从专利制度建立之初,专利质量及价值这两项概念就已经存在。然而,却似乎从未满足协助专利权人管理其专利组合的真正需求。于此同时,随专利申请数量逐年成长,也为专利权人更多困扰。如要解决这个问题,整体传统的专利评量方法或许都需要重新思考。在此之前,让我们先透过本文检视现行的方法及其脉络背景。
建立专利制度的终极目标,在于促进经济成长和技术发展,使发明人能透过与社会分享其智慧结晶获得相应回报。
数十年来,随着科技和全球经济发展突飞猛进,专利申请数量大幅增加。世界知识产权组织(World Intellectual Property Organization)发布的统计数据也同样反映了相同趋势:
2003-2017 专利合作条约 (Patent Cooperation Treaty,PCT) 申请
来源:WIPO 数据库
海量的发明与创新藉由专利制度公诸于世,直接、间接促进产官学研间技术交流,对人类技术发展带来相当助益。另一方面,权利人行使专利排他权所带来日渐频繁的专利纷争及其因应作业,也逐渐融入了产业与学研的日常技术研发与事业发展。从专利数据获取同业新技术发展、管理商业风险及支持专利资产运营,也随其重要性而逐渐成为显学之一。但随全球专利申请快速成长,分散于各国专利局的海量化专利数据,也成为了存取、汇整和应用专利数据的挑战。
随信息和互联网技术发展,也为此停滞不前的局面带来曙光。1990年代,除各国专利局的官方数据库,整合各国专利数据的线上数据库首次出现。最初的整合专利数据库,尽将专利数据集中存储,尚未发展出可供深入分析的深度数据,且数据品质概念尚未普及和广泛应用,只能满足专利从业人员及研发人员的基本检索需求。对专利数据的分析,受限于信息技术及数据的完备程度,则仅止步于对专利著录项数据的计量分析。

来源: IPWatchdog.com
这样的分析方法是基于「专利生而平等」的假设,但随专利纷争、交易等相关商业活动的逐年活跃,「专利生而不平等」逐渐成为所有从业人员的共识。对专利数据计量分析的可信度与有用度也逐渐受到挑战。
当前的专利从业人员已逐渐对此数量迷思形成共识:维持大量专利也不一定能为专利权人创造更高价值,单凭专利数量统计,也无法有效反映专利组合的价值。事实上,绝大多数的专利自授权起即沦于备而不用、束之高阁,直到遭放弃、失效或过期,并没有积极用于价值创造。而专利申请数量的增加,也未必表示有这些创新成果具备足以通过来自第三方挑战甚至专利局审查的新颖性和进步性。
因此,当现行的专利计量分析建立于「专利生而平等」的错误假设,使得分析数据背后充斥着专利质量、价值良莠不齐现象,持续给予分析人员「数量即价值」的错误印象,将无可避免的引导专利从业人员可能做出偏离实际情况的见解。
有鉴于此,专利评量,特别在于「识别优质专利」,已成为专利从业人员面对海量数据的共同课题。
专利评量的三大基础:质量、价值及价格
在深入探讨专利资产的评量方法前,让我们首先厘清有关专利评量的三大基本概念,以及专利从业人员多年来如何应用来「识别优质专利」。
专利质量
专利质量的概念与各国专利法中规范的专利权及专利权实施要件息息相关。以美国专利为例,则主要在于《美国专利法》(United States Code 35)规范的专利要件,特别在于第101条(适格性)、102条(新颖性)、103条(创造性)及112条(明确性)。对一般专利从业人员而言,如权利要求保护的发明具备适格性、新颖性、创造性,且范围明确并受到说明书的充分支持,即可视为具有基本(或最低限度)的质量保证。
真正于诉讼实务中可据以执行权利(enforceable)的优质专利则须进一步包含精心撰写的权利要求以及可充分支持的说明书,除确保字词精确及逻辑正确外,并须在扩展权利范围以降低回避设计 (design-around)可能性,以及克服先前技术使其可专利姓难以挑战间取得平衡。
同时,尽管专利从业人员对于专利质量的定义略有所不同,但一般公认专利质量是专利价值与价格的基础。专利需要一定程度的质量保证,始有评量专利价值与价格的意义。
专利价值
专利的排它权确保其在未经许可而实施的情况下,专利权人可向法院提出侵权诉讼。专利交易即是建立在对于专利执行制度(enforcement)的信心之上,包括专利买卖、许可及质押等。而对专利透过交易活动产生获利的预期,则一般视为专利资产的商业或货币价值。
此处必须指出,无论专利是否具备详实的研究论证、精心撰写的说明书,即便符合所有可专利性要求,并非所有的专利皆具有商业价值,特别在于那些已过时的发明成果,或并非符合市场需求而仅出于发明人个人兴趣而产出的晦涩成果。
对专利价值的评量,无论其是藉由执行、交易或其他商业活动实现,一般都会考量发明的商业可行性、市场条件及产业定位。
同时,对专利权人管理可据以管理其专利资产而言,例如决定是否维持、活化或放弃专利资产时,专利价值的评量不一定需要具体的金额、数字,只需能反映专利产生潜在财务报酬的可能性与大小即可支持相关决策。
专利价格
任何涉及价值交换的商业活动,双方都必须决定具体的货币价值,在以专利为标的的活动中,此具体的数字就是价格。
专利价格一般透过议价产生,并以各方对相关专利的价值认知为准。一般专利价格的产生,首先基于专利的质量-包括有效性和可执行性-判断是否满足作为资产的最低要求,各方再依照对于商业可行性、市场等假设透过议价得出对价格的共识;如涉及专利诉讼的损害赔偿,则进一步透过诉讼程序决定价格。
尽管专利从业人员针对前述质量、价值与价格或有不同的评量方法,一般皆同意专利质量、价值和价格为各自独立的概念,且彼此之间密切相关。

传统评量方法及当前面临的挑战
专利价格和其评量模型的发展,最初目的是出于会计与财务入账及报告管理的需求,是为符合一般公认会计原则(Generally Accepted Accounting Principles,GAAP)和国际财务报导准则(International Financial Reporting Standards,IFRS)而发展,并沿用于专利资产管理和交易相关的决策与实务。
在传统的专利资产管理和交易实务中,多由利益关系人(包括技术专家/发明人、市场或经济专家、专利代理人等)依据其知识、经验及当下的具体条件做出分属市场、技术及专利实务的专业判断,然后综合考量并提出价格数字。
高度仰赖专业人员的评量流程往往旷日废时,且天生具备难以克服的成本问题。传统上,专利评量仅能以个案方式实施,并只用于评量涉及特定决策的少数专利。
为了提升专利评量的速度,研究人员及专利从业者模拟专利人员使用的评量方法开发相应的演算法,试图透过计算机技术使专利评量能普遍应用,例如CHI Research在1990年代的研究成果。这些专利评量的研究可能出于对不同用途的需求,例如专利资产管理、专利交易和专利数据分析等。
发展至今,许多专利数据及分析服务供应商,依据本身对专利质量、价值及价格的各自理解来发展独特的评量指标,包括由各种相关基本假设和关键参数所组成的「秘方」。但这类由类似方法论所产出的不同指标,和其他早期的研究一样难以克服当前面临的挑战。
主要问题在于:这些传统指标多是以各式经验法则将不同参数以复杂比例加权而成,多只有模糊的描述而缺乏明确定义,导致其评量结果难以解读、运用,因为其用户在具体使用特定专利评量上,往往无法连结评量结果的好坏和其造成的原因,更遑论探讨这些指标能否确切反映专利的质量与价值。最终,这些传统指标对于用户往往只有一个模糊概念和数值,难以判读和运用,用户需要通过了解指标所使用的参数、权重或算法等「配方」,透过用户自身的经验理解指标评量结果好坏所代表的意义及其成因。
然而,多数研究者及从业人员并不愿意公开所谓的「配方」。理由毫不意外,这些「配方」是研究者及从业人员耗费资源产出的商业机密。另一方面,即使研究者及从业人员公开其「配方」,这类依照特定经验知识汇总多项参数的传统指标仍然会因为缺乏单一明确的定义,导致用户因其不同背景、经历依据做出不一致的判读,导致接受信息的最终用户「误入歧途」。
有鉴于此,相较于汇总参数作为指标的评量方法,部分专利数据提供商及从业者则倾向直接使用简单、明确的参数,例如向前引证(forward-citation)或同族专利数量等进行评量。然而,因为专利质量与价值难用单一参数概括,用户仍必须自行判断与汇总各项参数的关联性和权重,更有什者,需要将参数下载于系统外线下自行评量。可想而知,最终仍回到逐案评量的无效率作法。
更明确定义且实用的专利评量方法
随着海量数据和机器学习技术兴起,如今已可透过数据建模等方法,来预测特定趋势。当然,专利数据也不例外。
只要提供足够信息,使机器学习得以撷取可利用的专利数据,就能对专利进行评量。目前已有研究人员和专利数据服务供应商尝试运用机器学习技术,设法找出对专利进行评量,包括影响力或其他指标。然而产出的指标不仅未能反映专利质量、价值等基础概念,还有所混淆,甚至完全忽略了专利质量。
为了因应此悬而未解的专利评量问题,孚创云端开发出更明确定义且实用的方法论,提供用户可透过旗下 Patentcloud 平台,使用孚创云端独家及专属的专利质量指标(Patent Quality Ranking)及专利价值指标 (Patent Value Ranking)评量专利。

Patentcloud 通过区分专利质量与专利价值指标,可让用户在专利生命周期的不同阶段分别运用来支持决策,进而通过专利情报掌握深入见解,以支持专利生命周期的运作,例如:专利风险调查、专利布局、专利地图分析及基于投资与并购目的的专利尽职调查。
Patentcloud提供的专利价值指标着重比较对专利公开或公告后可以对他人发起诉讼或用于交易的可能性;而 专利品质指标 则着重于比较专利经由第三方搜寻相关先前技术文献并挑战专利有效性的潜在威胁。
孚创云端并非为了取代专利从业人员基于专业判断对个别专利的逐案评量,而是提供更有效率的筛选机制,或是提供额外的维度对专利数据进行分析,进而提供实用的专利情报。
请继续参阅第二部分,我们将介绍各项指标所采用的机器学习技术,并透过情境范例说明专利质量及价值指标如何有效支援决策。