CNIPA 修订已于 2026 年 1 月 1 日生效：AI、大数据与算法相关发明的审查边界被进一步写清
国家知识产权局于 2025 年末公布的《专利审查指南》修订，已自 2026 年 1 月 1 日起施行。此次调整将第二部分第九章第 6 节的标题明确改为“涉及人工智能、大数据等包含算法特征或商业规则和方法特征的发明专利申请审查相关规定”，并新增针对《专利法》第五条第一款的审查标准，进一步把人工智能、大数据、算法决策等新领域常见争议点写入更明确的审查语言之中。
这不是一次单纯的文字更新。对企业、研发团队和代理机构而言，新规则把审查重点从“有没有使用 AI”推进到“谁是真正的发明人、数据与决策机制是否合法合规、算法与技术特征如何共同构成技术贡献、模型与编码方案是否被充分公开”。同一轮修订中新增的比特流相关规则，也释放出一个清晰信号：抽象数据本身并不当然构成可专利客体，真正能够获得保护的，仍然是与具体技术方法紧密绑定的处理方案。
一、先纠偏：正式生效文本到底新增了哪些“硬规则”
关于发明人，正式生效的《指南》已明确提出两层要求：其一，发明人必须是个人，即自然人；其二，请求书中应当填写所有发明人的身份信息，并确保信息真实。单位、课题组以及人工智能系统名称，都不能被填写为发明人。这意味着，企业内部若将生成式工具、研发平台或模型名称包装为“共同发明人”的做法，已经没有解释空间。
更值得注意的是，正式文本在“发明人信息真实性”和“代理机构核验义务”之间作了制度分工：它要求发明人信息真实，同时要求专利代理机构核实申请人身份信息和联系方式。也就是说，监管方向显然是在把身份真实性问题前置，但正式生效版本并未简单地把所有核验责任一股脑写成对“发明人身份”的全面背书义务。这一细节，对代理机构的内控边界、委托接案流程和留痕机制都有现实意义。
二、合规红线前移：数据、标签与推荐决策不再只是工程细节
本次修订最具政策意味的一步，是在人工智能、大数据相关审查中明确引入《专利法》第五条第一款的过滤标准。对于包含算法特征或商业规则和方法特征的发明专利申请，如果其中的数据采集、标签管理、规则设置、推荐决策等内容违反法律、社会公德或者妨害公共利益，就不能被授予专利权。
这使得很多过去容易被理解为“方案设计细节”的内容，直接上升为授权前提问题。比如，数据抓取是否取得合法授权，用户画像和标签体系是否涉及违法收集、过度处理或不当使用个人信息，自动驾驶、医疗、招聘、金融风控等场景中的决策规则是否固化歧视或明显违背社会伦理，今后都不宜再被当作纯粹的技术优化问题。对于申请人而言，专利文件中的技术叙述将越来越难与数据合规、算法治理和应用伦理彻底切割。
这也意味着一个实务转向：越是依赖大规模数据训练和自动化决策的方案，越需要在申请前完成“可申请性体检”。问题不只在于有没有创新点，更在于这个创新点所依赖的数据来源、标签逻辑和决策机制，能否经得起法律与公共利益层面的回看。未来一些申请被挡在授权门外，原因未必是新颖性或创造性不够，而可能是方案本身跨过了合规红线。
三、创造性与充分公开一起收紧：算法不能再被单独书写
在创造性判断上，此次修订再次强调：不能把技术特征与算法特征、商业规则和方法特征简单割裂，而应将权利要求记载的全部内容作为一个整体进行分析。这一表述的现实效果在于，申请人不能再试图用“技术外壳”去包裹一个本质上缺少技术贡献的算法方案；但反过来，只要算法特征与技术特征在功能上彼此支持、存在相互作用关系，它们也不应被机械地从创造性贡献中排除出去。
与此相伴的，是说明书公开要求的实质性提高。围绕人工智能相关发明，CNIPA 已在配套指引中把撰写逻辑说得更直白：如果发明贡献在于模型训练，通常需要清楚记载必要的算法步骤和训练过程；如果发明贡献在于模型构建，通常需要写明必要的模块结构、层次结构或连接关系；如果发明贡献在于具体领域应用，则需要交代模型如何与具体场景结合，以及输入、输出数据如何设置。换言之，今后的 AI 专利申请越来越难靠“黑箱式模型 + 功能性结果”获得稳定保护。
这对申请策略的影响非常直接。首先，研发团队不能把专利撰写理解为“晚于研发的包装动作”，因为很多决定授权边界的内容——例如训练流程、特征选择、模块连接、场景输入输出——如果在原始技术记录中缺位，事后往往难以安全补救。其次，代理机构也需要更早介入技术抽象过程，帮助申请人把真正构成技术贡献的部分从业务叙事中分离出来，并把应当公开的内容写到足以支撑授权与后续维权的程度。
四、比特流规则透露出的制度信号：抽象数据流不行，基于特定编码方法的处理技术才可能受保护
虽然比特流规则被放在同一轮修订中的另一节，但它与 AI、数据和算法申请的审查思路其实高度一致：监管不再鼓励对抽象信息对象本身寻求过宽保护，而是要求权利要求回到具体技术方法。新规则明确，单纯的比特流权利要求不属于专利保护客体；而涉及比特流存储、传输或存储介质的权利要求，必须与特定视频编码方法紧密挂钩，并满足更具体的撰写要求。
这背后的制度逻辑，对视频编解码、流媒体、云游戏、视频会议，乃至生成式视频与多模态模型部署都具有启发意义。申请人若希望围绕数据产物本身进行保护，就不能停留在“得到一个结果数据”这一层面，而必须把生成、处理、存储、传输该数据的具体技术路径写清楚，尤其要把实现该结果所依赖的特定编码方法、执行步骤以及与处理器或介质的关系交代完整。
从更长的时间轴看，这次修订反映出的不是单点收紧，而是中国专利审查对新技术申请的一种成熟化取向：一方面，对真正与技术问题、技术手段和技术效果紧密结合的算法创新，给予更明确的审查路径；另一方面，对身份虚构、合规失范、抽象主张和公开不足，则通过更细致的审查语言提前设防。对于希望在中国布局 AI 与数据相关专利组合的企业而言，2026 年开始比拼的，已经不只是“有没有模型”，而是“能否把模型、数据、场景和技术贡献说清楚、说准确、说到足以支撑权利边界”。
