自2022年以來，第四次人工智慧浪潮興起，人工智慧（AI）相關技術和服務發展迅猛，並在商業、教育、醫療、政府等多個領域中廣泛應用，各技術領域的AI相關專利申請數量都不斷成長，這樣的趨勢在日本也不例外，尤其是適用於特定產業的資訊和通訊技術，以及與AI 相關的發明。另一方面，隨著AI專利申請件數成長，駁回通知也越來越多，進步性判斷是影響專利是否受到核准的重要關鍵。
鑑於未來AI相關技術發展和專利申請數量預計將持續成長，日本專利局（JPO）開展調查，並在近日公布截至 2023 年的日本專利申請資料。調查結果顯示，人工智慧相關發明的專利申請數量顯著增加。自2014年以來，日本國內人工智慧相關發明的專利申請數量急劇成長，預計2023年將達到約11,445件。另外，人工智慧核心發明專利申請數量也在增加，但近年來保持平穩，2023 年提交的申請數量約為 2400 件[1]。
日本人工智慧相關發明專利申請趨勢
1990年代初，受所謂「第二次人工智慧熱潮」的影響，日本專利申請數量激增，但此後近20年一直停滯不前，直到2014年，神經網路在內的機器學習技術驅動「第三次人工智慧熱潮」，專利申請數量的成長有所增加。到2022年底，基於生成式人工智慧和對話式人工智慧的技術及服務開發更加活躍，開啟了所謂的「第四次人工智慧熱潮」。
日本人工智慧專利申請數量大幅成長出現在「第三次人工智慧熱潮」，主要由神經網路在內的機器學習技術所驅動。因此，「人工智慧相關發明」在「人工智慧核心技術」領域也有所增加。到2022年底，基於生成式人工智慧和對話式人工智慧的技術及服務開發更加活躍，開啟了所謂的「第四次人工智慧熱潮」。儘管人工智慧相關發明數量大幅成長，但歸類為「人工智慧核心技術」的專利申請數量略有下降，顯示在第四次人工智慧熱潮期間，研發重點更多地放在了外圍技術而非「人工智慧核心技術」上。
自 2010 年以來，人工智慧核心技術中機器學習相關技術的專利申請一直在增加，這一趨勢也反應在機器學習相關技術專利申請數量的成長上，從2014 年左右開始的第三次人工智慧熱潮期間，包括神經網路在內的機器學習技術，成為收到關注的作為人工智慧核心技術。
第三次人工智慧熱潮聚焦於開發人工智慧、大規模語言模型和深度學習的技術模型，2014年至2021年間G06N（人工智慧核心技術）、G06F（電子數位資料處理）和G06T7（影像分析）類別的專利申請數量在明顯成長。2022年至2023年期間，第四次人工智慧浪潮期間湧現的生成式人工智慧、對話式人工智慧及相關技術的興起，G06Q50（適用於特定產業的資訊和通訊技術）和G06Q Other（適用於管理、行政、支付和金融的資訊和通訊技術）類別的專利申請數量顯著成長。
自 2014 年以來，與AI相關發明專利申請數量持續成長。由於生成式 AI的出現，2022 年至 2023 年間「AI 相關發明」數量的急劇成長，而「引用深度學習技術的AI相關發明」的數量也在不斷增加。
2022年開始出現「引用生成式人工智慧技術的AI相關發明」的專利申請，專利申請數並在2023年大幅增加。由於現在「生成式人工智慧」的常用意義是在2022年後才開始使用的，因此，透過PCT的專利申請很可能在2024年後才會大量出現。
各國及地區人工智慧核心發明專利申請趨勢
關於「人工智慧核心發明」的專利申請趨勢，包括向日本、美國、歐洲專利局（EPO）、中國和韓國提交的專利申請以及PCT申請（如圖4）。從各國提交的AI核心發明專利申請數量的趨勢可以看出，2014 年中國提交的「AI 核心發明」專利申請數量（1,226 件）不到美國提交的專利申請數量（2,733 件）的一半。2014年之後，向中國提交的申請數量迅速增加，到 2023 年，向中國提交的申請數量（101,459）是向美國提交的申請數量（19,336）的五倍多。值得注意的是，2023年日本提交的人工智慧核心發明專利申請數量為3,612件，在五大專利局（IP5）中最低。
日本人工智慧相關發明專利申請數量排名
在2014年至2023年日本人工智慧相關發明專利申請數量排名前30的公司中，人工智慧相關發明專利申請量排名前三的公司分別是軟銀、NTT和富士通。此外，提及深度學習的人工智慧相關發明專利申請量排名前三的公司分別是軟銀、佳能和NTT。
外國公司和地區在人工智慧相關發明專利申請量排名前列的公司分別是：Google（美國，第11位）、IBM（美國，第13位）、皇家飛利浦（荷蘭，第15位）、百度（中國，第16名）、騰訊控股（中國，第22名）、博世（德國，第23名）和三星電子（韓國，第30名）。
日本AI申請專利七大要點
日前工業總會舉辦「國際關鍵市場專利申請與訴訟實務論壇」，邀來杉村萬国特許法律事務所日本專利代理人時井真解析日本對於AI領域的專利申請。時井真指出，隨著AI專利申請件數的增加，收到駁回理由通知的案件也在增加中。由於AI技術涉及訓練數據蒐集、AI模型的訓練及推理等多層次要素，在審查專利的明確性要件和進步性方面，專利申請書的記載內容會對權利範圍和可授權性產生影響。值得注意的是，根據記載的技術重點，也會影響之後分發到的審查部門，這在日本的專利申請實務中，是極為重要的戰略考慮事項。
根據日本專利雜誌針對2018年上半期申請審查的案件中，「僅以進步性為駁回理由」且無修正而進行答辯的716件案件進行分析，結果發現化學、生物領域的專利授權率最高，其他領域（物理、測量、光學等）最為嚴格，其次是電氣・IT領域，授權率低於整體專利授權率的85.2%。
時井真指出，分析25件日本專利局公佈的AI相關技術審查運用案件，會發現使用超越技術常識的相關關係、數據組合，且被認可有顯著效果時，進步性比較容易得到認可。而以下兩種類型，進步性很有可能被否定。首先是「屬於所屬技術領域具有通常知識者的通常創作能力範圍內」，AI的應用屬於所屬技術領域具有通常知識者的通常創作能力範圍內時，進步性會被否定；其次是公知數據的組合，且也沒有顯著效果時，進步性也會被否定。
總結而言，在日本AI領域要申請專利有六大要點：
- 申請件數呈增長趨勢，但駁回理由通知率也很高；
- 根據審查部門的不同授權率有很大差異：化學・生物 > 機械 > 電氣・IT > 其他；
- 通過記載的技術重點，可在一定程度上控制被分配到的審查部門；
- 在進步性判斷中，超越技術常識的相關關係和顯著效果是關鍵；
- 單純的AI應用不被認可進步性；
- 有效的反駁戰略因技術領域而異。
時井真強調，今後AI相關發明將會持續受到關注，AI核心技術雖然放緩仍呈現成長趨勢，申請AI專利必須具備戰略思維，除了明確記載具體的技術思想，並表明AI不只是單純的工具性利用，而是技術思想的核心。
資料來源：
- 2025/10，JPO：AI関連発明の出願状況調査。
- 2025/11/28，工業總會舉辦「國際關鍵市場專利申請與訴訟實務論壇」時井真簡報資料。
備註：
[1] JPO將人工智慧應用於各種技術領域的發明定義為「人工智慧相關發明」並納入本次調查；人工智慧核心發明專利定義為：「基於特定計算模型的計算設備」已授權的專利申請（FI G06N），不包括量子計算（G06N10）。
[2]日本知識產權高等法院平成30年4月13日「嘧啶衍生物案」判決，為這一戰略提供了理論依據。
|
智權報394期文章列表
