最近不少发明人问我同一个问题：把技术交底书丢给大模型，让它直接生成一份权利要求书，到底靠不靠谱？
我的回答不太想给一个简单的“靠谱”或“不靠谱”。更准确地说，AI生成出来的文本看起来往往很像权利要求书，但“像”和“能提交”之间，隔着专利代理里最吃功夫的部分。它可以帮你起草初稿、整理特征、换一种表达方式，却不适合在无人判断的情况下直接作为申请文本。
先说一个常见场景。一位做机械结构改进的发明人，把产品说明、几张结构图和功能描述发给AI，让它生成独立权利要求和十条从属权利要求。几秒钟后，文本出来了：“一种……装置，其特征在于，包括……”格式齐整，术语密集，甚至还知道写“优选地”“进一步地”。发明人一看觉得很专业，就想直接提交。
问题往往藏在这种整齐里。
一、AI最容易给出“格式正确、保护落空”的文本
权利要求书不是技术说明书的缩写版。它的核心任务是划定保护边界：哪些特征是必要技术特征，哪些可以放到从属权利要求里；独立权利要求要不要概括得更宽，概括后能否得到说明书支持；某个连接关系写成“固定连接”还是“可拆卸连接”，都可能影响侵权认定。
AI常见的处理方式，是把交底材料里的具体结构尽量完整地搬进独立权利要求。这样写出来的方案确实“像”，也比较容易满足形式要求，但保护范围可能被缩得很窄。竞争对手只要换掉其中一个非必要部件，或者改变一个具体结构，就可能绕开。
还有一种相反情况：AI为了让权利要求显得概括，会使用“连接部”“配合机构”“驱动模块”这类抽象词，却没有在说明书里给出足够实施方式。这样的独立权利要求看起来范围很大，审查时却可能因为公开不充分或得不到支持而出问题。
所以，判断AI文本能不能用，不能只看语言顺不顺，而要逐句问：这个特征是不是必须放进独权？这个上位概念有没有实施例支撑？这个限定会不会把自己的保护范围限死？
二、别把专利检索和权利要求布局混为一谈
很多人对AI写权利要求书的期待，还包含“帮我避开现有技术”。这件事尤其要谨慎。
通用AI模型并不等同于专利数据库。它可能基于训练语料提供一些技术描述，却无法保证已经检索过相关专利、审查意见和最新公开文献。你问它“这个方案有没有新颖性”，它给出的判断往往不能当作检索结论。
正确做法是先做专门的专利检索，再根据现有技术调整独立权利要求的层次。比如，最接近的现有技术已经公开了A和B，你的改进点在C以及C与B的协同关系，那独权就不能把A、B、C、D、E全部不分轻重地堆进去。可以先用较宽的A+B+C争取范围，再把优选结构、具体参数、材料选择、控制步骤放进从权，形成退可守的层次。
如果只是自己先练手，或者需要一个讨论底稿，AI可以提高效率；但真正申请前，最好还是结合专业检索结果和代理人意见。平时我也会顺手用 专利Pro 这类工具先查相关专利和对比文件，比单纯让大模型“凭印象判断现有技术”稳得多。
三、AI适合做什么，不适合做什么
我并不排斥AI。相反，现在处理一些文字工作时，AI确实能省时间，但边界要划清楚。
比较适合让AI做的事，包括：把零散的技术交底整理成特征清单；把冗长的产品描述压缩成模块化表达；根据已有权利要求检查编号、引用关系和形式问题；对同一技术特征生成几种备选表述；把明显口语化的句子改成专利文本常用语言。
比如发明人写“这个板子卡进去以后，压一下开关，电机就带着推杆往前走”，AI可以整理成“所述开关被配置为在所述板体与卡槽配合后触发驱动件，所述驱动件驱动推杆沿第一方向移动”。这一步没有问题，甚至很高效。
但接下来，“板体与卡槽配合”是不是必须写明？“第一方向”是否需要定义？开关触发是否属于必要步骤？驱动件是否能上位为“致动器”？这些都要结合发明目的和现有技术判断。AI可以给选项，但不能替你承担保护策略。
不适合直接交给AI决定的事，包括独权保护范围、必要技术特征取舍、功能性限定的使用、方法步骤划分、等同侵权空间、审查答复中的修改方向。尤其是软件、通信、算法、商业方法类方案，权利要求里一个步骤顺序的变化，都可能影响方案是否落入保护范围。
四、拿到AI初稿后，具体应该怎么改
如果你确实想用AI先起草，我建议把它当成“实习生交上来的第一版”，而不是定稿。
第一步，先核对技术事实。AI有时会自行补充结构、功能或因果关系，甚至把交底书里没有的内容写得煞有介事。每个部件、每个连接关系、每个步骤条件，都要能在技术方案或说明书里找到依据。
第二步，划掉独立权利要求里的非必要特征。判断标准不是“这个东西产品里有没有”，而是“少了它，技术问题是否仍能解决”。能通过上位概念概括的，不要急着写具体型号；能采用可选实施方式承载的，不要压进独权。
第三步，检查从属权利要求的退路。从权不是数量越多越好，而要覆盖关键优选方案和规避设计。比较理想的状态是：独权被现有技术打掉后，可以把某个从权特征补进去，仍能形成有商业价值的保护范围。
第四步，看权利要求与说明书的支持关系。权利要求里出现的概括性术语，说明书最好有多个实施例或至少有可实施的结构、步骤支撑；涉及参数范围的，要确认边界清楚；涉及功能的，不能只写功能而不交代如何实现。
第五步，做专利检索和自由实施层面的风险判断。这里说的不是形式上搜个名字，而是围绕核心改进点检索相近分类号、关键词、同义词和竞品专利。需要系统处理的，也可以找专业的 专利撰写 服务，别把AI输出直接当成可提交版本。
五、AI真正的价值，是缩短“从0到1”，不是替你决定保护边界
权利要求书写得好不好，短期看形式，长期看维权。申请阶段省下的几个小时，可能在无效或侵权诉讼中用几十倍代价还回来。一个过窄的权利要求，授权概率也许不低，但市场价值有限；一个没有支撑的过宽权利要求，又可能在审查或无效中被击穿。
AI最实际的价值，是把发明人脑子里零散的方案快速结构化，让代理人或发明人把时间花在更重要的判断上：发明点到底是什么，现有技术缺口在哪里，竞争对手可能怎么绕，权利要求如何分层。
所以，回到题目本身：AI生成权利要求书靠谱吗？
如果你的意思是“能不能生成一份像样的文本”，答案是可以，而且越来越熟练。如果你的意思是“能不能不经过专业判断直接提交”，我的建议是不要。尤其是高价值专利、核心产品和容易被模仿的技术方案，最好把AI放在辅助位置，由懂技术、懂检索、懂权利要求布局的人来做最后判断。
工具越方便，越要知道哪里不能偷懒。权利要求书恰恰就是那个不能只看表面整齐的地方。