2024년 엔비디아(NVIDIA)의 특허 출원 동향 분석

파인특허
September 30, 2024

엔비디아(NVIDIA)는 인공지능(AI), 그래픽 처리 장치(GPU), 자율주행, 데이터센터 등 다양한 분야에서 기술 혁신을 이끌고 있는 글로벌 기술 기업입니다. 특히, GPU 기술을 통해 게임, AI, 클라우드 컴퓨팅, 자율주행 차량 등 여러 산업 분야에서 중요한 역할을 하고 있습니다. 엔비디아의 특허 출원 분석을 통해, 엔비디아가 어떻게 기술 혁신을 주도하고 있는지 확인해보겠습니다.

엔비디아 특허 출원 데이터를 분석하기 위해 AP:(NVIDIA) 키워드를 키워트(keywert)를 사용하여 검색을 진행하였으며, 중복 제거를 통해 최종적으로 확인된 데이터는 다음과 같습니다.

이와 같은 검색 방법을 통해 2024년 9월30까지의 엔비디아의 글로벌 특허 출원 현황을 파악하였습니다.

1.NVIDA 의 연도별 출원 동향(~2024년)

1995년~1999년:

  • 미국(US)에서의 출원 건수가 가장 두드러지며, 특히 1999년에 28건으로 증가했습니다. 다른 나라에 비해 미국에서 집중적으로 특허가 출원되었습니다.
  • 일본(JP)은 1997년과 1999년에 각각 2건, 1건의 출원이 있었으며, 그 외의 국가들에서는 출원이 이루어지지 않았습니다.

2000년대 초반 (2000~2005년):

  • 미국(US)에서의 특허 출원은 계속해서 주요 국가로 남았으며, 매년 많은 수의 특허가 출원되었습니다. 2000년대 초반에도 일본(JP)에서 일부 출원이 있었으나, 수는 미국에 비해 매우 적었습니다.
  • 한국(KR)은 이 시기에 처음으로 출원이 이루어졌으며, 점차 출원 건수가 증가하는 추세를 보였습니다.

2010년대 초반:

  • 한국(KR)과 유럽(EP),중국(CN)에서도 특허 출원이 점차 활발해졌습니다. 특히 한국에서의 출원 건수는 눈에 띄게 증가하면서 NVIDIA의 특허 출원에서 중요한 비중을 차지하게 되었습니다.
  • 미국(US)은 여전히 특허 출원 건수가 가장 많았으나, 다른 국가들에서도 점차 비슷한 비중을 차지하게 되면서 글로벌 출원 전략이 강화된 것으로 보입니다.

2010년대 중반 이후:

  • 2010년대 중반부터 출원 건수가 급격히 증가했습니다. 이는 NVIDIA가 인공지능, 자율주행, 고성능 컴퓨팅 등 새로운 기술 분야로 확장하면서 관련 특허 출원을 활발히 진행한 시기로 보입니다.

2.NVIDA 국가별 출원 비율

 NVIDIA의 국가별 특허 출원 비율을 나타내며, 국가별 출원 건수는 다음과 같습니다:

  • 미국(US): 6,807건 (가장 큰 비중)
  • 중국(CN): 1,696건
  • 국제(WO): 552건
  • 한국(KR): 233건
  • 일본(JP): 212건
  • 유럽(EP): 150건

미국이 전체 출원에서 가장 큰 비중을 차지하고 있으며, 중국과 국제 출원이 그 뒤를 따릅니다. 

3.  NVIDIA의 주요 IPC 출원 건수

1. G09G-005/00 (243건)

  • 디스플레이 기술, 특히 디스플레이 장치에서 신호 처리와 제어에 관련된 기술. 주로 컴퓨터 화면, 모니터, TV 등에 적용됩니다.
  • NVIDIA는 GPU(그래픽 처리 장치)를 개발하는 기업으로, 디스플레이 기술과 밀접한 관련이 있습니다. 특히 고성능 그래픽 카드가 다양한 디스플레이 장치와 호환되도록 하는 기술을 많이 연구하고 있습니다. GPU에서 생성된 데이터를 고해상도 디스플레이에 최적화하는 것이 중요한 기술 동향입니다.

2. G06T-015/00 (235건)

  • 디지털 이미지 처리 및 분석에 관한 기술. 이미지와 비디오의 처리, 인식, 분석 등을 포함합니다.
  • NVIDIA는 컴퓨터 비전 및 AI 기반 이미지 처리에 큰 역할을 하고 있습니다. 자율주행, 의료 영상 분석, 실시간 비디오 스트리밍 등의 분야에서 이미지 처리 기술이 핵심이며, 이를 위한 고성능 GPU가 필수적입니다.

3. G06T-001/20 (223건)

  • 3D 그래픽 및 컴퓨터 그래픽스 관련 기술. 3D 이미지의 생성 및 처리 기술을 포함합니다.
  • NVIDIA는 3D 그래픽 기술의 선두주자로, 게임, 영화, 가상현실(VR), 증강현실(AR) 등의 분야에서 핵심적인 역할을 하고 있습니다. 특히, 3D 렌더링과 관련된 GPU 성능 향상 기술에 많은 특허가 출원되었습니다.

4. G06N-003/08 (195건)

  • 인공 신경망(Artificial Neural Networks) 및 머신러닝에 관련된 기술. 신경망을 통해 데이터 처리 및 분석을 수행하는 방법입니다.
  • NVIDIA는 AI와 딥러닝 기술에서 중요한 역할을 담당하고 있습니다. 특히 GPU는 신경망을 학습하고 실행하는 데 필요한 병렬 연산을 지원하며, 이 분야에서 다수의 특허가 출원되고 있습니다. 자율주행차, 로봇공학, 자연어 처리 등 다양한 AI 응용 분야에서 사용됩니다.

5. H05K-007/20 (193건)

  • 전자 장치의 열 관리 기술. 전자 장치에서 발생하는 열을 관리하고, 냉각하는 방법에 대한 기술입니다.
  • 고성능 GPU는 많은 전력을 소모하고 이에 따른 발열이 발생하므로, 효율적인 냉각 시스템은 필수입니다. NVIDIA는 GPU의 성능을 유지하면서도 발열을 효과적으로 관리하기 위한 특허를 지속적으로 출원하고 있습니다.

6. G06F-012/00 (178건)

  • 데이터 저장 장치와 관련된 기술. 메모리 관리, 데이터 저장 및 검색 등의 기술을 포함합니다.
  • 고속 데이터 처리와 저장은 GPU뿐 아니라 데이터센터와 클라우드 컴퓨팅에서도 매우 중요합니다. NVIDIA는 이러한 기술을 통해 딥러닝 및 고성능 컴퓨팅(HPC) 분야에서 필요한 대규모 데이터 처리 및 저장을 최적화하고 있습니다.

7. G06T-015/06 (177건)

  • 이미지의 재구성 및 개선 기술. 특히, 이미지의 품질을 높이기 위한 필터링 및 변형 기술과 관련 있습니다.
  • NVIDIA는 실시간 이미지 개선 및 품질 향상을 위한 GPU 기술을 개발하고 있습니다. 게임 및 영화 산업뿐 아니라, 자율주행차와 같은 분야에서도 이미지 품질 개선은 매우 중요합니다.

8. G06F-015/16 (139건)

  • 사용자 인터페이스(UI) 기술. 특히, 화면을 통해 정보를 입력하거나 디스플레이하는 방법과 관련된 기술입니다.
  • NVIDIA는 고해상도 디스플레이 장치에서의 사용자 경험을 개선하기 위한 다양한 기술을 연구합니다. 가상현실(VR)과 증강현실(AR) 환경에서의 인터페이스 기술이 그 예입니다.

9. G06F-009/50 (130건)

  • 컴퓨팅 시스템 내에서 작업을 관리하고 스케줄링하는 기술. 주로 다중 작업 처리와 관련이 있습니다.
  • NVIDIA는 멀티태스킹을 효과적으로 수행하는 GPU 아키텍처를 개발하고 있으며, 특히 병렬 처리 성능을 극대화하기 위한 작업 스케줄링 기술이 중요합니다. 이는 딥러닝과 AI 모델 학습에 필수적인 기술입니다.

10. G06N-003/04 (120건)

  • 신경망 학습 방법과 관련된 기술. 특히, 학습 알고리즘 및 데이터 처리 방법에 관한 기술입니다.
  • NVIDIA는 딥러닝 및 AI 연구에서 신경망 학습을 위한 하드웨어 및 소프트웨어 솔루션을 개발하고 있습니다. 특히, GPU 기반 학습 방법을 통해 더 빠른 신경망 훈련을 가능하게 하고, 관련 기술 특허를 지속적으로 출원하고 있습니다.

NVIDIA는 그래픽 처리, AI, 머신러닝, 데이터 처리, 사용자 인터페이스 등의 다양한 분야에서 기술 리더로 자리 잡고 있으며, 이러한 핵심 기술들이 출원된 특허에 반영되어 있습니다. 특히, GPU 성능 향상과 AI 및 3D 그래픽 기술의 발전에 많은 공을 들이고 있음을 알 수 있습니다.

4. 최근 3년 동안 NVIDIA의 주요 IPC 출원 건수

1. G06T-015/06 (76건):

  • 이미지의 품질을 개선하거나 변형하는 기술로, 주로 필터링 및 재구성과 관련 있습니다.
  • NVIDIA 동향: NVIDIA는 그래픽스와 이미지 처리에서 세계적인 리더로, 특히 게임, 영화, 가상현실(VR) 등의 분야에서 고해상도 이미지 및 실시간 그래픽 처리 기술을 발전시키고 있습니다. 이 기술은 AI 기반 이미지 보정 및 자율주행 자동차의 비전 시스템에도 응용될 수 있습니다.

2. H05K-007/20 (72건):

  • 전자 장치의 열 관리 기술, 즉 발열을 줄이거나 효율적으로 냉각하는 기술입니다.
  • NVIDIA 동향: 고성능 GPU는 많은 전력을 소모하면서 동시에 상당한 열을 발생시킵니다. 이러한 발열을 관리하는 기술은 NVIDIA의 고성능 컴퓨팅 장치에서 매우 중요합니다. 특히 데이터센터와 같은 대규모 컴퓨팅 환경에서 발열 문제를 해결하기 위한 기술에 대한 연구가 활발히 이루어지고 있습니다.

3. G06F-009/50 (69건):

  • 컴퓨팅 시스템에서 작업 스케줄링과 관리 기술로, 여러 작업을 동시에 처리하는 기술입니다.
  • NVIDIA 동향: 병렬 처리가 가능한 GPU는 여러 작업을 동시에 효율적으로 처리하는 데 강점을 갖고 있습니다. 이 기술은 특히 인공지능(AI)과 딥러닝 모델의 학습 및 추론 과정에서 필수적이며, 고성능 컴퓨팅 시스템에서 중요한 역할을 합니다.

4. G06F-009/54 (68건):

  • 컴퓨터 시스템 내에서의 제어 및 데이터 흐름 관리, 특히 고성능 시스템에서 작업의 순서를 효율적으로 처리하는 기술입니다.
  • NVIDIA 동향: NVIDIA는 병렬 프로세싱과 관련된 기술을 계속 발전시키고 있습니다. 특히, 이 기술은 고성능 데이터센터 및 인공지능 연산 작업에서 중요한 역할을 하며, 효율적인 작업 흐름을 제공하여 성능을 극대화합니다.

5. G06N-003/08 (58건):

  • 인공 신경망(ANN)을 이용한 데이터 처리와 학습 방법에 관한 기술입니다.
  • NVIDIA 동향: NVIDIA는 딥러닝과 AI 기술의 핵심 주자로 자리 잡고 있습니다. GPU는 대규모 신경망을 학습시키는 데 필수적이며, 자율주행, 의료, 자연어 처리와 같은 다양한 분야에서 이러한 기술을 활용하고 있습니다. 특히, 인공지능 연구를 위한 GPU 기반의 하드웨어와 소프트웨어 솔루션 개발에 집중하고 있습니다.

최근 3년간 NVIDIA는 그래픽 처리, 인공지능, 신경망 학습, 병렬 연산과 관련된 핵심 기술에 중점을 두고 특허를 출원하고 있습니다. 특히, 고성능 컴퓨팅과 열 관리, 이미지 처리, AI 기반 신경망 기술은 NVIDIA의 미래 기술 전략에 큰 비중을 차지하고 있으며, 다양한 산업 분야에서 이 기술들을 적용하려는 노력이 엿보입니다.

5. LDA 잠재 디리클레 할당(Latent Dirichlet Allocation, LDA) 토픽 분류

import pandas as pd
from sklearn.feature_extraction.text import CountVectorizer
from sklearn.decomposition import LatentDirichletAllocation
from nltk.tokenize import RegexpTokenizer
from nltk.corpus import stopwords
import matplotlib.pyplot as plt
import numpy as np
import nltk


# NLTK 불용어 다운로드
nltk.download('stopwords')


# 특허 문헌에서 자주 사용되는 불용어 세트 정의
patent_stopwords = set([
    'method', 'apparatus', 'system', 'device', 'means', 'include', 'comprising', 'claim', 'wherein',
    'invention', 'embodiment', 'embodiments', 'described', 'present', 'application', 'may', 'can',
    'one', 'said', 'use', 'used', 'step', 'steps', 'provide', 'providing', 'example', 'plurality',
    'first', 'second', 'third', 'according', 'thereof', 'therein'
])


# 불용어 세트 (일반 영어 불용어 + 특허 관련 불용어)
stop_words = set(stopwords.words('english')).union(patent_stopwords)


# 텍스트 전처리 함수 정의
tokenizer = RegexpTokenizer(r'\w+')


def preprocess(text):
    tokens = tokenizer.tokenize(text.lower())  # 소문자로 변환 후 토큰화
    filtered_tokens = [word for word in tokens if word not in stop_words and len(word) > 2]  # 불용어 및 짧은 단어 제거
    return ' '.join(filtered_tokens)


# 데이터 로드
file_path = 'nvidia_en.xlsx'
data = pd.read_excel(file_path)


# 발명의 명칭과 요약을 결합한 텍스트 칼럼 생성
data['combined_text'] = data['발명의 명칭'].astype(str) + ' ' + data['요약'].astype(str)


# 텍스트 전처리
data['processed_text'] = data['combined_text'].apply(preprocess)


# 벡터화 (CountVectorizer 사용)
vectorizer = CountVectorizer(max_df=0.95, min_df=2, stop_words='english')
text_vectorized = vectorizer.fit_transform(data['processed_text'])


# 다양한 토픽 개수에 대해 LDA 모델을 학습하고 perplexity 값 계산
perplexities = []
topic_range = range(2, 21)  # 2~20개의 토픽 시도


for num_topics in topic_range:
    lda = LatentDirichletAllocation(n_components=num_topics, random_state=42)
    lda.fit(text_vectorized)
    perplexities.append(lda.perplexity(text_vectorized))  # perplexity 저장


# 토픽 개수에 따른 perplexity 그래프 그리기
plt.figure(figsize=(10, 5))
plt.plot(topic_range, perplexities, marker='o')
plt.xlabel("Number of Topics")
plt.ylabel("Perplexity")
plt.title("Perplexity by Number of Topics")
plt.show()


# 최적의 토픽 개수 선택
optimal_num_topics = topic_range[perplexities.index(min(perplexities))]
print(f"Optimal number of topics: {optimal_num_topics}")


# 최적의 토픽 수로 LDA 모델 학습
lda_final = LatentDirichletAllocation(n_components=optimal_num_topics, random_state=42)
document_topics = lda_final.fit_transform(text_vectorized)


# 상위 단어 출력 함수 정의
def display_topics(model, feature_names, no_top_words):
    for topic_idx, topic in enumerate(model.components_):
        print(f"Topic {topic_idx+1}:")
        print(" ".join([feature_names[i] for i in topic.argsort()[:-no_top_words - 1:-1]]))


# 최종 토픽 모델의 상위 10개 단어 출력
no_top_words = 10
tf_feature_names = vectorizer.get_feature_names_out()
display_topics(lda_final, tf_feature_names, no_top_words)


# 각 문서가 가장 많이 할당된 토픽을 계산 (가장 높은 확률의 토픽)
dominant_topic_per_doc = np.argmax(document_topics, axis=1)


# 토픽별 문서 개수 계산
topic_counts = np.bincount(dominant_topic_per_doc, minlength=optimal_num_topics)


print("\nTopic Counts (Number of documents assigned to each topic):")
for i, count in enumerate(topic_counts):
    print(f"Topic {i+1}: {count} documents")

위의 토픽 분류 알고리즘을 통한 토픽별 출원 건수는 다음과 같습니다.

엔비디아의 토픽별 출원 건수 데이터를 바탕으로 설명드리겠습니다.

  1. 인공지능 및 신경망 (1,010건): 가장 많은 출원 건수를 기록한 분야입니다. 엔비디아는 딥러닝과 인공지능 분야에서 활발한 활동을 하고 있으며, GPU가 AI 및 머신러닝 작업에서 중요한 역할을 하고 있어 높은 출원 건수를 보이고 있습니다.
  2. 그래픽 처리 장치(GPU) 및 병렬 처리 (850건): 엔비디아는 GPU 개발의 선두주자이기 때문에 이 분야에서도 매우 많은 출원 건수를 기록하고 있습니다. GPU는 병렬 처리가 중요한 역할을 하며, 그래픽뿐 아니라 여러 데이터 처리 작업에서 필수적인 장치입니다.
  3. 그래픽스 및 텍스처 처리 (768건): 엔비디아는 그래픽 카드 제조사로 잘 알려져 있어, 그래픽스 처리 기술과 관련된 출원이 많습니다. 특히, 텍스처 및 렌더링과 같은 그래픽 품질 향상 기술이 엔비디아의 주요 기술 중 하나입니다.
  4. 메모리 관리 및 가상 메모리 (620건): 메모리 관리 기술은 고성능 GPU 및 데이터 처리를 최적화하기 위한 중요한 요소입니다. 이 기술은 그래픽 처리 속도와 성능을 높이기 위해 필수적입니다.
  5. 그래픽스 프로그래밍 및 하드웨어 (500건): 그래픽 프로그래밍 및 하드웨어 관련 기술은 GPU와 밀접한 관련이 있으며, 엔비디아의 그래픽 카드와 프로그래밍 인터페이스 관련 기술들이 이 범주에 포함됩니다.

기타 분야는 각각 약 200~400건 정도의 출원 건수를 보이고 있으며, 이는 엔비디아가 다양한 하드웨어 및 소프트웨어 기술을 광범위하게 개발하고 있음을 보여줍니다.

6. 결론

엔비디아의 특허 출원 데이터를 분석한 결과, 이 회사는 그래픽 처리 장치(GPU), 인공지능(AI), 병렬 처리 기술 등 다양한 첨단 기술 분야에서 꾸준히 혁신을 이어가고 있음을 확인할 수 있습니다. 특히, 엔비디아는 GPU 기술을 중심으로 인공지능, 자율주행, 데이터센터 등 여러 산업 분야에서 중추적인 역할을 하고 있으며, 이는 특허 출원 수와 범위에서도 명확히 드러납니다. 최근 3년간의 데이터에서는 AI와 이미지 처리, 병렬 연산 기술이 주요 연구 영역임을 알 수 있었으며, 글로벌 시장에서의 입지를 확대하기 위한 다양한 특허 전략이 뒷받침되고 있음을 볼 수 있었습니다. 이러한 기술적 리더십은 엔비디아가 향후 다양한 산업에서 혁신을 주도하고, 기술 발전에 중요한 역할을 할 것임을 시사합니다.