人工智能技术是计算机科学的一个新兴分支， 其专注于研究、 开发用于模拟、 延伸和扩展人类智能的理论、 方法、 技术及应用系统。自诞生以来，人工智能技术不断创新， 蓬勃发展， 并逐渐分化出机器人、 语言识别、 图像识别、 自然语言处理和专家系统等重要领域。当自然科学领域的学者们正在深入研究人工智能技术的算法理论与应用开发之时， 来自经济管理与人文哲社领域的学者们则分别关切着人工智能技术对新旧产业业态的造就过程及其对既有社会秩序、 伦理道德的冲击。这些活跃于人工智能技术领域学者的观察与探索为学界贡献出许多富有价值的理论视角与研究维度， 其中， 被普遍提出并广受认可的一点是以人工智能为代表的新兴技术创新通过有效的社会扩散过程正在重塑全球产业竞争格局， 进而推动国际力量对比的深刻调整。这一观点实为舒尔茨关于创新扩散经济理念的延承———如果没有扩散， 任何创新便不可能产生经济或社会价值。人工智能技术创新作为当前国际博弈情势下备受关注的一个新兴创新领域， 其唯有通过有效的社会扩散， 才能够最大限度地发挥其经济与社会价值。由此， 人工智能技术的创新扩散议题成为一个富有意义的研究领域。

当前阶段， 面向这一研究领域的已刊文献多来自经济管理学科， 其着重关注人工智能技术创新的空间扩散均衡及其对经济、 产业的深远意义， 而作为一门对新兴技术发展尤为敏感的学科形态， 新闻传播学科正在以智能传播议题为一个新的研究契机， 紧密关切着人工智能技术创新对媒介形态、 传播方式的改造及其对新闻传媒产业的革新。从更为宏大而广阔的学术视野来看， 除关注人工智能技术创新面向媒介中心的交融与影响之外， 人工智能技术创新在特定的社会系统中真实发生的扩散过程与逻辑值得传播学者探究并回应， 即人工智能技术创新究竟是由谁作为传者源起？又是由谁作为潜在受众？其传者群体通过何种包含政治、 经济或媒介在内的渠道或路径向潜在受众群体进行广泛传播， 最终促使潜在受众群体对人工智能技术创新的接纳与采用？事实上， 这是将作为一种特殊生产要素的智能技术与传播过程特征研究融合而生的传播创新议程。遗憾的是， 以上问题暂无实证素材支撑、 暂未被清晰地回应。

有鉴于此， 本研究通过立意抽样法获取 30 家来自人工智能技术创新产业链中的典型组织机构， 其分布于自然语言处理、 智能驾驶、 图像处理、 智能语音等人工智能技术创新之核心领域， 并于 2020 年 10 月至 2021 年 10 月对其展开案例访谈与辅证资料搜集， 参鉴创新扩散理论分析框架对所获原始研究资料进行三级编码。在厘清相关概念与范畴间的相互关系后， 面向中国情境回应并勾勒出人工智能技术创新的扩散特征， 以期为创新扩散理论贡献一份面向中国情境的典型研究素材， 并为学界、 业界提供一个观察中国新兴产业领域科技创新扩散的典型窗口。

二、理论来源

人类学家对扩散学的研究传统为创新扩散领域的学术发展奠定了最初的理论基石。在经历了漫长的学派争鸣后， 美籍学者罗杰斯最终在 20 世纪 60年代首次提出了创新扩散的传播论。创新扩散的传播论清晰地描述了新的观念/ 理念、 技术/ 产品、 行为/ 事件经由一定的时间与特定的渠道， 面向潜在受众进行广泛传播并最终使其接纳、 采用的过程。继此之后， 学界通过大量的案例调研与实践分析， 不断对创新扩散的传播论进行修正与扩充， 并逐渐形成了一种观察、 分析创新扩散实践的理论框架———通过对创新属性的特征分析，探究影响创新扩散效率的核心要素， 在此基础上， 评述创新扩散过程的模式阶段、 采纳者钟形分布与扩散线型， 最终勾勒出创新扩散的总体情境。

其中， 对创新扩散效率的探究， 即考察为何一些创新易于被潜在受众所接纳、 采用， 而另一些创新却需要经历更加复杂且持久的时空过程才能够被潜在受众所接纳、 采用或拒绝。学界通过大量的案例研究证实了相对优势、兼容性、 可试性、 复杂性与可观察性是影响创新扩散效率的五大创新属性特征。相比于既往技术， 优越程度越高， 与潜在受众的过往经验、 现实需求及社会价值体系的一致性越高， 可被试验的次数越多、 程度越高， 越易被他者观察、 理解和使用难度更低的技术创新， 被潜在受众所接纳、 采用的进程越快。反之， 技术创新较难被潜在受众所接纳、 采用， 甚至被拒绝。在面向创新扩散实践的研究中， 学界除沿用既有的创新属性特征作为分析框架之外， 也正积极尝试在复杂多变的外界环境影响下挖掘出影响创新扩散效率的创新属性新特征。例如， 焦硕等人曾以电话技术在中国的普及过程为例， 认为使用代价是决定一项新兴技术在发展中国家扩散效率的重要创新属性特征；万谦等人根据技术创新扩散阈值概论分布提出产品特性与互补性对技术创新扩散进程的影响。此类质化研究在一定程度上补充了创新扩散理论中关于创新属性特征的既有描述， 更为后续学者的量化研究提供了范畴与概念之来源， 具有重要的学理探索意义。

此外， 对创新扩散过程中模式阶段、 采纳者钟形分布与扩散线型的评述与研究则均是基于时间维度的学术考量。随着时间的推移， 一项创新由传者向潜在受众扩散的模式阶段被学界总结为认知、 劝服、 决策、 实施与确认。这些模式阶段是否在一些特定的技术创新领域中存在新增、 跳跃或次序重排引发了学界的好奇与关注。例如， 高泽晋曾在关注北斗卫星导航系统的创新扩散模式时发现劝服与决策阶段被跳跃， 潜在受众由认知阶段直接进入实施与确认阶段；钟玉芳在对多代产品共存于市场的情况进行考察， 证实其创新扩散过程中的跳跃现象并建立新的多代产品扩散模型。与此紧密相关的是学界关于认知与劝服阶段的传者策略研究， 即创新传者在不同的扩散模式阶段、 在面向不同类型的潜在受众时采用了何种策略并达到何种成效。21世纪以来， 传播方式、 媒介形态的骤变使得创新扩散的渠道与方法不断翻新， 丰富了创新传者的扩散策略选择， 进而深刻影响创新的扩散过程。在此层面， 雇佣创新代理人已成为创新传者群体在寻求潜在受众联系并推进其创新决策行为的重要策略选择。事实上， 创新扩散策略的选择除需考量不同的创新属性特征与扩散模式阶段之外， 还需根据潜在受众的不同类型进行拟定， 方能达到更好的扩散效果。而涉及潜在受众的类型研究， 最为著名的学术贡献当属采纳者钟形分布图———根据创新潜在受众的经济社会地位、 职业身份、 性别、 个性、 年龄、 教育程度等特征变量， 以其创新采纳行为的时间早晚作为横向标度， 将创新的潜在受众区分为创新者、 早期领导者、 早期跟随者、 晚期大多数及落后者。由此， 创新扩散曲线根据一段时间内不同类型的潜在受众之采纳行为增量被绘制为 “S” 型或 “J” 型。

时至今日， 创新扩散的传播论在经历了半个多世纪的传承与发展后，已成为当前阶段观察、 研究创新扩散实践的主要理论来源， 其学术影响力超越了学习论、 效益论、 博弈论、 替代论等既往论调。与此同时， 面向不同情境挖掘、 发现新的概念与范畴来弥补、 修正既有理论， 促使创新扩散理论的不断完善与进步， 是当前创新扩散研究的重要学术方向。在实际的学术研究过程中， 往往采用创新扩散理论融合框架来阐明一项技术创新在特定社会系统中的扩散逻辑特征———首先， 通过对创新传者群体、 潜在受众群体以及扩散渠道的特征刻画， 阐明一项新兴技术的创新扩散基础结构；其次， 考察一项技术创新的属性特征在相对优势、 兼容性、 复杂性、可试性、 可观察性方面的表征， 来揭示影响该项技术创新扩散效率、 进程的缘由；再次， 揭示一项技术创新扩散模式阶段的偏移来追踪、 揭示在不同时代背景、 社会体系、 技术场域等外部环境下， 该项技术创新被其潜在受众所接纳、 采用所需依次经历的全链过程。由此， 一项技术创新的社会扩散总体情境特征被概括、 勾勒。

三、研究方法

（一） 方法选择与资料来源

本研究基于扎根理论所示方法， 首先系统、 全面地搜集研究所需的直接/间接资料， 其次在生成性归纳法的指导下对所获研究资料进行三级编码并从中提取概念与范畴， 从而构建研究故事线以回应主旨问题。需要说明的是， 当研究者对某项研究领域十分熟悉且对调查总体比较了解时， 可采用立意抽样法获取代表性较高的访谈样本， 以使得研究更贴合实际。在本研究中， 鉴于研究者从事人工智能技术创新与社会扩散方面的研究与实践已逾 7年， 对人工智能技术创新扩散结构中的扩散源与潜在受众整体情况十分熟悉， 因而采用立意抽样法获取有效研究资料。本研究通过立意抽样法选择30 家来自人工智能技术创新产业链中的典型组织机构作为案例样本 （编号为：案例 1 ～ 案例 30）， 其分布于自然语言处理、 智能驾驶、 图像处理、 智能语音等人工智能技术创新分支， 并涵盖当前阶段人工智能技术创新的核心领域， 并于 2020 年 10 月至 2021 年 10 月对案例样本展开半结构化访谈与辅证资料搜集 （见表 1）。

（二） 资料编码与解释构建

首先， 本研究对所获资料进行录音转译与文本拆分， 对初始资料进行逐句提取后形成若干子文档， 并将其派发给招募而来的 4 名编码人员。编码人员依据前期培训内容对子文档分头展开逐句编码工作， 并在研究人员的组织下定期比对、 回顾阶段性编码结果， 对于所发现的编码异同之处由 4 名编码人员及时商议解决， 以最大限度地消除研究者主观偏见。其次， 本研究对概念与范畴的提炼式编码过程参鉴创新扩散理论框架，并在此基础上尝试发现新的概念与范畴。通过第一轮开放式编码获得 42 个初始概念和 13 个子范畴， 对 13 个子范畴进行第二轮主轴编码后形成 3 个主范畴， 最终通过选择性编码将 “人工智能技术创新扩散特征” 上升至核心范畴 （见表 2）。由此， 本研究的解释性构建被建立。值得注意的是， 本研究使用 Nvivo 软件对编码结果进行检验， 得到各范畴的一致性指数范围处于 0. 894 ～ 0. 951， 表明编码结果一致性较好。同时，在结束编码工作后， 研究人员从案例样本中选取部分约访人员进行反馈性检验， 以进一步消除研究者主观偏见。此外， 本文在选择性编码提取完成后利用部分剩余资料进行重复性编码操作与分析发现， 在已有概念和范畴的基础上并未产生新的概念范畴与相关关系， 因此认为编码操作及解释性构建在理论上已达饱和。

（一） 中国人工智能技术创新的传者群体与潜在受众特征

在传播论的视域下， 创新扩散的传者群体在时间维度上是指潜在受众扩散创新信息的群体类型， 而在空间维度上是指创新信息向外部空间扩散的起源地。与此同时， 创新扩散的潜在受众群体在时间维度上体现为对创新信息有所需求的潜在采用者， 在空间维度上体现为创新信息的接收地域。当前阶段， 创新信息在宏观空间中所能到达的范围、 形状及其空间不均衡机制正在交由经管学科来回应， 而创新信息在时间维度上从传者群体向潜在受众的转移过程与规律为传播学科带来了新的研究契机。进一步探知创新信息在时间维度上的转移逻辑需要首先厘清创新信息的传者群体与潜在受众特征。本研究通过案例访谈与辅证资料分析获知， 中国人工智能技术创新领域的传者群体主要由企业、 高校、 科研院所及个人研究者构成， 而潜在受众以企业、政府机构为主要牵头方， 以资金来源为财政拨款的非营利性机构以及个人消费者为跟随采用者， 并呈现鲜明的群体特征。

1. 不同传者群体的创新扩散动因与行为差异：涉关技术创新来源与所有权

虽然人工智能技术的创新来源遍布各类组织机构与自然人个体， 但创新来源并不等同于创新所有者， 更不等同于创新传者。人工智能技术的创新来源是指从事人工智能技术开发与产品工程的组织机构或自然人个体通过单人智力或集群智力创造出不同以往的新的技术理论或产品工程， 而创新所有者是指与这些创新来源主体签署相关协议 （包括但不限于雇佣协议、 产权归属协议等）， 并明晰创新来源之知识权利所有的主体。与创新来源、 创新所有者不同， 创新传者是指在创新所有者权利允许范围内， 广泛向外部扩散创新信息以期促成潜在受众采买行为之商业目的或其他知识普及等非商业目的主体机构。

在人工智能技术领域， 产生技术创新的自然人个体往往并非创新所有者， 而产生技术创新的组织机构多数拥有技术创新的产权权利。正因如此，当个人研究者作为创新传者时， 除其在自身拥有人工智能技术创新产权的少数情形下向外扩散创新信息以追求商业回报之外， 更多情况下个人研究者通过大众媒介等渠道向外部扩散人工智能技术创新信息的动因是社交表达、 科普传播等非商业化目的。

高校、 科研院所作为中国人工智能技术创新最主要的教学与人才培育机构， 往往拥有人工智能技术创新的产权权利， 除通过官方网站或大众媒介向外部扩散创新信息以宣告自身的创新引领性地位之外， 其内部成果转化部门善于利用人际传播、 组织传播等方式， 面向企业转化人工智能技术创新成果或面向全国范围内各地域政府部门进行创新成果推介以实现技术创新的经济价值。

而企业作为中国人工智能技术创新领域最为重要的传者群体， 其技术创新既可来源于组织内部创新， 亦可由组织外部的个人研究者或高校、 研究院所之创新成果转化而来。企业将通过不同来源路径所获得的人工智能技术创新成果直接面向潜在受众群体扩散， 通过引导其认知、 劝服其决策等路径促成潜在受众群体的采买行为， 最终实现商业回报诉求。

2. 不同潜在受众群体的创新采纳动因与时间差异：创新采纳与跟随采纳

如前文所述， 中国人工智能技术创新的受众由以企业、 政府机构为主要牵头方， 以资金来源为财政拨款的非营利性机构以及个人消费者为跟随采用者的群体类型构成。其中， 与政府出于发展新经济直接使用财政资金启用招投标程序或为引入、 扶持区域内人工智能技术创新型企业成长而为之提供初期需求容量的行为特征不同， 当企业作为人工智能技术创新的受众群体时，其决策、 采纳人工智能技术创新则表现出三个层面的需求特征———自身智能化改造的现实需求、 企业组织内部自上而下的技术储备需求、 对外部政策及资金扶持的需求。

而非营利性机构往往是在政府机构牵头采用背景下的跟随采用者， 以期为有潜力的创新提供一项有益的小规模示范场景， 助力人工智能技术在中国社会中的创新与发展。通过案例访谈可知， 纵使一项人工智能技术创新最初是面向个人消费者进行设计的， 但在实际的创新扩散进程中， 最先接纳、 采用的行为主体仍然是政府、 企业与非营利性机构。导致这一情状的缘由或许是， 虽然人工智能技术创新在许多应用领域内是一种新兴趋势， 但从未实际落地的诸多应用模式仍存在功能尚不稳定或与既有社会秩序暂时背离的可能， 故而个人消费者需要首先观察到其所认可的政府机构或企业成功应用的案例以消除自身采纳的不确定性。

“我们研发的智能语音识别技术实际上是想服务大众的， 很多与此匹配的产品如智能翻译机、 智能呼救机等设备实际上是面向个人消费者的品类， 但最初为我们提供大规模订单支撑的却是政府机构， 还有政府推介联络的一些国企、 央企、 当地高校来批量化采购。一方面他们有这个需求， 另一方面他们是想通过自己的采用让更多个人消费者看到成功的应用案例， 这种示范性的采购对智能语音技术创新在整个社会中的推广非常有意义。” （案例 4）

“我们很期望个人消费者能够付费去尝试一项新的人工智能技术或产品， 但这个情况在初期是很难实现的。多数还是政府、 企业， 还有一些政府牵头的非营利机构来买单， 给社会做一些创新示范。你看现在已经广泛应用到个人的指纹识别技术， 比如家里的指纹识别开锁， 最初并不是大量的个人消费者来采买的， 而是在公安系统和一些企业的安全场景下率先使用、 推行起来的。” （案例 3）

（二） 中国人工智能技术创新的扩散渠道特征

扩散渠道是创新的传者群体向潜在受众传递创新信息并提高后者认知、推进决策进程的重要路径， 亦被学界称为创新扩散的四要素之一。既有研究指出， 不同的扩散策略与信息传播方式在创新扩散各阶段的作用差异显著。在传播方式与媒介形态骤变的今天， 资本与政治不断向创新扩散实践渗透， 面对人工智能技术创新领域由更为复杂的传者群体与潜在受众构成，扩散渠道亦显现鲜明的特征。

1. 不同创新传者群体对扩散渠道的选择偏好

不同的创新传者群体在选择扩散渠道时偏好差异显著。当高校、 科研院所、 个人研究者作为创新传者时， 其往往通过官方网站、 新型媒介平台（如知乎、 微博、 抖音、 微信、 百度贴吧） 等大众传播渠道面向公众进行人工智能技术创新信息的传播。但是， 高校与科研院所组织内部的成果转化部门则善用人际传播与组织传播等渠道向企业或区域政府传递技术创新信息。而当企业作为创新传者时， 其所选用的扩散渠道更为综合， 既包含了官方网站、 新型媒介平台等大众传播渠道， 又灵活选用传统意义上的人际传播与组织传播。

“我们没有什么商业目的， 有很好的科研成果或者学生培育成果时， 就会通过官网， 还有现在比较流行的微信公众号、 微博、 抖音等这些平台发布消息。不存在说希望通过发布这个信息就有企业方来买技术的想法， 就像家里有个喜事儿想宣传下。当然还有一些时候我们也会出于科普的目的去做一些技术创新的消息发布。” （案例 6）

“这是两条线， 学院里面主要还是搞科研、 教学和培养学生， 我们这类成果转化部门主要是把这些技术创新做产业转化， 让它们产生经济社会效益。光靠他们常用的官网、 微博、 微信公众号不大管用， 我们不仅要去和企业、 政府面对面地沟通， 还要推进他们组织内部的协同和沟通。” （案例 16）

“这个都要用。因为个人消费者不是最主要的付费采买者， 我们用你说的这些大众传播渠道去做宣发， 是为了营造一个行业氛围和提高自身的创新影响力， 但是要去实际推进企业、 政府这些受众做决策采纳创新的时候， 光靠给公众发新闻那是不行的， 要面对面去做协同的。” （案例 12）

2. 不同渠道的选择对创新扩散阶段的影响

不同渠道的选择对创新扩散各阶段的影响差异显著。以媒介为主要渠道的大众传播方式， 对于促进潜在受众认知人工智能技术创新的作用显著， 由此使得创新传者在后续面向潜在受众的劝服进程加快、 劝服难度降低。

“企业也好， 学校也好， 就算是亲自来人给我说一遍、 说许多遍，我不见得记得住， 也不见得理解得透彻。我肯定要根据一些关键的东西自己来搜、 自己看， 太深奥的研究类的报告我们其实也看不大懂， 新闻媒体上的很多通俗易懂的信息会帮助我们理解、 认识到先前不太明白的技术创新， 特别是一些行业微信公众号， 对一些新的研发成果做了很有深度又比较直白好理解的评述， 很有用。” （案例 22）

“你问我媒体有没有用、 有什么用， 我确实不好说它实际有用。因为就凭几个新闻上的东西， 推进不了上级领导的任何采纳决策。我们决策、 推进一个创新技术的采纳， 不是依据新闻媒体， 就算新闻媒体上把这东西 ‘吹爆’ 了， 可能还是不会影响我们的决策意见。但你说它完全没用， 倒也不是， 至少让我们多方面地、 更容易地去搜索、 理解到这个很新的技术发明。部门内部有什么不懂的， 大家往工作群里丢个新闻链接， 互相传阅看看倒是方便得多。” （案例 19）

“我们从媒体上更便捷地了解到他们的这项技术创新， 再来进行后续的沟通和推进就会容易很多。比我们什么都不了解的时候他们来推，会好很多。” （案例 14）

然而， 在推进潜在受众对创新的决策、 实施、 确认等进度过程中， 人际传播与组织传播相比于大众传播更为有效。

“最后拍板做决策， 还是要当面来聊的， 特别是我们这个应用领域， 很新的东西往往很不稳定， 不当面来聊的话， 他们搞不清楚我们的实际场景需求， 我们搞不清楚他们的技术可行性， 一定要当面聊。而且我们聊完， 部门内部也要先沟通， 这之后还要和其他部门开碰头会一起沟通决定， 有很多需要部门之间协同的地方， 商量好了才敢做决策。”（案例 9）

（三） 中国人工智能技术的创新属性特征

对创新属性特征的分析能够更近一步获知当前阶段影响人工智能技术扩散效率的因素， 为对策与建议的提出、施行提供参鉴依据。本研究在创新扩散理论框架下从相对优势、 兼容性、 可观察性、 复杂性、 可试性等维度对中国人工智能技术的创新属性特征进行分析， 并尝试提出新的创新属性特征。

1. 人工智能技术创新对既有实践经验与价值观念的冲击造成创新采纳行为的迟疑

人工智能技术创新在替代或辅助现有方案层面具有较高的技术先进性，且在造就新的产业业态层面给予了经济学家广阔的想象空间。然而， 人工智能技术创新却与现阶段固有的实践经验兼容性不高， 甚至可能对当前社会秩序与价值观念造成一定的冲击。这在一定程度上阻碍了人工智能技术创新面向潜在受众群体的扩散进程。

“我们研发的智能洗地机在清洁效率、 指标参数方面的表现都很好， 但是在向市里环卫部门推介的过程中， 他们会更看重机器换人的安全性、 稳定性， 还有就是现在的清洁工人如果被机器换下来要怎么安置的问题。所以这个决策进程会慢很多， 因为太多东西要考虑， 我们也理解。” （案例 18）

2. 人工智能技术创新较弱的可观察性与可试性成本的争议阻滞其社会扩散效应

人工智能技术创新的诞生过程和实践应用过程因涉密或协议缘由较难被他者感知， 较弱的可观察性成为阻碍人工智能技术创新由传者向潜在受众顺利扩散的另一个重要缘由。

“实验室里好多细节我们没办法公开， 但实际上整个过程， 我们自己知道， 虽然很艰难， 也很枯燥， 但很精彩。” （案例 9）

“我们拿到的模块是已经封装好的， 不会涉及泄密侵权问题， 但是我们这建设场地不能对外公开， 只能公示局部场景， 我们这很多作业环节也是涉密的。” （案例 10）

“这是一个挺矛盾的问题， 我们知道我们自己很难对外公开更具体的应用场景去展示， 但是如果我们没有看到别人的实际应用案例或应用场景， 我们的决策过程也会很慢。因为我们需要知道别人有没有用、 具体怎么用的， 这毕竟是新的东西， 这些信息对我们的决策很重要。” （案例 13）

与此紧密相关的是人工智能技术创新在有限的基础上可被试验的程度。事实上， 可观察性与可试性均是描述促使潜在受众消除采用不确定性进而加快决策进程的创新属性特征。但在当前阶段， 人工智能技术创新的可试性程度取决于试用成本支出的额度。对于小额成本支出的试用行为， 多数人工智能技术创新所有者及创新传者是接受的。但对于试用成本较大的特殊领域，人工智能技术创新所有者、 传者及潜在受众之间则较难达成一致， 也因此减慢了创新扩散进程。

“如果仅是一个设备要试用， 那还好， 关键我们还要派人去现场调试、 培训， 周期又很长， 只寄一个设备去给他们试， 他们也不会用。这个消耗的人力成本和时间成本都很大， 我们很慎重。” （案例 26）

“我们倒也理解对方的想法， 毕竟我们知道这东西价值很高， 但是这么贵的东西， 就算我们想买， 如果不试一段时间， 我们真的很难做决策。” （案例 18）

3. 人工智能技术创新面向潜在受众群体的复杂性亟须解决

潜在受众对人工智能技术创新的理解和人工智能技术创新的使用复杂度较高是当前阶段亟须解决的问题。对于专业人员都很难理解、 学习、 操作的人工智能技术创新， 如何使非人工智能专业出身的潜在受众更易操作、 使用成为当前阶段传者群体正在努力的重要方向。

“就像我们可以不会开发制造电视机， 但是你得让我容易用啊， 不然我肯定不敢买啊。目前， 我们单位买来的很多智能应用， 操作起来真的很复杂， 培训了好多天， 我们很多人尽力了， 但还是搞不会， 感觉还没有原来的方式效率高。这是一个普遍存在的情况， 领导收到反馈后也会考虑这类型的应用下次还要不要上线。” （案例 5）

4. 随着人工智能技术创新可调节性的提高，潜在受众群体实施创新采纳行为的难度降低

本研究在提炼概念和范畴的编码过程中， 归纳生成了除相对优势、 兼容性、 可观察性、 复杂性、 可试性之外的新的创新属性特征———可调节性。可调节性是指创新传者群体能够根据潜在受众群体的变动需求进行定制化开发或参数调整响应的可变程度。可调节性越高， 人工智能技术创新的扩散进程将越快， 越易被潜在受众所决策采纳。

“这个领域没有标品， 目前来看也没有一个通用的标准， 因为场景是复杂的、 变化的， 如果对方的技术能够适应我们的现实需求去做开发， 而不是要我们改造现实环境， 那这个决策过程会容易很多。” （案例 27）

“大家都在互相匹配着磨合这些新东西， 要让新的东西在旧的场景中可用， 太过于标准化的技术我们肯定不会选用， 一定要双方匹配着去变动， 不断调整技术参数， 如果有必要我们也会考虑改造应用场景环境， 但尽量让技术可变程度高一些要好。” （案例 15）

（四） 中国人工智能技术的创新扩散模式特征

既往研究认为， 一项创新从传者向潜在受众的扩散过程需要依次经历认知、 劝服、 决策、 实施与确认等模式阶段。但是， 人工智能技术创新扩散实践却呈现上述阶段的跳跃或重排。这一现象源于人工智能技术创新的传、受双方对可试性周期及成本争议问题的解决， 并将引起认知、 劝服阶段的跳跃而直接进入决策阶段。

“上线一个新的、 贵的技术模块， 原本的决策过程是很漫长的， 但是如果试用周期足够长、 我们需要支付的费用足够低， 那我不需要花太多时间来引导我的领导认识这个事， 也不用太费精力去劝说其他部门协同， 直接拍板试用或转购买就非常快， 也非常好。” （案例 28）

“这个事情其实也好理解， 就像付费下载一个 App 你肯定会慎重，但是免费下载， 你慢慢试用， 到期确实好用你可以选择付费， 这个方式灵活很多。其实对很多新的东西， 特别是人工智能这种新的技术要与我们旧的流水工作线匹配， 给到一个低价试用的过程反而会更快决定购买。” （案例 7）

此外， 政治、 资本与媒介的介入在一定程度上影响着潜在受众的决策与实施进程。一方面， 政府机构牵头购买或试用的行为消除了其他潜在受众对人工智能技术创新采纳的不确定性。同时， 政府通过政策文件对率先采用人工智能技术创新的组织机构进行挂牌、 奖励或扶持， 从而间接干预区域内其他机构或组织积极试用、 采买人工智能技术创新成果。

“我们本来也不想搞这个的， 但是政府那边有些文件出来， 我们觉得上线这个新技术的话能帮我们拿一些补贴和奖励。不过， 在试用了一段时间之后， 发现这个确实挺好用的， 又多买了几台。” （案例 11）

另一方面， 资本机构通过提供融资借贷、 促进产业链协同等路径介入人工智能技术的创新扩散进程中， 间接增强了潜在受众对人工智能技术创新可持续性的决策信心， 以促进后续的创新实施与确认进程。

“我们一旦用了这套技术方案， 再换就很不划算， 损失比较大， 会比较期待后续的稳定运行和升级。一些知名的资本进来， 我们会放心很多。一是相信他们的研判， 二是相信他们进来之后整个持续创新的过程肯定不会间断， 直到资本获得回报。那这个时候意味着我们也有收

获。” （案例 5）

“如果是同类型的技术创新， 应用水平和参数性能差不多的情况下， 我们肯定优先考虑有大的资本加持的上游供应机构， 因为会觉得他们的创新更稳定、 更持续。” （案例 5）

值得关注的是， 媒介机构在信息传播功能外演化出的经济代理职能正在以投融中介的角色参与人工智能技术的创新扩散进程———除帮助资本机构寻求优质标的、 协助优质标的获得资本支持外， 由其发起的各类论坛和打榜活动对促进产业链内上下游合作起到积极作用。

“我们的好几份 FA 协议都是和媒体机构签的， 他们在帮助我们建立上下游合作关系、 链接资本方面， 做得非常好。” （案例 13）

由此可知， 政府干预、 资本介入与媒介参与正在为改变潜在受众的创新决策行为、 推进创新实施进程贡献着重要力量， 呈现典型的创新代理人特征。而在中国特殊的政治经济体制背景下， 政府干预行为不仅能够直接作用于人工智能技术创新扩散实践， 且能够通过介入资本与媒介的上层规则与运作逻辑而对人工智能技术创新扩散实施间接干预， 因而成为考察中国情境下人工智能技术创新扩散实践的重点关注要素之一。

“一些引导基金是在政府要求下必须对特定区域内的人工智能技术创新实施投资的， 而且要确保一定额度的资金流向当地政府所计划重点发展的技术创新领域。” （案例 5）

“我们这行对政策的变动一直很敏感， 跟进政府导向的新风向标也是我们在平时非常关切的， 而且争取政府部门的政策、 资金和渠道扶持对我们来说很重要， 这都会影响我们将关注焦点落在政府所倡导的人工智能技术创新的标的物上。” （案例 13）

本研究基于创新扩散理论框架， 对人工智能技术创新在中国社会中所真实发生的扩散过程特征进行扎根研究， 所获主要结论如下：（1） 以企业为主， 以高校、 科研院所和个人研究者为辅的创新扩散传者群体， 通过包含新闻媒介在内的大众传播以及传统意义上的人际传播、 组织传播等渠道， 面向企业级客户、 政府机构、 资金来源为财政拨款的非营利性机构以及个人消费者等受众群体广泛传播人工智能技术创新信息并最终使其接纳、 采用的过程是中国人工智技术的创新扩散结构特征；（2） 大众传播是一种能够显著提高受众群体对人工智能技术创新的认知、 降低传者群体对受众群体劝服难度

的创新扩散渠道， 但在创新扩散的决策、 实施与确认环节， 大众传播影响甚微， 人际传播与组织传播的影响更大；（3） 本研究发现， 除相对优势、 兼容性、 可试性、 可观察性、 复杂性之外， 可调节性是影响人工智能技术创新扩散效率的一种新的创新属性特征；（4） 中国人工智能技术的创新扩散模式存在阶段跳跃与次序重排现象， 政府、 资本、 媒介通过撬动创新需求容量、 牵头实施并促成创新采纳行为、 融资借贷、 推进产业链协同等路径积极介入中国人工智能技术的创新扩散实践， 彰显出鲜明的创新代理人特征。

在后续研究中， 仍可根据扎根研究提炼出的相关概念与范畴进行关联分析与量化研究， 以进一步厘清扩散曲线的偏移特征与影响度量， 从微观视角揭示人工智能技术创新由传者群体向受众群体转移过程的规律。