图1 技术生命周期的S曲线
摘 要：当今全球大数据技术迅速发展，建立基于TRIZ理论与大数据的智能化技术创新模式，有望解决传统技术创新模式下创新效率低下、难以找到正确技术创新方向、技术转化传统路径不畅、技术与市场对接存在障碍等问题。以专利技术开发为例，分析了TRIZ理论及大数据在技术需求预测中的作用，探讨了协同创新模式下TRIZ理论、数据挖掘在技术研发中的应用，研究了专利运营平台在技术市场中的重要位置；探索利用TRIZ理论和大数据关联技术需求、研发及市场，促进需求、研发及市场之间无缝对接，达到加速技术创新及技术转化的目的。
关键词：技术创新；技术创新模式；TRIZ理论；大数据；专利技术开发
随着世界新一轮科技革命、新一轮产业革命迅速发展，世界进入到一个以技术创新为主驱动力的创新型发展时代，提升技术创新水平成为尤为重要的课题。在传统技术创新模式下，国内外技术创新都存在创新效率低下、难以找到正确的技术创新方向、技术转化传统路径不畅、技术与市场无法对接等传统性、长期性障碍和约束问题，亟需一种高效率、智能化的技术创新模式来解决这些问题。当今，随着互联网技术、大数据技术的迅速发展，发明创造问题解决理论(TRIZ理论)在智能化技术创新模式中的应用以及智能化技术创新模式成为可能。
对于技术创新模式，国内一些专家及学者进行了多方面的深入研究。崔小委等[1]梳理了不同时期产业技术创新模式的发展变化，分析了每个阶段不同产业技术创新模式的具体表现形式，提出开放式技术创新是当前产业技术创新的重要模式。李德毅等[2]指出，在大数据时代思维创新要有与以往时代不同的方法及途径，强调多学科的协同和交叉，即将分隔的垂直学科转变为交叉、协作式的科学研究，在开放协作环境下寻求创新。张韵君[3]提出了基于专利战略的企业技术创新模式，以专利分析、专利创造和专利实施为纽带，联结企业技术创新活动中的技术预测、技术开发和技术应用等主要环节。陈海华等[4]将日本技术创新模式的演进概括为基于引进的简单模仿创新、消化吸收模仿创新、自主创新、知识创新，为中国技术创新发展提供了借鉴。仲伟俊等[5]对产学研合作及其技术创新模式进行了系统分类，通过实证研究明确了目前我国企业产学研合作及技术创新的主要模式。谢园园等[6]从创新过程观的角度切入，进一步归纳了联合创办新企业模式、技术成果转让模式、学研方服务于企业技术创新需求模式3类典型产学研合作技术创新模式。董奎勇[7]指出，产业格局和制造业格局已进入新时代，同时，大数据技术正以开放、平等、参与的方式重构产业模式和人的行为方式，因而应引入“四位一体”的创新模式，囊括源创新、流创新、集成创新和原始创新。虽然众多专家及学者从不同角度对技术创新模式进行了系统、全方位的探索，但是，对于智能化技术创新模式却鲜有研究。
广义的技术创新包括技术需求、技术研发及技术市场3个环节，技术需求指引了技术研发方向，技术研发水平决定了技术市场价值，而技术市场转化状况又能产生新的技术需求。但是，目前技术需求、技术研发及技术市场三者并未形成生态化的有机整体，需求、研发及市场之间的脱节直接影响了技术创新效率。因此，研究智能化技术创新模式对提高技术创新效率具有重要的实践意义。本文创新地提出一种智能化技术创新模式，并以专利技术开发为例，从专利角度探讨利用TRIZ理论和大数据来关联技术需求、研发及市场，促成需求、研发及市场之间无缝对接，互相驱动，从而达到加速技术创新及技术转化的目的。
TRIZ理论是1946年前苏联以根里奇·阿奇舒勒为首的数百名专家经过近50年的系统性研究，从250万件高水平发明专利中归纳提炼出的一整套体系化、实用化发明创新理论[8]。TRIZ理论指出，技术创新可以解决技术系统中出现的各种技术问题、矛盾和冲突。TRIZ理论解决问题的工具有9种，其中，39个工程参数和矛盾矩阵及40个发明原理使用频率最高[9]。
TRIZ理论自创建之后在各个技术领域得到了广泛应用，也在专利分类、专利分析和TRIZ专利数据库构建中发挥了至关重要的作用[10-14]。虽然TRIZ理论在很多技术领域和非技术领域得到了大力推广，但是，TRIZ理论仍存在具体问题难以标准化、标准解难以具体化、缺乏扩展性及先进性、尚不能有效解决客户需求、不能促成技术与市场对接等应用瓶颈，使得TRIZ理论在专利技术智能化开发运营中的应用受到限制。
随着数据存储、通信、互联网、社交媒体、软件等技术的发展，“大数据”成为互联网信息时代最流行的词汇。大数据时代的到来为人们的思维、商业模式和管理方式带来了一场大变革，逐渐扩展并渗透到社会各个领域[15]。当然，大数据也给TRIZ理论带来了进一步发展的机会，TRIZ理论的应用瓶颈可能因此得以克服，而TRIZ理论新的发展将促进专利大数据建设。
一方面，可以利用大数据方法及工具对海量专利数据进行汇总、归纳、挖掘及提炼，进而验证并完善TRIZ理论，进一步拓展TRIZ理论的内涵，尤其是将材料化学、信息技术、生物医学、社会科学等方面的原理和方法纳入到TRIZ理论中，其作用效果将更显著。另一方面，TRIZ理论可以为专利大数据的模型构建提供理论支撑，并在分析方法、参数设置等方面提供依据，从而为客观评估技术发展、制定创新技术方案及实现智能化技术开发运营，提供精准预测及全面解决方案。另外，结合互联网的专利大数据建设，还能解决专利技术与市场对接问题。
2.1 TRIZ理论及大数据在技术需求预测中的应用
TRIZ理论指出，技术系统进化遵循一定的客观规律，同生物进化类似，技术系统也面临自然选择及优胜劣汰。技术系统进化法则对技术系统的发展规律进行总结和抽象，指出技术发展规律、宏观模式与方向，反映技术发展过程的具体阶段和进化顺序。每个技术系统的进化，都要经历婴儿期、成长期、成熟期及衰退期4个阶段。当一个技术系统进化到一定程度时，原有的研发极限被突破，必然会出现一个新的技术系统替代它，即新技术替代现有技术，从而形成技术交替。如图1所示，S曲线体现了一个技术系统完整的生命周期，横轴是时间，纵轴可以是性能参数、专利数量、发明级别、利润等指标，它们随时间变化的曲线在技术系统4个阶段呈现明显差异。
分析S曲线有利于技术人员了解技术系统的成熟度，预测技术未来发展趋势，并适时进行下一代技术需求调研，提前布局下一代核心技术研发，从而占据技术先机。通过分析当前核心技术在技术进化过程中的阶段与状态，明确技术未来进化方向和可能进化模式，可以预测未来产品的技术发展前景和水平。从企业角度来讲，能实现销售一代、生产一代、研发一代，同时，预测新一代产品。此外，依据技术进化的S曲线，还可帮助技术决策者采取更有针对性的产品研发策略。
除通过TRIZ理论预测技术需求外，还可以通过大数据预测获知技术需求。大数据的应用核心是预测，预测是数据挖掘的价值所在。一般情况下，大数据预测是指从海量数据中挖掘出特点及规律，并建立科学的预测模型，然后将新的数据输入模型，从而预测未来数据，简而言之，就是将数学算法运用到海量数据中以预测事情发生的可能性。
图1 技术生命周期的S曲线
收集人们在社交网络和其它平台上产生的数据进行实时、全面分析，能帮助企业或机构建立用户立体形象，了解用户品味和喜恶，从而提供预测性的判断。收集工业数据、用户行为数据、专利数据、非专利信息及科技信息进行针对性的数据分析，可预测前瞻性、精准性的专利技术需求，引导企业或机构迅速响应技术需求，提前启动技术研发并完成专利布局。非专利信息包括与专利数据相关的企业、商业、经济、金融、标准等信息，通过将各项数据及信息建立高度关联，可以实现“信息孤岛”的连通，从而进行立体性、全方位、多维度的需求分析，使需求预测更具决策力和洞察力。
2.2 TRIZ理论、数据挖掘及协同创新在技术研发中的应用
(1)TRIZ理论是技术研发的常用工具。TRIZ理论揭示了创造发明的内在规律和原理，强调解决系统中存在的矛盾，能够帮助创新主体系统分析问题，并快速发现问题本质或者矛盾，精准确定问题解决方向，还能帮助技术人员突破思维障碍，打破思维定势，以全新的视角分析问题。实践证明，运用TRIZ理论可加快发明创造进程并获得高质量的创新产品。有了准确的技术需求，就能找出技术问题或矛盾，而TRIZ理论能提供从微观角度解决技术问题或矛盾的手段。在应用TRIZ理论解决具体技术矛盾时，一般先将工程实际问题转化为39个通用工程参数，包括改善参数和恶化参数，构建TRIZ标准问题模型，然后利用矛盾矩阵从40个发明原理中选择相应的TRIZ标准解决方案模型，最后映射至工程实际解决方案，也可以用发明问题标准解法、分离原理、物-场模型解决各种矛盾，并形成具体的、建设性的、创新的技术方案。
(2)数据挖掘能为技术研发提供知识。数据挖掘是采用数学、统计、人工智能和机器学习等方法，从海量的、不完整的、随机的、有噪声的、模糊的数据中，提取隐性的、未知的、具有潜在应用价值的知识及模式的过程。数据挖掘在专利数据方面的主要应用是知识发现，利用数据挖掘对已预处理的专利数据进行关联、分类、聚类、偏差分析等，可以发现有价值的知识和模式。另外，以TRIZ理论为基础，从专利数据库中挖掘发明原理、科学效应等知识，可帮助技术人员获得更加丰富的、具有启发作用的实例，从而解决产品的创新设计问题。众所周知，同一个发明原理可以在不同的行业或领域运用，通过数据挖掘建立的知识库包括基于发明原理的典型案例、技术经验及深度知识，这些案例、经验及知识会激发技术人员的创新灵感，为技术人员提供全面参考及技术支撑，极大地提高技术人员创新效率，降低产品设计生产和制造周期。
(3)协同创新是技术研发的助力剂。协同创新是指各创新要素的整合以及创新资源在系统内的无障碍流动，可充分调动企业、高校、科研单位的创造性和积极性，加强跨学科、跨部门、跨行业深度合作和开放创新，加快不同领域、不同行业以及创新链各环节之间的技术融合与扩散[16]。在协同创新中，企业、高校、科研单位协同作战，密切配合，实现相关科研成果融合再创新；分布于不同地域、不同行业、不同单位、不同部门的创新主体，依靠现代信息技术构建资源平台，通过直接沟通、信息共享、全方位交流、多样化协作，共同完成一项创新任务，快速形成新决策、新成果、新知识，最终实现各创新主体自身发展及科技创新发展。
2.3 专利运营平台在技术市场中的应用
专利是一种重要的战略性资源，具有较高的潜在价值，但是，静止的专利权并不会带来价值，还会因为逐年递增的专利年费给专利权人带来资金压力。专利价值的实现取决于专利运营，专利运营本质上是供需双方的市场行为，产业和市场需求是专利运营的源头，而供给侧是高价值专利(组合)。在专利运营过程中，一个公开的、健全的交易市场发挥着重要作用，而专利运营平台可起到交易市场的作用。
专利运营平台的主要作用是构建专利供给方与专利需求方之间的媒介，以加强专利信息供需双方的沟通，促进专利流通，尤其是专利许可和专利转让。当今，专利运营平台应立足于实体产业，充分运用互联网和大数据技术，基于专利导航的核心指引，汇集整合产业资源和创新要素，面向全创新链提供全方位、一站式服务。专利运营平台未来发展方向是融合搜索、电商、社交三要素的互联网产品，注重专利信息披露和优质信息匹配推送。专业化、互联网化的专利运营平台，是促进专利运营业务蓬勃发展的重要载体和支撑，其必然会进一步活跃专利技术市场。
3.1 智能化技术创新模式的生态体系
技术发展过程中，从技术创造到技术转化需要经历技术需求、技术研发、技术市场3个核心环节，但是，目前这3个核心环节相互独立、难成一体，导致技术创新效率低下等问题。为了提升创新效率，并适应开放式创新、协同创新、跨界合作创新等技术创新发展态势，亟需发展基于互联网、专利大数据、开放协同创新、TRIZ理论的全流程、自循环、智能化技术创新模式。本文以专利技术开发为例，阐述智能化技术创新模式的生态体系，如图2所示。
图2 基于TRIZ理论与大数据的高效智能化技术创新模式
提前获知准确的专利技术需求，有利于加快技术研发进程，而准确的技术需求取决于TRIZ理论技术系统进化法则的运用及大数据预测分析。运用TRIZ理论的技术系统进化法则可预测技术系统未来发展方向，而满足技术系统需求是技术系统进化的推动力。同时，采用大数据手段，依据所收集的全面数据，通过预测模型计算，可以发现潜在的热门技术需求。从企业角度来讲，通过收集、挖掘大量内部和外部数据，可以预测市场需求并进行智能化决策分析，有利于制定行之有效的战略。用户在网络上产生的信息、行为、关系三维数据，有助于企业进行预测和决策[17]。
协同创新平台、TRIZ理论工具及深度知识库是实现高效技术研发的三大主要因素。一旦确定技术需求，就可利用协同创新平台集中多方力量围绕技术需求进行研究，也可在平台上公开发布技术需求，寻求开放式技术解决方案。TRIZ理论工具在解决具体技术问题中发挥重要作用，其提供从微观角度分析技术改进方案的手段。深度知识库能为专利技术研发提供思维外延及案例参考，有利于发现技术机会，进一步促进技术研发的高效运行。构建深度知识库之前需要经过专利数据的预处理及挖掘，其目标是构建基于TRIZ的案例库，将部分专利进行TRIZ理论工程参数及发明原理的标引，以便后续训练文本集的查询和规律分析。
专利技术研发的最终目的是占领市场并完成专利技术转化及运营，而专利技术市场的瞬息万变将催生新的专利技术需求。在未来的专利技术市场中，专利运营平台将发挥主导作用，它能实现供需对接，活跃技术市场，促进专利技术转化，使技术价值最大化，还能明晰未来的技术需求。在专利运营平台中接入以专利大数据为基础的智能检索、专利分析以及专利评估系统，可以全面实现待交易数据的查询、分析及价值评估。
综上，专利技术需求、专利技术研发及专利技术市场环环相扣，紧密关联，相互驱动，三者构成了高效的、智能化的、自循环的专利技术创新生态体系，可以全面推动技术创新大发展。
3.2 智能化技术创新模式的技术框架
本文以专利技术开发为例，设计技术框架，如图3所示，包括4层结构，即数据层、数据处理层、知识层以及应用层。
(1)数据层。主要包括专利基础数据、专利扩展数据、企业数据、经济数据、金融数据、高校信息数据、标准数据、科技成果数据、平台数据及其它数据。专利基础数据包括中国及全球专利的著录项目与摘要、全文文本、全文图像、法律状态数据、英文翻译及深加工数据；专利扩展数据主要包括全球专利引文数据、专利同族数据、专利分类数据、专利审查流程数据、专利复审无效数据、专利行政执法数据等；企业数据包括企业工商登记数据；经济数据包括地区经济发展报告及行业经济发展报告；金融数据包括保险数据、证券数据、商情数据、基金数据；标准数据包括国家标准、行业标准、地区标准及计量规程规范；平台数据主要是指协同创新平台及专利运营平台数据，包括用户登记平台的注册信息、专利供需信息、专利交易产生的运营信息、交易双方相互评价产生的诚信评价信息以及用户使用平台各项功能产生的行为信息。
图3 高效智能化技术创新模式的技术框架
(2)数据处理层。数据处理层是基于大数据与TRIZ理论的高效智能化专利技术开发运营生态体系的核心层，建立在Hadoop架构之上。Hadoop的核心是HBase利用MapReduce处理内部海量数据；Sqoop整合各种数据源数据，存储于分布式数据库HBase中。采用基于HDFS的HBase存储系统，HDFS存储Hadoop集群中所有存储节点上的文件；MapReduce用于数据挖掘、技术需求的大数据预测及数据处理结果可视化展示，它是一种编程模型，一个MapReduce应用程序至少包含3个部分：一个Map函数、Reduce函数和一个Master函数；MapReduce将海量数据精炼后为数据挖掘和大数据预测提供高密度价值的数据[18]。
(3)知识层。专利大数据处理是指对专利数据进行深层分析，挖掘专利数据蕴含的深层知识，寻找专利数据内部隐藏的规律。知识层包括：①TRIZ理论知识库。以TRIZ理论为基础，从专利数据库中挖掘发明原理、科学效应等知识，形成TRIZ理论知识库，该知识库包括基于发明原理的典型案例、技术经验及深度知识，这些案例、经验及知识会激发技术人员的创新灵感；②词表。词表又称领域词典，具有两个功能，一是构建TRIZ理论知识库，二是智能检索。词表包括发明原理词典、工程参数词典及专利分类-主题词一体化词表。针对TRIZ理论的40条发明原理及39个工程参数，建立发明原理词典及工程参数词典，发明原理词典收录了对应每条发明原理的尽可能多的关键词，根据大量训练文本集提炼每个工程参数在实际产品创新中的一般词汇，形成工程参数词典。对于未知分类的某个专利，通过关键词匹配机制及语义关系模板，判断该专利中应用的原理是否属于TRIZ中的发明原理，若是，则认为该专利的解决方案属于已知知识，可以将其加入到TRIZ理论知识库中。通过整合国际专利分类(IPC)、联合专利分类(CPC)、分类定义、发明原理词典、工程参数词典及700多万专利数据深加工标引词汇，形成专利分类-主题词一体化词表，主题词与IPC分类号、CPC分类号直接映射，并建立涵盖所有主题词的同近义、等级和相关词系统；③专利技术发展规律。依据TRIZ理论技术系统进化法则，结合相关领域专利文献，对专利技术发展脉络及路线进行总结和抽象，构成专利技术发展规律，反映技术发展过程中经历的具体阶段和进化顺序，为专利技术研发及技术决策提供指引及支撑；④技术需求发展趋势。从专利技术市场出发，基于TRIZ理论技术系统进化法则及大数据预测分析，总结技术需求发展趋势，为技术先进性及市场迅速定位提供决策依据；⑤价值专利。从法律、技术和经济3个层面对专利价值进行评估，并引入专利文献引证分析，通过计算相关专利的被引用次数及技术扩散指数筛选高价值专利，构成市场价值高、专利质量高、专利权稳定的价值专利库。
(4)应用层。所有分析及研究将归结于应用，大数据为高效智能化专利技术开发运营的进一步发展起到了极大促进作用。应用层包括专利运营平台、智能检索系统、专利评估系统、专利分析系统及协同创新平台。
专利运营平台具有专利技术信息展示、需求信息展示、信息检索、评估、分析、浏览、技术与需求对接、信息发布等功能，能实现专利、技术与需求信息的发布和展示，实现供需数据对接。中国专利技术开发公司开发的中国专利运营平台按照战略性新兴产业、国民经济行业分类、通用技术领域及“中国制造2025”对所有专利数据进行标引，4类导航体系方便用户精确查找相关专利、技术及需求信息。专利运营平台技术对接渠道有两条，一是系统调用智能检索功能进行自动匹配对接，二是用户申请人工对接。用户发布专利技术信息后，系统自动调用智能检索功能，检索对应需求信息，或者用户发布需求信息后，系统自动调用智能检索功能，检索对应专利技术信息。专利运营平台接入智能检索、专利分析以及专利评估系统，以全面实现待交易数据的查询、分析及价值评估。
智能检索系统以专利分类-主题词一体化词表为核心，构建适应我国审查员和社会公众检索习惯的智能检索工具-专利大数据智能化信息服务平台，普通用户无需掌握国际专利分类，也无需对检索词进行形式、意义、角度上的扩展，直接使用最熟悉的自然语言进行检索，系统后台依据一体化词表自动进行同近义扩展、不同语种扩展并直接转换获得IPC/CPC分类号，综合运用主题词和分类号自动构建检索式进行智能检索，实现专利分类与主题词检索之间的兼容以及中外不同语种专利信息检索的兼容，降低了普通用户获取专利信息的难度。
专利评估系统从法律、技术和经济3个层面对专利价值进行评估。其中，每个层面设有多个分析维度，每个分析维度包含多个分析指标。比如，法律层面从稳定性、保护范围、专利独立性、侵权可判定性、专利寿命5个维度进行评估。其中，稳定性包括专利三性、公开充分性、说明书支持、权利要求完整性、超范围、复审经历等分析维度。在专利评估模型中，对每个层面每个分析维度的所有分析指标赋予权重值，并进行加和得到专利评估值，评估值越高代表专利越有价值。专利评估系统还具有重要的专利筛选功能，以专利文献引证分析为基础，通过计算相关专利被引用次数及技术扩散指数筛选重要专利。其中，技术扩散指数是指施引专利所属领域的集中程度，反映后续技术在不同技术领域的传播、扩散程度。技术扩散指数的取值范围为0-1，技术扩散指数较大(越接近于1)，说明观测专利被较宽技术领域的专利引用越多。观测专利在不同技术领域的扩散程度越大，技术影响范围就越大，技术适用性就越好。
专利分析系统主要功能在于对专利文献数据进行处理及统计，并形成分析报告。专利分析系统包括多个可供选择的模块，分别为核心专利筛选模块、专利价值评估模块、相似专利检索模块、产业统计分析模块、专利情报分析模块、专利技术预警模块、专利侵权分析模块等。专利分析人员根据项目需求，选择合适的专利分析模块进行分析，形成专利分析结果。
协同创新平台为企业、高校及科研单位之间知识共享、技术研发提供工具支持，具有信息展示、科技成果展示、人才信息库、技术问题发布等功能。协同创新平台选择技术、行业、学科、企业、年度、专家或工程师、适用项目、需求等指标，构建科技信息服务平台的矩阵式信息架构，用户可直观获取与某项技术创新相关的所有信息；分享科技信息、研发设计、TRIZ创新技术及其它信息，构建多维立体服务平台，不断输入和输出各组织发展所需知识或技术；构建专业性的人才信息库，对行业、企业、高校及科研单位的工程师、专家或团队等信息进行披露，为创新主体寻找专业人才提供通道；平台上可进行技术问题发布，企业可通过该平台有偿征求技术问题解决方案。
近几十年来科技取得了巨大进步，但是，仍存在技术创新效率低下、专利技术转化不畅、技术与市场无法对接、市场无法催生真正的技术需求等问题。本文以专利技术开发为例，尝试利用TRIZ理论和大数据关联专利技术需求、研发及市场，促进需求、研发及市场之间无缝对接，并创新地提出了智能化技术创新模式。
提前获知准确的专利技术需求，有利于加快技术研发进程，准确的技术需求则取决于TRIZ理论技术系统进化法则的运用及大数据预测分析；运用TRIZ理论的技术系统进化法则可预测技术系统未来发展方向，而采用大数据预测模型可获取潜在的、热门的、具体的技术需求。协同创新平台、TRIZ理论工具及深度知识库是实现高效专利技术研发的三大主要因素，一旦确定技术需求，就可利用协同创新平台，集中多方力量围绕该技术需求进行研究，TRIZ理论工具在解决具体技术问题中发挥作用，而深度知识库能为专利技术研发提供思维外延及案例参考。专利技术研发的最终目的是占领市场并完成专利技术的转化及运营，在未来的专利技术市场中，专利运营平台将发挥主导作用，实现供需对接，活跃技术市场，使技术价值最大化；专利运营平台接入专利大数据的智能检索、专利分析以及专利评估系统，可以全面实现待交易数据的查询、分析及价值评估。
我国正在实施创新驱动发展战略及知识产权强国战略，创新发展TRIZ理论和基于大数据的智能化技术创新模式显得尤为重要。但是，现阶段仍存在很多困难与挑战，比如：国家公共数据仍未完全开放；科学、经济与技术信息之间仍未建立关联；不同来源的数据要去伪存真，异构的数据要识别和定义，不同维度的数据要关联和交互[19]；数据的爆发式增长，对低成本、低能耗、高可靠性的存储方式提出了更高要求；大数据和传统创新理论之间的关系需要进一步探讨，大数据的分析建模及机器学习规则建立必不可少；专利运营平台及协同创新平台建设需要投入大量资金。
面对这些挑战，本文从以下方面提出对策及建议：①国家需要加快推动公共数据向社会开放，实现大数据资源的真正共享，优先推进专利、税务、产业、统计等公共数据对外开放，提升公共数据再利用水平。发展基于大数据的专利技术创新智能化辅助支持模式，研究制定国内外专利技术布局宏观战略以及专利技术创造宏微观指南，构建基于大数据的专利实施、转移、交易、运用、商用化、产业化新机制。政府部门要落实《促进大数据发展行动纲要》，利用大数据技术提升政府治理与社会服务能力，支持公共领域的企事业单位开展大数据应用，鼓励公共领域机构开展大数据创新，建设开放式协同创新平台，实现知识及技术信息共享。加强专利技术研发方向引导，研究制定专利技术创新指南，支持中小微企业专利创新创业，发布国家专利创新指数；③企业、高校和科研单位等创新主体应该建立各自的专利信息库，积极学习大数据技术，推广应用TRIZ理论，培养专利复合型人才，积极参与开放式协同创新平台建设，以创新驱动技术发展，加快产业转型升级；④相关学者及技术工作者要加强海量数据存储、数据清洗、数据挖掘等领域关键技术攻关，提升数据分析处理能力和辅助决策能力，支持自然语言、机器学习等人工智能技术创新，实现技术研发的智能化、精准化及高效化；⑤知识产权服务机构应该抓住机遇，积极在专利运营平台中引进大数据技术，开发基于大数据、互联网的知识产权公共服务平台，支持发展知识产权(专利)中介服务新业态、新模式，加强与创新主体、专利管理部门的协同作用。
参考文献：
[1] 崔小委，吴新年.产业技术创新模式的发展脉络与演进分析[J].中国科技论坛，2016(1)：31-37.
[2] 李德毅，郑思仪.大数据时代的创新思维[J].北京联合大学学报，2014，28(4)：1-6.
[3] 张韵君.基于专利战略的企业技术创新模式研究[J].经济问题，2015(5)：84-89.
[4] 陈海华，谢富纪.日本技术创新模式的演进及其发展战略[J].科技进步与对策，2008，25(1)：15-18.
[5] 仲伟俊.产学研合作技术创新模式分析[J].中国软科学，2009(8)：174-181.
[6] 谢园园，梅姝娥，仲伟俊.基于创新过程观的产学研合作技术创新模式研究[J].科技进步与对策，2012，29(15)：6-13.
[7] 董奎勇.新产业格局下的技术创新模式及变化[J].纺织导报，2014(10)：42-46.
[8] 赵敏，史晓凌.TRIZ入门及实践[M].北京：科学出版社，2009.
[9] 周莹，彭丽娟.TRIZ理论研究及应用现状分析[J].科技情报开发与经济，2013，23(10)：151-153.
[10] 周胜生.TRIZ理论简介及在专利战略中的应用[J].Patent Examination Review，2011(3):17-23.
[11] 贾鸿翅.面向TRIZ的专利知识本体建模与应用[J].现代制造工程，2009(2):1-4.
[12] 王克奇.基于TRIZ的专利分析系统研究[J].情报科学，2009,27(4)：551-553.
[13] 李更.TRIZ创新流程与专利检索系统的结合探索[J].情报杂志，2013,32(2)：79-81.
[14] 程序，于海燕.TRIZ理论在专利技术路线图制定中的应用研究[J].情报学报，2012，31(10)：1045-1051.
[15] 涂子沛.数据之巅[M].北京：中信出版社，2014.
[16] 王君华，彭华涛，刘国新.面向TRIZ的协同创新体系[M].北京：科学出版社，2015.
[17] 梁宏.浅谈企业创新和互联网思维[J].中国发明与专利，2015(6)：26-30.
[18] 郑纬民.从系统角度审视大数据计算[J].大数据，2015(1):1-8.
[19] 彭茂祥，李浩.基于大数据视角的专利分析方法及模式研究[J].情报理论与实践，2016(7):108-113.
[20] 曾志华，彭茂祥.全球专利创新研究报告[M].北京：知识产权出版社，2015.
[21] 彭茂祥.基于专利信息世界主要国家技术创新活动研究报告[R].2015.
[22] CHEN C L,ZHANG C Y.Data-intensive applications,challenges,techniques and technologies:a survey on big data[J].Information Sciences，2014(275):314-347.
[23] KAMBATLA K,et al.Trends in big data analytics[J].Journal of Parallel and Distributed Computing，2014(74): 2561-2573.
[24] AISLING O D,et al.Big data,hadoop and cloud computing in genomics[J].Journal of Biomedical Informatics，2013(46):774-781.
(责任编辑：万贤贤)
Discussion on the Model of Intelligent Technology InnovationBased on TRIZ Theory and Big Data
Abstract：There are some problems in the technology innovation, including low efficiency, hard to find the correct direction of technology innovation, traditional technology transformation path is not smooth, technology and market docking is difficult and so on. Along with the rapid development of global big data technology in recent, the paper proposes the model of intelligent technology innovation based on TRIZ theory and big data, which is expected to solve these problems. In the paper, it takes the patent technology development for example, analyzes the role of TRIZ theory and big data prediction in technical requirements, discusses the application of the TRIZ theory, data mining and collaborative innovation in technology research and development, and studies the important position of patent operation platform in the technology market. In order to achieve the goal of accelerating technological innovation and technology transformation, it uses the TRIZ theory and big data to correlate technical demand, technology research and development and technology market, and make seamless docking between them.
Key Words：Technology Innovation；Technology Innovation Model；TRIZ Theory；Big Data；Patent Technology Development
收稿日期：2016-09-29 作者简介：彭茂祥(1975-)，男，湖南衡阳人，博士，清华大学STS研究中心副研究员，博士后，研究方向为创新管理、专利信息、大数据、知识产权管理及运营；李浩(1982-)，男，湖南永州人，中国专利技术开发公司副研究员，研究方向为专利数据深加工、专利分类、专利分析。
DOI：10.6049/kjjbydc.2016070080
中图分类号：F091.354
文献标识码：A
文章编号：1001-7348(2017)07-0139-07