涉及AI技术的通信SEP申请的撰写之道

作者 | 黄筱聪 李琳  北京市柳沈律师事务所

编辑 | 布鲁斯

随着人工智能（AI）技术的快速迭代，能够借力于AI技术的智能化技术在广泛的技术领域的创新也在不断加速。在通信领域，AI赋能的智能化通信正在逐步崛起，成为推动新一代通信标准（如5G及其后续演进版本）发展的重要推力。例如，在讨论中的6G通信标准中，AI技术与通信技术的深度融合能够最大化两者的双向赋能，AI技术能够为通信系统提供智能的决策与优化能力，反之优化的通信系统也能够为AI方案提供稳定的通信基础和算力支持。

在这样的背景下，如何撰写具有高价值的涉及AI技术的通信标准必要专利（SEP）申请，成为业界高度关注的课题。本文将从介绍涉及AI技术的3GPP通信标准着手，系统梳理并深入探讨涉及AI技术的通信SEP申请的撰写技巧与要点，旨在为专利从业者和创新主体提供参考和建议。

1

涉及AI技术的3GPP通信标准的介绍

为深入挖掘AI技术运用在无线通信系统中的潜力，国际标准化组织第三代合作伙伴计划（3GPP）早在5G标准化初期就开始了有关AI赋能无线接入网（RAN）的布局，进入5G-Advanced（5G-A）阶段后，3GPP更是积极开展了对通智融合的深入探索与标准化工作，涵盖了AI在物理层、接入网、核心网和网管等方面的应用[1]。其中，在3GPP通信标准的技术可行性研究阶段，作为AI技术的一种典型的应用，已经针对如何在通信系统中应用人工智能/机器学习（AI/ML）模型做了一些初步的研究和探讨。例如，技术报告TR 38.743[2]针对基于AI/ML模型的网络切片和覆盖及容量优化用例及其相应的解决方案提供了描述和研究，TR 38.744[3]针对涉及AI/ML模型的移动性进行了研究，TR 38.843[4]描述了一些关于AI/ML模型的通用性的内容，等等。

在目前讨论的3GPP通信标准中，AI/ML模型在通信系统中的应用主要关注于以下几个方面：

1.1 AI/ML模型在通信系统中的部署

相关通信标准中对相关的AI/ML模型在通信系统中的具体部署位置进行了规定，例如将AI/ML模型部署在无线接入网中用以提升信号处理的准确度和效率，或者部署在核心网中用以优化网络管理和服务质量，等等。通常，AI/ML模型在通信系统中部署的位置取决于具体的应用目的和意图解决的技术问题。例如，TR 38.743在第4.1.2.1节记载了AI/ML模型被设置在通信系统中的具体节点（诸如，OAM、gNB或UE等）进行训练和推理等功能。

1.2  AI/ML模型的输入/输出数据的设置

相关通信标准中还对AI/ML模型的输入/输出数据的具体设置进行了规定，包括将AI/ML模型的输入数据设置为某一通信节点所对应的通信数据，将AI/ML模型的输出数据设置为某一具体的通信数据等。例如，在TR 38.743的第4.1.2.2节记载了将AI/ML模型的输入数据设置为来自邻近gNB的每个切片测量/预测的无线资源状态或者来自UE的UE测量报告；在TR 38.743的第4.1.2.3节将AI/ML模型的输出数据设置为每个切片的无线资源状态预测等。

1.3  AI/ML模型的参数配置

AI技术在通信系统中应用的多样化要求对相关的AI/ML模型进行各种适应性的配置，包括AI/ML模型的参数及其计算复杂度的具体配置等。例如，TR 38.744中记载了AI/ML模型的类型名称，具有不同数量的模型参数的各种模型所对应的模型复杂度、具有不同模型大小的各种模型所对应的模型复杂度以及计算复杂度等配置。

2

涉及AI技术的通信SEP申请的撰写技巧分析

如前文所述，在目前的3GPP通信标准的讨论中，AI技术在通信系统中的具体应用以及AI技术本身参数的设置等方面备受瞩目，而对于AI/ML模型内部数据处理的具体实现则相对关注较少。由此，在撰写涉及AI技术的通信SEP申请时，除了要遵循一般通信SEP申请的基本撰写规范外，还需要有针对性地考虑涉及AI技术的专利申请中的撰写要求。接下来，本文将深入探讨涉及AI技术的通信SEP申请的撰写技巧和要点。

2.1 权利要求的撰写

在撰写涉及AI技术的通信SEP申请的权利要求时，可以从以下几个关键因素进行考虑：

（1）考虑发明的技术贡献

在撰写权利要求时，可以根据AI技术对发明创造的贡献来确定其撰写视角。如果发明贡献在于AI/ML模型构建的改进，则权利要求中应当对相关模型的具体结构（例如，所包括的模块/层及其连接关系）进行限定；如果发明贡献在于AI技术中训练/推理方法的改进，则权利要求中应当对训练/推理方法的具体过程进行限定；如果发明贡献在于AI技术在通信系统中具体应用所带来的改进，则相应的权利要求也是必不可少的。

（2）考虑对标通信标准

在撰写权利要求时，还可以根据AI技术与通信标准的对应性来确定其撰写视角。

• 当申请涵盖与AI技术相关的多个发明点时，权利要求中应主要围绕更可能与通信标准相对应的发明点进行撰写

如果申请中涵盖与AI技术相关的多个发明点时，应当在权利要求中主要围绕更可能与相关通信标准相对应的发明点进行撰写，精心打造既具备创造性又能与通信标准相对应的权利要求。参考本文第1节所描述的内容，AI技术在通信系统中的具体应用以及AI技术本身参数的设置等方面是更有可能与通信标准相对应的。因此，可以考虑撰写聚焦以下内容的权利要求：

- 与AI/ML模型在通信系统中的部署相关的权利要求。例如，AI/ML模型所在的通信节点、以及用于管理/存储AI/ML模型的功能实体所在的通信节点等；

- 与AI/ML模型的输入/输出数据的设置相关的权利要求。在此过程中，应当充分考虑作为AI/ML模型的输入数据的通信数据/信令是否满足AI/ML模型的数据合规性要求[5]，例如，是否满足输入数据合规要求，或者生成内容合规要求等。除了数据内容本身，具体的数据采集、存储、处理等手段也需要符合相关法律法规的要求；

- 与AI/ML模型分别在训练阶段和推理阶段的参数配置及计算复杂度相关的权利要求。

• 如果申请中所涉及的AI技术已经是本领域熟知的技术但属于3GPP通信标准所关注的技术，则可将该AI技术撰写为从属权利要求的特征

如果涉及AI技术的通信SEP申请的发明贡献主要在于通信技术，即使申请中所涉及的AI技术已经是本领域熟知的技术方案，在撰写与通信技术相关的权利要求的基础上，也可以考虑撰写一些与3GPP通信标准所关注的AI技术相对应的从属权利要求，以最大化与标准的对应性。这是因为一旦与通信技术相关的独立权利要求能够对标，这些从属权利要求较大概率也能够对标。

• 权利要求中的术语与标准的对应性：

涉及AI技术的通信SEP申请中必然会使用与AI技术相关的术语（例如，AI/ML模型，AI/ML模型推理等），而这些术语在权利要求的描述方式也是至关重要的。

在权利要求中描述与AI技术相关的术语时，由于在通信标准中通常已经给出了与AI技术相关的术语的必要定义，建议在权利要求中直接使用相同的术语表述。例如，在TR 38.843中的第3.1节中记载了“AI/ML模型被定义为应用人工智能/机器学习技术，基于一组输入生成一组输出的数据驱动算法”、“AI/ML模型推理：使用经过训练的AI/ML模型基于一组输入产生一组输出的过程”等定义，因此，可以在权利要求中直接采用“AI/ML模型”、“AI/ML模型推理”等通信标准中使用的术语进行描述，这样，既确保权利要求描述清楚，同时也能满足标准对应性的要求。当然，在说明书中存在充分描述的前提下，也可以采用例如“第一模型”、“第二模型”等更概括性的表述方式，为权利要求的保护范围提供更多的灵活性。

综上，在撰写涉及AI技术的通信SEP申请的权利要求时，应当综合考虑AI技术在申请中所作出的贡献以及AI技术与通信标准的对应性，精心选取撰写角度，以打造高质量、高价值的权利要求。

2.2 说明书的撰写

在说明书的撰写方面，为满足说明书充分公开的要求，需要考虑将AI/ML模型描述到何种程度，才能克服所谓的“黑匣子”问题；其次，为满足说明书对权利要求书的支持的要求，还需要考虑涉及AI技术的通信SEP申请中特有的术语的描述；再次，为充分体现发明的创新性，还需要考虑如何描述发明的技术效果是由在功能上相互支持、存在相互作用关系的算法特征与技术特征所共同带来或产生的。

（1）清楚和充分公开问题

专利法第二十六条第三款规定：说明书应当对发明或者实用新型作出清楚、完整的说明，以所属技术领域的技术人员能够实现为准。

对于包含AI算法或模型的发明专利申请来说，如何撰写说明书以满足清楚和充分公开的要求，以达到“所属技术领域的技术人员能够实现”的要求，是一个难点。由于AI算法或模型存在“黑匣子”特性，需要有足够的信息来达到充分公开的目的。涉及AI技术的通信SEP申请的发明贡献不同，实现该发明必不可少的技术内容亦有所不同。说明书应对现有技术作出贡献的部分进行充分描述。对于体现专利发明构思的技术手段，说明书应当清楚、完整地予以描述，以所属技术领域的技术人员能够实现为准。下面将从涉及不同类型发明贡献的角度来阐述说明书应当如何记载关于AI技术的内容。

• 当发明贡献在于AI/ML模型处理特定通信数据或通信业务时，在说明书中应当记载AI/ML模型的输入/输出/更新数据与通信系统中的通信数据/信号/信令之间的映射/对应关系

对于发明贡献在于AI/ML模型处理特定通信数据或通信业务的申请，需要根据其技术方案要解决的技术问题或能够实现的技术效果，在说明书中记载AI/ML模型的输入/输出/更新数据与通信系统中的通信数据/信号/信令之间的映射/对应关系，必要时，说明书中还应当阐明输入数据和输出数据之间的相关性，使所属技术领域的技术人员能够判断二者之间具有关联关系。

以TR 38.743中的第4.1.2.2和4.1.2.3节中记载的输入数据和输出数据为例，说明书应当清楚地记载卷积神经网络的输入层能够处理的二维数组与例如“自从本地节点的每个切片测量/预测的无线资源状态”和“来自邻近gNB的每个切片测量/预测的无线资源状态”的通信数据之间的映射关系，并且清楚地记载卷积神经网络的输出层的每一个输出yi（其中，对于回归问题采用线性函数：）与例如“每个切片的无线资源状态预测”的通信数据之间的映射关系。

• 当发明贡献在于AI/ML模型构建时，说明书中应当记载AI/ML模型的模块结构、层次结构或连接关系等；当发明贡献不在于AI/ML模型构建时，根据不同情况，说明书中应当记载AI/ML模型的类型名称或典型实现的类型名称或与不同于AI/ML模型的通用结构但并非发明点的模块相关的内容

对于发明贡献在于AI/ML模型构建的申请，需要根据其技术方案要解决的技术问题或能够实现的技术效果，在说明书中记载必要的模块结构、层次结构或连接关系等，准确、客观地写明模型的功能和效果。

如果发明贡献不在于AI/ML模型构建，应当根据不同情况，来对AI/ML模型进行描述，以使得本领域技术人员能够理解和实现发明为准则。若AI/ML模型的通用结构或AI/ML模型所涉及的各种典型实现在本领域熟知并且能够直接确定，说明书中应当记载AI/ML模型的类型名称或典型实现的类型名称；若AI/ML模型结构并非AI/ML模型的通用结构，但是该AI/ML模型结构所包含的不同于通用结构的模块并非本申请的发明点时，说明书中应当记载该非发明点的模块相关的内容。

下面以CNN模型为例进行说明。如图1所示，CNN模型的通用结构[6]包括：输入层、卷积层、池化层、全连接层、输出层。

图1

若申请所采用的AI/ML模型为包括上述五层的CNN通用结构时，由于CNN通用结构的实现在本领域熟知并且能够直接确定，说明书中至少应当记载AI/ML模型的类型名称，例如，“AI/ML模型为CNN模型”。

此外，CNN模型涉及多种典型实现，例如LeNet-5、AlexNet、VGGNet、Inception Net、ResNet、Densenet等。CNN模型的各种典型实现在本领域熟知并且能够直接确定，例如，如图2所示，LeNet-5的结构包括输入层、卷积层C1、池化层S2、卷积层C3、池化层S4、全连接层C5、全连接层F6和输出层。

图2

若申请所采用的AI/ML模型为CNN模型的典型实现LeNet-5时，由于LeNet-5的结构在本领域熟知并且能够直接确定，因此，说明书中应当记载典型实现的类型名称，例如，“AI/ML模型对应于LeNet-5”，而并非仅记载AI/ML模型为CNN模型。当然，也可以详细描述已有的LeNet-5的模块结构，例如，LeNet-5包括输入层、卷积层C1、池化层S2、卷积层C3、池化层S4、全连接层C5、全连接层F6和输出层。

再者，CNN模型还可以在如图1所示的通用结构的基础上，进一步包括其他模块。如图3所示，CNN模型可以包括输入层、卷积层、降采样层、池化层、全连接层、以及输出层，即，与CNN模型的通用结构相比多出了降采样层。

图3

若申请所采用的AI/ML模型为如图3所示的CNN模型，即使降采样层并非本申请的发明点，也应该在说明书中对AI/ML模型的降采样层进行描述，以使本领域技术人员了解实现本发明的AI/ML模型的实施方式，但无需对降采样层本身的功能和效果进行详细描述。例如，“本发明的AI/ML模型为CNN模型，所述CNN模型包括：输入层、卷积层、降采样层、池化层、全连接层、以及输出层，并且所述各层依次连接”。

此外，如本文第1节所分析的，在目前3GPP通信标准的讨论当中并不太关注AI/ML模型内部数据处理的具体实现，并且，对于在本领域属于熟知/惯用技术手段（例如卷积计算），即使不在说明书中进行详尽地描述，本领域技术人员也能够知道如何实现。因此，对于发明贡献不在于AI/ML模型构建的申请，AI/ML模型内部中各个层对输入数据如何进行进一步处理（例如，二维卷积的计算过程）则可以不必详细描述。

• 当发明贡献在于AI/ML模型参数设置时，说明书应当记载影响各层的输出结果的一个或多个参数的配置

不同的AI/ML模型中参数的配置对于AI/ML模型的输出结果也会产生影响。以卷积神经网络中的卷积层（诸如，二维卷积）为例，设置不同的卷积步长会输出不同的卷积结果。因此，当通信SEP申请中的AI/ML模型所包括的层涉及影响输出结果的参数配置时，说明书中应当记载这样的AI/ML模型的参数配置信息，使得本领域技术人员能够理解和实现发明，并且，这也是3GPP通信标准中所关注的内容。

• 当发明贡献在于AI/ML模型的训练时，说明书应当记载AI/ML模型训练过程中所涉及的必要的内容

对于发明贡献在于AI/ML模型训练的申请，则需要根据方案要解决的技术问题或能够实现的技术效果，在说明书中清楚记载必要的模型训练过程中涉及的算法及算法的具体步骤、训练方法的具体过程等。

综上，根据涉及AI技术的通信SEP申请的发明贡献不同，说明书需要记载的关于AI技术的内容也有所不同，但究其根本均需要遵守“完整地公开对于理解和实现发明必不可少的技术内容，达到所属技术领域的技术人员能够实现该发明的程度”的标准。

（2）说明书对权利要求的支持问题

《专利法》第26条第4款规定：权利要求书应当以说明书为依据，清楚、简要地限定要求专利保护的范围。

为了满足说明书支持的要求，在撰写说明书时，如果权利要求中所使用的术语是通信标准中使用的术语，则可以考虑不在说明书中对这样的术语进行另外的定义。某些情况下，也可以考虑将通信标准中的相关的定义直接放在说明书的前面作为技术字典进行查阅。如果采用“第一模型”、“第二模型”等这样的更概括性的表述，在说明书中也应采用或参考通信标准中的描述来进行定义，从而避免因为不合适的定义限制权利要求的保护范围并影响专利与标准的对应性。

综上，在说明书中描述与AI技术相关的术语时，建议使用通信标准中的已有术语的定义或涵盖该定义的概括性表述。

（3）创造性的问题

涉及AI技术的发明专利申请的解决方案通常包含算法特征，根据《专利审查指南》的相关规定，在考量包含算法特征的技术方案的创造性时，应当将与技术特征功能上彼此相互支持、存在相互作用关系的算法特征与所述技术特征作为一个整体考虑，与现有技术相比较，判断该方案是否具有突出的实质性特点和显著的进步，具备符合专利法规定的创造性。

在涉及AI技术的通信SEP申请中，若对现有技术的改进不在于AI技术本身（例如，算法、模型等），则在描述这样的专利的技术效果时，可以着重描述AI技术在通信系统中的具体应用所带来的改进以及在某一特定通信场景下AI技术的参数配置信息是较难想到的，以及其在功能上相互支持、存在相互作用关系的算法特征与在通信系统中的技术特征所共同带来或产生的意想不到的有益效果，而非去强调AI技术本身能够带来的有益效果，这对于说明专利技术具备创造性是有利的。

3

总  结

AI技术的引入为通信SEP的保护带来了新的机遇和挑战。在撰写涉及AI技术的通信SEP申请时，应该充分考虑AI技术的特点以及通信SEP与相关标准对应的目标，从不同视角撰写技术方案合适的保护范围，并且在说明书中对技术方案进行充分的描述，确保能够获得与涉及AI技术的通信标准完美对应的高价值通信SEP专利资产。

参考文献

[1] 魏兴光，刘静，陈嘉君，谢鹏翔，冯禹昂，“AI在无线通信系统中的应用”，中兴通讯技术第30卷第4期，2024年8月

[2] 3GPP, Study on enhancements for Artificial Intelligence (AI)/Machine Learning (ML) for NG-RAN(Release 19)；TR 38.743[S].2024

[3] 3GPP, Study on Artificial Intelligence (AI)/Machine Learning (ML) for mobility in NR (Release 19)；TR 38.744 [S].2024

[4] Study on Artificial Intelligence (AI)/Machine Learning (ML) for NR air interface (Release 18)；TR 33.738 [S].2023

[5] 张逸瑞、张津豪、张一凡、周彤，“大模型合规之现实初探”，2023.08.14；https://www.kwm.com/cn/zh/insights/latest-thinking/preliminary-study-on-compliance-issues-for-foundation-models.html

[6] 卓晴，“一文精简介绍CNN基本结构”，2022.02.26，https://blog.csdn.net/zhuoqingjoking97298/article/details/121766308

（本文仅代表作者观点，不代表知产力立场）

封面来源 | Pixabay