夜雨聆风一个被反复追问的问题：ChatGPT、Claude 这么能聊，为什么还要“法律专用AI”？答案不是“专用模型更聪明”，而是——通用AI是概率机器，法律是责任机器。前者比谁都会说话，后者比谁都怕说错。把公司合规、合同风险、诉讼策略交给通用聊天框，省下的几分钟，可能赔掉的是监管罚款、合同违约和律师执业纪律。
通用AI vs 法律特化AI：差的不只是语料
维度 | 通用生成式AI（ChatGPT / Claude） | 法律专业AI |
底层逻辑 | 下一词预测，顺应用户立场（Sycophancy，谄媚倾向） | 接专业语料+检索增强生成（RAG，Retrieval-Augmented Generation，先查原典再生成） |
数据来源 | 全网爬取，含过期、错误、非权威内容 | 判例、法令、指南、4500册书籍、4万+权威文档（Legalscape口径） |
幻觉率 | 法律场景约18.7%（行业评测均值） | 合同审查场景约0.2%（Harvey自评），引用可追溯至段落 |
责任归属 | 用户自负 | 律师复核签发，AI只是工具（Tool not Author） |
合规护栏 | 通用内容政策 | 零数据保留、租户隔离、审计日志、人工把关节点 |
典型用途 | 头脑风暴、邮件润色、翻译 | 判例检索、合同风险标记、尽调摘录、法规比对 |
律师每天骂它（法律专用AI）、改它、标它，模型才长得出法律感。这不是通用AI靠参数堆出来的。泛用AI会淘汰怠慢なSaaS（懒政型SaaS），但淘汰不了有法务治理的专用平台。所谓懒政型SaaS，指那些：把通用大模型套个登录框就叫“法律系统”；不接权威法源，不标引用，不出审计轨迹；按席位收费，但活儿全靠用户自己 prompt 碰运气。
当Claude 能五分钟审完一份 NDA，这类“信息搬运工”式法务系统自然崩盘。但法律专用AI 活下来的理由恰好三条：原典数据资产+ 工作流嵌入 + 责任可溯源。复杂判断交给AI Agent（AI代理，指能自主规划调用工具的智能体），定型规则交给传统规则引擎，两者并存，不是谁吃掉谁。
作为法律人，我看这场分工争论，落地点始终是执业责任（Professional Responsibility）和企业合规归因。
1. 幻觉不是BUG，是通用AI的出厂设定
美国已出多起律师用ChatGPT 编造判例被制裁案。我国《生成式AI服务管理暂行办法》第9条要求提供者标识生成内容、第12条要求使用者不得利用生成内容从事违法活动；在诉讼/合规场景，律师若未核验就把“AI说的”写进法律意见书，违反《律师法》第40条勤勉义务，也踩到司法部AI执业指引的红线。专用法律AI 把幻觉压到0.2%仍不敢免审，通用AI 18%量级绝不能直接用。
2. 原典（Primary Source）主权不能交出去
法令、判例、指南、出版社授权文本。这点不仅是技术优势，更是著作权对价与数据合法来源问题。通用AI训练集是否含盗版法条库，企业不知情即构成供应链风险。专用平台与出版社分账，反而把“数据合规”做进了商业模式。
3. 人类签字节点（Human-in-the-loop）是法务AI的承重墙
即使用专业AI。工作流还是“AI初稿 → 律师审查 → 律师签发”。AI再准，也是受雇于人的笔，不是责任人。公司董事会、合规委员会、法务部，必须在SOP里写死“哪些输出必须二级复核、哪些场景禁止AI直出”（如解雇决定、重大诉讼策略、监管报送）。顺带一提，医生、会计师、咨询机构（Consulting Firms）等专业服务机构对此早有共识：无法单纯借助AI自助来完成核心专业工作。AI可以整理判例、生成尽调草稿，但法律结论、审计意见、战略建议的最后一笔，必须由持证者担名。
可用通用AI：内部培训提纲、外文邮件润色、会议纪要摘要、brainstorm 抗辩角度（低风险、可弃用）。
必须用专用法律AI：判例引注核对、合同条款偏离市场标准检测、跨境合规比对、监管动态追踪（需原典溯源）。
禁止AI单机定夺：员工解雇、反垄断自我评估、诉讼和解金额建议、对监管函件的正式回复。
采购SaaS时的尽调清单：是否零数据保留？是否有租户隔离？能否导出审计日志？幻觉率有无第三方评测？原典是否获授权？能否嵌本所风格手册？
通用AI像天才实习生，专门AI像带了 cite-checker 的资深助理。实习生可以聊思路，助理可以出草稿，但签字的是合伙人，背锅的是律所，买单的是企业。AI时代公司法务的竞争力，不在于“谁用AI最多”，而在于“谁清楚哪条线AI不能跨”。法律专业的护城河，从来不是信息，而是对信息的责任。