近年来，人工智能发展势头迅猛，算法、算力与大模型作为人工智能的核心要素，深度嵌入医疗、金融、制造等各行各业。但随着技术的应用落地，其在专利保护方面却面临诸多问题，亟需贴合实际进行规范指引，使知识产权制度更好地发挥激励和保护创新成果的作用。

现状全景：多维度洞察

（一）专利申请

全球范围内，算法、算力、大模型领域的专利申请呈增长态势。2023年我国算力总规模已位居全球第二，尤其近五年年均增近30%。根据新质生产力系列调研报告中的《新质生产力⑩ | 2024算力行研报告》显示，截至2024年3月，全国算力企业授权专利总量共520,008件，比2019年增加了20余万件。这一趋势与全球技术发展方向高度一致，充分体现了我国在算法、算力、大模型技术创新中的活跃度和竞争力。

（二）创新主体多元活跃

腾讯、百度、阿里、华为等科技企业在算法优化、大模型构建、芯片算力提升及通信算法改进等方面成果显著，在某专利查询网站上输入“大模型”检索，其中腾讯拥有专利1536件排名第一，百度以859件紧随其后。浙江大学、清华大学、之江实验室等高校及科研院所作为基础研究的重要力量，许多研究成果转化为专利技术，其专利申请量也随之增加。中小企业积极参与其中，在细分领域发力。

（三）专利类型

从专利类型来看，在算法方面有深度学习算法的架构创新、机器学习算法的原理改进等专利；算力领域涵盖芯片架构优化、分布式计算系统提升、算法加速等方面的专利；在大模型应用层面，医疗影像诊断中的智能算法专利、金融风险预测的模型专利、智能交通流量优化算法专利等，充分体现人工智能技术在各产业的广泛应用。

（四）司法实践中的“全国首例”不断增多

2023年11月，北京互联网法院审结一起“AI文生图”著作权侵权案。该案中，法院首次认定只要AI生成图片能体现出自然人独创性智力投入，就应当被认定为作品，受到《著作权法》保护。2023年12月，与阿里巴巴集团有关的全国首例AI应用专利侵权案二审判决，涉及待证事实取证的认定。2024年4月，北京互联网法院宣判了全国首例“AI声音”侵权案。该案中被告未获授权，将原告录制的有声读物进行AI加工后向消费者提供文字生成声音服务，法院判决被告赔偿原告各项损失25万元。

困境聚焦：挑战重重

（一）算法可专利性难题

由于算法本质上是用以解决特定运算和逻辑问题、准确而完整的解题方案，表现为一系列程序指令，所以在传统专利法框架下，算法的可专利性存在争议。多数国家和地区把单纯的算法认定为智力活动规则，因其不满足专利法对“技术性”的要求，难以获得专利授权。我国《专利法》同样规定“智力活动的规则和方法”不授予专利权。

即便算法与技术应用相结合，但在专利审查环节仍然存在诸多问题。一方面，要判断一项解决方案到底属于智力活动的规则和方法，还是构成了专利法意义上的技术方案，缺乏明确统一标准；另一方面，对于方案采用的手段是否遵循自然规律的技术手段进行判断同样没有清晰依据，这就导致审查结果具有不确定性。

以大模型训练中常用的随机梯度下降算法为例，它在大模型训练里作用重大，通过不断迭代调整模型参数，促使模型逐步拟合数据。但从专利视角审视，它基本属于数学逻辑的运用，类似智力活动规则。

一是其核心运算过程聚焦于数学原理的参数优化，在不同架构的GPU（图形处理器）、TPU（张量处理器）等算力芯片上，并未体现依据芯片特性优化算法的并行计算、内存分配等操作，脱离了具体的算力硬件实现细节，容易被判定缺乏“技术性”；

二是该算法虽然与模型训练这一技术应用紧密相连，但要在专利申请时清晰阐释其遵循自然规律的技术手段，像说明数据传输、存储的物理原理在算法流程中的应用，以及论证如何带来可量化的技术效果，如提升模型训练效率、降低能耗等具有一定难度。这些问题让算法创新在寻求专利保护时受阻，影响了企业和科研机构研发投入的积极性。

（二）侵权认定困境

首先，算法隐蔽运行于计算机系统内，外部难以察觉其侵权行为，权利人发现异常时侵权行为或已持续，溯源取证阻碍大。并且判断是否侵权需要对复杂的算法和模型进行深入的技术分析与比对，这对司法机关和权利人的专业技术与举证能力都提出较高要求。随着新的算法和侵权形式不断出现，相应地增加了侵权认定的复杂性。

其次，数据输入到输出过程中，算法内部推理决策像一个“黑箱”，受数据、环境等影响，即便照搬模型与参数也难以重现预期效果，不易判断是否侵权。

同样以大模型训练为例，侵权者可能利用相似的深度学习架构，在大规模集群算力加持下微调模型参数，由于算力芯片的性能差异、数据的细微差别以及复杂的超参数调整，即便权利人掌握疑似侵权模型，也很难精准判断侵权行为是否发生。此外，算力资源具有隐蔽性，如一些云算力服务提供商的后台数据无法获取，增加了侵权溯源的难度。

（三）现有保护路径局限

目前根据算法的不同形式和阶段一般采用不同的知识产权保护手段，然而无论是著作权、专利权还是商业秘密的保护都有一定的局限性。

1.抽象阶段的算法。

当算法表现为公式、函数、函数组合时，以反向传播算法为例，其核心是基于链式求导法则，通过一系列偏导数计算来调整神经网络中神经元的权重，其公式仅聚焦于数学层面的梯度计算逻辑，在不同架构的深度学习芯片上进行高效并行计算加速方面未作详细说明，针对具体应用领域依据数据特点进行优化以减少过拟合或欠拟合现象也未提及。因其为抽象概念，不属于《著作权法》保护的“作品”之列。从专利角度看，抽象算法属于人类“智力活动的规则和方法”，缺少具体技术特征与可实现的技术效果，难以达到专利授权标准，亦不是《专利法》保护的对象。因此，抽象阶段的算法目前无法获得专利或著作权的保护，只能作为商业秘密受到保护。

2.算法模型。

根据我国 《专利审查指南》（2023），涉及人工智能的发明专利审查，需针对要求保护的解决方案展开。审查过程不能片面拆分技术特征、算法特征或者商业规则与方法特征等，而是要把权利要求所记载的全部内容视为一个有机整体。在此基础上，分析其中运用的技术手段、所要解决的技术问题以及最终达成的技术效果。因此，当程序算法的权利要求整体呈现出以技术特征为主导，切实能够解决技术领域中的特定问题，由此产生实在的、可衡量的技术效果时，才属于可授予专利权的发明。

当算法与数据结构有机融合，则形成了算法模型，能够输入数据按既定算法流程进行运算，并输出对实际问题有参考价值的结果。若算法模型通过一些机器设备实现商业流程，该等设备可能受到产品专利的保护，其计算机软件代码亦可受到软件著作权的保护。

然而，若算法模型仅仅呈现为一种单纯的流程性描述，仅说明数据的获取来源、所历经的分析与处理流程步骤、最终所呈现的结果状态，以及尝试解决的问题范畴。那么此时的模型在本质上与抽象算法无异，无法作为发明专利受到保护。只有算法模型足够具体化，能够形成一项技术方案，才有可能作为一项商业方法而成为专利的保护对象。

以智能客服算法模型为例，若仅简单描述对话流程，未深度融合自然语言处理技术特征、算力优化策略，未考虑如何在不同算力设备上实现高效的语音识别、文本生成，以及如何根据用户流量动态分配算力资源，其本质上与抽象算法无异，难以获得专利保护。反之，若该模型能将算法、数据结构与算力适配有机结合，形成完整技术方案，展现出如快速响应客户咨询、降低运营成本等技术效果，才有机会获取专利的保护。

3.发明人身份认定。

《专利审查指南》明确记载了“发明人应当是个人，请求书中不得填写单位或者集体，以及人工智能名称”。对于涉及人工智能算法或模型、基于人工智能算法或模型的功能及领域应用的相关专利申请，只有对发明创造的实质性特点作出创造性贡献的人才能署名为发明人；对于人工智能辅助作出的发明，只有对发明创造的实质性特点作出了创造性贡献的自然人才能署名为发明人。由人工智能自主生成的独特技术方案或创新成果，由于无法将人工智能列为发明人，导致这些成果难以获得专利保护，其开发者的权益如何得到充分保障和体现并不明确，创造性贡献的认定更是复杂、难以准确评估。

（四）国际法律差异壁垒

全球各国和地区在算法、算力、大模型相关专利技术的知识产权保护法律规定上存在较大差异。在专利审查标准、侵权认定原则和保护期限等方面，各国的法律制度不尽相同。这种差异导致企业在全球专利布局和维权时成本增加、难度加大。例如，在人工智能生成发明的权利归属问题上，各国法律规定尚不完善且倾向性不同，给企业跨境业务带来了诸多法律风险和不确定性。

规范指引：破局之道

（一）专利申请前的准备

1.技术评估与类型确定。

明确申请所涉专利属于涉及人工智能算法或模型本身的相关专利申请、基于人工智能算法或模型的功能或领域应用的相关专利申请、人工智能辅助作出的发明的相关专利申请，还是人工智能生成的发明的相关专利申请。确定类型后，有针对性地梳理该类型专利申请的重点法律问题和审查要点。

2.现有技术专利检索与分析。

利用专业检索工具和数据库，确保检索的全面性和准确性。对检索结果进行详细分析，结合相关法律法规、指南和指引中关于方案客体、创造性等标准，判断拟申请专利的技术与现有技术的区别，为后续撰写申请文件和答复审查意见提供依据。

3.全面且体系的专利保护布局。

充分利用PCT（专利领域的一项国际合作条约）优势做好全球专利保护布局，算力、算法、大模型在国际竞争中属于核心领域，强大且全面的专利保护体系不仅能为企业获得全球竞争优势，还能保障国家产业安全，防止核心技术被窃取或恶意利用，推动产业升级，增强国家综合实力。

（二）专利申请文件的撰写

1.专利申请应满足客体要求。

《专利法》第二十五条第一款第（二）项否定了“智力活动的规则和方法”被授予专利权的可能性。为避免产生或克服方案被认定为“智力活动的规则和方法”的缺陷，申请人可以在权利要求中写入与算法特征相关联的技术特征，使权利要求整体上不再是一种智力活动的规则和方法。

2.权利要求撰写规范。

应满足超越智力活动规则和具备技术方案特征的专利申请基本要求。

(1)利用自然规律。

在撰写权利要求时，紧扣“技术方案”这一核心要素。应清晰记载针对待解决的技术问题所采用的技术手段，是否遵循了自然规律，能否落地实现。如此才能确保所构建的解决方案被认定为有效的技术方案，进而符合权利要求规范。

一方面，充分了解所处行业领域的前沿与痛点，锁定关键技术难题，如智能图像识别领域的复杂环境准确率低、微小特征捕捉难等问题。另一方面，确定技术手段后，考量其与自然规律的契合度。如某智能图像识别专利利用光学成像原理，依据光线折射、反射特性设计镜头参数与结构，结合波长、频率优化感光性能，从而实现精准识别的技术，构建出有效技术方案。

(2)处理确切技术数据。

在《专利法》的范畴内，对于人工智能算法或模型相关的专利申请，其中一个关键点是要体现出技术属性。当权利要求能够明确表明算法或模型所处理的数据在技术领域中有确切的技术含义时，就为判定其为技术方案提供了一个重要依据。让本领域技术人员能够理解算法或模型是如何利用自然规律解决实际技术问题并获得相应技术效果，符合专利制度对于技术方案的要求。

(3)关联计算机系统结构。

若权利要求撰写能够展现人工智能算法或模型与计算机系统内部结构存在特定技术关联，产生诸如提高硬件处理速度等符合这些自然规律的性能改进时，就满足了专利对技术方案应产生技术效果的要求，从而使得该权利要求所涉及的人工智能算法或模型更有可能被认定为专利保护的客体。

(4)合理布局从属权利要求。

从属权利应围绕独立权利要求逐步细化和展开，对核心技术特征进行功能性、参数性、方法步骤等方面的限定。同时，将算法的具体应用申请专利时，尽量不将非必要技术特征加入权利要求，避免导致保护范围过窄。

3.说明书撰写规范。

严格按照《人工智能相关发明专利申请指引（试行）》第四章关于说明书充分公开的要求，详细描述对现有技术作出贡献的部分。对于算法应阐述其数学原理、模型构建过程、数据处理流程等；对于算力相关发明需说明硬件架构、资源分配策略等；对于大模型则要披露模型的训练数据、训练方法、优化过程以及应用示例等，确保说明书内容完整、清晰。如有附图，应在说明书中对附图进行详细的解释和说明，使附图与文字内容相互印证，增强对发明技术方案的理解，便于审查员和公众理解发明内容。

（三）审查意见答复策略

收到审查意见通知书后，应迅速组织技术和法律团队进行分析。针对审查员提出的问题，如方案客体不符合要求、创造性不足、公开不充分等，结合发明实际情况，寻找有力的证据及合理的解释进行答复。在修改权利要求和说明书时，遵循最小修改原则，尽量保留原有的保护范围，同时确保弥补审查意见指出的缺陷。

（四）防范开发风险

算法模型的开发通常采用委托开发和内部自主开发两种形式。

自主开发情形下，权利人应当建立严谨的开发流程。在开发过程中，将源代码的备份作为必需的工作步骤。一方面，能够及时掌握开发的进程以及开发的源代码；另一方面，日常对软件开发过程的备份本身也是权利人独立开发的证明，能够在一定程度上对抗可能发生的“商业秘密”或“著作权”侵权指控。此外，对于开发的流程管理，还需要防止对软件的污染。例如，通过禁止开发人员从第三方获取来历不明、知识产权属性不明的第三方代码，以及许可证与商业目的相冲突的开源代码，以减少最终产品的污染或侵权风险。

委托开发情形下，前期合同要清晰界定知识产权归委托方、量化交付标准、限定保密条款；开发过程中搭建沟通平台以便随时掌握进度、审核关键节点、注意留存过程资料；验收时进行多维度测试、对照标准核验，不足之处及时要求整改并尽快落实技术转移与培训。通过以上措施降低委托方风险，保障项目推进与成果质量。

（五）专利授权后的维护与运用规范

定期对市场上的竞品、新技术动态进行监测，利用大数据分析工具、行业情报网络等手段，收集可能侵权的线索。一旦发现侵权嫌疑，法律团队应第一时间介入，指导权利人采用公证购买、网络证据保全、现场勘查鉴证等多种方式固定侵权证据。组织技术专家对侵权产品或技术进行深度分析拆解，撰写详细的技术鉴定报告，比对侵权特征与专利权利要求，为后续诉讼或协商谈判提供技术与法律支撑。

（六）实施专利布局

专利申请需要事前准备而不是事后争取，在产品立项阶段企业就应具备专利申请意识。随着全球化进程加速，国际专利布局成为企业专利战略中不可或缺的一环。深入研究各国法律法规，提前了解不同国家在人工智能专利审查方面的标准与倾向也是专利布局的重要举措。此外，上下游产品的专利布局同样具有适用性与重要价值。

【作者：崔青青、杨幸宜，泰和泰（广州）律师事务所】

 

【责任编辑：尚鑫】