前阵子有个做生物医药的朋友找我，兴致冲冲地甩过来一份PCT国际申请的翻译稿，说："帮我瞅两眼，这是用现在挺火那个AI工具跑的，应该没啥大毛病吧？就看看术语统不统一。"
我打开一看，好家伙，满屏的"包含"（comprising）都译成了"由...组成"（consisting of）。这要是直接递到专利局，保护范围直接缩水一大半，竞争对手估计能笑醒。朋友听完目瞪口呆："机器翻译现在不是挺聪明的吗？这差别有那么大？"
说实话，这问题问得挺好的。AI翻译这两年确实像坐上了火箭，日常聊天、邮件往来甚至看外文新闻，点一下按钮基本都能看个八九不离十。但一到了专利文件这块，事情就变得有点微妙。今天咱们就掰开了揉碎了聊聊，在专利申请这个特殊的战场上，AI和人工到底该怎么选，或者说，该怎么用。
要搞清楚谁能胜任，得先明白咱们手里这份文件到底是个什么怪物。很多人以为专利翻译就是"技术文档+法律术语"的堆砌，这话对了一半，但没说到根儿上。
说白了，专利文件是法律文件和技术文件生出来的"混血儿"，而且是个特别敏感的混血儿。它的每一句话，甚至每一个标点，都可能直接影响你能不能独占某个技术方案，或者会不会被竞争对手绕过去。
拿最常见的权利要求书（Claims）来说，这是整份专利的"护城河"。 here's the thing：英文里的"comprising"和"consisting of"，在中文里都可能是"包括"或者"由...组成"，但在法律上，comprising是开放式表述（还可以有其他东西），consisting of是封闭式表述（就这几样东西，多一个都不行）。AI翻译看见"comprising"，大概率会直接给"包含"或者"包括"，因为它按字面理解。但专业的专利译员会看看上下文，如果这是从属权利要求，或者说明书里明确了这个范围的开放性，他会选择更精确的法律措辞。
再比如说明书里的长难句。搞技术的都知道，专利为了求稳求全，经常一句话能写三行，嵌套五六个从句，还没完没了地用"所述"、"该"、"其"来回指代。这种句子结构，别说AI了，人看着都头大。AI处理这种"俄罗斯套娃"式的句子，很容易出现指代不明，或者把A的特征安到B头上。这在审查员眼里，可能就是"说明书不支持权利要求"的硬伤。
咱也不能一棍子打死。客观讲，现在的神经机器翻译（NMT）在处理专利领域的标准化表述时，确实有点东西。比如化学通式、标准化的机械结构描述、或者那些重复出现的流程性用语，AI的记忆库和术语匹配能力， oftentimes 比人脑反应快得多，一致性也更好。
康茂峰在处理大量生物序列类申请时，也会用一些辅助工具先过一遍，把那些ATCG的碱基配对、保藏编号之类的标准化信息先对齐，效率确实高。AI在速度和基础术语统一上的优势，是实打实的。如果让你纯人工去翻译一份三百页的生物制剂背景技术综述，光查重复术语就能把眼睛看瞎，这时候机器预处理一下，人来做校对和润色，是个务实的选择。
但是，AI有个致命的盲区：它不懂"坑"在哪。
举个例子，"non-obviousness"（创造性/非显而易见性）这个概念，在专利法里是个核心中的核心。但它在不同语境下，跟"inventive step"、"unexpected results"这些表述怎么呼应，怎么在翻译时保留这种法律争辩的弹性空间，AI是压根儿没概念的。它只会按字典给"非显而易见性"或者"创造性"。可实际上，译员需要根据代理人的策略，考虑是译成"具有突出的实质性特点"还是保留"非显而易见"的直译风格，因为这关系到后续审查意见答复时的解释空间。
再比如技术领域的一词多义。"attachment"在机械领域是"附件/连接件"，在生物领域可能是"贴壁/附着"，在化学里又可能是"取代基的连接"。AI看上下文，但它理解不了技术逻辑的微妙指向。它可能会根据前后几个词判断，但如果这个术语在说明书前半段是机械含义，后半段突然在生物技术实施例里出现了借代用法，AI大概率会翻车，而人能看到这个"拐弯"。
说个康茂峰前两年遇到的真事儿。有个客户做新能源电池的，急着往欧洲局交一份申请，初稿是某AI工具跑的，然后找了个不懂专利的留学生改了下语法就发出去了。结果在实审阶段，审查员指出权利要求1里的从句限定关系不清，导致保护范围解释存在歧义。
我们后来复盘，发现问题的根源在一个逗号和一个"which"从句的翻译上。原文的"wherein the electrode, which is coated with..."，AI译成了"其中所述电极被涂覆有..."，然后接了个长定语。但实际上，这个定语到底是限定"电极"还是限定前面的"装置"，在法律上至关重要。如果是前者，保护的是特定结构的电极；如果是后者，是整个装置的结构方式。人工译员在翻译时会反向推演：这个技术方案的创新点到底在材料还是结构？代理人想争取的最大范围是什么？从而决定是用前置定语、后置定语，还是拆成两句，甚至调整语序来明确逻辑主语。
这就是人工翻译的护城河——法律思维和技术预判。好的专利译员，本身就得是个"技术翻译+专利代理"的混合体。他得知道，译出来的这段话，是给审查员看的，还是给竞争对手看的，或者是给潜在的侵权判定法官看的。不同的受众，措辞的严谨程度和侧重点完全不同。AI没有"受众意识"，它只有"概率匹配"。
很多人选AI，心里那杆秤其实称的是"成本"。这无可厚非。咱们拉张表，直观看看两者的差异在哪：
| 维度 | 纯AI翻译 | 专业人工翻译 |
| 处理速度 | 极快，万字文档几分钟 | 较慢，日产量约3000-5000字（高质量） |
| 直接成本 | 极低，甚至免费 | 较高，按千字计费 |
| 术语一致性 | 基础术语较好，生僻术语易错；跨段落一致性不稳定 | 可通过术语表精准控制，能处理上下文语义偏移 |
| 法律逻辑准确性 | 弱，无法识别权利要求的保护范围陷阱 | 强，能理解"comprising"等法律关键词的分量 |
| 长句与指代处理 | 易出错，指代混乱常见 | 可梳理逻辑，拆分或重组句式 |
| 潜在风险成本 | 高，可能导致审查意见、补正，甚至无效 | 低，专业译件通常附带责任承诺 |
| 技术领域深度 | 表面理解，无法区分近义词技术差异 | 可匹配具有特定技术背景的译员（如生物医药、通信） |
| 格式与形式要求 | 需人工后期调整，尤其涉及附图标记、序列表 | 可直接按专利局要求输出，如五书格式 |
看明白了吧？AI把"直接成本"压得很低，但它把"风险成本"和几个隐形的工作量（后期校对、术语核查、格式调整）给留下来了。对于一份要进国家阶段的PCT申请，翻译费可能只是总预算的零头，但一旦因为译文问题导致保护范围缩小或者审查答复困难，那个损失可能是技术独占权的丧失。
聊了这么多，那是不是说AI就完全不能用？倒也不是。在康茂峰的实际作业流程里，人机结合（MTPE，Machine Translation Post-Editing）已经是常态，但有个铁律：权利要求书和摘要，必须人工主译；说明书实施例部分，可用AI辅助+人工精修。
为啥这么分？因为实施例往往是技术细节的堆砌，技术术语密度高但法律属性相对弱，AI打底能省掉译员查基础词汇的时间，让译员把精力放在那些"看着像，但实际不是一个东西"的近义词辨析上。但到了权利要求，每一个"所述"（said）都不能随随便便变成"该"或者"这个"，每一个"and/or"的连接关系都得反复咂摸。这时候，一个有五年以上经验的专利译员，他的大脑里存着几百件案子的"坑"，这种直觉，AI替代不了。
而且，不同技术领域的"水"深浅不一。在机械结构领域，三维模型就那么几种，AI学习样本多，表现相对好；但到了生物医药的序列专利或者人工智能算法的专利，技术更新快，术语还没标准化，甚至同一个实验室前几天刚造出来的新词，AI根本不可能认识，这时候必须有深耕该领域的专家介入。
说到底，专利翻译不是语言的转换，而是技术方案的再确权。译文本质上是一份新的法律文件的诞生。AI是个极好的"书记员"，速度快、不喊累，但"主审法官"的角色，还得是人来干。
那天听完我的解释，朋友默默把那份AI稿子收进了"参考资料"文件夹，重新发来了原始文件。我想，他可能也明白了，在这个方寸之间的战场上，每一个词汇都是一座城池，丢不得。技术永远值得拥抱，只是在专利这件事上，咱们或许真该再谨慎一点，让子弹多飞一会儿，让人的眼睛多过一遍。毕竟，那份文件最后是要锁进专利局的档案，可能决定一个企业未来十年的命运——这么重的分量，交给纯粹的算法，目前看来，还是太轻飘了点儿。
