而随着两会的开幕，“新基建”也被写入政府工作报告，各行各业开始大力推进数字化转型，加入轰轰烈烈的“新基建”大潮。那什么是“新基建”呢?以前我们理解的基建是铁路、公路等基础设施的建设，而“新基建”，是包括5G、特高压、城际高速铁路和城市轨道交通、新能源汽车充电桩、大数据中心、人工智能、工业互联网七大领域的新型基础设施建设，其本质就是信息数字化的基础设施建设。

到信息数字化建设，人工智能、大数据作为底层核心技术，对新基建中的其他几个领域也起到了重要的支撑作用。而“新基建”突出了一个“新”字，自然会不断有新技术的涌现，在这种形势下，知识产权的保护工作也迎来了新的发展机遇和挑战。有基于此，本文就“新基建”中人工智能和大数据的知识产权保护做一些简要的分析。

首先来看人工智能和大数据专利申请趋势。参照下图2，在全球范围内，人工智能与大数据领域的专利申请量总体呈逐年上升趋势，自2010年之后，人工智能及大数据相关专利申请量增速明显加快，近几年增长率更是令人瞩目(注：2019年和2020年部分专利数据尚未公开)，截止2020年，全球累计申请量已经超过20万件。可见，“新基建”概念虽新，但罗马不是一天建成的，全球在人工智能和大数据领域的专利储备与布局早已形成。

再分别来看人工智能和大数据的知识产权保护途径：

目前人工智能的热点技术主要包括机器学习、语音识别、自然语言处理、机器视觉、生物特征识别、知识图谱等。保护人工智能技术的知识产权最常用的手段是专利和商业秘密。但鉴于人工智能领域的技术特点在于数学模型和算法的改进较多，在知识产权保护上又有一定的特殊性。

一方面，对于人工智能领域中的算法和机器学习模型，属于智力活动的规则和方法范畴，而专利法有明确规定，智力活动的规则和方法不能授予专利权。因此，在申请涉及算法和模型的专利时，要特别注意专利保护客体的问题。针对近些年人工智能领域专利的发展态势，国家知识产权局也特别对《专利审查指南》做出了修改，并于2020年2月1日起施行。修改后的《专利审查指南》针对人工智能领域专利的审查给出了较为明确的审查标准：“审查应当针对要求保护的解决方案，即权利要求所限定的解决方案进行。在审查中，不应当简单割裂技术特征与算法特征或商业规则和方法特征等，而应将权利要求记载的所有内容作为一个整体，对其中涉及的技术手段、解决的技术问题和获得的技术效果进行分析”。

在实际操作中，申请人可以结合具体应用领域的工业机理，将算法或学习模型应用到具体的技术领域进行专利申请，通过采用技术手段来解决技术问题，并实现相应的技术效果，从而避免专利保护客体的问题。但结合到具体应用场景可能引发的一个问题是对保护范围的限缩，所以建议申请人尽量扩展算法和模型的新应用场景，以便得到更全面的保护。

另一方面，针对算法和学习模型而言，侵权举证难度较大，且不易通过反向工程得出，通过专利保护的话，将具体算法和模型公之于众对于申请人而言也许并不是最好的选择。对于人工智能系统的训练方法、算法模型，以商业秘密的方式来保护可能是理想的选择。但在保护商业秘密方面，企业要制定强有力的保护机制，防止商业秘密的泄露。例如可通过签订保密协议、软件和算法相关信息授权流通等方式加强管理。

再一方面，人工智能技术涉及较多的软件开发，申请人也可以通过登记著作权的方式对计算机程序代码进行保护，防止软件代码被他人窃取。

接下来再看大数据的知识产权保护途径。

目前涉及大数据的热点技术主要包括大数据应用、大数据平台、数据源几个方面。同样的，在保护形态方面也主要包括专利、商业秘密、著作权几个形式。同人工智能技术一样，大数据的保护也具有一定特殊性。

一方面，大数据一般涉及商业方法、特定的算法、数据库等，也易被归属于上文提到的智力活动规则和方法，因此不具备可专利性，所以企业对数据的编排、选择和计算往往不能以专利进行保护。要想申请专利，需要具备技术属性，同时需要具备新颖性、创造性和实用性。对于具有技术属性并解决技术问题的大数据相关系统、架构以及应用程序，可以考虑申请专利。另一方面，从原始数据集合中选择、编排形成的、具有独创性的大数据集合和程序代码，可以通过著作权进行保护。再一方面，企业内部涉及商业秘密的数据信息、数据处理算法等可以作为商业秘密进行保护。

与此同时，企业在涉及大数据的创新方面，也要注意规避风险。首先，数据采集网络爬虫要注意避免著作权侵权风险;其次，在数据存储和传输方面要注意避免技术标准和著作权侵权方面的风险;再次，未经授权获取用户的隐私数据有构成不正当竞争的风险。

最后，不论是人工智能、大数据，或者是“新基建”涉及的其他领域，技术创新企业在进行知识产权保护时，都需要通过专业的知识产权代理人员/机构进行全面、专业的专利挖掘、布局及申请，才能有力保护核心技术，在“新基建”的浪潮中大显身手。