2015年12月29日 近日,由IEEE(电气和电子工程师协会)的年度报告——2015专利实力评鉴(Patent Power Scorecards)出炉。在计算机综合(计算机软件、计算机系统、计算机外设和存储)类别中,EMC获得4837的高分,位居榜首。
IEEE专利实力评鉴是一年一度的综合分析,通过对全球范围内6000多家领先的商业企业、学术机构、非营利性组织和政府机构专利组合的基准测试,IEEE给出其“Pipeline Power”得分,评估谁拥有最宝贵的专利组合。衡量标准包括组织专利组合的大小,最近一整年获得专利授予的数量,基于一系列反映增长、影响、独创性等指标判断的专利分量,以及组织专利组合的通用性等。
在计算机软件、计算机系统、计算机外设和存储三大类别综合中,EMC排名第一,排名第二至第五的分别是IBM、Microsoft、Western Digital和VMware。
当把所有行业类别都考虑进来时,EMC仍高居全球第五,前四位分别是Google(通信/互联网服务)、Apple(电子)、Facebook(通信/互联网服务)和Qualcomm(通信/互联网设备)。
目前,EMC拥有近5900个美国专利商标局(USPTO)发表的专利,EMC信息基础设施(EMC II)拥有近5000个。此外,EMC还有近4500个美国专利应用待批。
2003-2014的12年间,EMC在研发和收购上的投入高达420亿美元,不断通过领先的技术,助力客户的数字化转型之旅,通向混合云。公司上下对创新投入不变的关注,也直接吸引了市场上最优秀的、最具竞争力的人才。IEEE最新的2015专利记分卡排名,从另一个侧面印证了EMC创新引擎的活力。
相关资源
Patent Power 2015
http://spectrum.ieee.org/static/interactive-patent-power-2015
EMC Earns Top Marks On Patent Power 2015
http://v.qq.com/page/x/e/8/x0178uez6e8.html
关于IEEE专利实力评鉴(Patent Power Scorecards)
专利实力评鉴由《IEEE SPECTRUM》杂志自2007年开始每年发布一次,到2015年11月30日共发布了9期榜单。专利实力评鉴的评选对象是全球范围内的公司、大学、研究机构和政府机构等组织。专利实力评鉴完全按照组织所在的行业来进行分类评比,每次发布17个榜单:航空航天和国防、汽车及零部件、生物医药、化学、通信/网络设备、通信/网络服务、计算机设备和存储、计算机软件、计算机系统、电子产品、医疗器械、科学仪器、半导体设备制造、半导体制造、综合型企业、政府机构、大学/教育/培训。
专利实力评鉴各榜单上的组织是根据专利综合实力进行排名的,其综合考量了专利组合的数量和技术价值,由于采用了技术加权后的专利组合规模作为衡量依据,专利实力评鉴可以较全面准确地评价某个组织的技术实力。
专利综合实力是对专利数量及专利成长性、技术影响力、技术原创性和技术通用性进行组合运算后的综合性指数,其计算公式为:专利综合实力(Pipeline Power)=上一年度授权专利数量(Number of Last Year’s Patents)×专利增长指数(Pipeline Growth Index)×校正后的技术影响指数(Adjusted Pipeline Impact)×技术原创指数(Pipeline Originality)×技术通用指数(Pipeline Generality)。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。