賽迪智庫

人工智能的應用和落地場景越來越寬泛，圖像識別、語音識別、機器翻譯、AI 醫(yī)療和自動駕駛等領域不斷有新產(chǎn)品落地，深度學習技術則是促進這些產(chǎn)品落地的關鍵。以深度學習領域相關技術術語為關鍵詞進行 12 門語種跨語言檢索，獲取截至 2019 年3 月底的中、美、韓、日、德等 17 個國家專利局及 PCT（國際專利合作協(xié)定）相關專利信息，形成深度學習領域 16335 項專利文本數(shù)據(jù)集。通過對該樣本數(shù)據(jù)集進行 LDA 主題挖掘，可以分析把握全球深度學習技術的創(chuàng)新態(tài)勢。

全球深度學習技術創(chuàng)新

態(tài)勢分析

從新增專利數(shù)量看，目前全球深度學習領域技術創(chuàng)新正處于蓬勃發(fā)展期。2018 年全球深度學習領域新增專利 7429 項，是 2017年的 2.34 倍。2018 年 PCT 新增專利 429 項，是 2017 年的 3.67倍。中國、美國與韓國專利局的新增專利數(shù)量位居全球前三，其中，2018 年中國為 5638 項，美國為 736 項，韓國為 315 項。從深度學習領域新增專利數(shù)量的變化看，中國目前是深度學習創(chuàng)新全球最活躍的國家。

從申請主體構成看，企業(yè)與科研院所的研發(fā)能力大致相當。2018 年，全球以公司為申請主體的深度學習技術專利有 3496 項，以高校科研院所為申請主體的有 3416 項，大致呈現(xiàn)平衡格局。根據(jù)專利數(shù)量排名，2018 年全球排名前五的企業(yè)主要有 IBM、平安科技、三星電子、谷歌和英特爾，分別新增 62、53、52、46和 45 項相關發(fā)明專利。

我國全球排名前五的科研院所主要有華南理工大學、電子科技大學、天津大學、浙江工業(yè)大學和清華大學，分別新增 140、114、93、79 和 78 項相關發(fā)明專利。

從算法角度上看，卷積神經(jīng)網(wǎng)絡算法占比最高，生成式對抗網(wǎng)絡算法使用量快速增長。從深度學習算法角度看，卷積神經(jīng)網(wǎng)絡（CNN）、循環(huán)神經(jīng)網(wǎng)絡（RNN）、生成式對抗網(wǎng)絡（GAN）、長短期記憶網(wǎng)絡（LSTM）等成為深度學習的熱門算法，使用頻率逐年增高。2018 年，全球涉及 CNN、RNN、GAN、LSTM 算法專利數(shù)量為 3061、239、38 和 31 項，分別比上年增長 122.7%、94.3%、533.3%和 416.7%?？梢?，卷積神經(jīng)網(wǎng)絡算法占絕大部分比重，生成式對抗網(wǎng)絡（GAN）算法增長勢頭迅猛。

從技術應用領域看，深度學習技術在機器視覺領域的應用比重較大，自動駕駛領域應用創(chuàng)新熱度較高。深度學習技術目前主要應用于機器視覺、自然語言、自動駕駛等領域，其中機器視覺創(chuàng)新熱度最高。在機器視覺領域，2018 年全球涉及圖像、視頻等機器視覺領域的深度學習技術專利分別有 3674 項和 673 項，兩者合計約占 2018 年全球深度學習技術專利總量的 58.5%。在自然語言領域，2018 年相關專利技術有 495 項，比上年增長約104.5%，充分表明自然語言領域應用深度學習技術的創(chuàng)新熱度較高。在自動駕駛領域，深度學習技術應用創(chuàng)新最熱，2018 年相關專利技術有 133 項，比上年增長約 182.9%。

我國深度學習技術創(chuàng)新

現(xiàn)狀分析

我國在深度學習技術應用層具有較強的拓展能力，但基礎層深耕不足。我國創(chuàng)新涉及的應用方向較為廣泛，已涉及行人識別、能耗預測、中醫(yī)文本命名實體識別，以及眼底圖像的視網(wǎng)膜血管分割等很多不同的領域。例如，百度在線公司把深度學習技術應用于語音識別、圖像生成、人臉圖像識別、端到端自動駕駛系統(tǒng)等領域，商湯科技公司把深度學習技術應用于人物識別、三維人體姿態(tài)預測、實例分割、圖像分割神經(jīng)網(wǎng)絡、視線追蹤等領域。而美國在深度學習領域的技術創(chuàng)新大多聚焦于基礎層的效率提升。例如，IBM 公司研發(fā)了一種應用于大規(guī)模深度學習的多方向縮減技術，能夠較大限度地減少系統(tǒng)節(jié)點間通信所需的傳輸數(shù)據(jù)量，從而提高計算效率。整體而言，我國更偏向于應用創(chuàng)新，計算、存儲與傳輸優(yōu)化方面的專利相對較少。

我國深度學習專利增長迅速，但以企業(yè)為主體的創(chuàng)新較少。從增速上看，2016～2018 年，我國深度學習領域的新增專利數(shù)量分別為 701、2487 和 5638 項，平均年增速達到 183.6%。從構成上看，我國的研發(fā)力量集中于高校科研院所，而美國主要集中于企業(yè)。2018 年，美國以企業(yè)為申請主體的新增專利數(shù)占到其總量的 81.5%，而中國以企業(yè)為申請主體的比重僅為 40.8%。

我國使用深度學習技術的企業(yè)高度聚集于廣東省、北京市等地，區(qū)域分化趨勢加大。從空間分布格局看，京津冀地區(qū)和珠三角地區(qū)創(chuàng)新活躍度最為顯著。2018 年，我國深度學習領域技術創(chuàng)新最活躍的前 30 家企業(yè)（按新增專利數(shù)排序），分布在北京市、廣東省的數(shù)量占比分別為 46.7%和 20%。從空間分布變化看，對比 2017 年和 2018 年最活躍的前 30 家企業(yè)分布格局，廣東省從 4家上升至 6 家，北京市從 13 家上升至 14 家，上海市從 4 家下降至 0 家?？梢?，廣東省、北京市在人工智能（深度學習技術領域）領域的活躍度在上升，而上海等地的活躍度有所下降。

深度學習技術創(chuàng)新要素

打造平臺，統(tǒng)籌協(xié)調促進研發(fā)資源聚合。美國近 81.5%的人工智能（深度學習方向）研發(fā)創(chuàng)新力量集中于企業(yè)，有很強的商業(yè)目標性。我國研發(fā)主力則大多集中在科研院所，且研究力量比較分散，研發(fā)方向不夠聚焦（多數(shù)是技術在某些新領域的應用），研發(fā)經(jīng)費碎片化，難以聚集力量解決重點問題。建議借鑒美國成立國防高級研究計劃局、Google X 實驗室、Facebook 人工智能研究院的經(jīng)驗，成立我國的人工智能國家實驗室和人工智能產(chǎn)學研協(xié)同創(chuàng)新中心，打通政、產(chǎn)、學、研、用各環(huán)節(jié)，促進研發(fā)資源的聚合，聚焦難點環(huán)節(jié)展開重點攻關。

加強引導，推動計算、存儲、傳輸?shù)裙残约夹g發(fā)展。不管人工智能應用如何拓展，其數(shù)據(jù)存儲、信息傳輸、高性能計算等共性技術還是相通的。美國很多企業(yè)已經(jīng)認識到這一點，谷歌、IBM、英特爾、英偉達等企業(yè)，大都圍繞計算效率、數(shù)據(jù)傳輸?shù)热斯ぶ悄艿幕A層進行專利布局，而把應用創(chuàng)新交給了研發(fā)社區(qū)。這種做法既抓住了人工智能產(chǎn)業(yè)的關鍵核心，又能夠確保創(chuàng)新活躍度。從我國的專利布局看，目前還主要集中于深度學習技術應用層，只有通過引導資源投入通用與共性技術領域，才能使我國人工智能產(chǎn)業(yè)走出“專利成果數(shù)量多但關鍵技術少”的怪圈。

構建產(chǎn)業(yè)生態(tài)，加強人工智能新基礎設施建設，輻射更多應用領域。從谷歌公司的專利創(chuàng)新看，一些是圍繞 TPU 云服務方向布局。其近期開源的 Tensorflow 框架、云化 TPU 計算資源，就降低了深度學習模型部署難度，大大促進了人工智能的大眾化與普及。不管未來應用如何變化，計算和存儲都是核心領域，只有掌握這些領域，才能成為智能時代的基石。目前我國人工智能產(chǎn)業(yè)生態(tài)尚不完善，特別是基礎硬件（芯片）領域。

在未來，一方面要加快補齊基礎層軟硬件短板，圍繞一些特定應用場景（如智能手機、無人機、智能駕駛等），從硬件實現(xiàn)角度顛覆性地突破類腦神經(jīng)芯片，如深度卷積神經(jīng)網(wǎng)絡芯片等。另一方面，要加快建設人工智能新基礎設施，發(fā)展高性能、高安全的異構計算服務集群及邊緣計算，通過開源深度學習框架、云化計算資源等，促進人工智能普及，輻射更廣更深的應用領域。