AI司法怎么落地？深圳法院三年跑出70万宗案件的真实账单

深圳法院这套人工智能辅助审判系统跑了三年，给出的账很清楚：深度赋能超过 70 万宗案件，上诉率下降 48%，改判发回重审率下降 65%，法官人均月结案数较上线前提升 60%。

它同时也回答了公众最担心的两个问题：AI 会不会替代法官，AI 编造法条怎么办。答案藏在两条硬规则里——裁决权只归法官，法律条文和案例一律从权威知识库抓取，严禁大模型自行生成。

这套系统 2024 年 6 月上线 1.0 版，2026 年 8 月已经迭代到 5.0 版，覆盖民事、行政、刑事三大诉讼 90% 以上的案件类型。

深圳这三年的价值，不是证明 AI 能办案，而是证明 AI 可以不越界地办案。

下面按背景、系统模块、智能体、防幻觉设计、成效和经验分享的顺序，把这份白皮书讲清楚。

这份报告的原文件放在运营动脉（www.yydm.cn）上，图表、口径说明和样本量都写得很清楚。

想看原文的完整版，搜标题就能打开，图表和数据附录都是齐的，不用注册。

一、困境：案件总量大，定分止争难

世界司法实践表明，社会矛盾纠纷数量与经济发展速度、发展水平存在一定的正相关关系。随着城镇化推进和法治意识提升，越来越多的矛盾纠纷进入诉讼渠道、涌入法院，这是结构性变化，不是周期性波动。

中国法院在诉讼制度设计上实行较低的诉讼门槛和诉讼费标准，不强制当事人聘请律师，同时有严格的审理期限要求。

这套设计便利了群众，但也意味着案件总量长期高位运行，案件总量大与定分止争难成为法院工作最突出的困难。深圳的情况更极端。截至 2025 年末，深圳常住人口达 1824.85 万，实际管理人口超过 2200 万，商事主体达 465 万户。

在传统模式下，法官要逐页阅读卷宗、手动梳理证据事实、逐字撰写裁判文书，大量事务性工作挤占了核心争议的研判时间。

报告还指出另外两个隐性短板：对虚假诉讼等风险的识别高度依赖法官个人经验，程序节点管理往往事后发现而非事前预警。

人案矛盾不是靠喊口号解决的，得先把法官从抄写和翻页里捞出来。

图源：《2026人工智能司法应用的深圳实践》（第4页） · 原文

二、基础：六年无纸化，才有今天的智能化

案件材料电子化和全流程无纸化办案，是人工智能司法应用的前提。深圳法院的 AI 不是从零开始的，而是建立在六年数字化积累之上。

2017 年，深圳法院启动电子卷宗随案同步生成系统，率先在盐田区人民法院试点，实现诉讼材料自动扫描、编目和结构化处理。

2018 年，两级法院推广无纸化办案，打通电子卷宗与调解、送达、执行等平台，实现卷宗全流程随案生成、线上流转。2022 年，电子文件单套归档试点通过国家档案局验收，实现仅以电子形式归档，完成从纸质卷宗向电子卷宗的全面转型。

在线服务这条线也在同步推进。2019 年 11 月上线深圳移动微法院，用微信小程序完成立案后的审理、调解、送达等全部活动。2025 年 10 月，平台升级为深圳数字法庭。截至 2026 年 8 月 31 日，实名注册用户近 300 万，累计办理案件超 490 万宗。

同期在线庭审超 27 万次，电子送达文书超 5908 万份，全市法院超过 90% 诉讼材料的收发和送达通过线上完成。知识侧的准备同样关键。最高法推动的案例库、法信等权威知识库，实现了法律法规、条文释义、裁判规则、权威案例的全要素覆盖。

深圳法院自 2021 年起组织审判业务专家编纂完成了 100 多个案由的类案审理指南，把个案经验沉淀成高共识性的知识管理机制。

没有六年无纸化攒下的结构化数据，大模型再强也只是一台没有原料的机器。

图源：《2026人工智能司法应用的深圳实践》（第6页） · 原文

图源：《2026人工智能司法应用的深圳实践》（第11页） · 原文

三、六个场景：从立案审查到文书草拟

系统贯穿案件审理全流程，覆盖从立案审查到文书草拟的六个核心场景，每个场景都对应一个具体痛点。智能立案审查优先试水，2024 年 1 月上线。系统依据现行法律和司法解释，辅助对材料一致性、及时性等 35 项立案标准做全面审查。

至今该模块已辅助审查超过 130 万宗申请。它只做初筛，所有立案决定仍由法官确认，标记为需补正的案件还会二次人工审核。

智能阅卷核验把阅卷从逐字录入升级为一键核查。系统自动编目分类，提取基础信息、诉辩意见和证据质证信息，并与原始材料同屏比对。

一位法官的描述是，光把几百页卷宗翻一遍、关键信息抄下来，就要花掉一整天，系统把这部分压缩到了数十分钟。智能庭审辅助贯穿庭前、庭中、庭后：庭前梳理审理要点、整理无争议事实、生成剧本式提问参考和结构化庭审提纲。

庭审中遇突发状况，系统推送法律规范和处理指引；庭后归整笔录并归纳核心争议焦点，目标是减少重复开庭和程序空转。

智能案情研判是中枢，分诉辩概要、事实认定、审理要点、确定判项四块。智能知识检索则联通权威知识库，把找法条变成找法律问题。

六个模块不是六个孤立的工具，而是一条从材料进来到文书出去的生产线。

图源：《2026人工智能司法应用的深圳实践》（第20页） · 原文

四、防幻觉：四层防线，法条不许模型自己编

公众最担心的是，大模型生成看似合理、实则不存在的法律条文或案例，法官误信后据此裁判。报告给的解法很彻底：所有法律条文和参照案例均只能从权威知识库中智能抓取，严禁大模型自行生成。

每条推送结果都链接到引用来源，确保依据链、来源链和解释链完整可溯，法官可以一键查看条文出自哪部法律的第几条、案例的案号和裁判要旨原文。

这套驾驭工程把防幻觉拆成四层。第一层是知识准入，只允许权威知识进入推理过程，对诉讼材料中的虚假法律信息识别与警示。

第二层是安全护栏的多层组合部署，通过规则库、判别模型对输入输出识别、拦截和处置，还会拒绝明显的诱导性指令。

第三层是法官决策在环路。系统禁止以裁判建议、一键生成结论等形式提供替代性决策方案，杜绝跳过人工判断的自动化链路。

第四层是全程可视化溯源。每一项分析结论都能追溯到依据的证据材料、法律条文和知识库原文，从黑箱输出变成白盒辅助。

报告把这条路线总结成一句话：垂类模型只负责理解、检索、比对、整理和搬运，无权补全任何法律知识。

防幻觉最有效的办法不是让模型更聪明，是让它没资格编。

图源：《2026人工智能司法应用的深圳实践》（第26页） · 原文

五、智能体：让系统跟着案、帮着办

2026 年，系统融入新一代自主智能体，分两条线走：人机协同智能体做深，流程驱动智能体做实。

人机协同这条线解决三个痛点。第一是事实梳理不了解案件类型的关键，民间借贷看借贷合意与款项交付，劳动争议看劳动关系、工时与工伤认定。

第二是专业计算算不清复杂的法律账。劳动争议报酬、交通事故人身损害赔偿、夫妻共同财产清算、复利与罚息分段计算，都是高频场景。

大语言模型天然存在数理计算幻觉，所以系统另配了经过校验的法律计算器：智能体负责提取变量，计算器负责精确运算，两者分工。

第三是人机交互难以完成个性化任务。系统采用三屏布局，第三屏允许法官自主提问、深度分析材料、把结果反向融回事实认定和裁判说理。

流程驱动智能体针对的是程序性事务。报告算了一笔账：每个案件从立案到归档，需要推动的程序性事务场景多达 140 多个。

一名法官同时办数百宗案，意味着要同时跟踪数万个节点，靠人力记几乎不可能。目前系统已完成民商事 5 个阶段、18 个环节、140 个业务场景的设计。

背后梳理了近 500 个案件办理状态、700 多项识别触发条件，让办事逻辑从人找事变成事找人，把记忆负担交给系统。报告总结的四个价值很实在：减负、防错、提效、聚焦。该送达的不会忘，该排期的不会漏，该归档的不会拖。

法官最怕的不是案子难，是几百个程序节点里漏掉一个。

图源：《2026人工智能司法应用的深圳实践》（第28页） · 原文

六、成效：70 万宗案件背后，质量指标也在动

截至 2026 年 8 月 31 日，系统累计调用大模型和智能体完成任务 3545.1 万次。辅助阅卷 60.9 万件，辅助庭审 26.9 万次，辅助撰写文书 67.8 万份，深度赋能超过 70 万宗案件，推送法律知识服务 2274.6 万次。

质量指标的变化更值得看：上诉率、改判发回重审率分别下降 48% 和 65%，这说明效率提升没有以牺牲裁判质量为代价。效率方面，2025 年深圳法院办结各类案件 773828 件，法官人均结案 744 件，同比增加 249 件。

人均月结案数较系统上线前提升 60%。这三个数字放在一起，才是完整的人机协同账本。一线法官的说法更直接。龙岗区法院坪地法庭的法官写的是，系统帮助法官回归裁与判，人不再被能否做完的焦虑困扰，而能专注如何做好。

南山法院民二庭的法官把它比作开车时的导航，已经成为工作中不可或缺的伙伴，路再崎岖也能走得更快更稳。

效率可以靠堆人，质量只能靠标准，这套系统两头都动了。

图源：《2026人工智能司法应用的深圳实践》（第41页） · 原文

七、外部评价：从深圳样本到全国一张网

哈佛大学《法律分析杂志》刊发了《法官如何使用大型语言模型？来自深圳的实证》，提出深圳法院是全球首个在司法领域系统全面、深度应用人工智能的法院。

港澳地区立法、行政、司法机关多次专题调研学习，巴西、越南、新加坡、葡萄牙等 20 国司法政要代表团先后 20 余次来访。新加坡最高法院参访团把深圳实践称为未来世界的发展方向。这个评价的分量，来自制度而不是技术参数。

国内推广也在推进。超过 200 家国内单位专题来深圳法院考察学习，多数认为这套体系贴合实务，在司法和政务领域可移植可复制。

2025 年 4 月，数字深圳联合创新中心设立并在深圳法院设分中心；2025 年 9 月，最高法在深圳设立全国唯一的 AI 司法应用联合创新基地。

相关系统功能已经纳入最高法全国法院一张网统一办案办公平台，在全国多家法院开展试运行，下一步将全面铺开。

在创新基地机制下，又开发了司法建议书草拟、类案检索报告、法律知识深度研究、简单案件快速草拟等功能。

一地创新、全国共享，比单点做出一套样板更能说明这套方法站得住。

图源：《2026人工智能司法应用的深圳实践》（第44页） · 原文

八、三次转向：从模型万能到工程中心

报告没有只讲成绩，也把三次试错写了出来，这部分对所有想在垂直领域用大模型的人都更有参考价值。

第一次转向是从垂类模型至上到工程化交付。2023 年研发初期，团队测试了市面可用的大模型基座，没有一个能满足生产环节落地需求。

于是转向自建法律垂类模型，把法规、司法解释、裁判文书、法答网问答全纳入训练语料。效果确实好，但它本质上仍是问答工具。

结论是，无论垂类模型训练得多精良，都不可能仅靠自身完成从案件事实到裁判文书的全部任务，路线由此转向工作流编排加专家技能工具。

第二次转向是从模型即知识库到白盒化知识推理。团队尝试过思维链约束、法律规则图谱校验、对抗训练，小范围实验都有效果。

但只要推向生产环境，事实就反复被印证：只要模型把自身参数当作知识来源，幻觉就无法避免，而且生成虚假内容时往往表现得高度自信。

第三次转向是从专家编排到千人千面。统一的专家流程再精致，也覆盖不了法官在检索逻辑、证据梳理、行文风格上的差异。

于是把驾驭工程能力开放给法官个人，让经验可以写成指令，通过指令广场共享、借鉴、改造，实现从千人一链到千人千面。

前面两次转向是技术路线纠错，第三次转向是管理哲学纠错。

图源：《2026人工智能司法应用的深圳实践》（第49页） · 原文

九、几条可复制的经验：制度先行，业务挂帅

深圳法院面对的现实是，司法领域缺专业大模型，法院自身没有算力基础设施，法律知识分散在不同机构，技术迭代又远快于传统信息化项目。

解法是开放合作。市委政法委和市政务服务和数据管理局陆续投入上亿财政经费、230P 智算算力支撑研发。知识侧与人民法院出版社合作，集成案例库、法答网、法信等权威体系，提供近万亿汉字量级的法律专业语料和权威知识引擎。

技术侧与华为合作完成昇腾国产化算力适配，成为华为算力司法应用的全球样板点，目前已取得 4 项国家发明专利和 1 项外观设计专利。

制度先行是另一条。2023 年提出四项研发原则：锚定辅助工具定位、深度融入审判环节、同步落实司法责任、全程确保数据安全。

2026 年又提出四项负面清单：禁止转授决策性职权、禁止注入未治理数据、禁止应用未认证技能、禁止逾越安全性护栏。

并发布全球首个《司法领域智能体技术应用指南》，已迭代到 2.0 版，从使用者视角提出定义任务、监督过程、核验输出、驾驭环路四个环节。

研发模式上也值得学：先从法官真实痛点出发，拆解五大环节共 85 项流程，40 名法官参与研发、300 余名参与测试、3000 多名参与使用反馈。

系统从正式研发到上线仅用 7 个月，上线首月排查解决问题 877 个，两年多累计完成 500 余次敏捷微迭代。这份白皮书原文件、附录里的智能体技术应用指南和大事记，都放在运营动脉（www.yydm.cn）上，搜标题就能打开。