苏晓丽 - 专利代理师       

 

引言

       中国国家知识产权局于2023年12月21日发布了修改后的《专利审查指南》，该修改后的审查指南已经于2024年1月20日起正式施行。为方便描述，下文将2023年修改的审查指南称为新指南，将之前的审查指南称为原指南。本文对新指南第二部分第九章涉及计算机程序的发明专利申请审查部分修改的主要内容进行介绍和解读。

 

I、丰富了涉及计算机程序的发明专利申请的保护主题类型

       原指南中规定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。而在新指南中进一步指出产品权利要求的主题除了实现方法的装置之外，还可以是计算机可读存储介质或者计算机程序产品。

       在新指南中第一次明确允许撰写计算机程序产品的主题。但应注意计算机程序产品并非计算机程序本身，而是应当理解为主要通过计算机程序实现其解决方案的软件产品。这是考虑到随着互联网技术的发展，越来越多的计算机软件已不再依托于传统的光盘、磁盘等有形存储介质，而是通过互联网以信号的形式进行传输、分发和下载。新指南允许以计算机程序产品作为保护主题类型，使得对于计算机程序的保护不再限于有形的存储介质，从而有利于对涉及计算机程序的发明专利申请进行更全面的保护。

       至此，对于计算机程序的发明专利申请的权利要求可以有下列四种常见的撰写方式：

       1.一种去除图像噪声的方法，其特征在于，包括以下步骤……

       2.一种计算机装置/设备/系统，包括存储器、处理器及存储在存储器上的计算机程序，其特征在于，所述处理器执行所述计算机程序以实现权利要求1所述方法的步骤。

       3.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1所述方法的步骤。

       4.一种计算机程序产品，包括计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现权利要求1所述方法的步骤。

 

II.细化了涉及人工智能、大数据的发明专利申请的客体审查基准

       涉及人工智能、大数据的发明专利申请通常包括算法特征或商业规则和方法特征，对于这类申请需要就其是否属于专利法第二条第二款（下文简写为法2.2）所述的技术方案进行审查。

       原指南在根据法2.2对涉及人工智能、大数据的发明专利申请进行审查时，需要判断权利要求的方案是否属于具体技术领域且算法处理数据是技术领域中具有确切技术含义的数据。这在一定程度上限制了人工智能、大数据的发明专利申请的保护范围，并且不利于促进对人工智能和大数据的核心或基础算法的研究和改进。

       新指南中进一步增加了（1）针对权利要求中未限定具体技术领域的算法改进的客体审查基准以及（2）涉及大数据处理的客体审查基准。

       (1) 针对权利要求中未限定具体技术领域的算法改进的客体审查基准

       新指南第6.1.2节明确规定：如果权利要求的解决方案涉及深度学习、分类、聚类等人工智能、大数据算法的改进，该算法与计算机系统的内部结构存在特定技术关联，能够解决如何提升硬件运算效率或执行效果的技术问题，包括减少数据存储量、减少数据传输量、提高硬件处理速度等，从而获得符合自然规律的计算机系统内部性能改进的技术效果，则该权利要求限定的解决方案属于专利法第二条第二款所述的技术方案。

       例如：

       一种深度神经网络模型的训练方法， 包括：

       当训练数据的大小发生改变时，针对改变后的训练数据，分别计算所述改变后的训练数据在预设的候选训练方案中的训练耗时；从预设的候选训练方案中选取训练耗时最小的训练方案作为所述改变后的训练数据的

       最佳训练方案，所述候选训练方案包括单处理器训练方案和基于数据并行的多处理器训练方案；

       将所述改变后的训练数据在所述最佳训练方案中进行模型训练。

       分析：该权利要求中并没有将所处理的训练数据限定为具体技术领域中具有确切技术含义的数据。但是该模型训练方法为解决训练速度慢的问题，针对不同大小的训练数据，选择适配具有不同处理效率的单处理器训练方案或多处理器训练方案，该模型训练方法与计算机系统的内部结构存在特定技术关联，提升了训练过程中硬件的执行效果，从而获得符合自然规律的计算机系统内部性能改进的技术效果。因此，该发明专利申请的解决方案属于专利法第二条第二款规定的技术方案， 属于专利保护的客体。

       （2）涉及大数据处理的客体审查基准

新指南第6.1.2节还明确规定：如果权利要求的解决方案处理的是具体应用领域的大数据，利用分类、聚类、回归分析、神经网络等挖掘数据中符合自然规律的内在关联关系，据此解决如何提升具体应用领域大数据分析可靠性或精确性的技术问题，并获得相应的技术效果，则该权利要求限定的解决方案属于专利法第二条第二款所述的技术方案。

       正例：

       一种电子券使用倾向度的分析方法，其特征在于，包括：

       根据电子券的信息对电子券进行归类以得到电子券种类；

       根据电子券的应用场景获取用户样本数据；

       根据用户行为，从所述用户样本数据中提取用户行为特征，所述用户行为包括：浏览网页、搜索关键词、加关注、加入购物车、购买以及使用电子券；

       以用户样本数据作为训练样本，以用户行为特征作为属性标签，针对不同种类的电子券来训练电子券使用倾向度识别模型；

       通过训练后的电子券使用倾向度识别模型对电子券的被使用概率进行预测，得到用户对于不同种类电子券的使用倾向度。

       分析：在大数据处理分析领域，单个用户的个体行为存在一定主观性和随机性，但是群体用户的行为往往具有规律性，不同行为间的关联关系能够体现并符合特定的自然规律。因此，用于挖掘群体用户不同行为关联关系的手段也构成技术手段。该解决方案涉及一种电子券使用倾向度的分析方法，该方法处理的是电子券相关的大数据，通过对电子券进行归类、获取样本数据、确定行为特征及进行模型训练，挖掘出用户行为特征与电子券使用倾向度之间的内在关联关系，浏览时间长、搜索次数多、使用电子券频繁等行为特征表示对相应种类电子券的使用倾向度高，这种内在关联关系符合自然规律，据此解决了如何提升分析用户对电子券使用倾向度的精确性的技术问题，并且获得了相应的技术效果。因此，该发明专利申请的解决方案属于专利法第二条第二款规定的技术方案，属于专利保护的客体。

       反例：

       一种金融产品的价格预测方法， 其特征在于， 所述方法包括：

       使用金融产品的Ｎ +1 个日指标历史价格数据对神经网络模型进行训练得到价格预测模型，其中，前Ｎ 个日指标历史价格数据作为样本输入数据，最后 1 个日指标历史价格数据作为样本结果数据；

       使用所述价格预测模型和最近Ｎ个日指标历史价格数据来预测未来一天金融产品的价格数据。

       分析：该解决方案涉及一种金融产品的价格预测方法，该方法处理的是金融产品相关的大数据，利用神经网络模型挖掘过去一段时间内金融产品的价格数据与未来价格数据之间的内在关联关系，但是，金融产品的价格走势遵循经济学规律，由于历史价格的高低并不能决定未来价格的走势， 因此，金融产品的历史价格数据与未来价格数据之间不存在符合自然规律的内在关联关系，该方案所要解决的是如何预测金融产品价格的问题， 不构成技术问题，获得的相应的效果不是技术效果。因此，发明专利申请不属于专利法第二条第二款规定的技术方案，不属于专利保护的客体。

 

       可以看出，与原指南相比，新指南不再将权利要求的方案局限于具体技术领域和具有确切技术含义的数据，进一步完善了涉及大数据、人工智能发明专利申请的客体审查基准。至此，为满足专利法第二条第二款的审查，对于涉及人工智能、大数据的发明专利申请，可以考虑从下列任一角度进行撰写或答辩：

       * 权利要求的算法涉及具体技术领域，所处理的数据为技术领域中具有确切技术含义的数据；

       * 权利要求的算法涉及计算机系统内部性能的改进；

       * 权利要求的算法所挖掘的是数据中符合自然规律的内在关联关系。

 

III.完善了涉及人工智能、大数据的发明专利申请的创造性审查基准

       在对既包含技术特征又包含算法特征或商业规则和方法特征的涉及人工智能、大数据的发明专利申请进行创造性审查时，遵循的是整体考虑原则，即应将与技术特征功能上彼此相互支持、存在相互作用关系的算法特征或商业规则和方法特征与所述技术特征作为一个整体考虑。“功能上彼此相互支持、存在相互作用关系”是指算法特征或商业规则和方法特征与技术特征紧密结合、共同构成了解决某一技术问题的技术手段，并且能够获得相应的技术效果。

       在原指南中，对于如何判断 “功能上彼此相互支持、存在相互作用关系”，有以下规定：

       1）如果权利要求中的算法应用于具体技术领域，可以解决具体技术问题，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；

       2）如果权利要求中的商业规则和方法特征的实施需要技术手段的调整或改进，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。

       在新指南中，不再将权利要求的方案局限于具体技术领域，而是在原指南的上述两条规定之外，对于如何判断 “功能上彼此相互支持、存在相互作用关系”又新增了下列规定：

       3）如果权利要求中的算法与计算机系统的内部结构存在特定技术关联，实现了对计算机系统内部性能的改进，提升了硬件的运算效率或执行效果，包括减少数据存储量、减少数据传输量、提高硬件处理速度等，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。

       例如：

       一种用于适配神经网络参数的方法， 所述方法包括：

       针对神经网络至少一层中的每一层的权重参数， 选择多个维度；

       确定所述权重参数在所述多个维度中每个维度上的尺寸；

       基于支持神经网络计算的硬件的使用率， 确定所述权重参数在所述多个维度中每个维度上的目标尺寸的候选值集合；

       选取所述候选值集合中大于或等于对应维度上的尺寸的所有候选值子集， 确定所述候选值子集中的最小值为对应维度上的目标尺寸；

       如果所述权重参数在多个维度中的至少一个维度上的尺寸小于对应维度上的目标尺寸，则在所述维度上对权重参数进行填充，  使得填充之后获得的权重参数在每个维度上的尺寸等于对应维度上的目标尺寸。

       分析：上述权利要求的解决方案涉及用于适配神经网络参数的方法，通过获得具有规范形式的神经网络参数，将神经网络中的运算映射到计算架构所支持的运算中，简化神经网络相关硬件的设计和实现。

       对比文件１公开了面向神经网络处理器的设计方法，该方法根据神经网络拓扑结构、神经网络层中各层的权重参数和维度参数，以及硬件资源约束参数等，从已构建的神经网络组件库中查找单元库，并依据单元库生成对应于神经网络模型的神经网络处理器的硬件描述语言代码，进而将所述硬件描述语言代码转化为所述神经网络处理器的硬件电路。其中将神经网络特征数据和权重数据划分为适当的数据块集中存储和访问。

       上述权利要求的解决方案与对比文件１ 的区别在于确定神经网络每一层权重参数在每个维度上的尺寸，基于硬件使用率确定权重参数在每个维度上的目标尺寸的候选值集合，选取对应维度上的候选值子集并确定 其中最小值为目标尺寸，如果权重参数在至少一个维度上的尺寸小于目标尺寸则对所述维度上的权重参数进行填充。

       基于上述权利要求对应的申请文件可知，该解决方案通过将权重参数的尺寸填充为等于目标尺寸，当支持神经网络的硬件对神经网络的数据进行运算时，硬件能够高效处理所述数据，该解决方案中的算法提升了硬件的运算效率。因此，上述用于适配神经网络参数的算法特征与技术特征在功能上彼此相互支持、存在相互作用关系。相对于对比文件１，确定发明实际解决的技术问题是如何使硬件高效地执行神经网络中的运算。上述通过适配神经网络参数以提升硬件运算效率的内容未被其他对比文件公开，也不属于本领域的公知常识，现有技术整体上并不存在对上述对比文件１进行改进以获得发明专利申请的技术方案的启示，要求保护的发明技术方案具备创造性。

       至此，在对涉及人工智能、大数据的这类既包含技术特征又包含算法特征或商业规则和方法特征的发明专利申请进行撰写或答复审查意见的过程中，申请人可以考虑从下列任一方面来体现算法特征或商业规则和方法特征与技术特征之间存在功能上彼此相互支持、相互作用的关系，以更好地提供对创造性的支持：

       * 权利要求的算法应用于具体的技术领域，解决的是具体技术问题；

       * 权利要求的算法实现了计算机系统内部性能的改进；

       * 权利要求中的商业规则和方法特征的实施需要技术手段的调整或改进。

       此外，考虑到在人工智能、大数据等领域中，相当数量发明的出发点是为了提升用户体验，在新指南中还明确增加了涉及用户体验提升的创造性审查基准，即：如果发明专利申请的解决方案能够带来用户体验的提升，并且该用户体验的提升是由技术特征带来或者产生的，或者是由技术特征以及与其功能上彼此相互支持、存在相互作用关系的算法特征或商业规则和方法特征共同带来或者产生的，则在创造性审查时应当予以考虑。

       例如：

　　一种物流配送方法，其通过批量通知用户取件的方式来提高物流配送效率，该方法包括：

       当派件员需要通知用户取件时，派件员通过手持的物流终端向服务器发送货物已到达的通知;

       服务器批量通知派件员派送范围内的所有订货用户;

       接收到通知的订货用户根据通知信息完成取件;

       其中，服务器进行批量通知具体实现方式为，服务器根据物流终端发送的到货通知中所携带的派件员ID、物流终端当前位置以及对应的配送范围，确定该派件员ID所对应的、以所述物流终端的当前位置为中心的配送距离范围内的所有目标订单信息，然后将通知信息推送给所有目标订单信息中的订货用户账号所对应的订货用户终端。

       分析：对比文件1公开了一种物流配送方法，其由物流终端对配送单上的条码进行扫描，并将扫描信息发送给服务器以通知服务器货物已经到达；服务器获取扫描信息中的订货用户信息，并向该订货用户发出通知；接收到通知的订货用户根据通知信息完成取件。

 

       上述权利要求的解决方案与对比文件1的区别在于批量通知用户订货到达；为实现批量通知，该方案中服务器、物流终端和用户终端之间的数据架构和数据通信方式均做出了相应调整，取件通知规则和具体的批量通知实现方式在功能上彼此相互支持、存在相互作用关系。相对于对比文件1，确定发明实际解决的技术问题是如何提高订单到达通知效率进而提高货物配送效率。由此可以使物流派送人员的操作更便利、订货用户接收取货通知更及时，提高了取送货双方的用户体验。本申请的解决方案能够获得提高订单到达通知效率进而提高货物配送效率的技术效果以及用户体验的提升，这种用户体验的提升是由功能上彼此相互支持、存在相互作用关系的数据机构和数据通信方式的调整以及取件通知规则和具体的批量通知实现方式共同带来的。由于现有技术并不存在对上述对比文件1做出改进从而获得发明专利申请的解决方案的技术启示，该解决方案具备创造性。

       可以看出，在新指南中明确了在对涉及人工智能、大数据的发明专利申请的创造性审查中，可以将用户体验的提升作为技术效果来进行考量。但应注意用户体验的提升应该是针对群体用户的感受，而非因人而异，并且用户体验的提升应该是因技术改进产生的技术效果而客观带来的用户感知上的提升。

 

小结

       从专利审查指南的上述最新修改可以看出，中国国家知识产权局对于人工智能、“互联网+”、大数据以及区块链等新业态、新领域中包含算法和商业规则的专利保护工作给出了更明确和规范的指引，可以满足多种创新保护需求。

 

参考文献：

《专利审查指南》（文中所引用示例均来自新修改的《专利审查指南》第二部分第九章6.2小节提供的审查示例）

《<专利审查指南>（2023）修改解读》

 

作者介绍：

       苏晓丽2003年毕业于山东师范大学，获工学硕士；同年，进入中国科学院计算技术研究所，攻读博士。在计算机和通信领域有丰富的科研经验，参加过国家863项目、国家自然科学基金等多个重大项目，发表了多篇论文。2010年，加入泛华伟业知识产权代理有限公司，主要负责计算机、通信等领域内的专利申请文件撰写、答复审查意见通知书等中间程序、驳回复审、侵权分析、检索及咨询等。