技术门槛在降低，但另一道门槛正在升起——而且更难跨越。
一、一个过于乐观的假设
"AI 会让所有律所都变成 AI 律所"——这句话在 2026 年初迅速成为行业新共识。
逻辑很简单：大模型能力越来越强，Agent 框架越来越成熟，API 成本越来越低。那么，律所全面 AI 化，不就是个时间问题吗？
Sequoia Capital 的 Julien Bek 在 2026 年 3 月写了一篇被广泛引用的文章《Services: The New Software》，核心论点是：今天的 copilot 会变成明天的 autopilot。他把专业服务拆成"intelligence"（信息处理）和"judgment"（判断决策），估计仅外包法律市场就有约 600 亿美元的工作可被 autopilot 吸收。
Harvey 的 CEO Gabe Pereyra 也提出了类似的框架：律所的核心瓶颈是"surplus of intelligence bottlenecked by judgment"——律师的智能是过剩的，瓶颈在判断力。他提出"law firm world model"的概念：当 AI 获得了足够的行业数据和决策模式，就能构建出律所的"世界模型"，从而接管大部分 intelligence 层的工作。
听起来很合理。但如果你真的走进律所，试着让 AI 落地，你会发现从"理论上行"到"实际可用"之间，横亘着几道被严重低估的门槛。
二、先厘清：AI 律所 ≠ AI 法律工具
讨论"AI 律所普及"之前，必须区分两个完全不同的赛道：
AI 法律工具（SaaS/工具型）：卖软件给律所和企业法务，帮助他们更高效地完成法律工作。代表：Harvey（ARR 约 1 亿美元，估值约 30 亿美元）、Ironclad、Spellbook、Robin AI。这些公司的客户就是律所——Harvey 有 60+ AmLaw 100 客户。它们不可能自己变成律所，因为那样等于和客户竞争。
AI 原生律所（AI Native Law Firm / NewMod）：自己就是律所，AI 不是辅助工具而是生产系统的核心，律师从执行者变成审核者。代表：
Crosby
纽约 $5.8M 种子轮 + $60M 新一轮（Q1 2026 关账）
合同审查与谈判
已运营，1000+ 份合同
General Legal
旧金山 $11.5M 种子轮
商业合同（MSA/DPA/NDA）
40-50% 利润率，律师时间从 8-10h 降到 2.2h
Lawhive
伦敦 $60M（2026）
消费者法律服务
早期规模化
Farringdon
伦敦 Orbital（房产科技）旗下
房产交易法律服务
刚起步
Keith
英国 $2M
房产交易
刚起步
短短一年，从 Crosby 独家到 5 家以上——AI 原生律所的涌现速度超出了所有人的预期。Artificial Lawyer 在 2026 年 3 月甚至专门上线了 AI 原生律所目录（AI-native law firm directory）。
这三家是真正意义上的"AI 原生律所"——AI 不是他们卖的，是他们做事的方式。
注意这个区别：Harvey 让律所用 AI，Crosby 自己就是用 AI 的律所。 当我们说"所有律所都会成为 AI 律所"，我们讨论的是后一种——律所自身变成 AI 原生的生产组织，而不是买一个 AI 工具装在传统流程上。
三、被低估的自建门槛：不是"会不会写代码"，而是"能不能把经验变成系统"
调 API 谁都会，但 AI 不只需要 API
让我们拆解一下"律所自建 AI 系统"到底意味着什么。
第一步，调用大模型 API，写一个合同审查的 prompt——这件事，一个实习生花半天就能搞定。
第二步，让审查结果达到"律师可用"的标准——这件事，可能需要几个月甚至更久。
为什么？因为合同审查的核心不是"读懂条款"，而是"知道什么条款在什么行业、什么场景下有问题"。
回到 Bek 的框架：intelligence 层的工作——读懂条款、提取关键信息、比对标准——AI 确实已经做得很好。但 judgment 层——"这个条款在当前谈判态势下，对我方客户到底是风险还是筹码"——这才是律师真正的价值所在，也是 AI 最难替代的部分。
Pereyra 说"intelligence 过剩而 judgment 瓶颈"，问题在于：把律师的 judgment 嵌入 AI 系统，是一项极其稀缺的能力。
"法律+AI"复合人才的真空
你需要的人必须同时具备三种能力：
1）对技术的理解和判断——不是"会用 ChatGPT"，是能判断 AI 在什么场景能做什么、不能做什么，知道什么时候该信 AI、什么时候该 override
2）技术与业务融合的能力——能把 AI 能力嵌入法律工作流的每一个环节，把律师脑子里的隐性经验变成 AI 可以理解和执行的显性规则
3）商业模式的创新能力——AI 改变了成本结构，谁能把新成本结构变成新定价、新服务、新客户体验
最稀缺的是第二点。大多数律师不知道自己是怎么做判断的——他们的经验是直觉性的、模式识别式的，像围棋高手的"棋感"。你要让他们把这些"棋感"讲出来、写成规则、变成系统，他们往往说不清楚。
这不是培训能解决的。这是一个极其稀缺的交叉能力——全世界可能只有几百人真正具备。
谁来维护？
即使你搭出了一个可用的 AI 审查系统，谁来持续维护它？
法律在变。法规在更新。行业惯例在演进。客户的风险偏好会调整。你的 AI 系统必须持续跟进这些变化——而跟进的前提是有人能理解这些变化，并准确地把它们翻译成系统更新。
问题变成一个死循环：你需要稀缺人才来搭建系统，然后你需要同样稀缺的人才来维护系统。人才供给远远跟不上需求。
四、没有成功案例，才是最大的证据
全球：屈指可数，全部在早期
截至 2026 年 Q1，全球范围内 AI 原生律所已从一年前的零迅速增长到 5 家以上：
• Crosby：先驱，专注合同审查谈判，已审查 1000+ 份合同，新一轮 $60M 关账中
• General Legal：旧金山，Casetext 前CTO 联合创立，$11.5M 种子轮，40-50% 利润率，律师处理 MSA 的时间从 8-10 小时降到 2.2 小时
• Lawhive：伦敦，消费者法律服务方向，$60M 融资
• Farringdon：Orbital 旗下，房产交易 AI 律所
• Keith：英国房产交易 AI 律所，$2M
• DoNotPay：AI 法律助手，主攻小额索赔和消费者维权，多次被监管机构质疑无证执业，合规性存疑
Q1 2026 Legal Tech 全行业融资 23 亿美元，但 Relativity、Harvey、Legora 三家占了 63%。钱大量涌向 SaaS 工具，但 AI 原生律所的增速在加快。
如果"所有律所都会成为 AI 律所"是一个即将发生的趋势，2026 年的数据正在给出信号——但信号还不够强：5 家公司在一年内涌现说明方向对了，但没有一家证明了 3 年以上的可持续性。
中国：连雏形都没有
中国的情况更说明问题。
法律服务市场规模超过 2000 亿元人民币，执业律师超过 75 万人。但截至 2026 年初：
• 没有一家以 AI 为核心的注册律师事务所
• 没有一个成功的"法律+AI"自建系统案例被公开报道
• 没有一家法律 SaaS 公司的产品达到"律师日常可用"的水平
部分律所开始用 ChatGPT 辅助法律研究，一些合同审查工具在做 AI 化改造。但这些不构成"AI 律所"——充其量是"律师用 AI 工具"。
更深层的原因：Crosby/Lawhive/Farringdon 这类 NewMod 模式在中国没有制度空间。这些公司的共同特点是：非律师可以持股、技术合伙人可以参与律所治理。而中国的《律师法》规定律师事务所须由律师设立，非律师不得参与经营。这意味着中国的 AI 原生律所不可能复制 Crosby 的模式——你不能让工程师合伙人加入律所治理结构。
5 年前行业在喊"法律 AI 革命"，但真正意义上的 AI 原生律所直到 2025 年才出现第一家。2026 年一年内涌现了 5 家以上——速度在加快，但还没有人跑完一个完整的商业周期。
没有成功案例本身就是证据
这说明问题不在技术端，而在组织端和人才端。
技术能力已经够了——Claude 和 GPT 已经能处理大部分合同审查工作。但没有足够多的"翻译者"把律师经验嵌入 AI 系统，没有足够多的组织能够实现"AI+律师"的协同工作流，没有足够多的律所有意愿和能力投入这个转型。
一个市场如果连一个成功案例都产生不了，说明不是需求不存在，而是供给端有结构性障碍。
五、时间线：比共识快，但比技术慢
两种时间观的冲突
技术乐观派认为 AI 律所 5 年内就会大规模出现——基于 AI 能力的指数级增长。制度保守派认为还需要 15 年——基于组织转型和人才供给的惯性。
真相可能在中间，但更偏向乐观派。原因很简单：AI 不需要等人才供给跟上，AI 本身就是人才供给的加速器。
现实的普及时间线
2025-2027：先驱验证期
• Crosby/Lawhive 等先驱验证商业模式，Crosby 新一轮 $60M 意味着资本市场正在下注
• 少数先锋律所开始系统化 AI 集成
• 大部分律所停留在"用 ChatGPT 查法条"的水平
• 关键事件：如果 Crosby 在 2027 年前证明可持续商业模式，将触发模仿潮
2027-2031：规模化扩散期
• AI 律所开始大规模出现——不再只是零星几家，而是行业现象
• 头部律所完成 AI 工作流重构，中腰部律所被迫跟进
• "法律 AI 架构师"需求爆发，供给严重不足，但 AI 辅助的知识工程工具开始填补空缺
• 中国出现第一批 AI 律所尝试，但制度障碍仍在
• 关键催化剂：AI 工具自身降低知识嵌入门槛——让律师不需要"法律+AI"复合人才就能把经验嵌入系统
2031-2035：新常态期
• AI 律所成为主流形态而非例外
• 不做 AI 化的律所面临生存压力——不是"要不要用 AI"的问题，而是"不 AI 化就活不了"
• 能存活的律所基本都是 AI 律所
• 中国的制度障碍可能在此期间逐步松动
关键判断：窗口期大约 1-2 年，5 年后 AI 律所会大规模出现，10 年后能存活的律所基本都是 AI 律所。
为什么比共识快？
1）AI 自身会降低知识嵌入门槛——今天需要"法律+AI"复合人才才能做的事，3 年后可能由 AI 辅助的知识工程工具完成。律师不再需要懂 Agent 架构，AI 会帮他提取和结构化经验
2）资本在加速推动——Q1 2026 Legal Tech 融资 $2.3B，Crosby 新轮 $60M，Lawhive $60M——钱比人才快，钱会催生人才供给
3）竞争压力倒逼转型——当先锋律所用 AI 把合同审查从 1 周缩短到 1 小时、价格砍掉 80%，观望者没有时间犹豫
4）Crosby/Lawhive 的成功是引爆点——一旦有 1-2 家跑通商业模式，模仿者会像潮水一样涌入
为什么比技术慢？
1）组织转型仍有惯性——即使 AI 能力 2 年后就够用，律所调整工作方式、质量控制流程、培训体系仍需 2-3 年
2）知识嵌入需要迭代——AI 能帮律师提取经验，但提取出来的经验需要实践验证和持续校准，这个过程无法压缩
3）制度适配需要时间——中国不允许非律师参与律所经营，AI 原生律所的制度基础不存在；制度松动通常需要政策事件驱动，不会自动发生
4）信任建设不可压缩——客户对 AI 法律服务的信任需要时间积累，尤其是在中国这种"认人"的法律市场
六、1-2 年窗口期：紧迫感比你想的大
如果窗口期只有 1-2 年，紧迫感就完全不同了。
这不是"5 年内慢慢转型"的节奏，而是现在不动，2 年后你就不是先驱者，而是追赶者。
窗口期真正值钱的东西：
1. World Model 的飞轮
你的 AI 系统审的合同越多，积累的行业知识和决策模式越多，系统就越好用。这就是 Pereyra 说的"law firm world model"——每个律所的 world model 都是独特的，它来自你的客户、你的行业、你的决策历史。
这个飞轮启动需要时间。1-2 年的领先意味着你的 world model 已经迭代了数百次，后来者即使技术相同，也需要同样的时间积累数据才能追上。数据飞轮不可压缩。
2. 复合人才的先占
"法律+AI"人才极度稀缺——但注意，这个窗口在收窄。AI 工具自身在降低知识嵌入门槛，3 年后也许不需要那么稀缺的复合人才。但在 AI 工具完全补位之前，谁先占住这批人，谁就领先 1-2 个迭代周期。
3. 组织能力的构建
"AI+律师"协同工作流不是买一个软件就能实现的，它需要组织结构、质量控制流程、培训体系的配套。这些能力的构建需要时间，但一旦建成就是后来者难以复制的组织壁垒。
4. 客户信任的建立
客户不关心你用什么技术，关心的是结果好不好、速度快不快。先跑通 AI 工作流的律所，会在速度和成本上形成短期差距——这个差距就是客户选择的理由。
1-2 年后，当 AI 律所开始批量出现，这个差距会被迅速抹平。现在不动，窗口就关了。
七、结论：窗口 1-2 年，5 年变局，10 年定局
Sequoia 说"今天的 copilot 会变成明天的 autopilot"——方向没错，而且这个转变可能比 Sequoia 自己预期的还要快。
Harvey 说"intelligence 过剩而 judgment 瓶颈"——诊断没错，但 AI 正在快速侵蚀 judgment 的领地。今天 AI 做不了的判断，2 年后可能就能做。
真正的壁垒不在 AI 能不能做，而在于你的 world model 有没有积累够了、你的组织有没有跑通了 AI 工作流、你的客户有没有建立起对 AI 法律服务的信任。
这些事情需要时间。而时间窗口只有 1-2 年。
5 年后，AI 律所会大规模出现。10 年后，能存活的律所基本都是 AI 律所。这不是遥远的未来，这是正在发生的事。
现在的问题不是"AI 行不行"——AI 行。问题也不是"会不会变"——一定会变。问题是：你是在窗口期建飞轮，还是在窗口关闭后追飞轮。
这场竞争的核心，从来不是技术本身。是对技术的理解和判断，是对技术与业务融合的能力，是商业模式的创新能力——这三者叠加，就是对"AI+法律"复合人才的需求。
技术是公共的，谁都能调用同一个 API。但理解技术边界、把技术嵌入业务、用技术重构商业模式——这些能力不公共，极度稀缺，且短期内不会过剩。
本文基于对 LegalAI行业的持续观察和独立分析。文中时间线预测为个人判断，仅供参考。