★ FEATURED ARTICLE 1. 从一份白皮书入选名单说起这件事到底意味着什么前阵子翻行业资料的时候看到一份2020年发布的《中国人工智能产业知识产权白皮书》里面收录了一批在AI知识产权布局上有代表性的企业创新奇智出现在名单里。当时我第一反应不是哦又一家公司上榜了而是想起自己前两年帮一个做计算机视觉的团队梳理专利池时踩过的那些坑——知识产权这件事在AI行业里远比大多数人想象的要复杂也远比大多数人想象的要重要。先把话说清楚这份白皮书是由行业组织牵头编制的目的是梳理当时国内人工智能产业在知识产权方面的整体状况包括专利分布、技术方向、企业布局等维度。能入选本质上说明这家公司在AI相关的知识产权积累上达到了一个被行业认可的量级。但入选这两个字背后到底对应着什么很多人其实是模糊的。是专利数量多是技术方向对还是布局策略有讲究这篇文章我就想把这个事情拆开讲透。这篇文章适合几类人看一是正在做AI相关产品、开始考虑知识产权布局的团队负责人二是做技术管理、需要判断自家专利资产价值的从业者三是对AI产业格局感兴趣、想理解知识产权这个维度怎么影响企业竞争力的读者。我会从这份白皮书说开去讲清楚AI知识产权到底包含什么、企业为什么要重视、实际操作中怎么布局、以及我这些年观察到的常见误区和真实经验。需要提前说明的是由于原始信息比较简略文中涉及的具体操作方法和行业惯例一部分是基于我个人的从业经验和对行业的观察做的合理补充不代表任何官方口径读者参考时请结合自身情况判断。2. 人工智能知识产权到底包含哪些东西别只盯着专利数量2.1 专利只是冰山一角软著和商业秘密同样关键很多人一听到知识产权脑子里第一个蹦出来的就是专利。这个理解不算错但太窄了。在人工智能领域知识产权至少包含四个大类而且它们的权重和适用场景完全不同。第一类是发明专利。这是AI企业最常被拿出来说的资产。AI领域的专利通常集中在算法模型、数据处理方法、训练流程、应用场景实现等方向。比如一个目标检测模型的改进方法、一种多模态特征融合的处理流程都可以申请发明专利。但这里有个关键点纯算法本身在很多情况下是不直接授予专利的必须和具体的技术问题、技术效果绑定包装成技术方案才行。这是很多人第一次申请AI专利时最容易栽跟头的地方。第二类是软件著作权。这个在AI公司里其实非常普遍因为AI产品本质上都是软件系统。软著申请周期短、成本低主要保护的是代码的表达形式。它的保护力度不如专利但在实际维权、项目申报、资质认定中作用不小。我见过不少团队专利没几个但软著攒了几十项在申报某些资质时照样够用。第三类是商业秘密。这个在AI领域被严重低估。模型权重、训练数据配方、超参数调优经验、特征工程的具体处理方式这些东西很多时候不适合公开申请专利因为一旦公开就等于把核心机密交出去了。用商业秘密的方式保护反而更合理。但商业秘密有个前提你得有保密制度和保密措施否则法律上很难认定。第四类是商标和域名。这个偏品牌层面但在AI产品面向市场时同样重要。一个AI产品的名字、Logo、域名都是需要提前布局的。提示AI企业做知识产权布局时最常见的错误就是只申请专利。实际上一个健康的AI知识产权组合应该是专利、软著、商业秘密三足鼎立的具体比例取决于你的技术特点和商业模式。2.2 为什么AI领域的知识产权比传统软件更棘手传统软件的知识产权相对好处理因为它的核心是代码逻辑边界比较清晰。AI不一样它的核心是模型和数据这两样东西的法律属性都很模糊。先说模型。一个训练好的神经网络它的知识分布在几百万甚至几十亿个参数里。你说这个模型是发明吗它更像是一个统计产物。你说它是代码吗它又确实是通过代码训练出来的。这种模糊性导致模型本身的知识产权保护一直是个难题。目前主流的做法是保护训练方法、保护模型结构、保护应用流程而不是直接保护模型权重本身。再说数据。训练数据的版权问题在AI行业里是个绕不开的坎。你用的数据从哪来、有没有授权、能不能商用这些问题在知识产权层面都有风险。我见过一个团队因为训练数据来源不清产品上线后被投诉最后不得不重新训练模型损失了好几个月的时间。还有一个容易被忽略的点AI生成内容的知识产权归属。这个问题在2020年那份白皮书发布的时期就已经开始被讨论了到现在依然没有完全统一的答案。不同国家和地区的处理方式不一样企业在做产品时如果涉及AI生成内容必须提前搞清楚适用规则。2.3 白皮书这类行业报告的价值到底在哪回到那份白皮书本身。很多人会问这种行业报告除了给入选企业贴个标签还有什么实际价值我的看法是它的价值主要体现在三个层面。第一它提供了一个行业坐标系。你可以通过它看到整个AI产业在知识产权上的分布情况——哪些技术方向专利密集、哪些企业布局积极、整体趋势是什么。这对做技术规划和专利布局的人很有参考意义。第二它反映了一种行业共识。能入选的企业通常是在知识产权管理上有一定规范性的这本身就是一种信号。第三它是一份历史记录。2020年这个时间点正好是AI从概念走向落地的关键阶段这份白皮书某种程度上记录了那个阶段产业的真实状态。但也要清醒入选不等于技术最强也不等于商业最成功。它只是说明在知识产权这个单一维度上这家公司达到了被行业注意到的水平。把这件事放到企业整体竞争力的框架里看才是理性的态度。3. 一家AI公司要怎么做知识产权布局从零到成体系的完整思路3.1 先搞清楚你的技术资产地图别急着写专利我见过太多团队一上来就说我们要申请专利然后让工程师随便写几个交上去。这种做法基本等于浪费钱。正确的第一步应该是梳理技术资产地图。具体怎么做把你公司所有的技术产出列出来然后按几个维度分类。第一个维度是技术层级是底层算法、中间件、还是应用层功能第二个维度是创新程度是全新发明、改进优化、还是工程实现第三个维度是商业价值这个技术是核心竞争力、还是辅助功能、还是通用能力分类完之后你才能判断哪些该申请专利、哪些该作为商业秘密、哪些根本不值得保护。举个例子一个全新的模型压缩算法如果它是你的核心竞争力那应该优先考虑专利一个针对特定业务场景的数据清洗流程如果它很难被逆向工程那作为商业秘密可能更合适一个通用的UI交互设计那可能软著就够了。这个梳理过程通常需要技术负责人和法务/知识产权负责人一起做不能只让一方拍板。技术人员知道哪些是真创新法务知道哪些能获得保护两边结合才能做出合理判断。3.2 专利撰写的质量比数量重要十倍这是我最想强调的一点。在AI领域一件高质量的专利胜过十件凑数的专利。什么叫高质量首先是权利要求写得合理。保护范围太窄别人稍微改一下就能绕过去保护范围太宽审查阶段就会被驳回。这个度的把握非常考验撰写者的水平。我见过一个案例某公司申请了一个关于图像识别的专利权利要求里把具体的网络层数、卷积核大小都写死了结果竞争对手换了个网络结构完全不受影响。这就是典型的写得太具体。其次是说明书要足够支撑。AI专利的说明书需要把技术方案讲清楚包括数据怎么处理、模型怎么训练、效果怎么验证。很多工程师写专利的时候觉得这些细节没必要写但恰恰是这些细节决定了专利的稳固性。再就是技术方向要选对。AI领域技术迭代快你今天申请的方向可能两年后就过时了。所以布局的时候要有前瞻性优先保护那些有持续价值的基础性技术而不是追着热点跑。注意找专利代理机构的时候一定要找有AI技术背景的。普通代理机构可能连注意力机制是什么都不清楚写出来的专利质量可想而知。我个人的经验是至少要和代理人做一次深入的技术沟通确保他真正理解你的方案。3.3 软著和商业秘密的实操细节软著申请相对简单但有几个细节值得注意。第一软著登记的是代码的表达形式所以提交的代码要能体现你的核心逻辑但又不能把最核心的机密全暴露。通常的做法是提交部分代码覆盖主要功能模块即可。第二软著的名称和版本号要规范后续如果有更新可以申请新版本。第三软著在维权时的作用有限它更多是作为一种存在证明和资质材料。商业秘密的管理则要复杂得多。核心是三点制度、措施、记录。制度是指公司要有明确的保密制度规定哪些信息属于商业秘密、谁有权接触、怎么流转。措施是指实际的技术手段比如代码仓库权限控制、数据访问日志、员工保密协议。记录是指你要能证明你确实采取了这些措施比如保密培训的签到表、权限变更的记录。我见过一个团队技术很强但商业秘密管理几乎为零。核心工程师离职后直接去了竞品公司把训练数据的处理方式带过去了。他们想维权但拿不出任何保密措施的证据最后只能吃哑巴亏。这个教训非常深刻。3.4 知识产权布局的时间节奏怎么把握知识产权布局不是一次性动作而是持续过程。我的建议是分三个阶段第一阶段产品立项期。这个阶段要做的是快速检索看看你要做的方向有没有人已经申请了专利。如果有要么规避要么考虑交叉授权。同时开始规划核心技术的保护方式。第二阶段产品研发期。这个阶段是专利申请的高峰期。每完成一个关键技术节点就评估是否申请专利。同时开始建立商业秘密管理制度把该保护的都保护起来。第三阶段产品上市期。这个阶段重点是商标、软著、以及应对可能出现的侵权风险。同时要开始考虑海外布局如果你的产品要出海那目标市场的知识产权布局必须提前做。这三个阶段的节奏很重要太早浪费资源太晚错失时机。我个人的经验是在技术方案基本定型但还没完全公开的时候申请专利是最佳窗口期。4. 从入选白皮书这件事看AI企业知识产权管理的真实水平差异4.1 大厂、创业公司、研究机构的三条不同路径同样是做AI知识产权不同类型的主体策略完全不同。大厂通常是广撒网策略。专利数量庞大覆盖各个技术方向目的是构建专利池既用于防御也用于交叉授权。他们的知识产权团队通常几十人甚至上百人有专门的流程和系统。但这种策略的问题是很多专利质量参差不齐真正有价值的可能只占一小部分。创业公司则必须精准打击。资源有限不可能广撒网所以必须把有限的专利用在刀刃上。通常聚焦在一两个核心技术点上做深做透。这种策略的风险是一旦技术方向判断错误前期的投入可能打水漂。所以创业公司的知识产权布局必须和商业战略高度绑定。研究机构的路径又不一样。他们更注重论文和专利的配合很多研究成果会先发论文再申请专利。但这种做法有个隐患论文公开后专利的新颖性可能受影响。所以现在很多机构会先申请专利再发表论文这个顺序很重要。创新奇智这类企业从公开信息看属于典型的AI应用型公司它的知识产权布局应该更偏向创业公司的精准策略聚焦在计算机视觉、机器学习平台等核心方向上。能入选白皮书说明它在这个策略上执行得不错。4.2 知识产权在AI企业融资和商业合作中的实际作用很多人以为知识产权主要是用来防别人的其实它在商业场景中的作用更直接。融资时知识产权是技术实力的证明。投资人做尽调的时候会看你的专利数量、质量、覆盖方向。一个有体系化知识产权布局的团队在估值谈判中通常更有底气。但要注意投资人也不傻他们能分辨哪些是凑数的专利哪些是真有价值的。商业合作时知识产权是谈判筹码。比如你和一家大公司合作对方要求你授权某些技术如果你手里有对等的专利就可以谈交叉授权而不是单方面让步。政府项目申报时知识产权是硬指标。很多科技类项目、资质认定都对知识产权有明确要求。这时候软著和专利的数量、类型都会影响申报结果。应对竞争时知识产权是防御工具。当竞争对手发起专利诉讼时你手里的专利就是反击的武器。即使不主动起诉拥有专利也能让对方投鼠忌器。我个人的观察是AI企业在早期往往忽视知识产权觉得先把产品做出来再说。但等到需要融资、合作、申报的时候才发现知识产权是个绕不过去的坎临时抱佛脚效果很差。所以我的建议是从公司成立的第一天起就要有知识产权意识哪怕一开始只是做一些基础性的工作。4.3 白皮书入选背后的筛选逻辑推测虽然白皮书的具体评选标准没有完全公开但根据行业惯例这类评选通常会考虑几个维度。第一是专利数量和质量。这是最基础的指标。不是单纯看数量而是看有效专利的数量、发明专利的占比、以及专利的技术覆盖面。第二是知识产权管理的规范性。包括有没有专门的管理制度、有没有专职人员、流程是否规范。这个维度很多企业会忽略但它恰恰是区分有知识产权和有知识产权管理的关键。第三是技术方向与产业趋势的契合度。白皮书通常会关注那些在主流技术方向上有布局的企业比如计算机视觉、自然语言处理、机器学习平台等。第四是行业影响力。包括企业的市场地位、技术口碑、以及知识产权相关的公开活动参与度。这几个维度综合起来就能理解为什么某些企业能入选而另一些不能。它不是单纯比专利数量而是看整体的知识产权管理水平和产业代表性。5. 实操中那些没人告诉你的坑和技巧5.1 专利检索不是走过场这几个细节决定成败专利检索是知识产权工作的基础但很多人做得太粗糙。我见过不少团队检索就是去专利数据库搜几个关键词看看有没有完全一样的没有就认为可以申请了。这种做法漏掉的风险太多了。正确的检索应该包括几个层次。第一层是关键词检索这是基础但关键词的选择很讲究。比如你做目标检测不能只搜目标检测还要搜物体识别目标定位bounding box等相关词。第二层是分类号检索每个技术领域都有对应的专利分类号按分类号检索能覆盖到关键词没覆盖到的专利。第三层是申请人检索看看你的主要竞争对手在这个方向上有哪些专利。第四层是引证检索通过已有专利的引用关系找到相关的专利族。检索完之后还要做侵权分析。不是简单看有没有相同的专利而是看你的技术方案是否落入了别人专利的权利要求保护范围。这个分析需要一定的专业能力建议让有经验的人来做。提示专利检索最好在技术方案确定之前做而不是之后。如果检索发现已经有很强的专利壁垒你可以及时调整技术路线避免做出来之后才发现侵权。5.2 和代理机构打交道的正确姿势找代理机构写专利不是把技术文档丢过去就完事了。我总结了几条经验。第一选对代理人。前面说过要找有AI背景的。怎么判断可以问几个技术问题看对方能不能理解。也可以让对方提供之前写过的AI相关专利作为参考。第二技术交底要充分。很多工程师觉得我把方案说清楚了但代理人可能根本没理解。建议做一次面对面的技术沟通把技术问题、解决方案、技术效果都讲透。最好能提供实验数据证明你的方案确实有效果。第三权利要求要反复确认。代理人写完权利要求后一定要让技术人员仔细看确认保护范围是否合理。特别是独立权利要求它决定了专利的保护边界。第四不要只图便宜。专利代理的费用差异很大从几千到几万都有。便宜的往往意味着代理人投入的时间少、质量难保证。我个人的建议是核心专利不要省这个钱。5.3 内部知识产权管理的几个关键动作企业内部的IP管理不需要一开始就搞得很复杂但有几个动作必须做。建立发明披露流程。让工程师有一个渠道把技术创新点报上来然后由专人评估是否申请专利。这个流程要简单不能让工程师觉得填一堆表格很麻烦。定期做知识产权盘点。每季度或每半年把公司的知识产权资产梳理一遍看看哪些该维持、哪些该放弃、哪些该补充布局。专利是有年费的不盘点的话很容易花冤枉钱。做员工知识产权培训。很多工程师不是不想报专利而是不知道什么能报、怎么报。一次简单的培训就能大幅提升发明披露的数量和质量。把知识产权纳入考核。这个要谨慎如果单纯按专利数量考核很容易催生一堆垃圾专利。更好的做法是把知识产权和项目节点绑定在关键技术节点上要求做知识产权评估。5.4 我踩过的三个真实坑第一个坑过早公开。有个团队在技术沙龙上分享了他们的核心算法讲得很详细。结果半年后申请专利时因为已经公开过新颖性受影响最后被驳回了。教训是在申请专利之前任何形式的公开都要谨慎包括技术分享、论文发表、甚至产品演示。第二个坑专利维持费忘了交。这个听起来很低级但真的经常发生。专利每年都要交年费忘了交就会失效。我见过一个公司因为负责知识产权的人离职交接没做好导致几件核心专利失效损失很大。建议设置提醒机制或者委托专业机构管理。第三个坑商业秘密没有证据。前面提过那个案例核心工程师离职带走技术但公司拿不出保密措施的证据。后来我们帮另一家公司做咨询时第一件事就是帮他们建立保密制度的书面记录包括保密协议、权限记录、培训签到等。这些东西平时看着没用关键时刻就是证据。6. 把知识产权变成真正的竞争力而不是墙上的证书6.1 知识产权和商业战略必须咬合我见过太多公司知识产权工作做得很规范但和商业战略是脱节的。专利攒了一堆但真正能支撑商业目标的没几个。这种知识产权就是成本不是资产。正确的做法是从商业目标倒推知识产权需求。比如你的商业目标是进入某个细分市场那就要分析这个市场里的知识产权壁垒在哪里你需要什么样的专利才能进入。如果你的目标是融资那就要了解投资人在这个阶段关注什么样的知识产权指标。如果你的目标是防御竞争对手那就要研究对手的专利布局找到自己的防御点。创新奇智入选白皮书这件事如果放到商业战略的框架里看它的意义就不只是荣誉而是向市场、投资人、合作伙伴传递了一个信号我们在知识产权这个维度上是有积累的。这种信号在商业谈判中是有实际价值的。6.2 知识产权的价值评估怎么做知识产权的价值评估是个专业活但企业自己也需要有一个基本的判断能力。我通常从几个维度来看。技术维度这个专利保护的技术是不是核心的是不是难以绕过的技术生命周期有多长法律维度权利要求的保护范围是否合理专利是否稳定有没有被无效的风险市场维度这个专利对应的技术有没有市场应用市场规模有多大竞争格局如何战略维度这个专利对竞争对手有没有威慑力能不能用于交叉授权能不能支撑商业谈判把这几个维度综合起来就能对一个专利或一个专利组合的价值有一个基本判断。当然具体的估值还需要专业的评估机构来做但企业自己心里要有数。6.3 未来几年AI知识产权可能的变化趋势虽然我不能预测未来但根据这几年的观察有几个趋势是比较明显的。第一AI生成内容的知识产权规则会逐渐清晰。现在各国都在探索未来几年应该会有更明确的规则出来。做AI内容生成的企业要密切关注。第二数据知识产权的保护会加强。训练数据的版权问题现在是灰色地带未来可能会出台更明确的规定。企业要提前做好数据合规。第三专利质量会比数量更重要。随着AI专利数量的爆发式增长审查会越来越严低质量专利的生存空间会越来越小。第四知识产权的国际化布局会更普遍。AI企业出海是趋势对应的知识产权海外布局也会成为标配。这些趋势对企业的启示是知识产权工作要更精细化、更前瞻、更国际化。粗放式的布局方式会越来越行不通。6.4 给不同阶段AI企业的知识产权建议最后根据企业所处的阶段我给几条具体的建议。初创期0-1年重点是建立意识。不用急着申请大量专利但要把核心技术的保护方式想清楚。至少要有保密制度核心员工要签保密协议。如果融资需要可以申请几件核心专利和软著。成长期1-3年重点是体系化。建立发明披露流程开始有节奏地申请专利。同时完善商业秘密管理做一次系统的知识产权盘点。如果涉及出海开始考虑海外布局。成熟期3年以上重点是战略化。知识产权要和商业战略深度绑定做专利池建设、交叉授权、风险预警。同时要关注行业标准制定中的知识产权问题。每个阶段的重点不同但核心逻辑是一样的知识产权是手段不是目的。它的最终价值在于支撑企业的商业成功而不是挂在墙上的证书。我在实际工作中最大的体会是知识产权这件事早做比晚做好系统做比零散做好和业务结合做比单独做好。创新奇智入选白皮书某种程度上就是这几个好的体现。但每家企业的情况不同具体怎么做还是要结合自己的技术特点、商业阶段和资源条件来定。照搬别人的方案往往效果不好。
阅读完成 · 觉得有帮助？
