一、引言人工智能是一種通用技術，有利于提高生產力等經濟成果以及應對健康或氣候變化等社會挑戰，正在迅速改變著經濟發展和社會生活。雖然人工智能是當前經濟和政策決策的焦點，但識別并表征人工智能技術基礎的實證分析仍然有限。特別是最近有人嘗試劃定人工智能學科界限，挖掘其內涵和作用，但有關人工智能最新核心技術和應用的實證、識別和表征方面的研究仍然欠缺。鑒于上述背景，人工智能技術與多種技術和經濟部門更加相交織是面臨的主要挑戰，這也是通用性技術的普遍特征。眾所周知，專利數據雖僅能代表部分技術的發展，但卻能為人工智能相關技術的界定難題提供解決方案，從而將人工智能核心技術與其他技術區分開來，并探索人工智能創新演變過程。事實上，專利數據不僅提供了技術發展的定量層面和前瞻性內容，而且提供了對技術變革的定性層面的見解，特別是在技術領域的詳細分類信息。本報告以美國專利數據為基礎，概述了一種新的方法論，首次對人工智能核心技術（即人工智能領域最新的核心技術和應用）進行了探索性研究。首先，本研究根據人工智能相關關鍵詞的已有數據以及與人工智能密切相關的國際專利分類（IPC）和合作專利分類（CPC）代碼，識別出2000年至2018年（即近期生成式人工智能熱潮之前）在美國專利商標局注冊的人工智能相關專利。基于人工智能相關專利被引用的次數，將引用次數最高的專利定義為人工智能“核心”專利，并將核心專利組與其他專利組進行比較，從而研究核心專利的特征，如通用性、原創性、應用范圍和前沿性。其次，通過人工智能核心專利摘要，研究人工智能核心專利中最常見的人工智能主題及其演變歷程。最后，采用基于網絡的方法，以不同人工智能主題為重點，探討人工智能專利對核心專利的引用模式。本研究是對經濟合作與發展組織（以下簡稱“經合組織”）近期根據不同數據來源（包括企業調查、在線招聘或互聯網網站數據）分析人工智能技術創新和擴散的工作的補充。同時，該研究提供了符合《經合組織人工智能原則》的實據基礎，也是對經合組織近期開展的生成式人工智能或人工智能如何影響科學這項工作的補充。辨別和分析人工智能核心技術不僅有助于理解人工智能在整個經濟中延伸的技術基礎，還能對未來其他領域開展的政策研究具有啟發作用，比如擁有人工智能核心專利與企業業績和創新之間的聯系，或人工智能核心技術與綠色轉型等技術之間的相互依存關系。二、背景介紹眾多學者認為，人工智能有望跨應用—跨領域引發一連串的智能有“發明方法的創新”（IMI）之稱，可作為催化劑，在原有知識的基礎上促成新發明。為更好地了解和研究人工智能技術的發展，近期很多文獻根據專利數據展開對人工智能創新的研究。盡管專利數據并非詳盡無遺，但仍是政策研究和創新文獻中衡量創新活動而普遍使用的指標。因此，以專利為基礎開展人工智能創新動態及其演變情況的研究成為一種可行且有效的方式。盡管如此，當前多數研究僅關注人工智能的技術通用性或宏觀經濟影響，而沒有詳細考察其如何推動人工智能解決方案的發展過程。本報告旨在從兩方面補充現有文獻：第一，篩選出最能反映技術變革趨勢的高被引用的人工智能創新成果，并分析其特點，重點關注人工智能最新的先進核心技術和應用。第二，利用網絡分析法揭示人工智能核心技術與其他人工智能相關創新之間的相互依存關系，從而促進理解核心技術能否以及如何塑造新知識庫。三、數據和研究方法研究方法主要包括三個步驟，包括識別人工智能相關專利、界定人工智能核心專利組別、根據摘要內容將其分為不同類別。（一）識別人工智能相關專利該研究數據源于2000年至2018年期間在美國專利商標局提交的專利申請，包括已授權專利和授權前專利出版物。相對于其他專利局的可用數據，美國專利商標局參考文獻資料最為齊全，尤其是在引文方面。此外，根據美國專利商標局規則和條例，軟件可直接申請專利，而在歐洲專利局（EPO）等專利管轄區，只美國專利商標局專利的研究有助于從更廣泛的人工智能相關專利中了解人工智能核心技術。研究數據來源于2022年歐洲專利局全球專利統計數據庫，又稱PATSTAT數據庫。該數據庫經經合組織科學、技術、創新微觀數據實驗室做了進一步整合。依賴專利文件的摘要或標題中檢索的人工智能關鍵詞，以及與人工智能相關的國際專利分類或合作專利分類代碼，確定人工智能相關專利集。人工智能關鍵詞由對人工智能相關科學文獻的文本挖掘確定。研究時間早于近期生成式人工智能熱潮。本研究采用基于專利引用的方法，區分與人工智能相關的核心專利和與人工智能相關的其他專利。《經合組織專利統計手冊》規定：檢索報告可參考專利和非專利引文，以評估發明是否滿足專利申請指標，幫助確定新專利申請要求的合法性。專利和非專利引文提及現有技術，表明這些技術并非新發明，被引用也可說明該發明缺乏新穎性。因此，專利引用通過劃定專利所授予的產專利A則是專利B技術的一個起源，專利B則無法向A提出權利要求。在這一步驟中，被引用聯系用于評估特定人工智能創新對后續人工智能技術發展的影響。因此，對被引用次數高的人工智能專利的分析旨在幫助表征不同的人工智能技術，并識別人工智能核心技術。假設一項人工智能相關專利被引用的次數越多，基于該專利的發明就越多，該專利就越有可能是人工智能技術的核心，即與眾多其他人工智能相關技術有關聯。為找出人工智能的核心，其用于尋找其他人工智能相關發展，本研究篩選了被引用次數最多的前1%的人工智能專利。研究時未采用時間窗口（某個時間段內的特定時間范圍）計算專利引用能專利在2000年至2018年間的被引用次數都會計算在內。為確保不同時期和不同專利之間的可比性，本研究通過在世界知識產權組織國際專利分類系統中輸入關鍵詞索引，將專利按技術領域和申請年份劃分作為參考，最終以專利的平均被引用次數作為標準數據。此外，為保證各項發明具有代表性，本研究不包括美國專利商標局專利附錄中所列項目。被引用次數最多的前1%的專利是人工智能“核心”專利。2000年至2018年期間，超過70%的人工智能相關專利被其他專利引用（如圖1所示）。其中，采用上述方法確定了2000年至2018年間472項人工智能核心專利，近年來專利數量呈加速趨勢。圖中的數據來源于美國專利商標局的保護人工智能技術的專利申請（已授權專利和未授權出版物）。被引用次數最多的前1%專利數據是采用標準化的被引用次數。（三）將人工智能核心專利分類為更好了解其他人工智能開發技術的基礎，將人工智能核心專利按特定的人工智能相關主題進行分類。具體做法是找出人工智能核心專利摘要中出現頻率最高的關鍵詞。專利摘要簡明扼要地概括了專利申請書的內容，包含了發明的關鍵信息。在人工智能專家的支持下，通過迭代過程和兩兩相關分析，關鍵詞是11個具有代表性的人工智能主題。兩兩相關分析反映人工智能專利總量被引用的人工智能專利人工智能核心專利（被引用最多的前1%）了在每項人工智能核心專利的摘要中，不同關鍵詞同時出現的頻率與單獨出現的頻率之比。圖2顯示了在人工智能核心專利摘要中，人工智能相關關鍵詞一起出現的頻率。圖示樣本數據是指美國專利商標局與人工智能技術有關且被引用次數最多的前1%的申請專利（包括已授權專利和未授權出版物包括351項人工項人工智能核心專利僅基于人工智能相關的國際專利分類/合作專利分類代碼進行界定，因此未在該圖中反映。人工智能相關的關鍵詞由黑色節點呈現，節點間線條的粗細程度代表關鍵詞出現的相對頻率，即兩個關鍵詞被同時提及的頻率越高，線條就越粗。在該圖中，各節點之間的線條長度無含義。人工智能主題包括：算法、自動駕駛、聊天機器人、計算機深度學習）、識別或檢測、機器人以及語音。人工智能主題分類進一步明晰了各主題之間的關系。圖2中不同關鍵詞之間的兩兩相關性初次證明一點，即在人工智能核心專利中，自動駕駛和機器人技術等與人工智能應用相關主題往往獨成一派。傳感器融合傳感器融合即時定位與地圖構建障礙避免機器人機器人學自編碼器機器視覺認知計算自組織映射模式識別數字圖像處理0.2避免沖突機器學習物體識別人工智能神經網絡人臉識別自主載具自然語言處理隨機場數據采掘機器翻譯虛擬助手語義網模糊c語音識別認知建模圖像識別卷積神經網絡文本轉語音目標探測人工神經網絡語音轉文本長短期記憶深度卷積神經網絡自動駕駛行人探測算法深度神經網絡循環神經網絡情感分析監督學習深度學習相關性0.40.6為進一步研究人工智能專利內容，本報告根據特定主題關鍵詞的出現頻率，從所有已有人工智能主題中為每項專利確定主題。例如，某項專利的摘要包含三個與語音相關的人工智能關鍵詞，一個與聊天機器人相關的關鍵詞，那么語音則是這項專利的主題。極少數情況下，若主題無法確定，則從所有提及的主題中隨機選擇。絕大多數人工智能核心專利（即472項核心專利中有351項）可以根據預先搜集的關鍵詞集直接確定主題。其余121項人工智能核心專利的摘要中均未出現上述人工智能關鍵詞，而是根據其國際專利分類/合作專利分類代碼被界定為人工智能相關技術。因此，該121項專利無法被直接歸入某個特定人工智能主題，而需首先尋找與其國際專利分類代碼相近的專利，從而通過后者的人工智能關鍵詞和主題來推定。確切而言，首先利用四個特定相關國際專利分類代碼的主題推斷出部分無關鍵詞專利的主題。然后，對于剩余的無主題專利，根據與其相關的三個特定國際專利分類代碼，選擇頻率最高的主題。否則，根據兩個與其相關的國際專利分類代碼，選擇頻率最高的為主題。因此，除9項（約占2%）人工智能核心專利外，其他都有特定的人工智能主題。該方法也適用于引用任何已確定的核心專利的人工智能專利，結果99%的引用專利得以確定自身人工智能主題。四、探索人工智能核心專利特征按照上述研究方法，該研究首先根據人工智能核心專利的技術范圍、原創性、通用性和前沿性來分析這些專利的特征，以與通用的核心技術和應用區分開來。然后，研究聚焦于人工智能核心專利摘要內容，探索核心專利的主題特征及演變歷程。最后，采用基于網絡的方法，探索了人工智能專利（引用不同主題的核心專利）的引用模式，從而進一步確定人工智能核心技術的特征，提供有關核心技術與后續人工智能創新的關聯以及與現有技術相互依存關系的信息。（一）人工智能核心專利質量評估指標：技術范圍、原創性、通用性和前沿性首先將人工智能核心專利（被引用次數最多）與2000年至2018年間反映其技術范圍、原創性、通用性和前沿性的幾種衡量指標關聯起來。“框1”簡要介紹了各項衡量指標。框1：衡量人工智能核心專利質量的四項指標專利的技術價值和/或經濟價值可以用多種標準來衡量。其中，衡量標準需基于專利文件內容，特別是專利發明的技術類別（國際專利分類并結合其余三個指標以及引用次數和被引用專利范圍是一項規范化指數，它基于不同的4位數國際專利分類子類的創新發明數量。每份專利國際專利分類的數量均對同類專利（即申請日期和技術領域相同的專利）統計到的最大值進行標準化處理。專利應用范圍指數越大，其技術價值和市場價值就越高。專利通用性指數對赫芬達爾指數（HHI）進行了一些修改，并充分結合給定專利的被引用數量、引用領域以及技術類別等信息。該指標參照引用專利包含的所有國際專利分類類別，并關注專利技術適用的集中度。如果某項專利被技術領域較為廣泛的后續專利引用，而適用于更大范圍的技術，那么此專利通用性指數也會更高。專利原創性指數與通用性指數邏輯相似，但原創性指數主要借鑒引用別的專利情況，而不是被引用情況。該指數注重新發明所引用專利的技術范圍和知識廣度。引用多種技術專利的發明可能比引用較少的專利更具原創性。最后，通過比較專利的技術含量和引用專利的技術含量來考察專利的前沿性。專利的前沿性定義如下：某項專利所引用專利的國際專利類別，并不是專利所屬類別，且不隨時間而變。一項專利引用的非本領域專利越多，越具前沿性。圖3為人工智能核心專利、其他人工智能專利和非人工智能專利在技術通用性、原創性、技術范圍和前沿性等質量指標方面的對比情況。其中，“人工智能核心專利”樣本（即涵蓋472項人工智能核心專利集是指在美國專利商標局提交的已授權專利和授權前出版物中，被引用次數最多的前1%專利。“其他人工智能專利”是指已確認主題的其余人工智能專利。“非人工智能專利”是指非人工智能技術的專利。專利應用范圍指數以同類專利（申請日期和世界知識產權組織技術領域劃分）中的最大值為準。從架構上看，四項指數的范圍都處于0到1之間。研究結果表明，與被引用較少的非人工智能技術專利或其他專利相比，人工智能核心專利引用的專利技術領域更廣泛，即核心專利依賴于更廣泛且多元的知識來源，這可以從更高的原創性指數看出。同時，人工智能核心專利被技術領域更廣泛的專利引用，通用性指數更高，技術范圍也更廣。雖然人工智能專利與其他非人工智能專利相比更具技術前沿性，但僅在人工智能領域，核心專利與被引用較少的非核心專利之間并無顯著差異。因此，在原有專利的基礎上，人工智能核心專利的創新性不一定優于非核心專利。相較之下，哪怕是被引用高的非人工智能專利，其前沿性與人工智能核心專利之間也存在顯著差異。1.000.750.500.250.001.000.750.500.250.001.000.750.500.250.001.000.750.500.250.002000-2018年技術通用性指數人工智能核心專利人工智能核心專利2000-2018年原創性指數人工智能核心專利其他人工智能專利非人工智能專利2000-2018年專利范圍指數人工智能核心專利2000-2018年前沿性指數人工智能核心專利其他人工智能專利非人工智能專利其他人工智能專利非人工智能專利其他人工智能專利非人工智能專利（二）按主題探索人工智能核心技術創新由人工智能核心專利的摘要發現，通用人工智能、機器人、計算機或圖像視覺以及識別或檢測等相關技術，始終是人工智能發展的核心領域。這些技術是計算機科學、工程學和數學等不同學科的集成，具有廣泛的實用價值。例如，機器人技術是指與任務自動化相關的技術，從事的任務都是重復性的常規任務。近期，機器人技術廣泛應用各種領域，例如，用于特定的高度危險環境或機器人輔助手術等增強人類能力的任務，其中一些手術愈發不需要人工干預。相比之下，在2000年至2018年期間，與特征工程、聊天機器人、算法、自然語言處理和語音相關的技術似乎不太普及。鑒于當前人工智能領域涌現的生成式人工智能技術，這一觀點似乎有些出人意料，但這在很大程度上恰是聊天機器人、自然語言處理和語音領域取得實質性進步的結果。然而，上述技術的發展主要得益于在2017年剛剛興起的Transformer模型。當時本研究已接近尾聲，因此并未涉及這些實質性進展。圖4為人工智能主題詞云圖。圖中字體大小表示主題出現在樣本數據中的頻率，樣本數據是指在美國專利商標局提交的人工智能技術專利申請（已授權專利和授權前出版物）中被引用次數最多的前1%。該樣本數據源于人工智能核心專利（463項）的子樣本（463項其中專利主題已確定或可推定而來。從圖4可看出，近年來，自動駕駛和深度學習等網絡技術的重要性日益凸顯。這得益于傳感器技術和高分辨率攝像頭的最新進展，以及人們對安全的日益關注，促進了自動駕駛技術的研發工作，從而提高了自動駕駛汽車的感知能力。而由于大規模數據可用性的提高和計算能力的改善，加快了深度學習模型的訓練速度。但是，值得注意的是，專利只是人工智能發展生態系統的一能更愿意將這些技術作為商業秘密加以保護，不透漏具體內容，從而保持其競爭優勢。而聊天機器人和語音技術的部分進展得益識別/檢測語音網絡（深度學習）通用人工智能計算機/圖像視覺機器人科學特征工程網絡（深度學習）機器人科學計算機/圖像視覺聊天機器人特征工程算法自動駕駛通用人工智能語音識別/檢測計算機/圖像視覺聊天機器人機器人科學算法語音通用人工智能網絡（深度學習）（三）探索人工智能核心專利對后續創新的作用之前的章節揭示了隨著時間的推移，自動駕駛和網絡技術等領域的重要性更加凸顯，而其他領域的重要性則有所下降。為深入了解特定領域如何隨時間而影響人工智能的發展，不僅需要利用人工智能核心專利信息，還需要借鑒這些核心專利引用的人工智能相關專利。引用網絡有助于直觀地說明專利之間的知識演變和流動，發現人工智能領域可能存在的趨同和交叉，并為上述專利質量指標研究結果提供更多支持。圖5顯示了向美國專利商標局提交的（已授權專利和授權前出版物）被引用次數最多的前1%專利申請的引用網絡，AI相關的技術為中心節點。周圍節點是指人工智能核心專利引用的其他專利。圖示連接線的粗細和長度無含義。各節點顏色由其人工智能主題確定。對于僅根據國際專利分類代碼而被視為人工智能相關的專利，其主題由具有類似代碼特征的專利推定而來。少數無主題的人工智能專利（經推定后）用灰色代表。圖5所示的引用網絡表明，人工智能核心技術在其各自領域刺激了創新，但對其他領域影響更大。具體而言，該圖已確定主題的人工智能核心專利為網絡中的中心節點，而其引用的人工智能專利是周邊節點。中心節點和周圍節點間的連接線都是有方向的，反映了從人工智能核心專利到其引用的人工智能專利的知識接線的粗細和長度（即節點之間的距離）無含義。此外，每個節點根據人工智能專利的不同主題按顏色繪制，而連接線則以引用的人工智能專利主題進行標色，從而證明了不同主題之間的相互依存關系。根據圖5，人工智能核心技術與后續大量的人工智能創新相關聯，也依賴于先前的人工智能核心技術。色）、語音（淡粉色）和機器人（亮粉色）等技術的出現推動了本領域的發展。相反，與網絡技術（亮藍色）、識別或檢測（紫色）、通用人工智能（深綠色）和計算機或圖像視覺（深綠色）等相關技術與眾多其他技術關聯，表明了其擁有更廣泛多樣的應用潛力。專利涉及的主要人工智能技術算法聊天機器人計算機/圖像視覺特征工程通用人工智能自然語言處理識別/檢測機器人科學語音不確定技術程度0200300400此外，人工智能核心技術更常被其他人工智能技術專利引用，而非被與其應用直接相關的人工智能核心專利所引用。在單獨研究另一個技術領域時，這些發現也得到了進一步證實。例如，以識別或檢測技術為主題的人工智能核心專利的引用網絡，除與識別或檢測本身相關的創新之外，這些技術領域還與多個其他領域度學習）。鑒于檢測或識別對于感知和理解環境至關重要，而自動駕駛和機器人技術這兩個領域又依賴于傳感器對障礙物的檢測以及與周圍環境的智能互動，有關自動駕駛和機器人技術的創新也就順理成章了。同樣，深度學習網絡，特別是卷積神經網絡，已經在圖像識別任務中取得了革命性的進展，并且處于計算機視覺技術進步的前沿，在自動駕駛和機器人領域有著廣泛應用。當再次反向研究，并聚焦全部人工智能核心專利及其與識別或檢測相關的人工智能引文時，更能證明，識別或檢測技術不僅與后來多元的人工智能創新相關，還同時依賴于過去非本領域的人工智能核心技術。五、結語和下一步措施本報告中提出的探索性見解，旨在幫助更好地理解2018年以前數字化轉型最新階段的技術基礎。報告概述了如何界定人工智能的核心專利，并研究了這些專利的特征，包括人工智能核心專利的主題和引用模式。研究成果表明，人工智能核心專利更具原創性，即依賴更廣技術領域。這表明與其他被引用較少的人工智能技術或非人工智能技術專利相比，人工智能核心專利也具有更高的技術價值，同時可能產生更高的市場價值。事實上，隨著時間的推移，核心人工智能專利的原創性和通用性更加凸顯，特別是相對于其他非人工智能專利，這展示了人工智能技術的通用性特征。雖然人工智能專利在技術上比其他非人工智能專利更具前沿性，但與被引用較少的人工智能相關專利相比并沒有顯著差異。有趣的是，在技術開發早期階段，人工智能專利相對于其他技術專利更超前，因此會引用原有的人工智能專利，而不是其他類