引言
收购人工智能公司已成为科技领域影响最为深远的交易类别之一。2023年，全球在生成式人工智能领域的投资激增至252亿美元，预计到2027年，全球人工智能市场规模将达到4070亿美元。随着这一增长，各大科技公司掀起了一股收购热潮，旨在为其平台增添人工智能能力；而随着这些交易的推进，尽职调查的操作指南也在迅速演变。
本文是关于自主系统、物理人工智能及专利战略的十二周系列文章之一。在之前的文章中，我们建立了涵盖物理人工智能领域的可专利发明扩展分类体系，为自主系统公司提供了全面的知识产权战略指南，并分析了专利申请是否有助于物理人工智能公司筹集资金的相关数据。在此，我们将目光转向交易中的买方：在人工智能和自主系统交易中，收购方目前会进行哪些尽职调查？
在2021年的一篇文章中，我们通过苹果公司的人工智能收购案例来分析了这一趋势。2016年至2020年间，苹果收购的人工智能公司数量超过了任何其他收购方，其中包括多家拥有适用于自动驾驶汽车（AV）和电动汽车（EV）技术的公司：Drive.ai、Emotient、Vilynx、Xnor.ai、Lighthouse AI、Spectral Edge和Spektral。 数据揭示了一个引人注目的规律。苹果以超过1亿美元收购的三家公司——包括Drive.ai（2亿美元，19项专利资产）、Xnor.ai（2亿美元，20项专利资产）和Emotient（1亿美元，22项专利资产）——每家均拥有约20项美国专利资产，且从成立到被收购仅用了四年时间。 专利组合规模明显较小的公司，其估值较低，被收购所需时间也更长。简而言之，专利组合似乎与收购价值和退出速度均呈正相关。
这一发现至今仍具现实意义，但买方的尽职调查指南已大幅扩展。如今，在自动驾驶和物理人工智能领域的AI并购，需要对六个关键方面进行调查，其范围已远远超出了单纯统计专利资产的范畴。
1. 专有数据：新的“皇冠上的明珠”
原文重点探讨了专利作为推动收购价值的关键资产。如今，专有数据已成为同样关键、甚至在许多情况下更为重要的尽职调查目标。随着基于人工智能的算法和大型语言模型的编程成本不断降低，买家不再仅关注纯粹的工程人才，而是致力于确认目标公司是否掌握独特且专有的数据集。 这已不再仅仅关乎算法和大型语言模型；关键在于能否获取他人无法获得的专有数据，以及能否按照预期方式在人工智能系统中利用这些数据。
对于人工智能公司而言，其真正价值往往体现在无形资产上，包括分层的多功能算法、大型语言模型，以及对专有数据集的独家访问权——这些要素共同产生有价值的答案并推动商业变现。进行尽职调查的买家现在必须追溯“数据的溯源，从其来源到转让给买家的过程”，并确认卖方转让的合同权利足以让买家将数据用于其预期目的。
实际上，这意味着尽职调查团队应提出以下问题：各方可以如何使用这些数据？是否存在保密义务？是否有使用限制？是否需要考虑地理存储位置？如果从数据中获得的洞见促成了创新，这些创新归谁所有？如果数据导致了错误的结论，责任由谁承担？ 在自动驾驶系统领域，这些问题尤为关键。在此背景下，数据管道可能涉及自动标注、主动学习、针对高带宽传感器数据流的数据压缩、保护隐私的数据采集，以及跨分布式车队的联邦学习。
2. 专利资产：从计数到特征描述
我们2021年的分析表明，专利组合与收购结果之间存在关联。这一发现仍然成立，但尽职调查已变得更加精细。如今的买家不再仅仅是统计专利资产的数量，而是对其进行分类分析。
当前的专利尽职调查应评估权利要求范围、有效性、可执行性、侵权风险、实施自由度、第三方异议、所有权、权利归属链、发明人转让情况以及年费缴纳状况。对于人工智能领域的专利，尽职调查团队应审查所主张的发明是否披露了充分的技术细节，而非仅作为“黑箱”式权利要求存在，其中包括架构、训练方法、输入、预处理、推理、运行时更新以及具体的技术改进。
在自动驾驶系统领域，正如本系列首篇文章所述，可申请专利的技术栈已扩展至涵盖感知与传感器融合、人工智能和机器学习模型及训练方法、规划与决策系统、边缘计算架构、仿真与测试、安全与冗余系统、人机交互、车队与群集管理，以及数据管道创新。 专利申请策略还应与产品开发及融资里程碑保持一致，且专利组合应按产品线、技术领域和地域进行分类管理。
在退出前阶段，收购方应确认专利转让已登记在案、发明人声明已完整提交、年费已及时缴纳，且所有权链条清晰无瑕疵。该领域的专利所有权风险尤为突出，因为研发过程通常涉及跨职能团队、大学实验室、政府研究机构、开源社区、专业顾问、联合开发合作伙伴以及创始人既有的知识产权。
可检测性是评估人工智能专利价值的另一个关键因素。在产品运行、用户界面或产品文档中可见的功能更容易被检测和执行；而仅存在于云基础设施中的功能，则更适合作为商业秘密加以保护。
3. 技术真实性：防范“假AI”
在我们2021年的分析中未被重点提及的一项风险是“假AI”问题。技术尽职调查应验证AI解决方案是否真实、稳健、可扩展，且与业务目标相一致。如果缺乏彻底的技术尽职调查，投资者将面临投资于被虚假宣传、缺乏真实能力的解决方案的风险，这可能导致巨额财务损失。
所谓“AI洗白”的兴起，是指故意夸大产品或服务的人工智能能力，使其看起来比实际更具创新性。这种做法已引起监管机构的高度关注。 2024年3月，美国证券交易委员会（SEC）首次对两家投资顾问公司——Delphia和Global Predictions——提起指控并达成和解，理由是它们虚报了人工智能的使用情况以吸引投资者。这两家公司均声称使用了实际上并不具备的人工智能技术。Delphia支付了225,000美元的民事罚款，Global Predictions则支付了175,000美元。
对于参与人工智能和自动驾驶交易的买家而言，教训显而易见：尽职调查绝不能仅限于审查营销材料和推介幻灯片。技术尽职调查应独立评估算法和模型、实际的人工智能功能及部署情况、数据隐私与安全措施，以及对相关法规的合规性。买家还应确保关于人工智能能力的公开声明已由法律顾问审核，且内容准确无误。
4. 监管风险：一个迅速扩展的格局
2021年，人工智能领域的监管框架尚不完善。如今情况已大不相同。根据斯坦福大学《人工智能指数报告》，美国与人工智能相关的法规数量从2016年的仅1项增至2023年的25项，仅2023年一年就增长了56.3%。 2023年，美国制定人工智能法规的监管机构数量从2022年的17家增至21家，新加入的机构包括美国交通部、美国能源部和美国职业安全与健康管理局（OSHA）。
在国际层面，欧盟《人工智能法案》确立了全球首个全面的人工智能监管框架，将人工智能系统划分为四个风险等级（不可接受、高、有限和最低），每个等级均设有相应的合规义务。与此同时，美国司法部、联邦贸易委员会、欧盟委员会以及英国竞争与市场管理局的反垄断官员均承诺，将对人工智能对竞争构成的风险保持警惕。
对于人工智能领域的并购尽职调查而言，这意味着买家需要了解目标公司运营的地区以及用户可以访问其产品的地区，从而确定适用法律的覆盖范围和适用范围。 关键的监管领域包括数据隐私（GDPR、CCPA、HIPAA）、算法偏见、人工智能伦理标准、反垄断审查以及行业特定法规。人工智能领域的并购正面临来自反垄断和竞争监管机构的特别审查，这些机构不仅关注垄断行为和反竞争行为，还关注人工智能对就业的影响。
购买协议应体现这种监管复杂性，通过量身定制的陈述与保证条款，涵盖所有权、不侵权、数据隐私合规、网络安全完整性与维护，以及已知风险或限制的披露。买方还可进一步寻求赔偿、保留款、托管安排，以及日益普遍的第三方保险，以管理交割后的监管风险。
5. 网络安全：日益扩大的攻击面
随着自主系统互联程度的不断提高，网络安全尽职调查已成为人工智能采购分析中一个独立的支柱。 根据Upstream发布的2023年报告，2021年至2022年间，汽车网络攻击数量在短短一年内激增了380%，涉及车载信息系统、车载娱乐系统、电子控制单元以及遥控无钥匙进入系统。随着计算设备、传感器和通信接口数量的增加，恶意攻击者可利用的攻击面也在不断扩大。
人工智能特有的网络安全风险已超出传统威胁的范畴。对抗性数据——即对训练数据进行的细微、几乎难以察觉的改动——可能会破坏人工智能算法的运行机制，导致意想不到的结果，从而抵消人工智能带来的积极影响。企业必须确保其训练数据和软件的安全性。不良数据、对抗性输入、遭入侵的传感器或薄弱的联网基础设施，不仅会影响隐私和知识产权，还会影响安全以及系统在现实世界中的行为表现。
采购方应评估“安全设计”、安全开发和网络安全实践、产品测试、漏洞监测、事件响应计划以及供应商的安全控制措施。重要的是，网络安全与合规性并不相同：虽然遵守数据隐私法规是必要的，但这并不总能充分保障数据安全。企业应采取超出最低监管要求的安全措施，包括在设计阶段消除漏洞，并持续监测新出现的威胁。
6. 培训数据的使用权：知识产权的新前沿
自我们2021年的文章发表以来，或许最重大的变化在于“训练数据权利”已作为一项独立的尽职调查类别应运而生。许多人工智能模型是在未获得版权所有者适当授权或同意的情况下，利用第三方数据进行训练的，这可能导致此类模型的最终用户面临潜在的下游法律责任。
买方应核查目标公司的训练数据是否依法收集，以及目标公司是否拥有足以满足买方预期用途的合同权利。尽职调查应审查现有协议，以确定客户或第三方数据是否可用于训练供应商系统或改进供应商自身的产品。应确认与训练材料相关的著作权已获得适当许可或已被排除在外。
监管趋势进一步凸显了这一风险。像加利福尼亚州的AB2013法案这样的拟议立法，将要求人工智能系统的开发者公开用于训练这些系统的数据集的相关文档。随着透明度要求的扩大，训练数据来源方面那些在早期可能未被察觉的漏洞，可能会演变为重大的法律责任。
结论：针对人工智能和自动驾驶交易的新尽职调查框架
2021年我们发表首篇相关文章时，专利资产是买家评估人工智能收购目标的主要依据。正如我们在2021年的文章中所讨论的那样，苹果公司的收购数据充分说明了周密专利战略的价值：拥有约20项专利资产的公司，其估值超过1亿美元，并在四年内完成了退出。
这一结论依然成立，但已不再足够。随着人工智能企业从研究项目转向在现实世界中运行的生产系统，以人工智能为核心的商业模式所面临的风险特征与其他科技企业的并购截然不同，因此需要采取新的方法。如今，收购方必须开展针对性更强的尽职调查，调查范围应涵盖专有数据、专利特征分析、技术真实性、监管合规性、网络安全评估以及训练数据权益。
对于开发自动驾驶/电动汽车相关技术或任何实体人工智能系统的AI企业而言，强大的专利组合依然是创新和专有技术的有力证明，能够成倍提升企业估值。但最有可能被收购的企业，将是那些不仅能展示专利实力，还能证明数据来源清晰、具备真实的技术能力、符合监管要求、拥有强大的网络安全防护，以及对其系统训练数据拥有可捍卫权利的企业。 在本系列的下一篇文章中，我们将探讨随着自动驾驶技术从汽车扩展至无人机、机器人、国防系统、工业自动化以及人工智能驱动的硬件领域，物理人工智能领域的专利战可能从何处打响。
* * *
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。
