從“可查”到“好用”：知識産權數據如何服務科技創新

　　近日，國家知識産權局、國家數據局聯合印發《關于加強知識産權數據資源開發利用的意見》，圍繞知識産權數據資源管理、标準體系建設、基礎設施、高質量數據集、人工智能應用和安全保障等作出系統部署。

　　專利、商标、科技文獻、标準、技術成果和企業創新活動等信息，記錄着技術演進、産業布局與市場競争的動态。對科研人員而言，這些數據有助于識别技術空白、比較技術路線;對企業而言，可為研發立項、專利布局和侵權風險預警提供參考;對政府部門而言，也可服務區域創新能力評估和重點産業專利導航。

　　知識産權數據具有數量大、來源廣、更新快等特點，但其價值并不取決于數據規模本身。一項技術可能在不同國家、不同語言、不同産業語境中有不同表達;同一創新主體也可能因名稱變更、關聯關系調整等原因形成多種記錄。專利文本中的技術方案、權利要求和應用場景，還需與科技文獻、企業信息、産業鍊信息交叉關聯，才能形成對技術與市場的完整判斷。

　　這意味着，原始數據并不能直接用于模型訓練或創新決策。數據需經過清洗去重、分類編碼、實體識别、關系關聯、專業标注、質量評測和持續更新，才能形成可用的數據集。北京理工大學特别研究員郭銳表示“高質量數據集不是原始數據的簡單彙總。特别是在知識産權領域，真正稀缺的不是數據字段，而是對技術語義、權利邊界和産業關系的專業理解——這些需要由專業人員沉澱為判斷規則和質量控制能力。機器可以處理規模化任務，但複雜技術問題的判斷、标注和複核，仍需要算法與領域專家協同完成。”

　　政策提出，穩妥推進人工智能、大數據、雲計算、區塊鍊等新技術應用，開展行業大模型開發、訓練和落地應用，并鼓勵建設不同應用場景的智能服務工具。這一導向意味着，知識産權數據開發利用的終點并非“存起來”或“看得見”，而是“用起來、用得準、用得安全”。

　　在人工智能加快進入科學研究和技術創新場景的背景下，知識産權數據的角色正在發生變化：它不僅是創新主體查詢、檢索和分析的信息資源，也正在成為支撐技術研判、研發決策、成果轉化和風險預警的重要數據基礎。

　　AI for Science，即人工智能驅動科學研究，正加速拓展至新材料、生物醫藥、高端裝備、能源等創新領域。與通用人工智能相比，面向科學研究和技術創新的人工智能，不僅要具備語言理解能力，更要理解技術原理、專業術語、創新路徑、産業應用和知識産權邊界。郭銳表示“AI4S 的競争不隻是模型能力的競争，也是高質量領域數據供給能力的競争。知識産權數據中沉澱着技術演進、創新活動和權利邊界等信息。隻有把這些信息組織成專業、可信、可持續更新的數據能力，人工智能才能真正進入科研和産業創新現場。”模型、算力與高質量領域數據缺一不可，其中專業數據供給往往決定AI4S的應用效果。

　　公開資料顯示，北京八月瓜科技有限公司圍繞專利、商标、科技文獻、技術成果和企業創新等多源信息，開展數據治理、知識關聯和智能化應用探索。北京八月瓜科技有限公司董事長李長青介紹，截至2026年8月，公司已取得45項數據知識産權登記證書，并完成35餘項數據資産相關登記，為經合法加工形成的數據成果建立來源、加工與使用管理基礎。“對知識産權數據而言，‘數據多’不等于‘數據好用’。真正有價值的工作，是圍繞數據質量、專業标注、知識關聯和持續更新，形成能夠支撐研發研判、專利導航、成果轉化和風險預警的能力閉環。”

　　知識産權數據開發利用，并不意味着所有數據都可以自由獲取、自由使用。政策明确提出，完善數據全生命周期管理，加強分類分級管理，明确各類數據使用邊界和安全防護要求。國家知識産權局知識産權發展研究中心原主任韓秀成表示，“知識産權數據具有鮮明的公共服務屬性和專業治理要求。推動數據開發利用，既要提高供給質量和使用效率，也要堅持依法合規、分類分級和安全可控。規則清晰、标準統一、責任明确，是數據價值持續釋放的基礎。”

　　在數據要素市場建設過程中，市場主體還需回答數據從哪裡來、經過何種加工、可在何種邊界内使用、如何形成可信記錄等問題。北京數據集團副總經理、北京國際大數據交易所執行董事李振軍表示，“人工智能模型訓練對知識産權數據有着巨大需求。在北數所AI高質量數據集交易總量中，其交易規模占比已高達40%。而保障數據來源可說明、加工可追溯、質量可評價、交易可查詢、使用邊界清晰，實現數據全鍊條合規管理，正是數據交易所賦能人工智能産業健康發展的核心使命。”

　　從完善治理到拓展應用，此次政策為知識産權數據資源開發利用明确了方向。随着知識産權與科技、産業、金融、市場監管、司法等數據融合應用，數據有望更好服務研發決策、産業研判和創新資源配置。從“查專利”到“懂技術”，知識産權高質量數據集建設正推動數據資源轉化為創新能力，為人工智能賦能科技創新提供更堅實的支撐。