人工智能相关发明专利申请在专利审查中面临的核心挑战之一，是”技术方案”的认定问题。审查实践中，涉及抽象人工智能算法或模型的权利要求，经常因被认定为纯粹的数学方法而收到”不构成技术方案”的审查意见。如何通过申请文件的撰写和审查意见的答复，使AI算法特征与技术特征有机结合，从而被认定为符合专利法第二条第二款规定的技术方案，是AI领域专利申请人和专利代理师必须掌握的关键能力。

一、以”技术问题—技术手段—技术效果”贯穿全文

为避免或者克服不构成技术方案的缺陷，针对人工智能相关发明专利申请，申请人可以参考本节示例情形撰写申请文件，并在原始说明书中详细阐明该方案所要解决的技术问题、采用的技术手段和能够获得的技术效果；或是在答复审查意见时，根据原申请文件的记载对权利要求书进行修改，并在意见陈述书中充分阐述修改后的方案属于技术方案的理由。

这一总体思路的核心在于：将AI算法的技术贡献锚定到具体的技术领域和技术问题上，而非停留在抽象的数学方法层面。三项要素缺一不可——技术问题应当是特定技术领域的实际问题，技术手段应当体现算法与领域技术的关联，技术效果应当反映自然规律的运用。

二、抽象算法处理技术数据

对于涉及抽象人工智能算法或模型的权利要求，可在权利要求中体现算法或模型处理的是技术领域中具有确切技术含义的文本、图像、音频或视频等数据，使得基于本领域技术人员的理解，算法的执行能直接体现出利用自然规律解决该领域某一技术问题的过程，并且获得了技术效果。

这一策略的底层逻辑在于：审查员判断”技术方案”的关键，在于权利要求是否涉及利用自然规律解决技术问题。处理文本、图像、音频、视频等具有明确技术含义的数据，本身即属于技术领域的技术活动，算法的执行过程直接关联到对客观数据的处理和分析，而非纯粹的数学计算。

在实践操作中，申请人在撰写权利要求时应当明确记载以下要素：被处理数据的具体类型和技术含义——例如”从医学图像中提取病灶特征”而非”处理图像数据”；算法所解决的具体技术问题——例如”提高图像识别的准确率”而非”提高算法效率”；算法执行所带来的技术效果——例如”降低误诊率”而非”提高分类精度”。

三、算法改进计算机系统内部性能

当发明涉及计算机系统内部性能改进时，可将原申请文件中体现了算法与计算机系统内部结构存在特定技术关联的技术特征加入权利要求。例如，在一项涉及神经网络训练方法的权利要求中，加入利用分布式系统进行神经网络训练时与神经网络训练算法产生特定技术关联的分布式计算节点的资源调配、信息交互传递等特征，从而体现出方案能够提升训练时硬件的执行效果，获得符合自然规律的计算机系统内部性能改进的技术效果。

这一策略的法理基础在于：计算机系统内部性能的改进，本身即属于技术问题——不需要将该方案与应用领域的外部技术问题挂钩。只要算法特征与计算机系统内部结构之间存在”功能上彼此相互支持、存在相互作用关系”，使得算法成为技术手段的组成部分，即可认定该方案构成技术方案。

实务中，常见的撰写方式包括：将算法运行与硬件资源调度进行关联描述；体现算法特征与分布式节点间的数据交换和协同控制之间的技术关联；突出算法改进对计算机系统运行效率、资源利用率、数据处理能力等计算机技术指标的提升效果。

四、AI算法对具体应用领域数据的分析预测

涉及利用人工智能算法或模型对具体应用领域的大数据进行分析、预测或者评价、评估等的解决方案，在撰写时，应在权利要求中明确记载采用哪些指标、参数等，采用何种算法或模型以得到何种预测结果。在答复审查意见时，应着重分析算法或模型处理的数据与要分析和预测的结果之间为何受自然规律约束，而不是仅仅体现管理学、经济学等非自然规律。

这一情形的难点在于：很多大数据分析类发明，其处理对象和结果之间可能体现的是经济规律、管理规律或社会规律，而非自然规律。如果无法论证算法处理的数据与分析结果之间存在自然规律层面的因果关系，则可能被认定为非技术方案。

突破这一难点的关键在于：充分论证数据处理过程受自然规律的约束。具体而言，可以论证被处理数据与预测结果之间存在物理的、化学的、生物学的或工程学的客观规律联系——例如，依据气象传感器采集的温度、湿度、气压等物理数据预测天气变化。如果仅仅是依据销售数据预测市场趋势，则属于经济学规律的范畴，难以满足技术方案的要求。

五、审查意见答复的核心策略

在收到审查员发出”不构成技术方案”的审查意见时，申请人的答复应当围绕以下要点展开：首先，从原始申请文件中找出能够证明算法特征与技术特征之间存在技术关联的记载，包括说明书中对技术问题、技术手段、技术效果的描述；其次，强调算法处理的数据具有确切的技术含义，而非纯粹的数学数值；再次，论证算法执行过程体现的是自然规律的运用，而非经济学或管理学的非自然规律；最后，必要时对权利要求进行修改，将体现技术关联的特征补入权利要求。