【深度对话】2026伊始，试着回答中美AI法律和法律AI的10个问题 | 新年圆桌

 

2025年12月，特朗普签署的行政令“One Rule”，试图以影响美国AI发展为由攻击美国各州的AI安全立法。One Rule并非是在一个“为 AI 量身定制”的政治周期中出台，而是在现存的地缘政治与国内治理压力之下，被作为一项工具性政策推出的。

 

这套组合拳包括但不限于：成立“AI诉讼特别行动队”逐个起诉州法律；让FTC和FCC发声明，宣称要求AI消除偏见等于“强制说谎”，属于欺骗性商业行为；威胁削减不听话州的210亿美元宽带建设资金等。

 

它的长期外溢效应，将决定2026年试图进入美国市场的中国AI企业，究竟面对的是统一规则，还是更激烈的法律与合规摩擦。

 

 

 

 

近日，Fungimind与星也律师事务所的创始人郑玮、合伙人孙奇敏、以及从魔圈所出走、目前在法律AI公司从事AI战略的Siber一起，做了一次新年圆桌。

 

这期对话是一次关于中美法律AI和AI法律的严肃研讨，从特朗普政府的AI政策选择入手，分析美国AI的监管现状和制度背景，并进一步讨论：在中美不同的AI立法框架下，法律科技产品是如何被催生、被限制、被使用的。

 

 

本期圆桌

 

• Zhuoran（圆桌主持）：Fungimind发起人，重点关注科技法、STS和技术在垂直行业的扩散，拥有财经媒体和云计算&AI行业的交叉从业背景，正在同时为多个AI Safety和AI产品的GTM项目忙碌。

 

• 郑玮：星也律师事务所创始合伙人，曾参与创立覆盖面最广的律师SaaS工具“阿尔法”，在最高院诉讼和AI创业领域有丰富经验，也是一个反复横跳的律师和法律科技创业者。

 

• 孙奇敏：星也律师事务所合伙人，专注AI相关业务，有丰富的实务经验，从人文的视角持续观察AI。

 

• Siber Li：前魔圈所律师、AI 公司战略幕僚，现法律AI产品顾问；法律AI自媒体博主，华东政法大学人工智能与法律协会指导。

 

 

以下内容根据本期播客整理，想了解更多细节和案例，欢迎收听或观看原播客节目。

 

 

本期节目由由智幻时刻Fungimind、今天不开庭、出走律师共同推出。

完整音视频请搜索同名小宇宙、Apple Podcast、Spotify、B站、或Fungimind官方网站。

 

 

 

 

 

 

10个问题概述

 

 

01 特朗普为什么签署行政令？

 

碎片化阻碍竞争力：截至2025年底，美国各州已推出大量AI立法，围绕算法歧视、自动化决策、内容生成制定了不同标准。同一个AI产品在加州、科罗拉多、纽约面临完全不同的合规义务。

 

这种碎片化监管逐渐被视为国家竞争问题——企业合规成本急剧上升，创新速度被拖慢，在全球AI竞争中处于不利地位。

 

立法途径受阻的不得已而为之：特朗普政府早在2025年7月就试图在大型法案中塞入“联邦法先占条款”，要求各州十年内停止AI立法，结果以99比1的投票在国会胎死腹中。12月又试图将其藏入国防预算法案，企图用军队工资发放的紧迫性要挟国会，再次失败。签署行政令实际上是不得已的选择——当立法途径全部被堵死，行政权成为唯一可用的工具。

 

战略要素的收束：特朗普的“让美国再次伟大”战略中，能源、金融、AI这三大要素关乎国家核心竞争力，必须统一到联邦层面进行布局。各州各自为政的AI监管，与稳定币、能源政策一样，被视为削弱美国全球霸权的内部分裂因子。行政令试图用司法诉讼、政策声明、财政威胁三管齐下，将绝大多数权力收归联邦。

 

重新划定监管边界：行政令的实质不是废除州法，而是重新定义联邦与州的权力边界。州可以在AI领域试验，但不能形成对全国市场的结构性阻碍；监管可以存在，但必须服从国家层面的统一竞争战略。

 

这是一场治理结构的重组，而非简单的技术监管命令。

 

 

02 特朗普最新行政令会产生什么结果？

 

 

在美国宪法体系中，联邦与州权之间存在精妙的权力分配：国家安全、货币等事务归联邦管辖，而隐私保护、消费者权益等传统上由各州自主立法。AI监管恰好处在这个模糊地带——它既涉及跨州贸易，又触及个人隐私和公民权利。

 

这期节目倾向于认为特朗普的AI行政令短期内不会产生实质性法律效果，面对AI技术本身的不确定性，行政令更像是一个“施压工具”，而非彻底的“推翻机制”，其影响结果都需要较长时间才能明朗。

 

孙奇敏认为，行政令效果有限的根本原因在于其存在法律硬伤。

 

• 合法性质疑：行政令不同于联邦法律，没有任何法律效力，只是一种行政手段去延缓州立法进度、减弱其效力。

 

• 诉讼风险：行政令提出的“特别诉讼队”要起诉各州法律，但这种诉讼必须针对具体案例和具体条款，不可能全盘推翻州法。而且企业提起诉讼需要证明“适格性”——即它们已经因州法产生实际损害，支付了合规成本。

 

• 财政威胁的限制：联邦威胁停止拨款（如BEAD宽带项目的210亿美元软性建设资金），但美国有严格规定——禁止拨款的范围必须与目的相匹配，不能随意以削减资金要挟各州。

 

 

03 美国的AI监管在2026年会发生什么变化？

 

美国的AI监管正在进入一个权力重组期，混乱不会停止。截至2025年底，美国仍然没有一部统一的联邦AI基础法。

 

相反，过去几年里，各州率先行动，围绕算法歧视、自动化决策、内容生成、消费者保护等问题推出大量州级立法草案。

 

2026年各州科技法详情可参考The Verge近日的汇总。

 

郑玮认为，当前美国AI监管的核心矛盾，是联邦与州的权力博弈，叠加创新与安全的平衡困境的结果。

 

联邦-州权的法律拉锯战特朗普的行政令在2026年可能会引发密集的法律诉讼，宪法层面的权力边界之争依然将成为2026年的主旋律。

 

但这个局面暂时还未影响到AI企业的出海策略。就现阶段而言，美国依然是必争市场，创投企业的业务需求依然领先于合规诉求。

 

 

04 硅谷的立场

 

在硅谷不同科技企业的立场差异背后，AI监管早已超越“规范行业发展”的公共政策属性，成为巨头巩固优势、阻挡竞争、争夺全球话语权的产业竞争工具。

 

首先，不同企业的监管态度差异，本质是竞争策略的差异化选择。像微软、谷歌这类巨头，本身具备强大的合规能力和稳定的ToB业务，严格的监管对它们而言并非负担，反而能成为“护城河”——通过满足企业级合规需求，进一步强化与大客户的合作绑定，同时较高的合规成本能阻挡中小竞争者进入市场。

 

而OpenAI等激进型企业则相反，它们聚焦AGI研发，需要更宽松的环境推进技术突破，因此强烈反对过度监管，甚至在第一修正案的讨论中，质疑监管对AI数据输入输出的限制会阻碍技术发展。

 

其次，硅谷通过深度参与立法博弈，将监管规则转化为竞争壁垒。

 

更重要的是，监管规则的输出已成为全球AI竞争的核心战场。正如郑玮所言：“把AI监管权收归联邦，一方面是整合国内力量推进AI发展，另一方面是在全球市场推广美国的AI标准，争夺AI时代的霸权。” 

 

据Siber介绍，这种监管工具化的趋势在特定领域更为明显。比如在金融AI领域，强监管直接阻挡了大量中小创新企业进入，而具备合规能力和牌照资源的巨头则能通过合作模式抢占市场，“金融AI的强监管虽然挡掉了很多不懂行的人，但对巨头而言，反而通过合规壁垒巩固了优势，这就是监管成为竞争工具的典型体现。”

 

 

05 监管碎片化催生的商业机会

 

尽管碎片化监管给企业带来了高额合规成本，但矛盾的是，这种混乱格局也为不同领域的企业创造了新的商业机会，核心逻辑是解决合规痛点=挖掘商业价值。

 

第一类机会是监管科技（RegTech）的崛起。随着全球AI监管趋严，企业对“可验证、可信任的AI合规工具”需求激增。这类工具不仅能帮助企业应对每秒海量数据的实时监控，还能实现风险的早发现、早预警、早处置，大幅提升合规效率。比如在金融领域，银行、券商需要AI工具识别交易风险；在内容生成领域，企业需要工具确保输出内容符合不同地区的监管要求。

 

Zhuoran谈到，比如蚂蚁这样的企业就已将监管科技打造成成熟的产品体系，而LegalTech企业则通过AI审查合同、识别法律风险，成为行业新热点。

 

第二类机会是区域差异化的市场布局空间。全球AI监管呈现梯队差异：美国、欧洲是第一波立法高峰，监管严格；巴西、沙特、东南亚等“南方国家”正进入立法狂潮，虽初期严格但市场空间大；还有部分地区尚未出台明确规则，存在合规红利。这种差异让企业可以灵活选择市场。

 

第三类机会是跨域合规解决方案的创新。碎片化监管的核心痛点是数据跨境传输和多区域规则适配，比如AWS等企业通过全球基建能力，为企业提供本地化数据存储和跨境合规服务；国内光合组织推动的开放架构，通过统一接口与标准，降低生态碎片化带来的合规负担。

 

对中国企业而言，还可以依托AI硬件、具身智能等供应链优势，在南方国家建立市场基础，通过“硬件+合规服务”的组合模式实现突破。

 

 

 

 

06 美国法律AI独角兽Harvey为何能做大做强？

 

Harvey精准切中了一个高价值、高付费意愿、高标准化的市场，同时用对了产品策略。

 

首先是市场基础优越。美国律师市场具备三个关键特征：付费意愿极高、标准化程度高、市场规模大。即便是垂直领域也能支撑大体量的商业模式。这三点共同构成了一个理想的商业土壤。

 

其次是产品定位精准。Harvey深度嵌入律师工作流程的工具——从案例研究、合同审查到诉讼文书生成，它把AI做成了律师每天必用的"工作台"，而不是偶尔咨询的工具。

 

比如在收购案中，Harvey能自动识别所有合同里的change of control（控制权变更）条款，标注哪些交易需要第三方同意，哪些会触发提前还款，生成风险热力图。这项工作人工要几周，Harvey几小时搞定。

 

这些功能都直接嵌入律师的日常工具。Harvey与Microsoft Word、Outlook、SharePoint原生集成，律师不需要切换平台，在Word里就能调用AI审查合同、在Outlook里就能生成法律意见草稿。这种“无缝嵌入”让使用门槛极低，一旦养成习惯就很难替换。

 

 

07 中国法律科技的进化史：从大数据到Agent

 

信息化与数据整合（2015-2020）

 

大数据与信息化万众创新时期诞生了覆盖面最广的律师SaaS工具，结合大数据、工作流程管理。法院投入巨资建设庭审直播系统、电子笔录系统。

 

但典型场景是：当事人提交纸质材料，法院扫描OCR变成电子版，然后再打印成纸质版存档。各省甚至各城市系统彼此不兼容，接口开放程度低。

 

 

垂直场景的深耕（2020-2024）

 

这个阶段NLP（自然语言处理）的发展开始在法律场景应用——案例检索、类案推荐、法条关联、文书自动生成。

 

但问题很快暴露：法律语言的专业性和复杂性让通用NLP模型表现不佳，法律知识图谱构建成本极高，效果也不够稳定。

 

在这个阶段，律师人数从20万增长到60万后，2022年后行业进入饱和，法考闸门收紧。

 

法律科技公司因此开始分化：To L 路线的公司继续服务律师，但市场环境尚不完善；ToC/ToB路线转向小额债权催收、预付卡退费、民间借贷纠纷等长期处于制度边缘的市场——单案金额低、纠纷高度标准化、传统律师服务成本倒挂。

 

但是，这种替代性法律服务存在大量的真实需求，还是可能诞生原本不存在的市场新贵。

 

生成式AI的冲击（2024-至今）

 

ChatGPT引发的大模型浪潮，让法律AI进入新阶段。中国法院成为全球拥抱AI最积极的国家，最高法院研制司法大模型，推动AI辅助审判系统。

 

另一方面，大厂与创业公司纷纷入局，聚焦律师端工具、企业合规、催收等场景，同时大企业开始组建内部AI解决方案团队，推动法务、风控等部门的智能化转型。

 

 

08 中国LegalAI的发展限制到底在哪里？

 

技术上，AI幻觉问题难以解决，而法律行业容错率极低，“答对100次，不能答错1次”的要求让律师对AI心存顾虑。

 

制度上，存在数据本地化部署的灰色地带，法院等系统存在区域壁垒，跨区域、跨部门的数据打通难度大，同时电子文书对接等流程缺乏统一标准。

 

职业结构的约束最为关键。律师行业以“超级个体”为核心，80万律师更像80万个独立主体，经验碎片化。

 

单看红圈所，内部模板就不统一、存在鄙视链，对新工具接受度保守，且存在“客户与用户分离”的痛点。决策采购者与实际使用者不一致，就会导致优质产品难以规模化。

 

 

09 律师可以靠AI进化吗？

 

进化的核心不是AI替代律师，而是用AI放大律师的核心价值。律师的工作可分为三层：底层的法律知识搬运、中层的决策方案设计、顶层的信任关系构建。

 

AI目前仅能高效替代底层工作，而中层的决策、顶层的信任与情感交付，仍是人类律师的核心壁垒。

 

AI的价值在于帮助律师从基础工作中解放，将经验打包为可复用的技能（如团队内部的标准化文书模板），成为“human in the loop”中的关键决策者——判断AI生成内容的优劣、适配客户的实际需求，最终成为更高效的“超级个体”。

 

新一代律师可能会更习惯于与AI互动，而AI将成为律师能力迭代的催化剂。

 

 

10 中国的“Harvey”长什么样？

 

Harvey的模式本质上还是服务顶尖大律所，直接复制难度极大，中国更可能诞生适配本土市场的“特色法律AI”，它核心形态可能集中在三个方向：

 

一是下沉市场的标准化解决方案，聚焦催收、小额维权、交通罚单处理等长尾需求，通过AI实现流程化、批量化处理，这一领域因需求基数大、标准化程度高，最具规模化潜力。

 

二是服务法院与政府的政务型工具，依托最高院推动的“司法一张网”，开发要素式文书生成、案件流程监控等工具，从上至下完成推广落地，形成“法院主导、律师适配”的生态。

 

三是大企业的定制化AI解决方案，围绕企业合规、金融风控、出海等场景，提供半产品化的工具，衔接企业内部数据与业务流程，解决数据安全与个性化需求的平衡问题。

 

 

注：头图由AI生成