AI 与 (F)RAND 谈判的未来

如今，许可方和被许可方首次能够切实地审查专利组合中的所有专利，而不仅仅是选定的样本。这标志着 SEP 许可信息格局的根本性转变

作者：Sharaz Gill

数十年来，标准必要专利 (SEP) 许可谈判一直受制于一个简单的现实限制：开展全面的必要性分析成本十分高昂。虽然对许可方而言，承担权利要求对照分析的成本尚属合理，因为由此产生的工作成果可在多个许可项目中重复使用；但对实施方来说，却往往需要应对涉及多种标准的众多许可方，因此很难有理由对每一个被主张的专利组合进行详尽审查。

这种模式如今可能正在发生变化。有迹象表明，实施方已开始利用 AI 对大量专利进行分析，以此回应许可方的提议。他们不再仅针对许可方选定的样本（即所谓的“精选清单”）作出回应，而是部署 AI 系统，生成己方的竞争性权利要求对照表、专利组合格局以及关于必要性的不同观点。

AI 并未消除关于必要性的争议。关于权利要求解释、技术解读和法律判断的问题依然存在；具备合理判断力的专家仍可能得出不同的结论。AI 真正改变的是经济成本结构。过去需要动用整支工程师和专利代理人团队的大规模 SEP 评估，如今可以以更快的速度和极低的成本完成，从而彻底改变了许可和诉讼中证据的可获得性。

如今，谈判双方首次有可能全面审视整个专利组合，而非仅限于选定的样本。因此，我们很可能看到 SEP 许可的信息格局发生根本性转变。

在Sisvel 行业洞见最近的一篇文章中，我曾指出，对 AI 生成的专利全景，不仅应以其结论为评判依据，还应考量其生成方法的透明度、可复现性和可争议性。本文将探讨这一演变的下一阶段。当 (F)RAND 谈判的双方都具备了同样的 AI 能力，并开始大规模生成竞争性分析结果时，会发生什么？

传统的 (F)RAND 谈判模式

SEP 许可始终是在不确定性条件下进行的。各方都知道某些专利很可能属于 SEP，但很少能准确掌握其具体数量、重要性，以及法院最终会如何评估它们。

对于实施方而言，全面的必要性分析往往成本高昂，难以承受。相比之下，专利所有者则有理由对整个专利组合进行大规模审查，因为由此产生的工作成果可在多次许可谈判中重复利用。这种经济上的不对称性导致直接证据的匮乏，尤其是对实施方而言。

因此，谈判逐渐围绕间接指标展开。专利权人依赖声明数量、专利池评估、诉讼结果以及其自身的专利组合审查等指标。实施方则通常依赖自身的选择性技术审查、有效性质疑、公开的诉讼记录以及他们所能获取的任何市场信息。双方都明白这些指标的局限性，但认为它们为达成协议提供了可行的基础。

这塑造了 (F)RAND 谈判的结构。讨论往往围绕专利“精选清单”展开，而非全面的专利组合分析。现有许可协议具有重要影响力，因为它们是少数可观察到的市场信号之一。诉讼往往充当获取其他途径所无法获得的信息的一种机制，包括那些许可协议。

这一体系远非完美，但其运行效果却出乎意料地好。各方在广泛的不确定性范围内进行谈判，并接受完全精确既无法实现，也非必要。

分析的工业化

AI 最重要的贡献并非在于它能比人类专家更出色地进行必要性分析。通常情况并非如此。其价值更多在于规模化。

几十年来，专利组合评估的瓶颈在于，将数千项专利权利要求与数千页技术规范进行比对，所需的工作量过于庞大。而现代 AI 系统能够筛选专利组合，识别标准中可能相关的部分，并生成初筛映射结果——其准确性和速度在几年前还是不可想象的。

这种能力不仅限于许可方。实施方、诉讼出资方、专利池、法院和独立评估方也能够越来越方便地使用类似的工具。人类的专业知识依然不可或缺，但专家们现在可以将注意力集中在真正值得详细审查的专利上。

这一变化的影响类似于诉讼中的电子证据披露。计算机并未取代律师；但它改变了甄别哪些文件值得法律关注这一过程的经济性。AI 正开始在 SEP 分析中发挥类似的作用。

有史以来第一次，全面的专利组合分析对谈判双方而言在经济上变得可行。而这一转变带来的后果才刚刚显现。

AI 博弈下的证据过剩困局：相互确保困惑

AI 带来的最早后果之一，便是所谓“反向对照表”的出现。

传统上，权利要求对照表的流向是单向的。专利所有者提交对照表作为专利组合实力的证据，而实施方则对此提出质疑。AI 正在改变这一格局。实施方似乎越来越多地自行开展全专利组合审查，并以过去难以实现的规模生成竞争性分析。

因此，实施方的立场正在从“请向我们证明你们拥有大量 SEP”转变为“我们已自行分析了你们的专利组合，并且认为你们夸大了专利组合的实力”。

原则上，这应当能够提高讨论的质量。竞争性分析能够揭示相关假设与方法论上的差异，并促使各方对存在争议的专利进行更深入的审查。然而，这一发展也带来了新的挑战。

在实践中，当面临大量由 AI 生成的反驳意见时，许可方很难仅依靠人工审查来应对。在许可领域，律师和工程师的时间是宝贵的资源，将这些资源用于评估大量由 AI 生成的权利要求对照表，根本不切实际。因此，许可方很可能越来越多地利用 AI 系统来评估、反驳实施方的异议并确定其优先次序。其结果是形成一个自我强化的循环：双方各自利用 AI 来回应对方生成的 AI 分析。

这似乎类似于一场分析领域的军备竞赛。随着生成权利要求对照表及反向对照表的成本下降，双方都能够以前所未有的规模生成技术证据。其结果可能并非带来更大的确定性，而是导致竞争性分析数量日益增多，而双方都无法经济高效地对这些分析进行评估。

信息过载正是由此开始。AI 技术同时降低了双方生成技术论据的成本。权利要求对照表生成反向对照表。反向对照表引发反驳意见。反驳意见又引发进一步的回应。分析报告数量的增长速度，远超人类专家评估它们的能力。

因此，未来的 (F)RAND 谈判很可能涉及多种竞争性的必要性论述，每种论述都有大量看似有理有据的技术分析作支持。在双方都能以工业规模生成技术分析的当今世界，风险并非在于证据匮乏，而在于证据过剩。

证据：是否也会过犹不及？

乍看之下，AI 驱动的透明度似乎完全是一件好事。我们直觉上认为，信息越多，决策就应当越明智。然而历史表明，技术进步在消除旧有限制的同时，往往也会创造新的限制。

AI 可能会给 SEP 许可带来类似的挑战。AI 能够生成有用的证据，但它生成的证据数量也大幅增加。制作一份看似合理的权利要求对照表的成本正在急剧下降，而人工评估该对照表的成本却基本保持不变。

人们已经可以观察到一种姑且可以称为“信息泛滥”的现象。只需极低的成本，就能生成数百项质疑。其中一些也许可信。但许多未必。然而，接收方仍必须逐一审查。

这并不意味着提出质疑的一方存在恶意。许多实施方恰恰是按照 AI 的设计初衷来使用该技术，即借助其更好地理解他们被要求取得许可的专利组合。然而，实际效果是，谈判日益演变为关于专利分析的辩论，而非针对专利本身。

AI、(F)RAND 行为与谈判意愿

AI 的影响不仅限于专利组合分析。它还可能影响法院对参与 (F)RAND 谈判各方行为的评估。继华为 (Huawei) 诉中兴通讯 (ZTE) 一案之后，法院越来越关注谈判意愿和善意参与，将其作为判断行为是否符合 (F)RAND 标准的指标。

AI 使这一局面变得更加复杂。一个带着全面组合分析和一套详细技术异议进入谈判的实施人，在主张其已认真对待涉案专利权时，是有相当分量的。但与此同时，数量本身绝不能替代实质性的认真评估。法院面临的新挑战之一，可能是区分正当的技术分歧与利用 AI 策略性地提高谈判成本和复杂性的行为。

因此，一个关键问题随之产生：如果实施方提出了数百项由 AI 生成的异议，许可方是否有义务逐一回应？要求许可方反驳每一项由 AI 生成的异议，可能会激发强烈的程序性拖延动机。而完全忽视此类分析，同样可能带来问题。

面对这一挑战，法院很可能不会只关注交换材料的数量，而会进一步审查各方所持立场究竟是反映了真实的技术推理，还是仅仅属于信息泛滥效应催生的、几乎零成本的批量生成内容。因此，法院可能会决定将重点放在方法论上，而不仅在产出结果上。如果一方希望法院或对方当事人采信 AI 生成的分析结果，则该方有合理义务说明这些分析是如何产生的、采用了哪些假设以及结果是如何经过验证的。

总而言之，在 AI 赋能的环境中，对谈判意愿的判断可能不仅取决于一方是否参与了谈判，还取决于所提交的证据是否具备足够的透明度和可复现性，以供进行有意义的审查。

以AI为中介的证据审查

如果 AI 能够生成竞争性权利要求对照表，那么它能否也被用于对这些分析结果进行比较？

应对证据过载的一种可能方案是开发基于 AI 的审查系统，该系统能够识别存在争议点，并标注出真正需要专家判断的问题。

此类系统不会对法律上的必要性或 (F)RAND 条款作出裁定。相反，它们会对证据进行分流，将数千页竞争性分析简化为一组可管理的、真正存在争议的问题。

同样，任何此类系统都需要透明的方法、可复现的结果以及独立的监督机制。然而 ，如果 AI 正在改变证据的生成方式，那么 SEP 生态系统最终可能也需要同样先进的工具来对证据进行评估。

专利池前景如何？

鉴于我目前的职责，若不考虑这一现象对专利池的影响，那便是失职。专利池在 SEP 生态系统中占据着独特的地位。其可信度在于：纳入专利池的专利在入池前均经过了技术专家的独立评估。

AI 正对这一根基构成挑战。如前所述，随着实施方能够使用涵盖整个专利组合的分析工具，他们便能够以相对较低的成本，越来越多地生成竞争性的必要性评估报告。因此，专利池会面临这样的情况：需要针对大量由 AI 生成的反向分析结果，捍卫既有的评估记录。

恰当的应对措施很可能是更加重视评估方法论和透明度。由合格专家依据既定标准进行的独立人工评估，仍然是一种高质量的溯源依据，这是 AI 生成的分析目前尚无法比拟的。与此同时，专利池可能会越来越多地利用 AI 来增强和扩展其自身的审查流程，在双边谈判与完全独立的机构审查之间占据一个重要的中间地带。

下一个竞争优势

当前的讨论大多集中在权利要求对照表的生成上。然而，一旦某项能力被广泛应用，就很少能继续成为持久的竞争优势来源。权利要求对照编制工作本身很可能日益成为一种商品化服务。未来的差异化优势可能体现在方法论、来源溯源、可复现性、可信度评估以及争议管理等方面。

成功的组织未必是那些生成最多权利要求对照表的组织；而是那些分析结果能够经受住法院、交易对手和独立评审员的审查，乃至全面 AI 审查的组织。这可能会为独立评估机构创造机会——他们的职责并非进行分析，而是对竞争性分析结果进行评估。

不断变化的专利丛林挑战

几十年来，SEP 许可的运行背景是：全面分析难以获得，信息不对称也不可避免。AI 正在改变这一现状。谈判双方如今都能进行专利组合级别的分析，过去难以获取的证据现在可以以前所未有的规模生成。

技术发展史为我们上了很有价值的一课。进步很少能彻底消除限制。更多时候，它只是将限制转移到了别处。因此，如果 AI 在小洁专利从的同时却又催生出一片新的丛林——权利要求对照表丛林，其中竞争性分析激增的速度超过了人们能对其进行有效评估的速度，我们也不应感到惊讶。SEP 生态系统的制度、实践和谈判模式是否已为这一转型做好准备，目前仍是一个未知数。

挑战不再是获取证据，而在于评估相互竞争的证据体系，理解这些证据所依据的假设，并确定哪些分析结果足够可靠，足以为许可、诉讼和估值决策提供依据。

SEP 许可的下一阶段，不太可能由谁能生成最多的权利要求对照表来决定，而将由能够制定出最可靠评估方法的人来定义。

然而，每一个新的摩擦点都孕育着创新的机会。如果 AI 成功制造出一片权利要求对照表的丛林，或许正在阅读本文的创业者中，会有人找到一条穿行其中的路径。

Sharaz Gill 为 Sisvel 专利组合管理负责人

本文中表达的观点仅代表作者本人，不代表 Sisvel 的观点。文章内容仅供参考，不应被视为法律建议。