产品上线仅两个月，涌见AI凭什么获得千万融资？

　　​

　　法律AI赛道最近出现了一个不太寻常的融资信号。

　　9月，法律AI Agent产品“涌见AI”宣布完成A轮融资。此时，距离它上线只过去两个月。

　　更值得注意的是，这轮进来的不是传统VC，而是两家产业公司：商米科技和金盾检测。

　　商米科技是2026年4月刚在港交所主板上市的商业物联网公司，产品和方案覆盖全球200多个国家和地区，落在餐饮、零售、物流、医疗、政务等100多个行业场景。金盾检测成立于2010年，是公安部认证的等级保护测评机构，软件等保测评等业务全国排名前列，多次承担国家级重要活动的安全保障。

　　一个掌握线下商业终端和行业数字化入口，一个长期做政企安全与合规。

　　为什么一家刚进入商业化阶段的法律AI公司，吸引来的却是这样的产业股东？

　　这个问题，其实比“融了多少钱”更值得看。

　　法律AI，正在起变化

　　先来看整个AI行业的走向。2026年上半年，几乎所有领域的AI产品都在经历同一场演进：从Chatbot走向Agent。Chatbot能对话、能回答问题；Agent能围绕一个任务，开始自主思考，规划，调用工具，最后独立自主地交付一项复杂的成果。法律AI，由于律师群体工作的复杂性特点，更是Agent应用最适合的细分领域。

　　过去相当长一段时间，法律科技解决的核心问题，是让律师更快找到信息。找法条、找判例、找法规、找模板，这类产品已经相当成熟。律师原本需要翻阅大量资料，现在可以通过数据库、搜索工具和AI问答，更快定位自己需要的信息。

　　但以Harness为代表的Agent框架逐步成熟之后，事情正在起变化。

　　以争议解决为例，律师真正耗时间的，很多时候并不是“找到一条法条”，而是找到之后的一整串工作：

　　阅读几百页案件材料，提炼事实；

　　检索类案和法律依据；

　　判断争议焦点；

　　梳理风险；

　　形成法律观点；

　　最后再把这些东西变成一份能够交付给客户的成果。

　　前者解决的是“查什么”，后者解决的是“怎么把活干完”。这就是Agent与Chatbot的分界线。

　　合同审核、案例检索、材料整理、尽职调查、文书起草……这些工作本身就具有比较明确的任务边界和流程，也因此成为AI最有可能逐步接手的部分。至少在美国，这个方向已经得到市场验证。以Harvey为代表的法律AI产品，已经让AI参与法律研究、合同分析、尽调和文书生成这类完整任务，而不只是一个更好用的搜索框。

　　法律AI的竞争，开始从“回答一个问题”，走向“完成一项工作”。

　　中国市场也在经历类似的转向。但摆在面前的，是一个更根本的问题：律师到底敢不敢真的把自己的工作交给AI？

　　这个问题背后，是法律行业最不能容忍的三件事。第一，不能容忍幻觉。律师要签字、要“背锅”，引用一个不存在的判例，承担的是真实的执业责任。第二，不能容忍不安全。案件材料里全是客户的秘密。第三，不能容忍AI不按专业律师的方法干活，它得像一个真正的律师那样拆解案件、推进流程。

　　这三件事，通用办公Agent是无法满足需求的。约束AI只依据可核验的来源作答，把数据留在律师自己的设备里，让它按律师的工作流拆解任务，这些活要有人在这一行里一层层做下去。这份专门，正是法律垂类Agent存在的理由，也是涌见AI要回答的问题。

　　第一关：AI到底能不能干活？

　　如果AI只是回答问题，律师对它的要求还停留在“聪不聪明”；但当AI开始处理真实案件，要求就完全变了。

　　律师要签字的工作，引用一个不存在的判例，后果是执业责任。所以AI给出的每一条依据，都要能点回去核验。涌见AI在这层做了来源可溯的检索，覆盖中国大陆、中国香港、新加坡等多个法域，法条和案例都指向原始出处，编造的东西进不了交付物。

　　过了幻觉这一关，才轮到“能否干活”。律师需要把案件材料放进去，让AI知道这个项目是什么，按照自己的工作方法处理材料，最后拿到一份可以继续修改、甚至直接交付的结果。

　　涌见AI用“项目+技能+模板”的方式组织工作。案件材料跟着项目走，办案方法沉淀成技能，最终输出的文书按律师自己的模板生成。律师新建项目、放入材料，再调用相应技能，AI完成对应任务。

　　这个设计背后的逻辑很简单，让AI走进律师原本的工作方式，律师不必为它另学一套习惯。

　　第二关：律师敢不敢把数据交给AI？

　　能干活只是第一步。

　　法律行业还有一个特殊问题：它处理的，往往恰恰是最不适合随便上传的数据。案件材料、合同、客户信息、尽调资料，很多都涉及商业秘密甚至高度敏感的信息。

　　所以安全在法律AI这里不是一个产品功能，它本身就应该是商业化的前提。AI再聪明，如果律师不敢把材料交给它，最后也只能停留在演示阶段。

　　涌见AI的做法，是把安全能力直接放进产品架构。它采用桌面Agent形态，数据默认留在本机；云端调用时，只通过用户选择的模型官方API，平台不保存任务上下文；对于数据更敏感的团队，还可以使用本地模型方案，必要时先脱敏，再进行云端调用。

　　这些看起来都比较“技术”。但对律师来说，它们最后只对应一个很朴素的问题：我能不能放心把这份材料交给你？

　　所以，法律AI的竞争，某种意义上也不是单纯比谁的模型更强，而是在比谁更有能力建立一套让律师“敢用”的体系。

　　先让律师敢用，才有资格谈效率。

　　第三关：AI到底按照谁的方法干活？

　　还有一个更深的问题：即使律师愿意把案件交给AI，AI应该按照什么标准来做？

　　这恰恰是法律工作的难点。

　　一个资深律师审合同，不一定会把自己的判断过程一条条写出来。他可能知道什么风险优先级最高，知道什么条款应该先看，知道什么时候应该继续追问，也知道最终文书应该怎么写。这些碎片化的经验，过去很难完整串联。

　　但AI出现之后，一个新的可能性出现了：律师的工作方法本身，能不能被沉淀下来？

　　这也是涌见AI把“技能”放到产品核心位置的原因。

　　个人可以把自己与AI协作形成的方法沉淀成个人技能；团队则可以进一步把合伙人的判断、标准和做事方式固化下来，形成团队技能。

　　涌见AI还在推进技能市场，并联合近百位红圈所合伙人共创，同时与北京大学法学院开展产学研共建。目前，其客户名单中已经包括多家红圈律师事务所。

　　如果这套模式能够成立，它沉淀下来的就不只是法律知识，还有律师的工作方法。

　　这件事的意义，比“AI帮你写一份合同”更大。知识可以搜索，模板可以复制，但一个资深律师多年形成的判断标准、工作路径和风险偏好，过去很难被规模化复制。

　　“技能”提供了一种路径：把原本只存在于律师脑子里的经验，变成AI可以调用、团队可以复用的数字资产。

　　从一个AI工具，到法律行业的基础设施

　　现在回看开头的问题，答案已经逐渐明晰。

　　当法律AI从“一个AI工具”开始进入真实业务，它面对的问题就不单是产品、模型或技术的问题。它得进办公终端，得接业务系统，数据安全要有人兜底，客户的信任要一点点攒起来。

　　法律AI的竞争，很可能正在从“单点的产品功能”，转向“谁更有能力把AI送进真实业务场景”。

　　这也解释了产业资本为什么开始变得重要。商米的优势在于硬件终端和商业场景；金盾长期深耕政企安全和合规。按照涌见AI的规划，融资之后，它将进一步拓展律所办公、线下接谈、法务合规等场景。与此同时，围绕数据采集、合规存储、技能共享等更底层的生态能力，也需要逐步补齐。

　　这意味着，法律AI真正进入行业之后，场景、终端、安全、数据和律师经验，都可能成为这场竞争的一部分。

　　当律师多年的经验可以变成可复用的数字资产，当AI真正进入案件、合同和客户服务的每一个工作节点，AI改变的就不再只是律师使用工具的方式。

　　它最终可能改变的，是法律服务本身的生产方式。