技術(shù)機(jī)會視角下的研發(fā)合作伙伴識別與選擇研究*

王金鳳 李阿丹 馮 健 馮立杰 程 璐

(1．上海海事大學(xué)中國(上海)自貿(mào)區(qū)供應(yīng)鏈研究院 上海 201306;2．上海海事大學(xué)經(jīng)濟(jì)管理學(xué)院 上海 201306;3. 上海海事大學(xué)物流科學(xué)與工程研究院 上海 201306 )

0 引 言

現(xiàn)代科學(xué)技術(shù)的飛速發(fā)展,伴之經(jīng)濟(jì)社會對科技創(chuàng)新的需求日益迫切,創(chuàng)新技術(shù)機(jī)會的識別與研發(fā)對企業(yè)而言益發(fā)顯得重要[1,2]。但囿于資源所限,眾多企業(yè)往往選擇合作研發(fā)方式以最大化利用自身有限的資源實現(xiàn)對新技術(shù)的獲取,進(jìn)而借助互補(bǔ)信息和資源實現(xiàn)利潤的最大化[3]。

進(jìn)一步的,相較于企業(yè)自主研發(fā),合作研發(fā)不僅可以促進(jìn)企業(yè)與合作伙伴間實現(xiàn)優(yōu)勢資源共享,彌補(bǔ)自身研發(fā)能力的不足,而且可以分散因技術(shù)創(chuàng)新所帶來的不確定性風(fēng)險。所以,對研發(fā)合作伙伴的識別和選擇是企業(yè)的一項重要發(fā)展戰(zhàn)略[4,5]。

對此,眾多學(xué)者聚焦于研發(fā)合作伙伴的識別和選擇,分別就基于調(diào)查數(shù)據(jù)[6]、論文數(shù)據(jù)[7]、專利信息[8]等,采用SAO分析[9,10]、關(guān)聯(lián)規(guī)則挖掘[11]、SimRank算法[12]等方法,結(jié)合指標(biāo)評估和領(lǐng)域?qū)＜乙庖?進(jìn)行了潛在合作伙伴選擇問題的研究。眾多學(xué)者提出的諸多較為成熟的定量方法[13],使得系統(tǒng)全面預(yù)判技術(shù)創(chuàng)新機(jī)會成為可能,為本文提供了重要的參考思路,但仍存在一些需要深入探討的問題:

現(xiàn)有的專利合作研究主要集中在特定技術(shù)領(lǐng)域,通過構(gòu)建專利合作網(wǎng)絡(luò),揭示網(wǎng)絡(luò)整體結(jié)構(gòu)、創(chuàng)新主體位置和特征以及網(wǎng)絡(luò)中合作演化等內(nèi)容,旨在整合專利合作過程中的創(chuàng)新資源。然而,這些研究較少從技術(shù)機(jī)會的角度對潛在的專利合作伙伴以及專利合作機(jī)會進(jìn)行深入探討。技術(shù)機(jī)會視角強(qiáng)調(diào)的是能夠預(yù)見未來創(chuàng)新機(jī)會和市場趨勢的能力,可以根據(jù)這些預(yù)見來制定和規(guī)劃未來的專利合作戰(zhàn)略。基于這種視角進(jìn)行的研究將關(guān)注如何預(yù)見潛在的合作伙伴、專利技術(shù)以及專利合作機(jī)會,從而觸發(fā)創(chuàng)新過程,促進(jìn)創(chuàng)新資源的集成和創(chuàng)新能力的提高。

有鑒于此,本文在汲取前人研究成果基礎(chǔ)上,提出了一種基于GTM(Generative Topographic Mapping,GTM)的研發(fā)合作伙伴識別和選擇方法。首先,收集相關(guān)專利數(shù)據(jù)并進(jìn)行數(shù)據(jù)預(yù)處理;其次,基于GTM方法將專利信息進(jìn)行可視化表達(dá)并生成專利地圖,通過逆映射識別具象領(lǐng)域的潛在技術(shù)機(jī)會;然后,通過技術(shù)匹配度分析目標(biāo)企業(yè)與技術(shù)機(jī)會之間的聯(lián)系,以篩選候選合作伙伴;最后,構(gòu)建基于技術(shù)能力和技術(shù)集中度的競爭力組合圖,以評估和選擇候選合伙伙伴。本文所提出的方法能夠幫助企業(yè)從潛在技術(shù)機(jī)會視角出發(fā),客觀尋找合適的合作伙伴以提升研發(fā)效率,進(jìn)而為企業(yè)高效開展協(xié)同創(chuàng)新提供可資借鑒的決策理論支持。

1 文獻(xiàn)綜述

1.1 有關(guān)技術(shù)機(jī)會識別問題的研究

技術(shù)機(jī)會意味著技術(shù)進(jìn)步的可能性,技術(shù)機(jī)會發(fā)現(xiàn)作為一種技術(shù)預(yù)測手段,可以探索技術(shù)發(fā)展方向和評估技術(shù)發(fā)展風(fēng)險,從而為行業(yè)或者公司提供重要參考價值。專利地圖作為一種有效的分析工具,可將某領(lǐng)域?qū)＠乃嘘P(guān)系進(jìn)行可視化表達(dá)并以直觀的方式幫助專家識別有效信息。因此,通過專利數(shù)據(jù)開發(fā)專利地圖并可視化關(guān)鍵信息是探索技術(shù)機(jī)會的可靠方式。GTM專利地圖通常被用來識別已有專利的技術(shù)真空以研判該技術(shù)領(lǐng)域的創(chuàng)新機(jī)會[14-15],技術(shù)真空表征了技術(shù)領(lǐng)域中的潛在技術(shù)機(jī)會,繼而可經(jīng)由識別的技術(shù)真空聚焦技術(shù)機(jī)會找尋合適的合作伙伴。

作為一種基于貝葉斯理論的降維分析方法,利用GTM能夠?qū)⒍嗑S專利數(shù)據(jù)自動映射至由網(wǎng)格構(gòu)成的二維地圖,進(jìn)而通過逆映射算法提升對專利真空識別與解釋的客觀性。

對此,Son等[16]通過構(gòu)建光刻技術(shù)的GTM專利地圖自動識別了該領(lǐng)域的專利真空,以高效發(fā)現(xiàn)新的技術(shù)機(jī)會;Yoon等[17]利用形態(tài)分析法融合GTM識別了LED燈溫控領(lǐng)域的專利真空,在研判技術(shù)機(jī)會的同時搜尋了潛在的合作伙伴;Yoon和Magee[18]利用GTM逆映射函數(shù)關(guān)鍵詞解釋了識別的3D打印技術(shù)機(jī)會,并篩選出了具有開發(fā)前景的技術(shù)真空;Teng等[19]利用文本挖掘技術(shù)結(jié)合K-means算法完成了對質(zhì)子交換膜的專利數(shù)據(jù)關(guān)鍵詞提取與聚類,同時運用 GTM進(jìn)行了數(shù)據(jù)降維以形成二維專利地圖自動識別了專利真空,完成了對該技術(shù)領(lǐng)域創(chuàng)新機(jī)會的識別。此外,已有相關(guān)文獻(xiàn)還利用GTM對技術(shù)商業(yè)化機(jī)會[20]和商業(yè)模式創(chuàng)新機(jī)會[21]進(jìn)行了預(yù)判。

然而,利用GTM逆映射識別的技術(shù)機(jī)會大多以關(guān)鍵詞或IPC形式呈現(xiàn),對細(xì)節(jié)的解釋性較差,而DMC(Derwent Manual Codes)相較IPC而言更能體現(xiàn)出具象領(lǐng)域的技術(shù)特征,并且相較關(guān)鍵詞的粗粒度呈現(xiàn),蘊(yùn)含著更加豐富的技術(shù)實現(xiàn)細(xì)節(jié)語義信息。

因此,本文將在構(gòu)建GTM專利地圖基礎(chǔ)上,通過識別具象技術(shù)領(lǐng)域的技術(shù)真空,為細(xì)粒度指導(dǎo)企業(yè)識別潛在技術(shù)機(jī)會提供科學(xué)的參考思路。

1.2 有關(guān)研發(fā)合作伙伴選擇問題的研究

現(xiàn)有關(guān)于研發(fā)合作伙伴選擇問題相關(guān)的文獻(xiàn)主要集中在選擇方法與評價指標(biāo)兩個層面。

針對研發(fā)合作伙伴選擇方法的研究中, Wang等[9]利用SAO語義分析方法,歸納總結(jié)了根據(jù)目標(biāo)或解決方案的相似性確定研發(fā)合作伙伴的流程;崔晶等[11]在利用關(guān)聯(lián)規(guī)則方法挖掘目標(biāo)企業(yè)的同心多元化技術(shù)領(lǐng)域基礎(chǔ)上,根據(jù)專利授權(quán)量排名確定了相關(guān)領(lǐng)域的潛在合作伙伴;李冰等[12]通過構(gòu)建企業(yè)-專利異質(zhì)性網(wǎng)絡(luò),利用基于SimRank指標(biāo)的鏈路預(yù)測算法進(jìn)行了合作伙伴和競爭對手的研判。

而針對研發(fā)合作伙伴選擇指標(biāo)的研究中,如利用調(diào)查法確定合作伙伴的定性選擇標(biāo)準(zhǔn)為之提供了豐富的多元評價指標(biāo)[22],包括研發(fā)目標(biāo)的兼容性和技能的互補(bǔ)性[23]、技術(shù)的相關(guān)性和先驗性等[24]。與此同時也存在信息來源范圍有限、衡量標(biāo)準(zhǔn)過度依賴領(lǐng)域?qū)＜沂怪饔^客觀性不足等問題。對此,Geum等[25]根據(jù)科學(xué)出版物和專利的文獻(xiàn)計量及引用信息設(shè)計了14個指數(shù),用以搜索和評估合適的研發(fā)合作伙伴;吳菲菲等[26]通過分析網(wǎng)站和專利等多源數(shù)據(jù)庫并基于Topsis法,利用技術(shù)能力、合作能力和市場能力等3項指標(biāo),從量化角度研究了如何選擇最優(yōu)的研發(fā)合作伙伴。

上述研究均為本文提供了重要的參考思路。然而,其中存在的較少兼顧具象領(lǐng)域技術(shù)機(jī)會,而且受限于領(lǐng)域?qū)＜业闹饔^性判斷,可能使企業(yè)錯失更為合適的研發(fā)合作伙伴。

因此,本文將在利用GTM挖掘?qū)＠麛?shù)據(jù)、識別具象技術(shù)領(lǐng)域潛在技術(shù)創(chuàng)新機(jī)會的基礎(chǔ)上, 通過與目標(biāo)企業(yè)的技術(shù)匹配度分析及指標(biāo)評估,篩選出合適的研發(fā)合作伙伴,為企業(yè)高效開展技術(shù)研發(fā)提供科學(xué)的參考思路。

2 研究設(shè)計

本文基于GTM進(jìn)行研發(fā)合作伙伴的識別與選擇主要包括以下4個步驟:首先,從相關(guān)數(shù)據(jù)庫收集專利信息,經(jīng)清洗后提取DMC并構(gòu)建專利-DMC矩陣;其次,繪制GTM專利地圖以識別潛在的技術(shù)機(jī)會,確定目標(biāo)合作技術(shù);然后,評估目標(biāo)合作技術(shù)的可實現(xiàn)性,分析其與目標(biāo)企業(yè)的技術(shù)匹配度以獲取候選合作伙伴清單;最后,對候選合作伙伴進(jìn)行評價,最終得到所選擇的研發(fā)合作伙伴。具體步驟如圖1所示。

圖1 研發(fā)合作伙伴識別和選擇流程圖

2.1 數(shù)據(jù)收集及預(yù)處理

首先,從Derwent數(shù)據(jù)庫中檢索相關(guān)專利并提取DMC和專利申請人信息。因為在專利文獻(xiàn)中,每件專利均至少擁有一個DMC表征其外部特征和應(yīng)用領(lǐng)域,所以,從收集的專利完整記錄中提取DMC旨在按照其出現(xiàn)的頻率進(jìn)行優(yōu)先級排序。

其次,根據(jù)領(lǐng)域?qū)＜乙庖?剔除不相關(guān)的DMC后構(gòu)建專利-DMC矩陣。因為專利-DMC矩陣由二進(jìn)制數(shù)字組成,所以,如果該DMC未在專利中出現(xiàn)為0,反之為1,進(jìn)而可構(gòu)建專利-DMC矩陣(見表1)。

表1 專利-DMC 矩陣

2.2 潛在技術(shù)機(jī)會識別

首先,通過GTM對專利-DMC矩陣數(shù)據(jù)進(jìn)行可視化表達(dá),即將復(fù)雜的多維數(shù)據(jù)映射至二維專利地圖,進(jìn)行或已有專利或技術(shù)真空的直觀反映[16]。在繪制的GTM專利地圖中,“○”代表該單元格已被占用,通過逆映射計算可以定位至專利數(shù)據(jù);專利地圖中的空白區(qū)域即技術(shù)真空。其示例如圖2所示。

圖2 GTM專利地圖示例

其次,在GTM運算過程中還需確定系列模型參數(shù)。包括:基函數(shù)的數(shù)量、基函數(shù)的寬度、潛在空間網(wǎng)格上的樣本點、權(quán)值正則化因子和重復(fù)迭代次數(shù)[27]。一般而言,這些參數(shù)可以通過敏感性實驗確定,進(jìn)而繪制GTM專利地圖以識別具象領(lǐng)域的技術(shù)真空,通過逆映射得到技術(shù)真空對應(yīng)的DMC向量[27]。其逆映射向量的具體計算公式如下:

y(x;W)=Wφ(x)

(1)

式(1)中,W為初始專利-DMC矩陣,φ(x)為潛在變量的固定基函數(shù),y(x;W)為一個變換函數(shù),將x進(jìn)行空間映射,由此可通過逆映射確認(rèn)技術(shù)真空對應(yīng)的DMC向量。

最后,為了有效解讀技術(shù)真空對應(yīng)的DMC向量,還需將逆映射后的參數(shù)轉(zhuǎn)化為二進(jìn)制,并設(shè)定合理閾值以形成二進(jìn)制表征的DMC向量矩陣,進(jìn)而得到每個技術(shù)真空所對應(yīng)的DMC組合,也即目標(biāo)合作技術(shù)。

2.3 候選合作伙伴清單獲取

首先,評估目標(biāo)合作技術(shù)的可實現(xiàn)性以研判識別出的目標(biāo)合作技術(shù)的可行性。從持續(xù)創(chuàng)新視角考察,如果技術(shù)真空與其相鄰的專利技術(shù)關(guān)聯(lián)度越高其可實現(xiàn)性則越高[17]。由此可采用余弦相似度指標(biāo)對專利真空進(jìn)行評估,借助GTM專利地圖通過逆映射得到專利真空和其周圍專利的向量。然后計算專利真空和周圍專利非真空夾角余弦值的平均值(取值范圍為[0,1]),取值越大說明該技術(shù)真空在現(xiàn)實中的可實現(xiàn)性越高[17]?；跉W幾里得距離的余弦相似度計算公式,平均余弦相似度具體計算公式如下:

(2)

式(2)中,Oi、Pj分別表示專利真空和該專利真空周圍非真空對應(yīng)的向量,n表示專利真空周圍非真空的數(shù)量。

其次,分析具象技術(shù)領(lǐng)域目標(biāo)技術(shù)與目標(biāo)企業(yè)的技術(shù)相關(guān)性。通過分析目標(biāo)企業(yè)的專利數(shù)據(jù)并提取其中的DMC信息,繼而與前述技術(shù)真空對應(yīng)的DMC比對,即可確定具象技術(shù)領(lǐng)域目標(biāo)合作技術(shù)與目標(biāo)企業(yè)的技術(shù)相關(guān)性。目標(biāo)企業(yè)與技術(shù)真空之間的共同技術(shù)領(lǐng)域數(shù)量占二者技術(shù)領(lǐng)域總數(shù)的比值(也即技術(shù)距離)越大,說明其與目標(biāo)企業(yè)的技術(shù)相似性越高[11]。本文通過DMC信息計算技術(shù)距離,其具體計算公式如下:

(3)

式(3)中,QCDMC表示目標(biāo)企業(yè)與技術(shù)真空之間的共同DMC技術(shù)領(lǐng)域數(shù);E1DMC表示目標(biāo)企業(yè)的DMC數(shù);O1DMC表示技術(shù)真空的DMC數(shù)。

最后,通過分析目標(biāo)合作技術(shù)的技術(shù)匹配度以獲取候選合作伙伴清單。在前述研究基礎(chǔ)上,可選取平均余弦相似度和技術(shù)距離均較高的技術(shù)真空對應(yīng)的DMC組合作為目標(biāo)合作研發(fā)技術(shù),進(jìn)而通過在數(shù)據(jù)庫的二次檢索,獲取候選研發(fā)合作伙伴清單。

2.4 研發(fā)合作伙伴評估

影響合作伙伴選擇的因素眾多,為了篩選出更匹配的合作伙伴,本文借鑒 Chung等[8]的評價方法,選取了借助技術(shù)能力和技術(shù)集中度兩項指標(biāo)進(jìn)行了候選研發(fā)合作伙伴評估。此外,在考慮候選研發(fā)合作伙伴的專業(yè)技術(shù)實力的同時,還需考慮其在該技術(shù)領(lǐng)域所擁有的專利數(shù)量作為補(bǔ)充衡量指標(biāo)。具體技術(shù)能力和技術(shù)集中度的計算公式如下:

(4)

式(4)中,Cpi表示潛在合作伙伴p在i技術(shù)領(lǐng)域擁有專利的被引次數(shù),ypi表示該專利的發(fā)表時間,ye表示基準(zhǔn)年。

(5)

式(5)中,Pp(i)表示候選合作伙伴p在i領(lǐng)域的專利數(shù)量,Ppntotal(i)表示所有候選合作伙伴在i領(lǐng)域擁有的專利總數(shù),Ptotal表示候選合作伙伴p擁有專利的總數(shù),Ppntotal表示所有候選合作伙伴擁有專利的總數(shù)。

3 案例應(yīng)用——智能水下機(jī)器人路徑優(yōu)化研發(fā)合作伙伴的識別與選擇

智能水下機(jī)器人(Autonomous Underwater Vehicles,AUV)作為一種水下作業(yè)裝備,在海洋資源的開發(fā)利用中起著至關(guān)重要的作用。其中的路徑優(yōu)化技術(shù)作為掣肘AUV自主性能的關(guān)鍵技術(shù),對提升AUV的安全可靠性、高效自主完成遠(yuǎn)程航海與地形勘察作業(yè)尤為重要[28]。但現(xiàn)有AUV路徑優(yōu)化技術(shù)的研發(fā)成本居高不下,亟待確定合適的研發(fā)合作伙伴。

3.1 AUV路徑優(yōu)化技術(shù)數(shù)據(jù)的收集與處理

本文的專利信息來源于Derwent數(shù)據(jù)庫。在獲取數(shù)據(jù)前,首先,在確定AUV路徑優(yōu)化檢索內(nèi)容基礎(chǔ)上獲取相關(guān)數(shù)據(jù),包括對AUV領(lǐng)域?qū)＜以L談以確定檢索表達(dá)式。具體檢索內(nèi)容見表2。

表2 AUV路徑優(yōu)化技術(shù)專利檢索表達(dá)式

表2中,本文采用“TS= ("underwater vehicle*" OR AUV OR MAUV OR "underwater robot *") AND TS= (path OR track OR obstacle avoid* OR plan* OR position*)”檢索策略,共收集到2519條與AUV路徑優(yōu)化技術(shù)相關(guān)的專利信息。

其次,進(jìn)行數(shù)據(jù)的預(yù)處理并構(gòu)建專利-DMC矩陣。從AUV路徑優(yōu)化的2519篇專利信息中提取DMC代碼并按照出現(xiàn)頻率排序,可得到1968個獨立的DMC代碼。經(jīng)領(lǐng)域?qū)＜覍徍饲逑春?最終得到對應(yīng)于1825個專利文獻(xiàn)的227個DMC代碼,以行和列分別對應(yīng)不同專利及其DMC向量,進(jìn)而可構(gòu)建AUV路徑優(yōu)化的專利-DMC矩陣(見表3)。

表3 AUV路徑優(yōu)化專利-DMC矩陣

3.2 AUV路徑優(yōu)化技術(shù)潛在技術(shù)機(jī)會的識別

首先,在前述專利-DMC矩陣基礎(chǔ)上繪制GTM專利地圖以識別技術(shù)真空。本文設(shè)置的GTM相關(guān)參數(shù)為:基函數(shù)數(shù)量為100、基函數(shù)寬度為0.8、潛在空間網(wǎng)格上的樣本點為8×8、權(quán)值正則化因子為0.01,重復(fù)迭代次數(shù)100次,由此可得到AUV路徑優(yōu)化技術(shù)領(lǐng)域的GTM專利地圖,繼而得到按照單元格順序標(biāo)號的15個技術(shù)真空(見圖3)。

圖3 基于GTM的AUV路徑優(yōu)化專利地圖

其次,利用逆映射探究具有研發(fā)潛力的AUV路徑優(yōu)化領(lǐng)域技術(shù)真空。為了將逆映射得到的矩陣轉(zhuǎn)化為二進(jìn)制矩陣,本文借鑒已有研究成果將閾值設(shè)為0.6[27],即當(dāng)逆映射數(shù)值大于或等于0.6時數(shù)值為1、否則為0,由此可得到10個具有研發(fā)潛力的AUV路徑優(yōu)化技術(shù)真空,其專利真空-DMC矩陣見表4。

表4 AUV路徑優(yōu)化各專利真空對應(yīng)的DMC向量(部分)

最后,研判基于GTM專利地圖衍生的、對應(yīng)每個AUV路徑優(yōu)化技術(shù)真空的潛在目標(biāo)合作技術(shù)(見表5)。

表5 AUV路徑優(yōu)化各技術(shù)真空對應(yīng)的DMC結(jié)果

3.3 AUV路徑優(yōu)化技術(shù)候選合作伙伴清單的獲取

首先,從檢索到的AUV路徑優(yōu)化專利中確定目標(biāo)企業(yè)。其中,機(jī)構(gòu)X(哈爾濱工程大學(xué))從2007年起即開始申請占AUV路徑優(yōu)化領(lǐng)域最多的專利(約占專利總量的5.5%),其技術(shù)分布如表6所示。

表6 機(jī)構(gòu)X的技術(shù)分布

其次,分別計算機(jī)構(gòu)X和前述技術(shù)真空的技術(shù)距離以及真空與周圍專利的平均余弦相似度,進(jìn)而進(jìn)行技術(shù)匹配度分析, 結(jié)果如圖4所示。對比發(fā)現(xiàn),AUV路徑優(yōu)化的技術(shù)真空39、真空30與目標(biāo)機(jī)構(gòu)的技術(shù)匹配度較高。為了進(jìn)一步說明問題,本文選擇技術(shù)真空39作為目標(biāo)合作技術(shù)進(jìn)行詮釋。

圖4 AUV路徑優(yōu)化技術(shù)匹配度分析

由表5,技術(shù)真空39對應(yīng)的DMC為T06-B01B、S02-B01A、T04-D04、S02-B02A、T04-D07D5、T01-N01D、S02-B08E,分別表示目標(biāo)尋找控制、位置測量、識別、測量高度、檢測位置與方向、數(shù)據(jù)傳輸、顯示與指示等方面的技術(shù)信息。

最后,為了實現(xiàn)技術(shù)真空39,需要挖掘在DMC代碼T01-N01D、S02-B08E深耕的專利申請人作為候選合作伙伴。經(jīng)在數(shù)據(jù)庫二次檢索可獲得199個包含目標(biāo)DMC代碼的專利,在濾除其中的噪聲后遴選到177個專利所對應(yīng)的130家候選研發(fā)合作伙伴。

3.4 AUV路徑優(yōu)化技術(shù)候選研發(fā)合作伙伴的評估

經(jīng)由候選研發(fā)合作伙伴的技術(shù)能力和技術(shù)集中度指標(biāo),輔之以擁有的專利數(shù)量可為機(jī)構(gòu)X評估并推薦高價值的研發(fā)合作伙伴。

本文以2021年為基準(zhǔn)年,分別將各個候選合作伙伴的數(shù)據(jù)代入公式(3)和公式(4),可計算所有候選合作伙伴的技術(shù)能力和技術(shù)集中度值,結(jié)合統(tǒng)計其擁有的相關(guān)專利數(shù)量,進(jìn)而可得到49家技術(shù)能力和技術(shù)集中度均為正值的候選合作伙伴,計算結(jié)果見表7。

表7 AUV路徑優(yōu)化候選研發(fā)合作伙伴的技術(shù)能力、技術(shù)集中度和擁有的專利數(shù)量

為了更加直觀地評估候選合作伙伴,還需以技術(shù)集中度為橫軸、以技術(shù)能力為縱軸構(gòu)建競爭力組合圖,其擁有的相關(guān)專利數(shù)量則以氣泡大小表示,構(gòu)建候選合作伙伴競爭力組合分析圖(見圖5)。

圖5 AUV路徑優(yōu)化候選研發(fā)合作伙伴競爭力組合圖

由圖5可以看出,在49家候選合作伙伴中:有8家技術(shù)集中度和技術(shù)能力均較高的,可作為競爭組;有14家技術(shù)能力較高但技術(shù)集中度一般的,可作為一般組;有16家技術(shù)集中度較高但技術(shù)能力較低的,可作為潛力組;而11家技術(shù)集中度和技術(shù)能力均較低的,則不作為考慮對象。

顯然,選擇研發(fā)合作伙伴時通常應(yīng)優(yōu)先關(guān)注競爭組。在本文的案例應(yīng)用中,A63企業(yè)(TELMAP LTD)是一家導(dǎo)航技術(shù)和定位解決方案的上市公司,關(guān)注測繪測量、激光雷達(dá)、地理信息系統(tǒng)、無人機(jī)等技術(shù)領(lǐng)域,具有較高的技術(shù)能力(1.79)和技術(shù)集中度(2.51);其關(guān)于AUV的路徑優(yōu)化專利WO2006011149-A2,可將道路數(shù)據(jù)從地圖服務(wù)器下載至客戶端設(shè)備,然后使用下載的數(shù)據(jù)在客戶端設(shè)備上呈現(xiàn)部分走廊地圖圖像,通過傳感器即可捕捉到運動數(shù)據(jù)并進(jìn)行圖像的可視化表達(dá)。因此該候選合作伙伴開發(fā)的專利與機(jī)構(gòu)X的技術(shù)需求匹配度較高,由此可推薦TELMAP作為與機(jī)構(gòu)X進(jìn)一步開展合作的研發(fā)伙伴。

但在現(xiàn)實中,有可能出現(xiàn)未能在競爭組找尋到合適的伙伴,此時則需順延至一般組或潛力組進(jìn)行篩選,以尋找較為合適的研發(fā)合伙伙伴。如在本文的案例應(yīng)用中,一般組的A3(BAYERISCHE MOTOREN WERKE AG)盡管技術(shù)集中度為0.04,但卻具有4.12非常高的技術(shù)能力;其關(guān)于AUV的路徑優(yōu)化專利WO2017198429-A1、 DE102016208369-A1和US2019100141-A1,可捕獲代表車輛的環(huán)境數(shù)據(jù)以確定車輛的位置參數(shù),即通過獲取環(huán)境數(shù)據(jù)分析車輛的背景信息,與目標(biāo)企業(yè)的技術(shù)需求密切相關(guān)。此外,A3在不同的技術(shù)領(lǐng)域還擁有多項專利,機(jī)構(gòu)X與其開展合作也可實現(xiàn)不斷拓展業(yè)務(wù)的目的。

又如在本文的案例應(yīng)用中,潛力組的A11(CLARIO)盡管技術(shù)能力為0.33,但卻具有4.42非常高技術(shù)集中度;其主要涉及汽車電池產(chǎn)品 、零件更換售后等多渠道運營,擁有電池研發(fā)、導(dǎo)航系統(tǒng)、圖像輸出技術(shù)和車輛控制等諸多專利,因此機(jī)構(gòu)X也可考慮與候選合作伙伴A11開展長期合作。

4 結(jié)論與展望

本文提出了一種基于生成式拓?fù)溆成涞难邪l(fā)合作伙伴識別與選擇方法。首先,通過文本挖掘,從專利數(shù)據(jù)庫中提取專利信息并進(jìn)行數(shù)據(jù)清洗,構(gòu)建專利-DMC矩陣;其次,利用GTM方法構(gòu)建專利地圖識別技術(shù)真空,以尋找目標(biāo)合作技術(shù);然后,根據(jù)技術(shù)匹配度確定候選合作伙伴清單;再次,構(gòu)建競爭力組合圖對候選合伙伙伴進(jìn)行評估和篩選;最后,以AUV路徑優(yōu)化技術(shù)為例,驗證了該方法的可行性。

本文的學(xué)術(shù)貢獻(xiàn)主要體現(xiàn)在以下幾個方面:

第一,在研發(fā)合作伙伴的識別評估研究中,引入了技術(shù)機(jī)會視角,以GTM專利地圖識別技術(shù)真空為導(dǎo)航,為目標(biāo)企業(yè)靶向定位研發(fā)合作伙伴,利用GTM自動識別了具象領(lǐng)域的技術(shù)真空,在尋找研發(fā)合作伙伴過程中,較之以往過分依賴領(lǐng)域?qū)＜疫M(jìn)行主觀研判的局限,能夠細(xì)粒度指導(dǎo)企業(yè)開展技術(shù)創(chuàng)新。

第二,豐富了利用GTM生成專利地圖的方法體系。本文通過繪制GTM專利地圖識別的技術(shù)真空,較之以往大多利用GTM逆映射識別的以關(guān)鍵詞或IPC形式呈現(xiàn)的技術(shù)機(jī)會,蘊(yùn)含著更加豐富的技術(shù)細(xì)節(jié)語義信息,能夠提升了對專利真空識別與解釋的客觀性。

然而本文仍存在一定的局限性,需要在未來的研究中加以解決:

首先, 有待于利用多源數(shù)據(jù)開展技術(shù)機(jī)會識別。盡管專利數(shù)據(jù)是技術(shù)機(jī)會發(fā)現(xiàn)的主要來源,但仍需結(jié)合論文數(shù)據(jù)和商業(yè)數(shù)據(jù)等提供的更加豐富的技術(shù)領(lǐng)域信息綜合開展技術(shù)機(jī)會識別,否則可能會影響識別結(jié)果的精準(zhǔn)度。因此,后續(xù)研究還應(yīng)綜合考慮論文、商業(yè)等多源數(shù)據(jù),進(jìn)一步從多角度挖掘和分析技術(shù)機(jī)會。

其次, 有待于利用多指標(biāo)開展候選研發(fā)合作伙伴的綜合實力衡量。盡管本文從技術(shù)能力和技術(shù)集中度輔之以擁有專利數(shù)量為研發(fā)合作伙伴的選擇提供了一個系統(tǒng)性框架,但仍需針對專利申請人進(jìn)行綜合實力考量,否則可能會影響協(xié)同研發(fā)的效率。因此,后續(xù)研究還應(yīng)考慮專利申請人的綜合實力,進(jìn)一步從多指標(biāo)研判合適的研發(fā)合作伙伴。