夜雨聆风2026年，司法人工智能正在由地方试验走向全国试点。11个省区市、23家法院、85项审判流程——这些数字背后，一场静悄悄的司法技术变革正在发生。
2026年3月，最高人民法院工作报告出现了一段值得反复咀嚼的表述——"稳慎研发人工智能辅助审判系统，坚持'辅助'定位，司法责任主体只能是法官。"
短短一句话，信息量极大。
"稳慎"说明推进节奏不急不缓；"辅助"二字划定了技术的位置；"只能是法官"则牢牢锁住了裁判权的归属。对于法律从业者来说，这段话既是定心丸，也是风向标：AI进法院已经是事实，但怎么用、用到什么程度，最高法在画线。
过去两年间，从深圳率先上线司法审判大模型，到龙华法院将AI延伸至执行全流程，再到北京高院验证12个模型场景——地方探索积累的经验，正在被整合进全国性的试用系统。截至2026年3月，这套智审系统已进入11个省区市的23家中级、基层法院。
本文基于公开材料，系统梳理当前中国法院AI辅助办案的进展、应用场景、实际成效和需要警惕的边界问题，为法律实务工作者提供一份有据可查的参考。
PART 01
四组核心数字
先看几个关键数字，快速建立对当前AI司法应用规模的基本认知。
11个省区市——全国智审系统试点已覆盖23家中级、基层法院。这个数字意味着，深圳的地方经验正在向全国性能力汇聚。最高法在深圳系统基础上整合了其他地区的研发成果，形成了统一试用的智审系统。
85项审判业务流程——深圳法院的AI系统已嵌入立案、阅卷、庭审、文书制作四大核心环节，覆盖民事、行政、刑事三大诉讼。每个环节都设置了审核、确认、决定选项和提示，法官需要逐项确认，最终决定案件结论。
54个执行办案节点——深圳龙华法院的「龙藤」AI辅助执行系统，融合了21个应用平台的数据，贯通执行立案、财产查控、失信惩戒等环节。执行领域数据标准化程度高、操作流程相对固定，天然适合AI辅助。
12个模型验证场景——北京高院的「数智北法」已验证包括劳动争议、民间借贷在内的多类场景，涵盖智能审判监督、类案检索、文书生成和12368诉讼服务智能应答。
PART 02
从规范先行到全国试用
回顾时间线，有一个清晰的逻辑脉络：中国的司法AI走的是「先立规矩、后铺工具」的路径。
2022年12月，最高法发布《关于规范和加强人工智能司法应用的意见》，在AI工具尚未大规模落地的阶段，就预先划定了基本边界——AI不得代替法官裁判，辅助结果仅可作为参考。这份文件的前瞻性值得肯定。
2024年6月，深圳率先上线司法审判垂直领域大模型。同年11月，「法信法律基座大模型」发布，为深圳智审系统和「库网融合」智能检索提供底层支撑。至此，法院系统有了自己的专用大模型基础设施。
2025年5月，AI从审判流程延伸到执行全流程。龙华法院「龙藤」系统的上线，标志着司法AI的覆盖范围从庭前到庭后、从审判到执行的全面扩展。
2026年1至3月，两个标志性事件接连发生：一是全国法院「一张网」开始自动推送案例库、法答网资料，主动提示虚假诉讼、恶意诉讼风险；二是全国智审系统正式进入11省区市23家法院试点。
从规范先行到地方试点，再到全国铺开，整个过程用了三年多。速度算快还是算慢？横向比较，本文认为，中国法院在司法AI的系统性部署上，走在了全球前列。
PART 03
AI嵌入了办案的哪些环节？
当前公开实践集中在五个环节，共同构成了一条从立案到执行的AI辅助链条。
立案质审
核查材料完整性、自动识别案件要素、提示缺项和补正事项。这一环节的AI应用最为成熟，因为立案材料高度格式化，适合标准化处理。
智能阅卷
对电子卷宗进行结构化解析，自动提取事实、证据和争议焦点，保留原始材料定位以便回溯。法官不用再从几百页卷宗里手动翻找关键信息，效率提升显而易见。
庭审支持
生成庭审提纲，实时推送法律规则与类案，提示待核实事项。这一功能对年轻法官尤其有帮助——但也正因如此，如何避免过度依赖AI推送而削弱独立思考，是个值得关注的问题。
文书辅助
根据法官确认的事实与结论生成文书草稿，辅助检查格式规范和说理完整性。文书生成是AI最擅长的场景之一，但「说理」部分的质量仍取决于法官的法律素养。
执行研判
整合财产、轨迹和关联企业信息，筛选可执行线索、预警临期节点并推荐执行方案。「龙藤」系统在这一领域表现突出，自动接收查询7847件，财产控制3052件，平均执行时长缩短28.9天。
有必要强调一点：以上所有环节中，AI承担的都是信息提取、检索推荐、文书初稿和风险提示等可标准化、可复核的辅助工作。案件事实认定、证据采信和法律适用等核心裁判权，仍由法官独立行使。
PART 04
四个典型实践样本
结合公开材料，梳理四个具有代表性的AI司法实践样本。
样本一
深圳法院 —— 审判全流程
这是目前覆盖最完整的地方实践。系统嵌入85项审判业务流程，横跨民事、行政、刑事三大诉讼领域。2025年深圳法院同期数据显示：人均结案744件，上诉率同比下降35.1%，一审发改率同比下降33.3%。
样本二
龙华法院 —— 执行全流程「龙藤」AI
把AI用到执行领域是一个聪明的切入点。执行程序步骤明确、数据接口丰富、操作结果可量化，天然适合AI辅助。「龙藤」融合21个平台数据，支持财产自动查控、轨迹追踪、隐匿财产线索分析和执行方案智推。
样本三
北京高院 —— 「数智北法」
北京的方案侧重多场景验证和诉讼服务。12个已验证场景涵盖了智能审判监督、类案检索、文书生成等核心功能。值得一提的是12368诉讼服务智能应答——联系法官应答45249次，案件查询34265次，诉讼咨询11779次。这组数字说明，AI在面向当事人的服务端同样有广阔空间。
样本四
最高法 —— 全国智审系统
在地方经验基础上，最高法整合各地成果形成全国试用系统，已进入11个省区市的23家中级、基层法院。这一步的意义在于，分散的地方探索开始向统一的国家能力转化。
PART 05
已见成效与必须守住的司法审判边界
从深圳法院2025年公开质效数据来看，AI系统运行同期的几项指标变化值得关注：上诉率同比下降35.1%，一审发改率同比下降33.3%，人均结案同比增加249件。
这些数据令人振奋，但有一个重要的认知前提必须交代清楚：这些是AI系统运行同期的统计数字，而非AI的单独贡献。法院整体管理水平、人员配置优化、案件结构变化等因素同样可能影响结果。用同期数据描述变化趋势是合理的，但直接归因于AI则过于简化。
更值得关注的，是最高法反复强调的四条不可逾越的线——
必须守住的四条线
01 裁判权不能让渡
这是最核心的底线。无论AI能力多强，司法裁判只能由审判人员作出，责任最终由裁判者承担。任何试图将裁判权外包给算法的做法，都与司法独立原则根本冲突。
02 辅助结果必须复核
模型输出只能作为参考，关键事实、证据与法律适用应可追溯。这一点对律师的实务应对同样重要——如果法官援引了AI推荐的类案或规则，律师是否有机会对其来源和适用性提出质疑？
03 防止偏见与幻觉
训练数据偏差、错误生成和虚构法条案例，是大语言模型的已知风险。司法场景的容错率极低，一个被AI编造的案例如果被法官采信，后果难以估量。
04 保障当事人权利
技术的使用不应削弱程序参与、知情、质证和救济权利。当事人有权知道AI在案件处理中扮演了什么角色，以及AI的参与是否影响了对自身权益的判断。
PART 06
对法律实务的三点判断
基于以上观察，本文提出三点方向性判断，供法律从业者参考。
判断一
未来的竞争点是「嵌入流程」，不是聊天能力
能否连接卷宗系统、案例库、法答网、执行查控平台和审判管理系统，决定了AI在司法场景中的真实价值。孤立的对话式AI——不管回答多流畅——在办案实务中的用处有限。这也意味着，法院系统AI与通用大模型之间的差距，主要不在语言能力上，而在系统集成和流程嵌入上。
判断二
可复核性将成为司法AI的核心产品指标
律师和法官需要看到的是事实出处、证据页码、检索依据和生成过程，而不是一个流畅但无从验证的答案。一个能给出答案但说不清依据的AI系统，在司法场景中的价值趋近于零——甚至可能制造风险。这一点，也是律师运用AI辅助办案时应当严格把控的标准。
判断三
AI治理将与AI部署同步推进
全国推广越深入，权限控制、数据安全、模型评测、错误纠正和责任留痕就越重要。这不是一个「先跑起来再说」的领域——至少在司法场景下不是。最高法从2022年就开始画线，说明决策层对技术风险有清醒认识。对于法律服务行业而言，理解并适应这套AI治理框架，将成为一项新的核心竞争力。
口径说明
本文不评价具体系统的司法结论准确率，也不将厂商宣传材料作为核心事实依据。涉及深圳法院质效变化的数据，是AI系统运行同期的官方统计，不宜直接推断为AI的单独贡献。
潘骏律师
国浩律师（南京）事务所高级合伙人
南京市人大常委会、江宁区人民政府法律顾问
南京律协人工智能委员会副主任
国浩律师（南京）事务所人工智能委员会主任
复杂争议解决 · AI法律 · 证券合规
