華 進 視 角 
深耕知識產權領域多年，以專業化視角解讀理論與實踐應用，提供專業策略參考。
《專利審查指南修改草案（征求意見稿）》系列解讀第三期：人工智能相關專利申請審查篇
2025-05-29 17:45
13、人工智能相關專利申請審查基準
本次修改中，針對人工智能相關專利申請審查基準的修改內容比較豐富，主要涉及：（1）本章節標題的修改，明確了該節規范的領域，將原來從申請文件撰寫特點命名的“包含算法特征或商業方法和規則的發明……”修改為“涉及人工智能等的發明……”（2）6.1章節的審查基準的更新；（3）增加了6.1.1章節；（4）在6.2章節涉及包含算法特征或者商業規則和方法特征的審查示例中，增加了多個審查案例（例1、例2、例18、例19）；（5）在6.3.1章節中增加了針對人工智能類案件的說明書撰寫要求以及在6.3.3章節中給出了此類發明專利申請的說明書撰寫示例【例20】和【例21】。
其中，6.1章節的修改涉及了“審查應當針對權利要求所限定的解決方案進行，必要時應當對說明書的內容進行審查”，進一步明確了技術整體審查時要考慮技術三要素的整體性，說明書內對于技術三要素關聯性的描述顯得尤為重要，也旨在釋放出希望各從業人員在說明書中注意算法特征或者商業規則和方法特征與技術特征的相互作用、彼此支持的體現。
6.1.1章節以及6.2章節中增加的【例1】和【例2】，主要涉及對包含算法特征或商業規則和方法特征的發明專利申請進行專利法第五條第一款的審查規則，同時也給出了兩個案例，此處修改是隨著人工智能技術不斷向“類大腦”，為避免各創新主體在人工智能技術的應用上有所偏差，所給予的正向審查約束，意在釋放出專利的產生、申請以及審查等階段，均要將法律、社會公德、公共利益等與民相關、與社會相關的準繩作為首要考察因素。同時，也給予創新主體以及代理機構明確的研發約束以及撰寫思考約束。
6.2章節中增加的【例18】和【例19】，主要涉及對包含算法特征或者商業規則和方法特征的發明專利申請的創造性審查的補充示例；6.3.1章節以及【例20】和【例21】主要明確了針對人工智能類的專利申請，說明書所要公開充分的程度，進一步打破“黑盒子”的籠統限制，讓“黑盒子不黑”，從而讓本領域技術人員能夠根據說明書記載能夠獲知人工智能算法或者模型的具體實現。具體修改內容如下：
6.1 審查基準
審查應當針對要求保護的解決方案，即權利要求所限定的解決方案進行，必要時應當針對說明書的內容進行審查。在審查中，不應當簡單割裂技術特征與算法特征或商業規則和方法特征等，而應將權利要求記載的所有內容作為一個整體，對其中涉及的技術手段、解決的技術問題和獲得的技術效果進行分析。
6.1.1 根據專利法第五條第一款的審查
對于包含算法特征或商業規則和方法特征的發明專利申請，如果含有違反法律、社會公德或者妨害公共利益的內容，例如，數據采集、標簽管理、規則設置、推薦決策等存在違反法律，違背公平正義、存在歧視偏見等情形的，則根據專利法第五條第一款的規定，不能被授予專利權。
……
6.2 審查示例
以下，根據上述審查基準，給出包含算法特征或商業規則和方法特征的發明專利申請的審查示例。
（1）包含算法特征或商業規則和方法特征的發明專利申請違反了法律、社會公德或者妨害了公共利益的，不能被授予專利權。
【例 1】
一種基于大數據的商場內床墊銷售輔助系統申請內容概述發明專利申請的解決方案是一種基于大數據的商場內床墊銷售輔助系統，其通過攝像模塊和人臉識別模塊在顧客未知情的情況下完成其面部特征信息的采集并識別出顧客的身份信息，對收集到的信息進行數據分析，幫助商家精準營銷。
申請的權利要求
一種基于大數據的商場內床墊銷售輔助系統，包括床墊展示設備和管理中心，其特征在于：
所述床墊展示設備包括控制模塊和信息采集模塊，用于展示和輔助銷售床墊產品并收集顧客數據；
所述控制模塊用于與管理中心進行數據交互；
所述信息采集模塊包括攝像模塊和人臉識別模塊，用于在顧客未知情的情況下采集其面部特征信息，利用關鍵點檢測算法調整面部姿態以獲得歸一化人臉圖像，將歸一化人臉圖像通過人臉檢測算法定位待識別的人臉區域，并結合主成分分析法提取人臉區域內的人臉特征，進而得到顧客的身份信息；
所述管理中心包括管理服務器和分析輔助系統；所述管理服務器對多個床墊展示設備進行管理；所述分析輔助系統根據顧客的身份信息，利用床墊展示設備收集的數據分析得到顧客偏好，并向管理中心反饋分析結果。
分析及結論
《中華人民共和國個人信息保護法》相關條款規定，在公共場所安裝圖像采集、個人身份識別設備，應當為維護公共安全所必需，遵守國家有關規定，并設置顯著的提示標識。所收集的個人圖像、身份識別信息只能用于維護公共安全的目的，不得用于其他目的；取得個人單獨同意的除外。
該發明創造將圖像采集和人臉識別手段用于商場等經營場所進行床墊的精準營銷，這明顯不屬于維護公共安全所必需。此外，對顧客的面部信息進行采集并獲取其身份信息是在顧客不知情的情況下進行，未征得顧客個人同意。因此，該發明創造與法律相違背，根據專利法第五條第一款的規定，不能被授予專利權。
【例 2】
一種無人駕駛車輛應急決策模型的建立方法
申請內容概述
發明專利申請的解決方案是一種無人駕駛車輛應急決策模型的建立方法，以行人的性別和年齡作為障礙物數據，通過訓練出的決策模型來確定無法避讓障礙物情況下的被保護對象和被撞對象。
申請的權利要求
一種無人駕駛車輛應急決策模型的建立方法，其特征在于，包括：
獲取無人駕駛車輛的歷史環境數據和歷史障礙物數據，所述歷史環境數據包括車輛的行駛速度、與所在車道上障礙物的距離、與相鄰車道上障礙物的距離、所在車道上障礙物的運動速度和運動方向、相鄰車道上障礙物的運動速度和運動方向；所述歷史障礙物數據包括行人的性別和年齡；
對所述歷史環境數據和歷史障礙物數據進行特征提取，作為決策模型的輸入數據，將無法避讓障礙物時車輛的歷史行駛軌跡作為決策模型的輸出數據，根據歷史數據訓練決策模型，所述決策模型為深度學習模型；
獲取實時環境數據和實時障礙物數據，當無人駕駛車輛遇到無法避讓障礙物的情況時，利用訓練后的決策模型確定無人駕駛車輛的行駛軌跡。
分析及結論
該發明創造涉及一種無人駕駛車輛應急決策模型的建立方法。人的生命具有同等的價值和尊嚴，無論其年齡和性別如何，無人駕駛車輛的應急決策模型在無法避讓的事故中，如果基于行人的性別和年齡進行被保護對象和被撞對象的選擇，這與公眾對于生命面前人人平等的倫理道德觀念相違背。
此外，這種決策方式會強化社會中存在的性別和年齡偏見，還會引發公眾對公共出行安全性的擔憂，破壞公眾對科技和社會秩序的信任。因此，該發明創造含有違反社會公德的內容，根據專利法第五條第一款的規定，不能被授予專利權。
……
（3）為了解決技術問題而利用技術手段并獲得技術效果的包含算法特征或商業規則和方法特征的發明專利申請，屬于專利法第二條第二款規定的技術方案，因而屬于專利保護的客體
……
（4）未解決技術問題，或者未利用技術手段，或者未獲得技術效果的包含算法特征或者商業規則和方法特征的發明專利申請，不屬于專利法第二條第二款規定的技術方案，因而不屬于專利保護的客體。
……
（5）在進行創造性審查時，應該考慮與技術特征在功能上彼此相互相互支持、存在相互作用關系的算法特征或者商業規則和方法特征對技術方案作出的貢獻。
【例13】
……
【例 18】
一種識別船只數量的方法
申請內容概述
發明專利申請提出了一種識別船只數量的方法，其獲取船只圖片數據，通過深度學習訓練出檢測數據模型，解決準確識別當前海域內船只數量的技術問題。
申請的權利要求
一種識別船只數量的方法，其特征在于，包括：
獲取船只圖片數據集，并對數據集中的圖片信息進行預處理，標記出圖片信息中船只的位置和邊界信息，并把所述數據集劃分為訓練數據集與測試數據集；
采用所述訓練數據集進行深度學習，構建訓練模型；
基于所述測試數據輸入訓練模型中訓練，以獲得船只測試結果數據；
根據所述船只測試結果數據與預設誤差參數相乘，以確定出實際船只數量。
分析及結論
對比文件1公開了一種識別樹上果實數量的方法，并具體公開了獲取圖片信息、標記圖片上果實的位置和邊界、劃分數據集、模型訓練和確定實際果實數量的步驟。
發明專利申請的解決方案與對比文件 1的區別僅在于識別對象的不同。雖然船只和果實本身在外觀、體積和存在環境等方面存在差異，但是對于本領域技術人員而言，識別出實際數量所需的信息標記、數據集劃分、模型訓練等步驟，其針對的都是圖片上待識別對象的位置關系，權利要求中也未體現出因識別對象不同，在深度學習、模型訓練過程中對訓練方式、模型層級等做出的改變，對圖片上的船只數據進行標記與對圖片上的果實數據進行標記以獲得用于訓練的數據集并進行模型訓練，沒有對深度學習、模型構建或訓練過程等做出調整或改進。因此，要求保護的發明技術方案不具備創造性。
【例 19】
一種建立廢鋼等級劃分神經網絡模型的方法
申請內容概述
廢鋼在收儲時需要根據鋼料的平均尺寸進行等級劃分，但其存放時雜亂無章、相互堆疊，人工進行尺寸測量和等級判定時效率低且等級劃分準確率不高。發明專利申請提出一種建立廢鋼等級劃分神經網絡模型的方法，通過卷積神經網絡學習形成具有等級分類輸出的等級劃分神經網絡模型，能夠提高廢鋼等級劃分的效率和準確率。
申請的權利要求
一種建立廢鋼等級劃分神經網絡模型的方法，所述模型用于對收儲的廢鋼進行等級劃分，包括：
獲取多個圖像，確定多個圖像的不同廢鋼等級，對所述圖像進行預處理，提取不同等級的圖像數據特征，對提取的不同等級的圖像數據特征進行卷積神經網絡學習形成具有等級分類輸出的等級劃分神經網絡模型；
所述圖像數據特征的提取是對圖像畫面像素點矩陣數據進行卷積神經網絡卷積計算的集合進行提取，包括：由集合輸出的多條線路卷積層或卷積層加池化層計算構成的對圖像中物體顏色、邊緣特征和紋理特征的提取，以及對圖像中物體邊緣、紋理之間關聯特征的提取；
其中，所述圖像中物體顏色、邊緣特征的提取是由三條線路卷積層加池化層計算輸出的集合輸出構成，包括從左至右的第一條線路一層池化層、第二條線路二層卷積層和第三條線路四層卷積層；所述對圖像中紋理特征的提取是對上述圖像中物體顏色、邊緣特征的提取集合輸出進行的提取，是由三條線路卷積層計算輸出的集合輸出構成，包括從左至右的第一條線路 0 卷積層、第二條線路二層卷積層和第三條線路三層卷積層；
所述對邊緣、紋理之間關聯特征提取的卷積層計算的線路數大于對圖像中物體顏色、邊緣和紋理特征提取的卷積層計算的線路數。
分析及結論
對比文件 1 為解決再生資源來源復雜、種類多、材質差異大，需要準確識別出廢鋼屬于料豆、沖壓料余料、面包鐵或其他種類以提高再生資源回收利用率的問題，提供了一種基于卷積神經網絡模型對廢鋼種類進行識別的方法，并具體公開了獲取多個已經確定廢鋼種類的圖像數據，對所述圖像數據進行預處理以進行特征提取，利用卷積神經網絡進行訓練并獲得產品模型的相關步驟。
發明專利申請的解決方案與對比文件1的區別在于訓練的數據和提取的特征不同、卷積層和池化層的線路數量和層級設置也不同。相對于對比文件1，確定發明實際解決的技術問題是如何提升廢鋼等級劃分的準確性。對比文件1是利用已經確定種類的廢鋼圖像數據進行特征提取并進行模型訓練，發明專利申請為了根據廢鋼的平均尺寸進行等級劃分，需要針對雜亂無章、相互疊壓的廢鋼圖像識別出廢鋼的形狀、厚度，為了提取圖像中廢鋼的顏色、邊緣和紋理等特征，在模型訓練的過程中對卷積層和池化層的線路數量和層級設置等均進行了調整，上述算法特征與技術特征功能上彼此相互支持、存在相互作用關系，能夠提升廢鋼等級劃分的準確性，應當考慮所述算法特征對技術方案作出的貢獻。上述對卷積層和池化層線路數量和層級設置進行調整等內容未被其他對比文件公開，也不屬于本領域的公知常識，現有技術整體上并不存在對上述對比文件1進行改進以獲得發明專利申請的技術 方案的啟示，要求保護的發明技術方案具備創造性。
結合【例1】、【例2】以及征求意見稿中的審查分析可以看出，【例1】中對于包含算法特征或商業規則和方法特征的發明專利申請，尤其是涉及到對個人信息采集的合理性、個人信息的用途等發明申請，需要嚴格遵守《中華人民共和國個人信息保護法》；【例2】中主要強調所申請的發明專利，更需要遵守人權、生命權、無歧視等有關社會倫理道德的約束，更加要考慮對于社會公眾的善良認知的影響。
結合【例18】、【例19】可以看出，在對涉及人工智能類發明專利申請的創造性審查時，會考慮是否是模型套用或者模型結構是否發生了實際的改進等因素，通過案例進一步釋放出人工智能類發明專利申請，在突出其創造性時可能的撰寫方向。
14、人工智能相關專利申請的撰寫
6.3說明書及權利要求書的撰寫
6.3.1說明書的撰寫
包含算法特征或者商業規則和方法特征的發明專利申請的說明書應當清楚、完整地描述發明為解決其技術問題所采用的解決方案。所述解決方案在包含技術特征的基礎上，可以進一步包含與技術特征功能上彼此相互支持、存在相互作用關系的算法特征或者商業規則和方法特征。如果涉及人工智能模型的構建或訓練，則一般需要在說明書中清楚記載模型必要的模塊、層級或連接關系，訓練必需的具體步驟、參數等；如果涉及在具體領域或場景中應用人工智能模型或算法，則一般需要在說明書中清楚記載模型或算法如何與具體領域或場景相結合，算法或模型的輸入、輸出數據如何設置以表明其內在關聯關系等，使得所屬技術領域的技術人員按照說明書記載的內容，能夠實現該發明的解決方案。
6.3.2 權利要求書的撰寫
6.3.3 審查示例
【例 20】
一種用于生成人臉特征的方法 申請內容概述
發明專利申請通過將設有空間變換網絡的第一卷積神經網絡所生成的特征區域圖像集合，對各第二卷積神經網絡實現信息共享，據此可以減少內存資源占用，同時提高人臉圖像生成結果的準確度。
申請的權利要求
一種用于生成人臉特征的方法，包括： 獲取待識別人臉圖像；
將所述待識別人臉圖像輸入第一卷積神經網絡生成所述待識別人臉圖像的特征區域圖像集合，其中，所述第一卷積神經網絡用于從人臉圖像中提取特征區域圖像；
將所述特征區域圖像集合中的每個特征區域圖像輸入對應的第二卷積神經網絡生成該特征區域圖像的區域人臉特征，其中，所述第二卷積神經網絡用于提取對應的特征區域圖像的區域人臉特征；
根據所述特征區域圖像集合中的各特征區域圖像的區域人臉特征生成所述待識別人臉圖像的人臉特征集合；
其中，所述第一卷積神經網絡中還設置有空間變換網絡，用于確定人臉圖像的特征區域； 以及將所述待識別人臉圖像輸入第一卷積神經網絡，生成所述待識別人臉圖像的特征區域圖像集合，包括：將所述待識別人臉圖像輸入所述空間變換網絡，確定所述待識別人臉圖像的特征區域；將所述待識別人臉圖像輸入所述第一卷積神經網絡，根據確定的特征區域，生成所述待識別人臉圖像的特征區域圖像集合。
說明書相關段落
本申請實施例提供的用于生成人臉特征的方法，首先通過將獲取的待識別人臉圖像輸入第一卷積神經網絡，可以生成待識別人臉圖像的特征區域圖像集合。第一卷積神經網絡可以用于從人臉圖像中提取特征區域圖像。然后，可以將特征區域圖像集合中的每個特征區域圖像輸入對應的第二卷積神經網絡，從而生成該特征區域圖像的區域人臉特征。第二卷積神經網絡可以用于提取對應的特征區域圖像的區域人臉特征。之后，根據特征區域圖像集合中的各特征區域圖像的區域人臉特征，可以生成待識別人臉圖像的人臉特征集合。也就是說，第一卷積神經網絡所生成的特征區域圖像集合，對于各第二卷積神經網絡可以實現信息共享。這樣可以減少數據量，從而降低內存資源的占用，同時有助于提高生成效率。
為了提高生成結果的準確度，第一卷積神經網絡中還可以設置有空間變換網絡，用于確定人臉圖像的特征區域。此時，電子設備可以將待識別人臉圖像輸入空間變換網絡，以確定待識別人臉圖像的特征區域。這樣，第一卷積神經網絡對輸入的待識別人臉圖像，可以根據空間變換網絡確定出的特征區域，提取特征層上與特征區域匹配的圖像，以生成待識別人臉圖像的特征區域圖像集合。空間變換網絡在第一卷積神經網絡中的具體設置位置在本申請中并不限制。空間變換網絡可以通過不斷地學習來確定不同人臉圖像的不同特征的特征區域。
分析及結論
發明專利申請請求保護一種用于生成人臉特征的方法，為了提高人臉圖像生成結果的準確度，第一卷積神經網絡中可以設置有空間變換網絡，用于確定人臉圖像的特征區域，但是說明書中并未記載該空間變換網絡在第一卷積神經網絡中的具體設置位置。
所屬技術領域的技術人員知曉，空間變換網絡作為一個整體，可以插入到第一卷積神經網絡中的任意位置，形成卷積神經網絡嵌套的結構，例如該空間變換網絡可以作為第一卷積神經網絡的第一層，也可以作為第一卷積神經網絡的中間層，上述位置并不影響其識別圖像的特征區域的能力。通過訓練，空間變換網絡能夠確定不同人臉圖像的不同特征所在特征區域。由此，空間變換網絡不僅可以指導第一卷積神經網絡進行特征區域切割，還可以對輸入數據進行簡單的空間變換，以便提高第一卷積神經網絡的處理效果。據此，發明專利申請所采用的模型的層級清楚，各層級之間的輸入/輸出及其之間的關系清楚，其中，卷積神經網絡和空間變換網絡都是公知的算法，所屬技術領域的技術人員根據上述記載能夠構建相應的模型架構。因此，發明專利申請請求保護的解決方案在說明書中已被充分公開，符合專利法第二十六條第三款的規定。
【例 21】
一種基于生物信息預測癌癥的方法申請內容概述
發明專利申請提供了一種基于生物信息預測癌癥的方法，通過訓練好的惡性腫瘤增強篩查模型，將血常規、血生化檢測指標和人臉圖像特征共同作為篩查模型的輸入，得到惡性腫瘤患病預測值，由此解決提升惡性腫瘤預測準確性的技術問題。
申請的權利要求
一種基于生物信息預測癌癥的方法，其特征在于，包括：
獲取待篩查者的血常規化驗單、血生化化驗單，識別血常規、血生化化驗單中的檢測指標、年齡、性別；
獲取待篩查者正面的素顏人臉圖像，提取人臉圖像特征；
基于惡性腫瘤增強篩查模型，預測出相應待篩查者中惡性腫瘤患病預測值；其中，惡性腫瘤增強篩查模型的訓練過程為：構建大規模人群樣本集合，樣本中包含同一人的血常規、血生化和人臉圖像；利用血常規、血生化和人臉圖像特征建立學習樣本；利用學習樣本訓練機器學習算法模型，得到惡性腫瘤增強篩查模型。
說明書相關段落
目前采用腫瘤標志物識別惡性腫瘤時，腫瘤標志物的標準在大于閾值的情況下，并不能確定為惡性腫瘤，在小于閾值的情況下，也不能排除惡性腫瘤，根據腫瘤標志物預測癌癥，其準確性不高。本申請利用血常規、血生化檢測指標、人臉圖像來提高多種惡性腫瘤的識別準確性。本申請在利用血項化驗數據的同時，參考人臉圖像所反映出的待篩查者的健康狀況，可以更加準確的預測惡性腫瘤的患病概率，其中惡性腫瘤增強篩查模型計算特征的選取，可以利用血常規數據和血生化的部分指標或全部指標。
分析及結論
發明專利申請要解決的技術問題是如何提高惡性腫瘤預測的準確性，為解決上述技術問題，該解決方案利用訓練好的惡性腫瘤增強篩查模型，將血常規、血生化檢測指標和人臉圖像特征共同作為篩查模型的輸入，以期得到惡性腫瘤患病預測值。然而，血常規和血生化這兩種常見的生化檢測項目各包含了幾十個檢測指標。但是，說明書中并未記載具體哪些指標是與腫瘤預測準確度相關的關鍵指標，或是參考了所有指標、對各指標賦予不同權重進行預測，所屬技術領域的技術人員也無法確定哪些指標能夠用于判斷惡性腫瘤。同時，基于目前的科學研究，除了面部皮膚癌等少數幾種腫瘤外，人臉特征與罹患惡性腫瘤之間是否存在 關聯尚不確定，說明書中也未記載或者證明“判斷的依據因素”與“判斷的結果”兩者之間的因果關系。此外，說明書中也沒有提供任何驗證數據證明采用該解決方案識別多種惡性腫瘤的準確率比采用腫瘤標志物識別的準確率更高，或明顯高于隨機判斷惡性腫瘤患病概率的準確率水平。所屬技術領域的技術人員僅根據說明書公開的內容，無法確定本申請的解決方案可以解決其要解決的技術問題。因此，發明專利申請請求保護的技術方案在說明書中未被充分公開，說明書不符合專利法第二十六條第三款的規定。
在以往的較多的專利申請文件中，人工智能模型常常被作為“黑匣子”使用，可能會存在說明書公開不充分的問題。此次征求意見稿中所增加的撰寫要求明確的給出人工智能模型相關案件中，說明書中應該清楚的記載模型必要的模塊、層級或連接關系，訓練必需的具體步驟、參數等，以及模型或算法與場景的結合、輸入數據和輸出數據之間的關聯關系等，意在給予企業創新主體以及專利從業人員有效的說明書撰寫規則，從而避免說明書存在公開不充分的問題。
上述【案例20】中，在說明書中對第一卷積神經網絡、第二卷積神經網路處理圖像的具體過程進行了描述，通過數據流向可以明確第一卷積神經網絡和第二卷積神經網路的連接關系，而且，對于第一卷積神經網絡、第二卷積神經網絡的功能進行了描述，尤其是對于空間變換網絡的功能進行了詳細描述，雖然并未描述空間變換網絡在第一卷積神經網絡的位置，但該內容屬于本領域技術人員所應知曉的部分，因此，該案中的說明書被審查員認為公開是比較充分的。
針對上述【案例21】，其主要存在三個問題，第一，本領域技術人員根據已經公開的內容明確的知曉血常規的哪些指標是與腫瘤預測準確度相關的關鍵指標，從而有理由質疑篩查模型的訓練過程不清楚；第二，“判斷的依據因素”與“判斷的結果”兩者之間的關聯關系不清楚；第三，沒有任何證據證明申請文件的技術方案效果更好。基于此，此案被審查員認為說明書公開不充分。
上述兩個案例的示出，或將對現行人工智能類發明專利申請的說明書審查帶來新一輪的“真金”考驗，也會對行業從業人員在說明書撰寫上的深度、對模型結構的理解、以及對模型訓練過程中的權重、參數等的剖析帶來更高的要求，進一步印證國知局在完善知識產權法治保障、聚焦行業新領域新業態的發展，持續提高專利審查質量上所做的保障性和完善性工作。
總體來說《專利審查指南修改草案（征求意見稿）》中對于人工智能相關專利申請的審查規則的修改明確了涉及個人信息采集、算法倫理等場景的審查紅線，強調技術方案需符合法律與社會公德；同時，新增的創造性審查示例為人工智能類專利的撰寫方向提供了實踐指引，要求突出算法特征與技術特征的協同作用。此外，說明書需打破“黑匣子”限制，詳細公開模型架構、訓練步驟及數據關聯，以確保技術方案的可實現性。本次修改釋放出國家在規范人工智能創新、保障專利質量上的決心，為行業從業者劃定了更清晰的研發與申請邊界。
本系列推文第四期（最終期）將聚焦“包含比特流的發明專利申請審查”條款修改，深入解析數據流處理、編碼技術等領域的審查標準調整，探討其對通信、計算機等行業技術保護的影響，敬請關注。
Copyright ? 2021 華進聯合專利商標代理有限公司.All Rights Reserved.粵ICP備12081038號
400-883-1990
info@aciplaw.com
