AI半導体関連技術者の流動を特許情報から見る

近年のAIの発展は目覚ましく、そのAIが行う膨大な演算や処理を高速かつ省電力で行うために不可欠な、AI半導体技術は日々話題に欠くことがありません。

そのAI半導体業界では、最大手のエヌビディアが、中国市場向けの半導体生産を停止したと報じられたり、中国側では自立に向けて国家主導を訴える動きを見せたり、米国内でもエヌビディアに対抗する企業が活発化するなど、様々な動きがあります。

特許情報には発明者の情報があり、各発明者の足跡を追えれば、各社がどのような人材を保有し、獲得あるいは流出させているのかを把握することができます。

従来からそのような着想はあり、当方もかつて、サムスンが獲得していった人材について分析した記事を執筆したことがあります（日本人技術者流出の実態 最大の転職先はサムスン 日経ビジネス2013.7.8）。

この記事を書いた時は、サムスンとその子会社の日本出願すべてを対象に、目視で日本人と思われる発明者を抽出し、その一人ひとりについて特許情報で再検索し、出願時期や特許分類から、同姓同名の別人のケースを除きながら分析するというアプローチで臨みました。まさにお一人お一人の足跡を追う形となり、当時は日中に営業職をしながら、業後に300時間以上掛けて書き、とてつもなく重い作業だったと記憶しています。

ですが、昨今のAIの発展に伴い、当方のようなシステムに疎い人間でもやりたい仕様さえ明確にあれば、独自のアプリを作成することが可能な時代となりました。

そこで、13年前に書いた発明者分析に近いことを、独自システムを作ることで、以前よりも簡易的にできないかと思いチャレンジしたのが今回のnote記事です。

ただ、サムスンの時のように、すべての特許情報で発明者名を再検索するとなると、依然膨大な工数が掛かるので、特定の分野、同一母集団内で人材がどう流動したのか、というアプローチで分析することとしています。

今回は、AIチップのUS特許を母集団としています。そのため、発明者のデータは、日本と違い、場合によってミドルネームの記載があったり、なかったり、イニシャルだけ入っていたりという厄介な仕様になっていて、その点もシステム的な処理でクリアできるように工夫しました。また、共同出願の場合、どちらの出願人に所属している発明者なのか判然としないのですが、ここも、前後の出願を参照させて、どちらに所属しているのか推測できるようにし、可能な限り、実態に近い結果が出るように工夫したアプリとしました。

その結果、母集団のデータさえ持っておけば、今回の記事で掲載した発明者流動ネットワークのマップは本当にすぐ、パッと出せるようになりました。もちろん、今回の場合は、システムを作りながらだったので、試行錯誤はありましたが、今後は気軽に、このような分析が出来るようになり、300時間掛かっていたかつてがウソのようです（もちろん、分析のアプローチに違いはありますが）。

これからの時代は、このように、図解させるところまでの省力化がますます進み、そこからどのような情報を読み取り、どのような打ち手を提案できるのか、という点が人間の担う重要な役割として認識されていくように思います。また、翻って、どのように図解させるのかについても、単に「導入しているシステムがこういう機能しかないから」ということでなく、自分の考える分析ロジックに沿ったシステムを自作するのが当たり前の時代になっていくのではないかと感じる昨今です。