自主技术最初源于汽车领域。如今，在物理世界中运行的机器人、无人机以及人工智能设备，同样面临着感知、决策、仿真和控制方面的挑战。了解这些发明的分类体系，是保护它们的第一步。
原始的AV专利分类法：起源
从本质上讲，自动驾驶汽车行业一直是一个与专利息息相关的话题。如今道路上每一辆自动驾驶汽车，都是数百项（有时甚至数千项）已获专利的发明协同作用的结晶。 2019年，欧洲专利局通过一项题为《专利与自动驾驶汽车》的综合研究，绘制了这一创新图景，识别并分类了实现汽车自动驾驶所需的每一个主要技术子领域。尽管该研究侧重于欧洲的专利申请，但其分类体系已成为全球公认的框架，并与在美国专利商标局（USPTO）构建专利组合的美国专利从业者及企业直接相关。
该分类法将自动驾驶技术栈划分为四个主要层级：
- 感知与探测：激光雷达、雷达、摄像头和超声波传感器（系统的“眼睛”），用于检测和解读物理环境；
- 通信：车对车（V2V）和车对基础设施（V2I）的数据交换，使系统能够“看到”自身传感器范围之外的情况；
- 数据处理与人工智能：车载计算和机器学习技术，能够实时解析所有传感器数据；以及
- 车辆控制：将决策转化为实际动作的路径规划、转向和制动系统。
对于美国企业而言，这些层级与美国专利商标局（USPTO）每天受理的实用新型专利申请类型直接对应，也对应着专利从业人员在“爱丽丝案”和《专利法》第101条框架下所面临的权利要求撰写挑战。
该技术分类体系由 SAE J3016 标准作为补充，该标准是业内引用最广泛的分类系统，也是美国监管机构、法院和专利审查员经常援引的依据。SAE J3016 定义了六个驾驶自动化等级，从 0 级（无自动化；传统汽车）到 5 级（完全自动化，无论何时何地均无需人类驾驶员）。 关键的分界线在于第2级和第3级之间。在第1级和第2级（例如自适应巡航控制、车道保持辅助），人类驾驶员仍需负责监控道路情况。而在第3级至第5级，自动驾驶系统本身会在其定义的运行条件下接管全部驾驶任务（感知、决策和执行）。
这对专利战略为何重要？因为自动化水平与可专利创新的密度和复杂性直接相关。从第2级到第3级的飞跃，正是真正具有新颖性的发明所在，也是美国专利申请量激增的领域。这种分层分类体系为专利从业者、投资者和企业领导者提供了一套共同的术语体系，有助于他们识别创新发生在何处，以及专利保护应如何进行最具战略意义的部署。
当前专利格局透露了什么
自2019年以来，交通运输创新领域的专利格局发生了翻天覆地的变化，相关数据令人瞩目。世界知识产权组织（WIPO）发布的《2025年技术趋势：交通运输的未来》报告显示，2000年至2023年间，与交通运输未来相关的专利家族超过110万个，年复合增长率达11%。 作为对比，同期传统交通技术的增长率仅为4%。该报告指出了两大驱动性大趋势（可持续性和数字化），并将专利格局划分为四大技术趋势集群：可持续推进、自动化与循环经济、通信与安全，以及人机界面。
值得注意的是，陆路运输领域的专利占据主导地位，其数量是海运、空运和航天运输方式总和的3.5倍以上。 排名前五的发明人所在地（中国、日本、美国、韩国和德国）占所有发明总数的90%以上。这些数据不仅证实了最初的自动驾驶创新生态系统已趋于成熟，同时也揭示了一个同样重要的现象：推动自动驾驶创新的那些数字化技术（通信、安全、自动化），如今正被广泛应用于各种交通方式以及各类自主物理系统之中。
这一趋势具有全球性。在欧洲专利局（EPO），人工智能相关发明和电池技术被确定为2024年的关键增长领域。在美国专利商标局（USPTO），自动驾驶和人工智能领域的专利申请量呈指数级增长，主要专利权人不仅包括传统汽车制造商（福特、通用、丰田），还包括科技公司（Waymo、英伟达、百度）。 人工智能、传感器融合与物理控制系统的融合势头并未减弱；相反，专利数据表明这一趋势正在加速并不断扩展。美国仍然是最活跃且具有重要战略意义的专利申请管辖区之一。
《物理AI》扩展包
“物理人工智能”这一术语已成为这一扩展领域的统合概念。在2026年国际消费电子展（CES 2026）上，英伟达首席执行官黄仁勋将这一时刻描述为“物理人工智能领域的‘ChatGPT时刻’——即机器开始在现实世界中理解、推理和行动的时刻”。在此语境下，物理人工智能指的是能够在现实环境中感知、推理和行动的人工智能系统，使机器能够预判行为，而非仅仅对行为做出反应。 在2026年GTC大会上，英伟达宣布对其物理AI平台进行重大扩展，涵盖自动驾驶汽车、工业机器人（通过与发那科和ABB的合作）以及类人机器人基础模型。
这不仅仅是一次品牌重塑。其背后的技术挑战在结构上与欧洲专利局（EPO）最初制定的自动驾驶分类法中所界定的挑战完全一致。请看以下相似之处：
| AV技术层（EPO 2019） | 物理人工智能等效体（2026） |
| 感知与传感（激光雷达、雷达、摄像头） | 机器人、无人机和手术系统的多模态感知 |
| 通信（车对车、车对其他设备） | 多智能体协调、群体协议、舰队消息传递 |
| 数据处理与人工智能（车载机器学习、决策） | 边缘推理、世界模型、模拟到现实的迁移 |
| 车辆控制（路径规划、执行） | 操纵、运动、多自由度控制回路 |
| 仿真与测试（场景生成） | 数字孪生、硬件在环、合成数据 |
| 安全与冗余（故障检测、故障安全） | 运行时监控、形式验证、故障检测、诊断和修复（FDIR）系统 |
最初源于自动驾驶汽车的分类体系，如今已扩展至在动态环境中导航的仓库机器人、进行精密操作的外科手术系统、适应天气和地形的农业无人机、在争议空域中协同作战的国防平台，以及在非结构化环境中与人类互动的人形机器人。 在每种情况下，都会出现相同的基本工程问题：系统如何感知环境？如何决定采取何种行动？如何在物理世界中执行该决定？以及当出现故障时，如何安全地应对？
从分类学到战略
理解这一扩展的分类体系并非纯粹的学术练习，而是制定任何有意义的自主系统领域知识产权战略的前提。 例如，一家开发自主仓库机器人的公司，必须确定其技术栈中的哪些层级包含了最具竞争差异化的创新。该公司的优势是在感知管道（传感器融合、物体检测）中？还是在控制算法（抓取、动态环境中的导航）中？还是在仿真基础设施（数字孪生、用于安全验证的场景生成）中？抑或是数据管道（专有标注、主动学习、车队联合数据）中？
每个层面在可专利性、专利披露与商业秘密之间的权衡，以及何时何地提交申请等方面，都存在不同的考量因素。在美国，起草与人工智能相关的权利要求时必须格外谨慎，以符合《美国法典》第35编第101条规定的“爱丽丝案”后专利适格性框架。 对自主系统公司而言，一个好消息是，将人工智能创新与现实世界中的具体改进（例如更高的传感器精度、更快的实时控制，或边缘处理计算负载的降低）相结合的权利要求，往往能在美国专利商标局（USPTO）2024年关于人工智能主题适格性的指导意见下获得良好结果。关键在于将软件创新与机器在现实世界中运行方式的具体技术改进联系起来。 在国际层面，欧洲专利局（EPO）、中国、日本和韩国针对人工智能相关发明分别采用了不同的（在某些情况下更为宽松的）适格性框架，这为构建全球专利组合的企业创造了机遇。
该分类体系也为防御策略提供了参考依据。正如世界知识产权组织（WIPO）的数据所证实的那样，交通运输领域的专利格局高度集中于少数几个司法管辖区和少数几家企业。进入相邻物理人工智能市场（机器人、无人机、农业科技、国防）的企业应预见到，现有自动驾驶专利持有人可能会广泛主张其专利组合，特别是在权利要求措辞的抽象程度足以涵盖感知、规划和控制方面的创新，且不受具体物理平台限制的情况下。
铺垫背景
将自动驾驶分类体系从车辆扩展到物理人工智能系统，这对企业、投资者和知识产权负责人有着直接的启示：自动驾驶初创企业在2015年至2022年间制定的专利战略指南，现在必须加以推广应用。申请哪些专利、在何处提交申请，以及如何将知识产权活动与产品开发和融资里程碑相协调，这些都是每家自动驾驶系统公司都必须尽早且审慎地回答的问题。
在下一篇文章中，我们将重点探讨这一主题：面向自动驾驶系统企业的全面知识产权战略框架，内容涵盖专有竞争信息的保护、知识产权所有权考量、贯穿整个自动驾驶系统栈的可专利主题详细分类、各司法管辖区的申请策略，以及专利申请与产品及融资里程碑的协调。 本文建立的分类体系（感知、人工智能/机器学习、控制、边缘计算、仿真、安全、人机界面、车队管理以及数据基础设施）为该战略的构建奠定了基础。
对于自动驾驶系统公司而言，首要的战略问题并非“我们是否应该申请专利？”，而是“我们是否清楚自动驾驶技术栈的哪些层级包含我们具有防御价值的创新，以及我们是否正在有针对性地保护这些创新？”要回答这个问题，需要一套分类体系；而其余部分则需要相应的战略。
免责声明： 本文所提供的信息可能并不适用于所有情况，在未根据具体情况获得具体法律建议的情况下，不应据此采取行动。
