写在前面的话：关于AI技术专利研究系列

如何让自己持有的独特技术成为公司长期优势和竞争壁垒，这是每个创业者都会思考的问题。在创新节奏明显加快以及高动态的市场环境下，对技术驱动型企业的创业者而言，只有不断创新才是得以生存和发展的根基。人才和技术用于支撑企业的愿景，企业愿景依赖商业和技术战略来实现，而企业技术战略的重点，在于战略性地技术选择、执行和评价，使企业技术战略目标直接服务于获取和维持竞争优势，而在此中，持有优质的专利资产对企业来说是重要且有益的。但由于创新成果专利化的过程相对漫长且相当昂贵，无论是企业的成长速度还是资金的burnout rate都会影响创业者的专利决策。

那么怎样前瞻性地规划及配置知识资产，如何在成长中使得各种风险处于可控的状态，并能在成本投入有限的情况下实现企业商业目的呢？这也一直是我们所思考的。

我们对创新活跃的技术领域特别是人工智能等前沿技术领域的深入研究，持续关注这些领域的创业公司，希望通过观察该些公司的成长过程及商业动态，通过分析他们的产品和相关专利，以期洞悉这些专利在公司商业运作中所起到的关键性或辅助性作用，以更好地服务于我们的客户。我们选择了AI领域的部分企业，这些企业有一个共同的特点，都是所处细分领域的相当低调的隐形冠军。在这一系列中，我们还希望思考以下问题：

如何定义技术驱动型企业？

AI领域的隐形冠军们是如何规划和配置其知识资产的？

涉及算法或软件的创新成果如何规划专利战略以及这些战略是怎么辅助企业发展的？

行业内外技术的变革都可能有力影响竞争格局，创业者如何利用专利战略在行业竞争中持续保持优势？

在可能产生重大影响的技术创新和应用上怎样战略性地投注资源？

Numenta，一家特立独行的AI公司

在AI领域，Numenta是一家特立独行的公司，他们似乎不急于商业化，从2005年成立至今始终专注且低调地从事着理论及技术的研究，我的一个朋友曾在该公司任高级研究员，他告诉我，Numenta的公司风格源于创始人Jeff Hawkins对大脑皮层的痴迷。Jeff Hawkins可谓是一个大名鼎鼎人物，他既是计算机科学家也是神经生物学家，更是掌上电脑及手写输入系统的发明者，他主导研发了Palm与Treo，同时也是Palm公司、Handspring公司、Redwood Neuroscience Institute 研究所的创办者。据说Jeff Hawkins拿着自己设计PDA走进Steve Jobs办公室的时候，Jobs才意识到移动终端将会代替PC成为互联网的主要阵地，于是苹果迅速地转向了iPhone的研发。

要了解Numenta所做的研究，强烈推荐大家看一本叫做《On Intelligence》的书，中文译本叫做《人工智能的未来》（也有一种版本叫《智能时代》），该书是Jeff Hawkins在2004年左右和《纽约时报》著名科普专栏作家Sandra Blakeslee合作出版的。

在该书中，Jeff Hawkins 对人类大脑皮层所具有的知觉、认识、行为和智能功能新理论提出了新的理论构想，并具体阐述了人类大脑的智能是如何产生的；大脑皮层拥有巨大的存储空间；大脑的记忆以模式序列的方式存储，同时在检索的时候还必须根据新旧模式之间的相似性来检索模式，在书中被称之为自-联想记忆；同时记忆在大脑各个区域中以恒定的行为存储，这样才能将人类的存储的信息应用到未来相似的新情景中。

Jeff Hawkins 认为计算机擅长计算可以使用离散规则描述的问题，但基于规则的方法并不适用于现实世界的模糊性和复杂性。真正的人工智能应该是机器像人类的大脑一样基于记忆的模型对未来事件做出预测，而这种预测未来的能力才是定义智能的关键。在该书中，Jeff Hawkins认为人脑的大脑皮层是智能的关键部位，而工程化模拟大脑皮层才是实现人工智能最有效方案。

这一方案最早记录在以Jeff Hawkins为申请人于2004年12月10日申请的Methods, architecture, and apparatus for implementing machine intelligence and hierarchical memory systems（US20060184462A1）专利中，该专利于2005年12月22日转移到了Numenta公司的名下，该专利较为详细地描述了基于大脑皮层分级组织的存储系统及架构，可以说专利US20060184462A1是《On Intelligence》这本书第6章“大脑皮层工作原理”的概括性介绍。

HTM算法

正是基于上述理论，Numenta提出一种可行性的算法，即HTM（hierarchical temporal memory，即层级/时序/记忆）算法。HTM算法是通过模拟新皮层的机制以人类认知世界的方式来学习世界中的对象。该算法提供一种在杂乱、大型、现实世界的数据集中进行模式识别和预测的方法。

HTM算法和通常的机器学习算法有很大的区别，通常的机器学习算法都是处理空间性静态数据，即根据一个给定目标在训练中不停地优化这个目标；而HTM算法是处理时序性动态数据的，HTM网络被大量具有时间性的数据训练而成，并依赖于存储的大量模式序列，进而通过感知的数据流以人类认知世界的方式来学习世界中的对象。

可以说，HTM是一项对大脑新皮层进行建模的技术:

一个HTM网络是由按层级排列的区域所组成的，区域是一个HTM网络的主要记忆和预测单元，每个区域代表层级中的一个等级，层级会随着等级的上升不断聚合，下级多个子元素将被聚合到一个上级元素中，但由于反馈连接的存在，信息也会随着等级的下降不断分流，进而可以从数据中抽象出高层的概念。例如，在不完整或是模糊不清的数据呈现中，模式能够被学习并识别出来。通过组合模式学列的记忆与当前的输入，HTM网络能够预测下一步可能发生什么。反过来，这种预测能够使用在从猜测可能的结果到检测欺诈等一系列的认知活动中。

涉及HTM算法的相关专利最早被公开在Numenta于2006年2月10日提出的专利Architecture of a hierarchical temporal memory based system（US20070192267A1）中，该专利的权利要求1如下：

1.A system, comprising: an HTM network executable at least in part on a CPU; and a first entity arranged to manage a communication between a user application and the part of the HTM network executable on the CPU.

根据该专利的描述，HTM算法有着广泛的应用领域及场景，比如图像和声音识别、复杂系统的故障预测、网络点击预测、欺诈检测系统预测、文本语义分析等。Numenta基于专利US20070192267A1作为最初的优先权文件的专利家族有41项专利。

误区：开源≠放弃知识产权保护

Numenta公司很多的算法、样例代码、伪代码、以及其他形式的研究成果都是开源的，他们鼓励更多的研发者参与HTM技术的研究，但这并不意味着Numenta放弃了知识产权，他们非常重视将其研发成果进行版权及专利保护：Numenta从2005年成立至今一直有节奏地在重要的国家和地区（主要集中在美、中、欧、印等市场）进行专利申请，所涉技术包括HTM算法的体系结构、存储及记忆系统、分层架构、学习方法、软件平台、通信系统等等。在Numenta发布的诸多Lincense声明中，都特别强调了其无偿许可范围仅限于非商业生产的研究目的，而基于商业生产使用其技术还是需要经过Numenta的有偿授权。

Numenta曾尝试过将其研发的技术比如HTM-CLA算法进行商业化的应用，比如在云服务领域对数据异常的监控，并发布了一个ONLINE数据流预测系统，利用复杂的算法分析连接的数据流（例如为US20160321557A1及其同族专利中公开的内容），例如来自AWS CloudWatch的数据流。为了商业拓展Numenta还一度将公司名字改成了Grok，尽管Grok在商业上取得了一些成果，比如用在能源预测和资源管理方面，由于商业投入不积极导致其其商业化的运作不久就放弃了，但Numenta还是将其中的智能平台项目NuPIC进行了开源。

如何商业化？

正如文章开头所述的，Numenta似乎不是一个急于获得商业利益的公司，其公司的主要收入来源于创始人每年大约600万美金的个人投入；Numenta另一部分的收入来源依赖于其技术的Lincense；当然除此之外他们还在尝试一些更有趣的事，即用技术许可或者技术转移的方式获取一些初创公司的股权或者利益分成。另外，Numenta公司于2016年完成了一轮120万美元的融资，投资方为Cortical.io，是一家提供基于语义折叠的自然语言理解（NLU）解决方案的公司，也是 HTM 技术的使用者。现在Numenta 公司在一些领域已经创建了用于示例的 HTM 应用程序，例如监视股票性能、检测异常的人类行为以及在地理空间数据中发现模式，其合作伙伴在监控 IT 基础架构和自然语言理解方面也创建了一些商业应用程序。

虽倾心于理论基础的研究，但这并不意味着Numenta的技术距商业前景遥不可及，Numenta的联合创始人& CTO Dileep George于2010年出走创建Vicarious公司，Vicarious公司在Numenta的技术路线上进行商业拓展并取得了不俗的成绩，他们利用神经科学的一些成果和启发来构建更通用的机器学习模型（比如基于Probabilistic Graphical Model），期待通过小量高质的训练数据达到接近人类认识的效果。Vicarious目前的商业化主要集中于仓储机器人领域。据悉，吸引了硅谷大佬Facebook CEO Mark Zuckerberg、SpaceX CEO Elon Musk、PayPal创始人Peter Thiel和Amazon CEO Jeff Bezos的私人投资。其他投资人还包括雅虎创始人杨致远、Facebook联合创始人Dustin Moskovitz、以及硅谷著名VC Formation 8和全球领先的工业机器人公司ABB等。

专利作为科技公司商业运营中一种必要的工具，诚如前述，Numenta并未因其开放的心态和心无旁骛地研究而忽略专利的申请，能够将其研究成果以专利作为载体向商业开发者进行有偿许可，或者于保障其研究成果不被他人（比如基于其提供的初始研究框架再次开发的开发者）所获取应该是Numenta的专利策略，通过分析发现，Numenta的专利申请也并不局限在美国一个市场，其在欧洲、中国、印度、和加拿大等国家和地区均有专利申请，针对Numenta对自己专利的观点请参阅其另一位创始人兼CEO Donna Dubinsky发表的声明：https://numenta.org/blog/2013/07/01/patent-position/ 。

Numenta因专注于AI通用性算法的基础研究而不同于其他AI公司，正是由于他们难能可贵的专注精神才能在这一领域得到了令人瞩目的成就，而作为这些成就的载体，其专利的技术价值自然也不言而喻，但就该些专利的法律价值而言，我们相信随着Numenta可能着手的商业计划会发挥重要的作用。

小贴士

涉及算法的专利将是AI领域难以忽视的话题，部分人尤其是对于算法专利的保护力度持有悲观态度的人会认为，例如Numenta这些公司用抽象语言描述的专利在维权时会很困难。

对此观点，我们当然不排除诸如对功能性限定的技术特征认识的存在较大的主观性，以及律师获取可视化的证据的障碍都会使得专利权人维权变得困难，但这种障碍如果在专利的撰写阶段经过缜密的思考和研究的话是可以得到削弱的，当然，这一定程度上依赖于专利代理人或专利律师对技术的深刻理解和文稿撰写的投入时间，更加依赖于专利代理人或专利律师对技术在商业实现中呈现的状态有着清晰的认识。

这其实是一个比较有意思的问题，我们会在本系列的进行中穿插一些针对这些问题的讨论。

* 以上文字仅为促进讨论和交流，不构成法律意见或咨询建议。