美国人工智能专利技术发展趋势研究

杨中楷,蒋 欣,2,祭 敏,武雨晨

(1.大连理工大学 公共管理学院,辽宁 大连 116024 2.住房和城乡建设部 科技与产业化发展中心,北京 100835)

1 引 言

我国在2021年发布的《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》中明确提出“在事关国家安全和发展全局的基础核心领域,制定实施战略性科学计划和科学工程,瞄准人工智能等前沿领域,实施一批具有前瞻性、战略性的国家重大科技项目”,充分体现了国家发展人工智能的决心和魄力。2016年以来,美国政府出台了一系列政策措施,以保持美国在全球人工智能领域的领先地位。2021年3月,美国人工智能国家安全委员会向国会递交了人工智能领域竞争报告,确定中国为竞争对手并提议限制中国高端半导体制造业的发展,以确保美国在此领域保持领先地位,从而阻碍中国人工智能技术发展与应用的步伐。可见,人工智能作为战略性新兴产业,已经成为中美竞争的重要领域。从学术界来看,Giczy等[1]发现人工智能的发明正在迅速发展并广泛传播,相比于1970年—1989年和2002年—2017年美国专利商标局的专利申请,其中包含人工智能的份额增长更快,从9%增加到16%左右。邹伟勇、熊云军[2]通过计算我国2000年至2019年地级及以上城市人工智能专利申请数的Moran’s I指数来研究我国各城市人工智能的时空演化特征,研究表明我国人工智能存在空间正相关关系,且空间分布产生明显的极化现象。张胜宝[3]通过计算我国人工智能产业自主创新局部Moran’s I指数,得出我国人工智能产业创新能力存在显著的空间正相关性,区域间溢出效应明显。

现有文献中关于人工智能专利的研究多是基于部分年份或部分地区的相关数据,未能对人工智能专利的发展进行连续性、整体性分析。考虑到人工智能领域的国际竞争态势,本文将针对美国人工智能专利进行多维度分析,力求全景式展现美国人工智能领域专利数量变化趋势、技术领域分布以及空间集聚特征,为我国人工智能技术和产业的发展提供参考。

2 基本概念与数据方法

2.1 人工智能技术及其八大细分领域

美国国家标准技术研究所(NIST)将人工智能技术解释为一种硬件或软件,它能够预测和执行需要人类感官才能完成的任务,并且可以进行识别、规划和学习以及像人类一样交流和参与活动。

根据人工智能技术的应用领域及范围,美国专利商标局将人工智能专利技术分为八大领域:(1)机器学习技术;(2)进化计算技术;(3)自然语言处理技术;(4)语音技术;(5)视觉技术;(6)知识处理技术;(7)规划与控制技术;(8)人工智能硬件。

2.2 数据来源及处理

本文所使用的专利数据来源于美国专利商标局(USPTO)发布的人工智能专利数据库(Artificial Intelligence Patent Dataset,以下简称AIPD),地理位置信息来源于PatentsView提供的patent_assignee(专利ID、专利权人ID及位置ID的对应关系表)以及rawlocation(位置ID与国家及城市的对应表)文件。

AIPD数据库收录了1976年1月至2020年12月期间美国专利商标局授权的人工智能专利和授权前公开文献(PGPub),共13 244 037条数据,文件名为ai_model_predictions,文件各列释义如表1所示。

表1 ai_model_predictions释义

由于PatentsView提供的数据无法匹配PGPubs的地理信息,因此,本文仅对已授权的专利进行分析,选择flag_patent列为1,过滤PGPub,保留已授权专利。选择predict50_any_ai列为1,保留人工智能授权专利,得到数据集1。利用SAS软件,以数据集1中的doc_id列作为主键与PatentsView中的专利号匹配,可以在ai_model_predictions中识别出人工智能专利的专利权人所属国家、州、城市等地理位置信息,匹配后共获得67万条数据,其中43万条专利由美国专利权人获得。本文主要针对此43万条已授权的人工智能专利开展研究,其中地理位置信息缺失的专利有952条,对比超过40万件的匹配结果,误差可以忽略不计。

3 美国人工智能专利的数量和分布趋势

3.1 专利数量整体变化趋势

如图1所示,美国人工智能专利数量整体呈上升趋势。人工智能专利数从1976年的257件增加到2020年的39 955件,年平均增长率为12.15%。分阶段来看,首先是人工智能技术的萌芽期,1976年人工智能授权专利数仅257件,经过16年的发展后,到1992年增长至1244件,这一阶段美国人工智能专利数量一直呈缓慢增加状态。紧接着从1993年开始,人工智能专利的发展进入孕育期,专利数量呈快速增加趋势,到2014年时高达28 797件。最后是成长期,该阶段专利数量整体呈现增长趋势,尽管在2015年和2018年这两年稍有下降,但不影响其整体趋势。人工智能领域专利数量于2020年达到峰值,为39 955件。对美国人工智能专利整体趋势分析表明,人工智能技术正在受到全球研究机构和政府的关注,未来将迎来其成熟期。

图1 1976年—2020年美国人工智能专利数量增长趋势

3.2 人工智能八大技术领域专利数量分布

图2 1976年—2020年美国人工智能八大领域专利数量

从图2中可以看出,人工智能八大领域的专利数量逐年增长,每年数量最多的都是规划与控制技术和知识处理技术领域,这两类技术在2000年以后发展迅猛。人工智能硬件、视觉技术、机器学习也处于中高速发展阶段。而语音技术、自然语言处理和进化计算领域的专利数量虽然有大幅度增长,但相比其余领域,这三类一直都处于落后地位。根据人工智能产业层面及产业领域的划分,美国人工智能专利的分布主要集中在基础层与技术层,应用层较少,这种分布显示了美国在人工智能领域巨大的投入和发展潜力。

表2列出了人工智能八大领域在1976年与2020年的专利数量以及年均增长率,可以看出,人工智能各领域的专利数量虽然差距较大,但年均增长率不相上下。

表2 1976年与2020年美国人工智能各领域专利数量及年均增长率对比

3.3 各州人工智能专利数量分布

图3展示了截至2020年12月,美国各州拥有的人工智能专利数量。可以看出,美国人工智能专利产出主要集中在西部太平洋沿岸的加利福尼亚州、华盛顿州,南部的得克萨斯州及东部大西洋沿岸的纽约州、马萨诸塞州、伊利诺伊州、新泽西州、佐治亚州、宾夕法尼亚州、密歇根州,以上10个州的人工智能专利数量占美国人工智能专利总量的81%,这表明美国人工智能专利产出量总体呈现出东西部沿海沿湖地区多,中部地区少的分布态势。

图3 美国各州人工智能授权专利拥有量

3.4 美国人工智能专利的空间集聚测度

由上述分析可知,美国人工智能专利分布呈显著区域性,即在特定区域内人工智能专利分布比较集中,本节将采用标准差椭圆法及探索性空间数据分析方法全面考察美国人工智能专利的空间集聚特征及其演化规律。

3.4.1 时空演化特征

借助Arcgis10.5软件,将1976年到2020年美国各州人工智能专利测度值导入,利用标准差工具获得标准差椭圆的重心坐标、长短半轴以及椭圆的方位角数据,具体参数如表3所示。

从空间分布范围来看,1976年—2020年标准差椭圆的面积呈现逐步增加态势,表明人工智能技术空间分布趋于分散。2002年—2020年长短半轴标准差均变化较小且趋于稳定,表明美国人工智能专利的空间分布变化较小且相对稳定。

表3 1976年—2020年美国各州人工智能标准差椭圆参数

3.4.2 空间相关性特征

利用Geoda地理信息系统软件可计算得到美国人工智能专利的局部莫兰散点指数。散点图的四个象限,分别对应于该州与其邻州之间四种类型的局部空间联系形式:第一象限(高—高集聚)代表了高观测值的区域单元被同是高值的区域所包围的空间联系形式;第二象限(低—高集聚)代表了低观测值的区域单元被高值的区域所包围的空间联系形式;第三象限(低—低集聚)代表了低观测值的区域单元被同是低值的区域所包围的空间联系形式;第四象限(高—低集聚)代表了高观测值的区域单元被低值的区域所包围的空间联系形式[4]。

为了展现1976年—2020年美国各州人工智能专利局部空间集聚模式,表4列出了1976年—2020年不同象限所分布的州。总体而言,美国人工智能专利的州域分布在前期呈现出较强的正向空间关联集聚特征,空间同质性显著(高—高集聚与低—低集聚),而空间异质性(高—低集聚与低—高集聚)则不太显著,但在1996年以后,以低—高集聚或低—低集聚为主。具体而言:(1)早期康涅狄格州、新泽西州、宾夕法尼亚州、马萨诸塞州、纽约州和俄亥俄州的人工智能专利数量远高于周围各州,但后期高—高集聚区的空间分布格局发生颠覆性变化,呈现缩减直至消失的状态。(2)田纳西州、怀俄明州、蒙大拿州、犹他州、密西西比州、科罗拉多州、内布拉斯加州和佐治亚州是人工智能专利产出的低值集中区,随着时间的推移,该类地区呈现出缩减态势。(3)夏威夷州、佛蒙特州和俄勒冈州作为专利产出高值区与专利产出低值区之间的过渡区域,它们的人工智能专利数量较少,且增长缓慢。(4)得克萨斯州的人工智能专利数量虽然高于周围各州,但与人工智能技术发达州域相比仍存在较大差距,且对周围各州人工智能专利的产出没有明显带动作用。

表4 美国各州人工智能专利水平聚类(1976年—2020年)

4 中美人工智能专利技术发展情况对比

根据《战略性新兴产业分类与国际专利分类参照关系表(2021)(试行)》中对人工智能领域的分类进行IPC检索,得到中国34个省级行政区在1985年—2022年的人工智能授权专利数量,再与前文美国人工智能专利发展情况进行比较,找出两者的发展差异。

4.1 人工智能专利数量整体变化趋势对比

图4对比了1985年—2020年中美人工智能专利的增长趋势。从图4中可以看出,中国人工智能领域的专利授权量经历了以下几个阶段:2000年以前处于萌芽阶段,人工智能发展缓慢,总授权量不足2000件;2000年—2007年处于起步阶段,人工智能领域的专利授权数从2000年的473件升至2007年的2123件;2008年—2013年处于缓慢发展阶段,这一时期的人工智能专利授权数量增长相对缓慢,从2008年的2898件升至2013年的9653件;2014年以后,进入快速发展阶段,在这一阶段,人工智能专利发展迅猛,且在诸多领域实现突破性进展。截至2020年12月,中国人工智能领域专利授权总量为237 029件,全国所有省级行政地区都拥有人工智能领域的授权专利。

尽管美国人工智能专利数量在个别年份有波动,但整体仍呈上升的趋势。尤其在2008年以后,出现飞速发展的态势,到2020年底,美国专利权人所获得的人工智能专利数量总计429 643件。而中国在2000年之前几乎没有与人工智能相关的专利,在2014年以后,与人工智能相关的专利授权数量才呈快速增长态势,且截至2020年12月,中国人工智能授权专利累积总量与美国仍存在较大差距。

4.2 人工智能专利所属技术领域对比

《中国新一代人工智能科技产业发展报告(2021)》指出,截至2020年底,中国人工智能企业布局侧重在应用层和技术层。如图5所示,应用层人工智能企业数占比最高,达到84.05%;其次是技术层企业数,占比为13.65%;基础层企业数占比最低,为2.30%。同年,在《中国人工智能高价值专利及创新驱动力分析》报告中,我国将人工智能归纳为基础通用技术、关键领域技术、应用技术和支撑技术四类模块共14项技术分支,并指出专利申请量占比从大到小依次是应用技术模块、关键技术模块、支撑技术模块和基础通用技术模块。

图5 中国人工智能企业布局

如图6所示,美国人工智能八大领域发展也存在较大差距,规划与控制以及知识处理是发展最快的领域,其次是人工智能硬件、视觉与机器学习,发展最慢的是语音、进化计算以及自然语言处理,且这三大集群各年发展趋势类同。根据人工智能产业层面及产业领域的划分可得,美国人工智能发展的区域主要在基础层与技术层,在应用层的分布较少,我国则更专注于发展应用层[5]。

图6 美国人工智能专利各领域布局

4.3 区域人工智能专利数量对比

总体而言,中国人工智能专利在空间上呈自东部沿海向西部内陆递减分布。如图7所示,1985年—2020年34个省(区、市)累计人工智能专利数呈现明显的东多西少空间格局,专利规模存在直观的地域差异,具体来说:广东、北京、江苏、山东、浙江和上海的人工智能专利数量处于第一梯队,占本土人工智能专利总数的63%;包括四川、台湾、湖北、陕西、河南、福建、天津和安徽在内的8个省(市)的专利数量在5000—10000件之间,构成了第二梯队;包括重庆、湖南、辽宁、江西等在内的12个省(市、区)的人工智能专利数量在1000—5000件之间,构成了第三梯队;新疆、香港、内蒙古、海南等省(区)的人工智能专利总量则在1000件以下,处于第四梯队;专利拥有量最少的则是西藏和澳门,处于第五梯队,专利数量均未超过100件。

美国各州人工智能专利数量均在快速增长,且大部分人工智能专利集中在东、西部,中部数量较少。人工智能专利总量Top20的州中,有15个位于美国东部或西部,而人工智能专利数量排名靠后的州大部分位于美国中部地区,虽呈现一定的分散趋势,但地区间差异依然存在。中国人工智能发展区域差异也较大。其中,广东、北京、江苏、山东、浙江和上海属于人工智能发展领跑者,四川、台湾、湖北、陕西、河南、福建、天津和安徽属于追赶者,其余省份属于落后者。东—西、东—中、东—东北差异是我国人工智能专利区域发展差异的主要表现,东部地区内差异和西部地区内差异为次要表现[6]。总的来看,中美人工智能专利分布区域差异都较为明显。

5 对策建议

通过前文分析,对照中美两国人工智能发展现状,对我国人工智能技术发展提出以下两点建议:

一是政府、企业和高校通力合作,共同提升人工智能专利数量和质量。为推动中国人工智能专利数量和质量的进一步提升,需要政府提供包括政策、资金、技术等一系列支持,并系统协调高等院校、行业企业发挥各自优势,通力合作,联合攻关,方可取得成效。首先,政府应保障经费支持的稳定性,制定人工智能产业申请专利并获得授权的专项鼓励政策。同时,还需要统筹引导,推动当地高校及科研机构与企业协同创新。其次,企业要紧抓人工智能新一轮科技革命的发展机遇,充分利用政府的利好政策,追求与其经营和发展相适应的专利储备目标。此外,企业还可以就薪资、发展机会、人性化的工作制度等管理规定吸引国内外的优秀人才以建设优质内部团队,共同保障人工智能领域高质量专利申请。最后,对国内外高校和科研院所来说,因其对人工智能关键技术的研究有较多的积累成果且是最早开展人工智能研究的机构之一,应进一步实现与企业的衔接,联合双方力量,为人工智能专利的发展贡献更大的科研力量。

二是因地制宜发展人工智能技术。中国各省份应该实事求是,深入细致地分析自身发展人工智能的根本目的和条件,制定更加清晰的、适合本地区资源条件的发展目标,不应一窝蜂地盲目发展。当前,新疆、西藏等西部地区人工智能发展的外部环境不完善,先天基础薄弱,应充分利用当地的现有资源,为人工智能产业的发展与运用提供经济基础。湖南、河南、河北、吉林等中部和东北地区要充分发挥与东部地区相邻的优势,主动学习发展经验,并营造有利于人工智能发展的宽松环境。当前中国人工智能技术发展主要集中在技术层和应用层,对基础层缺少足够的投入,故广东、北京、江苏、山东等东部发达地区应加大对基础层领域的投入,为人工智能技术的实现和人工智能应用的落地提供基础后台保障。同时,应制定省际协作机制,打破人工智能技术流动的壁垒,扩大人工智能技术的溢出和扩散效应,以带动中西部地区协同发展。