韩国特许厅（KIPO）于2026年6月19日释出《人工智能相关发明审查指南》年中修订补充案，进一步回应“AI生成及辅助研发成果”快速增多后的审查现实。市场真正关心的，不只是AI能不能参与研发，而是当申请人主张创新点来自模型微调、参数再训练、特定场景适配或结果筛选时，审查机关会把“谁是发明人”与“技术贡献在哪里”分得多细。
这次补充案传递出的方向很明确：韩国并没有把发明人资格交给模型本身，但也不准备把所有AI参与研发的成果一概视为“常规使用工具”。对于企业和研发团队而言，接下来最关键的，不是抽象讨论AI会不会取代发明人，而是把人的实质贡献、微调过程中的技术判断，以及可被说明书支撑的改进点写得更具体。
登录后继续阅读全文
登录或注册后可阅读完整内容，包括详细分析与实务建议。
发明人判断开始从“是否用了AI”转向“人到底做了什么”
围绕AI发明人的争议，过去常被说得过于极端：要么担心AI会被推到发明人的位置上，要么把AI简单等同于普通软件工具。KIPO这次更像是在中间地带补规则。只要现行法仍以自然人为发明人，审查的重点就不会是模型是否“自主创造”，而会是申请文件能否看出人类研发者在课题设定、训练目标、数据挑选、微调路径、参数控制、结果取舍和技术验证上做了什么具体工作。
这会直接影响一类越来越常见的申请：基础模型并非申请人自研，真正主张的创新来自后续的微调和落地优化。过去有些团队习惯把这部分写成一句轻描淡写的“对现有模型进行再训练并应用于某场景”。这样的写法以后会越来越吃亏。因为一旦创新点主要建立在微调上，审查员自然会追问：研发贡献究竟来自通用模型本身，还是来自人为设计的适配方案？如果答案说不清，发明人认定和创造性判断都会受影响。
“微调”不再天然等于低门槛实施，说明书要交代技术判断链条
真正的变化不只在发明人署名层面，还在说明书组织方式。对很多AI申请而言，微调曾经被当成一个容易带过的背景步骤，好像只要说明用了行业数据、做了参数优化、性能有所提升，就足够构成技术方案。KIPO现在释放的信号更谨慎：如果申请人把效果优势建立在特定数据清洗方式、损失函数设置、提示模板迭代、反馈样本筛选、超参数组合或部署约束适配上，那么这些内容就不宜再被大面积留白。
这并不意味着所有申请都要公开完整训练语料或商业秘密。问题的关键不在“披露多少素材”，而在“是否披露到足以让审查员看见人的技术决策”。模型微调为什么不是机械套用？参数调整解决了什么原先无法稳定解决的问题？场景限制如何反过来约束模型结构与训练策略？这些地方如果只剩结论，没有过程，申请文本就会显得很薄。
审查尺度会把申请分成两类：工具替换型与技术塑形型
企业接下来会明显感到，KIPO更愿意把AI相关申请分成两类来看。一类是“工具替换型”：把原本已知的流程换成生成式AI、现成大模型或通用微调流程，但整体技术路线并没有因为这种替换发生实质性变化。另一类则是“技术塑形型”：研发者围绕具体任务重新组织训练逻辑、输入输出约束、数据结构、模型协同和部署条件，最终形成可验证的技术效果差异。
这一区分很要紧。因为很多团队的创新，恰恰不是从零训练一个新模型，而是在现有模型上完成面向医疗、制造、机器人、检索、风控或工业视觉场景的深度适配。若申请文件无法把这种适配写成清楚的技术塑形过程，审查员很容易把它看成普通实施、惯常优化，甚至只是把AI接到了旧系统上。那样一来，不只是创造性变难，发明人名单中谁真正贡献了发明构思，也会更难自圆其说。
企业现在该补的，不只是专利文本，还有研发留痕
很多公司会先想到修改说明书模板，但更根本的动作其实发生在申请之前。发明人资格要站得住，最好从研发过程中就留下更清晰的判断痕迹：是谁提出了微调目标，谁决定采用何种数据分层和标注规则，谁主导了评价指标与迭代阈值，谁确认了模型在特定资源约束下的可部署方案。过去这些内容常散落在实验记录、版本管理、会议纪要和产品文档里，未必被当成专利证据来管理。
韩国这次补充案的实务意义，正在于它把这些零散信息的重要性抬高了。今后的AI专利申请，尤其是以微调、行业适配和辅助研发结果为卖点的案件，会越来越像一场“技术贡献解释能力”的竞争。谁能更早把人的判断路径讲清楚，谁就更有机会把AI参与下形成的成果，稳稳地放回可授权、可答审、也可防争议的发明框架里。
