2018年人工智能技术专利深度分析报告
AI人工智能调研报告
1．研究目的 (3)2．研究背景 (3)二、人工智能的概述 (3)1．人工智能的定义和发展历史 (3)1.1 人工智能的定义 (3)1.2. 人工智能的发展历史 (4)2.人工智能的分类和应用领域 (4)2.1. 人工智能的分类 (4)2.2. 人工智能的应用领域 (4)三、人工智能技术的原理和方法 (6)1.人工神经网络 (6)2.机器学习 (6)3.深度学习 (7)4. 自然语言处理 (8)5. 计算机视觉 (9)四、人工智能发展现状 (10)1.国际发展现状 (10)2. 国内发展现状 (11)五、人工智能的优势和挑战 (11)1. 优势 (11)2. 挑战 (12)六、人工智能的应用案例 (13)1. 人工智能在医疗领域的应用 (13)2.人工智能在金融领域的应用 (13)3.人工智能在制造业的应用 (14)4. 人工智能在交通领域的应用 (14)七、人工智能的未来发展趋势 (15)1. 技术发展趋势 (15)2. 应用领域发展趋势 (15)八、人工智能的安全与伦理问题 (16)1.安全问题 (16)九、结论和建议 (17)1．结论 (17)2.建议 (18)十、参考文献 (18)人工智能调研报告一、研究目的和背景1．研究目的本次调研旨在深入了解人工智能的发展现状、技术原理和应用案例，分析人工智能的优势和挑战，并探讨其未来发展趋势。
同时，本研究还将关注人工智能在安全和伦理方面存在的问题，并提出应对建议。
通过这些内容的探讨，旨在为政府、企业和社会公众提供关于人工智能的全面了解和参考。
2．研究背景近年来，人工智能技术的发展日新月异，被广泛应用于各个领域。
作为一种具有广泛应用前景的前沿技术，人工智能已经引起了全球范围内的广泛关注。
在国际上，美国、欧洲、中国等国家都已经制定了人工智能发展战略和规划，提出了未来几年的发展目标和重点领域。
在国内，政府、企业和学界也都在积极推进人工智能的研究和应用。
随着人工智能技术的不断发展和应用，其所涉及的伦理、安全等问题也越来越受到人们的关注。
人工智能设备数据和隐私安全分析报告
人工智能设备数据和隐私安全分析报告声明：本文内容信息来源于公开渠道，对文中内容的准确性、完整性、及时性或可靠性不作任何保证。
本文内容仅供参考与学习交流使用，不构成相关领域的建议和依据。
一、数据在人工智能设备中的重要性和应用数据是人工智能设备的重要基础。
随着人工智能技术的发展，人们对于数据的需求量不断增大，数据的规模和种类也变得越来越复杂。
同时，数据的质量和安全问题也成为了人工智能设备研究领域的热点问题。
在这个背景下，数据在人工智能设备中的重要性和应用也越来越受到重视。
（一）数据在人工智能设备中的作用1、数据是训练模型的基础人工智能设备需要通过大量的数据进行训练，以提高其准确性和可靠性。
数据可以被用来训练机器学习模型，以便它们能够自动识别和分类图像、文本、声音等各种类型的信息。
2、数据是优化算法的关键优化算法可以使用数据来调节参数，以便更好地适应不同的情况。
数据可以通过不同的算法处理和分析，以发现其中的规律和模式，并将这些信息用于改进和优化算法。
3、数据是决策的基础人工智能设备通过对数据的分析和处理，可以生成有用的信息，帮助人们做出更好的决策。
例如在医疗领域，人工智能可以通过分析患者的病历和生理数据，提供更准确的诊断和治疗方案。
4、数据是创新的催化剂人工智能设备可以通过对数据的分析和处理，发现之前未知的规律和模式，从而推动科学和技术的发展。
例如，在材料研究领域，通过对大量的实验数据进行分析和处理，人工智能可以发现新的材料组合和性质，从而为新材料的开发提供了重要的支持。
（二）数据在人工智能设备中的应用1、机器学习机器学习是人工智能领域的一个热点研究方向。
通过机器学习算法，人工智能设备可以从大量的数据中学习和识别模式和规律。
例如，图像识别、语音识别和自然语言处理等应用都是基于机器学习算法实现的。
2、自然语言处理自然语言处理是人工智能领域的另一个热点研究方向。
通过自然语言处理算法，人工智能设备可以理解和处理人类语言。
浅析人工智能技术在企业财务管理中的应用
浅析人工智能技术在企业财务管理中的应用【摘要】本文旨在探讨人工智能技术在企业财务管理中的应用。
人工智能技术在企业财务预测中的应用能够提高预测准确性，帮助企业更好地制定财务计划。
人工智能技术在财务报表分析中的应用能够快速筛选信息并进行精准分析，为决策提供重要参考。
人工智能技术还在企业风险管理、审计与内部控制、资金管理等方面发挥重要作用，提升财务管理效率。
人工智能技术为企业财务管理带来更高效和准确的决策支持，展示出巨大的发展潜力。
未来，随着人工智能技术的不断发展和完善，其在企业财务管理领域的应用前景将更加广阔。
【关键词】人工智能技术、企业财务管理、预测、报表分析、风险管理、审计、内部控制、资金管理、决策支持、应用前景1. 引言1.1 人工智能技术在企业财务管理的重要性在当前信息化时代，人工智能技术已经成为企业财务管理领域的重要工具之一。
随着科技的不断发展，人工智能技术的应用范围越来越广泛，其中在企业财务管理中的应用更是日益突出。
人工智能技术的引入，可以为企业提供更加高效、准确和智能化的财务决策支持，帮助企业在激烈的市场竞争中脱颖而出。
人工智能技术可以帮助企业进行财务预测。
通过对大数据的深度挖掘和分析，人工智能技术可以更好地把握市场变化和趋势，为企业提供有针对性的财务预测和规划，帮助企业更好地应对市场风险和挑战。
人工智能技术在财务报表分析中的应用也是至关重要的。
传统的财务报表分析需要大量的人力和时间，而引入人工智能技术可以快速准确地进行财务数据的分析和比对，为企业提供及时的财务数据分析报告。
1.2 本文目的与结构5、字间距、段间距等。
本文旨在深入探讨人工智能技术在企业财务管理中的应用现状及未来发展趋势。
我们将分析人工智能技术在企业财务预测中的具体应用，探讨其对企业决策的影响和意义。
我们将探讨人工智能技术在财务报表分析、企业风险管理、审计与内部控制、以及企业资金管理中的实际应用案例，分析其在不同场景下的优势和挑战。
自动驾驶与人工智能研究报告
2018自动驾驶与人工智能研究报告 AMiner研究报告第一期Contents目录1 人工智能篇人工智能 (2)人工智能发展路线图 (3)人工智能的定义 (3)人工智能的起源 (3)人工智能的发展 (4)中国人工智能的发展 (5)全球人工智能研究 (7)全球人工智能研究学者数量分布 (7)人工智能研究流派 (9)活跃度较高的学者 (13)全球人工智能发展趋势 (14)中国人工智能研究 (15)中国人工智能的领域分类 (15)中国人工智能学者现状 (16)中国人工智能论文现状 (19)中国人工智能专利现状 (22)人工智能在中国的应用实践 (24)虚拟现实 (25)深度学习应用 (25)计算机视觉 (27)语音技术 (27)中国人工智能的机遇和挑战 (28)中国人工智能拥有的机遇 (28)中国人工智能遭遇的挑战 (31)小结 (32)2汽车研究领域篇汽车研究领域 (34)汽车研究领域创新趋势 (34)汽车研究 (37)全球汽车研究学者数量分布及产业发展 (37)中国汽车领域研究学者数量分布及产业发展 (37)汽车研究流派 (38)活跃度较高的研究学者 (39)汽车研究领域发展趋势分析 (39)3 人工智能+汽车篇人工智能+汽车 (42)无人驾驶研究 (42)无人驾驶的等级 (43)无人驾驶涉及的新技术 (44)无人驾驶的决策模型 (46)无人驾驶产业 (49)自动驾驶汽车的商用 (49)增强学习在无人驾驶中的应用 (49)增强学习在无人驾驶中的优势 (50)增强学习在无人驾驶中的未来 (51)交叉创新笛卡尔智能分析 (51)历史热点分析 (54)Genomics（AI）& Real Time（Vehicle） (54)未来趋势分析 (56)参考文献 (57)扫描订阅摘要随着人工智能（Artificial Intelligence，AI）高速发展与应用，计算机技术已经进入以人工智能为代表的新信息技术时代——智能技术时代。
人工智能发展现状分析报告
人工智能发展现状分析报告人工智能发展现状分析报告人工智能（Artificial Intelligence, AI）作为一项前沿科技，近年来在全球范围内得到了广泛的关注和应用。
其在各个领域的快速发展引发了许多瞩目的话题和讨论。
本文将对人工智能发展的现状进行深入分析，涵盖其技术、应用和挑战等多个方面，以期为读者提供一个全面而深入的理解。
一、技术发展1. 机器学习和深度学习的突破机器学习和深度学习作为人工智能的核心技术，在过去几年取得了巨大的突破。
深度学习模型的出现改变了传统机器学习的方式，使得计算机可以通过大规模数据的训练来获取自主学习的能力。
这使得机器在图像识别、语音识别等任务中取得了令人瞩目的成果。
2. 自然语言处理的进步自然语言处理（Natural Language Processing, NLP）是人工智能领域的一个重要分支，其目标是使计算机能够理解和处理自然语言。
近年来，通过深度学习算法在NLP领域的应用，如机器翻译、情感分析等，取得了重要的突破。
这为计算机与人类之间的交流打开了新的大门。
3. 强化学习的发展强化学习是一种通过试错学习来不断优化决策的方法。
在人工智能领域，强化学习是实现智能体自主决策的重要手段。
随着深度学习算法的发展，强化学习在游戏、自动驾驶等领域表现出了巨大的潜力。
二、应用领域1. 图像识别与计算机视觉人工智能在图像识别和计算机视觉方面取得了令人瞩目的成果。
通过深度学习算法的应用，计算机可以在图像识别、人脸识别、物体检测等任务中达到接近甚至超过人类的水平。
这使得人工智能在安防、医疗影像等领域具有广泛的应用前景。
2. 自然语言处理与人机交互自然语言处理技术的进步使得计算机能够与人类进行更自然、更智能的交流。
语音助手、智能客服等应用已经渗透到人们的生活中，改变了人机交互的方式。
3. 无人驾驶和智能交通无人驾驶技术是人工智能领域的一大热点，它有望彻底改变现有的交通方式。
通过感知、决策和控制三大环节的优化，无人驾驶汽车可以实现自主导航和无缝交互。
人工智能可视化报告(二)
人工智能可视化报告（二）引言概述：本文是人工智能可视化报告（二）的全面概述，旨在探讨人工智能在可视化领域的应用和发展趋势。
通过对相关研究和案例的整理和分析，我们将从以下五个方面进行阐述：数据可视化方法、人工智能技术在可视化中的应用、人工智能与可视化的融合、可视化工具的智能化、以及人工智能可视化的未来展望。
正文：1. 数据可视化方法a. 基本可视化方法：对数据进行分类、排序、过滤等基本操作，以提供直观的数据展示。
b. 高级可视化方法：包括树状结构、网络关系图、热力图等更复杂的可视化技术，用于更深入地挖掘数据。
c. 可视化设计原则：探讨使用颜色、形状、尺寸等元素来强调数据的重要性以及提高用户的认知效果。
2. 人工智能技术在可视化中的应用a. 数据分析与挖掘：通过人工智能技术，对海量数据进行分析和挖掘，提取出有价值的信息和知识。
b. 图像识别与处理：利用深度学习等算法，对图像进行识别和处理，提高图像可视化的精度和效果。
c. 自然语言处理：通过对自然语言的理解和处理，将文本转化为可视化的形式，提高用户对文本信息的理解能力。
3. 人工智能与可视化的融合a. 智能交互界面：借助人工智能技术，开发更智能化的用户交互界面，提高用户体验和效率。
b. 智能推荐系统：通过分析用户的行为和偏好，为用户推荐最符合其需求的可视化图表和分析结果。
c. 情感识别与表达：结合人工智能技术，实现对用户情感的识别和呈现，提升可视化的情感交流效果。
4. 可视化工具的智能化a. 自动化数据处理：通过人工智能技术，实现数据的自动清洗、转换和集成，提高可视化工具的使用效率。
b. 智能图表生成：利用机器学习算法，实现自动化的图表生成，减少用户的手动操作和设计成本。
c. 实时数据更新与分析：通过与人工智能的结合，实现对实时数据的自动更新和分析，使可视化结果更加即时和准确。
5. 人工智能可视化的未来展望a. 融合更多领域：将人工智能技术应用于更多领域的可视化中，如生物医学、气象预测等，拓展可视化的应用范围。
人工智能技术服务专业调研报告
人工智能技术专业调研报告目录一、人工智能的主要研究范畴21.1自然语言处理21.2计算机视觉21.3深度学习2二、人工智能目前最广泛的应用32.1人工智能在医疗卫生服务中的应用32.2人工智能在基层医疗卫生服务中的应用42.3人工智能技术在护理领域的应用42.4人工智能在心脏磁共振成像中的应用52.5人工智能技术在文教娱乐领域中的应用52.6人工智能技术在教育行业中的应用52.7人工智能技术在出版行业中的应用62.8人工智能技术在图书馆的应用62.9人工智能技术在制造业和服务行业中的应用71.10人工智能技术在纺织行业的应用72.11人工智能技术在炼化领域的应用82.12人工智能技术在客服系统的应用82.13人工智能技术在银行业的应用92.14人工智能技术在食堂配餐系统的应用9三、人工智能的发展前景9四、专业培养目标101、人工智能技术方向培养目标10五、培养模式及特色111、采用“三段式”+“三明治”+三学期制培养模式112、专业特色12（1）课程设置与培养内容面向行业、企业需求12（2）构建了个性化人才培养体系12六、主干学科、主要课程、专业核心课程13七、专业建设模块13“人工智能”这一概念1956年在达特茅斯会议上被首次提出，到现在已经有了60多年的发展历程。
人工智能是一门交叉、广泛的科学，它的研究目的是使机器能够像人类一样识别、学习、思考。
随着互联网技术的高速发展，人工智能技术不断革新，应用领域不断扩大。
人工智能的发展曲折起伏，在其发展的早期取得如机器定理证明等一些成果，这些成果激励人们对人工智能领域有了更高的期望，然而由于理论技术的局限，人们提出了一些不合理的目标，翻译机器闹出的笑话等失败的研究使得人们的预期落空。
20世纪70年代初到80年代中，通过模拟人类专家的知识和经验去解决特定问题的专家系统应用在化学、医疗等领域，实现了人工智能从理论到实际应用的重大突破；紧接着人工智能技术迎来发展的低迷期，专家系统知识储备不足、分析问题方式单一等问题暴露出来；1997年，深蓝计算机战胜国际象棋世界冠军卡斯帕罗夫；2011年至今，随着大数据、云计算、物联网等快速发展，以神经网络为基础的人工智能技术极大地促进了科学转化为应用，图像识别、语音识别、无人驾驶等迎来前所未有的发展高潮。
人工智能技术专利深度分析报告
人工智能技术专利深度分析报告
中国专利保护协会 2018 年 11 月
人工智能技术专利深度分析报告
目录
第 1 章 报告目标与检索策略..............................................................1 1.1 人工智能技术概述...........................................................................1 1.2 分析目标..........................................................................................1 1.3 检索策略..........................................................................................2 第 2 章 人工智能技术整体专利态势分析 ............................................3 2.1 专利申请量趋势分析.......................................................................3
2.1.1 全球人工智能专利申请量趋势 ............................................3 2.1.2 专利申请量排名前十的国家/地区.......................................3 2.1.3 中国申请量趋势及国内排名前五的申请人申请量趋势 .....4 2.1.4 美国地区申请量趋势............................................................6 2.1.5 欧洲地区申请量趋势............................................................6 2.1.6 日本申请量趋势....................................................................7 2.1.7 韩国申请量分析....................................................................8 2.2 专利权人整体状况分析...................................................................9 2.2.1 国内主要专利权人分析........................................................9 2.2.2 美国主要专利权人分析........................................................9 2.2.3 欧洲主要专利权人分析......................................................10 2.2.4 日本主要专利权人分析......................................................11 2.2.5 韩国主要专利权人分析......................................................11 2.3 P.......................................................12 2.3.1 世界范围内的 PCT 申请量分布特征 ..................................13
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
人工智能技术专利深度分析报告2018年11月目录第1章报告目标与检索策略 (1)1.1人工智能技术概述 (1)1.2分析目标 (1)1.3检索策略 (2)第2章人工智能技术整体专利态势分析 (3)2.1专利申请量趋势分析 (3)2.1.1全球人工智能专利申请量趋势 (3)2.1.2专利申请量排名前十的国家/地区 (3)2.1.3中国申请量趋势及国内排名前五的申请人申请量趋势 (4)2.1.4美国地区申请量趋势 (6)2.1.5欧洲地区申请量趋势 (6)2.1.6日本申请量趋势 (7)2.1.7韩国申请量分析 (8)2.2专利权人整体状况分析 (9)2.2.1国内主要专利权人分析 (9)2.2.2美国主要专利权人分析 (9)2.2.3欧洲主要专利权人分析 (10)2.2.4日本主要专利权人分析 (11)2.2.5韩国主要专利权人分析 (11)2.3PCT申请态势分析 (12)2.3.1世界范围内的PCT申请量分布特征 (13)2.3.2世界主要PCT申请地区的申请年代趋势 (13)2.3.3世界范围内PCT申请的技术分布 (15)2.3.4世界主要PCT申请地区的技术分布 (16)第3章人工智能重点专利技术分析 (17)3.1主要技术分支 (17)3.2主要技术分支技术生命周期 (18)3.2.1机器学习和基础算法技术生命周期 (18)3.2.2智能搜索和智能推荐技术生命周期 (19)3.2.3语音识别技术生命周期分析 (20)3.2.4自然语言处理技术生命周期 (21)3.2.5自动驾驶技术生命周期 (22)3.2.6计算机视觉和图像识别技术生命周期 (23)3.3主要技术分支申请量趋势 (23)3.3.1主要技术分支在国内的申请量趋势 (23)3.3.2主要技术分支在美国的申请量趋势 (24)3.3.3主要技术分支在欧洲的申请量趋势 (25)3.3.4主要技术分支在日本的申请量趋势 (26)3.4主要技术分支国内重要申请人 (27)3.4.1机器学习和基础算法方向主要申请人 (27)3.4.2智能搜索和智能推荐方向主要申请人 (28)3.4.3语音识别方向主要申请人 (29)3.4.4自然语言处理方向主要申请人 (29)3.4.5自动驾驶方向主要申请人 (30)3.4.6计算机视觉和图像识别方向主要申请人 (31)第4章人工智能重要专利权人分析 (33)4.1重要专利权人在各国家/地区的申请趋势 (33)4.2国内主要专利权人分析 (33)4.3美国主要专利权人分析 (34)4.4欧洲主要专利权人分析 (35)4.5日本主要专利权人分析 (36)4.6韩国主要专利权人分析 (37)第5章意见和建议 (38)5.1产业发展建议 (38)5.2企业发展建议 (39)第1章报告目标与检索策略1.1人工智能技术概述人工智能（Artificial Intelligence,AI）亦称机器智能，是指由人制造出来的机器所表现出来的智能。
通常人工智能是指通过普通计算机程序的手段实现的类人智能技术。
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。
从1956年人工智能这个概念被首次提出以来，人工智能的发展几经沉浮。
随着核心算法的突破、计算能力的迅速提升以及海量数据的支撑，人工智能技术在近十年里迎来了质的飞跃，尤其是在自然语言处理、计算机视觉、语音识别和自动驾驶等领域取得了长足的发展。
1.2分析目标最近两年，随着人工智能技术在国内的蓬勃发展，一些研究机构对国内外的技术现状进行了不同角度的分析，这些研究对于国内企业的自身发展起到了积极的指导作用。
但是还没有一项研究是专门从专利技术的角度进行深入的分析，而对于业内的企业来说，专利技术是反映真正技术实力的重要指标。
本报告对人工智能技术在世界范围内和在我国的专利申请数据进行了深入分析，旨在了解人工智能领域专利申请的趋势特点、地域特点和发展态势；分析人工智能技术主要的技术输出国家和地区，行业内最具创新能力的公司和研究机构，以及重要的研发力量；并且，从专利申请的角度，发现人工智能领域发展活跃的技术分支，推测人工智能技术未来的发展方向。
1.3检索策略本报告中的数据以中国专利文摘数据库（CNABS）和德温特世界专利索引数据库（DWPI）作为数据来源，使用行业专家和相关技术领域专利审查专家共同给出的人工智能领域的中英文关键词进行检索，在此基础上，使用专利分类号对结果加以限制，最终得到本报告的研究数据。
其中，在DWPI数据库中，对人工智能领域在世界范围内的专利申请进行检索，共获得专利申请180617件，在CNABS数据库中，对人工智能领域在中国的专利申请进行检索，共获得专利申请105528件（检索日期2018年10月15日）。
为了避免引入过多噪音，力求检索结果准确，检索策略的确定着眼于两个标准：一是提高检索结果的准确度，避免噪声；二是注重人工智能行业内的主要应用领域和技术分支，尤其是软件、算法相关发明专利申请。
第2章人工智能技术整体专利态势分析2.1专利申请量趋势分析2.1.1全球人工智能专利申请量趋势对DWPI数据库中获得的专利申请按照申请年份进行统计，图2.1示出了从1985年至2017年各年度的申请量变化情况。
全球范围内，人工智能领域的专利申请量总体上呈逐年上升趋势，在2010年后增长速度明显加快，近两年的增长率更是令人瞩目。
由此可见，人工智能领域已经成为世界各国的研发热点，正在迎来全面的技术进步。
图2.1全球人工智能专利申请量年度变化趋势2.1.2专利申请量排名前十的国家/地区在DWPI数据库中，对各个国家/地区的人工智能领域专利申请量进行统计，排名前十位的国家/地区依次为中国、美国、日本、韩国、欧洲（指在欧专局直接提出申请）、德国、澳大利亚、台湾、加拿大和印度。
可见，中国在人工智能领域的专利申请数量已经超过了美国，达到76876件（在CNABS数据库中该数据为105528件，数据的差异是由DWPI数据库对摘要、关键词和专利分类号的再加工，以及技术术语翻译习惯不一致等原因造成的，为了避免在DWPI数据库检索结果中引入太多噪音，没有对英文关键词进行进一步扩展），列于首位。
美国以67276件的申请量略低于中国，日本位列第三。
如果将同属欧洲地区的多个国家/地区进行合并，其申请总量将超过韩国，位列第四。
其余各国中，台湾地区能够位列前十是比较引人瞩目的。
图2.2专利申请量排名前十的国家/地区2.1.3中国申请量趋势及国内排名前五的申请人申请量趋势（1）中国申请量趋势在DWPI数据库中，对中国专利申请的申请年度进行统计，得到如图2.3所示的申请量年度变化趋势。
与全球的变化趋势相比，近十年来，在中国进行专利申请的年度增长率明显更高，尤其是最近两年，几乎呈现直线上升的趋势。
可见，人工智能的技术研发在我国达到了空前的热度，这对全球申请总量的增长也起到了极大的促进作用。
图2.3中国专利申请年度变化趋势（2）国内排名前五位的申请人各自申请量趋势在CNABS数据库中，对人工智能领域主要申请人的申请量进行统计，得到申请量排名前五的申请人依次为百度、中国科学院、微软、腾讯和三星（对申请人/专利权人的分析见2.2节）。
这几位申请人的申请量年度变化趋势如图2.4所示。
图2.4国内排名前五位的申请人各自申请量趋势其中三个中国申请人百度、中国科学院、腾讯的申请量在近几年增长迅速，尤其以百度公司最为亮眼，虽然起步较晚，但专利申请量迅速大幅度超过了其他申请人，并在最近两年遥遥领先。
而两家国外来华申请的微软和三星虽然曾经在申请量上具有优势，并保持持续增长的势头，但是在最近几年的表现却有些差强人意。
2.1.4美国地区申请量趋势图2.5美国专利申请年度变化趋势图2.5示出了DWPI数据库中美国专利申请的年度变化趋势，美国申请量整体呈现平稳上升的趋势，在2010年之后有过一段迅速增长的时期，最近两年的增长速度稍微放缓，2017年的申请量下降可能是由于部分2017年的专利申请未公开的情况造成。
2.1.5欧洲地区申请量趋势在DWPI数据库中，将欧洲地区的主要专利申请国家和地区进行合并，共得到专利申请24634件。
对这些专利申请的申请量进行分析得到图2.6所示的变化趋势。
如图所示，欧洲地区申请量整体呈上升趋势，并在2010年之后经历了一段快速增长的时期，但近两年的申请量却开始回落，虽然2017年的数据会受到公开滞后的影响，但2017年的申请量整体下降的趋势似乎已经难以逆转。
图2.6欧洲地区专利申请年度变化趋势2.1.6日本申请量趋势图2.7日本专利申请年度变化趋势日本的申请量趋势虽然整体呈上升趋势，但与中国、美国、欧洲地区有所不同的是，日本专利申请量在20世纪90年代末就率先加快了上升速度，在进入21世纪之后反而趋于平缓，虽然同样在2010年之后迎来了增长期，但增长速度明显无法和其他几个国家和地区相比。
2.1.7韩国申请量分析图2.8韩国专利申请年度变化趋势与美国申请量趋势类似，韩国申请量整体呈上升趋势，在2010年之后上升趋势加快，目前是在2016年达到峰值，2017年的申请量下降可能是由于部分2017年的专利申请未公开的情况造成，变化趋势不明显。
2.2专利权人整体状况分析2.2.1国内主要专利权人分析图2.9中国主要专利权人申请量图2.9为主要专利权人在国内的申请量图表（来源于CNABS数据库），其中可以看出，在国内的主要专利权人中，大部分还是国内的公司和高等院校，而国外来华的专利布局并不如其在其本国的专利申请量多。
其中，国内申请量最多的专利权人为百度，申请量为2368件。
2.2.2美国主要专利权人分析图2.10示出了主要专利权人在美国的申请量，其中IBM的申请量独占鳌头，比排名稍靠后的微软和Google都要多将近一倍，而在美国申请量排名靠前的公司中，美国公司占了一半，且这些公司在美国申请量和其在全球申请量相近，其他公司则为日韩欧公司，分别为三星、索尼、佳能，东芝，NEC和西门子，且这些公司在美国的申请量要远低于其全球申请量。
图2.10主要专利权人在美国的申请量2.2.3欧洲主要专利权人分析图2.11主要专利权人在欧洲申请量图2.11为各个主要专利权人在欧洲地区（包括欧专局和欧洲几个主要国家如英、法、德等）的申请量。
可以看出排名靠前的几家公司，欧洲公司（如西门子、博世、奥迪）、美国公司（如微软、通用、福特、google、IBM）和日韩公司（三星、Toyota）基本上平分秋色，其中又以欧洲公司西门子和博世申请量位列榜首和第二位。