●高校需通过数智技术解决知识产权的管理与转化难题，以促进技术成果顺利走向产业市场。

□浙江工贸职业技术学院 康 达

高校作为技术技能的集散地，其技术成果走向产业市场的“最后一公里”问题一直备受关注。目前，在知识产权管理与转化过程中，高校确实面临诸多问题，如专利结构未细化、管理政策存在障碍、供需双方信息不对称等。为此，高校需探索构建数智化知识产权管理模式。

数智化应用不仅改变了人们解决问题的思维模式，也为知识产权管理工作带来了新机遇。这种应用能有效弥补高校在技术开发、服务、咨询等方面的短板。在数智化的背景下，知识产权管理将向数字化、网络化、智能化方向发展。通过促进数学、计算机、社会学、经济学、管理学、心理学等多个学科的交叉融合，结合海量知识产权涉及领域广泛、生命周期数据强度大的特点，高校可以建立多维的知识产权大数据库。通过对数据库进行归类、筛选、降维与分析，高校可以有效地挖掘出有价值的信息。在此基础上，结合知识产权盘活工作的需求，判断偏好，从而有针对性地解决知识产权转化难的问题，更好地推动技术成果走向产业市场。

一、以高校数智化知识产权管理模型为技术支撑

高校应建立知识产权管理大数据库，从知识产权数据采集、数据整理、数据分析、结果评价、范式推广等视角，探索数智化知识产权管理与分析方略融通知识产权研发、交易、融资、运营的渠道，使许可、实施、融资、转让等活动更加方便。

（一）确立知识产权管理大数据维度

知识产权大数据库的指标集分为两大类：互联网行为指标和知识产权管理指标。互联网行为指标包含IP地址、访问页面、访问时间、点击率、动态评分、代刷行为、网络渗透率、转发评论和互动频率等。知识产权转化指标则涉及单位、类别、转化日期、研发地、转化去向等，同时还包括非结构化数据，如文本、图像、声音等知识产权转化相关指标。

（二）收集知识产权管理指标数据

在知识产权管理过程中，涉及结构化、半结构化及非结构化数据。高校应根据知识产权管理行为指标集，进行数据采集。除了利用高校现有的存量数据，还需借助现代科技手段，如网络爬虫、搜索引擎、拓扑数据分析、数据包嗅探等，进行数据采集，并将这些采集到的市场同类知识产权指标集与高校存量知识产权进行对比，以评估技术迭代的先进性。

（三）构建知识产权管理与分析范式

数智化是通过数学模型来表达内部机理的一种方式。数智化知识产权管理，可以说是对知识产权管理整体分析过程的总结和归纳，以形成一套具有操作性的分析范式。这套范式旨在实现精准分类和溯源体系建设，挖掘知识产权管理策略的内在机理。此外，高校还需研究知识产权的布局、管理、预警和商业价值等，以期为推动知识产权盘活工作提供有效对策。

二、高校数智化知识产权管理的应用范畴

高校应坚持以科技成果转化工作为主线，为知识产权在全生命周期管理（包括开发、申请、保护、经营等环节）中应用先进的数智技术提供机制支持。

（一）知识产权开发管理

在知识产权开发管理环节，高校可以利用数智技术提供数据支持、智能评估和实时监控等服务。技术开发人员可以通过大数据分析市场趋势、技术动态和竞争态势，为知识产权创新提供方向指引；利用数智技术对创新研究进行可行性分析和潜在价值评估，提升创新的有效性；通过实时监控技术发展动态，确保技术开发人员能够及时把握前沿技术，为创新提供持续动力。

（二）知识产权保护管理

在知识产权保护管理环节，高校可以运用大数据、云计算、人工智能、区块链等数智技术，推动知识产权保护模式的创新，为权利人提供便捷高效的维权服务。高校还可以建立智慧、高效、协同的数智化知识产权保护体系，利用人工智能和大数据技术快速识别侵权行为并自动报警，提升线上维权水平，降低维权成本，提高维权效率。

（三）知识产权经营管理

在知识产权经营管理环节，包括许可、转让、价值评估等方面，高校可以利用数智技术打造知识产权数字化交易平台，实现交易信息共享，优化交易流程，智能化匹配交易对手，提高知识产权许可、转让的响应速度。此外，数智技术还为知识产权评估提供科学方法和工具，有助于建立数字化、智能化的知识产权价值评估体系，缩短评估流程，更准确地评估知识产权的价值和风险。