本文转载自微信公众号[数字法学]，原文详情请点击文末阅读原文查阅。

 

2026年5月11日晚，浙江大学《人工智能与法学》课程第二讲顺利开讲。本次课程由汇仲律师事务所合伙人杨晓夫主讲，主题为“人工智能与法律”。课程立足争议解决的实务前沿，结合世界各国关于人工智能的最新立法与司法实践，系统探讨了人工智能在争议解决领域的应用与治理问题，同学们受益良多。

引言：争议解决的本质与律师的核心能力

吴亦全与杨晓夫的合照

课程初始，杨老师指出，要判断人工智能在争议解决领域的实际能力，首先要理解争议解决领域的三项本质特性。第一，法律的滞后性：法律总是落后于商业社会的发展，规则的更新远慢于交易模式的演进。第二，争议解决的偶发性：在实践中，多数商业交易并不会走到争议诉讼这一步，真正进入诉讼程序的案件在业务发生总量中只占小部分。第三，案件处理的非科学性：律师追求的是经过证据规则过滤后的“法律真实”。律师的工作核心是“说服”，这种说服更近于像是一门“艺术”，而非机械地规则适用。三项特性叠加，意味着争议解决领域可供人工智能学习的高质量数据较少，案件的高度个性化，使得人工智能规则化迁移的空间有限。

争议解决可概括为五个阶段：原始事实与资料搜集→法律事实与争议问题的提炼→法律检索→策略形成→阶段性意见与开庭。资料搜集与法律检索两个环节AI辅助价值最为显著，而案件走向的法律事实提炼、策略形成与开庭表现，仍然是高度依赖律师的专业判断和临场反应。

由此，杨老师争议解决律师真正难以被替代的能力概括为三项：Shape your mind, Eye for relevance, Advocacy。在此之上，应当要具备“六个S”的特质: Speed, Speak, Sharp, Sensitive, Sense与Psycology，作为法律人，要有基于经验形成的快速判断力和人际反馈的识别能力。

杨晓夫介绍争议解决律师需要具备的技能

AI for Dispute Resolution：人工智能与争议解决中的应用

（1）AI在律师工作中的能力边界

杨老师结合本人代理的多起复杂案件，将AI在律师工作中面临的能力边界归纳为三类典型情境。

第一，原始事实的穿透。许多案件的破局点是从看似与争议无关的细节中识别出非显性线索，这类发现高度依赖律师对相关性的判断，难以被规则化迁移到模型中。

第二，人际互动场景。证人盘问、自然人客户的深度沟通、庭审临场反应，本质上是高度不可控的人际过程。AI难以替代律师对当事人的心态变化、对话节奏与人际反馈的实时把握。

第三，无先例的创造性论证。AI高度依赖训练数据中已有的规则与先例，而“在没有现成答案时构建新答案”，恰恰是争议解决律师价值的核心所在。

（2）全球AI仲裁平台的兴起

杨老师指出，目前人工智能在仲裁领域已有较多探索，也取得了一定的效果。但在实务中人工智能的应用主要集中于小额案件、批量案件与调解辅助。美国仲裁协会（AAA）已在特定领域案件中部分了AI仲裁来提供解决方案。在我国，广州仲裁委员会则将AI用于处理大量案情清楚、证据充分的批量纠纷，并将大模型应用于立案与调解辅助。

但在更具复杂性与价值争议的大型商事仲裁中，各机构均明确要求仲裁员审慎使用人工智能，最终签发权与裁决责任始终归属仲裁员。这是各国、各机构共同坚守的边界。

（3）AI能否成为裁判者：全球司法立场的趋同

围绕“AI能否成为裁判者”这一根本问题，英美与中国的立场已出现明显趋同。

英国高等法院王座法庭庭长Dame Victoria Sharp DBE提出，普通法的核心司法理念是“人为理性”，经过长期学习与经验积累形成的理性，是机器所不能复刻的；卷宗主事官Sir Geoffrey Vos指出，机器无法完全模拟人类的情感与共情，法律的温情与非技术维度恰是AI最难触及的部分；芝加哥大学Eric Posner教授则提出“官方故事悖论”，认为AI仅能从司法判决的形式说理中学习，无法触及裁判背后的真实动机与制度动态。

2026年4月，加拿大魁北克高等法院因仲裁员在裁决说理中引用虚构学说与判例、构成对裁决权的委托，撤销了该仲裁裁决，并系统列举了AI在司法语境中的五项风险：虚构引用与幻觉、缺乏自由裁量与价值判断、可能放大算法偏见、保密性问题、对司法公信力的损害。

我国最高人民法院《关于规范和加强人工智能司法应用的意见》指出，无论技术发展到何种水平，人工智能都不得代替法官裁判，裁判职权始终由审判组织行使，司法责任最终由裁判者承担。无论是普通法系的“人为理性”还是我国的“辅助审判原则”，所共同维护的都是司法判断最终由人承担的制度伦理。

AI in Dispute：人工智能引发的法律争议

（一）中国的应对路径

目前，我国陆续出台专门规范来应对人工智能引发的法律争议，包括《生成式人工智能服务管理暂行办法》《互联网信息服务深度合成管理规定》《互联网信息服务算法推荐管理规定》以及《数据安全法》《个人信息保护法》等，已经构建起涵盖算法治理、数据合规、深度合成与生成式服务的初步制度框架。

（二）全球四大共同难题

杨老师将当前全球AI司法面临的核心争议归纳为四类。一是训练数据版权合规：美国依赖合理使用四因素分析，欧盟实行“TDM例外+选择退出权”。二是AI生成内容保护：主流观点坚持“以人类创作为核心”原则，难点在于剥离人类智力贡献是否达到受保护的阈值。三是对AI模型本身的保护：涉及法律定性、模型蒸馏等新兴技术的侵权认定标准、行为正当性边界等多重争议。四是数字复制品的人格权侵权与商业滥用问题。

杨晓夫梳理全球AI司法难题

（三）美国训练数据合规的最新判例与研究

在上述四类难题中，以美国近期的判例与研究为例，杨老师着重介绍了训练数据版权合规的问题。

2025年Bartz v. Anthropic与Kadrey v. Meta两案中，加州联邦法院初步认定将受版权保护书籍用于模型训练属于“高度转换性”行为；但同时划定红线，认为获取盗版数据库中的书籍本质上是侵权行为，模型输出端的高保真“反刍”会破坏合理使用第四要素。

2026年1月，斯坦福与耶鲁研究团队披露：包括OpenAI、Anthropic、谷歌、xAI在内的主流大模型已对训练数据中受版权保护的书籍形成深度记忆，能近乎逐字复现书中的长篇段落，且当前对齐手段无法彻底消除这一现象。研究由此得出关键结论：记忆并非可被对齐手段消除的“程序漏洞”，而是当前LLM工作方式下不可分割的“固有特征”。只要模型依赖海量语料的参数化留存来获取卓越的表达力，这种对底层数据的深度记忆就无法避免。

未来展望

吴亦全总结

本次课程从争议解决实务视角出发，探究了人工智能与法律的关系。可以预见，在不远的将来，人工智能应用于更多的法律工作环节会成为常态，当事人借助AI获得初步的法律咨询，律师在检索、起草与案例研究中将拥有越来越强大的工具，仲裁机构与法院的程序也会更多地引入AI辅助。但是那些真正决定案件走向的判断仍将由法律人完成。在繁杂的材料中识别关键事实，在没有先例的难题中找到新的解题思路，这些都是AI时代法律人需要具备的核心能力。

人工智能的兴起提出了新的议题，包括训练数据合规、生成内容的法律地位、数字身份与人格权保护等。当下尚未有标准答案的许多争议，将在未来逐步制定出新的规则，而其中相当一部分规则的形成，将取决于中国法律共同体在具体案件中的探索。

授课合伙人介绍