2025年9月24日，经济与合作发展组织（OECD）发布《利用专利数据识别新兴人工智能（AI）技术》（IDENTIFYING EMERGING AI TECHNOLOGIES USING PATENT DATA）报告。该报告系统梳理了现有的AI专利识别技术体系，创新性修订了AI专利识别方法，尤其关注PCT（专利合作条约）申请动态。

　　该报告指出自2015年以来，AI技术领域的专利发明数量激增，截至2020年，年均增长率为30%。到2023年，AI专利约占所有PCT申请的6%，是2015年水平的三倍。2020—2023年，AI专利发展领先的国家是中国（占比31%）、美国（27%）和日本（10.5%）。但是，近期趋势表明AI专利申请速度有所放缓。

　　1. 现有AI技术分类体系综述

　　（1）世界知识产权组织（WIPO）

　　2019年，WIPO提出的检索策略主要采用分类代码，以克服AI等技术领域中单纯依赖关键词检索的局限性。该检索框架包含三个模块：①筛选与AI相关的联合专利分类（CPC）代码；②提取AI专属关键词；③将CPC/国际专利分类（IPC）/日本特许厅的FI（File Index classification）/文件形成术语（F-term）分类与AI相关关键词配对使用。最终检索式通过逻辑组合集成上述模块。

　　（2）OECD

　　2020年，OECD将IPC/CPC分类与关键词相结合，开发出一套识别AI专利的检索策略，包含以下三个步骤：①筛选出包含核心AI的IPC/CPC分类的专利；②筛选出包含AI相关的IPC/CPC分类，并且在其摘要、标题和/或权利要求书（仅针对美国专利商标局的专利）中至少包含一个AI相关关键词的专利；③筛选出至少包含三个AI相关关键词的专利。但是，该检索策略依赖于特定时间点，无法涵盖AI领域的最新发展，如生成式AI。

　　（3）乔治城大学安全与新兴技术中心（CSET）发布的国别活动追踪库（CAT）^[1]

　　采用CPC与IPC分类结合的方法识别AI相关专利，选取了约90个CPC分类和12个关键术语。此外，CAT利用多种专利数据源，为机器学习等7个AI子领域提供数据与指标。

　　（4）USPTO

　　USPTO采用机器学习技术进行AI专利识别，其方法包括：①定义七大AI子领域：包括“机器学习”“进化计算”“自然语言处理”“视觉技术”“语音技术”“知识处理”“规划与控制”以及“AI硬件”。②构建专利样本集：针对每一个子领域，分别确定“种子集”（属于该领域的专利）、“反种子集”（不属于该领域的专利），以及“扩展集”（候选专利）。③文本向量化处理：基于Transformer模型对专利文本进行向量化处理。④分类器训练：利用上述数据集，分别对七个AI类别进行模型分类训练。⑤预测结果的人工验证：在测试集上对分类器的预测结果进行人工校验。基于上述流程，USPTO构建了AI专利数据集并向研究人员公开。

　　（5）WIPO关于生成式AI的专利识别方法

　　生成式AI目前缺乏成熟的专利分类体系。与之最相关的CPC类别—G06N3/045（自动编码器网络），于2023年才引入。

　　为全面捕捉生成式AI专利，WIPO开发了一套定制化的两阶段方法：①结合传统检索和AI提示获取初始高召回率数据集。②采用基于Transformer的双向编码器表征模型分类器对数据集进行优化，通过区分生成式AI专利与其他AI技术专利，有效提升识别精准度。

　　所有数据集最终均通过BERT分类器进行微调，划分为生成式AI专利与非生成式AI专利。目前，由此方法捕捉的生成式AI专利集合已可公开下载。

　　（6）其他现有分类体系

　　近年来，各知识产权局积极开展专利分析工作。2019年，英国知识产权局基于WIPO和OECD的前期研究，并吸纳加拿大知识产权局的深度见解，发布了AI专利专题报告。2020年，欧洲专利局界定的第四次工业革命技术领域包含的AI模块，同样采用技术分类与关键词相结合的检索方法进行划定。

　　近期，澳大利亚知识产权局发布了聚焦AI专利的交互式专利可视化分析平台，采用IPC分类与关键词混合检索策略。其专利态势分析深入至机器学习、专家系统、硬件等技术领域，以及化学、机械工程、电气工程、仪器仪表等应用领域。

　　2024年，日本特许厅发布的报告则通过文件索引系统（尤其是G06N分类）和关键词组合，区分核心AI技术与AI应用专利的发展趋势。

　　2. OECD识别AI领域新兴技术专利的新方法

　　OECD的AI专利识别方法基于2020年框架，由预设CPC代码体系和动态更新的AI关键词库构成。该方法通过持续纳入新兴技术术语，系统追踪AI领域发展，有效识别新兴技术。为保持方法的时效性，关键词库定期从近期科学论文中提取新术语，支持高频更新。

　　修订后的方法在总体层面上将CPC体系（受分类变更影响较小）与AI相关关键词相结合，基于PCT专利申请数据，提供具备国际可比性的及时指标。

　　修订后的AI专利识别方法包括：

　　（1）5个核心CPC组别，涵盖生物模型、知识模型、数学模型、机器学习及模式识别；

　　（2）95个AI相关CPC组别，要求专利标题或摘要中至少包含一个AI关键词；

　　（3）274个持续更新的AI关键词。

　　与2020年版本相比，新方法使2000年以来识别出的AI专利数量平均增加50%以上，增长主要源于生成式AI与图像处理等相关关键词的补充。

　　3. AI专利近期趋势

　　OECD基于上述新方法提取的专利数据，对AI技术发展的近期趋势进行了综述（以下分析均基于PCT专利申请数据）。

　　（1）AI专利发展态势

　　过去十年间，AI技术专利发明数量快速增长，2015—2020年的平均年增长率达30%。2023年，通过PCT途径申请的AI发明接近1.7万项，规模达到2011年的11倍。作为对比，自2015年以来信息通信技术相关专利年均增长率仅为3%。此外，2023年PCT专利申请中超过6%包含AI技术成分，这一比例是2015年的三倍以上。

　　图1 AI专利发展趋势（2010—2023年）

　　自2020年以来AI专利增长显著放缓，2020—2023年间的年均增长率仅为2%。同期全球专利申请总量也呈现小幅下降，年均增长率为-0.4%。尽管AI专利数量在2015年后呈现爆发式增长并于2020年达到峰值，但近期趋于稳定的态势仍反映出该领域持续的创新活力。

　　图2 专利标题或摘要中出现频率前十的关键词（2010—2020年）

　　（2）AI专利领先国家

　　AI发明的来源地高度集中于少数国家：2020—2023年间，中国、美国和日本的发明人贡献了全球69%的AI专利。自2010年初以来，中国在AI专利总量中的份额迅速上升，以30.6%的占比成为全球领导者。

　　历史上长期位居首位的是美国，其AI专利贡献度从2010—2013年的33%降至2020—2023年的27%。日本的份额从2010年的29%下滑至近期的10.5%。欧盟27国的平均份额较2010—2013年下降4个百分点，但自2014年以来保持稳定。韩国、德国、加拿大、印度和瑞典是自2010年代中期以来少数实现份额增长的国家。

　　图3 AI领域专利申请量前十五位的国家/地区（2010—2023年）

　　4. 结论与局限性

　　OECD最新提出的修订版AI专利识别方法，通过纳入最新术语扩展了对AI发明的覆盖范围，采用CPC分类与关键词相结合的策略，可适配不同专利数据集。该体系设计支持高频更新（约每年两次），且通过采用聚合层级的CPC分类，能有效规避细分层级分类变动带来的干扰。

　　OECD指出，该方法仍存在以下局限性：①专利信息时效延迟：因专利公开的行政流程滞后，近期数据采用“即时预测“方法进行估算；②非专利创新盲区：由于缺乏可用数据，未能覆盖未申请专利的AI创新成果。

　　OECD表示，此方法也适用于其他新兴技术领域的专利监测。同时，未来OECD可结合科学论文、开源软件等多元指标，更全面呈现AI技术发展图景。修订后的AI专利识别体系将为后续研究提供基础，尤其有助于探究AI技术的知识溢出效应、技术相对价值、创新生态系统及跨技术领域融合等关键问题。

　　[1] CAT：是涵盖52个专利管辖区的AI相关专利数据库与指标体系，包含专利申请书与授权专利数据。

　　周朝梅 编译

　来源：https://www.oecd.org/content/dam/oecd/en/publications/reports/2025/09/identifying-emerging-ai-technologies-using-patent-data_5c8da861/d17e9a1a-en.pdf

　　原文标题：IDENTIFYING EMERGING AI TECHNOLOGIES USING PATENT DATA

　　检索日期：2025年9月25日