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

Dit artikel introduceert een nauwkeurige classifier voor het meten van AI-patenten in de VS en China, waaruit blijkt dat hoewel China recentelijk het aantal patenten heeft overtroffen en er convergentie is in intensiteit, de innovatiestructuur verschilt (met een grotere rol voor universiteiten en staatsbedrijven in China) en dat er sprake blijft van wederzijdse technologische afhankelijkheid via grensoverschrijdende citaties.

De kern

De AI-Strijd tussen de VS en China: Een Nieuwe Scherpe Lens

Stel je voor dat de wereld van kunstmatige intelligentie (AI) een enorme, chaotische bibliotheek is. In deze bibliotheek liggen miljoenen boeken (octrooien) over technologie. De vraag is: welke boeken zijn écht over AI, en welke zijn gewoon vol met ruis?

Vroeger hadden de VS en China een wat onscherpe bril om deze boeken te lezen. De Amerikaanse bibliotheekbewaars (het USPTO) gebruikte een oude, trage scanner die veel boeken verkeerd inschatte. Ze dachten dat veel boeken over AI gingen, terwijl het eigenlijk gewoon gewone techniek was, en ze misten juist de echte pareltjes.

De auteurs van dit paper hebben een nieuwe, superscherpe bril ontwikkeld. Ze hebben een slimme computer (een 'Large Language Model') getraind met menselijke experts om precies te weten wat een AI-octrooi is. Met deze nieuwe bril kijken ze naar de bibliotheek van de VS en China en ontdekken ze verrassende dingen.

Hier is wat ze vinden, vertaald in alledaags taal:

1. De Nieuwe Brillen zijn Beter

De oude scanner van de VS was als een trage hond die soms een kat voor een hond aanziet en soms een hond over het hoofd ziet. De nieuwe bril van de onderzoekers is als een getrainde speurhond: hij ziet 97% van de echte AI-boeken en mist er bijna geen enkele. Met deze nieuwe methode kunnen ze eindelijk echt meten wie er aan de leiding gaat.

2. De Wedstrijd: Kwantiteit vs. Kwaliteit

Als je kijkt naar het aantal boeken dat eruit komt, heeft China de VS ingehaald. Het is alsof China een enorme fabriek heeft gebouwd die elke dag duizenden nieuwe AI-uitvindingen produceert. In de VS is het aantal ook gegroeid, maar China zit nu bovenaan qua totaal aantal.

Maar als je kijkt naar wat ze uitvinden, zijn ze eigenlijk heel erg op elkaar gaan lijken. Beide landen werken aan dezelfde dingen: robots die zien (computer vision), computers die plannen maken, en systemen die taal begrijpen. Het is alsof twee teams die tegen elkaar spelen, langzaam dezelfde tactieken gaan gebruiken.

3. Wie zit er aan het roer? (De Organisatie)

Hier wordt het interessant, want de manier waarop ze werken, is heel verschillend:

• In de VS: Het is een club van grote, rijke bedrijven. Denk aan de zwaargewichten zoals Google, Microsoft en IBM. Zij zijn de hoofdschrijvers van het AI-boek. Het is een beetje zoals een elite-club waar de rijkste leden de leiding hebben.
• In China: Het is een grotere mix. Ja, er zijn grote bedrijven zoals Tencent en Huawei, maar ook universiteiten en staatsbedrijven (bedrijven in handen van de overheid) spelen een enorme rol. Het is alsof in China niet alleen de rijke zakenlieden schrijven, maar ook de leraren en de overheid zelf actief mee doen aan het schrijven van het boek.

4. Waar gebeurt het? (De Kaart)

• In de VS: De uitvindingen blijven hangen in de bekende "hotspots", zoals Silicon Valley en de kuststeden. Het is alsof de innovatie in een paar grote steden blijft koken en niet echt verspreidt naar het platteland.
• In China: De uitvindingen verspreiden zich snel naar nieuwe plekken. Het is alsof een vonk die in Peking valt, razendsnel door de hele stad en het land naar andere provincies springt. China bouwt AI-innovatie op in steeds meer steden tegelijk.

5. Is het echt waardevol? (De Prijskaart)

Sommige mensen zeggen: "China maakt wel veel octrooien, maar zijn ze wel goed? Of doen ze het alleen maar om subsidie te krijgen?"
De onderzoekers kijken naar de beurskoersen van bedrijven. Ze ontdekken dat AI-octrooien in beide landen de beurskoers laten stijgen.

• Als een Amerikaans bedrijf een nieuw AI-octrooi krijgt, wordt het aandeel duurder.
• Als een Chinees bedrijf (zelfs een staatsbedrijf of universiteit) een AI-octrooi krijgt, wordt ook dat aandeel duurder.

Dit betekent dat de markt gelooft dat deze uitvindingen echt geld waard zijn. Het zijn geen "schijnoctrooien" voor de show; ze hebben echte economische waarde.

6. Breekt de Vriendschap? (De Kopieerwerk)

Er wordt vaak gezegd dat de VS en China zich van elkaar afscheiden (decoupling). Maar de data laten iets anders zien.

• China kijkt nog steeds heel veel naar de VS. Chinese uitvinders kopiëren en bouwen voort op de allerlaatste ideeën uit de VS. Het is alsof China de VS nog steeds als de "hoofdboekhouder" van de kennis ziet.
• De VS kijkt minder naar China. Amerikaanse uitvinders halen minder vaak ideeën uit Chinese boeken.

Het is dus geen volledige scheiding, maar wel een eenzijdige afhankelijkheid. China leert nog steeds veel van de Amerikaanse top, terwijl de VS minder afhankelijk is van China.

Conclusie

Deze studie zegt eigenlijk: "Kijk niet alleen naar het aantal octrooien."
Hoewel China nu meer uitvindingen telt en sneller verspreidt, werken ze in een heel ander systeem (met veel overheid en universiteiten) en zijn ze nog steeds sterk afhankelijk van de Amerikaanse kennis. De VS en China rennen samen in de AI-marathon, maar ze hebben verschillende schoenen aan en kijken nog steeds naar elkaar voor de route.

Technische samenvatting

Probleemstelling

De kern van dit onderzoek is het gebrek aan een betrouwbare meetlat voor kunstmatige intelligentie (KI)-innovatie op grote schaal. Hoewel de VS en China de dominante spelers zijn in de wereldwijde KI-competitie, is empirische analyse beperkt door meetfouten in bestaande datasets.

• De huidige standaard: Het Amerikaanse Octrooibureau (USPTO) heeft in 2023 de Artificial Intelligence Patent Dataset (AIPD) vrijgegeven, gebaseerd op een LSTM-model (Long Short-Term Memory).
• Het probleem: De auteurs tonen aan dat de AIPD aanzienlijke meetfouten bevat. De precisie ligt slechts op 40,5% en de recall op 37,5%. Dit betekent dat bijna 60% van de werkelijke KI-octrooien wordt gemist (false negatives) en dat bijna 60% van de als "KI" gemarkeerde octrooien feitelijk geen KI-octrooien zijn (false positives). Deze ruis leidt tot significante vertekening in economische analyses van innovatie en productiviteit.

Methodologie

De auteurs ontwikkelen een nieuwe, hoogprecisie classifier genaamd de FGYZ-classifier door moderne Natural Language Processing (NLP)-technieken toe te passen.

1. Modelarchitectuur: Ze fine-tunen PatentSBERTa, een transformer-gebaseerd taalmodel dat vooraf is getraind op octrooitexten. Dit model is specifiek ontworpen om semantische en contextuele kenmerken binnen het octrooibedrijf te vangen, wat superieur is aan traditionele embedding-methoden.
2. Trainingsdata: Het model wordt getraind op handmatig gelabelde "seed" (positieve voorbeelden) en "anti-seed" (negatieve voorbeelden) data uit de AIPD, gecombineerd met aanvullende data van Giczy et al. (2022) en Pairolero et al. (2025).
3. Classificatie: Het model classificeert octrooien in acht KI-subdomeinen: Machine Learning, Natural Language Processing (NLP), Spraak, Visie, Planning, Kennisverwerking, Hardware en Evolutionaire Berekening.
4. Validatie:
   • Citation Connectivity: Analyse van citatiepatronen om te zien of door de FGYZ-classifier geïdentificeerde KI-octrooien sterker verbonden zijn met de bestaande KI-kennisnetwerken dan die van het USPTO.
   • Lexicale Similariteit: Gebruik van TF-IDF-gewogen woordverdelingen om de technische taal van de geïdentificeerde octrooien te vergelijken met een "high-confidence" benchmark (octrooien die door beide systemen als KI worden gezien).
   • Cross-border Validatie: Toepassing van het op de VS getrainde model op Chinese octrooien (CNIPA-data) en validatie via cross-border citaties en lexicon-overeenkomsten.

Belangrijkste Resultaten

1. Methodologische Verbetering

De FGYZ-classifier presteert aanzienlijk beter dan het USPTO-model:

• Precisie: 97,0% (vs. 40,5% bij USPTO).
• Recall: 91,3% (vs. 37,5% bij USPTO).
• F1-score: 94,0% (vs. 39% bij USPTO).
• Het model generaliseert uitstekend naar Chinese data, wat bevestigd wordt door sterke citatie- en lexicon-verbindingen tussen Chinese en Amerikaanse KI-octrooien.

2. Groei en Convergentie in Aantal

• Er is sprake van een explosieve groei van KI-octrooien in beide landen.
• Verschuiving: Hoewel de VS historisch leidend was, heeft China sinds 2020 het totale aantal jaarlijkse KI-octrooien overtroffen.
• Convergentie: De verdeling over subdomeinen (zoals Planning, Visie en Hardware) is in beide landen vergelijkbaar, hoewel de VS een voorsprong houdt in NLP en China na 2020 sterk versnelt in dit domein.

3. Institutionele en Ruimtelijke Divergentie

Ondanks convergentie in volume, verschillen de structuren sterk:

• VS: KI-innovatie is sterk geconcentreerd bij een klein aantal grote private incumbents (IBM, Microsoft, Google, Amazon) en blijft geografisch vastgeankerd in oorspronkelijke hubs (San Francisco Bay Area, Noordoostkust).
• China: De innovatielandschap is heterogener. Naast private tech-giganten (Tencent, Baidu, Huawei) spelen staatsbedrijven (SOE's) en universiteiten een prominente rol. Geografisch gezien verspreidt KI-activiteit zich in China veel sneller van de oorspronkelijke hubs naar secundaire steden en provincies.

4. Economische Waarde

• Marktpremie: KI-octrooien hebben in zowel de VS als China een robuuste marktwaarde-premie ten opzichte van niet-KI-octrooien. Dit wordt gemeten via abnormale aandelenrendementen rondom octrooiverlening.
• Niet-marktactoren: In tegenstelling tot het idee dat Chinese universiteiten en staatsbedrijven "lage kwaliteit" octrooien produceren voor subsidies, tonen citatiepatronen aan dat private Chinese bedrijven vaker verwijzen naar octrooien van staatsbedrijven en universiteiten dan naar die van andere private bedrijven. Dit wijst op een strategische en economisch relevante rol van de publieke sector.

5. Kennisstromen en "Decoupling"

• Er is weinig bewijs voor technologische ontkoppeling. Integendeel, de cross-border citaties tonen aan dat de technologische afhankelijkheid aanhoudt.
• Asymmetrie: Chinese uitvinders zijn sterker afhankelijk van de Amerikaanse voorhoede (frontier knowledge) dan andersom. Amerikaanse uitvinders citeren Chinese octrooien minder intensief, vooral buiten de kern-KI-domeinen.

Bijdrage en Significantie

• Methodologische Doorbraak: Het artikel biedt een nieuwe, betrouwbare standaard voor het meten van KI-innovatie, wat cruciaal is voor toekomstig economisch en beleidsgericht onderzoek.
• Beleid en Strategie: De bevindingen weerleggen het narratief van volledige ontkoppeling. Hoewel er concurrentie is, blijft de kennisstroom asymmetrisch maar sterk verbonden.
• Institutioneel Inzicht: Het onderzoek benadrukt dat de rol van de staat en universiteiten in China niet louter administratief is, maar een essentiële, economisch waardevolle bijdrage levert aan de KI-ontwikkeling, in tegenstelling tot de meer private, marktgedreven dynamiek in de VS.
• Toekomstige Oriëntatie: Het documenteert dat de "KI-oorlog" niet gaat over isolatie, maar over asymmetrische leerprocessen binnen een steeds competitiever wordend globaal ecosysteem.