法律行业，尤其是律所角度，是一个需要对文档和知识进行重度使用的行业。每位律师需要在日常工作中大量查阅法律条文、案例库、公司商务资料等，这存在很典型的数字化工具修去。
附图对国际市场代表性的数字化 SaaS 进行归类：
(1) 第一类是在律所已经大量应用的软件服务，例如：LexisNexis。他们目前的重点是在现有服务中增加一些基于大模型 LLM 的功能，作为一种补充。
(2) 第二类是 2010-2019 年产生的法律科技公司，其会使用一些传统的自然语言处理 NPL 和 ML 机器学习技术。
(3) 第三类是以 Harvey 为代表的新一代应用，其完全基于大模型 LLM，称得上是 “AI 原生” 应用。
Harvey 是一家创业公司，基于 OpenAI 的 GPT 提供 AI 法律助理服务。有人将其比喻为法律领域的 Copilot。所谓 Copilot for X, X 泛指各垂直行业。
目前 Allen & Overy 律师事务所和 PwC 法律服务团队在内部工作中引入了 Harvey AI 助理工具。附图是一个对比，典型的律师助理和 Harvey 的功能和成本对比。
这段时间，随着 ChatGPT 功能的不断扩展，一些 “套壳” 型第三方应用面临被 OpenAI 原厂应用（ChatGPT）直接代替的风险。
Harvey 类面向垂直行业的 AI 工具可能更容易处理好于大模型 LLM 原厂的关系。通用 ChatGPT 在面对特别专业的领域时，其还是会小心很多。
还有一个启示是，Harvey...
Forerunner Ventures 的研究认为，2024 年 AI 风险投资 A 轮融资中，企业 AI 融资额 53 亿美元，消费者 AI 融资额为 5 亿美元。
企业侧 AI 占融资额的 90% 以上。
图 2 来自 Lee Hanchung 的个人使用评测，针对主流的 Gen AI 大模型会话工具。其从 “深 vs. 浅” 和 “手工 vs. 训练过” 两个维度来评测。
从概念描述看，无论是 OpenAI 和 Perplexity 的描述，都提及，深度研究的过程的数据源来自数百个互联网网站资源。
引发的思考是：可否 “很粗犷” 地认为，互联网网页有相关内容，就可以深度研究。如果网页缺乏相关内容，就不可以深度研究 ？
提醒大家的是，所谓互联网公开内容的页面，从历史页面的角度，其实是在不断减少的。有点反常识哈 ……
