專利高質(zhì)量發(fā)展趨勢及其技術(shù)創(chuàng)新驅(qū)動機制研究*

尹承銳 孫世強 陳明明

(1.防災(zāi)科技學院土木工程學院 廊坊 065000；2.北京科技大學經(jīng)濟管理學院 北京 100083；3.青島大學商學院 青島 266071)

0 引 言

專利作為技術(shù)創(chuàng)新的載體，體現(xiàn)了國家的自主創(chuàng)新能力與競爭力，正成為政、企、學、研關(guān)注的重點。然而，低質(zhì)量專利與“泡沫專利”不僅消耗了大量科研資源，而且導致其經(jīng)濟效益持續(xù)下行。如何提升專利高質(zhì)量發(fā)展已成為目前亟待解決的關(guān)鍵問題。技術(shù)經(jīng)濟學家認為，專利高質(zhì)量發(fā)展是經(jīng)濟高質(zhì)量發(fā)展的重要驅(qū)動力。促進專利高質(zhì)量發(fā)展，對國家開展技術(shù)創(chuàng)新競爭具有不可或缺的作用。現(xiàn)有研究表明，專利的高質(zhì)量發(fā)展是以技術(shù)創(chuàng)新驅(qū)動為基礎(chǔ)，以國家的科技競爭策略為導向，兩方并濟，促使全球?qū)＠麛?shù)量呈現(xiàn)指數(shù)型增長[1]。根據(jù)WIPO統(tǒng)計，2020年國際專利為有史以來的最高申請量，其規(guī)模達到27.59萬件，環(huán)比增長4%。然而，專利的數(shù)量增長與其實際功效水平并不均衡，主要表現(xiàn)在近70%的專利，其質(zhì)量水平遠低于行業(yè)標準，“問題專利”“專利泡沫”以及“專利創(chuàng)新假象”普遍存在[2]。目前，各國的專利價值導向發(fā)生了由“量”到“質(zhì)”的巨大轉(zhuǎn)變，更加強調(diào)引導專利高質(zhì)量發(fā)展，打造專利強國。例如，日本特許廳多次強調(diào)國內(nèi)專利發(fā)展理應(yīng)注重質(zhì)量而非數(shù)量。美國2011年頒布《專利改革法案》，中國2016年頒布《專利質(zhì)量提升工程實施方案》，韓國2019年頒布《增強標準專利競爭力方案》等舉措，均旨在引導與推動國家的專利高質(zhì)量發(fā)展。在此背景下，注重專利高質(zhì)量發(fā)展，提高專利技術(shù)轉(zhuǎn)化與運用效率，研究專利高質(zhì)量發(fā)展現(xiàn)狀及其技術(shù)影響機制具有重要的理論價值與現(xiàn)實意義。

基于此，本文基于Super-SBM模型，依據(jù)Derwent專利數(shù)據(jù)系統(tǒng)，選取中、美、韓、日四個專利大國在2010—2020年間人工智能產(chǎn)業(yè)專利為研究對象，測度并分析專利高質(zhì)量發(fā)展效率的演變趨勢及原因，并通過面板數(shù)據(jù)回歸模型，探究技術(shù)創(chuàng)新對專利高質(zhì)量發(fā)展效率的驅(qū)動機制。在豐富專利高質(zhì)量發(fā)展效率測度方法與技術(shù)創(chuàng)新對專利高質(zhì)量發(fā)展效率影響機制的基礎(chǔ)上，以期為政府促進專利高質(zhì)量發(fā)展制定相關(guān)政策提供可行性建議。

1 文獻梳理

1.1專利高質(zhì)量發(fā)展相關(guān)研究對現(xiàn)有文獻進行梳理發(fā)現(xiàn)，關(guān)于專利高質(zhì)量的研究主要從概念界定、研究視角以及相關(guān)測度方面展開。劉立春[3]認為專利質(zhì)量是經(jīng)濟效益正比量化后的結(jié)果，即經(jīng)濟效益正比量化值越大，則表明專利質(zhì)量水平越高。李牧南等[4]認為專利質(zhì)量是由專利審查者在審查過程中認定的質(zhì)量等級，通常審查認定的等級越高，越說明專利具有高質(zhì)量水平。丁煥峰等[5]認為專利質(zhì)量由結(jié)構(gòu)質(zhì)量、法律質(zhì)量、技術(shù)質(zhì)量和運營質(zhì)量構(gòu)成，只有各維度的質(zhì)量水平均較高時，才能說明此專利質(zhì)量水平較高。綜上分析，本文認為專利高質(zhì)量具有三方面特征：其一，技術(shù)的必要性。難以被模仿的、不可替代的專利技術(shù)是專利高質(zhì)量發(fā)展的必要前提。技術(shù)質(zhì)量作為專利高質(zhì)量的基礎(chǔ)，主要指技術(shù)的先進性和創(chuàng)造性，代表了專利技術(shù)的演進方向?，F(xiàn)有關(guān)于技術(shù)質(zhì)量的測度研究多采用引用指數(shù)、非專利文獻數(shù)等指標[6,7]。歐洲專利局提出,專利高質(zhì)量的發(fā)展應(yīng)是平衡產(chǎn)出與投入的最優(yōu)過程。在專利高質(zhì)量發(fā)展的優(yōu)化過程中，需要不斷降低投入成本，增加技術(shù)和經(jīng)濟產(chǎn)出。在專利投入成本中主要包括專利時間成本和市場成本。時間成本主要來自于專利申請時長和專利的國際申請，市場成本主要來自于布局國家數(shù)和專利權(quán)項數(shù)等指標[8-11]；其二，經(jīng)濟效益性。經(jīng)濟質(zhì)量是專利高質(zhì)量追求的直接目標。經(jīng)濟質(zhì)量是指技術(shù)產(chǎn)業(yè)化后帶來的經(jīng)濟價值，多用剩余有效期、同族數(shù)等指標[12,13]。隨著對專利高質(zhì)量研究的開展，經(jīng)濟質(zhì)量對專利高質(zhì)量的作用逐漸被重視[14]。專利的高質(zhì)量發(fā)展不僅是經(jīng)濟轉(zhuǎn)型發(fā)展的基礎(chǔ)，也是經(jīng)濟質(zhì)量發(fā)展的重要落腳點；其三，法律保障性。法律質(zhì)量是指專利符合專利法條件，是專利高質(zhì)量的保障，多采用當前法律狀態(tài)表征等指標[15]。專利高質(zhì)量體現(xiàn)為在法律保護范圍內(nèi)的極高技術(shù)價值和市場價值[16]。在法律保護范圍內(nèi)，專利收益主要來自于以專利存活期等指標衡量的經(jīng)濟質(zhì)量和以被引證數(shù)等指標衡量的技術(shù)質(zhì)量[17,18]?；谝陨戏治觯疚恼J為專利維持時間和被引證數(shù)符合專利產(chǎn)出指標，并且專利被引證數(shù)越高，說明其技術(shù)質(zhì)量越高；專利維持時間越久，能夠帶來的經(jīng)濟產(chǎn)出越大。因此，專利高質(zhì)量發(fā)展效率使用Super-SBM模型來衡量具備一定可行性。

1.2技術(shù)創(chuàng)新驅(qū)動機制相關(guān)因素探討通過對專利高質(zhì)量的研究，本文認為專利高質(zhì)量發(fā)展可以概括為以下三方面：技術(shù)關(guān)聯(lián)效應(yīng)、專利撰寫質(zhì)量以及技術(shù)時滯。首先，在技術(shù)關(guān)聯(lián)效應(yīng)方面。本文認為技術(shù)質(zhì)量具有基礎(chǔ)性與核心性地位[16]。例如，Mark等[19]及Abraham等[20]認為專利質(zhì)量等同于專利本身所具有的技術(shù)先進性。谷麗等[16]從專利技術(shù)效力以及社會經(jīng)濟收益視角，指出專利技術(shù)質(zhì)量是專利質(zhì)量的根本。此外，黃蘋等[21]以專利引證數(shù)表示專利技術(shù)復雜程度與專利技術(shù)質(zhì)量，認為專利引證數(shù)蘊含著知識流動與技術(shù)轉(zhuǎn)移，專利引證數(shù)越多，專利間的技術(shù)聯(lián)系程度越深，形成的引證網(wǎng)絡(luò)越復雜，技術(shù)關(guān)聯(lián)效應(yīng)越明顯[22]?；诖?，本文認為技術(shù)關(guān)聯(lián)效應(yīng)使得知識流動與技術(shù)轉(zhuǎn)移變得復雜，專利技術(shù)質(zhì)量被提高。然后，在專利撰寫質(zhì)量方面。專利撰寫是撰寫人在充分掌握專利技術(shù)底書的情況下，撰寫符合專利法技術(shù)層面的法律文書，專利質(zhì)量越高，撰寫文本質(zhì)量越高。專利撰寫質(zhì)量高可以有效降低專利在實質(zhì)審查階段或授權(quán)后因新穎性或創(chuàng)造性問題被駁回的概率。谷麗[16]等認為專利的高質(zhì)量發(fā)展除具備較高發(fā)明創(chuàng)造性外，還應(yīng)具備高質(zhì)量的撰寫文本，專利撰寫質(zhì)量是專利技術(shù)方案價值的充分體現(xiàn)。Graf[23]認為以說明書頁數(shù)為指標的專利撰寫質(zhì)量與技術(shù)創(chuàng)新復雜度呈正向影響關(guān)系?；诖?，本文認為專利撰寫質(zhì)量越高,說明技術(shù)復雜程度越高，更具獨特性。最后，在技術(shù)時滯方面。技術(shù)時滯指專利申請者從申請到被授權(quán)的時間差。馮仁濤等[24]認為技術(shù)時滯極大程度影響專利質(zhì)量。基于此，本文認為技術(shù)時滯越長越容易給競爭對手創(chuàng)造在國外搶先申請授權(quán)的機會，致使專利質(zhì)量逐漸降低，最終落后于市場需求。綜上所述，本文認為技術(shù)關(guān)聯(lián)效應(yīng)是專利技術(shù)寬度與深度的主要體現(xiàn)，專利撰寫質(zhì)量是技術(shù)專家把握專利技術(shù)的關(guān)鍵載體，技術(shù)時滯是影響技術(shù)先進性的重要因素。因此，將以上三者納入本文技術(shù)創(chuàng)新驅(qū)動專利高質(zhì)量發(fā)展機制分析框架中。

2 研究方法與數(shù)據(jù)來源

2.1研究方法

2.1.1 Super-SBM模型 本文采用Super-SBM模型來測度專利高質(zhì)量發(fā)展效率[25]。Super-SBM模型由DEA模型發(fā)展而來，該模型是基于線性規(guī)劃法，依據(jù)多項投入產(chǎn)出指標，對具有可比性的同類型單位進行相對有效性評價的一種數(shù)量分析方法。采用該模型因為它可以同時并獨立納入專利高質(zhì)量發(fā)展效率的多項投入和產(chǎn)出指標，并有效解決了本文多項變量“松弛性”和徑向問題。模型公式如下：

(1)

2.1.2 空間面板數(shù)據(jù)的回歸模型 參考Hoang[26]的做法，本文選取STIRPAT模型檢驗專利高質(zhì)量發(fā)展的技術(shù)創(chuàng)新驅(qū)動機制。專利高質(zhì)量發(fā)展以高法律質(zhì)量為保障、高技術(shù)質(zhì)量為基礎(chǔ)、高經(jīng)濟效益為目的，三者融為一體[11]。STIRPAT模型優(yōu)勢不僅是引進差異彈性系數(shù)與隨機誤差，解決了本文專利法律、技術(shù)和經(jīng)濟質(zhì)量對專利高質(zhì)量發(fā)展貢獻程度不同的問題。而且彌補了傳統(tǒng)模型需要維持其他因素不變，改變單個自變量研究問題的不足，并且減少了檢驗偏誤問題。將專利技術(shù)質(zhì)量、經(jīng)濟質(zhì)量及法律質(zhì)量相關(guān)因素納入STIRPAT后，得出影響專利高質(zhì)量發(fā)展效率W的基本表達式為：

W=μTaEbLcε

(2)

式中：T、E、L分別代表技術(shù)、經(jīng)濟及法律質(zhì)量條件；a、b、c表示相應(yīng)因素的估計參數(shù)；μ、ε分別為常數(shù)項和隨機誤差項。

為防止異方差因素造成結(jié)果有偏誤，對變量進行對數(shù)處理后，公式如下：

lnWmn=μ0+μ1lnTmn+μ2lnEmn+μ3lnLmn

(3)

式中：m、n分別代表國家、年份；μ0為常數(shù)。

2.1.3 專利高質(zhì)量發(fā)展效率測度 通過對既有文獻的梳理，發(fā)現(xiàn)對專利高質(zhì)量發(fā)展效率的研究主要分為兩部分，一部分是對專利自身效率的研究，指單個專利被投入的時間和資本要素與產(chǎn)出的技術(shù)和經(jīng)濟回報之間的比較[27]，強調(diào)專利維持期間獲得的技術(shù)認可及為專利權(quán)人帶來的經(jīng)濟收益。另一部分是以地區(qū)或者企業(yè)為單位對專利引起的社會效率研究，強調(diào)將專利社會資金和人力投入與社會收益做比較[28,29]。專利引起的社會效率研究體現(xiàn)在指標方面為使用地區(qū)R&D投入、地區(qū)科研人員比率等表征社會投入，使用地區(qū)經(jīng)濟增長或者企業(yè)績效增長表征專利帶來的產(chǎn)出變化，然而以上指標的變化并不能客觀反映專利質(zhì)量效率。因此，本文研究側(cè)重于專利的自身效率。從專利自身效率講，在專利產(chǎn)出方面，Lanjouw等[17]、Hall等[18]認為專利維持時間、被引證數(shù)與專利高質(zhì)量發(fā)展呈正向影響關(guān)系，專利維持時間越久，表明專利能夠帶來的經(jīng)濟產(chǎn)出越大，經(jīng)濟和技術(shù)質(zhì)量越高。專利技術(shù)創(chuàng)新性強、生產(chǎn)效率高，經(jīng)濟利潤大于維持成本時，專利權(quán)人才愿意支付后續(xù)的專利維護費用，使得專利維持時間變長。專利維持時間更能體現(xiàn)專利經(jīng)濟效益的持續(xù)性及其真實價值，由此選取專利維持時間和被引證數(shù)作為產(chǎn)出指標。專利申請耗費巨大時間和資金成本，其投入是否帶來技術(shù)的認可和相應(yīng)的經(jīng)濟收益值得考慮。在專利投入方面，時間成本主要體現(xiàn)為專利從申請到被授權(quán)的時間投入。專利申請分為國內(nèi)申請和國際申請，相較國內(nèi)申請，專利的國際申請程序繁瑣，耗費時間長[12-13]。但是隨著知識產(chǎn)權(quán)重要性增加，專利的國際申請越來越受重視，專利的國際化由原來的“三方專利”發(fā)展到現(xiàn)在的“四方專利”[30]。因此,時間成本除國內(nèi)專利審查期外，還要考慮專利的國際申請因素。市場成本投入方面，難以衡量每個專利的市場成本，但是專利的權(quán)項數(shù)及國家布局數(shù)與專利被投入的市場成本存在正向相關(guān)關(guān)系[14-15]。專利權(quán)項數(shù)和專利項目數(shù)量與專利繳納的維護費用呈正比例關(guān)系。另外，專利布局其他國家要向所布局的國家繳納費用，布局國家數(shù)越多，專利被投入的市場成本越大。因此，本文將專利權(quán)項數(shù)和國家布局數(shù)納入專利的市場成本。基于上述分析，專利高質(zhì)量發(fā)展效率測度指標構(gòu)建如表1所示。

表1 專利高質(zhì)量發(fā)展效率指標評價體系

2.2數(shù)據(jù)來源與變量選取

2.2.1 數(shù)據(jù)來源 人工智能作為戰(zhàn)略性新興產(chǎn)業(yè)，成為專利高質(zhì)量提升的關(guān)鍵領(lǐng)域和重要抓手。因此，本文基于Derwent專利數(shù)據(jù)庫，選取人工智能產(chǎn)業(yè)作為測度樣本。檢索關(guān)鍵詞為“人工智能”“artificial intelligence”“intellect”，檢索期限設(shè)置為2010年1月1日—2020年12月31日(檢索時間為2021年3月1日)。樣本數(shù)據(jù)為2010-2020年，截取了樣本數(shù)量中前四位國家的數(shù)據(jù)，分別為中國、美國、韓國和日本，最終選取31 570條專利，符合數(shù)據(jù)要求。

2.2.2 變量選取與說明 本文綜合考慮專利高質(zhì)量發(fā)展趨勢及指標數(shù)據(jù)可獲得性后，被解釋變量確定為專利高質(zhì)量發(fā)展效率，主要解釋變量確定為技術(shù)創(chuàng)新。根據(jù)專利質(zhì)量的影響因素組成，選取經(jīng)濟層面、法律層面作為控制變量，以此綜合解釋專利高質(zhì)量發(fā)展情況及其技術(shù)創(chuàng)新驅(qū)動機制(見表2)。此外，本文在模型分析前首先進行了“偽回歸”檢驗，并對異方差問題做了處理，以確?；貧w結(jié)果的有效性。具體方法為使用ADF與LLC方法做單位根平穩(wěn)性檢驗，對各變量采取對數(shù)法處理。

被解釋變量：專利高質(zhì)量發(fā)展效率。專利高質(zhì)量發(fā)展是以法律為保障、技術(shù)為基礎(chǔ)、經(jīng)濟為直接目標。本文采用專利高質(zhì)量發(fā)展效率值來衡量專利高質(zhì)量發(fā)展水平。

解釋變量：技術(shù)創(chuàng)新水平。技術(shù)創(chuàng)新水平由技術(shù)時滯效應(yīng)、技術(shù)關(guān)聯(lián)效應(yīng)和撰寫質(zhì)量推動效應(yīng)三方面表示，本文依據(jù)Fisch等[31]、Noh等[32]的做法，選取授權(quán)時間滯后期來表征技術(shù)時滯效應(yīng)。依據(jù)Yan等[22]、Merges[33]的做法選取引用專利數(shù)、引用非專利文獻數(shù)表征技術(shù)科學關(guān)聯(lián)度效應(yīng)，并參照Graf[23]的做法將說明書頁數(shù)來表征撰寫質(zhì)量推動效應(yīng)。

控制變量：考慮到專利高質(zhì)量發(fā)展也可能受到經(jīng)濟層面和法律層面的影響，故參考Rosenbloom等[34]的做法，經(jīng)濟層面的指標用同族數(shù)、剩余有效期、主權(quán)頁字數(shù)表示；參考賀寧馨等[15]、Whalen等[35]、王珊珊等[36]的做法將法律層面指標中當前法律狀態(tài)、申請人類型、引用國別數(shù)作為控制變量。

表2 影響因素指標選取

3 結(jié)果與分析

3.1各國專利高質(zhì)量發(fā)展時序演變特征分析本文采用Super-SBM模型對中國、美國、韓國和日本4個國家的人工智能產(chǎn)業(yè)專利數(shù)據(jù)進行效率測算，以此評價各國專利質(zhì)量發(fā)展情況。

圖12010-2020年各國專利質(zhì)量發(fā)展演變趨勢

由圖1可知，中國專利質(zhì)量發(fā)展效率趨勢在2010-2020年呈現(xiàn)倒“U”型，總體呈現(xiàn)下降趨勢。其中，2010-2013年呈現(xiàn)上升趨勢，在2013年達到波峰，2014-2020呈現(xiàn)緩慢下降趨勢。自1984年頒布《專利法》后，中國專利申請數(shù)量呈指數(shù)型增長，并逐步成為專利數(shù)量第一大國，得益于此，中國人工智能專利數(shù)量激增。但是，人工智能產(chǎn)業(yè)專利被引證數(shù)量下降，被引用率降低，專利質(zhì)量呈現(xiàn)下降趨勢。原因可能存在以下三點：第一，中國人工智能產(chǎn)業(yè)相較發(fā)達國家起步時間較晚，中國科學技術(shù)水平及自身創(chuàng)新能力基礎(chǔ)較薄弱，專利數(shù)量的增長多依賴小規(guī)模創(chuàng)新或者邊際創(chuàng)新，低質(zhì)量專利及低端產(chǎn)業(yè)運用率是經(jīng)濟發(fā)展中的必經(jīng)現(xiàn)象。第二，國外經(jīng)濟體開始對中國進行“技術(shù)鎖定”戰(zhàn)略，使得中國引進核心技術(shù)受阻，形成“技術(shù)落后-引進落后-創(chuàng)新落后”的局面。第三，為應(yīng)對發(fā)達國家的創(chuàng)新競爭與技術(shù)鎖定，中國實施創(chuàng)新追趕戰(zhàn)略。尤其是以人工智能產(chǎn)業(yè)為代表的高新技術(shù)領(lǐng)域，備受中央及地方關(guān)注。為推動該產(chǎn)業(yè)技術(shù)創(chuàng)新，各級政府實施寬松的資金扶持政策，刺激并扭曲了部分專利申請者動機。政府在專利真實質(zhì)量信息不對稱的情況下，給予專利資助或獎勵，明顯降低專利申請與授權(quán)的交易成本，刺激低質(zhì)量專利申請的行為效應(yīng)，從而產(chǎn)生低質(zhì)量專利逆向選擇效應(yīng)，導致人工智能產(chǎn)業(yè)專利高質(zhì)量發(fā)展效率整體下降。國家將專利數(shù)量及專利等級數(shù)量作為高新技術(shù)企業(yè)認定標準，企業(yè)為獲得政府稅收減免政策或扶持資金，產(chǎn)生低質(zhì)量創(chuàng)新數(shù)量的策略行為。

美國專利質(zhì)量發(fā)展效率總體呈現(xiàn)“U”型發(fā)展趨勢，2011-2016年呈現(xiàn)下降趨勢，在2016年達到波谷，2017-2020年呈現(xiàn)增長趨勢。早期呈下降趨勢，主要因為美國對人工智能產(chǎn)業(yè)發(fā)展的戰(zhàn)略性定位具有模糊性，國家層面一直尚未形成完善的人工智能發(fā)展戰(zhàn)略，使得美國人工智能專利高質(zhì)量發(fā)展的資源配置效率低下。在2017年后美國出現(xiàn)較強的增長趨勢。一方面得益于美國在人工智能基礎(chǔ)理論研究起步較早，技術(shù)研發(fā)機構(gòu)、科學實驗室等技術(shù)基礎(chǔ)雄厚，基礎(chǔ)設(shè)施建設(shè)較完善，為人工智能專利高質(zhì)量發(fā)展提供良好基礎(chǔ)。另一方面，2017年后美國政府意識到人工智能發(fā)展的重要性，并將其作為一項國家戰(zhàn)略，科技政策逐漸明朗。在各方面推動人工智能專利高質(zhì)量發(fā)展行為，如加強培養(yǎng)人工智能專利研發(fā)及應(yīng)用人才。據(jù)統(tǒng)計，在全球人工智能領(lǐng)域人才智庫中，美國技術(shù)人才占據(jù)43%。推動政企研學界人工智能專利技術(shù)突破。在此期間，美國人工智能專利IPC小類數(shù)數(shù)量激增，專利被引用數(shù)遙遙領(lǐng)先，專利高質(zhì)量發(fā)展效果明顯。政府將人工智能納入國家戰(zhàn)略使得美國專利高質(zhì)量發(fā)展進程加快。2019年后，美國簽署《美國人工智能倡議》并設(shè)立人工智能國家委員會，從頂層統(tǒng)籌美國人工智能資源配置，使得美國專利高質(zhì)量發(fā)展資源配置得到優(yōu)化，有利于推動美國人工智能專利高質(zhì)量快速發(fā)展。

日本專利高質(zhì)量發(fā)展效率一直僅次于美國，與美國總體發(fā)展趨勢相似，總體呈現(xiàn)“U”型發(fā)展趨勢，2011-2016年呈現(xiàn)下降趨勢，在2016年達到波谷，2017-2020年呈現(xiàn)增長趨勢。日本早期科學技術(shù)及專利發(fā)展主要依靠技術(shù)引進，技術(shù)引進的主要來源國是美國，受美國專利高質(zhì)量發(fā)展效率的影響，日本發(fā)展趨勢同樣呈現(xiàn)"U"型。2016年前，日本自身專利技術(shù)創(chuàng)新發(fā)展受限，為削減引進的國外核心技術(shù)在國內(nèi)市場的占有額，日本國內(nèi)鼓勵并涌現(xiàn)出大量改良型專利，改良型專利技術(shù)創(chuàng)新程度低，質(zhì)量低劣，顯著降低日本專利局在國際中的地位。為改變國內(nèi)專利現(xiàn)狀，日本政府一方面加快審查程序，縮短審查周期，提高審查質(zhì)量。將專利發(fā)展戰(zhàn)略由技術(shù)引進轉(zhuǎn)向“引進-吸收-創(chuàng)新”，融合本國特征進行價值戰(zhàn)略性輸出，鼓勵專利發(fā)明人向外國尤其是美國申請專利，與國際規(guī)則接軌，進行海外專利布局。另一方面，在專利行政管理制度方面，為提高專利質(zhì)量，建立專利信息提供制度和損害賠償制度。專利信息提供制度，依大眾提供的信息內(nèi)容，及時發(fā)現(xiàn)問題，豐富了公眾質(zhì)疑專利質(zhì)量的方式，提高了專利的穩(wěn)定性及質(zhì)量。損害賠償制度顯著抑制了侵權(quán)行為，為專利發(fā)明創(chuàng)造營造了良好的市場環(huán)境。日本專利發(fā)展制度隨著創(chuàng)新活動的實際情況隨時調(diào)整，與時俱進，有利于專利高質(zhì)量發(fā)展。

韓國專利質(zhì)量發(fā)展效率在2013年以前呈現(xiàn)遞增趨勢，2013-2019年出現(xiàn)大幅下降的趨勢，2019年后出現(xiàn)回升的趨勢。韓國在專利高質(zhì)量發(fā)展方面擁有自己的優(yōu)勢，如靈活的專利經(jīng)營政策、注重專利產(chǎn)業(yè)化，以市場需求的側(cè)重點發(fā)展專利。但是國內(nèi)企業(yè)技術(shù)研發(fā)能力較弱，韓國專利戰(zhàn)略的主要目標是引導國外先進技術(shù)轉(zhuǎn)讓，或鼓勵國內(nèi)申請大量低質(zhì)量的配套專利圍堵國外專利在本國的發(fā)展。專利戰(zhàn)略并沒有從根本上解決韓國專利高質(zhì)量發(fā)展遇到的問題。另外，人工智能專利高質(zhì)量發(fā)展效率受區(qū)域投入不平衡問題限制，據(jù)韓國風險投資公司統(tǒng)計(2019)，韓國首都圈占據(jù)了人工智能風險投資的66.9%，其他地方性產(chǎn)業(yè)與人工智能融合程度不充分，人工智能專利區(qū)域市場化缺乏，專利經(jīng)濟質(zhì)量降低。在2019年后出現(xiàn)回升的趨勢，與韓國將人工智能寫入國家發(fā)展戰(zhàn)略相關(guān)。韓國政府對外順應(yīng)國際發(fā)展趨勢，不斷加強與中、美、歐盟等人工智能專利大國合作。對內(nèi)設(shè)立智能研究所、鼓勵大學開設(shè)人工智能研究生院等，為發(fā)展人工智能專利發(fā)展培育人才，切實為人工智能專利質(zhì)量發(fā)展提供服務(wù)。

3.2技術(shù)創(chuàng)新對專利高質(zhì)量發(fā)展的驅(qū)動機制分析

3.2.1 Hausman檢驗 為選定檢驗?zāi)Ｐ?，本文首先進行Hausman檢驗，依據(jù)檢驗結(jié)果確定選用隨機效應(yīng)模型。其估計結(jié)果見表3，引證專利數(shù)對專利高質(zhì)量發(fā)展的驅(qū)動效應(yīng)在5%的水平上顯著，系數(shù)為負，說明引證專利數(shù)的增加并沒有促進專利質(zhì)量效率的增加?？赡苁菍＠C數(shù)量雖然增加，但是引證專利的質(zhì)量偏低，導致引證專利數(shù)驅(qū)動效應(yīng)為負。引用非專利數(shù)對專利高質(zhì)量發(fā)展的驅(qū)動效應(yīng)并不明顯。說明書頁數(shù)對專利高質(zhì)量發(fā)展的驅(qū)動效應(yīng)在10%的水平下顯著。技術(shù)時滯對專利高質(zhì)量發(fā)展的驅(qū)動效應(yīng)十分明顯，且在1%水平下顯著，說明引用滯后周期越長，會導致專利高質(zhì)量發(fā)展效率越低。

從其他控制變量來看，作為經(jīng)濟質(zhì)量的指標，剩余有效期對專利高質(zhì)量發(fā)展的正向驅(qū)動效應(yīng)明顯，且在10%水平下顯著；主權(quán)項字數(shù)與同族數(shù)對專利高質(zhì)量發(fā)展的驅(qū)動效應(yīng)并不明顯。作為法律層面的指標，申請人類型和當前法律狀態(tài)對專利高質(zhì)量發(fā)展的驅(qū)動效應(yīng)為正，且均在5%水平下顯著；引證專利國別數(shù)對專利高質(zhì)量發(fā)展的驅(qū)動效應(yīng)十分明顯，且在1%水平下顯著。

表3 新驅(qū)動效應(yīng)模型估計結(jié)果

3.2.2 穩(wěn)健性檢驗 在模型構(gòu)建中，遺漏變量與雙向因果關(guān)系的出現(xiàn)極易造成內(nèi)生性問題，內(nèi)生性問題的出現(xiàn)使得模型結(jié)果不穩(wěn)定。為解決上述問題，本文構(gòu)建了工具變量，選取工具變量為解釋變量的滯后一期。此外，本文使用工具變量二階段最小二乘法和廣義矩估計進行了穩(wěn)健性檢驗。結(jié)果見表4，引用時間滯后效應(yīng)、撰寫質(zhì)量推動效應(yīng)和技術(shù)關(guān)聯(lián)效應(yīng)的顯著性程度、影響性質(zhì)與基準回歸結(jié)果基本一致。控制變量中當前法律狀態(tài)、申請人類型和引用國別數(shù)的結(jié)果也與原始結(jié)果基本一致。因此，穩(wěn)健性檢驗結(jié)果通過。

表4 穩(wěn)健性檢驗結(jié)果

4 結(jié)論與政策建議

4.1結(jié)論本文以人工智能產(chǎn)業(yè)為例，基于Super-SBM模型，測度并分析了中國、美國、日本和韓國專利高質(zhì)量發(fā)展趨勢及原因，并采用Hausman檢驗了技術(shù)創(chuàng)新對專利高質(zhì)量發(fā)展的影響機制，通過IV-2SLS和GMM模型對其進行穩(wěn)健性檢驗后，得出如下結(jié)論：

a.中國和韓國人工智能產(chǎn)業(yè)專利高質(zhì)量發(fā)展效率呈現(xiàn)下降趨勢，美國和日本呈現(xiàn)增長趨勢，這表明在人工智能專利發(fā)展方面，中國與其他發(fā)達國家相比還存在較大差距。原因如下：一方面，中國人工智能發(fā)展起步晚，基礎(chǔ)薄弱，自我創(chuàng)新能力低。加之國外經(jīng)濟體對中國實行高新技術(shù)鎖定，引進高新技術(shù)受阻，使得中國人工智能專利質(zhì)量提升難度加大。另一方面，為打破國外技術(shù)鎖定，激勵國內(nèi)人工智能專利創(chuàng)新，政府推行創(chuàng)新追趕政策，對人工智能產(chǎn)業(yè)寬松的資金扶持，刺激并扭曲了專利發(fā)明者的行為動機，造成人工智能專利數(shù)量激增但是質(zhì)量下滑的現(xiàn)象。因此，未來在保持研發(fā)數(shù)量增長的同時應(yīng)不斷提高專利高質(zhì)量發(fā)展效率，以提升人工智能領(lǐng)域創(chuàng)新成果的絕對競爭力。b.技術(shù)創(chuàng)新驅(qū)動機制回歸模型中，技術(shù)時滯、引證專利數(shù)、說明書頁數(shù)對人工智能專利高質(zhì)量發(fā)展的驅(qū)動效應(yīng)十分顯著，其中，技術(shù)時滯、引證專利數(shù)顯著為負，說明書頁數(shù)顯著為正。引用非專利數(shù)對人工智能專利高質(zhì)量發(fā)展的驅(qū)動效應(yīng)并不明顯。其他控制變量中，剩余有效期、申請人類型、引證專利國別數(shù)和當前法律狀態(tài)對人工智能專利高質(zhì)量發(fā)展的驅(qū)動效應(yīng)較為顯著且影響效應(yīng)為正；主權(quán)項字數(shù)對人工智能專利高質(zhì)量發(fā)展的驅(qū)動效應(yīng)不明顯。使用2SLS和GMM模型進行穩(wěn)健性檢驗，結(jié)果與原始結(jié)果基本一致。

4.2政策啟示針對中國人工智能專利高質(zhì)量發(fā)展效率水平的演變特征，以及技術(shù)創(chuàng)新對專利高質(zhì)量發(fā)展的驅(qū)動機制，得出如下政策啟示：

a.完善人工智能專利技術(shù)創(chuàng)新的監(jiān)管機制，增加人工智能產(chǎn)業(yè)專利高質(zhì)量化占有率，以提高專利高質(zhì)量發(fā)展效率。通過優(yōu)化專利技術(shù)審批流程，提高審查效率，縮短人工智能專利審批時間，降低專利產(chǎn)業(yè)化及被引用的時間滯后效應(yīng)，搶占人工智能專利高質(zhì)量發(fā)展制高地。

b.在創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略導向中，建立長期穩(wěn)定的人工智能專利質(zhì)量提升機制。充分將國內(nèi)人工智能技術(shù)創(chuàng)新資源與政策要素相融合，將國外優(yōu)勢技術(shù)要素與中國人工智能市場紅利相結(jié)合，營造良好的人工智能產(chǎn)業(yè)發(fā)展政策環(huán)境。

c.加強人工智能領(lǐng)域內(nèi)專利質(zhì)量評估系統(tǒng)化、科學化、法制化建設(shè)。建立人工智能專利代理服務(wù)競爭機制并納入專利質(zhì)量評估體系，大力引導人工智能專利撰寫質(zhì)量提升。強調(diào)引用人工智能專利高質(zhì)量化，增加引用國別數(shù)，有效發(fā)揮科學技術(shù)關(guān)聯(lián)效應(yīng)。明確人工智能專利法規(guī)中有關(guān)專利質(zhì)量的獎懲機制，鼓勵人工智能高水平創(chuàng)造，促進人工智能專利高質(zhì)量發(fā)展。