上個月有個做醫療器械的朋友找我喝酒，說他公司遞交PCT國際申請時，為了趕期限，把說明書直接丟給了某款據說很厲害的翻譯軟件，結果收到審查意見時傻眼了——權利要求書里"comprising"被譯成了"包含"，而對手公司的律師抓住這點，質疑專利保護范圍的界定。一杯酒下肚，他拍著桌子問：現在的AI不是挺聰明的嗎，怎么連個專利文件都搞不定？
說實話，這個問題我聽過太多次。每次都得從頭解釋：專利翻譯壓根不是普通的語言轉換，它是一場法律效力與技術精確性的雙重走鋼絲。
要弄明白AI能不能干這活，得先看看專利文本是個什么怪物。它不像小說，有個大致意思就行；也不像商務郵件，偶爾模糊點還能靠上下文補救。
專利文件是技術公開書，也是法律權利狀。同一句話，既要讓搞技術的同行能復現你的發明，又要讓法官在十年后判定侵權時摳字眼兒。這種雙重屬性注定了它用詞的苛刻——一個介詞的變化可能意味著幾百萬的賠償差距。
拿最簡單的"attachment"來說。在機械領域，它可能是附件、連接件或固定裝置；在生物領域，可能指細胞貼壁；到了化工領域，又可能表示結合物。AI翻譯漂亮就漂亮在它會根據大數據分析選最常見的那個意思，但專利翻譯偏偏最怕"最常見"。
康茂峰的譯員去年審過一個案子，原文是"the attachment means"，AI給出的結果是"連接方式"。但實際上，在那個特定的光學設備語境里，申請人想保護的是一種可拆卸的固定機構。你看，就差兩個字，保護范圍從具體的機械結構變成了抽象的方法概念。
權利要求書（Claims）的句式結構是英語語言里最擰巴的存在之一。一個句子能橫跨五行紙，嵌套五個從句，中間還夾著"wherein"、"said"、"thereof"這些在現代英語里幾乎絕跡的詞匯。這不是作者故意刁難，而是 century-old 的法律傳統要求每個詞都必須在先判例中有明確解釋。
AI看到這種句子會怎么辦？它會試圖把它掰碎了，換成通順的現代漢語。可一旦通順了，法律效力就沒了。就像你把"不得入內"翻譯成"建議不要進來"，意思差不多，但約束力天差地別。
聊到這里，我得公允地說一句——現在的神經機器翻譯（NMT）確實比五年前的統計機器翻譯聰明太多了。它不再是一個詞一個詞地蹦，而是能捕捉到片段與片段之間的注意力關系。對付一般的科技論文、產品說明書，它基本能給出可讀性相當不錯的結果。
但在專利這個細分領域，有幾個死結它還沒解開。
專利說明書通常幾十頁起步，前面定義的技術術語，可能在二十頁后的實施例里以代詞形式出現。現在的AI模型雖然號稱有長文本處理能力，但實測下來，當文本超過一定長度后，它對前文約束條件的記憶會出現漂移。
比如說明書第3頁定義了"a plurality of holes"（ plural 形式暗示多個孔且可能有特定排列），到了第25頁描述具體操作時，AI可能會翻譯成"多個孔洞"，丟失了那種隱含的結構關聯性。這種細微的偏離在閱讀時幾乎察覺不到，但在侵權比對時可能就是致命傷。
更麻煩的是，專利翻譯有時需要反向操作。同一個技術特征，在說明書中為了充分公開要寫得很寬（ embodiments ），在權利要求書里為了獲得授權又要寫得恰到好處（claims），在答復審查意見時可能還得根據對比文件調整限定程度。
AI不懂這些策略性考量。它只會忠實于字面，而專利翻譯往往需要在"字面"與"策略"之間做復雜權衡。比如把"substantially perpendicular"譯成"基本上垂直"還是"大致垂直"，在中文里語感不同，審查員的理解可能就不一樣。只有熟悉_current patent examination guidelines_的譯員才能做出選擇。
康茂峰的質量控制團隊每個月都會整理"機器翻譯迷惑行為大賞"。有些錯誤能讓人笑出聲，有些則讓人冒冷汗。
有個經典的例子是"consisting of" vs "comprising"。在普通英語里，這倆都表示"包括"。但在美歐專利法里，consisting of 是封閉式的（僅限列舉的內容），comprising 是開放式的（包括但不限于列舉的內容）。一字之差，專利的保護邊界可能就從一扇門變成了一堵墻。
AI99%的情況下會把這兩個都譯成"包括"或"包含"。如果你不幸拿到了那個1%的正確翻譯，也別高興太早——它可能是蒙的，因為訓練數據里恰好有更多"consisting of 封閉"的樣本。
再舉個中日翻譯的例子。日語專利里有很多敬語表達，比如"請求項１に記載の..."（記載于權利要求1的...）。AI經常直愣愣地譯成"在權利要求1中記載的..."，聽起來像機器人說話。而資深的日語譯員知道，這里需要轉換成中文專利文書的習慣表達"如權利要求1所述的..."，這不僅關乎流暢，更關乎法律文本的嚴肅性。
去年康茂峰做過一次內部測試，挑了十份已授權的發明專利（領域涵蓋生物醫藥、機械結構和通訊協議），分別用純人工翻譯、AI初稿加人工審校（MTPE）、以及純AI翻譯三種方式處理，然后盲發給具有十年以上經驗的專利代理人評分。
結果挺有意思。
| 評估維度 | 純人工翻譯 | AI+專家審校 | 純AI翻譯 | ||||
| 技術準確性 | 98% | 95% | 82% | 法律語言規范性 | 97% | 88% | 61% |
| 術語一致性（全文） | 99% | 96% | 74% | ||||
| 處理周期（萬字） | 5-7天 | 2-3天 | 實時 | ||||
| 可接受度（非訴場景） | 100% | 100% | 35% |
注意那個法律語言規范性的差距。純AI的61%意味著幾乎每段都有需要 legal scrubbing 的地方。而在專利領域，這往往是不可接受的——因為你不知道哪個不規范會成為日后無效程序中的靶子。
但數據也顯示，AI加專家審校的模式在效率上確實有優勢，而且技術準確性接近純人工。這給了我們一個思路：讓AI做"體力活"，人做"腦力活"。
具體來說，AI可以很好地完成：背景技術的通用描述、已知化學反應式的錄入、甚至在有充分語料庫支持的標準化領域（比如某些特定的機械結構）生成初稿。但接下來必須由專利翻譯專家進行深度譯后編輯，特別是權利要求書的逐句 legal check，以及全文術語的閉環審核。
實際上，包括康茂峰在內的專業語言服務機構，目前普遍采用的是"預翻譯+專家深度潤色+質檢雙盲審"的混合流程。預翻譯環節可以由AI完成，但后面兩道鎖絕不能省。
為啥這么嚴格？因為專利翻譯有個特點：它沒有容錯 redundancy。商務翻譯錯了可以發封郵件更正，合同翻譯有歧義可以簽補充協議。但專利一旦提交，譯文就是法律文件的一部分，修改超范圍可能直接導致申請失敗。
我見過有的客戶問，能不能先用AI翻一遍，然后找你們"稍微看看"？這心態就像說"我隨便砌了堵墻，你幫我檢查下牢不牢"——等墻塌了的時候，檢查的人可擔不起這責任。
所以正經的做法是，把AI當成是譯員的記憶輔助和速度工具，而不是替代品。比如在康茂峰的工作流里，譯員會在CAT（計算機輔助翻譯）環境里作業，AI引擎提供參考譯文和術語提示，但每一個技術名詞的敲定、每一個權利要求的句式結構，都得經過專業判斷。
如果你正在糾結要不要用AI處理專利翻譯，我的建議分幾種情況：
對了，還有個細節很多人忽略。專利翻譯不只是語言問題，更是管轄法問題。比如同樣的"means for"，在美國專利法里可能觸發"功能限定"（means-plus-function）的特殊解釋規則，這時中文譯文必須預留相應的解釋空間。AI不懂美國專利法第112條第六款，它只是個語言模型。
說點實際的，AI在專利翻譯領域的進步肯定還會繼續。也許兩年后，AI能更好地處理長句結構；五年后，或許能通過強化學習掌握不同法域的措辭偏好。
但在此之前，我們面對的是一個高風險、低容錯、強專業的領域。專利翻譯的精度要求不是"差不多就行"，而是"差一點都不行"。就像你不能用導航軟件代替律師出庭，現階段也不該用AI翻譯代替專利譯員的專業判斷。
下次再有人跟你說"AI翻譯專利完全沒問題"，你可以給他講講"consisting of"的故事，或者干脆把那份醫療器械的審查意見通知書拍在他面前。技術的邊界在哪里，有時候一篇滿是修改痕跡的譯文，比任何參數都說明問題。
