近日，厦门供应链团队到访幂律智能北京总部。幂律智能创始人兼CEO涂存超，幂律智能联合创始人石玏，幂律智能联合创始人陈翱等参加交流。双方围绕大模型技术演进、合同智能产品化、Agent工程、知识资产建设以及供应链风险管理等议题展开深入探讨。

交流中，厦门供应链团队连续提出了几个关键问题：合同智能产品的核心壁垒在哪里？企业自身的规则和审查经验能否真正沉淀进系统？合同审查能否结合客商资信形成更贴近业务的风险判断？知识图谱在大模型时代是否仍有必要？

这些问题指向同一个核心：如何将大模型的不确定输出，转化为企业业务中可靠、可控、可追溯的专业结果。

幂律智能联合创始人石玏以《产品化思路分享与交流》为主题，介绍了幂律智能长期深耕法律科技与合同场景的发展路径。

幂律将合同作为核心落地场景，围绕起草、审查、审批摘要、履约跟踪等任务，持续构建面向企业法务及业务人员的智能体应用。其产品定位不是用AI替代法务，而是让AI承担更多重复、标准化工作，帮助法务将精力投入风险判断和经营决策。正如幂律一直强调的：让AI读懂合同，让法务价值倍增。

石玏表示，产品化也不是简单地将若干AI功能封装进一套系统，而是要将专业知识、企业规则、业务流程与工程能力组织起来，使模型能够持续、稳定地完成真实业务任务。

围绕技术路线的变化，幂律智能创始人、CEO涂存超回顾了法律AI早期落地所面临的挑战。在通用大模型能力尚不足以稳定支撑专业合同审查的阶段，法律AI应用往往需要投入大量人工完成数据处理、规则配置、知识整理和结果校验。2022年底，幂律智能曾与智谱围绕法律垂直模型展开合作，希望进一步提升专业场景中的准确性与可靠性。

随着通用基座模型在长文本理解、逻辑推理和法律文本处理等方面快速进步，越来越多基础法律任务已经可以由通用模型承担。

真正发生变化的是，专业AI产品的竞争重点正在从底层模型本身，迁移到模型之上的工程、知识和业务体系。企业关注的也不再只是“AI能否审查合同”，而是：AI能否稳定进入真实业务流程，持续输出可靠、可控、可追溯的专业结果？

围绕这一问题，幂律智能联合创始人陈翱指出，大模型即使掌握了大量法律知识，面对一份具体合同时，也未必能够稳定调用与当前任务相关的规则。一次性模型调用仍存在不确定性，因此需要在大模型之外构建Agent平台与系统控制层。

在实际应用中，系统需要先调取企业内部的合规标准、管理制度、历史合同和过往审查痕迹，再进行任务规划与拆解，将不同任务交由相应的智能体或工具处理，最后完成结果汇总与校验。

陈翱表示，Agent平台层的价值，是在充分发挥大模型理解与泛化能力的同时，通过任务规划、知识调用、多智能体协同和结果校验，降低单次生成的随机性，使结果更加稳定、可解释、可追溯。

这种工程控制并不是让AI达到绝对正确，而是不断提高专业应用的“确定性”。

双方进一步讨论到，合同智能化项目不应只被理解为一次信息化建设，真正有长期价值的项目应当沉淀为产品能力。幂律智能团队将合同智能产品的核心能力进一步归纳为三个方面。

一是Agent与系统控制能力。通过完整的任务链路，将一次模型调用转化为可规划、可校验的专业工作流；

二是法律与行业知识工程。将企业制度、合同模板、历史批注和审查经验，转化为可被智能体调用的规则与知识资产；

三是与企业业务深度融合的实施能力。合同并不是一份孤立的文档，而是嵌入采购、销售、审批、合同管理和履约等流程。企业需要的不是独立的“审合同工具”，而是能适配企业制度、连接内部系统并进入真实流程的解决方案。

一个具有长期价值的合同智能产品，应当由三部分共同构成：智能体平台及应用能力、法律法规与业务规则等知识资产、真实合同与真实用户形成的验证闭环。产品能力不能只通过内部测试判断，而需要进入企业实际业务持续修正和优化。衡量项目价值的标准，也不应只看系统是否上线，还要看它能否形成可复用的标准能力，能否降低后续复制和实施成本。

产品化不是消除个性化，而是将项目中反复出现的知识、规则和交付经验，沉淀为能够重复使用、快速配置和持续迭代的标准能力。

交流中，双方还就合同审查与交易主体风险、历史业务信息及产业关系的联动进行了探讨。

供应链合同的风险并不只存在于条款本身。同一份合同，面对不同信用状况和履约能力的交易相对方，审查尺度也应有所不同。

幂律智能团队介绍，现有产品已将主体风险和资信审查纳入合同智能应用。当交易相对方存在明显资信风险时，系统可以进行预警，并在合同审查意见中采取更加审慎的风险倾向。未来，合同智能还可以进一步探索与企业内部客商评价、合同管理和履约信息进行联动，使系统不仅判断“合同写了什么”，还能够结合“合同与谁签”“对方风险如何”，动态调整审查重点。

双方同时围绕知识图谱的应用边界交换了意见。幂律智能团队认为，大模型时代并非所有知识都必须结构化为图谱，一般性知识检索和单份合同审查已可由大模型结合知识库完成。知识图谱更适合知识高度私有、关系链条较长、需要多层推理且容错率较低的场景——其意义不在于构建庞大的关系网络，而在于为智能体提供经过验证的分析路径。

知识图谱不是目的，“确定性”才是它真正需要解决的问题。

此次交流从合同智能出发，却没有止步于单一功能。从通用大模型到Agent工程，从合同条款到交易主体，从知识沉淀到业务融合，双方讨论的核心，是如何让人工智能真正进入企业业务，并持续输出可靠、可控、可追溯的专业结果。

确定性不会因为模型更强而自然出现。它来自Agent工程对任务过程的控制，来自法律与行业知识的持续沉淀，也来自真实业务场景中的不断验证。

从一份合同出发，连接交易主体、履约风险和业务流程；从一次项目交付出发，沉淀可复用、可迭代、可推广的产品能力。

这或许正是合同智能走向供应链风控的真正价值所在。