专利技术功效信息在技术并购决策中的应用

吴欣望 朱全涛

(1 暨南大学知识产权研究院，广州 510632；2 华南农业大学经济管理学院，广州 510642)

0 引 言

技术并购是突破企业发展过程中技术瓶颈的途径之一。2009年度诺贝尔经济学奖得主威廉姆斯很早便提出了技术并购概念，并将其界定为实力雄厚的大企业对拥有独特技术的小企业的收购。或者说，技术并购是以获取被并购企业的技术资源为目标的并购活动。近年来，世界范围内技术并购的次数和金额迅速增长，成为并购领域的热土。一些企业通过多次技术并购快速成为国际市场上的行业领先者。例如，1993—2015年，思科系统公司平均每年发起10多起并购，快速成长为全球领先的网络方案供应商。

在中国，技术并购这一通过跨越企业组织边界获取技术资源的做法也逐渐普遍。越来越多的中国企业赴美国硅谷等地购买科技公司。在中国内地，科创板建立后，越来越多的科技企业成为上市公司。但是，这些上市公司多数规模偏小，虽有一定核心技术，但在行业内的整体地位还有很大的提升空间。不难预见，通过并购其他科技公司来实现快速扩张将成为这些上市公司的一个发展战略。和普通并购一样，技术并购也存在失败的风险。技术并购的高失败率会妨碍我国资本市场健康发展和创新发展战略实施。技术并购失败固然与市场内在风险有关，不够科学严谨的决策也会导致并购活动失败。主并方对信息利用不充分会导致决策上的偏差。专利信息是在技术并购中需要被重视和充分利用的一类信息。因此，有必要构建用于辅助技术并购决策、改善技术并购效果的专利信息分析方法。

在技术并购活动中利用专利信息的必要性是显而易见的。实施技术并购时，主并方(merger)的主要目的是获得公开的专利技术和非公开的技术秘密。尽管专利文献不能覆盖技术秘密和尚未公开的专利申请，但是，大多数技术都仍然体现在公开的专利文献中。因此，在成功的技术并购活动中，有必要借助专利文献对各个潜在被并购对象的专利拥有状况进行分析和甄别，挑选出合适的对象。在发达国家，一些快速扩张的科技企业很善于主动利用专利信息来实施扩张战略。早在2002年，时任CHI公司首席技术官的Breitzman等就曾撰文，论证在技术并购中可以借助专利信息分析对潜在的被并购企业进行识别，从而改进技术并购的效果和提高成功率[1]。

当前，在国内并购活动中，技术并购者们对专利信息的利用还很不充分。在我国的并购实践活动中，尽管并购方也会在事前围绕是否有必要并购、并购估价和并购后整合措施等关键问题展开尽职调查，但是重点调查的是目标企业的实际盈利能力、业绩稳定性、经营短板等方面。尽管有时候也会对专利展开调查，但通常仅仅局限于核实专利的有效性、权利状况、剩余年限、是否可以被用于产品生产等基本内容[2]。总体而言，我国业界围绕科创企业技术并购展开的专利情报分析还处于相当粗略的状态。不管是在技术并购活动中所利用的专利信息的容量、所使用的专利信息分析方法还是在利用专利信息分析解决的问题类型上，都与发达国家存在较大差距。

导致我国技术并购决策中对专利情报利用不充分的一个原因是缺少有效的工具和方法。近年来，专利数量的迅速增长使面临海量文献的决策者更加需要借助先进的专利数据分析方法来辅助决策。否则，就如同在布满暗礁的大海中航行，容易触礁和沉船。在这一背景下，为了更好地推动专利情报在实践中的应用，有必要针对技术并购这一具体场景专门设计专利情报分析方法，提高相关主体的决策效率。

为此，有必要思考如何在我国技术并购实务过程中能够更大程度上利用专利情报这一问题[3]。本文就在这方面做一些尝试。具体而言，本文专注于通过对专利技术功效矩阵中的信息进挖掘，帮助主并方挑选出符合其并购战略目标的并购对象，并为制定技术并购后整合战略提供依据。为此，论文提出了如何对专利技术功效矩阵中的技术信息和功效信息进行利用的思路，讨论了具体的算法并通过案例分析演示了实际应用。

1 利用专利技术功效矩阵辅助技术并购决策的思路

专利技术—功效矩阵是一种对专利的技术特征和功能效果进行二维分析的可视化工具。构建专利技术—功效矩阵时，可以采取国际专利分类号、直接通过在技术说明书中提取描述技术特征的词汇或人为进行技术分类等不同途径来描述技术特征，然后再将专利文献中描述技术特征的词汇和描述功效的词作为矩阵的行和列，最后将各个专利分别归类到专利技术—功效矩阵中所对应的位置。表1展示了专利技术—功效矩阵图的基本格式，各方框中的数字代表同时具有所处位置对应的技术功效和技术特征的专利个数。通常专利技术—功效矩阵的应用领域是为技术研发和分析竞争对手提供引导。通过对专利技术—功效矩阵的分析，可以确定行业技术的分布特征，寻找技术洼地，针对竞争对手专利布局制定竞争战略。

表1 专利技术—功效矩阵地图的基本格式

自从专利技术—功效矩阵问世后，人们围绕其开展的研究可以被分为两大类。一是围绕绘制专利技术—功效矩阵的方法展开。这类研究关注如何采用新的方法来绘制更加精确和便捷好用的专利技术—功效矩阵。例如，Cheng尝试通过国际专利分类号来确定专利的技术特征，在此基础上构建专利技术—功效矩阵，而不是直接使用描述技术特征的词汇[4]。其他的研究方向还有对可视化效果进行优化和提高处理数据的效率等。围绕专利技术—功效矩阵开展的另外一类研究是尝试用该工具来解决各种实际决策问题。这主要体现在为企业研发布局提供参考、判断某个技术领域的成熟度和识别技术机会等。其中，最为常见的是为企业研发布局提供参考。在绘制出某个技术领域的专利技术—功效矩阵图后，使用者可以直观地看出技术和功效的聚集与疏散程度，形成对技术热点或薄弱点的初步判断。对技术密集的热点领域，采取规避设计或主动发出授权申请等方式获得技术；对薄弱的环节，则考虑是否存在克服短板的可能性。笔者将重点围绕与本文联系相对密切的借助专利技术—功效矩阵识别技术机会和判断技术成熟度的方面展开研究。

技术机会分析指对现有技术的发展趋势及相互关系的挖掘来判断某个技术领域可能出现的突破点或发展前景。专利信息被认为蕴含着关于技术机会的信息，因此，一些学者尝试从专利文献中挖掘出关于技术机会的信息，如吕一博等利用国际专利分类号构建起识别技术机会的可视化图谱[5]。进一步，刘化然等构建了一套借助专利文献中的技术和功效信息来识别技术机会的方法[6]。该文构建的专利技术—功效矩阵分别由“技术问题”和“技术手段”作为矩阵的行和列。技术问题类似于传统技术—功效矩阵中的功效信息，技术手段类似于传统技术—功效矩阵中的技术领域类别。从该矩阵中可以看出，某个技术手段被用于解决了哪些技术问题，同时，也可以看出该技术手段被用于解决特定技术问题的频率。反过来，从该矩阵中也可以看出，某个技术问题的解决是借助哪些技术手段来实现的，以及各个技术手段在解决该技术问题上的频率。进一步地，该文设计了“技术手段的专利布局难易度”和“技术问题专利布局难易度”两个指标。技术手段的专利布局难易度用某技术手段被用于解决各类技术问题的总次数除以该技术手段所可能解决的技术问题种类得到。反映了解决单个种类的技术问题平均地采用某种技术手段的文献数量，取值越大，表明平均而言该技术手段被高频率地使用解决特定领域的技术问题，意味着该技术手段是创新主体进行专利布局的主战场，从而在该技术手段上进行突破难度较大；技术问题专利布局难易度等于解决某个技术问题的专利文献总量除以解决该技术问题采用的技术手段种类的数目。该指标反映了解决某个特定的技术问题时，平均而言所用到的技术手段的频数，取值越大，表明围绕该问题设计解决方案的文献越多，该问题被创新主体关注的热度越大，竞争越激烈，也越不容易把握住新的机会。该文进一步地利用这些指标来识别技术机会。

专利技术—功效矩阵中的信息还可能反映了技术的成熟度。王昕等尝试在TRIZ理论的框架下对专利技术功效矩阵中所包含的专利技术所处的发展阶段进行分类[7]。苏联科学家根里奇.阿奇舒勒于1946年构建了TRIZ理论。在他的领导下，苏联曾经通过对全世界近250万份高水平发明专利进行分析来总结发明规律，以便推进国家技术创新战略。在TRIZ理论中，对目标产品或目标技术的功能进行分析成为引导创新的一项关键性工作。其思路是，将某个产品如汽车视为一个系统。该系统由若干个相互作用的内部组件构成，且该系统也与系统外的一些物体发生作用。发明的方向就是发现各个组件在功效上的不足以及如何广泛利用已知的各类知识来提升这些功效。根据TRIZ理论，在产品的发展过程中，其性能参数呈现出S形的特点。具体而言，当产品刚刚被研发出来时，其性能参数的取值比较低，这意味着使用新诞生的产品并不方便。例如，最初的汽车构思是以蒸汽机作为动力装置，速度很慢，单次能跑的路程也比较短。但是，随着人们围绕提高速度展开一系列研究，汽车的速度经历了加速上升、小幅上升和最后趋于平缓的过程。S曲线展示了技术性能参数变化的这一特征。该曲线显示，新产品的发展会经历出生期、成长期、成熟期和衰退期，出生期的性能参数提高不明显，进入成长期会经历性能的加速度提升。进入成熟期后，性能会以递减的速度继续提升。最后迎来性能参数基本上不再提升的衰退期。

专利文献记录了技术演进的历程。可以借助专利文献来识别产品的各项效能处在哪个阶段，以及识别哪些方面的效能正在受到公众重视。例如，汽车的速度效能可能已经处于衰退期，提升的空间不大了；然而，汽车的环保效能却仍处在成长期，各种截污减排的技术不断涌现，环保性能迅速提升。王昕等以电网除冰技术为例，构建了专利技术—功效矩阵，并借助该矩阵中包含的信息，对各个技术—功效领域的成熟度进行了区分，并指出应该针对处于成长期而非衰退期的技术—功效领域进行布局[7]。

笔者认为，专利技术—功效矩阵也能在技术并购中发挥识别潜在竞争对手的作用。例如，可以将各个潜在并购企业的专利技术功效矩阵中的数据展开，将二维数据转换为一维数据。这样，有多少个被考察的潜在并购企业，就有多少列一维数据。将主并方的技术功效矩阵也进行相同处理。然后，通过聚类分析，就可以判断哪个或者哪些潜在并购企业与主并方处于同一个类别。如果主并方发起并购的目的是获得与自身拥有的专利组合在技术分布领域和市场定位上类似的外部专利组合，以便并购后继续强化现有的技术优势和实现对现有客户群体的渗透和锁定，那么，就可以优先考虑那些在聚类分析中与自身处于相同类别的企业。

此外，还可以通过分别考察专利技术功效矩阵中的技术领域分布信息和功效类型分布信息，获得关于潜在并购对象的更多信息。一条获取更多信息的方法是分别计算出潜在并购对象与主并方在技术维度和功效维度上的距离，然后借助距离来判断主并方与潜在对象之间的相似度。其实，距离衡量的是相似度。距离越小，潜在并购对象与主并方在技术维度或功效维度上的相似度越大，越有利于进一步强化在现有技术领域或细分市场中的优势。

在计算出技术和功效维度上的距离后，便可以根据技术相似度和功效相似度的大小将潜在并购对象分为四类。主并方会有不同的并购动机，这决定了需要从不同类别中选择并购对象。例如，当主并方打算向新的技术领域拓展，并试图将具有更加多样化偏好的客户作为自己的目标客户时，技术相似度和功效相似度都低的企业会是优先考虑的对象。反之，当主并方只想进一步强化在现有技术领域的优势和巩固现有客户时，技术相似度和功效相似度都高的企业会是优先考虑的对象。而对技术相似度高、功效相似度低的企业实施并购则既有助于增强现有技术领域内的实力，又有助于吸引具有更多样化诉求的客户。反之，对技术相似度低、功效相似度高的企业实施并购则既有助于向更加多样化的技术领域拓展，又有助于巩固现有的客户群体。

2 应用举例

企业1是一家生产触摸显示屏的企业，希望通过横向并购来增强自身的技术实力。为此，该企业收集了7家同行企业的专利技术功效信息，加上主并方，一共可以绘制出了8家企业的技术功效矩阵表。将8家企业的专利技术功效矩阵中的数据展开，便将8份二维数据转换成了8个一维数据①。通过使用的参数为4的K均值聚类分析得到表2。可以发现企业8与主并方处于同一个类别。因此，如果主并方发起并购的目的是获得与自身专利组合在技术分布领域和市场定位上类似的外部专利组合，以便并购后继续强化现有的技术优势和实现对现有客户群体的渗透和锁定，那么，企业8则是一个可以关注的对象。

表2 聚类结果表

为了获得关于潜在并购对象的更多信息，还可以进一步对这8张技术功效矩阵表进行加工，由此得到8家企业按照技术类别汇总的表3和按照功效类型汇总的表4。然后，以企业1为参照企业，分别根据技术类别汇总表和功效类别汇总表计算其余7家企业与企业1之间的技术类别欧式距离和功效类型欧式距离。这样，便得到了一个有着7个样本观测值的二维数据。图1直观地展示了该二维数据的分布。纵坐标代表功效距离的取值，横坐标则代表技术距离的取值。该表中的虚线代表根据7家企业的欧式距离计算出的算术平均值即平均欧式距离。横向的虚线代表平均功效距离，纵向的虚线代表平均技术距离。这两条虚线将图1分割成了4个区域。从左下区域出发，按照逆时针方向旋转，分别经过技术和功效相似度都高、技术相似度高功效相似度低、技术相似度和功效相似度都低和技术相似度低功效相似度高4个区域。原点代表作为参照的企业1。从图1中可以看出，企业8确实是在技术和功效上最接近主并方的企业。此外，企业2和企业7也处于在技术和功效上都与主并方的相似度比较高的区域。如果企业1进行技术并购的目的是进一步增强在现有技术领域或细分市场中的竞争优势，则可以将重点考察企业8、企业2和企业7。虽然在选择具体的并购对象时，还需要对这3家企业所拥有的技术的具体特征、技术的可实施性、产品被市场的认可程度、被并购方的报价等多方面因素进行综合权衡，但技术功效信息分析有助于缩小考察对象范围。

图1 样本企业间的技术—功效欧式距离

表3 技术类别汇总表

表4 功效类别汇总表

技术功效信息分析还有助于制定并购后整合策略。最终选择的并购对象不同，并购后的整合策略也会有所不同。当被并购企业与主并方的技术相似度高时，研发部门相对容易整合；反之，则需要采取措施促进不同技术领域的研发人员进行协作创新。类似地，当被并购企业与主并方的功效相似度低时，营销部门需要针对不同类型的客户进行宣传和采取营销策略。

3 总 结

文章通过计算技术纬度和功效纬度上的欧式距离以及进行聚类分析，展示了可以借助专利技术功效信息来识别并购目标的特征和提高并购目标筛选效率。需要说明的是，在进行聚类分析时，本文使用的是参数为4的K均值聚类。其实使用者还可以尝试使用其他聚类方法或选择不同参数来进行聚类分析；在计算向量之间的距离时，本文使用的是欧式距离，但也存在多种其他计算向量间距离的方法。在具体分析中，使用者完全可以使用不同的聚类方法和距离测量方法来筛选潜在并购对象。如果使用不同计算方法得到的结果相同，则说明筛选结果具有稳定性，更为可靠。

本文研究的一个现实意义在于，为我国专利信息分析软件行业设计个性化服务提供了一种应用场景，即对专利技术功效矩阵中包含的信息进行挖掘和利用，识别出更符合主并方并购动机的目标企业，从而提高技术并购过程中筛选并购目标的效率，并有助于制定合理的并购后整合策略。

其实，这展示了我国专利信息分析软件行业的>一种发展方向。为了更好地推动专利情报在实践中的应用，有必要针对各种实际决策场景针对性地设计专利信息分析方法。目前，我国出现了不少商业化的专利信息分析软件供应商。但是，这些供应商在提供的分析功能上具有较大的重叠性，多数仍然停留在提供基本的统计分析服务上。整体而言，我国专利信息分析软件行业缺少对不同类型的专利信息用户进行量身定制的分析模块。因此，在专利情报分析系统中，可以考虑针对各类实际决策场景设计“量体裁衣”的分析模块。