論文の概要: AI Patents in the United States and China: Measurement, Organization, and Knowledge Flows
- arxiv url: http://arxiv.org/abs/2604.10529v1
- Date: Sun, 12 Apr 2026 08:46:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-14 20:13:16.077152
- Title: AI Patents in the United States and China: Measurement, Organization, and Knowledge Flows
- Title（参考訳）: 米国と中国のAI特許:計測,組織,知識フロー
- Authors: Hanming Fang, Xian Gu, Hanyin Yan, Wu Zhu,
- Abstract要約: 本稿では,人工知能(AI)特許を手動でラベル付けしたデータに基づいて微調整し,高精度な分類器を開発する。
我々は、両国におけるAI特許の急速な成長と、AI特許の強度とサブフィールド構成の広範な収束について文書化している。
上場企業にとって、AI特許は両国で堅牢な市場価値プレミアムを担っている。
- 参考スコア（独自算出の注目度）: 0.3249879651054463
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We develop a high-precision classifier to measure artificial intelligence (AI) patents by fine-tuning PatentSBERTa on manually labeled data from the USPTO's AI Patent Dataset. Our classifier substantially improves the existing USPTO approach, achieving 97.0% precision, 91.3% recall, and a 94.0% F1 score, and it generalizes well to Chinese patents based on citation and lexical validation. Applying it to granted U.S. patents (1976-2023) and Chinese patents (2010-2023), we document rapid growth in AI patenting in both countries and broad convergence in AI patenting intensity and subfield composition, even as China surpasses the United States in recent annual patent counts. The organization of AI innovation nevertheless differs sharply: U.S. AI patenting is concentrated among large private incumbents and established hubs, whereas Chinese AI patenting is more geographically diffuse and institutionally diverse, with larger roles for universities and state-owned enterprises. For listed firms, AI patents command a robust market-value premium in both countries. Cross-border citations show continued technological interdependence rather than decoupling, with Chinese AI inventors relying more heavily on U.S. frontier knowledge than vice versa.
- Abstract（参考訳）: 我々は,USPTOのAI特許データセットから手動でラベル付けされたデータに基づいて,PatentSBERTaを微調整することで,人工知能(AI)特許を測定する高精度な分類器を開発した。
我々の分類器は既存のUSPTOアプローチを大幅に改善し、97.0%の精度、91.3%のリコール、94.0%のF1スコアを達成した。
アメリカの特許(1976-2023)と中国の特許(2010-2023)にこれを適用することで、中国が最近の年次特許数で米国を抜いたとしても、両国におけるAI特許の急速な成長と、AI特許の強度とサブフィールド構成の広範な収束を文書化する。
一方、中国のAI特許は地理的に拡散し、制度的に多様であり、大学や国有企業ではより大きな役割を担っている。
上場企業にとって、AI特許は両国で堅牢な市場価値プレミアムを担っている。
国境を越えた引用は、切り離しよりも技術的相互依存が続いており、中国のAI発明者は、その逆よりもアメリカのフロンティア知識に強く依存している。
関連論文リスト
- Owning the Intelligence: Global AI Patents Landscape and Europe's Quest for Technological Sovereignty [0.13390068757738613]
中国は特許のボリュームをリードし、アメリカは引用の影響と技術の影響を独占している。
ヨーロッパはAI特許のごく一部を占めるが、比較的高い特許品質の兆候を示している。
EU加盟国は欧州内の知識拡散を著しく促進していない。
論文 参考訳（メタデータ） (2025-12-22T16:52:36Z) - Advancing AI Challenges for the United States Department of the Air Force [91.02589169578908]
DAF-MIT AI Acceleratorは、アメリカ空軍(DAF)とマサチューセッツ工科大学(MIT)の協力である。
この記事では、AI Acceleratorの課題を紹介した前回の論文を補完する。
私たちは、AI技術のAI研究と応用に、進行中の新たな課題がいかに貢献したか、最新の情報を提供しています。
論文 参考訳（メタデータ） (2025-10-31T21:34:57Z) - Towards Automated Quality Assurance of Patent Specifications: A Multi-Dimensional LLM Framework [0.5534764384104999]
AI草案作成ツールは特許作成において注目されているが、AIが生成する特許内容の品質の体系的評価は、重要な研究ギャップを示している。
本稿では,規制コンプライアンス,技術的コヒーレンス,図形参照整合性検出モジュールを用いた特許評価を提案する。
このフレームワークは、2つの特許草案作成ツールから80人の人間が認可し、80人のAIが生成する特許からなる包括的なデータセットで検証されている。
論文 参考訳（メタデータ） (2025-10-29T11:20:18Z) - PANORAMA: A Dataset and Benchmarks Capturing Decision Trails and Rationales in Patent Examination [44.74519851862391]
PANORAMAは米国特許試験記録8,143件のデータセットである。
我々は,特許専門家の特許審査プロセスをエミュレートする逐次ベンチマークにパスを分解する。
我々は、LLMを含むNLPを特許領域で前進させるには、現実世界の特許審査をより深く理解する必要があると論じる。
論文 参考訳（メタデータ） (2025-10-25T03:24:13Z) - The California Report on Frontier AI Policy [110.35302787349856]
フロンティアAIの継続的な進歩は、科学的発見、経済生産性、より広範な社会福祉における大きな進歩の可能性を秘めている。
グローバルAIイノベーションの中心として、カリフォルニアには、フロンティアAIの開発を継続するユニークな機会がある。
報告書は、カリフォルニアがフロンティアAIの使用、評価、ガバナンスにどのようにアプローチするかを知らせる政策原則を導出する。
論文 参考訳（メタデータ） (2025-06-17T23:33:21Z) - PatentEdits: Framing Patent Novelty as Textual Entailment [62.8514393375952]
このデータセットには105万例の修正が成功している。
我々は、文章を文単位でラベル付けするアルゴリズムを設計し、これらの編集がいかに大きな言語モデルで予測できるかを確立する。
引用引用文と起草文の文的含意を評価することは,どの発明的主張が変化しないか,あるいは先行技術に関して新規かを予測するのに特に有効であることを示す。
論文 参考訳（メタデータ） (2024-11-20T17:23:40Z) - A Survey on Patent Analysis: From NLP to Multimodal AI [14.090575139188422]
この学際的な調査は、NLP、マルチモーダルAI、特許分析の交差点で働く研究者や実践者のための総合的なリソースとして機能することを目的としている。
論文 参考訳（メタデータ） (2024-04-02T20:44:06Z) - Unveiling Black-boxes: Explainable Deep Learning Models for Patent
Classification [48.5140223214582]
深部不透明ニューラルネットワーク(DNN)を利用した多ラベル特許分類のための最先端手法
レイヤワイド関連伝搬(Layer-wise Relevance propagation, LRP)を導入し, 特許の詳細な分類手法を提案する。
関連性スコアを考慮し、予測された特許クラスに関連する単語を視覚化して説明を生成する。
論文 参考訳（メタデータ） (2023-10-31T14:11:37Z) - Adaptive Taxonomy Learning and Historical Patterns Modelling for Patent Classification [26.85734804493925]
本稿では,特許分類に関する特許に関する情報を包括的に検討する統合フレームワークを提案する。
まず,その意味表現を導出するためのICC符号相関学習モジュールを提案する。
最後に、IPC符号のセマンティクスを含む特許文書の文脈情報と、予測を行うために利用者のシーケンシャルな選好を割り当てる。
論文 参考訳（メタデータ） (2023-08-10T07:02:24Z) - Multi label classification of Artificial Intelligence related patents
using Modified D2SBERT and Sentence Attention mechanism [0.0]
本稿では,自然言語処理技術とディープラーニング手法を用いて,USPTOが発行する人工知能関連特許を分類する手法を提案する。
実験結果は,他の深層学習法と比較して高い性能を示した。
論文 参考訳（メタデータ） (2023-03-03T12:27:24Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。