在美国，在Alice案后针对计算机程序类专利申请的审查更加严格。美国专利与商标局颁布的修改后的指南指出，审查员在判断适格专利客体时采用两步测试法：第一步骤，权利要求是否指向制造方法、机器、制造品和物质的组分；第二步骤分拆为两小步2A和2B，2A是确定权利要求是否指向抽象的概念，2B是确定在权利要求中的任何部件或部件的组合是否足以确保权利要求达到明显超过抽象的概念本身。
[5]
美国专利商标局判断的流线分析示意图如图1所示：首先评估权利要求是否引用了司法例外的情况，即PRONG1步骤，判断权利要求是否引用抽象概念、自然法则或自然现象。如果权利要求没有引用任何的司法例外，则判定为美国专利法35 U.S.C 101条款下的专利适格主题，符合专利客体要求；如果引用了司法例外，转到PRONG2步骤。在PRONG2步骤，评估权利要求是否引用了将司法例外整合到实际应用的其他元素。若所述的例外被整合到实际应用中，则该权利要求是适格的专利客体；若司法例外没有整合到实际应用中，权利要求将指向司法例外，转到步骤2B进行进一步分析。此外新修订的审查政策针对司法例外中的“抽象的概念”的分组做了修改，包括数学概念、组织人类活动的特定方法、心理过程。
[6]
美国的新指南明显放宽了适格客体的范围，将步骤2A进一步分成两小步，这就相当于以前许多在步骤2A被驳回的申请，多了一些机会，客体不适格的范围必然减小。
2024年7月17日，美国专利商标局发布《包括AI的专利客体的审查指南更新》，公开了涉及AI发明专利的客体资格的审查指引案例，明确在步骤2A的第二小步的判断依据，即在权利要求中引用了除了司法例外之外的其他因素，该其他因素不是无关紧要的额外手段或仅是应用例外的指令，而是要反映计算机功能或其他技术领域的改进。
[8]
中国国家知识产权局2019年12月31日决定对《专利审查指南》作出修改。在《专利审查指南》第二部分第九章增加第6节，对涉及算法或商业规则和方法等智力活动的规则和方法特征，以及AI、“互联网+”、大数据以及区块链的发明专利申请的审查特殊性作出规定。该部分也增加了一些示例，明确规定“审查应当针对要求保护的解决方案，即权利要求所限定的解决方案进行。在审查中，不应当简单割裂技术特征与算法特征或商业规则和方法特征等，而应将权利要求记载的所有内容作为一个整体，对其中涉及的技术手段、解决的技术问题和获得的技术效果进行分析。”
[9]
2024年12月31日，中国国家知识产权局发布《人工智能相关发明专利申请指引（试行）》，对于AI相关发明专利的客体资格、创造性、以及说明公开充分都作出规定，在客体方面要求权利要求的方案应当体现为解决技术问题采用遵循自然规律的技术手段并达到技术效果。在创造性方面提出了三种情况，即使AI算法特征成为技术手段的组成部分，AI算法或模型与计算机系统内部结构产生特定技术关联，以及AI算法或模型与技术特征共同构成技术手段提升了用户体验。
[10]
从中国、美国、欧洲、日本四个国家与地区涉及AI（包括机器学习）的专利审查规定和实例分析来看，在可专利性的客体方面，美国在修订指南之前最为严格，但2019年新修改的指南明显放宽。欧洲的规定比较严格，但实践中在训练方法与分类器上对一些算法授予专利权。中国与日本均有纯算法专利的授权先例。中国的审查指南对客体的规定相对比较严格，从列举的示例看，都需要与具体的技术领域相结合，纯粹的算法很难获得授权。这意味着在中国很难拿到保护范围很大的机器学习领域的基础专利。日本专利局在客体上的规定最为宽松，在日本专利局公开的审查指南中，甚至都未列出纯算法的反例。目前有许多只涉及机器学习算法的专利申请在日本获得授权，例如关于神经网络算法改进方面的专利申请。在评价创造性方面，中国、美国、欧洲、日本都认同如果算法的改进对技术方案具有明显的效果，改进的算法可以用来评价创造性。
在AI领域的专利确权中，在专利说明书公开不充分和权利要求书应该得到说明书支持方面的审查出现的问题也相对较多。因为AI领域的很多算法是开源的或者是惯用的技术手段，所以专利申请人在申请专利时，有的会直接阐述用某种AI算法去解决问题，例如表述为利用支持向量机对图像进行分类，但是对支持向量机的模型算法省略描述。这样在某些时候会造成专利公开不充分，即本领域的一般技术人员无法通过阅读专利文件充分理解专利的技术方案，从另一个角度来说就是专利要求的技术范围得不到说明书的支持。中国的审查指南对此规定：“包含算法特征或商业规则和方法特征的发明专利申请的说明书应当清楚、完整地描述发明为解决其技术问题所采用的解决方案。所述解决方案在包含技术特征的基础上，可以进一步包含与技术特征功能上彼此相互支持、存在相互作用关系的算法特征或商业规则和方法特征。”“说明书中应当写明技术特征和与其功能上彼此相互支持、存在相互作用关系的算法特征或商业规则和方法特征如何共同作用并且产生有益效果。”
[11]
AI领域的技术方案很多易被视为纯粹的计算机程序，其创造性在申请专利时易被忽视。有些企业对于数据训练算法，一般只想到申请软件版权登记，而非申请专利保护。实践中，随着AI技术的应用范围逐渐变大，越来越多的技术领域都涉及与AI技术的结合，届时，不同领域的复合型交叉型技术方案的应用将增加这些技术方案的可专利性和申请专利保护的授权可能性。
总之，在专利申请阶段，首先要做好专利客体适格性的评估。通常第一步要判断相关程序是否与实践中的装置相结合，或者其是否用来解决实践中的技术问题。例如，要保护一种图像处理方法，不能只将纯粹的图像算法公式作为专利进行申请（客体不适格），而要将处理图像的过程并取得相应的有益技术效果的整套方案作为专利进行申请。其次要特别关注新颖性和创造性问题。AI的应用很多是现有的装置结合开源的AI系统，这样在评价专利的新颖性和创造性时，不能因为两方面的技术都是现有技术就否定申请专利的可能性，而是要看现有装置与开源AI系统的结合是否带来明显有益的技术效果。在现有装置设备与开源的AI算法结合的很多情况下，研发人员都要对算法进行适应性修改，这些适应性修改及其产生的技术效果是决定技术方案整体是否具有创造性的重要因素。
专利保护侧重于单个的技术点，各国的专利审查都有对单一性的规定。在进行AI技术专利布局时，还要考虑专利组合的概念，从硬件、软件等多个角度全面进行专利布局，同时考虑潜在的可替代方案。AI技术的专利申请与设备类或者药品类的专利申请不同，AI技术内容多表现为一种计算机程序类算法，具体的技术方案往往用方法步骤的方式进行描述，研发人员对步骤的一些修改，或者在现有的算法中增加了一些步骤，就可以产生新的算法。知识产权管理人员在专利申请时需要有专利布局的思维，确定一个最重要的方向，尽量在申请一开始就布局相对较宽的专利保护范围，而不一定要将每一次微小修改都申请专利保护，那样专利布局的成本会大幅度上升。如果专利申请的保护范围较小则将难以覆盖未来发生的技术侵权情况，增加技术维权的难度。AI技术变化速度快，专利布局的工作需要有前瞻性。专利确权周期较长，如果专利布局没有前瞻性，很可能技术在获得专利授权时已被淘汰，这样的专利技术也会成为知识产权负担。AI领域的专利布局需要从多角度出发，例如保护的AI产品是机器人，申请专利保护的技术不但要包含相关的算法，还要将与算法相配合的硬件考虑在内。AI领域的知识产权从业人员，应当时刻考虑到未来技术及市场情况的变化。
（二）商标
AI领域中的商标确权管理和传统商品和服务领域中的商标确权管理类似。商标能起到将自己的AI商品和服务与竞争者的商品和服务区分的作用。对相关公众和消费者来说，商标能够让消费者识别出AI商品和服务的来源。消费者通过识别商标进而决定是否购买与该商标关联的商品或服务，在持续使用过程中，商标关联着商品和服务的质量。所以，商标本身也因消费者口碑相传和重复购买而累积出一定的或较高的市场信誉，从而具有商业价值，成为一种无形资产。
