人工智能(Artificial Intelligence，AI)作为引领科技革命和产业变革的战略性技术，其产业化已经取得了显著的效果，显示出带动性很强的“头雁”效应。在人工智能的典型应用中，智慧金融占据越来越重要的地位。利用人工智能提供的智慧金融解决方案，能够帮助金融机构搭建智能应用平台，支持各类业务的智能化转型。从实施层面上看，人工智能对金融行业冲击巨大，我国金融机构相继投入大量资金、人力，积极提升智能化金融服务水平。在此过程中，技术创新无处不在，通过专利保护技术创新，成为各大金融机构的关注点。

本文以金融机构为研究对象，从专利发展趋势、技术分布、价值分布方面分析智慧金融领域人工智能专利的申请态势，并基于此提出高价值专利的培育思路。

本文以incoPat专利数据库为数据分析源，检索时间为2022年1月10日，检索策略为利用人工智能关键词在智慧金融领域进行初步检索，包括选用人工智能关键词——人工智能、机器学习、神经网络、自然语言处理、生物识别、知识图谱、智能客服、生物特征识别、图片识别、计算机视觉、智能机器人等，并结合智慧金融领域关键词——金融、股票、债券、基金、期权、银行、投资、信贷、资产、保险等，或限定智慧金融领域相关IPC分类号G06Q20、G07F19、G06Q40等，得到初步检索结果；然后在初步检索结果中对申请人进行筛选，得到金融机构在智慧金融领域的人工智能发明专利申请数据2575条。

通过对检索数据的分析可知，2016年之前，我国金融机构在智慧金融领域有关人工智能技术的专利申请非常少，该数据从2016年开始才有所增长，其中在2018年增长速度迅速加快，仅2018年一年的申请量就是2017年的七倍多，出现了爆发式的增长，2018年以后每年的增长幅度仍然非常大，2020年的申请量已接近2018年的两倍(如图1所示)。

图1 金融机构在智慧金融领域的人工智能技术专利申请数量

人工智能专利申请的这一发展趋势与我国金融行业自2011年以来技术发展趋势基本吻合。2011—2015年，我国金融行业在IT建设上主要是围绕线上业务，并未特别关注人工智能;2016年以后，人工智能技术逐步成熟，在金融行业中的应用逐步明确。在该阶段我国还相继出台多项政策，鼓励人工智能与金融相结合。比如，2017年7月国务院发布了《新一代人工智能发展规划》，将发展人工智能升级为国家级战略，将利用人工智能建设智慧金融列为重点任务之一。这些情况都促使金融机构增加科技投入进行自主研发，相关专利申请数量也呈现爆发式增长态势。

通过检索数据的IPC分类号分布情况(见表1)可知，金融机构在智慧金融领域的人工智能相关专利中，专利申请量最多的细分技术分类是银行业务，如利息计算、信贷审批、抵押、网上银行;专利申请量排在第二位的细分技术分类是应用电子设备进行识别，如银行卡识别、用户识别;专利申请量排在第三位的细分技术分类是保险业务，如风险分析或养老金业务。

表1 金融机构在智慧金融领域的人工智能专利的前10位IPC分类

通过进一步挖掘检索数据还发现，机器学习和神经网络技术、计算机视觉和生物特征识别技术、语音识别和自然语言处理技术、知识图谱技术、智能机器人技术等已成为智慧金融领域人工智能的核心技术，在风险防控、保险理赔、支付认证、电话银行、资产管理、智能客服等场景中均有不同程度的应用。

本文利用检索数据，以incoPat专利价值度评估模型对我国金融机构在智慧金融领域的人工智能技术相关专利的价值分布情况进行分析。评估模型所考虑的重要评估指标主要包括技术稳定性、技术先进性、专利保护范围等，通过这些评估指标评价专利的价值度，从低到高给出价值度分数1~10。

通过分析申请量前15家的金融机构在智慧金融领域的人工智能技术专利的价值度分布情况(如图2所示)可以看到，专利申请数量最多的是集中在6的价值度上，另外价值度为5、7、8的专利申请数量也较多，而价值度在9~10的高价值专利相对较少。

图2 金融机构在智慧金融领域的人工智能技术专利的价值度分布情况

高价值专利有高水平、高技术含量的技术方案，由高水平专业人员撰写出高质量的专利文件，其专利保护权利有较好的稳定性，并具有良好的市场前景。通过对检索数据中价值度为9~10的有效发明专利进一步分析可知，高价值专利的应用集中在保险理赔、风险防控、交易认证、业务推送等金融服务场景；技术上主要涉及计算机视觉和生物特征识别、语音识别和自然语言处理；而涉及机器学习和神经网络的高价值专利相对较少。

培育高价值专利是金融科技创新驱动发展的需要，也是我国建设知识产权强国的需要，“十四五”规划提出要更好地保护和激励高价值专利，并首次将“每万人口高价值发明专利拥有量”纳入经济社会发展主要指标，明确到2025年该指标要达到12件的预期目标。本文基于前述分析，为金融机构在智慧金融领域的人工智能相关高价值专利培育提供如下思路：

第一，选择高水平、高技术含量的技术方案。从专利意义上讲，专利要保护的技术方案应具有足够高的创新程度。金融机构在选择与现有技术相区别的技术申请专利时，应选择能够让产品、方法的性能优势凸显的技术。以神经网络为例，目前很多方案是将通用神经网络模型直接移植到某个新的应用场景，这种应用转移技术人员一般会认为创新程度很高，但从专利获权层面上讲，在现有技术中已存在使用同样神经网络模型的情况下，要申请的技术方案如果只考虑到更多维度的模型输入信息，而对模型本身未进行适应新场景的改进，创造性则显不足。因此，选择的方案应考虑更多地深入应用场景，具体分析该场景区别于现有场景之处，进而基于该区别调整神经网络模型，使模型更加贴合新的应用场景。

第二，选择市场前景好、市场竞争力强的技术方案。所选择的技术方案应能满足用户的需求，解决用户的痛点，未来的市场控制力较强，能够产生很好的经济效益。对于智慧金融领域来说，众多金融机构的关注点，亦是目前高价值专利的空白点——机器学习和神经网络很可能成为未来布局高价值专利的重点所在。

第三，采用专利布局策略进行专利布局。专利布局策略决定专利保护的力度和强度，也决定着对未来市场的把控程度。一般来说，一件产品、一套方法涉及很多技术点，这些技术点之间通过专利组合的方式可提高系统性和竞争力，从而实现专利的高价值，为技术创新搭建起强有力的专利保护屏障。

布局过程中尤为重要的是制定专利布局的战略目标，即力求拥有整个问题。具体来讲，在提出某个问题之后，针对该问题的所有解决方案，若都能在所布局的专利保护范围内，则能拥有整个问题，拥有解决该问题的最大专利保护范围，而非聚焦于解决问题的某一特定方案，使专利的保护范围受限。为实现该战略目标，就需要明确解决的关键问题，全面考虑解决问题的核心方案、替代方案，实施过程中可能遇到的其他问题的解决方案，以此从整体上构建专利组合，争取覆盖整个问题。例如，涉及神经网络和机器学习的方案，可以考虑模型本身的扩展可能性、训练输入的变化性、模型应用的变化性等。

在专利布局过程中还应充分考虑竞争对手，针对竞争对手解决问题时所需的技术，布局具有足够覆盖范围的专利。例如，若竞争对手为某保险公司，则需关注保险理赔场景中应用较多的语音识别和自然语言处理技术。

此外，在专利布局时需要考虑申请策略。通过分析解决问题的多个方案共同的基本技术特征，研究解决问题的基本机理，利用基本机理形成核心专利。考虑到核心专利因保护范围较大有一定的获权风险，建议再进行技术拆分，将技术进步拆分为一系列小发明补充申报。

第四，提供高质量的专利文件。专利的保护范围由专利文件确定，所以文件的质量非常重要。建议金融机构选择更有经验、更高水平的专利代理师处理高价值专利，对权利进行充分保护。此外，金融机构也需要建立、健全自身的知识产权管理体系，对专利文件进行审核，保证文件质量。

人工智能作为新基建的重要领域之一，对推动金融科技发展具有重大促进作用，将为智慧金融在各金融服务场景解决方案的推广普及奠定基础。近年来，我国金融机构在智慧金融领域人工智能专利的申请量提升迅速，为进一步提升专利价值度夯实基础。以技术创新为驱动，全面开展专利保护工作，推进高价值专利培育进程，将为金融机构数字化转型保驾护航，为带动金融产业发展提供有力支撑。

*文章来源：中国金融电脑

*侵权必删