2023年人工智能专利申请现状.pdf

中国科技信息 2024 年第 10 期CHINA SCIENCE AND TECHNOLOGY INFORMATION May.2024-14-专利分析人工智能（Artificial Intelligence，AI）技术作为第四次科技革命浪潮的核心科技，是推动国家经济发展的最重要的技术力量。随着各个技术领域的人工智能（AI）技术在全球范围内掀起研发与应用的浪潮，人工智能专利申请量也迎来井喷状态。近年来我国人工智能技术蓬勃发展，相关专利状况是政府和社会各界重点关注的对象。本文参考国家知识产权局 2021 年印发的相关文件（战略性新兴产业分类与国际专利分类参照关系表（2021）（试行），基于对2023 年国内人工智能相关专利的检索和统计，分析了 2023年国内人工智能相关专利申请现状，最后从促进产业发展的角度，提出了对人工智能产业的一些展望。中国人工智能专利的领域分布中国 2023 年 112 月新申请人工智能领域专利量共70 333 件，各细分领域申请数据如表 1 所示（细分领域存在交叉情况），由表 1 可以看出，在人工智能处理自然语言、生产领域的人工智能系统、人工智能治疗疾病等方面，专利申请量较大，是人工智能研究最集中的方向，紧随其后的是生物特征识别、智能终端等领域，也有较大数量的专利申请，智能家居、智能穿戴等领域申请量较小。人工智能专利申请地域分布人工智能专利申请量的地域分布与其经济发展状况以及政策力度正相关，下面按照省和市为单位进行统计专利申请量，结果如下。1.排名前十的省份（含直辖市）如表 2 所示。表 2 人工智能专利申请的省份分布省份申请量广东省12 669北京市12 507江苏省6 702浙江省5 832上海市4 800山东省3 669四川省2 776湖北省2 413安徽省2 348陕西省1 906行业曲线开放度创新度生态度检索量持续度可替代度影响力行业关联度2023 年人工智能专利申请现状严逸飞严逸飞国家知识产权局专利局专利审查协作广东中心-15-CHINA SCIENCE AND TECHNOLOGY INFORMATION May.2024中国科技信息 2024 年第 10 期专利分析城市申请量武汉市2 185西安市1 811重庆市1 790从城市分布情况看，北京市、深圳市、上海市、杭州市、广州市排名前五，这些城市的经济总量也是靠前的，与其经济发展水平相符。同时这些城市也是拥有大量高校以及人工智能相关企业进行人工智能的研发。申请人分布与重点申请人2023 年申请量大于等于 10 件的申请人共 883 个，按照申请人的类型分为高校、企业、医院和科研院所，其中高校和企业是人工智能领域申请大户，两者合计申请量占比约九成，各类型申请人申请量如表 4 所示。表 4 各类型申请人申请量分布类型申请量高校16 741企业13 223医院2 133科研院所1 901其中，高校中申请量前十的申请人如表 5 所示。表 5 高校申请量前十申请人申请人申请量浙江大学568北京理工大学358电子科技大学302北京航空航天大学298重庆邮电大学296清华大学277西安电子科技大学269杭州电子科技大学262西北工业大学261东南大学249表 1 2023 年 112 月新申请人工智能专利细分领域分布分类号关键词申请量G06F40*、A61B5/0476、A61B5/0478处理自然语言数据。12 623G05B15/02、G06K9/66、G07C9/00、G08B19/00、G08B25/10生产领域人工智能系统、智能家居系统等信息系统集成服务。2 621G05D1/02、G05D1/08、G05D1/10、G05D1/12、G06F1/16可穿戴智能设备制造；智能无人飞行器制造；数字家庭智能终端设备、智能感知与控制设备等其他智能消费设备制造；金融电子应用产品。6 376G06F3/01可穿戴智能设备制造；智能无人飞行器制造；数字家庭智能终端设备、智能感知与控制设备等其他智能消费设备制造；金融电子应用产品；生产领域人工智能系统、智能家居系统等信息系统集成服务；人工智能优化操作系统、人工智能中间件、函数库；计算机视听觉软件、生物特征识别软件等应用软件开发。2 767G06F9/44、G06F9/455、G06N3/00、G06N3/04、G06N3/06、G06N3/063、G06N3/067、G06N3/10、G06N3/12、G06N5/00、G06N5/02、G06N5/04人工智能优化操作系统、人工智能中间件、函数库；计算机视听觉软件、生物特征识别软件等应用软件开发。9 451G06K9/00、G06K9/62、G06N3/02、G06N3/08生产领域人工智能系统、智能家居系统等信息系统集成服务；人工智能优化操作系统、人工智能中间件、函数库；计算机视听觉软件、生物特征识别软件等应用软件开发。23 689A61B5*（不含 A61B5/0476、A61B5/0478）、G16H人脑、杏仁核、癫痫等脑部结构和脑部疾病关键词。20 006从省份分布情况看，广东省、北京市、江苏省、浙江省、上海市排名前五，这些省/直辖市的经济总量也是靠前的，与其经济发展水平相符。另外，从政策层面上看，这些城市也是人工智能的政策先行者。例如：作为全国科技创新的排头兵广东省，其在人工智能领域政策支持力度最大。广东省科技厅、工信厅于 2022 年 12 月发布了广东省新一代人工智能创新发展行动计划（20222025），该计划提出力争到 2025 年，广东省能够形成人工智能一流创新生态，涌现一批世界一流人工智能的企业。广东省人民政府发布 2023 年 11 月发布了广东省人民政府关于加快建设通用人工智能产业创新引领地的实施意见，该意见提出到 2025 年广东省智能算力规模实现全国第一、全球领先，将广东打造成为国家通用人工智能产业创新引领地。北京作为全国大型科技企业总部以及全球顶尖大学数量最多的城市，政策力度也是非常巨大。北京市人民政府关于印发的北京市加快建设具有全球影响力的人工智能创新策源地实施方案（20232025年），提出到 2025 年，人工智能发展进入新阶段，建成具有全球影响力的创新策源地。北京市人民政府办公厅印发北京市促进通用人工智能创新发展的若干措施，该措施提出了提升商业算力、提升高质量数据供给能力、系统构建大模型等具体措施与目标。2.排名前十的城市如表 3 所示。表 3 人工智能专利申请的城市分布城市申请量北京市12 507深圳市7 381上海市4 800杭州市4 496广州市3 327南京市2 922成都市2 273中国科技信息 2024 年第 10 期CHINA SCIENCE AND TECHNOLOGY INFORMATION May.2024-16-专利分析企业中申请量前十的申请人如表 6 所示。表 6 企业申请量前十申请人申请人申请量平安科技（深圳）有限公司703腾讯科技（深圳）有限公司602中国工商银行股份有限公司577北京百度网讯科技有限公司313中国银行股份有限公司303支付宝（杭州）信息技术有限公司277阿里巴巴（中国）有限公司206重庆长安汽车股份有限公司190中国建设银行股份有限公司173康键信息技术（深圳）有限公司169重要专利分析将重点申请人的专利申请，参考专利的施引数量以及同族数量，获得人工智能领域部分重要专利文献，列举如下。腾讯的人工智能专利主要涉及自然语言的处理以及 AI大语言模型的应用方向。CN116756579B 公开了一种基于大语言模型文本处理方法，该方法获取同一目标领域的多个自然语言处理任务中每一任务对应的训练集和预训练语言模型，获取每一任务对应的第二特征提取网络，对于每一任务，基于该任务对应的训练集对该任务对应的第二特征提取网络重复执行训练操作，直至满足训练结束条件，得到该任务对应的训练后的第二特征提取网络，基于所述预训练语言模型和各所述任务对应的训练后的第二特征提取网络，得到所述目标领域的目标大语言模型。基于该方法，避免多个任务间混用训练集，进行混合训练，导致多个任务间的噪声干扰，可以提高大语言模型输出的文本处理结果的准确性。CN116720004B 公开了一种推荐理由生成方法，涉及AI 领域中的推荐技术领域，涉及 AI 领域中的推荐技术领域，该方法采用提示学习方法对预训练语言模型进行推荐领域的适应性训练，通过采用物品的属性文本，进而无需引入物品ID 作为 token ID，即使物品 ID 发生变化，仍然能够从物品的各个属性维度来描述该物品，避免了频繁训练带来的资源耗费的问题。百度主要涉及 AI 大模型的自动驾驶领域方向的研究。CN115907009B 公开了一种自动驾驶感知模型的迁移方法，涉及人工智能技术领域，尤其涉及计算机视觉、图像处理、深度学习等技术领域，可应用于自动驾驶、无人驾驶等场景。获取一种或多种模态的训练样本；采用所述训练样本进行感知模型训练，以训练完成至少两个版本的感知模型；采用所述训练样本，基于训练后的至少两个版本的感知模型，进行知识迁移，以形成车端模型。该专利能提高知识迁移形成车端模型的灵活性和多样性，提高车端模型的准确性。CN115880536B 公开了一种数据处理方法、训练方法、目标对象检测方法及装置，涉及计算机视觉、图像处理、深度学习等人工智能技术领域，可应用于自动驾驶、智慧城市等场景。具体实现方案为：对待标注的点云数据进行图像特征提取，得到点云数据的图像特征；将与点云数据所表征的目标对象相对应的第一点云标注信息，以及点云数据的图像特征输入至深度学习模型的识别层，输出与目标对象相对应的目标点云标注信息，其中，目标点云标注信息包括第一点云标注信息和第二点云标注信息。平安科技主要涉及 AI 健康领域以及金融领域的研发。CN116130092A 提出一种多语言预测模型的训练及阿尔茨海默病预测的方法，该方法包括：获取第一样本语音集合，利用预训练的多语言阿尔茨海默病预测模型对样本语音数据进行语音识别得到样本识别文本，对样本识别文本进行第一特征提取得到样本语义特征，对第一样本语音数据进行第二特征提取得到样本非语义特征，利用样本语义特征和样本非语义特征对受试者的认知水平进行分类预测，得到样本预测结果；根据样本预测结果和认知水平标签计算的损失函数更新预训练的多语言阿尔茨海默病预测模型的模型参数直至模型收敛。CN116578688A 提供了基于多轮问答的文本处理方法，属于金融科技技术领域。该方法包括：获取历史轮次中的第一问题文本以及第一答案文本进行拼接，构建第一文本集合；将第一文本集合输入至待训练模型进行对话建模训练，得到目标模型；将若干历史轮次对应的第一文本集合输入至目标模型，输出得到语义信息；根据语义信息生成历史轮次的第一向量，将第一向量与第二对话文本的第二向量组合得到第一融合向量；并进行目标答案预测，确定第二文本中的起始位置、结束位置以及目标答案。本申请方案能够拥有更强的历史解析能力；并且通过模拟记忆方式，对历史对话进行建模，能够有效地降低噪声，提高预测输出结果的准确性和可解释性。浙江大学主要涉及 AI 医疗领域。CN116682553B 公开了一种融合知识与患者表示的诊断推荐系统，包括知识图谱构建模块、知识表示学习模块和诊断推荐模块；本发明利用医学知识图谱对患者数据和医学知识进行联结，可以更全面、准确地表达医学知识和患者数据之间的关系；关联了患者就诊的时序数据与医学知识图谱，构建患者信息图谱，利用规则学习算法对患者信息图谱进行剪枝，缩小知识表示学习域，关联数据形成患者信息序列，可以更好地利用患者历史数据，提高诊断推荐准确性；提出了一种计算细粒度语义单元相似性的语义关联方法，可以更准确地对医学实体进行对齐；引入了基于无监督卷积神经网络构建的患者序列表示学习模型，进一步提高诊断推荐的准确性。结束语本文统计分析了 2023 年人工智能领域新申请专利申请情况，从领域来看自然语言的处理、生产领域的人工智能系统、人工智能治疗疾病是目前研究的主要方向。从申请的地域来看，经济越发达、政策力度越大的省份或城市，申请量会更大，且头部知名企业或高校更多。从申请人类别来看，高校和企业申请量占比约九成，是人工智能研发的主力军。头部申请人包括腾讯、百度、平安、浙江大学等，其研发领域各有差异。在国家大力发展人工智能技术的背景下，涌现出一部分先行省份和城市，也涌现出一批头部的高校和企业，人工智能领域正在稳步发展，其应用价值和应用程度也会在今后不断显现。