法律 AI 赛道最近出现了一个不太寻常的融资信号。

9 月 , 法律 AI Agent 产品 " 涌见 AI" 宣布完成 A 轮融资。此时 , 距离它上线只过去两个月。

更值得注意的是 , 这轮进来的不是传统 VC, 而是两家产业公司 : 商米科技和金盾检测。

商米科技是 2026 年 4 月刚在港交所主板上市的商业物联网公司 , 产品和方案覆盖全球 200 多个国家和地区 , 落在餐饮、零售、物流、医疗、政务等 100 多个行业场景。金盾检测成立于 2010 年 , 是公安部认证的等级保护测评机构 , 软件等保测评等业务全国排名前列 , 多次承担国家级重要活动的安全保障。

一个掌握线下商业终端和行业数字化入口 , 一个长期做政企安全与合规。

为什么一家刚进入商业化阶段的法律 AI 公司 , 吸引来的却是这样的产业股东 ?

这个问题 , 其实比 " 融了多少钱 " 更值得看。

法律 AI, 正在起变化

先来看整个 AI 行业的走向。2026 年上半年 , 几乎所有领域的 AI 产品都在经历同一场演进 : 从 Chatbot 走向 Agent。Chatbot 能对话、能回答问题 ;Agent 能围绕一个任务 , 开始自主思考 , 规划 , 调用工具 , 最后独立自主地交付一项复杂的成果。法律 AI, 由于律师群体工作的复杂性特点 , 更是 Agent 应用最适合的细分领域。

过去相当长一段时间 , 法律科技解决的核心问题 , 是让律师更快找到信息。找法条、找判例、找法规、找模板 , 这类产品已经相当成熟。律师原本需要翻阅大量资料 , 现在可以通过数据库、搜索工具和 AI 问答 , 更快定位自己需要的信息。

但以 Harness 为代表的 Agent 框架逐步成熟之后 , 事情正在起变化。

以争议解决为例 , 律师真正耗时间的 , 很多时候并不是 " 找到一条法条 ", 而是找到之后的一整串工作 :

阅读几百页案件材料 , 提炼事实 ;

检索类案和法律依据 ;

判断争议焦点 ;

梳理风险 ;

形成法律观点 ;

最后再把这些东西变成一份能够交付给客户的成果。

前者解决的是 " 查什么 ", 后者解决的是 " 怎么把活干完 "。这就是 Agent 与 Chatbot 的分界线。

合同审核、案例检索、材料整理、尽职调查、文书起草……这些工作本身就具有比较明确的任务边界和流程 , 也因此成为 AI 最有可能逐步接手的部分。至少在美国 , 这个方向已经得到市场验证。以 Harvey 为代表的法律 AI 产品 , 已经让 AI 参与法律研究、合同分析、尽调和文书生成这类完整任务 , 而不只是一个更好用的搜索框。

法律 AI 的竞争 , 开始从 " 回答一个问题 ", 走向 " 完成一项工作 "。

中国市场也在经历类似的转向。但摆在面前的 , 是一个更根本的问题 : 律师到底敢不敢真的把自己的工作交给 AI?

这个问题背后 , 是法律行业最不能容忍的三件事。第一 , 不能容忍幻觉。律师要签字、要 " 背锅 ", 引用一个不存在的判例 , 承担的是真实的执业责任。第二 , 不能容忍不安全。案件材料里全是客户的秘密。第三 , 不能容忍 AI 不按专业律师的方法干活 , 它得像一个真正的律师那样拆解案件、推进流程。

这三件事 , 通用办公 Agent 是无法满足需求的。约束 AI 只依据可核验的来源作答 , 把数据留在律师自己的设备里 , 让它按律师的工作流拆解任务 , 这些活要有人在这一行里一层层做下去。这份专门 , 正是法律垂类 Agent 存在的理由 , 也是涌见 AI 要回答的问题。

第一关 :AI 到底能不能干活 ?

如果 AI 只是回答问题 , 律师对它的要求还停留在 " 聪不聪明 "; 但当 AI 开始处理真实案件 , 要求就完全变了。

律师要签字的工作 , 引用一个不存在的判例 , 后果是执业责任。所以 AI 给出的每一条依据 , 都要能点回去核验。涌见 AI 在这层做了来源可溯的检索 , 覆盖中国大陆、中国香港、新加坡等多个法域 , 法条和案例都指向原始出处 , 编造的东西进不了交付物。

过了幻觉这一关 , 才轮到 " 能否干活 "。律师需要把案件材料放进去 , 让 AI 知道这个项目是什么 , 按照自己的工作方法处理材料 , 最后拿到一份可以继续修改、甚至直接交付的结果。

涌见 AI 用 " 项目 + 技能 + 模板 " 的方式组织工作。案件材料跟着项目走 , 办案方法沉淀成技能 , 最终输出的文书按律师自己的模板生成。律师新建项目、放入材料 , 再调用相应技能 ,AI 完成对应任务。

这个设计背后的逻辑很简单 , 让 AI 走进律师原本的工作方式 , 律师不必为它另学一套习惯。

第二关 : 律师敢不敢把数据交给 AI?

能干活只是第一步。

法律行业还有一个特殊问题 : 它处理的 , 往往恰恰是最不适合随便上传的数据。案件材料、合同、客户信息、尽调资料 , 很多都涉及商业秘密甚至高度敏感的信息。

所以安全在法律 AI 这里不是一个产品功能 , 它本身就应该是商业化的前提。AI 再聪明 , 如果律师不敢把材料交给它 , 最后也只能停留在演示阶段。

涌见 AI 的做法 , 是把安全能力直接放进产品架构。它采用桌面 Agent 形态 , 数据默认留在本机 ; 云端调用时 , 只通过用户选择的模型官方 API, 平台不保存任务上下文 ; 对于数据更敏感的团队 , 还可以使用本地模型方案 , 必要时先脱敏 , 再进行云端调用。

这些看起来都比较 " 技术 "。但对律师来说 , 它们最后只对应一个很朴素的问题 : 我能不能放心把这份材料交给你 ?

所以 , 法律 AI 的竞争 , 某种意义上也不是单纯比谁的模型更强 , 而是在比谁更有能力建立一套让律师 " 敢用 " 的体系。

先让律师敢用 , 才有资格谈效率。

第三关 :AI 到底按照谁的方法干活 ?

还有一个更深的问题 : 即使律师愿意把案件交给 AI,AI 应该按照什么标准来做 ?

这恰恰是法律工作的难点。

一个资深律师审合同 , 不一定会把自己的判断过程一条条写出来。他可能知道什么风险优先级最高 , 知道什么条款应该先看 , 知道什么时候应该继续追问 , 也知道最终文书应该怎么写。这些碎片化的经验 , 过去很难完整串联。

但 AI 出现之后 , 一个新的可能性出现了 : 律师的工作方法本身 , 能不能被沉淀下来 ?

这也是涌见 AI 把 " 技能 " 放到产品核心位置的原因。

个人可以把自己与 AI 协作形成的方法沉淀成个人技能 ; 团队则可以进一步把合伙人的判断、标准和做事方式固化下来 , 形成团队技能。

涌见 AI 还在推进技能市场 , 并联合近百位红圈所合伙人共创 , 同时与北京大学法学院开展产学研共建。目前 , 其客户名单中已经包括多家红圈律师事务所。

如果这套模式能够成立 , 它沉淀下来的就不只是法律知识 , 还有律师的工作方法。

这件事的意义 , 比 "AI 帮你写一份合同 " 更大。知识可以搜索 , 模板可以复制 , 但一个资深律师多年形成的判断标准、工作路径和风险偏好 , 过去很难被规模化复制。

" 技能 " 提供了一种路径 : 把原本只存在于律师脑子里的经验 , 变成 AI 可以调用、团队可以复用的数字资产。

从一个 AI 工具 , 到法律行业的基础设施

现在回看开头的问题 , 答案已经逐渐明晰。

当法律 AI 从 " 一个 AI 工具 " 开始进入真实业务 , 它面对的问题就不单是产品、模型或技术的问题。它得进办公终端 , 得接业务系统 , 数据安全要有人兜底 , 客户的信任要一点点攒起来。

法律 AI 的竞争 , 很可能正在从 " 单点的产品功能 ", 转向 " 谁更有能力把 AI 送进真实业务场景 "。

这也解释了产业资本为什么开始变得重要。商米的优势在于硬件终端和商业场景 ; 金盾长期深耕政企安全和合规。按照涌见 AI 的规划 , 融资之后 , 它将进一步拓展律所办公、线下接谈、法务合规等场景。与此同时 , 围绕数据采集、合规存储、技能共享等更底层的生态能力 , 也需要逐步补齐。

这意味着 , 法律 AI 真正进入行业之后 , 场景、终端、安全、数据和律师经验 , 都可能成为这场竞争的一部分。

当律师多年的经验可以变成可复用的数字资产 , 当 AI 真正进入案件、合同和客户服务的每一个工作节点 ,AI 改变的就不再只是律师使用工具的方式。

它最终可能改变的 , 是法律服务本身的生产方式。