夜雨聆风最高人民法院知识产权法庭《裁判要旨摘要（2025）》第106号“人工智能及算法技术秘密侵权判断”，涉及一起“视觉识别领域人工智能及算法”技术秘密侵权案。这个案件的价值，不只是确认人工智能及算法相关技术可以作为技术秘密保护，更重要的是说明：在AI技术秘密侵权案件中，法院如何判断权利人主张的技术信息是否被他人不当使用。
这起案件中，某甲公司开发的是一款“指尖识别”产品，用户用手指指点书本上的文字后，产品可以识别并翻译。某甲公司主张，其在2019年4月前已经形成涉案秘点1至7，包括与AI算法、训练代码、训练图片等相关的技术信息。张某原系某甲公司CTO，李某某、王某某、黄某某也曾参与相关研发或标注工作。张某离职后设立某乙公司，某乙公司很快对外提供具有“手指识别和点读”功能的技术支持。裁判文书显示，某甲公司主张其产品集大数据收集、神经网络人工智能算法建立和优化以及大数据与算法匹配调试于一体，并称2019年3月前仅AI算法及软件方面的研发费用支出就达到380多万元。
这个案件一审驳回某甲公司的诉讼请求，二审最高法改判认定某乙公司等五被诉侵权人构成共同侵权。两级法院的分歧，恰恰体现了AI技术秘密案件中的一个核心问题：法院不能停留在产品外观是否相同、代码是否完全一致的表层比较上，而应当回到技术来源本身，依次审查技术秘密是否已经形成、被诉方是否具有接触可能性、“自主研发”解释是否合理，并结合AI模型训练规律和产品表现作出综合判断。
为方便理解本案的事实脉络、双方证据和法院裁判思路，可先通过下图把案件结构看清楚。
一、先看技术秘密是否已经形成
技术秘密侵权判断的第一步，不是直接比较两个产品像不像，而是先判断权利人主张保护的技术信息是否已经形成。
这个问题在本案中非常关键。某乙公司等被诉侵权人抗辩认为，某甲公司没有足够证据证明其主张的涉案秘点1至7已经在2019年4月前形成，因此不能主张相关技术秘密保护。
二审法院没有抽象地相信某甲公司“有算法”，而是结合项目研发过程、产品上线时间、工作周报、代码管理、训练数据等事实进行判断。某甲公司的主张并不是泛泛地说“我们的产品也能指尖识别”，而是指向实现该功能背后的技术信息，包括训练代码、训练图片以及与指尖识别、定位有关的技术方案。
这一区分非常重要。
在AI产品中，外部功能可能比较容易描述，比如“识别手指”“定位文字”“翻译单词”。但法律真正要保护的，不是这些功能本身，而是实现这些功能的具体技术信息。也就是说，技术秘密保护的对象不是一句“我们有AI算法”，而是算法、训练数据、训练代码、标注规则、模型训练过程等能够被识别的技术内容。
所以，法院第一步要解决的是：某甲公司主张的涉案秘点是否真实存在，是否已经在被诉侵权行为发生前形成，是否具备作为技术秘密被保护的基础。
这也是AI企业在保护算法时最容易忽视的问题。很多企业知道某项技术重要，却没有把它整理成能够被法律识别的秘密点；研发过程中有代码、有数据、有模型，但到了诉讼中却很难说清楚：到底是哪一部分技术信息被侵害。
本案的启发在于，算法保护不能停留在产品结果层面，而必须回到技术形成过程本身。
二、再看被诉方是否具有接触可能性
技术秘密案件不同于一般产品侵权案件。很多时候，侵权并不是通过公开销售行为直接表现出来，而是发生在人员流动、技术交接、合作开发、代码访问、数据复制等环节中。
因此，法院在判断是否存在侵权可能时，会非常重视被诉方是否有机会接触权利人的技术信息。
本案中，张某曾任某甲公司CTO，王某某担任AI工程师，李某某担任嵌入式AI软件开发工程师，黄某某参与图片标注工作。裁判文书还显示，张某、李某某、王某某具有项目平台访问权限，黄某某也参与相关项目组工作。法院据此认定，上述人员均有渠道或机会接触某甲公司涉案秘点1至7的相关技术信息。
当然，员工离职本身并不等于侵权。员工可以带走一般知识、经验和技能，也可以重新就业或者创业。法律禁止的是将原单位不为公众所知悉并经合理保密的技术信息带走、披露或者使用。
但是，如果离职人员曾经深度参与核心项目研发，具有访问代码、数据、模型或者训练资料的权限，又在较短时间内参与推出具有类似技术能力的产品，那么“接触可能性”就会成为法院判断侵权的重要起点。
在这个意义上，本案并不是因为“有人离职创业”就认定侵权，而是因为人员角色、项目权限、研发参与程度和后续产品推出时间之间形成了可以进一步审查的连接。
这也说明，在AI技术秘密案件中，人员流动并非孤立事实。它需要和研发权限、技术资料接触范围、产品推出时间以及被诉方技术来源说明结合起来判断。
三、重点审查自主研发抗辩是否合理
本案最值得关注的部分，是最高法如何审查某乙公司提出的“自主研发”抗辩。
在AI技术纠纷中，被诉方常见的抗辩是：相关技术来源于开源代码、公开论文或者通用算法。这类抗辩本身并非当然不能成立。开源代码可以合法使用，公开技术也不应被任何企业垄断。
但问题在于，从开源代码到成熟AI产品，中间还有很长一段路。
一款AI视觉识别产品要实现商业化使用，通常需要经过代码整合、数据采集、图片标注、模型训练、参数调整、功能测试、硬件适配、系统部署等环节。开源代码可能提供技术基础，但不能自动解释一个产品为什么能够在特定时间点具备稳定的识别能力。
最高法在本案中正是沿着这一逻辑展开审查。
裁判文书显示，某乙公司提交的代码未能涵盖2019年4月至同年7月这一关键时间段。因此，优某某产品在2019年7月展示出的“手指识别和点读”全新功能，其对应算法训练代码或者相关技术究竟从何而来，某乙公司并未给出令人信服的合理解释。
这段判断非常重要。
法院并不是说“使用开源代码就一定侵权”，而是要求被诉方说明：既然主张自主研发，那么关键时间段的代码在哪里？训练数据在哪里？标注过程在哪里？模型如何形成？为什么能够在如此短的时间内完成商业化功能？
换言之，开源代码不是免责牌。它只能解释技术来源的一部分，不能替代从开源代码到具体产品之间的研发过程证明。
本案中，最高法还特别从AI模型训练规律进行说明。裁判文书指出，无论是某甲公司主张的“手指指尖识别”技术，还是某乙公司的被诉侵权技术，都不可避免涉及识别手指、定位手指、识别手指指向文本、理解文本内容并作出应答等流程。要让一款人工智能产品具备类似视觉感知、辨识、理解和回应能力，必须对模型进行高频次和高强度训练。训练的实质，是持续向模型输入数据，并根据结果反馈调整模型参数，使模型在“学习—测试—反馈—再学习”的过程中不断优化。数据类型是否丰富决定模型的智能边界，数据规模和质量决定模型学习和泛化能力的上限；没有数据“投喂”，人工智能模型无法有效工作。
这说明，法院不是机械地做代码比对，而是把AI技术本身的运行规律纳入了事实判断。
如果被诉方不能解释训练数据、模型训练和关键时间段代码来源，那么即便其提出“开源代码”抗辩，也不足以当然排除侵权可能。
四、结合AI训练规律判断是否使用
AI技术秘密案件中，产品表现不能单独决定侵权成立，但可以成为证明链条中的重要一环。
本案中，被诉产品在较短时间内显示出“手指识别和点读”能力，而涉案人员又曾经参与某甲公司的核心项目研发，具有接触相关技术信息的机会。与此同时，某乙公司未能提供覆盖关键时间段的研发证据，也没有充分说明训练数据、训练代码和模型能力的来源。于是，产品表现、研发周期、接触可能性和技术来源说明之间形成了相互印证。
这正是AI案件与传统技术秘密案件不同的地方。
与传统技术秘密案件相比，AI技术往往具有更强的可迁移性和可适配性。一项训练方法、识别逻辑或者模型能力，未必会以完全相同的代码或产品形态出现，而可能经过修改、优化、适配后用于新的硬件、新的应用场景或者新的产品功能。
因此，更应当追问：
被诉产品的核心能力从何而来？
被诉方是否接触过权利人的技术信息？
被诉方的研发周期是否符合正常技术规律？
被诉方提交的代码、数据和研发记录是否覆盖关键时间段？
其所谓自主研发能否合理解释被诉产品在特定时间点呈现出的技术能力？
这种分析方法，比简单比较产品功能是否相似更细致，也更符合AI技术秘密案件的特点。
五、一审与二审的分歧：从产品差异转向技术来源解释
这个案件之所以值得关注，还因为它是一审和二审的裁判分歧。
一审法院认为，现有证据不足以证明被诉侵权产品使用的技术信息与某甲公司主张的涉案秘点构成实质相同。其理由包括：被诉产品与某甲公司产品在硬件设备、实现功能、适用对象等方面存在差异；某乙公司提交的保密证据与某甲公司涉案秘点并不相同；相关技术方案在公有领域中已有公开内容。
这些考虑并非毫无道理。因为技术秘密侵权不能只凭“功能相似”认定，也不能排除不同企业基于公开技术独立研发类似产品的可能。
但二审最高法的判断重心明显不同。
二审没有停留在“两个产品是否完全一样”上，而是回到被诉技术来源本身进行审查。某甲公司主张保护的并不是最终硬件产品，也不是某一个外观形态，而是支撑“指尖识别及定位”功能的底层技术信息。即使被诉产品后来使用不同硬件，增加了新的功能，或者对技术进行改写适配，也不当然排除其曾经使用过涉案技术秘密。
这正是本案裁判思路中最有价值的部分：AI技术秘密侵权不只包括原封不动地复制代码，也可能包括在他人技术基础上进行修改、优化、适配后使用。
如果只因为产品形态不同、功能范围不同、后续代码不同，就直接否定侵权，反而可能让“改头换面”式使用逃脱责任。
因此，一审和二审真正的分歧，不只是事实认定不同，而是证明方法不同。
一审更关注外部差异和直接比对结果，二审则更重视技术来源能否被合理解释。对于AI技术秘密案件而言，后一种思路更能回应技术本身的特点。因为AI技术成果经常不是以单一文件、单一代码或者单一产品外观呈现，而是由代码、数据、模型、训练过程和产品能力共同构成。
六、这个案件给算法保护的启示
这个案件并不是说所有算法都当然构成技术秘密，也不是说只要员工离职后推出类似产品就一定侵权。
它真正释放出的信号是：AI算法和模型相关技术可以受到保护，但企业必须能够证明自己的技术秘密是什么、何时形成、如何保密，以及被诉方为什么可能使用了这些技术信息。
对权利人来说，保护算法，首先要固定秘密点。不能笼统说“我们的算法被偷了”，而要尽量具体到训练代码、训练数据、标注方法、模型训练流程、参数调整方式、系统适配方案等内容。
其次，要保存研发过程。AI产品不是一夜之间形成的。代码提交记录、训练数据形成记录、图片标注记录、模型训练日志、测试报告、版本迭代记录、项目周报和上线记录，都可能成为证明技术秘密形成和被侵害的重要材料。
再次，要管好人员和权限。谁能访问代码仓库，谁能下载训练数据，谁能接触模型文件，谁能查看项目文档，员工离职时是否关闭权限、返还资料、删除本地副本，这些都不是简单的内部管理问题，而是未来技术秘密争议中的证据问题。
对被诉方来说，自主研发抗辩也不能停留在一句“用了开源代码”。真正能够支撑自主研发的，是从开源代码、训练数据、模型训练、系统适配到产品上线的完整记录。尤其在产品短时间内具备成熟商业化功能时，更需要说明研发过程为何符合正常技术规律。
AI时代的算法保护，最终保护的不是抽象的“算法”二字，而是算法背后的代码、数据、模型、训练过程和证据链条。
从这个意义上看，最高法AI技术秘密案的启示不只属于知识产权诉讼，也属于每一家正在使用、研发或者管理AI技术的企业。技术本身要能运行，证据也要能站得住。
