对于专利律师而言，目前几乎没有哪个技术领域比人工智能（“GenAI”）更值得密切关注。世界知识产权组织（“WIPO”）发布的两份报告涵盖了两年时间跨度： 《专利格局报告：生成式人工智能》 （2024年发布，以下简称“2024年报告”），以及 《生成式人工智能专利趋势更新》 （以下简称“2026年报告”）。这两份报告共同从数据角度，展现了人工智能专利申请的发展历程，以及这种演变对创新者及其法律顾问的意义。
《2026年报告》突显了全球人工智能专利申请速度的加快，这一趋势引起了为科技相关客户提供法律咨询的律师们的关注。世界知识产权组织（WIPO）的《2026年报告》对《2024年报告》进行了更新，记录了该领域已进入其所谓的“技术成熟与商业紧迫性并存的新阶段”。[1]2024年至2025年间，生成式人工智能（GenAI）发明数量大致翻了一番，已公布专利家族总数从约18,862个增至37,808个[2]；仅2024年和2025年两年，就有超过56,000个新的生成式人工智能专利家族被公布[3]，这一数字已超过此前十年累计产出的总量。[4]生成式人工智能目前占人工智能专利活动总量的8.7%，高于2023年的6.1%。这些并非投机性申请。虽然专利申请并不等同于可执行的知识产权，且其中许多申请在成熟为授权专利之前将面临有效性挑战，但其庞大的数量反映了创新领域的真实趋势。 这是一个企业正积极进行创新、构建知识产权组合，并表明其有意在前沿领域展开竞争的技术领域。[5]
地理很重要[6]
就战略规划而言，地域格局是最关键的因素。中国依然稳居领先地位，仅2024年和2025年就公布了超过43,000个专利家族，这一数字已超过其过去十年累计总产量。但增长正呈现出日益全球化的趋势。日本在发明人所在地排名中大幅跃升至第三位，超越了韩国，这主要得益于软银（SoftBank）异常活跃的专利申请活动。 2023年至2025年间，美国实现了92%的复合年增长率，专利家族数量从2023年的约1,185个增至2025年的超过4,380个。 在企业层面，最引人注目的变化是软银已跃居单家最大生成式人工智能（GenAI）专利持有者，拥有近3,000个专利家族，其中几乎全部于2023年提交并于2025年公布。中国传统领军企业腾讯、平安和百度仍位列累计专利持有量最大的企业之列，而Alphabet则以1,083个专利家族成为美国最大的专利持有者。 相关活动高度集中于东亚地区，这表明主要在西方市场运营的企业应认真审视自身的竞争定位。
值得注意的是，《2026年报告》的数据揭示了这些专利申请的性质。国际专利家族（即在两个或以上司法管辖区提交的专利申请）在生成式人工智能（GenAI）领域的整体活动中所占比例依然很小，约占2025年所有专利申请总量的9%。 该报告将这一现象部分归因于该领域的地域构成：中国申请人通常在国内提交大部分专利申请，且许多生成式人工智能专利组合尚处于发展初期，这意味着申请人尚未将保护范围扩展至国际。 这引发了一个尚未得到充分重视的前瞻性问题：随着中国和日本企业使其专利组合日趋成熟，并开始在具有商业重要性的司法管辖区进行专利申请，那些在重叠技术领域尚未建立起具有竞争力的知识产权的企业，可能会面临因许可要求、规避设计或直接的“自由实施”挑战而带来的重大风险。
数据战略的重要性[7]
根据《2026年报告》，“2025年讨论最热烈的生成式人工智能（GenAI）趋势是‘代理式人工智能（agentic AI）’的兴起，即能够在极少人工监督的情况下，自主规划、执行多步骤任务，并根据实时反馈循环调整行为的系统。”[8]代理式人工智能与早期的生成式人工智能工具有何不同？ 这些系统不再仅仅是对单一提示进行响应，而是将复杂目标分解为循序渐进的行动步骤，调用外部工具和数据，并在过程中不断优化自身输出结果。该领域虽尚处于起步阶段，但早期专利申请已陆续出现，Alphabet（谷歌）和英伟达（Nvidia）等企业已成为先行者。随着代理式AI的日趋成熟，预计其在生成式AI专利版图中的占比将不断扩大。[9]
这种多模态演进的一个实际后果是：随着系统能力的不断提升，多样化训练数据的价值非但没有降低，反而变得愈发关键。《2026年报告》指出，DeepSeek等公司推出的高效模型已证明，只需此前预估成本的一小部分，即可实现具有竞争力的推理性能；而开放权重模型的广泛发布，则使前沿级生成式人工智能（GenAI）的获取变得更加普及。 但抽象地了解模型架构，与拥有适用于特定商业应用（尤其是在生命科学和医疗保健领域）的高质量、领域特定数据集的可辩护权利，是两码事。 事实上，我们或许仍处于某种“数据淘金热”之中：计算基础设施已然存在，模型架构正日益商品化，而任何特定AI应用的差异化优势，越来越取决于开发者能否掌握专有、经过精心筛选且在法律上具有可辩护性的训练数据。对于专利顾问而言，这意味着知识产权战略不能仅止步于模型层面。客户需要思考如何保护和控制为这些系统提供数据的管道。 不过值得注意的是，保护训练数据的法律工具仍不完善。商业秘密保护虽然通常最适合专有数据集，但其执行面临新的挑战，且需要在秘密被盗用之前就做好规划，以识别并加以保护。企业应将数据保护视为一种分层策略，结合商业秘密协议、合同限制和技术访问控制，同时认识到没有任何单一的法律理论能提供全面的保护。
生命科学的故事[10]
就生命科学与医疗保健领域而言，《2026年报告》中最能说明问题的数据之一，是该领域在这份本应全面的分析中所占篇幅之少。 “分子、基因和蛋白质”数据模式最能直接反映生命科学领域的创新，其近期增长态势呈现波动：2023年为523个专利家族，2024年降至397个，2025年回升至766个。 该报告指出，尽管这一类别规模仍然相对较小，但它“继续反映出生成式人工智能在药物发现、蛋白质设计以及更广泛的生命科学领域中的应用日益增多[11]”。展望未来，报告指出：“生成式人工智能向医疗保健、制造业、金融和能源等领域的融合，可能会扩大该领域专利申请主体的多样性。”[12]该领域的专利活动虽未出现崩溃，但其增长速度未能跟上基于文本和图像的人工智能应用所呈现的爆发式增长。
生命科学领域的人工智能专利申请目前仍是一个值得关注的领域，而非当前格局中的主导主题。该领域与多模态系统及数据质量之间存在直接且重大的关联：在医疗保健和药物研发领域，训练数据存在缺陷或偏见所带来的风险极高。随着多模态模型越来越多地将临床记录、影像、基因组数据和文献整合到单一架构中，每个数据源的来源和质量的重要性也随之倍增。 对于生命科学应用而言，偏颇的算法可能导致候选药物研发方向偏差或患者群体分类错误，因此训练数据的质量和来源至关重要。[13]尽管这些风险合乎逻辑，且在多模态人工智能的技术现实中具有充分依据，但需要注意的是，法院和监管机构尚未通过执法行动或公布的责任认定，针对人工智能驱动的生命科学领域中数据质量缺陷问题采取应对措施。 关于此类缺陷可能引发可诉索赔的法律理论尚未成熟，这使得该领域的实际风险远超现有法律框架所能覆盖的范围。
战略意义
对于在此环境下为客户提供建议的专利代理人而言，战略要务虽然简单明了，却刻不容缓。《2026年报告》明确指出：“专利格局正以前所未有的速度演变，而当前就‘在哪里申请、保护什么以及如何在日益拥挤的领域中应对’所作出的战略决策，将决定未来数年的竞争地位。”[14]专利律师应将客户的专利组合与上述竞争格局进行对比分析，特别要注意：在大型语言模型（LLMs）和多模态系统已成为主流的当下，围绕早期生成式人工智能（GAN）特定架构起草的权利要求措辞，是否仍能准确反映当前创新的实际发展方式。
美国创新者需要特别注意的是，由于《美国法典》第35编第101条[15]设定的限制，在美国申请人工智能技术的专利比在许多其他司法管辖区要困难得多。根据“爱丽丝/梅奥”框架，与人工智能相关的发明在专利适格性方面面临更严格的审查，其权利要求常被认定为针对在通用计算机硬件上实现的抽象概念。 联邦巡回上诉法院尚未为人工智能方法权利要求划定明确界限，且专利审查员在应用两步式可专利性测试时存在不一致的情况。这导致了一种不对称现象：中国、日本和韩国的创新者可以在相对宽松的可专利性标准下为人工智能发明获得专利保护，而美国申请人则面临着实质上更高的门槛。 事实上，美国专利商标局（USPTO）局长约翰·斯奎尔斯曾承认：“在美国将人工智能创新一概排除在专利保护之外，将危及美国在这项关键新兴技术领域的领导地位。”[16]其结果是，仅将专利战略局限于国内申请的美国创新者可能面临潜在的竞争劣势。如果您的专利组合中仅包含那些在美国通过了第101条审查的专利，那么在那些相同发明能够轻松获得专利保护的司法管辖区，您可能错失了重要的保护机会。
因此，国际专利申请策略亟需重新予以高度重视。尽管国际专利申请仅占生成式人工智能（GenAI）专利申请总量的9%，但许多专利组合尚未向国际范围延伸。在现有技术密度增加之前，在关键司法管辖区提交申请是一个真正的良机。特别是对于美国企业而言，全球专利规划不仅是一种选择，更是一种战略必需。 未进行全球规划的创新者，可能会面临这样的风险：在最容易获得AI专利的市场上，他们无法对竞争对手行使专利权，同时还要面对来自国外专利组合的“自由实施”挑战——这些专利组合日趋成熟并进入西方司法管辖区。 对于任何其AI应用依赖专有数据集的客户，法律顾问都应就该数据可获得的全方位保护措施提供建议，从商业秘密协议到对下游使用的合同限制，因为在模型架构趋于同质化的背景下，专有数据代表着显著的竞争优势。
[1]《2026年报告》“引言”部分
[2].2026年报告第11页。
[3]《2026年报告》第20页。
[4] 《2026年报告》第7页。
[5]同上。
[6]《2026年报告》第13-16页。
[7]《2026年报告》第10页。
[8]同上。
[9]同上。
[10]《2026年报告》第19页。
[11]同上。
[12]《2026年报告》第20页。
[13]参见Abulibdeh等人，《安全幻象：关于人工智能医疗产品审批的FDA报告》，PMC（2025年）（该报告发现，在691种获得FDA批准的人工智能/机器学习设备中，95.5%缺乏人口统计学透明度，仅有1.6%具备随机试验证据）。
[14]《2026年报告》第8页。另见国会研究服务处，《符合专利授权条件的客体改革：概述》，IF12563（2026年1月16日更新）（指出“一些利益相关方担心，在现行框架下，人工智能发明可能面临风险，因为它们可能会被定性为组织人类活动、思维过程或数学概念的方法”）。
[15]参见HGF，《人工智能专利适格性的转折点？》（2025年）（在适格性审查阶段，对比了欧洲专利局（EPO）的“技术特征/技术效果”方法与美国关于抽象概念的排除规则）。
[16]参见https://news.bloomberglaw.com/ip-law/patent-chiefs-early-opinion-emphasizes-pro-ai-innovation-push
