AI 专利审查单设一章：改的不只是标准，还有撰写要求
《专利审查指南》修改（局令第 84 号，2026 年 1 月 1 日施行）：伦理审查、模型「黑盒」下的充分公开、创造性判断与比特流

The Short Version

先说结论：三处改动，两处改的是「怎么写」

《国家知识产权局关于修改〈专利审查指南〉的决定》以局令第 84 号公布于 2025 年11 月 10 日，自 2026 年 1 月 1 日起施行。这是《专利审查指南》第一次以「人工智能、大数据」为主题单独设立专门章节——在此之前，涉及算法的规则分散在创造性审查与客体审查的通用条款里。

与算法类申请人关系最直接的是三处。第一，人工智能伦理审查：涉及人工智能的技术方案，其数据采集、规则设置等环节的实施应当符合法律、社会公德和公共利益要求。第二，说明书充分公开的判断标准被细化：针对模型「黑盒」的特点——社会公众只清楚模型的输入和输出结果，无法得知两者之间的逻辑关系——明确了模型构建、模型训练等情形下说明书的撰写要求。第三，创造性判断：权利要求中对技术问题的解决没有作出贡献的特征，通常不会给技术方案带来创造性。

本文按六部分展开：先看三次修改连起来的沿革，再看本次改了哪几处；然后拆开「黑盒」这一处最需要解释的改动；接着说明影响谁、可以做什么；最后划出几处必须说清的边界。

The Provision

条文与沿革：三次修改连起来看，脉络才清楚

把三次修改放在一起看，比只看本次更容易找准位置。2019 年的修改增设了涉及算法特征的专门章节，明确了这类申请的授权客体、新颖性与创造性审查标准。2023 年的修改进一步明确了人工智能、大数据的授权客体审查标准，丰富了可保护主题类型，并引入「用户体验提升」作为创造性判断的考量因素。

本次修改是同一条路上的第三步。国家知识产权局专利局审查业务管理部的公开说明把修改内容概括为三个方面：加强人工智能伦理审查、明确申请文件披露技术方案的要求、完善创造性判断规则。除此之外，本次修改还增加了比特流专利申请审查的专门规定，明确可授予专利权的情形。

之所以这一次要单独设章，是因为前两次修改解决的主要是客体问题——这类技术方案能不能成为专利保护的对象；而走到今天，审查实践中真正的分歧已经移到了别处：一个以模型为核心的技术方案，说明书要写到什么程度，才算把技术方案说清楚了。

这一点与人工智能技术自身的特点有关。传统机械或化学领域的方案，结构、组分、工艺参数可以逐项写清；模型类方案的性能高度依赖训练数据、网络结构与训练策略，而这些在说明书中往往被压缩成几句概括。公开不充分因此不是写作水平的问题，而是这类方案的结构性问题——只要说明书的表达方式不跟着技术形态一起变，这个问题就会反复出现。

本次修改选择的做法，是给出判断标准而不是给出模板。指南不规定每件申请该怎么写，而是把「写到什么程度算够」拆成可以逐项核对的要求。对企业来说，这意味着自查有了依据，也意味着含混的表述更容易被指出来。

伦理审查这一处的法源是《专利法》第五条：对违反法律、社会公德或者妨害公共利益的发明创造，不授予专利权。这项要求一直存在，本次修改把它具体落到了人工智能技术方案上——明确相关的数据采集、规则设置等环节的实施，应当符合法律、社会公德和公共利益要求。官方表述把它概括为「筑牢安全底线，引导人工智能的发展『智能向善』」。对申请人来说，这一条的实际含义是：技术方案本身可以很前沿，但它所处的实施场景要先经得起合法性判断。

What Else Changed

变化点对照：九项修改，哪些与申请文件直接相关

本次修改共九项，分三个方向。与申请文件直接相关的用表格列出来，方便对照自查。

对多数企业来说，第五项的影响面最宽，也最容易被误读。它的措辞是「通常不会」，不是「一律不给」；它约束的是创造性判断，不是授权客体。这两件事在实务里常被混在一起讨论，分开看才知道该改的是权利要求的结构，还是技术方案本身。

The Black Box

「黑盒」难题：公开充分到底要写到什么程度

《专利法》第二十六条第三款要求说明书对发明作出清楚、完整的说明，以所属技术领域的技术人员能够实现为准。这是专利制度「公开换保护」的基本条款：社会把一段时间的排他权给你，你把技术方案讲清楚，让后来者可以在此基础上继续走。公开不充分的后果也很直接——授权后被提无效，或者被竞争对手以说明书为依据主张权利要求的解释空间受限。

模型类方案在这里遇到的困难是「黑盒」。在审查视角下，社会公众只清楚模型的输入和输出结果，却不知道两者之间的逻辑关系。如果说明书只写「用某模型处理某数据、得到某结果」，对所属技术领域的技术人员而言，这个方案是不可复现的——换一组数据、换一次训练，结果可能完全不同。

本次修改针对的正是这一处：明确模型构建、模型训练等情形下说明书的撰写要求，细化充分公开的判断标准。落到写法上，可以理解为三层要交代清楚的内容。

1. 01

   数据层

   训练数据的来源、类型、规模、标注方式与预处理步骤，要写到能够复现的程度；涉及个人信息或第三方数据的，还要说明获取的合法性。

2. 02

   模型层

   网络结构、层级之间的连接关系、训练策略与关键超参数，以及各模块在整体方案中承担的功能。只写模型名称、不写结构与功能分工的，属于典型的概括式表述。

3. 03

   效果层

   验证所用的指标、条件与对照，以及这些指标与权利要求所要解决的技术问题之间的对应关系。这一层最容易缺失。

第三层为什么重要，用一个常见例子就能说明。说明书写「模型的准确率提升到 96%」，但没有写提升是相对于什么基线、在什么数据条件下取得、以及这个提升与所要解决的技术问题是什么关系。对审查员来说，这组数字无法被验证；对竞争对手来说，在无效程序里也很容易被用来质疑说明书是否支撑得起权利要求。

这不是影响少数人的问题。据国家知识产权局公开发布的数据，我国专利密集型产业增加值达到 16.87 万亿元，占 GDP 的比重提升到 13.04%；战略性新兴产业发明专利有效量已超过 140 万件，人工智能、先进制造、集成电路、生物医药、新能源等重点领域是其中增长较快的部分。算法类方案在这批专利中占比不小，撰写要求的变化会沿着这条链条向企业的研发与知识产权管理传导下去。

Who Is Affected

影响谁：四类申请人，两种受影响的路径

影响并不均匀，可以先按「改的是撰写」和「改的是程序」分成两条路径来看。

走撰写这条路径的，第一类是大模型与算法产品的开发者。这类申请的核心技术方案往往以模型为主，说明书里最容易出现「调用了某个模型」式的概括，本次修改对它们的冲击最直接。第二类是流媒体与音视频编码企业：比特流专利过去在可授权客体上一直存在不确定性——一段编码后的数据流本身，算不算专利保护的客体。本次修改增加了比特流专利申请的专门规定，明确了可授予专利权的情形，对这类企业来说，这是把不确定性换成了规则。

第三类是种业与农业生物技术申请人。植物品种的定义被明确，专利与植物新品种两种制度之间的衔接关系随之清晰——过去处在「既难拿专利、又未必符合品种权条件」这个模糊地带的方案，现在有了更明确的归属。

走程序这条路径的，是同日申请过发明与实用新型的企业，以及准备提分案、要求优先权的申请人。这几项改的都是程序细节，影响的是节奏而不是结果，但排期算错一样会带来实际损失。

把这几类放在一起看，会看到同一个指向：审查制度正在把「技术方案是否可信」的举证责任前移。据国家知识产权局公开的数据，「十四五」以来我国有效发明专利拥有量超过 500 万件，成为世界首个突破这一数量的国家；专利转让许可备案69.7 万次。专利存量到达这个量级之后，审查标准向「公开充分」与「贡献性特征」收紧，是规模走到一定阶段的自然动作——它保护的与其说是审查效率，不如说是后面每一个要在这批专利上做检索、做规避设计、做许可谈判的人。

反过来看，本次修改对一类企业是利好：把技术方案写实的企业。当审查标准明确指向「公开是否充分」与「特征是否有贡献」，靠篇幅和术语堆出来的申请优势会被削弱，真正握有可复现技术细节的申请人，反而更容易拿到边界清晰、经得起无效挑战的权利。

Actions

可以现在就做的四件事

四件事按优先级排列：前两件影响的是已经在审的申请，窗口期最短；后两件影响的是此后提交的申请，可以从下一个项目开始落地。

1. 01

   重检在审申请的说明书

   对照数据层、模型层、效果层三项，逐件检查在审的算法类申请。重点看效果验证部分有没有写清指标相对于什么、在什么条件下取得。这一项最容易被审查意见指出，也最容易在授权前补上。

2. 02

   建立过程记录制度

   模型构建与训练过程中产生的数据处理记录、实验对照与版本信息，在申请时是撰写素材，在无效或维权时是证据。这件事的成本主要在研发阶段，申请日之后再补，通常补不上——因为原始记录无法事后重建。

3. 03

   重构权利要求的特征层次

   按「对技术问题的解决有没有作出贡献」把技术特征分层：解决技术问题的必要特征留在独立权利要求里，实现细节下沉到从属权利要求。这样做不只是应付审查，也是降低授权后被无效的风险——同一项规则同样适用于无效宣告程序中对创造性的评价。

4. 04

   对涉及个人信息与伦理的技术方案做一次合规评估

   人工智能伦理审查要求技术方案的实施符合法律、社会公德和公共利益。数据采集是否合规，在审查中会被看到，在企业自身的风险控制上也绕不开。评估的结论不需要写进说明书，但会影响技术方案要不要调整。

还有一件程序性的事：本次修改明确了按需审查理念与快速审查的相关规定。有快速授权需求的企业，可以在提交前先核对是否符合条件，避免因形式问题耽误时间。这类准备的成本很低，但只在提交前做才有意义。

Boundaries

五处必须说清的边界

改动越具体，误读的空间反而越大。以下五处，说清楚比说多重要。

1. 01

   这不是「AI 专利更难授权」

   三处改动都没有提高授权的门槛。伦理审查针对的是技术方案实施的合法性与公共秩序；充分公开的要求本来就在《专利法》第二十六条第三款里，本次只是把判断标准细化。门槛没变，含混的空间变小了——对写得实的企业，差别不大。

2. 02

   伦理审查不等于技术评价

   它审的是数据采集、规则设置等环节是否符合法律、社会公德和公共利益，不评价技术方案是否先进、是否有商业价值。把两者混在一起，会写出既不像合规说明、也不像技术说明的材料，两头都不合格。

3. 03

   「没有贡献的特征不给创造性」不等于把特征从权利要求里删掉

   这条规则的效果是让创造性落在真正解决技术问题的特征上，而不是靠堆叠实现细节凑出区别。正确的做法是把特征分层，而不是简单删减——被删掉的特征可能正是方案能够实施所必需的，删了会带来新的公开充分问题。

4. 04

   比特流的专门规定不等于所有流媒体技术都进了保护范围

   它明确的是可以授予专利权的情形，仍是一份情形清单，不是概括授权。编码算法、传输方法这类方案，走的还是原有的审查路径。

5. 05

   本文所述规定均已施行，具体适用仍以官方发布为准

   局令第 84 号自 2026 年 1 月 1 日起施行，本次修改不涉及新旧衔接的过渡办法。截至 2026 年 10 月，办理中遇到的具体适用问题，以国家知识产权局的正式发布与审查意见为准。

Closing

重心从「写不写得成一件专利」，移向「别人能不能照着做出来」

把这次修改概括成一句话：它把人工智能专利的审查重心，从「能不能写成一件专利」，往「这个方案能不能被别人照着做出来」移动了一步。

这一步的方向，与专利制度所处的阶段有关。当有效发明专利超过 500 万件，制度要面对的就不只是「怎么多授权」，还有「已经授权的这些能不能被验证、被使用、被交易」。公开充分与贡献性特征这两处收紧，指向的都是后者。

对企业的意义也在这里：技术方案的价值不只在授权那一刻，而在它能否被讲清楚、被别人按其记载实施、并且在争议中站得住。说明书写得实，既是合规要求，也是资产本身的一部分。

Sources

依据来源

• —《国家知识产权局关于修改〈专利审查指南〉的决定》（局令第 84 号），2025 年 11 月 10 日公布，自 2026 年 1 月 1 日起施行。
• —国家知识产权局《关于修改〈专利审查指南〉的说明》，2025 年 11 月 13 日发布，含修改必要性、主要过程与修改内容三部分。
• —国家知识产权局专利局审查业务管理部就本次修改中人工智能审查标准的公开介绍，含 2019 年、2023 年两次修改的沿革说明。
• —《中华人民共和国专利法》第二十六条第三款：说明书应当对发明或者实用新型作出清楚、完整的说明，以所属技术领域的技术人员能够实现为准。
• —国家知识产权局公开发布的专利统计与产业发展数据：专利密集型产业增加值16.87 万亿元、占 GDP 的 13.04%；战略性新兴产业发明专利有效量超过 140 万件；有效发明专利拥有量超过 500 万件；专利转让许可备案 69.7 万次。