结合谷歌申请案浅谈人工智能领域高价值专利布局策略启示

中国自主研发的人工智能模型DeepSeek近日成为热议焦点。这款国产技术不仅在智能水平上逼近国际顶尖水准，中文理解能力尤为亮眼，加之价格大幅低于同类产品，迅速点燃了公众对人工智能技术发展的新一轮热情，被视作中国大模型领域突破的又一标志性进展。那么人工智能领域高价值专利该如何布局?

本文将结合对于谷歌Transformer模型中国同族专利申请案(201880007309X)的审查过程，探讨该领域高价值专利的布局策略，以期带给读者一些启发。该案在2024年1月23日被国知局驳回，后提复审继续审查，国知局于2024年12月31日下发了第四次审查意见通知书，有趣的是，同日国家知识产权局发布了《人工智能相关发明专利申请指引（试行）》(以下简称指引)，该指引为各创新主体撰写及申报该领域申请提供了很好的指导意义。

案情梳理

权利要求1：一种包括一个或多个计算机和存储指令的一个或多个存储设备的系统，当所述指令由所述一个或多个计算机执行时，使得所述一个或多个计算机实施用于将具有按照输入顺序的多个输入位置中的每一个输入位置处的各自的网络输入的输入序列转换为具有按照输出顺序的多个输出位置中的每一个输出位置处的各自的网络输出的输出序列的序列转换神经网络，所述序列转换神经网络包括：编码器神经网络，被配置为接收输入序列并生成输入序列中的每个网络输入的各自的编码表示，所述编码器神经网络包括一个或多个编码器子网的序列，每个编码器子网被配置为接收多个输入位置中的每一个输入位置的各自的编码器子网输入，并生成多个输入位置中的每一个输入位置的各自的子网输出，并且每个编码器子网包括：编码器自注意力子层，被配置为接收多个输入位置中的每一个输入位置的子网输入，并且对于按照输入顺序的每个特定输入位置：使用从特定输入位置处的编码器子网输入导出的一个或多个查询，在输入位置处的编码器子网输入上应用注意力机制，以生成特定输入位置的各自的输出;和 解码器神经网络，被配置为接收编码表示并生成输出序列。

本案的争议焦点在于审查员认为权1要求保护的“对神经网络算法的改进”是一种通用模型，尽管申请人在第三次OA答复时将应用领域限定到“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”，也未得到审查员的认可并被驳回。

驳回理由

①非专利法意义上的技术方案：权利要求限定的是对神经网络算法的改进，解决的是神经网络自身在序列转换中的问题，采用的是神经网络的计算过程这一手段，达到的是提高神经网络算法性能的效果，均不属于专利法意义上的技术问题、技术手段和技术效果。

②与具体应用领域没有关联：该算法执行与具体应用领域无关联，未解决具体技术领域的具体问题，虽然由计算机实施，但与计算机没有关联，未改进计算机系统内部性能，没有体现算法与计算机的特定技术关联，因此不构成技术方案。

在复审阶段国知局下发的第四次审查意见不提客体问题，又指出说明书公开不充分的两个新问题：一是多头注意力机制技术细节缺失，即未清楚记载如何整合多个注意力头的输出结果，使得技术方案无法实现;二是按位置前馈层技术细节不完整，即未清楚记载多个学习的线性变换的具体步骤和非线性激活函数的设置，前馈层实现存在障碍。

人工智能落地到具体应用领域时，可能出现介于专利法规定内的技术方案与数学计算方法之间边界不清的情形，例如，对于涉及抽象人工智能算法或模型的权利要求，可在权利要求中体现算法或模型处理的是技术领域中具有确切技术含义的文本、图像、音频或视频等数据，使得基于本领域技术人员的理解，算法的执行能直接体现出利用自然规律解决该领域某一技术问题的过程，并且获得了技术效果。

需要注意的是，如果利用人工智能算法或模型挖掘出的指标参数与预测结果之间的内在关联关系仅仅受到经济规律或社会规律的制约，则属于未遵循自然规律的情形。在《指引》中列举了这样一个例子：一种利用神经网络预估地区经济景气指数的方法，利用神经网络挖掘经济数据和用电数据与经济景气指数之间的内在关联关系，并基于该内在关联关系进行地区经济景气指数的预测。由于经济数据和用电数据与经济景气指数之间的内在关联关系受到经济规律制约，不受自然规律约束，因此该方案未利用技术手段，不构成技术方案。

根据上述谷歌的案例我们可以得到以下几点撰写思路和启示：

一、紧扣新创性，结合应用场景

1.避免通用模型表述：不能仅将发明描述成通用模型，要突出在特定场景下的独特应用和解决的特定问题，如在图像识别场景中，针对特定类型图像或特定识别任务的优化等。

2.强调跨领域应用创新：人工智能技术应用到新的领域并产生独特效果，需详细描述应用场景及解决的新问题。比如，某公司将人工智能图像识别技术应用于农业病虫害监测，通过无人机采集农田图像，利用定制的深度学习算法精准识别病虫害种类及受灾程度，此前图像识别多应用在安防、交通等领域，而此次在农业领域的应用就是创新突破。申请专利时，要清晰说明如何针对农业场景特点对图像识别算法进行优化调整，像考虑到不同农作物叶片形态、颜色变化以及田间复杂光照等因素，进而体现出该技术在这个特定领域应用的创新性。

3.体现与硬件的关联：当发明涉及计算机系统内部性能改进时，可将原申请文件中体现了算法与计算机系统内部结构存在特定技术关联的技术特征加入权利要求。比如，在一项涉及神经网络训练方法的权利要求中，加入利用分布式系统进行神经网络训练时与神经网络训练算法产生特定技术关联的分布式计算节点的资源调配、信息交互传递等特征，从而体现出方案能够提升训练时硬件的执行效果,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又如，涉及利用人工智能算法或模型对具体应用领域的大数据进行分析、预测或者评价、评估等的解决方案，在撰写时，应在权利要求中明确记载采用哪些指标、参数等，采用何种算法或模型以得到何种预测结果，在答复审查意见时，应着重分析算法或模型处理的数据与要分析和预测的结果之间为何受自然规律约束，而不是仅仅体现管理学、经济学等非自然规律。如果算法与硬件有交互，要描述清楚交互的机制和过程，如传感器数据的采集与算法处理的协同等。

二、做到充分公开，完整清晰呈现技术方案

1.完整描述技术方案核心内容：对于人工智能技术涉及的算法、模型、数据处理等各方面，进行全方位的清晰阐述。若申请一个人工智能语音合成专利，要详细说明语音特征提取的具体算法(如梅尔频率倒谱系数的计算方法等)、文本到语音转换的模型架构(如采用的深度学习网络层数、各层神经元连接情况等)以及训练模型的数据来源和预处理方式等，不留关键技术环节的模糊点。

2.补充示例与附图辅助说明：提供丰富的具体应用示例、实验数据以及绘制准确清晰的附图。例如在申请人工智能图像分类专利时，给出不同类型图像(如风景、人物、动物等)在不同环境下(强光、暗光等)的分类准确率测试数据，同时附上模型架构图展示各模块关系、分类流程示意图展示数据流向等，以便审查员老师能够直观且深入地理解技术方案的可行性和优势。

三、确权要求合理，清晰界定保护范围

1.权利要求表述清晰明确：使用严谨、准确且本领域公认的术语来撰写权利要求，避免模糊不清或有歧义的表述。比如在定义人工智能算法中的某个关键参数时，要明确其取值范围、计算方式等具体限定条件，清晰界定专利所保护的技术范围。

2.涵盖必要技术特征：独立权利要求中须包含解决技术问题所不可或缺的全部技术特征，以完整地确定发明的保护范围。例如，对于人工智能自动驾驶技术专利，独权中要涵盖环境感知传感器(如激光雷达、摄像头等的关键参数及布置方式)、决策算法(如基于深度学习的路径规划算法具体特征)以及车辆控制执行模块等关键技术特征，避免因缺少必要特征而导致保护范围过窄或被认定无效。

3.不违反其他法律规定：人工智能技术用于数据收集时，要遵循数据隐私保护相关法律法规，在专利申请中可说明采取的合法合规的数据获取、存储及使用方式等，确保整个专利从技术到应用都符合法律要求。

当然，一项核心技术有时并非仅通过申请一项专利就能得到保护，往往需要形成多专利组合的专利布局策略。如科大讯飞的“一种语音意图识别方法及装置” 这项专利在首届长江经济带高价值专利转化运用大赛亮相，该专利采用全新语音意图识别方法，提高了语音意图识别的准确性与时效性，增强语音交互和分析的灵活性与准确性，其端到端语音意图识别是原生多模态大模型雏形。在专利布局方面围绕核心专利布局 318 件外围专利，构建全面专利保护网络，为产品业务落地提供法律保障，体现对知识产权保护的重视;此外，通过与上下游企业合作，构建完善产业生态系统，开放合作促进技术共享与创新，推动产业链协同发展;该项目已广泛应用于汽车、运营商、金融、公安、司法、国防等多个关键领域，为同类型企业提供了很好的示范作用。

可见，知识产权在很大程度上体现着一个企业的核心竞争力，在知识产权由高速增长阶段转向高质量发展阶段的今天，持续输出高价值专利，打造中国专利壁垒的矛与盾对每个科技型企业都提出了新的挑战，也对代理从业者们提出了更高的要求。

参考文献：

[1]李永红，肖光庭.电学领域专利申请文件撰写精要[M].知识产权出版社，2016.6

[2]马天旗.高价值专利培育与评估[M].北京：知识产权出版社，2018：1-2;

[3]人工智能相关发明专利申请指引(试行)

[4]中伦世界.生成式人工智能领域的专利申请与布局策略

https://mp.weixin.qq.com/s/cqBU3dDBEh7LEGcED4nAEQ

[5]科大讯飞集团.科大讯飞获得首届长江经济带高价值专利转化运用大赛金奖.新浪网

https://finance.sina.com.cn/roll/2025-01-15/doc-inefaiqt7589412.shtml

本文内容整合网站：中国政府网、百度百科、最高人民法院、知乎、国家认证认可监督管理委员会、国家知识产权局、市场监督总局