花之蕾，刘亚娟

（1.华北电力大学科学技术研究院，北京 102206；2.北京墨进知识产权服务有限公司，北京 100021）

1 研究背景

自2008 年国务院颁布《国家知识产权战略纲要》以来，作为知识产权重要组成内容的专利保护工作在中国取得了可喜的成就。截至2019 年年底，中国有效专利数量达到270 万件［1］，形成了相当的规模和较好的发展态势，但同时也出现了专利发展重数量轻质量、重申请轻实施等问题［2］。有报道称，中国科技成果转化率可能低于6%［3］。中国存在大量专利授权闲置现象，特别是高校，专利实施比例明显低于企业或科研单位［4］。中国高校作为国家创新体系的中坚力量，瞄准世界科技前沿开展前瞻性基础研究，产出了大量创新科研成果，但根据国家知识产权局报告［4］，以及兰筱琳等［5］、张会民等［6］的研究可知，这些科研成果普遍存在成熟度低、与市场需求和生产条件脱节、不对用户负责、推广应用工作举步维艰等诸多问题。究其原因，从内因来看，高校知识产权政策制度需要优化，目前有相当数量的专利是为满足结题验收、绩效考核等要求而申请；高校自身缺乏实施专利成果的相关基础和必要条件，知识产权管理机制尚不健全，专利转化条件较差；高校知识产权管理和运营等岗位人员不足、专业能力欠缺，难以对大量闲置专利进行主动管理［7］，专利转化能力较弱。从外因来看，有研究表明，部分科研人员受专利是国有资产的固有思维影响，对高校科技成果转化工作存在顾虑情绪［8］；高校知识产权转化缺乏权威可信的专利交易平台［9］，以及配套的支撑和服务机制尚不完善等等。

利用incoPat 数据库检索统计，中国高校通常在维持授权专利4 年～6 年后自动放弃专利权，这些专利在其整个生命周期内并未起到实现创新价值、推动科技升级的载体作用，甚至还存在由于高校知识产权领域管理有漏洞和混乱，造成知识产权“流失暗道”迅速形成的个别现象［10］。当前，我国专利战略已从数量积累发展到质量优化的关键阶段，2020 年教育部等三部委联合提出了全面提升高校专利质量、促进转化运用的政策要求，高校专利管理正面临着以质量为中心、去芜存菁的重大变革机遇。

科学准确地评价高校专利质量是专利战略实现的关键，也是提升高校科研创新能力的客观需要。已有很多学者梳理了用于高校专利评价的指标，如杨登才等［11］、沈莹［12］、张立昆等［13］、戴希兵等［14］建立了专利评价指标体系，但至今尚未形成普遍适用于高校的专利质量评价指标和体系，主要是因为现行的大多数指标和体系是借鉴传统专利价值评判的通用方式，未充分考虑中国知识产权发展现状及高校专利的自身特点。因此，制定一套适合中国高校的专利质量评判标准已经成为提升当前高校专利质量管理效率的重要路径［15］。为此，本研究在总结已有相关研究的基础上，充分考虑中国知识产权发展现状及高校专利特点，尝试构建高校专利分级评价指标体系并开展实证验证，以期为中国高校专利质量评价提供更具针对性的思路参考。

2 专利质量评价指标的确定

以专利权为代表的知识产权是国家依法在一定时期内授予发明创造者或其权利继受者独占使用其发明创造的权利，因此，有别于传统意义上的科研成果，专利兼具技术、法律和经济属性。专利丰富的内涵也直接导致影响其质量评估的因素众多。伴随着中国专利申请量的急速增加、专利法律事件和运营活动的丰富，中国的专利评价体系经历了从重点锁定技术性指标向关注法律性指标以及进一步考虑经济性指标的过渡，如国家知识产权局专利管理司等［16］发布的《专利价值分析指标体系操作手册》中提出了专利价值分析指标体系，并通过专家打分法计算专利价值度；中国科学院文献情报中心吕晓蓉［17］对此进行改进，提出了基于3 个维度、选取15 个可测度评价指标建立的专利价值评价指标体系和专利技术质量评价模型，比较全面地覆盖了专利评估指标。然而，上述所提出的指标很多在现有数据条件下无法公开获取，因此有关评价体系并未得到广泛认可。目前中国尚缺乏一个公认的、科学的、准确的专利价值评估方法或体系。

笔者基于多年的知识产权管理经验发现，中国高校专利的创造、保护和运用具有独特性。归纳而言，首先，相当数量的高校尚未建立专利申请前披露制度，近来热议的高校专利申请前评估工作也刚刚起步，大量专利并未经过对创新技术是否与市场匹配的评估环节就进入申请；其次，高校作为专利申请人具有特殊性，导致涉及诉讼的专利凤毛麟角，从诉讼纠纷探析技术热点无异于缘木求鱼；最后，高校专利转化多是与已有合作关系或师承关系的企业进行，并未实质性开展转化前的尽职调查工作。因而在现阶段，法律性指标和经济性指标实际上对中国高校专利质量评估的参考意义不大，甚至在数据不全、数据背景不清的情况下可能会对专利质量的评估评价造成一定程度的干扰。

在关注专利技术性的评价指标中，孙玉涛等［18］提出目标专利前引的专利数量反映该专利技术基础，引证数越多表明专利质量越高；李春燕等［19］提出目标专利所有前引的专利年龄的平均数/中位数反映技术创新或科技发展速度，数值越小表明技术越新且创新速度越快、专利质量越高；黎薇等［20］提出基于层次分析法综合专利数量类、质量类、价值类指标建立企业专利竞争力综合评价数学模型；李欣等［21］提出以专利授权年份（专利公开时间）与专利申请年份的差值反映技术本身先进程度和专利重要程度，申请时程越长表明技术先进性越强；张杰等［22］提出专利的发明人数量越多，不同发明人贡献的知识和经验越多，知识基础越坚实，专利质量提升的可能性越大；Rassenfosse 等［23］研究表明，专利保护的年限越长需要缴纳的费用越高，意味着专利的价值度越高；万小丽等［24］用层次分析法计算指标的权重，用模糊综合评价法得出专利的现时货币价值量，设计了专利价值的初评值和偏差等级及其分值。

考虑到现阶段中国高校专利发明人的主观要求，专利撰写人员能力、经验和精力，专利撰写特点、专利审查程序性、专利管理简单化等因素，笔者认为，选取高校专利评价指标时应考虑如下问题：应易于从高校现有统计信息、公开数据库中获取；应避免过多掺入经济、法律因素；应慎重考虑专利引证与被引证情况；应关注高校自身创新和发展能力。有鉴于此，本研究打破以往主要从技术、法律、经济3 类因素中选取指标的模式，跳出孤立的专利研究，站在全球宏观技术领域发展趋势以及高校科研持续发展能力角度探讨专利质量的影响因素，遵循客观性、系统性、可行性原则，充分借鉴相关评价指标，从专利自身基础技术性信息、宏观领域技术性信息以及高校整体技术性信息3 个维度选取了15 项专利评价指标形成高校专利质量评价指标体系（见表1，以下简称“专利质量评价体系”），力图建立适用于中国高校的专利质量评价、专利成果转化推进和科技创新能力提升的指标体系。

表1 高校专利质量评价指标

（1）借鉴Wang 等［25］的研究，采用技术宽度（NB_IPC）代表每件目标专利不重复的4 位IPC 子类别数量。IPC 反映专利技术所属的领域，在一定程度上体现了专利技术覆盖范围，即宽度。Lerner［26］研究显示，专利被引次数与IPC 分类的子类数量高度正相关。李欣等［21］认为专利技术覆盖范围越大，专利被引次数越高，专利质量越高。

（2）专利类型（PATENT_TYPE）。所选目标专利包括发明专利和实用新型专利，一般认为发明专利的创造性更加突出和显著，而实用新型的创造性要求略有降低，故而多数情况下认为授权发明专利的质量比实用新型高。在专利质量评价体系中，目标专利若为发明，赋值为1；若为实用新型，赋值为0。

（3）技术可替代性（TECH_SUBSTITUTABILITY）。晁蓉等［27］提出，位于目标专利公开日之后且相似度超过一定阈值的相似专利文献数量的多寡代表目标专利技术被替代的可能性高低，可替代性越大则专利质量越低；反之，可替代性越小，专利质量越高。专利评价体系借鉴晁蓉等［27］的理论，并将技术可替代性计算如下：将incoPat 专利数据库与欧洲专利局全球专利数据库匹配，根据目标专利的IPC 主分类号得到全球专利数据库中同IPC 分类号的专利集合；随机抽取1 000 条每一个IPC 主分类号对应的专利集合中的专利作为计算的样本空间，基于Oracle 数据库计算目标专利标题与同IPC 分类号的专利集合中1 000 条专利的标题相似度，结果值大于50 的专利数即是目标专利的技术可替代性。

（4）科学关联度（NB_TECH_CITATION），即目标专利引证文献中的科学论文文献数量。专利发明人在撰写专利申请文件时，为了全面地披露专利技术背景，经常或者需要引用公开专利文献和非专利文献。其中，专利文献侧重解决某技术问题的新技术方案的提出与实施效果验证；科学论文等非专利文献不仅涉及技术方法及其验证，还包含大量的综述性技术、讨论性的概念等，更加反映科技热点与前沿。专利中引用非专利文献的情况反映了专利技术与科学技术的关联程度。科学关联度越高，表明该专利技术与科技前沿的联系越密切。

（5）权利要求数（NB_CLAIMS），即一件专利中权利要求的数量。专利权利要求限定专利保护范围，与专利有用性与其价值正相关［28］。一般认为，权利要求数量多体现了专利的技术方案复杂，层次多的专利质量也较高［29］。

（6）专利族大小（NB_FAMILY_SIZE）。专利族也称专利家族，是指具有共同优先权的，在不同国家或国际专利组织多次申请、多次公布或批准的内容相同或基本相同的一组专利文献。专利族中在不同国家或地区公开的文献数量反映了专利（拟）保护地域的范围，专利族越大代表专利权人对该专利投入的成本越高，同时在多国或地区带来的经济效益也越高［15］。

（7）同领域专利数量申请趋势（TREND_APPLICATIONS），即目标专利所属技术领域在目标专利公开之前（包括当年）每一年的专利申请总量相较于前一年的增长/减少趋势。总共计算到专利发布之前的第5 年，对5 年的趋势进行平均得到目标专利的同领域专利数量申请趋势。同领域专利申请反映了某技术领域研发热度以及研发成果产出情况，同领域专利数量申请越多表明领域的热点性越高、研发成果越多。

（8）专利权人数（NB_APPLICANTS）。专利权人是为研发项目的开展提供资金或技术的一方，也是行使专利使用、处置等权利并获益的一方。专利权人数反映了专利研发资源投入程度和技术的实用价值，与专利质量显著正相关［30］。

（9）第一申请人类型（FIRST_APPLICANT）。根据专利申请人的性质，将申请人分为企业和高校两类，申请人为企业时赋值1，为高校时赋值0。一般认为企业的专利申请脱胎于实际产品需要，而高校专利申请会受到项目、课题等因素影响，因此第一申请人为企业时表明专利具有直接转化价值。

（10）总体技术（NB_APPLICANTS_WITHIN_5_YEARS）。Lee 等［31］提出，专利权人发布的所有专利数反映专利权人开发专利的努力程度并影响专利质量。有鉴于此，将总体技术定义为目标专利所属高校在专利申请后5 年内的专利申请总量，反映高校科研投入力度和实际研发能力，用以衡量高校的总体技术实力。高校的技术实力越突出，其科研队伍的攻关、创新和成果产出能力越强，成果质量越高。

（11）专利h指数（NB_CITINGS）。2005 年，美国物理学家希尔施［32］提出用h指数量化科研人员作为独立个体的研究成果。h指数是指科研人员发表的Np 篇论文中有h篇每篇至少被引h次，而其余（Np-h）篇论文每篇被引均小于或等于h次。郭青等［33］对专利进行h指数计算，认为其表征专利权人技术影响力及技术实力。

（12）发明专利申请授权率（RATIO_GRANTED），即目标专利所属高校的全部发明专利的申请授权比例。发明专利授权必须经过实质审查，授权率高反映发明技术改进性强、质量较高，进而反映了高校的整体研发实力，是支撑高校高质量专利产出的基础。

（13）专利技术生命周期（TECH_LIFECYCLE），即目标专利所属技术领域当年发明专利申请或授权量占过去5 年该技术领域发明专利申请或授权总量的比率。技术创新或科技发展最终都要作用于市场，推动产品创新并受市场检验。通过某技术领域中一年的专利量与一段时间期间专利量的比例，反映技术创新或科技发展速度，数值越小表明技术越新且创新速度越快，专利质量越高。

（14）年均专利申请数量（AVG_APPLICANTS），即目标专利所属高校在目标专利申请前5 年内的平均专利申请数量，反映高校的技术研发效率，申请量越高表明研发效率越高。

（15）专利合作性（COR_APPLICANTS）。专利申请人合作性最直观地反映专利市场性。若由高校和企业共同申请，则赋值1；若由高校申请，则赋值0。对于由高校教师个人申请后转让给高校或者与高校共同作为权利人的专利，等同于高校申请，赋值0。

3 专利质量评价体系的构建

信息熵（information entropy），也称“香农熵”（Shannon entropy），描述观测者对未知事件的不确定性，也表示未知事件可能含有的信息量。熵权法（entropy weight theory）是利用信息熵理论确定系统中各指标权重值的客观赋值方法，在工程技术、社会经济等领域的应用广泛。熵权法的基本思路是通过在一组指标中计算出信息熵，进而得到指标权重的大小。通常，若某个指标的信息熵越小，表明指标值的变异程度越大，指标所提供的信息量越多，在综合评价中所发挥的作用也越大，相应的指标权重也越大［34］。利用熵权法构建专利质量评价体系，通过各指标的变异程度计算权重，可以最大限度地解决主观评价方法的缺陷，客观性更强，并且易于实际操作。与机器学习分类模型方法相比，通过计算熵而自动计算出指标权重，避免了人工标定训练集时的标注误差，使结果更符合专利的实际质量。

基于熵权法的指标权重计算的具体步骤如下：

（1）评价指标矩阵构建。假设有n个评价对象、m个评价指标，计算其在各指标上的得分，构建一个n×m的指标数据矩阵X如下：

（2）数据标准化。对原始数据进行归一化处理，消除数据间因量纲不同而产生的误差。计算公式如下：

式（2）中，i、j分别表示行号和列号，是元素索引。

（3）计算每项指标的信息熵。公式如下：

式（3）中：k是常数，k=ln(n)-1；p是事件发生的概率，

若pij=0，则：

（4）确定每项指标的权重。公式如下：

（5）对原始指标进行线性拟合，获得最终专利质量得分。

4 专利质量评价对象的选取

2020 年教育部和国家知识产权局联合认定了首批凸显知识产权综合能力的示范高校，首批入选高校整体知识产权工作开展比较好且各高校存在的主要问题都是共性问题，因此本研究以入选单位所在省份为单位，随机选择了16 所高校，包括北京交通大学、天津大学、哈尔滨工业大学、大连理工大学、西安交通大学、山东大学、东南大学、中国科学技术大学、复旦大学、浙江大学、武汉理工大学、湖南大学、厦门大学、四川大学、中山大学、重庆大学，并补充笔者所任职的华北电力大学共17 所高校（以下简称“目标高校”）进行实证检验。为减少高校间学科差异造成的影响，选取2011 年、2015 年和2019 年申请的专利中主IPC 分类为A、C、G 和H的专利数据作为评价对象。原始专利数据由incoPat专利数据库检索获取；部分指标所引用的数据由欧洲专利局全球专利数据库（esp@cenet）提取，但欧洲专利局全球专利数据库的部分信息滞后，共收录了34 069 件检索专利文献。为提高结果准确性，在同一专利存在多个文本时，以授权专利文本为基础进行统计。

5 专利质量评价结果

5.1 指标权重演化

通过熵权法对各项指标进行赋权，并根据目标高校2011、2015 和2019 年的专利数据计算指标的权重（见表2）。

表2 专利质量评价体系的指标权重

由图1 可见，在3 年总体的指标权重中，权重值排名前3 位的指标依次为专利合作性、专利权人数和技术替代性，表明这3 项指标对专利质量评价的综合得分影响最大；其次为专利h指数、技术宽度、科学关联度、专利族大小、年均专利申请数量、总体技术和权利要求数；专利类型、发明专利申请授权率、专利技术生命周期、第一申请人类型和同领域专利数量申请趋势的指标权重较低，对专利质量综合评价影响相对较小。2011 年，各项指标的权重排序和3 年总体指标权重排序都比较一致，仅仅是专利h指数的权重稍微偏低，排序掉落两位。2015 年，各项指标的权重排序和3 年总体指标权重、2011 年各项指标权重排序也都比较一致，但技术宽度和权利要求数指标权重稍有增加，各自排名均提升1 位。2019 年，各项指标的权重与3 年总体指标权重、2011 年和2015 年各项指标权重的排序相比有一些变化，特别是专利族大小指标权重明显增大，超过专利权人数和技术替代性，成为排名第二的指标；专利h 指数、总体技术等指标权重也稍有下降。这几项指标权重在不同年份有所变化的主要原因可能是这些指标直接或者间接涉及时间窗口，因而可能会受到一定的外部影响。但这些指标总体上在权重计算时受到的影响不大，各自在单独年份的权重与3 年总体的权重整体趋势相近。由此可知，专利质量评价体系用于计算专利质量得分的权重设置是合理的。

图1 专利质量评价体系指标权重演化

5.2 目标高校总体得分比较

如图2 所示，2015 年申请的专利质量得分较2011 年有较大提升，特别是较高质量专利（综合得分高于28 分）的数量明显增多，整体专利质量呈上升趋势；另一方面，2019 年的专利质量得分低于2011 年和2015 年，考虑到时间窗口空白而损失的得分，因而不能通过横向比较直接得出2019 年专利质量整体下降的结论，同时这一结果也说明了专利质量评价体系对申请日期截止于2016 年的专利评估效果最佳。因此，对于指标中有时间窗口的评估体系参照该时间窗口选择目标专利以确保评估准确率。

图2 目标高校专利总体质量得分时间分布

5.3 目标高校个体得分比较

从图3 可以看出：首先根据结果特征，目标高校的所有数据都分成了两部分，即较高综合得分区域（综合得分高于28 分）和较低综合得分区域（综合得分低于20），体现了专利质量的分化趋势，且大量专利位于较低综合得分区域。其次，整体上各目标高校的专利质量综合得分随时间演化趋势一致，均为2015 年高于2011 年、2019 年较低，特别是在高得分区域更加明显。考虑到2019 年因部分数据滞后而未计算结果，所以数据量较少，可能对2019 年的整体结果产生一定影响，因此2019 年数据仅供参考。

图3 目标高校专利质量综合得分年度分布

如表3 所示，比较2011 年和2015 年结果可以看出，所有目标高校在2015 年的较高综合得分专利数量都比2011 年明显增多，反映了高校的专利质量普遍得到了显著提高。但各目标高校的专利质量存在差异，特别是在较高得分区域：哈尔滨工业大学在较高综合得分区域中的专利数量最多，表明其专利质量较高；华北电力大学、四川大学、西安交通大学、重庆大学、中国科学技术大学、中山大学也在较高综合得分区域拥有较多专利。而各目标高校的整体平均值有一定差异：浙江大学平均值最高，并且在较高综合得分区域和较低综合得分区域都显示出整体偏向高得分值，表明其整体专利质量最高；重庆大学、东南大学的整体平均值次之，其专利综合质量也比较有保证。

表3 目标高校专利质量年度综合得分情况

如图4 所示，从2011 年和2015 年的专利质量平均得分来看，北京交通大学从第15 位提升至第3位，哈尔滨工业大学从第17 位提升至第7 位，华北电力大学从第14 位提升至第5 位，中国科学技术大学从第16 位提升至第7 位，均有巨大进步，但其3年总体平均得分的排名又有所下滑；此外，大连理工大学、复旦大学、武汉理工大学和湖南大学的排名均出现一定程度的下滑。结合图3 可以看出，除去浙江大学以外，各目标高校在较低综合得分区域的专利分布相似。造成排名下滑的主要原因是上述高校在较高综合得分区域的专利数量较少，因而产生了专利质量综合得分的差异，影响了排名。对此，建议高校重点关注提高较高综合得分区域的专利占比，有效保持和提升自身的整体专利质量。

图4 目标高校专利质量平均得分

另外，虽然华北电力大学的专利质量综合得分排名较靠后，尤其与领先的浙江大学等有一定差距，但华北电力大学专利合作申请指标处于目标高校中领先位置，体现了其在合作研究、委托开发、产学研合作方面的重视与优势。华北电力大学2015 年的专利质量平均得分排名比2011 年显著提高，主要归因于专利合作申请指标的权重在所有指标权重中最高，而华北电力大学在此指标方面评分较高；其2019 年的专利合作申请率达35.8%，排名第一，相信随着2019 年数据的完全公开，在满5 年时间窗口后再进行专利质量综合得分计算时，该校排名将有所提高。

5.4 专利质量评价实例

浙江大学2011 年申请的专利“具有基于直线光栅尺反馈控制装置的振动台系统”获得第十五届中国专利奖优秀奖。根据专利质量评价体系，浙江大学基于2011、2015、2019 年3 年指标权重的综合得分达到36.515 5 分，位于较高得分区域。

哈尔滨工业大学2015 年申请的专利“一种消除低温对储能电池内阻测试影响的方法”获得第二十届中国专利奖优秀奖。根据专利质量评价体系，哈尔滨工业大学基于2011、2015、2019 年3 年指标权重的综合得分达到31.355 3 分，位于较高得分区域。

由此表明，本研究提出的专利质量评价体系对于筛选较高质量专利具有参考作用。

6 结论与建议

6.1 研究结论

本研究从中国高校专利创造、保护和运用的现状出发，从专利技术性、法律性和申请人主体3 个维度筛选评价指标构建高校专利质量评价体系，并以中国首批凸显知识产权综合能力的16 所示范高校及华北电力大学为例，运用熵权法确定指标权重，对其2011、2015、2019 年及3 年的知识产权质量进行评价分析，得到结论如下：

（1）目标高校2015 年专利质量综合得分均高于2011 年，高校整体专利质量在不断提高。其中，浙江大学的得分总体远高于其他高校，已经形成了一定的整体专利质量优势；东南大学在2011 年、2015 年以及3 年的排名中均位于第二，且与浙江大学的差距逐渐减小。

（2）目标高校专利质量呈现分化现象，显出专利分级评价的重要性。同时，目标高校普遍存在较高专利质量综合得分的专利数量较少的问题，对此进行改善将成为未来高校提高专利质量的重要手段。

鉴于专利发明人数据的局限性，本研究的指标信息都源自专利本身，因此在具体实践中，高校在进行自身专利质量评价时可以考虑专利发明人的研发实力和价值，或者将相关信息作为指标并入本体系，或者单独从主观角度，结合本研究提出的评价体系进行评分，确定专利综合质量。此外，本研究提出的评价体系的指标涉及时间窗口，因而为获得更准确的评估效果，应按照时间窗口的要求对专利进行评价。

6.2 思考与建议

6.2.1 开展专利分级，梳理现有专利资产

目前，中国高校普遍已经拥有了一定数量的授权专利，但由于高校专利管理人员配备不足、管理职能不明等问题，高校对自身的专利资产信息掌握度不高，甚至有些高校并不清楚专利处于授权还是放弃状态，本研究结果也明确地反映出高校专利存在两极分化的客观现象。因此，非常有必要对现有专利进行系统梳理和盘点，分门别类地制定出处置意见，这样一方面能够甩掉低质量专利的数量包袱，提高高校整体的专利质量；另一方面也可以使有限的人力更高效地投入到高质量专利的转移转化工作中。

6.2.2 普及专利导航和布局，孵育高价值专利

为深入实施创新驱动发展战略，切实提高知识产权对科技创新的引领作用，中国已探索发展出一条利用专利挖掘、专利导航、专利布局、专利预警等方式收集、加工、解读专利信息的特色道路，并制定了首个知识产权管理国际标准草案——《创新管理知识产权管理指南》，明确了专利导航作为创新管理工具的地位和作用。为切实提高专利质量，高校应积极开展研发活动类专利导航，以服务科研全流程或特定环节为基本导向，深入解构科研活动或其特定环节所面临的研发环境、研发风险、研发机遇等关键问题，为科研立项及研发活动在方向选取、风险规避、路线优化、资源配置等重要内容和环节上提供决策支撑，为研发成果的全方位、高质量保护工作保驾护航；同时，也可以帮助高校科研人员进一步理解专利的意义与价值，更主动地利用专利信息为科技创新服务。

6.2.3 探索专利申请前评估制度，着眼未来专利高质量产出

2020 年2 月，教育部、国家知识产权局、科技部联合印发《关于提升高等学校专利质量促进转化运用的若干意见》，明确提出要落实开展专利申请前评估的具体要求。专利申请前评估是欧美企业和高校在进行专利申请前的常规做法，尤其美国的信息披露系统（IDS）是高校对专利进行评估的重要手段。从美国经验看，IDS 在帮助高校筛选潜在具有转化价值的专利方面作用突出。现阶段，即使由于专利运营等环节尚未打通，造成专利申请前评估在中国也许还无法像在美国一样对专利转化起到关键作用，但却可以极大程度地帮助高校减少低质量专利，提高高校整体专利质量。高校知识产权管理部门也应从管理角度出发，探索建立专利申请前评估制度，逐步摸索具有自身特色的工作流程方案，同时避免将专利申请前评估与专利申请检索等同起来；不应仅仅着眼于专利授权率，而应以专利等科技成果只有转化才能实现创新价值、不转化是最大损失等理念为指导，前瞻性地开展管理工作。

6.2.4 把握国家知识产权示范高校建设机遇，提升高校综合竞争力

在重质量、重实施理念指导下的中国高校知识产权管理工作方兴未艾，各高校间整体差距并不显著，应深入贯彻《国家知识产权试点示范高校建设工作方案（试行）》，着力提升知识产权的高水平管理能力、高质量创造能力、高效益运用能力和高标准保护能力，更好地服务高校综合实力提升。在知识产权高质量创造能力方面，强化高校优势特色学科与产业发展深度融合，提早谋划知识产权运营策略与规划，培育高价值知识产权组合，形成与高校创新能力、技术市场前景相匹配的知识产权储备。在知识产权高效益运用能力方面，落实赋予高校知识产权管理运用自主权，完善职务发明收益分配制度，在高校优势学科领域牵头组建产业知识产权联盟，构建和运营专利池，推进知识产权打包许可和协同运用。