該案的意義并不只是否定幾項具體專利，而是重新提示了AI時代專利法的根本問題：專利制度保護的究竟是“技術本身的進步”，還是“使用新技術處理舊問題的商業方案”？美國判決給出的答案十分明確：專利保護的是技術改進，而非技術使用；保護的是解決技術問題的具體方法，而非對某種功能結果的抽象占有。

作者：宋建立1 武漢大學法學院教授，博士生導師

在生成式人工智能與機器學習技術迅猛發展的背景下，全球專利申請結構正在發生深刻變化。大量企業試圖將“算法+應用場景”包裝為可專利技術方案，尤其是在金融、傳媒、醫療、交通、廣告推薦、內容生成等領域，用AI實現優化幾乎成為一種常見的專利申請。然而，技術表述的更新并不當然意味著法律評價的改變。美國聯邦巡回上訴法院在Recentive Analytics, Inc. v. Fox Corp.（以下簡稱Recentive案）2中的判決，正是在這一背景下為AI專利申請熱潮劃出了一條清晰邊界：僅將通用機器學習方法應用于新的數據環境，并不能構成專利適格性的技術方案。

在Recentive案中，原告Recentive主張其專利利用機器學習技術，根據歷史數據和實時輸入自動生成并優化電視節目時間表及廣播分配方案（“網絡地圖”），并指控Fox公司構成侵權。被告Fox公司則以專利不具備適格性為由請求駁回，認為該專利僅是將通用機器學習方法應用于節目調度這一具體場景。美國聯邦地區法院支持了被告的主張，認定涉案專利屬于抽象思想，且缺乏“發明構思”，不符合《美國法典》第35編第101條關于專利適格性的要求。在上訴程序中，聯邦巡回上訴法院在適用Alice v. CLS Bank International（以下簡稱Alice案）3確立的兩步測試后，最終認定該類“AI+應用”專利不具備專利適格性，維持了原判。

該案的意義并不只是否定幾項具體專利，而是重新提示了AI時代專利法的根本問題：專利制度保護的究竟是“技術本身的進步”，還是“使用新技術處理舊問題的商業方案”？美國判決給出的答案十分明確：專利保護的是技術改進，而非技術使用；保護的是解決技術問題的具體方法，而非對某種功能結果的抽象占有。

一、在美國規范體系下 AI 并未獲得專利法上的“特殊待遇”

理解Recentive案，不能只看聯邦法院對個案權利要求的分析，還必須將其置于美國專利適格性規則的整體結構中。美國關于AI專利適格性的法律框架，并非專門為AI技術單獨創設，而是在既有專利法體系中，通過判例法、行政審查指南和政策文件不斷吸納AI問題，逐步形成較為清晰的制度邊界。

從法律淵源看，美國AI專利適格性的根本依據仍是《美國法典》第35編第101條關于專利適格性的規定。該條以開放性方式規定，任何“新的且有用的過程、機器、制造物或組合物”原則上可以成為專利保護對象。但美國聯邦最高法院通過長期判例發展，將自然法則、自然現象和抽象思想排除在專利適格性之外。AI技術通常可以被歸入“過程”或“計算機實現方法”，但這并不意味著其天然具備專利適格性。關鍵問題不是權利要求中是否出現“機器學習”“神經網絡”“訓練數據”等技術詞匯，而是其是否真正突破了抽象思想的邊界，是否提供了對計算機技術或算法機制本身的具體改進。

在具體判斷方法上，美國聯邦法院以Alice案確立的兩步測試為核心：第一步判斷權利要求是否指向抽象概念，第二步判斷是否存在足以將該抽象概念轉化為可專利應用的“發明構思”。這一框架在軟件和數據處理類案件中被不斷細化。Mayo Collaborative Services v. Prometheus Laboratories, Inc.4強調，發現規律并附加常規步驟不能構成專利；Enfish, LLC v. Microsoft Corp.5則說明，若發明真正改進了計算機自身功能，可以具備專利適格性；Electric Power Group, LLC v. Alstom S.A.6進一步否定了單純“數據收集、分析與展示”模式的專利性。這些判例共同構成了Recentive案的制度背景：數據處理本身不是技術創新，算法應用也不當然具有專利性。

因此，Recentive案真正具有新意之處，并不在于創造了全新的法律規則，而在于將既有軟件專利適格性規則明確移植到AI和機器學習場景之中。美國聯邦法院實質上明確：AI不是Alice案規則的例外，機器學習也不是逃離抽象思想審查的通道。只要權利要求沒有說明模型本身如何被改進、算法性能如何被提升、計算過程如何被優化，而只是聲稱“用機器學習完成某項傳統任務”，其法律性質仍然可能只是抽象思想的自動化表達。

除司法判例外，美國專利商標局（USPTO）也通過審查指南進一步細化這一標準。2019年《專利適格性審查指南》7及其后續AI相關補充意見，要求審查人員區分抽象思想與實際應用，重點考察權利要求是否將抽象概念整合進具體技術應用之中。換言之，AI技術只有在具體技術場景中產生可識別、可驗證的技術效果，例如改進圖像處理、降低計算資源消耗、提升模型訓練效率或改善計算機系統運行方式，才更可能跨越專利適格性門檻。反之，如果AI只是被用于商業預測、節目排期、金融決策、廣告投放或管理優化，則即便其效率更高，也仍然可能落入抽象思想范疇。

在宏觀政策層面，美國政府2023年通過的《安全、可靠和值得信賴的人工智能行政令》8等文件，強調鼓勵AI創新、提高透明度、防止技術濫用。雖然這些政策文件并不直接規定專利適格性，但其背后的治理理念與專利法邏輯存在內在一致性：制度激勵應當給予真實、可驗證、具有技術貢獻的AI創新，而不是鼓勵以空泛功能性語言占有未來技術發展空間。由此，美國AI專利制度正在形成一種獨特的規范結構：美國司法機關負責劃定抽象思想的邊界，美國專利商標局負責提供審查操作標準，政策文件則提供創新治理的方向性約束。

二、Recentive案的裁判邏輯：從Alice框架到AI專利適格性新邊界

Recentive案沿用了Alice案的兩步測試，但其真正價值在于把“AI使用”與“AI改進”區分開來。首先在第一步測試中認定，涉案專利的核心只是使用通用機器學習模型，對數據進行訓練、分析并輸出優化結果。無論是節目時間表生成，還是網絡地圖構建，其實質都是過去人類可以基于經驗和數據完成的安排、預測和優化活動。機器學習的加入只是提高了速度和自動化程度，并未改變該活動本身的抽象屬性。這一判斷具有重要啟示：AI并不會自動使抽象思想“技術化”。如果一項權利要求只是把傳統商業、管理或組織決策過程交給機器學習模型處理，那么它仍然可能只是“抽象思想的算法化重述”。技術詞匯可以改變表達方式，卻不能改變法律性質。審判階段真正關注的不是“是否用了AI”，而是“AI在這里是否被技術性地改造了”。

在第二步測試中指出，涉案專利缺乏發明構思。Recentive案雖然強調其系統可以實時更新、動態優化、提高準確性，但這些特征恰恰是機器學習的一般功能，而不是對機器學習模型本身的具體改進。換言之，AI使用者不能把機器學習的常規能力重新描述一遍，然后聲稱自己擁有“發明構思”。如果權利要求沒有說明模型結構如何變化、訓練方法如何改進、計算資源如何節省、準確率提升如何通過特定技術路徑實現，那么所謂“動態優化”就只是結果性語言，而非技術方案。

三、Recentive案的制度考量：防止AI成為“功能壟斷”的新工具

Recentive案的深層制度意義，在于重申專利法反對功能性壟斷的基本原則。該案中，專利權人試圖控制的并不是某種具體算法結構，而是“用機器學習優化節目調度和網絡地圖”這一功能目標。如果這種權利要求被認可，專利權人事實上就可以排除他人在同一領域內使用機器學習進行類似優化，哪怕他人采用完全不同的模型、數據處理方法或系統架構。

這正是AI時代專利法面臨的新風險：傳統的抽象思想可能被包裝為“智能優化”，傳統的商業方法可能被改寫為“機器學習決策”，傳統的數據分析可能被表達為“AI驅動的預測模型”。如果法律不加區分地認可此類申請，專利制度將從鼓勵技術公開，異化為占有應用場景、封鎖后續創新的工具。因此，Recentive案的真正價值在于提醒：AI專利審查不能被“智能化敘事”牽引，而必須回到技術貢獻本身。

四、中美歐規則的趨同

從比較法視角看，Recentive案并非美國的個案問題，而是AI專利在全球范圍內面臨的共同挑戰：專利法究竟保護“AI的應用”，還是“AI的技術改進”。美國的做法是通過《美國法典》第35編第101條關于專利適格性的規定及Alice案的兩步測試法強調抽象思想排除與技術貢獻。歐洲與中國則分別通過“技術效果”和“技術方案”標準作出回應。三者路徑不同，但邏輯逐漸趨同。

在歐盟專利局（EPO）體系中，AI通常被視為“數學方法”。根據歐盟專利局頒布的《審查指南》，9機器學習模型（如神經網絡、支持向量機等）本身不具有專利性，只有在其用于解決技術問題并產生技術效果時，才可能構成可專利發明。例如，用AI改進圖像識別、信號處理或設備運行，通常具有技術性；而僅用于商業預測或內容分類，則通常不被認可。該標準的關鍵在于：AI是否嵌入具體技術系統，而非僅處理抽象數據。

中國的規制與此類似，如《專利審查指南（2023）》10明確，對包含算法特征的權利要求，應整體判斷其是否構成“技術方案”，即是否通過技術手段解決技術問題并產生技術效果。實踐中主要形成兩條路徑：一是算法改進計算機性能（如提升運算效率、減少存儲或傳輸）；二是AI用于具體技術領域數據處理（如提升識別精度）。相反，如果AI僅用于金融預測、商業決策等，則通常被認定不具備技術性。11《人工智能相關發明專利申請指引（試行）》進一步強調，AI專利仍需回歸“技術問題—技術手段—技術效果”的基本結構。12

由此可見，美歐中三種路徑雖在表達上不同，但實質已趨一致：AI專利必須證明其屬于“技術問題的技術解決”，而非“數據驅動的商業優化”。這一趨勢表明，AI專利保護正在從“應用擴張”轉向“技術收斂”，審查重點將集中于技術性、具體性與可驗證性，而非單純的算法使用。

五、產業影響：從專利數量競爭轉向技術質量競爭

Recentive案將直接影響AI企業的專利布局策略。過去，不少企業傾向于圍繞“AI+場景”進行外圍式布局，例如“AI+廣告”“AI+金融”“AI+醫療管理”“AI+內容推薦”。這種布局方式的優勢在于覆蓋面廣，但缺陷是技術含量不足，容易在訴訟中遭遇《美國法典》第35編第101條關于專利適格性規定的挑戰。顯然，在Recentive案之后，若企業仍停留在“把機器學習用于某行業”的層面，其專利資產的穩定性將明顯下降。

未來更有價值的AI專利，將集中于模型結構優化、訓練機制創新、推理效率提升、數據預處理方法、模型壓縮、邊緣計算部署、安全性增強、可解釋性改進等方面。這意味著AI專利競爭將從“應用場景圈地”轉向“底層技術深耕”。對資本市場而言，專利數量本身的估值意義也會下降，投資人將更加關注專利是否真正覆蓋核心技術，是否能夠經受《美國法典》第35編第101條、103條，以及說明書充分公開要求的多重檢驗。

在訴訟層面，《美國法典》第35編第101條仍將是被告挑戰AI專利的有力抗辯工具，尤其是在專利權利要求采用高度功能性語言，缺乏具體技術路徑，或者僅描述輸入、訓練、輸出、更新等機器學習常規流程時，早期被駁回的可能性將顯著增加。Recentive案說明，司法機關更愿意在訴訟早期即審查AI專利適格性，而不是等到復雜的侵權比對或專家證據階段。

六、未來趨勢：AI治理制度的變化

未來，AI治理制度將出現三重分化。第一，是技術層級上的分化。基礎模型架構、訓練方法、計算效率、安全機制等底層創新，將更容易獲得專利保護；而單純將AI用于具體行業場景的應用型方案，則會面臨更高的專利適格性障礙。

第二，是保護路徑上的分化。并非所有AI創新都應由專利法保護，如算法結構和計算方法可由專利法保護，代碼表達可由著作權法保護，訓練數據和商業數據資產可由合同、商業秘密或反不正當競爭法保護，數字人格和深度合成問題則應更多交由人格權、隱私和平臺治理規則處理。也就是說，AI治理不會形成“專利中心主義”，而會走向多元制度分工。

第三，是審查重心上的分化。未來審查機關和司法機關將更關注三個問題：其一，權利要求是否解決了技術問題；其二，說明書是否公開了實現該技術效果的具體路徑；其三，權利要求是否過度占有未來應用空間。凡是只描述目標、不限定手段，只強調效果、不說明機制，只聲稱智能、不展示技術改進的申請，都將面臨更大風險。

總之，Recentive v. Fox案的真正意義，不在于否定AI專利，而在于防止AI概念稀釋專利法的技術性要求。它表明，美國專利法并不排斥機器學習，也不否認AI可能帶來重大技術進步；但法律保護的對象必須是具體、可驗證、可公開的技術貢獻，而不是對“用AI實現某種功能”的抽象占有。

可以預見的是，未來AI專利競爭的關鍵將不再是“誰先應用了AI”，而是“誰真正改進了AI”。這一變化標志著AI專利制度正在從概念熱潮走向理性審查，也意味著技術法治正在從鼓勵創新的口號，轉向識別真實創新的能力。

注釋（上下滑動查看）

1 武漢大學法學院教授，博士生導師。

2 Recentive Analytics, Inc. v. Fox Corp., No. 2023-2437 (Fed. Cir. Apr. 18, 2025).

3 Alice Corp. Pty. Ltd. v. CLS Bank Int’l, 573 U.S. 208 (2014).

4 Mayo Collaborative Servs. v. Prometheus Labs., Inc., 566 U.S. 66 (2012).

5 Enfish, LLC v. Microsoft Corp., 822 F.3d 1327 (Fed. Cir. 2016).

6 Electric Power Grp., LLC v. Alstom S.A., 830 F.3d 1350 (Fed. Cir. 2016).

7 U.S. Patent & Trademark Office, 2019 Revised Patent Subject Matter Eligibility Guidance, 84 Fed. Reg. 50 (Jan. 7, 2019).

8 Executive Order 14110 on Safe, Secure, and Trustworthy Development and Use of Artificial Intelligence (Oct. 30, 2023).

9 European Patent Office, Guidelines for Examination in the European Patent Office, G-II, 3.3.1.

10 國家知識產權局：《專利審查指南（2023）》（國家知識產權局令第78號，2023年12月21日公布，自2024年1月20日起施行）。

11 國家知識產權局：《〈專利審查指南〉（2023）修改解讀（四）—涉及計算機程序的發明專利申請審查》（2024年1月18日）。

12 國家知識產權局：《人工智能相關發明專利申請指引（試行）》，2024年。

（本文僅代表作者觀點，不代表知產力立場）

封面來源 | AI