先申请制把专利变成一场速度竞赛，而大多数人连起跑线都摸不到

2026年，全球每一个专利体系都已经切换为先申请制。规则不再关心谁先发明，只关心谁先提交。对于拥有内部知识产权团队的大型科技公司，从技术披露到提交申请可以在48小时内完成；对于一家种子轮公司、一个独立研究者、一个没有法务预算的硬件团队，同样的流程通常要等上数周。在专利法里，这几周的差距不只是一个流程问题，它是优先权日的差距，而优先权日决定了一项技术资产最终属于谁。上述48小时与数周的对比来自创始人Han Kim在LinkedIn帖子中的行业背景陈述，属于公司口径，尚无独立第三方验证，不应被读作可核验的行业统计。

专利撰写的传统路径是一条昂贵而缓慢的流水线：发明人与外部律师反复沟通、律师将技术语言转译为法律语言、附图需要手工标注、权利要求需要逐条推敲。按公司披露的数据，一份专利申请的撰写时间通常在50小时以上，而大型律所的单件申请费用往往在1万至2万美元区间，甚至更高。对于一家刚完成原型验证的初创公司，这笔钱和时间往往意味着在保护知识产权和继续推进产品之间做出选择。

Fearn在2026年6月宣布完成550万美元种子轮融资，试图把这条流水线压缩成一个20分钟的过程。这家总部位于旧金山的公司成立于2025年，由韩裔创始人Han Kim和Angela Gao联合创办。Han Kim曾在Morrison Foerster担任科学分析师，负责软件、生命科学和机械领域的专利申请撰写与审查；Angela Gao在Caltech完成博士学位，师从Katie Bouman教授，在NeurIPS、CVPR和TMLR发表过物理对齐生成模型的同行评审论文，并曾在Google Research开发专有AI模型。两人在Caltech相识，随后把专利法经验和生成模型研究背景合并进了同一个产品方向。

字段 内容
公司 Fearn
轮次 种子轮
金额 550万美元
投资方 Kindred Ventures（领投）、a16z speedrun、Designer Fund、Essence VC
总部 旧金山，加利福尼亚州
创始人 Han Kim、Angela Gao
官网 https://fearn.ai/

“50小时到20分钟”的压缩比，建立在几十个小模型而非一个大模型之上

Fearn的核心主张是一个具体的效率数字：据公司披露，其平台将专利撰写时间从50小时以上压缩到20分钟，成本降低最高96%。这个数字出现在PR Newswire的官方新闻稿和创始人LinkedIn帖子中，但需要明确的是，目前没有独立第三方机构对这一时间对比进行验证。20分钟指的是从用户提交披露材料到生成“可提交草稿”的时间，而非从草稿到最终授权的时间。专利审查周期、审查意见答复、以及最终权利要求的授权结果，都不在这20分钟的范围内。

从技术架构来看，Fearn明确表示自己不是通用大语言模型的套壳应用。据公司披露，其系统由数十个小型模型组成，部分基于LLM，部分从零构建，目标是对抗幻觉问题，并为专利审查中的关键失败模式提供“形式化验证保证”。这些失败模式包括35 U.S.C. §112(a)下的书面描述充分性，以及§1.84(p)(5)和MPEP §608.01(g)中的附图标注要求。公司称，这些模型的训练数据不是大规模噪声语料，而是小规模、人工校正、专家标注的数据集。这一技术路线与当前主流的大模型预训练范式形成对比，但也带来了一个直接的问题：小数据集训练能否覆盖足够广泛的专利技术领域，从软件到生物技术到硬件，每个领域的专利语言和审查标准差异巨大。

Fearn强调其系统不调用任何外部AI API，所有模型均为自托管。这一设计针对的是企业知识产权团队对生成式AI的核心顾虑：如果发明披露材料被发送给第三方模型提供商，是否构成公开披露？是否会破坏专利申请的新颖性？是否会带来数据泄露风险？Fearn的回应是提供三种部署选项——客户托管VPC、单租户VPC和多租户VPC——所有客户数据采用AES-256加密，并声称符合SOC 2、ISO 27001、ISO 27701和GDPR标准。这些合规声明来自公司官方新闻稿，尚未有独立审计报告公开验证。

2000美元一件的固定收费，把律所的小时计费模式掀翻在地

Fearn的定价策略是这场竞争中最具攻击性的部分。据公司官方新闻稿和创始人LinkedIn帖子，Fearn对每件专利申请收取2000美元固定费用。TechFundingNews的报道则给出了另一组数字：临时申请2500美元，非临时申请9000美元，如果没有任何权利要求获得授权则退款。两组价格数据存在冲突，目前无法确定哪一组是当前有效的定价方案。Fearn未在公开材料中澄清这一差异。需要明确的是，2000美元口径来自PR Newswire和创始人LinkedIn帖子，属于公司直接披露；2500/9000美元口径来自TechFundingNews，属于媒体转述，并非公司直接确认，两者均尚无独立验证。

即便取较高的9000美元非临时申请价格，与传统律所相比仍有显著成本优势。传统模式下，一件非临时专利申请的律所费用通常在1万至2万美元之间，复杂技术领域的费用可能更高。但价格只是故事的一半。专利的价值最终取决于权利要求的质量和可执行性。一份便宜的专利草稿如果权利要求写得过窄，竞争对手可以轻易绕开；如果写得过宽，可能在审查中被大幅缩小，甚至因缺乏书面描述支持而被驳回。Fearn的退款承诺——如果没有权利要求获得授权则退款——在某种程度上将部分质量风险从客户转移到了公司自身，但退款只覆盖服务费，不覆盖客户已经投入的时间成本和可能因延迟提交而损失的优先权日。

从商业模式角度看，Fearn的固定收费结构与传统律所的小时计费模式形成了根本性对立。律所按小时收费，意味着撰写时间越长收入越高；Fearn按件收费，意味着效率越高利润空间越大。这种激励结构的差异，使得Fearn有动力不断优化模型速度，而律所则缺乏同样的动力去压缩撰写时间。但这也意味着Fearn必须在质量控制和速度之间找到平衡点——如果模型生成速度过快导致权利要求质量下降，退款承诺将直接侵蚀利润。

客户名单里有Unity和Dandelion Energy，但“使用”和“付费使用”是两回事

据公司披露，Fearn的客户包括Unity、Dandelion Energy、Serova Bio、Capsule、Syncere、Sans Strings、Taya和Cainex。这些名字出现在官方新闻稿中，但公司没有披露这些客户的使用深度、付费金额或续约情况，也没有披露付费客户数量。Syncere的CEO Aaron Tan在新闻稿中提供了一段客户证言，称Fearn帮助其“将工程解释转化为高质量草稿，在几分钟内以传统成本的一小部分锁定了IP”。这是目前唯一公开的客户直接引语，来自一家与Fearn存在商业关系的公司，其独立性需要谨慎看待。

值得注意的一个细节是，Fearn在LinkedIn帖子中表示“正在向前100名注册用户免费提供一份专利草稿”。这意味着部分早期用户可能是免费试用者，而非付费客户。在评估“已被Unity和Dandelion Energy的工程师和科学家使用”这一说法时，需要区分“某家公司的员工注册了服务”和“该公司作为组织采购了服务”之间的差异。前者可能只是个人行为，后者才是真正的企业客户关系。Fearn未披露这两者之间的比例，也未披露付费客户数量，这一缺失指标与本文验证边界小节中提出的商业侧核验要求直接呼应。

从产业链位置来看，Fearn的产品定位存在一个微妙的张力。公司称发明人可以将完成的草稿“带给他们选择的律师”，这意味着Fearn将自己定位为草稿生成工具，而非全流程专利代理机构。但TechFundingNews的报道称Fearn“作为全服务AI原生专利律所启动，而不仅仅是撰写软件”。这两种定位的差异对公司的法律责任、客户关系和收入模式都有重大影响。如果Fearn只是软件工具，客户需要自行承担草稿质量的法律风险；如果Fearn是专利律所，则需要承担相应的职业责任和监管义务。目前公司公开材料中对这一关键定位的表述并不一致。

投资方的逻辑押注在“知识产权基础设施”上，但550万美元能走多远

Kindred Ventures的创始人兼管理合伙人Steve Jang在新闻稿中提供了一段相当宏大的投资逻辑陈述。他将知识产权描述为“技术的记录真相、世界工业的设计工程科学宪章、创新者和资本市场运作的法律经济学代码”，并称Fearn正在“为深科技、生物技术和硬件公司开发定制IP专用模型”。这段表述的信息量在于：投资方看到的不是一家专利撰写工具公司，而是一个试图重构知识产权基础设施的平台。

a16z speedrun的参与则带有不同的信号意义。speedrun是a16z面向早期创业公司的加速器项目，通常投资金额较小，但提供了进入a16z生态系统的入口。Designer Fund和Essence VC的参与，则分别指向设计工具和早期SaaS领域的投资视角。四家投资方的组合，表明Fearn的叙事同时覆盖了法律科技、AI基础设施和开发者工具三个赛道。

但550万美元的种子轮规模，对于一家声称要“终结双层专利体系”的公司来说，是一个相当有限的资本基础。Fearn需要同时推进模型研发、产品迭代、市场教育和客户获取。如果公司确实在训练多个专用模型，并承诺自托管所有模型，其基础设施成本将显著高于依赖外部API的竞争对手。550万美元在2026年的AI创业环境中，大约相当于一家小型团队12到18个月的运营资金。这意味着Fearn需要在相对短的时间内证明产品市场契合度，并为下一轮融资做好准备。

没有列出竞争对手，不等于没有竞争

Fearn的公开材料中没有列出任何竞争对手。这本身就是一个值得注意的信号。专利撰写和法律科技领域并非空白市场。传统大型律所的知识产权部门、专利代理机构、以及近年来涌现的AI辅助法律工具，都在争夺同一批客户。Fearn的差异化主张集中在三个维度：速度（20分钟对50小时以上）、价格（2000美元固定费用对1万至2万美元律所费用）、以及技术架构（自托管小模型对通用大模型API）。

但每一个差异化维度都面临具体的挑战。速度方面，20分钟的草稿生成时间需要与人工审查和修改时间叠加，最终的总时间可能远不止20分钟。价格方面，2000美元的固定费用是否足以覆盖模型推理成本、人工质量审查成本和退款风险，目前没有公开数据可以验证。技术架构方面，小模型加专家标注数据的路线，在覆盖广泛技术领域时可能面临泛化能力的瓶颈。一个在软件专利上表现良好的模型，未必能在生物技术或硬件专利上保持同样的质量水平。

从替代方案的角度看，发明人始终可以选择直接使用通用大语言模型来辅助撰写专利草稿，成本几乎为零。Fearn的价值主张必须足够强，才能说服用户为2000美元的固定费用买单，而不是自己用ChatGPT或Claude生成一份草稿再找律师修改。Fearn的回应是强调其模型的抗幻觉能力和法律合规性，但这些能力目前只有公司自己的声明作为支撑，缺乏独立的对比测试或第三方评估。由于来源材料未提供可量化的竞品比较数据，本文不进行具体竞品数字对比；可比较但尚未披露的指标包括：授权率、权利要求在审查中的存活率、客户续约率、以及不同技术领域的模型质量一致性。

资金将投向模型扩张和自动附图生成，但验证路径仍然模糊

据公司披露，本轮资金将用于“扩展Fearn的专用专利模型和产品能力，包括自动标注附图生成”。自动附图生成是一个具体的技术目标，也是专利撰写中一个被低估的痛点。专利附图需要精确的标号系统，每个部件必须有对应的数字标注，且标注必须与说明书中的描述一致。这是MPEP §608.01(g)和§1.84(p)(5)明确要求的合规要素。如果Fearn的模型能够自动生成符合这些要求的标注附图，确实可以节省大量人工时间。

但“扩展模型”是一个模糊的资金用途表述。Fearn没有披露具体将扩展哪些技术领域的模型覆盖、计划增加多少训练数据、或者将雇佣多少人来完成专家标注工作。如果公司的技术路线确实依赖“小规模、人工校正、专家标注的数据集”，那么扩展模型能力的瓶颈可能不在计算资源，而在合格专家标注人员的供给。专利律师和专利代理人的人工成本高昂，且他们的时间本身就是Fearn试图替代的稀缺资源。如何在不依赖大量专家人工的情况下扩展模型能力，是Fearn需要回答的核心运营问题。

从已披露的信息看，Fearn目前没有公开任何关于授权率、权利要求质量、或客户续约率的数据。这些指标才是判断一家专利服务公司长期价值的核心。一家能以2000美元价格生成草稿的公司，如果生成的草稿在审查中被大幅缩小权利要求范围，或者因为书面描述不充分而被驳回，其实际成本可能远高于传统律所。退款承诺在一定程度上提供了质量保障，但退款只覆盖服务费，不覆盖发明人因优先权日延迟或权利要求质量不足而损失的机会成本。

定价冲突、日期矛盾和定位模糊，是这家种子公司必须尽快澄清的问题

Fearn的公开信息中存在几个需要关注的不一致之处。首先是定价冲突：官方新闻稿和创始人LinkedIn帖子明确写着“每件专利2000美元固定费用”，而TechFundingNews的报道则给出了“临时申请2500美元、非临时申请9000美元、无授权退款”的定价结构。这两组数据无法同时成立，除非Fearn在新闻稿发布后调整了定价，或者TechFundingNews的信息来源有误。无论哪种情况，公司都需要澄清当前的有效定价。需要再次说明的是，TechFundingNews的2500/9000美元口径属于媒体转述，并非公司直接确认。

其次是融资日期冲突：PR Newswire和LinkedIn帖子指向2026年6月10日，而FinSMEs的报道标注为2026年9月23日。这种日期差异可能源于信息发布延迟或不同渠道的更新节奏，但对于一家刚刚完成种子轮的公司来说，融资时间线的清晰度会影响市场对其发展阶段的判断。

第三是公司定位的模糊性。Fearn在官方新闻稿中自称“AI原生专利平台”，强调发明人可以将草稿“带给他们选择的律师”；而TechFundingNews将其描述为“全服务AI原生专利律所”。这两种定位在法律上和实践上都有重大差异。如果Fearn是软件平台，其法律责任边界相对清晰；如果Fearn是专利律所，则需要面对律师执业资格、职业责任保险、以及各州法律执业规则的约束。公司创始人Han Kim的背景是科学分析师而非执业专利律师，这意味着Fearn作为“律所”的定位可能面临额外的监管障碍。这一平台与律所的定位差异对监管与责任的影响，目前仍待公司澄清。

从编辑推断的角度看，Fearn最可能的定位是介于两者之间：以软件平台为主要交付形式，同时提供一定程度的专业服务支持。这一推断的前提是公司官方新闻稿中“发明人将草稿带给他们选择的律师”的表述，以及TechFundingNews“全服务AI原生专利律所”的报道；结论边界是，从已披露材料看，公司尚未明确这一中间地带的具体边界。对于潜在客户来说，这意味着他们需要自行判断Fearn生成草稿的法律地位，以及在使用Fearn服务时是否需要额外聘请执业律师进行审查。

Fearn的故事在叙事层面是完整的：先申请制制造了速度压力，传统律所无法满足初创公司的速度和成本需求，AI模型提供了技术解决方案，固定收费改变了激励结构。但从叙事到验证之间，还有相当长的距离。550万美元的种子轮资金，需要支撑Fearn完成从“有客户使用”到“有客户持续付费”的跨越，从“能生成草稿”到“生成的草稿能通过审查并产生有效权利要求”的跨越，以及从“技术路线合理”到“技术路线在广泛技术领域可扩展”的跨越。这些跨越中的任何一个失败，都可能让Fearn成为又一个在法律科技领域留下美好叙事但未能建立可持续业务的公司。

验证边界与可复核指标

本文涉及的“首个、唯一、最大、领先”、订单、出货、性能等表述，如无另行说明，均是公司、创始人或投资方在现有公开材料中的披露口径；RecodeX未在本次采集材料中找到独立审计或第三方测试结论，因而不将其视为已经独立确认的事实。文中的产业协同、竞争位置和商业路径属于基于已披露产品与融资用途的编辑分析，不代表相关结果已经实现。

  • 技术侧应核验第三方测试条件、样本规模、良率、稳定性及与可比方案一致口径的结果；
  • 商业侧应核验去重后的付费客户、可执行合同、收入确认、复购率以及订单转化；
  • 资本与产业协同应以工商股权、关联交易、联合开发、采购或量产文件为准。

RecodeX 极客视：Fearn把专利撰写从按小时计费的专业服务变成了按件计费的软件产品，这一定价逻辑的颠覆性不亚于其技术架构。但专利的价值不在草稿生成的速度，而在权利要求最终能否在审查中存活并覆盖真正的技术边界。在2000美元的固定费用和“无授权退款”的承诺之间，Fearn实际上把传统律所不愿承担的质量风险揽到了自己身上。如果它的小模型路线真的能在不依赖大规模专家人工的情况下保持权利要求质量，这将是对法律科技范式的真正改写；如果做不到，退款承诺会变成一台持续失血的机器。550万美元的种子轮，买到的是一张进入这个验证实验的门票，而不是答案本身。

信息来源

本文在采集与核验阶段引用了以下公开来源，按站点去重列出；来源内容归原发布方所有，其口径不代表 RecodeX 的核实结论。