by Paige Kim and Miao Li, on Jun 29, 2020 4:25:58 AM
在过去的十年中，许多新兴的技术领域已经改变或开始改变社会和人类生活。例如，机器学习与人工智能已经远远超出了最初的计算机和 IT 范畴，促进工业 4.0 在制造行业的普及应用以及自动驾驶技术在汽车工业领域的推广。 此外，生物制药的迅速崛起在治疗各种疾病方面也显示出切实的成果，例如某些单克隆抗体被证实可有效治疗癌症。
然而，对于学术界的研究人员和研究管理者来说，关注新兴技术领域的发展前沿并客观地将全球领导者作为衡量标准，这一点至关重要。因此，在本文中，我们对韩国两所顶尖大学的专利方面进行了分析：即韩国科学技术院 (KAIST) 与首尔国立大学，并在机器学习和抗体这两个选定领域，将它们与全球研究领导者进行了衡量比较。本文的专利分析由 LexisNexis® PatentSight® 提供支持，此处使用的专利分析数据为截至 2020 年 4 月 20 日的数据。
1.简要概述
首先，本文选择 KAIST 和首尔国立大学进行基准分析，因为就研究能力与实力而言，它们绝对在韩国学术界数一数二。图 1 和图 2 分别显示了按 Patent Asset Index™（专利资产指数）(PAI) 及专利组合规模排名前 15 位的韩国大学。在这两个排名中，KAIST 和首尔国立大学均分别位居第一及第二位。
第一个排名中使用的专利资产指数是一项专利组合指标，其定义为专利组合包含的所有专利的综合强度。每项专利的强度均由其 Competitive Impact（竞争影响力值）(CI) 来衡量。竞争影响力值包括两个方面：Technology Relevance（技术影响力）(TR) 和 Market Coverage（市场影响力）(MC),分别表示专利的技术影响力及市场潜力。
在简要概述的基础上，我们研究了 KAIST 与首尔国立大学自 2000 年以来的专利组合变化，如图 3 所示。X 轴表示专利组合规模，Y 轴表示竞争影响力值，即专利组合的平均质量，而气泡大小表示专利组合的专利资产指数。在过去的 20 年中，两所大学均表现出类似的专利组合发展模式：即在保持质量稳定的同时数量大幅增加。尤其是，在过去的 3 年中，两所大学似乎都将重心从数量增长转向了质量提高。
图 4 和图 5 中的两个矩阵图，分别显示了 KAIST 与首尔国立大学在其 IPC 顶级领域（IPC 第 3 级别）的技术强项。在图 4 中，气泡大小表示属于该类别的专利的专利资产指数，而在图 5 中，气泡大小则表示属于该类别的专利的专利资产指数百分比占专利所有者的总体专利资产指数的百分比。换言之，如果两个图表中代表某个 IPC 领域的气泡较大，则该领域无疑是该大学的技术强项及研究重点。如图所示，KAIST 与首尔国立大学拥有共同的重点领域，其中包括半导体 (H01L) 及数据处理 (G06F)。此外，首尔国立大学在制药领域 (A61K) 实力强劲，该领域的专利资产指数占其全部专利资产指数的 15.5%。
接下来，我们看一下 KAIST 与首尔国立大学在某些新兴技术领域中的表现，如图 6 所示。PatentSight 与瑞士专利局合作，为以下技术精心定义了专利检索策略：增材制造、抗体、自动驾驶、生物制药、区块链、数据安全、机器学习与人工智能、机器人技术、智慧城市及可穿戴设备。因此，我们可以利用定义明确的检索策略对每种新兴技术及相关科研机构进行分析。
在图 6 中，每个气泡代表两所大学在该特定技术领域的专利组合规模。可以看出，KAIST 与首尔国立大学在机器学习方面均拥有大量发明，而首尔国立大学还在生物制药及抗体领域建立了强大的专利组合。
随后，我们选择机器学习及抗体两个技术领域进行基准分析。 具体来说，在机器学习领域，我们将 KAIST 和首尔国立大学与两家全球领导者进行了比较：麻省理工学院 (MIT) 和加利福尼亚大学 (UC)，两所高校在专利资产指数方面均位居该领域之首。在抗体领域，我们为首尔国立大学选择两家全球领导者作为衡量基准：宾夕法尼亚大学 (UPENN) 和加利福尼亚大学 (UC)，两所高校在专利资产指数方面均位居该领域之首。KAIST 没有被纳入到抗体基准分析中，因为该领域不是 KAIST 的研究重点。
2.机器学习基准分析：KAIST、首尔国立大学、MIT 及加利福尼亚大学
图 7 显示了每所大学在机器学习领域的专利组合概览。MIT 拥有最强大的专利组合（其后依次为加利福尼亚大学、KAIST 及首尔国立大学），而专利组合规模最小。 图 8 显示了各大学在该领域的专利资产指数占其总体专利资产指数的百分比趋势。自 2015 年以来，机器学习在四所大学的研究领域中变得越来越重要。尤其是在 MIT，如今，它约占 MIT 专利组合强度的 9% 左右。
为了了解强大专利组合背后的成因，我们分析了每所大学的技术影响力及市场影响力的趋势，并进一步对外部技术影响力进行分析，以确定其对研究社群的技术影响。从图 9 和图 10 可以看出，无论从技术影响力还是市场影响力来看，MIT 和加利福尼亚大学都要高于 KAIST 和首尔国立大学，而这四所大学对其他研究机构的外部技术影响力都很高。
此外，我们进一步生成了各大学在机器学习领域的技术聚类图，如图 11 - 14 所示。在浏览图表时，我们可以看到四所大学在机器学习方面拥有一些共同的应用领域，例如计算、诊断及外科。然而，每所大学还拥有某些独特的研究领域，因为这些领域仅出现在某一所大学的图表中。上述显著的机器学习应用领域包括：KAIST 的图像识别与电视系统，首尔国立大学的家庭清洁，MIT 的微生物学以及加利福尼亚大学的特殊疗法。图 11-14 还列出了每所大学每个显著领域的一项代表性专利，包括 KAIST 的图像识别专利，首尔国立大学的扫地机器人专利，MIT 的基因编辑专利以及加利福尼亚大学的除颤器专利。
此外，由于学术界与行业之间的合作始终是一个为人乐道的话题，因此我们对四所大学的行业合作概况进行了研究。从图 15 可以看出，在机器学习领域，首尔国立大学和 KAIST 与行业合作伙伴的合作程度要高于 MIT 和加利福尼亚大学。特别是在首尔国立大学的专利组合中，45% 的专利资产指数源自与多家企业合作的结果。浅蓝色区域表示仅源于研究机构的投资组合强度。
最后，我们通过对每所大学的机器学习专利组合进行前向引用分析，评估了它们对行业的影响。图 16 显示来自各种类型的所有者的前向引用的专利资产指数百分比：企业、研究机构或企业与研究机构协作。图 16 中的大学依次为 KAIST、首尔国立大学、MIT 及加利福尼亚大学。在四所大学中，KAIST 对企业（即行业）的影响最大且非常稳定。
3.抗体基准分析：首尔国立大学、宾夕法尼亚大学及加利福尼亚大学
图 17 显示了每所大学在抗体领域的专利组合概览。 宾夕法尼亚大学拥有最强大的专利组合，其次是加利福尼亚大学及首尔国立大学。此外，根据图 18 显示，自 2015 年以来，抗体领域在宾夕法尼亚大学的专利组合中变得越来越重要，而在加利福尼亚大学及首尔国立大学则趋于稳定。
为了了解强大专利组合背后的成因，我们分析了每所大学的技术影响力、市场影响力及外部技术影响力的趋势。从图 19 中可以看出，宾夕法尼亚大学的技术影响力要远高于加利福尼亚大学和首尔国立大学，同时其专利组合在过去十年的外部技术影响力所占份额一直保持在 80% 以上，产生了很高的外部研究影响，如图 20 所示。
此外，我们还生成了各大学在抗体领域的技术聚类图，如图 21 - 23 所示。在比较图表时，我们可以看到某些大学拥有显著和独特的子领域，例如首尔国立大学的检测与传感领域以及加利福尼亚大学的疫苗领域。然而，宾夕法尼亚大学似乎正在进行抗体领域所有基本方面的研究。 图 21 - 23 还列出了每所大学的一项代表性专利，包括首尔国立大学的一项与可以对抗体进行功能化的纳米粒子有关的专利，宾夕法尼亚大学的一项利用基因改造的 T 细胞来治疗癌症的专利，以及加利福尼亚大学的一项有关疫苗的专利。
图 24 显示了三所大学的行业合作概况。在抗体领域，其外部合作伙伴均为制药公司。我们可以看到，宾夕法尼亚大学与制药公司的合作要比加利福尼亚大学和首尔国立大学高，事实上，这种合作是促成其高技术影响力的主要因素。在宾夕法尼亚大学根据竞争影响力值排名前 20 项的抗体领域专利中，有 15 项专利属于其与企业共同拥有。相反，在首尔国立大学排名前 20 项的抗体领域专利中，只有 2 项专利属于其与企业共同拥有。
最后，我们通过对每所大学的抗体专利组合进行前向引用分析，评估了其对行业的影响。在图 25 中，根据来自各种类型所有者的前向引用百分比来看，首尔国立大学对行业的影响力最大，其中 77.4% 来自企业，而 14% 来自企业与研究机构合作。
