详见 | 3545万次调用之后， 深圳法院真正改变了什么？

详见 XIANGSEE

深度研究 · AI与专业组织 · 2026年10月

3545万次调用之后，
深圳法院真正改变了什么？

一项大规模司法AI实践，揭示专业工作怎样被重新组织

2024年夏天，深圳中级人民法院金融法庭审理一起涉及夫妻债务的借款合同纠纷。

夫妻之间是否存在共同经营？借款发生于婚姻关系的哪个阶段？资金究竟流向何处？这些并不是把合同输入大模型，就能直接得出裁判结果的问题。《人民法院报》当时记录了一个细节：深圳中级人民法院金融法庭法官付璐奇使用人工智能辅助系统，先获得针对经济往来和共同经营的待核查问题，再在庭审中开展调查。庭审结束后，由法官核准相关信息、作出认定结论，系统才据此生成文书初稿。[1]

报道说，这份草稿的完成度超过九成。但这只是一个现场案例中对初稿完成情况的描述，并不是法院对机器裁判正确率的测量。真正值得注意的是，那个只用数秒生成文字的瞬间，之前已有材料整理、事实调查、法官确认和法律判断等一整套过程。

两年后，深圳市委政法委、深圳市中级人民法院和深圳市政务服务和数据管理局联合发布《人工智能司法应用的深圳实践》。白皮书披露，截至2026年8月31日，系统累计完成3545.1万次大模型及智能体任务调用，辅助阅卷60.9万件、庭审26.9万次、草拟裁判文书67.8万份，深度赋能超过70万宗案件。[2]

这是一个难得的大规模真实部署样本。它使我们有机会追问比“AI会不会写判决书”更深的问题：当人工智能被放进每天都要承担法律责任的专业组织，原来由人完成的工作究竟去了哪里？人的判断被放在什么位置？组织为此需要新增哪些能力？

一

3545万次，是一份使用记录，还不是一份绩效证明

深圳白皮书不是只公布了一个最终数字。印刷第40页保留了2024年末至2026年8月末的累计调用曲线。2024年末，系统完成约321万次法官指令任务，推送536.8万条法律知识；2025年末，模型及智能体任务累计调用达到1989.9万次；2026年8月末达到3545.1万次。同样的2024年末数据，可以从深圳法院当年的工作报告中交叉找到。[2][3]

FIGURE 01 · 使用规模

部署以后，调用量如何累积？

深圳法院AI系统累计任务调用与知识服务，单位：万次

图1数据据白皮书印刷第40页转录。2026年最后一个点仅截至8月31日，并非完整第三季度；两条曲线统计的事件不同，不能加总或计算“成功率”。

八个时间点原始数值（万次）

时间

模型及智能体任务

知识服务

2024末

25·Q1

25·Q2

25·Q3

25末

26·Q1

26·Q2

26·8月

更早的2024年8月现场报道提供了上线初期的观察：全面上线36个工作日后，系统辅助阅卷57,052件、庭审23,701次、草拟文书52,554份。[1] 这意味着至少在阅卷、庭审和文书三个核心环节，深圳从早期开始就有真实案件中的使用记录，而非仅仅完成实验室展示。

但这些数字不是同一件事情的不同叫法。“模型调用”是一类事件，“知识服务”是另一类事件，“文书初稿”以份计量，“案件”以宗计量。一件案件可能触发多次模型任务、获得多次知识推送，也可能草拟和修改不止一份文书。白皮书未披露完整的任务重试、失败、去重和跨版本计数方式，因此不能将3545.1万次解释为3545.1万件工作成功完成，更不能说机器审判了70万宗案件。

还需注意，累计曲线的不同期间增量并不稳定。2025年三季度与四季度的新增调用有明显差异，2026年七、八两个月又出现较高增量。它可能与实际使用、功能增加、推广程度或计数方式有关。没有分模块、分用户、分案由的统计，就不应给这些波动编造一个技术进步的解释。

规模的意义仍然成立：深圳让AI进入了持续运转的司法工作。但规模所证明的是被使用，还不是有多少净工作被节约、司法质量因而改善了多少。要跨过这一步，必须先进入一件案件内部。

二

从案卷到文书，真正改变的是工作的分配

传统办案中，法官及司法辅助人员需要阅读卷宗、摘录金额和日期、比对诉辩意见、整理庭审提纲、寻找法律依据，最后还要撰写并校核文书。深圳所做的，并不是把整个过程一次性交给模型，而是把它拆成可以衔接、也可以停下核验的任务。[2]

FIGURE 02 · 工作转换

一件案件经过系统，仍须通过哪些人的关口？

根据白皮书重构的五道审判辅助环节，并非具体个案的后台操作日志

图2AI辅助与人的工作并非互斥：同一环节通常包含反复核验。裁判事实认定、法律适用与最终结论始终由法官作出。依据白皮书第13—23、34—35页。

第一道关口是材料。智能阅卷模块识别并归类合同、转账记录、诉辩意见等资料，提取关键信息，并将结构化结果与原始卷宗中的具体位置相对应。原来需要人逐页摘录的部分，现在可以先由系统完成；但人工工作并没有消失，而是部分变成核对、修正和补充。若系统把A当事人的付款归到B名下，仍须有人在原件中发现错误。

第二道关口是争点与庭审。系统可以根据案情提示有待查明的问题、辅助准备庭审提纲。付璐奇审理的借款合同纠纷正是一个实际例子：AI帮助提出问题，问题是否需要询问、证据是否可靠、当事人如何解释，仍须在司法程序中处理。[1]

第三道关口是法律知识。系统依托权威知识库检索法律条文、参考案例和相关解释，并将出处显示给法官。模型不应凭记忆自行补写不存在的法条。但权威来源只能保证有出处，不能保证检索结果与本案相关，更不能保证法律适用无误。知识准入与法律判断必须分开。[2]

第四道关口是实质判断。白皮书将诉辩意见、事实认定、争议焦点和判项确认作为需要分步处理的事项。系统可以提供事实归纳、证据关联和说理素材，证据采信、事实认定、法律适用以及裁判结论则由法官作出。这里由机器辅助形成的信息，必须进入人的判断，而不能绕过人直接变成司法决定。[2]

第五道关口是文书及复核。系统根据法官已确认的事实、争点和结论草拟文书，辅助排版、校对并提示可能的说理瑕疵；法官仍需要审核和修改。2024年报道中“点击按钮即生成初稿”，与2026年白皮书禁止跳过司法判断的“一键生成结论”并不必然矛盾：前者是快捷生成已作判断的表达，后者涉及非法定主体直接作出结论。[1][2]

这五道关口揭示了比“机器替代多少人”更复杂的变化。人的部分摘录、查找和格式处理工作减少了，但人工核验、例外处理、输入确认和最终责任仍然存在；与此同时，系统需要新的业务规则设计、日志审计、技术维护和技能更新工作。

专业劳动不是简单从人流向机器，而是在“机器预处理—专业人员核验判断—组织维护系统”之间重新分配。这是深圳样本最值得追踪、也最容易被单一生产率数字遮蔽的中间过程。

不过，公开材料仍不足以说明五道关口中实际的人工净工时变化。哪种案件节约最多、哪种案件需要更多返工、被系统遗漏的事实有多少、法官是否真正充分核验，仍需要更细的运行和质量记录。

三

AI上线之前，法院已经为它准备了多年

如果从2024年6月系统全面上线开始讲述，深圳故事容易被误解为一次快速购买模型、迅速取得效率的技术升级。

事实上，深圳自2017年起建设电子卷宗随案同步生成系统，2018年推广无纸化办案，2019年推出移动端在线诉讼服务。2021年起，法院持续整理100多个案由的审理指南，尝试把法官在大量案件中积累的经验变成可供讨论、修订和复用的专业知识。[2]

电子材料不会自动产生正确结论。但要让系统稳定识别某一份证据、找到某一条有效法律、知道案件当前所处的程序阶段，前提就是材料、知识和业务状态已经得到相当程度的治理。

更重要的准备发生在人身上。2024年的独立学术田野研究观察到，深圳有11名法官专职参与系统研发，承担类似产品经理的工作，工程技术人员也融入法院日常工作环境。[4] 白皮书从更长的时间范围披露，两级法院先后动员40名法官参与研发、300余名法官参与测试、3000多名司法人员参与使用与反馈；法官及法官助理团队梳理85项工作流程，编写10余万字业务规则。[2]

这些数字属于不同时间和参与口径，不应相加。它们共同揭示的事实是：深圳法院不仅是技术产品的需求方，也让专业人员持续参与设计和调整技术怎样工作。

为了让一项AI功能可靠运行，法官必须向技术人员解释：哪些信息是构成要件，遇到哪种证据必须退回核查，什么情况下规则不适用，哪一步必须由法官确认。这时，建设AI系统首先成为一项重新拆解、表达和检验专业工作的组织工程。

它还需要特殊投入。白皮书披露，深圳获得持续的政策、技术与数据支持，陆续投入上亿元财政经费和230P智算资源。[2] 任何关于“深圳模式可复制”的判断，都不能把这些基础条件轻轻带过。

四

三次技术转向，是三次对真实工作困难的重新认识

白皮书少见地记录了三次路线调整。但这不是三个年份清楚、旧系统被新系统彻底替代的阶段，而是长期使用后逐渐总结出的三类问题。[2]

第一次，团队发现，模型懂法律，并不意味着它能完成工作。即便专业模型能理解术语、回答法条问题，案件办理仍包含材料读取、系统交互、程序要求、工具调用和法官确认。于是，模型被放进更大的工作体系，与专业工具和业务流程一起完成任务。

第二次，团队意识到，模型熟悉法律，不意味着它应该成为法律知识的最终来源。参数中的记忆可能不准确，也未必反映法条当前效力。深圳改为由权威知识库提供法律条文和参考案例，并对知识来源设置可追溯的约束。这减少了凭空编造依据的空间，但并没有取消对法律解释和适用的人工复核。

第三次，统一工作流程遇到了真实案件的差异。一套专家预先编好的最佳实践，也不可能覆盖所有个案。深圳在认证技能和共同安全边界之内，增加法官自定义任务、调用案由专属工具及分享有效使用方法的空间。白皮书披露，目前已整合1000余项经认证的业务标准技能工具、程序规范流程和算法，近200名法官参与制作5000余道专业测试题，用于模型与具体任务的评测和替换。[2]

这里还有一个尚未解决的问题：1000余项能力中，真正高频使用并持续产生效果的有多少？哪些被修订、淘汰？它们的维护成本和错误传播风险如何？认证数量可以说明组织正在建设技能治理机制，却不足以证明这些技能都形成了高价值资产。

三次转向合在一起，给出了一个更精确的描述：系统不是被一个越来越聪明的模型单独推动，而是在真实使用中不断补上任务交付、知识可靠性和组织适应三种能力。

五

使用账已经很厚，最关键的工作转换账却还很薄

观察这样的大规模实践，需要同时打开三本账。

FIGURE 03 · 证据层次

三本账，三种不能混用的证据

不是三项评分，而是从“被使用”走向“真正有效”时必须回答的不同问题

图3“使用账—工作转换账—结果账”为《详见》研究性分析框架；状态文字是对公开证据的定性判断，不代表官方评价分级。指标口径互不相同。

第一本是使用账。系统有多少调用、辅助了哪些环节、留下多少份文书初稿？深圳已提供大量统计，但细粒度去重、失败和任务分布尚未完整公开。

第二本是工作转换账。原来由人承担的摘录、检索、起草减少了多少？由此新增的核验、例外处理、规则维护、模型测试、安全管理又耗费多少？不同专业任务之间，净工时和净成本是否差异很大？深圳的工作流程和组织资料足以说明这本账的存在，却还无法完整计量。

第三本才是结果账。法院办理案件的速度、质量、成本、当事人参与和司法公信力怎样变化？2024年深圳两级法院办结507,969件，法官人均结案495件；2025年分别达到773,828件和744件。2025年度报告还披露，上诉率与一审案件改判发回重审率同比分别下降35.1%和33.3%。[3][5]

这些变化重要，但法院在同期还实行类型化案件专业化审判，调整繁简分流及审判团队管理机制。白皮书自己也将技术应用与制度改革描述为相互支持的过程。[2][5] 公开汇总数据不能把2025年的结案增长拆成“AI贡献多少、组织改革贡献多少、案件结构贡献多少”。

因此，严谨的判断既不是“这只是一次宣传”，也不是“AI已经让法官效率提高了50%”。更符合证据的结论是：深圳已经较充分地记录了规模化使用，也呈现了同期组织绩效的明显变化；真正连接两者的工作转换过程，需要下一阶段拿出更多证据。

这是一项建设性的研究要求。只有认真核算任务净节省、人工审核、错误、运维和治理成本，其他法院才更有可能判断本院是否值得投入同样的资源。

六

从等待人下指令，到主动识别下一件事

白皮书还有一项尚在起步的变化。2026年9月，深圳上线首版流程驱动智能体：面向民商事案件设计了140个业务场景、近500种案件状态和700多项触发条件，尝试让系统在案件状态变化时识别待办事项，并在授权条件下调用工具推进部分程序性工作。[2]

从阅卷到文书草拟，机器主要回答法官提出的问题；而在新机制中，机器开始尝试根据案件所处状态发现下一件应该办理的事情。它可能重新分配法官和司法辅助人员的记忆、跟踪和事务协调工作。

但两者的证据成熟度不同。前述3545.1万次任务调用统计截至8月31日，而流程驱动智能体于9月上线；140个业务场景是规则配置规模，不是已经可靠完成140种业务的绩效证明。误触发率、人工介入率、自动完成率和异常回滚记录，仍需要后续观察。

机器一旦从生成文字走向触发操作，治理问题也会改变：它不仅必须说明材料和知识从哪里来，还必须知道自己有什么权限，是否满足程序条件，哪一步需要人批准，以及出错后能否停止和恢复。白皮书附录对此提出了认证技能、权限隔离、审计日志和异常熔断等要求。[2]

七

其他组织真正能带走的，不是一个“深圳同款”

深圳不是一套可以无成本搬走的软件。它有多年数字化基础、持续的业务规则治理、专业研发团队、财政算力支持和相应的司法责任制度。一个资源有限的法院或十几人的律所，不能仅凭一句“拥抱AI”复制这些条件。

但仍有一项经验值得从整套系统中抽出来检验：把迁移的起点放在一项边界清楚的专业工作，而不是整个机构的AI转型口号。

对另一家法院，它可能是有来源标记的证据目录整理、立案材料的规范性提示或法定期限提醒。对律师和知识产权代理机构，它可能是法律依据效力核对、专利权利要求与对比文件的技术特征对应，或审查意见答复的期限管理。对AI应用团队，则是先定义一项任务的输入来源、工具权限、人工确认和失败恢复，再讨论模型选型。

这个候选工作单元应当同时回答四件事：任务边界在哪里，材料与规则能否回溯，哪些决定必须由人作出，错误如何被发现并修正。它尚未经多机构实验验证，因此不能被写成通用最优解；但它比照搬系统架构更适合作为有明确成本和质量要求的起点。

最终，深圳白皮书留下的最重要问题，并不是还有多少裁判文书可以交给机器草拟。它让我们看到，当AI真正进入一个高责任的专业组织，工作会被重新划分，个人经验要被整理成规则，法官需要承担新的核验任务，组织还必须维护一套不断变化的技术与知识系统。

一次调用不等于一次有效劳动，一份漂亮的文书不等于一次正确裁判。但千万次真实调用，使这些原来抽象的问题终于可以放到同一套实际工作机制里观察。

深圳的经验值得学习，它的效果同样值得继续检验。能够长期留下来的，或许不是当下某一个模型，而是组织能否持续判断：什么工作可以交给AI，什么工作必须由人负责，以及怎样知道这种新的分工真的比过去更好。

资料来源与方法说明

[1]何奎：《在深圳，智赋未来》，《人民法院报》，2024年8月29日，最高人民法院网站转载。https://www.court.gov.cn/zixun/xiangqing/441351.html。本文引述的借款合同案、上线36个工作日的场景数据均取自此处；文书初稿“九成”仅为个案现场描述。

[2]中共深圳市委政法委员会、深圳市中级人民法院、深圳市政务服务和数据管理局：《人工智能司法应用的深圳实践》，2026年9月，92页。重点核对印刷第10—12页（数字化基础与知识管理）、第13—23页（审判辅助功能）、第24—30页（智能体）、第33—39页（驾驭工程与安全）、第40—41页（成效）、第43—52页（技术转向及组织）、第67—81页（应用指南）。本文使用规模、工具数量和投入数主要为白皮书的第一方披露。

[3]深圳市中级人民法院：《2024年深圳市中级人民法院工作报告》，2025年4月7日公开。https://www.szcourt.gov.cn/gzbg/content/post_1914264.html。报告直接披露321万次指令任务、536.8万条知识推送、办结507969件与人均结案495件。

[4]John Zhuang Liu、Xueyao Li：How do judges use large language models? Evidence from Shenzhen，Journal of Legal Analysis，第16卷第1期（2024年卷），235—262页；2025年1月2日在线发表。https://academic.oup.com/jla/article/16/1/235/7941565。2025年3月另有隐私保护更正：https://academic.oup.com/jla/article/17/1/1/8061311。论文的田野观察主要对应2024年，不能视为2026年生产系统的独立绩效验证。

[5]深圳市中级人民法院：《2025年深圳市中级人民法院工作报告》，2026年3月2日公开。https://www.szcourt.gov.cn/gzbg/content/post_1914268.html。办结案件、人均结案及上诉/改判发回重审率的年度同比指标均出自报告。2024年度“受理各类案件”与2025年度“新收案件”的统计口径并未在本文中直接相比。

研究边界：本文以深圳公开白皮书作为主要样本，以同期报道、法院年度工作报告和独立田野研究作交叉核对。“使用账—工作转换账—结果账”和“可迁移的专业工作单元”是《详见》的研究性概括，不是白皮书已有的计量体系，亦非经跨机构因果实验验证的通用规律。2026年9月上线的流程驱动智能体与截至同年8月31日的累计任务数据严格区分。

详见 XIANGSEE