人工智能、机器学习无疑是时下科技界最热门的话题。谷歌、微软等科技巨头在机器学习方面的专利布局方面还包括更多的基础算法和通用技术，这引发了业界的广泛担忧。基于机器学习的创业公司将面对强大的技术壁垒和侵权风险，机器学习技术的研究和发展或将受到影响。那么算法模型是否具备可专利性，专利申请授权后又该如何应对呢？

　　实际上，中美对于算法模型的可专利性判断在原则上是相近的。中美都认为单纯的算法与数学计算规则不属于专利保护客体，是不能够被授予专利权的。

　　美国专利商标局对深度学习算法模型的审查趋向严格，单纯的数学模型可能无法再获得专利权，那么深度学习的基础算法和通用技术也就不会像业界担忧的那样被科技巨头垄断，当然，这还需要对美国专利商标局的审查结论持续关注。

　　对于已获得授权的深度学习相关专利，例如谷歌的Dropout专利，创业公司可能会面临侵权风险。尽管谷歌还没有实施深度学习相关专利，类似的申请行为可能仅仅是防御性的，更多是为了防备专利流氓，但是，我国人工智能企业还是要积极做好准备去应对可能的侵权风险。

　　在研发阶段做好专利预警，可以帮助创业公司规避风险，具体来说就是知己知彼。

　　如何知彼呢？

　　由于美国专利商标局对深度学习算法模型的审查已经趋向严格，申请人可能会采取将算法模型与具体应用结合或增加技术上的关联等方式来获得专利权，为了更好地了解这一领域的专利布局现状，就需要做好专利预警，来指导研发工作的开展。

　　如何知己呢？

　　要根据公司的定位和目标规划好研发方向，首先，深度学习开源框架丰富多样，可以通过选择不同的硬件芯片公司及其提供的开发软件，结合不同深度学习开源框架的使用，来降低风险；

　　其次，深度学习的基础算法大多是开源的，可以在开源算法的基础上进行二次开发，来获得更符合预期的性能；

　　再次，在训练神经网络时，特定的训练样本能够得到对应的最优模型参数，可以将算法模型与特定的应用相关联；

　　最后，不同的算法通常各有所长，研发人员可以根据对于运算速度或者网络模型性能的不同追求进一步开发替代算法。总的来说，科技公司需要从多角度拓宽思路，积极应对专利侵权风险。