引言

2024年1月，谷歌的TRANSFORMER模型中国同族专利申请被驳回，引发了业界对生成式人工智能领域专利申请问题的广泛关注。2024年7月3日，世界知识产权组织（WIPO）发布《生成式人工智能专利态势报告》。报告显示，过去十年间，全球范围内与生成式人工智能相关的发明申请量激增，其中中国发明人申请的生成式人工智能专利数量最多，是排名第二的美国的六倍。2024年7月29日，国务院新闻办公室举行“推动高质量发展”系列主题新闻发布会，国家知识产权局专利局副局长、战略规划司司长葛树在会上透露，截至2023年底，我国人工智能发明专利有效量达到37.8万件，同比增速超40%，是全球平均增速的1.4倍。[1]随着技术的不断成熟与应用的不断拓展，各国围绕生成式人工智能的专利竞争日益激烈。本文将从谷歌专利申请被驳回的案例出发，解读我国生成式人工智能领域的最新专利审查政策，提出相应的专利布局和申请策略，促进我国生成式人工智能领域新质生产力的稳健发展。

一、关于谷歌Transformer模型中国同族专利申请的审查案例

Transformer模型由Google的研究人员在2017年提出，是一种基于自注意力机制的深度学习模型，用于处理序列数据，被称为AI大语言模型的基石。谷歌在中欧、日韩等多个国家和地区均进行了专利布局，在美国、欧洲等主要市场已经授权。该专利的中国同族2022年在中国境内进入审查阶段后，今年年初被国家知识产权局驳回，目前正处于复审阶段。 

国家知识产权局认为，该申请不属于专利法意义上的技术方案，不符合《专利法》第2条第2款的规定，具体有以下几个方面：

1、权利要求限定的方案是一种针对神经网络的改进，其实质是对算法本身的改进，其解决的问题是神经网络本身的问题，而不是专利法意义上的技术问题；所采用的手段是对神经网络本身的计算过程，该手段不是专利法意义上的技术手段；其达到的效果是提高神经网络算法本身的性能，不属于专利法意义上的技术效果。

2、权利要求所要求保护的方案并未解决具体技术领域的具体技术问题，其解决的仍然是神经网络本身的问题，采用的手段是改变神经网络的结构及设置，相应地所获得的效果是不属于技术效果。

3、权利要求限定的方案并未对计算机系统内部性能进行改善。神经网络模型的执行与计算机系统硬、软件资源的调度无关，在计算机上运行其限定的注意力序列转换神经网络时，运行这些算法的设备的处理性能、运算速度、计算精度并未有所直接改进。

从该专利的申请文本来看，谷歌在原申请文件中并未限定应用领域，试图将保护范围扩张到最大，成为所有的应用领域的基础专利。在收到第二次审查意见通知书后，谷歌将应用领域限定到“神经机器翻译系统、语音识别系统、自然语言处理系统、计算机辅助医疗诊断系统或图像处理系统”。但该修改最终未获得审查员的支持，审查员认为该专利涉及的注意力序列转换神经网络可以应用于多个领域，是一种通用模型，其所解决的“递归神经网络训练、推理时间长、计算资源消耗高”的问题，是神经网络自身的问题，与自然语言处理涉及的具体技术问题无关。

专利审查制度是国家主权的宣示，高度体现了该国的知识产权政策。谷歌Transformer模型专利申请被驳回正处于我国针对人工智能等前沿技术领域的专利审查标准进行相关修订和执行的关键时期，此案例的驳回决定及后续的复审表现将成为观察我国生成式人工智能领域专利审查政策的风向标，具有典型意义。

二、生成式人工智能领域的中国专利审查政策解读

2023年12月21日，国家知识产权局发出第七十八号令，公布修订后的2023版《专利审查指南》，修改后的《专利审查指南》已于2024年1月20日正式实施。从谷歌Transformer模型专利的驳回决定可以看出，其驳回理由与2023年修改后的《专利审查指南》高度吻合：对于生成式人工智能领域专利申请，强调申请文件应当结合具体的技术领域，算法的各步骤与所要解决的具体技术领域内的技术问题密切相关，或者，与计算机系统的内部结构存在特定技术关联，能够解决如何提升硬件运算效率或执行效果的技术问题。有鉴于此，分析和解读生成式人工智能领域的中国专利审查政策变化，对于在中国申请和布局生成式人工智能专利至关重要。2023版《专利审查指南》与生成式人工智能专利审查标准相关的修订要点主要有以下几个方面：

1、新增允许“计算机程序产品”作为权利要求的保护主题

点击可查看大图

修改后的《专利审查指南》在第二部分第九章第5.2节明确计算机程序产品可以作为权利要求的主题名称，并进一步给出了计算机程序产品的详细定义。此项修改扩展了涉及计算机程序的发明专利申请的保护范围，允许将计算机程序产品本身作为专利保护的对象，突破了以往仅限于有形存储介质的限制，进而能够对不依赖于传统物理载体，而是借助互联网以电子信号形式进行传输、分发及下载的计算机程序实现充分保护。

2、新增关于人工智能、大数据等技术领域“客体”审查标准

点击可查看大图

涉及人工智能、大数据等发明专利申请通常包含算法、商业规则和方法等智力活动的规则和方法特征，在专利审查中也较容易因不属于专利法意义上的技术方案，不符合《专利法》第2条第2款的规定被驳回。本次修改的审查指南进一步增加了对于人工智能、大数据发明专利申请的客体审查标准，审查指南明确指出算法与计算机系统的内部结构存在特定技术关联，并且解决了提升硬件运算效率或执行效果的技术问题、获得符合自然规律的计算机系统内部性能改进的技术效果，属于专利法第二条第二款所述的技术方案。如果权利要求的解决方案处理的是具体应用领域的大数据，利用分类、聚类、回归分析、神经网络等挖掘数据中符合自然规律的内在关联关系，据此解决如何提升具体应用领域大数据分析可靠性或精确性的技术问题，并获得相应的技术效果，属于专利法第二条第二款所述的技术方案。

3、新增多项人工智能、大数据等技术领域的审查示例，进一步细化人工智能、大数据专利的审查标准

点击可查看大图

审查指南除增加了对于人工智能、大数据发明专利申请的客体审查标准外，还新增了多项人工智能、大数据等技术领域的审查示例，进一步细化人工智能、大数据专利的审查标准。审查指南第二部分第九章第6.2就客体审查标准新增了三个正向示例5、6、7和一个负向示例10。例5中的深度神经网络模型的训练方法与计算机系统的内部结构存在特定技术关联，提升了训练过程中硬件的执行效果，从而获得符合自然规律的计算机系统内部性能改进的技术效果；例6中的电子券使用倾向度的分析方法涉及大数据处理电子券领域的具体应用，该解决方案处理的对象是电子券相关的大数据，解决了如何提升分析用户对电子券使用倾向度的精确性的技术问题，并且获得了相应的技术效果；例7中的知识图谱推理方法处理对象为自然语言中的文本数据或者语义信息等技术数据，能够解决文本嵌入及语义搜索过程中丰富语义信息和提高推理准确性的技术问题，利用的是遵循自然规律的技术手段，并获得了相应的技术效果，属于专利法的保护客体。而例10中的一种金融产品的价格预测方法，处理的是金融产品相关的大数据，金融产品的历史价格数据与未来价格数据之间遵循经济学规律，不存在符合自然规律的内在关联关系，未解决技术问题，获得的相应的效果不是技术效果，不属于专利法的保护客体。

总的来说，审查指南的修改进一步强化了我国对新质生产力相关发明创造的保护，也为在中国进行生成式人工智能专利的申请与布局提供了一定的方向指引。

三、生成式人工智能领域的中国专利申请与布局

相关研究表明，生成式人工智能大模型产业化应用主要沿着两条路径发展，一是通用类大模型持续拓展应用领域，文心一言等中国通用化大模型正在快速发展，打造跨行业通用化人工智能能力平台，其应用行业正在办公、生活、娱乐向医疗、工业、教育等加速渗透；二是垂直领域专业类大模型不断深化落地，一批针对生物制药、遥感、气象等垂直领域的专用大模型，发挥其领域纵深优势，提供针对特定业务场景的高质量专业化解决方案。[2]与单纯追求模型算法的创新不同，中国的专利审查政策表现出以应用为导向的倾向，更加关注这些技术如何在实际应用领域中发挥作用，解决实际问题。相应的，生成式人工智能领域企业在进行相关专利布局与专利申请文件撰写时应注意符合最新的专利审查政策，以获取符合企业创新发展需要的知识产权保护。

（一）对于改进点在人工智能模型本身的技术方案，可以综合运用专利、商业秘密、计算机软件著作权登记的方式进行知识产权保护

1、改进点在人工智能模型本身的技术方案，是指对诸如谷歌Transformer模型进行改进的技术方案。如果该人工智能模型与计算机系统内部结构存在特定关联，能够解决提升运算效率或执行效率的技术问题，属于受到专利法保护的客体。人工智能经过多年的发展，算力仍然是其绕不开的难题。“算力”是指计算机设备或计算/数据中心处理信息的能力。人工智能模型通常需要消耗大量的算力，因此，许多新的人工智能模型的发明目的就是通过合理分配计算机资源，实现降低计算机运算负载，提高运算效率或执行效率的技术效果。对于这一类人工智能模型，在最新修订的《专利审查指南》第二部分第九章第6.1.2节中新加入了有关规定，认可了这一类人工智能模型属于《专利法》意义上的“技术方案”，可以得到专利权的保护。

2、人工智能模型的算法源代码也可以登记软件著作权。发明人开发完成的人工智能模型，该模型或算法的载体仍然是具体的源代码。将源代码以软件著作权的形式进行保护，可以起到保护该模型本身的作用。

3、由于人工智能模型通常会被认为是一种数学计算方法，因而易被认为不符合《专利法》中有关技术方案（《专利法》第二条第二款）的规定，或被认为属于一种“智力活动的规则与方法”（《专利法》第二十五条第一款第二项）而无法得到授权。因此，对于此类改进点在人工智能模型本身的技术方案，可以通过商业秘密方式保护。人工智能模型本身属于“黑匣子”，如果发明人不主动对外披露该人工智能模型的具体结构，并采取了相应的保密措施，则该人工智能模型可以满足商业秘密中有关“秘密性”和“保密性”的要求。他人如果通过破解的手段获得该人工智能模型的具体结构，将构成侵犯商业秘密的行为。

（二）对于改进点在人工智能模型功能的技术方案，一般可以通过专利方式进行知识产权保护

改进点在人工智能模型功能的技术方案，是指将现有的人工智能模型，在特定应用领域下进行改进，以解决该特定领域下技术问题的技术方案。这一类技术方案通常是发明人为了解决具体特定领域下的技术问题，将人工智能模型作为工具进行应用的技术方案。对于这一类技术方案，符合中国的最新审查政策，通常都不存在专利的客体问题。在实践中，对于这类改进点在人工智能模型功能的技术方案，在专利申请和审查中主要应注意解决以下问题。

1、关于创造性

对于包含有算法特征或商业规则和方法特征的专利，在最新修订的《专利审查指南》第二部分第九章第6.1.3节中给出了有关创造性的审查标准，即重点关注算法特征或商业规则和方法特征与技术特征是否在“功能上彼此相互支持、存在相互作用关系”。《专利审查指南》中对于“功能上彼此相互支持、存在相互作用关系”的定义是：算法特征或商业规则和方法特征与技术特征紧密结合、共同构成了解决某一技术问题的技术手段，并且能够获得相应的技术效果。这就要求发明人在进行专利申请时需要着重关注其中算法特征是否在解决技术问题中与其他技术特征配合，共同起到了相应的技术效果。

2、关于公开不充分

对于人工智能模型类专利，发明人没有披露人工智能模型的具体结构，可能导致说明书公开不充分，不符合《专利法》第26条第3款的规定。参见《专利审查指南》第二部分第二章第2.1.3节的相关规定，人工智能模型类专利常见的不符合《专利法》第26条第3款的情况是：说明书给出了技术手段，但对于所述技术领域的技术人员来说该手段是含糊不清的；或说明书中给出了技术手段，但对于所述技术领域的技术人员采用该手段并不能解决发明所要解决的技术问题。因此，对于说明书公开不充分的判断，通常是以所属技术领域的技术人员的视角，在阅读说明书记载的技术方案后，判断是否可以解决发明所要解决的技术问题，如果可以解决技术问题，则通常认为说明书已经公开充分。基于上述标准，在实践中可以通过以下方式进行判断：

（1）若该人工智能模型已经是本领域的公知常识，且发明并没有对该模型的结构进行改进，则包含该人工智能模型的技术手段已经是清楚的，并且所属技术领域的技术人员可以清楚的预期该技术手段可以解决相应的技术问题，无需在专利文件中披露该人工智能模型。

（2）若该人工智能模型并非解决发明所要解决技术问题的技术手段的组成部分，即该发明所要解决的技术问题是依赖于其他技术手段进行解决的，则是否披露该人工智能模型通常不会影响说明书公开是否充分的认定。

（3）若该人工智能模型是发明点所在，即该人工智能模型是该发明所要解决的技术问题的技术手段的组成部分，且该人工智能模型并不属于已经公开的现有技术，则通常认为需要披露该人工智能模型的结构，或至少披露该人工智能模型相较于现有技术的改进方式。例如，若某发明人将谷歌公司公开的Transformer模型应用于文生图，并通过改进了其中的注意力机制层，起到了生成图像更加准确的技术效果，则至少应该在说明书中公开相关的注意力机制层的改进方式，以使得所属技术领域的技术人员可以根据说明书记载的技术手段解决发明所要解决的技术问题。

（三）关于生成式人工智能的专利申请与布局策略

1、产业链布局

生成式人工智能产业链通常包括算法开发、模型训练、应用落地等多个环节，每个环节都可能涉及创新点。在进行专利布局时，通常可以从具有创新点的最小单元出发，按照该最小单元所在的技术产业链从上游到下游全面布局：不仅要覆盖软件产品本身，还应延伸至产业链的上下游，包括但不限于模型训练和模型应用等关键环节。围绕主要产品和核心技术，选择合适的专利布局策略，构建基础专利或核心专利壁垒。

2、专利家族布局

生成式人工智能专利拓展国际市场的可能性较大，应提前做好构建专利家族的准备，在目标国家进行专利布局。此外，美欧日等国家对生成式人工智能领域专利申请在客体问题，创造性问题以及公开不充分与说明书支持问题三方面相关的规定也各不相同，在专利申请文本撰写阶段可以通过权利要求等撰写方式的变化以满足后续海外申请、适应各个国家的专利审查要求而进行调整。

3、诉讼高价值专利布局

诉讼高价值专利是经得起诉讼检验的专利，既要有较大的权利保护范围，又要有很好的权利稳定性，在专利侵权维权中表现出色。人工智能专利撰写权利要求时，仅仅罗列复杂的模块及其连接关系，往往很难清楚地、完整地描述出专利技术方案。此时往往使用功能性特征方式进行描述。功能性特征是专利权利要求中以功能或者效果表述的技术特征。由于功能性特征字面含义宽泛，导致其在无效程序中专利稳定性降低，在专利侵权比对需要对其保护范围限缩解释，对专利侵权判定产生不利影响。在专利申请文件撰写中，应审慎对待功能性特征的使用，如确须采用功能性技术特征，则应尽可能多地在说明书中记载实现该功能或效果的实施方式，以争取在诉讼中能够得到明确的侵权认定。对于人工智能模型类专利，如果其中的技术手段依赖于多个执行主体共同作用，则在构建此类专利的权利要求时，可以优先采用“单侧撰写”的方式，便于专利权人进行侵权识别、取证和诉讼。从维权角度，布局生成式人工智能专利，还要对发明类型的选择（发明或者实用新型、外观设计）、方法权利要求或装置权利要求的选择等进行精心安排，不同的权利类型对于专利维权的效果有较大的差别。对于涉及人机交互的界面，还可以申请GUI（图形用户界面）外观设计专利，以便于侵权行为的识别。

结语

生成式人工智能技术的迅猛发展，成为中国加速技术革新、推动产业升级的重要驱动力，机遇与挑战并存。面对这一划时代的变革，相关企业应积极响应国家的知识产权保护政策，不断优化专利申请与布局策略，确保企业创新成果得到系统、全面的知识产权保护，促进我国生成式人工智能领域新质生产力的稳健发展。

[注] 

[1] 中国新闻网，截至2023年底中国人工智能发明专利有效量同比增速超40%，https://www.chinanews.com.cn/gn/2024/07-29/10259460.shtml，2024-07-31访问

[2] 中商产业研究院：2024年中国AI大模型行业市场前景预测研究报告，https://mp.weixin.qq.com/s/WxTxVoW7OuH1z5M51rXqkA，2024-07-31访问