0 引 言

世界知识产权组织发布的《世界知识产权指标》报告显示，2020年中国知识产权局受理专利申请149万多件，超过美国、日本、韩国、德国和法国5国专利申请的总和，占世界专利申请量的45.7%，连续多年位居世界第一。与此形成强烈对比的是，中国有效专利平均维持年限为7.6年，与2015年的平均维持年限7.2年基本持平；同时，2020年我国支付的知识产权使用费高达377.82亿美元，相比2015年增加了157亿美元，年均增长率超过11%。在建设世界科技强国的背景下，为了形成一批拥有自主知识产权的核心技术，国家“十四五”规划首次将高价值专利纳入经济发展的主要目标，鼓励各地探讨培育、保护和激励高价值专利，推动科技自立自强。因此，本文认为当前亟需对专利价值研究文献进行综合梳理和分析，从已有研究中总结研究重点、价值评估现状和未来展望，以期更好地优化专利政策，培育高价值专利。

1 专利价值的内涵和专利价值的决定因素

1.1 专利价值的界定

目前关于专利价值的定义方法主要有两个流派。第一个流派，基于专利激励理论，将专利价值定义为专利在市场上赚取的超额租金[1-2]，认为专利价值体现为专利保护范围的激励效应。第二个流派，强调专利权人在专利保护范围内利用专利垄断权获得的利润，基于无形资产理论，将专利价值定义为专利的资产价值，也就是专利竞赛获胜者得到的利润回报[3-4]，从而反映专利这一无形资产对公司价值的贡献。这类文献认为创新者的利润回报就是专利的价值，这一利润流直接取决于专利保护范围。需要指明的是，早期的专利价值研究文献基于文献计量学理论，将专利的技术价值等同于专利价值[5-6]。文献计量学认为论文的被引用次数能够有效测度科学研究质量，类似的，专利是受法律保护的技术方案，学者们认为专利的技术质量决定专利的价值。Albert等发现，相比低被引专利，高被引专利的技术重要性更高，相应地，专利的被引用次数被用于测度专利价值。然而，Bessen认为，专利的技术价值与专利价值是明显不同的。一方面，创新者同样可以通过市场领先优势和商业秘密等非专利保护方式获取技术的价值，这意味着专利价值通常会低于专利的技术价值；另一方面，专利价值在一定程度上是内生的。创新者可以通过主张更多权利要求数量或者引用更多在先专利来提升专利保护强度增加专利价值，同时，创新者也可以围绕同一项技术申请多项专利，构建专利丛林，加强专利保护。国内的早期文献认为专利价值具有时效性、不确定性和模糊性，兼有技术价值、市场价值和权利(法律)价值[7]，随着研究的深入和拓展，国内学者就专利价值的内涵基本达成一致，将其视为专利给专利权人带来的经济回报[8]。

1.2 专利价值决定因素的测度

Nordhaus(1969)最早开始专利价值决定因素的理论研究，在他的第一个模型中，专利寿命被视为其价值的决定性参数。然而，现实中世界各国的专利保护期限都几乎保持不变，基本均为自申请日起20年，最优专利保护期限研究得出的政策含义基本没有实践意义和现实价值。不仅如此，大量实证研究发现，大量专利在法定保护期限内就已经被模仿或者替代[9]。因此，学者们意识到专利保护强度才是决定专利价值的关键因素，而专利保护范围直接决定其被法律保护的强度，专利保护范围越宽，竞争对手技术模仿的范围就越窄，制造非侵权产品的成本越高，专利产品被模仿的程度越低，被替代的风险也越小。于是，从20世纪90年代开始，学者们重点研究如何测度专利保护范围这一专利价值决定因素。

社会福利的理论研究文献引入专利宽度以测度专利保护范围，虽然专利宽度的定义方法各不相同，但将专利保护范围作为创新利润回报决定性因素的认识是一致的。Klemperer(1990)及Gilbert & Shapiro(1990)最早引入专利宽度的概念测度专利保护范围[10-11]。Klemperer(1990)用产品受专利保护的空间大小来衡量专利宽度，他认为，专利保护范围是产品特性空间中不能被竞争对手模仿的范围。Gilbert & Shapiro(1990)将专利宽度定义为专利权存续期间专利权人能够获得的利润率，他们认为，专利保护范围直接表现为专利权带来的利润回报。Gallini(1992)将专利宽度定义为竞争对手非侵权模仿的成本[12]，在他看来，如果参照Gilbert & Shapiro(1990)的定义，用创新者分配的利润率衡量专利宽度，那么模仿者替代产品的研发成本变化或者模仿者赚取的利润率都会直接影响专利宽度。Green & Scotchmer (1995)用技术方案的新颖性和创造性程度代替创新者分配的利润率衡量专利宽度，他们认为，专利新颖性和创造性程度越高，创新者分配的利润率也会越高[6]。寇宗来等认为，理论文献关于专利宽度的不同定义在经济含义上具有相通之处[13]。事实上，如果专利本身的新颖性和创造性程度越高(Greene & Scotchmer,1995)，那么专利产品特性空间中不能被竞争对手模仿的范围会越大(Klemperer,1990)，竞争对手非侵权模仿的成本也就越高(Gallini,1992)，最终创新者分配的利润率肯定也越大(Gilbert & Shapiro,1995)，专利价值也就越高。

专利质量研究文献或从技术质量维度引入专利IPC分类号数量测度专利保护范围，或从法律质量维度引入权利要求数量界定专利保护范围，但大量经验研究表明，这两种测度方法均不能有效地测度专利保护范围。Lerner (1994)沿用Gilbert & Shapiro (1990)关于专利宽度的概念，并用专利四位IPC分类号的数量表征专利宽度[14]。Lerner (1994)认为专利四位IPC分类号的数量与专利的经济重要性关联——专利IPC分类号数量越多，竞争对手技术规避(Invent-around)的难度越大，专利价值也随之增加。许珂等认为，专利技术宽度越宽，意味着企业通过技术手段控制市场的能力较强，其价值也越高[15]。然而，后续的实证文献并没有支持前述设定[3]。一部分学者认为，理论上，专利保护范围应体现在专利的权利要求中。相应地，他们用权利要求数量取代IPC分类号数量来衡量专利宽度。Lanjouw & Schankerman(2001)发现，权利要求数量越多，专利涉诉的概率越高[16]。然而，后续研究发现，使用权利要求数量定义专利保护范围会面临诸多挑战。首先，专利保护范围往往与权利要求的措辞有关，在某些情况下，增加权利要求数量甚至会导致专利申请的范围变窄[17]。其次，权利要求数量的增加可能是专利申请人战略选择的结果，与专利宽度无关。Stevnsborg & van Pottelsberghe de la Potterie (2007)指出，专利申请人主张更多权利要求可能是为了隐瞒实际发明以欺骗竞争对手或专利审查员，也可能是因为他们在提交专利申请时并不清楚自己真正的发明是什么[18]。最后，权利要求数量的增加也可能是法律制度、技术和市场条件发生变化的结果，与专利保护范围几乎没有关系。Van Zeebroeck,et al. (2009) 研究发现，PCT国际专利申请方式的成功使得世界范围各国逐渐采用美国模式撰写专利，美国模式最大的特点是追求宽保护范围的专利。

专利文本研究文献发现，独立权利要求的字数和数量更能有效地测度专利保护范围。信息技术的快速发展使得学者能够对专利文本这一“黑匣子”中的复杂信息进行挖掘分析。Reitzig(2004)研究发现，权利要求的字数有助于测度专利保护范围，提升专利价值的评估质量。依据世界各国专利法的普通规定，专利独立权利要求界定的保护范围最大。在Reitzig(2004)开创性研究的基础上，学者们开始讨论使用独立权利要求测度专利保护范围的可行性。Okada,et al.(2018)指出[19]，大部分技术领域专利申请的独立权利要求都采用“递进结构”，并通过增加新的技术特征即增加字数来缩减独立权利要求的保护范围，因此，首项独立权利要求的字数和专利申请保护范围成反比。Kuhn,et al.(2019) 对美国专利大数据的研究发现，先前文献的专利保护范围衡量标准(即,专利IPC分类号数量和权利要求数量)难以提供准确信息，具有误导性，首项独立权利要求字数 (有时也称为第一独立权利要求) 更适合测度专利保护范围[20]。Marco,et al. (2019) 用独立权利要求的字数和独立权利要求的数量两种方法测度专利保护范围[21] 。Teodorescu & Kuhn (2021)同样认为，首项权利要求的字数可以有效地衡量专利保护范围[22]。

2 专利价值指标有效性的实证检验

专利价值指标的实证检验主要包括如下两大类：一是将专利存续期维持费用作为专利价值的代理变量；二是应用回归模型分析专利特征指标与专利价值的相关关系以识别专利价值指标。

(1)专利存续期文献研究。专利价值的评估非常困难，因为专利价值分布是高度偏斜的。解决数据偏斜的一个有益尝试是使用专利存续期维持费用评估专利价值。专利维持决策隐含地反映了专利租金的价值，因为专利维持费用随着维持年限的增加而急速增加，同时，维持年限越长，专利被其他技术替代的风险越高。如果专利租金低于专利维持费用，专利权人就会做出放弃维持的决定。Pakes & Schankerman (1984)首先用专利维持决定数据构建模型估计专利价值的分布。Lanjouw改进了这一方法并用于专利价值评估[23]。张古鹏等改进了传统以存续期为基础的专利价值模型，研究发现，我国研究机构的平均专利价值显著低于企业[24]。专利价值与专利年龄的关系呈驼峰形状, 专利预期价值首先随时间递减，专利授权后5年左右开始递增,授权后11年左右又呈递减趋势。宋爽等将专利存续期作为专利价值的代理变量，研究发现，相比于技术领域因素,区域技术差异对专利价值的影响更显著更稳定[25]。

专利维持费用这一评估方法面临两个重大的挑战：一是无法直接揭示最有价值专利的价值。因为这一方法遗漏了那些维持到最终法定年限的专利，这些没有被观测到的专利恰恰是最有价值的专利。二是对专利价值评估结果比较敏感，易受其他因素影响，波动幅度较大。

(2)专利特征指标与专利价值相关关系的回归分析。这类文献重点讨论了专利被引用量、专利宽度、同族专利等专利特征指标与专利价值的相关关系。表1列举了主要文献的研究结论。

表1 主要文献关于专利特征指标与专利价值的关联关系

a.专利引用与专利价值。Narin,et al. (1997) 首次探讨了专利引用量与专利价值的相关关系。Trajtenberg (1990)将专利被引用量引入专利价值研究[26]，认为专利在审查过程中的被引用次数可以很好地衡量其技术的重要性，从而反映创新的经济价值信息，研究结论显示，被引用次数加权后的专利数量与计算机断层扫描仪的社会收益高度相关。Lanjouw & Schankerman (2001) 也证实了专利被引用量作为专利价值指标的有效性[16]。Harhoff,et al. (2003) 将专利权人愿意出售专利的价格作为专利价值的代理变量，研究发现，专利引用数量和被引用数量与专利价值正相关。Hall,et al. (2005) 用专利被引用存量代替简单的专利被引用数量，检验专利引用对上市公司股票市场价值的影响，研究发现，专利被引用存量会显著提升企业市场价值，而且自引用比外部引用更有价值，但自引用的影响会随着企业专利组合规模的增加而减小 [27] 。林德明等以中国专利奖的获奖专利为研究样本，研究发现，专利引用可以作为专利价值评价的有效指标[28]。邓洁等发现，专利被引用量能促进专利转化从而提升高校专利的价值[29]。张克群等研究发现，专利在引证网络中的向量中心性对专利价值有显著的正向影响，但这一正向影响会随技术发展阶段变化，只适用于技术发展成熟期的专利[30]。李牧南等从被引次数、权利要求数量、维持率等维度构建了专利质量综合评价体系，并进一步分析了企业专利质量与其市场价值的关系[31]。宋艳等从技术、法律和经济三个不同维度探讨专利质量与企业绩效之间的关系及其作用机理[32]。

专利拍卖市场有助于提高交易透明度和降低交易成本。这一新兴专利交易行为使得学者能够直接观测专利价值。Sneed & Johnson (2009)利用2006年Ocean Tomo公司拟拍卖的99项专利组合数据，检验了13个专利价值指标对专利拍卖成交概率和专利拍卖价格的影响，研究发现，经常被引用的专利更有价值，但后向引用对专利拍卖价格影响不显著[33]。Vimalnath,et al.(2018)在扩大专利拍卖数据样本后，同样证实了专利被引用数量对专利拍卖价格的正向影响[34]。

然而，大量经验研究表明，专利被引用量作为专利价值指标的有效性正面临越来越严重的挑战。第一，专利被引用量存在滞后性和时间膨胀效应。Hall,et al.(2001)和Gambardella,et al.(2008)发现专利引用可能受到严重的噪音和测量误差的影响，因为专利被引用量随着时间的推移大量增加，专利在授权后10年里通常仅获得一半的被引用量。他们认为，利用专利被引用量分析专利价值时必须控制合适的时间区间以解决数据截断问题。第二，专利被引用量对专利价值差异的解释力度非常有限。Bessen(2008)研究发现，专利被引用量仅能解释专利价值增量的4%～7%，据此，Bessen(2008)指出，专利引用数据不是衡量专利价值的可靠标准。Nair,et al. (2011)研究结果显示，专利被引用量和专利申请国别数量与专利拍卖价格正向关联，解释了专利价值差异的14.79%。Fischer & Leidinger (2014)发现，专利被引用量解释了专利拍卖价格差异的9.58%，而且主要通过专利权人的自引用来实现[35]。第三，专利被引用量受专利申请策略的影响日益增强，其对专利技术质量的解释力却日益下降。Han & Sohn(2015)利用文本挖掘技术研究发现，当用专利维持时间衡量专利价值时，专利权利要求与前向引用专利权利要求的欧几里德距离与专利维持时间正向关联。Abrams,et al. (2018) 发现专利被引用量与市场价值存在倒U型关系，这表明高被引用量可能来自专利的战略性使用而不是有重要影响力的创新。Poege,et al. (2019) 基于480万同族专利和4300万篇科学论文的大规模匹配结果，用专利申请日后五年内接收到的被引用数量测度专利价值，研究发现，专利引用的科技文献质量与专利价值高度相关 [36] 。Kuhn,et al. (2020) 对1976-2014年美国专利引用数据研究发现 ，专利引用的中心化程度越来越明显，大部分专利引用是由少数专利申请产生的；更为重要的是，专利引用量对技术相关性的解释力正在逐年迅速下降，这一趋势并不是审查员引用带来的，而是专利申请人引用带来的[37] 。由此，Kuhn,et al. (2020)认为，相比之前文献将被审查员引用作为专利价值指标，被专利申请人引用反而更能准确评估专利价值。

b.专利保护范围、专利宽度与专利价值。IPC分类号数量与专利价值。Lerner (1994)研究发现，专利IPC分类号数量的增加会带来生物技术公司市场价值的增加。然而，Lanjouw & Schankerman (1997)发现，用 IPC分类号数量表征的专利保护范围不会对专利涉诉的概率产生积极影响。Harhoff,et al. (2003) 使用Lerner (1994) 设计的专利保护范围变量，同样发现，专利宽度与专利价值(专利权人愿意出售专利的价格)没有显著相关关系。Reitzig(2003) 基于127 项半导体专利的价值评估结果(专家们依据专利价值从低到高依次赋值1-7)，研究发现，对于交易筹码(bargaining chips)专利而言，技术规避难度对专利价值的重要性是有限的。专利价格的实证文献同样没有发现IPC分类号数量与专利价值正相关的证据。Lee,et al. (2010) 研究发现，专利宽度对专利拍卖成交概率和拍卖成交价格呈现负向影响 [38] 。Nair,et al. (2011)及Fischer & Leidinger (2014) 发现，专利宽度对专利拍卖价格影响不显著。Vimalnath,et al.(2018)发现高价值专利和低价值专利的专利范围差异并不明显。Harhoff,et al. (2003) 和 Reitzig(2003)认为，IPC分类号数量可能只适用于特定行业的专利价值评估。国内学者最近的研究同样证实了IPC分类号数量的行业局限性。郭状和冯仁涛等发现，IPC分类号数量与人工智能专利和生物技术专利的价值有显著的正相关关系[39-40]。杨武等以燃料电池作为研究对象，研究发现，IPC分类号数量对专利价值影响不显著[41]。

权利要求数量与专利价值。当用权利要求数量衡量专利保护范围时，权利要求数量与专利价值的关系也是不确定的。Fischer & Leidinger (2014) 发现，权利要求数量与专利拍卖价格是正相关，而Nair,et al. (2011)和Odasso,et al.(2015)研究结论显示，二者之间没有显著的相关关系。张克群等发现，权利要求数对专利拍卖价格有负向影响[42]。钱坤等研究发现，企业专利价值受专利权利要求数的影响较为显著[43]。Hsu,et al. (2021) 基于权利要求数量、专利申请国家数量等特征指标构建专利质量指数，然后将大学专利与具有相似特征的企业专利进行有效匹配，然后通过观测相似专利授权对企业股票市场价值的影响来估计大学专利的“潜在价值”。研究发现，这一专利质量指数可以显著解释美国领先的研究型大学的技术许可收入[44]。

c.其他专利特征指标与专利价值。同族专利与专利价值。Putnam (1996)首次将同族专利的海外申请数量引入专利价值指标研究[45]。他指出，专利寻求保护的司法管辖区的数量，也就是海外同族专利数量，可能与其价值相关。Lanjouw & Schankerman (2001),Harhoff & Reitzig (2002),Guellec & van Pottelsberghe de la Potterie (2000),Harhoff,et al. (2003) 同样发现，专利国外同族数量越多，其价值也更高。Gambardella,et al. (2008) 利用欧洲专利价值调研问卷数据，发现专利申请国家数量即海外同族专利数量与专利的货币价值显著相关。然而，专利价格的实证结论并不一致。Sneed & Johnson (2009)发现，专利申请国别数越多，专利拍卖成交概率越低，专利拍卖成交价格也越低。Nair,et al. (2011)，Fischer & Leidinger (2014)和Odasso,et al.(2015)发现，专利申请国别数量与专利拍卖价格正向关联。张克群等发现，同族专利对专利拍卖价格的影响并不显著。

专利是否涉诉或被异议。Harhoff,et al. (2003) 发现，在授权异议程序中得到支持的专利尤其有价值。Bessen(2008)发现，在控制专利和所有者特征后，涉诉专利的价值是非涉诉专利价值的6倍。周克放等认为，评价专利质量时应当重视专利无效审查和专利诉讼数据[46]。

专利主体特征。Odasso,et al. (2015) 首次引入专利拍卖中买卖双方的类型特征，研究发现，权利要求数量对拍卖专利成交价的正向效应仅体现在NPE的专利购买决策中，对企业购买行为影响不显著；归因于NPE的购买行为，专利剩余寿命与拍卖专利的成交价正向关联。Caviggioli & Ughetto(2016)进一步区分NPE的类型，发现高智发明公司等超级集聚型NPE认为发明人数量越多，剩余寿命越长，专利价值越高，而防御型NPE则倾向于对发明人数量少、专利宽度窄(四位IPC分类号数量)和剩余寿命长的专利给予更高的报价[47]。乔永忠等以表征高价值的国家专利金奖的获奖专利为样本，研究发现，不同类型专利权人获奖发明专利的质量存在明显差异。

专利年龄。现有实证文献已证实专利年龄与专利价值之间存在显著的U型关系。Sneed & Johnson (2009)发现专利年龄与专利拍卖成交价格呈现U型关系，授权后9年9个月的专利拍卖成交概率最低。Serrano (2010) 发现维持9年的专利被交易的概率最低，仅为2%，而此时专利的放弃维持率达到 27.8%。Vimalnath,et al.(2018)的研究同样支持了这一U型关系，授权年限超过10年2个月的专利更有价值，拍卖成交价更高。

3 专利价值评价方法研究

早期的专利价值评价方法基本沿用无形资产评估的成本法、市场法和收益法。Martin,et al.(2006)认为，成本法、市场法和收益法在评估专利价值时存在比较明显的局限[48]。市场法的基本原理是以市场上相似的产品或技术作为参照物衡量待评价的专利的价值，但每个专利的个性特征是十分显著，要找到真正可供比较的专利技术是十分困难的。成本法的基本原理是将专利的研发成本视为专利的价值，然而，专利价值与自身的研发成本并没有严格的匹配关系，有时甚至是不成比例的。收益法用专利权生命周期内实现的预期净收益的现值衡量专利的价值，但专利的经济寿命周期和利润分成率评估比较困难，直接影响价值评价结果的准确性。在这一背景下，学者开始探索专利价值评价的新思路。目前比较常见的专利价值评价方法主要包括如下三大类：第一类是专利价值的综合评价方法，第二类是专利价值评估的实物期权法，第三类是专利价值的机器学习方法。

专利价值的综合评价法通过构建分层级的价值指标体系以引入专利价值的影响因素。李清海等(2007)提出专利价值评价指标的层次结构；万小丽等(2008)建立了一个专利价值评估指标体系，并用模糊综合评价法得出专利的现时货币价值量；李振亚等(2010)综合考虑技术、市场、竞争、法律四大要素提出一种新的专利价值评估方法。然而，专利价值指标体系面临价值指标重复计算、价值指标权重计算主观性强等挑战，更为重要的是，不同用途的专利，其价值影响因素差异非常明显，难以构建一个通用的专利价值评价指标体系(Harhoff，et al.2003)。薛明皋(2013)及唐恒等(2014)针对专利质押贷款这一特定情境讨论专利价值的分析指标体系。彭华涛等(2021)研究发现，专利在休眠期和唤醒期具有不同价值表现。休眠期的价值评价可以通过盈利性与权益性、技术性、创新性、区域性4个方面综合考虑，唤醒期的专利价值应从学术性、技术性、法律性3个角度判断。由此可见，专利价值的综合评价法并没有从根本上解决成本法、市场法和收益法的问题和不足，无法体现专利用途差异。

一些学者开始引入金融学方法评价专利价值。马忠明等(2006)摒弃传统无形资产理论下的价值评估方法，认为专利具有类似于金融市场中的看涨期权的特性,可以应用实务期权方法评估专利价值。实物期权方法的优点在于考虑了管理决策者在投资生产以及产品研发等问题决策中的选择权，将专利看作企业的投资机会来评估。实物期权方法的不足之处在于必须估算预期利润流，而且由于专利投资在不同年份阶段的特征不同，风险系数的变化使得偏微分方程的求解过程十分复杂(万小丽和朱雪忠，2008)。

随着计算技术的快速发展，部分学者探索应用机器学习方法评估专利价值。赵蕴华等(2015)研究发现，机器学习方法在专利价值评估中起到一定作用,并存在潜在的方法用以更好地解决专利价值评估问题。慎金花等(2020)研究发现，果蝇算法优化后的BP神经网络能够比较快速和准确地预测专利价值。刘澄等(2021)探索机器学习在专利价值评估领域的应用，建立基于BP神经网络的专利价值评估模型。

4 专利价值的内生性研究

专利价值的内生性是指专利价值在一定程度上是创新者为了权衡专利保护范围和专利寿命而自主选择的结果。现有文献主要涉及专利保护范围与专利授权概率、专利授权速度的权衡问题。

a.专利申请保护范围与专利授权概率的权衡。Reitzig(2004)指出，专利价值研究面临严重的内生性问题。当引入专利申请决策时，专利价值研究最复杂最困难的地方在于权衡专利保护范围和授权概率。如果专利申请人追求更宽的保护范围，那么它被第三方异议成功的几率也越大，专利最终被授权的概率反而越低。Marco,et al. (2019) 使用大数据同样证实了二者的权衡现象，他们发现，与保护范围更宽的专利相比，保护范围较窄的专利申请具有更高的授权率。

b.专利授权保护范围与专利授权速度的权衡。Okada,et al. (2016, 2018) 研究发现，当专利申请人初始选择的保护范围较宽时，保护范围被缩减的概率和被缩减的幅度都会增加。重要的专利申请往往会经历更频繁地缩减处理；与此同时，日本专利首项独立权利要求字数的倒数对申请人前向引用的数量具有显著的解释力。Marco,et al. (2016) 同样指出，如果保护范围更宽的专利申请需要花费更长的专利审查周期，那么专利保护范围和专利授权速度之间可能存在权衡 (trade-off) 。Marco,et al. (2019) 发现，与保护范围更宽的专利相比，保护范围较窄的专利申请具有更短的审查时间和更少的审查修改次数。Choudhury,et al. (2018) 利用企业内部人员特征数据和美国专利商标局专利审查过程的微观数据，发现 企业从事创新时必须权衡专利保护范围的最大化和专利授权速度的最优化[49] 。Hegde (2021)关注美国初创公司首次专利申请的影响，发现更宽的专利保护范围会增加初创企业的创新数量和创新质量，但对就业和经济增长几乎没有影响；相反，专利授权延迟则会显著降低初创公司的就业和销售增长[50]。Teodorescu & Kuhn (2021) 以美国专利加速审查试点项目为研究对象，发现用首项权利要求的字数来衡量专利保护范围时，申请加速审查专利的保护范围往往更宽，从而带来更高的被引用率和涉诉概率[22]。张亚峰等首项独立权利要求字数测度专利保护范围，从而讨论专利转让价格的影响因素，研究发现专利价值是内生的，真正高价值的专利不仅具有法律意义上的高质量，技术上的高水平是其高价值的重要基础[51]。

法学学者的研究同样证实了经济学家的观点。Kesan,et al. (2019) 用最短独立权利要求的字数衡量专利保护范围，发现专利海盗(表现为非专利实施主体向目标企业发起专利诉讼以获取经济收益)专注于收购保护范围更广的高质量专利以提高专利货币化的可能性 [52] 。Booton (2020)认为，专利制度应当视为市场经济主体之间明确交易的一种替代制度，这也恰好解释了为何未明确包含在专利权利要求范围内非实质性变化也能得到英国法院的保护。换言之，权利要求定义的专利保护范围受到专利申请策略的内生性影响[53]。

5 研究结论与未来展望

社会福利研究的理论文献基本沿用Gilbert & Shapiro(1990)的研究框架，直接用创新者支配的利润衡量专利保护范围，他们认为，专利保护范围直接决定创新的利润回报。然而，基于专利价值代理变量或专利价格的实证研究并没有证实IPC分类号数量、权利要求数量等测度专利保护范围的变量作为专利价值指标的有效性。专利被引用数量被普遍认为是有效的专利价值指标，但价值解释力度非常有限，在5%～10%之间(Fischer & Leidinger,2014; Bessen ,2008)，同时还面临滞后性、时间膨胀效应、中心化程度加剧等严峻挑战。最近的专利大数据研究证实(Marco,et al.,2019; Hegde, 2021)，虽然专利保护范围和专利寿命直接决定专利价值，但是专利价值的实现需要合理权衡专利保护范围与专利寿命，也就是说，专利价值在一定程度上是内生的，为了实现专利价值最大化，创新者必须权衡专利保护范围与专利寿命，从而选择最优专利保护范围。更为重要的是，专利保护范围与专利寿命的权衡还会因创新者的策略选择、产业属性特征以及政策环境的改变而动态变化。郑素丽等同样强调，专利价值的巨大差异是众多因素综合作用的结果。战略和制度等因素对专利价值的影响还需进一步深入研究和讨论,克服传统无形资产评估方法的不足，准确评价专利价值的新方法和新思路也亟待深入研究和拓展。

由此可见，专利价值的现有文献取得了丰硕的研究成果，同时也存在以下几方面的研究局限和潜在研究方向。

第一，关注专利申请策略差异性对最优专利保护范围和专利价值的影响。现有文献证实了创新者申请专利时权衡专利保护范围和专利授权概率的困难性和复杂性，但对于不同专利申请策略下最优专利保护范围的理论研究还比较匮乏，可能导致最优专利保护范围的有偏估计，获得的政策含义可能是有偏误的，很难具有推广价值。需要指明的是，专利申请策略既包括宽保护范围和窄保护范围的选择，也包括专利申请优先权主张和分案申请选择，还包括权利要求的撰写方式，开放式权利要求还是封闭式权利要求等，下一步应当研究创新者在不同专利申请策略情形下如何实现最优专利保护范围和专利价值最大化。

第二，重视产业异质性对最优专利保护范围和专利价值的影响。现有文献研究表明，企业创新必须权衡专利授权保护范围和专利授权速度，但是结合不同产业技术生命周期和专利保护理论的深入研究还比较少，不能有效地识别专利保护范围影响专利价值的因果效应，对于不同产业部门企业如何选择最优专利保护范围无法提供科学的参考依据。伯克(Dan L.Burk)和莱姆利(Mark A.Lemley)指出，Kitch(1977)提出的“前景理论”与医药产业发展实情比较相符；Merges & Nelson(1990)提出的“累积创新理论”适合软件产业；Shapiro(2001)的“专利丛林理论”更适用于半导体产业。未来专利价值的研究应当重视产业属性特征对创新者最优专利保护范围选择的影响，探讨不同产业专利的最优申请策略和保护策略。

第三，评估专利政策影响最优专利保护范围和专利价值的外部效应。我国作为一个知识产权大国，专利申请数量已连续多年稳居世界第一，在专利数量爆炸式增长的压力下，专利政策改革对专利保护范围的影响不容忽视。现有文献较少定量评估专利政策对专利保护范围和社会创新成本的影响，企业为了实现专利价值，在扩大专利保护范围的同时可能以牺牲专利质量为代价，带来专利无效和专利诉讼的明显增加，增加社会创新成本，反过来阻碍专利商用化和专利价值实现。2012年8月1日，国家知识产权局为了促进产业转型升级，开始实施《发明专利申请优先审查管理办法》，正式引入专利优先审查政策。2016年11月30日，国家知识产权局出台《关于开展知识产权快速协同保护工作的通知》，鼓励有条件的地方探索专利快速预审政策。优先审查受理后发明专利的审查周期会被压缩到一年以内，而满足快速预审条件的发明专利的授权周期一般在3～6个月左右。官方统计数据显示，2020年我国发明专利平均审查周期为20个月，而优先审查的发明专利平均审查周期低于6个月。相比正常的专利审查，专利优先审查政策和快速预审政策可以将专利授权速度提升14个月左右。在这一背景下，未来专利价值研究应当重点关注专利优先审查政策和专利快速预审政策对最优专利保护范围和专利价值的影响。

第四，探索专利价值评价的新思路和新方法。“十四五”国家知识产权保护和运用规划明确指出，“指导规范知识产权交易，完善知识产权质押登记和转让许可备案管理制度，加强数据采集分析和披露利用……健全知识产权价值评估体系，鼓励开发智能化知识产权评估工具。”随着大量专利真实交易信息的披露和专利交易价格大数据的形成，如何充分利用大数据技术和机器学习方法破解专利价值评估难题，提升专利价值评估新方法的准确性、通用性和稳健性也是未来专利价值研究的重点方向。