他們想做讓14億中國人都用得起的“律師”

出品｜虎嗅科技組

作者｜陳伊凡

編輯｜苗正卿

頭圖｜AI生成

“AI原生100”是虎嗅科技組推出針對AI原生創新欄目，這是本系列的第「52」篇文章。

中國有約83萬名執業律師，服務14億人口，每1700人攤到一名律師，大約是美國的七分之一。大多數中國人一生中不會主動聯系律師，找不到門，也付不起錢。

張惟師認為，這是一個商業機會。他是冪律智能的聯合創始人兼CTO，這家法律AI公司背后站著線性資本、藍馳創投、源碼資本、紅杉資本等頭部機構。這也是中國第一個商業化的法律AI大模型公司。

今年，是冪律成立后的第8年。

說起冪律的成長，2023都是一個避不開的時間點。那一年上半年，大模型出來了。投資人想看新東西，客戶也想看新東西，但冪律的老產品——企業合同審查系統還沒來得及用大模型改造，新產品也沒出來，賬上上一輪融資的錢快花完了。

“青黃不接”，張惟師后來形容那段時間是“硬撐過來的。”

轉機出現在當年6月：在決定向大模型轉型后，冪律推出了垂直法律大模型PowerLaw GLM，做了一個對話產品的demo。兩個月后，拿到了8000萬融資，藍馳領投——這筆錢，是中國法律科技賽道迄今最大的單筆融資。

也是在這一年，一家叫Harvey的公司在大西洋另一端成立了。如今Harvey年收入1.9億美元，估值92億美元，獲得了Sequoia、a16z、OpenAI累計接近10億美元的投資，服務全球頂級律所，是法律AI賽道最炙手可熱的名字。

投資人時常問冪律一個問題：“你們是中國的Harvey嗎？”

每次都被張惟師否定了，冪律就是冪律，比Harvey早了整整六年。而且走的不是同一條路。

冪律智能團隊照片 圖片由冪律智能提供

Harvey服務的是大律所——美國律師付費意愿強，事務所愿意花錢買提效工具，訂閱制跑得起來。

冪律想做的是另一件事：用科技讓法律服務觸達那些根本沒有“法律意識”的普通人和中小企業。中國有幾千萬家中小企業，遇到合同糾紛、勞動爭議、債權追討，要么忍著，要么摸索，鮮少有人知道自己的權利，也付不起律師費。

兩個方向，是不同土壤中長出的不同的結果。

在法律AI這個賽道，有幾個問題是每家公司都繞不過去的：要不要訓練垂類模型？如何防止幻覺？內部怎么評估AI質量？在這種強信任的賽道，如何權衡人類律師和AI律師之間的界限？

冪律拿到8000萬之后干的第一件事，不是擴張，是重構。除了之前B端的合同審查系統，內部開始孵化“吾律”這個項目。

為了消除幻覺，他們和智譜合作，訓練法律垂類模型PowerLaw GLM。

一家初創公司，一上來就訓練垂類模型，是一項很重的投入。張惟師說，在2023年，通用大模型能力還沒有上來的時候，做垂類模型是非常有必要的，跟智譜合作在GLM3上做法律增量訓練，“在當時是難得的資源”。因為在那個時期，市面上涌現許多法律AI團隊，律師背景、不懂工程——直接把自己的法律知識喂給大模型就出產品了。

但站在今天，隨著大模型能力的提升，冪律不再需要做重成本的增量訓練，轉向兩類輕量工作：針對特定工具調用能力的微調，以及私有化場景下的小規模法律數據訓練。

這項AI產品的核心價值有多少來自模型本身，又有多少在基于對法律行業認知上搭建的Agentic workflow 或認知架構？張惟師說，過去是60%來自模型本身，40%來自Agentic的工作流，但現在來看，則反過來了。80%來自Agentic的工作流，20%來自模型本身。

這句話背后意味著，模型的貢獻越來越小，而80%則是對法律場景和業務流程足夠理解，是大量真實案件積累出來的工作流，是讓AI結果可信賴、可兜底的服務體系。這些東西不是算力能買來的，也不是靠模型升級能直接替代的。

“吾律”不是工具。在張惟師的設想中，它可以完成承擔一個AI律師的角色。支撐這種信任的，是一套持續運轉的數據閉環：AI給出結果，用戶復核修改，“原始結果”和“人工定稿”之間的差異，冪律會定期跑程序分析，再反過來優化模型。這是他們的內部評估體系，也是數據飛輪轉起來的方式。

不過針對C端和中小客戶的法律AI產品，有一個問題是區別于其他ToC的AI產品，那就是法律是一個低頻需求，無法用續費率來衡量。如果是這樣，如何確認產品的PMF？張惟師說，他們關注使用黏性，會看用戶在用戶有需求的時間窗口里，他跟“吾律”互動的頻率和次數，是只問了一個問題就消失了，還是一直在問，直到問題被解決。

還有一個問題就是付費，張惟師不是沒有答案，只是他覺得不急著給，他給自己形容叫做“克制的商業化”。

他完全可以分析用戶的聊天記錄，把有需求的轉給律所去電話回訪；可以在用戶問了幾句話之后就彈出“需要人工服務嗎”，推律師撮合。這些是成熟的變現路徑，做法律平臺的同行大多在做。

他沒有做。

“這跟我們的初心不符。”張惟師他們還在做AI自動化立案——這個功能很難，做出來可能也掙不到多少錢，但他們還是在做。甚至后面還打算推出“你敢用我敢賠”的功能。

商業化目標，今年下半年才開始追。但他花了八年時間，先把另一件事想清楚了：法律AI，到底應該是什么？到底該賺什么錢？

為什么要做法律垂類大模型

虎嗅：法律AI的賽道，Harvey已經是跑出來了，會有投資人問你們，是不是中國的Harvey，或者把你們和Harvey做對標嗎？

張惟師：投資人有時候會問“你們會不會成為中國的 Harvey”，但冪律是 2017 年成立的，Harvey 是 2023 年才成立的，我們早了整整六年。我們分析下來，中美法律服務市場差異很大，直接對標這個路子是不對的。

虎嗅：冪律在成立之后做了哪些方向，后來又停了哪些？

張惟師：主要兩條線：一是法條案件檢索，但國家后來把數據開放了，而且這個賽道已經有做了十多年的巨頭，門檻沒了；二是律所端的知識管理系統，國內律師總數也就幾十萬，付費意愿不大，天花板很低。

我加入之后，這兩條線都停了，專注做企業端。我們觀察到大型企業在合同管理上還停留在 OA、發郵件附件這個水平，法務需要審查的合同量很大、類型很多，這是一個真實且沒有被認真對待的痛點。

虎嗅：你們做企業端的時候，大模型還沒有出來，大模型出來后，對公司來說有哪些比較關鍵的變化？

張惟師：最開始的產品邏輯是純規則引擎加知識圖譜，沒有大模型可用，是樹形結構的審查邏輯，要給合同加一個“分期付款”審查點，要搭幾十個步驟，才能判斷甲方是否在付款比例上讓步太多，這套東西很費人，效果也有限。

大模型出來之后，我們開始孵化“吾律”這條產品線，面向中小企業和 C 端用戶。這其實一直是我加入的初心，希望用科技讓法律服務更普及，只是之前沒有合適的 AI 能力，一直沒動。大模型出來，時機成熟了。

虎嗅：大模型出來之后，你們是怎么判斷哪些場景先被改造的，有哪些場景選擇？

張惟師：是循序漸進的。最開始我們并沒有把大模型當成推倒重來的理由，原來的產品還在交付，不能馬上切換。我們先在一些局部子任務上試：合同里的信息抽取，發現大模型效果確實比傳統深度學習好；合同起草，生成模型本來就擅長這個，效果不錯。

到了 2024 年，我們發現模型能力進步很快，開始對合同審查做架構升級，而傳統規則引擎和大模型混搭的路子越走越窄，很難激發大模型的潛力。最后還是要盡量依賴大模型，不能在舊框架上打補丁。基于多智能體架構重建了一套合同審查系統，比原來好很多。

虎嗅：法律 AI 對幻覺的容錯率非常低，幾乎要求零幻覺，幻覺問題怎么處理？

張惟師：幻覺不可能百分之百消除，人工審查也會出錯。問題是怎么把它壓在產品可容忍的范圍內，不讓幻覺發生在關鍵節點上。

我們用幾個層面控制。第一是模型層，我們跟智譜合作訓練了垂直法律大模型 PowerLaw GLM，融入了大量法條案件數據和服務過企業的優質合同數據，在法律場景下的幻覺天然比通用模型少。第二是架構層：多智能體架構，每個智能體專門負責一個子任務，最后有一個校驗智能體對核心交付結果做二次 check——地址電話對不對、案號準不準確、文書有沒有違法信息，沒問題才發給用戶。第三是數據閉環，用戶復核修改的行為是很有價值的訓練信號，AI 的原始結果和人工定稿之間的差異，我們定期分析，反過來優化模型。

虎嗅：公司整體的采購成本，大頭在哪里？是給模型的 API 費用，還是人機結合那部分的人工成本？

張惟師：大頭是云主機，加上我們自己布的跑法律大模型用的 GPU 集群。

API這塊，實話說現在比之前便宜多了，成本還好。C 端產品偶爾會有用戶很高頻——比如有人一上午跟“吾律”聊了幾百個問題，消耗了幾千萬 token，但這是少數。百萬 token 的價格現在很便宜，整體下來不是大頭。

還有一塊是全員用 AI 工具的費用，我們現在全公司都在用 AI 寫代碼、出設計、寫文檔，這塊公司按月給大家報銷。程序員用量特別大，一不小心一上午就可能用了 100 美元，這塊加起來也是成本。

虎嗅：自研了垂直法律大模型，這是一個比較重的投入，現在回頭看這個決定對嗎？

張惟師：要站在當時的視角看，2023 年上半年做這個決策是因為通用大模型能力遠沒有現在強，讓它回答一個法條問題、生成一個合同條款，基本是亂答的，那時候做垂直法律大模型非常有必要。但站在今天看，垂直大模型對整體產品效果的貢獻度在衰減，這是實際情況。通用模型的能力已經在很多層面覆蓋了垂直模型的優勢。所以從 2025 年開始，我們不再做大規模增量訓練，更多是做針對特定工具調用能力的微調，或者在私有化場景下用開源模型做法律數據的小幅訓練。

所以2025年開始，我們做了一些調整，首先不做重成本的增量訓練，改做兩類輕量工作，一是針對特定工具調用能力的微調，比如把違約金計算工具的能力訓進模型；二是私有化場景下，用開源模型做法律數據的小規模訓練，解決私有部署環境下通用能力不足的問題。

核心場景還是用PowerLaw GLM，這是我們的“金剛鉆”，未來的重點已經不是繼續建超大基座的法律大模型了。

虎嗅：大模型能力提升之后，你們發現自研垂類模型的能力被大模型覆蓋了，那么隨著大模型越來越強，垂直廠商的壁壘到底在哪里？

張惟師：我們的判斷是，壁壘主要有兩點。

第一，對垂直場景更深入的理解。“吾律”是圍繞中小企業和 C 端的法律場景設計的，真正幫用戶交付結果，比如企業欠款追繳，我們從證據收集、催款函生成、蓋章律師函，到 AI 打電話談判，到寫起訴狀，到 AI 全流程自動化立案，這一套流程需要非常深的專業積累。立案時需要哪些材料、每個材料的格式，必須具備專業律師級別的知識才能過審。這些不是大模型能力提升就能自動解決的。

第二，對 AI 結果的服務保障和兜底能力。用戶愿意付費，是因為想買一個可信任的服務結果。我們在做的是人機結合來兜底——AI 先交付，核心內容有專家審核功能，之后還會做“你敢用我敢賠”這樣的服務升級。

模型貢獻20%，剩下80%是Agentic的工作流

虎嗅：在你們的產品上，大模型自身的能力，和你們自己搭建的工作流的能力，各自貢獻多少？

張惟師：這個比例在變。早期我們做垂直大模型的時候，可能覺得模型本身貢獻了 60%，工作流和場景設計貢獻 40%。但現在隨著通用大模型能力的提升和技術普惠，模型本身對產品差異化能力的貢獻度在往下走，工作流、場景理解、服務保障的重要性在往上升。以“吾律”為例，如果單聊對產品差異化能力的貢獻度，現在我覺得可能是20%靠模型本身，80%靠圍繞場景的工作流設計和服務能力，當然不同場景會有差異，合同審查這種專業場景，模型的貢獻可能還稍微高一點。

虎嗅：你們自己衡量 PMF 的標準是什么？兩條產品線各自看什么指標？

張惟師：不提錢的指標的話，兩條線邏輯很不一樣。

中大型企業這條線，我們早期最關注真實使用率。很多大企業采購了一套智能化系統，但其實根本沒人用，或者用一下就放著了。

我們更關注的是：這家企業一年有 1 萬份合同，上線之后真正走了 AI 審查流程的有多少？大家是真的在用，還是用傳統方式在旁路操作？這個指標非常關鍵，因為它直接決定你后續二期三期項目的簽約率，中大B產品真正的利潤其實在二三期，第一期更多是打基礎的。

中小企業和C端這條線，我們關注使用粘性，即在用戶有需求的時間窗口里，他跟“吾律”互動的頻率和次數。

法律需求是低頻的，但高強度，用戶遇到問題會很焦慮，那段時間他可能問幾百個問題，我們就看在那個時間窗口內，他是問了一個問題就消失了，還是真的一直在用、問題被解決了。續費率更多是企業端的指標，C 端因為需求本身太低頻，不太適合用續費來衡量。

虎嗅：你們做了 B 端和 C 端兩條線，各自踩了哪些坑？

張惟師：中大型企業這條線，早期最大的坑是技術方案選型的問題。為了快速交付項目，代碼堆積，不同項目之間復用率、可配置化都比較差，結果服務了幾百家企業之后，我們要花將近一年時間重構，重新基于多智能體架構來做。

中小企業和 C 端這條線，踩的坑更多在營銷端。最開始我們用做互聯網 C 端的思路——邀請裂變、發會員獎勵，但法律是低頻且非常隱私的場景，用戶不會主動把一個法律平臺推薦給別人，裂變根本起不來。所以我們后來調整思路，不走燒錢投放，而是找渠道，找有大量企業資源的渠道，借他們的背書來推產品。

虎嗅：法律行業對信任的要求很高，如果是一個AI律師，怎么在用戶側建立信任？

張惟師：這是我們目前面臨的最重要的問題之一。

從技術手段來說，多智能體互相校驗、減少幻覺；從人機結合來說，我們開律師函這個場景，AI 起草，合作律師做復核再蓋章，這本身就是一層信任背書；往后還會做人工專家審核功能，用戶花很少的成本，我們的合作律師給出意見和修訂版。最后是服務保障，例如“你敢用我敢賠”，這個承諾本身就是信任的來源。

虎嗅：你印象最深的用戶案例是什么？

張惟師：武漢一個用戶，跟一家人力資源公司有公積金糾紛，對方少替他的員工代繳了一個月的社保，他想起訴，但覺得找律師太貴，就自己用“吾律”試了試。

他先描述了案情，“吾律”幫他生成了起訴狀和證據目錄。他覺得可靠，就把公司的真實名稱、對方公司的信息、截圖一樣一樣發過來，“吾律”生成了完整的起訴狀。他又問能不能幫他立案，“吾律”就告訴他怎么登錄法院的在線服務網，告訴他每一頁怎么填，每一個陌生的法律術語怎么選：民事審判立案還是執行立案，是合同糾紛還是買賣合同。到最后，他需要一份委托授權書，證明自己有權代表公司原告起訴，他把自己的身份證正反面照片發給了“吾律”——沒有打任何碼。“吾律”幫他生成了這份文件，他就立案成功了。

整個過程半天，跟“吾律”互動了 200 次左右，問了 80 多個問題。找律師的話，沒有一周、幾千塊錢搞不定，而且他是新用戶，我們那時候給的試用額度，在他身上沒有賺到一分錢。但我們覺得他對“吾律”的信任，已經遠超對一個 SaaS 工具的信任。

虎嗅：我看到之前有個叫“無憂吾律”的服務，這個產品和“吾律”是什么關系？

張惟師：“無憂吾律”是“吾律”的前身，但不是同一個產品。你可以理解成，我們一直想做吾律 AI 律師，但在做之前，我們得先自己去真正服務客戶，只有把這些中小企業和 C 端用戶親手服務一遍，才知道他們真實的需求是什么，AI 在里面能起到什么作用。

“無憂吾律”是一個人機結合的法律顧問服務。我們在成都有一個法務團隊，在無錫和華東一帶簽了幾百家中小企業，作為他們的法務顧問。法務同學先用我們的 AI 系統提效，比如審合同、寫法律意見書，AI 先出結果，人再做二次復核，最后發給用戶，這個過程中還有微信群跟進服務，類似律所的方式，這是有人工成本的，所以我們的定價在大幾千到一萬出頭，跟律所比其實已經很低了。

到去年我們覺得這套東西的 know-how 已經拿到了，大模型能力也到了一個新的階段，就把這個模式升級成純 AI 交付的產品，也就是現在的“吾律”。價格也降了很多，月會員 88 元，年會員 988 元，最高版才 1600 多。

虎嗅：冪律的數據飛輪是怎么建立的，什么階段你發現它轉起來了？

張惟師：數據飛輪分兩塊：數據收集和數據使用，形成閉環。

收集側，除了公開數據，一方面是我們法務團隊內部整理的專業知識數據，另一方面是客戶授權后脫敏的合同數據。這兩類數據質量比較高，可以直接作為大模型的memory 或者RAG 方式使用。

更有價值的是產品端用戶真實的使用反饋數據。

比如大型企業的合同審查，AI 給出結果，人工復核，最后形成定稿——這個“AI 原始結果”和“人工定稿”之間的差異，我們在用戶授權下會定期跑程序分析，把這些數據再喂給大模型，讓模型下次審同類合同的時候，記住用戶的審查偏好和習慣，這個過程可以循環起來。

“吾律”這端一樣，我們用 AI 自動分析用戶的使用數據，用戶問到哪里不問了，哪里點了贊，哪里在吐槽，定期做自動化分析，讓模型更準確。

克制的商業化

虎嗅：你認為未來冪律的競爭對手可能會來自什么類型的公司？

張惟師：中大型企業的合同審查這條線，競品比較多，比如原來的大 OA 廠商、專門做合同的垂直廠商。

中小企業和 C 端這條線，目前我們還沒有發現可能的競爭對手。其他家大多還停留在 SaaS 工具屬性，做不到真正幫用戶交付問題——比如開蓋章版律師函，現在沒有一家法律 AI 產品能在線上直接開出來，我們已經可以做了，成本一百塊錢不到。

大廠方面，法律這個場景對大廠來說可能不夠性感，頻次低、裂變效應差，不是他們投入的重點。

虎嗅：創業這幾年有沒有特別至暗的時刻？

張惟師：2023 年上半年。

那時候大模型剛出來，投資人和客戶對你的期待都變了——他們想看你怎么用大模型，但我們當時老產品還沒有來得及用大模型改造，新產品也沒出來，賬上上一輪融資的錢基本快花光了。

總之是硬撐過來的，核心團隊一直堅持住了。2023 年 6 月，我們推出了 PowerLaw GLM 這個垂直法律大模型，做了一個對話產品的 demo。2023 年 8 月，我們拿到了 8000 萬的融資，藍馳領投——這筆錢目前還是法律科技賽道最大的單筆融資。有了這個緩沖，我們才能一邊重構老產品，一邊繼續推進“吾律”。到 2024 年，公司整體營收才真正步入正軌。

經歷那段時間之后，團隊對成本控制、商業化節奏、研發創新之間的平衡，認知都深了很多。

虎嗅：如果非要說一個后悔的決定，是什么？

張惟師：如果非要選，是 2023 年大模型出來之后，我們把合同審查產品向大模型遷移的速度大概慢了半年。

原因有兩個：一是我作為 CTO 對大模型能力提升速度的判斷還不夠準確；二是技術方案的路徑依賴——原來那套基于規則引擎的方案做了很久，當時有一些待交付的項目，為了保交付保效果，不太敢用激進的新方案，局內人的自我革命是比較難的。

慢了半年的代價是，市面上出現了一些沒有技術包袱的競品，律師出身、文科背景，直接在大模型上面配上自己的審查 know-how 就扔進去，效果在當時看起來異常好。

但這種產品門檻低，我們意識到問題之后用了一個季度左右就追上來了。

虎嗅：現在最焦慮的是什么？

張惟師：技術和產品這塊我有信心，做了這么多年了。最焦慮的是營銷——怎么打品牌、怎么推廣、怎么讓更多人知道“吾律”。這不是我的專長，但做面向大眾的產品，這塊又特別重要。

虎嗅：AI 最終會替代律師嗎？

張惟師：我們做“吾律”的出發點從來不是取代律師，而是基于 AI 和人工律師各自的優劣勢來做分工。有些事適合 AI 做：基礎性、高頻的法律咨詢，開律師函，起草合同，起訴狀生成——律師本來也是花時間換收入，現在 AI 來了，這塊的收入律師確實賺不到了。但有些事只能律師做：開庭、線下處理復雜案件、個性化高端業務——AI 做不了，律師的價值不可或缺。

我們的判斷是，未來法律服務會形成三層結構：第一層是 AI 律師和法律服務智能化平臺，端到端解決用戶的共性基礎問題，同時積累案件線索；第二層是給專業法律人賦能提效的工具；第三層是律師處理復雜個性化高端業務，可以和第一層的 AI 平臺合作接案源。

這個模式我們現在已經在小規模運轉了，“吾律”每天產生一些需要人工服務的工單，轉給合作律所來承接。這不是未來，這是現在正在發生的事。

虎嗅：商業化這塊，冪律達到你自己的預期了嗎？

張惟師：中大型企業這條線做得不錯，合同產線基本盈虧平衡，這條線是相對健康的。“吾律”這條新產品線，我們現在還是在關注用戶增長和產品體驗，還沒有特別關注商業化。今年下半年，或者明年上半年，我們預期會開始定商業化的目標——會員體系、蓋章版律師函、人工專家審核功能，這些口子要做好，讓愿意付費的用戶找到值得付的地方。

虎嗅：你自己的產品品味體現在哪里？

張惟師：“克制的商業化”。比如我們現在其實有很多可以快速變現的方式，比如分析用戶聊天記錄，把有需求的轉給合作律所去電話回訪；或者在用戶問了幾句話之后馬上彈出“需要人工服務嗎”，推律師撮合，這些都能快速掙錢。我沒有做這個，因為這跟我們的初心不符。我們堅持要用 AI 去盡量幫用戶解決問題，即使有些場景 AI 做了掙不到錢，我們也堅持做。比如 AI 自動化立案，這個很難，真的做出來可能掙不到多少錢，但我們還是在做。

虎嗅：如果冪律未來走不下去，最大的原因可能是什么？

張惟師：可能是團隊。幾個創始人年齡都在增長，我今年40 了，我們的CEO也快36歲了，再過幾年，可能會跟不上年輕人的思維，跟不上用戶和市場的反饋，被市場淘汰。我們要保持開放和學習，這是我們每天都在有意識地去做的事情。

本文來自虎嗅，原文鏈接：https://www.huxiu.com/article/4850995.html?f=wyxwapp