IP政策研究所研究显示AI专利依据第101条被无效率显著更高

在美国参议院司法委员会准备于明日就美国专利适格性法律现状举行重要听证会之际，IP政策研究所发表了由布法罗大学法学院副教授Amy Semet撰写的研究论文，首次提供了关于在美国地区法院诉讼中主张的人工智能（AI）专利的主题适格性问题的实证数据。该研究发现，AI发明不仅比非AI发明的无效率更高，而且出乎意料的是，由于该领域极高的主题适格性无效率，AI专利的显而易见性无效率较低。Semet承认，至少对于美国专利商标局（USPTO）和经济合作与发展组织（OECD）而言，AI发明的定义一直是一个变化的目标，这两个机构近年来都修订了其官方的AI发明定义。Semet的分析主要依赖USPTO的人工智能专利数据集，通过从50%概率（涵盖边缘案例）到93%概率（几乎确定为AI专利）的多个概率阈值来分析AI发明，其中50%阈值包括130万件专利，93%阈值包含86万件专利。研究聚焦于2000年至2025年间在美国地区法院诉讼的14,000件AI技术专利，指出此类诉讼往往由非执业实体和个人发明人初创公司主导。这些专利在USPTO也更容易面临重复挑战，在美国地区法院主张的AI专利中有23.6%在专利审判和上诉委员会（PTAB）的有效性程序中受到挑战，而所有主张的非AI专利这一比例为11.9%。研究发现，AI专利比非AI专利更常通过驳回动议或诉答判决在案件早期被程序性处理，这意味着涉及AI专利的侵权案件并非审判密集型，因为未和解的纠纷可能会被地区法院早期筛选掉。针对进入实体审理的地区法院案件，Semet指出，AI专利根据《美国法典》第35编第101条（35 U.S.C. § 101）因主题适格性被无效的可能性远高于非AI专利；相反，非AI专利根据第103条（35 U.S.C. § 103）因显而易见性被无效的比例显著高于AI专利，这一结果出乎意料，因为AI和软件专利通常因组合已知技术而受到批评。Semet强调，“在理论上最适合监管常规组合的现有技术 doctrine 在该领域的无效工作中作用相对较小”，虽然从案件处理角度看这是高效的，但从创新角度而言是低效的，因为专利是基于法律依据而非技术上是否真正具有非显而易见性而被无效。除主题适格性外，发现的另一个显著的法定无效理由是根据第112条（35 U.S.C. § 112）的不确定性，但Semet指出，当排除少数包含视觉AI专利的多专利案件集群时，公开充分性的影响显著下降，因此该研究关于不确定性的发现是提示性的、次要的、较弱的结论。美国最高法院2014年在Alice v. CLS Bank案中的裁决对AI专利产生了巨大影响，即使考虑到Alice案后主题适格性无效的总体增加，AI专利自Alice案以来更有可能根据第101条被无效。一个交互模型显示的预测概率表明，在Alice案之前，AI专利根据第101条被无效的可能性并不特别高，但在该裁决之后，它们比非AI专利面临显著更高的适格性无效可能性。Semet的分析还发现，AI专利比非AI专利更不可能做出侵权裁决，在研究中置信度更高的AI专利中，这一差距进一步扩大。通过多项稳健性检验，Semet的数据显示，即使排除软件和电信专利以控制这些领域有效性 doctrine 变化的影响，AI专利的第101条和第103条相关发现仍然显著；当在更高的AI专利置信度阈值下缩小可用专利数据集时，这些结果之间的差距进一步扩大，在93%的阈值下观察到AI专利和非AI专利之间的调整概率差异最大。更高的有效性风险与更低的侵权成功率相结合，形成了一种不对称性，“表明专利制度可能对AI权利要求设置了双重障碍：更难存续，存续后更难执行”。这些模式与未考虑专利法如何适用于使AI或任何技术具有独特性的特征的传统专利 doctrine 不匹配。Semet总结，根据当前专利适格性 doctrine 的现状，数据显示当前 doctrine 对上游基础技术的打击最大，给美国专利法带来了校准问题。Semet的论文提出了几项改革建议，旨在解决这一校准问题而不偏袒AI专利：联邦巡回法院应提供关于第101条适用于数据驱动学习系统的细化指导；法院和国会应协同工作，重新平衡第101条和第112条的无效理由，以便在侵权案件中能够实际触及AI专利过于宽泛的根本问题。Semet承认，消除第101条下的所有司法例外是所建议的“最雄心勃勃”的改革，但研究的实证数据显示，主题适格性已经取代了新颖性和显而易见性，这一点已被联邦巡回法院在American Axle和Athena Diagnostics案中的分散裁决所印证。Semet在给IPWatchdog的一份声明中表示，“随着AI技术日益成为经济的核心，当前的法律环境可能正在系统性地不利于这一关键类别的新兴发明”。