刘叶婷,隆云滔,唐斯斯 | 中国人工智能产业发展现状与策略研究——以五大城市群为例

Original 东北财经大学学报财经问题研究与东财学报 2021-09-15

收录于话题 #数字经济专题 49个内容

数据是新的生产要素,是基础性资源和战略性资源,也是重要生产力。

要构建以数据为关键要素的数字经济。

——习近平

《东北财经大学学报》优先出版文章

“数字经济专题”

（最终内容以纸质版为准）

[引用格式]：刘叶婷,隆云滔,唐斯斯.中国人工智能产业发展现状与策略研究——以五大城市群为例[J].东北财经大学学报,2020,(05).

中国人工智能产业发展现状
与策略研究

——以五大城市群为例

刘叶婷¹,隆云滔^2*,唐斯斯³

（1.天津市公共信用中心，天津 300050；
2.中国科学院科技战略咨询研究院，北京 100190；
3.国家信息中心，北京 100045）

作者简介：

刘叶婷(1983-),女,山西大同人,硕士,工程师,主要从事政府信息化、大数据产业及发展应用。E-mail:118173679@qq.com

隆云滔(通讯作者)(1984-),女,湖南邵阳人,博士,助理研究员,主要从事数字经济、人工智能技术创新与管理、经济系统建模研究。Email:yuntaol@casisd.cn

唐斯斯(1982-),女,湖南邵阳人,博士,副研究员,主要从事智慧城市规划与建设、数字经济研究与发展研究。
E-mail:tssee@126.com

摘要：

人工智能产业的发展离不开基础研究及核心技术等要素的支撑，专利知识产权作为相关要素最为直接的表现形式，其数量规模与分布情况对于产业发展而言有着重要影响。本文以专利数据信息为基础，从专利申请数量、专利申请技术分类和产业专利聚集度三个维度对京津冀、长三角、珠三角、成渝和长江中游等五大城市群的人工智能产业专利情况进行比较分析。研究发现，五大城市群人工智能产业发展布局在整个国家人工智能产业结构中占据重要地位，但不同城市群及城市群区域内的人工智能产业技术实力及创新能力不均衡现象突出，专利申请集中分布在产业链技术层与应用层；京津冀、长三角和珠三角地区的人工智能产业技术实力及创新能力相对较强，成渝地区发展潜力巨大，长江中游地区产业基础整体薄弱。在此基础上，本文提出五项中国人工智能产业发展策略，以加快提升区域人工智能产业发展自主创新能力及推动中国人工智能产业实现高质量发展。

关键词：人工智能；城市群；区域一体化；专利申请；产业专利聚集度

基金项目：天津市科技局科技发展战略研究计划资助项目“基于TUMC模型的京津冀区域人工智能产业协同创新发展路径探究”（19ZLZXZF00350）；国家社科重大项目“国家重大科技产业项目知识产权安全风险监测预警与防控体系”（19ZDA102）；中国科学院科技战略咨询研究院院长青年基金B类项目“面向转移转化能力评价的基础数据库构建”（Y9X1781Q01）；国家重点研发项目“科技大数据理论与技术研究”（2018YFB1402600）

一、问题提出

知识产权专利信息是衡量企业自主创新能力、产业发展潜力的重要指标之一。人工智能作为近年来国内外经济社会发展的重点行业领域，已经成为多地优化产业结构、带动经济实现跨越式发展的重要手段。国内外学者基于专利数据从多个角度对全球人工智能产业的发展情况进行了深入分析，李树刚等^[1]根据人工智能专利数据，基于技术贡献次数及关联度识别感知人工智能融合核心技术,并依托核心技术融合的分散度及专利增长量等分析人工智能技术的融合情况，研究发现，感知人工智能技术融合正处于从成长期向成熟期过渡的阶段，技术融合衰退期即将到来，为此政府应积极布局感知人工智能主导技术，以掌握技术融合成熟期的主动权。于申和杨振磊^[2]在研究中以专利申请、公开数据为基础，围绕人工智能产业链从基础层、技术层和应用层等三个维度十四个技术分支对中、美、德、日等多个国家人工智能产业链发展的整体态势进行研究，总结了全球人工智能的热点研究方向，为中国人工智能产业发展方向与布局提供了指引。陈军等^[3]利用专利申请总体情况、PCT专利申请、IPC重点技术领域、创新主体等量化指标，就中美两国人工智能产业发展现状开展比较分析，中美两国人工智能产业发展处于同步阶段，但中国在新兴技术应用领域与美国存在差距；虽然美国人工智能产业发展起步较快，但中国人工智能产业的发展潜力大；中国人工智能领域的创新主体以高校为主，而美国则以企业为主导。王雅薇等^[4]以专利分析方法和技术轨迹理论为基础,重点从人工智能核心技术、专利引用网络和专业商业化三个方面对中国人工智能产业技术创新路径进行识别和对比分析，找出当前制约国内人工智能产业创新发展的瓶颈问题：人工智能的基础研究与应用实践联系不紧密、产业生态体系不健全等阻碍了人工智能产业的全面发展。卫平等^[5]从国家战略、产业规模等角度比较分析了中美人工智能产业，研究发现，中国的人工智能产业发展缺乏战略性系统布局，在人工智能开源技术与人才方面存在的问题较多。石海林等^[6]在研究中以湖南省为研究对象，基于专利数据从专利申请趋势、IPC重点技术领域、主要研发机构及区域分布等维度对该省人工智能的发展情况开展深入研究发现，湖南省的人工智能产业处在快速发展阶段，主要集中在应用研究领域，尚未形成完整的人工智能产业链研发布局，应加强人工智能产业发展的专项规划，做好相关的顶层设计与战略规划。Davies^[7]从知识产权与专利的视角分析人工智能作品的所有权与产业发展问题，研究发现，当前的制度不足以应对人工智能系统产生的作品所有权问题，针对这种权利的各种主张，需要研究是否设立一个新的法律人格，通过授予这种权利以解决现行制度固有的困难。李晓华和曾昭睿^[8]从人工智能技术与产业应用发展历史的角度，揭示前沿技术创新与新兴产业演进的内在规律，前沿技术创新路径的不确定性较大，受多学科多领域的影响；而新兴技术的产业化过程则曲折漫长，两者受益于互补产品与互补技术的协同演进。

人工智能技术的创新与产业化恰恰是人工智能与人类逐渐形成高度协作关系的过程。本文从区域人工智能专利技术与产业集群的视角进行研究的拓展与深化。通过对现有研究成果进行梳理发现，基于专利数据对人工智能产业发展的研究多是围绕国家层面或单个省市展开，基于专利数据对跨省际区域人工智能产业发展的研究相对较少，且忽略了专利数据信息共享在推动区域人工智能产业一体化协同发展中的重要作用。此外，现有研究多是利用绝对量化指标，如专利申请、公开总量和专利技术类别数量来分析人工智能产业，综合考虑专利绝对指标与相对指标对人工智能产业进行量化分析的研究相对不足，忽略了对相对量化指标的分析引入。本文在研究中引入产业专利聚集度相对量化指标，以京津冀、长三角、珠三角、成渝和长江中游等五大城市群人工智能产业专利申请数据为基础，从专利申请数量、专利申请技术分类、产业专利集聚度等三个维度对五大城市群人工智能产业的专利实力进行分析，在此基础上对各城市群人工智能产业的发展现状及存在短板形成更加客观全面的认识，进而为提升区域人工智能产业技术创新力及推动区域人工智能产业一体化协同发展提供决策依据。

二、研究思路

产业协同作为区域协同发展的重要内容与有效手段长期受到人们关注，国内外学者围绕产业与区域协同创新发展的关系作用开展了深入研究。战略性新兴产业与区域创新耦合发展程度决定了战略性新兴产业发展的动力、质量和速度^[9]。区域产业协同发展有助于推动优化创新生态，促进创新链与产业链深度融合^[10]。事实上，人工智能作为近年来蓬勃发展的新兴战略产业，其发展离不开良好的创新生态及创新链、产业链、价值链、技术链等有效融合。进入信息化社会，持续快速迭代的信息化技术使得产业要素流动更加自由、分布区域更加广泛，要想真正实现产业发展中的多链融合，单纯依托某个省市很难实现，有待打破行政辖区边界，加速产业要素跨行政区域的自由流动，正如《促进新一代人工智能产业发展三年行动计划（2018—2020年）》中所提到的，要“探索建设人工智能产业集聚区，促进人工智能产业突破发展”。战略性新兴产业的良好有序发展将成为带动区域创新发展的新引擎与新动力。人工智能作为新一轮科技革命和产业变革的新动力，在驱动区域协同创新发展中发挥着积极作用，通过优化产业各类要素资源在区域内的配置，有助于加速推动区域产业结构转型变革，进而增强地区综合竞争力。由此可见，区域人工智能产业协同发展既有迫切性也有客观性。

专利数据被认为是最新且可靠的知识来源^[11-12]。通过专利数据既可以宏观洞察本国或本地区的经济创新能力，也可以微观了解某个行业领域的发展竞争力与潜力。利用各类专利数据指标能够从更加全面多维的角度判断专利与经济社会发展的关联关系。吕一博等^[13]在研究中基于专利数据测量人工智能与物联网技术的融合程度，发现物联网与人工智能的技术交叉日益频繁，而两项技术融合后的活跃程度主要在物联网的感知层、传输层与应用层三个方面体现。

早期研究中，国内外学者多是基于专利申请数、专利授权数等绝对专利数据进行分析。后来随着人们对专利数据与经济社会发展关系研究的不断深入，相关学者基于专利数据研究的内容范畴不断拓展，研究维度也更加多元细致，不同学者从不同维度探究分析专利数据。在早期绝对专利数据指标的基础上演化出专利集聚度、专利被引次数、专利成长率等形式多样的相对指标。王雅薇等[4]在研究中基于专利引用网络分析了中国人工智能产业的技术创新知识溢出活动。聂洪光和范海荣^[14]在研究中通过“某领域专利申请量与该领域专利申请量最大的国家的该专利申请量的比值”衡量专利的国际地位。未来，专利数据相对指标会不断丰富。

受数据可得性的影响，本文主要基于专利申请数量（绝对专利指标）、专利申请技术分类（相对专利指标）和产业专利聚集程度，从三个指标综合分析五大城市群人工智能产业的发展情况，在此基础上，分析专利数据在推动区域人工智能产业发展的价值作用。根据专利总量情况，探明京津冀、长三角、珠三角、成渝和长江中游等五大城市群人工智能产业的技术实力及其在全国人工智能产业版图中的地位；根据专利申请技术分类，判断五大城市群在人工智能产业链各细分领域的各自发展水平及技术实力间的差异性；根据产业专利聚集度的相对指标，分析不同城市群人工智能产业成为优势产业的可能性，以及区域间的相互作用关系，进而更加真实有效地了解五大城市群人工智能产业的专利实际情况及技术竞争力。

近年来，随着全球技术及产业快速发展，人工智能产业链分工更加细化，为深入了解区域人工智能产业链细分领域及相关技术，本文在综合考虑数据可得性、分析结果科学性的基础上，选取国际专利分类法中的小类作为专利分类标准。数据采集过程中，根据研究需要，对国内外多个专利数据库进行比较，最终确定“智慧芽”和“吉江数据”两个专利数据库，从专利申请数量、专利申请技术分类、专利聚集度等三个方面对五大城市群人工智能产业的专利情况进行多维度分析。根据人工智能产业链分布内容确定专利数据检索关键字，即“人工智能 or AI or 机器学习 or 深度学习 or 图像识别 or 语音识别 or 自动驾驶 or 自然语义识别 or 计算机视觉 or 智能机器人”。

三、五大城市群人工智能专利情况分析

（一）专利申请数量情况

本文主要从专利申请总量及专利申请区域分布数量两个方面分析五大城市群人工智能产业在全国的地位，以及不同城市群人工智能产业专利水平的差异性。其中，专利总量情况可以在一定程度上反映五大城市群在全国人工智能产业版图中的地位与影响力。专利申请区域分布数量指的是不同城市群人工智能专利数量分布情况，主要反映不同城市群在人工智能产业自主创新能力及技术支撑实力等方面存在的差异。

由表1可知，截至2019年底，京津冀、长三角、珠三角、成渝和长江中游等五大城市群人工智能专利申请数量总计达到107 726件，占全国人工智能专利申请总量144 047件的74.79%。五大城市群涵盖的13个省市，专利申请数量超过全国一半之多，可见五大城市群的人工智能知识产权专利在全国范围处于领先水平。人工智能产业发展具有较强技术属性，知识产权专利优势会通过产业园区、创新中心、孵化企业等各种产业载体转化为行业技术优势、应用优势等，进而在整个产业竞争中形成竞争优势。因此，专利申请总量的绝对优势在一定程度上反映出五大城市群人工智能产业发展布局在整个国家人工智能产业结构中占据极为重要地位。

表1 五大城市群人工智能专利申请数量分布情况

通过专利申请数量的区域比较可以更清楚地了解不同城市群人工智能产业自主创新力的差异。在五大城市群中，长三角城市群所拥有的人工智能专利申请数量最多，达到36 854件，区域范围内又以江苏省占比最高，区域内部人工智能知识产权实力较均衡，为产业区域一体化协同发展奠定了良好技术创新氛围。京津冀城市群人工智能专利申请数量以29 942件排在第二位，从区域内部来看，北京人工智能专利申请数量处于绝对领先水平，天津、河北两地数量整体偏少，表明该区域人工智能知识产权及自主创新能力存在显著不平衡，如果该情况长期得不到改善，将有可能形成“虹吸效应”，不利于区域产业一体化融合发展。珠三角城市群专利申请数量略低于长三角和京津冀位列第三，约为24 713件，需要说明的是，珠三角城市群人工智能专利申请数量统计范围仅限于广东省，而长三角与珠三角则涵盖多个省市，如果就单个省、市人工智能专利申请数量来看，广东省在全国31个省市中处于绝对优势。2018-2019年，广东省人工智能专利申请数量连续两年排在全国第一位，专利申请数量分别达到6896件和5171件。（如表2所示）。

表2 2010—2019年国内部分省市人工智能专利申请数量

综上所述，通过对五大城市群人工智能专利申请区域数量的比较分析可知，虽然人工智能专利申请区域数量在某种程度上可以反映出不同区域产业主体的自主创新竞争力与行业竞争力。但受区域内部发展不均衡、区域专利技术资源共享不充分等因素的影响，即使区域人工智能专利申请数量最多也不能完全证明其区域产业创新力最强，只有当区域内部产业资源要素实现有效共享、内部发展处于较为均衡的状态下，专利申请绝对数量才能成为衡量城市群专利水平的重要标准。由此可见，珠三角区域拥有较强人工智能产业技术创新能力。与此同时，珠三角区域一体化主要是对省内多个城市间人工智能产业资源要素的协同整合，较之其他城市群跨省际间的资源要素融合具有天然优势。考虑到当前中国各地区域一体化仍处于探索发展阶段，在产业融合及资源共享等方面仍面临多重壁垒制约，因而可以判断，当前阶段长三角城市群人工智能产业知识产权及技术创新能力仍略低于珠三角城市群。成渝与长江中游两个城市群区域人工智能专利申请数量分别为8 362件和7 855件，在数量上与其他三个城市群存在较大差距，表明这两个城市群人工智能产业技术创新能力相对偏低。

（二）专利申请技术分类情况

为对五大城市群人工智能产业技术发展水平有更充分了解，本文从技术维度对各城市群人工智能专利技术类别的分布情况进行具体分析，明确五大城市群在人工智能产业链各细分领域的发展水平及技术实力间的差异。从专利技术类别整体分布情况来看，五大城市群人工智能专利申请主要集中在电子数字数据处理（G06F）、数据处理（G06K）、基于特定计算模型的计算机系统（G06N）、基于技术相关行业数据处理系统或方法（G06Q）、语音分析（G10L）及图像处理（G06T）等几个方面，当前五大城市群人工智能产业专利申请主要集中在G06（计算，推算，技术）类别（如表3所示）。

表3 人工智能专利申请技术分类分布情况

（三）产业专利聚集度情况

从人工智能产业链基本构成情况来看，现阶段五大城市群人工智能专利申请主要集中在技术层与应用层，基础层专利申请数量相对较少。从五大城市群各自技术专利的分布情况来看，长三角城市群在人工智能产业多个技术类别专利优势明显，尤其是数据处理（G06K）、图像数据（G06T）、行业数据处理系统（G06Q）和数字信息传输（H04L）等技术专利方面表现突出均处于行业领先水平；京津冀城市群在电子数字数据处理（G06F）技术专利方面有着独特优势，明显领先于长三角与珠三角；珠三角在语音分析合成技术专利方面占有相对优势，专利申请数量最多；成渝与长江中游在技术专利数量方面与其他三个城市群存在较大差距，一定程度上反映出二者人工智能产业技术实力偏弱、创新能力较低。技术要素是支撑人工智能产业发展的核心要素，如果这种情况长期得不到改善，必然会影响到所在区域整个行业的可持续发展。

进入信息技术时代，知识产权对于国家创新能力及企业市场竞争力的影响日益增加，专利实力已经成为评估区域科技自主创新能力及产业发展潜力的公认的有效指标之一。本文在研究中引入产业专利聚集度相对指标，以期更加真实有效判别五大城市群产业专利实际情况及技术竞争力。专利聚集度主要考察的是某个区域特定产业专利聚集度，通过产业专利聚集度指标可以在一定程度反映出该区域特定产业专利实力，是衡量区域产业区域聚集度、自主创新能力的有效指标^[15]。人工智能产业专利聚集度可通过区域当年人工智能产业专利申请量与区域当年专利申请总量比值来测算，人工智能产业专利聚集度越高，反映出该区域人工智能产业科技创新能力和经济发展潜力强，有希望形成优势产业。区别于专利申请数量与专利申请技术分类数量，产业专利聚集度是一个相对指标，能够更客观真实地反映出不同城市群人工智能产业成为优势产业可能性及区域间内部相互影响作用关系。

本文基于2018年五大城市群13个省市人工智能专利申请数量及全部行业专利申请数量等数据，对各城市群当年人工智能产业专利集聚度进行了分析。通过表4可知，2018年，京津冀、长三角、珠三角、成渝和长江中游的人工智能产业专利集聚度分别为0.0154、0.0058、0.0087、0.0089和0.0057。京津冀城市群产业专利集聚度最高，表明该地区人工智能产业优势最明显；成渝和珠三角城市群人工智能产业专利集聚度较为接近，长三角城市群人工智能产业专利集聚度分值出乎意料，明显低于前三个城市群；长江中游城市群人工智能产业专利集聚度在五大城市群中分值最低，表明人工智能产业成为区域优势产业的可能性与潜力相地较低。

具体来看，北京人工智能产业专利集聚度在全国范围内处于绝对领域水平，在较大程度上拉高了整个京津冀城市群产业专利集聚。长三角城市群除上海之外，其他三个省市人工智能产业专利集聚度较为接近，区域内产业发展不均衡现象没有京津冀城市群突出。长三角城市群人工智能产业专利集聚度值仅为0.0058的一个主要原因是，长三角城市群各省市整体产业结构布局相对合理均衡、产业发展基础较好，“好上加好”的难度远远大于“零起点”或“低起点”发展。成渝城市群人工智能产业专利集聚度分值相对较高，表明该城市群人工智能产业发展成为区域优势产业的可能性较高，且区域内部的产业发展水平均接近，推动跨区域人工智能产业一体化协同发展的难度较低。长江中游城市群人工智能产业专利集聚度分值在五大城市群中最低，但该区域分值低与长三角城市群的原因有本质不同，长江中游城市群人工智能产业专利集聚度值低的主要原因在于当地人工智能产业基础薄弱、整体产业结构布局不够合理，要想将人工智能产业打造成区域优势产业，在加大产业基础投入的同时还需要对产业结构布局进行优化。

表4 2018年五大城市群人工智能产业专利集聚度

四、基于专利数据分析的五大城市群人工智能产业发展策略思考

（一）正确理解专利绝对指标与相对指标间的关系

目前国内学者更多是基于专利申请、公开总量等绝对量化指标来衡量人工智能产业发展水平，综合考虑专利绝对指标与相对指标分析区域人工智能产业发展的研究相对较少。基于专利绝对指标与相对指标对区域人工智能产业发展进行分析能够更加深入客观了解区域人工智能产业发展现状、存在问题及区域内部利益关系。本文在分析中发现，专利绝对指标与专利相对指标间存在某种程度偏差：长三角城市带人工智能专利申请总量在五大城市群中最多，但其产业专利聚集度却明显低于京津冀、珠三角和成渝地区。因此，不能只把注意力放在专利数量等绝对指标上，更要注重本区域相对指标与全国平均水平及其他区域间的差距，根据对比情况适时调整本区域人工智能产业发展模式与路径。

（二）客观看待区域一体化融合发展与区域内部发展不均衡间的关系

产业专利聚集度越高表明该产业成为当地优势产业的可能性越大，对于带动整个区域经济社会发展有着积极作用。但如果产业专利聚集度过高，一方面可能会导致区域产业结构过于单一，对优势产业形成过度依赖；另一方面也有可能加剧区域内发展不平衡矛盾，进而不利于区域一体化协同发展，后者在跨区域融合发展中表现更突出。尽管京津冀、长三角及长江中游等城市群人工智能产业发展非均衡程度有所缩小，但整体来看，无论是从专利申请总量还是产业专利聚集度来看，区域内人工智能产业专利技术水平非均衡程度仍然较为显著。

专利作为产业技术竞争力及创新力的集中表现，对产业主体创新力、产业发展基础及产业市场潜力等有着较高要求，这使得各地人工智能专利数量情况与区域经济发展及空间特征表现出显著正相关性，如长三角城市群人工智能产业专利数量呈现出由西部内陆向东部沿海递增的空间格局，区域内存在显著的空间溢出效应^[16]。这里所说的空间溢出效应既有正效应也有负效应。对于区域人工智能产业发展来说，如果人工智能产业专利聚集度及区域专利聚集度均控制在合理范围内，这种聚集对于增强本地在全国范围内的竞争力有积极作用。但如果专利聚集度过高反而可能导致“虹吸效应”的发生，由于区域范围内各类产业要素资源过度集中使得区域产业发展不均衡现象加剧，不但无法实现人工智能产业跨区域资源要素高效整合，甚至还会影响到整个区域一体化进程^[17]。

（三）充分平衡产业链基础层、技术层和应用层间的技术投入关系

通过五大城市群人工智能专利申请技术分布情况可知，现阶段五大城市群申请的专利技术主要集中在人工智能产业链中的技术层与应用层，基础层技术专利数量明显不足，行业专利技术分布不均衡现象严重。出现该情况的主要原因在于，以理论及数据支撑为核心内容的人工智能基础层建设成效较慢，投入回报周期较长，因而成为各地乃至全国人工智能产业发展的薄弱环节与短板。专利技术分布不均衡现象在一定程度上反映出各城市群人工智能产业发展中普遍存在产业链基础层、技术层与应用层布局不合理、产业链融合度不足等突出问题^[18]。

五大城市群在发展中应针对当前国内及区域人工智能产业链薄弱环节加大研发力量投入，以此实现产业链的完善与产业布局的优化。一方面，对于人工智能产业基础雄厚、技术实力强、应用场景丰富的京津冀、珠三角及长三角城市群而言，应在重视行业应用的同时适时调整产业发展模式，加大对人工智能产业链基础理论及数据支撑技术的研发投入，形成更多有竞争力的核心专利成果产出，在弥补当地产业链发展短板的同时，推动区域人工智能实现全产业链高效融合发展。另一方面，对于产业环境不够完善但发展潜力巨大的成渝城市群而言，应将产业发展重点放在落地性强、应用效果明显的产业细分领域发展上，缩短相关领域技术产品研发周期，提升专利成果转化效率，以点带面提升人工智能产业专利应用广度与深度。对于人工智能产业基础薄弱的长江中游城市群而言，应选择产业链上的某几个环节作为研发投入重点，如湖北省可依托武汉光谷所拥有的光电子优势，加大人工智能芯片技术投入以提升自身技术实力与丰富专利数量，进而增强自身在行业竞争中的话语权。

（四）高度重视并激发人工智能从业企业主体的自主创新力

专利技术的研发与转化是通过企业主体来实现的，各城市群依托这些企业技术资源优势以提升本地区的人工智能产业技术实力和行业竞争力，对人才、资金、技术等形成聚集效应，推动区域人工智能产业发展进入良性循环^[19]。但企业主体自主创新力不足是当前各城市群人工智能产业区域一体化协同发展面临共性问题。从全国人工智能专利申请人排名情况来看，排名前20的专利申请人基本集中分布在五大城市群。排名前20名的企业和高校数量分别为8家和12家，专利申请总量分别达到8 161件和10 754件。

企业作为产业发展中最核心的主体，其专利实力及创新水平对于整个产业发展有着决定性影响作用。只有企业自主创新力持续提升、在行业发展中贡献作用不断增强，才能充分发挥自身在产业创新竞争力提升中的基础性作用，并与政府、科研机构等主体形成良性互动，进而推动整个行业产业竞争力的提升。

（五）有效应对影响制约跨区域专利信息共享壁垒

跨区域人工智能产业协同发展中面临着行业、技术及行政等诸多壁垒，这些壁垒的存在不利于区域专利信息共享。

第一，技术壁垒。行业技术标准规范体系的制定往往滞后于行业领域的实际发展，人工智能产业在发展过程中同样面临着行业技术标准规范体系缺失的制约，技术标准的缺失必然导致跨省际间专利成果转化难度加大，企业生产、研发应用系统难以实现无缝对接，导致区域产业一体化协同发展成本增加，进而影响到人工智能产业区域一体化进程。与此同时，人工智能生成发明权利主体界定标准、人工智能专利审查标准的不统一，使得区域人工智能产业融合发展面临的技术壁垒提高^[20]。

第二，行业壁垒。国内人工智能专利申请总量排名前三位的分别是百度、国家电网、腾讯科技。随着国内互联网行业蓬勃发展企业间竞争加剧，知识产权专利已经成为人工智能产业发展的核心竞争力，企业在加强对自身专利知识产权保护的同时也在无形中加剧了行业技术壁垒。

第三，行政壁垒。虽然区域一体化发展已经上升至国家战略层面，国家分别陆续制定出台了《京津冀区域一体化发展规划纲要》（2014）、《长江三角洲区域一体化发展规划纲要》（2019）等政策文件，为跨省际区域一体化协同发展奠定了良好基础^[21]。但区域一体化协同发展战略在实际落地执行过程中仍面临着较强行政壁垒，相关省市在发展中为保护本地区人工智能产业发展、形成行业竞争优势，会通过行政力量设置人为壁垒，从而给区域产业一体化协同发展带来负面影响。

为此，如何通过共享区域专利技术资源以综合提升整个区域产业创新能力与竞争力，是当前人工智能产业区域一体化发展所要解决的重要难题。京津冀、长三角地区应在区域一体发展战略规划顶层设计的指导下，围绕人工智能产业发展建立区域联席会议机制，加快制定区域统一的行业标准规范，成立共同的产业发展扶持基金，共享产业发展专利知识产权等科技成果，有效缓解行业壁垒、技术壁垒及行政壁垒对区域人工智能产业发展带来的制约。

五、结语与展望

区域一体化发展战略已成为中国当前经济社会转型升级的重要手段，京津冀、长三角、珠三角、成渝和长江中游等五大城市群作为国内区域一体化协同发展的缩影，透过深度剖析其人工智能产业的发展情况，可以映射出现阶段区域一体化发展中，产业结构转型升级所面临的共性问题。专利信息数据作为分析行业领域发展的有效维度之一，将其作为衡量跨省际区域协同发展的可量化指标，通过综合分析人工智能产业专利申请数量、专利技术分类分布和产业专利聚集度等量化数据，可以较为真实客观地反映出当前中国人工智能产业自主创新能力及产业区域一体化协同进程中面临的技术难题与发展瓶颈。当然，限于数据可得性等因素的制约，本研究中对专利相对指标的引入仍有所不足，将在后续研究中进一步完善。

参考文献

[1] 李树刚,刘颖,郑玲玲.基于专利挖掘的感知人工智能技术融合趋势分析[J].科技进步与对策,2019,(23):28-35.

[2] 于申,杨振磊. 全球人工智能产业链创新发展态势研究[J]. 天津经济, 2019, (5):15-20

[3] 陈军, 张韵君, 王健. 基于专利分析的中美人工智能产业发展比较研究[J]. 情报杂志, 2019, (1):45-51.

[4] 王雅薇, 周源, 陈璐怡. 我国人工智能产业技术创新路径识别及分析——基于专利分析法[J]. 科技管理研究, 2019，(10)：210-216.

[5] 卫平,范佳琪.中美人工智能产业发展比较分析[J].科技管理研究,2020,40(03):141-146.

[6] 石海林, 李维思, 文晓芬, 等. 基于专利分析湖南省人工智能产业发展现状[J]. 企业技术开发, 2019, (1):32-36.

[7] Davies, C.R. An Evolutionary Step in Intellectual Property Rights ?Artificial Intelligence and Intellectual Property[J]. Computer Law and Security Review, 2011, 27(6):601-619,

[8] 李晓华,曾昭睿.前沿技术创新与新兴产业演进规律探析——以人工智能为例[J].财经问题研究, 2019，(12):30-40.

[9] 王立岩.天津市战略性新兴产业与区域创新耦合发展研究——京津冀协同发展的视角共享机制研究[J].产业创新研究,2017，(1):54-59.

[10] 林斐.共建共治共享:创新经济视域下的区域一体化——以长三角一体化发展为例[J].西部论坛,2020,(3):68-77.

[11] Griliches, Z. Patent Statistics as Economic Indicators: A Survey [J]. Journal of Economic Literature, 1990. 28(4):1661-1707.

[12] Trajtenberg, M., Henderson, R., Jaffe, A. University Versus Corporate Patents: A Window on the Basicness of Invention [J].Economics of Innovation and New Technology, 1997, 5(1):19-50.

[13] 吕一博,韦明,林歌歌.基于专利计量的技术融合研究:判定、现状与趋势——以物联网与人工智能领域为例[J].科学学与科学技术管理,2019,(4):16-31.

[14] 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.

[15] 瞿卫军, 姬翔, 刘洋,等. 衡量地区专利实力的新指标——“专利聚集度”初探[J]. 知识产权(4):7-10.

[16] 李旭辉,彭勃,程刚,等.长江经济带人工智能产业发展趋势演进及空间非均衡特征研究[J].情报杂志,2020,(5):190-201+189.

[17] 邓子云, 何庭钦. 区域人工智能产业发展战略研究[J].科技管理研究, 2019, (7):39-50.

[18] 刘磊, 雷怡, 孙红要, 等. 2017年中国人工智能领域专利主要统计数据报告[J]. 科学观察, 2019, (1):47-61.

[19] 张龙鹏, 张双志.技术赋能：人工智能与产业融合发展的技术创新效应[J]. 财经科学, 2020，(6):74-88.

[20] 孜里米拉·艾尼瓦尔,姚叶.人工智能技术对专利制度的挑战与应对[J].电子知识产权,2020，(4): 52-61.

[21] 金双龙,隆云滔,陈立松等.基于文本分析的区域人工智能产业政策研究[J].改革与战略,2020,(3): 44-53.

(责任编辑：邓菁）

公众号责任编辑：李明齐

电话：0411-84710267