国海智峰|大模型智能体专利报告

多年来，人类一直试图打造可以自主完成预设目标的代理或实体，即人工智能体（AI Agent），以协助人类完成各种各样繁琐的任务。人工智能体是一种能够感知环境、进行决策和执行动作的智能实体。不同于传统的人工智能，具备通过独立思考、调用工具逐步完成给定目标的能力。从原理上来说，人工智能体的核心驱动力是大模型，在此基础上增加规划（Planning）、记忆（Memory）和工具使用（Tool Use）三个关键组件。最近大模型在人工智能应用领域有了重大突破，更是让人们看到了智能体新的发展机会。

大模型是指包含超大规模参数的神经网络模型，具有巨大规模、多任务学习、强大的计算资源、丰富的数据等特征。大模型包含数十亿甚至数千亿个参数，模型大小可以达到数百GB甚至更大。这种巨大的模型规模为其提供了强大的表达能力和学习能力。大模型通常会一起学习多种不同的任务，如机器翻译、文本摘要、问答系统等，多任务学习使模型学习到更广泛和泛化的语言理解能力。大模型在训练时通常需要数百甚至上千个GPU以及大量的时间，强大的计算资源可以加速训练过程而保留大模型的能力。且，大模型需要大量的数据来进行训练，只有大量的数据才能发挥大模型的参数规模优势。

大模型是AI发展的重要方向之一。它的设计目的是为了提高模型的表达能力和预测性能，能够处理更加复杂的任务和数据，其巨大的数据和参数规模，实现了智能的涌现，展现出类似人类的智能。目前大模型在各种领域都有广泛的应用，包括自然语言处理、计算机视觉、语音识别和推荐系统等。

那什么是智能体（Agent）？这需要追溯到Agent的来历，Agent 是个很古老的术语，从哲学意义上讲，“代理人”是指具有行动能力的实体，而“代理”一词则表示这种能力的行使或体现。而从狭义上讲，“代理”通常是指有意行动的表现。相应的，“代理人”一词表示拥有欲望、信念、意图和行动能力的实体。需要注意的是，代理人不仅包括人类个体，还包括物理世界和虚拟世界中的其他实体。重要的是，“代理”的概念涉及个体的自主性，赋予他们行使意志、做出选择和采取行动的能力。

除了前面强调的自主和行动能力外，智能体还具备其它的特征，具体包括自主性、响应性、主动性、社会性。自主性是指智能体在没有人类或其他实体的直接干预下运行，并对其行动和内部状态具有某种程度的控制。响应性是指智能体感知其环境 (可能是物理世界、通过图形用户界面的用户、一组其他智能体、互联网，或者可能是所有这些的结合体)，并及时对发生的变化做出响应。主动性是指智能体不仅仅是对环境做出反应的，它们还能够通过采取主动行动来展示以目标为导向的行为。智能体的社会属性，它是指智能体通过某种通信语言与其他智能体（可能还包括人类）互动和社交的能力。

自去年OpenAI发布ChatGPT以来，大模型技术掀起了新一轮人工智能浪潮，大模型智能体成为了人们深度研究的课题。虽然研究人员在该领域有了一些重要突破，但还有一些漏洞需要持续探索去解决。若大模型智能体能够实现更高的智能化，将会给人类带来一种全新的体验，期待未来人类能与这些智能体一起共存。

大模型智能体发展主要经历了三个阶段，分别是萌芽期、探索沉淀期和迅猛发展期。

1950年至2005年是萌芽期，以CNN为代表的传统神经网络模型阶段。从1956年研究人员提出“人工智能”概念开始，AI发展由最开始基于小规模专家知识逐步发展为基于机器学习。1980年，卷积神经网络的雏形CNN诞生。1998年，现代卷积神经网络的基本结构LeNet-5诞生，机器学习方法由早期基于浅层机器学习的模型，变为了基于深度学习的模型，为自然语言生成、计算机视觉等领域的深入研究奠定了基础，对后续深度学习框架的迭代及大模型发展具有开创性的意义。

2006年至2019年是探索沉淀期，以Transformer为代表的全新神经网络模型阶段。2013年，自然语言处理模型Word2Vec诞生，首次提出将单词转换为向量的“词向量模型”，以便计算机更好地理解和处理文本数据。2014年，被誉为21世纪最强大算法模型之一的GAN（对抗式生成网络）诞生，标志着深度学习进入了生成模型研究的新阶段。2017年，Google颠覆性地提出了基于自注意力机制的神经网络结构——Transformer架构，奠定了大模型预训练算法架构的基础。2018年，OpenAI和Google分别发布了GPT-1与BERT大模型，意味着预训练大模型成为自然语言处理领域的主流。其中，GPT-1是最早的GPT模型，包含1.17亿个参数。它在自然语言处理领域表现出色，被广泛应用于机器翻译、语音识别、搜索推荐等领域。2019年发布了GPT-2，包含15亿个参数，相比GPT-1在处理文本生成、问答、机器翻译等任务时具有更强的能力，甚至可以生成几乎难以区分的真实文本。在探索期，以Transformer为代表的全新神经网络架构，逐渐成为大模型的算法架构基础，使大模型技术的性能得到了显著提升。

2020年到至今是迅猛发展期，以GPT为代表的预训练大模型阶段。2020年，OpenAI公司推出了GPT-3，模型参数规模达到了1750亿，成为当时最大的语言模型，其语言生成能力非常出色，可以进行多样的自然语言任务，如问题回答、语义搜索等，可以生成各种领域的文本。而且，其在零样本学习任务上实现了巨大性能提升。随后，更多策略如基于人类反馈的强化学习（RHLF）、代码预训练、指令微调等开始出现，被用于进一步提高推理能力和任务泛化。2022年11月，搭载了GPT3.5的ChatGPT横空出世，凭借逼真的自然语言交互与多场景内容生成能力，迅速引爆互联网。它更加注重对话的流畅性和实用性，能够帮助人们解决一些实际问题。2023年3月，最新发布的超大规模多模态预训练大模型——GPT-4，具备了多模态理解与多类型内容生成能力。GPT-4是GPT-3的升级版，包含1.6万亿个参数。它能够处理更加复杂和抽象的语言任务，具有更强的语言理解能力和更高的计算能力。

在迅猛发展期，大数据、大算力和大算法完美结合，大幅提升了大模型的预训练和生成能力以及多模态多场景应用能力。ChatGPT的巨大成功是在微软Azure强大的算力以及wiki等海量数据的支持下，在Transformer架构基础上，坚持GPT模型以及人类反馈的强化学习（RLHF）进行精调的策略下取得的。Transformer架构是当前大模型领域主流的算法架构基础，其上形成了GPT和BERT两条主要的技术路线，其中BERT最有名的落地项目是谷歌的AlphaGo。在GPT3.0发布后，GPT逐渐成为大模型的主流路线。综合来看，当前几乎所有参数规模超过千亿的大型语言模型（LLM）都采取GPT模式，如百度文心一言，阿里发布的通义千问等。

由此可见，基于LLM的Agent，集合了前期各类型AI Agent的优势，有着更广泛的适应性和应用，甚至成为实现通用人工智能（AGI）的较大可能性路径之一，但基于LLM的Agent也存在各种各样的问题，需要持续对这些问题改进并优化。

大模型的规模增大、能力增强，极大的冲击了人工智能领域的研究方向，它虽然解决了很多以前未能解决的老问题，但同时也产生了更多新的问题。以下是目前大模型智能体面临的具有挑战性的问题。

1. 算力需求巨大，调优难度高

首先，大模型智能体的训练和运行需要大量的计算资源，数据需求量庞大。目前的大模型包含十亿、百亿甚至千亿参数，随着大模型规模越变越大，所需算力将呈指数级增长，这对现有的计算基础设施提出了更高的要求。而且，大模型智能体的参数和结构复杂度高，需要经过精细的调优才能达到最佳性能。然而，调优过程需要大量的时间和计算资源，且具有一定的主观性和经验性，对研究人员和开发人员的技能和经验要求较高。

之前有研究人员提出 GreenAI 的理念，将计算能耗作为综合设计和训练人工智能模型的重要考虑因素。为解决此问题，首先，需要建设更加高效的算法体系；其次，在大量的优化策略中根据硬件资源条件自动选择最合适的优化策略组合；然后，大模型一旦训练好准备投入使用，推理效率也成为重要问题，相关机理和算法有待探索；最后，在模型压缩方面，目前已实现四种主流压缩方法，不同压缩方法之间可根据需求任意组合，未来，如何根据大模型特性自动实现压缩方法的组合，是值得进一步探索的问题。

2. 可解释性和透明度不足

大模型通常由深度学习算法构建，其复杂的网络结构和参数设置使得其决策和推理过程难以被解释。这使得我们无法理解模型为何作出某个决策，从而限制了模型的可信度和应用范围。尤其在金融与医疗行业的应用场景中，决策的可解释性与透明度的提高是必要的，需要对决策原因进行解释，以确保决策的合理性和公正性。然而，大模型的黑箱性质无法满足法律和伦理要求，无法解释其决策背后的原因和依据。所谓的黑箱性质是指对特定的系统开展研究时，人们把系统作为一个看不透的黑色箱子，研究中不涉及系统内部的结构和相互关系，仅从其输入输出的特点了解该系统规律，得到的对一个系统规律的认识。

研究人员提出增强模型的可解释性、增加透明度和审计机制、推动相关政策法规的建立等相关的具体方案，但大模型智能体的可解释性与透明度问题仍然是当前待解决的重要难题之一。解决这些问题不仅有助于提高大模型智能体的可信度和可靠性，也有助于确保其对个人权益和社会公共利益的尊重与保护。通过增强模型的可解释性、增加透明度与审计机制以及推动相关政策法规的建立，可以为人工智能的发展创造出更加公正和透明的环境，大模型智能体的应用领域才能进一步扩大。

3. 需强化人工智能与人类的交互

大模型作为基础的大语言模型具有强大的自然语言理解和生成能力，因此大模型智能体能够与人类通过自然语言来交流。但语言本身包含着丰富的信息，除了直观表达的内容以外，背后还可能隐藏着说话者更丰富的信息。尽管在大规模语料库中训练出来的模型已经具有足够的智能来理解指令，但它们中的大多数仍无法模拟人类对话或充分利用语言所传达的信息。因此，理解语言中隐含的意思至关重要，特别是当收到模糊的指令时，理解其隐藏的意思尤为重要。

大模型智能体不仅仅通过自然语言与人类交流，它可以通过感知听觉、视觉等多维度获取信息。通过多维度获取的信息，可以感知和理解人类情感，能够更好地与人类交互，提高人机交互的体验和效率。业内称之为情感计算，情感计算是未来大模型智能体的一个重要研究方向。

4. 伦理、隐私保护以及数据安全

大模型智能体在各个领域取得了显著的成就，然而同时也伴随着争议点。争议的核心问题在于安全，安全有两个方面，一个是大模型带来的对人类伦理的思考，一个是大模型本身带来的隐私泄漏、数据安全等问题。伦理方面涉及到价值观，使大模型的价值观与人类的价值观相对齐，让大模型按照设计者的意愿行事，而不作出超出意图之外的举动。由于人类社会的价值观是多元化的，且这些人工智体之间能产生冲突，这会导致大模型智能体的价值观对齐存在很大的难度。

关于隐私保护方面，在未经允许的情况下，大模型是否会收集、使用和泄露个人信息。数据是构成大模型的基础，为大模型提供了支撑。在机器学习和深度学习的领域中，数据的获取、加工及利用的方式决定了模型的性能和准确性，但是，数据层面的安全隐患却是不可避免的。其中，最常见的问题包括数据的非法泄漏，这可能导致敏感信息暴露；数据被恶意篡改，这可能导致训练出的模型有误导性；还有非法获取或使用未经授权的数据，这不仅违法，还可能使得模型偏离了其原本的目的。

算法模型方面也同样存在安全隐患。当攻击者对模型的数据进行攻击，试图更改模型的参数或者整体架构的时候，一旦成功，模型的输出可能导致完全不可控，产生不可预知的结果。

因此，保护用户隐私以及增强模型的抵御能力尤为重要。目前，不少企业已经关注到了大模型智能体的安全问题，甚至推出了不少相关的产品和解决方案，大模型和数据安全新品不断亮相，这意味着市场对于新兴技术的安全需求较大。

总的来说，未来的大模型智能体将朝着更加智能化、个性化、可解释性、情感计算和强化学习的方向发展。同时，也需要关注伦理和隐私保护问题，以保证智能体的应用能够符合社会和用户的期望。随着智能体的大规模应用，以硬件为基础的AI系统将呈现出巨大的发展空间，未来将有更多的研究集中在提升AI系统的性能上。

大模型智能体的发展仍面临着诸多挑战，但随着技术的不断进步和应用需求的不断增长，我们有理由相信未来大模型智能体将会在更多领域得到广泛应用并发挥重要作用。

目前推出的Agent产品已经涉及各行各业，与我们的生活密切相关，包括电商、教育、房产、旅游和酒店、金融服务、医疗保健、媒体和娱乐业等。

以LLM为基础的大模型智能体产品在层次上可以分为中间层Agent和垂直领域Agent。中间层Agent，提供实用可复用的Agent 框架，降低开发Agent的复杂度，并为Agent的合作提供机制设计。该类项目主要从模块化、适配性、协作等几方面进行创新。具有代表性的产品包括AutoGPT、Imbue、Voiceflow、Flxle AI、Reworked、Cognosys、Induced AI等产品。垂直领域Agent，深入某个垂直领域，理解该领域专家的工作流，运用Agent思路设计Copilot产品，用户介入使Agent思路更为可控。具有代表性的产品包括Dropzone、Middleware,、Parcha、Luda、 Outbound AI、 Fine等。

LLM-based  Agent产品在形式上可以分为具身机器人（Robot）、与现实场景结合的Agent（O2O）、元宇宙型的Agent（NPC）。具身机器人是可以完全控制一套专用的独立外设，如智能家电、自动驾驶等。与现实场景结合的Agent，可能是纯粹数字的，也可能不是，如招聘、营销、空调管理、运维状态监控等。元宇宙型的Agent，是指虚拟世界中的纯粹数字主题，例如谷歌和斯坦福计划的现实版西部世界中的智能NPC、虚拟数字人。

Multi-Agent系统(MAS)是多个Agent组成的集合，其多个Agent成员之间相互协调，相互服务，共同完成一个任务。它的目标是将大而复杂的系统建设成小的、彼此互相通信和协调的，易于管理的系统。Multi-Agent在角色扮演有引导性，更容易让它聚焦到相关的概率空间（Attention），且可以让具有强大计算能力的大模型做更多的“算力消耗”，Multi-Agent是对Agent的社会性进化。

单智能体由一个智能体和环境组成，它的原理是让智能体以试错的方式来进行学习。智能体某个行为策略导致了好的奖赏，智能体产生这个行为策略的形式就会加强。智能体需要学习的就是：在一个环境中如何选择动作来获得最大奖励。

产业上已出现单智能体的具体应用，例如AutoGPT。AutoGPT是2023年3月开源的第一款AI Agent实验性项目，由游戏开发者Toran Bruce Richards开发。AutoGPT可根据用户给定的目标，自动生成所需提示，并利用GPT4和各种工具API执行步骤的项目，无需人类的干预和指导。上线5个月在GitHub上的星星数量超过149K，具有一定代表性，对后续各种Agent发展具有启发意义。

另外，GPT Engineer也是单智能体的具体应用。6月11日推出的开源代码生成工具，基于GPT模型，能根据用户的知识和需求生成高质量的代码，功能包括创建新函数、修复现有代码错误等等，支持多种编程语言。截至2023年9月，GitHub星星数量接近44k。它具有可定制性，用户可根据自身的编码风格、项目需求和编程习惯进行设置，让GPT Engineer生成符合自身要求的代码。可理解代码上下文，并生成与之相适应的代码片段，用户无需为适应其生成方式而做出额外调整，从而提高工作效率。

在传统的强化学习算法中，每个智能体总是在不断学习且改进其策略。由此，从每个智能体的角度来看，环境是不稳定的，不利于收敛。多智能体系统中至少有两个智能体。另外，智能体之间存在着一定的关系，如合作关系，竞争关系，或者同时存在竞争与合作的关系。每个智能体最终所获得的回报不仅仅与自身的动作有关系，还跟对方的动作有关系。

MetaGPT是多智能体的具体应用，7月深度赋智开源的多智能体框架，快速帮助用户搭建属于自己的虚拟公司，虚拟公司中的员工都是智能体，如软件公司中的工程师、产品经理、架构师和项目经理，用户只需输入简短的需求，MetaGPT就能输出整个软件公司的工作流程和详细的SOP，如创造故事、竞品分析。

ChatDev也是多智能体具体应用。ChatDev是由清华大学孙茂松教授指导，联合面壁智能、北京邮电大学、布朗大学研究人员共同发布的、大模型驱动的全流程自动化软件开发框架，可以理解为对话驱动的虚拟软件开发公司。在人类“用户”指定一个具体任务需求后，不同角色智能体将进行交互式协同，以生产一个完整软件。

除此之外，在零售与电子商务方面也有一些Agent产品，如Alexa、Aktify、Regie.ai、Fine-Tuner.ai、Regie.ai、User.com等。零售与电子商务方面，智能体产品负责个性化购物、内容感知洞察、人工智能购物分析、可靠和迅速相应、可扩展且灵活等工作。通过个性化购物，人类可以与完全可定制的代理商建立互动，反应品牌声音，提高销售额和忠诚度；内容感知产品洞察则可以给客户会发送准确的产品信息，增强购买决策的信心；人工智能驱动的购物分析，通过基于含义的分析，更深入地了解客户旅程，识别热门产品，辨别买家情绪，并根据其意图对查询信息进行分组；通过Agent产品的可靠和迅速的响应模块，降低消费者购物车放弃率，无幻觉和事实核查功能可确保准确的产品信息，减少购买犹豫。Agent产品也可轻松应对高流量的销售活动，适应不断变化的零售环境。

教育领域也逐渐开始应用Agent 产品，例如Aida、Jagoda。其中，这些Agent产品负责参与学习、按需支持、学习者的内容掌握、AI驱动的洞察等工作。参与式学习是指通过即时的、人工智能驱动的澄清和指导，营造一个更具参与度、互动性的学习环境。按需支持为无论是解决电子学习平台故障还是了解大学的入学先决条件，都可以提供即时、准确的帮助。而且它们可以使学习者深入研究教育材料，确保理解和知识保留。同时，Agent也可做到AI驱动的洞察，根据学习者的互动、偏好和查询，不断增强教育体验。

房产行业也有一些Agent产品的应用，如Epique、propertypen、Listing copy等。房产行业中这些Agent具体负责个性化物业互动、内容掌握和列表保留、AI驱动的查询分析、安全、适应性强的可扩展等工作，个性化物业互动，通过可定制的代理有效地吸引客户，同时提供量身定制的房地产建议。内容掌握和列表保留，通过内容感知技术，客户可以从各种列表中获得精确的详细信息，从而鼓励积极的互动和更高的信任感。AI驱动的查询分析，基于AI语义分析了解客户深度需求，提供客户偏好和感兴趣领域的完整视图。安全、适应性强且可扩展，保护客户数据，随着房源的增长毫不费力地扩大规模，并适应房地产科技行业不断变化的需求。

Agent产品也应用于医疗领域，如IBM Watson Health 、Healthy Care Agents等产品目前在医疗领域中使用。医疗领域中Agent具体负责告知和教育、简化患者互动、制药协助、减轻行政负担、知青决策等工作。告知和教育，提供简明扼要的健康信息，让每个人都能更容易获得医疗保健。简化患者互动，提供有关预约时间、医生可用性和就诊后护理说明的详细信息。制药协助，明确药物、用法、潜在副作用。减轻行政负担，最大限度地减少针对医护人员的常规查询，使他们能够专注于危重患者护理。 知情决策，为患者提供知识，做出明智的健康选择。简化患者流程，提供快速的预约详细信息和重新安排选项，优化诊所和医院的运营。

除此之外，Agent产品也在旅游及酒店领域、客户支持领域、人力资源领域、创造和供应链领域、政府和市政服务领域、医疗保健领域、媒体和娱乐业等广泛应用。未来，大模型智能体在医疗、交通、制造等行业的长期渗透潜力大。

检索需求描述

检索与大模型智能体相关的研究热点、应用领域及相关企业信息。

检索数据库及检索年限

采用HIMMPAT专利数据库进行国内外公开专利检索，检索时间节点截止到2023年12月8日。

检索结果

共检索相关专利出49509件，其中国内专利31857件，国外专利17652件，后续将分别对国内和国外专利情况进行分析。

筛选重点专利文献

二次检索，筛选重点研究方向专利，供企业进行参考。

专利的申请量分析主要研究的是一个研发趋势，由于2023年的专利申请存在未完全公开，故本报告所列图表中2023年的相关数据不代表该年份的全部申请，仅供参考。

随着人工智能的快速发展，大模型成为了当前研究的热点之一。在发展前期国内的大模型研究主要集中在学术界，随着时间的推移，越来越多的研究机构开始进行大模型的研究，并取得了成果。一直到2015年，国内的大模型发展开始进入新的阶段。阿里巴巴、腾讯等公司相继成立了研究院，推动了大模型领域的应用。

如图1所示，国内的大模型智能体相关研究开展以来，到2015年之前处于缓慢发展阶段，虽然形成了有效的专利申请量，但整体上变化不大，曲线较为平缓；2016年专利申请量有所提升，达到了115件；2017年与2018年专利申请量分别是271件、868件，整体曲线呈现上升趋势；2019年开始专利申请量呈现爆发式增长，达到了1888件；直至2022年，专利申请量达到了6781件。而2023年的专利申请已公开的也达5312件。

针对大模型智能体技术在国内专利申请量的变化趋势，应当与2020年OpenAI公司发布的GPT-3有一定关系。GPT-3的模型参数规模达到了1750亿，是当时最大的语言模型。2022年11月30日，OpenAI发布了一款聊天机器人程序ChatGPT，迅速引爆互联网。国内专利申请量在此期间的增长量也最多，且近年来大模型智能体的热度依然高涨，预测专利申请量将继续维持较高水准。

总的来讲，近几年大模型智能体相关专利申请量的增长迅速，国内的大模型智能体领域的研究和应用不断深化，相关技术的创新和发展也在加速。

△ 图1 年度申请量

见图2，已公开的专利中发明专利有31284件，占比99.80%，实用新型专利有62件，占比0.20%，暂时没有相关的外观设计专利。

△ 图2 专利类型

大模型智能体相关技术属于人工智能的前沿领域，具有较高的技术创新性。在人工智能领域，发明专利通常更加注重对技术原理和方法的创新型研究和应用，因此在大模型智能体相关专利中，发明专利占据了较大比例。

其次，大模型智能体相关技术涉及多个学科领域，其技术复杂性较高。这种复杂性不仅体现在算法设计上，还体现在模型训练、优化和应用等方面。由于技术复杂，很多内容无法通过实用新型和外观设计专利来保护，因此需要借助发明专利进行保护。

另外，人工智能技术更新换代速度极快，大模型智能体作为其中的一个重要方向，其技术也在不断发展和演进。在这种情况下，发明专利能够更好地保护企业的技术创新和知识产权，有助于推动技术的进步和应用。

而且，在大模型智能体领域的市场竞争也异常激烈，企业需要不断进行技术创新和专利申请以保持竞争优势。通过申请发明专利，企业可以获得更加长期和稳定的专利保护，从而在市场竞争中占据更加有利的地位。

综上所述，从技术创新性、技术复杂性、技术更新换代速度以及市场竞争压力等方面的分析，可以看出通过发明专利保护更有利于申请人。

通过申请人排行榜分析，可以明确哪些企业或科研院所或个人在该方向的研究更为深入。如图3所示的结果显示，互联网公司以及电子科技领军企业大模型技术创新优势明显。百度、腾讯、华为、平安科技等优势企业均入榜，意味着这些科技企业的创新也较为活跃。此外，平安国际智慧城市科技、中国平安财产保险、中国工商银行、中国平安人寿保险也入榜单，表明大模型智能体正不断向各个应用场景渗透，不同行业的创新主体纷纷加大对大模型智能体的研发投入，大产业创新水平正不断提升。除此之外，各大高校也对大模型智能体颇有研究，北京航空航天大学占据了排名第十，浙江大学、北京理工大学、清华大学等虽然没有在排名上，但近几年也在大模型智能体领域申请了较多专利。

△ 图3 申请人排行

从图中可以看出，申请人排名第一位的北京百度网讯科技有限公司与其他公司在专利申请量上有显著的差距。同为百度旗下还有一家公司入榜，是百度在线（北京）有限公司。国内大模型智能体领域的标志性产品——“文心一言”正是由百度推出的，截至目前，文心一言的用户规模已达7000万。

百度作为中国领先的科技公司之一，通过技术引领、数据驱动和生态布局，成功构建了人工智能驱动的商业模式。百度的经验启示着其他企业和科研院校在人工智能领域的探索和应用，通过技术创新、数据驱动和生态布局，推动商业模式的创新和升级，促进产业的升级和转型，实现可持续发展和创造更大的价值。

平安科技的专利数量为535件，排名第二，与排名第一的百度网讯相比有一定的差距。有些人可能会觉得突兀，但这恰恰代表了人工智能不可忽略的趋势。平安科技是平安集团的全资子公司，致力于运用人工智能、智能认知、云计算等前沿科技，在人工智能技术领域、金融科技和数字医疗业务领域的专利申请数量表现出色。同为平安集团旗下的中国平安人寿保险股份有限公司、平安国际智慧城市科技股份有限公司、中国平安财产保险股份有限公司均在排名前十，平安集团以保险起家，目前是中国综合金融领域的巨头，同时发力健康领域。而这几年，更是大力发展科技金融，希望通过科技技术推动平安发展的新动力。平安科技打败了众多业界大企业，进入榜单前二，主要原因来自两方面。

第一方面，是基础技术本身。在许多国际人工智能比赛中，平安拿下的战绩相当不错。国际权威人脸识别数据库LFW最新公布的测试结果显示，平安科技的人脸识别技术以99.8%的识别精度和最低的波动幅度领先国内外知名公司，位居世界第一。可见，平安科技也有可能在人工智能的基础技术领域领先。第二方面，则是专业背景的加成。人工智能深度学习，针对具体场景需要大量的优化。这意味着在金融等细分的应用下，出身金融的平安相比其他人工智能从业者会在学习样本上有天然的优势，再加上算法上不吃亏，可能会具有更显著的优势。

在医疗方面，针对客户的在线问诊需求，平安推出了“AskBob智能医生”，可为医生提供个性化精准诊疗推荐和辅助决策。“AskBob智能医生”目前不仅服务于集团旗下公司，同时很多外部医生也在使用。在金融方面，平安银行利用大模型和人工智能（AIGC）技术对客户个人信息、历史借款记录以及消费行为等数据进行深度分析，并成功建立了一套精细的信用评级体系。基于该体系，他们可以为不同信用等级、借款需求和偏好的客户，量身定制出个性化的借款产品和服务。

平安是最早明确提出科技战略的金融公司，深入推进全面数字化转型，注重运用先进技术推动业务提质增效，人工智能是平安集团的五大核心技术之一。在核心技术的支持下，平安将持续引领行业。

第三名是腾讯。腾讯在2023年发布了通用大语言模型——混元大模型，混元大模型拥有超千亿的参数规模、超2万亿tokens的预训练语料，具备强大的中文创作能力，复杂语境下的逻辑推理能力以及可靠的任务执行能力。目前混元大模型已在腾讯广告、搜索、对话等内部产品中应用，并通过腾讯云服务外部客户。

另外，腾讯会议基于混元大模型打造了AI小助手，只需要简单的自然语言指令，就能完成会议信息提取、内容分析等复杂任务，会后还能生成智能总结纪要。实测显示，在指令理解、会中问答、会议摘要、会议待办项等多个方面，混元大模型均获得较高的用户采纳率。腾讯混元大模型还支持智能化的广告素材创作，能够适应行业与地域特色，满足千人千面的需求，实现文字、图片、视频的自然融合。基于混元大模型的能力，广告智能导购能够帮助商家在企业微信等场景，提升服务质量和服务效率。

我国语言大模型市场规模不断增加，在商业化进程方面也在不断提速。据央视新闻报道，工信部赛迪研究院数据显示，目前，我国已有超过19个语言大模型研发厂商，其中，15家厂商的模型产品已经通过备案。预计2023年，我国语言大模型市场规模将达到132.3亿元，增长率将达到110%。

△ 表1 

此外，中国信息通信研究院有关负责人此前曾表示，大模型作为产业智能化基座，在识别、理解、决策、生成等任务中表现出泛化性、通用性、迁移性潜力，与实体经济深度绑定，在金融、工业、能源等领域进一步落地，持续释放技术红利。

图4为发明申请期间，申请人研发力分析图。由图4可知，申请量靠前的申请人其主要技术领域均集中在G部物理，间或涉及一些H部电学及A部人类生活需要。其中，H部进一步主要集中在H04L小类，A部进一步主要集中在A61B小类。

△ 图4 申请人研发力

G部：物理；H部：电学；A部：人类生活需要；

G06F：电数字数据处理

G06Q：专门适用于行政、商业、金融、管理或监督目的的信息和通信技术[ICT]；其他类目不包含的专门适用于行政、商业、金融、管理或监督目的的系统或方法

G06K：图形数据读取；数据表达；记录载体；处理记录载体

G06V：图像或视频识别或理解

G06T：一般的图像数据处理或产生

G06N：基于特定计算模型的计算机系统[2006.01]

G10L：语音分析或合成；语音识别；语音或声音处理；语音或音频编码或解码

G16H：医疗保健信息学，即专门用于处置或处理医疗或健康数据的信息和通信技术[ICT] [2018.01]

H04L：数字信息的传输，例如电报通信

A61B：诊断；外科；鉴定。

如图5所示，通过申请人年度累计申请量分析，可以看出专利申请人的专利申请趋势，进而分析其研发趋势。

△ 图5 申请人累计量排名变化

从国内各大公司的年度专利累计量来看，腾讯、华为、北京航空航天大学的大模型智能体领域的研究相对较早，2015年已经形成了1件到2件的申请量，说明较早开始进行对此领域的研究。百度作为国内最大的搜索引擎公司之一，其旗下的北京百度网讯科技有限公司与百度在线网络技术有限公司的2016年累计申请量已经达到了10余件，与同时期其他公司相比优势显著，体现了百度在大模型智能体领域中领先优势。

平安集团旗下的平安科技（深圳）有限公司、中国平安人寿保险股份有限公司、平安国际智慧城市科技股份有限公司、中国平安财产保险股份有限公司以及中国工商银行股份有限公司的专利累计申请量从2017年至2020年开始出现。平安集团以保险起家，中国工商银行也属于金融企业，两家公司均与金融行业强相关，更注重大模型智能体实际场景的应用。因此，平安集团旗下公司以及中国工商银行股份有限公司的专利布局相对来说晚一些。虽然专利布局相比百度、腾讯较晚，但后期增长迅速。尤其是平安集团，近几年对知识产权的保护非常注重，涉及金融科技、数字医疗、人工智能的专利申请量连续两年保持全球第一。近两年，平安集团旗下的平安科技大模型智能体相关专利的申请量超过了腾讯，位居第二。

腾讯虽然在专利累计量上被平安科技超越，但腾讯依然在大模型领域发挥着其影响力。日前，甲子光年智库发布AI大模型测评报告指出，腾讯云的行业大模型位居国内第一梯队，市场地位得到认可，商业化落地潜力大。腾讯云在2023年6月发布了行业大模型解决方案，面向文旅、政务、金融等行业，推出超过50个大模型应用实例。由此可见，腾讯在大模型领域建立了具有竞争力的商业模式和应用场景，让更多的企业用更低的成本，更高效地加速大模型在更多产业场景的落地。

△ 表2

综合来看，我国专利申请及授权趋势仍保持快速增长，国内各大企业以及高校（科研机构）的创新活跃度不断提升，知识产权生态建设不断完善。后续，我国应持续通过知识产权保护大中小企业及产学研深度协同的创新，持续推动国产大模型技术突破和生态繁荣。

专利法律状态可以大致分为三种：（1）不稳定状态，如“公开”、“实审”，即处于等待审查或审查正在进行之中的情况；（2）相对稳定状态，即审查之后的“授权”状态，有些专利可能因未能按时缴纳年费而“终止”；（3）稳定状态，如公开后的“撤回”、审查过程中的“驳回”等；到此结案，不会再有变化。

△ 图6 各类型专利法律状态

如图6所示，实审状态专利量17198件，占比67.55%，主要是因为大模型智能体技术是近年来快速发展的领域，近两年专利申请量有明显增加且多为发明专利，审查周期较长；有效的专利案件达5871件，占比23.06%，也占较大比重，总的来说该领域的研究质量较高。

分析专利技术分布情况，可辅助企业或高校掌握该技术的主要研发方向或者选择技术空白、薄弱的点进行技术攻关。由图7可以看出，大模型智能体的主要研究方向集中在G06F小类，具体的涉及电数字数据处理。未来大模型智能体领域将更加深入研究，模型规模不断扩大、算法不断优化、应用场景不断拓展，逐渐与其他技术融合发展。

△ 图7 IPC技术构成

从图8可以看出，近几年的技术研发主要集中在G06F小类上，且随着技术的不断深入，在这领域上的研发有一定突破，从2016年至2022年专利申请量持续提升。此外，G06K、G06Q、G06V小类在2016年至2022年也有一定的增长。

△ 图8 IPC技术申报趋势

如图9所示，广东、北京、江苏、上海等省市是大模型智能体领域的重要研究大省，其地区的研究机构和高等教育机构在大模型智能体方面扮演着关键的角色。这些省市在人工智能领域具有雄厚的科研和技术实力，吸引了大量的专业人才和研究者。

△ 图9 各省市专利申请量比例分析

总体来看，大模型智能体的研究主要集中在经济发展较快且沿海地区。这是因为这些地区拥有先进的科技产业和信息技术基础设施，有更多的资源和机会来支持大模型智能体的研究和应用。同时，这些地区也面临着更多需求和挑战，对大模型技术的研究有着更为迫切的需求。

△ 表3

通过国外专利的年度申请量可以分析国外的大模型智能体研发趋势。由于2023年的专利申请存在未完全公开，故本报告所列图表中2023年的相关数据不代表该年份的全部申请，仅供参考。

图10为2003年至2023年的大模型智能体领域国外专利申请趋势。2003年至2016年的专利申请量较为平缓，维持在20件到40余件区间；2017年至2021年期间专利申请量迅速上升，2021年的专利申请量达成3713件，2022年的专利申请量虽然有小幅下滑，但依然维持在3000件以上。2023年的专利申请量由于数据不全，仅供参考。针对以上趋势进行了以下的原因分析。

△ 图10 年度申请量分析

首先，对2017年至2021年的增长期间做了分析。此期间的专利申请量显著增长与OpenAI、谷歌两大公司有一定关系。2017年谷歌推出Transformer架构，为大模型的崛起奠定了基础。2018年谷歌推出基于深度学习和Tranformer模型架构的预训练语言模型——BERT模型。同样在2018年OpenAI推出GPT-1，之后经过不断更新迭代，到目前为止已更新至GPT4。OpenAI与谷歌是大模型领域的先驱者，加快了大模型技术的发展。在两大巨头公司的带动下，2017年至2021年迎来了大模型领域突飞猛进地发展。

2022年的专利申请量虽然相比2021年的3713件有小幅下降，但依然在3000件以上，维持了较高水准。由于2023年的专利申请量数据不全，并不能代表大模型智能体相关专利已经出现了下滑的转折点。实际上，近几年大模型智能体的热度依然火爆，预测专利申请量会跟随行业趋势维持较高水平。

如图11所示，国外专利中美国的专利申请量占比为44.5%，占最大比重；其次是韩国，占比39.63%；印度在相关专利申请量上也占据了不少的比例，占比13.11%；日本排名第四，占比6.93%。数据凸显了以美国为首的发达国家在大模型智能体领域的研发实力以及研究力度。值得一提的是，印度作为发展中国家表现出引人注目的数据，从数据上看，印度超过了日本，排名第三。

△ 图11 申请国家申请量

1. 美国

美国牢牢占据主导地位，从人工智能的萌芽时期，到ChatGPT带来的大模型智能体浪潮，美国一直是人工智能领域的破局者，引领全世界人工智能的进一步发展。无论是算力、算法，还是数据，美国都牢牢占据着主导地位。尤其在算力方面，拥有大量的优质企业与核心资源，推动大模型智能体的发展。

美国拥有世界上最大的云企业。据统计，全球IaaS市场（基础设施即服务，Infrastructure as a Service）中，包括亚马逊、微软、谷歌、IBM在内的美国企业合计占比近70%，这些企业可以提供大模型技术所需要的基础设施。

芯片也是影响算力的重要硬件设施，高性能的芯片可以提供更加高效的计算能力，从而加速训练过程。美国的英伟达（NVIDIA）是全球首家市值达到1万亿美元的芯片企业。英伟达研发出世界上首个轻量化小型超算——DGX-1，并捐献给了OpenAI。它的计算和存储能力相当于250台传统服务器，原先需要一年的计算量可以缩减到一个月即可完成。英伟达对Open AI的支持加快了大模型智能体的发展。

在算力资源上，美国有领先优势，在算法和数据领域上，也不落后于其他国家。因此，目前行业具有代表性的大模型智能体集中在美国。综上所述，从国外的专利申请量来看，美国占据最大比例。

2. 韩国

韩国紧跟随美国优势也较明显。韩国是最早加入大模型智能体研发的国家之一，有不错的硬件资源。三星电子是全球最大的动态随机存取存储器芯片制造商，SK海力士是全球第二大DRAM芯片制造商。再加上，韩国在人工智能工业与人工智能医疗方面的探索也非常积极，这些优势使韩国能在大模型智能体的发展浪潮中走在前列。韩国具有代表性的大模型智能体产品包括：韩国最大搜索公司——NAVER发布的HyperCLOVA、韩国另一家互联网巨头Kakao发布的基于GPT-3的KoGPT、LG AI Research推出的Exaone、SKT推出的全球首个韩语大语言模型“A Dot”等。

3. 印度

近年来，印度的专利申请量增长非常迅速，这种趋势也体现于大模型智能体领域中。在国外专利申请量排名中，如表4所示，印度超过了日本，仅次于韩国，排名第三。印度虽然在大模型智能体的专利申请量上名列前茅，但也有其短板。印度的硬件设施相对落于其他国家，印度需要研发能够满足大模型计算需求的计算平台。根据最新报道称，印度的信实工业集团与全球人工智能的算力龙头——英伟达合作，将在印度设立超算设施、共建本土大模型。而后，英伟达又宣布，将与印度最大集团公司塔塔集团展开合作，称将提供用于开发人工智能能解决方案的计算基础设施和平台，两家公司将共同打造一款有下一代英伟达GH200 Grace Hopper超级芯片支持的人工智能超级计算机。

虽然在硬件设施方面印度不占优势，但印度作为人口大国有着丰富的人才储备和较强的技术实力。印度企业长期给国外企业提供软件外包服务，在人工智能领域也具有一定的技术背景。

综合来看，印度是一个具有发展潜力的国家，一些科技公司和研究机构积极推动国际化战略，加强与国际合作伙伴的交流和合作。这种国际化战略有助于印度在大模型智能体领域的研发获得更广泛的认可和关注。

△ 表4

通过申请人排行榜分析，如图12所示，可以明确哪些国家的企业、科研院所或个人在大模型智能体领域研究更加深入。

1.三星电子株式会社

△ 图12 申请人排行

如图12所示，韩国的三星电子株式会社申请量领先。三星电子在大模型智能体领域中一直致力于技术创新，不断投入研发资源，提升大模型智能体的性能和效率。通过深度学习和机器学习等先进技术，三星电子的大模型智能体产品能够更好地理解和处理大量数据，为用户提供更加智能化的服务。

三星电子在硬件方面表现出色。公司拥有强大的芯片设计和制造能力，为大模型智能体的运行提供了强大的硬件支持，为大模型智能体的应用提供了更广阔的空间。最新消息称，三星在三星人工智能论坛上，正式公布了其自研的生成式人工智能模型“三星高斯”。据官方透露，三星将在其Galaxy旗舰手机当中引入Galaxy AI，并将推出AI Live Translate Call功能，能够为用户提供个人翻译服务，三星Galaxy S24系列有望迎来这项AI功能。

2.LG电子股份公司

排名第二是LG电子股份公司，LG电子的研发主要集中在对话式AI、机器学习以及智能家居控制等方面。日前，LG推出了其产品——ExaOne2.0。据报道，LG AI Research计划在化学、生物、医学、医疗、金融和专利领域中应用“ExaOne2.0”。

LG还研发了一款小型双足人工智能机器人，计划在2024年的CES上进行展示。这款机器人被用于监控宠物以及与宠物互动，采用双足设计，可以在家中自由运动。而且它配备了摄像头和人工智能技术，能够实时监控宠物的行为并与它们进行互动。用户可以通过手机应用程序远程控制机器人，观察宠物的活动，并通过机器人与宠物进行语音交流。LG的双足AI机器人还具备其他智能。它可以通过人工智能技术学习宠物的喜好和习惯，并根据它们的需求提供定制化服务。此外，此机器人还可以检测宠物的健康状况，提供相关的建议和提醒。

3.国际商业机器公司（IBM）

排名第三是国际商业机器公司（IBM）。IBM是全球领先的混合云、人工智能及企业服务提供商。IBM近期推出Granite系列大模型，Granite是为支持企业级大模型的训练而开发的。Granite大模型采用了特定领域的企业数据，10%的训练数据来自法律和金融，这使得信用风险评估、保险QA、对话式金融QA和总结财务任务具有卓越的性能。因此，对金融服务领域的客户或有法律需求的客户来说，Granite是一个值得推荐的绝佳模型。

亚马逊技术公司和微软公司均入榜，其主营业务包括自然语言处理、智能客服、智能家居等领域。埃森哲环球解决方案有限公司也名列前茅，该公司在大模型体应用方面不断创新，结合自身业务领域和市场需求，为客户提供定制化的智能体应用解决方案，其应用涵盖了多个领域，如智能客服、智能推荐、智能预测等。此外，韩国的光州科学技术院、电子部品研究院、高丽大学校产学协力团以及日本索尼集团的子公司索尼电脑娱乐有限公司也在排名上。

△ 表5

△ 图13 申请人研发力分析

图13为专利申请期间的申请人研发力分析图。如图所示，申请量靠前的几位申请人的主要技术领域均集中在G部物理，间或涉及一些H部电学与A部人类生活需要。其中，G部进一步主要集中在G06N、G06F、G06Q小类。

G部：物理；A部：人类生活需要；H部：电学；

G06N：基于特定计算模型的计算机系统[2006.01]

G06F：电数字数据处理

G06Q：专门适用于行政、商业、金融、管理或监督目的的信息和通信技术[ICT]；其他类目不包含的专门适用于行政、商业、金融、管理或监督目的的系统或方法

G06T：一般的图像数据处理或产生

G16H：医疗保健信息学，即专门用于处置或处理医疗或健康数据的信息和通信技术[ICT] [2018.01]

A61B：诊断；外科；鉴定

G06K：图形数据读取；数据表达；记录载体；处理记录载体

G10L：语音分析或合成；语音识别；语音或声音处理；语音或音频编码或解码

G06V：图像或视频识别或理解

H04L：数字信息的传输，例如电报通信。

△ 图14 申请人年度申请量

△ 表6

从申请人年度申请量可以看出申请人的专利申请趋势，进而分析其研发趋势。如表6所示，三星电子株式会社、光州科学技术院、微软公司在2010年已经形成了专利申请量，较早开始研究大模型智能体领域。其中，微软公司在2010年已经形成了4件累计申请量，领先于其他公司。整体上看，各大公司的申请量在2018年至2022年期间有较大的提升，说明在此期间技术上有了重要突破。其中，LG电子股份有限公司前期并没有在此领域布局专利，从2018年开始专利累计申请量迅速增加，直到2022年达到472件，排名第二。这也说明大模型从理论研究阶段跨越到应用阶段，各大公司开始关注大模型在市场中的商业应用价值。

在经历了大模型的热闹与喧嚣之后，商业落地成为大模型价值评估的关键维度，为行业而生的大模型将成为大模型的主战场。对于技术和产品齐备的企业来说，当下的“必争之地”，就是具备更好的商业落地价值，从而得到市场的认可。

△ 图15 IPC技术构成

分析专利技术分布情况，可辅助企业掌握该技术的主要研发方向，可以选择薄弱的技术进行技术攻关。由图15可以看出，与国内专利技术结构类似，大模型智能体的主要研究方向也是与计算机硬件和软件相关的发明创造。各国主研发领域为G06N、G06F和G06Q小类，大量的专利集中于此三个小类上。后续企业可以专注申请量相对较少的领域，在此领域中继续攻破技术难点，提升在市场上的优势。

△ 图16 IPC技术申报趋势

从图16观察到的数据可以提供有关不同小类研发重点领域的信息。2016年之前没有形成技术集中领域，2017年开始逐渐形成技术集中领域。其中，G06F、G06N、G06Q领域占比最大，除以上三个小类以外的其他小类相差并不大。

值得关注的是G06F、G06N这两个小类，G06F是电数字数据处理、G06N是基于特定计算模型的计算机系统。在大模型智能体领域，这两个小类通常会相互交叉，涉及到深度学习、神经网络、自然语言处理等技术。再加上，大模型的规模不断增加，对大模型智能体的算力优化以及计算机硬件方面的要求也不断提高，因此G06F、G06N小类的热度预计持续维持下去。另外，随着大模型智能体的应用不断加深，G06Q领域也有着发展的潜力。G06Q为专门适用于行政、商业、金融、管理或监督目的的信息和通信技术以及其他类目不包含的专门适用于行政、商业、金融、管理或监督目的的系统或方法，偏向于大模型智能体的应用领域。

这些数据表明，研究人员和企业对于G06N、G06F和G06Q小类以及其他相关领域的发展逐渐加深，并积极申请专利来保护其技术创新成果。这些领域的研究和开发不仅代表着当前热点和趋势，同时也预示着未来可能出现的创新机会和商业应用。对于从事相关研究和开发的人员和企业，及时把握住这些趋势和机会，将有助于推动技术发展和市场竞争力的提升。

△ 图17 IPC技术申请人

如图17所示，三星电子在G06N领域的研究较为深入，其次是G06F领域，这两类占据了大部分专利。G06N小类主要涉及基于数据或模型的智能处理，而G06F小类则主要涉及数字计算或数据处理。三星电子在此小类中涉及的业务可能包括深度学习算法和模型优化、自然语言处理技术、计算机视觉技术、数据处理和分析技术等。

除此之外，LG电子、国际商业机器公司、微软公司等也在G06N小类领域也进行了研究。国际商业机器公司（IBM）和微软公司是两家在人工智能领域有着显著影响力的公司，在G06F和G06N小类上也表现出了相当的投入和技术突破。其中，LG电子在G06N小类中与国际商业机器公司差异并不大，但LG电子在G10L等其他领域上覆盖的范围更为广泛。G10L为语音分析或合成、语音识别、语音或声音处理、语音或音频编码或解码领域，这可能与LG电子涉及的智能家居产品有关。

此外，其他一些公司也在大模型智能体领域有一定的成果，日本的索尼、美国的亚马逊、埃森哲环球解决方案有限公司、还有一些学校研究团队也对大模型智能体领域关注。这些公司利用自身的技术能力和资源，在大模型智能体方面进行技术创新，并尝试将其应用于自身业务模型中。

百度网讯作为百度旗下公司，主要专利布局在国内。在全球范围内，百度网讯在大模型智能体领域的相关专利3088件，其中2539件为中国申请专利，179件为美国申请专利。可知其规划的主要市场还是以国内为主。尽管百度的专利申请主要集中在国内，但其在全球范围内的影响力和创新能力仍然备受认可。

2023年3月16日百度发布了文心一言，并且将文心一言相关产品进行了全面重构，重构后的AI原生应用在用户量上实现了显著增长。百度的创新成果在国内处于领先水平，从底层AI芯片昆仑芯，到飞桨深度学习框架，再到文心预训练大模型，从搜索，到智能云，再到自动驾驶、小度等，百度已经建立起“芯片-框架-模型-应用”的IT四层技术架构，各个层面都具备着领先业界的自研技术。

△ 图18 百度网讯全球专利申请地域

大模型智能体已经成为全球科技竞争的重要战场，各大企业都在通过技术创新和产品研发来寻求突破。在这场竞争中，百度以其深厚的技术储备和强大的创新竞争力，成为大模型技术的领先者和AI原生应用的先行者。展望未来，期待百度为代表的科技企业能够继续发挥在大模型智能体领域的优势，推动创新创业发展，构建繁荣的AI应用生态。

△ 图19 百度网讯专利主要发明人

如图19所示，百度网讯拥有较多的发明人，且发明人之间相差不大。其中，孙昊以124件、占比以13.47%排在第一名，主要对模型训练相关方面做出了发明创造；姚锟以110件排名第二，主要在文字识别、图像识别、模型训练方面做出了发明创造。

目前为止在全球范围内，平安科技的大模型智能体相关专利共2756件，其中2199件是中国申请专利，545件向世界知识产权局申请。可知，平安科技的主要市场也是以国内为主。

△ 图20 平安科技全球专利申请地域

平安科技是中国领先的科技公司之一，其金融、医疗、智能制造等领域都在积极应用人工智能技术，对大模型智能体领域的技术研发和应用需求非常高。平安科技有限公司的总部平安集团强调通过核心技术能力持续引领行业。平安科技的专利融入业务的各个环节，大模型智能体的落地优势显著，受到了市场较高的评价。

平安科技作为平安集团旗下科技解决方案提供方，致力于运用人工智能、云计算等前沿科技。

人工智能是平安科技的核心技术之一。平安科技推出的疾病预测AI已应用在流感、糖尿病等多种疾病的预测中。不仅如此，平安科技还自主研发了平安云，使平安云成为金融行业内最大的云平台。平安云以金融为起点，深度服务于金融、医疗、汽车、房产、智慧城市五大生态圈。

综上所述，平安科技的人工智能等核心技术布局市场领先，大模型智能体落地优势显著，拥有大量相关专利。期待平安科技能够继续发挥在大模型智能体领域的优势，推动创新行业发展，构建繁荣的大模型智能体应用生态。

△ 图21 平安科技专利主要发明人

平安科技在大模型智能体领域的主要发明人为王健宗，参与并主导了532项发明专利技术的申请研发。在过去的几年中，平安科技在王健宗的带领下，不断改进和创新大模型智能体技术。王健宗提出的智能语音识别方法装置以及一种计算机可读存储介质，可以将用户的语音转换为文字输出，体现了技术实力和创新能力。

近年来，北京航空航天大学团队在大模型智能体领域中取得了显著的研究成果。根据报道，北京航天航空大学的无人机团队将大模型技术应用于无人机上，对无人机做了进一步升级。

北京航空航天大学无人机团队提出一种基于多模态大模型的具身智能体架构——“AeroAgent”，应用于无人机操控。这种架构将大模型视为“大脑”，可实现高效通信，区别于传统的端到端的机器人大模型控制。“AeroAgent”使得智能体可以集中于高层级命令的产生，对于高层级任务具备更强的智能性，对于实际的执行具备更好的鲁棒性（指在面对意外或异常情况时，是否能够保持功能和性能，而不至于崩溃或失效）和可靠性。“AeroAgent”在仿真和实际测试中表现出色，例如火灾搜救、着陆任务、风机巡检、导航等场景中展现出优越性能，具有广泛的应用前景。

此外，该团队还研究了基于深度强化学习的无人机自主操控方法。通过将深度强化学习算法应用于无人机飞行控制，使无人机能够在复杂的动态环境中自主决策和执行任务。这些研究进展为无人机操控领域提供了新的思路和方法，为未来的无人机应用提供了更广阔的可能性。

△ 表7

从表7可以看出，北京航空航天大学通过多年的研究收获了一定的成果。北京航空航天大学2019年的专利数量有一定的突破，说明解决了部分技术难题。2020年开始每年的专利申请数量递增，直到2023年专利申请量达到了34件，意味着大模型智能体在航空航天领域上也具有更多应用可行性。

△ 图22 北京航空航天大学专利主要发明人

如图22所示，董云峰参与并主导了共8件专利，主要涉及人工智能程序员相关领域。董云峰是北京航空航天大学的教授和博士生导师，同时在北京航空航天大学宇航学院担任科研副院长，从事航天飞行器总体设计与动力学控制技术研究，有着深厚的研究背景和丰富的实践经验，为我国的航天事业做出了重要贡献。

三星电子是韩国最大的电子工业企业，总部位于韩国京畿道城南市。三星电子是三星集团的重要子公司，涉及电子产品、半导体产品、显示器产品等多个领域，在全球范围内拥有广泛的市场和影响力。

三星电子在大模型智能体领域的发展主要体现在其人工智能技术和产品的应用上。三星电子正在不断地将其人工智能技术融入到各个领域，比如家庭、健康和机器人领域等。

三星电子将大模型技术应用于其产品中，例如智能手机、电视、家电。通过搭载大模型技术，这些产品实现了更加智能化的功能和服务，提高了用户体验，也为三星电子带来了更广阔的市场前景。三星电子在大模型智能体领域的技术创新始终保持领先地位。研发团队不断优化算法、提高计算效率、降低资源消耗，取得了重要突破。同时，三星电子还积极探索新的应用场景和技术趋势，例如5G、物联网、边缘计算等，为大模型智能体的进一步发展提供了有力支持。

△ 图23 三星电子全球专利申请地域

如图23所示，三星电子在全球范围都申请了专利，除韩国、美国之外，他们还向中国、印度、日本等国家进行专利布局。其中，主要以韩国与美国为主申请了专利，向两个国家申请的专利数量相差不大。三星电子在美国的专利较多可能是因为在美国的业务规模庞大，需要在当地申请专利以保护自己的商业利益。

△ 图24 三星电子技术专利技术构成

从图24可以看出，三星电子的专利涉及各个领域，主要涉及G部物理，一部分涉及H部电学与B部作业、运输。其中，G06N、G06F占据较大比例，与模型的训练以及训练方法等相关。

随着大模型智能体应用场景的不断拓展，三星电子将继续加大投入和研发力度，并探索新的应用场景和技术趋势，如增强现实、虚拟现实等新兴领域，为大模型智能体的进一步发展提供更多可能性。同时，继续加强与外部的合作，共同推动大模型智能体技术的发展和应用，为人类带来更加智能化、便捷化的生活体验。

国际商业机器公司是一家全球知名的科技公司，总部位于美国纽约州阿蒙克市，简称IBM。IBM主要的产品包括服务器、存储设备、网络设备、软件等，同时提供信息技术咨询、业务流程外包等服务。除此之外，IBM还致力于人工智能、云计算、区块链等领域的研究和开发。

IBM在人工智能领域有着深厚的积累和领先的技术实力，在深度学习、自然语言处理、机器学习、计算机视觉等领域有着深厚的研发基础。并且IBM与全球众多高校、研究机构以及业界领先企业建立了紧密的合作关系，共同推动大模型智能体技术的发展。在大模型智能体方面，IBM推出了多款产品以及服务，如AI咨询服务、AI平台等，为企业提供了全面的AI解决方案，这些产品和服务已在全球范围内得到广泛应用，并为企业带来了显著的效益提升。IBM的人工智能解决方案广泛应用于各个领域，如金融、医疗、制造、零售等。

△ 图25 国际商业机器公司专利申请趋势

如图25，IBM的专利申请量从2018年开始显著增加，增长势头一直维持到2021年，达104件。2022年的专利申请量相比2021年的104件虽然有一定的降幅，但也达成了不少的专利申请量，52件。2023年的数据由于统计不全，仅供参考。

△ 图26 国际商业机器公司全球专利申请地域

从全球专利申请地域来看，IBM的专利布局多数在美国，美国申请专利达到212件。与此同时，向中国和日本也布局了少量专利，中国申请专利为24件、日本申请专利为21件。说明IBM的主要业务战略布局在美国本地。后续，IBM可以进一步扩大对外的业务，提升对全球范围内的影响力。中国作为全球最大的市场之一，具有巨大的潜力和机遇，IBM可以在中国市场保护自己的知识产权，寻求中美两国市场的发展机遇。

随着人工智能技术的飞速发展，大模型作为一种先进的计算模型，已经在各个领域得到了广泛应用。大模型通常具有规模庞大、泛化能力强、适用范围广的特点，其强大的计算能力和泛化能力，能够在各种任务中表现出色，还可以通过微调等方式适应不同的应用场景，具有很高的灵活性。 

大型语言模型为大模型的代表，如OpenAI的GPT系列、谷歌的BERT系列。OpenAI 不仅展现了 GPT 在人机对话中的超预期表现， 同时基于 GPT 的应用生态也已逐渐繁荣。微软的数款产品（Bing、Windows 操作系统、Office、浏览器、 Power Platform 等）、代码托管平台 GitHub、AI 营销创意公司 Jasper 等均已接入GPT。谷歌虽然前期并没有大规模推出大模型智能产品，但在ChatGPT的带动下，谷歌也推出了聊天机器人 Bard 及 PaLM2。除GPT系列和BERT系列以外，常见的大模型还包括ERNIE系列、T5系列、ViT系列、ResNet系列、YOLO系列、SSD系列等。

国内跟随国际趋势，近几年大模型智能体发展迅速。随着深度学习技术的快速发展，大模型智能体逐渐成为人工智能领域的研究热点。在此阶段，国内的研究机构和企业开始加大投入，研发各种大型神经网络模型。ChatGPT获得良好用户反响并在全球范围引发关注以来，中国头部科技企业，如阿里、百度、腾讯、华为、 字节等，以及新兴创业企业与传统 AI 企业、以及高校研究院也加大大模型领域的投入。

从技术路线来看，国内大模型主要追随国外进展。基于谷歌在人工智能领域的影响力，前期我国企业在大模型领域的探索更多参考 BERT 路线。随着 ChatGPT 在人机对话领域的超预期表现，验证了高质量数据反馈激励的有效性，国内大模型技术路线也逐渐向 GPT 方向收敛。下一阶段对 GPT 方向的研发突破将是竞争关键。

从全球范围来看，中美在大模型领域引领全球发展。基于算法模型的领先优势，美国的大模型数量居全球首位。根据中国科学技术信息研究所、科技部新一代人工智能发展研究中心联合发布的 《中国人工智能大模型地图研究报告》，截至 2023 年 5 月，美国已发布 100 个参数规模 10 亿以上的大模型。

中国自 2021 年以来加速产出大模型产品，如 2021 年 6 月北京智源人工智能研究院发布的 1.75 万亿参数规模的悟道 2.0、2021 年 11 月阿里发布的10 万亿参数规模的M6大模型等。截至 2023 年 5 月，我国已发布 79 个大模型。但考虑到数据安全、隐私以及科技监管等因素，中美的大模型市场有望形成相对独立的行业格局。

大模型具有广泛的应用场景，如强化学习中、自然语言处理、图像和视觉任务等等。通过大模型和人工智能体的结合能够带来更强大的智能，使得大模型智能体在各个领域达到更优的性能。通过不断迭代和改进，大模型智能体技术将在实际应用场景中得到更广泛的应用。