专利信息分析（六）│ 机器学习主题下的白热化“专利圈地运动”

IPRdaily，连接全球百万知识产权精英

全球知识产权综合信息服务提供商

#本文仅代表作者观点，不代表IPRdaily立场，未经作者许可，禁止转载#

来源：IPRdaily中文网（iprdaily.cn）

作者：贾振宏

原标题：专利信息分析（六）：机器学习主题下的白热化“专利圈地运动”

IPRdaily导读：数据显示，当前全球机器学习主题的公开专利数已近七万件，机器学习专利申请人归属国/地区公开专利数量前二十位的排名中美国、日本、印度、爱尔兰和俄罗斯联邦等传统软件强国均在其列，全球市场竞争逐渐趋于白热化。本文主要从专利布局的角度一探机器学习。

人工智能（Artificial Intelligence）是计算机科学的一个分支，与纳米科学、基因工程并称为二十一世纪的世界三大尖端技术。机器学习（Machine Learning）是人工智能的核心技术分支，可以理解为人类设计算法模型来让计算机拥有和人类一样的学习能力，而又不会让机器产生意识。机器学习的过程可分为模型、策略和算法三部分，各部分均可影响到我们的生活工作中的方方面面，以下我们便从专利布局的角度一探究竟（本次检索分析基于万象云专利数据库）。

导语

图表分析

当前全球机器学习主题的公开专利数已近七万件，从图1中可以看出，机器学习的公开专利呈现近乎完美曲线般的逐年上升趋势，且递增趋势愈发迅猛，技术研究热度高涨，2021、2020和2019这三年公开的专利数量已分别达到了24779件、18438件和12445件。

图1 机器学习专利逐年公开趋势图

从专利预期寿命的估算结果（图2）来看，目前已公开的机器学习专利中有近75%仍保有10年以上的有效期，这与专利近年来骤增的公开数量相呼应。

图2 专利预期寿命占比分布图

机器学习技术能在全球范围掀起浪潮，除了应用领域的广阔前景外，也离不开底层软硬件相关技术的支持，相应地，拥有较稳固技术基础的国家或地区便能够迅速开展相应的“专利圈地运动”。机器学习专利申请人的国家/地区归属概况可参阅图3，美国、中国大陆和日本这三个国家/地区的专利权人公开的专利数量最多，分别占所分析专利的39%、29%和10%。

图3 机器学习专利申请人归属国/地区分布图

表1中还列出了机器学习专利申请人归属国/地区公开专利数量前二十位的排名，印度、爱尔兰和俄罗斯联邦等传统软件强国均在其列，全球市场竞争逐渐趋于白热化。

表1 机器学习专利申请人归属国/地区排名

排名	国家/地区	已公开专利数量
1	美国	24911
2	中国大陆	18272
3	日本	6450
4	韩国	4215
5	德国	2217
6	英国	1111
7	加拿大	935
8	荷兰	889
9	中国台湾	592
10	以色列	569
11	印度	558
12	法国	553
13	瑞士	525
14	爱尔兰	462
15	瑞典	379
16	澳大利亚	330
17	开曼群岛	295
18	芬兰	263
19	新加坡	233
20	俄罗斯联邦	228

从IPC分类号的公开专利数量（图4）来看，机器学习主题的专利在以下五个小类的布局最为密集：G06N20/00【机器学习】、G06K9/62【.应用电子设备进行识别的方法或装置】、G06N3/08【..学习方法】、G06N3/04【..体系结构，例如，互连拓扑】、G06K9/00【用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置（用于图表阅读或者将诸如力或现状态的机械参量的图形转换为电信号的方法或装置入G06K11/00；语音识别入G10L15/00）】。

图4 IPC分类号（小类）对应专利公开数统计图

机器学习专利整体的聚类分析情况如图5所示，专利覆盖的应用大类涉及电子通讯、医药、生物、控制监视、测量测试、交通运输、机械装备、加工制造、光学、家居日用、能源电力和文体娱乐等众多领域，其中电子通讯是机器学习最基础的应用领域，公开专利数占比最高，其它相关领域则围绕其向外辐射，这也可以从图5中直接获悉。相对来说，其他应用场景的专利布局尚在发展阶段，如何进一步实现理论与实践的深度结合仍是机器学习技术发展的研究重点。

图5 机器学习专利聚类分析图

专利质量方面，我们可以综合技术、权利和市场等各方面的因素评价将专利等级从☆到★★★★★分为十级，从图6中可以看出，机器学习主题的公开专利的综合指标落在★★★☆、★★★★和★★★这三个等级的专利最多，分别占所分析专利总量的42%、32%和14%，其技术门槛、专利权稳定性和市场活跃度均处于较高水准。

图6 专利质量评价分布图

结语

以上我们仅从公开专利的各评估维度对机器学习技术保护的整体情况做了一些分析，本领域的技术发展呈现出积极竞争态势，这一点在人工智能的计算机视觉、自然语言处理、机器人和语言识别等技术板块上也得到了相似的验证。在全球IT技术不断更迭的当下，机器学习更能为复杂的计算问题提供快速、准确、可扩展的解决方案。致力于本技术领域的各企事业单位务必要进一步巩固自身的专利技术壁垒，同时耐心探索专利市场的布局漏洞，方可在契合实际需求的同时实现技术路线的弯道超车。

---

相关阅读：

来源：IPRdaily中文网（iprdaily.cn）

作者：贾振宏

编辑：IPRdaily王颖          校对：IPRdaily纵横君

“投稿”请投邮箱“[e-mail]”

---

与光同行！2021年中国“40位40岁以下企业知识产权精英”榜单揭晓