DIKWP专利与LLM侵权调查(1).pdf

DIKWP专利与DeepSeek等大模型技术对

比分析报告

1.DIKWP专利技术解析

DIKWP模型概述：DIKWP是“数据-信息-知识-智慧-意图”的缩写，代表一种分层

语义处理框架，由段玉聪教授团队提出。(潜在专利侵权：GPT–科研杂谈)(段

玉聪-计算机科学与技术学院)这个模型将AI认知过程划分为五个层次：数据

(Data)、信息(Information)、知识(Knowledge)、智慧(Wisdom)和意图

(Purpose/Intention)。通过这五层的逐级处理，DIKWP试图模拟人类从感知数据

到形成智慧决策、再到意图驱动行为的全过程(潜在专利侵权：GPT–科研杂谈)。

该框架被用于构建“人工意识系统”，即将大模型(LLM)视作潜意识层，用DIKWP

作为显式意识层，从而实现更高层次的人工意识(潜在专利侵权：GPT–科研杂

谈)。例如，段玉聪教授提出“人工意识系统=潜意识系统（LLM）+意识系统

（DIKWP）”，将大规模语言模型的模式生成能力与DIKWP的目的驱动推理相结

合((PDF)《DIKWP人工意识已授权发明专利综合商业报告（段玉聪）》)。

**核心专利技术：**围绕DIKWP模型，团队在语义通信、智能决策、

人工意识等方向布局了大量发明专利（据介绍已授权国内外发明专

利77件以上(段玉聪-计算机科学与技术学院)）。这些专利的权利

要求书涵盖了一系列关键技术创新点，包括但不限于：

分层语义转换：在同一语义空间内进行多层次的语义信息转换，将原始数据转

化为有意义的信息，再提炼为可操作知识，以提升AI的理解和推理能力(潜在

专利侵权：GPT–科研杂谈)。换言之，DIKWP专利保护了在数据、信息、知识

之间进行相互转换处理的方法。(潜在专利侵权：GPT–科研杂谈)这种分层处理

确保每一层语义都被充分利用和关联，有助于AI更深刻地理解上下文和语义意

义。

“三无”数据处理机制：针对不完整、不一致、不精确的输入数据进行处理的机制

(潜在专利侵权：GPT–科研杂谈)。DIKWP强调当数据存在缺失、冲突或模糊时，

系统依然能够通过推理补全、冲突消解和模糊修正来保持高可靠性(潜在专利侵

权：GPT–科研杂谈)。例如，专利中提出通过多源信息推断缺失值、利用上下

文解决矛盾、减少歧义等方法，提高不完美数据下AI决策的准确度(潜在专利

侵权：GPT–科研杂谈)(潜在专利侵权：GPT–科研杂谈)。这种“三无问题”处理

框架在现实场景（如用户画像不完整、电商推荐数据缺失等）下保证了系统稳健

性。

知识验证模块：利用内部知识库或知识图谱对AI产生的中间结果和结论进行验

证和纠错(潜在专利侵权：GPT–科研杂谈)。DIKWP相关专利提出了一种显式

的知识库验证机制，在AI推理过程中对信息进行真实性、一致性检查(潜在专

利侵权：GPT–科研杂谈)。这意味着系统可以识别并更正数据中的错误，避免

错误信息向后传播。例如，系统在回答问题或决策前，会调用已存的知识图谱来

核对事实，从而提高输出结果的可信度(潜在专利侵权：GPT–科研杂谈)。

跨模态融合：整合多模态数据（如文本、图像、音频、传感器数据等）的能力，

将不同来源的信息融合为连贯的洞见(潜在专利侵权：GPT–科研杂谈)。DIKWP

专利保护了跨DIKW模态的数据传输与处理方法(段玉聪-计算机科学与技术学

院)。具体而言，系统可以在一个统一的语义空间中处理来自不同模态的内容，

并利用知识层进行关联，以提炼综合结论。例如，有专利提出“意图计算导向的

跨DIKW模态传输与优化系统”，通过分析传输内容并调用DIKW图谱来识别发送

方意图，再根据接收方和系统意图优化多模态信息传输(CN114039865B-意图

计算导向的跨dikw模态传输与优化系统)。这实际上是一种语义通信机制，确保

通信过程中传递的是有用的语义信息，而非冗余数据。

显式意图驱动：围绕明确的目的/意图来驱动AI的各步骤处理，使最终输出与预

定目标对齐(潜在专利侵权：GPT–科研杂谈)。DIKWP框架在最高层次引入了“意

图”元素，许多专利标题中也包含“意图驱动”或“面向意图计算”字样(段玉聪-计

算机科学与技术学院)(段玉聪-计算机科学与技术学院)。这一思想是将用户或系

统的目标作为独立输入，指导数据收集、信息提取、知识推理和智慧决策各环节。

例