湖北省人工智能产业

专利导航报告

国家知识产权局专利局专利审查协作湖北中心

2025年12月

湖北省人工智能产业专利导航组成员

摘 要

当前全球和中国的人工智能产业均处于高速发展期，人工智能作为新一轮科技与产业变革的重要力量，日趋成为各国竞争力角逐的主赛道。根据WIPO相关的报告显示，当前全球人工智能发展总格局是由中美两国引领、多国呈梯次分布的格局。未来大模型爆发引发的创新热浪将继续涌动，无论推动大模型从单模态到多模态，还是倡导高质量数据和新的计算范式，都离不开人工智能技术上中下游的技术变革和相互配合。根据产业情况，人工智能技术可分为上游基础层：数据处理和人工智能芯片，中游技术层：大模型、机器学习、自然语言处理、机器视觉、智能语音等，下游应用层：机器人、智能交通、自动驾驶、智慧医疗等。

本课题梳理人工智能产业关键技术全球、国内产业及政策，了解人工智能产业关键技术发展现状，聚焦人工智能产业关键技术及产业核心技术，从上中下游剖析了全球人工智能技术布局和创新方向；分析中国目前在上游AI芯片、中游大模型技术和下游应用的产业定位、技术壁垒以及知识产权风险；厘清产业链、技术链、创新链、价值链现状，找准产业集群的优化方向，描摹发展及创新资源优化布局路线，明晰湖北省未来的重点技术发展方向和创新发展方向，助力人工智能产业快速发展。

关键词：人工智能 专利分析 产业定位 知识产权；

目录

第1章人工智能产业概述

1.1人工智能技术简介

1.1.1人工智能的基本概念

人工智能（Artificial Intelligence），英文缩写为 AI，主要是指在各类机器载体（手机、电脑、交通工具、机器人、机械设备等）上模拟并拥有类似生物/超越生物的智能（感知、学习、推理、交流等）。它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等，涵盖计算机，心理学和哲学等领域，是涉及面十分广泛的科学。人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作，但不同的时代、不同的人对这种复杂工作的理解是不同的，因此对于人工智能的定义，学术界存在多种观点。

尽管如此，各路专家对于人工智能的定义其实一直在不断的改变。

人工智能最早是由麻省理工学院的 John McCarthy 在 1956 年达特茅斯会议上提出的，McCarthy 将其定义为：人工智能就是让机器的行为看起来像是人所表现出的智能行为一样(McCarthy 1956)。图灵奖得主 Edward Feigenbaum 把人工智能定义为：人工智能属于计算机科学的一个分支，旨在设计智能的计算机系统，即对照人类在自然语言理解、学习、推理、问题求解等方面的智能行为，人工智能所设计的系统应呈现出与人类行为类似的特征(Feigenbaum et al. 1981)。

我国学者在人工智能的定义上也是各引一端。中国科学院院士、清华大学人工智能研究院院长张钹认为人工智能是利用机器去模仿人的智能行为，这些智能行为包括推理、决策、规划、感知和运动。中国科学院院士、中科院自动化所研究员谭铁牛认为人工智能是一门以探寻智能本质、研制具 有类人智能的智能机器为目的，以模拟、延伸和扩展人类智能的理论、方法、技术及应用系统为内容，以会看、会说、会行动、会思考、会学习为表现形式的学科(谭铁牛 2018)。

国家工业信息安全发展研究中心在 2019 年 12 月的《人工智能中国专利技术分析报告》中指出，人工智能（Artificial Intelligence, 人工智能）又称机器智能，是指由人制造出来的机器所表现出来的智能，即通过普通计算机来模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等），使计算机能实现更高层次的应用。

总体而言，人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。传统的人工智能发展思路是研究人类如何产生智能，然后让机器学习人的思考方式去行为。而现代人工智能概念则认为机器不一定需要像人一样思考才能获得智能，重点是让机器能够解决人脑所能解决的问题。人工智能的核心问题包括建构能够跟人类似甚至超越的推理、知识、规划、学习、交流、感知、移动和操作物体的能力等。经过 60 多年的发展，人工智能已经取得了长足地发展，在很多学科领域都得到了广泛应用，并被认为是二十一世纪三大尖端技术（基因工程、纳米科学、人工智能）之一，成为驱动新一轮科技革命和产业变革的重要力量。

1.1.2人工智能的发展历程

1956 年，麻省理工学院(MIT)的麦卡锡(J.McCarthy)、明斯基(M.Minshy)、赛尔夫里奇 (O.Selfridge)与索罗门夫 (R.Solomonoff)， IBM的罗切斯特(N.Lochester)、莫尔(T.More)与塞缪尔(A.Samuel)，贝尔实验室的香农(C.Shannon)，卡内基-梅隆大学(CMU)的纽厄尔(A.Newell)与西蒙(H.Simon)10 人在美国达特茅斯学院举办的夏季学术研讨会上，统一使用了人工智能(Artificial Intelligence)这一术语，用它来代表有关机器智能这一研究方向，这标志了人工智能学科的正式诞生。业内也一般都认为1956 年是人工智能元年。

1956—1969 年，塞缪尔研制了能自学的跳棋程序，1959 年，它击败了塞缪尔本人；1969 年，又击败了一个州的冠军。

1956—1965 年，纽厄尔和西蒙研制的逻辑理论家的程序，证明了数学原理中的 38 个定理；

1958 年，美籍华人数理学家王浩在计算机上仅用 5 分钟就证明了数学原理中的有关命题演算的全部 220 条定理；

1960 年，纽厄尔和西蒙在心理学实验的基础上研制成了一种不依赖具体领域的通用问题求解程序 GPS(General Problem Solver)，可以求解 11 种不同类型的问题；

1965 年鲁滨逊(J.Robinson)提出了消解原理，为定理的机器证明做出了突破性贡献。

1956—1968 年，斯坦福大学的费根鲍姆(G.Feigenbaum)教授首先开展了专家系统的研究，他们研究成功的 DENDRAL 专家系统能根据质谱仪的实验，通过分析推理决定化合物的分析结构，其能力相当于化学专家的水平。

1969 年，国际人工智能联合会议(International Conferences on Artificial Intelligence)成立，它标志着人工智能这门新兴学科得到了世界范围的公认。

在过去的六十多年里，人工智能发展跌宕起伏，经历了三次大的浪潮（参见图 1-1），当前全球人工智能正处于第三次发展浪潮之中。

图 1-1人工智能发展历程

第一次浪潮（20 世纪 50～70 年代）：人工智能的起步阶段，期间提出了人工智能的概念，取得了一些突破性的研究成果，如机器定理证明、跳棋程序、LISP 编程语言、首个聊天机器人等。20 世纪 70 年代，人工智能进入发展期，许多国家都相继开展了这门新兴学科的研究工作。20 世纪 60 年代一连串的胜利，使人工智能的学者们兴高采烈，也使公众对人工智能提出了更高的期望，但是事情发展远非如此。塞缪尔的下棋程序当了州级冠军之后，与世界冠军对弈时就从没有赢过。最后希望出实质性成果的自然语言翻译也问题不断，人们原以为只要用一部双向字典和一些语法知识就可能解决自然语言的互译问题，结果发现机器翻译闹出了不少笑话。以至于有人挖苦说，美国花了 2000 万美元为机器翻译建立了一块墓碑。被公认为有重大突破的消解法，也因其局限性不能适应现实世界诸多问题，在神经网络、机器学习研究方面也遇到了种种困难。舆论的谴责，经费的缺乏，使人工智能研究一时陷入了困境。

第二次浪潮（20 世纪 80～90 年代）：人工智能的科学家们开始对过去的战略思想和主要技术进行总结和反思，费根鲍姆关于以知识为中心开展人工智能研究的观点为大多数人所接受，研究人员基本达成了共识，即人工智能系统是一个知识处理系统。而知识表示、知识利用和知识获取则是人工智能系统的 3 个基本问题。从此，人工智能研究又迎来了一个以知识为中心的蓬勃发展新时期。

随着 DENDRAL 专家系统的成功，一大批专家系统从各个领域各个方面涌现出来，从医学、数学、生物工程到地质探矿、气象预报、地震分析、过程控制、系统设计、工程测试与分析及情报处理、法律咨询和军事决策，一个个成功的系统都带来了巨大的经济效益和社会效益，令世人刮目相看。

同时，由于对知识的表示、利用、获取方面的研究取得较大进展，特别是对不确定性知识的表示与推理取得了突破，建立了诸如主管 Bayes 理论、确定性理论、证据理论、可能性理论等一系列新理论，这为模式识别、自然语言理解等其他领域的发展奠定了基础，解决了许多理论和技术上的问题。人工智能又向人们展示了广阔的应用前景，人们对人工智能的兴趣开始与日俱增。此时，人工智能研究经费充足，经营人工智能产品的公司纷纷成立，人工智能的研究队伍也迅速扩大。例如，1987 年在意大利召开的第十届国际人工智能会议，与会人数竟超过了 5000 人，在一片乐观情绪的影响下，欧洲、美国、日本等国家和地区都先后制定了一批有关人工智能的大型项目，都争相在人工智能方面取得更为突破性的进展。其中，美国的 ALV(Automontous Land Vehicle)和日本的第五代计算机就是其中最典型的代表。但是好景不长，这些计划到 20 世纪 80 年代中期，大多遇到了技术困难，而这些技术问题的难度之大是当时人工智能技术所不能解决的。正如张钹院士在《近十年人工智能的进展》一文中指出的那样，有两个根本性的问题，一个是所谓的交互(Interaction)问题，即传统方法只能模拟人类深思熟虑的行为，而不包括人与环境的交互行为。美国的 ALV 计划试图建造一种能在越野环境下自主行驶的车辆，这种车辆必须具备与环境交互的能力，以适应环境的不确定性和动态变化。根据传统人工智能的方法建立的系统，基本上不具备这种能力，这就是 ALV计划遇阻的根本原因。另一个是所谓扩展(Scaling up)问题，即传统人工智能方法只能适合于建立领域狭窄的专家系统，不能把这种方法简单地推广到规模更大、领域更宽的复杂系统中去。日本第五代计算机计划的中止原因也在于此。由于这两个基本问题的存在，使人工智能研究又进入了低谷，人工智能又一次陷入了信任危机。

20 世纪 80 年代中期到 90 年代初，麻省理工学院的布鲁克斯(R.A.Brooks)以其进化理论提出了没有表达的智能和没有推理的智能，从而成为行为主义学派的代表。他们认为智能取决于感知和行动，他们研制成功的机器虫应付复杂环境的能力超过了当时的许多机器人，成为解决所谓交互问题的重要希望。

而反馈机制的引进和神经网络的重新崛起，也为解决交互问题提供了重要方法。20 世纪 90 年代，人工智能学者提出的综合集成(Meta-synthesis)和智能体(Agent)概念为解决所谓扩展问题开辟了新的道路。以钱学森、戴汝为院士为代表的中国学者，从社会经济学系统、人体系统等复杂系统中提炼出开放复杂巨型智能系统(Open Complex Giant Systems，OCGS)的概念，并提出从定性到定量的综合集成方法，引起了国际学者的广泛关注，中国科学家正在为人工智能的发展做出应有的贡献。

这阶段专家系统促使人工智能从理论研究走向实际应用，并在医疗、气象、地质等领域取得成功。但随着人工智能应用范围的扩大，专家系统的缺点也逐渐显现：应用领域狭窄、推理方法单一、缺乏常识性知识等，人工智能的发展又进入了停滞状态。在这阶段出现了神经网络算法，但是由于当时计算机的性能限制，最终也没有较好的落地效果。

第三次浪潮（2000 年～现在）：随着信息技术蓬勃发展，为人工智能的发展提供了基础条件。这阶段人工智能的理论算法也在不断的沉淀，以统计机器学习为代表的算法，在互联网、工业等诸多领域取得了较好的应用效果。2006 年，多伦多大学 Hinton教授提出了深度学习的概念，对多层神经网络模型的一些问题给出了解决方案。标志性事件是在2012 年，Hinton 课题组参加ImageNet 图像识别大赛，以大幅领先对手的成绩取得了冠军，使深度学习引起了学术界和工业界的轰动。人类和机器之间的另一场比赛于 2016 年掀起了轩然大波：谷歌的 AlphaGo 击败了围棋世界冠军李世石。在 2017 年 12 月，Vaswani 及其同事发布了名为《Attention is all you need》的基础论文[13]，介绍了使用自注意力（self-attention） 概念来处理顺序输入数据的 Transformer 架构。这使得 long-range dependencies 的处理更加高效。自从 Transformer 架构问世以来，其已成为 LLM 开发的关键组件，并在 NLP 领域，如机器翻译、语言建模和问题回答等方面取得了突破性的进展。在人工智能大模型技术的推动下，智能计算迈向新的高度。2020年，AI从小模型+判别式转向大模型+生成式，从传统的人脸识别、目标检测、文本分类，升级到如今的文本生成、3D数字人生成、图像生成、语音生成、视频生成。OpenAI 在 2022 年 11 月发布了 ChatGPT。该工具被认为代表自然语言处理领域的顶级成就，它采用预训练基座大语言模型GPT-3，引入3000亿单词的训练语料，相当于互联网上所有英语文字的总和。其基本原理是：通过给它一个输入，让它预测下一个单词来训练模型，通过大量训练提升预测精确度，最终达到向它询问一个问题，大模型产生一个答案，与人即时对话。在基座大模型的基础上，再给它一些提示词进行有监督的指令微调，通过人类的对话逐渐让模型学会如何与人进行多轮对话；最后，通过人为设计和自动生成的奖励函数来进行强化学习迭代，逐步实现大模型与人类价值观的对齐。

近几年，人工智能算法，在图像分类和识别、语音识别、自然语言处理等领域取得了巨大的进步。究其原因，一方面计算机的性能得到了极大的提升，新型人工智能芯片、云计算技术都为大规模神经网络计算提供了基础平台；另一方面是互联网、大数据技术的发展，积累了大量的数据资源。算法、算力和数据三者的结合，直接促成了这次浪潮，将人工智能再次推向繁荣期。

1.2人工智能产业发展概述

1.2.1全球人工智能发展概述

1.2.1.1全球人工智能政策

随着人工智能技术的迅猛发展，各国及国际组织陆续出台一系列政策，以引导技术方向、规范行业应用，并在知识产权领域逐步建立适应人工智能特点的审查机制。本小节将从人工智能宏观政策与人工智能专利审查政策两个维度，系统梳理美国、欧盟、日本、韩国及主要国际组织的政策动向。

人工智能宏观政策：

（1）美国：美国是推进人工智能技术发展的核心国家。美国政策出发点在于保持技术上的领先地位，鼓励利用人工智能创新，同时兼顾人工智能应用的安全风险防控，倡导安全、可靠和可信地开发人工智能。早在奥巴马时期，美国就提出将人工智能用于解决广泛性社会问题，启动了对人工智能领域的系统性布局。2016年10月，美国发布《国家人工智能研发战略规划》，促进人工智能研发和应用。2019年12月，特朗普政府签署《维持美国在人工智能领域的领导地位》行政命令，强调美国在人工智能领域的领导作用。2020年以来，美国政府在促进技术领先的同时，加强对人工智能的监督管理。先后发布《2020年国家人工智能倡议法案》《人工智能权利法案蓝图：让自动化系统为美国人民服务》《关于安全、可靠和可信赖人工智能》等重要政策性文件，确保安全、可靠和可信地开发和使用人工智能。2025年，美国进一步推出《赢得竞赛：美国人工智能行动计划》、《无对抗人工智能法案》。其核心目标是放松监管、加速AI应用、强化全球领导地位。关键措施包括：简化环保法规以推进数据中心建设；将联邦资金与各州监管宽松度挂钩；限制AI技术出口；振兴本土半导体制造业；对抗中国影响力：在国际治理机构（如联合国、G7）中倡导基于美国价值观的AI治理框架；美国政府机构将被禁止采购或使用由敌对实体开发的人工智能产品，包括像DeepSeek这样的中国公司所开发的产品。

（2）欧盟：欧洲将以人为本作为首要原则，更为重视人工智能的安全性，在人工智能治理方面保持领先地位。2016 年4 月，欧盟通过《通用数据保护条例》，着重强调了数据质量与隐私保护的重要性。2018年3月，欧洲政治战略中心发布《人工智能时代：确立以人为本的欧洲战略》报告，分析世界范围内人工智能发展现状、风险挑战，并提出欧洲应对举措。2018 年12 月，欧盟委员会出台《人工智能协调计划》，强调各成员国、各领域协同发展和有效合作。2020年以来，欧洲持续注重科技伦理、隐私保护和法律框架构建，通过发布《人工智能白皮书：欧洲追求卓越和信任的路径》、全球首部《人工智能法案》，明确人工智能治理的路径、规则和标准，为全球人工智能治理提供可借鉴范本。2025年，《欧盟人工智能法案》（EU AI Act）迎来新进展，核心特点是对通用人工智能（GPAI）模型实施严格监管。关键措施包括：自2025年8月起对GPAI模型引入新义务，如发布详细文档、采用版权政策、提供训练数据摘要、进行对抗测试等；不合规行为将面临高额罚款。

（3）日本：日本2016年1月通过第五期《科学技术基本规划（2016-2020）》，提出社会5.0构想，认为社会发展的第五阶段是基于人工智能技术的超智能社会。2017年3月，日本人工智能技术战略会议发布了《人工智能技术战略》，后续由发布《人工智能战略2019》《人工智能战略2022》，希望打破单个领域的界限，让人工智能和数据得以广泛应用。2025年，日本拟定AI基本计划草案，核心目标是减少对外依赖、发展国产AI、应对安全风险。关键措施包括：政府机构和地方政府率先应用AI；将高质量数据定位为优势领域；开发融合日本文化和习俗的国产AI；促进高质量日语数据库建设。

（4）韩国：韩国2016年发布《为智能信息社会做准备的中长期总体规划：为第四次工业革命做准备》报告，提出建设智能信息化社会。2018年5月，进一步通过《实现I-Korea 4.0的人工智能研发战略》，从人才、技术和基础设施三个角度促进人工智能创新。2019年12月，韩国发布《人工智能（AI）国家战略》， 2020年10月，发布《人工智能半导体产业发展战略》，全面推进韩国人工智能强国之路，并重点希望在人工智能半导体方面能抢占先机。2025年，韩国成立国家AI战略委员会，由总统李在明担任委员长，核心目标是协调和推进国家AI战略。政策设定三大支柱：培育国内AI创新生态系统、推动全国性AI转型、为全球AI社会作贡献，涵盖12个战略领域，包括构建AI高速公路、引领下一代AI技术、确保关键AI人才与模型、创新AI法规、推动产业与公共AI转型等。

（5）国际组织：联合国和世界知识产权组织（WIPO）等机构致力于加强全球治理与政策工具供给。例如，联合国发布《抓住安全、可靠和值得信赖的人工智能系统带来的机遇，促进可持续发展》及《人工智能伦理建议书》，推动形成国际共识。2025年，国际电信联盟（ITU）在《2025人工智能治理全球对话联合主席声明》中提出AI治理十大愿景，包括务实治理、包容协作、系统透明、弥合数字鸿沟、能力建设及可持续性等。

人工智能专利审查政策

（1）美国：美国2023年10月发布的《关于安全、可靠和可信赖地开发和使用人工智能》行政命令中，明确要求美国专利商标局澄清与人工智能和可专利主题的发明人有关的问题。在此命令的要求下，美国专利商标局多次对外发布关于人工智能领域的指南、组织意见征询，对人工智能相关专利问题进行指导和规范。包括：2024年2月，发布《人工智能辅助发明发明人身份指南》；2024年4月，发布《关于在实践中使用基于人工智能工具的指南》《人工智能激增对现有技术、本领域技术人员知识水平以及可专利性评估的影响》意见征询；2024年7月，发布《涉人工智能专利主题适格性指南》等。美国明确发明人资格与人工智能能否做出创造性贡献无关，提出只有自然人对发明做出重大贡献才能被列为发明人这一突破性政策。此规定在各国中尚属首次，突破了现有规则，这与美国人工智能技术优势有一定关联。2025年，USPTO发布新指南，明确软件相关发明（特别是AI和机器学习）的专利适格性，提供了判断权利要求是否过于抽象或属于实际应用的标准，强调区分思维过程与实际应用，要求考虑权利要求整体，并指出技术改进对专利适格性至关重要。

（2）欧盟：欧洲加强对知识产权政策框架的调查和研判。2020年11月，欧盟发布《人工智能趋势和发展-对知识产权框架的挑战》研究报告，明确了有关人工智能知识产权方面的重要观点；2024年3月，欧洲专利局2024版《欧洲专利局审查指南》正式实施，细化了人工智能专利审查相关标准。有关人工智能的知识产权政策，欧洲倾向于不做统一规定由各国可自行决定，未来各国有可能通过国内法来调整法律制度。欧洲各国也通过调查报告、司法审判向外界传达了各自对人工智能知识产权问题的意见倾向。欧洲专利局（EPO）在2025年4月版《审查指南》中澄清，AI和机器学习类发明若整体具有技术性（如采用计算机等技术手段），则不排除可专利性；计算模型和算法若对解决技术问题有贡献，则可体现技术性。

（3）日本：日本在近几年《知识产权推进计划》中，强调要研究人工智能技术进步背景下自然人的作用、专利审查中进步性的判断、发明专利性判断等热点问题。2024年，日本特许厅追加了人工智能相关技术的专利审查案例，发布《基于人工智能的创新受到专利法保护情况的调查报告》，体现了日本人工智能审查政策前瞻性。2025年，日本出台《知识产权推进计划》，提出利用AI技术和吸引海外顶尖人才以提升国际竞争力，目标在2035年前重返全球创新指数前四。该计划强调破解法律与伦理难题，推动AI驱动制度革新，建立开发者贡献度评估框架，明确权利归属规则，强化数据源合规监管，并要求企业公开AI训练数据来源，设立生成式AI数据使用的专项审查机制。

（4）韩国：韩国特许厅2021年1月发布《人工智能领域审查指南》，2022年1月发布《分技术领域审查实务指南》，对人工智能训练数据发明、人工智能建模发明、人工智能应用发明等专利申请的充分公开、创造性方面给出了更具体的规定。2024年4月，发布《关于人工智能发明人的公众调查结果》，就各方观点进行了展现。日韩虽未发布明显倾向性观点，但是开展了扎实的研究，不排除后续出台政策。2025年，韩国知识产权局（KIPO）修订AI专利审查标准，以适应AI技术新发展（如工业AI、设备端AI），并组建专家协商组，计划于2025年10月正式敲定修订版本。

（5）国际组织：世界知识产权组织（WIPO）对人工智能前沿问题高度关注，发布《生成式人工智能专利态势报告》等研究报告，并于2024年3月，发布《帮助创新生态系统做好准备迎接人工智能：知识产权政策工具包》，包给出了对问题的各种考量，对各国知识产权政策制定发挥指导和支撑作用。2025年，WIPO发布《绘制人工智能在传统医学中的应用：技术简介》，与ITU、WHO联合探讨利用AI保护文化遗产和数据主权，响应人工智能促进健康全球倡议。此外，洛迦诺联盟专家委员会第十七届会议提出399条工业品外观设计国际分类（洛迦诺分类）变更提案，旨在更新分类体系以适应新技术发展（包括AI相关设计）。

2025年全球AI政策呈现出安全优先、分类治理、协同创新的特征：美国通过出口管制巩固技术优势，欧盟以风险分级塑造全球治理标杆，中国强化全生命周期监管，日韩聚焦主权技术突围。专利审查政策普遍向高效化、数字化、技术导向倾斜，反映出各国争夺AI创新制高点的战略意图。未来，随着生成式AI、具身智能等技术的落地，伦理审查、数据跨境流动、国际标准互认将成为政策博弈的关键领域。

1.2.1.2全球人工智能投资情况

根据2025年最新数据，全球人工智能投资继续保持高速增长态势，各国竞相加大投入以争夺技术优势。以下是主要国家的AI投资情况：

表 1-12025年全球人工智能投资现状

全球AI投资高度集中于中美两国，美国在投资体量上占据绝对主导地位。美国凭借微软、亚马逊、谷歌和Meta等科技巨头持续的巨额投入，在生成式人工智能、半导体和国家安全基础设施等领域占据绝对主导地位。2025年，这些企业在AI技术及数据中心方面的投资预计将达3200亿美元。与此同时，像OpenAI这样的领先企业也获得了大规模融资。

中国作为全球第二大AI投资国，投资重点集中在自动驾驶、智能制造业与医疗AI等应用领域。欧洲国家（如英国、法国和德国）则更侧重于公共服务整合、人工智能安全与伦理框架建设，以及工业自动化等方向。

风险投资明显向AI领域倾斜，2025年第一季度，AI和机器学习领域投融资占全球风投总额的57.87%。然而，种子轮投资呈现下降趋势，资金进一步向行业巨头集中。

当前，全球人工智能竞争日趋激烈。美国在投资体量与创新生态方面依然优势显著，中国正积极加快追赶步伐，而欧洲及其他地区则基于自身优势选择了不同的发展路径。未来，AI领域的竞争将不仅限于资金投入，更关键在于技术落地能力、产业整合水平、人才培养机制与治理框架建设等综合实力的较量。

1.2.1.3全球人工智能竞争格局

从投资规模、智力基础设施、技术研发与创新、产业应用与市场四个关键维度，对比分析了美国、中国及其他主要国家在人工智能（AI）产业领域的竞争态势。

投资规模：美国：处于绝对领先地位。预计到2025年，其私人投资将超过1090亿美元，而涉及AI领域的总体投资规模更是高达4709亿美元，显示出强大的资本投入和市场信心。中国：处于稳步追赶状态。2025年投资规模预计约为1133亿美元，虽与美国有较大差距，但体现了持续的增长势头和国家级战略支持。其他主要国家：英国（292亿美元）、加拿大（153亿美元）、以色列（150亿美元）等国也在积极加码AI投资，力图在全球竞争中占据一席之地。

表 1-22025年全球人工智能投资现状

结合上表，全球AI竞争呈现出以下明显趋势：

（1）中美技术差距持续缩小，但路径分化：中国在模型性能上快速追赶，并在成本效率上优势明显https://www.sohu.com/a/936951167_121868842?scm=10001.325_13-325_13.0.0.5_32&spm=smpc.channel_248.block3_308_NDdFbm_1_fd.2.17584196510478KnJEUK_324。双方的发展路径也不同：美国追求向上看的通用智能（AGI）https://www.c114.net.cn/industry/21950.html，而中国更注重向下扎的行业应用与商业化。

（2）算力竞争多极化：尽管美国仍在算力上领先，但阿联酋、沙特等国家凭借能源优势大力投入，成为不可忽视的新玩家http://www.news.cn/liangzi/20250915/ffe97cf04b6347639704c02eb2f5bf4a/c.html。各国对算力基础设施的投入都在持续加大。

（3）应用市场呈现平行世界：美国市场由巨头主导，技术驱动、赢家通吃。中国市场则百花齐放，应用场景驱动，工具型App商业化更成功https://www.c114.net.cn/industry/21950.html。中美的AI应用生态差异明显。

（4）人才争夺白热化，格局多极化：全球AI人才约300万，中美合计占比超50%。同时，新加坡、以色列人才密度领先http://jjckb.xinhuanet.com/20250729/b121a9a840164e37a5b78d6b86354645/c.html，沙特、阿联酋等通过优厚政策吸引国际专家http://jjckb.xinhuanet.com/20250729/b121a9a840164e37a5b78d6b86354645/c.html，印度则拥有全球第三的AI人才总量。

（5）政策与监管走向分化：美国呈现去监管化趋势，鼓励创新。欧盟则推行《人工智能法案》，强调规范先行http://jjckb.xinhuanet.com/20250806/0a973317aa8b409aae0c61b4216b3629/c.html。中国是政府主导的大力支持。这种分化反映了不同的发展理念。

（6）成本与可持续性挑战凸显：美国AI模型的高训练成本和巨大能源消耗https://finance.sina.com.cn/stock/t/2025-07-04/doc-infehynp0936190.shtml成为关注点。如何降低推理成本并实现可持续发展，是全球共同面临的课题。

总的来看，2025年的全球AI竞赛，已不再是简单的技术或资金比拼，而是国家战略、产业生态、人才储备、数据资源乃至能源基础的综合较量。

1.2.1.4全球人工智能产品

全球AI消费级应用市场格局正逐步趋于稳定，但头部企业之间的竞争仍在持续加剧。最新发布的全球生成式AI消费应用Top 100榜单显示（来源：https://baijiahao.baidu.com/s?id=1841871693106022273&wfr=spider&for=pc），ChatGPT继续保持领先地位，但谷歌凭借多产品矩阵策略显著缩小了差距。其通用助手Gemini在网页端的访问量已达到ChatGPT的约12%，位列第二。中国AI应用在全球市场中表现突出，阿里巴巴旗下的夸克AI助手跃居网页端第9，字节跳动的豆包位列第12。榜单中有3个主要服务中国用户的产品进入网页端前20，另有7个由中国开发的应用主要面向海外市场。

谷歌首次以独立域名形式在榜单中占据四席，体现出其AI产品矩阵化战略初见成效。除Gemini外，面向开发者的AI Studio首次进入前十，学术工具NotebookLM排名第13，实验平台Google Labs位列第39。

图 1-2人工智能主要产品

移动端竞争更为激烈，Gemini的月活跃用户数已接近ChatGPT的一半。X平台的Grok助手自2024年底推出以来迅速积累超2000万月活，位列移动端第23。中国开发的移动应用在榜单中占据近半数，50强中约有22款出自中国团队，但仅3款主要服务国内市场。美图公司和字节跳动分别贡献了5款和4款应用，展现出中国企业在移动AI领域的强劲开发能力。

1.2.2中国人工智能发展概述

1.2.2.1中国人工智能产业政策

人工智能是新一轮科技革命和产业革命的重要驱动力量，是新质生产力的重要引擎。习近平总书记强调要整合科技创新资源，引领发展战略性新兴产业和未来产业，加快形成新质生产力¹。其中，战略性新兴产业为包括新一代信息技术等在内的八大产业，《中共中央关于制定国民经济和社会发展第十四个五年规划和二〇三五年远景目标的建议》²指出，要推动互联网、大数据、人工智能等同各产业深度融合，构建一批各具特色、优势互补、结构合理的战略性新兴产业增长引擎。同时，国民经济十四五年规划还提出在类脑智能、量子信息、基因技术、未来网络、深海空天开发、氢能与储能等前沿科技和产业变革领域，组织实施未来产业孵化与加速计划，谋划布局一批未来产业。《工业和信息化部等七部门关于推动未来产业创新发展的实施意见》³指出要利用人工智能、先进计算等技术精准识别和培育高潜能未来产业。人工智能技术的不同分支根据其技术成熟度和产业成熟度跨越未来产业与战略性新兴产业，正在通过赋能各行各业成为新质生产力的引擎，促进我国的创新发展。而对于战略性新兴产业与未来产业，我国提出加快壮大和前瞻谋划的发展策略。

（一）战略引领--打出政策组合拳

2016年我国首次将人工智能写入国家战略规划⁴，提出加快构建高速、移动、安全、泛在的新一代信息基础设施，加快信息网络新技术开发应用，重点突破新兴领域人工智能技术。2017年，国务院出台《新一代人工智能发展规划》，以科技引领、系统布局、市场导向、开源开放为原则，制定三步走目标，面向2030年从国家层对人工智能产业进行规划，形成我国人工智能健康持发展的战略路径。2021年，国家十四五规划多次提及人工智能，突出强调要聚焦人工智能关键算法，培育壮大人工智能等新兴数字产业。2022年，在国务院发布的《扩大内需战略规划纲要(2022-2035年)》，进一步提出推动人工智能等技术创新和应用。可以看到，我国自2016年来，加强对人工智能产业的统筹谋划。

2025年，《关于深入实施人工智能+行动的意见》发布，核心目标是系统推进人工智能治理，强化政策法规与安全能力保障。其关键更新包括：构建动态敏捷、多元协同的治理体系；加强对算法歧视、模型黑箱等风险的防控；鼓励深圳、上海等地开展治理试点。同时，《人工智能安全治理框架》升级至2.0版，由国家互联网应急中心牵头，优化风险分类、首次提出风险分级管理机制，并强调技术-伦理-法律三位一体与普惠共享理念。各地政府积极响应国家人工智能+行动，截至2025年6月，北京、天津、重庆、四川、山东、江苏、浙江、河南、广东、湖北、湖南、辽宁、广西、贵州、甘肃、安徽、内蒙古、云南等近二十个省市已出台人工智能专项政策。这些政策普遍围绕技术攻关、算力建设、数据开放、场景应用、企业培育、生态构建等方面展开，突出因地制宜和重点领域赋能，共同推动人工智能成为拉动区域经济与提升治理能力的新引擎。

同时，在国家战略的引领下，中央各相关部门相继出台鼓励、支持、引导、监督人工智能行业发展的配套政策，引导地方政府、科技企业、科研院所等有序参与。由此，我国以国家战略主导，中央各相关部门、各地方政府至上而下层层发力，社会各界广泛参与的中国特色人工智能产业发展之路逐步呈现。

（二）规范监管—注重风险研判和防范

2019年以来，我国相继发布《新一代人工智能治理原则——发展负责任的人工智能》《国家新一代人工智能标准体系建设指南》《新一代人工智能伦理规范》《关于加强科技伦理治理的意见》等指导意见和指南，加强人工智能发展的潜在风险研判和防范,确保人工智能安全、可靠、可控。随着大模型技术的大放异彩，海量数据进行训练带来的技术风险、侵权风险、公共秩序风险、伦理风险更加凸显。对此，国家在政策层面及时跟进，展现出快速反应的能力。

2019年2月，科技部成立新一代人工智能治理专业委员会，加强人工智能相关法律、伦理、标准和社会问题研究。2023年7月，国家网信办等七部分联合公布《生成式人工智能服务管理暂行办法》，强调国家坚持发展和安全并重、促进创新和依法治理相结合的原则，采取有效措施鼓励生成式人工智能创新发展，对生成式人工智能服务实行包容审慎和分类分级监管，详细规定了生成式人工智能技术发展与治理的要求、监督检查和法律责任。特别是明确了生成式人工智能服务的算法备案机制以及训练内容的知识产权要求。2024年6月，工信部等四部门联合发布《国家人工智能产业综合标准化体系建设指南》，新制定人工智能领域国家标准和行业标准超50项引领人工智能产业高质量发展的标准体系加快形成。

（三）场景创新--赋能产业发展

随着人工智能技术水平的高速发展和智能+产业赋能理念的逐步深入，国家将加强人工智能场景应用作为重要的发力方向。通过发挥企业在场景创新全过程中的主体地位，促进人工智能与实体经济各领域的深入融合，推进各相关产业高质量发展。同时，积极的市场需求有利于为技术创新提出更丰富、更具象、更挑战的研发需求，反向促进技术攻关。

2022年，科技部先后发布《关于加快场景创新 以人工智能高水平应用促进经济高质量发展的指导意见》《科技部关于支持建设新一代人工智能示范应用场景的通知》，聚焦统筹推进人工智能场景创新，着力解决人工智能重大应用和产业化问题。工信部在全国推进人工智能创新应用先导区建设，并发布《国家人工智能创新应用先导区智赋百景公示》，遴选出国家人工智能创新应用先导区共计100个人工智能典型应用场景。大力支持专精特新小巨人、独角兽、人工智能初创企业等积极开展场景创新，参与城市、产业场景建设，通过场景创新实现业务成长。鼓励地方政府、央企、行业领军企业通过揭榜挂帅、联合创新、优秀场景推介等方式促进场景供需双方对接合作，为人工智能产业发展助力，为经济社会发展赋能。

（四）协同治理--参与人工智能国际合作

我国积极参与全球人工智能治理，发布《全球人工智能治理倡议》，围绕人工智能发展、安全、治理三方面系统阐述了人工智能治理中国方案。核心内容包括：坚持以人为本、智能向善，引导人工智能朝着有利于人类文明进步的方向发展；坚持相互尊重、平等互利，反对以意识形态划线或构建排他性集团，恶意阻挠他国人工智能发展；主张建立人工智能风险等级测试评估体系，不断提升人工智能技术的安全性、可靠性、可控性、公平性；支持在充分尊重各国政策和实践基础上，形成具有广泛共识的全球人工智能治理框架和标准规范，支持在联合国框架下讨论成立国际人工智能治理机构；加强面向发展中国家的国际合作与援助，弥合智能鸿沟和治理差距等。此外，中国与美国等28 个国家及欧盟共同签署了《布莱奇利宣言》，承诺以安全、以人为本、值得信赖和负责任的方式设计、开发、部署和使用人工智能。

（五）前瞻研究—推进知识产权政策完善

知识产权制度作为激励创新的基本保障及推动高质量发展的关键变量，也需要正视技术发展对现行体制机制的影响，更好地适应智能时代社会发展需求。国家知识产权局积极落实党中央关于加强知识产权法治保障，完善知识产权管理体制，不断强化知识产权全链条保护的要求，积极应对人工智能技术发展带来的挑战。

2024年1月20日起施行《专利审查指南》中第二部分第九章涉及计算机程序的发明专利申请审查部分的修改，强化了对新领域新业态相关发明创造的保护，积极回应了创新主体对完善大数据、人工智能领域审查规则的诉求。例如，审查指南第6.1.2节的修改就增加了涉及人工智能、大数据算法改进的客体审查基准。原因在于，涉及人工智能、大数据等发明专利申请通常包含算法、商业规则和方法等智力活动的规则和方法特征，按照过往的审查标准，在获得专利权方面具有一定难度。而新修订的部分明确了，如果算法与计算机系统的内部结构存在特定技术关联，解决提升硬件运算效率或执行效果的技术问题，获得符合自然规律的计算机系统内部性能改进的技术效果，则方案属于专利保护客体，可以获得专利权保护。在面对人工智能算法这种新型保护客体时，我国的知识产权制度无疑展现出良好的包容性和适应性。但是在人工智能专利发明人身份、创新性判定等方面，我们还需要不断探索和深思。当前，我局也在推进《人工智能专利申请指引》编制等工作，以帮助申请人提交符合规范的专利申请。

1.2.2.2中国人工智能投资情况

截至2025年9月，中国各省份的人工智能投资格局呈现出东部沿海主导、中西部快速崛起、政策驱动明显的特点。以下是基于最新公开数据的详细梳理：

表 1-32025年AI投资活跃度前五省份（融资事件数+金额）

中西部省份：政策驱动、快速跟进

表 1-4中西部城市投资现状

2025 年，长三角、珠三角凭借资金、技术与产业优势，在算力、大模型、终端应用等领域占据主导；中西部通过特色场景与算力枢纽建设实现差异化突围。未来，随着国家基金与地方政策的持续发力，以及社会资本的深度参与，AI 将加速赋能千行百业，推动中国从 AI 应用大国向技术创新强国 迈进。

1.2.2.3中国人工智能竞争格局

中国人工智能科技产业城市竞争力评价指数排名TOP25如下表（来源《中国新一代人工智能科技产业区域竞争力评价指数（2024）》中国新一代人工智能科技产业区域竞争力评价指数（2024））：从评价指数的分项指标排名看，中国人工智能科技产业城市竞争力排名前列的城市具有人工智能企业密集、资本环境优越、国际开放度高、链接能力和政府响应能力强的特征。其中，北京市在六个细分指标中有五项均位列第一。上海市在学术生态和链接能力表现优异。杭州市在企业能力、国际开放度和链接能力方面具有优势。深圳市在政府响应能力最强，位列第一，在企业能力、资本环境和国际开放度三个细分指标排名第二，在学术生态方面表现偏弱。广州市在学术生态分项指标中排名位列第三。

1.2.2.4中国人工智能产业现状

从表格中可以看出，各省份在发展人工智能产品时，都注重与自身产业基础和经济特点相结合：

京津冀、长三角、珠三角：这些经济发达地区在政策支持、技术资源和产业基础上具备明显优势，是我国大模型创新和应用的高地https://k.sina.cn/article_1617264814_606580ae02002e3ha.html?from=news&subch=onews其中：北京凭借强大的科研力量和人才储备，成为大模型的研发和创新策源地，备案大模型数量全国第一https://k.sina.cn/article_1617264814_606580ae02002e3ha.html?from=news&subch=onews。广东则依托其完备的电子信息制造业基础和丰富的应用市场，在综合发展和产业化应用上领先。上海作为国际化大都市，技术层与应用层并重，吸引了众多AI企业落户。浙江和江苏则分别依托电商巨头、安防产业和强大的制造业基础，在AI应用层面蓬勃发展。中西部地区：积极结合本地优势产业，走特色化发展道路：湖北（武汉） 作为中西部龙头，智能网联汽车和智慧医疗等领域发展迅速，产业规模显著 。湖南（长沙） 聚焦于智能驾驶这一细分领域，并形成了完整的测试和应用生态 。河南 强调应用场景驱动，发力智能物流和智能制造，并配套算力基础设施支持 。重庆 大力推动 AI+应用，在智能制造、智慧农业、城市治理等领域拓展了大量应用场景，并致力于构建全产业链生态。安徽 以智能语音技术见长，并以此为基础深度赋能本地的制造业升级。江西（南昌） 则另辟蹊径，利用其在VR产业的基础，探索 VR+AI 的文旅融合新模式。

总的来说，国内各省份的AI产品发展呈现出多层次、多维度、差异化的竞争格局。既有北京、广东、上海这样的综合创新高地，也有浙江、江苏这样的应用强省，还有像武汉、长沙、重庆、安徽、南昌等结合自身优势、走特色化发展道路的地区。这种百花齐放的局面，共同推动了我国人工智能产业的繁荣。

表 1-5主要省份的AI产业特点及代表性产品

1.3人工智能产业概况

1.3.1人工智能产业技术链

根据2025年4月斯坦福大学发布的《斯坦福AI指数报告》（Stanford AI Index Report 2025），报告从数据、算力、通用技术、细分技术、应用五大维度系统梳理了全球AI产业格局，并点名了各细分领域具有代表性的国内外企业。以下是报告明确提及的企业清单：

表 1-6数据（Data）主要企业

表 1-7算力（Compute）主要企业

表 1-8通用技术（Foundation Models / General-Purpose AI）主要企业

表 1-9细分技术（Technical Performance Sub-domains）领域主要企业

表 1-10应用（Applications）领域主要企业

表 1-11技术链企业地图

报告指出，美国以发布40个知名模型领先，中国发布了15个，但性能差距已从2023年的20%大幅缩小至2025年的0.3%。DeepSeek-V3被提及45次，成为开源模型中逼近闭源旗舰性能的典型代表。

在应用层面，中国在AI+矿山、AI+医疗和AI+政务等领域的落地规模全球罕见；美国则在AI+法律、AI+设计和AI+科研工具方面仍保持原创优势。

1.3.2人工智能产业供应链

表 1-12全球AI供应链三段式格局

全球人工智能供应链呈现中美双极主导、多层竞合的格局：美国通过英伟达芯片、PyTorch 框架、AWS 云服务构建 设计 - 制造 - 应用 全链条优势，但面临中国在数据规模、应用落地速度上的追赶。中国依托数据资源、算力基建（东数西算）和行业大模型（如通义千问）形成差异化竞争力，但高端芯片、EDA 工具、企业级软件生态仍需突破。未来竞争焦点将集中在开源生态控制权、具身智能产业化、绿色算力标准制定三大战场，中美在合作与博弈中推动全球 AI 技术链向高效化、普惠化、可持续化演进。

下图展示了在人工智能技术链各环节上，国内与国外供应企业的数量对比。从数据看，国外企业在绝大多数环节的数量都明显高于国内，尤其在机器学习、大模型、机器视觉等通用技术与细分技术领域，国外企业数量通常达到国内的1.5至2倍以上；而在算力基础环节（如GPU等），国内企业数量也相对较少。国内仅在少数应用领域（如智能家居、数字金融）的差距略小。整体上，国外在人工智能技术供应链的布局更为广泛和深入，尤其在核心技术层优势显著；国内则仍处于追赶阶段，产业链完整性和企业参与度有待提升。

图 1-3人工智能领域供应链

1.3.3人工智能产业价值链

人工智能作为引领新一轮科技革命与产业变革的核心驱动力，其产业生态正沿着 基础设施支撑 — 工具平台赋能 — 行业应用落地 的价值链加速演进。从底层算力硬件到上层场景化解决方案，各环节均呈现出技术迭代与市场扩张齐头并进的发展格局。以下将聚焦 AI 基础设施与核心技术、AI 平台与开发工具、AI 行业应用三大核心领域，结合市场规模数据与增长驱动因素展开具体分析。

（1）AI基础设施与核心技术

市场规模：2024年，全球AI基础设施市场规模达约461.5亿美元，预计该市场将从2025年的587.8亿美元增长到2032年的3561.4亿美元，预测期内复合年增长率为29.10%。

增长驱动因素：

生成式AI与大模型训练需求激增：如GPT、DeepSeek等大模型训练对高性能计算、存储和网络基础设施提出极高要求；

云厂商大规模资本开支（CAPEX）：如阿里云、腾讯云、AWS、微软等持续加码AI基础设施投资；

AI芯片与硬件技术进步：GPU、TPU、FPGA等专用AI芯片推动硬件基础设施升级；

政府政策支持与能源基础设施配套：如美国能源部支持AI数据中心与清洁能源整合。

（2）AI平台与开发工具

市场规模：2024年全球人工智能平台市场规模大约为832.8亿美元，预计2031年将达到2440.9亿美元，2025-2031期间年复合增长率（CAGR）为19.1%。

增长驱动因素：

大模型（如ChatGPT）带动AI开发需求。

企业对定制化AI解决方案的需求提升。

数据处理与分析工具的广泛应用。

（3）AI行业应用

市场规模：

2024年，全球人工智能市场规模为约2792.2亿美元，预计到2033年将达到34972.6亿美元,从2025年到2033年以31.5%的复合年增长率（CAGR）增长；

增长驱动因素：

生成式AI（如文本生成、图像生成）在商业领域的普及。

自动驾驶、智能制造、医疗诊断等行业需求增加。

AI在金融、零售、教育等传统领域的渗透。

1.3.4人工智能产业创新链

基于全球视野下中国在人工智能各技术领域的专利数据对比，可以清晰看出中国在全球人工智能创新格局中的相对位置和发展态势，具体分析如下：

根据图表数据，中国在人工智能大多数技术分支上的专利申请量显著超过全球（国外）水平，尤其在数据采集、清洗、标注等数据层技术，以及GPU、机器学习、机器视觉等算力与算法领域，中国专利数量优势明显。总体而言，中国在人工智能专利布局上规模占优，覆盖广泛，但在技术链上游的核心环节仍与国外存在差距。

图 1-4人工智能领域创新链

（1）上游基础层：全球竞争激烈，中国在数据领域表现突出

上游基础层涵盖数据和算力两大核心领域，是全球人工智能竞争的焦点。在数据领域，中国展现出较强的竞争力。特别是在数据标注环节，中国专利数量达到18,303项，占全球总量（21,555项）的84.9%，显示出在这一基础环节的显著优势。然而在数据采集和清洗环节，中国专利数量分别为7,056项和454项，与全球领先水平仍有一定差距。在算力领域，中国呈现出不均衡发展态势。在ASIC专用芯片领域表现突出，专利数量达到20,913项，相当于全球总量（27,349项）的76.5%。但在GPU（专利数量13,796项，占全球40.2%）和FPGA（专利数量7,053项，占全球45.1%）等通用芯片领域，与全球领先企业相比存在明显差距。在类脑芯片等前沿领域，中国专利数量（5,994项）达到全球总量（11,308项）的53%，显示出一定的追赶势头。

（2）中游技术层：多数领域达到全球先进水平，局部存在短板

中游技术层包括通用技术和细分技术，是衡量国家人工智能创新能力的关键指标。在通用技术领域，中国已达到全球先进水平。机器学习领域专利数量322,594项，占全球总量（439,842项）的73.3%；大模型专利数量89,087项，占全球总量（108,035项）的82.5%，显示出在基础算法层面的扎实积累。在细分技术领域，中国在机器视觉（专利数量109,829项，占全球83.1%）和自然语言处理（专利数量115,331项，占全球68.9%）方面表现强劲。然而，在智能语音领域，中国专利数量（85,874项）仅占全球总量（215,008项）的39.9%，与其他技术领域相比存在明显短板。

（3）下游应用层：市场驱动效应明显，消费级应用领先

下游应用层是中国人工智能发展的优势领域，市场驱动特征明显。中国在智能家居（专利数量242,982项，占全球65.3%）、机器人（专利数量241,523项，占全球74.7%）等消费级应用领域达到全球领先水平。在智慧医疗（专利数量104,207项，占全球39.4%）、数字金融（专利数量74,839项，占全球56.7%）等领域也展现出较强的应用创新能力。然而，在自动驾驶（专利数量39,657项，占全球44.3%）这一技术密集型领域，与全球顶尖水平相比仍需加强。在智慧政务领域，中国专利数量（5,384项）占全球总量（9,972项）的54%，显示出在政务数字化方面的特色优势。

（4）总结与展望

综合分析表明，中国在全球人工智能创新格局中已形成独特的发展态势：在应用层面具备显著优势，在部分技术领域达到全球先进水平，但在基础硬件和个别核心技术方面仍需加强。未来，中国需要继续发挥市场规模和应用场景优势，同时重点突破基础软硬件等关键技术瓶颈，特别是在智能语音、自动驾驶等存在短板的领域加大投入。通过构建更加完善的创新生态，中国有望在全球人工智能发展格局中实现从跟跑到并跑乃至领跑的转变，为全球人工智能发展作出更大贡献。

第2章人工智能产业专利创新态势分析

2.1人工智能全球专利创新态势分析

2.1.1全球专利申请趋势

全球人工智能专利申请呈现高速增长的态势，截止2025年9月23日，全球人工智能技术相关专利申请总量达2,126,797项根据人工智能全球专利申请趋势图显示，从2005年至2025年（含预测年份），相关专利申请数量呈现出明显的阶段性快速增长特征。具体而言，2005年至2012年期间申请量处于较低水平，属于技术探索与积累期；自2013年起，随着深度学习技术的突破与产业化加速，专利申请进入快速增长通道，尤其在2016年至2019年间增速显著提升；2020年后，受大模型、多模态技术及AI芯片等热点推动，申请规模进一步跃升，预计至2025年仍将保持强劲增长态势。这一趋势表明，人工智能已全面进入技术爆发与专利布局密集阶段。全球创新主体正加速抢占核心技术高地，尤其在大模型架构、训练方法、领域应用及算力支撑等关键环节竞争激烈。未来，随着技术迭代与跨行业融合深化，专利申请将继续向高质量、系统化、生态化方向发展，并成为衡量国家与企业创新能力的重要指标。

图 2-1人工智能领域全球专利申请趋势图

2.1.2申请人来源国家分析

目前人工智能专利技术来源国主要集中在中美日韩四个国家，根据申请量数据可知，中国（1,504,261项，占比71%）的专利申请量最大，成为人工智能领域专利申请的主要的技术来源国，其次是日本（178,442项,占比8%）、美国（174961项,占比8%）和韩国（111,228项,占比5%）。

图 2-2人工智能领域专利申请来源国家占比

根据中美日韩近二十年的申请趋势可以看出，美、日、韩均在2015年开始呈现明显增长趋势，但是增长趋势较为平缓，而中国自2012年起专利申请量增长迅猛，这归功于近年来国家政策的支持与激励、市场需求的驱动，以及技术创新与研发投入的不断加大，这些因素的共同作用推动了中国在人工智能领域的快速发展和领先地位的巩固。

图 2-3人工智能领域主要来源国专利申请趋势图

2.1.3申请人类型分析

通过对比中、美、日、 加、德、韩的专利申请人的类型可以看出，我国专利更多的来自高校和科研机构，国内科技企业多与科研院所合作，但众多中小企业及部分传统企业的相关研究工作和知识产权布局仍处于起步阶段。其中，高校和科研院所是中国人工智能的核心研发力量，国内申请人中，高校、科研院所的专利申请量为54万余件，占中国专利申请总量约36.4%，远高于美国的6.3%以及日本的3.3%，代表中国的人工智能技术大多还处于高校研究阶段，须加强高校与企业之间的沟通，加快专利的转移转化。

。

图 2-4各国专利申请人类型对比分析

2.1.4专利布局国家分析

从授权数据来看，中国凭借强大的申请量优势，以544,860项授权量稳居榜首，美国以97771项的授权量排名第二，但是美国的专利授权比例明显高于中国，这说明尽管美国在人工智能领域的专利申请量低于排名第一的中国，以及排名第二的日本，但是这并不意味着美国在人工智能领域的技术创新实力较弱，其较高的专利申请量反映了美国人工智能市场的蓬勃生机，较高的专利授权量更说明了美国具有更高的专利产出效率，这说明美国的科研机构和企业在研发的过程中可能更加注重效率和成果的质量，通过优化研发流程、提高研发效率，从而在有限的专利申请量下获得更高的授权量。因此，尽管中国在人工智能领域的专利申请量领先，但是也需要面对一些挑战，比如，如何提高专利质量，加强知识产权保护、促进专利成果的转化和应用等，这些需要中国政府、企业和科研机构共努力，加强合作和交流，从而共同推进人工智能技术的健康发展。

图 2-5人工智能领域主要国家申请量/授权量

根据世界五大专利局（IP5）：中美欧日韩近二十年的专利申请趋势可以看出，在中国局的专利申请量从2013年开始呈现爆发式增长趋势，明显高于美日欧韩四局，这体现了中国在国际竞争中的优势地位，这充分说明了近年来中国在人工智能领域的创新活力、研发实力以及对该技术领域的高度重视和布局，这也为中国在国际竞争中赢得了更多的机遇和优势。

图 2-6人工智能领域主要国家申请趋势

从五局的申请和授权数据来看，中国局的专利申请量（1,476,256件）和授权量（469,190件）均位居第一，这说明中国已然成为全球最大的人工智能领域专利布局地，这既反映了中国企业和个人在人工智能领域科技创新的活跃度和投入力度，也反应了全球其它国家和地区的企业和个人对于中国市场的重视和追逐，这表明中国已成为了全球创新活动的重要舞台，吸引了众多国际创新资源的汇聚。总的来说，这是中国创新能力增强、市场需求推动、政策引导以及国际竞争合作并存等多方面因素共同作用的结果。

图 2-7人工智能领域五局申请量/授权量

2.1.5申请人分析

据统计，根据图表所示人工智能技术的全球专利申请人排名，百度（15，566件）与腾讯（15，490件）分别位列第一、第二位，三星（15，031件）紧随其后。前十名中包括多家中国企业（百度、腾讯、平安科技、浙江大学）与日本企业（佳能、日本电气、富士通、东芝），以及美国的IBM。这反映出全球AI专利布局呈现东亚与美国企业主导的竞争格局，中国企业尤其在前列占据多个席位，彰显了其在专利申请数量上的活跃度与规模优势。然而，结合此前分析中美国在高质量专利（高被引）与全球同族布局方面的显著领先地位来看，该排名更多体现了中国在专利申请总量上的积累，尤其在应用技术领域；但在代表核心技术影响力与全球保护广度的高价值专利方面，以美国为代表的国际企业仍具有结构性优势。因此，中国企业在持续扩大专利规模的同时，仍需着力提升基础技术与关键环节的专利质量与国际化布局能力。

图 2-8人工智能领域专利申请人排名

根据全球人工智能领域同族数大于3的专利申请人排名，三星以6212件位居第一，索尼（4520件）、微软（4258件）紧随其后，前十名中还包括谷歌、IBM、华为（2545件）等企业。从分布看，日本企业表现尤为突出，索尼、日本电气和佳能均进入前七，显示了日本在AI技术全球化布局上的活跃度与广泛覆盖；美国企业（微软、谷歌、IBM）同样在列，体现了其全球专利策略的系统性。华为是唯一进入前十的中国企业，虽具有一定国际布局意识，但与三星、索尼等相比仍有较大数量差距。综合来看，该排名反映出在具有较强全球保护价值的高质量专利布局上，日本、韩国与美国企业占据明显主导地位，中国除华为外，整体在人工智能技术的国际专利网络构建上仍有显著提升空间，进一步凸显了中国在专利出海与全球知识产权战略方面亟待加强。

图 2-9人工智能领域专利同族大于3的申请人排名

从全球人工智能领域被引数大于50的高影响力专利申请人排名来看，微软以2431件遥遥领先，IBM（1317件）和谷歌（1112件）紧随其后。前十名中除三星（韩国）、索尼与佳能（日本）外，其余七席均为美国企业，包括苹果、亚马逊、英特尔和高通等。这一排名清晰地表明，在代表技术创新质量与核心影响力的高被引专利层面，美国企业展现出压倒性优势，尤其是在底层算法、基础架构与通用技术等关键领域。反观此前专利申请总量领先的中国企业与机构，在此高质量专利排名中无一进入前十。这进一步印证了当前全球AI竞争的结构性差异：美国牢牢占据着技术创新的源头与制高点，其专利更具备基础性与广泛影响力；而中国虽在应用层专利规模上快速扩张，但在产生深远学术与产业影响的高价值核心专利方面，仍与美国存在显著差距，亟待从数量领先向质量突破转变。

图 2-10人工智能领域专利被引数大于50的申请人排名

2.1.6PCT专利申请分析

根据PCT申请中当前申请人国家前十的排名，中国（16,178项）排名第一，其次是美国（9,978项）、日本（4,294项）、韩国（4,036项）以及德国（1,632项）等欧洲国家，这也与全球的专利申请形势一致，这反映了中国在人工智能技术领域创新能力的显著提升，中国企业对国际市场的重视程度不断加大，同样也表明了中国企业在技术研发、产品创新等发面取得了一定的成果并具备了较强的国际竞争力。

图 2-11人工智能领域PCT申请专利申请人分析

2.1.7重点专利申请分析

从同族数量大于等于3的专利申请情况来看，我国（27,610项）与排名第一的美国（65,824项）仍存在较大差距，这也体现出我国虽然在PTC国际申请中具备显著优势，但是进入其它国家阶段的专利申请量并不高，反映了我国的海外专利布局相对薄弱，还应当在未来进一步拓展国际市场，增强国际竞争力和影响力。

图 2-12同族数大于等于3的专利申请国家分析

2.1.8人工智能各技术专利分析

根据图表数据，从整体规模来看，中国在专利申请总量上占据绝对领先地位，特别是在应用层（788，612件）和细分领域技术层（377，994件），其数量级远超美、日、韩三国之和，形成了一枝独秀的局面。这充分体现了中国凭借庞大的市场规模、丰富的应用场景和强劲的政策驱动，在AI技术落地和产业化方面取得了显著成效，应用驱动特征极为明显。深入技术链结构分析，则呈现出一幅更复杂的图景。在上游和核心技术层，美国的优势十分突出：其在AI芯片（4778件）和通用模型架构（49716件）领域的申请量均领先于日本和韩国。这表明美国依然牢牢掌握着算力基础与算法根源的核心创新力，其技术布局更为均衡和深入。日本和韩国则呈现出精耕细作的特点。两国在数据处理和AI芯片等环节保持了一定的竞争力（如日本在数据处理有1627件），但整体专利规模有限，显示出它们在特定的硬件与基础技术环节进行重点投入的战略选择。

全球AI专利格局呈现出显著的结构性分化。中国在应用端呈现出巨大的规模优势，彰显了强大的产业化能力；而美国则在支撑未来发展的基础层与核心层技术（芯片、通用架构）上保持着关键领先地位。这种中国强于应用，美国强于基础的格局，意味着中国在享受应用层红利的同时，也面临上游核心技术依赖的潜在挑战。未来的全球AI竞争，将是应用规模与基础创新能力的综合较量。

图 2-13各技术分支各国国家专利申请量

根据图表中对比中美被引用数＞50的高价值专利数量，在人工智能技术链的不同环节呈现出明显的结构性差异。在上游的数据处理（美国476件，中国262件）和AI芯片（美国465件，中国221件）领域，美国的高被引专利数量显著领先，显示其在基础技术与核心硬件方面的持续创新能力和深厚的技术影响力。而在中游的通用技术，中国的高被引专利数量已与美国持平。美国在人工智能上游基础技术层仍然掌握着高质量创新的主导权，专利影响力突出；而中国在中下游技术应用层的高价值专利积累已具备显著竞争力。这反映出两国不同的创新路径——美国强于源头创新与基础突破，中国则善于在应用导向的创新中实现高质量产出，但在核心底层技术的高影响力专利方面仍需进一步加强。

图 2-14中美各技术分支专利被引量大于50的专利量对比

上图对比了中美在人工智能各技术分支上同族数＞3的专利数量，这一指标反映了专利的全球布局广度与市场保护强度。数据显示，美国在所有技术环节的同族专利数量均显著领先于中国。在上游的数据处理（美国1335件，中国782件）与AI芯片（美国1996件，中国828件）领域，美国数量约为中国的1.7-2.4倍，凸显了其在基础技术与核心硬件上进行全球知识产权布局的深度与主动性。在中下游，尽管中国的同族专利数量已形成相当规模（如细分领域技术中国9184件，通用技术4959件），但美国仍保持绝对优势（细分领域技术15639件，通用技术8284件），尤其在下游的人工智能应用领域，美国（25603件）领先中国（15208件）约1万件，表明其应用层技术在全球市场的保护网络更为广泛和严密。

美国在人工智能全技术链上构建了更为系统和强势的全球专利保护体系，尤其在基础技术与终端应用领域布局最为密集，反映出其技术创新具有强烈的全球化导向和商业保护意图。中国虽在技术应用环节积累了可观的全球同族专利，但在上游核心技术的全球布局强度上仍与美国存在明显差距，这意味着中国在AI领域的全球化发展过程中，在关键技术的国际知识产权保护和风险规避方面仍需加强。

图 2-15中美各技术分支专利同族大于3的专利量对比

2.2中国人工智能专利创新态势分析

2.2.1专利申请趋势分析

从图来看，中国专利申请 2016-2024 年从 59,107 项增长至 232,256 项，十年近 3 倍增幅彰显强劲发展动力；区域分布上，北京、广州始终稳居前列，2025 年分别以 19,244 项、18,380 项合计占全国 29.2%，上海（6,884 项）、湖北（4,932 项）依次位列其后，各区域十年间均实现 2-4 倍增长，印证了区域协同发展的良好态势。但头部城市与中游区域 3-4 倍的体量差距凸显发展梯度差异。

图 2-16中国部分省份逐年专利申请趋势

2016-2025 年 10 个重点城市相关领域呈现鲜明的 长期集聚增长、2025 年阶段性回调 发展特征，北京始终稳居领跑地位，2016 年以 8316 项为起点，2024 年攀升至 37596 项，十年间增幅高达 3.5 倍，凭借优质创新资源与产业生态成为全国绝对核心增长极；深圳、上海、杭州、广州、南京构成第一梯队，2024 年各项体量均突破 1 万项，其中杭州表现尤为亮眼，从 2016 年 2020 项飙升至 2024 年 12919 项，增幅超 5 倍，彰显出数字经济与创新驱动的强劲动能，深圳也从 6162 项增长至 16900 项，依托市场化优势保持稳健增长。成都、西安、武汉、合肥形成第二梯队，2024 年体量集中在 6000-8105 项区间，合肥作为中部崛起的代表，从 2016 年 1424 项增长至 6002 项，增幅超 3 倍，成为区域协同发展中的重要新兴增长极。区域协同优势显著，长三角城市群（上海、杭州、南京、合肥）2024 年四项合计达 36800 项，占 10 城总量的 34.5%，产业集群效应与资源联动能力突出；珠三角城市群（深圳、广州）2024 年合计 28735 项，凭借开放活力与产业链优势保持稳定增长，京津冀（北京）、成渝（成都、西安）、中部（武汉、合肥）则形成 多点开花 的区域发展格局，共同支撑全国相关领域的规模化扩张。

图 2-17全国top10城市逐年专利申请趋势

2.2.2中国局专利分析

据统计，人工智能领域受理局为中国的申请人国家占比中，中国（1,444,689件）占据主要地位，这说明在华申请中，中国申请人还是占据主导地位，美国（9708件）作为人工智能领域的领跑者排名第二，其次是日本（8684件）、韩国（2576件）、以及德国（2698件）等欧洲国家。

图 2-18人工智能领域中国局专利分析

2.2.3国内各省市申请情况分析

从TOP 10 省份专利数据看，呈粤京双雄领跑、苏浙沪紧随、中西部突围格局，区域分化显著。广东以 303202 项总申请量居首，40.16% 有效专利占比为 10 省最高，但 83.00% 发明专利占比、53.72% 五年活跃度低于北京，规模优但质效待升；北京总申请量 264481 项居次，94.11% 发明占比、60.21% 活跃度领跑，创新质量更优。

苏浙沪为第二梯队：江苏总申请量 162295 项，指标均衡；浙江 118987 项，62.31% 活跃度居 10 省第二，86.59% 发明占比高；上海 98117 项，89.28% 发明占比次高，但 31.09% 有效占比最低，维护效率待提。

鲁川鄂皖陕为第三梯队：山东 72816 项，65.56% 活跃度居首；湖北 53230 项，86.55% 发明占比、63.88% 活跃度前列；四川、陕西指标均衡；安徽 52506 项，32.92% 有效占比低，存续质量需强。

核心指标上，10 省发明占比均超 83%，但有效占比（31.09%-40.16%）、活跃度（53.72%-65.56%）差距大。未来广东提活跃度，北京推产业化，上海升有效占比，中西部扬特色，推动创新从 规模 向 质效 升级。

图 2-19TOP10省份专利数据

从各地区人工智能领域数据看，整体呈 头部双雄领跑、长三角协同、中西部跟进 格局，北京与广东为核心引领，各区域技术研发与应用差异显著。北京以硬核技术见长，AI 芯片（4048）、数据处理（4829）、通用数据（68361）、细分领域技术（46440）均居首位，人工智能应用（124312）列第二，凸显科创中心优势；广东则强在应用落地，人工智能应用（138891）全国第一，细分领域技术（45066）接近北京，形成 研发 + 应用 双强格局。长三角（江苏、浙江、上海）为第二梯队：江苏居第三，AI 芯片（2809）仅次于北京，通用数据（39567）、应用（81688）突出；浙江依托数字经济，聚焦细分技术（18551）与应用（55713）；上海发展均衡，通用数据（24388）、细分技术（15668）靠前，三者核心维度合计占全国半数，生态链完整。山东、四川等构成第三梯队，各有亮点：安徽（818）、陕西（1059）AI 芯片亮眼；湖北通用数据（14339）、细分技术（7829）均衡；四川（29366）、山东（37873）侧重应用，贴合区域需求。技术维度上，人工智能应用是各地区核心布局，头部地区应用超 10 万项；通用数据、细分技术集中于北粤苏；AI 芯片、数据处理北京领先，中西部仍有提升空间。

图 2-20国内各省在各技术层级申请情况

2.2.4创新主体分析

根据下图所示国内大模型技术的专利申请人排名数据，百度以15566件专利申请量位居第一，腾讯以15490件紧随其后，平安以13103件位列第三。在前十名中，企业占据主导地位，尤其是科技与金融类企业表现突出；高校方面，浙江大学以10633件专利申请量领先其他院校，西安电子科技大学、清华大学、北京航空航天大学和电子科技大学也均进入前十。整体来看，企业在大模型技术领域的专利布局明显领先于高校，其中百度与腾讯的申请量显著高于其他机构，反映了企业在人工智能前沿技术研发与知识产权保护方面的积极投入。同时，浙江大学作为唯一进入前五的高校，显示出其在该领域的科研实力与转化活跃度。

图 2-21国内申请人专利申请量排名

第3章人工智能重点技术分析

3.1人工智能上游基础层分析

3.1.1上游基础层概述

在整个人工智能的发展历程中，数据、算法、算力是其发展的三大要素，在人工智能中起着至关重要的作用。在人工智能产业链上游涵盖了数据和算力两大分支。数据作为其核心燃料，扮演着至关重要的角色。从数据采集、处理、存储到分析，每一个环节都直接影响着人工智能系统的效能和智能程度。

从数据服务产业的角度来看，中国凭借互联网发展的早期优势，积累了海量的数据资源，为AI数据服务产业提供了得天独厚的条件。这些数据不仅包括互联网用户行为数据，还包括来自物联网、边缘计算等多个场景的数据。这种庞大的数据体量为机器学习和深度学习提供了丰富的训练资源，使得中国的AI系统在语音识别、计算机视觉等方面取得了突破性进展。人工智能上游数据主要包括：数据采集、数据清洗和数据标注等分支。传感器是数据采集的关键设备，广泛应用于物联网（IoT）设备、智能设备等。根据搜索结果，中国、美国、日本和德国等国家在传感器技术研发和应用方面处于领先地位。传感器技术的进步为人工智能提供了丰富的数据输入，推动了智能感知技术的发展。数据清洗是确保数据质量的关键步骤，包括去除重复数据、修正错误数据、处理缺失值等。数据清洗的质量和效率直接影响后续数据分析的效果，数据标注针对数据进行处理标记对象的特征，生成满足机器学习训练要求的刻度数据编码，是人工智能技术研发中不可或缺的一环。

3.1.1.1算力需求分析

算力是人工智能的核心支撑。算力的实现，一般需要通过CPU、GPU、NPU、FPGA等芯片作为载体，通过计算机、服务器以及边缘端、终端的硬件设备，利用算法及应用程序对海量数据进行处理及加工。

根据《2024中国算力发展报告》，截至2023年底，全球算力总规模达到910EFLOPS（FP32），同比增长40%，呈现高速增长态势。其中，通用算力规模为551EFLOPS（FP32），智能算力规模为335EFLOPS（FP32），超算算力规模为 24EFLOPS（FP32）。全球智能算力规模同比增长达136%，其增速远超算力总规模增速，智能算力逐渐占据重要地位。而中国算力总规模超过 230EFLOPS（FP32），位居全球第二；在用算力中心机架总规模达到810万标准机架；同比增长24.2%；存力规模达到约1200EB， 先进存储容量占比超过25%。

近年来，随着大模型的发展，资本愈发聚焦算力及相应的硬件产业。据Bloomberg Intelligence 及ID 数据预测，AI训练和推理硬件市场规模将从2024年的 930 亿美元增长至 2032 年的6000 亿美元。

图 3-1AI训练和推理硬件市场历年及预测规模（纵坐标单位：十亿美元）

而国内的智算中心也是投资火热，根据《2024智能算力产业发展白皮书》，2023年中国智算中心市场投资规模达879亿，同比增长90%以上，预计2028年中国智算中心市场投资规模有望达2886亿元。

2024年，中国移动在算力网络上的相关资本开支达到371亿元，中国联通和中国电信的算力投资同比增长分别为19%和22%；2025年2月，阿里巴巴发布公告称未来三年将投入3800亿元建设云计算和AI基础设施，2025年3月，腾讯财报披露全年资本开支增长221%至767亿元人民币，其中主要流向为算力基建、先进服务器采购等项目领域。

3.1.1.2AI芯片

随着驱动AI的底层机器学习数据量的指数级增长，以CPU为主导的通用算力面临日益突出的算力不足问题。如今，由GPU、FPGA、ASIC、类脑等加速芯片构成的智能算力演化成为趋势，它们便是如今数字经济时代下作为算力主角的人工智能芯片（AI芯片）。

AI芯片的运算能力决定了人工智能模型的训练效率和质量，是人工智能技术发展的重要基础。从芯片类型来看，人工智能芯片主要包括GPU（图形处理器）、FPGA（可编程门阵列）、ASIC（特殊应用定制芯片）和类脑芯片。

图 3-2各类AI芯片在全球的市场占比

AI芯片中，GPU是通用型芯片，最初是源自图像处理中特殊需求而开发，之后被发现特别适于并行计算，能够完美地与深度学习技术相契合，更快地提高AI的性能，现已成为AI芯片的主流，在全球市场中占据76.7%的份额，国内外代表企业有英伟达、AMD、华为、摩尔线程等。

2023年，全球服务器GPU市场收入达279.34亿美元，英伟达市场份额高达95.9%。中国企业中，摩尔线程自消费市场起家，其在2021年成功量产首款全功能GPU芯片，填补了中国在GPU领域的空白；华为则侧重企业应用，依靠其IT技术方面的优势和相对完善的生态系统，抢占了相当的市场份额。

上市公司的2024年报披露，英伟达在AI芯片方面的全部，营收达到了767亿美元，显著超越了另外两家美国巨头公司AMD在2024年的50亿美元和英特尔的34亿美元。相比之下，国内的上市公司寒武纪在2024年的AI芯片相关营收仅仅只有11亿人民币（约1.5亿美元）。而华为，则有非官方信源宣称其凭借其昇腾系列AI芯片的大卖而在国内收入了200亿RMB（约28亿美元）。

英伟达在国内市场占比曾高达85%，但在2022年8月，其多款高端产品遭遇美国政府限制对华出口先进芯片及制造设备的禁令。虽然英伟达后续也通过调整产品参数的方法来推出中国特供板芯片以绕过禁令，但是欧、美、中都先后对英伟达发起反垄断调查。2025年9月，中国市场监管总局发布公告指出英伟达违反了国内的相关反垄断法律法规。

据IDC数据显示，2024年中国GPU市场份额中，英伟达降至70%，华为依靠其昇腾系列芯片，占比升至23%，其余7%由百度昆仑芯、天数、寒武纪、沐曦、燧原、太初、摩尔线程、AMD、英特尔、光子算数瓜分。

FPGA具有半定制化的特点，擅长于算法更新频繁的专用领域，代表企业有赛灵思、英特尔等。ASIC则主要用于市场需求大的专用领域，代表企业有谷歌、寒武纪。类脑芯片则是通过模拟人脑来实现智能计算，代表企业有英特尔。2023年，全球服务器FPGA市场收入为15.78亿美元，英特尔和AMD分别占据85.3%和14.7%的市场份额。

图 3-3各类AI芯片在中国的市场占比

在中国的算力市场中，主流的产品是GPU，占比达到89%，其次是ASIC和FPGA，而类脑芯片的规模还很小。然而，国内部分GPU企业，都采用了商用IP授权，同时以英伟达为首的美国企业也在国内布局GPU相关的基础专利，尤其是图形渲染等核心技术。未来国内产业追赶中将会遇到IP授权不可控和知识产权风险。

除GPU芯片外，我国也已经研制出具备自主知识产权的ASIC和类脑芯片，例如国内寒武纪、比特大陆、地平线、阿里巴巴等都推出了深度神经网络加速的ASIC芯片，清华大学类脑计算研究中心开发出了全球首款异构融合类脑计算芯片—天机，浙江大学联合之江实验室共同研制的达尔文Darwin类脑芯片，灵汐科技发布的商业量产的类脑芯片—领启®KA200，未来有望开拓突破国外算力限制的新赛道。

在性能上，虽然国产AI芯片与国外最高端产品还存在一定差距，但；例如华为昇腾910C芯片、寒武纪思元590芯片、海光信息的深算二号(DCU-Z100)等均可对标国际中高端产品。集成华为910C芯片的中国电信粤港澳大湾区智算昇腾超节点于2025年4月26日正式商用。

表 3-1AI芯片国内外企业最新产品性能对比

3.1.2上游基础层AI芯片专利分析

随着人工智能新兴产业的高速发展，传统芯片已不能满足人工智能产业对芯片性能及算力等方面的要求。因此需要针对人工智能领域构建出高效的AI芯片。AI芯片成为了人工智能及相关应用的基础与核心。由于芯片的技术壁垒高且头部企业形成技术优势，因此专利申请集中在一些重点研发机构中。近年来国内外重要研发机构均加大了该领域的研发投入，导致该领域的竞争异常激烈。

3.1.2.1专利申请趋势分析

AI芯片全球总申请量达到82585项，年复合增长率达到11.79%。如下图1展示了近20年来的增长趋势，从2006年的1121项到2015年的1916项，逐年平稳增加，总体趋势比较平缓稳定、增幅不大。从2015年以来，随着人工智能产业应用的拓展，人工智能模型处理的数据量不断增大，导致人工智能算力的需求不断增加，从而推动了人工智能芯片的快速发展，专利申请量增长迅速，进入快速增长期，到2024年达到了9071项，下图中显示了该领域最近二十年以来，全球AI芯片的爆发式发展。

图 3-4AI芯片全球专利申请趋势

3.1.2.2主要技术来源国申请情况

根据全球各主要技术来源国专利申请量，中美日韩是芯片领域排名前四的技术来源国，该四国也是芯片领域技术领先的地区。四国申请人的申请量占据全球总申请量的中的绝大部分，达到了90.9%。其中中国申请量达到44183项，全球占比53.5%，位居全球第一位，其次是美国18796项，全球占比22.8%，第三名是日本7900项，全球占比9.6%，第四名韩国4208项，全球占比5.1%。

图 3-5 AI芯片全球各主要技术来源国专利申请占比

根据中美日韩四国申请量增长趋势。在2015年以前，全球增长较慢，而美国一直处于第一名的位置，而在2015年以后我国申请量增长非常迅猛，遥遥领先于其他地区的增长，在2024年的申请量接近了8000项，反映了我国在近十年以来的研发投入巨大以及对专利申请的重视度提升。美国整体增长趋势比较平稳，始终保持较大的申请量，在2015年以后被我国超越，位居第二位。美中两国的领先地位，这与《2024中国算力发展报告》中提及的2023年底美国和中国的算力规模位列前两名、全球算力占比分别为32%和26%是相符的。而日本、韩国的申请量总体增速比较缓慢，日本在最近几年甚至出现了缓慢的下滑。

图 3-6 AI芯片主要技术来源国专利申请趋势

根据中美日韩四国申请-授权对比，可以看到授权量的排名顺序与申请量的排名顺序相同，也是中美日韩的顺序。四国授权量分别是，中国17323项（授权率39.2%），美国授权7905项（授权率42.1%），日本授权1852项（授权率23.4%），韩国授权1407项（授权率33.4%）。其中美国的授权率最高，达到了42.1%，一方面因为美国的申请质量较高，另一方面是因为美国早期的申请量比较大，大量申请已经结案授权，而我国属于后起之秀，还存在大量申请还未到结案授权的阶段。

图 3-7AI芯片主要技术来源国专利授权情况

3.1.2.3主要技术布局地申请情况

根据中美日韩欧全球五大局申请-授权对比，可以看到五局排名顺序是中美日韩欧的顺序。五局申请量授权量分别是，中国局申请43056项，授权16885项，美国局申请18927项，授权9533项，日本申请6668项，授权1111项，韩国申请3440项，授权1447项，欧局申请1487项，授权411项。从申请量的对比来看，五局受理的申请量与这五个地区的申请人提交的申请量大致相当。

图 3-8AI芯片全球各主要技术布局地专利申请对比

根据中美日韩欧五局受理的申请量增长趋势，如下所示。在2015年以前，全球增长较慢，而美国局受理的申请量一直处于第一名的位置，而在2015年以后我国受理的申请量增长非常迅猛，遥遥领先于其他地区的增长，在2024年的申请量接近了8000项，得益于我国在近十年以来的研发投入巨大以及对专利申请的重视度提升。美国整体增长趋势比较平稳，始终保持较大的申请量，在2015年以后被我国超越，位居第二位。日本、韩国、欧洲的申请量总体增速比较平缓。

图 3-9AI芯片全球各主要技术布局地专利申请趋势

3.1.2.4申请人分析

根据全球申请人排名。英特尔、三星、英伟达排名前三名，该三个公司都是芯片领域的巨头，技术基础雄厚，研发投入大，全球市场占有量大。英特尔公司进入芯片领域较早，在芯片领域的各个分支均有较强的技术实力，因而总体申请量最多，三星电子是半导体领域的龙头企业，整体实力强申请量大，英伟达在GPU领域的研发实力全球领先。我国寒武纪公司位居第四名（寒武纪同族专利少，所以按照项数排名较高，件数排名没那么高）。华为伴随着其最近几年AI芯片产品销量的提升，研发投入增大，专利数量排名也持续提高，目前已是全球第八名。赛灵思公司是FPGA分支里面的领头者，因而总体申请量较大。IBM由于其企业级服务器业务中也在自研AI芯片，故申请量排进了前五。

图 3-10AI芯片全球申请人排名情况

图 3-11AI芯片全球专利权人排名情况

根据专利权人排名前十位排名情况，我们可以发现此时IBM的专利数量反而大幅减少了，查证后发现是因为其中有相当一部分转让给了作为晶圆代工厂的格罗方德公司。另外，寒武纪的专利数量的减少是由于其专利转给了下属的子公司。同时，英特尔、英伟达和微软通过受让个人与其他公司的专利的方式，大幅提升了自身在AI芯片方面的专利储备。而三星电子、赛灵思和高通等国外公司，也通过受让方式增加了数十件专利。

另外，上述两项前十的排名中共出现了6家美国企业，2家中国企业、2家日本企业和1家韩国企业。这显示出，虽然我国人工智能芯片专利数量已经超过了美国，但是缺少领军企业，存在专利申请大而不优、产业化进程中知识产权风险大的隐患。

例如，目前应用最广的GPU，中国重点专利占比仅9.4%，而美国占比45.1%。下表列举的是部分GPU核心专利：

表 3-2GPU核心专利列表

3.1.3湖北省上游基础层分析

3.1.3.1算力发展现状

依托技术积累，武汉已形成多层次算力供给体系：全市拥有2家FP64超算中心及8家FP16智算中心，其中7家对外开放服务（见下表），其中武汉人工智能计算中心获批成为华中地区首个国家新一代人工智能公共算力开放创新平台。东湖高新区作为核心承载区，汇聚了武汉超算中心、人工智能计算中心等四大设施，规划算力总和达11,300 PFlops，占全市总规划量的72%，成为华中地区算力资源最密集的区域。

表 3-3武汉市算力中心

3.1.3.2芯片专利现状

在算力硬件技术领域，GPU、ASIC、FPGA及类脑芯片等上游AI芯片的研发是推动算力升级的核心驱动力。截至当前，全国相关专利申请总量达45,303件（授权17,819件）。其中，来自北京、广东、江苏的申请人申请量位列全国前三，其申请量占比合计达41%。来自湖北省的专利申请量达1515项，在全国各省市中排名第九，专利授权量599项，在全国各省份中排名第九，授权比例约39.5%，为全国各省份平均水平。这说明湖北省在AI芯片方面的创新水平在国内并不突出，专利申请数量和质量都存在相当的提升需求和空间。

图 3-12AI芯片全国省市排名

图 3-13AI芯片各省市申请/授权

从申请趋势来看，湖北省AI芯片专利申请近二十年的申请量趋势和全球AI芯片专利申请量增长趋势接近，均是在2018年之前增长较为缓慢，2018年之后开始爆发式增长，并且湖北省在2022年后增长率还更快一些，说明湖北省在AI芯片方面研究投入和产出近年来已经追赶、甚至还超过了全球平均水平。

图 3-14AI芯片湖北省申请趋势

武汉市方面，其贡献全湖北省90%以上的申请量（1,400件，授权580件），东湖高新区则以327件专利申请（授权148件）占武汉总量的23%。值得注意的是，华中科技大学以显著的技术积累跻身全国专利权人排名第11位，凸显武汉本土科研机构在算力技术领域的竞争力。

图 3-15AI芯片武汉市申请人排名

除华中科技大学之外，在湖北省内AI芯片排名前十的创新主体还有武汉大学、中国地质大学(武汉)、武汉理工大学、湖北工业大学、华中师范大学、湖北大学、武汉科技大学等高校/科研院所。AI芯片虽然已经有众多成熟的商用产品，但是目前仍面临旺盛的升级迭代的需求，各种新工艺新架构层出不穷，因而成为各创新主体争相参与研发的热点领域。湖北省拥有众多高校/科研院所，其具有的学术和人才资源为AI芯片相关基础技术研究提供了便利。

图 3-16AI芯片国内申请人类型

此外，排名前10的创新主体中仅有两家企业：武汉凌久微电子和亿咖通（武汉），说明湖北省AI芯片的研究中尚缺少企业的参与。且从根据申请人类型的申请量统计中也可以看出，在与全国、北京、上海、浙江等人工智能上游的主要创新省市相比，湖北省的企业申请量占比明显较其他省市更低，这也与本省缺少AI芯片产业链相关企业的现状有关。

图 3-17AI芯片国内主要城市排名

从全国高校/科研院所在AI芯片有效专利的城市排名看，武汉处于第六的位置，在总量上，与第一梯队的北京，以及第二梯队的南京、杭州和西安均存在相当的差距。这说明虽然武汉坐拥全国领先的科教资源，但是在AI芯片这一人工智能上游关键技术方面的重视和投入比起其他同类城市还是明显不足的。

3.1.3.3湖北省AI芯片发展方向探索

AI芯片目前成熟的技术路线依旧以GPU加上CPU的通用芯片为主，在英伟达的高端GPU芯片在国内受限的背景下，虽然寒武纪、华为等国内企业开始尝试国产替代，但是其性能及配套软件生态还远远不能满足市场需求。

此外，随着AI大模型的迅速发展和应用，其规模和参数的增长，对数据处理和存储的要求也越来越高。然而，计算单元的发展速度远远超过存储单元，而芯片在执行计算密集型任务时往往又需要频繁在低速存储单元、高速计算单元间来回转移搬运，浪费了大量的能量，这使得传统GPU已逐渐难以满足高效、低能耗的要求。

针对以上问题，业界为了能够打破现有AI大算力的困局，一方面针对存储芯片进行了诸多改进，另一方面则试图从基础架构破局、积极研发存算一体芯片：

目前AI芯片通过高带宽内存(HBM)实现近存计算，成本较高，故有厂商在高性能SSD基础上发展为AI计算优化的SSD。而在传统GPU芯片和高性能SSD方面，湖北均已有相关企业。例如武汉凌久微电子的前身为大型央企中船709所下属微电子中心，具有近20年的自主GPU芯片研发经验，截至2023年底，已实现产值过亿元，服务200余家客户，共签署芯片（显卡）供货合同超20万颗（片），是国内实现GPU技术自主的重要代表；而总部位于武汉的长江存储，则是国内存储芯片的龙头企业，专利申请超万件，核心技术业内领先。因此。湖北省可借助本地企业优势，按照AI芯片技术演进趋势，发展以深度学习通用芯片和高性能SSD存储芯片为基础的智算平台产品，提供定制化服务，降低AI应用的算力成本。

存算一体芯片在处理大数据和高并行度计算任务时具有显著的优势，尤其是在计算机视觉和人工智能领域。作为一种新兴的计算范式，存算一体芯片在学术界和产业界都具有很高的热度，湖北省也有着相当的研究成果和人才储备，例如华中科技大学缪向水教授、李祎教授团队，以及湖北大学叶葱教授团队均在进行存算一体芯片研究，北京大学武汉人工智能研究院则已在汉布局可量产的全球领先的存算一体芯片。同时，作为可能成为下一代AI芯片核心的存算一体芯片，所需的关键制造技术之一便是三维集成。除长江存储外，武汉还有另一家知名半导体企业，武汉新芯，主营业务包括三维集成和特色存储，其晶圆代工客户中已有利用这些技术制造用于AI边缘计算的存算一体芯片。因此，湖北省可依托已有技术和人才储备，参考AI芯片技术未来发展方向，加强存算一体芯片研发资源投入和统筹规划，推动产学研合作，从而争取新介质新器件的成熟与应用，以突破国外先进工艺封锁。

3.1.4上游基础层结论及发展建议

在全球AI芯片市场整体上被英伟达垄断的背景下；华为、寒武纪等国内企业虽然自主可控基底不断加厚，但是技术参数还是与全球先进技术存在代差，并且重点企业的专利储备与国外龙头企业存在差距。同时，以英伟达为首的美国企业在中国布局GPU相关的基础专利，让国内相关产生面临较大的知识产权风险。

应当从以下三个方面争取相关产业发展：①企业支持。重点支持我国具有技术攻关能力的龙头创新主体对关键核心技术的研发攻关，突破国际上高端智算芯片的对华限制；②技术突破。对当前大模型计算涉及海量矩阵计算，积极从架构与源头上进行探索新的人工智能芯片，探讨更优的硬件计算架构，推动ASIC芯片和类脑芯片的研发和产业化，实现弯道超车；③知识产权保护。持续关注人工智能芯片主要申请人的研发方向和专利布局，防范化解GPU领域的知识产权风险。

湖北省在上游关键技术环节形成突破。一是加强关键环节基础研究，结合本土优势企业长江存储，开展存算一体架构创新，借鉴长江计算AI一体机的模式，长江存储可推出集成存储与计算模块的智能存储设备，直接嵌入边缘计算节点或智算中心，减少数据迁移延迟。二是解决湖北省中小企业的算力获取难题，短期：推广算力租赁模式，降低初始投入；联合技术服务商提供集群管理支持。长期：政府引导社会资本扩建算力中心，构建通用+智能+边缘多元供给体系，按需分配资源。生态协同：鼓励企业加入技术联盟，通过案例共享提升AI应用能力，实现算力投入与利润增长的正向循环。

3.2人工智能中游技术层分析

3.2.1人工智能中游概述

中游技术层主要涉及机器学习、大模型、自然语言处理、机器视觉、智能语音等人工智能领域中较为基础的部分，包含解决各类问题的通用算法，是实现人工智能广泛应用的先决条件。大模型技术是指具有大规模参数和复杂计算结构的机器学习模型，通常由深度神经网络构建而成，拥有数十亿甚至数千亿个参数。目前中游技术层全球专利申请量达到了人工智能全球总申请量的47%，是人工智能大领域中重要的组成部分。

3.2.2中游人工智能大模型产业分析

近年来，AI 大模型得到快速发展，当前大模型热潮主要由语言大模型相关技术引领，语言大模型通过在海量无标注数据上进行大规模预训练，让模型学习大量知识并进行指令微调，从而获得面向多任务的通用求解能力。2017年，Google提出基于自注意力机制的神经网络结构——Transformer 架构，奠定了大模型预训练算法架构的基础。2018 年，OpenAI 和 Google 分别发布了 GPT-1 与 BERT 大模型，预训练大模型成为自然语言处理领域的主流。2022 年，OpenAI 推出 ChatGPT，其拥有强大的自然语言交互与生成能力。2023 年，OpenAI 多模态预训练大模型GPT-4 发布，其具备多模态理解与多类型内容生成能力。2024 年，OpenAI 发布视频生成大模型 Sora，提出时空碎片和扩散 Transformer 技术，大模型的多模态生成能力的进一步成熟。2025年，国内外各创新主体陆续开始探索去注意力机制的模型架构，出现了基于Mamba-Attention 混合架构和Mamba架构的大模型，例如腾讯提出的混元Turbo-S模型、Nvidia发布的Nemotron-H，以及阿布扎比技术创新研究所（TII）发布的Falcon Mamba 7B。基于深度学习的人工智能技术经历了从小数据到大数据，从小模型到大模型，从专用到通用的发展历程，人工智能技术正逐步进入大模型时代。全球大模型技术近三年全球专利申请量复合增长率达到了123.5%，可见大模型技术专利在人工智能技术中呈现强劲的增长态势,并且成为专利布局的焦点。

自2018年起，全球各创新主体陆续提出了大量的基于Transformer架构的通用大模型，其中知名的大模型主要包括：GOOGLE提出的BERT、T5、PaLM系列、Gemini系列；OpenAI提出的GPT系列；阿布扎比技术创新研究所提出的Falcon系列；META提出的LLaMA系列、Anthropic提出的Claude系列、xAI提出的Grok系列等。国内创新主体提出的知名大模型主要包括：百度发布的文心一言系列；阿里巴巴发布的Qwen系列；华为发布的盘古系列；科大讯飞发布的星火系列；腾讯发布的混元系列；月之暗面发布的Kimi系列；智谱AI发布的GLM系列；字节跳动发布的豆包系列；深度探索发布的DeepSeek系列等。近年来，由于Transformer架构带来的计算复杂度的限制，各创新主体也陆续开始探索 去注意力机制的模型架构，2025年，腾讯提出的混元Turbo-S模型和Nvidia发布的Nemotron-H是基于Mamba-Transformer混合架构的大模型；阿布扎比技术创新研究所（TII）发布的Falcon Mamba 7B是基于Mamba架构的大模型。

表 3-4国外大模型发展现状

表 3-5国内大模型发展现状