2025年8月，美国专利商标局（USPTO）发布了一份针对人工智能（AI）和软件相关发明专利适格性（35 U.S.C. §101）审查的内部备忘录。这份备忘录旨在提醒并指导审查员如何正确应用现行的Alice/Mayo框架，即专利客体适格性的两步分析法。自2014年Alice案确立“抽象概念+附加元素”的两步审查以来，许多软件和AI发明因被认定为抽象理念（abstract idea）而遭遇专利适格性拒绝。然而，什么算是“仅仅抽象的创意”一直存在模糊地带，相关判例复杂多变，给申请人带来了不确定性。AI和机器学习(ML)发明更是典型代表：一方面它们蕴含人类智能类的功能，另一方面又往往涉及复杂算法和大量数据处理，因此经常在§101下被质疑为非专利客体。在这种背景下，USPTO过去几年陆续出台指导（例如2019年1月的适格性指南、2024年7月的AI专利客体指南，具体参见笔者以前的文章：（中美在人工智能领域的专利申请最新指引与实例分析请最新指引与实例分析、中美欧日在人工智能及机器学习领域的专利审查规定与实例分析）以统一审查标准。此次2025年8月的新备忘录延续这些指导原则，对审查员重申关键要点并作出新的明确说明，释放出USPTO希望降低AI软件发明适格性驳回率、提高审查一致性的信号。

Alice/Mayo两步法概述：美国专利法第101条规定了专利保护的客体，但经过法院解释，存在三类“司法例外”是不可专利的，即抽象概念、自然法则和自然现象。2012年的Mayo案和2014年的Alice案确立了判断专利适格性的两步分析框架：第一步，确定申请的权利要求是否涉及司法例外（例如是否记载了某种抽象概念、自然法则等）；如果没有涉及司法例外，则权利要求适格，可进入后续的新颖性、非显而易见性审查。如果涉及司法例外，则进入第二步，进一步分析权利要求中是否有“显著多于”该抽象概念的附加要素，即该权利要求作为一个整体是否将司法例外整合到实际应用中，或者是否包含足以使之在整体上显著超出例外的发明构思。这一框架通常在USPTO内部细化为Step 2A和Step 2B两个阶段：Step 2A对应Alice第一步，又细分为Prong One和Prong Two（第一部分判断是否存在司法例外，第二部分判断是否被整合入实际应用）；Step 2B对应Alice第二步。

自Alice案后，软件和商业方法领域的适格性判定趋严，大量申请因被认定“只是将抽象理念用计算机实现”而被拒绝。AI和ML发明由于往往涉及算法（数学概念）或人类思维过程模拟，更容易触及“抽象概念”禁区。然而，抽象与否的界限并不清晰，联邦巡回法院相关判决时有冲突，使得申请人难以预测其发明能否通过101关。为减少这种不确定性，USPTO于2019年发布了修订的适格性审查指南，将抽象概念细分为三大类别（数学概念、某些人类活动方法、精神活动），并引入“两步两段”的审查流程，以提高一致性。随后USPTO不断更新指导：如2020年10月的备忘录澄清实用应用判断，2021-2022年通过培训强化审查统一性，2023年-2024年又因AI技术热潮专门发布了AI发明适格性指南。

2025年8月的备忘录正是在此背景下推出，作为对现有指南的补充和重申。强调在Alice/Mayo框架下审查AI/软件发明时需要注意的要点。需要指出，备忘录并非新的法律规定，而是对现行USPTO指导的阐释与提醒，内容与MPEP现有规定保持一致。其重要性在于向审查一线传达了更加审慎、平衡的审查导向，有助于减少过度宽泛引用101拒绝的情形。

主要更新内容包括：

限缩精神活动类抽象概念的适用范围：审查员被提醒不要过度扩张“心智活动（mental process）”这一抽象概念类别。按照判例，“能在人脑中完成的思维过程或用笔纸完成的计算”被视为抽象理念。USPTO此前将抽象概念归纳为三类，其中“精神活动”指可在人脑中实施的操作。新备忘录强调，该类别“并非没有边界”。具体而言，如果权利要求包含的步骤或功能在人脑中无法切实完成，就不应被视为“精神活动”抽象概念。尤其是涉及AI算法的大型数据处理、模型训练推理等，人脑根本无法实际完成，因此这些限制不应被不当地归入“纯属人类思维”的范畴。这一限缩避免了将计算机实现的复杂AI步骤错判为抽象概念。例如USPTO在2024年适格性示例48中指出：“从语音信号的谱特征生成词序列”这样的AI功能无法由人脑实践，因此不属于可被大脑执行的精神活动。通过重申这一点，USPTO希望防止审查员将任何涉及数据处理或决策的发明一概贴上“人可以心算，所以抽象”的标签。

明确区分“仅涉及”司法例外 vs.“明确记载”司法例外：备忘录重申了权利要求中涉及某种抽象概念与记载该抽象概念之间的区别。如果权利要求只是涉及使用了某些可能基于数学或思维步骤的技术，但并未在字面上具体记载该数学关系或思维步骤，则不应直接认定其“记载了”司法例外，从而不触发进一步的适格性分析。换言之，仅仅因为实现过程中可能会用到抽象算法，并不意味着权利要求本身不合格。USPTO官方示例清晰地阐明了这一区分：在Example 39中，权利要求包括“训练神经网络”等步骤，但并未提及具体的数学公式或算法。尽管训练过程背后可能用到数学计算，该权利要求并未明示任何数学关系或公式，因此并不算“记载”抽象概念，审查员不应将其归入抽象理念类别。相反，在Example 47的权利要求2中，包含了“采用反向传播算法和梯度下降算法训练ANN”的限定，明确点出了特定的数学算法。由于提及了具体算法名称，这实际上要求执行相应的数学计算，因而被视为明确记载了数学概念这一司法例外。简单来说，泛泛提及功能不等于抽象，但具体写出算法公式则会被视为抽象。因此，备忘录要求审查员在Step 2A第一部分仔细区分：只有当权利要求明确描述了抽象概念时，才进入下一步适格性审查；若权利要求只是涉及抽象概念但本身没有写明，则应当直接认定为适格。这一澄清对AI软件领域非常关键，避免了审查员因看到关键词（如“算法”）就武断给出101拒绝，而是鼓励他们严格按照权利要求的实际限定来判断。

强调技术改进的重要性及技术方案完整性：在适格性分析的第二步（Step 2A第二部分，即Alice框架的“实用应用”考查）中，新备忘录着重强调了技术改进这一考虑因素。审查员被提醒，当权利要求整体反映了对计算机性能或其他技术领域的改进时，应倾向于认定其将司法例外整合到了实际应用中，从而属于可专利客体。换言之，如果发明提出了针对特定技术问题的技术解决方案，那么即使涉及抽象概念也可能通过这一“技术改进”途径判定为适格。备忘录将这种考量描述为“寻找技术问题的技术解决方案”。判断是否存在技术改进的一个关键因素在于：权利要求是涵盖了一种具体的解决方案/特定实现方式，还是仅仅笼统地索求了一个结果或效果。前者表明发明以特定技术手段解决了技术问题，往往意味着满足适格性；而后者如果只是宣示一种结果而无具体技术手段，则倾向于被视为抽象方案。备忘录还进一步指出，审查员应参考说明书来确定发明是否改善了现有技术，并核实权利要求是否体现了该改进。值得注意的是，说明书中不一定需要使用明确的措辞点出“本发明改进了XX”，但必须通过充分的技术披露，使本领域技术人员读后能够明白发明带来了何种改进。同样地，权利要求本身也不要求字面写明“改进”，只要其限定足以体现说明书中揭示的技术方案即可。

此外，备忘录提醒审查员防范过度简化权利要求内容的倾向。特别是在考虑权利要求是否只是“让计算机去实现该想法时，要谨慎判断，避免将具体技术步骤抽象成空泛的指令来看待。事实上，“仅仅将抽象理念让计算机执行”是Alice案判定非适格的典型情形，但备忘录强调应结合技术细节来看：很多时候，所谓“apply it”和“技术改进”是重叠的，即同一组附加特征既可以被视为简单地让计算机执行某任务，又可能实际上实现了对技术的改进。因此审查员在评估时需同时考虑两方面：权利要求是否仅索求解决方案的结果而没有具体阐述实现方法？还是限定了实现该结果的特定技术手段？权利要求是否只是利用通用计算机完成现有过程，还是旨在提升计算机能力或改进现有技术？通过这两个维度，可以更公正地判断申请是否超出了简单的“让计算机做某事”。备忘录明确指出，当附加限定并非简单的“用计算机执行”，而是对抽象理念的有意义限定时，即使用了计算机作为工具，仍可能使权利要求符合适格性要求。

概括而言，新备忘录在Step 2A的判断上给出了更细致且偏向申请人的指导：不轻易将复杂AI步骤视为人类心智活动，不因为涉及算法就立即判定为抽象，并鼓励从整体技术贡献角度考虑发明。如果权利要求体现了解决技术问题的具体方案，则应认定为客体适格。这些更新为审查员提供了明确的操作准则，收紧了抽象概念的认定边界，也为申请人提供了更清晰的撰写和答复策略。

USPTO此次备忘录有利于减少AI领域的§101驳回、提升审查可预测性，并为申请人在撰写和答复策略上提供了新的思路。

“精神活动”类抽象概念限缩直接利好AI/ML发明。过去，审查员有时将涉及人工智能的算法处理简单归类为人类可心算的活动，从而判定为抽象。这给许多AI相关申请带来了不必要的适格性障碍。备忘录重申“凡人脑无法实操的，就不属精神活动”，这意味着大量AI算法（尤其是处理海量数据、复杂矩阵计算、深度学习训练等）将摆脱被贴上“抽象”标签的风险。审查员今后在引用“精神活动”作为拒绝理由时必须更谨慎、具体，不能笼统将AI计算等同于人类思维。这对于AI发明人而言，无疑降低了某些101拒绝的几率。例如，机器学习模型训练往往涉及数以百万计的参数更新，人脑显然无从完成；按照新指引，这类步骤不应再被认定为抽象，从而清除了AI发明在适格性上的一大隐患。

“涉及 vs. 记载”抽象概念的区分将改变AI算法发明的撰写和审查方式。从官方Example 39和47可以看出，一个关键策略是在权利要求中避免明确写出数学算法细节，而用功能性表述代替，从而争取在Step 2A第一部分直接通过。USPTO早在2019年的指南示例中就曾将“训练神经网络”视为非抽象；但2024年的新示例又表明如果写入具体训练算法则可能被视为抽象。此次备忘录正是回应了这种不一致，明确了承上启下的规则：泛泛的神经网络训练步骤不属于抽象概念，而具体算法名称则属于数学概念。因此，AI申请人在撰写权利要求时可以有意识地避免过度具体化算法，而更多强调功能结果，从而使权利要求不“记载”数学关系。在实践中，这可能使一些AI发明不需要牺牲广度去列举实现细节就能通过适格性门槛。这意味着AI发明有机会在更宽泛的权利要求表述下就被认可为适格，不必为了满足第二步而加入大量技术细节限制。

“技术改进”考量的强化为AI发明提供了另一条适格性之路。即使某AI发明涉及了抽象概念，只要能够表明其解决了具体技术问题、带来了技术上的改进，仍有望判定为专利客体。这对许多AI应用型发明尤为重要。举例来说，USPTO的Example 47展示了两种截然不同的情形：该例涉及利用人工神经网络（ANN）进行网络异常检测。权利要求2着重描述了训练过程及算法（如反向传播、梯度下降），最终仅输出异常数据报告，被认定涵盖抽象的算法计算且缺乏实质应用，因此不适格。而权利要求3在包含类似算法训练步骤的同时，进一步限定了检测到异常流量后采取具体技术措施（如实时丢弃恶意数据包、阻断来源地址等）。这些附加步骤直接改进了计算机网络安全领域的技术功能，使整个权利要求“整合到了网络入侵检测这一实际技术应用中”，因而被视为适格。这个对比说明：如果AI发明仅给出分析结果，可能被视为无实际应用支撑；但若将结果用于改进系统功能或解决行业痛点，就满足了技术改进要求。对于AI专利申请人，这提示他们应尽量将发明的应用场景和技术效果体现在权利要求中，使之看起来不像“纯分析”，而更像“改善了某项技术”。可以预见，聚焦具体应用领域的AI解决方案将更容易获得专利保护，而空泛的AI概念则更可能遭驳回。

整体而言，新备忘录传递出一种审查导向转变：USPTO现任管理层希望鼓励AI等前沿技术的专利保护，对边缘案例倾向于给予申请人利益。备忘录甚至明确指出，若适格性判断存在“模棱两可”或“势均力敌”的情况，审查员应当倾向不予驳回，只有当根据证据超过50%的概率认定不适格时才应做出驳回。

面对最新的审查动向，专利律师和申请人应主动调整撰写策略，充分利用有利导则来提高AI/软件发明通过适格性审查的成功率。基于备忘录精神，整理以下实务建议：

围绕“问题-方案-效果”链条构建技术改进叙述：在说明书中明确提出所针对的技术问题，详细阐述本发明的技术方案如何解决该问题，并强调由此产生的技术效果/改进。这种写作思路有助于在整体上凸显发明的技术贡献。例如，可以在背景部分指出现有技术的不足，引出待解决的痛点；在发明内容和具体实施方式中说明发明的核心机制如何克服这些不足；并在效果或优点部分量化或质化改进之处。总之，要让审查员一目了然地认识到：本申请解决了一个技术问题，并带来了技术上的进步。

避免权利要求呈现“Apply It”空泛指令：撰写权利要求时，应尽量避免仅仅声明实现某种结果，而不说明“如何实现”。正如备忘录所警示的，如果权利要求只阐述了要达到的目的或效果，却缺乏具体步骤和手段，则容易被认定为抽象理念或“让计算机去实现”的泛泛指令。

凸显整体性技术实现，提供端到端方案细节：申请文件应当提供整体解决方案的充分披露，包括系统架构、模块分工、数据流动、软硬件协作等方面的信息。审查员在Step 2A第二部分会“将权利要求作为一个整体”来考量各部分如何交互产生技术效果。因此，说明书中应描述完整的实现路径，避免让发明看似仅由孤立的功能块拼凑。例如，详细说明数据从输入、处理到输出各阶段如何流转，算法模块与其他组件（传感器、存储、网络等）如何协同。