2026-06-18 — views

2026 實體 AI 專利大戰：Waymo 商業機密刑事前例 vs Tesla FSD 數據護城河——自動駕駛智慧財產權基準

Waymo Levandowski 案確立刑事商業機密前例。Tesla 數據護城河勝過專利。Aurora 謹慎布局 IP。中國另起平行賽道。

實體 AI 基準系列第 206 篇：智慧財產權分析

自動駕駛產業建立在三層重疊的 IP 基礎上：正式專利、商業機密，以及專有數據。Waymo-Uber-Levandowski 案確立了商業機密竊取不僅是民事侵權，更會引發刑事追訴的先例。Tesla 的開放 EV 專利聲明與積極防禦 FSD 專利並行不悖。Aurora 創辦團隊從第一天起就以嚴格的潔淨室協議應對後 Waymo 時代的 IP 雷區。中國的平行 AV 專利競賽則完全在美國 IP 執法範圍之外運作。本文從四個維度對實體 AI IP 格局進行基準評估。

第一節：IP 為何是實體 AI 的護城河

實體 AI 智慧財產權在三個不同層面運作，每一層的持久性與執行機制各有不同。

商業機密是最即時可保護的。無需登記，即刻生效，而且——關鍵在於——Waymo-Uber-Levandowski 案證明了違規可受刑事追訴，而非僅是民事侵權。這在商業機密案中極為罕見，對整個 AV 產業的人才流動產生了持久的寒蟬效應。AV 公司的工程師知道，帶走前雇主的機密文件不僅是違約問題，更可能是聯邦刑事犯罪。

專利提供自申請日起 20 年的正式法律保護。在實體 AI 中，專利對特定硬體設計最為重要——LIDAR 光學系統、芯片架構，以及感測器融合算法。正式專利保護在 AV 中的關鍵限制在於，產業中最具關鍵性的「IP」——積累的訓練數據集——根本無法申請專利保護。

專有訓練數據是實體 AI 中日益主導的競爭護城河，從正式角度而言根本不被視為 IP。Tesla 600 萬以上的車輛車隊每週產生估計數千萬英里的訓練數據（估算），無論競爭對手持有何種正式專利，都無法複製這一資產。這道數據護城河隨每輛交付車輛而增長，並隨時間複利積累。

人才流動與 IP 污染風險影響每家 AV 公司的招募決策。每家 AV 公司從競爭對手招募人才都面臨 IP 污染風險。這推動了產業廣泛採用嚴格的「潔淨室」協議。Aurora 創辦團隊 2018 年與 Waymo 的糾紛——在未提起訴訟的情況下解決——是產業主動 IP 防火牆管理的最佳實踐案例研究。

中國維度增加了完全在美國 IP 執法範圍之外運作的平行賽道。百度 Apollo 在中國已申請估計 1 萬件以上的 AV 相關專利（估算）。美國專利保護不延伸至中國市場。中國 AV 公司可在中國自由實施 Waymo 在美國開發並取得專利的技術，不受任何法律約束。

第二節：Waymo 的 IP 武器庫與訴訟歷史

IP 維度	現狀	戰略意涵	2028 年展望
商業機密案（Levandowski/Uber）	Waymo v. Uber 於 2018 年 2 月和解：Uber 支付估計 2.45 億美元 Uber 股權（估算）；刑事案：Levandowski 在 33 項聯邦商業機密竊取罪名上被定罪；判處 18 個月聯邦監獄；川普於 2021 年 1 月特赦；Levandowski 在創辦 Otto 前下載了估計 1.4 萬份以上 Waymo 機密文件（估算）	和解確立 Waymo 積極訴訟的立場；2017 年後沒有主要 AV 公司聘用 Levandowski；刑事追訴（商業機密案中罕見）確立 AV IP 竊取對個人承擔刑事風險的先例，而非僅限公司責任	Waymo 的商業機密前例持續遏制 AV 人才竊密；「1.4 萬份文件」已成為產業的代名詞，警示離職工程師帶走競爭對手材料的風險
LIDAR 專利組合	Waymo 持有估計 1,000 件以上美國專利與申請案（估算），涵蓋：旋轉式 LIDAR 設計；感測器融合算法；高清地圖方法論；AV 安全架構；Waymo 的「Honeycomb」（短程）和「Laser Bear Honeycomb」（中程）LIDAR 為競爭對手無法商業取得的專有設計	Waymo 的 LIDAR 專利為使用 LIDAR 方案的公司建立了硬體護城河；Tesla 的純攝像頭架構刻意規避了 Waymo 的 LIDAR 專利範疇——這是 Tesla 放棄 LIDAR 的原因之一（而非僅出於成本考量）	隨著固態 LIDAR 成熟，Waymo 旋轉式 LIDAR 專利的相關性逐漸降低；但 Waymo 的固態設計（Honeycomb 及後繼產品）同樣已申請專利
Waymo LIDAR 授權	Waymo 已將部分 LIDAR 技術授權給第三方自動駕駛公司，產生適度授權收入；這是 AV 公司在核心業務之外變現 IP 的罕見案例	LIDAR 授權驗證了 Waymo IP 組合的商業價值；收入相對於乘車業務規模而言偏小，但為更廣泛授權奠定概念驗證	Waymo 可能將 LIDAR 授權擴展為非運營收入流，規模化後估計每年可達 1,000 萬至 1 億美元以上（估算）
與 Luminar 的專利糾紛	Waymo 與 Luminar（納斯達克：LAZR）就 LIDAR 設計存在專利糾紛；Luminar 領導層公開承認了與 Waymo 在 LIDAR IP 上的競爭張力	LIDAR IP 糾紛表明感測器領域存在競爭；開發固態 LIDAR 的公司面臨來自 Waymo、Ouster（已與 Velodyne 合併）等的專利叢林風險	LIDAR 專利整合在即；Waymo 與 Ouster 持有最全面的 LIDAR 專利組合
地圖 IP	Waymo 的高清地圖方法論涉及專有數據收集技術；地圖數據本身不可申請專利，但生成方法可以；Waymo 在 Google/Waymo 超過 15 年的運營中積累了估計數十億英里的地圖數據（估算）	Waymo 的地圖數據短期內無法複製；新進入者需要估計 5 至 10 年的持續地圖採集才能為單一城市生成同等覆蓋範圍（估算）	Tesla 的純攝像頭架構設計為無需高清地圖即可運作；若 Tesla 的攝像頭定位方案在規模化後成功，將完全繞過 Waymo 的地圖護城河

第三節：Tesla FSD 與 Dojo IP 戰略

IP 維度	現狀	戰略意涵	2028 年展望
2014 年 EV 專利聲明	馬斯克 2014 年 6 月發文「All Our Patent Are Belong To You」：Tesla 承諾不對「善意使用」Tesla 專利的公司提起專利訴訟；此聲明明確適用於 EV 動力系統與電池技術；聲明明確不涵蓋 FSD、Autopilot、Dojo 或 FSD 硬體芯片	EV 專利開放聲明提升了業界善意，加速了 EV 採用，但 Tesla 的 AV/AI 專利被明確排除——Tesla 對其 AI IP 積極防禦	Tesla 的開放 EV 專利策略是市場擴張舉措，而非關於 AV 的立場，因為在 AV 領域 IP 是核心競爭護城河
FSD 神經網路專利	Tesla 已申請專利涵蓋：端到端神經網路駕駛架構（從原始攝像頭輸入直接輸出方向盤/油門/剎車指令）；多攝像頭融合神經網路 3D 場景理解；FSD 硬體芯片架構；Dojo D1 芯片設計與訓練瓦片互聯；3D 場景表示的佔用網路	Tesla 的 FSD 神經網路專利保護讓端到端 FSD 得以運作的具體架構選擇；希望構建類似系統的競爭對手難以規避這些專利	FSD v12 發布（2024 年）的 20 年專利窗口意味著這些專利到期時間為估計 2039 至 2044 年（估算），覆蓋整個預期的實體 AI 商業部署期
Dojo 訓練系統 IP	Tesla 已為以下項目申請專利：Dojo D1 芯片架構；晶圓到晶圓互聯設計；訓練瓦片配置；ExaPOD 機櫃架構；使 D1 芯片間低延遲通信得以實現的互聯技術	Dojo 的訓練效率優勢依賴已獲專利的互聯架構；希望構建 Dojo 等效系統的競爭對手需要授權 Tesla IP 或設計替代互聯方案	Dojo IP 主要是 Tesla 的防禦性 IP 而非授權工具；沒有其他公司具有 Tesla 特定的視頻密集型 AV 訓練工作負載
Mobileye 分拆 IP 背景	Tesla 在 Autopilot HW1（2014 年）和 HW2（2016 年）時代使用 Mobileye EyeQ 芯片；分裂原因是 Mobileye 拒絕與 Tesla 共享碰撞數據用於訓練；Tesla 稱芯片為「黑盒子」並希望獲取原始攝像頭圖像；Tesla 自行研發了 HW2.5、HW3、HW4	分裂使 Tesla 擺脫了 Mobileye 的專利依賴，全面掌控 AV 硬體技術棧；Tesla 的自研 FSD 芯片避免向 Mobileye 支付 EyeQ 版稅；代價是建立了一個數百名工程師的芯片設計團隊	Tesla 的自研芯片策略現已成為競爭優勢：無需向 Mobileye 支付每片版稅，實現直接的硬軟件協同設計，芯片架構專為 FSD 神經網路優化
FSD 數據作為事實上的 IP	Tesla 的 FSD 訓練數據集（估計 60 億英里以上監督數據（估算））未正式申請專利，但事實上無法複製；Tesla 的數據收集優勢隨車隊規模複利增長	原始訓練數據不受任何正式 IP 保護；然而，60 億英里以上多樣化真實世界駕駛數據的競爭優勢比任何單一專利都更為持久	Tesla 的數據護城河是永久性的，除非競爭對手部署同等規模的消費者車隊（需要數十年和數千億美元的資本）

第四節：Aurora IP 布局與產業人才動態

維度	現狀	產業意涵	風險
Aurora 創辦團隊 IP 問題	Aurora 由三位 AV 老將於 2017 年創立：Chris Urmson（前 Google/Waymo 自動駕駛項目負責人）、Sterling Anderson（前 Tesla Autopilot 總監）、Drew Bagnell（卡內基梅隆大學 + Uber ATG）；2018 年，Waymo 就兩名加入 Aurora 的前 Waymo 工程師提出疑慮；Aurora 和 Waymo 在未提起訴訟的情況下解決了這一問題	Aurora 成功化解——未重蹈 Uber 的災難性覆轍——確立了最佳實踐：(1) 從創立起就建立嚴格的 IP 防火牆；(2) 對來自競爭對手的工程師實施潔淨室協議；(3) 在 IP 疑慮出現時主動與前雇主接觸	若 Aurora 採用 Uber 的方式（允許 Levandowski 式的數據轉移），Aurora 很可能面臨 Waymo 訴訟及創始人的刑事責任
AV 人才流動限制	Levandowski 的刑事定罪實際上為 AV 人才流動設置了障礙：工程師知道帶走公司材料意味著潛在的聯邦刑事責任；加州禁止競業禁止協議——AV 公司因此依賴商業機密法而非競業限制	即使在加州有利於員工的法律環境中，刑事前例也製造了工作流動的顧慮；這有利於現有大廠（Waymo、Tesla），不利於需要從大廠招募人才的新進入者	人才流動的寒蟬效應可能通過知識孤島化而減少創新；但也保護了資本雄厚的現有大廠的合法 IP 投資
Mobileye（MBLY）專利組合	Mobileye 持有大量專利，涵蓋：基於攝像頭的 ADAS 的 EyeQ 芯片架構；利用攝像頭眾包的 REM（道路體驗管理）地圖；AV 安全系統；駕駛員監控；SuperVision 高速公路自動化系統	Mobileye 的專利對任何基於攝像頭的 ADAS 或 AV 系統都相關；構建攝像頭系統的公司必須應對 Mobileye 的專利範疇；來自 OEM EyeQ 客戶的版稅收入是 Mobileye 收入的重要組成部分	Mobileye 的 ADAS 專利組合為使用 EyeQ 系統的大多數主要 OEM 帶來版稅收入；即使 Mobileye 投資全 AV 產品，這也是持久的收入流
中國 AV IP 動態	百度 Apollo：在中國申請的 AV 相關專利估計超過 1 萬件（估算），涵蓋 LiDAR AV 算法、AV 安全架構和 AV 感知模型；華為、上汽、理想、小鵬各自申請了數千件 AV 相關專利；美國 AV 專利在中國無法律效力	AV IP 競賽是一場交叉執法極少的中美平行競賽；Waymo 的美國 LIDAR 專利不能阻止百度在中國使用類似技術	若中國 AV 公司（百度 Apollo Go、滴滴）進入西方市場，將面臨 Waymo 專利曝險——為中國 AV 在美國和歐盟的擴張設置法律障礙
數據作為 IP 的前沿	實體 AI 中新興的 IP 戰並非關於正式專利，而是關於專有訓練數據集：誰擁有駕駛數據、共享數據是否違反商業機密保護，以及開源 AV 數據集（nuScenes、Waymo Open Dataset）是否削弱了專有優勢	Waymo 決定發布 Waymo Open Dataset（2019 年首發，2020 年及後續擴展）具有戰略意義：發布精心策劃的公開數據以建立社群，同時實際的專有訓練數據（Waymo 的非公開邊緣案例庫）仍受保護	「哪些數據可以開源 vs. 保持專有」是實體 AI 中的新興 IP 前沿

第五節：實體 AI IP 基準評分卡

IP 維度	Waymo	Tesla	Aurora	Mobileye	2028 年展望
商業機密保護	最強：里程碑式的 Levandowski/Uber 案確立刑事前例；Waymo 將積極訴訟並支持刑事追訴	強：Tesla 的 FSD 神經網路和 Dojo IP 在享有專利保護的同時也是商業機密；若面臨類似竊密，Tesla 很可能採取與 Waymo 相似的應對方式	中等：Aurora 在未提起訴訟的情況下解決了 2018 年的 Waymo 疑慮；Aurora 的 IP 防火牆協議是業界最佳實踐	中等：Mobileye 的 EyeQ 架構受商業機密加專利雙重保護；Mobileye 曾對 IP 糾紛提起訴訟	Waymo 仍是 AV 行業最積極的 IP 執法者；刑事前例在整個行業對人才竊密具有威懾作用
專利組合實力	估計 1,000 件以上美國專利（估算）；在 LIDAR 設計、感測器融合、高清地圖方面最強；LIDAR AV 的實體 IP 護城河	強：FSD 神經網路加芯片架構加 Dojo 專利；純攝像頭方案規避了 Waymo 的 LIDAR 專利；數據優勢比正式專利更持久	規模可觀的獨立組合；在不污染前雇主 IP 的情況下謹慎開發；在 AV 安全架構方面尤為突出	非常強的 ADAS/AV 專利組合；EyeQ 芯片架構；REM 地圖；來自 OEM 授權的版稅收入	所有主要 AV 公司的專利組合持續增長；2030 年前主要 AV 公司之間可能發生交叉授權或專利糾紛
數據作為 IP（訓練數據集）	質量最高：估計超過 3,000 萬英里無人駕駛商業里程（估算）；每英里數據價值最高，但總量最小	體量最大：估計超過 60 億英里監督數據（估算）；數據優勢是最持久的實體 AI 護城河；隨每輛新 Tesla 交付而增長	較窄的數據集：高速公路長途，估計超過 1,000 萬英里（估算）；針對其目標用例而言專業且深度	對於完整 AV 訓練數據不適用；REM 地圖數據（從攝像頭 OEM 客戶眾包）在地理覆蓋上體量龐大	Tesla 的數據護城河是實體 AI 中按體量計算最持久的 IP；Waymo 的無人駕駛數據每英里質量最高；Aurora 的高速公路數據最為聚焦
人才流動風險	受刑事前例保護；Waymo 最有可能支持對人才竊密的刑事追訴	部分職能受德州公司設立狀態保護；FSD 團隊主要在加州（競業限制在加州不可執行）	成功化解了 2018 年的 Waymo 疑慮；Aurora 的 IP 防火牆協議是業界標準	受 Mobileye 企業 IP 實踐保護；Intel/Mobileye 的法律資源提供強力防禦	人才流動仍是所有 AV 公司的主要 IP 風險；Levandowski 前例具有威懾作用，但不能完全消除風險
中國 IP 曝險	Waymo 的美國專利在中國不提供保護；Waymo 不在中國運營；直接中國 IP 曝險低	Tesla 運營上海超級工廠；部分 FSD 技術在中國部署；在本地數據存儲要求下應對複雜的中國 IP 環境	Aurora 不在中國運營；直接中國 IP 曝險低	Mobileye 為中國 OEM（上汽、吉利等）供貨；中國業務同時帶來收入機會和 IP 曝險	中美 AV IP 在平行賽道上運作；若中國 AV 公司進入美國或歐盟，Waymo 專利曝險將具有商業相關性

總體結論： 實體 AI 最持久的競爭護城河不是正式專利——而是受刑事追訴前例保護的商業機密（Levandowski 案）和無法在沒有大規模消費者車隊的情況下複製的專有訓練數據集。Waymo 的 LIDAR 專利組合對基於硬體的防禦有價值，但 Tesla 的純攝像頭架構完全繞過了它。Tesla 的數據護城河（估計超過 60 億英里監督數據（估算））比任何單一專利都更持久，並隨每輛新車交付而增長。2028 年前最值得關注的 IP 發展不是某件專利申請——而是主要 AV 專利糾紛是否走到審判階段，從而確立重塑 AV 公司技術棧和 IP 策略的先例。

第六節：關於本系列

本文是實體 AI 基準系列第 206 篇。本系列前期文章涵蓋了規模化指數、人形機器人競賽、單位經濟、全球競爭、高清地圖、車隊運營、軟體與 OTA、保險與責任、消費者需求、合作夥伴關係、競爭護城河、安全數據、城市擴張管線、監管日曆、數據飛輪比較、人才動態、AV 供應鏈、票價定價和估值框架。

本文增加了智慧財產權維度：商業機密、正式專利和專有訓練數據如何相互作用以塑造實體 AI 的競爭護城河；里程碑式的 Waymo-Uber-Levandowski 案及其持久的產業效應；Tesla 的雙軌 IP 策略（開放 EV 專利，專有 FSD）；Aurora 的 IP 布局模型；Mobileye 的專利版稅業務；以及中國 AV IP 平行賽道。

教育性分析，不構成投資建議。投資前請諮詢持牌財務顧問。