2026年3月18日，德国DOMPANENT律师事务所合伙人托马斯博士与方老师莅临北京北汇律师事务所，双方围绕欧洲软件类发明专利实务、欧洲人工智能领域知识产权保护核心问题展开深度分享与交流。

本次交流聚焦欧洲专利局（EPO）最新审查实践，拆解AI相关专利申请的关键要求与实操要点，为企业布局欧洲AI知识产权提供了极具价值的专业参考。欧洲专利局当下正全面拥抱AI技术，从审查流程优化到专利授权标准细化，均形成了贴合AI技术发展特点的实务规则，而本次交流也围绕EPO AI工具应用、AI专利检索、可专利性要求、撰写要点等核心问题，进行了全方位、深层次的解答。

欧洲专利局目前使用的AI工具有哪些，它们的主要功能是什么？

欧洲专利局目前主要通过三类AI工具赋能专利审查全流程：一是AI辅助审查修改超范围工具，基于自然语言处理（NLP）技术分析修改后的权利要求与原始说明书/权利要求的关联性，助力审查员精准识别专利申请中超出原始申请范围的修改内容；二是AI增强检索工具（如EPO开发的语义检索系统），通过机器学习算法实现专利文献的相似性检索与语义关联分析，专门协助审查员高效开展专利新颖性、创造性检索；三是口审AI语音转写工具，在口头审理过程中自动将语音实时转为文字记录，生成结构化会议纪要，让审查员能全身心专注于案件核心争议讨论。

AI检索工具如何改变欧洲专利局的检索流程？

AI增强检索工具优化了审查员的专利检索流程，核心是“人机协作”——AI作为辅助手段嵌入现有流程。具体变化如下：

一、检索模式：从“人工主导全量检索”到“AI辅助精准定位”

审查员以专利申请的主题和核心特征为核心，通过AI语义检索（如Espacenet数据库的‘Semantic Search’功能）快速获取按语义关联度排序的文献列表（涵盖专利与非专利文献）。AI通过自然语言处理（NLP）和机器学习算法分析文本深层语义，对文献进行相关性排序（如优先呈现高关联度结果），并提示潜在技术关联点（如‘该文献可能涉及权利要求的X特征’），但无法‘明确技术特征与专利申请的对应关系’（此为审查员的核心工作）。

二、流程环节：从“线性检索”到“迭代验证+补充”

审查员在AI结果基础上，人工验证文献相关性（如确认是否公开申请的“新创性特征”），并补充检索AI未覆盖的遗漏领域（如特定技术分支的冷门文献）。AI再根据审查员的人工反馈（如排除无关文献）动态调整检索参数，优化后续结果。 

三、覆盖范围的显著拓展

AI检索的范围从“关键词匹配”延伸至“语义关联”，具体包括：

1、专利文献：纳入语义关联的文献（如同族专利、引证文献、技术分支相近的专利）；

2、非专利文献：通过AI的语义关联分析识别潜在相关文献（如科学论文、会议录的技术主题匹配），仍以人工筛选为核心。

AI技术的应用对欧洲专利审查周期有什么影响？

AI技术的应用显著优化了欧洲专利审查效率，其对审查周期的影响主要体现在‘人机协作增强’上。EPO推进数字化转型，目标借助AI提升各环节效率（如检索、文档处理），长期有望缩短整体审查周期（从申请到授权）。具体变化包括：

一、检索效率提升

审查员以申请主题为核心，通过AI语义检索快速获取按语义关联度排序的文献列表。AI通过自然语言处理（NLP）和机器学习分析文本深层语义，对文献进行相关性排序并提示潜在技术关联点，显著减少人工筛选负担（如优先聚焦高关联文献）。需说明的是，根据《欧洲专利公约》，检索报告法定时限仍为自申请日（或优先权日）起18个月内出具，AI并未改变这一法定要求。

二、流程严谨性增强

AI提示的‘潜在技术关联点’帮助审查员更全面覆盖现有技术，降低漏检风险；同时，语义检索替代部分低效关键词检索，减少重复劳动，使审查员能更专注于‘新创性判断’等核心工作。长期看，AI通过动态优化检索策略（如根据人工反馈调整参数）持续提升效率，但初期需通过培训帮助审查员适应工具逻辑，以平衡效率与质量。

AI工具会取代审查员吗？对专利行业会产生什么影响？

AI工具不会取代审查员，其对专利行业的真实影响是“增强审查能力、优化流程效率”，具体如下：

一、对审查员的影响

AI的定位是‘辅助工具’（如语义检索生成按相关性排序的文献列表、提示潜在技术关联点），核心决策（如检索策略制定、新创性判断、法律适用）仍由审查员负责。不会导致裁员，反而通过减少重复劳动（如语义检索补充关键词检索的局限），让审查员聚焦于‘核心审查工作’（如技术方案深度理解、创造性分析、与申请人沟通）。

二、对专利行业的影响

1、审查效率提升：AI语义检索（如Espacenet的‘Semantic Search’功能）通过自然语言处理（NLP）和机器学习分析文本语义，快速生成高关联度文献列表，显著减少人工筛选时间，间接提升检索环节效率（检索报告法定时限仍为《欧洲专利公约》规定的18个月内）。

2、审查质量增强：AI提示的‘潜在技术关联点’帮助审查员更全面覆盖现有技术（如同族专利、引证文献、技术分支相近文献），降低漏检风险；同时减少重复劳动，让审查员更专注于新创性等核心判断。

3、业务结构稳定：EPO的核心业务仍是专利申请审查，未改变‘申请-审查-授权’主流程；异议等辅助业务占比小，无倾斜资源的计划。长期来看，AI通过人机协作（如动态优化检索策略）持续优化流程，但需平衡效率与质量控制（如人工复核AI结果的‘假阳性’）。

欧洲专利局对AI相关发明的可专利性有什么具体要求？

欧洲专利局（EPO）对AI相关发明的可专利性以“进一步技术效果”为核心，具体要求如下：

一、排除抽象概念

纯粹AI算法/模型（如神经网络结构、纯粹的训练方法）属于EPO排除的‘抽象概念’类别（如数学方法、计算机程序本身），未与具体技术领域结合的，不授予专利权。

二、核心要求：具备“进一步技术效果”

AI需应用于具体技术领域，解决技术问题并产生技术改进（如优化工业控制精度、提高医学图像识别准确率、降低设备能耗）。此为区分“抽象概念”与“可专利发明”的关键。技术效果可通过AI作为技术手段直接实现（如用AI控制机器人运动），或辅助技术系统提升性能（如用AI优化自动驾驶目标检测）。

三、申请文件要求

需明确描述：1、AI与技术的结合方式（如“用CNN处理激光雷达数据”）；2、技术效果实现机制（如AI模型如何输出控制信号）；3、支持效果的实施例（如对比实验、模拟结果、实际应用数据等）。禁止仅作“用AI改进XX”的简单声明。

四、典型认可领域

包括工业控制（机器人运动优化）、图像/语音处理（医学影像识别、自动驾驶目标检测）、医疗诊断（疾病预测）、能源管理（设备能耗降低）等产生技术效果的场景。

五、通用前提

需同时满足EPC对所有发明的要求：新颖性（未被现有技术公开）、创造性（非本领域技术人员显而易见）、工业适用性（可用于生产/服务）。

在AI专利申请的撰写方面需要注意哪些关键点？

一、明确具体技术应用场景

必须清晰界定AI应用的技术领域（如“工业机器人运动控制”“医学图像识别”），避免泛泛而谈（如“用AI改进设备”）。

二、详细描述“AI与技术的结合机制”

分步说明AI如何解决技术问题，避免“黑盒”描述：1、数据来源与处理方式（如“采集关节传感器扭矩数据→归一化清洗”）；2、AI模型应用（如“用LSTM模型训练，参数为X层、训练数据集Y”）；3、技术输出与作用（如“输出力矩指令→提高装配精度”）。

三、用实施例证明技术效果

提供支持技术效果存在的具体案例（如对比实验、模拟结果、实际应用数据等），包括：1、输入输出变量（如“输入激光雷达点云→输出障碍物位置”）；技术效果（如“准确率从85%提升至95%”或“提高复杂环境下的识别可靠性”）。

四、满足通用公开要求，禁止简单应用声明

需同时符合EPC对发明的基本规定：新颖性（未被现有技术公开）、创造性（非显而易见）、工业适用性（可用于生产/服务）。禁止仅作“用AI改进XX”的声明，需说明AI的独特作用（如“相比传统PID，AI自适应负载变化减少震荡”）。

欧洲专利局对AI辅助驾驶类发明有什么特殊要求？

欧洲专利局（EPO）对AI辅助驾驶类发明的可专利性遵循通用AI规则（核心是“进一步技术效果”），无专门针对该类发明的“特殊技术要求”，但需结合辅助驾驶的技术整合特点详细描述。具体说明如下

一、可专利的辅助驾驶方案类型

只要AI应用解决技术问题+产生技术效果（无需强制量化），以下方案均可能授权：

1、提示/建议类：如用AI识别行人/障碍物并预警（效果：提高检测可靠性）、用AI规划节能路线（效果：降低能耗）；

2、直接控制类：如用AI调整发动机扭矩（效果：优化加速平顺性）、用AI控制刹车系统（效果：缩短制动距离）；

3、混合类：如AI辅助驾驶员决策（效果：减少误操作）。

二、关键撰写要求

与其他AI发明一致，但需突出辅助驾驶的整合特点

1、明确具体技术场景：如“用于自动驾驶车辆的行人检测”“用于混合动力车的能耗优化”；

2、详细描述“AI与技术的结合机制”（重点突出车辆系统整合）：数据来源与处理（如“融合激光雷达点云+摄像头图像→归一化清洗”）；AI模型应用（如“用CNN+LSTM模型训练，处理多源数据”）；技术输出与作用（如“输出障碍物位置信号→触发刹车系统，响应时间≤100ms”）；避免“黑盒”描述，解释AI如何解决车辆控制中的技术问题（如实时性、安全性）。

3、用实施例证明技术效果：提供支持效果存在的案例（如对比实验、模拟结果、实际应用数据），包括输入输出变量（如“输入多源传感器数据→输出控制指令”），无需强制量化（如“准确率提升”或“能耗降低”）。

4、禁止简单声明：不能用“用AI改进辅助驾驶”，需说明AI的独特作用（如“相比传统图像处理，AI能适应夜间低光环境”）。

三、常见驳回理由（通用规则的应用）

若辅助驾驶方案未产生进一步技术效果，如仅用AI分析驾驶员情绪并提示休息，未解决具体技术问题，或描述模糊，如“用AI优化驾驶体验”但未说明如何整合车辆系统，则可能被驳回。

AI领域的术语标准化对专利申请有什么影响？

AI领域术语更新快、标准化程度低（如‘大模型’的不同架构、‘强化学习’的不同算法），给专利申请带来的真实影响是：

一、对“说明书清晰度”的挑战

需明确术语定义（如“本文中的‘卷积神经网络’指采用3层卷积层的模型”），避免同一术语的歧义（如“智能驾驶”可能指L2级辅助驾驶或L4级自动驾驶）。说明书的定义是审查员理解技术方案的基础，直接影响“充分公开”的判断。

二、对“检索效率”的影响

术语不标准化增加了检索的复杂度（如“AI模型”可能表述为“机器学习算法”“神经网络”等），但EPO通过AI增强检索工具（如Espacenet的“Semantic Search”语义检索）缓解了这一挑战——通过自然语言处理（NLP）识别术语的语义关联，覆盖更广泛的现有技术（专利文献、非专利文献）。AI专利申请会像其他专利申请一样被正常检索，不会被排除在常规检索流程之外。

三、对“撰写能力”的要求

需用清晰的技术描述替代模糊术语（如不说“用AI优化驾驶体验”，而说“用LSTM模型处理激光雷达数据，输出障碍物位置预警，提高检测精度”）。核心是高要求“技术效果的明确性”（如说明AI如何解决技术问题），而非“术语标准化”本身。

四、对“权利要求”的影响

关于北汇 

联系方式 

联系电话：010-62698598、13699204373、13520320701

邮箱：biyanhong@beihuilaw.com、wangyanqiu@beihuilaw.com

地址：北京市海淀区知春路6号锦秋国际大厦A座1513

邮编：100190