
CNET科技资讯网 7月22日 北京消息(文/知识产权老师):上月,高通起诉魅族,一周内连续向北京和上海两地的知识产权法院提交诉讼申请,指控魅族科技侵犯了高通持有的3G/4G无线通信标准等相关智能手机专利。一时间众说纷纭,我们请教了盈科律师事务所杨晓雷律师,从法律的视角来还原这一事件。
1、请求法院确认高通公司向魅族公司发送的《中国专利许可协议》中的许可条件不违反《反垄断法》、符合高通公司的相关FRAND承诺。
注:FRAND(fair, reasonable, and non-discriminatory terms——公平、合理、和不带歧视性的条款):SSOs(standard-setting organizations,一个国际标准组织)通常要对标准的专利权利加以限制,一个非常普遍的限制就是要求一个标准的专利必须有“reasonable and nondiscriminatory terms(RAND)”(合理和不带歧视性的条款),或者“fair, reasonable, and non-discriminatory terms(FRAND)”(公平、合理、和不带歧视性的条款)。这两个条款通常是互用的:FRAND通常在欧洲、美国使用。
SSOs制定这个协定是为了在法律的基础上维护业界的合理竞争,防止会员利用其垄断地位,滥用许可,造成包括对标准的占有。一旦一个公司达成了FRAND许可,他们必须向任何企业或人士提供,而这些被提供者可以不是会员。如果没有这个协定,会员可能会凭借其垄断地位,利用标准,向其他企业或个人提供不公平、不合理、和带歧视性的许可,对合理的竞争造成伤害。
2、判令将该等许可条件作为高通公司与魅族公司就无线标准必要中国专利达成专利许可协议的主要条款。
3、并判令两被告赔偿相应损失约5.2亿元。
诉讼请求是当事人向法院提出的,请求法院对其提出的请求进行确认。诉讼请求的选择更多的是根据高通公司自己的实际情况和商业考量来进行选择的。
对于诉请1,高通的目的是想通过法院来确认这种授权模式符合法律规定,没有违反FRAND承诺。
对于诉请2,是希望法院确认许可条款的合法性,便于作为后期授权许可的基础性条款。
对于诉请3,是根据自己的商业目的所作出的选择,根据发改委的整改措施,对在中国境内使用而销售的手机,按整机批发净售价的65%收取专利许可费,高通主张的5.2亿的经济损失是基于专利许可费的收取比例并结合魅族手机的实际销售情况而综合计算的。
2015年国家发改委针对高通公司垄断行为作出60.88亿元人民币的罚款,并要求高通公司停止相关侵权行为,因此发改委的的整改方案是针对高通公司作出的,对于其他手机厂商没有法律上的约束力,但是对手机厂商有重大而深远的影响。
高通公司与超过100家无线通信设备端制造商分别签订了《中国专利许可协议》,其中的授权许可条款是遵循国家发改委《整改方案》重新制定的,这些条款的规定对众多手机厂商的专利许可费支付标准及数额有重大的影响。
专利授权通常使用交叉许可的方式,不仅可以共享技术,还可以获得收益回报。专利许可授权更多的是基于双方的承诺而达成的合意,具有相对性,并且每个手机厂商也会拥有自己的专利,像中兴、华为都拥有大量的专利,采取分别签订专利许可协议的方式可以最大地实现双方各自的商业利益。
高通公司的营收主要来自芯片销售和专利授权,其中专利授权业务为公司贡献了大部份利润,可以说高通的专利授权模式是独一无二的授权模式,这得益于高通公司在通讯技术领域的优势,因为高通掌握了包括2G、3G以及4G制式的“标准必要专利”,几乎每一家智能手机制造商都需要使用一些高通公司持有的通讯技术标准专利,必须向该公司缴纳授权费。
高通利用其专利技术,通常是以手机售价为计费基础的打包式专利授权方式,要求手机厂商每生产一台手机,要向高通公司上缴手机出厂价3%—5%的专利费,这在业内被称作“高通税”。
高通以手机售价为计费基础的打包式专利授权方式,有利的一面是可以带来高额的利润,不利的一面是会涉嫌垄断,会面临高额的罚单。
选择不同的管辖法院主要是根据高通的诉讼目的来进行的,高通把一个诉讼分拆成两个,分别在北京与上海知识产权法院提起诉讼,在北京要求判决提供给魅族的专利授权协议符合中国法律规定,在上海则直接起诉魅族侵权。
北京知识产权法院和上海知识产权法院属于专门审理知识产权的法院,专利侵权诉讼案件涉及对技术的理解和把握,与普通的经济诉讼案件相比,对审理法官的业务能力要求更高。
通常情况下,企业是通过市场的途径来保护自己的知识产权,例如制定技术标准、通过谈判签署专利许可协议,在遇到第三方可能侵权的情况下,可以通过第三方机构进行调解,至于法律手段,企业的最终目的也是“以打促和”,实现其商业目的。
好文章,需要你的鼓励
浙江大学团队提出动态专家搜索方法,让AI能根据不同问题灵活调整内部专家配置。该方法在数学、编程等任务上显著提升推理准确率,且不增加计算成本。研究发现不同类型问题偏爱不同专家配置,为AI推理优化开辟新路径。
清华大学研究团队提出SIRI方法,通过"压缩-扩张"交替训练策略,成功解决了大型推理模型"话多且准确率低"的问题。实验显示,该方法在数学竞赛题上将模型准确率提升43.2%的同时,输出长度减少46.9%,真正实现了效率与性能的双重优化,为AI模型训练提供了新思路。
南洋理工大学与腾讯联合研究团队开发出Rolling Forcing技术,实现AI视频实时流式生成的重大突破。该技术通过滚动窗口联合去噪、注意力锚点机制和高效训练算法三项创新,解决了长视频生成中的错误累积问题,可在单GPU上以16fps速度生成多分钟高质量视频,延迟仅0.76秒,质量漂移指标从传统方法的1.66降至0.01,为交互式媒体和内容创作开辟新可能。
华中科技大学研究团队发现,通过让AI模型学习解决几何问题,能够显著提升其空间理解能力。他们构建了包含约30000个几何题目的Euclid30K数据集,使用强化学习方法训练多个AI模型。实验结果显示,几何训练在四个空间智能测试基准上都带来显著提升,其中最佳模型达到49.6%准确率,超越此前最好成绩。这项研究揭示了基础几何知识对培养AI空间智能的重要价值。