□张光平 吴杰

□近10年来，全球计算机加权专利年均复合增长率从前10年的8.3%下降到3.3%。然而，由于神经网络学习领域的快速发展，美国深度学习的相关专利数量在两年内达到了“摩尔定律”的两倍，这表明该技术具有巨大的发展潜力

□本研究利用全球国际专利数据和经济知识产权进出口费用数据定量分析全球人工智能技术发展指标、独立指标和国际指标，有利于我们更准确地了解和掌握20多年来全球人工智能技术的发展和主要经济之间相对独立性的变化

人工智能技术从1997年击败国际象棋世界冠军，到2006年深度学习的兴起，再到最近流行的ChatGPT，发展非常迅速。然而，缺乏对机器学习和深度学习的技术测量研究，使我们难以掌握相关技术的进展，也缺乏对未来预测的必要依据。

技术测量是一个复杂的跨学科项目。各企业的研发投资是其科技产出的必要条件，但由于企业研发效率差异较大，仅用研发投资金额很难衡量企业的科技研发水平。此外，各经济体国际专利的技术含量或质量差异较大，难以直接比较，难以通过国际专利数量直接衡量。本研究从世界知识产权组织20多年的各种专利数据中“提取”人工智能和生成人工智能技术对应的专利，然后利用平均国际专利产生的知识产权“出口使用费”，最后使用适当的数据模型设计和计算人工智能技术指标系统测量结果，包括人工智能开发指标、自主指标和国际指标。这些技术测量结果不仅可以用来计算人工智能技术对经济、贸易和金融的影响，还可以为预测其未来发展提供参考。

一、基于技术进化路径“提取”技术测量所需的专利数据

所有理论和技术的发展都是在现有知识的基础上进化和升华的。有一个从量变积累到质变飞跃的过程，人工智能技术也不例外。要科学预测人工智能技术的发展趋势，首先要定位当前技术，全面把握20多年的技术进化步伐，特别是要找到能够科学判断技术进化的要素或指标。

科学技术不仅隐含或“嵌入”各种产品功能，而且隐含在生产这些产品的产业链中。我们目前关注的产品价格不仅隐含了无数的技术细节，而且反映了市场供求关系，显然很难直接从价格中“提取”技术测量元素。

世界知识产权组织（WIPO）各经济体发布的各种专利数据反映了全球技术传播的主要内涵，是技术测量的最佳数据源。从这些专利数据的“金矿”中，我们可以利用最新的数学方法“提取”人工智能和生成人工智能的专利类型，然后设计和计算相应的技术测量结果。

二、人工智能技术对应的专利类型

1.人工智能概述

人工智能意味着机器具有人类智慧，这是人类长期追求的目标。简而言之，人工智能是机器学习的相关方法和结果。到目前为止，计算机是可以学习的工具。因此，人工智能与计算机密切相关，是计算科学的一个分支。它主要研究、开发、模拟、扩展、挖掘和扩展人类智能的理论、方法、技术和应用系统。

2.计算机专利是人工智能技术的核心专利

全球各类学术期刊和计算机技术相关专利涵盖了人工智能的大部分成果。在世界知识产权组织公布的36项国际专利中，有计算机技术，20多年来36项专利中数量最多。计算机专利应该是人工智能技术的核心专利。

3.其他类型的人工智能技术专利

除人工智能核心专利计算机外，人工智能的其他专利类型必须按照相关性、相似性和同步性的原则来确定。计算机专利与其他35类专利的相互影响程度可以通过模型确定，然后根据影响程度确定人工智能的其他主要专利类型。计算结果表明，与计算机技术相互影响最大的专利包括半导体专利、数字通信专利、基于计算机管理方法、测量、控制、视听、电信和基础通信的人工智能技术的主要专利。

三、测量人工智能技术指标系统的结果

1.各经济体和全球人工智能技术发展指标

人工智能发展指标由经济体授权的人工智能专利数据组成。从2016年到2021年，我国人工智能专利数据在八大货币发行商中保持了最高增长。由于各经济体的国际专利无法直接比较，直接利用各经济体专利数据计算的发展指标也无法直接比较。经过相应的加权处理，本研究形成了可比的发展指标。结果表明，2016年至2021年，我国人工智能技术年复合增长率为38.3%，比前5年年均增长率为37.7%，表明加权国际专利计算出的各经济体人工智能技术发展指标相对合理。可以直接比较各经济体的加权专利，加上各经济体的人工智能加权专利值，获得全球人工智能发展指标。

2.全球人工智能专利国际化指标总体测量结果

基于人工智能核心专利的构成，利用世界知识产权组织公布的100多个经济体授权的人工智能专利、辖区内授权的其他经济体的人工智能专利数量和相应经济体知识产权的进出口使用费数据，可以计算出全球人工智能专利国际指标的总体测量结果，即各经济体人工智能加权专利占全球总加权专利的比例（详见上表）。

上表显示，2015年中国人工智能国际化水平超过澳大利亚，2017年中国人工智能国际化水平超过加拿大和瑞士，2019年中国人工智能国际化水平超过英国，显示近年来中国人工智能技术快速发展的良好趋势；根据2015年至2021年相关货币发行人国际专利年均复合增长率，2023年、2027年和2031年，中国人工智能技术的国际化将分别超过欧元区、日本和其他八大货币发行国家和地区。

3.主要经济体人工智能技术自主指标

自主指标是指经济体授权的人工智能专利产生的总知识产权出口使用费，占相应人工智能知识产权进出口使用费的比例。与其他经济体的人工智能技术自主权相比，经济体授权的人工智能专利产生的知识产权出口使用费占相应人工智能知识产权进出口使用费的比例。计算结果显示，2010年中国人工智能技术对欧元区的相对自主性首次超过50%，2017年对日本和2019年对美国的相对自主性首次超过50%；2021年，中国人工智能技术首次相对独立于世界，到2025年左右，中国人工智能技术预计将超过60%独立于世界。

我们可以计算出某一经济体人工智能技术对其他经济体人工智能技术自主性的测量结果，反映了经济体之间人工智能技术的相对变化或差距，这里不一一列举。人工智能发展指标、人工智能国际化指标、人工智能自主/依赖指标构成了全球人工智能指标体系。

四、生成人工智能技术专利的确定及相关结果

近几个月来，基于神经网络深度学习的生成式人工智能引起了全球的广泛关注，但专利角度的定量分析却很难看到。生成式人工智能专利（基于神经网络学习的各种算法专利）主要包括在经济计算机专利中，世界知识产权组织的检索分类主要体现在“基于特定计算模型的计算机系统”（国际专利分类IPC G06N)和“语音分析或合成；语音识别；语音或声音处理；语音或音频编码或解码”（IPC G10L）中。这些专利的数据对我们判断生成人工智能技术的变化至关重要。

本研究提出的人工智能指标体系是基于世界知识产权组织36类国际专利授权的一级专利或一级国际专利数量，而IPC G06N和IPC G10L是计算机专利的二级专利。获得这些经济体专利的本地授权和海外授权数量需要很大的工作量，很难及时获得测量结果。

美国计算机技术国际化指标从2000年的64.4%下降到2013年的37.4%，但2021年又回升到50.3%，说明美国仍然是计算机技术国际化程度最高的国家。美国IPC G06N和IPC G10L专利的变化对全球生成式人工智能技术的发展具有良好的代表性。2004年至2022年，G10L专利年均复合增长率为11.33%，同期G06N专利年均复合增长率为41.75%。G10L专利不是生成式人工智能技术快速增长的核心驱动力。G06N专利的重点介绍和分析如下。

数据显示，2013年至2022年，美国计算机专利年均复合增长率为-1.73%，同期美国G06N专利年均复合增长率为41.75%，略超摩尔定律两年翻一番所需的年均复合增长率为41.42%。这是近几十年来除全球半导体技术外的另一个快速增长的技术领域(美国除G06N以外的其他计算机专利同期年均复合增长率仅为-11.51%)。2004年至2013年，美国G06N专利占美国计算机专利的比例保持在2.51%左右，变化不大。2013年至2022年，这一比例从2.24%飙升至40%以上，成为美国计算机技术快速发展的热点和动力，与G06N以外其他计算机技术明显下降形成鲜明对比。由于缺乏G06N专利全球分布的完整数据，我们无法获得全球生成人工智能技术指标体系的国际测量结果，但多年来美国技术的增长为我们判断未来的发展趋势提供了强有力的证据。由于缺乏G06N专利全球分布的完整数据，我们无法获得全球生成人工智能技术指标系统的国际测量结果，但多年来美国技术的增长为我们判断未来的发展趋势提供了强有力的证据。我们期待着在未来获得与上述全球人工智能指标系统相似的结果。

五、小结

受“摩尔定律”减速的影响，近10年来，全球计算机加权专利年均复合增长率从前10年的8.3%下降到3.3%。然而，由于神经网络学习领域的快速发展，美国深度学习的相关专利数量在两年内翻了一番，这表明该技术具有巨大的发展潜力。

本研究利用全球国际专利数据和经济知识产权进出口使用费数据定量分析全球人工智能技术发展指标、独立指标和国际指标，有利于我们更准确地了解和掌握20多年来全球人工智能技术的发展和主要经济之间的相对独立性。

生成式人工智能技术的局限性决定了该技术不可避免地产生与事实不一致的相关内容，ChatGPT也不例外，存在感知不足等问题。基于对神经网络的简单研究，生成式人工智能技术能超越人类多年的结果还为时已晚。

（张光平是复旦大学计算机科学技术学院副院长、研究员、博士生导师）

主要货币发行人人人工智能技术国际指标计算结果表

(2000年至2035年，单位:%)

年份 美国 欧元区 日本 英国 中国 澳大利亚 加拿大 瑞士 其他

2000 29.47 11.45 40.15 2.87 0.09 0.26 2.81 1.30 11.59

2001 29.05 12.72 38.89 3.05 0.07 0.29 2.41 1.67 11.85

2002 30.49 15.23 34.60 3.45 0.08 0.27 1.94 1.87 12.07

2003 29.39 15.16 36.39 3.21 0.07 0.29 1.69 1.90 11.90

2004 28.57 15.68 36.58 3.30 0.09 0.29 1.56 1.42 12.50

2005 32.51 10.88 36.14 3.69 0.10 0.37 1.48 1.16 13.66

2006 29.18 10.57 41.03 3.18 0.14 0.39 1.34 1.15 13.02

2007 30.28 10.75 41.05 2.91 0.16 0.37 1.28 0.84 12.37

2008 31.57 9.08 40.40 2.88 0.22 0.35 1.29 1.01 13.19

2009 34.68 7.81 37.97 3.27 0.27 0.36 1.35 1.00 13.30

2010 31.74 8.69 39.80 3.64 0.32 0.39 1.52 0.87 13.02

2011 31.66 8.01 39.45 3.29 0.35 0.37 1.52 0.72 14.62

2012 31.81 7.64 39.46 3.29 0.42 0.27 1.72 0.85 14.53

2013 28.93 7.87 40.38 4.34 0.50 0.24 2.04 0.87 14.84

2014 28.39 6.95 38.36 4.38 0.64 0.23 2.13 0.83 18.09

2015 28.82 6.18 35.97 3.99 0.83 0.24 1.64 0.88 21.45

2016 31.58 7.45 32.20 3.46 1.17 0.24 1.44 1.31 21.14

2017 29.65 8.16 30.94 3.97 2.15 0.24 1.36 1.37 22.16

2018 29.64 8.77 28.69 3.48 3.18 0.18 1.43 1.63 23.01

2019 30.14 9.31 26.17 3.52 4.02 0.19 1.45 1.69 23.50

2020 31.33 8.37 23.43 3.96 4.79 0.20 1.39 1.04 25.49

2021 36.47 8.18 20.41 4.25 6.29 0.21 1.38 1.04 21.77

2022 37.14 8.39 19.03 4.21 7.38 0.21 1.31 1.04 21.28

2023 37.71 8.58 17.69 4.15 8.63 0.20 1.25 1.05 20.74

2024 38.15 8.75 16.39 4.08 10.06 0.19 1.18 1.05 20.15

2025 38.46 8.89 15.13 4.00 11.68 0.18 1.11 1.04 19.50

2030 38.79 9.14 10.97 3.90 17.13 0.15 0.89 1.10 17.92

2035 39.76 9.56 8.08 3.87 20.12 0.13 0.73 1.19 16.57