做过机械类专利申请的人都知道，零件装配图的绘制是个耗时间又磨人的活。之前接触过一个做减速机研发的小团队，总共就5个技术人员，每次申请专利都要抽一个人专门画装配图，还要找外面的制图师调整格式，前前后后最少要花一周时间，遇到赶优先权的节点，所有人都要跟着熬夜改图。
这两年AI生成图像的功能普及之后，不少团队开始尝试用AI画专利装配图，但踩坑的人也不少。最常见的误区就是觉得随便输几个关键词，AI吐出来的图就能直接用。我上个月就碰到个客户，自己用通用AI生成了一套气动阀门的装配图，提交之后收到两次补正通知，一会是视图比例不符合要求，一会是标号位置挡住了创新点的结构，反而比手动画图多耽误了半个月时间。还有不少人以为AI生成的图天然没有侵权风险，要是训练数据里混入了已经公开的同类专利装配图，生成的内容撞了现有技术，直接会影响专利的新颖性，严重的直接就被驳回了，之前的申请投入全打水漂。
想要用AI生成能用的专利零件装配图，其实是有标准流程的。首先输入提示词的时候不能太笼统，别只写“齿轮和传动轴装配图”，要把所有的硬性要求都列清楚：比如要输出哪几个视图、比例是多少、哪些部分是创新点需要突出显示、哪些非核心结构可以省略、标号的字体和位置要求是什么，越细节生成的内容越符合预期。我一般给AI的提示词最少会写300字，把技术人员给的装配逻辑、专利局的格式要求全都列进去，生成的初稿基本能符合80%的要求。
生成之后的校验环节也不能省，要走两轮：第一轮先给技术人员核对装配逻辑，看有没有出现现实中不可能实现的装配结构，比如零件的尺寸是不是匹配、安装顺序有没有错、创新点的结构是不是准确呈现了；第二轮给专利代理师核对格式规范，确保符合《专利审查指南》里的制图要求。如果不知道专利装配图的具体规范要求，可以先到专利零件装配图规范库里查最新的官方要求，避免后续补正。
用对方法的话，AI生成装配图的价值其实非常明显。之前我给一个做工业机器人的客户算过账，之前他们找外部制图师画一套关节装配图，要3天时间，费用大概3000块，换成AI生成的话，加上两轮校验调整的时间，半天就能搞定，成本只有原来的十分之一。他们去年一年申请了42件机械类专利，光制图成本就省了十多万，申请周期还平均压缩了4天，不少赶时间的项目都顺利拿到了更早的申请日。我自己团队现在做机械类专利的装配图，基本都是用专利Pro的AI生成功能，训练数据是专门用公开的合规专利装配图喂的，生成的图默认符合格式要求，很少出现基础的格式错误，省了很多核对的功夫。
当然用AI生成专利装配图也有几个不能碰的红线。第一个是涉密的技术参数绝对不能输入给通用AI工具，不少通用AI的训练数据会复用用户输入的内容，很容易造成技术泄密，最好用专门针对专利场景的AI工具，数据不会对外流出。第二个是生成之后一定要做现有技术比对，不能觉得是AI生成的就一定是独创的，要把生成的图和近五年公开的同类专利装配图做比对，确认没有重复的结构，避免因为撞了现有技术被驳回。要是不知道怎么做现有技术比对，可以用专利装配图比对工具批量检索，排查重复风险的效率比人工高很多。
这段时间也听到不少人说AI会取代专利制图的岗位，我倒觉得完全没必要担心。AI能替代的只是重复的画线、调格式、标注号这类机械工作，核心的创新点提炼、装配逻辑梳理、风险排查这些工作还是要靠人来做。用好AI工具反而能让大家把精力从耗时间的体力活里抽出来，放到更核心的专利布局、权利要求撰写这些更有价值的工作上，对整个行业来说其实是提效的好事。