AI 時代需要的關鍵技能- 創新式專利迴避設計

 

AI 時代需要的關鍵技能- 

創新式專利迴避設計
Innovative Patent Design-Around / Patent Circumvention

(AI根據原創內容生成)

創新式專利迴避設計，是一項高度跨領域，整合專利法律、技術工程與創新方法工具的高階專業技能。

我最早是在 2008 年參加TIPO/TIPA(臺灣智慧財產培訓學院)專利侵權鑑定實務培訓的培訓教材中，接觸到陳瑞田老師的《創新性之專利迴避設計》一書中，因此看到了創新式專利迴避設計的概念。

也是這段經歷，同年，加深了我開啟後續學習 TRIZ 系統性創新方法的道路，先後分別接觸來自美國與英國高等教育領域中的國際頂尖 TRIZ 老師 (Sergei Ikovenko & Darrel Mann) 。

一、創新式專利迴避設計的專業能力

創新式專利迴避設計（Innovative PDA/PC），不僅是專利檢索、侵權比對或技術方案修改，更是技術工程知識、專利工程分析與創新方法工具三大專業領域技能高度整合運用的體現。

根據我將近20年專利迴避設計經驗，我個人認為
資深創新式迴避設計專家必須具備以下四項核心能力：

1. 技術系統分析能力

能夠分析技術系統的功能、結構、技術特徵、技術功效及系統限制，理解技術系統的架構、運作機制與功能作用關係。

2. 專利工程與侵權風險分析能力

掌握 FTO（Freedom to Operate，自由實施）專利檢索、權利要求範圍（Patent Claim Scope）分析、技術特徵比對與侵權風險判斷，辨識目標專利組合所形成的權利範圍限制。

3. 技術系統診斷與迴避機會辨識能力

依據目標專利技術方案組合、技術系統限制、專利權利範圍限制及新產品開發需求，進行系統性診斷。

透過技術缺陷分析、功能作用關係分析與系統架構分析，辨識具有迴避潛力的技術問題及創新機會，建立適當的問題模型。

4. 迴避流程設計與創新方法整合能力

根據不同問題模型與技術限制，設計適當的專利迴避流程，選擇對應的創新方法及工具，產生多種候選概念方案。

再透過工程可行性、技術功效、侵權風險及實施條件的評估，篩選出具備實際應用價值的技術迴避方案。

真正稀缺的能力，不是熟悉某一項技術，也不是精通某一種創新工具，而是能夠跨領域進行技術系統架構分析、問題建模、迴避策略設計與創新方法選擇的整合能力。

二、TRIZ 技術系統分析的隱藏核心——系統架構分析

傳統 TRIZ 組件式功能分析的建模規則，主要源自實體技術系統，以明確的系統邊界、組件、功能作用及作用目標為分析基礎。

這類分析模型對於具有明確組件、功能及作用關係的硬體技術系統，具有相當高的實用價值。

然而，當分析對象從硬體延伸到軟體技術系統時，便會遇到不同的技術系統架構問題。

軟體技術系統具有可擴展性、動態重構及功能持續演化等特徵。

既有軟體系統可以透過新增功能、模組重組、外部服務整合、API 介面擴展，以及資料與控制關係的改變，形成新的技術系統架構。

尤其值得注意的是，軟體功能的增加，並不必然需要增加實體組件；技術系統的功能配置與作用關係，也可能在既有架構下持續改變。

因此，傳統以相對固定的組件、功能及作用關係建立的靜態功能模型，難以完整描述部分現代軟體系統的架構演化及創新空間。

這正是技術系統分析需要進一步發展的方向。

三、從 TRIZ 技術系統分析到 FAP 技術系統架構分析

2025 年 11 月，我進一步提出 FAP 技術系統架構分析模型的擴展方向。

FAP 的核心研究重點，不只是分析現有技術系統中的組件、功能與作用關係，而是進一步探索如何在不同類型的技術系統之間，建立具有一致分析邏輯的系統架構模型。

其應用範圍涵蓋三種主要技術系統類型：

1. 封閉式技術系統

以具有相對明確實體結構與系統邊界的硬體技術為主要分析對象。

2. 開放式技術系統

以功能可擴展、服務可整合、系統邊界及作用關係可變化的軟體技術為主要分析對象。

3. 混合式技術系統

以軟硬體整合、嵌入式控制及跨系統協作為主要分析對象。

這裡的封閉式、開放式及混合式，是 FAP 用於系統架構分析的分類方式，並非簡單地認定所有硬體都是封閉系統，所有軟體都是開放系統。

FAP 技術系統架構分析的關鍵，在於如何描述不同系統邊界、功能配置、作用關係，以及系統架構變化所形成的技術限制與創新機會。

這不僅有助於技術問題的辨識與建模，也有助於從不同系統架構之間尋找新的技術解決方案。

四、AI 時代真正稀缺的技術創新能力

無論是傳統 TRIZ 技術系統分析，還是 FAP 技術系統架構分析模型，都需要專業領域知識與實際工程經驗的支持。

因為技術系統架構分析，不只是辨識組件、建立功能關係圖，更需要理解真實技術系統在運作過程中所受到的物理條件、技術參數、工程限制及實施環境影響。

同樣的功能模型，在不同產業、不同技術條件與不同實施環境下，可能產生完全不同的技術問題與解決方案。

這也是為什麼，TRIZ 解題僅有方法知識與領域知識並不夠，還需要實際技術工程經驗，才能正確判斷技術系統架構、問題模型及創新方案的可行性。

AI 可以協助技術資料分析、知識檢索、功能建模、創新概念生成與候選方案比較。

但是，面對缺乏完整資訊、存在隱性工程限制，或需要結合實際操作經驗進行判斷的複雜技術問題，現階段 AI 仍難以獨立完成可靠的系統架構診斷與工程驗證。

真正重要的不是 AI 能夠生成多少種創新方案，而是能否正確判斷：

• 技術系統架構是否合理？

• 問題模型是否反映真正的工程問題？

• 解決方案是否符合實際技術限制？

• 候選方案是否具有工程實施可行性？

• 相關專利風險是否經過適當的專業分析與驗證？

AI 能夠加速知識分析與方案探索，但技術系統架構判斷、問題定義及實際工程驗證，仍然需要具備專業知識與實務經驗的專家參與。

從傳統 TRIZ 技術系統分析，到 FAP 技術系統架構分析，再到創新式專利迴避設計，我認為其共同的核心就是：

理解技術系統、辨識架構限制、建立問題模型，再透過適當的創新方法，探索具有實際應用價值的技術解決方案。

AI時代，專業知識取得越來越容易，也因此顯得實作經驗技能越來越重要。未來，迅速將取得知識廣泛應用的實作能力會是 AI時代關鍵核心競爭力。

#創新式專利迴避設計
#AI輔助創新
#TRIZ
#FAP技術系統架構分析模型
#系統架構分析
#專利工程
#技術創新


創新式專利迴避設計培訓工作坊
歡迎企業包班。
聯絡方式：
service@iiiinnovation.com
inpaser4u@gmail.com