基于专利转让的“双一流”大学知识转化能力研究*

李志鹏 谢祥 肖尤丹

（1. 北京交通大学经济管理学院，北京 100044；2. 中国科学院科技战略咨询研究院，北京 100190；3. 中国科学院大学公共政策与管理学院，北京 100049）

为促进自主创新，加强技术流动和知识转移，建立良好的技术转移机制，中国科学技术部、教育部、中国科学院在2007年9月联合发布了《国家技术转移促进行动实施方案》，促进知识成果的转化，建立产学研结合的技术创新体系。由此看来，进行知识成果转化能力的研究既可为政府提供技术转移方面的依据，也能为国家的技术转移体系建言献策。关于高校专利转移的渠道较多涉及专利许可、转让、出版物等方式，目前已有研究多集中在专利许可上。由此，本研究通过对“双一流”高校专利转让数据的分析，以期为国家提供关于“双一流”高校专利转让方面的建议，进而更好地促进国家的知识成果转化体系发展。

高校科研人员众多，研究资源丰富，科技成果相对丰硕。在国家科技创新战略中，高校的科技成果也必然是其核心支撑。目前，全国的重大科技成果约有1/3来自高校，若能将高校的科技成果都转化，那么必然会进一步提升中国的科技创新能力和竞争力。但由于种种原因，高校的科技成果并不能最大化地发挥其应有价值。各高校的成果保护意识逐渐加强，每年都会申请很多专利，但大多数专利只是停留在知识存储阶段，只有少部分会进行许可或转让等，通过成果转化更好地发挥其作用，更好地支持知识创新。

本文的研究目的主要有两个方面：一是通过对中国“双一流”高校的专利转让网络研究，找出其规律及特征；二是研究“双一流”高校专利转让在空间、层次上的分布，揭示目前高校成果转化存在的问题，并提出相关政策建议，为中国的成果转化及资源有效配置提供更科学合理的依据。

1 文献综述

通过梳理国内外有关专利转移的相关研究，发现目前的研究方法主要是借鉴美国研究使用专利许可数据来表征大学技术转移状况，基于完整专利转让数据的研究尚属空白。

Graf等[1]从产学研角度出发，认为在区域专利合作网络中，研究机构与高校是重要的角色，如果研究机构与各大学的比值越大，那么创新网络密度就会越高；Rao等[2]研究政府对中国大学-企业专利技术转让活动所起到的作用，揭示了在中国三重螺旋模式下政府促进专利技术转让活动的主导地位，同时为政府、行业和大学的决策者提供相关方面的参考；叶静怡等[3]对中美两国技术转移效率进行研究，发现中国在专利申请和授权数量方面超过美国，但在专利转让方面低于美国，提出引起这种差距的原因可能是科研经费投入、技术转移、人力资源投入和激励政策等；王健[4]对中国高校专利转让数量和变化率进行分析，研究3种不同形态的转让，提出高校专利转移力的主流是专利权转移、申请权转移能力与专利许可转移能力，还需要加大提升力度。

在专利合作网络方面，罗立国等[5]通过对专利许可网络的分析来评价“985”高校在专利方面的流动能力，构建专利的发明授权率-许可率二维矩阵，并研究这些高校的整体和个体知识流动网络；徐庆富等[6]提到相对于其他专利技术流动形式的测度指标，专利转让是一种更强的技术流动，因此专利的转让数据可以更好地作为技术转移成果转化的指标；王元地等[7]基于专利许可数据研究专利许可的网络空间结构，得出中国专利许可地域特征为“东强西弱”，以及各个地方专利许可分布不均衡现象，随着时间推进，这种不均衡现象逐渐减弱；温芳芳[8]通过对2012年国家专利许可数据进行计量分析，发现大部分高校的专利许可参与程度不高，现在专利成果转移还处于初级阶段，因此有待优化技术转移模式，特别是注重产学研方面的合作交流；刘凤朝等[9]认为高校产学研专利合作网络演化有明显的阶段特征；Norman等[10]指出“技术转让”是创新从基础研究平台流向商业实体再到公共使用的过程；Grossman等[11]在专利和标准化策略方面进行理论描述；Drivas等[12]发现专利发明的资金来源对学术专利获得许可的倾向没有任何影响；Ji等[13]通过专利引用分析来识别潜在的技术用户；Tang等[14]发现跨区域的技术转让对缩小地区技术差距和实现协同创新具有重要意义。高校技术转移受到政策、经济、科研人员、产业、技术等影响[15-18]，搭建全国统一服务平台弥补薄弱环节[19]，推动全国技术转移的一体化建设[20]，对提升技术转移效率具有重要意义。

2 数据来源与研究方法

需要注意的是，大多数基于美国专利数据的研究广泛使用专利许可数据作为研究样本，是基于美国《拜杜法》202（c）第7项明确规定，即“获得联邦资助的大学不得未经联邦机构允许而转让专利”，由此专利许可是美国大学最主要的技术转移方式。但是，中国无论是《促进科技成果转化法》还是《专利法》均未限制大学转移技术的方式，甚至在2007年修订后的《科技进步法》第20条明确将财政资助形成的知识产权授权给项目承担者。另外，从数据完整性的角度看，《专利法》第10条明确规定“所有专利转让都必须经过国家知识产权局登记，不登记不发生权利转让的法律效果”，而专利许可备案是遵循自愿原则，即当事人许可他人实施专利无须备案登记也产生法律效力。因此，中国的专利许可和专利转让在数据完整性和对技术转移活动描述的准确性上存在较大差异，专利转让数据更准确、完整和系统。

关于专利转让的所有公告可以在国家知识产权局官方网站及其公开出版的公报文件中查看，公告信息准确记载了专利转让中当事人、时间和内容的完整信息，这些信息为本文提供了详细完整的专利基础数据。本文涉及的专利转让数据来自国家知识产权局网站的中国专利公布公告。另外，《2016年高等学校科技统计资料汇编》记载了涉及中国高等学校科技创新活动的各类统计数据和信息，其中包括高校的科研投入情况、科研人员情况，以上这些数据为本文提供精确可靠的数据分析来源。

在研究方法上，本文采用社会网络分析法、空间分布分析法等，主要利用Gephi和Excel软件对数据进行矩阵处理，构建所有“双一流”高校和省/市/自治区的{m，n}矩阵数据，之后采用Force Atlas、Fruchterman-Reingold等方法对数据进行可视化网络分析。

3 “双一流”高校专利现状分析

近年来，我国知识产权保护意识和科技成果转化意识在逐渐加强，专利转让的搜索指数总体趋势逐年增加，在百度指数中以“专利转让”为关键刻画搜索指数，搜索结果如图1所示。

本文选取的42所“双一流”高校在2016年有登记转让合同的发明专利转让数据，存在部分专利发生转移并未在国家知识产权局有效登记的情况，因此未能详尽统计。具体情况详见表1。

图1 专利转让搜索指数

按照《专利法》第10条、第12条的规定，专利权转让和许可实施专利权是专利权人行使专利权最主要的法律机制。专利转让指专利权人发生变更，趋向于代表更结构性、更深层次的知识流动；专利许可指专利权人依法授权特定相对人实施其专利，是专利权中实施权或者使用权的部分让渡，而不发生专利权人的变化。一般认为，发明专利相对于实用新型和外观设计专利能更好地体现科技创新的质量，也有更高的技术含量，因此本文以发明专利转让数据为重点。“双一流”高校2016的专利申请占比、授权率等统计信息如图2所示。

表1 专利转让整体情况

图2 “双一流”高校专利信息统计

从图2看出，科研人员的占比与申请占比走势基本一致，从侧面反应了专利申请量与科研人数存在一定正相关关系。2016年全国发明专利的平均授权率只有24%，“双一流”高校的发明专利平均授权率达到53%，远高于全国平均水平，说明“双一流”高校的发明专利申请质量高，创新能力强。

4 “双一流”高校专利转让网络分析

4.1 网络核心-边缘分析

将专利转让省/市/自治区数据导入Gephi软件中，采用Force Atlas算法绘制“双一流”高校在2016年的转让网络结构。绘制的网络图为有向网络图，图中每个节点代表的是省/市/自治区，即专利的转出地或转入地，有向边则代表了专利转让的流向。去掉网络中的自环，得到如图3所示的网络结构，发现“双一流”高校的转让省/市/自治区网络结果出现明显的边缘-核心层次。以北京、上海、江苏、浙江为代表的核心层和以新疆、西藏、宁夏为代表的边缘层。

图3 核心-边缘网络结构

“双一流”高校中处于北京、上海等经济发达区域的数量居多，这些区域的各类经济、科技活动较其他区域频繁，对技术的需求和消化吸收能力较强，因此处在网络的核心层。值得注意的是，江苏相较于上海、北京更处于网络的核心层。近几年来，江苏不断出台各类政策，大力支持在江苏本地创办企业，积极引进技术支持本地企业的发展，大幅提高江苏的专利转移活动频率，使江苏在专利转移网络中甚至比北京、上海更趋于核心位置。新疆、西藏、宁夏由于受地理位置影响，当地企业较少，且发展速度较慢，对于专利的吸收、转化能力较弱，因此处于转移网络的边缘位置。在西部省/市/自治区中，新疆专利转移活动略高于其他地区，这可能得益于政策的扶持作用，如北京的高校与新疆的企业进行合作，为其输入专利技术来支持新疆的发展。

4.2 Fruchterman-Reingold网络分析

为分析“双一流”高校和转让省/市/自治区的网络结构，本文建立Fruchterman-Reingold模型算法。Fruchterman-Reingold属于力引导布局算法的范畴，根据弹簧模拟两个点间的关系，两个点的位置关系分为相对较远和相对较近，借用弹簧模型模拟布局过程。两个相对较远的点受到弹簧的弹力为拉引力，此时两个点会靠近；过近的两个点会受到弹簧的斥力，此时两个点会排斥开。系统经过多次迭代后，整个布局达到动态平衡，趋于稳定。在这个算法中，力矢量的总和决定节点应该移动的方向。步长是一个常数，决定了节点在一个步骤中移动的距离。当系统的能量最小化时，节点停止移动，系统达到平衡状态。对于节点i和j，两个点之间的欧式距离可以表示为d（i，j），s（i，j）则用来表示弹簧自然状态下的长度，k为弹簧的弹性系数，点与点间的静电力为常数r，w为两个点之间的权重，则弹簧模型可以表示为公式（1），能量模型表示为公式（2）。

模型确定后，将“双一流”高校的专利转让信息导入Gephi，得出北京、上海、广州、江苏、浙江等地有较大的专利转让量。其中，上海交通大学和清华大学与所在地有较深层次的成果转化。专利转让的广度用专利转让组织的个数直接表示，从表1可见，清华大学和上海交通大学分别以242和204占据前两名，二者有较强的广度和深度。

在高校与地域关系网络中，与清华大学联系最紧密的地区是北京，清华大学对北京地区的发展贡献很大；河北作为北京的周边省份，具有得天独厚的地理优势，在与清华大学的专利互动中远高于其他省/市/自治区，且河北的部分企业与清华大学还存在稳定的合作关系，清华大学在河北转移的很多专利集源于这些企业；其余较为紧密的地区为江苏、安徽、四川等。与上海交通大学联系最紧密的地区为上海和浙江。对比清华大学和上海交通大学与各个区域在专利转移对象发现，清华大学在各个地区的专利转移集中于固定的企业；而上海交通大学专利转移的企业较清华大学分散，受让企业数量高于清华大学。

4.3 网络节点指标分析

社会网络分析中常用的指标有密度、中心势和中心性。密度指网络中实际存在边数与理论上最大可能边数的比值，可以用来衡量网络中各行动者之间的联系紧密程度；中心势用来描述网络中整体的集中程度，也就是网络趋向于某行动者或者是整体被控制的走势；中心性反映了某行动者在网络中居于核心地位的程度，度数中心性表示该行动者在网络中的交流广度，而中介中心性则为网络中行动者对其所在网络的控制程度。

PageRank是计算在网络节点中各个节点重要性的一种方法，百度和谷歌等计算网页排名最核心的算法就是PageRank。经过PageRank计算后会得出各个节点的重要排名。在此网络中，各个节点的PageRank测算值如表2所示，排名前3位分别是北京、广东、浙江，说明这3个地方在此转让网络中占据重要的位置。节点的中介中心度越大，表明该节点控制其他节点的能力越强。在专利转让网络中，节点的中介中心度如表2所示，北京、江苏、浙江高居前3位，说明这3地与其他地方的联系更为紧密，承担着更重要的连接作用。北京作为拥有“双一流”高校最多的地区，在专利转移的网络节点中占据最重要的地位，同时进行着大量专利技术输入和输出活动，对其他地区的控制力最强，说明其他地区对北京“双一流”高校专利的依赖性最强。广东“双一流”高校在网络中拥有较高的重要度，但对其他区域的控制力相对于重要度较弱，说明广东专利输入较输出多，其余地区对广东“双一流”高校的专利的依赖性相对较弱。相对于网络重要度，江苏对其他地区的控制度更强，江苏大量吸纳全国各地的专利技术来发展本地区的经济，因此造成其他区域对江苏地区的依赖现象。

表2 网络节点指标情况

4.4 转让网络空间分布

为得到专利转让网络的空间分布，首先将专利的省/市/自治区流动数据输入Gephi，由于网络中没有省/市/自治区的坐标信息，为更直观地分析空间分布特征，本文在收集完地域信息后，用Gephi可扩展编程特性，将地域坐标与转让网络相结合，可得到专利转让城市的空间分布及流动特征。结果发现，东部比西部地区在专利转让活动方面活跃得多，专利转让活动最强烈的区域是北京、广东、江苏、浙江、上海。北京作为政治文化中心有其先天优势，且聚集了清华大学、北京大学等全国重点高校，科研基础和实力毋庸置疑；上海作为经济金融中心，拥有中国最大的证券交易所、物流港口、汽车企业及钢铁企业，还是外资跨国公司总部基地，有深厚的经济基础和巨大的增长需求；广东地理位置优越，政策扶持度高，经济贸易发达，人才资源、硬件设施都很充足，科技也在稳步发展之中；江苏和浙江经济基础好，科技教育研究等投入很大，有强大的知识流动能力。这些地区丰富的人力、科技、财务资源，增加了区域专利的流动能力。

4.5 转让地域核密度分析

不同地区由于资源、经济、技术等因素导致其对专利转化程度产生影响，为更直观地了解专利转化的空间集聚及网络子群特征，本文对专利转让数据进行Kernel Density Analysis测算分析，得到在“双一流”高校专利转让中，形成了较突出的3个高密度内核集团是京津冀、长江三角洲、珠江三角洲，这与中国的经济发展集聚区特征较为相似。这3个核心地带有较强的专利接收转化能力，吸收了大量来自“双一流”高校的优质专利，这些专利技术在该区域的发展过程中起到重要作用，促进该地产生更活跃的科技创新活动。因此，中国其他的高校可以重点识别这些区域的专利转化潜在用户，加强与这些区域企业需求交流，进而整体提高高校专利的转化率，使得专利真正地服务于各个行业，发挥其最大知识价值。

5 结论与启示

本文以“双一流”高校为研究对象，对专利的知识转化能力进行探讨分析。

（1）“双一流”高校专利在知识转化过程中明显存在以北京、上海、江苏、浙江为核心层，西部地区为边缘层的网络现象，这进一步体现了国家经济发展、科技创新、成果转化等东高西低的不平衡现象。

（2）从“双一流”高校和区域的关联程度看，各“双一流”高校的专利遍布于各个区域，较突出的高校为清华大学和上海交通大学，两者有极强的专利转移广度和深度，但结合数据可以发现，上海交通大学的专利转移广度更胜一筹。

（3）在“双一流”高校的专利转移网络中，北京、广东、浙江在网络中的位置举足轻重，而北京、江苏、浙江的“双一流”高校对其他地区的控制力最强。

（4）北京、广东、江苏、浙江、上海地区拥有大量的“双一流”高校，因此拥有大量的优质专利，且这些区域经济、科技水平均处于国内较高水平，因而专利的输入、输出活动最频繁。

（5）京津冀、长江三角洲、珠江三角洲有较强的专利接收能力，“双一流”高校的专利转移活动形成以京津冀、长江三角洲、珠江三角洲为核心的网络结构，高校的专利技术为这些区域的发展贡献了一定力量。

我国地域辽阔，各个地区不仅存在经济发展不平衡现象，在科技发展水平、科技创新、成果转化等方面也不平衡，总体呈现“东强西弱”的特点，为了补这种不平衡，国家应当制定相关措施，利用财政、资源调配等进行一系列宏观调控，对不同的地区采取不同的优惠政策，以促进各个地区均衡发展。高校优质的专利技术对企业甚至区域的发展有着重要的影响。因此，发展西部地区可以从发展优质专利做起，鼓励西部“双一流”高校和普通高校进行科研和专利的转让、引进活动。专利的发展对政策导向非常敏感[21]，应宏观调整我国的产业布局，向科技发展水平较弱的地区引导资金、人才等生产要素，促进各省/市/自治区专利之间的合作交流，减少合作成本和专利信息挖掘成本，构建一个多平台的专利合作网络，加快完善政府、企业、高校合作机制[22]，以此促进专利等知识成果的快速转移。同时，地区之间可以实行互助政策，鼓励经济发展较快、科技发达地区带动和帮助科技较弱地区的发展，以多种形式的互助策略来缩小地区之间的差异。

在专利知识成果转化方面，清华大学和上海交通大学起到了模范带头作用，有较理想的专利转让广度和深度。除资源优势外，可能存在其他较好的成果转化模式，本文暂未对其专利转化模式进行更深层次的调研分析，这些高校深层次专利转化模式有待进一步探索。