一、数据内容定义
AI专利是指涉及人工智能技术的相关专利，包括机器学习、深度学习、自然语言处理、计算机视觉等领域的创新成果。
本数据库聚焦中国人工智能领域专利信息，依据自主构建的双重关键词体系与《关键数字技术专利分类体系（2023）》等双重标准，系统性整合中国专利申请与授权数据及国际专利事务信息。核心内容包括：
-
基础信息层
- 专利属性：申请号、授权公告号、专利名称、IPC分类号、申请日、授权日、申请人/专利权人、发明人、地址、专利代理机构及代理人信息。
- 专利类型：覆盖发明专利（含公开与授权两个阶段）、实用新型、外观设计三类。
-
事务管理层
- 法律状态变更记录（如审查意见、驳回、授权、无效宣告、转让、质押等）。
- 国际专利事务：PCT申请数据、优先权信息、分案申请、进入国家阶段日等。
二、数据独特性
（一）双重判定标准
-
标准一（人工+政策双驱动）
- 自主构建关键词词库：整合AI领域核心术语（如大模型、深度学习、机器学习等）及国家知识产权局政策文件中列示的技术范畴。
- 动态更新机制：定期追踪政策文件与技术文献，确保关键词覆盖率。
-
标准二（对标国际分类）
- 严格遵循《关键数字技术专利分类体系（2023）》中细化的人工智能分支（如机器学习、计算机视觉、自然语言处理等），提升分类精准度。
（二）多源异构数据融合机制
- 突破单一数据源局限，全面整合中国产权局的官方专利数据与全球专利法律状态动态信息，形成覆盖专利全生命周期的立体数据网络。通过构建专利家族识别算法，实现全球同族专利的智能关联，解决传统数据库分散检索导致的重复计算问题。
三、数据完整性
- 时间跨度：支持1985年至今的全部专利数据（具体年限可根据需求定制）。
- 地域覆盖：以中国专利为核心，兼顾国际专利布局（通过PCT途径进入中国的专利）。
- 要素覆盖：结构化全字段记录专利从申请到失效的全生命周期状态变迁，特别设计了权利要求数、同族专利数、引用频次等指标。
四、数据可靠性
-
数据清洗流程
- 去重校验：通过申请号、公开号等多维度标识去重。
- 异常值过滤：剔除明显错误数据。
-
交叉验证
- 权威数据源架构：通过多源数据进行交叉验证，确保关键字段的准确性，并提供专利唯一识别符供使用者进行三方对比核验。
-
质量控制流程
- 人工抽检：每月抽取3%数据与各源公告系统进行交叉验证。
- 纠错反馈：开放与客户之间的错误提交通道，建立季度更新修正机制。
五、潜在应用场景
（一）学术研究
- 技术趋势分析：利用专利时间序列数据追踪AI技术热点迁移（如从传统机器学习向大模型演进、2023年“生成式AI”专利爆发等）。
- 专利价值评估：结合权利要求数、引用频次、法律状态等指标构建评价模型。
- 创新主体画像：构建上市公司/工业企业/高新技术企业/高校的AI专利竞争体系、通过申请人共现网络发现产学研协同创新热点等。
（二）产业应用
- 竞争情报分析：监测竞争对手专利布局，识别技术空白点。
- 专利导航：为企业研发方向提供数据支撑，规避侵权风险。
（三）政策制定
- 产业扶持参考：量化分析区域AI专利密度，辅助制定创新激励政策。
- 国际合作研判：通过PCT数据评估我国AI技术的国际影响力。
（四）商业服务
- 专利交易估值：基于历史交易数据与专利质量指标建立定价模型。
- 侵权预警系统：通过关键词匹配与同族专利分析识别潜在侵权风险。
本数据库通过结构化设计、双重验证机制及动态更新策略，构建了兼具广度与深度的AI专利知识图谱，可为学术研究、产业决策及政策制定提供可靠的数据底座。
时间区间
- 发明公布按照申请公布日统计：1985-2023年
- 发明授权/实用新型/外观设计按照授权公告日统计：1985-2023年
数据规模
字段展示
注：关键数字技术版本不含“AI人工智能外观设计专利基本信息表”。
样本数据
因本数据表格较多，本页面仅作关键词版本的部分表格展示，完整表格样例请点击左侧列表浏览。
AI人工智能发明公布专利基本信息表
AI人工智能发明公布专利事务表
参考文献
- 刘青、肖柏高，2023：《劳动力成本与劳动节约型技术创新——来自AI语言模型和专利文本的证据》，《经济研究》第2期。
- 陈楠、蔡跃洲，2022：《人工智能、承接能力与中国经济增长——新“索洛悖论”和基于AI专利的实证分析》，《经济学动态》第11期。
数据更新频率
年度更新