A股上市公司专利数据：近亿条创新图谱

一、数据怎么组织

CnOpenData A股上市公司专利及引用被引用数据由 9 个分组、26 张数据表组成，按"统计表 + 详情表"两类分布。统计表负责把数量和质量指标预聚合好，详情表负责保留专利的原始记录。

统计表（8 张）：

• 数量统计表 2 张：以"证券代码 × 年度"预聚合，记录发明、实用新型、外观设计三类专利的申请数量、授权数量、独立申请量、合作申请量

• 质量统计表 6 张：按专利类型细分，统计被引次数、IPC 技术复杂度等质量指标

详情表（18 张）：

• 基本信息表：申请人、专利名称、申请公布号/授权公告号、申请号、申请日、发明人、地址、IPC 分类号、专利代理机构、PCT 信息、优先权、权利要求数等

• 引用信息表：记录本公司专利引用其他专利的情况

• 被引用信息表：记录本公司专利被其他专利引用的情况

• 事务表：逐条记录授权、专利权人变更、IPC 变更、注销等法律状态事件

时间上，发明公布按申请公布日统计，授权类按授权公布日统计，均自 2000 年至今。覆盖范围是 A 股上市公司本身及其子公司、联营公司、合营公司，用"与上市公司关系"字段区分 4 类取值，既可以筛选单一关系，也可以汇总看全口径。

匹配口径写得比较明确：对上市公司名单与专利数据中的公司名称做标准化处理，去掉标点符号、合资标识、企业类型后缀、行政区划后缀之后全等匹配。这一步决定了数据的可用性，多专利权人的匹配关系也完整保留。

二、数据速览

这份数据的容量和质量，可以直接从它的结构里读出来。几个比较有意思的地方：

• 三口径统计：数量指标全部按"总量 / 独立 / 合作"分别统计。做研发模式研究的人会知道，这个划分直接对应"企业自己干"还是"跟别人一起干"，不用再去原始数据里拆分。

• 累计授权量的时间结构：申请后第 2、3、4、5 年的累计授权量都在表里。专利从申请到授权有时滞，这些字段让"授权时间衰减"这件事可以被量化，而不是只能看一个总数。

• 全球引用视角：引用与被引用数据来自中国专利引用数据（世界版），记录的是全球范围内的引用关系。不只是国内专利之间互相引，跨国、跨机构的技术关联也在里面。

• 统一的关联键：18 张详情表以专利 ID 为统一关联键，表与表之间可以自由连接。基本信息、引用、被引、事务四条链路能串起来看同一件专利。

• 规模：全库累计记录接近亿条，其中基本信息表、引用信息表、被引用信息表、事务表的记录量都在千万级。

三、做专利研究，数据这道坎在哪

上市公司专利是创新研究里最常用的产出指标之一。专利数量增加能带动市值，这已经被反复验证过。但真要做大样本研究，卡点通常不在模型，而在数据。

• 商业数据库按年计费，引用网络的字段往往还要单独购买

• 专利原始文件是一份份 PDF，申请号、公布号、法律状态散在不同文号里

• 上市公司名称和专利权人名称对不上，子公司、联营公司的专利算不算进来，靠手工判断

• 想做引用网络分析，得先把引用关系从文本里一点点抠出来，工作量和出错率都不低

清单化的匹配名单 + 预聚合的统计表 + 保留专利 ID 的详情表，三件事做完，"专利研究"里的数据准备环节基本可以跳过。

四、拿这些数据能做什么

1. 研发投入 → 创新产出 → 市场价值

以"证券代码 × 年度"为粒度，统计表可以直接和财务数据、市场数据对接。研发费用、专利产出、公司市值三者之间的传导，能在同一个面板上跑。

2. 独立研发还是合作研发

独立申请量与合作申请量的比值，是一个现成的观测窗口。技术密集型企业往往独立申请占比高，而需要跨机构协同的领域，合作申请的比例会明显上升。

3. 引用网络与技术影响力

被引用信息表 + 引用信息表构成双向网络。哪家公司的专利在被谁引用、引用了谁的技术，可以从单件专利一直追溯到企业层面。技术扩散路径、行业内的知识流向，都能从这张网络上读出来。

4. 专利维持与失效风险

事务表记录了专利权人变更、注销等法律状态事件。核心专利什么时候被放弃维持、什么时候换了主人，这些信息对评估一家公司的技术资产稳定性很关键。

五、从"数专利"到"看创新质量"

过去的做法是把专利数量当成创新的代理变量，数量多就算创新强。现在数据条件变了，同一批专利可以往下挖出更多层信息。

• 一是申请与授权分开看：申请量反映投入意愿，授权量反映技术通过审查的能力，两者背离的情况值得单独研究。

• 二是独立与合作分开看：企业是闭门研发还是开放式创新，从这两个口径的比例就能看出轮廓。

• 三是数量与质量分开看：被引次数、权利要求数、IPC 覆盖广度，这些指标比单纯的数量更接近"专利值不值钱"。

• 四是静态与动态分开看：事务表里的法律状态变化，记录了专利从获得到维持再到放弃的完整过程。