AI 在专利挖掘中的实践与探索

1. 引言

作为科技创新的主体，央企近年来不断加强高价值专利培育与布局工作。专利挖掘是专利申请的起点，其核心在于从研发项目中识别出具备专利潜力的技术方案。传统专利挖掘方式高度依赖人工，存在效率低、盲点多、创新启发不足等问题。AI 大模型的出现，为提升专利挖掘的系统性和效率提供了新工具。本文结合本人在核电装备研发中的实践，以水下激光焊接为实操案例，探讨 AI 在专利挖掘，聚焦是检索分析环节的具体应用方法与实效。

2. AI 辅助专利挖掘的方法设计

基于实际项目经验总结出 AI 辅助专利挖掘的四个关键环节，并构建了相应的提示词模板体系：痛点挖掘：使用文档分析模板，让 AI 快速提取技术难点；

创新激发：通过多角度提问，获取跨界解决方案；

专利检索：构建检索式，进行新颖性初步判断；

交底书优化：检查文本漏洞，提升撰写质量。

在整个流程中，专利检索是承上启下的关键环节，直接关系到方案的可专利性和布局价值。

3. 水下激光焊接案例中的 AI 检索实践

在水下激光焊接项目中实操中，根据检索生产，假设性的选择“排水和密封技术的复杂性”这一技术难点。

AI 生成了包括气泡屏障、机械密封、超疏水材料等在内的多种方案。假设性选定“微气泡发生器+焊接设备集成”作为方向后，进入创新点分析及关键检索阶段。

3.1 检索策略生成

向 AI 输入如下提示词： > “请针对‘利用微气泡发生器在水下激光焊接中形成局部干燥环境’这一方案，提取 5 个关键技术特征词，并推荐相关 IPC 分类号。请组合生成 3 条中英文检索式。”AI 输出包括“微气泡发生器”、“激光焊接”、“水下干燥”、“动态密封”、“惰性气体”等关键词，推荐了 B23K26/00（激光焊接）、B63C11/00（水下作业设备）等分类号，并生成了结构良好的布尔检索式。

3.2 检索结果分析与创新点提炼

基于 AI 生成的检索式，在智慧芽、Patentics 等平台进行初步检索，筛选出 10 篇相关度较高的专利。随后将这些专利列表交予 AI 进行差异化分析：

> “请对比附件中的专利列表与本技术方案，分析本方案的新颖性，并列出 3 个可能的创新点。”

AI 反馈指出：现有专利多集中于宏观气泡幕或静态密封，本方案在“微气泡精密控制”、“与激光焊接时序同步”及“基于传感器的动态反馈”等方面具备创新潜力。该分析为后续方案深化与权利要要求撰写提供了重点方向。

4. 实践效果与讨论

4.1 效能提升

在本项目中，AI 辅助专利挖掘表现出显著效率优势：

生成检索式时间从数小时缩短至分钟级；

初步筛选相关专利效率提升约 50% ；

通过技术特征比对，辅助快速定位差异化设计，减少侵权风险。

4.2 局限性分析

AI 在当前阶段仍存在一定局限：

检索式精度约 70-80% ，需人工进一步优化调整；对电气控制、材料学等跨学科技术融合的理解力有限；无法替代专业检索人员的技术与法律判断。

4.3 人机协同的最佳路径

经过多次实践总结出适合央企工程师的“人机协同”工作模式：

- 工程师主导：明确检索目标、确认技术边界、最终审核结果；

- AI 辅助执行：快速生成检索策略、初筛文献、归纳对比；

- 迭代优化：根据检索结果反复修正提问，逼近最优解。

5. 结论与展望

实践证明，AI 已成为专利挖掘，尤其是检索环节中高效、可靠的辅助工具。通过水下激光焊接项目的实际应用，AI 在技术特征提取、检索式构建、文献初筛与对比分析等方面发挥了重要作用，显著提升了工作的效率与系统性。然而，其输出仍需工程师结合专业经验进行审核与优化。

未来，本人将继续尝试优化提示词模板，构建企业内部的专利知识库，并探索 AI 与知识产权管理系统的深度融合，稳步推动专利工作向智能化、标准化方向转型，为公司科技创新与知识产权保护高质量发展提供坚实支撑。

参考文献

[1] 刘民选， 张小龙， 李智华. 人工智能辅助知识产权管理与专利挖掘研究综述[J]. 自动化学报，2021， 47（6）： 1215-1230.

[2] 王璐， 陈建宏， 赵辉. 基于深度学习的技术创新方案生成方法研究[J]. 计算机集成制造系统，2022， 28（3）： 654-665.

[3] 国家知识产权局. 专利审查指南 2023[M]. 北京： 知识产权出版社， 2023.

[4] Brown T B， et al. Language Models are Few-Shot Learners[C]//Advances in Neural Informa on Processing Systems， 2020： 1877-1901.

[5] 郑磊， 肖伟， 黄海洋. 水下激光焊接技术研究进展与专利分析[J]. 中国焊接， 2022， 31（4）： 45-52.

[6] 华为技术有限公司. 人工智能在知识产权领域的应用与实践白皮书[R]. 深圳： 华为， 2023.

[7] 杨静， 李劲松. 专利检索中的自然语言处理技术应用研究[J]. 现代图书情报技术， 2020， 36（2）：88-96.

[8] Vaswani A， et al. Attention Is All You Need[C]//Advances in Neural Information Processing Systems， 2017： 5998-6008.

[9] 中国广核集团. 核电装备智能研发与知识产权管理创新[M]. 北京： 原子能出版社， 2023.

[10] 刘洋， 冯志刚， 董鑫. 基于大模型的技术交底书自动生成与优化系统[J]. 清华大学学报（自然科学版）， 2023， 63（8）： 1201-1212.