前言

人工智能（Artificial Intelligence, AI）是当今发展最快的技术领域之一,随着生成式人工智能、大模型技术的突破，涉人工智能专利申请量正在以超乎想象的速度增长。全球生成式人工智能（Generative AI, GenAI）发明专利族仅2024-2025两年的公开量即超过2014-2023十年总和，中国为全球第一大GenAI专利来源国。[1]截至2026年4月，我国拥有全球约60%的人工智能专利[2]，成为全球拥有人工智能专利最多的国家。

与此同时，涉人工智能专利也引发了一系列问题：AI生成发明的发明人应如何认定，AI方案能否构成专利保护的客体，创造性判断标准应如何适用于AI相关发明，等等。《人工智能相关发明专利申请指引》的发布和《专利审查指南》（下称《指南》）的修改，推动中国AI专利申请的审查环境和规则日趋成熟。随着使用AI不再构成技术壁垒、AI专利量爆发式增长，AI相关专利的工作重心也将从增加申请量转向能否授权、如何布局、可否维权。

基于上述背景，本文分以下四个部分展开：一、AI相关专利的全球趋势；二、AI相关专利的发明人身份认定；三、AI相关专利审查规则及实务建议；四、AI相关专利的布局探析。

一、AI相关专利的全球趋势

全球AI专利活动在过去十余年呈爆发式增长。斯坦福《AI指数报告2026》显示，全球AI专利授权量从2010年的3,866件攀升至2024年的131,121件，十四年间增长近34倍。[3]世界知识产权组织（WIPO）数据显示，2025年全球公开的AI专利族已超过43.5万个，其中GenAI约3.78万个，较前一年度近乎翻倍。[1]截至2025年4月，全球AI专利申请量约408.6万件[4]，与此同时，全球AI专利授权量于2025年首次突破10万件里程碑，达到107,279件，较三年前增长83%。[5]2025年公布的AI专利已占全球全部专利公开量的17%以上[6]，可见人工智能已成为当前技术创新的核心发源地。

技术领域层面，计算机视觉、自然语言处理、语音识别合计领域申请合计约占全部AI申请的六成，机器人、自治系统、医疗AI领域申请合计约占四分之一，构成AI专利的主要部分。[7]日本特许厅2025年国际调查揭示了更细颗粒度的格局，包括人工智能核心技术、图像处理、自然语言处理、神经网络（CNN）、卷积神经网络、循环神经网络（RNN/LSTM）、深度强化学习以及 TRANSFORMER 架构技术。[8]在GenAI子集内部，大语言模型已取代生成式对抗网络成为最大模型类别，图像与视频在其中占主导地位，而分子、基因与蛋白类数据专利虽规模不大，但是是增长最快的领域之一[1]，预示AI与生命科学的交叉正在形成新的专利增长点。

申请主体方面，截至2025年，AI专利申请量前十包括多家中国企业、多家日本企业、一家美国企业和一家韩国企业，按数量从高到低依次为百度、腾讯、三星、IBM、佳能、平安科技、日本电气、富士通、东芝、浙江大学, 申请量方面呈现东亚与美国企业主导的竞争格局。被引数大于50的高影响力AI专利申请量前十则包括七家美国企业、两家日本企业和一家韩国企业，按数量从高到低依次为微软、IBM、谷歌、苹果、三星、索尼、亚马逊、佳能、英特尔、高通。[9]申请人结构逐渐呈现多元化，AI专利所有者已从互联网公司扩展至平安科技、浙江大学等产业部门，表明AI技术正从数字领域向金融、高校等部门广泛渗透。

地域格局方面，呈现一超多强、欧洲掉队的局面。按授权量计，截至2024年，中国占全球AI专利授权量的74.24%，美国占12.06%，欧洲仅2.95%，印度0.4%，美国份额较2015年的峰值42.8%已大幅回落。[3]按申请量计，截至2025年4月，全球AI专利申请量约408.6万件，中国约157.6万件，占全球申请量的38.58%，位居全球首位。[4]GenAI专利子集中，中国以61.03%占比领先，美国占13.93%，韩国占6.04%，分列第二、第三位。[10]在高被引专利方面，美国存在显著优势，中国虽已储备了相当数量的高被引专利，但整体数量上仍存在明显差距[9]，需从数量向质量寻求转变，尤其是核心底层技术方面的高价值专利仍需加强。

二、AI相关专利的发明人身份认定

AI相关专利包括涉及AI算法或模型本身的专利、涉及基于AI算法或模型的功能或领域应用的专利、涉及AI辅助作出的发明的专利、以及涉及AI生成的发明的专利。对于涉及AI辅助作出的发明的专利和涉及AI生成的发明的专利，由于其发明过程利用了AI，发明人身份如何认定是一个热点问题。根据我国现行法律法规和案例，发明人必须是自然人，AI无法作为发明人享有专利权。

《专利法实施细则（2023修订）》第十四条规定“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。”《指南》第一部分第一章第4.1.2节规定“发明人应当是个人（即自然人），请求书中应当填写所有发明人的身份信息，并确保信息真实。请求书中不得填写单位或者集体，以及人工智能名称。”可见，发明人应当是自然人，不能是AI，且需对发明创造的实质性特点作出创造性贡献。据此，对于AI辅助作出的发明，对发明创造的实质性特点作出了创造性贡献的自然人可以作为专利发明人，而单纯由AI生成的发明则在当前法律背景下无法作为专利保护。

美国发明家Stephen Thaler曾主张其自行开发的DABUS AI系统自主生成了两件发明，将DABUS作为唯一发明人提交了两件PCT申请,并请求进入18个法域，由此引发全球性的DABUS测试。截至目前，多个法域（包括中国、美国、英国、EPO、日本、韩国、澳大利亚等）均认定AI不能作为发明人，南非虽通过形式登记，但其登记制度未经过实体审查，因此实际上并未对AI能否作为发明人进行审查。在中国，国家知识产权局作出复审决定（案号：1373038；专利号：201980006158.0），认定：民法规定的民事主体是“自然人、法人和非法人组织”三种类型，而DABUS是申请人声称的“人工智能系统”，不属于民法规定的三种民事主体之一，不能作为民事主体享有专利法上发明人相关的财产权利和人身权利，因此无法在专利行政审批程序中被确定为发明人，《专利法实施细则》第十三条规定的发明人，应当是通过自己的智慧和才能完成发明创造的自然人。[11]

可见，AI能否作为发明人这一问题目前几乎在各个法域均被拒绝，涉及AI辅助作出的发明的专利中人类贡献的证明和认定仍存在争议，企业应建立AI辅助研发的记录制度，留存人类对问题提出、方案设计、输出筛选和改进的贡献证据，以应对未来可能的审查问询与诉讼挑战。未来，随着AI技术的高速发展，AI自主生成符合专利实质授权条件的技术方案亦存在可能，届时AI能否作为发明人可能会引发进一步的探讨。

三、AI相关专利审查规则及实务建议

2025年11月，国家知识产权局发布《专利审查指南》最新修改（2026年1月1日起施行），首次以“人工智能、大数据”为主题设立专门章节，围绕伦理审查、客体适格性、说明书充分公开和创造性判断四个维度构建了系统化的审查框架。2024年12月发布的《人工智能相关发明专利申请指引（试行）》则细化了实务操作规则。2026年9月，最高人民法院发布《最高人民法院关于依法审理涉人工智能纠纷案件的意见》，明确规范涉人工智能发明创造的专利授权确权行为，与国家知识产权局的在先要求相呼应。

1. 伦理审查

在法律法规层面，《指南》第二部分第九章新增第6.1.1节，明确“对于包含算法特征或商业规则和方法特征的发明专利申请，如果其中的数据采集、标签管理、规则设置、推荐决策等含有违反法律、社会公德或者妨害公共利益的内容，则根据《专利法》第五条第一款的规定，不能被授予专利权”。此外，修改在第6.1节将审查对象从权利要求扩展至说明书，要求“必要时应当针对说明书的内容进行审查”。

究竟何种情形不满足伦理审查，对此《指南》给出了两个反面示例。示例1要求保护“一种基于大数据的商场内床垫销售辅助系统”，通过摄像头和人脸识别模块在顾客不知情的情况下采集面部特征信息并得到身份识别信息，以评估顾客偏好并辅助营销。然而，《个人信息保护法》规定在公共场所收集的个人图像、身份识别信息只能用于维护公共安全的目的，不得用于其他目的，取得个人单独同意的除外。示例1中的图像采集和人脸识别并非维护公共安全所必需，申请中也未表明数据获取或者信息采集合法、合规，因此违反了《个人信息保护法》的规定。示例2要求保护“一种无人驾驶车辆应急决策模型的建立方法”，依据行人的性别和年龄作为障碍物数据，通过训练模型确定无法避让障碍物情况下的被保护对象和被撞对象。然而，这种情形与公众对于生命面前人人平等的伦理道德观念相违背，并且会强化社会中存在的性别和年龄偏见，破坏公众对科技和社会秩序的信任，属于违反社会公德的发明创造。

新的修改为伦理审查提供了可操作的实质审查标准。对实务工作者而言，在撰写和申请阶段需排查数据来源、应用场景、算法逻辑、模型构建、安全管理、使用规范是否合法、危害公共安全、存在歧视性规则、违背社会基本道德观念、妨害公共利益。若方案涉及敏感属性决策，应在说明书中补充伦理约束或说明，否则可能无法满足审查要求。

2. 客体适格性

客体适格性审查一方面应排除《专利法》第二十五条第一款第二项的“智力活动的规则和方法”，另一方面需满足第二条第二款关于“技术方案”的规定。

排除智力活动规则和方法

智力活动的规则和方法是指导人们思维、表述、判断和记忆的规则和方法，具有抽象思维的特点。《专利法》第二十五条第一款第二项明确将“智力活动的规则和方法”列为不授予专利权的情形。《指南》第二部分第九章第6.1.2节进一步规定，如果权利要求涉及抽象的算法或者单纯的商业规则和方法，且不包含任何技术特征，则属于该条款的排除范围。

基于此，如果权利要求既包含智力活动的规则和方法，又包含技术特征，该技术特征并非仅体现在主题名称中，则不属于单纯的智力活动的规则和方法，反之，如果仅涉及抽象数学理论或数学算法，不包含任何技术特征，则属于智力活动的规则和方法。例如，一种基于抽象算法且不包含任何技术特征的数学模型建立方法、或一种根据用户的消费额度进行返利的且不包含任何技术特征的方法均属于单纯的智力活动的规则和方法。

该条款的审查重心在于识别方案的核心贡献是否停留在抽象规则层面。若权利要求仅记载纯数学算法、通用数据分类或商业返利规则，而未与具体技术领域的数据、硬件或流程相结合，则极易落入该条款的规制范围。对此，应避免仅以算法步骤或商业规则作为方案核心，须将算法特征与具有确切技术含义的数据处理（如图像信号、传感器数据）或硬件环境（如AI芯片、计算机）相结合，使算法执行直接体现利用自然规律解决技术问题的技术手段。

满足技术方案的规定

《专利法》第二条第二款规定，发明是指对产品、方法或者其改进所提出的新的技术方案。审查指南第二部分第九章第6.1.3节将其具体化为“技术三要素”审查标准，即方案是否对要解决的技术问题采用了利用自然规律的技术手段，并获得符合自然规律的技术效果。

具体情形通常包括三类。第一，AI算法或模型处理的是具有确切技术含义的数据（如图像、语音数据），算法或模型对数据的处理直接体现技术三要素，如方案对图像、语音特征的处理能够解决识别物体并分类的技术问题且获得相应的技术效果。第二，AI算法或模型与计算机系统内部结构存在特定技术关联，解决了提升硬件性能的技术问题，并相应获得计算机系统内部性能改进的技术效果，如为支持特定算法或模型的运行而调整计算机系统的体系构架或相关参数、针对特定的计算机系统内部结构或参数对算法或模型作出适应性改进。值得注意的是，即使计算机系统的硬件结构本身并未发生改变，但是方案通过整体上能够获得计算机系统内部性能改进的技术效果，依然满足存在特定技术关联，处理器、存储器等常规载体即便写入权利要求中，通常也与算法或模型较难产生特定技术关联。第三，AI算法或模型处理的是具体应用领域的大数据，挖掘数据中符合自然规律的内在关联关系，解决具体应用领域的技术问题并获得相应的技术效果。该类规则较为抽象，举例而言，示例3要求保护一种食品安全风险预测方法，其基于食品会随时间而变化的固有特点来预测食品安全风险，从而基于与食品安全风险相关的实体数据训练预设神经网络，以此预测待预测时刻的食品安全风险，即利用了遵循自然规律的技术手段，解决了预测未来时间点的食品安全风险不够准确的技术问题并获得相应的技术效果。但是，如果AI算法或模型挖掘出的内在关联关系仅体现经济规律或社会规律，则不属于自然规律的情形。

技术三要素的核心在于相互作用，算法或模型不能仅进行孤立的数学运算，而须作为技术手段的组成部分，与具体技术领域中的硬件、数据或流程形成不可分割的整体。对此，申请时应完整构建体现技术三要素的内容，清晰界定技术问题，详细记载算法或模型对具有技术含义的数据进行处理、对计算机系统内部结构进行改进、与具体应用领域结合的技术手段，并具体量化技术效果。仅笼统声称利用AI提高效率，而未披露算法与数据、结构结合的具体机制，既可能触发客体适格性质疑，也可能在后续确权或维权程序中因权利要求解释不清而陷于被动。

3. 说明书充分公开

《专利法》第二十六条第三款要求说明书对发明作出清楚、完整的说明，使所属技术领域的技术人员能够实现。然而，AI算法或模型常具有黑箱特性，输入与输出之间的逻辑关系可能并不透明、内部推理过程较难阐明。对此，《指南》第二部分第九章第6.3.3节列举示例细化了充分公开的标准。

例如，示例4要求保护“一种用于生成人脸特征的方法”，第一卷积神经网络中可以设置有空间变换网络，用于确定人脸图像的特征区域，虽然说明书中并未记载该空间变换网络在第一卷积神经网络中的具体设置位置，但是《指南》认为空间变换网络作为独立模块可嵌入任意位置、不影响功能和效果实现，故公开充分。相反，示例5要求保护“一种基于生物信息预测癌症的方法”，说明书将血常规、人脸图像特征等共同作为模型输入，却未披露哪些指标与恶性肿瘤相关、人脸特征与癌症有何关联，因此认定该方案无法让技术人员具体实施，公开不充分。

可见，说明书无需堆砌所有算法细节，但需要充分公开实现方案必不可少的技术内容，算法改进与模型训练类申请需记载必要的算法步骤和训练过程，模型构建与硬件架构类申请需记载必要的模块结构、层次结构和连接关系，具体领域应用类申请需记载模型与场景的结合方式及输入输出数据的关联性。

值得一提的是，当发明的核心价值恰恰在于训练数据的选择、模型权重的优化等，而这些内容一旦写入说明书即丧失保密性且难以通过公知常识补全时，通过商业秘密来保护成为重要的替代选择。最高人民法院在翎某公司诉纸某公司等侵害商业秘密纠纷案（（2023）最高法知民终1503号）中明确认定翎某公司通过Gitlab系统管理的训练代码及海量标注图像数据库构成商业秘密[12]，首次从最高人民法院层面确认了AI模型训练素材和训练代码可以作为商业秘密获得保护。

4. 创造性判断

创造性审查仍依据《专利法》第二十二条第三款，《指南》第二部分第九章新增了两个示例，为创造性判断提供了更清晰的指引。

示例6要求保护“一种识别船只数量的方法”，将现有神经网络直接用于识别船只数量，区别仅在于识别对象的不同，应用场景与处理对象的变化未对算法或模型进行改进，被认为不具备创造性。示例7要求保护“一种建立废钢等级划分神经网络模型的方法”，针对废钢图像的特定属性（形状、厚度）调整了神经网络的层级和参数设置，算法特征与技术特征在功能上相互支持、存在相互作用关系，故具备创造性。

涉及AI的技术方案通常包括模型设计、模型训练、模型应用三个阶段，模型设计侧重结构创新，模型训练侧重参数和步骤优化，模型应用侧重与具体场景结合的技术效果。若方案对算法或模型进行了调整，解决了特定的技术问题并获得相应的技术效果，则通常具备创造性；若方案的改进仅在于场景替换，创造性判断则应考虑场景替换的难度、是否存在技术启示、是否需克服技术困难、是否带来预料不到的技术效果；若方案实现了对计算机系统内部性能的改进，且现有技术未给出技术启示，则通常亦具备创造性。对此，申请时应重点体现算法或模型特征与技术特征之间存在彼此相互支持、相互作用关系，写明对算法或模型本身进行了何种改进、克服了哪些技术困难、取得了何种预料不到的技术效果、与计算机系统内部存在哪些技术关联，而不能仅仅简单强调算法或模型效果更优。

四、AI相关专利的布局探析

1. 评估并选择合适的保护路径

诚然，专利是对AI技术成果进行保护的一个重要选项，但非唯一选项。相应地，有必要在申请前评估和选择合适的保护路径：若发明的技术贡献可通过模型架构、处理流程、输入输出关联等方式被充分描述，满足伦理审查和客体适格性要求，不依赖于难以公开的训练细节即可被技术人员实现，且容易被竞争对手反向，则应选择专利保护，以获取排他权和法定公示效力；若发明的技术贡献在于算法核心逻辑、模型权重参数、参数配置等难以反向工程的技术，且这些内容一旦披露即导致竞争优势丧失，则宜将其作为商业秘密保护，考虑仅将外围应用方法或系统架构申请专利，形成“外围专利+核心商业秘密”的复合布局;源代码、工具库等亦可通过软件著作权进行保护；AI芯片内部的互联线路、三维配置也可申请集成电路布图设计。

2. 基于技术类型进行差异化布局

算法改进与模型训练类

此类技术贡献常在于算法设计、算法步骤优化、训练方法设计、训练过程改进等。布局时应避免仅描述抽象的算法和训练过程，注意与具体技术领域的数据、硬件或流程相结合，并形成整体技术方案，清楚写明算法或训练的具体步骤、参数设置、优化重点、实验结果及技术效果等。此类技术容易涉及企业的隐形技术秘密，建议审慎评估是否对外公开，并相应选择以专利或商业秘密的形式进行保护。

模型构建与硬件架构类

此类技术贡献在于模块结构、层级关系或连接关系的改进，通常涉及可授权的硬件技术方案，且相对容易被反向，适宜通过专利进行保护。布局时应注意核心模块和外围模块层层递进，结合结构图、流程图清楚描述技术方案，并尽量避免纯功能性限定。若权利要求仅进行功能性限定而未限定结构关联关系，在后续侵权比对中可能会被限缩解释，如在小i机器人案中，权利要求中的“即时通讯平台”和“格式化语句”这两个存在功能性描述的技术术语的解释边界最终决定了侵权诉讼的成败。[13]

具体领域应用类

此类技术贡献在于AI模型与不同具体垂直场景的结合，布局时应明确模型如何与具体应用场景结合、输入输出数据如何设置、二者之间的技术关联如何体现、场景替换的难度、克服了何种技术难题、带来了何种预料不到的技术效果。

3. 从授权到诉讼的全周期管理

专利维权常面临授权易、诉讼难的难题，AI专利同样如此，如小i机器人案历经十四年确权之诉获得胜利，却因两个技术特征的权利要求解释问题在侵权诉讼一审落败，这一案例也体现了布局与维权之间的脱节。建议在申请阶段即嵌入维权思维：预判未来可能的侵权形态，既要避免过度上位概括导致在无效程序中被现有技术覆盖，又要避免为追求授权而过度缩小保护范围；权利要求进行多样化类型布局，对算法实施方主张方法专利侵权，对终端产品方主张装置或系统专利侵权；进行多法域布局，考虑在竞争对手主营地或AI技术发达法域进行布局，以紧跟全球化诉讼的趋势。同时，留存AI辅助研发的记录，以备证明人类发明人对实质性特点作出的贡献。 

结语  

随着AI技术的快速发展，相信未来AI专利申请量会持续增长，在审查规则日趋完善、商业秘密保护日益强化的背景下，AI技术的保护重点不仅仅在于提高专利申请量，也在于精准布局高价值权利组合，让适合公开的技术充分公开，需要保密的技术严格保密，构造在需要时能够成为可执行的法律武器的高价值专利。

参考材料：

[1] World Intellectual Property Organization (WIPO) (2026). Patent Trends Update in GenAI. Geneva: WIPO. DOI 10.34667/tind.60252.

[2] 新华网，“科学与健康丨专利量质齐升中国AI跑出‘加速度’”， https://3600.uk/VrQi。

[3] Sha Sajadieh, Loredana Fattorini, Raymond Perrault, Yolanda Gil, Vanessa Parli, Lapo Santarlasci, Juan Pava, Nestor Maslej, Russ Altman, Erik Brynjolfsson, Carla Brodley, Jack Clark, Virginia Dignum, Vipin Kumar, James Landay, Terah Lyons, James Manyika, Juan Carlos Niebles, Yoav Shoham, Elham Tabassi, Russell Wald, Toby Walsh, Dan Weld. “The AI Index 2026 Annual Report,” AI Index Steering Committee, Institute for Human-Centered AI, Stanford University, Stanford, CA, April 2026. https://arxiv.org/abs/2606.15708.

[4]国家知识产权局，“江苏人工智能产业专利白皮书发布”， https://www.cnipa.gov.cn/art/2025/4/21/art_57_199073.html。

[5] Digital Science, “IFI CLAIMS: AI Patents Break 100,000 Grants Milestone”, https://3600.uk/HhoU.

[6] EconSight, “AI dominates the patent landscape”, https://www.econsight.com/ai-publications-2000-2025/.

[7] Ananmay Lohia, Haron K, Mohith D, Dr. Chitra B T, "Navigating Intellectual Property and Patent Challenges in AI Startups: A Comprehensive Legal, Statistical, and Strategic Analysis," International Journal of Scientific Research in Engineering and Management, vol. 10, no. 5, pp. 1-8, May 2026. https://doi.org/10.55041/IJSREM64071.

[8] 北美智权报，“日本专利局揭示AI领域全球专利竞争态势：中国压倒性领先，日本医疗应用另辟蹊径”，https://3600.uk/JoH4。

[9] 湖北省知识产权局，《湖北省人工智能产业专利导航报告》，https://3600.uk/1v6p。

[10] IPR Daily，“中国生成式AI专利领跑全球！大为发布由AI生成的《生成式人工智能2024年度报告》”，https://www.iprdaily.cn/news_39882.html。

[11] 国家知识产权局，“【十大案件】‘食物容器和吸引增强注意力的装置和方法’发明专利申请复审请求案”， https://www.cnipa.gov.cn/art/2024/8/13/art_2648_194170.html。

[12]（2023）最高法知民终1503号判决书。

[13] 知产库，“苹果Siri被诉100亿案一审判决”， https://mp.weixin.qq.com/s/kH-BuW-VKfadAm8nnpVVkw。

特别声明：本文仅供参考，不构成律师的正式意见，不应被看作是采取任何法律行动或进行法律决策的依据。文中所述仅代表作者个人观点，并不反映作者所服务的任何机构或客户的立场。