从“技术热潮”到“法律冷思考”---AI专利适格性|专利权|专利法|国家知识产权局|技术热潮|法律冷思考|美国法典|适格性

该案的意义并不只是否定几项具体专利，而是重新提示了AI时代专利法的根本问题：专利制度保护的究竟是“技术本身的进步”，还是“使用新技术处理旧问题的商业方案”？美国判决给出的答案十分明确：专利保护的是技术改进，而非技术使用；保护的是解决技术问题的具体方法，而非对某种功能结果的抽象占有。

作者：宋建立1 武汉大学法学院教授，博士生导师

在生成式人工智能与机器学习技术迅猛发展的背景下，全球专利申请结构正在发生深刻变化。大量企业试图将“算法+应用场景”包装为可专利技术方案，尤其是在金融、传媒、医疗、交通、广告推荐、内容生成等领域，用AI实现优化几乎成为一种常见的专利申请。然而，技术表述的更新并不当然意味着法律评价的改变。美国联邦巡回上诉法院在Recentive Analytics, Inc. v. Fox Corp.（以下简称Recentive案）2中的判决，正是在这一背景下为AI专利申请热潮划出了一条清晰边界：仅将通用机器学习方法应用于新的数据环境，并不能构成专利适格性的技术方案。

在Recentive案中，原告Recentive主张其专利利用机器学习技术，根据历史数据和实时输入自动生成并优化电视节目时间表及广播分配方案（“网络地图”），并指控Fox公司构成侵权。被告Fox公司则以专利不具备适格性为由请求驳回，认为该专利仅是将通用机器学习方法应用于节目调度这一具体场景。美国联邦地区法院支持了被告的主张，认定涉案专利属于抽象思想，且缺乏“发明构思”，不符合《美国法典》第35编第101条关于专利适格性的要求。在上诉程序中，联邦巡回上诉法院在适用Alice v. CLS Bank International（以下简称Alice案）3确立的两步测试后，最终认定该类“AI+应用”专利不具备专利适格性，维持了原判。

一、在美国规范体系下 AI 并未获得专利法上的“特殊待遇”

理解Recentive案，不能只看联邦法院对个案权利要求的分析，还必须将其置于美国专利适格性规则的整体结构中。美国关于AI专利适格性的法律框架，并非专门为AI技术单独创设，而是在既有专利法体系中，通过判例法、行政审查指南和政策文件不断吸纳AI问题，逐步形成较为清晰的制度边界。

从法律渊源看，美国AI专利适格性的根本依据仍是《美国法典》第35编第101条关于专利适格性的规定。该条以开放性方式规定，任何“新的且有用的过程、机器、制造物或组合物”原则上可以成为专利保护对象。但美国联邦最高法院通过长期判例发展，将自然法则、自然现象和抽象思想排除在专利适格性之外。AI技术通常可以被归入“过程”或“计算机实现方法”，但这并不意味着其天然具备专利适格性。关键问题不是权利要求中是否出现“机器学习”“神经网络”“训练数据”等技术词汇，而是其是否真正突破了抽象思想的边界，是否提供了对计算机技术或算法机制本身的具体改进。

在具体判断方法上，美国联邦法院以Alice案确立的两步测试为核心：第一步判断权利要求是否指向抽象概念，第二步判断是否存在足以将该抽象概念转化为可专利应用的“发明构思”。这一框架在软件和数据处理类案件中被不断细化。Mayo Collaborative Services v. Prometheus Laboratories, Inc.4强调，发现规律并附加常规步骤不能构成专利；Enfish, LLC v. Microsoft Corp.5则说明，若发明真正改进了计算机自身功能，可以具备专利适格性；Electric Power Group, LLC v. Alstom S.A.6进一步否定了单纯“数据收集、分析与展示”模式的专利性。这些判例共同构成了Recentive案的制度背景：数据处理本身不是技术创新，算法应用也不当然具有专利性。

因此，Recentive案真正具有新意之处，并不在于创造了全新的法律规则，而在于将既有软件专利适格性规则明确移植到AI和机器学习场景之中。美国联邦法院实质上明确：AI不是Alice案规则的例外，机器学习也不是逃离抽象思想审查的通道。只要权利要求没有说明模型本身如何被改进、算法性能如何被提升、计算过程如何被优化，而只是声称“用机器学习完成某项传统任务”，其法律性质仍然可能只是抽象思想的自动化表达。

除司法判例外，美国专利商标局（USPTO）也通过审查指南进一步细化这一标准。2019年《专利适格性审查指南》7及其后续AI相关补充意见，要求审查人员区分抽象思想与实际应用，重点考察权利要求是否将抽象概念整合进具体技术应用之中。换言之，AI技术只有在具体技术场景中产生可识别、可验证的技术效果，例如改进图像处理、降低计算资源消耗、提升模型训练效率或改善计算机系统运行方式，才更可能跨越专利适格性门槛。反之，如果AI只是被用于商业预测、节目排期、金融决策、广告投放或管理优化，则即便其效率更高，也仍然可能落入抽象思想范畴。

在宏观政策层面，美国政府2023年通过的《安全、可靠和值得信赖的人工智能行政令》8等文件，强调鼓励AI创新、提高透明度、防止技术滥用。虽然这些政策文件并不直接规定专利适格性，但其背后的治理理念与专利法逻辑存在内在一致性：制度激励应当给予真实、可验证、具有技术贡献的AI创新，而不是鼓励以空泛功能性语言占有未来技术发展空间。由此，美国AI专利制度正在形成一种独特的规范结构：美国司法机关负责划定抽象思想的边界，美国专利商标局负责提供审查操作标准，政策文件则提供创新治理的方向性约束。

二、Recentive案的裁判逻辑：从Alice框架到AI专利适格性新边界

Recentive案沿用了Alice案的两步测试，但其真正价值在于把“AI使用”与“AI改进”区分开来。首先在第一步测试中认定，涉案专利的核心只是使用通用机器学习模型，对数据进行训练、分析并输出优化结果。无论是节目时间表生成，还是网络地图构建，其实质都是过去人类可以基于经验和数据完成的安排、预测和优化活动。机器学习的加入只是提高了速度和自动化程度，并未改变该活动本身的抽象属性。这一判断具有重要启示：AI并不会自动使抽象思想“技术化”。如果一项权利要求只是把传统商业、管理或组织决策过程交给机器学习模型处理，那么它仍然可能只是“抽象思想的算法化重述”。技术词汇可以改变表达方式，却不能改变法律性质。审判阶段真正关注的不是“是否用了AI”，而是“AI在这里是否被技术性地改造了”。

在第二步测试中指出，涉案专利缺乏发明构思。Recentive案虽然强调其系统可以实时更新、动态优化、提高准确性，但这些特征恰恰是机器学习的一般功能，而不是对机器学习模型本身的具体改进。换言之，AI使用者不能把机器学习的常规能力重新描述一遍，然后声称自己拥有“发明构思”。如果权利要求没有说明模型结构如何变化、训练方法如何改进、计算资源如何节省、准确率提升如何通过特定技术路径实现，那么所谓“动态优化”就只是结果性语言，而非技术方案。

三、Recentive案的制度考量：防止AI成为“功能垄断”的新工具

Recentive案的深层制度意义，在于重申专利法反对功能性垄断的基本原则。该案中，专利权人试图控制的并不是某种具体算法结构，而是“用机器学习优化节目调度和网络地图”这一功能目标。如果这种权利要求被认可，专利权人事实上就可以排除他人在同一领域内使用机器学习进行类似优化，哪怕他人采用完全不同的模型、数据处理方法或系统架构。

这正是AI时代专利法面临的新风险：传统的抽象思想可能被包装为“智能优化”，传统的商业方法可能被改写为“机器学习决策”，传统的数据分析可能被表达为“AI驱动的预测模型”。如果法律不加区分地认可此类申请，专利制度将从鼓励技术公开，异化为占有应用场景、封锁后续创新的工具。因此，Recentive案的真正价值在于提醒：AI专利审查不能被“智能化叙事”牵引，而必须回到技术贡献本身。

四、中美欧规则的趋同

从比较法视角看，Recentive案并非美国的个案问题，而是AI专利在全球范围内面临的共同挑战：专利法究竟保护“AI的应用”，还是“AI的技术改进”。美国的做法是通过《美国法典》第35编第101条关于专利适格性的规定及Alice案的两步测试法强调抽象思想排除与技术贡献。欧洲与中国则分别通过“技术效果”和“技术方案”标准作出回应。三者路径不同，但逻辑逐渐趋同。

在欧盟专利局（EPO）体系中，AI通常被视为“数学方法”。根据欧盟专利局颁布的《审查指南》，9机器学习模型（如神经网络、支持向量机等）本身不具有专利性，只有在其用于解决技术问题并产生技术效果时，才可能构成可专利发明。例如，用AI改进图像识别、信号处理或设备运行，通常具有技术性；而仅用于商业预测或内容分类，则通常不被认可。该标准的关键在于：AI是否嵌入具体技术系统，而非仅处理抽象数据。

中国的规制与此类似，如《专利审查指南（2023）》10明确，对包含算法特征的权利要求，应整体判断其是否构成“技术方案”，即是否通过技术手段解决技术问题并产生技术效果。实践中主要形成两条路径：一是算法改进计算机性能（如提升运算效率、减少存储或传输）；二是AI用于具体技术领域数据处理（如提升识别精度）。相反，如果AI仅用于金融预测、商业决策等，则通常被认定不具备技术性。11《人工智能相关发明专利申请指引（试行）》进一步强调，AI专利仍需回归“技术问题—技术手段—技术效果”的基本结构。12

由此可见，美欧中三种路径虽在表达上不同，但实质已趋一致：AI专利必须证明其属于“技术问题的技术解决”，而非“数据驱动的商业优化”。这一趋势表明，AI专利保护正在从“应用扩张”转向“技术收敛”，审查重点将集中于技术性、具体性与可验证性，而非单纯的算法使用。

五、产业影响：从专利数量竞争转向技术质量竞争

Recentive案将直接影响AI企业的专利布局策略。过去，不少企业倾向于围绕“AI+场景”进行外围式布局，例如“AI+广告”“AI+金融”“AI+医疗管理”“AI+内容推荐”。这种布局方式的优势在于覆盖面广，但缺陷是技术含量不足，容易在诉讼中遭遇《美国法典》第35编第101条关于专利适格性规定的挑战。显然，在Recentive案之后，若企业仍停留在“把机器学习用于某行业”的层面，其专利资产的稳定性将明显下降。

未来更有价值的AI专利，将集中于模型结构优化、训练机制创新、推理效率提升、数据预处理方法、模型压缩、边缘计算部署、安全性增强、可解释性改进等方面。这意味着AI专利竞争将从“应用场景圈地”转向“底层技术深耕”。对资本市场而言，专利数量本身的估值意义也会下降，投资人将更加关注专利是否真正覆盖核心技术，是否能够经受《美国法典》第35编第101条、103条，以及说明书充分公开要求的多重检验。

在诉讼层面，《美国法典》第35编第101条仍将是被告挑战AI专利的有力抗辩工具，尤其是在专利权利要求采用高度功能性语言，缺乏具体技术路径，或者仅描述输入、训练、输出、更新等机器学习常规流程时，早期被驳回的可能性将显著增加。Recentive案说明，司法机关更愿意在诉讼早期即审查AI专利适格性，而不是等到复杂的侵权比对或专家证据阶段。

六、未来趋势：AI治理制度的变化

未来，AI治理制度将出现三重分化。第一，是技术层级上的分化。基础模型架构、训练方法、计算效率、安全机制等底层创新，将更容易获得专利保护；而单纯将AI用于具体行业场景的应用型方案，则会面临更高的专利适格性障碍。

第二，是保护路径上的分化。并非所有AI创新都应由专利法保护，如算法结构和计算方法可由专利法保护，代码表达可由著作权法保护，训练数据和商业数据资产可由合同、商业秘密或反不正当竞争法保护，数字人格和深度合成问题则应更多交由人格权、隐私和平台治理规则处理。也就是说，AI治理不会形成“专利中心主义”，而会走向多元制度分工。

第三，是审查重心上的分化。未来审查机关和司法机关将更关注三个问题：其一，权利要求是否解决了技术问题；其二，说明书是否公开了实现该技术效果的具体路径；其三，权利要求是否过度占有未来应用空间。凡是只描述目标、不限定手段，只强调效果、不说明机制，只声称智能、不展示技术改进的申请，都将面临更大风险。

总之，Recentive v. Fox案的真正意义，不在于否定AI专利，而在于防止AI概念稀释专利法的技术性要求。它表明，美国专利法并不排斥机器学习，也不否认AI可能带来重大技术进步；但法律保护的对象必须是具体、可验证、可公开的技术贡献，而不是对“用AI实现某种功能”的抽象占有。

可以预见的是，未来AI专利竞争的关键将不再是“谁先应用了AI”，而是“谁真正改进了AI”。这一变化标志着AI专利制度正在从概念热潮走向理性审查，也意味着技术法治正在从鼓励创新的口号，转向识别真实创新的能力。

注释（上下滑动查看）

1 武汉大学法学院教授，博士生导师。

2 Recentive Analytics, Inc. v. Fox Corp., No. 2023-2437 (Fed. Cir. Apr. 18, 2025).

3 Alice Corp. Pty. Ltd. v. CLS Bank Int’l, 573 U.S. 208 (2014).

4 Mayo Collaborative Servs. v. Prometheus Labs., Inc., 566 U.S. 66 (2012).

5 Enfish, LLC v. Microsoft Corp., 822 F.3d 1327 (Fed. Cir. 2016).

6 Electric Power Grp., LLC v. Alstom S.A., 830 F.3d 1350 (Fed. Cir. 2016).

7 U.S. Patent & Trademark Office, 2019 Revised Patent Subject Matter Eligibility Guidance, 84 Fed. Reg. 50 (Jan. 7, 2019).

8 Executive Order 14110 on Safe, Secure, and Trustworthy Development and Use of Artificial Intelligence (Oct. 30, 2023).