‍‍2021年8月3日，国家知识产权局发布《专利审查指南修改草案（征求意见稿）》修改对照表，其中就涉及人工智能、算法、计算机程序、商业方法等层面。对于新业态计算机实施发明的审查规定进行了进一步的明确，以满足创新主体对于其创新的发明专利保护的不断增长且变化的迫切需求，同时又使得发明专利保护仍然符合专利制度建立的初衷而不越界到对技术方案的保护之外。然而截至今日，新修改的审查指南仍然没有对外发布。

8月17日-19日，由知产前沿新媒体举办的“第二届中国人工智能知识产权峰会”在杭州召开，本次大会吸引了线上与线下近500位人工智能IP人士参加。在18日的大会中，北京钲霖知识产权代理有限公司所长、合伙人李英艳主持了主题为“专利审查指南修改涉及的算法、商业方法的热点问题”圆桌讨论，与谈人员包括金杜律师事务所合伙人林柯、IBM亚太专利总监郑闽迦（线上）、思摩尔国际控股首席知识产权与法务官徐驰，以及商汤科技知识产权总监刘婵。几位嘉宾就创新性判断、权利要求书撰写等热点问题展开交流。知产前沿将圆桌讨论嘉宾的分享内容整理成文，以供AI领域创新主体参考和交流。

目次

一、《专利审查指南修改草案（征求意见稿）》的背景

（一）响应中央精神

（二）回应社会需求

（三）审查标准一致

（四）对接国际标准

二、AI领域中的两个现实需求

三、AI领域中的两个争议话题

四、AI领域中的三个困境

一、《专利审查指南修改草案（征求意见稿）》的背景

首先由金杜律师事务所林柯律师为大会介绍《专利审查指南修改草案（征求意见稿）》（以下简称《指南》）的背景。《指南》修改的背景据了解主要分为四个方面：

（一）响应中央精神

中央层面对新业态、新领域审查规则提出了一系列要求。例如，早在2015年中央发布的71号文即要求加深相关规则的研究；在2020年的重要讲话中指出要健全相关审查规则，本次《指南》的修订体现出对上述精神的全面落实。

（二）回应社会需求

国内大数据、人工智能（AI）等领域的技术发展迅速，相关创新主体对审查规则提出了新的需求，例如，认为专利保护客体门槛相对较高、授权保护范围相对较窄、软件产品的保护形式有限、相关领域的申请文献的撰写难于把握等，《指南》的修改针对上述需求予以回应，提供针对指导性意见。

（三）审查标准一致

涉及新业态、新领域的专利审查标准存在不一致的问题，有时，审查规则是明确的，但是在执行层面存在个案差异。通过《指南》的修改来进一步提高审查规则的理解与执行的一致性。

（四）对接国际标准

本次《指南》修改更好地对接了国际标准，丰富了权利保护形式，有利于自主品牌的全球化申请策略，更好地为国内企业的“走出去”保驾护航。

北京钲霖知识产权李英艳所长补充道，从2019年开始，除了我国之外，美国、欧洲、日本、韩国等，专利审查指南均经历过多次修改。同时，各国于2021年关于AI方面立法增多，对AI领域的投资额增长速度快，体量大。李所长认为，针对AI领域的《指南》修改最大的背景是AI相关技术的高价值决定的，AI技术的专利标准一致的重要性毋庸置疑。

二、AI领域中的两个现实需求

商汤科技刘婵总监基于商汤科技的现实需求提出了AI行业的两个疑难问题。

其一，通用模型算法的客体问题。传统的应用型AI技术均有其明确的应用场景，如人脸识别、交通识别、医学影片，使用的算法都具有针对性。而通用型AI则不同，其能够适应多种应用场景。但是企业在研发此类AI时面临一个问题，即为了避免技术保护范围受限，无法在权利要求说明中提及具体的应用场景，但这就又落入了无法被认定为专利技术客体的问题中。如何撰写说明，能够尽量体现技术特征，但又可以不明确具体应用场景，需要很深的考究。

对此，林柯律师认为，我国目前在人工智能领域的发展整体上重应用、轻基础，在算法、芯片、终端和场景应用方面体现出对国外基础项深度学习框架生态的较强依赖性。因此，能够针对基础性的、通用型AI模型方面进行改进，是非常有意义的，应当通过高质量的撰写争取与其技术贡献相匹配的保护范围。

为了实现上述目的，在专利撰写实务中，可以在权利要求中，尤其是独立权利要求中请求保护相对通用的、不限具体应用场景的涉及算法的技术方案。需要注意的是，权利要求中针对通用算法的描述应当包括能够提升计算机性能的数据处理过程。同时，在说明书中，不仅需要记载该通用算法的各数据处理过程，例如，AI模型的输入数据/样本数据的获取与预处理方式、模型结构改进、损失函数变化、模型的输出数据的处理过程等；而且有必要描述上述通用算法与计算机的内部结构之间的技术关联，以及如何实现计算机性能的提升（例如，减少数据存储量、提高硬件处理速度等）。除此之外，在现阶段，在说明书中，有必要结合一个或者多个具体应用场景进一步说明如何基于上述通用算法和技术数据来解决具体应用场景下的技术问题，以便获得更多的授权机会和更宽泛的保护范围。

刘婵总监由此提及了一个重点，即技术性能的提升、减少资源消耗是《指南》修改的新的点。遂提出第二个疑难问题，即模型压缩的创造性问题。

AI后端的算力、算法支撑是强大且稳定的，而前端建设则存在难点，即前段应用讲求效率、便利，故算法模型不宜太多、太复杂，设备运算能力有限、支撑服务的资源有限。例如人脸识别，该应用要求的就是设备能够快速识别人脸并作出相应的反应。所以，在这样的实际应用场景中，在满足使用需求的前提下，最大的技术需求是压缩算法模型，以提供高效、良好的用户体验。这是科技发展中逐步出现的需求，但压缩模型容易被审查员认为无创造性。所以，在专利的创造性审查时，科技发展需求的因素应当被考虑到。当然，为了在权利要求说明中将压缩模型的技术与抽象的数学计算区分开，可以将相应的模型与AI的深度神经网络联系起来，或者对量化点进行补充，如描述某个技术方案能够影响计算、处理结果等，提高专利授权概率。

针对模型压缩问题，李英艳所长补充道，目前《指南》的修改意见中，数据处理量的减少也可能被认可创造性，相信《指南》修改方向是乐观的。例如手机的数字键盘从有到无，也是技术发展的过程，故AI专利的创造性评价也应该尊重这类特征。

针对通用算法问题，发明人希望算法、模型在各种应用场景均通用，但为了满足国内的授权客体要求，不得不修改权利要求撰写方式，如把数据改为图像数据等，且需要限定专利布局的申请地域，那么专利价值在我国便可能存在一定的损失，影响企业的全球专利布局。

三、AI领域中的两个争议话题

IBM郑闽迦总监认为，对于申请人的全球布局而言很重要的是专利申请的一致性和协调性。一致性，是指在一个地域中申请专利，结果都一致而无论是哪个审查员经手；协调性，指在全球范围内，无论以巴黎公约或者PCT方式，同一个发明都能获得相同保护。一致性和协调性共同促进了专利申请结果的稳定性。

关于话题一，即软件专利的授权客体问题。按照2021年公布的《审查指南》征求意见稿，对于与算法有关的发明而言如果如果权利要求中的算法应用于具体的技术领域，如医疗、能源或者汽车，则客体审查通过概率大；如果权利要求中的算法与计算机系统的内部结构存在特定技术关联，实现了对计算机系 统内部性能的改进，提升了硬件的运算效率或执行效果，则客体审查通过概率大；如果发明专利申请的解决方案能够带来用户体验的提升，客体审查通过概率大。

对比欧美国家。在美国，2019年的专利审查指南中提到抽象概念如果涉及到具体应用领域，有可能成为可授权的客体。例如，根据美国公布的关于图标排序的案例，如某方案可以实现根据使用量、使用频率、内存占用率来决定排列顺序，便算是可授权的客体，即指向具体领域的算法发明是可以被授权。当然，实践中存在千差万别，美国法院审理的案件中就出现了电动汽车充电装置、智能车库装置等客体被驳回的案例。在欧洲，涉及计算机有关发明可以获得专利保护，总体规则与我国一致，但是具体审查更为严格和复杂。

关于话题二，专利审查周期问题。不得不承认的是，大数据、AI技术与产品的迭代很快，需要快速获得专利授权，对专利保护的时限性要求高。国家知识产权局为了给专利审查增效，提供了很多加快审查的方法。对于AI、大数据领域申请人而言，需要在普通审查与加快审查之间进行选择，选择普通审查可能无法匹配技术的快速发展，选择了加快审查则必须花费额外的预算。

李英艳所长提出，专利局已经就药理方面的审查周期问题出具指导意见，希望官方立法部门进一步关注AI领域新的动向。李所长还就创造性的判定提出自己的见解。在2020年的某项专利无效案例中，涉及AI改善计算机内部系统的创造性判断，是关于移动电源租赁方法与对比文件共享单车的租赁方法的区别问题，在二者硬件均为用户手机终端、装置、服务器时，如何认定是否创造性。合议组的结论是，虽然二者硬件相同，但在移动电源租赁方法中，用户无法选择、知悉被出租的是哪个移动电源装置，而共享单车是可选择的，该差别决定了信号走向、信号处理、内部处理过程的不同，最终确定了移动电源租赁方法具有创造性。

四、AI领域中的三个困境规制与调整

思摩尔国际徐驰总监针对前述刘总监提到的通用算法模型问题发表自己的见解。2021年《指南》修改后至今尚未公布，可见争议之大。《指南》要求算法限定在具体应用领域中，却忽视了一个关键点，即AI技术其实应该被分为三个层级，最底层的是硬件芯片、数据本身、最基础的通用算法，这些算法处理的是图像、视频、自然语言、语音识别，纯粹地解决数学运算问题；中间一级是服务性平台技术，如计算机视觉处理平台、语音处理平台、自然语言处理平台等，对于平台算法的改进、平台的创新，与应用层适当结合；再上一层才是应用层，如交通、医疗行业等，针对具体领域对算法参数进行调整。对算法授权的限定领域的条件，对于应用领域的要求不应当要求必须限定到最上层的具体应用，而是也应该允许限定到中间层的平台应用。

关于困境二，如何理解《指南》中的“自然规律”。一般而言，自然规律仅指物理、化学、生物等规律，但自然规律仅作为客观规律之一，客观规律还包括经济规律、社会学规律等。不可否认的是，AI主要解决的是经济社会、科学领域问题，我们无法确保AI相关创新是运用了自然规律，所以仅规定了“自然规律”未免太狭隘。

关于困境三，即AI专利最大的问题，是授权后能否发挥作用，更核心的问题是权利人维权举证责任问题。假设按照规则要求写出了方案后授权了，那么在我国证据框架下，如何诉讼？专利价值如何维系？特别是关于算法模型，权利人无法证明被诉侵权人如何在云端、服务器中实现模型训练、模型是什么结构，而仅能说明被诉侵权产品、服务、输入端和输出端。要解决这个问题，证据制度是关键。英美法系设置有证据开示制度，赋予了被告披露义务。而我国尚未有制度设立，原告证明难度高，证据保全的门槛高。在专利保护上，前后端问题共同关注方能充分支持专利维权。

当然，为了提高举证效率，若AI专利与物联网设备结合，更有利于专利价值的发挥，通过赋予实际产品与服务以智能化功能，相较于纯粹云端、服务器计算，更有利于原告举证。

李英艳所长最后总结道，期待未来我国在企业内部的专利挖掘、知识产权人的专利申请与权利要求和说明书的撰写、专利审查、专利授权、专利复审、专利无效和专利诉讼全过程中，能够形成更为完善的制度，才能为AI领域技术提供更给力的保护。

编辑：Sharon