2024年深度学习领域专利全景分析报告

2024年度专利全景分析 目录 关于Questel ............................................................................... 3概览............................................................................................ 4I.引言....................................................................................... 6深度学习：以实例驱动，超越规则框架..............................................................6II.方法论................................................................................. 91.数据来源与检索策略..................................................................................92.分类方法................................................................................................10III.深度学习全球专利格局......................................................... 111.专利申请趋势..........................................................................................112.发明的来源.............................................................................................123.主要参与者.............................................................................................134.结论......................................................................................................15IV.大语言模型专利趋势............................................................ 161.引言......................................................................................................162.专利申请趋势..........................................................................................163.发明的来源.............................................................................................174.主要参与者.............................................................................................195.应用领域................................................................................................216.结论......................................................................................................25附录.......................................................................................... 26更多信息.................................................................................... 34 关于Questel Questel是世界一流的端到端知识产权解决方案提供商，为30多个国家/地区的20,000多家客户和150万用户提供服务。我们拥有全面的集成系统和软件平台，专为高效检索、深度分析及系统化管理创新发明与知识产权资产而设计。 Questel还提供覆盖整个知识产权生命周期的全方位服务，包括现有技术检索、专利撰写、国际申请、翻译以及续展。通过将这些服务与我们的知识产权成本管理平台相结合，客户平均可节省30%-60%的申请预算。 Questel的使命是以高效、安全、可持续的方式推动创新发展。在这一使命的驱动下，Questel高度重视企业社会责任（CSR），并将其视为全球商业领域的重要趋势。我们致力于确保企业的各项活动对客户、员工、社区和环境产生积极影响。如需了解更多关于Questel的信息，请访问：www.questel.com 更多资源可在我们的在线资源中心查阅，请访问：www.questel.com/resources-hub/ 概览 本报告深入探讨了深度学习（DL）领域专利格局的动态演变，重点关注大语言模型（LLM）的发展趋势，并围绕领先国家/地区、主要参与者以及新兴应用等核心问题展开分析。报告旨在提供具有实践价值的洞见，帮助读者在这一快速发展的创新领域中把握机遇与方向。 深度学习领域的知识产权保护竞争激烈 近年来，深度学习领域的全球专利活动显著增长，尤其是自2017-2018年以来，大语言模型（LLM）逐渐成为焦点。2022年，OpenAI推出ChatGPT标志着一个重要转折点，不仅大幅提升了公众对这一领域的认知，还加速了相关专利的申请进程。全球对知识产权的激烈争夺凸显了知识产权的战略重要性，而中国和美国在这场全球竞赛中处于领先地位： •中国：由百度主导、顶尖高校鼎力支持的集中式生态系统。•美国：多元化且去中心化的创新格局，汇聚了IBM、谷歌、微软等科技巨头的智慧与力量。 大语言模型领域的整合与机遇 大语言模型领域目前由少数几家科技巨头主导，包括谷歌、百度、腾讯、微软、亚马逊和阿里巴巴。这些企业的知识产权布局不仅体现了其技术实力，更彰显了其全球范围内的深远影响力。在这一快速发展的领域中，几大关键趋势正在显现： •谷歌、百度、微软和腾讯正通过积极的产品研发和知识产权保护，推动大语言模型技术的商业化进程。这些企业在各类大语言模型应用中的专利申请数量位居前列，充分展现了其全面的战略布局以及对技术生态系统的深度投入。•医疗保健领域的突破性发展：大语言模型正在医疗领域掀起革命性变革，其在疾病诊断、药物研发和个性化医疗等方面的应用取得了显著进展。•跨行业影响力的持续扩展：随着计算效率的显著提升和数据质量的不断优化，大语言模型正迅速适应市场需求，并在金融、教育、网络安全等多个行业中发挥变革性作用。 I.引言 深度学习：以实例驱动，超越规则框架 人工智能正以前所未有的速度进行变革，推动着一波创新浪潮，本报告将对此进行深入分析。在人工智能的表象之下，隐藏着一张由机器学习、神经网络和深度学习（DL）等技术交织而成的复杂网络。这些技术层次相互融合，共同推动着突破性的进展，每一层都为该领域的快速发展做出了重要贡献。 2021年，我们的深度学习1研究借助Gartner 2020年技术成熟度曲线，展示了人工智能各细分领域的成熟度与发展情况。将2020年的快照与2024年的技术成熟度曲线进行对比，可以观察到显著的演变轨迹（各阶段的详细说明请参见附录）。例如，“深度学习”在不到四年的时间内，从“幻灭低谷期”跃升至“生产力成熟期”（即进入主流应用阶段）。然而，最引人注目的变化是由大语言模型（LLM）驱动的 生成式人工智能的迅猛崛起。从2020年的“创新触发阶段”迅速发展到2024年的“期望膨胀期”的后期阶段。在专利领域，这一阶段至关重要，应被视为获取专利并加强专利组合，从而在未来市场中提升竞争优势的关键机遇。 大语言模型的崛起：重塑信息处理与生成方式 大语言模型是生成式人工智能热潮的核心驱动力3。这些由深度学习技术驱动的模型，旨在处理、理解并生成自然语言文本。然而，它们的能力远不止于此——它们能够分析数据、解读复杂模式，并以近乎人类的方式提供深刻的见解。通过在包含数十亿甚至数万亿参数的庞大数据集上进行训练，大语言模型正在重新定义数据处理的边界。 •规模优势：大语言模型建立在庞大且多样化的数据集之上，具备无与伦比的学习与适应能力。•语境理解：它们精通语言的细微差别，从语义的微妙变化到段落的整体逻辑，均能精准把握。 •文本生成：无论是撰写文章、回答问题还是生成对话，大语言模型都能创造出连贯、相关且引人入胜的内容。•广泛应用：其应用领域涵盖内容生成、翻译、情感分析、聊天机器人等，且潜力远不止于此。 我们探讨的核心问题包括： •哪些国家/地区在大语言模型创新领域处于全球领先地位？•哪些公司和研究机构正在推动这一领域的进步，谁在全球范围内占据主导地位？•大语言模型的主要应用领域有哪些？谁拥有相关的知识产权？ 通过解答这些问题，我们旨在全面解析大语言模型专利领域的现状，揭示新的机遇与视角，为利益相关者在这一前所未有的创新时代中制定明智的战略决策提供有力支持。 II.方法论 1.数据来源与检索策略 本研究采用的数据来源为FamPat全球数据库检索工具Orbit Intelligence。FamPat是一个按简单专利族组织的全球专利申请和授权专利集合，覆盖全球100多家专利授权机构，其中包括由Queste l提供的22个专利局的可检索全文。由于每条FamPat记录可能包含多个不同日期的专利公开事件，本报告采用每个专利族的最早已知首次申请日期作为代表性日期，用以指代整个专利族。首次申请局（OFF）或优先权是指某项发明的首次申请，一旦在任何专利局提交，该申请即成为“优先权申请”，其提交日期即为优先权日。首次申请的国家/地区被定义为优先权国。 除非另有说明，本报告中的表格和图表均基于优先权日，因为它能够最准确地反映发明活动的时间节点。专利来源的定义，即专利族的发源地，基于首次申请局（OFF）。需要注意的是，尽管这一定义并非完全准确，但它提供了一种实用且公平的方法，用于识别实体的通常首次申请国，且通常与其本国专利局一致。 每个专利族都与一个或多个实体关联，这些实体统称为专利权人。如果同一专利族中的专利由多个权利人共同持有，则该专利族归属于所有相关实体。为了提升可读性并提供清晰的整体概览，本文档中的各申请人已系统化整理，并归并至各自的母公司名下。子公司及关联实体被归入其母公司名下，以反映统一的所有权结构。这一分组过程结合了自动化（通过Orbit Intelligence数据库）与人工方法，并基于报告编制时可获得的最佳公开信息完成。 2.分类方法 本专利全景分析聚焦于深度学习（DL），并特别关注大语言模型（LLM）。检索方法结合了多种策略，包括深度学习相关的关键词和技术，以及相关专利分类信息，例如G06N3/02（使用神经网络模型的计算机系统）。 为确保检索结果在全面性和准确性之间达到最佳平衡