杨贯虹：人工智能产物引发的发明专利侵权责任规则探析

随着生成式人工智能在各个创作与技术领域的深度渗透，一个全新的法律命题正变得日益紧迫：由人工智能自主生成或参与生成的技术方案若被申请为发明专利，一旦该专利被认定侵犯他人合法权益，责任应当如何认定与分配？这一挑战将传统专利法体系推向了必须革新的十字路口。它拷问着我们——在技术的创新链中，当“发明人”不再是有血有肉的个体，甚至不是一个明确的法律实体时，专利侵权的板子应当打向谁？杨贯虹对这一法律前沿问题的探索，试图为人工智能生成发明专利侵权的责任规则勾勒出一个初步却至关重要的理论框架，核心在于厘清责任主体、过错要件与损害界定，为政策制定与企业合规提供亟需的思考路径。

传统的发明专利侵权责任制建立在清晰的主体认定之上。侵权人是实实在在的自然人或法人，其主观过错与客观侵权行为相对容易界定。然而，人工智能的介入彻底搅浑了这池水。一个技术方案的诞生，可能源自人类提出模糊的创新方向，经由深度神经网络对海量现有专利数据进行训练与学习，最终输出具体的技术实现路径。在这个流程中，“创造性贡献”的来源变得模糊不清。如果最终生成的专利落入了某个现有专利的保护范围，是开发人工智能算法模型的公司该负责，是提供训练数据的平台该担责，是最终操作AI并提交专利申请的用户该受罚，还是说，在现行法律下，甚至找不到一个合适的责任主体？这正是当前法律实务面临的棘手困境，也是制定新的“人工智能生成发明专利侵权”的责任规则不得不首先捅破的那层窗户纸。它并非遥远的理论空谈，而是已经潜伏在众多企业研发实验室与知识产权律师事务所案头的现实风险。

责任迷雾：多元主体的过错与因果链条分析

要构建有效的责任规则，首要任务是穿透迷雾，定位可能产生责任的主体，并分析其行为与损害后果之间的法律联系。这个过程远比处理传统案件复杂，因为它往往涉及一条冗长且彼此交织的链条。第一个关键节点是人工智能工具的开发者与提供者。他们的责任边界何在？如果其设计的模型本身在架构上就倾向于“复制”或过度借鉴训练数据中的专利技术特征，而非进行实质性的、有引导的“创造”，这可能会构成一种产品设计的缺陷。类比于提供有缺陷的生产工具导致用户生产出侵权产品，开发者可能需要承担一定的产品责任。这种责任形态更接近于一种严格责任或过错推定责任，尤其在开发者对其模型的输出风格与数据依赖问题未尽到充分的风险提示义务时。

第二个节点是使用人工智能工具进行创新的终端用户或机构。他们是专利申请的直接提交者，也是潜在商业利益的获得者。对这部分主体的责任认定，似乎更容易套用传统的专利侵权规则。用户有义务对其申请专利的技术方案进行“自由实施”（FTO）检索与评估，不能因为技术来自AI就免除这一基本谨慎义务。当用户未对AI生成的结果进行合理的审查与筛选，直接将其申请为专利并实施，导致侵犯他人专利权时，其主观上可能存在疏忽大意的过错。然而，问题在于，随着AI生成结果的技术复杂性和黑箱特性日益增加，要求普通用户具备审查超越其专业能力的、由海量数据炼成的技术方案，这一义务的合理边界又在哪里？这引向了对“合理注意义务”标准是否需要因AI而调整的思考。

规则构建的可能路径与现实挑战

杨贯虹的研究提示，在构建具体规则时，可能无法沿用“一刀切”的传统模式，而需要根据人工智能在具体发明创造过程中的参与度和贡献性质进行分层、分类的精细化处理。一种思路是根据人类意图与AI贡献的“主从关系”来划分：对于以人类明确、具体的创新指令为主导，AI仅作为高效的计算或模拟工具辅助实现的成果，责任应主要由发出指令并完成最终筛选定稿的人类主体承担，沿用现有规则。反之，对于由人类仅输入宽泛、开放式问题，核心技术方案完全由AI通过复杂模式识别与组合“涌现”而来的情况，责任风险的分配就必须引入新的逻辑，需要开发者与使用者共担某种形式的监督与审查责任。

规则的落地还面临诸多现实挑战。首要难题是侵权发现与举证困难。AI生成技术的过程犹如黑箱，其内部决策路径难以追溯。当一项AI生成的专利被诉侵权时，要证明是由于训练数据中的特定专利信息被“不当记忆”并复现，而非是两个独立思考下“英雄所见略同”的巧合，在技术上存在巨大障碍。这不仅对权利人的维权构成挑战，也让被指控侵权的开发者和使用者陷入难以自证清白的窘境。其次，损害计算方式也亟待更新。在传统侵权中，损害通常基于侵权人的违法所得或被侵权人的实际损失来计算。但如果侵权主体模糊，且AI生成的“发明”本身可能未大规模实施，或者其价值更多在于战略性的专利布局而非直接产品化，那么如何量化这种新型侵权行为造成的损害，成为了法律经济学上的新课题。

回到杨贯虹所聚焦的核心，对“人工智能生成发明专利侵权责任规则”的研究，其根本目的并非要禁锢技术的发展，而是为蓬勃兴起的人工智能创新浪潮铺垫一条清晰、公平且可预期的法律轨道。它关乎的不仅仅是纠纷发生后的责任划分，更起到一种前瞻性的引导与规制作用。一个成熟的规则体系应当能够鼓励AI技术的开发者在设计之初就融入知识产权合规的考量，推动数据训练来源的合法透明化；同时，它也向使用者发出明确信号，使用AI辅助创新绝非法外之地，积极的审查与风险防范是不可推卸的责任。这种规则的确立，最终是为了实现一种微妙的平衡：在充分释放人工智能作为“超级创新引擎”潜力的同时，确保整个技术生态的创新基础——专利制度——的公正与活力得以维系，保护所有创新者，无论其是人类还是站在人类肩膀上的智能体，都能在一个秩序井然的环境中公平竞争与协作。