姚 葉，張 容

（中南財經政法大學知識產權研究中心，湖北 武漢 430073）

人工智能技術的出現(xiàn)改變了人們的生活，其高效快捷的運作模式提高了生產的效率，極大地推動了經濟的發(fā)展。隨著人工智能技術的發(fā)展與完善，在其基礎上產生的新技術與新服務進一步改變著人們對周圍世界的感知和日常生活方式，人工智能正在像蒸汽機和電力一樣徹底改變世界。進入信息技術時代，知識產權已經成為企業(yè)技術創(chuàng)新和市場競爭的工具，也成為國家之間科技、經濟競爭的合法貿易壁壘[1]。專利是科技成果的重要體現(xiàn)，隨著科技的發(fā)展而不斷出現(xiàn)了新的發(fā)明創(chuàng)造類型，需要有專利制度為其保駕護航，以促進相關產業(yè)的發(fā)展[2]。2020年，美國發(fā)布了《人工智能發(fā)明：追蹤美國人工智能專利擴散報告》[3]（以下簡稱“報告”）。報告指出，在進一步評估人工智能的潛在影響時，可以通過研究其在專利中的運用來確定。一方面，統(tǒng)計專利申請數據能夠直接得到涉及人工智能專利數量上的變化，其數量的增加體現(xiàn)了投資者與創(chuàng)新者對人工智能技術領域的關注，揭示了人工智能時代蓬勃發(fā)展的態(tài)勢；另一方面，研究專利申請文獻還能了解人工智能技術在各技術領域、發(fā)明者與所有人、地域之間的發(fā)展傳播程度。報告通過機器學習人工智能算法確定了美國1976—2018年專利中人工智能技術所占的數量、性質、演變過程及其內容，全方位分析了人工智能技術的發(fā)展?jié)摿?。我國對于人工智能專利的相關狀況研究較為零散，人工智能專利的分布情況也與美國有所差距。鑒于此，有必要對報告采取的方法與結論進行總結，為我國人工智能專利的發(fā)展方向提供借鑒。

1 報告的主要內容

1.1 報告的分析前提：人工智能的技術領域

美國國家標準技術研究所（NIST）將人工智能技術和系統(tǒng)解釋為一種硬件或軟件，它可以學習解決復雜問題、做出預測、承擔需要人類感官的任務（如視覺、言語和觸覺），并且可以感知、認知、計劃、學習、交流以及進行同人類相似的身體活動。報告認為，盡管這個定義概括了人工智能的特點，但在進行專利層面的分析時，該定義仍然不夠具體。結合專利的申請與審核，其將人工智能技術分為八個組成部分，它們并非對立存在，而是可以共存于一個專利申請中。①知識處理技術。知識處理技術領域主要負責揭示和推導事實，并在自動化系統(tǒng)中使用這些信息。②語言技術。語言技術包括語音識別技術，是指能夠通過人類一連串的聲音信號獲取信息的技術。③人工智能硬件?，F(xiàn)代人工智能算法需要相當大的計算能力。人工智能硬件所需的物理計算機組件必須通過提高處理效率和速度來滿足這一要求。④進化計算技術。進化計算包含了一系列使用自然方面，特別是進化的計算程序。⑤自然語言處理技術。理解和使用書面語言編碼的數據是自然語言處理的領域。⑥機器學習技術。機器學習領域包含了大量從數據中學習的計算模型。⑦視覺技術。計算機視覺從圖像和視頻中提取和理解信息。⑧計劃和控制技術。計劃和控制技術的實施包含識別、創(chuàng)建和執(zhí)行活動以實現(xiàn)特定目標的過程。

1.2 報告的分析方法：專利景觀分析方法

傳統(tǒng)上，運用專利地圖時需要依賴于關鍵字、專利分類和引用等查詢來識別相關專利。Abood和Feltenberger（2018）開發(fā)了一種自動化的專利景觀分析方法，該方法使用機器學習來降低成本并提高準確性[4]。美國專利商標局對該方法進行進一步調整，在其后增加手動驗證步驟以檢驗模型的準確度。其先從專利文件中隨機抽出800份文件，再由兩名經驗豐富的審查員進行審查并判斷它們分別屬于何種人工智能技術分類。隨后向審查員提供關于人工智能技術分類標準的培訓材料以及相關例子。若兩位審查員持否定意見，則需由第三位有經驗的專利審查員做出裁決。該驗證過程提供的黃金標準可以作為對照其他人工智能地圖評估該模型的依據。經過驗證，該分析方式準確率較高，其結論具有參考價值。

1.3 通過專利景觀分析人工智能發(fā)展

人工智能在申請數量、跨技術領域傳播、跨發(fā)明專利者和專利所有人傳播以及跨地域傳播的趨勢表明，人工智能越來越重要。人工智能是否像電或半導體一樣具有革命性，部分取決于創(chuàng)新者和公司是否有將人工智能發(fā)明成功融入現(xiàn)有以及新的產品、流程和服務的能力。報告表明，人工智能具有這種潛力。

1.3.1 申請數量。新技術有價值的一個重要標志就是專利申請數量的增加，人工智能專利在過去40年間一直呈現(xiàn)上升態(tài)勢。圖1顯示了1976—2018年公開人工智能專利申請量的增長趨勢及其在所有公開專利申請中的份額。由于美國發(fā)明者保護法（AIPA）在1999年年底及其實施期間（圖1中的灰色區(qū)域）進行了修改，所以2002年以后的趨勢所體現(xiàn)出的信息更有分析意義。2002—2018年，人工智能專利申請的數量和份額普遍增加。2002—2018年，人工智能專利的年申請量增加了1倍。雖然在此期間，美國專利商標局的所有專利申請都有所增加，但人工智能專利占同期全部專利的份額也呈現(xiàn)顯著增長，其占比從2002年的9%增長到了2018年的近16%。

圖1 1976—2018年公開人工智能專利申請的數量和份額

盡管人工智能專利申請的總體趨勢呈現(xiàn)大幅增長，但它并沒有揭示所涉及的人工智能的本質。如前所述，一項專利可能屬于八項技術中的一項或多項。例如，標題為“利用納米技術的物理神經網絡液態(tài)機器”的美國專利第7392230號根據上述分類規(guī)則被劃分為機器學習和人工智能硬件組件技術。

圖2顯示了1990—2018年各組件技術的公開人工智能專利申請數量。2000—2002年《美國發(fā)明人保護法》實施期間，各組件技術的公開人工智能專利申請數量都有增長的趨勢。但是在2007—2011年期間有小幅度回落。排名在前兩位的規(guī)劃控制技術和知識處理技術始終保持領先地位，緊隨其后的是人工智能硬件和視覺，排名在最后的是機器學習、自然語言處理、語音和進化計算。

圖2 1990—2018年人工智能各分類下的專利申請量

1.3.2 跨技術的人工智能傳播。對于每一項專利申請，美國專利商標局審查其技術內容，并根據共同的主題將申請分配給特定的技術組。目前的系統(tǒng)有600多個子類，涵蓋了大量的主題，包括化學、電子、機械和材料等。圖3顯示了從1976年開始的人工智能跨技術的擴散，就像人工智能專利申請總量的增長一樣，人工智能技術正在向更大比例的技術子類擴散。1976年，包含人工智能技術的專利僅占所有技術子類的9%，在2018年該比例增長到42%。

圖3 1976—2018年人工智能跨技術子類的傳播

人工智能組件技術顯示了具有不同擴散率的三個不同集群。第一個集群是知識處理和規(guī)劃控制技術，其在專利技術類別中擴散最快。這種狀態(tài)反映了這些人工智能組件對各種技術領域的普遍適用性。第二個集群（視覺、機器學習、AI硬件）的擴散速度雖然較慢，但仍在增加。第三個集群（進化計算、語音和自然語言處理）的擴散最慢，在20世紀90年代末徘徊在5%左右，直到最近才擴展到所有技術子類的近10%。

1.3.3 人工智能在發(fā)明者和專利所有者之間的傳播。許多發(fā)明家、公司和其他組織在其發(fā)明和生產過程中使用人工智能。每年獲得人工智能專利的發(fā)明人和組織的百分比增長是擴散的重要指標。這一指標可以用授權專利上出現(xiàn)的發(fā)明者和組織的名字來計算。然而，使用原始專利數據會對發(fā)明者和組織進行錯誤計數，因為名稱記錄方式有多種變化。例如，“國際商業(yè)機器”和“國際商用機器公司”將被視為兩個不同的組織。為了克服這個限制需要再次依賴于專利景觀，為發(fā)明者和以專利命名的組織提供唯一的編號。

圖4顯示了美國1976—2018年擁有人工智能的專利權人占專利權人總數百分比及擁有人工智能的發(fā)明專利權人占發(fā)明專利權人總數百分比的年度增長趨勢。人工智能發(fā)明專利權人的擴散趨勢從1%開始，到2018年增加到25%。即2018年所有發(fā)明專利權人中，有1/4的專利權人在其授予的專利中使用了人工智能技術。

圖4 1976—2018年擁有人工智能專利的專利權人和發(fā)明專利權人年度百分比

表1展示了1976—2018年持有人工智能專利數量排名前30的美國公司。其中，前三家公司持有的人工智能專利數量差距較大：排名第一的是美國國際商用機器公司，專利數量為46 752件；排名第二的是微軟公司，專利數量為22 067件；排名第三的是谷歌公司，專利數量為10 928件。

表1 1976—2018年授予美國人工智能專利的前30名所有者

1.3.4 人工智能在地域之間的傳播。圖5展示了1976—2000年美國人工智能發(fā)明專利權人的分布地域。美國的人工智能發(fā)明專利權人主要分布在東、西海岸，中部相對較少。其中，在加利福尼亞州、馬薩諸塞州、康涅狄格州以及新澤西州分布最為廣泛。

圖5 1976—2000年按發(fā)明專利權人所在地分布的人工智能專利數量

從2001年以來人工智能發(fā)明專利權人的位置表明，人工智能技術在美國各州和縣都廣泛傳播（圖6）。例如，緬因州和南卡羅來納州在數字數據處理和適用于商業(yè)的數據處理方面非?；钴S。俄勒岡州的發(fā)明專利主要應用于健身訓練和設備中。在蒙大拿州，人工智能被納入分析材料化學和物理特性的發(fā)明中。美國中西部也在采用人工智能技術，盡管數量要少得多，但其發(fā)明專利權人正在研究人工智能進行數字信息傳輸、圖像處理以及數據識別和呈現(xiàn)。威斯康辛州在醫(yī)療器械和診斷、手術和鑒定流程方面領先，其次是俄亥俄州和堪薩斯州。在愛荷華州、堪薩斯州、密蘇里州、內布拉斯加州和俄亥俄州，人工智能技術正在為電話通信的發(fā)明做出貢獻。而應用于農業(yè)相關的人工智能技術是北達科他州的一個重點。例如，通過人工智能技術對作物樣品進行成像，識別單個籽粒并確定籽粒是否完整。

圖6 2001—2018年按發(fā)明專利權人所在地分布的人工智能專利數量

2 報告的評析

2.1 美國人工智能專利技術領域分布情況

人工智能硬件（處理器/芯片）、機器學習技術、自然語言處理和計算機視覺技術是美國人工智能創(chuàng)新的主導領域。但是，盡管在語音識別技術、自然語言處理技術和特征識別產品方面發(fā)展迅速，美國在深度學習、知識圖譜產品、計算機視覺產品、智能運載、智能機器人和智能設備六個領域卻表現(xiàn)出劣勢。根據人工智能產業(yè)層面及產業(yè)領域的劃分，美國人工智能發(fā)展的區(qū)域主要在基礎層與技術層，在應用層的分布較少?；A層是資金相對消耗大、發(fā)展?jié)摿Ω叩念I域，能夠為人工智能技術的實現(xiàn)和人工智能應用的落地提供基礎后臺保障。這種分布顯示了美國在人工智能領域巨大的投入和發(fā)展?jié)摿Γū?）。

表2 人工智能產業(yè)層面及產業(yè)領域[5]

2.2 美國人工智能專利領域的關聯(lián)性

值得注意的是，美國的研究也體現(xiàn)出了技術相關性。言及重點技術領域，2012年以來，美國圖像識別、機器學習領域以及深度學習領域的人工智能專利顯著增加。AlexNet是2010年Ima?geNet大規(guī)模視覺識別挑戰(zhàn)的一部分，也是一個分水嶺，它改變了圖像識別和機器學習的技術軌跡。人工智能硬件，包括計算機處理器加速器和專用內存的專利申請隨著計算機視覺的專利申請而增加。這兩種技術中應用程序之間的緊密聯(lián)系反映了圖像識別的進步與計算能力和性能的需求之間的相互作用。規(guī)劃控制技術和知識處理技術之間的合作也助推了知識處理技術的發(fā)展。機器學習、自然語言處理、語音和進化計算呈現(xiàn)集群式發(fā)展，可見機器學習技術和進化計算的結合為自然語言處理和語音的發(fā)展助力。

2.3 美國人工智能專利主要申請人情況

從人工智能專利的領域布局看，1967—2018年美國企業(yè)在信息和通信技術領域的發(fā)明勢頭強勁。報告顯示，1976—2018年，持有人工智能專利的前30家美國公司擁有所有人工智能專利的29%，前30強公司大多在信息和通信技術領域，如美國國際商用機器公司、谷歌公司、英特爾公司、甲骨文公司、蘋果公司、臉書公司、威瑞森通信公司、微軟公司、惠普公司、朗訊科技公司等。但也有一些明顯的例外，如通用電氣、波音和美國銀行等。近年來，通用電氣堅持在制造業(yè)中發(fā)展人工智能產業(yè)，在機械產品的制造中融入人工智能技術。

美國大型公司的專利申請量極大，占據世界前列，呈現(xiàn)“大型公司引領、主導”的發(fā)展態(tài)勢。使用德溫特創(chuàng)新索引數據庫，對人工智能專利進行檢索可發(fā)現(xiàn)，2016—2020年，人工智能專利總量前5名中除惠普以外的其他公司——美國國際商用機器公司（IBM）、微軟公司、谷歌公司、英特爾公司，也是2016—2020年世界范圍內人工智能領域專利總量前15位機構的成員。值得強調的是，2016—2020年，微軟公司與美國國際商用機器公司（IBM）的人工智能專利總量不僅占據美國本土的前兩位，也是世界范圍內的前兩位。

從2016—2020年的研發(fā)活躍度看，美國大型企業(yè)在人工智能領域的研發(fā)活躍度極高。通過對全球人工智能領域主要國家/組織的研發(fā)活躍度進行分析可以發(fā)現(xiàn)，2016—2020年，人工智能專利研發(fā)活躍度前5名中英特爾公司、谷歌公司、美國國際商用機器公司（IBM）分列第二、三、五位。前15名中，美國獨占5個名額（表3）。可見，美國企業(yè)整體的研發(fā)活躍度處于世界前列。美國企業(yè)的人工智能專利數量不僅數量巨大，也將在未來一段時間里憑借優(yōu)越的研發(fā)優(yōu)勢持續(xù)增加。

表3 全球人工智能領域主要國家/組織的研發(fā)活躍度[6]

2.4 美國人工智能發(fā)明地域分布情況

從報告可以提煉出美國專利申請地域分布的特征。①普遍性。1976—2018年，美國各州的人工智能發(fā)展水平都在穩(wěn)步提升，且分布廣泛。②差異性。美國各州都形成了特色的優(yōu)勢技術，分別在商業(yè)數據處理、健身設備、材料化學與物理特性分析、醫(yī)療診斷與手術、電話通信等領域。③中心輻射性。人工智能發(fā)明專利權人往往集中在較大的城市和已建立的技術中心，如加利福尼亞州硅谷。這些位置具有資源優(yōu)勢，能夠更容易地應用人工智能。例如，技術中心已經是成功企業(yè)的所在地，這些公司的員工擁有理解和實施人工智能技術所需的專業(yè)知識。這一優(yōu)勢也延伸到擁有主要研究型大學的地區(qū)。

3 對中國的啟示

報告使用專利景觀的分析方法，剖析了本國人工智能專利的領域分布、專利發(fā)明者與專利所有者之間的技術轉移狀況、人工智能專利領域的技術相關性和地域相關性。通過對報告的分析，為我國人工智能的發(fā)展提供一定啟示。

3.1 專利景觀分析方法的借鑒

傳統(tǒng)的專利分析方法耗費時間長、效率低、可視化程度差，對于分布于各領域的人工智能專利的分析也具有局限性。專利景觀（Patent Land?scape）提供了特定技術中專利情況的快照，它可以識別空白并發(fā)現(xiàn)技術趨勢，也可根據有關數據分析專利的有效性，對數據進行分析并以可視化方式呈現(xiàn)，進而對發(fā)現(xiàn)的專利數據進行解讀。專利景觀可以提供包括但不限于技術領域中的主要參與者、最活躍的專利公司、可能的專利空白、全球范圍內專利情況等。報告采取了Abood和Felten?berger在2008年開發(fā)的一種半監(jiān)督機器學習方法，用于自動生成專利景觀。它能夠提高檢索的數量與準確度，專利景觀的重點是識別與主題相關的大量專利。根據檢驗，這種自動專利和制圖方法得到的結論與專家的結論一致，可見專利景觀的精確度已經達到了一定程度。故而，Abood和Feltenberger提供了一種可重復的、準確的方法，以最少的人力資源生成內容豐富的專利景觀。

我國學界目前對專利景觀方法的使用并不多見，在知網上以“專利景觀”為主題進行檢索，共得到10篇相關論文，分別是對護理機器人[7]、無人駕駛汽車[8]、動力電池產業(yè)[9]、老年福祉[10]、玉米生成育種技術[11]等領域的技術進行分析，且其中有五篇文章的作者屬于同一機構。可見，為了與世界范圍內的人工智能專利發(fā)展趨勢契合，有必要更新我國的專利分析工具。

3.2 加強在人工智能基礎層的專利布局，提升基礎技術的國際競爭力

與美國相比，我國在基礎層的人工智能發(fā)展水平滯后，但是在應用層發(fā)展迅速。一方面，這種趨勢代表著我國人工智能專利的發(fā)展?jié)摿薮?。我國人工智能關鍵核心技術創(chuàng)新能力逐年增強，創(chuàng)新主體數量、企業(yè)研發(fā)資金、算法等成為主要影響因素[12]。不僅如此，海量的數據也為我國基礎層的算法訓練提供必要的條件。我國在數據管控上較歐洲而言較為寬松，這為我國企業(yè)獲得數據并對其進行研究提供了十分有利的發(fā)展環(huán)境。自有數據、第三方數據、業(yè)務合作方數據的流轉能夠為機器學習、深度學習提供養(yǎng)料。另一方面，也意味著我國人工智能的發(fā)展很可能受到基礎層專利的制約[13]。我國目前的人工智能應用層主要集中于三個場景，即金融、交通、制造領域。在金融領域，可運用語音識別、生物識別技術開發(fā)投資顧問與自動審核系統(tǒng)，降低審核成本并能夠為用戶提供定制服務；在交通領域，可使用計算機識別、傳感器實現(xiàn)無人駕駛，以減少駕駛危險；在制造領域，可以使用計算機視覺技術檢測商品，運用人工智能進行勞動。如果語音識別、自然語音處理、計算機視覺技術、芯片技術難以發(fā)展，那么應用層的開發(fā)也是無水之源。因此，我國也應當增強企業(yè)在基礎層的研究實力并提升人工智能專利國際競爭力。在我國專利申請量排名前10的企業(yè)或機構中，只有百度公司能夠在世界專利申請量前15名中獲得一個席位?？梢姡陙砦覈斯ぶ悄軐＠l(fā)展雖然迅速，但是在基礎專利申請總量上仍然無法與美國、日本、韓國進行競爭。我國應當加強人工智能基礎層的專利布局，提升國際競爭力。

3.3 注重技術領域的關聯(lián)性，以技術進步帶動產業(yè)發(fā)展

《2019人工智能發(fā)展報告》規(guī)劃了13個我國重點發(fā)展的領域，其中包括機器人、圖像識別技術和自然語言處理技術等。在應用層，智能駕駛、機器人有賴于規(guī)劃控制技術，特斯拉汽車開創(chuàng)了智能駕駛的先河。計算機視覺相關的應用有百度識圖、醫(yī)學圖像分析、警用罪犯識別等技術。自然語言處理是讓機器理解人類語言的一門技術，就是將文本處理與機器學習技術相結合。目前的應用有蘋果的語音助手siri、百度旗下的“小度”和小米旗下的“小愛同學”[14]。正如報告所分析的那樣，規(guī)劃控制技術依賴于知識處理技術，計算機視覺的發(fā)展依賴于人工智能硬件的發(fā)展，自然語言處理則依賴于進化計算等基礎層的人工智能專利?？梢?，報告為我國人工智能發(fā)展的具體實施指明了方向。

3.4 縮小地域間創(chuàng)新能力差距，因地制宜發(fā)展人工智能

美國各州人工智能專利呈現(xiàn)特色化的發(fā)展趨勢，實現(xiàn)了人工智能專利的差異化布局。反觀我國，人工智能專利呈現(xiàn)地域性、集群性趨勢，且中西部集群與東南沿海及京津冀城市群差距較大。中國的人工智能專利地域分布上呈現(xiàn)出兩個特征：①集群性。五大城市群人工智能產業(yè)發(fā)展布局在整個國家人工智能產業(yè)結構中占據極為重要地位。②地域性差距。當前五大城市群人工智能專利申請主要集中在技術層與應用層，基礎層專利申請數量相對較少。從五大城市群各自技術專利的分布情況來看：長三角城市群在五大城市群中專利優(yōu)勢最為明顯；京津冀城市群在電子數字數據處理技術專利等方面形成了特色性優(yōu)勢；珠三角城市群雖然與京津冀城市群有一定的差距，但是在語音分析合成技術專利方面占有相對優(yōu)勢（見表4）。與上述三個城市群相比，成渝城市群與長江中游城市群在技術專利申請數量方面與其他三個城市群存在較大差距，二者的專利申請數量之和與珠三角城市群仍存在差距，創(chuàng)新實力偏弱且缺乏特色優(yōu)勢[15]。

表4 五大城市群人工智能專利申請數量分布情況

可見，不同地域有不同的發(fā)展態(tài)勢和特點，我國政府應當引導企業(yè)根據本地區(qū)的優(yōu)勢產業(yè)發(fā)展不同領域的人工智能。但同時，也要注重區(qū)域的協(xié)同發(fā)展，避免較大的創(chuàng)新能力差距。

4 結語

人工智能專利呈現(xiàn)高速發(fā)展態(tài)勢，各國紛紛制定人工智能發(fā)展戰(zhàn)略，并對人工智能的相關情況進行研究。我國也通過頒布《中國制造2025》《新一代人工智能發(fā)展規(guī)劃》等相關政策，刺激技術創(chuàng)新并推動產業(yè)發(fā)展。人工智能已經發(fā)展成為戰(zhàn)略性產業(yè)技術，成為新一代產業(yè)變革的核心技術。誰能夠在人工智能時代占據技術的領先地位，誰便能夠在國際競爭中占據有力的地位，并能夠主導全球技術標準化的制定。美國是我國長期以來的戰(zhàn)略伙伴，也長期在人工智能領域占領技術高地。美國的人工智能發(fā)展狀況以及趨勢是全世界國家的焦點，近期，美國發(fā)布的《人工智能發(fā)明：追蹤美國人工智能專利擴散報告》從美國視角提供了人工智能專利申請的基本現(xiàn)狀。將這種情況與我國人工智能專利的發(fā)展現(xiàn)狀進行對比，可以發(fā)現(xiàn)：我國人工智能專利的分析工具較為基礎，不僅掣肘人工智能技術的分析并使其落后于發(fā)達國家，從長遠來看影響我國對于人工智能分析的先進性；我國人工智能的投入不足使得基礎層研發(fā)無力，出現(xiàn)如芯片研發(fā)自主性較低等致命問題，造成應用層產出無力的產業(yè)發(fā)展問題；技術壟斷使得人工智能整體研發(fā)活躍度不高，小公司因為技術門檻而難以發(fā)展；我國各地區(qū)人工智能發(fā)展水平不均衡使得人工智能地域差距明顯，東南沿海以及北京、上海、廣州等在人工智能領域具有領先優(yōu)勢，但難以將此優(yōu)勢向全國普及。在未來的發(fā)展中，我國應該更新專利分析工具而避免因分析方法的落后而影響專利布局，也應當始終保持在應用層的技術優(yōu)勢并發(fā)展基礎層的人工智能專利，以不斷強化人工智能專利發(fā)展的獨立性。與此同時，我國也應當因地制宜發(fā)展人工智能產業(yè)，減少地域差距與行業(yè)差距。