数十年来，律师事务所的核心资产是那些深谙交易细节、熟知法官偏好并能凭经验指引新人的资深律师。如今，各大律所正竞相将这些隐性知识转化为软件代码。
过去两年间，大型律所虽广泛采用 OpenAI、Harvey、微软及 Legora 等公司的通用工具，但竞争焦点已转向更宝贵的领域：构建基于自身独有知识的系统。律所们的赌注在于，经过交易历史、诉讼策略和客户偏好训练的 AI，将比市面上任何通用产品更具实战价值。
为封装这一“秘密配方”，律所不惜重金。今年早些时候，柯克兰&埃利斯律所（Kirkland & Ellis）同意向 Palantir 支付 5 亿美元，为其私募股权融资建议业务构建专属技术。路伟国际律师事务所（Latham & Watkins）则购入英伟达服务器，着手定制大语言模型。
在美国最大的人身伤害律所摩根&摩根（Morgan & Morgan），内部开发的 AI 模型已投入使用。该系统经训练可识别案件中的隐蔽模式，例如标记脊柱神经受压患者未来可能需要手术的风险。摩根&摩根首席转型官 Yath Ithayakumar 指出，资深律师能凭直觉发现此类细节，但对初级律师而言却不易察觉，技术在此带来了巨大差异。
这正是摩根&摩根推动自建技术的愿景所在。该所宣布将在未来十年投入 10 亿美元，目标并非与 OpenAI 竞争，而是捕捉并固化其顶尖律师的知识体系。
数据优势：拥有比任何人都多的案例
当高科技工具日益普及，竞争优势便源于系统所掌握的独特知识。旧金山精品法律咨询公司 LegalEng Consulting Group 首席执行官 Mary O'Carroll 表示，若一家律所在私募股权市场占据主导，其优势在于能让律师随时调用“口袋中 5 万笔交易的知识”。
摩根&摩根积累了数十年的人身伤害、取证、和解及庭审档案，这些历史数据不仅是工作记录，更是训练 AI 所需的原材料。Ithayakumar 强调：“我们拥有比任何人都多的数据，必须成为这些数据的良好守护者。”
负责任的使用始于严格控制。律所需谨慎管理数据访问权限，明确外部供应商是否可保留或学习这些数据，并在跨案件识别模式前剥离所有身份识别信息。这种对控制权的渴望，也为科技公司开辟了新的赛道。
争夺战：谁拥有知识的所有权
Harvey 希望复制 Palantir 的模式，通过开源模型针对法律工作微调，最终帮助律所对自身案件数据进行类似操作。传统法律数据库巨头 LexisNexis 和 Thomson Reuters 也看到了机遇。Thomson Reuters 已向客户开放基于其 150 年内容训练的“Thomson”模型；LexisNexis 则致力于结合其法律语料库与律所自有数据。
LexisNexis 全球法律业务首席执行官 Sean Fitzpatrick 指出，模型能力的同质化使得“模型所拥有的内容和背景”成为区分关键。
尽管资金大量涌入定制系统，最终赢家是拥有最多数据的律所，还是赋能数据的软件公司，目前尚难断言。但各方共识已定：法律科技的下一场争夺战，不在于软件本身的智能程度，而在于谁拥有软件所掌握知识的所有权。