摘要：人工智能技术的迅猛发展正深刻重塑创新生态，其自主学习、跨域融合与智能生成能力，不仅推动技术研发模式从人类主导的线性创新转向数据驱动的协同创新，更对专利制度的核心审查规则构成挑战。本文分析了人工智能视角下专利“三性”审查标准存在的适配性不足等问题，提出了完善专利实用性、创新性、新颖性等策略，旨在不断完善符合专利“三性”的审查标准。

关键词：人工智能，专利审查，三性标准

随着人工智能技术与发明创造的不断结合，专利的“三性”审查标准不断受到人工智能技术的冲击。传统“三性”标准预设人类为唯一创新主体，强调技术方案的可解释性、公开可追溯性以及人类智力劳动的核心贡献。但人工智能生成内容的公开主体模糊性、算法黑箱导致的效果验证困境、跨域知识融合对“普通技术人员”认知边界的突破等，均使现有审查逻辑面临适用难题。当前，人工智能相关专利申请量呈爆发式增长，涵盖算法本身、领域应用、辅助发明及智能生成发明等多元类型，亟须构建适配技术现实的审查体系。立足于人工智能技术研究专利“三性”审查标准，可以平衡创新保护与公共利益、推动专利制度与智能时代协同发展，具有重要的现实意义。

一、人工智能背景下专利“三性”审查标准研究的意义

专利的“三性”审查标准是专利审查的核心，实用性、创造性、新颖性是在以人类为创造主体的条件下产生的，其基础是人类智慧创造。而人工智能技术的出现颠覆了传统的技术创新模式，新模式从原来人类主导的线性发展转变为数据驱动的智能生成。在人工智能技术蓬勃发展的今天，对专利的“三性”审查标准进行深入研究具有重要意义，不仅关乎专利制度本身的完善，更在伦理规范、科技创新以及产业发展方面具有深远影响^[1]。

（一）使伦理判断更规范

人工智能技术的自主演化与跨域应用特性，使其创新成果不仅涉及技术可行性，更可能触及社会伦理底线，而专利“三性”审查标准的研究为技术伦理的前置规制提供了关键抓手。传统专利审查对技术方案的伦理考量较为模糊，多聚焦于技术本身的物理效果，而人工智能生成的发明常隐含算法歧视、隐私侵犯、安全风险等隐性伦理问题。对“三性”审查标准的深入研究，能够将伦理判断系统性嵌入专利审查体系，在实用性审查中，突破“技术可实施即可”的传统逻辑，建立“伦理合规性”次级标准，要求申请人证明技术方案在常规应用场景下不会侵犯基本人权，且符合行业普遍认可的伦理准则；在创造性与新颖性审查中，通过追溯算法训练数据的来源合法性、技术方案的生成逻辑是否隐含歧视性参数，间接规制伦理风险的源头。这种将伦理考量纳入“三性”标准的研究，并非否定技术创新，而是通过专利审查这一制度性关口，倒逼人工智能研发主体在技术构思阶段即强化伦理意识，避免因追求技术突破而忽视社会影响。同时，明确的伦理审查标准能为技术研发提供清晰的伦理边界，减少因伦理争议导致的技术落地障碍，最终实现人工智能技术与人类社会价值体系的协同发展，确保技术创新始终服务于人类整体福祉。

（二）提高科技创新水平

从科技创新的角度来看，人工智能技术及其强大的数据处理能力、高效的算法以及独特的学习模式，极大地改变了发明创造的格局。人工智能技术以数据为燃料、以算法为核心，颠覆了传统“人类主导构思—实验验证—成果转化”的线性创新模式，催生出“数据驱动—算法迭代—智能生成”的新型创新路径。一方面，人工智能生成的技术方案层出不穷，这些方案在新颖性、创造性和实用性方面与传统发明存在显著差异。对专利“三性”审查标准的研究，能够精准识别和筛选出真正具有创新价值的人工智能相关发明，为科技创新清除障碍，避免因审查标准不明确而导致创新成果无法得到有效保护，激励更多科研人员投身人工智能创新领域。另一方面，明确的“三性”审查标准能够为人工智能技术的研发提供导向。科研人员可以依据审查标准来调整研究方向，提高研发效率，使科技创新资源得到更合理配置，推动人工智能技术朝着更具价值的方向发展。

（三）促进产业发展

专利作为产业竞争的重要工具，其审查标准的合理性直接影响着产业的健康发展。合理的三性审查标准能够保障市场竞争的公平性。在人工智能产业中，若审查标准模糊或不合理，一些低质量、缺乏真正创新的专利将充斥市场。这些垃圾专利不仅会占用有限的专利资源，还会干扰正常的市场竞争秩序，制约具有核心竞争力的企业发展。通过严格且科学的三性审查，能够将真正有价值的专利授予创新企业，确保企业凭借自身的创新实力在市场中获得应有的回报，促进产业良性竞争。此外，合理的审查标准有助于产业的规范化发展。清晰的三性标准能够为企业的专利申请、布局以及技术研发提供明确的指引，引导企业遵循市场规则和创新规律，避免因对审查标准的误解而产生的违规行为或造成资源浪费，推动人工智能产业朝着有序、规范的方向稳步前行。

二、人工智能背景下专利“三性”审查标准存在的问题

（一）实用性审查的困境：技术可行性与效果的双重挑战

专利的“三性”审查标准作为专利审查的核心，实用性、创新性、新颖性都有具体的标准。实用性审查要求发明创造“能够在产业中制造或者使用，并能产生积极效果”，实用性审查的核心在于技术方案的可实现性与价值可验证性。然而，人工智能技术的应用使这一标准的适用陷入困境。

首先，技术可行性面临着时空错乱的风险，目前的人工智能生成技术方案常呈现理论超前性特征，即基于算法推演和模型仿真得出的技术思考，虽然已有一定的前瞻性，但是在当前技术条件下因硬件限制或产业基础缺失而无法实际应用。例如，基于量子计算架构设计的人工智能优化算法，其理论逻辑自洽且能通过虚拟仿真验证效果，但受限于量子计算机的普及程度，当前无法在产业中落地。传统实用性审查以“申请时可实现”作为重要判断因素，这种当前无法落地实施的技术方案难以被保护。

其次，技术效果也面临着黑箱验证难题。人工智能技术的“算法黑箱”特性，使得技术方案的运行逻辑与效果成因难以用人类可理解的方式解释。例如，深度学习模型优化的化工生产工艺，其参数组合的选择依赖神经网络的自主迭代，而非明确的因果推导，无法通过传统实验验证或逻辑推演确认其“积极效果”的稳定性与可靠性。尽管部分人工智能系统可提供效果数据，但由于缺乏对数据生成过程的透明化解释，难以判断数据的真实性与普适性，导致实用性判断缺乏客观依据。此外，抽象与具体的边界也有一定的模糊化特征。专利法通常将“智力活动的规则和方法”排除在保护范围之外，要求技术方案必须与具体的技术领域结合。但人工智能生成的算法模型常呈现“通用性”特征，同一机器学习框架既可能用于医疗影像识别，也可能适用于金融风险预测。这种应用模式，在专利审查中使方案的抽象性与具体性的边界模糊不清，难以界定。若强调算法的通用逻辑，则应当归入智力规则，但若侧重其在某一领域的应用，又难以穷尽所有潜在场景，最终导致实用性认定陷入两难^[2]。

（二）创造性审查的困境：判断基准与贡献归属的逻辑断裂

对于创造性审查，专利的“非显而易见性”是审查的重点，技术方案对于普通员工来说应当是非显而易见的，而非显而易见性的判断逻辑基础是人类的认知能力，人工智能技术的应用使得此判断逻辑不再自洽。

首先，本领域内普通员工，在传统审查中被预设为掌握所属领域现有技术、具备常规推理能力的虚拟主体，其认知边界与人类专家的知识范围基本吻合。但人工智能系统通过跨域数据融合生成的技术方案，往往突破单一领域的知识局限，此种创新思路远超材料领域“普通技术人员”的知识储备。由于上述突破，以人类认知能力为基准的“非显而易见性”判断失去参照系，无法评估技术方案的创新高度。

其次，如果发明创造中掺入人工智能，那么贡献该如何划分也是当前难以界定的难题。在人机协同创新模式中，人工智能可能承担核心构思工作，人类仅负责筛选、微调或应用场景适配。此时，创造性的核心贡献来自人工智能的自主学习与优化能力，但传统审查将“创造性劳动”限定为人类智力活动，无法将人工智能的贡献纳入评估体系。这导致“非显而易见性”判断与实际创新过程脱节，技术方案的创造性无法被准确判断。

最后，创造性中的另一个审查难点就是技术启示来源的不可追溯性。传统创造性审查依赖“现有技术→技术启示→发明方案”的逻辑链条，在审查时追溯技术方案的灵感来源是否可从现有技术中推导得出。但人工智能的黑箱学习过程使技术方案的生成路径难以还原。这种“非逻辑关联”的技术启示无法被传统审查逻辑接纳，导致创造性判断缺乏必要的事实基础。

（三）新颖性审查的困境：现有技术边界与公开行为的认定危机

新颖性审查要求技术方案在申请日之前未被公开，其核心在于“现有技术范围的明确性”与“公开行为的可追溯性”。人工智能语境下这两项标准都受到挑战。

一方面，人工智能自主生成内容的现有技术地位模糊。生成式人工智能能够自主产出技术方案、设计图纸等内容，并通过开源社区、学术预印本等平台自动发布。这类内容的公开主体并非人类，且常缺乏明确的发布时间戳与创作者信息，导致审查员难以判断其是否属于“现有技术”^[3]。例如，某人工智能系统在2023年生成的机械结构设计被匿名发布于网络论坛，2024年某企业就相同设计提出专利申请，由于无法验证人工智能生成内容的公开时间与主体合法性，审查员可能误判其具备新颖性，造成专利授权不当。

另一方面，人工智能存在多源独立生成的新颖性稀释问题。人工智能技术的普及，使不同主体可能基于相似数据集训练出功能相近的人工智能系统，进而独立生成高度相似的技术方案。例如，两家企业使用不同数据集训练的人工智能，可能同时设计出相同的电池能量密度优化算法。传统新颖性以“首次公开”为判断基准，但当多源人工智能生成内容的公开时间接近且难以区分先后时，“谁先公开”的时间节点变得模糊。这样就会导致新颖性判断失去明确依据，甚至引发专利确权纠纷。

三、人工智能背景下完善专利“三性”审查标准的策略

（一）完善实用性标准

一方面，在技术可行性方面引入社会效应判断标准，传统的实用性标准聚焦的是能否在产业中产生积极的效果，但是人工智能技术的渗透迫使实用性判断不能仅停留在技术层面，需要进一步延伸至社会效应维度，形成“技术可行性—社会适应性—伦理合规性”的三维体系。人工智能技术的广泛应用引发了社会关系的重构，积极效果的判定需要引入社会秩序维护、公共利益维护等标准，社会适应性判断的核心，是人工智能技术的应用不会引发系统性社会风险。此外，人工智能自主决策的特征可能会触及伦理底线，因此需要在伦理判断中建立双重标准，一是消极底线不能违反人权，二是积极标准需要符合社会普遍认可的伦理标准。同时，社会效应标准要严格判断技术方案，能否在日后通过技术增量的方式给社会带来福利，确保与人工智能结合后仍然能发挥实际效用^[4]。

另一方面，要强化专利申请人的披露义务，实用性审查的难点是信息不对称，可以通过强化专利申请人的信息披露义务，透明化人工智能技术的“不可见”弊端。具体而言，申请人应当在专利申请书中详细披露人工智能的核心算法逻辑、算法模型的类型、核心参数的设置依据、训练目标函数的设计逻辑、决策规则的形成机制等。这种披露为提高专利的大众接受度，以及商业价值都提供了清晰的界定。此外，为确保披露义务的落实，需建立“不充分披露的法律后果”制度，对未按要求披露或虚假披露的专利申请，直接驳回其实用性认定。对已授权专利，若发现存在重大披露缺陷，任何单位或个人可据此提出无效宣告请求。同时，可引入披露质量评分机制，将披露充分程度与专利保护范围挂钩。披露越充分，权利要求的解释越倾向于保护申请人；披露不充分，则在侵权诉讼中对权利要求做严格解释，形成披露质量与保护强度正相关的激励机制。

（二）完善专利审查的创造性标准

创造性标准的核心改变是“人类智力劳动的非显而易见性”转向“人机协同创新的贡献界定”。针对“参照系失效”“贡献划分模糊”等困境，需构建以人工智能能力评估为基础、贡献分层为核心的审查体系。

首先，重构“本领域普通技术人员”的预设，传统本领域普通技术人员的认知边界以人类知识储备为限，无法涵盖人工智能技术带来的跨域整合能力。因此应将这一虚拟主体的能力范围拓展至“掌握通用人工智能工具的技术主体”，即假设其具备运用机器学习算法、大数据分析等工具进行知识融合与模式识别的能力。在具体审查中，需要以人工智能常规输出水平作为参照基准。若申请方案的技术特征可被同类人工智能系统通过常规训练流程生成，则认定其不具备创造性。反之，若方案突破了当前人工智能技术的普遍能力边界，则认可其创造性。

其次，针对人机协同发明创造的贡献划分模糊的问题，强制申请人提交人机贡献说明书，建立三级评判标准，将人工智能的贡献划分为辅助贡献、协同贡献和主导贡献。辅助贡献是指仅承担数据筛选、参数微调等机械性工作，此时创造性判断仍以人类智力劳动为核心；协同贡献是指人工智能生成多个候选方案，人类从中选择并完成核心改进，若人类的改进构成“非显而易见性”突破，其创造性则被认可；主导级贡献是指人工智能自主提出核心技术构思，人类仅进行场景适配或工程化实现，此时需重点审查方案是否超出本领域系统的常规生成能力。若人工智能的构思无法被同类系统通过常规训练复制，则认定其具有创造性。

（三）完善专利审查的新颖性标准

首先，应当明确人工智能生成的现有技术地位，传统新颖性审查以“人类主体的公开行为”为前提，将人工智能自主生成内容排除在现有技术之外，导致大量潜在对比文件被遗漏。应在立法层面明确经可靠存证的人工智能自主生成内容，无论是否有人类主体背书，均可构成现有技术。此处的“可靠存证”需满足三个条件：一是生成时间可验证，二是内容具有技术特征，三是通过公开渠道发布^[5]。

其次，建立“暗知识”公开的推定规则，人工智能通过对非公开数据的学习生成的技术方案，可能与他人未公开技术重合，构成“隐性现有技术”。对此，需建立“数据来源追溯”制度，申请人需在专利申请中声明人工智能训练数据的来源与范围，若数据包含他人未公开的技术信息，则推定其技术方案缺乏新颖性。若数据来源于公开渠道，则审查时需通过“数据—技术特征映射分析”，判断方案是否与现有技术实质相同。

最后，完善多源公开的时间认定标准，当多个人工智能系统基于相似数据集独立生成高度相似的技术方案时，“首次公开时间”的判定成为新颖性审查的关键。应引入“区块链存证优先”原则，以人工智能生成内容的区块链存证时间为首要判断依据，若存证时间早于专利申请日，则认定其丧失新颖性。若存证时间存在争议，则需要结合技术特征的相似度、生成逻辑的独立性等因素综合判定。这样可防止偶然、孤立的人工智能生成内容被滥用为现有技术，平衡新颖性审查的严谨性与创新保护的充分性。

四、结语

人工智能技术的发展与应用，使得人类社会进入了全新的人工智能时代。人工智能的发展为专利领域带来了前所未有的挑战，但同时也是重构与完善的良机，面对人工智能带来的挑战，要在坚守专利制度激励创新核心价值的基础上，实现对人工智能时代创新特征的回应，对专利的“三性”审查标准进行完善。未来，随着人工智能技术的持续发展，专利“三性”审查标准仍需在实践中不断优化。唯有构建起兼顾技术特性、法律逻辑与社会价值的审查体系，才能为专利审查提供清晰的制度指引，推动技术进步与法治建设的协同发展。

参考文献：

[1]吴汉东.人工智能生成发明的专利法之问[J].当代法学，2019，33（04）：24-38.

[2]冯晓青，郝明英.人工智能生成发明专利保护制度研究[J].湖南大学学报（社会科学版），2023，37（02）：143-152.

[3]刘鑫，覃楚翔.人工智能时代的专利法：问题、挑战与应对[J].电子知识产权，2021（01）：73-82.

[4]黄玉烨，牛淮田.人工智能技术对专利“三性”审查标准之影响与应对[J].中国发明与专利，2025，22（05）：85-95.

[5]罗晓雅.大语言模型在发明专利创造性判断中的应用[J].中国发明与专利，2024，21（增刊1）：123-127.