人工智能專利技術分布、演化及合作創新網絡分析

劉艷秋，韓俊敏，王建國，華連連

(1.內蒙古工業大學經濟管理學院，內蒙古 呼和浩特 010051；2.內蒙古現代物流與供應鏈管理研究中心，內蒙古 呼和浩特 010051)

0 引言

專利是技術創新、成果傳遞交流的重要載體，是用來判斷技術創新程度的重要指標，對相關產業發展和技術突破產生重要影響[1]。專利創新是技術發展的驅動力，這種驅動作用主要體現在優化專利布局、推動技術創新以及實現產業化應用上。通過研究專利創新網絡，了解全球技術創新發展趨勢、各國專利布局特征及演變規律，為中國人工智能產業發展提供技術映射，在進行技術研發時專注核心技術的挖掘，并在轉換專利成果及推進市場應用時找到新的利潤增長點[2]。

科技創新是順應國際發展潮流、應對全球挑戰的重要武器[3],而人工智能作為引領人類未來的戰略性技術，在引發科技、產業和社會變革方面具有巨大潛力，各國紛紛出臺人工智能資金支持計劃與相關政策扶持計劃，助力新技術變革。歐盟計劃將人工智能研究和創新投資由2017年的7500萬歐元增加到2020年的15億歐元，并爭取公共和私營部門總投資在2020年至少達到200億歐元[4]；美國計劃從2018年開始的5年內，投入20億美元研究新一代人工智能技術[5]；韓國計劃從2018年到2022年投入2200億韓元以支持人工智能技術研發[6]；日本中央財政在2019年度預算中，將4.351萬億日元重點用于人工智能領域的技術研發與人才培養。2017年，國務院在 《新一代人工智能發展規劃》中明確將人工智能提到國家戰略高度；2018年，《新一代人工智能產業創新重點任務揭榜工作方案》指出，要將人工智能技術發展具體落實到細分領域；2019年，政府工作報告提出要深化大數據，擴大人工智能應用面等與人工智能發展緊密相關的重要舉措[7]。在全球主要國家的積極推動下，人工智能通過與眾多領域的不斷融合，勢必會成為新技術發展升級的戰略領地。

人工智能專利創新是衡量各國人工智能發展的技術指標，同樣也是推動全球人工智能尖端技術研發的關鍵力量。因此，本文在對人工智能發展進行背景分析后，從人工智能專利的技術主題分布、演化路徑及合作創新網絡三個方面進行分析，以明晰全球人工智能產業的創新發展水平及各國人工智能的發展現狀，對于判斷中國在該產業所處的全球價值鏈維度進而彌補發展的不足之處具有重要現實意義。

1 數據篩選與分析方法

1.1 數據篩選

本研究使用的專利數據來源于Patsnap專利數據庫，參考ISO修訂的標準 《信息技術 詞匯 第28部分：人工智能 基本概念與專家系統》 《信息技術 詞匯 第29部分：人工智能 語音識別與合成》 《信息技術 詞匯 第31部分 人工智能 機器學習》 《信息技術 詞匯 第34部分：人工智能 神經網絡》,以及中國信通院發布的 《2018年世界人工智能產業發展藍皮書》及WIPO發布的報告 《Technology Trends 2019：Artificial Intelligence》等文件[8-10]，參考國際標準提到的人工智能相關詞匯，最終提取到的關鍵詞分別是deep learning、fuzzy logic、logic programming、probabilistic reasoning、ontology engineering、computer vision、natural language processing、speech recognition、smart robot、predictive analytics,以專利申請日為時間節點，時間跨度為2000—2019年，以此制定檢索策略，檢索到11059條數據，檢索時間為2020年2月27日。

人工智能從2000年開始進入產業化階段[11]，同時相關專利及知識產權保護提上日程，使得人工智能得以迅速發展，因此本文選取2000—2019年人工智能專利截面數據。首先，對11059條數據進行簡單專利家族合并，使具有相同優先權的系列相似專利合并歸一，從而保證一件專利對應一項技術內容，避免技術聚類結果中出現因同屬一個專利家族而聚為同一類的情況[12]，合并后人工智能專利數據為9333條，其中，美國2232條、中國2625條、日本1103條、韓國1499條、歐洲 (德國、法國、瑞士、荷蘭、意大利)567條，共8026條數據，約占全球人工智能總專利數量的86%，這些國家的人工智能專利分布規律和演化特征可以在很大程度上代表全球人工智能的發展水平，所以選取這些國家作為研究全球人工智能專利布局的主體，以此構成本研究的基礎數據池。

1.2 數據分析方法

社會網絡分析法 (SNA)是一種分析數據間關系的方法，通過對社會網絡中各主體進行相關指數的衡量，以明晰主體間相互聯系的緊密程度及結構特征[13]。本文基于社會網絡分析法，運用Gephi0.9.1軟件，以網絡直徑、平均路徑長度等作為網絡特征向量，對各國的人工智能合作創新網絡進行分析。

2 專利背景分析

2.1 專利受理量趨勢分析

圖1所示為2000—2019年人工智能專利受理量的變化趨勢，其中，2010年是人工智能專利受理量的分水嶺。

注：由于專利從申請到公開有18個月的延遲，故2019年的專利數據收錄不全，僅供參考。圖1 2000—2019年人工智能專利受理量變化趨勢

2000—2010年可稱為人工智能的實驗室階段，在此階段歐洲軟件行業迎來近30年的鼎盛時期，其專利受理量居全球第一，涌現出Nokia、SAP等巨頭公司。美國、中國的人工智能企業分別在1991年、1996年進入萌芽發展期，中美的這一時間差使得此階段中國人工智能專利受理量雖有所增長，但整體低于美國，而美國始終在相對較高的水平波動。同一時期，日本與韓國的人工智能專利受理量變化趨勢較平穩，分別在年50項、年30項左右浮動。值得關注的是，2006年深度學習借助Geoffrey Hinton 在 《Science》上提出的訓練算法在學術界持續升溫，這一事件有力推動了人工智能的研究。到2007年，人工智能專利的增幅分別是歐洲7項、美國29項、中國30項。隨著各國在人工智能技術研發上的不斷投入，全球人工智能發展進入“快車道”。

2010年之后全球人工智能開始進入爆發式增長階段，并逐步邁進規模化商用時代初期。各國開始加大國家層面的扶持力度，以實現人工智能技術及應用的飛躍發展。2016年，中國將人工智能行業納入國家“十三五”規劃中，之后相繼發布了 《“互聯網+”人工智能三年行動實施方案》 《“十三五”國家科技創新規劃》 《“十三五”國家戰略性新興產業發展規劃》，分別從突破人工智能關鍵技術、大數據下的人工智能技術發展及人工智能與各行業融合滲透等方面進行政策指導，極大調動了人工智能市場的活躍度，2016年僅中國人工智能專利受理量就達到峰值214項。2017年美國出臺 《自動駕駛法案》 《人工智能政策原則》等政策，美國在2018年達到專利受理量239項的峰值，同年韓國發布 《機器人法案》，在智能信息產業領域擴大人力、設施投入，專利受理量達到256項的峰值，趕超中美。日本這一時期的專利受理量整體較為平穩，保持在43項左右，并且日本從2016年開始力求建設更為智能化的社會，在2017年發布了 《下一代人工智能推進戰略》[14]等舉措，可見全球主要國家和地區都在世界范圍內加快人工智能技術和產業布局。

2.2 專利質量對比分析

Karki在研究專利被引次數分布時發現，被引6次及以上的專利僅占全部專利的10%[15]，某項專利被引次數越高，越具有代表性和創新性，是其技術領域的核心專利[16]，對后續技術創新及專利成果發表具有參考作用。因此，被引次數可視為專利質量的主要度量指標[17]。

由表1可見，美國被引次數超過6次的專利有864項，占美國專利總數的38.71%；韓國有29項，占韓國專利總數的1.93%；中國有5項，占中國專利總數的0.19%；歐洲有4項，占歐洲專利總數的0.71%；日本有4項，占日本專利總數的0.36%。綜上，美國的專利質量水平最高，中國的專利申請量雖高于其他國家，但被引率偏低，在一定程度上說明中國在人工智能研發上與美國相比還存在質量差距，未來在保持研發數量增長的同時應不斷提高研發質量，以提升人工智能領域創新成果的競爭力。

表1 各國專利被引次數對比

2.3 專利權人分布特征

各國技術研發主體均認為人工智能可以帶來產業及互聯網的重大變革，并投入大量資源進行技術研發及產業運用[18]。聚焦專利權人的分布特征，能夠明晰企業及科研機構在人工智能領域的活躍程度，如圖2所示。在擁有人工智能專利數量超過20項的機構中，中國有14家，其中高校占12家、企業僅占2家，高校成為中國人工智能技術專利的主力軍；美國有10家、日本有7家、韓國有4家、歐洲有2家，以上國家的專利權人除了韓國科學院外均為企業。從市場布局來看，美國已初具規模并處于領先地位，日韓緊隨其后，中國目前在人工智能領袖機構數量方面占有優勢，但人工智能技術大部分掌握在高校中，因此，中國亟需加強產學研合作，創新人工智能技術市場化的轉化模式。

圖2 主要專利權人專利數量分布

從各國專利權人關注領域來看，美國持續的研發投入、富有創新的文化氛圍為美國人工智能技術孵化提供了基本條件，微軟、IBM、亞馬遜等資源雄厚的企業在IT、網絡電子商務、科技制造、可編程解決方案等眾多領域進行人工智能技術的挖掘探索。日本的電信電話株式會社、豐田公司依托人工智能技術實現信息通信領域的全覆蓋以及汽車領域的精細化制造，并且松下、NEC、索尼等電器類企業也進入產品的智能化升級與制造階段。在韓國科學院進行技術研發的同時，三星、LG借助人工智能技術進行電子電器、化學、能源等多領域的技術挖掘，人工智能同樣也為傳統產業升級轉型賦能，POSCO (浦項制鐵)首創人工智能鍍鋅層自動控制解決方案，推進智能化操作，逐步實現韓國智能鋼鐵廠的構建，其發展勢頭不容小覷。歐洲專注于電子電氣工程領域，STMICROELECTRONICS (意法半導體)和SIEMENS (西門子)針對存儲器、半導體等進行人工智能技術研發創新，成為人工智能在半導體行業中開發和應用的標桿。

中國的百度和國家電網公司在IT、電力工程領域發揮人工智能產業優勢，成為人工智能發展的核心支柱。2014年7月，百度利用自主大數據技術準確預測了14場世界杯比賽結果，超越微軟；同時，百度在人工智能算法與云計算硬件的支持下推出“百度大腦”計劃，創造了世界上最大的深度神經網絡系統。在2020年的新冠疫情防控工作中，百度利用人工智能、大數據技術為中國疾病預防控制中心提供大量技術支持。國家電網公司構建基于數據驅動的電力人工智能系統，有效解決了傳統電力系統無法解決的難題，目前已在電力故障排除、電網運行等方面發揮重要作用。另外，眾多高校在媒體業、制造業、醫學等領域的技術研發為人工智能產業提供技術支撐和廣闊市場。可見，全面推進人工智能技術在諸多行業的運用是中國實現智能化社會的必經之路。

3 專利技術主題分析

(1)各國的技術主題分布。全球人工智能技術主要集中在G06 (計算/推算)這一領域，同時也涉及眾多領域的技術開發，各國技術主題分布各有側重，如圖3所示。

圖3 各國人工智能技術主題分布

G06和H04是通信領域的核心技術，在該領域美國專利數量最多，中國與美國比較接近，韓國次之。美國在G11 (信息存儲)和G10 (樂器/聲樂)具有明顯優勢，如存儲器的數據刷新等，同時谷歌、IBM等企業利用AI+音樂推動整個樂器行業發展模式的革新。值得關注的是，中國5G的誕生不僅是通信技術的一次跨越式升級，同樣也為人工智能技術的發展開辟了快速通道，5G+AI解決了諸多信息網絡運營與維護的難題。中國在G01 (測量/測試)和G05 (控制/調節)領域專利分布較多，運用于交通建設以及雷達測試等。2017年中國首條自主研發無人駕駛地鐵與2019年中國首條智能高鐵的開通，實現了軌道交通建設的整體躍升。在醫學領域，人工智能在診斷 (A61B)方面得到普遍運用，阿里達摩院推出的CT影像識別算法有效縮短了CT分析時長，百度推出的智能分診臺、輔助診斷系統等AI醫療產品，為醫療領域的智能化發展搭建了平臺。另外，美國、中國還進行了理療裝置 (A61H)的研發工作。日本在H01 (基本電器元件)、B60 (一般車輛)、C22 (冶金)、C08 (有機高分子化合物)等方面專利數量較多，這與日本在全球汽車領域的優勢地位相匹配。韓國在G08 (信號裝置)、G16 (特別適用于特定運用領域的信息通信技術)、A63 (運動/游戲/娛樂)等技術領域具有優勢，將人工智能應用到室內小型桌游，成為人工智能游戲產業場景再現的先鋒。歐洲國家除了涉及上述技術領域外還側重其他技術領域，比如德國是以工業制造為主的國家，側重于B25 (車間設備)、C08、C22等領域的專利布局。

綜上，各國依托優勢產業進行升級，在通信和醫療領域中美主題分布較多，此外中國人工智能在交通建設方面初現成效，日本人工智能在汽車制造領域發展具有明顯優勢，韓國在娛樂、服務等領域借助人工智能技術提升行業競爭力，歐洲致力于傳統制造業的智能化發展。整體來說，各國人工智能技術主題分布不均衡，除了計算領域外，其他技術主題開發較少。人工智能技術是國家產業發展的助推器，中國在保持現有領域人工智能技術研發的同時更應立足于多技術主題的同步發展，不斷進行人工智能技術挖掘，為打造智能化產業提供技術根基。

(2)各國及全球的技術聯合布局分析。CPC (聯合專利分類網絡)針對專利技術主題的聯合開展進行分析，不僅保留了IPC網絡的優勢，其在拓撲結構、圖形特征等方面均優于IPC網絡，并可實現每月更新和修訂，能涵蓋更多有價值的專利數據[19]。通過分析全球及各國的CPC布局圖，可明確全球核心技術分布及各國技術聯合交叉現狀，對各國調整技術研發方向具有重要意義。圖4中節點大小代表專利權人對某一專利領域的關注程度，線條粗細表示相關專利領域聯系的緊密程度。

圖4 各個國家的CPC分布

中美兩國的CPC技術主題總體呈現出相似的“三足鼎立”局面，不同之處在于中國強調識別交互等基礎技術的挖掘，從應用層的角度進行技術融合與布局，形成由G06K9/00 (用于閱讀、識別印刷及書寫字符、圖形)、G06N3/08 (學習方法)、G06K9/62 (應用電子設備進行識別的方法或裝置)構成的技術間關聯性強的人工智能技術創新鏈，以支撐多領域進行AI+建設。目前，金融方面有京東智投、網易七魚，注重提升客戶體驗；零售方面，阿里巴巴的淘咖啡、京東X無人超市為智能生活提供了新的選擇；家居方面，阿里、小米、百度等均推出了智能音箱，華為HiLink實現了家居場景的智能化，中國AI+推廣已初顯成效。而美國側重設備及程序的開發，讓產能靠近市場，G06K9/00、G06F17/00 (特別適用于特定功能的數字計算設備、數據處理設備或數據處理方法)、G10L15/22 (在語音識別過程中使用的程序)構成了美國開展人工智能市場布局的三個重要支點，美國在基礎層和技術層擁有基礎算法的較高水平，因此更關注人工智能產業的縱深發展，且美國注重打造以智能音箱為中控的家庭智能化，同時在智能駕駛、教育、安防等多方面進行市場布局，因此美國的技術集群是由強大的技術與市場支持的。在中國的分布格局中，G06N3/04 (體系結構)處在連接位置，未來可能成為不同技術集群進行深度合作交流的關鍵技術力量，中國還應該充分發揮技術集群間的聯動效應，以逐步完善人工智能市場布局。

韓日兩國的CPC技術主題網絡總體呈現出“二分天下”的聚集特征[20]，韓國主攻G06N3/08、G06Q50/10 (服務)兩極技術領域，由學習方法和服務聯合驅動，成為韓國搶占人工智能市場的重要抓手，G06K9/00技術節點具有發展成為新技術集群的潛力。日本技術集群的兩極為G10L15/00 (語音識別)和C22C38/00 (鐵基合金)，分別成為語音交互和機械制造領域的核心技術支柱，技術間相互分離、并頭發展。

歐洲的CPC技術主題網絡不同于上述各國，呈現出“天女散花”式的多領域、多核心、多合作的分布格局，主要依托在機械制造方面的技術積累，形成以G05B13/02 (電的)為大核心節點，輔以G06F15/00 (通用數字計算機/通用數據處理設備)、G06K9/00為小核心節點的專利網絡格局，不同核心節點間相互關聯，借助人工智能技術尋找關鍵技術的突破口，為傳統產業發展注入智能制造新元素。

從全球人工智能專利CPC網絡圖可以看出，全球主要國家和地區以G06K9/00和G06N3/08為兩極形成人工智能核心技術圈，從由基礎層、技術層、應用層構成的人工智能產業鏈來看，處于技術層的G06K9/00和G06N3/08是在基礎層硬件、軟件的基礎上進行開發，并運用到各個細分領域進而滲透到多個行業。G06K9/00由單純的技術研發逐步發展并運用到具體行業中，其在媒體、娛樂、消費及安全等眾多領域發揮價值；G06N3/08技術不僅重視算法的優化提升，更注重技術的系統化和智能化發展，將技術與媒體、電路系統、醫學等領域緊密結合，以智能設備代替人工，提高操作的穩定性與準確度。其中G06K9/00涉及的國家有美國、中國、韓國，G06N3/08涉及的國家有中國、韓國，可見，中韓兩國與全球在人工智能專利集群關注點方面表現出高度的一致性。

4 專利技術演化路徑分析

研究人工智能專利技術演進路徑，時段為2000—2019年，每四年為一個時間切片。對每個時段內新增IPC分類號 (小類)進行提取，并將包含專利數量最多的新增IPC分類號作為各時段內技術前沿的代表，如圖5所示。

圖5 人工智能專利技術主題演進路徑

從產業領域演變來看，2000—2003年人工智能技術主題涉及的領域非常廣，有醫學、交通、通信、機械制造、娛樂等以服務業為主的行業，人工智能進入產業化階段并初顯成效。2004—2007年，人工智能技術擴展到燃料、塑料、機床要件等工業領域，這兩個階段是傳統產業進行智能改造的階段。2008—2011年是一個過渡時期，醫學理療的智能化成為新的技術增長極，同時人工智能技術開始在新興產業[21]嶄露頭角，之后兩個階段新興產業得以迅速發展，2012—2015年，環境保護逐漸成為各國發展主題，這個階段人工智能集中關注固體廢物、廢水的處理以及清潔能源的使用，太陽能、風力發電得以迅速發展，并在交通運輸工具及家電方面加大研發投入。2016—2019年，隨著科技的進一步發展，人工智能技術的研發越來越貼近生活，無線電導航技術廣為運用，智能家電設備逐漸走向市場，同時人工智能技術在包裝、消防、園藝等多個領域全面推進。

從各國演進路徑來看，中國人工智能專利技術呈現分散式同步推進的特點，從2000—2003年合金材料的研究到2004—2011年電數字數據處理領域的聚焦，實現了從合金材料性能開發到算法優化運用的轉變，而歐洲注重技術的多元化發展，近幾年中歐均將目光鎖定在數據識別領域。美國則比較專一，隨著時間軸的推進，深化了電數字數據處理領域的技術延伸，為提升美國在高新技術領域的實際主導地位奠定了基礎，韓國人工智能主要進行靜態儲存器的技術改進，而日本前期的技術推進整體較為分散，近幾年美日韓均聚焦在計算機系統領域。數據識別領域和計算機系統領域的聚焦為實現全球產業升級轉型打下了技術根基。

綜上，各國不盡相同的人工智能演進路徑使得各國人工智能競爭實力有所差距，也使得各國技術聚焦點及產業發展水平有所不同。目前，中國在汽車、醫療、家居、零售、機器人和安防等領域處在與人工智能融合的培育期，而在制造、教育、農業等領域仍處在萌芽期；另外，由于中國制造業信息化水平參差不齊，且制造業鏈條復雜程度較高，造成人工智能在制造領域滲透較慢且深度不夠的現象。因此，中國應從當前全球人工智能產業聚焦的領域出發，結合行業發展的瓶頸進行技術研發與突破，以解決人工智能演化路徑中的不足之處，并加速人工智能產業化進程。

5 合作創新網絡分析

合作創新是不同組織為適應創新復雜性，實現異質性資源的交流與擴散，實現主體、載體和要素等在不同空間上的優化組合，提高技術創新能力的有效行動[22]。合作創新網絡分析，是研究專利申請人合作布局特征的直觀體現，通過合作專利數據分析，研究五個國家的合作網絡整體結構特征，見表2。

表2 人工智能合作網絡指標

從節點數及孤立節點數可以看出，中國孤立節點數占全國總節點數的68%，韓國的孤立節點數占其總節點數的65%，其他國家和地區的孤立節點數占比均超過50%，說明各個國家和地區在進行人工智能專利創新時，獨立形式多于合作形式。另外，各國網絡的平均度相差較小，表明各國在人工智能領域注重合作創新的程度相近，即各國在人工智能組織合作方面投入的關注度普遍不夠。

度的最大值是探究各個國家和地區開展合作最多的申請主體以及圍繞其開展合作的規模大小的衡量指標，能反映各國開展聯合創新的能力，度值越大，申請主體合作規模越大、合作范圍越廣。按度的最大值排序，中國>韓國>美國>日本>歐洲，中國最為顯著，借助國家電網公司較強的資源整合能力，形成了中心擴散式的合作創新網絡結構[23]，可為高聚集產業集群的形成提供人工智能技術創新平臺；其次，韓國的產學合作展示出較強的聯合能力，技術升級與市場需求雙重助力基礎研究與市場轉化深度融合。相比較而言，日本和歐洲的合作創新網絡規模小、聯合創新能力弱，限制了合作創新網絡的發展延伸，可能會成為日本與歐洲人工智能技術突破的壁壘。

平均路徑長度是網絡中主體傳遞信息經過路徑的均值，能反映網絡效率水平。平均路徑長度越短，網絡效率越高，越利于合作主體間信息資源的擴散[24]。各國和地區的平均路徑長度均小于4，說明人工智能整體合作創新網絡的通達性良好[25]，其中，中國>韓國>美國>日本>歐洲，說明歐洲合作創新網絡效率最高、中國最低。歐洲相對分散的網絡結構減少了信息傳遞的損耗和阻力，主體間創新性知識得以迅速流動，而中國大規模輻射的復雜結構可能存在信息傳遞扭曲的風險。

綜上所述，各國的合作網絡雖已形成一些小規模社團，但從以上指標分析來看，各國均存在不足之處，整體來說均未形成成熟的合作網絡體系。其中，中國以國家電網公司為中心形成了大規模社團，韓國以高校為中心形成了小規模社團，其他國家社團較少，但是中韓均存在社團內部網絡效率較低、社團帶動能力有限等問題。各國應從多角度出發積極構建合作創新網絡，進一步打通社團間的合作結構橋，借助聯合創新能力推動技術融合，以構建全球人工智能合作網絡體系。

6 主要結論及建議

目前，美國在專利質量及應用方面已占據絕對地位[26]，中國專利已成為全球專利申請量激增的重要推動力量。本文通過研究人工智能的技術研發及市場布局，追蹤各國技術演進路徑，探究合作創新網絡現狀，以明晰全球人工智能的發展現狀及發展趨勢，為中國在人工智能領域開發及探索提出建議。

(1)全球技術主題呈現G06一方獨大的分布特點，同時各國依托部分優勢產業的發展勢潮將人工智能技術進行推廣應用，但整體來說人工智能技術布局還不全面。中國雖已緊跟全球人工智能的技術發展趨勢，但是在技術層的競爭力遠不及美國，因此應加大技術層的研發投入和技術間的融合創新，同時，還應注重多樣化技術格局的構建，以實現“核心技術為主，多元技術為輔”的人工智能主題分布格局。

(2)從2000—2007年的傳統工業智能化改造到2012—2019年無線電導航、智能機器人等領域的迅速發展，全球人工智能技術演進經歷了從傳統制造業到新興產業的躍升，標志著構建更智能化的社會成為各國的共同目標。中國更應重視傳統制造業從機械化到智能化的升級轉型，將人工智能技術創新與個體創業緊密結合[27]，打造以傳統制造業為支撐、新興產業為引領的人工智能生態體系。相比于美國在電數字數據處理領域的專一推進，中國人工智能的技術推進較為分散，一方面說明中國已認識到人工智能在多個領域中的發展潛力，深度技術挖掘能為人工智能在不同領域占領高地奠定市場基礎，另一方面美國人工智能專利的演進路徑說明，核心技術的集中性突破對人工智能競爭力的提升意義非凡。目前，中國已從國家戰略高度規劃人工智能產業和技術發展方向，未來應圍繞重點行業的發展瓶頸實現人工智能產業高水平發展。

(3)各國專利合作創新網絡建設尚不成熟，人工智能專利合作創新網絡整體存在合作意識不夠、聯合創新能力薄弱等不足之處。另外，由于在中國的專利權人中高校占較大比重，因此中國在推進人工智能專利合作創新網絡建設時應高度重視產學研合作，創新專利技術的市場化轉化模式，加強社團間技術聯動、淡化合作邊界，從多學科多產業的角度出發進行合作創新平臺的搭建，推動技術深度融合，突破技術創新瓶頸，助力高新技術產業快速發展。