热门好发主题又登中国工业经济,这是未来趋势!

学术   2024-10-05 18:38   中国  

来源:社科学术汇整理自中国工业经济

原文信息:解学梅,郭潇涵.人工智能深度学习平台如何实现开源式创新[JOL].中国工业经济,2024,(08)174-192.

01

引言

近年来,中国高度重视人工智能深度学习平台的开源建设。《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》将深度学习框架的开源算法平台构建列入新一代人工智能科技前沿领域攻关内容,支持开源创新联合体发展,鼓励企业开放软件源代码、硬件设计和应用服务。从实践层面看,人工智能深度学习平台以深度学习算法框架为核心,是人工智能产业的基础性平台,而该平台开源式创新能够吸引大量开发者参与其中,从而加速技术迭代创新,是建立人工智能事实标准和构建人工智能产业生态的有效路径。

02

研究设计

1.研究方法
本文采用纵向单案例研究方法,遵循以Langley为首倡导的过程研究范式。

2.案例选择
单案例研究要求所选择案例具备反常行为或现象以及满足特定的理论情境要求,即“极端性”原则和“启发性”原则(Gioiaetal.,2013)。

3.数据收集
本文采用多样化数据收集来源,兼顾实时性和回顾性,将半结构化访谈、集中访谈、参与式观察、内部资料等一手资料作为主要来源,同时收集公开演讲访谈、上市公司公告文件、官方和第三方的新闻报道、文献书籍、权威行业报告等二手数据。    

4.数据分析
本文采用“方法论拼接”方法,同时采用过程研究的经典分析策略和一阶/二阶的结构化数据分析方法。具体如下:①采用叙事策略,融入不同时间嵌入性的数据产生翔实的事件描述;②按照时间和逻辑顺序将人工智能深度学习平台实现开源式创新过程切分为不同的时序区间;③采用可视化图示策略,将事件发展过程、过程理论模型等绘制成图表予以展示;④为避免单纯的现象描述,借用一阶/二阶的结构化数据分析方法对开源式创新过程进行概念化编码,同时,为克服其静态化和切片化,着重对阶段内的联动机制(“小箭头”)和阶段间的演变机制(“大箭头”)进行编码和阐释(王凤彬和张雪,2022)。最终,在“数据—关系—理论”之间反复迭代,得到一阶概念、二阶主题和聚合维度。

03

案例分析与发现


本文将飞桨平台实现开源式创新的过程划分为三个时序区间,分别是“积势蓄能期”(2012—2016年)、“混合流变期”(2017—2020年)和“整合成熟期”(2021—2024年)。

1.低阶开源:积势蓄能期(20122016年)
(1)驱动逻辑:竞争优势驱动逻辑。“竞争优势驱动”是指面临开源起步较晚情境和竞争日益激烈的国际环境,企业作为开源架构者受自身战略驱动,引进和学习国际领先企业采用的开源式创新,从企业内部流程出发实施内部开源,意在获取新的竞争优势来源。    
(2)行动模式:工具型行动模式。在积势蓄能阶段,百度受到构建新竞争优势的战略导向驱动,选择服务于自身利益诉求的工具型行动模式。
(3)开源联动机制:惯例变革机制。“惯例变革机制”是指开源架构者实施适应性惯例变革,即摒弃原有的闭源式研发的旧惯例,塑造跨部门边界开源式研发的新惯例
(4)开源结果:开源流程协同。“开源流程协同”是指人工智能深度学习平台在研发流程层面实现开源化,呈现出相对低阶的开源能力特性。

2.低阶→中阶演变:积势蓄能期→混合流变期
通过归纳案例资料,本文识别出其中的两类具体机制:①“开源社区逻辑导入机制”,是指开源架构者将开源社区逻辑纳入现有平台中,以共同情感和价值、创造公共产品为目标,遵循坚守社区政策、满足社区需求为手段的社会和物质规则体系。

3.中阶开源:混合流变期(20172020年)
(1)驱动逻辑:高效迭代驱动逻辑。通过归纳案例资料,本文识别出本阶段两类具体驱动逻辑:“关键技术高效迭代”,是指人工智能深度学习平台追求关键技术“初始假设→原型产品测试→用户证实认知”的高效反馈循环。    
(2)行动模式:螺旋型行动模式。通过归纳案例资料,本文识别出螺旋型行动模式的三类子模式:“发散式开发模式”,是指开源开发者发散兴趣爱好和主观意愿,既可对代码修改更新,也可与其他开发者共同攻克技术难关。
(3)开源联动机制:自适应聚变机制。本文识别出自适应聚变机制的两类子机制:①“个体自组织机制”,是指开源开发者受到利己性和利
他性因素的共同作用,自我选择和组织所要执行的代码更新任务。一是个体利己性自组织,例如开
发者希望“奖品丰厚”“构建个人影响力”“百度背书对就业有用”等;二是个体利他性自组织,例如开发者“希望回馈社区”“让别人少走弯路”“想为深度学习平台国产化尽自己力量”等。
(4)开源结果:开源范式转换。“开源范式转换”是指创新范式由“内部开源”转变为“外部开源”,将开源式创新视作新的创新方法,呈现出中阶的开源能力特性。

4.中阶→高阶演变:混合流变期→整合成熟期
本文识别出其中的两类具体机制:“价值主张渗透机制”,是指在精准定位市场需求的前提下,人工智能深度学习平台将商业模式中的价值主张逐渐渗透到目标客户群体。

5.高阶开源:整合成熟期(20212024年)
(1)驱动逻辑:价值最优驱动逻辑。本文识别出两类具体驱动逻辑:“经济价值最优”,是指追求开源商业化带来的最优化经济效应。    
(2)行动模式:生态型行动模式。本文识别出生态型行动模式的三类子模式:①“同愿式协作模式”,是指开源开发者基于共同愿景而展开通力协作的系统运作模式。②“领导式构建模式”,是指由开源架构者作为“领导者”设定开源生态战略,建立不同生态成员之间链接关系的系统构建模式。③“协商式治理模式”,是指遵循平等民主的协商原则,开源开发者、开源架构者和开源异构者等多方进行相互监督和协商治理。
(3)开源联动机制:聚合共生机制。通过归纳案例资料,本文识别出聚合共生机制的两类子机制:①“优势聚合机制”,是指从资源整合角度,各类开源参与者具备异质性的知识和能力优势,且在创新链结构位置上相互嵌套耦合。②“互惠共生机制”,是指开源参与者基于共同的情感联结和利益诉求,形成相互依存、合作共赢的共生关系。
(4)开源结果:开源系统共创。本文基于案例资料,识别出开源系统共创具有两类具体标志:①“组件边界开源化”,是指人工智能产业系统中的软件和硬件组件均基于开源代码一体化设计,实现了跨越人工智能组件边界的开源化。②“价值创造开源化”,是指在开源生态系统中开源参与者之间形成完整的人工智能开源产业链,共同创造新的经济价值和社会价值。

04

结论与讨论

1.人工智能深度学习平台实现开源式创新的过程理论模型
本文遵循过程研究范式,通过对飞桨平台的探索性案例研究,从纵向时间维度探究了案例对象2012—2024年开源式创新过程,提出中国情境下人工智能深度学习平台实现开源式创新是一个循序渐进的多阶段动态过程,依次经历“积势蓄能期→混合流变期→整合成熟期”的递进演变历程,构建了人工智能深度学习平台实现开源式创新的过程理论模型(如图1所示)。    
(1)不同时序区间内的驱动逻辑和行动模式存在显著差异。
由此,本文提出:
命题1:在人工智能深度学习平台实现开源式创新过程中,驱动逻辑经历了“竞争优势驱动→高效迭代驱动→价值最优驱动”的动态演变过程,由此引导“工具型行动模式→螺旋型行动模式→生态型行动模式”等行动模式选择的动态更迭。    
(2)遵循过程研究范式,人工智能深度学习平台开源式创新的开源机制包括不同时序区间内的联动机制和时序区间之间的演变机制两个维度。由此,本文提出:
命题2:人工智能深度学习平台实现开源式创新机制包括阶段内的联动机制和阶段间的演变机制,联动机制经历了“惯例变革机制→自适应聚变机制→聚合共生机制”的动态过程,演变机制经历了“开源社区化演变机制→开源商业化演变机制”的动态过程。
(3)在不同时序区间内,人工智能深度学习平台实现开源式创新的行动模式和开源机制衍生了不同阶层的开源形态。由此,本文提出:
命题3:在人工智能深度学习平台实现开源式创新过程中,开源式创新通过行动模式和开源机制生成“开源流程协同”“开源范式转换”和“开源系统共创”等开源结果,整体呈现出由低阶能力向高阶能力跃升的演变过程。

2.预设性开源式创新的理论适用边界
为进一步厘清预设性开源式创新的理论边界,本文将非预设性开源式创新与预设性开源式创新做详细对比,具体如图2所示。    
(1)在发起主体方面,非预设性开源式创新主要是开发者等个体出于对现有解决方案的不满或者对编写程序的个人兴趣等偶发性动机,初步开发样版之后,自愿贡献源代码以供更广泛的个体开发者使用、修改和更新,企业则以赞助和派驻员工等形式相对被动地寻求融入。
(2)在创新逻辑方面,非预设性开源式创新遵循“自下而上的集市式开发”逻辑,即开源技术方向来自分散的开发者个体,评价和审核代码质量等治理任务也交由开发者个体完成。
(3)在典型情境方面,非预设性开源式创新更适用于开源制度秩序完善或者时间维度约束性较弱的制度情境,通常经历过由个体开发者发起的大规模自由软件运动,在长时间跨度的社会文化塑造过程中,开源理念已较为普及,开源经验已基本积累。
(4)在演变路径方面,非预设性开源式创新遵循从个体向企业融合的“情怀驱动→商业驱动→生态驱动”的演变路径,首先开发者出于情怀来开发和公开源代码,吸引开发者聚集形成开源社区。




经管学苑



经管行业热点
现象深度分析
干货经验分享
高校专业剖析
为广大学友提供优质内容
欢迎关注!

快来,点在看啦

经管学苑
经管行业热点资讯、深度现象剖析、干货资料分享!为广大经管学者提供观点,共同进步!
 最新文章