2022年以GPT为代表的大模型横空出世，法律服务是备受关注的大模型落地场景，海外创业公司发展势头迅猛，已经有多家创业公司拿到巨额融资或被高价收购。
作为被GPT首轮投资的企业，Harvey在成立不到2年时间估值已达15亿美金，ARR（年度经常性收入）接近3000万美金。Robin AI在2024年初完成2600万美金的融资，成立十年的Casetext被汤森路透以6.5亿美金收购。
借助大模型的能力，海外法律AI公司不论是在融资还是业务上都获得很大进展，国内市场目前也涌现出包括慧多宝智能等优秀创业公司。
不论从技术实现上，还是应用方式上，大模型非常适合应用在法律服务场景。
基于过去两年实践，业界对大模型的能力边界有了相对明确的认知，大模型擅长处理非结构化数据，这为其在法律等咨询类专业服务行业的运用充满了想象空间；但大模型的幻觉问题又让其很难提供专业级行业运用需要的精准度和确定性，此外，并非所有任务都适合通过对话的模式来解决，这些问题将由聚焦于垂直领域运用的法律AI企业来解决。
尽管大模型技术与法律服务场景非常贴合，但真正想研发出一款好用的AI法律产品并不容易。
第一，产品层面，AI类产品不同于以往管理软件，其人机协作模式的建立很大程度依赖于用户高频使用，从而获得数据反馈和产品功能迭代方向，必须在核心功能、工作流逻辑、用户体验等方面做到非常好用，必须要对行业有深度理解和大量工程化实践。
第二，数据层面，除了司法领域的数据相对公开，涉及具体法律实务的知识和数据比较零散，也没有行业的统一标准。想要训练出能够解决法律实务场景的高质量的行业大模型难度很高。汤森路透以6.5亿美金收购Casetext很大原因就是看中后者十年的法律服务领域的知识积累
产品存在门槛对于创业公司倒是一件好事，一方面，通用大模型产品逐步侵蚀掉法律AI应用市场的可能性较低，另一方面，协同办公等大厂产品想进入这个市场也不太容易。这个领域创业公司更多关注是产品研发和商业化问题，如何打磨出易用的产品并覆盖潜在客户。
目前法律AI应用主要是针对四类目标客户群体，ToB（企业法务）、ToG（政府机关）、ToP（专业服务机构）、ToC（法律从业者），爱分析认为，四条路线在中国市场均可跑通。
近期，爱分析对慧多宝智能创始人兼CEO王薇女士进行访谈，就创业初衷、产品优势、客群定位、商业模式等内容进行探讨，现将部分访谈内容呈现如下。
爱分析：2023年创建慧多宝智能这家公司是怎么考虑的？
王薇：创建慧多宝智能其实跟我个人背景是有关系。我是学法律出身，职业生涯上半段是专业服务机构，而职业下半段是在一家人工智能企业做COO。
大概是因为既在专业服务领域，又在AI领域工作过，大模型出现后我就特别敏感地意识到，科技已经发展到了一个重要节点，它会给法律乃至整个泛咨询行业的工作模式带来翻天覆地的变化。泛咨询行业以前还是以人为主，尽管在OA、搜索等领域有些技术渗透，但过往技术是很难高频切入到咨询行业的生产端。大模型出现后，AI在读、写、推理等方面的能力有非常大提升，再加上在垂直领域的进一步技术打磨，我认为这个行业很快会从传统的完全由人来提供价值演变到人机协同的工作模式。机器处理一些底层、繁杂的案头工作，人发挥人的优势，即对复杂场景的分析判断、跨行业、跨场景的整合以及情感价值。在这一点，硅谷的高科技企业能给咱们一些启示。从硅谷的趋势来看，创业公司之前融到钱一般是90%人力资源投入和10%IT系统投入，但现在情况已经变了，变成50%人员投入和50%系统投入。
创立公司当然少不了一些个人情怀。我研究生毕业后进了美国普华永道，虽然期间学习和成长很快，但早期工作阶段，作为基层员工也少不了处理一些繁琐的案头工作，这个时候我会有蛮大的心理落差。所以，我很期待产品和技术的进步能够让我们作为人的核心价值能够得到更充分地发挥，同时也包括能够充分体验人世间的美好，所谓科技向善。
爱分析：我们都知道大模型本身很擅长处理非结构化文档，市场上有不少瞄准法律相关领域研发产品的，慧多宝成立后，产品方向是如何选择的，有哪些独特优势？
王薇：我们从成立以来一直都非常聚焦在慧多宝法律AI这款产品。产品目前覆盖六大场景：合同审阅、法律文书起草、文本纠错、智能问答、阅读理解和翻译。我们的产品在场景覆盖度、智能化程度、法律的回答专业度等具有显著优势，并且所有场景均支持一键输出处理结果，输出结果均支持进行近三十种语言的一键翻译及语言播报。因为是针对法律专业人员开发的，我们的输出结果会严格地使用法言法语。此外，作为用户高频使用的工具型产品，我们从定价的角度也进行了深入思考，做到让广大目标用户能够用得起，当然同时也兼顾公司的可持续性，从深层次讲，这需要从技术、管理以及团队协同的角度综合发力。此外，五大场景只是我们的开局，我们会持续地往纵深发展。
比如合同审阅功能，我们产品能够审核100多种类型的合同，一次性处理4万字，如果是5000字以下的合同，我们所有合同类型都覆盖。另外，我们提供矩阵式内容总结及审核，满足用户不同维度的合同处理需求。除了系统提供的标准功能之外，我们还提供了“多轮对话”，这样用户可以根据自己的情况要求系统进行智能化任务执行。从智能化的角度来说，合同审阅产品一般采取两种实施路径，一种是基于既定的模板、关键词进行比对，逐条审阅；另外一种路径是通读全文后，可以灵活的根据合同上下文语意去审核。采取这两种不同路径的AI合同审阅产品，在审核效果及灵活性上会带来巨大的差异。慧多宝采用的是后者，这也大幅增强输出结果的人感（即灵活性和智能化水平），让用户觉得是在跟自己的一位助理进行协作。
法律文书起草模块，我们支持40多种法律文件的一键起草，内容覆盖律师函、催款函、公司治理文件、诉讼文书以及仲裁文书这些类别。所有的法律文书我们都支持一键翻译，覆盖近三十种语言，里面包含了很多小语种。
智能问答模块，对于法律专业人士来讲，只是一个问答结论其实是价值有限，更加重要的是推理过程和法律依据。我们的智能问答模块不仅能提供结论，还会展示推理过程以及引用的法律。我们通过在底层大模型上面基于知识图谱和智能体，做进一步技术叠加，去大幅度降低幻觉问题，提升专业精度和深度。同时，我们的智能问答不仅仅覆盖中国法律问答，还包括证监会、银保监会等政策智能问答、香港法律及港股上市规则智能问答、跨境电商、进出口贸易、数据安全保护等细分领域政策问答。如果说通用大模型的核心价值在于通用性，那么我们的核心价值在于专业性和精准度。
从翻译的角度来说，我们在所有输出框下面都嵌套了翻译功能，支持近三十种语言的一键翻译。GPT一般一次只能输出一两千字的翻译，我们产品支持一次性翻译4万字，支持全文翻译和对照版翻译（一段A文，一段B文）。
文本纠错模块，我们是根据上下文语义进行纠错，所以纠错能力大幅提升。比如前段时间有个上市公司公告中董秘的名字出现四种不同写法，用传统工具很难查出来，因为不是错字；我们产品可以根据上下文语义判断，标识出这个名字有问题。
总体而言，我觉得我们产品最大特点是一个AI场景的组合，满足用户不同场景下的需求。
爱分析：2023年这个时间点看起来不是一个好的创业时机，资本市场比前些年要冷很多，软件公司前期还是需要投很多研发资源，商业化进展不是很快，早期会比较依赖融资，当时是如何考虑这个因素的？
王薇：首先，在大方向上，我们要做难而正确的事情，从大势来讲，我们是顺势而为，技术的发展到点了，市场需求也在。其次，凡事都有两面性，资本市场遇冷这件事情也有它的正面效应，比如市场上的噪音会少很多。市场上资金充裕的时候，大家很容易上来就搞免费、补贴、不计代价地抢占市场，这种情况下很容易被忽略的是对真实需求还是伪需求的判断，而这是企业可持续发展的关键问题。现在大家都理性很多，我们也有足够机会去夯实产品，同时跑通商业化，进入更理性的成长模式。
当然我们也必须承认，在融资难度大的市场环境中，初创企业需要更快速地成长，如同一架飞机，咱们需要在更短的跑道上短距离滑翔之后就能够快速起飞，并且这个过程还要稳和准。这为我们提出的更高的战略以及运营管理要求，从咱们常说的对用户刚需的把握和判断，从研发到商业化落地的执行力以及规模性扩张都要做到精和准，用最快的速度实现从滑翔到起飞。从团队组合来看，咱们既有在专业服务领域深耕多年积累的行业经验，也有来自微软、百度等头部企业并且都在初创企业历练过的高科技人才，这样的团队能力组合更有利于我们去对抗经济周期。
同时，也非常感谢通用大模型的飞速发展，这样咱们不需要花很多的时间和精力去搞底层模型，产品迭代速度可以做到非常快。
爱分析：商业模式上是如何考虑的，我理解慧多宝主要定位是ToB产品吧？
王薇：其实我们算是“ToB+ToC”的模式，B端产品入口是慧多宝，C端产品入口是慧卷卷。我们的产品定位是法律行业，B端用户包括律所、企业法务部门，C端用户面向律师、企业法务、法律学生等。法律行业虽然2023年和2024年面临比较大的市场挑战，但之前是经历了十多年的高速发展，每年增速25-30%，产生了大量付费能力比较强的律所和律师。任何一个行业都会有波动周期，即使短期内法律行业业务发展承压，但从长远来讲，市场对法律服务及专业人员的需求不会消亡，随着经济的发展以及生活质量的进一步提升，大家对法律专业服务的需求会进一步提升。
我们考虑“ToB+ToC”模式，因为B端销售周期以及决策流程相对较长，在这个过程中，一些律所的律师或者小团队想先用起来，就可以通过C端入口自行完成线上注册账户，充值后即可使用产品。
我认为ToB和ToC的推广是相辅相成的，比如越多的律师去用我们的产品，律所就会有更强的动力去购买，同时律所的采购也会让更多律师去使用。目前B端和C端产品都是付费的，基础产品功能是一致的，针对慧多宝的B端用户，我们还支持定制化开发。
爱分析：律所这类客群的付费能力如何，我们之前了解到专业服务机构在IT上投入不高，这个市场的潜在空间是如何判断的？
王薇：根据司法部的预测，2027年律所的服务收入差不多是4500亿元左右，这里只是律所的服务费收入，不包含企业法务为企业提供内部法律服务创造的价值。如果我们认同行业会从完全由人来提供专业法律服务走到人机协同去给客户创造价值，那么假设10%用于智能化投入，这里光是律所的市场规模就是450亿，如果考虑进企业法务以及科技发展带来的法律服务增量，咱们会得到一个更大的数字。从另一个视角来看，中国法律服务在整个GDP比重远低于欧美市场，我们的法律服务还有很大的增长空间，这也会让我们所在的整体市场容量增加。
爱分析：10%是个很高的数字化投入比例，律所之前数字化主要投在哪些方面？
王薇：之前的数字化投入主要是OA、法律检索等。根据一些市场统计数据，律师花在法律搜索的平均时间占比为10%左右。大语言模型技术的落地让我们用机器处理非结构化数据成为可能，也就是使机器赋能律师的生产端，成为高频使用的生产工具成为可能。此外，AI也会为传统的OA以及法律检索带来升级迭代，比如现在咱们常见的智能问答其实就是法律搜索的AI版本，未来OA也可能嵌套入AI赋能的内部知识管理系统。
关于您提到的比例问题，如果我们比对前面提到的硅谷投入比例，10%并不是一个过于激进的假设。此外，上一代SaaS产品对效率提升通常是1-2倍，这种程度的效率提升用人扛一扛也不是不可以的，但AI产品带来的效率提升，在合适的场景下可能是数十倍的，这种效率上的提升用人是很难扛得住的。很多律所在走品牌路线，要吸引更多的优秀律师来加入这个平台，那这个平台一定要有差异化优势，未来智能化也会成为不同品牌之间比拼的维度，很多优秀的律师也会成功地探索出一条人机协同的路，成为最先吃到AI红利的专业人员。
同时，还有另一个市场是中小企业的法律服务，很多中小企业主不是不需要法律服务，而是因为律师太贵，所以用起来需要比较克制。如果有一个好用的AI产品，能为他们提供低成本和便捷的普法帮助，企业主，包括一些超级个体会有更高频的使用，我的意思是，当服务成本足够低，足够便捷的时候，我们又会看到新的市场需求和市场增量。
爱分析：C端市场空间是如何判断的，我们之前觉得个人付费意愿应该就是几十元一个月，类似腾讯会议、WPS办公软件这种？
王薇：对于大多数个人来说，类似腾讯会议这种大概率不是必不可少的生产工具，而我们的产品是切入到生产端的生产工具，并且我们希望是被高频使用的。生产端的逻辑是帮助提升生产效率，能产生更多收入，当一个生产工具从降本或者增效的角度为用户创造价值，并且价值明显时，付费能力和意愿会是更顺理成章的事情，用户会从投资回报的角度去看待这个投入。我们如果看律师的人均创收，我相信还是有相当比例的能够承担起更高的智能化支出，咱们有时一顿饭也能吃掉几百块对吧。问题的关键在于这个工具能为我们节省更多时间，使我们增加多少创收，或者多大程度上改善了工作和生活的平衡度。
爱分析：未来业务壁垒是怎么考虑的？我相信随着业务开展，肯定会积累更多Logo，但除了客户资源，产品本身还有哪些壁垒？
王薇：首先是交付能力以及工程化能力。我觉得，特别对于垂直领域的AI应用来讲，未来的技术竞争其实比的是宽度，而不是期待用单一技术解决所有问题，比如试图用生成式AI解决一切问题，需要的是知识图谱、大模型、大数据、传统软件开发综合发力，所以团队的宽度，包括设计能力、工程化落地能力是第一个壁垒。
第二个是对行业的深度理解以及持续快速迭代的能力，技术说穿了是工具，只有针对特定行业解决了特定问题，工具的市场价值才能释放出来。在专业服务机构耕耘多年积累的经验让我们在产品方向和用户需求的把握上少走弯路，另外我们在设计技术底座的时候把能够敏捷开发快速迭代放在了很高的优先级，很多功能我们都可以通过低代码开发快速上线，为我们把产品组合做宽做厚奠定了坚实的基础，也让我们可以快速响应市场需求。
总的来说，在壁垒这件事情上，我不认为有一招鲜的方法，能够保证企业长治久安健康发展的核心竞争力来自于每天的运营能力，背后映射出的是作为创始人以及核心团队的认知能力，持续学习的能力、对重大事情的判断和决策力、以及团队的协同作战能力。
爱分析：是否会考虑大厂的竞争问题？在我看来，大厂的协同办公软件叠加了AI大模型能力后，是有可能延伸到法律服务这个领域的。
王薇：我个人觉得目前不用担心，大厂聚焦的大概率是通用型的AI产品，或者协同办公软件的通用部分，对于垂直领域的运用，个人认为大厂最优的选择是撬动生态伙伴来实现共赢。即使真的下场来做，这些领域对于大厂来说可能体量过小，很难支撑大厂需要的持续增量，所以在内部资源的争取方面也会呈现出压力，这时候团队面临的压力不一定比初创企业少。另外从世界范围来看，很多成功的创新产品来自初创企业，这些企业也随着产品的成功而长大，小有小的优势，关键在于如何扬长避短。
