随着技术的快速发展及研发成本与风险的不断提高,任何单一企业都无法垄断行业前沿技术。不同企业拥有的碎片化技术形成“专利丛林”,导致专利纠纷、“敲竹杠”行为甚至“反公共地悲剧”现象频繁发生,由此产生一系列协调、诉讼和机会主义成本,阻碍企业创新和社会福利提升[1-3]。为解决这些难题,在产品市场中,竞争激烈的企业在技术层面合作组建专利池。专利池又称专利联盟,是指两个及以上专利权人之间的协议,用以相互许可或向第三方许可他们的一个或多个专利[4]。专利池是清除障碍性专利、减少专利纠纷、降低交易费用、加强技术互补、加快技术扩散的有效制度设计[1-2,5-7]。同时,专利池通常与技术标准相结合,利用网络效应和锁定效应,为池内成员带来巨额经济收益[8]。那么,如何才能加入专利池?在国际技术竞争日益激烈的当下,探讨这一问题具有重要意义。
近年来,专利池逐渐受到产业界与学术界的高度关注,专利池形成机理研究主要包括理论分析、数理建模和实证分析。不过,囿于资料分散、数据匮乏,实证研究较少。专利障碍、互补与竞争是专利池存在的3种主要形式,影响专利池的形成[8-9]。并非所有专利都能加入专利池,只有技术、法律和商业上必要的专利才能加入专利池,专利互补性、必要性与有效性是政府反垄断部门进行垄断审查的重要依据[1-2,10]。Langinier[11]通过数理建模得到专利池形成的纳什均衡,发现专利持有人广度相差很大的两项专利更容易形成专利池;Lerner等[12]的研究表明,大规模专利池为集中控制权,倾向于选择执行力有限的小成员加入;张胜等[13]、张利飞和王杰[14]发现,技术多元化、网络中心与中介位置有利于企业加入专利池,少数优势专利控制和主导着专利池的形成;王晓璐等[15]指出,专利引证、专利家族数、技术范围和权利要求是判断专利是否“必要”的关键指标。为获取更高的市场利益,专利池往往与技术标准相结合,一些学者从必要标准专利评价角度进行了研究。如赵辉、肖翔[16]从技术和法律两个层面构建标准必要专利评价指标体系;Jeong等[17]发现,专利家族数大、被引频次高、专利申请人多、权利要求数广的专利更容易纳入技术标准;但吴菲菲等[18]发现,高效益专利比高技术质量专利更容易纳入技术标准。
综上所述,现有研究主要从企业层面或者某个专利特征进行探讨,没有从更全面角度研究专利特征对加入专利池的影响。本文重点解决以下问题:具备什么特征的专利更有可能加入专利池?池内专利与池外专利存在哪些差异?本研究以MPEG LA专利池内1 073件专利为样本,按照1∶1配对选择控制专利,从专利范围(技术、权利与地域范围)、寿命(审批与维持时间)和引用(前向引用与后向引用)3个方面研究专利特征对加入专利池的影响。本研究对企业专利文件撰写、专利入池申请及专利池管理机构进行专利评估具有重要意义。
专利范围包括技术领域、权利要求与地域垄断范围。其中,技术领域范围涉及技术广泛程度。专利行政机关在审核专利时,根据申请文件提炼技术主题、功能、应用等信息,对所属技术领域进行分类。专利技术领域具有不同分类标准,包括国际专利分类(IPC)、美国专利分类(CCL)、日本专利分类(FI/F-Term)、欧洲专利分类(ECLA)、联合专利分类(CPC)和德温特专利分类(DC/MC)等。IPC分类是最常用的标准,按照技术主题将整个技术领域分为部、大类、小类、大组、小组5个等级。一件专利可能涉及多个技术主题、功能、应用等,需要进行多重分类,因此往往有多个分类号。分类号数可以反映专利通用性,即专利应用范围。Merges & Nelson[19]、Lerner[20]认为,IPC分类号数越多,意味着专利创新程度越高,专利价值越高;Altuntas等[21]认为,IPC分类号数越多,表示与该专利技术相关的专利技术越多,未来越有可能被应用到其它技术领域,进而产生技术溢出效应。与窄而精的专利相比,宽而浅的专利市场应用范围更广,更有可能成为未来技术标准,更容易加入专利池。专利范围越广,搭便车的可能性越大,越倾向于加入专利池寻求保护[11]。
权利要求范围反映专利受保护空间,通常用权利要求表示。权利要求是指专利或专利申请书中除说明书之外一系列有编号的表达式或名词所组成的部分,它是一种排他权,每一项要求都代表创造性贡献或应用,体现模仿或替代难度的关键因素。权利要求数决定该专利创新范围与未来机会。专利原创性和专利价值越高,专利权人越有可能主张更加宽泛的权利保护范围[22]。但Fisher&Leidinger等[23]发现,专利要求数增加并不能提高专利价值。权利要求反映专利法律特征,是判定专利是否侵权的关键依据。专利制度规定,专利权要求所保护的技术方案才是法律赋予专利权人的保护范围,只有当专利池采用的技术落入权利要求保护范围之内时,才涉及专利侵权。专利池技术所必需的权利要求为必要专利权利要求(Essential Patent Claim),而包含至少一项必要专利权利要求的专利为专利池必要专利。为形成专利壁垒,专利池必要专利权利要求数一般较多[16]。
地域垄断范围主要指专利家族数,代表同一件专利寻求司法保护的国家(地区)数。专利家族是相同专利以优先权方式申请多个国家(司法管辖区)专利构成的集合。专利具有严格的地域性特征,只有在某个国家(司法管辖区)申请并获得授权才受到专利法保护。为获得多国专利法保护,企业在多个国家申请核心专利,这些同一技术方案在不同国家(司法管辖区)申请、公布或批准的内容相同或相似的一组专利文献被称为专利家族,包括简单同族、复杂同族、扩展同族、人工同族等。专利申请、授权和维持需要付出一定的资金、时间和人力成本,因此跨国公司基于市场战略,在产品进入目标国之前,只对高价值专利申请多国保护。同族数量越多,表明专利越能够在更多国家和地区受到保护,专利质量和价值也就越高(钱坤等,2020)。与池外专利相比,池内专利是技术知识系统优势族群,更有可能在更多国家和地区获取专利权[24]。据此,本文提出以下假设:
H1a:技术领域越广,专利越有可能加入专利池;
H1b:权利要求范围越广,专利越有可能加入专利池;
H1c:地域垄断范围越广,专利越有可能加入专利池。
专利寿命是指专利从申请日至无效、终止、撤销或届满之日的实际时间,包括专利授权前审批时间和专利授权后维持时间。专利审批时间包括申请-初步审查-公开-实质审查-授权的整个审核周期,受技术先进程度、撰写质量和重要程度的影响。在审查阶段,任何人都可以向专利审批部门提出该专利不授权的理由,导致专利被反复修改或驳回,从而延长专利审批时间。本文认为,专利审批时间越长,专利新颖性和创造性越低,越不可能加入专利池。
专利授权后,导致专利失效的原因包括宣告无效、停止缴纳年费、书面放弃、届满终止等,第二种情况占绝大多数。据国家知识产权局统计,全国49.2%的发明专利维持时间在5年以上,只有0.02%能维持到届满终止。专利权人往往根据专利价值决定是否继续缴纳维持费,对于能够保持技术领先地位并持续盈利的专利,他们会继续缴纳维持费(钱坤等,2020);而对于丧失技术优势和盈利能力的专利,他们则会停止缴纳维持费。专利维持时间越长,经济效益越好,市场价值越高[15,25-27],也就越有可能加入专利池。据此,本文提出以下假设:
H2a:审批时间越长,专利越不可能加入专利池;
H2b:维持时间越长,专利越有可能加入专利池。
专利引用包括专利在申请、审核时对现有技术引用(后向引用)和专利授权后被其它专利引用(前向引用)两种情况。与池外专利相比,池内专利对技术知识系统的影响和决定力更强,后向引用与前向引用量都较高[24]。后向引用是专利创新的基础,包括非专利文献和专利文献两类,前者更多体现为科学知识,后者更多体现为实用技术。审查员通过引用之前的相关文献判断专利新颖性和创造性。非专利文献引用越多,一方面表明其吸收了更广泛的知识资源,另一方面也表明专利技术新颖性和创造性较低,有可能无法加入专利池。专利引用为本专利与已有专利划清了界限,为本专利提供保护,其它企业在申请专利时会考虑与该专利及已有专利的技术边界。专利引用数越多,说明专利技术基础越坚实,产生高质量专利的可能性也就越高(钱坤等,2020),从而越有可能加入专利池。
前向引用表示某件专利被其它专利引用的频次,反映专利在该技术领域的影响力及重要程度。Harhoff等[28]通过对专利权人进行调查发现,前向引用与专利价值存在正向关系。一般情况下,如果某件专利对于专利池而言必不可少、不可替代,那么该项技术很有可能是相关技术领域的基础性技术或关键性技术,在行业领域中居于核心地位。专利被引用频繁说明其是超出平均技术水平的重要发明,该领域技术发展在很大程度上需要依赖该专利技术方案,其很有可能成为专利池无法绕开的技术[24]。专利引用越频繁,说明专利创新性和专利质量越高,且已经获得技术领域实践的广泛认可,其作为基础技术对后续创新的影响力越强,越有可能是技术标准实施时的必要技术。事实上,被频繁引用的专利并不多见,70%的专利只被引用过一次或从未被引用过。据此,本文提出以下假设:
H3a:非专利文献引用越多,专利越不可能加入专利池;
H3b:专利引用次数越多,专利越有可能加入专利池;
H3c:专利引用越频繁,专利越有可能加入专利池。
本文以MPEG LA公司池内的专利为研究样本。MPEG LA是国际知名的专利池管理机构,目前管理13个专利池,且对外公开专利清单。本文通过MPEG LA官网下载池内专利清单(下载时间为2020年6月)发现,池内共有专利14 009件。将这些专利通过智慧芽数据库检索查询(检索时间为2020年10月),发现有5 536件专利未被检索到。原因在于:①智慧芽数据库专利数据有限,池内专利涉及89个国家(地区),其中有80个国家(地区)的专利没有检索到,是因为没有被智慧芽数据库收录,②欧洲专利局(以下简称“欧专局”)政策所致。欧专局规定,专利权人向其申请专利即可,无需向成员国(目前有40个)逐一申请,但是,即使获得授权,也是有名无实,只有到相应国家注册后,专利才能在该国有效。因此,专利权人往往在欧专局申请专利,根据业务需要在指定成员国进行注册并获得虚拟专利号。专利号国家代码部分用注册国代码表示,数字部分用欧专局专利号数字表示。在这种情况下,只有欧专局的专利号才能被检索到,注册国的虚拟专利号实际上并不存在,无法检索到。如三星电子在欧专局申请的EP2443833专利同时在英国、法国、丹麦、瑞典等欧专局成员国注册,该专利在欧专局28个成员国的虚拟专利号均获批为MPEG LA的HEVC专利池必要专利。尽管这28件虚拟专利被认定为池内专利,但只有欧专局专利EP2443833被检索到,相应成员国的虚拟专利均无法检索到。
本文共检索到8 473件专利,下载专利家族、IPC分类号、权利要求、引用等特征数据,并剔除引用信息缺失的专利,剩余2 533件专利。为验证本文假设,本文按照1∶1的比例寻找与池内专利相匹配的池外专利。根据张运生等[29]的研究方法选择匹配专利,即检索专利权人、申请年份及IPC分类号前4位相同的专利。若未检索到匹配专利,则剔除该专利;若匹配专利多于1件,再依据专利文献引用筛选出与池内专利最接近的专利。最终,获得样本专利2 146件,其中池内专利1 073件。
(1)因变量:用专利是否加入专利池表示。如果专利加入专利池,则赋值为1,否则赋值为0。
(2)自变量:①专利范围:由于IPC分类是最常用的技术领域分类标准,因此本文用IPC数表示专利技术领域范围,用权利要求数表示专利权利范围,用简单同族成员数表示专利地域垄断范围;②专利寿命:本文用专利申请日到专利授权日之间的时间表示专利审批时间,用专利授权日到专利失效日之间的时间表示专利维持时间;③专利引用:本文用专利引用数和非专利文献引用数表示后向引用,用专利被引频次表示前向引用,为控制专利授权时间对专利被引频次的影响,本文对专利被引次数进行修正,即先将被引频次按照授权年份求平均数,再将每件专利的被引次数除以该平均数,得到每件专利被引次数的修正值[30]。
(3)控制变量:选取可能影响专利入池的其它专利特征及企业特征,包括专利权人数、发明人数、受理局、企业授权专利数和入池专利数。①专利权人数:专利权人数越多,企业核心技术泄露风险越大,技术研发协调和利益分配难度越大,专利质量和创新性越低,越难加入专利池;②发明人数:发明人数越多,说明在专利发明创造过程中整合了越多的科学知识,通过协同创新,专利越有可能加入专利池[31];③受理局:不同受理局对专利新颖性和创造性要求不同,加入专利池受专利质量的影响;④授权专利总量:企业授权专利总量越大,说明企业越重视技术研发,研发经验越丰富,行业地位和专利质量越高,专利越容易加入专利池;⑤入池专利数:企业入池专利越多,说明核心专利越多,越熟悉专利入池审批规则,就越容易加入专利池。
因变量是否加入专利池属于二值选择变量,服从两点分布,可使用Probit和Logit模型进行分析。由于Probit模型的两点分布概率为标准正态累计分布函数,无解析表达式,而Logit模型的两点分布概率为逻辑累计分布函数,解析表达式见式(1)和式(2),计算Logit通常比Probit更方便,因此采用Logit模型对变量进行曲线拟合。如果专利为MPEG LA专利池内专利,则加入专利池的概率取值为1;否则,取值为0。Logit函数值越大,说明专利质量和价值越高,成为专利池必要专利的可能性就越大。
P=ez/(1+ez)
(1)
(2)
其中,P为专利加入专利池的概率,xi为专利能否入池的第i个专利特征,β0为常数项,βi为xi的系数,εi为随机误差项。
表1列示了所有变量的均值和标准差,并就专利是否加入专利池对解释变量进行均值齐性t检验。结果显示,池内专利的IPC分类号数、同族成员数、专利维持时间、被引专利数和发明人数均值显著高于池外专利。池内专利IPC分类号数比池外专利多26.23%,维持时间长33.43%,专利家族成员数是池外专利的2.60倍,修正后被引专利数比池外专利数高46.36%。其中,有40.2%的专利被引次数为0,专利“用于在基于分组的复用通信系统中向解码器提供条件访问信息方法”(专利号US5420866)被引频次最高,为562次,调整后被引频数为25.78次。该专利原来归亚特兰大科研公司(Scientific-Atlanta Inc.)所有,现归属于思科技术公司。池内专利有855件由多个发明人合作申请,占比为79.68%,而池外专利有774件由多个发明人合作申请,占比为72.13%。池内专利权利要求数、审批时间、非专利引用数和专利权人数均值显著低于池外专利,其中池内专利权利要求数均值为13.73个,是池外专利的91.48%;池内专利审批时间接近1年,而池外专利审批时间为1.5年;池内专利平均引用非专利文献2.33件,而池外专利平均引用非专利文献4篇;池内专利仅22件由多个专利权人合作申请,占比为2.1%,而池外专利有111件由多个专利权人合作申请,占比为10.34%。表2为相关系数和方差膨胀因子(VIF)结果。从中可见,相关变量系数均小于0.3,VIF均值为1.8,最大值为4.39,低于5,说明多重共线性问题不严重。
表1 描述性统计与T检验结果
变量全样本均值标准差池内专利均值标准差池外专利均值标准差t检验t值是否加入专利池0.5000.5000.0000.0001.0000.000—IPC分类号数(个)7.4307.2878.2918.0636.5686.3065.512***权利要求数(个)14.36714.00213.72815.73415.00611.996-2.115***同族成员数(个)19.57940.03728.28249.45010.87524.70610.315***审批时间月(月)30.09927.71923.917 27.440 36.281 26.607-10.596***维持时间(月)104.02864.079118.92458.33789.13166.09511.070***非专利引用数(篇)3.1668.9822.3357.2413.99710.373-4.305***专利引用数(件)15.15727.40214.38125.64215.93329.048-1.312被引专利数(次)0.9802.0681.1650.0700.7960.0554.154***专利权人数(个)1.1100.5701.0240.1761.1950.778-7.006***发明人数(个)2.9791.9193.0752.0122.8841.8162.320**受理局15.5074.67214.6654.65116.3494.540-8.487***授权专利数(万件)11.94211.80012.02211.82411.86211.8630.313入池专利数(件)895.981964.571897.122965.956894.840963.6340.055观测值(个)2 1461 0731 0732 146
注:**、***分别表示显著性水平为5%、1%
表2 相关系数矩阵结果
变量12345678910111213141.是否加入专利池12.IPC分类号数0.11813.权利要求数-0.046-0.09714.同族成员数0.2170.182-0.07215.审批时间-0.2230.1040.040-0.14716.维持时间0.2330.2080.192-0.0580.08217.非专利引用数-0.0930.0940.0160.1030.161-0.09218.专利引用数-0.0280.0580.1810.0630.0940.0500.66519.被引专利数0.089-0.0310.1860.086-0.1090.0600.0200.093110.专利权人数-0.150-0.1160.004-0.057-0.064-0.175-0.038-0.056-0.034111.发明人数0.050-0.053-0.0230.044-0.072-0.1530.0280.0080.0710.161112.受理局 -0.1800.0570.1920.097-0.2010.0650.1260.2350.2050.096-0.016113.授权专利数0.0070.105-0.0280.1530.0470.106-0.037-0.013-0.0090.037-0.0240.108114.入池专利数0.0010.009-0.0170.165-0.018-0.006-0.008-0.0140.0380.054-0.0190.0960.8641VIF—1.171.171.131.171.231.961.981.111.091.061.234.394.29
本文Logit回归分析结果如表3所示。其中,模型1只包含控制变量,模型2~4分别加入专利范围、寿命和引用3类解释变量,模型5为完整模型,包含所有解释变量和控制变量。
表3 Logit模型回归分析结果
变量假设预期符号M1M2M3M4M5IPC分类号数H2a正0.023***0.023***(6.66e-3)(7.76e-3)权利要求数H2b负4.38e-3-5.61e-3(3.46e-3)(4.08e-3)同族成员数H2c正0.025***0.028***(4.27e-3)(4.88e-3)审批时间H1a负-0.027***-0.024***(2.55e-3)(2.63e-3)维持时间H1b正0.010***0.011(8.55e-4)(9.20e-4)非专利引用数H3a负-0.037***-0.033***(0.011)(0.011)引用专利数H3b正7.38e-3***8.68e-3***(2.36e-3)(2.93e-3)被引专利数H3c正0.140***0.097***(0.037)(0.032)专利权人数---1.410***-1.228***-1.302***-1.417***-1.10***(0.243)(0.255)(0.242)(0.253)(0.247)发明人数--0.094***0.070***0.124***0.089***0.098***(0.025)(0.026)(0.025)(0.025)(0.027)授权专利数--5.24e-39.22e-32.89e-46.72e-31.93e-3(7.32e-3)(8.14e-3)(8.18e-3)(7.42e-3)(9.00e-3)入池专利数--3.59e-51.52e-41.16e-41.91e-58.35e-5(9.09e-5)(1.04e-4)(1.03e-4)(9.27e-5)(1.17e-4)受理局 ---0.080***-0.106***-0.139***-0.095***-0.170***(0.012)(0.013)(0.014)(0.013)(0.016)截距--2.372***2.115***2.825***2.501***2.466***(0.328)(0.350)(0.367)(0.345)(0.378)伪R2--0.0520.1170.1640.0720.236Chi2--88.65127.24275.78106.70312.70Obs--2 1462 1462 1462 1462 146
注:括号内为稳健标准误,***表示显著性水平为1%
(1)模型1结果显示控制变量有效,其中专利权人数、发明人数在1%显著性水平下分别对专利入池具有负向和正向影响,专利受理局作用显著,而企业授权专利数和入池专利数对专利是否入池无显著影响。
(2)模型2用以检验专利范围对专利入池的影响。结果发现,IPC分类号数(β=0.023,p<0.01)和同族专利数(β=0.025,p<0.01)均对加入专利池有显著正向影响,H1a和H1c得到验证。专利应用范围越广,意味着专利创新程度和经济价值越高,越有可能成为专利池必要专利。企业根据国际化战略,往往会将高创新性和高经济价值专利投入多个目标市场申请保护。这种专利很可能是行业无法绕开的技术专利,进而成为专利池必要专利。权利要求数对专利入池影响不显著(β=0.004,p>0.1),H1b未得到验证。原因在于,判断专利加入专利池不取决于权利要求数量,而取决于是否包含专利池技术无法绕开的权利要求。
(3)模型3用以检验专利寿命对专利入池的影响。结果发现,审批时间对专利入池有显著负向影响(β=-0.027,p<0.01),而维持时间则有显著正向影响(β=0.010,p<0.01),H2a和H2b得到验证。专利从申请到授权审批时间短,意味着专利受审查员和社会公众的质疑小,申请书修改少,专利撰写规范、技术新颖,很有可能成为专利池必要专利。企业往往根据专利产生的效益决定是否对授权专利持续申请法律保护。专利维持时间越长,意味着该专利越能为企业带来更多经济效益,或更具有战略价值,可以帮助企业获取长久技术竞争优势,这种专利很可能是行业无法绕开的技术专利,因而更可能成为专利池必要专利。
(4)模型4用以检验专利引用对专利入池的影响。结果发现,非专利引用数对专利入池有显著负向影响(β=-0.037,p<0.01),而专利引用数对专利入池有显著正向影响(β=0.007,p<0.01),H3a和H3b得到验证。非专利引用次数较多,意味着该专利的新颖性和创造性较低,加入专利池的可能性不大;而专利数量引用较多,则说明该专利与已有专利界限清晰,专利技术基础坚实,专利质量和创新性较高,加入专利池的可能性较大。专利被引数对专利入池有显著正向影响(β=0.140,p<0.01),H3c得到验证。专利引用频繁,意味着该专利在产业技术领域得到广泛认可且居于核心地位,对后续创新影响力大,很可能是专利池无法绕开的行业关键或共性技术专利。
(5)模型5是完整模型,包含模型1~4中的所有变量。结果表明,尽管解释变量和控制变量系数值与模型1~4有所区别,但各变量的影响方向和显著性均未发生变化(权利要求数系数方向发生变化,但影响不显著),即除H1b外其它假设均得到验证。
从模型5可以看出,实证结论没有随着解释变量增加而发生实质变化,说明回归分析结果稳健。为进一步验证上述结论,本文从以下3个方面进行稳健性检验。第一,更换样本进行检验。由于MPEG LA专利池在美国组建,池内必要专利大部分由美国专利商标局(USPTO)授权,所以专利申请文件比较规范,专利特征数据比较完整。因此,剔除样本中的非美国授权专利,剩余640件池内专利和640件池外专利,本文对其进行Logit分析,回归结果与原结论一致。第二,更换回归模型进行检验。本文采用Probit模型进行稳健性检验,结果表明,除H3b与Logit回归结论不一致(专利引用对加入专利池影响不显著)外,其它回归结果与原结论完全一致。第三,更换变量测度方式进行检验。考虑到专利授权时间对被引专利数的影响,借鉴张运生等[29]的做法,直接对被引专利数进行测度,发现结果未发生实质性变化(限于篇幅,稳健性检验结果未列示)。
本文以MPEG LA专利池内1 073件和池外1 073件专利为样本,实证研究专利范围、专利寿命和专利引用等特征对专利入池的影响,得出以下结论:
(1)技术领域广度、地域垄断范围、维持时间、专利引用与被引用数、发明人数对专利入池有显著正向影响。该结论得到较多研究支持,池内必要专利普遍被认为是高价值专利和核心专利,其IPC专利号数较多[19-20,31]、专利族规模较大[24,31]、专利寿命较长[15, 25-27]、前向与后向引用次数较多[24,28,31]、发明人数也较多[31]。然而,也有一些学者得出不同结论。如Fischer & Leidinger[23]发现,IPC分类号数与专利价值相关度不高。但本文发现,专利技术范围越广,被应用到其它技术领域的可能性越大,加入专利池的概率也就越高。
(2)专利审批时间、非专利文献引用数和专利权人数对专利入池存在显著负向影响。本文结论与李欣等[31]的结论相反。他们认为,专利审批时间可以反映技术先进程度,非专利文献引证数代表专利与科学的关联程度,专利权人数反映专利研发资源投入程度及技术实用性,专利审批时间、非专利文献引用数和专利权人数与专利质量正相关。但本文发现,专利审批时间越长,被反复修改的可能性越大,专利质量越低,越不可能加入专利池;非专利文献引用次数越多,技术新颖性和创造性越低,越不可能加入专利池;伴随着专利权人数增加,核心技术泄露风险及技术协调与利益分配难度增加,专利创新性减弱,加入专利池的难度增大。
(3)权利要求数对专利能否入池无显著影响。与钱坤等(2020)、Lanjouw & Schankerman[32]、Sapsalis等[33]的结论不同,他们均认为权利要求数与专利价值显著正相关,而本文却发现权利要求数并非越多越好,只要包含一项专利池无法绕开的权利要求,该专利即可进入专利池。
针对上述研究结论,本文提出如下启示:
(1)在专利范围方面,企业在申请专利时应充分考虑专利技术可能应用的领域,尽可能增加专利市场应用范围;专利要求书应注重技术语言与法律语言相结合,提高专利语言精度,专利要求数并非越多越好。另外,企业应从整体战略角度布局海外专利,在产品进入目标市场之前,积极推动同族专利申请,获得当地知识产权保护以抢得市场先机。
(2)在专利寿命方面,企业应提高专利文本撰写规范性,确保用词准确、严谨、符合逻辑,减少不必要的修改次数,提高授权概率和专利有效性,大幅缩短专利审批时间。在专利授权后,企业应根据专利技术优势和市场价值加强分类管理,对能为企业带来技术优势、具有盈利能力的专利应维持其法律有效性,持续获得知识产权保护。
(3)在专利引用方面,企业应熟悉专利所涉及的基本知识,尽量少引用专著、论文等非专利文献;全面跟踪与研究行业领先技术和现存专利,充分理解并引用相关专利,阐释申请专利与相关专利的差异和边界,提高专利创新性,防止专利被质疑甚至被诉无效;在专利授权后,应对专利尤其是高质量专利进行宣传,通过专利发布会、新闻报道等方式扩大专利影响力和被引用次数。
(4)在专利权人和发明人数量方面,企业应认识到专利权人数不宜过多,以免引发核心技术泄露风险、产权或利益分配纠纷。另外,还应组建技术攻关团队,充分发挥各技术专家的智慧,协同推进技术创新,申请高质量专利。
本研究对专利池管理机构的专利评估具有一定借鉴意义。尽管专利池可以降低交易成本、减少专利纠纷,但也可能导致知识产权滥用、限制或排除竞争,因此受到严格的反垄断规制和审查。专利池管理机构在甄选与评估入池专利时,不仅要确保专利的有效性、必要性和互补性,在同等条件下还应优先考虑专利权人数较少而发明人数较多、IPC分类号数与家族成员数较多、审批时间较短、维持时间较长、非专利文献引用规模较小、专利引用与被引规模较大的专利。
本文存在以下不足:①以是否为MPEG LA池内专利作为入池标准带有一定局限性,尽管MPEG LA是国际知名专利池,但不排除有些专利虽未加入MPEG LA任何专利池却加入Via Licensing、DVD 6C(9C)等其它专利池,这可能影响结论可靠性,因此后续研究可增加专利池管理机构和专利池样本,扩大专利研究范围;②本文从专利技术范围、权利范围、家族成员、专利审批与维持时间、专利前向与后向引用等方面研究专利特征对加入专利池的影响,同时控制专利权人与发明人数量、专利受理局、企业授权专利数和入池专利数的影响,尽管这些特征是影响专利入池的主要方面,但只是专利的部分属性与特征,未来可考虑专利授权时间、专利转让、许可与诉讼等其它专利特征对加入专利池的影响;③不同国家、不同产业结论有可能不同,本研究基于MPEG LA管理专利池,聚焦美国信息技术产业进行探讨,但研究结论是否适用于美国生物医药、新能源等其它产业以及欧盟、日本、新兴经济体等不同国家信息技术产业有待验证。
[1] SHAPIRO C.Navigating the patent thicket: cross licenses, patent pools, and standard setting[J].Innovation Policy and the Economy,2000,1:119-150.
[2] LERNER J, TIROLE J.Efficient patent pools[J].American Economic Review, 2004, 94(3): 691-711.
[3] CHOI J P.Patent pools and cross-licensing in the shadow of patent litigation[J].International Economic Review, 2010, 51(2): 441-460.
[4] VAKILI K.Collaborative promotion of technology standards and the impact on innovation, industry structure, and organizational capabilities:evidence from modern patent pools[J].Organization Science, 2016, 27(6): 1504-1524.
[5] JOSHI A M, NERKAR A.When do strategic alliances inhibit innovation by firms? evidence from patent pools in the global optical disc industry[J].Strategic Management Journal, 2011, 32(11): 1139-1160.
[6] LAMPE R, MOSER P.Do patent pools encourage innovation? evidence from the nineteenth-century sewing machine industry[J].Journal of Economic History, 2010, 70(4): 898-920.
[7] LAMPE R, MOSER P.Patent pools, competition, and innovation——evidence from 20 U.S.industries under the new deal[J].Social Science Electronic Publishing, 2016, 32(1): 1-36.
[8] 詹映, 朱雪忠.标准和专利战的主角——专利池解析[J].研究与发展管理, 2007, 19(1): 92-99.
[9] BRENNER S.Optimal formation rules for patent pools[J].Economic Theory, 2009, 40(3): 373-388.
[10] 杜晓君, 梅开.基于纵向结构的专利联盟效应分析[J].预测, 2009, 28(2): 37-41.
[11] LANGINIER C.Patent pool formation and scope of patents [J].Economic Inquiry, 2011, 49(4): 1070-1082.
[12] LERNER J, STROJWAS M, TIROLE J.Cooperative marketing agreements between competitors:evidence from patent pools [D].Harvard Working Paper, 2003.
[13] 张胜, 黄欢, 李方.产品架构视角下专利池治理机制——GSM与航空专利池案例研究[J].科技进步与对策, 2018, 35(5): 96-105.
[14] 张利飞, 王杰.企业技术多元化及网络位置对专利池形成的影响[J].科学学研究, 2017,35(11): 102-108,151.
[15] 王晓璐, 陈向东, 许珂.专利联盟内成员的专利组合质量差别化分析——以MPEG-Ⅱ专利池为例[J].技术经济, 2011, 30(1): 1-4.
[16] 赵辉, 肖翔.标准必要专利评估筛选研究——以5G专利为例[J].高技术通讯, 2020, 30(1): 101-108.
[17] JEONG S, YOON B.Exploring an essential patent through a GTM-based standard map[C].ITMC 2011.Proceedings of the 1st International Technology Management Conference.New York: IEEE, 2011: 723-730.
[18] 吴菲菲, 米兰, 黄鲁成.关于标准必要专利与高质量专利关系的研究[J].科学学与科学技术管理, 2018, 39(9): 87-100.
[19] MERGES R P, NELSON R R.On the complex economics of patent scope[J].Columbia Law Review, 1990, 90(4): 839:916.
[20] LERNER J.The importance of patent scope: an empirical analysis[J].Rand Journal of Economics,1994, 25(2): 319-333.
[21] ALTUNTAS S, DERELI T, KUSIAK A.Forecasting technology success based on patent data[J].Technological Forecasting and Social Change, 2015, 20(96): 202-214.
[22] BESSEN J.The value of U.S.patents by owner and patent characteristics[J].Research Policy, 2008, 37(5): 932-945.
[23] FISCHER T, LEIDINGER J.Testing patent value indicators on directly observed patent value——an empirical analysis of Ocean Tomo patent auctions[J].Research Policy, 2014, 43(3): 519-529.
[24] 李睿, 周维, 王雪.引文生态视角下标准必要专利的引文特征研究[J].情报学报, 2018, 37(9): 882-889.
[25] 乔永忠.专利维持时间影响因素研究[J].科研管理, 2011, 32(7): 143-149,164.
[26] HARHOFF D, NARIN F, SCHERER F M, et al.Citation frequency and the value of patented inventions[J].The Review of Economics and Statistics, 1999, 81(3): 511-515.
[27] DENG Y.Private value of European patents[J].European Economic Review, 2007, 51(7): 1785-1812.
[28] HARHOFF D, NARIN F, SCHERER F M, et al.Citation frequency and the value of patented inventions[J].The Review of Economics and Statistics, 1999, 81(3): 511-515.
[29] 张运生, 陈瑟, 林宇璐.高技术产业专利池技术扩散效应研究[J].情报杂志, 2020, 39(1): 170,198-204.
[30] 万小丽.专利质量指标中“被引次数”的深度剖析[J].情报科学, 2014, 32(1): 70-75.
[31] 李欣, 范明姐, 黄鲁成.基于机器学习的专利质量评价研究[J].科技进步与对策, 2020, 37(24): 116-124.
[32] SAPSALIS E, POTTERIE B, RAN N.Academic versus industry patenting: an in-depth analysis of what determines patent value[J].Research Policy, 2006, 35(10):1631-1645.
[33] LANJOUW J O, SCHANKERMAN M.Patent quality and research productivity:measuring innovation with multiple indications[J].Economic Journal, 2004, 114(495): 441-465.