企业研发不一定全靠自研：软件找外包、算法找高校合作、数据找标注众包、运营用AIGC配图、技术骨干在职写代码离职带走。这里同时涉及专利、软件版权、商业秘密、数据权益和职务成果，任一条款没写清都会变成“花多少钱做出来、权利却不是自己”。专业知识产权律师按“委托/合作归属—开源审查—AI数据分层—职务与保密”四块做合同和制度，不把所有成果都默认归出资方。

委托开发先破“谁出钱谁拥有”的误区。专利方面，委托开发完成的技术成果，除法律另有规定或双方另有约定外，申请专利的权利通常属于研究开发人；委托人取得专利后可依法实施，研发人转让申请权时委托人有同等条件优先受让权。合作开发除另有协议外，申请专利权利属于共同完成单位。 软件著作权委托创作，也应在合同里明确归委托方、受托方还是双方，未约定时不能当然推定出资方全权所有；委托方需要全平台使用、二次开发、转授权，应写“交付即转让财产权利+永久免费实施背景技术+违约复用赔偿”。 技术秘密委托项目未约定的，交付前受托方不得转让给第三人，双方在未授权专利前均可按约定使用；律师应把“可申请专利部分、留作秘密部分、交付代码部分”分开写，避免受托方把核心预处理规则同时卖给竞品。

合作研发重背景IP与改进成果。高校、科研院所、客户联合项目，合同应列背景知识产权归各自所有，新成果按贡献约定申请权；发表论文前做保密审查，防止把未公开算法、实验参数、客户全量数据写进论文导致丧失秘密性甚至影响专利新颖性。对联合训练AI模型，写清数据提供方、标注方、模型权重归属、商业化收益分配、终止后数据销毁；一方提供原始业务数据，另一方提供训练框架的，不宜只写“共同所有”，而按数据、代码、模型、衍生品分别确权。

开源与第三方代码单独审查。涉AI开源软件，法院会综合许可协议类型、权利限制、安全合规和信息报告程度认定责任；免费开源提供者若公开说明模块功能和安全风险、他人使用致侵权，可依法获得适当责任豁免，但不等于任何开源调用都无责。 企业用MIT、Apache、GPL等组件，应建立开源清单：MIT/Apache相对宽松但仍需保留声明、满足通知义务；GPL类强Copyleft可能对衍生程序产生开源义务。核心商业逻辑避免与GPL代码形成单一整体，必要时模块隔离、API调用、替换组件；外包交付强制扫代码，要求受托方保证不引入未授权第三方代码，违约承担召回、替换、赔偿。

AI数据分层是新型必做项。训练数据来源分四层：公开合规语料留来源和抓取授权；业务自有数据按个人信息、商业秘密、版权作品分别处理——个人数据按最小化和合法基础处理，全量合同/对话/病例等具秘密性的按商业秘密做权限、脱敏、日志， 具独创编排的标注集按汇编作品评估； 通过欺诈、胁迫、避开技术管理措施等不正当方式获取他人数据并损害竞争的，可按反不正当竞争法相关条款担责。 使用公开个人信息训练应结合处理目的、敏感程度和个人合理预期审查，对权益有重大影响的依法取得同意。AI生成内容若用于对外发布，留提示词版本、人工修改、定稿工程；若主张版权，按人类创造性投入证明，不把纯简单指令输出当然登记为公司作品。

员工与离职回到职务成果。执行本单位任务或主要利用单位物质技术条件完成的发明，按职务发明确定申请权并约定奖励报酬； 软件、文案、设计按职务作品或合同约定归公司。入职做前雇主秘密审查，要求新员工书面承诺不带入第三方代码、客户名单、未公开模型；核心岗签保密、职务IP归属、竞业三类文件。离职做“收权清密”：注销代码库/VPN、收回移动介质、导下载日志、返还纸质配方、签不披露确认。对研发日志、实验失败数据、未盈利参数也应纳入秘密管理，因为阶段性成果和失败数据只要能降成本、避试错，就可能具商业价值。

委托合作型项目落地模板可概括为：先写背景IP清单→再写新成果专利/软著/秘密分配→开源组件白名单→AI数据来源与脱敏→员工职务归属→交付验收与违约回购。知识产权律师把这套嵌进外包合同、联合实验室协议、数据标注平台和内部研发制度，企业才不会出现“钱付了、产品出了、权利在别人手里、核心参数还被复制”的被动。