目次 

一、前言

二、人工智能技术的原理和特点

三、现有专利制度在人工智能领域面临的挑战

四、人工智能专利相关的司法实践

五、针对现有专利制度挑战的可能应对

六、总结

一、前言

习近平总书记指出：“谁能把握大数据、人工智能等新经济发展机遇，谁就把准了时代脉搏。” 2021 年9 月，中共中央、国务院印发《知识产权强国建设纲要（2021—2035 年）》，要求加快大数据、人工智能、基因技术等新领域新业态知识产权立法，研究完善算法、商业方法、人工智能产出物知识产权保护规则。因此，不断探索和构建符合我国实际情况的人工智能知识产权保护规则，以实现对人工智能产业发展的激励至关重要。[1]随着人工智能技术，特别是生成式模型与强化学习算法的突破性发展，我们正见证一场从“工具辅助”到“自主创造”的范式转移。人工智能已不再仅是执行人类预设指令的被动工具，而是能够在特定领域内独立生成技术方案、优化决策过程的“创造主体”。这一根本性变革对建立在工业时代、以“人类发明者”为核心预设的现有专利制度，提出了系统性的深刻挑战。本文旨在系统梳理并回应这一时代议题。文章首先将剖析人工智能技术的核心原理与独特性，为后续分析奠定技术基础；继而，从发明人身份、本领域技术人员标准、公开充分原则、现有技术界定等多个维度，深入阐述现有专利规则在人工智能领域所面临的具体挑战；通过结合国内外前沿司法案例，揭示理论争议在实践中的具体形态；最后，在此基础上，尝试提出一套体系化的应对措施，以期为我国专利制度在智能时代的适应性变革提供参考。

二、人工智能技术的原理和特点

在深入探讨人工智能技术对现有专利法律体系的冲击之前，我们首先必须清晰地理解其内在的工作机制与外在的鲜明特征。与传统技术不同，人工智能，特别是以机器学习、深度学习为代表的技术范式，其创造与运作模式具有根本上的独特性，这些特性正是构成其对现有制度挑战的根源。

1. 人工智能的工作原理：从“编程”到“学习”的范式转变

传统软件的工作逻辑是基于明确的、由人类预先设定的规则和逻辑（即“符号主义AI”）。程序员将解决问题的步骤逐一编码，计算机严格按此指令序列执行。其核心是人类智慧的显性化与程序化。而现代人工智能，尤其是深度学习，其工作原理发生了根本性转变，可概括为“数据驱动”的“表示学习” 。其过程大致如下：数据输入：向算法模型输入海量的、经过标注或未标注的训练数据。特征提取与模式学习：模型通过复杂的多层神经网络结构（如深度学习中的隐藏层），自动从数据中逐层抽象和提取特征，发现其中内在的、复杂的统计规律与模式，而非依赖人类专家手动定义特征。模型生成：通过不断调整内部数百万甚至数十亿的“参数”（即神经元之间的连接权重），最终形成一个能够将输入数据映射到期望输出的、高度复杂的数学模型。输出与推断：训练完成的模型能够对新的、未见过的数据进行识别、分类、预测或生成。简言之，人工智能系统并非直接执行人类编写的“如果-那么”规则，而是运行一个通过数据“训练”出来的、内部逻辑极其复杂的“黑箱”数学模型。其智能来源于数据中的统计规律，而非人类直接灌输的显性知识。

2. 人工智能技术的核心特点

正是上述独特的工作原理，赋予了人工智能技术一系列颠覆性的特点，这些特点构成了其挑战现有专利规则的逻辑起点。

1.1 对算法和数据的强依赖性

算法和数据是AI技术的两大基石，缺一不可。算法是学习的“方法论”，决定了模型的结构和学习效率；数据是学习的“生产资料”，其质量、规模和代表性直接决定了模型性能的上限。这使得AI发明创造的产出，高度依赖于对高质量数据集的获取与处理能力，以及对核心算法的设计与优化。

1.2 高度的自主性与涌现性

在训练完成后，AI系统能够在预设的目标函数下，独立地对新情境进行处理和决策，甚至能在无人直接干预的情况下进行“自我优化”（如强化学习）。更引人注目的是，复杂AI模型展现出涌现性，即系统在整体层面呈现出其单个组成部分所不具备的新特性或能力。例如，大型语言模型能够进行创作和逻辑推理，这些能力并未被程序员显式编码，而是在模型规模达到一定程度后“自主涌现”出来。

1.3 “黑箱”属性

深度学习模型内部参数众多、结构复杂，其决策过程往往缺乏清晰的、可供人类理解的逻辑链条。我们通常只知道其“输入”和“输出”，却难以精确解释它为何会得出某个特定结论。这种“黑箱”特性，与专利制度要求充分公开发明内容、使得“本领域技术人员”能够理解和实现的原则，产生了直接冲突。

1.4 参与主体的多样性

一个AI系统的诞生与部署，涉及多元化的参与主体，包括：算法设计者、数据提供与标注者、模型训练与调优者、硬件提供商以及最终用户。这些主体都可能对最终AI发明的产生做出实质性贡献。这为专利法中“发明人”身份的认定带来了复杂性——当AI系统自身也参与到创造过程中时，贡献的归属将变得更加模糊。

1.5 跨领域的知识迁移能力

预训练模型（如大语言模型、视觉基础模型）的出现，使得AI能够将在某一领域（如互联网文本）学到的通用知识和能力，通过微调等方式，快速迁移并应用于另一个截然不同的领域（如医疗影像诊断、法律文书分析）。这种能力打破了传统技术领域之间相对清晰的界限，对专利分类体系以及“本领域技术人员”的标准界定提出了挑战。总结而言，人工智能技术以其数据驱动、自主学习和“黑箱”运作的核心机制，展现出与传统发明创造活动截然不同的特征。这些特征如同一面棱镜，将从发明主体、创造性标准、公开充分性等多个维度，折射出现有专利规则的不适应性。在接下来的部分，我们将逐一剖析这些具体的挑战，并探讨可能的应对之策。

三、现有专利制度在人工智能领域面临的挑战

由于人工智能技术的上述特点，使得现有专利规则在应对由算法和数据驱动的创新范式时，在多个核心环节上呈现出显著的不适应性，主要体现如下：

1. 关于发明人的身份：谁是“真正的”发明人

专利法明确规定，发明人应当是“自然人”，即对发明的实质性特点作出创造性贡献的人。《人工智能相关发明专利申请指引（试行）》对于发明人身份问题也提到，“发明人所享有的获得收益的财产权利和署名的人身权利均属于民事权利，只有符合民法规定的民事主体，才能作为发明人相关民事权利的权利人，人工智能系统目前不能作为民事主体享有民事权利，因此不能作为发明人”。随着高级AI展现出自主生成创造性技术方案的能力，发明人的认定标准正面临严峻挑战。无论是AI的开发者、数据提供者还是使用者，其贡献都难以直接等同于传统意义上的“发明行为”。而现行专利法以“自然人”为发明主体的制度设计，在法理层面尚无法回应非人类智慧产出的发明人身份问题。

2. 关于“本领域技术人员”：标准主体的模糊与失准

根据《专利审查指南》的规定，“本领域技术人员”是一个专利法中假想的“人”，他知晓申请日之前该技术领域所有的普通技术知识，能够获知该领域中所有的现有技术，并且具备常规实验的能力。“本领域技术人员”是判断发明是否具备“创造性”的基准。一般而言，普通技术人员仅需掌握本领域内的所有现有技术，无须熟悉其他领域的技术知识，但AI算法却让“所属技术领域” 变得难以确定。从数据挖掘的视角看，人工智能凭借高效的数据处理能力，能够穿透数据库隔阂实现跨库检索，从而由单一领域工具转型为技术“通才”。其认知视域已超越人类职业分工所形成的认知局限，导致技术判断的主体场域从清晰、独立的范畴转向模糊、复合的交叉地带。从学习训练到成果转化的过程来看，机器学习赋予算法强大的跨界应用能力。例如，在解决电气工程问题时，AI可自主关联并应用物理学、医学乃至烹饪学等不相干领域的技术方案，从而编织起连接不同隐性知识的网络，从内涵与外延上双向拓展并模糊了传统技术领域的边界。此外，《专利审查指南》将“本领域技术人员”界定为一种知晓所属领域全部现有技术、掌握常规实验能力但不具备创造能力的法律拟制主体。然而，人工智能技术的快速迭代使其知识体系与工具链处于持续更新之中，这导致对“常规实验能力”的界定陷入困境。在特定专利申请日，所谓“常规”能力究竟是指熟练运用TensorFlow、PyTorch等主流框架，还是指精通模型调参与损失函数优化技术，已变得难以确定。这一标准主体的模糊性直接动摇了专利创造性判断的根基，由于不同知识背景的“技术人员”所构建的认知参照系存在差异，对于同一项发明是否具备“非显而易见性”，他们可能得出完全相反的结论。[2]

3. 关于“充分公开”的规定：“黑箱”与迭代下的披露危机

我国《专利法》第二十六条第3款规定，说明书应当对发明作出清楚、完整的说明，以所属技术领域的技术人员能够实现为准。这是专利制度“公开换保护”的核心对价原则。人工智能技术，特别是复杂的深度学习模型，通常建立在高度复杂的算法结构与海量的训练数据之上。由于模型内部参数关系的非线性与训练过程中存在的随机性，其决策逻辑往往表现为难以解析的“黑箱”。在此情况下，即便是在所属技术领域具备常规知识与实验能力的人员，也往往无法充分理解或准确预测模型在具体场景中的行为逻辑。更关键的是，由于随机初始化和训练过程中随机梯度下降等算法的特性，技术人员即使基于相同的代码和数据集进行复现，也未必能获得与原始申请人所声称的性能高度一致的模型。这种在理解与复现层面的不确定性，使得专利说明书中所公开的技术内容，在实质上可能难以满足专利法所要求的“能够实现”这一核心法律标准。

4. 关于“现有技术”的规定：知识体系的扩张导致“技术迷雾”

《专利法》第二十二条第五款规定，“现有技术”是指申请日以前在国内外为公众所知的技术。它是判断发明新颖性和创造性的参照系。人工智能能够高效生成海量技术方案，但这些未经筛选的产出常伴有严重的质量缺陷与不可实施性。此类方案能否构成专利法意义上的“现有技术”，已成为一个亟待厘清的问题。如果允许这些存在瑕疵的AI生成方案轻易进入现有技术范畴，不仅可能不当阻碍后续的真正创新，更会背离专利制度旨在构建清晰、可靠知识边界的初衷。因此，我们必须审慎地重新思考“现有技术”的界定标准，以应对人工智能带来的新挑战。

5. 关于侵权判定的相关规定：举证与多主体侵权认定的难题

侵权判定通常遵循“全面覆盖原则”和“等同原则”，即被诉侵权技术方案包含与权利要求记载的全部技术特征相同或者等同的技术特征的，则落入专利权的保护范围。对于部署在服务器端的云端AI模型，权利人很难获取被诉侵权模型的内部结构、参数等实质性技术特征，无法进行有效的特征比对。即使通过“反向工程”或功能测试，也难以在“黑箱”外部获得足以证明“全面覆盖”的证据。AI技术的生态系统高度复杂，一个完整的AI应用往往由多个独立主体提供的技术堆叠而成。例如，A公司提供基础算法框架，B公司提供预训练模型，C公司利用该模型在其特定领域数据进行微调并开发成具体应用，而D公司则提供部署模型的云计算服务。[3]在此背景下，专利权人主张的权利要求所包含的技术特征，可能被分散到上述多个不同的主体行为中。这种“多主体、分步骤”的实施模式，使得传统的、针对单一侵权主体的“全面覆盖原则”难以适用，导致权利人的维权行动陷入困境，不知应向谁主张权利。对于多主体侵权，虽然法律上有间接侵权（如提供专用部件）和共同侵权的规定，但在AI场景下，一个通用的预训练模型或一个开源算法框架可以被用于无数种用途，很难证明其“专用”于侵犯某项特定专利。同样，要证明这些分散的主体之间存在共同侵权的意思联络也极为困难。此外，人工智能算法专利能否延及保护到对应的产品存在巨大争议，如(2023)最高法知民终1432号案中，涉案专利为方法专利，其保护范围能否涵盖开发涉案专利系统的开发商，是值得关注和讨论的问题。综上所述，从专利发明人身份的界定到侵权行为的认定，人工智能技术正对专利制度的多项核心环节带来深刻影响。这些挑战并非彼此孤立，而是相互关联、层层深入，共同指向一个根本性的命题：形成于工业时代的专利法律框架，在应对以数据、算法和算力为驱动力的智能创新模式时，已逐渐显现出不适。为在激励创新与维护公共利益之间建立可持续的平衡，对现有专利规则展开系统反思与适度调适，已成为我们面前一项紧迫而必要的任务。

四、人工智能专利相关的司法实践

1. DABUS 案：人工智能生成技术方案的发明人身份[4]

DABUS 是美国企业Imagination Engines 创始人斯蒂芬· 塞勒（Stephen Thaler）开发的人工智能系统，斯蒂芬·塞勒利用人工智能系统DABUS生成了两项新技术，分别是食品容器和一种用于搜索和救援任务的闪光信号灯，并以人工智能系统DABUS为发明人向包括中国、美国、欧洲、德国等在内的十多个司法管辖区提交了相应的专利申请。截止到目前，从各大局及法院做出的裁决来看，该2项专利申请在中国、美国、欧洲、英国、德国、澳大利亚、日本、韩国均被驳回，理由在于，AI不能被视为发明人，发明人必须是自然人，然而，南非公司与知识产权局（CIPC）于2021年7月28日授予DABUS案专利权，确定人工智能系统的发明人身份。其中，欧洲专利局（EPO）进一步明确人工智能发明并不被排除在保护之外，并表明如果将发明活动所涉及的设备的用户或所有者的名称列为发明人，则可以授予专利权。德国专利局认为，自然人可以被列为发明人，并加入人工智能系统参与设想的发明信息。从中可以看出，对于现阶段人工智能生成的发明，大多数国家都认为发明人必须是自然人。其中，欧洲专利局和德国专利局明确了人工智能自主生成的发明创造可以授予专利权。

2. “一种聊天机器人系统”专利无效案：涉及人工智能专利公开充分的判断

2012年9月，上海智臻智能网络科技股份有限公司（简称“智臻公司”）起诉苹果电脑贸易（上海）有限公司（简称“苹果公司”）的siri技术侵犯其“一种聊天机器人系统”专利权（专利号为200410053749.9），苹果公司随即针对该专利提出无效宣告请求，无效程序中的争议焦点主要为涉及“游戏服务器”的技术方案是否公开充分。请求人认为，根据权利要求1的记载，用户语句经过过滤器的处理区分为格式化语句或自然语言，并根据区分结果将该用户语句转发至人工智能服务器、查询服务器或游戏服务器。然而，根据说明书的记载，用户语句经过过滤器的处理区分为格式化语句或自然语言，如果是格式化语句则连接到查询服务器，如果是自然语言，则连接到对话服务器，根据说明书的记载，不可能连接到游戏服务器，并且实现游戏功能是涉案专利的发明目的，因而，说明书公开不充分。经过审理，无效决定认为涉案专利公开充分，之后经过行政诉讼一审、二审和再审，最终维持专利权有效，各程序结论及主要观点汇总如下：

从“一种聊天机器人系统”专利无效案可以看出，对于说明书公开充分，对权利要求中不同特征的公开程度具有不同的要求，对于发明点特征要求足够详细地描述，使得本领域技术人员根据说明书的记载能够实现；对于非发明点特征，如果现有技术有记载，则可以不作详细描述。

五、针对现有专利制度挑战的可能应对

1. 对人工智能生成的发明创造不署名发明人

人工智能生成的发明创造与自然界中自然发现或创造的事物具有本质区别，人工智能系统背后具有值得激励的开发者、管理者和使用者，对于人工智能自主生成的发明创造，首先应该明确可以授予专利权，并且司法实践中，欧洲专利局和德国专利局已有明确认定。但需坚持发明人署名必须是自然人，对于人工智能生成的技术方案，在专利文件中不署名发明人，可以通过对专利申请人的激励来实现鼓励发明创造的立法目的。

第一，发明人署名必须是自然人，对于人工智能生成的技术方案，在专利文件中不署名发明人。《专利法》的立法目的在于保护专利权人的合法权益，鼓励发明创造，推动发明创造的应用，提高创新能力，促进科学技术进步和经济社会发展。而发明创造是发明人或者设计人的创造性智力劳动成果，要鼓励发明创造，首先就应当贯彻“以人为本”的原则，推崇发明人、设计人的创造性智力劳动，为其“扬名”，在专利文件中写明专利的发明人或者设计人的姓名。因此，《专利法》赋予了发明人或者设计人在专利文件中署名的权利，即，专利权的“精神权利”或者“人身权”，属于对发明人、设计人的精神回报。《专利法》还规定被授了专利权的单位应当对职务发明创造的发明人、设计人给予奖励、报酬，这是对发明人、设计人提供的物质回报;这两种回报都是落实《专利法》第一条规定的鼓励发明创造这一立法宗旨的必要措施[10]。由于署名权是一种人身权利，发明人可以放弃这种权利，专利文件并不会因为专利文件中没有署名发明人而不被授予专利权。因此，对于人工智能生成的技术方案，由于人工智能不是发明人署名权的适格主体，可以通过标注该技术方案由人工智能生成来和自然人做出的发明创造进行区分，而在专利申请文件中不署名发明人。

第二，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。对于人工智能生成的技术方案，人工智能的开发者、管理者、使用者如果对于人工智能生成的技术方案没有做出创造性贡献，则不是署名发明人的适格主体。

第三，通过赋予人工智能生成技术方案以专利权，已经可以给与人工智能的开发者、管理者或者使用者以激励，来实现鼓励发明创造的立法目的。对于专利权的归属，人工智能的开发者、管理者或者使用者等相关主体可以通过约定的方式来达成协议。综上所述，人工智能不具有人身属性，不具有“精神权利”或者“人身权”，也不需要给予奖励、报酬来激励其做出发明创造，专利文件不会因为没有署名发明人而不被授予专利权，因此，对于人工智能生成的技术方案，在专利文件中可以不署名发明人来规避发明人署名困境。

2. “本领域技术人员”的概念应该扩张

“本领域技术人员”是判断发明是否具备“创造性”的基准。对于人工智能辅助生成的发明创造或者人工智能自主生成的发明创造，由于AI具有跨领域的知识迁移能力，例如，当利用AI处理电气工程的问题时，它能够自主地关联并应用从物理学、医学到烹饪学等多个不相干领域的技术方案。继续以本领域技术人员的创造力标准判断创造性可能会高估创造性高度。一旦AI系统被广泛应用，算法技术肯定会促使技术人员掌握更全面的知识。技术人员不仅能熟练掌握所属领域的现有知识，还理应学会人工智能装备的操作技巧。因此，对于“本领域技术人员”内涵应采取“人机结合”标准，在当前人工智能实质性参与或创新协同的阶段，“本领域技术人员”应为运用人工智能获得技术强化的技术人员。[11]

3. 说明书公开充分在人工智能领域对不同特征设定差异化的要求

专利制度本质上是社会公众和专利持有人之间的一种契约，其以“公开换保护”为对价核心，由此衍生出专利制度排他保护与技术公开的双重属性。前者通过法律垄断矫正市场失灵，后者借书面公开实现信息共享。这一制度设计内在地要求平衡公私利益：以排他权激励创新、丰富知识库，同时以公开机制保障公众接触新技术、扩充知识库。二者最终共同服务于促进社会总体技术知识增长这一终极目标。[12]然而，人工智能算法的“黑箱属性” 让说明书充分公开受阻，对此，在人工智能领域可以对不同特征设定差异化的公开要求。

第一，对发明点特征和非发明点特征设定差异化的公开要求。由于非发明点特征已经属于现有技术，对于非发明点特征的充分公开并不会进一步扩充公众所能接触和获知的知识库，因此，对于非发明点特征的公开可以不作详细的描述，可以在专利说明书背景技术部分以引用的方式呈现，甚至可以允许专利申请人或者专利权人后续提供现有技术来辅助证明该特征在现有技术中已有记载，本领域技术人员知道具体实现方式。而对于发明点特征的公开应当足够详细地描述，以所属技术领域的技术人员能够实现该技术方案为准。这一做法符合《专利审查指南》对具体实施例的规定[13]，且在“一种聊天机器人系统”专利无效案中，得到了应用。

第二，将AI模型的基本结构、训练方法在说明书中充分公开，对数据集和包含权重参数的源代码则相对公开。[14]由前文人工智能的工作原理可知，为保证普通技术人员在不付出创造性劳动的情况下根据说明书记载的内容即可实施同样的算法，专利需要公开的关键内容包括：人工智能模型基本结构、权重和参数、训练数据、训练方法等。算法专利的充分公开并不等于完全透明，源代码和数据集会涉及个人隐私、商业秘密乃至国家机密等信息，在说明书中记载海量数据并不现实且会引发数据安全问题。可以设定差异化的公开内容范围，将AI模型的基本结构、训练方法和实施例在说明书中充分公开，对数据集和包含权重参数的源代码则相对公开，辅助以专利数据补充制度补充对对数据集和包含权重参数的源代码的公开。

第三，引入专利数据补充制度[15]。与AI具有自主性导致可预测性低类似，生物产品也可以在无人干预的情况下实现自我演化导致生物医药领域专利的可预测性较低，很多时候须借助实验数据进行验证，从而保证技术方案能够实现。为化解药品研发周期长，医药企业选择专利保护和技术要点保密的双重策略，在申请专利的同时保留下部分实验数据，从而造成专利公开数据依赖和企业竞争数据保留的矛盾、回应说明书公开不充分的质疑，申请人或者专利权人往往会补充提交实验数据，证明专利已克服上述缺陷。相应的，探究AI算法充分公开路径时，可以借鉴专利法中已有的生物医药数据补充制度，以有效化解AI算法专利数据依赖与数据保留的矛盾，克服其因可预测性低而带来的技术公开障碍。

4. 人工智能自主生成的技术作为“现有技术”应要求具备可实施性

“现有技术”是判断一项技术方案是否具备新颖性和创造性的起点，同时，根据审查指南的规定，如果权利要求书中的特征在最接近的现有技术已经记载，则说明书对该特征可以不做详细描述，因此，“现有技术”也是判断一件专利的非发明点特征是否充分记载的依据，如“一种聊天机器人系统”专利无效案。如果“一种聊天机器人系统”专利无效案中，最接近的现有技术中记载的游戏功能的实现方式本身是无法实现的，关于“游戏功能”是否公开充分的判断结果可能和说明书应当对发明或者实用新型作出清楚、完整的说明，以所属技术领域的技术人员能够实现为准的要求不符。人工智能更可凭借其强大的算力短时间内生成大量的技术方案，倘若未经人类筛选和优化,许多人工智能生成的技术方案存在严重质量缺陷，甚至是无法实现的技术方案。人工智能自主生成的技术方案能否作为“现有技术”，需要重新考量。

专利法的本质是社会与发明人之间达成的一种契约。社会以有限的技术垄断权为对价，换取发明人充分公开其最新发明创造，拓展公共知识库。现有技术这一法律概念的规范目的，正是将已为公众理解和实施的技术知识排除在专利保护范围之外。这决定了现有技术必须满足可实施性要求。仅仅公开权利要求中的所有技术特征并不足够，现有技术文献还必须提供充分指导，使本领域技术人员能够实施该技术方案，从而确凿证明公众已掌握该项创新。[16]将缺乏可实施性的在先技术认定为现有技术，不仅无助于拓展公共知识库，反而可能因削弱创新激励而背离专利法的根本目的。美国司法实践中，汉德法官曾明确指出，构成披露的在先专利或其他出版物必须提供充分指导，使被无效的专利能够被实施。如果先前披露的内容只是进一步实验的起点，其指导时成败，未能提供如何实施发明的确定信息，那么它就没有真正丰富公共知识库，不构成有效披露。[17]《欧洲专利局审查指南》也明确规定，在先技术只有提供充分的信息使得本领域技术人员结合本领域的公知常识能够实施其披露的技术方案时，才构成现有技术。[18]

因此，为了应对人工智能生成技术方案是否能够实施的不可预知性，人工智能自主生成的技术作为“现有技术”应要求具备可实施性。

六、总结

本文针对人工智能技术对专利制度带来的挑战，提出了一套系统性的应对措施。

首先，在发明人身份认定上，应确立以自然人为发明主体的基本原则，对人工智能自主生成的发明创造不授予其发明人署名资格。

其次，在创造性判断基准上，建议对“本领域技术人员”这一标准的内涵采取“人机结合”的界定方式。在人工智能已实质性参与技术研发的领域中，“本领域技术人员”应被理解为具备运用相关人工智能工具与数据能力、并由此获得技术能力增强的技术人员。

再次，为应对“黑箱”算法带来的披露难题，在“说明书公开充分”这一要求上，应依据技术特征的不同设定差异化的公开标准，在保障法律要求的前提下兼顾技术现实。

最后，为避免低质或不可实施的技术方案扰乱现有技术体系，明确只有那些具备可实施性的人工智能生成技术，方可被认定为专利法意义上的“现有技术”。

此外，本文还以(2023)最高法知民终1432号案为例，抛砖引玉的指出，人工智能算法专利能否延及保护到对应的产品这一值得探讨的问题。

综上所述，本文所构建的应对路径，致力于在尊重专利法立法目的的基础上，灵活回应技术变革带来的制度挑战，为实现专利体系在人工智能时代的平稳转型提供参考。* 本文仅为作者个人观点，不构成作者所在单位的观点。

注释

【1】《浅析人工智能领域的专利审查》，宋晓毓，专利代理，发表时间为2024年11月15日。
【2】刘友华：《人工智能时代的专利法研究》，法律出版社，2022年。
【3】如(2023)最高法知民终1432号案。

【4】《人工智能生成专利主体制度研究》，龙筱晔等，中国发明与专利（知识产权情报学学报），2025年7月，第22卷第7期。【5】无效决定号：第21307号无效决定

【6】案号：（2014）一中知行初字第184号

【7】案号：（2014）高行（知）终字第2935号

【8】案号：(2017)最高法行再34号。

【9】无效决定号：第58271号无效决定。

【10】《中国专利法详解》，尹新天，知识产权出版社，2012年9月第2版，第147-148页。

【11】《契约论视角下人工智能算法专利充分公开的困境与出路》，曹新明，任运红，大庆师范学院学报，2024年09月，第44卷第5期，第72页。

【12】《专利公开的逻辑理路与功能重构》，伯雨鸿，《现代法学》，2023年第2期。

【13】《专利审查指南》第二部分第二章第2.2.6节：“在具体实施方式部分，对最接近的现有技术或者发明或实用新型与最接近的现有技术共有的技术特征，一般来说可以不作详细的描述，但对发明或者实用新型区别于现有技术的技术特征以及从属权利要求中的附加技术特征应当足够详细地描述，以所属 技术领域的技术人员能够实现该技术方案为准。应当注意的是，为了方便专利审查，也为了帮助公众更直接地理解发明或者实用新型，对于那些就满足专利法第二十六条第三款的要求而言必不可少的内容，不能采用引证其他文件的方式撰写，而应当将其具体内容写入说明书。”

【14】《契约论视角下人工智能算法专利充分公开的困境与出路》，曹新明，任运红，《大庆师范学院学报》，2024年09月，第44卷第5期，第71页。

【15】《契约论视角下人工智能算法专利充分公开的困境与出路》，曹新明，任运红，大庆师范学院学报，2024年09月，第44卷第5期，第72页。

【16】Timothy R.Holbrook,Patent Anticipation and Obviousness as Possession,65 Emory Law Journal 987,1008 (2016).【17】Dewey & Almy Chem.Co v.Mimex Co,124 F.2d 986,989 (2d Cir.1942).【18】《人工智能生成技术方案的现有技术适格性研究》，郑金涛，西部法学评论，2025年第3期。

作者：李针英

编辑：Sharon