各省人工智能专利数量

字段字典

• Province [省份名称] — 现行省级行政区名称，按第一申请人的可观测归属回溯，不代表完整历史地址。
• ProvinceCode [省份代码] — 六位字符串省级行政区代码，采用统一现行地区框架回溯。
• Year [申请年份] — 同一申请号各公开版本最早有效申请日期所属的日历年，不是公开年或授权年。
• ObservedPatentCount [地区可定位专利申请件数] — 第一申请人可定位至本地区、属于本申请年度的全部在华专利申请件数，同一申请的多个公开版本合并为一件。用于说明输入覆盖，不是人工智能专利数量；0表示本地源中没有可定位申请。单位：件。
• TextObservedPatentCount [英文检索文本可观测申请件数] — 本地区可定位申请中，至少一个公开版本有非空英文标题或英文摘要的申请件数。仅反映实际英文检索字段可观测，不包含权利要求或发明目的，不能解释为完整人工智能识别覆盖。单位：件。
• CPCObservedPatentCount [联合专利分类可观测申请件数] — 本地区可定位申请中，至少一个公开版本有联合专利分类号CPC的申请件数。CPC缺失时不能据其未命中判断申请不属于人工智能。单位：件。
• ObservedSearchPatentCount [至少一检索通道有输入的申请件数] — 本地区可定位申请中，至少一个公开版本有英文标题摘要或CPC分类的申请件数；同一申请只计一次。该诊断仅表示至少一个观测通道有输入，不表示原WIPO全部检索字段均可用。单位：件。
• AIPatentCount [人工智能专利申请数量] — 参考刘思明等（2025）和WIPO（2019），采用公开WIPO三通道结构，在英文标题摘要和IPC、CPC实际可见范围识别人工智能申请，按申请号合并公开版本、第一申请人所在地和申请年份计件。未完整复现作者76词检索式；至少一检索通道有输入的申请数为0时缺失，其余未命中为受限口径下的0。单位：件。
• LnAIPat [人工智能专利数量加一自然对数] — 参考刘思明等（2025），计算人工智能专利申请数量加1的自然对数，用于度量地区年度人工智能创新数量，值越大表示本检索口径识别的申请越多；申请数量缺失时本字段同样缺失。无量纲。
• AIPatentCPCCount [无需文本条件的CPC通道申请数量] — 仅按公开WIPO检索式中无需文本条件的特定CPC分类通道识别并按申请号去重的本地区申请件数，作为通道对照。该量不等于完整人工智能数量，也不是人工智能真值下界；本地区CPC可观测申请数为0时缺失。单位：件。

常见问题

「各省人工智能专利数量」是什么数据集？

各省人工智能专利数量，隶属科技创新。参考刘思明等（2025），衡量省份年度人工智能创新数量。

该数据集的时间范围是？

覆盖 1985-2025 年。

包含哪些变量/指标？

共 10 个变量。核心指标包括：地区可定位专利申请件数、英文检索文本可观测申请件数、联合专利分类可观测申请件数、至少一检索通道有输入的申请件数、人工智能专利申请数量、人工智能专利数量加一自然对数、无需文本条件的CPC通道申请数量。完整字段清单（变量名·中文名·说明）见页面「字段字典」。

数据频率和层级是怎样的？

频率为年度，省级层级。

样本量有多大？

约 1,271 条观测。

数据是如何测算/获取的？

测算方法 人工智能创新数量反映一个地区在人工智能相关技术上的可观测研发产出。参考刘思明等（2025），本数据集以人工智能专利申请件数及其加一自然对数衡量地区年度人工智能创新。申请数量同时受到研发规模、技术识别范围和专利公开状况影响，不等于创新质量或实际商业应用水平。 一、确定专利申请和地区归属 以中国受理专利申请为计件单位。同一公开号在不同数据批次出现时采用最新记录，同一申请号的公开、授权及相关版本合并为一件申请，避免将公开和授权重复计件。申请年份取各版本最早有效申请日期所属的日历年。不同公开版本的申请日期可能存在源记录冲突，本规则统一取最早有效年份，并不表示所有版本日期一致；少量冲突可能影响跨年归属。 地区归属采用最早有效公开记录中的第一申请人所在地。省级直接使用第一申请人省份；市级使用第一申请人地级及以上地区。只有省份、没有城市信息的申请仅进入省级统计。每件申请在各层只归入一个地区；不按全部共同申请人分摊或重复计入，不将城市之和作为省级结果。 二、识别人工智能相关专利 WIPO（2019）的公开检索结构包含三个通道：第一通道使用特定人工智能CPC分类；第二通道使用核心人工智能关键词；第三通道要求相关IPC或CPC分类与辅助关键词共同命中。分类号单独出现不能替代第三通道的文本条件。 令v表示一条公开记录，B为无需文本条件的特定CPC命中标志，K1为核心关键词命中标志，C为相关IPC或CPC分类命中标志，K2为辅助关键词命中标志。公开记录的识别规则为： $$ AIv=\mathbf{1}\left\{Bv\lor K1v\lor(Cv\land K2v)\right\}. $$ 本数据集将关键词检索限定于英文标题和摘要。核心词包括机器学习、神经网络、自然语言处理等概念；辅助词与相关分类配合使用，避免把一般计算或数学术语直接全部计作人工智能。保留公开检索式的词序、截词和邻近条件，词组不得跨越标题与摘要或句子边界。分类按字面检索锚点及官方层级中的依赖子组匹配，区间分类也包含相应依赖子组。 对于申请a，合并该申请各公开版本的识别证据；任一公开版本命中即将该申请记为人工智能相关申请： $$ AIa=\max{v\in V(a)}AIv. $$ 这里的V(a)是同一申请号对应的公开记录集合。该合并不会将不同中国申请号合并为一个国际专利族，也不借用境外同族成员的文本。后续公开版本的识别证据归入原申请年，属于事后可观测测量，不代表当年已公开的信息集。 三、汇总地区年度数量 令At为申请年份为t的不同申请集合，g(a)为申请a的第一申请人地区。地区r在t年的人工智能申请数量为： $$ N{r,t}=\sum{a\in At}\mathbf{1}\{g(a)=r\}\,AIa. $$ 输出AIPatentCount对应上述数量，单位为件；LnAIPat按刘思明等（2025）的处理计算： $$ LnAIPat{r,t}=\ln(1+N{r,t}). $$ 加一处理使有效零值可进入对数变换。另提供无需文本条件的CPC通道申请数量AIPatentCPCCount，使用同一申请去重和地区归属规则，仅保留B通道命中，便于比较不同识别通道；该对照量不是人工智能真实数量的统计下界。 四、识别可观测输入与缺失 保留地区可定位全部申请件数、英文标题摘要可观测申请件数、CPC可观测申请件数，以及至少一个上述检索通道有输入的申请件数。这些字段用于说明观测条件，不能把至少一个通道有输入解释为WIPO全部字段完整。 本地没有任何可观测英文文本或CPC输入时，人工智能数量及其对数保留缺失；有可观测输入但没有命中时记为本检索口径下的0。CPC通道对照在本地没有可观测CPC输入时保留缺失。地区未观测到申请不构成真实没有创新的证据。 补充说明 刘思明等（2025）综合使用IPC、CPC及76个关键词，但未公开逐项词表、完整检索式和字段条件。本数据集使用WIPO公开三通道式进行明确操作化，不能视为作者原始检索样本或逐值复现。WIPO原检索还涉及权利要求、发明目的、日本分类和同族补充文本，这些内容未纳入本数据集；标题摘要不足可能漏识别，宽泛分类或关键词也可能误命中。 固定公开检索式直接应用于可得分类快照，未作跨版本分类迁移或自行增加新人工智能整类。因此分类改版可能改变识别能力，不能将全部跨年差异解释为真实创新变化。 地区依据现行空间框架及可得归属资料回溯，不代表申请当时完整历史地址。最早公开记录无法定位时，不借后续不同申请人地区静默补回。历史撤并地区、早年及部分地区定位存在系统性缺失；仅省可定位申请不进入市级统计。三沙从设立年开始提供城市观测。全部在华申请包括境外主体，未定位申请不应全部归因于国内匹配失败。 最近申请年度仍受公开与采集滞后影响，保留可得年度并提示使用限制。申请数量衡量的是本定义下已公开、可观测的技术活动，不能直接认定为全部人工智能创新或专利质量。 参考文献 [1] 刘思明, 张新宇, 王文静, 张艺馨. 知识产权保护对人工智能技术创新的影响研究[J]. 科研管理, 2025, 46(10):82-92. DOI:10.19571/j.cnki.1000-2995.2025.10.009. [2] WIPO. WIPO technology trends 2019: Artificial intelligence[R]. Geneva: World Intellectual Property Organization, 2019. [3] WIPO. Data collection method and clustering scheme: Background paper for WIPO technology trends 2019: Artificial intelligence[R]. Geneva: WIPO, 2018.

如何获取该数据集？

通过站内对应淘宝链接下单后，客服发放兑换码；在站内"兑换"页输入兑换码即可获得下载权益并下载。