人工智能推理技術(shù)進(jìn)展：以中美及其重點(diǎn)企業(yè)對(duì)比為例

〔摘要〕 中國(guó)和美國(guó)是人工智能專(zhuān)利申請(qǐng)最多的兩個(gè)國(guó)家，推理是人工智能的核心和基座，可以通過(guò)對(duì)推理技術(shù)進(jìn)展的研究來(lái)把握兩國(guó)人工智能關(guān)鍵能力的水平。人工智能推理的本質(zhì)是對(duì)思維過(guò)程的模擬或再造，將人的行為習(xí)慣、思維決策過(guò)程、事物或事件的節(jié)點(diǎn)及過(guò)程計(jì)算機(jī)程序化。中國(guó)的人工智能推理學(xué)術(shù)論文發(fā)文量和專(zhuān)利申請(qǐng)量從2021 年開(kāi)始超過(guò)美國(guó)。然而，從專(zhuān)利申請(qǐng)和授權(quán)情況來(lái)看，中國(guó)企業(yè)的表現(xiàn)并沒(méi)有比美國(guó)企業(yè)更為突出，反而在知識(shí)推理、自動(dòng)駕駛、實(shí)時(shí)交通分析等方面較為擅長(zhǎng)。美國(guó)企業(yè)則在認(rèn)知模型、神經(jīng)推理、建筑、電網(wǎng)、人機(jī)交互等前沿方向上獲得了不少專(zhuān)利授權(quán)。通過(guò)中美兩國(guó)的分析比較，文章認(rèn)為中國(guó)的各類(lèi)研發(fā)主體應(yīng)加強(qiáng)合作，拓寬技術(shù)研發(fā)范圍，補(bǔ)足專(zhuān)利技術(shù)保護(hù)范圍與地域布局的短板，努力推進(jìn)政策規(guī)劃中的前瞻性導(dǎo)向。

〔關(guān)鍵詞〕 人工智能推理；專(zhuān)利分析；文獻(xiàn)計(jì)量；系統(tǒng)性綜述

〔中圖分類(lèi)號(hào)〕 O354 〔文獻(xiàn)標(biāo)識(shí)碼〕 A 〔文章編號(hào)〕 1008?2689（2025）03?0051?16

一、人工智能推理概念與相關(guān)政策導(dǎo)向

（一） 什么是人工智能推理

推理是人工智能的核心和基座，也是人工智能技術(shù)是否能成為顛覆性技術(shù)力量的關(guān)鍵所在。美國(guó)白宮的“關(guān)鍵和新興技術(shù)清單”[1] 對(duì)人工智能發(fā)展所列出的子項(xiàng)目中除了各種機(jī)器學(xué)習(xí)之外還包括：規(guī)劃、推理、決策，通用人工智能，負(fù)責(zé)任可信任的AI 等。隨著算力的飛躍和大語(yǔ)言模型（LLMs）的進(jìn)步，人工智能在邏輯推理、符號(hào)推理和模糊推理等常規(guī)機(jī)器推理上，已經(jīng)取得了質(zhì)的突破。

推理、搜索、約束滿(mǎn)足一起并稱(chēng)人工智能問(wèn)題求解中的三大方法[2]。人工智能推理的技術(shù)本質(zhì)是對(duì)思維過(guò)程的模擬或再造，傳統(tǒng)人工智能系統(tǒng)中的推理程序也可稱(chēng)為“推理機(jī)”。一般意義上的推理是指在掌握相關(guān)知識(shí)或事實(shí)的前提下，從已知出發(fā)，推導(dǎo)出當(dāng)前事實(shí)所蘊(yùn)涵的道理或新的事實(shí)或新的判斷的過(guò)程。由此推理過(guò)程中所運(yùn)用的“已知”可以是初始證據(jù)，也可以是過(guò)程中得到的中間結(jié)論[3]33。而人工智能專(zhuān)利文獻(xiàn)中常見(jiàn)的術(shù)語(yǔ)“推斷”則是指從通過(guò)事件、傳感器和/或數(shù)據(jù)捕獲的一組觀察中推出系統(tǒng)、環(huán)境和/或用戶(hù)的狀態(tài)的過(guò)程①?？梢?jiàn)，在人工智能語(yǔ)境中，“推理”與“推斷”二者的語(yǔ)義雖有差異，但在技術(shù)執(zhí)行層面差異不大。

盡管我們?cè)谘芯咳斯ぶ悄軙r(shí)會(huì)將推理、搜索、規(guī)則、預(yù)測(cè)、評(píng)估、概率等都拆解開(kāi)來(lái)推敲，但在實(shí)際技術(shù)或產(chǎn)品中這些內(nèi)容幾乎都是融合在一起發(fā)揮作用的，正如人類(lèi)智能通常不會(huì)也不能只單獨(dú)執(zhí)行其中一個(gè)操作。作為一種技術(shù)，人工智能推理的分類(lèi)更傾向于是一種對(duì)技術(shù)實(shí)現(xiàn)方案的分類(lèi)[3]57，如：求解問(wèn)題的方向、推出結(jié)論的途徑、推理消解原理、推理是否有確定性、推理的單調(diào)性、推理過(guò)程是否用到啟發(fā)性知識(shí)等；而非局限于常規(guī)對(duì)邏輯推理的分類(lèi)，具體詳見(jiàn)圖1。

（二） 政策規(guī)劃與實(shí)施部署

我國(guó)國(guó)務(wù)院印發(fā)的《新一代人工智能發(fā)展規(guī)劃》[4] 對(duì)制定了3 個(gè)階段的戰(zhàn)略目標(biāo)，在部署上主要分為基礎(chǔ)理論、關(guān)鍵共性技術(shù)體系、支撐平臺(tái)和智能化基礎(chǔ)設(shè)施四個(gè)模塊，與推理相關(guān)的政策主要在前兩個(gè)模塊中。美國(guó)國(guó)防部高級(jí)研究計(jì)劃局（DARPA）《2025 財(cái)年研究發(fā)展測(cè)試評(píng)估預(yù)算明細(xì)》[5] 中的項(xiàng)目一直被認(rèn)為是顛覆性技術(shù)的清單型文件，其中包括了CCS-02/數(shù)學(xué)與計(jì)算機(jī)科學(xué)、IT-04/人工智能與人機(jī)共生等主項(xiàng)目。橫向?qū)Ρ葍煞菸募梢允智宄乜吹街忻纼蓢?guó)對(duì)于人工智能推理的規(guī)劃都遠(yuǎn)遠(yuǎn)超出傳統(tǒng)推理的范疇，詳見(jiàn)表1。其中涉及人工智能推理的表述有且不局限于表1 中的梳理。

我國(guó)國(guó)家標(biāo)準(zhǔn)化管理委員會(huì)聯(lián)合五部門(mén)于2020年8 月4 日發(fā)布了《國(guó)家新一代人工智能標(biāo)準(zhǔn)體系建設(shè)指南》[6]，意在指導(dǎo)人工智能各層級(jí)標(biāo)準(zhǔn)的制修訂和協(xié)調(diào)配套。美國(guó)政府于2024 年7 月發(fā)布《關(guān)鍵和新興技術(shù)標(biāo)準(zhǔn)戰(zhàn)略實(shí)施路線圖》[7]，對(duì)目標(biāo)、經(jīng)費(fèi)投入、法規(guī)依據(jù)等作了說(shuō)明，尤其在文件第四部分強(qiáng)調(diào)了人工智能行業(yè)中的各利益相關(guān)者如何參與標(biāo)準(zhǔn)的制訂以鞏固美國(guó)在該領(lǐng)域內(nèi)的技術(shù)領(lǐng)導(dǎo)地位。根據(jù)政策文件的具體描述，本文整理出“推理與人工智能相關(guān)模塊關(guān)聯(lián)交互”的知識(shí)圖，以此為本文后續(xù)章節(jié)檢索和分析的基礎(chǔ)，具體詳見(jiàn)圖2。

二、中美人工智能推理學(xué)術(shù)發(fā)表情況

由于本文的探討聚焦于技術(shù)研究與發(fā)展情況，因此相關(guān)文獻(xiàn)的檢索限定在EI①數(shù)據(jù)庫(kù)和會(huì)議論文更為合適。本文所有檢索日期均截止2024 年8 月15 日。在學(xué)術(shù)文獻(xiàn)方面的計(jì)量工作，無(wú)論是學(xué)科主題分類(lèi)還是高頻詞聚類(lèi)分析都沒(méi)有辦法揭示具體技術(shù)層面的動(dòng)向，僅能作為整體發(fā)展情況的縮影。英語(yǔ)中的reasoning 和inference 都能與漢語(yǔ)中的推理有匹配度較高的語(yǔ)義映射，不過(guò)前者更傾向于“推理”，后者會(huì)更傾向于“推斷”。本文中對(duì)專(zhuān)利及文獻(xiàn)中出現(xiàn)的reasoning 及詞匯變體翻譯為推理，inference及詞匯變體翻譯為推斷。在中外文文獻(xiàn)及專(zhuān)利的檢索和分析中都會(huì)兼顧這些表達(dá)。

（一） 工程索引論文

EI Village 中檢索title 或abstract 字段（ai or artificialintelligen*） and （reason* or inferenc*）命中結(jié)果為48 336 篇論文，2/3 以上都是在近10 年發(fā)表的，上述檢索結(jié)果未對(duì)compendex 或inspec 收錄去重。以所有國(guó)家/地區(qū)、中國(guó)和美國(guó)3 種地域分布作對(duì)比，我們分析了2015?2024 年EI 數(shù)據(jù)庫(kù)中人工智能推理學(xué)術(shù)文獻(xiàn)的發(fā)表情況，詳見(jiàn)表2。從整體比例來(lái)看，中美兩國(guó)論文總量約占全球的1/3 左右，2022 年后該比例進(jìn)一步上升，預(yù)計(jì)今后幾年會(huì)上升到40%，甚至更多。側(cè)面反映出中美兩國(guó)在人工智能領(lǐng)域?qū)嵙μ幵谌虻谝环疥?，是最需要長(zhǎng)期關(guān)注的兩個(gè)國(guó)家。2015?2024 年我國(guó)人工智能推理相關(guān)EI 論文為6 305 篇，稍高于美國(guó)的5 821 篇。在2020 年之前我國(guó)的發(fā)文量稍少于美國(guó)一些，2021 年之后超過(guò)美國(guó)，2023 年增量稍稍回落，不過(guò)總量仍然多于美國(guó)。

利用EI Village 的主題統(tǒng)計(jì)功能查看所有年份中美兩國(guó)發(fā)表的人工智能推理相關(guān)文獻(xiàn)的學(xué)科或主題劃分情況。以我國(guó)論文的分類(lèi)分布為參考系，去掉“人工智能”分類(lèi)，合并重復(fù)分類(lèi)，截取前50 名，我們發(fā)現(xiàn)大部分主題分類(lèi)兩國(guó)的論文數(shù)量基本持平，整體而言我國(guó)的論文數(shù)量要多于美國(guó)。在計(jì)算機(jī)理論、半導(dǎo)體集成電路等方面，美國(guó)的論文數(shù)量比我國(guó)稍多些，具體數(shù)值分布詳見(jiàn)表3。

不難看出，人工智能推理作為基座與其他技術(shù)相互滲透，因此文獻(xiàn)分布到該領(lǐng)域的方方面面，擴(kuò)散程度較高。僅從主題劃分無(wú)法對(duì)技術(shù)進(jìn)行更深入的分析，但能為我們大致了解這個(gè)技術(shù)領(lǐng)域提供一些幫助。

（二） 核心會(huì)議論文

在Web of Science 平臺(tái)上以“ts=（\"artificial intelligen*\"OR AI OR machin*） and ti=（reasoning or inferenc*）”檢索CPCI-S 索引收錄的核心會(huì)議論文共有7 452 篇相關(guān)文獻(xiàn)。2019 年開(kāi)始年發(fā)文量超過(guò)500 篇，2019 年至今共計(jì)4 186 篇，其中中國(guó)發(fā)表962 篇，美國(guó)發(fā)表1 295 篇。我們分別對(duì)這些文章進(jìn)行簡(jiǎn)單清洗并使用VoSViewer 軟件進(jìn)行Co-Occurrence共現(xiàn)分析和高頻詞匯統(tǒng)計(jì)：刪去人工智能（AI）、模型（Model）等常用詞匯；取頻次高于10 的主題詞，對(duì)結(jié)果進(jìn)行合并和清洗，各保留了34 個(gè)主題詞。其中中美兩國(guó)相同的高頻詞以中國(guó)發(fā)文頻次降序排列為：預(yù)測(cè)、深度學(xué)習(xí)、優(yōu)化、算法、因果推斷、任務(wù)分析、計(jì)算模型、分類(lèi)、邊緣計(jì)算、神經(jīng)網(wǎng)絡(luò)、訓(xùn)練、隱私、貝葉斯推斷、認(rèn)知、推斷、回歸、識(shí)別、自然語(yǔ)言處理。這些詞都在人工智能推理的基本詞匯范疇之內(nèi)。中國(guó)更關(guān)注的主題有：自適應(yīng)神經(jīng)模糊推理系統(tǒng)（Adaptive-Network-BasedFuzzy Inference System， ANFIS） 、支持向量機(jī)（Support Vector Machine，SVM）、成員推斷攻擊（Membership Inference Attack）、物聯(lián)網(wǎng)、案例式推理（Case-Based Reasoning，CBR）、強(qiáng)化學(xué)習(xí)、圖神經(jīng)網(wǎng)絡(luò)（GNN）、機(jī)器閱讀理解（MachineReading Comprehension）、診斷、可視化等。美國(guó)更關(guān)注的主題有：傾向評(píng)分匹配（Propensity ScoreMatching，PSM）、現(xiàn)場(chǎng)可編程門(mén)陣列（FPGA）、科學(xué)機(jī)器學(xué)習(xí)，以及一些偏人文社會(huì)科學(xué)的詞匯，如：行為、風(fēng)險(xiǎn)、偏見(jiàn)等。相對(duì)而言，我國(guó)關(guān)注的技術(shù)主題與工業(yè)制造、網(wǎng)絡(luò)安全等相關(guān)性更高，美國(guó)關(guān)注的主題范圍更寬泛。

另外，對(duì)中美兩國(guó)核心會(huì)議論文所屬機(jī)構(gòu)進(jìn)行統(tǒng)計(jì)的結(jié)果顯示，我國(guó)人工智能推理核心會(huì)議論文發(fā)表量前20 的機(jī)構(gòu)都為高校；美國(guó)除了高校之外，還有美國(guó)能源部、微軟公司、IBM 公司和谷歌公司等其他性質(zhì)的機(jī)構(gòu)也在前20 之列，具體情況詳見(jiàn)表4。

三、中美人工智能推理專(zhuān)利技術(shù)申請(qǐng)情況

EI 數(shù)據(jù)庫(kù)中與人工智能推理相關(guān)的文獻(xiàn)，標(biāo)題字段（title）中包含“patent*”的文獻(xiàn)僅63 篇，去重后為50 篇。其中Rusek[8] 等人對(duì)貝葉斯推斷的專(zhuān)利CPC 號(hào)分布分析對(duì)本文最有參考價(jià)值。在中國(guó)知網(wǎng)中檢索發(fā)現(xiàn)，討論人工智能相關(guān)專(zhuān)利的文獻(xiàn)超過(guò)2 000 篇，尤以整體專(zhuān)利布局[9] 及技術(shù)轉(zhuǎn)移轉(zhuǎn)化[10]等宏觀分析的內(nèi)容居多，但都不聚焦于人工智能推理。專(zhuān)利分析常用的研究方法有LDA 聚類(lèi)分析、IPC 分類(lèi)號(hào)識(shí)別技術(shù)重組性，以及各種指標(biāo)體系識(shí)別顛覆性[11] 技術(shù)特征。楊錫怡等[12] 對(duì)中美兩國(guó)頭部企業(yè)的專(zhuān)利技術(shù)集群、合作網(wǎng)絡(luò)等進(jìn)行了分析，并對(duì)政策導(dǎo)向提出了建議；他們使用的分析方法主要是詞頻統(tǒng)計(jì)。邢曉昭等人以類(lèi)腦智能為切入點(diǎn)，從專(zhuān)利主題演化[13] 到專(zhuān)利實(shí)體抽取識(shí)別[14]，對(duì)專(zhuān)利分析技術(shù)進(jìn)行了研究；其主要目標(biāo)在于模型訓(xùn)練和調(diào)試，即用人工智能的方法分析人工智能專(zhuān)利文本：首先對(duì)921 項(xiàng)專(zhuān)利進(jìn)行了人工標(biāo)引，再對(duì)模型進(jìn)行訓(xùn)練，最后用訓(xùn)練好的模型進(jìn)行專(zhuān)利樣本分析。LDA（Latent Dirichlet Allocation，隱含狄利克雷分布）等聚類(lèi)方式或?qū)ν獠刻卣鬟M(jìn)行統(tǒng)計(jì)的分析盡管從大體上描繪了人工智能技術(shù)發(fā)展或應(yīng)用場(chǎng)景的輪廓，但其分析結(jié)果仍停留在大框架的范圍內(nèi)。在專(zhuān)利申請(qǐng)實(shí)務(wù)中，標(biāo)題及摘要的表述可能相當(dāng)含糊，因而以其作為聚類(lèi)分析的對(duì)象實(shí)際上無(wú)法揭示技術(shù)情況。專(zhuān)利的權(quán)利要求、說(shuō)明書(shū)、說(shuō)明書(shū)附圖等對(duì)技術(shù)的過(guò)程與動(dòng)作的描述有很強(qiáng)的耦合性，這部分文本作為分析對(duì)象是目前常用的方法無(wú)法解耦的。對(duì)于一個(gè)尚未有良好標(biāo)引數(shù)據(jù)集可訓(xùn)練模型的領(lǐng)域來(lái)說(shuō)，首要工作是進(jìn)行深入的人工標(biāo)引，這也是本文選擇對(duì)人工智能推理專(zhuān)利進(jìn)行人工標(biāo)引的原因。在此基礎(chǔ)上，后續(xù)研究才能使用更多智能手段開(kāi)展專(zhuān)利分析，進(jìn)而揭示更多的深層次信息。

（一） 蘊(yùn)含政策導(dǎo)向的檢索策略

學(xué)術(shù)研究現(xiàn)狀和技術(shù)發(fā)展現(xiàn)狀存在一定差異，其原因主要在于創(chuàng)新主體與目標(biāo)的差異。前文中關(guān)于學(xué)術(shù)文獻(xiàn)的檢索策略和主題分布不能沿用到專(zhuān)利的檢索中去，但能提供一定的參考。既然推理深入滲透了人工智能整體技術(shù)框架的各種細(xì)節(jié)之中，那么要在檢索中與其他技術(shù)做切割以及查全都是非常困難的。另外，在檢索時(shí)也不能采用圖1 的思路，因?yàn)閷?zhuān)利文本中幾乎不會(huì)出現(xiàn)“演繹”“歸納”“溯源”等詞匯，而“假設(shè)”“概率”“證據(jù)”“結(jié)論”等詞又過(guò)于寬泛。

因此，本文首先對(duì)目標(biāo)進(jìn)行分類(lèi)，此處分類(lèi)的目的在于把人工智能推理相關(guān)的專(zhuān)利檢全，并不是為了給技術(shù)應(yīng)用進(jìn)行分類(lèi)。根據(jù)政策文件析出人工智能推理相關(guān)發(fā)展方向來(lái)制定相應(yīng)的檢索策略。盡管從定義上來(lái)說(shuō)“人工智能推理”就包含了各種分支的推理方法，但在實(shí)際檢索中不能對(duì)該詞匯進(jìn)行簡(jiǎn)單處理。人工智能領(lǐng)域內(nèi)的技術(shù)門(mén)類(lèi)繁雜，從微電子半導(dǎo)體等硬件到各種算法系統(tǒng)分析方法等，很多技術(shù)并不會(huì)在專(zhuān)利文檔的標(biāo)題、摘要、說(shuō)明、權(quán)利要求中出現(xiàn)“人工智能”或“AI”或“Artificial Intelligence”等詞匯；也不一定會(huì)出現(xiàn)“大數(shù)據(jù)”“類(lèi)腦智能”等籠統(tǒng)概念的詞匯；也有可能是應(yīng)用于醫(yī)療、汽車(chē)等行業(yè)，沒(méi)有突出人工智能。專(zhuān)利標(biāo)題一般更具體地描述技術(shù)本身，如“使用可穿戴設(shè)備進(jìn)行推理生成的分布式機(jī)器學(xué)習(xí)模型”“利用強(qiáng)化學(xué)習(xí)的分層設(shè)備放置”等表述方式。因此，使用詞匯表達(dá)和專(zhuān)利分類(lèi)號(hào)的聯(lián)合檢索才能盡量保證數(shù)據(jù)集的全面性。

本文制定的檢索策略是以圖3 表示的檢索子目標(biāo)歸集，S0 為主要構(gòu)成部分，通過(guò)S1-S5 的組配補(bǔ)充，以S0-S5 的并集SS 作為樣本全集；S0 與其他5 個(gè)部分的必定會(huì)有重疊的部分。在檢索時(shí)主要目標(biāo)是保證準(zhǔn)確的情況下盡量全面，檢索時(shí)間截至2024 年8 月15 日。

（二） 專(zhuān)利檢索結(jié)果和中美對(duì)比

檢索式的構(gòu)建采用了主題詞、IPC 分類(lèi)號(hào)、CPC 分類(lèi)號(hào)混合的方式。表5 對(duì)S2-S5 的子集進(jìn)行了組合，再將S0-S5 的所有檢索式進(jìn)行組配得到SS，通過(guò)壹專(zhuān)利平臺(tái)（Patyee）對(duì)所有年份的專(zhuān)利檢索后得到191 640 件。需要注意的是，盡管從具體的檢索式來(lái)看各自差異很大，但這些子集并不是完全孤立的。實(shí)際上對(duì)其進(jìn)行組配后發(fā)現(xiàn)，諸如S1AND S2 有32 747 件專(zhuān)利，S2 AND S3 有32 022 件專(zhuān)利，S3 AND S5 有24 880 件等等。這正說(shuō)明了人工智能推理作為基本過(guò)程與方法，具有與各種技術(shù)互相雜糅的特征。

人工智能推理技術(shù)的專(zhuān)利申請(qǐng)量在1988 年就已突破千件，為1 023 件；然而EI 數(shù)據(jù)庫(kù)的學(xué)術(shù)論文直到2016 年才達(dá)到995 篇，2017 年突破為1 162 篇。可見(jiàn)人工智能推理的學(xué)術(shù)研究與技術(shù)研發(fā)的發(fā)展并不同步。我們把2015?2024 年（ 統(tǒng)計(jì)時(shí)間截止2024 年8 月）在EI 數(shù)據(jù)庫(kù)檢索到的論文、SS 全集，以及中美兩國(guó)專(zhuān)利按照年份進(jìn)行統(tǒng)計(jì)，其中論文按照發(fā)表年計(jì)數(shù)，專(zhuān)利按照申請(qǐng)年計(jì)數(shù)，進(jìn)行對(duì)比分析，詳見(jiàn)圖4。我們發(fā)現(xiàn)從整體規(guī)模上看，專(zhuān)利申請(qǐng)量遠(yuǎn)超過(guò)論文發(fā)表量，直到2023 年論文發(fā)表量才追上約9 年前的專(zhuān)利申請(qǐng)量。中美兩國(guó)的專(zhuān)利申請(qǐng)量超過(guò)全球總量的一半以上，2023 年是我國(guó)專(zhuān)利申請(qǐng)量增長(zhǎng)最快的一年。值得注意的是，從2021 年開(kāi)始，美國(guó)在人工智能推理方面的專(zhuān)利申請(qǐng)量就開(kāi)始下降了，從而拉低了全球?qū)＠暾?qǐng)總量。而中國(guó)在人工智能推理專(zhuān)利申請(qǐng)量上的增長(zhǎng)則同EI 學(xué)術(shù)論文的增長(zhǎng)態(tài)勢(shì)相近。

SS 的檢索結(jié)果對(duì)申請(qǐng)?zhí)柡屯鍖?zhuān)利進(jìn)行合并后得到的98 109 組專(zhuān)利作為數(shù)據(jù)集全集。如表5，同族合并前，我國(guó)的人工智能推理專(zhuān)利SS 全集為49 186 件，美國(guó)為67 485 件；同族合并后，我國(guó)是35 485 組，美國(guó)是24 745 組。這說(shuō)明我國(guó)的專(zhuān)利技術(shù)項(xiàng)目更多一些；而美國(guó)的專(zhuān)利有更多的技術(shù)應(yīng)用國(guó)家/地區(qū)/組織，即專(zhuān)利布局上地域范圍更廣，具體詳見(jiàn)表6。而且我國(guó)的專(zhuān)利約有95.7% 在中國(guó)大陸申請(qǐng)了保護(hù)，在其他國(guó)家/地區(qū)/組織布局較少。美國(guó)專(zhuān)利有74.8% 在美國(guó)本土申請(qǐng)了保護(hù)，意即有1/4 以上是首要向其他國(guó)家/地區(qū)/組織進(jìn)行申請(qǐng)的。一般而言只有市場(chǎng)布局計(jì)劃才會(huì)進(jìn)行專(zhuān)利申請(qǐng)，也就是說(shuō)，美國(guó)的研發(fā)主體有很多向外進(jìn)行技術(shù)輸出和市場(chǎng)擴(kuò)張的計(jì)劃。

對(duì)同族合并后的人工智能推理專(zhuān)利進(jìn)行法律狀態(tài)的統(tǒng)計(jì)。目前中美兩國(guó)的專(zhuān)利授權(quán)總和占到了全球的2/3 以上。我國(guó)的專(zhuān)利總量是35 485 組，其中10 404 組獲得授權(quán)，比例為29.3%；進(jìn)行實(shí)質(zhì)審查的專(zhuān)利為16 651 組，同其他狀態(tài)的專(zhuān)利一同占到總量的2/3，詳見(jiàn)表7。美國(guó)的專(zhuān)利約有43.6% 獲得授權(quán)，實(shí)質(zhì)審查階段的專(zhuān)利并不多。從期限屆滿(mǎn)的專(zhuān)利量推知，20 年前美國(guó)在人工智能推理方面的專(zhuān)利授權(quán)上已經(jīng)有1 042 項(xiàng)了。期滿(mǎn)和期限屆滿(mǎn)的意義不同，屆滿(mǎn)從法律上來(lái)說(shuō)是指保護(hù)履行結(jié)束，期滿(mǎn)是到期前的一段時(shí)間。另外，未繳年費(fèi)不代表企業(yè)已經(jīng)完全放棄了這項(xiàng)技術(shù)，很有可能是已經(jīng)研發(fā)出更為先進(jìn)的技術(shù)，或正在進(jìn)行新專(zhuān)利的申請(qǐng)，又或是新申請(qǐng)的權(quán)利范圍覆蓋了原有技術(shù)，需要通過(guò)不繳納年費(fèi)或其他形式來(lái)主動(dòng)放棄舊專(zhuān)利，以保證后續(xù)新的專(zhuān)利可以通過(guò)申請(qǐng)。

從中美兩國(guó)人工智能推理近20 年來(lái)的專(zhuān)利授權(quán)量來(lái)看，以2005 年作為起始點(diǎn)，直到2018 年以前，美國(guó)的專(zhuān)利授權(quán)量一直大幅高于我國(guó)，可見(jiàn)我國(guó)確實(shí)是后發(fā)追趕者，詳見(jiàn)圖5。2021 年開(kāi)始，我國(guó)的專(zhuān)利授權(quán)量實(shí)現(xiàn)了逆轉(zhuǎn)，超過(guò)了美國(guó)近800 組。但是，由于發(fā)明專(zhuān)利的保護(hù)期是20 年，只要企業(yè)保持繳納年費(fèi)，2005 年的授權(quán)到2024 年依然有效。因此，美國(guó)之前構(gòu)建的技術(shù)壁壘并不會(huì)因?yàn)榻? 年來(lái)專(zhuān)利授權(quán)量的下降就很快消失。從目前的情況來(lái)看，美國(guó)在人工智能推理方面的申請(qǐng)和授權(quán)都已經(jīng)越過(guò)了快速增長(zhǎng)期。

四、中美重點(diǎn)企業(yè)人工智能推理專(zhuān)利布局態(tài)勢(shì)

（一） 申請(qǐng)授權(quán)及技術(shù)概況

根據(jù)上一章節(jié)中的檢索策略，對(duì)選擇的6 家樣本企業(yè)在申請(qǐng)人、專(zhuān)利權(quán)人等相關(guān)字段中匹配的記錄進(jìn)行提取。6 家企業(yè)在人工智能推理及應(yīng)用方面的專(zhuān)利共17 887 件，合并同族后共6 858 組，占所有專(zhuān)利的7‰左右①，詳見(jiàn)表8。其中授權(quán)且最新法律狀態(tài)為有效的專(zhuān)利共3 075 組。IBM 和微軟在專(zhuān)利申請(qǐng)和授權(quán)數(shù)量上都有著絕對(duì)優(yōu)勢(shì)，最早一件相關(guān)專(zhuān)利可追溯至1970 年。在樣本專(zhuān)利中，華為最早申請(qǐng)的人工智能推理相關(guān)專(zhuān)利為2003 年，相對(duì)國(guó)內(nèi)其他兩家企業(yè)其布局顯然更早。

對(duì)3 075 組有權(quán)專(zhuān)利根據(jù)檢索策略的S1-S5 進(jìn)行了歸類(lèi)。如上文所述，人工智能推理技術(shù)與其他模塊關(guān)聯(lián)交互，因而一項(xiàng)專(zhuān)利可能不只劃分到1～2個(gè)分類(lèi)中，一些專(zhuān)利更為基礎(chǔ)或者更為前沿甚至可能跨2～3 個(gè)分類(lèi)。另有340 組專(zhuān)利為S0 檢出，對(duì)它們進(jìn)行了手工標(biāo)引和分類(lèi)，詳見(jiàn)表9。通過(guò)對(duì)比分析，不難看出從知識(shí)庫(kù)或知識(shí)處理出發(fā)的專(zhuān)利明顯多于其他類(lèi)別。這是因?yàn)榕c知識(shí)相關(guān)的推理往往有相應(yīng)的文本、概念、路徑、圖譜等推理對(duì)象，是很多其他推理技術(shù)實(shí)現(xiàn)的路徑之一。這得益于傳感器、物聯(lián)網(wǎng)、虛擬現(xiàn)實(shí)等技術(shù)的發(fā)展，相關(guān)人工智能推理技術(shù)發(fā)展情況比較樂(lè)觀。而與機(jī)器直覺(jué)相關(guān)的專(zhuān)利非常少，這通常識(shí)、事實(shí)、事件等相關(guān)的推理難度比較大。對(duì)常規(guī)推理的強(qiáng)化作為各種推理的基礎(chǔ)， 滲透在各種推理與應(yīng)用模塊， 因而數(shù)量較多。

對(duì)樣本專(zhuān)利體現(xiàn)的人工智能推理的對(duì)象/證據(jù)/材料、計(jì)算位置、推理動(dòng)作等要素與計(jì)算設(shè)備、傳感設(shè)備、各典型功能模塊之間的關(guān)聯(lián)做了梳理?？梢詫⑷斯ぶ悄芡评砘炬溌犯爬橐詫W(xué)習(xí)、推斷、分類(lèi)、注釋、檢測(cè)、預(yù)測(cè)等主要推理動(dòng)作為表現(xiàn)，在不同計(jì)算位置對(duì)對(duì)象或證據(jù)或材料執(zhí)行推理動(dòng)作以實(shí)現(xiàn)各模塊功能和關(guān)聯(lián)的智能集成。樣本專(zhuān)利中的人工智能推理技術(shù)對(duì)思維過(guò)程進(jìn)行模擬或再造的類(lèi)型基本可分為以下三種：

一是將人的行為習(xí)慣和思維決策過(guò)程計(jì)算機(jī)程序化。如百度的公開(kāi)號(hào)為“US11379741B2”的判定空間中用戶(hù)停留點(diǎn)的方法①，對(duì)用戶(hù)的特征、足跡以及用戶(hù)在空間中移動(dòng)或停留的習(xí)慣進(jìn)行了記錄和識(shí)別，其推理過(guò)程不能脫離人產(chǎn)生的數(shù)據(jù)。二是將事物或事件的節(jié)點(diǎn)及過(guò)程計(jì)算機(jī)程序化。如華為的公開(kāi)號(hào)為“US11941724B2”的專(zhuān)利，是計(jì)算機(jī)視覺(jué)中對(duì)GPU 渲染圖形過(guò)程的優(yōu)化②。事先對(duì)渲染管線的因素及過(guò)程諸如頂點(diǎn)著色器、裁剪、屏幕映射、三角形設(shè)置、三角形遍歷、片段著色器和合并等階段進(jìn)行程序化。從新輸入的指令中獲得圖形的紋理信息數(shù)據(jù)時(shí)，利用程序化后的模型進(jìn)行推斷，這樣不需要每次渲染都單獨(dú)計(jì)算，能提高時(shí)間效率及節(jié)約存儲(chǔ)器空間。三是對(duì)形式化計(jì)算步驟的優(yōu)化。這種類(lèi)型的專(zhuān)利往往會(huì)增加中間結(jié)論或依據(jù)。如IBM的公開(kāi)號(hào)為“US11153175B2”的專(zhuān)利①針對(duì)工業(yè)物聯(lián)網(wǎng)環(huán)境中高數(shù)據(jù)流事件的識(shí)別。事先對(duì)高數(shù)據(jù)流事件特征進(jìn)行抽取，訓(xùn)練模型計(jì)算其發(fā)生的概率、預(yù)測(cè)其內(nèi)存需求和時(shí)間，以及合理的管控閾值。當(dāng)實(shí)時(shí)發(fā)生的事件占用數(shù)據(jù)流的概率高于之前設(shè)定好的閾值時(shí)，就會(huì)對(duì)該事件進(jìn)行延遲管理，讓其后發(fā)。這里的模型、閾值等都屬于推理過(guò)程的中間結(jié)論及依據(jù)。因此，如果要往更加智能的方向發(fā)展，“人在回路”一定是必要的，比如智能制造和數(shù)字孿生領(lǐng)域從信息物理系統(tǒng)（Cyber Physical Systems，CPS）到人?信息物理系統(tǒng)（Human- CPS）的過(guò)渡，勢(shì)必將數(shù)智融合技術(shù)與人的理念有機(jī)結(jié)合起來(lái)。

（二） 重點(diǎn)企業(yè)技術(shù)應(yīng)用情況

根據(jù)檢索策略制定時(shí)的技術(shù)梳理和綜述性文獻(xiàn)高頻詞的參考，對(duì)重點(diǎn)企業(yè)的3 075 組授權(quán)專(zhuān)利進(jìn)行了人工標(biāo)引，我們將其中比較符合導(dǎo)向的專(zhuān)利數(shù)量及大致情況進(jìn)行歸納分類(lèi)，詳見(jiàn)表10。需要說(shuō)明的是，人工智能推理專(zhuān)利所涵蓋的技術(shù)范圍和呈現(xiàn)的技術(shù)事實(shí)非常龐雜，表中僅列舉了一些代表性的專(zhuān)利，還有更多難以具體進(jìn)行歸類(lèi)的專(zhuān)利并沒(méi)有在表格中呈現(xiàn)。

我國(guó)企業(yè)在知識(shí)推理方面表現(xiàn)較好，尤其對(duì)知識(shí)圖譜在對(duì)話問(wèn)答、模型訓(xùn)練等方面的專(zhuān)利數(shù)量基本與美國(guó)持平，且應(yīng)用場(chǎng)景也比較豐富。針對(duì)政策中強(qiáng)調(diào)的無(wú)監(jiān)督學(xué)習(xí)、主動(dòng)學(xué)習(xí)等方面，我國(guó)企業(yè)有較多的專(zhuān)利獲得了授權(quán)。在物聯(lián)推理模塊，我國(guó)企業(yè)在車(chē)輛駕駛和實(shí)時(shí)交通分析等方面尤為擅長(zhǎng)。然而美國(guó)企業(yè)在認(rèn)知模型、神經(jīng)推理、智能制造、建筑、電網(wǎng)、人機(jī)交互等前沿方向上的專(zhuān)利確實(shí)是我國(guó)企業(yè)所缺乏的。

百度在自動(dòng)駕駛、路徑導(dǎo)航規(guī)劃等方面有較多的專(zhuān)利將傳感器數(shù)據(jù)推理與預(yù)訓(xùn)練模型以及知識(shí)圖譜等緊密結(jié)合在一起。華為的專(zhuān)利主要分布在網(wǎng)絡(luò)通信、硬件設(shè)備管理等主題上，對(duì)云計(jì)算、端側(cè)設(shè)備識(shí)別切換等方面較為擅長(zhǎng)。騰訊更側(cè)重對(duì)話問(wèn)答、圖像處理等。IBM 在軟硬件、傳感、制造、建筑、生物、醫(yī)療等方面都有涉及，甚至在能源、氣候等領(lǐng)域都有專(zhuān)利獲得授權(quán)。微軟的操作系統(tǒng)、辦公軟件等都是為人所熟知的業(yè)務(wù)產(chǎn)品，另外，微軟的游戲機(jī)業(yè)務(wù)也在專(zhuān)利中體現(xiàn)了人工智能推理嵌入的痕跡。生物（人體）信息數(shù)據(jù)的收集，如手勢(shì)、運(yùn)動(dòng)、人臉等，運(yùn)用在體感游戲和虛擬現(xiàn)實(shí)等環(huán)境中時(shí)需要進(jìn)行實(shí)時(shí)的推理。谷歌依靠搜索業(yè)務(wù)積累了大量?jī)?yōu)質(zhì)的語(yǔ)料及語(yǔ)料分析案例，因而在智能搜索、地圖、計(jì)算機(jī)視覺(jué)等方面有較多的專(zhuān)利布局?？梢?jiàn)，人工智能推理的動(dòng)作以硬件設(shè)施、設(shè)備裝置、傳感監(jiān)測(cè)為平臺(tái)，軟硬件結(jié)合作為整體向用戶(hù)提供人工智能產(chǎn)品。另外需要注意的是，在專(zhuān)利樣本中，美國(guó)企業(yè)還在諸如量子計(jì)算硬件①②與算法③④、多核芯片（NoC）神經(jīng)推理⑤等前沿方向上獲得了一些專(zhuān)利授權(quán)。

專(zhuān)利文獻(xiàn)中體現(xiàn)了各重點(diǎn)企業(yè)的人工智能推理市場(chǎng)應(yīng)用成果，不難發(fā)現(xiàn)該技術(shù)的范圍和成果在不斷地?cái)U(kuò)大。更多的推理技術(shù)應(yīng)用以反映事實(shí)推理規(guī)則及過(guò)程、改進(jìn)算法算力為主要落腳點(diǎn)。運(yùn)用知識(shí)庫(kù)及知識(shí)圖譜進(jìn)行推理、跨模態(tài)推理、學(xué)習(xí)與推理、認(rèn)知推理、物聯(lián)推理等是目前樣本專(zhuān)利中呈現(xiàn)出能夠符合導(dǎo)向發(fā)展的幾個(gè)類(lèi)別。推理過(guò)程及人工智能技術(shù)本身的進(jìn)步是硬件和軟件共同升級(jí)的結(jié)果。硬件方面，大模型的發(fā)展已經(jīng)向人們普及了所謂“算力”設(shè)備是如何作為運(yùn)行基礎(chǔ)的，日常生活中點(diǎn)餐、聊天、出行都需要高速端側(cè)計(jì)算設(shè)備。軟件上除了算法的精進(jìn)之外，預(yù)訓(xùn)練和多次學(xué)習(xí)迭代及不斷修正也必不可少。整個(gè)“智能過(guò)程”和人類(lèi)的學(xué)習(xí)進(jìn)步一樣都是量變到質(zhì)變的體現(xiàn)。

五、總結(jié)與建議

推理作為人工智能的核心過(guò)程之一，其相關(guān)研究是和整體技術(shù)領(lǐng)域一起發(fā)展起來(lái)的。人們所熟悉或了解的功能模塊可能包括對(duì)話問(wèn)答、智能助理、生產(chǎn)制造、交通路況等方面，這些沒(méi)有一件能夠脫離推理過(guò)程而實(shí)現(xiàn)。從知識(shí)表征的方式來(lái)看，語(yǔ)言只是眾多表征符號(hào)系統(tǒng)中的一種，圖像、數(shù)學(xué)符號(hào)、公式等也是主要表征系統(tǒng)[15]。人工智能推理也將會(huì)進(jìn)一步在多模態(tài)表征的基礎(chǔ)上向前發(fā)展。通過(guò)對(duì)學(xué)術(shù)論文及專(zhuān)利文獻(xiàn)的統(tǒng)計(jì)分析發(fā)現(xiàn)，學(xué)術(shù)論文的增長(zhǎng)期在近十年，專(zhuān)利申請(qǐng)的增長(zhǎng)則早于論文20 余年，因而整體上專(zhuān)利申請(qǐng)量多于學(xué)術(shù)論文發(fā)表量。與學(xué)術(shù)文獻(xiàn)中的技術(shù)路線對(duì)比，專(zhuān)利中體現(xiàn)出的企業(yè)應(yīng)用實(shí)踐相對(duì)走得更遠(yuǎn)一些。例如多篇系統(tǒng)性綜述中提到的模糊邏輯以及案例式推理（Case-Based Reasoning）都已經(jīng)在專(zhuān)利文獻(xiàn)中體現(xiàn)出很好的應(yīng)用性；也有不少專(zhuān)利是關(guān)于進(jìn)行事件或事實(shí)的實(shí)時(shí)推理的，亦有關(guān)于混沌事件①的推理。可見(jiàn)學(xué)術(shù)研究與專(zhuān)利技術(shù)的研發(fā)應(yīng)用并不同步。針對(duì)推理的學(xué)術(shù)論文發(fā)表情況和專(zhuān)利技術(shù)布局所反映的中美兩國(guó)在人工智能關(guān)鍵能力方面的發(fā)展態(tài)勢(shì)，本文提出以下幾點(diǎn)建議。

（一） 推進(jìn)產(chǎn)學(xué)研協(xié)同發(fā)展

我國(guó)現(xiàn)階段的人工智能推理論文發(fā)表量與專(zhuān)利申請(qǐng)量及增幅都超過(guò)了美國(guó)。從核心會(huì)議論文的發(fā)文機(jī)構(gòu)來(lái)看，我國(guó)以高校為主，美國(guó)則有幾家重點(diǎn)企業(yè)與能源部等不同性質(zhì)的機(jī)構(gòu)也排在較前的位置。國(guó)務(wù)院人工智能發(fā)展規(guī)劃中對(duì)教育行業(yè)培養(yǎng)人才和職業(yè)技能提出了要求，以適應(yīng)環(huán)境對(duì)就業(yè)崗位職能的需求[5]。美國(guó)政府的關(guān)鍵和新興技術(shù)標(biāo)準(zhǔn)戰(zhàn)略實(shí)施路線圖也強(qiáng)調(diào)了高等教育學(xué)術(shù)機(jī)構(gòu)的關(guān)鍵合作伙伴地位[8]，高校不僅要發(fā)揮教學(xué)作用，還要同行業(yè)、政府等主體一道，參與標(biāo)準(zhǔn)的制定和發(fā)展中。我國(guó)對(duì)于產(chǎn)學(xué)研結(jié)合、學(xué)術(shù)理論和創(chuàng)新到技術(shù)應(yīng)用的過(guò)渡和銜接還需要更多的融合，應(yīng)加強(qiáng)高校、企業(yè)、智庫(kù)等不同類(lèi)型的主體間的合作，以形成良性發(fā)展的創(chuàng)新共同體。

（二） 建構(gòu)技術(shù)市場(chǎng)的全球布局

從專(zhuān)利家族的布局來(lái)說(shuō)，我國(guó)以美國(guó)為主要的技術(shù)輸出國(guó)，在其他地區(qū)的布局還有待加強(qiáng)。如果局限于少數(shù)國(guó)家的市場(chǎng)占有，很難使我國(guó)的技術(shù)真正做到走出去，也會(huì)在國(guó)際市場(chǎng)上欠缺應(yīng)有的份額。2025 年1 月20 日，唐納德·特朗普第二次就職美國(guó)總統(tǒng)，根據(jù)其第一次任職期間的對(duì)華政策及2024 年大選期間對(duì)科技企業(yè)的傾斜導(dǎo)向，社論普遍認(rèn)為他將繼續(xù)在科技領(lǐng)域?qū)嵭袑?duì)華競(jìng)爭(zhēng)戰(zhàn)略[16]。一方面特朗普會(huì)加大扶持本國(guó)科技企業(yè)的創(chuàng)新發(fā)展，另一方面將援引《國(guó)際經(jīng)濟(jì)緊急權(quán)力法案》（IEEPA），為加征對(duì)華關(guān)稅提供法律依據(jù)[17]，給我國(guó)技術(shù)在美國(guó)布局造成阻撓。在此種中美博弈態(tài)勢(shì)下，不僅要鞏固自身技術(shù)發(fā)展，更要加強(qiáng)多地區(qū)多渠道的海外布局，來(lái)獲得更多來(lái)源的協(xié)作支撐，以及更廣闊的市場(chǎng)空間。

（三） 加強(qiáng)基礎(chǔ)和前沿技術(shù)研發(fā)

從上文分析的授權(quán)專(zhuān)利來(lái)看，我國(guó)企業(yè)在基礎(chǔ)應(yīng)用上穩(wěn)扎穩(wěn)打，但前瞻性上稍顯不足。拜登政府通過(guò)一系列禁令已經(jīng)加強(qiáng)了人工智能芯片等基礎(chǔ)設(shè)施向中國(guó)出口的管控[18]，預(yù)計(jì)特朗普政府會(huì)維持執(zhí)行相關(guān)政策。因此我國(guó)應(yīng)進(jìn)一步培養(yǎng)本國(guó)人工智能基礎(chǔ)設(shè)施的硬實(shí)力和軟實(shí)力，形成可持續(xù)發(fā)展的良好業(yè)態(tài)。我國(guó)作為人工智能技術(shù)的后發(fā)追趕者，想要實(shí)現(xiàn)技術(shù)突破和“彎道超車(chē)”必須把握好推理這一核心過(guò)程，抓住技術(shù)范式和技術(shù)生命周期更迭帶來(lái)的技術(shù)機(jī)會(huì)窗口。具體來(lái)說(shuō)，即推動(dòng)前沿基礎(chǔ)理論在現(xiàn)實(shí)應(yīng)用上需要有更多的關(guān)聯(lián)以帶動(dòng)專(zhuān)利與技術(shù)的發(fā)展，如量子計(jì)算、芯片開(kāi)發(fā)、大規(guī)模神經(jīng)推理、人機(jī)共生、群體智能等。我國(guó)各種類(lèi)型的研發(fā)主體除了繼續(xù)鞏固已有的在自動(dòng)系統(tǒng)與控制方面、語(yǔ)音識(shí)別等方面的優(yōu)勢(shì)之外，也需要拓寬技術(shù)研發(fā)范圍，補(bǔ)足專(zhuān)利技術(shù)保護(hù)范圍短板。

〔參考文獻(xiàn)〕

［ 1 ］Office of Science and Technology Policy White House.Critical-and-Emerging-Technologies-List-2024-Update[EB/OL]. （ 2024-02-12） [2024-08-15]. https：//www.whitehouse.gov/wp-content/uploads/2024/02/Critical-and-Emerging-Technologies-List-2024-Update.pdf.

［ 2 ］吳飛，韓亞洪，李璽，等. 人工智能中的推理：進(jìn)展與挑戰(zhàn)[J]. 中國(guó)科學(xué)基金，2018（3）：262-265.

［ 3 ］尹宏鵬. 人工智能基礎(chǔ) [M]. 重慶：重慶大學(xué)出版社，2023.

［ 4 ］國(guó)務(wù)院關(guān)于印發(fā)新一代人工智能發(fā)展規(guī)劃的通知[EB/OL]. （2017-07-20） [2024-08-15]. https：//www.gov.cn/zhengce/content/2017-07/20/content_5211996.htm.

［ 5 ］Defense Advanced Research Projects Agency USA.Department Of Defense Fiscal Year （ Fy） 2025 BudgetEstimates [EB/OL]. （2024-02-12） [2024-08-15]. https：//Comptroller.Defense.Gov/Portals/45/Documents/Defbudget/Fy2025/Budget_Justification/Pdfs/03_Rdt_And_E/Rdte_Vol1_Darpa_Masterjustificationbook_Pb_2025.Pdf.

［ 6 ］國(guó)標(biāo)委聯(lián). 國(guó)家新一代人工智能標(biāo)準(zhǔn)體系建設(shè)指南[EB/OL]. （2020-07-27） [2025-01-17]. https：//www.miit.gov.cn/n1146285/n1146352/n3054355/n3057497/n3057502/c8048365/part/8048381.pdf.

［ 7 ］The White House. U. S. Government National StandardsStrategy For Critical And Emerging Technologies （USGNSSCET） ： Implementation Roadmap [EB/OL]. （ 2024-07-26） [2025-01-17]. https：//www.whitehouse.gov/wpcontent/uploads/2024/07/USG-NSSCET_Implementation_Rdmap_v7_23.pdf.

［ 8 ］RUSEK K，KLESZCZ A amp; CABELLOS-APARICIO A.Bayesian inference of spatial and temporal relations in AIpatents for EU countries [J]. Scientometrics，2023：3313-3335.

［ 9 ］宇文樂(lè)薇，王旭嘉，李德生. 基于專(zhuān)利布局的中日人工智能技術(shù)競(jìng)爭(zhēng)分析[J]. 科技創(chuàng)業(yè)月刊，2024，37（5）：46-54.

［10］楊依依. 人工智能產(chǎn)業(yè)專(zhuān)利轉(zhuǎn)讓網(wǎng)絡(luò)演化的影響因素研究[J]. 技術(shù)與市場(chǎng)，2024，31（6）：11-20.

［11］王海軍，于佳文. 基于專(zhuān)利和微博的顛覆性技術(shù)主題識(shí)別研究??以人工智能領(lǐng)域?yàn)槔齕J]. 中國(guó)科技論壇，2024（7）：83-94，109.

［12］楊錫怡，賈佳，周小宇，等. 中美兩國(guó)人工智能頭部企業(yè)研發(fā)和創(chuàng)新的比較分析與啟示[J]. 中國(guó)科學(xué)院院刊，2024，39（6）：1084-1096.

［13］邢曉昭，任亮，雷孝平，等. 基于專(zhuān)利主題演化的顛覆性技術(shù)識(shí)別研究??以類(lèi)腦智能領(lǐng)域?yàn)槔齕J]. 情報(bào)科學(xué)，2023，41（3）：81-88.

［14］邢曉昭，苑朋彬，陳亮，等. 面向技術(shù)識(shí)別的專(zhuān)利實(shí)體抽取??以類(lèi)腦智能領(lǐng)域?yàn)槔齕J]. 情報(bào)雜志， 2024，43（6）：126-133，144.

［15］王志娟，彭宣維. 知識(shí)表征研究??過(guò)往與前瞻[J].北京科技大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2021，37（5）：526-533.

［16］刁大明，奚千涵. 特朗普及其第二任期涉外團(tuán)隊(duì)的對(duì)華傾向與政策影響[J]. 國(guó)際展望，2025（1）：23-45，176-177.

［17］張全. 特朗普為加征關(guān)稅計(jì)劃鋪路？[N/OL]. 解放日?qǐng)?bào)（ 2025-01-10） [2025-01-17]. https：//www.jfdaily.com/staticsg/res/html/journal/detail.html？date=2025-01-10amp;id=411037amp;page=08.

［18］林曉昕，肖瑩. 拜登政府以來(lái)美國(guó)人工智能政策回顧[J]. 中國(guó)信息安全，2024（9）：87-92.

〔基金項(xiàng)目〕國(guó)家社會(huì)科學(xué)基金重大項(xiàng)目“人工智能倫理風(fēng)險(xiǎn)防范研究”（編號(hào)：20amp;ZD041）。