活動內容

人工智慧技術近年快速推進，從大型語言模型（LLM）、訓練資料處理、深度學習架構，到邊緣運算與 AIoT 應用，皆成為企業核心競爭力。然而，AI 技術的抽象性、資料依賴性與高度演化速度，也使得企業在跨國申請專利時面臨更複雜的審查標準。臺灣與美國分別屬於亞太與全球最具代表性的科技法域，其審查尺度與法律政策對企業的專利策略有重大影響。本議題旨在協助企業決策者快速掌握兩地制度差異，並建立一致且具前瞻性的 AI 專利佈局策略。

在美國，USPTO 在 Alice 與 Mayo 判決後強化了 §101 的「可專利主題」限制，使得純演算法、數學模型、抽象概念難以通過審查。AI 相關技術若要獲准，需明確說明其對計算效率、資料處理流程、硬體運作或系統架構之「技術性改善」，並透過具體實施例證明發明非僅為概念性邏輯。在撰寫策略上，美國案件需特別強化：技術問題與技術解決方案的鏈結、模型訓練與推論的工程化細節、與傳統方法的效能比較以及明確的運行環境描述。

相較之下，臺灣 TIPO 採取較務實的審查態度，只要 AI 或演算法技術明確落實於「電腦技術改善」或「具體運算流程」之中，便較易被認定具有產業利用性與技術性。例如：提升資料分類準確度、降低系統資源使用、強化模型訓練效率等，都可作為可專利性的技術效果。在佈局策略上，臺灣案件可透過多層次描述方式涵蓋模型架構、資料處理方法與應用場景，並配合分案以擴張權利範圍。

面對兩地制度差異，企業最佳策略包括：同步規劃 TW＋US 的專利布局；在美國強化技術性改善論述，在臺灣則以系統化流程與技術效果支撐請求項；並建立 AI 發明的內部研發紀錄，以因應兩地對「發明人資格」與 AI 協助開發過程的政策要求。

本此研討會將有助於協助企業打造具深度與國際競爭力的 AI 專利佈局藍圖。在研討會的最後，我們也會簡單介紹大陸專利審查指南近期修改，特別是關於人工智慧相關發明等新興科技的審查。

活動資訊