人工智能与机器人技术专利申请领域的“淘金热”。创新体系能发挥作用吗?

《TECHNOLOGICAL FORECASTING AND SOCIAL CHANGE》:The “Gold Rush” in AI and robotics patenting activity. Do innovation systems have a role?

【字体: 大 中 小 】 时间:2026年07月09日 来源:TECHNOLOGICAL FORECASTING AND SOCIAL CHANGE 13.5

编辑推荐:

  乔瓦尼·吉德蒂|里卡多·莱昂奇尼|马莉埃莱·马卡拉苏奥•本文研究了1980年至2019年人工智能与机器人技术领域的专利申请趋势。•我们提出了传统机器人技术与具备人工智能功能的机器人技术之间的新区分标准。•实证分析基于时间序列分析方法,特别关注结构突变与协整关系。引言人工智能与机器

  乔瓦尼·吉德蒂|里卡多·莱昂奇尼|马莉埃莱·马卡拉苏奥•本文研究了1980年至2019年人工智能与机器人技术领域的专利申请趋势。•我们提出了传统机器人技术与具备人工智能功能的机器人技术之间的新区分标准。•实证分析基于时间序列分析方法,特别关注结构突变与协整关系。引言人工智能与机器人技术的快速发展已成为当代科技竞争的重要特征(联合国贸易和发展会议,2025年)。人们日益将这一现象视为“人工智能淘金热”,它不仅体现了创新活动的加速,还反映了各国在技术领域的激烈竞争,美国和中国处于引领全球创新发展的前沿(人工智能指数指导委员会,2025年)。在美国,2025年美国人工智能行动计划强调私营部门的引领作用、放松管制以及资金投入,以在人工智能驱动的行业中保持竞争优势。而中国的《全球人工智能治理行动计划》(2025年)则将人工智能发展纳入国家协调框架之中,结合产业政策、战略规划以及技术主权来推动其发展。其他发达国家,包括欧盟、日本和韩国,也通过不同的策略,在监管治理、能力建设以及公私协作方面寻求自身定位。最近的各项战略都体现了这些制度差异。欧盟的《人工智能大陆行动计划》(2025年4月9日)将技术领先性与民主保障及“可信人工智能”相结合,体现了以标准为基础的监管模式。日本的《人工智能基本计划》(2025年12月23日)则在担忧国际竞争力问题的背景下,将创新支持与风险管理相整合。韩国的《国家人工智能战略:政策方向》(2024年9月26日)则致力于构建公私协作机制,以加强基础设施、半导体能力以及全球人工智能领域的领导地位。这种技术竞争的激烈程度在专利申请数据中得到了充分体现。与各类技术领域的专利平均年增长率相比,人工智能相关专利的申请增速要高得多(世界知识产权组织,2019年)。尤其是2013年至2016年间,机器人技术和控制方法领域的人工智能相关专利申请平均年增长率约为55%,在所有专利类别中属于最高水平之一(经济合作与发展组织,2019b;世界知识产权组织,2019年)。机器人技术相关专利申请的增加以及人们对机器人技术需求的上升,都对GDP增长产生了显著贡献(格拉茨和迈克尔斯,2018年;拉吉和西曼斯,2018年)。大量经济学研究探讨了人工智能与机器人技术对经济的影响(例如琼斯,2024年;弗曼和西曼斯,2019年;布赖恩,2026年)。具体而言,相关研究涉及生产力增长、劳动力需求、任务构成以及行业受影响程度等方面(例如格拉茨和迈克尔斯,2018年;阿西莫格鲁和雷斯特雷波,2020b年;克罗曼等人,2020年)。在这一框架下,机器人技术通常通过自动化总体指标来衡量——最常见的是工业机器人的应用情况——机器人被定义为能够执行生产任务并直接与物理环境交互的自主可编程机器(费尔南德斯-米亚卡斯等人,2021年)。而人工智能则被视为一种独立的创新活动领域,或者是一种具有广泛互补性且能跨行业传播的通用技术(哈夫纳等人,2021年;特拉伊滕伯格,2019年;马丁内利等人,2021年)。这种区分主要源于测量方式的差异:机器人技术是通过应用数据来观察的,而人工智能则是通过基于专利的创新产出指标来识别的。同时,越来越多的实证研究通过使用更为详细的CPC分类编码和基于文本的检索算法,大大提高了在专利数据中识别人工智能及相关机器人技术的精度(巴鲁法尔迪等人,2020年;萨莫伊利等人,2020年;刘等人,2021年;吉奇等人,2022年)。对于人工智能而言,这些方法上的进步尤为重要,因为其技术边界始终处于动态变化之中(ISO8373标准,2012年;经济合作与发展组织,2019a年;HLEG,2019年;世界知识产权组织,2019年)。即便有了这些改进,人工智能仍通常被视为一项独立的创新领域,而机器人技术则被看作是一种广义的自动化技术。目前尚未得到充分关注的是那些融入了人工智能功能(如学习、感知和自适应控制功能)的机器人技术创新。因此,区分传统的基于规则的机器人系统与具备人工智能驱动能力的机器人技术至关重要,因为人工智能的经济影响不仅取决于其自身的自主传播,还取决于其在不同行业和技术中的应用方式以及其带来的互补效应。此外,这些互补效应的演变可能因制度环境的不同而有所差异。关于创新体系的文献指出,技术发展路径是由各国企业、大学、公共机构以及政策框架的具体状况所决定的(雅各比德斯等人,2021年;埃茨科维茨和莱德斯多夫,2000年;伦德瓦尔,1992年;纳尔逊,1993年)。因此,创新被理解为一种嵌入在特定制度环境中的互动式且具有累积性的过程,这种环境影响着知识创造、协调机制以及能力形成。这一观点在人工智能领域尤为重要,因为其广泛的渗透性导致了跨行业的快速传播,且其技术边界不断变化(里吉等人,2020年)。人工智能是在多个领域和组织环境中通过相互作用而发展的。因此,无法脱离技术变革发生的具体环境来理解人工智能与机器人技术的发展轨迹。人工智能相关知识在机器人技术中的融合程度以及二者之间的共同演化方式,可能取决于各种制度特征,包括政策重点以及公私协作的模式。尽管在测量和分析人工智能与机器人技术方面已经取得了显著进展,但仍然存在一个重要的实证空白。虽然这些技术所带来的经济影响已得到广泛研究,而且基于专利的分析方法也使得能够越来越精确地识别各个技术领域,但核心人工智能技术、传统机器人技术以及具备人工智能功能的机器人技术这三种技术在不同制度环境下的共同演化过程,至今尚未得到系统性的研究。本文旨在填补这一空白,通过探讨两个相关问题来解决这一问题:首先,是否可以通过实证方法将传统机器人技术与具备人工智能功能的机器人技术区分开为不同的技术领域,同时又能准确识别核心人工智能技术;其次,在做出这种区分的基础上,这三种技术领域是否具有共同的长期发展规律,以及它们在不同国家创新体系中的发展轨迹存在何种差异。为了解决这些问题,我们利用PATSTAT数据库构建了一个涵盖1980年至2019年的专利家族数据集。我们结合合作专利分类代码、基于关键词的识别方法以及文档级文本挖掘技术,将这三种技术领域明确区分开来:核心人工智能技术、传统机器人技术以及具备人工智能功能的机器人技术。核心人工智能技术包括与基础人工智能能力相关的发明,如学习、推理、感知以及自主决策能力,这些能力源自机器学习和知识表示等成熟的人工智能子领域(欧洲专利局,2017年;萨莫伊利等人,2020年)。传统机器人技术则包括根据萨莫伊利等人(2020年)的分类标准所定义的工业机器人、服务机器人和社会机器人。而具备人工智能技术的机器人则是将人工智能功能以结构化且完整的方式融入到其自身功能之中的机器人。通过这种分类方式,我们可以将人工智能驱动的机器人技术创新与传统的自动化技术区分开来,从而对其技术发展进行比较分析。随后,我们运用时间序列分析方法来研究这些数据系列的长期发展规律,据我们所知,这是首次对核心人工智能技术、传统机器人技术以及具备人工智能功能的机器人技术的共同演化进行系统的时间序列分析。具体而言,我们检测了这些数据序列的非平稳性,确定了结构突变点,并估算了不同技术领域和国家之间的两两协整关系。这一实证分析框架使我们能够判断核心人工智能技术、传统机器人技术以及具备人工智能功能的机器人技术是具有共同的随机趋势,还是遵循各自独立的技术发展路径,以及这些发展模式在不同制度环境下是否存在差异。通过将核心人工智能技术与其在机器人技术中的应用分开,并分析其在不同国家创新体系中的长期关系,本文系统地阐述了人工智能驱动的互补效应是如何在各种应用技术中产生并发展的。我们的研究得出了三个主要结论。首先,这三种技术领域的专利申请活动呈现出不同的长期发展规律。核心人工智能技术发展迅速,但在不同技术类别间的发展速度并不均衡;传统机器人技术的发展则较为缓慢;而具备人工智能功能的机器人技术从2010年代初开始出现明显加速的发展态势。其次,结构突变主要发生在2010年之后,这与人工智能相关技术逐步融入机器人技术所带来的创新模式转变是一致的。第三,不同国家之间的长期发展关系存在显著差异,而且这种差异在很大程度上取决于能否将具备人工智能功能的机器人技术与传统机器人技术区分开来。中国在这两类技术之间表现出较强的协整关系,而美国在申请人层面则显示出较弱的整合度。欧洲和日本则呈现出介于两者之间的、具有技术特定性的发展模式。本文的结构如下:第二部分阐述本文的理论背景以及需要通过实证检验的主要假设。第三部分介绍数据来源,进行一些描述性分析,并说明实证分析的方法。第五部分报告并讨论分析结果。第六部分则给出一些总结性意见。概念框架创新与经济竞争力之间存在密切关联(例如卡斯特拉奇,2008年;克拉克和盖伊,1998年),而专利则被广泛用作衡量创新成果的指标(曼斯菲尔德,1989年;霍尔等人,2001年;贝森和梅乌尔,2008年;阿西莫格鲁等人,2011年;蒙托比奥等人,2022年;埃克特和朗吉尼尔,2014年;科米诺等人,2019年)。大量实证研究都依赖专利数据来分析技术变革的动态及其对不同国家、行业和时期产生的经济影响。数据来源我们的分析依赖于欧洲专利局的世界专利统计数据库(PATSTAT,2021年春季版本),该数据库是研究技术创新最为全面且应用最广泛的资料来源之一(德拉斯芬索斯等人,2014年)。PATSTAT汇集了来自90多个国家和地区的专利局的标准化数据,提供了详细且具有国际可比性的专利申请纵向数据(康和塔拉斯科尼,2016年)。其广泛的覆盖范围和标准化的结构使其成为行业基准。实证分析方法实证分析分为四个步骤。首先,通过统计证据来证明与人工智能、具备人工智能功能的机器人技术以及传统机器人技术相关的专利数据序列具有非平稳性,这些数据按CPC分类代码进行划分。其次,如果确实存在非平稳性,我们会进一步测定这些时间序列的整合程度。第三,为了对CPC分类下的时间序列进行建模,我们采用了纯时间序列分析方法。在这种方法中,整合后的时间序列的现值取决于……平稳性分析按照前文所述的步骤,我们在表2中展示了平稳性分析的结果。测试结果清楚地表明,变量A、B、G、F和Y(代表专利的CPC分类代码,以对数形式呈现)均属于非平稳序列,且属于1阶整合序列,即I(1)类型。由于时间序列的长度有限,因此无法对E分类进行此类测试。我们可以将变量分为两组。F、G和H三类变量表现为白噪声特征,而……结论本文构建了一个基于专利的分析框架,用于研究1980年至2019年期间人工智能与机器人技术的共同演化过程。通过构建一种新的专利家族数据集,我们将核心人工智能技术、传统机器人技术以及具备人工智能功能的机器人技术区分开来。这种区分方式使我们能够超越单纯的自动化总体指标,直接研究人工智能是如何融入机器人技术之中的。此外,通过运用时间序列分析技术,我们……CRediT作者贡献说明乔瓦尼·吉德蒂:撰写——审稿与编辑,撰写——初稿,概念构思。里卡多·莱昂奇尼:撰写——审稿与编辑,撰写——初稿,概念构思。马莉埃莱·马卡拉苏奥:撰写——审稿与编辑,撰写——初稿,概念构思。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号