來源：智東西

摘要：深入分析AI技術在世界範圍內的專利申請資料，從專利申請的角度發現AI領域發展活躍的技術。

 

最近兩年，隨著人工智慧技術在國內的蓬勃發展，一些研究機構對國內外的技術現狀進行了不同角度的分析，這些研究對於國內企業的自身發展起到了積極的指導作用。但是還沒有一項研究是專門從專利技術的角度進行深入的分析，而對於業內的企業來說，專利技術是反映真正技術實力的重要指標。

人工智慧技術整體專利態勢

 

1、各國專利申請趨勢

 

下圖揭示了從1985年至2017年各年度的申請量變化情況。全球範圍內，人工智慧領域的專利申請量總體上呈逐年上升趨勢，在2010年後增長速度明顯加快，近兩年的增長率更是令人矚目。由此可見，人工智慧領域已經成為世界各國的研發熱點，正在迎來全面的技術進步。

 

▲全球人工智慧專利申請量年度變化趨勢

 

對各個國家/地區的人工智慧領域專利申請量進行統計，排名前十位的國家/地區依次為中國、美國、日本、韓國、歐洲（指在歐專局直接提出申請）、德國、澳大利亞、臺灣、加拿大和印度。可見，中國在人工智慧領域的專利申請數量已經超過了美國，達到76876件，列於首位。美國以67276件的申請量略低於中國，日本位列第三。如果將同屬歐洲地區的多個國家/地區進行合併，其申請總量將超過韓國，位列第四。其餘各國中，臺灣地區能夠位列前十是比較引人矚目的。

 

▲專利申請量排名前十的國家/地區

 

與全球的變化趨勢相比，近十年來，在中國進行專利申請的年度增長率明顯更高，尤其是最近兩年，幾乎呈現直線上升的趨勢。可見，人工智慧的技術研發在我國達到了空前的熱度，這對全球申請總量的增長也起到了極大的促進作用。

 

▲中國專利申請年度變化趨勢

 

對人工智慧領域主要申請人的申請量進行統計，得到申請量排名前五的申請人依次為百度、中國科學院、微軟、騰訊和三星。

 

其中三個中國申請人百度、中國科學院、騰訊的申請量在近幾年增長迅速，尤其以百度公司最為亮眼，雖然起步較晚，但專利申請量迅速大幅度超過了其他申請人，並在最近兩年遙遙領先。而兩家國外來華申請的微軟和三星雖然曾經在申請量上具有優勢，並保持持續增長的勢頭，但是在最近幾年的表現卻有些差強人意。

 

▲國內排名前五位的申請人各自申請量趨勢

 

美國申請量整體呈現平穩上升的趨勢，在2010年之後有過一段迅速增長的時期，最近兩年的增長速度稍微放緩，2017年的申請量下降可能是由於部分2017年的專利申請未公開的情況造成。

 

▲美國專利申請年度變化趨勢

 

歐洲地區申請量整體呈上升趨勢，並在2010年之後經歷了一段快速增長的時期，但近兩年的申請量卻開始回落，雖然2017年的資料會受到公開滯後的影響，但2017年的申請量整體下降的趨勢似乎已經難以逆轉。

 

▲歐洲地區專利申請年度變化趨勢

 

日本的申請量趨勢雖然整體呈上升趨勢，但與中國、美國、歐洲地區有所不同的是，日本專利申請量在20世紀90年代末就率先加快了上升速度，在進入21世紀之後反而趨於平緩，雖然同樣在2010年之後迎來了增長期，但增長速度明顯無法和其他幾個國家和地區相比。

 

▲日本專利申請年度變化趨勢

 

與美國申請量趨勢類似，韓國申請量整體呈上升趨勢，在2010年之後上升趨勢加快，目前是在2016年達到峰值，2017年的申請量下降可能是由於部分2017年的專利申請未公開的情況造成，變化趨勢不明顯。

 

▲韓國專利申請年度變化趨勢

 

2、專利權人整體狀況

 

在國內的主要專利權人中，大部分還是國內的公司和高等院校，而國外來華的專利佈局並不如其在其本國的專利申請量多。其中，國內申請量最多的專利權人為百度，申請量為2368件。

 

▲中國主要專利權人申請量

 

下圖為主要專利權人在美國的申請量，其中IBM的申請量獨佔鰲頭，比排名稍靠後的微軟和Google都要多將近一倍，而在美國申請量排名靠前的公司中，美國公司佔了一半，且這些公司在美國申請量和其在全球申請量相近，其他公司則為日韓歐公司，分別為三星、索尼、佳能，東芝，NEC和西門子，且這些公司在美國的申請量要遠低於其全球申請量。

 

▲主要專利權人在美國的申請量

 

下圖為各個主要專利權人在歐洲地區（包括歐專局和歐洲幾個主要國家如英、法、德等）的申請量。可以看出排名靠前的幾家公司，歐洲公司（如西門子、博世、奧迪）、美國公司（如微軟、通用、福特、google、IBM）和日韓公司（三星、Toyota）基本上平分秋色，其中又以歐洲公司西門子和博世申請量位列榜首和第二位。

 

▲主要專利權人在歐洲申請量

 

下圖為各個主要專利權人在日本地區的申請量，可以看出，在日本申請量排名靠前的各個公司全為日本本國公司，且通過上述幾家公司在日本的申請量和在全球申請量的對比可以看出，上述幾家公司的主要申請都在日本，因此可以看出，諸如IBM、Google等美國公司在日本的專利佈局量並不多。

 

▲主要專利權人在日本申請量

 

下圖為各個主要專利權人在韓國地區的申請量，可以看出，韓國比較知名的公司和研究機構如三星、現代、韓國電子通訊研究院、LG等公司在韓國申請量排名靠前，且申請量比較大，而其他韓國本土公司的申請量則較低。而微軟、Google等美國公司在韓國的申請量同樣較小，但仍多過其他韓國本土公司。

 

▲主要專利權人在韓國申請量

 

3、PCT申請態勢分析

 

PCT申請是基於《專利合作條約》和《專利合作條約實施細則》向世界智慧財產權組織提出的發明專利申請。PCT申請在經過國際檢索和國際初步審查之後，經申請人的請求，可以進入多達144個PCT成員國。由於其特殊性，PCT申請通常可以認為具有較高的技術價值，或者為申請人的重點研發技術。本節選取世界範圍內在相關技術領域的PCT申請（申請號為WO）作為研究物件，對其趨勢特點、地域特點和技術分佈特點進行簡單分析。

 

（1）世界範圍內的PCT申請量分佈特徵

 

前文確定的世界範圍內人工智慧領域專利申請資料集中共包含PCT申請25628件。下圖示出了這些PCT申請的申請量隨年度變化的趨勢。從圖中可以看出，人工智慧領域PCT申請量一直保持較為平穩的增長，並在2010年之後進入高速增長期，申請量大幅增加。這一趨勢與2.1節的相關領域專利申請總量的變化趨勢是一致的。

 

▲PCT申請量年度分佈

 

（2）世界主要PCT申請地區的申請年代趨勢

 

對世界範圍內在相關技術領域的PCT申請的優先權國家進行統計分析，選取排名前十位的國家列於下圖。

 

▲PCT申請來源國家和地區分佈

 

提出PCT申請一般意在向多個成員國提出專利申請，是技術輸出的技術指標之一。從PCT申請的數量來看，在人工智慧領域，美國仍然是技術輸出的領頭羊，並且其申請量佔到總量的41%。如果將圖中來自歐洲地區的申請合併在一起共有4137件，因而歐洲作為一個地區，其PCT申請量超過日本，位列第二。而中國雖然近年來在人工智慧領域的研究活躍，在國內的專利申請數量激增，但是PCT申請的數量相對較少，仍然沒有形成較大規模性的技術輸出。

 

對PCT申請量排名前列的國家和地區的申請量趨勢進行分析可以發現，在2010年之後，美國和中國在人工智慧領域的PCT申請量增長速度明顯加快，呈現快速增長的趨勢，中國的PCT申請量更是後來居上，在近幾年逐漸超過日本和歐洲，達到世界第二位。歐洲、日本和韓國雖然整體上也是保持增長的態勢，但是增長速度相對較緩，尤其是歐洲在近兩年的增長勢頭更是後勁不足，申請量逐漸被日本和中國趕超。

 

▲PCT申請主要來源國家和地區申請年度趨勢

 

（3）世界範圍內PCT申請的技術分佈

 

對人工智慧領域的PCT申請在幾個主要技術分支的申請量進行統計，結果如下表所示。在這幾個技術分支上，PCT申請的申請量分佈較為均勻，只有在計算機視覺和影象識別領域申請量較少。

 

▲主要技術分支PCT申請量

 

（4）世界主要PCT申請地區的技術分佈

 

對PCT申請的主要來源國家和地區在這幾個技術分支上的申請進行統計，可以發現美國在機器學習和基礎演算法、智慧搜尋和智慧推薦、語音識別、自然語言處理四個領域內的PCT申請量居於絕對領先的地位，歐洲地區則在自動駕駛領域的申請量比較突出，日本的PCT申請主要集中在自然語言處理和自動駕駛領域，中國則僅僅在自然處理領域比較有提出PCT申請的自信，在其他五個技術分支上仍然是默默無聞的狀態。

 

▲主要PCT申請地區技術分佈

 

人工智慧重點專利技術

 

1、主要技術分支

 

人工智慧領域的研究方向涉及多個不同的學科，在應用層面也涉及到多個子領域。本章選取人工智慧領域中比較有代表性的幾個技術分支作為研究物件，對各個技術分支的專利申請量和申請人進行分析，繪製各個技術分支的技術生命週期，以期得出人工智慧領域技術發展的脈絡。

 

作為研究物件的技術分支包括：機器學習和基礎演算法、智慧搜尋和智慧推薦、語音識別、自然語言處理、自動駕駛及計算機視覺和影象識別。以上六個技術分支在全球範圍和國內的專利申請量分別如下表所示。

 

▲各技術分支專利申請量

 

▲各技術分支全球範圍專利申請量

 

▲各技術分支國內專利申請量

 

2、主要技術分支技術生命週期

 

機器學習和基礎演算法這一技術分支在1985後一直處於緩慢的增長中，僅在1999、2000年左右有過短暫的技術活躍期，在熬過近十年的技術停滯期後，終於在2009年之後迎來了一次快速的發展。而近幾年則慢慢出現了技術成熟期的特點：2014-2015年間申請人數量幾乎不變，2015-2016年間申請人數量的增長低於申請量的增長，2016年的申請量比2015年的申請量翻了一番還多，2017年申請量增長的速度有所下降，而申請人數量大幅度下降。

 

▲機器學習和基礎演算法技術生命週期

 

智慧搜尋和智慧推薦這一技術分支在1985-1993年間處於技術萌芽期，1994-1998年間進一步發展，在經歷1999-2006年間以及2006-2010年間兩次小範圍振盪之後，迎來了一次技術活躍期，申請人數量和申請量均在2012年達到峰值，2012年與1999年相比，申請人數量幾乎翻了兩番，申請量增加了高達400%之多。在這之後申請人數量急劇下降，到2015年下降43%，從2015年到2017年幾乎折半，申請量在2012-2015年間下降幅度相對較小，約為15%，但在2015-2017年間幾乎也是折半的。可見在這一技術分支上，技術發展有再一次進入瓶頸的可能。

 

▲智慧搜尋和智慧推薦技術生命週期

 

語音識別這一技術分支的發展較為曲折，在1998-2000年有過一段技術快速增長的階段，隨後陷入了較長時間的停滯，在2001-2010年間申請人數量和申請量在振盪中整體呈下降態勢，申請人數量下降41%，申請量下降39%。而在2010年後再次迎來了技術成長期，增長勢頭維持至今，2017年的申請人數量和申請量下降可能是由於部分2017年的申請未公開的原因。

 

▲語音識別技術生命週期

 

自然語言處理這一技術分支在1985-1993年間處於技術萌芽期，總的來說，1993-2014年間，申請人數量的增長速度大於申請量的增長速度，除了2000-2004年間的瓶頸期以及2008-2009年間短暫的反覆以外，申請人數量和申請量都是逐步加速增長的。在2014年之後，這一領域逐漸進入技術成熟期，申請人數量小幅度下降，但申請量穩步上升，在2017年達到峰值。

▲自然語言處理技術生命週期

 

自動駕駛這一技術分支在1985-1997年間發展緩慢，從1998年開始加快發展，在2004-2012年間進一步加速，其間申請人數量增加了近兩倍的量，申請量增加了超過兩倍的量。2012後申請人數量有過短暫的下降，但隨後仍然保持了技術成長活躍的勢頭，申請人數量和申請量均大幅上漲，2017年相較於2016年申請人數量和申請量有所下降，可能是由於部分2017年的申請未公開的原因。

▲自動駕駛技術生命週期

 

計算機視覺和影象識別這一技術分支總體上始終處於增長的態勢，在2005-2009年短暫的技術瓶頸期後，2009-2016年間整體上均處於快速成長的階段，申請人數量增加了近1.5倍，申請量增加了2.3倍，2017年的申請人數量和申請量下降可能是由於部分2017年的申請未公開的原因。

 

▲計算機視覺和影象識別技術生命週期

 

3、主要技術分支申請量

 

各技術分支在國內的申請量整體上均呈現了不斷上升的趨勢，機器學習和基礎演算法、自然語言處理、計算機視覺和影象識別、語音識別、智慧搜尋和智慧推薦這五個技術路線在進入21世紀之後開始穩步增長，2010年以後快速增長，其中值得一提的是機器學習和基礎演算法，2010年之前與其他四個技術路線幾乎齊頭並進，在2014年之後一枝獨秀，幾乎呈直線增長態勢，自動駕駛這一技術路線起步較晚，從2010年以後才開始加快發展速度，但2014年之後在發展速度上超過了自然語言處理、計算機視覺和影象識別、語音識別、智慧搜尋和智慧推薦，在2017年略有下降。

 

▲各技術分支在國內的申請量趨勢

 

各技術分支在美國的申請量整體呈曲折式上升趨勢，機器學習和基礎演算法、計算機視覺和影象識別率、語音識別率先從20世紀90年代初開始平穩增長，各技術路線從20世紀90年代末開始加速增長，2010年以後高速增長，其中機器學習和基礎演算法幾乎呈直線增長，而計算機視覺和影象識別、智慧搜尋和智慧推薦、語音識別在2014年以後呈下降趨勢。機器學習和基礎演算法、自然語言處理、自動駕駛在2017年的申請量下降可能是由於部分2017年的申請未公開的原因。

 

▲各技術分支在美國的申請量趨勢

 

各技術分支在歐洲（包括EP、DE、GB、FR）的申請量整體呈曲折式上升趨勢，語音識別從20世紀90年代中期開始發展，自然語言處理、計算機視覺和影象識別、智慧搜尋和智慧推薦、自動駕駛在2000年前後開始加快發展，但自然語言處理、計算機視覺和影象識別、語音識別、智慧搜尋和智慧推薦、自動駕駛在2015年以後均有所回落，其中自動駕駛在2010年以後曾高速發展過，但機器學習和基礎演算法在20世紀90年代初開始平穩增長，2010年以後快速增長，在2014年以後幾乎呈直線增長，2017年的申請量下降可能是由於部分2017年的申請未公開的原因。

 

▲各技術分支在歐洲的申請量趨勢

 

機器學習和基礎演算法、自然語言處理、計算機視覺和影象識別、語音識別、智慧搜尋和智慧推薦、自動駕駛在日本整體呈上升趨勢，其中機器學習和基礎演算法、計算機視覺和影象識別從20世紀90年代初開始加快發展速度，進入20世紀90年代中期後自然語言處理、智慧搜尋和智慧推薦、自動駕駛也加快了發展速度，達到了一個小高峰，之後曲折式上升，但在2014年以後計算機視覺和影象識別、智慧搜尋和智慧推薦發展速度有所下降，機器學習和基礎演算法、自然語言處理反而在2014年以後迅速發展，語音識別這一發展路線不同於其他5個發展路線，在進入20世紀90年代中期後迅速發展，在2000年前後達到峰值，但之後一直呈下降趨勢，機器學習和基礎演算法、自然語言處理、自動駕駛在2017年的申請量下降可能是由於部分2017年的申請未公開的原因。

 

▲各技術分支在日本的申請量趨勢

 

4、主要技術分支國內重要申請人

 

在機器學習和基礎演算法方向，國內的申請人主要集中在科研院所和大學，在排名前15位的申請人中，佔到了10位。其餘五位中，國外申請人只有微軟，百度、騰訊、阿里巴巴和國家電網佔據了其餘四席。可見在人工智慧的基礎演算法方面，國內的專利申請雖多，但大量成果仍然處於實驗室階段，只有比較有實力的大型企業才在基礎演算法方面投入較多。在排名靠前的申請人中，前兩位的中國科學院和百度的申請量比較令人矚目，幾乎是第三位的兩倍之多，分別成為科研機構和企業在這一領域的標杆。

 

▲機器學習和基礎演算法方向國內主要申請人

 

與機器學習和基礎演算法形成鮮明的對照，在智慧搜尋和智慧推薦方向，專利申請的主力是大型網際網路企業及智慧終端廠商。國外申請人有四位上榜，分別是微軟、三星、谷歌和LG。在國內申請人中，百度的申請量以576件遙遙領先，騰訊以220件位列國內申請人的第二位。在科研機構中，中國科學院和浙江大學排進了前15位，但申請量並不是很大。

 

▲智慧搜尋和智慧推薦方向國內主要申請人

 

語音識別方向前15位的申請人也以企業為主，科研機構僅有中國科學院一位。在這一領域，國外來華的申請人佔據優勢，達到八位，國內企業雖然在申請人數量上表現一般，但是百度的申請量以絕對優勢位列榜首，從而在申請總量上扳回一城。

 

▲語音識別方向國內主要申請人

 

在自然語言處理這一技術分支上，前15位中企業申請人和科研機構申請人分別佔據半壁江山。排名前三的百度、中國科學院和微軟的申請量總體較為突出。IBM的排名在這一領域達到了比較靠前的位置。在科研機構申請人中，除在各個領域均位列前茅的中國科學院外，浙江大學的表現也令人印象深刻，在自然語言處理方向位列第五，而在機器學習和基礎演算法方向則達到第三位。

 

▲自然語言處理方向國內主要申請人

 

在自動駕駛方向，排名前15的申請人以企業申請人為主，但是這些企業主要是以福特、豐田為代表的國外老牌汽車生產廠商。國內的企業僅有百度、大疆和容祺智慧擠進榜單，百度作為上榜的唯一一家網際網路公司，申請量列於首位，這應該歸功於百度近年來投入研發的無人駕駛專案。而大疆和容祺智慧都是生產無人機的廠商，在這一領域的專利申請反而走在了國內各大汽車製造商的前面。科研機構申請人中，北京航空航天大學的申請量最高，應該與該學校特殊的專業設定和研究方向有關。

 

▲自動駕駛方向國內主要申請人

 

在計算機視覺和影象識別方向，企業申請人和科研機構申請人又是各佔一半的形式，但在申請量上，企業申請人整體上具有一定的優勢。在排名靠前的企業申請人中，除百度和騰訊兩家網際網路公司外，歐珀、小米、三星、索尼和聯想都是智慧終端的製造商，由於智慧終端影象處理需求的不斷提高，促進了智慧終端製造商在這一領域的研發投入。

 

▲計算機視覺和影象識別方向國內主要申請人

人工智慧重要專利權人分析

 

1、國內主要專利權人分析

 

在我國國內各公司的申請量趨勢非常一致，保持了一個平穩的持續增長的速度，而其中，百度和中國科學院的申請量在2013年之後增長遠超其他專利權人，其中又以百度為首，其申請量增速在2013年之後有了飛躍的提升。而其中各個專利權人在2017年的申請量有了分化，其中屬於國外的公司的申請量均有所下降，很大的原因是因為2017年的申請還有很多沒有公開，因而無法體現在資料中，但是中國本土的公司、高校和科研院所的申請量不降反升，這其中，一部分原因可能是國內的這些專利權利人的申請量進一步增加，另一部分也和國內現在很多專利權人要求提前公開、進入優先審查流程等快速通道有關。

 

▲國內主要專利權人申請量變化趨勢

 

2、美國主要專利權人分析

 

和在中國國內的申請量變化趨勢不同，其中部分專利權人的申請量總體而言都非常平穩，沒有明顯波動，例如索尼、AT & T，西門子等。IBM和Google的申請量在2010年之後增速明顯，其中Google的申請量在2013年之後有了一定的回落，隨後達到平穩。三星公司的申請處於穩步增長的狀態，微軟的申請量則是在整體平穩的基礎上有小幅的波動。而上述專利權人的申請量在2017年基本上都有了一定程度的回落，只有東芝、佳能和索尼等幾個日本公司以及西門子的申請量在2017年維持了和2016年相當並稍偏上的水平，可能是由於部分2017年的專利申請未公開的情況造成。

 

▲美國主要專利權人申請量變化趨勢

 

3、歐洲主要專利權人分析

 

不同於中國和美國，其申請量趨勢基本上隨著年代的更新而持續增長。歐洲地區的大部分專利權人的申請量的峰值在2014-2016年之間，隨後走向頹勢，這也和歐洲地區申請量的整體情況相吻合。而其中總體申請量佔首位的西門子公司，其申請量反而從2003年之後一直在走向回落，隨後在2014-2016年有小幅上揚。排名第二的博世公司在2009年之後申請量有了巨大提升，隨後增速在2012年放緩後，申請量在2014年達到頂峰後開始回落。

 

▲歐洲主要專利權人申請量變化趨勢

 

4、日本主要專利權人分析

 

日本的申請量變化趨勢在幾個國家和地區中最為複雜，且除了個別公司，如Nippon，Toyota之外，其他幾個公司找不到明顯的具有上升趨勢的申請態勢，申請量反而從2000年之後一直處於劇烈的波動狀態，甚至索尼公司的申請量一直在逐年走低。而這些專利權人的申請量在2017年基本上都有了一定程度的回落，可能是由於部分2017年的專利申請未公開的情況造成。

 

▲日本主要專利權人申請量變化趨勢

 

5、韓國主要專利權人分析

 

韓國的申請量變化趨勢和中國的非常相似，基本上在從2000開始的申請量極其微小，隨後開始緩慢增加，從2010年之後增速相對加快，其中三星公司的申請量從2010年之後進入快速增長期，到2013年達到頂峰後走向平緩。現代公司的申請量則是在2015年達到頂峰。這些專利權人的申請量在2017年基本上都有了一定程度的回落，可能是由於部分2017年的專利申請未公開的情況造成。

 

▲韓國主要專利權人申請量變化趨勢

 

智東西認為， 國內的人工智慧領域技術發展欣欣向榮，處於技術快速成長的階段。國內企業專利申請量迅猛增長，研發投入必然是巨大的。為了更好地做好專利佈局，在此次技術革新中佔得先機，企業在人工智慧領域的技術研發中應當注意對國內外專利公開文獻的利用，避免重複的技術研發投入，同時也可以及時獲得技術發展的新動向。其次，企業在提高國內專利申請數量和質量的同時，也需要逐步在美國、日本和歐洲等國家和地區進行專利申請，注重對於高價值專利技術在全球的合理佈局。最後，我國在人工智慧領域的專利申請有很大一部分來自大學和科研院所，尤其是在機器學習和基礎演算法、自然語言處理方向，企業可以通過與這些科研機構進行技術合作，促進科研機構專利成果轉化，同時減少研發成本，縮短研發週期。

 

未來智慧實驗室是人工智慧學家與科學院相關機構聯合成立的人工智慧，網際網路和腦科學交叉研究機構。

 

未來智慧實驗室的主要工作包括：建立AI智慧系統智商評測體系，開展世界人工智慧智商評測；開展網際網路（城市）雲腦研究計劃，構建網際網路（城市）雲腦技術和企業圖譜，為提升企業，行業與城市的智慧水平服務。

https://blog.csdn.net/cf2SudS8x8F0v/article/details/84750372