XiaoMi-AI文件搜索系统
World File Search SystemPATSTAT
美国 - 中国脱钩：欧洲技术主权的时间
图1跨国应用的开发，2005 - 2018年资料来源：基于EPO PATSTAT的Fraunhofer ISI分析。注意：CN =中国，de =德国。我们感谢Fraunhofer ISI与我们共享这些数据。4,800
智能电网技术专利数据的全球回顾
清洁能源转型增加了电力需求，需要更多的风能和太阳能，这给电网带来了压力。智能电网技术可以管理这种转型，减少对昂贵的新基础设施的需求，并提高电网的弹性和可靠性。了解该领域的创新有助于政策制定者和投资者做出明智的决策。本报告借鉴了欧洲专利局 (EPO) PATSTAT 专利数据库的分析，该数据库为量化创新提供了非常有价值的信息来源。它分析了智能电网技术创新的趋势，详细说明了这些进步的时间、地点和子行业。通过研究城市层面的创新，它揭示了智能电网创新的地理模型。此外，本报告使用经济合作与发展组织 (OECD) 开发的指标（例如显性技术优势 (RTA)）来衡量智能电网的专业化程度，以了解一个国家是否专注于与世界其他国家相关的某些技术。此外，它使用 OECD 开发的指标（例如原创性和专利权利要求）来评估专利质量。
加速低排放的开发和传播...
注意：专利计数基于专利申请机构的优先权日期（全球首次申请专利），专利家族规模为两个或两个以上（高价值发明），使用简单计数。2013 年和 2014 年的数据为临时数据。低排放技术包括与能源、GHG（温室气体）和农业相关的气候变化缓解技术 (CCMT)。与能源相关的专利来自 CPC 类别 Y02E（与能源生产、传输或分配相关的 CCMT）、Y02T（与运输相关的 CCMT）和 Y02B（与建筑相关的 CCMT）。与 GHG 相关的专利来自 CPC 类别 Y02C（与捕获、储存、封存或处置 GHG 相关的 CCMT）。与农业相关的专利来自 CPC 类别 Y02P60/1（与农业机械或设备相关的 CCMT）、Y02P60/2（与减少农业温室气体排放相关的 CCMT）和 Y02P60/8（与减少农业温室气体 [GHG] 排放相关的 CCMT）。来源：PATSTAT (2018)。
加速低排放技术的开发和推广...
注意：专利计数基于专利申请机构的优先权日期（全球首次申请专利），专利家族规模为两个或两个以上（高价值发明），使用简单计数。2013 年和 2014 年的数据为临时数据。低排放技术包括与能源、GHG（温室气体）和农业相关的气候变化缓解技术 (CCMT)。与能源相关的专利来自 CPC 类别 Y02E（与能源生产、传输或分配相关的 CCMT）、Y02T（与运输相关的 CCMT）和 Y02B（与建筑相关的 CCMT）。与 GHG 相关的专利来自 CPC 类别 Y02C（与捕获、储存、封存或处置 GHG 相关的 CCMT）。与农业相关的专利来自 CPC 类别 Y02P60/1（与农业机械或设备相关的 CCMT）、Y02P60/2（与减少农业温室气体排放相关的 CCMT）和 Y02P60/8（与减少农业温室气体 [GHG] 排放相关的 CCMT）。来源：PATSTAT (2018)。
能量技术的扩散。可再生，化石和核能专利的证据
a b s t r a c t技术创新被广泛认为是应对气候变化和实现能源政策目标的关键手段。本文的目的是双重的：首先，对各个国家和部门的能源技术创新进行描述性分析；其次，通过区分可再生能源和其他能源专利，即化石和核专利，探索能源技术专利知识扩散的决定因素）彻底进行回归分析。本文所采用的数据由公司在1990年至2015年期间应用的可再生能源和其他能源专利的原始数据库组成，并包含在Patstat中。通过利用专利引用作为知识扩散的指标，并专注于从专利文档中提取的特征，估计了一组计量经济学模型。我们的结果表明，那些包含更多引用对以前的科学文献和专利的专利获得了更大的扩散。与其他公司或大学的联合专利对可再生能源的技术产生可忽略的影响。与大学拥有的所有权对其他类型的能源技术的扩散有负面影响。可以从我们的结果中确定几种政策含义：例如，以病房为导向的政策的理由增强了能源创新中科学知识和共同发明的融合。
国防与人工智能：人工智能使用演变研究
Eva Szego 本文使用网络分析工具研究了过去二十年来国防和人工智能 (AI) 技术交织的演变。人工智能的发展给研究领域带来了深刻的变化，在某些情况下甚至改变了整个行业的发展。这种颠覆性的力量使人工智能成为第四次工业革命的支柱。事实上，人工智能已经成为许多国家国防政策的核心组成部分。该技术也是美国政府 2022 年 10 月针对中国采取前所未有的出口管制措施的核心要素，目的是阻碍国防能力“力量倍增”技术的发展。将我们的分析重点放在国防领域这些技术的发展上似乎特别有趣，原因有几个：国防材料高度重视技术优势和适应性；在复杂多变的环境中，决策往往需要快速；高端和定制产品需要不断发展的科学和技术能力。在分析了国防领域人工智能技术的发展之后，我们研究了经济其他部门的发展，以与国防进行比较。网络分析工具应用于从 Orbit Intelligence 和 PATSTAT（欧洲专利局）数据库中提取的专利数据。初步结果表明，国防领域是最早将人工智能引入其创新过程的领域之一。结果显示，随着时间的推移，人工智能与国防技术的组合数量有所增加，同时这种联系在产生新专利方面的使用也日益频繁。
经济研究工作报告第72号
从 PATSTAT 数据库中提取专利数据，以衡量环境技术创新活动的演变。专利数据具有在技术层面高度分解的优势。得益于 OECD、EPO 和 IEA 过去几十年的大量工作，可以基于国际专利分类 (IPC)、合作专利分类系统 (CPC) 和广泛的关键词搜索制定详细的环境专利检索策略 (EPO、OECD/IEA，2021 年；Haščič & Migotto，2015 年)。欧洲专利局为 CCMT 技术开发的 Y02 标记方案尤其代表了一项重大进步 (EPO，2016 年)。本报告中介绍的检索策略基于 Haščič & Migotto (2015) 的环境技术检索策略。对公路运输的补充分析也依赖于 Aghion 等人的分类。 （2016）比较汽车行业的“清洁”（电动和混合动力）、“灰色”（改进的燃油效率内燃机）和“肮脏”（标准内燃机）创新。本报告中包含的所有图表均由 WIPO 经济部团队提供。图表代表基于 Haščič & Migotto（2015）的给定技术层次级别中专利家族总数的 3 年移动平均值。仅选择至少两项专利中提交的专利家族，以便专注于高质量专利。
人工智能对劳动生产率的影响
服务、运输和物流或服务提供领域的人工智能对社会现在和未来影响的日益凸显引发了激烈的争论（Makridakis 2017 ）。与过去的通用技术一样，人工智能有可能颠覆全球范围内几乎所有行业和企业。最近的研究通过分析人工智能专利申请和人工智能相关科学出版物的演变，调查了近几十年来人工智能技术发展的激增（De Prato 等人 2018 年；欧盟委员会 2018 年；Fujii 和 Managi 2018 年；Cockburn 等人 2019 年；Van Roy 等人 2020 年；世界知识产权组织 2019 年）。这些研究中出现的人工智能创新格局揭示了类似的模式；人工智能的最大增长发生在过去五年里，由中国、日本、韩国和美国主导。尽管人工智能的发展主要集中在电信和软件服务以及电子制造业，但有明显迹象表明，几乎所有其他行业都在越来越多地利用人工智能技术带来的新程度自动化的机会。虽然研究人员对人工智能的上升趋势和变革性质达成了共识，但对其经济影响和生产力价值的推测性解释尚无定论，这与流行的索洛悖论中综合提出的担忧相呼应：“除了生产力统计数据外，你随处可见计算机时代”（Solow 1987，第 36 页）。更为积极的文献认为，人工智能技术的颠覆性内容将通过任务自动化、不确定性的减少、现有创新的重组和新创新的产生（Agrawal 等人，2019a、b；Cockburn 等人，2019）产生，从而提高生产率（Brynjolfsson 等人，2019）。与此形成鲜明对比的是，其他理论模型预测，由于不平等加剧（Gries 和 Naudié，2018）、学习成本（Jones，2009）以及与其他通用技术相比人工智能的颠覆率较低（Gordon，2016、2018），当前的生产率放缓可能会持续下去。除了这些截然不同的预测之外，人们越来越需要通过定量分析来衡量人工智能对增长、生产力和就业等经济结果的影响，但对高质量企业层面数据的要求是一个重要障碍（Raj 和 Seamans 2019；Furman 和 Seamans 2019）。最近才出现实证研究来帮助更好地理解人工智能对企业劳动生产率的影响，而且仅限于少数论文（例如 Graetz 和 Michaels 2018；Alderucci 等人 2020）。据我们所知，没有一篇实证论文在考虑因果关系的同时量化人工智能技术对企业生产率的影响。本研究旨在通过进一步的、新颖的实证证据填补先前研究中观察到的空白。我们使用人工智能的综合定义（指包括机器人在内的软件和硬件组件的组合）并盘点了创新人工智能格局的文献（Van Roy 等人，2020 年），采用一个包含 5257 家人工智能专利申请公司的独特数据库来评估人工智能技术对企业劳动生产率的影响。我们使用来自四大洲的全球样本来测试这种潜在影响，这些公司在 2000 年至 2016 年期间提交了至少一项与人工智能领域相关的专利，结合欧洲专利局全球专利统计数据库 (PATSTAT) 中的专利申请