人工智能技术专利深度分析报告.docx
- 文档编号:25628920
- 上传时间:2023-06-10
- 格式:DOCX
- 页数:37
- 大小:998.87KB
人工智能技术专利深度分析报告.docx
《人工智能技术专利深度分析报告.docx》由会员分享,可在线阅读,更多相关《人工智能技术专利深度分析报告.docx(37页珍藏版)》请在冰豆网上搜索。
人工智能技术专利深度分析报告
人工智能技术专利深度分析报告
第1章报告目标与检索策略
1.1人工智能技术概述
人工智能(ArtificialIntelligence,AI)亦称机器智能,是指由人制造出来的机器所表现出来的智能。
通常人工智能是指通过普通计算机程序的手段实现的类人智能技术。
传统的人工智能发展思路是研究人类如何产生智能,然后让机器学习人的思考方式去行为。
而现代人工智能概念则认为机器不一定需要像人一样思考才能获得智能,重点是让机器能够解决人脑所能解决的问题。
人工智能的核心问题包括建构能够跟人类似甚至超越的推理、知识、规划、学习、交流、感知、移动和操作物体的能力等。
从1956年人工智能这个概念被首次提出以来,人工智能的发展几经沉浮。
随着核心算法的突破、计算能力的迅速提升以及海量数据的支撑,人工智能技术在近十年里迎来了质的飞跃,尤其是在自然语言处理、计算机视觉、语音识别和自动驾驶等领域取得了长足的发展。
1.2分析目标
最近两年,随着人工智能技术在国内的蓬勃发展,一些研究机构对国内外的技术现状进行了不同角度的分析,这些研究对于国内企业的自身发展起到了积极的指导作用。
但是还没有一项研究是专门从专利技术的角度进行深入的分析,而对于业内的企业来说,专利技术是反映真正技术实力的重要指标。
本报告对人工智能技术在世界范围内和在我国的专利申请数据进行了深入分析,旨在了解人工智能领域专利申请的趋势特点、地域特点和发展态势;分析人工智能技术主要的技术输出国家和地区,行业内最具创新能力的公司和研究机构,以及重要的研发力量;并且,从专利申请的角度,发现人工智能领域发展活跃的技术分支,推测人工智能技术未来的发展方向。
1.3检索策略
本报告中的数据以中国专利文摘数据库(CNABS)和德温特世界专利索引数据库(DWPI)作为数据来源,使用行业专家和相关技术领域专利审查专家共同给出的人工智能领域的中英文关键词进行检索,在此基础上,使用专利分类号对结果加以限制,最终得到本报告的研究数据。
其中,在DWPI数据库中,对人工智能领域在世界范围内的专利申请进行检索,共获得专利申请180617件,在CNABS数据库中,对人工智能领域在中国的专利申请进行检索,共获得专利申请105528件(检索日期2018年10月15日)。
为了避免引入过多噪音,力求检索结果准确,检索策略的确定着眼于两个标准:
一是提高检索结果的准确度,避免噪声;二是注重人工智能行业内的主要应用领域和技术分支,尤其是软件、算法相关发明专利申请。
第2章人工智能技术整体专利态势分析
2.1专利申请量趋势分析
2.1.1全球人工智能专利申请量趋势
对DWPI数据库中获得的专利申请按照申请年份进行统计,图2.1示出了从1985年至2017年各年度的申请量变化情况。
全球范围内,人工智能领域的专利申请量总体上呈逐年上升趋势,在2010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,人工智能领域已经成为世界各国的研发热点,正在迎来全面的技术进步。
图2.1全球人工智能专利申请量年度变化趋势
2.1.2专利申请量排名前十的国家/地区
在DWPI数据库中,对各个国家/地区的人工智能领域专利申请量进行统计,排名前十位的国家/地区依次为中国、美国、日本、韩国、欧洲(指在欧专局直接提出申请)、德国、澳大利亚、台湾、加拿大和印度。
可见,中国在人工智能领域的专利申请数量已经超过了美国,达到76876件(在CNABS数据库中该数据为105528件,数据的差异是由DWPI数据库对摘要、关键词和专利分类号的再加工,以及技术术语翻译习惯不一致等原因造成的,为了避免在DWPI数据库检索结果中引入太多噪音,没有对英文关键词进行进一步扩展),列于首位。
美国以67276件的申请量略低于中国,日本位列第三。
如果将同属欧洲地区的多个国家/地区进行合并,其申请总量将超过韩国,位列第四。
其余各国中,台湾地区能够位列前十是比较引人瞩目的。
图2.2专利申请量排名前十的国家/地区
2.1.3中国申请量趋势及国内排名前五的申请人申请量趋势
(1)中国申请量趋势
在DWPI数据库中,对中国专利申请的申请年度进行统计,得到如图2.3所示的申请量年度变化趋势。
与全球的变化趋势相比,近十年来,在中国进行专利申请的年度增长率明显更高,尤其是最近两年,几乎呈现直线上升的趋势。
可见,人工智能的技术研发在我国达到了空前的热度,这对全球申请总量的增长也起到了极大的促进作用。
图2.3中国专利申请年度变化趋势
(2)国内排名前五位的申请人各自申请量趋势
在CNABS数据库中,对人工智能领域主要申请人的申请量进行统计,得到申请量排名前五的申请人依次为XX、中国科学院、微软、腾讯和三星(对申请人/专利权人的分析见2.2节)。
这几位申请人的申请量年度变化趋势如图2.4所示。
图2.4国内排名前五位的申请人各自申请量趋势
其中三个中国申请人XX、中国科学院、腾讯的申请量在近几年增长迅速,尤其以XX公司最为亮眼,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,并在最近两年遥遥领先。
而两家国外来华申请的微软和三星虽然曾经在申请量上具有优势,并保持持续增长的势头,但是在最近几年的表现却有些差强人意。
2.1.4美国地区申请量趋势
图2.5美国专利申请年度变化趋势
图2.5示出了DWPI数据库中美国专利申请的年度变化趋势,美国申请量整体呈现平稳上升的趋势,在2010年之后有过一段迅速增长的时期,最近两年的增长速度稍微放缓,2017年的申请量下降可能是由于部分2017年的专利申请未公开的情况造成。
2.1.5欧洲地区申请量趋势
在DWPI数据库中,将欧洲地区的主要专利申请国家和地区进行合并,共得到专利申请24634件。
对这些专利申请的申请量进行分析得到图2.6所示的变化趋势。
如图所示,欧洲地区申请量整体呈上升趋势,并在2010年之后经历了一段快速增长的时期,但近两年的申请量却开始回落,虽然2017年的数据会受到公开滞后的影响,但2017年的申请量整体下降的趋势似乎已经难以逆转。
图2.6欧洲地区专利申请年度变化趋势
2.1.6日本申请量趋势
图2.7日本专利申请年度变化趋势
日本的申请量趋势虽然整体呈上升趋势,但与中国、美国、欧洲地区有所不同的是,日本专利申请量在20世纪90年代末就率先加快了上升速度,在进入21世纪之后反而趋于平缓,虽然同样在2010年之后迎来了增长期,但增长速度明显无法和其他几个国家和地区相比。
2.1.7韩国申请量分析
图2.8韩国专利申请年度变化趋势
与美国申请量趋势类似,韩国申请量整体呈上升趋势,在2010年之后上升趋势加快,目前是在2016年达到峰值,2017年的申请量下降可能是由于部分2017年的专利申请未公开的情况造成,变化趋势不明显。
2.2专利权人整体状况分析
2.2.1国内主要专利权人分析
图2.9中国主要专利权人申请量
图2.9为主要专利权人在国内的申请量图表(来源于CNABS数据库),其中可以看出,在国内的主要专利权人中,大部分还是国内的公司和高等院校,而国外来华的专利布局并不如其在其本国的专利申请量多。
其中,国内申请量最多的专利权人为XX,申请量为2368件。
2.2.2美国主要专利权人分析
图2.10示出了主要专利权人在美国的申请量,其中IBM的申请量独占鳌头,比排名稍靠后的微软和Google都要多将近一倍,而在美国申请量排名靠前的公司中,美国公司占了一半,且这些公司在美国申请量和其在全球申请量相近,其他公司则为日韩欧公司,分别为三星、索尼、佳能,东芝,NEC和西门子,且这些公司在美国的申请量要远低于其全球申请量。
图2.10主要专利权人在美国的申请量
2.2.3欧洲主要专利权人分析
图2.11主要专利权人在欧洲申请量
图2.11为各个主要专利权人在欧洲地区(包括欧专局和欧洲几个主要国家如英、法、德等)的申请量。
可以看出排名靠前的几家公司,欧洲公司(如西门子、博世、奥迪)、美国公司(如微软、通用、福特、google、IBM)和日韩公司(三星、Toyota)基本上平分秋色,其中又以欧洲公司西门子和博世申请量位列榜首和第二位。
2.2.4日本主要专利权人分析
图2.12主要专利权人在日本申请量
图2.12为各个主要专利权人在日本地区的申请量,可以看出,在日本申请量排名靠前的各个公司全为日本本国公司,且通过上述几家公司在日本的申请量和在全球申请量的对比可以看出,上述几家公司的主要申请都在日本,因此可以看出,诸如IBM、Google等美国公司在日本的专利布局量并不多。
2.2.5韩国主要专利权人分析
图2.13为各个主要专利权人在韩国地区的申请量,可以看出,韩国比较知名的公司和研究机构如三星、现代、韩国电子通信研究院、LG等公司在韩国申请量排名靠前,且申请量比较大,而其他韩国本土公司的申请量则较低。
而微软、Google等美国公司在韩国的申请量同样较小,但仍多过其他韩国本土公司。
图2.13主要专利权人在韩国申请量
2.3PCT申请态势分析
PCT申请是基于《专利合作条约》和《专利合作条约实施细则》向世界知识产权组织提出的发明专利申请。
PCT申请在经过国际检索和国际初步审查之后,经申请人的请求,可以进入多达144个PCT成员国。
由于其特殊性,PCT申请通常可以认为具有较高的技术价值,或者为申请人的重点研发技术。
本节选取世界范围内在相关技术领域的PCT申请(申请号为WO)作为研究对象,对其趋势特点、地域特点和技术分布特点进行简单分析。
2.3.1世界范围内的PCT申请量分布特征
图2.15PCT申请量年度分布
前文确定的世界范围内人工智能领域专利申请数据集中共包含PCT申请25628件。
图2.15示出了这些PCT申请的申请量随年度变化的趋势。
从图中可以看出,人工智能领域PCT申请量一直保持较为平稳的增长,并在2010年之后进入高速增长期,申请量大幅增加。
这一趋势与2.1节的相关领域专利申请总量的变化趋势是一致的。
2.3.2世界主要PCT申请地区的申请年代趋势
对世界范围内在相关技术领域的PCT申请的优先权国家进行统计分析,选取排名前十位的国家列于图2.16。
图2.16PCT申请来源国家和地区分布
提出PCT申请一般意在向多个成员国提出专利申请,是技术输出的技术指标之一。
从PCT申请的数量来看,在人工智能领域,美国仍然是技术输出的领头羊,并且其申请量占到总量的41%。
如果将图中来自欧洲地区的申请合并在一起共有4137件,因而欧洲作为一个地区,其PCT申请量超过日本,位列第二。
而中国虽然近年来在人工智能领域的研究活跃,在国内的专利申请数量激增,但是PCT申请的数量相对较少,仍然没有形成较大规模性的技术输出。
对PCT申请量排名前列的国家和地区的申请量趋势进行分析可以发现,在2010年之后,美国和中国在人工智能领域的PCT申请量增长速度明显加快,呈现快速增长的趋势,中国的PCT申请量更是后来居上,在近几年逐渐超过日本和欧洲,达到世界第二位。
欧洲、日本和韩国虽然整体上也是保持增长的态势,但是增长速度相对较缓,尤其是欧洲在近两年的增长势头更是后劲不足,申请量逐渐被日本和中国赶超。
图2.17PCT申请主要来源国家和地区申请年度趋势
2.3.3世界范围内PCT申请的技术分布
对人工智能领域的PCT申请在几个主要技术分支的申请量进行统计,结果如下表所示。
在这几个技术分支上,PCT申请的申请量分布较为均匀,只有在计算机视觉和图像识别领域申请量较少。
表2.7主要技术分支PCT申请量
主要技术分支
PCT申请量
机器学习和基础算法
5557
智能搜索和智能推荐
4118
语音识别
3447
自然语言处理
5366
自动驾驶
4461
计算机视觉和图像识别
1664
2.3.4世界主要PCT申请地区的技术分布
图2.18主要PCT申请地区技术分布
对PCT申请的主要来源国家和地区在这几个技术分支上的申请进行统计,可以发现美国在机器学习和基础算法、智能搜索和智能推荐、语音识别、自然语言处理四个领域内的PCT申请量居于绝对领先的地位,欧洲地区则在自动驾驶领域的申请量比较突出,日本的PCT申请主要集中在自然语言处理和自动驾驶领域,中国则仅仅在自然处理领域比较有提出PCT申请的自信,在其他五个技术分支上仍然是默默无闻的状态。
第3章人工智能重点专利技术分析
3.1主要技术分支
人工智能领域的研究方向涉及多个不同的学科,在应用层面也涉及到多个子领域。
本章选取人工智能领域中比较有代表性的几个技术分支作为研究对象,对各个技术分支的专利申请量和申请人进行分析,绘制各个技术分支的技术生命周期,以期得出人工智能领域技术发展的脉络。
本章作为研究对象的技术分支包括:
机器学习和基础算法、智能搜索和智能推荐、语音识别、自然语言处理、自动驾驶及计算机视觉和图像识别。
以上六个技术分支在全球范围和国内的专利申请量分别如表3.1所示。
全球范围和国内的专利申请量数据分别来源于DWPI数据库和CNABS数据库。
表3.1各技术分支专利申请量
主要技术分支
全球范围申请量
国内申请量
机器学习和基础算法
40992
29744
智能搜索和智能推荐
18390
12878
语音识别
26791
16273
自然语言处理
54211
20592
自动驾驶
22537
6885
计算机视觉和图像识别
43397
19856
图3.1各技术分支全球范围专利申请量
图3.2各技术分支国内专利申请量
3.2主要技术分支技术生命周期
3.2.1机器学习和基础算法技术生命周期
机器学习和基础算法这一技术分支在1985后一直处于缓慢的增长中,仅在1999、2000年左右有过短暂的技术活跃期,在熬过近十年的技术停滞期后,终于在2009年之后迎来了一次快速的发展。
而近几年则慢慢出现了技术成熟期的特点:
2014-2015年间申请人数量几乎不变,2015-2016年间申请人数量的增长低于申请量的增长,2016年的申请量比2015年的申请量翻了一番还多,2017年申请量增长的速度有所下降,而申请人数量大幅度下降。
图3.3机器学习和基础算法技术生命周期
3.2.2智能搜索和智能推荐技术生命周期
智能搜索和智能推荐这一技术分支在1985-1993年间处于技术萌芽期,1994-1998年间进一步发展,在经历1999-2006年间以及2006-2010年间两次小范围振荡之后,迎来了一次技术活跃期,申请人数量和申请量均在2012年达到峰值,2012年与1999年相比,申请人数量几乎翻了两番,申请量增加了高达400%之多。
在这之后申请人数量急剧下降,到2015年下降43%,从2015年到2017年几乎折半,申请量在2012-2015年间下降幅度相对较小,约为15%,但在2015-2017年间几乎也是折半的。
可见在这一技术分支上,技术发展有再一次进入瓶颈的可能。
图3.4智能搜索和智能推荐技术生命周期
3.2.3语音识别技术生命周期分析
语音识别这一技术分支的发展较为曲折,在1998-2000年有过一段技术快速增长的阶段,随后陷入了较长时间的停滞,在2001-2010年间申请人数量和申请量在振荡中整体呈下降态势,申请人数量下降41%,申请量下降39%。
而在2010年后再次迎来了技术成长期,增长势头维持至今,2017年的申请人数量和申请量下降可能是由于部分2017年的申请未公开的原因。
图3.5语音识别技术生命周期
3.2.4自然语言处理技术生命周期
图3.6自然语言处理技术生命周期
自然语言处理这一技术分支在1985-1993年间处于技术萌芽期,总的来说,1993-2014年间,申请人数量的增长速度大于申请量的增长速度,除了2000-2004年间的瓶颈期以及2008-2009年间短暂的反复以外,申请人数量和申请量都是逐步加速增长的。
在2014年之后,这一领域逐渐进入技术成熟期,申请人数量小幅度下降,但申请量稳步上升,在2017年达到峰值。
3.2.5自动驾驶技术生命周期
图3.7自动驾驶技术生命周期
自动驾驶这一技术分支在1985-1997年间发展缓慢,从1998年开始加快发展,在2004-2012年间进一步加速,其间申请人数量增加了近两倍的量,申请量增加了超过两倍的量。
2012后申请人数量有过短暂的下降,但随后仍然保持了技术成长活跃的势头,申请人数量和申请量均大幅上涨,2017年相较于2016年申请人数量和申请量有所下降,可能是由于部分2017年的申请未公开的原因。
3.2.6计算机视觉和图像识别技术生命周期
图3.8计算机视觉和图像识别技术生命周期
计算机视觉和图像识别这一技术分支总体上始终处于增长的态势,在2005-2009年短暂的技术瓶颈期后,2009-2016年间整体上均处于快速成长的阶段,申请人数量增加了近1.5倍,申请量增加了2.3倍,2017年的申请人数量和申请量下降可能是由于部分2017年的申请未公开的原因。
3.3主要技术分支申请量趋势
3.3.1主要技术分支在国内的申请量趋势
各技术分支在国内的申请量整体上均呈现了不断上升的趋势,机器学习和基础算法、自然语言处理、计算机视觉和图像识别、语音识别、智能搜索和智能推荐这五个技术路线在进入21世纪之后开始稳步增长,2010年以后快速增长,其中值得一提的是机器学习和基础算法,2010年之前与其他四个技术路线几乎齐头并进,在2014年之后一枝独秀,几乎呈直线增长态势,自动驾驶这一技术路线起步较晚,从2010年以后才开始加快发展速度,但2014年之后在发展速度上超过了自然语言处理、计算机视觉和图像识别、语音识别、智能搜索和智能推荐,在2017年略有下降。
图3.9各技术分支在国内的申请量趋势
3.3.2主要技术分支在美国的申请量趋势
各技术分支在美国的申请量整体呈曲折式上升趋势,机器学习和基础算法、计算机视觉和图像识别率、语音识别率先从20世纪90年代初开始平稳增长,各技术路线从20世纪90年代末开始加速增长,2010年以后高速增长,其中机器学习和基础算法几乎呈直线增长,而计算机视觉和图像识别、智能搜索和智能推荐、语音识别在2014年以后呈下降趋势。
机器学习和基础算法、自然语言处理、自动驾驶在2017年的申请量下降可能是由于部分2017年的申请未公开的原因。
图3.16各技术分支在美国的申请量趋势
3.3.3主要技术分支在欧洲的申请量趋势
各技术分支在欧洲(包括EP、DE、GB、FR)的申请量整体呈曲折式上升趋势,语音识别从20世纪90年代中期开始发展,自然语言处理、计算机视觉和图像识别、智能搜索和智能推荐、自动驾驶在2000年前后开始加快发展,但自然语言处理、计算机视觉和图像识别、语音识别、智能搜索和智能推荐、自动驾驶在2015年以后均有所回落,其中自动驾驶在2010年以后曾高速发展过,但机器学习和基础算法在20世纪90年代初开始平稳增长,2010年以后快速增长,在2014年以后几乎呈直线增长,2017年的申请量下降可能是由于部分2017年的申请未公开的原因。
图3.17各技术分支在欧洲的申请量趋势
3.3.4主要技术分支在日本的申请量趋势
图3.18各技术分支在日本的申请量趋势
机器学习和基础算法、自然语言处理、计算机视觉和图像识别、语音识别、智能搜索和智能推荐、自动驾驶整体呈上升趋势,其中机器学习和基础算法、计算机视觉和图像识别从20世纪90年代初开始加快发展速度,进入20世纪90年代中期后自然语言处理、智能搜索和智能推荐、自动驾驶也加快了发展速度,达到了一个小高峰,之后曲折式上升,但在2014年以后计算机视觉和图像识别、智能搜索和智能推荐发展速度有所下降,机器学习和基础算法、自然语言处理反而在2014年以后迅速发展,语音识别这一发展路线不同于其他5个发展路线,在进入20世纪90年代中期后迅速发展,在2000年前后达到峰值,但之后一直呈下降趋势,机器学习和基础算法、自然语言处理、自动驾驶在2017年的申请量下降可能是由于部分2017年的申请未公开的原因。
3.4主要技术分支国内重要申请人
3.4.1机器学习和基础算法方向主要申请人
在机器学习和基础算法方向,国内的申请人主要集中在科研院所和大学,在排名前15位的申请人中,占到了10位。
其余五位中,国外申请人只有微软,XX、腾讯、阿里巴巴和国家电网占据了其余四席。
可见在人工智能的基础算法方面,国内的专利申请虽多,但大量成果仍然处于实验室阶段,只有比较有实力的大型企业才在基础算法方面投入较多。
在排名靠前的申请人中,前两位的中国科学院和XX的申请量比较令人瞩目,几乎是第三位的两倍之多,分别成为科研机构和企业在这一领域的标杆。
图3.10机器学习和基础算法方向国内主要申请人
3.4.2智能搜索和智能推荐方向主要申请人
图3.11智能搜索和智能推荐方向国内主要申请人
与机器学习和基础算法形成鲜明的对照,在智能搜索和智能推荐方向,专利申请的主力是大型互联网企业及智能终端厂商。
国外申请人有四位上榜,分别是微软、三星、谷歌和LG。
在国内申请人中,XX的申请量以576件遥遥领先,腾讯以220件位列国内申请人的第二位。
在科研机构中,中国科学院和浙江大学排进了前15位,但申请量并不是很大。
3.4.3语音识别方向主要申请人
图3.12语音识别方向国内主要申请人
语音识别方向前15位的申请人也以企业为主,科研机构仅有中国科学院一位。
在这一领域,国外来华的申请人占据优势,达到八位,国内企业虽然在申请人数量上表现一般,但是XX的申请量以绝对优势位列榜首,从而在申请总量上扳回一城。
3.4.4自然语言处理方向主要申请人
在自然语言处理这一技术分支上,前15位中企业申请人和科研机构申请人分别占据半壁江山。
排名前三的XX、中国科学院和微软的申请量总体较为突出。
IBM的排名在这一领域达到了比较靠前的位置。
在科研机构申请人中,除在各个领域均位列前茅的中国科学院外,浙江大学的表现也令人印象深刻,在自然语言处理方向位列第五,而在机器学习和基础算法方向则达到第三位。
图3.13自然语言处理方向国内主要申请人
3.4.5自动驾驶方向主要申请人
在自动驾驶方向,排名前15的申请人以企业申请人为主,但是这些企业主要是以福特、丰田为代表的国外老牌汽车生产厂商。
国内的企业仅有XX、大疆和容祺智能挤进榜单,XX作为上榜的唯一一家互联网公司,申请量列于首位,这应该归功于XX近年来投入研发的无人驾驶项目。
而大疆和容祺智能都是生产无人机的厂商,在这一领域的专利申请反而走在了国内各大汽车制造商的前面。
科研机构申请人中,北京航空航天大学的申请量最高,应该与该学校特殊的专业设置和研究方向有关。
图3.14自动驾驶方向国内主要申请人
3.4.6计算机视觉和图像识别方向主要申请人
在计算机视觉和图像识别方向,企业申请人和科研机构申请人又是各占一半的形式,但在申请量上,企业申请人整体上具有一定的优势。
在排名靠前的企业申请人中,除XX和腾讯两家互联网公司外,欧珀、小米、三星、索尼和联想都是智能终端的制造商,由于智能终端图像处理需求的不断提高,促进了智能终端制造商在这一领域的研发投入。
图3.15计算机视觉和图像识别方向国内主要申请人
第4章人工智能重要专利权人分析
在第2章的第2.2节中,对专利权人的状况进行了整体分析,在本章,将会对其中的部分专利权人进行进一步的详细分析。
4.1重要专利权人在各国家/地区的申请趋势
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 人工智能 技术 专利 深度 分析 报告
![提示](https://static.bdocx.com/images/bang_tan.gif)