大数据处理、人工智能（AI）和区块链技术等新质生产力的价值日益凸显。如人工智能（AI）依靠模拟人类学习、推理、自我修正、感知和语言理解等能力，在自动驾驶、药物研发、供应链优化等领域取得了令人瞩目的成绩。究其本质，大数据处理、人工智能（AI）和区块链技术等仍然属于一种计算机算法。锦尚知产在专利服务实践中发现还是有较多的发明人对计算机算法是否可以作为专利保护的客体，以及如何界定其专利保护的边界存在疑问。笔者基于个人的实践和理解，对计算机算法的可专利性进行探讨。
《专利法》第二十五条的判断
《专利法》第二十五条第一款第（二）项规定了的智力活动的规则和方法，不应当被授予专利权；
《专利审查指南》（2023）指出：“如果权利要求涉及抽象的算法或者单纯的商业规则和方法，且不包含任何技术特征，则这项权利要求属于专利法第二十五条第一款第（二）项规定的智力活动的规则和方法，不应当被授予专利权”；“如果权利要求中除了算法特征或商业规则和方法特征，还包含技术特征，该权利要求就整体而言并不是一种智力活动的规则和方法，则不应当依据专利法第二十五条第一款第（二）项排除其获得专利权的可能性”。
由此可见，对于计算机算法解决方案，包含技术特征是使之能被排除智力活动的规则和方法之外，并受到专利保护的必要条件。同时也可以看出《专利法》第二十五条并没有将人工智能等算法特征排除在专利保护之外，只是算法特征这一非技术特征需要和技术特征结合到一起进行保护。
下面举例说明什么是抽象算法。
案例1：
一种结论确定方法，其特征在于，包括：
预先定义包含多个规则的规则集合，每个所述规则包含特征参数和对应于特征参数的结论。
采用匹配模型匹配规则集合中与第一数据对应的特征参数，基于匹配的特征参数确定适用于所述第一数据的规则。
基于确定的适用于所述第一数据的规则，确定第一数据对应的结论。
案例1试图保护一个专家问询系统。案例1中，特征参数、结论和第一数据均是没有任何特定物理含义的数学层面的参数，该方案反映的也是抽象的数学层面的规律，因此，案例1可被视为抽象的算法，进而落入《专利法》第二十五条第一款第（二）项规定的智力活动的规则和方法的范围内。
如果案例1的方案，结合到特定的技术环境中，例如结合到风险评估等领域，使解决方案能够解决实际的风险评估问题，那么结合后的解决方案可能具有可专利性。这是因为它不再仅仅是一个抽象的算法，而是引入了“技术性”使案例1的方案具有技术特征。
《专利法》第二条二款的判断
针对《专利法》第二十五条的判断只能用来判断是否能将解决方案排除在《专利法》第二十五条之外。即便解决方案具有技术特征，还需要进一步判断其是否属于《专利法》第二条二款所规定的技术方案。
《专利法》第二条二款规定：“发明，是指对产品、方法或者其改进所提出的新的技术方案”。
算法就其本身而言属于一种方法。无论产品还是方法，专利法保护的客体是技术方案。技术方案是指对要解决的技术问题所采取的利用了自然规律的技术手段的集合。技术手段通常是由技术特征来体现的。
针对技术方案的判断，《专利审查指南》（2023）指出：“对一项包含算法特征或商业规则和方法特征的权利要求是否属于技术方案进行审查时，需要整体考虑权利要求中记载的全部特征。如果该项权利要求记载了对要解决的技术问题采用了利用自然规律的技术手段，并且由此获得符合自然规律的技术效果，则该权利要求限定的解决方案属于专利法第二条第二款所述的技术方案。
全部特征包含了：算法特征等非技术特征和技术特征。因此，判断方案是否属于技术方案时，需要结合解决方案中的算法特征和技术特征进行判断，整体考虑算法特征和技术特征，而非将技术特征单独进行判断。
针对技术方案的判断，《专利审查指南》（2023）强调了需要利用自然规律的技术手段解决某个技术问题。自然规律，是指不经人为干预，客观事物自身运动、发展、变化的内在必然联系，是自然现象固有的、本质的联系。与自然规律相对的有：经济学规律、心理学规律、人为因素参与等。
例如，
案例2：提高的数据处理速度，开发了一种新算法，新算法采用并行处理和优化的数据结构来提高数据处理速度。
算法采用了并行计算原理，通过多线程同时执行计算任务来提高速度，符合物理学自然规律。优化的数据结构减少了数据访问复杂度，提高速度，同样符合自然规律。因此，案例2提出的解决方案属于技术方案。
例如，
案例3：为了确定商品的价格，采用一种定价算法为商品定价，该定价算法考虑了商品的成本、市场竞争状况、消费者行为、季节性因素、历史销售数据等多种经济因素进行定价。
案例3算法基于对供需关系、价格弹性等经济学原理的理解，经济行为受到众多不可预测因素的影响，如社会事件、消费者偏好变化等，这些都超出了自然规律的范畴。因此，案例3提出的解决方案不属于技术方案。
技术手段是否符合自然规律，往往还受限于技术问题的定位。相似的手段，针对不同的技术问题，技术问题与手段之间的自然规律约束关系并不固定。
例如，
案例4：两个解决方案均采用相似的手段：采用数据分析算法从大量历史数据中确定预测趋势。
技术问题1：预测股市走势。针对预测股市走势这一技术问题，数据分析算法并不受自然规律的直接约束，因为股市走势受到经济学规律和人类行为的影响。因此技术手段和技术问题之间缺乏自然规律的约束。显然该解决方案不属于技术方案。
技术问题2：预测供暖厂能源消耗。针对预测供暖厂能源消耗这一技术问题，数据分析算法可能会考虑到供暖设备物理效率、气象学限制等自然规律。因此技术手段和技术问题之间具有自然规律的约束。解决方案属于技术方案。
针对人工智能等算法，《专利审查指南》（2023）着重指出了权利要求限定的解决方案属于技术方案的三种情况：
一：如果权利要求中涉及算法的各个步骤体现出与所要解决的技术问题密切相关，如算法处理的数据是技术领域中具有确切技术含义的数据，算法的执行能直接体现出利用自然规律解决某一技术问题的过程，并且获得了技术效果。
单纯的算法，无论其被设计地多复杂、算法构思多巧妙，其中的特征也不能被称为技术特征。例如，就人工智能模型本身而言，其无法成为一个技术方案。只有算法用于解决实际技术问题时，才有可能被授予专利权。例如，
案例5：一种CNN模型训练方法，包括：
获取待训练CNN模型的初始参数；
获取多个训练图像；
在所述待训练CNN模型的各级卷积核上，使用初始卷积核和初始偏置矩阵，对训练图像进行卷积操作，得到第一特征图像；
对所述第一特征图像进行水平池化操作，得到各级卷积核上的第二特征图像；
根据所述第二特征图像确定每个训练图像的特征向量；
根据初始权重矩阵和初始偏置向量处理所述特征向量，得到所述训练图像的类别误差；
基于所述类别误差调整所述待训练CNN模型的模型参数。
案例5中，要解决的技术问题是使CNN模型能识别不同尺寸的图像。解决方案处理对象为训练图像数据，是具有物理含义的并非纯数学特征，使用的相关特征为特征图像、类别误差等与训练图像具有物理层面关联关系的具体特征。采用了在不同卷积层上对图像进行不同处理并训练的手段，利用的是遵循自然规律的技术手段。因此，案例5的解决方案属于技术方案。
但是对于算法相关的解决方案，并非引入具有物理含义的特征就可以克服技术方案问题。技术手段利用自然规律仍然是前提条件。
例如，
案例6：一种利用计算机程序实现自动计算动摩擦系数的方法，包括：
计算摩擦片的位置变化量S1和S2的比值；
计算变化量的比值S2/S1的对数logS2/S1；
确定对数logS2/S1与e的比值。
案例6中，确定的对数logS2/S1与e的比值为动摩擦系数，虽然与S1和S2一样同样具有物理含义，但是基于S1和S2确定动摩擦系数的过程是单纯的数据计算过程，其并不包含物理意义，也即其采用的技术手段并未利用自然规律。因此，案例6的解决方案并不构成技术方案。
二：如果权利要求的解决方案涉及深度学习、分类、聚类等人工智能、大数据算法的改进，该算法与计算机系统的内部结构存在特定技术关联，能够解决如何提升硬件运算效率或执行效果的技术问题，包括减少数据存储量、减少数据传输量、提高硬件处理速度等，从而获得符合自然规律的计算机系统内部性能改进的技术效果。
例如，
案例7：一种文件传输方法，包括以下步骤：
分析待传输文件的内容，以确定待传输文件中的数据模式；
根据数据模式调整压缩算法中的字典结构；
利用调整后的字典结构对待传输文进行压缩；
输出压缩后的文件数据。
案例7要解决的技术问题是减少数据传输量，采用了根据待传输文件中的数据模式调整压缩算法字典结构，从而针对不同传输文件进行压缩，提高压缩率，使得传输的文件数据量减少，利用的是遵循自然规律的技术手段。因此，案例7的解决方案属于技术方案。
三：如果权利要求的解决方案处理的是具体应用领域的大数据，利用分类、聚类、回归分析、神经网络等挖掘数据中符合自然规律的内在关联关系，据此解决如何提升具体应用领域大数据分析可靠性或精确性的技术问题，并获得相应的技术效果。
针对该类解决方案，不能仅记载通用数据挖掘手段，例如特征向量的分类和聚类、学习模型的输入和训练等，还应体现为获得某一预测结果或推荐结果，用于表征或能反映出与该结果直接相关的指标、参数、特征，且指标、参数、特征与结果之间存在符合自然规律的内在关联关系，才构成技术方案。
例如，
案例8：一种股票价格趋势预测方法：
选取股票技术特征参数作为人工神经网络的输入变量，获取股票的历史交易数据作为输入训练集；
构建基于人工神经网络的模型，其中，模型包括输入层、输出层及隐层；输出层的输出结果用于表示预测的股票价格升跌概率；所述模型的损失函数为：…;
将所述历史交易数据构建训练数据集和测试数据集；
输入训练数据集，得到初步的预测模型；
向初步的预测模型输入测试数据集进行测试，得到最终的预测模型。
例8的解决方案，虽然采用了人工神经网络作为数据分析手段，历史交易数据是客观存在的具体化数据，但是，从“股票历史交易数据预测股票价格变化趋势”，仅预测价格变化，实质上遵循的是股票所对应的经济学规律，而非自然规律，因此导致上述手段为非技术手段，解决的提高股票价格预测准确性的问题也不属于技术问题。因此，案例8的解决方案不构成技术方案。
若预测对象存在一定的非自然规律约束可以考虑将方案和问题定位在基于预测结果执行的处理过程，否则仅基于预测对象预测变化趋势等，可能存在非自然规律的关联关系，导致出现客体问题。
例如，
案例9：一种股票订单交易方法：
确定股票待交易的开始时间和结束时间，并根据预定规则对待交易时间段进行划分；
根据划分后的待交易时间段中区间对应的历史交易日相同区间成交量数据、历史交易日日成交量数据以及最近多个区间的成交量数据，通过预测模型确定区间成交量比例预测值，进而获得区间可提交的订单量；
在区间的开始时间，根据可提交的订单量提交待交易订单，在结束时间将未成交的订单转移至下一区间；在最后一个区间时提交所有剩余订单量。
案例9的解决方案解决的是现有算法提交不均衡导致出现无法一次性成交的技术问题。基于成交量历史数据预测当前可能的成交量，进而分配提交量。预测的成交量存在一定不符合自然规律约束的风险，但是成交量和可提交量之间的关系不受价格等经济学规律的约束，符合自然规律约束，因此，案例9的解决方案构成技术方案。
结合人工智能等算法专利的处理经验，专利审查过程中，专利审查员针对关于智力活动的规则和方法的判定，会着重筛查权利要求中是否存在除商业方法或算法特征外的技术特征。并且在进行专利法第2条第2款审查时，应会综合技术三要素和技术手段是否符合自然规律约束综合判定。
简而言之，大数据处理、人工智能（AI）和区块链技术等算法类解决方案是否可以申请专利，可以首先考虑解决方案是否满足以下要求：
1.解决方案中，除了除算法抽象的算法等非技术特征之外，是否包含技术特征；
2.解决方案结合算法特征和技术特征作为一个整体，是否利用自然规律解决的技术问题。
落实到实际的专利申请撰写工作中，可以着重区分算法改进的属性，挖掘出算法改进能够对应提升符合自然规律的技术效果的方案进行专利申请，并将此种改进的属性在专利申请文件中加以清晰的记载。
作者介绍
公司简介
锦尚知识产权代理事务所专注于高价值专利，坚定为优质、创新性企业提供全球化知识产权服务、致力于为国内外创新主体提供高端专业化知识产权解决方案和知识产权法律保护服务，为客户的创新成果保驾护航，为企业的长足发展锦上添花。
欢迎大家加入锦尚知产实务交流群，交流知识产权实务问题，分享实务知识。
0512-65090998
