| 公司 | 智合 |
|---|---|
| 融资轮次 | A轮 |
| 融资金额 | 数千万元人民币 |
| 投资方 | 达泰资本、上海闵行金融投资发展有限公司、创始团队及部分老股东 |
| 总部 | 上海 |
| 创始人 | 洪祖运 |
| 官网 | https://www.zhiexa.com/ |
本文涉及的客户名单、产品上线时间、技术组件、运营数据、获奖信息及团队背景，均来自公司或投资方在融资公告中的口径；RecodeX未在本次采集材料中找到独立审计或第三方测试结论。文中标注“编辑推测”的内容，是基于已披露事实的推断，不代表公司口径或已证实结论。正文中所有公司口径数据，请读者以智合官方统一披露为准。
从法律媒体到AI平台：一家公司用十二年换来的场景入口
智合成立于2014年，创始人洪祖运先后获得上海交通大学经济学学士、华东政法大学法律硕士及斯坦福大学法学院法学硕士学位，曾在国际律师事务所从事法律工作。据公司披露，核心团队来自IBM、微软、阿里、金杜、中伦，并有20余位知名教授、博导任专家顾问；上述团队背景为公司口径，未独立验证。这些背景本身并不构成竞争壁垒，但它们指向一个关键事实：智合是一家从法律行业内部成长起来的公司，其起点是法律媒体和行业服务，而非模型层技术。
据公司披露，智合从法律媒体起步，逐步拓展至行业服务和智能化应用。达泰资本创始合伙人叶卫刚在融资声明中称，“法律行业具有专业知识密集、服务需求明确等特点，人工智能技术正在为法律服务行业带来新的发展机遇。智合长期深耕法律行业，在专业场景理解、用户资源积累和产品探索等方面形成了一定基础。”这是投资方口径，未独立验证。从已披露的客户结构看，智合在律师协会和律所渠道上有一定渗透：据公司披露，广东省律师协会、江苏省律师协会、重庆市律师协会、河南省律师协会、辽宁省律师协会均已签约合作，国浩、泰和泰、观韬等国内头部律所已陆续采用其产品和服务；上述客户名单为公司口径，未独立验证。
编辑推测：智合走的是先有行业媒体和服务的用户基础、再叠加AI能力的路径。该推测的前提是公司披露的成立时间、业务演进顺序和客户结构；边界在于，“先有用户基础、再叠加AI能力”的路径定性并非公司或投资方原话，且公司未披露媒体与行业服务阶段的收入规模、用户留存及向AI产品转化的具体比例。这条路的优势在于分发渠道和场景理解，劣势在于技术积累的起点相对靠后；智合需要证明其技术迭代速度能够跟上通用模型能力的提升，否则渠道优势可能被更快的产品替代。
Agent Runtime与评测控制中心：技术叙事背后的真实约束
据公司披露，智合AI产品于2025年8月上线。技术侧自研Agent Runtime与任务评测控制中心，依托600万部法规数据、1.7亿篇案件相关数据及海量实务内容持续积累评测集与Skill。2026年7月，智合在世界人工智能大会上发布智合AI 3.0，推出法律智能本体、Skill中心和数字法务三项核心能力。公司声称，智合AI获评首届法律科技产品大赛综合赛道一等奖，并入选中国中小企业协会“AI for SME全球普惠倡议”首批智能体名单；上述获奖与入选信息为公司口径，未独立验证。
这些披露的技术要素需要被放进真实产业链约束中理解。编辑推测：法律AI的核心难点不在于“有多少法规数据”，而在于任务的可验证性。该判断的前提是法律AI行业的一般技术逻辑，即法律交付结果必须经得起对抗性检验；边界在于，智合未披露其评测集是否包含对抗性样本、评测通过标准及与真实法律交付结果的一致性验证，因此该判断不能直接等同于智合产品已经解决可验证性问题。通用大模型可以生成流畅的法律文本，但法律任务的交付结果必须经得起对抗性检验——一份合同审查意见，在法庭上被对方律师挑战时能否站得住，才是真正的产品边界。编辑推测：智合选择自研Agent Runtime和任务评测控制中心，其逻辑可能是用评测集和Skill来约束Agent的行为，而不是让模型自由发挥。该推测的前提是公司披露的技术组件名称；边界在于，公司未在公开材料中明确说明这一设计意图。这个方向在技术上是合理的，但评测集的质量、覆盖面、更新机制以及是否包含对抗性样本均未披露，外部无法判断其评测体系是否真正接近法律实务的对抗性要求。
另一个值得注意的细节是数据规模。据公司披露，600万部法规数据和1.7亿篇案件相关数据，在数量上并不算小，但法律AI的瓶颈往往不在数据量，而在数据结构化程度和时效性。中国法律体系中的司法解释、地方性法规、行业规范更新频繁，数据管道能否持续保持“新鲜”，比一次性积累多少条数据更重要。这一点，智合未披露具体机制。编辑推测：如果数据更新机制不能形成闭环，先发数据优势会随时间衰减。该推测的前提是法律数据时效性的一般规律；边界在于，智合未披露其数据更新频率、数据源接入方式和更新闭环机制。待核验指标包括：数据源接入清单、更新频率、去重与结构化规则、失效法规下线机制。
C端留存与B端增长：两组数据之间的张力
智合披露的运营数据提供了一个观察窗口。据公司披露，截至2026年7月31日，C端ARR增长3倍，月活用户与单月任务完成量较首月分别增长9.8倍和19.3倍，30日、90日留存率分别为58%和55%。企业端业务自2025年11月以来增长5.3倍，目前已有800家企业采购部署，包括腾讯科技、中国银联、中建八局、中电科、中国广电、中交建等；上述“800家企业采购部署”及客户名单为公司披露口径，未独立验证。
这两组数据放在一起看，存在一个值得追问的张力。C端留存率58%（30日）和55%（90日）在SaaS产品中属于中等偏上水平，但“ARR增长3倍”的基数未披露，无法判断绝对规模。企业端“增长5.3倍”和“800家企业采购部署”同样面临基数问题——如果起点很低，倍数本身的信息量有限。来源材料中另出现“近千家国企及上市公司已陆续采购部署”的表述，该表述仅见于网易科技报道，属于媒体转述口径，未提供具体来源链接或统计说明，无法验证其统计范围，因此本文不采用该数字。本文采用公司官方披露的“800家企业采购部署”作为公司口径，二者差异需以公司官方统一披露为准。
从已披露的客户名单看，智合的企业端客户集中在两类：一是大型国企和上市公司，如腾讯科技、中国银联、中建八局、中电科等；二是律所和律师协会。这两类客户的付费逻辑不同：企业为法务部门采购，看重的是合同审查、合规管理等高频任务的效率提升；律所采购，则更多是律师个人使用后推动的组织行为。来源材料中36氪报道提到，企业端订单“几乎都来自内部个人用户推动”；该说法属于媒体转述，未提供原始链接，无法独立验证，因此本文不将其作为事实依据。编辑推测认为，如果存在自下而上的扩散路径，早期可以降低获客成本，但若企业级销售和客户成功体系不能同步建立，后续向大型组织的深度渗透可能受限。该推测的前提是智合已披露的企业客户名单和产品使用场景；边界在于，智合未披露企业级销售团队规模、客户成功体系配置及企业客户续约率，因此扩散路径的可持续性仍待验证。
“数字法务”的野心与中小企业的付费现实
智合在融资声明中把“数字法务”作为资金用途的核心方向之一。据公司披露，数字法务面向中小企业，覆盖合同审查、用工合规、账款催收、股权治理等高频场景。上海闵行金融投资发展有限公司相关负责人称，智合是虹桥国际中央法务区建设中的重要法律科技力量，“数字法务”直接服务广大中小企业的合规经营需求。这是投资方口径，未独立验证。
编辑推测认为，中小企业长期面临合同、用工、账款与合规问题，却难以获得持续的法律服务支持。该推测的前提是法律科技行业的普遍观察，即中小企业法律服务供给不足；边界在于，智合尚未披露其数字法务产品在中小企业中的实际付费转化数据。编辑推测：如果AI能把单次法律服务的边际成本降到足够低，理论上可以打开一个传统律师服务无法覆盖的市场。该推测的前提是法律AI降低边际成本的一般逻辑；边界在于，智合未披露数字法务的定价模式和付费转化数据，因此无法判断这个方向是否已经跑通。数字法务能否成立，取决于智合能否在公共采购之外找到可规模化的商业付费场景，否则这一业务可能长期依赖政策渠道而非市场验证。待核验指标包括：数字法务的定价档位、付费客户数、客单价、续费率，以及公共采购与市场化付费收入的占比。
投资逻辑：达泰的“数据密度”论与闵金投的“法务区”算盘
本轮融资的资本结构值得拆解。领投方达泰资本创始合伙人叶卫刚在融资声明中给出了一个明确的投资逻辑：“法律行业具有专业知识密集、服务需求明确等特点，人工智能技术正在为法律服务行业带来新的发展机遇。”这是投资方口径，未独立验证。达泰资本创始合伙人叶卫刚还表示：“法律是少数几个数据密度高、付费意愿明确、交付结果可验证的AI垂直领域。智合十二年沉淀的专业数据和律师群体的信任，不是靠算力和资金短期就能复制的。海外已经证明这条赛道的商业价值，我们相信中国也会长出自己的领跑者。”这同样是投资方口径，未独立验证。
编辑推测认为，达泰资本强调法律行业“专业知识密集、服务需求明确”，其逻辑前提是数据密度高、付费意愿明确、交付结果可验证。该推测的前提是投资方在融资声明中的公开表述；边界在于，这三个前提在海外市场已被Harvey和Legora部分验证，但在中国市场，付费意愿和交付结果可验证性仍处于早期验证阶段。达泰的“数据密度”论在逻辑上成立，但智合尚未披露其专业数据的结构化程度、独占性和更新机制，因此“数据密度”能否转化为可持续的竞争壁垒，仍是一个待验证假设。
跟投方上海闵行金融投资发展有限公司的角色更值得关注。其相关负责人明确表示，智合是虹桥国际中央法务区建设中的重要法律科技力量，并称“希望在资金之外，依托闵行的政企生态和法务区平台，支持智合开拓更多企业服务场景”。这是投资方口径，未独立验证。这意味着本轮融资不仅是财务投资，还带有区域产业政策色彩。对智合而言，闵金投的进入可能带来政企客户资源和法务区场景入口，但也可能意味着公司在产品方向和客户选择上需要兼顾区域政策目标。编辑推测认为，这种政策资源在早期可以降低市场进入成本，但若政策导向与市场化产品方向出现分歧，可能增加公司的战略协调成本。该推测的前提是投资方在融资声明中的公开表述；边界在于，智合与闵行区之间的具体合作条款、资源置换方式及排他性安排均未披露。
资金用途与“Agent＋律师网络”：一个尚未被验证的协同命题
智合创始人、董事长兼CEO洪祖运在融资声明中表示，本轮资金及后续融资将主要用于Agent平台与Skill生态的迭代、“数字法务”的深入研发与市场拓展，以及“Agent＋律师网络”协同交付能力的落地。这是公司口径，未独立验证。这个表述中，“Agent＋律师网络”是最值得拆解的部分。
从已披露信息看，智合的长期愿景是“以法律为核心，建设人人可及的法律智能基础设施”，具体路径是让AI承担检索研究、证据梳理、方案推演与文书起草，律师保留判断、信任与责任。这个分工在理论上清晰，但在交付层面存在一个关键问题：当AI完成大部分基础工作后，律师以什么身份、什么价格、什么责任机制介入？如果律师只做最终审核，其收费模式需要从按小时计费转向按任务或按结果计费；如果AI的产出需要律师承担职业责任，那么律师对AI产出的信任门槛会显著提高。编辑推测：智合尚未披露“Agent＋律师网络”的具体机制，包括律师的准入标准、责任划分、利益分配和争议解决方式；上述机制分析属于编辑推测，不是公司已披露信息。该推测的前提是公司披露的“Agent＋律师网络”协同交付方向；边界在于，公司未披露任何机制细节。这些机制不清晰，协同交付就只是一个概念。待验证指标包括：律师准入标准、责任划分机制、利益分配比例、争议解决流程，以及律师网络的实际活跃度和贡献度。验证方法应以公司正式披露的协议文本、平台规则和实际运营数据为准。
另一个值得注意的资金用途是Skill生态。Skill中心是智合AI 3.0的三项核心能力之一，其逻辑是把法律任务拆解为可复用的技能模块。这个方向与Agent平台的开放生态趋势一致，但Skill的供给方是谁、质量如何控制、收益如何分配，均未披露。如果Skill生态依赖外部律师或法律从业者贡献，那么冷启动和质量控制是核心挑战；如果Skill由内部团队开发，那么生态的开放性和扩展速度会受限。编辑推测认为，Skill生态的机制设计将直接影响智合能否从单点工具转向平台化产品，这是本轮融资后最值得跟踪的验证指标之一。该推测的前提是公司披露的Skill中心能力；边界在于，公司未披露Skill的供给方构成、质量控制机制和收益分配规则。待验证指标包括：Skill的供给方构成、质量控制机制、收益分配规则、更新频率，以及外部贡献者占比。验证方法应以公司披露的Skill中心运营规则、贡献者协议和实际更新记录为准。
竞争格局：Harvey和Legora证明了赛道，但没有证明中国路径
全球法律AI的资本热度为智合的融资提供了背景板。据公开报道，Harvey最新估值已达110亿美元，Legora估值56亿美元并获英伟达投资；上述估值数据来自融资公告引用的公开报道，未独立验证，原始来源未在本次采集材料中提供。这两个案例证明了一件事：法律AI在成熟市场可以长成高估值公司。但它们没有证明的是，中国法律AI能否复制同样的路径。
编辑推测认为，Harvey的核心优势在于与OpenAI的深度绑定和顶级律所客户群，其产品定位偏向于为大型律所提供AI助手。Legora则强调法律工作流的深度耦合，在欧洲市场建立了较强的产品口碑。上述描述的前提是融资公告中引用的公开报道；边界在于，Harvey和Legora的客户结构、技术路径的细节尚未有统一的第三方量化数据支持。智合与两者的差异在于：第一，智合的市场在中国，法律体系、数据环境、客户付费习惯均不同；第二，智合的产品路径更偏向“平台化”，试图同时覆盖C端个人用户、B端企业法务和律所专业用户，而Harvey和Legora的客户结构更集中；第三，智合的融资规模和估值水平远低于海外对标公司，这意味着其在技术投入和市场扩张上的资源约束更紧。
编辑推测：从已披露信息看，智合在中国法律AI市场尚未面对一个明确的同体量直接竞争对手。该推测的前提是中国法律AI市场整体仍处于早期，而非智合已经建立了不可逾越的壁垒；边界在于，通用大模型厂商如果决定深入法律垂直场景，其算力和基础模型能力可能对智合构成压力；传统法律科技公司如果加快AI化转型，其客户关系和行业数据也可能形成竞争。上述风险分析属于编辑推测，不是已证实结论。智合的护城河最终取决于其专业数据、评测体系和律师网络的复合壁垒能否在窗口期内建立起来。目前可比较但尚未披露的关键指标包括：智合与通用大模型厂商在法律任务上的对抗性评测结果、企业客户的净收入留存率、以及律师网络的实际活跃度和贡献度。这些信息缺口构成智合竞争位置的验证边界。
风险与待验证假设：留存率背后的付费深度与责任边界
智合披露的运营数据中，最值得肯定的是C端留存率。据公司披露，30日留存58%、90日留存55%，在工具类AI产品中属于较好水平，说明产品在用户端形成了初步的使用粘性。编辑推测认为，留存率不等于付费深度。该推测的前提是SaaS产品留存与付费之间的一般关系；边界在于，C端ARR增长3倍的基数未披露，月活用户的付费转化率、客单价、续费率均未公开。如果ARR增长主要来自用户规模扩大而非单用户付费提升，那么商业模型的健康度需要更长时间验证。
企业端同样存在待验证假设。据公司披露，800家企业采购部署是一个不错的起点，但“采购部署”与“深度使用”之间有明显距离。企业法务部门采购AI工具后，实际使用频率、任务完成质量、对法务工作流程的渗透程度，才是决定续费和增购的关键。智合披露了企业端业务增长5.3倍，但未披露企业客户的续约率和净收入留存率。在SaaS商业模式中，这两个指标比首单增长更能说明问题。编辑建议：智合需要补充披露企业客户续约率、净收入留存率、单客户平均付费金额及使用深度数据，才能验证企业端增长的质量。该要求属于编辑建议，不是公司已披露信息。
更深层的风险在于法律AI的责任边界。法律服务的特殊性在于，错误的后果可能非常严重——一份有漏洞的合同、一个被误读的法条、一个被忽略的程序问题，都可能给客户带来实际损失。当AI承担更多基础工作后，责任如何分配？智合创始人洪祖运在融资声明中表示“法律服务的AI化仍处于早期阶段，人工智能正在推动法律服务方式发生变化”，这个定位在商业上合理，但在产品层面意味着智合必须明确AI产出的边界和律师介入的节点。编辑建议：智合需要披露其产品在AI产出与律师审核之间的具体分工机制、责任豁免条款及用户提示策略，才能评估其责任边界设计的有效性。该要求属于编辑建议，不是公司已披露信息。
另一个结构性风险是数据合规。法律AI处理的数据中，大量涉及个人隐私、商业秘密和敏感法律事项。智合的企业客户包括腾讯科技、中国银联、中建八局等大型机构，这些客户对数据安全和合规的要求极高。智合未披露其数据隔离、权限管理和安全认证的具体情况。在中国数据安全法和个人信息保护法的框架下，法律AI产品的数据处理合规成本可能显著高于一般SaaS产品。编辑建议：智合需要补充披露其数据隔离机制、权限管理体系、安全认证资质及客户数据使用协议，才能评估其数据合规风险的可控程度。该要求属于编辑建议，不是公司已披露信息。
从已披露信息看，智合本轮融资的金额为数千万元人民币，具体数字未披露。这个体量在AI赛道中属于早期阶段，意味着公司在技术研发、市场拓展和生态建设上的资源投入需要高度聚焦。洪祖运在融资声明中提到的“Agent平台与Skill生态的迭代、数字法务的深入研发与市场拓展、Agent＋律师网络协同交付能力的落地”三个方向，每一个都需要大量资源。在数千万元级别的资金约束下，同时推进三个方向的可行性，本身就是一个待验证的假设。
智合的故事，本质上是一个关于“行业积累能否转化为AI时代壁垒”的实验。十二年的法律行业深耕，给了智合场景理解和客户关系；但AI时代的产品迭代速度、技术投入强度和生态建设复杂度，与传统法律科技公司的节奏完全不同。达泰资本和闵金投的进入，为这个实验提供了新的资金和资源，但实验的结果，还需要更长时间、更多数据、更清晰的商业验证来回答。
验证边界与可复核指标
本文涉及的“首个、唯一、最大、领先”、订单、出货、性能等表述，如无另行说明，均是公司、创始人或投资方在现有公开材料中的披露口径；RecodeX未在本次采集材料中找到独立审计或第三方测试结论，因而不将其视为已经独立确认的事实。文中的产业协同、竞争位置和商业路径属于基于已披露产品与融资用途的编辑分析，不代表相关结果已经实现。
- 技术侧应核验第三方测试条件、样本规模、良率、稳定性及与可比方案一致口径的结果；
- 商业侧应核验去重后的付费客户、可执行合同、收入确认、复购率以及订单转化；
- 资本与产业协同应以工商股权、关联交易、联合开发、采购或量产文件为准。
RecodeX 极客视：法律AI的全球资本故事已经足够性感，但中国市场的真正考题不在估值，而在交付。智合用十二年行业积累换来了一个场景入口，接下来要证明的是：当AI把法律服务的边际成本打下来之后，责任、信任和付费意愿能否被重新组织成一条可持续的商业链。留存率可以说明用户不讨厌这个产品，但只有续费率、付费深度和律师协同机制，才能说明这个生意真的成立。
信息来源
本文在采集与核验阶段引用了以下公开来源，按站点去重列出；来源内容归原发布方所有，其口径不代表 RecodeX 的核实结论。