“双一流”高校的开放式创新

温芳芳 李翔宇 王晓梅

摘 要：[目的/意义]从专利合作与技术转移角度切入揭示高校开放式创新规律，为破解高校“高产出量、低转化率”困境提供参考和启示。[方法/过程]基于incoPat数据库收录的专利授权、许可和转让等数据，在专利合作与技术转移二维框架下展现“双一流”高校的开放式创新图景，并对专利合作与技术转移的关系进行相关分析和因果检验。[结果/结论]20年间高校专利合作量、转移量和授权量都呈上升之势，但开放式创新率不增反降。高校的开放式创新整体处于较低水平，且存在明显的校际差异。专利合作与技术转移的正相关和因果关系得以证实，二者在技术创新过程中发挥着协同效应。

关键词：“双一流”高校;开放式创新;专利合作;技术转移;专利计量

DOI：10.3969/j.issn.1008-0821.2021.02.012

〔中圖分类号〕G306 〔文献标识码〕A 〔文章编号〕1008-0821（2021）02-0115-10

Abstract：[Purpose/Significance]From the perspectives of patent cooperation and technology transfer，empirical research on open innovation in universities can reveal the law of open innovation and provide a reference for solving the dilemma of“high output and low transfer rate”in universities.[Method/Process]Based on the data of patent grant，licensing and transfer collected from the incoPat database，the open innovation landscape of“double first-class”universities has been displayed under the two-dimensional framework of patent cooperation and technology transfer.Spearman correlation analysis and Granger causality test were conducted on the relationship between patent cooperation and technology transfer.[Result/Conclusion]The amount of patent cooperation，transfer and grant of universities have increased in the past two decades，but the rate of open innovation has not increased but decreased.The overall open innovation of universities is at a low level，with obvious inter-school differences.The positive correlation and causal relationship between patent cooperation and technology transfer have been confirmed，indicating a synergistic effect in the process of technological innovation.

Key words：“double first-class”universties;open innovation;patent cooperation;technology transfer;patent bibliometrics

高校既是科学知识的主要生产者，也是技术创新的重要力量，我国高校专利申请量屡创新高，转化率却没有同步提升，“量”与“质”并不对等，高校大量的闲置专利与企业旺盛的技术需求形成鲜明对比。在创新驱动战略和教育强国战略的双重驱动下，提升高校技术转化能力和社会服务水平的需求比以往任何时候都迫切，开放式创新提供了一种现实有效的解决方案。开放式创新正在取代封闭式创新，成为技术创新的主要范式，Wikhamn B R认为已有的相关研究大多关注企业驱动型的开放式创新[1]。事实上，高校作为基础研究的承担者和原始性创新的重要源头，在开放式创新生态系统中更具主导性和推动性[2]。Wang Y D等指出高校开放式创新有多种表现形式，其中以专利为载体的合作研究和技术转移最具代表性[3]。

学者们基于专利数据对高校专利合作与技术转移状况进行实证研究，以此为据考察高校技术创新能力或绩效，其中“高产出量、低转化率”问题备受关注。胡成等根据专利数量、被引、许可、转让、合作等数据，分别从技术创新活跃度、优势度、扩散力、影响力等多个维度对高校技术创新能力进行计量分析[4]。常旭华等以教育部部属高校为例进行统计，发现专利申请倾向和专利出售绩效存在明显的校际差异，并证实专利披露、申请、出售3个环节逐级发挥影响，且各个环节都受到高校组织特征、收益分配制度、区域发展水平的显著影响[5]。卢伟等以地方高校为例开展实证研究，发现高校科技成果转化是资金链、政策链、创新链、产业链等综合协同、有机互动的过程，任何一个环节衔接不畅或迟滞都会制约转化绩效[6]。

专利合作与技术转移常常作为两个相对独立的研究主题，实际上二者之间存在着天然的关联性。Liu H等将技术转移分为市场交易和（校企）专利合作两种[7]。有人将专利合作视为技术转移的一种，也有人将技术转移视为广义的合作[8]。李志鹏等基于专利转让数据构建网络，将其直接称为转让合作网络[9]。也有少量研究关注专利合作与技术转移的关系问题，Ortega J L曾证实专利合作规模和模式对技术转移产生着显著的影响，回归分析结果表明国内合作较之国际合作和地区合作更有利于促进技术转移[10]。尹西明等证实校企合作网络对专利许可存在显著相关关系，同时有跨越区域合作的动力[11]。Lee Y G证实了合作对专利许可和专利寿命都有正向影响[12]。专利合作对于技术转移的影响初步得以证实，至于技术转移能否影响专利合作尚未可知，专利合作与技术转移的关系仍不甚明了，有待在实证研究中加以验证和梳理。

鉴于此，本文将专利合作与技术转移作为开放式创新的两种典型模式，基于“双一流”高校过去20年间的专利数据开展计量分析和可视化展示，研究重点和特色主要表现为：一是构建专利合作和技术转移二维分析框架，展示“双一流”高校的开放式创新图景，针对高校的开放式创新表现进行评价和比较;二是关注专利合作与技术转移之间的关系，专利合作能否促进高校技术转移？技术转移能否拓展高校专利合作？通过相关分析和因果检验揭示两者之间相互交融、互为影响的复杂关联。相关研究发现和结论旨在为进一步认识和把握高校专利合作与技术转移规律、提升高校开放式创新水平提供一定的借鉴与启示。

1 数据与方法

教育部公布的“双一流”建设高校名单包含一流大学建设高校42所，其中A类36所和B类6所，以此42所高校为样本，在incoPat（合享智慧）数据库中以专利权人为检索项查找各个高校的专利数据，下载题录信息并汇总整理，包括授权日、专利权人、法律状态、转让人/受让人、许可人/被许可人、备案生效日等，数据下载时间为2019年12月20日—2019年12月25日。经初步清洗和筛选，共获得专利（族）829 242件。检出的专利许可和转让数据多在2000年以后，为保持数据一致性和可比性，本文将研究时间窗口限定为2000—2019年共计20年，随后的计量分析全部以这42所高校为对象。从专利的法律状态判断，授权标志着一项具有法定专利权的专利成果正式诞生，而许可或转让代表该专利实现了产业化转移。所以，从原始数据中提取授权日在这20年间的565 216件专利作为初始数据，其中有58 571件为两个及以上专利权人合作完成，据此计算专利合作类指标;从中提取轉移时间（许可或转让备案生效日）在这20年间的32 847件专利，据此计算技术转移类指标。

本文将“专利合作”定义为不同专利权人开展合作研究和联合申请，以同一件专利包含两个及以上专利权人作为判定依据，共同专利权人即为合作伙伴;“技术转移”界定为专利许可和转让两种形式，二者表征专利技术获得他人认可和使用，实现了产业化转移，其中，转让人与许可人是技术输出方，受让人与被许可人是技术输入方，输出和输入双方是技术交易伙伴关系。各所高校的专利授权量、合作量、转移量的数据分布状况以及全部样本高校的数据总量如表1所示。

基于以上数据集，以42所样本高校为计量对象，各类指标的定义及其计算方法如下，各个指标在计算过程中依据的数据集如表2所示：

Ⅰ-专利绝对量指标（4个）。包括授权专利数量（授权量）、合作专利数量（合作量）、许可或转让专利数量（转移量）、开放式创新数量（合作量+转移量），主要从规模角度衡量每个样本高校的专利产出、合作与转化情况。

Ⅱ-专利相对值指标（5个）。某样本高校持有的专利中：合作率指合作专利所占的比重，用于表征该校专利合作的程度;合作度指平均每件专利包含的合作者数量，用于表征该校专利合作的广度;转移率指实际发生转移的专利所占比重，用于表征该校专利技术转移的程度;转移度指每件转移专利的技术交易伙伴数量平均值，用于表征该校专利技术转移的广度;开放式创新率是发生合作或转移的专利比例，代表该校整体的开放式创新水平。

Ⅲ-节点中心度指标（2个）。合作网络节点中心度和转移网络节点中心度，分别表示在合作网络和转移网络中与某个节点（样本高校）直接相连的节点（合作伙伴或交易伙伴）的数量，节点中心度越大表明该节点在网络中越重要和活跃。

2 研究结果

2.1 专利合作与技术转移指标的历时分析

统计42所样本高校作为专利权人在各年度的专利绝对量指标，并计算其相对值指标的年度平均值，分别绘制相应指标的曲线如图1和图2所示，展示“双一流”高校开放式创新的整体状况与历时变化规律。

1）图1的4条曲线均呈显著的上升趋势，授权量和合作量曲线自2002年起呈现稳定的增长趋势，转移量曲线的增长明显滞后于授权量和合作量曲线，2007年以后才出现显著的增长势头。由几条曲线的增幅比较来看，专利授权量和合作量两条曲线的增幅基本一致，与之相比，专利转移量曲线存在周期性的波动且增长趋势更为平缓，增幅和增速明显小于授权量和合作量。开放式创新量持续增长，但基数很小，增幅和增速也明显低于授权量。

2）由图2可知，合作专利和转移专利都只占高校持有的授权专利总量的很小一部分，合作率约为10%，转移率更低，仅有5%左右，大量的高校专利处于闲置状态。从历时变化情况来看，合作率曲线在前1个10年间具有波动性，而在后1个10年间保持基本稳定，年度平均值长期维持在10%左右;合作度曲线稳定性很强;转移率和转移度曲线早年波动很大，转移率在2009年以后呈下降之势，转移度则趋于稳定。可以注意到合作率远大于转移率，但合作度却明显低于转移度，各个年份皆是如此。由合作度与转移度两个指标的比较可知，在专利研发和申请过程中，单一专利权人独立完成是主流，大部分年份约90%的高校专利都只包含1个专利权人。而在专利技术转移过程中将1件专利向多个技术交易伙伴许可或转让的情况较为普遍（约36.88%），部分年份甚至超过50%，各年度的转移度指标都远大于合作度指标，技术转移的广度大于专利合作，高校的专利合作范围有限，而在技术转移过程中则愿意扩大交易范围。综合上述发现判定，样本高校的开放式创新，专利合作的比例大于技术转移，但是合作的范围却不及技术转移。

3）由图1和图2综合分析，样本高校的合作率和转移率长期处于较低水平，各年度的开放式创新率平均值在10%～20%之间，样本高校持有的专利约八成以上处于闲置状态。历时分析表明，授权量、合作量、转移量以及开放式创新量等规模指标逐年上升，说明高校的技术创新及开放式创新的规模持续增长，但就相对值指标来看，专利合作与技术转移的程度没有明显改善。合作量与授权量增幅相对一致，合作率指标保持一定的稳定性，转移量却未能与授权量同步增长，导致转移率指标在最近10年间呈下降之势，相应的开放式创新率也在下降;另就合作度与转移度指标历时变化来看，样本高校整体的专利合作与技术转移的广度同样没有拓展。

2.2 专利合作与技术转移指标的校际比较

高校的专利授权量表征其整体创新能力，其中专利合作与技术转移专利所占的比例反映了该校的开放式创新程度，通过授权量和开放式创新率两个指标绘制散点图，如图3所示，用于考察每个高校的整体创新实力和开放式创新程度。再借助转移率与合作率指标绘制散点分布图，如图4所示，在专利合作与技术转移二维框架下比较各个高校的开放式创新表现。图中纵横两条直线标识全部样本高校相应指标的平均值，因页面限制，图中只显示高于平均值的高校名称。

1）由图3可知，清华大学和浙江大学的专利授权量遥遥领先，但两所高校的开放式创新程度差别很大，清华大学的开放式创新率为35.51%，浙江大学只有14.28%，略低于14.71%的平均值。校均专利授权量达13 458件，超过一半（24所）样本高校的专利授权量超万件，但它们的开放式创新程度存在明显差别，如吉林大学、华南理工大学、哈尔滨工业大学等，拥有较强的创新能力但开放程度较低，而清华大学、上海交通大学、西安交通大学、东南大学等，不只授权量领先，开放程度也明显高于平均水平。样本高校开放式创新率均值仅14%，有23所低于平均值，有9所尚不足10%。“双一流”高校作为国内高校技术创新的重要力量，产出并持有大量专利，但它们在开放式创新方面的表现与其整体创新实力并不十分匹配，开放度很低，拥有大批闲置专利，这在一定程度上导致了资源浪费。

2）图4展示了每个高校在专利合作和技术转移两个方面的表现，及其对两种开放式创新模式的倾向性。清华大学的合作率和转移率居于绝对领先地位，北京大学、重庆大学、上海交通大学、西安交通大学等少数高校能够兼顾专利合作与技术转移两种模式，相应的合作率和转移率均优于其他样本高校。哈尔滨工业大学、西北工业大学等高校转移率高而合作率低，说明这些高校的开放式创新更倾向于技术转移。华中科技大学、东北师范大学等则与之相反，开放式创新主要通过专利合作的形式实现。当然上述结论主要通过校际之间及其与平均值之间的横向比较获得，实际上，合作率和转移率的平均值只有9.29%和5.07%，也就是说超过85%的专利既非合作也未转移，基本处于闲置状态。全部样本企业的合作率和转移率都不高，即便是表现最为突出的清华大学，合作率和转移率分别为27.46%和7.06%，闲置专利也多达2/3。

3）结合数量与比例、合作与转移等多种类型指标对样本高校的创新实力以及开放式创新表现进行综合评价，清华大学堪当表率，各项指标均处于领先水平，既具备强大的创新实力，又具有很高的开放度，并且能够兼顾合作与转移，在两种开放式创新模式上都有突出表现。另有上海交通大学、西安交通大学等，尽管与清华大学相比尚有较大差距，但在上述几个方面都有良好表现，各项指标都明显高于平均水平，遗憾的是这类学校终归只是少数。更多高校只是在某个方面高于平均，却不能兼顾其他，授权量高但开放程度低，长于合作而转移率低或者长于转移而合作率低。还有中央民族大学、中国人民大学、云南大学等高校在上述几个方面都处于劣势。

2.3 专利合作与技术转移网络的可视化分析

基于42所样本高校20年间的专利合作与技术转移数据分别构建合作网络和转移网络，采用Gephi绘制网络图谱，直观展示“双一流”高校开放式创新图景。如图5和图6所示，以样本高校为核心节点（标签为高校名称），其他节点为样本高校的合作伙伴或交易伙伴，因页面限制，除样本高校以外的节点不再显示名称标签，将其分为4类：产（企业）、学（高校）、研（研究机构）、个人（自然人）。节点大小表示样本集合中该节点发生合作或转移的专利数量;节点之间的连线及其粗细代表着合作或转移关系及权重（频次）。

1）合作网络分析。据统计，42所样本高校在20年间共计与10 986个专利权人建立专利合作关系，其中，企业、科研机构、高校、个人的占比依次为74.69%、12.74%、3.99%、8.58%。显然样本高校最主要的合作伙伴是企业，其余几种类型的合作伙伴合计只占1/4。郑州大学比较特殊，首要合作对象是自然人，其次才是企业，上述4类合作伙伴的比例分别为38.89%、5.98%、4.70%、50.43%。样本集合共包含58 571件合作专利，其中，79.79%的合作专利由校—企合作完成，14.19%由校—研合作完成，其他两种合作模式仅占6%。图5中每个高校在专利合作网络中的影响力和活跃度一目了然，如清华大学、浙江大学、上海交通大学等，对外建立起广泛的合作关系，合作伙伴众多。网络结构整体呈现明显的聚类特征，各个样本高校与其对应的多个合作伙伴结成或大或小的簇状小团体，相互之间重合度较低。只有少数企业与国内诸多高校建立起广泛的专利合作关系，如华为、鸿富锦精密工业、国家电网等。依据节点之间连线权重判断，21.97%的合作关系频次仅为1次，42.96%为2～3次，80.25%不超过5次，频次超过10的合作关系不足8%，可见大部分的合作关系停留在较低的频次，合作关系比较脆弱。大部分的样本高校也有各自相对稳定的合作伙伴，如北京大学与北大方正、清华大学与清华同方等，但此类稳定的合作关系在全部合作关系中毕竟只是极少数，弱关系仍是当前高校专利合作的主流。

2）转移网络分析。高校专利输出的主要方向也是企业，20年间42所样本高校共计对外转移（许可或转让）专利32 847件，其中97.84%转移至企业;共涉及技术交易对象（被许可人或受让人）7 279个，其中企业的占比为92.72%。高校的专利技术转移能力存在显著的校际差异，由节点中心性判断，清华大学、上海交通大学、浙江大学、华南理工大学等，在转移网络中表现比较活跃，与众多节点建立起广泛的技术转移关系。从网络结构看，整个网络由多个类簇组成，以每个样本高校为核心结成一个个小團体，彼此之间的重合度很低。由连线的权重判断，确实存在一些稳固的技术交易关系，如哈尔滨工业大学与哈工大机器人集团、北京大学与中芯国际、清华大学与北京华卓精科、浙江大学与长兴德烯科技等，但稳定的技术交易伙伴数量及比例极其有限，样本集合包含的7 279个技术转移关系中，频次超过100件的占0.14%、超过10件的占6.19%、频次仅为1件的情况占8.31%，其余87%的频次维持在2～10件，可见大部分的技术转移关系及伙伴并不十分稳固。

3）合作网络与转移网络的比较。两者既有很多共性特征也存在明显差别。共性特征表现为：一是整体网络结构具有相似性，以每个样本高校为核心呈聚类分布，各个类簇之间的节点重合度很低。二是节点中心性存在明显的校际差异，清华大学、浙江大学等在合作和转移网络中都非常活跃，而中央民族大学、中国人民大学等在两类网络中的中心度都很低。三是样本高校的合作或交易伙伴的组成结构相似，都是极少的稳固伙伴与大量的随机伙伴，大部分的关系并不稳固。四是校企伙伴关系占据绝对的主导性地位，企业既是高校最重要的合作伙伴，更是首要的交易对象。与此同时，可以注意到高校稳固的伙伴多源于亲缘关系或地缘优势，如校办企业、高校控股企业，或者与样本高校同处一地，这一现象证实了亲缘和地缘在构建合作和转移关系过程中的积极作用，也说明高校开放式创新的范围较为有限。两类网络的区别主要表现为：一是合作网络的密度大于转移网络，合作伙伴多于交易伙伴，专利合作比技术转移更为普遍和广泛。二是企业在合作伙伴中的占比（74.69%）明显低于其在技术交易伙伴中的占比（97.84%），而研究机构在合作伙伴中的占比（12.74%）则远高于其在技术交易伙伴中的占比（0.23%），合作与转移的动机毕竟不同，导致合作与转移两种模式还是存在一定的差别。

2.4 专利合作与技术转移指标的关系分析

基于20年间总的专利数据计算每个样本高校的相关指标（共计9个），包括合作量、合作率、合作度、合作网络节点中心度（中心度1）、转移量、转移率、转移度、转移网络节点中心度（中心度2）和授权量，将其导入SPSS，经K-S检验上述指标中只有合作率、合作度和转移率符合正态分布，本文采用Spearman相关分析，结果如表3所示。

第一，合作量指标与4种技术转移类指标之间都存在显著的正相关关系，拥有合作专利越多的高校，对外实施的许可或转让的专利数量也越高，技术转移越频繁且技术输出范围越大，相应地，该高校在技术转移网络中的表现越活跃、地位越重要。第二，合作网络节点中心度与4种技术转移类指标之间也存在着正相关关系，其中与转移度指标之间的相关度较低。在合作网络中越活跃、拥有合作伙伴越多的高校，在专利技术转移方面的表现越好。第三，专利合作的程度和广度与技术转移的程度和广度之间微弱相关，但与该高校的技术转移频次及其技术交易伙伴的数量无关。第四，全部技术转移类指标都与授权量指标之间存在着不同程度的正相关关系;而在4个合作指标中，合作量和节点中心度与授权量存在较强的正相关关系，合作率和合作度却与之无关。

相关分析证实了专利合作与技术转移之间以及两者与专利授权量之间的统计学相关性，为了进一步明确它们之间的因果关联与影响机制，本研究分别计算了各年度每所高校的上述9种指标值，再将由此生成的面板数据导入Eviews中进行格兰杰因果检验，滞后阶数为2，置信度为0.05，格兰杰原因的概率值汇总至表4，当概率值低于0.05时拒绝原假设，表明格兰杰原因确实存在。

①合作量是转移量、转移度和转移网络节点中心度的影响因素，高校拥有的合作专利数量不仅影响着其技术转移频次及范围，也影响着该校的技术交易伙伴数量，但合作率却不是转移率和授权量的格兰杰原因。②转移量是4种合作类指标的格兰杰原因，说明高校对外的技术交易频次对其合作研究产生广泛影响，合作量与转移量两个指标互为因果。③合作率和合作度是转移度的影响因素，但反之并不成立，也就是说技术交易范围大小对高校的专利合作程度和广度无影响。合作网络节点中心度是转移量和转移网络节点中心度的格兰杰原因，反之，其因果关系仍然存在，高校合作伙伴的数量对该校的专利技术转移频次以及交易伙伴数量产生积极影响。④转移率是合作量和合作网络节点中心度的正向影响因素，但反之并不成立，高校的合作专利数量和合作伙伴数量能够增加技术转移数量，但不能改变其在专利总量中的比例。转移度对所有合作类指标都不产生影响，而转移网络节点中心度是所有合作类指标的格兰杰原因，说明增加技术交易伙伴能够全方位提升高校专利合作水平。⑤高校的专利授权量受到转移量、转移度以及合作伙伴和交易伙伴数量的共同影响，反过来，专利授权量也影响着高校的合作度、转移量以及合作伙伴和交易伙伴的多寡。

综上，相关分析中各类指标之间存在着普遍的正相关关系，而因果分析只将其中的部分相关关系证实为因果关系，且分别呈现出单向（单向影响）和双向（互为因果）两种形式。双向因果：如合作专利数量、转移专利数量、合作伙伴数量、交易伙伴数量等，相互促进、互为影响。单向因果：如技术转移范围受到合作专利数量、合作程度和广度的影响，但不受合作伙伴数量影响;技术交易伙伴数量影响着专利合作的程度和广度，而提升合作程度与广度却无益于增加技术交易伙伴数量;提升转移率既能够增加合作专利数量，也能够增加合作伙伴数量;若要增加高校的专利授权量，可以通过增加合作伙伴或者交易伙伴实现，也可以通过增加转移量或者提升转移率实现，而合作量、合作率和合作度对授权量均不产生积极影响。

3 讨 论

纵观国内外经济社会发展形势以及高等教育改革趋向，国家间和校际间的技术创新竞争日益激烈，高校的技术创新必须面向经济建设的主战场，我国高校的技术创新活动面临着巨大的压力与挑战，开放式创新是高校应对压力和挑战的必然选择。若要破解“高产出量、低转化率”的专利困境，提升高校开放式创新程度，亟需破除一些关键性制约因素。第一重障碍是“无心”，无论大学排名还是人才评价长期执行以科研和教学为主导的科学评价体系，高校教师热衷于专利申请而忽视转化和应用，参与合作研究和技术转移的积极性并不高;第二重障碍是“无力”，高校教师专注于研究而不擅长转化，个人的资源和关系毕竟有限，信息搜寻能力不足，无法克服专利产业化过程中的各种市场摩擦和障碍。总之，尽管高校的专利申请量和授权量快速增长，却无心无力将其转化实施。

提升高校开放式创新水平，必须首先从破除关键性障碍入手，一是增强高校及其教师的参与热情与开放动机;二是扭转高校及其教师相对封闭、远离市场的處境。本文在实证研究中获得的研究结论和发现为上述方案提供了参照标准和现实依据。通过构建合作与转移、创新与开放创新多维框架对高校的技术创新表现进行全息地考察和比较，并依据计量结果提出将开放式创新指标纳入高校科学评价体系的建议，此举有助于克服第一重障碍。此外，本研究验证了专利合作与技术转移的相关关系和因果关系，揭示了两者的协同效应——合作研究促进技术转移、技术转移拓展合作关系，通过专利合作与技术转移能够弥合高校与市场之间的距离，如此有助于克服第二重障碍。

2020年2月，教育部和科技部印发《关于规范高等学校SCI论文相关指标使用 树立正确评价导向的若干意见》，强调了“破除唯论文、SCI至上等顽瘴痼疾”的重要思想，提出了“探索建立科学的评价体系，营造高校良好创新环境，加快提升教育治理体系和治理能力现代化水平”的基本要求。新的评价导向下，高校的社会服务职能能否获得更大关注？开放式创新能否进入科学评价的视野？诸如专利合作与技术转移类的指标能否从科学评价体系的外围进入核心？新形势下相关管理部门、评价机构、高校及广大的科技工作者将会采取何种行动？推进高校开放式创新必然要多措并举、多方合力，需要一个较为漫长的改革和积累过程。可以预见的是，评价导向的改变对于克服前文提及的两重障碍是大有裨益的。

4 结 论

1）20年间专利合作量和转移量未能随授权量同步提升，近10年间“双一流”高校的开放式创新率不增反降。一直以来，高校的专利技术创新存在着数量与质量、规模与效益不对等的问题，主要表现是专利申请和授权量高而应用和转化率低[13]。“双一流”高校聚集了国内顶尖的人才和资源，在技术创新方面代表着国内高校的最高水平，即便如此，开放式创新仍是“阿喀琉斯之踵”，虽然合作和转移的专利数量逐年增长，但终归增速不及授权量，基数本身就很低，而从历时变化情况来看，合作率保持基本稳定，转移率有所下降，开放式创新比例在最近十年间呈现出连续下降的趋势。专利授权量、合作量和转移量等规模指标的持续增长说明我国高校技术创新取得了可喜成绩，而合作率不增与转化率下降的事实却令人担忧。“双一流”高校尚且如此，其他高校的情况也就可想而知了。近年来关于“提升高校开放式创新程度、加快高校专利技术转化与应用”的呼声高涨，政府、高校、企业等对此达成了广泛共识，也做出了积极的努力和尝试，但高校开放式创新仍然任重而道远。

2）专利合作与技术转移二维框架展示出“双一流”高校开放式创新图景，校际差异明显，整体处于较低水平。专利文献完整记录了新技术、新产品或新工艺从设想产生到市场应用的完整过程，凭借数量巨大、格式规范、来源可靠、易于计量等优良属性，为定量考察技术创新问题提供了重要的数据支撑[14]。专利合作与技术转移既是高校开放式创新的两种主要表现形式，当然也成为衡量高校开放式创新能力和水平的两个重要维度。借助于专利数据，本文分别从创新与开放式创新、专利合作与技术转移等多个维度对高校的表现进行了考察与比较，既归纳出了共性的特征，如产出水平与开放程度不对等、开放式创新率低等问题;也发现了明显的校际差异，能够兼顾授权量与开放度、合作与转移的高校只是少数。相关研究发现为高校评价，尤其是高校社会服务能力评价带来了一定的启示，以往的评价多以专利授权量作为指标，而本文加入合作和转化指标后却获得了不同的评价结果，单纯的数量和规模指标并不能全面客观地反映高校专利技术创新的真实绩效和能力，高授权量、低转化率或者低授权量、高转化率的情况比比皆是。建立以质量与市场为导向的高校专利评价体系，不仅要考核专利数量指标，还需要加入体现专利质量和市场因素的指标[15]。因此，建议将开放式创新纳入科学评价体系，使之成为衡量高校以及科技工作者创新绩效的评价维度之一，如此既能够改善评价效果，也有助于提升开放式创新的积极性。

3）專利合作与技术转移的正相关关系得以证实，两者在很多方面互为因果相互促进，在技术创新过程中发挥着协同效应。高校在专利研究过程中对外开展合作，可以获得更多的外部资源以便实现优势互补，能够更好地感知和把握市场需求以降低创新风险，广泛的合作关系也便于获得更多的技术交易机会，发明人数量越多，转让的渠道越多[16]，这些都有助于推动专利技术转移。尤其校企合作提供一种可持续的技术转移和产业化解决方案，并成为滋生新发明的沃土[17]。与此同时，高校在以专利许可或转让形式对外输出技术时，作为技术输入方的企业常因自身吸收能力有限而需要寻求高校的帮助，开展诸如专家咨询、技术指导等形式的合作与交流，这就为日后的合作研究奠定了基础，技术交易伙伴很容易转化为技术合作伙伴，进而产生合作成果[18]。本文在实证研究部分发现转移网络的节点中心度指标是所有合作类指标的影响因素，说明高校在技术交易活动中积累的人脉资源对于拓展其专利合作关系来说发挥着积极的作用。除此以外，本研究还发现专利合作和技术转移与专利授权量之间的相关性也普遍存在，说明开放式创新确实有助于提升高校的专利产出。上述研究发现为提升高校的开放式创新水平以及整体创新能力提供了一些参考和借鉴。

5 结 语

本文以“双一流”高校为例，从专利合作与技术转移角度切入，对高校驱动型开放式创新问题进行计量分析，展示现状、揭示规律、提出建议，为破解高校“高产出量、低转化率”的困境提供了参照和依据。尽管如此，研究过程中仍然存在一定问题：一是仅以“双一流”高校为样本，研究结论能否适用于其他高校仍有待进一步检验;二是仅以专利合作与技术转移来表征开放式创新，以incoPat收录的专利申请和授权以及许可和转让等相关数据来衡量专利合作与技术转移，只能从某些角度反映高校开放式创新的局部特征而非全貌。后续研究将重点对现象及规律背后的原因进行剖析，深入揭示专利合作与技术转移的协同效应及深层机理，寻找能够提升高校开放式创新水平的具体实施方案。

参考文献

[1]Wikhamn B R.Open Innovation Change Agents in Large Firms：How Open Innovation is Enacted in Paradoxical Settings[J].R&D Management，2020，50（2）：198-211.

[2]吕一博，韩少杰，苏敬勤，等.大学驱动型开放式创新生态系统的构建研究[J].管理评论，2017，29（4）：68-82.

[3]Wang Y D，Huang J S，Chen Y T，et.al.Have Chinese Universities Embraced Their Third Mission？New Insight from a Business Perspective[J].Scientometrics，2013，97（2）：207-222.

[4]胡成，李明星，朱晓钰，等.专利视域下高校技术创新能力社会网络分析比较研究[J].软科学，2018，32（5）：28-32.

[5]常旭华，赵一青，陈强.过程管理下高校专利转移绩效影响因素分析[J].科研管理，2020，41（1）：152-160.

[6]卢伟，张海军.地方高校科技成果转化绩效影响因素研究——以辽宁省30所高校为例[J].中国高教研究，2019，（11）：48-54.

[7]Liu H，Jiang Y.Technology Transfer from Higher Education Institutions to Industry in China：Nature and Implications[J].Technovation，2001，21（3）：175-188.

[8]Zingg R，Fischer M.The Rise of Private-public Collaboration in Nanotechnology[J].Nano Today，2019，（25）：7-9.

[9]李志鹏，谢祥，肖尤丹.基于专利转让的“双一流”大学知识转化能力研究[J].数字图书馆论坛，2018，（8）：53-59.

[10]Ortega J L.Collaboration Patterns in Patent Networks and Their Relationship with the Transfer of Technology：The Case Study of the CSIC Patents[J].Scientometrics，2011，87（3）：657-666.

[11]尹西明，王毅，陈劲.高校创造的知识转移到哪去了？——对我国高校专利许可的时空分布研究[J].科学学与科学技术管理，2017，38（6）：12-22.

[12]Lee Y G.Patent Licensability and Life：A Study of U.S.Patents Registered By South Korean Public Research Institutes[J].Scientometrics，2008，75（3）：463-471.

[13]Sun Y T，Zhang C，Kok R A W.The Role of Research Outcome Quality in the Relationship Between University Research Collaboration and Technology Transfer：Empirical Results from China[J].Scientometrics，2020，122（2）：1003-1026.

[14]溫芳芳.基于专利许可关系网络的技术转移现状及规律研究[J].情报科学，2014，32（11）：24-29.

[15]陆亦恺，张善杰，刘晓琴，等.基于有效专利的高校专利现状分析及对策——以上海地区高校为例[J].现代情报，2015，35（3）：91-96，108.

[16]Fong P S，Chang X，Chen Q.Faculty Patent Assignment in the Chinese Mainland：Evidence from the Top 35 Patent Application Universities[J].The Journal of Technology Transfer，2018，43（1）：69-95.

[17]Han J H.Technology Commercialization Through Sustainable Knowledge Sharing from University-Industry Collaborations，with a Focus on Patent Propensity[J].Sustainability，2017，9（10）：1808.

[18]Wong P K，Singh A.Do Co-publications with Industry Lead to Higher Levels of University Technology Commercialization Activity？[J].Scientometrics，2013，97（2）：245-265.

（责任编辑：郭沫含）