通用大模型VS法律垂类AI，谁将在法律服务业更胜一筹？

时间倒推回两年前，2022年11月，ChatGPT横空出世，它不仅通晓各类知识，能够自由地与人类进行对话，甚至在一些专业问题的解答上也像模像样。彼时，ChatGPT像是一个突然“溅入油锅中的水滴”，在各行各业都引发了不小的轰动，法律服务业也未能“幸免”。

那时，虽然法律类AI产品还没像如今这般“百家争鸣”，但“AI或将代替律师助理”这样的言论依然甚嚣尘上。有人憧憬着AI可能带来的新机会和新希望，也有人忧心忡忡地担忧着自己的未来。当然，大部分人还是坚信，以ChatGPT为代表的生成式人工智能的出现或将彻底改变法律服务模式，带来一个全新的时代。

而现在，两年的时间过去了。在这期间，一批专注于法律服务业的AI产品争相涌现，国外如Harvey、国内如智爱、Metalaw等；一些法律从业者也在积极尝试将AI应用于日常工作。据汤森路透的调研数据显示，47%的律师与公司法务人员表示，他们已经在实际工作中使用或计划在未来三年内采用生成式AI工具。LLI的调查数据也显示，目前已有87%的从业者认为AI可以简化重复性工作并提升工作效率。

从具体数据上来看，尽管目前使用法律行业特有的生成式AI工具的律师比例少于通用型AI，但其在未来三年内计划使用的人数高达43%。这也意味着，随着行业垂直类AI产品的不断完善和改进，到2027年，为法律行业特制的垂直大模型使用率将超越通用大模型等生成式AI工具。

所谓通用大模型，即基于大规模数据集和深度学习技术构建的、具有广泛适用性和强大能力的人工智能模型。不可否认的是，通用大模型在一定程度上可以处理一些简单的法律概念和术语，在文件起草、辅助判决、辅助庭审、法律咨询等基础工作上也能起到相应的辅助作用。

但基于法律行业对专业知识储备和法律文件规范性、准确性等高标准的要求，训练出专门针对法律行业的垂类大模型仍是必然趋势。法律垂类大模型能够在大模型的基础上，解决通用大模型在法律领域中存在的专业知识储备不足和生成结果失真等问题，更精准专业地理解概念和分析问题，满足法律从业人员的工作需求。

另一方面，通用大模型虽然能适配多种法律场景、服务多类从业人员，但其在法律服务业的应用中仍然存在一些不可避免的问题，如法律专业知识储备不足，训练数据存在偏差，生成结果的准确性、可靠性较低等。此外，大多数法律问题都涉及用户隐私，通用大模型在数据隐私、信息安全保障方面仍有待观察。

相比之下，法律垂类大模型在通用训练数据集上增加了公开的法律数据，如法律法规、司法解释等。以智爱「智慧律师」举例，其依托于智爱法律大模型而生，内置各级法规数据390万+，真实参考案例1.5亿+，还有各类法律实务培训课程以及独家司法权威数据库。多种专业数据资源，提高了训练集法律信息密度，进而也提升大模型对法律专业术语的理解和输出。

此外，法律垂类大模型还通过引入法律专家在训练过程提供专业性背景知识。如法律专业技术提供商Casetext就曾引入专家团队为训练提供大量人工标签数据，助力模型学习到正确答案的形式。

再比如国内的法律AI大模型「智慧律师」在合同审查功能中也通过提供各种由领域专家律师撰写并验证的合同审查方法来确保审查结果的准确和高效，从而提高法律服务的效率和质量。

总之，相较于通用大模型，法律垂类大模型对于法律专业知识的认知理解和法律文本生成的准确性都有了很大程度的提升。能够深入解决通用大模型在法律领域存在专业的知识储备不足和生成结果失真等问题，以更精准专业的理解，提供高效便捷、颗粒度更细的功能服务。

举个例子，针对此前户外运动事故频发、责任划分困难的问题，我们可以通过询问「智慧律师」得到准确回复。输入想要咨询的问题“请你从专业角度分析一下，在日常参加有组织的团体户外活动中若发生意外事故，具体责任应该如何划分？”等待片刻， 「智慧律师」 便给出了专业回答：

若是想更加详细了解相关法律规定，还可以查看下方的相关法规分析。此外，在回答中「智慧律师」还根据咨询的问题提供了专业且有效的实务分析文章，紧跟实事，为用户提供更多角度的思考和信息，便于用户理解和吸收。

法律AI大模型的出现和发展，让我们见证了一个从理论到实践，从概念到应用的转变。这不仅仅是技术的迭代，更是对法律服务模式的反思和创新。正如两年前大家所期待的那样，未来法律垂类AI或将成为法律从业者的得力助手，让我们一起拭目以待。