人工智能专利在美国的保护困境与解决之道

本文以美国联邦巡回法院于2025年4月的Recentive Analytics, Inc. v. Fox Corp.案（简称Recentive案）为起点，结合中国司法实践，剖析中美两国在AI应用专利客体认定上的深层分歧，并探讨其对中国企业AI应用专利海外布局的启示。

作者 | 张然 北京市炜衡律师事务所

编者按

近年来，人工智能（AI）技术在我国智能制造、智慧医疗、自动驾驶、新媒体等领域的应用日益深入，将AI技术应用在具体场景的AI应用类专利的申请数量持续攀升。越来越多的中国企业将AI应用专利纳入其全球专利布局的核心。然而，随着AI应用专利出海步伐的加快，一个显著问题逐渐凸显：在中国能够顺利授权的AI应用专利，在美国却常因“不属于可专利客体”而被驳回或判无效。

这一差异源于中美在“可专利客体”（patent-eligible subject matter）认定上的制度分歧。在中国较为宽容的可专利客体审查，在美国却是“长期以来最具争议的专利法原则之一”[1]，尤其当AI技术应用于具体产业场景时，美国可专利客体审查的不确定性被进一步放大。AI应用本身具有高度的抽象性与技术复杂性，使得在美国专利实践中难以明确区分哪些AI应用属于可获得专利保护的技术性改进，哪些又被视为“抽象概念”而被排除在§101可专利客体之外。这一界限的模糊性，也对AI应用技术的专利布局带来了显著的困扰。

本文以美国联邦巡回法院于2025年4月的Recentive Analytics, Inc. v. Fox Corp.案（简称Recentive案）[2]为起点，结合中国司法实践，剖析中美两国在AI应用专利客体认定上的深层分歧，并探讨其对中国企业AI应用专利海外布局的启示。

一

AI应用专利在§101面前的困境

《美国专利法》第35条第101款（35 U.S.C. §101）规定了可专利客体，该条款明确指出：“任何新的、有用的工艺（process）、机器（machine）、制品（manufacture）或物质组合（composition of matter）均可获得专利保护。”

美国最高法院通过判例限定了该条款的适用范围，排除自然法则、自然现象和抽象概念三类内容，并确立了著名的Alice/Mayo两步法标准：

第一步：判断专利权利要求是否为被排除的类别——即自然法则、自然现象或抽象概念。若答案为是，则需要进行第二步的判断；

第二步：判断专利权利要求中是否包含足以将抽象概念转化为具体技术应用的“发明性概念”（inventive concept）。

在Alice/Mayo框架下，AI应用类专利往往被视为“抽象概念”，因此需要在第二步中证明算法在技术层面实现了对计算机功能或数据处理机制的实质性改进。

这一认定在美国联邦巡回上诉法院的Recentive案中得到了集中体现。法院在判决中不仅应用了Alice/Mayo框架，而且对AI技术在专利保护客体下的边界进行了系统阐释。

（一）案件背景

在Recentive案中，美国联邦巡回上诉法院再次划出AI专利保护的“红线”：尽管Recentive声称其机器学习（machine learning）算法能显著提升媒体与体育赛事播出的效率，法院仍以“不具备可专利客体”为由，宣告其四件核心专利无效。此案被业内视为AI专利审查标准再度收紧的风向标。

Recentive公司专利主要涉及基于机器学习的广播排程优化方法。该方法通过对大量历史与实时数据进行采集、特征提取、模型训练与动态输出，实现广播调度与节目安排的实时调整，实现更高的收视率和广告收益。专利技术方案涵盖了大数据分析、机器学习模型迭代训练、以及动态优化生成等多种AI技术。

（二）Alice/Mayo框架的适用与AI应用专利的困境

联邦巡回上诉法院在判决中严格按照Alice/Mayo两步法进行分析。联邦巡回上诉法院认为Recentive的专利权利要求“本质上是通过数据分析优化事件或节目排程的抽象思想”。尽管Recentive公司辩称利用机器学习基于实时数据动态优化播出和更新属于发明性概念。但联邦巡回上诉法院认为，专利中的神经网络、回归分析、迭代训练和动态更新等技术属于机器学习的固有特征，是该领域的常规操作，不属于将抽象概念“转化为技术应用”的发明性概念，不属于专利保护客体。

（三）判决意义与影响

该案确立了一个关键原则：将机器学习模型应用于新的数据场景本身，不足以构成可专利性客体。

这一原则在2025年7月的Longitude Licensing Ltd. v. Google LLC[3]一案中得到了进一步确认。Google案涉及图像处理专利，Longitude公司主张其图像处理专利通过算法改进了图像校正与显示精度，实现视觉层面的技术效果。联邦巡回上诉法院援引了Recentive的判断逻辑，认为原告Longitude的专利仅是在不同数据环境中应用既有算法，而非在算法原理或计算结构上实现改进，因此属于抽象概念。

这两起判决共同强化了美国法院对AI专利的基本立场：即便AI算法在特定领域实现了功能优化或商业价值，若其创新仅限于算法在功能层面的适用，而未在计算机系统或算法机制上实现可验证的技术进步，仍将被排除在专利保护客体之外。

二

中美AI应用专利保护客体判断标准的比较

中美两国都通过限定可专利客体来防止对抽象思想的垄断。然而，两国在法律体系与司法实践上的差异，导致AI应用专利在赴美申请时面临显著的不确定性。

（一）中国的标准：以“技术方案”为核心的判断标准

中国专利法对专利客体的规定主要体现在《专利法》第25条，以及《专利审查指南》第二部分第4.2节关于“智力活动的规则和方法”的条款中。同时，《专利审查指南》第二部分第九章对涉及计算机程序的发明是否属于“智力活动的规则和方法”进行了更具体的说明，为AI应用专利的审查提供了法律基础。

在司法实践中，中国对于可专利保护的客体审查对专利保护起到了“底线过滤”的作用，与美国相比审查标准相对宽松。例如，在（2023）最高法知行终91号案件[4]中，涉案专利是一种通过计算机算法自动调整订单尾款金额的方法。最高人民法院在判决中明确提出：“应当从本领域技术人员的角度出发，将权利要求方案作为整体，综合判断其是否采用符合自然规律的技术手段、解决技术问题并产生技术效果。”

最高人民法院还特别强调，可专利保护的客体审查中“不宜引入创造性评价”。

最高人民法院在该案中指出：“技术特征是否属于公知常识、是否对所解决的问题作出技术贡献，原则上属于新颖性和创造性的审查范畴。若将实质审查标准纳入客体判断，可能不当提高门槛，将应受保护的发明创造排除在专利保护之外。”

国家知识产权局于2024年发布的《人工智能相关发明专利申请指引（试行）》及其说明，进一步确立了这一思路。文件明确指出，AI相关专利申请的客体问题主要集中在，如何判断一项解决方案是否属于智力活动的规则和方法，当其用于解决具体技术问题，采用技术手段、取得技术效果时，应认定为技术方案，从而属于可专利客体。[5]

可见对于中国AI专利客体的判断，核心在于算法是否落地于实际技术场景并实现功能性改进，而非对于算法本身是否具有改进。一般只要AI应用融入了技术流程，并通过技术手段产生可验证的效果，即可被认定为技术方案，从而通过专利客体的审查标准。

（二）美国的标准：以“发明性概念”为核心的判断标准

与中国不同，美国法院在§101框架下对AI应用专利采取更为严格的标准。

在Alice/Mayo判定框架下，一旦AI应用专利被认定为“抽象概念”，美国法院必须进一步考察其是否体现了足以将该概念转化为具体技术应用的“发明性概念”。这种“发明性概念”要求发明不仅实现功能性效果，还需在算法机制、计算机功能或系统结构上体现实质性的技术改进和创新。

这一司法取向使得AI应用专利在美国§101审查中面临日益严苛的环境。对于寻求在美国进行AI应用专利布局的申请人而言，如何在专利申请中充分揭示算法的技术性改进，尤其是计算结构层面的创新，成为能否跨越“抽象概念”门槛的关键。

（三）中美两国在AI应用专利客体判断差异的实质与影响

中美两国在AI专利客体判断上的分歧主要体现在：

中国的判断逻辑着眼于技术问题、技术方案与技术效果的闭环结构，强调AI应用的落地。而美国则以“发明性概念”为核心，关注算法是否实质性改进了计算机功能、架构或模型机制。

中国将创新性审查留待创造性评价阶段，可专利客体的判断是起到专利保护的底线过滤作用。而美国在可专利客体判断中提前引入创新性因素，使得可专利客体判断中融入了创新性判断，关注技术实质。

这种制度差异直接导致在中国可以授权的AI应用专利，若缺乏对算法机制或系统架构的具体披露，往往难以通过美国的可专利客体审查。

结语

跨越美国专利客体审查的真正路径

过去五年，中国AI技术正以前所未有的速度从实验室走向产业现场，AI技术在深刻改变经济运行的方式。与此同步的是，AI应用专利申请量的快速增长——从深度学习算法、模型蒸馏到自然语言处理、计算机视觉，几乎每一个AI分支都被纳入了专利布局的版图。当这些专利“走出去”时，往往在美国遭遇§101的可专利客体门槛。美国法院通过Alice/Mayo体系强调“发明性概念”，要求AI算法不仅具备功能性应用价值，还必须在计算机功能、算法结构或系统架构上体现可验证的技术改进，仅把AI用于新的场景或行业，并不能构成美国法意义上的可专利客体。

因此，对于寻求美国专利保护的中国AI企业而言，中美在可专利客体审查上的差异不仅关乎法律标准，更深刻地影响企业的全球知识产权布局。对于希望在国际市场中巩固竞争优势的中国AI企业而言，在专利布局阶段，就应明确展示AI算法如何改进计算机系统的运行逻辑或架构结构，从而在申请文件中形成技术性披露链条，避免因缺乏“发明性概念”而被排除在保护范围之外，真正跨越美国可专利客体的法律障碍，为企业技术出海保驾护航。

注释

[1]《Patent Law》, Jonathan S. Masur, Lisa Larrimore Ouellette, 2023, P254.

[2]Recentive Analytics, Inc. v. Fox Corp., 134 F.4th 1205 United States Court of Appeals, Federal Circuit.

[3]Longitude Licensing Ltd. v. Google LLC, 2025 WL 1249136, United States Court of Appeals, Federal Circuit.

[4]（2023）最高法知行终91号。

[5]《人工智能相关发明专利申请指引（试行）》，2024.12.

知产力AI智能体点评

这篇文章对美国人工智能专利保护困境的剖析兼具理论深度与实践价值，系统揭示了中美制度差异对AI专利全球布局的关键影响。以下从三个维度进行专业点评：

1

案例驱动的实证分析优势

文章以Recentive案为切入点，生动展现了美国法院适用Alice/Mayo测试的严苛逻辑——即使AI技术实现商业场景优化，若未改进计算机底层架构，仍被视为"抽象概念"。这种"技术实质主义"立场在2024年USPTO更新的《AI专利主题适格性指南》中得到强化，新示例明确要求AI发明需展示"特定技术实现带来的准确性提升"。相比之下，中国"技术三要素"标准更关注应用场景的技术闭环，如（2023）最高法知行终91号案强调"技术手段与效果的关联性"，这种差异直接导致中美授权结果的分野。

2

制度比较的深层洞察

文章精准捕捉到中美审查理念的本质差异：中国将创新性评价与客体审查分离，形成"底线过滤"机制；而美国通过§101提前引入创新性判断，形成"技术实质门槛"。这种制度设计差异反映了两国对专利制度功能的根本认知——美国更警惕抽象思想垄断，中国则侧重技术应用保护。值得注意的是，欧洲采取折中路径，只要算法声明"由计算机实施"即通过适格性审查，这为跨国布局提供了缓冲地带。

3

实务建议的改进空间

文章提出的"展示算法对计算机系统的改进"策略具有基础价值，但可进一步细化：（1）权利要求构建：参考美国授权案例（如谷歌Transformer专利），将硬件执行主体与技术效果（如"降低训练资源消耗"）直接写入独立权利要求；（2）说明书支撑：依据《专利审查指南》要求，详细披露算法与计算机内部结构的交互关系（如处理器负载优化方案）；（3）多国适配：采用"欧洲优先权→中美分案"策略，利用EPO宽松标准确立优先权日，再针对中美差异调整权利要求。

总体而言，该文对AI专利出海困境的解析具有前瞻性，若能结合2024年后USPTO最新审查动态，将更具指导意义。

（本文仅代表作者观点，不代表知产力立场）

封面来源 | Pixabay 编辑 | 有得