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

이 논문은 USPTO 의 AI 특허 데이터로 미세 조정된 고정밀 분류기를 활용해 미국과 중국의 AI 특허를 정밀하게 측정하고, 두 국가 간 특허 건수 수렴과 시장 가치 프리미엄은 유사하지만 혁신 주체와 지리적 분포, 그리고 지식 흐름 측면에서 뚜렷한 구조적 차이가 있음을 규명합니다.

핵심

1. 문제: "진짜 보물"을 찾는 나침반이 고장 났다? 🧭

과거에 미국 특허청 (USPTO) 은 AI 특허를 찾기 위해 나침반 (기존 분류 시스템) 을 사용했습니다. 하지만 이 나침반은 정확도가 매우 낮았습니다.

• 비유: 마치 "진짜 금괴 (AI 특허)"를 찾으려는데, 진짜 금괴 10 개 중 6 개는 놓치고, 철조각 (일반 특허) 을 6 개나 금괴로 착각하는 나침반을 쓴 것과 같습니다.
• 결과: 이 나침반에 의존하면 두 나라의 AI 경쟁 상황을 완전히 잘못 이해하게 됩니다.

2. 해결책: 새로운 'AI 탐정'을 고용하다 🕵️‍♂️

저자 팀 (방한명 등) 은 이 문제를 해결하기 위해 **최신 AI 기술 (거대 언어 모델)**을 이용해 새로운 'AI 탐정 (FGYZ 분류기)'을 만들었습니다.

• 성공: 이 새로운 탐정은 진짜 금괴를 97% 이상 정확히 찾아내고, 철조각을 금괴로 오인하는 실수도 거의 없습니다.
• 확장: 이 탐정은 미국뿐만 아니라 중국 특허에도 똑같이 적용되어, 중국에서 어떤 것이 진짜 AI 기술인지도 정확하게 가려냈습니다.

3. 발견 1: 숫자 게임의 역전 📈

이 정확한 탐정으로 두 나라의 AI 특허 현황을 다시 세어보니 놀라운 사실이 드러났습니다.

• 미국: 예전부터 AI 기술의 선두주자였습니다.
• 중국: 최근 몇 년간 미국을 추월하여, 매년 나오는 AI 특허의 '총 개수'에서 1 위를 차지했습니다.
• 비유: 미국은 오래전부터 '명품 공방'을 운영해 왔지만, 중국은 최근 '대량 생산 공장'을 세워 물량을 앞세워 미국을 따라잡았습니다. 하지만 **기술의 종류 (컴퓨터 비전, 언어 처리 등)**는 두 나라가 비슷하게 발전하고 있습니다.

4. 발견 2: 누가 보물을 캐는가? (조직 구조의 차이) 🏢 vs 🏫

두 나라가 AI 기술을 개발하는 주체가 완전히 다릅니다.

• 미국: 거대 민간 기업들 (구글, 마이크로소프트, IBM 등) 이 거의 모든 것을 장악하고 있습니다. 마치 '거인들'이 보물찾기를 하는 형국입니다.
• 중국: 민간 기업 (텐센트, 화웨이 등) 도 중요하지만, 국영 기업과 대학들이 매우 활발하게 참여합니다. 마치 '거인'뿐만 아니라 '대학생들'과 '공공 기관'까지 모두 모여 보물을 찾는 형국입니다.
  • 흥미로운 점: 중국의 대학이나 국영 기업이 만든 특허도 시장에서 높은 가치를 인정받고 있어, 단순히 정부 보조금을 받기 위해 만든 '가짜 특허'가 아니라는 것이 증명되었습니다.

5. 발견 3: 보물찾기의 위치 (지리적 확산) 🗺️

• 미국: AI 기술은 샌프란시스코 (실리콘밸리) 나 뉴욕 같은 초기 '핫플레이스'에 여전히 꽉 차 있습니다. 새로운 도시로 퍼져나가는 속도가 느립니다. (성숙한 시장)
• 중국: AI 기술이 베이징, 상하이를 시작으로 중국 전역의 다양한 도시로 폭발적으로 퍼져나가고 있습니다. (급성장하는 시장)

6. 발견 4: 서로의 기술을 훔쳐보는가? (기술 의존도) 🤝

최근 미중 갈등으로 인해 "서로 기술이 끊어지고 있는가?"라는 질문이 많았습니다. 하지만 이 연구는 아니오라고 답합니다.

• 중국 → 미국: 중국 AI 연구자들은 여전히 미국이 만든 최신 기술 (선진 지식) 을 많이 참고합니다. 미국의 '레시피'를 보고 중국이 요리를 발전시키는 셈입니다.
• 미국 → 중국: 미국이 중국 기술을 참고하는 정도는 상대적으로 적지만, 완전히 끊어진 것은 아닙니다.
• 결론: 두 나라는 치열하게 경쟁하지만, 서로 완전히 분리되기보다는 서로의 기술을 배우며 발전하고 있는 '불완전한 커플' 관계입니다.

---

📝 한 줄 요약

"미국과 중국은 AI 특허의 '숫자'에서는 중국이 앞섰지만, 진짜 AI 기술을 찾는 방법을 새로 개발한 결과, 두 나라는 미국은 거대 기업이, 중국은 대학과 국영기업이 주도하며 서로의 기술을 배우면서 치열하게 경쟁하고 있다는 사실을 밝혀냈습니다."

이 연구는 단순히 특허 숫자를 세는 것을 넘어, 어떤 기술이 진짜 AI 인지, 누가 그 기술을 만들고 있는지, 그리고 두 나라가 어떻게 서로 영향을 주고받는지를 아주 정교하게 분석했다는 점에서 의미가 큽니다.

기술 요약

논문 요약: 미국과 중국의 AI 특허: 측정, 조직, 그리고 지식 흐름

이 논문은 미국 (US) 과 중국 (China) 간의 인공지능 (AI) 기술 경쟁의 실체를 규명하기 위해, 기존 데이터의 측정 오류를 개선한 고정밀 AI 특허 분류기를 개발하고 이를 두 국가의 혁신 구조, 지리적 확산, 경제적 가치, 그리고 지식 흐름에 대한 비교 분석에 적용했습니다.

1. 연구 배경 및 문제 제기 (Problem)

• 측정의 한계: AI 기술 경쟁을 평가하기 위해서는 AI 관련 특허를 정확하게 식별하는 것이 필수적입니다. 그러나 현재 표준으로 사용되는 미국 특허청 (USPTO) 의 'AI 특허 데이터셋 (AIPD)'은 학습 데이터의 라벨링 오류로 인해 심각한 측정 오차를 포함하고 있습니다.
• 기존 모델의 성능 저하: USPTO 가 사용하는 LSTM 기반 분류기의 성능을 재평가한 결과, **정밀도 (Precision) 는 40.5%, 재현율 (Recall) 은 37.5%**에 불과했습니다. 이는 실제 AI 특허의 60% 이상을 놓치고, 'AI 특허'로 분류된 것 중 60% 가 실제 AI 기술이 아님을 의미합니다. 이러한 노이즈는 기업 혁신이나 생산성 분석에 치명적인 편향 (attenuation bias) 을 초래합니다.

2. 방법론 (Methodology)

• FGYZ 분류기 개발: 저자들은 USPTO 의 수동 라벨링 데이터 (Seed/Anti-seed) 를 기반으로 PatentSBERTa(특허 텍스트에 특화된 사전 학습 언어 모델) 를 미세 조정 (Fine-tuning) 하여 새로운 분류기인 FGYZ를 구축했습니다.
• 분류 체계: 8 가지 AI 하위 분야 (머신러닝, 자연어 처리, 음성, 비전, 계획, 지식 처리, 하드웨어, 진화 연산) 로 분류하며, 다중 레이블 (Multi-label) 방식으로 특허가 여러 분야에 속할 수 있도록 설계되었습니다.
• 검증 방법:
  1. 인용 기반 연결성 (Citation-based Connectivity): AI 특허군 간의 인용 관계를 분석하여, FGYZ 가 식별한 특허가 기존 AI 지식 네트워크에 얼마나 밀접하게 연결되어 있는지 확인했습니다.
  2. 어휘 유사성 분석 (Lexical Similarity): TF-IDF 기반의 가중치를 적용하여, FGYZ 가 식별한 특허의 기술 용어가 고신뢰도 AI 특허 (양측 분류기 모두 AI 로 판정) 와 얼마나 유사한지 측정했습니다.
  3. 국외 검증: 미국 데이터로 훈련된 모델을 중국 특허에 적용하여, 중국 AI 특허가 미국 AI 지식 흐름과 얼마나 연결되는지 교차 검증했습니다.

3. 주요 기여 및 결과 (Key Contributions & Results)

가. 분류 성능의 획기적 개선

• FGYZ 분류기는 USPTO 모델 대비 월등히 높은 성능을 보였습니다. **정밀도 97.0%, 재현율 91.3%, F1 점수 94.0%**를 달성했습니다. (단, 훈련 데이터가 부족한 '진화 연산' 분야는 제외).
• 인용 및 어휘 분석 결과, FGYZ 가 식별한 특허들은 기존 AI 지식 네트워크와 더 강하게 연결되어 있으며, 기술 용어 또한 고신뢰도 AI 특허와 높은 유사성을 보였습니다.

나. 미국과 중국의 AI 특허 성장 및 수렴 (Convergence)

• 양적 성장: 두 국가 모두에서 AI 특허가 급격히 증가했으며, 특히 2020 년 이후 중국이 연간 AI 특허 총량에서 미국을 추월했습니다.
• 기술적 수렴: 전체적인 AI 특허의 비중과 하위 분야 구성 (계획, 비전, 하드웨어 등) 에서 두 국가 간 큰 차이가 없으며, 기술적 구성이 수렴하는 경향을 보입니다.

다. 혁신 조직 및 지리적 확산의 이질성 (Divergence)

• 조직 구조:
  • 미국: 대규모 민간 기업 (IBM, Microsoft, Google 등) 이 주도하며, 특정 혁신 허브에 집중되어 있습니다.
  • 중국: 민간 기업 (텐센트, 바이두, 화웨이) 외에도 국영기업 (SOE) 과 대학이 AI 특허에서 중요한 역할을 하며, 조직 구조가 더 다양합니다.
• 지리적 확산:
  • 미국: 초기 혁신 허브 (샌프란시스코, 동부 해안) 에 집중된 상태가 유지되며 확산 속도가 둔화되었습니다.
  • 중국: 베이징, 상하이, 광저우 등 초기 허브에서 내륙의 성도 (Provincial capitals) 로 빠르게 확산되는 '공간적 확산 (Spatial Diffusion)'이 활발하게 일어났습니다.

라. 경제적 가치 및 지식 흐름

• 시장 가치: 두 국가 모두에서 AI 특허는 비 AI 특허보다 높은 시장 가치 프리미엄을 기록했습니다. 이는 중국 특허가 단순한 보조금 수급용이 아니라 실질적인 경제적 가치를 지닌 기술임을 시사합니다.
• 지식 흐름 (Knowledge Flows):
  • 미국: 대학 (Academia) 이 산업계와 단절된 '상아탑' 구조를 보이며, 대학 특허는 주로 다른 대학에서 인용됩니다.
  • 중국: 대학 및 국영기업과 민간 기업 간의 지식 흐름이 매우 밀접합니다. 민간 기업이 국영/학계 특허를 인용하는 비율이 높으며, 이는 국가 주도의 혁신이 실질적인 기술 발전에 기여함을 보여줍니다.
• 기술적 탈동조화 (Decoupling) 부재: 지정학적 긴장에도 불구하고, 양국 간 기술적 의존도는 지속되고 있습니다. 특히 중국 AI 발명가들이 미국 최첨단 지식에 크게 의존하고 있으며, 역방향 (미국이 중국 의존) 은 상대적으로 약하지만 여전히 존재합니다. 완전한 기술적 단절은 발생하지 않았습니다.

4. 연구의 의의 (Significance)

• 방법론적 기여: 기존 USPTO 데이터의 한계를 극복하고, 대규모 언어 모델 (LLM) 을 활용한 고정밀 AI 특허 측정 도구를 제시함으로써 향후 혁신 연구의 신뢰성을 높였습니다.
• 정책 및 전략적 시사점:
  • 중국이 양적 측면에서 미국을 추월하고 있으나, 혁신의 주체와 지리적 확산 패턴에서 두 국가의 근본적인 차이가 있음을 규명했습니다.
  • 중국의 국영기업과 대학이 단순한 행정적 주체가 아니라, 민간 산업과 긴밀하게 연결된 핵심 혁신 주체임을 실증했습니다.
  • 미중 기술 전쟁의 맥락에서, 두 국가가 완전히 분리되기보다는 비대칭적인 지식 흐름을 통해 여전히 상호 의존적임을 보여주어 '탈동조화'에 대한 낙관적/비관적 시각을 교정합니다.

이 논문은 AI 혁신의 지리적, 제도적, 경제적 역학을 정량적으로 분석하여, 두 superpower 간의 기술 경쟁이 단순한 양적 경쟁을 넘어 혁신 생태계의 구조적 차이와 지속적인 상호작용 속에서 진행되고 있음을 보여줍니다.