在人工智能快速发展与全球技术竞争加剧的大背景下，围绕人工智能的知识产权保护日益成为产业关注焦点。2025年12月12日，由YIP Events & 知产前沿新媒体举办的第五届知产前沿人工智能论坛在上海静安铂尔曼酒店顺利闭幕。本次论坛以“AI技术驱动下的知识产权及合规挑战”为主题，围绕生成式人工智能技术在专利申请、数据保护、企业合规和著作权保护中的关键问题展开交流，并探讨 AI 技术对知识产权制度的冲击及人工智能知识产权全球政策动态等议题，为人工智能领域的知识产权与法务从业者提供学习和合作平台，推动我国人工智能产业健康发展。

12月12日下午，上海弼兴律师事务所高级合伙人罗朗以“新审查指南下人工智能专利的创造性答辩策略及实践”为主题展开了深度且系统的分享。他结合2023 版与 2025 版《专利审查指南》中关于人工智能专利创造性审查的修改要点，融入多个人工智能专利审查典型案例，同时结合自身丰富的实务经验，从答辩“破与立”思路、答辩方案确定、答辩关键要素论证等方面，为在场知识产权与法务从业者拆解AI专利创造性答辩的核心策略与实操技巧。

一审查指南关于人工智能专利创造性审查的修改

（一）《专利审查指南》（2023）关于创造性理论规定的修改

1. 关于最接近的现有技术的确定

2023版审查指南新增规定，明确要优先考虑与发明要解决的技术问题相关联的现有技术。该修改的核心在于强调创造性判断应尽可能还原发明创造的起点和过程，重视发明和现有技术二者技术问题之间的联系，而不应片面强调共有技术特征的多少。具体到人工智能专利领域，模型架构或数据类型即便相同，但方案效果、对应的技术问题可以完全不同。因此，在人工智能专利的创造性分析中，可以结合该规则，对审查员所选取的最接近现有技术提出合理质疑，通过强化论证本发明与现有技术在技术问题上的差异，来支撑创造性主张。

2. 关于发明实际解决的技术问题的确定

（1）“可供选择技术方案”的认可

2023版审查指南在技术问题的确定方面亦作出重要补充，即当本发明所产生的技术效果与现有技术相比并无显著差异或明显改进时，可以将技术问题界定为“提供一种可供选择的技术方案”。这一修改的立足点在于尊重技术创新的客观规律，强调对于技术问题的判断不应“唯效果论”。结合人工智能技术的特点，模型本身具有一定“黑箱”特性，若仅从输入输出结果判断，不同模型之间的可替代性较强，采用这一技术问题的确定方式往往容易导致创造性评价偏低，因此实践中尽量避免采用该方式。若确需采用该方式，则应在后续论证中，从技术构思层面或工作原理层面，深入阐明本发明与现有技术之间的实质性技术差异。

（2）避免将区别特征或技术启示直接写入技术问题

此外，2023版审查指南明确指出，重新确定的技术问题应当与区别特征在发明中所能达到的技术效果相匹配，不应当被确定为区别特征本身，也不应当包含对区别特征的指引或者暗示。该修改表明对创造性的判断应尽可能地避免“事后诸葛亮”，对于技术问题的确定不应太宽泛或太具体，也不应将“技术启示”直接代入技术问题，否则容易导致创造性评价偏低。鉴于人工智能技术方案的改进通常体现在数据选取、模型结构设置以及对应的数据处理操作等方面，在确定技术问题时，更为合理的分析路径是在识别区别特征的基础上，推导其技术效果，再由技术效果反推技术问题，以此构建更符合创新逻辑的创造性分析框架。

3. 关于公知常识的认定

2023版审查指南还进一步细化了公知常识的类型及其证据形式，明确将技术词典、技术手册等工具书纳入公知常识的证据范畴。在人工智能领域，许多基础模型和通用算法已被广泛认知，若审查员援引技术词典或技术手册认定相关模型属于公知常识，申请人应重点关注这些资料所记载的内容是否仅为通用原理。在此情况下，应当结合具体技术问题，对本发明的改进点与通用原理之间的差异进行有针对性的论证。同时，通过将技术问题进一步细化和具体化，有助于降低其被技术词典或技术手册覆盖的可能性，从而更有力地支撑创造性主张。

（二）《专利审查指南》（2023）关于创造性案例的修改

2023版审查指南针对技术问题的确定提供了参考案例。该案例中，发明涉及一种消费电子设备，其认证单元可基于指纹，并结合掌纹、虹膜、眼底或面部特征中的至少一种进行身份认证。说明书指出，通过多种生物特征的组合认证能够显著提升账户安全性。相较之下，最接近的现有技术仅公开了基于指纹的单一认证方式。在此情形下，技术问题应当概括为“如何提高消费电子设备用户账户的安全性”，而不宜表述为“如何增加掌纹等至少一种生物特征认证方式”，也不应界定为“如何通过增加认证方式实现消费电子设备的安全性”。后两种表述分别将区别特征、技术启示直接引入技术问题，容易导致创造性评价偏低。

（三）《专利审查指南》（2023）关于人工智能专利创造性理论规定的修改

1. 关于算法实现计算机系统内部性能改进的创造性判断标准

2023版审查指南在第二部分第九章涉及计算机程序的发明审查规定中明确指出，对于人工智能专利，若算法特征与计算机系统内部结构之间存在特定的技术关联，实现了对计算机系统内部性能的改进，那么可以认为该算法特征与技术特征功能上彼此相互支持、存在相互作用关系，在创造性判断时应当考虑算法所作出的技术贡献，并遵循“整体考虑”的审查原则。值得注意的是，“计算机内部性能的改进”并不限于硬件结构性能的改进，也包括操作系统设置、资源调度机制、任务分配方式等性能的改进。

2. 关于用户体验提升的创造性判断标准

指南同时指出，如果人工智能技术或其与算法的结合提升了用户体验，该效果在创造性判断中可予以考虑。但在实践中，用户体验提升通常仅发挥辅助作用，尚不足以单独支撑创造性判断，创造性评价仍应以技术方案本身是否显而易见为核心。

（四）《专利审查指南》（2023）关于人工智能专利创造性案例的修改

2023版审查指南在第二部分第九章新增了一个典型案例。该案例涉及一种用于适配神经网络参数的方法，其核心在于基于硬件的使用率对神经网络权重参数的尺寸进行调整，从而当支持神经网络的硬件对神经网络的数据进行运算时，能够刚好匹配硬件的使用率，提升硬件运算效率。该方案实现了算法特征（神经网络权重参数尺寸的设置及填充）与技术特征（硬件使用率）之间的紧密结合，功能上彼此相互支持、存在相互作用关系，因此应当将二者作为一个整体考虑。且该区别特征未被现有技术公开，也不属于公知常识，因此该发明具有创造性。

（五）《专利审查指南》（2025）关于创造性理论规定的修改

2025版审查指南第二部分第四章对创造性判断作出了重要修改，明确提出对技术问题的解决没有作出贡献的特征，即使写入权利要求中，通常也不会对技术方案的创造性产生影响。该修改的核心在于强调对创造性的判断应把握发明实质，不应以特征数量的多少或保护范围的大小来直接决定创造性的判断结果。对于人工智能专利而言，由于人工智能技术的“黑箱”特性，其各特征贡献往往难以剥离，且可预测性低。因此，人工智能创造性答辩时应注意论述各特征之间的协同作用与整体贡献。另外，在适当情形下，申请人可考虑对审查员的技术问题认定提出挑战。

（六）《专利审查指南》（2025）关于人工智能专利创造性案例的修改

1. 案例一：船只数量识别专利申请

该案涉及一种识别船只数量的方法，其通过深度学习模型对船只图像进行分析，识别船只位置与边界并据此确定数量。而最接近的现有技术则公开了一种基于深度学习的果实数量识别方法，同样通过模型训练识别图像中目标的边界位置以完成计数。两者的区别仅在于识别对象和应用场景不同，而在算法流程、模型结构及参数设置等核心人工智能特征方面并未作出实质性改变。指南据此指出，若仅改变应用对象或场景，没有对深度学习、模型构建或者训练过程等做出调整或者改进，该类方案不具备创造性。

2. 案例二：废钢等级划分神经网络模型专利申请

该案涉及一种建立废钢等级划分神经网络模型的方法，所述模型用于对收储的废钢进行等级划分。该方案围绕废钢图像中颜色、边界和纹理特征的提取需求，在模型训练过程中对神经网络卷积层与池化层的线路数量及层级设置进行了针对性调整，上述算法特征（卷积层和池化层的线路数量和层级设置）与技术特征（图像特征的提取操作）功能上彼此相互支持、存在相互作用关系，能够提升废钢等级划分的准确性，应当考虑所述算法特征对技术方案作出的贡献。尽管现有技术同样涉及废钢种类识别，但由于本发明在算法流程和模型参数设置方面作出了实质性改进，且区别特征未被其他对比文件公开，也不属于本领域的公知常识的情况，最终被认定具备创造性。

3. 小结

随着人工智能的广泛应用，仅以数据类型或应用领域的差异作为创造性支撑的路径正逐渐失去优势。人工智能相关专利若要获得授权，需要充分论证特定数据与既有模型之间的有机结合；或在模型结构、参数配置或算法流程等关键层面作出实质性改进。相较之下，单纯套用既有模型，仅对数据进行替换或作轻微调整的技术方案，其获得专利授权的难度将持续提高。

二创造性答辩思路及技巧

（一）答辩中的“破与立”

审查员和代理人在进行创造性分析与判断时通常都严格遵循“三步法”：

• 确定最接近的现有技术；

• 确定发明的区别技术特特征和发明实际解决的技术问题；

• 从最接近的现有技术和发明实际解决的技术问题出发判断是否显而易见。

在创造性答辩中，应重点把握“破”与“立”的结合思路。“破”是指发掘审查员运用“三步法”时的错误观点、逻辑漏洞，反驳审查员的结论；“立”是指运用“三步法”的思维阐述自己的观点，确保逻辑推理环环相扣、严丝合缝。

（二）答辩方案的确定

答辩方案的确定应首先全面分析审查意见中所体现的倾向性结论，必要时可通过电话沟通进一步了解审查员的思路。在此基础上，综合判断权利要求是否需要修改以及修改方式，相关选择需在授权可能性与保护范围之间作出合理平衡，并结合不同申请人的策略偏好加以取舍。同时，修改过程中应严格遵守专利法第三十三条关于不得超范围修改的规定，并注意禁止反悔原则，避免不必要的限缩影响后续权利行使。此外，还应充分利用首次审查意见答复的时机，尤其是在审查员仅指出部分创造性缺陷的情况下，统筹考虑当前审查尺度趋严、审限缩短等现实因素，审慎制定整体答辩策略。

（三）最接近的现有技术的认定

根据审查指南的定义，最接近的现有技术是现有技术中与本发明最密切相关的一个技术方案。其认定具有相对性，不同分析角度可能得出不同结论。对于审查意见认定的最接近的现有技术，可按以下步骤分析：

1.是否属于现有技术；

2.技术领域是否相同或相近（可参考IPC分类号）；

3.技术问题是否存在关联；

4.审查意见中是否仅引用了对比文件中的一个方案；

5.引用的是否为技术方案；

6.是否公开本发明的至少一个技术特征。

（四）区别技术特征的确定

区别技术特征的确定可按照以下步骤进行：

1.审查意见是否正确引用对比文件的原文，是否存在过度引申、二次概括、断章取义、移花接木等情况；

2.审查意见是否进行详细的技术特征比对；

3.技术特征比对时可结合技术特征的含义、属性、应用环境及背景、工作原理、功能作用、与其他特征之间的相互作用关系等进行综合分析；

4.技术特征的比对应做到细化分析，尽量不遗漏任何区别技术特征。

（五）技术问题的确定

技术问题的确定可按照以下步骤进行：

1.注意审查员的一般做法：确定区别技术特征之后不进行任何技术效果的分析，直接确定实际解决的技术问题。而较为规范的分析路径应是首先明确区别特征，其次基于区别特征推导本发明所产生的技术效果，最后再由技术效果反推出所要解决的技术问题；

2.将技术方案作为整体来分析其技术效果，技术效果不限于原文记载；

3.尽量拔高技术问题，拔高技术创新高度；

4.注意不仅考虑最接近的现有技术，还应当同时考虑其他对比文件及本领域的公知常识，尽量让技术问题与其他对比文件或公知常识所给出的技术启示不相关。

（六）关于非显而易见的论证

非显而易见性的论证是创造性答辩中最为关键、也最具挑战性的环节。其本质在于通过技术比较，论证本发明相较现有技术具备更高的技术创新高度。在“三步法”的第三步中，非显而易见性的论证通常围绕多层次比较展开：首先，当审查意见援引其他对比文件作为技术启示时，应通过对比本发明与相关对比文件在技术方案、作用机理和实现效果上的差异，论证该对比文件并未给出实现区别特征的技术启示。其次，在需要结合多篇对比文件的情形下，可重点比较最接近的现有技术与其他对比文件在技术领域、技术背景或技术发展方向上的差异，说明本领域技术人员缺乏将其结合的合理性。即便对比文件可以结合，也应将结合后的假想方案与本发明整体方案进行对比，论证二者在技术构思和实现路径上仍存在显著差距，从而无法得到本发明。此外，还应重点回应审查意见中常见的“区别特征属于本领域惯用手段”的认定。对此，可通过背景技术、对比文件及其他现有技术资料，界定本领域的惯用手段，并进一步说明本发明的区别特征在技术方向、技术教导等上与惯用手段存在实质差异，或在与其他特征的协同作用下产生特定作用和非显而易见的技术效果。最后，可论证技术问题本身并非显而易见，从整体上强化本发明的创造性论证。

（七）创造性答辩中的常见问题

实践中，创造性答辩存在一些共性误区，若处理不当，容易削弱答辩效果，主要体现在以下几个方面：

1.无视审查员的观点和推理逻辑，完全自说自话；

2.未针对权利要求进行答辩，而是基于说明书进行答辩；

3.忽视技术效果的分析以及技术问题的确定；

4.用答新颖性的方式来答创造性；

5.非显而易见的论述发生错位；

6.修改及论述未充分考虑后续维权，忽略禁止反悔原则。

三人工智能专利创造性答辩注意要点及案例分享

（一）人工智能专利创造性答辩注意要点

1. 人工智能专利体现非显而易见的典型要素

人工智能专利答辩在论证创造性与非显而易见性时，通常应围绕以下三个核心要素展开：

（1）数据：包括训练数据、输入数据、输出数据等；

（2）处理操作：包括处理步骤或操作方式等；

（3）算法/模型：是否存在专门的模型架构以及参数的调整或者设置。

2. 人工智能专利体现非显而易见的答辩重点

在创造性答辩中，应着力突出上述要素的“特定性”，阐明本发明采用了区别于现有技术的特定数据、特定操作或特定模型，并进一步论证各要素之间存在紧密的技术关联与协同作用。此外，整体方案的特定性也应得到凸显，例如论证其适用于特定技术领域或应用场景，能够实现特定技术效果，并解决特定技术问题。这些因素共同构成了人工智能专利在创造性答辩中应重点把握的关键方向。

（二）人工智能专利创造性答辩案例

1. 以数据特定性支撑创造性：字节跳动专利复审案

（1）案例背景与典型意义

该案涉及字节跳动的一件复审成功专利，是国家知识产权局公布的2024年十大复审无效案例中唯一一件复审案例，具有较强的代表性与示范意义。

（2）审查争议焦点

该专利涉及一种用于处理图像的方法，审查员在驳回决定中引用了两篇对比文件，均针对人脸图像处理，通过人脸关键点定位与识别模型，获取人脸关键点位置及其被遮挡的概率。

（3）答辩策略

①数据要素的特定性

复审阶段，申请人强化了数据要素的特定性：

• 输入数据：明确限定为“球场图像”，使得处理对象区别于人脸图像；

• 输出数据：不仅包括球场关键点的位置信息，还进一步限定输出不同拍摄视角下关键点显示于图像中的概率。

②要素之间的紧密结合

该方案明确了球场与关键点检测模型一一对应，即模型系针对特定球场数据专门训练而成，体现了数据与模型之间的紧密结合。

③方案的特定性

本发明能够针对特定场景（球场）解决在不同拍摄视角、不同图像条件下关键点位置与概率输出的问题，得到球场的关键点在不同拍摄图像中的几何变换关系，产生了特定的技术效果，从而成功支撑了创造性。

2. 以模型架构特定性确立创造性：医学图像分割专利案

（1）案件基本情况

该案涉及一种图像分割方法，通过经训练的卷积神经网络模型对医学图像进行分割处理。权利要求中对模型架构进行了较为详细的限定，包括各层的结构、连接方式及输入输出关系。审查员认为，对比文件已完全公开了该模型架构，二者区别仅在于处理对象是否为医学图像。

（2）答辩策略

①模型要素的特定性

申请人在答辩中通过结构对比，系统论证了本发明模型在浅卷积层、浅反卷积层、纵向连接结构及整体网络架构等方面均与对比文件存在本质差异，具有特定性。

②要素之间的紧密结合

结合医学图像低对比度、弱边界的影像特点，申请人进一步论证了本特定模型的并行汇聚式架构能够有效处理医学图像，体现了数据与模型要素之间的紧密结合。

③方案的特定性

本发明能够在特定场景（医学图像分割）下，实现精准融合、边界增强、效率优化等技术效果，解决针对医学图像（尤其是低对比度、弱边界的影像） 在分割时，因深层语义信息与浅层细节信息在逐级传递中易脱钩、易丢失，导致组织边界分割模糊、精度不足的特定技术难题，最终被认定具有创造性。

3. 以处理操作特定性确立创造性：大语言模型专利案

（1）案例基本情况

该案涉及一种大语言模型的处理方法，主要步骤包括获取数据集、根据数据集生成伪标签数据、根据伪标签数据获取指令微调数据，并据此对模型进行微调。审查员认为，对比文件已公开全部步骤，二者仅在模型类型上存在差异。

（2）答辩策略

①操作要素的特定性

申请人通过修改权利要求，增加了“按照预设比例拆分有标签数据，根据拆分后的任一部分有标签数据输入原始大语言模型得到伪标签数据”的限定。这一操作打破常规认知，创造了一种新的数据增强机制。

②要素之间的紧密结合

本发明通过拆分有标签数据，输入原始大语言模型，输出伪标签数据，构建了一种新的数据增强机制，体现了操作、数据及模型要素之间的紧密结合。

③方案的特定性

本发明利用有标签数据生成伪标签数据，避免大语言模型过度拟合于特定标签，提升大语言模型在不同的任务和数据分布下的泛化能力，从而提高大语言模型计算的准确率，产生了特定的技术效果，并解决了如何利用有标签数据提升大语言模型调整效果的技术问题，最终被认定具有创造性。

编辑：Sharon