开源法律 AI 会掀翻 Harvey 和 Legora 吗？先被冲击的是利润率

开源法律 AI 的威胁，不在于明天就把 Harvey 和 Legora 从大型律所系统里替换掉，而在于它已经足够可信，能改变采购谈判。文档问答、合同初审、检索增强生成 RAG、模型可切换这些能力，正在从专有卖点变成可拼装能力。

Mike、LegalLens、OpenSpecter 等项目都把自托管、文档读取、引用原文、多步骤流程、合同起草或编辑作为核心卖点 。Lawra 将 Mike 在 2026 年 5 月的发布描述为一个信号：开源法律 AI 已进入新阶段，此前同类方案往往还需要大量工程投入 。

但另一边，资本和企业采购并没有离开商业平台。报告称 Harvey 在 2026 年 3 月融资 2 亿美元、估值 110 亿美元；Legora 完成 5.5 亿美元 D 轮融资、估值 55.5 亿美元 。另有报告称，Legora 已服务 50 个市场的 800 多家客户 。这些数字不能直接证明产品更强，却说明投资者和企业客户仍相信托管式法律 AI 平台有巨大需求。

先给结论

开源法律 AI 是一个真实的中期威胁，尤其会压缩商业法律 AI 的利润率、削弱通用功能溢价，并挑战供应商锁定。它还不是大型律所和受监管企业的成熟即插即用替代品。

换句话说，开源先打的不是品牌战，而是价格战和架构战：如果基础文档智能可以自建、自托管、换模型，商业平台就更难为普通文档聊天或一审合同收取高溢价。

为什么现在突然重要

法律 AI 中最容易被模块化的部分，技术路径正在变得标准：上传文件，切分文本，生成向量，放入向量数据库，检索相关段落，再让大模型基于上下文回答、摘要或起草。

多个开源法律 RAG 项目已经在做这件事。Ready Tensor 的法律文档 RAG 系统描述了 PDF 上传、语义嵌入、FAISS 索引和 LLM 回答流程 。LegalRAG 使用公开数字化法律文本的向量数据库来提供有上下文的回答 。GitHub 上的一个司法辖区感知法律 RAG 项目则强调检索、辖区权重评分和带引用答案生成 。

这意味着，基础法律文档智能不再完全属于融资数亿美元的平台。开源系统和框架正在瞄准合同审查、法律研究、文档分析和合规工作流 。不过，所谓开源法律 AI 并不总等于整套模型都开源。Mike 允许用户接入自己的 Claude 或 Gemini API key ；LexClaw 则强调模型无关，可使用 GPT、Claude、GLM 或本地模型 。很多时候，开源的是工作流层和部署方式，而不是整个模型栈。

最先被冲击的场景

开源最容易切入的，是低复杂度、高频、可标准化的工作。只要买方愿意承担一定内部部署和维护成本，就能用更低许可费用换来更多控制权。

使用场景	开源冲击程度	原因
文档问答与摘要	高	Mike、LegalLens、OpenSpecter 都宣传文档读取、问答、引用或文档智能能力 。
合同审查与条款分析	中高	开源和自托管工具正在围绕合同分析、法律文档审查和风险识别做定位 。
内部法律资料 RAG	中高	多个开源法律 RAG 项目描述了嵌入、向量数据库、检索和带引用回答 。
模板化起草与编辑	中	Mike 和 OpenSpecter 宣称可端到端起草和编辑合同，但现有证据更多是项目能力说明，而非大型律所规模部署证明 。
全所级、面向客户的大型部署	目前较低	Harvey 的 2026 年调查将采用场景放在起草、合同谈判、尽调、电子取证自动化、playbook 生成和时间线等高风险流程 ；市场报道仍显示 Harvey 和 Legora 在争夺企业级法律客户 。

经济账也很直接：如果律所或法务团队能自托管工作流，只支付模型调用、算力和内部维护成本，通用文档聊天、摘要和初步审查的高价订阅就会被质疑。但免费软件不等于免费落地。Lawra 指出，早期开源替代方案需要在文本切分、向量数据库、引用解析和提示词编排等环节投入大量工程工作 。法律团队还需要治理、评测、安全审查和内部使用纪律。

Harvey 和 Legora 的护城河还在

Harvey 和 Legora 卖的不是一个聊天机器人，而是一套大型机构能采购、审批、培训、集成并向客户解释的托管产品。

这在法律服务里很关键。法律工作敏感，买方信心往往和模型能力一样重要。Sacra 的一份报告引用大型律所创新负责人的说法称，一些大型律所采用 Harvey，部分原因是客户点名要求使用 Harvey，这说明品牌认知和外部客户压力会影响供应商选择 。Business Insider 也将 Harvey 与 Legora 的竞争描述为围绕客户、信誉和保守法律行业 AI 采用速度展开的高风险竞赛 。

采用数据同样说明了企业包装的重要性。一份 2026 年报告称，69% 的法律专业人士在工作中使用通用 AI 工具，42% 使用法律专用 AI 工具；但只有 34% 的律所正式采用 AI，43% 没有 AI 政策且没有制定计划 。在这种环境下，自托管工具会吸引技术团队，但不少律所仍会偏好能配合采购、培训、合规、上线和客户沟通的供应商。

还有工作流深度问题。Harvey 发布的 2026 年调查称，大型律所的 AI 使用已覆盖起草、合同谈判、尽调、电子取证自动化、playbook 生成和时间线等实质性、面向客户的工作 。开源工具可以拆解其中一些环节，但现有来源还没有显示开源法律 AI 已经拿下 Harvey 或 Legora 同等规模的机构部署。

真正的变量是锁定与可迁移

开源最强的战略价值，不只是便宜，而是控制权。

Law360 报道称，法律 AI 早期采用者关注可衡量的节省，以及跨模型可迁移性，以避免被单一供应商锁定 。这对模块化架构有利：自托管文档库、可替换模型、开放评测工具，以及不完全依赖某一家供应商路线图的工作流。

因此，即便开源没有直接替代 Harvey 或 Legora，也可能迫使商业平台改变包装方式。买方会更想要模型选择、数据可导出、透明评测，以及针对商品化文档工作的低成本层级。否则，在自建还是采购的讨论中，开源栈会成为越来越可信的选项。

什么时候开源才算真正替代威胁

开源法律 AI 要从利润率威胁升级为企业替代威胁，需要看到证据从项目能力转向机构采用。值得关注的信号包括：

• 主要律所或受监管法务部门的公开部署案例；
• 经过审计的安全、权限、日志和数据保留控制；
• 稳定的引用与评测流程，包括 LRAGE 这类面向法律 RAG 评估的工具 ；
• 与文档管理、事项管理、合同生命周期管理和电子取证系统的集成；
• 出问题时能承担响应责任的支持模式。

在这些信号变得清晰之前，开源更像一层强大的价格和架构压力。它会降低买方为通用文档智能付费的意愿，推动模型可迁移，帮助较小律所和成本敏感团队搭出可用系统。但在最看重风险、客户信任和声誉安全的工作里，Harvey 和 Legora 仍享有品牌、流程包装和企业级落地能力。

底线

开源法律 AI 已经认真到让商业平台不能再把文档智能包装成黑箱魔法。它首先冲击的是利润率、供应商锁定和商品化工作流。

但对大型律所而言，购买的产品仍不只是模型，而是治理、支持、客户安心、流程集成和声誉安全。实际答案是：开源确实是 Harvey 和 Legora 的严肃威胁，但首先威胁的是它们的定价和产品包装，而不是它们最强的企业级部署。