2022技术结构图谱.pdf

技术结构图谱Mapping Technology Structure技术结构图谱 202202第一章引言引言.1第二章研制方法一、专利分析数据.4二、技术结构图谱构建方法.5第三章技术结构及其演变一、技术结构图谱 20162021.11二、WIPO 分类体系在技术结构图谱的映射.18三、不同核心专利数据集构建的技术结构图谱的对比分析.21四、人工智能领域技术结构的演变分析.25第四章国家技术创新布局一、中国及科技发达国家整体技术研发活跃度.33二、中国及科技发达国家技术研发覆盖广度.35三、基于技术结构图谱观察中国及科技发达国家的技术布局.38四、中国及科技发达国家优势技术领域分析.42CONTENTS第一章 引言03第五章热点技术领域分析一、手术器械.47二、智能诊察与监护.51三、通信网络.54四、光学与光电子.57五、锂离子电池.60六、智能汽车.63第六章结语结语.68附 录附录一.中国及科技发达国家技术研发活跃度排名前 10 的技术焦点.（含至少 10 件两方专利）.69附录二.20162021.年.WIPO.技术领域的技术焦点、专利数量统计.75附录三.中国及科技发达国家在 WIPO 技术领域中两方专利分析.76附录四.中国及科技发达国家在 WIPO 技术领域中技术焦点分析.7801第一章 引言第一章 引言2建设科技强国必须加强重大创新领域的战略研判和前瞻布局，加快科技安全预警监测体系建设。为了解世界技术创新布局，把握未来科技发展方向和关键核心技术，中国科学院科技战略咨询研究院利用大数据分析和深度学习技术，从百万级世界专利中发现专利的文本规律，以揭示专利技术间隐藏的深层关联关系及结构特征。针对高影响力专利进行聚类分析，发掘全球领先机构聚焦的技术方向，构建了世界技术焦点数据库，并绘制描绘全球技术竞争态势的技术结构图谱。技术结构图谱，通过深度学习技术与可视化技术，以直观形象的可视化方法宏观展示错综复杂的专利技术间的结构特征，揭示了技术方向间的关联关系与发展态势。通过图谱可以快速、全面、客观地把握世界技术态势，遴选国际上重要的技术焦点、技术前沿等，评估世界主要国家在这些技术焦点上的技术实力，寻找优势与差距方向等，为科学决策提供客观依据与数据支撑。中国科学院科技战略咨询研究院技术结构研究组自 2017 年开展相关研究，持续跟踪业界最前沿的机器学习技术，不断改进分析数据和分析方法，先后构建了两版“专利文本特征抽取模型”。第二版“专利文本特征抽取模型”，通过结合大量专利文本及专利特征信息的后训练，改进 Google.的 BERT 预训练模型，使之适用于专利文本。运用该模型，对遴选专利数据进行聚类，构建了高影响力专利技术的世界技术焦点数据库，同时，利用技术焦点间的关联关系绘制技术结构图谱。至 2023 年，研究组先后完成了 2012-2017 年、2014-2019 年、2016-2021 年三个时期的技术焦点数据库构建与技术结构图谱绘制与解读分析工作，其中前两期报告的专利数据选用三方同族专利（同时在美国专利商标局、欧洲专利局、日本特许厅寻求保护的专利，简称“三方专利”），本期报告选取两方同族专利（同时在美国专利商标局、欧洲专利局寻求保护的专利，简称“两方专利”）作为底层数据。专利信息可以反映全球所有技术领域的最新发展动态和最活跃的创新技术，但如何从海量的专利数据中，构建合适的数据集来研制技术结构图谱一直是本研究的一项核心研究任务。技术结构图谱2021中我们沿用创新性评价的一个重要指标，即三方专利，作为底层数据，报告获得了很好的反响的同时，专家也提出三方专利数据相对陈旧以及各国专利失衡的问题。技术结构图谱 2022研制过程中，研究团队力求回应专家关切，在进行严谨数据分析的基础上，结合专家研判，选用两方专利作为本期报告的底层专利数据。与三方专利相比，两方专利总量增加了一倍，且平均公开年“更年轻”提前了半年。同时，美国、欧洲和中国等国家和地区的头部企业无论是专利总量还是占比都有大幅增加。技术结构图谱 2022报告对公开日 2016-2021.年间的.600.654.件两方专利进行聚类，形成了12.293 个技术焦点。通过将技术焦点中的高维专利文本特征向量映射到二维空间中，可视化展现全球视野的技术结构图谱，直观形象地展示世界专利技术的结构特征以及技术焦点间的关联关系与发展进程。基于技术结构图谱，叠加不同国家的专利份额，可清晰揭示不同国家在技术创新布局上的偏重，找出中国的差距。报告选取技术结构图谱中的热点技术领域（技术结构中的高密度区域）进行深入分析，分析热点技术领域中的技术重点及领先机构。除了热点技术领域，本报告还展示了另外一种基于技术结构图谱的专题领域分析模式，即采用检索策略，发现人工智能相关的技术焦点，分析其布局及特点，并通过两个时间窗，分析人工智能领域专利技术的演变。引言技术结构图谱 2022302第二章 研制方法第二章 研制方法4研制方法一、专利分析数据专利信息是反映全球所有技术领域的最新发展动态和最活跃的创新技术。世界知识产权组织（WIPO）指出，90%以上的科技信息是通过专利信息反映出来的，若运用好专利信息，可以节约40%的科研开发经费和 60%的科研时间。与目前大多数以本国申请专利的统计分析不同，本研究的目标是构建具有代表性和相对完整性的世界技术焦点数据库，以及反映世界技术前沿态势的技术结构图谱。因此如何选择高价值专利构建核心专利数据集一直是本研究的首要任务。在 2012-2017 年、2014-2019 年两个时期的技术结构图谱选取了在美国专利商标局、日本特许厅、欧洲专利局同时申请的“三方同族专利”（又名三方专利）作为核心专利数据集。通常三方专利被认为具有较高的科技含量和经济价值，反映一个国家技术发明的整体水平及在国际市场上的竞争力，被广泛应用于经济合作与发展组织、欧盟统计局、美国国家科学基金会等国际权威机构的统计报告中。但由于申请三方专利时间较长，并且随着日本经济的日渐低落，世界一些顶级机构并不很重视日本市场等原因，专家提出我们遴选的核心专利数据有一定的时滞性和不同国家专利的失衡性。在 2022 的技术焦点数据库的研制过程中，研究组在严谨数据分析的基础上，结合专家研判，选用了美国专利商标局和欧洲专利局共同保护的专利，后续简称两方专利，作为本期报告的核心专利数据集。本报告的分析数据基于德温特创新平台（Dewent.Innovation）最早公开年为 2016-2021年的两方专利数据，数据检索时间为 2022 年 3 月。表 2-1 显示了三期技术结构图谱中专利数据总量及覆盖时间。连续三期技术结构图谱专利数据的时间间隔为 2 年，重叠时间为 4 年。需要说明的是，虽然两个时期技术结构图谱的时间窗有重叠部分，但由于专利公开的时滞在 18 个月左右，所有两个时期技术结构图谱在重叠窗口内的专利数据并不完全相同，尤其在重叠年份的后两年会出现较多新增数据。与三方专利相比，两方专利的数据量比三方专利高出一倍，平均公开年提前了半年。并且，美国、欧洲和中国等国家和地区的龙头企业的专利量占比大幅增加。表 2-1 三期技术结构图谱使用数据技术结构图谱时间范围20122017 年三方专利检索时间 2018 年 8 月20142019 年三方专利检索时间 2020 年 3 月20162021 年两方专利检索时间 2022 年 3 月专利家族数291498272354600654技术结构图谱 20225二、技术结构图谱构建方法专利布局分析中常用专利分类体系（比如IPC/CPC 等）直接进行统计分析，发现技术领域内容的专利热点方向或技术布局。虽然各类专利分类体系都是较为成熟的标准分类，且通常包含多层分类关系，但在进行技术布局分析时存在一些局限性。现有的专利分类体系设计以功能性为主、应用性为辅，主要以满足检索功能为主要设计前提，在布局分析时难与具体产业技术领域对应，且分类体系粒度过大、更新缓慢，无法细致体现关键技术和最新变化。因此本研究没有直接使用现有的专利分类体系构建技术结构图谱，而是根据专利之间的关联关系发现技术结构，突破传统的分类体系，体现技术交叉融合的趋势。技术结构图谱的构建在学术界暂时没有公认的最佳方案，传统的专利可视化分析通常称为专利地图，常参考科学论文的分析方法，多使用引文共现分析或关键词共现分析，但以上分析方法在分析专利时存在一定缺陷。专利引文分析中，首先专利的引用动机与科学论文引用动机有较大的不同,在揭示知识关联方面存在较大差异1,2。其次，专利引用没有统一的规范，发明人引用与审查员引用各自有不同的引用目的。各国审查员引用要求也有很大差异，美国专利局审查员引用数量是欧洲专利局的 5 倍。除此之外，专利间引用的频次相比科学论文较低，本报告对 6 年的本底专利数据进行统计发现，专利间存在直接引用关系的专利只有 29%，存在共被引关系的专利仅有 37%，因此从数据统计出发，经典的论文引文分析方法也不适用于专利的技术图谱分析。而关键词等文本共现分析存在一词多义或一义多词、词间缺乏语义关系等问题，会造成分析结果存在一定误差。综上所述，我们有必要寻求一种更加科学、合理的技术结构发现方法，帮助相关技术领域的科研技术人员、科研单位以及专利情报分析人员更客观、准确地认识该领域的技术结构和技术方向之间的关联关系,.同时还有利于发现隐含的新技术要素信息、技术前沿方向，从而推动技术创新。随着近年来人工智能中深度学习的发展，为专利文本分析提供了有效支撑。本报告采用了基于深度学习模型的文本分析，融合了专利分类等影响专利技术结构的专利特征，构建专利技术结构图谱。技术结构分析方法流程如图 2-1 所示，主要分为三个主要步骤：首先是专利文本抽取模型，将专利文本转换成高维特征向量，抽取的专利文本图 2-1 技术结构图谱发现流程专利文本文本特征抽取模型聚类可视化算法1李睿,孟连生.论专利引用行为与期刊论文引用行为在揭示知识关联方面的差异 J.情报学报,2010,29(3):474-478.2李睿.专利被引频次和施引频次与专利价值的相关性解析以在美注册的中国专利为样本 J.情报学报,.2014(4):395-404.第二章 研制方法63.Devlin,.Jacob,.et.al.Bert:.Pre-training.of.deep.bidirectional.transformers.for.language.understanding.arXiv.preprint.arXiv:1810.04805.(2018).4.Ting.Chen,.Xiaomei.Wang.and.Guopeng.Li,.Patent.Similarity.in.Neural.Models:.A.Comparative.Study,.Global.TechMining.Conferences.Proceedings.2020模型训练特征向量抽取输入专利文本后训练微调输出原生 BERT 模型海量专利文本IPC/CPC 标签专利文本特征抽取专用 BERT 模型专利特征向量图 2-2 基于 Bert 模型的专利文本特征抽取流程特征作为技术结构基本构成单元；其次，基于专利文本的高维特征，通过聚类算法发现技术主题；第三，使用可视化算法，将技术主题的高维特征向量映射入二维图谱，利用图中坐标分布特点，自动发现技术结构图谱中的结构特点，用于后续解读。相关步骤中设计算法与模型详见后续章节。（一）专利文本特征抽取模型为了抽取准确的专利文本特征，本报告训练了二版专利特征抽取模型。第一版专利文本特征抽取模型使用了一种不依赖任何预设领域词典、无需人工标注的无监督 Doc2vec 模型来实现专利文本特征抽取。利用海量专利文本作为学习语料训练模型，并利用 IPC 代码的层次关系构建多组专利特征抽取模型测试数据集。该模型在测试数据集中表现远高于当时被应用最广泛的词袋模型Tf-idf、主题模型 LSA、LDA。Doc2vec 模型虽然采用深度学习的思想，但模型只有 3 层神经网络结构，严格来讲还属于浅层深度学习模型。Google 在 2018 年 11 月推出的BERT 预训练模型3，是网络深度高达 12 层的深层神经网络结构，并采用基于自然语言连贯性假设的双向遮蔽语言模型理解自然语言规律。原生BERT 模型的训练语料使用了海量的新闻、维基百科等综合文本上进行训练，显著提高了自然语言理解任务的准确率，是具有“里程碑”意义的技术进步。但是，BERT 的训练语料与专利文本的特征还是具有很大的差别。因此，第二版专利特征抽取模型将专利文本特征作为先验知识与复杂的深度神经网络模型结合，并与专利已有的标注分类信息融合，进一步提升了专利文本特征抽取模型的准确率。模型训练与文本特征抽取流程如图2-2所示，本报告在原生 BERT 预训练的模型之后加入海量专利文本进行后训练（post-training），并利用IPC/CPC 专利分类标签对 BERT 模型内部神经元参数进行微调（fine-tune），通过以上两个步骤让BERT 模型适配专利申请书文本特征，形成了适用专利文本的专用 BERT 模型。经过一系列试验表明效果比第一版模型有很大的提升4。技术结构图谱 202275.Van.Der.Maaten.L,.Hinton.G.Visualizing.Data.using.t-SNEJ.Journal.of.Machine.Learning.Research,.2008,.9:.2579-2605.6.陈挺,.王海名,.王小梅.基于可视化的基金资助热点及其演化发现方法研究 J.现代图书情报技术,.2020,.004(002):60-67.7.Chen.T,.Li.G,.Deng.Q,.Wang.X.Using.Network.Embedding.to.Obtain.a.Richer.and.More.Stable.Network.Layout.for.a.Large.Scale.Bibliometric.Network.J.Journal.of.Data.and.Information.Science,.2021,.6(01):154-177.（二）基于专利文本特征聚类确定技术焦点本报告通过专利文本的聚类分析，把主题相同的专利聚在一起，产生若干的专利技术簇，反映了世界上创新机构主体所关注的技术焦点方向。帮助相关技术领域的科研技术人员与专利情报分析人员更客观、准确地认识该领域的技术分类和技术结构,有利于发现隐含的新技术要素信息,.推动技术创新。本报告采用了基于特征空间向量的聚类算法，没有采用引用网络社团划分的聚类方法。由于本报告涉及专利数量较大，聚类算法采用了适用于大数据量的 K-means+聚类算法，进行了两次聚类。利用轮廓系数算法计算 10 以下最优聚类数，将 60 万专利分成若干大类。之后二次利用轮廓系数再次计算每个大类中最优聚类数，利用最优聚类参数完成第二级 K-means 聚类，发现技术焦点。（三）技术结构图谱可视化报告选用非线性降维 t-SNE 算法5作为技术结构的可视化算法，它是一种非监督降维算法，无需预先给定样本的分类标签信息。目前 t-SNE可视化算法已成功应用于很多真实高维数据集，如图像文字、生物信息、新闻文本数据等。研究组也在论文结构图谱与基金图谱中使用了 t-SNE算法制作了可视化图谱6,7，不论是对局部细节结构的揭示还是稳定性方面都有较大的提升。首先将技术焦点中包含的专利文本特征向量加和平均后，形成了一个代表技术焦点的平均向量。之后再利用 t-SNE 降维算法将这些技术焦点的高维向量映射到二维图谱形成技术结构图谱。图谱中每个点代表了一个技术焦点，点的大小代表技术焦点内包含的专利个数。该可视化方法在保证大样本整体布局稳定的情况下，揭示了更多的局部特征，不同的技术大类在图谱中有各自清晰的区域，在技术大类内部子类也出现了聚集效果，子类之间呈现出明显的轮廓。这些在图谱中呈现出的技术子类我们在报告中成为技术焦点群，在图谱中作为主要的显示单元进行展示，以提升技术结构图谱的可读性。第二章 研制方法803第三章 技术结构及其演变技术结构图谱 20229技术结构及其演变本章基于技术结构图谱进行技术结构及其演化的分析。技术焦点的构成及技术焦点间的关系反映了世界高价值专利的整体结构，技术结构图谱是一系列描述技术结构的可视化图，直观地反映了世界专利技术领域的关联关系以及演化进程。全球技术竞争态势从技术结构图谱中可以看出世界两方专利技术重点集中在信息与通信技术（ICT）、医疗健康、汽车及其他交通工具三大产业。这三大产业在技术结构图谱中占据了大半的面积。其他的主要产业还有机械制造、化工冶金和能源等。ICT 产品及服务，包括半导体、无线通信、机器学习、计算机软硬件、网络安全、音视频处理、电力设备和电器元件等；医疗健康，包括医疗技术、生物技术、医疗器械、生物制药、药物研发等；汽车及其他交通工具，主要包括智能驾驶、汽车动力电池、车辆传动装置、车辆部件、转向控制系统、汽车发动机、汽车照明和轮胎等技术，在其他交通工具中，主要是和飞机等航空技术相关的自动驾驶、飞行器、航空发动机等；机械制造中，很大区域是和内燃机、燃气轮机、涡轮发动机、复杂机床切削刀具等相关的技术。专利技术结构的布局，总体上保持稳定。基于两方专利数据的技术结构图谱 20162021 与基于三方专利数据的技术结构图谱 20142019 和技术结构图谱 20122017 在总体结构上的领域划分与布局基本一致，仅在局部细节上存在一些差异。热点专利技术从三期技术结构图谱来看，持续高热度的技术焦点群包括“通信网络设备与技术”“视频编码技术”“锂离子电池”“半导体器件及工艺”“LED 技术及其深度集成应用”“医用诊察和监护装置、系统和方法”“手术器械”“杂环药物原料”“生物药”“车辆传动装置、车辆部件”“内燃机与燃气轮机”“复杂机床切削刀具相关技术”等。对比两方专利和三方专利的技术结构图谱，技术结构图谱 20162021 新增或热度明显增高的技术方向包括“区块链与密码学”“分布式网络数据安全”“网络通信数据安全”“数据分析与用户行为预测”“机器学习模型、系统及设备”“智能驾驶”“航空发动机”“酶、核酸或微生物的测定或检验方法”“核酸的测定或检验方法”“医疗保健信息学”“汽车动力电池”等。第三章 技术结构及其演变10人工智能技术人工智能技术在 20162018 年和 20192021 年两个时间段中热点技术有所变化：.20162018年专利聚集度较高的区域主要集中在人工智能功能应用技术，包括“个性化内容定制与推荐”“图像处理与交互系统”“视觉识别与模型构建系统”“医学影像诊断设备”“医用诊察和监护装置、系统和方法”“智能驾驶”“飞行设备、飞控系统和信息处理设备”“酶、核酸或微生物的测定或检验方法”等技术焦点群。20192021 年，随着深度学习等技术的成熟，人工智能基础技术.“机器学习模型、系统及设备”的热度迅速上升，向复杂性、解释性、分布式学习、硬件优化和动态调整以及更好的数据管理方向发展的趋势；随着 AI 技术在人工智能功能应用和人工智能领域应用中的深度融合，.“智能驾驶”相关技术作为人工智能的重要领域应用，得到了快速增长和显著增强。同时，“医学影像诊断设备”技术的作用也日益突出，为医疗领域带来了革命性的变革；人工智能功能应用区域中的“图像处理与交互系统”相关技术的发展也较为迅速。技术结构图谱 202211一、技术结构图谱 20162021本研究通过对两方专利申请书的文本特征进行聚类形成技术焦点，利用降维可视化算法将各技术焦点的高维文本特征向量映射在二维空间中，形成了技术焦点之间的布局，生成技术结构图谱（图 3-1）。技术结构图谱 20162021 包含技术焦点12293个，几乎涵盖了该时间段的全部两方专利。注 1.每一个圆圈代表一个技术焦点，圆的大小与技术焦点包含的两方专利数量成正比。注 2.技术焦点的坐标位置由深度学习模型确定，.各技术焦点之间的相对位置也反映出它们之间的关联程度，距离越近，关联程度越高。图中上下左右的方位没有实际含义。注 3.图中专利量越大，密度越大、颜色越暖；反之，专利量越小，密度越小、颜色越冷。图中按照密度等高线自然圈出了一些技术焦点群区域，标识主体技术内核是为了掌握技术结构的内容，增加可读性。注 4.由于空间所限，图中部分技术焦点群使用简称进行标识，全称及群分类见表 3-1。图 3-1 技术结构图谱 20162021第三章 技术结构及其演变12技术结构图谱直观地反映了当前的技术结构及技术发展情况。图中每一个圆代表一个技术焦点，由一组两方专利组成，圆的大小与技术焦点包含的两方专利数量成正比，旁边的数字代表技术焦点的 ID 号。圆之间连线代表技术焦点之间具有较强的关联，各个圆之间的相对位置也反映出它们之间的关联程度，距离越近，关联程度越高。图中的颜色对应于两方专利的密度。两方专利密度集中的部分颜色较暖（红），专利申请较热，并且随着两方专利密度的降低，颜色逐渐变冷（蓝）。当前技术发展迅速，技术不断交叉融汇，技术领域之间的界限越来越模糊。技术结构突破了传统的专利分类体系，利用深度学习模型学习了专利文本的语义关系，在图中语义更相近的技术焦点被聚集在一起，形成了多个高密度区域，这些高密度区域代表了解决共同的技术问题或者使用了类似的技术方案的专利群。因此技术结构图谱中不以传统的专利分类体系为主，而是尽量从共同技术问题或者共同技术解决方法角度出发进行归类，按照可视化图中的密度区域划分出技术焦点群。在技术结构图谱中，从左上方逆时针看，左上方是通信方面的技术焦点群，左部为信息技术、左下部医疗技术相关技术焦点群。下方为生物技术、医药相关的技术焦点群，右侧为化学、材料相关技术焦点群，右上方是和发动机、机械相关的技术焦点群，图谱上方是和汽车等交通工具相关的技术焦点群。图中间部分是和测量、光学、半导体、电池、.电力设备等相关的技术焦点群。技术焦点群详细信息见表 3-1。从技术结构图谱的分布面积中可以看出，世界两方专利技术重点集中在信息与通信技术（ICT）、医疗健康、汽车及其他交通工具三大产业。这三大产业在技术结构图谱中占据了大半的面积。其他的主要产业还有机械制造、化工冶金和能源等。其中，ICT产品及服务，包括半导体、无线通信、机器学习、计算机软硬件、网络安全、音视频处理、电力设备和电器元件等；医疗健康，包括医疗技术、生物技术、医疗器械、生物制药、药物研发等，其中，医疗技器械分为两个明显的子群，左下侧为医疗影像为主的诊断技术，使用了附近“光学”“信息技术”群组包含的技术。中间以.“手术器械”为主，与附近的“材料”、“机械”群组更相关；汽车及其他交通工具，主要包括智能驾驶、汽车动力电池、车辆传动装置、车辆部件、转向控制系统、汽车发动机、汽车照明和轮胎等技术，在其他交通工具中，主要是和飞机等航空技术相关的自动驾驶、飞行器、航空发动机等；机械制造中，很大区域是和内燃机、燃气轮机、涡轮发动机、复杂机床切削刀具等相关的技术。本报告利用技术焦点在图中的位置信息与技术焦点内专利数量计算了每个技术焦点群的热度（密度），从图可以明确看出，本期最热的技术焦点群主要有以下 22 个，包括.“通信网络设备与技术”.“手术器械”“航空发动机、涡轮机转子叶片”.“车辆传动装置、车辆部件”.“汽车动力电池”“内燃机与燃气轮机”“涡轮发动机的优化设计、冷却技术和维修方法”“杂环药物原料”.“锂离子电池”.“LED技术及其深度集成应用”.“半导体器件及工艺”“数据分析与用户行为预测”.“视频编码技术”“医用诊察和监护装置、系统和方法”.“生物样本测量”“酶、核酸或微生物的测定或检验方法”“生物药”.“合金器件”“高分子聚合物”“化学合成与材料”.“复杂机床切削刀具相关技术”.“智能驾驶”。技术结构图谱 202213表 3-1 技术焦点群信息技术焦点群名称技术焦点群名称简写技术焦点数量通信网络设备与技术通信网络411雷达雷达38无线通信信号传输、处理方法与设备无线通信74卫星无线电信标定位系统卫星定位27无线通信信号优化方法与设备信号优化91无线通信天线技术天线51信号处理与传输优化技术信号处理40视频编码技术视频编码121音频信号处理音频信号85印刷电路及零部件印刷电路61机器学习模型、系统及设备机器学习66智能手机智能手机125数据处理系统或方法数据处理系统48图像传输图像传输77增强现实系统增强现实84农业自动化设备、系统及方法农业自动化设备31智能机器人与自动化系统智能机器人21语音识别语音识别19射频识别（RFID）技术射频识别28图像处理与交互系统图像处理92视觉识别与模型构建系统视觉识别40高性能半导体存储技术高性能存储88计算机处理器计算机处理器37区块链与密码学区块链65网络通信数据安全网络安全52分布式网络数据安全分布式网络安全51第三章 技术结构及其演变14技术焦点群名称技术焦点群名称简写技术焦点数量数据分析与用户行为预测用户行为预测82个性化内容定制与推荐个性化推荐56分布式计算资源与数据管理分布式资源管理31数据管理与处理数据管理41医疗保健信息学医疗保健信息学57医用植入物、治疗设备和方法医用植入物120医学影像诊断设备影像诊断32医用诊察和监护装置、系统和方法诊察和监护223手术器械手术器械140注射穿刺器械注射器械34杂环药物原料杂环药物86皮肤与口腔护理产品皮肤护理23药物研发药物103生物医学疗法与药物组合生物疗法与药物86靶向免疫治疗及个体化联合抗癌疗法免疫抗癌疗法60光谱测量技术光谱测量18核酸的测定或检验方法核酸检测43突变或遗传工程突变或遗传工程76细胞培养装置细胞培养56繁殖、维持或保藏微生物或其组合物的方法微生物培养91生物样本测量生物样本测量100酶、核酸或微生物的测定或检验方法分子生物检测104用于疾病诊断和测试的材料与方法诊断测试122生物药生物药144半导体器件及工艺半导体器件62有机半导体器件和材料有机半导体87技术结构图谱 202215技术焦点群名称技术焦点群名称简写技术焦点数量光纤光纤21光学成像与显示技术光学成像62LED 技术及其深度集成应用LED92汽车照明系统的光源设计与应用汽车照明23激光技术激光31测量与传感设备测量与传感设备38计量设备计量设备249锂离子电池锂离子电池41太阳能电池太阳能电池35电解质和电解液电解质和电解液55光电传感器光电传感器38数据输入输出设备输入输出设备33液晶显示设备液晶显示设备48服装、鞋靴用材料服装材料99建筑材料及构件建筑构件32橡胶材料橡胶材料50聚合物制备装置及工艺聚合物制备89合金器件合金器件141玻璃和陶瓷制品及制备工艺玻璃陶瓷27食品制备及保存食品70个人护理材料（化妆品、洗涤剂等）个护材料71农药（杀虫剂、除草剂等）农药60硅基材料硅基材料26层状产品（层压板、薄膜、夹层玻璃等）层状产品29石油化工产品、制备装置及工艺石化产品166环保高性能聚合物及其先进制备环保高性能聚合物50第三章 技术结构及其演变16技术焦点群名称技术焦点群名称简写技术焦点数量高分子聚合物高分子聚合物62化学合成与材料化学合成45化学反应催化剂催化剂25发电、变电或配电设备电力设备114基本电气元件电气元件104电源管理器件、装置和系统电源管理52航空发动机、涡轮机转子叶片航空发动机100热交换设备、燃料电池等热交换121风力发动机风力发动机23内燃机与燃气轮机内燃机71涡轮发动机的优化设计、冷却技术和维修方法涡轮发动机47流体控制与调节系统流体控制69冷却技术与空调系统冷却技术27机械零件材料与加工机械零件80电器设备电器设备32复杂机床切削刀具相关技术复杂机床切削刀具135家用清洁设备（洗衣机、洗碗机、扫地机、吸尘器等）家用清洁设备91工业机器人部件与系统工业机器人34净化和分离装置及方法净化和分离装置49包装或输送的设备包装设备150贮存或运输的容器贮运容器48电子烟及气溶胶发生装置电子烟36武器、弹药武器22机床机床55制冷设备及部件制冷设备32农机设备及部件农机设备47技术结构图谱 202217技术焦点群名称技术焦点群名称简写技术焦点数量个人护理设备（剃须刀、剪发器、化妆品包装和涂抹装置等）个护设备48工程元件或部件工程元件26汽车动力电池汽车动力电池67车辆传动装置、车辆部件车辆传动与部件166飞行设备、飞控系统和信息处理设备飞行器75智能驾驶（车载信息系统、辅助驾驶、自动驾驶、车联网等）智能驾驶208转向控制系统转向控制87汽车发动机汽车发动机80电机电机49印刷设备及材料印刷设备42打印装置与系统打印机83需要说明的是：对于技术焦点群的命名，本报告提取该区域中主要专利技术方向进行标识，以反映当前世界上主要创新机构关注的技术领域，会存在少部分的技术方向没有被包含的现象。并且由于角度不同，不同人员的命名有可能不同，命名是为了方便技术结构图谱的读取。如需了解更为细致的技术结构，可以深入到专题领域甚至到两方专利层面进行更为细致的分析，本报告仅从较为宏观的角度来分析世界两方专利和世界主要国家在全技术领域的创新表现。技术结构图谱 20162021 中共有技术焦点12293 个，最大的技术焦点包含 253 件专利，最小的技术焦点包含 2 件专利。从图 3-2 技术焦点包含专利数量的统计直方图中可以看出，大部分技术焦点包含的专利数量在 20-60 件之间，其中包含 21-40 件专利的技术焦点最多，共有 4086 个。包含 60 件专利以下的技术焦点占全部技术焦点的73.2%，超过 100 件专利的技术焦点仅有 656 个，占全部技术焦点的 5.3%。第三章 技术结构及其演变18技术焦点内专利数技术焦点数450040003500300025002000150010005000141240861.,.2021.,.4041.,.6061.,.8081.,.100101.,.120121.,.140141.,.160161.,.180181.,.200201.,.220221.,.240241.,.2603504183180439113973329732图 3-2 技术焦点包含专利数量直方图 20162021二、WIPO 分类体系在技术结构图谱的映射本节将 12293 个技术焦点与世界知识产权组织（WIPO）的四大技术部类8进行映射（图 3-3），图中每个按图例配色的圆点为该技术部类的相关技术焦点。从图中可以看出 WIPO 四大部类呈现出明显的研究区块聚集特点，也验证了可视化算法及聚类算法的准确性。电气工程相关的技术焦点主要集中在图的左上方，技术焦点群包括：“通信网络设备与技术”“无线通信信号优化方法与设备”“网络通信数据安全”“高性能半导体存储技术”“视频编码技术”“机器学习模型、系统及设备”“图像处理与交互系统”“液晶显示设备”“半导体器件及工艺”“发电、变电或配电设备”“汽车动力电池”等；图谱左下方及图谱中部主要是仪器相关的技术焦点群，主要包括：“测量与传感设备”“光学成像与显示技术”“医用诊察和监护装置、系统和方法”“手术器械”“注射器械”“生物样本测量”“雷达”“卫星定位”等；机械工程相关的技术焦点群主要集中在图谱的右上方，主要集中在.“转向控制系统”“车辆传动装置、车辆部件”“汽车发动机”“航空发动机、涡轮机转子叶片”“内燃机与燃气轮机”“流体控制与调节系统”“复杂机床切削刀具相关技术”“工业机器人部件与系统”“包装或输送的设备”等；图谱右下方要是化学相关的技术焦点群，主要包括：“电解质和电解液”.“环保高性能聚合物及其先进制备”“高分子聚合物”“化学合成与材料”“层状产品”“石油化工产品、制备装置及工艺”“个人护理材料”“食品制备及保存”“农药”“杂环药物原料”“生物医学疗法与药物组合”“突变或遗传工程”“生物药”“净化和分离装置及方法”等；其他领域的技术焦点群数量相对较少，主要集中在图谱的右方边缘位置，主要包括：“家用清洁设备”“电子烟及气溶胶发生装置”“建筑材料及构件”“服装、鞋靴用材料”“制冷设备及部件”“个人护理设备”等。8.https:/www.wipo.int/meetings/en/doc_details.jsp?doc_id=117672技术结构图谱 202219本报告中对技术焦点所属技术领域的判定规则如下：只要有一个技术领域专利占比大于60%，该技术焦点就属于该技术领域，否则，属于交叉领域。由于专利通常归属多个 IPC，因此会出现一个技术焦点同时属于多个技术领域的情况。图 3-3 WIPO 技术部类在技术结构图谱中的分布第三章 技术结构及其演变20表 3-2 列举了按 WIPO 技术部类划分后的专利数量、技术焦点数量、技术焦点涉及的专利数量及份额（增加一个交叉领域）。其中，电气工程专利数量份额最高，达到 44.9%；其次是机械工程 33.8%；仪器略多于化学部类，分别为 31.9%和 30.1%；其他领域的占 9.7%。在各部类中，技术焦点包含专利的份额与专利份额的排名基本一致，不同点主要是仪器部类占比略少于化学部类，且各部类份额数值均有所减少。表 3-2 两方专利及技术焦点的 WIPO 技术部类数量统计WIPO 部类20162021 年总体统计-按所有 IPC技术焦点数量技术焦点包含的专利数量专利数量技术焦点份额/%技术焦点包含专利的份额/%专利份额/%电气工程481124159026971439.1%40.2%44.9%仪器309414428619131025.2%24.0%31.9%化学338815148818105027.6%25.2%30.1%机械工程336116647120273927.3%27.7%33.8%其他72425160584745.9%4.2%9.7%交叉领域1987900.2%0.1%0.0%图 3-4 列举了划分到 35 个 WIPO 技术领域的专利份额。其中，电气工程部类下的“计算机技术”“数字通信”和“电机、设备、能源”专利份额分列前三位，份额均超过 12%，分别为17.2%、13.3%和 12.1%。另外，还有 2 个技术领域份额超过 10%，为仪器部类下的“医疗技术”和“测量”。机械工程部类下占比最高的技术领域为“运输”，占比 9.8%，排名第六位。化学部类下占比最高的技术领域为“药物”，占比 8.0%，排名第七位。排名后两位的技术领域分别为“微结构与纳米技术”和“食品化学”，均来自化学部类，占比仅有 0.8%和 1.7%。详细 35 个技术领域两方专利数量、技术焦点数量、技术焦点涉等统计见附录二。技术结构图谱 202221图 3-4 20162021 年 WIPO 技术领域分布（按专利份额排序）18.0%.16.0%.14.0%.12.0%.10.0%8.0%.6.0%.4.0%.2.0%.0.0%三、不同核心专利数据集构建的技术结构图谱的对比分析截至到 2022 年底，研究团队绘制了三期技术结构图谱，前两期使用的是三方专利数据，第三期使用的是欧美两方专利数据，对应的数据时间段分别为 20122017 年、20142019 年和 20162021年。三期技术结构数据与聚类参数略有不同，每期包含的专利数据量见表 3-3。由于检索时间段略有不同，专利数量在 20142019 年比 20122017年略有减少，新一期（即 20162021 年）中采用两方专利作为底层数据，专利数据量为 60 万，技术焦点数量为 12293 个。时间范围公开年 20122017 年三方专利（检索时间：2018 年 8 月）公开年 20142019 年三方专利（检索时间：2020 年 3 月）公开年 20162021 年两方专利（检索时间：2022 年 3 月）专利层专利数/件291498272354603684技术焦点层技术焦点数/个6400737512293专利数/件291493272348600654图 3-5 为技术结构图谱 20122017，图 3-6为技术结构图谱 20142019，图 3-7 为技术结构图谱 20162021,从图中可以看出，基于两方专利和三方专利构建的技术结构在总体布局上基本保