2026-06-18 — views

實體AI專利與IP版圖——誰掌握自駕車與人形機器人的關鍵護城河

專利組合是實體AI最持久的護城河——盤點2026年自駕感測融合、神經駕駛與人形運動學IP的主要持有者。

實體AI基準系列第52篇——IP維度

追蹤Tesla與Waymo競爭的投資人和分析師，大多把時間花在運營指標上：每週乘車次數、解除接管率、車隊規模、每輛車的收入。這些指標描述的是系統今天的表現。專利描述的是公司明天擁有的東西。在實體AI領域，專利不是邊緣事務，而是結構性的。與純軟體AI不同，廣泛的演算法專利難以取得，開源在數月內就能侵蝕獨占性；實體AI產生的IP堆疊橫跨感測硬體、感測融合方法、神經網路架構、車隊規模訓練管線、車輛致動系統和人形運動學，每一層都可以獨立申請專利，而多層次的覆蓋同時創造了那種需要十年和數十億美元才能設計繞過的護城河。

本文繪製當前的專利版圖：誰擁有最深的覆蓋、每個組合涵蓋什麼、近期申請趨勢對戰略押注的信號，以及每個主要參與者的競爭曝險集中在哪裡。

所有標記（估計）的數字均基於公開USPTO記錄、已發布研究和行業報告的估算，尚未根據完整USPTO資料獨立核實。

第一節——為何專利在實體AI中重要（而在軟體AI中不然）

軟體AI與實體AI在IP上的差異是結構性的，不僅僅是程度問題。在純軟體AI中——推薦引擎、語言模型、圖像分類器——核心創新是數學方法和演算法。美國專利法將抽象數學概念排除在可專利性之外，使得對注意力機制或RLHF等技術持有廣泛獨占性極為困難。開源發布進一步侵蝕任何實際護城河：一旦技術在論文中發表並在公開程式庫中實現，IP槓桿基本消失。

實體AI在不同規則下運作。下表列出自駕車和人形機器人堆疊中的主要專利類別，每類涵蓋什麼，以及在該層的覆蓋在競爭上為何重要。

類別	涵蓋內容	重要原因
感測融合	將LIDAR、雷達和攝影機資料整合為統一場景表示的方法	任何多感測器AV堆疊的核心；深度覆蓋迫使競爭者承擔設計繞過的成本
神經架構	端對端駕駛、佔用網路、軌跡規劃的網路設計	直接覆蓋訓練管線；Tesla和Waymo都持有重要部位
高精地圖創建	自動構建和更新高精地圖的方法	Waymo的HD地圖管線是關鍵運營差異化因素；專利保護自動化方法
車隊訓練	從車隊車輛大規模收集標記資料的系統	Tesla的影子模式和車隊學習管線是其資料優勢的來源；專利保護收集和整理方法
車輛致動	線控轉向、線控制動、無踏板車輛的故障運行冗餘	Cybercab和下一代AV平台需要這些；沒有覆蓋，供應商可以複製架構
人形運動學	關節設計、致動器控制、平衡和運動算法	Tesla Optimus、Figure、Boston Dynamics——最早申請者在量產開始前贏得設計空間
電池和電機	AV和機器人功率密度的電芯化學、電機拓撲	Tesla的結構電池；中國的寧德時代和比亞迪——成本下的功率密度是AV和人形機器人的核心約束

這個堆疊的多層性質是關鍵洞見。只在一層（如感測融合）持有深度的公司，如果競爭者在神經架構和車隊訓練層保留自由運作空間，就可以被設計繞過。在三層或更多層持有覆蓋的公司，迫使任何新進入者同時解決多個設計繞過問題，成倍增加所需的成本和時間。Waymo在感測融合層擁有最深的覆蓋。Tesla在車隊訓練和神經架構方面擁有最廣泛的覆蓋。今天沒有單一公司在每一層都佔主導地位。

第二節——Waymo的專利組合

Waymo（Alphabet/Google）擁有世界上最大的自動駕駛車輛專利組合之一，自2009年Google自動駕駛汽車專案啟動以來持續積累。該組合以多個實體名義申請——Google LLC、Waymo LLC及前身實體——使得僅從公開記錄進行全面計數十分困難。專利分析公司的估計將Google/Waymo的AV組合置於截至2026年數千項已授予的美國專利（估計）。

維度	細節
組合深度	數千項已授予的美國專利（估計）；以Google LLC、Waymo LLC及相關實體在多個十年中申請
感測融合	LIDAR專利涵蓋光束模式、回波處理和低成本LIDAR製造——大多數可追溯到LIDAR尚屬純自研硬體的商業化前時代
高精地圖IP	自動地圖構建方法、地圖差異更新系統和地面實況驗證管線均有所呈現；這些保護自動化層，而非地圖本身
模擬	Waymo的Carcraft模擬器——用於大規模訓練和驗證——有涵蓋合成資料生成和場景構建的相關流程專利
遠端輔助	無人駕駛車輛可擴展人工監控系統的專利；對第三階段商業部署至關重要，屆時一名操作員同時監控多輛車輛
執法歷史	2017年針對Uber的商業秘密和專利訴訟（Anthony Levandowski案），以約2.45億美元Uber股權和解——Waymo已表明會積極執行IP
授權姿態	有限的公開交叉授權；Waymo採取選擇性授權交易而非廣泛的平台授權

公開USPTO記錄中值得關注的Waymo專利領域：

US10048688B2——LIDAR資料處理系統和方法（核心感測融合方法）
涵蓋從稀疏LIDAR點雲生成佔用格的多項專利
使人工監控完全無人駕駛車隊成為可能的遠端輔助系統專利
涵蓋合成場景生成的Carcraft模擬環境流程專利

執法記錄是這裡的關鍵信號。Uber和解表明Waymo不僅是防禦性地積累專利——它展示了將訴訟進行到底並從IP中提取重要商業價值的意願。任何開發與Waymo感測融合或高精地圖覆蓋重疊的競爭AV堆疊的公司，都必須將訴訟風險視為其商業模式中的真實成本。

第三節——Tesla的專利方法：開源悖論

Tesla在2014年做出了業界討論最廣泛的IP舉措之一，Elon Musk宣布Tesla不會對善意使用其技術的方對方發起專利訴訟。這被廣泛解讀為Tesla採取開放專利立場。現實更具策略性的細緻之處。

事實	細節
2014年承諾	Tesla承諾不起訴善意用戶——但未發布專利、未將IP移交公有領域或委託給標準機構
專利組合	在車輛設計、電池化學、軟體系統和製造方面數千項已授予的美國專利和待審申請（估計）
FSD專屬IP	Tesla在神經網路架構、訓練方法和資料管線設計上申請專利——在USPTO記錄中以Tesla, Inc.（原Tesla Motors）發布
Dojo專利	自定義晶片互連架構、記憶體頻寬優化和與Dojo訓練基礎設施相關的申請中呈現的訓練叢集佈局
Optimus專屬	致動器設計、足部和手部運動學，以及用於機器人訓練資料收集的遙操作介面出現在近期專利申請中（2024–2026，估計）
策略邏輯	開放承諾消除了IP作為招募和發表障礙——工程師可以在學術會議上自由展示Tesla工作——同時在需要時保留實際專利權用於執法

Tesla近期主要申請領域（2023–2026，估計，基於公開USPTO申請）：

通過模仿人類駕駛員行為學習訓練的端對端神經駕駛策略
車隊規模的邊緣案例整理方法——影子模式的技術實現，包括如何識別和優先化稀有或高價值場景進行標記
使用低摩擦線纜驅動致動器的人形機器人關節設計，針對量產成本結構

開放承諾是一個偽裝成IP策略的招募工具。通過消除在學術會議上展示Tesla工作的社交摩擦——IP限制通常會阻止研究人員發布專有方法的細節——Tesla在不需要匹配大學研究實驗室學術自由的情況下，吸引了不成比例的頂尖機器學習人才。實際專利保持完整。如果Tesla選擇執行它們，2014年承諾對競爭者不提供法律保護——它是一個沒有合同效力的善意承諾，Tesla保留了對惡意使用撤銷的權利。

第四節——實體AI堆疊中的其他主要專利持有者

Waymo和Tesla主導敘事，但實體AI IP版圖包括一級汽車供應商、半導體公司和機器人新創公司持有的重要部位。下表列出兩大領導者之外的主要參與者。

公司	主要IP焦點	值得關注的專利或案例
Mobileye（英特爾分拆，2022年IPO）	基於攝影機的AV感測、責任敏感安全（RSS）正式安全模型	RSS模型在AV安全研究中被廣泛引用；Mobileye採用了結合發表和專利的策略，試圖將其確立為行業標準
高通	汽車SoC運算（Snapdragon Ride平台）、V2X通訊協議	無線電和連接IP的主導者；C-V2X基礎設施是協作AV系統的連接層
NVIDIA	AV訓練基礎設施（DRIVE平台）、Orin SoC架構、DriveWorks SDK	訓練加速器的晶片級專利；DRIVE平台API創建了專有中介軟體層
博世/大陸	雷達感測、攝影機模組、AV中介軟體整合	實體感測器元件的深層一級供應商專利；任何使用商品雷達或攝影機的AV都在其許可技術上運行
Toyota研究院	AV安全系統、正式驗證方法、Guardian駕駛輔助架構	Guardian專利描述了一種副駕駛模型，可能成為監督AV系統的監管標準
百度Apollo	中國特定的AV感測、高精地圖和車輛控制	中國市場IP的主導者；今天在美國的執法姿態有限，但PCT申請表明擴張意圖
Figure / 1X / Agility Robotics	人形運動、操作和移動底座運動學	早期組合；授予的專利較少，但隨著這些公司接近商業化，申請活動大幅增加

此列表中的兩家公司值得特別關注，因為無論它們是否贏得商業AV競賽，都有可能塑造更廣泛的行業：

Mobileye的RSS策略是將專有安全模型轉化為事實上的監管要求的嘗試。如果任何主要司法管轄區的監管機構採用RSS作為AV批准的最低安全標準，每個開發競爭系統的公司都需要從Mobileye授權RSS框架，或展示等效的正式安全保證——這本身就是一個已獲專利的方法。這將把Mobileye的IP從競爭優勢轉化為整個行業的結構性稅。

高通的連接IP佔據同樣的結構性地位。車輛與基礎設施之間的蜂窩V2X（C-V2X）通訊越來越被視為下一代AV安全系統的強制性組成部分。高通在底層無線電協議層擁有重要專利。如果C-V2X成為監管要求，高通將從全球部署的每輛聯網車輛中賺取版稅——這一地位不需要高通直接贏得AV競賽。

第五節——專利申請對2024–2026年戰略押注的信號

專利申請通常在提交後18個月公開。這意味著2024–2026年出現在公開USPTO資料庫中的專利申請反映了2022–2024年做出的戰略決策——在競爭者理解其價值之前決定保護哪些技術方向。下表列出最重要的申請趨勢，以及它們對每家公司戰略姿態的信號。

申請趨勢	信號意義
Tesla：大量Optimus致動器申請（2024–2026，估計）	Tesla正在為Optimus採用特定的線纜驅動致動器架構，並在量產開始前對其進行保護；申請量表明真實的設計凍結，而非探索性研究
Tesla：FSD模仿學習方法	保護驅動v12和v13的核心洞見——直接標記駕駛員行為，而非標記場景物件和手寫規則，產生更好的泛化；這是使端對端FSD成為可能的架構
Waymo：遠端輔助優化	圍繞可擴展人工監督系統的申請活動表明Waymo正在投資監管基礎設施，以便用小型遠端運營團隊運營數百輛無人駕駛車輛——第三階段商業規模化的關鍵成本槓桿
Waymo：Gen 6車輛設計	目的構建的車輛架構申請（感測器整合、熱管理、結構設計）表明Waymo正在保護車輛平台本身，而非僅是軟體——從純軟體IP向全堆疊實體IP的轉變
Mobileye：RSS正式模型擴展	繼續對RSS變體和正式驗證方法進行申請與標準機構策略一致——Mobileye希望RSS在成為爭議之前被引用在監管框架中
中國（百度/上汽/蔚來）	先在中國申請，然後PCT國際擴展；以中國市場為重點的積極IP建設，中國AV部署正在加速。今天在美國的執法姿態有限，但PCT申請表明2027–2030年窗口的全球擴張意圖
人形機器人新創（Figure / Agility / 1X）	在首次商業部署之前申請量加速；公司正在競相在操作、抓取和移動底座運動學方面建立在先技術，在領域成熟為量產之前

近期申請資料中最具戰略意義的信號是Tesla AV軟體專利和人形機器人專利的融合。Tesla的Optimus計畫與FSD共享基本基礎設施：神經網路訓練管線、車隊規模資料收集架構，以及用於政策開發的模擬環境。引用Tesla FSD訓練方法的Optimus致動器控制申請正在創建跨領域IP聯結，對於純人形機器人公司來說，在不複製AV訓練堆疊的情況下，這些聯結將極難複製。AV與Optimus兩個計畫之間的這種結構性耦合，是Tesla論點在專利記錄中最清晰的表達——通用實體智能（而非專用AV或專用人形機器人）才是正在開發的實際產品。

值得關注的事項：預示市場動向的IP信號

專利申請模式是有18個月滯後的領先指標。以下是應伴隨任何未來實體AI競爭格局分析的具體信號。

引用密度——當競爭對手的專利申請引用另一家公司的已授予專利作為先前技術時，它提供了技術重疊的直接證據。Waymo和Tesla專利之間，或西方AV公司與中國申請者之間不斷上升的引用密度，是設計繞過壓力正在積累的信號。

PCT國際申請率——以高PCT率申請的公司在發出全球執法意圖的信號，而非僅在美國。百度不斷上升的PCT申請率是中國起源AV IP被定位為全球主張的最清晰指標。

延續申請量——大量提交延續申請（現有專利的擴展）的公司在建立索賠覆蓋深度——試圖擁有的不僅是原始發明，還有其每一個在商業上相關的變體。高延續量是公司準備訴訟而非僅保護自身自由運作空間的標誌。

跨領域引用模式——在同一受讓人組合中將AV神經架構專利與人形運動學專利連結的引用，是統一實體AI IP策略最清晰可見的信號。這是未來12–18個月在Tesla申請記錄中值得關注的模式。

實體AI專利競賽不是運營指標的次要故事——它是決定今天的運營領導者在競爭強度增加時能否維持其優勢的結構性層次。在運營上領先但IP薄弱的公司是可收購、可授權或可訴訟的。擁有深層跨層IP覆蓋的公司建立了一個隨時間複利的護城河，獨立於任何單一產品週期。

來源：USPTO專利全文與影像資料庫（patents.google.com）；Tesla開源專利承諾，Tesla官方部落格2014年（tesla.com/blog/all-our-patent-are-belong-you）；Waymo控告Uber商業秘密案，路透社；Mobileye責任敏感安全模型（mobileye.com/technology/rss/）。所有標記（估計）的數字均基於公開專利記錄、已發布研究和行業報告的估算；尚未根據完整USPTO資料獨立核實，應視為方向性而非精確的參考。