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

本論文は、高精度な AI 特許分類モデルを開発し、米国と中国の AI 特許の急成長と技術的相互依存を明らかにする一方で、特許出願の組織構造や地理的分布において両国間に顕著な差異が存在することを示しています。

要約

この論文は、**「アメリカと中国の AI 競争」という壮大な物語を、「より正確な物差し」**を使って描き出した研究です。

まるで、二人の巨大な巨人（アメリカと中国）が、見えない「AI という魔法の技術」をどれくらい持っているかを競っている様子を、新しい「魔法のメガネ」で見て、その実態を白日の下に晒したようなものです。

以下に、専門用語を排し、日常の言葉と比喩を使って解説します。

---

1. 問題：「偽物の宝石」を見分けるのが難しかった

まず、研究者たちが直面した問題はこれです。
「AI に関する特許（新しい技術の権利）」を数えようとしたとき、アメリカ特許庁（USPTO）がこれまで使っていた「物差し」が、実はかなり不正確だったのです。

• これまでの状況： 特許庁の物差しは、AI ではないものを「AI です！」と誤ってカウントしたり（偽物を見抜けない）、本当の AI 特許を見逃したりしていました。まるで、**「宝石とガラスの区別がつかない人」**が、宝石箱を数えようとしているような状態でした。
• この研究の貢献： 著者たちは、最新の AI（大規模言語モデル）を使って、**「超高性能な宝石鑑定士（FGYZ クラシファイヤー）」**を開発しました。これは、特許の文章を深く読み込み、本当に AI に関係しているかを 97% の精度で見分けます。これで、アメリカと中国の「本当の AI 技術の量」を正確に測れるようになりました。

2. 結果①：量と質の「逆転現象」と「収束」

新しい物差しで数えてみると、面白いことがわかりました。

• 量（数）： 昔はアメリカが圧倒的に多かったですが、中国は急成長して、ここ数年は「年間発行数」でアメリカを抜いて世界一になりました。
• 質（内容）： 両国とも、AI の分野（機械学習、画像認識、音声など）の構成は似てきています。つまり、**「何を作っているか」という点では、両国は似通ってきている（収束している）**と言えます。

3. 結果②：「作り手」のスタイルは全く違う

しかし、「誰が作っているか」という点では、両国はまるで正反対です。

• アメリカのスタイル：「巨大な王様たち」

  • AI 特許の多くは、IBM、マイクロソフト、グーグルなどの巨大な民間企業（大企業）が独占しています。
  • 場所も、シリコンバレーやボストンなどの「イノベーションの中心地」に固まっており、外へ広がりにくい状態です。
  • 比喩： 巨大な城（大企業）の中で、熟練した職人たちが高品質な武器を作っているイメージです。

• 中国のスタイル：「バラエティ豊かな大群衆」

  • 腾讯（テンセント）や百度（バイドゥ）などの民間企業だけでなく、大学や国営企業（政府系企業）も大活躍しています。
  • 場所も、北京や上海だけでなく、地方の都市へも急速に広がっています。
  • 比喩： 巨大な城だけでなく、あちこちの町や村、大学で、多くの人々が協力して技術を作っているイメージです。

4. 結果③：「価値」は本物か？

中国の AI 特許は、政府の補助金目当ての「質の低いもの」ではないか？という批判がありました。しかし、この研究はそれを否定しました。

• 株式市場の反応： 上場企業の発表を見ると、中国の AI 特許も、アメリカの AI 特許と同じように、投資家から高く評価（株価上昇）されています。
• 意味： 中国の大学や国営企業が作った AI 技術も、実際に経済的な価値がある「本物」であることが証明されました。

5. 結果④：「分断」ではなく「相互依存」

アメリカと中国は、技術的に「離れ離れ（デカップリング）」になっているのでしょうか？

• 答え：いいえ、まだ強くつながっています。
• 中国の動き： 中国の研究者は、アメリカの最先端の技術（特に AI の核心部分）を非常に多く引用（参考）しています。 アメリカの「知恵」に頼っている度合いが強いです。
• アメリカの動き： 逆に、アメリカが中国の AI 技術を参考にするのは、コア部分よりも少し応用分野に限られています。
• 比喩： 二人の巨人は喧嘩しながらも、**「中国はアメリカの教科書を熱心に勉強している」**状態です。完全に別々の世界を作ろうとしているわけではなく、まだ互いの技術に依存し合っています。

まとめ：この研究が教えてくれること

この論文は、「AI 戦争」の本当の姿を浮き彫りにしました。

1. 正確な計測： 古い物差しでは見えていなかった「本当の AI 技術」を、新しい AI 技術を使って正確に測りました。
2. 中国の台頭： 中国は量だけでなく、質も高く、大学や国営企業など多様なプレイヤーが活躍しています。
3. アメリカの強み： 依然として、巨大企業がコア技術を支配し、市場価値も高いですが、地理的には固定化されています。
4. 相互依存： 政治的な対立があっても、技術的にはまだ「中国がアメリカの知恵を吸収し続ける」という関係が続いています。

つまり、**「アメリカと中国は、同じゴール（AI の未来）に向かって走っていますが、走っている靴（組織の仕組み）も、走るルート（地理的な広がり）も、そして誰がリードしているかも、それぞれ全く違う」**というのが、この研究が描き出した風景です。

技術概要

論文要約：米国と中国における AI 特許の測定、組織、知識フロー

タイトル: AI Patents in the United States and China: Measurement, Organization, and Knowledge Flows
著者: Hanming Fang, Xian Gu, Hanyin Yan, Wu Zhu
日付: 2026 年 4 月 14 日（arXiv 公開日）

1. 研究の背景と課題（Problem）

人工知能（AI）はグローバルな技術競争の焦点となっており、米国と中国がその主導権を争っています。しかし、両国の AI 革新のダイナミクス（収束か分岐か）を評価する実証分析は、**「AI 関連特許を正確に大規模に測定する信頼できる尺度（ものさし）の欠如」**という根本的な識別問題に直面しています。

既存の基準である米国特許商標庁（USPTO）の「AI 特許データセット（AIPD）」は、2023 年に公開されましたが、この論文ではその測定誤差が甚大であることを指摘しています。

• 既存モデルの限界: USPTO が採用する LSTM モデルは、訓練データセットに重大な誤りを含んでおり、精度（Precision）が 40.5%、再現率（Recall）が 37.5% にとどまっています。
• 結果: 真の AI 特許の約 63% が見逃され、AI 特許と判定されたものの約 60% が実際には AI ではないというノイズが含まれています。この測定誤差は、企業レベルの革新分析や集計的な生産性分析に大きなバイアスをもたらします。

2. 手法とアプローチ（Methodology）

この論文の主要な貢献は、大規模言語モデル（LLM）を活用した高精度な AI 特許分類器の開発にあります。

2.1 分類器「FGYZ」の開発

• モデル基盤: 特許テキストで事前学習されたトランスフォーマー型言語モデル「PatentSBERTa」を基盤としています。
• ファインチューニング: USPTO の AIPD から提供された手動ラベル付けされた「シード（正例）」と「アンチシード（負例）」データを用いて、Contrastive Learning（対比学習）の目的関数でモデルをファインチューニングしました。
• 分類対象: 8 つの AI サブ分野（機械学習、自然言語処理、音声、視覚、計画、知識処理、ハードウェア、進化計算）に分類します。ただし、訓練サンプルが不足している「進化計算」は除外しました。

2.2 検証手法

開発された分類器の妥当性を、以下の多角的な手法で検証しました。

1. 引用ベースの接続性分析: 特許間の引用ネットワークを用い、分類された特許が既存の AI 知識ネットワーク（高信頼度の AI 特許セット）とどの程度強く結びついているかを測定しました。
2. 語彙的類似性分析: TF-IDF 重み付けを用いて、特許の技術用語が高信頼度の AI 特許セットとどの程度似ているかを評価しました。
3. 中国特許への外部妥当性検証: 米国データで訓練されたモデルを中国特許（CNIPA）に適用し、米国 AI 特許との引用関係や語彙的類似性を通じて、モデルの一般化能力を検証しました。

3. 主要な結果（Key Results）

3.1 分類精度の劇的な改善

• 性能: 開発した FGYZ 分類器は、精度 97.0%、再現率 91.3%、F1 スコア 94.0% を達成し、USPTO の既存モデル（F1 スコア 39%）を大幅に上回りました。
• 検証: 引用分析と語彙分析の両方で、FGYZ によって「AI」と判定された特許は、既存の AI 知識ネットワークと強く結びついており、技術用語も AI 特許と一致していることが確認されました。

3.2 米国と中国の AI 特許の動向

• 量的な収束と中国の追い越し: 両国とも AI 特許が急増しており、特に 2020 年以降、中国は年間特許数で米国を追い越しました。しかし、AI 特許の全体特許に占める割合は、2023 年時点で両国とも約 20% まで収束しています。
• 分野構成: 計画、視覚、ハードウェアが両国で最大のシェアを占めます。ただし、自然言語処理（NLP）では、米国が早期から拡大しているのに対し、中国は 2020 年以降に急加速しています。

3.3 革新の組織と地理的拡散

• 組織構造の違い:
  • 米国: 大規模な民間多国籍企業（IBM, Microsoft, Google, Amazon など）が中心であり、特定のハブに集中しています。
  • 中国: 民間企業（Tencent, Baidu, Huawei）に加え、国有企業（SOE）や大学が重要な役割を果たしており、組織的に多様です。
• 地理的拡散:
  • 米国: 初期のハブ（シリコンバレー、北東部など）に強く固定されており、地理的拡散は限定的です。
  • 中国: 北京・上海・広州などの主要都市から、地方の省都へと急速に拡散しており、地理的範囲が広がっています。

3.4 経済的価値と知識フロー

• 市場価値: 両国とも、非 AI 特許と比較して AI 特許は市場価値（株価反応）において明確なプレミアム（割高評価）を示しています。これは、中国の大学や国有企業が生成する特許も経済的に価値ある技術資産であることを示唆しています。
• 知識フローの構造:
  • 米国: 大学は「象牙の塔」的であり、学術特許は主に他の学術機関に引用されます。
  • 中国: 大学や国有企業と民間企業の間の双方向的な引用が活発です。民間企業は、国有企業や大学の特許を他社よりも頻繁に引用しており、非市場セクターが経済的に重要な AI 知識の源泉となっていることが示されました。
• 技術的脱カップリングの否定: 地政学的緊張が高まる中、両国の AI 技術は「脱カップリング」していません。むしろ、中国の発明家は米国の最先端技術に強く依存しており、知識フローは継続・強化されています。ただし、依存関係は非対称的です（中国→米国への依存が強い）。

4. 論文の意義（Significance）

1. 方法論的貢献: 従来のルールベースや LSTM モデルに代わる、LLM を活用した高精度な AI 特許測定手法を確立しました。これにより、AI 革新の実態をより正確に捉えることが可能になりました。
2. 政策・経済的示唆:
   • 中国の AI 特許の急増は、単なる補助金目的の「質の低い特許」ではなく、市場価値のある実質的な技術革新であることを実証しました。
   • 中国における国有企業や大学の役割は、米国とは異なり、民間セクターと密接に連携した戦略的なイノベーションの源泉であることを明らかにしました。
   • 米中両国は AI 分野で競合しつつも、技術的には依然として相互依存関係にあり、完全な分断（デカップリング）は起きていないという知見は、今後の技術政策や国際関係の理解に重要です。

この論文は、AI 革新の地理的・制度的なダイナミクスを再評価し、米中競争の真の姿を「量的な収束」と「構造的な多様性」という観点から描き出した点で重要です。