近期，围绕“AI 批量生成技术文献会不会冲击专利新颖性判断”的讨论，在欧洲专利实务圈明显升温。公开可确认的基础，并不是一份已公开的新法条，而是 EPO 2026 版《审查指南》中继续保留并强调的老规则：被援引的文献性现有技术，必须向本领域技术人员提供足以实施相关技术教导的信息。换句话说，文本写得像一回事，并不自动等于它真能拿来毁掉申请。
这条规则放到生成式 AI 语境里，分量一下变重了。尤其在化学、材料、生物和配方类案件中，海量自动枚举的分子、马库什组合或功能性设想，看上去很容易制造“先公开过”的压力；但只要文献缺乏可重复的技术路线、关键参数或实验支撑，申请人就有空间把争点从“像不像现有技术”拉回到“它到底能不能被真实实施”。
登录后继续阅读全文
登录或注册后可阅读完整内容，包括详细分析与实务建议。
争点不在“是不是 AI 写的”，而在技术教导有没有落地
欧洲专利法并没有因为生成式 AI 的出现，突然发明出一套全新的现有技术规则。真正可依赖的，仍然是老问题：一份文献如果要在新颖性或创造性上产生实质杀伤，它所披露的技术内容必须让本领域技术人员在相关日期能够据以实施。EPO 指南对这一点写得并不含糊，尤其在化学与配方类场景里，单有名称、公式或概念性描述，并不当然等于已经把该技术教导真正交给了公众。
这也是为什么“AI 生成文献”本身并不会自动失去现有技术资格，但它也不会因为表述工整、结构完整，就自动获得更高证明力。审查员和对方当事人如果援引某份机器批量生成的公开材料，真正要过关的，不是文风，而是实施路径：关键参数在哪里，工艺条件有没有交代，所得结果是否可信，技术效果是不是只停留在预测层面。只要这些点说不实，文本再多，也可能只是噪音。
最敏感的地带，在马库什结构和大规模组合生成
这个问题在化学、生物医药和新材料案件里最尖锐。生成式工具特别擅长做一件事：在极短时间里吐出巨量“看起来合理”的组合。分子替代位点、取代基排列、配方区间、用途设想，都能被迅速铺满。表面上看，这类文献很容易把申请人的权利要求压进一片早已公开的树林里；可一旦往下追问，很多组合并没有合成路线，没有分离纯化条件，没有稳定性或活性数据，甚至连反应能否跑通都没有交代。
这正是答审时可以发力的地方。对马库什类文献而言，广泛列举不必然等于具体公开，更不必然等于使能公开。申请人完全可以要求把分析拉回 EPO 一直强调的核心：本领域技术人员在申请日前，是否真的能够基于该文献和一般知识，把被援引的具体化合物、组合或用途做出来，并合理预期其具备所称技术效果。做不出来，或者做出来也得不到文献暗示的效果，杀伤力就会明显下降。
对申请人来说，这不是理论问题，而是答审节奏问题
过去碰到看似覆盖面极广的对比文件，很多团队第一反应是先收窄、先让步，尽快把新颖性压力卸掉。现在未必需要这么快后撤。若对比文件带有明显的自动生成痕迹，申请人应优先判断的，不只是它覆盖了多少文字范围，而是它有没有把关键实施信息讲到位。尤其在欧洲程序里，一旦能把争点重新压到 enablement，上来就被“海量公开”压住的局面，往往会松动。
这会改变答复顺序。与其先急着解释为什么自己的方案与对比文件不同，不如先拆对方文献的可实施性基础：哪些实施步骤缺失，哪些技术效果没有支撑，哪些范围只是自动拼接出来的理论覆盖，哪些结论需要过度试验才能验证。顺序一变，案件重心就会跟着变。很多看似凶狠的 AI 现有技术，真正细看时并没有想象中稳。
企业现在更该做的，是把“反击点”提前准备出来
第一，研发记录要留得更细。面对 AI 生成文献，最有说服力的回应不是抽象地说“它不靠谱”，而是具体说明为什么本领域技术人员无法按照该文献完成制备、筛选、验证或放大。第二，答审材料要更重视实验与参数。谁能把失败路径、必要条件和技术门槛说清楚，谁就更容易把 enablement 争点打实。第三，检索与监测也该升级。若竞争对手或第三方持续在线投放自动生成技术文本，企业越早识别其公开时间、版本稳定性和技术缺口，越容易在程序中掌握主动。
这场变化的核心，其实不是 EPO 会不会给 AI 文献一个单独标签，而是审查与争议程序正在更现实地追问一句话：你援引的那份现有技术，究竟把技术真正交给了公众，还是只是把可能性堆成了一页页文字。对申请人而言，这恰恰是今天最值得用好的防线。
