生物技术创新创业分享 http://blog.sciencenet.cn/u/SNPs 美国HudsonAlpha研究院的研究员。做分子鉴别诊断平台技术的开发和免疫组库基础科研。

博文

科技成果转化失败的常见原因

已有 10933 次阅读 2010-9-6 23:56 |个人分类:生物技术创新创业|系统分类:观点评述| 生物技术, 创新, 创业

科技成果转化最近成为学术界的一个话题,转化成功率低也成了一个讨论的焦点。我认为,转化成功率低可能有五个原因:
(1)自己高估了成果的价值;
(2)卖方不会叫卖;
(3)卖方定位有偏差;
(4)转化程序不规范;
(5)缺乏成功案例。


卖方应清楚物有所值

成果的商业价值不高的原因是科技创新的起点有偏差。许多在院校内的科研人员没有市场经验,不是从客户需求的角度着手做研发,而是为了论文和基金项目在做科研的,结果就是科研成果距离实际应用很远。

市场应该是衡量科技成果价值的准绳。看一个科研成果是否值钱,要看它解决了什么迫切需要解决的问题?所解决问题的难度有多大?离实际应用还有多远?市场上是否有竞争产品?产品上市以后推广是否有困难?

举个例子,我在08年开始研发iCubate全自动全封闭分子鉴别诊断技术平台的初期,看上了一个邻近大学(Vanderbilt)的微液体传动技术,这个技术的原理是在微小的通道中加一个“门槛”,当不同大小的颗粒和分子通过门槛后可以被在门槛后面的不同管道分别接着,于是就能分离出不同大小的分子。我看上这个技术的原因是想用它做arm-PCR多重PCR中的一个步骤。于是开始和那个大学谈判购买这个技术。可是校方开出了很高的价格:前期付费,销售利润分成,还有很大的公司股份,他们什么都要。

可是校方不了解的是,这个技术还仅仅是实验室内的一个概念,把它使用到一个仪器里面还有很远很远的距离。首先要解决的问题就是通量:先有技术需要几个小时才能完成上百个微升标本的处理。温度过高,微液体通道里面的气泡如何处理等都是问题。还有如何把这个技术和整个技术平台接轨整合?

一个离产品距离很远的技术,一个有很多类似竞争技术的项目,一个还存在巨大开发风险的技术到底值多少钱?因为对方要价太高,最后技术没有购买成。而事后证明,没有那个技术,我们iCubate技术研发才避免了一个弯路,用纯机械的方法完美地解决了问题。

这个案例告诉我们,科技成果转让方对自己的成果的真正价值要有一个清醒的认识。不要把部分解决方案当成一个完整的解决方案,也不要把多个选择之一当成宇宙中的唯一。

卖方要学会叫卖

要价太高是一个极端,不会叫卖则是另一个极端。所谓不会叫卖,就是没有把自己的技术和其它技术区分开来,找到自己的长处和卖点。

科技成果转让,科学家首先要克服过渡谦虚的恶习。我们去叫卖,不全是“王婆卖瓜”,因为技术是我们自己开发的,当然最清楚它的优缺点;我们是这个行业的实践者,当然最清楚竞争对手的长短。学会叫卖,也需要科学家掌握用最简短,简洁的语言把自己技术的先进性,优越性讲情楚的能力。

科学家能否摆脱术语,把自己的科研成果用普通人能听懂的方法讲出来,实际上就是衡量一个科技成果是否能很快转化成产品的一个标志。试想,一个需要很多公式,复杂的图像才能讲清楚的科研成果,一定是离“一个盒子,一个按钮,一个结果”的产品距离很远。即使我们是在叫卖一个数学公式,也要把它的应用实例摆出来(如华罗庚的优选法)。

我96年刚刚开始创业做公司的时候常犯的一个错误就是不管对方听众是谁,都用“讲大课”的方式把自己掌握的专业知识一股脑地到出去。多亏当初我有创业热情,能让我不受对方的厌倦情绪影响。可是效果很差。现在我已经练就了一套非常有效的“叫卖”技术:能根据听众的水平,兴趣,和环境,随时调节“叫卖”的内容和重点,用两三分钟时间也能把问题讲清楚。

假设你是一个风险投资公司的,我需要用两分钟吸引到你的注意力。那我会这样讲:“您很清楚,分子诊断有三个主要步骤:核酸提取扩增,和检测。问题是每个步骤都有很多不同的方法,也有一些厂家做出了自动化的仪器。但是客户真正需要的是多重全自动全封闭的技术平台。而市场上能够完美整合提取,扩增,检测,多重,自动,封闭这六个要素的公司除iCubate以外还没有。”

这段说辞的“潜台词”是这样的:“您很清楚(我把你当同行和专家,很敬重你),分子诊断有三个主要步骤....(讲创新的范围,创新产品是属于那个方面的)。问题是... (创新所要解决问题和问题的难度,也就是这个产品的价值)。但是客户真正需要的... (我们的产品是根据市场需求研发的,不是凭空想象的)。 而市场上...还没有(讲的是我们的竞争优越性和技术的独特性)。

不能把自己的创新成果归纳好,总结好,就不能怪投资者“不识货” “不尊重知识”。因为你自己就不识货,不知道自己的成果到底好在那里。

卖双方定位的问题

我觉得国内科研成果转化成功率低的一个原因就是买卖对象错位。科研成果的“收购方”应该是企业,不是政府。可是现在国内科研院校产生出的成果好像都是针对“政府买家”的。除了国防军工等涉及国计民生的产品以外,政府不应该成为科技成果的主要转化对象。

要想科技成果转化成气候,科研院校就应该主动接触,寻找企业买主;而企业也能经常到科研院校去寻找可以转化的知识产权。

而扭转这一切的最佳行动应该是科研人员以市场为导向来做科研开发。做市场需要的科技研发,才能卖出可观的价格。市场需要的是能跑的千里马,不是能吃的千里马。科研人员不能总是说:“喂饱我,你就知道我是千里马了。” 而在市场上,人们的要求是:“跑几圈,我就知道你到底是不是千里马。”

把成果卖给政府还是企业,实际差别是谁来但风险的问题。政府好比是一个最大的保险公司,能承担的风险巨大,所以买成果几乎不计成本。这也可能成为一个腐败的原因。那些用钱买成果的官员几乎没有什么风险,只要有故事,他们可以照样升官。而那些卖成果的人也心知肚明,投其所好。可是对真需要创新产品的企业来说,任何技术转让都是有一定的风险成本的,有的时候是直接关系企业的生存的。

一个可行的方案就是政府把钱交给专业化的风险投资公司去投,让职业经理人根据市场的需求和规则来促进科研成果的转化。把官员投资的“政绩工程”变成有实效的民生工程,这样才能提高科技成果转化的真正成功率。

成果转化的程序化

美国的许多大学都有“科技成果转化办公室”,有专门人员管理。我当初在学校的时候每当有新技术研发出来,都写一份技术说明,上缴给办公室。他们衡量一下技术的价值,决定是否花钱申请专利。因为每个专利申请都要花三五万美金,所以学校一定要计算一下投资回报率。

学校决定是否进一步申请保护的一个原因也要看发明的科学家是否在校外已经有联系,有人对这个技术感兴趣。对那些已经有人感兴趣的知识产权就更起劲地加以保护和推销。

学校和学校之间也有很大的差别。比如象产生了Google等一系列成功公司的斯坦福大学,因为教授们的产业化成功经历多,创新项目多,反而给出知识产权时到很松。那些平时没有几个发明的学校,每个发明就都当成了摇钱树。开口就要天价。

建立一个成果转化的良性循环,就需要科学家勇于创新,还要了解市场; 同时,也需要学校管理知识产权的机构能审时度势,准确衡量科技成果的价值,不让成果“过期作废”了。

一些常用的成果转化法律工具网上都有,可以借鉴。关键是科研院所要有一套特定的程序,转化才有章可循。

在美国,学院一般都鼓励教授们去作产业开发。比如我以前所在的阿拉巴马大学伯明翰分校,教员有20%的时间可以作“社会工作 ”。我就是用那20%的时间搞产品和技术开发的。技术转化的时候,一般有个3-3制:转化的收入三分之一归个人;三分之一归学校;三分之一归系里(团队)。这样,即便研发利用了学校的时间,场地,设备,个人的收入也非常可观。创新的积极性也就得到了有效保护。

如果参与研发的科学家决定自己出去创业,那得到的报酬可能更高(风险当然也更大)。一般把专利技术拿出去成立公司,根据学校投入的情况,一般学校占股不超过10%。因为创业公司资金有限,学校一般也不问公司要前期费用。

创业是一个高风险的行动,如果创业者看不到高回报率的可能性,就不会保持高度的创业热情。

榜样的重要性

缺少成功案例是科技成果转化成功率低的另一个原因。没有成功案例,成果转换就没有参照物,就好比在太空中建了一个房子,周围没有邻居,也没有人卖过房地产,价格就很难把握。

科技成果转化的大前提是尊重知识产权。在“先山寨,实在不行在买技术”的环境下,买者不会给出好价位,卖者也常常留一手。

一个具有“中国特色”的有关知识产权的怪现象就是“假专利”。一些单位为了把科技成果“卖”给政府,就不得不去申请专利;而申请专利就有暴露技术细节而“被山寨”的危险。于是某些单位就想出了一个绝招:申请假专利。这样及能应付政府,拿到项目资金,又能“有效”地保护“知识产权”。这样的“成功”案例只能破坏成果转化的大环境,增加企业和科研单位之间的相互不信任。

打击揭露类似的坏案例,树立一些成功的案例,让成功者有“意想不到”的收获,也让作弊者受到应有的惩罚。这样才能促进科技成果有效转化,真正把技术用到最需要的地方。

总之,科技成果成功转让的前提是卖方有货真价实的成果,买方有点石成金的能力,市场有如饥似渴的需求。另外 ,还要加上一套行之有效的程序,诚信的环境,透明的风险,和充足的回报。

(注:本文应科技网编辑邀请而写。因受篇幅限制,他们仅用了文章的一部分)

https://blog.sciencenet.cn/blog-290052-359403.html

上一篇:在美国买到了父亲35年前的原版论文
下一篇:比较几种分子诊断技术平台
收藏 IP: .*| 热度|

16 李宝军 武夷山 郭向云 曹聪 梁建华 杨秀海 吕喆 高莉 侯成亚 许培扬 曾庆平 唐常杰 齐霁 孔玲 林耕 zhaowanfu

发表评论 评论 (5 个评论)

数据加载中...
扫一扫,分享此博文

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2024-12-24 00:26

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部