专利互引视角下的企业技术溢出研究——以百度等人工智能企业为例

罗 恺， 袁晓东

(1.武汉纺织大学， 武汉430074； 2.华中科技大学， 武汉430074)

人工智能(Artificial Intelligence)是使用机器代替人类实现认知、识别、分析、决策等功能的综合技术。企业纷纷在人工智能领域加大创新力度，在人工智能芯片、智能语音、无人驾驶、语义识别，百度、腾讯、微软等人工智能企业进行并购、布局专利来获取竞争优势。百度推出DuerOS开放平台，提供语音交互技术；阿里巴巴专注于智能音箱的研究；腾讯构建“从云到端”的AI新生态。百度与腾讯、阿里巴巴、微软等人工智能企业通过合作在人工智能领域实现了技术溢出，技术资源互补，协同发展。同时，人工智能技术在金融、制造业、医疗等领域的应用，推动了产业发展，也带动了人工智能技术的不断创新。因此，研究人工智能企业技术溢出效应，对人工智能技术的发展及推动人工智能在其它产业中的应用，协同创新，受益产业低成本获得资源，降低创新风险、提高技术创新能力，减少消极影响；对技术溢出来源企业，扩大了应用范围，增加了技术影响力，使得企业获取竞争优势，改变技术格局，具有重要意义。

百度公司人工智能发展起步较早，早期集中在信息流和搜索引擎。近几年，涉及到出行、医疗、金融、零售、物流等行业，百度推出无人驾驶开发平台Apollo系统。由于人工智能领域涉及多个技术和产业，因此，百度积极与其它企业进行合作，形成了一个竞争合作的生态系统。例如，联想与百度形成战略合作关系，将推出智能平板系列产品；阿里将计算能力、数据处理以及人工智能技术应用在自身各项业务，包括金融、医疗、物流、城市管理等各个领域；相比阿里和百度，腾讯则侧重游戏中的人机对话、虚拟现实；百度还与中兴、华为进行人工智能领域合作，促进企业发展。例如，中兴通讯携手中国电信、百度推广5G网络下的无人驾驶；百度与华为达成合作，进行技术优势互补，华为拥有庞大智能手机市场份额，是百度的重要合作发展伙伴[1]。习近平总书记在人工智能发展现状和趋势举行第九次集体学习会上，强调人工智能是引领这一轮科技革命和产业变革的战略性技术，具有溢出带动性很强的“头雁”效应。在移动互联网、大数据、超级计算、传感网、脑科学等新理论新技术的驱动下，人工智能加速发展，呈现出深度学习、跨界融合、人机协同、群智开放、自主操控等新特征，正在对经济发展、社会进步、国际政治经济格局等方面产生重大而深远的影响[2]。百度作为世界最领先的人工智能企业之一，在建立的竞争合作生态系统中，技术溢出到其它企业，吸收整合其它企业的技术，对带动企业技术发展和不断提升自身人工智能技术创新力有着重要作用。

本文基于专利互引视角，通过搜集和整理与百度互引专利最多的华为、腾讯、阿里巴巴等10家企业人工智能专利数据，采用社会网络、构建企业技术溢出矩阵、测算技术溢出指标，研究分析人工智能企业技术溢出程度，为企业人工智能专利技术创新研究带来一些启示。

1 文献综述

对技术溢出的研究，集中于区域技术溢出和跨国化技术溢出，专利引进，研究表明：专利引进产生的技术溢出对经济发展、企业绩效、区域创新有着重要影响[3-5]。近几年，一些研究开始关注产业技术溢出影响[6]，研究在一些高技术产业技术溢出问题[7]；高技术领域内不仅对本技术领域受益，促进技术创新，还会带动其它技术领域发展[8]。鲜有文献研究企业间、企业与技术间的溢出，一些研究利用专利数据研究投入与产出[9-10]；Jaffe等[11]依据专利引文研究企业技术流动性，利用专利引文研究石油天然气产业间技术流矩阵[12]。尽管有研究利用专利引文分析影响技术溢出的因素[13]，技术溢出对经济、生产率提高的影响[14]，但企业间的技术溢出、技术流动方向、受益技术、溢出测度等还没有系统的研究。Ernst[15]用专利组合的方法研究分析了企业专利技术竞合关系；Chakrabarti等[16]研究了企业间的技术转移模式，测量了技术转移的效应。也有学者基于专利数据，利用社会网络方法研究技术溢出、技术关联对创新的影响。黄鲁成等[17]用专利组合方法研究智能材料领域专利竞争态势；吴菲菲等[18]以专利前后向引文数据作为测量技术溢出指标，研究跨产业技术溢出，并以无人机为例进行实证研究；王海龙等[19]以苹果公司生态系统为例，测算了企业的直接引用、技术影响力和技术感应度系数。

现有研究考虑到了区域间、产业与技术间的技术溢出，但往往忽略了企业技术间的溢出，企业间的技术流动过程，企业间哪些细分技术是受益技术，吸纳了哪些技术，哪些技术溢出到其它技术领域；对人工智能企业竞合态势研究较少，以往研究涉及人工智能产业专利研究[20-21]，并未以企业为样本研究人工智能技术的溢出和流动性；鲜有研究结合人工智能企业专利测算在该领域的技术影响力，对该企业技术依赖程度，将溢出程度量化。本研究以百度公司为例，首先阐述了企业技术溢出的概念，利用样本企业间引证专利及被引证专利量作为技术溢出的途径，以专利权人及IPC分类号构建企业技术溢出网络，分析技术溢出过程，识别技术溢出方向，利用可视化方法分析人工智能企业技术溢出聚类情况；其次，引入技术影响力系数和感应度系数，识别企业技术溢出主要技术及重点溢出技术来源和受益技术；然后，测算出样本企业技术影响力及需求依赖度，分析出企业竞合态势，识别技术领导企业，有技术影响力企业，最后为人工智能企业技术创新提出建议。

2 研究方法

本文将结合企业间互引专利数据，研究企业创新网络中技术溢出、受益及企业竞合态势。将企业被其它企业引用的专利技术作为企业溢出的技术，而将企业引用其它企业专利的专利技术作为企业吸收受益的技术，建立企业—企业技术溢出矩阵、企业—技术间溢出受益矩阵，测算出各企业间技术影响力系数和感应度系数，分析各个企业间的技术溢出程度和竞合态势。

2.1 企业技术溢出网络构建

本研究在基于专利引文数据的基础上，以IPC分类号作为人工智能细分的技术领域，构建企业—企业、企业—技术间的溢出网络，再使用gephi软件进行技术溢出网络可视化分析。具体方法如下：

1)统计分析出百度等十家企业2010-2018年互引专利量，以企业引用其它企业专利为媒介构建企业—企业技术溢出矩阵，然后使用gephi软件进行可视化分析。

2)统计整理出百度等十家企业互引专利中所涉及的人工智能主要IPC分类号，并对各个样本企业匹配前向引用的IPC分类号，以这些IPC所属的企业前向引用专利数量为媒介，构建企业—技术溢出矩阵；企业匹配后向引用的IPC分类号，以这些IPC所属的企业后向引用专利数量为媒介，构建企业—技术受益矩阵。分析框架如图1所示。

图1 企业—技术溢出框架图

基于图1的研究框架，采用社会网络方法将百度等10家企业互引专利，前向、后向引用人工智能主要IPC分类网络化，利用gephi软件进行可视化分析。可视化能够将企业—技术溢出过程呈现，分析溢出网络结构特征，勾画出网络中企业和技术扮演的角色及发挥的作用。如果企业发明专利及IPC所包含的专利被前向引用，则视为技术来源企业，构建企业—技术溢出网络；如果企业发明专利及IPC所包含的专利被后向引用，则视为技术受益企业，构建企业—技术受益网络。再利用社会网络方法进行。

2.2 企业技术溢出测度指标选择

将企业间专利引用矩阵视为企业间技术流动关系，并根据直接引用系数、技术感应度系数和技术影响力系数指标测度企业技术溢出程度[16-17]。

(1)

某个企业的直接引用系数越大，说明该企业对其它企业的直接需求越多、企业技术溢出越明显，也说明企业间技术直接联系越紧密。

2)技术感应度系数。在企业技术溢出分析中，技术感应度系数是一个企业受到其它企业技术影响的程度，其计算公式如下：

(2)

式(2)中，Bij为里昂惕夫逆矩阵(I-A)-1第i行第j列的系数。若技术感应度系数大于1，表示该企业所受到的技术感应程度高于企业平均水平，系数越大，表明技术发展过程中对该企业的技术需求越大，也表明该企业与其它企业技术相互影响也越大，技术溢出十分强烈。

3)技术影响力系数。技术影响力系数是一个企业影响其它企业技术的程度，具体计算公式如下：

(3)

式(3)测算某企业技术影响其它企业的程度。若技术影响力系数大于1，则表示该企业技术受益程度超过了平均水平，说明该企业很好的吸收了来自其它企业的技术。具体分析企业竞合态势和技术溢出效应，可按照上述方法先计算出直接引用系数，然后分别计算技术感应度系数和技术影响力系数。

3 实证分析

3.1 数据来源

本文以百度等人工智能企业为例进行技术溢出实证研究，百度公司属于专利密集型企业，和其它企业有紧密的合作关系。百度公司人工智能技术主要集中于语音识别、存储设备、搜索引擎；以百度公司为主要人工智能企业形成的人工智能技术创新生态系统存在密切的技术互动。研究选取专利商业数据库Incopat作为专利数据的来源，Incopat不仅收录了世界大部分专利数据，还建立了专利前向、后向专利引文数据库及拥有专利分析功能，解决了以前中国专利无法统计分析专利引文的问题，以百度公司作为专利权申请人，结合人工智能包含的主要IPC分类号及国民经济行业分类号[22]，其布尔表达式分别为：("I63" OR "C39" OR "C38" OR "C40" OR "C24" OR "C23" OR "C34" OR "C35" OR "C36" OR "C33" OR "C26" OR "C37" OR "C31/32" OR "C41" OR "C30" OR "C21" OR "C27")、("G06F" OR "H04L" OR "H04W" OR "H04N" OR "H04B" OR "H04M" OR "G06Q" OR "G06K" OR "G06T" OR "G10L" OR "G06N")检索统计得出2010-2018年间与百度公司互引专利数量最多的前10家企业作为样本数据进行研究，包括：百度、腾讯、华为、奇智软件、中兴通讯、北京奇虎科技、阿里巴巴、微软公司、宇龙计算机通信科技、联想，统计分析出这些企业间互引发明专利数据，以此为基础测算各个企业专利的直接引用系数、感应度系数和影响力系数。

3.2 企业技术溢出网络可视化分析

使用Incopat专利分析软件统计出百度等10家人工智能企业2010-2018年期间累计的互引专利量，构建出企业—企业技术流动矩阵，可以看出企业创新活跃的程度。如表1所示。

表1中，行代表引用不同企业的专利数量，反映出企业受益的程度, 列代表不同企业被引用的专利数量，企业技术溢出的情况，矩阵反映出企业技术溢出多少，哪些企业受益。从表1可以看出，中兴和华为互引专利量最多，中兴和华为引用样本企业专利和被样本企业引用专利总量也是最多，均达到了一万多项；其次是百度与腾讯，可见这些人工智能企业技术溢出受益十分强烈。将表1矩阵进行可视化如图2所示。

表1 企业技术流矩阵

图2 样本企业技术流动网络图

图2表明，华为和中兴技术流动趋势最为强烈，最接近技术中心地带，两者平均路径长度也是最短的，其次是腾讯与微软，其余企业处于网络的边缘地带，微软主要是自引专利与其它样本企业技术互动较少，可见其独立创新能力较强。华为和中兴都是智能手机领域的著名企业，从它们的互引专利数据可以看出，两家企业的技术交集较多，两者在人工智能芯片领域都遭到美国的封杀，华为是5G时代的推动者，而中兴将人工智能运用到互联网，与百度合作。

从百度等样本企业2010-2018年期间互引专利中，统计出这些专利所包含的IPC分类号，分前向引用专利涉及的IPC分类号和后向引用专利涉及的IPC分类号，构建出企业—技术溢出、企业—技术受益可视化网络图，进行分析。样本企业间前向和后向引用专利的IPC代码如表2-表3所示。

表2 2010-2018年样本企业间前向引用专利主要IPC代码

从表2-表3中显示，样本企业人工智能技术主要来源于G06F、H04L、H04W，溢出到了H04N、G06Q。这表明百度等10家企业人工智能优势技术在于芯片存储数据处理、通信网络、图像处理广泛的运用到了语音识别、金融、管理等领域。为了进一步研究企业—技术溢出，将样本企业间引用和被引用的IPC分类号用gephi软件进行网络可视化分析，得出企业—技术间溢出、企业—技术受益网络图，如图3-图4所示。

表3 2010-2018年样本企业间后向引用专利主要IPC代码

图3 样本企业—技术溢出网络

图4 样本企业—技术受益网络

图3-图4中圆圈代表样本企业涉及的IPC分类号和企业名称，节点之间的连线表示企业和技术间的关联，节点间连线粗细表示企业和技术间的关系紧密程度。通过分析图3-4，样本企业的人工智能技术主要吸收了智能存储技术、图像处理、智能通信技术溢出到金融、语音识别、商业等领域，带到了这些领域的发展。同时，人工智能技术间相互融合促进了创新。如人工智能芯片中的类脑芯片区别与传统的CPU芯片，能够更高效的处理运算、存储和图像处理，将这些技术有效的集成在一起。根据图3-图4，百度的主要优势在大数据处理、信息交互、智能平台，但这些技术渗透到智能语音、无人驾驶、金融、制造业、芯片技术、图像处理等智能应用领域还不够；反之，这些技术领域目前还未有效广泛应用人工智能技术，没有大规模推动人工智能技术的发展和融合，将来这也是百度公司要大力技术创新的方向。与百度重要的合作伙伴华为和中兴，技术溢出和受益处在网络的中心地带，它们的人工智能技术构成较为类似，都吸纳了图像处理、无线通信、数据传输，溢出也都集中在网络、通信设备领域，可见华为、中兴这些技术领域融合的较好，如华为、中兴都在智能手机领域具有优势，其电子产品集成了通信、数据处理、图像、语音、芯片技术，但这两家企业均局限于自家的优势技术，并未有效的发展多元化融合渗透到不同的领域，如无人驾驶、机器人等领域还有待发展；其余联想、腾讯、阿里巴巴等企业还处在溢出网络的边缘，可见这些企业虽然在人工智能领域有了一定发展，但还存在很大的局限性，技术融合还不够，技术溢出不够明显，将其技术扩散运用到其它领域促进这些产业的发展，还有待改进。

3.3 企业间技术溢出测度

根据公式(1)-(3)，计算2010—2018年百度公司的直接引用系数，如表4所示。

由于专利的引用需要一定周期，因此2017、2018年数据有滞后性。从表4中可以看出，百度的专利直接引用系数较高表明其在人工智能领域里的自主创新能力较强；除了自主创新以外，百度较多依赖微软、中兴、腾讯的技术溢出，百度与这些企业具有较强的技术依赖性。计算百度公司等10家企业2010—2018年的技术感应度系数，如表5所示。

表5显示近几年来百度公司的技术感应度系数在样本企业当中较高，说明百度的技术溢出效应十分显著，其它企业对百度公司的专利依赖性较强；华为、腾讯、微软、中兴其历年感应度系数也比较高，表示其它企业对其专利技术需求度较大；而奇虎、阿里巴巴等企业历年技术感应度系数均较小，说明这些企业技术溢出较低。测度百度等10家公司2010—2018年的技术影响力系数，如表6所示。

表4 2010-2018年百度公司专利直接引用系数

表5 2010—2018年各企业的技术感应度系数

表6 2010—2018年各企业的技术影响力系数

从表6可得，百度的技术影响力系数逐年上升，说明百度对其它企业的技术吸收能力较高，技术受益作用较强；其它企业中腾讯、华为、中兴等企业的技术影响力系数较高。其余企业技术影响力系数相比之下较低，表明其它企业对其技术吸收效果不明显。

3.4 企业引用技术主题聚类分析

为了分析百度等10家企业间具体技术的吸收和溢出可视化过程，用Incopat专利分析系统对2010-2018年期间百度等10家企业间被引和引用专利进行技术聚类主体，深入研究样本企业间具体的技术流动性。如图5-图6所示。

图5 企业技术溢出聚类图

图6 企业技术吸收聚类图

图5-图6中展示了百度等10家企业技术主题的聚类，紫色的点表示这些专利中最有价值的专利。分析表明，样本企业主要溢出的技术主要包括：语音识别、搜索引擎技术、视频编码、图像采集、智能通信、云端服务、智能触屏技术、深度图像等；溢出吸收的技术主要有：搜索请求、视频文件播放、图像显示、智能芯片的分布式计算、信息服务、智能云端等领域。样本企业技术聚类可以反映，百度等10家企业最具价值的专利大部分集中在数据标识、数据块、搜索引擎、计算机网络技术、智能显示等技术领域，这表明：这些企业发展人工智能技术主要以自身原始的优势技术领域为载体，如百度的最先进行人工智能技术还是搜索引擎，百度将深度学习和人工智能技术结合，融入语音搜索、图片搜索、信息流等对搜索引擎进行智能化；腾讯、阿里巴巴也是基于其游戏、视频处理等互联网技术外延发展人工智能技术，如无人驾驶、人脸识别，下游应用；奇虎360、联想、中兴、宇龙计算机通信、华为等这些传统计算机通信企业也纷纷转型发展人工智能技术，如奇虎360建立了人工智能研究团队发展云端服务、通信；中兴、华为推进5G技术、智能手机和芯片；宇龙则侧重智能触摸屏，例如，酷派就是其产品；联想则推出leapAI平台与计算机业务结合起来。然而，样本企业对人工智能技术吸收局限性比较明显，集中在自身传统优势技术，从图6可以看出样本企业吸收有价值的专利较少，证明这些企业的人工智能技术与传统技术领域融合性还不够，没有广泛扩散人工智能技术，这与前面的分析一致。用户数据标识技术集中了大量的专利，但溢出效果不明显，如何结合数据算法、人脸识别发展用户数据标识技术，可见是未来人工智能技术发展的一个重要方向。

4 结论与建议

本文主要贡献在于：综合运用百度等10家人工智能企业间前后向引用专利数据，研究分析企业—企业、企业—技术间技术溢出、吸收受益过程，测度企业技术溢出程度，揭示了百度等十家人工智能企业技术影响力、技术吸收能力；清晰反映出了百度等十家人工智能企业间技术流动性特征；识别出企业技术溢出的方向，溢出和受益的关键技术，从而丰富了技术溢出研究。对百度等10家企业技术溢出实证研究得到了以下结论。

1)从聚类和可视化网络分析角度来看，人工智能企业技术优势集中在搜索引擎、数据处理、图像采集、语音识别等领域，往金融、管理、商业等领域溢出，部分企业将人工智能技术与自身传统优势技术融合发展，如百度的引擎技术、宇龙的酷派智能触屏。

2)虽然样本企业在搜索引擎和语音识别、通信等领域集中了大量有价值的专利，但人工智能技术对其它领域的应用溢出程度并不明显，关键技术的专利布局还不够。例如，用户数据标识等潜在人工智能技术并未得到有力发展。

3)从直接引用、技术感应度、技术影响力系数分析表明：具备技术优势企业专利需求较高，对技术依赖性较强，反映出样本企业间技术溢出整体较高；样本企业溢出和受益效应最大的企业均为中兴和华为，其原因除了自身的技术优势，更依赖于其整合各种创新资源进行集成创新，除了注重对外部技术的吸收整合，还有输出技术带到其它企业协同发展；其余的样本企业处在技术溢出网络边缘，技术流动性不显著，尤其微软与其它样本企业技术互动较少，较多的都是自引专利，可见微软自主创新能力较强。

基于上述结论，本文针对百度等十家人工智能企业技术创新提出如下建议。

1)有效地将人工智能技术和自身优势技术进行系统集成创新，采取多元化技术模式，在未来大力将人工智能技术如图像处理、智能搜索、人脸、语音识别技术渗透应用到制造业、金融、商业、机器人领域。

2)注意在人工智能全产业链上布局有较高价值的专利。企业不仅要在自身优势技术领域布局人工智能专利，巩固自己的技术优势，还应该抢先在下游人工智能应用领域布局专利，形成较为完整的技术链条，获取竞争优势；同时，企业要关注人工智能潜在的技术真空带，并与应用产业相结合。

3)人工智能企业应积极进行创新模式的转型，从以前自主创新转变为开放式创新，在吸收外界专利技术的同时，还要整合好内外部资源，扩散自身技术影响力，带到技术链上的其它企业协同发展。