AI最新應用及其法律議題 系列6（下）— AI代理之可專利性與範例舉隅
科技產業資訊室(iKnow) - 陳家駿、許正乾 發表於 2025年11月27日
圖、AI最新應用及其法律議題 系列6（下）— AI代理之可專利性與範例舉隅
隨著代理型AI技術的發展，智慧財產保護變得極為重要。專利可涵蓋這些系統的不同面向，包括其架構、訓練過程以及特定應用領域。以下介紹幾個與AI代理相關的專利核准案例。
1. Google：機器學習模型之資源配置
Google發明一項「用於機器學習模型之資源配置」（Allocating resources for a machine learning model，美國專利號US12386662B1，以下簡稱’662專利），於2025年8月獲得USPTO核准發明專利，專利權人為Google。
’662專利是為了解決習知技術，在執行機器學習模型時的資源需求不可預測之問題，也就是說，習知技術無法事先靠分配硬體資源與負載平衡、也無法共用閒置資源，或回收未使用資源。然而，’662專利的改善之處則在於，透過「決定性指令集架構（deterministic instruction set architecture ISA）以及編譯（compile）階段就預測資源需求」，讓模型執行需求完全量化並可提前規劃，大幅提升資源調度效率、處理器與資料中心效能。
請參考圖1所示，其係為’662專利的系統架構圖。根據’662專利獨立項1的方法請求項，其揭示一種讓「機器學習模型(111)在特殊專用機器學習處理器(117)上能更有效率地分配運算資源」的技術核心。
一般而言，機器學習模型(111)在不同硬體上會因最佳化策略的差異，導致實際需要的運算量、記憶體與 I/O資源難以預測；但’662專利首先透過重寫引擎(101)與排程引擎(103)處理機器學習模型(111)。接著，在編譯器(105)執行編譯(compile)階段，就被轉換成「可決定性的計算資料流圖」（computational dataflow graph），並使用具有「決定性指令集架構」（deterministic ISA）的特殊專用機器學習處理器(117)，好讓處理系統(100)能在編譯時，就精準預測機器學習模型(111)執行所需的資源，例如每個運算節點的執行時間、起始時脈、所需的運算量與資料流向等等，並進一步將其編譯成執行檔，以供特殊專用機器學習處理器(117)運行。
圖1：美國專利號US12386662B1「用於機器學習模型之資源配置」之系統架構圖。
換言之，這項技術的突破點在於「讓模型的資源需求可被預先計算」，而非等到執行時才動態估算。具體而言，透過「可決定性的計算資料流圖」將機器學習模型(111)的運算流程轉換成一種圖形結構，其中節點（node）代表個別運算（如加法、乘法或神經網路層），邊（edge）則代表資料在這些運算之間的流動方向和依賴關係。關鍵在於其可決定性（deterministic），意思是這個「可決定性的計算資料流圖」的執行行為，是完全可預測的。
也就是說，給定相同的輸入，則輸出、執行順序和資源消耗（如時間、記憶體）每次都會相同，沒有隨機或不確定的因素。這有助於在編譯階段，就能精準估計模型運行所需的資源，讓系統能更有效率地分配所需的資源給機器學習模型處理器(117)。
由於所有運算步驟與資料傳遞，都以具有固定行為的「決定性指令集架構」來建構，系統可以提前排程模型運算、配置所需硬體資源，甚至同時在同一顆處理器上安排多個模型共同執行，提升負載平衡能力與整體執行效率。這讓機器學習部署從原本不可預測的黑盒子過程，變成可被量化、可規劃、且能穩定重現資源需求的自動化流程。
在’662專利中的關鍵一環：資源的判定與分配，則由判斷引擎(107)與配置引擎(109)共同執行，以優化運行效率。資源配置(115)則確保模型，能在既有的運算基礎設施上被妥善分配。圖1進一步強化了’662專利之請求項的新穎性，展現出一種結構化、系統化的資源配置方法。
此外，’662專利中的請求項有效地界定針對機器學習模型，進行資源配置的具體技術步驟，超越一般對AI處理過程的抽象描述，以達到「新穎性」與「非顯而易見性」的門檻。更進一步地，透過如「可決定性的計算資料流圖」、決定性指令集架構及資源配置模組，成功地將該發明與既有技術區隔開來，克服USPTO可能會被USPTO以「過於抽象」或「缺乏顯著創新步驟」為由予以駁回。
2. C3.AI：企業級生成式AI架構
一家專門從事企業級人工智慧應用的軟體公司C3.AI發明「企業級生成式AI架構」（Enterprise generative artificial intelligence architecture，美國專利號US12111859B2，以下簡稱’859專利），於2024年10月獲USPTO核准發明專利，專利權人為C3.AI，該’859專利進一步鞏固了C3.AI對創新及其在生成式AI領域的領導地位。
’859專利記載著用於管理多個AI代理，並透過「多模態基礎模型」（multimodal foundation models）來協調執行各項編排操作。請參考圖2所示，其係為’859專利的系統架構圖。根據’859專利的方法請求項之記載，其揭示一種由一協調者（orchestrator）協調多個AI代理（Agent 106-1, Agent 106-2, Agent 106-3, …, Agent 106-N）的工作方式。
當使用者輸入(102)一個問題或指令時，協調者會先用一或多個多模態模型，預處理或解構(104)一提示指令，甚至將這個提示指令拆解成更小、更明確的工作後，再分派給不同的AI代理（Agent 106-1, Agent 106-2, Agent 106-3, …, Agent 106-N）處理。
每個AI代理負責不同的資料類型或任務（Tool 108-1, Tool 108-2, Tool 108-2, …, Tool 108-N），例如資料庫查詢、文件分析或API呼叫等動作。接著，每個AI代理依據指示從不同資料來源取回資訊後，再把取回的資訊回傳給協調者。由於不同資料來源的資料格式都不盡相同，AI代理會把它們轉換成統一的自然語言格式，讓大型語言模型能夠在後續處理(110)中理解並進行推論。
圖2：美國專利號US12111859B2「企業級生成式AI架構」之系統架構圖。
’859專利克服了傳統生成式AI系統對於異質資料來源的薄弱整合能力。企業資料通常散布於結構化、非結構化、時序資料及應用輸出等不同系統中，使得AI模型難以有效整合並充分利用這些資訊。此外，現有系統對多模態輸入（如影像、音訊、影片與文本）缺乏一致化的處理流程，導致無法同時理解與格式不同的資料。傳統生成式AI在進行跨領域知識推論時存在不足，其缺乏引入專業領域特定模型的能力，因此容易產生缺乏情境脈絡的錯誤推論或偏差（俗稱「幻覺」）。既有系統通常也缺乏任務分解與協作能力，無法透過多代理人模式來平行處理複雜任務，使得整體運算效率受限。
更進一步地，為解決多種資料來源格式不一致的問題，’859專利將所有資料透過資料模型（data model），轉換為統一的自然語言格式，以方便大型語言模型能進行後續推理。資料模型提供資料結構、資料欄位與物件關係的語意描述，協助模型理解資料本身的意義與上下文。此外，’859專利也支援根據使用情境自動切換不同的領域專用模型，例如醫療、金融或製造領域等模型，以提升推論結果之專業性與準確度。
C3.AI此項專利的取得，是從根本上改變企業AI應用的人機介面（human computer interface）的本質，並將其導入於各種企業AI應用場景，包括供應鏈最佳化、預測性維護、流程優化、國防、情報、反洗錢（AML）偵測、客戶關係管理（CRM），協助組織充分釋放資料潛能。憑藉這項最新專利，C3.AI進一步強化其在企業級生成式AI技術領域的開創性。
3. Regie.ai：用於生成模型以識別狀態與行動之系統與方法
一家人工智慧公司Regie.ai發明一項「用於生成模型以識別狀態與行動之系統與方法」（Systems and methods for generating models to identify states and actions，美國專利號US12346822B2，以下簡稱’822專利）於2025年7月獲USPTO核准發明專利，專利權人為Regie.ai，自2020年成立以來，Regie.ai是第一家獲得風險投資支持的生成式AI新創公司，也是最早意識到AI代理具有變革產業趨勢潛力的企業之一。
請參考圖3所示，其係為’822專利用於生成模型，以識別狀態與行動之系統與方法之流程圖。根據’822專利的方法請求項之記載，其揭示一種「狀態－動作代理人」（state-action agent）框架，整合多種機器學習模型，並形成一個完整的自動化決策與執行流程。
首先，系統利用大型語言模型或Transformer模型分析如客戶關係管理（Customer Relationship Management，CRM）的資料，以自動定義實體（如客戶）的「當前狀態」。接著，一個基於「馬可夫決策過程」（Markov Decision Process，MDP）的強化學習模型會介入其中，根據這個「當前狀態」以及預設的「獎勵」機制（如提升參與度），從眾多選項中識別出能帶來「改善後狀態」的「最佳動作」。
一旦決定了動作，框架會啟用一個機器學習模型，此模型會根據「當前狀態」、「改善後的狀態」與「指示的動作」，自動「生成」用以實施該動作的具體「輸出資料」，例如，撰寫一封客製化的電子郵件內文。最後，當動作執行後，系統會接收「成功指標」作為反饋，用以確定實體的新狀態，並將此結果作為歷史經驗回饋給強化學習模型，使其決策能力不斷優化。
圖3：美國專利號US12346822B2「用於生成模型以識別狀態與行動之系統與方法」之流程圖。
第一：缺乏自動化的最佳動作決策：在與實體（例如潛在客戶）互動時，難以自動且最佳化地決定「下一步」應該採取什麼「動作」（例如打電話、發郵件、發送特定訊息），才能最有效地將實體從「當前狀態」（例如冷淡的潛在客戶），轉移到一個「改善後的狀態」（如高參與度的客戶）。
第二：決策與內容生成的脫節：即使系統能決定一個抽象的動作（例如「發送後續追蹤郵件」），但先前技術難以自動生成能有效執行該動作的具體「實施內容（implementation）」，例如，自動撰寫出最適合當前狀態與目標狀態的郵件內文或電話腳本。
針對’822專利的保護範圍，不僅涵蓋銷售開發，更廣泛適用於任何利用強化學習決定「下一步最佳行動」的AI代理工作流程（agentic workflow），無論應用於銷售、行銷、人資（HR）或其他企業的應用場景。此舉已讓該公司在傳統銷售互動平台中脫穎而出，也使其領先於新進業者，在打造AI驅動的銷售自動化與智慧決策系統上佔據主導地位。
4. Wells Fargo銀行訓練型AI代理專利
美國金融業者Wells Fargo Bank（富國銀行）發明一項「用於新產品與功能評估與開發的AI」（AI for evaluation and development of new products and features，美國專利號US11625314B1，以下簡稱’314專利），於2023年4月獲USPTO核准發明專利，專利權人為Wells Fargo。
請參考圖4所示，’314專利係用於新產品與功能評估與開發的AI之流程圖。根據’314專利的方法請求項之記載，其揭示一種AI驅動的自動化學習使用者行為的技術。該專利發明是用一個經大量真實數據訓練（高達數十億筆），並可模擬特定用戶族群的「AI代理人」，取代了先前技術中昂貴、緩慢且不具代表性的小型數據規模的真人測試。這使得開發團隊能夠在產品發布給真實用戶之前，可以更早、更快、更低成本地對新功能進行多次測試、修改和重新測試，從而顯著提升軟體開發的效率與最終產品的可用性。
圖4：美國專利號US11625314B1「用於新產品與功能評估與開發的AI」之流程圖。
本發明的一個關鍵創新點在於，AI代理人可以被訓練來模擬特定「具有統計學特徵的人群」（demographic）；為此，開發者可以篩選特定族群的歷史日誌，例如依據年齡、職業，或甚至是「使用效率最低的25%用戶，來專門訓練AI代理人，這進而使得AI代理人能模擬特定族群，例如「18至22歲的用戶」或「65歲的男性」的行為模式與偏好。
接著，一旦訓練完成或達到一定的基準理解程度，開發者便會指示該AI代理人去使用「第二版（second version）」或修改後的應用程式，此新版本包含了先前版本所没有的新穎或修改過的功能。最後，在生成反饋的過程中，AI代理人在執行任務時，系統會記錄其表現，例如遇到的障礙、面臨的困難或效率指標（如完成時間、點擊次數、錯誤訊息），系統最終會生成一份報告，該報告模擬了「具有統計學特徵的人群」在使用新功能時可能提供的反饋，並可能包含需改進的領域。
AI代理專利申請之挑戰 代結論
AI代理這類技術在申請專利時，具有相當程度的挑戰性，尤其在辨識軟體實作層面的創新點與技術貢獻等方面。成功的AI代理相關技術的專利申請，需要在法律邏輯與技術明確描述之間取得平衡。實務上，撰寫AI代理相關技術時，需要將發明或創新的來龍去脈說明清楚。也就是說，該發明究竟是為了解決習知技術什麼樣的問題、發明人的AI代理相較於習知技術，又有超越預期效益的技術特徵、輸入的數據或格式、產生的輸出為何、在什麼情境下會採取什麼樣的行為模式。
接著，要描述模型是怎麼被訓練、怎麼優化、部署在系統裡又有哪些技術特徵、模型架構如何、推論流程怎麼執行。最後還要點出真正的技術創新點在哪裡，例如是新的架構？新的協調機制？還是新的資源管理方式？這些內容會用專利法律語言融合在一起，變成專說明書裡的技術說明、與其對應的請求項主張的保護範圍。
請求項是整份發明專利申請的核心，它定義了專利獲准後的法律保護範圍。撰寫時需根據習知技術與未來市場策略做好拿捏，如請求項過窄，易被競爭者繞過；而請求項過寬，則可能因習知技術已經存在而遭USPTO駁回。由於AI與機器學習等技術發展迅速，事前進行完整的先前技術檢索（prior art search）至關重要，這不僅能節省成本，也能幫助申請人掌握整體專利態勢、優化申請內容、提升核准機率。
AI相關專利的申請流程包含以下主要步驟：
- 確定專利類型：AI發明多屬「實用專利」（utility patent），用來保護新的方法、系統或其組合、機器或物質組成；若為介面設計，則可申請「外觀設計專利」（design patent）。
- 進行現有技術檢索：確認發明具新穎性與非顯而易見性，並根據檢索到的現有技術，調整專利請求項的保護範圍。
- 撰寫專利說明書：詳述發明之功能、運作原理與創新要素，並附上示意圖或架構圖，若有必要，也可一並附上實驗或模擬的數據，作爲日後遭遇官方核駁時的答辯之用。
- 提交申請：送交USPTO並繳交相關費用，由專利審查員進行審查。
- 等待審查結果：非臨時性專利（non-provisional patent）的審理時間通常約17–20個月。若有特殊情況，可申請「快速審查」或「特別請願」。
在AI代理領域，應強調其作為方法或系統的創新性，例如保護代理的決策規劃與工具整合，避免被視為純抽象概念。現有技術檢索需特別針對類似AI代理架構如LLM結合RAG的組合，確保創新之處，如獨特適應機制具新穎性。撰寫專利說明書時，宜詳細描述AI代理的訓練流程、外部記憶應用、演算法抽象的轉化、模擬或實驗數據等具體說明，以滿足可據以實施性要求並強化非顯而易見性，如此可提高AI代理技術獲得專利保護的成功率。
AI代理代表AI的一個典範轉移，不僅可以內容自動化生成，更延伸至自主決策與行動執行。這些系統能夠適應環境變化，並以最少的人力監督達成目標。隨著技術進步，專利保護將在定義和保障AI代理創新中扮演關鍵角色，確保企業能在各行各業充分運用這些系統。
專利申請實務就AI代理之申請變革，將深刻影響AI創新，特別是在製藥、供應鏈優化等領域。企業必須持續掌握最新法規，以保護智慧財產並維持市場競爭優勢。(6230字；圖1)
作者資訊：
陳家駿律師 臺灣資訊智慧財產權協會 理事長
許正乾執行長 因子數據股份有限公司 共同創辦人
參考資料：
Are AI Agents Patentable? Powerful Strategies for Agent-Based IP Rights. The Rapacke Law Group, 2025/2/10
Understanding How to Patent Agentic AI Systems. MINTZ, 2025/3/20
How Agentic AI Is Testing The Limits Of Patent Law. Marshallip, 2025/8/20
Systems and methods for generating models to identify states and actions. Google Patents, 2025/7/1
C3.ai gets grant for detecting non-technical energy loss using machine learning clustering. Verdict, 2024/3/11
C3 AI Awarded Patent for AI Agents, Destination CRM, 2024/11/1
C3 AI Awarded Patent for AI Agents. Business Wire, 2024/10/31
Regie.ai, Regie.ai Secures Foundational U.S. Patent for AI Agent Technology Years Ahead of the Market. PR Newswire, 2025/10/7
Ulrich Storz, Patent Eligibility, Patent Eligibility: How to Tell if your Life Science Invention is Patentable. Labiotech, 2022/6/22
Ghazal Ahmed, C3.ai, Inc. (AI) Secures New U.S. Patent for Advanced Generative AI Technology, Reinforcing Leadership in Enterprise AI Innovation. Yahoo Finance, 2024/11/1
Allocating resources for a machine learning model. Justia Patents, 2022/6/10
Allocating computing resources using a machine learning model. Google Patents, 2024/7/4
Enterprise generative artificial intelligence architecture. Google Patents, 2024/10/8
Systems and methods for generating models to identify states and actions. Google Patents, 2025/7/1
AI for evaluation and development of new products and features, Google Patents, 2023/4/11
Implementing artificial intelligence agents to perform machine learning tasks using predictive analytics to leverage ensemble policies for maximizing long-term returns. Google Patents, 2021/11/30
Executing artificial intelligence agents in an operating environment. Google Patents, 2022/4/30
C3AI awarded a patent for AI agents. Linkedin, 2024
--------------------------------------------------------------------------------------------------------------------------------------------
【聲明】
1.科技產業資訊室刊載此文不代表同意其說法或描述，僅為提供更多訊息，也不構成任何投資建議。
2.著作權所有，非經本網站書面授權同意不得將本文以任何形式修改、複製、儲存、傳播或轉載，本中心保留一切法律追訴權利。
|