01人工智能算法
人工智能軟件可以進行大規模的數據處理、模式識別、自動推理和決策等任務，從海量數據中提取信息、自主學習和不斷優化算法，從而實現高效的智能化應用。算法是人工智能系統的核心，計算框架則是支持算法實現和執行的工具，而人工智能軟件則是基于算法和計算框架構建起來的具體應用系統。三者之間關系密切，相互協作，共同推動了人工智能技術的發展。
本文通過對中美兩國人工智能算法專利的數量、質量等方面進行比較分析，以及兩國在大型計算框架的開發、貢獻、社區活躍度等方面的差異對比，深入了解中美兩國人工智能軟件產業的發展現狀。
01人工智能算法
（1） 人工智能算法概念內涵
人工智能的四大要素，算法、算力、數據和應用場景，其中算法是人工智能的核心。人工智能算法按照模型訓練方式可以分為有監督算法、無監督算法、半監督算法和強化學習。其覆蓋范圍較廣，這里考慮到人工智能的目的是使得機器具有自我學習的能力，這里我們以機器學習算法為主。根據世界知識產權組織發布的機器學習技術分解體系，結合近來研究趨勢對其進行修改后得到基于機器學習的人工智能算法技術譜系（表1）。
（2）人工智能算法專利計量分析
人工智能算法因技術屬性而被美國、歐盟認為是一種發明。根據表3內算法元素，對人工智能算法專利進行計量分析，分析專利數據檢索自incoPat專利數據庫，檢索范圍為全球發明申請專利，檢索時間為申請日在2000年1月1日以后，簡單同族處理后，共獲得710112條專利數據。
分析全球專利來源分布情況，揭示人工智能算法領域的優勢國家和地區。從專利總量來看（圖1），我國機器學習專利數量居全球首位，2000年至今授權專利共442365項，占全球總申請專利數一半以上，遠遠超過位居第二的美國（116244項）。從專利授權數年度申請趨勢來看，全球專利數量在2000-2022年間呈增長態勢，我國人工智能算法增長幅度十分顯著，2010年以前我國專利數量低于美國，2015年左右我國人工智能算法專利增長趨勢大幅提高。相比之下，美國相關專利雖然在2000-2022年間整體也呈增長趨勢，但漲幅較緩慢，2019-2021年間呈現出下降趨勢，這可能受疫情影響，也可能與專利申請時間滯后等因素有關。
分析專利數量機構分布（圖2），我國國家電網專利申請量最多，共有8307項，位居全球第一。美國IBM公司共布局了5386項專利，位居世界第二。專利布局數量TOP15的申請機構中，還包括韓國三星公司（排名13，共布局3059項專利）。此外均為我國高校和企業，其中除國家電網外還包括3家企業，分別是百度、騰訊和平安科技。從申請年度趨勢（圖3）來看，我國企業界近年來在人工智能算法領域的專利布局量有大幅度增加，其中國家電網早在2013年就加大了人工智能算法上的專利申請量，騰訊和平安科技在2018年左右開始增加專利申請，百度2020年才開始大幅度增加專利布局，起步較晚，但力度較大。綜上，我國企業近三年來在人工智能算法領域專利布局大幅度增加，高校和企業是我國人工智能算法發展的主力軍，互聯網企業近來在專利布局方面成績顯著。
篩選有效專利，有效專利指專利申請授權后仍處于法定保護狀態的專利，需要專利權人按有關規定繳納年費。一般認為需要申請人花費額外費用維護的專利，其具有一定商業價值。經篩選后，我國有效專利數量剩余124494項，僅達到專利申請總量的28.14%。相比之下美國有效專利剩余50916項，占總申請專利數的43.80%。我國有效專利占比在申請專利數TOP20國家中排在第8位。這一定程度上反映了我國雖然當前人工智能算法相關專利申請數量過多，但高質量專利布局不足的問題。
02人工智能計算框架
（1） 人工智能計算框架概念內涵
人工智能計算框架是人工智能算法模型設計、訓練和驗證的一套標準接口、特性庫和工具包，集成了算法的封裝、數據的調用以及計算資源的使用，同時面向開發者提供了開發界面和高效的執行平臺，是現階段人工智能算法開發的必備工具。人工智能框架負責給開發者提供構建神經網絡模型的數學操作，把復雜的數學表達轉換成計算機可識別的計算圖，自動對神經網絡進行訓練，得到一個神經網絡模型用于解決機器學習中分類、回歸的問題，實現目標分類、語音識別等應用場景。這里我們以深度學習框架為主要研究對象。
（2） 人工智能計算框架產業現狀
谷歌和Facebook是深度學習框架的先行者，也是目前全球占有率最高的深度學習計算框架。Tensorflow框架由谷歌首次于2015年發布并開源。它擁有一個全面而靈活的生態系統，由Python編程語言編寫，使用數據流圖進行數值計算，包含各種工具、庫和社區資源，可以幫助用戶開發和訓練機器學習模型，適用于windows、MacOS、Linux等主流操作系統。目前Tensorflow在工業界占有率最高。2017年Facebook發布Pytorch框架，一個基于Torch的Pyhton開源機器學習庫，底層由c++實現。得益于其強大的張量計算，包含自動求導的深度學習網絡，支持動態圖且用戶可以靈活地調整網絡，目前Pytorch在科研界占有率較高。
我國深度學習等人工智能算法及應用在學界和產業界都嚴重依賴于國外平臺，如若遭遇制裁，很可能面臨卡脖子的風險，尤其在智能領域存在嚴重隱患。《新一代人工智能發展規劃》中著重提及深入研發人工智能底層技術的重要性。為此，2020年計圖、天元、MindSpore、OneFlow等國內自主技術框架相繼開源，代表著我國從應用驅動向人工智能生態全產業鏈發展邁進。國產人工智能計算框架主要包括華為昇思MindSpore、百度飛槳PaddlePaddle、騰訊NCNN、清華計圖Jittor及曠世天元MegEngine等（表2）。
華為昇思MindSpore的定位是端邊云全場景統一的AI框架，在架構上進行了針對性的設計。尤其是在2020年3月正式開源之后，通過持續迭代，其面向開發和研究領域已經發布了非常多的優秀的特性，其中包括了支持Python原生控制流動態圖加速算法開發，靜態圖實現性能加速；能進行大規模自動并行；面向落地部署支持全場景AI，提供領先的模型壓縮能力，進行軟硬件協同；另外還提供了聯邦學習，安全可信等諸多關鍵能力的支持。
百度飛槳PaddlePaddle重磅發布的一款開源時序建模算法庫——PaddleTS，可以幫助開發者實現時序數據處理、分析、建模、預測全流程。其主要包括以下幾個特點，超易用：3行代碼即可完成時序建模；速度快：模型訓練效率比同類產品快2倍；效果好：時序專屬的自動建模與集成預測效果突出。
NCNN是騰訊優圖實驗室開源的為手機端極致優化的高性能神經網絡前向計算框架。NCNN從設計之初深刻考慮手機端的部署和使用。無第三方依賴，跨平臺，手機端cpu的速度快于目前所有已知的開源框架。基于NCNN，開發者能夠將深度學習算法輕松移植到手機端高效執行，便于開發人工智能APP。NCNN目前已在騰訊多款應用中使用，如QQ，微信等。
計圖Jittor是首個來自中國高校科研機構的開源深度學習框架，之前，業內來自“高校”的還有加拿大蒙特利爾大學的Theano，UC伯克利的Caffe。與主流的深度學習框架TensorFlow、Pytorch不同，Jittor是一個完全基于動態編譯、使用元算子和統一計算圖的深度學習框架。開發Jittor的初衷主要是為了將新技術、硬件和模型的能力，更好地釋放出來。“深度學習發展迅猛，TensorFlow、PyTorch這些老牌主流框架，也會在新模型，新算法，新硬件上表現不佳，所以需要新的框架，在易于擴展同時保持高效。”
MegEngine是曠視完全自主研發的工業級深度學習框架，中文名為天元，自今年開源以來，收到了Al開發者社區的積極反饋，GitHub熱度持續增長，正發展為國內深度學習框架的一支新興力量。作為工業級的深度學習框架，MegEngine架構先進，性能優異，具有訓練推理一體化、動靜合一、兼容并包、靈活高效等顯著特點；同時強調AI產品化能力，在此基礎上保證研發過程的快捷便利。
通過大型開源平臺GitHub上的用戶體驗數據，對國內外主要人工智能計算框架的使用情況進行對比。GitHub是一個面向開源及私有軟件項目的托管平臺，是全球最大的開源代碼平臺，對其用戶數據進行分析，可一定程度反映AI框架的發展情況（表3）。
TensorFlow的各項指標都名列前茅，并且和第二名的差距非常大，是全球目前活躍度最高、應用最廣的AI框架。在排行榜中的第二名是PyTorch，近幾年在學術領域的表現比較亮眼，有很大的發展潛力，但總體而言，與TensorFlow有些差距。國內AI框架方面，目前MindSpore是活躍度最高的框架，在貢獻者的規模上也積累了一定的群體；排名第二的是PaddlePaddle，因為開源較早，已經積累了不小的優勢，主要集中于點贊數量及貢獻者規模上，但在整體活躍度上，稍劣于MindSpore。但整體而言，國內AI框架方面，活躍度較低，普及推廣力度不足，相比國外一流框架而言存在較大差距。學界和產業界嚴重依賴國外開源人工智能算法和計算框架。國產人工智能基礎軟件產品發展受阻，缺乏市場競爭力。
03總 結
綜上，在技術實力方面，美國擁有眾多世界級的人工智能企業和頂尖的研究機構，如谷歌、微軟、IBM等，在人工智能領域的技術實力較為強大，擁有世界領先的算法、模型和計算框架。而我國在人工智能技術方面也取得了顯著的進步，積極推動技術創新，涌現了一批在人工智能領域有核心技術競爭力的企業和研究機構。在產業生態方面，美國人工智能產業生態較為成熟，以企業為主導，包含從計算框架、算法到應用軟件等多個層面的完整產業鏈，而我國人工智能算法和計算框架發展匹配度不高，算法和計算框架之間的互動有待增強。
