融合研究过程机制及实现路径——基于美国融合加速器的多案例探索性分析

摘要

融合研究是一种科研新范式，各主要科技强国都在积极倡导和推动融合研究发展。美国融合加速器开创性地建立了与融合研究相适应的运行机制和管理模式。基于扎根理论的多案例比较研究方法，以美国融合加速器中3个与人工智能相关的融合研究轨道为研究对象，对融合研究过程机制进行探索性研究，并构建了融合加速器融合研究过程机制的理论模型。研究结果表明，融合研究存在两个核心过程机制：一是在融合研究各阶段中，形成了由融合动力、协作联动和利益联结所组成的融合研究自组织机制；二是在融合加速器目标约束和动态监督的调控与反馈中，形成了融合研究柔索驱动机制。研究结论为促进我国融合研究发展、应对人工智能时代所带来的发展机遇和治理挑战提供参考。

融合研究（Convergence Research）是一种重大社会经济问题驱动的应用基础研究，通过自然科学和社会科学等多学科间的深度交融，产生新的概念化范畴和方法论体系，直接贡献于知识进步和社会进步。作为一种科研新范式，融合研究已成为未来科学研究发展的主要方向。Sharp（2013）将融合研究称为生命科学、物理科学和工程学领域的第三次变革。美国国家科学、工程和医学研究院认为，融合研究是解决人类所面临的健康、能源、环境、安全等重大社会经济问题的有效途径。基于此，各主要科技强国都积极倡导和推动融合研究发展。中国科学院、美国国家科学基金会等机构正在积极探索建立与融合研究相适应的制度、政策、管理体制和运行机制。其中，美国国家科学基金会于2019年3月15日，首次创建了融合加速器（Convergence Accelerator），将实现融合研究成果转化、加速解决重大现实问题作为其核心使命和愿景。

人工智能是利用计算机来模拟或仿效人类智能活动的一门综合类学科。有研究指出，人工智能是要让机器的行为看起来像人所表现出的智能行为一样。人工智能经过60多年的发展已取得了巨大进步，中国、美国、英国、德国等国家相继发布了人工智能发展战略。不同于其他颠覆性创新，人工智能是多学科交叉融合的产物，其研究成果能够支撑各产业部门进行系统性变革，并在政治、经济和社会等各领域产生广泛的溢出效应。

那么，以人工智能为核心的融合研究过程体现出怎样的特点？在以人工智能为核心的融合研究轨道中，美国融合加速器的融合研究过程机制和实现路径是什么？在已有研究中，学界对这些问题的关注度还不够，理论研究远远滞后于融合研究实践的迅猛发展。鉴于此，为了解融合研究的现实情境并探索其过程机制，本文基于扎根理论的多案例比较研究方法，分析美国融合加速器中融合研究发展的关键机制，并探索机制间的相互作用。研究结论在理论上有利于推进该研究领域的边际知识增长，并为现实中有效促进融合研究发展提供路径参考。

1. 文献回顾

1.1 融合研究的内涵

融合研究是一种重大问题驱动的应用基础研究，通过超学科的深度融合，解决实际问题中的元问题，直接贡献于知识进步和社会进步。融合研究的内涵和外延随着应用基础研究的不断深入和经济社会发展现实需求的变化，经历了一系列的发展和演化。20世纪70年代，“领域导向的科研”引发了理论界和实务界的普遍关注。20世纪80年代，学者们持续探讨“问题导向的科研”或“需求导向的科研”。尽管学术界对概念的使用有所差异，但关于该研究范式的本质属性逐渐形成了一些基本共识。归纳起来，主要体现在以下4个方面：一是问题聚焦。研究过程的起点是紧迫的社会需求，以及与之相联系的重大科学问题，识别、定义和选择所要解决的问题是研究核心。二是超学科交融。所涉及知识领域是超学科的，通过学科间的深度交融产生新的概念化范畴和方法论体系，创造新的解决方案。三是广泛参与。研究团队包括科学家、政府和产业部门等的相关人员，研究过程是问题相关者广泛的全过程参与。四是价值共创。研究参与者因解决问题的共同承诺而联系在一起，通过持续的科研投入获得累积性研究发现。研究成果能够产生重大社会经济效益，解决社会经济发展中的重大问题。

1.2 融合研究发展所面临的困境

融合研究发展所面临的困境主要来自3个方面：一是问题复杂性高。社会经济系统是典型的复杂巨系统。Rittel和Webber在1974年提出了“棘手问题”概念，而Randall（2020）指出，融合研究就是要解决“棘手问题”。问题的复杂性导致解决方案具有极大的不可预知性。二是学科整合难度大。融合研究参与者需要具有精深的学科专业知识，同时还要掌握学科前沿。融合研究中的参与者存在研究路径依赖，很难熟练运用不同领域的知识、方法和研究工具提出创造性的问题解决方案。三是协同合作难度大。由于融合研究中的参与者来自多学科、多领域、多部门，科研团队规模大、成员组成多样且地理分散度高等，这对研究共同体中的组织、沟通和激励等机制提出了巨大挑战。

1.3 发达国家促进融合研究发展的管理策略

优化科技资源配置被视为促进关键科技领域中融合研究发展的重要途径。美国能源部高级能源研究计划署和美国国立卫生研究院设有联邦资助计划，尤其是美国国家科学基金会于2019年创建融合科研加速器，构建了一种新型的融合科研资助管理模式。澳大利亚联邦科学与工业研究组织也通过优化资助管理体制，加深与美国及其他国家的科技合作。韩国科学技术研究院通过优化科研管理机制，培育融合研究生态。目前，国内相关研究不多且以追踪和案例分析为主。学者们主要追踪国际上资助机制的演化趋势，分析这些典型经验对我国融合研究发展的启示。通过国内外典型案例分析，从建设融合研究评价机制、数据开放机制、资助机制和协同机制等方面，积极探讨推动融合研究发展的有效途径。

可见，构建与融合研究相匹配的科研组织模式和管理机制，是现阶段理论界探讨的热点。但整体而言，融合研究仍是科学研究的新范式、科研管理的新趋势，其理论分析框架尚未形成。研究对象上，对融合研究中资助管理机制的关注非常有限；微观机制上，未能揭示科技资源配置方式对融合研究过程的影响机理；经验分析上，几乎没有打开融合研究资助管理有效性的黑箱。基于此，本研究对融合研究过程进行系统分析，探究促进融合研究发展的关键机制。

2. 研究设计

本研究旨在分析美国融合加速器推动融合研究发展的内在机理。关键在于回答美国融合加速器形成了何种与融合研究相匹配的体制机制，在人工智能领域的融合研究过程中存在何种独特性。为解决这些核心问题，须在融合加速器的实际情境中，深入挖掘融合研究过程的潜在规律和内在机制，进而建构融合研究的中层理论。由于本研究属于探索性研究，因此基于扎根理论的多案例比较研究方法是较为适宜的研究工具，其对发掘融合研究领域的新理论、丰富现有理论具有重要价值。

2.1 研究方法

本文基于Corbin和Strauss的程序化扎根理论，将数据编码分为开放式编码、主轴式编码和选择式编码等3个级别。具体而言，通过理论抽样，选取2019—2020年融合加速器中与人工智能相关的研究轨道作为研究对象。首先，对2019年研究队列中轨道A（开放知识网络）和轨道B（人工智能和未来工作）的融合研究项目进行实质性编码，归纳并提炼相关概念的类别和属性。其次，将已形成的概念、范畴和关系与2020年研究队列中轨道D（人工智能驱动的数据共享和建模）的融合研究项目进行比较，识别未被发现的变量和关系，并最终在理论饱和状态下，提炼出融合研究过程机制的理论模型。

2.2 案例选择

选择美国融合加速器作为研究对象。主要原因如下：一是美国融合加速器是全球首个旨在推动融合研究发展而创立的科研管理和服务机构。二是融合加速器中3个与人工智能相关的研究轨道，已运行4年有余，其中2019研究队列中的融合研究项目进入融合研究Ⅱ阶段，能集中反映融合加速器推动融合研究发展的实际情况。并且，对3个轨道的纵向研究能够展现融合加速器中人工智能领域的研究发展特征，揭示融合研究过程机制的动态性和稳定性。三是由于融合研究项目都专注于人工智能领域，项目间具有较强的可比性，因此，在兼顾案例典型性、数据可获取性和研究便利性等的基础上，选取美国融合加速器中与人工智能相关的3个研究轨道中的70个融合研究项目作为研究样本，具有良好的可信度和充裕度，且数据较为翔实。

2.3 资料搜集

资料搜集采取三角验证法，通过多渠道获取数据进行交叉验证，提升研究效度。研究数据主要从美国科学基金会和美国融合加速器的数据库、相关网站等公开渠道获取。研究数据主要包括两种类型：一是视频数据。主要包括来自4个不同媒体的关于融合加速器内部人员的共13个访谈视频，每个视频的平均时长为53分钟；同时还包括融合加速器的年度博览会视频档案、人工智能相关研究轨道中的融合研究项目视频，共计42个。二是文本数据。主要包括美国融合加速器融合研究项目档案、项目年报、政策文件、网页文本和电子出版物等，整理后形成了20多万字的文档资料。

2.4 信度检验

根据研究的实际情况和现实因素，采用重复编码以及编码员信度检验的方法对编码指标的稳定性和可重复性进行检验。具体而言，在编码过程中，组织编码团队比对编码结果，分别对样本内容进行归类统计，并在不同时间多次对研究文本进行编码。采用归类一致性指数和编码信度系数进行检验，编码信度为0.837，表示编码一致性符合研究要求。此外，为了保证数据分析的准确性，建立研究备忘录，邀请同行专家进行辅助分析。

3. 数据分析

3.1 开放式编码

根据“定义现象→贴标签→概念化→范畴化”的开放式编码程序，借助Atlas.ti软件，对融合加速器中人工智能相关研究轨道的融合研究项目进行编码，在原始文本中抽取标签，提炼核心概念。剔除频次低于2的初始概念后，得到683个标签（编码标识为“a”），392个概念（编码标识为“A”）和224个核心概念（编码标识为“AA”）。开放式编码部分结果见表1。由于数据较多无法完全呈现，为更好地展示不同层级编码之间的关系，这里只选取部分编码进行说明。

3.2 主轴式编码

运用Strauss和Corbin提出的典范模型，通过“条件→策略→结果”模型将开放式编码中得出的各项范畴联结在一起。在主轴式编码阶段，通过典型范例共得到融合加速器中融合研究的13个主范畴，分别为应用基础研究驱动、市场驱动、社会驱动、经济利益、公共利益、团队合作、组织协同、信息共享、轨道整合、顶层设计、项目竞合、融合服务、绩效评价等。核心范畴融合动力典范模型的分析过程如表2所示。

3.3 选择式编码

选择式编码通过“故事线”发现核心范畴，建立核心范畴与各主范畴间的逻辑关系并建构新理论。将13个主范畴与已有理论进行比较，可发现“应用基础研究驱动”“市场驱动”“社会驱动”反映的是融合加速器融合研究过程中的“融合动力”这一核心范畴，“经济利益”和“公共利益”则反映的是融合加速器融合研究过程中的“利益联结”这一核心范畴。选择式编码如表3所示。

3.4 理论饱和度检验

理论饱和度检验是停止采样的衡量标准，即当继续进行新数据收集时不再有新理论见解产生，同时也不再有新范畴产生时，意味着理论达到饱和。为了验证理论饱和度，本研究将已形成的概念、范畴和逻辑关系与2020年研究队列中轨道D（人工智能驱动的数据共享和建模）的融合研究项目进行比较，做理论饱和度检验。研究中并未出现新范畴和类属关系，这表明已达到较好的理论饱和度。

4. 研究发现

基于以上编码结果，构建融合加速器中融合研究过程机制的理论模型（见图1）。研究发现融合研究过程存在两个核心机制。一是在融合加速器的融合研究各阶段中，形成了由融合动力、协作联动和利益联结所组成的融合研究自组织过程机制。二是在融合加速器目标约束和动态监督的调控与互动中，形成了融合研究的柔索驱动机制。

4.1 融合加速器中融合研究自组织过程机制

研究发现，融合加速器紧扣融合研究的应用基础研究本质，自下而上构建起了由融合动力、协作联动和利益联结所组成的融合研究自组织过程机制。

4.1.1 以“用”为核心的融合研究动力机制融合研究动力机制是指推动融合加速器中融合研究发生和发展所需动力的产生机理。研究发现，融合研究动力的产生主要遵循以下逻辑。即融合研究项目在经济和社会中的“有用性”，产生了特定情境下的研究使命，进而推动研究团队在理论上探讨其“可用性”。由于绝大多数人工智能应用需要大量的模型训练，因此研究成果在与问题相关者的深度互动中，实现技术上的“适用性”。研究结果表明，融合加速器中融合研究形成了以“用”为核心的融合研究动力机制。融合研究在社会和市场重大实际问题的拉动下，推动人工智能领域应用基础研究的新发展，并在融合加速器的支持下，推动研究团队在既定研究轨道上开展累积性的科研合作，从而实现融合研究成果转化，继而产生稳定和深远的社会经济影响。

4.1.2 以“同”为核心的融合研究协作机制融合研究协作机制是指为实现融合加速器中融合研究的目标，团队成员参与融合研究过程中产生的交互行为和联动机制。研究发现，融合研究协作机制主要体现在团队、组织、轨道和信息形成了4类“共同体”。即合作规则重塑形成“知识共同体”，组织资源匹配形成“创新共同体”，问题相关者间的信息共享形成“学习共同体”，轨道内外集成形成“轨道共同体”，进而培育出人工智能的融合研究生态。

具体而言，在团队层面上，研究成员通过缔结内部契约，如时间约定、合作承诺、职责分工、战略框架协议，以及缔结心理契约，如互相尊重、克服动机冲突、建立信任，形成“知识共同体”。在组织层面上，参与机构通过组织协同，如合作网络、战略合作伙伴、资源匹配，以及重塑治理规则，如建立治理委员会、成立顾问委员会、推动跨组织形成共识、成立外部咨询委员会，形成“创新共同体”。在信息层面上，专家、参与机构及用户通过信息共享，如研讨会、博览会、创新课程、激励措施，以及信息反馈，如与用户合作、专题研究、用户访谈，形成“学习共同体”。在轨道层面上，研究项目通过战略联盟，如数据共享联盟、知识共享、通用基础设施，以及融合研究生态，如联合工作组、建立委员会、轨道团队合作、轨道集成，形成“轨道共同体”。

研究结果表明，融合加速器中融合研究形成了以“同”为核心的融合研究协作机制。围绕融合研究的研究愿景，以超学科融合科研团队为中心构建知识生产的自组织空间，同时释放合作伙伴关系中各科研组织潜能，促进科研要素的自由流动，搭建交流平台实现科学信息、数据和成果的动态传播与共享，并通过垂直和水平的双向轨道整合，实现技术轨道的整体拓展和跃迁。

4.1.3 以“溢”为核心的融合研究收益机制融合研究收益机制是指融合研究中所产生研究成果的所有权、处置权和收益权在融合研究利益相关者间的分配和共享机制。研究发现，融合研究的收益机制主要遵循两条逻辑主线。在经济利益方面，科研人员掌握科技成果披露和分配的主动权，研究成果所有权为研究团队共享；对于处置权，成果由大学授权的知识产权和技术转移中心进行管理，与研究团队中的合作伙伴共同负责实现成果转化；收益权主要遵循知识产权相关法律，按照专利、版权、商标等收益分配形式，根据各利益相关者在研究过程中的贡献制定分配比例。在研究项目可持续发展方面，研究团队通过吸引风险投资，拓展研究合作网络，实现融合研究项目的可持续发展。

在公共利益方面，基于人工智能领域的群体智能“涌现性”规律，以用户互动为核心，通过开源软件、开源算法和软件众包等，进行研究成果的设计、测试和评价。数据尤其是政府和公共数据，通过数据开放和共享，打破学科间、领域间、公众间、政府部门间的交流壁垒，并通过成立非营利组织等方式，持续提升数据驱动决策的能力，增加政府透明度。同时，以融合科研成果转化为中心，改革博士后培养计划，强调科技伦理和公共伦理，营造开放、多元、包容的科研文化氛围。

研究结果表明，融合加速器中融合研究形成了以“溢”为核心的融合研究收益机制。第一类溢出效应产生于商业利益的保障性和激励性配置中，推动利益相关者形成融合研究成果转化的共同期望。第二类溢出效应产生于知识共享和数据开放的观念革新和路径探索中，推动融合研究成果在更广泛的社会经济领域实现利益共赢，倡导开源精神。

4.2 融合加速器的柔索驱动机制

柔索本义是指由柔软的绳状或带状体所构成的约束，它是理论力学中的核心概念，近年来被广泛应用于建筑工程、航天工程、机械工程等系统工程领域。融合加速器的柔索驱动机制是指以自上而下的融合研究目标为索端，以融合加速器的动态监督为索张力，在为期三年的、自下而上的、以融合研究自治为核心的融合研究Ⅰ和Ⅱ阶段中，所形成的融合研究管理稳态机制。

4.2.1 索端：自上而下的融合研究目标融合加速器柔索驱动机制的索端规定了融合研究的基准方向和发展形态。索端输入包括三方面：

一是融合研究的前瞻布局。融合加速器与拜登政府和美国国会的创新和经济发展优先事项、创新和技术转让优先事项相一致，在大数据、人工智能、量子科学等关键领域推动融合研究成果转化；并通过系统的科学技术预见和论证机制，提升研究轨道的科学性以及研究成果的短期可达成度。例如，融合加速器发布研究轨道征集函，每年10至11月组织10~15次的研讨会，邀请企业、高校、非营利组织、政府和其他组织的研究人员参加，并对初步甄选的约12个主题进行论证，以确定下一财年融合加速器研究轨道主题。

二是融合研究轨道和队列的规划。与特定研究重点一致的主题称为研究轨道（Track），轨道内的研究项目构成一个研究队列（Cohort）。如本研究案例中3个与人工智能相关的研究轨道：轨道A（开放知识网络）的目标在于强化以科学数据和公共数据为基础的决策与应用；轨道B（人工智能和未来工作）旨在基于人工智能提供与未来行业需求和工作相匹配的培训和技能提升方案；轨道D（人工智能驱动的数据共享和建模）的核心在于数据开放和模型共享以及开发人工智能工具和平台。

三是融合研究项目竞合机制。一方面，融合加速器中的研究项目采取分阶段的资金分配制度，创设一种团队竞争机制。例如，当进入融合研究第Ⅱ阶段后，研究经费分为两部分划拨。第一年科研团队可获得高达300万美元的研究经费，通过审查的项目，在研究结束时可获得总计高达500万美元的资金支持。另一方面，融合加速器中的研究项目特别强调研究轨道整合。如轨道A中的一部分项目旨在应对特定主题域内的挑战，将其称为垂直项目；另一部分项目则专注于通用基础设施和应用程序开发环境，将其称为水平项目。通过研究项目和研究轨道的双向整合，合力把握未来科技前沿，为未来二三十年的社会经济重大挑战提供系统性解决方案，满足国家重大科技需求。

4.2.2 索长：融合研究阶段Ⅰ和阶段Ⅱ融合加速器柔索驱动机制的索长表征了在时间和资源两个维度张弛有度的状态中，融合研究的自组织平衡态。融合加速器研究队列和研究轨道确定后，研究项目进入为期三年的融合研究Ⅰ和Ⅱ阶段。在此过程中，主要依托研究团队自下而上的融合研究自治机制整合知识和科研资源。融合加速器则依据研究内容、研究方法、研究团队和研究结果等4个核心标准，甄选各研究轨道的研究项目，以资金配置和时间窗口推进项目实施，加快融合研究成果转化。

具体而言，每个研究队列中的所有团队都从各研究轨道中的融合研究Ⅰ阶段开始。该阶段各研究团队的主要任务是实现团队建设和团队融合，初步实现概念原型的验证和开发。在融合研究Ⅰ阶段，研究团队需要在12个月内开展该阶段的融合研究。一般是在9个月内开发初始概念和原型，确定团队成员和合作伙伴，完成为期9个月的创新课程集训。在随后几个月，研究团队参加融合加速器的同行评议、成果推介和评估，并参加融合加速器博览会和其他活动。通过成果评估的研究团队进入融合研究Ⅱ阶段。Ⅱ阶段主要侧重于开发可持续、有影响力、可交付的融合研究成果。研究团队需要在2年内基于Ⅰ阶段的融合研究成果和团队基础，将概念和原型转换为实践应用，并建立该融合研究项目的未来可持续发展模型。

4.2.3 索张力：融合加速器的动态监督融合加速器柔索驱动机制的索张力提供了融合研究管理中牵引和并联的传动机制，对融合研究状态进行跟踪和控制。索张力通过两个主要链条进行传导。

一是以服务为中心的保障监督。例如，融合加速器主管Douglas Maughan指出，融合加速器的核心是贯穿于融合研究两个阶段的服务支持，包括提供推进融合研究的培训和专业咨询。整体而言，融合研究两阶段的培训目标和内容各有侧重。融合研究Ⅰ阶段的培训旨在推动团队建设，并将团队的初始想法发展为可验证概念和原型，帮助团队加速形成解决方案，为开展Ⅱ阶段的研究做准备。课程主要包括以人为本的设计思维、团队科学、原型设计、应用基础研究转化、研究成果推介、用户和客户参与等。融合研究Ⅱ阶段的培训旨在实现由创意到市场的演进、释放研究团队的创业思维和技能，并确保每个融合研究项目充分发挥其科研潜力。课程主要包括产品开发、知识产权、财务管理、可持续性科研项目规划、成果推介以及其他创新创业技能等。此外，在融合研究Ⅰ和Ⅱ阶段，融合加速器为每个团队指定一名融合加速器管理团队成员，承担推动项目发展、制定培训策略、团队沟通和进度监督等相关工作，同时为研究团队提供专业咨询和建议。

二是以研究绩效为中心的评价反馈。融合加速器评价以美国国家科学基金会评价标准和流程为基础，遵循知识贡献和社会影响等相关标准，同时融合研究项目还需要充分满足融合研究两阶段的附加标准。融合研究Ⅰ和Ⅱ阶段的附加标准包括融合研究内容、研究团队、研究轨道整合、可交付成果和研究预算等5个方面。其中，融合研究内容尤其关注可交付成果的时间进度和成果转化效果的可达成度；研究团队主要评估学术和非学术组织间的合作伙伴关系；研究轨道整合主要评价研究项目与现有研究轨道的匹配度；可交付成果主要评价对研究轨道整体目标的贡献度；研究预算主要评价预算安排的现实性和合理性。总体而言，融合加速器在项目、轨道和队列等3个层次上评价融合研究整体绩效。

研究结果表明，融合加速器中形成了融合研究的柔索驱动机制。即坚持目标导向和前瞻布局，自上而下地制定融合研究规划，确定所有融合研究轨道、队列和项目的出发点与立足点；在以融合研究自治为核心的融合研究过程中，将“以融合过程为中心”的柔性服务和“以可交付成果为中心”的动态监督作为柔索张力，开展共时性的创新培训，营造良好的融合研究氛围；提供专业服务，增进沟通；实行周期性评价，凝聚研究共识，进而建立起“以研究团队为中心”的融合研究驱动机制。

5. 结果讨论

5.1 研究结论和启示

通过对美国融合加速器中3个与人工智能相关的融合研究轨道的研究，从融合研究过程视角，基于扎根理论的多案例比较分析方法，对融合研究过程机制的建设和实现路径进行了探索性研究。该研究揭示了融合研究的核心范畴和机制，并提出了与融合研究相适应的管理和服务模式，得出了以下研究结论。

一是揭示了融合加速器中融合研究的核心范畴并构建了理论模型。研究发现了融合加速器中融合研究的13个主范畴，其中“融合动力”“协作联动”和“利益联结”构成了融合研究自组织过程的主要内容，“目标约束”和“动态监督”形成了融合研究管理服务过程的主要内容，并构建了融合研究过程机制的理论模型。

二是提出了融合研究的自组织过程机制。研究发现，融合研究自组织过程形成了以“用”为核心的融合研究动力机制、以“同”为核心的融合研究协作机制和以“溢”为核心的融合研究收益机制。

三是引入了融合研究的柔索驱动机制。研究发现，融合加速器自上而下构建了融合研究的柔索驱动机制，以提供与融合研究相适应的管理和服务。该机制以融合研究目标为索端，以融合加速器的动态监督为索张力，形成了融合研究管理稳态，在不同阶段的研究过程中发挥作用。

以上研究结论为推动融合研究范式转变、促进融合研究发展提供了如下启示。

一是促进融合研究共同体的发展。建立以问题为导向的知识共同体和创新共同体的双循环互动机制，制定以“科研禀赋”为基础的科研分工、组织沟通和利益共享规则。规划研究轨道，促进研究轨道的整合和跃迁。在人工智能相关轨道布局中，要从数据、工具和模型等3个层面上推动融合研究系统演化。

二是建立与融合研究相适应的刚柔并济的新型科研管理模式。融合研究管理的“刚性”主要体现在顶层设计上，锚定融合研究轨道的输入端，设定明确的战略科技力量建设愿景。融合研究管理的“柔性”主要体现在“三个中心”上：以人为中心，建立服务型的科研管理机构，赋予研究团队充分的权责；以过程为中心，建立过程管理机制，跟踪和反馈研究过程；以结果为中心，将可交付的科研成果和实际解决方案作为评价标准。

5.2 研究不足与展望

本研究在研究范围、研究方法和理论深度等方面仍存在改进空间，未来将进一步扩大研究范围、优化研究方法、深化研究内容，基于融合研究发展和创新治理实践做进一步的研究与探索。具体而言：

一是扩大研究范围。当前研究仅选取了美国融合加速器中3个与人工智能相关的融合研究轨道作为研究对象，因此结论的普适性可能受到一定限制。未来研究可以进一步扩大研究范围，通过不同地域、行业和学科领域的比较研究，验证和拓展研究结论的适用性与普适性。

二是优化研究方法。当前研究主要基于多案例比较和定性观察，缺乏定量数据的有效支撑。为提高结论的可信度和可重复性，未来研究将探索利用定量和定性相结合的分析方法，更全面地理解融合研究过程机制。

三是深化研究内容。尽管研究中提出了融合研究过程机制的理论模型，但研究深度仍有待加强。未来研究将进一步整合科技管理学、科学社会学、技术经济学等相关理论，探索新的研究视角，继续对融合研究过程中自组织和有组织过程进行更深入的探讨。

作者：杨雅南，湖北经济学院财政与公共管理学院

项目来源：2022年湖北省教育厅科学研究计划项目“问题导向学习视域下地方高校本科生科学推理和论证能力培养路径研究”（B2022142）

本文原载于微信公众号三思派，原载于《创新科技》2023年第8期

| | | | | | | | | | | | | | | |更多精彩敬请期待

投稿邮箱： nais-research@cnais.org.cn