斯坦福近 50 年技术发明商业化调研：4512 项发明，只有 20% 能盈利

大学向来被视为学术研究最纯粹、发现和传播新的学科知识以及学生成长培养教育的的地方。但在今天，技术发明和其商业化已经成为越来越多研究型大学发展的重要部分。

在美国，这种技术发明和商业化发展模式被称为「大学技术转移」，起源于20世纪二三十年代。期间共经历了三个发展阶段，威斯康星大学 WARF 模式、麻省理工学院的第三方模式，以及斯坦福大学的OTL（技术许可办公室）模式分别为三个发展阶段的代表，其中，以OTL模式效果最佳，成为当前最普遍采用的模式。

近日，《Cell Press》旗下期刊 Patterns 发布关于斯坦福大学技术许可办公室（OTL）的最新调研报告，报告分析了斯坦福OTL从1970年至2020年50年间、 6557名发明人共4512项的销售数据，通过量化斯坦福大学发明的整体趋势，对发明者进行人口统计、团队组成分析，观察其发明为初创公司许可带来的影响。

同时，报告还公开了发明语言营销特点，数据显示，OTL的营销词句长短、类型等都会对发明的未来收入产生显着影响。

下面来看本次调查的详细结果和分析：

此项研究由斯坦福OTL提供了1970年至2020年间， 6557名发明人的4512项上市发明；数据显示，斯坦福OTL每年的发明数量，在1980年（每年4项）到 2010 年（每年250项发明）期间增长迅速，于2010年逐渐趋于稳定（如图一所示）。这在很大程度上受互联网兴起影响，由于大规模地营销促成增长大幅上升。

而据OTL惯例，报告使用净收入（定义：总许可收入减去累积费用）作为发明成果的衡量标准，得出的结果是，所纳入统计年份的发明总净收入为5.81亿美元，平均净收入0.13万美元，其中大多数发明净收入为负，统计数据显示，只有20%发明实现正净收入（图一A）。

在发明的分类方面，2000年之前，净收入最高的类别均为电子产品，2000年之后转变为生物和化学。受净收入时间累积影响，近期发明的净收入由于积累时间较少，因此总收入相比旧发明低。

报告统计了出现在高于中位数的发明（同年净收入高于中位数）与低于中位数的发明（图一C）中对数似然比最大的关键词，反之亦然（图一D）。其中，收入高于中位数发明词大多为与生命科学相关的术语，如治疗学、基因组学等，而低收入发明词语则往往同物理科学相关，例如光学和光子学。

值得注意的是，当一项发明隶属多个不同领域，可将其分配至多个类别中进行统计，以2020年公开的17 项医学成像发明为例，可以将其分别分配至放射学子类别（生物学类别）和计算机视觉子类别（工程类别）。

可以看到，跨学科研究已经取得了丰富成果，如果将不同类别间的交互关系可视化为一个网络（图一E），那么生物学和化学子类别、以及工程和电子子类别间存在大量相互作用。

B 不同类别的每项发明的作者数量

从性别方面来看，女性发明者比例1995年的6.5%增长，2020年已增长至19.7%（图 1 A ）。虽然增长速度快，但女性发明者的比例始远低于斯坦福大学女性教师的比例，数量仍然不足。

此外，在发明团队的规模中，时间越久，发明者团队的规模也不断扩大，以生物学类别为例，其每项发明的平均发明人数量，从1980-2000年的2.47人，到2015-2020年增长为3.29人（图 1 B ）。这种增长在不同类别中是一致的，也体现了斯坦福大学的发明环境在协作性上的增强。

图 2：自我授权许可

B 发明者许可的每个净收入组中的发明比例：

每个净收入类别的样本量为——

<1 万美元：3776 项发明；

10-10 万美元：465 项发明；

10 万美元至 100 万美元：212 项发明；

1-1000 万美元：56 项发明；

≥1000 万美元：5 项发明

值得注意的是，在这些发明中，大约20%发明是由发明者自己的初创公司授权的，这一行为也被称为“自我授权”，自我授权的许可率随时间推移而增加。

不仅如此，研究还发现，自我许可的发明是高净收入发明的主要来源（图 2 B）；其中，所有净收入超过1000万美元的发明均是源于自我许可，而净收入在1-1000万美元的发明中，自我许可率占比更高达59%。相较之下，净收入低于 1 万美元的发明自我许可率仅占到16%。经控制类别和年份后，自我授权许可仍同较高的净收入保持密切相关。

这一发现与此前的研究结果也保持一致，研究表明，与大学有直接联系的初创公司往往比其他类似的初创公司更成功。

在今天，商业化也成为许多大学做技术发明核心使命的一部分。其中，斯坦福 OTL 的重要作用之一，就是把研究人员的发明推销给可能感兴趣的公司，因此，营销语境也成为此次调研的一个主要方向。

此次报告中就重点分析了两个主要问题：这些年营销语言发生的变化，以及营销中的哪些语言特征会同发明的商业成果产生关联。

图 3：营销语言特征分析

B 时间变化下，标题中形容词的平均比例

C 营销中每个形容词出现与净收入排名之间的相关性：此处显示 p <0.05 的形容词；字体大小表示单词的频率；文字颜色表示控制类别后与净收入排名的相关系数，其中红色表负相关，蓝色表正相关

D 以营销摘要作为输入的机器学习分类器，以预测一项发明的净收入是否会高于同一披露年度发明的净收入中值

报告数据显示，营销语言的平均长度几乎翻了一番：其中，1980-1990年仅144 个单词，到2015-2020年已增长至241个单词（图 3 A）。

不仅如此，营销的标题也在越来越长，从1980-1990 年的1 %到2015-2020 年已增长至12%，这或也在一定程度上反映出发明的越来越专业化，因此可能需要更长的文字和更多的形容词来描述，以帮助理解。

参考链接：

https://www.cell.com/patterns/fulltext/S2666-3899(22)00202-1?_returnURL=https%3A%2F%2Flinkinghub.elsevier.com%2Fretrieve%2Fpii%2FS2666389922002021%3Fshowall%3Dtrue

雷峰网版权文章，未经授权禁止转载。详情见转载须知。