AI顛覆專利申請！6個月ARR增長10倍，它如何成為律師最佳“外腦”

從“不用AI”到“離不開AI”，一家初創公司如何重塑專利律師的工作時鐘？

成立僅兩年多，團隊僅15人，零銷售團隊，卻拿下了400多家頂級客戶，今年ARR增長更是超過10倍，還完成了5500萬美元融資——Solve Intelligence的故事，幾乎違背了SaaS創業的常識。

“律師+AI”是Solve Intelligence給出的“版本答案”。當專利律師們發現，這個AI能學會自己撰寫權利要求的獨特習慣、能根據不同技術領域自動切換表達風格、甚至能將耗時幾小時的圖表繪制壓縮到幾分鐘，依賴便開始生根。

Solve Intelligence給出來一個更具普適性的模式：當AI能夠持續學習個體專家的判斷方式、表達習慣和決策偏好時，它將成為嵌入式的工作記憶與加速器。

訓練自己的專屬AI，讓專利律師“上癮”

深夜，一家頂級律所的專利律師再次對著屏幕上密密麻麻的權利要求書嘆了口氣。

這已經是本周第三個凌晨，他仍在與晦澀的技術描述、嚴格的格式要求搏斗——這份時薪四位數的“高端苦力”，才是專利律師們光鮮背后的真實日常。

這些工作需要極高專業度，但過程卻像流水線作業。全球專利行業年市場規模超2000億美元，長期以來，其工作流依賴Word、郵件和PDF，效率低下。

過去一年內，超80%全球頂尖律所中都在嘗試AI工具。但令人驚訝的是，近半數項目因使用率低或效果不佳而處于半停滯狀態。

Solve Intelligence，一家成立兩年多的法律科技公司，在無銷售團隊的情況下，其軟件真實吸引了超過400個知識產權團隊付費使用，客戶涵蓋DLA Piper、西門子等各巨頭。

前思科全球IP副總裁Mallun Yen在接觸眾多同類初創公司后表示，Solve是唯一讓她“反復回頭”的團隊。

Solve Intelligence的被定位為專利律師的“外腦”——能快速調取跨行業信息、比對技術細節，最后由律師用深厚的行業理解來校準判斷、駕馭決策。當專利律師愿意在Solve Intelligence上訓練自己的AI，自然離不開這個軟件。

Solve Intelligence的核心產品共有三個，分別是Invention Harvesting

（專利挖掘）

（專利申請撰寫）

（專利審查）

其使用方式很簡單：一個類似Google Docs的在線編輯器，專利律師在其中像往常一樣工作，但AI會在一旁輔助生成、修改和優化文本與圖表。其功能專注專利全流程，具體包括：

①AI專利起草：基于技術和現有技術，生成高質量專利草稿；

②審查意見答復：自動化處理專利局審查意見，起草權利要求修改；

③按照權利要求繪制圖表：Charts

（新推功能）

可生成無效性分析、標準必要專利圖表、自由實施（FTO）分析等；

④發明披露生成與優化：為用戶的發明者和研發團隊標準化并簡化發明披露撰寫流程；

⑤定制發明提交流程：配置需向發明者提出的問題，并生成符合用戶特定需求的發明披露文件

⑥全球申請協調：在一個平臺集中管理用戶的所有披露文件，管理延續案、分案及多國專利申請流程。

Microsoft是法律界最受信賴的辦公品牌，Solve Intelligence與Microsoft合作，與Microsoft Word深度集成。

在此基礎上，他們推出“用AI跟蹤更改”功能。你可以從任意專利申請草稿開始，讓AI通讀全文找出可編輯之處，修改會以Word修訂模式呈現，并附上說明解釋。

這個功能被設計得很靈活。例如，當你更新權利要求或數據，AI可以自動同步更新說明書全文；它也能幫你在不同司法管轄區的格式要求間轉換整個申請文件；或是根據客戶的新意見、披露材料，自動刷新草案內容。

Scale LLP律師Thomas Bassolino描述，原來要花幾小時的起草任務，現在幾分鐘就能完成。AI能根據他的指引，生成已嵌入技術細節的文本，大幅縮短了從起草到編輯的流程。

在軟件版“大眾點評”G2上，它被認為“產出比手寫草稿還完整，順便還能提供新的表達思路”。

Solve Intelligence最受歡迎的功能，是允許客戶構建自己的“AI風格庫”。

這解決了法律行業一個核心痛點：每家頂尖律所或企業內部IP部門，都有自己獨特的文書風格、論證邏輯和工作流程。這些是它們多年積累的知識資產，也是差異化的來源。

在Solve Intelligence上，一個律所的合伙人可以訓練AI學習自己撰寫專利要求的習慣，另一位合伙人則可以訓練另一種風格。系統能根據案件所屬的技術領域

（生命科學、軟件等）

（美國、歐洲等）

數據安全方面，客戶數據不用于訓練AI模型，也不被存儲、監控或由第三方訪問，只有用戶能訪問自己的加密數據。

這背后是一套垂直化的技術領域定制模型。

團隊自研的評估算法解決了AI在法律場景中的幻覺和精度問題，AI有依據、不編造，吸收的每條信息都是現行有效的，不是自創的。

模型還針對軟件、硬件、生命科學等不同領域分別調優。如在生命科學領域，Solve Intelligence正與大型藥企合作，確保模型能正確處理生物序列和化學結構。

AI的輸出是被深度內化了客戶自身的專業知識與標準。這正是DLA Piper、Perkins Coie等大所選擇它的原因——將自己的知識產品化、標準化，并以此提升整個團隊的一致性與效率。

垂直AI專業化的勝利

創始人Sanj Ahilan說，18個月前行業還無法為專利工作流構建生產軟件，現在他們這套體系已將通用AI能力提升到專利實務所需的確定性標準。

當一個工具能穩定地節省專家數小時的高強度腦力勞動，依賴性便開始形成。但Solve Intelligence的團隊知道，這只是起點。真正的壁壘在于，將這種可靠性貫穿專利的全生命周期。

因此，在B輪融資后，他們推出新產品“Charts”，切入更高價值的訴訟和深度分析場景。它能自動生成用于專利無效性分析、標準必要專利

（SEP）

（FTO）

Solve Intelligence的營收模式是向律所和企業IP部門銷售SaaS訂閱許可。競爭對手有PatSnap、IPRally

（專利分析）

（通用法律AI）

截至目前，Solve Intelligence的全球客戶超過400個，分布在六大洲，其中60%是律所，40%是企業IP部門。自A輪融資后，客戶數翻倍，用戶每周平均操作次數增長265%。值得注意的是，它目前沒有銷售團隊。

這種口碑增長模式得以成立，是因為它解決了一個極其垂直、專業且付費意愿強的群體的痛點。專利律師時間成本非常高，一個能顯著提升業務效率的工具，會自然地在緊密的行業圈子內傳播。

同時，由于產品深度集成到工作流中，并承載了客戶自己訓練的“風格庫”，替換成本變得很高。

創始團隊由Chris Parsonson、Angus Parsonson兄弟與Sanj Ahilan博士三人構成，于2023年共同創立Solve。三人在倫敦大學學院讀博期間相識。

• CEO Chris Parsonson：UCL機器學習博士，曾在阿蘭·圖靈研究所、InstaDeep等頂級AI機構工作；

• CRO Sanj Ahilan：UCL機器學習博士，華為前員工，在頂級AI會議獲獎并開發知名開源微調代碼；

• CTO Angus Parsonson：布里斯托大學計算機科學碩士，GCHQ網絡安全獎學金獲得者，前量化開發工程師。

創始人具備AI研究、網絡安全和專利實務背景。在此基礎之上，Solve還匯集了來自劍橋大學、牛津大學、倫敦大學學院和帝國理工學院的人工智能研究人員，以及來自美國和歐洲的專利律師，共同開發了該軟件。

Solve Intelligence的長期目標，是成為連接發明人、企業IP團隊、外部律師和交易方的“專利操作系統”。在一個高度碎片化的生態里，他們正試圖用可靠且可定制化的AI，提供一條通往更流暢協作的路徑。

他們的招聘計劃也反映了這一點：未來一年團隊將從15人擴展到35人以上，新增的崗位包括AI研究員、專利律師和軟件工程師，并在紐約和慕尼黑開設辦公室，直接服務核心市場。

法律行業正在經歷的是一場工作流程的遷徙，律師工作的價值正在重新分配。

這種變化并不只會發生在法律行業。任何依賴高認知密度、長訓練周期和強個人風格的職業都正在進入同一條軌道：AI不接管決策，但接管“通往決策的路徑”。

文/朗朗

PS：如果你對AI大模型領域有獨特的看法，歡迎掃碼加入我們的大模型交流群。