• 生成式AI作为提高律师生产力的劳动增效技术，提升合同起草和诉讼准备效率，带来“合同效应”和“诉讼效应”两方面影响 [page::1][page::3]。

- 论文模型中，合同效应使合同更完整，降低诉讼需求；诉讼效应降低诉讼成本，增加进行诉讼的动力，两者相互影响决定合同完整度和平衡诉讼需求。经模型分析，合同完整度的边际成本曲线与边际收益曲线均呈弹性变化，生成式AI影响这些曲线的位置，从而决定合同趋向更完整或不完整。详见图1与图2。

• 在诉讼与和解决策模型中，生成式AI降低双方诉讼成本（$CQ$和$CG$），缩小和解区间，使更多争议进入诉讼程序，提升法院服务需求。图3展示了AI产生前后和解区间的收缩情况。

• 基于Priest（1977）和Rubin（1977）经典文献，非效率法律规则因承受更高诉讼成本更易被挑战，生成式AI降低诉讼成本，尤其在侵权法领域促进法律快速朝向效率演进。参见图4。

• 生成式AI在合同法与财产法领域的影响因合同完整性变化而异：复杂、风险高领域（如商业地产）倾向于合同更完整，诉讼需求下降；商品贸易、消费品及退休人员市场合同完整性下降，诉讼需求上升 [page::8][page::13]。

- 根据美国国家州法院中心（2024）数据，2019年侵权案件仅占新案2%，远低于合同（17%）和民事案件（51%），生成式AI有望显著提升侵权类诉讼案例量，特别是高成本诉讼领域的效率提升和规则更新。

• 鲁棒性分析显示，生成式AI对无理诉讼影响有限，且无论美国诉讼费用分配规则（美国规则或英国规则），生成式AI均倾向于增加诉讼数量和法院需求，触发更多法律演进 [page::14][page::17]。

金融研究报告深度解析：Henry A. Thompson《AI and the Law》

---

1. 元数据与概览

• 报告标题： AI and the Law

- 作者： Henry A. Thompson

• 发布日期与机构： 报告无明确标注具体发表时间，引用了2024年的数据与文献，表明为最新学术成果。未明确指出隶属机构，但引用多篇NBER工作论文和权威经济学法学文献。

- 研究主题： 探讨生成式人工智能（Generative AI）如何作为一种劳动力增强技术，影响美国普通法——尤其是合同法、侵权法和财产法的演变，通过降低合同撰写费用和诉讼成本，影响法院需求及法律演化的速度。

• 核心论点：

- 生成式AI降低了合同撰写和诉讼的成本，产生两种相反的影响：合同效应（提高合同完整性，减少诉讼需求）和诉讼效应（降低诉讼成本，增加诉讼需求）。
- 在合同与财产法领域，这两个效应抵消，诉讼数量变化不确定。
- 在侵权法领域，合同效应不存在，诉讼成本降低导致诉讼数量上升，从而加速法律向更高效率的方向演进。

• 主要结论： 生成式AI不均衡地影响法律的演变，尤其促进侵权法的演进效率，并整体加快法律变革。[page::0, page::1]

---

2. 逐节深度解读

2.1 引言（Introduction）

• 论点总结：

技术进步历来塑造普通法的发展（如工业革命中责任法的演变），而生成式AI是一种特殊的劳动力增强技术，主要通过提高律师的生产力（合同撰写与诉讼活动）影响法律体系。生成式AI会通过合同效应（合同变得更完整，需求更少法院介入）与诉讼效应（诉讼成本降低，更多诉讼）两方面影响法院的需求，并进而影响法律演变速度。

• 数据引用： 生成式AI显著提高多个领域生产率：材料发现提升44%，编程速度提升56%，法律任务完成速度提升12%-32%等，引证多项权威研究（如Noy和Zhang 2023；Choi等2023）。

- 推理： 诉讼成本下降使不完善合同的纠纷更易解决，对效率欠佳规则的挑战增多；合同更完整则减少诉讼发生。两者相互制约，使得在合同较多的领域效果复杂难定，但无合同的侵权领域，诉讼必然增长。

• 细分领域影响预测： 商业房地产等领域因合同存在且问题严重，契约效应占优；商品交易和消费者市场可能诉讼效应占优。[page::1]

2.2 研究贡献与文献回顾（Research Contribution）

• 作者将研究置于三大文献脉络中：

1. 技术驱动的制度变迁研究；
2. 司法效率及法律演化经济学，特别是Priest（1977）和Rubin（1977）关于法律规则选择效率的理论；
3. AI与法领域新兴文献，尤其与Gans（2024）和Casey & Niblett（2020）不同，作者关注生成式AI对合同完整性和法律演进的影响，而非仅停留于预测或判决机器人层面。

• 该贡献填补了学界关于生成式AI对法律进化微观机制影响的研究空白。[page::2]

2.3 法律职业及生成式AI（Context and Attorney Productivity）

• 律师工作核心任务：

法律搜索（案例与法规搜寻）、法律论证生成、法律文书写作。均高度依赖阅读与写作，极适合生成式AI增强。

• 生成式AI技术演进与采用情况：

ChatGPT问世仅两个月即达1亿用户，模型批量增涨，2024年已有161款LLM，采用速度快于互联网和PC普及速度。虽然法律行业初期稍滞后，但预计迅速采用。

• 经济学视角： 生成式AI提升律师生产效率，有两大经济效应：

- 合同效应（contracting effect）：合同撰写更完整，减少后续纠纷需求；
- 诉讼效应（litigation effect）：诉讼成本下降，增加诉讼需求。

• 法庭需求动态： 这两效应转化为对法院资源需求的变化，直接影响法律体系运转及法律规则演变速度。[page::2, page::3]

2.4 合同完整性与法律需求（Contracting Decision）

• 不完整合同模型（Equation及图示分析）：

- 合同的“缝隙”（gaps）代表未来可能未被涵盖的风险状态。
- 填补缝隙的边际收益递减（边际效用曲线向下），边际成本递增（边际成本曲线向上），均形成一个均衡点（图1中Q）代表最优合同完整性。

• 生成式AI的双重影响（图2分析）：

- AI降低填补成本，边际成本曲线右移，推动合同更完整；
- AI也降低诉讼成本，边际收益曲线左移，推迟合同缝隙填补，合同完整度降低。
- 两种效应相互抵消，最终合同完整度依赖于边际成本与边际收益弹性。

• 弹性差异及其制度经济学意义：

- 弹性大的边际成本曲线（如同质性高的输入资源、简单商品）意味着合同完整度更易受AI冲击下降；
- 弹性大的边际收益曲线（如均质成本高、交易频次低）则倾向合同更完整。

• 法律体系预测：

- 复杂项目（如商业房地产）多属边际收益弹性大，合同更完整，诉讼减少；
- 大宗商品或老年人市场边际成本弹性大，合同不完整，诉讼增加。[page::4~8]

2.5 诉讼与和解决策模型（Settlement Decision）

• 诉讼模型公式构建：

- 原告期望收益 \( PQ J - CQ \)（胜诉概率×判决金额-诉讼成本）
- 被告期望成本 \( PG J + CG \)（败诉概率×判决金额+诉讼成本）

• 和解区间定义（Figure 3）：

- 和解金额 \( S \) 必须介于原告最小接受价和被告最大支付价之间，否则任一方会选择诉讼。

• AI降低诉讼成本效应：

- 诉讼费用 \( CQ, CG \) 降低，导致和解区间闭合，和解概率下降，诉讼概率上升。

• 两种效应总结：

- 合同完整性和和解意愿决定诉讼频率，AI使律师和诉讼更便宜，导致法院需求总量上升。

• 律师与法院关系特征: 律师与法院服务为互补品，因此律师费用降低必将提升法院诉讼需求。[page::9~11]

2.6 法律演化机制及AI影响（Evolution of Law）

• 基础理论： 摘自Priest（1977）与Rubin（1977），法律规则会经历“选择”过程，效率低的规则更有可能被当事人挑战并被修正，效率高规则因较少争议“存活”。

- 合同和财产法： 因合同较为完备，缝隙较少，诉讼数量和法律变动速度不明显变化。

• 侵权法： 无预先合同，诉讼成本降低直接提升诉讼频率，法律以更快速度向效率方向演进。

- 效率理论图（Figure 4）说明：
- 80%及以下为效率规则，不常被挑战，效率差规则因利益驱动反复诉讼淘汰。

• 代入实际场景： 当事人因规避成本差异（least-cost avoider）不同，诉讼意愿随之不同，推动法律规则改善。

- 结论： AI加速诉讼，尤其侵权法，推动法律更有效率演变。[page::11~13]

2.7 鲁棒性检验（Robustness Check）

• 无理诉讼（Frivolous Litigation）： 以Rosenberg和Shavell模型推演，AI可能增减无理诉讼数量，但因无理诉讼基本不会进入法庭，法律演化进程不受实质影响。

- 赔讼费用承担规则（American Rule vs. English Rule）：
- 美国规则：各方自负费用，AI降低成本，减少和解区间，诉讼上升；
- 英国规则：败诉方承担所有费用，AI效应类似，但大小取决于哪方更悲观（更可能输）。

• 数学推导显示： AI缩小和解区间，促使诉讼增加，影响机制一致，但幅度因当事人风险预期不同而异。[page::14~18]

2.8 结论（Conclusion）

• 三点总结：

1. 法律变革速率同时受法律内外因素影响，律师生产力显著作用；
2. 律师职能的双重性（合同设计与诉讼代理）决定生成式AI影响复杂且区域差异大；
3. 生成式AI或将推动法律规则变革，尤其在高成本诉讼领域打开改变惯例的口子。

• 案例指引（Figure 5）： 2019年美国州法院案源数据显示，侵权案件仅占2%，而民事合约案件占17%，民事案件占58%。AI将显著影响侵权诉讼量，对高诉讼成本、低效率规则领域（用环境侵权作例）尤为明显，提示法律演化热点。[page::18~19]

---

3. 关键图表深度解读

3.1 图1：Equilibrium contract completeness （第5页）

• 描述： 展示边际成本（MC）与边际效益（MB）随合同缝隙填补比例的变化曲线，均衡点 Q 处两曲线相交。

- 解读：
- MB曲线向下，边际效益递减，表明填补初期重要高效，后期收益递减。
- MC曲线向上，填补越多花费越大，边际成本递增。
- Q代表均衡合同完整度，符合成本效益最大化原则。

• 意义联系文本： 阐释律师撰写合同的边际经济性，为后续生成式AI影响提供基线模型。

- 潜在局限： 模型简化，实际情形中MC和MB形态可复杂多变，受行业、合同复杂度等影响。[page::5]

3.2 图2：Some comparative statics （第7页）

• 描述： 左图显示AI降低边际成本曲线右移，合同完整度从 Q 上升到 QAI；右图显示AI降低边际效益曲线左移，合同完整度从 Q降至 Q*AI。

- 解读趋势：
- 说明生成式AI正面影响（合同效应）和负面影响（诉讼效应）的图形表现。
- 视觉上帮助理解两个相反力量的较量和平衡。

• 文本联系： 支撑论文核心推论，解释合同完整性受边际成本弹性和效益弹性调节。

- 局限性： 曲线位移多少未量化，而实际动态可能更复杂。模型强调理论逻辑。[page::7]

3.3 图3：The settlement range（第10页）

• 描述： 两层展示AI前（上层）和AI后（下层）的和解金额区间，绿色线段表示双方和解区间，AI后区间明显缩小。

- 数据解读：
- AI降低诉讼成本同时提高参与方最低/最高和解预期，导致区间收窄。
- 触发更多案件进入诉讼环境，从而增加法院负担。

• 文本支持： 直观体现“诉讼效应”导致和解减少的经济逻辑。

- 局限与假设： 和解金额连续，且无其他非金钱因素影响。[page::10]

3.4 图4：Fraction of the law’s rules that are efficient （第12页）

• 描述： 水平条表现效率法规则与非效率规则的分布，图示非效率规则更易被挑战。

- 解读：
- 强调Priest（1977）的递归诉讼理论，对理解法律演进选择机制提供视觉支持。
- 显示尽管多数法律规则效率较高，非效率部分由于成本负担激励，当事人更倾向于诉讼反复触发规则变革。

• 文本关联： 说明AI降低诉讼门槛使得非效率规则更快被淘汰的机理。

- 数据局限： 具体比例假设，未提供实证数据支持。为理论示意图。[page::12]

3.5 图5：Percentage of incoming cases for state courts, by category（第19页）

• 描述： 美国州法院2019年各案类占比，民事案件占58%，其中合同17%，侵权仅2%。

- 意义：
- 侵权案件基数虽小，但诉讼增长潜力大，强调AI对该领域的制度冲击。
- 映射法律资源分布和改革焦点，提示侵权法将因AI效应发生更大变革。

• 潜在问题： 部分州数据缺失或不完整，比例仅供参考。

- 文本联系： 支撑生成式AI对不同法律领域影响分异的论点。[page::19]

---

4. 估值分析

该研究为理论学术论文，无直接财务估值分析，但可视为对司法“资源需求”经济建模，估计生成式AI影响下的“法院诉讼案件数量”变化量，类似于服务需求估值。

• 采用边际成本/效益分析法，结合法律行为经济模型（诉讼成本、胜诉概率、判决金额等）对资源利用率进行分析。

- 利用不完全合同理论与博弈论模型（settlement range），分析不同参数变动对诉讼概率与法院资源需求的影响。

• 通过模拟（如图1-3）捕捉核心机制，但无直接数据驱动的定量估值。

综上，报告构建了理解AI对法律演化速度影响的理性框架，而非传统意义上的资本估值模型。

---

5. 风险因素评估

• 潜在风险：

- 生成式AI致使合同撰写更少完整，产生更多争议，可能增加司法负担成本与无序诉讼。
- 诉讼成本降低导致更多诉讼，可能引发法院拥堵，司法效率不升反降。
- 法律服务采纳及适用的不均衡可能导致部分法律领域：
- 合同较少或复杂度高的领域诉讼激增；
- 合同完备领域诉讼下降，法律变革停滞。

• 缓解策略与可能性： 报告未直接提出具体对策，但讨论中暗含对合理调控律师生产力、完善AI辅助系统的期待。

- 无理诉讼方面的稳健性： 采用模型说明无理诉讼不会影响法律进化逻辑，因为其未导致案件审理。

• 规则差异影响： 美国规则和英国规则对诉讼激励影响不同；需关注当事人风险认知的异质性以避免制度冲击负面外溢。

总体来看，报告理性且前瞻地识别了关键风险及理论边界。[page::14~18]

---

6. 批判性视角与细微差别

• 文献与模型假设的局限性：

- 模型假设生成式AI对律师所有相关任务提升均等，实际不同任务的生产力提升可能存在差异。
- 边际成本与效益曲线弹性假设简化了合同复杂度及市场异质性，实际法律市场更复杂。
- 预测主要基于理论推导和早期生产率数据，缺少大量实证验证，未来需要补充数据分析支持。

• 替代机制考虑不足：

- 报告未充分考虑技术可能带来的替代性法律服务（如自助法律服务平台）对诉讼和合同市场的影响
- 未详细考虑AI潜在的错误率或生成不准确法律文件可能带来的负面后果。

• 法律文化与制度差异：

- 仅分析美国普通法背景，其他法律体系（如大陆法、混合法系）或有不同反应，报告未涉及多法域差异。

• 内部矛盾或细节：

- 报告反复强调AI的双刃剑效应，但未定量展示多数情况下哪种效应更强，导致结论在某些领域模糊。
- 生成式AI的成本变化是否会被法律市场结构、监管政策等因素中和，尚未分析。
整体结构严谨，论证清晰，已体现学术严谨性，并充分定位研究局限。[全篇]

---

7. 结论性综合

Henry A. Thompson的报告《AI and the Law》提出了一个宏大而细致的理论模型，剖析了生成式人工智能作为一种劳动力增强技术，如何通过影响律师生产率，双重地改变合同整体完整性与诉讼成本，进而驱动美国普通法领域（尤其是合同法、财产法及侵权法）演进速度和方向的微观机理。

报告通过逻辑清晰的模型阐释了“合同效应”与“诉讼效应”间的对立关系，精确描绘了边际成本和边际效益的经济曲线（图1和图2），并结合诉讼和解决策模型（图3）揭示了生成式AI导致和解区间缩小和诉讼增加的内在动力。继而借助Priest与Rubin经典法经济学理论，展示了诉讼成本降低如何加速非效率法律规则被挑战淘汰，使法律规则更快速朝向效率方向演进（图4）。

值得注意的是，生成式AI的影响在不同法律领域表现不一：侵权法由于合约缺失，诉讼激增推动法治效率加速提升；而合同法和财产法领域因合同替代诉讼，整体诉讼变化可能因合同效应与诉讼效应的互抵呈现不确定乃至负增长。基于美国法院案源数据（图5），报告亦指出侵权诉讼基数较小但变化潜力极大，指示未来法律演进的重心绑定于高成本高效能挑战的核心领域。

报告还通过鲁棒性检验确认了该理论脉络对无理诉讼影响有限，并扩展至美国与英国两种裁判费用支付规则差异，揭示生成式AI对诉讼积极性的普遍促动作用。

整体而言，该报告为法经济学领域注入了充满活力的理论视角，强调律师作为技术革新接受者在法律转型中的中枢作用，其结论虽源自理论模型，但基于大量2023-2024年的最新AI生产率实证数据，具有较强现实指向意义。未来的实证研究可围绕模型假设的精确量化与多样司法环境适用性展开。

---

以上分析涵盖了报告的主要论点、模型构建、图表数据解读、理论贡献、风险识别及审慎批判，并形成了基于全文的整体把握，为理解生成式AI在法治演化中的复杂影响提供了详实的学术指引。[page::0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19]

报告