最近圈子裏流行把AI戲稱爲“龍蝦”——大概是因爲LobsterAI的Lobster二字，讓人忍不住這麼叫。打開手機，滿屏都是“不會養龍蝦就會被淘汰”“靠龍蝦月入十萬”的焦慮敘事。好多朋友跑來問我：“律師，你怎麼看？我要不要趕緊砸錢學？”
這幾天我自己也一直在想這件事，說完全不焦慮，是假的——看着身邊人陸續開始用AI提效，總會隱隱擔心：跟不上，會不會真的被時代甩在後面？可真要一頭扎進去，又不知道哪條路是坑、哪條路是路，越想越拿不定主意。
這種感受，我相信不止我一個人有。
確實，2026年開年以來，AI行業的技術迭代確實肉眼可見地快：釘釘開放了大模型API限時免費調用，網易LobsterAI打通了企業微信、QQ等主流辦公平臺，智譜推出了可以一分鐘本地部署的AutoClaw技術。看起來好像“不用AI就真的落伍了”——但另一邊，監管風險提示也從未停過，兩邊聲音同時響，普通人站在中間，確實很難判斷。
作爲天天和風險、規則打交道的律師，我反而覺得：越是全民搶熱點的時候，越需要先停一步——把規則的邊界理清楚，再決定往哪走。今天把我梳理的三點思考分享出來，不管你已經在“養龍蝦”，還是正在猶豫要不要進場，希望都能做個參考。
一、龍蝦好養，但坑是真實的——合規風險不能用“快”來賭
AI領域的規則，還在逐步落地的過程中——訓練數據的來源合規、算力服務的監管要求、數據安全的邊界劃定、普通用戶的權益保障，每一項都尚未完全釐清。
有一個細節，很多人沒有注意到：部分境外AI平臺的用戶協議中，約定了平臺對用戶上傳內容享有廣泛的使用授權，包括用於模型訓練——而這類條款往往藏得不顯眼，大多數人根本不會仔細翻閱。這意味着，你隨手把工作文件、客戶信息輸進去的那一刻，相當於在不知情的情況下完成了一次授權——而一旦權益受損，連明確的管轄法院、維權依據都很難找到。
不只是數據授權，消費權益層面同樣存在灰色地帶——就像黑貓投訴平臺曾披露的案例，某影音平臺藉助AI算法的“暗箱推薦”，在沒有明顯提醒的情況下連續扣費三年半，用戶發現時已損失數千元，維權過程也因平臺協議的模糊條款走了很多彎路。這些，都是新技術落地過程中規則不完善給普通用戶挖的坑，踩進去代價不小。
二、這隻龍蝦，可以等國內的“合規版”——不熟悉規則，先別急着趕車
對於不熟悉技術邏輯、也不瞭解數據合規規則的朋友，我其實建議：不必急着趕這班車。
目前主流的境外大模型，數據中心大多設在海外，數據出境本身就涉及《個人信息保護法》的合規風險。一旦發生數據泄露，國內監管的管轄權和維權路徑都極爲模糊。已經有人因爲輕信AI工具、輸入個人銀行卡信息後遭到盜刷——類似的案例還有很多，從個人信息泄露到商業競爭中的AI不正當競爭，都已有跡可查。
而國內大模型的技術進展，其實遠比很多人想象的要快——頭部企業已推出合規的本土大模型，不少平臺也開放了面向中小企業的免費普惠服務。等國內技術和規則都落地之後再放心使用，也完全來得及。慢一步不代表落後，踩錯坑纔是真的浪費機會。
三、龍蝦再能幹，有些事還是隻有“人”能做
很多人問我：AI會不會有一天替代律師，替代各行各業的從業者？
從法律的底層邏輯來看，我覺得這個問題本身就值得重新想一想。法律從誕生之初，調整的就是人與人之間的社會關係——而AI是工具，無論迭代多快，永遠無法替代人的價值判斷、情感連接和利益平衡。
就像我在處理案件時，AI可以在幾分鐘內檢索出相關判例，但最終如何在法理和情理之間找到那個平衡點，如何在庭審上判斷對方的真實意圖，如何爲當事人在規則框架內爭取到那一分可能——這些，永遠需要人來完成。我們會爲了當事人的合法權益在法庭上據理力爭，會在法理之外去考量情理，會爲了守住公平的底線付出遠超預期的時間和精力——這些根植於人性的溫度與判斷，是技術無法復刻的核心競爭力。
哪怕未來AI能幫我們承擔大量基礎性工作，但最終做出決策、承擔責任的，始終是我們自己。這，就是法律語境下，人永遠不可替代的理由。
其實面對AI這件事，不必非要逼自己“要麼all in，要麼被淘汰”——會用工具當然是加分項，但守住自己的能力邊界、不盲目踩未知的坑，本身也是一種清醒。
作爲法律人，我始終相信：新技術到來的時候，搞清楚規則、守住底線，慢慢找到屬於自己的節奏，纔是最篤定的走法。就像王陽明說的，“山高萬仞，只登一步”——不必焦慮，也不必排斥，每一步走實了，都算數。
如果你對AI合規、個人信息保護還有疑問，歡迎留言，我們一起聊。
