尽管AI技术在法律领域有着巨大的潜力，但目前大多数法律AI工具仍停留在解决单点问题的阶段，未能真正融入律师的日常工作流程。这篇文章将深入探讨AI法律应用的现状和未来发展方向，分析为什么现有的AI工具未能充分发挥其潜力，以及如何通过创新的商业模式和产品设计来推动AI在法律行业的广泛应用。

自AI爆发以来，很多行业都在喊“AI 改造我们”。但要说谁最快进入状态，法律绝对是其中的“优等生”。

融资数据就是最直观的证明。2025 年，法律 AI 创业公司接连拿下大额融资：Harvey 拿了 3 亿美元，Eudia 也完成了 1.05 亿美元。

其中，Harvey更是成了红杉最看好的AI公司，从 2023 年起就被红杉资本一路加码，A 轮到 E 轮全程跟投，还在 A 轮和 D 轮亲自领投，把估值一路推高到 50 亿美元。

随着Harvey和AI法律的爆火，随之出现了三个问题：

法律为什么成了AI落地的最佳场景？

Harvey成功的关键到底是什么？

这个赛道还有哪些机会，值得创业者再杀进去？

最近，a16z 的合伙人 Marc Andreessen 写了一篇关于AI法律的长文，就回答了这些问题。这是他在过去18个月和无数法律 AI 创业公司、企业客户打交道，总结出一些观察。

这些观察就像“透视眼”，能够帮助我们更好看清当下的AI法律赛道。

01 AI法律被忽视的两个机会

很多人觉得律师事务所是法律行业的核心，但真正每天使用法律服务并从中受益的，其实是企业客户和他们的法务团队。所以，讨论法律 AI，应该先从企业内部法务说起。

过去 18 个月里，企业法务团队真正用得最多的 AI 工具是什么？答案很简单：ChatGPT。

它几乎成了“默认配置”。律师们会尝试用它来分担一些小任务，比如快速修改合同、做点法律研究。而对那些 AI 搞不定的部分，他们干脆就不碰。换句话说，现在的生成式 AI 更多是“临时工”，解决的是零碎问题。相比之下，专门的“法律 AI”软件还在探索阶段。

企业法务团队其实对 AI 兴趣很大，但真正落地的功能还很有限。目前比较常见的落地场景有两个：合同、协议的修改和审查，法律研究阶段的资料收集。

这些功能虽然有用，但和律师每天面对的整体工作量相比，只能算是小修小补。更关键的是，即便在这些有限的应用场景里，工具本身也面临一些结构性的挑战：

第一，平台风险，律师日常工作离不开 Word、Outlook 这样的核心办公工具。如果你不是这些平台本身的“原生功能”，只能作为插件存在。但问题在于，这些平台自己也在快速推出 AI 功能，你随时可能被替代。比如，Copilot 已经直接嵌进 Office 和 Outlook，能自动写邮件、改合同。

第二，转换成本低，这些工具虽然好用，但也很容易被替代。如果别人能更快、更便宜地提供相同功能，客户没理由不换。

第三，将面临ChatGPT的直接竞争。很多时候，律师觉得ChatGPT 本身就够用了，而且它一直在进步，还基本免费。如果你的产品表现没有显著超越“用 ChatGPT+几个好提示”，律师很可能就懒得折腾新工具。

这并不是说现有的工具没价值。恰恰相反，它们发展很快，说明确实满足了潜在需求。但我觉得，它们错过了两个更大的机会：

第一，真正的多人模式

目前，这些工具只是给企业法务内部用的，很少能把“企业团队 + 律所”放到一个平台里协同工作。而在会计软件领域，这点正是成功关键。

比如，QuickBooks、Bill.com 之所以能火，就是因为小企业和外部会计师能在同一个系统里操作，带来了网络效应。法律工具到现在还没出现类似的协同模式，这可能是个巨大的机会。

第二，覆盖完整的工作流

AI 工具现在能帮忙改合同、查判例，但这只是整个流程的一小部分。实际上，一个合同往往要先从系统里调出历史文件，再发邮件和业务方确认，接着收集多方审批，最后还要把最终版本归档保存。

换句话说，现在的 AI 工具只是解决了流程里的单点任务，而不是把完整的工作流自动化。如果未来能有一个更像 Monday.com 或 Zapier 的“法律工作流平台”，把这些环节串起来，才算真正提高效率。

现在的情况是：企业法务确实想用 AI，但手里真正能用的只是一些零散的小工具。最常见的状态就是：先用 ChatGPT 打个草稿，再配合几个插件来审合同、查点资料。

但问题来了，如果想让 AI 在法律行业真正“起飞”，光靠功能是不够的，还要看商业模式。

原因很简单：要想进入法律行业，甚至让律所和企业客户在同一个系统里协作，你必须搞清楚一件事——律师是怎么赚钱的。如果你的产品和他们的赚钱方式对不上，就算再好用，他们也未必愿意买单。

02 AI最大的价值，就是帮律师赚更多的钱

在法律行业，大多数律所的赚钱方式还是“按小时计费”。

举个例子，在典型的大型律所里，一个律师的时薪大约700美元，每年工作2000小时，算下来能带来140万美元的收入。

扣掉工资和奖金，大概50万美元，剩下的90万美元就成了利润，归到合伙人头上。一个合伙人一般带4个律师，这样就能为他贡献360万美元左右的利润。如果团队再大，利润就更高。

为什么要强调这个？因为这就是律所的运转逻辑。

如果你卖给律所的 AI 工具，能让他们在这个模式里赚得更多，那产品基本不用怎么推销就能卖出去。相反，如果工具的价值是“帮律师节省时间”，那就和律所的利益冲突了。对一个靠卖时间赚钱的生意来说，省时间等于少赚钱。

这也是为什么我们在投资Eve（法律AI助理）的时候特别看好他们的方向。Eve 服务的是风险代理模式（按结果分成，而不是按小时收费）的律师。

这里的逻辑就完全不同：效率越高，律师就能接更多案子，赢得更多和解，拿到更多提成。AI 帮他们把流程自动化，等于是直接帮他们赚钱。这就成了一个天然的沃土。

有人会说：“迟早大律所也会用AI，因为效率高了，他们要么能收更少的费用，要么能接更多的案子，行业迟早会变。”

但现实是，我们还没看到这种情况。顶级律所依然坚持按小时收费，客户也愿意买单。特别是在涉及公司生死的大案子里，客户更在意“要最好的律师”，而不是“要最便宜的律师”。

所以，没有外部压力（比如客户逼迫、或者有新对手冲击），这些精英律所没理由主动削减工作时间、降低费用。

这就是为什么我更看好那些能让各方利益一致的AI初创公司。比如，风险代理模式的原告律师，或者一些固定费用的高强度公司业务。因为在这些场景下，AI不会削弱律所的收入，反而能直接提高利润率，客户也能接受。这样的产品不再是逆势而行，而是顺风而上。

03 品牌和数据飞轮，才是Harvey真正的护城河

如果你关注AI法律，一定听说过Harvey这家公司。

当你跟已经接触过 Harvey 的律所聊起使用情况时，常常会听到这样的对话：

“他们平时真的在用 Harvey 吗？”

“呃，其实用得不多……至少目前还没有。”

这听上去有点令人失望，但其实没什么大问题。因为Harvey走的是一条长期路线，而法律行业本身就是一个非常看重信任、声誉和耐心的市场。

短短时间里，Harvey已经做成了一件很不容易的事：它成了许多知名律所的默认AI选择。企业软件领域有句老话：“没人会因为买了 IBM 而丢工作。” 现在在法律 AI 里，同样没人会因为买了Harvey而被质疑。

这背后的核心竞争力不是功能，而是品牌效应。

每当Harvey和一家“白鞋律所”（特指：那些历史悠久、声望极高、通常位于纽约等大城市的顶级律所）宣布合作，就会带动另一家跟进——要么是担心落后（FOMO），要么是出于竞争压力，要么只是为了证明“我们也和同行一样”。

法律圈子小，CLO（首席法务官）和创新负责人之间经常交流，合伙人们在行业会议上也会互相打听，大家都想知道别人用的是什么。Harvey 把这个心理利用得非常好。

Harvey 也很早就明白：在大律所市场，靠“自下而上”的产品驱动增长几乎不可能。因为没有律所批准，哪怕是合伙人也不能随便把敏感客户数据丢进新工具里。

所以 Harvey 采取了“自上而下”的策略：从一开始就去争取律所高层，拿下企业级协议。

通常这需要创新委员会、IT 和知识管理团队的支持，还要有少数有远见的合伙人推动。一旦谈成，就是整个律所甚至一个大部门集体采用。这样一来，Harvey 就绕过了逐个说服用户的慢节奏。

结果就是：Harvey 现在已经进入很多大律所的体系。哪怕使用率暂时不高，也没关系。律所已经签约了，不太可能轻易撤掉，因为大家都认为，从长远看，AI 一定会改变行业，尤其是这种“文本输入、文本输出”的场景。

于是，他们提前押注 Harvey，希望它能成为未来的合作伙伴。Harvey的优势更多来自品牌和信任，而不是短期的高使用率。

除了品牌外，一个常见的护城河来自，网络效应。

很多人都在宣传“每多一个客户，AI 系统就会更聪明”，因为可以依靠模型微调和反馈循环不断进化。但在法律行业，这种说法很难成立。

原因很简单：律师事务所对数据极度敏感。没有哪家律所会同意，把他们的机密文件拿去训练一个共享模型，让竞争对手也能用到这些成果。所以现实是，每个大客户的数据都必须孤立保存。

目前，大多数法律 AI 公司都是用公开数据来训练模型，比如SEC文件、判例、立法资料等。大家基本都在同一口“公开井”里打水。

当然，你也可以帮单个律所基于它们的内部数据做微调，让效果更好，但这些收益不会扩散到别的客户。换句话说，在现有条件下，法律AI行业很难建立像消费互联网那样的“数据护城河”，也很难形成跨客户的网络效应。

不过，这并不代表没有正反馈。在特定客户或细分领域内，AI 还是能形成“飞轮效应”。

比如，Eve专注于原告方诉讼：它帮助律所完成的案件越多，系统就学到越多。久而久之，它能更精准地识别什么样的案件更有胜算，什么样的模式更容易达成和解。

这样一来，律所就能更聪明地挑选案件，整体成功率提高，进一步强化对Eve的依赖。虽然这些数据不会跨律所共享，但在每个客户内部，AI都会不断迭代，形成实打实的竞争优势。

Harvey的成功告诉我们，在法律 AI 领域，真正的“网络效应”不是靠数据共享堆出来的，而是靠品牌和信任。

当它成为行业里“不会出错的选择”，这本身就形成了强大的市场力量。虽然这里不会诞生像 Facebook 那样的病毒式网络效应，但最优秀的公司正在用两条路径来构筑壁垒：

一是通过战略打法和品牌积累赢得市场信任；

二是在具体领域里通过持续学习创造用户粘性。

04 总结

今天，AI法律是AI应用里最被看好的赛道。几乎每天都有新的团队进入，尝试在这个庞大的市场里找到突破口。这种热情甚至夹杂着一些炒作，但并不难理解：很少有哪个行业像法律这样，本身就是以文本、文档和知识为核心，因此也格外适合被 AI 改造。

当然，并不是所有想法都能走得通，也不是所有初创公司都能通过律所和法务部门的严格考验。从我的观察来看，真正能走出来的公司往往满足三个条件：

第一，解决激励问题。好的产品会顺应客户的商业模式，让他们在现有盈利逻辑里获得直接回报，而不是和“按小时计费”这种核心机制对着干。

更有前景的方向是那些跟效率挂钩的场景：像风险代理案件（赢了才能分成）、固定费用的项目，或者帮公司批量处理业务的自动化工具。在这些模式里，效率越高，赚的钱就越多，AI 才能真正发挥价值。

第二，建立品牌与信任。在一个保守又紧密联系的行业里，成为“安全的选择”本身就是一种护城河。要么你能成为大多数律所的默认 AI 合作伙伴，要么你能在某个细分市场里拿下关键分销渠道。

第三，不能只停留在单一功能。 最有潜力的团队，不是只做一个“合同检查小工具”，而是去重新设计整个工作流程。比如，让 AI 不光能帮人改合同，还能把不同部门的人拉到同一个系统里协作，把从起草到审批再到归档的全流程串起来，并且越用越聪明。这样，AI 带来的价值就远远超过一个点状的功能。

法律行业常被认为是慢行业，但我们已经能看到变革的前兆：

在行业不同环节里，需求已经开始显现：企业法务希望把那些琐碎而重复的流程交给 AI 来自动化，律所则把 AI 看作一种“虚拟助理”，帮助他们在不增加人手的情况下处理更多业务，而原告律师更是直接依赖AI来接手更多案件、提高胜诉率和和解效率。

目前，大家看到的“用 ChatGPT+小工具打补丁”只是起点。真正的突破，会来自那些能跨过市场门槛、契合各方激励，并打造出“用得越多越有价值”的产品。做到这一点，你拥有的就不只是一个法律 AI 工具，而是一个能在行业变革中长期站稳的平台。