关键要点
- 采取混合型知识产权保护策略：将核心技术创新的专利与不断演进的专有技术（如数据集和人工智能优化方法）的商业秘密相结合，并辅以明确的合同，在合作中界定所有权和使用权。
- 加强人工智能环境中的商业秘密治理：通过限制仅使用经批准的工具、实施访问控制、纳入强有力的合同保护条款，以及对员工进行保护敏感信息的培训，从而降低“影子人工智能”和数据泄露带来的风险。
- 明确数据所有权并记录人工智能辅助的发明：应在协议中明确界定数据权利，以避免纠纷；同时，通过记录人工智能辅助创新中人类的贡献来确保专利适格性，因为只有自然人才符合发明人的资格。
人工智能（AI）驱动的制造技术正迅速普及，这给企业法务和商业领袖带来了双重挑战：如何在通过创新获取竞争优势的同时，有效管理随之而来的知识产权（IP）风险。随着制造商将人工智能驱动的机器人技术、基于物联网（IoT）的数字孪生以及自主人工智能系统融入运营，他们正在产生大量的知识产权资产和风险，这需要制定前瞻性的法律策略。
有三个问题应该让每一位制造业高管夜不能寐。第一：我们是否充分保护了工程和设计团队借助人工智能开发的创新成果——还是说我们正让宝贵的知识产权暴露在外？第二：我们正在产生海量的运营数据，但这些数据是否真正归我们所有？从法律角度来看，我们可以对这些数据做些什么？第三：人工智能工具正在员工中广泛普及，且往往缺乏监管——我们该如何防止某位员工的一个简单提示就泄露我们最敏感的商业机密？
本文是福里律师事务所（Foley）“2026年制造业与供应链人工智能系列”的一部分，系统梳理了人工智能创新与知识产权保护交汇处的实用法律框架，并提出了保障知识产权、降低诉讼风险以及应对智能制造中固有的合同与监管复杂性的策略。
1. 智能制造技术的知识产权保护策略
在智能制造领域，有效的知识产权管理需要采取分层策略，协调运用专利、商业秘密和合同权利。以汽车制造为例：如今的汽车是软件定义的平台，与上一代汽车相比，更接近于iPhone，因此汽车制造商必须越来越多地像科技公司那样思考，而非像传统制造商那样。 这一转变体现了更广泛的智能制造格局，在该领域中，专利对于保护离散的技术创新（例如人工智能与工业控制系统的创新集成、专有传感器融合算法以及预测性维护的进步）显得尤为重要。然而，人工智能驱动的制造中许多竞争优势在于迭代性专有技术以及不断演进的系统。在某些情况下，将此类竞争优势作为商业秘密加以保护可能更为妥当。
领先制造商越来越多地采用混合策略：一方面利用专利保护来保障核心发明并创造许可机会，另一方面利用商业秘密保护措施来保护培训方法、专有数据集和优化参数。版权保护则通过涵盖软件代码和用户界面来补充这一框架，而商标则保障了专有平台的品牌权益。 然而，实施这种混合策略必须建立在对公司内创新成果的广泛认知基础上，同时必须采取适当的预防措施，以维护那些被指定为商业秘密的创新成果的机密性。
在多方合作关系中，知识产权的分配问题应在任何联合开发项目启动之初就明确解决。管理协议应明确界定背景知识产权（各方在合作前已拥有的资产）、前景知识产权（共同开发的创新成果）以及改进成果的权利。应就使用范围限制、许可条款及转许可限制进行精准协商，以避免后续纠纷。
在制造业中，任何人工智能工具的规模化应用之前，都必须进行知识产权尽职调查。随着全球范围内针对制造业人工智能的专利申请激增，如果制造商仅依赖供应商的声明而未进行实施自由度分析，则面临着因侵权而造成巨额损失的风险。
2. 人工智能驱动的制造环境中的商业秘密保护与风险
人工智能在制造运营中的应用，已使商业秘密的攻击面大幅扩大。生成式和代理式人工智能工具能够迅速将员工的隐性知识——包括流程变通方案、优化启发式方法以及机构专业知识——转化为数字形式。数字化的吸引力显而易见：关键知识触手可及，可在整个组织内即时获取。但凡是您能即时访问的资产，就可能成为威胁行为者的攻击目标。 您数字化的信息越多，攻击面就越大。而且这种威胁绝非纸上谈兵——数据泄露事件充斥着每轮新闻周期，威胁行为者正越来越多地将目标对准物联网网络和人工智能训练数据。
“影子AI”已成为一个特别值得关注的问题：员工部署未经审查的生成式AI工具，这些工具可能会将敏感数据传输到外部服务器，或利用专有数据来训练第三方模型。现实情况是，员工必然会使用AI工具——关键在于他们使用的是配备适当安全保障的经批准工具，还是会使用那些可能使组织面临风险的未经授权的替代方案。 企业若未能提供经公司批准的AI解决方案，并不能杜绝工具的使用；这只会将使用行为推向地下，从而使风险成倍增加。在制造环境中，生产数据通常会在合作伙伴和平台之间共享，因此无意中泄露的风险尤为严峻。
要降低这些风险，需要建立一个分层治理框架：
- 批准使用的工具：将人工智能工具的使用范围限制在企业批准的、内部托管的或通过合同管控的系统内，且这些系统须具备适当的保密措施。
- 访问控制：实施分级访问控制、数据分区以及对人工智能交互的持续监控，以检测并限制未经授权的数据流动。
- 合同保障措施：要求与所有供应商、员工和承包商签订严格的保密协议，并制定离职程序，强制要求其归还或销毁专有信息。
- 培训与审计：定期开展商业秘密审计，并针对性地对员工进行培训，以确保员工清楚了解何为专有信息，以及通过人工智能工具泄露信息所带来的风险。
- “需知”原则：如果信息与合作关系无关，就无需分享——无论现有保护措施如何完善。最有效的商业秘密保护方案都建立在“审慎克制”的原则之上：只分享必要的信息，绝不透露更多。
与人工智能供应商签订的合同应包含保密义务、数据使用限制、模型训练禁令以及审计权。在可行的情况下，制造商应将模型部署在内部服务器上或使用私有云实例。这些保障措施既能降低信息泄露风险，又能通过证明已采取合理措施维护机密性，从而在《商业秘密保护法》框架下增强针对潜在商业秘密盗用索赔的法律依据。
3. 智能制造中的数据所有权与合同风险分配
智能制造系统生成的数据——包括传感器输出、数字孪生遥测数据以及人工智能推理日志——既是战略资产，也是商业纠纷的持续源头。在多方合作关系中，数据权利方面的模糊性可能迅速升级：共享生产线的传感器数据归谁所有？一方能否使用另一方的数据来训练人工智能模型？与云服务提供商共享数据需遵守哪些限制？如果没有明确的合同约定，这些问题将引发代价高昂的诉讼。
协议应具体明确数据所有权问题：将数据划分为背景数据（既有的）或前景数据（合作期间产生的）；衍生作品（包括基于共享数据训练的人工智能模型）的权利归属；许可范围及使用领域的限制；分包商的义务传递；以及针对与数据相关的知识产权或隐私索赔的赔偿责任。
责任限制条款应根据数据驱动的争议风险进行调整，争议解决条款应反映当事方之间的商业关系。制造商还应确保对数据使用情况拥有审计权，并在合同终止时协商数据删除或匿名化要求。
4. 智能制造中人工智能辅助发明的专利申请
美国专利商标局（USPTO）于2025年11月发布的《关于人工智能辅助发明的发明人资格修订指南》，消除了专利从业者和创新者长期以来的诸多疑虑。为落实特朗普政府关于美国人工智能领导地位的行政命令，美国专利商标局重申了长期以来的法定要求：只有自然人才能被列为发明人。人工智能系统是发明工具，而非发明人。 决定性标准依然在于构思：自然人必须形成“关于完整且可运作的发明的明确且持久的构想”。
对于在工艺创新中应用人工智能的制造商而言，本指南具有直接的运营意义。由人工智能辅助工作产生的专利权利要求必须有明确证据证明人类的智力贡献，无论是通过即时工程设计、数据整理、模型验证，还是将人工智能输出整合到可行的技术解决方案中。若未能记录人类的贡献，可能会导致专利申请被驳回，或使已授权专利面临无效挑战。
制造商应制定相关规程，对人工智能辅助发明的过程进行同步记录，包括迭代日志、体现人类监督的决策矩阵，以及对人工智能输出结果所作修改的记录。这些记录有助于专利申请程序，并在专利维权行动中提供关键证据。此外，从业人员应密切关注国外专利制度，其中一些国家正在制定与现有标准相左的人工智能发明人认定标准，这可能会影响优先权主张和申请策略。
结论：知识产权作为战略基础设施
随着人工智能驱动的制造技术日益成熟，知识产权不应仅被视为合规性工作，而应被视为核心战略基础设施。那些建立清晰的创新追踪流程、部署符合自身业务目标的分层保护策略、强化商业秘密保护计划，并就知识产权所有权条款进行精准谈判的制造商，将能够充分释放创新价值，同时最大限度地降低诉讼风险和监管风险。
福里律师事务所（Foley）的制造业、科技及 知识产权律师团队定期就人工智能驱动的运营中的知识产权战略、合同架构及争议解决事宜，为制造商提供法律咨询。如需了解更多信息，请联系本文作者或您的福里律师事务所负责对接的合伙人。
