为了解决公众和从业者的疑问，美国专利商标局（USPTO）在今年陆续发布了若干有关AI技术的实践指南。2024年2月13日，USPTO发布了AI辅助发明的发明人指南，以一个基本前提和五项指导原则阐释了对于发明人问题的立场。2024年7月17日，USPTO发布了AI相关发明的专利客体适格性指南，通过三个新的示例来帮助判断涉及AI技术的发明的专利客体适格性。

在此背景下，知产前沿新媒体特别邀请美国盛智律师事务所硅谷及上海办公室合伙人陈维国、美国盛智律师事务所硅谷办公室尚鹏举律师、美国盛智律师事务所华盛顿办公室李洋律师以“美国专利商标局关于人工智能专利申请的最新政策指南”展开直播分享。

会上，三位嘉宾围绕本次直播探讨了USPTO新颁布有关AI技术的实践指南以及这些指南对于在美国申请AI专利可能产生的影响。知产前沿现将本次直播内容整理成文，供各位读者朋友参考学习。

目次

一、回顾互联网时代专利法的修订

二、人工智能辅助发明的专利问题

三、USPTO发布《人工智能辅助发明的发明人指南》

四、结语

一、回顾互联网时代专利法的修订

自20世纪90年代以来，美国专利法经历了重大变革。1998年，美国联邦巡回上诉法院在State Street Bank案中首次确立了商业方法和软件可以获得专利保护的原则。这一决定为互联网产业的发展铺平了道路，催生了亚马逊、谷歌和网飞等互联网巨头公司的崛起。

• 亚马逊 “一键下单（One-Click）”专利：极大地简化了在线购物的流程，使得亚马逊在激烈的市场竞争中占据有利位置；
• 谷歌的PageRank专利：优化了搜索结果算法，巩固了谷歌在搜索引擎市场中的主导地位；
• 网飞的DVD租赁模式专利：是一种创新的商业方法，它在早期通过邮寄DVD的形式，成功建立起了庞大的用户群，为后来流媒体业务的成功奠定了基础。

State Street Bank案之后，许多互联网公司利用专利法的宽松规定大量申请“商业方法”专利，以打击竞争对手并巩固市场地位。然而，2014年，美国最高法院在Alice Corp. v. CLS Bank International一案中对商业方法专利的保护范围进行了收缩，裁定抽象的计算机商业算法不再受到专利保护。

二、人工智能辅助发明的专利问题

李洋博士介绍，当前，涉及人工智能的专利申请主要面临三类问题：与AI相关的发明，使用AI辅助进行的专利申请，以及由AI独立或部分完成的发明。他主要讲解了第三类问题。

随着AI技术的广泛应用，越来越多的发明由人类和AI共同完成。这引发了一个复杂的问题：谁应该被认定为专利发明人？一些观点认为AI在发明过程中起到了重要作用，应该被视为共同发明人，但根据美国现行法律框架，人工智能系统无法成为专利发明人。一些明显的障碍包括：

• 人工智能系统不能签署发明人声明（declaration）
• 人工智能系统不能签署受让合同（assignment）
• 在诉讼中，人工智能系统也不能参与证据调查或宣誓作证（deposition）

李洋博士认为，以上障碍的根本在于专利权是一种最初属于发明人的法律权利，而人工智能系统作为一种工具，无法行使法律权利和承担法律义务。同时，现行专利法规定，发明人只能是自然人，不能是法人，因此人工智能系统的所有企业也不能成为发明人。

李洋博士进一步探讨了人工智能发明人资格的争议。他提到，若允许人工智能的开发者成为发明人，可能会导致专利发明政策向少数科技巨头倾斜。

他还介绍了近期的相关案件。例如，在Thaler v. Vidal案中，因无法确定任何自然人是涉案发明的发明人，USPTO决定不授予专利，这意味着该发明将不受专利保护。

版权法案件Thaler v. Perlmutter有相似情况。该案法院裁定作品必须有人类作者才能获得版权保护，计算机系统自主创作的作品不符合这一要求。

此案的法官认为，要符合版权保护的条件，就必须有人类作者。在没有任何人类参与作品创作的情况下，由计算机系统自主创作的作品不符合版权保护的条件。该案判决论述：“在建国之初，版权和专利都被视为政府旨在保护的财产形式，并且人们认为，承认该财产的专有权将通过激励个人创造和发明来促进公共利益。因此，美国版权的核心始终是人类的创造行为，以及如何更好地鼓励个人参与创造从而促进科学和实用技艺。非人类者不需要美国法律许诺的的专有权的激励，因此版权的设计也不能延申至它们。”

三、USPTO发布《人工智能辅助发明的发明人指南

为应对这些争议，美国专利商标局（USPTO）在今年2月13日发布了《人工智能辅助发明的发明人指南》，这是对涉及AI技术的专利申请中发明人身份认定问题的重要指导文件，旨在明确在AI辅助下的发明过程中如何评估发明人的贡献。

《指南》强调，只有自然人可以被认定为发明人，AI系统不能成为发明人。这一指导意见对专利申请中如何正确认定AI辅助发明的发明人提供了具体的原则。

《指南》中提出了五条指导原则，为AI辅助发明的专利申请提供了明确的框架，帮助申请者更好地理解和遵守相关规定。

指导原则一：自然人作为发明人的贡献并不因为使用了人工智能系统而被否定。

AI辅助完成的发明仍然可以获得专利保护。

指导原则二：仅向AI系统提出问题的自然人，可能不符合作为发明的发明人或共同发明人的资格，尤其是当发明可以直接从AI系统的输出中被识别出来的情况。但是，如果此人能根据特定的问题构建特定的提示，以从AI系统中引出特定的解决方案，这可能被视为显著贡献。

李洋博士认为，此原则或许意味简单地通过向AI提问得到答案而做出的发明不能申请专利，但如果问得巧妙（即“提示词工程”），那么提问者可以是发明人。

指导原则三：单纯将发明付诸实践并不足以构成赋予发明人资格的显著贡献。

但在某些情况下，如果一个人使用AI系统的输出进行了成功的实验，即使他在发明被付诸实践之前没有贡献构思，也可能证明该人对发明做出了显著贡献。

指导原则四：在某些情况下，根据特定问题设计、构建或训练AI系统以引出特定解决方案的自然人，可能因为他们对AI系统的设计、构建或训练是对发明的显著贡献而成为发明人。

指导原则五：如果一个人没有对发明构思做出显著贡献，仅仅拥有AI系统或监督其在发明创造中的使用不能使他成为发明人。

与此同时，USPTO提及申请人有义务披露“不当发明人资格”的信息：如在AI辅助发明的申请中，具名的发明人并未对发明作出重大贡献，贡献是由AI系统做出的。

USPTO在《指南》中明确了在AI辅助发明中的发明人认定标准，帮助申请者更好地理解和遵守相关规定，这些原则为专利从业者在实际操作中提供了重要的指引，尤其是在处理涉及AI的复杂专利申请时。

1. 社会各界对《指南》的反馈与争议

《指南》的发布引发了广泛的公众讨论和回应，IBM认为，《指南》所谓的人工智能仅指代生成式人工智能和深度神经网络等，但并未充分涵盖所有类型的AI。高通认为，人工智能法和美国现行专利法都诞生于1950年代，这七十年中从没有针对人工智能的特别规定。

针对有争议性的原则2，创新促进委员会（C4IP）认为，从系统输出中识别出发明就是发明人，没必要深究发明是否由AI生成、以及AI的具体参与程度。哈德逊研究所学者认为，技术方案的发明性和提示词不应该有关系。李洋博士就此评论，USPTO应当区分提示词的发明性和提示词所引出的技术方案的发明性。诺华制药认为，将AI发明付诸实践足以构成发明人资格。例如在制药领域，一项发明的“构思”和“付诸实践”往往可以是同时完成的，于此类比，AI系统输出的内容只有通过人类的验证才能真正完成发明的构思。此外，诺华制药又提出发明人资格可以基于人对AI系统的“智力统治”。

除反对意见外，也有亚马逊、谷歌、日本知识产权协会和美国商会等对《指南》表示认可。

李洋博士的分析是，社会各界对指南达成了一定共识，普遍认为只有自然人可以是发明人，人工智能应被视为发明人可使用的工具。

争议焦点主要集中在以下两点：

• 当没有人类之间的发明人争议，仅是使用了人工智能系统时，是否还需要判断人对发明构思的“显著贡献"？
• 除对发明构思的“显著贡献”之外，人类的发明人资格是否有其他的基础？（如付诸实践、智力统治）。

2. AI专利申请中的客体资格

近期，美国专利商标局（USPTO）发布了最新的AI专利申请政策指南，这对于从业人员非常重要，尤其是在专利申请的审查过程中，审查员会根据这些指南中的示例来评估专利申请的客体资格。不过，这些《指南》在法庭上并不具有法律约束力，仅作为指导使用。

尚鹏举律师分享了他在处理专利申请案件时与USPTO审查员交流的经验，审查员们目前已经获得了这些示例，审查员在审查过程中可以直接参考这些示例的分析框架。然而，目前(截止到2024年8月)USPTO尚未进行正式的培训，审查员们只能根据自己的理解来进行审查。

一些审查员预计，在未来，获得AI相关专利变得更加困难。

3. 具体示例分析

Example 39

在2019年发布的旧示例（Example 39）中，训练神经网络的过程没有被视为数学概念或精神活动。同时，训练数据的收集和预处理没有被视为无关紧要的附加活动。

Example 47

《指南》的最新示例47包含三个权利要求，分别针对不同的技术实现进行了分析：

权利要求1：描述了一种应用特定集成电路（ASIC）用于人工神经网络（ANN）的实现。权利要求1的专利适格性得益于其硬件配置的侧重，这使其与可能面临第101条驳回的软件实现神经网络区别开来，这使得其在“101”条款下具备专利资格，却没有被认定为抽象概念。尚鹏举律师提醒，专利从业者不能简单地在软件相关权利要求中加入硬件术语来克服专利适格性问题，而应根据软件权利要求具体情况制定不同的策略。

权利要求2：描述了一种使用人工神经网络的方法，包括接收训练数据、离散化数据、训练神经网络以及检测和分析数据集中的异常。在USPTO的分析中，权利要求中的训练数据预处理被视为精神活动，而训练过程则被视为数学概念，最终导致该权利要求被认定为不具备专利资格。这与旧的example 39形成了一定程度上的不一致。

权利要求3：与权利要求2类似，但在应用层面更为具体，描述了使用训练后的人工神经网络检测并阻止恶意网络数据包的过程。这种更具体的应用描述，使得权利要求3在专利审查中更有可能获得专利资格。

经这一示例，未来与AI相关专利的申请可能变得更加困难：

• 机器学习模型的‘训练’步骤现在可能被视为数学概念；
• 训练数据的预处理和后处理可能被视为无关紧要的附加活动；
• 从业者需要深入了解训练模型的实际应用。

Example 48

示例48主要关注基于AI的方法来分析语音信号，以将所需语音与背景噪音或多余语音分离。权利要求2和3将语音分析AI模型融入到改进的语音信号处理方法和计算机系统中，被认为是符合专利要求的。尚鹏举律师强调，在涉及复杂AI模型的专利申请中，说明书对于展示技术改进和效果非常重要。

Example 49

示例49探讨了用于个性化医疗处理的AI模型，特别是针对特定患者的个性化治疗方法。权利要求1描述了对高风险青光眼患者进行适当治疗的方法，而权利要求2进一步细化为使用特定的眼药水进行治疗，这种具体的治疗方法属于实用应用的范畴，因此符合专利资格。不过，申请人可能会对这一点感到不安，因为专利申请中加入具体治疗方法可能会限制专利的保护范围，进而影响专利的商业价值。

四、结语

在研讨会的最后，尚鹏举律师为专利从业人员提供了应对最新政策指南的策略。他建议，在撰写专利申请时，不仅要详尽描述AI模型的工作原理，还要深入了解和阐明其实际应用，尤其是在实际操作中的具体实现。在描述具体应用时，应该避免过于笼统，而是需要详细说明模型的输出如何在现实世界中的应用场景中发挥作用。

以工程师领域为比喻，对不同的听众描述一个产品或服务可以分为三个层次：面向市场团队的描述、产品经理的设计文档，以及工程师的具体实现。在撰写专利申请时，专利从业人员应力求达到产品经理的层次，确保既有足够的技术细节，又不过于局限，以便更好地展示发明的创新性和实用性，从而提高专利申请的成功率。

编辑：Sharon