动态与观点
近年来人工智能产业蓬勃发展，能否抓住这一风口，事关我国新一轮科技革命和产业变革的战略问题。群体智能作为群体中个体在协同分工合作下表现出的宏观智能，是新一代人工智能五大方向之一，广泛应用在智能医疗、智能交通、无人机集群作战等领域，同时也是中外企业竞相研发和布局专利的重要领域。研究群体智能专利布局情况并提出可行的解决方案，有助于我国相关企业规避风险，提升自主创新能力，增强专利布局。
群体智能步入创新时代
群体智能作为基于互联网的组织结构下被激励进行计算任务的大量独立个体共同作用下所产生的超越个体智能局限性的智能形态，该技术包括了新一代人工智能体系中多项关键技术，如主动感知与发现、知识获取与生成、协同与知识共享、群体智能的评估与演化以及基础平台等等。
在专利方面，经过长期的技术积累，群体智能专利申请量呈现快速增长趋势，自2014年起逐渐形成了美国和中国分庭抗礼的专利竞争格局。
通过对比可以看出，在专利价值评估模型筛选出的重要专利的拥有量方面，美国在三个技术分支方面长期处于领跑地位，掌握着大量的重要专利技术。而中国重要技术的专利总量虽然与美国仍存在一定差距，但课题组欣喜地发现，中国该领域的重点专利拥有量在2007年超过了日本，并在2014年与美国处在同等水平，保持同步增长，相信在未来通过不断的技术积累，有望改善我国相关专利大而不强、多而不优的局面。
另外，通过重要专利申请人分析发现，过去20年，美国拥有IBM、微软、谷歌等众多传统领先企业，活跃度长期较高，且重要技术逐渐向头部企业汇聚，行业寡头初现；日本企业前期强劲且基础扎实，但从2005年之后创新活跃度走弱；欧洲已跌出竞争行列。而近期中国新兴活跃企业和高校/科研院所等创新主体不断涌现，相关专利申请活跃度紧追美国，活跃的主体数量超过美国，并且我国9年以内的新近从业人数高于美国；我国近4年专利申请活跃度明显高于美国同期，这意味着中国在群体智能技术方面未来可期。
根据国务院颁布的《新一代人工智能发展规划》，以及在产业和学术界专家的指导下，我们建立了基础理论、关键技术、支撑平台3大一级分支和18个二级分支的分解表，并在重要技术分支下建立三级分支。其中，关键技术包括协同与共享、主动感知与发现等。
协同与共享冷热泾渭分明
群体智能的协同与共享技术是指多智能体之间通过任务分配、资源共享与交互、信息整合，协同完成任务。群体智能的协同与共享主要分为四个分支：任务匹配、协同推荐、资源的开放式共享以及任务的优化。
在全球范围内，群体智能主要分支之一的任务匹配技术热度持续居于高位，同时协同推荐技术占比逐步增长，未来可能会成为研发热点。而开放式共享和群智任务优化占比逐渐降低，这个分支可能趋冷。
从该领域全球排名前10位申请人的专利布局可以发现，群体智能的协同与共享技术领域的企业均侧重于群智任务匹配、协同推荐两个技术分支。值得一提的是，国内创新主体热点技术跟踪较好，而且覆盖全面。
课题组对中美前400篇重要专利文献分析发现，两国技术存在强关联性，特别是集中在群智任务匹配、协同推荐两个热点分支中，约90%的专利在技术上存在关联性。
具体到群智任务的匹配分支，基于算法的任务调整技术是中美两国研究热点。在智能体通信方面，中美两国均有投入，但美国的优势明显，中国相对薄弱，值得注意的是，美国持续在这些中国相对薄弱的技术点上进行专利布局。
主动感知与发现是关键环节
主动感知与发现是指在“人-机-物”一体的互联网、物联网开放复杂系统中，有效实现个体的多层次感知。它是充分获取群体行为数据的关键环节。群体智能的主动感知和发现可细分为复杂环境下群体行为信息的多层次感知方法、复杂感知任务中鲁棒群智信息感知、多层次任务适配和激励机制、移动群智感知与社群群智感知融合增强方法四个分支，主要应用场景包括智慧建筑、交通等。
在课题组看来，复杂环境下群体行为信息的多层次感知方法分支占比逐年提高，预测是未来研究热点。在该领域全球排名前20的申请人中，美国有2家企业，中国占据其余18席，在申请人数量上呈现两强对垒、积极布局之势。分析申请人技术构成可以发现，以IBM为代表的美企，实施全面布局，实力强劲；中国申请人均为高校/科研院所，中美布局主体差异较大，中国企业实力相对薄弱，排名20位以外。
基于中美企业主体技术实力悬殊的竞争现状，课题组以该技术分支为例，对如何通过高校、科研院所的技术实力助力企业发展进行了实践操作的探索，并总结出找对手、找联盟、列组合、联盟效果评估、定最佳的五步通用技术联盟组合流程。
首先，从攻防分析和专利引用文献跟踪这两个途径入手选择潜在的联盟对象，例如在攻防结果中筛选相对于IBM领先或竞争关系的中国专利申请人；其次，在专利引用文献跟踪中从IBM相关技术的引用专利中筛选排名靠前的中国专利申请人，然后综合两个途径的结果最终确定联盟候选人为上海交通大学、中国科学院、华为公司、吉林大学、南京邮电大学等5个申请人。紧接着，针对上述多个联盟候选人的不同技术联盟组合的预期效果，课题组继续从专利角度结合具体指标，给出了三个维度的联盟效果评估方法。
（1）联盟效果参数评估
课题组根据不同联盟与IBM的技术领先率、滞后率、原创率进行分析，计算了专利实力得分，同时，参考了专利权项数、技术特征数等两个重要指标，得到最终的联盟组合预期效果排名。
（2）联盟技术路线评估
对联盟组合的专利进行技术路线与IBM进行分析对比，以华为公司、上海交通大学、中国科学院组成的联盟与IBM之间的对比为例，可以看出联盟在多层次任务适配和激励机制、复杂感知任务中鲁棒群智信息感知与移动群智感知和社群群智感知融合增强方面对竞争对手的专利技术具有钳制作用。
（3）联盟技术对抗评估
在行为感知的网络安全态势感知、鲁棒感知中的无线传感网以及移动感知中的交通感知与仿真中，联盟方的中国科学院、上海交通大学都分别在更早时间拥有相关的专利，可以帮助华为公司对抗竞争对手。
课题组认为，综合以上多维度的筛选、评估，最终找出可以帮助企业寻找合适的联盟对象，助力企业发展。虽然中国群体智能的研究起步较晚，但近期创新活力较足，在全球范围内已经与美国形成并驾齐驱态势。同时，也要看到，相较美国寡头企业在技术和市场方面的全面领先，中国的创新主体在一些技术点虽然已经形成突破，可以与之抗衡，但仍存在专利布局落后、全球竞争力不足，核心技术存在空白的劣势。例如在“面向群体智能的协同与共享”分支，虽然多个技术点相对较弱，但在“基于算法的任务调整”等技术点，我国具有较强竞争力，且已经掌握一定数量的高价值专利技术。值得一提的是，我国还有很多相关技术没有得到有效保护，高价值专利的海外布局、专利维持等方面还有较大进步空间。
另外，在“群体智能的主动感知和发现”方面，群体行为的多层次感知是研发新热点，仍以高校/科研院所为主导，但中国企业创新主体这方面的专利实力较弱。针对国内企业专利实力较弱的问题，建议在坚持自主创新的同时，国内创新主体可以尝试通过组建技术联盟的形式，并通过联盟效果参数评估、联盟技术路线评估、联盟技术对抗评估多维度评价指标科学指导联盟组合筛选，以企业作为技术产业化的核心，同时发挥高校/科研院所创新主体的技术优势，全面提高竞争力，助力产业发展。
