AI创业知识产权布局：专利商标怎么保护

CH-37-08-028·约 17 分钟·AI商业化与创业·更新 2026-08-14

想象你开了一家远近闻名的“AI餐厅”：招牌菜是自家训练的大模型，秘制调料是模型权重，后厨那套独特的数据清洗流程是核心算法。餐厅生意火爆，可你突然发现，隔壁新店抄了你的招牌菜配方，还在楼下挂了相似的名字揽客——这就是AI创业者最真实的恐惧：技术没壁垒，品牌没保护，辛苦一场为别人做了嫁衣。知识产权布局，就是给你这家“AI餐厅”装上三层防护：把独门工艺申请成专利（相当于“独家工艺认证”），把招牌和店名注册成商标（相当于“门牌照”），把秘制配方锁进保险柜当商业秘密（相当于“后厨保险柜”）。再加上开源闭源的“菜单策略”、防抄袭的“巡店制度”、打官司的“法律武器”，一套组合拳下来，别人想抄也抄不走。本篇会把这套打法掰开揉碎讲清楚。无论你是AI创业者、技术负责人还是法务新人，都能从这里找到早期布局知识产权的完整路线图。

岗位关联

对AI从业者来说，知识产权是把技术变现为资产的护城河。学会专利、商标、商业秘密的组合布局，你的创业成果才能真正可估值、可融资、可维权。

可视化演示
一、专利布局策略——给招牌菜工艺上“独家认证”
二、商标品牌保护——挂好餐厅的招牌
三、商业秘密保护——锁进后厨保险柜的秘方
四、开源与闭源抉择——菜单的公开与保密
五、核心技术防护——巡店、留证与竞业
六、纠纷应对策略——从律师函到对簿公堂
AI 应用场景
Python 演示
常见误区
面试题

可视化演示

动态演示AI创业知识产权布局的核心机制，通过架构/数据/状态/性能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创业知识产权布局：AI创业 AI创业知识产权保护体系总览 AI技术专利申请策略与实务核心机制可视化 AI创业知识产权布局整体架构与关键组件

一、专利布局策略——给招牌菜工艺上“独家认证”

米其林餐厅的招牌菜之所以没人敢照抄，靠的不只是名气，更是“独家烹饪工艺认证”——旁人照着你的工艺做菜，就是侵权。专利对AI创业公司而言，就是这纸“工艺认证”，让你的算法创新从“谁都能学”变成“只有你能用”。

我国专利采用先申请制：同样的技术，谁先提交申请，专利权就归谁。AI领域技术迭代以月为单位，算法有了关键雏形就应尽快申请，哪怕产品还没上线。核心技术应当申请发明专利，保护期20年，明显优于只保10年的实用新型。申请时要把算法改写成“方法权利要求”，写成“一种数据处理方法，包括以下步骤……”的描述格式。

更聪明的做法是组合布局：一个核心专利加多个外围专利，比如数据增强方法、模型压缩方法、推理加速方法各申请一件，像砌墙一样把竞品挡在外面。竞品想绕开你的核心专利，又会撞上外围专利。

拿专利证书，就像拿到招牌菜的“工艺认证”。但记住，认证只是起点，后面还要年年缴年费、定期巡检市场，证书才不会变成纸老虎。

{N} = \begin{cases} 1, & ({F} \notin {S}_{\text{现有技术}}) \wedge ({P} \notin {S}_{\text{抵触申请}}) \\ 0, & \text{其他情况} \end{cases}

N 是“可否申请”的开关：N=1 表示发明具备新颖性可以申请；N=0 表示技术已公开或与他人冲突，失去申请价值。

技术特征集合 F把算法创新拆分成若干技术特征的组合，例如“用对抗样本做数据增强”就是一个特征项。
$F = \{f_1, f_2, \dots, f_n\}$
现有技术集合 S申请日之前已在全球公开的技术构成“现有技术”，这是新颖性的对比基准。
$S_{\text{现有技术}} = \{s_1, s_2, \dots, s_m\}$
不属于判断 $\notin$F 中没有任一特征与 S 中技术相同，才算通过排查。
$F \notin S_{\text{现有技术}}$
新颖性结果 N同时避开抵触申请，N=1 具备新颖性，可以提交申请。
$N = 1 \iff F \notin S_{\text{现有技术}}$

二、商标品牌保护——挂好餐厅的招牌

老字号餐厅最值钱的资产不是后厨，而是门口那块招牌。招牌被冒用，客人被分流，还得花几年打官司。AI产品也一样，你辛苦打出的产品名、Logo，如果不注册商标，随时可能被人抢注，反手勒索你一笔。

商标按尼斯分类划成45个类别。AI创业公司应重点注册第9类（计算机软件、AI模型）、第42类（软件开发、技术咨询）和第35类（广告、商业运营）。只注册一个类别远远不够，跨类抢注是常见套路。

商标要和域名联动布局。好域名是线上的“门店地址”，建议商标申请与域名注册同步进行，防止品牌名被他人抢注域名后高溢价出售。此外要做防御性注册：把近似名字、谐音名、拼音缩写一并申请，让模仿者无空可钻。判断一个名字是否与已有商标冲突，可以计算文字近似度。

招牌挂对了，客人认准的就是你。商标+域名+防御注册三件套，让你从“小店”变成“认牌消费”的老字号。

R = \frac{|A \cap B|}{\min(|A|, |B|)}

R 是两个商标的近似度，R 越接近 1 越危险。实务中通常以 0.5 为参考阈值，超过就建议改名或准备应对驳回。

商标元素集合把“智言AI”拆成“智言”"AI"等构成要素，作为集合的元素。
$A = \{a_1, a_2, \dots\}, \quad B = \{b_1, b_2, \dots\}$
共同元素数量求两个商标集合的交集，统计相同元素的个数。
$|A \cap B|$
较短商标长度除以两个商标中元素总数较小者，防止长商标拉低近似度。
$\min(|A|, |B|)$
近似度阈值判定R ≥ 0.5 通常判定为近似商标，注册会被驳回或构成侵权。
$R \geq 0.5 \Rightarrow \text{近似商标}$

三、商业秘密保护——锁进后厨保险柜的秘方

有些招牌菜的秘制酱料，厨师长宁可不申请专利，也要锁进保险柜——因为专利说明书一旦公开，全世界都能查到配方。AI的模型权重就是这瓶酱料：它藏在服务器里，用户只能调 API，看不见也摸不着，最合适的保护方式不是专利，而是商业秘密。

商业秘密要成立，必须满足三个要件：秘密性（不为公众所知悉）、价值性（能带来商业利益）、保密性（权利人采取了保密措施）。三缺一，法院就不认。很多AI公司只做到了前两条，却忘了签保密协议、设访问权限，结果员工离职带走权重，官司输了。

完整的保密体系包括三层：制度层——员工保密协议（NDA）、竞业限制协议；技术层——模型加密、训练数据脱敏、服务器权限分级；管理 layer只让核心人员接触完整权重，其他人只接触分片。用公式衡量你的商业秘密有多“值钱”。

保险柜不是买来就安全了，还得设密码、管钥匙、定期换锁。机密级的模型权重，值得你按银行金库的标准去对待。

V_{\text{秘密}} = R_{\text{收益}} \times S_{\text{保密强度}}

商业秘密能主张的保护价值 V，等于技术带来的收益 R 乘以保密措施完善度 S。保密措施越扎实，法律越愿意保护你。

技术收益 R模型权重直接带来的产品或服务收入，决定商业秘密的价值基础。
$R_{\text{收益}} = \sum_{i} \text{产品}_{i} \text{的营收}$
保密强度 S保密协议、权限管理、加密措施完备程度，取值 0 到 1。
$S_{\text{保密强度}} \in [0, 1]$
保护价值 VV 越大，法院越倾向认定构成商业秘密并支持高额赔偿。
$V_{\text{秘密}} = R_{\text{收益}} \times S_{\text{保密强度}}$

四、开源与闭源抉择——菜单的公开与保密

有的餐厅会把开胃菜的配方印成小册子免费送客人，招牌主菜的配方却锁死。这叫“用公开换生态”——开源部分代码吸引开发者来贡献，又用闭源保住最赚钱的核心。你的菜单策略，决定了AI项目的生态和护城河怎么平衡。

闭源商业保护正好相反：模型权重、训练数据、推理代码全部保密，只通过 API 对外提供服务。更流行的做法是混合策略：框架、推理引擎开源赚口碑，权重和训练方法闭源保壁垒。引入第三方开源组件前，先做合规风险评估。

菜单怎么印，决定了客人是来吃个热闹还是天天复购。开源换来生态，闭源守住利润，聪明的AI公司两手都要硬。

\text{Risk} = \sum_{i=1}^{n} w_i \times L_i

Risk 是开源合规风险总分：每个被引入的开源组件按代码占比加权，乘以对应许可证的风险系数，加总后评估是否踩线。

开源组件识别逐项盘点项目中引入的开源组件，下标 i 从 1 到 n。
$i \in \{1, 2, \dots, n\}$
使用权重 w被调用的代码量在项目中的占比，占比越高违规后果越严重。
$w_i = \frac{\text{组件代码行数}}{\text{项目总行数}}$
许可证限制系数 LMIT 约 0.1，Apache 约 0.2，GPL 约 0.9（传染性最强）。
$L_{\text{MIT}}=0.1, \quad L_{\text{Apache}}=0.2, \quad L_{\text{GPL}}=0.9$
风险加总总分超过阈值就要做合规整改，否则闭源商用可能被告。
$\text{Risk} = \sum_{i=1}^{n} w_i \times L_i$

五、核心技术防护——巡店、留证与竞业

餐厅老板有个习惯：定期去竞争对手店里“探店”，点一道看起来像自家招牌菜的菜，尝尝味道、看看做法。AI创业也要有这种竞品监控意识：定期分析竞品的新功能、新模型，对比是否撞上了你的技术方案。

光发现还不够，更要固定证据。侵权诉讼打的是证据，常见手段有：对竞品网页、App 做公证保全，用时间戳平台做电子存证，保留你方开发文档的版本记录。证据固定越早，维权胜算越大。

员工竞业限制是防内鬼的关键。核心算法工程师离职前，要签竞业限制协议，约定离职后 6-24 个月内不得去直接竞争对手。注意竞业限制需要支付经济补偿，否则协议可能无效。判断竞品是否侵权，法律上用的是全面覆盖原则。

巡店不是找事，而是防患于未然。监控、留证、竞业三管齐下，你的“招牌菜”才没有人敢轻易复制。

\text{侵权成立} \iff F_{\text{被控}} \supseteq F_{\text{权利要求}}

把竞品的技术拆成特征集合，如果它包含了你专利权利要求书的全部技术特征，哪怕多了别的功能，也构成侵权。

权利要求特征集专利保护范围以权利要求书记载的全部技术特征为准。
$F_{\text{权利要求}} = \{a, b, c\}$
被控产品特征集拆解竞品技术方案，得到它的特征集合。
$F_{\text{被控}} = \{a, b, c, d\}$
全面覆盖判定被控特征集合包含权利要求全部特征，即落入保护范围，多出的 d 不影响侵权成立。
$F_{\text{被控}} \supseteq F_{\text{权利要求}}$

六、纠纷应对策略——从律师函到对簿公堂

发现有人抄你的招牌菜，第一步是让服务员礼貌地递上一张“警告函”：请停止使用我的配方，否则法庭见。大多数抄袭者看到律师函就怂了，撤掉产品、下架链接——这是维权成本最低的方式。

律师函警告解决不了，才走诉讼策略。起诉前先做诉前证据保全，防止对方销毁代码、删除数据。诉讼请求可以是停止侵权、销毁侵权产品、赔偿损失。诉讼周期长、费用高，所以很多案子最终走向和解交叉许可——你的专利换我的专利，互相授权，化干戈为玉帛。

出海维权的路径更讲究：专利走PCT 国际申请，一份申请可以指定多个国家；商标走马德里体系，一份国际注册覆盖几十个成员国。要不要打官司，先算一笔账。

维权像打群架：先警告、再谈判、最后才动手。把成本收益算清楚，才能把每一分法律预算花在刀刃上。

U_{\text{维权}} = P_{\text{胜诉}} \times D_{\text{赔偿}} - C_{\text{诉讼}}

U 是维权的预期净收益。胜诉概率乘以预期赔偿，减去诉讼成本，结果大于零才值得起诉；小于零，优先谈判和解。

胜诉概率 P根据证据完整度、专利稳定性估算胜诉可能性。
$P_{\text{胜诉}} \in (0, 1)$
预期赔偿 D按侵权获利或实际损失取较大者估算。
$D_{\text{赔偿}} = \max(\text{侵权获利}, \text{实际损失})$
诉讼成本 C律师费、公证费、时间成本之和。
$C_{\text{诉讼}} = C_{\text{律师}} + C_{\text{公证}} + C_{\text{时间}}$
维权决策U 大于 0 才值得起诉，否则优先发函或和解。
$U_{\text{维权}} > 0 \Rightarrow \text{提起诉讼}$

AI 应用场景

场景一：融资前的知识产权尽调

阶段：融资与并购

解决的问题：传统方式下，投资人最怕估值注水——技术看似领先，实际没有专利、商标，估值泡沫一戳就破。AI 创业公司学会组合布局后，能把知识产权变成看得见的资产清单，让尽调顺利通过。

具体案例：某AI大模型创业公司 A 轮融资前，创始人用专利、商标、商业秘密三层框架自我盘点：核心推理算法申请了3件发明专利，产品名注册了第9类、第42类商标，权重和训练数据签了保密协议并做了加密。投资人看到权属清晰、保护完善，估值直接上浮 20%。

场景二：出海产品的商标域名布局

阶段：市场拓展与品牌出海

解决的问题：国内品牌出海常被海外“商标抢注者”截胡，产品还没落地，商标已被注册。提前用马德里体系注册商标、同步购买海外域名，能避免天价赎回。

具体案例：一家做 AI 翻译 App 的公司计划出海东南亚，在发布前 90 天通过马德里体系注册了新加坡、印尼等 8 国的商标，并收购了对应 .com 域名。半年后一个竞品想用相似名字进入当地市场，因商标冲突被迫改名，我方成功守住市场。

场景三：开源模型商用合规审查

阶段：技术选型与产品开发

解决的问题：不少 AI 团队直接调开源权重做商用产品，却不清楚许可证限制，一旦用错协议（如 GPL）就得被迫开源全部代码。开源合规风控能让团队放心用开源、安全做闭源。

具体案例：某 AI 客服公司想在闭源产品中引入一个开源 NLP 库，法务用合规评分公式测算，发现该库是 GPL 协议，风险分极高，于是换成 Apache 协议的替代方案，既保住闭源商业化，又避免了版权纠纷。

Python 演示

python59 行

# -*- coding: utf-8 -*-"""AI创业知识产权小助手: 专利新颖性初筛 + 商标近似检测 + 开源合规评分""" from difflib import SequenceMatcher  class NoveltyChecker:    """专利新颖性初筛: 检查新发明是否落入现有技术"""     def __init__(self):        self.prior_art_list = []  # 现有技术特征集合列表     def add_prior_art(self, features):        """录入一份现有技术(用特征集合表示)"""        self.prior_art_list.append(frozenset(features))     def is_novel(self, features):        """若新特征被任一现有技术完全覆盖, 则丧失新颖性"""        feats = frozenset(features)        for art in self.prior_art_list:            if feats <= art:                return False        return True  def trademark_similarity(candidate, registered):    """返回候选商标与已注册商标的文字近似度(0~1)"""    return SequenceMatcher(None, candidate, registered).ratio()  class OpenSourceAuditor:    """开源组件审计: 汇总许可证风险"""     LICENSE_SCORE = {"MIT": 0.1, "Apache-2.0": 0.2, "BSD": 0.1, "GPL": 0.9}     def __init__(self):        self.components = []  # (组件名, 许可证)     def add_component(self, name, license_name):        self.components.append((name, license_name))     def risk_score(self):        """风险越高, 越要警惕闭源商用风险"""        return sum(self.LICENSE_SCORE.get(lic, 1.0) for _, lic in self.components)  if __name__ == "__main__":    checker = NoveltyChecker()    checker.add_prior_art(["卷积", "池化", "注意力"])    print("新颖性初筛:", checker.is_novel(["卷积", "池化", "注意力", "对比学习"]))     candidate = "智言"    for mark in ["智言科技", "智语AI", "云算智脑"]:        print("商标近似度 %s: %.2f" % (mark, trademark_similarity(candidate, mark)))     auditor = OpenSourceAuditor()    auditor.add_component("requests", "Apache-2.0")    auditor.add_component("某图像库", "GPL")    print("开源合规风险分:", auditor.risk_score())

目的：一个小工具，帮你做三件知识产权日常功课——检查发明是否还有新颖性、检测商标名是否与已有品牌撞车、评估开源组件的许可证合规风险。

self.prior_art_list.append(frozenset(features))把现有技术转成不可变集合存储，方便后续做集合比较。
if feats <= art:用集合包含关系模拟“全面覆盖原则”：新特征被现有技术完全覆盖，即丧失新颖性。
SequenceMatcher(None, candidate, registered).ratio()计算两个商标名的字符相似度，对应正文的近似度阈值判定。
LICENSE_SCORE = {"MIT": 0.1, "Apache-2.0": 0.2, "BSD": 0.1, "GPL": 0.9}许可证风险系数表，GPL 传染性最高。
sum(self.LICENSE_SCORE.get(lic, 1.0) for _, lic in self.components)加总所有开源组件的风险分，未知协议按最高风险 1.0 处理。

常见误区

误区“我一直以为代码和算法属于'思想'，法律不保护思想，所以AI算法不可能申请专利，只能靠保密。”

正解AI算法完全可以申请发明专利，关键是把算法写成“方法权利要求”：一种数据处理方法，包括步骤一、步骤二……只要解决的是技术问题、产生技术效果（如推理加速、精度提升），就属于专利法保护的技术方案。国内外已授权大量AI专利，纯商业规则（如“预测房价涨跌的概率”）才被排除。

为何常见：大众把“专利保护实物产品”的刻板印象套到软件上，忽略了方法专利和计算机程序产品的存在。就像只见过认证整鸡的米其林，不知道酱料工艺也能单独认证。

误区“我在工商局注册了公司名，营业执照也拿到了，别人用我这个名字开店，肯定侵犯我的商标权。”

正解营业执照只保护企业名称在登记区域内的合法使用，不等于商标权。商标必须向国家知识产权局申请注册，注册后才享有全国性的排他权。别的城市完全可以再注册一家同名“智言科技”公司，甚至抢注你的品牌商标，反过来告你侵权。

为何常见：工商登记和商标注册都带“注册”二字，两个体系被小白混为一谈，其实一个是“身份证”，一个是“招牌独家使用权”。

误区“模型用了开源代码就等于我拥有了它，改一改就能闭源商用，反正开源就是不要钱。”

为何常见：“开放”二字极具迷惑性。开源像免费送的试吃小菜，你可以尝，但菜谱的使用规则写着“可以打包，但不能改名换姓”。

误区“模型权重藏在服务器里，用户只能调 API，谁都拿不到，没必要签保密协议。”

正解内部员工、合作方、云服务商都可能接触权重、训练数据或中间检查点。商业秘密要“秘密性+价值性+保密措施”三要件齐备才受保护。没有保密协议、没有权限分级，离职员工带走权重后，法院可能认定你“未采取保密措施”，不构成商业秘密。

为何常见：高估了技术隔离的作用，低估了“人”这个最薄弱的环节。保险柜不设密码，丢了东西保险公司不赔。

误区“专利授权之后年年交年费就完事了，反正证书在手，天下我有。”

正解专利要每年缴纳年费维持，过期即失效；更重要的是要主动监控市场、发现侵权、发起维权。专利不会自动赶走侵权者，不主张权利的专利就是“纸老虎”，而且被无效宣告的风险一直存在。收到证书只是拿到入场券，比赛才刚刚开始。

为何常见：把“获得权利”和“行使权利”混为一谈。就像拿到驾照不查违章不开车，驾照也会过期作废。

面试题

Q1. 关于AI算法申请专利，下列说法正确的是？

单选题 · easy

A.软件算法一律不能申请专利
B.算法写成方法可申请专利← 正确答案
C.实用新型保护期二十年
D.先商业化再申请无影响

答案：B。AI算法写成“方法权利要求”就可以申请发明专利，故 B 正确。A 错在绝对化，软件方法专利是主流；C 错，实用新型保护期是10年，发明专利才是20年；D 错，先商业化公开技术会破坏新颖性，必须先申请后公开。

Q2. 我国专利申请采用的原则是？

单选题 · easy

A.先发明制发明人优先
B.先申请制先申请先得← 正确答案
C.先登记制登记即生效
D.先公开制公开即获得

答案：B。我国实行先申请制，同样的技术谁先提交申请谁获得专利权，B 正确。先发明制是美国的旧制度；登记制和公开制都不是专利授权原则。这就像餐厅排队叫号，先到的先入座。

Q3. AI模型权重最适合用哪种方式保护？

单选题 · easy

A.发明专利公开换取保护
B.商业秘密保密换取保护← 正确答案
C.商标注册标识换取保护
D.域名注册地址换取保护

答案：B。模型权重是隐藏参数，一旦申请专利就要公开说明书，等于把配方公之于众，所以最适合作为商业秘密保密保护，B 正确。商标保护的是品牌标识，域名保护的是网址，都与算法参数无关。

Q4. AI软件公司注册商标，最核心的类别是？

单选题 · mid

A.第9类计算机软件← 正确答案
B.第25类服装鞋帽
C.第43类餐饮住宿
D.第5类医药卫生

答案：A。第9类涵盖计算机软件、AI模型等核心商品，是AI公司必注册的类别，A 正确。第25类是服装、第43类是餐饮、第5类是医药，都与AI软件无关。选错类别就像餐厅只注册了厨具类商标，招牌还是被人冒用。

Q5. 商业秘密构成的三要件不包括哪一项？

单选题 · mid

A.秘密性即不为人所知
B.价值性能带来收益
C.保密措施已经采取
D.公开性要广泛传播← 正确答案

答案：D。商业秘密三要件是秘密性、价值性、保密性，公开传播恰恰是它的反面，D 不是要件。若技术已公开，就进入公有领域，任何人都能免费使用，秘密也不再存在。

Q6. 下列开源协议中“传染性”最强的是？

单选题 · mid

A.MIT宽松许可协议
B.Apache许可协议
C.GPL传染性最强协议← 正确答案
D.BSD宽松许可协议

Q7. 专利侵权判定中“全面覆盖原则”的含义是？

单选题 · hard

A.被控特征覆盖权利要求全部特征即侵权← 正确答案
B.只要技术功能相同就构成等同侵权
C.权利要求任一项特征相同即侵权
D.产品外观相似则构成专利侵权

答案：A。全面覆盖原则要求被控技术特征包含权利要求记载的全部技术特征，才落入保护范围，A 正确。B 中的等同侵权有严格适用条件；C 错在“任一项”而非“全部”；D 讲的是外观设计专利侵权，与发明方法专利不同。覆盖面不够，就像抄菜只抄了个盘子，不构成侵权。

Q8. AI创业公司早期知识产权布局应包括哪些措施？

多选题 · mid

A.核心算法尽早申请发明专利← 正确答案
B.品牌名称注册商标并购买域名← 正确答案
C.模型权重加密并签署保密协议← 正确答案
D.所有代码免费开源无需管理

答案：ABC。A 用专利护技术，B 用商标+域名护品牌，C 用商业秘密护权重，都是早期布局的必修课。D 完全错误，开源必须选协议、做合规评估，而不是一放了之。做齐前三件套，你的AI餐厅才有招牌、有认证、有保险柜。

Q9. 关于开源与闭源的混合策略，下列说法正确的是？

多选题 · hard

A.框架开源可吸引开发者生态← 正确答案
B.权重闭源保护核心竞争壁垒← 正确答案
C.引入GPL代码闭源商用无风险
D.开源并不等于放弃全部权利← 正确答案

答案：ABD。A、B 是“开源换生态、闭源保核心”的典型打法；D 正确，开源是有限许可不是权利放弃。C 错误，GPL 传染性极强，闭源商用引入 GPL 代码风险极高，可能被迫开源全部代码。

Q10. AI公司出海面临知识产权布局，正确的做法有？

多选题 · extreme

A.通过PCT途径申请海外专利← 正确答案
B.通过马德里体系注册国际商标← 正确答案
C.在目标国当地聘请律师维权← 正确答案
D.只申请海外权利放弃国内权利

答案：ABC。PCT 让一份专利申请覆盖多国，马德里让一份商标注册通达几十国，加上目标国本地律师支持，是出海维权的标准路径，A、B、C 正确。D 错误，国内权利是出海的基础，放弃国内只会让竞品在国内市场抄你的后路。出海布局像开分店，总店招牌不能丢，分店执照也要办。