專利局用AI，不只是為了審得更快，而是為了讓全球專利審查變得更穩定、更可預測。

AI進入專利局以后，專利文件不只要寫給審查員看，也要寫給機器看。

未來好的專利申請，不只是法律上能解釋，還要在數據結構上容易被識別。

企業真正要準備的，不是專利局會不會用AI，而是自己能不能用AI理解審查系統。

下一輪專利競爭，表面看是技術競爭，深層看是數據競爭、結構表達能力競爭和判斷系統競爭。

6月12日，世界五大知識產權局負責人在東京舉行年度會議。根據歐洲專利局披露，本次會議的一個突出議題，是人工智能。五大局同意進一步加強AI合作，重點包括利用AI改善用戶服務、提高審查質量和提升審查效率。

五大知識產權局，也就是中國國家知識產權局、歐洲專利局、日本特許廳、韓國特許廳和美國專利商標局，構成了全球專利審查體系中最重要的一組協調機制。這個機制的核心目標，一直是提高全球專利審查流程效率，減少國際專利體系中的重復勞動和低效環節。

這次東京會議真正值得關注的是AI正在從一個“審查輔助工具”，變成五大局共同討論的制度基礎設施。AI正在進入專利審查系統深處。

一、告別“翻譯與檢索”

過去幾年，知識產權行業談AI，最容易想到的是檢索、分類、翻譯、形式審查、相似性判斷。

這些應用當然重要，但它們仍然屬于工具層。也就是說，是把AI放進某一個具體環節里，幫助人更快完成某一項工作。

比如，幫審查員更快找到現有技術，幫申請人更快完成文本翻譯，幫專利局更快進行自動分類。這些都是效率工具。

但東京會議釋放出來的信號，已經比“工具提效”更進一步。

歐洲專利局披露的信息中，AI被放在三個關鍵詞之下：用戶服務、審查質量、審查效率。這三個詞放在一起，說明AI不再只是某個審查員手邊的工具，而開始進入專利局的服務入口、質量管理和流程組織之中。

這表面，AI將從工具層進入系統層。

對企業來說，這個變化很重要。因為一旦專利局的AI能力開始嵌入審查流程，企業面對的是一個越來越數據化、模型化、標準化的審查環境。

過去，專利代理人和企業法務最關心的是“審查員怎么看”。未來，還要增加一個問題：專利局的AI系統會如何預處理、如何分類、如何提示、如何推薦、如何影響審查路徑。

二、消除“不確定性”

專利審查最難的地方，從來不只是工作量大，而是不確定性高。

同樣的技術方案，在不同國家、不同審查部門、不同審查員那里，可能會遇到不同的檢索結果、不同的創造性判斷、不同的說明書支持要求。對企業而言，這種不確定性會直接影響全球布局成本、答復策略和授權周期。

五大局為什么要共同討論AI？表面看，是為了提高效率。更深一層看，是為了提高專利制度的可預測性。AI可以幫助專利局更快處理分類、檢索、翻譯和流程管理，減少重復勞動；也可以幫助不同專利局在數據結構、分類體系、檢索接口和審查經驗上形成更強的協同關系。

這對全球申請人來說，可能會帶來兩個方向的變化。

一方面，審查效率可能進一步提升。大量重復性、基礎性、流程性的工作，會被AI更早介入。

另一方面，審查標準也可能更加穩定。不同專利局如果在AI工具、數據結構、分類體系和檢索接口上加強協同，申請人對不同法域審查結果的預判能力也會增強。

當然，這并不意味著審查員會被替代。

專利審查的核心仍然是法律判斷。尤其是創造性、充分公開、權利要求支持、技術效果認定等問題，仍然需要人的判斷承擔最終責任。

更準確地說，未來專利審查會進入更典型的人機協同階段。審查員的角色，可能會從傳統意義上的“卷宗翻閱者”，逐步轉向AI檢索、AI分類、AI提示和AI分析結果之上的最終判斷者。

AI不會直接替代審查員，但會改變審查員做判斷之前看到什么、優先處理什么、如何形成初步意見。

這才是企業真正需要關注的地方。

三、撰寫范式轉移

當專利局開始更系統地使用AI，企業的專利申請文件也要發生變化。

過去，一份專利申請主要是寫給審查員看的。未來，它同時也是寫給機器預處理系統看的。

這并不是說申請文件要迎合機器，而是說，技術方案的表達必須更清楚、更結構化、更容易被系統識別。

什么是對AI更友好的專利文件？

核心不是堆砌關鍵詞，而是讓“技術問題—技術特征—技術效果”之間的對應關系更加顯性。

AI在進行前置審查、自動分類、對比文件檢索和相似技術識別時，往往依賴文本中呈現出來的結構化線索。技術問題是否清楚，技術手段是否完整，技術效果是否能夠和技術特征形成穩定對應關系，權利要求層次是否清晰，說明書中的實施例是否足夠支撐保護范圍，這些都會影響系統對一件申請的初步理解。

過去，這些要求本來就是高質量專利申請的基本要求。只是在AI輔助審查環境下，它們會變得更加重要。

因為AI系統首先識別的，往往不是申請人主觀上想表達的“創新高度”，而是文本中呈現出來的技術關系、關鍵詞分布、分類線索、相似技術路徑和潛在對比文件。

這對專利代理行業提出了新的要求。

未來好的專利文件，不只是法律上能解釋，也要在數據結構上更清晰；不只是讓審查員看懂，也要讓審查系統更準確地識別其技術貢獻。專利撰寫正在從“文本表達能力”，進一步走向“技術結構表達能力”。

四、打破“信息孤島”

東京會議的另一個意義在于，它發生在五大局框架下。

五大局不是一個普通會議機制。中國、歐洲、日本、韓國和美國五大知識產權局，長期處理全球絕大多數專利申請，也承擔著PCT體系中極為重要的工作量。它們之間關于AI的合作方向，會直接影響全球主要創新主體的專利布局邏輯。

過去，企業做全球專利布局，常常按照市場重要性、競爭對手分布、訴訟風險和授權難度來安排國家和地區。

未來，還要增加一個維度，主要專利局的AI審查能力和數據協同程度。

如果五大局在自動分類、檢索輔助、審查質量管理、用戶服務和流程互通上進一步加強合作，那么企業在一個局中的申請表現、審查意見、修改記錄和技術分類，可能會更深地影響其全球布局策略。

這并不是說五大局會簡單共享所有審查結論，也不是說各局法律標準會完全趨同。

事實上，短期內，各局的AI系統仍然會存在明顯的本土化差異。中國局在自動化分類、大數據審查和審查管理體系方面有自己的推進路徑；歐洲專利局長期強調以“問題—解決方案”為核心的創造性判斷方法；美國、日本、韓國也都有各自的法律框架、數據基礎和審查傳統。

因此，企業不能簡單相信“一套AI策略包打天下”。

未來真正有效的全球專利策略，既要看到五大局協同帶來的系統聯動，也要看到不同專利局AI模型訓練數據、審查側重點和法律判斷路徑之間的差異。

這會倒逼企業重新重視首件申請質量、PCT進入國家階段前的文件打磨，以及不同法域之間權利要求的一致性與差異化設計。

過去有些企業習慣“先提交，再慢慢改”。在AI審查與全球協同增強的環境下，這種粗放策略的成本可能會上升。

因為一件早期寫得不清楚、技術貢獻表達不足、權利要求布局混亂的申請，可能不只是影響一個國家的授權結果，還會影響后續多個法域的審查預期。

五、企業要有“審查理解系統”

這次東京會議，對中國企業還有一個更現實的提醒。

主要專利局正在用AI提高服務質量、審查效率和制度協同。企業不能只站在被審查的一側等待變化，而要反過來建設自己的AI專利能力。

簡單說，專利局有審查AI，企業也需要有申請AI、答復AI、類案AI、布局AI和風險判斷AI。

這種能力不是簡單讓AI寫一份說明書，而是讓AI幫助企業完成幾件更重要的事：

提前判斷一個技術方案在哪些法域更容易獲得授權；

提前識別可能影響創造性的核心對比文件；

提前比較不同專利局對同類技術的審查傾向；

提前設計權利要求層級，避免進入國家階段后被動修改；

把企業內部研發文檔、專利文本、審查意見和訴訟案例連接起來，形成可復用的判斷體系。

這正是AI進入知識產權行業后最重要的變化，真正有價值的不是生成文本，而是生成判斷。

當然，企業在建設自己的AI專利能力時，也必須看到一個隱性風險：數據合規和商業秘密保護。

如果企業把尚未公開的研發文檔、技術交底書、未提交的專利申請、核心實驗數據，直接輸入第三方AI工具進行分析，就可能造成核心技術在申請前的非自愿泄露。

因此，企業使用AI理解審查系統，不能只追求效率，還必須建立內部權限、數據分級、模型選擇、日志留痕和保密審查機制。

專利局用AI，是為了提高審查系統的可預測性。

企業用AI，則是為了提高自身專利策略的可控性。

知產力判斷

五大局東京會議釋放出的信號很清楚，AI正在進入專利制度的深處。

它不再只是審查員手邊的輔助工具，也不只是申請人用于撰寫文本的效率工具，而是正在成為專利局提高服務質量、審查效率和制度協同能力的新基礎設施。

AI進入專利局以后，真正被淘汰的可能不是審查員，也不是代理人，而是那些仍然把專利工作理解為“寫文件、交文件、等結果”的粗放模式。

下一輪專利競爭，表面看是技術競爭，深層看是數據競爭、結構表達能力競爭和判斷系統競爭。

過去，專利戰比的是誰的法律武器更鋒利；未來，專利戰還要比誰更早理解AI審查系統的運行邏輯。