.png?width=500&height=250&name=%E7%9F%A5%E7%9A%84%E8%B2%A1%E7%94%A3%E4%BA%8B%E5%8B%99%E6%89%80%E3%82%A8%E3%83%9C%E3%83%AA%E3%82%AF%E3%82%B9%20(500%20%C3%97%20250%20px).png)
...
AI代理“使用”电脑的时代已经到来。引领这一潮流的是Anthropic的“Computer Use”（即Claude能够观察屏幕并操作鼠标和键盘的功能）。而从技术上支撑这一功能的，正是本文将进行深入解析的美国注册专利US 12,430,150 B1。
在本文中，一位精通AI知识产权的专利代理人将结合原文，对该专利的所有权利要求构成、技术架构以及说明书中的巧思进行深度解析。对于正在自主开发“Computer Use型”智能代理，并希望了解“哪些方面是获得专利权的关键”的开发人员和知识产权负责人而言，本文是必读之作。
💡 要点：本文是AI智能代理专利系列中的“单项专利深度解析篇”。关于Anthropic整体专利战略的分析，请参阅《解读Anthropic的专利战略》；关于基础要件，请参阅基础篇。
目录
30秒摘要｜该专利保护什么
● 专利内容：用于AI代理自动操作多模态界面的运行时架构（运行时处理基础）。
● 专利权人：Anthropic PBC（Claude的开发者）。
● 状态：美国注册专利（2025年9月30日注册，共20项权利要求）。
● 核心理念：通过“代理规范 →（服务器端）中间表示 → 代理调用 → 操作函数 → 操作命令”这一多级转换，实现UI操作的自动化。
● 对应产品：Anthropic“Computer Use”（2024年10月发布）。
● 专利权人：Anthropic PBC（Claude的开发者）。
● 状态：美国注册专利（2025年9月30日注册，共20项权利要求）。
● 核心理念：通过“代理规范 →（服务器端）中间表示 → 代理调用 → 操作函数 → 操作命令”这一多级转换，实现UI操作的自动化。
● 对应产品：Anthropic“Computer Use”（2024年10月发布）。
专利基本信息
| 项目 | 内容 |
|---|---|
| 专利号 | US 12,430,150 B1 |
| 发明名称 | 用于与代理程序对接以实现多模态接口工作流自动化的运行时架构 |
| 注册日期 | 2025年9月30日 |
| 申请日 | 2024年10月8日 |
| 优先权日 | 2024年3月20日 |
| 申请人 | Anthropic PBC |
| 发明人 | Rohan Bavishi、Erich Elsen、Curtis Hawthorne 等 |
| 权利要求数 | 20项（独立权利要求3项：权利要求1、14、20／从属权利要求17项） |
| 状态 | 已授权专利（granted） |
背景｜Anthropic的“Computer Use”是什么
“Computer Use”是一项技术，AI能够像人类一样观察屏幕（识别屏幕截图）、移动鼠标、点击以及输入文字，从而操作任何软件。与传统的通过API实现的自动化不同，由于直接操作UI本身，因此即使对于未公开API的应用程序也能实现自动化，这一点具有划时代意义。
本专利所保护的正是如何在运行时（Runtime）实现这种“AI对UI的自动操作”的基础架构。请注意，其保护的并非创意本身，而是实现该功能的运作机制。
技术架构｜客户端/服务器分工与中间表示
本专利的最大特点在于，将处理任务分配给客户端和服务器端，并通过名为“中间表示（intermediate representation）”的抽象层将两者连接起来的架构。整体流程如下。
【运行时处理流程】 [客户端] ① 构建代理规范（agent specification） │ （规定工作流的自动化） ▼ [服务器端] ② 将代理规范翻译为“中间表示” │ ▼ [客户端：运行时解释逻辑] ③ 接收中间表示 ④ 检测中间表示中的“代理功能” ⑤ 根据代理功能生成“代理调用” ⑥ 向代理发出代理调用 │ ▼ 响应 ⑦ 从代理接收“运行时执行函数” ⑧ 将执行函数转换为“运行时执行命令” │ ▼ ⑨ 执行命令触发“机械执行动作（合成动作）” → 实现多模态界面工作流的自动化
💡 要点：通过引入名为“中间表示（intermediate representation）”的抽象层，将代理规范（想要做什么）与实际的UI操作命令（如何操作）进行了分离。这种思路与编译器设计一脉相承，将单纯的“让AI操作电脑”这一构想升华为具体的软件架构。
代理功能（agent function）体系
根据说明书，代理可调用的“功能（agent function）”已被系统化为多种类型。这些作为具体操作的词汇表（vocabulary），支撑着本发明。
| 类别 | 功能示例（说明书记载） | 作用 |
|---|---|---|
| 内置功能 | answerQuestionAboutScreen（回答关于界面的问题）、click（点击）、type（输入）、scroll（滚动） | 基本UI操作与识别 |
| 规划师功能 | act（操作）、fillform（表单填写）、pickdate（日期选择） | 将多个操作组合而成的更高阶任务 |
| 工作流功能 | （用户自定义工作流） | 业务特有的自动化单元 |
这种将操作抽象化为函数，并由AI代理组合这些函数来执行任务的架构，在从属权利要求（后述）中也有具体体现。
感知循环｜屏幕截图·行为历史记录·任务描述
AI代理要判断“接下来该做什么”，就必须感知当前状况。本专利说明书中记载，观测逻辑（observation logic）会向代理提供以下信息：
| 观测信息 | 内容 |
|---|---|
| 屏幕截图 | 当前界面的视觉信息（多模态输入） |
| 操作历史（action history） | 迄今为止执行过的操作记录 |
| 任务描述（task description） | 应完成的任务说明 |
“观察屏幕 → 基于此前行为 → 决定下一步操作”这一感知-行动循环（perception-action loop），正是AI代理具备“自主性”的依据。本专利从技术层面具体实现了这一循环。
权利要求构成｜3项独立权利要求、17项从属权利要求的整体框架
本专利共包含20项权利要求，采用软件专利的经典结构，将独立权利要求分为方法、系统和介质三大类。
| 权利要求 | 类别 | 保护对象 | 假定侵权主体 |
|---|---|---|---|
| 权利要求1 | 系统（system） | 在处理器上运行的系统 | 制造、使用或销售该装置的人 |
| 权利要求14 | 计算机实现方法（method） | 处理步骤 | 实施该方法的人 |
| 权利要求20 | 非临时性计算机可读存储介质 | 记录了程序的介质 | 分发或提供程序的人员 |
【权利要求树】 ● 权利要求1（系统·独立） └─ 权利要求2～13（从属：限定功能类别、检测逻辑、返回值等） ● 权利要求14（方法·独立） └─ 权利要求15～19（从属） ● 权利要求20（介质·独立）
从属权利要求（2～13、15～19）具体限定了代理功能的种类、监测逻辑、返回值等，通过多层次的防御机制，确保即使独立权利要求被认定无效，权利仍能得以保留。
逐条解读独立权利要求1（系统）
支持权利确立的3项限定
| 限定 | 技术含义 | 生效理由 |
|---|---|---|
| 转换为中间表示（intermediate representation） | 将规范与执行分离的抽象层 | 摆脱抽象概念。架构的具体性 |
| 代理功能的检测与调用生成 | 将操作函数化并动态调用 | 控制逻辑的具体化。进步性的论点 |
| 将操作函数转换为操作命令 | 将AI的判断转换为实际的UI操作 | “操作界面”技术实现的核心 |
独立权利要求14（方法）的精妙之处｜代理位于“服务器端”
作为方法权利要求的第14项，虽然以方法形式描述了与第1项几乎相同的处理过程，但存在一个重要的区别。
相比之下，权利要求1（系统）仅描述为“向代理发出（issue the agent calls to an agent）”，而权利要求14（方法）和权利要求20（介质）则明确指出“向服务器端的代理发出（to an agent on the server-side）”。
💡 要点：这一差异是刻意为之的权利要求起草策略。系统权利要求仅将客户端设备纳入保护范围，从而广泛涵盖“实施客户端的一方”。另一方面，方法和介质权利要求则明确了与“服务器端代理”的协作，从而涵盖了整个分布式系统的处理过程。这是从不同角度对同一发明进行多层次保护的典范。
专利代理人的视角｜为何这是一项强有力的专利
① 与产品一对一对应。直接保护了“计算机使用”这一实际核心功能，商业价值明确。
② 保护对象不是创意，而是架构。并非停留在“AI操作PC”这一抽象概念，而是以中间表示、函数化、多级转换等具体的软件结构形式进行描述，因此专利适格性较高。
③ 权利要求切入点具有多层次性。除系统（以客户端为中心）、方法、载体这3大类别外，还在系统权利要求和方法权利要求中通过改变代理程序所在位置（服务器端）的描述，从而涵盖了不同的侵权情形。
在日、美、欧的审查中将如何评价
美国（USPTO）
在Alice/Mayo测试中，关键在于判断“是否属于抽象构想，或是否存在发明性概念”。本案因涉及中间表示、代理调用及操作命令翻译等技术实现，因此易于主张“针对技术课题（UI自动操作）的技术解决方案”，目前已获注册。
日本（JPO）
其标准在于“信息处理是否利用硬件资源具体实现”。由于说明书中记载了在处理器上运行的系统、客户端/服务端的分工以及具体的数据转换，该构成为作为软件相关发明满足专利适格性提供了有利条件。进步性的关键在于“通过中间表示进行的抽象化”以及“操作函数→命令转换”的技术巧思。
欧洲（EPO）
审查重点在于技术贡献（COMVIK）。该结构易于定位为针对“UI自动操作”这一技术课题的架构层面的技术解决方案，从而更容易避免被评定为纯粹的商业方法。
关于AI代理专利在日、美、欧三国审查实务的比较，在《日本、美国、欧洲的专利案例与审查实务》中进行了详细解说。
对企业自主开发智能代理的启示
① 撰写直接保护产品功能的权利要求。不仅要涵盖抽象的高层概念，还要明确对应本公司产品核心功能的具体构成。
② 将架构语言化。像“中间表示”、“观测逻辑”、“操作命令”这样，用技术术语定义系统的构成要素和处理流程，并将其落实到权利要求中。
③ 对于分布式架构，应明确记载并区分“在何处执行何种操作”。明确客户端/服务器/代理的角色分工，并根据侵权主体的不同调整权利要求的切入点。
④ 将操作函数化并全面覆盖。在从属权利要求和说明书中具体化click、type、scroll等操作术语，从而增加规避设计的难度。
我们将对贵公司的AI代理程序进行专利可行性诊断。
精通IT、软件及AI领域的专利代理人将为您提供全方位支持，包括免费可专利性诊断、权利要求设计、FTO调查，以及日本、美国和欧洲的申请策略。
预约首次免费咨询 IT·AI知识产权服务常见问题（FAQ）
Q. US 12,430,150 B1是一项什么样的专利？
A. 这是Anthropic公司持有的美国注册专利，保护了AI代理自动操作多模态（图像+文本）用户界面的“运行时架构”。这是该公司“计算机使用”（Claude操作电脑的功能）的核心专利，于2025年9月30日获授权。该专利共包含20项权利要求（3项独立权利要求、17项从属权利要求）。
问：该专利有多少项独立权利要求？
A. 共有3项。分别属于权利要求1（系统）、权利要求14（计算机实现方法）和权利要求20（非临时性计算机可读存储介质）这3个类别，其构成符合软件专利的常规做法，旨在涵盖不同的侵权主体。
Q. 为什么要区分“客户端”和“服务器端”？
A. 该架构采用分工协作的结构：客户端负责构建代理规范、解析中间表示以及将其转换为操作命令；而将代理规范转换为中间表示以及代理本体则放置在服务器端。将繁重的推理工作交由服务器端的AI处理，而UI操作的执行则由客户端承担，这种符合实际实施情况的架构，其具体性有助于确保专利适格性。
Q. 日本企业如何利用“计算机使用型”技术获得专利？
A. 与其强调“AI操作PC”这一概念，不如像本案一样，将①客户端/服务端的角色分工、②作为抽象层的“中间表示”、③“代理调用→操作函数→操作命令”的多级转换等具体内容作为软件架构进行描述，这样更为有效。
Q. 我担心会侵犯该专利，该怎么办？
A. 本案为已注册专利，其实际权利范围由各权利要求条款的措辞、等同原则以及过往信息共同确定。判断贵公司的代理技术是否构成侵权（FTO＝自由实施调查），是一项需要对权利要求进行解释的专业工作。如有顾虑，请委托精通IT及软件领域的专利代理人进行权利要求对比分析。
本文注意事项：本文基于已公开的专利公报，对技术和制度进行的一般性说明。US 12,430,150 B1虽为已注册专利，但其实际权利范围由各权利要求条款的措辞、等同原则及历史信息共同确定。文中引用的权利要求、摘要及说明书内容虽基于公开公报数据（如FreePatentsOnline等），但在涉及法律重要用途（如自由实施分析、侵权分析、无效审查、专利申请等）时，请务必核对USPTO正本及最新审查信息，并寻求专家的个别审查。日语译文仅供理解参考，正文以英文原文为准。
延伸阅读（AI代理专利系列）：
・
解读Anthropic的专利战略｜为何专利申请量较少？・AI代理技术能否申请专利？（基础篇）
・日本、美国、欧洲的专利案例与审查实务（案例篇）
・解读Salesforce的多代理专利（个别解析篇）
・
解读Anthropic的专利战略｜为何专利申请量较少？・AI代理技术能否申请专利？（基础篇）
・日本、美国、欧洲的专利案例与审查实务（案例篇）
・解读Salesforce的多代理专利（个别解析篇）
来源
- US 12,430,150 B1（Google Patents）：https://patents.google.com/patent/US12430150B1/en
- 权利要求书·说明书（FreePatentsOnline）：https://www.freepatentsonline.com/12430150.html
