标准不立，则目录难统一、信息难共享。应把构建知识产权数据标准建设纳入知识产权强国建设与数字法治建设统筹推进，使之成为支撑创新决策、企业研发、金融服务和协同保护的制度性公共产品。
今年8月24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》（以下简称《意见》），明确提出“完善知识产权数据资源标准体系”，要求研究编制基础数据标准、数据治理标准、开发利用标准、数据安全标准四类标准，并推动其与产业标准、技术规范衔接配套。这一表述看似属于技术性规范建设，实质上关涉公共数据权责配置、政务数据共享边界、市场流通规则与安全保护义务，是知识产权治理从“纸质档案、分散查询”走向“数据要素、协同利用”的法治基础。标准不立，则目录难统一、信息难共享、授权运营规范难、人工智能训练合规不易。对此，应从构建知识产权数据资源标准法治体系予以回应。
制度定位：从技术规范到公共数据治理规则
知识产权行政管理部门在履职中产生的专利、商标、地理标志、集成电路布图设计等数据，属于重要的公共数据资源。《意见》将其开发利用主线定为“合规高效流通使用”，目标定为“释放数据要素价值”，并强调统筹发展和安全。在这一框架下，构建的知识产权数据资源标准体系应具有三重制度功能。
其一，统一语义与口径，解决数据语义冲突问题。知识产权数据跨地区、跨业务、跨年代积累，若字段定义、分类编码、法律状态、权利人标识、期限计算各行其是，归集到国家知识产权大数据中心后便会出现不可比、不可联、不可审计等问题。构建基础数据标准本质上是为行政行为产生的数据设定最低统一语义，使“同一事实”在各地系统获得“同一表达”。
其二，固化治理流程，解决“权责不清”问题。数据治理标准把数据采集归集、存储加工、共享开放、质量评估、生命周期管理等环节形成可核查规则，配合分类分级、目录“一本账”、地方清单化管理，可将行政机关的数据提供义务、保管义务、共享义务、安全义务转化为可执行、可追责的“技术—行政”双重规范。
其三，预留流通与安全边界，解决“能用不敢用”问题。构建的知识产权数据资源标准体系，可考虑开发利用标准与数据安全标准并行：前者规定加工深度、接口方式、授权运营交付物，后者规定分级防护、风险评估、脱敏匿名、审计追溯。二者共同构成公共数据从“开放查询”到“授权加工”，再到“市场应用”的合规底座。
从更宽视角看，构建知识产权数据标准还应置于数据基础制度整体中进行理解。目前，《中共中央、国务院关于构建数据基础制度更好发挥数据要素作用的意见》已提出分类分级确权授权、流通交易、收益分配、安全治理等；数据安全法、个人信息保护法也设定了数据安全与个人信息处理的底线。构建完善的知识产权数据资源标准体系，要把这些政策与法律要求“翻译”成知识产权业务可操作的规则，其法治意义不亚于制定一类行政程序规则。
面临的现实：标准缺位引发的四类问题
对照《意见》提出的四类标准，当前知识产权数据开发利用仍存在一些问题，集中表现为“业务强、标准弱”。
其一，基础数据标准不统一，跨域比对成本高。专利、商标、地标等系统建设时期不同，字段的粒度、法律状态代码、申请人主体标识、引证关系、地域归类等方面存在差异。地方在建设区域数据中心或接入国家中心时，常需做大量映射与人工校正，既影响“一数一源”政务共享，也影响区域创新能力评估、重点产业专利导航等政府决策的准确性。
其二，治理标准不完整，全生命周期管理难落地。《意见》要求完善数据采集归集、存储加工、共享开放各环节制度并开展分类分级与风险评估。实践中，部分地区重“归集数量”轻“质量规则”，重“平台上线”轻“持续清洗”，对数据“血缘”、变更记录、瑕疵更正、异议处理缺乏统一标准，导致目录登记的字段与实际数据质量不符，数据可用性不足。
其三，数据开发利用标准供给不足，授权运营风险大。公共数据授权运营要求“择优遴选机构、深度加工、特色开发、市场化应用”，但若没有交付标准、质量等级、数据集说明书、接口规范、成果验收标准，各运营机构各行其是，则可能出现低价转包、重复收费，甚至把本应公益开放的基础数据变相圈占等问题。
其四，数据应用安全标准与其他规范衔接弱，AI应用风险放大。《意见》鼓励稳妥推进人工智能、大数据、云计算、区块链等新技术应用，有序开展行业大模型开发、训练和落地应用。但知识产权文本含权利要求、申请人、代理人、许可质押、诉讼当事人等敏感信息，若训练数据未设脱敏、去标识、版权边界、人工标注复核标准，模型输出可能泄露未公开信息，使人工智能生成错误的实施意见。即，没有安全标准支撑，推进越智能化，行政与市场主体面临的合规反噬可能会越强。
此外，知识产权数据标准与产业标准脱节问题也较为突出。新一代信息技术、生物医药、绿色低碳等行业的技术术语、标准必要专利、技术生命周期标签若不能与产业标准、技术规范和检测标准对齐，专利池、重点产业库、海外诉讼库就难以真正服务企业研发与维权。
标准构造：基础、治理、开发、安全四位一体
总体来看，完善健全知识产权数据资源标准体系，应围绕《意见》四类标准，做“可落地、可审查、可迭代”的制度设计。
第一，基础数据标准要解决“是什么、怎么标”的问题。建议以全国知识产权数据资源目录为纲，统一主体标识（自然人/法人/代理机构）跨系统主键、权利对象标识（专利族、商标类、地标产品、布图设计）、法律状态代码、时间基准、地域代码、引证与同族规则；对高价值专利、标准必要专利、地理标志、海外诉讼等专题库设定专用元数据。基础标准应强制用于央地双向流转，避免地方库入“国家网”时再返工。
第二，数据治理标准要解决“怎么管、怎么责”的问题。按全数据生命周期拆解规则：采集端，明确来源、同意、法定职权边界；归集端，明确全量/增量、校验阈值、缺失值处理；存储端，明确分级存储、留痕、备份；加工端，明确清洗、实体识别、关系抽取、专家复核；质量端，明确准确率、完整率、时效率、可溯率四项指标。同时，治理标准应与“分类分级+一本账+地方清单”绑定，作为数据共享考核与安全审计的依据。
第三，开发利用标准要解决“怎么用、怎么交”的问题。对公共服务、政务共享、授权运营分别定标准：公共服务侧重数据检索、获取、解读手册与信息分析指南；政务共享侧重建模接口、批量接口、更新频率、“一数一源”责任；授权运营则侧重建立“原始数据—脱敏数据—加工数据集—模型化服务”四级交付物标准，明确知识产权归属、再开发限制、价格评估材料、验收指标。行业大模型与高质量数据集，应按照《意见》的要求在相应管理服务系统登记、认证，并持续推进专业标注与更新。
第四，数据安全标准要解决“怎么防、怎么救”的问题。应建立数据分类分级联动机制：公开级走开放平台，内部级走政务共享，敏感级走可信数据空间与授权审批；对个人信息、商业秘密、未公开申请、代理执业信息设专门处理规则。安全标准还应包含风险评估频次、加密与访问控制、模型训练数据合规审查、输出幻觉与错误风险提示、事件应急响应等。同时，人工智能应用安全风险研究应前置，避免“先上线后补课”。
协同机制：标准研制、试点与法治监督
标准不是某一个部门闭门编写文本，而应是“行政统筹+行业参与+地方试点+法律监督”的复合过程。
其一，国家层面统目录、统主干。国家知识产权局统筹数据基础与安全标准主干，国家数据局统筹公共数据授权运营与数据基础设施衔接，避免知识产权标准与全国公共数据目录、数据基础设施体系形成“两张皮”。涉及产业术语、技术标准必要专利的部分，应同标准化行政主管部门、行业协会协同。
其二，地方层面做试点、做细则。有条件的地区可依托区域数据中心、可信数据空间开展标准试用，把专利导航、质押融资、地标溯源、海外诉讼等场景反向反馈到标准修订机构。比如，深圳等地数据知识产权登记已积累了存证、申请、审核、公示、证书、变更等闭环经验，其登记字段、处理规则、样本数据、存证哈希等实务经验，可为完善知识产权数据治理与流通标准提供地方样本和实证参考。
其三，组织多元主体参与标准编制。按《意见》要求，组织行业协会、服务机构、重点企业参与知识产权数据资源标准研制。企业清楚研发所需的技术空白点标签，服务机构清楚数据检索与FTO（自由实施）标注规则，行业协会清楚细分技术词典，让以上单位进入标准起草组，可减少“行政标准脱离产业”的老问题。
其四，法治监督兜底。标准发布后应进行定期合规评估：一看是否与数据安全法、个人信息保护法及政务数据共享规定等抵触；二是看授权运营标准是否造成公共数据不当排他，影响中小企业公平获取；三是看AI数据集标准是否建立人工复核与异议更正机制；四是看地方标准是否与全国目录互认，防止形成新的“数据烟囱”。对涉及相对人权利义务的标准，宜通过征求意见、专家论证、实施后评估等行政程序予以正当化。
完善知识产权数据资源标准体系，表面看是编代码、定字段，深层看是定权力、定边界、定信任。标准统一，公共数据才能形成“一本账”，而不是“多本糊涂账”；治理规范，共享开放才能可审计，而不是靠口头协调；开发标准清晰，授权运营才能既活又稳；安全规则到位，人工智能和行业大模型才能实现研发、导航有序规范而不失控。应以《意见》出台为契机，把构建知识产权数据标准建设纳入知识产权强国建设与数字法治建设统筹推进，使之成为支撑创新决策、企业研发、金融服务和协同保护的制度性公共产品。
（作者单位：武汉理工大学法学院、湖北知识产权研究中心）
