点击蓝字 关注我们
海 峡 IP 报道
一、先认清局面：中国的AI，专利很能打
二、AI时代的三道“新考题”
考题 |
核心争议 |
当前共识与方向 |
AIGC版权 |
AI生成内容算不算作品、归谁 |
以“人的智力投入”为核心判断是否构成作品 |
训练数据 |
海量数据抓取是否合法 |
输入端合规、输出端治理，平衡创新与权益 |
AI辅助发明 |
AI参与的创新能不能申请专利 |
AI参与的发明创造可申请专利，AI本身不能作为发明人 |
关于AIGC，国内司法实践已基本形成共识：判断的关键在于人在AI辅助生成过程中是否付出了足以构成“独创性表达”或“创造性贡献”的智力投入，而不因生成工具是AI就当然否定其可保护性。有法院通过认定“提示词+自动生成+单纯挑选”生成的图片不构成作品，划出了科技代工与人机协同创作的边界。
关于训练数据，学界提出的思路值得关注：豁免训练端对著作权的影响，同时管住生成端可能出现的个案侵权内容，以实现海量数据需求与著作权人利益之间的平衡。实务层面，服务商被建议在事前针对提示词输入和内容输出设置侵权过滤机制，事后通过权利人投诉“通知”渠道、内容标识义务、输出内容撤回与删除机制来防范风险。
关于专利，国家知识产权局已通过修订《专利审查指南》、发布《人工智能相关发明专利申请指引（试行）》，明确人工智能参与的发明创造可以申请专利保护，并进一步完善了“创造性”的审查标准。同时需要明确：AI不能作为发明人申请专利。
三、AI+农业：一个正在发生的交集
当AI走进农业，知识产权的形态也随之变化：育种数据、模型参数、训练数据集、智能装备控制系统、基因编辑技术、植物新品种，构成了一套彼此咬合的“权利组合”。这也意味着，农业IP运营不能再停留在“申请专利”这一步，而要前移到数据集治理、模型训练合规、成果确权、许可分成等全环节。
四、AI+IP运营的五条路径
路径 |
怎么走 |
适用主体 |
高价值专利组合 |
聚焦“算法+硬件+场景”融合方案精准布局 |
AI与农业科技企业 |
数据知识产权登记 |
把高质量数据集登记为可确权资产 |
数据密集型企业、平台 |
开源与商业秘密协同 |
开源技术合规使用+核心参数商业秘密保护 |
软件与算法团队 |
智能审查与检索 |
用AI做专利分类、语义检索、侵权识别 |
服务机构与大型企业 |
许可与作价运营 |
许可费与用量/销售额挂钩，做长期分成 |
高校院所、平台型企业 |
“值得关注的一个方向：AI反向赋能IP运营。 大模型技术可以被用于专利和商标的智能分类、语义检索与侵权识别；针对影视、音乐等AIGC内容，平台可部署版权过滤与盗版追踪技术；技术需求与供给之间，也可以用AI做精准匹配，打通转化的“最后一公里”。”
五、给企业的四条落地建议
“一、立项即布局。 从研发立项阶段就同步做专利、著作权、商业秘密、数据合规的“组合设计”，而不是成果出来后再补救。”
“二、分清“谁的贡献”。 在AIGC与AI辅助发明中，保留“人的实质性贡献”的证据链，是未来确权和维权的基础。”
“三、管好训练数据。 建立数据来源台账与授权档案，宁可慢一点，也不要让模型在侵权风险上跑起来。”
“四、把权利放进合同。 许可、合作开发、委托研发，都要在合同里写清权属、收益分配与侵权责任。”
六、写在最后
AI和IP的关系，不是“新工具遇上旧制度”那么简单。更准确的说法是：AI正在把知识产权的价值从“事后保护”推向“事前设计”。谁把这件事想在前头，谁就能在AI+产业的浪潮里，既跑得快，也跑得稳。
END
特 别 说 明
信息编辑 | 海峡知识产权运营中心
免责声明: 本公众号部分内容来源于合作媒体、企业机构、网友提供和互联网等公开资料，仅供访问者个人学习、参考、研究、交流或欣赏之用，并已标明来源出处。本公众号对所载资讯的内容、观点保持中立，不对其准确性、可靠性或完整性提供任何明示或暗示的保证。如涉及版权等问题，请及时联系我们，我们将在第一时间妥善处理。
