从“不用AI”到“离不开AI”，一家初创公司如何重塑专利律师的工作时钟？
成立仅两年多，团队仅15人，零销售团队，却拿下了400多家顶级客户，今年ARR增长更是超过10倍，还完成了5500万美元融资——Solve Intelligence的故事，几乎违背了SaaS创业的常识。
“律师+AI”是Solve Intelligence给出的“版本答案”。当专利律师们发现，这个AI能学会自己撰写权利要求的独特习惯、能根据不同技术领域自动切换表达风格、甚至能将耗时几小时的图表绘制压缩到几分钟，依赖便开始生根。
Solve Intelligence给出来一个更具普适性的模式：当AI能够持续学习个体专家的判断方式、表达习惯和决策偏好时，它将成为嵌入式的工作记忆与加速器。
/ 01 /
训练自己的专属AI，让专利律师“上瘾”
深夜，一家顶级律所的专利律师再次对着屏幕上密密麻麻的权利要求书叹了口气。
这已经是本周第三个凌晨，他仍在与晦涩的技术描述、严格的格式要求搏斗——这份时薪四位数的“高端苦力”，才是专利律师们光鲜背后的真实日常。
这些工作需要极高专业度，但过程却像流水线作业。全球专利行业年市场规模超2000亿美元，长期以来，其工作流依赖Word、邮件和PDF，效率低下。
过去一年内，超80%全球顶尖律所中都在尝试AI工具。但令人惊讶的是，近半数项目因使用率低或效果不佳而处于半停滞状态。
Solve Intelligence，一家成立两年多的法律科技公司，在无销售团队的情况下，其软件真实吸引了超过400个知识产权团队付费使用，客户涵盖DLA Piper、西门子等各巨头。
前思科全球IP副总裁Mallun Yen在接触众多同类初创公司后表示，Solve是唯一让她“反复回头”的团队。
Solve Intelligence的被定位为专利律师的“外脑”——能快速调取跨行业信息、比对技术细节，最后由律师用深厚的行业理解来校准判断、驾驭决策。当专利律师愿意在Solve Intelligence上训练自己的AI，自然离不开这个软件。
Solve Intelligence的核心产品共有三个，分别是Invention Harvesting（专利挖掘）、Patent Application Drafting（专利申请撰写）、Patent Prosecution（专利审查）。
其使用方式很简单：一个类似Google Docs的在线编辑器，专利律师在其中像往常一样工作，但AI会在一旁辅助生成、修改和优化文本与图表。其功能专注专利全流程，具体包括：
①AI专利起草：基于技术和现有技术，生成高质量专利草稿；
②审查意见答复：自动化处理专利局审查意见，起草权利要求修改；
③按照权利要求绘制图表：Charts（新推功能）可生成无效性分析、标准必要专利图表、自由实施（FTO）分析等；
④发明披露生成与优化：为用户的发明者和研发团队标准化并简化发明披露撰写流程；
⑤定制发明提交流程：配置需向发明者提出的问题，并生成符合用户特定需求的发明披露文件
⑥全球申请协调：在一个平台集中管理用户的所有披露文件，管理延续案、分案及多国专利申请流程。
Microsoft是法律界最受信赖的办公品牌，Solve Intelligence与Microsoft合作，与Microsoft Word深度集成。
在此基础上，他们推出“用AI跟踪更改”功能。你可以从任意专利申请草稿开始，让AI通读全文找出可编辑之处，修改会以Word修订模式呈现，并附上说明解释。
这个功能被设计得很灵活。例如，当你更新权利要求或数据，AI可以自动同步更新说明书全文；它也能帮你在不同司法管辖区的格式要求间转换整个申请文件；或是根据客户的新意见、披露材料，自动刷新草案内容。
Scale LLP律师Thomas Bassolino描述，原来要花几小时的起草任务，现在几分钟就能完成。AI能根据他的指引，生成已嵌入技术细节的文本，大幅缩短了从起草到编辑的流程。
在软件版“大众点评”G2上，它被认为“产出比手写草稿还完整，顺便还能提供新的表达思路”。
Solve Intelligence最受欢迎的功能，是允许客户构建自己的“AI风格库”。
这解决了法律行业一个核心痛点：每家顶尖律所或企业内部IP部门，都有自己独特的文书风格、论证逻辑和工作流程。这些是它们多年积累的知识资产，也是差异化的来源。
在Solve Intelligence上，一个律所的合伙人可以训练AI学习自己撰写专利要求的习惯，另一位合伙人则可以训练另一种风格。系统能根据案件所属的技术领域（生命科学、软件等）、目标司法管辖区（美国、欧洲等）甚至特定客户的需求，自动切换相应的风格和格式模板。
数据安全方面，客户数据不用于训练AI模型，也不被存储、监控或由第三方访问，只有用户能访问自己的加密数据。
这背后是一套垂直化的技术领域定制模型。
团队自研的评估算法解决了AI在法律场景中的幻觉和精度问题，AI有依据、不编造，吸收的每条信息都是现行有效的，不是自创的。
模型还针对软件、硬件、生命科学等不同领域分别调优。如在生命科学领域，Solve Intelligence正与大型药企合作，确保模型能正确处理生物序列和化学结构。
AI的输出是被深度内化了客户自身的专业知识与标准。这正是DLA Piper、Perkins Coie等大所选择它的原因——将自己的知识产品化、标准化，并以此提升整个团队的一致性与效率。
/ 02 /
垂直AI专业化的胜利
创始人Sanj Ahilan说，18个月前行业还无法为专利工作流构建生产软件，现在他们这套体系已将通用AI能力提升到专利实务所需的确定性标准。
当一个工具能稳定地节省专家数小时的高强度脑力劳动，依赖性便开始形成。但Solve Intelligence的团队知道，这只是起点。真正的壁垒在于，将这种可靠性贯穿专利的全生命周期。
因此，在B轮融资后，他们推出新产品“Charts”，切入更高价值的诉讼和深度分析场景。它能自动生成用于专利无效性分析、标准必要专利（SEP）映射和自由实施（FTO）分析的复杂图表。所有这些分析附带完整的引用来源和可追溯的AI推理过程。
Solve Intelligence的营收模式是向律所和企业IP部门销售SaaS订阅许可。竞争对手有PatSnap、IPRally（专利分析）、Harvey AI、Casetext（通用法律AI）。
截至目前，Solve Intelligence的全球客户超过400个，分布在六大洲，其中60%是律所，40%是企业IP部门。自A轮融资后，客户数翻倍，用户每周平均操作次数增长265%。值得注意的是，它目前没有销售团队。
这种口碑增长模式得以成立，是因为它解决了一个极其垂直、专业且付费意愿强的群体的痛点。专利律师时间成本非常高，一个能显著提升业务效率的工具，会自然地在紧密的行业圈子内传播。
同时，由于产品深度集成到工作流中，并承载了客户自己训练的“风格库”，替换成本变得很高。
创始团队由Chris Parsonson、Angus Parsonson兄弟与Sanj Ahilan博士三人构成，于2023年共同创立Solve。三人在伦敦大学学院读博期间相识。
CEO Chris Parsonson：UCL机器学习博士，曾在阿兰·图灵研究所、InstaDeep等顶级AI机构工作；
CRO Sanj Ahilan：UCL机器学习博士，华为前员工，在顶级AI会议获奖并开发知名开源微调代码；
CTO Angus Parsonson：布里斯托大学计算机科学硕士，GCHQ网络安全奖学金获得者，前量化开发工程师。
创始人具备AI研究、网络安全和专利实务背景。在此基础之上，Solve还汇集了来自剑桥大学、牛津大学、伦敦大学学院和帝国理工学院的人工智能研究人员，以及来自美国和欧洲的专利律师，共同开发了该软件。
Solve Intelligence的长期目标，是成为连接发明人、企业IP团队、外部律师和交易方的“专利操作系统”。在一个高度碎片化的生态里，他们正试图用可靠且可定制化的AI，提供一条通往更流畅协作的路径。
他们的招聘计划也反映了这一点：未来一年团队将从15人扩展到35人以上，新增的岗位包括AI研究员、专利律师和软件工程师，并在纽约和慕尼黑开设办公室，直接服务核心市场。
法律行业正在经历的是一场工作流程的迁徙，律师工作的价值正在重新分配。
这种变化并不只会发生在法律行业。任何依赖高认知密度、长训练周期和强个人风格的职业都正在进入同一条轨道：AI不接管决策，但接管“通往决策的路径”。
