AI大模型爆发以来，参与者众多。在电子签领域，这个技术同样也更在创造新的想象力。不过，和所有大模型在各个场景遇到的“落地难”问题一样，AI大模型在电子签领域落地同样不是一件容易的事。

甚至电子签赛道更为典型。从流程来看，电子签约流程中的签署模版制作、印章签名制作、发起签署、用印签署等环节较为纯粹，很难催生大模型落地的温床，其次高质量的数据是垂直模型决策能力的关键，而数据收集、训练、学习都需要人工的参与和时间的积累，这些不仅是技术难题，在电子签赛道更是边界、合规的问题。

即使如今一些电子签SaaS早已不断往签约的前后场景延伸，但这些场景所在的方向，也更是电子签的上下游伙伴攻坚克难的战场，大模型的“落地难”属性已成为共识。

在大模型的推动下，电子签的未来方向可能会朝向哪？

01 AI大模型，寻找电子签“钥匙”

“大模型落地于电子签，需要往签约前后场景走。”法大大产品中心总经理刘谦对产业家直言。

事实上，已经定稿的文件制作成模板，发起签署，继而完成签署以后进行存证，在这个过程中，其内容是不能发生改变的，其产品能力只是记录文件是否被篡改，以及身份、意愿的真实性等。难以与大模型的生成能力结合，发挥大模型真正的价值。

对于AI大模型而言，其价值点在于收集数据，进行训练学习，给出智能决策，帮助企业更好的降本增效、规避风险等。

在电子签领域，如何结合行业内容，根据需求生成、分析内容，固然是AI大模型能发挥价值的场景。但对于纯粹的电子签约，相较于对内容的生成、分析，可信才是*要义。

或者换言之，对于AI大模型而言，只是单纯的电子签约产品，与AI大模型结合，并不能为客户带来较大的增量。

在刘谦的表述中，更能延伸出的一个思考是，在AI大模型于电子签领域落地难的现状背后，其更隐藏的是电子签SaaS需要在签约场景之外寻找到真正的大模型落地场景。

实际上，这种“探寻”在过去几年已经发生。近几年，随着电子签SaaS的发展，人们对线上签约的需求逐渐从单纯的签约场景，向前、向后延伸。即不同于国外专注于打造细分领域SaaS的模式，国内客户更加青睐一个软件解决所有问题的模式。

能看到的是，在电子签SaaS领域的头部厂商，如e签宝、法大大、契约锁、上上签等，在过去几年，都在不断延展自身的产品服务边界。例如，e签宝的智能合同产品，基于AI技术，为企业提供合同起草-审批-签订-执行-归档-统计的智能化全生命周期服务；法大大的iTerms智能合同审查，为企业提供合同审查、协作审查、文本比对、智能归档等能力……

“大模型的落地会让大家都能把智能合同用起来。”e签宝CEO金宏洲说道。

过去的AI1.0时代，人工智能以监督学习训练为主，即根据已知的输入和输出数据样本,学习出一个模型，对未知数据进行预测或分类，以求达到一个预期的目标。而由于大型企业的合同内容、管理都较为规范，所以监督训练的效果更为准确。而中小型企业则反之，限制了其智能合同的深度应用。

而大模型或将改变这一业态。

可以预想的是，在这些场景中，AI大模型可以给予强大的决策能力加持。那么，对电子签厂商而言，应该怎么做？

02 高质量的「高质量数据」

从当下来看，想要大模型落地于电子签领域，无外乎两种路径:一是厂商自建AI大模型，二是与通用大模型合作。

前者需要大量的资金、数据以及AI技术支撑，对于电子签厂商而言，后者是相对合理的落地方式。

但单纯基于通用大模型，对电子签赛道而言其局限性要比其它方向更大。“基于通用大模型的能力来做细分领域应用，效果肯定是一般的。”刘谦表示，在他看来，通用的大模型能力不足以完成电子签约以及智能合同的相关服务，必须要跟本地知识库进行结合。

换言之，和其他方向相似，厂商要做的是需要将大量的合同数据集成到通用大模型中，打造电子签领域的专有模型。

但这件事并不是所有厂商都有能力去做的。

首先，客户的合同数据被收集到通用大模型中，会导致客户合同数据泄漏。

众所周知，在电子签领域，数据十分敏感。大多数的电子合同服务商提供的都是公有云SaaS模式的电子合同产品，数据存于云端的数据中心，用户的电子合同签署、数据均存储于公有服务器上。

虽然平台提供丰富的认证方式和验证手段以确保数据的安全，防止合同数据被篡改，但对于信息安全度和合同数据敏感性的用户来说，数据安全隐患还是他们最为担心的问题。

所以，电子签专有模型，需要建立在私有云上，保障合同数据的安全。

这对通用大模型的选型也十分重要。刘谦对产业家表示，法大大目前就与多家通用大模型厂商合作，将各个通用大模型的长处与产品应用场景结合，以此让集成的合同数据在保证安全性的前提下，发挥*的价值。

除此之外，为了使得电子签专有模型作出的智能决策更加准确，厂商需要依靠人工标注出高质量的数据，进行训练、学习。而电子签的数据标注，不仅需要其具备技术能力，还需要其掌握法律知识、合同规范等行业经验。

更为重要的是，电子签厂商是否具备高质量的合同数据是个“伪命题”。即比起传统电子签厂商，大部分电子签SaaS起步较晚，导致其在高质量数据集成方面较弱。

从这点来看，对电子签而言，AI大模型落地的难点在场景之外，也更在数据。甚至相较于其他赛道，数据的门槛要更高。

03 再看「AI大模型+电子签」

但不可否认，在「AI大模型+电子签」的模式下，一些本质的变化也或将发生。

具体来看，在合同签署的全生命周期中，除了合同签署环节的安全、合规等问题，合同起草、合同审查环节是企业最为重视的环节。随着客户签约需求逐渐向前、后场景拓展，这些需求也为厂商带来了新的挑战。

过去，大部分电子签厂商在AI的加持下，通过智能合同产品，一定程度上实现了合同文本的智能起草、纠错等问题。

然而，在合同起草、纠错的质量上，与理想状态仍有差距。这种差距一定程度上受限于数据质量和数据量以及算力。

在「AI大模型+电子签」模式下，基于底层通用大模型的能力，再叠加充足算力和数据量，加上电子签厂商的高质量合同数据，便可以在合同起草、审查等环节给出更准确的智能决策，帮助企业缩短合同签署周期、降低合同文本的错误率，使得智能合同“名副其实”。

其次，「AI大模型+电子签」模式下，带来的还有交付模式上的变化。由于国内大型企业定制化要求高，例如同一个行业，不同业务，之间签署需求就有着巨大的差异。导致国内电子签SaaS交付模式普遍较重，服务商侧人力、财力、精力投入较多。

通过大模型的赋能，将合同签署的全周期管理中某些环节进行智能化，可以很大程度上可以减轻这方面的压力，加速产品奔向行业标准化。例如对于大部分中小企业而言，「大模型+电子签」的模式下，可以使得其实现自助式服务。

“我们接入了不同的大模型，融入到我们的服务里面。”在e签宝的解决方案中，大模型的能力已经成为其ePaaS的底层能力。

站在更大的角度来看，国内的SaaS赛道，由于市场的差异化，导致SaaS厂商的竞争格局常常面临内卷、同质化竞争，电子签赛道亦是如此。而在大模型的加持下，以往在某些垂直领域经验多、数据积累多的电子签厂商，在服务力上将获得较大的提升。

换言之，大模型所带来的数据分析、训练能力，将使得一些厂商的数据优势被逐渐放大，打造自身的差异化，打破电子签赛道同质竞争的局面。

谁积累更深，谁或许就更能先行一步。

更为主要的是，大模型或将成为一种底层能力，在大模型之上，电子签厂商可以调用其数据、算力等能力，助力其打造一体化、全栈式的服务，使得电子签产品迈向标准化、规模化。