自 2025 年以來，人工智能初創公司 DeepSeek 在各個行業，尤其是在法律服務領域獲得了顯著發展。它通過先進的人工智能集成，包括在政府和律師事務所的部署，提高了效率和精確度。
DeepSeek 的崛起與行業融合
總部位於杭州的人工智能初創公司 DeepSeek 自 2025 年初以來，憑藉其強大的人工智能產品和廣泛的應用潛力，受到了全球的廣泛關注，推動了各個行業積極擁抱這一新興平台。從百度搜索到微信和華為雲，眾多科技巨頭已經開始將他們的產品與 DeepSeek 的功能集成。這種集成也擴展到了政府服務領域：2 月，北京市豐台區政務服務和數據管理局完成了在政府雲基礎設施上DeepSeek大型語言模型環境的現場部署。該區成為首個將該技術應用於政府服務的地區，推出了 “豐小政 “數字助理，加速了公共服務的智能化轉型。
在法律服務領域，DeepSeek 的影響日益明顯。律師事務所和法律科技公司敏銳地意識到了這一趨勢，並積極探索 DeepSeek 與法律行業深度融合的可能性。這家總部位於杭州的人工智能公司已開始逐步部署專門的法律解決方案，旨在滿足法律部門對效率和精確度的雙重需求。
在司法層面，各地區、各轄區的法院和檢察院啟動了 DeepSeek 培訓項目，甚至進行了部署，旨在利用人工智能工具提高司法效率，進一步推進智能司法發展。3 月，中國司法便利平台成功整合了 DeepSeek，以提供在線法律諮詢服務。
不同方法
法律科技公司 L-Expert 的首席運營官 Kevin Wang 認為，DeepSeek 的開源可用性和商業化使其能夠在顯著降低成本的情況下實現與頂級大型語言模型相當的功能，從而吸引了中國科技公司的廣泛採用。眾多律師事務所和法律科技供應商已經開始整合 DeepSeek，以增強全面的法律數據庫搜索、文檔生成和合同審查功能。
“中國律師事務所對 DeepSeek 應用表現出了極大的熱情，” Wang 觀察到。”許多律師都在積極嘗試和研究，以尋找真正提高其生產力的產品和實施策略。” 在公司層面，”管理合夥人在選擇新系統時，會優先考慮支持人工智能的產品。許多公司都在與我們合作，開發和測試相關的應用程序，” Wang 補充道。
實際上，L-Expert 已經完成了人工智能大型語言模型的本地部署，並利用 DeepSeek 來增強其產品功能，包括系統人工智能助手、具有自動組織的跨數據庫人工智能文檔搜索以及自動文檔生成和管理。
3 月初，盈科律師事務所也宣布與 DeepSeek 全面整合，成為中國首批正式將 DeepSeek 與法律服務聯繫起來的律師事務所之一。據報導，盈科已經實施了 DeepSeek-R1 推理模型的完整版本，旨在為法律部門引入智能解決方案。
“為了優化用於法律應用的 DeepSeek-R1，盈科成立了跨各個業務領域的專業團隊，以分析我們廣泛的行業經驗，” 該公司告訴亞洲法律商業雜誌。”利用 DeepSeek-R1 的技術，我們進一步增強了我們專有的法律數據資源，包括大量的律師檔案、案例庫、監管數據庫和合同模板，創建了一個全面的法律知識框架。通過專門針對法律術語、原則和推理的培訓，DeepSeek-R1 可以更準確地理解和應用法律知識，為盈科的法律服務提供強大的支持。”
在與完整版本的 DeepSeek-R1 集成之後，盈科計劃在七個關鍵工作場景中部署該技術，以協助相應的法律任務。
首先，盈科旨在通過 DeepSeek-R1 构建一個更加多維的法律知識體系。以前分散的法律資源將被整合到一個集成的數據庫中，使律師能夠更有效地訪問和利用專業資源，並改善知識管理。
其次，對於監管研究，盈科將利用 DeepSeek-R1 來實施實時更新和精確維護其監管數據庫，從而確保在引用法律條文時的權威性和準確性。
值得注意的是，盈科之前推出的 “盈法寶 AI 法律空間站 “將由 DeepSeek-R1 的推理能力和知識提煉技術進行全面升級。增強後的系統將更精確地理解用户的法律要求，解決一般的、例行的和基於知識的法律諮詢，同時顯著降低資源消耗和運營成本。
對於客户溝通，DeepSeek-R1 將協助快速組織客户諮詢，提取關鍵詞，並補充相關信息，從而實現基於案例類型、地理考慮因素和律師專業知識的智能匹配，從而提高客户滿意度，同時降低溝通成本。
此外，盈科將利用人工智能技術對歷史案例進行精確分類和高效檢索，為律師提供豐富的參考資料，以快速了解類似案例的判決和司法傾向，為訴訟策略的制定提供數據驅動的支持。
在合同服務方面，DeepSeek-R1 的部署將通過智能生成和審查功能來提高效率和質量，包括風險識別、條款生成和版本比較功能，從而可能顯著提升律師事務所的非訴訟服務能力。
最後，盈科將利用人工智能技術來實施對律師專業背景、專業領域和成功案例的多維信息進行智能管理，優化內部管理和業務分配流程，同時促進律師之間的協作。
幻覺的挑戰
與許多通用的大型語言模型類似，DeepSeek 在法律領域更深入的應用引發了一系列挑戰。數據安全、知識產權保護、算法偏差和法律責任定義等問題亟待解決，同時也對整個法律服務市場的規範運營提出了新的要求。
一個典型的場景是，律師在使用 DeepSeek 生成內容時，發現了一些捏造的數據，甚至是根本不存在的法律條文。這就提出了一個問題：法律專業人士是否可以通過獨立地向 DeepSeek 提供訓練數據來創建可靠的垂直領域特定模型來消除這類問題？
Wang 指出，這種現象被稱為幻覺 (hallucination)，當模型生成的訊息看起來合理但實際上不準確或不存在時，就會發生這種情況。
“這種情況發生的原因是模型在訓練過程中從海量數據集中學習，但它們的生成機制是基於概率預測而不是事實檢索。通過提供數據來消除 ‘幻覺’ 的可能性不大，而讓人工智能依賴於指定的數據庫來回答問題在理論上是可行的，但在現階段的運營可行性極低，” 他說。
根本問題在於大型語言模型的訓練方法和架構。Wang 解釋説，”像 DeepSeek 這樣的大型模型所產生的反應是通過複雜深度學習架構（如 Transformer）將它們的預訓練知識庫和用户提供的上下文信息重新組合而成的。因此，即使提供了特定的數據，它們也只能在一定程度上提高準確率，而不能完全阻止其原始知識庫的影響。 此外，雖然從技術上講，對模型的核心架構進行深度修改是可能的，但投資成本–包括資金、數據資源和工程開發–非常高，而且實施挑戰巨大。
盈科認為，確保法律大型語言模型的準確性是一個複雜的過程，需要從算法建模、風險評估和數據監控等方面入手，並得到權威的法律數據庫和大量的專業法律學術文獻的支持。
“盈科非常重視 DeepSeek 在嚴肅場合中的幻覺問題，必須加以解決，” 該公司補充道。”我們通過清理我們的專有數據以消除錯誤和噪聲來確保數據質量，同時準確地註釋和分類數據–例如用法律條文的適用範圍來標記法律條文，並用案例類型、爭議焦點和適用的法律條文來標記案例–以方便模型學習和理解。此外，我們將法律領域的邏輯規則納入 DeepSeek，從而實現基於規則的推理和判斷，以提高模型在處理法律問題時的準確性和邏輯連貫性。”