ai大模型股票一览表（AI大模型+电子合同=智能合同？大语言模型在电子合同中的应用及展望）ai大模型牌照龙头股票有哪些，怎么可以错过，

原标题：AI大模型+电子合同=智能合同？大语言模型在电子合同中的应用及展望

在大模型技术的加持下，越来越多行业迎来了重塑的可能，市场也格外关注大模型技术的实际落地。那么，当大模型与电子合同产生碰撞，会出颗粒机现哪些转变与可能性？一起来看看本文的分析与展望。

如何通过大语言模型（LLM）提升行业中产品及服务的能力，是市场对AI技术应用落地的核心关注点。在法律行业中，数据形式以文本为主，且绝大多数都是基于法律条颗粒机款的事实和真实案件，很适合大语言模型训练，天然是AI应用落地的绝佳场景。

本文将探讨国内外法律科技企业在电子合同中的应用，LLM技术的加持下带来的转变、难点及未来展望。请坐好，准备发车啦～

一、法律科技企颗粒机业的全景图

法律行业的人工智能软件市场预计将从 2023 年的 9.4 亿美元增长到 2028 年的 32.9 亿美元，在预测期间（2023-2028 年）的年复合增长率为 28.50%（数据来源：Mo颗粒机rdor Intelligence）。

图片来源：Mordor Intelligence

图片来源：Catalyst Investors

法律科技领域按服务类型分类

可分三大类产品：企业法务管理软件、法律执行颗粒机管理软件、律师工作提效软件。

图片来源：LegalTech and Services – Houlihan Lokey

企业法务管理软件：帮助法律部门优化工作流，包括：合同生命周期管理、知识产权管理、法律颗粒机知识检索与研究代表企业：Agiloft、iManage、ANAQUA 法律执行管理软件：帮助律师事务所管理和优化律师事务，包括：法律事务管理、律师人才管理、律师计费和时间管理等 代表企业：Ad颗粒机erant、LexisNexis、Clio 律师工作流提效软件：帮助律师提升法律服务效率，包括：合同自动化、合同智能审查、起草、诉讼等辅助软件 代表企业：Docusign、CS Disco、c颗粒机asetext

法律科技企业核心的商业价值在于合同全生命周期管理（包括：合同起草、合同审核、合同签署、合同归档及履约&续约、法律服务），而合同管理典型的应用场景就在于电子合同领域。

二、电子合同 vs. 颗粒机智能合同 1. 电子合同解决了什么问题？

我们先简要分析一下电子合同相较于纸质合同的优势：

纸质合同的弊端

签署周期长：合同签约需进行快递邮寄，影响签约效率，存在不可控的风险； 签署成本高：除了合同颗粒机打印成本邮寄成本外，还需要有纸质合同的存储及管理成本； 用印风险高：萝卜章事件、印章盗用事件都是用印风险问题的体现。

电子合同的优势

签署周期短：通过短信或链接的方式直接发送至签约方手机，线上实时颗粒机签约； 签署成本低：相比于邮寄及纸质合同存储的成本，线上云成本更低，更高效； 风险可控：企业设置不同业务场景的审批流程，流程化进行管控风险（签署用印可管理，用印记录可追溯）。

所以，电子颗粒机合同解决了签约过程中实效性，合规性与安全性的问题。让签署各方高效连接，快捷签约，提效降本。

2. 智能合同解决了什么问题？

电子合同：

电子合同解决的是签约过程中的实效性问题，重点在于签署时的高效、安全、合颗粒机规，具备法律效益。

面向的客群是签署各方，解决的是合同签约的效率问题。

智能合同：

由AI技术加持下的电子合同，面向的客群是法务 / 管理者，解决的是签署前后环节中合同本身的风险合规问题与合同管理问题。

三、颗粒机人工智能技术为电子合同带来了哪些转变 1. 传统以OCR、NLP技术为代表的AI技术+电子合同

OCR，光学字符识别：Optical character recognition

一句话概括：将手写或打印的颗粒机图像，转化为计算机编译的电子文本。

OCR技术的核心是文字检测和识别：

文字检测：确定图像中是否存在文字，并给出文字的区域位置； 文字识别：根据文字区域的图像特征，将其转换为对应的文本。

OCR技术颗粒机在电子合同的典型应用场景「合同比对」。

签约前：在草拟合同时，能够通过OCR技术识别出合同文件中不同版本之间的修改差异； 签约时：在接收到电子合同时，通过OCR技术快速识别签约的电子合同与之前协颗粒机商的合同内容是否有一致。

NLP，自然语言处理：Natural language processing

一句话概括：让计算机像人类一样理解人类的语言。

NLP的技术能力包括：

文本分类：可识别文本背后所表达的颗粒机情感与意图，用于情感分析与意图分析； 文本提取：可用于提取文本中的关键数据； 机器翻译：可进行不同语言翻译。

电子合同典型应用场景「合同审查」「合同归档」。

签约前：在合同草拟完成时，通过颗粒机NLP技术自动对合同进行审阅，识别合同中的语法或文本错误，以及基于录入的规则判断合同中是否存在法律风险； 签约后：在合同签署完成后，通过NLP技术可自动提取合同中的重要数据，生成合同台账（包括颗粒机：签约主体、签约时间、签约金额等）可视化进行合同跟进管理。 2. 以大语言模型（LLM）为代表的AI技术+电子合同

大语言模型：Large Language Model

一句话概括：利用深度学习技颗粒机术，在大规模数据的基础上训练的自然语言处理模型，具备强大的文本理解和生成能力。

看起来是不是和NLP很相似，其中大语言模型只是NLP领域中的技术实现方式。「语言模型」是技术实现的方式，「大」说明用于训练颗粒机的数据量足够大！并且LLM能够对特定领域专业知识，进行微调训练。其特点是能够学习并捕捉文本中的复杂关系，具备泛化能力，可处理更为复杂的任务。

3. 大语言模型（LLM）给电子合同领域带来了哪些改变

那定义颗粒机咱们捋清楚了，大语言模型是基于足够多的数据进行训练而成，并且能够基于特定领域的数据进行微调，具备强大的文本理解和生成能力，广泛用于自然语言处理任务。

我们再回到主题，还是按合同全生命周期的不同节点来进行颗粒机分析，来看一下大语言模型为电子合同领域带来哪些改变。

【签署前：合同起草环节】

在合同起草环节，客户可以根据需求，通过与AI对话的方式，自动生成合同文本与条款内容，从而提升合同起草效率。

国外企业：Lexi颗粒机sNexis-律商联讯，推出的“Lexis+AI”，可通过对话的方式，自动起草合同内容。也能在起草过程中，检索和让AI解释法律条款，从而对合同中的法规进行补充。

图片来源：Lexis+ AI

国外企业：S颗粒机pellbook，以插件的形式融入word文档中，可对合同文本的内容进行文本生成，提供起草建议，也能纠正合同文本中的语法错误。

图片来源：Spellbook

【签署前：合同审查环节】

由于大语言模型能够基于颗粒机法律、合同等相关数据进行微调训练，可从海量的合同文本中学习到胜诉或败诉的合同内容与法律条款，所以基于微调训练后的模型可以大幅提高合同风险审查的准确性，帮助用户发现潜在的问题与风险。

国外企业：Robin颗粒机 AI，可快速审阅合同内容，分析出合同中潜在的风险，并且能够针对风险内容进行修改。

视频来源：Robin AI

国内企业：幂律智能，在智普AI的ChatGLM-130B的基座模型基础上，训练了法律垂直模型颗粒机：PowerLawGLM，并且推出MeCheck-合同审查助手的产品，用于合同审查业务，支持快速定位合同风险文本，提供专业风险提示、修改建议，法条判例自动援引。

图片来源：幂律智能-MeCheck

国内企颗粒机业：法大大-iTerms，通过提取合同中的关键信息，基于不同业务场景，可自定义审查规则，从而实现系统自动识别合同风险，并给出风险建议。

图片来源：法大大

【签署后：合同归档环节】

可通过LLM的信息理解和提颗粒机取能力，实现合同的自动分类归档、生成智能报表、并且能够对归档的合同进行检索查询与分析。

国外企业：Docusign-CLM，通过提取合同中的关键信息，如：签约时间，签约对象，合同金额等，自动归档至指定的颗粒机合同文件夹，无需人工归档，释放人力。并且能够将合同数据可视化呈现，自动统计多维度合同数据，实时了解合同进度。

图片来源：Ducusign CLM

国内企业：上上签-Hubble，通过与机器助手的沟通，AI颗粒机能够自动总结合同内容、提取合同中甲乙双方的合同义务，提升合同信息的获取效率。

视频来源：Hubble

【签署后：法律服务环节】

当遇到合同纠纷或需要法律援助时，具备海量法律知识的LLM-Bot，绝对是一个经颗粒机济的选择，其使用成本远比请一个律师要低的多。

国外企业：DoNotPay，成立于 2016 年，总部位于伦敦。该公司开发了一款人工智能助手，可以理解用户的意图，并生成专业的法律文书。该助手还可以访问大量颗粒机的法律信息，以帮助用户更好地处理法律事务。

图片来源：DoNotPay

国内企业：法狗狗，成立于2016年。旗下LogicQ智能对话系统，用户可以通过简洁易懂的案情输入过程，快速获得专业精准的案情结果预测颗粒机和完善诉讼方案。

图片来源：法狗狗

【总结】

LLM相较于传统NLP技术在电子合同领域，深化了原有合同起草、合同审查风险识别、以及合同管理的能力。

传统NLP技术，以搜索关键词、配置规则和初步分析为主，比对某颗粒机个合同段落是否涉及风险，引用至哪条法律法规。 LLM技术，可以通过对话的方式进行合同起草与合同总结，既可以回答和检索更细节更完善的问题，也能在一个入口完成业务工作流的全部操作，降低使用成本，改颗粒机变人机交互方式。 四、LLM在电子合同领域中的挑战 1. 高质量数据获取

AI输出高质量内容的前提在于高质量的数据，数据将成为法律科技领域中的壁垒之一。数据的质量越高，辐射的范围越广，AI在进行颗粒机内容生成、合同审查以及提出法律建议时的准确率也会越高。

像LexisNexix-律商联讯一样，本身的业务形态就沉淀了大量的数据可供机器学习。LexisNexix，1970年成立的老牌法律研究服务公司，有颗粒机超过160个国家、100多万律师和律所资源，50亿份卷宗，425万份审批书，32000多个法律与商业信息来源等海量数据（数据来源：维基百科）。

因为有这些数据积累，再基于基座模型微调后，推出Lexis+颗粒机AI的产品，在法律检索、合同总结、起草、审查等功能模块中，呈现了较高质量的效果。

2. 数据隐私问题

在电子合同领域中，用户对合同数据十分敏感。

大部分电子合同服务商提供的都是SaaS产品，数据存储在云端服颗粒机务器中，将自己的合同数据存储在平台的服务器，或多或少都会担心数据的泄露问题。

目前解决这类问题的处理方式是：电子签约相关的功能在使用云端的产品能力，而签约后的合同文本，存储在客户本地。

但在使用合同审查、颗粒机智能归档等功能时，平台都会要求客户将合同数据进行授权，只有同意授权后，才能使用相关的AI能力。这其实也等于将合同中的数据暴露给了平台。

所以大部分的AI产品应用，还停留在合同起草、法律研究、法律诉讼等不颗粒机涉及合同数据的层面。

目前解决的方式有两种。

数据传输加密：

CoCounsel 在专用服务器上通过 API 的方式访问 OpenAI 的 GPT4 模型。所有数据在传输过程中都被加密。这意味着 OpenA颗粒机I 无法查看数据进行模型训练。

同时用户始终保留对数据的控制权，可以在任何时候将其从平台上完全删除数据，但毕竟有一个将数据上传云端的过程，用户使用时依旧会有顾虑。

模型本地化部署：

将产品能力和模型能力本地颗粒机化部署在客户的系统中，基于客户的行业数据，在客户的本地服务器中微调模型。这种方式收取的是定制费用，虽然能够一定程度解决客户的数据隐私问题，但是对于产品提供的企业来说，形成不了规模。

3. AI不会承担责颗粒机任

对于LLM的“幻觉”问题，一直是该领域需要攻克的难题。虽然可以通过大量专业数据进行微调，通过强化学习的方式让输出的内容更安全、更合规，但是在细分的法律领域仍有可能出现幻觉。

目前AI能力的提供方，在提颗粒机供AI能力时，都会进行免责声明。所以当AI生成幻觉的内容时，导致了起草的合同内容违规，或起诉的法律文本败诉，AI是不会承担任何责任的。

当下可行的解决方案是：建议产品的使用者，在使用AI产品能力时，需要颗粒机在专业人士的监督下，对生成的内容进行核查后，再进行使用。

长期来看，对于法律科技公司而言，是否能够功克在法律细分领域中LLM的“幻觉”问题，是否能够承担因LLM的幻觉问题而导致的违规风险，也是竞争力体现颗粒机的要素之一。

结尾

引用英国法律学者 Richard Susskind 的观点：律师事务所通过“拥有年轻的律师大军”而获利，因为他们向这些律师支付的工资低于他们向客户收取的费用。

LLM与电子合同的融合，最颗粒机直接的影响体现体现在「降本增效」上。

To B：面向于企业内法务部门，提供协同起草、合同审查等效率工具，降低合同起草或合同文本中的法律风险，从而提升法务部人均效率。

通过归档履约工具，可提取合同中的价值信颗粒机息，以可视化图表的方式呈现，智能提醒合同中履约和续约的时间节点及相关事项。

To C：个人或小微企业没有足够的资源聘用法律相关人才，且法律知识的学习成本高，若缺少法律相关的知识，则在合同签约时，对合同中颗粒机的风险识别能力弱，会引起不必要的纠纷和权益的受损。

在AI技术的加持下，既能够在签约前通过AI审查合同中是否存在法律及权益的风险点，又能在出现合同违约时通过AI进行法律的维权服务，省时-省钱且高效。

好啦颗粒机，以上是我对LLM与电子合同行业融合的阶段性理解。

如果文章中有描述不对的地方，请帮忙指正，避免对其他读者产生误导。

加油朋友们🤗

作者：在野在也，公众号：在野在也

本文由 @在野在也 原创发布于人人都是产颗粒机品经理。未经作者许可，禁止转载。

题图来自 Unsplash，基于CC0协议。返回搜狐，查看更多

责任编辑：