现在的位置:首页  >  学术讲坛   

叶广海:专利信息利用实务分享

讲座概述:

主讲人:广州奥凯信息技术有限公司咨询研究部经理、高级咨询师叶广海 时间:2016年7月9日 地点:中南财经政法大学文泓楼

    主持人:各位同学早上好,今天我们请来了广州奥凯信息技术有限公司咨询研究部经理、高级咨询师叶广海先生为我们授课。叶经理是全国专利信息司师资人才,专注于专利信息挖掘与运用,精通各种专利化检索和信息系统,擅长知识产权更新挖掘和专利信息投入,多年来为高校、科研院所和企事业代表开展专利预警、挖掘及战略研究工作,参与了多项重大课题的研究。下面有请叶广海经理为我们授课。

    叶广海:各位同学,上午好。我是叶广海,我今天非常高兴能够有机会在培训中给大家分享一些我在这几年工作中对于专利信息利用上的经验分享。作为一个知识产权服务公司,我们主要做的工作是帮企业或一些研发团队对于专利信息层面上的咨询服务,具体有哪些类型的服务呢,我稍候会通过案例分享一下这几年一些科研院所重要的研发团队,对于一些企业和单位针对目前知识产权上的需求,特别是专利层面上的需求,我们是怎么给他们提供服务的。今天的主题是专利信息的利用,我分四个部分给大家做分享。

    第一,专利大数据时代。大数据概念很久之前被提出来了,在本世纪初的时候刚刚提出来大数据时代这个概念,里面提到了一些大数据的具体要点,我今天结合专利信息和大家剖析在专利信息行业中大数据代表什么。我们在做数据挖掘的时候大数据层面吸收什么工具的辅助,从信息挖掘层面上有什么工作可以协助我们得到我们想要的效果。第二,专利信息分析的重要性。我主要擅长部分是实务上专利信息的利用。对于现在很多各种各样的专利信息,全球已经超过1亿条专利信息,其他关联信息远远不止这个数量,我们如何通过大量的专利信息分析、剖析去给我们的服务客户一些咨询效果,这就是我们比较擅长的部分。第三,专利信息应用的必要条件。专利信息量比较庞大,特别是数据的质量、数据的关联和数据的加工,我们需要有一个比较好的团队执行相应工作,我们需要一些具体优秀工具去辅助我们进行相应的专利信息挖掘工作。其中涉及到一些要件,我稍候会给大家分享。第四,案例部分。奥凯在专利信息咨询服务行业中有十多年的历史,我们积累了大量比较经典的案例。在这一部分中和大家分享一下我们在整个专利信息、利用挖掘工作中具体服务的客户经典案例。

    第一,专利的大数据时代。提到大数据,目前大家认为的是宏观的大数据,这个PPT上有两张图,都是中国的地图,左边图反映的是QQ统计的同时在线人数的地图,通过这个图可以很清晰看到在全中国不同区域同时在线的人数密集分布程度。右边一张图是1935年地理学家胡焕庸提出黑河腾冲线数据支撑,对当时中国的人口分布进行了统计。这两张图是很相似的,总体来说是对人口分布程度的统计,由此我们引出一个大数据,大数据的概念很久之前大家都已经利用它进行统计了,可能以前大家还没有一个明确的概念。到现在一些科技的进步,软件和硬件的进步,可以更加快速准确地统计一些批量数据所反映出来的趋势。这就是大数据。大数据的概念不是说抽样去做统计,而是通过一些实际的整体样本的分析,从而给出一些趋向性的指引。目前影响大数据处理或数据处理的速度主要因素就是硬件设施,目前这个技术逐渐完善,我们已经可以更快更准确地统计到一些趋向性的信息。

    这里列出了大数据的特点,四个V。一是数据量体量非常巨大,特别是互联网上的一些信息数量是非常庞大的。二是数据类型非常多样,如果要统计大数据信息,不仅要统计文本,可能还有图像、视频、音频等一系列信息。三是速度要求,要快速,因为要通过大数据分析给出趋向性的指引,这种指引可能会有时间要求,必须要在固定的时间内给出反馈,主要是要求一些算法和在硬件层面上的要求。四是价值密度比较低,在网络上可能存在各种各样的信息,在这个层面上有用的信息其实不多,真正有用的信息只是通过大数据挖掘的方式寻找出来,大部分都是没有用的数据。这是我们总结出的大数据的四个特点。

    接下来我们看一个例子,这是一个比较知名的网站对BAT百度、阿里、腾讯三家公司的大数据对比,不是他们数量上的对比,而是通过数据、技术、人才以及主要方向对三家公司进行对比。可以看出他们在数据层面上关注的方向不一样,在技术层面他们的优势也会有区别,特别是在人才层面上是非常需要特意提出来的,这三家公司对于人才的方向或重点培养都会有区别。每一个公司的主题应用方向上会有一些区别。我们主要是引入下面的概念,在14年底,福布斯发布了14年中国富豪榜,BAT三家公司已经齐齐入围中国富豪榜的前三甲,以前都是一些房地产公司,比如说王健林,13年的首富,这个信号给我们传达一个信息,目前科技领域财富增长已经超过了房地产领域的财富增长幅度,在里面涉及到大量的数据,在大数据时代数据往往会比黄金还要珍贵。

    对于专利怎么做定义呢,专利也是属于大数据各种类型的数据之一。首先,专利的申请趋势,这是我们在14年的时候统计全球专利增长态势,每年都会有一个很明显的增长速度,中国功不可没,每年以非常快的速度让整体全球专利申请数量都曾激增状态。除了数量之外,同时还要考虑数量在激增,大数据的特点,它的价值,在里面有价值的数量,到底有哪些,这就需要我们进一步去深度挖掘。专利的数据结构,我们需要对大数据做分析就必须对里面的数据特点有比较深入的了解,从专利文献来说,在座各位应该都读过专利,都看过专利信息,我们大致把数据结构分成两种,一种是属于结构化数据,就是我们可以很清晰地通过资料捕捉到相应信息,比如专利的标题,专利的摘要,专利的权利要求,专利的分类,申请人或者是专利权人的信息,这些在专利文献上有一定的格式要求或填写要求,我们把它定义为结构化数据。这种结构化数据从大数据处理或是专利信息挖掘层面上是比较容易去处理的,包括检索、分析、筛选,进行一系列的数据挖掘,它是比较容易处理的,它的数据架构是固定的。另外一种是属于非结构化数据,我们在做数据处理或者是在前期做一些数据检索的时候有比较大的难度,因为是没有太多的特征,包括专利权的信息,里面有各种各样的信息,在里面没有要求在某一个段落或者某一个地方明确写一些信息,这会让我们在做数据检索处理甚至挖掘的时候会造成一定的难度。

    专利大数据特点,我们也作了几个不同的归类,除了有一般常规大数据的特点之外,同时还有其他个性化特点。一是专利的撰写非常抽象,目前在中国很多专利质量都不是特别高,但是一些优质的专利或者是知识产权意识比较先进的公司往往会在专利撰写层面上下功夫,对于同一概念的关键词或记录特征会用不同的词语表达,这会让我们在阅读专利的时候造成一定难度,不同的申请人书写习惯不一样,导致我们在做大量数据筛选的时候会有一些难度,同一个词表达不同的意思,或者同一个技术特征,不同的申请人会有不同的表达方式。二是专利信息的公开程度。专利信息全部都是免费公开的,但是不同国家对于信息公开的程度是不一样的,这会在专利信息工具里给大家作一个展示。比如说不同的语言,可能英文大家看得懂,我们最近还在研究一个波斯语的,在希腊地区的知识产权网站,里面的信息全部是公开的,但都是波斯语,这就需要复合型的人才才看得懂,因为它是公开的,但是你看不懂。三是专利的数据加工,每个国家专利局都会对专利信息进行公开,但是有很多层次上的数据需要进一步加工才能让我们更好的利用它,到底是哪一个层面上的数据加工,比如有些数据改写,有些简单的翻译,有一些非结构化的标语,这就是数据加工。

    专利信息大家都很清楚,不仅在我这个课程上大家听说,或者是有很明确的概念,专利有至少三个属性,法律属性、技术属性、商业属性,我们在专利信息利用层面上怎么去应用它,或者是我们做一些有目的性的专利检索和分析的时候怎么去考虑这些因素,去获得一个比较客观的建议和结果,这就是专利大数据挖掘方向。从大数据技术层面来看,我们会分成几个不同的级别,第一个级别是数据级别,在数据处理层面上最基础的级别,老外把它叫纯粹的公开的数据,DATA,这种数据没有经过任何加工,也没有经过任何统计,可以在互联上搜得到,这种是公开数据,我们命名为Data。不同的挖掘层次会有不同的效果或是不同的展示方式。第二个级别就是信息,information,在现有的数据上做了一定的处理,简单的统计,比如有一万件专利,主要是分析结构化的数据,申请人有谁,时间趋势是怎么样的,有多少专利是授权的,有多少专利是有效的,这就是结构化数据分析。再往深一个层次就是知识,knowledge,这个过程是比较困难的过程,主要是通过结构化加非结构化信息分析和挖掘,从而在整体信息处理之后给出一个具体的信息,我们有时候也叫做情报结果出来了,怎么样对其进行分析,这就需要有一个过程,具体的体现方式,展示方式有可能是一些解决方案,有可能是一些核心专利挖掘,你有一万篇专利,这一万篇专利中哪些是核心专利,也有可能是一些技术功效的矩阵,或者是有一些比较高端的数据应用挖掘方法,我们命名为语意检索,也有通过大数据挖掘和处理给出一条技术发展路线。在第二个和第三个层次是比较大的跨越,要把一些基本的数据信息通过比较深入的信息分析和挖掘方法给出一些具体的结果或是一些方案。第四个阶段是智慧,是最高层次的,wisdom,通过挖掘和专利信息的应用会形成自身前瞻性的专利战略规划,形成一些比较具体的专利布局,为今后的市场运营有比较明确的指导方向,这些是最高层次的,对于整个企业和团队今后的方向性决策作用有指引。

    对于这些不同的挖掘方向也有一些办法可以协助我们去执行相应的工作,这里面就引入了专利大数据挖掘模式,对于这些数据挖掘可能会需要有一些工具,不同的地方查到的专利不一样,在数据结构上会给我们带来什么帮助。也可以自建一些自己关注的平台,通过软件的方式实现大数据的处理,还有一种比较方便的方式,通过移动端的方式可以快速拿到相应的信息,主要是专利数据快速响应的要求。这是我们在专利大数据模式挖掘上的建议。

    在大数据挖掘方向上还有一点需要大家注意的,在专利大数据层面上不仅要考虑它的数量,现在专利文献数量1亿条多,对于传统大数据来说这是一个很小的数量级,我们现在所做的专利信息挖掘层次上不仅要了解专利信息,同时还要去关注和专利相关的其他信息,专利文献怎么去体现不同层面的价值,必须要和其他信息关联起来。比如说专利反馈到的市场信息,在专利层面上的诉讼信息,专利相关的商标信息,技术标准,有一些特殊的行业可能还会出现标准,比如通信行业、化工行业中也有一些标准,里面会有一些标准必要专利,如果这篇专利已经在标准范围里面,这篇专利是不是值得我们进一步关注。还有一些非专利文献的信息等。这些不同信息的结合,我们要考虑达到不同的效果,比如法律的,主要是关注商业或市场层面上的信息,就要和专利信息和其他层面的信息相关联,在技术层面要考虑什么信息,不同挖掘的目的下所要关注的信息也有差异。

    专利大数据挖掘上的实践经验。一是专利质量研究。大家在一些学术交流的时候都会有一些了解,现在专利有那么多,里面有用的专利到底有多少,我们怎么去判断专利的价值,我们在这里面不定义为专利的价值,定义为专利的质量,通过专业大数据分析,市场层面的信息随时随地都在变动,我们现在做一个定义为专利质量的研究,这考虑到市场方面的信息没有那么多,也可以从一定数据层面上通过大数据分析给出一些可以参考的数据。专利信息是三种属性于一身,在1亿条数据中怎么找到你需要的专利,这个难度是非常高的,不仅是用专利的关键词去检索可以得到的。每一个国家专利的公开程度都不一样,有的时候只能查到一个专利号,看到专利号是没有用的,还要读里面的信息才能理解。主要是从几个不同的方面去考虑,比如专利的基本价值参数,它的可替代性,主要是针对技术方案的,还有保护强度,目标市场的价值等,这些都是我们需要去专利进行研究和考虑的内容。对于这个方面的研究,奥凯在12年的时候就已经开始做研究了,在去年3月份发布了第一期成果,在去年3月份广东中策知识产权研究院联合广州奥凯发布了《中国企业专利技术百强榜》,这个百强榜主要是针对中国企业去做大数据研究,主要是探索建立一套复合型的指标,适用于中国特色的专利技术创新能力指标体系。这里可以看到一个排名,前面包括华为、中兴、中石油都在榜单里,我们考虑的指标主要包括专利数量、专利质量、专利保护和专利应用几个方面,每个指标下面还会有一些细化的指标体系。这又是一个中国地图,反映的是在中国大陆上的企业创新密集程度,第一名是北京,有48家,差不多占一半,第二名是广东,以民营企业为主,北京很多大型企业总部都是放在北京的,在这个方面也可以很明显的看出来,在全国技术创新能力从企业层面上去评估的,北京占了差不多一半。从企业属性上,国有企业占了2/3,有66家都是国企,有34家民营企业。行业分布在炼油技术、航天航空、轨道交通、信息通信、家电,这五个行业中分布的企业比较多。这个工作奥凯还在持续和中策研究院不断做研究,今年估计会发布一个2015年的榜单,我们需要有一些求变,往后的评估会更加细化,按产业去分,在通信领域做一个榜单,在石油化工领域做一个榜单,在医药领域也做一个榜单,不同的产业通过指标研究发现其在不同行业中如果放在一个指标上去做对比可能就会出现一些参数上的差异,会有一定的误差。今年我们进一步做研究,可能还会发布一些具体行业的排行榜单,也希望大家关注一下这个信息。

    二是专利大数据挖掘的实践,对于技术发展路线的研究。通过对大量专利信息的挖掘,我们可以结合一些其他的信息给委托方或是需要去研究的方向一个很明确的指引。这个是我们给中石化下面的某一个研究院所做的具体技术领域上的技术发展路线图,这个技术发展路线图的目的是什么呢,我们首先通过一个时间轴,这是对一个竞争对手发展路线的分析,在不同的时间段会出现不同的产品,这些产品会有不同的特征,这些特征会反馈出相应的专利,在第二代产品更新的时候会针对第一代产品做一些改进,这些改进会体现在具体的专利上。第三代同样也会出现相应的信息关联,通过这种分析我们可以大胆地去做一些推测,比如第四代产品会长什么样,专利信息会在产品出来之前三到五年做好布局,这种布局的方式,也不是在近三到五年所有公开的专利全部分析一遍,可以通过技术发展路线分析推测往后产品中会做什么技术革新,会做什么改变,我们再去对应相应的专利信息,就会有比较客观的对策,下一代产品可能会有什么功能,下一代产品中相关专利会有哪些。通过信息的收集就可以很明确,如果它是我的竞争对手,我们会更进一步知道他下一步的对策是什么,如果它是我的合作伙伴,我可以知道合作过程中的风险区域,可以支撑哪一部分的技术研发,这就是技术发展路线的作用。

    技术功效矩阵图。这也是专利大数据挖掘的图形展现方式,这个图主要是要反馈什么信息呢,这个图中所有的横坐标代表现在每一篇检索结果中的专利要体现出的功能效果,纵坐标是所有专利集合实现功能效果相关的技术特征,通过这个方式,每个交集上有很多气泡,每一个气泡代表某一个技术手段要实现的功能效果、相关专利有多少,面积越大的专利就越多,这张图的意义在于,如果我们要去做专利布局了,现在要看到我做布局之前已经有谁做布局,他们的专利主要保护方向在哪里,都可以很清晰的看出来。如果在一些密集的区域我的策略是什么样,如果在一些空白区域,我今后的策略又是什么样,如果在一些竞争不是特别激烈的地方,我的机会又是在哪里,通过这种分析可以很快速地去做一个区域划分,这个地方肯定是竞争非常激烈的区域,这些地方就是技术的空白点,可以做创新,在这个地方可以做一些专利布局,而且暂时没有人想得到,这都是通过大数据方式挖掘出来的信息。

    三是专利图景。还有一个常规叫法是专利地图,这里我列了一个LED领域中的研发技术点展示结果,从图上可以看到有很多不同的关键字,这些关键字就是系统,通过对于批量专利做了数据挖掘,通过一些语意检索而提炼出的关键词,每一个大方块代表的是一个保护的技术点。这些点中还可以看到很多小细胞,这些小细胞就代表一些专利,这里面还有隐藏的参数,这些细胞的位置离中心越靠近,它的技术关联度就越高,就和关键词技术关联度越高,通过这个分析我们可以延伸出一系列专利图景。首先看第一个图,第一个图展示的是不同申请人在LED领域上的专利布局情况,这里面有五个不同的颜色,比如说蓝色的是代表一个申请人,通过分析我们可以很清晰的看到这个申请人在什么地方的技术点做了专利布局,蓝色的申请人的专利都是在外围,核心专利掌握在橘色申请人的手上,投入这个分析可以很清晰看到在一个技术领域不同技术点具有优势的是谁,在专利布局层面上的特点又是什么样的。一篇一篇专利去读也可以得到这样的效果,如果给你一万篇专利去读,我估计你会崩溃,因为根本读不出来,这个时候需要大数据处理手段快速进行响应。比如说右下方这张图更加形象,这里面分了一个技术国别,比如技术来源国,蓝色的部分是美国,大部分出现蓝色的细胞地都是集中在中心区域,一旦美国比较关注某一个领域,它的技术点大部分布局一些比较核心的专利,这就是对于大批量数据的挖掘,通过一些计算方法和高端工具能够快速实现数据挖掘,这其中包括不同挖掘目的、不同方向数据组合和关联方式,这需要一些实践经验实现不同的效果。

    第二,专利信息分析的重要性。专利信息的利用无非就是检索、筛选、分析,然后出来一个结果,这种结果往往是需要客观的,这种客观的结果有一个很重要的前提就是为什么要去分析这些专利。

    一是专利的价值。一个是对于专利权人来说它的价值,另外一个是对于它的竞争对手或是研究方,对于专利价值的研究的侧重点不一样,对于企业本身,自身的专利怎么去体现它的价值,它要保护自己的产品,或者是通过专利许可转让方式实现专利运营,实现企业盈利,这是最直观的价值体现。这个图是高通总部的专利墙,非常形象地告诉大家我有很多专利保护,已经形成了一堵墙,在我的领域中你想进来,很多时候你要听我的,这就是专利墙,而且也在物理层面上已经实现了,这里面密密麻麻的全部都是专利。高通的盈利,对于专利价值的实现除了保护自身技术之外,很大的一个方向是用作专利运营,他们本身有一个技术授权部门,技术授权部门不做生产,专利做专利许可,然后收许可费,通过这些数据可以比较明晰地看到在10年到12年的技术许可费占营收的30%以上,一些在知识产权或者是技术比较先进,在整个领域中处于垄断地位的公司不做生产,只是通过一个专利运营的方式去实现专利价值,这是最低成本、最高效的获利方式。还有IBM公司,国外通过很多年的技术积累才能做到这一步,在中国有没有相应的公司可以投入技术创新实现专利的价值呢?我们看一下这个数据,这是广东一家企业在07年到11年通过专利许可所获得的一些利益,从1000万到4000万不等,这是一家什么企业呢?邓国顺大家认识吗?U盘大家肯定知道,邓国顺就是朗科中比较元老级的创始人,也是它的CEO,他说到一句话,中国的企业要坚持技术创新就会大有作为,不想成为规则的受制者,就应成为规则的制定者。你看到U盘的创新之后可能会想这是个很简单的创新,但是偏偏因为他这个创新,每年可以从一些硬件生产商中得到上千万的专利许可费,这里面有两个条件,第一个是需要有真正的技术层面的创新,另一个方面对自己知识产权的保护非常好,他有非常超前的意识,为什么他可以拿到那么多许可费,大部分是从美国的厂商那里拿到的,他的想法一出来就在美国申请专利,朗科在美国每一篇申请都要很长时间,包括审查员自己都非常谨慎,可能这个专利的授权而导致这个行业有很大的变动,这就是一个创新结合本身很好的保护意识造就了U盘的成功。这是专利价值的体现对于企业本身来说没有复杂的想法,就是要保护自己,然后获利。对于专利信息检索和分析、利用来说,可能需要考虑的东西会更加多一些,我给专利分析一个简单的定义,数据挖掘层面上分不同的层次,如果能够把专利信息通过一个有效的加工和处理转化为专利情报,这就是专利分析的过程,什么是专利信息,现在你可以去查到,随便搜索一个关键词,查到1万条、5000条就是专利信息,这是通过检索条件反馈出来的结果,这就是专利信息。专利情报就是不要这些无序的结果,而是要知道这些结果能够给我们带来什么,比如要有产品出口,你检索出来1万条专利,你就告诉我到底有没有风险,我要去做专利无效,这些专利要无效它,你检索出来那么多,没有用,你要告诉我怎么样去无效它。这就是专利情报。这种专利情报往往有时候可能只是很短的篇幅,可能只是几页、十几页,但是分析过程很长,这是专利分析的定义。我们这里分类的也会有一些宏观的分析,比如说行业的态势分析,竞争情报的分析,还有一些专利的技术生命周期的分析,我们给宏观分析的定义是对于一些结构化的数据分析,也可以定义为统计分析。在统计分析前提下会延伸出一些更深层次的分析方法,我们叫微观分析,微观分析包括专利价值分析,技术功效分析,无效侵权分析,技术路线分析,这主要是针对专利布局策略去做的技术路线分析,还有专利的有效申请。这些分析从宏观层面上可能针对性特别强,并不是每一次去做专利分析的时候都要去做这些工作,这些都有针对性,比如产品出口,要去做风险判断,这个产品卖到美国,你告诉我有没有风险,风险来源是哪里,如果有风险要怎么办,这就是要解决的问题,这个时候要有针对性的做侵权分析。这是我们现在简单统计出来的专利分析分类。

    这里面也会出现一些难点,除了要去读懂专利技术之外,同时还要去了解它的法律属性、了解它的经济属性,其中最关键的问题是为什么要进行专利分析,这是我们整个课程中很关键的一点,我们要去利用专利信息,但是在利用之前需要想好为什么要用它,用它来干嘛。比如在专利申请之前要去做一个专利信息检索,因为我们要看一下现有的技术已经保护到什么程度了,我们要先做一个信息创新,至少是新颖性判断,你的方案出来了,可能是你自己研究的,但是你知不知道其他人已经有相应的成果,你不知道,我们在专利申请之前需要做一个检索,和我的方案有没有相似的方案。新产品研发过程中,这和企业本身的发展战略相关,我花了五年的时间研发出来一个产品,还没来得及申请专利,我一看这个专利老早就授权了,这个时候怎么办?在整个研发过程中都需要不断监控相应的知识产权风险,特别是专利。产品出口之前,不管自身有没有专利,至少我的产品出口到国外的时候要去判断一下在这个市场竞争对手在这个层面上有没有申请过专利,这些专利和产品的相关度有多大,如果我们的产品销售过去,到底有没有风险,如果有风险应该怎么办?这是大部分有出扩经验的企业需要做的工作。还有技术评价,侵权诉讼案件的时候需要做一些无效检索等等,这些具体方向我们会通过一个案例分享,大家一定要谨记,在专利分析方向很重要的就是分析的目的,我们去做检索的目的是什么,你的工作在这个层面上会有一个很明确的重点,你要考虑法律层面的,法律状态是什么样的,这篇专利到底是不是真的,它给你一个专利号,你能够查一下这篇专利到底是否存在,从法律状态上看,它是不是已经失效了,你就没有任何的保护效益,专利权属,目前的诉讼风险,有没有涉及到官司,有没有相应的商标信息,是不是属于职务发明,这些都是法律层面上需要考虑的。另外,还需要考虑经济层面、技术层面,还包括专利价值和技术关联度,在做不目的分析的时候可能关注点都不一样,比如公司并购,人才引进,产品出口等等,我们要去做专利信息挖掘的时候都要先明确一个目的。

    下面分享一个思路,这是专利信息的非常实在的利用案例,就是有效申请,什么是专利信息的有效申请呢?有一个设计人员,这个设计人员可能是科研院所中的研究者,也有可能是企业中的研发工程师,他们在做设计的时候需要考虑一个问题,就是我这个技术方案现在有没有专利,有没有现有的专利,没有专利很好,证明我这个方案是全新的,我可以随意写,我的范围可以按照我的思路不断发散。如果有专利怎么办?这可能是目前大部分发明人遇到的问题,95%以上的人都会遇到有专利的情况,这个时候应该怎么办?这是我们在专利信息利用中很关键的一点。这是一个专利产生的过程,技术人员提出一个技术方案,然后在企业层面上会交给专利工程师,如果在科研院所,可能直接和代理人沟通了,代理人把它整成一个比较规范的格式,形成一个专利申请文件,然后交给专利局,这就形成一个专利递交过程。在这个过程中是否存在一些不足?你的方案如果有现有技术怎么办,是不是还是根据原来的方案照写,这种写法会导致什么问题,可能你的新创性就没有了,比较乐观的情况可能是你和审查员纠结几次,然后他就会把你的范围改一,改得很小很小,他就会给你授权,最不好的一个情况是直接驳回,你的专利授权不了,这应该是一个最不好的结果。我们看到这个流程,在什么层面上可以做优化,把这种风险降低一点。比如说技术方案出来了之后,形成专利申请文件,递交到专利局之前先做了一个专利信息的检索,我看一下递交之前至少还没有交到官方去,看一下范围合不合适,有没有现有技术,如果有现有技术可以怎么办,这个时候可以随意修改,而不是你的东西交到专利局之后限制就很大了。是否还会有一些不足呢,这个时候你的技术方案已经出来了,对于目前来说,一些理念比较先进的研发团队或者是企业都会做这个工作,在技术人员提出一个项目立项之前就要先去做这个工作,比如要在某一个方向、某一个产品某一个功能上做改进,提出这个思路之前先做一下专利检索,要看一下自己想出来要去改进的东西是不是已经有人研究出来了,如果有人研究出来了,你是否还需要去研究,把这个过程往前提的目的就是在于尽量减少在时间和金钱上的浪费,在立项之前我们已经可以去做相应的工作,用专利和非专利文件信息都可以做到反馈,这就是专利情报服务或是专利信息的挖掘,可以嵌入到整个科研项目过程中。这就是有效申请,有效申请的意思是通过专利信息的利用能够把专利立项和专利申请阶段,把专利文献或申请文档不断完善,尽量在获得合理保护范围的前提下尽可能获得专利授权,这就是有效申请,其中最重要的工作是先了解现有技术,可能是专利文献中的,也可能是从非专利文献中获得的现有技术,通过了解现有技术再去设计方案,这就是有效申请。

    我分享一个案例,我们和很多科研团队有合作,这里展示的是深圳中科院某一个所长的专利,这里是一个简单的统计,包括专利量,发明的,实用新型的,发明的法律状态都已经做了统计,有不少专利。在数来统计之后我们给他做了一个数据信息挖掘,发现它的研究侧重点在磁共振、测量、图象处理,就是医学影像领域,CT之类的影像领域,大部分专利都放在这里。接下来我们给他做了竞争力分析,这个图里面有很多气泡,不同的气泡代表不同的专利权人,气泡越大代表专利权人的专利越多,越靠右边证明专利权人所握有的专利越重要,他在这个领域中专利实施保护越强,可能理解成技术层面上的保护实力,气泡越高,证明这家公司的整体财务信息,拥有非常雄厚的财务数据,通过这种分析我们可以很明确的看到专利在综合层面上不是最多的,但是他的技术还有比较多的价值,至少是排在中游靠前的位置。除了一家最强的公司之外,后面的方向其实差不多。我们可以做一些信息梳理,对于他来说最终目的肯定是把自己的技术转移数据,或者是实现产业化,看到这个图可以很清晰,可以寻找合作伙伴,如果卖专利,可以卖给谁,在这个层面上有什么竞争对手,可能是一些同样的研发团队,这些研发团队给他带来的在竞争层面上的威胁在哪里,通过这个图可以给他这些启示。这个是申请趋势分析,在06年的时候有一批专利申请,有6件,6件专利是一个专利族,就是一个技术方案在不同国家申请的同族,相关技术是在超声技术中检测人体流动的设备方法,也是他自身的核心技术,我们对这6件专利做了一个很简单的分析。法律状态分析,WIPO已经进入国家阶段,美国是优先权国家,指向欧洲、日本、加拿大、澳大利亚,下面这些就是法律状态,目前只有澳大利亚是授权的,还有两篇被驳回。进行信息挖掘的时候,到了这个程度还不行,还要进行深挖,被驳回的原因是什么呢?我们发现在检索报告中,审查员对这篇专利进行判断的时候会出一个检索报告,检索报告中提出一个密切相关文献,这个密切相关文献是他自己在早期发的一篇文章,隔了一两年时间,大家看到这个的时候可能会耻笑他,中国学者很多会有这种现象,目前大家的意识已经有了,已经很少会发生,这里需要强调的是我们在专利申请之前必须要做专利信息检索,除了你自己的,你还要查一下别人的,才能知道这个方案授权可能性有多大,如果跟你密切相关,你应该怎么修正你的策略,这是非常重要的。以上给大家分享的是专利信息的必要性和重要性,包括一些分享案例,专利价值和专利分析定义。如果我们需要很好的利用这些专利信息,我们需要有一些什么条件才能去做很好的利用。

    第三,专利信息利用的必要条件。我归纳为四点,一是有一个很好的时间规划,要达到什么效果,是否要判断这个是否侵权,要设置合理的工作计划,然后再这个计划中完成。二是需要有一个团队,做不同规模的检索和分析的时候需要到人,这个团队人员要求是什么样的,需要掌握一些什么知识,需要了解什么工具的使用方式。三是工具,现在专利数量很大,如果检索出来的结果都要去读,这一点可行性和可操作性都没有,必须依靠高端的数据挖掘出来高端数据和核心点。四是目的,我们要去做专利信息的挖掘,要达到一个什么效果,要实现什么目的,这是最关键的。我们每次去开展检索之前,拿到一个专利号,看一下这篇专利是讲什么的,这也是一个目的,你要去做检索的时候,这四点是必要条件。

    首先看一下时间层面,我们把整个专利信息利用预设成一个项目,这个项目就有一个过程,这里就需要有一个比较科学的项目管理方法,不同的项目工具可能不一样,在制定这些工具之后,你会设置一个计划,你的计划什么时间完成什么事情,什么事情可以并行的,比较科学的安排项目成员做相应的事情,这就是专利科学的项目管理方法,对于时间和团队项目的管理。除了专利的分析目的之外,最重要的一点就是专利信息数据资源,大家有没有上过国质局检过专利?有一些同学没有,下面可能会有一些基础的部分,比如我们要去检专利,可以从什么地方去检,包括国质局和国外的网站,对于有大量项目经验的来说,可能去评估一个数据资源的时候会从三个方面考虑,第一个是数据源,数据全不全,包括什么范围的数据,比如中国或者亚洲,这些就是数据源。另外就是数据加工,现在各个国家专利局公开的数据加工层次都很低,可能仅仅把结构化的数据补充完了,有一些更深层次的加工方式或一些加工手段,可能只有一些商业化的专利信息服务商才会对这些信息技术加工,这种加工对于我们分析来说是非常有帮助的。平台功能,这个资源上有检索功能,有分析功能,这些分析功能包括什么功能,分析上线是多少,可以分析什么东西,能否直接带来可视化的非常形象的效果图,这就是平台功能。专利信息的数据各国都是公开的,但是会存在国家的差异性,有些国家全文公开,包括法律状态,审查过程等等都会公开,比如美国、欧洲等知识产权制度起源比较早的,目前比较发达的区域,他们的信息公开是很完善的,它是英文的,至少可以看得懂。除了这些国家还爱很多国家是有困难的,包括我们中国也有困难,在以前中国一些公开出来的数据并不能通过结构化的数据很快查找出来,比如引证数据,以前中国专利是查不到引证信息的,不可能通过查到一篇专利知道被引用人是谁,不可能形成很完整的文本结构。还有的国家只显示专利号,只显示阿拉伯数字,它全部公开,但是你看不懂。数据加工,我们分成两个层次,一个是初加工,一个是深加工,粗加工就相当于国质局每年和美国商标局交换数据的时候会有英文翻译,在说明书整个专利文本上的信息全部文本结构化,可以通过一个文本做检索,这就是粗加工。什么是深加工呢?深加工就是要去对一些非结构化的信息做一个标引,做解读,更加利于检索。还可能和其他的信息关联起来,比如检索出来1万条专利,里面有多少条专利是打过官司的,和检索有关的,哪一条专利和商标关联,哪一条专利和标准关联,这就是深加工,在数据层面上的信息关联。加工的深度对于一个专利信息数据资源来说也是非常重要的评估。平台功能,很多层次上是个性化的,总体来说我们把它分成几块,专利信息的检索功能,专利信息的分析功能,数据管理功能,比如检索,可以支持很多检索,还有一些自定义,还有一些因为数据加工产生出来的制段,专利信息的分析,常规来说可能是统计分析,年份统计、申请人的统计,有一些比较高端的数据还可以有新颖性分析、侵权分析、无效检索分析等等,这些是比较高端的工具附加功能。最后是数据管理,检索历史、导出、保存,全文下载等等一系列的功能。平台评估是非常重要的指标,如果大家有机会用到这些数据都可以自己看一下有什么功能,数据全不全,检索怎么样,数据加工有没有一些国质局上没有看到的数据,这些都可以做判断。

    目前比较常用的公共专利信息资源和一些高端商业化的专利信息资源。如果大家有检索需求,都可以有意识地查找一下。公共专利信息资源,首先看一下中国的,我介绍四个,现在国内可能有很多,上百个。我主要是把平常工作比较常用的给大家做分享,包括国家知识产权局专利局网站,这个是最官方的资源,还有专利信息服务平台,这个是属于出版社的,广东省专利大数据平台,这个是奥凯和广东知识产权研究发展中心一起做的大数据平台,里面也会有一些比较特殊的功能,数据直接是国质局同步的数据。还有专利复审委网站,主要是查一些专利无效的结果和过程,也是比较不错的网站。这个是国知局官网,里面有一个专利检索专栏,里面会有专利检索系统,还有其他国家,这是今年新增的,把其他国家的数据都整合进来,可供大家检索。我主要介绍中国数据的检索,里面有一个专利检索和服务系统,这个系统使用起来需要大家注册,但是注册不收费,如果需要去利用一些分析功能就需要去注册,简单检索不需要收费,里面包括常规表格的,还有药物专题的,这是数据加工的检索功能,平常经常会有到。里面有中国的数据和国外的数据,但是国外的数据一般会滞后一到两个月左右,中国的数据应该是和官方数据同步的。还有一个是中国专利查询系统,这些系统可以在专利检索系统介绍中有相应链接。专利查询系统主要是针对申请人或是有公共查询,查询单篇专利,查询一篇专利审查过程文件,包括审查意见通知书,如果有驳回,一通二通三通,等等都可以检索到,有一点需要明确的,比较老的一些专利,我们现在做过一个搜索,发现12年之前公开的专利可能在上面都查不到过程文件,但是12年之后可以查得到,这是单篇专利审查过程文件检索工具。这个是专利信息的服务平台,中国出版社的一个工具,它的功能是五大功能板块,包括高级检索、热点专题库、法律状态检索、失效专利检索、运营信息检索,使用起来是免费的,如果要使用比较高端的功能就需要注册一个账号,这个账号可能需要出版社认证一下才能去使用里面的高端功能。今年出版社新推出了一款平台,是复合信息的,包括标准、非专利文献信息等等,简称DI,我也试用这个系统,感觉还是不错的。

    广东省专利大数据平台,这个平台是前两年我们和广东省知识产权研究发展中心一起开发出来的一个平台,里面的数据都是和官方同步的数据,而且你注册一个账号就可以永久免费使用,我们还开发了一个APP,可以在手机上实时检索,这就提升了专利检索时效性上的要求,不一定上电脑,直接通过APP也可以做专利检索。这是上面的一些功能,包括申请人的排名,技术功效的分布分析,这是我们额外开发的功能,如果有兴趣的同学可以在课后看一下。

    专利复审委员会,主要是查询有一些发生过专利无效复审的案子,都在上面有记录,所有过程文件可以在上面检索到,方便研究某一篇专利的时候检索一下无效或者是复审过程文件,里面都是一些文本格式材料,可以直接复制下来。

    下面介绍一下国外的官方资源,主要是四个,包括美国专利商标局,日本特许厅,欧洲专利局,世界知识产权组织。美国专利商标局,美国的专利制度比较早,1790年左右,18世纪的时候,这个时候存留大量的专利文献,而且改了好几次专利法,在数据结构上分好几个不同的数据库,有专利授权数据库,有专利申请公布数据库,也有专利申请信息检索数据库,还有一个专利转让数据库等等,这四个主要是和专利相关的,里面也有一些和外观设计和职务专利相关的,美国专利商标局中有一个专利检索界面,就可以进行相应的检索流程。中国对于一些网站可能有一些限制,这是国外的,可能访问的时候会有点慢,目前还是可以用的。日本特许厅,它为了方便一些不懂日文的人去登陆它的网站,它自己就开发了一个英文版,全英文的,包括日本发明专利公开文件,外观设计,实用新型,都有一些相应的信息,发明专利申请公开文献的时间是在1976年至今,都会有相应的数据,提供注入项目信息,一些英文文摘,还把一些日文的文献都翻译成英文,当然只是翻译到摘要级别,而且滞后一个月,如果说大家以后要去查日本的专利,可能上这个网站就可以得到第一手信息,官方的信息。欧洲专利局,如果大家以后做专利检索会用得比较多的网站,里面分布两个部分数据,一个是世界专利数据库,在欧专局之前把世界专利文献中心的数据都合并在里面,里面收录了世界知识产权组织和世界专利研究数据库,包括90多个国家和组织的专利数据都在上面,如果你要去搜集国外的专利数据,在这个网站上可以给你一个比较全面的反馈,而且是数据相对较新的反馈。同时还有另外一个数据,就是欧洲专利登记库,所有欧洲专利和指定的专利信息,有一批欧洲专利同族信息都可以查得到,不仅可以查到专利文献信息,还可以把所有专利审查过程文件查得到。这应该是比较常用的,目前已经开发了一个中文版,当然只是中文界面,要去检专利的时候可以在上面检索。世界知识产权组织,我们简称WIPO,在14年已经开发了中文界面,一般的专利可以在上面检索得到,当然它的数据只是收录了各成员国PCT申请专利的信息,如果没有PCT同族的就没有收录相应的信息。在上面检索到的也是最新的信息,比如PCT现在进入什么阶段,是否已经进入国家阶段,进入哪些国家,可以在上面第一时间查得到。

    以上给大家介绍的是国内和国外的资源界面和一些简单的简介。这些资源有什么特点,根据几个要点,数据收录范围,平台功能,数据加工,去判断一个数据库是否符合我们的要求。国知局有双语辞典,对于我们来说比较好用,在一些技术领域里可以实时检索,专利审查技术查询,这是唯一的出口,可以查到专利审查信息。中国知识产权网,出版社这边的信息来源,检索字段比较丰富,而且从使用习惯上也是比较适合我们做一些专利信息检索工作。广东省专利大数据平台,数据源相对较全,开发比较新的功能,专利的阅读和查询相对比较便捷。专利复审委,主要是查找无效和复审的信息的唯一渠道。国外官网的资源特点,美国专利商标局中可以查到一些美国专利的申请信息,美国专利商标局和没有其他专利局做交换,一篇美国专利从申请到授权会产生很多不同文件,只能从美国专利商标局上去检索,这是数据资源上所特有的,还有专利转让的信息,这也是里面归档得比较好的数据。日本特许厅,对于我们来说比较好的方面是有一个英文界面,能读懂,对于日本专利还做的英文文摘的翻译,这也是不错的地方。欧专局,总体来说数据覆盖范围比较广,因为是覆盖范围不只是几个国家,大部分有专利制度的国家已经有相应的数据收入,先不说全不全,至少在这些国家里,包括100多个国家里的数据都已经有收录,对于我们检索全球专利有一定帮助。WIPO,世界知识产权组织的特点是收录所有PCT申请的专利数据,我们使用它的目的性也非常明确,有PCT的时候就去重点检索,如果没有的话就不用去管,它的使用还是非常明确的。在这里面还可以有一个非常重要的信息,就是我们可以查询PCT审查阶段的一个检索报告,在里面也可以查得到,如果优先权在中国的还可以查到中文版,这是数据资源上的比较优势的地方。

    刚才介绍的是一些公共的专利信息资源,接下来我介绍两款商业化的专利信息资源,大家可以对比一下和上面的资源有什么不一样。第一个是WIPSglobal,是韩国专利局做专利审查官方使用的工具,它的数据范围是全球性的,这里面最主要的特点是检索功能非常完善,如果你仅仅只是对检索层面上的要求比较高可以很好的执行工作,包括102个国家的专利数据,从检索层面,可以提供11个国家的专利全文,这些都是可检索的,这些是数据范围。这个数据库我们定义为在检索层面上的非常专业的数据库。另外一个工具是innography,这是我们目前做咨询工作主要用到的高端专利分析工具,刚刚我从美国回来,和这家公司做了一个沟通,以后的合作和产品开发等等。这个工具是一个国际知名知识产权管理和信息化公司CPAGlobal公司的子公司,在15年被收购,在专利检索和分析上有专利强度的功能,就是专利质量评估体系,已经把它产业化了,用到工具上面了,而且已经有大量实例验证。我们还可以看到一些气泡图,文本聚类,公司对比,从检索层面上可以去做无效或者是侵权检索,语义检索,专利诉讼,异议检索,非专利文献检索,不仅包括专利数据,还有非专利文献数据,商标数据,诉讼数据,公司财务数据,标准数据等等,目前这个工具全球很多公司都在使用,中国的客户只是把华为列出来了,在国外包括美国的苹果、IBM,基本上把九个不同的领域全部囊括进去,都在使用这个工具。在数据源层面上我们去考虑,数据源除了收录专利信息,还收录公司财务信息,法律信息,包括诉讼信息,专利审查过程信息,商标信息,商标信息对于专利信息挖掘来说最大的作用是关联到产品,专利和产品有一个桥梁作用,通过商标可以找到专利,通过商标找到产品,可以联系到专利和产品之间的关系。同时还收录一些非专利文献,我们去做专利申请预检索的时候,检索的是专利,同时也检索非专利文献,通过这个方式完善自身的数据范围。这是这个工具和其他工具的区别,现在做得比较好的工具会把专利、标准、诉讼、转让商标、公司信息全部整合到数据库中,inngraphy和常规工具最大的不同之处是显示出四个C,一个是数据的结合,这个是很重要的,通过不同的分析目的,专利加标准的信息可以得到一定结果,专利加诉讼信息可以得到某一个结果,专利加转让的信息可以得到某一个结果。第二个是关联,专利和信息的关联,把所有信息自动关联起来,而不是在数据库里面查标准就是标准,查专利就是转准,而是可以通过查一个数据而知道和专利有什么关系,查到一个诉讼,可以知道和专利有什么关系。第三个是准确度,会把很多数据放进去之后进行加工,把一些错误修正,把一些专利权人的信息规整。第四个是实时性,专利信息是不断公开的,你的信息如果有滞后会导致结果有很大偏差。这四个C是inngraphy在整体数据层面和分析工具层面上和其他工具不一样的地方。这是第三个部分,主要包括一些公共专利信息数据资源,以后大家可能经常用到的,还有一些商业化的专利信息资源,这些资源可能是我们需要实现某一种具体目的的时候运用的,去对专利数据做一个分析。

    第四,案例分享。大数据的处理,为什么要做专利信息分析,在专利信息分析前提下要有什么必要条件,在满足这些条件之后我们就可以去做一些具体的专利信息挖掘和利用工作。这种利用工作最最关键之处在于目的,我们和科研团队、企业合作过程中,他们提需求,我们通过专利信息给他们一个比较客观的反馈。

    首先,石墨烯产业发展导航。大家本科可能都是学文科的,我本科是读化工的,所以我研究的东西可能和材料有关系。石墨烯产业发展导航,我先说一下背景,这个背景是有一个研发团队,中科院下面的一个研发团队他们要去研究石墨烯,对于他们来说最大的压力不是经费,最大的压力应该是方向,他们要研究哪一个方向是今后可以把技术最好转化出去的,在这个背景下我们就给他们做产业发展导航。首先看一些比较新的消息,去年10月份,华为宣布投资了石墨烯研究院,就是曼彻斯特大学的石墨烯研究院,他们是第一个发现石墨烯的实验室,华为宣布和这个研究院合作,合作方向是消费电子产品和移动通信。在这一则新闻之前还有一个新闻,就是习大大去那边进行访问,也是这个地方,访问过后华为就和他们合作了。这里面提到了通信类产品上的应用,这些是可以从新闻上得到的信息,还有是在去年的年底,中科院上海硅酸盐研究所发现这个团队和北京大学共同研制出来一个电极,有一个非常好的效果,其中用到的关键材料就是石墨烯。这篇文章还发到《科学》上,我们还做了一个检索,和它相关的专利等等。这是两个不同的应用方向,一个是通信类的,一个是储能的应用方向。石墨烯在什么时候走进大家的视野呢?在04年的时候,英国曼彻斯特大学里面的两位学者在实验室里面成功制备出了石墨烯,但是真正把这个概念炒起来的时候是在10年、11年左右,在11年的时候我们发现三星做了一款手机,叫盖乐世skin,这是一款概念手机,没有上市,只是在展会上有一些样机,整个手机是可以翻卷的,我也没有看到过真正的样机,只是在新闻上看到了报道,里面最关键的材料是依赖石墨烯的厚原子层实现翻卷的效果,可以弯曲,可以做显示,还可以正常使用。这是比较火的概念,但是三星没有量产,现在做的是曲面屏的,这种和石墨烯技术关联度不大。我们现在可以理解这只是一个概念的炒作。在12年,诺基亚拿到了欧盟十几亿美元的研究经费,主要是研究石墨烯,从研究材料中发现做的主要是可弯曲的材料研究,主要是运用在移动设备上,是真金白银投进去做研究的,我们通过专利信息的挖掘可以尝试看一下他们在这个方面有什么成果。理工男会研究一些比较根本性的东西,从化学层面上就是碳的同位素,就是碳,和钻石、煤是一样,但是会有其他不同的特性,因为结构不一样,是全世界最薄但最坚硬的纳米材料,几乎完全透明,电阻率最小的材料,可以应用在光电传感器、触摸屏、显示器、新能源电池等等,大家都在想,但是目前产业化并不多。它的应用前景是很好的,所以中科院要去研究的话可以往很多方向去研究,但是从专利角度上可以尝试挖掘一些比较符合现在产业化阶段的方向。这个是对石墨烯的分类,包括粉体、材料等等分类。首先我们先做一个宏观分析,我们还特意做了对比,在2012年的时候,一共大概有6000多件和石墨烯相关,到15年变成3万多件,四年的时间涨了5倍,可见这个材料反映在专利领域上的增长是非常恐怖的,中国石墨烯专利大概占了全球石墨烯专利的1/3,15年超过美国,成为全球第一。从产业导航上可以做对比,从制备方法,应用,大家主要看制备方法和应用层面上的面积大小,面积越大专利越多,如果一种材料或者是一种技术制备专利占多,我们可以理解它目前并没有进入规模化应用阶段,因为它只是去研究怎么生产出来,并没有研究怎么对其进行实时应用。12年的时候制备方法和应用各占一半,到了15年制备专利数量已经变少了,更多人偏向研究材料应用,可能现在规模化应用的方法已经逐渐成熟,在这个产品出来之后大家会研究怎么使用它,怎么去卖钱,从专利层面上也可以体现出来。我们再来看一下竞争对手,12年的时候三星是老大,申请的专利是最多的,专利覆盖范围也是最广的,后面还有IBM、韩国科学技术研究院,相当于中科院的角色。在15年,三星的专利还是最多,中国的中科院也出来了,还发现有一些中国的企业在石墨烯层面上申请了很多专利,同时我们甚至发现有诺基亚,12年的时候收了钱,还要做事情,到15年出现了不少专利。这是在近四年时间里一个领域中的变化,三星专利那么多,到底申请专利是干什么的?第一个是量产,它自己说要量产,但是现在还没有看到,可能这个技术还不太成熟。通过对于它的专利分析,主要是在于石墨烯片的研究,还有透明电极,应用在显示屏上的,因为透明才可以当显示屏,这两个方面的应用比较多,这是通过数据挖掘得到的结果。三星截止到15年一共1103件专利,06年开始布局,石墨烯在07年被制备出来,刚刚知道这个材料就马上开始研究,可能两年之后就有专利出来,对于一些行业中比较优秀的材料,三星的触觉非常敏锐的,而且它的成果出来也是很迅速的,从三星对专利的申请可以看出来他对这个领域的重视。接下来是IBM,IBM主要是在集成电路上,和三星是不同的方向,主要是用在CPU和芯片上,这是另外一个应用方向。还有韩国科学技术研究院,纯研究为主的,和中科院的性质差不多,和三星的关系非常密切,比如说一些技术可能会直接转移给三星。这个是中科院体系的分布,中科院有80多个不同的研究所,在石墨烯研究方面有很多,我们把前面五家都列举出来,专利也不少,整个中科院体系有700多个专利体系申请,包括制备方法和电机材料等等一些分类,都做了梳理,主要发现中科院不同研究所的方向比较发散,没有明确的研究方向,可能学者觉得这个有用就研究一下,出来一些专利,往后的运营和公司无法相比。这个是研究时间,是07年的时候有专利产生,和三星差不太多时间,但是因为研究力量相对分散,没有一个比较统一的或者是规划性的战略,所以他们出来的专利数量上差不多,但是具体的应用方向体现不出来,很难体现出研究的特点。对于储能的分析,它在储能上的研究很多,无论是在文献还是以后的发展方向,储能也是非常热门的研究课题。我们接下来再看一下中科院的专利那么多,里面有没有一些比较好的专利呢?一些好的技术呢?我们也可以挖掘出来,通过一些工具把比较核心的高强度的专利挖掘出来,我们发现这里面有一个制备专利,上海应外物理研究所有一个制备专利,12年公开的,是比较新的专利,在技术分类上属于制备技术。对于石墨烯的改性的,石墨烯改性之后做的一个制备技术,这种已经不能叫石墨烯了,可能是改性的石墨烯片,应用方法在其他领域,专利性也非常高。华为和国外高校合作,为什么它不和中科院合作呢?这个问题大家要思考一下,我们刚才分析下来,中科院每个研究所下面的方向可能都是发散的,也没有太明确的目标,所以华为在选择合作对象的时候可能去找援引者,就找到这家大学合作,是不是华为在合作之前一点动作都没有呢?其实不是,它在11年就有专利申请,而且和实践相关,而且国外的布局和国内还要多,这些商业化公司需要考虑的东西可能和纯研发的角度不一样,每一步都会先做好各种各样的准备工作,这个合作肯定不会心血来潮一下子下决定,在五年之前华为已经有专利申请了,在09年、10年的时候已经投入研发了,在15年的时候才曝露出合作意向。这就是我们分析一家公司在某一个技术领域中怎么重视,历程是怎么样的,通过专利分析也可以得到相应的结果。

    我们对于华为的一些专利进行剖析,一些专利和一些高校合作,它找到高校,先把一些成果高校,再转过去,有散热器、纤维、储能、导热器件等等,他在15年和曼彻斯特大学合作会有什么专利产出呢,我们可以持续对它进行跟踪。除了华为之外,三星、诺基亚都是长期去做这种研究的,他们在近年有一些什么威胁性的专利或是创新专利呢,我们通过数据挖掘找出来一些比较有趣的专利。这个是三星在13年授权的专利,名字叫做石墨烯片及其制备方法,这个名称很简单,我们在摘要里看到一个信息,提供经济的大面积的制备石墨烯的方法,这是一个信号,有可能它已经有比较成熟的工艺可以规模化生产石墨烯片,而且在中国申请了专利,这里面的信息可以有很多内容挖掘,它在中国申请了专利,而且也授权了,还是制备的专利,如果以后的生产厂家生产石墨烯片过程中和它的技术是相关的,就会有一个侵权风险,甚至包括中科院,它可能很早研究,它的制备技术和三星的制备技术有多大的相似性,这需要进一步对比才能得到结果。16年1月,三星在中国石墨烯相关专利已经有63件,包括制备的,应用的专利,还有很多都在审查中。这可能是一个非常完善的专利布局,这种布局到某一个程度上就需要对它进行深入分析。

    诺基亚比较有趣,它收了13.5亿美元研究基于石墨烯的器件制备,通过这个制备可以使手机的移动设备物理性能更加突出,虽然现在都不用诺基亚的手机了,但是大家知道它很耐摔,如果把这个性能加进去,可能更加耐摔。它也做了一个光子传感,用在摄像头上,利用石墨烯的材料之后,光子传感可以在更加小的空间里实现同样的图像展示效果,我们摄像头的体积可能更笑了,需要2000万象素,摄像头很大很厚,现在通过融入石墨烯材料就可以实现摄像头不再是制约手机厚度的因素。中科院苏州纳米所,在生物医药方面利用仿三维神经支架的材料,主要是利用石墨烯物理性能的。这个是浙江大学的一个研究,他们研究的是碳海绵,碳海绵的研究方向也非常好,是用于海洋原油泄露的处理,相当于选择性的麻布,可以吸收海水上漂浮的原油,但是不吸水,密度比海水低,放上去可以浮在海面,可以不断的吸油,饱和了之后,像麻布一拧,油就出来了,这个是专利上展示出来的美好愿景,在制备工艺上存在一些突破口,还没有做到这一点,但这个产品还是有很好的应用方向。我们给整个产业导航做了梳理,包括不同的申请人在不同石墨烯制备和应用上的专利布局态势,背后每一个申请人在不同方向上的专利都已经筛选出来,无论是中科院还是其他的,包括华为,如果要想看到这个就可以马上把所有的数据列出来,如果要做薄膜制备,里面相应的专利有谁在研究,专利在哪里,全部可以快速响应出来,现在我们需要做一个产业导航,并且服务一个科研团队。

    第二个案例,这是来源于一个广东的客户,广东一家生产空调的企业的需求,他们要做智能家居,智能家居是目前比较热门的行业和概念,通过智能家居可以实现智能管理,包括家里的大门、电视、热水器、冰箱等等全部通过一体化方式管理,比如你要回家,它先帮你烧水,如果到门前,看到是主人回来就自动开门,就不用钥匙了,这就是智能家居的概念。实现智能家居有三大核心技术,其中一个技术是信息安全,安全技术。刚才说的功能那么美好,万一被人家破解了,人家就可以随时进入你家里了,就很危险,最难的地方是怎么突破安全性问题,这是这家企业现在要解决的问题,现在社会上不是没有这种技术,但是如果要去做好这个技术可能要去运用这个技术的时候有没有风险,现在技术到底成不成熟,是否可以引进,引进谁的,这些都是现在在真正实施智能家居项目之前需要了解的东西,我们刚好做了相应的工作。

    智能家居有一个具体的概念,其中一个最关键的技术是信息安全技术,对于信息安全就是一个加密技术的处理,主要对称加密技术和非对称加密技术,这很专业,通过和专家沟通,现在发现从安全性上非对称加密进行是比较好的技术,三种非对称加密技术中有ECC技术,椭圆曲线加密技术,目前发展前景比较好的方向,我们在做工作之后可以把方向给引入了,我们现在主要研究的是椭圆曲线加密技术给我们带来的在专利层面上能够给企业的信息。首先上面是一些宏观的分析,包括2000多件专利,全球的专利申请趋势,中国的专利申请趋势,全球的布局,竞争对手发现有黑莓、三星、松下等,他们都是研究安全算法的公司,黑莓是最强的。在中国竞争力分析中发现大部分是国外的企业在中国做布局,唯一进入的是中兴通信,还有其他一些高校,纯粹做研究的,没有太多的产业化的趋势。对于一些主要申请人做的对比,包括一些专利强度,拥有的核心专利比例,通过这个分析黑莓占了很多,这个是一些专利权人的各个参数分析,包括一些专利寿命,维持年份、诉讼的分析,去做不同申请人在某一个领域中的强度分析。通过这样的分析也能够发现黑莓在这个行业中的专利实力非常强劲。在2000多个专利中有没有一些核心专利,我们通过专家筛选,专利强度方式,把一些核心专利筛选出来,通过筛选发现30%的专利都在黑莓手上,为什么黑莓有那么多专利呢,在09年的时候收购了一家专门研究ECC安全算法的公司,它就拥有了这项技术,而且这个技术非常严密。除了发现在核心专利层面上的黑莓垄断地位之外,我们还发现一家公司高智发明,是知识产权运营领域中比较知名的非专利实施主体,主要工作是要去挖掘行业中比较有价值的专利,然后买过来,再去找和这些专利相关的公司,你生产的技术侵权了专利,我要许可给你,就要收钱,这非专利实体。在国内也有一些不好的叫法,比如“专利流氓”,如果一个行业中出现了高智公司可能就要去加大关注力,如果是企业和企业之间的竞争,他们可能有很多种方式,比如市场占领,不到最后一个阶段也不会用专利诉讼,如果出现NPE,获利唯一的方式就是你侵权,然后它许可给你,所以你最容易被这些公司去告,出现一些法律纠纷,一个领域中一旦出现NPE的专利权人,你就需要对它警惕起来。中国的核心专利有四件,两件是黑莓的,两件是中兴通信的,有算法改进,也有算法运用的。这个是从黑莓中挖掘出的一篇比较核心的专利,这些是基本参数,同族的很多,美国、德国、日本、欧洲、加拿大等等,但是有一个好消息是至少还没有中国。接下来会对这篇专利做比较深入的分析,第一个是引证分析,这可以给我们带来一些效果,首先我解释一下这张图,核心专利是这个专利,一个点就是一个专利,这个专利公开之后后面有很多点,这些点是专利公开之后其他专利引用它的情况,就相当于我要借鉴你,专利技术跟你是相关的,图中按不同的颜色代表不同的申请人,第一个是黑莓自身专利布局,一篇核心专利中有15篇左右的相关专利在后面做布局,这些布局和算法、应用、密钥共享相关的,除了黑莓自身引用之外,还有其他的竞争对手,比如松下在一些装置上也做了专利布局,索尼在信息在信息传输接收装置上也做了布局,甲骨文也是这个方面的有力竞争对手,在算法应用、芯片装置上也做了大量专利布局。通过一个核心专利的分析,不仅是可以看到其他人对于它的重视程度,同时也可以看到专利权人本身对于核心专利的布局情况。黑莓公司是一个非常重要的申请人,至少在这个行业里是有一个垄断地位,如果说这家公司需要在中国做算法,去实现智能家居,至少要去了解在中国市场实施的风险技术在哪里,所以要把中国市场的风险筛选出来,一共有七篇专利,这些专利都需要密切关注。还要了解现在的风险问题,这些风险主要来源于哪里,我们要去分析一下诉讼,现在一共有四个专利涉及到诉讼,这些诉讼有两个,一个是黑莓收购的这家公司控诉索尼,还有就是另外一家公司去告visa,这两个诉讼现在已经结束了,还有两起诉讼非常关键,在14年的时候高智发明去告花旗公司,拿到专利去找一些有可能侵权的对象,然后去告他们,不是让他们不用这个技术,可能是判定侵权之后许可给你,然后收许可费,高智发明已经在做一些工作了,这也是风险的预示和警钟。整个领域中专利权的转移情况,通过专利权的流向可以很清晰的看到谁比较关注这个专利和关注这个行业,黑莓在一个公司收购过程中进了200多个专利,高智发明从不同申请人那里不断买进专利,这是比较危险的信号。这个是高智发明现有专利的地域分布,美国为主,还有一些在欧洲地区,还有日本、韩国,但是还没有中国,中国对于它的监控比较严密,轻易不让这边的专利前人卖专利给他们,我们还没有发现他们买到中国的专利。

    标准必要专利,既然这些涉及到一些算法,肯定会有一些标准,这些标准我们的客户必须要去利用的,如果一旦利用就会考虑到这个标准和谁相关,在标准层面上用到人家的标准可能要交费给人家,这些标准和什么专利是相关的呢。从2000多件专利是发现6件专利和标准相关,就是标准必要专利。这些标准也是有分类的,专利权人,黑莓收购的这家公司占一半,有一篇专利是摩托摩拉的,有一篇是IBM的,还有一篇是高效的,这些都是标准必要专利。有些和数据接口标准相关,还有一些和顶层算法标准相关,如果我们要去实施这些专利或者是要实施这个技术,你要考虑的就是算法侵权风险,还有标准有可能交一些使用费,这些使用费和谁相关,哪些专利在里面,我们可以做深入挖掘。最后我们给这家企业一些建议,包括整个技术层面上的优势、劣势分析,还有以后的发展建议,以及特别关注的黑莓公司在整个领域里都是很强劲的竞争对手。

    以上是基于产业导航或者是对于一些企业的实际需求,接下来还有两个案例,这些可能就更加具体,一个是专利无效案,专利就是一个程序的过程,我们怎么通过信息利用达到专利无效的效果。这是一个背景,磷酸铁锂是新能源汽车中很重要的正极材料,在03年的时候加拿大这家公司已经在中国有一个授权磷酸铁锂材料制备专利,已经被授权了,虽然国家大力提倡研发新能源汽车,去做锂电池研究,这篇专利的授权是一个很大的问题,这篇专利授权要求有120多项,属于圈子型的专利,03年的时候谁知道锂电池的发展会有那么迅速。如果中国的锂电池产业要发展,这个专利会是很大的障碍,在10年的时候国家锂电池行业协会组织了一系列相应厂家对这个专利做了无效请求,在11年5月复审委对这篇专利做了无效决定,宣布这篇专利全部无效。这里面就涉及到一个问题,其中提到了很多证据,这些证据怎么找出来的?我们和很多企业都有比较深入的沟通,他们IP部门很大部分的工作是无效的数据检索,在和他们沟通过程中他们会和我们说这个过程很痛苦,有一篇专利,要去查它的同族,引证信息,背景文献,把所有提到的相关文献全部都读一遍,然后再去筛选找出来,然后还要判断这个证据对权一有用,还是对权二有用,一篇一篇对比,这个专利有125篇权利要求,要找十几个企业,很多专家不断去读,才能找到比较合理的无效掉的证据,它的权利要求要16页,要通读所有权利要求下相关的专利,才能找到无效证据。怎么去找呢?无效证据查找可以从引证文献入手,这篇专利引用什么现有技术,可以通过同族去找,现有无效的是中国同族,有美国的同族、欧洲的同族,还有WIPO的同族,可以看一下在不同国家的同族申请下有没有参考文献。如果我们知道答案的前提下,去找无效对比文献是可以很快找出来的,从美国同族里面的其中一个参考文献中找出来的,逆向去找很容易,正向大海捞针地去找会花很多时间,这里面有比较好的数据处理方法能够帮助我们快速找到呢。有专业的信息工具有无效检索功能,我们把这个专利放进去,会反映出来一个专利清单,是工具认为可以作为无效证据的材料,我们就把专利输入进去,在比较靠前的位置找到这篇专利。在这个过程中,出来一个清单之后还要要去读,从工作效率层面上去看可以节省前面寻找的过程,这个清单出来之后还可以不断做筛选,阅读,这个工作量还是很大的。但是有些现在比较先进的数据处理方法可以快速帮助我们找到相应的专利,这是一个比较好的信息。

    现在一个比较热门的算法是语义检索,很多常见的搜索引擎都用了语义检索,包括谷歌、必应、搜狗等等,现在提出能不能把语义检索用于专利检索,以前我们检索专利要是检索式的,如果用语义检索就可以把一段话输入进去,一个技术方案输入进去就可以反馈给我和这个技术方案相似的技术,这需要计算机的阅读能力比较强,有比较成熟的算法才能实现相应的效果。这种应用如果技术成熟也可以用于无效检索,对一个专利做语义检索,也可以查到相应的专利,大数据层面上数据处理技术越来越先进,我们有很多前期的数据筛选阅读工作可以依靠计算机帮助我们完成,现在随着技术越来越成熟,效果越来越好,这对于今后数据挖掘的时效性会有很大的提高,包括侵权检索、无效检索。

    我们分享一个产品出口风险预警。这是我们服务的一个世纪案例,这是一个验钞机产品,已经发生很多年了,在12年的时候我们去广东省中山市做专利信息交流会,那边很多中小企业,但是讲完这个信息之后,那个时候并不是所有企业都重视这个,在讲完之后有一个小公司找到我们领导,他过来问说专利信息那么重要,我现在有一个问题,我是做验钞机的,我的产品现在卖到美国了,卖得很不错,我在那边的市场占有率可能是1%左右。现在他打算扩大宣传,把销售量放大一下,看能不能做到?他听完我们的课程之后感到有一些风险,他说他们的产品技术来源于美国,就是把他们的机器买过来拆开,没有专利,他就说能不能在决策制定之前先做一下工作,判断一下风险有多高,有没有一些合理建议让我们决定下一步应该怎么走。这是很多中小企业或者是出口的中小企业面临的问题,以前可能是破产倒闭一下,再贴一个牌继续卖,现在品牌很重要。现在他们比较关注这一点,我们对验钞机产品美国市场做了风险判断。这家公司是cumminsallison,在全球验钞机行业中的垄断者,它的新闻也非常火,在美国本土市场有2大战役都宣布成功,而且非常大的胜利,它把两个国外竞争对手全部打掉,包括日本一家公司要支付20多亿日元和解金,而且禁止在美国销售相应产品,对韩国这家公司更加严重的惩罚,对进入美国市场永久性禁令,还有要对损失的3倍赔偿。我们了解到这家公司的背景,我们知道风景还是很大的,这家公司对知识产权保护的方式都倾向于专利诉讼,而且都是赢的,这个风险很大,我们还是继续做相应的工作。我们统计这个公司的诉讼情况,有23起诉讼,20起作为原告,3起作为被告,这个是它作为原告的时候的被告统计,在新闻里面我们可以看到两家公司已经榜上有名,而且占了很大比例。既然做诉讼,肯定有一些专利相关的共性,有没有它一直提出来觉得侵权的专利,通过这个方式寻找一些专利。这篇专利是大部分诉讼特别是在市场上影响比较大的两家企业诉讼过程中作为专利武器实施诉讼的,主要内容是观感技术实现面额分辨功能。我们看一下这个专利,这个专利在系统中的强度很高,有30多个同族,权利要求超过100项,引证专利文献有100多篇,被引证次数超过140多次,诉讼5起,这篇专利我们可以定义为康明斯公司保护知识产权的专利武器,用来攻击它的竞争对手的。我们继续深读这篇专利,它的作用是通过遥感反射光学传感技术实现不同面额的快速分辨,比如把一沓钱放进去可以分辨出不同面额的钱,这是这个专利要达到的效果。我们看一下比较具体的和效果性非常明显的点,对于这篇核心专利,康明斯公司不单单引用了自己以前的技术,在后期做了大量专利的布局,高度代表不的应用方向,同一个水平线的就是在这个技术层面下不断做改进然后申请专利的,它对于这个专利的布局是非常严密的,在技术改进上密密麻麻,一年申请了很多件专利,在应用方向上也做了大量的专利申报,我们把这些专利筛选出来,总体分成对于技术要点的改进细分上有一批专利,对于技术应用扩展层面上也有一批专利,技术要点细分市场的专利就是这些,技术应用扩展就是这些,除了运用在验钞机上还可以用在其他产品上,全部列出来,它的布局是非常有侵略性的布局。针对它的核心技术我们做了一个美国专利的检索,我们发现它是一个很大的竞争对手,风险很高,在美国市场有谁可以跟它形成竞争关系,跟它字一定的竞争,我们检索美国的有效专利,发现康明斯公司就是一个垄断者,是绝对的垄断者,它的被告已经被它打败了,在美国也申请了很多专利,但是在诉讼战场上最终输了。到这里我们基本可以得到一个模糊的结论,如果它的产品真的要做侵权判定,它的风险是很高的,就是因为专利质量和市场占有,它都领先竞争对手,在光学传感领域中一共46件美国专利中有36件都是康明斯公司的,这是一个绝对的技术垄断,这家公司的产品卖过去,如果是完全跟它技术相似的,你的侵权可能性非常高,而且除了跟它妥协之外,找不到其他的合作者跟它抗命。到这个程度,我们给这家公司的建议是你的风险非常高,我们不建议你去扩大出口量,对于康明斯来说肯定知道你,但是你只是占1%,它不会管你,不会动它的根本利益,它占有高端市场,如果你想在这个市场上获得更高的占有率,你会被它打上标签,以后会成为重点打击的对象。到这个时候,我们和这家企业的合作差不多,但是我们后来还做了预警跟踪,这个这么重要的专利最后到底怎么样,我们做了法律预警,看看到底有没有什么变化。某一天我们发现这个专利真正收到一个预警,这篇专利失效了,当时我很吃惊,为什么它失效了呢?它是核心专利,这个专利权人肯定会对它有很严密的保护,很重视的。我查了一下,从欧专局层面上来看是被它的一个竞争对手提了一个再审查,美国程序中的复审程序,复审结果是有部分权利要求被取消,我们推测因为这个复审过程结果出来,有一部分选择要求被取消了之后,康明斯公司主动放弃这篇专利,是因为自己没有交年费,他不是忘记了,是觉得已经对它没有意义了,这篇专利的一些权利要求被取消之后,这篇专利已经没有意义了,它不要了。到这个时候是不是没有这篇专利了,在这个市场上就没有风险呢?这是一个很美好的愿景,但事实上不是的。刚才我们发现在那篇专利后面布局了很多专利,密密麻麻五六十篇专利,相当于一篇核心专利失效之后还有很多专利相关,在11年的时候又推出一款新技术是作为换代产品,老的技术不要了,对老的技术修改更新创新之后推出新的产品,这些新的产品保护在我们刚才分析的光学传感技术上的专利,它的发明点就在上面体现出来。这篇专利失效了没有关系,新一代的产品还是有持续的保护,这些就是一个市场垄断方在资本市场上对知识产权的保护意识,要写那么多专利去保护的费用是很昂贵的,如果一起诉讼赢了之后,它得到的利益肯定比成本多。同时还有一个启发,我们的核心专利在新产品公布之前是可以作为一个技术预测的,公司的产品推出肯定是先做专利布局,如果作为竞争对手,我能够很好的利用这些专利信息,可以在产品出来之前有一个推测,它的新产品和什么专利相关,可能有什么功能,这就是在案例上给大家的启示。后期技术应用,我们把截图提供给客户,如果要山寨也会有一个明确的目标,可以不写专利。

    小结。今天的主题是专利信息的利用,今天和大家分享了很多实际案例,随着大数据时代的来临,对于专利信息的挖掘程度会越来越深,这里面会涉及到对于数据质量的要求越来越高,常规的数据库结构化的文本可能已经不能满足我们的数据挖掘要求,可能后面还需要进一步的更深层次的数据加工。对于一些深度的专利信息的挖掘,需要依赖一些高端的分析工具,这种分析工具无论是从分析功能还是数据收录范围来说,都是非常关键的功能,对于我们来说都很重要。有效利用专利信息,通过案例分享可以了解到,无论是从企业的科研创新,还是产品开发,前期、中期和后期,以及风险预警等,企业研发和今后的战略决策如果能够很好的利用这些技术会是非常有用的信息支撑。

    这个是我们奥凯的具体情况,奥凯在2000年成立的,总部在广州,一直做专利信息服务工作,到现在有16年的时间,一直去做专利信息服务工作,员工超过120位,大部分是咨询级别,给客户做一些信息咨询工作。目前公司主要覆盖北京、上海、苏州、惠州等地超过11个分支机构,今年准备在南京和南宁、西安等地注册新的子公司,目前我们主要客户都是覆盖早年在知识产权行业做得比较好的企业,包括一些出口型的药企,还有在知识产权领域中非常重视的,比如华为,商用大飞机,核电,中石化集团等等,一些比较大型的在知识产权规模上比较重视的大型国企和民企目前都是我们的客户。这是去年比较大的事件,吴汉东教授和奥凯去年共同成立了一个广东中策研究院,目前已经成立了一年多的时间,不断为国家政策顶层添砖加瓦,这是我们觉得非常自豪的地方。今天给大家分享的内容就到这里,谢谢大家!

   

相关文章:


鄂ICP备05008429号
Copyright? 2004-2010 iprcn.com All rights reserved. 中国知识产权研究网 版权所有
联系电话:027-88386157