美国的一家运动资料AI公司 — Recentive Analytics（Recentive）申请取得四项AI有关专利，并控告福斯电视（Fox）在转播赛事节目上使用了该方法而构成侵权。但美国联邦上诉巡回法院（CAFC）认为，这四项专利使用的机器学习方法只是既有的方法，至虽然套用在不同的数据情境上做训练调整，但并没有达到申请专利的资格。
原告Recentive Analytics
Recentive Analytics是一家成立于2013年的美国科技公司，专注于机器学习与预测分析，主要应用于体育赛事和现场娱乐产业的决策支持。Recentive是第10,911,811号（’811专利）、第10,958,957号（’957专利）、第11,386,367号（’367专利）以及第11,537,960号（’960专利）等四项美国专利的专利权人。这些专利据称解决了现在美国娱乐产业与电视广播业面临的两大问题：（1）优化现场活动的排程，以及（2）优化「网络地图」（network maps），即决定特定地理市场中，广播频道在特定时间播放哪些节目或内容的方式[1]。
涉及案件之专利介绍
活动排程之机器学习训练专利
’367专利与’960专利属于「机器学习训练」专利。这2件专利的标题皆为「用于决定活动排程的系统与方法」（Systems and Methods for Determining Event Schedules），且共享相同的说明书，这2项专利主要涉及处理现场活动的排程问题。’367专利请求项第1项为代表项，其记载的方法包含下列步骤：
（1）搜集步骤：接收活动参数与目标特征。
（2）迭代训练步骤：针对机器学习模型进行训练，辨识数据间的关系。
（3）输出步骤：产生优化的排程。
（4）更新步骤：侦测数据输入的变化，并透过迭代方式产生新的、更佳的排程[2]。
说明书指出，机器学习模型可以「使用一组训练数据进行训练」，该训练数据可以包含「以往现场活动或活动系列的历史数据」。这些历史数据可能包括先前活动的日期、场地位置及门票销售情况[3]。
说明书亦有说明，该方法可运用「任何适当的机器学习技术」，例如：「梯度提升随机森林（gradient boosted random forest）、回归分析（regression）、神经网络（neural network）、判定树（decision tree）、支持向量机（support vector machine）、贝式网络（Bayesian network）」或其他类型的技术。该排程是「动态产生的，能实时响应数据的变化」，使得「输入参数与目标特征能比传统方法更有效率、更准确地被处理与考虑」[4]。
网络地图专利
’811与’957专利属于「网络地图」专利。这2件专利的标题均为「自动且动态产生网络地图的系统与方法」（Systems and Methods for Automatically and Dynamically Generating a Network Map）。’811专利请求项第1项为代表项，其记载的方法包含下列步骤：
（1）搜集步骤：接收当前的广播排程。
（2）分析步骤：建立网络地图。
（3）更新步骤：纳入数据输入的实时变化。
（4）使用步骤：运用优化网络地图决定节目播放内容[5]。
网络地图专利运用训练数据与机器学习模型搭配，以产生优化的网络地图。该训练数据可包含「气象数据、新闻数据和 / 或赌博数据」，但不限于此类类别。例如，在美式足球联盟（NFL）转播情境下，用户可选择目标特征为「提升所有比赛的总体收视率、特定转播商（如CBS或FOX）的收视率、特定市场、特定观众群或特定时段的收视率」。说明书进一步指出，所揭示方法使用的是一般性计算设备，并可与「任何适当的机器学习技术」搭配运作[6]。
对福斯电视提起诉讼
2022年11月29日，Recentive向Fox提起诉讼，主张其侵害上述四件专利。Fox随后声请驳回诉讼，理由是这些专利依据美国专利法第101条（§101）不具专利适格性[7]。
地方法院判决Fox胜诉，认定上述专利依Alice Corp. v. CLS Bank案所定之两步骤分析，不具专利适格性。因而，Recentive向CAFC提起上诉。
CAFC指出，本案涉及一项首次审理的法律问题：仅将既有的机器学习方法应用于新的数据环境，是否构成可专利的主体？
Alice分析
Alice分析第一步，CAFC应检视所主张发明相较于现有技术的改进重点，从而判断该等请求项整体特性是否指向被排除的专利目标类型。系争专利说明书明确揭示，所采用之机器学习技术系属既有技术（conventional technology），并未揭示创新之技术方案。所谓机器学习训练专利中要求模型「进行迭代训练」或「动态调整」的要件，并不构成技术性改进[8]。
CAFC认为，与其说本案揭示的是「在软件领域中对特定问题的具体解决方案实作」，或是「解决现有技术流程中某问题的具体手段或方法」，不如说这些请求项仅说明在新的数据环境中应用了机器学习技术。这个新环境即为「活动排程」与「网络地图生成」[9]。
如Recentive所承认，在机器学习出现之前，活动规划人员会依据诸如门票销售纪录、天气预报等所谓「活动参数」来决定某活动或系列活动的时间与地点。专利说明书亦有此揭示。同样地，网络地图的建立亦系透过人为方式完成，以决定「某一时段某一频道应播放哪些内容」[10]。
即便这些透过现有机器学习技术的方法比传统人为操作来得更快速与有效率，也不足以使其构成可专利目标。CAFC在计算机辅助方法的语境中始终认为：仅因加速了人类可完成的工作，并不使该请求项符合美专利法§101的专利适格性。无论问题出现在Alice测试中的哪一步骤。若仅因使用计算机而提高速度与效率，在未改善计算机本身技术的情况下，皆不足以构成专利适格性[11]。
在Alice分析第二步中，CAFC需「分别检视请求项的构成要素，以及将其作为有序整体加以考察，以判断是否有附加要素使请求项的本质转化为可专利的应用」。若欲使请求项「转化为可专利的应用」，不应仅仅陈述抽象概念，并加上「予以应用」之语言。请求项必须包含足以使所主张之抽象概念转化为可专利应用之「发明性概念」（inventive concept）[12]。
AI专利公司的主张与上诉法院的最终判定
Recentive主张其专利中的发明性概念，在于「运用机器学习，根据实时数据动态产生优化的地图与排程，并依情境变动进行更新」。但CAFC认为此主张无异于仅声称该抽象概念本身。此种立场明显无法指出请求项中有任何元素能够「转化所主张之抽象概念为可专利应用」。
简而言之，CAFC认为无论单独或整体观察，这些请求项皆未能使机器学习训练专利与网络地图专利转化为「明显超越」抽象概念本身之内容，其所主张者不过是应用机器学习来产生更快速或更好的活动排程与网络地图。Recentive亦未能在其诉状中提出任何可合理主张存在发明性概念之主张，以对抗Fox的驳回动议[13]。
备注：
- [1] Recentive Analytics, Inc. v. Fox Corp., 134 F.4th 1205, 1208 (Fed. Cir. 2025).
- [2] Id. at 1208.
- [3] Id. at 1209.
- [4] Id. at 1209.
- [5] Id. at 1209.
- [6] Id. at 1210.
- [7] Id. at 1210.
- [8] Id. at 1212.
- [9] Id. at 1213.
- [10] Id. at 1213.
- [11] Id. at 1214.
- [12] Id. at 1214-15.
- [13] Id. at 1215.
责任编辑：卢颀
【本文仅反映专家作者意见，不代表本报立场。】
|
