AI Patents in the United States and China: Measurement, Organization, and Knowledge Flows

Este estudio presenta un clasificador de alta precisión para medir patentes de IA, revelando que, aunque China ha superado a EE. UU. en volumen reciente y muestra una interdependencia tecnológica continua, la organización de la innovación difiere sustancialmente: mientras que en EE. UU. está concentrada en grandes empresas privadas y hubs establecidos, en China es más diversa geográfica e institucionalmente, con un papel más destacado de universidades y empresas estatales.

Lo esencial

Imagina que el mundo de la Inteligencia Artificial (IA) es una inmensa biblioteca gigante donde se guardan los "secretos" de cómo funcionan las máquinas inteligentes. Durante mucho tiempo, Estados Unidos y China han estado compitiendo por ver quién tiene los mejores libros en esta biblioteca. Pero había un problema: nadie tenía un buen sistema para saber qué libros eran realmente sobre IA y cuáles no. Era como intentar encontrar una aguja en un pajar, pero el pajar estaba lleno de paja que parecía aguja.

Este paper (artículo de investigación) es como la invención de un nuevo detector de metales súper avanzado para esa biblioteca. Aquí te explico lo que descubrieron, usando analogías sencillas:

1. El Problema: El Detector Antiguo Fallaba

Antes, la oficina de patentes de EE. UU. (USPTO) tenía un detector automático (un programa de computadora) para encontrar patentes de IA. Pero los autores de este estudio descubrieron que ese detector era como un guardián muy distraído:

• Se perdía muchas patentes reales de IA (como si dejara entrar a ladrones).
• Y marcaba como "IA" muchas patentes que no lo eran (como si arrestara a gente inocente).
• Su precisión era de apenas el 40%. Básicamente, estaba fallando la mitad de las veces.

2. La Solución: El Nuevo "Ojo Mágico" (FGYZ)

Los autores crearon su propio detector, al que llamaron FGYZ. En lugar de usar reglas simples, usaron una Inteligencia Artificial que lee y entiende el lenguaje (como un estudiante brillante que ha leído millones de patentes).

• El resultado: Su nuevo detector es un experto. Tiene un 97% de precisión. Es como tener un detective que casi nunca se equivoca.
• La prueba: Lo probaron en patentes de EE. UU. y luego lo enviaron a China. ¡Funcionó igual de bien! Esto significa que el "idioma" de la IA es universal y su detector entiende el secreto en ambos países.

3. La Carrera: ¿Quién Gana?

Con su nuevo detector, contaron las patentes de 1976 a 2023 y descubrieron una carrera muy interesante:

• El Volumen: China ha crecido tan rápido que, en los últimos años, ha superado a EE. UU. en la cantidad total de patentes. Es como si China hubiera empezado a escribir libros a una velocidad vertiginosa.
• La Intensidad: Sin embargo, si miras el porcentaje de patentes de IA sobre el total de patentes, ambos países están muy parejos. Es como si ambos estuvieran corriendo a la misma velocidad, pero China tiene un equipo más grande.
• Los Especialistas: EE. UU. fue el primero en inventar cosas complejas (como el lenguaje natural), pero China ha acelerado mucho en cosas prácticas, como la visión por computadora (cámaras inteligentes) y la fabricación.

4. ¿Quién es el Héroe? (La Organización)

Aquí es donde la historia se divide en dos caminos muy diferentes:

• En EE. UU. (El Club Privado): La innovación está en manos de unas pocas grandes empresas privadas (como Google, Microsoft, IBM). Es un club cerrado donde los gigantes dominan. Además, la actividad se queda pegada en sus "hubs" históricos (como Silicon Valley y Boston); no se expande mucho a otros lugares.
• En China (El Ecosistema Mixto): Aquí hay una mezcla más diversa. No solo hay empresas privadas (como Tencent o Huawei), sino que las universidades y las empresas estatales juegan un papel enorme. Además, la innovación se ha expandido rápidamente por todo el país, saliendo de las grandes ciudades y llegando a regiones más pequeñas. Es como si la IA se hubiera sembrado en todo el jardín, no solo en el centro.

5. ¿Valen la pena? (El Dinero)

Mucha gente pensaba que las patentes chinas eran solo "papel" para conseguir subsidios del gobierno, sin valor real.

• La Verdad: Los autores miraron cómo reaccionaba la bolsa de valores cuando se anunciaban estas patentes. Descubrieron que las patentes de IA valen mucho dinero en ambos países.
• Incluso las patentes de universidades y empresas estatales en China tienen un valor real. Los inversores las ven como activos valiosos, no como papeles basura. Es como si el mercado dijera: "¡Oye, esto es tecnología de verdad!".

6. ¿Se están separando? (La Dependencia)

Con todas las tensiones políticas, uno podría pensar que EE. UU. y China están cortando lazos y trabajando por separado (desacoplamiento).

• La Realidad: ¡No es así! La tecnología sigue conectada.
• El Flujo: Los inventores chinos dependen mucho de las ideas de vanguardia de EE. UU. (como un estudiante que sigue aprendiendo de su maestro). EE. UU. también usa ideas de China, pero menos.
• La Analogía: Imagina que son dos corredores en una pista. Aunque compiten ferozmente por ganar, siguen mirando los pasos del otro para aprender. No se han aislado; siguen aprendiendo el uno del otro, aunque China depende un poco más de la sabiduría inicial de EE. UU.

En Resumen

Este estudio nos dice que, aunque EE. UU. y China parecen estar en la misma carrera de IA, corren de formas muy distintas. EE. UU. es como un equipo de élite privado y concentrado, mientras que China es un movimiento masivo y diverso que involucra a todos. Y lo más importante: ambos están creando tecnología real y valiosa, y siguen conectados en un mundo donde el conocimiento no tiene fronteras.

Resumen técnico

1. El Problema: La Brecha de Medición en la Innovación de IA

El artículo identifica un problema fundamental en el análisis económico de la competencia tecnológica entre Estados Unidos (EE. UU.) y China: la falta de una herramienta fiable y precisa para medir la innovación en Inteligencia Artificial (IA) a gran escala.

• Limitaciones del estándar actual: El US Patent and Trademark Office (USPTO) lanzó en 2023 su Artificial Intelligence Patent Dataset (AIPD), que utiliza un modelo de Long Short-Term Memory (LSTM) para clasificar patentes.
• Errores de medición: Los autores demuestran que el clasificador del USPTO sufre de errores significativos en su conjunto de datos de entrenamiento etiquetado manualmente. Las métricas de rendimiento reportadas son deficientes:
  • Precisión: 40.5% (menos de la mitad de las patentes etiquetadas como "IA" son realmente de IA).
  • Recall (Sensibilidad): 37.5% (el modelo ignora más del 60% de las patentes de IA reales).
  • F1 Score: 39%.
• Consecuencia: Este "ruido" en los datos introduce un sesgo de atenuación en los análisis económicos, distorsionando la comprensión de la productividad, la competencia y la estructura institucional de la innovación en IA.

2. Metodología: El Clasificador FGYZ y Validación

Para resolver este problema, los autores desarrollan una nueva metodología basada en Procesamiento de Lenguaje Natural (NLP) avanzado.

A. Desarrollo del Clasificador FGYZ

• Modelo Base: Utilizan PatentSBERTa, un modelo de lenguaje transformador pre-entrenado específicamente en textos de patentes (abstracciones, reivindicaciones y descripciones completas).
• Entrenamiento: Fine-tuning (ajuste fino) del modelo utilizando datos etiquetados manualmente del AIPD (conjuntos de "semilla" positiva y "anti-semilla" negativa) de Giczy et al. (2022) y Pairolero et al. (2025).
• Clasificación Multietiqueta: El modelo asigna cada patente a una o más de ocho subcampos de IA: Aprendizaje Automático (Machine Learning), Procesamiento de Lenguaje Natural (NLP), Voz, Visión, Planificación, Procesamiento de Conocimiento, Hardware y Computación Evolutiva.
• Rendimiento: El clasificador FGYZ logra una precisión del 97.0%, un recall del 91.3% y un F1 Score del 94.0%, superando drásticamente al enfoque del USPTO.

B. Estrategia de Validación

Los autores validan su clasificador mediante tres enfoques rigurosos:

1. Conectividad basada en Citas (Homofilia Tecnológica): Comparan la densidad de citas entre patentes clasificadas solo por FGYZ, solo por el USPTO y ambas. Las patentes identificadas por FGYZ muestran una conexión de citas mucho más fuerte con el conjunto de consenso (patentes identificadas por ambos) y más débil con patentes no-IA, confirmando su relevancia tecnológica.
2. Similitud Léxica: Utilizan distribuciones de palabras ponderadas por TF-IDF (frecuencia de término - frecuencia inversa de documento) para medir la similitud del vocabulario técnico. Las patentes de FGYZ tienen un vocabulario mucho más alineado con las patentes de IA de alta confianza que las del USPTO.
3. Validación Externa (China): Aplican el modelo entrenado en datos de EE. UU. a patentes chinas. Validan que las patentes chinas clasificadas como IA por FGYZ tienen fuertes vínculos de citas y similitud léxica con la frontera tecnológica de IA de EE. UU., demostrando que el modelo generaliza bien a través de fronteras y sistemas legales.

3. Contribuciones Clave

1. Metodológica: Creación de un conjunto de datos de patentes de IA de alta resolución y precisión (FGYZ) que corrige los errores sistemáticos de las clasificaciones administrativas existentes.
2. Empírica: Documentación de la evolución de la innovación en IA en EE. UU. y China desde 1976 y 2010 respectivamente, revelando patrones de convergencia y divergencia.
3. Económica: Evaluación del valor económico de las patentes de IA mediante reacciones del mercado de valores y análisis de flujos de conocimiento entre sectores (académico, estatal y privado).

4. Resultados Principales

A. Tendencias de Crecimiento y Convergencia

• Volumen: China ha superado a EE. UU. en el número total anual de patentes de IA concedidas desde 2020. Sin embargo, la intensidad relativa (porcentaje de patentes de IA sobre el total) es comparable en ambos países (~20% en 2023).
• Subcampos: Existe una convergencia amplia en la composición de subcampos (Planificación, Visión y Hardware son dominantes en ambos).
• Divergencia en NLP: EE. UU. mantiene una ventaja temprana y sostenida en Procesamiento de Lenguaje Natural, mientras que China muestra una aceleración explosiva en este campo después de 2020, coincidiendo con el auge de los Modelos de Lenguaje Grandes (LLM).

B. Organización Institucional y Geográfica

• EE. UU. (Concentración): La innovación está altamente concentrada en un pequeño grupo de grandes empresas privadas multinacionales (IBM, Microsoft, Google, Amazon) y en "hubs" geográficos costeros (Bay Area, Corredor del Noreste) que se han mantenido dominantes.
• China (Diversidad y Difusión): El panorama es más heterogéneo. Además de empresas privadas (Tencent, Baidu, Huawei), las Empresas de Propiedad Estatal (SOE) y las universidades juegan un papel crucial, especialmente en hardware y aplicaciones. Geográficamente, la innovación china se ha difundido rápidamente desde los hubs iniciales (Beijing, Delta del Yangtsé, Delta del Río de las Perlas) hacia ciudades secundarias y capitales provinciales.

C. Valor Económico

• Prima de Valor: En ambos países, las patentes de IA tienen un valor de mercado significativamente mayor que las patentes no-IA.
• Instituciones No Mercantiles: Contrario a la crítica de que las patentes chinas de universidades y SOE son de baja calidad o meramente administrativas, los datos muestran que las empresas privadas chinas citan más frecuentemente patentes de instituciones estatales y académicas que las de otras empresas privadas. Esto indica que estas instituciones generan conocimiento tecnológico upstream valioso y relevante económicamente.

D. Dependencia Transfronteriza y Desacoplamiento

• Sin Desacoplamiento: No hay evidencia de un desacoplamiento tecnológico total. Los flujos de conocimiento continúan, aunque son asimétricos.
• Asimetría: Los inventores chinos dependen fuertemente de la tecnología de frontera de EE. UU. (citan patentes de EE. UU. más intensamente que las no-IA). En la dirección opuesta, los inventores de EE. UU. citan patentes chinas de manera más selectiva, principalmente fuera de los núcleos centrales de IA.

5. Significado e Implicaciones

Este estudio transforma la comprensión de la carrera tecnológica entre EE. UU. y China:

1. Calidad sobre Cantidad: La rápida expansión de patentes en China no es solo un fenómeno de "volumen" o subsidios; las patentes chinas de IA poseen un valor económico real y están integradas en la red global de conocimiento.
2. Modelos de Innovación Diferentes: Mientras EE. UU. sigue un modelo de liderazgo corporativo concentrado y geográficamente estable, China opera bajo un modelo de difusión rápida y participación institucional mixta (privado-estatal-académico).
3. Interdependencia Persistente: A pesar de las tensiones geopolíticas, la competencia en IA se caracteriza por un aprendizaje cruzado asimétrico y continuo, no por el aislamiento. China sigue dependiendo de la base de conocimiento de EE. UU., lo que sugiere que la "desacoplamiento" tecnológico completo es improbable en el corto y mediano plazo.
4. Herramienta para Políticas Públicas: El clasificador FGYZ proporciona a los investigadores y formuladores de políticas una herramienta precisa para monitorear la innovación en tiempo real, permitiendo análisis más robustos sobre la productividad y la competencia tecnológica global.

En resumen, el papel redefine la medición de la IA, revelando que, aunque China ha alcanzado a EE. UU. en volumen y ha diversificado sus actores institucionales, la competencia sigue siendo dinámica, interconectada y centrada en la creación de valor económico real.