基于專利特征的人工智能領(lǐng)域核心技術(shù)識(shí)別及發(fā)展趨勢(shì)分析
——層次分析（AHP）-熵權(quán)法

方 曦，崔梁雨，劉 云

（1.上海應(yīng)用技術(shù)大學(xué)經(jīng)濟(jì)與管理學(xué)院，上海 201418；2.中國科學(xué)院大學(xué)公共政策與管理學(xué)院，北京 100049）

0 序言

隨著中國經(jīng)濟(jì)由高速增長轉(zhuǎn)變?yōu)楦哔|(zhì)量發(fā)展，中國科技實(shí)力正在從量的積累邁向質(zhì)的飛躍、從點(diǎn)的突破邁向系統(tǒng)能力提升，科技創(chuàng)新取得新的歷史性成就，邁入創(chuàng)新型國家行列。然而，中國仍在航空航天、人工智能、醫(yī)藥、通信等領(lǐng)域存在關(guān)鍵核心技術(shù)受制于人的難題，要躋身創(chuàng)新型國家前列，實(shí)現(xiàn)高水平科技自立自強(qiáng)，必須要重視核心技術(shù)的培育和發(fā)展。《“十四五”國家科技創(chuàng)新規(guī)劃》明確提出堅(jiān)持創(chuàng)新在中國現(xiàn)代化建設(shè)全局中的核心地位，把科技自立自強(qiáng)作為國家發(fā)展的戰(zhàn)略支撐，打好關(guān)鍵核心技術(shù)攻堅(jiān)戰(zhàn)。黨的二十大報(bào)告中進(jìn)一步強(qiáng)調(diào)集聚力量進(jìn)行原創(chuàng)性引領(lǐng)性科技攻關(guān)，堅(jiān)決打贏關(guān)鍵核心技術(shù)攻堅(jiān)戰(zhàn)。

人工智能（AI）最早在1956 年達(dá)特茅斯會(huì)議中被明確提出。人工智能之父馬文·明斯基（Marvin Minsky）［1］定義人工智能是一門機(jī)器運(yùn)用人類思維與智能完成復(fù)雜事情的科學(xué)。隨著新一輪科技革命和產(chǎn)業(yè)變革重構(gòu)全球創(chuàng)新版圖，以人工智能技術(shù)為主導(dǎo)的第四次科技革命不斷與傳統(tǒng)產(chǎn)業(yè)發(fā)生融合和碰撞，推進(jìn)傳統(tǒng)行業(yè)向數(shù)字化智能化轉(zhuǎn)型，不斷催生新的業(yè)態(tài)，實(shí)現(xiàn)新的蛻變與發(fā)展［2］。人工智能技術(shù)在引發(fā)科技、產(chǎn)業(yè)和社會(huì)變革等方面具有巨大潛力，已經(jīng)成為各個(gè)國家發(fā)展戰(zhàn)略、奪取科技前沿陣地的重要依托工具［3］。2016 年美國密集發(fā)布人工智能相關(guān)戰(zhàn)略，正式啟動(dòng)人工智能戰(zhàn)略部署，2021 年將《國家人工智能倡議法案》正式升級(jí)為法律，確定了人工智能在國家戰(zhàn)略的地位；2018 年歐盟委員會(huì)提交報(bào)告《歐盟人工智能》，明確制定未來歐盟人工智能行動(dòng)計(jì)劃；2019 年日本發(fā)布了《人工智能技術(shù)戰(zhàn)略》，從國家層面對(duì)人工智能技術(shù)的發(fā)展和應(yīng)用進(jìn)行了總體布局，同年韓國政府發(fā)布了《人工智能國家戰(zhàn)略》，旨在推動(dòng)韓國成為AI 強(qiáng)國，普京批準(zhǔn)了《2030 年前俄羅斯人工智能發(fā)展國家戰(zhàn)略》，將人工智能技術(shù)視為國家間戰(zhàn)略競爭的重要領(lǐng)域。2017 年中國在《新一代人工智能發(fā)展規(guī)劃》中明確將人工智能提到國家戰(zhàn)略高度，并于2021 年最新的“十四五”規(guī)劃中明確提出將人工智能數(shù)字經(jīng)濟(jì)產(chǎn)業(yè)作為建設(shè)數(shù)字中國的重點(diǎn)產(chǎn)業(yè)。

人工智能作為引領(lǐng)未來的新興技術(shù)，成為推動(dòng)全球科技創(chuàng)新的重要力量。中國必須抓住發(fā)展機(jī)遇，打破人工智能領(lǐng)域國外的技術(shù)鎖定和技術(shù)打壓困境，掌握和攻克核心技術(shù)、形成自己的科技創(chuàng)新高地。掌握和攻克核心技術(shù)的關(guān)鍵及首要問題是識(shí)別核心技術(shù)。專利是技術(shù)創(chuàng)新、創(chuàng)新成果的重要載體［4］，90% 以上的技術(shù)信息都記錄在其專利文獻(xiàn)中［5］，是關(guān)鍵核心技術(shù)突破的重要體現(xiàn)。因此，通過專利對(duì)核心技術(shù)進(jìn)行識(shí)別具有可行性［6］。鑒于此，基于專利信息了解人工智能領(lǐng)域的技術(shù)發(fā)展現(xiàn)狀，從專利角度對(duì)人工智能領(lǐng)域的核心技術(shù)進(jìn)行識(shí)別，以期對(duì)人工智能領(lǐng)域的核心技術(shù)培育和發(fā)展提供決策參考，對(duì)實(shí)現(xiàn)產(chǎn)業(yè)領(lǐng)域創(chuàng)新、確定國家戰(zhàn)略方向具有重要的意義。

1 文獻(xiàn)回顧

對(duì)核心技術(shù)的識(shí)別，首先需要明確其概念?，F(xiàn)有大部分研究，如田雪姣等［7］、陳瑞真等［8］的研究認(rèn)為，核心技術(shù)是指能夠引領(lǐng)其所在產(chǎn)業(yè)領(lǐng)域未來發(fā)展，對(duì)其他技術(shù)產(chǎn)生重要影響，具有重要經(jīng)濟(jì)價(jià)值、市場價(jià)值或戰(zhàn)略意義的技術(shù)，具有支撐性、不可替代性、復(fù)雜性。隨著科學(xué)技術(shù)的進(jìn)步和高新技術(shù)的發(fā)展，專利承載著重要的技術(shù)、法律和經(jīng)濟(jì)信息，能夠表征技術(shù)發(fā)展和產(chǎn)業(yè)發(fā)展水平［9］。如Noh 等［10］學(xué)者往往用核心專利來表征核心技術(shù)，將核心專利的國際專利分類（IPC）號(hào)來反映核心專利的技術(shù)主題。利用專利文獻(xiàn)識(shí)別技術(shù)主題下的核心技術(shù)，有利于清晰把握核心技術(shù)特征和來源，對(duì)了解當(dāng)前技術(shù)發(fā)展?fàn)顟B(tài)和規(guī)律，開展專利布局和規(guī)避風(fēng)險(xiǎn)、預(yù)測技術(shù)發(fā)展方向有重要的意義。

目前基于專利信息的核心專利識(shí)別方法主要有以下幾種：一是單一專利指標(biāo)法。國外學(xué)者通常把指標(biāo)頻次高的專利認(rèn)為是核心專利，主要集中在專利被引次數(shù)、專利同族數(shù)、權(quán)利要求數(shù)和發(fā)明人數(shù)等指標(biāo)。這些單一指標(biāo)識(shí)別方法操作性較強(qiáng)，適用于快速識(shí)別，但存在片面性和準(zhǔn)確性較低的缺點(diǎn)。二是多個(gè)指標(biāo)組合識(shí)別法。為提高單一指標(biāo)識(shí)別法的準(zhǔn)確性，部分學(xué)者逐漸設(shè)計(jì)指標(biāo)組合來評(píng)估專利價(jià)值，如Thompson［11］認(rèn)為專利文獻(xiàn)引用和被引用的次數(shù)與專利價(jià)值呈現(xiàn)正相關(guān)；Schettino 等［12］通過將專利引用、被引次數(shù)、同族專利數(shù)指標(biāo)組合來識(shí)別核心專利；Eslami 等［13］用專利被引頻次和權(quán)利要求數(shù)組合來識(shí)別核心專利；袁潤等［14］通過將專利引用頻次、專利同族數(shù)、專利訴訟數(shù)和權(quán)利要求數(shù)組合來識(shí)別風(fēng)能技術(shù)領(lǐng)域的核心專利。三是專利指標(biāo)體系構(gòu)建法。如，Burke 等［15］從專利的技術(shù)經(jīng)濟(jì)維度和法律維度來定義專利質(zhì)量；Ko 等［16］基于專利的內(nèi)在特征和外在特征選取了 28 個(gè)專利指標(biāo)對(duì)專利價(jià)值進(jìn)行評(píng)估；劉勤等［17］從專利特征、發(fā)明人特征以及權(quán)利人特征 3 個(gè)維度入手構(gòu)建專利價(jià)值評(píng)估模型；黃瀟霏等［18］從專利技術(shù)價(jià)值、法律價(jià)值和經(jīng)濟(jì)價(jià)值構(gòu)建指標(biāo)體系，結(jié)合量子遺傳算法和層次分析法對(duì)核心專利進(jìn)行識(shí)別。四是基于復(fù)雜網(wǎng)絡(luò)識(shí)別法。如，Jeon 等［19］通過建立多個(gè)復(fù)雜網(wǎng)絡(luò)對(duì)安全技術(shù)領(lǐng)域的核心專利進(jìn)行了識(shí)別；Mariani［20］考慮到引文網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)和時(shí)間信息，通過引文網(wǎng)絡(luò)分析早期識(shí)別專家選擇的核心專利；鞏永強(qiáng)等［21］依據(jù)專利被相同領(lǐng)域論文、專利的引用行為和與同領(lǐng)域產(chǎn)品間的對(duì)應(yīng)關(guān)系建立復(fù)雜網(wǎng)絡(luò)，通過關(guān)鍵節(jié)點(diǎn)的篩選識(shí)別核心技術(shù)；潘微微等［22］運(yùn)用專利集群網(wǎng)絡(luò)中介中心性對(duì)碳化硅肖特基二極管技術(shù)領(lǐng)域進(jìn)行核心專利識(shí)別。

以上研究從不同角度對(duì)不同產(chǎn)業(yè)領(lǐng)域的核心專利進(jìn)行識(shí)別，單一指標(biāo)識(shí)別方法適合快速識(shí)別但準(zhǔn)確性低，指標(biāo)組合識(shí)別法存在選擇的指標(biāo)冗余混亂問題，復(fù)雜網(wǎng)絡(luò)識(shí)別法存在建模困難、復(fù)雜度高的問題，其中以多維度、體系化構(gòu)建的專利指標(biāo)體系法是近年來的研究熱點(diǎn)，但現(xiàn)有相關(guān)研究選擇專利指標(biāo)構(gòu)建識(shí)別體系存在一定的主觀性，對(duì)識(shí)別體系中的指標(biāo)權(quán)重多采用單一主觀賦權(quán)法或單一客觀賦權(quán)法，造成所識(shí)別的核心專利存在一定的主觀性和不準(zhǔn)確性。

因此，為進(jìn)一步完善核心技術(shù)的識(shí)別方法，首先通過專利地域分布、專利權(quán)人及主要IPC 等3 個(gè)維度的分析，了解人工智能領(lǐng)域技術(shù)的發(fā)展?fàn)顟B(tài)；其次，把核心專利作為研究人工智能領(lǐng)域核心技術(shù)的抓手，根據(jù)核心專利的價(jià)值特征構(gòu)建包含技術(shù)、法律和市場三維度的專利指標(biāo)識(shí)別體系，采用層次分析（AHP）-熵權(quán)法組合賦權(quán)法確定指標(biāo)組合權(quán)重，構(gòu)建專利價(jià)值度評(píng)估模型，基于該模型來識(shí)別人工智能領(lǐng)域的核心技術(shù)，最后進(jìn)行實(shí)證分析。

2 研究設(shè)計(jì)

2.1 核心專利識(shí)別指標(biāo)體系構(gòu)建

在閱讀相關(guān)文獻(xiàn)后發(fā)現(xiàn)，眾多學(xué)者認(rèn)為核心專利是在某一個(gè)產(chǎn)業(yè)領(lǐng)域中處于關(guān)鍵地位，符合生產(chǎn)需要并適應(yīng)市場發(fā)展要求，具有重要技術(shù)價(jià)值、法律價(jià)值、經(jīng)濟(jì)價(jià)值的專利或?qū)＠M合［21］。即從技術(shù)、法律和市場價(jià)值3 個(gè)維度對(duì)核心專利進(jìn)行評(píng)價(jià)［22］。技術(shù)價(jià)值維度表現(xiàn)在核心專利載有大量關(guān)鍵技術(shù)信息，同一個(gè)領(lǐng)域內(nèi)專利技術(shù)的先進(jìn)性和重要性是評(píng)判核心技術(shù)的關(guān)鍵因素［23］；法律維度是考察專利是否符合法定授權(quán)標(biāo)準(zhǔn)及是否具有法律效力的穩(wěn)定性，具有穩(wěn)定的法律狀態(tài)的專利能夠增強(qiáng)技術(shù)競爭力，不會(huì)輕易被競爭對(duì)手提出無效［24］；市場價(jià)值維度是考察該專利市場商業(yè)化和應(yīng)用產(chǎn)出的價(jià)值，核心技術(shù)不僅在技術(shù)上是核心的，在市場的影響力和應(yīng)用成本上也是核心的。技術(shù)價(jià)值、法律價(jià)值和市場價(jià)值相輔相成，只有將三者相融合于一體，才能綜合體現(xiàn)專利價(jià)值?；诖耍瑥膶＠募夹g(shù)、法律和市場3 個(gè)價(jià)值維度選取核心技術(shù)識(shí)別指標(biāo)，經(jīng)過專家的指導(dǎo)和綜合前人的研究，遵循指標(biāo)的易獲取性和科學(xué)性等原則，最終選取的相關(guān)指標(biāo)見表1。

表1 核心專利的識(shí)別指標(biāo)體系

2.2 基于AHP-熵權(quán)法的核心專利識(shí)別模型

指標(biāo)權(quán)重表示指標(biāo)在整個(gè)評(píng)價(jià)體系中的相對(duì)重要程度。指標(biāo)賦權(quán)主要分為主觀賦權(quán)方法和客觀賦權(quán)法。主觀賦權(quán)法是通過專家或決策者的知識(shí)經(jīng)驗(yàn)或主觀意圖確定評(píng)價(jià)指標(biāo)權(quán)重，與專家們對(duì)各指標(biāo)間的判斷有關(guān)，比如層次分析法、德爾菲法等。客觀賦權(quán)法是建立在評(píng)價(jià)指標(biāo)的實(shí)際數(shù)據(jù)變異程度和指標(biāo)之間的影響程度基礎(chǔ)上確定指標(biāo)權(quán)重，如熵權(quán)法和TOPSIS 法。然而主觀賦權(quán)法存在結(jié)果帶有一定的主觀隨意性，可能會(huì)產(chǎn)生一定的偏差，不能體現(xiàn)指標(biāo)實(shí)際數(shù)據(jù)的客觀信息的缺點(diǎn)；客觀賦權(quán)法則依賴于足夠的樣本數(shù)據(jù)和實(shí)際的問題域，通用性和可參與性差。綜上，為降低單一賦權(quán)法給識(shí)別結(jié)果帶來的偏差，保證識(shí)別結(jié)果同時(shí)兼顧客觀信息和主觀意見，采用主客觀組合賦權(quán)法來確定指標(biāo)權(quán)重，即基于AHP-熵權(quán)法來構(gòu)建核心專利識(shí)別模型，通過AHP-熵權(quán)法加權(quán)組合得到各個(gè)專利指標(biāo)的組合權(quán)重，再以此來測算每項(xiàng)專利的價(jià)值度，最后篩選出核心專利。

2.2.1 層次分析法確定指標(biāo)權(quán)重

層次分析法是將一個(gè)目標(biāo)屬性系統(tǒng)分解為目標(biāo)、準(zhǔn)則、方案等多指標(biāo)層次，通過邀請(qǐng)相關(guān)領(lǐng)域的專家進(jìn)行兩兩比較分析，來確定每個(gè)層次指標(biāo)間的相對(duì)重要程度的定性和定量分析結(jié)合的決策方法。利用層次分析法計(jì)算指標(biāo)權(quán)重的步驟如下：

（1）確定專利指標(biāo)體系評(píng)價(jià)的目標(biāo)，明確評(píng)估的一級(jí)指標(biāo)和二級(jí)指標(biāo)。根據(jù)上述核心專利識(shí)別指標(biāo)體系，一級(jí)指標(biāo)因素集為B={B1,B2,B3}，二級(jí)指標(biāo)因素集為技術(shù)指標(biāo)集={X1,X2,X3,X4}，法律指標(biāo)集={X5,X6}，市場因素集={X7,X8}。

（2）構(gòu)造判斷矩陣。同一個(gè)層次的評(píng)價(jià)指標(biāo)有相對(duì)重要性的狀況，將屬于同一個(gè)一級(jí)指標(biāo)的二級(jí)指標(biāo)相互進(jìn)行比較重要性，構(gòu)造出各層次的判斷矩陣。判斷矩陣中相對(duì)重要性通常使用1—9 數(shù)值標(biāo)度的表現(xiàn)形式，各個(gè)矩陣元素的標(biāo)度方法見表2。

表2 判斷矩陣標(biāo)度法

設(shè)有n個(gè)指標(biāo)，構(gòu)建判斷矩陣X：

式（1）中，xij表示指標(biāo)i比指標(biāo)j的重要程度。

第一步：首先將判斷矩陣的數(shù)據(jù)進(jìn)行歸一化處理，獲得初步權(quán)重向量wi。

（4）一致性檢驗(yàn)。對(duì)判斷矩陣進(jìn)行一致性檢驗(yàn)以保證結(jié)果具有邏輯性和科學(xué)有效性。

第二步，對(duì)判斷矩陣進(jìn)行一致性檢驗(yàn)。

式（6）中：CI 為一致性指標(biāo)；CR 為一致性比例；RI 為平均隨機(jī)一致性指標(biāo)。當(dāng)CI=0 時(shí)，判斷矩陣具有完成一致性；當(dāng)時(shí)，說明判斷矩陣X滿足一致性要求；其他CI 值均不滿足要求，需要重新調(diào)整矩陣。1—9 階判斷矩陣的RI 數(shù)值見表3。

表3 平均隨機(jī)一致性指標(biāo)RI 參照值

2.2.2 熵權(quán)法確定指標(biāo)權(quán)重

熵權(quán)法來自信息論的基本原理，是利用具體數(shù)據(jù)信息之間的差異性來進(jìn)行賦權(quán)，指標(biāo)的離散程度由熵值大小決定。某項(xiàng)指標(biāo)熵值越小，該指標(biāo)間的離散程度越大，表明該指標(biāo)的信息量越大，在指標(biāo)評(píng)價(jià)中的權(quán)重就越大；反之，熵值越大，則指標(biāo)間差距越小、權(quán)重越小。利用熵權(quán)法計(jì)算指標(biāo)權(quán)重的步驟如下：

（1）構(gòu)建原始矩陣X。設(shè)有m項(xiàng)專利、n項(xiàng)指標(biāo)，xuj表示第u項(xiàng)專利的第j項(xiàng)指標(biāo)的實(shí)際值。

（2）數(shù)據(jù)無量綱化處理。信息熵是一個(gè)無量綱值，計(jì)算指標(biāo)權(quán)重時(shí)應(yīng)對(duì)指標(biāo)進(jìn)行標(biāo)準(zhǔn)化處理。采用極差標(biāo)準(zhǔn)化方法，因?yàn)樗x取的指標(biāo)均為正向指標(biāo)。轉(zhuǎn)換公式如下：

計(jì)算第j項(xiàng)指標(biāo)的熵值Ej：

式（9）中，puj代表矩陣歸一化的概率矩陣。若puj=0，則定義pujInpuj=0。

2.2.3 確定組合權(quán)重

基于AHP-熵權(quán)法得到主客觀的指標(biāo)權(quán)重，在此基礎(chǔ)上計(jì)算組合權(quán)重。AHP 賦值有較高的主觀性，熵權(quán)法更加關(guān)注指標(biāo)間的原始信息差異性，將AHP和熵權(quán)法得到的指標(biāo)權(quán)重組合，既可以克服定性分析主觀隨意性大的局限，又能夠客觀確定評(píng)價(jià)指標(biāo)的相對(duì)權(quán)重，使賦權(quán)結(jié)果更具有系統(tǒng)性和可行性。組合權(quán)重的計(jì)算方法為：

2.2.4 確定專利價(jià)值度

求得核心專利評(píng)價(jià)指標(biāo)的組合權(quán)重后，構(gòu)建專利價(jià)值度（C）來反映各個(gè)專利的重要程度。專利價(jià)值度的計(jì)算公式如下：

2.2.5 核心專利劃分

在得到每件專利的專利價(jià)值度后，需要對(duì)專利進(jìn)行劃分得出最后的核心專利集。通過查閱之前的相關(guān)文獻(xiàn)，發(fā)現(xiàn)主要有4 種專利劃分方式：第一，如楊武等［33］、毛薦其等［34］采取的做法，對(duì)各個(gè)評(píng)價(jià)對(duì)象進(jìn)行綜合排名，選出排名靠前的專利為核心專利；第二，按照計(jì)算得出的核心專利綜合指數(shù)的大小比例，將專利分為核心專利、關(guān)鍵專利和普通專利［35］；第三，參照現(xiàn)有的專利數(shù)據(jù)庫平臺(tái)構(gòu)建的指標(biāo)來劃分專利，對(duì)專利價(jià)值進(jìn)行排序［36］；第四，從專利壽命角度劃分，將專利維持時(shí)間至16 年時(shí)生存概率在50%以上的專利定義為核心專利［37］?；诖?，將借鑒第二種核心專利劃分方式，參照田雪姣等［7］的研究，以專利價(jià)值度C 最大值為基準(zhǔn)，將專利劃分為核心專利、關(guān)鍵專利和普通專利。具體劃分方式見表4。

表4 專利分類區(qū)間

3 實(shí)證分析

3.1 數(shù)據(jù)來源及預(yù)處理

以人工智能領(lǐng)域的專利數(shù)據(jù)為研究對(duì)象，以智慧芽專利數(shù)據(jù)庫為數(shù)據(jù)來源。采用關(guān)鍵詞的檢索策略，以人工智能相關(guān)的詞匯作為關(guān)鍵詞，以專利申請(qǐng)日為時(shí)間節(jié)點(diǎn)，由于專利申請(qǐng)需要審查具有滯后性，不考慮近兩年的專利，故檢索時(shí)間和范圍設(shè)定在2000 年至2020 年的發(fā)明專利。最終檢索表達(dá)式為TA:(artificial intelligence OR machine learning OR deep learning OR natural language processing OR computer vision OR smart robot OR image recognition OR speech recognition OR predictive analytics OR fuzzy logic) AND APD:［2000 TO 2020］。檢索時(shí)間是2023年3 月25 日，共檢索到387 449 件專利。

由于檢索到的專利量非常大，存在很多已經(jīng)無效和低質(zhì)量的專利，為了確保后期識(shí)別核心專利的精確度，需要對(duì)檢索到的專利數(shù)據(jù)進(jìn)行預(yù)處理。首先去除已經(jīng)撤回、未繳年費(fèi)等無效的專利，每組中簡單同組的只選擇一個(gè)專利代表，最后保留77 261組已經(jīng)授權(quán)的發(fā)明專利。在此專利數(shù)據(jù)的基礎(chǔ)上，參考楊大飛等人［35］處理數(shù)據(jù)的方法，按照核心專利指標(biāo)體系中專利被引頻次、專利引證頻次、IPC 分類號(hào)、非專利文獻(xiàn)引用數(shù)、權(quán)利要求數(shù)、說明書頁數(shù)、專利轉(zhuǎn)讓許可數(shù)、專利同族數(shù)等各個(gè)指標(biāo)，統(tǒng)計(jì)每件專利的字段數(shù)值，篩選出每個(gè)指標(biāo)排序前100 位的專利，先合并再去除重復(fù)項(xiàng)，最終得到實(shí)證數(shù)據(jù)專利660 件。樣本指標(biāo)的描述性統(tǒng)計(jì)見表5。

3.2 人工智能技術(shù)發(fā)展概況

3.2.1 地域分布分析

基于智慧芽專利數(shù)據(jù)庫檢索出的387 449 件初步專利集，分析技術(shù)主要來源國申請(qǐng)趨勢(shì)變化來了解技術(shù)主要來源國的技術(shù)活躍趨勢(shì)，見圖1。目前人工智能領(lǐng)域的專利申請(qǐng)主要集中在中國、美國、日本、韓國、印度這5 個(gè)國家，說明這5 個(gè)國家在全球人工智能領(lǐng)域技術(shù)創(chuàng)新能力和活躍程度比較高。從總體申請(qǐng)趨勢(shì)來看，2000—2010 年是人工智能領(lǐng)域的技術(shù)平穩(wěn)發(fā)展期，各個(gè)國家專利申請(qǐng)量均未超過1 200 件，發(fā)展較為突出的是日本，其專利申請(qǐng)總量領(lǐng)先全球；2010—2020 年是技術(shù)快速發(fā)展期，專利申請(qǐng)數(shù)量快速增長，每年專利增長量的較多的是中國和美國，中國和美國已經(jīng)走在人工智能領(lǐng)域研發(fā)隊(duì)伍的前列。其中，中國專利申請(qǐng)數(shù)量總數(shù)居全球第一，中國人工智能領(lǐng)域的技術(shù)研發(fā)已經(jīng)從“跟跑”進(jìn)入到“并跑”階段；而日本和韓國專利增長緩慢，相比于中國和美國的發(fā)展速度處于“掉隊(duì)”狀態(tài)；印度的專利增長速度明顯加快，以平均每年5 倍的增長速度提升專利總量，近年來印度在人工智能技術(shù)研發(fā)方面非常活躍。

圖1 人工智能技術(shù)專利申請(qǐng)量排名前五國家專利申請(qǐng)趨勢(shì)

3.2.2 申請(qǐng)人分析

通過分析主要申請(qǐng)人可以了解人工智能領(lǐng)域技術(shù)研發(fā)和市場競爭情況。見圖2，排名前十的申請(qǐng)人中有3 家美國公司、4 家中國公司、2 家韓國公司、1 家日本公司，呈現(xiàn)出企業(yè)主導(dǎo)人工智能領(lǐng)域技術(shù)創(chuàng)新的模式。美國公司分別是IBM 公司、微軟和谷歌公司，均是全球具有影響力的龍頭企業(yè)，其中IBM公司擁有2 670 件專利位居第一，在自然語言處理、信息處理和機(jī)器學(xué)習(xí)等領(lǐng)域處于領(lǐng)先地位；韓國三星電子公司排名第二，有2 322 件專利權(quán)，和LG 電子公司主要集中在人工智能芯片和AI 機(jī)器人領(lǐng)域；中國騰訊科技（深圳）有限公司有2 209 件專利排名第三，總體研發(fā)主要聚焦在機(jī)器學(xué)習(xí)、計(jì)算機(jī)視覺、語音識(shí)別、自然語言處理（NLP）等四大方向；日本佳能株式會(huì)社排名第七，擁有專利1 444 件，主要集中在深度學(xué)習(xí)、人臉識(shí)別和圖像處理技術(shù)。排名前十的企業(yè)內(nèi)中國的企業(yè)最多，分別是騰訊科技（深圳）有限公司、平安科技（深圳）有限公司、北京百度網(wǎng)訊科技有限公司、華為技術(shù)有限公司，說明中國的人工智能產(chǎn)業(yè)發(fā)展取得了重大的進(jìn)展，致力于推動(dòng)基礎(chǔ)研究走向?qū)嶋H應(yīng)用，中國人工智能企業(yè)的綜合實(shí)力在逐步追近國際科技龍頭企業(yè)的腳步。

圖2 人工智能專利申請(qǐng)量排名前十的申請(qǐng)人

3.2.3 人工智能領(lǐng)域技術(shù)分布

見表6，展現(xiàn)了人工智能領(lǐng)域?qū)＠麛?shù)量最多的主IPC 分類號(hào)及其技術(shù)主題，由此了解人工智能領(lǐng)域技術(shù)分布?？芍Ｊ阶R(shí)別、圖像分析、語音識(shí)別、大數(shù)據(jù)、云計(jì)算、通信傳輸、計(jì)算機(jī)視覺等是當(dāng)前人工智能領(lǐng)域的熱點(diǎn)技術(shù)。在此基礎(chǔ)上統(tǒng)計(jì)了IPC 的主要國家/機(jī)構(gòu)專利數(shù)，見圖3，可知各個(gè)國家人工智能技術(shù)分布不均衡，各有側(cè)重：日本在G06K9、G06T7 和G10L15 領(lǐng)域申請(qǐng)的專利數(shù)量較多；韓國專利申請(qǐng)主要集中在G06K9、G10L15 和G06Q30；中國 在G06K9、G06T7、G06F16、G06F17、G06Q10 技術(shù)領(lǐng)域的專利數(shù)量都領(lǐng)先于其他國家，但在G10L15和G06N20 等技術(shù)領(lǐng)域的專利數(shù)量均落后于美國，除此之外，在G06F17、G06Q10、G06N3、G06F3、G06Q30 領(lǐng)域的專利申請(qǐng)都較少，說明中國在模式識(shí)別、圖像分析、大數(shù)據(jù)、云計(jì)算和AI 管理領(lǐng)域有明顯的技術(shù)發(fā)展優(yōu)勢(shì)，在語音識(shí)別和機(jī)器學(xué)習(xí)等關(guān)鍵技術(shù)領(lǐng)域的發(fā)展水平相對(duì)弱勢(shì)，專利技術(shù)布局不均衡，需要在發(fā)展優(yōu)勢(shì)技術(shù)領(lǐng)域的同時(shí)加大弱勢(shì)領(lǐng)域的研發(fā)投入，加強(qiáng)技術(shù)之間的融合創(chuàng)新；而美國更注重算法等底層技術(shù)，在機(jī)器學(xué)習(xí)、語言識(shí)別、計(jì)算機(jī)視覺、數(shù)據(jù)處理等關(guān)鍵技術(shù)領(lǐng)域保持一定的優(yōu)勢(shì)。

圖3 人工智能領(lǐng)域主IPC 分類號(hào)下各個(gè)國家/機(jī)構(gòu)專利數(shù)對(duì)比

表6 人工智能專利數(shù)量排名前十的主IPC 分類號(hào)及其對(duì)應(yīng)的技術(shù)方向

綜上，全球人工智能技術(shù)領(lǐng)域?qū)＠麛?shù)量從2010年之后爆發(fā)式增長，其中主要是中國和美國專利數(shù)量的快速增長；同時(shí)發(fā)現(xiàn)日本和韓國研究起步很早，技術(shù)基礎(chǔ)儲(chǔ)備扎實(shí)，但發(fā)展后勁不強(qiáng)。美國申請(qǐng)量雖然沒有中國多，但美國更注重底層技術(shù)，基礎(chǔ)技術(shù)和核心技術(shù)扎實(shí)，在語音識(shí)別和機(jī)器學(xué)習(xí)等領(lǐng)域具有領(lǐng)先地位；中國雖然起步較晚，但后期專利申請(qǐng)量增長十分迅猛，但也導(dǎo)致技術(shù)布局不夠全面、基礎(chǔ)技術(shù)專利價(jià)值不高、專利的技術(shù)創(chuàng)新程度不高。因此，識(shí)別核心專利對(duì)于中國在人工智能技術(shù)領(lǐng)域的研發(fā)和改進(jìn)至關(guān)重要。

3.3 人工智能領(lǐng)域核心技術(shù)識(shí)別及結(jié)果分析

首先根據(jù)AHP-熵權(quán)法對(duì)以上所構(gòu)建專利識(shí)別體系中各個(gè)指標(biāo)計(jì)算權(quán)重系數(shù)，然后將根據(jù)篩選出的2000—2020 年660 件專利作為實(shí)證數(shù)據(jù)進(jìn)行核心專利識(shí)別分析。在AHP 評(píng)價(jià)過程中，邀請(qǐng)了6 位上海市知識(shí)產(chǎn)權(quán)專家組成評(píng)審小組，共同按照矩陣標(biāo)度法對(duì)核心專利評(píng)價(jià)指標(biāo)進(jìn)行賦權(quán)，采用熵權(quán)法來計(jì)算權(quán)重則是在獲取所有專利指標(biāo)信息的基礎(chǔ)上進(jìn)行。經(jīng)過計(jì)算得到的各個(gè)評(píng)價(jià)指標(biāo)的權(quán)重結(jié)果分別見表7、表8。

表7 基于AHP 確定的人工智能專利識(shí)別指標(biāo)權(quán)重

表8 人工智能專利識(shí)別指標(biāo)的組合權(quán)重值

將上述得到的各個(gè)評(píng)價(jià)指標(biāo)的組合權(quán)重和經(jīng)過無量綱化處理的660 件專利數(shù)據(jù)代入公式（13），確定樣本數(shù)據(jù)中各個(gè)專利的價(jià)值度，并將專利價(jià)值度最大值用1 來表示、其他專利價(jià)值度按照比例進(jìn)行轉(zhuǎn)換，最終得到的專利價(jià)值度區(qū)間分布見圖4。人工智能領(lǐng)域的660 件專利價(jià)值度的分布圖像近似符合正態(tài)分布，在專利價(jià)值度的（0.1，0.2］區(qū)間的專利數(shù)量最多，共有418 件，而專利價(jià)值度低的區(qū)間和專利價(jià)值度高的區(qū)間的專利數(shù)量都比較少，（0.7，0.8］區(qū)間有8 件專利，（0.8，0.9］區(qū)間有4 件專利，（0.9，1］區(qū)間只有2 件專利。

圖4 人工智能領(lǐng)域?qū)＠麅r(jià)值度區(qū)間分布

按照專利價(jià)值度大于0.7 的專利為核心專利，最終得到14 件核心專利、71 件關(guān)鍵專利和575 件普通專利，其中核心專利基本信息見表9。14 件核心專利均為美國專利，專利US11405466B2、US11257504B2、US10079014B2、US9966060B2、US10593346B2、US10283110B2、US9972304B2 主 要涉及語音識(shí)別技術(shù)；專利US11257504B2 主要涉及人機(jī)交互技術(shù)；專利US6804330B1、US11609552B2、US11210726B2 主要涉及通信傳輸技術(shù)；專利US10431204B2、US10521466B2、US11424027B2 主要涉及電數(shù)據(jù)處理技術(shù)；專利US11257576B2 主要涉及計(jì)算機(jī)視覺技術(shù)。由此可見，人工智能領(lǐng)域核心專利所包含的核心技術(shù)集中語音識(shí)別、通信傳輸、電數(shù)據(jù)處理、圖像分析等技術(shù)領(lǐng)域，符合以上分析的人工智能IPC 國際分布情況，均是當(dāng)前人工智能領(lǐng)域創(chuàng)新鏈技術(shù)層的熱點(diǎn)技術(shù)，說明所篩選的核心專利符合世界人工智能技術(shù)領(lǐng)域的發(fā)展現(xiàn)狀，證明基于專利屬性特征構(gòu)建的核心技術(shù)識(shí)別模型具有一定的科學(xué)性和有效性。從專利布局的角度來看，美國在人工智能領(lǐng)域核心技術(shù)的布局范圍越來越廣闊，重心逐漸分散。雖然美國近幾年在語音識(shí)別技術(shù)領(lǐng)域的核心專利布局較多，比如蘋果公司申請(qǐng)的多項(xiàng)關(guān)于語音識(shí)別技術(shù)被識(shí)別為核心技術(shù)，但整體上已經(jīng)不單局限于一個(gè)領(lǐng)域，已經(jīng)涉及到醫(yī)療、交通、物流以及金融、工業(yè)等各個(gè)產(chǎn)業(yè)領(lǐng)域，人工智能技術(shù)在不同產(chǎn)業(yè)融合創(chuàng)新發(fā)展成為當(dāng)前技術(shù)發(fā)展趨勢(shì)。

表9 人工智能領(lǐng)域核心專利基本信息及技術(shù)主題匯總

4 結(jié)論與啟示

首先從地域分布、申請(qǐng)人和IPC 分類號(hào)3 個(gè)層面對(duì)2000—2020 年人工智能領(lǐng)域的專利數(shù)據(jù)進(jìn)行計(jì)量分析，并基于專利價(jià)值特征構(gòu)建人工智能領(lǐng)域的技術(shù)、法律、市場3 個(gè)維度的核心技術(shù)識(shí)別指標(biāo)體系，運(yùn)用AHP-熵權(quán)法的主客觀組合賦權(quán)法構(gòu)建核心技術(shù)識(shí)別模型，劃分專利分類區(qū)間，最后對(duì)2000—2020 年人工智能領(lǐng)域篩選后的全球?qū)＠M(jìn)行實(shí)證研究。得出以下結(jié)論：

（1）所構(gòu)建的三維核心技術(shù)識(shí)別指標(biāo)體系能夠全面識(shí)別專利價(jià)值度高的核心專利，采用主客觀組合賦權(quán)法既可以克服定性分析主觀隨意性大的局限，又能夠客觀確定評(píng)價(jià)指標(biāo)的相對(duì)權(quán)重，對(duì)人工智能領(lǐng)域進(jìn)行核心技術(shù)識(shí)別的實(shí)證分析結(jié)果符合實(shí)際情況。這表明該核心技術(shù)識(shí)別模型具有一定的科學(xué)性和可行性，不僅豐富了核心技術(shù)識(shí)別理論，對(duì)中國掌握人工智能領(lǐng)域的技術(shù)發(fā)展趨勢(shì)也提供了參考依據(jù)。

（2）目前人工智能技術(shù)正處于快速增長期，相關(guān)專利的重要申請(qǐng)人主要分布在中國、美國、韓國、日本，技術(shù)發(fā)展逐漸形成以企業(yè)主導(dǎo)技術(shù)創(chuàng)新模式，模式識(shí)別、圖像分析、語音識(shí)別、大數(shù)據(jù)、云計(jì)算、機(jī)器學(xué)習(xí)等是當(dāng)前熱點(diǎn)技術(shù)。中國專利成為全球?qū)＠暾?qǐng)量激增的主要力量，國內(nèi)多個(gè)知名企業(yè)排名世界前列，主要以G06K9、G06T7、G06F16等為技術(shù)發(fā)展重點(diǎn)，在體量和應(yīng)用多元化上有所突 破，但 在G10L15、G06F17、G06Q10、G06N3、G06F3、G06Q30、G06N20 等技術(shù)方面開發(fā)較少，且在G10L15、G06N20 等技術(shù)方面落后于美國。這說明中國人工智能專利數(shù)量雖多，但技術(shù)發(fā)展不均衡，技術(shù)創(chuàng)新性和價(jià)值度低。

（3）識(shí)別出的核心專利均為美國專利，涉及的技術(shù)主題主要集中在語音識(shí)別、通信傳輸、電數(shù)據(jù)處理、圖像分析等技術(shù)領(lǐng)域。從專利布局的角度來看，人工智能領(lǐng)域核心技術(shù)的范圍有逐步擴(kuò)張的趨勢(shì)，重心逐漸分散，不僅局限于一個(gè)領(lǐng)域，已經(jīng)涉及到醫(yī)療、交通、物流以及金融、工業(yè)等各個(gè)產(chǎn)業(yè)領(lǐng)域。這說明目前美國在人工智能產(chǎn)業(yè)領(lǐng)域占據(jù)主導(dǎo)地位，不僅擁有很高的技術(shù)創(chuàng)新能力，而且有技術(shù)發(fā)展的預(yù)見性；相比下，中國人工智能領(lǐng)域核心技術(shù)的實(shí)力比較薄弱，自主研發(fā)創(chuàng)新能力有待提升。

以上結(jié)論啟示著，中國在緊跟全球人工智能技術(shù)發(fā)展趨勢(shì)的情況下，需要進(jìn)一步注重人工智能領(lǐng)域的研發(fā)投入和戰(zhàn)略布局。政府需要加大對(duì)人工智能產(chǎn)業(yè)技術(shù)創(chuàng)新的支持力度，加強(qiáng)頂層政策設(shè)計(jì)，制定人工智能相關(guān)標(biāo)準(zhǔn)體系，開展核心技術(shù)創(chuàng)新應(yīng)用試點(diǎn)示范，加強(qiáng)與國外的合作交流；鼓勵(lì)企業(yè)加強(qiáng)技術(shù)創(chuàng)新和自主研發(fā)能力的提升，可以通過構(gòu)建專利池，吸收重要的專利技術(shù)、吸納產(chǎn)業(yè)內(nèi)優(yōu)秀的企業(yè)、突破產(chǎn)業(yè)技術(shù)瓶頸、促進(jìn)技術(shù)標(biāo)準(zhǔn)的形成，激發(fā)企業(yè)技術(shù)創(chuàng)新活力；加大人工智能技術(shù)層的研發(fā)投入，提高技術(shù)的自主控制力，優(yōu)化產(chǎn)業(yè)專利布局，在保持現(xiàn)有領(lǐng)域技術(shù)研發(fā)的市場優(yōu)勢(shì)下同步發(fā)展多技術(shù)主題領(lǐng)域，加強(qiáng)技術(shù)融合，充分發(fā)揮技術(shù)集群間的聯(lián)動(dòng)效應(yīng)，突破國外技術(shù)鎖定的困局。

研究仍存在以下局限性：僅依據(jù)專利數(shù)據(jù)開展核心技術(shù)識(shí)別容易忽略專利技術(shù)與學(xué)科發(fā)展、技術(shù)演化和產(chǎn)業(yè)應(yīng)用間的內(nèi)在邏輯和聯(lián)系；只針對(duì)人工智能整體產(chǎn)業(yè)領(lǐng)域做了核心技術(shù)的識(shí)別研究而并未進(jìn)行不同領(lǐng)域的細(xì)分；未來可以考慮多源數(shù)據(jù)，針對(duì)細(xì)分領(lǐng)域進(jìn)一步探索在人工智能領(lǐng)域國家關(guān)鍵核心技術(shù)演化和突破路徑。