G 2/26 尚无官方记录，EPO 的 AI 发明专利边界该怎么看

截至2026年8月25日，欧洲专利局（EPO）扩大上诉委员会公开的“待决移送”页面并未列出 G 2/26。当前可核实的2026年新移送案是 G 1/26“Coated steel strips”，EPO 上诉委员会官方 communications 页面也没有显示一项于8月20日发布、专门讨论 AI 自动生成代码、底层算法架构或数据管道可专利性的 G 2/26 程序性指示。因此，市场上若把“G 2/26 已释放审理倾向”作为既成事实，目前缺乏公开官方记录支撑。

但其背后的实务问题是真实而且正在加速出现。EPO 2026版审查指南继续把 AI 与机器学习模型本身视为抽象数学方法，但并不因此排除相关发明获得专利；只要模型或算法对技术问题的技术解决方案作出贡献，或者被适配到特定技术实现，就可能进入创造性评价。2026年2月5日作出的 T 0528/25 也进一步确认，EPC 第52条以下的可专利性规定并不排除由 AI 生成或主要借助 AI 形成的发明。真正需要拆开的，是“谁可以被指定为发明人”与“所要求保护的技术方案是否具有可专利性”这两个不同问题。

先把 G 2/26 从“已发生事实”降回待核实信息

对企业和代理人而言，最需要避免的并不是错过一条新闻，而是把未核实的案件编号和所谓“初步倾向”写进申请策略、客户简报或董事会材料。扩大上诉委员会案件一旦正式移送，通常会在 EPO 的 pending referrals 页面列出案件号、移送决定以及后续意见材料。当前公开页面列出的2026年案件为 G 1/26，主题涉及权利要求解释，并非 AI 生成代码或数据管道；并没有可核验的 G 2/26 条目。

这并不排除未来出现新的移送，也不意味着 AI 与数据类专利不会进入扩大上诉委员会。问题在于，在正式案件号、移送决定或委员会公告出现之前，不宜把“8月20日已发布程序性指示”“EBA 已形成某种倾向”写成确定事实。对正在准备欧洲申请的企业，更稳妥的做法是把现有 EPO 指南和已经公布的判例作为当前规则基线，并持续监测 EBA 新移送，而不是围绕一个尚无公开记录的案件提前重构权利要求。

AI 生成并不自动否定可专利性，发明人资格是另一条线

T 0528/25 的价值正在于它把两个经常被混在一起的问题分开。该案仍坚持 EPC 下发明人必须是具有法律能力的自然人，机器本身不能作为发明人被指定；但上诉委员会同时明确指出，EPC 第52条以下的可专利性规则并不会因为一项发明是由 AI 生成或主要借助 AI 形成，就自动把它排除在专利保护之外。是否具备创造性，仍要看相对于现有技术是否对本领域技术人员显而易见。

因此，“缺乏人类工程师直接干预”本身并不是一个独立的可专利性否决条件。它更可能首先影响发明人指定、权利来源说明和事实记录是否一致。企业如果使用大模型、自动搜索、生成式设计或自动优化系统来得到技术方案，应当在研发阶段保留谁设定技术目标、谁选择约束条件、谁评估输出、谁决定采用特定技术方案的记录。这样的记录不是为了证明“人比 AI 做得更多”，而是为了在发明人识别和权利链问题上留下可信的因果贡献证据。

代码和数据结构的红线是技术贡献，不是必须绑定物理硬件

EPO 2026版指南对 AI、软件和数据结构的框架比“必须与硬件产生直接协同效果”更细。AI 或机器学习模型本身属于抽象数学性质，但如果它被用于解决技术问题，或者针对特定技术实现作了适配，相关特征可以对发明的技术性作出贡献。软件也并非只有直接控制机器才可能成立；关键是运行时是否产生超出程序与通用计算机正常物理交互的进一步技术效果。

数据结构的判断同样不能只看“有没有物理设备”。2026版指南区分功能性数据与认知性数据：如果数据结构或格式具有预定技术用途，并在该用途下产生技术效果，例如映射设备的技术特征、控制设备运行、规定制造设备的操作指令，它可以形成技术贡献。相反，只有信息含义、商业分类或面向人的语义价值，即便组织得更高效，也通常不足以建立技术性。

对所谓 AI 自动演化的数据管道尤其要谨慎。仅仅声称吞吐量更高、排序更优、数据更整洁、模型收敛更快，并不当然构成技术效果。如果性能提升来自对 GPU/CPU 分工、缓存、存储层级、网络传输、并行执行或其他具体计算架构的适配，情况会不同；如果优化只存在于抽象算法层面，且没有技术目的或特定技术实现，单纯的算法效率优势通常不够。

欧洲申请应把“技术因果链”写进权利要求和说明书

对 AI 软件、算力优化和数据基础设施企业，最实用的调整不是在权利要求里多写几个“processor”“server”或“AI model”，而是把技术因果链写清楚。至少应回答：系统面对的技术问题是什么；哪些输入具有技术含义；算法或数据结构改变了哪一段计算、通信、存储、控制或设备行为；该改变如何产生可验证的技术效果；这些效果是否在权利要求覆盖的大部分范围内都能成立。

如果创新点来自算力层面的实现，应尽量具体描述线程调度、内存访问、GPU/CPU任务分配、模型压缩、网络传输、缓存命中、能耗或延迟等技术约束，以及算法与这些约束之间的对应关系。若创新点位于数据结构，应写明数据字段、关系或编码为什么服务于技术系统，而不是只描述信息组织逻辑。若技术效果依赖训练数据的特定性质，说明书还应充分披露复现该效果所需的数据特征，而不必机械披露整个训练数据集。

最后还要把发明人记录与专利撰写流程接起来。AI 可以参与生成代码、提出架构甚至筛选候选方案，但企业内部最好保留技术目标设定、候选方案评估、关键约束选择、验证与最终采纳的过程记录。当前 EPO 规则真正形成的红线并不是“AI 不能发明”，而是申请人既要能够给出合规、可信的自然人发明人指定，也要在权利要求中证明所要求保护的内容不是抽象算法或数据组织本身，而是一个可以被识别和论证的技术解决方案。