大数跨境

隆天律丛 | 人工智能相关发明专利申请的客体判断与撰写实务-围绕技术方案认定的三类案例分析

隆天律丛 | 人工智能相关发明专利申请的客体判断与撰写实务-围绕技术方案认定的三类案例分析 隆天知识产权
2026-11-02
6
导读:本文结合实际分类模型训练复审案例、临床报告生成案例,以及碰撞检测撰写案例,说明三种常见的技术方案建构路径,并进一步提出权利要求和说明书的撰写建议。

《人工智能相关发明专利申请指引(试行)》(以下简称《指引》)围绕人工智能相关申请的保护客体、说明书公开和权利要求撰写给出了更具操作性的标准。其中,客体问题是基础性也容易产生争议的问题,即权利要求所限定的方案是否属于专利法第二条第二款所称的“技术方案”。对于算法、模型和数据处理类申请,如果仅在权利要求中出现处理器、存储器、神经网络或“提高效率”等词语并不足够保证权利要求限定的方案属于专利保护的客体;申请文件需要包含必要的技术内容,以建立一条可由本领域技术人员理解和验证的完整逻辑链:具体技术问题-遵循自然规律的技术手段-由该技术手段直接产生的技术效果。


本文结合实际分类模型训练复审案例、临床报告生成案例,以及碰撞检测撰写案例,说明三种常见的技术方案建构路径,并进一步提出权利要求和说明书的撰写建议。



一、客体判断规则要点:权利要求的方案应体现解决技术问题所采用的遵循自然规律的技术手段并达到技术效果


(一)法律依据


专利法第二条第二款所规定的“技术方案”,是指对要解决的技术问题所采取的利用了自然规律的技术手段的集合。当一项权利要求记载了对要解决的技术问题采用了利用自然规律的技术手段,并且由此获得符合自然规律的技术效果,则该权利要求限定的解决方案属于技术方案。反之,未采用利用自然规律的技术手段解决技术问题、未获得符合自然规律技术效果的方案,不属于技术方案。


该标准要求从权利要求记载的整体方案出发判断,不能把算法步骤孤立出来,仅因其包含数学运算就否定其技术性;也不能因为方案由计算机执行,就当然认定其具有技术性。判断的关键是:算法或模型为什么要这样处理特定对象,处理过程是否受到技术领域客观规律或计算机内部结构、资源条件的约束,以及这种处理是否直接改变了技术对象的状态或计算机系统的内部性能。


(二)判断方法


《指引》归纳了三种常见情形。第一,算法或模型处理的是技术领域中具有确切技术含义的数据,例如医学检测值、医学图像、工业传感数据、物体空间几何数据等;算法执行直接体现利用自然规律解决该领域技术问题的过程。第二,算法或模型与计算机系统内部结构存在特定技术关联,例如通过资源调配、数据组织、并行执行或适配硬件参数等方式,降低存储量、传输量、时延、功耗或提高硬件处理速度。第三,算法从具体应用领域大数据中挖掘的输入指标与输出结果之间存在符合自然规律的内在关联关系,并由此提升分析、预测的可靠性或精确性。


这三种情形不是互斥的。一项高质量申请往往同时符合以上两种或三种情形。例如,临床数据报告生成方案既处理具有明确医学含义的数据,又可通过检索降维、并行调度和缓存迁移改善计算机性能。



二、案例一:分类模型训练案例复审阶段通过“内部性能改进”重构技术方案


(一)案例背景及争议焦点


该案申请涉及数据处理、聚类及分类模型训练。复审通知书中指出,原权利要求所述方法可适用于多个应用场景,其本质是通用数学算法,聚类、样本扩散和分类模型训练没有体现利用自然规律的技术手段,因而不符合专利法第二条第二款。该案的难点在于:方案未天然绑定图像、语音或工业控制等具体技术对象,若仅强调分类准确率或训练效率,容易被理解为算法自身效果。


(二)修改策略


代理师在答复复审通知书时没有选择简单增加某一应用场景,而是从原说明书中提取与计算机系统内部运行直接相关的技术特征补入权利要求1:明确方法由包括处理器、存储器及总线的电子设备执行;在聚类前根据方差阈值过滤低价值特征,以降低处理器获取训练样本的计算量、提高运算速度并减少存储器数据量;按照特征相关度排序并按需增加特征进行聚类;根据近邻样本的类别和距离实施差异化插值,再利用所得样本训练分类模型。


修改后的方案形成了三个相互配合的技术环节:方差过滤先降低数据维度和存储负担;相关度排序使聚类优先使用高价值特征,减少不必要运算;差异化插值减少冗余合成样本并降低后续训练开销。三者共同指向处理器运算量、存储器占用、数据传输量和训练迭代次数等可测量的系统内部性能指标。


(三)可借鉴之处与风险提示


该案展示了《指引》中情形二的典型答复方式:即使硬件结构本身没有改变,只要算法步骤针对数据在存储器中的组织、处理器的运算负担或系统资源配置作出适应性改进,并产生可验证的内部性能效果,仍可形成特定技术关联。答复时应逐一建立“特征-机制-指标”的因果链,而不是笼统宣称“提高计算效率”。


需要注意,权利要求中直接写入“以提高运算速度”、“以减少存储量”等目的或效果表述,不能替代产生该效果的具体步骤。真正具有支撑作用的是方差过滤的对象与时序、特征排序和增量聚类规则、差异化插值位置等可执行限定。效果性语言应当由说明书中的复杂度分析、运行时间、内存占用或对比实验支撑。另需确保所有新增限定均能在原始说明书和权利要求中找到直接、无疑义的修改依据,避免引发专利法第三十三条问题。



三、案例二:临床报告生成案例中“技术数据+系统资源”的双重技术联系


(一)技术数据路径


该案例涉及临床数据解释和报告生成。其独立方案不是笼统地要求大模型“根据医疗数据生成报告”,而是先由符号层模块依据确定性规则处理原始临床数据,生成具有医学语义的临床事实集;再基于临床事实生成诊断假设,根据诊断假设从医学知识库检索参考数据;最后由逻辑验证模块基于临床事实和参考数据生成临床分析报告。


这里的原始临床数据并非抽象文本。说明书把它具体化为实验室检测值、医学图像、波形、临床语音以及HIS、LIS等系统中的结构化数据,并用TSH、FT4、TRAb、血压等指标说明数据的医学含义。确定性规则把数值或影像特征映射为可计算的临床事实;生成、检索和验证又受病理生理关系、诊断标准及患者事实约束。因此,模型输入与输出之间的联系不是管理规则或主观偏好,而是建立在人体生理、病理变化及医疗检测规律之上,符合《指引》中的情形一,并具有情形三所要求的自然规律内在关联。


(二)计算机内部性能路径


该案例还进一步写入了计算机系统内部性能改进:将诊断假设作为检索坐标,缩小高维向量搜索空间,降低CPU和RAM占用及检索延迟;利用异步线程池并行调度多个查询;在会话完成时,将应用层状态序列化并持久化,将推理层KV缓存从主存储介质迁移至二级存储介质,在后续请求到来时再加载恢复执行上下文。上述特征直接涉及处理器调度、主存储与二级存储之间的数据迁移、缓存占用和并发处理,属于典型的情形二。


(三)对中国专利申请撰写的启示


对于医疗、工业检测等具体领域的生成式人工智能申请,独立权利要求宜避免“输入数据-调用模型-输出结论”的黑箱式表达。可以包含:输入数据的技术来源和具体指标;预处理后形成何种具有技术含义的中间表示;模型推理、知识检索与验证模块如何连接;输出结果如何受到输入事实和领域知识的约束。若方案同时解决算力或存储问题,还可以写明会话状态、缓存、线程、计算节点或存储层级之间的具体调配关系。


本案还提示,医疗报告“准确、可靠”既可能被理解为认知效果,也可能构成技术效果。为了降低争议,应把准确性落到可核验机制:例如确定性规则预处理、证据锚定检索、原子诊断标准与临床事实的匹配矩阵、错误状态覆盖及未支持语句识别。这样,输出可靠性不再依赖医生或模型的主观判断,而由数据处理链中的客观约束产生。



四、案例三:数学方法通过物理对象和空间规律取得技术属性


(一)案例方案


该案例涉及碰撞检测。权利要求构造第一物体、第二物体的伪距离函数,并据此构造表征两物体空间关系的势能函数;在迭代点收敛于势能函数极小值之前,利用分离判定条件判断物体是否分离,若提前满足条件即输出无碰撞结果;在收敛且分离条件未触发时,再根据势能函数极小值判断是否碰撞。进一步的权利要求限定了伪距离函数的非负性、凸性和可微性,以及依据梯度、隐式函数和隔离平面判断空间分离状态。


(二)技术方案分析


表面上,该方案包含函数构造、极小值求解、梯度和凸性等大量数学特征。但这些数学工具并非以计算结果本身为目的,而是用于表征真实或仿真物体的几何边界和空间关系,解决机器人运动规划、计算机辅助设计或虚拟仿真中的碰撞检测问题。输入是具有明确几何和物理含义的物体数据,处理过程遵循空间几何关系,输出是物体是否发生空间重叠或接触的检测结果,属于《指引》中的情形一。


同时,提前分离判定避免所有情形均迭代至极小值;以隐式函数描述曲面物体避免用海量多面体顶点逼近,可减少内存需求和计算量。由此产生的碰撞检测耗时降低和存储资源节约,是可测量的计算机内部性能效果,也可从《指引》中情形二的角度予以强化。该案说明,包含数学表达本身并不排斥权利要求的技术性,关键在于权利要求是否把数学变量密切的关联于技术对象、空间关系和实际检测过程。


(三) 撰写上的可改进点


为进一步稳固客体基础,可明确第一、第二物体为机器人部件、CAD模型或虚拟仿真对象中的几何实体,并明确检测结果用于运动路径筛选、干涉检查或仿真状态更新;也可加入“在满足分离条件时终止极小值迭代”的执行关系,使减少迭代次数的机制更加清晰。说明书宜给出不同曲面复杂度下的顶点数量、内存占用、迭代次数和检测耗时对比。

上面讨论的案例,对于人工智能相关申请的撰写至少可以给出以下启示。



五、面向人工智能相关申请的权利要求撰写建议


(一)先选择最适合的技术性锚点


撰写前先判断方案最强的技术性来自哪里:若模型直接处理图像、音频、波形、传感器数据、医学检测值或空间几何数据,应以“具有确切技术含义的数据”为主线;若创新点在并行训练、缓存管理、模型压缩、计算节点调度或存储优化,应以“与计算机内部结构的特定技术关联”为主线;若用于风险预测、状态评估或故障诊断,应明确输入指标与输出结果之间为何受自然规律约束。


(二)独立权利要求完整呈现因果链


一项独立权利要求至少应回答四个问题:处理什么具有技术含义的数据;数据由何种设备或技术过程取得;算法或模型对数据实施哪些与目标技术问题直接相关的处理;处理结果如何用于形成技术输出或控制后续技术过程。对于内部性能路径,还应回答算法与处理器、存储器、缓存、通信链路、计算节点或特定加速器如何相互适配。


推荐的表达顺序为:“获取来自[技术设备/技术过程]的[具体数据];基于[数据的物理、几何、生理或系统含义]实施[预处理/特征构造];将处理结果输入[具体模型或模块关系]以获得[技术中间结果];根据该结果执行[检测、控制、资源调度或输出]。”这样,算法步骤被嵌入完整技术过程,而不是悬空存在。


(三)避免三类常见无效限定


   1. 在权利要求中仅增加“处理器、存储器”或“由计算机执行”。如果这些部件只是常规载体,与算法没有适配关系,权利要求仍可能被认定为非技术方案。


   2. 权利要求中仅写“提高模型训练效率、准确率或智能化程度”。应进一步在说明书中说明效率对应处理速度、内存、传输、功耗还是迭代次数,准确率对应何种技术对象的检测或预测,并写出产生效果的技术机制。


   3. 仅把方案中的商业、管理或社会数据改称“大数据”。在说明书中需证明所选指标与输出之间受自然规律而非经济规律、社会规则或人的主观偏好制约。


(四)从属权利要求的布局


从属权利要求可围绕三层展开:第一层限定数据来源、采样条件、指标和预处理;第二层限定模型结构、训练步骤、损失函数、模块耦合和输入输出格式;第三层限定硬件或系统实现,如并行节点选择、缓存迁移、数据分块、通信时序、加速器参数适配及提前终止条件。装置、电子设备、存储介质和程序产品权利要求应与方法权利要求保持一致,不能仅以常规硬件外壳弥补方法本身的客体缺陷。



六、说明书撰写与审查意见答复建议


(一)说明书应预埋的内容


说明书应详细记载技术问题、技术手段和技术效果,尤其要预留后续修改所需的依据。对于技术数据,应列出数据来源、单位、采样或测量方式、指标选择理由及其与输出的自然规律联系;对于模型,应记载必要模块、层级或连接关系、训练步骤、关键参数和输入输出设置;对于内部性能,应记载资源瓶颈、数据流、计算流、存储层级、并发方式及量化指标。


建议至少设置一个可复现实验,将本方案与基线方案比较,指标可包括运行时间、峰值内存、GPU显存、CPU利用率、传输字节数、功耗、迭代次数、检测准确率、误报率或检索延迟。实验结果不是权利要求的替代品,但能证明所主张的效果确由相应技术特征产生。


(二)答复审查意见的论证顺序


第一步,准确复述审查意见真正否定的环节,是数据不具有技术含义、算法与硬件无特定关联,还是输入输出关系不受自然规律约束。第二步,在不超范围的前提下,从原始说明书提取能够建立技术联系的必要特征加入独立权利要求。第三步,按“技术问题-技术手段-技术效果”逐项对应,并说明每个效果由何特征、通过何机制产生。第四步,从整体上说明各算法特征与技术特征相互支持,反驳把单个数学步骤割裂评价的做法。第五步,以实施例和实验数据说明效果可客观验证。


复审案例尤其表明,答复策略不应停留在概念争辩;如果原权利要求过于抽象,应优先通过有依据的修改使技术联系进入权利要求,再开展法律论证。临床报告生成案例表明,可以同时从领域技术数据和计算机资源两条路径构建保护层次。碰撞检测案例则表明,对数学算法的最佳保护方式,是把变量、函数和判定条件与具体技术对象及其客观空间关系逐一对应。


人工智能相关申请能否跨过专利法第二条第二款,并不取决于是否使用先进模型,也不取决于是否在权利要求末尾附加通用计算机部件,而取决于申请文件能否把算法置于一个可验证的技术因果链中。处理具有确切技术含义的数据、针对计算机内部结构优化资源、或挖掘受自然规律约束的领域关联,都是建立该因果链的有效路径。高质量撰写应从技术交底阶段即选择技术性锚点,在独立权利要求中写清产生效果的必要手段,在说明书中充分公开机制并以量化数据支撑效果,从而使方案的技术属性既能被理解,也能被审查和验证。




作者:




袁礼君

合伙人、国内机电部副经理、资深专利代理师

隆天知识产权代理有限公司

责任编辑:周赟 


【声明】内容源于网络
0
0
隆天知识产权
“隆天知识产权”由隆天知识产权代理有限公司和上海隆天律师事务所运营,为专业人士提供行业内最新的知识产权法律资讯,深度剖析知识产权领域热门话题,欢迎广大读者投稿与合作,联系方式:LTSH@lungtinlaw.com。
内容 1317
粉丝 0
隆天知识产权 “隆天知识产权”由隆天知识产权代理有限公司和上海隆天律师事务所运营,为专业人士提供行业内最新的知识产权法律资讯,深度剖析知识产权领域热门话题,欢迎广大读者投稿与合作,联系方式:LTSH@lungtinlaw.com。
总阅读10.4k
粉丝0
内容1.3k