引言：秋天总与“收获”关联，这一年，法律科技领域的收获如何？

科技公司把研发和产品押进法律场景，律所拿出预算、人员和业务流程尝试 AI ，忙过一轮，大家究竟拿回了什么？

如果只看融资、发布会、博览会，这个行业仍然热闹。但一家科技公司拿到新融资，与它做成一门好生意，是两回事；一家律所自研或采买 AI 工具，与律师真的省下时间，也仍然隔着距离。但我们还是想说说阶段性的收获，以及，对未来趋势的观察。

一、2026年，海外关注法律场景的AI 公司多了、还是少了？

今年，依然有不少法律科技公司成功扩大融资规模。

根据 Crunchbase 截至 8 月 26 日记录的全球法律科技风投情况，总资金规模已超 22 亿美元，至少 12 家公司获得单轮 5000 万美元及以上的融资，另有 50 多笔 100 万美元及以上的种子轮。说明，头部投入与早期探索都在继续。

与此同时，Harvey 今年 3 月宣布获得 2 亿美元新融资，由 GIC 和红杉共同领投；瑞典的 Legora 先获得 Accel 领投的 5.5 亿美元 D 轮，随后追加融资，累计达到 6 亿美元。不难看出，对于头部 AI 公司，资本也仍愿意下重注。

法律科技“热闹”局面的另一边是，这种热闹已不单是垂类科技公司、律所引发的，而是模型公司直接杀入法律行业。

第一波带来明显冲击的，是 Anthropic。今年 2 月，Anthropic 旗下 Claude Cowork 集成了一组法律插件，包括合同审查、法律 memo 生成等功能。5月12日，Anthropic 正式发布 Claude for legal，覆盖商业合同、隐私合规、监管合规、AI 治理、法学生成长、Skill 应用市场等。紧接着，原本处于法律行业数据信息龙头地位的汤森路透宣布会和 Anthropic 合作开发后续产品。

Google 也在 8 月推出 Gemini Enterprise for Legal 预览版，将法律任务技能、数据连接、Agent 和治理放到一起，面向合同审阅、监管跟踪等任务。尽管 Google 自己也强调，基础模型能力并不足以单独满足法律工作的要求。

从这些产品的设计看，两家公司争取的是法律团队日常工作的入口，而不只是多一次法律问答。潜移默化地，法律行业使用科技工具的入口开始慢慢从传统垂类产品转向通用智能体。对某一类业务场景提供通用起草、摘要或问答的垂类工具及以此为盈利的公司而言，这意味着更直接的功能竞争。

那么，大模型越强，投资人就越不愿意投垂类吗？至少Legora的领投方Accel给出了不同的判断。

它在投资说明中直接讨论了基础模型与垂类应用的价值归属，认为法律场景的数据、上下文及协作、先例管理、复核、安全等配套能力需要专门积累和建设，不能把这类产品简单看作模型的“外壳”。

领投5.5亿美元D轮，也是它对这一判断的实际下注。Accel是一家头部美元 VC，也是硅谷最老牌、品牌最强的机构之一，这至少说明在以 Accel 为代表的投资人看来，模型能力提升与垂类深化可以同时成立。

二、国内聚焦于形成可以上手的产品

国内也没有停止下注。“律新社研究中心”梳理的 2026年40 家代表性法律科技企业中，23 家处于种子轮至 A+ 轮，业务包括法律AI、在线法律服务及电子签名等。

这还只是截至今年5月的融资样本，国内法律科技已有多年的资本与业务积累。

早些年，大厂就有涉猎。百度的法行宝、讯飞的星火法律大模型、阿里的通义法睿纷纷入场，亦有威科先行等本就在法律行业的科技公司自研垂类产品和模型，聚焦合同审查、尽调生成、证据整理等等场景。

如今，在国内应用场景开发的投入上，很明显的趋势是北大法宝、华宇元典等传统的国内法律数据库都在开放 MCP 服务。MCP 可以简单理解为 AI 调用外部数据和工具的一套连接规范，一旦法律数据有了接入通用智能体的途径，律师可以尝试在常用的智能体环境中查法规、找案例、处理材料，再逐项审核来源与结果。

前文我们提到过的 Claude for legal 系列产品，也有 MCP 服务，但各有侧重，国内 MCP 提供可调用的法律数据，海外 MCP 则连接专业软件、内容和机构材料，都在降低软件、网页之间来回切换的成本。

这算不算收获？对研发而言，当然算，产品和接口都已转化成律所和企业法务等用户的采购费用。

对生意而言，还要看律师是否持续使用，机构是否愿意采购和续费。产品走出了发布会，才开始接受业务的检验。

三、海外律所加快 AI 改造，国内律所把专业经验接进系统

海外不少律所，正在“公开地”让员工深度使用和融入 AI；而国内律所更侧重于如何把专业经验接进系统。

4月，Freshfields 宣布与 Anthropic 共同开发法律 AI 工作流。通过自有平台，该所已向全球 5700 名员工提供 Claude 访问权限，并称数千人使用其方案访问 Claude，前六周的采用与使用增长约500%。这表明 AI 投入已经转化为实际内部使用。

Willkie 的积累更像一笔可继续使用的组织资产。7月与 OpenAI 宣布合作之前，其 WillkieWorks 团队就已搭建五个平台。本次合作将推进 ChatGPT Enterprise 全所部署，并计划利用 Codex 等能力继续开发内部工具。现成的团队和平台，让新模型有了可以接入、继续迭代的基础。

Goodwin 的做法更重。这家年营收超 27 亿美元的律所，每年为 AI 留出约 2500 万美元的"自建+外采"预算，今年 8 月推出了自建平台 Regina OS 的第一款产品——一个风险投资融资 AI 工具：读条款清单、比对市场数据、标出风险条款、生成草案。更值得看的是建平台的人：6 名从今年 3 月起脱离日常业务、保留薪资奖金的初级律师，用 AI 编程工具参与开发；律所计划到年底把全职投入工具开发的律师扩到 100 名，再配上约 100 名工程师和设计师。目标也写得具体：每年把约 100 万小时的律师时间，转移到更高价值的工作上。

国内律所的 AI 应用目前普遍处于探索和试运行阶段。常见做法主要是，组织业务团队与技术团队面对面协作，把 "AI 能做什么" 落到 “某个专业问题具体该怎么做”上，并在内部系统先行试运行。部分律所围绕知识管理、业绩、利益冲突等内部工作场景启动 AI 系统试运行，并同步制定使用规范，让原本散落在资料和个人经验中的信息进入系统接受检验。

就在刚刚过去的8 月，上海律师协会发布了 2025 年度法律科技应用最佳实践，若干律所自研专注于律师业务场景的 AI 工具，从 AI 开庭通知助手、合同智能审阅平台，到跨境法律智能体、税法全控智能体，落点基本围绕合同审查、文书起草、类案检索这些高频业务。

四、收获已经出现，丰收还要回到业务里看

这个秋天，部分科技公司和律所已经收获了阶段性成果——科技公司拿出了产品，获得了机构合作与试点机会；律所积累了内部平台、研发能力和实际使用。海外资本仍在积极下注，国内也有新融资，这让双方有条件继续投入，却不能代替收益本身。

把前面的案例放在一起，会发现一个值得注意的方向，即许多动作都涉及模型、算力等技术问题之外的工作：材料怎么接上，机构的业务要求如何进入产品，下一位经办人能否接着完成任务。由此看，工作流的衔接正在成为双方必须投入的部分。

因此，当下法律 AI 的着眼点，需要从展示某项能力，进一步落到具体场景里完整的协作工作流：

律所负责审查标准、专业复核和受托交付，企业保留商业决策，科技公司负责功能实现、权限控制与故障处理。比如，Google 强调继承原系统访问权限，也说明授权应跟着数据走。由此进一步落实到操作，允许 AI 起草不等于允许覆盖原件，允许读取也不等于允许向外发送；每一步都应有明确的授权范围。

数据安全同样要沿流程检查。作为用户的律所和企业先确定哪些材料可以提供，科技公司说明经过哪些服务、谁能访问、留存多久、是否另作训练及怎样隔离项目。即便内部部署，也不能省掉这些检查。案例标注和审查规则哪些可以复用、哪些仅限本项目，则应结合客户授权另行约定。

最终能否可靠运行，还要经过压力测试。美国国家标准与技术研究院（NIST）的生成式 AI 风险管理指引指出，实验室测试未必能外推到真实应用，并建议准备故障回退，包括人工处理。把这一思路用于合同初审，材料缺页、来源冲突或工具失败时，系统应标出缺口、停止受影响的步骤并交给人工；模型和规则更新后，再以代表性业务样本复测。这些是合作验收应检验的机制，而不是一次成功演示就能证明的能力。

这个秋天已经有了值得肯定的成果。接下来的丰收，要看科技公司能否把产品留在工作流里，律所和企业能否把专业经验与管理要求接进去，再共同证明：算上复核、维护和协作的全部投入，这份交付仍然更值得。到那时，收获才不只写在融资公告和合作新闻里，也会写进客户下一次选择与续约的决定里。