当前位置: 首页 > news >正文

AI专利申请怎么写技术交底书

一、AI辅助发明的技术交底书,比传统发明多了一件事

传统发明的技术交底书要写清楚3件事:技术问题、技术方案、技术效果。AI辅助发明的技术交底书要多写一件事:你对技术方案作出了什么实质性贡献——AI做了什么,你做了什么。

为什么多这一件事?因为国家知识产权局在《人工智能相关发明专利申请指引(试行)》中明确:发明人只能是自然人,AI不能作为发明人。你的技术交底书必须能让审查员看到“你的实质性贡献在哪里”——如果交底书只写了AI输出的方案,看不出你的贡献,你的发明人资格可能被质疑。

AI辅助发明的技术交底书 = 传统交底书的3要素 + 实质性贡献说明。

二、AI辅助发明技术交底书的4个核心要素

要素1:技术问题——你发现了什么问题?

描述你发现的技术问题。这个问题是你定义的,不是AI生成的。

写法:“现有XX技术存在XX缺陷,导致XX问题。” 这一段说明技术问题的发现和定义是你完成的——这是实质性贡献的第一个要素。

要素2:技术方案——你和AI各自做了什么?

描述技术方案的产生过程,重点区分你和AI的贡献:

  • AI做了什么:AI生成了哪些方案?做了哪些参数优化?做了哪些模拟计算?
  • 你做了什么:你从AI的输出中选择了哪个方案?做了什么改进?组合了哪些技术特征?调整了哪些参数?

写法:“使用AI工具生成了3个候选方案,经分析比较,选择方案A作为基础,对其XX参数从X调整为Y,并增加了XX技术特征,最终形成本方案。”

关键点:不要只写最终方案,要写“从AI输出到最终方案”的改进过程——这个过程就是你的实质性贡献。

要素3:技术效果——你的改进带来了什么提升?

描述你的改进相比AI原始输出的提升效果。

写法:“AI原始方案的XX指标为X,经本方案改进后提升至Y,提升幅度约Z%。” 这一段说明你的改进产生了技术效果——这是实质性贡献的第三个要素。

要素4:AI使用说明——你用了什么AI工具,怎么用的?

描述你使用的AI工具和使用方式:

  • AI工具名称和版本
  • 输入了什么提示词或参数
  • AI输出了什么内容
  • 你对AI输出做了什么处理

写法:“使用XX AI工具(版本X.X),输入技术需求描述,AI输出3个候选方案。经人工筛选和改进,形成最终技术方案。”

关键点:建议主动披露AI使用情况——有助于审查员理解你的实质性贡献,避免后续因AI使用问题被质疑发明人资格。

三、传统交底书 vs AI辅助发明交底书

要素

传统交底书

AI辅助发明交底书

技术问题

描述技术问题

同 + 说明问题是你发现的

技术方案

描述最终方案

同 + 说明你和AI各自做了什么

技术效果

描述技术效果

同 + 说明你的改进带来的提升

AI使用说明

说明用了什么AI、怎么用的

核心区别:AI辅助发明的交底书要写清楚贡献链——技术问题谁发现的、AI生成了什么、你做了什么选择和改进,每一步的贡献落在谁身上要写明白。

四、3个要素没写对,交底书就白写了

上面4个要素,最容易犯的错就3个——只写最终方案不写改进过程、把AI输出当自己的发明、不披露AI使用情况。核心就一句话:交底书要写清楚贡献链,从技术问题发现到AI生成到你的改进,每一步的贡献落在谁身上要写明白。

五、自查:你的AI辅助发明交底书写对了吗?

  1. 你的交底书有没有写“你和AI各自做了什么”?还是只写了最终方案?
  2. 你的交底书有没有说明技术问题是你发现的?还是看起来像是AI定义的?
  3. 你的交底书有没有披露AI使用情况?还是隐瞒了AI的使用?

交底书写的是贡献链——你做了什么、AI做了什么——这一步写不清楚,后面的专利申请和权属证明都会出问题。如果你不确定交底书怎么写,郑州裕晟知识产权代理事务所(特殊普通合伙)提供AI辅助发明的技术交底书撰写指导和专业代理撰写服务。

AI辅助发明的交底书不是把AI输出抄一遍,是讲清楚你的手在哪里动过这个方案——你的实质性贡献,决定了这个专利是不是你的。

http://www.cnnetsun.cn/news/4170862.html

相关文章:

  • Vue+Flask求职推荐系统:Apriori算法优化人岗匹配
  • C++模板分离编译问题解析:从链接错误到模板特化实战
  • 华为杯数学建模竞赛全流程实战指南:从组队到论文的避坑经验
  • PySpark岭回归实战:大数据场景下的线性模型调优与避坑指南
  • 模型路由引擎:应对AI技术奇点的灵活架构与自建指南
  • Python爬虫实战:基于最新技术的招聘信息抓取系统
  • Python 适合做 Web 后端吗?对比 Java、Go,优缺点讲明白
  • Vue+Flask构建毕业生招聘推荐系统实战
  • 武汉市人社局:关于2026年度职称评审工作的重要通知+工作重点
  • Metis:桥接文本与代码记忆,驱动AI智能体自我进化的核心技术
  • SAP ME实施落地指南:从核心概念到生产订单全流程解析
  • 英语五大基础句型+谓语、非谓语和时态
  • L1正则化原理详解:从几何直观到稀疏解的产生机制
  • 基于SpringBoot的智慧教学平台中智能问答系统(源码+文档+讲解视频)
  • S-JEPA中GMM概率映射对编码器表示质量的关键影响
  • DHCP三剑客配置(2)
  • 03-02-线性-List-T-动态数组布局-扩容与操作成本
  • 开源跨平台SSH工具全解析:集成数据库管理、云端同步的远程工作台
  • C++ CRTP模式:从静态多态到表达式模板的编译期优化实践
  • 字典数据结构实战:从算法竞赛题看哈希表的应用与优化
  • 知医邦AI五音闻诊,实现辨音听曲养生
  • 插值与拟合:从数据点到连续模型的数学工具选择与实践
  • 嵌入式IDE变天:开发正在Agent化
  • 投票活动出现异常怎么排查?刷票误判、数据异常、访问卡顿等场景全解
  • 2026毕业生必备:十大AI写作工具评测与求职应用指南
  • SVM实战:从葡萄酒分类看机器学习分类算法原理与应用
  • MSTP 多实例生成树配置详解(负载分担实战)
  • 移动硬盘选购终极指南:从机械到固态,16款主流产品横向评测
  • 频谱检索:多尺度Sinc卷积如何解决大模型多智能体系统的检索粒度失配问题
  • Calibre:开源电子书管理神器,一站式解决格式转换与元数据整理