2018人工智能技术专利深度分析报告.pptx

2018人工智能技术专利深度分析报告,2018 年 11 月,1,目录,第 1 章 报告目标与检索策略.11.1 人工智能技术概述.11.2 分析目标.11.3 检索策略.2第 2 章 人工智能技术整体专利态势分析.32.1 专利申请量趋势分析.32.1.1 全球人工智能专利申请量趋势.32.1.2 专利申请量排名前十的国家/地区.32.1.3 中国申请量趋势及国内排名前五的申请人申请量趋势.42.1.4 美国地区申请量趋势.62.1.5 欧洲地区申请量趋势.62.1.6 日本申请量趋势.72.1.7 韩国申请量分析.82.2 专利权人整体状况分析.92.2.1 国内主要专利权人分析.92.2.2 美国主要专利权人分析.92.2.3 欧洲主要专利权人分析.102.2.4 日本主要专利权人分析.112.2.5 韩国主要专利权人分析.112.3 PCT 申请态势分析.122.3.1 世界范围内的 PCT 申请量分布特征.13,2,2.3.2 世界主要 PCT 申请地区的申请年代趋势.132.3.3 世界范围内 PCT 申请的技术分布.152.3.4 世界主要 PCT 申请地区的技术分布.16第 3 章 人工智能重点专利技术分析.173.1 主要技术分支.173.2 主要技术分支技术生命周期.183.2.1 机器学习和基础算法技术生命周期. 183.2.2 智能搜索和智能推荐技术生命周期. 193.2.3 语音识别技术生命周期分析.203.2.4 自然语言处理技术生命周期.213.2.5 自动驾驶技术生命周期.223.2.6 计算机视觉和图像识别技术生命周期. 233.3 主要技术分支申请量趋势.233.3.1 主要技术分支在国内的申请量趋势. 233.3.2 主要技术分支在美国的申请量趋势. 243.3.3 主要技术分支在欧洲的申请量趋势. 253.3.4 主要技术分支在日本的申请量趋势. 263.4 主要技术分支国内重要申请人.273.4.1 机器学习和基础算法方向主要申请人. 273.4.2 智能搜索和智能推荐方向主要申请人. 283.4.3 语音识别方向主要申请人.293.4.4 自然语言处理方向主要申请人.29,3,3.4.5 自动驾驶方向主要申请人.303.4.6 计算机视觉和图像识别方向主要申请人.31第 4 章 人工智能重要专利权人分析.334.1 重要专利权人在各国家/地区的申请趋势.334.2 国内主要专利权人分析.334.3 美国主要专利权人分析.344.4 欧洲主要专利权人分析.354.5 日本主要专利权人分析.364.6 韩国主要专利权人分析.37第 5 章 意见和建议.385.1 产业发展建议.385.2 企业发展建议.39,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（Artificial Intelligence, 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1,2,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。,3,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、,4,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，近十,5,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百度、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百度、中国科学院、腾讯的申请量在近几年,6,增长迅速，尤其以百度公司最为亮眼，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,7,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,8,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。,9,2.2 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百度，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,10,三星、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，,11,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。,12,图 2.13 主要专利权人在韩国申请量,2.3 PCT 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。,13,2.3.1 世界范围内的 PCT 申请量分布特征,图 2.15 PCT 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。,14,图 2.16 PCT 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,15,中国赶超。,图 2.17 PCT 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,16,2.3.4 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。,17,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,18,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,19,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,20,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。,21,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,22,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。,23,3.2.6 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,24,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,25,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。,26,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,27,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，百度、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百度,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。,28,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,29,人有四位上榜，分别是微软、三星、谷歌和 LG。在国内申请人中，百度的申请量以 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，但是百度的申请量以绝对优,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,30,机构申请人分别占据半壁江山。排名前三的百度、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,的企业仅有百度、大疆和容祺智能挤进榜单，百度作为上榜的唯一一,家互联网公司，申请量列于首位，这应该归功于百度近年来投入研发,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,31,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，除百度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。,32,图 3.15 计算机视觉和图像识别方向国内主要申请人,33,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,本节将对在各个国家/地区进行专利申请的申请量较大的专利权,人进行分析，以期对主要专利权人在各个国家和地区的专利布局进行,直观的展示。且由于各专利权人在 2010 年之前的申请量较小，不具有统计和分析的价值，所以以下几节的数据仅涉及 2010 年之后的专,利申请。,4.2 国内主要专利权人分析,本节主要对在国内进行专利申请的主要专利权人进行分析，数据,来源为 CNABS 数据库。,图 4.1 示出了国内主要专利权人的申请量在 2010 年之后的变化,趋势，可以看出，在我国国内各公司的申请量趋势非常一致，保持了,一个平稳的持续增长的速度，而其中，百度和中国科学院的申请量在,2013 年之后增长远超其他专利权人，其中又以百度为首，其申请量增速在 2013 年之后有了飞跃的提升。而其中各个专利权人在 2017,