过去一年半，我眼看着 Codex 这类编程 Agent 把我们行业的”初级活”吃掉了一大块：写单测、改样板代码、查日志、搭数据管道，以前要带一个应届生干两周的事，现在一个中级工程师开几个并行任务，一下午收工。组里没人被裁，但今年的校招名额少了，而会”驾驭 Agent”的几个同事，年中调薪幅度明显比别人高。
今年 9 月，OpenAI 把同一套东西正式端到了律所门口。这部电影，程序员刚看完上半场，律师们正在进场。
先说重点：
标题只对了一半。 被”悄悄淘汰”的不是律师这个职业，而是律师的第一级台阶——文书审阅、检索、初稿，这些过去养活初级律师和律师助理的活。
“会用的人涨薪”不是鸡汤，有硬数据：AI 技能的工资溢价已经到 62%；同样用 AI，深度使用的律所报告营收增长的比例是平均水平的将近两倍；头部律所给 AI 相关律师岗位开出的薪资上限，远高于同年限的传统律师中位数。
“会用”的标准正在变：从”会在聊天框里提问”，变成”会把自己的专业判断封装成可复用、可验证的系统”。这恰好是程序员的基本功，也是 Codex 这类工具真正的杠杆所在。
一、先看程序员圈：Codex 这一年干了什么
Codex 今年的增长曲线，放在任何一个 SaaS 产品里都算离谱：
2 月，周活还不到 100 万；3 月初，GPT-5.3 Codex 发布后周活超过 160 万；
4 月 21 日，周活到 400 万，两周涨了 100 万；
6 月 2 日，周活超过 500 万，其中知识工作者（非开发者）约占 20%，增速是开发者的 3 倍多，主要用它做报告、表格、演示文稿、合同、研究和数据分析；
7 月 9 日 GPT-5.6 发布、Codex 并入 ChatGPT 桌面端后，Codex + ChatGPT Work 的合并活跃用户几天内冲到 800 万；
8 月 21 日，OpenAI 的 Codex 负责人称活跃用户达到 2000 万（没有披露统计窗口，不能和周活直接比）。
更有意思的是 OpenAI 自己内部的数据。它在 6 月发布的研究里说：到 2026 年 6 月，Codex 已经占到公司内部输出 token 的 99.8%；法务、财务、招聘这些非技术部门在 4 月前后都越过了”一半工作量走 Codex”的线；法务岗员工的月度输出 token 中位数，是 2025 年 11 月的 13 倍。
考虑到国内订阅codex确实有点困难，可以参考一下这里：chatgptpro.shop
添加图片注释，不超过 140 字（可选）
注意那个 13 倍。法务在 OpenAI 内部是增长最慢的部门（研究是 56 倍、客服 32 倍、工程 27 倍），但”最慢”也是 13 倍。而同期 OpenAI 在美国联邦法院被起诉的案件数只从 35 件涨到 39 件。换句话说：工作量没怎么变，但法务团队调用的”机器劳动力”翻了十几倍。
这就是程序员圈过去一年发生的事：人没少，但每个人背后多了一支看不见的初级团队。 谁能指挥好这支团队，谁的产出就是别人的好几倍。
二、Codex 进场法律：从”Codex for Legal”到 Astra for Law
今年 5 月，法律科技媒体 Artificial Lawyer 就爆料 OpenAI 在筹备一个叫”Codex for Legal”的产品线，思路是给销售、财务、法律等垂直行业各做一套 Codex 插件。在此之前，Anthropic 已经在 5 月 12 日正式推出 Claude for Legal（12 个插件、20 个法律软件连接器）。
9 月 17 日，靴子落地，不过名字改成了 Astra for Law：
底座是 GPT-6 Astra，外加法律分析与写作的专门指令、面向”彻底工作”的配置，以及一个新的法律检索索引——覆盖美国判例、成文法、法规、法院规则和行政决定，超过 2.3 亿个 URL，每天更新；判例部分接入了非营利组织 Free Law Project 的 CourtListener 数据；
首批通过 ChatGPT 和 Codex 的”可信访问计划”开放给选定律所，API 随后开放；
同步上线 26 个合作方插件和 47 个社区插件，Thomson Reuters、Harvey、Legora、iManage 都在列；Clio 的 Vincent 也直接接进了 Codex；
OpenAI 公布的测试：在 Vals AI 法律检索基准的 200 道美国法律检索题上，完整配置的 Astra for Law 通过率 54.0%，只用网页搜索的 GPT-6 Astra 是 38.7%。
真正值得看的是首批律所拿它做了什么：
Sullivan & Cromwell 做了一个协议分析器，把律所自己的谈判 playbook 和精选先例接进新交易的审阅流程，找出条款之间联动产生的风险，再生成修改建议和客户意见初稿，由律师来挑战和修改；
Ropes & Gray 做了一套尽调系统，按照自家律师在数据室里判断”什么对交易重要”的方式搭建，每个发现都能追溯到原文，并标出诸如关键客户合同是否需要通知或同意这类可能影响收购的问题；
Cooley 做了一个叫 GO Public 的 IPO 工具，从起草招股文件到识别管理层需要关注的风险，交易条款一变，改动会同步到整份文件。
Latham & Watkins 则参与设计了信息权限、道德墙（ethical wall）、客户指令和律所监督这套治理机制。
你把这几条和程序员的日常对照一下：协议分析器 ≈ 代码审查，尽调系统 ≈ 大规模代码库检索，IPO 文件联动修改 ≈ 重构时的全局引用更新。 律所干的，本质上是把”资深律师的判断”写成了程序。
而资本市场对这件事的定价更直白：法律 AI 公司 Harvey 的估值从 2025 年 2 月的 30 亿美元，一路到 6 月 50 亿、12 月 80 亿、2026 年 3 月 110 亿，9 月 9 日又以 155 亿美元估值融了 5.5 亿美元，用户超过 10 万名律师、1300 家机构。钱不会无缘无故往一个地方跑——它押的是”律师的工作量里有很大一块可以被机器做”。
三、”悄悄”在哪：总量没少，入口在收窄
如果你只看总量数据，会觉得”AI 淘汰律师”是危言耸听：
美国劳工统计局数据显示，2026 年一季度律师失业率只有 1.0%，律师助理 3.6%，都低于全国 4.3% 的水平；
美国法律行业就业在 2025 年底创了历史新高。
但”悄悄”二字的精髓就在这里——变化不发生在存量，而发生在入口。
NALP 数据：500 人以上的大所 2025 年录用了 6,588 名应届法学毕业生，比 2024 年的峰值少了 538 人，降幅 7.5%，是十多年来首次下降；
最大型律所的暑期实习生班规模，降到了 2012 年以来最小；
追踪约 4000 家律所的 Firm Prospects 数据显示，2025 年所有律师招聘中，跳槽的有经验律师占 49%，应届毕业生只占 38%，而前两年应届占比是 46%——有经验的人第一次压过了新人；
花旗律所银行部门今年夏天调查了 57 家大所：约三分之二预计 2028 年的一年级律师人数会少于 2025 年，近 60% 预计二年级也会更少。
添加图片注释，不超过 140 字（可选）
要公平地说，Bloomberg Law 的分析认为，这里面有历史周期的因素（大所招聘见顶后三年往往触底），但律所自己对 AI 会如何改变人员结构的预期，被明确列为新的推手。
PwC 今年的《全球 AI 就业晴雨表》从另一个角度印证了这件事：在美国，AI 暴露度高的入门级岗位，要求”判断力、领导力”这类传统上属于资深员工技能的概率是其他入门岗位的 7 倍；这类”被拔高”的初级岗位自 2019 年以来增长了 35%，而其他入门岗位下降了 10%。
翻译成人话：初级岗位没有消失，但它的门槛被抬高了——你得一入职就能干原来三年级才干的活，因为一年级的活已经交给机器了。
这在程序员圈是一模一样的剧本。”会写 CRUD”曾经是入行门票，现在是 Codex 的默认能力。
四、为什么会用的人反而涨薪
1. 市场整体：AI 技能溢价 62%，而且还在涨
PwC 分析了 27 个国家和地区超过 10 亿条招聘广告，结论是：要求 AI 技能的岗位，平均工资溢价达到 62%，前一年是 56%，再往前的报告里是 25% 左右。要求 AI 技能的岗位数增速是整体就业市场的近 8 倍（69% vs 9%）。
PwC 还把岗位分成了两条轨道：”专业化”岗位（AI 放大专家判断）和”大众化”岗位（AI 让外行也能干）。前者的岗位增长是后者的两倍，薪资涨幅快 42%。律师显然属于前者——前提是你是那个”被放大”的专家，而不是那个”被替代”的流程。
2. 律所层面：同样用 AI，赚不赚钱差了一倍
Clio 今年的系列报告揭示了一个很反直觉的”效率悖论”：
独立执业律师中 71%、小型律所中 75% 已经在用 AI；
但只有不到三分之一的小所因为 AI 实现了营收增长，企业级大所这个比例接近 60%；
在所有使用 AI 的律所里，36% 报告营收有正向影响；而在”广泛使用”AI 的律所里，这个数字跳到 69%。
添加图片注释，不超过 140 字（可选）
为什么？因为按小时计费。Clio 早先的测算是，最多 74% 的计时工作（信息收集、数据分析之类）理论上可以被 AI 自动化。你效率翻倍，按小时收费的账单就砍半——省下来的时间如果没有变成更多案子、更高单价的工作或者固定收费产品，AI 只是在帮客户省钱。
这和量化里的一个老教训一模一样：你的信号再好，执行和定价模型跟不上，alpha 就全漏在交易成本里了。 会用 AI 的律所，不只是”用了工具”，而是改了定价模型和业务结构，把效率变成了利润。
3. 个人层面：看看顶级律所在给什么岗位开什么价
Artificial Lawyer 在 9 月中旬整理了 Latham & Watkins 官网上的一批 AI 相关招聘，薪资上限摆在那里：
岗位 | 职责（简述） | 薪资上限（美元/年） |
|---|---|---|
AI 与创新副总监（客户服务） | 负责面向客户的法律科技与 AI 战略 | 400,000 |
法律创新高级经理（诉讼） | 带团队帮诉讼律师评估、落地 AI | 360,000 |
法律工程律师（Legal Engineering Attorney） | 把顶级法律经验拆解成机器可执行的流程：提示词、schema、评估集、playbook | 250,000 |
知识转化律师 | 把先例、playbook 整理成”AI 可用资产” | 250,000 |
AI 服务律师 | 在案件全生命周期落地 AI 方案 | 250,000 |
作为对照，Robert Half 2026 薪资指南里，美国 2–3 年经验律师的中位数是 12.35 万美元，10 年以上的是 17 万美元，律师助理是 6.8 万美元。Glassdoor 上 Legal Engineer 的平均年薪约 17 万美元。
添加图片注释，不超过 140 字（可选）
（口径提醒：Latham 的数字是高薪市场的薪资上限，传统岗位是全国中位数，只适合看量级，不适合直接相减。）
请特别留意”法律工程律师”那条职责描述：把复杂的交易和诉讼流程拆成离散、可度量的任务，定义输入、输出、决策点和质量标准，再写评估集。 各位程序员朋友，这不就是需求拆解 + 接口设计 + 单元测试吗？
所以”会用 AI 的人涨薪”，涨的不是”会用 ChatGPT”的钱，而是“懂法律 + 会把法律判断工程化”这个稀缺组合的钱。
五、以 Codex 为例：律师”会用 AI”的四个段位
结合我自己用 Codex 写代码的经验，我把律师用 AI 的能力大概分成四档：
L0：聊天框用户。 问个法条、改改措辞。这一档的溢价基本已经被”套利”完了——75% 的小所都在这么用，它只是入场费。
L1：会交活、会验货。 把检索、初稿、文件比对交给 Agent，自己负责核验每一条引用。这一档最大的坑是幻觉：已经有超过一千起涉及 AI 编造引用的法院裁决被整理成数据库。核验能力就是这一档的全部价值。
L2：会写”说明书”。 用过 Codex 的人都知道，它会读项目里的 AGENTS.md 这类指令文件，按你定的规矩干活。律师完全可以把自己的工作标准写成这样一份文件，比如一个并购尽调小组可以这么写：
# AGENTS.md（示例：并购尽调小组） - 每条结论必须附出处（文件名 + 页码/条款号），找不到就写"未找到"，禁止推测 - 判例引用必须经检索工具核验，并标注核验状态 - 输出格式：风险等级 | 条款 | 原文摘录 | 影响 | 建议追问 - 控制权变更、转让限制、通知/同意条款单独成表 - 客户材料不得发送到未经授权的外部工具
这一步做完，你的”判断标准”第一次变成了可复用的资产——S&C 的协议分析器，本质上就是这件事的企业级版本。
L3：会建评估、会并行。 程序员的核心习惯是”先写测试”。律师也可以：拿几份你们团队已经审完、知道答案的合同，当成测试集，每换一个模型、改一次指令就跑一遍，看它漏了什么、错了什么。再往上，是像 Codex 用户那样同时开多个任务——一个在查先例，一个在比对版本，一个在起草披露——自己只做最后的判断和取舍。
顺手分享一个程序员小技巧：把合同放进 Git 管理。 每一轮修改就是一次 commit，git diff 就是最干净的 redline，谁在什么时候改了哪一句一目了然，Agent 也能直接基于 diff 解释改动的法律影响。
Latham 招聘里开到 25 万美元的那几个岗位，要的基本就是 L2–L3 的能力。
六、量化视角：这份溢价会不会消失？
做量化的人对”溢价”天然警惕，因为我们太清楚一个因子被发现之后会发生什么：资金涌入，拥挤，超额收益被套利掉。
AI 技能溢价也会衰减，而且已经在衰减——”会用 ChatGPT”在 2023 年是亮点，2026 年是默认项。但我认为溢价不会消失，而是会迁移，迁移到两个很难被套利的地方：
私有上下文。 模型能力会商品化，但每家律所的先例库、谈判 playbook、对特定法官和交易对手的经验，是别人拿不到的”另类数据”。S&C、Ropes、Cooley 做的事，都是把这些私有数据接进 AI。谁掌握并能组织这些数据，谁就有持续的 alpha。
判断和问责。 Thomson Reuters 今年的调查里，48% 的法律从业者担心 AI 会影响独立判断能力的培养，78% 的律所从业者认为初级律师的成长离不开资深律师带教。这恰恰说明：最终签字、承担责任的那个人，价值只会更高。 AI 能把一个律师的产能放大十倍，但放大的是判断，判断错了也会被放大十倍。
还有一个值得警惕的”尾部风险”：如果律所都不招一年级了，五年后的中级律师从哪来？这个问题在程序员圈也同样存在，目前没有人有好答案。
七、给不同人的几句实话
法学生：别再把”熟练检索和写备忘录”当核心竞争力，那是 Agent 的默认能力。去学一点结构化思维和基础的数据/编程素养，能把一个流程拆清楚，比多背一本书值钱。
初级律师 / 律师助理：你最危险，也最有机会。你离具体流程最近，最知道哪些环节可以交给机器、哪些环节会出错。成为团队里那个”AI 的人”，把试点做出来、把节省的时间量化出来，这是最快的跳级通道。
合伙人 / 律所管理者：Clio 的数据已经说得很清楚——不改计费模式，效率提升就是在给客户打折。认真想想哪些业务可以做成固定收费产品。另外，Thomson Reuters 的数据显示，个人对 AI 的态度和律所策略不一致的专业人员，一年内考虑离职的比例是一致者的近 3 倍（14% vs 5%）。落后的律所，丢的不只是效率，还有人。
想转行做法律科技的程序员：Legal Engineer 这类岗位正在变多，但门槛不是代码，而是你愿不愿意真正搞懂法律工作。建议从一个具体的法律流程开始，跟律师坐在一起把它拆一遍。
最后回到标题。
AI 确实在悄悄淘汰一些东西——淘汰的是”用时间堆出来的初级工作”，淘汰的是”不改变工作方式的人”。但它同时在给另一群人加杠杆。
我们程序员已经在这条路上走了一年半，最大的体会是：Codex 不会替你思考，但它会惩罚不思考的人，同时奖励会思考、并且能把思考写成系统的人。
