深入理解算法可专利性

可视化演示

展示算法专利判定决策流程、中美欧三地审查标准对比、以及AI专利布局网络策略，理解算法从数学方法到可专利技术方案的转化路径。

专利保护对象

美食评审团每天收到无数份「配方申请」。有人递上一张纸条：「面粉、鸡蛋、糖，按 3:2:1 混合烤制」；有人递上一整套工艺手册：「低温发酵 12 小时、蒸汽湿度控制在 85%、出炉前 5 分钟调高上火进行焦化」，并附上实验数据证明成品不回缩。评审团只会给后者发「工艺创新奖」。这是因为要获得专利保护，对象必须是一个完整的「技术方案」，而不是「知识」本身——配方比例背后的生化原理属于全人类的共同财富，谁也独占不得。

AI 业界常误以为「算法是数学方法，天然与专利绝缘」。实际上中国专利法排除的是「智力活动的规则和方法」——比如一种记忆英语单词的规则、一种打分的计算公式（这好比「背菜谱」本身不算创新）。但当一次算法运行在具体的硬件上、处理的是有物理属性的数据、解决的是某个实际技术问题时，它就不再是「智力活动」，而是一个可以申请专利的「发明」对象。

专利保护的是发明的「技术方案」。判断一个发明能否被保护，先看它是否落在专利法第五条、第二十五条的排除清单之外，再看它是否满足专利三性：新颖性（申请日前没有同样的技术方案被公开）、创造性（对本领域技术人员非显而易见）、实用性（能制造或使用并产生积极效果）。对算法而言，新颖性通常来自新的训练策略或特征处理方法；创造性的论证则是难点，需要在审查意见答复中不断强调技术贡献。

回到烘焙师比喻：配方（算法逻辑）本身人人可用；但你改良出的「低温发酵+湿度控制」整套烘焙工艺（技术方案）如果满足三性，评审团才可能给你颁奖。接下来我们看看，评审团评判「技术味」的几把标尺。

技术属性判断

评审团有一套「品鉴清单」：你的烘焙工艺，是不是真的改了面团发酵流程、烤炉热风方向这些「看得见摸得着的东西」？还是只在纸上画了一条理想化的数学温度曲线，根本没法在厨房里执行？前者叫技术手段，后者叫抽象构思。算法可专利性的核心，就是判断它是否具有「技术属性」。

技术属性体现在三处：解决的是一个技术问题（如提升图像识别精度、降低模型推理延迟）；采用的手段利用了自然规律（如利用电磁波反射测距、利用概率统计降噪）；最终产生的是可复现的技术效果（如帧率提升 30%、误检率下降 50%）。三者齐备，算法就升级为技术方案。可以用一个教学公式概括：

品鉴清单其实就是这么朴素：你的算法在真实世界里动了什么「真东西」，产生了什么可测量的改变？只停留在纸面上的「温度曲线」再完美，评审团也会微笑着把它放回「抽象构思」的抽屉里。

中国审查标准

中国的评审团（国家知识产权局）口味独树一帜：他们不拆开你的配方看某个配料单独有没有新意，而是把烘焙工艺当成一整套「菜」来品——这道菜整体上是不是一道真正的菜，还是只是一张食材清单？这就是「整体判断」路线。

中国审查中，算法发明最常见的障碍是专利法第二十五条：智力活动的规则和方法不授予专利权。审查员的提问往往是：「这个权利要求整体上是不是直接构成一个技术方案？」如果答案是否定的——比如权利要求写的是「一种对数据进行排序的方法」且未限定任何具体应用——就很可能被归为纯智力规则。整体判断可形式化如下：

所以在中国申请算法专利，别急着把抽象公式摆上台面；先把「这道菜」完整地做出来——用什么样的锅炉（技术手段）、解决什么烤焦问题（技术问题）、最后带来什么改进（技术效果），三样齐活，评审团才会点头。

美国审查标准

大洋彼岸的美国评审团（USPTO）喜欢「过安检」。2014 年 Alice 案后，他们总结出一条标准流程：先把你的配方拿去过第一道安检门「这是不是食材的化学成分本身？」（司法例外），如果不是，放行；如果是，再进第二道门「这道菜有没有加入可执行的烹饪技巧？」（发明概念），有则放行，没有就拦下。

Alice 两步检验的第一步询问：权利要求是否直接指向司法例外——自然规律、自然现象、抽象概念。商业方法、数学算法、组织人类活动的规则都是「抽象概念」的重灾区。若答案是肯定的，进入第二步：权利要求中的额外元素是否把抽象概念「转化」成了有实际意义的应用。额外元素不能只是「在通用计算机上执行」这类常规技术，必须带来超过抽象概念本身的技术改进。检验逻辑如下：

美国这条「安检通道」比中国更看重「单个配料」与「烹饪技巧」的划分：哪怕你的配方再新颖，如果只是把几种食材的化学性质重新组合（抽象概念），又没展示出真正的烹饪技艺（发明概念），评审团的安检门就会无情亮红灯。

欧日审查标准

欧洲和日本的评审团虽然也在安检，但关注点更「理科生」。欧洲评审团不看你的菜谱是否新颖，先问：「这道菜相比直接吃食材本身，有没有带来身体感受层面的额外好处？」——这就是「进一步技术效果」。

欧洲专利局（EPO）对计算机实现的发明采用「技术性」判断：如果发明对「现有技术状况」产生技术贡献，例如减少内存占用、改进图像渲染质量，就可能通过审查。日本特许厅则强调「进步性」：算法发明必须体现在硬件资源或处理结果的改进上，并把技术特征与数学方法特征放在一起整体评估。相较之下，欧洲强调技术效果的新维度，日本更强调与现有技术的对比和整体技术思想。

以「用神经网络进行图像超分辨率」为例，在欧洲，申请人要论证该算法相比已知插值算法在画质细节上的技术改进；在日本，则要论证它相对现有图像处理模型具备「进步性」——不是换了个损失函数那么简单，而是带来了图像清晰度的实质性飞跃。而在中国，这个故事会被整体写成「结合图像采集设备与增强网络的技术方案」。

三地评审团口味各异：中国品「整体成菜感」，美国查「成分与技巧」，欧洲看「额外体感」，日本论「段位高不高」。但共同点是一致的——都不允许空口无凭的数学配方占山为王。

权利要求撰写

过了评审关，还有最后一仗：把工艺写成「疆域地图」。地图画得太大，会把公有食材（抽象规则）圈进来，评审团直接打回；画得太小，竞争对手改一个参数就能绕过。权利要求书就是这份既要圈地、又不能吞下公有财产的地图。

算法专利最常见的写法是「方法+虚拟装置」双轨：一方面撰写方法权利要求，按步骤先后描述算法流程，并在开头前置技术特征（如「一种图像处理方法，其特征在于，包括以下步骤……」）；另一方面撰写虚拟装置权利要求，将每个步骤映射为功能模块（采集模块、提取模块、判断模块），与说明书中的硬件一一对应。这样侵权举证时，无论是追究使用方法的一方，还是制造系统的一方，都有抓手。

撰写时还有三个锦囊：一是把「算法参数的具体取值」「特征组合方式」适度上位概括，避免过于具体的数值限缩保护范围；二是在权利要求中写入「与硬件配合」的特征，降低被认定为抽象概念的概率；三是在说明书中充分展开多种实施例和技术效果数据，为审查意见答复留足弹药。

地图画得好不好，决定了评审团放不放行、竞争对手绕不绕得开。一份优秀的权利要求书，永远在「圈住核心工艺」与「不侵占公有食材」之间走钢丝，这就是专利代理人的手艺所在。

典型案例分析

光讲规则太干，我们来看三场真实的「评审现场」。

案例一（中国）：某 AI 公司就「基于人脸关键点的图像美颜方法」提出申请。审查员起初认为它属于智力规则；申请人强调该方法通过检测人脸关键点（技术手段）、结合图像处理单元（技术环境）、实现皮肤瑕疵修复（技术效果），整体构成技术方案，最终获授权。案例二（美国）：Alice 案中，Alice 公司主张一项「由计算机执行的结算风险规避方法」专利，权利要求被最高法院判定无效——因为权利要求只是把「第三方托管」这个抽象商业概念放到计算机上执行，没有发明概念。案例三（欧洲）：某公司「利用神经网络处理视频帧以降低码率」的专利申请，因论证了带宽节省这一「进一步技术效果」，获欧专局认可。

三个案例指向同一个结论：技术化细节是算法专利的「通行证」。在中国要交代硬件+效果，在美国要避免纯抽象概念并提供发明概念，在欧洲要呈现进一步技术效果。算法本身的新颖性只是入场券，技术叙事能力才是制胜关键。

同样是「做菜」，中国评审看重整道菜的完成度，美国评审追问有没有真正的烹饪技巧，欧洲评审要求吃出额外好处。三个现场，三种叙事，但想拿奖，都得把「配方」做成「工艺」。

商业决策策略

最后回到烘焙师自己的决策：花大钱去申请工艺专利、把秘方锁进保险柜，还是免费公开菜谱来攒人气？三种选择对应三种商业路径。技术团队在立项时就要想清楚。

先做「可专利性预判」：检索现有技术，对照中/美/欧审查标准，判断创新点落在技术方案边界内还是边界外；随后在「专利保护」与「商业秘密保护」之间取舍——算法部署在云端、无法被反向工程拆解的部分，适合用商业秘密保护；算法嵌入硬件产品、一上市就被拆解检验的部分，适合专利保护。开源策略也要审慎：开源公开会让技术方案变成「现有技术」——中国不设宽限期，申请日前任何公开都可能破坏新颖性；美国则有 12 个月宽限期，但前提是在首次公开后尽快递交申请。

决策时可以用三个问题校准：一、这个算法的技术贡献点是否在竞争者不易绕过的位置？二、反向工程的难度有多高？难则商业秘密，易则专利。三、开源带来的生态收益是否大于独占收益？初创公司常以开源换取社区影响力，同时用专利组合防守核心商用场景——两者并不矛盾，但需要明确哪些代码开源、哪些作为核心技术保留。

蛋糕店想做大，既不能抱着配方裸奔，也不能闭门锁死错过风口。读懂算法可专利性的规则颗粒度，你才能在专利、商业秘密、开源这三条路上，选到最适合自己门店的那一座桥。

AI 应用场景

Python 演示

# -*- coding: utf-8 -*-"""算法可专利性预判工具：模拟中国三步法与美国 Alice 两步检验的教学简化版""" ABSTRACT_MARKERS = [    "数值运算", "逻辑判断", "数据整理", "分类规则",    "数学公式", "优化目标", "排序方法", "统计模型",] TECHNICAL_MARKERS = [    "传感器", "处理器", "缓存", "服务器", "网络接口",    "控制信号", "机械部件", "显示单元", "存储介质",]  def alice_test(claim_text, extra_elements):    """模拟美国 Alice 两步检验(教学简化)"""    hit = [m for m in ABSTRACT_MARKERS if m in claim_text]    if not hit:        return "可直接授权", "权利要求未指向司法例外"    if extra_elements >= 2:        return "可授权", "额外元素构成发明概念"    return "驳回", "额外元素只是常规技术"  def china_test(claim_text, application_desc):    """模拟中国技术方案整体判断(教学简化)"""    has_tech = any(m in claim_text for m in TECHNICAL_MARKERS)    has_effect = bool(application_desc) and "提升" in application_desc    if has_tech and has_effect:        return "构成技术方案", "算法结合硬件并产生技术效果"    if has_tech:        return "待补充", "有技术特征但缺乏技术效果论述"    return "属智力规则", "整体仍是抽象算法"  def generate_report(claim, extra_elements, application_desc):    print("=" * 46)    print("算法可专利性预判报告")    print("=" * 46)    print("权利要求: ", claim)    us_r, us_reason = alice_test(claim, extra_elements)    cn_r, cn_reason = china_test(claim, application_desc)    print("美国 Alice 检验: ", us_r)    print("  原因: ", us_reason)    print("中国三步法判断: ", cn_r)    print("  原因: ", cn_reason)    if (us_r in ("可直接授权", "可授权")) and cn_r == "构成技术方案":        print("综合建议: 可启动专利申请流程")    else:        print("综合建议: 补技术特征或强化技术效果论述")  if __name__ == "__main__":    generate_report(        "一种基于统计模型的商品分类方法, 在服务器上执行",        extra_elements=2,        application_desc="提升商品推荐准确率"    )    generate_report(        "一种数据排序方法",        extra_elements=0,        application_desc=None    )

1. hit = [m for m in ABSTRACT_MARKERS if m in claim_text]Alice 第一步检验：检查权利要求是否包含抽象概念关键词
2. if extra_elements >= 2:简化版的 Alice 第二步：判断额外技术元素是否构成「发明概念」
3. has_tech = any(m in claim_text for m in TECHNICAL_MARKERS)中国审查中的技术手段判断
4. has_effect = bool(application_desc) and "提升" in application_desc简化判断是否产生值得写入说明书的技术效果
5. if (us_r in ("可直接授权", "可授权")) and cn_r == "构成技术方案":双标准都通过才建议启动申请，体现跨法域预判思路

常见误区

面试题