本文探讨了颠覆性技术在专利申请过程中如何跨越“认知鸿沟”的问题，以DeepSeek的技术为例，分析了专利审查员与技术创新者之间的认知差异及如何解决这种差异的策略。
专利审查的核心是基于现有技术评估创新性，而颠覆性技术往往试图重新定义技术路径，两者之间存在不可避免的冲突。
历史上颠覆性技术的专利化都经历了质疑、验证、认可的过程。对于技术创新者而言，关键在于以技术细节对抗认知惯性，以法律策略缓冲审查风险，以生态协同扩大共识圈。
本文内容源自与DeepSeek的一段有关颠覆性技术与相关专利申请是否会被认定为非正常而展开的。
起因是在半年前发布了一篇《中国专利局做出以“诚实信用原则”为无效理由的“首案”裁定》的文章，介绍了有更多的挑战者在以“诚实信用原则”来质疑创新者的发明和专利。
一些质疑的理由甚至是检索现有数据库发现根本没有专利中披露的技术用语，并以此来质疑其发明的真实性，有关这类专利局新审结的“诚实信用原则”无效决定案，会在稍后发布。
基于这一点让我不禁想到了一个问题，就是专利和创新的本质就是要突破以往的已知，走向未知的星辰大海，如果总是用已知来固化未知，人类前进的道路势必会囿于一个缓慢发展的圈层。
于是就引发了此次与DeepSeek的对话，涉及三个问题：
问题1：“DeepSeek的技术突破如果申请专利，在中国是否会被认定为非正常专利？”
问题2：“在Deepseek成功并获得广泛认可之前，如果Deepseek说自己的创新能够以更少的算力获得与OpenAI相当的能力，可能十有八九都不相信，这种情况下，往往也会被专利局或竞争对手认为不符合常规，而存在被认定为非正常专利的可能，你怎么看这一问题？”
问题3：“如何打破专利审查员认知与突破性技术往往初期不被认可之间可能存在的矛盾？”
总体来看，DeepSeek的回答从信息综合的广度、全面和条理来看，已经达到非常不错的水平。
对于第一个问题，DeepSeek的回答包括对现有非正常专利的认定标准的解析，AI技术专利的特殊性，避免被认定非正常的一些措施，政策以及环境等进行了分析，并给出了结论，认为如果措施得当，DeepSeek的技术有望在中国获得专利，并能降低被认定为非正常专利的风险。
对于第二个问题，DeepSeek思考了22秒，找到了提问者的深层次担忧，即新兴技术或反直觉的创新在申请专利时会面临更高的审查门槛，特别是当行业尚未广泛认可的该技术的可行性时。此时，DeepSeek认为如何撰写专利申请文件以充分展示技术的可行性和创新点，避免被视为非正常申请，就显得尤为重要。
值得注意的是，DeepSeek能够将这一问题提炼出“反直觉的创新”这一概念，就不简单，这个描述比较贴切，说明DeepSeek确实能够发现提问者的深层次想法。
不过其思考的核心结论依然是，认为表面的反直觉技术主张可能会引发审查员的质疑，但只要申请材料充分、技术方案扎实、仍有可能通过审查，成为主基调。
这一点，还是要比人类更乐观一些。
在这一层的回答中，DeepSeek提到了很多颠覆性技术（如深度学习中的Transformer架构）在初期也被质疑，但其专利申请因具备充分的技术细节和实验验证而获得授权。
因此，在DeepSeek看来，引发“非正常专利”质疑的因素包括技术方案缺乏细节、数据支撑不足、权利要求过于宽泛等。所以其解决方案也都基于这些问题展开。
针对第三个问题，DeepSeek在思考提问者的意图时，会理解审查员为何会出现这种情况，包括审查员通常依赖现有技术和行业常规来判断创造性，而突破性技术可能缺乏现有文献支持，或者与常规方法差距台达，导致审查员难以理解其创新点。因此，DeepSeek认为有效传达技术的创新性和实用性是关键。
在这一层级中，DeepSeek以自己举例，若其宣称“算力降低50%”，就需要明确是通过哪些技术模块实现的（如剪枝率、量化位数、缓存复用机制），而非仅描述结果。
在这个问题的结尾，DeepSeek的回答还是不错的，突破性技术与专利化是一场“技术可信度”与“法律合规性”的双重博弈。通过上述策略，即使面对初期认知的差异，仍可最大化授权可能性，为技术商业化构建护城河。
说到此，让我想起了谷歌早在两年前就建议美国专利商标局的专利审查员应强制性接受人工智能技术培训。
这背后代表了谷歌在当时所能够看到的，人工智能技术正在以飞快的速度在发展，而专利审查员的知识结构和对人工智能的理解，已经很难跟上技术的发展速度。因此会造成对人工智能类专利审查和授权的两个极端。
“这种情况在实践中的一种表现是，审查员可能并不完全了解所描述和要求的技术进步，因此专利申请人可能难以就一项值得拥有的发明获得专利。这可能导致冗长的起诉和需要对驳回进行上诉。对于可能没有资源的申请人，这也可能导致放弃专利申请。强制性技术培训可以帮助确保这些应得的发明不会面临不必要的障碍。”
“另一种同样令人担忧的方式是，如果审查员没有意识到他们所看到的东西既不新颖也不显而易见，或者不符合第101条或第112条的其他专利要求，就会授予一个没有意义的专利。
在这种情况下，审查员可能是应用领域的专家，但不是基础人工智能技术的专家。这就是为什么为任何分析人工智能相关发明的专利审查员--而不仅仅是那些从事核心人工智能领域工作的审查员--提供强有力的技术培训计划是如此重要。”
为此谷歌建议，培训应该是强制性的，而不是可有可无的。其实，从目前中国在AI上的发展来看，是不是也存在专利审查员的能力已经不足以支撑AI技术发展的情况？这一点，应该提上专利局的日程了。而且应该比美国更加坚定、迅速的对中国的专利审查员开展有关AI技术技能的培训。最后，我让DeepSeek基于上述内容写一个2000字的报道，以下就是DeepSeek未删减版的全部内容：
突破性技术如何跨越专利审查的“认知鸿沟”？
在人工智能领域，颠覆性技术的诞生往往伴随着行业质疑。当DeepSeek宣称其能以“更少算力实现与OpenAI相当的能力”时，外界的第一反应可能是“难以置信”。这种技术主张的“反直觉性”，不仅会引发行业争议，也可能在专利申请过程中遭遇审查员的“认知阻力”——技术过于超前、缺乏现有文献支撑，甚至被质疑为“非正常专利”。 如何让突破性技术跨越专利审查中的“认知鸿沟”？本文结合中国专利审查规则与全球AI创新案例，拆解技术、法律与沟通层面的破局之道。 专利审查的核心是“基于现有技术”评估创新性，而颠覆性技术往往试图“重新定义技术路径”，两者的冲突不可避免。 -依赖现有技术库：审查员通常依据公开文献、专利数据库进行检索，若技术路径过于超前（如DeepSeek的算力优化方法），可能缺乏直接对比文件。
-经验导向的认知惯性：审查员对“常规技术演进”（如增加算力提升模型性能）更熟悉，而“逆向创新”（如降低算力实现同等性能）易被视为“违反常识”。 -数据说服成本高：突破性技术需提供远超常规的对比实验（如算力降低80%且精度不变），但实验设计稍有不严谨便会引发质疑。
-披露与保密的平衡：过度披露技术细节可能泄露核心机密，而过于笼统的描述又难以通过审查。 以DeepSeek为例，若其核心技术涉及“动态稀疏化训练+硬件指令集优化”的跨界融合，审查员可能因缺乏跨领域知识而低估其创造性。 二、破局之道：构建“技术-法律-沟通”三位一体策略要让审查员理解并认可颠覆性技术，需从技术方案设计、专利申请策略和审查沟通三方面协同发力。 -算法层：动态稀疏注意力机制的数学证明；
-架构层：混合精度计算流水线的硬件适配方案；
-横向对比实验：在相同数据集（如ImageNet）和硬件环境下，对比DeepSeek与GPT-4的算力消耗与准确率；
-开源社区验证：通过GitHub发布部分代码（如剪枝算法接口），引用第三方开发者的复现结果；
-长期稳定性测试：提供1000小时连续运行的稳定性数据，消除对“实验室特例”的怀疑。 【案例参考】：英伟达在申请Tensor Core相关专利时，曾通过公开MLPerf基准测试结果，证明其硬件架构的算力效率优势。 -优先申请底层技术专利（如“一种动态稀疏化训练方法”），聚焦核心算法；
-后续布局应用专利（如“自动驾驶实时语义分割中的算力优化系统”），构建保护网络。 -通过PCT国际申请获取初步检索报告，利用国际审查意见预判中国审查风险；
-根据《巴黎公约》优先权规则，在12个月内补充实验数据。 对非核心改进点（如特定场景的调参方法），通过学术论文提前公开，既阻止竞争对手专利布局，又为后续改进保留空间。 -申请优先审查（如符合地方AI产业支持政策），提前与审查员建立沟通；
-提交技术白皮书摘要，用通俗语言解释技术原理（如“动态剪枝如何模拟人脑神经突触修剪机制”）。 -将技术原理转化为流程图（如“动态计算分配策略的三阶段执行逻辑”）； -用对比图表展示关键数据（如“与传统方法在不同batch size下的内存占用对比”）。 -引入第三方技术专家出具说明（如高校实验室的独立验证报告）；
-援引跨领域技术原理（如“本发明的缓存复用机制借鉴了CPU分支预测技术”）。 中国近年来对AI专利的审查呈现两大趋势，为突破性技术提供机遇： -《新一代人工智能发展规划》明确鼓励“低功耗、轻量化AI技术”；
-地方政策倾斜：如上海对“算力优化技术”专利给予优先审查通道。 -2023年新版《专利审查指南》增加“AI技术创造性判断示例”，明确“技术效果显著即可突破常规认知”；
-审查员培训体系升级，AI领域审查团队引入算法工程师背景人才。 【案例印证】：2023年蚂蚁集团“超低算力OCR模型”专利获授权，其通过“注意力机制裁剪+二值化卷积”实现算力降低90%，审查过程中通过多轮实验数据补充最终通过。 历史上，从晶体管到CRISPR基因编辑，几乎所有颠覆性技术的专利化都经历了“质疑-验证-认可”的循环。对于DeepSeek这类企业而言，关键在于： 1. 以技术细节对抗认知惯性——用模块化创新和可复现数据构建证据壁垒；
2. 以法律策略缓冲审查风险——通过分阶段申请、国际联动和防御性公开降低不确定性；
3. 以生态协同扩大共识圈——借力政策红利、开源社区和行业联盟塑造技术可信度。 在AI竞争进入“算力效率战争”的今天，专利不仅是法律护城河，更是技术话语权的象征。唯有将技术突破转化为专利体系中的“硬通货”，创新者才能真正掌握定义未来的权力。
