一、英国最高法院放宽AI发明专利门槛

2026年2月11日，英国最高法院就“Emotional Perception AI Limited诉英国专利、设计和商标总局”一案作出最终判决（案号[2026]UKSC3；UKSC/2024/0131）。这起案件的核心争议是：人工神经网络（ANN）相关发明，在英国专利法下是否会因为属于“计算机程序本身”，而被排除在可申请专利的范围之外。在此之前，这起案件已经在英国知识产权局（UKIPO）、高等法院（High Court）、上诉法院（Court of Appeal）之间经过了多轮审理，最终才送到最高法院裁决。

这一判决的关键影响，并不是“人工神经网络一定能申请专利”，而是英国长期以来使用的“Aerotel审查标准”被明确动摇，审查规则开始向欧洲专利局（EPO）的“任何硬件关联”思路靠拢。简单来说，就是在“能不能申请专利”这第一道门槛上，标准变得更宽松了；但后续的审查会更严格、更注重实质——也就是说，先让你获得申请的资格，至于最终能不能拿到专利，要看你的发明是否真的在技术层面解决了问题，并且能拿出可验证的技术效果。

二、英国出版商集体施压，要求大模型训练数据合规透明并补偿

几乎在最高法院作出判决的同一时间，英国出版商群体通过“诉前索赔/警告信”的方式，将目标对准了多家头部大模型开发企业。他们的核心诉求很明确：自己的作品是否被用于大模型训练、企业使用这些作品的依据是什么、涉及哪些数据集和来源，以及企业是否愿意停止未经授权的使用，并保留后续起诉的权利。

三、AI时代，创新激励需在“技术端”与“内容端”重新分配

把上面两件法律事件放在一起看，很多人会觉得“英国一边给AI企业开绿灯，一边又给他们施压”。但如果把这两件事放到AI产业链的大背景下，就会发现这其实是一套制度层面的“重新分配”：让真正有技术贡献的AI、软件创新，能更顺利地进入专利体系；同时让提供内容的一方（比如出版商），在大模型训练时代拥有更有力的谈判筹码，能更好地维护自身权益。

如果只看最高法院的专利判决，很容易得出“英国对AI、软件专利更友好”的结论。但结合出版商的集体行动就会发现，英国的制度导向其实是一致的：专利制度的目的，是鼓励企业公开技术方案，以此换取专属的排他权；而版权体系，则在大模型训练这种新型使用方式上，强化“投入内容就该获得价值回报”的主张。这两者都指向了AI产业链的核心痛点：现在AI企业的商业竞争，不只是比算法和算力，更比拼的是“可规模化、可审计、可解释”的数据和研发流程。

所以，“英国对AI专利更宽松”和“对版权保护更严格”并不矛盾。这就像是把AI产业链分成两个部分分别规范：技术创新可以更顺畅地申请专利，但使用他人内容时，必须经得起“是否授权”“是否透明”的追问。

四、AI企业面临的两大长期挑战

我们预计，上述趋势会给AI企业带来长期挑战，核心要应对两个方面的问题。

第一，必须在“数据透明度”和“专利充分公开、可实施”之间做好平衡。专利写得越详细、越扎实，就越容易涉及训练数据、评价标准、对比实验、误差分布、系统稳定性等细节；而这些细节，恰恰是版权方、合作方和监管机构最容易追问的地方。出版商的诉前警告之所以值得重视，不是因为它能直接判定企业侵权，而是它把“请说明你的训练数据来源和细节”变成了一种可复制、可推广的施压方式——如果企业回答不上来，或者回答会暴露合规漏洞，就会同时面临专利申请受阻、商业秘密泄露、诉讼风险增加的三重压力。

第二，AI企业的专利工程师会面临不同国家审查标准不一致的难题。目前，不同国家对AI专利的审查重点不一样：美国侧重审查专利是否抽象、是否可实施（对应101/112条款）；中国侧重“技术方案”的表述是否规范、符合审查要求；英国和欧洲专利局，则要求清晰、可验证地呈现技术贡献。更麻烦的是，不同国家的数据合规规则、版权例外条款也不一样，再加上合同和平台的相关规定，形成了一套复杂的规则体系。这就意味着，中国出海的AI企业，其专利工程师和代理人必须掌握“同一技术，不同写法”的申请技巧，还要制定“同一技术，不同披露策略”的合规方案，这已经成为他们的必备能力。

五、AI企业的应对建议：两条主线+一个底座

在为客户提供跨境专利布局和合规方案时，我们越来越倾向于将工作拆分为“两条主线+一个底座”。其中，“主线”决定企业对外如何撰写专利、如何申请、如何谈判；“底座”则决定企业在关键节点，能否拿出足够的证据，扛住监管和对手的深度追问。

首先是“底座”：把研发过程和数据来源，打造成“可审计的资产”。这不是合规部门简单填表格的工作，而是未来专利授权、侵权比对、无效抗辩、融资尽调、跨境争议应对的核心基础。至少，企业需要在内部梳理并留存好以下信息：数据来源分类（自有、授权、公开、抓取、第三方采购）、授权依据和限制条款的记录、模型版本和关键训练日志、评测集的来源和使用边界，以及支撑“技术效果”的对比实验设计和结果。只要企业打算在英国、欧洲专利局体系下，将AI方案申报为“能让技术系统变好”的专利，这些证据迟早会成为专利说明书和答复审查意见的“隐形附件”；同样，当面临内容方或合作方的追问时，这些证据也能帮助企业在不泄露核心商业秘密的前提下，做出合规解释。

主线一：升级英国、欧洲专利局导向的专利撰写方式——从“AI能做什么”，转向“系统为何因此更具技术性”。在英国审查标准向欧洲专利局靠拢的背景下，更稳妥的做法是，将专利权利要求和说明书的重点，放在技术系统、数据流和资源约束上：明确解决的技术问题（比如延迟、带宽、存储、稳定性、能耗、噪声、容错能力、边缘部署难度等），采取的技术手段如何与硬件、网络、存储交互，最终获得的技术效果如何测量、复现和对比。把“业务目标、认知目标”放在背景和应用场景中，把“可申请专利的技术贡献”落到可验证的系统指标上，才能在后续“筛选非技术内容”的审查中，保住核心专利的稳定性。

主线二：版权和数据合规前置——把“可授权的数据”当作核心生产要素来管理。出版商的行动带来的启示，不在于“英国对数据合规会更严”，而在于市场参与者已经把“训练数据”当成了可以集体主张权利、可以程序化追问的资产。对企业来说，最务实的三步做法是：第一，将训练数据和评测数据分开管理，对“禁止用于任何模型训练”的数据进行严格隔离；第二，准备“透明度预案”，即在不泄露商业秘密的前提下，能给出可核验的合规解释（包括数据来源类别、授权路径、删除/退出机制、审计方式）；第三，将训练/再训练、数据留存、审计、侵权担保与赔偿、退出与下架等相关条款标准化，贯穿到与数据供应商、合作方、客户的合同中。否则，企业会在专利撰写、产品出海、争议应对中反复陷入困境：想讲清楚技术效果，就必须涉及数据；一旦涉及数据，就可能被要求说明数据的权属和授权情况。

结语：一条更高标准的竞争跑道

回到文章开头看似矛盾的现象：英国最高法院调整AI、软件专利的审查框架，确实降低了“专利排除客体”带来的不确定性；而出版商通过诉前索赔推动训练数据透明化和补偿，也确实增加了大模型企业的数据合规压力。这两者结合，对中国AI企业来说，不是“选边站”的问题，而是一套更现实的双重约束：专利端要求企业把技术贡献讲得更具工程性，版权和合同端要求企业把数据来源讲得更具可审计性。只有能同时做好这两件事的企业，才能在英国、欧洲专利局体系下，既拿得到专利、又守得住专利，在争议爆发时，也不会被自己的专利说明书和研发记录“反将一军”。

（注：作者是北京市盛峰律师事务所律师/专利代理师。本文对英国最高法院判决与出版商行动的讨论，属于产业与合规联动分析，不构成对任何个案侵权与否、胜负结果的判断；英国知识产权局后续的审查指南，以及下级法院如何具体完善“非技术特征筛选”流程等，仍需持续关注。）