川海智库

报告概述

本报告利用美国专利商标局的AI专利数据和Lerner等人(2024)的金融创新者数据集，实证研究了2000-2020年间银行、非银行金融机构(NBFI)以及非金融公司三类市场参与者的AI专利率（AI专利数/公司数）和专利集中度（赫芬达尔指数和基尼系数）的历史演变。报告旨在揭示不同监管环境下金融创新者的AI创新差异，并探讨其对金融监管边界和系统性风险的潜在影响。研究通过回归分析控制企业类型、时间趋势以及专利主题和发明人地理分布等因素，为理解金融领域AI创新的格局变化提供定量证据。

报告的核心结论

非金融公司AI专利基线最高，但银行增长最快

2000-2020年间，非金融公司的AI专利率基线比银行高出约2.7倍，但银行的AI专利率增长最快，年均增速领先非金融公司约13个百分点，表明银行正在加速追赶，反映了对非金融公司竞争压力的内部响应。

银行AI专利集中度最高，非金融公司不平等性最高

银行的赫芬达尔指数(HHI)显著高于其他类型，显示少数大型银行主导了AI专利活动；而非金融公司的基尼系数最高（比银行高约97%），表明AI专利在众多非金融公司中的分布极不均衡，大部分专利集中在少数企业手中。

AI专利集中度整体呈上升趋势

所有类型金融创新者的基尼系数均随时间增加，表明AI专利拥有权的不平等在加剧。这可能导致大型银行与小型银行之间的技术鸿沟扩大，同时限制第三方AI服务提供商的多样性，增加金融体系的潜在系统性风险。

银行在金融相关和规划控制AI专利上更专注

相比NBFI和非金融公司，银行在金融相关（如支付、银行业务）和规划控制（如业务流程管理）AI专利上具有更高的专利率，反映其创新战略更贴近核心业务和运营效率提升。

报告回答的关键问题

银行在AI创新竞赛中处于什么位置？

银行虽然AI专利基数低于非金融公司，但增速最快，2000-2020年间AI专利率年均增长显著。这表示银行正积极通过内部创新应对外部科技公司的竞争压力，尤其在金融应用和业务管理领域的AI专利布局更为集中。

非金融公司如何影响金融领域的AI创新？

非金融公司（尤其是IT公司）拥有最高的AI专利基线率，是金融领域外部竞争压力的主要来源。它们通过提供第三方AI服务和技术，对银行形成“由外向内”的压力，但同时也因高度集中的AI专利分布（基尼系数高）引发服务商集中风险和系统性担忧。

AI专利集中在金融领域意味着什么？

高集中度暗示大型银行和少数非金融公司在AI创新上占据主导，可能加剧金融体系内的技术壁垒和系统性风险。大型银行的AI优势可能巩固其系统重要性，而小型银行依赖少数第三方供应商，增加了运营脆弱性。

非银行金融机构（NBFI）的AI创新表现如何？

NBFI的AI专利基线率与银行无显著差异，且增速介于银行和非金融公司之间。部分大型资产管理和对冲基金未出现在数据集中，可能因选择商业秘密而非专利保护其AI创新，导致其创新活动被低估。

报告中的代表性数据

2.7倍

非金融公司相对银行的AI专利率基线倍数

2000-2020，根据回归分析，非金融公司的AI专利率基线（对数）比银行高约1.31，换算为倍数约2.7倍，表明非金融公司初始AI专利活动远强于银行。

13个百分点

银行AI专利率年均增速领先非金融公司幅度

2000-2020，年交互项系数显示，非金融公司增速比银行慢0.12（对数尺度），换算为百分比约13个百分点，说明银行增速最快。

97%

非金融公司AI专利基尼系数相对银行的比例

2000-2020，基尼系数回归中，非金融公司的截距项比银行高0.30，相对提升约97%，表明非金融公司内部AI专利分配极度不均。

以上数据根据报告摘要整理，具体统计口径和数值请以完整报告原文为准。

完整报告包含什么

  • 完整的数据描述与图表：包括AI专利数量、公司数量、专利率、专利比率的年度趋势图，以及按子类型（如多元化银行、区域银行、IT公司等）的细分数据。
  • 详细的回归分析结果：涵盖基线模型、主题模型（金融相关、规划控制）和地理模型（多区域发明人团队）的系数表，揭示各因素对专利率和集中度的影响。
  • 稳健性检验：包括聚类标准误、排除大型综合金融公司等敏感性分析，验证结论的可靠性。
  • 边缘效应分析：基于AI专利数量（而非专利率）的年度增长率比较，进一步支持银行增速最快的结论。
  • AI专利比率的时间段差异：展示了2000-2004、2005-2009、2010-2014、2015-2020各时期银行、NBFI、非金融公司的平均AI专利占比及其显著性检验。
  • AI组件技术的专利率分解：按机器学习、自然语言处理、计算机视觉、AI硬件等8个组件技术，展示不同公司类型的专利率分布。
  • 发明人地理分布分析：按美国四大区域和外国、多区域团队，对比不同公司类型的地理创新特征。
  • 金融类AI专利的子类别分解：涵盖支付、银行、信贷、保险、交易、资产管理等领域的专利率，细化创新重点。
  • 突破性专利和显着性专利的占比分析：利用Kelly et al.(2021)和Arts et al.(2021)定义的指标，评估各类型公司AI专利的质量影响。
  • 讨论与政策意义：结合监管边界框架和系统性风险文献，深入分析AI专利集中对金融稳定、竞争格局和第三方风险的启示。

本页内容由川海智库整理，用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限，部分观点、数据、统计口径或表述可能存在偏差，具体内容请以完整报告原文为准。

相关报告