--- title: 【专利代理人深度解析】解读OpenAI的“通过视频学习的人工智能代理”专利 US 11,887,367 B1（VPT）｜如何构建“计算机使用” description: 专利代理人对OpenAI已注册专利US 11,887,367 B1（VPT）进行深入解析。通过逆动力学模型（IDM）和非因果性伪标注，从无标签视频中学习计算机操作的训练方法。包括权利要求1的原文引用及逐条解析、与Anthropic的计算机使用专利的对比，以及日美欧三国对该学习方法的审查评价。这是一份有助于AI代理权申请的实务指南。 image: https://www.evorix.jp/hubfs/Gemini_Generated_Image_862ths862ths862t.jpg --- [Skip to content](https://www.evorix.jp/zh/blog/openai-vpt-patent-us11887367#main-content) - [Chinese](https://www.evorix.jp/zh/blog/openai-vpt-patent-us11887367) - [Deutsch (German)](https://www.evorix.jp/de/blog/openai-vpt-patent-us11887367) - [English](https://www.evorix.jp/en/blog/openai-vpt-patent-us11887367) - [Español (Spanish)](https://www.evorix.jp/es/blog/openai-vpt-patent-us11887367) - [Français (French)](https://www.evorix.jp/fr/blog/openai-vpt-patent-us11887367) - [Italiano (Italian)](https://www.evorix.jp/it/blog/openai-vpt-patent-us11887367) - [Português (Portuguese)](https://www.evorix.jp/pt/blog/openai-vpt-patent-us11887367) - [한국어 (Korean)](https://www.evorix.jp/ko/blog/openai-vpt-patent-us11887367) - [日本語 - 日本 (Japanese - Japan)](https://www.evorix.jp/blog/openai-vpt-patent-us11887367) Chinese Show submenu for translations [![知的財産事務所エボリクス/EVORIX/大阪/特許・商標・意匠登](https://www.evorix.jp/hs-fs/hubfs/%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?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)](https://www.evorix.jp/) - [服务](https://www.evorix.jp/zh/contents) Show submenu for 服务 - [专利申请](https://www.evorix.jp/zh/contents) - [商标注册](https://www.evorix.jp/zh/contents) - [外观设计申请](https://www.evorix.jp/zh/contents) - [著作权](https://www.evorix.jp/zh/copyright-service) - [反不正当竞争](https://www.evorix.jp/zh/unfair-competition) - [顾问代理人](https://www.evorix.jp/zh/komon) - [海外申请](https://www.evorix.jp/zh/international) Show submenu for 海外申请 - [PCT国际专利](https://www.evorix.jp/zh/pct) - [马德里议定书](https://www.evorix.jp/zh/madrid-protocol-trademark) - [海牙体系（外观设计）](https://www.evorix.jp/zh/hague-design-application) - [全球专利制度](https://www.evorix.jp/zh/international) - [全球商标制度](https://www.evorix.jp/zh/international) - [全球外观设计制度](https://www.evorix.jp/zh/international) - [行业支持](https://www.evorix.jp/zh/industries) Show submenu for 行业支持 - [面向初创企业](https://www.evorix.jp/zh/startup) - [面向制造业](https://www.evorix.jp/zh/manufacturing) - [事务所介绍](https://www.evorix.jp/zh/about) Show submenu for 事务所介绍 - [事务所概要](https://www.evorix.jp/zh/about) - [代理人介绍](https://www.evorix.jp/zh/staff) - [联系方式・所在地](https://www.evorix.jp/zh/access) - [研讨会・讲座](https://www.evorix.jp/zh/seminar) - [招聘信息](https://www.evorix.jp/zh/recruit) - [咨询流程](https://www.evorix.jp/zh/consultation) - [资源](https://www.evorix.jp/zh/blog) Show submenu for 资源 - [博客](https://www.evorix.jp/zh/blog) - [常见问题](https://www.evorix.jp/zh/faq) - [知识产权术语](https://www.evorix.jp/zh/glossary) - [海外申请补助金](https://www.evorix.jp/zh/inpit-foreign-filing-subsidy) - [联系我们](https://www.evorix.jp/zh/inquiry) Open main navigation Close main navigation - [服务](https://www.evorix.jp/zh/contents) Show submenu for 服务 - [专利申请](https://www.evorix.jp/zh/contents) - [商标注册](https://www.evorix.jp/zh/contents) - [外观设计申请](https://www.evorix.jp/zh/contents) - [著作权](https://www.evorix.jp/zh/copyright-service) - [反不正当竞争](https://www.evorix.jp/zh/unfair-competition) - [顾问代理人](https://www.evorix.jp/zh/komon) - [海外申请](https://www.evorix.jp/zh/international) Show submenu for 海外申请 - [PCT国际专利](https://www.evorix.jp/zh/pct) - [马德里议定书](https://www.evorix.jp/zh/madrid-protocol-trademark) - [海牙体系（外观设计）](https://www.evorix.jp/zh/hague-design-application) - [全球专利制度](https://www.evorix.jp/zh/international) - [全球商标制度](https://www.evorix.jp/zh/international) - [全球外观设计制度](https://www.evorix.jp/zh/international) - [行业支持](https://www.evorix.jp/zh/industries) Show submenu for 行业支持 - [面向初创企业](https://www.evorix.jp/zh/startup) - [面向制造业](https://www.evorix.jp/zh/manufacturing) - [事务所介绍](https://www.evorix.jp/zh/about) Show submenu for 事务所介绍 - [事务所概要](https://www.evorix.jp/zh/about) - [代理人介绍](https://www.evorix.jp/zh/staff) - [联系方式・所在地](https://www.evorix.jp/zh/access) - [研讨会・讲座](https://www.evorix.jp/zh/seminar) - [招聘信息](https://www.evorix.jp/zh/recruit) - [咨询流程](https://www.evorix.jp/zh/consultation) - [资源](https://www.evorix.jp/zh/blog) Show submenu for 资源 - [博客](https://www.evorix.jp/zh/blog) - [常见问题](https://www.evorix.jp/zh/faq) - [知识产权术语](https://www.evorix.jp/zh/glossary) - [海外申请补助金](https://www.evorix.jp/zh/inpit-foreign-filing-subsidy) - [联系我们](https://www.evorix.jp/zh/inquiry) - - [Chinese](https://www.evorix.jp/zh/blog/openai-vpt-patent-us11887367) - [Deutsch (German)](https://www.evorix.jp/de/blog/openai-vpt-patent-us11887367) - [English](https://www.evorix.jp/en/blog/openai-vpt-patent-us11887367) - [Español (Spanish)](https://www.evorix.jp/es/blog/openai-vpt-patent-us11887367) - [Français (French)](https://www.evorix.jp/fr/blog/openai-vpt-patent-us11887367) - [Italiano (Italian)](https://www.evorix.jp/it/blog/openai-vpt-patent-us11887367) - [Português (Portuguese)](https://www.evorix.jp/pt/blog/openai-vpt-patent-us11887367) - [한국어 (Korean)](https://www.evorix.jp/ko/blog/openai-vpt-patent-us11887367) - [日本語 - 日本 (Japanese - Japan)](https://www.evorix.jp/blog/openai-vpt-patent-us11887367) Chinese Show submenu for translations - [联系我们](https://www.evorix.jp/zh/inquiry) [联系我们](https://www.evorix.jp/zh/inquiry) 2026/07/18 # 【专利代理人深度解析】解读OpenAI的“通过视频学习的人工智能代理”专利 US 11,887,367 B1（VPT）｜如何构建“计算机使用” ![Picture of 弁理士 杉浦健文](https://www.evorix.jp/hs-fs/hubfs/top-profile-pic-sugiura-1.jpg?width=50&name=top-profile-pic-sugiura-1.jpg) 弁理士 杉浦健文 Share: [facebook-f icon](http://www.facebook.com/share.php?u=https://www.evorix.jp/zh/blog/openai-vpt-patent-us11887367) [linkedin-in icon](http://www.linkedin.com/shareArticle?mini=true&url=https://www.evorix.jp/zh/blog/openai-vpt-patent-us11887367) [Twitter icon](https://twitter.com/intent/tweet?url=https://www.evorix.jp/zh/blog/openai-vpt-patent-us11887367) [pinterest-p icon](http://pinterest.com/pin/create/link/?url=https://www.evorix.jp/zh/blog/openai-vpt-patent-us11887367) [envelope icon](mailto:?body=https://www.evorix.jp/zh/blog/openai-vpt-patent-us11887367) ![Gemini_Generated_Image_862ths862ths862t](https://www.evorix.jp/hs-fs/hubfs/Gemini_Generated_Image_862ths862ths862t.jpg?width=1376&height=768&name=Gemini_Generated_Image_862ths862ths862t.jpg)要让“AI操作电脑”，首先需要**让它学习“操作方法”**。本系列此前已对支撑Anthropic“Computer Use”功能的专利群进行了讲解，那么**OpenAI又是如何教AI进行屏幕操作的**呢——答案就在本文将深入探讨的注册专利US **11,887,367 B1**中。 该专利所展示的OpenAI方法，简而言之**就是“通过让AI观看大量人类操作视频来使其学习”**。而且，它采用了一种巧妙的机制，即利用独创的方法，对没有操作标签的视频自动添加标签。这是一个与Anthropic的“Computer Use”专利**完全不同**，却以相同目标为导向的对比案例。精通AI知识产权的专利代理人将结合实际权利要求进行详细解读。 **💡 要点：**本文是AI智能体专利系列文章之一。关于Anthropic截然不同的方法，已在[数据流专利和“计算机](https://www.evorix.jp/blog/anthropic-computer-use-patent-us12430150)使用[”核心专利中](https://www.evorix.jp/blog/anthropic-computer-use-patent-us12430150)进行过讲解。 目录 1. [30秒摘要｜“通过观看视频学习操作”的AI](https://www.evorix.jp/zh/blog/openai-vpt-patent-us11887367#summary) 2. [专利的基本信息](https://www.evorix.jp/zh/blog/openai-vpt-patent-us11887367#basic) 3. [背景｜制作“屏幕操作的正确标签”成本高昂](https://www.evorix.jp/zh/blog/openai-vpt-patent-us11887367#problem) 4. [核心技术｜逆动力学模型（IDM）与伪标注](https://www.evorix.jp/zh/blog/openai-vpt-patent-us11887367#idm) 5. [最大巧思｜“非因果性（兼顾未来）”预测](https://www.evorix.jp/zh/blog/openai-vpt-patent-us11887367#noncausal) 6. [会输出什么样的操作](https://www.evorix.jp/zh/blog/openai-vpt-patent-us11887367#actions) 7. [逐条解读独立权利要求1](https://www.evorix.jp/zh/blog/openai-vpt-patent-us11887367#claim1) 8. [权利要求构成｜方法、系统、介质的“三件套”](https://www.evorix.jp/zh/blog/openai-vpt-patent-us11887367#structure) 9. [OpenAI 与 Anthropic｜通往“computer use”的两条路径](https://www.evorix.jp/zh/blog/openai-vpt-patent-us11887367#vs) 10. [学习方法能获得专利吗？日美欧的审查](https://www.evorix.jp/zh/blog/openai-vpt-patent-us11887367#exam) 11. [对本公司专利申请的启示](https://www.evorix.jp/zh/blog/openai-vpt-patent-us11887367#lessons) 12. [常见问题（FAQ）](https://www.evorix.jp/zh/blog/openai-vpt-patent-us11887367#faq) ## 30秒摘要｜“通过观看视频学习操作”的AI **● 专利内容：**让AI学习“屏幕自动操作”的**训练方法**。 **● 核心：**利用少量带标签的视频训练“逆动力学模型（IDM）” → 对海量无标签视频进行自动标注（伪标注）→ 利用该海量数据训练操作模型。 **● 最大创新：**IDM**采用可参考未来**帧的“非因果”预测，操作推断精度高。 **● 专利归属：**OpenAI OpCo, LLC（ChatGPT的开发方）。 **● 状态：美国注册专利**（2024年1月30日注册，共20项权利要求）。OpenAI将其称为“VPT”的方法。 ## 专利基本信息 | 项目 | 内容 | | --- | --- | | 专利号 | US 11,887,367 B1 | | 发明名称 | 利用机器学习训练并使用模型，基于视频和输入数据集执行自动界面操作 | | 注册日期 | 2024年1月30日 | | 申请日／优先权日 | 2023年4月19日 | | 申请人 | OpenAI OpCo, LLC | | 发明人 | Bowen Baker、Jeffrey Clune 等（共9人） | | 权利要求数 | 20项（独立权利要求3项：权利要求1、13、20） | | 通称 | VPT（视频预训练） | | 状态 | 已授权专利（granted） | ## 背景｜制作“屏幕操作的正确标签”成本高昂 教AI进行屏幕操作最直接的方法，是准备大量“在该屏幕界面时按下该键”的**正确答案数据（标注数据）**并让其进行学习。然而，人工在视频上标注“何时、按了哪个键、点击了哪里”的工作，需要耗费巨大的成本。 另一方面，互联网上**存在着**无数用户操作软件或游戏的视频。问题在于，这些视频并未标注操作标签。如何利用这些“**数量庞大但未标注标签的视频**”，正是本专利所要解决的技术课题。 ## 核心技术｜逆动力学模型（IDM）与伪标注 本专利解决方案的核心是**逆动力学模型（Inverse Dynamics Model, IDM）**。 **什么是IDM：**一种通过观察某个时间点**前**后的**画面（观测数据）**，推断其间**“进行了何种操作**”的模型。与常规AI（策略模型）预测“接下来该做什么”不同，IDM**进行的是“事后推断发生了**什么”的推断，可以说是一种反向推断。 处理流程如下。 【VPT：从视频中学习操作的流程】 ① 少量带标签的视频（人工标注） │ 训练 ▼ ② 训练逆动力学模型（IDM） ・能够根据前后画面推断出“已执行的操作” │ 应用 ▼ ③ 将IDM应用于海量无标签视频 ・自动推断各时间点的操作 ＝生成“伪标签” │ ▼ ④ 生成大量带伪标签的视频数据 │ 训练 ▼ ⑤ 大规模训练操作模型（智能体） **💡 要点：**关键在于将**利用“少量正确数据”构建的IDM作为“标注机器”使用，从而将海量无标签视频一次性转化为训练数据**。这极大地降低了人工标注的成本，为大规模训练计算机智能体开辟了道路。 ## 最大的巧思｜“非因果性（兼顾未来）”预测 权利要求1中明确指出**，IDM的预测“基于过去信息与未来信息的非因果（non-causal）组合”**。这是该技术的亮点。 实际上，由AI实时操作的“策略模型**”只能看到过去**（未来尚未发生＝因果性）。但IDM作为**用于标注的后处理**环节，可以**参考**某个时间点**的前后——即未来的帧**。 **💡 要点：**得益于“可以预见未来”这一条件**，**IDM**能够更精准地推断“该瞬间进行了何种操作”**。例如，根据“光标在下一帧向右移动”这一未来信息，可以高精度地推断出“现在将鼠标向右移动了”。**将**这种**“非因果性”应用于标注**，正是本发明的智慧核心。 ## 会输出什么样的操作 根据说明书，模型生成的操作（automatic interface actions）**包括按键、按钮点击、触摸屏输入、摇杆操作、鼠标点击、滚动、鼠标移动等**。应用领域包括电子游戏、各类处理应用程序、Web浏览器、电子表格、文件资源管理器等。 也就是说，其目标是让AI能够在**无需人类干预（without human intervention）的情况下**，执行人类在GUI上进行的任何操作。这正是“计算机使用”代理的基础技术。 ## 逐条阅读独立权利要求1 US 11,887,367 B1｜权利要求1（原文／英语） 一种用于训练机器学习模型以执行自动化操作的方法，包括：接收未标注的数字视频数据；为未标注的数字视频数据生成伪标签，该生成包括：接收已标注的数字视频数据；使用已标注的数字视频数据训练包括逆动力学模型（IDM）的第一机器学习模型； 并为未标注的数字视频数据生成至少一个伪标签，其中：该至少一个伪标签基于IDM生成的对一个或多个动作的预测，这些动作模拟了未标注的数字视频数据中的至少一个时间步； 且对该一个或多个动作的预测是基于未标注数字视频数据中过去信息与未来信息的非因果组合生成的，所述过去和未来信息相对于未标注数字视频数据中的一个或多个参考帧； 将所述至少一个伪标签添加至未标注的数字视频数据中，以形成伪标注的数字视频数据；以及利用所述伪标注的数字视频数据进一步训练所述第一机器学习模型或第二机器学习模型，以针对所述未标注的数字视频生成至少一个额外的伪标签。 专利代理人参考译文（日语） 一种用于训练执行自动化操作的机器学习模型的方法， 包括：・接收**未标注的数字视频数据的**步骤； ・为所述未标注视频数据**生成伪标签（pseudo-labels）的**步骤（包括以下内容）： 　- 接收带标签的数字视频数据 ，　- 使用上述带标签的数据，**训练包含逆动力学模型（IDM）的第一机器学习模型** ，　- 为无标签视频生成至少一个伪标签。所述伪标签基于IDM对至少一个动作的预测，该动作模拟了无标签视频中至少一个时间点的状态，且该预测是基于相对于基准帧的**过去信息与未来信息的“非因果（non-causal）”组合**生成的； ・将前述伪标签添加以**形成带伪标签的视频数据的**步骤， 以及・利用前述带伪标签的数据**进一步训练**第一或第二模型，以生成额外伪标签的步骤，所包含的方法。 ### 支撑权利主张的限定整理 | 限定 | 技术含义 | 生效理由 | | --- | --- | --- | | IDM（逆动力学模型） | 根据前后画面推断操作 | 摆脱“具体算法＝抽象概念”的思维定式 | | 非因果性（过去＋未来）预测 | 参考未来帧以提高预测精度 | 本发明的独特性与进步性的核心 | | 伪标注 | 将无标签视频转化为训练数据 | 解决技术难题（标注成本） | | 进一步训练 | 利用伪数据训练操作模型 | 作为学习方法的完整处理流程 | ## 权利要求构成｜方法、系统、介质的“三要素”组合 本专利共包含20项权利要求，将独立权利要求分为**方法（权利要求1）**、**系统（权利要求13）和非临时性计算机可读介质（权利要求20）**三大类，是软件专利的经典构成。由此，该专利**全面**涵盖了实施该方法者、制造或使用该装置者以及分发该程序者等**不同类型的侵权主体**。 ## OpenAI vs Anthropic｜通向“computer use”的两条路径 面对“让AI操作电脑”这一共同目标，OpenAI和Anthropic采用了**不同的技术路径**获得了**专利**。对比本系列文章中介绍的两家公司专利，其战略差异显得尤为鲜明。 |   | OpenAI（本文） | Anthropic（已解析） | | --- | --- | --- | | 代表性专利 | US 11,887,367 B1（VPT） | US 12,430,150 B1 等 | | 保护对象 | **通过视频学习操作的训练方法** | **代理的执行基础、DSL、数据流** | | 方法 | 利用海量无标签视频＋IDM进行自动标注 | 运行时架构与专用语言 | | 技术来源 | 自主研发（VPT） | 收购Adept公司 | | 比喻 | 掌握“教学方法（学习法）” | 掌握“运行方式（执行架构）” | **💡 要点：**OpenAI**主要围绕“如何进行学习（训练方法·数据）**”进行专利布局，而Anthropic则侧重于**“如何驱动（执行架构）”**。这正是各公司在同一产品领域内，**针对**自身**优势层级申请专利**的典型案例。即使是在自主申请专利时，准确判断“在哪个层级展开竞争”也至关重要。 ## 学习方法能获得专利吗？日美欧的审查情况 ### 美国（USPTO） 由于机器学习的训练方法可能被视为抽象的数学方法，因此Alice/Mayo测试将成为争议焦点。本案涉及IDM、非因果预测、伪标注等具体**算法**，并伴有按**键**、鼠标操作等**具体动作**，因此更容易主张“对技术问题的具体解决方案”，目前已获授权。 ### 日本（JPO） 在日本，学习方法和已训练模型也是专利保护对象。不过，根据日本专利局的AI案例，若“仅仅是用AI取代了人类的工作”，则会被认定缺乏进步性。本案中**，“将非因果性应用于标注”这一技术巧思**以及“大幅降低标注成本”这一效果十分明确，其构成便于主张进步性。 ### 欧洲（EPO） 虽然数学方法本身不被纳入专利保护范围，但本案对“将无标签视频高效转化为训练数据”这一技术课题做出了明确的技术贡献，其构成在COMVIK方法框架下也易于作为技术特征获得认可。 关于AI代理专利在日、美、欧三国审查实务的比较，详见[《日本、美国、欧洲的专利案例与审查实务》](https://www.evorix.jp/blog/ai-agent-patent-cases-japan-us-europe)。 ## 对本公司专利申请的启示 **① 将学习方法和数据构建方法纳入专利保护范围。**不仅模型本身，"如何进行训练"、"如何构建训练数据"也能成为有力的专利。 **② 将独创的技术巧思置于首位。**应将“利用非因果预测”等有助于解决问题的具体创意作为权利要求的核心。 **③ 摆脱抽象的数学表述。**应明确记载具体的算法及具体的输出结果（如鼠标、键盘操作等），以确保专利适格性。 **④ 在自身优势领域展开竞争。**即使与竞争对手目标相同，在自身擅长的领域（学习方法、执行系统、数据等）获取专利的策略也是有效的。 何不将贵公司的AI、学习方法乃至数据都纳入专利保护范围呢？ 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，包括涵盖学习方法、数据及模型的权利要求设计、专利可获授权性的免费诊断，以及在日本、美国和欧洲的申请策略。 [预约首次免费咨询](https://www.evorix.jp/free-consultation)[IT·AI知识产权服务](https://www.evorix.jp/it-ip-portal) ## 常见问题（FAQ） Q. US 11,887,367 B1是一项什么样的专利？ A. 这是OpenAI在美国注册的一项专利，保护了让AI学习“屏幕自动操作”的方法。该技术利用“逆动力学模型（IDM）”——即通过少量标注数据对海量无标注视频（如人操作软件的情景等）进行训练——实现自动标注（伪标注），并利用这些海量数据对操作模型进行训练。该技术对应OpenAI所称的“VPT（Video PreTraining）”方法，已于2024年1月30日获得注册。 问：“逆动力学模型（IDM）”是什么？ A. 这是一种通过某个时间点前后画面（观测数据），推断其间“发生了何种操作（动作）”的模型。与常规AI（策略模型）预测“接下来该做什么”不同，IDM是在事后推断“发生了什么”。由于不仅能参考过去的帧，还能参考未来的帧，因此操作推断精度高，且能够以较低成本生成大量标签。 Q. 为什么“从视频中学习”如此重要？ A. 互联网上存在无数关于人们操作软件或游戏的视频。然而，这些视频并未标注“何时按下了哪个键”这样的操作标签。本发明通过利用少量标注数据训练IDM，并自动为海量无标注视频添加标签，为以低成本、大规模方式训练计算机操作（computer use）智能体开辟了新途径。 Q. 这与Anthropic的计算机操作专利有何不同？ A. 两者的方法在根本上有所不同。Anthropic（源自Adept）保护的是“智能体的执行基础、DSL（领域特定语言）和数据流”。而OpenAI的这项专利则保护的是“通过视频学习操作的训练方法”。针对相同的“让AI操作电脑”这一课题，两家公司采用不同的技术方法获得了专利，这一点颇为耐人寻味。 Q. 学习方法（训练方法）也能申请专利吗？ A. 可以。如本专利所示，只要明确记载具体的算法（IDM、非因果预测、伪标注）及其产生的技术效果（低成本的大规模标注），无论在日本、美国还是欧洲，均可获得专利权。数据生成方法和学习方法是AI竞争力的源泉，也是重要的专利保护对象。 **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解说。US 11,887,367 B1虽为已注册专利，但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决定。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正本及最新案件进展信息，并咨询专家进行个别审查。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）：** ・[Anthropic“计算机使用”核心专利 US 12,430,150 B1（执行基础）](https://www.evorix.jp/blog/anthropic-computer-use-patent-us12430150) ・[Anthropic](https://www.evorix.jp/blog/anthropic-data-flow-patent-us20250299074)的数据流专利[（学习↔推理管道）](https://www.evorix.jp/blog/anthropic-data-flow-patent-us20250299074) ・[日本、美国、欧洲的专利案例与审查实务（案例篇）](https://www.evorix.jp/blog/ai-agent-patent-cases-japan-us-europe) ・[AI](https://www.evorix.jp/blog/ai-agent-patent-application)代理技术能否[申请专利？（基础篇）](https://www.evorix.jp/blog/ai-agent-patent-application) ## 来源 - US 11,887,367 B1（Google Patents）：[https://patents.google.com/patent/US11887367B1/en](https://patents.google.com/patent/US11887367B1/en) - 权利要求书·说明书（FreePatentsOnline）：[https://www.freepatentsonline.com/11887367.html](https://www.freepatentsonline.com/11887367.html) 特許, 外国特許, 知財戦略, AI, ソフトウェア特許, 弁理士, AI特許, 知的財産権, AIエージェント, 特許事務所, OpenAI ## Related posts [![【弁理士徹底解説】Anthropic「Computer Use」の中核特許 US 12,430,150 B1 を読み解く｜クレーム全文と技術アーキテクチャ](https://www.evorix.jp/hs-fs/hubfs/Gemini_Generated_Image_7fcf6e7fcf6e7fcf.jpg?height=200&name=Gemini_Generated_Image_7fcf6e7fcf6e7fcf.jpg)](https://www.evorix.jp/zh/blog/anthropic-computer-use-patent-us12430150) 特許, 外国特許, 知財戦略, AI, ソフトウェア特許, 弁理士, AI特許, マルチエージェント, 知的財産権, AIエージェント, 特許事務所, Anthropic ## [【专利代理人深度解析】解读Anthropic“Computer Use”的核心专利 US 12,430,150 B1｜权利要求全文与技术架构](https://www.evorix.jp/zh/blog/anthropic-computer-use-patent-us12430150) ![Picture of 弁理士 杉浦健文](https://www.evorix.jp/hs-fs/hubfs/top-profile-pic-sugiura-1.jpg?width=50&name=top-profile-pic-sugiura-1.jpg) 弁理士 杉浦健文 2026/07/18 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... [Read more](https://www.evorix.jp/zh/blog/anthropic-computer-use-patent-us12430150) [![](https://www.evorix.jp/hs-fs/hubfs/Gemini_Generated_Image_v9syaov9syaov9sy.jpg?height=200&name=Gemini_Generated_Image_v9syaov9syaov9sy.jpg)](https://www.evorix.jp/zh/blog/anthropic-patent-strategy) 特許, 外国特許, 知財戦略, AI, ソフトウェア特許, 弁理士, AI特許, マルチエージェント, 知的財産権, AIエージェント, 特許事務所, Anthropic ## [【专利代理人解读】解读Anthropic（安索罗皮克）的专利战略｜为何专利申请量较少？](https://www.evorix.jp/zh/blog/anthropic-patent-strategy) ![Picture of 弁理士 杉浦健文](https://www.evorix.jp/hs-fs/hubfs/top-profile-pic-sugiura-1.jpg?width=50&name=top-profile-pic-sugiura-1.jpg) 弁理士 杉浦健文 2026/07/18 ... [Read more](https://www.evorix.jp/zh/blog/anthropic-patent-strategy) [![【弁理士徹底解説】Anthropicの「データフロー」特許出願 US 2025/0299074 A1 を読み解く｜学習↔推論パイプラインとデータの堀](https://www.evorix.jp/hs-fs/hubfs/Gemini_Generated_Image_2hdm4x2hdm4x2hdm.jpg?height=200&name=Gemini_Generated_Image_2hdm4x2hdm4x2hdm.jpg)](https://www.evorix.jp/zh/blog/anthropic-data-flow-patent-us20250299074) 特許, 外国特許, 知財戦略, AI, ソフトウェア特許, 弁理士, AI特許, マルチエージェント, 知的財産権, AIエージェント, 特許事務所, Anthropic ## [【专利代理人深度解析】解读Anthropic的“数据流”专利申请 US 2025/0299074 A1｜学习↔推理管道与数据壕沟](https://www.evorix.jp/zh/blog/anthropic-data-flow-patent-us20250299074) ![Picture of 弁理士 杉浦健文](https://www.evorix.jp/hs-fs/hubfs/top-profile-pic-sugiura-1.jpg?width=50&name=top-profile-pic-sugiura-1.jpg) 弁理士 杉浦健文 2026/07/18 AI代理的强大程度不仅取决于模型本身，还取决于“使用何种数据、如何进行学习以及如何运行”这一整体基础架构。在支撑Anthropic“Computer... [Read more](https://www.evorix.jp/zh/blog/anthropic-data-flow-patent-us20250299074) --- [![知的財産事務所エボリクス/EVORIX/大阪/特許・商標・意匠登](https://www.evorix.jp/hs-fs/hubfs/%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?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 "知的財産事務所エボリクス/EVORIX/大阪/特許・商標・意匠登")](https://www.evorix.jp) Intellectual Property Law Firm EVORIX   4th Floor, Qus-Hiranomachi Building, 3-1-2 Hiranomachi, Chuo-Ku, Osaka-shi, Osaka 541-0046 Japan Mail: [contact@evorix.jp](mailto:contact@evorix.jp) TEL: +81-6-7777-1884 - [Hague International Design Application](https://www.evorix.jp/hague-design-application) - [Madrid Protocol International Trademark Application](https://www.evorix.jp/madrid-protocol-trademark) - [Amazon IP Infringement Support](https://www.evorix.jp/amazon-infringement) - [About Us](https://www.evorix.jp/about) - [Our Attorneys](https://www.evorix.jp/staff) - [Services](https://www.evorix.jp/contents) - [Consultation Process](https://www.evorix.jp/consultation) - [Blog](https://www.evorix.jp/blog) - [Careers](https://www.evorix.jp/recruit) - [Trademark Portfolio](https://www.evorix.jp/trademark-list) - [Privacy Policy](https://www.evorix.jp/hubfs/%E8%B3%87%E6%96%99/HP-%E3%83%97%E3%83%A9%E3%82%A4%E3%83%90%E3%82%B7%E3%83%BC%E3%83%9D%E3%83%AA%E3%82%B7%E3%83%BC.pdf) - [Contact](https://www.evorix.jp/inquiry) ---   Copyright © 2026, Intellectual Property Law Firm EVORIX® All rights reserved.  ```json { "@context" : "https://schema.org", "@type" : "BlogPosting", "author" : { "@type" : "Person", "name" : "弁理士 杉浦健文", "url" : "https://www.evorix.jp/zh/blog/author/takefumi-sugiura" }, "dateModified" : "2026-07-18T10:48:56.553Z", "datePublished" : "2026-07-18T10:48:56.000Z", "headline" : "【专利代理人深度解析】解读OpenAI的“通过视频学习的人工智能代理”专利 US 11,887,367 B1（VPT）｜如何构建“计算机使用”", "image" : [ "https://www.evorix.jp/hubfs/Gemini_Generated_Image_862ths862ths862t.jpg" ], "mainEntityOfPage" : { "@id" : "https://www.evorix.jp/zh/blog/openai-vpt-patent-us11887367", "@type" : "WebPage" }, "publisher" : { "@type" : "Organization", "logo" : { "@type" : "ImageObject", "url" : "https://www.evorix.jp/hubfs/%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" }, "name" : "知的財産事務所エボリクス" } } ``` ```json { "@context" : "https://schema.org", "@type" : "BlogPosting", "author" : { "@type" : "Person", "affiliation" : "知的財産事務所エボリクス", "jobTitle" : "弁理士", "name" : "杉浦 健文" }, "datePublished" : "2026-06-06", "description" : "OpenAIの登録特許US 11,887,367 B1（VPT）を弁理士が深掘り解説。逆動力学モデル（IDM）と非因果的な疑似ラベリングで、ラベルなし動画からcomputer use操作を学習させる訓練方法。クレーム1の原文引用と逐条解説、Anthropicのcomputer use特許との対比、学習方法の日米欧の審査評価まで。", "headline" : "【弁理士徹底解説】OpenAIの「動画から学ぶAIエージェント」特許 US 11,887,367 B1（VPT）を読み解く", "image" : "https://www.evorix.jp/hubfs/EVORIX-logo-rich.png", "inLanguage" : "ja", "mainEntityOfPage" : "https://www.evorix.jp/blog/openai-vpt-patent-us11887367", "publisher" : { "@type" : "Organization", "logo" : { "@type" : "ImageObject", "url" : "https://www.evorix.jp/hubfs/EVORIX-logo-rich.png" }, "name" : "EVORIX" } } ``` ```json { "@context" : "https://schema.org", "@type" : "FAQPage", "mainEntity" : [ { "@type" : "Question", "acceptedAnswer" : { "@type" : "Answer", "text" : "OpenAI在美国注册的一项专利，保护了一种让AI学习“屏幕自动操作”的方法。该技术利用“逆动力学模型（IDM）”——该模型通过少量标注数据对海量无标注视频（如人操作软件的情景等）进行训练——对视频进行自动标注（伪标注），并利用这些海量数据对操作模型进行训练。该专利对应OpenAI所称的“VPT（Video PreTraining）”方法，已于2024年1月30日获准注册。" }, "name" : "US 11,887,367 B1是一项什么样的专利？" }, { "@type" : "Question", "acceptedAnswer" : { "@type" : "Answer", "text" : "这是一种通过某个时间点前后画面（观测数据），推断其间“进行了哪些操作（动作）”的模型。与普通AI（策略模型）预测“接下来该做什么”不同，IDM是在事后推断“发生了什么”。由于不仅能参考过去的帧，还能参考未来的帧，因此操作推断精度较高，且能够以较低成本生成大量标签。" }, "name" : "什么是“逆动力学模型（IDM）”？" }, { "@type" : "Question", "acceptedAnswer" : { "@type" : "Answer", "text" : "互联网上存在着无数展示人们操作软件和游戏的视频。然而，这些视频并未标注“何时按下了哪个键”这样的操作标签。本发明通过利用少量标注数据训练IDM，并自动为海量无标注视频添加标签，为以低成本、大规模的方式训练计算机操作（computer use）智能体开辟了新途径。" }, "name" : "为什么“通过视频学习”很重要？" }, { "@type" : "Question", "acceptedAnswer" : { "@type" : "Answer", "text" : "两者的技术思路截然不同。Anthropic（源自Adept）保护的是“智能体的执行基础、DSL和数据流”。另一方面，OpenAI的这项专利则保护的是“通过视频学习操作的训练方法”。针对“让AI操作电脑”这一相同课题，两家公司采用不同的技术方法获得了专利，这一点颇为耐人寻味。" }, "name" : "这与Anthropic的计算机使用专利有何不同？" }, { "@type" : "Question", "acceptedAnswer" : { "@type" : "Answer", "text" : "是的。只要像本专利这样，明确记载具体的算法（IDM、非因果预测、伪标注）及其产生的技术效果（低成本的大规模标注），无论在日本、美国还是欧洲，均可获得专利权。数据生成方法和学习方法是AI竞争力的源泉，也是重要的专利授权对象。" }, "name" : "学习方法（训练方法）也能申请专利吗？" } ] } ```