抽象的アイデアから技術的解決手段へ

エグゼクティブ・サマリー：人工知能関連発明は米国および中国のいずれにおいても特許を受け得るが、いずれの法域も、「AI」という抽象的なラベル自体を保護するものではなく、既知のモデルを新たな分野で汎用的に使用することに報いるものでもない。米国実務は Alice/Mayo の特許適格性フレームワークを適用し、現行のUSPTOガイダンスは、クレーム全体、技術に対する具体的な改良、およびその改良をクレームされた機構に結び付ける証拠を重視している。適切に裏付けられた宣誓書・宣言書は審査中に役立ち得るが、不足している開示を治癒することはできない。中国は、技術的解決手段要件、精神活動の除外、創造性判断、およびアルゴリズム的特徴が技術的特徴とどのように相互作用するかの説明に対する高度な要求を通じて、多くの点で同様の結論に到達する一方、明示的な倫理およびデータガバナンスの審査も課している。両制度はいずれも、適格な自然人発明者と、主張される技術的効果を生じさせるアーキテクチャ、訓練プロセス、入力、出力、および因果的機構についての十分な開示を要求する。したがって、最も堅牢な国際的戦略は、人間による着想を記録し、公知化前に出願し、AIが生成した結果を単に記載するのではなく、特定された技術的課題を解決する具体的な機構をクレームすることである。

I.                   序論

「人工知能は特許を受け得るのか」という問いは、米国および中国の特許法が異なる法理上の門を通じて答える複数の問いを一つに圧縮したものである。いずれの法域も、「AI」を抽象物として特許するものではない。むしろ、クレームされたAI関連発明について、適格な人間の発明者がいるか、保護対象となる主題に該当するか、新規かつ非自明または創造的か、そして再現可能な程度に十分な技術的詳細をもって開示されているかが問われる。したがって比較に当たっては、AIモデルまたは訓練技術における革新、より大きなシステムの中でAIを単に用いる発明、およびAIの支援を受けて開発された発明を区別しなければならない。

領域データを受け取り、機械学習モデルを訓練し、そのモデルを用いて最適化された出力を生成するコンピュータ実装方法を記載したクレームを考える。このような表現は、主張される技術的進歩についてほとんど何も述べていない。モデルの何が異なるのか、訓練プロセスがどのように技術的制約に対処するのか、入力と出力がなぜ技術的意味を有するのか、またその出力が機械またはプロセスに何をさせるのかを特定していない。近時の米国判例は、このような使用分野限定型のクレームを 35 U.S.C. § 101 の下で特に脆弱なものとしている。中国実務も、精神活動の規則および方法の除外、「技術的解決手段」の要件、または創造性を通じて、同様の結論に至り得る。

中核的な対比は、単に特許に好意的か否かというものではなく、方法論上の差異である。米国では、§ 101 に基づく特許適格性が強力な閾値フィルターであり続けており、近時の連邦巡回区控訴裁判所判例は、クレームが汎用的な機械学習を新しいデータ環境に単に適用するものにすぎないのか、それともモデル、コンピュータ、またはその他の技術的動作を改良するものなのかを厳しく検討している。中国は、技術的解決手段要件および精神活動の除外を通じて同様のスクリーニングを行い、その後、創造性判断において、アルゴリズム的特徴が技術的特徴を機能的に支え、これと相互作用するかを問う。さらに、2026年1月1日に施行される審査規則は、AI倫理、データ取得、および詳細なモデル開示を審査の中でより重要な要素としている。

それでも、両制度は実務上の命題に収斂する。すなわち、最も強い出願は、技術的ボトルネックを特定し、それを解決する機構をクレームし、主張される結果を再現するのに十分なアーキテクチャ、訓練プロセス、および入出力関係を開示するものである。「人工知能」というラベル、新しいデータセット、または新しい産業分野は、適格な自然人発明者または技術的に具体的な貢献の代替にはならない。

II.                一つの技術、四つの問い

「AI発明」という語は、少なくとも四つの異なる状況を指し得る。第一は、AIそのものに関する発明であり、モデルアーキテクチャ、継続学習機構、訓練および推論方法、圧縮、分散実行、専用アクセラレータなどである。第二はAI利用型アプリケーションであり、既知または修正されたモデルを、製造、通信、輸送、金融、医療その他の分野で使用する場合である。第三はAI支援発明であり、自然人がAIシステムを研究、設計、または問題解決の道具として使用する場合である。第四はAIによって生成された成果物であり、証拠上、適用される発明者性基準を満たす自然人が存在することを示せない場合である。

これらのカテゴリーには異なる規則が関係する。最初の二つは主に、特許適格性、新規性、非自明性または創造性、および開示の問題を生じさせる。後の二つでは発明者性が中心となるが、AIの使用によって米国における発明者性基準が別個に作られるわけではない。米国法の下では、通常の着想分析は、自然人がクレームされた完全かつ実施可能な発明について明確かつ永続的な着想を形成したかを問う。中国では、自然人が発明の実質的特徴に創造的貢献をしなければならない。支配的基準を満たす自然人がいない場合、モデル所有者、オペレータ、プロンプト作成者、または便宜的な人物を名義人として記載しても、発明者性は補充されない。

特許適格性は、特許性全体とも切り分けて考えなければならない。USPTOのAI特許適格性に関する主要な好意的判断が示すように、クレームは § 101 を通過してもなお自明であり得る。逆に、技術的に高度なアイデアであっても、クレームが抽象的な結果のみを定義している場合には除外され得る。開示は独立したゲートであり、適格かつ創造的なモデルであっても、明細書が実施可能にし、または発明者が保有していることを示す範囲を超えるクレームを支持することはできない。

III.             二つの法的構造

米国の実用特許法は、AIに対しても他の技術に対しても同じ基本的な制定法を適用する。Section 101 は特許法上の主題を定義し、抽象的アイデア、自然法則、および自然現象に関する司法上の例外によって制限される。Sections 102 and 103 は新規性および非自明性を扱い、§ 112 は記載要件、実施可能要件、および明確性を規律し、§ 100(f) は発明者をクレームされた主題を発明または発見した「individual」として定義し、§ 115 は発明者の宣誓または宣言を規律する。35 U.S.C. §§ 100(f), 101–103, 112, 115; see Thaler v. Vidal, 43 F.4th 1207, 1211–13 (Fed. Cir. 2022), cert. denied, 143 S. Ct. 1783 (2023).

Alice Corp. Pty. Ltd. v. CLS Bank International の下では、裁判所はまず、クレームが司法上の例外に向けられているかを問い、そうである場合には、その各要素が個別に、また順序立てられた組合せとして、クレームを変換するに足る発明概念を提供するかを問う。573 U.S. 208, 216–18 (2014); see also Mayo Collaborative Services v. Prometheus Laboratories, Inc., 566 U.S. 66, 71–73 (2012).

USPTOはこのフレームワークを Step 2A によって実施しており、そこでは、クレームが司法上の例外を記載しているか、およびクレーム全体がそれを実用的応用へ統合しているかについての個別の検討が行われ、必要に応じて Step 2B が続く。2024年7月のAI適格性アップデートは、AI関連クレームについてこれらの検討を詳述し、AIに焦点を当てた Examples 47–49 を公表している。2024 Guidance Update on Patent Subject Matter Eligibility, Including on Artificial Intelligence, 89 Fed. Reg. 58,128, 58,131–38 (July 17, 2024) [hereinafter 2024 AI SME Update]. これは実体的規則制定ではなく審査方針であり、法的効力を有せず、強制可能な権利を創設せず、最高裁および連邦巡回区控訴裁判所の先例を適用する Article III court を拘束するものでもない。Id. at 58,131–32. その後の審査官向けメモは、この枠組みの中で庁内実務を精緻化するが、支配的な司法法を置き換えるものではない。

中国は、異なる制定法上の語彙から出発する。発明は「製品、方法またはその改良に関する新たな技術的解決手段」でなければならない。Patent Law of the People’s Republic of China (promulgated by the Standing Comm. Nat’l People’s Cong., Mar. 12, 1984, rev. Oct. 17, 2020, effective June 1, 2021), art. 2(2) (China) [hereinafter PRC Patent Law]. Article 25 は精神活動の規則および方法を除外する。Article 22 は新規性、創造性、および実用性を別途要求し、Article 26 は実施可能な明細書ならびに明確、簡潔、かつ支持されたクレームを要求する。Id. arts. 22, 25(1)(2), 26(3)–(4).

CNIPAの専利審査指南は、審査官に対し、アルゴリズム的特徴またはビジネスルール上の特徴を技術的特徴から機械的に切り離さないよう指示している。クレームは、その技術的手段、解決する課題、および得られる効果を検討することにより、全体として評価される。China Nat’l Intell. Prop. Admin., Patent Examination Guidelines pt. II, ch. 9, §§ 6.1.2–6.1.4 (2023, as amended 2025) [hereinafter CNIPA Guidelines]. 2026年1月1日に施行される2025年改正は、AI倫理、真実な自然人発明者性、AI特有の十分性、および新たな審査例に関する明示的規定を追加することにより、この枠組みを強化した。China Nat’l Intell. Prop. Admin., Decision Amending the Guidelines for Patent Examination, CNIPA Order No. 84, pts. I, VII (Nov. 10, 2025) (effective Jan. 1, 2026) [hereinafter CNIPA Order No. 84]. これらの指南は行政審査を規律するものであり、立法または拘束的司法先例と同一視すべきではない。

表1　中核的比較

論点	米国	中国	ドラフティング上の帰結
閾値としての特許適格主題	Section 101 および Alice/Mayo の抽象的アイデア・フレームワーク	Article 25 の精神活動除外および Article 2(2) の技術的解決手段要件	「AI」というラベルまたは汎用コンピュータの外皮に依拠しない。
新規分野における既知AI	クレームが確立された機械学習を新しいデータ環境に単に適用する場合は脆弱	モデルおよび技術的機構が変更されない場合、技術的性格または創造性を欠き得る	分野そのものではなく、その分野に起因する技術的適応をクレームする。
AI自体の改良	クレームがモデルまたはコンピュータ動作に対する具体的な改良を反映する場合、適格となり得る	アルゴリズム的特徴と技術的特徴が相互作用して技術的課題を解決する場合、技術的かつ創造的となり得る	改良を生み出す機構をクレームおよび明細書に入れる。
発明者性	通常の自然人による着想。AI特有の別個の基準はなく、AIは道具にとどまる	実質的特徴に創造的貢献をする自然人	米国ではクレームごとの人間による着想の証拠、中国では創造的貢献の証拠を保存する。
開示	Section 112。クレーム範囲および予測可能性に応じて調整される	Article 26 に加え、2026年のアーキテクチャ、訓練、および入出力関係に関する明示的要件	最初の優先権明細書を、より厳しい共通分母に合わせて作成する。
倫理	特許審査において、これに匹敵する一般的AI道徳性審査はない	Article 5 が違法性、社会道徳、および公共の利益を審査する	中国出願前にデータ取得および自動意思決定規則を監査する。

IV.            特許適格主題

A.                 米国：汎用的機械学習からクレームされた改良へ

AIクレームについて、主たる抽象的アイデアの分類は、数学的概念、精神的プロセス、および人間活動を組織化する一定の方法である。2024 AI SME Update は、審査官に対し、抽象的アイデアを記載するとされる特定の限定を特定し、それが列挙された分類に該当するかを判断するよう指示している。クレームは、数学に基づくまたは数学を伴うというだけで数学的概念を記載するものではなく、人間の頭の中で実際に実行できない限定は精神的プロセスの分類に含まれない。2024 AI SME Update, 89 Fed. Reg. at 58,134–36. 2025年8月の審査官リマインダーは、これらの限界を再確認し、司法上の例外を「recites」するクレームと、それを単に「involves」するクレームとを区別している。U.S. Pat. & Trademark Off., Reminders on Evaluating Subject Matter Eligibility of Claims Under 35 U.S.C. § 101 1–3 (Aug. 4, 2025) [hereinafter 2025 Eligibility Reminder]. したがって、ニューラルネットワークの訓練を一般的に求める限定は、数学を伴い得るが数学的関係を明示するものではない。一方、バックプロパゲーションおよび勾配降下法を明示的に要求する限定は、数学的計算を記載し、残余の適格性分析へ進む。

この区別は、汎用的な機能的クレーム作成の安全港ではない。庁はまずクレームの最広合理的解釈を適用し、適格性は新規性、非自明性、または開示を置き換えるものではない。Step 2A, Prong Two では、審査官は、相互作用する限定から例外を切り離すのではなく、クレーム全体を評価しなければならない。特定の技術的解決手段に焦点を当てるクレームは、例外を実用的応用へ統合し得るが、望まれる結果、汎用コンピュータ実装、または使用分野ラベルはそうではない。明細書が「改良」という語を用いる必要はなく、クレームがその結論を明示的に記載する必要もないが、改良は開示から当業者に明らかであり、かつクレームに反映されていなければならない。2024 AI SME Update, 89 Fed. Reg. at 58,136–38; 2025 Eligibility Reminder, supra, at 3–5; see Enfish, LLC v. Microsoft Corp., 822 F.3d 1327, 1335–36 (Fed. Cir. 2016); McRO, Inc. v. Bandai Namco Games America Inc., 837 F.3d 1299, 1313–16 (Fed. Cir. 2016).

Recentive Analytics, Inc. v. Fox Corp. は、汎用的AIアプリケーションに関する現時点で最も明確な控訴審ルールを示している。問題の特許は、機械学習を放送スケジュールおよびネットワークマップの生成に適用していた。明細書は「any suitable machine learning technology」を許容しており、クレームされた訓練、更新、およびリアルタイム調整は、新たな技術的実装ではなく機械学習の通常の特徴であった。連邦巡回区控訴裁判所は、第一印象の問題として、確立された機械学習方法を新しいデータ環境に適用する以上のことをしないクレームは不適格であると判示した。134 F.4th 1205, 1211–14 (Fed. Cir. 2025), cert. denied, 146 S. Ct. 891 (2025). この判示は重要だが限定的である。すべての分野特化型AIアプリケーションを抽象的にするものではない。非難されるのは、主張される進歩が機械学習または他の技術の改良ではなく使用分野そのものにあるクレームである。

2026年の二つの非先例的判決は、Recentive の射程を示している。Rensselaer Polytechnic Institute v. Amazon.com, Inc. において、裁判所は、既知の事例ベース推論を自然言語処理に適用することを、新しい環境で使用された汎用AIと扱った。クレームは、これらの機能を改良する具体的実装を要求することなく、結果指向の言語および汎用データベースを用いていた。Nos. 2024-1725, 2024-1739, 2026 WL 506661, at *3–5 (Fed. Cir. Feb. 24, 2026) (nonprecedential). Dental Monitoring SAS v. Align Technology, Inc. では、クレームは歯列弓画像を収集し、「deep learning device」を用いて解析し、結果を提示するものであった。1,000枚を超える歯科画像でデバイスを訓練しても、領域特有の訓練データは機械学習に付随するものであり、クレームが主張される改良がどのように達成されるかを記載していなかったため、技術的解決手段は生じなかった。No. 2024-2270, slip op. at 9–13 (Fed. Cir. July 7, 2026) (nonprecedential). これらの判決は Recentive の例示的適用であり、独立した拘束的規則ではない。

USPTOの先例的決定である Ex parte Desjardins は、有用な対比を提供する。クレームは、パラメータ重要度測定およびペナルティ項を用いて過去に学習したタスクの性能を保護しながら、一つのモデルを異なるタスクで順次訓練するものであった。明細書は、この機構を、記憶容量の削減、システム複雑性の低下、および破滅的忘却の緩和に結び付けていた。Appeals Review Panel は、クレームを全体として考慮すると、モデルの動作方法を改良し、数学的概念を実用的応用へ統合していると結論付けた。Appeal No. 2024-000567, at 7–10 (P.T.A.B. Appeals Review Panel Sept. 26, 2025) (designated precedential Nov. 4, 2025). もっとも、§ 101 に関する好意的判断は特許性を確立するものではなく、パネルは § 103 拒絶を維持した。Id. at 10.

審査において、不確実性だけでは § 101 拒絶を正当化しない。2025年8月のリマインダーは、僅差の案件では、不適格である可能性の方が高い場合にのみ拒絶すべきである一方、コンパクト・プロセキューションはなお §§ 102, 103, and 112 に基づく審査を必要とすると指示している。2025 Eligibility Reminder, supra, at 5. この庁内審査指示は、裁判所が適用する基準を変更するものではない。

したがって、新たに現れつつある線引きは、単純に「AIの中核技術は良く、AIアプリケーションは悪い」というものではない。分野アプリケーションであっても、機械、プロセス、信号、ネットワーク、またはその他の技術を改良する具体的な技術的実装を要求する場合には、適格となり得る。逆に、訓練に向けられているように見えるクレームであっても、数学的目的と汎用実行のみを記載する場合には抽象的なままであり得る。決定的なドラフティング上の手当ては、技術的結果を生み出す運用上の機構をクレームすることである。

B.                 中国：精神活動と技術的解決手段要件

中国は通常、二つの関連する主題スクリーニングを適用する。第一に、クレームが抽象的アルゴリズム、数学的規則、またはビジネスルールのみからなる場合、それは Article 25 の精神活動の規則または方法として除外される。コンピュータを単に名称に置くのではなく、真正な技術的限定を含むクレームは、このスクリーニングを通過し得る。ただし、それでも Article 2(2) を満たさなければならない。すなわち、全体として考慮した場合、クレームは自然法則に適合する技術的手段を用いて技術的課題を解決し、技術的効果を得るものでなければならない。PRC Patent Law arts. 2(2), 25(1)(2); CNIPA Guidelines pt. II, ch. 9, §§ 6.1.2–6.1.3.

プロセッサ、メモリ、またはAIチップを追加するだけでは、それらの構成要素が抽象的アルゴリズムを記憶し実行するための単なる担体にすぎない場合、不十分である。CNIPAのAIガイダンスは、ニューラルネットワークを訓練するコンピュータシステムの例を示しており、そこではプロセッサおよびメモリが命令の担体にすぎない場合、コンピュータ動作との技術的関連を伴わない汎用的な訓練効率の向上は、必ずしも技術的課題を解決し、技術的効果を生じるものではないとされている。China Nat’l Intell. Prop. Admin., Guidelines for Patent Applications for Artificial Intelligence-Related Inventions (Trial) pt. III (Dec. 31, 2024) [hereinafter CNIPA AI Guidelines].

特に重要なルートが三つある。第一に、アルゴリズムが、画像、音声、通信信号、またはセンサ測定値のような明確な技術的意味を有するデータを処理し、技術的プロセスに結び付いた結果を生成する場合である。第二に、アルゴリズムが内部コンピュータ構造と特定の技術的関連を有し、記憶、伝送量、処理速度、プロセッサ利用率、またはコンピュータ性能の他の側面を改良する場合である。CNIPAは、訓練データ量に基づいて単一プロセッサ実行と複数プロセッサ実行を選択する訓練方法を、その選択がハードウェア実行を改良するため技術的であると扱っている。第三に、ビッグデータ処理は、自然法則に支配された内部関係を発見し、特定分野における分析の信頼性または精度を向上させる場合、技術的となり得る。これに対し、過去価格に基づく金融価格予測は、自然法則ではなく経済的関係に従うものであり、ニューラルネットワークが予測を行うというだけで技術的解決手段となるものではない。CNIPA Guidelines pt. II, ch. 9, § 6.1.3; China Nat’l Intell. Prop. Admin., Interpretation of the 2023 Amendments to the Patent Examination Guidelines: Computer-Program Inventions pts. II.2–II.3 (Jan. 18, 2024).

したがって、中国の閾値判断は米国の結論と乖離し得る。技術的画像またはセンサデータの処理は、中国においては技術的性格をより容易に与え得る一方、米国のクレームがそれらの情報を単に収集、分析、および表示するにすぎない場合、なお § 101 を通過できない可能性がある。Dental Monitoring はそのリスクを示している。しかし、Article 2 を通過しても創造性の答えにはならない。技術的意味を有するデータストリームに結び付けられた従来型モデルは、保護対象となる主題ではあり得るが、なお既知技術の自明な転用にとどまり得る。

V.               AIが飽和した先行技術環境における新規性

参照文献またはクレームされた発明がAIを含むというだけで、いずれの国も通常の新規性法を置き換えてはいない。米国では、§ 102 は特許、刊行物、公然使用、販売、およびその他の公衆利用可能性を含む。35 U.S.C. § 102(a). 中国は先行技術を、出願日前に中国または国外で公衆に知られていた技術として定義している。PRC Patent Law art. 22. 実務上、AI検索は、特許分類を越えて、論文、プレプリント、モデルカード、技術文書、ソースコードリポジトリ、データセット、学会発表、標準化提案、およびベンチマーク開示へ及ばなければならない。

機械が著作者であることは、公衆への開示を自動的に先行技術扱いから免れさせるものではない。公衆がアクセス可能なAI生成文書は、通常の原則の下で先行技術となり得るが、その法的効果はなお、制定法上のカテゴリー、時期、アクセス可能性、実際に教示する内容、および当該開示が実施可能かに依存する。USPTOの2024年意見募集は、AI生成刊行物、幻覚的開示、実施可能性、および通常のAI使用が当業者水準に影響するかに関する未解決の問題を特定した。Request for Comments Regarding the Impact of the Proliferation of Artificial Intelligence on Prior Art, the Knowledge of a Person Having Ordinary Skill in the Art, and Determinations of Patentability Made in View of the Foregoing, 89 Fed. Reg. 34,217, 34,218–20 (Apr. 30, 2024). 2026年7月19日時点で、これらの問題を解決する最終的なAI特有の規則は存在しなかった。

CNIPAも同様に、LLMの回答を先行技術または当業者の知識の証明として扱うことに注意を促している。2026年の再審査において、出願人は、先行技術に技術的教示がないことを主張するためにLLM生成回答に依拠した。CNIPAは、データソース、モデル、訓練精度、およびプロンプトに依存する回答は参考資料とはなり得るが、技術的教示または法的結論を直接立証することはできないと結論付けた。Reexamination Decision No. 1927206, Application No. 202010182089.3 (CNIPA 2026) (published July 1, 2026). この決定は証拠に関するものであり、AIシステムによって発見または再現された基礎資料が先行技術となり得るかを否定するものではない。

公知開示のタイミングは、ポートフォリオ上の重大な落とし穴となる。米国法は、主として発明者由来または発明者から派生した開示について一年の例外を設けている。35 U.S.C. § 102(b)(1). 中国にはこれに相当する一般的なグレースピリオドはない。中国の六か月の保護は、特定の緊急事態または公益上の開示、認められた展示会または会議、および無断開示を含む列挙された状況に限られる。PRC Patent Law art. 24. リポジトリ公開、モデルカード、顧客デモンストレーション、または通常の学会提出は、米国の例外に該当し得るとしても、中国の新規性を破壊し得る。信頼できる国際的ルールは、公的ベンチマーキング、公開、展開、または実演の前に出願することである。

VI.            非自明性と創造性

Section 103 は、発明がAIを用いて作られたか否かを問わない。同条は、特許性が「shall not be negated by the manner in which the invention was made」と明示している。35 U.S.C. § 103. 問題は引き続き、先行技術との差異が当業者にとって自明であったかであり、動機付け、予測可能な使用、および成功の合理的期待を考慮する。KSR International Co. v. Teleflex Inc., 550 U.S. 398, 415–22 (2007). 新しいデータセット、ターゲットラベル、顧客セグメント、または望まれる出力は、既知の機械学習を適用する理由であって、非自明な実装の証拠ではない場合がある。予期しない結果および客観的徴表は、クレームに実際に記載された機構に結び付いているときに最も説得的である。

中国は Article 22 の下で創造性を評価し、通常、三段階分析を用いる。すなわち、最も近い先行技術を特定し、相違特徴および実際に解決される技術的課題を決定し、先行技術がクレームされた解決手段に到達する教示または動機付けを提供していたかを問う。混合型クレームでは、アルゴリズム的特徴が技術的特徴を機能的に支え、これと相互作用する場合、すなわち、技術的手段として協働して技術的課題を解決し、対応する効果を生じる場合に、当該特徴は創造性に寄与する。CNIPA Guidelines pt. II, ch. 9, § 6.1.4. 2025年改正はさらに、発明的貢献をなすとされる特徴はクレームに現れていなければならないことを強調している。明細書にのみ記載された技術的効果は、その効果をもたらす特徴をクレームが欠く場合、創造性分析に入らない。CNIPA Order No. 84, pt. VI.

新たな例は明確な線を引いている。Example 18 は、先行技術の果物計数と、従来型深層学習を用いて船舶を計数するクレームとを比較する。対象物は外観、サイズ、および環境において異なっていたが、クレームは訓練方式、モデル階層、ラベリング方法、またはその他の実質的調整の変更を要求していなかった。画像に何が描かれているかを変更しただけでは、その解決手段を創造的にするものではなかった。CNIPA Order No. 84, pt. VII, ex. 18. Example 19 は、スクラップ鋼の等級付けについて反対の結論に至っている。重なり合い不規則なスクラップは、色、エッジ、テクスチャ、および特徴間関係の抽出を必要とした。クレームは、この分野特有の技術的課題に対処し等級付け精度を向上させるため、畳み込み経路およびプーリング経路ならびに層の数と配置を変更していた。先行技術がこれらの調整を教示していなかったため、アルゴリズム的特徴は創造性に寄与した。Id. ex. 19.

Recentive と Example 18 は、異なる法的経路を通じて実務上同じ結論に収斂している。いずれの制度も、既知のモデルを新しい環境で展開しただけのクレームに報いるものではない。アーキテクチャ、パラメータ、前処理、特徴選択、訓練、または実行上の変更が主張される進歩である場合、それらは単なる実装詳細を超えるものでなければならず、クレームの中心に置かれるべきである。

VII.         開示とAIの「ブラックボックス」

米国 § 112 は、明細書がクレームされた発明の所有を示し、当業者が過度の実験を要することなくその全範囲を製造し使用できるようにすることを要求する。35 U.S.C. § 112(a); Ariad Pharmaceuticals, Inc. v. Eli Lilly & Co., 598 F.3d 1336, 1351–52 (Fed. Cir. 2010) (en banc); Amgen Inc. v. Sanofi, 598 U.S. 594, 610–14 (2023). AIは特別な制定法上の基準を創設しないが、結果指向の「ブラックボックス」クレームは通常の問題を鋭くする。任意の適切なモデルを選択し、関連データで訓練し、改善された結果を生成すると述べるだけの明細書は、実質的に異なるアーキテクチャ、データ体制、および訓練技術を包含するクレームの幅について、所有または実施可能性を示さない可能性がある。

必要な詳細は貢献の内容に依存する。進歩がモデル動作にある場合、明細書は、重要なアーキテクチャ、モジュール、層、接続、目的関数または損失関数、訓練シーケンス、パラメータ更新、および代表的代替例を扱うべきである。進歩がアプリケーションにある場合、入力の技術的意味および前処理、訓練データの関連特性、特徴表現、閾値、推論シーケンス、出力から動作へのロジック、展開環境、および主張される技術的結果との因果的関係を説明すべきである。検証データおよび適切なベースラインとの比較は、実施可能性および改良の信頼性の双方を支えることができる。ソースコード、完全なコーパス、または最終的な訓練済み重みが一律に要求されるわけではないが、クレームされた結果を生み出す情報を開示しないことは、クレームの幅に比例したリスクを生じさせる。

中国は現在、これらの期待をより明示的に述べている。モデル構築または訓練を伴う発明について、現行の指南は一般に、必要なモジュール、層または接続関係、ならびに具体的な訓練ステップおよびパラメータの明確な開示を要求する。分野アプリケーションについては、明細書は通常、モデルまたはアルゴリズムが当該分野とどのように組み合わされるか、入力および出力がどのように構成されるか、ならびにそれらの内部関係がどのように当業者による解決手段の実施を可能にするかを説明すべきである。CNIPA Guidelines pt. II, ch. 9, § 6.3.1, as amended by CNIPA Order No. 84, pt. VII.

Examples 20 and 21 は、この審査が、考え得るすべての詳細を要求するチェックリストではなく、実務的なものであることを示す。Example 20 では、明細書は畳み込みアーキテクチャ内における spatial-transformer network の正確な位置を特定していなかったが、関連する層、共有関係、および入出力動作が他の点で明確であったため、当業者はその配置を一般的技術常識から補うことができた。CNIPA Order No. 84, pt. VII, ex. 20. Example 21 は、血液検査指標および顔特徴から悪性腫瘍を予測するとされるモデルに関するものであった。出願は、多数の血液指標のうちどれが重要かを特定せず、一般的な顔特徴とクレームされた腫瘍との信頼できる関係を確立せず、モデルが主張される結果を生じ得ることを示す検証も提供しなかった。この欠落は通常の実装詳細ではなく、当業者が解決手段がどのようにその述べられた課題を解決するのかを判断できない状態にした。Id. ex. 21.

国際的な帰結は重大である。緩やかな機能的米国記載のみを意識して作成された優先権明細書は、中国で必要とされるアーキテクチャ、パラメータ、または入出力の開示を欠く可能性がある。これらの詳細は、通常、国内段階審査中に新規事項を生じさせることなく追加することはできない。See 35 U.S.C. § 132(a); PRC Patent Law art. 33. したがって、連携した出願では、初期の米国クレームがより広い場合であっても、最初の出願において技術的機構およびフォールバック実施形態を開示すべきである。

開示はまた、特許化か営業秘密化かという意図的な判断を迫る。重み、ソースデータセット、特徴量エンジニアリング、チューニング、および展開技術は商業的に機微であり得る。しかし、出願人は、望まれる結果だけを開示しつつ、隠された機構の利益をクレームすることはできない。より良いアプローチは、主張される進歩が非開示情報に依存する広いクレームを求めるのではなく、再現可能なアーキテクチャまたは制御層を特許化し、非本質的なチューニングノウハウを営業秘密として保持することかもしれない。

VIII.       人間の発明者性

米国と中国は基本的な答えにおいて一致している。AIシステムを発明者として記載することはできない。ただし、必要な人間の貢献に関する両国の定式化は、慎重に適用されるべきである。

米国では、「inventor」とは、クレームされた主題を発明または発見した individual を意味する。35 U.S.C. § 100(f). 連邦巡回区控訴裁判所は Thaler v. Vidal において、「individual」は明確に自然人を意味し、したがってAIシステムを除外すると判示した。43 F.4th 1207, 1211–12 (Fed. Cir. 2022), cert. denied, 143 S. Ct. 1783 (2023). 裁判所は、AIの支援を受けて人間が作成した発明が特許保護を受け得るかについては判断しなかった。Id. at 1213.

USPTOの2025年11月通知は、司法判断でも実体的規則でもなく、審査ガイダンスである。この通知は、2024年2月のAI発明者性ガイダンスを全面的に撤回し、一般的なAI特有の枠組みとして Pannu 共同発明者性要素を使用することを取り下げた。改訂通知は、AIが使用されたか否かにかかわらず、すべての発明に同じ発明者性基準が適用されると述べており、AI支援発明について別個または修正された基準は存在しない。Revised Inventorship Guidance for AI-Assisted Inventions, 90 Fed. Reg. 54,636, 54,636 (Nov. 28, 2025) [hereinafter Revised Inventorship Guidance].

この撤回は、2024年7月の別個の主題適格性アップデートを撤回したものではない。適格性については、AI支援を含め、発明がどのように開発されたかは、クレームされた発明に焦点を当てる Alice/Mayo 分析の一部ではない。2024 AI SME Update, 89 Fed. Reg. at 58,138. しかし、同アップデートの section IV は、現在撤回済みの2024年2月発明者性ガイダンスを相互参照し、その「significant contribution」定式を繰り返していた。この相互参照はもはや現行の発明者性基準ではない。2025年11月 Revised Inventorship Guidance における通常の着想分析が支配する。2024 AI SME Update, 89 Fed. Reg. at 58,138; Revised Inventorship Guidance, 90 Fed. Reg. at 54,636–37.

一人の自然人がAIを使用する場合、通常の着想基準が支配する。その人物は、完全かつ実施可能なクレーム発明について明確かつ永続的な着想を形成し、各クレーム限定について知識を有し、広範な研究または実験なしに通常の技能だけで実施に移せる程度に解決手段を確定していなければならない。Id. at 54,636–37; Burroughs Wellcome Co. v. Barr Labs., Inc., 40 F.3d 1223, 1227–28 (Fed. Cir. 1994). 複数の自然人が参加する場合、Pannu 要素は、それらの人間のうち誰が共同発明者に該当するかを判断するためにのみ適用される。AI使用はその分析を変更しない。Pannu v. Iolab Corp., 155 F.3d 1344, 1351 (Fed. Cir. 1998); Revised Inventorship Guidance, 90 Fed. Reg. at 54,637.

改訂ガイダンスは、生成AIおよびその他の計算モデルを、実験装置、コンピュータソフトウェア、または研究データベースに類似する道具として扱っている。AIシステムは、発明者または共同発明者となることなく、サービスを提供し、またはアイデアを生成し得る。Revised Inventorship Guidance, 90 Fed. Reg. at 54,637.

USPTOは通常、出願データシートまたは宣誓・宣言書に記載された発明者を実際の発明者と推定する。しかし、出願がAIシステムまたはその他の非自然人を発明者または共同発明者として特定している場合、ガイダンスは、審査官に対し、35 U.S.C. §§ 101 and 115 の下で全クレームを拒絶するか、その他適切な措置を取るよう指示している。Revised Inventorship Guidance, 90 Fed. Reg. at 54,637.

AIシステムを所有または運用していること自体は着想を確立せず、改訂ガイダンスは、撤回された2024年のプロンプト入力および選択に関するヒューリスティクスを、カテゴリー的規則または安全港として維持していない。プロンプト入力、出力の選択、結果の修正、試験、および検証は、自然人がクレーム発明の各限定について完全な精神的像を有し、それを具体的に記述できたことの証明に役立つ限度でのみ意味を持つ。See id.; In re Jolley, 308 F.3d 1317, 1323 (Fed. Cir. 2002). 分析は引き続き事実集約的であり、クレームに結び付いている。

改訂ガイダンスは、実用、意匠、および植物特許ならびに出願に適用される。意匠特許の発明者性には、実用特許の発明者性と同じ基準が用いられる。植物特許については、自然人が植物の作出に貢献していなければならず、その独自性を認識して無性繁殖するだけでは不十分である。Revised Inventorship Guidance, 90 Fed. Reg. at 54,637.

中国の実施細則は、発明者を、発明の実質的特徴に創造的貢献をした者として定義している。作業を組織しただけの者、物質的条件の利用を容易にしただけの者、またはその他の補助的作業を行っただけの者は発明者ではない。PRC Implementing Regs. art. 14 (2023). CNIPAのDABUS再審査は、AIシステムには発明者性に伴う人格権および財産権を保持するために必要な民事上の地位がなく、発明者は人間の知性および才能により発明を完成する自然人でなければならないと結論付けた。Reexamination Decision No. 1373038, Application No. 201980006158.0 (CNIPA 2024) (published Aug. 13, 2024).

2025年改正は現在、発明者が自然人でなければならないこと、すべての発明者の身元情報が真実でなければならないこと、および組織名またはAI名を記載してはならないことを明示している。CNIPA Order No. 84, pt. I. CNIPAのAI Guidelines は、自然人が実質的な創造的貢献を行うAI支援発明と、人間による実質的貢献なしに生成されたAI生成発明を区別している。CNIPA AI Guidelines pt. II. 後者については、現行法上、適格なAI発明者は存在せず、必要な貢献をしていない人間を単に出願を維持するために記載することはできない。

したがって、発明者性記録は出願プロセスの一部として扱うべきである。開発チームは、各クレーム発明について、どの自然人が明確かつ永続的な着想を形成し、その限定を知り、かつそれを具体的に説明できたかを示す同時期の証拠を保存すべきである。プロンプト、出力、評価記録、修正、および検証結果はその証拠の一部として保持され得るが、いずれもそれ自体で着想を確立するものではない。代理人は、最初の優先権出願前、およびクレーム変更時に改めて発明者性を監査すべきである。

優先権および利益主張には特に注意を要する。同通知で示された方針の下では、先行出願と後の米国出願は同一の自然人発明者を記載するか、少なくとも一人の自然人共同発明者を共通に有しなければならない。したがって、AIシステムを唯一の発明者として記載する外国出願は、米国優先権主張を支持できない。外国出願が自然人と非自然人の双方を記載する場合、米国出願データシートは自然人のみを特定すべきであり、その中に外国出願と共通する少なくとも一人の自然人を含めるべきである。同じ考え方は、35 U.S.C. § 371 に基づく国内段階移行にも適用される。Revised Inventorship Guidance, 90 Fed. Reg. at 54,637.

IX.             中国のAI倫理審査

中国の明示的な倫理審査は、最も目に見える実体的相違である。Article 5 は、法律または社会道徳に違反し、または公共の利益を害する発明について特許を否定する。PRC Patent Law art. 5(1). 2025年の指南改正は、この規定を、データ取得、ラベル管理、規則設定、推奨、または意思決定ロジックに違法、不道徳、または公共利益を害する内容を含むAIおよびビッグデータ出願に特に適用している。CNIPA Order No. 84, pt. VII, § 6.1.1.

例は意図的に具体的である。一つは、適法な取得または個人の同意を立証することなく、顔画像を取得し、ターゲティングマーケティングのために本人識別を行う小売マットレス販売システムをクレームしている。データ実務が単なる付随的利用ではなく解決手段に組み込まれているため、この例は Article 5 に適合しない。もう一つは、歩行者の年齢および性別に基づいて衝突優先順位を割り当てる自動運転車の緊急判断モデルを構築するものである。CNIPAは、差別的規則それ自体を社会道徳に反するものとして扱っている。Id. exs. 1–2.

境界線は重要である。実施細則 Rule 10 は、発明の実施が法律によって禁止されているというだけで、その発明が Article 5 に違反するわけではないと定めている。PRC Implementing Regs. art. 10 (2023). より強い Article 5 の問題は、違法性または不道徳な意思決定ロジックが、クレームされた解決手段または必要な開示に組み込まれている場合に生じるのであって、合法的技術が違法に展開され得るすべての場合に生じるわけではない。コンプライアンスの定型文は、秘密裏のデータ収集または差別的規則を本質的に必要とする仕組みを治癒できないが、出願が一般的な規制法解説書になる必要もない。データの適法な由来、同意、非識別化、権限付与、またはバイアス制御について、それらが技術的に真実で関連性がある場合には、正確に記載すべきである。

米国特許審査には、これに匹敵する一般的なAI道徳性審査はない。特許性は商業的実施を許可するものではなく、プライバシー、差別、医療機器、輸出管理、その他の実体法を排除するものでもない。誠実義務、署名、秘密保持、および確認に関する職業上の義務も、道徳性に基づく § 101 法理として作り替えるべきではない。See 37 C.F.R. §§ 1.56, 11.18.

医療AIについては、中国では疾病の診断または治療方法が Article 25(1)(3) の下で除外されるため、別個の制定法上の重なりが生じる。PRC Patent Law art. 25(1)(3). デバイス、システム、画像処理動作、または中間的技術結果に向けられたクレームは、終点が診断判断そのものであるクレームとは異なる分析を要し得る。米国では、医療AIは、自然法則および診断相関に関する別個の判例法を含む通常の § 101 フレームワークに遭遇する。

X.                クレーム形式と連携したドラフティング戦略

AI開発はライフサイクルであり、単一の「処理」ステップではない。開示が支持する場合、ポートフォリオは、データ取得および前処理、モデル構築および訓練、展開および推論、出力に基づく技術的制御、監視および再訓練、ロールバック、分散エッジまたはクラウド実行、ならびに専用ハードウェアについて、別個のクレームを検討すべきである。その目的は、単に数を増やすことではない。システムの異なる部分を実施する主体、すなわちモデル開発者、訓練プラットフォーム提供者、クラウド推論提供者、デバイス製造者、および企業導入者の周囲に、権利行使可能なクレームセットを配置することである。

米国では、一般的な形式として、方法、システムまたは機械、および非一時的コンピュータ可読媒体クレームがある。無形情報または一時的信号のみに向けられたクレームは依然として問題を含む。中国は、方法、装置、コンピュータ可読記憶媒体、およびコンピュータプログラム製品のクレームを認めている。2023年の指南改正は、コンピュータプログラム製品を、物理的記憶媒体に限定されることなくソフトウェア製品としてクレームできることを明確化した。CNIPA Guidelines pt. II, ch. 9, § 5.2.

共通明細書は、具体的な技術的課題から始めるべきである。その課題に対処する特定のアーキテクチャ、訓練、データ変換、リソース割当て、または制御機構を特定し、それがなぜ技術的結果を生み出すのかを説明すべきである。システム配置、モデルモジュールおよび接続、訓練ステップおよびパラメータ、入力および出力の定義、前処理、展開、ならびに推論後の動作といった複数のレベルでフォールバックを提供すべきである。比較性能データは、意味のあるベースラインを用い、改良を担うクレーム特徴を特定すべきである。

独立クレームはすべての実装詳細を記載する必要はないが、発明を汎用AIから区別する唯一の特徴を省略してはならない。米国では、その省略は Recentive and Dental Monitoring を招く。明細書は改良を約束していても、クレームは望まれる結果を生む任意の適切なモデルを包含することになる。中国では、同じ省略が、アルゴリズム的特徴が創造性に寄与することを妨げ、またはクレームに必要な技術的手段を欠かせることになり得る。最も安全な共通原則は単純である。貢献を生み出す機構をクレームに入れ、それを実装する複数の方法を開示することである。

その後、法域ごとの権利化手続では、同じ開示の異なる部分を強調すべきである。米国の応答は、クレームされた技術的実装を特定し、汎用的な使用分野事案と区別し、クレームがモデル、コンピュータ、またはその他の技術的動作をどのように改良するかを説明すべきである。事実が助けになる場合、出願人は、37 C.F.R. § 1.132 に基づく Subject Matter Eligibility Declaration（“SMED”）を任意に提出し、出願時の技術水準、原開示についての当業者の理解、またはクレームされた改良に結び付いた客観的結果の証拠を示すことができる。審査官向けメモのAI例は、開示されたニューラルネットワークアーキテクチャについて比較回帰試験を用いている。U.S. Pat. & Trademark Off., Subject Matter Eligibility Declarations: Memorandum to the Patent Examining Corps 2–5 (Dec. 4, 2025) [hereinafter SMED Corps Memorandum]. 証拠はクレームとの関連性を有していなければならず、原開示に必要であった情報を補充することはできない。最終的な法的結論に関する意見には重みが与えられない。Id. at 3. 適切に提出された証拠は、証拠優越基準の下で記録全体とともに考慮されなければならないが、安全港ではなく、結果を支配するものでもない。Id. at 3–4; U.S. Pat. & Trademark Off., Best Practices for Submission of Rule 132 Subject Matter Eligibility Declarations 1–4 (Apr. 30, 2026).

中国の応答は、技術的課題、技術的手段、および技術的効果を明示し、自然法則またはコンピュータ内部の関係を特定し、クレームされたアルゴリズム的特徴を、それらが相互作用する技術的特徴に結び付けるべきである。この説明に必要なアーキテクチャ、訓練パラメータ、および入出力関係は、原出願に存在していなければならない。中国向け出願はまた、明細書が疑わしいデータまたは意思決定アーキテクチャにコミットしてしまった後ではなく、出願前に Article 5 審査を受けるべきである。

逐語訳はクレーム調整ではない。training、inference、parameter、feature、label、embedding、model、および output といった用語は、各言語間で安定した技術的意味を維持すべきである一方、独立クレームは各庁の法的テストおよび現地の侵害実務に合わせて調整されるべきである。開示前に出願すること、発明者性およびモデル開発記録を保存すること、ならびに優先権明細書を両国の開示要件に合わせることは、同一のクレーム文言を強制することより重要である。

XI.             結論

この比較から、一方の法域がAI特許に対して一律により友好的であるという単純な結論は導かれない。米国法は特許適格性を前面に置き、クレームが既知の分析技術を単に展開しているのではなく、AIまたはコンピュータ動作を改良しているかをますます問いかけている。中国法は、同じ問いの多くを、技術的解決手段要件、創造性、および開示を通じて処理しつつ、明示的な倫理およびデータガバナンス審査を加えている。

法理上の語彙は異なるが、汎用的な機能的クレームは両制度において脆弱である。「AIを用いて最適化結果を生成する」という記載は、発明も発明者も特定しない。堅牢なクレームは、技術的入力、具体的なモデルまたは訓練上の適応、出力に基づく動作、およびそれらの要素を測定可能な技術的結果に結び付ける機構を特定する。明細書はその範囲を支持するのに十分な詳細を開示しなければならず、記録は、米国法の下でクレーム発明を着想した自然人、ならびに中国法の下でその実質的特徴に必要な創造的貢献をした自然人を特定しなければならない。

AIの支援は、それ自体では特許性を否定せず、AIの存在は特許性を確立するものでもない。米国では、AI特有の修正を伴わずに通常の自然人による着想が適用される。中国では、自然人が所定の創造的貢献をしなければならない。いずれの法域でも、発明は技術的に具体的であり、かつ十分に開示されていなければならない。