资讯

最近几天，围绕英国外观设计延期公开的讨论升温得很快。市场里最吸睛的说法，是英国可能把延期窗口一下拉到30个月，并把公开前后的费用压力进一步拆开。但截至目前能核实的公开材料看，英国现行制度仍是最长12个月；2025年的官方咨询确实把12个月、18个月和30个月都摆上桌面比较，政府倾向的是18个月，而不是已经落地的30个月试行。

这并不妨碍企业把它当成一个很现实的信号来读。另一条已经生效的变化是，自2026年4月起，延期设计转入正式注册的DF2C费用为£50。对快时尚、消费电子这类上新节奏快、又不愿过早曝光新品的行业来说，真正该重算的，不只是能拖多久，而是申请日、保密窗口、样品测试、渠道沟通、欧洲上市节奏和后续费用怎么重新排在一张时间表上。

编者注（2026-09-24）：本文所述措施截至发稿未能在相关官方渠道查到原始公告，内容据行业简报整理，请以官方正式发布为准。

WIPO马德里注册部宣布，自动化瑕疵修正系统（MACS）已完成与欧洲核心局的底层联调并正式上线，商品/服务分类不规范、格式冲突等常见形式缺陷将更早被AI识别并实时阻断。表面上看，这是一轮流程提速：平均发证周期有望缩短，申请人收到传统瑕疵通知的概率也可能下降。

真正值得行业警惕的，不只是速度快了。自动化校验一旦前移，马德里申请里那些依赖模糊表述、跨国口径腾挪和“先递再补”的习惯做法，会更快撞到系统门槛。过去还能留到后端博弈的文字空间，正在被前端规则吃掉。

自2026年1月1日起生效的《专利审查指南》修订，把人工智能、大数据相关专利申请中的“合法性”问题明确拉进了实审视野。国家知识产权局不仅在相关章节中新增了基于专利法第五条第一款的审查标准，还把原先主要围绕权利要求的审查基准改成“必要时应当针对说明书的内容进行审查”。这不是一句修辞。它意味着，涉及数据采集、标签管理、规则设置、推荐决策等内容的申请，今后不再只看技术效果写得是否漂亮，也要看申请文件是否暴露出明显的法律和伦理硬伤。

目前官方公开示例说得很具体：一类是未表明数据获取、信息采集合规的人脸识别营销方案；另一类是把年龄、性别直接写进无人驾驶应急决策模型的训练逻辑。对大模型训练方法、语料清洗、标注流水线、对齐机制和行业模型部署而言，真正的信号在这里：训练数据和处理路径不再是可以完全藏在背景里的“研发黑箱”。CNIPA并未发布一张单独的“训练数据合法来源清单”，但专利确权与数据治理之间的距离，已经明显缩短了。

IP Australia近来的商标审查口径，把一个过去更多留在异议阶段或后端非使用风险里的问题，往前推到了审查阶段：如果指定商品或服务明显宽到不符合商业常识，申请人不能再只靠“提交申请本身就代表意图使用”轻松过关。审查员现在可以要求申请人提交声明，确认其对全部指定项目具有真实的使用意图，或者把范围收窄到更贴近实际经营的层级。

这对习惯先把范围铺大、以后再慢慢修的申请策略是个不小的转向。尤其是在数字业务常见的第9类、第35类和第41类组合里，只要一件申请把软件、平台运营、广告、教育培训、娱乐内容等不相邻业务一并兜入，却又看不出清晰的商业路径，前端审查被追问的概率就会明显上升。真正被压缩的，不只是文字空间，而是“先圈住再说”的缓冲地带。

最近市场上把新加坡 IPOS 与“AIGC 专设绿色通道”联系在一起，但就目前官方公开材料看，更稳妥的说法并不是 SG Patents Fast 已新增一个面向生成式人工智能的专用快车道。能够明确核实的是：IPOS 曾在 2019 年推出 AI² 计划，为符合条件的人工智能专利申请提供最快六个月授权；到 2025 年，又改以 SG Patents Fast 加快首次审查意见，而不是直接承诺授权周期；自 2026 年 1 月 4 日起，这一加速项目又暂停接受新的加速请求。

这并不意味着新加坡对 AIGC 相关创新降温。相反，把 AI²、SG Patents Fast、项目暂停以及 IPOS 近两年对生成式人工智能和创意产业的表态放在一起看，能读出更清楚的政策轮廓：新加坡仍然重视 AI 创新的专利保护速度，但它正在把“快”从少数垂直领域的象征性承诺，调整为更可控、更程序化、也更便于与国际协作衔接的审查工具。对做模型应用、数字内容工具和创意科技平台的企业来说，真正该问的已经不是“现在有没有 AIGC 专线”，而是如何把专利节奏与融资、出海和产品落地放到同一张时间表上。

最近围绕 USPTO 与《专利法》第101条的讨论里，最容易被夸大的，是把 AI 相关专利适格性理解成“只要写明模型训练，就会比普通软件权利要求更容易过关”。从 USPTO 2024 年 AI 适格性更新、2025 年 8 月的提醒备忘录，到 2025 年底因 Ex parte Desjardins 引发的 MPEP 更新，真正清晰起来的不是某一条“AI 特别通道”，而是一个更具体的判断方向：若权利要求只是把模型当成处理输入与输出的黑箱，仍然很容易被抽象化；若申请文件能把改良落到模型自身运作方式、参数约束、训练机制或与技术场景的联动上，§101 分析的着力点就会不同。

这对 AI 申请实务影响很直接。说明书写得再多，如果权利要求最后只剩“接收数据—训练或推理—给出结果”，申请人面对的仍可能是抽象概念与“用计算机执行它”的老问题。真正更有帮助的，不是泛泛强调模型更准、更快，而是把技术改良写成可识别的结构和操作关系，让审查员看到改良发生在系统内部，而不只是业务结果更好。