一、数智化企业正在承担超越传统产品边界的知识产权风险
2026年8月21日，知识产权行业媒体IP Fray报道[1]，农业机械制造商约翰迪尔（John Deere）在德国遭遇三起4G蜂窝通信标准必要专利侵权诉讼。宏碁（Acer）在曼海姆地区法院提起一起诉讼，北京璟石知识产权管理有限公司则在慕尼黑第一地区法院提起两起诉讼。
根据约翰迪尔官网公开资料[2]，其联网设备能够连接云端，使用户获得设备运行和作业相关的实时数据；约翰迪尔官网目前披露的联网设备规模约为50万台，每日处理消息超过7000万条。
约翰迪尔被诉案件揭示了一个正在扩散的产业现实：当传统制造业企业通过联网、智能化和AI改造产品，开展数智化转型时，它们会被动进入原本并不属于自身主营业务的技术结构，由此产生新的产业依赖，并承担全新的知识产权义务。
二、产业运行结构中的四类关键节点
理解上述产业变迁，需首先厘清“产业链”与“产业运行结构”两个概念。产业链侧重回答生产主体之间的分工与供应关系，即“谁生产什么、谁向谁供应、产品如何自上游向下游流动”。以约翰迪尔所涉智能农机产业为例，其产业链条大致涵盖芯片供应商、通信模组厂商、传感器企业、整机制造商、云平台企业及农业服务商等环节。相较之下，产业运行结构所关注的是该产业依据何种规则实现连接、计算、协作与持续演进。决定产业运行方式的技术体系、规则安排及资源配置模式，可统称为产业运行结构。本文立足于企业知识产权战略视角，将人工智能与数智化转型背景下产业运行结构中的关键位置归纳为四类节点，即标准节点、架构节点、生态节点与数据节点。
需要指出的是，上述四类节点本身并非全新的产业现象，本文的分析重点在于，将其纳入统一的结构性知识产权分析框架，进而考察企业进入节点、影响节点、形成产业依赖并将节点地位转化为持续价值的内在机理。作为分析工具，四类节点在现实商业场景中往往相互交叉、彼此叠加，并不存在绝对清晰的边界。
1. 标准节点：决定市场主体按照什么规则连接
标准节点的核心功能是解决互联互通问题，3GPP制定的蜂窝通信标准即为典型例证。手机、汽车、农机、智能电表等产品只要实施相关标准，即可能应用标准必要专利所覆盖的技术方案。
AI时代的标准节点范畴还涵盖模型与应用接口、数据交换规范、工业互联网协议、智能汽车通信协议、机器人与智能设备互操作规范等。上述标准中，一部分属于正式标准，另一部分则可能成为市场普遍采用的事实标准。企业的技术贡献进入正式标准体系，可能形成标准必要专利，通过专利许可、专利池运营或交叉许可等方式获取收益。形成事实标准则不当然赋予相关技术提供者排他性权利。例如，针对API及接口规范的保护，不同司法辖区的规则存在差异。企业不仅需要明确自身所实施的各类标准，还需判断实施哪些标准可能触发标准必要专利许可义务、技术约束，或带来新的参与机会。
2.架构节点：决定技术能力建立在什么底座上
架构节点的核心功能是界定产业技术发展的底层路径，ARM旗下的处理器架构及配套软硬件生态即为架构节点的典型案例。ARM自身并不生产芯片，但大量芯片企业围绕其指令集与架构开展产品开发，大量软件开发者也基于该底层体系完成技术适配。架构节点的价值来源于产业主体长期投入积累形成的路径依赖：当企业、开发者与供应链围绕特定架构投入大量资源后，替换架构通常不再是简单的产品切换，反而可能涉及产品重新开发、技术重新适配、供应链调整与相关人员培训等一系列成本；而模块化设计、开放接口与可迁移架构能够降低此类技术锁定的影响程度。
在AI产业中，架构节点并非仅存在于芯片层级，还可分布于多个领域，具体包括：处理器指令集、GPU和AI加速器架构、深度学习框架、模型架构、推理和部署框架、边缘计算平台、机器人操作系统等。对数智化转型的传统制造企业而言，架构风险通常体现为以下情形：车载平台依赖特定芯片供应商、工业控制系统依赖特定处理器架构、AI推理系统依赖特定加速器、设备软件难以迁移至其他硬件平台等。
3.生态节点：决定参与者如何协作和创造价值
生态节点指依托工具、接口、平台规则、开发资源与参与者网络，可将分散的市场参与者持续整合至同一技术体系内的关键位置，核心作用是解决产业主体间的协作问题。经过长期技术投入与开发者生态培育，进入AI时代后，以英伟达CUDA为代表的GPU软件平台，已形成由编程模型、开发工具、软件库、开发者社区及海量应用与服务共同支撑的成熟技术生态。
AI时代的生态节点可涵盖如下类型：开发者工具、应用商店与平台规则、云服务接口、软件开发包、数据服务平台、供应商认证体系、行业解决方案网络等。当生态发展形成规模后，企业对该生态的依赖不再局限于单一产品，而是延伸至整套协作体系。软件著作权、商业秘密、接口设计、平台规则、商标、开发工具、技术文档及开发者资源，通常共同构成生态控制能力的基础。生态依赖的核心风险在于，转换生态的迁移成本通常极高，足以抑制市场主体对替代方案的选择。
4.数据节点：决定技术如何持续演进
数据节点是AI时代最具代表性的产业节点。数据的核心价值并不止于数据持有量，而在于能否构建持续运转的完整数据闭环：数据采集—清洗标注—模型训练—产品部署—用户反馈—再次采集数据。若数据具备场景真实性、采集持续性与资源独特性，且能够有效转化为模型迭代与产品性能改进的支撑，则可能形成竞争对手难以复制的数据闭环或“数据飞轮”。
以联网农机为例，设备作业位置、土壤状况、作物生长、油耗、故障、作业路径和驾驶行为等数据，都可能成为未来智能农业系统的重要输入。但数据节点也衍生出诸多新的法律问题，具体包括：数据的访问、持有、控制、处理、使用和收益安排；数据能否用于训练模型；数据是否包含个人信息或商业秘密；供应商、客户和平台之间如何分配数据权益；数据能否跨境流动；设备停产或更换供应商后，数据能否继续使用等。据此，数据节点并非单纯的“数据资源”，而是数据权益、技术能力、运营机制和反馈系统共同构成的综合体。
5.AI时代：节点形成更快、依赖更深、相互叠加
人工智能技术正显著加快其形成、锁定与相互叠加的进程。
其一，事实标准的形成速度显著加快。AI产品与开发平台可在数月甚至数周内获得市场广泛采用。当大量企业围绕特定API、模型格式、开发工具或部署方式开展开发工作时，即便该项技术尚未获得标准组织的正式批准，也可形成事实上的市场标准。
其二，架构依赖的形成周期大幅缩短。企业一旦围绕特定算力架构投入大量代码、模型、数据与人力资源，迁移成本便会迅速攀升。因此，企业不能仅关注技术当前性能，还需提前评估该技术路线的可替代性与长期迁移成本。
其三，生态锁定范围已从软件行业拓展至传统产业。制造、能源、交通、零售和医疗等领域的企业，当前正同步采购云服务、数据平台、AI模型、设备管理系统、软件工具链与行业应用，企业与供应商的关系也逐步从单一产品采购转变为生态依赖。
其四，数据闭环已成为产品核心竞争力的组成部分。数智化产品的市场竞争，不再仅取决于设备的初始性能，还取决于产品投用后能否持续产生数据、迭代优化算法并提升用户体验。因此，企业必须在产品设计阶段完成数据闭环规划，不可待产品上市后再补充完善数据管理制度。
需要着重强调的是，上述四类节点并非彼此独立存在：标准会影响架构选择，架构决定生态的技术基础，生态持续产生数据，而数据又会反过来强化既有架构与生态的路径依赖。AI时代真正值得关注的核心议题，并非对单一节点的控制，而是多个节点之间形成的耦合关系。
三、构建面向节点的结构性IP战略
综上可见，AI时代产业运行结构中节点形成速度加快、依赖程度不断加深，企业识别并进入关键节点的时间窗口正不断收窄。相应地，企业亟需升级自身IP战略。
1.何谓结构性IP战略
英国国际政治经济学学者苏珊·斯特兰奇曾区分“联系性权力”与“结构性权力”。联系性权力主要表现为在既有关系框架中促使其他主体采取其原本不会采取的行动；结构性权力则体现为塑造行为主体所处的结构及其关系框架，从而影响“事情如何被做”的能力。[3]本文认为，该划分可借鉴应用于企业知识产权战略分析。本文借用该组分析视角进行类比引申，并非直接照搬国际政治经济学的全部原有内涵，仅沿用其“关注关系背后结构条件”的核心分析视角。
传统知识产权战略通常围绕具体权利的取得、维护、行使与交易开展，例如通过专利构建排他性权利、通过诉讼与许可实现权利价值、通过商业秘密管控技术扩散，以及通过商标与著作权维护市场识别度与内容使用边界。上述能力仍具备重要价值，但当前企业更需关注结构性IP战略，针对产业运行结构明确核心问题：企业技术是否已嵌入产业运行依赖的关键结构？企业是否具备影响该结构的能力？其他市场参与者是否已围绕该结构形成依赖？该依赖能否转化为企业的持续价值？
基于上述分析，本文所指结构性IP战略，是以知识产权为核心，协同合同安排、数据治理与平台规则等工具，通过将企业技术能力嵌入产业运行依赖的标准、架构、生态或数据体系，构建节点影响力、降低外部锁定风险，最终实现持续价值获取的IP战略。
结构性IP战略包含三个相互衔接的层次：
其一，推动企业知识产权嵌入产业运行结构。企业知识产权不应仅留存于专利证书、软件登记证书或合同条款等静态载体，而应当真正融入产品、技术标准、系统架构、软件生态与数据闭环之中。换言之，企业需明确知识产权是否已成为产品实现特定功能、设备实现互联互通、软件持续运行以及数据反馈迭代不可或缺的组成部分。只有当知识产权与产业运行的实际机制相结合，其价值才不会仅局限于个别侵权案件中的排他性权利，而能够转化为技术路线与商业模式的长期支撑。
其二，围绕关键节点布局并投资知识产权。对企业而言，真正具备结构性意义的知识产权，未必是数量最多、权利范围最广的权利，而是那些处于产业关键节点，能够对连接规则、技术路径、协作方式或持续迭代产生实质影响的权利与能力。例如，纳入行业标准的专利、支撑核心系统架构的技术方案、构成软件生态基础的接口与工具链，以及支撑数据持续采集与模型优化的技术与合同安排，均可成为企业重点布局的对象。相应地，企业的IP投资也不应仅局限于专利申请，还应当涵盖标准提案、开源项目、软件工具、平台接口、技术许可、数据治理机制与生态合作关系等多种形式。
其三，推动企业知识产权资产对产业运行形成可依赖的影响力。知识产权只有经产业参与者广泛采用、持续使用并形成对应资源投入后，才可能产生真正的结构性影响。当同行企业、开发者、供应商或客户围绕企业某项技术、接口、平台或数据服务形成长期投入，替换该技术需承担较高的重新开发、系统适配、人员培训、供应链调整或客户迁移成本时，企业知识产权便不再是孤立的法律资产，开始具备可依赖的结构性影响力，企业可据此获得许可收益、产品溢价、供应链议价能力、平台规则影响力或更强的客户黏性。
上述三个层次构成了从“拥有知识产权”到“嵌入产业结构”，再到“形成可持续影响力并实现价值获取”的完整递进过程。此处需区分两类企业的现实目标：对于少数头部科技企业而言，可主动追求塑造节点、构建产业依赖；但对于绝大多数推进数智化转型的传统实体企业而言，首要目标并非塑造节点以形成产业依赖，而是识别外部节点风险，降低自身被外部体系锁定的风险，提升商业谈判筹码，该目标同样属于结构性IP战略的重要组成部分。同时，需要强调的是，企业追求结构性影响力，并不等同于可不受约束地谋求市场支配地位，相关能力的建设与运用，必须在反垄断、反不正当竞争、数据安全与个人信息保护等法律框架范围内开展。
2.构建结构性IP战略的切入点
对于正推进数智化转型或部署人工智能技术的传统企业，可从以下几个方面着手构建结构性IP战略。
(1)从专利清单转向节点地图，评价知识产权的节点贡献
在数智化产业结构中，企业仅掌握“自己有什么”已经不足以支撑判断其知识产权机会与风险。企业还需要进一步回答：产品和业务运行依赖哪些关键节点，这些节点由谁控制，节点之间如何相互连接，以及企业自身处于这些节点的什么位置。因此，企业需要在传统专利盘点的基础上进一步绘制节点地图，系统梳理产品和业务所依赖的技术标准、芯片与计算架构、软件与平台生态、数据资源及其流转关系，并识别关键接口、平台规则以及单一供应商等潜在依赖。?
在完成节点识别后，还需要进一步评估企业知识产权在这些关键节点中的实际贡献。这里所说的“节点贡献”，并非简单对应于专利数量，而是指企业知识产权对于关键技术路线、标准应用、生态扩展、系统兼容或数据闭环所产生的实际作用。针对标准、架构与平台类技术，企业应当重点关注相关专利是否具有真实的技术贡献，是否进入产业广泛采用的技术方案，以及企业的技术方案能否形成持续的产业影响力。由此，专利组合的评价指标也应从单纯侧重数量，拓展至标准提案采纳情况、技术方案的必要性和有效性、产业采用程度、关键技术路线覆盖范围、许可谈判中的议价能力，以及对供应链和产业生态的影响力。?
(2)在研发前端开展结构性IP评估
节点地图及知识产权贡献的识别应前移至研发决策环节。结构性IP评估无法由知识产权部门单独完成，需要贯穿研发、架构设计、采购、数据治理与产品决策。即知识产权部门应当提前参与技术路线、采购方案与产品架构的决策过程，而非在产品定型后才开展侵权排查工作。研发立项阶段即需完成多维度评估：是否存在标准必要专利风险；是否可通过技术贡献纳入行业标准；是否存在架构锁定风险；是否需要布局替代技术路线；数据能否形成可持续运行闭环；关键接口和平台规则是否受第三方控制。
(3)建立生态治理和合同管理能力
前端识别出的节点依赖和IP风险，还需要通过合同规则和治理机制转化为可执行的管理安排。企业应当在相关业务合同中明确约定以下事项：数据归属和使用权；模型训练和二次利用权限；接口开放和兼容义务；软件更新和长期维护责任；供应商退出和替换机制；跨境数据传输与合规安排；知识产权侵权责任划分。
(4)同时管理“外部锁定风险”与“自身节点能力”
企业既要争取发展成为产业关键节点，也要防范自身被其他节点锁定。因此，IP战略层面需同步推进两项工作：一是通过技术创新、标准贡献、平台建设和数据闭环构建自身结构性能力；二是通过多供应商采购、接口兼容、架构替代和数据可迁移设计降低外部依赖。成熟的结构性IP战略并非简单追求对其他市场主体的控制，而是构建可持续的影响力、替代能力和谈判能力。
3.企业数智化需同时关注四类节点
回溯约翰迪尔案例，可得到代表性企业在产业运行结构中的清晰画像：在标准节点层面，联网设备采用通信标准，作为标准使用者，企业可能面临标准必要专利许可与侵权诉讼风险；在架构节点层面，企业的车载计算、通信模组与边缘AI系统通常依赖特定芯片、处理器或软硬件架构，若替换架构需对硬件、软件与供应链进行重新设计，企业将面临较高迁移成本；在生态节点层面，农机设备管理平台、云服务、软件工具与合作伙伴体系通常与特定平台绑定，平台规则、接口权限与软件兼容性，均会对企业长期运营能力产生影响；在数据节点层面，联网设备持续产生大量农业生产与设备运行数据，这类数据既是企业智能化能力的核心来源，也可能涉及客户控制权、供应商使用权、商业秘密保护与合规性风险。约翰迪尔官网公开资料显示，该公司以JDLink为连接基础、以John Deere Operations Center为核心的数字农业体系，正在将农机、农田、作业人员及合作伙伴连接起来，形成围绕农业生产场景的数据与服务生态[4]。因此，从产业运行结构视角来看，现代联网农机已不再是单纯的机械设备，而是逐步发展为融合蜂窝通信、卫星定位、车载计算、软件平台、远程服务与数据采集能力的联网终端，并进一步与AI驱动的智能决策系统实现连接。
该结论同样适用于开展数智化转型的传统制造、零售、能源与物流行业企业。例如，制造企业部署AI视觉检测系统时，至少需同步考量以下维度：摄像头与设备通信协议；芯片及推理架构；模型开发与部署生态；生产数据能否实现持续回流并用于模型优化。零售企业使用智能推荐系统时，也需关注以下内容：支付与数据交换标准；云计算与模型架构；平台接口与开发者生态；消费者数据的控制、授权与训练使用规则。能源企业建设智能电网时，则需评估下述要素：电力通信与设备互操作标准；控制系统与芯片架构；云平台与软件生态；用电、设备与运行数据的长期治理能力。四类节点是所有开展数智化转型的企业都需应对的经营性问题。
结语：企业数智化要求IP战略从资产化管理走向结构性治理
步入AI时代，企业知识产权，尤其是专利，其价值无法脱离所在产业运行结构单独评价。对于处于数智化转型与AI应用阶段的传统企业而言，IP战略升维并不要求企业成为产业规则的主导者，其核心要义在于推动企业知识产权工作实现一次认知跃迁：从过往聚焦权利取得与维护的资产管理思维，升级为洞察企业知识产权与产业运行结构关联性、挖掘发展机遇的结构性治理思维。因此，企业需要持续叩问：自身嵌入了哪些节点，又依赖哪些节点？谁决定这些节点的运行规则，企业能否影响其演进方向，或是保留替代路径？企业能否将嵌入节点的技术能力转化为持续的影响力、议价能力和经济价值？并非要求所有企业都主导定义产业规则，核心在于清晰认知规则、筑牢自身筹码、保留多元选择。这正是AI时代企业数智化发展背景下，企业知识产权战略升维的真正内核。
注释：
1 https://ipfray.com/acer-chinese-sep-holder-launch-first-cellular-sep-campaign-against-farm-equipment-maker-john-deere-targeted-over-4g
2 https://www.deere.com/international/en/our-company/innovation
3 《国际政治经济学导论---国家与市场》，【英】苏珊·斯特兰奇著，杨宇光等译，经济科技出版社，1990年，第29页
4 https://www.deere.com/en-us/products-solutions/technology-solutions/precision-ag-technology/operations-center
（本文仅代表作者观点，不代表知产财经立场，平台并不承诺对内容负责，如有相关疑问，请联系文章作者。）
京公网安备 11010502049464号