法律AI平台Legora宣布完成5.5亿美元E轮融资，投后估值达88亿美元。这一估值较七个月前55.5亿美元的定价上涨58%。本轮由Gavin贝克管理的科技对冲基金Atreides Management领投，摩根大通、富达管理研究公司、Baron Capital、Capital Group和Glade Brook Capital Partners等新投资者加入，Accel、Benchmark、Bessemer Venture Partners等现有支持者跟投。至此，Legora自2023年成立以来的融资总额已超过14亿美元。
创纪录的增长轨迹
Legora正以企业软件史上最快的速度迈向规模化。早期投资者贝索斯创投（Bessemer Venture Partners）验证，Legora在2026年4月仅用18个月便实现了1亿美元年度经常性收入（ARR），刷新了“半人马座”（Centaur）里程碑纪录。相比之下，Cloud 100企业平均耗时7.5年，AI原生公司平均也需5.7年。截至最新公告，Legora的ARR已超过2亿美元，拥有超过14万名法律专业人士用户，覆盖80多个市场的2400多家律所和企业法务团队。
该平台于2024年10月以旧品牌Leya推出，随后因业务从个人辅助扩展至全团队工作流编排，更名为Legora aOS。2026年3月，Legora还收购了加拿大初创公司Walter AI，以增强其智能体能力并加速北美扩张。
以架构突破保密性红线
法律行业对AI采纳谨慎，核心障碍在于客户保密性。Legora并未构建简单的法律聊天机器人，而是打造了一个从底层设计的编排操作系统（aOS）。其核心架构决策是严格执行“不在客户数据上进行训练”的政策，并通过系统级设计而非仅靠合同来强制执行。
平台通过模型上下文协议（MCP）连接器接入律所文档管理系统、案件管理平台及电子邮件等外部数据源。MCP是Anthropic于2024年11月发布的开放集成标准，允许AI读写外部数据而无需将其摄入或保留在自身系统中。客户文件仅作为上下文流经平台，不留存于Legora基础设施中。结合ISO 42001认证、SOC 2 Type II及安全审计跟踪，这一架构解决了律所总法律顾问视为红线的合规难题。
并行智能体引擎 vs 传统聊天机器人
Legora区分了“法律AI聊天机器人”与“法律智能体操作系统”。传统工具如Microsoft Copilot遵循查询-响应模式，适用于单次任务；而Legora的Agentic Harness编排引擎专为多步骤复杂工作流设计。它能并行部署专家子智能体，同时处理合同审查、监管研究和跨司法管辖区比较等任务，并协调输出结果。
平台底层选用Anthropic的Claude作为推理引擎，利用其长上下文窗口处理数万词的法律文档，避免分块导致的质量下降。此外，平台的“上下文与知识层”能沉淀律所特有的谈判立场、先例库和案件历史，形成制度记忆。这不仅提升了智能化水平，也构成了极高的转换成本。
竞争格局：与Harvey的大西洋两岸对峙
Legora的主要竞争对手是Harvey。后者由Andreessen Horowitz和OpenAI Fund支持，2026年9月融资后估值达155亿美元，ARR超4亿美元，服务超10万名律师。两者呈现地理上的互补与竞争：Harvey从美国向欧洲扩张，Legora则从斯德哥尔摩总部进军美国市场。
技术路线上，Harvey基于OpenAI模型，Legora基于Anthropic Claude。尽管底层模型不同，双方均聚焦于智能体编排。Legora创始人Max Junestrand认为，差异化优势不在于模型本身，而在于之上的编排层、制度记忆及合规架构。他指出，欧洲AI战略应侧重于在前沿模型之上构建一流应用，而非在基础设施层面与美国巨头竞争。
重塑法律行业经济模型
Legora aOS旨在自动化初级律师的高频可计费工作，如文档审查和尽职调查。这可能促使律所用人效提升处理更多案件，或在长期内减少对初级律师的需求。与此同时，企业内部法务团队正加速采用该平台，占2026年第三季度新客户的40%，显示出将外包工作内部化的趋势。
Junestrand强调，数据安全优先级高于新功能开发。针对AI安全风险，他认为实际隐患在于幻觉和数据隔离不足，Legora的架构设计比泛化的监管框架更能有效应对。
高估值背后的市场押注
Legora的估值在不到18个月内经过四轮融资增长了约13倍。在ARR超2亿美元的基数下，88亿美元估值隐含的收入倍数超过40倍。这一高倍数反映了投资者对法律AI市场潜力的信心：预计该市场规模将从目前的70亿至85亿美元，增长至2030年代初的350亿美元以上。
CFO David Eckstein表示，资本结构面向长期投资者，公司暂无近期IPO计划。资金将主要用于美国市场扩张，目标在2026年底前拥有超300名美国员工，并持续开发智能体工作流和法律研究功能。随着律所在平台内积累制度记忆，转换成本将成为支撑其估值的关键护城河。