律所想用 AI，卡住的地方往往不是"哪个模型更聪明"，而是"这份卷宗能不能传上去"。
一份买卖合同纠纷的卷宗里，有当事人身份证号、银行流水、微信聊天记录、供货价格表。律师把它上传到某个云端 AI 工具，文件就离开了律所自己的网络，落到服务商的服务器上。这件事在《律师法》第三十八条面前是说不清的——律师应当保守在执业活动中知悉的国家秘密、商业秘密，不得泄露当事人的隐私。
所以真正要回答的问题不是功能对比，而是：这套 AI 装在哪里，数据往哪里走。私有化部署解决的就是这一件事——模型、知识库、卷宗全部跑在律所自己的机器上，处理过程可以断网，数据一次都不出所。
一、律所对云端 AI 谨慎，原因不在保守
三个硬约束，决定了律所不能像普通企业那样随手用 AI。
1. 保密是法定义务，不是商业承诺能替代的
《律师法》第三十八条把保密写成律师的法定义务，《律师执业行为规范》也要求对委托人信息保密。这意味着服务商在合同里写"不用于训练、不对外泄露"，只是商业承诺；一旦真出事，承担责任的是律所和承办律师，不是工具供应商。律所需要的是"能自己证明数据没出去"，而不是"相信对方不会用"。
2. 卷宗里的信息密度极高
一份普通民事卷宗，身份证号、住址、银行账号、手机号、亲属关系、病历、交易明细几乎全在。按《个人信息保护法》，这些多数落入敏感个人信息范畴，处理需要单独同意并采取严格保护措施。而卷宗是整批扫描上传的，逐份取得当事人同意在实务中做不到。这也是为什么"先脱敏再上传"看似可行，实际上很难落到每一页。
3. 传出去就收不回来
聊天记录能撤回，上传的文件不能。云端工具的日志存多久、备份在哪个区域、有没有进入模型训练语料，律所无法核查。这不是信不信得过厂商的问题——在投诉、稽查、对方当事人质疑的场合，律所需要拿出的是可核查的记录，而不是一份承诺函。
三条叠加，结论很直接：涉及具体当事人和具体案件的资料，只能放在律所自己能控制的环境里。能放在云端的，是法条检索、公开裁判文书这类不含当事人信息的部分。
二、三种部署形态，本质是三件不同的东西
市面上都叫"律所 AI"，但数据路径完全不同，不能混着比。
| 形态 | 数据在哪 | 适合的任务 | 律所的实际风险 | 投入量级 |
|---|---|---|---|---|
| 公有云 SaaS 工具 | 服务商服务器 | 法条检索、公开判例分析、通用合同模板 | 卷宗一旦上传即外传，责任在律所 | 按席位月付，几百到上千元/人/月 |
| 私有云 / 专有实例 | 服务商云上独享实例 | 合同审查、知识库问答 | 数据仍在第三方机房，权限与审计要单独约定 | 年付，数万元起 |
| 本地部署（自有服务器或一体机） | 律所机房，可断网运行 | 卷宗汇总、要素抽取、文书起草、所内知识库 | 数据不出所，风险转为自身运维责任 | 一次性硬件加软件，按规模定 |
要提醒的是，这三者不是替代关系。查现行有效的法条、看公开裁判文书，云端工具更方便、更新更快；处理当事人卷宗，必须落到本地。实务里合理的做法是分开用，指望一套东西全包，通常两头都不理想。
三、本地部署要准备的四样东西
很多人以为本地部署就是买台服务器装个模型。实际缺口通常不在算力，在后两样。
1. 算力：先算显存，再谈别的
律所场景是"等待敏感"的——律师点一下"重新汇总"，等 2 分钟和等 5 分钟，体验差别很真实。所以显卡选型的第一约束是显存容量，第二才是算力峰值。
| 模型规模（Q4 量化） | 模型本身占用 | 实际建议显存 | 能承载的任务 |
|---|---|---|---|
| 7B | 约 4.4 GB | 12 GB 起 | 日常问答、检索问答、短文本要素抽取 |
| 14B | 约 9 GB | 16–24 GB | 文书起草、合同筛查、卷宗汇总、时间线合并 |
| 32B | 约 19 GB | 24 GB 起，建议 48 GB | 高质量汇总、复杂跨文档推理，速度明显变慢 |
注意"模型本身占用"不等于"显卡够用"。推理时还要留出上下文缓存，卷宗动辄几万字，上下文越长占用越大。一张 16 GB 的卡跑 14B 是可行的，但同时开多个律师会话就会排队；如果全所十几个人共用，建议直接上 48 GB 级别的卡，或者双卡。
2. 模型：分级配置比一味求大更有效
律所里真正吃模型的任务只有几类：卷宗汇总、跨文档推理、文书起草、合同深度筛查。日常问答、法条检索、向量检索这些，7B 完全够用。全部上 32B，换来的是速度掉到四分之一，而多数任务并没有变好。
比较务实的做法是分级：等待敏感的任务留给小模型，质量敏感的任务路由到大模型。不同规模在不同任务上的实际差距，律所场景里 7B、14B、32B 到底差在哪这篇有逐项对比，这里不重复。
3. 知识库：律所真正的护城河在这一层
底座模型是公开的，谁都能装。拉开差距的是喂进去的东西：
- 法规库：必须是现行有效版本，带修订记录。用旧版本法条生成的文书，比没有 AI 更危险。
- 所内文书模板：起诉状、答辩状、代理词、质证意见、法律意见书。这类模板沉淀了所的办案习惯，是最难被复制的一部分。
- 历史案例：已结案件的代理思路与裁判结果。注意这部分必须先在所内完成脱敏与授权，不是把所有卷宗直接倒进去。
- 业务规范：立案标准、收费口径、用印流程、归档要求。
知识库的效果不在"存了多少"，在切分和召回。一份 80 页的判决书整段切碎，检索出来的片段没有上下文，模型照样答错。按"争议焦点—本院认为—判决主文"这种结构切，召回质量差别很大。这一层调不好，换再大的模型也没用。
4. 流程对接：决定律师到底会不会用
如果 AI 只是"另一个要打开的网页"，律师忙起来就不会用。它必须嵌进现有办案流程：卷宗扫描进来 → OCR 识别 → 要素抽取 → 自动生成案情摘要与时间线 → 起草文书初稿 → 归档留痕。每一步的输出成为下一步的输入，律师只做校对和判断。
这也是为什么"买个通用大模型 API 接一下"往往失败——它只解决了中间一小段，两头的人工搬运没解决，用几次就放弃了。
四、哪些活能干，哪些干不了
把边界说清楚，比夸大能力更有用。
| 任务 | 本地 AI 的实际表现 | 律师要做什么 |
|---|---|---|
| 卷宗汇总、案情摘要 | 能显著提速，几十份材料合并成要点，7B 容易抓大放小，14B 以上明显更准 | 核对争议焦点是否抓对、有无张冠李戴 |
| 时间线抽取 | 可用，但对同一事件在不同材料中的表述容易合并错、因果写反 | 逐条比对原始材料日期与主体 |
| 要素抽取（当事人/金额/日期） | 规则清晰的字段准确率高，歧义场景（"50 万还是 5 万"）容易错 | 金额、日期、身份信息必须复核 |
| 起诉状、代理词初稿 | 结构与语言可用，但论述层次偏平，套话多 | 补事实细节、改论证逻辑、调整诉讼策略 |
| 合同风险筛查 | 能发现表面条款问题，深层权利义务失衡容易漏 | 人工通读，重点看对等性与前后矛盾 |
| 法条引用 | 风险最高，可能编造条号或引用已废止条文 | 每一条引用都要回原始法规核对 |
| 出具最终法律意见 | 不能。责任主体是律师，AI 无法承担执业责任 | 全部由承办律师判断并签署 |
有一条必须写进所内规范：AI 生成的内容一律视为"初稿素材"，不视为"结论"。交付给当事人或提交法院之前，必须由承办律师逐字核对。这不是保守，是执业底线。
五、落地五步，别一次铺开
- 划定一个试点方向。选一个案件量大、文书结构相对固定的方向（比如买卖合同纠纷、劳动争议），不要全所全案由一起上。方向越窄，知识库越容易喂饱。
- 先做权限和脱敏，再谈功能。谁能看哪些案件、哪些目录不能进知识库、外发文件怎么带水印，这些定下来再开账号。顺序反了，后面要重构。
- 知识库冷启动。先放法规库和所的模板，跑通"检索—生成"闭环；历史案例在脱敏授权之后再逐步导入。
- 小范围试用，同时把校对规范写出来。谁校对、校对哪几项、发现问题记在哪里。没有这一步，试用期结束只会得到一句"感觉一般"。
- 按数据决定是否扩。看三个数：单个案件的材料整理时间、文书初稿到定稿的修改轮次、律师实际使用频次。三个数都没动，就不要扩。
六、常见疑问
本地部署需要备案吗？
《生成式人工智能服务管理暂行办法》规范的是"向境内公众提供生成式人工智能服务"的情形。律所自建、仅在所内使用、不对公众开放的系统，通常不属于该办法的备案范围。但如果律所把 AI 能力做成产品对外提供，或者通过公开渠道向不特定用户开放，就需要按相关规定评估。具体到本所的形态，建议在方案阶段就把这一条确认清楚，不要等上线后补。
一套系统大概要多少钱？
差别主要在显卡和并发人数。单卡 24 GB 级别的机器能支撑 3–8 人日常使用 14B 模型；全所十几人以上共用，需要 48 GB 级别或双卡。软件侧包含模型部署、知识库、业务系统对接，通常与硬件同量级。这里不给具体报价，因为同样叫"本地部署"，做与不做流程对接、知识库做多深，工作量能差好几倍。
断网能用吗？
能。模型和知识库都在本地，推理不需要外网。唯一需要注意的是法规库更新——断了网就收不到新法规，需要定期在有网环境下载更新包再导入。这一点必须在运维流程里定好，否则用了半年还在引用旧条文。
模型会不会自己学习所里的案件？
不会。本地部署的推理过程不改变模型参数，除非主动做微调。所有案件资料是以"检索增强"的方式在提问时临时调取，用完即弃。这一点和云端"上传即可能入语料"有本质区别，也是本地部署最实在的价值。
老律师不会用电脑怎么办？
这不是技术问题，是入口问题。把 AI 做成"打开卷宗文件夹右侧就有一个按钮"，比开一个聊天窗口有效得多。另外第一版功能要少，先只做"卷宗汇总"和"文书初稿"两件事，跑顺了再加。
已经有云端的法律检索工具了，还要本地吗？
两者管的不是一件事。云端工具解决"法条和公开判例怎么查"，本地系统解决"当事人卷宗怎么处理"。前者不碰案件资料，风险可控；后者必须本地。两者并存是常态，不必二选一。
七、从哪一步开始
如果你的所现在停在"想用但不敢传"这一步，比较稳的起点是：先用一台机器把卷宗汇总这一件事跑通，只覆盖一个业务方向，跑一个月看数据。
时代科技在肇庆本地做私有化 AI 部署，可以上门做需求调研、现场部署调试，硬件（AI 算力服务器）和软件（知识库、文档解析、业务系统对接）一起交付。联系电话 0758-2311963，也可以先看律所 AI 工具怎么选这一篇，把三类产品的边界分清之后再来谈方案。
