摘要：近年来，随着算法突破、算力提升以及大数据支撑，人工智能技术获得飞速发展，其相 关的专利、技术秘密、开源代码等知识产权保护问题也引起空前重视。本文将针对其中 的专利保护进行探讨，并重点从人工智能专利侵权诉讼中常常面临的侵权举证难、侵权 主体认定难等困境，尝试探索人工智能算法的专利保护策略。从降低权利人侵权举证责 任的角度考虑，专利撰写时应尽量保证技术特征的可视化，并善用当前法律框架下的举 证责任分配规则及举证途径。为降低侵权主体认定难度，建议布局多种保护主题，以全 面保护，且方法权利要求尽可能限定由单一主体实施。

关键词：人工智能 模型 侵权举证 侵权主体认定 专利布局

近年来，随着算法突破、算力提升以及大数据支撑，人工智能技术获得飞速发展，其相关的专利、技 术秘密、开源代码等知识产权保护问题也引起空前重 视。本文将针对其中的专利保护进行探讨，并重点从 人工智能专利侵权诉讼中常常面临的侵权举证难、侵 权主体认定难等困境，尝试探索人工智能算法的专利 保护策略。

一、人工智能算法专利保护现状及挑战

根 据 2019 年 WIPO 发 布 的《Technology Trends 2019 ：Artificial Intelligence》，以及 2021 年 中 国 电子 技术标准化研究院发布的《人工智能标准化白皮书》， 人工智能技术的创新方向可以区分为 AI 底层实现技 术、AI 功能性应用技术、AI 产业应用技术，具体如 下图 1 所示。

图1 人工智能的创新方向

AI 底层实现技术对于不同功能性应用和产业应 用通常具有通用性，例如一种机器学习算法可以执行 语音识别、人脸识别等不同功能，而这些功能又可以 应用于医疗、交通等多种领域。功能性应用和产业应

用的技术创新也往往依赖底层技术的改进。因此，人 工智能的重点是底层实现技术，核心是底层实现技术 中的 AI 算法。从专利保护的角度，为获得较大保护 范围，即便是功能性应用甚至产业应用的技术方案，申请人通常也倾向在权利要求书中体现算法，从而出现人工智能专利大多是保护算法的局面。

对于人工智能算法专利的保护，面临如下多种 挑战，本文将针对其中的侵权举证和侵权主体认定进 行重点探讨。

是否属于专利保护的客体？

如何判断专利的创造性？非技术特征是否具有 技术贡献？

专利是否充分公开？ “黑盒子”算法是否具有 可再现性（实用性）？

专利侵权的可识别性：后台算法如何取证？侵权 主体如何确定？管辖地如何确定？

人工智能是否可以作为发明人？

人工智能是否会提升本领域技术人员的技术 水平？

二、从侵权举证反观人工智能算法专利保护

由于算法往往至少一部分步骤在后台实施，且 后台计算机系统由使用者所控制，这对专利权人进行 维权取证带来极大挑战。为应对人工智能算法专利侵 权的举证困境，本文尝试从专利撰写、举证规则以及 技术保护形态三方面提出应对意见，供读者参考：

（一）专利撰写时尽量保证技术特征的可视化

为了降低侵权举证难度，撰写专利时应尽量保 证技术特征的可视化。具体地，可以先预设出侵权判 定场景，并按照该场景中的可感测到的技术特征以及 对比过程来启动权利要求的撰写，以最大程度争取各 技术特征是可检测到的，在侵权诉讼中可向法官进行 技术对比直观演示。对于人工智能算法的权利要求， 可以从以下角度考虑增强技术特征可视化。

1. 当算法改进在于模型时，优先考虑布局模型应 用权项

如下图 2 所示，人工智能算法的实现过程主要涉 及模型训练和模型应用两阶段，两者既存在交集也存 在差异。通常，模型训练可能一次性完成，且一般仅 在后台完成，而训练好的模型则可能被重复应用，且 应用过程有可能在前端实现。因此，模型应用专利相 比模型训练专利更易取证。

图2 人工智能算法的实现过程

1. 当算法改进不在于模型时，考虑将模型视作黑 盒处理

人工智能算法改进可能仅在于模型训练阶段的数 据清洗、特征提取，模型应用阶段的数据采集、特征 提取，或者转用至特殊场景等，而不涉及模型本身的 结构或参数。此时，可以将模型当作黑盒处理（例如， “提取样本会话信息的多模态数据特征后输入机器学 习模型”），或者直接将模型作隐去处理（例如，“根 据样本会话信息的多模态数据特征确定会话类别”）， 而只需强调模型的输入和输出。相比模型内部结构或 参数，基于模型的输入数据和输出数据，更易取证。

1. 具体特征限定表述，尽量选择前端可展示的结 果进行保护

例如，对用户行为进行分析。对涉及内部处理 的权利要求，可以从前端功能显示的角度撰写技术特 征；对于方法或流程权利要求，撰写涉及状态或结果 的技术特征；避免使用否定性的消极技术特征。

（二）善用当前法律框架下的举证责任分配规则 及举证途径

1. 积极利用证据保全、法院调查取证

适用于专利侵权诉讼的调查取证方式主要包括 以下四种 ：自行取证和委托律师调查取证、委托公证 机关进行公证取证、申请法院进行证据保全或调取证 据、申请行政机关调查取证。如上文所述，人工智能 专利侵权往往存在于后台，而作为终端用户缺乏购买 侵权产品的合法渠道，专利权人自行取证或委托律师 调查取证的难度均非常大。而公证取证一般适用于对 通过公开渠道可以购买的产品进行取证，或针对普通 民众可以进入的场景进行取证等情形。对于部署在对 方当事人机房的 AI 算法侵权取证等取证场景，公证 取证通常也同样无能为力。

根据《中华人民共和国民事诉讼法》第八十四 条第一款和第二款以及第六十七条第二款的规定，在 符合法定条件的情况下，当事人可以申请法院进行证 据保全或调取证据。根据《专利行政执法办法》第 三十七条规定，在专利侵权纠纷处理过程中，当事人 因客观原因不能自行收集部分证据的，可以书面请求 管理专利工作的部门调查取证。相较于自行取证或公 证取证，法院证据保全和行政部门调查取证的方式在 人工智能算法专利侵权诉讼中，可行性更强。

1. 善用新产品制造方法专利举证责任倒置规则

人工智能领域存在大量方法专利。对于方法专 利的侵权举证责任，原则上谁主张，谁举证，但《中 华人民共和国专利法》也开设了一种例外情形，即新 产品制造方法专利，举证责任倒置。但该制度仅适用 于新产品制造方法，不适用于作业方法、使用方法等， 也不适用于已知产品的制造方法。而人工智能模型训 练或模型应用的方法专利是否属于新产品制造方法存 在争议。一种观点认为，“模型”并非专利法意义上 的物理存在的有形产品，因而人工智能模型训练或模 型应用的方法专利不属于新产品制造方法。另一种观 点认为虽然算法模型不是专利法传统意义上的有形产 品，但由算法程序模块构成的虚拟装置作为专利法中 的产品已在 2010 年版《专利审查指南》第二部分第 九章第 5.2 节得到认可：“涉及计算机程序的发明专 利申请的权利要求可以写成一种方法权利要求，也可 以写成一种产品权利要求，例如实现该方法的装置。” 模型训练过程是是从一种算法模型转换为另一种算法 模型从而获得新算法模型的过程，是从无到有的过程， 符合产品“制造”方法的内涵。专利能够获得授权而 未因新颖性或创造性问题驳回，本身已经证明了也符 合“新”的要求，因而人工智能模型训练或模型应用 的方法专利属于新产品制造方法。

笔者倾向于后者，即人工智能模型训练或模型应 用的方法专利属于新产品制造方法。为促使人工智能 模型训练或模型应用的方法专利能够适用“新产品制 造方法专利”举证责任倒置规则，申请人可以尝试在 专利申请过程中提前布局以产品制造方法为主题的保 护权项，以便为将来在侵权诉讼中适用举证责任倒置

创造条件。例如，在《专利审查指南》第二部分第九 章第 6 节提供的示例 2“一种卷积神经网络模型训练 方法”可以优化为“一种图像识别设备的制造方法， 包括卷积神经网络模型的训练”。

在再审申请人李阳与被申请人唐山宝翔化工产 品有限公司侵害发明专利权纠纷案【(2020) 最高法民 再 183 号】中，最高人民法院指出，使用专利方法获 得的产品不属于新产品，专利权人能够证明被诉侵权 人制造了同样产品，经合理努力仍无法证明被诉侵权 人确实使用了该专利方法，但根据案件具体情况，结 合已知事实以及日常生活经验，能够认定同样产品使 用专利方法制造的可能性很大，可以不再要求专利权 人提供进一步的证据，而应由被诉侵权人就其制造方 法不同于专利方法举证。该案涉及一种“亚硫酸钠提 取方法”，虽然不属于人工智能算法专利，但为降低 人工智能算法专利权人的举证责任提供了依据。

（三）多种保护形式相结合

人工智能专利申请人可以考虑将专利与开源软 件相结合，即将算法对应的代码对外开源形成开源代 码，针对算法对应的方法申请专利，在开源代码与对 应的算法专利之间建立对应关系，从而将专利侵权举 证转化为开源软件使用行为举证，降低举证难度。当 然，该方式在应对算法专利举证困难方面也存在其局 限性，例如，很多人工智能企业并不愿意将其算法对 应的代码做开源处理，对某一主体是否使用了算法专 利对应的开源代码往往也存在较大难度。

人工智能专利申请人也可以考虑将专利与标准 相结合，即将专利方法形成为行业标准、国家标准等， 将专利侵权举证转化为标准使用行为举证，从而降低 举证难度。将专利和标准相关联，是很多企业所期望 的，但通常具有较高门槛，对多数企业而言可行性存 在较大局限。

三、从侵权主体认定反观人工智能算法专利保护

如上文所述，AI 技术的生命周期涉及数据收集、 分析、处理、应用等多个环节，不同环节可能涉及不 同的实施主体。例如，第一实体提供、清洗和标注样 本数据，第二实体构建待训练的初始模型，第三实体 基于样本数据对初始模型进行训练，第四实体基于训练好的模型形成目标产品，第五实体使用该目标产品。

示例：1. 一种基于人工智能的回复消息生成方法， 其特征在于，所述方法包括 ：获取目标用户的会话消 息 ；将所述会话消息输入多级编码器中……根据所述 多级解码器生成的解码序列，输出所述会话消息的回 复消息。

AI 技术需要依赖计算机软件来实施。上述回复 消息生成方法专利在实际应用中，往往以人机对话软 件的形式安装在硬件设备中，用户在使用该硬件设备 时触发软件在后台自动运行，使硬件设备执行上述回 复消息生成功能。在该情形中，人机对话软件提供者、 硬件设备提供者或终端用户，没有任何单独一方全部 执行了上述回复消息生成方法所有步骤和流程，在侵 权对比中难以满足全覆盖原则，严格意义上没有一个 全面使用专利方法的直接侵权人。

虽然难以证明某一方的行为构成直接侵权，但 多方主体分别实施方法专利不同步骤的行为叠加起来 看，客观上连续实施了全部受保护的专利技术方案， 产生了完整的侵权后果，尤其在方法的最后一步由众 多不知情终端用户使用的情况下，每个用户执行一次 最后的步骤都使得整个方法专利被实施一次。然而， 该些多方主体并无意思联络连续分别实施方法专利的 不同步骤，不属于《专利法》意义上的共同侵权。而 若对专利权人受到的损失无人担责，显然对专利权人 并不公平。

为应对人工智能算法专利的侵权主体认定困境， 本文尝试从专利撰写、方面提出一些应对意见，供读 者参考：

（一）布局多种保护主题，以全面保护

在上诉人深圳市吉祥腾达科技有限公司与被上 诉人深圳敦骏科技有限公司、原审被告济南历下弘康 电子产品经营部、济南历下昊威电子产品经营部侵害 发明专利权纠纷案【（2019）最高法知民终 147 号】 中，最高人民法院指出，如果被诉侵权行为人以生产 经营为目的，将专利方法的实质内容固化在被诉侵权 产品中，该行为或者行为结果对专利权利要求的技术 特征被全面覆盖起到了不可替代的实质性作用，终端 用户在正常使用该被诉侵权产品时就能自然再现该专

利方法过程，则应认定被诉侵权行为人实施了该专利 方法，侵害了专利权人的权利。

该案虽认定路由器厂家为侵权主体，但因涉案 专利仅布局了方法权项，而完整实施该方法的主体为 终端用户，致使侵权主体认定困难，无谓拖延了案件 期限。因此，为便于专利权利的实施，应考虑整个产 业链的情况，尽量撰写多套权利要求以涵盖所有有价 值的主题，同时对方法、设备、存储介质和系统主张 权利要求。

（二）方法权利要求尽可能限定由单一主体实施

1. 尽量从单侧撰写权利要求。

单侧撰写的好处在于，执行主体只有一个，在侵 权判定时，容易确定完整实施技术方案的实施者。当 然，单侧撰写权利要求并不是只从一侧撰写权利要求， 而是从多个角度，分别以单侧方式撰写权利要求。

1. 在同一权利要求中不要将训练阶段和执行阶 段混为一谈，因为这两个过程通常是由不同主体实 施的。

除非改进点在于对模型训练所产生中间数据的 应用上，且模型训练和模型应用分割开后都是现有技 术的情形，为体现发明点，需要将模型训练和模型应 用放到一起来写。模型训练和模型应用一般不应同时 布局到独立权利要求中，比如模型训练可以布局为模 型应用的从属权利要求，或者也可以将模型训练和模 型应用分别布局成不同的独立权利要求。

1. 如果难以限定方法权利要求由单一主体实施， 则需要判断是否存在将专利方法固化到产品中且发挥 “不可替代的实质性作用”的主体。

四、结 语

目前，国内外发生的人工智能领域专利侵权诉 讼尚不算多，但已显露出区别于其他领域的特殊挑 战。针对人工智能算法专利侵权诉讼面临的取证难和 侵权主体认定难的问题，本文在专利撰写方面提供了 一些初步建议，如有疏漏，请各位读者批评指正。但 要为人工智能技术形成有效的专利保护，除了需要具 有战略意识和国际视野外，还需根据人工智能技术的 特点，在总结归纳侵权判定难点的基础上，不断精进 撰写技巧，一同探索。