新闻详情

新闻详情

首页 / 资讯中心 / 详情

一文讲清专利「三兄弟」:发明、实用新型、外观设计的区别,以及发明专利最快多久能授权

发布时间:2026/11/3 18:10:12来源:尧图网络
一文讲清专利「三兄弟」:发明、实用新型、外观设计的区别,以及发明专利最快多久能授权
不少研发工程师都遇到过这种情况年初被分了专利 KPI可连最基本的「发明和实用新型有啥区别」「我这个改进该报哪一种」「报上去多久能授权」都说不清楚。这篇就把研发最常踩的几个专利概念一次讲明白方便你判断手里的技术该怎么申请。一、专利分三种先认清在中国专利分三种发明专利、实用新型专利、外观设计专利三者是并列关系——实用新型不是发明专利的子类这是最常见的误解。发明专利保护产品、方法、改进是三种里最强的实用新型专利只保护产品的形状、构造或其结合不保护方法外观设计专利保护产品的外观形状、图案、色彩等保护期 15 年。二、发明 vs 实用新型最容易混研发最纠结的就是这俩列个表对照维度发明专利实用新型专利保护对象产品、方法、改进只保护形状、构造不保护方法审查方式实质审查初步审查近年趋严保护期20 年10 年授权周期约 23 年约 612 个月创造性要求较高较低一句话记发明保护「技术方案」最强但最慢实用新型保护「产品结构」快但弱外观设计保护「长相」。三、我这个创新该报哪种方法 / 算法 / 流程类的创新只能申请发明实用新型不保护方法产品结构 / 装置类的发明、实用新型都能报。很多人会「一案双申」——同一个产品结构同时报发明和实用新型实用新型先快速授权拿到保护发明慢慢审兼顾速度和强度。四、发明专利最快多久能授权正常 23 年走「优先审查」最快能压到 1 年左右甚至更短。慢主要慢在实质审查排队。普通流程是申请受理 → 初步审查 → 自申请日起 18 个月公布 → 提实质审查请求 → 实质审查 → 授权其中实审排队 审查意见来回答复是耗时大头。想加速有三条路优先审查符合节能环保、新一代信息技术等特定领域可申请发明有机会一年内结案PPH专利审查高速路有对应外国 / PCT 申请且有授权预期时可用请求提前公布省去等满 18 个月让实审早点启动。实用新型只有初步审查、没有实质审查所以一般 612 个月就能授权。五、一个被忽视的「隐性加速」很多人盯着「怎么催审查」其实前期准备才是关键交底书把技术讲清楚、权利要求布局合理、申请前检索做足能直接减少审查意见的来回次数——答复越顺整体越快。前期偷的懒后期都要用补正和答复加倍还回去。概念和周期搞清楚了下一个问题就是「怎么把专利的质量写上去」——这才是研发自己写专利最容易翻车的地方。下一篇会讲质量由哪三个环节决定、给工程师的一份自检清单。本文由新智念面向研发工程师的 AI 专利初稿生成平台官网 xinzhinian.com整理分享。专利初稿可以先点选行业、产品、技术特点生成几小时内出含权利要求、说明书、附图的规范稿正式申请仍由持证专利代理机构办理。不清楚质量怎么把控的可以看下一篇《研发自己写专利质量怎么保证一份给工程师的自检清单》。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/3 7:07:39

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/3 12:09:35

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/3 12:09:38

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/3 12:09:41

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/4 1:25:31

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/4 3:51:11

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉