美國人工智能專利客體制度研究

安蕾

國家知識產權局專利局專利審查協作北京中心 北京 100160

引言

人工智能，被譽為當代最強大的新興技術，也是現有知識產權制度面臨的新挑戰。專利制度，作為技術、經濟和法律的融合體，總是最先受到新興技術的挑戰和影響而發展?？v觀美國專利制度的發展史，客體適格性一直作為其對新興技術專利政策的風向標。1981 年，美國最高法院（SCOTUS）通過Diehr 案①Diamond v. Diehr, 450 U.S. 175 (1981).在全球率先確立了軟件的專利保護形式，為早期人工智能的專利保護打開大門。此后，人工智能發展史中的所有大事件幾乎都發生在美國。同時，美國專利商標局（USPTO）的公布數據[1]顯示，其收到的人工智能專利申請增長迅猛（圖1），并迅速擴散至各個領域（圖2）。與其他任何技術相比，人工智能更加模糊了專利保護客體的界限。2010-2014 年間，SCOTUS 作出四個判決②2010-2014 年間，SCOTUS 作出了四個里程碑式判決（Bilski，Mayo，Myriad，Alice），其中Bilski 和Alice 案涉及計算機軟件，影響了“抽象思想”的內涵和外延；而Mayo 和Myriad 案涉及基因和醫療診斷，影響了“自然規律”的內涵和外延。最高法院最終在Alice 案確立“Mayo/Alice 測試法”，并明確其適用于所有類別(過程、機器、制造品和合成物)的權利要求以及所有類型(抽象思想、自然規律和自然現象)的司法例外的專利適格客體審查。，重新劃定了適格客體和不適格客體的界限，基于專利適格性的無效案件大幅增長，聯邦巡回上訴法院（CAFC）努力應用這些先例，判例法持續演變。作為回應，USPTO 通過及時發布重要判決備忘錄和定期修訂審查指南，以確保審查政策與判例法同步發展，繼續鼓勵和激勵創新。

圖1 1976-2018 年公開的美國人工智能專利申請數量和比例

圖2 1976—2018 年美國人工智能在專利技術領域的擴散

我國《知識產權強國建設綱要（2021—2035 年）》指出：“加快大數據、人工智能、基因技術等新領域新業態知識產權立法”，“研究完善算法、商業方法、人工智能產出物知識產權保護規則”?！八街?，可以攻玉?！笨疾烀绹绾渭钊斯ぶ悄芗夹g和產業，跟蹤研究其對專利適格性的判例法發展沿革，對于積累域外情報信息、制度經驗，少走歷史彎路，在國際視野下建立中國特色的人工智能專利保護規則，從而實現“后發優勢”極為重要。智月[2]闡述了當前美國智力活動的定義，智力活動限定的識別和判斷。王瀚[3]對比分析了現行歐美對人工智能可專利性的立法和實踐?，F有文獻對于專利及其法律的基礎研究投入有限，往往止步于靜態分析，而未將域外專利保護新規則放在西方特定歷史時期和規則體系中去研究各因素間的相互作用，也未能全面分析美國領先全球的人工智能技術與其專利制度發展的強關聯性。為彌補上述不足，本文從美國人工智能專利的定義和申請趨勢出發，以專利客體制度沿革中的里程碑式判例為研究素材，按時間線勾畫美國人工智能專利的判例法發展歷程，并深刻分析其歷史背景；最后，對美國人工智能和專利客體制度的未來進行辨析和討論。

1 美國人工智能專利客體制度的基本概念

1.1 美國人工智能專利的定義

人工智能（Artificial Intelligence, AI）沒有通用定義。美國國家標準與技術研究院(NIST)將人工智能技術和系統定義為“由軟件和/或硬件組成，可以學習解決復雜問題，做出預測或承擔需要類似人類的感覺(如視覺、語音和觸覺)、感知、認知、規劃、學習、交流或身體動作的任務?！盵4]對于專利申請和授權，USPTO 將人工智能定義為由八種技術分支中的一個或多個組成(如圖3 所示)，包括：計劃或控制、知識處理、語音、視覺、人工智能硬件、機器學習、進化計算、自然語言處理?？梢?，美國人工智能專利是一個廣義概念，它不僅涉及軟件，還涵蓋硬件以及其在不同技術中的融合應用。

圖3 美國人工智能專利中的技術組成

1.2 美國專利客體適格性制定法的規定

關于專利適格客體，也稱專利保護的客體或專利保護的主題（subject matter），美國國會在聯邦法典（United States Code）第35 編第101 條（35 U.S.C.§101，即美國專利法第101 條）規定了四種法定類型：

“任何人發明或者發現任何新的且有用的方法、機器、制造品或合成物，或其任何新的且有用的改進，均可在符合本法規定的條件和要求的情況下獲得專利?！?/p>

上述定義產生于美國建立其專利制度之初，距今已有200 余年的歷史，始終未作任何修改。從法律條文的規定來看，受專利法保護的客體是非常廣泛的，這種廣泛性還可以從相關立法資料中得到印證。例如，在制定1952 年專利法時，參議院和眾議院的報告中明確指出，專利保護的客體應當“包括陽光下人類制造的一切事物”。

1.3 美國專利客體適格性判例法的產生

雖然專利法在美國歷史上沒有明確排除任何客體，但是長期以來SCOTUS 一直認為，鑒于法定文本的歷史和背景，適格性存在某些隱性限制。因此，美國專利適格性原則的輪廓不是在專利法的文本中，而是在兩個世紀的判例中，這些判例隨著技術進步、科學發現的觀點以及對專利制度是否鼓勵或抑制新發明的擔憂而產生和流動。作為審查機構的USPTO，其立場是，權利要求首先必須符合國會立法規定；其次不得屬于判例法排除的客體。因此，USPTO 的審查指南也始終牢牢植根于先例（precedent）中的審查原則，并在最新權威性司法判決出現時實時更新審查標準。

專利客體限制最早出現在19 世紀早至中期，當時美國還處于以蒸汽機作為動力機被廣泛使用為標志的第一次工業革命和以電氣的廣泛應用為標志的第二次工業革命時代，接受英美普通法教育的法官受到英國法院的Neilson案③Neilson v. Harford (1841).的影響，提出了對專利適格性的簡潔要求。他們認為抽象思想、自然規律和自然現象不是專利適格客體，因為這三者是“科學與技術工作的基本工具”，“授予專利壟斷這些工具可能更會阻礙創新而不是促進創新”。此后，上述由司法創造的專利適格性例外（exceptions）廣泛被下級法院適用，稱為“司法例外”。自然規律和自然現象具有可理解的參照物，因此更易于分析?！俺橄笏枷搿笔侨咧形ㄒ淮嬖跔幾h的。為何建立“抽象思想”例外，SCOTUS 給出下述理由，“原理是不可專利的。抽象的原理是基本真理、原始起因、動機，這些都不能申請專利，因為沒有人可要求其中任何一項的排他權”④Le Roy v. Tatham, 55 U.S. (14 How.) 156, 174-75(1852).，即沒有人應該被一項專利限制如何思考。人工智能發展歷程中的算法、軟件、商業方法，因為實施時仍然依賴人的智力活動，因此都不可避免地涉及“抽象思想”。

2 早期人工智能推動美國專利客體制度的演變

2.1 人工智能專利的起源――“機器或轉換”測試法

20 世紀中葉，以電子計算機的發明和應用為代表的新科技革命（第三次工業革命）興起并發展，美國從工業時代向信息時代轉型。1956 年，達特茅斯會議首次提出了“人工智能”的概念。1959 年，機器學習先驅阿瑟·薩繆爾在IBM 公司首臺商用計算機IBM701 上編寫了西洋跳棋程序，這個程序戰勝了當時的西洋跳棋大師羅伯特·尼賴。1962 年，弗蘭克·羅森布拉特出版《神經動力學原理：感知器和大腦機制的理論》，所介紹的算法是今天深度神經網絡模型學習算法的前身[5]。在這樣的歷史背景下，人工智能的前身——計算機軟件相關發明應運而生，并被遞交到專利局申請專利。從圖1 可見，這一時期，USPTO 的人工智能專利剛剛起步，申請量不足1000 件/年，人工智能專利申請占整個專利申請量的比例也不足1%。由于對軟件的技術方案性質不理解，專利局無一例外地否決了軟件的專利申請。但是，一些不屈不撓的申請人一再強調，他們申請保護的不是單純的數學方法，而是可以解決具體技術問題的方法，這與傳統的方法專利沒有本質區別。在這樣的努力過程中，一些申請人還把計算機軟件應當獲得專利權的戰斗打到了關稅與專利上訴法院（CAFC 的前身），甚至打到了SCOTUS。1972-1981 年，SCOTUS 發布了三個重要判決——Benson⑤Gottschalk v. Benson, 409 U.S. 673 (1972).、Flook⑥Parker v. Flook, 437 U.S. 584 (1978).和Diehr⑦同注釋①?！贐enson 案中建立“機器或轉換”測試法，在Diehr 案中確認計算機軟件只要和某工序的其他部分融為一體，或者融入特定用途的裝置中，那么整體上就不針對“司法例外”，開啟軟件的專利保護之門。1979 年，美國斯坦福大學制造了有史以來最早的無人駕駛車Stanford Cart,可依靠視覺感應器在無需人工干預的情況下自主行駛。從圖2 可見，1980 年，人工智能專利占整個專利授權量的比例已達到10%左右。

2.2 人工智能專利的發展――兩階段測試法

20 世紀80 年代至20 世紀末，USPTO 的人工智能專利申請量從1000 件/年快速增長至接近10000 件/年，人工智能專利申請占整個專利申請量的比例從1%增至6%，以“親專利”態度著稱的CAFC（包括其前身關稅與專利上訴法院）在Diehr 案的基礎上進一步發展了判例法。首先，關稅與專利上訴法院在1978 年判決的Freeman 案⑧In re Freeman, 573 F. 2d 1237 (CCPA, 1978).、1980 年判決的Walter 案⑨In re Walter, 618 F.2d 758, 205 U.S.P.Q. 397 (CCPA, 1980).和1982 年判決的Abele 案⑨中形成了一種“兩階段測試法”，即：在審查軟件相關發明時，第一階段應當確定權利要求是否直接或間接記載了數學算法；如果是，則第二步應該確定相關發明就其整體而言僅僅是數學算法本身（不可專利的客體），還是可以適用于具體的物理要素或方法步驟（專利適格客體）。1989 年，AT&T 貝爾實驗室的雅恩·樂昆和團隊使用卷積神經網絡技術，實現了人工智能識別手寫的郵政編碼數字圖像[6]，進一步證實了將深度學習算法融入實體技術的技術方案在現實世界的價值。同期法院對版權糾紛案的判決使計算機軟件業意識到版權法對計算機軟件的保護局限性，于是積極地向專利局和法院施加壓力。

2.3 人工智能專利的擴張――“實用、具體、有形的結果”測試法

1994 年，CAFC 在Alappat 案?In re Alappat, 33 F. 3d 1526, 31 USPQ2d 1545 (Fed. Cir. 1994).中否定了“兩階段測試法”，提出“實用、具體、有形的結果”的測試法，并建立了一種“軟件與硬件結合”的保護思路，即當某一特定的軟件與一臺一般用途的計算機相結合（軟件與硬件相結合），并且由此發揮一定功能時，就構成了一臺可以受到專利法保護的機器。1995 年，IBM 公司因USPTO 駁回其對“軟盤上的軟件”提出的權利要求而上訴到CAFC?In re Bueauregard, 53 F. 3d 1583 (Fed. Cir. 1995).。在上訴案待決時，USPTO 決定不反對該案的權利要求，并答應法院起草一項審查軟件專利的新標準。1996 年，USPTO 發布了《計算機相關發明的審查指南》?United States Patent and Trademark Office: Examination Guidelines for Computer-Related Invention (issued on February 16,1996; effective on March 29, 1996), 61 Federal Register 7478 (Feb. 28, 1996).，其中規定的審查重點已經不再是發明是否含有計算機軟件，而是其是否具有實用性。所謂實用性，是指必須具有“技術”意義上的實用性，即有關的發明客體必須可以實際操作，必須具有某種程度的“現實世界”的價值。新審查標準極大激勵了人工智能的投資和創新。1997 年，美國IBM 公司生產的擁有480 塊專用CPU 的計算機“深藍”戰勝了人類國際象棋世界冠軍卡斯帕羅夫，震驚全球。1998—1999 年，CAFC 在State Street Bank 案?State Street Bank & Trust v. Signature Financial Group, 149 F. 3d 1368 (Fed. Cir. 1998).和AT&T 案?AT&T v. Excel Communications, 172 F. 3d 1352 (Fed. Cir. 1999).中徹底終結了“兩階段測試法”，確立“實用、具體、有形的結果”的測試法，在某種程度上認可了USPTO《計算機相關發明的審查指南》中規定的實用性審查標準。此外，這兩個案件也徹底否定了專利適格客體中的“商業方法例外”，從而打開軟件專利的特殊客體——商業方法專利的申請洪流。USPTO 將其立場從對擴大專利保護客體的懷疑轉變為公開甚至熱情，助長了軟件和商業方法專利申請涌入USPTO。企業家和風險資本家認為專利是發展互聯網業務的寶貴工具。20 世紀90 年代后期，以投機性首次公開發行為基礎的初創企業前所未有地增長，部分是以專利組合為擔保的。從圖2 可見，此時人工智能專利占整個專利授權量的比例達到30%以上。

2.4 人工智能專利的回歸――“機器或轉換”測試法

2000 年，USPTO 的人工智能專利申請量超過10000 件，人工智能專利申請占整個專利申請量的比例達到6%。同年，互聯網股票泡沫的爆發產生了一場劇烈的震蕩。破產以及隨后互聯網相關專利的拍賣和交易變得普及。專利主張實體的訴訟產生了一股挑戰專利有效性的浪潮。伴隨著硅谷公司、決策者和學者對政策改革的呼喚，2003 年美國聯邦貿易委員會發布《促進創新：競爭與專利法及專利制度的適當平衡》，此后七年，CAFC 的司法判決加強了對專利權的限制。在最著名的Bilski 案?In re Bilski, 545 F.3d 943 (Fed. Cir. 2008).中，CAFC 在全席重審時否定了“實用、具體、有形的結果”測試法，再度引入SCOTUS 先例中的“機器或轉換”測試法，“以確定是否方法要求的范圍足夠窄，僅包含基本原理的特定應用而不是先占（preempt）?先占，是指權利要求涵蓋了（司法例外的）實質上所有實際應用（substantially all practical uses）。該原理本身”。CAFC 指出，法律義務或關系、商業風險或其他抽象的轉變不是有資格獲得專利保護的有形變化。從圖2可見，此時人工智能專利占整個專利授權量的比例在35%左右。

3 新一代人工智能對美國專利客體制度的挑戰

3.1 SCOTUS重啟專利客體限制――Alice/Mayo測試法

21 世紀的前十年，信息通信技術和半導體發生了重大轉變。2010 年以后，深度學習算法的發展推動語音識別、圖像識別和自然語言處理等技術取得驚人突破，前所未有的人工智能商業化和全球化浪潮席卷而來，向USPTO 遞交的人工智能專利申請量從10000 件/年急速攀升至40000 件/年?圖1 中除了2008-2012 年美國經濟低迷期以外，向USPTO 遞交的人工智能專利申請量一直在迅速攀升。，人工智能專利申請占整個專利申請量的比例從6%提升至12%。2010-2014 年，SCOTUS 發布了兩個經典判決——Bilski?Bilski v. Kappos, 561 U.S. 593 (2010).和Alice?Alice Corp. v. CLS Bank Int’l, 573 U.S. 208 (2014).——擴大了“抽象思想”的范圍和廣度。

在2010 年判決的 Bilski 案中。SCOTUS 認為，系爭權利要求針對一種不可專利的抽象思想——對沖風險——并且僅僅增加了用公知的隨機分析技術來實現輸入，允許這樣的專利權利要求“將會在所有領域先占對‘風險對沖’的使用”，并“實際上授予對抽象思想的壟斷”。SCOTUS 在維持CAFC 的判決結論的同時，否定了CAFC 將“機器或轉換”測試法視為方法權利要求專利適格性的唯一測試的觀點。SCOTUS 指出，針對工業時代的基于有形物而做出的發明而言，“機器或轉換”測試法足以分析方法是否可獲得專利；但在信息時代，該標準將會導致許多問題，信息時代的技術發展和創新有其不同以往的特點，應該允許其他測試方法的出現。

在2014 年判決的 Alice 案中，SCOTUS 使用并確認了在Mayo 案中創建的專利適格性分析兩步框架。在框架第一步，SCOTUS 指出，系爭權利要求針對一種抽象思想——中介結算。在第二步評價中，SCOTUS 將第二步稱為“尋找發明構思——即單個要素或多個要素的有序組合，其足以使專利在實施時不僅是非適格客體的抽象思想本身”。在審視系爭權利要求時，SCOTUS 總結指出，僅僅采用通用計算機實施抽象思想只是通過文字游戲壟斷司法例外，并不能將其轉化成專利適格的發明。Alice 案后，“Mayo 測試法”被稱為Alice/Mayo 測試法，一直沿用至今。該測試框架提高并復雜化了專利客體適格性標準，使得專利適格性要求與創造性和公開披露的要求交織在一起，深刻影響了美國專利客體判例法發展。

從圖1 和圖2 可見，2014 年，USPTO 的人工智能專利申請量超過60000 件，人工智能專利申請占整個專利申請量的比例達到15%，人工智能專利占整個專利授權量的比例在40%左右，達到歷史拐點。

Alice/Mayo 測試法建立后，CAFC 使用該框架發布了200 多項判決，不斷解釋何為“抽象思想”，對于其中的爭議，SCOTUS 一直保持沉默，意為給下級法院的判例法發展提供空間。

3.2 CA FC澄清“針對司法例外”的含義

2014-2015 年，受Alice 案影響，CAFC 及地方法院所作出涉及專利適格性的判決中絕大多數為否定性結論。2014 年12 月，USPTO 發布《專利客體適格性暫行指南》（2014 Interim Guidance on Patent Subject Matter Eligibility,IEG），提供了符合先例全面觀點的適格性標準審查流程（圖4）。第一步分析權利要求中的發明是否屬于美國專利法第101 條中所述的四種類型之一。第二步將SCOTUS 的Alice/Mayo測試法應用為步驟 2A 和 2B。審查員使用步驟2A 來評估權利要求是否針對司法例外，如果是，繼續進行步驟 2B，評價權利要求的附加要素是否顯著超出司法例外（也稱為提供發明構思）?；诋敃r的判例，IEG 將“針對司法例外”解釋為“記載司法例外”，導致大量人工智能申請受到專利適格性的嚴格考驗，挫傷了人工智能發明人和投資者的熱情。從圖1 和圖2 可見，2014-2015 年，USPTO 的人工智能專利申請量、占整個專利申請量的比例、人工智能專利占整個專利授權量的比例均下跌。

圖4 2014 年IEG 中的專利客體適格性分析框架

2016 年3 月，谷歌研發的深度學習人工智能項目AlphaGo 以4:1 的壓倒性優勢戰勝世界圍棋頂尖高手李世石，震驚世界，全球掀起了新一輪人工智能高潮，“人工智能”逐漸上升為各國的國家戰略。美國白宮在2016 年10、12 月陸續發布了《國家人工智能研發戰略計劃》《籌劃人工智能的未來》和《人工智能、自動化與經濟》等報告，政府的扶植讓人工智能以更高更快更強的態勢拓展開來。同年，CAFC迅速展現其“親專利”本色，接連發布三個肯定人工智能專利適格性的判決——Enfish?，BASCOM?，McRo?案。在這些判例中，CAFC 推翻了地方法院由于“過度簡化權利要求的記載”而認定其針對抽象思想的結論，重申并回歸到更為理性的整體判斷原則和融入“特定”實際應用標準，顯著反轉了Alice 案后的判例法發展方向。

2016 年5 月的Enfish 案中，Hudges 法官代表CAFC 撰寫一致意見：推翻地區法院基于專利法第101 條準予的即決判決?（Summary Judgment），發回重審。CAFC 判定權利要求所述的計算機存儲器的數據存儲和檢索系統并不是針對抽象思想（Alice/Mayo 測試法的第一步，圖4 中步驟2A），因為該系統包括一個自我參照邏輯模型，有助于更快地檢索和更高效地存儲數據，“權利要求針對的是通過軟件技術解決特定技術問題”。Enfish 案的判決書極具影響力?，其并未止步于得出結論，還為識別抽象思想提供了額外信息并澄清審查原則。判決意見中強調了關于客體適格性分析的幾個要點。首先，在確定一項權利要求是否針對抽象思想時，將該權利要求與先前法院判決中已經認定為針對抽象思想的權利要求進行比較是適當的。其次，當根據說明書解釋權利要求時，“針對”審查相當于一個過濾器，其基礎是權利要求作為一個整體是否針對不適格專利的構思。第三，在確定涉案專利的發明點時，不要以高度抽象的方式解讀權利要求，而不受權利要求語言的限制。第四，一項發明在通用計算機上運行的能力并不會自動導致該權利要求失效。

在2016 年6 月的BASCOM 案中，Chen 法官代表CAFC 撰寫一致意見：撤銷地區法院裁定涉案專利為不適格客體的判決，并發回重審。其理由是地區法院在分析權利要求時未能正確執行Alice/Mayo 測試法的第二步（圖4 中步驟2B）。系爭權利要求保護一種內容過濾系統，該系統通過采取一定的通信網絡技術，提供遠程互聯網服務，服務器可針對單個客戶定制的要求來過濾文件內容。CAFC 基于對說明書的審查，認為盡管地區法院正確認定“附加要素”是通用的計算機、網絡和互聯網組件，單獨考慮時“并不顯著超出”抽象思想，但地區法院的錯誤在于未能認識到，當附加要素以非常規、非通用的方式組合時，可以發現發明構思，即，在遠離終端用戶的特定位置安裝過濾工具，具有針對每個終端用戶的可定制過濾功能。CAFC強調，這種發明構思已將抽象思想轉換成專利適格的客體。CAFC 還指出，權利要求“并未先占在通用計算機組件上使用內容過濾這一抽象思想的所有方式”，因此進一步確認符合專利適格性。

在2016 年9 月的McRO 案中，Reyna 法官代表CAFC 撰寫一致意見：推翻地區法院裁定涉案專利為不適格客體的判決，發回重審。其理由是使用計算機實現的自動嘴唇同步和面部表情動畫方法不是抽象思想（Alice/Mayo 測試法的第一步，圖4 中步驟2A），因而符合專利客體適格性的要求。McRO 案判決的基礎是，系爭權利要求針對的是計算機相關技術的改進(允許計算機生成“準確而逼真的動畫人物的嘴唇同步和面部表情”，而這些以前只能由人類動畫師產生)，因此沒有記載類似于先例確定的抽象思想。CAFC 審查了說明書，說明書將本發明描述為通過使用特定規則而不是人類藝術家來設置變形權重(與動畫角色說話時的面部表情有關)和音素之間的轉換參數(與說話時發出的聲音有關)來改進計算機動畫；人類藝術家不使用聲稱的規則，而是依賴于主觀決定來設置變形權重并操縱動畫臉以匹配發音音素。因此，CAFC 依據說明書對“使以前無法自動化的特定動畫任務自動化的規則”之解釋，確定權利要求針對的是計算機動畫的改進而不是像Alice 案中計算機僅僅被用作執行現有過程的工具。CAFC 還指出，權利要求“并未先占采用不同結構或技術規則的方法”，因此進一步確認符合專利適格性。

上述三個判決發布后，USPTO 立即將其反映的審查原則收錄。根據USPTO 的提煉總結，Alice/Mayo 測試法第一步中的“針對司法例外”并不僅指“記載司法例外”，而是在“記載司法例外”的前提下，還要評估權利要求中記載的司法例外是否聚焦于改進計算機功能本身，而不是聚焦于運用通用計算機功能來執行“抽象思想”。于是，USPTO 在2016 年的《Enfish案備忘錄》和《McRo 案備忘錄》中澄清了這一審查標準。從圖1 和圖2 可見， USPTO 的人工智能專利申請量自2016 年起再次呈上揚趨勢并一直保持在60000 件/年以上，人工智能專利申請占整個專利申請量的比例和人工智能專利占整個專利授權量的比例同樣上漲明顯。

3.3 CAFC要求陪審團進行事實認定

在英美法的司法訴訟程序中，法律問題由法官負責，事實問題由陪審團負責，所有與確定事實相關的問題都由陪審團決定，但如果法律免除或者不允許陪審團審判，則法官可以確定事實。傳統觀念認為，專利適格性是一個法律問題，因此在訴訟期間可以走一些簡易程序，不經開庭由法官依法律直接作出判決，從而節省當事人的費用和時間。CAFC 在審理針對這些簡易程序判決的上訴時，撤銷裁定（order）并發回重審的判決意見也多是因為地區法院在適用法律方面（即Alice/Mayo 測試法的運用）存在錯誤?。直到2018 年，CAFC 連續發布了兩個人工智能專利判決——Berkeimer?和Aatrix?案，先后撤銷地方法院的即決判決和撤案，并發回重審，要求地方法院在陪審團審理事實問題的基礎上，重新作出裁決?。旨在強調在Alice/Mayo 測試法第二步（圖4 中步驟2B）判斷時認定事實的重要性，不能忽略說明書的敘述和專利權人的事實主張，避免地區法院對自由裁量權的濫用。

2018 年2 月，Berkheimer 案和Aatrix 案先后相差6 天發布，CAFC 在這兩個判決中均基于涉案專利的說明書中詳述了原告辯稱的非常規方式，因此以地區法院的即決判決“在權利要求的一個要素或多個要素的有序組合對本領域技術人員而言是否公知、慣用或常規方面存在重要事實的真正爭點?（a genuine issue of material fact）”為由發回地區法院重審，敦促其針對相關權利要求作進一步的事實認定。

Berkheimer 案中系爭權利要求涉及數字資產管理系統中對文件進行數字處理和歸檔，代表性權利要求（1）和（4）如下：

（1）一種在計算機處理系統中歸檔文件的方法，包括：

將該文件提交給解析器;

將該文件解析為多個多部分對象結構，其中所述結構的各部分具有與其相關聯的可搜索信息標簽;

根據先前存儲在存檔中的對象結構來評估所述對象結構;

至少在對象與預定標準和用戶定義規則中的至少一個之間存在預定差異的情況下，為手動調節提供一個已評估的對象結構。

（4）如權利要求1 所述的方法，還包括：在存檔中無冗余地存儲一個已協調一致的對象結構。

CAFC 在Alice/Mayo 測試法的第一步（圖4 中步驟2A）同意地方法院的意見，權利要求1 針對的是解析和比較數據的抽象思想；權利要求4 針對的是解析、比較和存儲數據的抽象思想。在第二步（圖4 中步驟2B），CAFC指出，“權利要求是否記載了專利適格的客體是一個可能包含潛在事實的法律問題”，對專利法第101 條的事實調查“有時可能與第102 條下的新穎性等其他密集型調查重疊”。CAFC 認為，地方法院在得出不存在潛在事實爭點這一結論時，錯誤地將“在現有技術中已知”等同于該項技術對于本領域技術人員而言是公知、慣用、常規的內容。Berkheimer 的涉案專利說明書中記載了遞交申請時的常規數字資產管理系統存儲的文檔“具有大量冗余文檔元素的實例”，而本發明是以“無冗余地存儲”這種非常規方式存儲解析數據，該發明構思消除了冗余，提高了系統效率，降低了存儲要求。權利要求1 中沒有限定非常規方式存儲解析數據，因此“未能將抽象思想轉化為專利適格的發明”；權利要求4 中限定了前述的非常規方式存儲解析數據，從而引發了重要事實的真正爭點，即該部分權利要求4 是否對本領域技術人員而言是公知、慣用和常規的活動，不適用即決判決。

Aatrix 案中系爭權利要求針對一種用于設計、創建并導入數據到可視表格的數據處理系統，所述可視表格可以被該數據處理系統的用戶看到。根據Moore 法官代表CAFC 撰寫的判決意見，在Alice/Mayo 測試法的第一步（圖4中步驟2A），系爭權利要求針對的是一種數據處理系統，該系統明顯需要計算機操作軟件、查看和處理數據的手段以及查看表格和報告的手段，是一個非常有形的系統。地區法院沒有進行Alice/Mayo 測試法分析，錯誤地裁定系爭權利要求針對的是“無形物質”的抽象思想，因此屬于不適格客體。此外，地方法院未解讀權利要求就批準了被告綠影軟件公司的撤案動議，并在沒有任何解釋的情況下駁回了原告在第二次修正訴狀中關于權利要求包含有“發明構思”（Alice/Mayo 測試法的第二步，圖4 中步驟2B）合理可信的事實主張，這些判決是不恰當的。因此CAFC 撤銷了地區法院根據《美國聯邦民事訴訟規則》第12(b)(6)條?作出的駁回判決，并撤銷其對Aatrix 提出的第二次修正訴狀的駁回。

上述兩個判決發布后，USPTO 立即將其反映的審查原則收錄。根據USPTO 的提煉總結，Alice/Mayo 測試法第二步（圖4 中步驟2B）的“顯著超出司法例外”判斷（權利要求的一個要素或多個要素的有序組合對本領域技術人員而言是否公知、慣用或常規）屬于事實認定，審查員必須提供有力證據或充分說理。于是，USPTO 在2018 年4 月的《Berkheimer 案備忘錄》中澄清了這一審查程序，這是對其步驟2B 審查要點的重要修訂。

4 USPTO 修訂專利客體適格性指南以支撐人工智能創新

2019 年，USPTO 相繼發布了兩個適格性指南——2019 年修訂的專利客體適格性指南(以下簡稱2019 版PEG)和2019 年 10 月的專利客體適格性指南更新(以下簡稱2019 版PEG 更新)，這是USPTO 自2014 年以來對專利客體審查的一次最全面修訂，其總結提煉了2014—2019 年CAFC 的判例法發展。

針對專利客體適格性分析框架，此次修訂包括兩個方面：（1）將步驟2A 分隔成兩個階段（見圖5），增加第2 階段以澄清“權利要求是否針對司法例外（自然規律、自然現象和抽象思想）”不同于“權利要求是否記載司法例外”；（2）在步驟2A 的第1 階段，審查員識別抽象思想的方式從原來的“先例比較法”優化為直接參照分組列舉的“核心構思”（見表1）。

表1 2019 版PEG 及其更新對步驟2A 第1 階段中“抽象思想”的分組

圖5 2019 版PEG 及其更新對專利客體適格性分析框架步驟2A 的修訂

4.1 步驟2A第1階段的審查要點

由于2014—2019 年涉及“抽象思想”的先例過多過于復雜，同時人工智能專利申請量激增，仍然使用先例比較法難以確保審查的準確性和可預期性。2019 版PEG 提煉總結了法院已判決為抽象思想的核心構思，分為三組：①數學概念、②組織人類活動的方法、③智力方法，形成廣義判例法客體。鑒于SCOTUS 曾在Alice 案中警告“在某種程度上，所有發明都包含、使用、體現、依賴或應用著自然規律、自然現象或抽象思想，因此要謹慎地解釋司法例外，以免它們吞噬整部專利法”，2019 版PEG 對審查員認定“抽象思想”的自由裁量權予以嚴格限制。只要權利要求中沒有記載2019版PEG 中窮舉的核心構思本身（見表1），那么就不應被視為記載了“抽象思想”。在極罕見情況下，如果該權利要求限定的要素不屬于已窮舉的核心構思，但專利審查員卻認為應將其視為“記載了抽象思想”，則審查員必須將其理由提交給技術中心（TC）主管審核。2019版PEG 更新根據司法判例對每一種核心構思在《美國專利審查操作指南》第2106.04 (a) (2)節示例的基礎上新增了30 個示例。

4.2 步驟2A第2階段的審查要點

在步驟2A 的第2 階段，最關鍵的是將權利要求作為一個整體來評估，其是否將所記載的司法例外融入某一特定的實際應用，通過對該司法例外施加應用范圍的限定，不再屬于通過文字游戲壟斷該抽象思想在所有領域中的應用。從法理上說，允許申請人在有限的應用范圍內取得抽象思想的專利權。與第1 階段“記載抽象思想”類似，2019 版PEG 同樣根據司法判例給出了第2 階段“將抽象思想融入實際應用”正、反兩個方面的8 個示例，但明確其為“非窮舉”方式。

綜合上述，此次修訂中步驟2A 的第1、2階段并非首創，而是CAFC 將曾經使用過的兩階段測試法引入到Alice/Mayo 測試法的第一步（圖4 和圖5 中的步驟2A）。圖5 中獲得適格客體的途徑B 實質上源自原來的兩階段測試法，從而實現與先例的協調。

圖6 顯示了在 2014 年 6 月 Alice 案判決之后，包含人工智能的專利申請授權率大幅下降，并且人工智能專利申請的授權率一直低于非人工智能專利申請的授權率，可見人工智能專利申請相較于非人工智能專利申請更易受Alice 案影響。直到 2019 年，包含人工智能的專利申請授權率增加了約 8%。這一增長證明，2018 年的《Berkheimer 案備忘錄》、2019 版PEG 以及2019 版PEG 更新大幅降低了人工智能專利申請的專利適格性駁回率。2019-2020 年，美國人工智能專利申請的授權率保持在約78%，基本接近不含人工智能的專利申請授權率。

圖6 2008-2020 年美國包含人工智能的專利申請與不含人工智能的專利申請授權率

5 總結

與歐洲專利局聚焦于完善創造性標準[7]不同，在過去的五十余年里，美國法院聚焦于調整專利客體標準來應對人工智能的發展，導致客體適格性的作用通過司法解釋經歷了翻天覆地的變化。從SCOTUS 在Diehr 案中放開“抽象思想”例外，到CAFC 在State Street Bank案中撤銷“抽象思想”，后到SCOTUS 在Alice 案中恢復并擴大“抽象思想”例外，再到CAFC 在Berkheimer 案中做出的最新判決，人工智能發明家、風險資本家和專利律師經受住了一場持續不斷的風暴。

在進入21 世紀第三個十年之際，以人工智能為主導的數字化通用技術正在推動科技創新的方向——數字經濟時代。普華永道公司發布的一份全球人工智能研究報告[8]顯示，到2030年，人工智能預計對全球經濟做出高達15.7 萬億美元的貢獻，其中大約7.0 萬億美元的經濟收益將在中國（到2030 年GDP 增長26%），大約3.7 萬億美元的經濟收益來自北美（到2030 年GDP 增長14.5%）。為了保持美國人工智能技術在全球的領先地位，時任總統特朗普在2020 年發布《2020 年國家人工智能倡議法案》，2021 年成立了國家人工智能倡議辦公室。2021 年，美國佛蒙特大學和塔夫茨大學的研究團隊創造出第一個可自我繁殖的活體機器人——Xenobots3.0。同年，美國四位國會議員Thom Tillis、Christopher Coons、Mazie Hirono和 Tom Cotton 致信USPTO 局長，稱“由于SCOTUS 在Alice 案和Mayo 案中具有里程碑意義的決定，我國的專利適格性法則一直缺乏一致性和清晰度”，當前的法律“對人工智能等關鍵技術的投資和創新正在產生負面影響”，“也許國會早該立法改革專利適格性法則”[9]。

2023 年，美國OpenAI 公司的ChatGPT 火遍全球，強人工智能時代即將到來。與旨在有限范圍內執行需要人類智能之特定任務的弱人工智能（又稱專用人工智能）不同，強人工智能（又稱通用人工智能），是能夠像人類一樣在各種領域中執行各種任務的智能系統，其研發初衷是像人一樣思考、像人一樣從事多種用途。通用人工智能是未來人工智能的重要方向和目標，但這種人工智能發明特別容易被認為是抽象思想而無法獲得專利，因為其背后的主題——類人思維——通常被理解為抽象的。從人工智能創新的角度看，投資者和發明者所追求的是更接近人類思維、更廣泛的實際應用；而從美國專利適格的角度來看，一項發明的智能化水平越高，發明構思越接近人類思維，適用范圍越廣，就越難獲得與之相稱且有意義的專利保護。這種矛盾將導致未來強人工智能的專利申請面臨著一種不合邏輯的情況：如果研發出了強人工智能，則申請人可能需要不適當地縮小人工智能權利要求的范圍，要么將強人工智能限定為“融入某一特定實際應用”的弱人工智能（圖5 中步驟2A 第2 階段），要么另外加入非公知、慣用或常規的附加要素來限定（圖5 中步驟2B），結果使其遠離創新中更有價值的方面。因此，人工智能產業方、政府決策者和學者不斷對政策改革發出呼喚：美國需要一個有利創新的專利適格性法則。

上一次類似情景發生在20 世紀40—50 年代，由于SCOTUS 在Cuno 案?中提出的“天才閃光”測試法（“flash of genius”test）被普遍質疑和反對，美國國會最終在1952 年頒布《美國專利法》，采用“顯而易見性”標準并徹底否定了“天才閃光”，在全球率先完成了專利創造性的建制，后被世界各國紛紛效仿。這一次，美國國會或將頒布新的專利法和絕大多數國家一樣，在制定條文中明確界定不予專利保護的客體范圍。又或者，SCOTUS 將在未來人工智能專利判例中，創建新的法則替代Alice/Mayo 測試法，給強人工智能一條專利適格的途徑。