JPO 年中修订后，MLLM 专利申请不能只写模型流程

围绕日本特许厅（JPO）2026年年中修订的《AI 相关发明审查指南》，市场最该关注的不是又多了几个 AI 例子，而是多模态大语言模型（MLLMs）和跨模态生成式 AI 终于被单独放进了答审逻辑里。对申请人来说，这会直接改变说明书怎么写、权利要求怎么收、以及面对创造性和记载要件质疑时该把技术效果落在哪一层。

这一步并不突兀。JPO 在 2024 年已经追加了 10 个 AI 相关审查事例，2026 年 3 月发布的 AI 相关发明动向报告也把生成式 AI 快速扩张、多模态 AI、提示工程等纳入更细的观察框架。现在再把 MLLM 与跨模态生成式 AI 拉进审查口径，实务重点已经很清楚：日本审查不太会满足于“系统用了大模型”，而会继续追问跨模态处理到底解决了什么具体技术问题。

这次修订真正收紧的，是技术效果要落到哪里

过去几年，很多 AI 申请在表述上容易停留在“输入数据—模型处理—输出结果”的抽象层。模型换成 MLLM 之后，这种写法更容易暴露问题。文本、图像、语音、视频、传感数据被放进同一条处理链路，并不自动等于技术贡献变大。JPO 这次把多模态和跨模态生成放到更明确的位置，等于在提醒申请人：审查官更可能追问，究竟是哪个环节改善了识别精度、压缩了延迟、降低了误触发、提升了检索命中率，还是改善了终端资源调度与系统稳定性。

说得更直接一点，今后的日本申请里，“模型很强”不会是好答案，“跨模态交互让设备、系统或处理流程发生了可验证的技术改善”才更像好答案。尤其是落在终端控制、工业视觉、车载交互、医疗辅助判读、机器人执行链路这些场景时，技术效果越能回到设备侧或系统侧，说明书越稳。

MLLM 申请最容易失分的，不是模型名称，而是链路写得太虚

现在不少申请文件喜欢堆模型名称：多模态大模型、视觉语言模型、检索增强生成、代理式流程，词很新，文本也很热闹，但真正经不起答审推敲的地方，往往在链路描述。训练数据怎样进入系统、不同模态如何对齐、提示是如何构造的、检索模块与生成模块如何分工、输出结果如何反馈到下游设备或业务动作，这些地方一旦写得太空，创造性和记载要件都会变得吃力。

JPO 2024 年新增 AI 审查事例里，已经能看到对进步性、记载要件和发明该当性的细化观察。到了 MLLM 语境，这种观察只会更具体。申请人如果只是把“文本 + 图像 + 语音”并排写进权利要求，却交代不清各模态之间如何形成协同、为什么这种协同不是普通拼接、以及它给系统带来了什么超出预期的效果，就很容易被看成把已知模型能力平移到既有业务流程里。

跨模态生成式 AI 会把说明书披露成本明显拉高

这类案件接下来最现实的变化，是披露成本会上升。单模态模型还可以更多依赖传统的软件流程叙述；一旦进入跨模态生成，申请文件就很难只靠功能性语言撑住。对输入来源、模态转换、嵌入表示、约束条件、错误纠正机制、人工反馈、部署环境和资源边界的描述，都需要比过去更细。否则，权利要求写宽了，支持和实施风险会上来；写窄了，又容易把商业价值让掉。

这里还有一个经常被低估的问题：很多企业把真正有价值的 know-how 放在提示结构、数据清洗、后处理规则、工具调用顺序和安全阈值控制里，但写申请时只留下一个概括性框架。对 MLLM 来说，这样做的代价会更高，因为跨模态系统的可实施性，本来就比一般文本生成更依赖这些中间层细节。留得太少，审查阶段会被反复追问；留得太多，又担心把业务方法摊开。申请策略需要比以前更精细，不太适合再用一套通用模板覆盖所有案子。

企业现在更该调整的，是日本申请的拆分和答审节奏

从布局角度看，这次修订对企业最有现实意义的，不只是“能不能申请”，而是“该怎么拆着申请”。把平台级模型能力、具体场景应用、终端执行逻辑和数据处理机制全部揉进一件申请，后面往往不好答。更稳妥的做法，通常是把底层推理或对齐机制、特定行业场景方案、以及与硬件或控制流程直接耦合的技术实现分成不同层次准备。这样既能保住较核心的技术骨架，也能给后续分案和答审留下操作空间。

答审节奏也值得提前改。面对日本审查，申请人最好不要等到收到首次审查意见后，才去补想技术效果和实验对比。MLLM 与跨模态生成式 AI 的案子，很可能更早就会遇到“为何不是通常优化”“为何说明书未充分支持”“为何效果只停留在输出质量”的追问。把可验证指标、对比实施方式、失败路径和系统资源约束预先准备好，往往比在答辩时临时补一层抽象论证更有效。JPO 这轮修订释放的信号并不复杂：日本并没有对 MLLM 申请关门，但只靠模型名词和流程框图，今后大概率是不够用了。