一家估值近百亿的AI制药独角兽，在冲刺科创板IPO的关键时刻，被前员工创立的竞品公司以侵犯商业秘密为由诉至法庭啦。原告主张其核心算法模型及训练数据集构成商业秘密，被告则辩称相关技术信息已通过学术论文公开，且AI模型的“黑箱”特性使得同一结果可由不同路径实现，不构成实质性相似。这场诉讼不仅关乎两家企业的生死，更触及了一个前沿法律命题：当AI深度嵌入科创中心的研发全流程，知识产权的保护边界与侵权认定规则，是否需要重构？

这起由国内某知名律所代理的案件，历经两年审理，最终法院采用了“分层举证+技术调查官辅助”的审理模式。法院认定，虽然AI模型的最终输出具有不确定性，但其训练数据的选取、清洗、标注规则以及超参数调整策略，若满足非公知性、商业价值性和保密性要件，可以构成商业秘密。判决被告停止使用相关技术信息，并赔偿经济损失1.2亿元。该案确立了AI模型训练过程中“过程性信息”的商业秘密保护规则，在业内引发广泛讨论。

此案的戏剧性在于，被告曾是原告的核心算法工程师，深谙技术细节与保密漏洞。而原告在诉讼中面临的最大挑战，是如何在“算法黑箱”中证明被告使用了其商业秘密。传统知识产权诉讼中，权利人通常通过源代码比对来证明侵权，但AI模型的代码相似性并不必然导致功能相似。为此，原告代理律师引入了“技术路径还原”策略，通过专家辅助人出庭，从数据预处理、模型架构选择、损失函数设计等维度，论证被告的技术方案与原告具有高度同源性。这一举证思路被法院采纳，成为判决的关键支撑。

从法律分析角度看，该案对企业知识产权战略的启示是多层次的。开头说，商业秘密的“保密性”要件在AI语境下需要重新审视。许多科创企业依赖开源框架和公开数据集进行研发，但并不意味着所有技术信息都进入公有领域。企业应建立数据治理与算法管理的内部合规体系，对核心训练数据、特征工程方法、模型调优记录等“过程性资产”采取分级保密措施。第二点，竞业限制协议与保密协议的设计需更加精细化。对于接触核心算法的员工，应明确约定“禁止使用原单位技术信息训练新模型”等具体义务，而非笼统的保密条款。再次，诉讼策略上，权利人应善于运用证据保全、行为保全等程序性工具，在AI侵权案件中抢占先机。

值得关注的是，AI赋能法律效率提升本身也在改变知识产权争议的解决方式。在上述案件的审理中，法院首次采用了AI辅助的案例检索与裁判文书生成系统，将类案检索时间从数周压缩至数小时。部分领先律所已开始部署法律AI工具，用于专利侵权比对、商标近似判断、合同风险审查等场景。但是，效率提升的同时也带来新的争议：AI生成的法律分析报告是否构成“律师意见”？AI辅助的专利检索结果在行政无效程序中的证据效力如何认定？这些问题尚无明确规则，需要立法与司法实践逐步回应。

对于科创中心而言，知识产权战略已不再是简单的专利申请与维权，而是嵌入技术研发、人才流动、资本运作全流程的系统工程。企业需要建立“防御+进攻”的双向策略：一方面嘛通过专利布局、商业秘密管理、开源合规审查构建防御体系；二来嘛通过交叉许可、标准必要专利谈判、侵权诉讼等方式实现知识产权资产的价值转化。在这个过程中，AI既是保护对象，也是保护工具。法律从业者需要理解AI技术的底层逻辑，技术专家也需要具备法律风险意识，这种跨学科的协同能力将成为科创中心法律服务的核心竞争力。

回到开篇的案件，1.2亿元的赔偿金额固然引人注目，但更深远的影响在于裁判规则的确立。它提醒所有科创企业：在AI驱动的创新浪潮中，知识产权的边界正在从“最终产品”向“过程资产”延伸，从“代码表达”向“数据与算法策略”拓展。谁能率先建立与AI研发规律相匹配的知识产权管理体系，谁就能在激烈的科技竞争中占据主动。而法律人的角色，正是在效率与公平、创新与保护之间，寻找那个动态平衡的支点。