自2026年1月1日起，新修改的《专利审查指南》已正式实施。本次修订直面人工智能技术发展的现实需求，系统性地调整并明确了人工智能领域专利申请的审查规则。核心变化集中在伦理审查、说明书公开充分性、创造性判断三大维度。下面我们就来聊聊这些新变化具体是什么，以及我们建议在实务中如何应对。
一、伦理审查
1.1 修改情况介绍
本次修改增加了《专利法》第五条第一款的审查标准，明确“必要时应当针对说明书的内容进行审查”，并指出“对于包含算法特征或商业规则和方法特征的发明专利申请，如果其中的数据采集、标签管理、规则设置、推荐决策等含有违反法律、社会公德或者妨害公共利益的内容，则根据专利法第五条第一款的规定，不能被授予专利权。”
此外，修改后的审查指南中还新增了两个审查示例，旨在说明“人工智能、大数据相关专利申请应当遵守国家法律，如果人工智能等技术的实施与相关法律相违背，则属于《专利法》第五条第一款所述的违反法律的发明创造，不能被授予专利权。”以及“人工智能、大数据相关专利申请应当避免算法歧视，在不确定条件下做出最优决策时，算法所依据的决策机制应当符合伦理道德，不得设置带有歧视或偏见的算法规则，否则属于《专利法》第五条第一款所述的违反社会公德的发明创造，不能被授予专利权。”
1.2 应对建议
修改后的审查指南中增加的审查示例【例1】涉及在公共场所安装摄像装置，在顾客未察觉的情况下拍摄其面部特征获得顾客身份识别信息。而将图像采集和人脸识别手段用于商场等经营场所进行床垫的精准营销，不属于维护公共安全所必需，并且申请中也未表明数据获取或者信息采集合法、合规，例如取得顾客单独同意，因此该发明创造与《个人信息保护法》相违背。
由此带来的启示是，针对涉及用户个人信息采集以及标签管理的技术方案，例如即时配送、金融风控、信用评估、信息推荐以及内容分发等领域的技术方案，应在说明书中证实方案采集的数据属于维护公共安全所必需的数据，或者在说明书中说明数据获取以及信息采集的合规性。例如在说明书中记载：“需要说明的是，本公开中所有获取信号、信息或数据的动作都是在遵照所在国家或地区相应的数据保护法规政策的前提下，并获得由相应装置所有者给予授权的情况下进行的”。
修改后的审查指南中增加的审查示例【例2】涉及通过行人的性别和年龄对决策模型进行训练，当出现应急决策时，依据行人的性别和年龄区分被保护对象和被撞对象。该方案依据性别和年龄进行差异化决策，违背了尊重生命和人人平等的基本社会价值准则，实质上是将社会偏见在算法模型中予以固化与放大，强化了性别歧视和年龄歧视，损害了社会群体间的公平与和谐，违反社会公德。
对于审查示例【例2】涉及的专利申请案例，从感性上就能够察觉出方案的实施必然导致不公平、歧视的现象。但在实务过程中，方案可能导致的不公平以及歧视现象往往更加隐蔽、不易察觉，需要申请人及专利代理师在专利申请过程中保持高度警惕。以即时配送领域为例，涉及骑手配单、激励与考核机制的算法方案，审查员将评估其是否可能引发歧视性后果或不公平对待，例如因算法规则设计不当导致特定群体长期处于劣势地位。同样，在信息推荐与内容分发领域，审查将关注技术方案是否存在不当收集用户敏感信息、诱导用户行为或助长虚假及有害信息传播的潜在风险。
因此，申请人在撰写相关专利申请文件时，不仅应当主动披露数据合规声明，还应针对可能产生社会伦理争议的算法机制作出合理解释，必要时可在说明书中阐明方案的设计初衷与风险规避措施。
除了上述可能引发歧视性后果的伦理风险外，修改后的审查指南同样关注另一类更为显性的风险——技术方案本身直接违反法律法规的情形。
以自动驾驶领域为例，该行业技术迭代迅速，而相关法规政策也在动态完善之中，申请人的技术方案有时难免与最新出台的规范要求产生偏差。针对此类潜在的法律风险，最有效的应对方式是在说明书中主动阐明技术方案的合规基础，明确其设计与实施均以遵守现行法律法规为前提。例如，说明书可记载：“本公开实施例中所涉及的辅助驾驶均遵照所在地国家相应的安全相关法规政策和技术规范，以满足安全行驶要求。”而对于明显违反法规政策的技术方案，如刻意规避安全监测机制、架空驾驶员责任的“智驾神器”类方案——典型的如智能座舱系统在辅助驾驶模式下默认隐藏驾驶信息仪表盘，或语音交互系统在驾驶员未观察路况时过度推送娱乐资讯等分散注意力的设计——应避免提交专利申请。
类似地，针对数字货币的技术方案，说明书可以记载“本公开实施例所涉及的数字货币方案（或具体涉及交易验证、共识机制、智能合约执行、资产发行与管理等相关技术特征），其设计、实施与运行均严格遵照所在地国家及目标市场相应的法规政策。方案中的任何操作均在法律框架允许的范围内进行，旨在确保金融秩序稳定、保障用户合法权益与信息安全，并符合商业伦理与社会公共利益”。并且，专利申请文件中，避免出现“比特币”以及“挖矿”等敏感词。
综上，笔者认为，针对修改后的新审查指南，从业人员需提升对专利申请文件中是否存在合规风险的敏感度。专利申请文件也需要从纯技术叙事向合规技术复合叙事进行转变。如果方案的实施必然带来不合规的问题，则应慎重考虑是否进行专利申请。而如果方案的实施只是存在不合规的可能性，则有必要在专利申请文件中增加对合规性的描述，甚至可以考虑通过技术手段从根本上化解合规风险。如果对方案实施所涉法律风险、伦理争议及社会影响避而不谈，将极有可能因违反专利法第五条而被驳回。
二、算法透明
2.1修改情况介绍
修改后的审查指南在6.3.1说明书的撰写中明确“如果涉及人工智能模型的构建或者训练，则一般需要在说明书中清楚记载模型必要的模块、层级或者连接关系，训练必需的具体步骤、参数等；如果涉及在具体领域或者场景中应用人工智能模型或者算法，则一般需要在说明书中清楚记载模型或者算法如何与具体领域或者场景相结合，算法或者模型的输入、输出数据如何设置以表明其内在关联关系等，使得所属技术领域的技术人员按照说明书记载的内容，能够实现该发明的解决方案。”
这一新增规定背后，蕴含着对专利法基本原则在人工智能领域的深化理解，我们知道《专利法》第二十六条第三款规定了：“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。”这一条款确立了专利说明书充分公开的基本原则。然而，人工智能技术具有典型的黑箱特性，其内部运行机制难以直观呈现，传统的公开标准在实践中往往难以直接适用。
修改后的审查指南正是对专利法第二十六条第三款在人工智能领域的有益补充和具体细化。它将人工智能方案划分为“模型构建训练”与“模型的领域应用”两种情形，并针对不同情形明确差异化的公开要求。这种划分的深层逻辑在于：不同情形的方案所要解决的技术问题不同、实现的技术效果不同，因而对说明书公开程度的要求也理应各有侧重。换言之，修改后的审查指南并非脱离专利法另立标准，而是以“技术问题—技术效果”为导向，将专利法第二十六条第三款的公开要求具象化为可操作的撰写指引——要求说明书完整呈现技术方案如何实施、如何解决技术问题、如何产生预期效果，从而真正实现以公开换保护的制度初衷。
2.2 应对建议
根据人工智能方案与现有技术在应用领域和模型本身两个维度上的差异，可进一步划分为以下三种典型情形，其说明书公开程度的要求亦随之各有侧重：
（一）领域相同，模型不同
若方案与现有技术应用于相同领域，输入输出类型基本一致，但采用不同的模型架构或算法，从而在准确性、效率等方面取得更优效果，则说明书应重点阐明本申请模型与现有技术模型的实质性差异。具体而言，需对输入数据的特征处理方式、损失函数的设计思路、模型结构、层级设置或连接关系的改进等作出充分披露。
（二）领域不同，模型相同
若方案沿用与现有技术相同的模型，但将其应用于全新的技术领域，则说明书应着重说明模型跨领域应用所面临的技术难点，并详细阐释新领域下输入与输出数据之间的内在关联关系。由于输入数据类型、特征等均发生变化，模型为何仍能适配、如何实现技术效果，均需清晰呈现。
（三）领域与模型均不相同
若方案在应用领域和模型结构两方面均与现有技术存在实质区别，则说明书应对模型的完整技术路径进行全面披露，包括但不限于：模型的输入输出设计、模型的构建与训练过程、关键参数、层级结构及训练策略等。
此类方案因缺乏可直接参照的技术路径，公开程度要求最高，需达到本领域技术人员能够据以实施的程度。
三、创造性判断
3.1 修改情况介绍
本次修改在6.2审查示例部分新增了两个典型案例，进一步明晰人工智能技术的创造性审查规则。其中，【例18】“一种识别船只数量的方法”旨在说明，在领域不同、模型相同的情况下，若未对模型或算法作出实质性调整，则不具备创造性。而【例19】“一种建立废钢等级划分神经网络模型的方法”旨在说明，在领域相近、模型不同的情况下，若对模型结构、训练方式作出实质性改进，解决不同技术问题，且无技术启示，则具备创造性。
新增的审查示例传递的信号比较清晰，即人工智能领域的创造性评判，已从应用场景的新颖性转向技术贡献的实质性，单纯将已知算法模型应用于新场景的专利申请，将难以逾越创造性门槛，只有对算法模型本身作出实质性的技术改进，方能获得授权认可。
3.2 应对建议
人工智能领域的技术方案的创造性，需要考虑四个核心因素：
（一）应用领域的相同/相似程度
最接近的现有技术与本申请的应用领域是否相同或相近。若领域确有差异，应客观陈述，但切勿止步于此，更应该阐明领域差异是否带来了新的技术挑战，或是否导致现有算法模型在本申请领域中“水土不服”，避免仅以本方案首次将某算法应用于某领域作为创造性唯一论据。
（二）模型与应用领域之间的技术适配难度
将现有模型迁移至目标领域，是否需要克服技术障碍？是否存在本领域技术人员难以预期的适配难题？针对这类问题，专利撰写时可以重点阐述目标领域数据的特殊性（如数据稀疏性、噪声水平、标注难度）对模型提出的新要求。为适应目标领域，模型在输入处理、特征提取、网络结构、损失函数等方面需作出哪些针对性调整。以及若直接套用现有模型，将产生何种技术缺陷或性能瓶颈。
【例18】的启示：识别船只与识别果实虽对象不同，但审查员认定“信息标记、数据集划分、模型训练等步骤并无本质区别”，即技术适配难度极低。这警示申请人：若不能证明领域差异带来了实质性的技术适配障碍，则领域差异本身不足以为方案带来创造性。
（三）现有技术中是否存在迁移启示
本领域技术人员在面对本申请所要解决的技术问题时，是否有动机将对比文件的方案迁移至本申请领域？迁移路径是否显而易见？针对这类问题，专利撰写时应预判审查员可能提出的公知常识质疑，从而在说明书主动论证目标领域与对比文件领域之间是否存在技术壁垒，导致本领域技术人员不会轻易产生迁移动机，必要时可援引非专利文献（如学术论文、技术博客）证明，本申请作出改进之前，业内普遍认为原算法模型无法适用于目标领域，或存在技术偏见。
（四）模型改进的难易程度
本申请对模型作出的改进，是常规调参、简单替换，还是需要对模型架构、训练机制作出结构性创新？改进路径是否显而易见？针对这类问题，专利撰写时应呈现改进点的具体技术内容（如新增模块、调整连接方式、改进损失函数）、改进所解决的技术问题（如提升特定场景下的识别精度、降低计算开销）、以及改进所带来的技术效果（最好能有数据或实验对比支持）。
【例19】的启示：为识别废钢的形状和厚度，申请人对卷积层和池化层的线路数量和层级设置作出了针对性调整，并且提取的特征也与对比文件1存在实质差异。这表明，即便在相近领域，只要改进是为解决特定技术问题而作出的实质性结构调整，仍可具备创造性。
综上，权利要求布局以及说明书撰写时，更应围绕以上四个核心因素构建创造性论证的完整阐述链条。笔者认为第三部分中对说明书充分公开的程度要求与创造性的判断是相互呼应的，申请人在撰写环节围绕以上四个核心因素进行创造性论证方式进行撰写，其结果必然能够达到充分公开的要求。这需要代理师在全面理解技术方案后，能够围绕以上四个核心因素正向还原出发明人的设计思路，并在说明书中进行充分呈现。唯有如此，才能在专利申请的源头构建起经得起审查员推敲的权利基础。
新《专利审查指南》的实施，标志着我国人工智能领域专利审查步入精细化、规范化的新阶段。对于专利从业者而言，这既是挑战，也是机遇。挑战在于，传统的场景迁移式申请策略难以为继，单纯套用现有算法至新领域的做法将面临更严格的审查。机遇在于，新指南为真正具有技术创新含量的方案提供了更清晰的授权路径——那些在模型结构、训练机制、数据处理等方面作出实质性改进的发明，将有更充分的依据获得应有的保护。
面对这一转向，申请人在进行专利提案时需更加严谨，对于明显不合规的技术方案，应果断放弃专利申请，避免投入不必要的资源和时间。对于具备授权前景的方案，撰写思路也需要随之升级，从单纯的技术叙事转向兼顾合规、技术与效果的复合叙事，并且在专利申请文件中既要讲清技术方案是什么，还要说明方案是否合规、解决了什么技术问题、带来了怎样的实质性效果。唯有如此，才能在审查中获得主动，为创新成果筑牢权利基础。
希望本文的梳理能为您的实务工作带来启发。如果您对人工智能领域的专利撰写有更多疑问或实践经验，欢迎留言交流。
参考资料：国家知识产权局 政策解读 2025年《专利审查指南》修改内容解读