? ? 優先權的申請過程中優先權在兩次答復后授權，兩次答復只涉及撰寫問題：OA1：獨權不符合《專利法》26條第4款、從權不符合《專利法實施細則》第22條規定；OA2：獨權不符合26條第4款規定中專利申請被審查員指出的主要問題是：權要中某些特征存在不清楚問題。但答復時申請人通過對權要進行相應修改，成功解決這些問題，并獲得授權。

? ?美國專利申請過程美國專利是將中優先權直接翻譯后申請的，申請人在美國審查員下發第2次審查意見之后，直接放棄：

? ? 一次審查意見（NFOA）指出：權要存在112、101、102、103問題；

? ? 二次審查意見（FOA）指出：權要存在101、103問題；其中，112問題是撰寫問題；101是客體問題；102是新穎性問題；103是創造性問題。該美國申請在OA1幾乎把所有授權問題都占滿了。經過一輪答復，該美國申請終還是因為客體問題和創造性問題沒有被克服，被申請人放棄了。中美新創性審查差異所引發的問題對新創性這個問題，我們發現一個很有意思的點。美國審查員否定新創性時，用的是兩篇已經公開的美國專利申請。雖然中專利申請沒有被指出新創性問題，但我們回顧整個審查過程，不管是首檢索還是授權前的補充檢索，中審查員給出的相關現有技術基本都是中申請。

? ? 所以，申請美國專利前，千萬不要因為中專利被認為新創性足夠了，而忽略美國專利申請可能的“變數”，畢竟審查員變了。這個案子不僅在新創性方面給了我們啟示，在客體問題方面也給我們敲響了警鐘。中美客體要求差異所引發的問題看看該美國申請獨權（機翻后），你覺得有客體問題嗎？1、一種生成信息的方法，包括：獲取原始數據以及原始數據對應的標簽數據；采用多種編碼算法對所述原始數據和所述標簽數據進行編碼，得到多維特征編碼序列；采用所述多維特征編碼序列預先訓練機器學習模型；基于對預先訓練的機器學習模型的評估數據，確定所述原始數據所對應的用于訓練所述機器學習模型的多維特征編碼。看起來可能沒問題？但千萬別忽略了美國在101問題審查上的嚴格度。我們來看看，這個案子是如何被指出客體問題的。

? ? 看完上述分析，你可能會有疑惑，計算機上執行的程序，還能是心理活動？在美國審查中，這樣的計算機只是工具。換句話說，美國審查員認為，如果這個方案計算機和人都能做，即使你保護的方案寫的是計算機做，它也屬于抽象概念。也因為這個原因，不同美國審查員在這方面的審查尺度不大相同。這種情形的客體問題，通過答復很難解決。就這個案子而言，筆者大膽猜測，終讓申請人放棄的原因很可能是客體問題。因為，再回顧說明書，確實沒有明顯能克服上面? Step?2A

? ? (1)、Step?2A

? ? (2)和Step2B的內容。而且，申請人如果要再爭取，需要額外繳費提交RCE。就該申請人的體量（大實體）來看，一次RCE的官費高達1360美元，還可能會產生服務費用等其他費用，在授權前景十分不明朗的情況下，申請人自然不愿意出這筆錢，所以后選擇放棄。

來源：知研團隊??免責聲明：版權歸原創所有僅供學習參考之用，禁止用于商業用途，部分文章推送時未能及時與原作者取得聯系，若來源標錯誤侵犯到您的權益煩請告知我們將立即刪除。