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。