A轮融资4120万美元，获“魔术圈”富而德认可：DeepJudge揭示了法律AI的真正“钱景”- 大数跨境

首页

A轮融资4120万美元，获“魔术圈”富而德认可：DeepJudge揭示了法律AI的真正“钱景”

规明舵Complisail

2025-11-07

导读：法律AI的未来，不是更“聪明”，而是更“懂行”

点击上方蓝字关注【规明舵 Complisail】

在AI浪潮席卷全球的今天，法律圈的“风”也越刮越猛。

近日，一家总部位于瑞士的法律科技创业公司 DeepJudge，引起了法律科技圈的广泛关注。他们宣布完成了约4120万美元的 A 轮融资，由硅谷风险投资机构 Felicis Ventures 领投，现有投资者 Coatue Management 继续跟投。

更引人注目的是，他们同时宣布已获得全球顶级律所 Freshfields Bruckhaus Deringer（通常简称 Freshfields）作为客户。

这不仅仅是采购一套软件：Freshfields 将 DeepJudge 的知识搜索平台选为其 AI 及知识管理战略的“核心组件” (core component)。那么，一家创业公司为何能够同时打动顶级风险资本与保守的 Magic Circle 律所？

这背后反映了法律科技行业一个长期被忽略的事实：多数律所当前最迫切的，并非仅是拥有更“聪明”的 AI，而是需要一把能打开其内部知识“宝库”的钥匙。

律所的“隐形贫困”：未被利用的“金山”

每家律所，都或多或少经历过这样的“灵魂拷问”：

“张律师，我们三年前那个XX项目的并购协议里，关于‘交割后承诺’的条款是怎么写的？”

“李律师，我们所里最近有没有处理过类似的数据出境合规问题？”

然后呢？一场寻宝游戏开始了。一个初级律师可能要花半天时间在律所的DMS（文件管理系统）里用关键词“猜谜”，或者在微信群里@所有人，最后无奈地说：“老板，没找到，我重新查吧。”

一家经营20年的律所，可能积累了几十万份文件——合同、备忘录、诉讼记录、谈判纪要。这些本该是价值连城的“知识资产”，却像幽灵一样散落在DMS、SharePoint、Outlook邮件、甚至某个合伙人的个人云盘里。

理论上这是“金山”，但实际上未能被充分“利用”。

DeepJudge的官网一针见血：

"Most firms' knowledge is siloed — scattered across documents, archives, emails, and individual expertise." （翻译过来就是：大多数律所的知识都是孤岛——分散在文件、档案、邮件和个人专业知识中。）

富而德的首席创新官Gil Perez提到，律所需要的是能够“负责任地调用我们的专属知识，并基于我们的标准来构建AI工作流”的系统。

DeepJudge的“解药”：一个“带护栏”的超级搜索

和传统搜索引擎类似，DeepJudge的体验并不复杂：一个搜索框，输入问题，得到答案。但它和普通搜索有三个本质区别：

第一，它连接的是律所的“内网”，而非互联网。DeepJudge 可以集成律所现有的各种数据源——包括DMS（如iManage或NetDocuments）、SharePoint、OneDrive、邮件系统等。最关键的是，它是在这些系统“就地”建立索引，不需要你把文件上传到某个新的云平台。

官网反复强调：“数据始终安全地留在其源系统中” (data remains securely in its source system)。

第二，它靠“语义理解”，而非“关键词匹配”。老掉牙的DMS搜索，你搜“非竞争条款”，它就给你所有带这五个字的文件。但律师真正想问的是：“我们对于竞业禁止的一贯立场是什么？”

DeepJudge 将先进的语义检索 + 生成式 AI 结合：先搜索内部相关文档，再基于这些文档生成有洞察的答案。简单说就是：

AI先理解你的“诉求”（比如“竞业禁止的态度”）；
AI去你的知识库里精准搜出相关文件和条款；
AI最后基于这些“内部事实”，给你总结出一个有理有据的答案。

第三，工作流是“可定制”的，而非“标准套餐”。在搜索之上，DeepJudge提供了“AI Workflows”功能。律所可以根据自己的需求，用一个“低代码Workflow Builder”（不懂编程的人也能拖拖拽拽）来组装自己的AI工具，比如：

自动对比两份合同的核心条款差异；
一键梳理某个老客户的完整交易时间线；
从一份新合同里自动提取所有潜在风险条款。

这意味着，是AI来适应律师的工作方式，而不是律师去迁就AI的逻辑。

“及格线”即“护城河”：安全架构如何征服精英律所？

在法律服务业，安全和合规，从来不是“加分项”，而是“及格线”。任何敢碰这条红线的产品，功能再炫酷，律所都一票否决。

DeepJudge能让富而德这样的精英律所点头，恰恰是因为它把“安全”做成了核心竞争力。

设计一：数据物理隔离

DeepJudge 的目标是在客户受控的环境中（本地或私有云）建立索引并保持数据受控；在某些部署或混合方案下会有为提供服务所需的受控处理，但平台不会把律所文档迁移出去做模型训练。

设计二：权限继承与“伦理墙” (Ethical Walls)

这是最精妙的“懂行”设计。律所的权限体系极其复杂。比如，律所可能同时代理A公司和它的竞争对手B公司（在不同业务上），这两个项目团队之间必须建立“伦理墙”——彼此的文件、邮件必须严格隔离，互相看不见。

DeepJudge的系统会自动“继承”DMS里所有的权限规则。你在DMS里看不到的文件，在DeepJudge里照样搜不到。它确保了AI不会成为那个“打破规矩”的闯入者。

设计三：多种部署方式

你可以本地部署（On-premise，放在律所自己的服务器上），可以用私有云（比如在Azure或AWS上单独给你开一个虚拟私有云），也可以用公有云。对于数据监管严格的欧洲律所（要符合GDPR），数据可以留在欧洲。

设计四：搜索优先于生成

生成式AI最大的风险是“幻觉” (Hallucination)——也就是AI一本正经地“瞎编”。DeepJudge的解决方案是：永远先从律所真实的数据库里搜索事实，然后再让AI在这些事实的基础上总结输出。

这种架构可以明显降低生成式AI基于不受控来源‘瞎编’的风险，因为回答是建立在律所自身的数据之上。

说白了，律所们不是被“AI”打动的，而是被“有护栏的AI”打动的。

团队与数据：这不是“画饼”

从商业表现看，DeepJudge表现出色。

数据：有报道称其年增长率达到500%以上。在保守的法律软件行业，这是个惊人的数字。
客户：客户名单中包括 Freshfields、Holland & Knight、Cozen O'Connor、ArentFox Schiff 等多家顶级律所。
使用率：在瑞士律所Homburger的实际应用中，超过80%的法律专业人士将DeepJudge纳入了日常工作流程，这一采用率在法律科技工具中表现突出。要知道，很多律所花大钱买的软件，最后只有20%的人在用。高使用率，意味着它真的解决了痛点。

谁能做出这样的产品？看看团队背景就懂了。

三位创始人Paulina Grnarova (CEO), Yannic Kilcher (CTO), Kevin Roth (COO)—— 均为前 Google 研究人员，并拥有 AI 博士学位（均毕业于 ETH Zürich）。

CEO Paulina Grnarova曾在Google Brain工作多年，专攻自然语言理解。CTO Yannic Kilcher专攻大规模机器学习模型的训练和部署。

这是一个在搜索和AI领域，配置顶格的“梦之队”。

投资人为什么砸钱？他们投的不是一个“工具”，而是一个“基础设施”。一旦律所用上它，整个知识管理体系就长在了这个平台上，替换成本极高。Felicis赌的是DeepJudge能成为律所IT架构中不可或缺的“操作系统”。

对中国同行的启示

这个故事，对正在焦虑中寻找AI突破口的中国律所和法律科技创业者，至少有三点启示：

知识管理的核心在于对于数据的充分管理和调用。 DeepJudge的启示是，从“帮律师找东西”这个最刚需、最基础的问题开始，调用未被利用的“金山”。
安全和易用不是矛盾的，而是一个好设计的两面。权限管理、伦理墙、数据隔离……这些在很多人眼里的“麻烦”和“束缚”，DeepJudge却把它们设计成了产品的核心特性，反而构筑了最深的护城河。
垂直深耕打败通用化。通用型法律AI可能在某些单点能力上很强，但DeepJudge专注于“律所内部知识”这一个场景，把它做到了极致。在真实的律所采购决策中，“懂行”比“聪明”更重要。

说到底，AI不是要取代律师的经验，而是要放大这些经验的价值。DeepJudge回归到了律所真正的价值原点——如何让你积累了20年的经验，在下一秒钟就被找到、被看见、被使用。

那么，你对DeepJudge这样的“内部知识搜索引擎”有什么看法？你认为中国律所目前最需要什么样的AI工具？欢迎在评论区留言。

喜欢就关注哦