中美在人工智能領(lǐng)域的專(zhuān)利申請(qǐng)最新指引與實(shí)例分析

#本文由作者授權(quán)發(fā)布，不代表IPRdaily立場(chǎng)，未經(jīng)作者許可，禁止轉(zhuǎn)載#

“2024年發(fā)布的USPTO專(zhuān)利客體審查指南更新以及中國(guó)的AI專(zhuān)利申請(qǐng)指引，為AI相關(guān)專(zhuān)利申請(qǐng)劃定了更加清晰的邊界?！?br/>

來(lái)源：IPRdaily中文網(wǎng)（iprdaily.cn）

作者：佑斌

近年來(lái)，人工智能技術(shù)迅猛發(fā)展，相關(guān)專(zhuān)利申請(qǐng)量大幅增長(zhǎng)，給現(xiàn)行專(zhuān)利審查帶來(lái)了新挑戰(zhàn)。中國(guó)、美國(guó)的相關(guān)部門(mén)都在2024年發(fā)布了AI相關(guān)發(fā)明專(zhuān)利的審查指南、申請(qǐng)指引。2024年2月13日，美國(guó)專(zhuān)利商標(biāo)局發(fā)布《AI輔助發(fā)明的發(fā)明人資格指南》，緊接著在2024年7月17日，美國(guó)專(zhuān)利商標(biāo)局發(fā)布《包括AI的專(zhuān)利客體的審查指南更新》，公開(kāi)了涉及AI發(fā)明專(zhuān)利的客體資格審查指引案例，旨在為AI相關(guān)的發(fā)明專(zhuān)利申請(qǐng)作出指引。2024年12月31日，中國(guó)國(guó)家知識(shí)產(chǎn)權(quán)局發(fā)布《人工智能相關(guān)發(fā)明專(zhuān)利申請(qǐng)指引（試行）》，對(duì)AI輔助發(fā)明的發(fā)明人資格問(wèn)題、AI發(fā)明專(zhuān)利客體、創(chuàng)造性、說(shuō)明書(shū)公開(kāi)充分等問(wèn)題作出規(guī)定。

《人工智能相關(guān)發(fā)明專(zhuān)利申請(qǐng)指引（試行）》（下稱(chēng)“指引”）。該指引在現(xiàn)行專(zhuān)利法和審查指南框架下，進(jìn)一步細(xì)化了AI領(lǐng)域?qū)＠麑彶檎?，針?duì)人工智能專(zhuān)利申請(qǐng)中的熱點(diǎn)法律問(wèn)題提供了操作指引。

主要內(nèi)容包括：

專(zhuān)利客體標(biāo)準(zhǔn)：明確了如何判斷AI發(fā)明是否屬于專(zhuān)利法意義下的技術(shù)方案，避免被認(rèn)定為抽象的智力活動(dòng)規(guī)則。

創(chuàng)造性評(píng)價(jià)：給出了在創(chuàng)造性審查中如何考慮算法特征技術(shù)貢獻(xiàn)的標(biāo)準(zhǔn)，提出了“算法特征與技術(shù)特征功能上相互支持、存在相互作用關(guān)系”的判斷思路。

充分公開(kāi)要求：針對(duì)AI算法復(fù)雜、“黑箱”等特性，提供了說(shuō)明書(shū)撰寫(xiě)的指導(dǎo)原則，幫助申請(qǐng)人滿(mǎn)足專(zhuān)利法對(duì)充分公開(kāi)的要求。

其他問(wèn)題：例如發(fā)明人資格（明確人工智能本身不能成為專(zhuān)利發(fā)明人）及倫理考慮等，也有所提及。

《指引》的發(fā)布對(duì)AI相關(guān)專(zhuān)利審查產(chǎn)生了積極影響。一方面，它為審查員和申請(qǐng)人提供了統(tǒng)一預(yù)期，減少理解分歧，提高審查效率；另一方面，通過(guò)明確關(guān)鍵審查標(biāo)準(zhǔn)（客體、創(chuàng)造性、公開(kāi)等），幫助申請(qǐng)人更清晰地了解專(zhuān)利申請(qǐng)要求，避免因理解不當(dāng)導(dǎo)致駁回，提高申請(qǐng)成功率?？傊?，《指引》為人工智能創(chuàng)新提供了及時(shí)的專(zhuān)利保護(hù)指引，有助于激發(fā)創(chuàng)新活力，促進(jìn)AI技術(shù)發(fā)展和產(chǎn)業(yè)應(yīng)用。

《指引》首先對(duì)常見(jiàn)的人工智能相關(guān)發(fā)明進(jìn)行了類(lèi)型劃分，以便針對(duì)不同類(lèi)型給出有側(cè)重的申請(qǐng)建議。按照人工智能在發(fā)明方案中的作用，主要可以分為三大類(lèi)型：

（1）模型本身的專(zhuān)利

涉及人工智能算法或模型本身的改進(jìn)或優(yōu)化，例如新的模型結(jié)構(gòu)、模型壓縮方法、模型訓(xùn)練算法等。這類(lèi)發(fā)明專(zhuān)注于AI技術(shù)本身的突破，是對(duì)AI模型內(nèi)部機(jī)理的改進(jìn)。例如：

CN118036755B專(zhuān)利：提出了一種“大語(yǔ)言模型的量化方法及推理方法”，通過(guò)對(duì)大型語(yǔ)言模型各層參數(shù)進(jìn)行量化處理，降低模型占用的存儲(chǔ)和計(jì)算資源。這一發(fā)明解決了大模型部署中的內(nèi)存占用問(wèn)題，實(shí)現(xiàn)了在不顯著損失精度的情況下壓縮模型規(guī)模，屬于模型本身的優(yōu)化創(chuàng)新。

CN117273148B專(zhuān)利：涉及對(duì)深度學(xué)習(xí)模型的訓(xùn)練過(guò)程改進(jìn)，提高了模型收斂效率和性能。這些案例表明，只要在AI模型算法層面有新的技術(shù)方案（如新的網(wǎng)絡(luò)結(jié)構(gòu)、參數(shù)優(yōu)化方法等），都可以作為發(fā)明內(nèi)容申請(qǐng)專(zhuān)利。

（2）模型的功能

涉及基于人工智能算法或模型所實(shí)現(xiàn)的功能。這類(lèi)發(fā)明并不側(cè)重于改變模型的內(nèi)部結(jié)構(gòu)，而是將現(xiàn)有AI模型用于實(shí)現(xiàn)特定的技術(shù)功能，作為發(fā)明方案的內(nèi)在部分。常見(jiàn)的AI功能包括：自然語(yǔ)言處理（使計(jì)算機(jī)理解/生成語(yǔ)言）、計(jì)算機(jī)視覺(jué)（使計(jì)算機(jī)“看懂”圖像/視頻）、語(yǔ)音處理（識(shí)別和合成語(yǔ)音）、知識(shí)表示與推理（如知識(shí)圖譜）、數(shù)據(jù)挖掘分析等。發(fā)明人可以利用這些AI功能模塊，賦能傳統(tǒng)技術(shù)方案以實(shí)現(xiàn)新的效果。例如：

CN117114063B專(zhuān)利：由百度公司獲得，名稱(chēng)為“用于訓(xùn)練生成式大語(yǔ)言模型和用于處理圖像任務(wù)的方法”。該發(fā)明將生成式大語(yǔ)言模型（LLM）應(yīng)用于圖像處理任務(wù)，涉及計(jì)算機(jī)視覺(jué)和大模型技術(shù)的結(jié)合。通俗而言，就是讓原本擅長(zhǎng)語(yǔ)言處理的模型去“看圖說(shuō)話(huà)”，需要特殊的訓(xùn)練方法來(lái)賦予模型圖像理解和生成能力。這體現(xiàn)了AI模型功能的跨領(lǐng)域應(yīng)用，也是專(zhuān)利保護(hù)的功能型AI發(fā)明。

CN118036661B專(zhuān)利：公開(kāi)了一種“大語(yǔ)言模型混合精度量化方法”，通過(guò)在模型推理時(shí)采用混合精度計(jì)算，提高了大型AI模型的運(yùn)行效率。雖然這項(xiàng)發(fā)明看似也在優(yōu)化模型，但它的出發(fā)點(diǎn)是為了實(shí)現(xiàn)“在有限硬件資源上高效運(yùn)行大模型”這一功能。因此我們也可將其理解為圍繞模型功能實(shí)現(xiàn)的優(yōu)化方案，使得AI模型的功能在實(shí)際應(yīng)用中更高效地發(fā)揮。

（3）模型在特定領(lǐng)域的應(yīng)用

涉及將人工智能模型應(yīng)用于具體行業(yè)領(lǐng)域或場(chǎng)景的發(fā)明。這類(lèi)專(zhuān)利關(guān)注AI賦能傳統(tǒng)領(lǐng)域，利用AI技術(shù)解決該領(lǐng)域特有的技術(shù)問(wèn)題。應(yīng)用領(lǐng)域廣泛，包括交通運(yùn)輸、電信、醫(yī)療健康、安全、商業(yè)、教育、娛樂(lè)、金融等各行各業(yè)。例如：

CN118053451B專(zhuān)利：同樣是將人工智能模型用于某特定行業(yè)場(chǎng)景的發(fā)明（例如在工業(yè)控制或醫(yī)療診斷場(chǎng)景中應(yīng)用AI模型，實(shí)現(xiàn)傳統(tǒng)方法難以達(dá)到的智能化功能）。這類(lèi)發(fā)明的共同特點(diǎn)是：針對(duì)特定領(lǐng)域存在的技術(shù)痛點(diǎn)，引入適當(dāng)?shù)腁I模型并進(jìn)行優(yōu)化改造，從而提出新的技術(shù)解決方案。只要方案中AI模型的應(yīng)用是解決該領(lǐng)域技術(shù)問(wèn)題的關(guān)鍵組成部分，就有可能獲得專(zhuān)利保護(hù)。（專(zhuān)利解讀來(lái)源于Maxipat）

以上三類(lèi)典型類(lèi)型涵蓋了“AI算法本身創(chuàng)新”到“AI賦能通用功能”再到“AI賦能具體行業(yè)”的不同層次創(chuàng)新。《指引》針對(duì)每種類(lèi)型的特點(diǎn)提供了相應(yīng)的審查關(guān)注點(diǎn)和撰寫(xiě)建議，以幫助申請(qǐng)人有針對(duì)性地準(zhǔn)備申請(qǐng)文件。下面我們將結(jié)合案例，分別從專(zhuān)利客體、創(chuàng)造性和充分公開(kāi)三個(gè)關(guān)鍵審查要求出發(fā)，分析AI發(fā)明專(zhuān)利的申請(qǐng)要點(diǎn)。

專(zhuān)利客體要求是指發(fā)明是否屬于專(zhuān)利法保護(hù)的技術(shù)領(lǐng)域，尤其對(duì)于AI相關(guān)發(fā)明，需要判斷其是否構(gòu)成技術(shù)方案而非純粹的智力活動(dòng)規(guī)則。根據(jù)中國(guó)《專(zhuān)利法》和審查指南，抽象的智力活動(dòng)規(guī)則和方法是不授予專(zhuān)利的。由于人工智能算法本質(zhì)上基于數(shù)學(xué)模型和算法，如果一項(xiàng)AI發(fā)明僅僅停留在數(shù)學(xué)算法或理論本身，沒(méi)有具體技術(shù)應(yīng)用，就可能被認(rèn)定為智力活動(dòng)規(guī)則，從而不屬于專(zhuān)利保護(hù)客體。舉例來(lái)說(shuō)，“一種基于抽象算法且不包含任何技術(shù)特征的通用神經(jīng)網(wǎng)絡(luò)模型建立方法”，由于沒(méi)有具體技術(shù)手段，僅是數(shù)學(xué)算法流程，這種權(quán)利要求就會(huì)被視為智力活動(dòng)的規(guī)則和方法，不可被授予專(zhuān)利權(quán)。

為避免AI發(fā)明落入“非專(zhuān)利客體”的禁區(qū)，《指引》給出了明確的建議：在權(quán)利要求中引入與算法特征相關(guān)聯(lián)的技術(shù)特征。也就是說(shuō)，申請(qǐng)人在撰寫(xiě)權(quán)利要求時(shí)，不應(yīng)只描述純算法步驟，還應(yīng)當(dāng)限定其在具體技術(shù)環(huán)境下的實(shí)施。比如權(quán)利要求中指出算法由特定硬件（如“由人工智能芯片運(yùn)行”）執(zhí)行，或者限定算法用于處理特定工業(yè)數(shù)據(jù)或信號(hào)（如“用于對(duì)圖像進(jìn)行處理和分類(lèi)”）。

這樣，權(quán)利要求整體上就包含了硬件實(shí)體或面向具體數(shù)據(jù)的操作，屬于技術(shù)手段的應(yīng)用，不再是純智力活動(dòng)規(guī)則。例如，《指引》中提到：將神經(jīng)網(wǎng)絡(luò)模型處理方法限定用于圖像數(shù)據(jù)的分類(lèi)，因?yàn)椤皩?duì)圖像數(shù)據(jù)的處理和分類(lèi)”屬于技術(shù)領(lǐng)域的操作，因此這樣的方案整體上被視為技術(shù)方案而非智力活動(dòng)。同理，在我們的案例中，每項(xiàng)專(zhuān)利都結(jié)合了具體的應(yīng)用場(chǎng)景：如大語(yǔ)言模型的量化方法是面向計(jì)算機(jī)存儲(chǔ)/計(jì)算資源優(yōu)化的技術(shù)手段，生成式模型處理圖像的方法涉及圖像處理領(lǐng)域，這些限定使得權(quán)利要求不只是數(shù)學(xué)方法，而是扎根于特定技術(shù)問(wèn)題的解決方案。

當(dāng)然，避免被認(rèn)定為智力規(guī)則只是第一步。即使權(quán)利要求不屬于智力活動(dòng)規(guī)則，還必須符合專(zhuān)利法第二條第二款關(guān)于“技術(shù)方案”的要求。也就是權(quán)利要求的方案需要體現(xiàn)為利用自然規(guī)律解決一定的技術(shù)問(wèn)題，獲得技術(shù)效果。判斷標(biāo)準(zhǔn)是：看發(fā)明面向的問(wèn)題是否屬于技術(shù)問(wèn)題，所采用的手段是否遵循自然規(guī)律（如工程原理、計(jì)算機(jī)技術(shù)原理），達(dá)到的效果是否是自然規(guī)律作用下的可驗(yàn)證技術(shù)效果。對(duì)于AI發(fā)明來(lái)說(shuō)，關(guān)鍵在于所解決的問(wèn)題要是技術(shù)領(lǐng)域的問(wèn)題，而不是單純的商業(yè)、管理或人文領(lǐng)域問(wèn)題；以及算法的作用要落實(shí)到技術(shù)效果上。例如，利用神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)食品安全風(fēng)險(xiǎn)，如果通過(guò)引入時(shí)間戳、基于各時(shí)刻的數(shù)據(jù)訓(xùn)練模型，從而提高了對(duì)未來(lái)時(shí)間點(diǎn)風(fēng)險(xiǎn)預(yù)測(cè)的準(zhǔn)確度，那么這里解決的是預(yù)測(cè)準(zhǔn)確性這一技術(shù)問(wèn)題，采用的是數(shù)據(jù)處理建模的技術(shù)手段，達(dá)到了更準(zhǔn)確預(yù)測(cè)的技術(shù)效果，此方案就構(gòu)成技術(shù)方案。反之，利用神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)經(jīng)濟(jì)景氣指數(shù)的例子則被《指引》明確為不構(gòu)成技術(shù)方案。因?yàn)榻?jīng)濟(jì)景氣指數(shù)與經(jīng)濟(jì)數(shù)據(jù)、電力數(shù)據(jù)之間的關(guān)聯(lián)主要反映經(jīng)濟(jì)規(guī)律而非自然規(guī)律，換言之問(wèn)題出在經(jīng)濟(jì)領(lǐng)域（非技術(shù)問(wèn)題），算法探尋的是經(jīng)濟(jì)規(guī)律模式，沒(méi)有引入任何工程技術(shù)手段。因此即使用了AI模型，也未利用技術(shù)手段，不屬于專(zhuān)利法意義上的技術(shù)方案。

對(duì)于如何確保AI發(fā)明符合客體要求，《指引》也提供了實(shí)用的撰寫(xiě)和答復(fù)建議。首先，在撰寫(xiě)申請(qǐng)文件時(shí)，建議申請(qǐng)人在說(shuō)明書(shū)中詳細(xì)闡明發(fā)明要解決的技術(shù)問(wèn)題、采用的技術(shù)手段和獲得的技術(shù)效果。將這些內(nèi)容前置準(zhǔn)備好，不僅有助于撰寫(xiě)清晰的權(quán)利要求，也便于日后答復(fù)審查意見(jiàn)時(shí)說(shuō)明方案的技術(shù)屬性。如果審查過(guò)程中遇到疑問(wèn)，可以在答復(fù)審查意見(jiàn)時(shí)，根據(jù)原說(shuō)明書(shū)記載適當(dāng)修改權(quán)利要求，并在意見(jiàn)陳述中充分論證修改后的方案屬于技術(shù)方案。這種做法在實(shí)踐中非常重要——例如某項(xiàng)AI發(fā)明最初權(quán)利要求寫(xiě)得比較抽象，審查員提出客體異議，申請(qǐng)人就可以根據(jù)說(shuō)明書(shū)，把權(quán)利要求限定到具體技術(shù)應(yīng)用場(chǎng)景，并解釋算法如何解決技術(shù)問(wèn)題、產(chǎn)生技術(shù)效果，以說(shuō)服審查員。這實(shí)際上是將發(fā)明的技術(shù)實(shí)質(zhì)亮出來(lái)，避免因表述不清而被當(dāng)作非技術(shù)方案。綜上，只要申請(qǐng)人從一開(kāi)始就把算法放到具體裝置或應(yīng)用中去描述，并突出技術(shù)問(wèn)題-技術(shù)手段-技術(shù)效果的鏈條，AI相關(guān)發(fā)明通過(guò)客體審查的幾率就會(huì)大大提高。

創(chuàng)造性是發(fā)明專(zhuān)利授權(quán)的核心要求之一。對(duì)于人工智能發(fā)明來(lái)說(shuō)，審查創(chuàng)造性時(shí)一個(gè)突出難點(diǎn)在于：很多算法和模型本身是已知的，如果發(fā)明只是將常規(guī)AI算法用于某個(gè)場(chǎng)景，往往容易被認(rèn)為是顯而易見(jiàn)的應(yīng)用。鑒于此，《指引》針對(duì)算法類(lèi)發(fā)明提出了“算法特征與技術(shù)特征功能上相互支持、存在相互作用關(guān)系”的判斷標(biāo)準(zhǔn)。簡(jiǎn)單來(lái)說(shuō)，就是看算法特征和其他技術(shù)特征之間是否緊密結(jié)合，共同構(gòu)成了解決技術(shù)問(wèn)題的手段，并產(chǎn)生了相應(yīng)技術(shù)效果。如果是，則應(yīng)當(dāng)作為一個(gè)整體來(lái)看待，從而算法本身對(duì)方案的貢獻(xiàn)也計(jì)入創(chuàng)造性評(píng)價(jià)；反之，如果算法與技術(shù)場(chǎng)景結(jié)合松散，可有可無(wú)，那么僅憑算法的已有性就可能導(dǎo)致創(chuàng)造性不足。

那么如何使算法特征與技術(shù)特征達(dá)到“功能上相互支持”呢？《指引》給出了很實(shí)用的撰寫(xiě)要點(diǎn)：在涉及將AI模型用于特定功能或領(lǐng)域的發(fā)明中，申請(qǐng)文件應(yīng)明確：要實(shí)現(xiàn)該功能/應(yīng)用所要解決的技術(shù)問(wèn)題，所采用的遵循自然規(guī)律的技術(shù)手段（算法在其中如何運(yùn)作），以及獲得的技術(shù)效果。尤其當(dāng)發(fā)明對(duì)現(xiàn)有算法流程或模型參數(shù)進(jìn)行了特殊調(diào)整以適應(yīng)特定用途時(shí)，要寫(xiě)清楚該調(diào)整解決了哪些技術(shù)難題，帶來(lái)了哪些有益的技術(shù)效果。只要能夠說(shuō)明：算法經(jīng)過(guò)改進(jìn)后針對(duì)特定問(wèn)題取得了技術(shù)突破，那么就可認(rèn)為算法特征與整體技術(shù)方案是相互作用、互相支撐的，算法的新穎貢獻(xiàn)應(yīng)算入創(chuàng)造性評(píng)價(jià)。

舉例來(lái)說(shuō)，《指引》中提到機(jī)器人跌倒?fàn)顟B(tài)檢測(cè)的案例：

某發(fā)明提出了一種基于多傳感器的仿人機(jī)器人跌倒檢測(cè)方法，其中引入了一種新的模糊決策算法來(lái)判斷機(jī)器人穩(wěn)定狀態(tài)，比起現(xiàn)有技術(shù)更好地解決了如何準(zhǔn)確判斷機(jī)器人是否將要跌倒這一技術(shù)問(wèn)題。在這個(gè)方案中，傳感器硬件（技術(shù)特征）和模糊決策算法（算法特征）緊密配合：算法處理傳感器數(shù)據(jù)，輸出機(jī)器人姿態(tài)穩(wěn)定性的判斷，成功預(yù)判跌倒方向，顯然取得了技術(shù)效果的改進(jìn)。因此這里算法和裝置是功能上互相支持的，新的算法成為技術(shù)方案不可或缺的一部分，應(yīng)計(jì)入創(chuàng)造性評(píng)價(jià)。這種情況下，即便該模糊算法本身源自已知原理，只要其應(yīng)用組合創(chuàng)造性地解決了機(jī)器人領(lǐng)域的難題，就可以認(rèn)定整項(xiàng)發(fā)明具有創(chuàng)造性。

反過(guò)來(lái)，如果發(fā)明只是簡(jiǎn)單將現(xiàn)有AI算法應(yīng)用到另一個(gè)場(chǎng)景，而未做任何改進(jìn)，則可能難以通過(guò)創(chuàng)造性審查。《指引》明確指出：對(duì)于此類(lèi)情形，需要綜合考慮算法/模型應(yīng)用場(chǎng)景的遠(yuǎn)近、是否存在應(yīng)用啟示、跨場(chǎng)景應(yīng)用的技術(shù)難度、是否克服技術(shù)障礙以及是否產(chǎn)生出人意料的技術(shù)效果等因素。若只是直接換了應(yīng)用數(shù)據(jù)，算法本身沒(méi)有調(diào)整，效果也在意料之中，那么這樣的方案通常被認(rèn)為是顯而易見(jiàn)的。例如，將一種用于識(shí)別圖像中水果的現(xiàn)有深度學(xué)習(xí)算法拿來(lái)識(shí)別圖像中的船只。兩者技術(shù)實(shí)現(xiàn)上并無(wú)差異，唯一改變的是訓(xùn)練數(shù)據(jù)從水果變成了船只。如果算法結(jié)構(gòu)、訓(xùn)練方法都未做新的設(shè)計(jì)或克服特別的困難，輸出準(zhǔn)確率的提升也只是源于訓(xùn)練數(shù)據(jù)本身，這種應(yīng)用就缺乏創(chuàng)造性。因?yàn)閷?duì)于本領(lǐng)域技術(shù)人員來(lái)說(shuō)，把一個(gè)圖像識(shí)別模型從識(shí)別水果改為識(shí)別船只，是一個(gè)順理成章的嘗試，不需要?jiǎng)?chuàng)造性的勞動(dòng)，也沒(méi)有產(chǎn)生意想不到的效果。

此外，還有一種情況是AI算法與計(jì)算機(jī)系統(tǒng)的內(nèi)部結(jié)構(gòu)產(chǎn)生特定技術(shù)關(guān)聯(lián)，比如針對(duì)算法優(yōu)化設(shè)計(jì)硬件架構(gòu)，或利用算法提高計(jì)算機(jī)內(nèi)部資源管理效率等。如果發(fā)明涉及這方面的改進(jìn)，使計(jì)算機(jī)系統(tǒng)性能得到提升，那么算法特征與硬件特征可作為一個(gè)整體看待，其結(jié)合帶來(lái)的性能提升也應(yīng)視為創(chuàng)造性貢獻(xiàn)的一部分。這實(shí)際上拓寬了創(chuàng)造性考量的視角：不局限于算法本身新不新，而是看算法與其他技術(shù)要素一起有沒(méi)有形成非顯而易見(jiàn)的新效果。例如我們前述的CN118094037B顯存管理專(zhuān)利，就屬于AI模型與計(jì)算機(jī)體系結(jié)構(gòu)相結(jié)合的創(chuàng)新，它通過(guò)特定的顯存調(diào)度算法提升了GPU對(duì)大模型的支持能力。如果這一方案在申請(qǐng)時(shí)并非業(yè)界普遍采用的常規(guī)手段，且顯著改善了性能，那么顯然具有創(chuàng)造性。

總的來(lái)說(shuō)，針對(duì)AI發(fā)明的創(chuàng)造性要求，申請(qǐng)人應(yīng)當(dāng)重點(diǎn)突出發(fā)明的技術(shù)突破點(diǎn)：是算法本身有創(chuàng)新（如新的網(wǎng)絡(luò)結(jié)構(gòu)、訓(xùn)練策略），還是算法在特定應(yīng)用中有巧妙的改進(jìn)或結(jié)合（如為解決行業(yè)難題對(duì)算法進(jìn)行了特別調(diào)優(yōu)），抑或算法與系統(tǒng)深度融合帶來(lái)了技術(shù)效果？在撰寫(xiě)專(zhuān)利時(shí)，用技術(shù)問(wèn)題和技術(shù)效果來(lái)框定發(fā)明的貢獻(xiàn)點(diǎn)，并相應(yīng)強(qiáng)調(diào)現(xiàn)有技術(shù)中不存在這一結(jié)合或無(wú)法取得相同效果。我們看到，上述案例如百度的多模態(tài)大模型專(zhuān)利，就解決了怎樣讓語(yǔ)言模型執(zhí)行視覺(jué)任務(wù)的技術(shù)挑戰(zhàn)；華為的大模型量化專(zhuān)利則實(shí)現(xiàn)了現(xiàn)有技術(shù)中難以兼顧的“大模型高精度推理與低資源占用”。這些技術(shù)上的非顯而易見(jiàn)進(jìn)步正是他們獲得專(zhuān)利的原因。遵循《指引》提供的思路來(lái)布局創(chuàng)造性論述，無(wú)疑將有助于AI專(zhuān)利申請(qǐng)人在審查中更有效地證明發(fā)明的創(chuàng)造性。

充分公開(kāi)是指專(zhuān)利說(shuō)明書(shū)需要對(duì)發(fā)明作出清楚完整的描述，以使本領(lǐng)域技術(shù)人員據(jù)此能夠?qū)嵤１緛?lái)，這一要求對(duì)任何技術(shù)領(lǐng)域都適用，但在人工智能領(lǐng)域尤其具有挑戰(zhàn)性。原因在于：AI算法往往高度復(fù)雜和抽象，例如深度學(xué)習(xí)模型包含大量層次和參數(shù)，內(nèi)部工作機(jī)制猶如“黑箱”，很難用簡(jiǎn)單文字完全闡明。另外，AI算法的效果高度依賴(lài)于具體的數(shù)據(jù)集和實(shí)驗(yàn)環(huán)境，結(jié)果的可重復(fù)性和可驗(yàn)證性較難保證。這導(dǎo)致，如果說(shuō)明書(shū)披露不充分，審查員可能懷疑本領(lǐng)域技術(shù)人員能否實(shí)現(xiàn)或復(fù)現(xiàn)發(fā)明的技術(shù)效果，進(jìn)而發(fā)出不符合充分公開(kāi)的駁回理由。

針對(duì)這一問(wèn)題，《指引》專(zhuān)門(mén)分析了不同類(lèi)型AI發(fā)明在說(shuō)明書(shū)撰寫(xiě)中的關(guān)注點(diǎn)，并提供了一些指導(dǎo)建議?？偨Y(jié)來(lái)說(shuō)，不同類(lèi)型的AI創(chuàng)新在撰寫(xiě)說(shuō)明書(shū)時(shí)應(yīng)把握以下要點(diǎn)：

模型訓(xùn)練方面的發(fā)明：如果發(fā)明貢獻(xiàn)在于新的模型訓(xùn)練方法，說(shuō)明書(shū)中應(yīng)當(dāng)清楚記載模型訓(xùn)練所涉及的算法及具體步驟、訓(xùn)練流程等。也就是把訓(xùn)練數(shù)據(jù)準(zhǔn)備、網(wǎng)絡(luò)結(jié)構(gòu)、訓(xùn)練策略、超參數(shù)設(shè)置、收斂判別標(biāo)準(zhǔn)等關(guān)鍵細(xì)節(jié)交代清楚。這樣本領(lǐng)域工程師才能按照說(shuō)明書(shū)復(fù)現(xiàn)訓(xùn)練過(guò)程，獲得相應(yīng)模型。在我們的案例中，如CN117114063B涉及將大語(yǔ)言模型用于圖像任務(wù)，那么訓(xùn)練中可能有哪些特別設(shè)計(jì)（例如多模態(tài)訓(xùn)練步驟、損失函數(shù)調(diào)整等）都需要充分披露，才能支撐如此復(fù)雜的模型訓(xùn)練發(fā)明。

模型結(jié)構(gòu)方面的發(fā)明：如果發(fā)明貢獻(xiàn)在于新的模型架構(gòu)或結(jié)構(gòu)改進(jìn)，說(shuō)明書(shū)中應(yīng)詳細(xì)描述模型的必要模塊組成、層次結(jié)構(gòu)、各部分連接關(guān)系等。并且要準(zhǔn)確、客觀(guān)地寫(xiě)明模型實(shí)現(xiàn)了什么功能、達(dá)到了什么效果。必要時(shí)，可以通過(guò)實(shí)驗(yàn)數(shù)據(jù)或?qū)Ρ确治鰜?lái)證明新結(jié)構(gòu)帶來(lái)的性能提升。例如CN118036755B的大模型量化專(zhuān)利，說(shuō)明書(shū)中想必列舉了在典型數(shù)據(jù)集上的測(cè)試結(jié)果，證明量化后模型內(nèi)存占用大幅降低且精度損失很小，以此來(lái)佐證該量化方法的有效性和技術(shù)效果。本領(lǐng)域技術(shù)人員據(jù)此就能理解：該量化方案如何實(shí)施，以及實(shí)施后性能指標(biāo)如何，這是充分公開(kāi)的重要體現(xiàn)。

特定領(lǐng)域應(yīng)用的發(fā)明：如果發(fā)明主要在于AI在某具體場(chǎng)景的應(yīng)用，說(shuō)明書(shū)應(yīng)明確描述AI模型如何和該應(yīng)用場(chǎng)景結(jié)合。包括：輸入輸出數(shù)據(jù)是如何取得和預(yù)處理的，模型在該場(chǎng)景中執(zhí)行哪些步驟，產(chǎn)生什么輸出，以及輸入和輸出數(shù)據(jù)之間有何關(guān)聯(lián)。必要的話(huà)，應(yīng)解釋這種關(guān)聯(lián)性為何能夠解決該領(lǐng)域的問(wèn)題。本領(lǐng)域技術(shù)人員看了說(shuō)明書(shū)，應(yīng)當(dāng)能明白模型在此場(chǎng)景下是怎么工作的、為何可以達(dá)成所述功能。

通過(guò)上述針對(duì)性的披露，申請(qǐng)人可以大大增強(qiáng)說(shuō)明書(shū)的可實(shí)施性，避免“本領(lǐng)域技術(shù)人員無(wú)法實(shí)現(xiàn)”的質(zhì)疑?！吨敢冯m然承認(rèn)這些建議仍比較原則，并未給出具體案例細(xì)節(jié)，但其指導(dǎo)思想很明確：哪塊是發(fā)明創(chuàng)新點(diǎn)，就把哪塊拆開(kāi)了講透，該給算法流程的就不給結(jié)論性描述，該給參數(shù)和實(shí)驗(yàn)數(shù)據(jù)的就不要惜字。如指引所言，這對(duì)于當(dāng)前快速演進(jìn)的AI領(lǐng)域尤為重要，因?yàn)槟Ｐ徒Y(jié)構(gòu)、訓(xùn)練方法層出不窮，大家對(duì)如何撰寫(xiě)這類(lèi)發(fā)明還在摸索。充分詳實(shí)的披露不僅有助于申請(qǐng)順利授權(quán)，也關(guān)系到專(zhuān)利授權(quán)后的穩(wěn)定性。如果說(shuō)明書(shū)含糊不清，日后專(zhuān)利維權(quán)時(shí)很可能因不符合支持要求或不清楚而被無(wú)效掉。我們?cè)诎咐锌吹?，這些獲得授權(quán)的AI專(zhuān)利無(wú)一不是技術(shù)細(xì)節(jié)豐富的：無(wú)論是模型算法（如量化策略、訓(xùn)練步驟）還是應(yīng)用流程（如數(shù)據(jù)處理和系統(tǒng)架構(gòu)），都有較完整的描述支撐，保障了專(zhuān)利的含金量。

綜上，《人工智能發(fā)明專(zhuān)利申請(qǐng)指引》通過(guò)細(xì)化客體標(biāo)準(zhǔn)、創(chuàng)造性判斷和充分公開(kāi)等關(guān)鍵要求，為AI領(lǐng)域的專(zhuān)利申請(qǐng)?zhí)峁┝嗣鞔_的路線(xiàn)圖。申請(qǐng)人應(yīng)當(dāng)結(jié)合自身發(fā)明類(lèi)型，參考指引中的建議撰寫(xiě)申請(qǐng)文件和權(quán)利要求，避免純算法堆砌，突出技術(shù)效果證明，并詳盡披露實(shí)現(xiàn)過(guò)程。通過(guò)本文介紹的典型案例可以看出：只有將AI發(fā)明放在技術(shù)方案的框架下充分闡述，其新穎性和創(chuàng)造性才能被審查員正確認(rèn)知，從而大幅提高專(zhuān)利申請(qǐng)的成功率。面對(duì)日益激烈的AI技術(shù)競(jìng)爭(zhēng)，善用《指引》精神來(lái)布局專(zhuān)利，無(wú)疑將使創(chuàng)新成果獲得更有力和穩(wěn)健的保護(hù)。

美國(guó)專(zhuān)利商標(biāo)局（USPTO）于2024年7月發(fā)布了《專(zhuān)利客體審查指南更新》，專(zhuān)門(mén)針對(duì)人工智能相關(guān)發(fā)明的專(zhuān)利適格性（Subject Matter Eligibility）提供了新的說(shuō)明和示例。該指南重申：AI相關(guān)發(fā)明并沒(méi)有特殊的額外門(mén)檻或豁免，其客體審查仍按照現(xiàn)有的專(zhuān)利適格性框架進(jìn)行。也就是說(shuō)，無(wú)論一項(xiàng)發(fā)明是否由AI開(kāi)發(fā)或包含AI元素，審查員都應(yīng)應(yīng)用Alice/Mayo兩步法，首先確認(rèn)權(quán)利要求屬于法定類(lèi)別，然后判斷其是否“涉及司法例外”以及是否包含“顯著超過(guò)”司法例外的附加元素。USPTO明確指出：“AI輔助完成的發(fā)明并非在專(zhuān)利適格性上被一刀切地排除”，發(fā)明是否可專(zhuān)利取決于其權(quán)利要求內(nèi)容本身，而非研發(fā)過(guò)程中使用了AI與否。

針對(duì)AI發(fā)明在審查實(shí)踐中的難點(diǎn)，新指南著重澄清了兩大關(guān)鍵問(wèn)題：一是如何判斷權(quán)利要求是否引用了抽象理念（Step 2A第一步），二是當(dāng)權(quán)利要求涉及抽象理念時(shí)，如何評(píng)估其是否被整合進(jìn)實(shí)際應(yīng)用（尤其是是否改進(jìn)了計(jì)算機(jī)功能或其他技術(shù)領(lǐng)域，對(duì)應(yīng)Step 2A第二步)。指南承認(rèn)，對(duì)于AI發(fā)明而言，Step 2A第一步可能具有挑戰(zhàn)性，因?yàn)樵S多AI發(fā)明都涉及數(shù)學(xué)算法或數(shù)據(jù)處理等抽象概念。因此，USPTO強(qiáng)調(diào)審查員需區(qū)分“權(quán)利要求認(rèn)定了抽象理念”（則需要進(jìn)一步適格性分析）與“僅涉及或基于抽象理念”（則可能不屬于司法例外）。簡(jiǎn)單來(lái)說(shuō)，如果權(quán)利要求的限定僅僅“在使用”某種算法或數(shù)學(xué)方法，但整體上并未將其作為發(fā)明主題加以主張，則不應(yīng)一概視為認(rèn)定了抽象理念。

此外，指南對(duì)Step 2A第二步（實(shí)際應(yīng)用）也提供了更明確的說(shuō)明和案例。尤其在AI領(lǐng)域，若權(quán)利要求中的AI算法被用于特定的技術(shù)問(wèn)題并帶來(lái)具體技術(shù)改進(jìn)，則可視為將抽象理念整合到了實(shí)際應(yīng)用中，從而滿(mǎn)足專(zhuān)利客體要求。例如，提高計(jì)算機(jī)運(yùn)行效率、增強(qiáng)特定技術(shù)領(lǐng)域的性能等，都被作為判斷“實(shí)際應(yīng)用”的重要考慮因素。

在沒(méi)有步驟2A的第二個(gè)分支的情況下，權(quán)利要求引用了司法例外之后，就要進(jìn)入步驟2B，要判斷權(quán)利要求是否具有附加因素足以明顯超過(guò)司法例外，這一點(diǎn)實(shí)際上就是含有初步的創(chuàng)造性的判斷，即附加的因素帶來(lái)創(chuàng)造性的貢獻(xiàn)。

在步驟分成兩個(gè)分支的情況下，第二分支是判斷附加因素是否將司法例外整合到實(shí)際應(yīng)用中。這其中有一部分的判斷是和步驟2B有重疊的，但是要比直接進(jìn)入步驟2B進(jìn)行評(píng)估要寬松，在步驟2A的第二分支中判斷附加因素是否無(wú)關(guān)緊要的額外手段（insignificant extra-solution activity）或者僅僅是應(yīng)用司法例外的指示。如果是這兩種情況，比如只是在權(quán)利要求中到“接收信息”、“發(fā)送信息”，這就是典型的無(wú)關(guān)緊要的額外手段，不會(huì)因?yàn)檫@些內(nèi)容讓含有算法特征的權(quán)利要求符合客體標(biāo)準(zhǔn)。僅僅是應(yīng)用司法例外的指示主要指在權(quán)利要求中寫(xiě)一些套話(huà)，比如“用訓(xùn)練的神經(jīng)網(wǎng)絡(luò)去處理”這些指令性的描述。

在步驟2A的第二分支中，當(dāng)權(quán)利要求反映了對(duì)計(jì)算機(jī)功能的改進(jìn)或者其他技術(shù)領(lǐng)域的改進(jìn)，這時(shí)候就相當(dāng)于將司法例外整合到實(shí)際應(yīng)用了。所以步驟2A的第二分支是隱含創(chuàng)造性的初步判斷的。但是步驟2A的創(chuàng)造性的判斷要比步驟2B要寬松，步驟2B是要明確排除公知、常規(guī)的、管用的手段，步驟2A的第二分支是排除掉無(wú)關(guān)緊要的額外手段或應(yīng)用例外的指令或指示。二者有明顯區(qū)別，也正是這個(gè)區(qū)別讓進(jìn)入美國(guó)的人工智能申請(qǐng)因?yàn)榭腕w被駁回的減少了很多。

值得注意的是，新指南還再次強(qiáng)調(diào)了發(fā)明人必須是自然人的原則：僅由AI自主完成的創(chuàng)新不屬于可獲得專(zhuān)利權(quán)的發(fā)明。AI可作為工具輔助發(fā)明創(chuàng)造，但不能取代人被列為發(fā)明人。總的來(lái)說(shuō)，2024年7月的這次指南更新為AI相關(guān)的專(zhuān)利申請(qǐng)?zhí)峁┝烁逦目腕w適格性判斷標(biāo)準(zhǔn)，并附帶了三個(gè)全新示例案例（47/48/49）來(lái)說(shuō)明如何應(yīng)用這些標(biāo)準(zhǔn)。

新版指南提供了三組AI相關(guān)的假想案例（Examples 47、48、49），模擬審查過(guò)程以說(shuō)明哪些類(lèi)型的AI發(fā)明是專(zhuān)利適格的，哪些則會(huì)被認(rèn)定為抽象概念而不予保護(hù)。這些案例的設(shè)置和分析對(duì)申請(qǐng)人具有指導(dǎo)意義，揭示了撰寫(xiě)AI發(fā)明專(zhuān)利申請(qǐng)時(shí)應(yīng)注意的要點(diǎn)。下面分別解析這三個(gè)新增案例及其示范意義：

案例47：異常檢測(cè)（Anomaly Detection）

背景：案例47涉及利用人工神經(jīng)網(wǎng)絡(luò)（ANN）進(jìn)行異常檢測(cè)的發(fā)明。該案例的權(quán)利要求設(shè)計(jì)了兩種情形，一是具有具體硬件結(jié)構(gòu)的實(shí)現(xiàn)方式，二是僅概括算法步驟的實(shí)現(xiàn)方式，從而比較二者在適格性上的差異。

權(quán)利要求1（硬件實(shí)施）：一項(xiàng)包含多層神經(jīng)元和突觸電路的特殊裝置或系統(tǒng)，用于檢測(cè)異常模式。例如，權(quán)利要求中限定了若干“神經(jīng)元”組件（包含寄存器和處理單元）以及存儲(chǔ)突觸權(quán)重的電路，共同構(gòu)成了一個(gè)人工神經(jīng)網(wǎng)絡(luò)。USPTO的分析認(rèn)為，該權(quán)利要求描述的是具體的機(jī)器結(jié)構(gòu)和硬件組件，并未落入抽象理念的范疇。換言之，此權(quán)利要求雖然“涉及”了AI算法（神經(jīng)網(wǎng)絡(luò)模型），但所限定的是一種硬件裝置本身，屬于有形的技術(shù)方案，并不“認(rèn)定”抽象理念。根據(jù)指南，這樣的權(quán)利要求沒(méi)有包含司法例外，因而不需要進(jìn)行進(jìn)一步的Alice測(cè)試分析，即可判定為專(zhuān)利適格。案例47通過(guò)此情形強(qiáng)調(diào)：將AI算法以具體技術(shù)手段實(shí)現(xiàn)（如特殊電路或芯片），能夠避免觸及抽象理念的禁區(qū)。正如USPTO提醒審查員的，那些只是涉及而非認(rèn)定了抽象概念的發(fā)明，應(yīng)當(dāng)被視為符合專(zhuān)利客體要求。

權(quán)利要求2（算法流程）：相較之下，另一情形的權(quán)利要求用更抽象的方式描述AI異常檢測(cè)，例如僅列舉利用神經(jīng)網(wǎng)絡(luò)模型分析數(shù)據(jù)以識(shí)別異常的步驟，而未限定具體技術(shù)手段。假設(shè)該權(quán)利要求包含：獲取數(shù)據(jù)、對(duì)數(shù)據(jù)進(jìn)行離散化處理、利用神經(jīng)網(wǎng)絡(luò)執(zhí)行訓(xùn)練和檢測(cè)等步驟。USPTO分析發(fā)現(xiàn)，此方案中包含多個(gè)抽象概念：例如“離散化”步驟可在人腦中完成，屬于 mentale process（人類(lèi)心智活動(dòng)）；神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過(guò)程涉及數(shù)學(xué)算法（如反向傳播和梯度下降），屬于Mathematical Concept（數(shù)學(xué)概念）。因此，該權(quán)利要求認(rèn)定了抽象理念，需要進(jìn)一步審查其附加元素是否將其整合成實(shí)際應(yīng)用或構(gòu)成發(fā)明構(gòu)思。經(jīng)分析，USPTO認(rèn)為該權(quán)利要求僅僅調(diào)用通用計(jì)算機(jī)和ANN實(shí)現(xiàn)既定結(jié)果（“檢測(cè)并分析異?！保?，并未具體限定神經(jīng)網(wǎng)絡(luò)如何實(shí)現(xiàn)改進(jìn)或發(fā)揮技術(shù)作用。計(jì)算機(jī)和神經(jīng)網(wǎng)絡(luò)在此只是執(zhí)行指令的工具，相當(dāng)于在抽象理念后面簡(jiǎn)單附加“用計(jì)算機(jī)實(shí)現(xiàn)”或“應(yīng)用它”的做法。缺乏實(shí)質(zhì)性的技術(shù)限定，使得該方案沒(méi)有被整合到任何具體應(yīng)用中，也沒(méi)有額外的發(fā)明構(gòu)思，因而被認(rèn)定為不符合專(zhuān)利客體要求。案例47通過(guò)這一對(duì)比，示范了同樣是AI異常檢測(cè)，如果權(quán)利要求書(shū)寫(xiě)得過(guò)于抽象（僅強(qiáng)調(diào)算法本身或結(jié)果，而無(wú)具體技術(shù)手段或應(yīng)用場(chǎng)景)，就會(huì)落入“不專(zhuān)利的抽象想法”范圍；反之，結(jié)合具體硬件結(jié)構(gòu)或明確技術(shù)改進(jìn)能夠使AI發(fā)明通過(guò)適格性門(mén)檻。

案例48：語(yǔ)音分離（Speech Separation）

背景：案例48聚焦基于AI的語(yǔ)音信號(hào)分離技術(shù)。該案例提供了三個(gè)示例性權(quán)利要求，其中一個(gè)被視為不適格，另外兩個(gè)被視為適格，重點(diǎn)比較了簡(jiǎn)單數(shù)據(jù)處理和具體應(yīng)用方案的區(qū)別。

權(quán)利要求1（不適格）: 涉及一種語(yǔ)音分離的方法，包括步驟：接收混合語(yǔ)音信號(hào)、將其轉(zhuǎn)換為時(shí)頻域的頻譜圖、提取特征、并使用深度神經(jīng)網(wǎng)絡(luò)（DNN）生成對(duì)應(yīng)的嵌入向量。這些步驟基本上是對(duì)音頻信號(hào)進(jìn)行數(shù)學(xué)轉(zhuǎn)換和特征計(jì)算。指南指出，權(quán)利要求1僅涉及對(duì)信息的數(shù)學(xué)處理，本質(zhì)上是**“利用數(shù)學(xué)技術(shù)操縱信息”這一抽象理念，沒(méi)有進(jìn)一步限定這些處理結(jié)果如何用于實(shí)際的技術(shù)用途。盡管這些步驟對(duì)于實(shí)現(xiàn)語(yǔ)音分離算法是必要的，但它們本身并未增加任何額外的技術(shù)限制或發(fā)明性的概念，因此該權(quán)利要求被認(rèn)定為“執(zhí)行數(shù)學(xué)算法的抽象方案”，不符合專(zhuān)利客體要求。簡(jiǎn)單來(lái)說(shuō)，權(quán)利要求1只是描述了常規(guī)的數(shù)據(jù)接收和處理流程，缺乏將結(jié)果應(yīng)用于具體技術(shù)問(wèn)題的限定，因而被判定為抽象且不專(zhuān)利。

權(quán)利要求2（適格）: 在權(quán)利要求1的基礎(chǔ)上增加了后續(xù)步驟，例如將神經(jīng)網(wǎng)絡(luò)輸出的嵌入向量進(jìn)行聚類(lèi)、對(duì)每個(gè)聚類(lèi)應(yīng)用掩膜以提取單一聲源的語(yǔ)音信號(hào)，進(jìn)一步合成新的音頻并傳輸儲(chǔ)存。更關(guān)鍵的是，案例描述中指出這些分離出的語(yǔ)音信號(hào)被用于提升特定應(yīng)用的性能——如用于語(yǔ)音識(shí)別系統(tǒng)，以提高免提環(huán)境下語(yǔ)音指令識(shí)別的準(zhǔn)確率。通過(guò)增加步驟4-8，權(quán)利要求2將純粹的信號(hào)分離過(guò)程與具體的技術(shù)應(yīng)用情景關(guān)聯(lián)起來(lái)：它不只是分離聲音，而是利用分離結(jié)果來(lái)改進(jìn)語(yǔ)音識(shí)別這一實(shí)際技術(shù)效果。USPTO分析認(rèn)為，這些附加步驟對(duì)抽象結(jié)果賦予了有意義的限制，將原先的數(shù)學(xué)處理過(guò)程整合進(jìn)了一個(gè)實(shí)際應(yīng)用（提高語(yǔ)音識(shí)別精度的系統(tǒng)），從而使該權(quán)利要求滿(mǎn)足專(zhuān)利適格。對(duì)比權(quán)利要求1，權(quán)利要求2多了一個(gè)層次——將AI算法的輸出投入后續(xù)具體用途，產(chǎn)生實(shí)用效果，因此具有專(zhuān)利客體資格。案例48由此示范：對(duì)于AI算法處理（如語(yǔ)音分離）類(lèi)發(fā)明，僅有輸入->算法->輸出的描述可能不夠，還應(yīng)當(dāng)明確算法輸出如何運(yùn)用在特定領(lǐng)域以解決實(shí)際問(wèn)題。通過(guò)闡明AI在特定情境下帶來(lái)的技術(shù)改善（例如降低噪聲干擾、提高識(shí)別準(zhǔn)確率），可以將抽象算法轉(zhuǎn)變?yōu)榭蓪?zhuān)利的技術(shù)方案。

案例48的分析對(duì)申請(qǐng)人具有指導(dǎo)意義。如果一項(xiàng)AI發(fā)明涉及信號(hào)處理或數(shù)據(jù)分析類(lèi)步驟，申請(qǐng)人在撰寫(xiě)權(quán)利要求時(shí)應(yīng)考慮加入后續(xù)應(yīng)用或具體用途。正如指南所示，增加諸如“將結(jié)果用于XX系統(tǒng)以實(shí)現(xiàn)YY改進(jìn)”之類(lèi)的限定，有助于表明發(fā)明解決了特定技術(shù)問(wèn)題而不僅僅是在做數(shù)學(xué)運(yùn)算，從而提高通過(guò)101適格性審查的概率。

案例49：纖維化治療（個(gè)性化醫(yī)療AI應(yīng)用）

案例49涉及利用AI模型輔助制定個(gè)性化醫(yī)療方案的發(fā)明。具體場(chǎng)景是針對(duì)青光眼患者植入微支架后的術(shù)后纖維化（瘢痕）治療個(gè)性化方案，即通過(guò)患者基因信息預(yù)測(cè)其發(fā)生術(shù)后炎癥并發(fā)癥的風(fēng)險(xiǎn)，并相應(yīng)調(diào)整治療。這個(gè)案例旨在說(shuō)明，在醫(yī)療診療領(lǐng)域應(yīng)用AI的專(zhuān)利申請(qǐng)中，如何劃分抽象思想（如疾病風(fēng)險(xiǎn)評(píng)估中的算法）與實(shí)際應(yīng)用（具體治療步驟）的界限。

權(quán)利要求1（不適格）: 包含步驟：提取患者樣本并基因分型得到基因型數(shù)據(jù)集；利用一種AI模型（如“ezAI”模型）對(duì)若干遺傳位點(diǎn)賦權(quán)計(jì)算多基因風(fēng)險(xiǎn)評(píng)分，據(jù)此識(shí)別該患者為術(shù)后炎癥高風(fēng)險(xiǎn)；以及據(jù)此給予患者“適當(dāng)?shù)闹委煛??？梢钥闯觯瑱?quán)利要求1結(jié)合了生物信息分析和醫(yī)療決策：前兩步涉及生物數(shù)據(jù)的獲取和數(shù)學(xué)算法計(jì)算（屬于抽象概念或自然規(guī)律的運(yùn)用），最后一步是醫(yī)療行為。按照指南分析，前面的基因檢測(cè)和風(fēng)險(xiǎn)評(píng)估步驟屬于司法例外（涉及自然規(guī)律和抽象算法）且本身并未包含技術(shù)應(yīng)用；而雖然權(quán)利要求1提到了“給予適當(dāng)?shù)闹委煛?，但這一措辭過(guò)于籠統(tǒng)，并未限定具體治療手段，只是提出一個(gè)執(zhí)行決策的概念。USPTO認(rèn)為，這種“適當(dāng)治療”泛泛而談的表述，實(shí)質(zhì)上等同于對(duì)前述抽象結(jié)果給出“應(yīng)用之”的指示，并沒(méi)有將抽象的評(píng)估過(guò)程真正限定到特定實(shí)際治療方案。因此，權(quán)利要求1整體上仍被視為主要針對(duì)抽象的診斷/預(yù)測(cè)思路，屬于不適格的主。換言之，僅僅提出“根據(jù)AI分析結(jié)果進(jìn)行相應(yīng)治療”而不說(shuō)明具體治療措施，不足以使權(quán)利要求擺脫抽象概念的范疇。

權(quán)利要求2（適格）: 在上述基礎(chǔ)上，進(jìn)一步限定了“適當(dāng)?shù)闹委煛钡木唧w形式——例如明確指出所給予的治療方案是使用X化合物的眼藥水。這一細(xì)節(jié)看似很小，但法律效果截然不同：通過(guò)將AI評(píng)估結(jié)果連接到特定的、實(shí)際的治療措施，權(quán)利要求2為抽象的算法決策增加了有意義的技術(shù)限定。USPTO分析指出，限定使用特定藥物（Compound X眼藥水）為治療，不僅使整個(gè)方案具有了特定的實(shí)質(zhì)步驟，更將前面的風(fēng)險(xiǎn)預(yù)測(cè)融入到真實(shí)世界的治療應(yīng)用中，因而構(gòu)成了對(duì)司法例外的“實(shí)際應(yīng)用”整合。結(jié)果，權(quán)利要求2被認(rèn)定為專(zhuān)利適格。案例49表明，在醫(yī)療領(lǐng)域運(yùn)用AI時(shí)，如果權(quán)利要求僅涵蓋數(shù)據(jù)分析和疾病風(fēng)險(xiǎn)判斷（往往被視為抽象算法或自然法則的運(yùn)用），最好進(jìn)一步限定具體的臨床措施（例如給藥方案、治療步驟），以確保整體方案具有技術(shù)實(shí)質(zhì)。這種限定能夠?qū)⑺惴ǖ妮敵觥奥涞亍钡綄?shí)際醫(yī)療操作中，從而滿(mǎn)足專(zhuān)利客體要求。不過(guò)，指南也提醒，此類(lèi)包含“實(shí)施治療”步驟的權(quán)利要求在執(zhí)法層面可能產(chǎn)生分割侵權(quán)等問(wèn)題，因?yàn)樗惴ǚ治龊团R床給藥可能由不同主體執(zhí)行。因此在撰寫(xiě)時(shí)需要權(quán)衡：一方面明確具體治療以通過(guò)適格性審查，另一方面盡量避免權(quán)利要求被拆分導(dǎo)致難以有效維權(quán)。

案例49與美國(guó)最高法院Mayo案（2012）的情形類(lèi)似，后者曾裁定將體內(nèi)代謝測(cè)量結(jié)果用于指導(dǎo)藥物劑量調(diào)整的權(quán)利要求不具專(zhuān)利適格性。但USPTO通過(guò)該案例示范，增加具體治療限制可以賦予AI醫(yī)療發(fā)明以“技術(shù)方案”的面貌，使其更有可能獲得專(zhuān)利權(quán)。需要注意的是，中國(guó)專(zhuān)利法明確將“疾病的診斷和治療方法”排除在可專(zhuān)利客體之外，因此像案例49這種涉及人體治療的方法在中國(guó)無(wú)論是否用到AI，原則上都不能獲得專(zhuān)利保護(hù)（見(jiàn)下文中美對(duì)比部分）。

美國(guó)與中國(guó)在專(zhuān)利客體（適格性）方面有著不同的法律框架，但對(duì)于人工智能相關(guān)發(fā)明的審查，雙方近期發(fā)布的指南表現(xiàn)出趨同的理念：純粹的算法或數(shù)據(jù)智力活動(dòng)不應(yīng)獲得專(zhuān)利，只有當(dāng)AI方案結(jié)合了具體技術(shù)手段并解決實(shí)際技術(shù)問(wèn)題時(shí)，才被視為可專(zhuān)利的技術(shù)方案。

美國(guó)采用司法例外（judicial exceptions）原則，即如果權(quán)利要求落入抽象理念、自然法則等例外范疇，則需進(jìn)一步檢視其附加特征是否使之“顯著多于”例外本身。這一套標(biāo)準(zhǔn)源自美國(guó)法院判例（如Alice/Mayo），USPTO通過(guò)Step 2A和2B步驟加以實(shí)施。而中國(guó)則采用“技術(shù)方案”判定：中國(guó)專(zhuān)利法要求發(fā)明創(chuàng)造必須是運(yùn)用自然規(guī)律的技術(shù)方案，將“智力活動(dòng)的規(guī)則和方法”等視為不專(zhuān)利客體（相當(dāng)于抽象理念）。因此，中國(guó)審查更關(guān)注權(quán)利要求整體是否具有技術(shù)性質(zhì)，即是否運(yùn)用了技術(shù)手段解決技術(shù)問(wèn)題并取得技術(shù)效果。盡管表述不同，美國(guó)的“實(shí)際應(yīng)用/技術(shù)改進(jìn)”與中國(guó)的“技術(shù)問(wèn)題-技術(shù)手段-技術(shù)效果”在精神上是一致的。

審查指南內(nèi)容：2024年USPTO指南明確提出，審查AI發(fā)明時(shí)要重點(diǎn)關(guān)注兩方面：（1）權(quán)利要求是否認(rèn)定了抽象思想（如算法、數(shù)學(xué)概念）；（2）如果包含抽象成分，是否通過(guò)特定技術(shù)上下文或改進(jìn)將其整合為實(shí)際應(yīng)用。與此呼應(yīng)，中國(guó)國(guó)家知識(shí)產(chǎn)權(quán)局于2024年12月發(fā)布了《人工智能相關(guān)發(fā)明專(zhuān)利申請(qǐng)指引（試行）》，提出了“三大典型情景”來(lái)判斷AI發(fā)明是否屬于技術(shù)方案：

這些情景實(shí)際與美國(guó)判斷“實(shí)際應(yīng)用/技術(shù)改進(jìn)”的思路相吻合：例如，中國(guó)情景2強(qiáng)調(diào)提升計(jì)算機(jī)內(nèi)部性能，對(duì)應(yīng)美國(guó)指南所述“改進(jìn)計(jì)算機(jī)本身的功能”這一實(shí)踐應(yīng)用類(lèi)型；情景3強(qiáng)調(diào)特定領(lǐng)域中的精度提升，類(lèi)似于美國(guó)案例48中通過(guò)AI提高語(yǔ)音識(shí)別準(zhǔn)確率的情形。情景1則強(qiáng)調(diào)數(shù)據(jù)本身的技術(shù)意義，這也與美國(guó)審查中關(guān)注算法所處理對(duì)象是否具有技術(shù)性質(zhì)是一致的。比如如果AI算法處理的是醫(yī)學(xué)圖像、工業(yè)傳感器數(shù)據(jù)等具有物理意義的數(shù)據(jù)，更容易被認(rèn)定為技術(shù)方案，而不僅是抽象數(shù)據(jù)處理。

情景1：算法處理具備確定技術(shù)含義的數(shù)據(jù)。如果算法處理的數(shù)據(jù)在所屬技術(shù)領(lǐng)域中具有確定的技術(shù)意義，使得本領(lǐng)域技術(shù)人員能夠直接理解該算法執(zhí)行了利用自然規(guī)律解決技術(shù)問(wèn)題的過(guò)程并達(dá)成技術(shù)效果，則該方案屬于技術(shù)方案。

情景2：算法或模型與內(nèi)部硬件有具體技術(shù)關(guān)聯(lián)。如果權(quán)利要求體現(xiàn)出算法模型與計(jì)算機(jī)內(nèi)部結(jié)構(gòu)間的特定關(guān)聯(lián)，解決了如提高硬件計(jì)算效率、減少存儲(chǔ)/傳輸、提升處理速度等內(nèi)部性能問(wèn)題，并取得相應(yīng)技術(shù)效果，則屬于技術(shù)方案。

情景3：在特定應(yīng)用領(lǐng)域中利用AI挖掘大數(shù)據(jù)內(nèi)在關(guān)聯(lián)。如果權(quán)利要求反映出在具體應(yīng)用領(lǐng)域?qū)Ａ繑?shù)據(jù)進(jìn)行處理，利用AI算法（如神經(jīng)網(wǎng)絡(luò)）發(fā)掘出了符合自然規(guī)律的內(nèi)在關(guān)聯(lián)，解決了提高該領(lǐng)域大數(shù)據(jù)分析可靠性或精度的技術(shù)問(wèn)題，取得了相應(yīng)技術(shù)效果，則屬于技術(shù)方案。

相似理念：歸納而言，中美兩國(guó)都要求AI發(fā)明的權(quán)利要求中包含技術(shù)特征而非僅僅數(shù)學(xué)方法或邏輯思維。例如，美國(guó)要求權(quán)利要求包含“額外元素”將AI算法應(yīng)用在具體技術(shù)環(huán)境或體現(xiàn)技術(shù)改進(jìn)；中國(guó)則要求權(quán)利要求體現(xiàn)出**“技術(shù)手段+自然規(guī)律+技術(shù)效果”的鏈條，使方案呈現(xiàn)出技術(shù)屬性。兩國(guó)指南都建議申請(qǐng)人在撰寫(xiě)AI相關(guān)權(quán)利要求時(shí)，應(yīng)避免純算法或抽象表述，而要強(qiáng)調(diào)AI對(duì)現(xiàn)實(shí)技術(shù)問(wèn)題的解決作用。另外，在發(fā)明人資格方面，中美也態(tài)度一致：指引重申發(fā)明人必須是自然人，AI不能署名為發(fā)明人。USPTO亦在2024年早些時(shí)候明確了相同立場(chǎng)，強(qiáng)調(diào)完全由AI創(chuàng)作的發(fā)明不被承認(rèn)為可專(zhuān)利發(fā)明。

這實(shí)際上在客體審查階段就將“AI自主產(chǎn)出”排除在外了。

差異與特點(diǎn)：盡管理念相通，法律技術(shù)上的差異仍然存在：司法例外 vs 技術(shù)方案: 美國(guó)的做法是在確定權(quán)利要求屬于工業(yè)應(yīng)用領(lǐng)域后，再通過(guò)司法例外原則篩除過(guò)于抽象的內(nèi)容；中國(guó)則是在一開(kāi)始就要求方案本身具備技術(shù)屬性，否則直接不被視為發(fā)明創(chuàng)造。這導(dǎo)致美國(guó)申請(qǐng)人經(jīng)常需要針對(duì)101條款拒絕進(jìn)行抗辯，而中國(guó)申請(qǐng)人則更多在說(shuō)明技術(shù)效果上下功夫以避免被認(rèn)定為“非技術(shù)方案”。

指南覆蓋范圍: USPTO此次指南專(zhuān)注于客體適格性（101問(wèn)題），而《指引》更加全面，不僅涉及客體認(rèn)定，還對(duì)說(shuō)明書(shū)充分揭示、創(chuàng)造性評(píng)價(jià)以及倫理合規(guī)等方面提出了要求。例如，中國(guó)指南特別強(qiáng)調(diào)AI算法具有“黑箱”屬性，要求說(shuō)明書(shū)中充分披露算法流程、參數(shù)和訓(xùn)練數(shù)據(jù)等，以支持其技術(shù)效果；又如在創(chuàng)造性判斷中，要求將算法特征與技術(shù)特征整體考慮，看它們?nèi)绾喂δ苌舷嗷ブС?。這些內(nèi)容在USPTO的客體指南中未涉及，因?yàn)閷儆趯?zhuān)利審查的其他方面。

總之，中美兩國(guó)針對(duì)AI專(zhuān)利的審查基準(zhǔn)都在與時(shí)俱進(jìn)地細(xì)化。美國(guó)通過(guò)案例指導(dǎo)的方式闡明了抽象理念與技術(shù)應(yīng)用的邊界，中國(guó)則通過(guò)歸納情景進(jìn)一步明確了技術(shù)方案的判定標(biāo)準(zhǔn)。兩國(guó)制度差異下，申請(qǐng)人需分別注意：在美國(guó)，關(guān)注附加技術(shù)元素和改進(jìn)效果以避免101拒絕；在中國(guó)，確保整個(gè)方案具備技術(shù)導(dǎo)向且不觸碰法律排除領(lǐng)域（如純智力規(guī)則）。

2024年USPTO的指南更新以及中國(guó)發(fā)布的AI專(zhuān)利申請(qǐng)指引（試行）都釋放出積極信號(hào)：專(zhuān)利機(jī)構(gòu)正努力為AI創(chuàng)新提供更清晰的保護(hù)路徑。對(duì)于研發(fā)和申請(qǐng)AI相關(guān)專(zhuān)利的主體而言，這些指南具有重要的實(shí)踐意義：

提高可預(yù)見(jiàn)性，指導(dǎo)申請(qǐng)撰寫(xiě)：USPTO詳述的示例和分析使得審查標(biāo)準(zhǔn)更加透明。申請(qǐng)人可以參照這些案例來(lái)起草專(zhuān)利申請(qǐng)，突出AI發(fā)明的實(shí)際技術(shù)貢獻(xiàn)，從而降低遭遇抽象客體拒絕的風(fēng)險(xiǎn)。例如，通過(guò)在權(quán)利要求中加入具體技術(shù)應(yīng)用場(chǎng)景、明確算法帶來(lái)的性能提升或具體處理步驟，申請(qǐng)人能夠更有把握地滿(mǎn)足專(zhuān)利適格性要求。同樣，中國(guó)的指引明確了AI專(zhuān)利申請(qǐng)應(yīng)當(dāng)具備技術(shù)問(wèn)題和技術(shù)效果，這為申請(qǐng)人提供了編寫(xiě)說(shuō)明書(shū)和權(quán)利要求時(shí)的準(zhǔn)則。

鼓勵(lì)技術(shù)創(chuàng)新與布局：指南的更新表明專(zhuān)利局希望在保護(hù)AI創(chuàng)新與防止專(zhuān)利濫授之間取得平衡。通過(guò)澄清模糊地帶（如什么樣的AI算法屬抽象理念、如何體現(xiàn)技術(shù)應(yīng)用等），可以減少審查過(guò)程中的不確定性，增強(qiáng)申請(qǐng)人對(duì)專(zhuān)利授權(quán)的信心。這將鼓勵(lì)A(yù)I研發(fā)人員積極將其創(chuàng)新成果申請(qǐng)專(zhuān)利，在明確規(guī)則下優(yōu)化專(zhuān)利布局策略。

中美申請(qǐng)策略差異：鑒于兩國(guó)法律框架不同，申請(qǐng)人應(yīng)因地制宜地調(diào)整策略。在美國(guó)申請(qǐng)AI相關(guān)專(zhuān)利時(shí)，務(wù)必關(guān)注101適格性問(wèn)題，充分強(qiáng)調(diào)發(fā)明的具體實(shí)用技術(shù)意義（例如在系統(tǒng)架構(gòu)上的改進(jìn)或在特定應(yīng)用中的效果）；在中國(guó)申請(qǐng)時(shí)，則要確保權(quán)利要求和說(shuō)明書(shū)體現(xiàn)充分的技術(shù)屬性，避免使用過(guò)于概念化的表述，并注意不觸及中國(guó)專(zhuān)利法的不授予領(lǐng)域。兩套指南提供的理念和示例，實(shí)際上可以交叉借鑒：申請(qǐng)人既要像美國(guó)指南那樣思考如何將AI發(fā)明融入實(shí)際技術(shù)應(yīng)用，也要像中國(guó)指南要求的那樣寫(xiě)明技術(shù)問(wèn)題和手段，從而最大程度地滿(mǎn)足各管轄區(qū)的要求。

綜上，2024年發(fā)布的USPTO專(zhuān)利客體審查指南更新以及中國(guó)的AI專(zhuān)利申請(qǐng)指引，為AI相關(guān)專(zhuān)利申請(qǐng)劃定了更加清晰的邊界。申請(qǐng)人應(yīng)深入理解其中的要點(diǎn)和示范案例，在專(zhuān)利文件中突出AI發(fā)明的技術(shù)貢獻(xiàn)和實(shí)際應(yīng)用價(jià)值。這不僅有助于順利獲取專(zhuān)利權(quán)，也將推動(dòng)AI技術(shù)創(chuàng)新成果以更規(guī)范有效的方式獲得法律保護(hù)。

（原標(biāo)題：中美在人工智能領(lǐng)域的專(zhuān)利申請(qǐng)最新指引與實(shí)例分析）

來(lái)源：IPRdaily中文網(wǎng)（iprdaily.cn）

作者：佑斌

編輯：IPRdaily辛夷          校對(duì)：IPRdaily縱橫君

注：原文鏈接：中美在人工智能領(lǐng)域的專(zhuān)利申請(qǐng)最新指引與實(shí)例分析（點(diǎn)擊標(biāo)題查看原文）

「關(guān)于IPRdaily」

IPRdaily是全球領(lǐng)先的知識(shí)產(chǎn)權(quán)綜合信息服務(wù)提供商，致力于連接全球知識(shí)產(chǎn)權(quán)與科技創(chuàng)新人才。匯聚了來(lái)自于中國(guó)、美國(guó)、歐洲、俄羅斯、以色列、澳大利亞、新加坡、日本、韓國(guó)等15個(gè)國(guó)家和地區(qū)的高科技公司及成長(zhǎng)型科技企業(yè)的管理者及科技研發(fā)或知識(shí)產(chǎn)權(quán)負(fù)責(zé)人，還有來(lái)自政府、律師及代理事務(wù)所、研發(fā)或服務(wù)機(jī)構(gòu)的全球近100萬(wàn)用戶(hù)（國(guó)內(nèi)70余萬(wàn)+海外近30萬(wàn)），2019年全年全網(wǎng)頁(yè)面瀏覽量已經(jīng)突破過(guò)億次傳播。

（英文官網(wǎng)：iprdaily.com  中文官網(wǎng)：iprdaily.cn） 

本文來(lái)自IPRdaily中文網(wǎng)（iprdaily.cn）并經(jīng)IPRdaily.cn中文網(wǎng)編輯。轉(zhuǎn)載此文章須經(jīng)權(quán)利人同意，并附上出處與作者信息。文章不代表IPRdaily.cn立場(chǎng)，如若轉(zhuǎn)載，請(qǐng)注明出處：“http://www.islanderfriend.com