在生活领域，智能家居系统能够通过 AI 算法学习用户习惯，自动调节灯光亮度、空调温度、完成闹钟设置、购物下单、信息查询等操作。在健康领域，人工智能影像诊断系统可以快速识别 CT、X 光片中的微小病灶（如早期肺癌结节、视网膜病变），完成单张影像分析。在交通出行领域，智能导航系统能够通过实时路况数据动态规划路线，而自动驾驶技术也已在物流运输、港口作业等场景落地。

在工业制造业中，人工智能驱动的工业机器人已可以替代流水线的重复劳动。电子行业的人工智能视觉质检系统，能识别芯片、屏幕上肉眼不可见的微小缺陷。在金融行业中，智能风控系统可快速完成对信贷申请人的资质审核，量化交易中的人工智能算法，并实时捕捉市场波动。在教育培训行业，人工智能助教可以替代人工完成作业批改、知识点答疑等工作，同时，还可以根据个人的答题情况，精准查找出缺漏之处，并相应地准备复习材料。

人工智能已经如此多方位地应用在生活和工业场景中，所涉及的又是颠覆性的创新技术，行业人员身处其中，自然会想到把这些创新技术以一定形式，例如专利或者商业秘密的形式，加以保护。在专利保护方面，目前，各个国家都不得不面对一个新问题：若人工智能系统生成或者辅助生成了一项发明，那么该人工智能系统能否成为发明人？

中国有关人工智能发明的发明人问题的政策

中国国家知识产权局于2024年制定了《人工智能相关发明专利申请指引》（以下简称“《指引》”），《指引》将人工智能相关专利申请类型分为4类，其中，第三类 “涉及人工智能辅助作出的发明的相关专利申请“ 和第四类 ”涉及人工智能生成的发明的相关专利申请“ 在专利审批的环节中通常会碰到发明人主体适格性的法律问题。《专利法实施细则》第十四条规定“专利法所称发明人或者设计人，是指对发明创造的实质性特点作出创造性贡献的人”。而当人工智能工具或系统在不同程度上参与发明创造的时候，人工智能系统是否可以署名为发明人？

针对这个问题，《指引》明确了两点：（1）发明人署名必须是自然人；（2）发明人应对发明创造的实质性特点作出创造性贡献。有关第一点，《指引》援引《专利审查指南》第一部分第一章第4.1.2节 “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”，并明确规定在专利文件中署名的发明人必须是自然人，人工智能系统以及其他非自然人不得作为发明人。有关第二点，《指引》解释道：对于人工智能辅助作出的发明，对发明创造的实质性特点作出了创造性贡献的自然人，可以署名为专利申请的发明人。也就是说，对于人工智能生成的发明，在我国当前法律背景下无法赋予人工智能发明人身份。

美国有关人工智能发明的发明人问题的政策

美国专利商标局于2024年2月发布了有关人工智能发明的指引，该指引肯定了美国联邦巡回上诉法院于2022年8月在Thaler v. Vidal, 43 F.4th 1207, 1210 (Fed. Cir. 2022) 一案中的裁决，即人工智能系统不能为发明人。该案涉及的是原告人工智能科学家Thaler 博士开发了名为“DABUS”的人工智能系统，主张该人工智能系统可以自主生成技术方案，无需人类干预。2019 年 7 月，Thaler 就 DABUS “发明”的两项技术（特定容器设计、警示灯系统）向美国专利商标局提交专利申请，并将 DABUS 这一人工智能系统列为唯一发明人，并明确否认自身对发明的“构思”有任何创造性贡献。

在美国专利商标局以“发明人需为自然人”为由驳回该申请后，Thaler依据《行政程序法》向法院提起诉讼，主张人工智能系统应具备发明人资格。美国弗吉尼亚州东区地方法院支持了美国专利商标局的驳回决定。Thaler上诉至美国联邦巡回上诉法院，同样被裁决：人工智能系统不能为发明人。然而，该指引并没有否定有关人工智能模型和科技的技术创新具有获得专利保护的资格。同时，该指引也明确了在人类利用人工智能开发发明的情形下，仅当该自然人对所主张的发明作出了实质性贡献时，方可认定其具备合法发明人资格。

欧洲有关人工智能发明的发明人问题的政策

根据欧洲专利局（EPO）及《欧洲专利公约》（EPC）的现行规则，仅有人类可被指定为专利发明人，人工智能系统（无论其自主程度如何）均不符合发明人的法定资格。《欧洲专利公约》第 60 条（有关专利权利）、第 81 条（有关发明人指定） 及细则 19 条（有关发明人指定程序）均围绕 “发明人的权利归属”以及“指定流程”展开，其语境中默认“发明人”是具备法律行为能力的主体——而 AI 系统不具备法律人格，无法享有专利申请权、专利权等法定权利，自然也无法被纳入“发明人”范畴。

值得一提的是，早在2018年，人工智能和机器学习技术的专利申请问题就已提上了欧洲专利局的日程。当年11月1日，欧洲专利局针对人工智能以及机器学习发明的可专利性发布了一份全新的《审查指南》（Guidelines for Examination），并且，逐年对相关主题进行新的修订。在最新的一版欧洲专利局于2025年4月对审查指南的修订中，明确了人工智能和机器学习所涉及的计算模型和算法属于抽象的数学概念，即属于《欧洲专利公约》第52条第2款或第3款规定的不可专利主题。然而，与人工智能或机器学习相关的发明并不会因为使用了计算模型和算法而不具有可专利性。该修订明确了，如果与人工智能或机器学习相关的发明是涉及采用技术手段（例如计算机）的一种方法或是一种装置，则其主题整体具有技术性。在此类情形下，当计算模型和算法对解决技术问题贡献了技术方案，那么这些计算模型和算法也可被认定为对发明的技术性作出贡献。

此外，前文所介绍的美国Thaler v. Vidal, 43 F.4th 1207, 1210 (Fed. Cir. 2022) 一案，人工智能科学家Thaler博士将名为 “DABUS” 的人工智能系统指定为唯一发明人的欧洲专利申请同样以发明人资格不合法的原因被欧洲专利局驳回。2022年7月，欧洲专利局法律上诉委员会（Legal Board of Appeal）在J08/20一案作出书面裁决，明确否定了人工智能系统的发明人资格。相比美国联邦巡回上诉法院于2022年8月才作出的相似裁决，欧洲专利局法律上诉委员会在J08/20一案作出裁决成为了欧洲乃至全球首个针对“人工智能发明人”的最终法律裁决，具有里程碑意义。Thaler可以说是败走欧洲和美国。

发明人应该如何确保其正当的发明人地位和权利

然而，Thaler在欧洲和美国的相关案件的余温并未消退。前文所提到的美国专利商标局于2024年2月发布的有关人工智能发明的指引，虽然明确了人工智能系统不能为发明人，但是仍留有一个未决的问题：即当人类借助人工智能进行创新时，人类需作出何种程度的重大贡献，方可符合发明人资格要求？[1]

如在本文开篇提到的药物研发领域，人工智能可以整合基因组学、转录组学、蛋白质组学等多组学数据；可以挖掘与疾病相关的潜在靶点，并预测靶点的成药性；可以替代传统“高通量筛选”的部分实验，通过预测化合物的生物活性、毒性、药代动力学，从海量化合物库中快速筛选出潜在候选药物，并优化其结构以提升疗效、降低副作用。人工智能可以分析电子健康记录、基因数据，快速匹配符合试验入排标准的患者；可以模拟不同试验方案的效果，优化试验设计以降低失败风险；可以分析临床试验数据，及时发现安全隐患或调整试验方案，从而解决传统试验“招募慢、样本偏差、数据杂乱”的痛点。人工智能可以优化药物生产工艺，通过实时监测生产数据，预测工艺波动并自动调整，确保产品质量一致性。

同样在生物技术行业，人工智能可以优化基因编辑工具的靶向性，预测向导的脱靶效应，提高编辑效率；可以设计微生物的代谢通路，优化生物合成过程，用于生产生物燃料、生物基材料、医药中间体等；可以分析生物标志物（如基因、蛋白质、代谢物）数据，实现疾病的早期筛查、精准分型，并为患者制定个性化治疗方案。同时，人工智能可以辅助病理影像分析（如组织切片、单细胞测序数据），提高诊断准确率。此外，生物技术行业产生海量高维数据（如基因组测序数据、单细胞数据、微生物组数据），人工智能可以通过数据清洗、特征提取、关联分析，挖掘数据中的生物学意义，为研究提供决策支持。

人工智能已经在行业中广泛使用，但基于人类何种程度的重大贡献才能获得发明人资格仍是一个未决的问题。对此，企业（尤其是药物和生物技术的研发企业）可以在内部设立文档存档系统，在研发过程中有规律地记录研发人员是如何使用的人工智能，例如研发人员向人工智能系统输入了哪些指令，以及人工智能在研发过程中发挥了哪些作用等。同时，企业也可以创建内部政策，对研发人员在研发过程中对创新成果的贡献的记录作一些具体的规定，例如企业可以先建立研发项目总台账，所有研发活动以“单个项目”为单位独立建档。而对于每一“单个项目”，企业可以按项目的立项、实施、中期评审、结题或者成果转化分为四个核心阶段来记录，明确各环节的记录载体、核心内容、实操示例。

此外，药物研发以及生物技术行业的企业也可能会使用应用于药物研发、生物技术、化工配方优化等需要大量实验验证和数据挖掘领域的人工智能发现平台（AI discovery platform）。在使用前后的过程中，企业应考虑到使用人工智能发现平台所产生的相关许可问题。例如：当企业从第三方引进人工智能发现平台（如药企引进药物发现人工智能平台、生物公司引进基因序列分析平台），许可的核心目标是防控风险、保障自身下游成果权利、确保平台可自由实施。而当企业将自有人工智能发现平台对外授权（如人工智能科技公司向药企或生物公司输出平台），许可的核心目标是保护自身知识产权和商业秘密、保障许可费用和下游提成的落地、控制平台使用范围。

当创新成果发展并成熟到一定阶段，开始着手撰写有关由人工智能辅助生成发明的专利申请说明书的时候，撰写人（发明人或专利律师）要尽可能全面、详尽地纳入所有与人工智能相关的披露内容，以及其它各类必要的技术披露内容。例如：对于人工智能系统架构而言，尽可能披露其核心组成模块、各模块的功能定位、模块间的信号交互逻辑、硬件部署方式及整体工作流程。又例如：对于人工智能模型训练方法而言，尽可能披露训练数据的选取标准、数据预处理流程、训练算法的具体实现方式、模型参数的初始设置与迭代优化策略、训练过程中的验证方法、训练环境配置及训练效果的评估指标等相关技术细节。

同时，还要尽可能地完整纳入并详细论述权利要求所保护的发明所能够为计算机技术、某一特定技术领域以及/或者其他相关领域带来的全部改进之处——既要明确列出所有改进的具体内容，也要深入阐释每一项改进的技术原理、实现方式，以及该改进相较于现有技术所具备的突出优势和实际应用价值。这也是由于美国专利商标局在2025年12月发布了一份《专利审查程序手册》（MPEP）的修订预先通知，该次修订将新增专属章节，专门引用Ex Parte Desjardins这一先例性审查案件。而该案件的核心裁判为：针对机器学习技术本身作出实质性技术改进的发明创造，具备美国专利法下的专利适格性。

此外，撰写人在撰写权利要求书的时候，应当尽可能最小化、精简对抽象概念要素（abstract idea elements）的描述与记载——即不单独、孤立地提及抽象概念（如纯数学算法、抽象逻辑、自然法则、心理方法、纯粹的智力活动规则等），仅在为描述具体技术方案、实现技术改进所必需的前提下，简要提及相关抽象要素，且必须将其与具体的技术载体、技术手段、技术效果、应用场景深度绑定，避免权利要求的核心保护范围指向抽象概念本身，最终规避美国专利法 35 U.S.C. §101 条款下“因指向抽象概念而缺乏专利适格性”的驳回风险。

在人工智能的浪潮中，企业注重技术领先的同时，更应重视合理地保护其技术，为企业的商业成功聚力赋能。

[注] 

[1] 尽管美国专利商标局于2025年11月发布了修订版，即《2025 年人工智能辅助发明发明人身份指南》，但并未解答这一问题。