摘要：本文基于专利检索数据，从技术主题分布、演化路径及合作创新网络三个维度出发，利用社会网络分析方法及Gephi软件的可视化分析，对2000—2019年中国、美国、韩国、日本、欧洲等主要国家和地区的人工智能专利数据进行对比分析，以探究全球人工智能发展现状，为中国人工智能发展提供借鉴。结果表明：①各国人工智能技术主题布局主要集中在计算领域，中国已成为全球人工智能技术布局的关键力量，且技术集群之间关联较强，但与美国相比，中国基础技术层竞争力较弱，积极构建“核心技术为主，多元技术为辅”的人工智能技术主题格局成为当务之急；②各国均致力于新兴产业的智能化建设，但中国作为传统制造业大国，要继续加强传统制造业的智能化升级，建设以新兴产业为技术引领、传统制造业为经济支撑的人工智能生态体系；③中韩两国人工智能专利呈现出规模社团，联合创新模式初显成效，但各国整体合作创新网络还不成熟，加强跨领域、跨区域联合创新，构建人工智能多元化网络体系，是未来人工智能产业发展的大势所趋。

关键词：人工智能，专利技术分布，演化路径，合作创新网络

基金项目：国家自然科学基金项目（71963025；71661026；71863027；71961026），内蒙古自然科学基金项目（2017MS0720），内蒙古社会科学规划项目（2018NDB016），内蒙古社会科学基金重点项目（18A05）。

引言

专利是技术创新、成果传递交流的重要载体，是用来判断技术创新程度的重要指标，对相关产业发展和技术突破产生重要影响^[1]。专利创新是技术发展的驱动力，这种驱动作用主要体现在优化专利布局、推动技术创新以及实现产业化应用上。通过研究专利创新网络，了解全球技术创新发展趋势、各国专利布局特征及演变规律，为中国人工智能产业发展提供技术映射，在进行技术研发时专注核心技术的挖掘，并在转换专利成果及推进市场应用时找到新的利润增长点^[2]。

科技创新是顺应国际发展潮流、应对全球挑战的重要武器^[3]，而人工智能作为引领人类未来的战略性技术，在引发科技、产业和社会变革方面具有巨大潜力，各国纷纷出台人工智能资金支持计划与相关政策扶持计划，助力新技术变革。欧盟计划将人工智能研究和创新投资由2017年的7500万欧元增加到2020年的15亿欧元，并争取公共和私营部门总投资在2020年至少达到200亿欧元^[4]；美国计划从2018年开始的5年内，投入20亿美元研究新一代人工智能技术^[5]；韩国计划从2018年到2022年投入2200亿韩元以支持人工智能技术研发^[6]；日本中央财政在2019年度预算中，将4.351万亿日元重点用于人工智能领域的技术研发与人才培养。2017年，国务院在《新一代人工智能发展规划》中明确将人工智能提到国家战略高度；2018年，《新一代人工智能产业创新重点任务揭榜工作方案》指出，要将人工智能技术发展具体落实到细分领域；2019年，政府工作报告提出要深化大数据，扩大人工智能应用面等与人工智能发展紧密相关的重要举措^[7]。在全球主要国家的积极推动下，人工智能通过与众多领域的不断融合，势必会成为新技术发展升级的战略领地。

人工智能专利创新是衡量各国人工智能发展的技术指标，同样也是推动全球人工智能尖端技术研发的关键力量。因此，本文在对人工智能发展进行背景分析后，从人工智能专利的技术主题分布、演化路径及合作创新网络三个方面进行分析，以明晰全球人工智能产业的创新发展水平及各国人工智能的发展现状，对于判断中国在该产业所处的全球价值链维度进而弥补发展的不足之处具有重要现实意义。

1 数据筛选与分析方法

1.1 数据筛选

本研究使用的专利数据来源于Patsnap专利数据库，参考ISO修订的标准《信息技术词汇第28部分：人工智能基本概念与专家系统》《信息技术词汇第29部分：人工智能语音识别与合成》《信息技术词汇第31部分人工智能机器学习》《信息技术词汇第34部分：人工智能神经网络》，以及中国信通院发布的《2018年世界人工智能产业发展蓝皮书》及WIPO发布的报告《Technology Trends 2019：Artificial Intelligence》等文件^[8-10]，参考国际标准提到的人工智能相关词汇，最终提取到的关键词分别是deep learning、fuzzy logic、logic programming、probabilistic reasoning、ontology engineering、computer vision、natural language processing、speech recognition、smart robot、predictive analytics，以专利申请日为时间节点，时间跨度为2000—2019年，以此制定检索策略，检索到11059条数据，检索时间为2020年2月27日。

人工智能从2000年开始进入产业化阶段^[11]，同时相关专利及知识产权保护提上日程，使得人工智能得以迅速发展，因此本文选取2000—2019年人工智能专利截面数据。首先，对11059条数据进行简单专利家族合并，使具有相同优先权的系列相似专利合并归一，从而保证一件专利对应一项技术内容，避免技术聚类结果中出现因同属一个专利家族而聚为同一类的情况^[12]，合并后人工智能专利数据为9333条，其中，美国2232条、中国2625条、日本1103条、韩国1499条、欧洲（德国、法国、瑞士、荷兰、意大利）567条，共8026条数据，约占全球人工智能总专利数量的86%，这些国家的人工智能专利分布规律和演化特征可以在很大程度上代表全球人工智能的发展水平，所以选取这些国家作为研究全球人工智能专利布局的主体，以此构成本研究的基础数据池。

1.2 数据分析方法

社会网络分析法（SNA）是一种分析数据间关系的方法，通过对社会网络中各主体进行相关指数的衡量，以明晰主体间相互联系的紧密程度及结构特征^[13]。本文基于社会网络分析法，运用Gephi0.9.1软件，以网络直径、平均路径长度等作为网络特征向量，对各国的人工智能合作创新网络进行分析。

2 专利背景分析

2.1 专利受理量趋势分析

图1所示为2000—2019年人工智能专利受理量的变化趋势，其中，2010年是人工智能专利受理量的分水岭。

图1 2000—2019年人工智能专利受理量变化趋势

2000—2010年可称为人工智能的实验室阶段，在此阶段欧洲软件行业迎来近30年的鼎盛时期，其专利受理量居全球第一，涌现出Nokia、SAP等巨头公司。美国、中国的人工智能企业分别在1991年、1996年进入萌芽发展期，中美的这一时间差使得此阶段中国人工智能专利受理量虽有所增长，但整体低于美国，而美国始终在相对较高的水平波动。同一时期，日本与韩国的人工智能专利受理量变化趋势较平稳，分别在年50项、年30项左右浮动。值得关注的是，2006年深度学习借助Geoffrey Hinton在《Science》上提出的训练算法在学术界持续升温，这一事件有力推动了人工智能的研究。到2007年，人工智能专利的增幅分别是欧洲7项、美国29项、中国30项。随着各国在人工智能技术研发上的不断投入，全球人工智能发展进入“快车道”。

2010年之后全球人工智能开始进入爆发式增长阶段，并逐步迈进规模化商用时代初期。各国开始加大国家层面的扶持力度，以实现人工智能技术及应用的飞跃发展。2016年，中国将人工智能行业纳入国家“十三五”规划中，之后相继发布了《“互联网+”人工智能三年行动实施方案》《“十三五”国家科技创新规划》《“十三五”国家战略性新兴产业发展规划》，分别从突破人工智能关键技术、大数据下的人工智能技术发展及人工智能与各行业融合渗透等方面进行政策指导，极大调动了人工智能市场的活跃度，2016年仅中国人工智能专利受理量就达到峰值214项。2017年美国出台《自动驾驶法案》《人工智能政策原则》等政策，美国在2018年达到专利受理量239项的峰值，同年韩国发布《机器人法案》，在智能信息产业领域扩大人力、设施投入，专利受理量达到256项的峰值，赶超中美。日本这一时期的专利受理量整体较为平稳，保持在43项左右，并且日本从2016年开始力求建设更为智能化的社会，在2017年发布了《下一代人工智能推进战略》^[14]等举措，可见全球主要国家和地区都在世界范围内加快人工智能技术和产业布局。

2.2 专利质量对比分析

Karki在研究专利被引次数分布时发现，被引6次及以上的专利仅占全部专利的10%^[15]，某项专利被引次数越高，越具有代表性和创新性，是其技术领域的核心专利^[16]，对后续技术创新及专利成果发表具有参考作用。因此，被引次数可视为专利质量的主要度量指标^[17]。

由表1可见，美国被引次数超过6次的专利有864项，占美国专利总数的38.71%；韩国有29项，占韩国专利总数的1.93%；中国有5项，占中国专利总数的0.19%；欧洲有4项，占欧洲专利总数的0.71%；日本有4项，占日本专利总数的0.36%。综上，美国的专利质量水平最高，中国的专利申请量虽高于其他国家，但被引率偏低，在一定程度上说明中国在人工智能研发上与美国相比还存在质量差距，未来在保持研发数量增长的同时应不断提高研发质量，以提升人工智能领域创新成果的竞争力。

表1 各国专利被引次数对比

2.3 专利权人分布特征

各国技术研发主体均认为人工智能可以带来产业及互联网的重大变革，并投入大量资源进行技术研发及产业运用^[18]。聚焦专利权人的分布特征，能够明晰企业及科研机构在人工智能领域的活跃程度，如图2所示。在拥有人工智能专利数量超过20项的机构中，中国有14家，其中高校占12家、企业仅占2家，高校成为中国人工智能技术专利的主力军；美国有10家、日本有7家、韩国有4家、欧洲有2家，以上国家的专利权人除了韩国科学院外均为企业。从市场布局来看，美国已初具规模并处于领先地位，日韩紧随其后，中国目前在人工智能领袖机构数量方面占有优势，但人工智能技术大部分掌握在高校中，因此，中国亟需加强产学研合作，创新人工智能技术市场化的转化模式。

图2 主要专利权人专利数量分布

从各国专利权人关注领域来看，美国持续的研发投入、富有创新的文化氛围为美国人工智能技术孵化提供了基本条件，微软、IBM、亚马逊等资源雄厚的企业在IT、网络电子商务、科技制造、可编程解决方案等众多领域进行人工智能技术的挖掘探索。日本的电信电话株式会社、丰田公司依托人工智能技术实现信息通信领域的全覆盖以及汽车领域的精细化制造，并且松下、NEC、索尼等电器类企业也进入产品的智能化升级与制造阶段。在韩国科学院进行技术研发的同时，三星、LG借助人工智能技术进行电子电器、化学、能源等多领域的技术挖掘，人工智能同样也为传统产业升级转型赋能，POSCO（浦项制铁）首创人工智能镀锌层自动控制解决方案，推进智能化操作，逐步实现韩国智能钢铁厂的构建，其发展势头不容小觑。欧洲专注于电子电气工程领域，STMICROELECTRONICS（意法半导体）和SIEMENS（西门子）针对存储器、半导体等进行人工智能技术研发创新，成为人工智能在半导体行业中开发和应用的标杆。

中国的百度和国家电网公司在IT、电力工程领域发挥人工智能产业优势，成为人工智能发展的核心支柱。2014年7月，百度利用自主大数据技术准确预测了14场世界杯比赛结果，超越微软；同时，百度在人工智能算法与云计算硬件的支持下推出“百度大脑”计划，创造了世界上最大的深度神经网络系统。在2020年的新冠疫情防控工作中，百度利用人工智能、大数据技术为中国疾病预防控制中心提供大量技术支持。国家电网公司构建基于数据驱动的电力人工智能系统，有效解决了传统电力系统无法解决的难题，目前已在电力故障排除、电网运行等方面发挥重要作用。另外，众多高校在媒体业、制造业、医学等领域的技术研发为人工智能产业提供技术支撑和广阔市场。可见，全面推进人工智能技术在诸多行业的运用是中国实现智能化社会的必经之路。

3 专利技术主题分析

（1）各国的技术主题分布。全球人工智能技术主要集中在G06（计算/推算）这一领域，同时也涉及众多领域的技术开发，各国技术主题分布各有侧重，如图3所示。

图3 各国人工智能技术主题分布

G06和H04是通信领域的核心技术，在该领域美国专利数量最多，中国与美国比较接近，韩国次之。美国在G11（信息存储）和G10（乐器/声乐）具有明显优势，如存储器的数据刷新等，同时谷歌、IBM等企业利用AI+音乐推动整个乐器行业发展模式的革新。值得关注的是，中国5G的诞生不仅是通信技术的一次跨越式升级，同样也为人工智能技术的发展开辟了快速通道，5G+AI解决了诸多信息网络运营与维护的难题。中国在G01（测量/测试）和G05（控制/调节）领域专利分布较多，运用于交通建设以及雷达测试等。2017年中国首条自主研发无人驾驶地铁与2019年中国首条智能高铁的开通，实现了轨道交通建设的整体跃升。在医学领域，人工智能在诊断（A61B）方面得到普遍运用，阿里达摩院推出的CT影像识别算法有效缩短了CT分析时长，百度推出的智能分诊台、辅助诊断系统等AI医疗产品，为医疗领域的智能化发展搭建了平台。另外，美国、中国还进行了理疗装置（A61H）的研发工作。日本在H01（基本电器元件）、B60（一般车辆）、C22（冶金）、C08（有机高分子化合物）等方面专利数量较多，这与日本在全球汽车领域的优势地位相匹配。韩国在G08（信号装置）、G16（特别适用于特定运用领域的信息通信技术）、A63（运动/游戏/娱乐）等技术领域具有优势，将人工智能应用到室内小型桌游，成为人工智能游戏产业场景再现的先锋。欧洲国家除了涉及上述技术领域外还侧重其他技术领域，比如德国是以工业制造为主的国家，侧重于B25（车间设备）、C08、C22等领域的专利布局。

综上，各国依托优势产业进行升级，在通信和医疗领域中美主题分布较多，此外中国人工智能在交通建设方面初现成效，日本人工智能在汽车制造领域发展具有明显优势，韩国在娱乐、服务等领域借助人工智能技术提升行业竞争力，欧洲致力于传统制造业的智能化发展。整体来说，各国人工智能技术主题分布不均衡，除了计算领域外，其他技术主题开发较少。人工智能技术是国家产业发展的助推器，中国在保持现有领域人工智能技术研发的同时更应立足于多技术主题的同步发展，不断进行人工智能技术挖掘，为打造智能化产业提供技术根基。

（2）各国及全球的技术联合布局分析。CPC（联合专利分类网络）针对专利技术主题的联合开展进行分析，不仅保留了IPC网络的优势，其在拓扑结构、图形特征等方面均优于IPC网络，并可实现每月更新和修订，能涵盖更多有价值的专利数据^[19]。通过分析全球及各国的CPC布局图，可明确全球核心技术分布及各国技术联合交叉现状，对各国调整技术研发方向具有重要意义。图4中节点大小代表专利权人对某一专利领域的关注程度，线条粗细表示相关专利领域联系的紧密程度。

图4 各个国家的CPC分布

中美两国的CPC技术主题总体呈现出相似的“三足鼎立”局面，不同之处在于中国强调识别交互等基础技术的挖掘，从应用层的角度进行技术融合与布局，形成由G06K9/00（用于阅读、识别印刷及书写字符、图形）、G06N3/08（学习方法）、G06K9/62（应用电子设备进行识别的方法或装置）构成的技术间关联性强的人工智能技术创新链，以支撑多领域进行AI+建设。目前，金融方面有京东智投、网易七鱼，注重提升客户体验；零售方面，阿里巴巴的淘咖啡、京东X无人超市为智能生活提供了新的选择；家居方面，阿里、小米、百度等均推出了智能音箱，华为HiLink实现了家居场景的智能化，中国AI+推广已初显成效。而美国侧重设备及程序的开发，让产能靠近市场，G06K9/00、G06F17/00（特别适用于特定功能的数字计算设备、数据处理设备或数据处理方法）、G10L15/22（在语音识别过程中使用的程序）构成了美国开展人工智能市场布局的三个重要支点，美国在基础层和技术层拥有基础算法的较高水平，因此更关注人工智能产业的纵深发展，且美国注重打造以智能音箱为中控的家庭智能化，同时在智能驾驶、教育、安防等多方面进行市场布局，因此美国的技术集群是由强大的技术与市场支持的。在中国的分布格局中，G06N3/04（体系结构）处在连接位置，未来可能成为不同技术集群进行深度合作交流的关键技术力量，中国还应该充分发挥技术集群间的联动效应，以逐步完善人工智能市场布局。

韩日两国的CPC技术主题网络总体呈现出“二分天下”的聚集特征^[20]，韩国主攻G06N3/08、G06Q50/10（服务）两极技术领域，由学习方法和服务联合驱动，成为韩国抢占人工智能市场的重要抓手，G06K9/00技术节点具有发展成为新技术集群的潜力。日本技术集群的两极为G10L15/00（语音识别）和C22C38/00（铁基合金），分别成为语音交互和机械制造领域的核心技术支柱，技术间相互分离、并头发展。

欧洲的CPC技术主题网络不同于上述各国，呈现出“天女散花”式的多领域、多核心、多合作的分布格局，主要依托在机械制造方面的技术积累，形成以G05B13/02（电的）为大核心节点，辅以G06F15/00（通用数字计算机/通用数据处理设备）、G06K9/00为小核心节点的专利网络格局，不同核心节点间相互关联，借助人工智能技术寻找关键技术的突破口，为传统产业发展注入智能制造新元素。

从全球人工智能专利CPC网络图可以看出，全球主要国家和地区以G06K9/00和G06N3/08为两极形成人工智能核心技术圈，从由基础层、技术层、应用层构成的人工智能产业链来看，处于技术层的G06K9/00和G06N3/08是在基础层硬件、软件的基础上进行开发，并运用到各个细分领域进而渗透到多个行业。G06K9/00由单纯的技术研发逐步发展并运用到具体行业中，其在媒体、娱乐、消费及安全等众多领域发挥价值；G06N3/08技术不仅重视算法的优化提升，更注重技术的系统化和智能化发展，将技术与媒体、电路系统、医学等领域紧密结合，以智能设备代替人工，提高操作的稳定性与准确度。其中G06K9/00涉及的国家有美国、中国、韩国，G06N3/08涉及的国家有中国、韩国，可见，中韩两国与全球在人工智能专利集群关注点方面表现出高度的一致性。

4 专利技术演化路径分析

研究人工智能专利技术演进路径，时段为2000—2019年，每四年为一个时间切片。对每个时段内新增IPC分类号（小类）进行提取，并将包含专利数量最多的新增IPC分类号作为各时段内技术前沿的代表，如图5所示。

图5 人工智能专利技术主题演进路径

从产业领域演变来看，2000—2003年人工智能技术主题涉及的领域非常广，有医学、交通、通信、机械制造、娱乐等以服务业为主的行业，人工智能进入产业化阶段并初显成效。2004—2007年，人工智能技术扩展到燃料、塑料、机床要件等工业领域，这两个阶段是传统产业进行智能改造的阶段。2008—2011年是一个过渡时期，医学理疗的智能化成为新的技术增长极，同时人工智能技术开始在新兴产业^[21]崭露头角，之后两个阶段新兴产业得以迅速发展，2012—2015年，环境保护逐渐成为各国发展主题，这个阶段人工智能集中关注固体废物、废水的处理以及清洁能源的使用，太阳能、风力发电得以迅速发展，并在交通运输工具及家电方面加大研发投入。2016—2019年，随着科技的进一步发展，人工智能技术的研发越来越贴近生活，无线电导航技术广为运用，智能家电设备逐渐走向市场，同时人工智能技术在包装、消防、园艺等多个领域全面推进。

从各国演进路径来看，中国人工智能专利技术呈现分散式同步推进的特点，从2000—2003年合金材料的研究到2004—2011年电数字数据处理领域的聚焦，实现了从合金材料性能开发到算法优化运用的转变，而欧洲注重技术的多元化发展，近几年中欧均将目光锁定在数据识别领域。美国则比较专一，随着时间轴的推进，深化了电数字数据处理领域的技术延伸，为提升美国在高新技术领域的实际主导地位奠定了基础，韩国人工智能主要进行静态储存器的技术改进，而日本前期的技术推进整体较为分散，近几年美日韩均聚焦在计算机系统领域。数据识别领域和计算机系统领域的聚焦为实现全球产业升级转型打下了技术根基。

综上，各国不尽相同的人工智能演进路径使得各国人工智能竞争实力有所差距，也使得各国技术聚焦点及产业发展水平有所不同。目前，中国在汽车、医疗、家居、零售、机器人和安防等领域处在与人工智能融合的培育期，而在制造、教育、农业等领域仍处在萌芽期；另外，由于中国制造业信息化水平参差不齐，且制造业链条复杂程度较高，造成人工智能在制造领域渗透较慢且深度不够的现象。因此，中国应从当前全球人工智能产业聚焦的领域出发，结合行业发展的瓶颈进行技术研发与突破，以解决人工智能演化路径中的不足之处，并加速人工智能产业化进程。

5 合作创新网络分析

合作创新是不同组织为适应创新复杂性，实现异质性资源的交流与扩散，实现主体、载体和要素等在不同空间上的优化组合，提高技术创新能力的有效行动^[22]。合作创新网络分析，是研究专利申请人合作布局特征的直观体现，通过合作专利数据分析，研究五个国家的合作网络整体结构特征，见表2。

表2 人工智能合作网络指标

注：1为申请单位总数；2为连接所有联合申请单位的总边数；3为与其他申请单位都无连接的申请单位；4为连接网络中任意一对节点的最短路径长度中的最大值。

从节点数及孤立节点数可以看出，中国孤立节点数占全国总节点数的68%，韩国的孤立节点数占其总节点数的65%，其他国家和地区的孤立节点数占比均超过50%，说明各个国家和地区在进行人工智能专利创新时，独立形式多于合作形式。另外，各国网络的平均度相差较小，表明各国在人工智能领域注重合作创新的程度相近，即各国在人工智能组织合作方面投入的关注度普遍不够。

度的最大值是探究各个国家和地区开展合作最多的申请主体以及围绕其开展合作的规模大小的衡量指标，能反映各国开展联合创新的能力，度值越大，申请主体合作规模越大、合作范围越广。按度的最大值排序，中国＞韩国＞美国＞日本＞欧洲，中国最为显著，借助国家电网公司较强的资源整合能力，形成了中心扩散式的合作创新网络结构^[23]，可为高聚集产业集群的形成提供人工智能技术创新平台；其次，韩国的产学合作展示出较强的联合能力，技术升级与市场需求双重助力基础研究与市场转化深度融合。相比较而言，日本和欧洲的合作创新网络规模小、联合创新能力弱，限制了合作创新网络的发展延伸，可能会成为日本与欧洲人工智能技术突破的壁垒。

平均路径长度是网络中主体传递信息经过路径的均值，能反映网络效率水平。平均路径长度越短，网络效率越高，越利于合作主体间信息资源的扩散^[24]。各国和地区的平均路径长度均小于4，说明人工智能整体合作创新网络的通达性良好^[25]，其中，中国＞韩国＞美国＞日本＞欧洲，说明欧洲合作创新网络效率最高、中国最低。欧洲相对分散的网络结构减少了信息传递的损耗和阻力，主体间创新性知识得以迅速流动，而中国大规模辐射的复杂结构可能存在信息传递扭曲的风险。

综上所述，各国的合作网络虽已形成一些小规模社团，但从以上指标分析来看，各国均存在不足之处，整体来说均未形成成熟的合作网络体系。其中，中国以国家电网公司为中心形成了大规模社团，韩国以高校为中心形成了小规模社团，其他国家社团较少，但是中韩均存在社团内部网络效率较低、社团带动能力有限等问题。各国应从多角度出发积极构建合作创新网络，进一步打通社团间的合作结构桥，借助联合创新能力推动技术融合，以构建全球人工智能合作网络体系。

6 主要结论及建议

目前，美国在专利质量及应用方面已占据绝对地位^[26]，中国专利已成为全球专利申请量激增的重要推动力量。本文通过研究人工智能的技术研发及市场布局，追踪各国技术演进路径，探究合作创新网络现状，以明晰全球人工智能的发展现状及发展趋势，为中国在人工智能领域开发及探索提出建议。

（1）全球技术主题呈现G06一方独大的分布特点，同时各国依托部分优势产业的发展势潮将人工智能技术进行推广应用，但整体来说人工智能技术布局还不全面。中国虽已紧跟全球人工智能的技术发展趋势，但是在技术层的竞争力远不及美国，因此应加大技术层的研发投入和技术间的融合创新，同时，还应注重多样化技术格局的构建，以实现“核心技术为主，多元技术为辅”的人工智能主题分布格局。

（2）从2000—2007年的传统工业智能化改造到2012—2019年无线电导航、智能机器人等领域的迅速发展，全球人工智能技术演进经历了从传统制造业到新兴产业的跃升，标志着构建更智能化的社会成为各国的共同目标。中国更应重视传统制造业从机械化到智能化的升级转型，将人工智能技术创新与个体创业紧密结合^[27]，打造以传统制造业为支撑、新兴产业为引领的人工智能生态体系。相比于美国在电数字数据处理领域的专一推进，中国人工智能的技术推进较为分散，一方面说明中国已认识到人工智能在多个领域中的发展潜力，深度技术挖掘能为人工智能在不同领域占领高地奠定市场基础，另一方面美国人工智能专利的演进路径说明，核心技术的集中性突破对人工智能竞争力的提升意义非凡。目前，中国已从国家战略高度规划人工智能产业和技术发展方向，未来应围绕重点行业的发展瓶颈实现人工智能产业高水平发展。

（3）各国专利合作创新网络建设尚不成熟，人工智能专利合作创新网络整体存在合作意识不够、联合创新能力薄弱等不足之处。另外，由于在中国的专利权人中高校占较大比重，因此中国在推进人工智能专利合作创新网络建设时应高度重视产学研合作，创新专利技术的市场化转化模式，加强社团间技术联动、淡化合作边界，从多学科多产业的角度出发进行合作创新平台的搭建，推动技术深度融合，突破技术创新瓶颈，助力高新技术产业快速发展。

参考文献：

[1]SCHMOOKLER J. Changes in industry and in the state of knowledge as determinants of industrial invention[C]//NELSON R R. The rate and direction of inventive activity. Princeton: Princeton University Press, 1962: 195-232.

[2]BLIND K, EDLER J, FRIETSCH R, et al. Motives to patent: empirical evidence from Germany[J]. Research policy, 2006, 35（5）: 655-672

[3]倪晓宁.面向2035年科技创新促进人类命运共同体构建[J].中国科技论坛，2020（4）：1.

[4]European Commission. Communication Artificial Intelligence for Europe[EB/OL]. [2019-05-10]. https://ec.europa.eu/digital-single-market/en/news/communication-artificial-intelligence-europe.

[5]DARPA. DARPA announces MYM2 Billion campaign to develop next wave of AI technologies[EB/OL]. [2019-05-10]. https://www.darpa.mil/news-events/2018-09-07.

[6]TIM D, BRENT B, GAGA B. Building an AI world: report on national and regional AI strategies[EB/OL]. [2019-05-10]. https://www.cifar.ca/cifarnews/2018/12/06/building-an-ai-world-report-on-national-and-regional-ai-strategies.

[7]李牧南，王雯殊.基于文本挖掘的人工智能科学主题演进研究[J].情报杂志，2020，39（6）：82-88.

[8]中国信通院，Gartner.2018世界人工智能产业发展蓝皮书[R/OL].（2018-09-17）[2019-05-30].http://www.databanker.cn/policy/233743.html.

[9]WIPO. WIPO Technology trends 2019: artificial intelligence[R/OL]. （2019-01-01）[2019-05-30]. https://www.wipo.int/publications/en/details.jsp?id=4386.

[10]科技部新一代人工智能发展研究中心，中国科学技术发展战略研究院.中国新一代人工智能发展报告2019[R/OL].（2019-05-24）[2019-05-30].http://www.gov.cn/xinwen/2019-05/26/content_5394817.htm.

[11]IEC White Paper. Artificial intelligence across industries[R/OL]. （2018-12-06）[2019-05-30]. https://basecamp.iec.ch/download/iec-white-paper-artificial-intelligence-across-industries-en/.

[12]高楠，彭鼎原，傅俊英，等.基于专利IPC分类与文本信息的前沿技术演进分析——以人工智能领域为例[J].情报理论与实践，2020，43（4）：123-129.

[13]方世世，周立军，杨静，等.国家标准合作网络结构特征及驱动模式——以数字经济领域为例[J].中国科技论坛，2020（5）：82-90+117.

[14]李哲，李娟，李章杰，等.日本人工智能战略及人才培养模式研究[J].现代教育技术，2019，29（12）：21-27.

[15]KARKIM M S. Patent citation analysis: a policy analysis tool[J]. World patent information, 1997, 19（4）: 269-272.

[16]邱洪华，王斌.基于专利质量指标的中美挥发性有机物治理技术创新活动评价[J].中国科技论坛，2020（5）：163-172.

[17]万小丽.专利质量指标中“被引次数”的深度剖析[J].情报科学，2014，32（1）：68-73.

[18]朱巍，陈慧慧，田思媛，等.人工智能：从科学梦到新蓝海——人工智能产业发展分析及对策[J].科技进步与对策，2016，33（21）：66-70.

[19]YANG G C, LI G, LI C Y, et al. Using the comprehensive patent citation network （CPC）to evaluate patent value[J]. Scientometrics, 2015, 105（3）: 1319-1346.

[20]华连连，邓思捷，王建国，等.乳制品产业专利布局特征与技术创新发展研究[J].科学管理研究，2019，37（6）：70-76.

[21]卢文光.新兴技术产业化潜力评价及其成长性研究[D].北京：北京工业大学，2008.

[22]高霞，陈凯华.合作创新网络结构演化特征的复杂网络分析[J].科研管理，2015，36（6）：28-36.

[23]王建国，王飞，华连连，等.内蒙古产学研合作创新网络结构演化研究[J].科学管理研究，2018，36（6）：78-81.

[24]吴芹，蒋伏心.创新价值链下科技服务业集聚对区域创新效率的影响[J].中国科技论坛，2020（5）：128-137.

[25]高霞，陈凯华.基于SIPO专利的产学研合作模式及其合作网络结构演化研究——以ICT产业为例[J].科学学与科学技术管理，2016，37（11）：34-43.

[26]聂洪光，范海荣.基于专利数据的中美人工智能创新能力比较研究[J].中国科技论坛，2020（5）：154-162.

[27]刘艳秋，从春伟，华连连，等.创业者先前经验对渐进性创新的影响机制——创业拼凑的中介作用[J/OL].（2020-05-08）[2020-06-05].http://kns.cnki.net/kcms/detail/42.1224.G3..1234.003.html.

作者简介：刘艳秋（1977-），女，内蒙古赤峰市人，博士，内蒙古工业大学经济管理学院副教授，硕士生导师，研究方向为组织行为与供应链管理；通信作者：华连连。