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,EMC、IBM、微软、西部数据、VMware分别排前5位。
2015 IT公司专利实力排名
IEEE专利实力评鉴是一年一度的综合分析,由《IEEE SPECTRUM》杂志发布。自2007年开始发布,到2015年11月30日共发布了9期榜单。
它通过对全球范围内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给出其实力指数,评估谁拥有最宝贵的专利组合。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。
这里我根据IEEE数据,总结出IT公司(涵盖IEEE 17个分类中的三类:计算机系统、计算机软件、计算机外围设备与存储)前20名。如下表:
独特的排名方式
需要指出的是,IEEE的专利实力排名,跟我们通常想象的排名方式有很大不同。通常,我们会以专利数作为公司的专利实力排名。而IEEE专利实力评鉴榜单,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)。
2015年排名前5位的公司各项数据如下:
更多信息,可以访问:http://spectrum.ieee.org/static/interactive-patent-power-2015
排名指标分析
从以上的数据可以看出IEEE对专利实力的几个关注点:
1. 专利增长指数。如果专利增长指数大于1,则表明该组织的专利活动量正在增长中。如果专利数增长很快,对排名的帮助很大。例如,EMC和VMware,专利数量从绝对值来看并不算多,但是增长指数都在1.5以上,所以排名比较高。这一点可以理解为,IEEE看重专利增长反映出来的企业创新活力。
2. 技术影响力指数。校正后的技术影响力指数,用于衡量某组织的专利组合对后续技术发展的影响力。其计算方法为:首先计算技术影响力指数基础值,再根据自引率对技术影响指数基础值进行校正,以消除极端自引的影响。如果自引率超过行业平均值,则该企业的专利技术影响力要适当调低。同样是EMC和VMware,校正后的技术影响力指数分别超过为1.7和2.5,对其排名贡献很大。
3. 技术原创性指数。技术原创指数用于衡量某组织专利组合所引用的技术领域宽泛程度。通常来说,改进型发明倾向于参考来自单一领域的现有技术,而原创型发明则倾向于参考多个不同领域的技术,进而形成新的发明创造。各家公司在这项指数的表示大于或小于1,浮动不大。
4. 技术通用性指数。用于衡量引用某组织专利组合的专利技术的领域宽泛程度。技术通用性指数越大,意味着某组织专利技术的通用性越好,对后续技术创新的影响范围越大。VMware、西部数据和EMC的技术通用性指数都比较高,对排名贡献很大。
好文章,需要你的鼓励
机器人和自动化工具已成为云环境中最大的安全威胁,网络犯罪分子率先应用自动化决策来窃取凭证和执行恶意活动。自动化攻击显著缩短了攻击者驻留时间,从传统的数天减少到5分钟内即可完成数据泄露。随着大语言模型的发展,"黑客机器人"将变得更加先进。企业面临AI快速采用压力,但多数组织错误地关注模型本身而非基础设施安全。解决方案是将AI工作负载视为普通云工作负载,应用运行时安全最佳实践。
MBZUAI研究团队发布了史上最大的开源数学训练数据集MegaMath,包含3716亿个Token,是现有开源数学数据集的数十倍。该数据集通过创新的数据处理技术,从网页、代码库和AI合成等多个来源收集高质量数学内容。实验显示,使用MegaMath训练的AI模型在数学推理任务上性能显著提升,为AI数学能力发展提供了强大支撑。
面对心理健康专业人士短缺问题,谷歌、麦肯锡和加拿大重大挑战组织联合发布《心理健康与AI现场指南》,提出利用AI辅助任务分担模式。该指南构建了包含项目适应、人员选择、培训、分配、干预和完成六个阶段的任务分担模型,AI可在候选人筛选、培训定制、客户匹配、预约调度和治疗建议等环节发挥作用。该方法通过将部分治疗任务分配给经过培训的非专业人员,并运用AI进行管理支持,有望缓解治疗服务供需失衡问题。
这项由多个知名机构联合开展的研究揭示了AI系统的"隐形思维"——潜在推理。不同于传统的链式思维推理,潜在推理在AI内部连续空间中进行,不受语言表达限制,信息处理能力提升约2700倍。研究将其分为垂直递归和水平递归两类,前者通过重复处理增加思考深度,后者通过状态演化扩展记忆容量。