§ JOURNAL · 教程
AI 如何变革专利撰写：从 LLM 到专业工具的全面解析
2024年，一场静默的技术革命正在专利行业内部发生。与十年前自动化将简单法律文书工作者取代的浪潮不同，这次针对的是知识密集度最高的工种之一——专利代理师。大语言模型（LLM）的能力已经跨越了"能生成内容"与"能生成专业法律文本"之间的临界点。
数据能说明问题：根据 WIPO 发布的《世界知识产权指标2025》，中国2024年共受理发明专利申请182.8万件，同比增长9%。与此同时，CNIPA 授权发明专利突破104.5万件，中国有效发明专利总量达到475.6万件，成为全球首个突破400万件的国家。在如此体量的专利申请市场下，AI 辅助撰写工具的需求不是"将来时"，而是已在发生的"现在时"。
传统专利撰写的三大瓶颈
理解 AI 如何变革专利撰写，首先需要厘清传统流程的核心痛点。
成本高企：委托专利代理机构撰写一件发明专利，代理费通常在5,000至15,000元人民币之间，技术复杂度高的案件甚至超过30,000元。对于中小企业和个人发明人而言，这是显著的经济门槛。
周期漫长：从技术交底书提交到初稿完成，通常需要7至15个工作日。如果遇到技术沟通不畅、反复修改，周期可能延长至一个月以上。这在竞争激烈的技术领域意味着巨大的时机成本。
技能要求复合：撰写一份合格的专利申请，既要深度理解发明的技术原理，又要熟悉专利法律规则和权利要求撰写技巧。两种能力同时具备的人才稀缺，直接制约了行业供给侧的扩张速度。
LLM 在专利文本生成中的能力边界
大语言模型并非万能，理解其能力边界是做好人机协作的前提。
擅长的任务
| 任务类型 | AI 表现 | 原因分析 |
|---|---|---|
| 背景技术撰写 | 优秀 | 需要广泛的技术知识整合，LLM 训练数据覆盖好 |
| 说明书结构化 | 良好 | 格式相对固定，模式可学习 |
| 从属权利要求扩展 | 良好 | 基于独立权利要求的逻辑推演 |
| 摘要压缩 | 优秀 | 文本摘要是 LLM 的基础能力 |
| 技术术语提取 | 良好 | 命名实体识别类任务 |
存在挑战的任务
| 任务类型 | 主要挑战 | 应对策略 |
|---|---|---|
| 独立权利要求撰写 | 保护范围的合理界定需要法律判断 | 人工审核并调整 |
| 新颖性/创造性评估 | 需要实时检索现有技术 | 结合检索工具使用 |
| 多法域权利要求转换 | 各法域实质要求差异微妙 | 配合法域规则模板 |
| 长文技术描述的一致性 | 长上下文中技术特征表述可能不一致 | 分段生成后人工核查 |
研究表明，AI 专利撰写工具能将起草时间缩短 40%-60%，尤其在背景技术、摘要、实施例描述等重复性内容上节省最为显著（来源：PatSnap Research, 2025）。
主流 AI 专利工具深度对比
市场上的 AI 专利工具可以分为两类：通用 LLM 平台的专利应用，以及专为专利工作流设计的垂直工具。
通用 LLM 平台比较
GPT-4（OpenAI）：在将口语化的技术描述转化为结构化法律文本方面表现突出，能生成多种描述同一技术特征的表达方式，适合用于权利要求语言的多样化探索。局限在于，其权利要求格式意识较弱——测试中，GPT-4 生成的权利要求格式偏离 USPTO/CNIPA 规范的情况较为常见，需要后处理修正（来源：iclg.com, 2024）。
Claude（Anthropic）：在结构化技术描述方面更为稳健，输出更有条理，倾向于在不确定时主动声明局限，减少幻觉风险。对于需要完整说明书章节的任务，Claude 的整体质量更稳定，适合作为说明书主体的生成引擎（来源：Patentext, 2026）。
Gemini（Google）：与 Google Patents 数据的集成是其独特优势，在专利引用和现有技术识别上有一定便利。但在专利法律语言的专业度上，目前仍弱于 GPT-4 和 Claude。
垂直专利工具比较
| 工具 | 数据覆盖 | AI 功能 | 适用场景 | 价格区间 |
|---|---|---|---|---|
| PatSnap | 1.7亿+专利，100+法域 | 语义检索、权利要求生成、竞品分析 | 大型企业、律所 | 企业定制 |
| Incopat | 1.5亿+专利，重点覆盖中国 | 中文语义检索、专利地图 | 国内企业、高校 | 约3万元/年起 |
| DeepIP | 专利撰写工作流 | 端到端草稿生成、质量评分 | 代理机构、发明人 | SaaS订阅 |
| CNIPA.AI | 中国专利全量 | 跨语言检索、多法域撰写 | 中国申请人为主 | 按量付费 |
PatSnap 的核心优势在于数据广度和 IP 情报分析——覆盖170余个法域、1.7亿+专利，API 集成能力强，适合需要将专利数据融入产品研发决策流程的大型组织。其 AI 撰写功能更多作为检索分析的延伸，而非独立的撰写引擎。
Incopat 深耕中国市场，在中文专利的语义理解和专利地图可视化上有显著优势，与 CNIPA 数据同步及时。适合聚焦中国市场的企业知识产权团队。
DeepIP 定位于撰写工作流，提供从技术描述到完整草稿的端到端生成，内置质量评分机制，适合代理机构作为效率工具。
AI 专利撰写的工作流最佳实践
将 AI 工具融入专利撰写工作流，关键在于在正确的节点让人类介入。以下是经过实践验证的"AI辅助+人工审核"五步流程：
第一步：技术输入与核心特征提取 提供详尽的技术描述（建议500字以上），让 AI 提取关键技术特征、解决的技术问题和有益效果。这一步 AI 的效率优势最为突出——可将人工整理技术交底书的时间从半天压缩到30分钟以内。
第二步：权利要求框架人工设计 这是人工介入最关键的环节。独立权利要求的保护范围直接决定专利的商业价值，需要专利代理师根据现有技术和市场战略做出法律判断。AI 可提供多个备选方案供选择，但最终决策不应委托给 AI。
第三步：说明书主体 AI 生成 背景技术、技术领域、发明内容、具体实施方式等章节，结构固定，可充分发挥 AI 的生成效率。使用少样本提示（few-shot prompting）提供优质范例，输出质量会显著提升。
第四步：从属权利要求 AI 扩展 基于人工确定的独立权利要求，让 AI 生成多维度的从属权利要求，覆盖不同实施方式和技术细节。
第五步：全文一致性人工审核 对照审查指南，逐一核查技术特征表述的一致性、附图标号的对应关系、权利要求的支持关系。这一步无法省略，是保障质量的最后防线。
提示工程在专利场景的应用技巧
专利撰写对 AI 输出的质量要求远高于普通文本生成，以下提示工程技巧经过专利场景验证：
使用角色设定：在提示开头明确角色，如"你是一位精通中国专利法的资深专利代理师，擅长撰写计算机软件领域的发明专利申请"。角色设定显著提升了输出的专业度和术语准确性。
结构化输入：使用 XML 标签将技术内容、法域要求、格式规范分区标注，避免 AI 混淆不同层次的指令。
<技术描述>一种基于深度学习的图像识别方法...</技术描述>
<法域>中国CNIPA</法域>
<要求>生成独立权利要求1和从属权利要求2-5</要求>
链式思维（Chain-of-Thought）：对于复杂技术，先让 AI 分解技术特征、梳理技术方案，再生成权利要求。分步生成比一次性生成的质量更高。
少样本示范：提供1-2个同领域的优质权利要求示例，AI 会模仿示例的结构和语言风格，尤其有助于生成符合 CNIPA 格式规范的文本。
AI 工具的局限性与风险控制
幻觉风险：LLM 可能生成听起来合理但实际不存在的现有技术描述或技术效果。在背景技术章节中，任何具体数据引用都必须经过人工核实。
保密性问题：向云端 AI 服务提交未公开的发明描述存在数据安全风险。建议检查服务商的数据处理协议，敏感发明可考虑使用本地部署方案或专为 IP 场景设计的隔离环境。
权利归属不明：AI 生成内容的知识产权归属问题在各法域尚未完全明确。建议将 AI 视为辅助工具，确保专利申请文件由人类专业人员实质参与撰写。
合规监控：CNIPA 于2025年11月发布《专利审查指南》修改决定（2026年1月1日起实施），对 AI 相关发明的审查规则进行了更新。使用 AI 工具应关注最新审查政策的动态变化。
AI 专利撰写的经济账
| 方案 | 单件成本 | 交付周期 | 质量层级 |
|---|---|---|---|
| 传统代理机构 | 5,000-15,000元 | 7-15工作日 | 高 |
| AI辅助（代理师使用） | 2,000-5,000元 | 3-7工作日 | 高 |
| AI自助（发明人使用） | 200-800元 | 1-4小时 | 中（需审核） |
| 纯AI自动化（无人工） | <100元 | <1小时 | 待验证 |
对于追求质量的企业来说，"AI辅助代理师"模式是当前最优解：代理师用 AI 承担60%-70%的文字工作量，将精力集中在权利要求策略和质量审核上，实现降本增效的同时不牺牲专业水准。
AI 专利工具选型建议
不同规模和需求的机构，适合不同的工具组合：
大型企业/律所：PatSnap（数据和分析）+ Claude API（深度定制撰写流程）+ 内部质量审核体系
中型代理机构：DeepIP 或 CNIPA.AI 专业版（端到端工作流）+ 人工复审环节
中小企业知识产权团队：Incopat（国内检索）+ AI 撰写工具（初稿生成）+ 外部代理师审核
个人发明人：CNIPA.AI（中文友好）或 Google Patents AI 功能（免费）+ 专利代理师做最终审核
未来展望：2026年后的专利撰写
根据目前的技术演进趋势，未来2-3年内，AI 专利撰写领域将出现以下变化：
多模态输入：从技术图纸、电路图、代码直接生成专利文本，减少发明人的文字描述负担；
实时检索集成：AI 在生成权利要求的同时，自动检索对比文件并评估被驳回风险；
授权可能性预测：基于历史审查数据，预测权利要求的授权概率并给出优化建议；
多法域自动适配：输入一份技术描述，自动生成符合 CN/US/EP/JP 各法域要求的申请文件。
AI 不会取代专利代理师，但不使用 AI 的专利代理师将被使用 AI 的同行超越。这不是预言，而是已在发生的行业现实。
实操清单：开始使用 AI 专利撰写工具
- 评估当前工作流中哪些环节可以首先引入 AI（推荐从说明书背景技术开始）
- 选择1-2个工具进行3个月的试用对比
- 建立内部 AI 输出质量审核标准（对照 CNIPA 审查指南要点）
- 制定数据保密规范（明确哪类发明可以使用云端 AI）
- 收集使用前后的效率数据，计算实际 ROI
- 关注 CNIPA 2026年新规中关于 AI 生成内容的相关要求