技術預測在國家制定戰略規劃、優化資源配置方面發揮著重要支撐作用，可以為防范應對重大科技風險提供重要保障。隨著信息技術的深入發展和廣泛應用，智能化技術預測成為新的發展方向。本文分析技術預測活動演變的新特征和發展趨勢，總結智能化技術預測的典型案例，剖析智能化技術預測面臨的瓶頸問題，并在此基礎上提出相關建議。

0

引言

黨的二十大報告明確指出，以國家戰略需求為導向，集聚力量進行原創性引領性科技攻關，堅決打贏關鍵核心技術攻堅戰。這一戰略部署凸顯了攻關方向選擇的重要意義，也體現了技術預測研究的必要性和緊迫性。技術預測是對科學、技術、經濟、環境和社會的遠期未來進行有步驟地探索過程，以選擇可能產生最大經濟與社會效益的戰略研究領域和新興通用技術。技術預測活動從興起至今，歷經多次演變，其方法的不斷創新始終是推動技術預測實踐發展的重要力量。

當前，大數據、人工智能迅猛發展以及社會整體數字化程度加深，為快速準確的技術預測提供了可能，然而如何有效利用海量信息、提高技術預測的科學性和系統性，成為亟待解決的問題。從實踐中看，各國政府紛紛加強前瞻研究，探索開展智能化技術預測實踐，將其作為支撐國家科技戰略規劃、政策制定的重要依據。

從技術預測的理論發展代際看，不同年代的預測活動呈現出差異性特征，Miles將預測活動分成五個代際，從第一代僅關注技術層面的預測，逐漸加入市場與社會需求，到第四代強調多元化參與及協調，再到第五代預測活動開始重視策略性決策的整合。這意味著，現階段的預測活動已超出原有技術預測的概念，將它理解成更寬泛的新一代“預測”更加合適。就新一代技術預測而言，中國很多學者以“技術預見”作為代名詞，日本長期使用“技術預測”，中國臺灣地區更多使用“技術前瞻”的表達方式。雖然不同學者采用的表述方式不盡一致，但均與英文technology foresight的內涵一致。英國學者Martin首次提出foresight概念，其內容包括對未來中長期內的科學技術發展進行系統性研究，不僅是單純預測未來，而是蘊含理性選擇未來、主動塑造未來的意思。穆榮平等認為技術預見是知識開發和創造的過程，是對遠期技術需求進行動態修正和調整的過程，也是利益相關者共同選擇未來的過程。從技術預測的方法演進來看，自20世紀90年代以來，技術預測方法迅速增加，為滿足不同的目的和要求，有不同的流程和方法可供選擇。2000年以前，德爾菲調查、專家研討、情景分析和愿景分析是主流研究方法；之后，技術路線圖、定量分析法逐漸受到學者關注，許多學者利用文獻計量、專利分析、文本挖掘、社會網絡分析等方法開展預測研究。此外，技術預測的輔助方法還包括SWOT分析、TRIZ方法、利益相關者分析、專家系統等。近年來，“人工智能＋大數據”的技術預測方法成為熱點，技術預測數字化、智能化轉型趨勢明顯。不少學者嘗試基于機器學習和時間序列預測方法、構建LDA主題模型、抽取專利文本等手段開展預測研究。隨著智能時代的到來，預測研究方法和組織機制設計將不斷發生變化，未來預測研究是依賴專家判斷還是智能化手段需要持續跟蹤研究。因此，本研究在總結技術預測演變特征和發展趨勢基礎上，充分挖掘智能化技術預測的內涵和關鍵要素，進一步剖析各國開展的智能化技術預測實踐，探討其未來發展可能面臨的瓶頸和潛在問題，據此提出針對性對策建議。

1

技術預測呈現新特征

1.1　從聚焦技術演進到綜觀未來世界

技術預測起源于20世紀40年代，在美國海軍和空軍科技計劃制定方面發揮了重要作用，并逐漸由軍事領域擴展至社會民生領域。在發展過程中，技術預測活動呈現出兩點變化。一是技術預測的主題更加多元。早期的技術預測主要關注特定技術發展軌跡的趨勢分析，對于影響技術發展的社會性因素關注較少。隨著社會、經濟、環境的演變，技術預測的內涵與外延不斷拓展，預測活動的對象和范圍逐漸擴大，從對技術發展趨勢的預測轉向對遠期未來的系統性探索。預測主題涵蓋環境、能源、氣候、社會秩序等重大問題。二是技術預測應用范圍得以拓展。技術預測在不同治理層級上得以使用，成為重要的戰略規劃工具。除國家層面外，國際性、區域性組織以及許多大型企業也紛紛開展預測活動，以確定研發優先領域，促進創新活動產生，如歐盟委員會聯合研究中心、經合組織、美國蘭德公司、荷蘭殼牌石油公司、日本電信巨頭NTT公司等開展了多項預測活動。整體來看，技術預測研究已被應用于各種不同層級的治理領域，預測活動吸引著廣泛的利益相關團體，已成為洞察科學、技術、經濟和社會未來發展的系統性研究工作。

1.2　從專家見解到數據驅動

由于知識和視野的局限，少數人組成的團體一般難以準確把握未來社會需求及技術發展趨勢。特別是在外部環境不確定性日益增強的背景下，預測活動單純依靠“專家見解”的情況發生了變化，參與主體和預測過程都有所改變。一是預測活動的參與主體更加多元化。技術預測活動參與者的組成結構越來越豐富，已從科技界向產業界、政府部門、國際組織、金融機構和社會大眾拓展。多元主體可以參與預測過程中的趨勢判斷、愿景分析、技術評價等多個環節，有利于提高技術預測的影響力和活躍度。二是預測方法更加多樣化。技術預測早期重點關注專家在技術趨勢研判中的作用，基于特定領域內專家的專業知識，對技術發展態勢、優勢與瓶頸、領域基本情況進行系統了解。傳統的技術預測分析方法以定性分析為主，包括德爾菲法、頭腦風暴法、專家訪談法等。隨著科技文獻與專利數量的激增，預測活動越來越重視定量分析，文獻計量、聚類分析、生命周期分析、復雜社會網絡分析等方法逐漸應用開來。在這一過程中，數據挖掘的深度也在不斷增強，從基于標題和摘要的短文本分析向全文本挖掘演進，“數據驅動”為技術預測研究帶來新的可能性。

2

智能化技術預測成為新趨勢

在技術預測主題和應用范圍愈發多元、數據規模爆發式增長等復雜背景下，傳統技術預測方法普遍面臨信息不夠全面、間隔時間較長、工作任務單一等問題，已難以滿足支撐戰略決策的需求，開展智能化技術預測研究就成為未來發展的必然趨勢和選擇。當前，關于智能化技術預測的定義尚未形成共識，存在多種認識和理解，但人工智能、數據驅動、人機交互等關鍵詞是核心要素。張煒等認為，人工智能技術通過整合多層面的技術數據，借助特定AI工具進行刪減、辨偽、集成，整合形成科技治理綜合數據庫和智能查詢平臺，使多主體技術預見活動得以進一步高效率展開。充分發掘生成式人工智能在技術預見領域的應用契合點，對于提升技術預見效率具有重大意義。張碩等指出，未來技術預測研究將尋求更加智能化、自動化的分析方法，基于數據分析的技術預測研究主要強調借助數理統計以及計算機科學等技術從海量多源異構數據中提取、挖掘和揭示有價值的技術信息、模式以及發展規律。李牧南對技術預見的研究熱點及演進模式進行了深入分析，認為技術預測方法將逐步與大數據、人工智能、文本挖掘等新興信息技術相融合，其中，主題建模在技術預測中的應用研究是當前的研究前沿。趙明輝等認為，專家與機器的相互協作補充是技術預見實踐的主要工作方式，并提出一種基于網絡評論文本挖掘的技術預見新型方法，該模型具有定性定量結合、人機交互等特征和優勢。綜合上述研究，本文認為智能化技術預測是以人工智能等技術為支撐開展的對未來社會發展有步驟的探索，其關鍵是利用大數據、機器學習等手段進行全方面、多尺度和跨領域的全景掃描與學習，并實現自動生成、評估和預判，以輔助專家決策，縮短技術預測周期。其概念框架如圖1所示。

智能化技術預測的概念框架包括數據資源層、數據分析層、專家庫、可視化研究產品與人機交互平臺五部分。首先，構建多源數據空間，形成論文、專利、科研項目、會議和網絡輿情于一體的綜合數據資源庫，并利用數據挖掘、機器學習等方法就各類信息進行智能化掃描、綜合分析和提煉，形成即時判斷；其次，搭建基于大數據和人工智能方法的人機互動平臺，通過問卷調查、專家研討等方式邀請專家，針對自動生成的即時判斷進一步識別研判，凝聚專家共識并反饋專家意見，以不斷修正優化策略；最后，通過人工智能分析與專家研判的多輪迭代，形成可供決策參考的技術預測研究系列產品。其中，數據分析層是整個技術預測各環節與人工智能技術的深度融合，分析過程按照“提出問題－數據準備與存儲－數據處理－綜合數據分析”四步驟推進。在數據分析階段，主要利用機器學習、自然語言處理等人工智能技術，挖掘隱藏在大數據背后有價值的情報信息來實現深度分析。總體來看，智能化已成為新一輪技術預測變革的核心驅動力，將會改變傳統的技術預測流程和組織架構。當前，部分發達國家開展了相關實踐，在豐富和發展智能化技術預測方法和組織框架上提供了積極思路。

2.1　荷蘭創新展望項目：“數據＋專家”的混合人工智能預測

2019年，荷蘭應用科學研究組織（TNO）啟動“創新展望”研究計劃，旨在探索一種基于數據驅動的新型預測方法和框架，識別顛覆性技術和創新發展中的新興趨勢以及微弱信號，并確定其社會影響。“創新展望”項目由來自8個部門的具有不同專業知識的專家參與，包括預測專家、數據科學專家、戰略研究專家、領域專家、平臺設計專家等。項目遵循人工智能與專家聯合驅動的方法開展，首先，由專家確定知識圖譜本體，提供一套用于掃描階段的原始數據集；其次，借助人工智能手段對數據資源進行文本挖掘以建立網絡數據集，并不斷迭代細化、完善知識圖譜。在結果呈現方面，該項目設計了一個可視化、交互式的“儀表盤”，提供技術主題的增長速度、增長數量、增長多樣性和隨時間推移的變化情況。專家在“儀表盤”上能夠重新標記節點（如合并、刪除或拆分），以獲得更深入的見解。

2.2　日本第十一次技術預測：數據為輔、專家為主的預測模式

2019年日本啟動第十一次國家技術預測，創新性地使用人工智能方法開展特定科技領域的預測研究，在評選出702項關鍵技術基礎上，利用自然語言處理、分層聚類分析等方式生成得到32個科技主題集群，并經專家討論確立形成16個重點關注的特定科技領域。從集群主題看，使用人工智能方法得到的部分主題集群超出了原有德爾菲調查預設的領域。例如，與“地球·環境”相關的主題集群為新出現領域，高頻中心詞包括“自然災害觀測及預測”“循環經濟及環境資源的監測與評估”等。該主題集群經專家判斷后被確定為16個重點領域之一的“自然災害的先進觀測和預測技術”。由此可見，人工智能技術在一定程度上彌補了專家調查的局限性，它能夠從大量數據中提取模式、關聯，挖掘出隱藏的細節和觀點，有助于專家更全面地理解數據和發現更多有價值的信息。

2.3　德國弗勞恩霍夫預測項目：實現部分預測流程自動化

德國弗勞恩霍夫協會創新研究所（ISI）于2018年4月至2019年12月開展預測（foresight）項目，旨在確立2030年對應用研究具有高影響力的未來議題。該項目集成人工智能、大數據等手段優化技術預測流程，從而實現部分功能自動化。具體而言，ISI使用隱含狄雷克雷分布（LDA）無監督主題模型開展了6個月的文本挖掘，對新聞網站等非結構化數據進行識別。這一過程不需預先對新聞文稿進行人工標記，模型可自動生成系列主題。在此基礎上，邀請專家評估不同主題之間的聯系，凝練形成對未來具有影響力的議題。ISI項目表明，人工智能技術能夠輔助專家決策，利用其強大的檢索能力和文本生成的概括能力，提供多樣化知識視角，提高技術預測研究效率。

2.4　美國ECOLE項目：基于仿生智能體的人機協作分析

2022年9月，美國國防部高級研究計劃局推出“環境驅動的概念化學習”（ECOLE）項目，該計劃為期四年，旨在創建對環境持續感知和學習的仿生智能體，其目標是在對時間敏感、任務關鍵的分析中，實現對圖像、視頻和多媒體文檔的人機協作分析，以提高國家安全領域的分析和決策能力。ECOLE項目使用最先進的數據建模來自動推斷對象屬性及其在活動中的作用，項目成果可適用于一系列技術領域，包括機器人行業以及任何需要對圖像和視頻數據進行自動推理的群體，如自動駕駛汽車等。該項目的實施，意味著融合多源多模態的數據信息以及人機交互的智能學習方式，能夠用來預測或發現不確定目標領域的屬性和概念，豐富了人工智能技術在預測研究領域的應用。

總結荷蘭、日本、德國和美國的實踐經驗可以發現，智能化技術預測活動表現出以下特征。一是工作效率顯著提高。目前，人工智能在技術預測活動中發揮作用比較明顯的是以知識圖譜、數據挖掘、機器學習等為代表的智能技術，這些智能化手段通過訓練模型來處理大量數據，進而提高預測研究的工作效率。例如，美國情報部門與大學和科技公司開展廣泛合作，極大縮短了對海量數據的處理時間，提高了對異常情報信息的敏感度，能夠在事件早期發布預警提示。二是跨學科研究能力進一步增強。利用人工智能技術可以構建知識共享平臺，將不同領域的知識資源進行整合，進一步增強了解決復雜問題的跨學科研究能力。例如，“創新展望”項目構建了跨學科融合平臺，通過對論文、專利、科研項目等多源數據信息的整合，從多個角度對技術發展進行全面分析和預測，發現不同學科知識之間的關聯和交叉點。三是系統交互性和可視化水平大幅提升。人工智能結合交互式界面和可視化技術，能夠將復雜數據和預測結果以直觀方式呈現給用戶，幫助相關用戶更好地理解和分析技術預測結果，增強不同領域專家的溝通協作，提升用戶參與積極性。例如，ECOLE項目運用圖像識別、語音識別和合成等技術，使得用戶能夠通過語音控制與預測系統進行交互，及時獲得信息反饋；“創新展望”項目為專家與預測系統提供實時互動平臺，相關專家可以通過交互界面查看知識圖譜，選擇不同維度調整可視化效果，全面掌握技術趨勢。

3

智能化技術預測研究面臨的挑戰

當前，智能化技術預測研究在部分國家取得了一定進展，但仍處于半智能化階段，還面臨著數據規模不足、質量不高、技術不成熟、資金和人才缺乏等諸多挑戰。

3.1　數據規模和質量難以滿足智能算法需要

通過機器學習手段可以自動搜集海量數據信息，但這并不符合機器識別和運算的要求。在實踐過程中，有兩點難題亟待解決。一是數據可利用率低，文獻、專利、科研項目等科技數據存在標準不統一、數據共享機制不完善問題。例如，專利數據信息龐雜，其清洗和標準化都存在一定難度，各國科技研發項目數據可能涉及國家安全，導致數據的獲取和靈活運用受到很大限制；二是數據質量不高，多源數據的關聯和融合力度仍然不夠。不同模態數據之間存在差異，使得從文本、圖像等數據中學習的語義知識難以在同一語義空間中對齊，限制了智能算法在探索科學前沿、輔助科學家決策中的應用。

3.2　人工智能技術不成熟引發信任危機

隨著人工智能技術的發展，其復雜性和系統風險性不斷增加，導致人類對人工智能決策的信任危機。一方面，人工智能技術本身仍具有不完善性，尚存在諸多技術局限。例如，決策過程的不可解釋、容易被干擾等性質，導致人工智能無法有效實現甚至偏離初始既定目標。特別地，技術預測研究是對社會系統的綜合研判，而現實社會面臨著許多復雜和不確定因素，這些都是人工智能難以應對的。另一方面，人機交互過程中的信任風險仍然較高。在技術預測具體應用中，常常出現動態不確定性，此時人工智能系統的可靠性會發生變化。當出現常識性錯誤后，人工智能如何再次獲得用戶信任是亟待解決的難題。

3.3　對資金投入和人才隊伍提出較高要求

智能化技術預測活動對資金投入和人才隊伍提出了一定要求。第一，應用智能化手段需要有足夠的資金保障。智能算法依賴于持續的研發和技術支持，包括算法開發、模型訓練等，運維成本很高。例如，一個垂域大模型需要幾百萬至上千萬的部署成本，且往往需要多年的連續投入。第二，智能化預測研究需要專業人才隊伍的有力支撐。人工智能改變了傳統技術預測的組織流程和實施方式，對于智能化技術預測實踐而言，既需要掌握機器學習知識的數字化人才，又需要能夠了解機器語言的領域專家，以及能夠統籌整個數字化流程的管理人員。當前技術預測活動在智能化推進的組織和能力建設方面尚存不足，人才和專業知識的缺乏成為智能化道路上的重要挑戰。

4

中國開展智能化技術預測工作的相關思考

近年來，中國技術預測方法體系逐步豐富和完善，逐漸將文獻計量、專利分析等定量方法與定性方法相結合，并探索了智能化應用，如北京理工大學發明的“一種大數據背景下的能源技術預見智能系統”，旨在利用大數據挖掘技術實現精準預測。中國第六次國家技術預測工作應用了線上德爾菲調查系統，同時利用Scopus數據庫和律商聯訊的專利數據庫，對近十年來世界各國的研究熱點進行聚類分析，以輔助專家決策。但整體來看，中國尚未形成一套規范化、智能化的技術預測方法體系，預測研究工作更多以傳統德爾菲調查為主導，在探索新技術和新方法的創新應用方面不足。與國際領先國家相比，中國技術預測研究“多而不強”，主要表現為預測研究方法和信息采集渠道較為單一，與現代信息技術手段結合薄弱。此外，中國從事技術預測研究的專業人員相對缺乏。當前組織開展預測研究的人員大部分來自經濟學、管理信息系統等專業領域，對技術發展方向了解不深，在關鍵技術領域未來趨勢及前瞻布局方面缺乏深刻洞察。下一步要加快推動信息技術手段在中國技術預測活動中的應用，建設國家技術預測數字化平臺，構建集成主客觀信息的綜合性技術預測方法，推動技術預測工作向體系化、規范化、智能化方向發展。

4.1　建立國家技術預測數字化工作平臺，實現數據集成與科學共享

提高智能化技術預測的效率和準確性，需要高質量數據資源做支撐。應加快頂層設計，構建包括論文、專利、網絡信息、政府信息、市場信息等在內的一體化數字平臺，提高對數據資源的控制力。一方面，數字化工作平臺可以自動收集匯總各類數據源，形成常態化模板報告；同時，能夠持續跟蹤重點技術或新興技術，對可能出現的顛覆性技術進行監測預警。另一方面，數字化平臺能夠實現大數據分析和專家調查功能的整合，通過平臺上嵌入的德爾菲調查、專家留言等功能模塊，在技術清單形成、調查問卷填寫、關鍵技術選擇等環節，為專家交流互動提供橋梁。

4.2　秉持專家判斷與數據支撐相融合的原則，提高預測結果準確性和有效性

隨著人工智能自主性的增強，人機交互過程中的信任危機問題日益突出。對于國家技術預測研究工作，有關部門應結合人工智能技術發展需要，一方面加強系統評估方法的開發和研究，定期測試和調整智能系統，提升人工智能支持預測研究工作的有效性；另一方面要平衡好人工智能與專家之間的關系，秉持專家判斷與數據支撐相融合的原則，構建集成主客觀、定性定量信息的綜合性智能技術預測方法。在實踐過程中，政策制定應考慮各項原則之間的協調性，考慮不同決策類型、應用場景的具體要求，強化專家對人工智能系統的監督和管理，降低系統風險的發生，進一步提高預測結果的準確性。

4.3　發揮政府統籌協調作用，強化資金保障和人才培養

當前，中國迫切需要建立基于技術預測的科技戰略規劃制定機制，并將其納入國家科技活動的常規管理辦法當中。應充分發揮政府的統籌協調作用，重視應用人工智能技術開展技術預測工作。一是加大對關鍵技術領域前瞻性預測研究的資金投入，重點支持利用數據挖掘、數據融合、深度學習等方法的技術預測研究項目，最大限度發揮人工智能的潛力，為智能化手段應用提供有力保障。二是提高企業、高校和科研院所等相關利益者參與積極性，強調全主體共同參與。技術預測過程的復雜性要求在實踐的基礎上形成共識，建議通過組建國家技術預測委員會、建立信息共享平臺等方式，為各領域的參與者提供交流渠道。不同利益群體在技術理解、市場需求、資源分配等方面擁有不同的視角和經驗，通過共同參與和協作，能夠形成更為全面和客觀的預測結果，為科技決策提供有力支撐。三是加快培養一批技術預測專業人才，強化跨學科人才聯合培養，不斷提升相關工作人員的工作素養和技能水平。技術人員、開發人員、情報人員、管理者應轉變以往的工作模式與工作理念，積極投入人工智能的開發、使用與監督全過程，更好地發揮自身專業優勢。

展望未來，中國智能化技術預測將朝著提高技術預測效率、深化數據挖掘深度、系統化預測三個方向發展。要不斷創新技術預測工作機制，加快形成具有中國特色的技術預測方法體系，加強跨部門、跨領域的數據共享與合作，構建全面、實時、高質量的信息采集網絡，不斷提升智能化技術預測水平。

免責聲明：本文轉自中國科學技術發展戰略研究院，原作者胡月，玄兆輝，袁立科。文章內容系原作者個人觀點，本公眾號編譯/轉載僅為分享、傳達不同觀點，如有任何異議，歡迎聯系我們！

轉自丨中國科學技術發展戰略研究院

作者丨胡月，玄兆輝，袁立科

研究所簡介

國際技術經濟研究所（IITE）成立于1985年11月，是隸屬于國務院發展研究中心的非營利性研究機構，主要職能是研究我國經濟、科技社會發展中的重大政策性、戰略性、前瞻性問題，跟蹤和分析世界科技、經濟發展態勢，為中央和有關部委提供決策咨詢服務。“全球技術地圖”為國際技術經濟研究所官方微信賬號，致力于向公眾傳遞前沿技術資訊和科技創新洞見。

地址：北京市海淀區小南莊20號樓A座

電話：010-82635522

微信：iite_er