自動車業界のリサーチAI｜CASE転換期に効く特許調査の3世代論

この記事の要点

自動車業界の特許調査は、この数年で急に難しくなりました。理由は3つあります。EV・自動運転・SDV（ソフトウェア定義車両）が同時に立ち上がったこと、中国メーカーの出願が桁違いに増えたこと、そして完成車OEM・Tier1・Tier2で見るべき論点が分かれてきたことです。

たとえばバッテリー特許はBYDが1,117件、Teslaが97件という11.5倍の落差があります。全固体電池はトヨタが1,338件でSamsungの約4倍。EV充電特許では中国が日本の1.5倍。この落差を追いかけるのに、キーワード検索だけでは足りなくなってきました。

AIを使った特許調査ツールは、キーワード検索・セマンティック検索・Deep Researchエージェントの3世代に分けられます。この記事では、自分の立場（完成車OEM・Tier1・Tier2）と技術分野（EV・HV・自動運転）に合わせて、どのツールをどう組み合わせればいいかを整理します。最後にSnorbeを使った「月曜日から試せる反復ループ型」の調査手順もご紹介します。

自動車業界の特許調査が、この数年で急に難しくなった理由

自動車業界の特許調査、正直ここ数年で急に難しくなった気がしています。以前なら「自社と競合他社2〜3社の日本出願を追えばだいたい見えた」のに、いまは3つの意味で範囲が広がりすぎました。

一つ目は、CASE（コネクテッド・自動運転・シェアリング・電動化）の4分野が同時に走り出したこと。二つ目は、中国メーカーの出願件数が桁違いに増えたこと。三つ目は、完成車OEMとTier1（一次サプライヤー）とTier2（部品・素材メーカー）で見るべき論点が分かれてきたことです。それぞれを数字で見ていきます。

数字1: BYDのバッテリー特許は、Teslaの11.5倍

驚くのが、BYDとTeslaのバッテリー特許件数の差です。BYDが1,117件に対して、Teslaが97件。PatSnapの分析によれば11.5倍の開きがあります。総特許数で見ても、BYDは約29,200件、Teslaは約4,060件で、件数だけで見るとBYDが7倍以上のスケールを持っています。

これはどちらが優れているという話ではなく、戦略が違うだけなのですが、日本の完成車OEMやTier1が「グローバル競合の特許動向を追う」となると、両社の全然違う書き方を並列で読み解く必要があります。Teslaは少数精鋭で本質的な発明に集中していて、BYDは網羅的にカバーしている、という違いを見分けるには、単純な件数集計だけでは足りません。

さらに悩ましいのが、BYD特許の82%は中国国内のみの出願だという点です。米国で有効なのはわずか7%[5]。日本語や英語だけで検索していると、実は全体像の2割弱しか見えていない、ということも起こりえます。

数字2: 中国のEV充電特許は、日本の1.5倍

中国のEV関連特許の伸びは、ここ数年で急激です。日本経済新聞の分析によると、EV充電・電池交換の特許で、2010年から2022年までの中国企業の累計出願数は、2位の日本企業の1.5倍に達しています。

CATL（寧徳時代新能源科技）1社だけでも、累計出願と登録を合わせて約5万件、有効な登録特許は2万件超という規模感です。2024年のグローバルEV電池シェアは37.9%で、この会社の動向を追わずに自動車業界の未来を語ることはもはやできません。

「中国メーカーの動向は気になるけど、中国語文献を英語で検索してもピンとこない」。ここ、多くの実務担当者が困っているところじゃないでしょうか。

数字3: E2E自動運転レベル4が2026年に量産化

三つ目の変化は自動運転です。Teslaが2026年5月に、テキサス州でロボタクシーソフトをSAEレベル4として自己申告し、商用運行の認可を取得しました。テキサスの新しい自動運転商業規制法（Senate Bill 2807）と同日のタイミングでした。

日経xTECHの取材では、TeslaがEnd-to-End（略してE2E、車両制御をすべてAIモデルで担う方式）自動運転を搭載したロボタクシー「サイバーキャブ」の量産を2026年に開始する計画とのこと。目標価格は3万ドル以下、SoCは数千TOPSクラスです。

もっとも稼働台数だけで見ると、Teslaは42台に対し、Google系のWaymoが577台、AV Rideが317台、Amazon傘下のZooxが35台と、Waymoが実質先行しています。特許側では、LG Electronicsが自動運転関連で4,428件と首位、Intel 4,315件、Bosch 2,473件と続きます。トヨタは直近の伸びが+27%と、追い上げが早い。

3つの変化が「同時に」来ている

このEV転換期、興味深いのはCASEの4分野が「バラバラの時間軸」ではなく「同時に立ち上がっている」ことです。電動化と自動運転とソフトウェア化とシェアリング、どれか一つを追うのですら大変なのに、実務では4つを並行で見る必要が出てきました。

そうすると、特許調査で必要な観点はざっくり3重になります。分野横断（EV+ソフトウェア+半導体+素材）、地域横断（US・EU・中国・日本）、時間軸長め（10〜15年のロードマップ）。この3つを同時に満たせる調査体制を、いまの人員でどう組めばいいのか。ここが、この記事全体を通して考えたいテーマです。

次のセクションでは、この難しさに対して「完成車OEM・Tier1・Tier2」の3階層で、それぞれ何を重点的に見ればいいかを整理します。

完成車OEM・Tier1・Tier2で「調査の目的」がまったく違います

同じ「自動車の特許調査」といっても、完成車OEM（例：トヨタ、Honda、BMW、Volkswagen、BYD）と、Tier1（例：Bosch、Denso、Continental、ZF）と、Tier2（例：CATL、ルネサス、旭化成）では、そもそも見たい答えが全然違います。この認識がないままAIツールを選ぶと、「なんか使いにくい」となるので、まずここを整理させてください。

完成車OEMの調査目的：5年後の商品ロードマップ

完成車OEMの特許調査は、「5年後の商品ロードマップをどう描くか」が最終ゴールになることが多いです。EVをどれくらい伸ばすか、HV（ハイブリッド）を残すか、燃料電池車をどこまで賭けるか、SDV（ソフトウェアで機能が決まる車）にどれだけ寄せるか。ここに絡む技術動向を、分野横断・地域横断で一気に見る必要があります。

トヨタが11年連続で米国自動車業界No.1の特許数を保っていることは、トヨタUSA Newsroomが発表していますが、注目したいのは中身です。GreyBの分析によると、電動化・新材料・自動運転の3領域に集中していて、自動運転関連の直近成長率は+27%。全固体電池では1,338件を保有し、Samsungの340件の約4倍です。

こういう「本命技術を絞り込んで先行投資する」判断のためには、単発の特許検索ではなく、「HV vs EV vs 燃料電池」の技術系譜を並列で追い、四半期ごとに動向差分を確認する体制が必要になります。R&D企画部門と知財部門が同じ画面を見て議論できる状態、と言い換えてもいい気がします。

Tier1の調査目的：OEMからのRFPと標準必須特許

Tier1サプライヤーの目的は、また違います。OEMから出てくるRFP（提案依頼書）に対して、「この機能領域で我々はどれだけ独自の武器を持っているか」を素早く示す必要があります。センサ、パワーエレクトロニクス、熱管理、BMS（バッテリー管理システム）、ADAS（先進運転支援システム）といった機能軸で深く掘る調査です。

そこに加えて、標準必須特許（SEP：Standard Essential Patent）の動向も見ます。5G V2X（車車間・車路間通信）、Wi-Fi 7、Matter、車載イーサネットなど、標準化団体で技術仕様が決まると、それに準拠した特許は「必ず使わないといけないもの」になる。ここを押さえていないと、事業リスクに直結します。

具体的な動きも活発です。Bosch・Magna・Denso・Continentalは、2026年に向けてe-motor、パワーエレクトロニクス、熱管理システム、BMS、ADASの領域で数十億ドル規模の追加投資を表明しています。Densoは日本・タイ・米国でEV向けパワーモジュールとインバーターシステムの生産増強を進めています。

Tier1の特許調査担当者にとっては、「機能軸で深く」「複数OEM顧客からの要求」「標準化動向」の3層を並列で見るのが日常です。完成車OEMほどのマクロ視点は要らない代わりに、機能領域の深さと標準化知識が問われます。

Tier2の調査目的：上位顧客の設計動向と学術文献

Tier2（半導体、電池、素材）の調査目的はさらに違ってきます。上位顧客であるTier1・OEMが「次にどんな設計に向かうのか」を早めに掴んで、自社の材料・部品を先行提案するのが仕事。ここでは、特許だけでなく学術論文と標準化文書のクロスサーチが効きます。

たとえばCATLは、EV電池だけでなくエネルギー貯蔵システム、BMS、セル材料、電池リサイクル二次利用まで手掛けていて、累計出願・登録合わせて約5万件を持っています。しかも2026年3月には全固体電池セルと電解質材料の国際特許（PCT）を公開しました。

こういう会社の動向を追うには、特許検索だけでは追いつきません。arXiv（プレプリント論文）、Semantic Scholar（学術論文検索）、標準化団体（ISO、IEEE）の技術資料までクロスで見て、「特許化される前の技術シーズ」を掴む必要があります。

3階層をマトリクスで整理する

ここまでを表にすると、こんな感じになります。

階層	主な調査目的	見るべき軸	相性のいい調査手法
完成車OEM	5年後の商品ロードマップ	分野横断 × 地域横断 × 時間軸長め	Deep Researchエージェント型
Tier1	RFP対応、標準必須特許	特定機能軸 × 標準化動向	セマンティック検索 × SEP追跡
Tier2	上位顧客の設計先読み	素材・部品 × 学術文献	特許＋論文クロスサーチ

「うちはTier1で完成車OEMと同じツール使う必要あるのか？」という疑問、ここで答えが出ます。目的が違うので、同じツールでも使い方が変わりますし、そもそもツール選定基準が違います。次のセクションでは、この階層別の目的を踏まえて、EV・HV・自動運転それぞれの調査ハックを具体的に見ていきます。

EV・HV・自動運転それぞれの調査ハックを、具体例で見ていきましょう

技術分野別に、実際どこで数字が動いていて、どんな調査ハックが効くのかを見ていきます。3つの分野それぞれ、「主戦場」「上位プレイヤー」「調査で気をつけるポイント」を分けて話します。

EV分野：全固体電池の商用化競争が主戦場

EV分野の特許で一番熱いのは、いま全固体電池です。従来の液体電解質を固体に置き換えることで、安全性・エネルギー密度・充電速度を一段引き上げられる可能性がある技術で、2027〜2028年の商用化を狙う各社の出願が急増しています。

PatSnapの分析では、トヨタが全固体電池関連で1,338件を保有、Samsungが340件。実に約4倍の差があります。GreyBの別統計では、Toyotaの過去3年間の登録件数は8,000件超で、パワートレイン技術3分野の中で「active patent比率46.5%」という高い数字を叩き出しています。

2025年10月にトヨタの全固体電池は日本国内で量産承認を取得し、2026年から量産開始、2027年にレクサス旗艦モデルで初搭載される予定です。ここに追いつこうとしているのがCATLで、2026年3月に全固体電池の国際特許を公開しました。

EV分野の調査で押さえたいのは、次の3つです。

• 主要出願人の変遷を年次で追う（BYD・CATL・LG Energy・Samsung SDI・パナソニック・トヨタ）
• 素材レベル（電解質、正極・負極材料）と、システムレベル（BMS、熱管理）を分けて見る
• 中国出願の網羅性を意識する（BYDの82%が中国国内のみ、という現実に対応する）

HV分野：日本OEMの独自性が残る領域

HV（ハイブリッド）は「もう終わった技術」と思われがちですが、特許動向を見るとまだ日本OEMの独自性が残っている領域です。ハイブリッドから燃料電池までを一括で見るPatSnapのトヨタ水素ロードマップ分析は、6,311件の関連特許を分析しています。

HV分野の調査ハックは、「EVへの部分移植」の視点です。HVで培ったモーター制御、電池セル管理、パワーエレクトロニクス、熱管理の技術は、EVと燃料電池車にそのまま応用できることが多い。だから「HV特許を古い技術として捨てず、EV/FCV設計への転用可能性で読み直す」という視点が意外と効きます。

Tier1の観点だと、DensoのようにHV時代から続くパワーモジュール技術を、EV向けに再展開する動きが典型です。日本・タイ・米国で生産増強という記事は先ほど紹介しましたが、そこで使われるパワーモジュール技術の元は、HV時代に蓄積された特許ポートフォリオの再解釈でもあります。

自動運転分野：LG・Intel・Boschが上位

自動運転特許は、実は完成車OEMより電機メーカー・半導体メーカーの方が数を持っています。PatSnapの分析だと、LG Electronicsが4,428件で首位、Intel 4,315件、Bosch 2,473件。トヨタの伸び率は+27%と高いですが、絶対件数ではまだ電機・半導体勢が上です。

これは何を意味するかというと、「自動運転の主戦場はソフトウェア×半導体だから、自動車業界だけを見ていると視野が狭くなる」ということ。実際、Teslaのサイバーキャブが目指すE2E自動運転は、数千TOPS（1秒間に処理できる演算回数の単位、1TOPSは1兆回）のSoC（System on a Chip）が前提で、これは自動車特許ではなく半導体特許の世界です。

自動運転分野の調査ハックは、次の3つ。

• 完成車OEM特許だけで判断せず、電機・半導体メーカー特許まで含めて見る
• ロボタクシー実運用の稼働台数と特許件数はズレる（Teslaは特許少なめでも社会実装は先行、Waymoは特許中位でも実装台数首位）
• 学術論文（arXiv・NeurIPS・CVPR）の発表とセットで追う（特許化される前の技術シーズが早く見つかる）

SDVという横断領域：ソフトウェアの重要度が上がる

CASEの中で最後に立ち上がってきたのが、SDV（Software Defined Vehicle）です。これは「車両の機能・性能をソフトウェアで定義する」という考え方で、OTA（Over-the-Air、無線経由でソフトウェアを更新する仕組み）で発売後も継続的にアップデートできる車を指します。

日本での動きは、経済産業省製造産業局が2025年1月に「日本のSDV開発の現状と将来に向けた取組」という資料をまとめていて、国策として推進する姿勢が見えます。

トヨタは2026年3月期の研究開発費1.25兆円のうち、AI・ソフトウェア関連が推定3,000億円規模。Woven by Toyotaへの追加投資2,000億円もあわせると、DX関連投資は国内製造業でトップクラスです。「O-Beya」というデジタル協働プラットフォームで、24時間365日世界中のエンジニアがAIを介して情報共有・課題解決できる環境を作りました。

Densoも2021年からSDV開発を担当していて、ベリサーブが車載ソフトのAI駆動開発を支援する動きが2026年初頭のオートモーティブワールドで発表されています。

SDV分野の調査ハックは、「特許だけでなくソフトウェア開発プロセス関連の周辺情報も含めて見る」こと。OTAアップデート、ECU集約アーキテクチャ、車載イーサネット、AUTOSAR互換性など、特許の一次情報と標準化団体・業界団体の資料をセットで追う体制が要ります。

中国語文献をどう扱うか

3分野を通じて、中国メーカーの動向を追うのが避けられなくなっているのは繰り返し書いてきたとおりです。ここで、実務上ネックになるのが中国語の壁。

• BYD特許の82%は中国国内のみ
• CATL累計出願5万件のうち多くが中国語
• NIO、Xpeng、Li Autoといった新興OEMも中国語出願が中心

これを「英語の要約だけで済ませていた」時代から、「日本語で自然に質問して、AIが中国語文献まで意訳して答える」時代に変わりつつあります。次のセクションで、この変化を支えているAI特許調査ツールの3世代論を整理します。

AI特許調査ツールには3世代あります。選び方が違います

AI特許調査ツールと一口に言っても、実は世代がぜんぜん違うものが混在しています。ここを整理しないままツールを選ぶと、「AIを謳っているのに検索精度が上がらない」となりがち。3世代論として整理してみます。

第1世代：キーワード検索型（無料・網羅性優位）

第1世代は、いわゆる「無料の特許データベース」で、キーワードとIPC（国際特許分類）で検索する仕組みです。代表的なのは次の3つ。

• 日本特許庁のJ-PlatPat（無料、日本出願の網羅性は最高、UIが古い）
• Google Patents（無料、多国籍網羅、日本語UIあり、機械翻訳あり）
• 欧州特許庁のEspacenet（無料、欧州出願に強い、CQL構文で高度な検索）

網羅性は最高で、無料。特許業務の一次スクリーニングとしては今も現役です。ただ、弱点があります。キーワードの揺れに弱い。たとえば「BMS」で検索したとき、“battery management system” “battery management unit” “energy storage control” と書き分けている出願は取りこぼしやすい。

自動車業界の場合、EVとHVと燃料電池で微妙に用語が変わったり、中国出願だと英語訳のクオリティに幅があったりで、キーワード単発ではストレスが溜まります。

第2世代：セマンティック検索型（概念理解、生成AI連携）

第2世代は、単語ではなく「概念」で検索できるようにしたツールです。文書全体の意味を埋め込みベクトル（意味を数値化した表現）に変換して、類似概念の特許を集めてくる。ここに生成AIの要約機能が加わって、大量文書の読解時間を大幅に減らします。

代表例として、Patentfield AIRは生成AI連携で特許文書読解時間を約65%削減。Tokkyo.Aiはチャット形式の特許検索を提供していて、AI生成の特許明細書、AI検索、商標のAI画像検索まで一つのプラットフォームで完結できます。海外系だとPatSnap Eureka（グローバル網羅、豊富なランドスケープ分析機能）が有名です。

第2世代の強みは、日本OEM・Tier1の実務でよく使う「侵害調査」「無効資料調査」「先行技術調査」でヒット率が上がることです。キーワード検索の限界を感じたら、まず第2世代への乗り換えを検討する価値があります。

一方で、第2世代にも制約があります。「一問一答」的な使い方が中心で、複数の観点を組み合わせた深い調査には、複数回の検索と手作業の要約統合が必要です。ここで力尽きる担当者、多い気がします。

第3世代：Deep Researchエージェント型（記憶・多段推論）

第3世代は、AIエージェントが自律的に検索計画を立て、複数のデータソースを跨いで情報を集め、要約とレポートまで一気に作る仕組みです。この世代のツールが登場したのは、ここ1〜2年の話。

代表的なのは、Snorbe、Patlytics、GreyB Insightsなど。第3世代の何がすごいかというと、「特許＋論文＋標準文書」のクロスサーチができて、しかも「前回調査した内容を覚えていて、差分だけを教えてくれる」記憶機能を持っています。

具体例として、米国のAm Law 100（大手法律事務所ランキング上位100社）のある事務所がPatlyticsを導入した結果、複雑な特許検索・カウンセリング業務の時間が100 billable hoursから20 billable hours（80%削減）に減ったという事例が公開されています。

第3世代の特徴は、「調査手続きの自動化」ではなく「調査担当者の思考の外部化」に近いイメージです。「BYDとCATLの全固体電池戦略を比較して、日本OEMとの差分を整理して」と自然文で投げると、複数DB検索、要約、比較表作成までを一気にやってくれる。これはキーワード検索の第1世代とは、もはや別の作業体験です。

選び方の判断軸

3世代のどれを選ぶか、実務での判断軸を整理するとこうなります。

判断軸	第1世代（キーワード）	第2世代（セマンティック）	第3世代（Deep Research）
主な用途	一次スクリーニング、無効資料調査	侵害調査、先行技術調査	技術動向調査、IPランドスケープ
コスト	無料	月額数万〜10万円	月額10万円〜要問い合わせ
学習コスト	IPCコード、CQL構文	低（自然文で投げられる）	低（自然文＋プロジェクト管理）
中国語対応	機械翻訳頼み	一部対応	対応幅が広い
差分監視	手動	手動	自動

完成車OEMの技術動向調査なら第3世代、Tier1の機能軸調査は第2世代を中心に第3世代を組み合わせ、Tier2は第2世代＋学術論文DBを組み合わせる、あたりが実務感覚に近い気がします。

第3世代を使いこなす前提

第3世代のDeep Researchエージェント型を使いこなすには、実は「調査の目的をどれだけ言語化できているか」がボトルネックになります。「BYDの全固体電池特許を教えて」と投げるだけでは、AIが返してくる答えの解像度は上がらない。

• 何と何を比較したいのか（BYD vs CATL vs Toyota）
• どの技術層で比較したいのか（電解質材料 vs BMS vs 熱管理）
• 時系列でどう追いたいのか（過去3年 vs 5年 vs 10年）
• 最終的にどんなアウトプットが欲しいのか（比較表 vs 時系列マップ vs 特許引用ネットワーク）

この「調査依頼のクセ」がついてくると、Deep Researchエージェントの回答精度が急に上がります。次の最終セクションで、Snorbeを使った「反復ループ型」の調査手順を具体的にご紹介します。

Snorbeで月曜日から始める「反復ループ」型の特許調査

Snorbeは、いま挙げた3世代論でいう第3世代のDeep Researchエージェント型に位置づけられるツールです。他の同世代ツールと比べて、自動車業界の実務担当者にとって使いやすいポイントが3つあります。順に紹介したうえで、月曜日から試せる4ステップの反復ループを組み立てていきます。

武器1：クエリを意識しない、自然な日本語で投げられる

Snorbeの最初の特徴は、「キーワードクエリを設計しなくていい」ことです。「BYDの全固体電池特許を、CATLと比較して、日本OEMとの技術的な差分を教えて」と、そのまま自然な日本語で投げられます。CQL構文もIPCコードも要らない。

これは意外と大きくて、自動車業界の実務担当者は「調査自体が仕事」ではなく、「調査結果をもとに判断するのが仕事」なので、クエリ設計に時間を取られない設計は月曜朝の生産性に直接効きます。

武器2：完全記憶型ナレッジグラフ

二つ目の武器は、Snorbeが調査結果を「完全記憶型ナレッジグラフ」として保存することです。ナレッジグラフというのは、情報同士のつながりをネットワーク状に保存する仕組みで、「BYDの全固体電池」「CATLの全固体電池」「トヨタの全固体電池」がそれぞれ別々のノードとして残り、しかも技術関係で連結されている状態を作ります。

なぜこれが自動車業界で効くかというと、CASEの4分野が横断的なので、「バッテリー調査で得た知見が、後で自動運転調査に効く」ということが日常的に起こるからです。ナレッジグラフに蓄積しておくと、後から「EVバッテリーの熱管理と自動運転SoCの冷却設計、共通する特許は？」みたいな横串の質問に一発で答えられるようになります。

武器3：専門DB横断（JPO・EPO・Google Patents・arXiv・PubMed・Semantic Scholar）

三つ目は、複数の専門データベースを横断できることです。Snorbeは、日本特許庁（JPO）、欧州特許庁（EPO）、Google Patents、arXiv（プレプリント論文）、PubMed（生命科学論文）、Semantic Scholar（学術論文検索）といった専門DBを串刺しで検索します。

自動車業界のTier2素材メーカーが「全固体電池の電解質材料、特許化される前の学術シーズを掴みたい」と考えたとき、arXivとSemantic Scholarを横断で見られるのは強力です。3年前だと、特許DBと論文DBを別々のツールで検索して手作業で統合していた作業が、一回の質問で済むようになります。

月曜日から試せる、4ステップの反復ループ

では、具体的にどう使うのか。Snorbeの想定シナリオとして、「全固体電池動向をチームで四半期ごとに追う」というケースで、4ステップの反復ループを組んでみます。

1週目（月曜朝）：初期調査。Snorbeを開いて、https://lp.deskrex.ai/ からアカウントを作った直後の想定です。「BYDの全固体電池特許を、CATLと比較して要点だけ抜き出して。技術層は電解質材料・BMS・熱管理の3つで分けて」と投げます。10〜20分待つと、比較表と技術層別のポイント整理、主要出願リストが揃います。

1週目（火曜〜金曜）：結果を「自動車×EV×全固体電池」というプロジェクト名でナレッジグラフに保存します。この時点で、社内のR&D企画・知財・新規事業のメンバーが同じプロジェクトを参照できる状態になります。

3か月後（次の四半期）：同じプロジェクトに「前回から今日までの新規出願だけ、差分でまとめて」と投げます。Snorbeが記憶しているので、前回の要約と今回の新規出願の関係を整理して、変化点だけをレポートしてくれます。差分監視を毎回手作業でやる必要がありません。

6か月後：ナレッジグラフに「トヨタとの技術差分は何」「日本OEMのポジションは」といった横串質問を投げると、蓄積された情報から答えを組み立ててくれます。ここまで来ると、Snorbeは単なる検索ツールではなく、「自社の技術戦略の外部記憶」に近い存在になります。

他ツールと組み合わせる考え方

Snorbeだけで全部済ませる必要はなくて、他ツールとの組み合わせも実務では有効です。目安として、こんな感じの組み合わせがいけると考えています。

• 一次スクリーニング（無効資料調査、侵害調査）: J-PlatPat・Google Patents（第1世代）
• 特定機能軸の深い調査（BMS、パワーエレクトロニクス）: Patentfield AIR・PatSnap（第2世代）
• 技術動向調査、IPランドスケープ、四半期差分監視: Snorbe（第3世代）

3世代を目的に応じて使い分けて、それぞれの得意領域に仕事を渡す。これが「AIツール全乗り換え」ではなく、「AI時代の特許調査の新しい選択肢としてSnorbeを加える」という意味です。

今後の展望：中国語対応と業界横断ナレッジ

最後に、今後のトレンドとビジネス展望を短く触れておきます。自動車業界の特許調査でこれから重要になるのは、次の3つだと考えています。

• 中国語特許文献の日本語意訳検索（BYD・CATL・NIO・Xpengの動向を追うのに必須）
• 業界横断ナレッジグラフ（半導体×自動車×素材の横串調査ニーズが増える）
• 四半期差分レポートの自動化（CASEの動きが速く、年次調査では追いつかない）

Snorbeはこの3つに向けて開発を進めています。自動車業界のR&D企画・知財担当・新規事業の実務担当者にとって、「キーワード検索の限界を感じた次の一手」として、Snorbeを新しい選択肢に加えていただければ嬉しいです。詳しくはhttps://lp.deskrex.ai/ をご覧ください。

よくある質問

Q1. 自動車業界向けのAI特許調査ツール、無料で使えるものは？

無料で使える代表的なのは、日本特許庁のJ-PlatPat、Google Patents、欧州特許庁のEspacenetの3つです。網羅性は高いですが、キーワードの揺れに弱く、複数DBを跨いだ横断調査には向きません。生成AI連携の第2世代・第3世代ツールと組み合わせて使うのが実務の主流です。

Q2. BYDの中国出願まで日本語で検索できるツールはありますか？

第3世代のDeep Researchエージェント型（Snorbeなど）は、中国語文献を日本語で意訳して回答するのが得意です。BYDの82%を占める中国国内出願を日本語で追いたい場合、まずこの世代のツールを試すのが早いです。第2世代のセマンティック検索ツール（PatSnap、Patentfield AIRなど）も一部対応しています。

Q3. トヨタの自動運転特許はいま何件くらいですか？

Toyota USA Newsroomによると、トヨタは2024年に2,428件の米国特許を取得し、11年連続で自動車業界No.1です。自動運転特許の直近成長率は+27%で、LG Electronicsの4,428件、Intelの4,315件を追う位置にいます。

Q4. 全固体電池の特許動向、今から追う意味ありますか？

十分あります。トヨタは全固体電池で1,338件を保有、Samsungの340件の約4倍。2025年10月に量産承認、2026年量産開始、2027年レクサス旗艦モデル搭載予定です。CATLも2026年3月に国際特許を公開しました。商用化直前のこの1〜2年が、特許動向の変化が最も激しい時期です。

Q5. Tier1サプライヤーの特許戦略で見るべきポイントは？

Bosch・Denso・Continental・ZFといった大手Tier1は、電動化と自動運転で数十億ドル規模の追加投資を2026年に表明しています。特に注目したいのは、e-motor、パワーエレクトロニクス、熱管理、BMS、ADASの5領域。加えて、5G V2X、車載イーサネットなどの標準必須特許（SEP）動向も見逃せません。

Q6. SDV（ソフトウェア定義車両）の特許調査、どう始めればいい？

SDV分野は、特許だけでなくソフトウェア開発プロセス関連の周辺情報も含めて見るのがコツです。トヨタは研究開発費1.25兆円のうち約3,000億円をAI・ソフトウェアに投じ、Woven by Toyotaへの追加投資2,000億円もあわせて国内製造業トップクラスです。まずは経済産業省のSDV開発の現状資料で全体像を掴んでから、特許調査に入るのが効率的です。

Q7. AI特許調査ツールで本当に業務時間は減りますか？

Am Law 100の大手法律事務所がPatlyticsを導入した事例では、複雑な特許検索・カウンセリング業務が100 billable hoursから20 billable hoursへ80%削減されました。Patentfield AIRでは生成AI連携で読解時間を約65%削減という数字が公開されています。自動車業界の実務でも、四半期の技術動向調査などで同水準の効率化が期待できます。

Q8. Snorbeは他のAI特許調査ツールとどう違いますか？

Snorbeの特徴は、(1) キーワードクエリを設計せず自然な日本語で投げられる、(2) 完全記憶型ナレッジグラフで前回調査を覚えていて差分だけ返す、(3) JPO・EPO・Google Patents・arXiv・PubMed・Semantic Scholarを横断する、の3つです。CASEの4分野が横断的な自動車業界で、横串調査と四半期差分監視を自動化したい場合に、既存ツールと違う軸の選択肢になります。詳しくはhttps://lp.deskrex.ai/ をご覧ください。

自動車業界の特許調査を、AIの新しい選択肢で加速したい方は、Snorbeを試してみてください。キーワードクエリを設計する必要がなく、自然な日本語でBYD・CATL・トヨタの技術動向を横断的に問い合わせられます。四半期ごとの差分レポートをナレッジグラフに蓄積することで、CASE転換期の業界動向を「一度追ったら育ち続ける」体制に変えられます。詳しくは https://lp.deskrex.ai/ をご覧ください。