当前，类脑智能在学术界还未形成广泛接受的概念．类脑智能是借鉴脑神经结构、信息处理和认知行为机制，以神经形态计算模拟人类处理信息为方法，通过软硬件协同方式使机器具有在信息处理机制上类脑、认知行为和智能水平上类人等能力．它将引领新一轮智能发展浪潮，极大地拓展人类的智力活动范畴．近些年，美国、欧盟各国投入巨大的人力和财力开展类脑智能研发，但各主要国家的研发尚处于积极探索阶段，未形成国际公认的技术方案[1]．我国相关信息产业应牢牢把握换道超车的大好时机，在此次竞争中掌握战略主动权．研发主体通常以专利形式独享创新成果[2]，以提升未来的竞争力和竞争地位，因此专利通常被用来评估某技术领域的发展水平．跟踪、分析专利情报，能够及时把握相关技术领域的发展．本研究基于专利情报挖掘、大数据分析、可视化等方法，采用CiteSpace分析工具，展现类脑智能技术领域专利情况，探析类脑智能领域的研发总体态势、国际竞争状况、研发主题内容，把握类脑智能领域研发热点和研发前沿，为我国合理布局研究重心、提高科研效率、判断我国所处的竞争地位提供参考．德温特(Derwent)专利数据库收集了世界上主要国家、地区的专利数据，是专利情报分析的重要数据来源之一[3]．基于德温特专利数据库，收集类脑智能领域专利数据．基于文献[4]调查了类脑智能领域知识，咨询相关领域专家的意见，按照德温特专利检索规则，制定专利检索式：ALLD=((brain near2 inspired) or (synapse near2 circuit*) or (Brain near2 like ADJ intelligen*) or (cognitive near2 comput*) or (cognitive near2 brain ADJ comput*) or (Artificial near2 synapse) or (neuromorphic near2 comput*) or (neural near2 interface) or (neural near2 robot*) or (brain near like ADJ chip*) or (multimodal ADJ perception) or (cognitive near2 brain ADJ simulat*) or (neural near2 comput*) or (Neuromorphic near2 device) or (neuromorphic near2 chip*) or (neural near2 network ADJ chip) or (neural near1 coding) or (Neuromorphic near2 hardware) or (brain near2 inspired ADJ comput*) or (Neuromorphic*) or (synaptronic near2 comput*) or (synaptronic near2 circuit*) or (synaptic near2 memory) or (spiking near2 memory) or (spiking near2 neural ADJ network) or (Synaptronic near2 spiking) or (spiking near2 comput*) or (Neuromorphic near2 Synaptronic) or (synapatronic near1 system) or (neuromorphic near2 system) or (synaptic ADJ plasticity) or (Memristor near Synapse) or (Bioinspired near2 Synapse))，检索时间为1945—2020年．去掉与类脑智能相关度不大的专利后，共获得专利4 354件．须要说明的是，专利一般存在18个月的技术审查期，因此2019年和2020年的数据可能不完整．1 专利总体分析1.1　时间分布分析图1为类脑智能技术领域专利申请趋势．1978年以前，类脑智能处在技术萌芽期，主要开展基础理论探索，未出现专利申请情况．1978—2006年间，类脑智能步入缓慢发展期，开始出现相关工程开发应用，年专利申请量处于较低水平，专利数量在50件以内．2006年以来，类脑智能进入快速发展阶段，出现工程开发应用热潮，年专利申请量逐年攀升，2019年已快速增长到850件．主要是因为深度学习算法的提出，推动了人工智能技术研发应用，带动了类脑智能专利量的快速增长．10.13245/j.hust.220215.F001图1类脑智能技术领域专利申请趋势1.2　地理分布分析为掌握类脑智能技术领域的地域发展情况，以国家为单位统计专利分布数量，类脑智能技术专利地域分布如图2所示．可以看出：类脑智能技术地理分布不均衡，专利申请主要集中在美国、中国、韩国、日本、德国、英国等国家．众所周知，美国类脑智能研发全球领先，专利数量高居榜首就是其技术能力的直接体现．中国类脑智能专利排在第2位，为1 281件，远低于美国，说明我国研发活跃度及研发实力尚待进一步提升．韩国、日本为180件左右，专利申请水平偏低．10.13245/j.hust.220215.F002图2类脑智能技术专利地域分布1.3　技术方向分布分析德温特手工代码是德温特数据库一大特色功能，按分层结构排列，分类精准，解释具体，适用于专利分析[5]．对类脑智能技术专利的德温特手工代码进行统计分析，主要技术方向如图3所示．可以看出：类脑智能技术创新的热点方向主要集中在T01-J16，T01-N01，T01-S03，T01-J10，T01-J05，T01-N02，T01-J04，T01-J07，T01-E01，T01-H01等技术方向上．10.13245/j.hust.220215.F003图3类脑智能技术研发主要技术方向1—T01-J16；2—T01-N01；3—T01-S03；4—T01-J10；5—T01-J05；6—T01-N02；7—T01-J04；8—T01-J07；9—T01-E01；10—T01-H01；11—T01-E02；12—T01-N03；13—T01-E05；14—U14-A03；15—T01-F03；16—T01-J06；17—T01-E03；18—T01-M02；19—T01-D02；20—T01-C08；21—T01-J30；22—T01-M06；23—W01-A06；24—P31-A05；25—T01-F05．本研究涉及到的手工代码含义相关说明：T01-J16为人工智能系统；T01-N01为金融/商业、教育、信息、娱乐等应用；T01-S03为软件产品；T01-J10为视频和图像处理；T01-J05为用于管理、商业或信息检索；T01-N02为通信与控制；T01-J04为函数综合/分析或方程求解；T01-J07为工业过程控制；T01-E01为排序、选择、合并或比较数据；T01-H01为存储器及其分配、存储器系统和架构等的互连；T01-E02为数值计算；T01-N03为互联网软件；T01-E05为新颖的数据处理技术；U14-A03为电子存储器；T01-F03为执行机器指令；T01-J06为医疗设备和信息系统；T01-E03为使用非数字表示的计算；T01-M02为多处理器系统；T01-D02为编码与信息理论；T01-C08为使用模拟信号采样的数字输入/输出；T01-J30为多媒体计算机系统；T01-M06为以比特为特征的计算机/处理架构；W01-A06为交换机之间的连接；P31-A05为诊断或手术设备；T01-F05为执行特定程序和系统管理软件的配置；T02-A04为模拟计算机；T01-J为数据处理系统)；T01-S为软件内容；T01-N为互联网和信息传输；T01-E为数据处理；T01-H为数据存储和内存、互连、数据传输；T01-M为计算机/处理体系结构；W01-A为数字信息传输；W04-W为电子教育设备；T01-F为程序控制；T01-D为数据转换；L04-E为半导体器件；U14-A(数字静态存储；T01-C为输入/输出排列．2 研发主体分析2.1　主要国家分析技术分布可以反映该专利申请主体研发投入的主要方向[6]．本研究对主要国家专利申请技术领域进行对比分析，以了解各主要国家的技术实力范围和侧重发展方向．图4为主要国家专利量排名前十德温特手工代码分布，可以看出：各主要国家的技术研发侧重点不尽相同．美国的技术创新集中在T01-J16，T01-S03，T01-N01，T01-N02，T01-J05，T01-J10，T01-J04，T01-J07，T01-E01和T01-H01等技术方向上；中国的技术创新主要侧重在T01-J16，T01-N01，T01-J04，T01-J10，T01-N02，T01-J05，T01-S03，T01-E02，T01-E01和T01-J07等技术方向上；韩国的技术创新主要侧重在T01-J16，T01-N01，T01-J10，T01-J05，T01-S03，T01-J07，T01-N02，U14-A03，T01-E05和T01-J04等技术方向上；日本的技术创新主要侧重在T01-J16，T02-A04，T01-N01，T01-J10，T01-E05，T01-S03，T01-J07，T01-J05，T01-J04和T01-M06等技术方向上；德国的技术创新主要侧重在T01-J16，T01-S03，T01-J07，T01-J10，T01-N01，T01-J05，T01-J04，T01-J06，T01-E02和P31-A05等技术方向上．10.13245/j.hust.220215.F004图4主要国家专利量排名前十德温特手工代码分布通常来讲，为抢占更多国际市场，专利在申请人所在国申请的同时，也会向目标市场国家或组织进行申请[7]．主要国家专利市场布局如表1所示．可以看出：美国、中国、韩国、日本、德国在本国布局专利最多，说明这些国家优先本国市场．除本国外，美国在世界知识产权组织(WPIO)、韩国、日本、中国、欧洲专利局(EPO)、澳大利亚、英国、印度、法国、加拿大、意大利、丹麦、德国、新加坡、荷兰、以色列等国家或组织存在技术布局，说明美国对海外市场的关注程度高，国际专利布局规模较大．海外市场布局方面，韩国在WPIO和美国有布局，日本在WPIO、美国、韩国、中国有布局，德国在美国、中国、WPIO、日本、EPO有布局，中国仅在WPIO和美国有布局．10.13245/j.hust.220215.T001表1主要国家专利市场布局申请国家布局市场美国美国(2 228件)、世界知识产权组织(375件)、韩国(123件)、日本(37件)、中国(29件)、欧洲专利局(14件)、澳大利亚(9件)、英国(6件)、印度(6件)、法国(3件)、加拿大(2件)、意大利(1件)、丹麦(1件)、德国(1件)、新加坡(1件)、荷兰(1件)、以色列(1件)中国中国(1 241件)、世界知识产权组织(67件)、美国(8件)日本日本(170件)、世界知识产权组织(49件)、美国(3件)、韩国(1件)韩国韩国(183件)、世界知识产权组织(34件)、美国(2件)德国德国(66件)、美国(11件)、中国(3件)、WPIO(2件)、日本(2件)、EPO(2件)、韩国(1件)一项专利施引频次多，表明该专利对其他专利或技术影响大，对技术发展推动能力强[8-9]．一般认为，通过专利合作条约(patent cooperation treaty，PCT)申请的专利质量水平高，因为向WIPO申请专利的经济成本和时间成本相对较高[10]．另外，某专利声明的权利要求数越多，表明其创新点越多，因此，一个国家的施引专利数量、高施引频次专利数量、PCT专利数量、权利要求数量的相关统计量，常用作衡量其技术创新能力的重要指标．本研究中，施引专利为施引频次大于0的专利，并将高施引专利定义为施引频次不少于10的专利．主要国家专利申请情况如表2所示．可以看出：美国平均施引频次、权利要求计数平均、PCT专利数量、高施引专利数量均处在最高水平；中国的施引专利数量、PCT专利数量、高施引专利数量次之，但平均施引频次、权利要求计数平均处在较低水平；韩国的权利要求计数平均和德国的平均施引频次排在第2位，韩国高施引专利数量和德国PCT专利数量处在最低水平；日本相关统计量处在中等水平．整体上看，美国是类脑智能技术的研发强国．10.13245/j.hust.220215.T002表2主要国家专利申请情况国家专利数量平均施引频次施引专利数量权利要求计数平均PCT专利数量高施引专利数量美国2 25923.431 36817.65375612中国1 2614.6944810.206760韩国1855.765111.64346日本1819.42846.914925德国16913.14294.832132.2　主要机构分析专利申请机构是技术市场的竞争主体[11]，对专利申请机构展开分析，可以掌握该领域的优势力量[12]．表3为专利数量排名前10机构的专利申请情况．在排名前10的机构中，美国占6席，中国和韩国各占2席．IBM公司的施引专利数量、总施引频次、高施引专利数量处在绝对领先水平、但是其PCT专利数量水平相对较低．高通公司的施引专利数量、总施引频次、高施引专利数量紧随IBM公司之后，同时其PCT专利数量也相对较多．寒武纪科技股份有限公司的PCT专利数量排在第2位、权利要求数量排在第3位，但总施引频次、高施引频次专利处在低水平．谷歌和三星公司的专利数量相同，三星公司的总施引频次、权利要求数量、高施引频次专利数量略微领先于谷歌公司，但是谷歌的PCT专利数量排在第1位，远多于三星公司．Intel公司的总施引频次、权利要求数量、高施引频次专利数量、PCT专利数量处在中等水平．中国科学院、休斯研究实验室、SK海力士公司、Cognitive Scale公司的总施引频次、权利要求数量、高施引频次专利数量和PCT专利数量处在相对劣势．从总体上看：美国的机构创新研发水平、研发影响力领先于中国和韩国的机构，研究方向主要集中在T01-J，T01-S，T01-N，T01-E，T01-H，T01-M，W01-A和W04-W等；中国的机构研究方向集中在T01-J，T01-E，T01-N，T01-F，T01-D和L04-E；韩国机构研发方向集中在T01-J，T01-N，U14-A，T01-E，T01-S和T01-C等．10.13245/j.hust.220215.T003表3专利数量排名前10机构的专利申请情况机构名称国家专利总量总施引频次施引专利数量权利要求数量PCT专利数量高施引频次专利数量主要手工代码IBM公司美国4963 3042528 848973T01-J；T01-S；T01-N；T01-E；T01-H寒武纪科技股份有限公司中国12386382 256221T01-J；T01-E；T01-N；T01-F；T01-D高通公司美国1182 3311053 6371651T01-J；T01-S；T01-N；T01-E；T01-F谷歌公司美国108478561 4793115T01-J；T01-N；T01-E；T01-S；T01-M三星电子公司韩国108512631 795317T01-J；T01-N；U14-A；T01-E；T01-SIntel公司美国96405641 6971710T01-J；T01-N；T01-S；T01-H；T01-E中国科学院中国602673260544T01-J；T01-N；T01-E；T01-D；L04-E休斯研究实验室美国4726333825109T01-J；T01-S；T01-E；T01-N；W01-ASK海力士公司韩国42952578702T01-J；T01-E；T01-C；T01-N；U14-ACognitive Scale公司美国371412162805T01-J；T01-S；T01-N；W04-W；T01-H采用专利申请数量表征机构专利研发活动的活跃程度，平均施引频次、权利要求计数平均、PCT专利数量、高施引专利数量之和的平均值表征专利研发质量水平．采用专利组合分析方法，从专利活动和专利质量两个角度评估主要机构的研发综合创新能力．图5为主要机构研发综合创新能力，可以看出：IBM公司和高通公司在类脑智能技术领域中的专利活动和专利质量处在领先水平，属于研发引领者；谷歌、Intel、三星、寒武纪科技股份有限公司和休斯研究实验室的专利活动及专利质量相对较强，研发创新能力较强，属于研发突破者；中国科学院、SK海力士公司和Cognitive Scale公司专利活动和专利质量较低，处于研发劣势地位，属于研发潜在竞争者．10.13245/j.hust.220215.F005图5主要机构研发综合创新能力1—SK海力士公司；2—Cognitive Scale公司；3—中国科学院；4—三星电子公司；5—寒武纪科技股份有限公司；6—Intel公司；7—谷歌公司；8—休斯研究实验室；9—高通公司；10—IBM公司．3 研发内容分析文献题目中的主题词是对研发内容的高度概括和集中描述，可以用于确定某一学科领域的研究热点[13]．基于CiteSpace软件对德温特专利文献进行分析，用可视化的形式展现主题词聚类关系和主题词突现，得出研发热点和研究前沿．3.1　关键词聚类分析在CiteSpace中，设置参数为：时区分隔(time slicing)=(从2011到2021)(间隔为1 a)；主题词来源(term sources)为标题(title)，主题词类型(term type)勾选名词词组(noun phrases)；节点参数(node type)勾选主题词(term)；阈值(selection criteria)为g-index，k=25；选择最小生成树(minimum spanning tree)算法进行剪枝(pruning sliced network)；视图方式(visualization)选择静态聚类视图(cluster view-static)进行图谱绘制；待图谱稳定后点击聚类合成(all in one)，形成如图6所示的基于CiteSpace的类脑智能专利主题词聚类．10.13245/j.hust.220215.F006图6基于CiteSpace的类脑智能专利主题词聚类由图6可以看出：类脑智能主题词聚类为11个主题群，其中前5个主题群分别为以电子神经元(electronic neuron)、神经核(neural core)、突触权重(synaptic weight)、突触计算(synaptronic computation)为代表的脉冲神经网络主题群；以光子神经网络芯片(photonic neural network chip)、存储介质(storage medium)、神经处理装置(neural processing device)、忆阻器阵列(memristor array)为代表的神经网络器件主题群；以神经元电路(neuron circuit)、忆阻突触电路(memristive bridge synapse circuit)、突触阵列(synapse array)为代表的神经形态计算主题群；以神经网络处理器(neural network processor)、矩阵计算单元(matrix computation unit)、量化感知神经架构搜索(quantizationaware neural architecture search)为代表的神经网络计算主题群；以神经接口器件(neural interface device)、多电极阵列(multielectrode array)、突触前感觉输入(presynaptic sensory input)、突触连接(synaptic connection)为代表的神经接口主题群．梳理分析上述专利主题词聚类结果，可以得到类脑智能近年的研发热点包括神经形态模型、神经形态芯片、人造神经元和人工突触等．3.2　关键词突现分析研发前沿是一组凸显的动态概念和潜在的研发问题，研发前沿术语即出现频次快速增加的主题词[14]．CiteSpace的突现词分析(burst detection)方法可以对专利主题词进行统计，并检测短时间内快速增长的主题词．借助突现词的时间分布和动态变化性的特点可以较好地反映某领域的研发前沿[15]．本研究利用CiteSpace软件提供的词频增长算法，探测词频变化率高的主题词，考察突现词的历史出现频次分布并分析其趋势，确定类脑智能领域的研发前沿，结果见表4．10.13245/j.hust.220215.T004表4类脑智能专利研发突现词突现词起始年份终止年份突现值突现持续时间/年neural system201220143.753spiking neural network201220153.514synaptronic system201220143.122neural network circuit201320173.794synaptronic computation201420165.543artificial neuron201420155.512spiking neuron network201420154.282neuron model201420154.282electronic neuron201420173.064synapse circuit201420173.064artificial nervous system201520153.891operating artificial nervous system201520153.241mobile device201620184.563computer program product201820194.202processing data201920213.413storage medium202020216.092neural network computing system202020214.002control method202020213.532neural network computing device202020213.282Manufacturing method202020213.082表4显示类脑智能研发近十年突现值排名前20的主题词，包括脉冲神经网络(spiking neural network)、突触系统(synaptronic system)、神经网络电路(neural network circuit)、突触计算(synaptronic computation)、人工神经元(artificial neuron)、脉冲神经元网络(spiking neuron network)、神经元模型(neuron model)、电子神经元(electronic neuron)、突触电路(synapse circuit)、人工神经系统(artificial nervous system)、操作人工神经系统(operating artificial nervous system)、移动设备(mobile device)、计算机程序产品(computer program product)、处理数据(processing data)、存储介质(storage medium)、神经网络计算系统(neural network computing system)、控制方法(control method)、神经网络计算器件(neural network computing device)、制备方法(Manufacturing method)等．突现强度较大的主题词包括突触计算、人工神经元、脉冲神经元网络、神经元模型、移动设备、计算机程序产品、存储介质、神经网络计算系统，这些突现主题词反映了类脑智能领域近年的研发前沿．3.3　技术发展分析2010年以来，类脑智能逐步发展成为学术界、产业界角逐的新焦点，尤其是2018年，Gartner公司将类脑智能和神经形态硬件列为未来新兴技术之一．当前，类脑智能研发热点包括认知计算建模、人工神经网络、神经接口、神经形态器件和神经形态芯片等．a. 认知计算建模．认知体系结构研究是类脑认知计算模型研究的代表性方向之一，其中最具代表性的成果是思维的自适应控制认知体系[16]．近年来，生物认知中的记忆、推理和注意机制，逐步引入神经网络领域，成为新热点．2012年，加拿大滑铁卢大学研制SPAUN脑模拟器，将2.5×106个神经元模块化地分割为10余个脑区，实现了模拟笔迹、逻辑填空、工作记忆和视觉信息处理等能力．SPAUN采用简化的脉冲神经网络，通过脑区之间模块化的组织实现了特定认知功能的初步建模[17]．b. 人工神经网络．人工神经网络指利用处理单元(神经元)连接构造而成、能够对人脑组织结构和运行机制进行某种抽象、简化和模拟的复杂网络．它重点研究网络连接拓扑结构、神经元特征、学习规则等．目前，反传网络、感知器、自组织映射、Hopfield网络、波耳兹曼机和适应谐振理论等40种人工神经网络模型已被开发和应用，人脸识别[18]和语音增强[19]是其应用场景之一．深度神经网络、卷积神经网络和脉冲神经网络等新型神经网络是该领域当前的研发重点．c. 神经接口．神经接口技术是在神经系统与电子设备之间建立直接偶联的传感和通信通道，实现神经信号与电子信号之间的互译和传输技术，主要包括脑机接口、外周神经接口、侵入式神经接口和非侵入式神经接口．目前，脑机接口应用最为成熟．2019年6月，卡内基梅隆大学使用非侵入式脑机接口，开发出能用意念控制连续追踪电脑光标的机械臂．2021年3月，斯坦福大学基于机器学习和递归神经网络，开发出一种用于打字的侵入性脑机接口，能够让瘫痪病人的思维转换文字进行交流．2021年6月，马萨诸塞大学综合采用超低压忆阻器、能量收集器件和高灵敏压力传感器，研发出自供电和多传感器响应的柔性神经形态接口．d. 神经形态器件．针对模拟生物基本信息处理单元功能的目标所研发的器件统称为神经形态器件[20]，它是类脑智能芯片和系统的基本组成单元，可分为突触器件和神经元器件两大类．该领域重点研究能够高精度模拟生物突触和神经元信息处理功能的电子器件，包括忆阻器、磁隧道结构、相变存储器、CMOS晶体管、双电层晶体管等．其中，忆阻器是一种非易失性记忆元件，其状态/电阻可以通过施加足够强的电压脉冲而改变，是脉冲神经网络权重元件中最合适的候选器件，同时，忆阻器具有阻值连续可调、断电非易失、低功耗等特性，是模拟突触的最佳选择．e. 神经形态芯片．模拟生物神经元结构和生物感知认知方式而设计的芯片统称为神经形态芯片．神经形态芯片计算能力强、能耗低、体积小，是高性能计算发展的新阶段．目前，神经形态芯片已经步入工程化研制阶段，现已研发出类脑计算机雏形，如IBM公司基于Truenorth芯片开发的类脑计算机NS16e，欧盟专用于大脑模拟的数字神经形态芯片SpiNNaker2神经形态超级计算机、斯坦福大学基于人脑构造设计的全新芯片电路板Neurogrid芯片、高通公司开发的模拟神经元计算处理器Zeroth及清华大学研发的天机芯和忆阻器存算一体系统．4 颠覆性创新路径预测结合文献[21]的研究分析，可知类脑智能当前主流的研发路径主要包括3类，分别为路径①：基于注意力机制、卷积神经网络和长短记忆网络等脑功能启发模型．路径②：基于神经形态模型和神经形态芯片等神经形态计算．路径③：人造神经元、人工突触和忆阻器等人工大脑．对文献[22]相关方法进行改进，综合采用上述三种路径相关专利的知识关联性s、研发跨度z、研发影响力y、研发突破潜力t、市场吸引潜力v和市场竞争潜力q等指标，评价指标体系如表5所示．评估三种路径的颠覆性指数l，从而识别类脑智能领域中具有潜在颠覆性的研发路径，l的计算公式为10.13245/j.hust.220215.T005表5颠覆性创新路径的评价指标体系指标描述计算方法s研发路径的科学关联度越高，潜在颠覆性越高s=∑j=1Nipi,j/Ni，式中：pi,j为研发路径i第j件专利非专利引用文献数；Ni为研发路径i专利总数z研发路径的技术跨度越大，潜在颠覆性越高z=∑j=1Nidi,j/Ni，式中di,j为研发路径i第j件专利手工代码数量y研发路径的技术影响潜力越大，潜在颠覆性越高y=∑j=1Nihi,j/Ni，式中hi,j为研发路径i第j件专利综合影响力t研发路径的技术突破潜力越大，潜在颠覆性越高t=∑j=1Niri,j/Ni，式中ri,j为研发路径i第j件专利后向引用数v研发路径的市场吸引潜力越大，潜在颠覆性越高v=∑j=1Nici,j/Ni，式中ci,j为研发路径i第j件专利同族数q研发路径的市场竞争潜力越大，潜在颠覆性越高q=∑j=1Nibi,j/Ni，式中bi,j为研发路径i第j件专利权利要求数l=wss+wzz+wyy+wtt+wvv+wqq，(1)式中ws，wz，wy，wt，wv和wq分别为s，z，y，t，v和q指标的权重，可由类脑智能领域专利的非专利引用文献数f1、手工代码数量f2、专利综合影响力f3、专利后向引用数f4、专利同族数f5、专利权利要求数f6等指标综合计算．计算方法采用客观赋权法中的变异系数法，权重计算过程如下．a. 计算各指标fk (k=1,2,⋯,6)的平均值μk和标准差σk，即μk=1n∑j=1nfk,j；(2)σk=1n-1∑j=1n(fk,j-μk)，(3)式中：fk,j为fk的第j个样本取值；n为样本总数量．b. 计算各指标平变异系数Vk和权重wk，即：Vk=σk/μk; (4)wk=Vk/∑k=1mVk．(5)根据式(2)～(5)，各指标权重计算结果如表6所示．表7为各研发路径指标计算结果，根据式(1)计算各个研发路径潜在颠覆性指数值，结果分别为6.34，7.75和8.60．由结果可知：路径③的潜在颠覆性最大，有望成为类脑智能领域的颠覆性技术，在不断发展后将占领主流市场．我国应提前做好布局，加大路径③的研发力度，提升相应研发能力，力求引领类脑智能技术发展．10.13245/j.hust.220215.T006表6各指标权重计算结果参数f1f2f3f4f5f6μk5.155.275.438.522.6013.26σk17.644.408.7227.743.2511.78Vk3.430.831.603.261.250.89wk0.300.080.140.290.110.0810.13245/j.hust.220215.T007表7各研发路径指标计算结果研发路径szytvql①3.906.276.338.492.2213.426.34②7.824.306.658.812.6016.157.75③8.357.006.2411.203.7812.428.605 结论与建议基于德温特数据库有关类脑智能的专利文献数据，从总体态势、研发主体和研发内容分析等三个层面，构建了时间分布图谱、研发方向分布图谱、地理分布图谱、优势力量竞争能力图谱、主题词聚类图谱和突现词检测图谱，研究得出以下结论．a. 类脑智能的技术研发备受关注，国际类脑智能相关的专利文献量持续快速增长，正步入高速发展阶段．我国应在该领域加强战略引领，引导政产学研密切合作，深化协同创新，推动类脑智能领域体系化发展．b. 类脑智能技术布局主要集中在T01-J16(人工智能系统)、T01-N01(金融/商业、教育、信息、娱乐等应用)、T01-S03(软件产品)、T01-J10(视频和图像处理)、T01-J05(用于管理、商业或信息检索)、T01-N02(通信与控制)、T01-J04(用于函数综合/分析或方程求解)、T01-J07(工业过程控制)、T01-E01(排序、选择、合并或比较数据)等技术方向上．我国应借鉴其他先进国家布局经验，围绕上述热点和核心领域，扩大研发布局，提高技术竞争力．c. 美国、中国、韩国、日本和德国是类脑智能技术创新研发的主要国家．在国家层面上，美国是绝对的技术创新引领者．我国专利申请数量及质量相对较好，处在第二梯队，但创新研发的影响力偏低．我国应夯实与类脑智能相关的工艺、算法、硬件等研究，提升研发质量，扩大创新影响力．d. 在类脑智能领域，IBM公司和高通公司是技术引领者，谷歌、Intel、三星、寒武纪科技股份有限公司和休斯研究实验室是研发突破者，中国科学院、SK海力士公司和Cognitive Scale公司是研发潜在竞争者．我国相关研发机构研发实力和影响力有待进一步增强，应加大类脑智能人才培养力度和研发投入，给予该领域更多的政策和资金支持．e. 类脑智能的研发热点领域包括脉冲神经网络、神经形态电子器件、神经形态系统、神经网络计算和神经接口等．类脑智能的前沿领域包括突触计算、人工神经元、脉冲神经元网络、神经元模型、移动设备、计算机程序产品、存储介质和神经网络计算系统等．我国应努力把握上述研发热点和研发前沿，特别是以人造神经元、人工突触和忆阻器等为基础的人工大脑研发路径，围绕结构、器件和功能三个层面开展重点布局和超前部署，力争实现技术领跑．