加拿大AI专利适格性审查收紧，物理性要求正在变成硬门槛

加拿大围绕 AI 与计算机实施发明的专利客体适格性判断，正在进入更少模糊空间的阶段。2026 年 3 月发布的新 Practice Notice 已明确把审查重心锚定在《专利法》第 27(8) 条所隐含的“物理性”要求上：如果权利要求只是让计算机以常规方式处理抽象算法，且没有表现出可识别的物理效果、物理变化，或对计算机运行本身的改进，适格性风险会明显上升。

进入 6 月下旬后，来自代理与答审一线的反馈更值得注意。实务上，审查员对 AI 模型、软件规则和数据驱动诊断方法的问法正在趋于一致：不能只说模型更聪明、预测更准、决策更优，而要把“物理性”写进权利要求与说明书的骨架里。对很多申请人来说，这不再是一个后续答复时再慢慢补强的问题，而是申请立项、撰写和加拿大入案策略都要提前调整的问题。

旧的“实际发明”影子在淡出，审查语言改成了“物理性”

这次变化最核心的地方，不只是口径变严，而是判断路径变直了。2026 年 3 月的 CIPO Practice Notice 明确写到，MOPOP 中关于“contribution”“technological solution to a technological problem”以及以“problem and solution”来判断要素必要性的旧式表述不再适用。审查先做 purposive construction，再回到 section 2 与 subsection 27(8) 的 subject-matter 判断；真正起筛选作用的，是权利要求作为整体是否体现出物理存在，或者是否表现出可识别的物理效果或变化。

这会直接影响 AI 与软件案件的写法。过去不少申请文件喜欢把重点放在业务逻辑、模型流程、输出效果和性能指标上，默认“有计算机、有服务器、有存储器”就足以把抽象方法拉回可专利领域。现在这条路明显更窄了。CIPO 公开文本说得很清楚：如果计算机只是以公知方式处理抽象算法，而算法运行本身并没有改善计算机的功能，或者没有与传感器、测量步骤、机器人执行器等非泛化部件形成协同，那么“computer is present”并不等于“physicality is satisfied”。

对 AI 和黑盒模型来说，最危险的是“效果很好，但效果太抽象”

很多 AI 申请最容易踩到的坑，恰恰来自技术团队最想强调的优点：识别更准、推荐更优、诊断更敏感、风控更稳、排序更聪明。商业上这些都很重要，但在加拿大当前的 subject-matter 语境里，它们常常还不够。因为这些改进如果只停留在认知结果、信息结果或决策结果层面，审查员很可能会继续追问：这种改进到底有没有体现在物理层面，或者有没有让计算机作为计算机运作得更好？

换句话说，单纯把一个黑盒模型塞进“computer-implemented method”外壳里，已经很难带来安全感。申请人需要更具体地证明三类东西中的至少一类：第一，算法是否改善了计算机运行本身，例如更少内存占用、更少处理周期、更快的数据传输或更稳定的系统调度；第二，它是否与明确记载的物理输入、测量步骤、传感器或控制输出形成不可分割的配合；第三，案件是否落在加拿大对诊断方法仍相对开放的那一侧，也就是权利要求中确实存在检测、测量、识别样本中 analyte 的物理步骤，而不是只剩下相关性判断。

为什么加拿大现在看起来比美国更挑剔

从企业感受出发，加拿大当前的软件和 AI 适格性尺度，确实比美国更容易让申请人感到“前端就被拦住”。原因不只是法律条文不同，更在于审查机关公开表达的关注点不同。美国的争议重点往往落在 abstract idea、significantly more、技术改进等框架交错适用；而 CIPO 这轮公开指引把 physicality 摆得更靠前，语言也更集中。它不太鼓励申请人靠抽象功能包装来争取空间，而是更直接地追问权利要求是否跨过了“bare practical application”那条线。

这并不意味着加拿大对所有数字技术都一概排斥。相反，CIPO 文本留出的门也很明确：如果算法运行改善了计算机功能，或者案件中存在真正协同的物理输入、物理输出、传感器、控制步骤，subject-matter 仍有可操作空间。问题在于，这种空间需要申请文件自己搭出来，不能指望审查员在答复过程中替申请人补逻辑。很多团队在美国能靠较抽象的 claim set 先占位，再逐步调整；在加拿大，如果首稿没有把“物理性”埋进去，后面想补，成本会更高，也更容易伤到支持基础。

医疗诊断相关申请未必更宽，但仍有一条可以走的路

这次加拿大口径里，一个容易被忽略的点是医疗诊断。CIPO 在 2026 Practice Notice 里并没有把诊断方法与纯算法案件完全并列处理，而是保留了较清晰的出口：如果权利要求中包括测量、识别、检测、assaying 某一 analyte 的物理步骤，那么抽象相关性并不会自动把整项发明打成不可专利。也就是说，诊断方法不是天然安全，但它至少不像纯粹的数据分析或预测模型那样，容易被压缩成“只剩抽象规则”。

这会带来一个很实际的布局后果。对数字医疗、AI 辅助诊断、生物标志物分析等项目，申请人如果只强调模型判断或风险评分，很容易越写越像抽象推理；但如果能把样本处理、检测动作、测量步骤、数据采集硬件和结果输出用途之间的协同写扎实，加拿大并非没有机会。这里的关键不是把医疗场景当作“天然豁免”，而是别把 claim 最后写成只剩下“把检测结果输入模型，再输出一个判断”。一旦物理步骤退场，原本更宽一点的容忍度也会迅速消失。

接下来该怎么改写加拿大申请策略

对已经准备进入加拿大的 AI 与软件项目，最先该改的不是一句口号，而是撰写顺序。与其先把商业逻辑、模型优势、应用场景铺满，再临近定稿时补几个设备名词，不如一开始就先问三个问题：这项发明在哪个地方产生了可识别的物理效果；它是否改善了计算机或系统本身的运行；如果没有，它是否与明确的物理输入或输出形成紧密配合。只有这三个问题答得出来，后面的 claim strategy 才不会漂。

第二，要把加拿大与美国、欧洲的写法刻意拉开。不要默认一套英文母稿就能平移到加拿大。加拿大当前的风险不在于“你没有技术性语言”，而在于“你写了很多技术性语言，但没有把 physicality 写成审查员能抓住的东西”。第三，答审节奏要更早。对于已经在审案件，越早检查说明书里是否有足够材料支撑计算机功能改进、传感器输入、控制输出或检测步骤，越有机会在后续答复中稳住口径。等收到明显的适格性驳回再临时找物理效果，往往就晚了。

这轮变化背后的核心判断其实很简单：在加拿大，AI 与软件专利现在不是不能做，而是“抽象成功”越来越不够用了。谁能把模型、算法和物理层面的协同写得清楚，谁就更可能在新框架下保住申请空间。