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

Este artigo desenvolve um classificador de alta precisão para medir patentes de IA nos EUA e na China, revelando que, embora a China tenha superado os EUA em volume recente e apresente uma inovação mais diversificada, ambos os países exibem convergência tecnológica, interdependência por meio de citações cruzadas e um prêmio de valor de mercado consistente para patentes de IA.

O essencial

Imagine que você é um detetive tentando entender uma corrida de gigantes. De um lado, temos os Estados Unidos; do outro, a China. Ambos estão competindo para ver quem é o mestre da Inteligência Artificial (IA). Mas, para saber quem está realmente ganhando, você precisa de uma régua precisa para medir quem inventou o quê.

O problema é que, até agora, a régua que tínhamos estava torta.

Este artigo é como se fosse a construção de uma nova régua de laser para medir patentes de IA. Aqui está a história simplificada do que os autores descobriram:

1. O Problema da Régua Velha

O Escritório de Patentes dos EUA (USPTO) tinha uma lista de patentes de IA, mas eles usavam um "detector" antigo e meio cego. Era como tentar encontrar agulhas em um palheiro usando um ímã enferrujado:

• Eles perdiam muitas agulhas verdadeiras (patentes reais de IA).
• E achavam agulhas que eram, na verdade, palha (patentes que não eram de IA).
• A precisão era de apenas 40%. Basicamente, eles estavam errando na metade das vezes.

2. A Nova Régua de Laser (O "FGYZ")

Os autores criaram um novo detector usando uma tecnologia superinteligente chamada "Inteligência Artificial que lê patentes" (um modelo de linguagem grande, ou LLM). Eles treinaram esse robô com exemplos manuais de patentes para que ele aprendesse a diferença entre uma invenção real de IA e uma invenção comum.

• O resultado? A nova régua acertou 97% das vezes. É como trocar o ímã enferrujado por um scanner de DNA.
• Eles usaram essa régua para analisar milhões de patentes nos EUA e na China.

3. Quem está ganhando a corrida? (Volume vs. Estrutura)

Aqui é onde a história fica interessante. Se você olhar apenas para o número de patentes:

• A China passou os EUA. Hoje, a China registra mais patentes de IA por ano do que os Estados Unidos. É como se a China tivesse mais corredores na pista.

Mas, se você olhar como eles estão correndo, a história muda:

• Nos EUA: A corrida é dominada por um pequeno grupo de "gigantes privados" (como Google, Microsoft, IBM). Eles são como uma equipe de elite, muito concentrada em poucas cidades (como o Vale do Silício). É uma estrutura madura e estável.
• Na China: A corrida é mais espalhada. Além das grandes empresas privadas (como Tencent e Huawei), há um papel enorme de universidades e empresas estatais. É como se a China tivesse uma equipe muito mais diversa, com corredores surgindo em muitas cidades diferentes, não apenas nas capitais. A inovação chinesa está se espalhando pelo país inteiro, enquanto a americana continua mais concentrada nas suas "ilhas" de tecnologia.

4. O Valor do Tesouro

Será que todas essas patentes chinesas são apenas "papéis" para ganhar subsídios do governo?

• Os autores olharam para o mercado de ações. Quando uma empresa pública anuncia uma patente de IA, o valor dela sobe.
• A descoberta: Tanto nos EUA quanto na China, as patentes de IA valem muito mais dinheiro do que patentes comuns. Isso significa que os investidores acreditam que a tecnologia chinesa é real e valiosa, não apenas burocracia.

5. A "Torre de Babel" e a Troca de Ideias

Muitas pessoas dizem que os EUA e a China estão se desconectando, como se estivessem construindo muros.

• A realidade: Eles ainda estão muito conectados. É como se dois vizinhos estivessem construindo casas diferentes, mas ambos ainda estão usando os mesmos livros de arquitetura do outro.
• O fluxo: Os inventores chineses olham muito mais para as inovações de ponta dos EUA do que o contrário. É uma dependência assimétrica: a China ainda está aprendendo muito com a fronteira tecnológica americana, mesmo enquanto corre mais rápido em quantidade.

Resumo da Ópera

Este artigo nos diz que a corrida de IA não é apenas sobre quem tem mais patentes.

• Eles estão convergindo em termos de tecnologia (ambos estão focados nas mesmas áreas, como visão de computador e processamento de linguagem).
• Mas estão divergindo em como organizam a inovação: os EUA são mais "privados e concentrados", enquanto a China é mais "diversa e espalhada".
• E, apesar das tensões políticas, a ciência ainda viaja entre os dois países. A China ainda está bebendo muito da fonte de conhecimento americana para construir seu futuro.

Em suma: A China está correndo mais rápido em número, mas os dois países ainda estão usando a mesma "biblioteca" de ideias, e a tecnologia de IA é um tesouro valioso em ambos os lados do oceano.

Resumo técnico

1. O Problema

O artigo aborda uma lacuna fundamental na análise econômica da inovação em Inteligência Artificial (IA): a falta de uma ferramenta de medição precisa e confiável para identificar patentes de IA em larga escala.

• Limitação Atual: O padrão atual, o Artificial Intelligence Patent Dataset (AIPD) do USPTO (EUA), utiliza um modelo de Long Short-Term Memory (LSTM) treinado em dados rotulados manualmente. Os autores demonstram que este modelo sofre de erros de medição significativos, apresentando uma precisão de apenas 40,5% e um recall (sensibilidade) de 37,5%.
• Consequência: Isso implica que o modelo do USPTO perde cerca de 63% das patentes reais de IA e classifica erroneamente quase 60% das patentes marcadas como "IA" como sendo realmente de IA. Tal ruído introduz viés de atenuação em análises econômicas sobre produtividade e inovação corporativa.
• Desafio Comparativo: A ausência de uma métrica robusta impede uma comparação válida entre os EUA e a China, os dois principais atores globais em IA, dificultando a compreensão se a competição está levando à convergência ou divergência tecnológica.

2. Metodologia

Os autores desenvolveram uma nova abordagem baseada em Processamento de Linguagem Natural (NLP) avançado para criar o classificador FGYZ.

• Modelo Base: O classificador utiliza o PatentSBERTa, um modelo de linguagem baseado em transformers pré-treinado especificamente em textos de patentes (incluindo resumos, reivindicações e descrições completas).
• Ajuste Fino (Fine-tuning): O modelo foi ajustado utilizando dados rotulados manualmente do AIPD (conjunto de "sementes" positivas e "anti-sementes" negativas) fornecidos por Giczy et al. (2022) e Pairolero et al. (2025).
• Classificação Multilabel: O sistema classifica as patentes em oito subcampos de IA: Aprendizado de Máquina, Processamento de Linguagem Natural (NLP), Fala, Visão, Planejamento, Processamento de Conhecimento, Hardware e Computação Evolutiva.
• Validação Rigorosa:
  • Validação Interna (EUA): Comparação de conectividade baseada em citações e similaridade léxica entre patentes classificadas apenas pelo FGYZ, apenas pelo USPTO e por ambos (conjunto de consenso).
  • Validação Externa (China): Aplicação do modelo treinado em dados dos EUA para classificar patentes chinesas, validada através de conectividade de citações transfronteiriças e similaridade vocabular com patentes de IA dos EUA.
• Dados: O estudo abrange patentes concedidas pelo USPTO (1976–2023) e pela CNIPA (China, 2010–2023), totalizando quase 1,5 milhão de patentes de IA identificadas e cerca de 400.000 inventores únicos.

3. Principais Contribuições

1. Método de Medição Superior: O classificador FGYZ alcança uma precisão de 97,0%, um recall de 91,3% e um F1-score de 94,0%, superando drasticamente o modelo do USPTO.
2. Generalização Transnacional: Demonstra-se que o modelo treinado em dados dos EUA generaliza-se eficazmente para o contexto chinês, identificando patentes chinesas que estão semanticamente alinhadas e conectadas à fronteira do conhecimento de IA dos EUA.
3. Análise Estrutural Comparativa: O estudo fornece a primeira análise detalhada e confiável das diferenças na organização da inovação de IA entre os dois países, indo além dos volumes brutos de patentes.
4. Valoração Econômica: Estabelece que patentes de IA possuem um prêmio de valor de mercado robusto em ambos os países, inclusive para instituições não lucrativas (universidades e estatais) na China, desafiando a visão de que essas patentes são meramente burocráticas.

4. Resultados Principais

A. Tendências de Crescimento e Convergência Tecnológica

• Volume: A China superou os EUA no número anual total de patentes de IA concedidas a partir de 2020.
• Intensidade: A proporção de patentes de IA sobre o total de patentes convergiu para cerca de 20% em ambos os países em 2023.
• Subcampos: Há uma ampla convergência na composição dos subcampos (Planejamento, Visão e Hardware são dominantes). No entanto, observa-se divergência no NLP: os EUA lideraram o crescimento inicial, enquanto a China acelerou drasticamente após 2020, coincidindo com avanços em Grandes Modelos de Linguagem (LLMs).

B. Organização Institucional e Geográfica

• EUA (Concentração): A inovação é dominada por um pequeno grupo de grandes empresas privadas incumbentes (IBM, Microsoft, Google, Amazon) e concentrada em "super-aglomerados" costeiros (Bay Area, Nordeste). A difusão geográfica estagnou após 2010.
• China (Diversidade e Difusão): O ecossistema é mais heterogêneo, envolvendo empresas privadas (Tencent, Baidu, Huawei), Empresas Estatais (SOEs) e Universidades (ex: Tsinghua). Geograficamente, a inovação chinesa difunde-se rapidamente de hubs iniciais (Pequim, Delta do Rio Yangtzé, Delta do Rio das Pérolas) para cidades secundárias e capitais provinciais.

C. Valor Econômico e Fluxos de Conhecimento

• Prêmio de Valor: Patentes de IA possuem um valor de mercado significativamente maior do que patentes não-IA em ambos os países. O prêmio é mais alto em domínios intensivos em software e dados (ML, NLP).
• Papel das Instituições Públicas: Ao contrário da visão de que universidades e estatais chinesas produzem patentes de baixo valor, os dados mostram que empresas privadas chinesas citam patentes do setor estatal e acadêmico com maior frequência do que citam outras empresas privadas. Isso indica um papel estratégico e de alto valor no fornecimento de conhecimento upstream.
• Acoplamento vs. Desacoplamento: Não há evidências de desacoplamento tecnológico. Pelo contrário, há uma dependência assimétrica: inventores chineses dependem fortemente do conhecimento de fronteira dos EUA (citações intensas de patentes de IA dos EUA), enquanto o fluxo inverso é mais seletivo e ocorre fora dos domínios centrais de IA.

5. Significância

Este trabalho é fundamental para a economia da inovação e as políticas de tecnologia por várias razões:

• Correção de Viés: Fornece uma métrica limpa que corrige o viés de medição existente, permitindo análises empíricas mais precisas sobre a produtividade e a dinâmica competitiva da IA.
• Compreensão da Competição EUA-China: Revela que, embora haja convergência no volume e na especialização tecnológica, os modelos de inovação são estruturalmente diferentes (privado/incumbente vs. misto/estatal-acadêmico) e em estágios diferentes de difusão geográfica.
• Política Pública: Desafia a narrativa de que o aumento de patentes na China é apenas um resultado de subsídios ineficientes, mostrando que essas inovações têm valor econômico real e são integradas à cadeia de valor global.
• Geopolítica Tecnológica: Sugere que, apesar das tensões geopolíticas, a IA permanece um campo de forte interdependência e aprendizado cruzado, com a China ainda dependendo criticamente da fronteira de conhecimento dos EUA.

Em suma, o artigo redefine como medimos a inovação em IA e oferece uma visão matizada de uma corrida tecnológica onde a convergência técnica coexiste com a divergência institucional e geográfica.