2026 年 4 月 1 日国知局发布《使用 OpenClaw 等智能体撰写专利申请文件风险提示》（行业俗称 “小龙虾”）。AI 提效是知识产权行业共识，但合规边界在哪，多数团队还没真正划清。

核心结论先放在前面：AI 能用，但不能甩锅；专业人士必须为最终文件全程负责。

这份文件本质是风险提示，不是创设新的禁止性法规，也不存在 “不得用 AI 生成申请文件” 的明文禁令。核心逻辑只有一点：持牌的专利代理师、企业 IPR 作为专业责任人，要对最终提交的申请文件全程负责，AI 只是工具，不能替代人的专业判断。

这里有个概念需要厘清。

“AI 辅助撰写文件” 和 “AI 参与发明创造” 性质不同。 前者只是用 AI 做文字工具，不涉及技术方案构思；后者是 AI 实质性参与技术方案提出，会影响发明人资格认定。国知局本次风险提示仅针对前者——写文件的人不能甩锅给 AI。我国专利法明确发明人必须是自然人，AI 不能作为发明人，相关细化审查标准仍在完善，不在本次提示的规制范围内。

行业总喜欢拿中美监管对比，这里统一说明：

美国 USPTO 2024 年 4 月发布的《专利实务中 AI 工具使用指南》，核心规范代理实务中的 AI 使用规则（签名义务、客户保密、禁止虚假陈述等），与本次国知局提示范畴一致；AI 辅助发明的发明人资格认定，是 USPTO 2025 年 12 月更新的单独指南，与实务工具使用分属两套规则。

两国监管底层逻辑一致：最终责任主体必须是自然人。 区别在于中国专利代理行业有严格准入资质，更强调 “持牌人的专业判断不可替代”。

AI 写专利的红线，到底划在哪

既然没有一刀切禁止，边界该怎么判断？结合监管精神和实务观察，可梳理为 两条执业核心红线 + 一条数据安全底线，正好对应国知局提示的三类核心风险：申请文件质量风险、执业诚信风险、技术信息泄露风险。

第一条执业红线：AI 不能直接成为终稿生产者

检索、外文对比文件翻译、现有技术摘要整理、格式校对、审查意见要点梳理等纯辅助性、素材类工作，用 AI 完全没问题，也是行业普遍认可的提效方式。

但如果说明书、权利要求书全文由 AI 生成，代理人仅通读改错、未做实质调整就签字提交，就属于典型的 “AI 替代专业判断”，是风险提示重点警示的行为。

第二条执业红线：人必须对技术方案有独立专业判断

行业常有 “改 30% 算辅助、改 70% 算主笔” 的争论，但监管从未给出百分比量化标准。判断核心从来不是 “改了多少字”，而是负责人是否完整、独立地理解了技术方案，能否对每一个技术特征、每一项权利要求的保护范围作出专业解释。

我常用的检验方式是：

如果审查员指着权利要求 1 问限定理由与现有技术的区别，你是能基于自身对技术的理解逐条拆解，还是只能照着 AI 文档念？如果是后者，哪怕改了 80% 的文字，也只是文字润色，本质仍是 AI 主笔，未履行专业判断义务。

“实质性修改” 可从三个维度判断：技术特征增减是否经独立判断、权利要求保护范围是否经人工权衡、实施例可实现性是否经过核验。仅改措辞、调格式不算实质性修改。

实务中，带修订痕迹的过程文档、逐级审核签字记录、技术沟通往来邮件等，可作为履行实质性审查义务的证据；仅保留最终版文件、无过程记录的，很难举证尽责。

一条不能碰的数据安全底线：未公开技术严禁投喂公域 AI

这条风险爆发最快，后果也最不可逆。

未公开的技术方案、核心工艺参数、未流片的设计方案，上传至公共 AI 工具后，存在被模型训练收录、泄露技术秘密的风险，一旦技术方案提前公开，会直接导致专利丧失新颖性。

对半导体行业风险更高：涉及美国 EAR（《出口管理条例》）管制的先进制程技术，比如 14nm 及以下 FinFET 工艺的具体栅极形成参数、特定 EUV 光刻胶配方等，若上传至境外服务器的公域 AI 工具，不仅可能泄密，还可能涉嫌违规出口管制技术数据，触发出口合规风险。这类数据仅可在境内私有化内部 AI 平台使用，且需经合规岗审核。

即便是私有化部署的内部 AI 平台，输出内容也必须执行与公域 AI 同等标准的人工核验，不能因是内部工具就降低要求。

工具 – 场景分级标准

🟢 绿色（可直接使用）

专利语义检索、外文翻译、现有技术摘要整理、格式校对、审查意见要点梳理，AI 输出仅作中间素材。

🟡 黄色（有条件使用）

基于交底书生成说明书 / 权利要求书初稿、辅助梳理技术逻辑框架；使用前提是经人工实质性修改与全面核验，AI 内容仅作参考。

🔴 红色（严禁触碰）

• 执业合规类：直接复制 AI 全文到正式提交文件，仅做形式性修改
• 数据安全类：将未公开核心技术、涉密数据上传至公域 AI 工具

⚫ 黑色（涉嫌违法违规）

主观故意用 AI 编造实验数据、伪造现有技术文献，属于弄虚作假行为。

半导体行业的特殊风险：从研发端就开始埋雷

半导体行业的 AI 风险比普通行业更隐蔽，因为风险从研发端就开始埋下。不少团队只关注撰写环节的 AI，却忽略了研发侧 AI 输出本身就是专利素材源头。

现在很多研发人员会用 AI 生成或整理技术交底书，易出现跨项目数据混淆、仿真结果写成实测结果等问题。若撰写环节未识别，风险会一路传导至申请文件。

企业需建立前置审核机制：AI 整理生成的技术交底书，必须经项目负责人核验技术真实性与数据边界，确认无误后才能流转至专利部门；涉及核心工艺参数的，还需经合规岗确认涉密等级与出口管制风险。

Fabless 设计端：仿真数据 ≠ 可实现的实施例

Fabless 企业最常见的问题，是直接用 AI 基于 TCAD（半导体工艺仿真工具）仿真数据生成实施例。

TCAD 仿真基于理想物理模型，默认工艺均匀、无边缘效应，但真实流片存在工艺波动、LOD 效应（阱邻近效应）、WPE 效应（阱应力效应）。AI 直接写入仿真参数时，不会自动补充 “特定工艺角下” 的限定，易被审查员指出无法实现。

另一高频问题是直接将 EDA 工具输出喂给 AI 写专利。Synopsys.ai、Cadence Cerebrus 生成的时序报告、网表带有明确的 PVT 条件（工艺 – 电压 – 温度条件）、false path（伪路径）设置、SS corner（慢工艺角）等边界信息，AI 转化时极易丢失这些前提，比如把仅在 SS corner 下满足的时序要求，写成全工艺条件下均满足，导致技术效果不实。

如果是 SEP（标准必要专利），风险会进一步放大：AI 生成的过宽权利要求若覆盖非标准必要的技术场景，会增加 FRAND 谈判的复杂性，极端情况下会影响许可费的合理计算。

实务建议：仿真数据生成的实施例，必须经研发人员确认工艺可实现范围；权利要求补充 “预设工艺角条件下” 的限定，实施例明确标注仿真边界，不得将仿真结果等同于量产参数。EDA 报告转化为专利内容时，必须人工核验所有技术效果的前提条件。

IDM 与晶圆制造端：AI 归纳参数必须回溯原始数据核验

IDM 和晶圆厂的技术交底书来源复杂：工艺制程文档、PDK（工艺设计包）参数表、良率分析报告等，很多都经过 AI 分析提取。

AI 归纳时易出现参数范围写宽、关键制程步骤简化的问题，若撰写人员直接采信、不核验原始数据，技术失真会层层放大，最终导致说明书公开不充分或权利要求得不到支持。

实务建议：AI 归纳的工艺参数、技术特征，撰写前必须经研发人员回溯原始实验数据核验；核心工艺步骤表述必须与实际制程流程对应，不得由 AI 自行简化合并。

封测端：产线数据的边界条件不能丢

封测环节的专利多基于工艺优化、异常处理方案，核心素材来自产线异常报告、良率数据。这些数据通常是在特定批次、设备、焊线参数下得到的，边界条件明确。AI 提取时易遗漏前提，把特定条件下的效果写成普适性效果，导致技术效果缺乏依据，专利稳定性受损。

实务建议：产线实测数据写入专利前，必须人工确认适用边界；实施例中的效果数据需标注对应设备、批次、工艺条件，不得扩大为普遍效果。

踩线之后，到底要承担什么后果

常有同行觉得 “大家都在用，也没见谁被罚”，但风险只是还没集中爆发。目前行业暂未出现大规模行政处罚，但多地已将 AI 生成申请文件的质量合规性纳入代理机构年度抽查，监管从提示走向落地的趋势明确。

以下按发生概率从高到低排序；其中技术秘密与出口合规风险虽概率不高，但严重程度最高、后果不可逆。

1. 专利资产价值折损

需要明确：不会仅因 “专利是 AI 写的” 就被驳回或宣告无效。 《专利法》第二十六条第三款 “充分公开” 的判断标准，是本领域技术人员能否根据说明书实现技术方案，与撰写主体无关。

真正的风险是，AI 生成内容未经实质审核，易出现技术表述模糊、参数范围失当、实施例无法实现、技术效果无依据等缺陷，进而导致申请被驳回、专利被宣告全部或部分无效，让企业的专利资产大幅贬值。

2. 民事赔偿与合同责任

若因代理机构违规使用 AI、未履行审核义务，导致专利被驳回、无效或保护范围大幅缩水，企业可依据委托合同追偿。代理机构想要免责，必须证明自身履行了实质性审查义务；拿不出修改记录、审核留痕、沟通记录的，很难证明尽责，可能面临赔偿责任。

3. 代理执业纪律处罚

这是针对专利代理师和代理机构的直接监管风险。

根据《专利代理条例》（国务院令第 706 号，2019 年 3 月 1 日施行）的勤勉尽责要求，代理师未对申请文件做实质性审核、放任 AI 替代专业判断，属于未履行勤勉义务。在机构年检、专项抽查中查实的，可能面临警告、罚款，情节严重的会被暂停业务、吊销资格证。

4. 技术秘密泄露与出口合规风险（最隐蔽、不可逆）

未公开核心技术上传公域 AI 后，一旦被模型收录泄露，不仅专利丧失新颖性，企业核心技术竞争力也会受损，且损失几乎无法补救。涉及 EAR 管制技术数据的，还可能触发出口合规风险，面临更严重的法律后果。

现在就能落地的合规动作

如果还没做过合规梳理，不用等制度完善，先堵住最明显的风险：

1. 工具场景盘点

花 15 分钟把日常在用的 AI 工具按红黄绿标准分类，明确每个工具的使用边界，贴在工位避免无意识踩线。

2. 存量案件回溯

抽 3 份近期 AI 辅助的专利申请，核查 AI 参与环节、是否留存初稿与修改版本、是否有负责人审核确认；半导体案件额外核查技术素材是否经人工复核。

3. 代理机构确认

给合作代理机构发书面确认函，核实是否用 AI 生成最终提交文本、是否有内部 AI 使用制度、AI 内容的审核标准，回函留存归档，证明已尽选任监督义务。

长期要搭建的合规体系

1. 分级留痕机制

按案件价值确定留痕粒度：高价值核心专利建立完整台账，记录 AI 参与环节、原始输出、人工修改内容（到段落级）、修改理由，负责人签字确认；普通案件至少留存 AI 初稿、修改终稿和审核确认单。案件价值越高，留痕越细，兼顾合规与效率。

2. 明确审核标准

将 “实质性修改” 的三个判断维度写入内部规范，明确最终提交文件的审核人承担全部责任，所有 AI 生成的实质内容必须经人工核验。

3. 数据安全规范

明确 AI 工具白名单与公域 AI 使用禁区；涉密技术、未公开方案严禁上传外部工具，内部 AI 平台同样要做好输出内容的人工复核。

4. 研发端交底书审核机制

技术交底书流转至专利部门前，增加技术真实性核验与合规校验环节，明确研发端 AI 使用规范，从源头阻断风险传导。

说到底，AI 从来不是这行的敌人，它能帮你省掉检索、翻译、搭初稿的重复劳动，把时间留给技术方案拆解、保护范围布局、专利风险预判这些真正有价值的工作。

参考来源

1. 《专利审查指南（2026 年修订）》（国家知识产权局令第 84 号），第二部分第九章第 6 节
2. 《使用 OpenClaw 等智能体撰写专利申请文件风险提示》，国家知识产权局，2026 年 4 月 1 日
3. 《专利代理条例》（国务院令第 706 号，2019 年 3 月 1 日施行）
4. Guidance on Use of AI-Based Tools in Practice Before the USPTO，美国专利商标局（USPTO），2024
5. Inventorship Guidance for AI-Assisted Inventions，美国专利商标局（USPTO），2025