活动预告｜AI+法律：法律是大模型天然契合的行业，场景落地案例渐增

Sota AI World2023年07月25日约 23 分钟

SOTA AI Devs Park 是专注于生成式 AI 领域的公益开发者社区，由生成式 AI 产业加速营 SOTA AI 支持建设，正在策划举办系列 Meetup 与闭门会，聚焦于同频交流生成式 AI 的前沿趋势与一线技术实践。

最近这段时间，国内外一级市场针对LLM领域的投资开始慢慢转移到大模型的应用层——大家开始更加关注如何让大模型真正进入到应用场景发挥作用。

在各类应用中，我们看好大模型与垂直领域的结合，如法律、金融、医疗等。一方面，这些场景本身具有很大的市场空间；另一方面，这些领域的数据与行业Know-how是基础大模型所不具备的重要资产，是能够嫁接在大模型之上产生实际价值和壁垒的业务。

我们认为，这些垂直领域与大模型的结合蕴藏着巨大的创业机会。本篇将聚焦法律领域，结合海外在这个领域最新的创业动向，探讨大模型在法律领域的应用。

#1.

GPT-4通过美国律师资格考试，这次AI真的要让律师失业了？

法律作为一个保守、精英的行业，在历史上对于技术的采纳向来比较慢。但在这次大模型引爆的AI革命中，却更早地受到了“冲击”，从而不得不主动或被动地开始拥抱AI技术。

AI带来行业冲击

今年3月，OpenAI发布GPT-4，随后美国伊利诺伊理工大学-芝加哥肯特法学院便在其官网发布消息，称GPT-4通过了美国律师资格考试，并且在成绩排名上超过了90%的考生。值得一提的是，GPT-4上一代模型GPT-3.5参加该考试的成绩还是倒数10%——AI能力进化的如此之快，不禁令很多人感到担忧，在不远的未来很多人会因此失业。

法律行业加快拥抱AI技术

在这样的技术冲击下，法律行业也在加快拥抱AI技术。今年以来，这个领域的投融资及创业异常活跃, 据不完全统计，今年获得超千万美元融资的AI+法律领域创业项目已超10家，而其背后以律所为代表的客户也在积极拥抱AI：以获得OpenAI、红杉等明星机构投资的AI法律助手项目Harvey为代表，据其今年4月的对外资料披露，美国已有1.5万家律所正在其waitlist上，等待使用。

#2.

AI替代律师的说法早已有之，这次是什么变了？

实际上，“AI会让律师们失业”这个说法并不新鲜。早在十年前上一轮AI技术火爆的时候，就有人曾预言，AI会让律师成为“濒危职业”，但十年过去，虽然智能软件取代了一些法律工作中的苦差事 —— 例如搜索、审核等，可律师这一职业并未受到AI技术的实质性冲击。法律行业的就业率增速甚至高过平均值。

如今，以大模型为核心的新一代人工智能威胁再次来袭，这次与之前的技术冲击相比，有什么变化呢？

我们认为，最核心的变化有两点。一是新一代AI开始具备复杂逻辑推理能力，二是新一代AI能够很好地处理非结构化信息，而法律行业大量的信息/数据是以非结构化的形式存在的。这两点，让AI在一些法律相关的关键能力上有了突破，从而能更好地自动化解决法律行业的问题/业务。现阶段的AI已经可以初步胜任一个律师助理的工作。

这两点核心变化有可能成为这次与上次AI最大的变量，是未来的发展超越之前的线性预测。

#3.

AI+法律的市场究竟多大？

AI在法律领域引发了这么多“大新闻”和投融资，对创业者和投资人比较关键的一个基本问题是：AI+法律的市场究竟多大？未来的市场格局会如何？

虽然AI与法律的结合早已有尝试，但在这次AI技术变革之前，AI在法律领域能够解决的问题还是比较受限，因而也并没有形成成规模的赛道，AI+法律的市场规模尚无成熟的数据可以借鉴。不过我们可以从两个角度，对AI+法律的市场规模和格局进行一下推测。

结合全球法律服务整体市场规模，从替代人力的角度推算

全球法律服务市场规模近年来稳步扩大。据Statista数据，2015-2020年，全球法律服务市场以接近3.4%的年均增速扩张，到2021年，全球法律服务市场接近7400亿美元。按此增长率预估，到2030年，全球法律市场将成长到万亿美金市场规模。做个简单的推算，理想情况下，如果AI能够以1/10的价格去服务20%的市场，那么对应的是个几百亿美金的市场。相对于人工服务，AI工具的好处在于，边际成本极低，更容易规模化，也更容易生长出巨头。

法律科技领域公司的现状

前面只是理论推导，真正的市场规模也要结合现实，我们可以通过整个法律科技领域公司的发展情况，来推测AI+法律市场未来的一些发展走向。

法律科技领域，在2021年之前，市场上仅有DocuSign公司于2018年上市；到了2021年，Nuix、LegalZoom、CS Disco、Intapp等四家法律科技公司相继上市，随后Evisort、Ironclad、Elevate等公司也宣布了上市计划。这些公司中，LegalZoom是法律电商平台，Elevate是一家综合性的法律服务提供商，其余6家均为软件公司。

海外法律科技行业的特征及突破点

结合以上具有代表性的龙头公司，可以看出目前海外法律科技行业存在几个特征：

第一，相比其他科技公司动辄数百亿美元的市值，法律科技公司的规模并不大。其核心原因在于法律行业的技术渗透率和在线化率都较低。前文提到过，历史上，法律行业一直属于对于技术采纳非常慢的行业。对此，LegalZoom曾提到：“虽然会计、税务、营销和支付等服务行业已迅速向在线化转型，但法律服务大多仍处于离线状态。”CS Disco也有类似说法：“法律行业在数字化和云技术应用方面落后于其他行业。我们认为，现代技术解决方案的渗透性明显不足。”据LegalZoom的调查数据显示：法律行业的在线率只有8%，远远低于医疗、金融等行业的水平。

第二，目前法律科技最大的赛道集中于合同数字化，相关的创业公司超过了法律科技公司总数的1/3。

第三，企业为最终付费方。法律服务虽然是一个大市场，但是其中大多数细分赛道的规模都较小。很多创业企业之所以达不到IPO的门槛，是因为它们面向的客户仅限于律所或公司法务部。CS Disco提到：“不管我们与谁签约，最终的付款人几乎都是公司法律部，律师事务所和服务提供商会将我们的账单转交给他们的客户进行报销。”Law.com的观点则更加激进：“成功IPO的关键要面向整个企业，而不仅仅是法律相关的员工。”

其中第一和第三个问题，是这一轮新的AI+法律创业公司仍然需要面对的市场现实。如果不能打破渗透率低、分散的市场现状，那么新一轮创业公司仍将难以突破规模的天花板。值得期待的是，我们看到这轮AI技术的“爆发性”在于，一旦某个技术/解决方案的效果超出了一定“阈值”，会带来巨大的流量和使用率的快速上涨（如ChatGPT在对话效果上超过了用户体验的阈值，从而带来快速增长）。

也许这会带来突破目前法律科技领域公司天花板的可能。但这种体验和效果上的“突破”能否在要求高、容错率低的2B场景出现，还需要时间观察。在这个“对技术乐观”的假设之外，我们也看到最新的一些创业公司从定位上很好地规避了这个问题。比如Harvey，它并没有将自己完全限制于“AI+法律”的定位，而是定位给知识工作者提供服务，法律只是第一个切入点。

#4.

LLM+法律赛道海外项目扫描

自从ChatGPT引发新一轮的AI投资热潮以来，法律与AI的落地应用是海外相当热门的投资赛道之一。本节对海外头部的AI+法律新创公司进行一个系统扫描——看看目前海外围绕AI+法律有哪些新公司，分别在做什么样的事情？以期给读者带来一些创业灵感和启发。

领域分类

在扫描海外公司之前，结合法律科技领域过往的经验，可以先对AI+法律的赛道做个简单分类，从服务的客户/对象来看，AI+法律领域可以大致分为以下几类：

2B：针对企业提供法律科技服务。一般是针对企业中高频、重复的法律需求提供解决方案（例如，针对房产中介平台提供的合同智能处理服务）。
2L：针对律所/律师等法律专业从业者的法律科技服务。严格来说，2L也是2B的一种，可以算作是2B里面一个特殊分类。根据过往的行业经验，2L的公司会碰到天花板较低的问题。与LLM结合之后的“AI法律助理”是否能够突破这一限制，仍需要时间观察。但我们观察到，最近半年在海外拿到高额融资的头部AI+法律创业公司，多集中于这个领域。
2C：针对普通用户提供的法律科技服务平台，为用户提供法律问题的自动解答、相关律师推荐等。由于普通用户的使用频次低，决策流程长等问题，2C平台扮演的更多是为律所/律师引流的角色，产品的价值和天花板不高，很难形成独立的产品，更多是依附在2B平台上的一个附加服务——许多2B的产品会搭建类似平台帮助其客户做引流。

头部创业项目汇总

Harvey

网站：https://www.harvey.ai/

Harvey于2022 年成立，旨在开发从事法律业务的AI SaaS应用程序。它是OpenAI最早投资的4家公司之一，也是最早用上GPT4的企业之一。公司的愿景是赋能所有的知识工作者，成为他们的AI助手。律师只是第一个领域，接下来是专业人士（Professional services)，最终将面向所有的知识工作者。

创始团队

Harvey由Gabriel Pereyra和Winston Weinberg两人联合创立，前者毕业于南加州大学计算机科学专业，之前曾是DeepMind、Google Brain和Meta AI的研究人员、Stealth Startup 创始人；后者毕业于南加州大学法律专业，曾任O’Melveny& Myers律师事务所证券和反垄断诉讼律师。

融资情况

2022年11月获得OpenAI 500万美元种子轮投资，今年4月又获得了红杉领投的2100万美元A轮融资。

产品及业务情况

Harvey在GPT模型基础上，进一步接受了法律数据（包括判例法和参考资料）的训练。当被一家公司使用时，Harvey AI 会接受该公司自己的工作产品和模板的培训。Harvey可以协助律师进行合同分析、尽职调查、诉讼和法规遵从，并可以帮助根据数据生成见解、建议和预测。Harvey为企业客户提供：定制模型、数据隔离、企业安全性和合规性。

2023年2月全球最大的律师事务所之一Allen & Overy宣布与 Harvey AI 建立合作伙伴关系。并表示自2022年11月以来，这家律所的3500+律师已经通过在日常工作中提出的4万多个问题来测试Harvey，并认为其可以使用多种语言并跨越不同的实践领域，表现超出预期。2023年3月，普华永道宣布与Harvey建立战略合作伙伴关系。Harvey正在与其他律师事务所合作开发定制工具，目前有1.5万家律所在其waitlist上。

优势及壁垒

与OpenAI的投资及合作关系：这保证了Harvey能够第一时间用上最好的大模型同时能快速跟进大模型的最新进展并进行更新迭代。

头部客户资源：目前Harvey已经签下了美国最大的律所之一Allen&Overy及PWC这样的头部大客户。

Evenup

网站：https://www.evenuplaw.com

EvenUp创立于2019年，旨在利用AI帮助律师进行案件索赔工作，主要聚焦于个人伤害索赔（Personal Injury Claims）领域（该领域每年受害者的索赔金额达1000 亿美金），其中AI主要用来审查各种医疗文件、案件档案来生成医疗摘要以及损害估计。

创始团队

创始人Rami Karabibar之前在贝恩咨询以及Waymo等公司工作、另外两位联合创始人Raymond Mieszaniec和Saam Mashhad分别在咨询和法律行业有过多年工作经验。

融资情况

2020年至2023年4月共获得3轮融资，投资方包括BVP、Bain Capital等知名机构，最新一轮估值3.5亿美金。

产品及业务情况

EvenUp的产品让整个索赔流程变得非常简单，用户只需上传原告信息，EvenUp会自动从医疗记录中调出所有相关的伤害、程序及治疗日期，并整合这些信息为用户写一份完整的报告，其中包含损失明细、伤害明细以及处理的详细信息，它会对每个损失进行可靠的评估。

Evenup的ARR只用了1年时间便达到170万美元（2022年）并预计在2023年达到890万美元。据其官网公布的数据，目前通过Evenup每月会生成1000+需求文件稿，有200+律所客户在使用其产品，按照2023年890万ARR估算，平均每个客户一年为其支付2万+美元，帮助客户索赔金额达5亿美金。

优势及壁垒

EvenUp的AI模型的训练数据全部来自行业专家，包括辩护律师、经济学家和技术专家准备的成千上万的请求，利用了超过25万个公共裁决和私人和解来提高其分析的准确性。

CoCounsel（已被汤森路透收购）

网站：https://casetext.com/cocounsel

CoCounsel是AI法律公司Casetext 推出的一款基于OpenAI GPT大模型的AI法律助理，可以用于法律研究、文件审查和合同分析、回答自然语言问题等。

创始团队

CoCounsel不是一个独立公司，而是由其母公司Casetext孵化的新业务。Casetext的创始人Jake Heller毕业于斯坦福大学法学院，曾任Ropes & Gray律所的诉讼律师。

融资情况

自2013年成立以来，共进行了7轮融资，总计融资金额为6430万美元，投资方包括YC，USV等知名机构。2023年6月，Casetext以6.5亿美元估值被汤森路透全资收购。

产品及业务情况

CoCounsel可以帮助律师做以下工作：审查文件/数据库；进行作证准备；自动撰写法律研究备忘录；提取合同数据，进行合同的合规性检测等。优势及壁垒

与OpenAI合作：OpenAI与Casetext合作进行了数月的深入、严格的工作，以构建适合（可靠且安全）供法律专业人士使用的版本。

基于专业数据的微调：Casetext将GPT技术与其专有法律数据库和法律搜索系统ParallelSearch相结合，目前已经使用超过3万个法律问题对 CoCounsel 进行训练。

安全&隐私：CoCounsel 使用专用服务器访问 GPT-4。客户的数据不会作为可公开访问的知识的一部分发送来“训练”模型。客户的信息保持私密，并通过银行级 AES-256 加密保护。

与汤森路透的合作：汤森路透的并购将给CoCounsel带来更大的数据优势，关于这个并购案，后文将有更详细的分析。

Lexis+AI™

网站：https://www.lexisnexis.com/en-us/products/lexis-plus.page

Lexis+AI是律商联讯（LexisNexis）推出的全球首个面向法律界的类ChatGPT生成式AI平台（律商联讯成立于1818年，总部位于英国伦敦，是，世界顶级法律、专利、税务等服务商)

融资情况

LexisNexis的子业务，未单独融资。

产品及业务情况

为法律从业者提供法律内容搜索（交互的对话式搜索，平台会以智能和对话的方式响应请求）、法律内容总结、起草合同/简报等服务。目前Baker McKenzie、Reed Smith和 Foley & Lardner等知名律师事务所，将成为该产品的首批种子用户

优势及壁垒

海量数据：律商联讯拥有全球最大、最权威的法律数据。其拥有的专业数据量高达2500TB，是维基百科总容量的150倍。

集成多家大模型，博采众长。

私有化部署：Lexis+AI™采用1V1的私有部署模式，不会与任何第三方共享数据。

Robin.AI

网站：https://www.robinai.co.uk/

RobinAI成立于2020年，旨在重新思考合同的起草、谈判和使用方式。RobinAI是Anthropic在法律领域的启动合作伙伴（两者都有Google支持）其公司愿景是让合同变得简单。

创始团队

创始人Richard Robinson曾在BoiesSchillerFlexner、Clifford Chance任律师。

融资情况

2021年至2023年2月共获得4轮融资，投资方包括Episode1、软银等知名机构，4轮总计融资近1600万美元，估值未知。

产品及业务情况

Robin AI 的平台有三个模块，每个模块处理合约生命周期中的一个阶段。三个模块分别为：草稿，用于从动态模板创建合同；审查，使用AI识别关键条款，并根据客户定制的谈判手册提出实时建议；查询，通过AI在客户签署的协议中快速查找关键信息。每个模块与其他模块无缝集成，也可独立运行，用户可以采用端到端平台或选择模块来补充现有的技术堆栈。自2021年12月以来，Robin AI的收入增长了20倍，并且现金流已经为正，每年审查超过12,000份合同。

优势及壁垒

将”Lawyer in the Loop"与Anthropic的最新模型集成：Robin AI 的机器学习模型根据来自450万份法律文件的专有数据进行训练，使用户起草和谈判合同的速度提高60-80%，节省高达75%的法律费用。

Spellbook (前身为Rally)

网站：https://www.spellbook.legal/

Spellbook开发了第一个生成式人工智能合同起草工具。该技术由OpenAI的GPT-4等大型语言模型提供支持，针对利用法律数据集的合同性能进行了优化。

创始团队

创始人Scott Stevenson是技术背景出身，曾创立Munemusic, 并在NOCland担任工程总监。

融资情况

2019年至2023年5月共获得2轮融资，总计融资近1200万美元，估值未知。

产品及业务情况

Spellbook使用OpenAI 的GPT-4来帮助法律从业者起草和审查合同。功能包含缺失条款审查、定向草案和查找冲突条款等。此外，Spellbook也为法律团队提供其他技术支持的解决方案，如客户接收、协作和公司管理等功能。据官方数据称目前有600+法律团队正在使用其平台。另有53,000人注册了候补名单。

优势及壁垒

专业数据微调：Spellbook是唯一一个受过合同领域微调，并与Word整合的基于GPT4的工具。Spellbook 接受过案例数据库、表格库和法规的培训。可以全面分析整个合同和文件，且不会遇到token限制。

Lexion

网址：https://www.lexion.ai/

Lexion 成立于2018年，是一个AI合同管理和运营工作流平台，利用AI技术帮助法律团队快速准确地分析合同中的关键条款和风险，降本增效。

创始团队

Lexion三位创始人相识于Paul Allen Institute for AI，并在此孵化了Lexion项目。2020年，他们邀请Jessica加入 Lexion，担任首席法务官，Jessica数十年的内部法律顾问经验有助于将深厚的技术和法律专业知识相结合。

融资情况

2019年至2023年4月共获得3轮融资，投资方包括Madrona、Khosla Ventures等知名投资机构，3轮总计融资3520万美元，估值未知。

产品及业务情况

Lexion 的人工智能和自动化功能最初在Paul Allen Institute for AI作为律师合同管理系统推出，去年Lexion为其Word插件发布了2个新功能：建议可能的更正、创建全面的文本摘要（powered by GPT）。2022年Lexion经历了显著增长，收入连续第三年增长两倍，并将其客户群扩大到包括来自B2B技术、医疗保健、消费品、制造和游戏等各个行业的数百家企业客户。

优势及壁垒

对客户企业现有软件的集成和兼容性：开发帮助运营团队更快达成协议的软件是 Lexion的唯一关注点。为提高协作，Lexion为企业提供了一种集中其所有合同的机制。该平台现在是“运营团队的工作流程工具”，用户不需要使用很多系统和电子表格。该软件集成了Salesforce和Microsoft Word等现有技术。

#5.

中美法律服务的差异

以上项目主要集中于美国市场，对于聚焦国内的创业者来说，在借鉴海外创新思路的同时，也应注意中美法律服务市场的差异。我们与业内人士进行了访谈，认为有几点主要差异：

美国与中国法律体系的差异。美国是判例法体系为主，而中国是成文法体系为主。判例法是由法官在司法审判过程中创造出的法律，其形式是判例，而成文法是由立法机关通过立法程序制定的法律，其形式是立法机关的制定法（statutes）或委托行政机关进行的立法。因而在美国司法体系中，在判案时要依据大量的过往判例情况进行裁量；而在中国，判案时主要依据法律条文，过往判例只起到辅助作用。两国法律体系的根本性差异会带来对于大模型应用落地的一系列差异，例如，在判例法体系下对于判例数据的依赖性更大，这些数据能够带来的竞争壁垒也更高。
美国律师行业的人力成本更高，对于采用AI替代人工来降本增效更有动力，在付费意愿与付费能力上都明显好于国内。
美国人更习惯打官司。处理大大小小的事情（如事故、离婚等），找律师是他们常用的一个手段。民事诉讼方面，人均比例应该比中国高很多。
2G是国内企业可以关注的一个特色。在中国，智慧化政府是个大趋势，而法律科技也是该方向基建的一个重要部分，政府层面有相关预算。据我们了解，基层法院工作量大，急需技术解决方案提升人效，加之有相关预算支撑，法院对相关产品及服务的付费意愿较强，这是当前盈利的重要点。

#6.

挑战与壁垒

在这个领域创业，我们认为有以下几个挑战需要考虑：

数据隐私/保护。法律涉及的是高度敏感数据，法律文件中包含着非常多商业机密及个人隐私，律所会对其采用的解决方案能否完全保障客户信息的保密性高度重视。即便在律师内部，不同团队之间的信息也不是共享的。因此，我们认为，这个领域的产品/服务会更多以私有化部署的形式提供，同时，提供好的数据隐私保护是必要的前提。
解决大模型的幻觉问题。解决大模型的幻觉问题。法律行业高度严谨，大模型“一本正经的胡说八道”对于有些行业可能还有可取之处（如广告文案、创意行业），而对于法律行业则是一个灾难。最近媒体上热议的纽约律师Steven Schwartz的案子就是个很好的例子，他在准备向法庭提交的陈述书时使用了ChatGPT作为辅助，结果ChatGPT杜撰了6个根本不存在的案件和裁决，闹了个大笑话，该律师也因此而被法院定罪。由此可知，大模型与法律行业结合必须要解决好大模型的幻觉问题——需要调整让大模型严格基于现有的法条与案例输出，达到相当的精准度，而不能“自由发挥”。
产品的切入点和发展路径。如前文提到，法律行业本身对新技术是趋于保守，而客户包括企业、律所、法院、普通用户等多种，如何在市场空间、对技术的精准要求和满足客户的流程/功能需求之间把握平衡，找到一个好的切入点获取种子客户验证产品快速迭代，至关重要。同时，鉴于法律科技市场的天花板问题，在切入之后，如何横向或纵向发展，做大业务，也是个很大的挑战。

那么，这个赛道的壁垒是哪些呢？

专业数据/行业know-how的获取。法律行业数据高度敏感、不公开，是否能获取到这些专业数据成为了创业公司最重要的壁垒之一。前文我们介绍的创业公司，很多是通过与头部律所形成战略合作来获得独家的专业数据以及行业know-how。也有公司自己原本的业务就是法律数据库，具备天然的数据优势。专业数据和know-how对纯技术团队来说是比较大的难点，这也是为什么很大该领域的明星项目都有具备深厚法律背景的创始人或联创。
产品化的能力。将大模型技术与行业经验深度结合后输出让客户满意的产品，是垂直领域做AI项目的核心能力之一。对于法律行业，做好“产品化”有一定难度。举个最简单的例子：比如用AI审核合同，审核“精准度”的把握就很有学问。如果精准度定的太高，AI把所有的“问题”都标出来，不仅不能提高效率，还会让律师浪费很多不必要的时间在不重要的问题上。如何能够把重要的问题找出来、没有遗漏，又能放掉那些不重要的问题，这是非常有挑战性的，需要结合行业经验训练和调整，也是团队之间能够拉开差距的地方。
获取头部标杆客户的能力。我们看到，海外新成立的这些AI+法律公司，许多都是在成立初期便与行业头部的律所/客户形成了合作关系，对于该领域的创业公司来说，签约头部客户的意义重大，这不仅意味着在销售上的示范效应，更重要的是获得了独家的行业数据、专家资源，并且产品能够在第一时间得到专业用户的反馈，更快地迭代优化，提升产品力，从而进入业务的正向循环。

在这个赛道的创业公司，我们看到一些共性。这也跟我们分析的挑战和壁垒相契合。

构建行业专属大模型。结合行业数据（法条、案例、专业法律文档等）和专家经验训练的大模型，在输出效果上比通用大模型有显著提升。目前已经有一些开源的法律专业大模型（如北大团队近期发布的ChatLaw中文法律大模型等）。未来创业公司可以选择自己训练行业模型（本文提到的许多创业公司都选择了自己训练模型），或者基于开源的行业模型提供服务。
复合背景的团队。该领域的创业对法律行业的理解、行业资源以及AI技术能力缺一不可，因而技术+法律的复合背景团队是该领域创业的理想配置，我们也观察到绝大多数该领域拿到融资的创业团队都是这样的组合。

#7.

一点启发

前几日，汤森路透宣布斥资6.5亿美元收购上文提到的Coconsel的母公司——Casetext，成为近期AI赛道规模最大的并购交易之一（另一个颇具影响力的交易是Databricks以13亿美元估值收购MosaicML）。我们观察到，在AI领域，创新公司与巨头的快速整合似乎正在成为一种趋势。

汤森路透CPO David Wong在回应其投资人为什么要收购Casetext而不是自建AI工具时表示：

“Casetext/CoCounsel的独特之处在于，他们是极少数可以访问数据的公司之一——他们能够访问历史 Casetext 研究数据集，因此他们既受益于早期访问 GPT-4 的好处，也获得了如何将大模型与权威数据集相结合的经验，他们的数据集虽然规模更小，但更为复杂、专业。
我认为这使得他们与市场上其他仅使用LLM的人相比是独一无二的。这意味着他们的团队、专业知识和经验可以更容易地转化为我们的优势，这将会使我们再次成为拥有真正权威数据集、相关人才并真正知道如何生成式AI的少数公司之一。”

而Casetext创始人谈到为什么会选择被汤森路透收购：

“核心原因之一是要解决Casetext目前的头号制约因素——内容。如果Casetext的法律研究能力/CoCounsel法律助手背后有West和Thomson Reuters的世界级内容数据库的支持，将大大提升产品的体验，这对用户会是个直接的好处。另外，使用这些世界级内容数据库我们可以做的更多。”

在这里，一方拥有领先的大模型应用经验和一定的专业数据积累，另一方拥有强大的数据库和雄厚的资本实力，并将AI视为整个公司最重要的战略方向（生成式AI是汤森路透近期最重点战略之一，计划每年花费约1亿美元投资于AI，与此同时还设定了2023-2025在AI领域的并购预算为100亿美元）。

在需要大量数据、资本驱动的AI领域，这样的结合会不会成为一种常态？对于AI领域的创业公司来说，更快地与巨头联姻或者其他形式的深入合作，而非独立成长上市，会不会成为这个领域一个成长路径？这是一个开放性问题，我们将在未来的行业发展中持续追踪。

（以上内容来自合作伙伴Atom Capital：《AI会取代律师吗？大模型在法律领域应用研究》，2023.07.05)

# 活动报名·AI 新场景系列沙龙03

🌲活动：AI+法律行业落地

🔥形式：开放式沙龙/Meetup（免费）

⏰ 时间：2023 年 7 月 30 日下午13:30-18:00

🗺 地点：北京中关村（具体地址待报名审核通过后，发送邀请）

分享嘉宾：李融，幂律智能，产品解决方案负责人

分享主题简介：幂律智能从2017年开始即投身于法律人工智能研发，并持续推出Legal AI相关预训练模型成果及产品应用，并在今年发布了国内首个千亿参数法律大模型LawGLM。嘉宾将结合幂律智能在法律AI应用方面的探索历程与产品实践经验，为企业需求方及法律AI创业者分享如何从0到1，将法律AI进行落地并产生实际的价值。