深度學習領域2024年度專利全景分析1目錄關于Questel 3概覽 4引言 6深度學習：以實例驅動，超越規則框架 6方法論 9數據來源與檢索策略 9分類方法 10深度學習全球專利格局 11專利申請趨勢 11發明的來源 12主要參與者 134. 結論 15大語言模型專利趨勢 161. 引言 16專利申請趨勢 16發明的來源 17主要參與者 19應用領域 216. 結論 25附錄 26更多信息 34Questel是世界一流的端到端知識產權解決方案提供商，為30多個國家/地區的20,000多家客戶和150高效檢索、深度分析及系統化管理創新發明與知識產權資產而設計。Questel還提供覆蓋整個知識產權生命周期的全方位服務，包括現有技術檢索、專利撰寫、國際申請、翻譯以及續展。通過將這些服務與我們的知識產權成本管理平臺相結合，客戶平均可節省30%-60%的申請預算。Questel的使命是以高效、安全、可持續的方式推動創新發展。在這一使命的驅動下，Questel高度重視企業社會責任（CSR），并將其視為全球商業領域的重要趨勢。我們致力于確保企業的各項活動對客戶、員工、社區和環境產生積極影響。如需了解更多關于Questel的信息，請訪問：更多資源可在我們的在線資源中心查閱，請訪問：/resources-hub/3概覽本報告深入探討了深度學習（DL）領域專利格局的動態演變，重點關注大語言模型（LLM）的發展趨勢，并圍繞領先國家/地區、主要參與者以及新興應用等核心問題展開分析。報告旨在提供具有實踐價值的洞見，幫助讀者在這一快速發展的創新領域中把握機遇與方向。深度學習和大語言模型專利的主要趨勢70000 500004000030000

大語言模型深度學習-2019年之后深度學習-2019年之前20000100000深度學習領域的知識產權保護競爭激烈近年來，深度學習領域的全球專利活動顯著增長，尤其是自2017-2018年以來，大語言模型（LLM）逐漸成為焦點。2022年，OpenAI推出ChatGPT標志著一個重要轉折點，不僅大幅提升了公眾對這一領域的認知，還加速了相關專利的申請進程。全球對知識產權的激烈爭奪凸顯了知識產權的戰略重要性，而中國和美國在這場全球競賽中處于領先地位：55版權所有?2024Questel–保留所有權利中國：由百度主導、頂尖高校鼎力支持的集中式生態系統。美國：多元化且去中心化的創新格局，匯聚了IBM、谷歌、微軟等科技巨頭的智慧與力量。大語言模型領域的整合與機遇大語言模型領域目前由少數幾家科技巨頭主導，包括谷歌、百度、騰訊、微軟、亞馬遜和阿里巴巴。這些企業的知識產權布局不僅體現了其技術實力，更彰顯了其全球范圍內的深遠影響力。在這一快速發展的領域中，幾大關鍵趨勢正在顯現：谷歌、百度、微軟和騰訊正通過積極的產品研發和知識產權保護，推動大語言模型技術的商業化進程。這些企業在各類大語言模型應用中的專利申請數量位居前列，充分展現了其全面的戰略布局以及對技術生態系統的深度投入。醫療保健領域的突破性發展：大語言模型正在醫療領域掀起革命性變革，其在疾病診斷、藥物研發和個性化醫療等方面的應用取得了顯著進展。跨行業影響力的持續擴展：隨著計算效率的顯著提升和數據質量的不斷優化，大語言模型正迅速適應市場需求，并在金融、教育、網絡安全等多個行業中發揮變革性作用。引言深度學習：以實例驅動，超越規則框架人工智能正以前所未有的速度進行變革，推動著一波創新浪潮，本報告將對此進行深入分析。在人工智能的表象之下，隱藏著一張由機器學習、神經網絡和深度學習（DL）等技術交織而成的復雜網絡。這些技術層次相互融合，共同推動著突破性的進展，每一層都為該領域的快速發展做出了重要貢獻。圖1-人工智能的結構2021年，我們的深度學習1研究借助Gartner2020年技術成熟度曲線，展示了人工智能各細分領域的成熟度與發展情況。將2020年的快照與2024年的技術成熟度曲線進行對比，可以觀察到顯著的演變軌跡（各階段的詳細說明請參見附錄）。例如，“深度學習”在不到四年的時間內，從“幻滅低谷期”躍升至“生產力成熟期”（即進入主流應用階段）。然而，最引人注目的變化是由大語言模型（LLM）驅動的1https://www.qu/wp-content/uploads/2021/11/2021-Deep-Learning-IP-Landscape-report.pdf6生成式人工智能的迅猛崛起。從2020年的“創新觸發階段”迅速發展到2024年的“期望膨脹期”的后期階段。在專利領域，這一階段至關重要，應被視為獲取專利并加強專利組合，從而在未來市場中提升競爭優勢的關鍵機遇。圖1-Gartner人工智能技術成熟度曲線對比分析（2020年vs2024年）2大語言模型的崛起：重塑信息處理與生成方式大語言模型是生成式人工智能熱潮的核心驅動力3。這些由深度學習技術驅動的模型，旨在處理、理解并生成自然語言文本。然而，它們的能力遠不止于此——它們能夠分析數據、解讀復雜模式，并以近乎人類的方式提供深刻的見解。通過在包含數十億甚至數萬億參數的龐大數據集上進行訓練，大語言模型正在重新定義數據處理的邊界。規模優勢：習與適應能力。語境理解：均能精準把握。3https://www.wi/web-publications/patent-landscape-report-generative-artificial-intelligence-genai/en/index.html文本生成：連貫、相關且引人入勝的內容。廣泛應用：力遠不止于此。我們探討的核心問題包括：哪些國家/地區在大語言模型創新領域處于全球領先地位？哪些公司和研究機構正在推動這一領域的進步，誰在全球范圍內占據主導地位？大語言模型的主要應用領域有哪些？誰擁有相關的知識產權？通過解答這些問題，我們旨在全面解析大語言模型專利領域的現狀，揭示新的機遇與視角，為利益相關者在這一前所未有的創新時代中制定明智的戰略決策提供有力支持。方法論數據來源與檢索策略本研究采用的數據來源為FamPat全球數據庫檢索工具OrbitIntelligence。FamPat是一個按簡單專利族組織的全球專利申請和授權專利集合，覆蓋全球100多家專利授權機構，其中包括由Questel提供的22個專利局的可檢索全文。由于每條FamPat記錄可能包含多個不同日期的專利公開事件，本報告采用每個專利族的最早已知首次申請日期作為代表性日期，用以指代整個專利族。首次申請局（OFF）或優先權是指某項發明的首次申請，一旦在任何專利局提交，該申請即成為“優先權申請”，其提交日期即為優先權日。首次申請的國家/地區被定義為優先權國。除非另有說明，本報告中的表格和圖表均基于優先權日，因為它能夠最準確地反映發明活動的時間節點。專利來源的定義，即專利族的發源地，基于首次申請局（OFF）。需要注意的是，盡管這一定義并非完全準確，但它提供了一種實用且公平的方法，用于識別實體的通常首次申請國，且通常與其本國專利局一致。每個專利族都與一個或多個實體關聯，這些實體統稱為專利權人。如果同一專利族中的專利由多個權利人共同持有，則該專利族歸屬于所有相關實體。為了提升可讀性并提供清晰的整體概覽，本文檔中的各申請人已系統化整理，并歸并至各自的母公司名下。子公司及關聯實體被歸入其母公司名下，以反映統一的所有權結構。這一分組過程結合了自動化（通過OrbitIntelligence數據庫）與人工方法，并基于報告編制時可獲得的最佳公開信息完成。9分類方法本專利全景分析聚焦于深度學習（DL），并特別關注大語言模型（LLM）。檢索方法結合了多種策略，包括深度學習相關的關鍵詞和技術，以及相關專利分類信息，例如G06N3/02（使用神經網絡模型的計算機系統）。為確保檢索結果在全面性和準確性之間達到最佳平衡，我們采用了布爾運算符和迭代優化流程。這種系統化的方法為分析提供了穩健且可靠的數據集。盡管專利文獻并不總是明確提及具體的應用場景，但研究那些描述應用場景的專利能夠提供寶貴的洞見。與通常僅聚焦于熱門應用以吸引眼球的企業宣傳或營銷材料相比，這種方法提供了獨特且互補的視角，能夠揭示更多深層次的信息。為了提供更全面的理解，我們參考了特定領域的文獻，編制了一份涵蓋廣泛且前景廣闊的大語言模型應用場景清單。這使我們能夠充分展現大語言模型在各個領域的潛力，為這一快速發展的技術提供全新的視角和切實可行的洞見。應用場景清單及其詳細說明可在本報告末尾的附錄中查閱。圖3-大語言模型的多樣化應用4參考文章示例：/blog/what-are-large-language-models-used-for/10深度學習全球專利格局專利申請趨勢爆發式增長：深度學習熱潮持續升溫！我我們對2011年至2023年間5的深度學習專利活動進行了全面分析，幾乎完整展現了其顯著的發展歷程。自2011年左右6深度學習技術初步成型以來，該領域已新增了311,000個專利族。在我們之前的研究中（見下圖淺藍色曲線），專利活動的快速增長已十分顯著，在這場技術浪潮的初期，年增長率接近50%。7000060000500004000030000200001000002011201220132014201520162017201820192020202120222023大語言模型 深度學習-2019年之后 深度學習-2019年之前圖4-2011-2023年深度學習與大語言模型專利申請動態趨勢時至今日，盡管增速有所放緩，但增長勢頭依然強勁：2019年至2023年的復合年增長率（CAGR）為16%。即使在十多年的創新歷程后，這種持續增長的勢頭依然非同尋常，尤其是在快速發展的IT行業。這進一步表明，深度學習不僅是一項獨立的技術，更是推動一系列創新與應用的基礎性技術。5由于專利申請優先權日與專利公開日之間通常存在18個月的間隔期，2023年度的專利數據并不完整（本圖表制作于2024年12月）。6https:///en/web/technology-trends/artificial_intelligence/story大語言模型（LLM）是這場技術革命的重要成果之一。它源于深度學習的進步與創新，并迅速嶄露頭角。圖中的橙色曲線展示了大語言模型相關專利族申請的增長趨勢，這些申請大約在2020年至2021年間開始出現。發明的來源中國在深度學習競賽中的領先地位優先權國家數據為專利戰略提供了重要洞察，同時也是主要研發活動發生地的可靠指標，因為大多數申請人通常會在本地提交優先權專利申請。然而，為了更深入的分析，還需要考慮國際專利族（IPF）的數量（定義詳見附錄中的術語表）。國際專利族（IPF）是指專利權利人選擇向國外擴展的專利族，體現了其被認可的價值及國際關注度。這一指標有助于減輕國內政策支持本地申請所帶來的偏差，同時也是衡量專利商業價值和戰略潛力的重要參考標準。圖5-2011至2023年深度學習領域專利族及國際專利族（IPF）按公司來源國家/地區劃分的比例分布中國顯然是深度學習專利申請的主導力量，2023年占據了申請總量的80%，以及國際專利族（IPF）中的40%。然而，美國通過專注于國際專利族（IPF）挑戰中國的主導地位，其申請總量雖僅占5%，但國際專利族比例高達35%，穩居該領域的第二大貢獻者。正如我們在上一份報告中所述，中國在人工智能領域的領先地位得益于多個關鍵因素的支撐：龐大的國內市場、政策激勵與戰略引導，以及良好的市場生態。與此同時，韓國正在迅速崛起，在專利申請總量和國際專利族（IPF）方面均表現出顯著增長。歐洲（包括所有歐洲國家和歐洲專利）以及日本也依然是有影響力的參與者，盡管它們在這場激烈的競爭中稍顯落后。主要參與者自2021年發布上一份報告以來，深度學習（DL）領域的主要申請者排名相對穩定，表明行業領先者的地位進一步鞏固。這些領先企業通過專利組合的顯著增長持續強化其市場地位：百度：四年間，其專利組合從2,500個專利族擴展至6,751個專利族，增長率達45%，成為全球領先者（按專利總量和國際專利族計算均排名第一）。三星：增長率達27%，在國際專利族排名中位列第二，成為該領域的重要參與者。平安科技：專利申請量排名第4，國際專利族（IPF）排名第3。谷歌：專利申請量排名第9，國際專利族（IPF）排名第4。微軟：專利申請量排名第10，國際專利族（IPF）排名第5。IBM：專利組合增長28%，專利申請量排名第6，國際專利族（IPF）排名第9。騰訊：增長率達38%，但國際專利族（IPF）排名第10。國家電網公司（SGCC）：擁有龐大的專利組合，但主要集中在中國，未涉及國際專利族（IPF）。97486497486466691643623607496495476432799899613172817253117571993SGCC中國國家電網公司英特爾廣羅伯特·博世0

1000

67512000 3000 4000 5000 6000 7000 8000國際專利族 全部專利族圖6-2011至2023年深度學習領域的前20名專利申請者中國高校在國內創新生態系統中持續發揮核心作用，在深度學習領域擁有規模龐大的專利組合，但主要集中在中國，國際專利族（IPF）比例較低。知名學術機構包括：中國科學院：自2021年以來，其專利組合增長了17%。浙江大學：增長15%。北京工業大學：增長43%。哈爾濱工業大學：以高達64%的增長率成為增長最快的機構。11版權所有?2024Questel–保留所有權利www.questel.在深度學習專利競賽中，盡管前50強榜單中不乏行業熟面孔，但幾家重量級科技巨頭的缺席卻格外引人注目。盡管亞馬遜、Meta（原Facebook）和蘋果在科技界占據重要地位，但它們在深度學習領域的專利布局卻顯得相對保守。這種看似“低迷”的專利布局態勢，未必意味著這些科技巨頭在深度學習領域的投入不足。事實上，正如我們在上一份報告中指出的，這些企業正在通過大規模并購AI初創公司的方式，展現出其在該領域的前瞻性布局。結論深度學習領域的知識產權保護競爭激烈深度學習專利領域的全球角逐日趨白熱化，充分體現了這一顛覆性技術領域中知識產權保護的戰略價值。各國及區域聯盟亟需培育核心創新主體，構建有利于技術創新的生態系統，以在全球競爭中保持優勢地位。中國憑借其獨特的市場體量、政策扶持和完整的產業鏈優勢，為如何實現深度學習領域的跨越式發展提供了成功范例。在產學研協同創新的強大生態支撐下，中國培育出了以百度為代表的領軍企業——其專利組合規模已躍居全球首位。與此同時，來自美國（IBM、谷歌、微軟、英偉達和英特爾）、韓國（三星）、歐洲（博世集團）和日本（索尼）等科技巨頭的持續創新投入，必將推動深度學習技術及其應用生態的蓬勃發展，使這場關乎未來的科技競賽更加精彩紛呈。大語言模型專利趨勢引言大語言模型的崛起：重塑信息處理與生成方式生成式人工智能（GenerativeAI）的前沿模型突破了性能瓶頸，激發了大量的研究、開發以及企業投資熱潮。近年來，各類創新模型相繼涌現，包括生成對抗網絡（GAN）、變分自動編碼器（VAE）以及大語言模型（LLM）。世界知識產權組織（WIPO）在其研究報告《專利全景報告——生成式人工智能（GenAI）》7中對這些開創性模型的專利趨勢和動態進行了全面深入的分析。研究表明，大語言模型相關的創新持續增長，其關注度也與日俱增。本報告的這一部分對大語言模型領域的專利全景進行了深入剖析，旨在揭示該領域的創新來源，并識別推動這些變革性技術進步的主要參與者。專利申請趨勢大語言模型僅占深度學習這一更廣泛領域專利的很小一部分。目前已發現約6,000與大語言模型相關的專利族，這反映了該技術子集的相對新穎性。7https://www.wi/web-publications/patent-landscape-report-generative-artificial-intelligence-genai/en/3-patent-trends-in-genai-models.html35003000250020001500100050002011201220132014201520162017201820192020202120222023大語言模型圖7-大語言模型專利申請態勢（2011-2023年）大語言模型領域的創新和專利申請始于2017至2018基礎模型的早期開發同步推進。但該領域在2022年迎來了真正的爆發，以OpenAI的ChatGPT視野，還引發了專利活動的指數級增長，各企業和研究人員在該領域競相爭奪知識產權。發明的來源大語言模型的專利格局仍在不斷發展，其覆蓋領域較窄，歷史積累較少。因此，目前難以對長期趨勢得出明確結論。但有一點是確定無疑的：中美創新力量在該領域的角逐依然激烈，且競爭態勢正日趨白熱化。圖8-2011至2023年按公司來源國劃分的大語言模型專利申請趨勢（右為所有專利族，左為國際專利族）關鍵洞見：所有專利族專利申請情況：中國以57%的專利申請占比排名第一，美國以32%緊隨其后。韓國、歐洲和日本的專利申請總量相對較少，凸顯了中國和美國這兩個主要國家的主導地位。國際專利族（IPF）：在聚焦于國際專利族（IPF）——即那些被認為具有足夠重要性、需要尋求跨國保護的專利時，美國以71.1%的占比脫穎而出，成為這一領域的領跑者。相比之下，中國的份額顯著下降至11.6%，這反映出兩國在國際市場戰略重點上的差異。這一差距表明，盡管中國在專利數量上占據優勢，但美國更注重國際專利的布局，這可能意味著美國在國際舞臺上擁有更強烈的商業和技術雄心。在接下來的章節中，我們將深入探討在快速發展的“大語言模型”領域中，哪些公司持有這些專利組合。通過這一分析，我們將揭示那些正在塑造生成式人工智能未來的公司和機構，以及在這場激烈的競爭中，誰正在引領潮流。主要參與者學術界與產業界貢獻之間的平衡為我們提供了一個技術領域成熟度的重要視角。通過將這些比例與既定標準進行對比，我們能夠識別或確認某個行業的發展階段。通常，新興行業的學術申請比例會高于平均水平，反映出由大學和研究機構主導的探索階段。相對而言，成熟行業——或處于Gartner“炒作周期”中所說的“生產力成熟期”階段的行業——其學術申請比例會趨向行業整體標準，標志著產業化和商業化的推進。在信息技術（IT）這一廣泛領域，全球專利申請的標準比例大致為學術機構21%、產業實體75%。21792179產業界 學術界圖9-產業界與學術界大語言模型份額令人驚訝的是，盡管大語言模型技術剛剛在Gartner技術成熟度曲線中顯現，但其相關比例已與全球IT展階段，其創新主要由產業界推動。這反映出產業利益相關者對大語言模型變革潛力及其長期商業可行性的信心不斷增強。在大語言模型創新的最前沿，谷歌處于領先地位，其后是中國的互聯網巨頭百度和騰訊。這些公司在推動大語言模型功能發展并確保該領域知識產權方面取得了顯著成就。其他美國公司，包括微軟（MICROSOFT）和國際商業機器公司（IBM），也是主要貢獻者之一。圖10-行業領先企業谷歌百度 24騰訊 11微軟

126

175

216

283278266IBM平安科技

8 39 691 22 1 5723424 37高通 27 35中國電信

11 6 1 23 2718 260 50 100 150 200 300國際專利族 全部專利族在學術界，研究工作主要集中在中國，頂尖機構如中國科學院、清華大學和浙江大學在其中發揮著舉足輕重的作用。值得注意的是，盡管這些大學和研究機構正在申請大量專利，但它們并未尋求將發明的保護擴展至國際（目前國際專利族數量非常少）。清華大學浙江大學北京郵電大學中國科學技術大學北京工業大學國際專利族

0

100 全部專利族

17811781178686 421 3628261 251 242323

圖11-頂尖學術機構大型語言模型（LLM）正通過成為內容創作和生產力提升的關鍵推動力，引領各行業的革命性變革。其與產品、服務和流程的深度融合預計將帶來重大轉型，為創新和效率提升開辟新的可能性。彭博社最近的一項研究預測，生成式人工智能市場——大語言模型是其核心——將迎來前所未有的增長。該市場在2022年的估值僅為400億美元，預計到2032年將飆升至驚人的1.3萬億美元8。這一爆發性增長凸顯了大語言模型在顛覆傳統工作流程和創造全新市場機遇方面的巨大潛力。我們的分析確定了10個主要應用領域，這些領域集中了大量的研發活動，并鎖定了針對這些市場的主要工業專利持有者（一個專利族可以歸類于多個應用領域）。這為我們提供了競爭格局和市場參與者瞄準的主要應用領域的概覽：這些信息揭示了戰略市場以及瞄準這些應用的制造商。8https:///company/press/generative-ai-to-become-a-1-3-trillion-market-by-2032-research-finds/450040003500300025002000150010005000

4266 34934929622220316241235100884338專利族數量圖12-按應用類型劃分的大語言模型專利族數量以下是一個詳細清單，列出了主要應用領域，并附有簡要描述，以及根據專利組合規模對主要知識產權持有者進行的排名。內容生成描述：大語言模型開發中的領先應用領域，通過生成高質量、連貫的文本、圖像和多媒體內容，徹底革新了自動寫作、媒體內容創作和設計工具。主要知識產權持有者：百度、騰訊、谷歌、微軟、阿里巴巴。聊天機器人與虛擬助手描述：這些工具正在改變客戶服務和用戶互動，提供能夠處理復雜查詢并提供個性化支持的對話式人工智能。主要知識產權持有者：百度、谷歌、微軟、騰訊、阿里巴巴。醫療保健與醫學研究描述：通過先進的分析和預測建模技術，在診斷、藥物發現、個性化醫療和患者護理領域實現突破。主要知識產權持有者：騰訊、谷歌、百度、阿里巴巴、微軟、支付寶、中國平安人壽保險、華為、三星。法律應用描述：自動化合同分析、法律研究、合規監控和風險評估等耗時任務。主要知識產權持有者：百度、騰訊、阿里巴巴。情感分析描述：了解客戶情緒與偏好至關重要，有助于企業優化營銷策略并提升客戶體驗。主要知識產權持有者：百度、谷歌、微軟、騰訊。教育與培訓描述：通過個性化教育工具、互動課程以及基于人工智能的定制培訓計劃，變革學習方式，滿足個性化需求。主要知識產權持有者：阿里巴巴、騰訊、微軟、谷歌、百度。金融領域描述：提升銀行和保險公司在金融預測、欺詐檢測、算法交易及客戶支持等領域的能力。主要知識產權持有者：百度、騰訊、谷歌、阿里巴巴。代碼生成描述：利用人工智能工具輔助生成、調試和優化代碼，從而簡化軟件開發流程。主要知識產權持有者：谷歌、微軟、阿里巴巴、百度、騰訊。網絡安全描述：防御能力。主要知識產權持有者：百度、微軟、騰訊、阿里巴巴。搜索引擎描述：確性和用戶體驗。主要知識產權持有者：微軟、谷歌、百度、騰訊、IBM。翻譯描述：礙。主要知識產權持有者：谷歌、阿里巴巴、微軟、百度、騰訊。本分析表明，谷歌、百度、微軟和騰訊等主要企業正在積極保護并推動其產品發展，凸顯了這項仍被視為新興技術的市場成熟度。這些公司在所有列出的應用領域中均處于專利申請的領先地位，展現了其全面的戰略布局和對大語言模型全方位應用的堅定投入。值得注意的是，一些專業公司尚未在該領域嶄露頭角，例如：OPENAI（Whisper、ChatGPT、GitHubCopilot）、STABILITYAI（StableDiffusion）、ADOBE（AdobeFirefly）和MIDJOURNEY等。部分知名產品：軟件開發輔助工具：PaddlePaddle與Miaoda（百度）、Codey（谷歌）、CodeWhisperer（亞馬遜）圖像生成工具：DALL·E3（OPENAI）、ERNIE-ViLG與I-RAG（百度）、Imagen（谷歌）語音識別與處理工具：Chirp（谷歌）、Speech-to-Text（百度）、Transcribe（亞馬遜）、MicrosoftAzureSpeechService（Azure語音服務）結論知識產權主要集中在百度、騰訊、谷歌、微軟和阿里巴巴等少數主導企業手中，這表明創新格局雖然競爭激烈，但已趨于整合。從應用分析中可以看出以下趨勢：中美企業領跑全球：百度、騰訊、谷歌、微軟、亞馬遜和阿里巴巴等公司在多個應用領域中占據主導地位，彰顯了其全球影響力。醫療保健成為增長熱點：科技巨頭在醫療保健領域的廣泛參與，凸顯了這一領域作為大語言模型應用的高增長潛力。從診斷到藥物發現，醫療保健有望成為大語言模型最具影響力的應用領域之一。大語言模型技術的快速普及反映了其與市場需求的契合度。隨著計算效率和數據質量的持續提升，大語言模型將進一步滲透更多行業，推動創新并重塑現有工作流程。附錄附錄A：Gartner技術成熟度曲線Gartner將技術生命周期分為以下幾個階段：創新觸發階段：一項潛在的技術突破拉開序幕。早期的概念驗證和媒體報道引發廣泛關注，但通常尚無可用產品，商業可行性也未得到驗證。期望膨脹期：早期宣傳帶來了一些成功案例，但也伴隨著大量失敗。部分企業開始行動，但更多企業仍持觀望態度。幻滅低谷期：隨著實驗和落地未能達到預期，興趣逐漸消退。技術供應商面臨洗牌或淘汰，只有那些能夠改進產品以滿足早期采用者需求的供應商才能繼續獲得投資。復蘇期：技術如何為企業帶來價值的案例逐漸清晰并得到更廣泛的理解。技術供應商推出第二代和第三代產品，更多企業開始試點項目，而保守企業仍保持謹慎。生產力成熟期：技術開始被主流市場廣泛采用。評估供應商可行性的標準更加明確，技術的廣泛市場適用性和價值得到充分驗證。附錄B：術語表專利族（Fampat）：定義為“基于發明的專利族”，Questel的定義結合了歐洲專利局（EPO）的嚴格專利族規則（即相同優先權申請）以及附加規則（如超出12個月申請期限的申請，EP和PCT出版物之間的聯系等）。這是嚴格專利族和擴展專利族之間的合理折衷。國際專利族（IPF）：為了消除政府激勵帶來的統計偏差，并突出具有潛在全球價值的創新，通常關注那些擴展至原始申請機構之外的專利族（即至少有一項專利在優先權所在國以外申請的專利族）。通過將專利擴展至多個國家，企業展示了對這些技術的堅定投入，表明其發明具有全球潛力和市場價值。這一國際范圍有助于篩選出影響較小或局限于特定地區的創新，保留那些具備重大投資和長期潛力的創新。專利申請：為獲得專利，需向相關專利局提交申請，并提供所有必要文件和費用。專利局將對申請進行審查，決定是否授權或駁回。專利申請通常會在最早優先權日后的18個月內公開，在此之前，申請內容保密。授權專利：經專利局審查通過后，申請將被授權為專利或被駁回。若獲授權，專利權人將獲得一定期限（通常為20年）的獨占權，防止他人未經授權使用專利技術。專利授權程序因各國法律和國際協議的不同而有所差異。需要注意的是，同一專利族中的申請可能在一個國家/地區獲得授權，而在另一個國家/地區被駁回。PCT（WO）：《專利合作條約》（PCT）是1970年締結的國際專利法條約，由世界知識產權組織（WIPO）管理，涵蓋超過140個《巴黎公約》成員國。PCT允許申請人通過提交一份“國際”專利申請，在多個國家同時為一項發明尋求專利保護，而無需分別提交多個國家或地區的申請。專利授權仍由各國或地區專利局控制，這一階段稱為“國家階段”。歐洲專利（EP）：通過在歐洲專利局提交一份申請（可使用英語、法語或德語中的任意一種），即可在所有EPC成員國獲得歐洲專利。歐洲專利局授予的歐洲專利具有與國家專利相同的法律效力，并受相同條件約束。授權后的歐洲專利是成員國國家專利的“集合”，需在各成員國專利局完成驗證后方可生效。驗證過程可能包括提交說明書譯文、支付費用及辦理其他手續。授權后，管理權限將轉移至成員國專利局。其他區域性專利或程序還包括歐亞專利（EA）、ARIPO專利（AP）和OAPI專利（OA）。專利分類：專利分類是一種系統，供專利局審查員或其他人員根據文件（公開的專利申請）的技術特征進行編碼。國際專利分類（IPC）是國際通用的分類體系。歐洲專利局（EPO）和美國專利商標局（USPTO）聯合推出了合作專利分類（CPC），旨在統一兩機構的專利分類體系。專利申請人/權利人：在專利申請過程中，“申請人”通常指權利人，即發明人需將發明轉讓給其，或對該發明具有足夠所有權利益的人。也稱為專利所有人或專利受讓人，通常是發明人的雇主。優先權申請：指某項發明首次提交專利申請的地點，也稱為首次申請局。專利引用：在專利審查或申請過程中，審查員和/或申請人會參考已公開的相關專利或專利申請。通過逆向分析這一過程，可以評估單個專利族在其公開期間獲得的下游引用次數。引用次數較多的專利通常被認為在其領域更具影響力，但需注意數據異常（如引用偏差）的影響。高前向引用：指受讓人專利組合中，前向引用次數超過平均值加3個標準差的專利族數量（標準差來源于所有專利族的前向引用次數）。專利族平均規模：指受讓人專利組合中，每個專利族中已授權或待授權專利的平均數量。地理覆蓋范圍：指一級國家和金磚國家（包括中國臺灣、澳大利亞、韓國、中國、印度、巴西、法國、德國、日本、美國）中已授權或待授權專利的總數。CAGR（復合年增長率）：最初用于計算投資回報率，表示研究期間兩個時間點之間的年平均增長率。附錄C：應用說明大語言模型的主要應用領域包括：內容生成：大語言模型能夠生成文章、產品描述、營銷材料等多種類型的內容。翻譯與本地化：大語言模型提供強大且精準的翻譯功能，支持實時翻譯口語或書面內容。聊天機器人和虛擬助手：大語言模型能夠理解復雜問題，并基于龐大的知識庫提供準確的回答。搜索引擎增強：大語言模型通過處理自然語言查詢并提供更直接、類似人類的答案，提升搜索引擎性能。代碼生成：大語言模型能夠根據自然語言描述理解并生成代碼片段。醫療健康與醫學研究：大語言模型可用于病歷分析、診斷預測、藥物研發以及個性化治療建議等任務。金融分析：大語言模型能夠總結收益電話會議內容、生成文字記錄，并輔助進行欺詐檢測與分析。法律應用：大語言模型可用于法律文本的改寫、記錄及搜索海量文本數據集。教育