发展新质生产力的关键在于原创性、颠覆性的科技创新。算法是人工智能时代的新结构性力量，其迭代创新在激活新质生产力的同时也不断冲击算法专利保护规则，具体表现为算法类型演化导致规则体系不协调、当前技术性要件难以适应人工智能算法发展趋势、缺乏适应于算法业态多样化的调节工具等突出问题。在专利审查指南框架下构建赋能新质生产力的算法可专利性规则，算法专利保护规则的关键因素为“产业政策”，算法专利保护对象的核心内涵为“技术贡献”，算法专利保护规则的调节杠杆为“整体考量”，并提出算法专利保护规则的调整建议。

人工智能 算法 可专利性 新质生产力 专利审查指南

引 言

发展新质生产力是推动高质量发展的内在要求和重要着力点，科技创新是发展新质生产力的核心要素。保护知识产权就是保护创新，新质生产力的提出为新领域新业态知识产权保护发展变革提供了新的指导思想。算法在智能社会是最具影响力和标志性的先进生产力，是对智能社会具有全方位决定性意义的超级力量。算法具有改变原有旧生产力要素、激活新质生产力的效应。《知识产权强国建设纲要（2021—2035年）》指出要研究完善算法、商业方法等知识产权保护规则。按照世界知识产权组织划分的35个技术领域统计，截至2023年底，我国国内有效发明专利增速前三位的技术领域分别为信息技术管理方法、计算机技术和基础通信程序，分别同比增长59.4%、39.3%和30.8%，算法在其中均属于核心技术。算法可专利性规则是繁荣数字经济、发展智能社会、形成新质生产力的重要支撑，也是知识产权制度赋能新质生产力发展的关键问题。

　　对于算法是否可以作为专利保护客体的问题，有观点指出，程序算法是运行独立于人脑的物理系统（计算机）的具体方法步骤，应坚持机械时代的“物质状态改变”规则使其顺利通过客体审查；有观点认为，通过法律解释和适用，程序算法、商业方法、人工神经网络等传统的“非技术方案”以及新的技术方案，都可成为可专利性主题；有研究基于法经济学论证将人工智能（以下简称AI）算法作为专利客体进行保护更加符合公共利益需要；有研究指出，激励理论与公共政策理论支持人工智能算法专利客体化。算法可专利性规则折射了不同理论的“影子”，大多数研究支持算法作为专利保护对象。

　　伴随理论研究，我国算法专利保护规则逐步构建。《专利法》和相关司法解释均没有算法保护方面的规定，但作为部门规章的《专利审查指南》（以下简称《指南》）于2017年、2019年、2023年针对算法和商业方法专利进行了三次修订。2019年，《指南》面向计算机程序的第九章增加了第6节“包含算法特征或商业规则和方法特征的发明专利申请审查相关规定”（以下简称《指南》算法和商业方法专节），并分别于2020年、2021年对该专节提出两次修改草案，不断释放保护算法发明的制度空间。实践中，《指南》算法和商业方法专节对算法可专利性判断起主要作用，应当进一步加强理论研究。

　　作为新质生产力的典型，AI算法的新特质对《指南》可专利性规则带来冲击，影响了规则的体系性和实施的一致性。在《指南》语境下，是否应当保护AI算法、为何保护AI算法以及如何保护AI算法的问题需要得到新的系统分析和回应。

一、算法特质及算法专利保护规则存在的问题

　　1. 算法类型缺乏明确区分

　　算法很容易被视为是数学规则的一部分，属于专利法意义上的抽象思想而不被授权。20世纪中叶以来，算法作为计算机程序解决问题的核心内容获得快速发展。《指南》（1993）中计算机程序的概念已包含“数学算法”的表述，认为计算机程序是一种数学算法的表达形式的集合。这一时期的算法具有结果的确定性和步骤的有限性特点，不仅可以通过计算机程序实现，也可以借助其他计算工具（例如纸笔）进行计算，差别仅在于计算效率，而不涉及对于计算机系统内部结构和性能的开发，可以通称为“数学算法”。

　　随着算法形态的快速变化和应用场景的不断拓展，尤其是人工智能、大数据的蓬勃兴起，算法的实用性特征和创新性价值在实践中不断被感知和确证。2016年，DeepMind开发的AlphaGo击败世界围棋冠军，体现了算法的广泛应用潜力。机器学习使计算机能够从数据中学习并作出决策，而无需对每种情况进行明确编程，是算法走向人工智能的重要转折点。至此，算法的概念不再仅指向“在计算机上实现数学计算规则”这一传统含义，还聚焦于对如下问题给出解决方案：如何运用信息技术再现人类智能？如何在社会管理和经济活动中应用信息化的智能？这一时期的算法可以统称为AI算法，其包含随机性和黑箱，计算步骤具有无穷性，需要致力于对有限算力的充分使用，因而考虑计算机系统内部结构的运算效率和执行效果是非常有必要的。

　　除算法和商业方法专节之外，现行《指南》（2023）第九章记载的“算法”仅有一项排除式规定，即如果一项权利要求仅仅涉及一种算法，则该权利要求属于智力活动的规则和方法，不属于专利保护的客体（以下简称“仅涉及算法则不适格”规则）。《指南》（2023）算法和商业方法专节中有四个含有算法表述的案例，涉及神经网络、模糊推理算法、遗传算法等，均属AI算法且对应方案均具备可专利适格性，体现出对AI算法的保护思维。实际上，“仅涉及算法则不适格”规则在早期《指南》中已经存在，该规则对应的案例分别为“利用计算机程序求解圆周率的方法”“一种自动计算动摩擦系数μ的方法”，案例分析将它们分别认定为“纯数学运算方法”“数值计算方法”。该规则中算法的含义并非指当前算法创新的主流，而是针对数学算法这一类型。然而，该规则位于《指南》算法和商业方法专节的上一级条目，使专节中针对AI算法的规则更像是该规则的除外情况而非独立体系，从而可能对AI算法的规则适用带来影响，不利于AI算法的保护。

　　2. 算法和商业方法规则差异凸显

　　2004年的《商业方法相关发明专利申请的审查规则（试行）》曾将商业方法专利单独视为一类。2019年《指南》形成了算法和商业方法规则共同设置的体例。算法与商业方法均以计算机软件为载体，但并不依赖软件。算法本质是解决问题的一种方式，它的运算机理是用数学语言建构数学模型来描述实际现象。计算机软件的发展拓展了算法解决现实问题的能力，算法借助软件而应用于产业。商业方法的构思在经济管理领域早已存在，商业方法专利本质上是将做生意的方法与软件相结合起来，也有学者将商业方法专利称为“软件化了的商业方法”或“商业方法软件”。部分商业方法还属于算法在商业领域的应用。软件的快速发展使算法和商业方法几乎同时与软件产业结合而形成对应产业，且两者属性均接近抽象思维，因而专利保护规则设置存在诸多共性。可见，初期将算法与商业方法专利规则共同设置具有一定合理性。

　　然而，从近年来《指南》算法和商业方法专节的内容及其修改看，《指南》（2023）对《专利法》第2条第2款的审查细化规则仅针对算法。相比《指南》（2019），《指南》（2023）新增的两段客体审查基准分别针对人工智能算法和大数据处理，新增的两段新颖性创造性审查规则中，一段针对算法，另一段为算法和商业方法共同适用。可见，随着算法和商业方法的快速发展，虽然设计两者规则的考量因素还有重叠，但差异已逐渐明显，尤其对于可专利性主题的判断，共同设置的体例已经体现不平衡的表现形式，可能导致规则适用不易协调和易于混淆。

　　从当前立法来看，技术性是客体判断的核心要件之一。欧洲规定了专利应当具有技术性，《与贸易有关的知识产权协定》（以下简称《TRIPS协定》）规定了适格的专利主题必需是“技术领域中的发明”。我国《专利法》第2条第2款对可专利性主题也有明确规定，即发明是指对产品、方法或者其改进所提出的新的技术方案。然而，以技术性作为评判算法可专利性的核心要件仍然存在难点。从机械时代、信息时代乃至智能时代，技术本身处于快速发展阶段，对于技术内涵的诠释充斥着主观要素的干扰。有观点认为，在人工智能社会，算法就是一种新型技术。先进AI算法的研发设计过程就是技术工作。同时，对可专利性主题的技术性要求也并未形成共识。美国法律不强调技术性，只是在所有实用的客体都适格的原则下，将“抽象概念、自然法则、自然现象”排除。马普研究所相关研究也曾建议欧洲专利局不要试图在逻辑算法和技术性之间划出明显界限。以上观点足以提醒：仅依赖技术性要件构建算法可专利性规则并不足够稳固，须进一步寻找新的支撑点。

　　《指南》算法和商业方法专节中客体判断标准为技术三要素标准，即采用技术手段、解决技术问题、获得技术效果，并规定了具备技术三要素的具体情形：算法的各个步骤体现出与所要解决的技术问题密切相关，算法处理的数据是技术领域中具有确切技术含义的数据。然而，先进AI算法的泛化能力是指算法在未知问题、未知领域中数据上的表现，而不限于解决具体某个技术领域的技术问题。泛化能力强的AI算法可以在新环境和任务中快速适应，也称为通用性强的算法。通用性强的算法被专利保护后容易带来技术垄断的风险，在当前技术三要素标准下易被认为不构成保护客体。实践中，泛化能力是先进AI算法的必然追求。机械的执行技术三要素标准会带来如下逻辑：AI算法发展越先进，其越淡化具体技术领域和技术问题，从而越不可能被专利法保护。如果不对AI算法的泛化趋势作出回应，则技术三要素标准的实践意义可能被逐渐弱化。基于此，有必要完善和补充技术性要件和技术三要素标准，在《指南》规则体系下对AI算法泛化的专利正当性作出解释，寻找客体规则构建的支撑点。

　　算法与各行各业紧密结合，呈现阶段性和多样性。初期的算法是在计算机上运行，目的是提高计算效率；随后，算法与传统工业应用系统结合，形成工业控制算法；在网络时代，算法通过软件与经济活动相结合，为商业、管理、金融提供服务，例如亚马逊的“一次点击”创新、消费返利算法乃至股价预测算法。在医疗领域，算法通过提高图像识别精度，助力疾病早期诊断。当前ChatGPT能够理解和生成自然语言，执行包括文本、对话等多种任务。

　　对于上述多样化算法新业态的可专利性，《指南》的政策选择是不同的。例如预测股价算法难以获得专利授权，而工业控制算法则与之相反。实务中“通说”的判断算法可专利性的关键在于是否“紧耦合”，其含义至少包括评估“算法与实际应用之间的关联程度”。客体判断标准借助“紧耦合”而具有了适应产业发展的灵活性。然而《指南》没有明文规定“紧耦合”，其概念内涵并不稳定，因而对算法多样化发展趋势下可专利性的解释能力有限。《指南》对不同算法的不同选择源于激励创新、产业利益、公共利益等多个因素。面对产业发展的差异，客体判断标准确实需要具有足够的弹性。在共同审查原则之下，针对不同类型的产业或同一产业的不同发展阶段，可以分别设置适宜的价值导向。正如在著作权法保护客体的判断方法中，“思想/表达二分法”并非真正关心事实层面思想与表达的界限，而是进行利益衡量与价值取舍，将价值判断正当化的工具。当前亟须在《指南》中构建或揭示灵活可调的审查原则作为调节杠杆，以调节利益冲突或激励程度，从而实现在各类算法业态可专利性选择不同的情况下保持审查基准的稳定性和体系延续性。

二、算法专利保护规则的关键因素：产业政策

　　产业政策论源于激励论，其将知识产权制度视为实现社会效率最大化的手段。专利制度在产生的初期就具有产业政策的属性。威尼斯1474年《专利法》和英国1623年《垄断法》的初衷均是将专利制度作为建立新工业的工具。美国确立专利制度的立法目标为“促进科技的进步和实用工艺的发展”。我国《专利法》第1条规定的立法宗旨包括“促进科学技术进步和经济社会发展”。专利法的修法频率在所有法律部门中堪称之最，每次都与产业政策的更新同频共振，体现了对产业政策的贯彻和制度化。

　　具体而言，Dan L.Burk和Mark A.Lemley倡导应根据具体产业类别制定适合的专利制度。田村善之则进一步指出具体思路：专利法对于发明主题的设定并未以立法的方式来明确指定，专利局或裁判所仍保有裁量空间，从而根据不同的领域运用不同的专利制度。以计算机软件产业为例，软件是计算机技术得以在产业上应用的催化剂，2006年前后，我国软件发明专利申请量首次超过硬件发明专利申请量。对此，《指南》（2006）在保留计算机程序本身不授予专利权规定的基础上，专门强调并不必须包含对计算机硬件的改变，使计算机软件有机会脱离硬件改进的束缚而单独成为被保护的对象，呼应了软件创新和软件产业的快速发展。由此可见，从实际举措来看，专利法对于产业因素的考量多采用解释论而非立法论，产业因素冲击的结果更多表现为对专利审查标准的调整。

　　作为软件功能实现的核心，算法的审查规则更是与产业发展同频。2018年10月，习近平总书记在十九届中共中央政治局第九次集体学习时指出：“人工智能是引领这一轮科技革命和产业变革的战略性技术，具有溢出带动性很强的‘头雁’效应。”AI算法使生产和生活方式产生革命性变化，国家和各地不断发布促进人工智能产业发展的政策，“算法产业”的提法已被专家学者使用。可以说，算法尤其是AI算法已经从软件产业中独立出来成为新的产业。《指南》（2019）新增的算法和商业方法专节以“涉及人工智能、互联网、大数据以及区块链等的发明专利申请”开头，进而对这类申请的审查特殊性作出规定，开宗明义地体现出产业考量。

　　《指南》2020年、2021年修改草案则进一步体现算法产业快速发展对保护规则的积极影响。《指南》2020年修改草案以概括的方式明确认可“计算机实施”作为特殊技术手段，以“利用了计算机实施的技术手段”作为客体审查的核心要件，形成易于算法通过客体审查的明线规则。《指南》2021年修改草案则以列举的方式明确鼓励两类算法改进：一是提升硬件运算效率或执行效果的算法，例如“一种深度神经网络模型的训练方法”；二是提升具体应用领域大数据分析可靠性精确性的算法，例如“一种知识图谱推理方法”。值得注意的是，此规则没有使用《指南》惯用的“技术领域”表述，而是以“应用领域”为条件。技术与产业尚有距离，而应用则直接联系产业。从“技术领域”到“应用领域”的思维转变，体现出回应产业需求是大数据算法规则调整的初衷。在世界知识产权组织《实体专利法条约》的谈判中，曾有观点提出将《TRIPS协定》中可专利性主题的规定从“任何技术领域”扩大到“任何活动领域”，其动力同样源自产业需求。相比于《指南》（2019），《指南》（2023）将深度学习、分类聚类、回归分析等算法具体类型写入审查规则，明确其可专利性条件，进一步扩张了算法可专利性范围。

　　《指南》（2023）充分考虑了算法或商业方法带来的用户体验提升，明确这类专利的授权条件，体现出促进互联网产业的鲜明思路。提升用户体验的改进早已存在，例如对用户更友好的“字典的编排方法”“仪器和设备的操作说明”，甚至“会务安排”。以上改进显然不是专利保护对象，此前《指南》中也未提及用户体验。2013年，我国智能手机出货量已达到4.23亿部，搭载于智能手机的互联网APP创新多是在考虑用户需求和信息利用的基础上提出的，且以提升用户感官体验为目的。用户体验成为决定这类产品市场竞争成败的重要因素。由此，用户体验这一效果成为被专利规则明确接纳的创新目标，构成算法可专利性的正面考量因素。

　　专利保护强度对不同国家或地区有相应的“帕累托最优”。国内创新主体将较多的研发精力放在算法的应用上，基础算法方面起步较晚。当前算法保护规则以促进产业界将算法应用于各领域为目的，从而满足创新主体的需求。以产业政策论视之，算法可专利性规则的构建不能偏离人工智能、大数据产业的发展规律，要为产业未来的发展拓展空间和可能。AI算法的通用性越来越强是未来的重要趋势，未来人工智能产业的发展在于通用的AI算法，因此还要考虑国内创新主体的未来需求。

　　通用性强的AI算法比专用算法的技术复杂程度更强，研发更加困难，需要更多的人力和时间投入，以及专利制度的激励。对于通用性强的AI算法因缺乏技术领域限制而保护范围过大的疑虑，对其不授予专利权固然是一种选择，但由于通用性强的AI算法往往可能构成关键核心技术，因而易成为公共政策的重点激励对象。2023年4月28日，中共中央政治局会议指出，“要重视通用人工智能发展，营造创新生态，重视防范风险”。2023年5月30日，北京市人民政府办公厅印发《北京市促进通用人工智能创新发展的若干措施》（京政办发〔2023〕15号）。2023年11月13日，广东省人民政府发布《广东省人民政府关于加快建设通用人工智能产业创新引领地的实施意见》（粤府〔2023〕90号）。通用性强的AI算法是助推新质生产力的重要引擎，算法功能性的提升极大拓展了应用场景。当应用场景适合于某个产业时，就会产生大量专用算法创新，从而进一步促进产业发展，甚至创造新的产业。对通用更强的AI算法予以有条件的专利保护，构建更强激励算法创新的可专利性规则，对于加快新质生产力形成和社会总财富增加具有促进作用。

三、算法专利保护对象的核心内涵：“技术贡献”

（一）基于劳动论的技术贡献论

（二）技术贡献是中国算法专利保护的目标

（三）AI算法技术贡献体现于数据和算力

四、算法可专利性规则的调节杠杆：整体考量

　　整体论和还原论为哲学领域的两个对立概念。还原论是一种将复杂的系统层层分解为组成部分的过程，其通过分析事物各组成部分来理解整体。整体论强调事物是一个不可分割的统一体，认为只有将事物作为一个整体来观察和分析，才能真正理解其结构和功能。整体论强调事物组成部分之间的相互作用和依赖性，以及这些相互关系如何共同决定了事物的最终属性和功能，并认为将事物分割为独立部分可能破坏其内在联系从而导致误解。整体论和还原论都是开展科学技术研究的方法论，两者路径完全相反，物理学中长期占主导地位的方法论是还原论，而在具有复杂系统和大量非线性现象的新兴信息学科中，整体论为主要的方法论。

　　专利既是科学研究的素材，也是科学研究的成果，作为科学研究的方法论的整体论也适用于专利领域。从专利技术的载体看，专利文件中的权利要求书和说明书采用自然科学的语言文字来表达技术内容。对于自然科学语言的理解，爱因斯坦在《对批评的回答》中阐释了整体论的应用：语言系统是包含了单个词汇和简单语句的复杂整体，即使在自然科学的科学语言系统中，也是作为整体而存在的，是具有科学语境的科学话语或科学理论整体。《专利法》规定了专利权的保护范围由权利要求书决定。整体论是指在专利法上权利要求必须被作为一个整体来对待，是专利法语境下的基本原则。专利法在审查授权和侵权认定环节均强调这一原则，而不能单独通过各要素是否具备专利性来决定该发明是否具备专利性。基于此，构建算法专利保护规则应当坚持整体论。

　　计算机技术从以硬件为主演化成软硬件协同的计算机系统，20世纪80年代，欧洲专利局提出应该将计算机软件与硬件作为一个不可分割的整体来考虑，从而支持了软件获得专利保护。AI算法相关的解决方案是算法流程、数据结构、硬件、应用场景等组成的系统，系统的各个部分并非相互独立，而是协同起来达到解决问题的效果。基于这样的系统，AI算法的原理也是基于整体方法而实现的。以数据挖掘为例，其综合海量数据形成数据集，利用先进AI算法对庞大数据集进行分析，目的是识别出有价值的信息、知识或者关联性。客体的系统性特点决定了其对应的评价体系需具有与其相适应的性质，即客体的系统性决定了判断方法的整体性。相比于其他领域，AI算法具有突出的系统性。以整体考量原则评价算法创新的可专利性，是对算法创新中抽象部分和具象部分的总体衡量而非考虑单一元素，是适应于算法系统性特质的审查方法。

　　面对算法与各技术领域以及经济、社会等非技术领域的紧密结合，整体考量原则也是将价值判断正当化的缓冲器。从事实判断的角度看，整体与否难以泾渭分明。在专利客体的判断规则中，整体考量原则可以作为富有弹性的解释工具，具有价值调节作用。为了应对不同行业和技术对创新激励的不同要求，美国法院设置了多项法律原则作为政策杠杆。面对算法业态的多样化发展趋势，相关机构可以将整体考量原则作为政策杠杆加以实施，通过调整或设置整体考量原则的具体审查规则，可以因技术发展的不同阶段或技术领域的不同而调整创造性和适格性的审查。对于不同发展阶段的不同产业，以整体考量原则为共同基础，发挥整体考量原则的缓冲器作用，保持审查基准的稳定性。

五、算法专利保护规则调整的建议

　　《指南》算法和商业方法专节要延续并突出整体考量的指导思想。建议在该专节增设“6.1审查原则”条款，形成类似于《指南》创造性章节的“审查原则+审查基准”的规则结构，明确整体考量作为审查原则。在审查原则中，强调对技术手段、技术问题、技术效果进行整体分析。强化整体考量对整个算法和商业方法专利保护规则的统领作用，为具体审查规则的构建和调整的一致性、稳定性打下坚实基础。

　　实践中可专利性的判断对象集中于AI算法，而非数学算法。位于《指南》算法和商业方法专节之上的“仅涉及算法则不适格”规则中的算法实质上针对数学算法，但却易被理解为宽泛含义，从而不利于AI算法获得专利保护。建议将该规则中“算法”的表述替换为“数学算法”，从而使此处“算法”指向其本义，并将AI算法专利规则集中于《指南》专节。调整早期树立的限制算法授权的惯性思维，凸显算法和商业方法专节中对于算法的保护思维，增强AI算法在实务中获得保护的可能性。对于暂时不宜授权的算法业态，仍然可以依靠整体考量原则“缓冲器”的作用实现对授权的必要限制，即通过对整体考量原则的解释和适用，将技术三要素标准细化为各类不同情形，稳定调节客体宽度。

　　程序算法专利与“工业实用方法”有关，商业方法专利与“商业实用方法”有关，两者具有差异。受益于大规模的市场，我国商业方法专利相关业态的丰富程度和发展速度不亚于国外，而算法则可能存在差距。在整体考量的共同审查原则下，建议对算法和商业方法分别设置独立的审查基准，以实现不同的调节目标。对于客体判断的技术三要素标准，AI算法审查基准的价值导向是区分通用性强的算法和专用算法，因而着重考量算法在场景中的应用情况。在适用整体考量原则细化技术三要素判断规则时，可以突出技术问题、技术效果、应用领域对于通过客体审查的作用，《指南》2021年修改草案中的新增算法规则体现了上述思路。对于商业方法的客体审查基准，其价值导向是促进应用计算机处理商业数据新业态的发展。降低市场中的信息不对称和提高供需匹配效率均属于经济管理的范畴，难以被公认为技术问题，但其确实是商业方法发明解决问题的出发点和达到效果的落脚点。因此，在以整体考量原则细化技术三要素判断规则时，需要降低对技术效果、技术问题的考量，增加对技术手段的考量权重。《指南》2020年修改草案将“计算机实施”直接认定为技术手段并以其作为最核心的考量因素，是可以采用的调整思路，从而形成鼓励商业方法创新、适应于我国产业比较优势的保护规则。

　　未来AI算法形态将更加多样，有必要基于《指南》历史及时树立AI算法基本审查标准。建议以是否具有技术贡献为支撑点，以整体考量实现价值判断，树立“算法流程、数据和算力的整体考量”的审查思路，作为算法审查规则不断细化和稳定调整的基石。一方面，“算法流程、数据和算力整体考量”的审查思路是对《指南》历史审查标准的概括。《指南》（2006）区分了以计算机程序控制处理计算机外部对象或内部对象作为客体的两种类型并沿用至今。其中，外部对象的典型为外部数据，内部对象的典型为内部性能、内部资源。计算机程序以算法为基础编制，上述规定中的计算机程序、外部数据、内部性能三者可以与算法流程、数据、算力三者对应。《指南》（2019）算法和商业方法专节规定了算法处理的数据是技术领域中具有确切技术含义的数据。《指南》2021年修改草案增加“算法与计算机系统的内部结构存在特定技术关联”“提升硬件运算效率”，体现了对数据及算力的整体考量。另一方面，实践中已经形成“算法流程、数据和算力整体考量”审查思路。“一种建立废钢等级划分神经网络模型方法”发明专利权无效宣告请求案中，证据1与涉案专利具有相同的对模型进行训练的流程步骤。然而两者应用场景不同，涉案专利是废钢收购的场景，而证据1是废钢分拣的场景。AI算法的模型参数和处理对象依赖于应用场景和该应用场景中的训练数据而同步整体调整，两者的检测数据、训练数据、模型参数均不相同，国家知识产权局最终判定“一种建立废钢等级划分神经网络模型方法”（专利号：ZL201910958076.8）专利权有效。该案虽然阐述创造性判断思路，但其基于AI算法特点的判断思路在客体审查中同样适用。可见，“算法流程、数据和算力的整体考量”审查思路适合于《指南》已有体系和现实需求。

　　在具体的审查规则方面，可以设置两个基本要求：一是AI算法从算法流程、数据或算力某一方面能体现出相对于现有技术不同；二是AI算法具有一定的应用领域而不限于技术领域，例如可以应用于法学、社会学等，这种应用领域与新兴产业、未来产业密切相关，或是对生活的改善作出贡献。对于满足上述条件的AI算法可以认定其属于专利保护客体，不再基于当前技术性审查标准质疑其是否适格。

结 语

　　新质生产力背景下的AI算法新特质对《指南》可专利性规则带来冲击，体现出如下突出问题：一是算法类型演化导致规则体系不协调；二是当前技术性要件难以适应AI算法发展趋势；三是缺乏适应于算法业态多样化的调节工具。专利法基本理论和价值导向支撑了《指南》的规范性和体系性。纵观《指南》有关规则，产业政策论对算法专利保护规则的演变极具现实解释力，有助于回答是否保护AI算法的问题；劳动论框架能够支撑技术贡献论，对于AI算法的机器学习过程仍然具有理论容纳性，可以回答为何保护AI算法的问题；整体论作为可专利性规则适用的调节杠杆，贯穿于《指南》审查规则之中，具有高度的概括力，可以回答如何保护各类算法的问题。

　　开展理论分析进而指引《指南》调整，是提升算法保护规则体系性和完备性的有效路径。基于上述路径，建议从以下几个方面调整《指南》算法相关章节：其一，坚持并强化整体考量对整个算法和商业方法专利保护规则的统领作用；其二，调整早期树立的限制算法授权的惯性思维；其三，分别设置算法和商业方法独立的审查基准；其四，将“算法流程、数据和算力的整体考量”作为AI算法的基本审查思路。