尹承銳 孫世強(qiáng) 陳明明

(1.防災(zāi)科技學(xué)院土木工程學(xué)院 廊坊 065000；2.北京科技大學(xué)經(jīng)濟(jì)管理學(xué)院 北京 100083；3.青島大學(xué)商學(xué)院 青島 266071)

0 引 言

專(zhuān)利作為技術(shù)創(chuàng)新的載體，體現(xiàn)了國(guó)家的自主創(chuàng)新能力與競(jìng)爭(zhēng)力，正成為政、企、學(xué)、研關(guān)注的重點(diǎn)。然而，低質(zhì)量專(zhuān)利與“泡沫專(zhuān)利”不僅消耗了大量科研資源，而且導(dǎo)致其經(jīng)濟(jì)效益持續(xù)下行。如何提升專(zhuān)利高質(zhì)量發(fā)展已成為目前亟待解決的關(guān)鍵問(wèn)題。技術(shù)經(jīng)濟(jì)學(xué)家認(rèn)為，專(zhuān)利高質(zhì)量發(fā)展是經(jīng)濟(jì)高質(zhì)量發(fā)展的重要驅(qū)動(dòng)力。促進(jìn)專(zhuān)利高質(zhì)量發(fā)展，對(duì)國(guó)家開(kāi)展技術(shù)創(chuàng)新競(jìng)爭(zhēng)具有不可或缺的作用?，F(xiàn)有研究表明，專(zhuān)利的高質(zhì)量發(fā)展是以技術(shù)創(chuàng)新驅(qū)動(dòng)為基礎(chǔ)，以國(guó)家的科技競(jìng)爭(zhēng)策略為導(dǎo)向，兩方并濟(jì)，促使全球?qū)＠麛?shù)量呈現(xiàn)指數(shù)型增長(zhǎng)[1]。根據(jù)WIPO統(tǒng)計(jì)，2020年國(guó)際專(zhuān)利為有史以來(lái)的最高申請(qǐng)量，其規(guī)模達(dá)到27.59萬(wàn)件，環(huán)比增長(zhǎng)4%。然而，專(zhuān)利的數(shù)量增長(zhǎng)與其實(shí)際功效水平并不均衡，主要表現(xiàn)在近70%的專(zhuān)利，其質(zhì)量水平遠(yuǎn)低于行業(yè)標(biāo)準(zhǔn)，“問(wèn)題專(zhuān)利”“專(zhuān)利泡沫”以及“專(zhuān)利創(chuàng)新假象”普遍存在[2]。目前，各國(guó)的專(zhuān)利價(jià)值導(dǎo)向發(fā)生了由“量”到“質(zhì)”的巨大轉(zhuǎn)變，更加強(qiáng)調(diào)引導(dǎo)專(zhuān)利高質(zhì)量發(fā)展，打造專(zhuān)利強(qiáng)國(guó)。例如，日本特許廳多次強(qiáng)調(diào)國(guó)內(nèi)專(zhuān)利發(fā)展理應(yīng)注重質(zhì)量而非數(shù)量。美國(guó)2011年頒布《專(zhuān)利改革法案》，中國(guó)2016年頒布《專(zhuān)利質(zhì)量提升工程實(shí)施方案》，韓國(guó)2019年頒布《增強(qiáng)標(biāo)準(zhǔn)專(zhuān)利競(jìng)爭(zhēng)力方案》等舉措，均旨在引導(dǎo)與推動(dòng)國(guó)家的專(zhuān)利高質(zhì)量發(fā)展。在此背景下，注重專(zhuān)利高質(zhì)量發(fā)展，提高專(zhuān)利技術(shù)轉(zhuǎn)化與運(yùn)用效率，研究專(zhuān)利高質(zhì)量發(fā)展現(xiàn)狀及其技術(shù)影響機(jī)制具有重要的理論價(jià)值與現(xiàn)實(shí)意義。

基于此，本文基于Super-SBM模型，依據(jù)Derwent專(zhuān)利數(shù)據(jù)系統(tǒng)，選取中、美、韓、日四個(gè)專(zhuān)利大國(guó)在2010—2020年間人工智能產(chǎn)業(yè)專(zhuān)利為研究對(duì)象，測(cè)度并分析專(zhuān)利高質(zhì)量發(fā)展效率的演變趨勢(shì)及原因，并通過(guò)面板數(shù)據(jù)回歸模型，探究技術(shù)創(chuàng)新對(duì)專(zhuān)利高質(zhì)量發(fā)展效率的驅(qū)動(dòng)機(jī)制。在豐富專(zhuān)利高質(zhì)量發(fā)展效率測(cè)度方法與技術(shù)創(chuàng)新對(duì)專(zhuān)利高質(zhì)量發(fā)展效率影響機(jī)制的基礎(chǔ)上，以期為政府促進(jìn)專(zhuān)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(xiàn)梳理

1.1專(zhuān)利高質(zhì)量發(fā)展相關(guān)研究對(duì)現(xiàn)有文獻(xiàn)進(jìn)行梳理發(fā)現(xiàn)，關(guān)于專(zhuān)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(cè)度方面展開(kāi)。劉立春[3]認(rèn)為專(zhuān)利質(zhì)量是經(jīng)濟(jì)效益正比量化后的結(jié)果，即經(jīng)濟(jì)效益正比量化值越大，則表明專(zhuān)利質(zhì)量水平越高。李牧南等[4]認(rèn)為專(zhuān)利質(zhì)量是由專(zhuān)利審查者在審查過(guò)程中認(rèn)定的質(zhì)量等級(jí)，通常審查認(rèn)定的等級(jí)越高，越說(shuō)明專(zhuān)利具有高質(zhì)量水平。丁煥峰等[5]認(rèn)為專(zhuān)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(yùn)營(yíng)質(zhì)量構(gòu)成，只有各維度的質(zhì)量水平均較高時(shí)，才能說(shuō)明此專(zhuān)利質(zhì)量水平較高。綜上分析，本文認(rèn)為專(zhuān)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(zhuān)利技術(shù)是專(zhuān)利高質(zhì)量發(fā)展的必要前提。技術(shù)質(zhì)量作為專(zhuān)利高質(zhì)量的基礎(chǔ)，主要指技術(shù)的先進(jìn)性和創(chuàng)造性，代表了專(zhuān)利技術(shù)的演進(jìn)方向?，F(xiàn)有關(guān)于技術(shù)質(zhì)量的測(cè)度研究多采用引用指數(shù)、非專(zhuān)利文獻(xiàn)數(shù)等指標(biāo)[6,7]。歐洲專(zhuān)利局提出,專(zhuān)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(guò)程。在專(zhuān)利高質(zhì)量發(fā)展的優(yōu)化過(guò)程中，需要不斷降低投入成本，增加技術(shù)和經(jīng)濟(jì)產(chǎn)出。在專(zhuān)利投入成本中主要包括專(zhuān)利時(shí)間成本和市場(chǎng)成本。時(shí)間成本主要來(lái)自于專(zhuān)利申請(qǐng)時(shí)長(zhǎng)和專(zhuān)利的國(guó)際申請(qǐng)，市場(chǎng)成本主要來(lái)自于布局國(guó)家數(shù)和專(zhuān)利權(quán)項(xiàng)數(shù)等指標(biāo)[8-11]；其二，經(jīng)濟(jì)效益性。經(jīng)濟(jì)質(zhì)量是專(zhuān)利高質(zhì)量追求的直接目標(biāo)。經(jīng)濟(jì)質(zhì)量是指技術(shù)產(chǎn)業(yè)化后帶來(lái)的經(jīng)濟(jì)價(jià)值，多用剩余有效期、同族數(shù)等指標(biāo)[12,13]。隨著對(duì)專(zhuān)利高質(zhì)量研究的開(kāi)展，經(jīng)濟(jì)質(zhì)量對(duì)專(zhuān)利高質(zhì)量的作用逐漸被重視[14]。專(zhuān)利的高質(zhì)量發(fā)展不僅是經(jīng)濟(jì)轉(zhuǎn)型發(fā)展的基礎(chǔ)，也是經(jīng)濟(jì)質(zhì)量發(fā)展的重要落腳點(diǎn)；其三，法律保障性。法律質(zhì)量是指專(zhuān)利符合專(zhuān)利法條件，是專(zhuān)利高質(zhì)量的保障，多采用當(dāng)前法律狀態(tài)表征等指標(biāo)[15]。專(zhuān)利高質(zhì)量體現(xiàn)為在法律保護(hù)范圍內(nèi)的極高技術(shù)價(jià)值和市場(chǎng)價(jià)值[16]。在法律保護(hù)范圍內(nèi)，專(zhuān)利收益主要來(lái)自于以專(zhuān)利存活期等指標(biāo)衡量的經(jīng)濟(jì)質(zhì)量和以被引證數(shù)等指標(biāo)衡量的技術(shù)質(zhì)量[17,18]?；谝陨戏治觯疚恼J(rèn)為專(zhuān)利維持時(shí)間和被引證數(shù)符合專(zhuān)利產(chǎn)出指標(biāo)，并且專(zhuān)利被引證數(shù)越高，說(shuō)明其技術(shù)質(zhì)量越高；專(zhuān)利維持時(shí)間越久，能夠帶來(lái)的經(jīng)濟(jì)產(chǎn)出越大。因此，專(zhuān)利高質(zhì)量發(fā)展效率使用Super-SBM模型來(lái)衡量具備一定可行性。

1.2技術(shù)創(chuàng)新驅(qū)動(dòng)機(jī)制相關(guān)因素探討通過(guò)對(duì)專(zhuān)利高質(zhì)量的研究，本文認(rèn)為專(zhuān)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(zhuān)利撰寫(xiě)質(zhì)量以及技術(shù)時(shí)滯。首先，在技術(shù)關(guān)聯(lián)效應(yīng)方面。本文認(rèn)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(rèn)為專(zhuān)利質(zhì)量等同于專(zhuān)利本身所具有的技術(shù)先進(jìn)性。谷麗等[16]從專(zhuān)利技術(shù)效力以及社會(huì)經(jīng)濟(jì)收益視角，指出專(zhuān)利技術(shù)質(zhì)量是專(zhuān)利質(zhì)量的根本。此外，黃蘋(píng)等[21]以專(zhuān)利引證數(shù)表示專(zhuān)利技術(shù)復(fù)雜程度與專(zhuān)利技術(shù)質(zhì)量，認(rèn)為專(zhuān)利引證數(shù)蘊(yùn)含著知識(shí)流動(dòng)與技術(shù)轉(zhuǎn)移，專(zhuān)利引證數(shù)越多，專(zhuān)利間的技術(shù)聯(lián)系程度越深，形成的引證網(wǎng)絡(luò)越復(fù)雜，技術(shù)關(guān)聯(lián)效應(yīng)越明顯[22]?；诖?，本文認(rèn)為技術(shù)關(guān)聯(lián)效應(yīng)使得知識(shí)流動(dòng)與技術(shù)轉(zhuǎn)移變得復(fù)雜，專(zhuān)利技術(shù)質(zhì)量被提高。然后，在專(zhuān)利撰寫(xiě)質(zhì)量方面。專(zhuān)利撰寫(xiě)是撰寫(xiě)人在充分掌握專(zhuān)利技術(shù)底書(shū)的情況下，撰寫(xiě)符合專(zhuān)利法技術(shù)層面的法律文書(shū)，專(zhuān)利質(zhì)量越高，撰寫(xiě)文本質(zhì)量越高。專(zhuān)利撰寫(xiě)質(zhì)量高可以有效降低專(zhuān)利在實(shí)質(zhì)審查階段或授權(quán)后因新穎性或創(chuàng)造性問(wèn)題被駁回的概率。谷麗[16]等認(rèn)為專(zhuān)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(xiě)文本，專(zhuān)利撰寫(xiě)質(zhì)量是專(zhuān)利技術(shù)方案價(jià)值的充分體現(xiàn)。Graf[23]認(rèn)為以說(shuō)明書(shū)頁(yè)數(shù)為指標(biāo)的專(zhuān)利撰寫(xiě)質(zhì)量與技術(shù)創(chuàng)新復(fù)雜度呈正向影響關(guān)系?；诖?，本文認(rèn)為專(zhuān)利撰寫(xiě)質(zhì)量越高,說(shuō)明技術(shù)復(fù)雜程度越高，更具獨(dú)特性。最后，在技術(shù)時(shí)滯方面。技術(shù)時(shí)滯指專(zhuān)利申請(qǐng)者從申請(qǐng)到被授權(quán)的時(shí)間差。馮仁濤等[24]認(rèn)為技術(shù)時(shí)滯極大程度影響專(zhuān)利質(zhì)量?；诖?，本文認(rèn)為技術(shù)時(shí)滯越長(zhǎng)越容易給競(jìng)爭(zhēng)對(duì)手創(chuàng)造在國(guó)外搶先申請(qǐng)授權(quán)的機(jī)會(huì)，致使專(zhuān)利質(zhì)量逐漸降低，最終落后于市場(chǎng)需求。綜上所述，本文認(rèn)為技術(shù)關(guān)聯(lián)效應(yīng)是專(zhuān)利技術(shù)寬度與深度的主要體現(xiàn)，專(zhuān)利撰寫(xiě)質(zhì)量是技術(shù)專(zhuān)家把握專(zhuān)利技術(shù)的關(guān)鍵載體，技術(shù)時(shí)滯是影響技術(shù)先進(jìn)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(dòng)專(zhuān)利高質(zhì)量發(fā)展機(jī)制分析框架中。

2 研究方法與數(shù)據(jù)來(lái)源

2.1研究方法

2.1.1 Super-SBM模型 本文采用Super-SBM模型來(lái)測(cè)度專(zhuān)利高質(zhì)量發(fā)展效率[25]。Super-SBM模型由DEA模型發(fā)展而來(lái)，該模型是基于線(xiàn)性規(guī)劃法，依據(jù)多項(xiàng)投入產(chǎn)出指標(biāo)，對(duì)具有可比性的同類(lèi)型單位進(jìn)行相對(duì)有效性評(píng)價(jià)的一種數(shù)量分析方法。采用該模型因?yàn)樗梢酝瑫r(shí)并獨(dú)立納入專(zhuān)利高質(zhì)量發(fā)展效率的多項(xiàng)投入和產(chǎn)出指標(biāo)，并有效解決了本文多項(xiàng)變量“松弛性”和徑向問(wèn)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(yàn)專(zhuān)利高質(zhì)量發(fā)展的技術(shù)創(chuàng)新驅(qū)動(dòng)機(jī)制。專(zhuān)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(jì)效益為目的，三者融為一體[11]。STIRPAT模型優(yōu)勢(shì)不僅是引進(jìn)差異彈性系數(shù)與隨機(jī)誤差，解決了本文專(zhuān)利法律、技術(shù)和經(jīng)濟(jì)質(zhì)量對(duì)專(zhuān)利高質(zhì)量發(fā)展貢獻(xiàn)程度不同的問(wèn)題。而且彌補(bǔ)了傳統(tǒng)模型需要維持其他因素不變，改變單個(gè)自變量研究問(wèn)題的不足，并且減少了檢驗(yàn)偏誤問(wèn)題。將專(zhuān)利技術(shù)質(zhì)量、經(jīng)濟(jì)質(zhì)量及法律質(zhì)量相關(guān)因素納入STIRPAT后，得出影響專(zhuān)利高質(zhì)量發(fā)展效率W的基本表達(dá)式為：

W=μTaEbLcε

(2)

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

為防止異方差因素造成結(jié)果有偏誤，對(duì)變量進(jìn)行對(duì)數(shù)處理后，公式如下：

lnWmn=μ0+μ1lnTmn+μ2lnEmn+μ3lnLmn

(3)

式中：m、n分別代表國(guó)家、年份；μ0為常數(shù)。

2.1.3 專(zhuān)利高質(zhì)量發(fā)展效率測(cè)度 通過(guò)對(duì)既有文獻(xiàn)的梳理，發(fā)現(xiàn)對(duì)專(zhuān)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(duì)專(zhuān)利自身效率的研究，指單個(gè)專(zhuān)利被投入的時(shí)間和資本要素與產(chǎn)出的技術(shù)和經(jīng)濟(jì)回報(bào)之間的比較[27]，強(qiáng)調(diào)專(zhuān)利維持期間獲得的技術(shù)認(rèn)可及為專(zhuān)利權(quán)人帶來(lái)的經(jīng)濟(jì)收益。另一部分是以地區(qū)或者企業(yè)為單位對(duì)專(zhuān)利引起的社會(huì)效率研究，強(qiáng)調(diào)將專(zhuān)利社會(huì)資金和人力投入與社會(huì)收益做比較[28,29]。專(zhuān)利引起的社會(huì)效率研究體現(xiàn)在指標(biāo)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(huì)投入，使用地區(qū)經(jīng)濟(jì)增長(zhǎng)或者企業(yè)績(jī)效增長(zhǎng)表征專(zhuān)利帶來(lái)的產(chǎn)出變化，然而以上指標(biāo)的變化并不能客觀(guān)反映專(zhuān)利質(zhì)量效率。因此，本文研究側(cè)重于專(zhuān)利的自身效率。從專(zhuān)利自身效率講，在專(zhuān)利產(chǎn)出方面，Lanjouw等[17]、Hall等[18]認(rèn)為專(zhuān)利維持時(shí)間、被引證數(shù)與專(zhuān)利高質(zhì)量發(fā)展呈正向影響關(guān)系，專(zhuān)利維持時(shí)間越久，表明專(zhuān)利能夠帶來(lái)的經(jīng)濟(jì)產(chǎn)出越大，經(jīng)濟(jì)和技術(shù)質(zhì)量越高。專(zhuān)利技術(shù)創(chuàng)新性強(qiáng)、生產(chǎn)效率高，經(jīng)濟(jì)利潤(rùn)大于維持成本時(shí)，專(zhuān)利權(quán)人才愿意支付后續(xù)的專(zhuān)利維護(hù)費(fèi)用，使得專(zhuān)利維持時(shí)間變長(zhǎng)。專(zhuān)利維持時(shí)間更能體現(xiàn)專(zhuān)利經(jīng)濟(jì)效益的持續(xù)性及其真實(shí)價(jià)值，由此選取專(zhuān)利維持時(shí)間和被引證數(shù)作為產(chǎn)出指標(biāo)。專(zhuān)利申請(qǐng)耗費(fèi)巨大時(shí)間和資金成本，其投入是否帶來(lái)技術(shù)的認(rèn)可和相應(yīng)的經(jīng)濟(jì)收益值得考慮。在專(zhuān)利投入方面，時(shí)間成本主要體現(xiàn)為專(zhuān)利從申請(qǐng)到被授權(quán)的時(shí)間投入。專(zhuān)利申請(qǐng)分為國(guó)內(nèi)申請(qǐng)和國(guó)際申請(qǐng)，相較國(guó)內(nèi)申請(qǐng)，專(zhuān)利的國(guó)際申請(qǐng)程序繁瑣，耗費(fèi)時(shí)間長(zhǎng)[12-13]。但是隨著知識(shí)產(chǎn)權(quán)重要性增加，專(zhuān)利的國(guó)際申請(qǐng)?jiān)絹?lái)越受重視，專(zhuān)利的國(guó)際化由原來(lái)的“三方專(zhuān)利”發(fā)展到現(xiàn)在的“四方專(zhuān)利”[30]。因此,時(shí)間成本除國(guó)內(nèi)專(zhuān)利審查期外，還要考慮專(zhuān)利的國(guó)際申請(qǐng)因素。市場(chǎng)成本投入方面，難以衡量每個(gè)專(zhuān)利的市場(chǎng)成本，但是專(zhuān)利的權(quán)項(xiàng)數(shù)及國(guó)家布局?jǐn)?shù)與專(zhuān)利被投入的市場(chǎng)成本存在正向相關(guān)關(guān)系[14-15]。專(zhuān)利權(quán)項(xiàng)數(shù)和專(zhuān)利項(xiàng)目數(shù)量與專(zhuān)利繳納的維護(hù)費(fèi)用呈正比例關(guān)系。另外，專(zhuān)利布局其他國(guó)家要向所布局的國(guó)家繳納費(fèi)用，布局國(guó)家數(shù)越多，專(zhuān)利被投入的市場(chǎng)成本越大。因此，本文將專(zhuān)利權(quán)項(xiàng)數(shù)和國(guó)家布局?jǐn)?shù)納入專(zhuān)利的市場(chǎng)成本?；谏鲜龇治?，專(zhuān)利高質(zhì)量發(fā)展效率測(cè)度指標(biāo)構(gòu)建如表1所示。

表1 專(zhuān)利高質(zhì)量發(fā)展效率指標(biāo)評(píng)價(jià)體系

2.2數(shù)據(jù)來(lái)源與變量選取

2.2.1 數(shù)據(jù)來(lái)源 人工智能作為戰(zhàn)略性新興產(chǎn)業(yè)，成為專(zhuān)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(zhuān)利數(shù)據(jù)庫(kù)，選取人工智能產(chǎn)業(yè)作為測(cè)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(shí)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(guó)家的數(shù)據(jù)，分別為中國(guó)、美國(guó)、韓國(guó)和日本，最終選取31 570條專(zhuān)利，符合數(shù)據(jù)要求。

2.2.2 變量選取與說(shuō)明 本文綜合考慮專(zhuān)利高質(zhì)量發(fā)展趨勢(shì)及指標(biāo)數(shù)據(jù)可獲得性后，被解釋變量確定為專(zhuān)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(zhuān)利質(zhì)量的影響因素組成，選取經(jīng)濟(jì)層面、法律層面作為控制變量，以此綜合解釋專(zhuān)利高質(zhì)量發(fā)展情況及其技術(shù)創(chuàng)新驅(qū)動(dòng)機(jī)制(見(jiàn)表2)。此外，本文在模型分析前首先進(jìn)行了“偽回歸”檢驗(yàn)，并對(duì)異方差問(wèn)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(yàn)，對(duì)各變量采取對(duì)數(shù)法處理。

被解釋變量：專(zhuān)利高質(zhì)量發(fā)展效率。專(zhuān)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(jì)為直接目標(biāo)。本文采用專(zhuān)利高質(zhì)量發(fā)展效率值來(lái)衡量專(zhuān)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(shí)滯效應(yīng)、技術(shù)關(guān)聯(lián)效應(yīng)和撰寫(xiě)質(zhì)量推動(dòng)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(shí)間滯后期來(lái)表征技術(shù)時(shí)滯效應(yīng)。依據(jù)Yan等[22]、Merges[33]的做法選取引用專(zhuān)利數(shù)、引用非專(zhuān)利文獻(xiàn)數(shù)表征技術(shù)科學(xué)關(guān)聯(lián)度效應(yīng)，并參照Graf[23]的做法將說(shuō)明書(shū)頁(yè)數(shù)來(lái)表征撰寫(xiě)質(zhì)量推動(dòng)效應(yīng)。

控制變量：考慮到專(zhuān)利高質(zhì)量發(fā)展也可能受到經(jīng)濟(jì)層面和法律層面的影響，故參考Rosenbloom等[34]的做法，經(jīng)濟(jì)層面的指標(biāo)用同族數(shù)、剩余有效期、主權(quán)頁(yè)字?jǐn)?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(biāo)中當(dāng)前法律狀態(tài)、申請(qǐng)人類(lèi)型、引用國(guó)別數(shù)作為控制變量。

表2 影響因素指標(biāo)選取

3 結(jié)果與分析

3.1各國(guó)專(zhuān)利高質(zhì)量發(fā)展時(shí)序演變特征分析本文采用Super-SBM模型對(duì)中國(guó)、美國(guó)、韓國(guó)和日本4個(gè)國(guó)家的人工智能產(chǎn)業(yè)專(zhuān)利數(shù)據(jù)進(jìn)行效率測(cè)算，以此評(píng)價(jià)各國(guó)專(zhuān)利質(zhì)量發(fā)展情況。

圖12010-2020年各國(guó)專(zhuān)利質(zhì)量發(fā)展演變趨勢(shì)

由圖1可知，中國(guó)專(zhuān)利質(zhì)量發(fā)展效率趨勢(shì)在2010-2020年呈現(xiàn)倒“U”型，總體呈現(xiàn)下降趨勢(shì)。其中，2010-2013年呈現(xiàn)上升趨勢(shì)，在2013年達(dá)到波峰，2014-2020呈現(xiàn)緩慢下降趨勢(shì)。自1984年頒布《專(zhuān)利法》后，中國(guó)專(zhuān)利申請(qǐng)數(shù)量呈指數(shù)型增長(zhǎng)，并逐步成為專(zhuān)利數(shù)量第一大國(guó)，得益于此，中國(guó)人工智能專(zhuān)利數(shù)量激增。但是，人工智能產(chǎn)業(yè)專(zhuān)利被引證數(shù)量下降，被引用率降低，專(zhuān)利質(zhì)量呈現(xiàn)下降趨勢(shì)。原因可能存在以下三點(diǎn)：第一，中國(guó)人工智能產(chǎn)業(yè)相較發(fā)達(dá)國(guó)家起步時(shí)間較晚，中國(guó)科學(xué)技術(shù)水平及自身創(chuàng)新能力基礎(chǔ)較薄弱，專(zhuān)利數(shù)量的增長(zhǎng)多依賴(lài)小規(guī)模創(chuàng)新或者邊際創(chuàng)新，低質(zhì)量專(zhuān)利及低端產(chǎn)業(yè)運(yùn)用率是經(jīng)濟(jì)發(fā)展中的必經(jīng)現(xiàn)象。第二，國(guó)外經(jīng)濟(jì)體開(kāi)始對(duì)中國(guó)進(jìn)行“技術(shù)鎖定”戰(zhàn)略，使得中國(guó)引進(jìn)核心技術(shù)受阻，形成“技術(shù)落后-引進(jìn)落后-創(chuàng)新落后”的局面。第三，為應(yīng)對(duì)發(fā)達(dá)國(guó)家的創(chuàng)新競(jìng)爭(zhēng)與技術(shù)鎖定，中國(guó)實(shí)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(dòng)該產(chǎn)業(yè)技術(shù)創(chuàng)新，各級(jí)政府實(shí)施寬松的資金扶持政策，刺激并扭曲了部分專(zhuān)利申請(qǐng)者動(dòng)機(jī)。政府在專(zhuān)利真實(shí)質(zhì)量信息不對(duì)稱(chēng)的情況下，給予專(zhuān)利資助或獎(jiǎng)勵(lì)，明顯降低專(zhuān)利申請(qǐng)與授權(quán)的交易成本，刺激低質(zhì)量專(zhuān)利申請(qǐng)的行為效應(yīng)，從而產(chǎn)生低質(zhì)量專(zhuān)利逆向選擇效應(yīng)，導(dǎo)致人工智能產(chǎn)業(yè)專(zhuān)利高質(zhì)量發(fā)展效率整體下降。國(guó)家將專(zhuān)利數(shù)量及專(zhuān)利等級(jí)數(shù)量作為高新技術(shù)企業(yè)認(rèn)定標(biāo)準(zhǔn)，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(guó)專(zhuān)利質(zhì)量發(fā)展效率總體呈現(xiàn)“U”型發(fā)展趨勢(shì)，2011-2016年呈現(xiàn)下降趨勢(shì)，在2016年達(dá)到波谷，2017-2020年呈現(xiàn)增長(zhǎng)趨勢(shì)。早期呈下降趨勢(shì)，主要因?yàn)槊绹?guó)對(duì)人工智能產(chǎn)業(yè)發(fā)展的戰(zhàn)略性定位具有模糊性，國(guó)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(guó)人工智能專(zhuān)利高質(zhì)量發(fā)展的資源配置效率低下。在2017年后美國(guó)出現(xiàn)較強(qiáng)的增長(zhǎng)趨勢(shì)。一方面得益于美國(guó)在人工智能基礎(chǔ)理論研究起步較早，技術(shù)研發(fā)機(jī)構(gòu)、科學(xué)實(shí)驗(yàn)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(zhuān)利高質(zhì)量發(fā)展提供良好基礎(chǔ)。另一方面，2017年后美國(guó)政府意識(shí)到人工智能發(fā)展的重要性，并將其作為一項(xiàng)國(guó)家戰(zhàn)略，科技政策逐漸明朗。在各方面推動(dòng)人工智能專(zhuān)利高質(zhì)量發(fā)展行為，如加強(qiáng)培養(yǎng)人工智能專(zhuān)利研發(fā)及應(yīng)用人才。據(jù)統(tǒng)計(jì)，在全球人工智能領(lǐng)域人才智庫(kù)中，美國(guó)技術(shù)人才占據(jù)43%。推動(dòng)政企研學(xué)界人工智能專(zhuān)利技術(shù)突破。在此期間，美國(guó)人工智能專(zhuān)利IPC小類(lèi)數(shù)數(shù)量激增，專(zhuān)利被引用數(shù)遙遙領(lǐng)先，專(zhuān)利高質(zhì)量發(fā)展效果明顯。政府將人工智能納入國(guó)家戰(zhàn)略使得美國(guó)專(zhuān)利高質(zhì)量發(fā)展進(jìn)程加快。2019年后，美國(guó)簽署《美國(guó)人工智能倡議》并設(shè)立人工智能?chē)?guó)家委員會(huì)，從頂層統(tǒng)籌美國(guó)人工智能資源配置，使得美國(guó)專(zhuān)利高質(zhì)量發(fā)展資源配置得到優(yōu)化，有利于推動(dòng)美國(guó)人工智能專(zhuān)利高質(zhì)量快速發(fā)展。

日本專(zhuān)利高質(zhì)量發(fā)展效率一直僅次于美國(guó)，與美國(guó)總體發(fā)展趨勢(shì)相似，總體呈現(xiàn)“U”型發(fā)展趨勢(shì)，2011-2016年呈現(xiàn)下降趨勢(shì)，在2016年達(dá)到波谷，2017-2020年呈現(xiàn)增長(zhǎng)趨勢(shì)。日本早期科學(xué)技術(shù)及專(zhuān)利發(fā)展主要依靠技術(shù)引進(jìn)，技術(shù)引進(jìn)的主要來(lái)源國(guó)是美國(guó)，受美國(guó)專(zhuān)利高質(zhì)量發(fā)展效率的影響，日本發(fā)展趨勢(shì)同樣呈現(xiàn)"U"型。2016年前，日本自身專(zhuān)利技術(shù)創(chuàng)新發(fā)展受限，為削減引進(jìn)的國(guó)外核心技術(shù)在國(guó)內(nèi)市場(chǎng)的占有額，日本國(guó)內(nèi)鼓勵(lì)并涌現(xiàn)出大量改良型專(zhuān)利，改良型專(zhuān)利技術(shù)創(chuàng)新程度低，質(zhì)量低劣，顯著降低日本專(zhuān)利局在國(guó)際中的地位。為改變國(guó)內(nèi)專(zhuān)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(zhuān)利發(fā)展戰(zhàn)略由技術(shù)引進(jìn)轉(zhuǎn)向“引進(jìn)-吸收-創(chuàng)新”，融合本國(guó)特征進(jìn)行價(jià)值戰(zhàn)略性輸出，鼓勵(lì)專(zhuān)利發(fā)明人向外國(guó)尤其是美國(guó)申請(qǐng)專(zhuān)利，與國(guó)際規(guī)則接軌，進(jìn)行海外專(zhuān)利布局。另一方面，在專(zhuān)利行政管理制度方面，為提高專(zhuān)利質(zhì)量，建立專(zhuān)利信息提供制度和損害賠償制度。專(zhuān)利信息提供制度，依大眾提供的信息內(nèi)容，及時(shí)發(fā)現(xiàn)問(wèn)題，豐富了公眾質(zhì)疑專(zhuān)利質(zhì)量的方式，提高了專(zhuān)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(zhuān)利發(fā)明創(chuàng)造營(yíng)造了良好的市場(chǎng)環(huán)境。日本專(zhuān)利發(fā)展制度隨著創(chuàng)新活動(dòng)的實(shí)際情況隨時(shí)調(diào)整，與時(shí)俱進(jìn)，有利于專(zhuān)利高質(zhì)量發(fā)展。

韓國(guó)專(zhuān)利質(zhì)量發(fā)展效率在2013年以前呈現(xiàn)遞增趨勢(shì)，2013-2019年出現(xiàn)大幅下降的趨勢(shì)，2019年后出現(xiàn)回升的趨勢(shì)。韓國(guó)在專(zhuān)利高質(zhì)量發(fā)展方面擁有自己的優(yōu)勢(shì)，如靈活的專(zhuān)利經(jīng)營(yíng)政策、注重專(zhuān)利產(chǎn)業(yè)化，以市場(chǎng)需求的側(cè)重點(diǎn)發(fā)展專(zhuān)利。但是國(guó)內(nèi)企業(yè)技術(shù)研發(fā)能力較弱，韓國(guó)專(zhuān)利戰(zhàn)略的主要目標(biāo)是引導(dǎo)國(guó)外先進(jìn)技術(shù)轉(zhuǎn)讓?zhuān)蚬膭?lì)國(guó)內(nèi)申請(qǐng)大量低質(zhì)量的配套專(zhuān)利圍堵國(guó)外專(zhuān)利在本國(guó)的發(fā)展。專(zhuān)利戰(zhàn)略并沒(méi)有從根本上解決韓國(guó)專(zhuān)利高質(zhì)量發(fā)展遇到的問(wèn)題。另外，人工智能專(zhuān)利高質(zhì)量發(fā)展效率受區(qū)域投入不平衡問(wèn)題限制，據(jù)韓國(guó)風(fēng)險(xiǎn)投資公司統(tǒng)計(jì)(2019)，韓國(guó)首都圈占據(jù)了人工智能風(fēng)險(xiǎn)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(zhuān)利區(qū)域市場(chǎng)化缺乏，專(zhuān)利經(jīng)濟(jì)質(zhì)量降低。在2019年后出現(xiàn)回升的趨勢(shì)，與韓國(guó)將人工智能寫(xiě)入國(guó)家發(fā)展戰(zhàn)略相關(guān)。韓國(guó)政府對(duì)外順應(yīng)國(guó)際發(fā)展趨勢(shì)，不斷加強(qiáng)與中、美、歐盟等人工智能專(zhuān)利大國(guó)合作。對(duì)內(nèi)設(shè)立智能研究所、鼓勵(lì)大學(xué)開(kāi)設(shè)人工智能研究生院等，為發(fā)展人工智能專(zhuān)利發(fā)展培育人才，切實(shí)為人工智能專(zhuān)利質(zhì)量發(fā)展提供服務(wù)。

3.2技術(shù)創(chuàng)新對(duì)專(zhuān)利高質(zhì)量發(fā)展的驅(qū)動(dòng)機(jī)制分析

3.2.1 Hausman檢驗(yàn) 為選定檢驗(yàn)?zāi)Ｐ?，本文首先進(jìn)行Hausman檢驗(yàn)，依據(jù)檢驗(yàn)結(jié)果確定選用隨機(jī)效應(yīng)模型。其估計(jì)結(jié)果見(jiàn)表3，引證專(zhuān)利數(shù)對(duì)專(zhuān)利高質(zhì)量發(fā)展的驅(qū)動(dòng)效應(yīng)在5%的水平上顯著，系數(shù)為負(fù)，說(shuō)明引證專(zhuān)利數(shù)的增加并沒(méi)有促進(jìn)專(zhuān)利質(zhì)量效率的增加?？赡苁菍?zhuān)利引證數(shù)量雖然增加，但是引證專(zhuān)利的質(zhì)量偏低，導(dǎo)致引證專(zhuān)利數(shù)驅(qū)動(dòng)效應(yīng)為負(fù)。引用非專(zhuān)利數(shù)對(duì)專(zhuān)利高質(zhì)量發(fā)展的驅(qū)動(dòng)效應(yīng)并不明顯。說(shuō)明書(shū)頁(yè)數(shù)對(duì)專(zhuān)利高質(zhì)量發(fā)展的驅(qū)動(dòng)效應(yīng)在10%的水平下顯著。技術(shù)時(shí)滯對(duì)專(zhuān)利高質(zhì)量發(fā)展的驅(qū)動(dòng)效應(yīng)十分明顯，且在1%水平下顯著，說(shuō)明引用滯后周期越長(zhǎng)，會(huì)導(dǎo)致專(zhuān)利高質(zhì)量發(fā)展效率越低。

從其他控制變量來(lái)看，作為經(jīng)濟(jì)質(zhì)量的指標(biāo)，剩余有效期對(duì)專(zhuān)利高質(zhì)量發(fā)展的正向驅(qū)動(dòng)效應(yīng)明顯，且在10%水平下顯著；主權(quán)項(xiàng)字?jǐn)?shù)與同族數(shù)對(duì)專(zhuān)利高質(zhì)量發(fā)展的驅(qū)動(dòng)效應(yīng)并不明顯。作為法律層面的指標(biāo)，申請(qǐng)人類(lèi)型和當(dāng)前法律狀態(tài)對(duì)專(zhuān)利高質(zhì)量發(fā)展的驅(qū)動(dòng)效應(yīng)為正，且均在5%水平下顯著；引證專(zhuān)利國(guó)別數(shù)對(duì)專(zhuān)利高質(zhì)量發(fā)展的驅(qū)動(dòng)效應(yīng)十分明顯，且在1%水平下顯著。

表3 新驅(qū)動(dòng)效應(yīng)模型估計(jì)結(jié)果

3.2.2 穩(wěn)健性檢驗(yàn) 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(wèn)題，內(nèi)生性問(wèn)題的出現(xiàn)使得模型結(jié)果不穩(wěn)定。為解決上述問(wèn)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(jì)進(jìn)行了穩(wěn)健性檢驗(yàn)。結(jié)果見(jiàn)表4，引用時(shí)間滯后效應(yīng)、撰寫(xiě)質(zhì)量推動(dòng)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(zhǔn)回歸結(jié)果基本一致。控制變量中當(dāng)前法律狀態(tài)、申請(qǐng)人類(lèi)型和引用國(guó)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(yàn)結(jié)果通過(guò)。

表4 穩(wěn)健性檢驗(yàn)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(cè)度并分析了中國(guó)、美國(guó)、日本和韓國(guó)專(zhuān)利高質(zhì)量發(fā)展趨勢(shì)及原因，并采用Hausman檢驗(yàn)了技術(shù)創(chuàng)新對(duì)專(zhuān)利高質(zhì)量發(fā)展的影響機(jī)制，通過(guò)IV-2SLS和GMM模型對(duì)其進(jìn)行穩(wěn)健性檢驗(yàn)后，得出如下結(jié)論：

a.中國(guó)和韓國(guó)人工智能產(chǎn)業(yè)專(zhuān)利高質(zhì)量發(fā)展效率呈現(xiàn)下降趨勢(shì)，美國(guó)和日本呈現(xiàn)增長(zhǎng)趨勢(shì)，這表明在人工智能專(zhuān)利發(fā)展方面，中國(guó)與其他發(fā)達(dá)國(guó)家相比還存在較大差距。原因如下：一方面，中國(guó)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(guó)外經(jīng)濟(jì)體對(duì)中國(guó)實(shí)行高新技術(shù)鎖定，引進(jìn)高新技術(shù)受阻，使得中國(guó)人工智能專(zhuān)利質(zhì)量提升難度加大。另一方面，為打破國(guó)外技術(shù)鎖定，激勵(lì)國(guó)內(nèi)人工智能專(zhuān)利創(chuàng)新，政府推行創(chuàng)新追趕政策，對(duì)人工智能產(chǎn)業(yè)寬松的資金扶持，刺激并扭曲了專(zhuān)利發(fā)明者的行為動(dòng)機(jī)，造成人工智能專(zhuān)利數(shù)量激增但是質(zhì)量下滑的現(xiàn)象。因此，未來(lái)在保持研發(fā)數(shù)量增長(zhǎng)的同時(shí)應(yīng)不斷提高專(zhuān)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(duì)競(jìng)爭(zhēng)力。b.技術(shù)創(chuàng)新驅(qū)動(dòng)機(jī)制回歸模型中，技術(shù)時(shí)滯、引證專(zhuān)利數(shù)、說(shuō)明書(shū)頁(yè)數(shù)對(duì)人工智能專(zhuān)利高質(zhì)量發(fā)展的驅(qū)動(dòng)效應(yīng)十分顯著，其中，技術(shù)時(shí)滯、引證專(zhuān)利數(shù)顯著為負(fù)，說(shuō)明書(shū)頁(yè)數(shù)顯著為正。引用非專(zhuān)利數(shù)對(duì)人工智能專(zhuān)利高質(zhì)量發(fā)展的驅(qū)動(dòng)效應(yīng)并不明顯。其他控制變量中，剩余有效期、申請(qǐng)人類(lèi)型、引證專(zhuān)利國(guó)別數(shù)和當(dāng)前法律狀態(tài)對(duì)人工智能專(zhuān)利高質(zhì)量發(fā)展的驅(qū)動(dòng)效應(yīng)較為顯著且影響效應(yīng)為正；主權(quán)項(xiàng)字?jǐn)?shù)對(duì)人工智能專(zhuān)利高質(zhì)量發(fā)展的驅(qū)動(dòng)效應(yīng)不明顯。使用2SLS和GMM模型進(jìn)行穩(wěn)健性檢驗(yàn)，結(jié)果與原始結(jié)果基本一致。

4.2政策啟示針對(duì)中國(guó)人工智能專(zhuān)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(duì)專(zhuān)利高質(zhì)量發(fā)展的驅(qū)動(dòng)機(jī)制，得出如下政策啟示：

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

b.在創(chuàng)新驅(qū)動(dòng)發(fā)展戰(zhàn)略導(dǎo)向中，建立長(zhǎng)期穩(wěn)定的人工智能專(zhuān)利質(zhì)量提升機(jī)制。充分將國(guó)內(nèi)人工智能技術(shù)創(chuàng)新資源與政策要素相融合，將國(guó)外優(yōu)勢(shì)技術(shù)要素與中國(guó)人工智能市場(chǎng)紅利相結(jié)合，營(yíng)造良好的人工智能產(chǎn)業(yè)發(fā)展政策環(huán)境。

c.加強(qiáng)人工智能領(lǐng)域內(nèi)專(zhuān)利質(zhì)量評(píng)估系統(tǒng)化、科學(xué)化、法制化建設(shè)。建立人工智能專(zhuān)利代理服務(wù)競(jìng)爭(zhēng)機(jī)制并納入專(zhuān)利質(zhì)量評(píng)估體系，大力引導(dǎo)人工智能專(zhuān)利撰寫(xiě)質(zhì)量提升。強(qiáng)調(diào)引用人工智能專(zhuān)利高質(zhì)量化，增加引用國(guó)別數(shù)，有效發(fā)揮科學(xué)技術(shù)關(guān)聯(lián)效應(yīng)。明確人工智能專(zhuān)利法規(guī)中有關(guān)專(zhuān)利質(zhì)量的獎(jiǎng)懲機(jī)制，鼓勵(lì)人工智能高水平創(chuàng)造，促進(jìn)人工智能專(zhuān)利高質(zhì)量發(fā)展。