全球人工智能科學領域專利信息計量分析及其啟示

李玉華，張福俊，尹燕霞，盧昱波

(1.山東科技大學計算機科學與工程學院；2.山東科技大學圖書館；3.山東科技大學基建處，山東青島 266590)

1 研究背景

人工智能作為第四次工業革命的核心，是實現從自動化到自主化，創造增長和競爭優勢的關鍵推動因素。1956 年，在達特茅斯會議上，約翰·麥卡錫提出了“人工智能”一詞，被看做是人工智能正式誕生的標志［1］。1980 年，卡內基梅隆大學設計的專家系統——XCON 問世，人工智能技術在經歷低迷之后重新崛起。1997 年，IBM 公司的“DeepBlue”戰勝國際象棋世界冠軍象征著人工智能研究從理論科學走向實際應用。2016 年，AlphaGo 戰勝世界圍棋冠軍，掀起了全球范圍內研究人工智能的新熱潮，2017 年，深度學習大熱，各國政府相繼出臺政策，將人工智能上升為國家戰略，力爭在新一輪的科技競爭中取得主導權。

2016 年5 月，美國成立“人工智能和機器學習委員會”，隨后連續發布《為人工智能的未來做好準備》和《國家人工智能研究和發展戰略規劃》兩份報告［2］；2018 年4 月，歐盟委員會提交了《歐洲人工智能》，同年12 月，發布主題為“人工智能歐洲造”的《人工智能協調計劃》；2019 年3 月，法國發布《人工智能戰略》，旨在把人工智能納入原有創新戰略與舉措中，謀劃未來發展。自2016 年以來，我國在人工智能領域持續發力，相繼推出《“互聯網+”人工智能三年行動實施方案》等扶持政策，明確指出要培育發展人工智能新興產業，推進重點領域智能產品創新［3］。

目前國內外學者從學術論文、專利文獻等視角對我國以及全球的人工智能技術領域進行多角度研究，探析當前AI 領域的研究熱點、前沿趨勢以及潛在的技術機會，如張振剛等［4］以德溫特數據庫收錄的人工智能領域相關專利為數據源，利用Citespace軟件繪制知識圖譜。Alfonso 等［5］以人工智能領域學術論文為例，通過貝葉斯網絡分析了文獻計量指標間的關系。呂一博等［6］基于物聯網和人工智能領域的專利數據，通過繪制共現矩陣和確定文獻計量指標識別出語音分析等未來發展趨勢。王友發等［7］基于德溫特創新索引數據庫,對人工智能專利全球地理分布、主要國家PCT 布局、技術熱點、未來趨勢等進行了分析。陳軍等［8］以專利數據為依據,從專利申請總體情況、PCT 專利申請、IPC 重點技術領域、創新主體等方面對中美人工智能產業發展進行了比較研究。基于上述背景，研究全球人工智能領域專利技術的發展現狀、技術熱點和前沿趨勢，有助于我國把握時代發展脈絡，積極調整科技發展戰略與政策，進行前瞻性、戰略性技術研究布局。

2 關鍵技術分解

WBS（Work Breakdown Structure），即工作分解結構，是項目管理中常用的工具和方法，它將復雜的工作任務細化為易于操作的工作包或可交付成果，明確了項目的工作內容，是制定進度計劃、資源需求、成本預算、風險管理計劃和采購計劃等的重要基礎，同時也是控制項目變更的重要基礎［9］。技術分解是專利分析的關鍵步驟，對確定技術邊界、制定檢索策略以及總結專利分析的結論和建議起決定性作用。當前對人工智能技術領域的劃分沒有一個明確的標準，為了獲得準確全面的專利數據，本文結合WBS方法對人工智能技術領域做關鍵技術分解。

綜合考慮專利檢索的可操作性和行業內的認知廣泛程度，將人工智能技術領域劃分為機器思維、機器學習、機器感知和機器行為等四個技術分支。機器思維一般指計算機模擬思維，以與非判斷為邏輯基礎，主要包含搜索、規劃以及推理等線性思維；機器學習是研究怎樣使用計算機模擬或實現人類學習活動的科學，是人工智能的核心［10］；機器感知是一連串復雜程序所組成的大規模信息處理系統，研究如何用機器或計算機模擬、延伸和擴展人的感知或認知能力；機器行為指具有人工智能行為的機器，這些智能機器或智能控制器，具有類似于人的智能行為的某些特性。在以上四個技術分支的基礎上，還可以對各技術分支做進一步分解，最終形成一個完整的技術分解圖，如圖1 所示。

圖1 人工智能關鍵技術分解圖

3 數據來源與研究方法

3.1 數據來源

本次人工智能技術領域專利檢索分析，數據來源選擇智慧芽（PatSnap）全球專利檢索數據庫。智慧芽專利數據庫是由智慧芽信息科技（蘇州）有限公司推出的專利信息數據庫，深度整合了從1790 年至今全球116 個國家（地區）的1.3 億專利數據。在對人工智能技術領域進行技術分解的基礎上，本研究最終以（TAC:(Artificial intelligence OR Knowledge discovery OR Data mining OR Deep learning OR Machine learning OR Machine vision OR Pattern recognition OR Natural language processing OR Smart robot OR Intelligent logistics OR Intelligent manufacturing OR Intelligent Terminal OR Smart home OR Smart transportation OR Smart medical OR Intelligent se curity OR Smart City OR Smart agriculture OR Smart finance OR Intelligent education)）AND APD:［19990101 TO 20181231］）為檢索式，時間跨度為1999—2018年，專利類型選擇發明申請及授權發明，分組去重規則設定為每組簡單同族一個專利代表，機器翻譯選擇全選，截詞功能設定為關閉，檢索時間為2019年10 月15 日。

根據上述檢索表達式及規則偏好進行該領域1999—2018 年的有效發明專利文獻檢索，在116 個國家（地區）中，共檢索到296 672 件發明專利信息，其中有效授權發明專利信息76 898 件。

3.2 研究方法

專利是科研產出的重要表現形式之一，是科技研發活動中定義明確的發明成果的法定代表，普遍認為是表征科技創新的強有力的指標。對人工智能領域專利信息進行挖掘和研究，不僅能夠準確揭示全球及各國家（地區）、組織機構、技術研發的側重點，而且能為我國人工智能技術發展提供決策參考。

專利信息計量是將專利分析、文獻計量和信息計量學的原理和方法用于專利文獻和專利信息的定量分析，從而為從事專利活動、科技創新、市場競爭和管理決策等提供服務。本研究采用專利信息計量法，對專利數據進行采集、處理和統計分析，以報表、圖表、矩陣和網絡等方式提供可視化的分析結果，探析當前全球人工智能領域專利分布格局和前沿熱點。

4 人工智能技術領域專利分析

4.1 專利年度申請及授權趨勢分析

1999—2018 年全球范圍內共授權人工智能有效發明專利76 898 件，以一個年份作為統計周期，以專利的申請日期和授權日期為統計依據，匯總近20年發明專利的年度申請量、授權量以及專利授權比例，形成1999—2018 年全球人工智能領域專利申請及授權量統計圖，如圖2 所示。

圖2 1999—2018 年全球人工智能領域專利申請及授權量

由圖2 可知，近20 年間，人工智能領域專利申請的趨勢大致可以分為五個階段。

（1）低速增長階段。1997 年IBM 公司的國際象棋電腦深藍Deep Blue 戰勝國際象棋世界冠軍卡斯帕羅夫引發了人工智能技術發展的小高峰，1999—2000 年人工智能領域的專利申請量從2 739 件增加到3 402 件，增幅為24.21%，與此同時，這一階段申請專利的已授權占比從4.56%增長到18.37%，表明專利的數量和質量有了顯著的提高，專利研發向著規范化和實用性發展。

（2）短暫下降階段。受2002 年前后互聯網經濟泡沫的影響，2001—2003 年人工智能領域的專利申請量均維持在4 000 件左右，甚至出現小幅度的下降，已授權占比基本維持在19%左右。

（3）穩步增長階段。2004—2011 年，專利申請量呈現穩步增長趨勢，除受2008 年全球金融危機影響，2009 年專利申請數量與2008 年基本持平外，這一階段專利申請量穩步提升，由4 000 件增至9 000余件；專利授權比同時呈現出增長趨勢，到2011 年，專利已授權占比達到40%以上，說明人工智能領域技術發展逐步趨于成熟，相關專利呈現蓬勃發展前景。

（4）高速增長階段。2012 年有效專利申請量首次突破1 萬件，全球人工智能領域專利總申請量達到12 151 件，專利已授權占比為45.96%；到2014年專利申請總量突破2 萬件。數據統計表明，這一階段的專利研發質量有了顯著提高，實現了數量和質量的雙飛躍。

（5）蓬勃發展階段。2016—2017 年，Google DeepMind 開發的AlphaGo 戰勝了世界圍棋冠軍李世石，引發了人工智能領域新一輪的發展熱潮，加之同年深度學習的大熱，人工智能專利申請量在2016年突破4 萬件，2017 年達到53 106 件。鑒于專利庫整合數據的時間滯后性，近3 年專利授權數據存在缺失，因而不能完全反映專利授權情況，在此不做授權數據的探討。

4.2 專利來源國家/地區分析

開展專利技術的地域分布研究有助于了解人工智能領域在不同國家或地區的發展情況，進一步了解該科技領域在全球研究的前沿地區，識別出技術優勢較高的地域。根據專利申請的地區不同，統計分析全球范圍內授權人工智能發明專利數量較多的前10 位國家/地區，具體數據如圖3 所示。

圖3 主要國家（地區）人工智能專利授權情況

對1999—2018 年有效授權發明專利進行區域分析可知，全球范圍內，人工智能技術領域的專利集中分布在中國、美國、韓國、日本及歐洲這五大國家（地區）。其中，中國有效授權發明專利量達到32 978 項，占全球專利總量的48.31%，位居全球首位，美國有效授權發明專利達到14 718 項，位居第2 位。韓國以7 256 項有效發明專利排在第3 位，其次是日本4 822 項和德國1 297 項，分別排在第4 位和第5 位。對以上5 個國家（地區）繪制年度專利申請量變化趨勢圖，如圖4 和圖5 所示。

圖4 1999—2018 年主要國家（地區）人工智能專利授權趨勢

圖5 1999—2008 年主要國家（地區）人工智能專利授權趨勢

就總體情況而言，中國和美國以絕對的數量優勢處于人工智能技術領域的第一梯隊，代表著全球先進技術的發展方向。美國對人工智能技術的研究開始最早，較為深入，在2008 年之前，一直位列全球各國家（地區）首位，發明專利授權量連年快速提升，2008 年至今，隨著聯邦研究經費的投入、工業和學術研究熱情高漲以及強大的人才吸引策略，美國始終處于人工智能領域研究的前沿。

日本在人工智能技術領域起步僅次于美國，1999 年專利申請且授權數量為20 件，2000 年授權專利數量突破100 件，其后呈現小幅度增長趨勢，到2013 年達到頂峰488 件。然而，日本在繼互聯網時代“掉隊”之后，在人工智能領域的發展近年來也稍顯遲緩，其專利申請情況呈現出不升反降現象。與中美兩國相比，日本在人工智能領域研究力量不足，在研發投資、人才培育和資源爭奪等方面行動緩慢，但目前日本政府已經認識到人工智能對日本社會和企業競爭力的影響并積極采取措施。2016 年4 月，日本首相安倍晉三宣布成立“人工智能技術戰略會議”，2018 年6 月，日本政府在人工智能技術戰略會議上出臺了推動人工智能普及的計劃。

韓國在人工智能專利技術領域的發展起步較早，2008 年之前增幅較小，2009 年以后增長迅速，到2016 年專利授權量突破1 000 件，2017 年達到1 263件，同年美國專利授權量為1 396 項。除三星、LG等科技巨頭公司外，現代汽車等傳統制造企業也紛紛進行人工智能技術布局，成為韓國AI 行業創新的主力軍，總統文在寅表示將在2019 年內推出首份國家級人工智能發展戰略，積極開放政府數據，建立數據中心。

以德國為代表的歐洲各國在人工智能領域的發展較其他地區稍顯落后，德國人工智能專利技術領域的發展起步較早，但發展較慢，近20 年的年均專利申請授權量僅為75.1 件。近年來，歐洲各國似乎沒有受到世界范圍內AI 熱潮的影響，專利申請量并未有大的突破。聚焦歐洲人工智能領域處于領先地位的初創企業可以發現，不同于其他國家紛紛崛起的獨角獸企業，歐洲并未出現通用的人工智能平臺，數據分析公司成為歐洲AI 行業的主導者。如2016年成立于英國德國Autolabs 公司專注于語音助手開發；法國Qucit 公司通過量化城市活動，利用人工智能算法處理數據，從而實現減少污染，優化交通和資源管理功能；荷蘭Braingineers 公司是一家使用深度學習算法來處理數據的情緒分析公司。

中國在人工智能專利技術領域起步晚，但發展迅猛，1999 年專利申請數量僅為1 件，此后十年，相繼超越韓國、日本以及美國，在2009 年申請且得到授權的專利數量達到724 件，2010 年以后，中國人工智能專利技術的發展迅速提升，2015 年達到8 269件，占全球人工智能技術領域專利申請量的一半。

4.3 基于IPC 維度的專利計量分析

國際專利分類 (IPC) 是國際通用的、標準化的專利技術分類體系,蘊含著豐富的專利技術信息。通過對專利的IPC 進行統計分析,可以準確、及時地獲取該領域涉及的主要技術主題和研發重點［18］。對人工智能領域的專利進行IPC 維度的計量分析有利于了解該技術領域內可應用的不同技術和潛在機會，并進一步識別人工智能領域內跨界應用的機會。對近20 年來人工智能領域的專利按照IPC 小類進行統計，得到專利數量位于前20 位的熱點技術領域，如表1 所示。同時，對授權專利數量排在前五位的國家展開重點IPC 分類的研究，如圖6 和表2 所示。

表1 人工智能技術領域排名前20 位熱點技術

圖6 全球排名前15 位熱點技術在主要國家（地區）分布情況

表2 主要國家（地區）人工智能關鍵技術領域

從整體情況來看，全球關注的人工智能領域排名前10 位的技術依次是G06F(電數字數據處理)、H04L（數字信息的傳輸）、G06K（數據識別；數據表示）、G06Q（數據處理系統或方法）、G06N（基于特定計算模型的計算機系統）、H04N（圖像通信）、G06T（圖像數據處理或產生）、H04W（無線通信網絡）、G05B（一般的控制或調節系統）以及A61B（診斷；外科；鑒定）。對排名前5 位的國家進行技術領域的分析可知，中國在人工智能技術領域的發展與全球整體發展步調基本一致，其最為關注的領域依次是：G06F、H04L、G06K、G05B、H04W，除以上技術之外，中國在其他專業領域均有所涉及；美國最為關注的領域依次是：G06F、H04L、G06Q、G06K、G06N，在電數字數據處理、數據處理系統或方法以及基于特定計算模型的計算機系統等三個領域專利數量遠超其他國家，位居全球首位，其中，G06F17/30（信息檢索/數據結構）達到1 947 件、G06F17/27（自動分析）為1 017 件。未涉及H02J（供電或配電的電路裝置或系統）技術領域；韓國關注的領域依次是：G06F、G06Q、G06K、H04L、H04W，韓國在數據處理系統或方法領域專利授權量達到1 700 件，僅次于美國；日本關注的領域依次是：G06F、G06T、G06K、H04N、G06Q，日本在圖像數據處理領域專利量為798 件，在H04W（無線通信網絡）、H02J（供電或配電的電路裝置或系統）及G01R（測量電變量）等技術領域無專利申請授權記錄；德國關注的領域依次是：G06F、G06K、A61B、G06T、H04L。

對各國家（地區）主要技術領域進行IPC 小組分析，可以挖掘出當前區域的關鍵技術領域。中國在人工智能領域的發展表現為產品應用為主，理論基礎較為薄弱。依托中國國家電網雄厚的科研實力，中國在AI 與電力行業的融合中成績突出，無線電通信、智能調度以及傳輸控制等技術的廣泛應用，大規模提升了電網在輸、配電環節的作業效率；此外，中國在圖像及語音識別領域也有所突破。

美國人工智能起步早，覆蓋面廣，理論基礎與產品應用齊頭并進，在圖像識別、自然語言處理、機器學習、機器視覺等核心技術領域處于領先地位；高通、IBM、微軟、谷歌、蘋果、英特爾和Facebook等科技巨頭極大的推動了美國人工智能的發展，在福布斯最新發布的美國最具前景的50 家人工智能公司報告中，美國企業人工智能技術研究的熱點分布在企業服務、自動駕駛與機器人、健康醫療、網絡安全等領域。

韓國側重于在制造業部門推進基于人工智能的工業智能技術，加大對無人駕駛汽車和物聯網技術的研發，與此同時，積極將自然語言處理、圖像識別、機器視覺等技術應用于智能語音助手、醫療影像大數據等公共安全、金融、醫療以及商業領域。與韓國類似，日本依托在傳統制造、工業領域雄厚的技術基礎，積極推動AI 與制造業集合轉換，將人工智能應用于無人駕駛和共享汽車領域等制造行業，其核心技術領域包括圖像分析、防撞系統、語音識別技術，有望在機器人、智能制造等人工智能應用領域上有所突破。

4.4 全球專利權人分布分析

全球人工智能技術領域排名前10 位的專利權人參見圖7，其中，屬于美國的公司有4 家，中國公司5 家，韓國公司1 家。對排在前10 位的專利權人授權專利進行年度統計，可以詳細展示各公司在人工智能領域技術的發展歷程，各專利權人年度授權專利數量以及核心技術如表3 和圖8 所示。

圖7 人工智能領域全球前10 位專利權人分布圖

表3 全球人工智能技術專利權人歷年專利授權量

表3（續）

圖8 人工智能領域全球前10 位專利權人核心技術分布（僅統計IPC 分類中數量前10）

美國的IBM 公司和微軟公司以1 378 項和1 137項的有效授權專利量分別排名第1 和第2，兩家公司在自然語言處理、機器學習、數據挖掘等技術領域均處于全球領先地位。IMB 公司早在1952 年開始著手對人工智能進行研究，2015 年確立以云計算為平臺新的轉型方向，其自主研發的Watson 多行業得到廣泛應用。2019年8月15日，第七代微軟小冰發布，其產品形態涵蓋社交對話機器人、智能語音助理、人工智能內容創作和生產平臺。除智能機器人小冰外，微軟公司在云計算業務中也部署了機器學習工具——Azure 云服務。Azure 形成了一個從IaaS 到PaaS 再到SaaS 的一套完整的云生態體系，基于這些產品龐大的用戶群體，幾年來Azure 呈現出飛速增長的形勢。

中國國家電網以1 145 項專利位居第3 位，從技術領域來看，電力工程是中國電網專利布局的重要支點，而在數據處理、圖像識別等人工智能技術的核心領域專利量較少，力量相對薄弱。韓國三星電子公司以643 項專利量位居申請人第4 位，技術領域主要集中在機器學習、無線通信網絡和自然語言處理，其研發的Bixby2.0 被視為“數字助理的根本性飛躍”，而三星電子趨向于設備聯網技術研究，積極為即將到來的物聯網時代做準備。Google 公司一直致力于分布式計算和分布式存儲研究，基于上述技術基礎，其在人工智能領域呈現出多處開花的局面，相繼研發出語音助手Google Assitant、人工智能學習系統Tensor Flow 以及無人駕駛汽車Waymo。亞馬遜早在2006 年3 月研發出了自己的云服務AWS，2014 年11 月推出Echo 智能音箱，并于2015年在AWS 推出機器學習服務，此外，亞馬遜結合自身的電商業務涉足無人機送貨領域，研發PrimeAir無人機。

華為、百度、小米以及OPPO 等企業作為中國科技公司的“先頭部隊”，所謂的“ABC”——人工智能、大數據和云計算，已經成為其技術發展的標配。華為在人工智能方面采用的“全棧全場景”策略，致力于芯片和平臺研究，能夠同時面對云端計算、本地服務和存儲的邊緣計算以及各種終端設備。百度目前擁有語音、圖像、自然語言處理等多項技術，涵蓋開放對話式人工智能系統以及智能駕駛系統兩大行業生態。2019 年8 月，科技部授予小米“智能家居國家新一代人工智能開發創新平臺”稱號，目前小米正在持續發力AI 自主研發，圍繞“手機+AIot”的雙引擎戰略，小米已經在聲學、語音、視覺、自然語言處理、知識圖譜、機器學習6 大方向取得一系列成果。AI 一直是OPPO 的重點發展方向，2019 年1 月，OPPO 正式成立了新型移動終端事業部，同時對外推出智能助理Breeno，其功能包括Breeno 識物、速覽、識屏、建議、駕駛、空間等用戶日常用機的各種情景。

5 結論研究與啟示

5.1 人工智能領域專利分析結論

（1）從專利申請數量上看，中國在人工智能技術領域起步較晚，但增速較快，截至2018 年，中國的專利申請量占全球申請總量的一半。美國人工智能技術起步早，覆蓋范圍廣，始終保持穩定的增長趨勢，韓國、日本、德國等增速相對平穩。目前各國紛紛布局人工智能，相繼推出政府扶持和人才吸引策略,在此背景下，中國應繼續給予政策扶持，鼓勵企業創新，吸引各國的優秀人才，及時進行前瞻性、戰略性技術研究布局。

（2）從IPC 分類來看，全球人工智能專利技術主要集中在G（物理）、H（電學）兩部，尤其是G06F、G06K、H04L、H06N、H04N 等方向。當前人工智能技術的熱點領域有：無線通信網絡、圖像識別與分析、特定計算模型的計算機系統、語音識別、計算機視覺、自然語言處理等。盡管涉及分類號眾多，但現有專利多集中在應用層面，基于硬件、算法以及芯片等方面的基礎專利較少，其原因一方面是由于硬件層面的技術要求高，難度大，可完成的企業數量少，另一方面是一些企業采用商業秘密的保護方式對技術進行保護，因此沒有申請專利。

（3）從專利權人分布情況來看，專利申請數量較多的企業集中在發達國家，如美國的IBM、微軟、谷歌，韓國的三星、LG 等企業，中國的華為、百度、小米等企業近年來大力開展人工智能領域的相關研究，取得了一定突破，但由于起步晚、基礎薄弱，研發重點位于產品應用層面，在人工智能核心技術掌握方面與國外巨頭相比仍有較大差距。

5.2 中國人工智能未來發展啟示

（1）立足基礎研究，促進跨學科深度融合。加強人工智能理論研究，勢必要促進AI 與數學、腦科學、人文科學等多學科的交叉融合，為產品研發提供強大的理論支持。硬件和算法水平關乎人工智能發展是否能突破技術壁壘，就目前國內現狀來看，我國人工智能發展的基礎不牢，硬件和算法力量薄弱，基于認知層面的算法水平亟待提高。因此，立足基礎領域，致力于核心技術研發，將是未來我國科技企業需要關注的重點。

（2）加快專利布局，搶占未來市場。中國國家電網在國內的專利申請量遠高于其他專利權人，其布局的專利技術多集中在數據處理系統和數字信息傳輸等領域，為我國電力行業轉化升級做出了突出貢獻，AI 技術在輸配電領域的廣泛應用反映出人工智能和能源系統的結合將會是未來一個重要領域，中國人工智能技術應用應開拓新的方向，加快促進能源低碳轉型。就世界發展形勢來看，中國應積極推進物聯網技術研發，加快傳統企業與人工智能融合轉化，推動物聯網產業落地，在即將到來的物聯網時代搶占先機。

（3）增強企業培育，加快人才引進。以華為、百度為代表的科技巨頭人工智能發展中展現出強大的生命力，政府應積極發揮龍頭企業的帶頭和輻射作用，鼓勵企業協同合作，完善產業生態體系，形成完整的生態系統，打造中國本土的高影響力、強競爭力的國際知名企業。人才的競爭已經形成全球新的競爭態勢，以中美兩國為代表的科技強國正在對人工智能人才展開激烈爭奪，對此，推進產學研融合，鼓勵企業走進高校、科研單位，探索人才培訓新模式，為我國人工智能技術發展提供高端儲備人才。