基于因子分析的人工智能产业专利价值评价

摘要：随着高价值专利概念的兴起和快速发展，对专利价值的评估已成为引领企业技术创新方向、优化资源配置的重要工具。因此，深入探究我国人工智能领域的专利价值，对于推动人工智能技术的突破性发展、催生更多高质量专利以及培育和保护高价值专利成果具有重要意义。基于2019—2023年中国人工智能产业申请的有效发明专利数据，尝试利用因子分析方法对其专利价值进行评估，并对其结果进行分析，得到如下结论：（1）人工智能产业专利价值最具有潜力的创新主体有华为、寒武纪等企业；（2）人工智能产业中价值较高的专利技术类别集中在G06和H04，即信息技术领域；（3）从区域角度来看，我国人工智能产业专利价值呈现发展不平衡现象，东部最高，其后依次是中部、西部、东北地区。最后提出推动我国人工智能产业专利价值提升的相关建议。

关键词：人工智能；专利价值；因子分析法

中图分类号：G306；G255.53文献标识码：ADOI：10.3969/j.issn.1003-8256.2025.01.003

基金项目：天津市科技计划项目（22ZLZKZF00270）

随着科技的飞速发展，人工智能产业已成为全球范围内最具影响力和前景的产业之一。在2017年，我国人工智能产业的发展迎来了重要的里程碑，国务院在当年7月公布了《新一代人工智能发展规划》，为人工智能的未来发展设定了明确的战略规划和时间线。这一规划不仅为我国人工智能的发展指明了方向，也为其在全球范围内的竞争地位奠定了基础。在《“十四五”数字经济发展规划》中明确提出要加快布局人工智能等前沿领域，推动智能经济发展。此外，《关于加强数字政府建设的指导意见》也强调要运用人工智能等数字技术提高政府治理效能。这些政策不仅体现了国家对人工智能产业的高度重视，也为相关企业和研究机构提供了明确的指导和支持。在国家政策的扶持下，加之资本注入和人才汇聚的助推，我国人工智能产业呈现出蓬勃发展的态势，并已稳步跻身全球领先行列。根据中国信通院发布的数据，自2019年起，我国的人工智能产业规模开始迅猛增长，至2021年，其同比增长率已达到33.3%，而在2022年，产业规模更是攀升至5 080亿元，同比增长18%，显示出我国人工智能产业的强劲发展势头。初步统计，2023年规模达到5 784亿元，增速放缓至13.9%。

国家知识产权局2024年1月16日发布数据显示，截至2023年底，国内（不含港澳台）发明专利有效量为401.5万件，同比增长22.4%，中国成为全球首个国内有效发明专利数量突破400万件的国家。在《知识产权强国建设纲要（2021—2035年）》和《“十四五”国家知识产权保护和运用规划》两份重要文件中，均明确提出了推动知识产权事业稳中求进、高质量发展的目标，并强调了加快推进知识产权强国建设的紧迫性和重要性。作为知识产权的重要组成部分，专利在人工智能产业的发展中起着举足轻重的作用。专利不仅是创新成果的体现，更是人工智能企业竞争力的核心。因此，研究人工智能产业的专利价值，对于深入理解人工智能技术的创新态势、推动产业发展以及优化专利策略具有重要意义。近年来，人工智能领域的专利申请量和授权量不断增长，全球范围内的人工智能技术创新活动日益活跃。然而，专利数量的增加并不意味着所有专利都具有同等的价值。事实上，专利价值的高低取决于多种因素，如技术的创新性、实用性、市场潜力以及专利的法律状态等。因此，对人工智能产业专利价值的评估和研究成为一个亟待解决的问题。

1研究回顾

1.1专利价值的概念及衡量

衡量知识产权水平的主要指标之一即为专利价值，它被视为评估创新成果和技术实力的重要依据，目前还没有普遍接受的定义。

在对专利的衡量上，不少学者利用单一指标来衡量专利价值。其中，专利前向引用的数量是最常见的代理指标，Park等[1]、Wang[2]、Lee等[3-4]、Fisc等[5]、Jang等[6]、Yoon等[7]都使用该指标进行代理。此外，Allison等[8]、张克群等[9]创新性地使用专利是否发生过诉讼作为代理变量。张古鹏等[10]、薛明皋等[11]分别用专利权延续时间长度和专利质押贷款额度作为代理变量。然而随着专利技术发展，技术复杂度提高，专利潜在市场能力被发掘，单一指标无法全面反映专利价值。

而多因素指标组合是当前专利价值评估的主流方法，能降低单一指标评估的片面性和主观性。美国联邦知识产权咨询服务集团联合美国国家科学基金会首次提出了一套综合评估体系，该体系涵盖了专利数量、被引证数、技术生命周期等七项经典的专利价值评估指标，旨在全面评估地区及企业整体的专利价值。Harhoff等[12]选取专利范围、同族数等指标评估专利价值；Park等[13]选取多个有关专利内在特征和专利应用状况的指标构建专利价值评估指标体系。另外，HOU等[14]、胡元佳等[15]、曹晨等[16]、GRIMALDI等[17]、刘勤等[18]研究围绕技术、法律、市场、经济、战略、管理等形成多因素评估指标体系。但多指标组合方法依然面临指标设置冗余、指标权重设置不合理等问题。

1.2影响专利价值的因素

国外学者Grimaldi等[19]利用欧洲调查资料对专利经济价值进行测量，发现专利价值的分布呈现出明显的不均衡性，专利引用、参考文献、权利要求及国别会影响专利价值的测量。Thoma等[20]从专利的宽度、未来的发展潜力和研发背景以及相关技术及专利评估档案的归档和评估程序等多个方面着手，并结合20个不同的专利评估指标体系，进而计算出专利价值综合指数。

国内学者郑素丽等[21]从专利的特点、专利权人的特征、研发活动和其他因素分别论述了影响专利价值的主要因素及其作用机制，提出了影响专利价值因素的综合框架。吕晓蓉[22]在专利评估的实证研究中考虑技术、市场、竞争和法律因素对专利价值的影响。郭状等[23]基于人工智能专利数据发现IPC分类数、专利家族数、专利引证数和专利被引证数、权利要求数与专利价值有显著相关关系。胡泽文等[24]研究发现专利IPC4分类数、首次被引速度、权利要求数和专利被引频次对各模型高价值专利预测结果的影响程度较大。

综上所述，已有较多学者探究了专利价值的衡量方法及其影响因素，但将其应用于具体产业的专利价值评价较少。结合已有研究，基于人工智能产业专利，构建多因素指标体系衡量其专利价值，使用因子分析法进行数据分析，计算得出专利价值综合评分，最后从企业角度以及区域角度分别进行结果分析。

2基于人工智能产业的专利价值评价体系构建

2.1数据来源

人工智能产业属于战略性新兴产业中的新一代信息技术产业。本文选择2019—2023年人工智能产业领域申请的、法律状态为有效的发明专利。依托大为innojoy专利数据库，依据中国专利保护协会发布的《人工智能技术专利深度分析报告》中列举的人工智能的主要技术关键词[25]，参考《战略性新兴产业分类与国际专利分类参照关系表（2021）》中“1.5人工智能产业”，并参照张振刚等[26]、魏佳丽等[27]、赵程程等[28]的检索方法，构造如下检索式，由于检索式过长，这里截取部分展示：（TAC=（\"mobile robot*\" or \"artificial intelligen*\" or\"artificial intelligence*\" or \"inteligenc* artificial*\" or\"neural network*\" or \"machine learning*\" or \"robot kinematics\" or \"robot sensing system*\" or \"path planning\" or \"human robot interact*\" or \"humanoid robot*\" or \" virtual reality\" or \"natural language*\"…））and（EINDC2=’ 1.5’）。其中“EINDC2=’1.5’”意为筛选产业分类为“1.5人工智能产业”的企业。共检索出91 149条专利，检索时间为2024年2月。

2.2专利价值评价指标选取

参考李春燕等[29]、奉国和等[30]已有研究，结合“十四五”规划和2035年远景目标纲要中明确的高价值发明专利标准，选取了具备可测度、可操作性的21个专利指标，如表1所示。由于样本数据中无效次数、质押次数指标值大多为0，因此剔除这两项指标。上述指标中除三方专利（美日欧）是分类变量外，其余均为连续变量，对连续变量进行最大最小归一化处理消除量纲影响，分类变量则进行虚拟哑变量化处理，并对专利数据进行缺失值处理等。

2.3基于人工智能产业的专利价值因子分析

本文采用SPSS 27作为数据分析工具。在数据处理阶段，首先进行标准化处理，以消除不同量纲对数据结果的影响。随后进行因子分析的可行性检验，得出KMO值为0.635；同时巴特利特球形度检验的显著性水平为0，表明数据适合进行因子分析。进一步地，通过探索性因子分析，发现许可次数和主权项字数的公因子方差分别为0.003和0.392，均小于0.4，可以剔除。以包含17个指标的样本进一步进行因子分析，利用主成分法进行因子提取。碎石图特征值曲线前七个公共因子数值均大于1，因子旋转后提取的7个公因子的累计方差贡献率为73.915%，可以囊括大部分信息。

为了使因子分析过程中得到的因子更容易被赋予实际意义，也更适用于解决实际问题的分析需求，有必要对因子进行旋转。在分析过程中，选用最大方差法作为因子旋转的依据，同时在系数显示格式的设置上，选择性地屏蔽了绝对值小于0.10的小系数，以确保分析结果的清晰度。最终得到旋转成分矩阵，如表2所示。

根据表2对提取出的公因子进行命名。（1）因子1中，主要是布局国家/地域数、同族数、三方专利（美日欧）的载荷比较大，与专利价值的国际指标相重合，主要包含专利的海内外布局信息及能力，因此命名为“国际布局能力”。（2）在因子2中，因子载荷较大的是引证专利数、引用专利国别地域数、引用非专利文献数，主要囊括了专利的引用情况。引证专利数与其价值呈正相关，当一项专利引用了更多的先前专利时，这通常意味着其技术创新度更高，因此其专利价值也相应更高[31]，可命名为“知识密度”。（3）因子3载荷较大的是被审查员引证数、被引证数，可以命名为“引领能力”。（4）因子4中公因子载荷较高的包含权项数、独权数、说明书页数，主要属于专利的内容指标。权利要求数量越多，往往越体现专利的法律价值。因为更多的权利要求通常意味着专利的保护范围更为广泛，从而反映了专利的价值和重要性[32]。同时，文献页数的增多通常代表着专利内容的丰富和深入，稳定性更强，这也使得专利的质量更为可靠[33]。而这种稳定性在法律层面上尤为重要，因此可以命名为“法律稳定性”。（5）因子5主要体现了专利的时间指标。专利的寿命越长，说明需要投入更多的费用来保持其有效性和市场竞争力，持续受到保护和维护的需求越大也意味着该专利的重要性和价值可能更高[34]，故命名为“时效价值”。（6）因子6含IPC部数、IPC小类数。IPC数的多少，显示了专利技术所覆盖领域的广泛性。具有更多IPC数的专利在技术创新和市场应用方面具有更高的潜力和价值[35]，可命名为“技术范围”。（7）因子7的转让次数与发明人数能反映专利的经济价值。发明人数越多，意味着在专利研发过程中投入了更多的人力资源，从侧面体现了专利的高价值[36]。而专利的转让次数则直接反映了其在市场化运营过程中的价值和潜力，这不仅是激励企业进行发明创新的重要动力，也是推动专利技术应用和转化的关键因素[37]，故命名为“市场价值”。

依据旋转成分矩阵，得到成分得分系数矩阵，按照各公因子的权重及计算公式求出综合得分，其次进行最大最小归一化处理使得分处于[0，1]区间内并放大100倍以方便观察。降序排列后结果如表3所示，其中“DPI”为大为数据库中的专利价值综合评价指数。

3基于人工智能产业的专利价值评价结果

3.1专利价值度验证

为了验证本次评估结果排序的准确性，利用了大为数据库中的专利价值综合评价指数“DPI”，该指数将专利价值从低到高划分为不同的星级，依次为1星、……、4星、4.5星和5星。验证的结果见表3。

研究结果表明，因子分析法计算得出的专利价值度结果与大为专利数据库中“DPI”等级评价基本相符。在表3展示的前五名专利中，有60%的专利被评为5星，且40%的专利被评为4.5星。在后五名专利中，超过一半的专利在3星以下。这种排名情况与等级评估结果基本一致，这表明所采用的评估方法和指标是合理且有效的，能够为人工智能产业专利的价值评估提供有益的参考。

排名靠前同时价值星级为5星的专利具有较强的优势，具体而言排名第1和第3的“CN201910026700.0”及“CN202010120608.3”专利：被引证数分别为31和6，高于平均水平2.83；说明书页数分别达到了60页、57页，高于样本平均的16.14；同族数分别为12和28，远高于平均同族数1.11。在技术价值方面，专利说明书页数和引证数量越多，说明专利权人公开的技术信息越详细，技术方案呈现越完整，技术价值水平越高；在市场价值方面，不同地域分布的专利越多，同一族群的专利越多，其投入费用成本越高，从而体现出专利的价值水平越高。由此可见，本文采用的因子分析法能够有效、准确地识别人工智能技术领域的高价值专利，考察同族专利的引用信息数据，能为技术专家获取该技术领域的技术发展路径和方向提供支撑信息。

3.2微观主体层面分析

首先对评估样本的专利申请（专利权）人进行了统计，并从中挑选出综合得分排名前20名的专利。随后，根据这些专利申请（专利权）人的专利价值平均分进行降序排列，以进一步分析他们的专利价值和影响力，结果见表4。

专利价值得分前20的企业中主要包括华为技术有限公司、上海移宇科技股份有限公司、中科寒武纪科技股份有限公司、荣耀终端有限公司、云鲸智能科技（东莞）有限公司、苏州润迈德医疗科技有限公司、腾讯科技（深圳）有限公司等。具体分析，在专利价值得分较高的企业中，华为技术有限公司在价值得分前20的专利中占了7位，中科寒武纪科技股份有限公司在前20位中占了5位，上海移宇科技股份有限公司占了2位。可见，上述三个公司在人工智能产业领域申请的专利价值相对较高，综合实力较强。

此外，从技术大类的角度来看，根据国际专利分类表对应释义，在所列的前20个价值较高的专利中，大部分人工智能领域专利属于G06（电通信技术大类包括电数字数据处理、数据识别、数据表示等）以及H04（计算、推算或计数大类包括信号传输、放大器、数字图像等）。二者同属于信息技术领域，是通信专利的必争之地。其中表现突出的企业，比如以通讯设备为主业的华为技术有限公司以及致力于人工智能芯片产品的研发和技术创新的中科寒武纪科技股份有限公司，在人工智能专利领域都具备一定的优势。

3.3宏观空间层面分析

整理已有数据，根据专利申请（专利权）人所在地，得到2019—2023年中国30个省区市人工智能产业领域专利价值综合得分和排名情况，以及申请专利数量和排名情况，如表5所示。结合统计结果，可以得到如下基本结论。

首先对比各省区市的专利价值和专利数量排名。在价值排名前十的省份中，数量同样排名为前十的比例能达到60%，专利质量与专利数量排名水平大致相当，一定程度上说明，专利数量的增长是实现专利质量提升的基础，且在专利综合发展较优秀的省区市尤为突出。然而大部分省份的二者排名有所差异，原因在于部分省份申请的人工智能领域专利“少而精”，比如广西和山西，在价值排名中位居前列但数量排名在后十名之列；部分省份追求数量而忽略质量，以致出现数量排名靠前价值排名靠后的情况，比如陕西、江苏、四川。

其次从区域差异角度分析，表5分别统计了东部地区、中部地区、西部地区、东北地区的情况。人工智能产业领域的专利价值基本与我国各地区经济发展水平相匹配。综合得分呈现出东高西低的特点，东部地区的综合得分为15.83，远高于其他三个地区，并且专利数量与价值同为第一，东北地区同为第四，而中部地区专利价值高于西部地区，具体来看专利价值综合得分排名最后五名中除辽宁外均属于西部地区。这说明我国区域之间经济发展水平、人力资源水平、技术发展环境等方面的差异使得人工智能领域专利价值存在较大的差距，存在发展不平衡的问题。

4结论与建议

人工智能作为引领新一代技术革命与产业变革的核心力量，正为中国经济的创新发展注入新的活力和动力。本文以人工智能产业作为分析对象，选取2019—2023年中国申请的有效发明专利数据，基于已有研究构建了专利价值评价体系，采取因子分析方法计算得到专利价值的综合得分，对其进行排序、验证，并分别从微观主体、技术类别及宏观区域层面进行分析。结果发现：我国人工智能产业的专利价值主体发展情况差异明显，头部企业优势明显比如华为、寒武纪等，同时部分企业可能存在策略性专利申请行为使得专利价值得分不理想；在技术类别上以信息技术领域为主；从空间分布上，我国人工智能产业专利价值的地域差异明显，北京、上海、广东、重庆名列前茅，东部地区处于领先位置，其次是中部、西部，最次是东北地区，总体而言经济欠发达地区的专利价值有待提高。

针对上述结论，提出以下建议：

（1）要推动人工智能产业专利价值的提升，首要策略是加大研发投入，并加强产学研深度融合，打造协同创新生态。政府应设立专项资金，以促进各主体在人工智能领域的深入研究和创新；鼓励企业建立内部研发机构，加强自主创新能力；建立多元化的创新体系，包括政策支持、金融扶持、人才培养等多方面，共同推动人工智能技术的突破和创新。此外，产学研的深度融合是促进人工智能技术转化的关键。通过建立产学研一体化平台，加强企业、高校和研究机构之间的合作与交流，实现资源共享和优势互补。同时，推动产学研合作项目发展，鼓励高校和研究机构的科研成果向企业转化，有助于提高专利的实用性和市场价值[38]。此外，还应加强与国际先进企业和研究机构的合作，引进先进技术和管理经验，以提升我国人工智能产业的国际竞争力。

（2）针对我国人工智能产业发展存在的区域不均衡问题，实施差异化的区域发展政策是关键。各地区应加强对人工智能领域专利布局的规划和指导，鼓励企业以核心技术为基础，进行有针对性的专利布局，以构建优质且高价值的专利组合。政府应根据各地区的资源禀赋、产业基础和市场需求等因素，制定相应的发展规划和政策措施，引导各地区错位发展、优势互补。同时，加强区域间的合作与交流至关重要，可以推动跨区域的产学研合作项目、技术转移和成果转化等工作；建立区域间的创新资源共享平台，推进人工智能产业示范基地建立，促进技术、人才等资源的优化配置和共享；加强政策协同和监管合作，形成推动人工智能产业发展的强大合力。通过这些措施，能够促进各区域的协调进步和共同发展。

（3）保护知识产权就是保护创新，针对人工智能领域知识产权保护面临的挑战，需要从多个方面入手。首先，强化知识产权保护意识至关重要。政府、企业和社会各界应共同营造尊重知识产权、鼓励创新的文化氛围。其次，完善知识产权法律法规体系是根本保障。应加快修订和完善相关法律法规，适应人工智能领域的发展需求。同时加强对专利申请和审查的监管，提高专利审查质量和效率，防止低质量专利的泛滥。最后，加大执法力度是关键所在。应建立健全知识产权保护机制，加强跨部门、跨地区的协作配合，严厉打击侵权行为，维护知识产权权利人的合法权益。这些措施可以有效提升人工智能领域的知识产权保护水平，为产业的创新发展提供有力支撑。

参考文献：

[1]PARK G，SHIN J，PARK Y.Measurement of depreciation rate of technological knowledge：technology cycle time approach[J]. Journal of Scientific Industrial Research，2006，65（2）：121-127.

[2]WANG S J.Factors to evaluate a patent in addition to citations[J]. Scientometrics，2007，71（3），509-522.

[3]LEE YG. Patent licensability and life：a study of US patents registeredbySouthKoreanpublicresearchinstitutes[J]. Scientometrics，2008，75（3），463-471.

[4]LEE C Y，CHO Y，HYEONJU S，et al.A stochastic patent citation analysis approach to assessing future technological impacts[J]. Technological Forecasting and Social Change，2012，79（1）：16-29.

[5]FISCH C，SANDNER P，REGNER L.The value of Chinese patents：an empirical investigation of citation lags[J]. China Economic Review，2017，45：22-34.

[6]JANGH J，WOO H G，LEE C Y，et al. Hawkes process-based technology impact analysis[J].Journal of Informetrics，2017，11（2）：511-529.

[7]YOON J，SEO W，COH B Y，et al.Identifying product opportunities using collaborative filtering-based patent analysis[J].Computers Industrial Engineering，2017，107：376-387.

[8]ALLISON J R，LEMLEY M，MOORE K A，et al.Valuable patents[J].Georgetown Law Journal，2004，92（3）：435-479.

[9]张克群，夏伟伟，郝娟，等.专利价值的影响因素分析：专利布局战略观点[J].情报杂志，2015，34（1）：72-76，82.

[10]张古鹏，陈向东.新能源技术领域专利质量研究：以风能和太阳能技术为例[J].研究与发展管理，2013，25（1）：73-81.

[11]薛明皋，刘璘琳.专利质押贷款环境下的专利价值决定因素研究[J].科研管理，2013，34（2）：120-127.

[12]HARHOFF D，SCHERER F M，CITATIONS V K，et al.Opposition and the value of patent rights[J].Research Policy，2003，32（8）：1343-1363.

[13]PARK Y，PARK G. A new method for technology valuation in monetary value：procedure and application[J].Technovation，2004，24（5）：387-394.

[14]HOU J L，LIN H Y.A multiple regression model for patent appraisal[J].Industrial Management Data Systems，2006，106（9）：1304-1332.

[15]胡元佳，卞鹰，王一涛.Lanjouw-Schankerman专利价值评估模型在制药企业品种选择中的应用[J].中国医药工业杂志，2007（2）：148-150.

[16]曹晨，胡元佳.综合专利价值指数与药物经济价值的相关性研究[J].中国医药工业杂志，2011，42（7）：560-562.

[17]GRIMALDI M，CRICELLI L，ROGO F.Valuating and analyzing the patent portfolio：the patent portfolio value index[J]. European Journal of Innovation Management，2018，21（2）：174-205.

[18]刘勤，杨壬淦，刘友华.高价值专利评估方法、存在问题及对策[J].科技管理研究，2022，42（4）：147-152.

[19]GAMBARDELLA A，HARHOFF D，VERSPAGEN B.The value of European patents[J].European Management Review，2008，5（2）：69-84.

[20]THOMA G. Composite value index of patent indicators：factor analysis combining bibliographic and survey datasets[J]. World Patent Information，2014，38：19-26.

[21]郑素丽，宋明顺.专利价值由何决定？基于文献综述的整合性框架[J].科学学研究，2012，30（9）：1316-1323，1332.

[22]吕晓蓉.专利价值评估指标体系与专利技术质量评价实证研究[J].科技进步与对策，2014，31（20）：113-116.

[23]郭状，余翔.基于我国人工智能专利数据的专利价值影响因素分析[J].情报杂志，2020，39（9）：88-94.

[24]胡泽文，周西姬.基于BP神经网络和MⅣ算法的高价值专利预测与影响因素分析[J].信息资源管理学报，2023，13（6）：144-155.

[25]中国专利保护协会.人工智能技术专利深度分析报告[R].2018.

[26]张振刚，黄洁明，陈一华.基于专利计量的人工智能技术前沿识别及趋势分析[J].科技管理研究，2018，38（5）：36-42.

[27]魏佳丽，苏成，高继平.专利质量视角下的我国人工智能领域存在问题的分析及对策[J].科技管理研究，2020，40（23）：213-221.

[28]赵程程.基于专利信息的人工智能技术创新网络图谱研究[J].中国科技论坛，2021（4）：12-22，54.

[29]李春燕，石荣.专利质量指标评价探索[J].现代情报，2008，28（2）：146-149.

[30]奉国和，刘任铧，邓伟伟.高价值专利影响因素分析及主题挖掘：以纳米药物领域为例[J/OL].图书馆论坛，1-14[2024-04-01]. http：//kns.cnki.net/kcms/detail/44.1306.G2.20230915.1247.002. html.

[31]MARCO A C，SARNOFF J D，DEGRAZIA C A W.Patent claims and patent scope[J].Research Policy，2019，48（9）：103790.

[32]JURRIEN B.The log-linear relation between patent citations and patent value[J].Scientometrics，2017，110（2）：879-892.

[33]钱过，李文娟，袁润.识别核心专利的综合价值指数[J].情报杂志，2014，33（6）：44-48.

[34]RASSENFOSSE G D，JAFFE A B. Are patent fees effective at weeding out low-quality patents？[J]. Journal of Economics Management Strategy，2018，27（1）：134-148.

[35]SQUICCIARINI M，DERNIS H，CRISCUOLO C.Measuring patent quality：indicators of technological and economic value[J].2013：1-69.

[36]李睿，赵安琪.文献计量学视野下专利寿命与多重因素的相关性解析：来自催化领域的实证[J].情报学报，2017，36（6）：547-554.

[37]丁焕峰，何小芳，孙小哲.中国城市专利质量评价及时空演进[J].经济地理，2021，41（5）：113-121.

[38]夏芸，魏田苡薇，洪楷宣，等.专利形成全周期视角下的高价值专利识别体系研究[J].科学与管理，2024，44（4）：1-9，103.

Patent Value Evaluation of Artificial Intelligence Industry Based on Factor Analysis

MENG Dabin，LI Xinyi

（School of Economics，Tianjin University of Commerce，Tianjin 300134，China）

Abstract：As the concept of high-value patents has emerged and rapidly evolved，the assessment of patent value has emerged as a crucial instrument for guiding technological innovation and enhancing resource allocation.Therefore，an indepth exploration of the patent value in the field of artificial intelligence in China is of great significance for promoting the breakthrough development of AI technology，generating more high-quality patents，as well as cultivating and protecting high-value patent achievements.Based on the effective invention patent data filed in China’s artificial intelligence industry from 2019 to 2023，we try to evaluate its patent value by using factor analysis method，and analyze the results to get the following conclusions：（1）The most promising innovation subjects with the most promising patent value in the artificial intelligence industry are Huawei，Cambrian and other enterprises.（2）The patent technology categories with higher value in AI industry are concentrated in G06 and H04，i.e.information technology field.（3）From a regional perspective，the patent value of China’s artificial intelligence industry shows the phenomenon of uneven development，with the highest in the east，followed by the central，western and northeastern regions. Finally，relevant suggestions to promote the patent value of China’s AI industry are put forward.

Keywords：artificial intelligence；patent value；factor analysis method