摘要：研究“双一流”高校高价值发明专利的创新扩散网络及扩散速度，对增大其扩散范围、加快其扩散速度有着积极的促进意义。文章以北京工业大学为例，选取国家知识产权局明确了的高价值发明专利，分析创新源和采纳者特征，并通过分析采纳者与创新主体之间的距离及平均专利转移年龄来研究其创新扩散速度。结果表明：（1）在“双一流”高校高价值发明专利中，拥有专利数量优势的战略性新兴产业通常与其ESI（Essential Science Indicator）优势学科相对应；（2）企业集群所在区域的创新采纳率更高；（3）在当今时代，创新扩散速度与地理距离的联系减弱，技术距离或成为新的研究重点。

关键词：高价值发明专利，创新扩散，专利转移

[基金项目：2021—2023年北京高校图书馆研究基金项目“‘双一流’高校高价值发明专利特征及其转化研究”（BGT2021010）]

一、引言

2008年《国家知识产权战略纲要》实施以后，我国专利申请量、授权量迅猛增长。但高价值专利数量偏少，特别是核心关键技术领域的知识产权创造和储备不够，缺少解决“卡脖子”问题的专利技术。在此背景下，高价值专利被写入“十四五”规划。“十四五”规划提出，要更好地保护和激励高价值专利，并首次将“每万人口高价值发明专利拥有量”纳入经济社会发展主要指标。什么是高价值发明专利？2021年3月，国家知识产权局战略规划司司长葛树接受新华社记者专访时介绍，我国明确将以下5种情况的有效发明专利纳入高价值发明专利拥有量统计范围：（1）战略性新兴产业的发明专利；（2）在海外有同族专利权的发明专利；（3）维持年限超过10年的发明专利；（4）实现较高质押融资金额的发明专利；（5）获得国家科学技术奖或中国专利奖的发明专利。其中针对战略性新兴产业，国家知识产权局于2021年发布了《战略性新兴产业分类与国际专利分类参照关系表（2021）（试行）》，将战略性新兴产业领域与国际专利分类建立参照关系^[1]。我国高校虽拥有大量专利，但实际产业化率低^[2]。加快高校高价值发明专利技术成果转化已成为促进科技发展、增强综合国力的共识。

创新扩散理论是由美国学者埃弗雷特·罗杰斯（E. M. Rogers）首次进行阐述，它指一个创新在一段时间内通过特定渠道在社会系统成员之间传播的过程^[3]。罗杰斯指出，创新过程应具备3个要素：技术创新源、传播媒介及采纳者。创新、时间、渠道和社会系统在创新的传播和采用中发挥着重要作用。后续研究发现，创新、组织和环境特征可以影响信息技术的输出^[4]。

近年，网络关系在创新扩散过程中的作用得到了强调和研究^[5]。不同的网络结构通过影响扩散级联的可能性和采纳速度来强烈影响创新扩散过程^[6]。低网络覆盖将增加建立和维护外部关系的成本，从而降低网络连接的价值^[7]。对于网络覆盖面广的企业，知识和信息传递速度快，合作维护成本低^[8]。由多个网络支持的创新更有可能在中小企业网络中被采用和迅速传播^[9]。

不同网络中的强弱关系对于不同性质的创新扩散效果不同^[10]。直接连接的公司之间比间接连接的公司之间更容易发生扩散，联系越直接，创新扩散的速度和准确性就越高^[11]。此外，路径长度也影响了创新扩散的可能性^[12]。短路径提高了直接联系接收信息的保真度，并保证更多技术和信息被完全利用。

本研究以创新扩散理论为基础，研究“双一流”高校高价值发明专利的创新扩散网络特征及影响因素，探讨如何扩大高价值发明专利的扩散范围及增加其扩散速度。

二、数据来源及处理

北京工业大学作为“211工程”和国家“双一流”建设高校，有着立足北京、服务首都和国家重大需求的办学传统。本文以北京工业大学为例，取其高价值发明专利数据，数据来源于Incopat数据库。参见国家知识产权局的标准分别获取北京工业大学的战略性新兴产业专利、维持年限超10年的专利、有海外同族的专利、有质押的专利及获得“中国专利奖”的专利。其中战略性新兴产业专利是参见《战略性新兴产业分类与国际专利分类参照关系表（2021）（试行）》进行IPC限定^[1]，时间跨度为所有年份。检索时间为2021年10月8日，最后共检出专利5124件，以此作为研究对象。后续进行相关战略性新兴产业分析时，也是依据上述参照关系表进行相应的产业划分及分析。

三、创新扩散网络特征及扩散速度研究

（一）创新源特征分析

北京工业大学的高价值发明专利合计5124件，其中战略性新兴产业专利5046件，维持年限超10年的专利372件，有海外同族的专利134件，有质押的专利11件，获得“中国专利奖”的专利5件（见表1）。从申请趋势可见，高价值专利从2012年之后显著增加（见图1）。北京工业大学高价值发明专利中战略性新兴产业专利占98.5%。其中专利数量较多的优势产业有5个：新材料产业、高端装备制造产业、新一代信息技术产业、节能环保产业及生物产业（见图1）。科睿唯安（Clarivate）公司将全球科研机构10年内发表论文的总被引次数进行排序，排名前1%的学科将进入ESI（Essential Science Indicator，基础科学指标）排序体系。北京工业大学目前有6个学科进入ESI，分别是：材料科学、化学、工程学、环境/生态学、计算机科学和生物学与生物化学，与上述的优势产业正好对应，反映出北京工业大学在这几类行业中拥有科学研究及产业应用的优势。

在研究对象中，将发生了转让或者许可的专利，视为已发生创新扩散的主体。北京工业大学高价值发明专利中，已发生了转让的专利有686件，发生许可的专利共31件。创新扩散主体专利在北京工业大学高价值发明专利中合计占14%（见图1）。

（二）采纳者特征分析

在高价值发明专利的创新扩散研究中，可将专利转让或者专利许可的对象视为采纳者。从地域上来看，这些高价值发明专利的采纳者们主要分布在北京、长三角及珠三角区域（见图2）。从主体性质上看，采纳者以公司为主，占92.18%，其他则是研究院所、政府/医院及高校等。当采纳者为公司时，通常可认为是将专利转化为应用，接近创新扩散网络的末端；当采纳者为研究院所或高校等时，则有可能是进一步扩散的节点，也可能是扩散的末端。从采纳者主体性质的分析数据来看，北京工业大学高价值发明专利以直接扩散、扩散级联少、产业应用为主。

（三）创新扩散速度分析

在物理学上，速度等于距离除以时间。为了研究北京工业大学高价值发明专利的创新扩散速度，我们分别研究了创新主体扩散的距离长度和扩散时间。以上文中采纳者的地域分布数据为基础，选取采纳者地域分布中前14的地域（拥有转移或许可专利数量大于10件），在地图中，通过测距工具获取大致的空间距离长度，并进行排序。采纳者与创新扩散主体间的距离由短至长分别为：北京、天津、河北、山东、山西、安徽、江苏、上海、浙江、湖南、重庆、贵州、广东及广西等。

在分析扩散时间时，选取专利技术转移年龄为参数。以该专利首次发生许可或转让的年龄为准。以备案生效日减专利申请日计算（精确到天），再将所得天数除以365折算为年^[13]。经数据处理后显示专利技术转移年龄的最小值为0.5年，最大值为13.09年，平均值为5.56年。将全部专利按照技术转移年龄升序排列，计算各个年龄对应的专利数量及其比例和累积比例，绘制专利技术年龄的频率分布曲线（见图3）。横坐标代表专利技术转移年龄，灰色曲线以左侧纵坐标为参照，表征相应年龄专利在样本集合中的比例（频率），黑色曲线以右侧纵坐标为参照，展示累积比例（频率），由图可见，专利转移年龄整体呈偏正态分布，曲线尾部有一定延长。这说明在北京工业大学已发生转让或许可的高价值发明专利中，专利转移的发生年龄相对集中。专利转移年龄曲线在6年以内快速上升，6～7年达到高峰，自第7年开始快速下降，黄金期是5～7年。由累积频率曲线可见，极少数专利转移发生在专利申请当年，34.9%发生在5年之内，79.5%发生在7年以内，95.6%发生在9年以内。申请时间超过9年的专利，发生技术转移的可能性就很低了。

将采纳者与创新扩散主体间的距离由短至长排列于横坐标轴上（见图4），深灰色柱状图以左侧纵坐标为参照，表征该地域已发生转让或者许可的专利数量；浅灰色曲线以右侧纵坐标为参照，表示该地域的平均专利技术转移年龄。从图中可见，这三者之间并没有明显的规律。用距离除以该地域的平均专利技术转移年龄所得的扩散速度呈现出数值分散、无明显规律特征。在非电子信息化年代，创新会随着主体与采纳者之间的空间距离拉长，扩散速度会随之变慢。但在高速信息化时代，空间距离与扩散速度之间的联系开始减弱。距离的概念，也不再仅限于空间上。

四、总结与讨论

本文以创新扩散理论为基础，以北京工业大学高价值发明专利为样本，分析了创新源特征、采用者特征和扩散速度，以此来研究“双一流”高校高价值发明专利的创新扩散效果。通过研究发现以下创新扩散特征：

1.作为创新源，基于高价值发明专利数据，“双一流”高校的优势是战略性新兴产业通常与其ESI优势学科相对应。但作为创新扩散主体，本研究中的转让或许可专利仅体现了显性创新扩散。

北京工业大学的战略性新兴产业专利中，专利数量较多的优势产业是：新材料产业、高端装备制造产业、新一代信息技术产业、节能环保产业及生物产业，与北京工业大学进入ESI的学科：材料科学、化学、工程学、环境/生态学、计算机科学和生物学与生物化学正好对应。而作为创新扩散主体，已发生转移或许可的专利在北京工业大学高价值发明专利中仅占14%。但是本研究中的转让或许可专利仅体现出了显性创新扩散，还有一部分专利通过隐形创新扩散进行了传播。

Williams在2019年曾提及，创新知识的扩散有显性和隐性两种^[14]。并且他们将美国生物制药市场中，与许可协议或产品和技术收购相关的划为显性创新知识扩散，与公司股权收购等相关的划为隐性创新知识扩散。在高价值发明专利的创新扩散研究中，专利的转让或许可是能被直接统计得到的，可被认为是显性的创新扩散。与此对应的，还存在一些隐性创新扩散，例如企业针对高校专利的进一步研究，高校或研究所对专利中的创新点进行非商业行为的研究等。这些行为由于其隐蔽性，无法直接统计。因此，本文在研究创新扩散主体时，仅针对明显发生转让或许可的高价值发明专利，而未考虑其隐性创新扩散。

2.在采纳者中，企业集群更有助于提高创新接纳率。

在创新扩散中，采纳者特征在很大程度上决定了创新扩散效果^[15]。本研究中，分析采纳者的地域分布可发现，采纳者主要集中在北京、长三角和珠三角区域。这三大区域都是企业群比较密集、相互联系比较紧密的地域。这种以地理邻近为特征的产业集群对创新扩散产生了积极影响。这种积极影响不仅与产业集群间的联系更强相关，也与地方政府的政策相关。竞争性市场结构和政府补贴可以促进创新扩散^[16]。

3.在信息化年代，创新扩散速度与地理距离的联系减弱，技术距离或成为重要影响因素。

许多文献都将扩散速度作为创新扩散网络的重要函数。在本研究中，距离（采纳者与创新扩散主体间的距离）、时间（平均专利技术转移年龄）与数量（已发生转让或者许可的专利数量）之间未见明显的线性或者其他的函数分布规律。也许更复杂的网络模型或者更复杂的函数能对三者之间的联系进行模拟分析。但更显著的原因是信息化的高速发展消弱了地理距离的影响。Lengyel等研究地理在创新复杂传播中的作用时认为，即便是复杂的传染模型，在预测本地规模与创新知识接纳率时也存在局限性^[17]。近几年，创新扩散理论的研究者们提出产业技术分组和技术距离的概念。研究者认为技术集群提供了有利于创新知识转移，促进企业创新的合作^[18]；较短的技术距离能为企业提供更精确的搜索结果以找到有价值的合作伙伴^[19]。

五、建议与展望

通过对北京工业大学高价值发明专利的创新扩散研究，对高校提升高价值发明专利的创新扩散速度和扩散范围提供了以下3点建议供借鉴与讨论：

1.突出自身优势，结合优势学科赋能，寻找优势技术领域与企业需求的契合点。

北京工业大学高价值发明专利的研究为以工科见长的综合性高校提供了促进专利转化的发展思路，即结合优势学科赋能，充分发挥与企业的强弱联系，面向企业需求，主动推荐优势技术领域专利，加快创新成果扩散。与国内部分以理科见长的综合性高校或理工科专业院校相比，其关键点是一样的——寻找本校优势技术领域与企业需求的契合点。

2.关注政策激励，并积极在高校和企业集群之间建立联系桥梁。

鉴于我国高校专利转化效率较低，国家和地区陆续出台各种政策，加大力度鼓励成果转化。如近期国家知识产权局公布的《专利开放许可试点工作方案》和北京市知识产权局印发的《北京市专利开放许可试点工作方案》，都明确提出搭建许可信息发布平台，促进供需对接等措施。在创新扩散网络中，强关系比弱关系更有益于创新扩散^[20]。高校可密切关注政策激励，发挥自身的创新优势，积极寻找拥有企业集群及地方政府激励政策的区域，与之加强联系。

3.在重点技术领域，把握自身定位，寻找与其技术距离短的企业。

各高校在科学研究中，即使是同一学科，通常也拥有各自不同的重点研究领域。高校应根据各自实际情况，把握自身在重点技术领域内的定位，与其技术距离更短的企业加强联系。这将更有利于缩短知识创新传播“距离”，加快专利转化速度。

如何提升高校高价值发明专利技术的创新扩散速度和扩散范围仍有很大的探索空间，后续研究将重点考虑技术产业分组，聚焦于主要技术产业的扩散研究，探讨如何在重点技术领域寻找自身在产业内的位置，发现与其技术距离短的企业，为加快其创新扩散速度、扩大扩散范围提供有积极意义的方案与建议。

参考文献：

[1]国家知识产权局.国家知识产权局办公室关于印发《战略性新兴产业分类与国际专利分类参照关系表（2021）（试行）》的通知[EB/OL].[2022-07-30].https://www.cnipa.gov.cn/art/2021/2/10/art_75_156716.html.

[2]国家知识产权局.高校专利转化现状调查研究[EB/OL].[2022-07-30].https://www.cnipa.gov.cn/art/2018/9/4/art_1415_133037.html.

[3]Rogers E M. Lessons for guidelines from the diffusion of innovations[J]. Jt Comm J Qual Improv, 1995, 21（7）: 324-328.

[4]Marianne B, Florin J. Examining the role of innovation diffusion factors on the implementation success of enterprise resource planning systems[J]. International Journal of Accounting Information Systems, 2003, 4（3）: 205-225.

[5]Pegoretti G, Rentocchini F, Marzetti G V. An agent-based model of innovation diffusion: Network structure and coexistence under different information regimes[J]. Journal of Economic Interaction and Coordination, 2012, 7（2）: 145-165.

[6]Bohlmann J D, Calantone R J, Zhao M. The effects of market network heterogeneity on innovation diffusion: An agent-based modeling approach[J]. Journal of Product Innovation Management, 2010, 27（5）: 741-760.

[7]Buechel B, Buskens V. The dynamics of closeness and betweenness[J]. The Journal of Mathematical Sociology, 2013, 37（3）: 159-191.

[8]Opsahl T, Agneessens F, Skvoretz J. Node centrality in weighted networks: Generalizing degree and shortest paths[J]. Social Networks, 2010, 32（3）: 245-25 1.

[9]Ceci F, Iubatti D. Personal relationships and innovation diffusion in SME networks: A content analysis approach[J]. Research Policy, 2012, 41（3）: 565-579.

[10]Byosiere D, Luethge D J, Vas A, et al. Diffusion of organisational innovation: Knowledge transfer through social networks[J]. Int. J. of Technology Management, 2010, 49（4）: 401-420.

[11]Bertrand 0, Mol M J. The antecedents and innovation effects of domestic and offshore R&D outsourcing: The contingent impact of cognitive distance and absorptive capacity[J]. Strategic Management Journal, 2013, 34（6）: 751-760.

[12]Schilling M A, Phelps C C. Interfirm collaboration networks: The impact of large-scale network structure on firm innovation[J]. Management Science, 2007, 53（7）: 1113-1126.

[13]温芳芳，曹世锋，李翔宇，等.我国“双一流”高校专利技术转移速度研究——基于专利许可转让年龄的多维比较和历时分析[J].情报理论与实践，2020，43（11）：65-70+143.

[14]Williams D R. Knowledge Transfers in the US biopharmaceutical market during a time of transition[J]. Journal of Pharmaceutical Innovation, 2019, 15（3）: 445-454.

[15]王珊珊，王宏起.技术创新扩散的影响因素综述[J].情报杂志，2012，31（6）：197-201.

[16]王佰川，杜创.人工智能技术创新扩散的特征、影响因素及政府作用研究——基于A股上市公司数据[J].北京工业大学学报（社会科学版），2022，22（3）：142-158.

[17]Lengyel B, Bokányi E, Di Clemente R, et al. The role of geography in the complex diffusion of innovations[J]. Scientific Reports, 2020, 10（1）: 15065.

[18]Woerter M. Technology proximity between firms and universities and technology transfer[J]. The Journal of Technology Transfer, 2012, 37（6）: 828-866.

[19]Lyu Y, Liu Q, He B, et al. Structural embeddedness and innovation diffusion: The moderating role of industrial technology grouping[J]. Scientometrics, 2017, 111（2）: 889-916.

[20]Fritsch M, Kauffeld-Monz M. The impact of network structure on knowledge transfer: An application of social network analysis in the context of regional innovation networks[J]. The Annals of Regional Science, 2008, 44（1）: 21-38.

作者简介：但琼洁，北京工业大学图书馆，副研究馆员，研究方向为知识产权信息情报分析；李建婷，北京工业大学图书馆，副研究馆员，研究方向为知识产权信息情报分析与科技查新；李永芳，北京工业大学图书馆，副研究馆员，研究方向为学科分析与知识产权信息情报分析。