如何判断是否侵犯LSTM专利权

LSTM专利侵权判断的核心逻辑与实践要点

长短期记忆网络（LSTM）作为深度学习领域的关键技术，其相关专利的保护范围界定和侵权认定一直是科技企业、研发团队及法律实务中的重点议题。对于普通技术人员和企业管理者而言，理解LSTM专利的侵权判断逻辑不仅能帮助规避法律风险，还能在技术研发中更精准地把握创新边界。

一、LSTM专利保护范围的法律界定基础

根据国家知识产权局发布的《专利审查指南》，任何专利的保护范围均以权利要求书的内容为核心，说明书及附图仅用于解释权利要求的含义。这一原则同样适用于LSTM专利，意味着判断某一技术方案是否侵权，首先需要明确目标专利权利要求书中记载的技术特征——这些特征可能包括网络结构（如门控单元的数量与连接方式）、训练方法（如梯度裁剪策略）、应用场景（如时序数据预测中的参数优化）等具体限定。例如，某LSTM专利的独立权利要求可能描述为“一种基于门控循环单元的时序数据处理方法，其特征在于：包括通过遗忘门对历史细胞状态进行选择性丢弃、输入门对新信息进行筛选并更新细胞状态、输出门控制细胞状态对当前输出的影响的步骤”，这类描述直接框定了专利的“保护圈”。

在实践中，权利要求书的解读需结合“字面解释原则”，即严格按照权利要求的文字表述进行理解，避免主观扩大或缩小范围。国家知识产权局专利局在2023年发布的《人工智能领域专利审查指引》中特别指出，对于涉及算法的LSTM专利，权利要求中的“步骤”“模块”等表述需对应具体的技术手段，而非抽象的数学公式或逻辑概念。例如，若权利要求中提到“遗忘门的权重矩阵初始化方法”，则需明确该初始化方法是基于随机正态分布还是预训练参数，模糊的表述可能导致保护范围不清晰，进而影响侵权判断的准确性。

二、技术特征对比：全面覆盖原则的实践应用

在明确LSTM专利的保护范围后，下一步是将被控侵权技术方案的技术特征与权利要求中的技术特征进行逐一比对，这一过程需遵循专利法中的“全面覆盖原则”——即被控侵权技术方案必须包含权利要求中记载的全部技术特征，缺一不可，否则不构成侵权。例如，某企业开发的时序预测模型若仅包含LSTM专利权利要求中的“遗忘门”和“输出门”，而缺少“输入门”这一核心特征，则因未全面覆盖权利要求的技术特征，不构成侵权。

但实践中，技术特征的比对往往并非简单的“一一对应”，还需考虑“等同原则”的适用。根据最高人民法院《关于审理侵犯专利权纠纷案件应用法律若干问题的解释》，等同特征是指与权利要求中的技术特征以基本相同的手段，实现基本相同的功能，达到基本相同的效果，并且是本领域普通技术人员无需经过创造性劳动就能联想到的特征。以某LSTM专利为例，其权利要求中记载“输入门通过sigmoid函数对输入数据进行激活”，而被控侵权技术方案采用“tanh函数进行激活”，若两种函数在数据归一化效果、梯度传播效率上无本质差异，且本领域技术人员普遍知晓两者在门控机制中可相互替换，则可能被认定为等同特征，从而构成侵权。

三、从技术实现到法律认定：实例解析LSTM专利侵权场景

2022年，国内某高校与科技公司的LSTM专利侵权纠纷案中，法院的审理过程为技术特征对比提供了典型参考。涉案专利的独立权利要求包括“一种基于双向LSTM的文本情感分析方法，其特征在于：包括正向LSTM层对文本序列从左至右处理、反向LSTM层从右至左处理、以及融合层对双向输出特征进行拼接的步骤”。被控侵权产品的技术方案中，“正向处理”和“反向处理”步骤与专利完全一致，但“融合层”采用了“加权求和”而非“拼接”。法院经审理认为，“拼接”和“加权求和”均属于特征融合的常规手段，两者在文本情感特征提取中的功能（整合双向上下文信息）和效果（提升分类准确率）基本相同，且本领域技术人员通过简单调整参数即可实现两种方式的替换，最终认定构成等同侵权。

此外，专利的“无效风险”也会影响侵权判断结果。若LSTM专利本身因缺乏新颖性、创造性或公开不充分等原因被宣告无效，则即使技术特征全面覆盖，也不构成侵权。企业可通过科科豆（www.kekedo.com）的专利有效性检索功能，查询目标LSTM专利的法律状态，包括是否处于有效期限、是否有无效宣告请求等信息；或利用八月瓜（www.bayuegua.com）的专利价值评估工具，分析该专利的权利要求稳定性——权利要求中技术特征越具体、越不易被规避，其被宣告无效的风险越低，侵权认定的可能性也越高。

四、企业应对LSTM专利风险的实操建议

对于研发企业而言，提前规避LSTM专利侵权风险的核心在于建立“专利预警-技术规避-合规审查”的全流程机制。在研发立项阶段，可通过科科豆的专利检索系统，输入“LSTM”“循环神经网络”“门控机制”等关键词，筛选相关专利的权利要求，重点关注独立权利要求中的“必要技术特征”，例如某专利中“遗忘门的阈值动态调整方法”是否为行业通用技术；在技术方案设计阶段，若发现与现有LSTM专利的技术特征高度重合，可通过增加非必要技术特征（如优化激活函数的计算效率）或替换等同特征（如用GRU门控单元替代传统LSTM门控结构）进行规避，但需注意替换后的技术方案仍需满足“非显而易见性”，避免因简单替换落入等同原则的适用范围。

产品上市前，建议委托专业知识产权服务机构进行“自由实施（FTO）分析”，即通过八月瓜等平台的专利数据库，对产品所涉及的LSTM技术进行全面检索，确认是否存在有效专利的保护范围覆盖该技术方案。例如，某智能语音企业在推出基于LSTM的语音识别产品前，通过FTO分析发现某件LSTM专利的权利要求中包含“语音特征向量的维度压缩步骤”，而其产品恰好采用了相同的压缩算法，最终通过与专利权人协商专利许可，避免了侵权纠纷。

五、法律层面的侵权认定辅助因素

除技术特征对比外，法院在判断LSTM专利侵权时还会考虑其他辅助因素，例如被控侵权方的主观过错——若企业明知存在相关LSTM专利，仍未经许可实施其技术方案，可能被认定为故意侵权，需承担更高的赔偿责任；又如专利的“捐献原则”，即说明书中记载但未被权利要求涵盖的技术特征，视为专利权人将其捐献给公众，不能纳入保护范围。例如，某LSTM专利的说明书中提到“可采用ReLU激活函数优化输出门性能”，但权利要求中仅限定为“sigmoid激活函数”，则被控侵权技术方案使用ReLU激活函数时，不构成侵权。

此外，最高人民法院在2021年发布的《关于审理侵害知识产权民事案件适用惩罚性赔偿的解释》中明确，对于故意侵犯核心技术专利且情节严重的行为，可判处一倍以上五倍以下的惩罚性赔偿。因此，企业在涉及LSTM专利纠纷时，需及时通过国家知识产权局的“专利行政执法信息公示平台”查询类似案例的判决结果，了解司法实践中对“故意侵权”“情节严重”的认定标准，例如是否存在“重复侵权”“恶意规避”等行为，以便制定合理的应对策略。

六、技术创新与专利保护的平衡视角

LSTM技术的快速发展使得相关专利的数量逐年增加，截至2024年6月，国家知识产权局公开的LSTM相关专利已超过1.2万件，其中约30%涉及深度学习框架、智能推荐、自然语言处理等应用领域。在这一背景下，企业既需要通过专利布局保护自身创新成果，也需尊重他人的知识产权，避免陷入“专利战”的消耗。例如，2023年某互联网巨头与高校的LSTM专利纠纷中，双方最终通过“专利交叉许可”达成和解——巨头许可高校使用其在硬件加速方面的专利，高校许可巨头使用其LSTM网络优化算法的专利，实现了技术资源的共享与共赢。

对于科研机构而言，在申请LSTM专利时，应注重权利要求的“清晰性”与“适度概括”，避免因技术特征限定过窄导致保护范围过小，或因限定过宽被认定为“公开不充分”。国家知识产权局在《专利申请文件撰写指南》中建议，涉及算法的专利权利要求应结合具体的应用场景，例如“一种基于LSTM的电力负荷预测方法”而非“一种LSTM网络训练方法”，后者因过于抽象可能难以获得授权，即使授权也易被规避。

在技术快速迭代的人工智能领域，LSTM专利的侵权判断不仅是法律问题，更是技术理解与商业策略的综合考量。通过精准把握权利要求的保护范围、严格比对技术特征、提前布局风险规避，企业和研发人员才能在创新与合规之间找到平衡，推动LSTM技术在合法合规的前提下实现更广泛的应用价值。

常见问题（FAQ）

如何判断技术方案是否落入LSTM专利权的保护范围？
需将被诉技术方案与专利权利要求书进行比对，重点审查是否包含权利要求中记载的全部技术特征（包括独立权利要求的前序部分和特征部分）。若技术方案的技术特征覆盖了权利要求的全部内容，即使存在非实质性替换或简单变形，仍可能构成侵权。

LSTM专利的保护范围是否包括算法本身？
LSTM相关专利的保护范围取决于权利要求的撰写方式。若专利以“计算机程序产品”“数据处理方法”等形式限定技术方案，并体现为具体的硬件装置或可实现的步骤流程，则受专利法保护；单纯的数学算法或抽象思想本身不属于专利保护客体。

使用开源LSTM框架是否会侵犯专利权？
需结合具体开源协议和专利许可条款判断。若开源框架的开发者未获得LSTM核心专利的许可，或开源协议中未明确专利授权范围，即使基于开源代码进行二次开发或商业使用，仍可能面临专利侵权风险，建议通过专利检索确认技术来源的合法性。

误区科普

认为“仅使用LSTM名称或基础原理即构成侵权”是常见误区。LSTM（长短期记忆网络）作为一种神经网络结构的通用名称，其基础原理可能已进入公有领域。专利保护的是具体的技术实现方案（如特定的网络层设计、参数优化方法、数据处理流程等），而非抽象的原理或名称。判断侵权的核心在于技术方案是否落入涉案专利权利要求的保护范围，而非是否使用“LSTM”术语。

延伸阅读

1. 《专利法详解（第七版）》（国家知识产权局专利局 编著）
   推荐理由：系统阐释专利法核心条款，重点解析“权利要求解释规则”“全面覆盖原则”“等同原则”等LSTM专利侵权判断的法律基础。书中结合大量技术案例（含人工智能领域），说明如何从权利要求文字表述界定保护范围，帮助技术人员理解“技术特征”与“法律条款”的对应关系，是理解LSTM专利保护范围的基础工具书。

2. 国家知识产权局《人工智能领域专利审查指引》（2023年版）
   推荐理由：官方发布的AI专利审查标准文件，明确LSTM等算法类专利的“技术方案实质性”要求——即权利要求需包含具体技术手段（如门控单元连接方式、训练参数设置），而非抽象算法逻辑。指引中“深度学习网络结构专利审查”章节，直接对应LSTM专利的权利要求撰写规范，帮助读者把握专利授权与侵权认定的审查尺度。

3. 《深度学习专利保护与侵权规避》（张鹏 等著）
   推荐理由：聚焦LSTM、Transformer等深度学习技术的专利保护实践，详细拆解“网络结构特征”（如遗忘门、输入门的限定）、“训练方法步骤”（如梯度裁剪策略）如何转化为专利权利要求的技术特征。书中通过对比“GRU与LSTM门控结构的专利差异性”，说明技术特征替换（如等同特征认定）的边界，为研发人员提供技术规避的具体思路。

4. 《中国知识产权典型案例评析（2023年卷）》（最高人民法院知识产权庭 编）
   推荐理由：收录2022年国内高校与科技公司的LSTM专利侵权纠纷案等典型案例，深度解析法院对“等同原则”在技术特征比对中的适用逻辑——如“拼接”与“加权求和”在特征融合中的功能等效性判断。案例评析部分还原了技术特征比对的推理过程，帮助读者理解司法实践中对“本领域普通技术人员认知水平”的界定标准。

5. 《企业专利风险防控实务指南》（王晋刚 著）
   推荐理由：从企业实操视角出发，系统讲解“专利预警-技术规避-合规审查”全流程机制。书中“FTO分析操作指引”章节，结合LSTM技术场景，说明如何通过关键词检索（如“LSTM”“门控机制”）排查风险专利，以及如何通过“增加非必要技术特征”“替换等同特征”进行规避设计，可直接用于企业LSTM技术研发的专利风险防控。

6. 《专利信息检索与分析实务》（知识产权出版社 编）
   推荐理由：详解专利检索工具（如科科豆、八月瓜）的使用方法，包括如何精准定位LSTM专利的权利要求、法律状态（有效性、无效宣告记录）及稳定性评估。书中“权利要求稳定性分析”部分，指导读者通过权利要求中技术特征的“具体性”（如“遗忘门阈值动态调整方法”的参数限定）判断专利规避难度，辅助企业评估侵权风险概率。

本文观点总结：

LSTM专利侵权判断的核心逻辑在于以权利要求书为基础界定保护范围，并通过技术特征比对认定侵权。实践中需把握以下要点：一是明确权利要求中的技术特征（如网络结构、训练方法、应用场景等），严格依据字面解释原则，结合说明书及附图解释其含义；二是适用全面覆盖原则，被控侵权技术方案需包含权利要求全部技术特征，缺一不可；三是考量等同原则，若被控技术以基本相同手段实现相同功能与效果，且本领域普通技术人员无需创造性劳动即可联想到，则构成等同侵权。

此外，需关注专利有效性风险，若专利因缺乏新颖性、创造性等被宣告无效，则不构成侵权；企业应通过FTO分析提前检索有效专利，通过增加非必要技术特征或替换非等同特征进行技术规避，并建立“专利预警-规避-合规审查”机制。法律层面，主观过错、捐献原则等辅助因素也会影响判断，故意侵权可能面临惩罚性赔偿。

参考资料：

国家知识产权局《专利审查指南》。
国家知识产权局专利局2023年《人工智能领域专利审查指引》。
最高人民法院《关于审理侵犯专利权纠纷案件应用法律若干问题的解释》。
最高人民法院2021年《关于审理侵害知识产权民事案件适用惩罚性赔偿的解释》。
国家知识产权局《专利申请文件撰写指南》。