企业内部法务部门正在经历一场静默的挤压。合同数量持续上升，监管要求不断加码，但预算和律师编制并没有同步增长。Association of Corporate Counsel 今年的一项调查把预算与资源约束列为法务部门成功的关键障碍；CLOC 的《2026 State of the Industry Report》则给出了一个更具体的数字：只有 32% 的法务部门预计今年会增加律师人数。这意味着大多数法务团队必须用与去年相同甚至更少的人力，处理比去年更多的合同、审批和合规请求。
传统合同生命周期管理软件并没有解决这个问题。过去十年，CLM 赛道的主流产品把重心放在合同存储、版本管理和流程审批上，本质上是把纸质文件柜搬进了云端。它们能告诉法务团队“合同在哪里”，却很少能回答“这份合同该不该这样签”。当工作量上升而人手不增时，一个更会归档的系统并不能消化积压的待审合同。
这正是 Chamelio 试图切入的位置。这家总部位于纽约、成立于 2024 年的公司宣布完成 2600 万美元 A 轮融资，由 Entrée Capital 领投，现有投资方 Work-Bench 与 Emerge Ventures 参与，Bright Pixel Capital 也加入了本轮。Chamelio 的产品定位不是另一个合同存储库，而是一个 AI 原生法律平台：据公司披露，它能够基于企业自有合同起草、审查和谈判条款，路由请求，管理义务，并执行多步骤法律工作流。公司称，自五个月前的种子轮以来，其年度经常性收入增长了四倍。
| 字段 | 内容 |
|---|---|
| 公司 | Chamelio |
| 轮次 | A 轮 |
| 金额 | 2600 万美元 |
| 投资方 | Entrée Capital（领投）、Work-Bench、Emerge Ventures、Bright Pixel Capital |
| 总部 | 美国纽约 |
| 创始人 | Alex Zilberman（CEO）、Gil Banyas（COO）、Gal Lellouche（CTO） |
| 官网 | https://www.chamelio.ai/ |
从“记录系统”到“行动系统”，Chamelio 把合同执行本身变成产品
Chamelio 与传统 CLM 的关键差异，不在于它是否管理合同，而在于它是否执行合同工作。传统 CLM 的核心对象是文档：存储、检索、审批流、版本控制。Chamelio 的核心对象是法律行动。公司称其平台基于专有的法律行动模型构建，能够从企业自己的合同库中学习，并执行起草、红线批注、谈判、义务管理等动作。这与“给律师配一个更快的合同检索助手”有本质区别——Chamelio 试图让 AI 代理直接完成一部分原本由律师执行的工作。
从产品架构看，Chamelio 覆盖了合同从请求到签署后的完整链路。据公司披露，平台可以自主处理常规低风险工作，也可以在需要监督时保留律师介入。这种“自主执行加人工升级”的模式，把法务人员的角色从逐条审阅推向例外管理和决策监督。公司 CEO Alex Zilberman 在新闻稿中称：“法律 AI 的错误在于假设未来只是今天的律师加上更快的合同事实核查。当 AI 能够基于每家企业的公司智能做出直觉决策时，法律环境中的 AI 才会显现回报。这正是 Chamelio 所做的。”
值得注意的另一点是，Chamelio 允许法务团队自建代理，并让这些代理与采购、财务、产品、人事、合规、销售等职能交互。这意味着它的野心不限于法务部门内部的效率工具，而是把法律能力嵌入到企业其他职能的日常流程中。平台集成了 Salesforce、Slack、NetSuite 和采购系统，从已披露的集成对象看，Chamelio 试图把合同执行放到销售、采购和财务的真实工作流里，而不是让法务团队在另一个独立系统里操作。这一设计如果成立，会改变法律科技产品的采购逻辑：它不再只是法务部门的软件预算，而可能进入企业级自动化预算的讨论范围。
ARR 四倍增长背后，客户口径与时间线需要分开看
Chamelio 在 A 轮新闻稿中称其拥有数百家客户，包括 Wiz、monday.com、Socure、AppsFlyer 和 Wonderful.ai。CTech 的报道也采用了“数百家客户”的说法。但 AlleyWatch 在 2026 年 2 月种子轮时期报道的数字是约 100 家客户，名单包括 Wiz、Socure、Lightricks 和 Fiverr。两个口径相差数月，并不直接冲突，但说明客户数量在种子轮之后有明显增长。
ARR 增长倍数同样需要放在时间线里理解。PR Newswire 的新闻稿称“自五个月前的种子轮以来 ARR 增长 4 倍”，而 CTech 的表述是“自八个月前的种子轮以来 ARR 增长四倍”。两家来源对种子轮时间的描述不一致，但都指向同一事实：Chamelio 在种子轮之后经历了一段高速收入增长。需要明确的是，公司未披露 ARR 的绝对金额，因此“四倍增长”的基数无从核实。对于一家成立两年的公司来说，低基数下的高倍数增长并不罕见，真正需要观察的是这种增速能否在更大收入规模上持续。
AlleyWatch 还报道了一个更具体的效果口径：Chamelio 可将法律审查时间最多减少 90%。这是种子轮时期的早期数据，公司未在 A 轮材料中重复这一数字。该数字来自公司单方面披露，没有独立第三方验证。法律审查时间的压缩幅度会因合同类型、团队配置和部署深度不同而差异巨大，单一最大值不宜被理解为普遍效果。
商业模式是“席位订阅加用量”，但真正的杠杆在迁移和代理扩展
Chamelio 的商业模式并非纯 SaaS 席位费。据 AlleyWatch 报道，客户购买按席位定价的年度 SaaS 订阅以获得平台和核心能力，定价再按合同与法律文件管理量、执行的工作流数量、启用的高级功能或集成等用量扩展。这种“订阅加用量”的结构在 AI 原生产品中越来越常见，因为它把收入与客户实际使用深度绑定，而不是只与登录人数绑定。
但 Chamelio 的商业模式中有一个容易被忽略的环节：迁移。公司称，每一次部署都包含专门的法律工程支持，帮助客户从旧系统迁移、重构合同库、把现有流程转化为工作流，并让 AI 快速进入生产。A 轮资金用途之一就是进一步投资客户入驻技术。这表明 Chamelio 的销售周期并不只是“开通账号”，而是一个需要人力介入的迁移项目。法律工程团队在这个过程中的作用，是把客户散落在旧 CLM、共享盘和邮件里的合同知识结构化，并转化为可被 AI 代理执行的规则。
这种模式的优点是客户一旦完成迁移，切换成本会显著上升，因为合同知识和工作流已经被编码进平台。缺点是规模化速度受制于法律工程团队的产能。Chamelio 把“扩充法律工程与产品团队”列为资金用途，说明公司自己也知道这个瓶颈。从已披露信息看，Chamelio 的员工数在 2026 年 7 月为 37 人，但这一数字来自 Tracxn，未获公司确认。如果客户数量确实达到数百家，那么平均每家客户能获得的法律工程支持是有限的，这会对入驻质量和后续扩展速度形成约束。
竞争不在 CLM 内部，而在“谁先让 AI 代理真正跑通合同执行”
Chamelio 的竞争格局需要从两个层面看。第一层是传统 CLM 厂商，它们拥有大量存量客户和合同数据，但产品架构以文档为中心，AI 能力多为后期叠加。第二层是新兴的法律 AI 代理公司，它们从第一天就围绕代理执行设计产品，但在客户基数和合同数据积累上往往落后。
Tracxn 的数据显示，Chamelio 有 36 家活跃竞争对手，其中 6 家已融资、4 家已退出。Tracxn 列出的竞品类型包括法律合同管理软件、律所管理软件、律师协作平台等，但未逐一具名。这个数字说明法律科技赛道并不冷清，但“活跃竞争对手”的定义宽泛，包含了不同细分领域的公司，不能直接等同于 36 家都在做 AI 法律代理。
Chamelio 的差异化主张建立在“基于公司自有合同训练”这一点上。通用大模型可以起草和审查合同，但缺乏企业特定的条款偏好、谈判历史和风险边界。Chamelio 称其 AI 代理从企业自己的合同中学习，这意味着它的护城河不在模型层，而在客户专属的数据和规则层。问题在于，这种护城河的强度取决于客户是否愿意把足够多的合同数据放进平台，以及平台能否持续从每一次交互中积累可复用的公司智能。如果客户只把 Chamelio 当作又一个审批工具，数据积累的飞轮就不会转起来。
另一个竞争维度是集成广度。Chamelio 已经集成了 Salesforce、Slack、NetSuite 和采购系统，这使它能够把法律动作嵌入销售和采购流程。但这也意味着它必须与这些系统里的既有工作流和权限体系共存。传统 CLM 厂商同样在扩展集成能力，而 Salesforce 生态里本身就有合同管理方案。Chamelio 的挑战在于，它能否在别人的平台上成为默认的法律执行层，而不是被当作一个需要额外维护的第三方插件。
投资逻辑押注“法律团队结构变化”，但时间表仍是变量
Entrée Capital 普通合伙人 Eran Bielski 在新闻稿中称：“Chamelio 正在为内部法务团队构建 AI 原生操作系统——成为现代法律职能的记录系统、行动系统和智能系统。让我们印象深刻的不仅是产品实力，还有 Chamelio 创始人执行、从客户反馈中学习，并把反馈转化为具有品类定义潜力的产品的速度。”这是投资方声明，代表其投资判断，而非独立验证的事实。
从资本结构看，本轮由 Entrée Capital 领投，Work-Bench 和 Emerge Ventures 作为现有投资方继续跟投，Bright Pixel Capital 新进入。Work-Bench 是一家专注企业软件的早期基金，Emerge Ventures 在欧洲和以色列科技生态中有布局。现有投资方在 A 轮继续加注，通常意味着他们在种子轮之后看到了足够的客户验证信号。但 Chamelio 未披露本轮估值，因此无法判断这 2600 万美元对应多少股权稀释，也无法评估投资方对公司的定价逻辑。
投资逻辑的核心假设是：企业内部法务团队的结构正在发生不可逆的变化。新闻稿中引用了一个预测：三年内法律团队 30% 将由 AI 代理构成，五分之一将是混合型律师-工程师。这个预测来自公司引用的外部报告，并非 Chamelio 自己的数据，也未在来源中标注具体出处。即便这一预测方向成立，时间表也存在不确定性。企业法务部门以风险规避著称，对 AI 自主执行合同审查和谈判的接受速度可能慢于技术乐观者的预期。
创始团队的 AnyVision 背景是资产，也是需要直面的叙事包袱
Chamelio 的三位联合创始人中，有两位来自 AnyVision。CEO Alex Zilberman 曾是 AnyVision 的 COO 和联合创始人，COO Gil Banyas 曾任 AnyVision 总法律顾问。CTO Gal Lellouche 此前创办的 AI 公司被 Sage 收购，后在 Sage 担任高级 AI 领导职务。这个组合同时具备 AI 技术、企业运营和法务管理经验，从团队配置看，Chamelio 对“法律工程”这一角色的理解有实际来源。
但 AnyVision 的背景并不只是履历。CTech 在报道中特别提到，AnyVision 曾被视为人工智能和先进面部识别系统的先驱，多年来既因技术突破登上头条，也因一系列公开争议出现在新闻里。Chamelio 本身与面部识别无关，但创始团队与 AnyVision 的关联，在企业客户尽调中可能被提及。对于一家面向企业法务部门销售 AI 产品的公司来说，客户对数据治理、模型训练和合规性的敏感度天然更高。Chamelio 需要在销售过程中主动解释其数据处理方式，而不是假设客户不会追问创始人的过往。
从另一个角度看，Gil Banyas 作为前总法律顾问的视角，可能是 Chamelio 产品设计的重要来源。法务团队对 AI 代理的信任，首先建立在对风险边界和人工介入机制的清晰定义上。Chamelio 的“自主执行加人工升级”模式，恰好回应了法务用户最关心的问题：AI 什么时候可以自己决定，什么时候必须停下来等人。这种设计是否足够稳健，需要看它在真实合同谈判中的表现，而不是产品演示。
资金用途集中在模型、团队和入驻，但真正的验证在续约和扩展率
Chamelio 把 A 轮资金用于三个方向：进一步开发专有法律行动模型、扩充法律工程与产品团队、投资客户入驻技术。这三个方向分别对应产品深度、服务能力和规模化瓶颈。法律行动模型是 Chamelio 的技术核心，但公司未披露该模型的具体架构、训练数据规模和性能基准。它究竟是独立训练的基础模型，还是基于现有大模型的微调与工作流编排，从公开材料中无法判断。这个区别很重要，因为它决定了 Chamelio 的技术壁垒有多深，以及它对底层模型供应商的依赖程度。
客户入驻技术的投资，说明 Chamelio 意识到从旧 CLM 迁移到 AI 原生平台的摩擦是商业化的关键瓶颈。法律合同数据的清洗、归类和规则化，比销售或营销数据的迁移更复杂，因为合同语言充满例外和条件。如果入驻过程需要大量人工法律工程支持，那么每一家新客户都会消耗稀缺的人力资源。Chamelio 能否把入驻过程产品化，将直接决定它能否在数百家客户的基础上继续规模化。
从已披露信息看，Chamelio 尚未公布续约率、净收入留存率或客户扩展率。对于一家订阅加用量模式的公司来说，这些指标比客户总数更能说明产品是否真正被嵌入日常法律工作。ARR 四倍增长是一个积极信号，但如果增长主要来自新客户获取，而存量客户的用量没有同步上升，那么商业模式的可持续性仍然存疑。这些数据未披露，因此结论边界是：Chamelio 证明了它能快速获取客户，但尚未证明它能长期留住并扩展客户。
法律 AI 的下一道坎：从“能起草”到“能负责”
Chamelio 的产品叙事中有一个反复出现的词：watertight，即“滴水不漏”。CEO 在新闻稿中称，Chamelio 确保内部法务部门以 AI 速度交付滴水不漏的合同和产出，并由律师的严谨性验证。这是公司口径，而非独立验证的事实。合同是否“滴水不漏”，最终要由诉讼、审计和商业纠纷来检验，而不是由产品演示或客户证言来证明。
法律 AI 面临的根本问题，不是技术能不能生成合同，而是责任如何分配。当 AI 代理自主完成一份采购合同的审查并批准条款时，如果后续出现争议，责任在法务团队、在软件供应商，还是在训练数据的质量？Chamelio 的“人工升级”机制试图在流程上解决这个问题，但法律责任的归属不会因为工作流设计而自动清晰。企业法务部门在采用这类系统时，需要同时更新内部政策和风险框架，而这部分工作的难度往往被技术叙事低估。
从已披露的客户名单看，Wiz、monday.com、Socure、AppsFlyer、Fiverr 和 Global-e 都是科技或互联网公司，这类公司的法务团队通常更愿意尝试新工具，合同类型也相对标准化。Chamelio 尚未披露它在金融、医疗、制造等强监管行业的客户案例。这些行业的合同语言更复杂，合规要求更严格，AI 代理的自主权限会受到更多限制。如果 Chamelio 的长期目标是成为企业法务的通用操作系统，它必须证明自己能在高监管环境中同样可靠。
Chamelio 的 A 轮融资，本质上是在押注一个尚未被完全验证的命题：企业法务部门愿意把合同执行权交给 AI 代理，而不仅仅是把合同存储交给软件。这个命题有真实的需求基础——预算不增、工作量上升、律师编制冻结——但需求存在不等于采购决策会立即发生。法务部门的风险厌恶、旧系统的迁移成本、法律责任的模糊地带，都会拖慢采用速度。Chamelio 已经用客户数量和 ARR 增长证明了早期吸引力，但真正的考验在于，它能否让那些最初被“减少 90% 审查时间”吸引来的客户，在合同期结束后继续扩大用量，并把 Chamelio 从“一个有用的工具”变成“法务团队运行的基础设施”。
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：Chamelio 的融资故事里最值得关注的不是 2600 万美元的数字，而是它把法律科技的价值主张从“管理合同”推到了“执行合同”。这背后的假设是，法务团队的未来不是更多律师加更快工具，而是律师与 AI 代理的混合编制。这个假设有数据支撑，也有真实痛点，但它能否成立，取决于一个更朴素的问题：当一份合同出了问题，企业敢不敢说“这是 AI 签的”。在法务这个以风险为货币的行业里，信任的建立速度，永远比模型的迭代速度更慢。
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。