Cathedrals Opening Bazaars: Placing Open-Source Software in the Patent Technology Space

申请专利的大型企业如今也在发布开源代码，任何人都可以阅读、使用并在其基础上继续开发。同时做这两件事的企业，要在共享的知识与保护的知识之间划一条线。现有数据无法显示这条线的位置，因为开源代码没有专利分类，不能与企业的专利直接比较。

企业通过开源代码公开技术时，公开的是它们用专利保护的那些技术，还是另一组技术？

企业也会公开它们没有申请专利的技术。在平均的企业-年度中，企业开源代码位于其未申请专利技术领域的比例，是随机化基准下该比例的两倍多。

企业开源代码中位于其未申请专利技术领域的比例

• 实际观测35%
• 随机化基准15%

When firms make technology public through open-source code, do they reveal the technologies they protect with patents, or a separate set? I link Compustat firms to their USPTO patents and to their GitHub accounts, and a large language model places their open-source projects in the patent classification. In the average firm-year, 35% of a firm’s open-source code lies in technologies it does not patent, against 15% under a randomization benchmark built from the firm’s own items. The excess of the distance between its open-source code and its patents over this benchmark rises with the count of open-source projects about as much as in simulated firms that keep one technology mix at every size. Outside its patented technologies, a firm’s open-source code is less co-located with its nearest technology neighbors’ patents than under the benchmark, consistent with the stated prediction that firms reveal less where rivals can use more of what is disclosed. Within a firm, however, new participants make up a larger share of projects inside its patented technologies than of its other projects, unlike the prediction that communities participate less near patented inventions.

• 连接企业。两个匹配表把 Compustat 企业记录分别连接到其 2015–2024 年获授权的 USPTO 专利和 GitHub 账户。比较样本包括 595 家既申请专利又活跃发布开源代码的大型企业。
• 为代码分类。大语言模型阅读每个开源项目，并为其分配合作专利分类（CPC，专利审查员使用的分类体系）中的大组。当另一个模型对专利执行同样的两阶段流程时，在 89% 的专利上，其标签与审查员标签至少有一个相同的大组；而在各 CPC 部内随机分配标签时，这一比例为 21%。
• 比较组合。Bar–Leiponen 距离是指企业开源代码中需要移动到其他大组才能与其专利相匹配的比例，在每个企业-年度按截至当年的五年计算。即使技术是随机分配的，两个小规模组合之间的距离也为正，因此我将每个距离与其随机化基准相比较。观测距离减去基准距离即为超出量。

• 专利之外的部分。在平均的企业-年度中，企业 35% 的开源代码位于其未申请专利的技术领域，基准下这一比例为 15%。
• 不同项目规模。超出量随开源项目数量上升，其幅度与在各规模上保持单一技术组合的模拟企业大致相当。
• 技术邻近企业。在其专利技术之外，企业开源代码与最近技术邻居专利的共同分布程度低于基准。这与“企业在竞争对手更能利用所披露内容之处披露更少”的预测一致。
• 新参与者。在企业内部，新参与者在其专利技术领域内项目中所占份额高于其他项目。这与“社区较少参与专利发明附近项目”的预测不同。

• 本文度量的是企业开源代码所处的位置。多种开源动机预测的符号相同，因此这些比较无法区分具体动机。
• 在典型的企业-年度中，超出量大部分位于企业的专利技术之外。在规模最大的开源项目组合中以及较粗的分类层级上，超出量大部分位于专利技术之内，表现为代码与专利在各专利类别中的份额不同。
• 标签来自大语言模型；与其他分类的对照显示，多数情况下一致，但并非全部一致。
• 数据不包括无法连接到企业的账户的开源代码；样本为既申请专利又发布开源代码的大型上市企业。

Gong, Xiaofeng. 2026. “Cathedrals Opening Bazaars: Placing Open-Source Software in the Patent Technology Space.” Working paper, draft of October 24, 2026.

这是一份初稿。本页所有数字以英文 PDF 为准。