我们真的需要提升标准必要专利许可透明度吗？
如今人工智能已具备输出指数级信息增量的能力， 且其技术边界仍在持续外扩，如何将其系统性地嵌入交易架构设计，已成为亟需审慎研判的核心议题。
作者：Sharaz Gill
去年一个周五的傍晚，在日内瓦，面对在场一众略显疲惫的业内人士，我提出了一个简单的问题：“当下高阶 AI 系统已能让标准必要专利 (SEP) 许可提供颗粒度极高的透明度，业界对此究竟是拥抱还是抗拒？”现场不少人点头回应，可见这个问题引发了共鸣——或许因为它动摇了一个被广泛接受的预设，即“更高的透明度”在任何情境下都必然有利。
我所指的“透明度”，并非指扩充披露报表的规模或增加声明清单的长度。欧洲电信标准协会 (ETSI) 知识产权数据库设立的初衷，是收集各方按照 FRAND（公平、合理、无歧视原则）条款开展许可的承诺，而非对专利的必要性进行官方认证；因此，笼统式声明与“警示性声明”（Cautionary Declarations）是该机制的内生特征，而非系统漏洞。换言之，现有专利声明体系的设立目的，是在竞争法框架下保障许可渠道畅通，而非界定专利的实际必要性。
本文探讨的透明度有着本质区别：依托客观证据、结合权利要求比对分析，明确哪些专利确为必要专利、专利归属方是谁，并据此揭示整体许可负担及各方相对份额的含义。如今，AI 首次实现了“活态景观”的规模化落地，并确保了推理逻辑的连贯性与可审性。
其效益可谓立竿见影：降低交易成本、收窄谈判博弈区间、增强许可费可比性、让 FRAND 费率的判定更有据可依，同时为中小实施者营造更公平的竞争环境。但在核心商务条款上，我们将收紧政策。彻底的信息透明，或将打破当前依托信息差形成的商业平衡：习惯于既定营收预期的许可方、借诉讼调整费率的被许可方、以及在证据迷雾中如鱼得 水的律师群体。更为棘手的是，可靠的自上而下（Top-down）市场全景分析，极可能颠覆过往许可协议的法律评价，法院或将不得不权衡合同终局效力与实质公平二者的关系。
AI 的变革力量与局限
总体而言，AI 最大的优势在于其规模效应。传统的权利要求对照分析长期受困于响应迟滞、抽样局限且成本高昂，而 AI 系统能够按照标准化的方法，可对海量权利要求与标准文本实现批量化、一致性的解析。每一项被认定为必要的特性，均锚定于一条或多条具体条款，旨在形成可审计的证据链，而非单纯的主观论断。这让透明度的内涵发生了转变：从一套无人问津的承诺数据库，变为一套可复现可受质询且可遭质疑的权利映射集合。依托全流程自动化机制，该动态专利景观可实现实时迭代——随专利授权与失效、权属变更及标准演进同步刷新。透明度由静态固守转向动态运营。
从专利组合层面来看，依托公开的分析方法，可根据实际覆盖标准的专利数量，计算出各家专利组合在整体专利体系中的占比。可分层展示不同版本或可选特性对应的覆盖图谱，便于让合作各方清晰掌握一份专利组合真正覆盖的标准范畴。以往谈判依赖大量无法核实的申报数据，如同迷雾重重；如今谈判可依托统一且可质证的证据展开。
不过，AI 无法改变的部分同样重要。专利是否具备必要性，并非非黑即白的二元判定。权利要求解释需要在语言解读方式、可选实施模式的取舍以及对等同原则的权衡之间作出选择。即便是两位经验丰富的法官，秉持不同法律解释体系，针对同一项权利要求也完全可能得出不同结论。AI 驱动系统的核心价值，并非旨在消弭主观裁量空间，而是对其进行体系化的治理。
在加入 Sisvel 之前，我曾联合他人创办 IP Mind 公司。当时我们并未追求绝对化地判定一项专利是否属于必要专利，而是划定出一块灰色地带：无论采用何种合理解读方式，此类专利都极有可能具备标准必要性——这一区域也正是专利许可的风险区间。无论身处哪个司法辖区，实施方如果忽视此专利组合，都将面临巨大的商业风险。
这种概率化分析思路，规避了过往必要性研究存在的“伪精准”问题。我们不会给出精确到小数点后两位的百分比——这种精确度会让方法论显得比实际更有把握。相反，“灰区策略”会聚焦于一组几乎必然具有价值的专利，并针对每一项评估提供详细的判断依据。每一条分析数据，都是专利权利要求与标准条款之间有理有据的对标结果，保证结论可复现，经得起质疑。
如果 AI 的算法机制不对外公开或其判定阈值秘而不宣，那么“该专利之所以必要，是因为 AI 判定其为标准必要专利”之类的说辞，只是将一种信息不透明的形式替换为另一种。相关系统必须公开运算规则、判定阈值与误差范围，接受独立审计，并为权利人和实施方提供质疑专利对标结果的机制。缺少这些保障机制，AI 非但无法消弭其意欲纠正的不对称格局，反而将复刻甚至加剧这一局面。就此而言，AI 不应成为主导结果的终审法官，而应作为严谨的筛选工具，将争议聚焦到影响最大的核心专利上。
透明度案例
设计完善的透明度机制，能带来五大价值：
提升效率：梳理出大概率具备标准必要性的少数专利，能够缩小双方的谈判博弈范围。各方可以将精力放在许可价格与范围上，而非陷入“何为可授权标的”这一准入性争议。得益于重复制图的减少，投机性报价的收敛以及谈判路径的缩短，交易 成本显著下降。
保证判定统一：自上而下的 FRAND 费率核算法，通常会先估算市场可承受的整体专利费成本，再根据标准必要专利数量，将成本分摊至各个专利组合。输入若为妄数，产出必为谬算。提升透明度，做大分母。该方法同时支持基于经济价值的加权调整：相较于边缘性可选功能，那些定义了产品核心性能（如性能、能效或安全性的必要特征，应在费率分配中获得更高的权重。但如果无法清晰梳理专利与标准条文的对标映射，明确界定哪些专利覆盖标准的哪些技术部分，这类分析便无从开展。
营造公平的竞争环境：大型专利权利人与实施方均配有专业的谈判团队，而小型企业往往不具备相应能力。采用透明标准化的费率计算方法，并辅以受控的专利组合级证据披露机制，能够有效削弱“内部信息优势”带来的溢价，降低数据室的准入特权门槛。
优化专利池：如果专利池的准入标准以可证实的专利必要性为依据，其合法性将得到提升。重复计费问题可得到有效管控，弱势权利要求会被筛除，同时分配比例将依据实证证据进行动态调整。定价逻辑变得清晰易懂，有助于专利池扩大应用范围，同时降低“观望拒付（Hold-out）”的动机。
完善治理：以往针对累计专利费的政策讨论多停留在理论层面。依托更为确凿的证据体系，监管机构与标准组织可以从主观揣测转向量化评估，还可精准甄别许可费负担确实过重，以及言论夸大、与事实不符两类截然不同的情形，从而对不当指控予以有力驳斥。
反对理据
反对盲目透明并非意在维护信息壁垒，而是警示行业警惕片面、不可靠的“伪透明”。权利人与被许可方常会制作专利图谱来佐证自身立场：权利 人的分析往往刻意抬高自身专利份额，被许可方则会刻意压低其份额。
如果新兴 AI 工具延续这种模式，只给出数据却不标注误差范围、不公开分析方法，得出结论却不提供异议救济渠道，那么只会让对立局面进一步扩大。这类工具看似客观中立，可能会让法院与监管机构将其结论奉为权威。伪精准数据将形成系统性问题，非但无法减少纠纷，反而会引发更多争论。
除此之外，还潜藏四大深层风险：
合同稳定性风险：大量许可协议签订时，各方掌握的信息并不完备，其中已计入了“不确定性溢价”。如果后续一份出现具备公信力的专利全景分析，揭示当初的合作建立在有缺陷的假设之上，法院或将面临大量源自“返还请求”（Restitution Claims）、不当得利相关诉讼请求。即便难以举证存在恶意欺诈（Misrepresentation），也会催生大量诉讼并导致战略性的拖延战术。
竞争法风险：披露过于细化的市场份额数据及详尽的定价逻辑，可能导致少数竞争者之间的“默示协调”（Tacit Coordination）更易达成。欧盟竞争总署要求各方作出 FRAND 承诺，初衷就是防止标准化演变为串通垄断。设计不当的透明度机制，有可能重新诱发这类风险。
规则钻营风险：一旦某项量化指标成为权威标准，市场主体便会想方设法撰改专利，拆分专利组合，或游说标准语言的措辞，以最大化其与指标的契合度（Alignment Scores）。透明体系无法杜绝策略性行为。相反，它只是会催生全新的博弈手段。
创新激励风险：如果透明度机制不断压缩专利费率的合理区间，贡献方会理性选择深耕专有的权利保护体系，而非参与开放标准体系。FRAND 框架设立的初衷，是在保障开放使用的同时，给予合理回报。一味追求极致透明 ，或将打破这一平衡。
法律框架
竞争法已为行业划定了行为边界。《欧盟运行条约》第 101 条规定，标准制定需满足开放参与、程序透明、遵循 FRAND 条件，方为合法。第 102 条则约束标准落地后的市场行为。欧盟委员会 2014 年针对摩托罗拉、三星作出的裁定明确：向善意被许可方申请禁令，属于滥用市场支配地位行为。此后，欧盟法院在华为诉中兴通讯一案中，进一步明确了完整协商流程，也就是所谓的“FRAND 协商流程”(FRAND dance)。英国判例法又补充了新规定：在 Unwired Planet 案中，英国最高法院认定，只要英国法院判定英国境内专利有效且遭到侵权，即可裁定适用于全球范围的 FRAND 许可条款。如今，英国成为能大幅提升权威专利图谱证据效力的司法辖区。
AI 赋能的透明度机制，主要从两方面与现有规则产生关联：
一是合作意愿：能够迅速采纳并响应“基于风险加权权重的标准必要专利地图”的被许可方，更符合“善意谈判主体”的特质；反之，若许可方过度依赖“注水（膨胀）的声明专利数量”作为筹码，则其“善意意愿”将大打折扣。
二是定价：完善的基础数据与专利覆盖范围画像，能够夯实过高定价、“歧视性待遇”及指控的事实基础，但并不会让这类案件的审理变得容易。
欧盟原本计划出台 SEP 法规，拟设立欧盟知识产权局主导的必要性核验与调解机制，但该法案已于 2025 年 2 月撤回。随着立法进程的终止，构建“受控透明度（Managed Transparency）”的重任，将再次回归司法判例、竞争执法机构（Competition Authorities）以及既有的行业惯例。这要求我们在架构设计上必须更加精准。
那么，我 们真的需要提升透明度吗？
坦诚来讲，无法一概而论。我们应当追求透明度，但绝非简单粗暴的透明度。理想的透明化，是一套具备规范约束的体系，拥有明确的分析方法、治理规则与使用准则。
可行方法就是推行可控透明度。方法必须接受各界核验，符合规定、判定阈值、误差范围全部对外公开。分析结果允许被质疑，配套结构化的异议流程与公开透明的修正机制。信息应分级披露：面向公众披露聚合数据与核算方法以确保落实问责制；面向交易各方及监管机构提供保密的专利组合实证；完整的权利要求对照表（Claim Charts）则留作争议解决专用。既有许可协议（Legacy Deals）通常需要设置“安全港”条款或“限时窗口”，以避免产生永久性的追溯性不确定性。法院与监管机构应将 AI 分析结果视作严谨的证据工具，而非终局性裁决依据。
这也是 IP Mind 一贯秉持的理念。我们搭建专利全景图谱时，不依赖原始专利声明数量或黑箱分类器，而是经证据来源核查的完整权利要求对照表（Claims Charts）语料库构建而成。每一项关键数据，都是权利要求特征与标准条款之间有理有据的对标，不仅结果透明，分析方法同样透明。我们为必要性划定风险区间，而非进行二元判定，同时公开每项判定的分析逻辑。这套模式，完全落实了行业倡导的准则：可复现性、可争议性、可问责性。
推行透明度需审慎行事，不应仅凭一次信息披露就推翻过往已达成的协议，而要将其作为长期机制，为未来的许可磋商奠定更为坚实的估值基础。审慎界定诉求边界，继而精确量化指标；公开计算范式，接纳同业质询，并持续维护权利记录的有效性与可追溯性。这才是 SEP 领域能够接纳的透明度模式，更为关键的是，这也是推动行业走向 良性发展的唯一正解。
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。
