专利审查大变革！AI正在改写行业规则，你准备好了吗？

上周，简小爱发布“AI+专利撰写” 内容后，AI入侵专利圈，是颠覆还是助攻？后台直接被专利圈的小伙伴们轰炸了！大家纷纷留言，强烈要求解锁更多 “AI+专利场景”的硬核干货。看来大家都敏锐察觉到，AI就是提升专利工作效率的 “秘密武器”。今天咱们就直奔主题，深入聊聊 “AI+专利审查”这个热门话题。

你知道吗？在专利领域，AI最早大展身手的地方就是专利审查。一方面，各国专利局人才济济、经费充足，搞研究那是 “底气十足”；另一方面，面对海量的专利申请和严苛的审查质量要求，各国专利局也急需借助新技术减负增效。接下来，让我们一起探秘全球各大专利局在 “AI+专利审查” 场景下的探索之路，看看技术究竟能给行业带来哪些颠覆性的改变。

1. 专利申请量持续增长

根据世界知识产权组织，2024年11月发布的《世界知识产权指标》，全球专利申请量年均增长5.7%。2023年，全球发明专利申请量首次突破350万件，连续第四年实现增长。中国更是一骑绝尘，以164万件的发明专利申请量，位居全球第一；美国、日本、韩国、德国分别以52万件、41万件、29万件、13万件的发明专利申请量位列全球第二至第五。

2. 专利审查员缺口大

截至2023年底，中国国家知识产权局的专利审查员大约1.5万人（24年国知局人事司司长介绍专利审查员、商标审查员总共超过1.8万人，据推测商标审查员规模约几千人），是美欧审查员的2~3倍（23年美专局审查员有8千多人，欧专局有4千余人），但是人均审理案件数86件/年，远高于美国审查员人均72件/年，欧洲49件/年*。实际上，简小爱跟专利审查员交流中发现，不少审查员一年的工作量有120件，甚至更多，加班早已成为“家常便饭”。

3. 审查时限不断压缩

根据国家知识产权局发布的《知识产权强国建设发展报告（2024年）》，国知局近几年一直在持续完善重点领域的专利审查政策，通过优先审查、快速审查、集中审查等多种审查模式，将中国发明专利的平均审查周期缩短至15.5个月，达到相同审查制度下国际上的最快水平。

面对如此严峻的审查压力，传统人工审查模式显然早已难以为继。于是，AI技术成为了专利审查破局的关键钥匙。在全球范围内，一场围绕“AI+专利审查”的变革风暴正强势袭来。

来自全球人工智能领域科研“顶流”的卡内基梅隆大学的研究者，在今年2月发布了一篇论文《AI能否审查专利新颖性？——基于专利权利要求与现有技术对应关系的新颖性评估》（点击文末“阅读原文”获取论文详情）这篇文章由计算机科学学院语言技术研究所的研究员Teruko MITAMURA和一位独立研究者Hayato IKOMA联合研究。到底研究出什么“黑科技”，赶紧来一探究竟：

1. 研究结论：AI 评估专利新颖性，可行但有 “门槛”

简单来说，这项研究就是想试试大语言模型能不能精准判断专利的新颖性。结果发现，用分类模型去评估，效果有点拉垮；但生成模型，比如 Llama3 70B，在样本有限的情况下，居然还挺靠谱，不仅判断得有模有样，还能给出一套说得通的解释。

2. 研究方法：

1）任务拆解：研究人员把专利新颖性判断，变成了一个“二选一”的选择题，即二分类任务。模型要根据专利权利要求和现有技术引用文本之间的关系，来判断这项权利要求到底有没有新颖性。输入条件分两种，一种是 “权利要求 + 现有技术 (C-T)” ，另一种是 “仅权利要求 (C) ” ，就像给模型不同难度的 “考卷” ，看看它能考多少分。

图：完整的专利审查流程及输入数据提取的专利文件来源：输入的权利要求（Input Claim）来自原始权利要求（标签为“非新颖”）或修改后的权利要求（标签为“新颖”）。输入的引用文本（Input Cited Texts）来自所引用的现有技术文献。

2）数据搭建：为了让模型 “刷题” 练习，研究团队专门搭建了全球首个相关数据集！收集了近4000件美国专利的权利要求书、审查意见OA，还有对比文件的现有技术，让模型有足够多的训练、评估和测试资料。

3）模型“选秀”：实验请来了AI大模型的 “明星选手” ，像Longformer、Llama2、Llama3、GPT-4o等，让它们分别用分类和生成两种方式 “参赛” ，看看谁在评估专利新颖性这件事，表现更出色。

3. 实验结果：生成模型，少样本或监督微调的方式能提高准确率，Llama3 70B超过人类预测准确率（在随机抽样中，人类准确率为0.6）还能生成有价值的分析解释。不过，当前模型仍存在局限。该研究为 AI 辅助专利评估提供参考，也指明后续研究方向。

说个幕后插曲，简小爱在研究论文时，意外发现这个研究是受日本专利局的资助，再看了下论文作者，果然是两位日裔研究者。看来日本专利局，早在全球范围内网罗顶尖AI人才，一心研究AI辅助审查的可行性。

该论文作者之一，图来自卡内基梅隆大学官网教师介绍页（浏览器自带翻译）

1. 韩国专利局：全球专利审查大模型应用“先锋”

以韩国知识产权局（KIPO）为例，23年与LG人工智能研究院联合开发了专利专家AI“IPO Patent Expert”，利用LG超大型多模态模型“EXAONE Universe”，学习韩国知识产权局拥有的专利信息，目标是开发一个用于搜索，分类和提炼专利摘要等任务的系统*。模型的训练数据包括韩文/英文专利公报、通知书、机器翻译、CPC分类、机器阅读理解、咨询案例集等，预计有1.78TB大小的数据。该模型在提炼摘要和自动翻译等评估领域表现出卓越的性能，下一阶段的目标则是辅助审查，包括现有技术检索和专利分类，堪称全球大模型应用于专利审查管理的“先锋”。 

2. 欧洲专利局：2028年AI全面覆盖审查全流程

再看下欧洲专利局的最新消息，从25年5月起，部分审查和异议部门开启试点，使用AI辅助生成口头审理记录，以便更快地向当事人提供高质量的文件*。为此，相应部门的口头审理过程将被完整录音，且仅用于辅助起草，发给当事人后立即删除。当然，记录内容仍由相应的审查或异议部门负责，并非完全依赖AI技术。如果试点顺利，25年底AI将全面覆盖所有相关部门的口审程序。根据欧专局2028年战略规划，AI技术会逐步扩展到专利审查授权全流程中，并严格遵循以人为本的原则。

3. 国家知识产权局：真金白金投入AI，决心拉满

最后回到国内，关注下咱们国知局对人工智能技术的应用。上个月426世界知识产权宣传周，国知局领导透露，正持续优化中国专利智能审查和检索系统，探索多模态大模型技术的运用。回顾2023年上线该系统，已将自然语言处理、机器翻译、图像识别等AI技术应用于专利审查流程中*。

如今，大模型技术具备处理超长文本、理解上下文语义、整合多模态信息的核心优势，恰好能补足传统神经网络模型在复杂语义处理上的短板，成为智能审查系统的升级方向。以审查意见撰写为例，大模型可通过学习历史审查意见库，调用知识库检索、文本生成等能力，精准定位对比文件中的核心技术段落，自动归纳公知常识说理内容，并规范审查意见文本结构，提升审查意见的撰写质量与效率。

写到这里，就让人不禁想到近期引起行业热议的一份审查意见通知书，审查员引用了多张DeepSeek的产品截图，借此来评价专利申请文件中的公式和参数的合理性，从而提出专利公开不充分的驳回理由。审查员的这种做法受到了多方质疑，也在后续修改更正了通知书，删除了大模型的产品截图。不过，由此案例，大家已然知晓，专利审查员正在利用通用大模型辅助审查。

那么，国知局的智能审查系统优化进度怎么样了呢？或许我们能从昨天，国知局官网上发布的2025年度专利专项研究项目立项名单中，猜出个大概。经过查阅和筛选，简小爱发现，有12个项目跟人工智能/大模型技术在审查场景下的应用相关，占总项目比例接近1/4，足以看出国知局在利用人工智能技术辅助审查的决心拉满。

2025年度国知局专利专项研究-与人工智能审查相关的部分项目立项名单

在这场 “AI+专利审查” 的变革浪潮中，技术创新固然重要，但如何让AI与人类审查实现完美协同，成为摆在行业面前的新课题。

从全球几大专利局的应用探索来看，未来AI将深度参与到专利审查的全流程。但是，正如欧专局强调的“以人为本”的原则，AI技术的发展需要保障审查工作符合人类创新发展需求、确保审查的公平可靠，避免出现伦理困境。

例如，算法的不透明性可能导致审查过程缺乏公正性，使申请人对审查结果产生质疑；或者AI模型因训练数据的偏差，对不同申请人或技术领域产生不公平的判断。又或者，仅依赖算法比对现有技术，而忽略对技术方案实质创新点的深入理解，可能会错误驳回具有创新性的专利申请，打击发明人的积极性。

我们期待“AI+专利审查”，始终严格遵循以人为本的伦理原则。一方面，确保算法的透明和可解释性，让审查员和申请人能够理解AI的决策过程和依据；另一方面，通过科学合理地采集和处理训练数据，避免数据偏差带来的不公平问题，保障每个申请人，每件申请文件都能在公正的环境下接受专利审查。

第二讲的内容先到这里，是不是感觉意犹未尽？还想听简小爱聊AI+专利的哪些话题，评论区互动一下吧~