近日，國知局公布了審查指南的修改草案（征求意見稿）。本次修改聚焦于人工智能、比特流等技術(shù)領(lǐng)域的審查規(guī)定，針對審查實踐中的熱點問題進(jìn)行了細(xì)化規(guī)定。本文將分析在AI方面的修改及其影響。

AI不能作為專利申請的發(fā)明人

修改草案在第一部分第一章4.1.2 發(fā)明人條款中明確規(guī)定：專利請求書中的發(fā)明人應(yīng)當(dāng)是個人，不得填寫單位、集體，以及人工智能的名稱。例如，不得將“某某課題組”或“人工智能XX”列為發(fā)明人。這一修改強(qiáng)調(diào)了發(fā)明人資格的法律要求，即只有自然人才能被認(rèn)定為專利發(fā)明人。

目前尚無真正“人工智能自主完成發(fā)明”的成熟案例，大部分所謂AI發(fā)明仍需人類研發(fā)者參與。該條款重申任何AI系統(tǒng)（如機(jī)器學(xué)習(xí)模型）本身不能作為發(fā)明人署名，確保專利權(quán)利歸屬明確在人類發(fā)明者名下。

《專利法》及審查實踐一貫要求發(fā)明人為真實的自然人。本次指南修改是在出現(xiàn)AI申請專利（例如DABUS案件）的背景下作出的明確回應(yīng)，杜絕申請人嘗試將AI列為發(fā)明人，從而避免法律和倫理爭議。

企業(yè)在提交AI相關(guān)專利時，應(yīng)當(dāng)如實填寫參與發(fā)明創(chuàng)造的所有人類研發(fā)人員的信息，不能將研發(fā)團(tuán)隊名稱或AI系統(tǒng)名字填入發(fā)明人欄。這一規(guī)定對申請文件的形式審查提出了更嚴(yán)格要求，也意味著如果企業(yè)讓AI參與研發(fā)，也必須由人類發(fā)明者提煉和總結(jié)發(fā)明內(nèi)容，以符合專利申請主體的規(guī)定。

這一點實際上對企業(yè)來說是有利的，對于AI生成的技術(shù)方案是否申請專利的考慮，只需要聚焦在技術(shù)方案本身的新創(chuàng)性上。

AI相關(guān)發(fā)明申請的倫理審查

人工智能和大數(shù)據(jù)應(yīng)用常涉及個人信息處理和自主決策。本次指南草案新增了針對專利法第五條第一款的審查規(guī)定，明確數(shù)據(jù)和算法的法律、倫理底線：

如果申請文件中記載的發(fā)明內(nèi)容（例如數(shù)據(jù)采集、標(biāo)注管理、規(guī)則設(shè)置、推薦決策等）違反法律、社會公德或者妨害公共利益，則依據(jù)專利法第五條第一款不授予專利權(quán)。這強(qiáng)調(diào)發(fā)明的實施不能依賴非法手段或違背公序良俗。特別地，涉及對個人信息的采集與利用，必須符合《個人信息保護(hù)法》等法律要求；涉及AI決策倫理的，也須符合社會道德準(zhǔn)則。

示例：基于大數(shù)據(jù)的商場床墊銷售輔助系統(tǒng)

案例概述：該發(fā)明提供一種商場內(nèi)床墊銷售輔助系統(tǒng)，通過攝像頭和人臉識別模塊在顧客不知情的情況下采集其面部特征并識別身份，然后分析偏好以輔助營銷。權(quán)利要求涵蓋了攝像模塊、人臉識別模塊用于秘密采集人臉信息等技術(shù)特征。

審查邏輯：審查員關(guān)注到發(fā)明涉及在公共場所秘密采集個人圖像和身份信息用于商業(yè)目的。這違反了《中華人民共和國個人信息保護(hù)法》的要求——法律規(guī)定在公共場所安裝人臉采集設(shè)備必須出于維護(hù)公共安全的必要，且需明示提示，采集的個人身份信息只能用于維護(hù)公共安全。本發(fā)明顯然將數(shù)據(jù)用于商業(yè)營銷，既非公共安全必要，又未征得用戶同意。

由于數(shù)據(jù)采集和利用方式與法律相違背，該申請被認(rèn)定屬于專利法第五條第一款的情形，不授予專利權(quán)。也就是說，任何依賴違法收集個人信息的技術(shù)方案都不能獲得專利。

所有涉及個人數(shù)據(jù)的大數(shù)據(jù)/AI發(fā)明，都必須確保數(shù)據(jù)獲取和處理手段合規(guī)合法。企業(yè)在此類專利申請中應(yīng)描述合規(guī)的實施方式（如獲取用戶授權(quán)、匿名化處理等），避免將違法情景寫入說明書或權(quán)利要求。如果發(fā)明本質(zhì)上無法避免違法，例如本例的“秘密收集人臉識別信息用于營銷”，那即使技術(shù)上創(chuàng)新也無法獲得專利。

示例：無人駕駛車輛應(yīng)急決策模型的建立方法

案例概述：該發(fā)明提出一種無人駕駛車輛在遇到不可避免碰撞時的應(yīng)急決策模型，據(jù)說明書推斷，其決策可能基于行人年齡和性別等因素來選擇“被保護(hù)對象”和“被撞對象”。權(quán)利要求涉及獲取歷史環(huán)境和障礙物數(shù)據(jù)、訓(xùn)練決策模型并用于車輛避障決策等步驟。

審查邏輯：審查重點在于模型決策規(guī)則的倫理道德影響。分析指出：生命價值平等是基本倫理，無論年齡或性別，每個人生命應(yīng)有同等尊嚴(yán)。如果無人車決策模型在無可避免事故中基于行人性別、年齡來決定撞誰保誰，這違背了公眾關(guān)于生命平等的道德觀。此外，這種算法偏好會加劇性別、年齡歧視偏見，引發(fā)公眾對無人車安全性的恐慌，破壞公共利益。

該發(fā)明的技術(shù)方案有悖社會公德，屬于不授予專利權(quán)的情形。即使其算法和傳感技術(shù)本身先進(jìn)，但由于應(yīng)用層面的決策準(zhǔn)則不道德，整項發(fā)明被排除出可專利客體。

涉及人工智能自主決策的發(fā)明，如果其結(jié)果或邏輯違背倫理（例如歧視、危害弱勢群體、安全隱患），都可能面臨第五條審查的否決。企業(yè)在設(shè)計和專利申請此類AI技術(shù)時應(yīng)謹(jǐn)慎：盡量避免將可能不道德的決策規(guī)則付諸實施或?qū)懭雽＠?/b>。如果某種權(quán)衡決策不可避免，也應(yīng)在說明書中強(qiáng)調(diào)符合倫理原則的約束或安全措施，以降低被認(rèn)定違背公德的風(fēng)險。

AI相關(guān)發(fā)明申請的創(chuàng)造性審查：算法與技術(shù)特征的互動貢獻(xiàn)

人工智能相關(guān)發(fā)明往往同時包含算法特征和硬件/應(yīng)用特征。本次指南修訂進(jìn)一步明確了創(chuàng)造性評價的基準(zhǔn)：如果權(quán)利要求中算法特征與技術(shù)特征在功能上相互支持、存在互動關(guān)系，則在評估創(chuàng)造性時應(yīng)考慮算法特征對技術(shù)方案所作出的貢獻(xiàn)。換言之，不能簡單將算法部分視作與技術(shù)無關(guān)而忽略。

同時，指南通過正反兩方面新增典型案例，說明何種AI發(fā)明具備創(chuàng)造性，何種不具備：

示例：廢鋼等級劃分神經(jīng)網(wǎng)絡(luò)模型的建立方法（具備創(chuàng)造性）

案例概述：本發(fā)明要解決提高廢鋼按平均尺寸劃分等級準(zhǔn)確性的問題，提出了一種建立廢鋼等級劃分神經(jīng)網(wǎng)絡(luò)模型的方法。發(fā)明方案通過卷積神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)，實現(xiàn)對雜亂堆疊的廢鋼圖像進(jìn)行特征提?。伾⑦吘?、紋理等），輸出廢鋼等級分類結(jié)果，以提高分揀效率和準(zhǔn)確率。權(quán)利要求包含具體的技術(shù)手段，例如三條線路的卷積層+池化層提取顏色和邊緣特征，進(jìn)一步提取紋理特征等細(xì)節(jié)。

對比文件1公開了一種利用已確定種類的廢鋼圖像數(shù)據(jù)訓(xùn)練模型的方法。區(qū)別在于：本發(fā)明訓(xùn)練的數(shù)據(jù)集和提取的特征不同，并且對卷積層和池化層的層數(shù)及連接方式做出了調(diào)整改進(jìn)，以適應(yīng)廢鋼尺寸雜亂無序的識別任務(wù)。這些改進(jìn)并未被現(xiàn)有技術(shù)公開，也非本領(lǐng)域公知常識。

審查邏輯：審查員首先正確確定實際要解決的技術(shù)問題是“如何提升廢鋼等級劃分的準(zhǔn)確性”。針對該問題，本發(fā)明在算法上做出了特定改進(jìn)：增加和調(diào)整卷積/池化層線路以提取關(guān)鍵特征。由于算法特征（模型架構(gòu)調(diào)整）與技術(shù)目標(biāo)緊密結(jié)合，共同提高了分揀準(zhǔn)確率，所以應(yīng)當(dāng)把這些算法改進(jìn)視為技術(shù)貢獻(xiàn)的一部分。進(jìn)一步，審查員判斷現(xiàn)有技術(shù)整體上沒有給出將對比文件1作上述改進(jìn)的啟示，因此該方案不顯而易見，具備創(chuàng)造性。

本發(fā)明通過特定的算法改進(jìn)實現(xiàn)技術(shù)性能提升，其算法特征與硬件應(yīng)用相互配合解決了實際問題，因而權(quán)利要求具備創(chuàng)造性。

當(dāng)AI算法經(jīng)過有針對性的改良以克服技術(shù)難題、取得技術(shù)效果（如更高準(zhǔn)確率、更快速度）時，這些算法細(xì)節(jié)應(yīng)被視作發(fā)明的重要創(chuàng)新點。企業(yè)在撰寫專利時應(yīng)突出算法與設(shè)備/應(yīng)用的協(xié)同作用，說明算法改進(jìn)如何帶來技術(shù)上的突破，以便在創(chuàng)造性評述中得到認(rèn)可。

示例：識別船只數(shù)量的方法（不具備創(chuàng)造性）

案例概述：該申請?zhí)岢鲆环N利用深度學(xué)習(xí)模型識別海域內(nèi)船只數(shù)量的方法，旨在解決準(zhǔn)確統(tǒng)計船只數(shù)量的技術(shù)問題。方案獲取船只圖片數(shù)據(jù)，通過常規(guī)深度學(xué)習(xí)訓(xùn)練出目標(biāo)檢測模型來計數(shù)船只。權(quán)利要求大致涵蓋獲取圖像、標(biāo)記船只、訓(xùn)練模型并輸出船只數(shù)量等步驟，但未體現(xiàn)任何算法結(jié)構(gòu)上的特殊改進(jìn)。

對比文件1公開了一種識別果實數(shù)量的方法，也是通過對圖像進(jìn)行標(biāo)注來訓(xùn)練深度學(xué)習(xí)模型識別目標(biāo)數(shù)量。兩者技術(shù)手段類似，只是識別對象由果實換成了船只。

審查邏輯：盡管應(yīng)用場景不同，但如果AI模型訓(xùn)練方法本身沿用了常規(guī)手段，沒有因為識別對象的變化而在算法上做出新的調(diào)整（如不同的網(wǎng)絡(luò)結(jié)構(gòu)或訓(xùn)練方法），那么解決的技術(shù)問題和采用的技術(shù)手段實際上與現(xiàn)有技術(shù)并無實質(zhì)差異。審查意見指出：將深度學(xué)習(xí)應(yīng)用于新對象（從果實到船只）不需要克服額外的技術(shù)困難，屬于本領(lǐng)域技術(shù)人員的常規(guī)能力，因此不足以構(gòu)成創(chuàng)造性的區(qū)別。

該發(fā)明僅是將成熟的圖像識別技術(shù)用于新類別目標(biāo)的簡單遷移，沒有技術(shù)手段上的革新，因而不具備創(chuàng)造性。

很多AI應(yīng)用型發(fā)明容易落入此情況——更換數(shù)據(jù)類型或應(yīng)用場景，但算法流程未變。如果企業(yè)的發(fā)明只是常規(guī)算法的直接應(yīng)用，創(chuàng)造性將難以認(rèn)可。為提高專利成功率，申請文件應(yīng)盡可能體現(xiàn)針對新場景的技術(shù)改進(jìn)（如模型結(jié)構(gòu)優(yōu)化、訓(xùn)練算法的創(chuàng)新等），否則可能因技術(shù)手段平平而被認(rèn)定為顯而易見。

AI相關(guān)發(fā)明申請的說明書充分公開的新要求

AI算法的“黑箱”特性給專利說明書的撰寫帶來挑戰(zhàn)：如果關(guān)鍵模型細(xì)節(jié)披露不充分，可能導(dǎo)致專利不滿足充分公開要求。對此，修改草案在第二部分第九章 6.3.1 說明書的撰寫中增加了具體要求，針對兩種常見情形確保發(fā)明內(nèi)容充分公開：

對于涉及人工智能模型的構(gòu)建或訓(xùn)練的發(fā)明，說明書中一般需要清楚記載模型必要的模塊、層級或連接關(guān)系，以及訓(xùn)練所需的具體步驟、參數(shù)等。也就是說，如果發(fā)明的創(chuàng)新點在于AI模型本身（結(jié)構(gòu)或訓(xùn)練方法），則模型架構(gòu)、訓(xùn)練流程等核心細(xì)節(jié)必須公開，使本領(lǐng)域技術(shù)人員能夠據(jù)此實現(xiàn)該模型。

對于涉及在特定領(lǐng)域/場景中應(yīng)用AI模型或算法的發(fā)明，說明書中一般需要清楚記載模型/算法如何與該具體領(lǐng)域場景相結(jié)合，以及算法或模型的輸入、輸出數(shù)據(jù)是如何設(shè)置以表明其內(nèi)在關(guān)聯(lián)關(guān)系等。也就是，如果AI只是作為工具應(yīng)用于某行業(yè)問題，說明書應(yīng)詳細(xì)描述AI與應(yīng)用場景交互的機(jī)制（如輸入輸出對應(yīng)關(guān)系、參數(shù)設(shè)定），以證明發(fā)明能夠解決該領(lǐng)域的技術(shù)問題。

上述要求的核心是在說明書層面保證充分公開：讓本領(lǐng)域技術(shù)人員閱讀后能夠?qū)崿F(xiàn)發(fā)明方案，而不因AI部分的模糊描述而無法實施。

所有AI相關(guān)專利申請的說明書都應(yīng)對算法部分做充分交代。企業(yè)在撰寫時要注意：不能只描述功能效果，而缺乏實現(xiàn)細(xì)節(jié)。對于自主開發(fā)的新模型，要公開其結(jié)構(gòu)設(shè)計和訓(xùn)練策略；對于應(yīng)用現(xiàn)有模型解決行業(yè)問題，要明確模型如何配置、輸入輸出如何對應(yīng)行業(yè)數(shù)據(jù)。如果涉及著名的開源模型或已知算法，在說明書中至少應(yīng)引用或簡述其原理，并交代如何集成到發(fā)明中。否則，說明書可能因公開不充分被發(fā)回修改甚至駁回。

示例：用于生成人臉特征的方法（說明書充分公開的示例）

發(fā)明概述：該申請旨在提高人臉圖像生成結(jié)果的準(zhǔn)確度，提出在第一卷積神經(jīng)網(wǎng)絡(luò)中設(shè)置“空間變換網(wǎng)絡(luò) (STN)”來確定人臉圖像的特征區(qū)域。通過多個卷積神經(jīng)網(wǎng)絡(luò)共享信息，減少內(nèi)存占用并提升生成準(zhǔn)確率。然而，說明書并未明確指出STN模塊在第一卷積網(wǎng)絡(luò)中的具體插入位置。

審查要點：表面看說明書遺漏了一個實現(xiàn)細(xì)節(jié)（STN的位置），但審查需要判斷這是否導(dǎo)致公開不充分。在本領(lǐng)域技術(shù)人員眼中，STN作為一個獨立模塊，可以嵌入CNN的任意位置而不影響其識別特征區(qū)域的功能。換言之，無論STN放在模型的何處，都能實現(xiàn)預(yù)期技術(shù)效果，不存在實現(xiàn)上的不確定性或多個實現(xiàn)方案導(dǎo)致的不可再現(xiàn)問題。

盡管說明書未詳細(xì)注明STN插入哪一層，但這一細(xì)節(jié)并不影響實現(xiàn)發(fā)明。所屬領(lǐng)域技術(shù)人員知曉各種插入方式均可行，能解決技術(shù)問題。因此，該發(fā)明的解決方案已在說明書中充分公開，滿足專利法要求。

如果申請人在說明書中省略了某些公知或無關(guān)緊要的實現(xiàn)細(xì)節(jié)，且本領(lǐng)域技術(shù)人員可以憑常識補(bǔ)充這些細(xì)節(jié)并實現(xiàn)發(fā)明，則不會影響充分公開的認(rèn)定。企業(yè)可以放心地略去對技術(shù)實現(xiàn)無實質(zhì)影響的細(xì)節(jié)，以保持說明書簡明；但前提是這樣的省略不會讓實現(xiàn)方案出現(xiàn)不確定性。

示例：基于生物信息預(yù)測癌癥的方法（說明書未充分公開的示例）

發(fā)明概述：該申請旨在提高惡性腫瘤預(yù)測的準(zhǔn)確性，構(gòu)建了一種惡性腫瘤增強(qiáng)篩查模型。模型輸入包括受試者的血常規(guī)、血生化檢測指標(biāo)和人臉圖像特征，輸出預(yù)測值。也就是說，它嘗試將生物化驗數(shù)據(jù)和人臉特征結(jié)合，用AI預(yù)測癌癥風(fēng)險。

審查要點：說明書存在關(guān)鍵缺陷：未披露具體哪些血液指標(biāo)與腫瘤相關(guān)，也未解釋人臉特征與罹患腫瘤之間有何關(guān)聯(lián)。對于本領(lǐng)域技術(shù)人員來說，目前醫(yī)學(xué)和AI知識并不能自明地推斷“哪些指標(biāo)能判斷惡性腫瘤”以及“人臉特征如何反映癌癥風(fēng)險”。換句話說，發(fā)明提出了一個猜想式的方案，但沒有給出讓技術(shù)人員信服的實施細(xì)節(jié)或數(shù)據(jù)支撐。

由于缺少必要的關(guān)聯(lián)機(jī)制描述，導(dǎo)致發(fā)明所要解決的技術(shù)問題實際上無法通過說明書所載方案解決——技術(shù)人員不知如何選取有效指標(biāo)、如何利用人臉特征。故該申請未滿足充分公開要求。審查認(rèn)為：如果說明書連實現(xiàn)途徑和因果關(guān)系都未講清，就無法認(rèn)為公開了完整解決方案。

此示例警示企業(yè)，不要提交缺乏實證依據(jù)的泛泛方案。在AI跨領(lǐng)域應(yīng)用中，如果某些要素關(guān)聯(lián)尚不明確，申請人應(yīng)在說明書中提供實驗數(shù)據(jù)、文獻(xiàn)證明或至少合理的機(jī)理推測。否則，專利文件會因無實際可實施的技術(shù)教導(dǎo)而被認(rèn)定公開不充分。此外，企業(yè)在立項研發(fā)時也應(yīng)評估方案可行性——純粹依賴AI黑箱得出結(jié)論而無法解釋其合理性的方案，不僅專利申請有風(fēng)險，實際研發(fā)也可能難以落地。

上述指南修改對人工智能相關(guān)專利從申請到審查的多個環(huán)節(jié)提出了新要求。企業(yè)需要據(jù)此調(diào)整專利申請策略和研發(fā)布局，以提高授權(quán)成功率并規(guī)避法律風(fēng)險。以下從說明書撰寫、權(quán)利要求構(gòu)造、創(chuàng)造性論證和研發(fā)規(guī)劃幾個方面分析其影響：

說明書撰寫更加詳實透明：新的充分公開要求意味著企業(yè)在撰寫AI專利說明書時，必須提供更詳盡的技術(shù)細(xì)節(jié)。這可能需要投入更多研發(fā)資源記錄和驗證模型結(jié)構(gòu)、參數(shù)選擇、訓(xùn)練步驟，以及AI在具體場景中的工作細(xì)節(jié)。企業(yè)應(yīng)建立標(biāo)準(zhǔn)流程，將AI模型開發(fā)文檔化，以便撰寫專利時直接提取關(guān)鍵參數(shù)和結(jié)構(gòu)說明。這也促使研發(fā)團(tuán)隊在設(shè)計階段就關(guān)注“如何解釋我的模型”，減少“黑箱”成分，從源頭提高發(fā)明的可公開性。

鑒于審查指南強(qiáng)調(diào)算法特征與技術(shù)特征的結(jié)合貢獻(xiàn)，權(quán)利要求書應(yīng)當(dāng)體現(xiàn)發(fā)明的技術(shù)改進(jìn)點，而不僅是商業(yè)規(guī)則或算法的流程描述。企業(yè)在起草AI相關(guān)權(quán)利要求時，宜將算法步驟置于具體技術(shù)環(huán)境中描述，如結(jié)合特定硬件模塊、傳感器輸入、工業(yè)控制流程等，使算法成為解決技術(shù)問題的一部分。這樣既避免了權(quán)利要求被認(rèn)定為抽象算法，又方便在創(chuàng)造性審查時強(qiáng)調(diào)技術(shù)效果。此外，對于涉及視頻、圖像等數(shù)字?jǐn)?shù)據(jù)的發(fā)明，可考慮多維度撰寫（方法、裝置、介質(zhì)）以覆蓋不同權(quán)利要求類型，符合指南對權(quán)利要求形式的規(guī)范。

本次修改通過案例明確了創(chuàng)造性判斷的思路，關(guān)鍵在于發(fā)明是否解決了技術(shù)上的挑戰(zhàn)。因此，企業(yè)在專利申請文件和后續(xù)答復(fù)中，應(yīng)圍繞“本發(fā)明解決了什么技術(shù)難題，現(xiàn)有技術(shù)為何無法輕易解決”來展開。

強(qiáng)調(diào)算法改進(jìn)帶來的性能提升（例如更高精度、更低算力占用），并提供對比數(shù)據(jù)或?qū)嶒灲Y(jié)果支撐。如果發(fā)明結(jié)合了特定應(yīng)用場景，說明常規(guī)算法直接應(yīng)用的不足，以及本發(fā)明為克服這些不足做出的特殊設(shè)計。

避免將發(fā)明表述為只是在不同數(shù)據(jù)集上應(yīng)用通用算法，而要突出技術(shù)手段上的差異。必要時，引用同行業(yè)普遍遇到的技術(shù)瓶頸，來凸顯發(fā)明的非顯而易見性。 通過上述措施，在專利文件中預(yù)先埋下創(chuàng)造性論據(jù)，有助于審查時說服審查員認(rèn)可算法特征的貢獻(xiàn)。

指南對法律和倫理的明確要求（專利法第五條）將影響企業(yè)的研發(fā)取向。AI項目在立項和實施時，企業(yè)應(yīng)同步評估其法律風(fēng)險和社會影響：涉及個人隱私數(shù)據(jù)的項目，要優(yōu)先考慮合規(guī)方案（如獲取用戶同意、數(shù)據(jù)脫敏等），從研發(fā)設(shè)計上杜絕違法路徑。

涉及AI決策倫理的項目，應(yīng)設(shè)置倫理審核機(jī)制，確保算法決策符合主流價值觀。例如無人駕駛決策可考慮以最小傷害原則代替歧視性規(guī)則。只有在算法邏輯上符合公序良俗，相關(guān)專利才有授權(quán)機(jī)會。 同時，創(chuàng)造性標(biāo)準(zhǔn)的提高意味著企業(yè)應(yīng)聚焦核心技術(shù)突破進(jìn)行布局，而非大范圍地將AI用于任何場景都去申請專利。因為平庸的應(yīng)用型專利將難以通過審查，專利組合應(yīng)更側(cè)重那些有技術(shù)深度和差異化的創(chuàng)新。

新的指南提供了更清晰的審查尺度，這反過來幫助企業(yè)更好地準(zhǔn)備申請文件。對企業(yè)而言，提交申請前自查說明書是否滿足AI特有的披露要求，尤其注意避免“黑箱”描述。對于每項權(quán)利要求，自問“算法和硬件是如何配合產(chǎn)生技術(shù)效果的”，確保文件中已有解答。針對潛在第五條問題，主動刪改或解釋可疑內(nèi)容，提交補(bǔ)充說明以表明合規(guī)。 這樣做可以減少來回補(bǔ)正、駁回復(fù)審的情況，提高審查效率和授權(quán)概率。

Maxipat致力于作為成為科技創(chuàng)新和知識產(chǎn)權(quán)工作的AI加速器，主要包括輔助創(chuàng)新：提高研發(fā)的科技創(chuàng)新效率；智能搜索與分析：將專利搜索和報告制作借助AI實現(xiàn)智能化，包括智能查新、無效、FTO、Landscaping報告；投資助手：快速生成投資賽道報告、專利購買篩選、專利轉(zhuǎn)化評估。目前開放注冊中。輔助科技創(chuàng)新和知識產(chǎn)權(quán)工作的AI智能體

感興趣的朋友可以通過以下三種方式填寫申請信息：

1. 請發(fā)郵件到郵箱：info@maxipat.com

2. 點擊文末閱讀全文；

3. 掃描以下二維碼

感興趣的朋友可以加筆者微信patentlight