不確定性環(huán)境下專利開放許可激勵策略演化分析

中圖分類號：F224.32；D923.42 文獻(xiàn)標(biāo)識碼：A doi：10.3969/j.issn.1672-2272.202504061

TheEvolutionary Analysis of Incentive Strategies for Patent Open Licensing under Uncertain Environments

Deng Wenjie

（Chongqing Intellectual Property School，Chongqing Universityof Technology，Chongqing 40oo，China）

Abstract：To optimize the incentive implementation path of the patent open licensing system under uncertain environments，this study constructs a three-party evolutionary game model involving patent administrative departments，patent holders，and potential licensees. To better capture environmental randomness，the stochastic evolutionary game model is further developed by introducing Gaussian white noise.，and the Taylor expansion method is employed to derive analytical solutions and conduct stability analysisand numerical simulations.The findings reveal that the intensity of environmental disturbances significantly affects the volatility of strategic choices and the speed of evolutionary processes， with potential licensees being most susceptible and patent administrative departments the least sensitive.Initial participation probabilities play a moderating role in theevolution of strategies：low initial probabilities require administrative guidance，whereas high initial probabilities lead to more rapid incentive responses.Moreover，punitive measures exhibit diminishing marginal utility，economic incentives mayinduce adverse selection，while convenience-based incentives effectively enhance patent holders’ willingness to participate.This study uncovers the heterogeneous behavioral mechanisms of the strategic agents，delineates the boundaries of incentive policy applicability，and ofers theoretical support for the optimization of the patent open licensing system.

Key Words：Patent Open Licensing；Uncertain Environment； Incentive Strategies；Stochastic Evolutionary Game

0 引言

2021年6月1日，《中華人民共和國專利法》完成修訂并正式施行，其中增設(shè)了專利開放許可制度。該制度規(guī)定，專利權(quán)人自愿提出專利開放許可申請，并在聲明中載明許可使用費支付標(biāo)準(zhǔn)后，國務(wù)院專利行政部門將予以公告。任何人以書面形式通知專利權(quán)人，并依公告標(biāo)準(zhǔn)支付使用費，即可獲得專利實施許可。自2022年5月起，國家知識產(chǎn)權(quán)局先后在上海、江蘇、廣東、浙江、北京等22個省份啟動了專利開放許可試點工作。經(jīng)過試點推進，截至2023年底，全國22個省份的開放許可制度吸引了逾3200名專利權(quán)人，共推動5.9萬余件專利進入開放許可池，成功促成許可交易1.7萬多項。然而，相較于全國同期401.5萬件的有效發(fā)明專利規(guī)模，這一成果仍顯不足，凸顯出顯著差距。因此，如何激勵更多專利權(quán)人和潛在被許可人充分利用開放許可制度，成為當(dāng)前亟待解決的問題。

專利開放許可的激勵機制大致可分為兩類：便利型激勵和經(jīng)濟型激勵[。便利型激勵主要通過建設(shè)交易平臺、優(yōu)化流程等手段降低交易成本；經(jīng)濟型激勵則借助年費減免和財政補貼等方式，緩解專利權(quán)人面臨的經(jīng)濟壓力。然而，當(dāng)前專利開放許可在促進專利轉(zhuǎn)化方面的激勵制度尚不健全，存在多方面的問題。一方面，參與成本使得參與主體間存在明顯不均，企業(yè)等市場化主體參與度普遍偏低[2]；另一方面，年費減免機制設(shè)計僵化，靜態(tài)補貼難以適配快速變化的市場需求[3-4]，政策疊加效應(yīng)也在一定程度上削弱了激勵效果[5]。此外，激勵機制內(nèi)部還存在較強的內(nèi)生性沖突：經(jīng)濟型激勵會出現(xiàn)“過度激勵”與“激勵精準(zhǔn)度不足\"并存的問題，誘導(dǎo)密集型產(chǎn)業(yè)領(lǐng)域形成政策套利現(xiàn)象[；同時，開放許可內(nèi)部規(guī)則不健全也增加了參與者參與的成本[7-9]?，F(xiàn)有研究大多基于靜態(tài)分析框架，尚未充分揭示專利開放許可制度在時間維度上的動態(tài)演化特征，尤其未能深入刻畫專利行政部門、專利權(quán)人和潛在被許可人三方策略博弈的動態(tài)演化過程。在激勵機制優(yōu)化的路徑探索中，雖有學(xué)者提出諸如基于專利剩余價值、質(zhì)量和行業(yè)特性動態(tài)調(diào)整專利年費[10-11]，將目標(biāo)考核與績效掛鉤[12]，建設(shè)\"專利超市”[13]，設(shè)立專家估值咨詢機構(gòu)[14]，推動開放許可制度區(qū)域化[15]，建立交易平臺標(biāo)準(zhǔn)[16]以及推動平臺電商化轉(zhuǎn)型[17-18]等多樣化優(yōu)化策略，但這些方案普遍缺乏對市場波動、技術(shù)不確定性等外部擾動因素的分析。針對傳統(tǒng)模型未能有效反映外部環(huán)境擾動的問題，本文引入高斯白噪聲模擬策略演化中受到的隨機因素，構(gòu)建融入環(huán)境不確定性的三方隨機演化博弈框架。借助Ito型隨機微分方程與隨機Taylor展開方法，對演化過程進行理論推導(dǎo)，并結(jié)合數(shù)值仿真，描繪各行為主體在激勵機制與外部波動共同作用下的動態(tài)演化特征，從而探索不確定情境下多方協(xié)同演化的路徑與規(guī)律。本文可能的邊際貢獻(xiàn)體現(xiàn)在兩個方面：首先，將高斯白噪聲引入專利開放許可激勵博弈模型，建立了一個兼顧現(xiàn)實復(fù)雜性與動態(tài)演化特征的隨機演化博弈分析框架，為相關(guān)理論研究提供了新的建模工具與分析視角；其次，通過數(shù)值模擬呈現(xiàn)多情境下策略演化的非確定性軌跡，驗證了所構(gòu)建模型在應(yīng)對不確定行為分析中的有效性與適用性，識別出“經(jīng)濟型激勵閾值失衡點”與“懲罰強度失效邊界”，為優(yōu)化專利開放許可激勵政策提供了具有理論深度與現(xiàn)實指導(dǎo)價值的依據(jù)。

1演化博弈模型構(gòu)建

專利開放許可制度中，專利權(quán)人、潛在被許可人和專利行政部門形成策略互動閉環(huán)。行政部門通過激勵政策引導(dǎo)雙方行為，專利權(quán)人的許可決策直接影響潛在被許可人參與度，而市場反饋又會推動政策動態(tài)調(diào)整。

1.1 基本假設(shè)

假設(shè)1：參與主體。專利開放許可博弈的參與主體包括專利行政部門、專利權(quán)人及潛在被許可人。所有主體均為有限理性，且受信息不對稱約束。通過多次博弈，主體將逐步演化至收益最大化的最優(yōu)策略。

假設(shè)2：策略選擇。參與主體分別有兩種策略選擇，專利行政部門是專利開放許可的管理者，可以選擇積極參與許可，也可以選擇消極參與許可。專利權(quán)人可以根據(jù)專利的價值和轉(zhuǎn)化率選擇開放許可還是進行不開放許可的普通許可。潛在被許可人可以根據(jù)自身發(fā)展與經(jīng)濟利益會選擇獲權(quán)使用還是侵權(quán)使用。假設(shè)專利行政部門積極參與開放許可的概率為 x ，消極參與開放許可的概率為 1-x ；專利權(quán)人選擇開放許可策略的概率為y ，選擇不開放許可的概率為 1-y ；潛在被許可人選擇獲權(quán)使用的概率為 z ，選擇侵權(quán)使用的概率為 1-z ，其中 0?x?1，0?y?1，0?z?1 ，據(jù)此可得出專利行政部門、專利權(quán)人以及潛在被許可人三方的策略選項及其對應(yīng)概率分布，詳見表1。

假設(shè)3：專利行政部門積極參與開放許可的成本為C₁ ，此時專利轉(zhuǎn)化率提高，專利行政部門獲得信譽收益R₁ ；專利行政部門消極參與開放許可的成本為 C₂ ，此時可能導(dǎo)致潛在被許可人侵權(quán)使用未能被識別，專利行政部門的負(fù)面損失 P₁ 。a為專利行政部門積極參與給專利權(quán)人和潛在被許可人帶來的增值效益系數(shù)

假設(shè)4：專利權(quán)人進行許可時候成本 C₃ ，收益為R₂ ，潛在被許可人選擇侵權(quán)使用將會專利權(quán)人帶來的權(quán)益損失為 P₂ 。專利權(quán)人選擇開放許可時候的會有便利型激勵收益S，若此時專利行政部門為積極參與則收益為 （1+a）S ；獲得專利行政部門的年費等經(jīng)濟型激勵收益 G 。值得注意的是，開放許可過程中，許可對象通常不特定，專利權(quán)人的許可積極性會被抑制，因為作出開放許可聲明的專利容易成為被提起無效的對象[，專利權(quán)人的維權(quán)成本也會增加 C₄ ，若此時專利行政部門為積極參與則為 （1-α）C₄ 。

假設(shè)5：潛在被許可人使用專利帶來的收益是 R₃ 。潛在被許可人接受許可時成本為 C₅ ，選擇侵權(quán)使用策略時會面臨賠償為 P₃ 。潛在被許可人接受開放許可時會有便利型激勵收益S，若此時專利行政部門為積極參與則收益為 （1+a）S. 。當(dāng)專利開放許可公告后，潛在被許可人基于對官方公告的信任，會形成\"專利短期內(nèi)不會被撤回\"的合理預(yù)期。若其已投人大量資源進行技術(shù)準(zhǔn)備，此時專利權(quán)人無正當(dāng)理由撤回許可，將直接損害實施者的合法權(quán)益并造成經(jīng)濟損失 P₄ 。

1.2 三方收益矩陣和復(fù)制動態(tài)方程

在上述的假設(shè)和損益變量下，專利行政部門、專利權(quán)人及潛在被許可人面對不同策略組合時的預(yù)期支付收益，如表2所示。

根據(jù)表2中的三方收益矩陣可以分別得出專利行政部門、專利權(quán)人、潛在被許可人的復(fù)制動態(tài)方程?？稍O(shè)專利行政部門參與許可和不參與許可時的收益分別E_x 和 E_1-x ，平均收益為 ；同理，專利權(quán)人實施開放許可和不實施開放許可的收益分別為 E_y 和 E_1-y ，平均收益是 ，潛在被許可人獲權(quán)使用與侵權(quán)使用的收益分別為 E_z 和 E_1-z ，平均收益為 。因此：

2隨機演化博弈模型構(gòu)建

2.1 隨機演化博弈模型

在專利開放許可的過程中，專利權(quán)人、潛在被許可人和專利行政部門之間的博弈存在較大的不確定性，主要體現(xiàn)在：第一，各方主體的決策受到理性與感性因素的共同影響，例如專利權(quán)人的收益預(yù)期、潛在被許可人的成本壓力以及政府的政策導(dǎo)向。第二，市場環(huán)境的變化，如技術(shù)進步、知識產(chǎn)權(quán)保護政策的調(diào)整以及經(jīng)濟形勢的波動。第三，三方之間的利益關(guān)系復(fù)雜，專利權(quán)人與潛在被許可人之間的利益沖突，政府監(jiān)管強度的波動容易引發(fā)博弈主體的逐利動機和投機行為，進而導(dǎo)致市場失靈或開放許可機制的失效。為反映外部環(huán)境中的不確定性對博弈各方行為的影響，本文在多方演化博弈的復(fù)制動態(tài)模型中引入高斯白噪聲作為隨機擾動因素。參考孫華麗等[19]的方法，修改后的方程如下所示：

上式中，引入的一維標(biāo)準(zhǔn)布朗運動 ω（t） 用于模擬無序隨機波動，以更真實地刻畫外部擾動對博弈參與方行為演化的影響。 dω（t） 代表高斯白噪聲，當(dāng) tgt;0 且步長 hgt;0 時，其增量 Δω（t）=ω（t+h）-ω （t）服從正態(tài)分布 。 σ 表示隨機擾動的強度。

2.2均衡解的存在及穩(wěn)定性分析

當(dāng)初始條件設(shè)定為 t=0 時 x（t）=0，y（t）=0，z（t） =0 時，方程組 （2.1）～（2.3） 存在零解。說明在無隨機擾動的確定性情形下，系統(tǒng)將長期保持靜止?fàn)顟B(tài)，因此零解可視為一個平衡解[20]。然而，現(xiàn)實博弈中系統(tǒng)不可避免地受到來自內(nèi)外部環(huán)境的隨機沖擊，進而可能對該平衡狀態(tài)造成擾動。為進一步探究該博弈在擾動下的動態(tài)性質(zhì)，本文依據(jù)隨機微分方程的穩(wěn)定性判定理論，對三方博弈模型的穩(wěn)定性進行系統(tǒng)分析[21-22]：

綜上，當(dāng)滿足條件式 （2.8）～（2.10） 時，系統(tǒng)存在唯一的演化穩(wěn)定策略 ESS（0，0，0） ，意味著在經(jīng)過反復(fù)博弈后，參與各方一專利行政部門、專利權(quán)人以及潛在被許可人一將分別選擇（消極參與，不開放許可，侵權(quán)使用）的策略組合；而當(dāng)條件式 （2.11）～（2.13） 成立時，唯一演化穩(wěn)定策略為ESS（1，1，1），表明博弈主體在多輪互動后趨于“積極參與、開放許可和合法獲權(quán)使用”的策略選擇。鑒于策略組（積極參與，開放許可，獲權(quán)使用）更契合專利開放許可三方演化博弈的現(xiàn)實政策導(dǎo)向，后續(xù)的數(shù)值模擬分析將以該策略組合為核心研究對象。

3隨機演化博弈的數(shù)值模擬分析

由于式 （2.1）～（2.3） 是非線性隨機微分方程，難以直接獲得顯式解析解，因此本文采用隨機Taylor級數(shù)展開的思路，對該類方程進行數(shù)值逼近求解[23]，選用Mil-stein方法對模型進行數(shù)值模擬。從而推導(dǎo)出專利行政部門、專利權(quán)人和潛在被許可人相應(yīng)的泰勒展開式：

3 （3.2）

z_ct+）=z_ct，+h[P₃-C₅-P₄y_ct，+Sy_ct，+ （20 上 P₄ax_（tn）y_（tn）+Sax_（tn）y_（tn）]²z_（tn）+R₁ （3.3）

在模型參數(shù)的估計過程中，由于受限于一手?jǐn)?shù)據(jù)的匱乏以及系統(tǒng)所處環(huán)境的內(nèi)外擾動較大，模型構(gòu)建更注重反映系統(tǒng)行為的整體演化趨勢和政策調(diào)整所引發(fā)的動態(tài)變化，而非對數(shù)值結(jié)果的精確擬合[24]。專利開放許可正體現(xiàn)出此類特征。因此，為更深入揭示該制度背景下三方主體的策略演化規(guī)律，有必要確保所選參數(shù)滿足使零解具備P階矩指數(shù)穩(wěn)定性的條件，以保障模型平衡解的存在性與長期穩(wěn)定性。本文使用Matlab（版本：

R2024a）對方程 （3.1）～（3.3） 進行了模擬，模型中各參數(shù)初始值設(shè)定如下： C₁=10 ， C₂=4 ， R₁=10 ， C₄=5 ， P₃ =10 ， P₄=3，a=0.45，G=5，S=6， ， P₁=10 ， C₅=12 。本部分依次分析隨機干擾強度、初始概率以及不同激勵機制對主體策略選擇的影響，邏輯上由外部環(huán)境到內(nèi)生因素，再到政策工具逐步展開。

3.1 隨機干擾強度對演化過程的影響分析

為探究不同隨機擾動給系統(tǒng)演化過程帶來的影響，現(xiàn)對隨機干擾強度 σ 分別賦值0、0.5、1，系統(tǒng)演化結(jié)果見圖1。當(dāng)沒有受到隨機干擾因素影響時（ σ=0） ，在由專利行政部門、專利權(quán)人與潛在被許可人共同參與的確定性演化博弈模型中，隨著時間演化，三方策略的變化路徑表現(xiàn)為平穩(wěn)且連續(xù)的動態(tài)軌跡。然而，當(dāng)引入諸如專利交易市場波動（如技術(shù)快速迭代）、行政審批延遲（如開放許可聲明審查周期的不確定性）及專利價值評估誤差等隨機干擾因素時，若擾動強度存在差異，三方主體的策略演化過程將在特定區(qū)域內(nèi)表現(xiàn)出非穩(wěn)態(tài)的波動特征，且隨著干擾強度的增強，系統(tǒng)趨于穩(wěn)定策略的速度明顯放緩。這說明，在現(xiàn)實博弈中，外部和內(nèi)部環(huán)境的不確定性對主體行為演化有著顯著干擾，但各方最終仍收斂至（積極參與，開放許可，獲權(quán)使用）的策略組合。進一步的隨機模擬圖揭示了環(huán)境中不確定性因素對專利行政部門、專利權(quán)人和潛在被許可人策略選擇的動態(tài)影響。由于干擾因素具有隨機性，每次模擬得到的策略演化曲線略有差異，反映出實際情境中的多樣性與復(fù)雜性。因此，為推動專利成果的高效轉(zhuǎn)化，激活沉睡的專利資源，相關(guān)各方應(yīng)增強對潛在隨機擾動因素的識別與應(yīng)對能力。通過采取有效策略降低不確定性帶來的負(fù)面影響，有助于提升系統(tǒng)穩(wěn)定性，加快策略收斂過程，從而保障多方利益的可持續(xù)實現(xiàn)。

3.2初始概率對主體策略的影響

初始概率反映了各主體在選擇不同策略時的初始傾向，設(shè)定為 x=0.2，y=0.5，z=0.8 ，分別表示不同決策主體的策略選擇初始概率為低、中和高3個檔次。專利行政部門、專利權(quán)人和潛在被許可人的策略演化如圖2所示。當(dāng)初始概率較低（0.2）時，如圖2（a）所示，三方博弈主體的策略演化速度依次為專利行政部門 gt; 專利權(quán)人 gt; 潛在被許可人。在這一時期，專利開放許可政策剛開始推行，且普及宣傳不足。各主體對專利開放許可制度和交易規(guī)則的了解較為有限，導(dǎo)致專利權(quán)人和潛在被許可人的參與熱情較低。根據(jù)國家知識產(chǎn)權(quán)局發(fā)布的《2022年中國專利調(diào)查報告》，僅有 48.3% 的專利權(quán)人表示“熟悉具體內(nèi)容\"或“有一定了解\"開放許可制度，表明仍有過半數(shù)專利權(quán)人對該制度認(rèn)識不充分。在此情形下，專利行政部門亟須加強宣傳引導(dǎo)，并通過激勵措施推動更多主體積極參與。隨著專利行政部門的有效監(jiān)管和激勵，專利權(quán)人逐漸參與專利開放許可，潛在被許可人也開始選擇合法使用策略，減少違法侵權(quán)行為，從而實現(xiàn)自身利益最大化。當(dāng)初始概率為0.5時，如圖2（b）所示，專利權(quán)人的演化速度快于專利行政部門和潛在被許可人。此時，專利權(quán)人和潛在被許可人分別演化到參與開放許可和獲權(quán)使用的速度顯著高于 x=y= z=0.2 時，這表明專利行政部門積極的監(jiān)管和激勵政策發(fā)揮了明顯作用。當(dāng)初始概率為0.8時，如圖2（c）所示，三方主體的演化速度依次為專利權(quán)人 gt; 潛在被許可人gt; 專利行政部門。此時，專利權(quán)人和潛在被許可人的參與積極性較高，專利轉(zhuǎn)化速度較快。在這一階段，由于專利行政部門的引導(dǎo)和激勵已經(jīng)初見成效，參與主體的行為趨于穩(wěn)定，因此專利行政部門的演化速度較慢。

3.3負(fù)激勵懲罰 {P₃ ）對權(quán)利人和潛在被許可人策略 策略選擇的影響

懲罰是一種負(fù)激勵。由圖3可知： ① 在較低懲罰區(qū)間內(nèi)，潛在被許可人的侵權(quán)傾向與懲罰強度呈反向變動關(guān)系，懲罰力度的適度提升能夠顯著縮短系統(tǒng)演化穩(wěn)定周期，印證了行政監(jiān)管的威懾效應(yīng)； ② 當(dāng)懲罰強度跨越特定閾值后，制度效能出現(xiàn)邊際遞減特征，表現(xiàn)為系統(tǒng)收斂速度增幅明顯減緩，表明懲罰機制存在效力邊界；③ 這種非線性效應(yīng)源于雙重作用機理：從行為主體角度看，過度懲罰可能引發(fā)被許可人對風(fēng)險信號的感知鈍化；從制度設(shè)計維度觀察，專利權(quán)人的收益函數(shù)在懲罰額度超過其專利實施預(yù)期收益后趨于穩(wěn)定，導(dǎo)致策略調(diào)整的敏感性下降。研究建議監(jiān)管部門建立懲罰力度與專利實施效益的彈性關(guān)聯(lián)機制，通過構(gòu)建多維度的專利價值評估框架，將侵權(quán)成本精準(zhǔn)錨定在能夠形成有效威懾的合理區(qū)間，從而實現(xiàn)制度約束力與實施效果的動態(tài)平衡。

3.4 經(jīng)濟型激勵（G）對主體策略的影響

經(jīng)濟型激勵則通過直接的經(jīng)濟補貼或費用減免，降低當(dāng)事人的經(jīng)濟負(fù)擔(dān)。專利行政部門的經(jīng)濟型激勵政策直接影響開放許可制度的運行效率。如圖4所示，當(dāng)行政補貼強度提高時，專利權(quán)人通過開放許可所獲得的預(yù)期收益顯著增加，這有效激發(fā)了其提交開放許可聲明的積極性。然而，值得注意的是，圖4揭示了經(jīng)濟型激勵強度與市場響應(yīng)速度之間的非線性關(guān)系：當(dāng)補貼強度為 G=5 時，潛在被許可人采用開放許可的速度明顯快于 G=9 這一超高補貼強度下的情況。這一反?，F(xiàn)象表明，過度的經(jīng)濟型激勵可能扭曲開放許可機制的本質(zhì)功能。具體而言，當(dāng)專利年費減免幅度超過合理閾值時，可能引發(fā)兩類逆向選擇現(xiàn)象：首先，部分專利權(quán)人可能將研發(fā)重心轉(zhuǎn)向政策套利，急于申請尚未經(jīng)過市場驗證的專利進行開放許可，借助補貼政策覆蓋成本，而非通過技術(shù)轉(zhuǎn)化創(chuàng)造實際價值；其次，潛在被許可人可能在高額補貼所形成的低價信號的誤導(dǎo)下，誤判專利技術(shù)的實際價值，進而在后續(xù)實施過程中發(fā)現(xiàn)專利存在質(zhì)量缺陷，這會削弱其對開放許可制度的信任基礎(chǔ)。過度激勵引發(fā)的低質(zhì)量專利進入開放許可平臺，這些專利通常質(zhì)量較低，缺乏實際應(yīng)用價值。由于低質(zhì)量專利的涌入，潛在被許可人對這些專利產(chǎn)生興趣的可能性大大降低，且鑒別低質(zhì)量專利的成本顯著增加，最終導(dǎo)致市場響應(yīng)遲緩。由此，專利權(quán)人群體的核心動力—通過技術(shù)優(yōu)勢獲取許可收益，可能會受到削弱；而潛在被許可人群體的參與熱情也會下降，整體上阻礙了開放許可制度的有效運行。最終，這種情況下，補貼強度為 G=9 時，市場均衡速度反而滯后于補貼強度為 G=5 的適度激勵水平。因此，為了避免激勵機制扭曲，專利權(quán)人應(yīng)建立開放專利的技術(shù)轉(zhuǎn)化可行性預(yù)評估機制，優(yōu)先許可具有明確應(yīng)用場景的專利;潛在被許可人應(yīng)聯(lián)合第三方機構(gòu)建立專利價值評級體系，并通過協(xié)議約定技術(shù)輔導(dǎo)條款；專利行政部門應(yīng)實施與“激勵一質(zhì)量\"掛鉤的動態(tài)補貼政策（例如，按專利實際許可次數(shù)階梯式發(fā)放補貼），同時建立開放許可專利的定期質(zhì)量審查與清退機制，以保障開放許可生態(tài)的可持續(xù)發(fā)展。

3.5便利型激勵（S）對權(quán)利人和潛在被許可人策略的影響

便利型激勵側(cè)重于通過簡化流程、降低交易成本來激勵當(dāng)事人參與專利開放許可。分別設(shè)置便利型激勵收益 S=2，6，10 。如圖5所示，便利型激勵收益S越高，專利權(quán)人和潛在被許可人選擇參與開放許可的概率（y和z）上升越快且波動性越低，最終趨于穩(wěn)定。當(dāng) S=10 時， y 和 均迅速接近1，表明高便利型激勵能顯著提升雙方的參與意愿并增強策略穩(wěn)定性。而在 S=2 時，上升較慢，說明低便利型激勵不足以有效推動開放許可的實現(xiàn)。專利權(quán)人比潛在被許可人更敏感于便利型激勵（S）的變化，主要是因為專利權(quán)人的收人和許可的數(shù)量直接相關(guān)。便利型激勵通過簡化許可流程、降低交易成本，使專利權(quán)人在較低的激勵下仍能更快速地擴展其許可對象范圍，從而提高參與度。專利權(quán)人可以通過“一對多\"許可模式迅速增加許可對象，避免與每個潛在被許可人單獨談判，這大大降低了交易成本并提高了許可效率。而潛在被許可人則更多關(guān)注專利的技術(shù)價值和市場需求，對便利型激勵的變化反應(yīng)相對較慢。因此，專利權(quán)人對于便利型激勵的敏感性較高，因為這種激勵直接影響他們通過簡化流程擴大許可范圍的速度，進而影響收入和市場份額。

4結(jié)論、啟示與展望

4.1 研究結(jié)論

本文通過構(gòu)建專利行政部門、專利權(quán)人及潛在被許可人的三方隨機演化博弈模型，結(jié)合數(shù)值模擬分析，系統(tǒng)揭示了專利開放許可制度中多主體策略演化的動態(tài)規(guī)律及關(guān)鍵影響因素。主要研究結(jié)論如下：

4.1.1 隨機干擾強度顯著影響策略

三方博弈主體在演化過程中的波動性和速度都會受到影響。三方博弈主體在演化過程中受干擾程度不同，潛在被許可人因信息獲取難、風(fēng)險承受弱且缺乏應(yīng)對經(jīng)驗，受干擾最為顯著；專利權(quán)人可分散風(fēng)險與享受補貼緩沖；專利行政部門因掌握豐富信息資源，基于長期目標(biāo)穩(wěn)定調(diào)整策略，敏感性最低。這體現(xiàn)了專利開放許可制度下多主體行為的復(fù)雜性，也為優(yōu)化制度、促進市場高效運行提供了方向。

4.1.2初始參與概率決定演化速度

在專利開放許可制度的動態(tài)演化中，當(dāng)各主體初始參與概率較低時，專利開放許可制度的推行面臨諸多阻礙，此時專利行政部門必須發(fā)揮關(guān)鍵引領(lǐng)作用，借助高強度政策引導(dǎo)，激發(fā)各方參與積極性，從而加速演化進程，推動制度落地生根。而在中高初始概率情境下，專利權(quán)人與潛在被許可人對激勵政策的響應(yīng)更為敏銳，能迅速調(diào)整策略并趨近穩(wěn)定狀態(tài)，這不僅體現(xiàn)了激勵政策的有效性，還使得行政部門的引導(dǎo)成本顯著降低，反映出制度在成熟階段的高效運行特征。

4.1.3負(fù)激勵懲罰存在邊際遞減效應(yīng)

提高侵權(quán)懲罰力度可加速潛在被許可人轉(zhuǎn)向“獲權(quán)使用\"策略，但其威懾效果存在閾值：當(dāng)超過臨界值，進一步增加懲罰對降低侵權(quán)概率的邊際效用顯著下降，同時可能抑制專利權(quán)人策略演化速度。

4.1.4經(jīng)濟型激勵需警惕逆向選擇風(fēng)險

適度經(jīng)濟型激勵可有效提升專利權(quán)人參與意愿并加速市場響應(yīng)；但過度補貼可能誘發(fā)低質(zhì)量專利涌入開放許可平臺，導(dǎo)致技術(shù)甄別成本上升、市場信任度下降，反而延緩系統(tǒng)均衡。

4.1.5便利型激勵對專利權(quán)人敏感度最高

便利型激勵通過簡化流程和降低交易成本，使專利權(quán)人能夠更高效地進入市場，并與多個潛在被許可人合作，從而提升經(jīng)濟收益并加快對市場需求變化的反應(yīng)速度。在專利開放許可中，專利權(quán)人對便利型激勵的敏感度最高，因為“一對多\"許可模式減少了交易成本，使他們能夠迅速調(diào)整策略、拓展業(yè)務(wù)并提升競爭力。此外，激烈的專利市場競爭進一步推動專利權(quán)人高度關(guān)注便利型激勵的作用。而相比之下，潛在被許可人由于面臨不同的市場關(guān)聯(lián)和競爭壓力，其敏感度較低。

4.2 管理啟示

專利權(quán)人應(yīng)構(gòu)建動態(tài)響應(yīng)機制，強化初始概率優(yōu)勢和優(yōu)化專利質(zhì)量體系。專利權(quán)人應(yīng)建立動態(tài)響應(yīng)機制、強化先發(fā)優(yōu)勢，并構(gòu)建激勵導(dǎo)向的專利質(zhì)量提升體系，以全面提升專利許可的市場效益。面對市場波動和政策調(diào)整，專利權(quán)人需主動適應(yīng)，通過大數(shù)據(jù)工具動態(tài)評估市場需求與競爭態(tài)勢，引入專家制定應(yīng)急預(yù)案，靈活調(diào)整許可策略，保障收益穩(wěn)定。在初始參與概率較高的情況下，應(yīng)積極對接專利行政部門，參與政策試點項目，搶占先發(fā)優(yōu)勢，優(yōu)先獲取政策支持。同時，應(yīng)在經(jīng)濟型與便利型激勵政策引導(dǎo)下，注重專利質(zhì)量提升與許可模式優(yōu)化，借助質(zhì)量認(rèn)證爭取稅收優(yōu)惠，與企業(yè)協(xié)同定期調(diào)整許可條款，簡化流程、降低成本，提升專利轉(zhuǎn)化效率與市場價值。

潛在被許可人應(yīng)增強抗干擾能力，善用政策引導(dǎo)，規(guī)避侵權(quán)提升獲取效率。潛在被許可人應(yīng)提升抗干擾能力，積極響應(yīng)政策引導(dǎo)，并強化合規(guī)意識，以提高專利獲取效率并降低風(fēng)險。由于對市場和政策的隨機擾動較為敏感，潛在被許可人應(yīng)聘請法律顧問開展全面風(fēng)險評估，建立市場監(jiān)測和預(yù)警體系，并依托行業(yè)協(xié)會、創(chuàng)新聯(lián)盟等平臺獲取政策解讀和行業(yè)動態(tài)，增強應(yīng)對不確定性的能力。在初始參與概率較低的情境下，應(yīng)密切關(guān)注專利行政部門的政策動向，積極參與相關(guān)培訓(xùn)，結(jié)合自身實際制定專利引進計劃，借助政策紅利提升專利獲取效率。同時，應(yīng)建立侵權(quán)預(yù)警機制，重視專利保護環(huán)境變化，合理規(guī)避侵權(quán)風(fēng)險，確保專利獲取和使用的合規(guī)性與高效性。

專利行政部門應(yīng)靈活調(diào)控，實施差異化賦能，優(yōu)化監(jiān)管與激勵。專利行政部門應(yīng)構(gòu)建靈活、精準(zhǔn)且高效的政策與監(jiān)管體系，以引導(dǎo)專利市場健康有序發(fā)展。關(guān)鍵在于建立動態(tài)政策調(diào)整機制，通過“政策實時反饋系統(tǒng)”與\"政策沙盒\(zhòng)"試點，結(jié)合市場主體意見與過渡安排，提升政策的適應(yīng)性與前瞻性。同時，應(yīng)實施差異化區(qū)域和行業(yè)引導(dǎo)策略，針對不同初始參與概率的地區(qū)和行業(yè)提供定制化支持，強化政策落地效果。在監(jiān)管與激勵方面，重點在于優(yōu)化平衡機制：通過AI與區(qū)塊鏈技術(shù)構(gòu)建智能質(zhì)量評估體系，強化對低質(zhì)量專利的甄別與治理，推動高質(zhì)量專利發(fā)展；同時將激勵政策與專利質(zhì)量掛鉤，引導(dǎo)市場形成質(zhì)量導(dǎo)向。對于侵權(quán)行為，應(yīng)建立精準(zhǔn)懲戒機制與快速調(diào)解平臺，提升違法成本，但須防止“以罰代管”，實現(xiàn)監(jiān)管與服務(wù)并重的治理目標(biāo)。

4.3 研究局限與展望

本研究存在一些局限：首先，在模型構(gòu)建維度，當(dāng)前演化博弈模型對專利權(quán)人行為決策的刻畫尚存參數(shù)體系不完備的局限。特別是針對開放專利許可場景中專利權(quán)人的訴訟策略選擇，未能充分考慮侵權(quán)訴訟勝訴概率對預(yù)期補償收益的影響，以及差異化許可費定價策略可能引發(fā)的市場反饋機制。其次，在Matlab仿真模擬環(huán)節(jié)，現(xiàn)有實驗設(shè)計局限于單變量敏感性分析范式，未能揭示多個參數(shù)同時改變所帶來的影響。

參考文獻(xiàn)：

[1] 劉強.專利開放許可激勵機制研究[J].北方法學(xué)，2023，17（2）：78-88.

[2] 袁俊行.我國專利開放許可制度的實施對策研究[D].青島：青島大學(xué)，2024.

[3] 何思源，王蔚.專利開放許可使用費定價問題與優(yōu)化路徑研究[J.科技創(chuàng)業(yè)月刊，2024，37（5）：41-45.

[4] 蔣建湘，朱園偉.創(chuàng)新擴散理論視域下專利開放許可的適用與展開[J].湖南師范大學(xué)社會科學(xué)學(xué)報，2024，53（5）：76-86.

[5] 薄洋.我國專利開放許可制度適用困境及對策研究[D].北京：北方工業(yè)大學(xué)，2024.

[6] 黃運康.我國企業(yè)實踐專利開放許可制度的迷思：理論基礎(chǔ)與制度建構(gòu)[J].電子知識產(chǎn)權(quán)，2023（9）：4-19.

[7] 楊祎朋.論專利開放許可制度激勵失靈的困境化解[J/OL].科技進步與對策，1-9[2025-07-02].http：//knscnki.net/kcms/detail/42.1224.G3.20250207.0925.002.html.

[8]陳春雨.論專利開放許可制度在我國實施中的問題與解決方案[J].東南大學(xué)學(xué)報（哲學(xué)社會科學(xué)版），2022，24（S1）：105-109.

[9]張金艷，朱浩楠.河南省專利開放許可對策研究[J].河南科技，2024，51（7）：128-132.

[10]羅蓉蓉，劉潔穎.專利開放許可制度適用程序的完善[J].時代法學(xué)，2023，21（2）：24-32.

[11]劉夏，陳栗，王欣宇.專利開放許可的知識溢出效應(yīng)研究——基于英德兩國的準(zhǔn)自然實驗[J].科技進步與對策，2024，41（12）：105-115.

[12]蘇沛華.專利開放許可市場化運營模式探析[J].電子知識產(chǎn)權(quán)，2022（11）：79-87.

[13]豆洪青，張圓，李明，等.技術(shù)轉(zhuǎn)移對接信息傳遞模式研究[J].中國發(fā)明與專利，2024，21（3）：62-68.

[14]陳瓊娣，黃志勇，陳子楊.企業(yè)專利開放許可制度實施意愿的影響因素—來自廣東省的實證[J].科技管理研究，2025，45（4）：166-175.

[15]張寧展，王海濤，劉海濤，等.區(qū)域化專利開放許可研究[J].中國發(fā)明與專利，2024，21（11）：74-78.

[16]房紹坤，周敏敏.專利開放許可聲明的屬性、審查與效力[J].北方法學(xué)，2023，17（1）：113-121.

[17]王斌，洪澤榮，羅少春.專利開放許可的現(xiàn)實困境與電商化模式的引入[J].中國發(fā)明與專利，2022，19（5）：64-73.

[18]鄧琪，儲翔.專利開放許可平臺運營模式探討——基于三地試點數(shù)據(jù)[J].中國發(fā)明與專利，2023，20（5）：47-53，65.

[19]孫華麗，王循慶，薛耀鋒.基于不同情景的群體性突發(fā)事件隨機演化博弈模型[J].運籌與管理，2016，24（45）：23-30.

[20]李曉娣，原媛.負(fù)責(zé)任創(chuàng)新的多主體隨機演化博弈研究—以應(yīng)對老年數(shù)字鴻溝為例[J].運籌與管理，2023，32（11）：124-131.

[21]BAKER C T H，BUCKWAR E. Exponential stabilityinpth mean of solutions，and of convergent euler-typesolutions，of stochastic delay differential equations [J].Journal of Computational and Applied Mathematics，2005，184（2）：404-427.

[22]KLOEDEN P E，PLATEN E. Numerical solution ofstochasticdifferentialequations[M].Berlin，Heidelberg：Springer Berlin Heidelberg，1992：161-226.

[23]陳偉杰，張濤，湯玉秀.公眾參與下“征信修復(fù)”亂象治理的隨機演化博弈[J/OL].復(fù)雜系統(tǒng)與復(fù)雜性科學(xué)，1-10[2025-07-02].http：//kns.cnki.net/kcms/detail/37.1402.N.20230926.1803.002.html.

[24]汪萬，蔡三發(fā).開放式創(chuàng)新平臺知識共創(chuàng)機制：隨機演化博弈視角[J].系統(tǒng)工程，2024，42（3）：11-22.（青仟編輯.宋通剛）