2019年人工智能中国专利技术分析报告-2019.12-73页.pdf

人工智能中国专利技术分析人工智能中国专利技术分析报告报告 国家工业信息安全发展研究中心国家工业信息安全发展研究中心 20192019 年年 1212 月月 2 前前 言言 新一轮科技革命和产业变革正在萌发，在移动互联网、大数据、超级计算、传感网、脑科学等新理论新技术的驱动下，人工智能发展进入新阶段，智能化成为技术和产业发展的重要方向。作为引领新一轮科技革命和产业变革的战略性技术，人工智能具有溢出带动性很强的“头雁”效应。世界发达国家均将人工智能上升为国家战略，纷纷出台相关计划，力图在新一轮国际科技竞争中抢占产业技术制高点。近二十年来，全球各大企业、大学、研究机构等纷纷加快人工智能技术研发脚步，全球人工智能专利申请量成快速上升趋势，IBM、微软、三星等国外企业均积极在人工智能领域进行专利布局。中国高度重视人工智能产业的发展。2017 年国务院发布新一代人工智能发展规划，对人工智能产业进行战略部署;在 2018 年 3月和 2019 年 3 月的政府工作报告中，均强调指出要加快新兴产业发展，推动人工智能等研发应用，培育新一代信息技术等新兴产业集群壮大数字经济。截至 2019 年 10 月，中国人工智能专利申请量累计44 万余件，超越美国成为 AI 领域专利申请量最高的国家。国家电网、百度、中国科学院、腾讯、清华大学等国内主要专利权人正不断形成人工智能技术积累，提升在全球人工智能专利布局中的竞争实力。由国家工业信息安全发展研究中心编写的 人工智能中国专利技术分析报告，在科学分类和深入研究的基础上，对人工智能下深度学习技术、语音识别、计算机视觉、云计算、自然语言处理、智能驾驶、智能机器人这七个分支在中国的专利态势进行深度分析。该报告主题明确、内容翔实、数据严谨，前瞻探索颇具深度。3 目目 录录 第 1 章 绪论.5 1.1 人工智能概述.5 1.2 人工智能发展历程.5 1.3 人工智能发展意义.7 1.4 中国快速布局人工智能专利发展.8 1.5 本报告人工智能专利技术分类说明.9 第 2 章 人工智能中国专利技术整体态势分析.10 2.1 人工智能专利技术领域分布.10 2.2 专利申请量趋势分析.11 2.3 主要一级技术分支申请量比例.11 2.4 人工智能申请人专利申请数量排名.12 2.5 国外来华申请人状况分析.13 第 3 章 各分支技术专利态势分析.15 3.1 深度学习技术.15 3.1.1 深度学习技术领域专利申请量年度变化趋势.15 3.1.2 专利申请量排名.16 3.1.3 国内排名前十位的申请人申请量趋势.16 3.1.4 深度学习技术各年度重点分支技术趋势.17 3.1.5 深度学习技术重点申请人重点分支技术布局.18 3.1.6 专利有效性分析.19 3.1.7 技术路线演进.20 3.2 语音识别.22 3.2.1 语音识别领域专利申请量年度变化趋势.22 3.2.2 专利申请量排名.23 3.2.3 国内排名前十位的申请人申请量趋势.24 3.2.4 语音识别各年度重点分支技术趋势.25 3.2.5 语音识别重点申请人重点分支技术布局.26 3.2.6 专利有效性分析.27 3.2.7 技术路线演进.27 3.3 自然语言处理.30 3.3.1 自然语言处理技术专利申请量年度变化趋势.30 3.3.2 专利申请量排名.31 3.3.3 国内排名前十位的申请人申请量趋势.32 3.3.4 自然语言处理技术各年度重点分支技术趋势.33 3.3.5 自然语言处理技术重点申请人重点分支技术布局.34 3.3.6 专利有效性分析.35 4 3.3.7 技术路线演进.35 3.4 计算机视觉技术.37 3.4.1 计算机视觉技术领域专利申请量年度变化趋势.37 3.4.2 专利申请量排名.38 3.4.3 国内排名前十位的申请人申请量趋势.39 3.4.4 计算机视觉技术各年度重点分支技术趋势.40 3.4.5 计算机视觉技术重点申请人重点分支技术布局.41 3.4.6 专利有效性分析.42 3.4.7 技术路线演进.42 3.5 智能驾驶技术.45 3.5.1 智能驾驶技术领域专利申请量年度变化趋势.45 3.5.2 专利申请量排名.45 3.5.3 国内排名前十位的申请人申请量趋势.46 3.5.4 智能驾驶技术各年度重点分支技术趋势.47 3.5.5 智能驾驶技术重点申请人重点分支技术布局.48 3.5.6 专利有效性分析.49 3.5.7 技术路线演进.50 3.6 云计算技术.52 3.6.1 云计算技术领域专利申请量年度变化趋势.52 3.6.2 专利申请量排名.52 3.6.3 国内排名前十位的申请人申请量趋势.53 3.6.4 云计算技术各年度重点分支技术趋势.54 3.6.5 云计算技术重点申请人重点分支技术布局.55 3.6.6 云计算技术专利有效性.56 3.6.7 技术路线演进.57 3.7 智能机器人技术.59 3.7.1 智能机器人技术领域专利申请量年度变化趋势.59 3.7.2 专利申请量排名.60 3.7.3 国内排名前十位的申请人申请量趋势.61 3.7.4 智能机器人技术各年度重点分支技术趋势.62 3.7.5 智能机器人技术重点申请人重点分支技术布局.63 3.7.6 专利有效性分析.64 3.7.7 技术路线演进.65 第 4 章 结论和建议.67 4.1 结论.67 4.2 建议.71 5 第第 1 1 章章 绪论绪论 1.1 1.1 人工智能概述人工智能概述 人工智能（Artificial Intelligence,AI）又称机器智能，是指由人制造出来的机器所表现出来的智能，即通过普通计算机来模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等），使计算机能实现更高层次的应用。其研究范围主要包括自然语言处理、知识表现、智能搜索、推理、规划、机器学习、知识获取、组合调度问题、感知问题、模式识别、逻辑程序设计软计算、不精确和不确定的管理、人工生命、神经网络、复杂系统、遗传算法等领域，并实际应用于机器视觉，指纹识别，人脸识别，视网膜识别，虹膜识别，掌纹识别，专家系统，自动规划，智能搜索，定理证明，博弈，自动程序设计，智能控制，机器人学，语言和图像理解，遗传编程等领域。1.2 1.2 人工智能发展历程人工智能发展历程 兴起阶段（1950-1969）：1950 年，马文明斯基与他的同学埃德蒙一起，建造了世界上第一台神经网络计算机，这被看作是人工智能的一个起点。同样是在 1950 年，英国数学家阿兰 图灵在其题为“计算的机器与智能”的论文中提出图灵测试、机器学习、遗传算法和强化学习，直接推动人工智能早期的发展。低谷阶段（1970-1979）：当时，人工智能主要面临计算机性能不足、问题的复杂性和数据量严重缺失三个技术瓶颈。由于科研人员在6 人工智能方面的评估不足，导致美国国防高级研究计划部署的合作计划失败。1973 年，Lighthill 在针对英国 AI 研究状况的报告中批评了AI 在实现“宏伟目标”上的失败。种种不利形势致使人工智能遭遇了长达 6 年的科研低谷。复苏阶段（1980-1987）：1980 年，卡内基梅隆大学设计了 XCON专家系统，这是一套具有完整专业知识和经验的计算机智能系统，在1986 年之前能为公司每年节省下来超过四千美元经费。有了这种商业模式后，衍生出了 Symbolics、Lisp Machines 等和 IntelliCorp、Aion等硬件、软件公司。20 世纪 80 年代，随着美国一批网络设备公司的开发，人工智能程序的系统被重视起来。其中智能化计算机软件被广泛使用，苹果、微软等公司相继开发智能操作系统。第二次低谷阶段（1987-1996）：人工智能在此阶段技术成果较少。到 1987 年时，苹果和 IBM 公司生产的台式机性能都超过了 Symbolics等厂商生产的通用计算机，专家系统风光不再。快速发展阶段（1997 至今）：1997 年 5 月 11 日，IBM 的计算机系统“深蓝”战胜了国际象棋世界冠军卡斯帕罗夫，又一次在公众领域引发了现象级的 AI 话题讨论。这是人工智能发展的一个重要里程。2006 年，Hinton 在神经网络的深度学习领域取得突破，人类又一次看到机器赶超人类的希望。2016 年，谷歌 AlphaGo4:1 战胜了人类围棋冠军李世石。大数据、云计算以及认知技术等的出现和发展，推动了深度学习技术在人工智能领域的普及，并推动语音识别、图像识别等技术快速发展并迅速产业化。7 1.3 1.3 人工智能发展意义人工智能发展意义 人工智能是改变生活方式和社会建设的重要途径。人工智能在“大智慧”时代扮演着越来越重要的角色，其技术广泛渗透到交通、医疗、教育、物流、养老、文化、体育等生活的方方面面，正深刻改变着传统生活方式。人工智能不断加强同社会治理的结合，在环境保护、城市运行、司法服务等领域的广泛应用，将全面提高公共服务和社会治理水平。人工智能技术可准确感知、预测、预警基础设施和社会安全运行的重大态势，及时把握群体认知及心理变化，主动决策反应，对有效维护社会稳定具有不可替代的作用。人工智能是驱动科技革命和产业变革的重要力量。当前，新一代人工智能相关学科发展、理论建模、技术创新、软硬件升级等整体推进，驱动人工智能发展进入新阶段，智能化成为科技发展和产业升级的重要方向。人工智能具有溢出带动性很强的“头雁”效应，将进一步带动其他技术的进步，成为新一轮科技革命的重要推动力量。通过人工智能在各行各业的规模化应用，将大幅提高智能化生产效率，快速推动传统产业变革。加快发展新一代人工智能是推动我国科技跨越发展、产业优化升级、生产力整体跃升的重要战略。人工智能是影响国际竞争和世界格局的重要资源。在移动互联网、大数据、超级计算、传感网、脑科学等新理论新技术的驱动下，人工智能加速发展，呈现出深度学习、跨界融合、人机协同、群智开放、自主操控等新特征，正在对经济发展、社会进步、国际政治经济格局等方面产生重大而深远的影响。人工智能作为引领未来的战略性技术，8 世界主要发达国家把发展人工智能作为提升国家竞争力、维护国家安全的重大战略，加紧出台规划和政策，围绕核心技术、顶尖人才、标准规范等强化部署，力图在新一轮国际科技竞争中抢占人工智能制高点，以获得竞争主导权。1.4 1.4 中国快速布局人工智能专利中国快速布局人工智能专利 中国人工智能专利申请量排行世界第一。从地域来看，对比全球各国人工智能专利数量，中国、美国和日本位列前三，中国已超过美国成为人工智能领域专利申请量最高的国家。截至 2019 年，中国人工智能专利申请量累计 44 万余件。我国人工智能技术蓬勃发展，对中国人工智能领域的专利态势进行跟踪研究，既是工业和信息化部落实国家新一代人工智能发展规划的一个重要举措，也是落实促进新一代人工智能产业发展三年行动计划（2018-2020）的一个重要内容。工业和信息化部一直坚持通过行业知识产权工作引导和促进产业技术创新，此报告的目的就是通过专利态势的跟踪分析及研究报告的发布，引导、促进人工智能行业重视知识产权工作，进一步提高知识产权意识和工作水平，推进技术创新与知识产权工作相结合，服务企业和产业的发展。本专利态势分析报告主要从七个技术分支分析人工智能领域专利申请态势的基本情况。9 1.5 1.5 本报告人工智能专利技术分类说明本报告人工智能专利技术分类说明 对人工智能专利技术的分类经历以下几个阶段：第一阶段是专利/非专利文献资料的收集和整理阶段。这一阶段主要搜集整理了国内外关于人工智能技术的学术论文、技术标准、政府规划。从这些资料中提炼与分类相关的内容并进行整理；同时，在专利数据库中进行初步检索，大致了解人工智能相关的专利技术情况，提出初步的技术分类。第二阶段是实地调研和专家意见的收集阶段。以初步的技术分类为基础，课题组进行了深入调研并认真听取专家对初步分类的意见。在调研中，课题组走访了高校学者、研究所专家、产业界工程师、政府官员，还包括一些外企高端研究人员，众多专家学者从自身研究的角度给出了一些修正意见。第三阶段是总结修正阶段。结合上述两阶段的工作，进行聚类分析，将人工智能专利技术划分为如下七个一级技术分支：深度学习技术、语音识别、计算机视觉、云计算、自然语言处理、智能驾驶、智能机器人。10 第第 2 2 章章 人工智能中国专利技术整体态势分析人工智能中国专利技术整体态势分析 2.1 2.1 人工智能专利技术领域分布人工智能专利技术领域分布 结合上文 1.5 的专利分类过程，综合考虑技术角度、产业角度、专利角度，人工智能产业技术划分为深度学习技术、语音识别、计算机视觉、云计算、自然语言处理、智能驾驶、智能机器人七个一级的技术分支。以期反映产业技术的整体水平和研发方向，图 2.1 示出了七个一级的技术分支简图。人工智能深度学习语音识别自然语言处理计算机视觉智能驾驶云计算智能机器人 图 2.1 人工智能技术分支图 11 2.2 2.2 专利申请量趋势分析专利申请量趋势分析 对我国人工智能专利申请按照申请年份进行统计，在华专利申请共计 44.4 万件。图 2.2 示出了我国从 2000 年至 2019 年各年度的申请量变化情况。在中国专利申请中，人工智能领域的专利申请量总体上呈逐年上升趋势，且增长率不断提高，在 2010 年后增长速度明显加快，2014 年后增长率又上了一个台阶，近两年的增长率更是令人瞩目，2018 年是目前为止我国人工智能专利申请量的峰值，达到 70281件，是 2010 年申请量的近 20 倍。对于绝大多数业内人士而言，对人工智能技术信心很足，人工智能已成为明确的研发热点，专利数量上迎来井喷。图 2.2 我国人工智能专利申请量年度变化趋势（受公开滞后影响，2019 年专利数据公开不完整）2.3 2.3 主主要一级技术分支申请量比例要一级技术分支申请量比例 按照七个一级技术分支对人工智能总体申请量进行标引后，对申请量所占比例进行统计，得到如图 2.3 所示的一级技术分支申请量01000020000300004000050000600007000080000900001000002000200120022003200420052006200720082009201020112012201320142015201620172018201912 占比。计算机视觉占比最多，达到 34.04%，其次是云计算技术，占整体的 15.72%，另外，深度学习技术和智能驾驶各占整体的 14.56%和 14.84%，对深度学习技术的投入是人工智能领域的发展基础，同时云计算和智能驾驶技术也是人工智能领域新兴的热点。其后按照数量排序分别是占比 7.19%的智能机器人技术、占比 6.91%的语音识别、占比 6.73%的自然语言处理技术。图 2.3 一级技术分支申请量占比 2.4 2.4 人工智能申请人专利申请数量排名人工智能申请人专利申请数量排名 图 2.4 示出了人工智能中国专利申请前十位的申请人排名，其中，我国的百度、腾讯、浪潮集团、华为、阿里、西安电子科技大学、国家电网公司以及浙江大学排在前十名之列，国外企业只有微软公司和三星公司进入前十位排名，位于第三和第六名。可见，我国创新主体在人工智能领域专利申请积极踊跃，总体数量相较国外来华企业具有一定优势，百度公司人工智能领域专利申请数量突出，超出外资企业微软公司千余件专利。深度学习技术 14.56%智能机器人 7.19%语音识别 6.91%云计算 15.72%自然语言处理 6.73%智能驾驶 14.84%计算机视觉 34.04%13 图 2.4 人工智能申请人专利申请数量排名 2.5 2.5 国外来华申请人状况分析国外来华申请人状况分析 对国外来华的申请进行数量比较，得到了图 2.5 中国外来华申请人申请量比例图。如图所示，前十位的国外来华申请人提供了 20%的来华申请，说明国内企业近几年在人工智能领域专利申请有了大幅提升，国外企业在华专利申请数量已不占优势。在国外来华申请人中，排名第一的微软公司、第四的谷歌公司、第五的 IBM 公司、第六的英特尔公司、第七的福特公司、第八位的高通公司和第九位的通用汽车公司均是美国企业，体现出了美国企业对于中国人工智能市场的关注。排名第二的韩国三星公司、第三的日本索尼公司、第十的日本丰田公司，也反映出了日韩两国的龙头高科技企业对于中国的人工智能市场前景的2565 2712 3048 3079 3407 3656 3755 3978 4115 5712 0100020003000400050006000浙江大学 国家电网 西安电子科技大学 阿里 三星 华为 浪潮集团 微软 腾讯 百度 14 认可。图 2.5 国外来华申请人申请量比例图 微软公司 三星公司 索尼公司 谷歌公司 IBM公司 英特尔公司 福特公司 高通公司 通用汽车 丰田公司 前十来华外资企业,20%15 第第 3 3 章章 各分支技术专利态势分析各分支技术专利态势分析 3.1 3.1 深度学习深度学习技术技术 3.1.1 3.1.1 深度学习深度学习技术领域专利申请量年度变化趋势技术领域专利申请量年度变化趋势 纵观图 3.1.1 所示的我国历年人工智能深度学习技术专利申请量变化趋势可以发现，在人工智能技术受到密切关注以及人工智能产业强烈发展需求的大背景下，人工智能深度学习技术发展势头十分迅猛，深度学习技术专利自 2000 年的 45 件，到 2018 年的全国 24203 件专利申请，增长的速度令人瞠目。尤其自 2016 年以来，人工智能深度学习技术的专利申请数量出现井喷式增长。2011 年以前，深度学习技术的申请量每年只有小幅增长，而 2018 年一年的专利申请数量就是上一年的 1.74 倍。图 3.1.1 我国人工智能深度学习技术领域专利申请量年度变化趋势（受公开滞后影响，2019 年专利数据公开不完整）45 62 101 163 174 237 276 378 501 540 676 1363 1215 1670 2095 3535 6867 13916 24203 15249 05000100001500020000250003000016 3.1.2 3.1.2 专利申请量排名专利申请量排名 从申请人数量排行来看，前十名中百度公司的申请数量独占鳌头为 1429 件，体现了其在人工智能深度学习技术领域的强势地位。前十名中有五家都是高等院校，体现出科研高校院所在这一领域的整体优势，也体现了我国在这一技术领域较强的发展意识与较大的科研投入。从申请数量来看，高校之间数量分布较为均匀，而百度公司、平安科技、腾讯科技等企业在这一领域的排位靠前、发展突出，与国内其他企业相比存在明显优势。图 3.1.2 专利申请量排名前十的公司/机构 3.1.3 3.1.3 国内排名前十位的申请人申请量趋势国内排名前十位的申请人申请量趋势 人工智能深度学习技术领域前十位申请人的申请量年度变化趋势如图 3.1.3 所示，其中百度公司的申请量在近三年增长迅速，遥遥673 680 690 750 781 853 890 913 1188 1429 02004006008001000120014001600天津大学 清华大学 阿里巴巴 华南理工大学 电子科技大学 国家电网 浙江大学 腾讯 平安科技 百度 17 领先，虽然比浙江大学、清华大学等高校起步晚，但专利申请量大幅度增长，在该领域处于领先地位。另外，平安科技（深圳）有限公司，总申请量少于百度公司位于第二，其 1188 件专利中，有 92%的专利集中在 2018-2019 年申请，由于专利从申请到授权需要一定的周期和时间，目前其仅有 3.7%的专利处于有效状态，95.88%的专利处于在审状态，可见，该公司近期在人工智能的深度学习技术领域进行专利申请和专利布局较为活跃。其余各家公司或机构申请数量呈稳步上升态势，且整体来看，近三年内大部分申请人的申请数量均有较大幅度的上升，前十名中高校的专利申请数发展态势一直较为稳健。图 3.1.3 国内排名前十位的申请人各自申请量趋势（受公开滞后影响，2019 年专利数据公开不完整）3.1.4 3.1.4 深度学习深度学习技术各年度重点分支技术趋势技术各年度重点分支技术趋势 纵观图 3.1.4，深度学习技术领域主要技术分支近 20 年处于稳步发展的状态，专利申请数量整体呈上升趋势，各技术分支增长速度略有不同。2015 年之后，以 G06N3（仿真系统）、G06K9（数字识别）、0100200300400500600平安科技 腾讯 浙江大学 百度 国家电网 电子科技大学 华南理工大学 阿里 清华大学 天津大学 18 G06F17（数字方法）等为代表的分支技术出现飞速发展，申请量激增且申请量增长率显著提高；而技术分支 G06T7（图像分析）、G06Q10（与行政监管相关的数字系统）、G06Q50（商业智能系统）的专利申请量只呈现小幅度增长，其他技术分支则无明显变化。同时，深度学习技术领域的专利申请以仿真系统、识别、数字方法等技术分支为主，这些分支是该领域的研究和发展重点。图 3.1.4 深度学习技术各年度重点分支技术趋势 3.1.5 3.1.5 深度学习深度学习技术重点申请人重点分支技术布局技术重点申请人重点分支技术布局 在深度学习技术领域，如图 3.1.5 所示，排名前 10 的申请人中大学和企业各半，企业有百度、平安科技、腾讯、国家电网和阿里上榜。G06K9（数字识别）、G06F17（数字方法）成为各主要申请人的重点关注领域，其中百度公司在 G06F17（数字方法）领域专利申请数量上位列首位。从图表可以看出，G06K9（数字识别）、G06F17（数字方法）无论是从科学研究角度，还是市场角度，都是深度学习技术领域研究的重点、难点。19 图 3.1.5 深度学习技术重点申请人重点分支技术布局图 3.1.6 3.1.6 专利有效性分析专利有效性分析 从图 3.1.6 可以看出，76%的深度学习技术领域专利处于实质审查或公开阶段，也就是大部分深度学习技术领域专利处在专利审中阶段，处于授权阶段的有效专利只占全部专利的 13%，失效状态的专利（包括撤回、权利终止、驳回、放弃）占比 11%。说明该领域专利稳定性较低，有较多专利新案亟待进入市场，但也存在一定的失效风险，未来需要继续关注。图 3.1.6 深度学习技术专利专利有效性 020040060080010001200G06K9G06F17G06Q10G06N3G06T7G06F16H04L29G06Q30G05B13G06F1920 3.1.7 3.1.7 技术路线演进技术路线演进 通过对 2000 年2019 年的深度学习技术代表性重要专利进行梳理，得到如下图所示的技术发展路线。2010-1-15CN101782976A南京邮电大学一种云计算环境下机器学习自动选择方法2014-6-20CN104035751A腾讯基于多图形处理器的数据并行处理方法及装置2012-08-14CN103733209A高通用 于神 经时 间 编码、学习和识别的方法和装置200020052006201020112015201620192015-9-7CN105068661A百度基于人工智能的人机交互方法和系统2016-10-31CN106485316A百度神经网络模型压缩方法以及装置2005-9-7CN101010934A微软机器学习2013-04-12CN103164742A南京邮电大学一种基于粒子群优化神经网络的服务器性能预测方法2007-1-10CN101366319A高通认知通信2016-09-13CN106407381A百度一种基于人工智能的推送信息的方法和装置2016-11-4CN106454108A百度基于人工智能的跟踪拍摄方法、装置和电子设备2016-5-31CN106021572A百度二元特征词典的构建方法和装置2016-9-7CN106169961A百度基于人工智能的神经网络的网络参数处理方法及装置 图 3.1.7 深度学习技术发展路线 21 2000 年2010 年期间是深度学习技术的萌芽阶段，比较有代表性的专利是微软公司在 2005 年提出的公开号为 CN101010934A 的专利申请，发明技术涉及自动化响应系统中的机器学习策略；南京邮电大学在 2010 年提出的公开号为 CN101782976A 的专利申请，该技术基于云计算环境的机器学习自主选择方法，通过使用云计算平台，解决了机器学习建模不便的问题。在 2011 年2019 年间，在深度学习技术领域的专利申请大幅增长，出现了神经网络学习处理技术、基于人工智能的人机交互方法及装置。其中，神经网络学习处理技术的代表专利为高通公司在 2012年提出的公开号为 CN103733209A 的专利申请，该专利支持用于神经时间编码、学习和识别的技术，还提出了一种用于大或长的空间-时间模式的神经编码的方法；南京邮电大学在 2013 年提出的公开号为CN103164742A 的专利申请，该专利技术涉及服务器性能预测方法，适用于云计算的基于粒子群优化神经网络的服务器性能预测；百度公司在 2016 年提出的公开号为 CN106169961A 和 CN106485316A 的专利申请，CN106169961A 专利涉及互联网技术，提供基于人工智能的神经网络的网络参数处理方法及装置，用以降低神经网络的内存资源消耗；CN106485316A 专利涉及神经网络模型压缩方法以及装置，该方法可以更好地保持模型效果，大大减少神经网络模型的大小，减少了计算资源，特别是减少了内存资源的占用。基于人工智能的人机交互方法及装置的代表专利为百度公司在2015 年提出的公开号为 CN105068661A 的专利申请，在 2016 年提出22 的公开号为 CN106407381A 和 CN106454108A 的专利申请，CN105068661A 专利技术基于人工智能的人机交互方法，能够基于自然语言进行多轮交互及搜索，将人机交互系统从工具化转变为拟人化的智能系统；CN106407381A 专利提出基于人工智能的推送信息的方法和装置，提高目前搜索引擎推送的搜索结果的针对性以及推送信息的精准度；CN106454108A 专利提出基于人工智能的跟踪拍摄方法、装置和电子设备，确定跟拍规则，简化编码技术，提高跟拍稳定性。3.2 3.2 语音识别语音识别 3.2.1 3.2.1 语音识别领域专利申请量年度变化趋势语音识别领域专利申请量年度变化趋势 对人工智能语音识别领域的专利申请按照申请年份进行统计，图 3.2.1 示出了从 2000 年至 2019 年各年度的申请量变化情况。在全国范围内，人工智能语音识别领域的专利申请量总体上呈逐年上升趋势，在 2012 年后增长速度明显加快，近两年的增长率更是令人瞩目。由此可见，人工智能语音识别领域的发展受到各公司及科研院所的重视，正在迎来全面的技术进步。23 图 3.2.1 我国人工智能语音识别领域专利申请量年度变化趋势（受公开滞后影响，2019 年专利数据公开不完整）3.2.2 3.2.2 专利申请量排名专利申请量排名 从申请人数量排行看来，前十名中百度公司的申请数量独占鳌头为 933 件，与其他公司或机构相比具有显著优势，体现了其在人工智能语音识别领域的强势地位。前十名中其他企业的申请数量较为平均且多个公司申请数量相差不大，体现了各个公司在这一技术领域的竞争十分激烈，且以科技公司为主，无疑这一领域受到各大科技公司的普遍重视。159 200 257 293 367 446 498 552 566 561 687 899 1384 1823 2107 3099 4298 5979 7249 3199 01000200030004000500060007000800024 图 3.2.2 专利申请量排名前十的公司/机构 3.2.3 3.2.3 国内排名前十位的申请人申请量趋势国内排名前十位的申请人申请量趋势 人工智能语音识别领域前十位申请人的申请量年度变化趋势如图 3.2.3 所示，不难看出，百度公司的增长趋势较其他公司更为突出，虽然起步较晚，但专利申请量迅速大幅度超过了其他申请人，并在最近几年遥遥领先。其余各家公司或机构申请数量呈稳步上升态势，华为和中兴公司在该领域起步较早，2000-2005 年左右便开始在语音识别领域进行专利布局，之后几年不够活跃。229 231 234 256 258 292 332 339 417 933 02004006008001000科大讯飞 格力电器 华为 中兴 联想 微软 三星 腾讯 平安科技 百度 25 图 3.2.3 国内排名前十位的申请人各自申请量趋势（受公开滞后影响，2019 年专利数据公开不完整）3.2.3.2.4 4 语音识别各年度重点分支技术趋势语音识别各年度重点分支技术趋势 纵观图 3.2.4，语音识别领域主要技术分支近 20 年处于稳步发展的状态，专利申请数量整体呈上升趋势。语音识别技术从 2017 年开始，整体出现较显著增长，其中语音识别专利申请量在 2011 年之后便出现明显增长，在 2016、2017 年达到增长顶峰。以 G06F（数字方法、数据输入输出装置）、G10L（语音声音分析技术）等为代表的分支技术也呈现较明显的增长趋势；而其他技术分支，如 G06Q（数据处理系统）、G06K（数据识别）、H04N（图像通信）等专利申请量只呈现小幅度增长，其他技术分支则无明显变化。050100150200250300百度 平安科技 腾讯 三星 联想 中兴 华为 格力电器 科大讯飞 阿里 26 图 3.2.4 语音识别各年度重点分支技术趋势 3.2.5 3.2.5 语音识别重点申请人重点分支技术布局语音识别重点申请人重点分支技术布局 在语音识别领域，如图 3.2.5 所示，专利申请数量排名前十的申请人全部是企业，高校和科研院所并未上榜，企业成为语音识别领域专利申请的绝对主力军。从技术分类角度看，G10L15（语音识别）、G06F17（数字方法）、G06F3（数据输入输出装置）是企业专利申请的主要领域，反映出语音识别领域的关注重点。百度公司在 G10L15（语音识别）技术领域占据领先地位，平安科技、腾讯、三星、联想、格力电器、科大讯飞等企业在该领域专利申请量也占据较大份额。图 3.2.5 语音识别重点申请人重点分支技术布局图 02004006008001000G10L15G06F17G06F3G10L25G06K9H04L29H04M1G10L21G10L17G05B1927 3.2.6 3.2.6 专利有效性分析专利有效性分析 从图 3.2.6 可以看出，48%的语音识别领域专利处于实质审查或公开阶段，即约一半的语音识别领域专利处在专利审中阶段，处于授权阶段的有效专利占该领域全部专利的 26%，失效状态的专利（包括撤回、权利终止、驳回、放弃）同样占比 26%。图 3.2.6 语音识别技术专利专利有效性 3.2.7 3.2.7 技术路线演进技术路线演进 通过对 2000 年2019 年的语音识别技术代表性重要专利进行梳理，得到如下图所示的技术发展路线。28 2004-11-26CN101887728A微软公司多传感语音增强方法和装置2007-10-26CN101548313AIBM公司话音活动检测系统和方法2015-3-20CN104821934A百度公司基于人工智能的声纹登录方法和装置2012-12-13CN103871403B百度公司建立语音识别模型的方法、语音识别方法及对应装置2013-8-1CN103456299A百度公司一种控制语音识别的方法和装置2013-01-29CN103971675A腾讯公司自动语音识别方法和系统2017-02-16CN106847292A深圳平安科技声纹识别方法及装置200020052006201020112015201620192013-12-6CN103645876A百度公司语音输入方法和装置2013-8-1CN103400577A百度公司多语种语音识别的声学模型建立方法和装置2009-01-19CN101482976A腾讯公司语音驱动嘴唇形状变化的方法、获取嘴唇动画的方法及装置2017-6-12CN107633842A深圳平安科技语音识别方法、装置、计算机设备及存储介质 图 3.2.7 语音识别技术发展路线 2000 年2010 年期间是语音识别技术的起始阶段，在这一阶段出现了语音增强、驱动和检测技术。比较有代表性的专利是微软公司29 在 2004 年提出的公开号为 CN101887728A 的专利申请，发明技术主要涉及从语音信号中移除噪声；IBM 公司在 2007 年提出的公开号为CN101548313A 的专利申请，该技术主要涉及话音活动监测系统和方法，包括语音编码、免提电话语音识别等众多语音处理工作；腾讯公司在 2009 年提出的公开号为 CN101482976A 的专利申请，涉及语音驱动嘴唇形状变化的方法、获取嘴唇动画的方法及装置。在 2011 年2019 年间，在语音识别技术领域的专利申请大幅增长，语音识别方法、装置以及声纹识别方法、装置专利申请大量涌现。其中，语音识别方法和装置方面的代表专利有百度公司在 2012 年提出的公开号为 CN103871403B 的专利申请，2013 年提出的公开号为CN103971675A、CN103456299A、CN103400577A 的专利申请，CN103871403B 专利主要通过语音搜索技术，建立语音识别模型的方法、语音识别方法及对应装置，以便于实现语言层的快速更新，从而提高搜索新发生事物和信息的能力；CN103971675A 专利提供自动语音识别方法和系统，以提高对生僻词语的语音的识别准确率；CN103456299A 专利提供一种控制语音识别的方法和装置，以便于更方便地启动语音识别功能；CN103400577A 专利提出多语种语音识别的声学模型建立方法和装置，能够对不同语种的语音特征进行区分，提高多语种语音识别的精度。在声纹识别方法和装置方面，代表性专利有百度公司在 2015 年提出的公开号为 CN104821934A 专利申请，该专利技术涉及登录认证技术领域，属于基于人工智能的声纹登录方法和装置；深圳平安科技30 在 2017 年提出的公开号为 CN106847292A 专利申请，该专利技术涉及生物特征的身份识别技术领域，提供一种声纹识别方法及装置，可提高大量语音识别请求的处理效率，缩短处理时间。3.3.3 3 自然语言处理自然语言处理 3.3.1 3.3.1 自然语言处理自然语言处理技术技术专利申请量年度变化趋势专利申请量年度变化趋势 纵观图 3.3.1 所示的我国历年人工智能自然语言处理技术专利申请量变化趋势可以发现，在人工智能技术受到密切关注以及人工智能产业强烈发展需求的大背景下，人工智能自然语言处理技术呈现出指数型上涨态势（2018-2019 年的专利申请数据由于延迟公开的影响，不能客观反映出当年的实际申请数量），该技术相关专利 2000 年全国共计申请 91 件，而 2018 年全国共计申请 7498 件，可见增长速度之快。另外，该图中的环状图显示了自然语言处理技术发明和实用新型的占比，从图中可以看出，发明占比高达 96.61%，可见该领域中，专利类型主要以发明专利为主。31 图 3.3.1 我国人工智能自然语言处理领域专利申请量年度变化趋势（受公开滞后影响，2019 年专利数据公开不完整）3.3.2 3.3.2 专利申请量排名专利申请量排名 从申请人数量排行来看，前十名中百度公司的申请数量独占鳌头为 938 件，与第二名微软公司 569 件拉开了较大的差距，体现了其在人工智能自然语言处理技术领域的强势地位。前十名中有三家高等院校，分别为：北京航天航空大学、浙江大学和清华大学，体现出科研高校院校在这一领域的也具有一定的优势和研究基础，以及我国在这一技术领域较强的发展意识与较大的科研投入。从申请数量来看，高校之间数量差别不大，而百度公司、微软以及腾讯