从抽象概念到技术方案

执行摘要：人工智能发明在美国和中国均可能获得专利保护，但两个法域都不会保护作为抽象标签的“AI”，也不会奖励在新领域中泛泛使用既有模型的做法。美国实务适用 Alice/Mayo 专利适格性框架，现行 USPTO 指南强调权利要求整体、对技术的具体改进，以及将该改进与权利要求所记载机制相连接的证据；有充分支持的声明可以在审查中提供帮助，但不能弥补缺失的原始公开。中国通过技术方案要求、智力活动排除、创造性分析，以及对说明算法特征如何与技术特征相互作用的更高期待，在许多方面得出相近结果，同时还施加了明确的伦理和数据治理审查。两个制度都要求具备合格的自然人发明人，并充分公开产生所主张技术效果的架构、训练过程、输入、输出和因果机制。因此，最稳健的跨境策略是记录人类构思，在公开前提交申请，并要求保护解决已识别技术问题的具体机制，而不是仅仅记载 AI 生成的结果。

I. 引言

“人工智能是否可以获得专利？”这一问题压缩了美国和中国专利法通过不同法理入口回答的若干问题。两个法域都不会把“AI”作为抽象概念授予专利保护。它们分别会问：所要求保护的 AI 相关发明是否具有合格的人类发明人，是否落入可保护的客体，是否具有新颖性和非显而易见性或创造性，以及是否以足够的技术细节公开到可以再现。因此，该比较必须区分 AI 模型或训练技术本身的创新、在较大系统中仅仅使用 AI 的发明，以及借助 AI 开发出的发明。

设想一项权利要求记载一种计算机实现的方法，其接收领域数据，训练机器学习模型，并使用该模型生成优化输出。这样的表述几乎没有说明所主张的技术进步。它没有识别模型有何不同，训练过程如何解决技术约束，输入和输出为何具有技术意义，或者输出会使机器或过程执行什么操作。美国近期判决使这种用途领域型权利要求在 35 U.S.C. § 101 下尤其脆弱。中国实务也可能通过智力活动规则和方法的排除、“技术方案”要求或创造性而达到类似结果。

核心差异在方法论上，而不只是亲专利或反专利。在美国，§ 101 下的适格性仍然是强有力的门槛过滤器，近期联邦巡回法院判决会审查权利要求是否只是把通用机器学习应用于新的数据环境，还是改进了模型、计算机或其他技术运行。中国则通过技术方案要求和智力活动排除进行可比的筛选，然后在创造性阶段询问算法特征是否在功能上支持并与技术特征相互作用。自 2026 年 1 月 1 日起施行的审查规则还使 AI 伦理、数据获取和详细模型公开在审查中更加突出。

不过，两套制度收敛于一个实践命题：最强的申请会识别技术瓶颈，要求保护解决该瓶颈的机制，并公开足以再现所主张结果的架构、训练过程和输入—输出关系。“人工智能”这样的标签、新数据集或新行业，并不能替代合格的自然人发明人或技术上具体的贡献。

II. 一项技术，四个问题

“AI 发明”至少可以描述四种不同情形。第一类是 AI 本身的发明：模型架构、持续学习机制、训练和推理方法、压缩、分布式执行以及专用加速器。第二类是 AI 赋能应用，即在制造、通信、交通、金融、医疗或其他领域中使用已知或经修改的模型。第三类是 AI 辅助发明，即自然人把 AI 系统作为研究、设计或问题解决工具。第四类是由 AI 产生的输出，而证据可能无法证明任何自然人满足适用的发明人资格标准。

这些类别触发不同规则。前两类主要涉及专利客体适格性、新颖性、非显而易见性或创造性以及公开。后两类使发明人资格成为核心问题，但使用 AI 并不会产生单独的美国发明人资格标准。根据美国法，通常的构思审查询问自然人是否形成了完整且可实施的所要求保护发明的明确、固定构思。在中国，自然人必须对发明的实质性特点作出创造性贡献。如果没有自然人满足适用标准，列名模型所有者、操作者、提示词作者或其他方便的人，并不能补足发明人资格。

适格性还必须与整体可专利性区分开来。权利要求可以通过 § 101 但仍然显而易见，USPTO 领先的有利 AI 适格性决定即说明了这一点。相反，技术上复杂的构思可能具有新颖性，却因权利要求仅定义抽象结果而被排除。公开是独立的门槛：即使模型具备适格性和创造性，也不能支持超出说明书能够实施或能够证明占有的权利要求范围。

III. 两种法律架构

美国实用专利法对 AI 适用的基本法律条文与其他技术相同。§ 101 定义法定客体，并受到抽象概念、自然规律和自然现象等司法例外的限制。§§ 102 和 103 处理新颖性和非显而易见性；§ 112 规定书面描述、可实施性和明确性；§ 100(f) 将发明人定义为发明或发现所要求保护主题的“个人”；§ 115 规定发明人的宣誓或声明。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).

根据 Alice Corp. Pty. Ltd. v. CLS Bank International，法院首先询问权利要求是否指向司法例外；如果是，则进一步询问其各个要素，无论单独考察还是作为有序组合考察，是否提供了足以转化该权利要求的发明概念。573 U.S. 208, 216–18 (2014); see also Mayo Collaborative Services v. Prometheus Laboratories, Inc., 566 U.S. 66, 71–73 (2012).

USPTO 通过 Step 2A 实施该框架，包括分别询问权利要求是否记载司法例外，以及权利要求整体是否将该例外整合为实际应用；必要时再进入 Step 2B。2024 年 7 月 AI 适格性更新针对 AI 相关权利要求详细阐释了这些询问，并发布了面向 AI 的示例 47–49。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]. 这属于审查政策而非实体规则制定：它不具有法律效力，不创设可执行权利，也不约束适用最高法院和联邦巡回法院先例的 Article III 法院。Id. at 58,131–32. 后续审查员备忘录在该框架内细化专利局实务；它们并不取代支配性的司法法律。

中国从不同的法定术语出发。发明必须是“对产品、方法或者其改进所提出的新的技术方案。” 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]. 第二十五条排除智力活动的规则和方法。第二十二条另行要求新颖性、创造性和实用性，第二十六条要求可实施的说明书以及清楚、简要并得到说明书支持的权利要求。Id. arts. 22, 25(1)(2), 26(3)–(4).

CNIPA 的《专利审查指南》要求审查员不要机械地把算法或商业规则特征同技术特征割裂开来。应通过考察权利要求的技术手段、所解决的技术问题和获得的技术效果，对权利要求作为整体进行评价。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]. 自 2026 年 1 月 1 日起生效的 2025 年修订，通过加入关于 AI 伦理、真实自然人发明人资格、AI 特定公开充分性以及新增审查示例的明确规定，强化了这一框架。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]. 这些指南规范行政审查，不应等同于立法或有约束力的司法先例。

表 1. 核心比较

问题	美国	中国	撰写后果
门槛客体	§ 101 以及 Alice/Mayo 抽象概念框架	第二十五条智力活动排除加第二条第二款技术方案要求	不要依赖“AI”标签或通用计算机外壳。
新领域中的既有 AI	当权利要求只是把既有机器学习应用于新的数据环境时较为脆弱	如果模型和技术机制保持不变，可能缺乏技术性或创造性	要求保护由该领域驱动的技术适应，而不只是该领域。
AI 本身的改进	当权利要求反映对模型或计算机运行的具体改进时，可能具备适格性	当算法特征与技术特征相互作用以解决技术问题时，可能具有技术性和创造性	将产生改进的机制写入权利要求和说明书。
发明人资格	普通自然人构思；没有单独的 AI 标准，AI 仍然是工具	对实质性特点作出创造性贡献的自然人	保存与权利要求对应的人类构思证据，以及在中国的创造性贡献证据。
公开	§ 112，随权利要求宽度和可预测性调整	第二十六条加上 2026 年关于架构、训练和输入—输出关系的明确要求	按更严格的共同分母撰写原始优先权说明书。
伦理	专利审查中没有可比的一般 AI 道德性筛选	第五条审查违法性、社会公德和公共利益	在中国提交申请前审查数据获取和自动决策规则。

IV. 专利适格客体

A. 美国：从通用机器学习到权利要求中的改进

对于 AI 权利要求，主要的抽象概念类别是数学概念、心理过程以及某些组织人类活动的方法。2024 AI SME Update 指示审查员识别据称记载抽象概念的具体限定，并判断其是否落入列举类别。权利要求并不会仅因基于或涉及数学而记载数学概念，实践上无法在人脑中完成的限定也不落入心理过程类别。2024 AI SME Update, 89 Fed. Reg. at 58,134–36. 2025 年 8 月审查员提醒重申这些限制，并区分“记载”司法例外的权利要求和仅仅“涉及”司法例外的权利要求。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]. 因此，笼统要求训练神经网络的限定可能涉及数学但没有阐明数学关系，而明确要求反向传播和梯度下降的限定则记载数学计算，并进入后续适格性分析。

该区分并不是通用功能性权利要求撰写的安全港。专利局首先适用权利要求的最宽合理解释，适格性也不会取代新颖性、非显而易见性或公开要求。在 Step 2A 的第二分支中，审查员必须评价权利要求整体，而不是把例外从相互作用的限定中孤立出来。聚焦于特定技术方案的权利要求可以将例外整合为实际应用，而期望结果、通用计算机实现或用途领域标签则不能。说明书无需使用“改进”一词，权利要求也无需明示该结论，但该改进必须能够由本领域技术人员从公开中看出，并反映在权利要求中。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. 为通用 AI 应用提供了目前最清晰的上诉规则。相关专利将机器学习用于生成广播排期和网络图。其说明书允许使用“任何合适的机器学习技术”，而所要求保护的训练、更新和实时调整是机器学习的普通特征，并非新的技术实现。联邦巡回法院作为首次问题裁定，权利要求如果只是把既有机器学习方法应用到新的数据环境，则不具备适格性。134 F.4th 1205, 1211–14 (Fed. Cir. 2025), cert. denied, 146 S. Ct. 891 (2025). 该裁判重要但范围狭窄：它并不使每一个领域特定 AI 应用都成为抽象概念。它所否定的是主张的进步在于用途领域，而非对机器学习或另一项技术的改进的权利要求。

2026 年的两项非先例性判决说明了 Recentive 的适用范围。在 Rensselaer Polytechnic Institute v. Amazon.com, Inc. 中，法院将应用于自然语言处理的已知基于案例推理视为在新环境中使用的通用 AI。权利要求采用结果导向语言和通用数据库，而未要求改进这些功能的具体实现。Nos. 2024-1725, 2024-1739, 2026 WL 506661, at *3–5 (Fed. Cir. Feb. 24, 2026) (nonprecedential). 在 Dental Monitoring SAS v. Align Technology, Inc. 中，权利要求收集牙弓图像，使用“深度学习设备”进行分析并呈现结果。用超过 1,000 张牙科图像训练该设备并未形成技术方案，因为领域特定训练数据只是机器学习的附带事项，而权利要求没有记载所主张改进是如何实现的。No. 2024-2270, slip op. at 9–13 (Fed. Cir. July 7, 2026) (nonprecedential). 这些判决是 Recentive 的示例性适用，并非独立的有约束力规则。

USPTO 在 Ex parte Desjardins 中作出的先例性决定提供了有用对照。权利要求在不同任务上顺序训练一个模型，同时使用参数重要性度量和惩罚项来保护先前已学习任务的性能。说明书将该机制与减少存储、降低系统复杂度以及缓解灾难性遗忘相联系。上诉审查小组认定，权利要求作为整体改进了模型的运行方式，并将数学概念整合为实际应用。Appeal No. 2024-000567, at 7–10 (P.T.A.B. Appeals Review Panel Sept. 26, 2025) (designated precedential Nov. 4, 2025). 有利的 § 101 裁定并未确立可专利性：小组维持了 § 103 驳回。Id. at 10.

在审查中，仅有不确定性并不足以支持 § 101 驳回。2025 年 8 月提醒指出，接近边界的案件只有在不适格性更可能成立时才应驳回，同时紧凑审查仍要求根据 §§ 102、103 和 112 进行审查。2025 Eligibility Reminder, supra, at 5. 该内部审查指令不改变法院适用的标准。

正在形成的界线因此并不是简单的“AI 核心技术好、AI 应用坏”。如果领域应用要求能够改进机器、过程、信号、网络或其他技术的具体技术实现，它可以具备适格性。相反，名义上指向训练的权利要求，如果只记载数学目标和通用执行，仍可能是抽象的。决定性的撰写动作是要求保护产生技术结果的操作机制。

B. 中国：智力活动和技术方案要求

中国通常适用两个相关的客体筛选。首先，如果权利要求仅由抽象算法、数学规则或商业规则构成，则依据第二十五条作为智力活动的规则或方法被排除。包含真实技术限定的权利要求，而不是仅在标题中放入计算机的权利要求，可能通过这一筛选。它仍必须满足第二条第二款：作为整体，权利要求必须使用符合自然规律的技术手段解决技术问题并取得技术效果。PRC Patent Law arts. 2(2), 25(1)(2); CNIPA Guidelines pt. II, ch. 9, §§ 6.1.2–6.1.3.

当处理器、存储器或 AI 芯片只是存储和执行抽象算法时，加入这些部件还不够。CNIPA 的 AI 指引举例说明一种用于训练神经网络的计算机系统，其中处理器和存储器只是指令载体；在没有与计算机运行建立技术关联的情况下，提高一般训练效率并不必然解决技术问题或产生技术效果。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].

三条路径尤其重要。第一，算法可以处理具有明确技术含义的数据，例如图像、音频、通信信号或传感器测量数据，并产生与技术过程相关的结果。第二，算法可以与计算机内部结构具有特定技术关联，并改进存储、传输量、处理速度、处理器利用率或计算机性能的其他方面。CNIPA 曾将一种根据训练数据大小在单处理器和多处理器执行之间进行选择的训练方法认定为技术性的，因为该选择改进了硬件执行。第三，当大数据处理发现受自然规律支配的内部关系，并提高特定领域分析的可靠性或准确性时，也可能具有技术性。相比之下，基于历史价格的金融价格预测遵循的是经济关系而非自然关系，并不会仅因使用神经网络作出预测而成为技术方案。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).

因此，中国的门槛可能与美国结果分化。处理技术图像或传感器数据在中国可能更容易赋予技术性，而美国权利要求如果只是收集、分析并显示这些信息，仍可能不符合 § 101。Dental Monitoring 说明了这一风险。但通过第二条并不回答创造性问题。把常规模型连接到具有技术意义的数据流上，可能属于可保护客体，却仍然只是显而易见地转用已知技术。

V. AI 密集型现有技术环境中的新颖性

任何一个国家都不会仅因引用文献或所要求保护发明涉及 AI 而取代普通新颖性法。在美国，§ 102 包括专利、印刷出版物、公开使用、销售以及其他公开可获得性。35 U.S.C. § 102(a). 中国将现有技术定义为申请日前在国内外为公众所知的技术。PRC Patent Law art. 22. 在实践中，AI 检索必须超越专利分类，扩展到论文、预印本、模型卡、技术文档、源代码仓库、数据集、会议报告、标准提交和基准测试公开。

机器作者身份不会自动使公开披露免于现有技术处理。公开可获得的 AI 生成文件有可能按照普通原则构成现有技术，但其法律效果仍取决于法定类别、时间、可获得性、实际教导内容以及公开是否可实施。USPTO 2024 年征求意见识别了关于 AI 生成出版物、幻觉式公开、可实施性以及常规使用 AI 是否影响普通技术水平的未决问题。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). 截至 2026 年 7 月 19 日，尚无最终 AI 特定规则解决这些问题。

CNIPA 同样警示，不应把大语言模型的回答视为现有技术或本领域技术人员知识的证明。在 2026 年一项复审中，申请人依赖 LLM 生成的答案主张现有技术缺乏技术教导。CNIPA 认为，依赖数据来源、模型、训练准确性和提示词的回答可以作为参考，但不能直接证明技术教导或法律结论。Reexamination Decision No. 1927206, Application No. 202010182089.3 (CNIPA 2026) (published July 1, 2026). 该决定涉及证据，而不是由 AI 系统定位或再现的底层来源是否可构成现有技术。

公开披露的时间会造成重大组合陷阱。美国法主要为源自发明人或由其派生的披露提供一年例外。35 U.S.C. § 102(b)(1). 中国没有可比的一般宽限期。其六个月保护仅适用于列举情形，包括特定紧急状态或公共利益披露、认可展览或会议以及未经授权的披露。PRC Patent Law art. 24. 代码仓库发布、模型卡、客户演示或普通会议投稿，即便可能落入美国例外，仍可能破坏中国新颖性。可靠的跨境规则是在公开基准测试、发表、部署或演示之前提交申请。

VI. 非显而易见性与创造性

§ 103 并不询问发明是否借助 AI 创造；它明文规定，可专利性“不因发明产生的方式而被否定”。35 U.S.C. § 103. 审查仍然是：与现有技术的差异，考虑动机、可预期使用和合理成功预期，是否会使具有普通技术水平的人认为显而易见。KSR International Co. v. Teleflex Inc., 550 U.S. 398, 415–22 (2007). 新数据集、目标标签、客户细分或期望输出，可能是应用已知机器学习的理由，而不是非显而易见实现的证据。意外结果和客观指征在与权利要求实际记载的机制相联系时最有说服力。

中国依据第二十二条评价创造性，通常采用三步分析：确定最接近的现有技术，确定区别特征和实际解决的技术问题，并询问现有技术是否给出了达到所要求保护方案的教导或动机。对于混合型权利要求，当算法特征在功能上支持并与技术特征相互作用时，算法特征可以对创造性作出贡献——也就是说，它们共同作为技术手段解决技术问题并产生相应效果。CNIPA Guidelines pt. II, ch. 9, § 6.1.4. 2025 年修订进一步强调，据称作出发明贡献的特征必须出现在权利要求中；如果权利要求遗漏了导致技术效果的特征，仅在说明书中描述的技术效果不进入创造性分析。CNIPA Order No. 84, pt. VI.

新示例划出清晰界线。示例 18 将现有技术中的水果计数与使用常规深度学习对船只计数的权利要求进行比较。虽然对象在外观、大小和环境上不同，但权利要求并未要求改变训练方式、模型层级、标注方法或其他实质调整。改变图像所描绘的对象并不会使方案具有创造性。CNIPA Order No. 84, pt. VII, ex. 18. 示例 19 对废钢分级得出相反结论。重叠且不规则的废钢需要提取颜色、边缘、纹理和特征间关系。权利要求改变卷积和池化路径及层的数量与排列，以解决该领域特定技术问题并提高分级准确率。由于现有技术没有教导这些调整，算法特征对创造性作出了贡献。Id. ex. 19.

Recentive 和示例 18 因此通过不同法律路径在实践结果上趋同。两个制度都不会仅因已知模型被部署到新环境中而奖励权利要求。当架构、参数、预处理、特征选择、训练或执行变化是所主张的进步时，它们必须不只是实现细节；它们应当成为权利要求的中心。

VII. 公开与 AI “黑箱”

美国 § 112 要求说明书证明对所要求保护发明的占有，并使本领域技术人员无需过度实验即可制造和使用其全部范围。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 并不创设特殊法定标准，但结果导向和“黑箱”权利要求会加剧普通问题。说明书如果只是说选择任何合适模型，用相关数据训练并生成改进结果，可能无法证明对覆盖实质不同架构、数据制度和训练技术的权利要求范围的占有，也无法使其可实施。

所需细节取决于贡献所在。当进步在于模型运行时，说明书应说明关键架构、模块、层、连接、目标或损失函数、训练序列、参数更新和代表性替代方案。当进步在于应用时，说明书应解释输入的技术含义和预处理、训练数据的相关特征、特征表示、阈值、推理序列、输出到动作的逻辑、部署环境，以及与所主张技术结果的因果联系。验证数据以及与适当基线的比较可以支持可实施性和改进的可信度。源代码、完整语料库或最终训练权重并非绝对要求，但隐瞒产生所要求保护结果的信息，会产生与权利要求宽度成比例的风险。

中国现在更明确地表达了这些期待。对于涉及模型构建或训练的发明，现行指南通常要求清楚公开必要模块、层或连接关系，以及具体训练步骤和参数。对于领域应用，说明书通常应解释模型或算法如何与该领域结合，输入和输出如何配置，以及它们的内部关系如何使本领域技术人员能够实施该方案。CNIPA Guidelines pt. II, ch. 9, § 6.3.1, as amended by CNIPA Order No. 84, pt. VII.

示例 20 和 21 表明，该审查是实践性的，而不是要求列出每一项可能细节的清单。在示例 20 中，说明书没有标明空间变换网络在卷积架构中的确切位置，但相关层、共享关系和输入—输出操作已经清楚，本领域技术人员能够根据公知常识补足该位置。CNIPA Order No. 84, pt. VII, ex. 20. 示例 21 涉及一个据称可根据血液检测指标和面部特征预测恶性肿瘤的模型。申请未说明众多血液指标中哪些重要，未建立一般面部特征与所称肿瘤之间的可靠关系，也未提供验证来显示模型能够产生所主张结果。该遗漏不是常规实现细节；它使本领域技术人员无法确定该方案如何解决其陈述的问题。Id. ex. 21.

跨境后果十分重要。如果优先权说明书仅按宽松、功能性的美国描述撰写，可能缺少中国所需的架构、参数或输入—输出公开。这些细节通常不能在国家阶段审查中补加，否则会构成新事项。See 35 U.S.C. § 132(a); PRC Patent Law art. 33. 因此，即使最初的美国权利要求更宽，协调申请也应在首次提交时公开技术机制和后备实施方式。

公开要求也迫使申请人有意识地在专利和商业秘密之间作出选择。权重、源数据集、特征工程、调参和部署技术可能具有商业敏感性。但申请人不能一边只公开期望结果，一边要求享有隐藏机制带来的权益。更好的方法可能是就可再现的架构或控制层申请专利，并将非必要调参诀窍保留为商业秘密，而不是追求一项主张进步依赖未公开信息的宽权利要求。

VIII. 人类发明人资格

美国和中国在基本答案上是一致的：AI 系统不能被列名为发明人。不过，两国对所需人类贡献的表述应谨慎适用。

在美国，“发明人”是指发明或发现所要求保护主题的个人。35 U.S.C. § 100(f). 联邦巡回法院在 Thaler v. Vidal 中裁定，“individual”明确指自然人，因而排除 AI 系统。43 F.4th 1207, 1211–12 (Fed. Cir. 2022), cert. denied, 143 S. Ct. 1783 (2023). 法院没有决定由人类借助 AI 完成的发明是否可以获得专利保护。Id. at 1213.

USPTO 2025 年 11 月通知属于审查指南，而非司法裁判或实体规则。它整体撤销了 2024 年 2 月 AI 发明人资格指南，并撤回将 Pannu 共同发明人因素作为一般 AI 特定框架的做法。修订后的通知说明，同一发明人资格标准适用于每一项发明，无论是否使用 AI；对于 AI 辅助发明，不存在单独或修改后的标准。Revised Inventorship Guidance for AI-Assisted Inventions, 90 Fed. Reg. 54,636, 54,636 (Nov. 28, 2025) [hereinafter Revised Inventorship Guidance].

该撤销并未撤回单独的 2024 年 7 月客体适格性更新。就适格性而言，发明如何开发——包括借助 AI 开发——并不是 Alice/Mayo 分析的一部分，该分析关注的是所要求保护的发明。2024 AI SME Update, 89 Fed. Reg. at 58,138. 但该更新第四部分交叉引用了现已撤销的 2024 年 2 月发明人资格指南，并重复其“重大贡献”表述。该交叉引用已不再是当前发明人资格测试；2025 年 11 月 Revised Inventorship Guidance 中的普通构思分析才是控制标准。2024 AI SME Update, 89 Fed. Reg. at 58,138; Revised Inventorship Guidance, 90 Fed. Reg. at 54,636–37.

当一个自然人使用 AI 时，普通构思标准控制。该人必须形成完整且可实施的所要求保护发明的明确、固定构思，知晓每一项权利要求限定，并使解决方案足够确定，以便只需普通技术即可在无需大量研究或实验的情况下付诸实施。Id. at 54,636–37; Burroughs Wellcome Co. v. Barr Labs., Inc., 40 F.3d 1223, 1227–28 (Fed. Cir. 1994). 当多个自然人参与时，Pannu 因素仅用于确定这些人中哪些属于共同发明人；AI 的使用不改变该分析。Pannu v. Iolab Corp., 155 F.3d 1344, 1351 (Fed. Cir. 1998); Revised Inventorship Guidance, 90 Fed. Reg. at 54,637.

修订指南将生成式 AI 和其他计算模型视为类似于实验室设备、计算机软件或研究数据库的工具。AI 系统可以提供服务或生成想法，但不会成为发明人或共同发明人。Revised Inventorship Guidance, 90 Fed. Reg. at 54,637.

USPTO 通常推定申请数据表或宣誓/声明中列名的发明人为真实发明人。然而，如果申请将 AI 系统或其他非自然人列为发明人或共同发明人，指南指示审查员根据 35 U.S.C. §§ 101 and 115 驳回所有权利要求，或采取其他适当行动。Revised Inventorship Guidance, 90 Fed. Reg. at 54,637.

拥有或操作 AI 系统本身并不能证明构思，修订指南也没有把已撤销的 2024 年提示词和选择输出启发式规则保留为类别规则或安全港。提示、选择输出、修改结果、测试和验证，只有在证据有助于证明自然人对所要求保护发明的每一项限定具有完整的心理图景并能够具体描述时，才有意义。See id.; In re Jolley, 308 F.3d 1317, 1323 (Fed. Cir. 2002). 该分析仍然是事实密集型并与权利要求绑定的。

修订指南适用于实用、外观设计和植物专利及申请。外观设计专利发明人资格采用与实用专利相同的标准。对于植物专利，自然人必须对创造该植物作出贡献；仅认识到其独特性并进行无性繁殖是不够的。Revised Inventorship Guidance, 90 Fed. Reg. at 54,637.

中国实施细则将发明人定义为对发明的实质性特点作出创造性贡献的人。仅组织工作、便利物质条件的利用或从事其他辅助工作的人员不是发明人。PRC Implementing Regs. art. 14 (2023). CNIPA 的 DABUS 复审决定认为，AI 系统缺乏持有与发明人身份相关的人身权和财产权所需的民事地位，发明人必须是通过人类智慧和才能完成发明的自然人。Reexamination Decision No. 1373038, Application No. 201980006158.0 (CNIPA 2024) (published Aug. 13, 2024).

2025 年修订现在明确规定发明人必须是自然人，所有发明人的身份信息必须真实，不得填写组织名称或 AI 名称。CNIPA Order No. 84, pt. I. CNIPA 的 AI Guidelines 区分了 AI 辅助发明和 AI 生成发明：前者由自然人作出实质性创造贡献，后者在没有人类实质性贡献的情况下产生。CNIPA AI Guidelines pt. II. 对后者而言，现行法没有合格的 AI 发明人；没有作出必要贡献的人不能仅为维持申请而被列名。

因此，发明人资格记录应被视为提交申请流程的一部分。开发团队应保存同时期证据，以显示哪一自然人形成了每一项所要求保护发明的明确、固定构思，知晓其限定，并能够具体描述。提示词、输出、评估记录、修改和验证结果可以作为该证据的一部分保存，但它们本身均不能独立证明构思。律师应在首次优先权申请前审查发明人资格，并在权利要求发生变化时再次审查。

优先权和利益主张需要特别注意。根据该通知公布的政策，较早提交的申请和较后的美国申请必须列名同一自然人发明人，或者至少具有一名共同的自然人共同发明人。因此，以 AI 系统为唯一发明人的外国申请不能支持美国优先权主张。如果外国申请同时列名自然人和非自然人，则美国申请数据表应仅识别自然人，其中包括至少一名与外国申请共同的自然人。依据 35 U.S.C. § 371 进入国家阶段时也适用同一做法。Revised Inventorship Guidance, 90 Fed. Reg. at 54,637.

IX. 中国的 AI 伦理审查

中国明确的伦理审查是最显著的实体差异。第五条规定，对违反法律、社会公德或者妨害公共利益的发明，不授予专利权。PRC Patent Law art. 5(1). 2025 年指南修订将该条款具体适用于数据获取、标签管理、规则设定、推荐或决策逻辑含有违法、不道德或损害公共利益内容的 AI 和大数据申请。CNIPA Order No. 84, pt. VII, § 6.1.1.

这些示例有意保持具体。一个示例要求保护一种零售床垫销售系统，其捕获人脸图像并进行身份识别以开展定向营销，但未证明合法获取或个人同意。由于数据实践嵌入在方案之中，而非仅仅是附带用途，该申请不符合第五条。另一个示例构建自动驾驶车辆紧急决策模型，根据行人的年龄和性别分配碰撞优先级。CNIPA 将该歧视性规则本身视为违反社会公德。Id. exs. 1–2.

边界很重要。实施细则第十条规定，不能仅因发明的实施为法律所禁止，就认定该发明违反第五条。PRC Implementing Regs. art. 10 (2023). 更强的第五条问题发生在违法性或不道德决策逻辑被内置于所要求保护的方案或必要公开之中，而不是任何合法技术可能被违法部署的所有情形。合规模板语不能补救其运行本质上要求秘密数据收集或歧视性规则的方案，但申请也不需要成为一般监管论文。当合法数据来源、同意、去标识化、授权或偏见控制在技术上真实且相关时，应准确加以描述。

美国专利审查没有可比的一般 AI 道德性筛选。可专利性并不授权商业实施，也不会取代隐私、反歧视、医疗器械、出口管制或其他实体法。关于诚信、签名、保密和核验的职业义务，同样不应被重塑为基于道德性的 § 101 法理。See 37 C.F.R. §§ 1.56, 11.18.

医疗 AI 在中国还涉及单独的法定叠加层，因为疾病的诊断或治疗方法被第二十五条第一款第三项排除。PRC Patent Law art. 25(1)(3). 指向设备、系统、图像处理操作或中间技术结果的权利要求，可能需要不同于终点为诊断判断本身的权利要求的分析。在美国，医疗 AI 则面对普通 § 101 框架，包括关于自然规律和诊断相关性的单独判例法。

X. 权利要求形式与协调撰写策略

AI 开发是一个生命周期，而不是单一的“处理”步骤。在有支持的情况下，专利组合应考虑分别针对数据获取和预处理、模型构建和训练、部署和推理、输出驱动的技术控制、监测和再训练、回滚、分布式边缘或云执行以及专用硬件进行权利要求布局。目的不是为了数量而堆叠。目的在于围绕实践系统不同部分的主体设置可执行的权利要求组：模型开发者、训练平台提供者、云推理提供者、设备制造商和企业部署者。

在美国，常见形式包括方法、系统或机器，以及非暂时性计算机可读介质权利要求。仅指向无形信息或暂时性信号的权利要求仍然存在问题。中国允许方法、装置、计算机可读存储介质和计算机程序产品权利要求。其 2023 年指南修订明确，计算机程序产品可以作为软件产品被要求保护，而不必限于物理存储介质。CNIPA Guidelines pt. II, ch. 9, § 5.2.

共同说明书应从具体技术问题开始。它应识别解决该问题的具体架构、训练、数据转换、资源分配或控制机制，并解释其为何产生技术效果。它应在多个层级提供后备方案：系统布置、模型模块和连接、训练步骤和参数、输入和输出定义、预处理、部署以及推理后动作。比较性能数据应采用有意义的基线，并识别负责该改进的权利要求特征。

独立权利要求不必记载每一个实现细节，但不应省略使发明区别于通用 AI 的唯一特征。在美国，这种省略会引来 Recentive 和 Dental Monitoring：说明书可能承诺一种改进，但权利要求覆盖任何能够产生期望结果的合适模型。在中国，同样的省略可能使算法特征无法对创造性作出贡献，或使权利要求缺少必要技术手段。最安全的共同原则很简单：把产生贡献的机制写入权利要求，并公开不止一种实现方式。

随后，特定法域的审查答复应强调同一公开中的不同部分。美国答复应识别所要求保护的技术实现，区分通用用途领域案件，并解释权利要求如何改进模型、计算机或其他技术运行。在事实有帮助时，申请人可以自愿依据 37 C.F.R. § 1.132 提交 Subject Matter Eligibility Declaration（“SMED”），提供关于申请日技术水平、本领域技术人员对原始公开的理解或与所要求保护改进相关的客观结果的证据。审查员备忘录中的 AI 示例使用针对所公开神经网络架构的比较回归测试。U.S. Pat. & Trademark Off., Subject Matter Eligibility Declarations: Memorandum to the Patent Examining Corps 2–5 (Dec. 4, 2025) [hereinafter SMED Corps Memorandum]. 证据必须与权利要求存在关联，且不能补充原始公开中本应包含的信息；关于最终法律结论的意见没有权重。Id. at 3. 正当提交的证据必须按照优势证据标准与整个记录一并考虑，但它不是安全港，也不控制结果。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).

中国答复应阐明技术问题、技术手段和技术效果；识别自然规律关系或计算机内部关系；并将所要求保护的算法特征与其相互作用的技术特征相连接。作出该说明所需的架构、训练参数和输入—输出关系必须存在于原始申请中。面向中国的申请还应在提交前进行第五条审查，而不是在说明书已经承诺存在问题的数据或决策架构之后再审查。

直译不是权利要求协调。training、inference、parameter、feature、label、embedding、model 和 output 等术语应在不同语言中保持稳定的技术含义，而独立权利要求应根据各专利局的法律测试和当地侵权现实进行调整。在公开前提交申请、保存发明人资格和模型开发记录、并使优先权说明书同时满足两国公开要求，比强求相同权利要求文字更重要。

XI. 结论

该比较并不支持一个简单结论，即某一法域在类别上对 AI 专利更友好。美国法突出适格性，并越来越多地询问权利要求是否改进 AI 或计算机运行，而不是仅仅部署熟悉的分析工具。中国法则通过技术方案要求、创造性和公开处理许多相同问题，同时加入明确的伦理和数据治理审查。

法理词汇不同，但通用功能性权利要求在两个制度下都很脆弱。“使用 AI 生成优化结果”既没有识别发明，也没有识别发明人。稳健的权利要求应识别技术输入、具体模型或训练适应、输出驱动的动作，以及将这些要素连接到可测量技术结果的机制。说明书随后必须公开足以支持该范围的细节，记录也必须识别根据美国法构思所要求保护发明的自然人或自然人群体，以及根据中国法对其实质性特点作出必要创造性贡献的人。

AI 辅助本身不会否定可专利性，AI 的存在也不会确立可专利性。在美国，普通自然人构思标准适用，不作 AI 特定修改；在中国，自然人必须作出规定的创造性贡献。在两个法域中，发明还必须在技术上具体，并且得到充分公开。