假设你叫老周，在城郊承包了一片果园，种下了一片用AI技术打理的苹果林——自动浇水、智能病虫害识别、采摘机器人，一派现代农场景象。你满心欢喜等着秋收，忽然邻居老顾拿着一纸地契找上门来，说你新修的篱笆占了他家的地。你拿着图纸一对照，发现自家树虽然长在自家土里，但“自动浇水算法”的路径设计，正好用到了老顾去年申请专利的那套“智能灌溉方法”。专利侵权，就像你在不知情的情况下，把篱笆越过了邻居的地界。本篇带你彻底搞懂这件事：怎么判断危险（侵权风险认知）、怎么拿地图排查（FTO分析）、怎么绕道走（规避设计）、怎么装雷达（预警监控）、真被敲门了怎么办（应对处置），以及怎么把这笔账算成生意（商业格局）。读完你就能在AI产品落地前，给自己添一道“不踩雷”的保险。

岗位关联

学会专利侵权风险识别与防范，是AI产品商业化从“能跑”迈向“能卖”的关键一步。用FTO分析和规避设计护住产品，你将少踩无数诉讼与赔偿的坑——这是AI创业者、产品负责人和专利工程师的必修课。

目录
  1. 可视化演示
  2. 风险概念认知
  3. FTO自由实施分析
  4. 规避设计策略
  5. 预警监控体系
  6. 侵权应对处置
  7. 商业格局考量
  8. AI 应用场景
  9. Python 演示
  10. 常见误区
  11. 面试题

可视化演示

动态演示AI专利侵权风险识别与防范的核心机制，通过采集/分析/决策/反馈四种模式展示关键概念与交互流程。

本节配有交互动效（进入视口后自动加载，约 3KB）。

AI专利侵权风险识别与防范：专利侵权 专利侵权的基本判定原则 FTO自由实施分析的方法与流程 核心机制可视化 AI专利侵权风险识别与防范整体架构与关键组件

风险概念认知

侵权风险要聊清楚，得先学会看“围栏图纸”。在专利世界里，一份专利的“围栏图纸”就是它的权利要求书。权利要求书里一句一句话，每句话由若干“技术特征”组成——你可以把每个技术特征想象成围栏的一根立柱。立柱在图纸上排成一圈，圈出来的地盘就是法律承认的独占区域。

要判断你的产品有没有进入别人的围栏，法院用一条铁律：全面覆盖原则。规则说起来很简单——只有当你的技术方案包含了权利要求中写下的全部技术特征时，才算落入保护范围。少一根立柱，围栏就缺了口，你就不算越界。注意，不是“看起来像”就算，而是“每一根立柱都在”才算。

权利要求分为独立权利要求和从属权利要求。独立权利要求的立柱最少，圈出的地盘最大，是所有专利侵权比对的第一目标；从属权利要求在独立权利要求基础上又加了几根“新立柱”，圈出更小的内院。此外还要了解等同原则：你偷偷把木立柱换成了铁立柱，但位置、功能、作用方式没变，法律上仍可能认定为同一个技术特征。这就是为什么“改个材料就不侵权”的想法很危险。

看懂这份“围栏图纸”，你就有了丈量整个果园的第一把尺子。后面做FTO排查时，你会反复用到这把尺子去量每一件潜在风险专利——量得越准，果园的路就越宽。

Fclaim⊆Pproduct⇒落入保护范围\displaystyle F_{\text{claim}} \subseteq P_{\text{product}} \Rightarrow \text{落入保护范围}
通俗说明：把权利要求拆成一根根立柱（f1到fn），再把自己产品的特征也列成清单（p1到pm）。如果产品清单里能找齐权利要求里的每一根立柱，你就站进了别人的围栏；缺一根，就不算。
  1. 拆解权利要求把独立权利要求逐字读，拆成单一技术特征集合，好比把围栏图纸上的每根立柱都标上号。
    Fclaim={f1,f2,…,fn}F_{\text{claim}} = \{ f_1, f_2, \dots, f_n \}
  2. 拆解产品方案把自家产品的技术方案也拆成特征集合，保证粒度相当，才能公平比对。
    Pproduct={p1,p2,…,pm}P_{\text{product}} = \{ p_1, p_2, \dots, p_m \}
  3. 逐一匹配拿F里的每个特征去P中查找，找不到就立即判定“不全面覆盖”。
    ∀fi∈Fclaim,  fi∈Pproduct\forall f_i \in F_{\text{claim}},\; f_i \in P_{\text{product}}
  4. 下结论全部匹配才落入范围，这对应“围栏的每一根立柱都被你复刻了一遍”。
    Fclaim⊆PproductF_{\text{claim}} \subseteq P_{\text{product}}

FTO自由实施分析

老周决定赶在秋收前，把周边各家各户的围栏都排查一遍。他拿着本地图，走遍每一处可能越界的角落，在图上标出“这里不能踩”。这套动作，在专利行话里叫FTO分析——自由实施分析。

FTO的全称是Freedom to Operate，意思是“自由实施”。它的目标是回答一个问题：我的产品在某个国家或地区落地，会不会侵犯别人仍然有效的专利？FTO分析不是可做可不做的锦上添花，而是产品上市前的“排雷行动”。尤其对AI产品而言，算法模型、训练方法、数据处理流程等都可能踩到别人的权利要求。

一次完整的FTO分析有四个步骤。第一步构建检索范围：用技术分类号（IPC/CPC）加关键词组合，把同领域专利打捞上来，再结合引证关系扩充。第二步筛选重点：把检索结果中同族有效的专利挑出来，重点读独立权利要求。第三步逐件比对：把每件专利的权利要求特征与产品特征做“排排坐”式比对，给出高、中、低风险结论。第四步出具FTO报告：记录每件专利的基本信息、比对过程、风险等级和行动建议，这份报告既是内部决策依据，也是未来诉讼中的“善意证据”。

FTO报告就是老周地图上的“雷区标注图”。哪些围栏不能碰、哪块地可以放心深耕，一目了然。拿到报告，老周就能在秋收前规划出一条最安全的采摘路线。

R(pi)={高风险,Fi⊆Pproduct中风险,Fi 与 Pproduct 部分重叠低风险,Fi∩Pproduct=∅\displaystyle R(p_i) = \begin{cases} \text{高风险}, & F_i \subseteq P_{\text{product}} \\ \text{中风险}, & F_i \text{ 与 } P_{\text{product}} \text{ 部分重叠} \\ \text{低风险}, & F_i \cap P_{\text{product}} = \varnothing \end{cases}
通俗说明：把检索到的每件专利p_i都拿来与产品特征集P比对。产品覆盖了专利的全部立柱，就是高风险；只撞上几根，是中风险；一根都没撞上，就是低风险。
  1. 专利编号p_i表示检索结果中的第i件有效专利，对应地图上的一块围栏。
    pi∈检索结果集合p_i \in \text{检索结果集合}
  2. 比对关系F_i是第i件专利独立权利要求的特征集合，P是产品的特征集合。
    Fi⊆PproductF_i \subseteq P_{\text{product}}
  3. 分级判定根据重叠程度把每件专利归入高、中、低风险三个桶，方便按优先级处理。
    R(pi)=风险等级(pi)R(p_i) = \text{风险等级}(p_i)

规避设计策略

如果FTO分析发现，老周规划的AI自动浇水方案正好落在老顾家的围栏里，硬闯不行，交过路费又心疼，还有第三条路——绕路。在法律圈，这条“绕路”叫规避设计（Design Around）：不踩别人的每一根立柱，重新设计出一条新路径。

规避设计的核心不是“换个名字、改个外壳”，而是从技术特征层面动刀。具体分三步：先把权利要求拆成特征清单，找出其中最容易替代、成本最低的那根“立柱”；然后设计一个功能相当的替代特征，把它塞进自己的方案里；最后做新一轮FTO验证，确保新方案与所有已知专利都不再“全面覆盖”。

实际操作中，有三条经验值得记住。第一，优先删除或替换“独立权利要求”里的必要技术特征，因为只要缺一根立柱，就不落入保护范围；只改从属权利要求里的细节，往往还在围栏内。第二，替代方案要追求“异曲同工”：功能相近但实现路径不同，例如把“基于用户行为序列的模型”改成“基于商品知识图谱的模型”。第三，做成本效益权衡：把规避设计与许可费、诉讼成本放在同一张天平上，改造费用可控、周期可接受，才值得绕行。

绕路不是逃跑，而是聪明的迂回。老周在自家果园侧面开了一条新径，绕开老顾的围栏，同样能浇到树、摘到果。这条新径，让他的AI苹果林安稳地避开了雷区。

∃fj∈Fclaim,fj∉Pnew  ⇒  Fclaim⊈Pnew\displaystyle \exists f_j \in F_{\text{claim}},\quad f_j \notin P_{\text{new}} \;\Rightarrow\; F_{\text{claim}} \nsubseteq P_{\text{new}}
通俗说明：只要新设计P_new能把权利要求里的至少一根立柱f_j换掉或拿掉，整个围栏就合不拢，产品就不会落入保护范围。
  1. 选定目标特征从权利要求特征集中挑选一个“替换成本最低”的必要技术特征。
    fj∈Fclaimf_j \in F_{\text{claim}}
  2. 替换或删除在新设计中让该特征不再出现，即把它从对应的立柱位置抽走。
    fj∉Pnewf_j \notin P_{\text{new}}
  3. 整体校验重新比对后，权利要求特征集不再是新设计特征集的子集，围栏出现缺口。
    Fclaim⊈PnewF_{\text{claim}} \nsubseteq P_{\text{new}}
  4. 风险复核用新方案重新做FTO，确认没有同时踩进其他专利的围栏。
    Fother∩Pnew=∅F_{\text{other}} \cap P_{\text{new}} = \varnothing

预警监控体系

围栏不是一成不变的。老顾今年修了东墙，明年可能又圈西地；新技术一申请，围栏可能就悄悄长到了你家门口。光靠秋收前一次踩点远远不够，老周决定在果园四周装上雷达，实时盯着围栏变化——这正是专利风险预警监控体系要做的事。

专利预警监控，是指按固定频率扫描竞争对手的新公开专利、同领域的技术布局和诉讼动态，把刚冒头的风险及时端上桌面。它和FTO分析互补：FTO是“一次性体检”，预警是“长期健康监测”。

一套运转良好的预警机制包含四个要素。一是监控对象：同类技术的头部企业、本领域最新授权与公开的专利、以及重要诉讼与无效宣告案例。二是追踪频次：常规季度一次，研发关键期可缩短到每月甚至每周。三是内部流程协同：研发立项时把技术方案要点同步给专利工程师，专利工程师检索后输出风险清单，法务评估后反馈给产品团队，形成闭环。四是利用行业情报：关注专利侵权诉讼、无效宣告等信号，它们会提前暴露竞争对手的维权偏好。

有了这套雷达，老周的果园不再被动。围栏哪怕只向外扩了一米，雷达都会在第一时间“嘀嘀嘀”报警，让他有充足的时间调整路线。

overlap(pi,Pplan)=∣Fi∩Pplan∣∣Fi∣×100%\displaystyle \text{overlap}(p_i, P_{\text{plan}}) = \frac{|F_i \cap P_{\text{plan}}|}{|F_i|} \times 100\%
通俗说明：计算新公开专利与在研产品的特征重叠率。重叠率越高，越要拉响警报，安排重新设计或许可谈判。
  1. 分子含义新专利与在研产品共同拥有的技术特征个数，相当于两边围栏重叠的长度。
    ∣Fi∩Pplan∣|F_i \cap P_{\text{plan}}|
  2. 分母含义新专利自身的特征总数，用作归一化，防止特征多的专利天然显得“更像”。
    ∣Fi∣|F_i|
  3. 阈值判断重叠率超过一定比例（例如80%）时，升级为高风险项并启动应对流程。
    overlapi≥θ⇒预警\text{overlap}_i \geq \theta \Rightarrow \text{预警}

侵权应对处置

怕什么来什么。秋收前一个月，老周收到一封律师函——老顾说他的自动浇水方案侵犯了“智能灌溉方法”专利权，要求立即停用并赔偿。老周没慌，他先做了一件事：重新摊开地契和地图，逐根核对围栏立柱。

收到侵权警告函（俗称律师函）后，最忌讳两件事：一是慌乱认账，二是置之不理。正确的第一反应是按“是否真正落入保护范围”来分诊。如果产品压根不具备某项必要技术特征，就可以理直气壮地回函说明，必要时提起确认不侵权之诉；如果确实落入，则进入策略评估环节。

评估环节一般有五种应对策略，按优先级排列。一是不侵权抗辩：依然认为不落入或专利无效，走诉讼程序硬扛。二是规避设计：立刻改造产品，用新方案替换侵权特征。三是许可谈判：向对方支付授权费，把风险转化为成本。四是无效宣告：收集现有技术证据，请求宣告对方专利全部或部分无效——围栏一拆，侵权自然不成立。五是和解：在评估诉讼成本后谈一个双方都能接受的金额。无论选哪条，都要有止损预案：比如备好替代供应商、提前准备新版软件，避免产品被下架。

老周最后选了“许可+规避双轨并行”：先用一笔授权费稳住秋收，同时部署新方案明年替换。门被敲响时，手里有地图（FTO报告）、有备用路径（规避方案），他反而把被动局面谈成了合作筹码。

最优策略=arg⁡min⁡{C许可,  C规避,  C无效,  C诉讼}\displaystyle \text{最优策略} = \arg\min \{ C_{\text{许可}},\; C_{\text{规避}},\; C_{\text{无效}},\; C_{\text{诉讼}} \}
通俗说明：把四种策略的金钱成本、时间成本、业务影响一起算总账，选择总代价最小的那条路。
  1. 成本集合列出许可费、规避改造费、无效宣告费、诉讼赔偿与律师费四个候选方案。
    {C许可,C规避,C无效,C诉讼}\{ C_{\text{许可}}, C_{\text{规避}}, C_{\text{无效}}, C_{\text{诉讼}} \}
  2. 逐一估算每个C都包含直接费用和间接损失，例如停售损失、商誉影响也算进来。
    C策略=C直接+C间接C_{\text{策略}} = C_{\text{直接}} + C_{\text{间接}}
  3. 取最小值arg min表示选择使总成本最小的策略组合，而非单独看某一项。
    最优策略=arg⁡min⁡{⋯ }\text{最优策略} = \arg\min\{\cdots\}

商业格局考量

果园生意越做越大，老周发现光会“不越界”还不够。老顾的园子里有他想要的果子，他的园子里也有老顾想要的果子——与其互相防着，不如商量着互相开门。这就是专利世界里更高阶的玩法：交叉许可。

把视角拉高，专利侵权风险从来不是单向的。你的产品要落地，可能用到别人的算法专利；别人的产品要迭代，也可能踩到你的创新技术。当两个方向的“围栏重叠”同时存在，双方就都有了谈判筹码，交叉许可因此成为可能——你授权我用你的技术，我授权你用我的技术，谁也不必付巨额过路费。

商业格局层面有三件事值得提前布局。一是尽早建立自己的专利组合：哪怕只是算法流程上的一点创新，也值得申请专利，成为未来谈判桌上的筹码。二是定期评估双方风险敞口：用FTO思路反向分析竞争对手的产品是否落入你的专利权范围。三是看清开源许可的边界：Apache 2.0等开源协议虽然授予版权使用权限，有时也附带专利授权，但并非所有开源协议都如此；使用开源组件前务必阅读其中有无专利授权条款，别让“免费开源”变成“专利地雷”。

老周最终和老顾达成了友好协议：两家果园互相开放一条采摘通道，各取所需。从“防着不踩”到“谈着互换”，老周的AI果园真正把专利风险变成了商业资源。

若 RA→B>0 且 RB→A>0,则交叉许可有谈判空间\displaystyle \text{若 } R_{A \to B} > 0 \text{ 且 } R_{B \to A} > 0,\quad \text{则交叉许可有谈判空间}
通俗说明：A公司产品对B公司专利有风险，B公司产品对A公司专利也有风险，双向筹码都握在手里，交叉许可才谈得拢。
  1. 单向敞口R_{A→B}表示A的产品落入B专利保护范围的量化风险值。
    RA→B>0R_{A \to B} > 0
  2. 双向对称同时计算反向风险，确认自己也握着对方的把柄。
    RB→A>0R_{B \to A} > 0
  3. 谈判条件两个条件同时成立，双方才愿意坐下来互换许可。
    RA→B>0∧RB→A>0R_{A \to B} > 0 \wedge R_{B \to A} > 0

AI 应用场景

大模型SaaS产品上线前的FTO尽调

阶段：产品立项与商业化准备阶段

解决的问题：一个做AI客服机器人的创业公司，在发布前不知道自己的“意图识别+对话生成”流程是否侵犯他人专利。传统做法是收到律师函后才被动应对；现在用FTO流程，在产品立项时就把核心模块拆成特征清单，交给专利工程师检索，提前筛出高风险专利并完成规避设计，产品顺利上线。

具体案例：某AI客服创业公司在产品Beta版上线前，用FTO分析锁定竞品一件“多轮对话状态追踪方法”专利。通过规避设计，把“基于槽位填充的状态管理”改为“基于大模型提示词的状态聚合”，绕开了权利要求覆盖范围，避免了下架危机。

竞品专利月报预警机制

阶段：产品持续迭代阶段

解决的问题：竞品持续申请专利，产品更新迭代中容易撞上新授权。人工漫无目的检索效率低；建立预警SOP后，每月自动跑一次检索加人工复核，输出风险清单，把风险拦截在研发早期。

具体案例：某AI教育公司每月末由专利工程师拉取近30天公开的“个性化学习路径”相关专利，与当前产品功能做特征重叠比对，将风险项写入产品例会。一次预警中提前发现竞品就“错题推荐”提出了新权利要求，研发团队通过调整推荐策略成功规避。

收到警告函后的应对与谈判

阶段：产品商业化成熟阶段（纠纷应对）

解决的问题：AI企业突然收到非专利实施主体（NPE）的警告函，传统上要么硬扛要么高价和解。通过“确认是否落入+无效宣告检索+规避设计预案”三件套，把被动变主动。

具体案例：国内某AI视觉公司收到海外NPE的“图像识别模型压缩”专利警告函。公司先用FTO比对证明核心产品不落入范围，同时针对对方专利稳定性提出现有技术证据，最终以远低于对方开价的金额和解。

Python 演示

python57 行
# -*- coding: utf-8 -*-# FTO自由实施分析简化模拟：判断产品特征是否覆盖专利权利要求class Patent:    """一件专利, claims 是特征集合的列表"""    def __init__(self, patent_id, title, claims):        self.patent_id = patent_id        self.title = title        self.claims = [set(c) for c in claims]  # 每条权利要求都是一个特征集合 class Product:    """产品, features 是产品技术特征集合"""    def __init__(self, name, features):        self.name = name        self.features = set(features)     def check_patent(self, patent):        """按全面覆盖原则逐条比对权利要求"""        results = []        for idx, claim in enumerate(patent.claims, start=1):            missing = claim - self.features            if not missing:                results.append((idx, "高风险: 全部特征覆盖"))            else:                results.append((idx, "低风险: 缺少特征 %s" % ", ".join(missing)))        return results     def fto_report(self, patent):        """输出FTO报告"""        print("=== 产品: %s ===" % self.name)        print(">>> 对比专利: %s (%s)" % (patent.title, patent.patent_id))        for idx, status in self.check_patent(patent):            print("  权利要求%d: %s" % (idx, status)) if __name__ == "__main__":    # 模拟一件"基于用户行为的商品推荐方法"专利    patent = Patent(        "CN20231001A",        "基于用户行为的商品推荐方法",        [            ["采集用户行为", "提取特征向量", "训练推荐模型",             "输出推荐列表", "反馈更新模型"]        ]    )     # 产品v1: 原样实现了专利的全部特征, 属于高风险    v1 = Product("AI推荐助手 v1", [        "采集用户行为", "提取特征向量", "训练推荐模型",        "输出推荐列表", "反馈更新模型"    ])    v1.fto_report(patent)     # 产品v2: 规避设计, 去掉"反馈更新模型"这个必要特征    v2 = Product("AI推荐助手 v2 (规避设计)", [        "采集用户行为", "提取特征向量", "训练推荐模型",        "输出推荐列表"    ])    v2.fto_report(patent)
目的：用集合差集运算模拟FTO分析的全面覆盖原则，演示一件产品在规避设计前后风险等级的变化。
  1. self.claims = [set(c) for c in claims]把每条权利要求转成集合，方便后续做集合差集运算
  2. missing = claim - self.features用集合差集找出“权利要求有、但产品没有”的特征
  3. if not missing:差集为空说明产品覆盖了该权利要求全部特征，触发高风险警报
  4. ["采集用户行为", ..., "输出推荐列表", "反馈更新模型"]示例专利的独立权利要求，相当于五根围栏立柱
  5. v2 = Product("AI推荐助手 v2 (规避设计)", [...])第二个产品去掉“反馈更新模型”特征后，从高风险降为低风险

常见误区

误区我申请了自己的专利，手里有授权证书，说明我的产品是安全的，别人告不了我。

正解专利证书只代表你对自家技术享有独占权，不代表你有权自由实施。围栏只保证别人不能进你家果园，不保证你家果园不建在别人的围栏里。取得自有专利和做FTO分析是两件事。很多公司专利成堆，仍可能因为产品落到竞争对手权利要求范围内被诉。

为何常见：把“有专利”等同于“有自由”，是因为混淆了“排他权”和“实施权”。专利本质是禁止他人实施，并不天然赋予自己实施的权利。

误区产品上市前做了一次FTO分析，结果显示没有风险，后面就能高枕无忧了。

正解FTO结论是时点性的。专利几乎每周都在新授权，竞争对手随时可能把权利要求写得更大。今天安全，不代表半年后依然安全。正确的做法是把FTO当起点，配上滚动式预警监控，至少每季度复检一次，研发方案变化时随时复检。

为何常见：人容易把“一次体检结果健康”理解成“永远不会生病”，忽视了专利布局是动态变化的。

误区把产品名称从“A智能推荐”改成“AR智能推荐”，或者把按钮换个图标，就能绕开专利。

正解专利侵权比对的是技术特征，不是名称或外观。只要产品的技术方案仍然包含权利要求里的全部技术特征，就算改一百个名字也会侵权。真正的规避设计必须从技术实现上下手——删掉或替换某一个必要技术特征，让“围栏立柱清单”对不上号。

为何常见：产品经理习惯了视觉层面的改版，误以为“看起来不一样”就等于“做的不一样”，忽略了权利要求是技术层面的精确边界。

误区用的都是Apache/MIT协议的开源项目，这些项目免费开源，所以可以放心商用，不会有专利问题。

正解开源协议通常解决版权问题，部分协议（如Apache 2.0）明确附带专利授权条款，但MIT、BSD这类协议并没有明确包含专利授权。更重要的是，开源组件本身也可能内含他人的专利技术。使用含专利授权条款的开源许可证项目相对安全，但用于商业产品前仍需做FTO检索。

为何常见：“免费”和“自由”两个词混在一起，让很多人误以为开源等于全面豁免，忽略了专利和版权是两个独立的权利维度。

面试题

Q1. 根据全面覆盖原则，判断产品侵犯某件专利的核心标准是？

单选题 · easy

  • A.产品使用了专利中的技术名称
  • B.产品特征包含权利要求全部技术特征← 正确答案
  • C.产品功能与专利实现的功能相同
  • D.产品的实现方式与专利完全相同

答案：B。全面覆盖原则只看“技术特征是否全部覆盖”。就好像围栏有四根立柱，你的篱笆必须四根都立上才算越界；只用了专利的名称或功能相似不算，必须逐根特征全部对得上。

Q2. FTO分析的全称含义是？

单选题 · mid

  • A.自由试验分析
  • B.自由实施分析← 正确答案
  • C.项目可行性分析
  • D.专利授权分析

答案：B。FTO即Freedom to Operate，译为“自由实施”，回答“产品在特定市场实施是否侵权”的问题。它不是实验、立项或授权流程，而是上市前的排雷排查工作。

Q3. 规避设计的核心目标是？

单选题 · mid

  • A.故意模仿专利并加注释
  • B.删除替换必要特征之一← 正确答案
  • C.修改产品名称绕开专利
  • D.换个国家和地区销售

答案：B。规避设计必须从技术特征层面让“围栏缺一根立柱”。改名称、换市场都不算；故意模仿更是风险加倍。只有删掉或替换某个必要技术特征，使权利要求无法被全面覆盖，才算真正绕开。

Q4. 收到专利侵权警告函后，合理的应对策略包括哪些？

多选题 · hard

  • A.不侵权抗辩或诉请确认← 正确答案
  • B.请求宣告涉案专利无效← 正确答案
  • C.重新进行规避设计← 正确答案
  • D.直接忽略不予回应

答案：ABC。不侵权抗辩、无效宣告、规避设计都是正面应对手段。直接忽略可能被认定为故意侵权，导致惩罚性赔偿，属于高风险错误动作。收到敲门声，先核地契再谈策略，绝不能装睡。

Q5. 等同原则的核心含义是？

单选题 · mid

  • A.方式实质等同也视为同一特征← 正确答案
  • B.专利过期后依然受法律保护
  • C.各国专利授权后全球范围有效
  • D.软件与硬件专利法律地位相同

答案：A。等同原则防止“换个材料就绕过专利”的钻空子行为。只要手段、功能、效果实质相同，且本领域技术人员容易联想到，仍视为同一技术特征。好比木围栏换成铁围栏，围栏还是那道围栏。

Q6. 独立权利要求与从属保护范围的关系是？

单选题 · easy

  • A.独立权利要求保护范围更大← 正确答案
  • B.从属权利要求保护范围更大
  • C.两者保护的范围大小一致
  • D.独立权利要求特征数量更多

答案：A。独立权利要求的技术特征最少，围栏圈得最大；从属权利要求在独立基础上追加特征，相当于在大围栏里再圈小院。侵权比对优先看独立权利要求，因为它最容易覆盖到你的产品。

Q7. 建立专利风险预警体系时，应当监控哪些对象？

多选题 · hard

  • A.同领域竞争对手核心专利← 正确答案
  • B.竞品新近申请的专利动态← 正确答案
  • C.行业专利诉讼的进展信息← 正确答案
  • D.员工每日考勤打卡记录

答案：ABC。预警监控盯的是“围栏有没有悄悄扩展”——对手专利、新申请、诉讼动态都是关键信号。员工考勤与专利风险无关，属于干扰项。监控信息要回流到研发和法务，形成决策闭环。

Q8. FTO报告发现某件专利属高风险后，通常优先采取哪项动作？

单选题 · mid

  • A.立即停止研发并等待观望
  • B.优先做规避设计或寻求许可← 正确答案
  • C.改变公司名称后重新上市
  • D.忽略风险继续推进商业化

答案：B。高风险意味着产品落入对方围栏，正确动作是“绕路或交过路费”——规避设计或洽谈许可。停止研发会错失市场，更名和忽略都不能消除技术特征层面的风险，反而可能扩大损失。

Q9. 某专利记载“使用梯度下降批量训练模型”；另一产品使用“逐样本在线学习”替代批量训练，且手段实质等同。下列判断正确是？

单选题 · extreme

  • A.完全不可能构成等同侵权
  • B.手段实质等同则可能构成侵权← 正确答案
  • C.一定构成等同侵权关系
  • D.一定不构成等同侵权

答案：B。在线学习与批量训练属于不同的实施方式，但如果二者在手段、功能、效果上实质相同，且本领域技术人员无需创造性劳动就能联想到，就可能构成等同侵权。反之若存在实质性差异则不构成，因此“完全可能/一定构成/一定不构成”都过于绝对。

Q10. 关于开源组件与专利风险的关系，下列说法正确的是？

多选题 · mid

  • A.开源协议不必然解决专利授权← 正确答案
  • B.Apache 2.0 含专利授权条款← 正确答案
  • C.MIT协议项目毫无专利风险
  • D.开源组件内部也可能暗含专利← 正确答案

答案：ABD。开源协议主要解决版权问题，是否包含专利授权要看具体条款，Apache 2.0明确包含专利授权；MIT、BSD等协议则没有明确约定。开源组件本身也可能内含他人专利技术，因此“MIT毫无风险”是绝对化错误结论。