近日，国家知识产权局、国家数据局联合印发《关于加强知识产权数据资源开发利用的意见》，围绕知识产权数据资源管理、标准体系建设、基础设施、高质量数据集、人工智能应用和安全保障等作出系统部署。
专利、商标、科技文献、标准、技术成果和企业创新活动等信息，记录着技术演进、产业布局与市场竞争的动态。对科研人员而言，这些数据有助于识别技术空白、比较技术路线；对企业而言，可为研发立项、专利布局和侵权风险预警提供参考；对政府部门而言，也可服务区域创新能力评估和重点产业专利导航。
知识产权数据具有数量大、来源广、更新快等特点，但其价值并不取决于数据规模本身。一项技术可能在不同国家、不同语言、不同产业语境中有不同表达；同一创新主体也可能因名称变更、关联关系调整等原因形成多种记录。专利文本中的技术方案、权利要求和应用场景，还需与科技文献、企业信息、产业链信息交叉关联，才能形成对技术与市场的完整判断。
这意味着，原始数据并不能直接用于模型训练或创新决策。数据需经过清洗去重、分类编码、实体识别、关系关联、专业标注、质量评测和持续更新，才能形成可用的数据集。北京理工大学特别研究员郭锐表示“高质量数据集不是原始数据的简单汇总。特别是在知识产权领域，真正稀缺的不是数据字段，而是对技术语义、权利边界和产业关系的专业理解——这些需要由专业人员沉淀为判断规则和质量控制能力。机器可以处理规模化任务，但复杂技术问题的判断、标注和复核，仍需要算法与领域专家协同完成。”
政策提出，稳妥推进人工智能、大数据、云计算、区块链等新技术应用，开展行业大模型开发、训练和落地应用，并鼓励建设不同应用场景的智能服务工具。这一导向意味着，知识产权数据开发利用的终点并非“存起来”或“看得见”，而是“用起来、用得准、用得安全”。
在人工智能加快进入科学研究和技术创新场景的背景下，知识产权数据的角色正在发生变化：它不仅是创新主体查询、检索和分析的信息资源，也正在成为支撑技术研判、研发决策、成果转化和风险预警的重要数据基础。
AI for Science，即人工智能驱动科学研究，正加速拓展至新材料、生物医药、高端装备、能源等创新领域。与通用人工智能相比，面向科学研究和技术创新的人工智能，不仅要具备语言理解能力，更要理解技术原理、专业术语、创新路径、产业应用和知识产权边界。郭锐表示“AI4S 的竞争不只是模型能力的竞争，也是高质量领域数据供给能力的竞争。知识产权数据中沉淀着技术演进、创新活动和权利边界等信息。只有把这些信息组织成专业、可信、可持续更新的数据能力，人工智能才能真正进入科研和产业创新现场。”模型、算力与高质量领域数据缺一不可，其中专业数据供给往往决定AI4S的应用效果。
公开资料显示，北京八月瓜科技有限公司围绕专利、商标、科技文献、技术成果和企业创新等多源信息，开展数据治理、知识关联和智能化应用探索。北京八月瓜科技有限公司董事长李长青介绍，截至 2026 年 8 月，公司已取得 45 项数据知识产权登记证书，并完成 35 余项数据资产相关登记，为经合法加工形成的数据成果建立来源、加工与使用管理基础。“对知识产权数据而言，‘数据多’不等于‘数据好用’。真正有价值的工作，是围绕数据质量、专业标注、知识关联和持续更新，形成能够支撑研发研判、专利导航、成果转化和风险预警的能力闭环。”
知识产权数据开发利用，并不意味着所有数据都可以自由获取、自由使用。政策明确提出，完善数据全生命周期管理，加强分类分级管理，明确各类数据使用边界和安全防护要求。国家知识产权局知识产权发展研究中心原主任韩秀成表示，“知识产权数据具有鲜明的公共服务属性和专业治理要求。推动数据开发利用，既要提高供给质量和使用效率，也要坚持依法合规、分类分级和安全可控。规则清晰、标准统一、责任明确，是数据价值持续释放的基础。”
在数据要素市场建设过程中，市场主体还需回答数据从哪里来、经过何种加工、可在何种边界内使用、如何形成可信记录等问题。北京数据集团副总经理、北京国际大数据交易所执行董事李振军表示，“人工智能模型训练对知识产权数据有着巨大需求。在北数所AI高质量数据集交易总量中，其交易规模占比已高达40%。而保障数据来源可说明、加工可追溯、质量可评价、交易可查询、使用边界清晰，实现数据全链条合规管理，正是数据交易所赋能人工智能产业健康发展的核心使命。”
从完善治理到拓展应用，此次政策为知识产权数据资源开发利用明确了方向。随着知识产权与科技、产业、金融、市场监管、司法等数据融合应用，数据有望更好服务研发决策、产业研判和创新资源配置。从“查专利”到“懂技术”，知识产权高质量数据集建设正推动数据资源转化为创新能力，为人工智能赋能科技创新提供更坚实的支撑。
（推广）