截至2026年5月，上上签电子签约已服务来自17个国家的130家外资企业。它们来自美国、德国、日本、法国、英国、荷兰、意大利、韩国、新加坡等国家，覆盖制造、汽车、能源、医疗、消费品、金融、零售、半导体等多个行业。

 

 

其中，仅美国企业就有47家，德国22家，日本17家，既包括奔驰、博世、巴斯夫、西门子能源、英国石油、荷兰皇家壳牌、邦吉、摩根大通、GE、霍尼韦尔、星巴克等世界500强企业，也包括众多深耕细分行业数十年甚至上百年的全球领先企业。

 

 

 

 

 

 

过去几年，我们向企业介绍电子签约时，几乎都会从两个角度开始。第一，降本。不用打印、快递，减少纸张、仓储、人力等运营成本。第二，增效。过去需要几天甚至几周才能完成的签约流程，可以缩短到几分钟甚至几秒钟。

 

 

这些价值直到今天依然成立。事实上，很多企业最初推动电子签约项目立项，也正是基于这两个理由。

 

 

但在过去一年，我们发现与越来越多外企客户交流时，大家讨论电子签约的方式，发生了一个明显变化：他们几乎不再问一年能节省多少钱？也很少再问多久能够回本？取而代之的是一连串过去几乎不会出现的问题。

 

 

例如，AI能不能直接审核合同？企业自己的审批规则，能不能交给AI学习？合同上传之后，会不会进入模型训练？合同里的数据，将来还能不能继续被企业自己的AI使用？

 

 

这些问题，看似在讨论AI。实际上都指向同一个底层能力：企业是否已经拥有一套真实、可信、可持续沉淀的签约数据体系。

 

 

这也是我们在服务130家外企客户中，一个深刻的感受。越来越多企业在部署AI之前，开始先把合同数字化、标准化、可信化。因为他们逐渐意识到：AI可以理解合同，但无法判断合同是否可信。

 

一、一个变化，让我们重新理解了电子签约

 

 

今年年初，我们与一家国际知名快消品牌进行了近两个小时的交流。原本我们以为这会是一场关于电子签约产品的沟通。但会议开始后，我们发现，对方几乎没有讨论电子签本身。

 

 

法务团队关注的是：如果利用AI审核合同，公司内部的审批规则能不能一起学习？

 

 

IT团队关注的是：模型部署在哪里？合同是否会进入公共模型训练？是否支持混合云？数据如何隔离？如果未来更换大模型，历史数据怎么办？

 

 

整个会议，从AI能力、模型选择，到数据安全、部署方式，再到企业知识沉淀，讨论持续了近两个小时。唯独没有人问：电子签约还能节省多少纸张？

 

 

 

 

这让我们意识到，企业关注的重点已经发生了变化。

 

 

过去，电子签约解决的是签得快不快的问题。今天企业开始关心这些签约数据，未来能不能被AI真正理解和利用。因为一份合同从签署开始，就会产生一系列企业数据：

 

 

 

谁签的？代表哪个组织？经过了谁的审批？哪个版本最终生效？哪些条款发生过修改？为什么修改？最终形成了什么结果？

 

 

以往这些数据更多被视为合同管理过程中的附属信息，但在AI时代，它们正在变成企业自己的知识资产。这意味着，企业采购电子签约，已经开始从提升签约效率，走向建设可信数据基础。

 

 

 

二、AI为什么重新定义了电子签约

 

如果把时间拨回到两三年前，很多企业仍然会认为电子签约只是把纸质合同搬到线上。合同还是合同，只是不用打印邮寄了。

 

AI出现之后，这个认知开始发生变化。原因很简单，AI真正依赖的不只是模型，而是数据。如果合同模板混乱、审批流程缺失、身份无法确认、签署过程没有完整留痕，那么AI能够分析的，只是一堆来源不一致、标准不统一的数据。

 

 

 

因为AI不会判断哪份合同才是最终版本，哪个模板已经失效，也不会判断签署人身份是否真实。它只会基于已有数据进行分析、总结和推理。数据越混乱，AI分析得越快，错误传播得也越快。

 

 

 

所以，当越来越多企业开始部署Legal AI、合同AI、采购AI、HR AI、CRM AI时，他们发现，真正需要补的第一课，不是模型，而是数据治理。而合同，恰恰是企业最重要的数据入口之一。

 

 

 

 

 

 

每天发生的采购、销售、人事、供应商、经销商、合作伙伴等业务，几乎都会通过合同记录下来。这些合同不仅承载着法律关系，更记录着企业真实的经营行为、业务规则和管理逻辑。

 

 

 

当合同是真实、完整、持续沉淀的，它们就会成为AI理解企业最重要的知识来源，而电子签约，则成为这一切的起点。

 

 

 

三、电子签的ROI正在从节省多少钱，变成为AI准备什么

 

 

 

过去，企业衡量电子签约的价值，更多会计算ROI：一年节省多少纸张？减少多少快递费用？节约多少人工？这些都是可以量化的收益。

 

 

但在AI时代，越来越多企业开始发现，这样的ROI已经不足以解释电子签约的全部价值。原因在于，电子签约创造的价值，开始从"效率工具"转向"能力建设"。

 

 

如果企业今天仍然使用纸质合同，也许依然能够完成签约。但未来，当企业希望部署Legal AI、建设企业知识库、沉淀合同数据资产、让AI参与采购审批、法务审核、经营分析时，就会发现：纸质合同很难成为AI可持续使用的数据来源。

 

 

没有实名认证，就无法保证数据真实性。

 

没有审批留痕，就无法追溯决策过程。

 

没有电子归档，就无法形成持续学习的数据资产。

 

 

所以，今天企业做电子签约，真正需要计算的ROI，不只是一年能省多少钱。如果今天不建设可信的签约数据体系，未来企业要付出多少成本，才能让AI真正理解自己的业务？

 

 

 

从这个角度看，电子签约正在从一项效率工具，变成企业为AI时代提前建设的数据基础设施。这也是为什么，我们越来越愿意把电子签约放在更大的数字信任体系中理解。

 

 

四、今年客户主动来找AI，市场拐点比想象中来的更快

 

 

如果说，过去一年我们最大的感受是什么？是客户开始真正准备好使用AI了。两年前，我们向客户介绍Legal AI产品时，大家同样会表现出浓厚兴趣。

 

法务负责人会问：AI真的能审合同吗？

 

IT负责人想了解：能达到律师什么水平？

 

管理层则会关注：如果判断错了怎么办？

 

 

但真正推进项目时，很多企业又会暂时停下来。不是因为不认可AI，是当时整个行业还没有准备好。一方面，模型能力还不足，同一份合同，不同模型之间的判断结果可能存在明显差异。另一方面，成本也偏高。如果企业每天需要审核几百份甚至几千份合同，大规模调用模型的成本并不低。

 

 

 

所以当时很多企业更倾向于先做POC，验证AI到底能做到什么程度。今年情况发生了变化。春节之后，我们发现许多去年沟通过、处于评估阶段的客户，又重新联系我们。不同的是，这一次他们不是来问“AI到底能不能用？”而是在讨论：“AI具体什么时候可以上线？”

 

 

一家国际消费品客户告诉我们，公司已经成立专门的AI项目组，希望优先找到可以真正落地的业务场景。

 

 

一家欧洲制造企业则提到，总部已经把AI列入年度重点项目，各业务部门都需要提交自己的AI应用计划。

 

 

还有一家跨国企业第一次沟通时，就同时安排了IT、法务、采购等多个部门参与，他们希望讨论AI如何真正进入企业日常业务。

 

 

 

 

 

很多人会把原因归结于年初AI Agent工具OpenClaw（俗称“龙虾”）的爆发。它更像一个行业拐点，让企业第一次更加直观地感受到大模型已经可以从“聊天工具”，真正进入合同审查、采购、法务、HR等核心业务流程。

 

 

 

但从企业应用角度看，这一轮AI落地真正加速，背后至少发生了三个变化。

 

 

第一，模型真正跨过了”可用“这条线

 

 

过去一年，我们持续对不同模型进行合同审查测试。最大的变化不只是速度，而是理解能力。

 

 

在合同风险识别、条款摘要、合同比对等场景，目前模型输出质量相比过去已经有明显提升。内部持续测试数据显示，在典型合同审查场景下，整体效果相比过去提升约30%～40%。

 

 

例如，一份标准采购合同，过去可能需要法务花二十分钟阅读。现在AI几十秒内就可以完成：

 

 

• 自动提取关键条款

• 标记风险点

• 输出修改建议

• 生成合同摘要

• 完成中英文翻译

 

 

复杂合同仍然需要专业法务最终把关。但大量重复性的工作，已经可以交给AI完成。于是，一种新的工作模式正在形成：AI负责初审，法务负责判断。

 

 

 

第二，AI终于开始”用得起“了

 

 

如果说过去最大的障碍是模型能力，那么今年最大的变化之一，就是成本。

 

 

过去一年，大模型调用成本持续下降。特别是在Token价格快速下降之后，企业开始第一次真正考虑：让AI进入日常工作，而不是停留在试验阶段。

 

 

一位客户曾经算过一笔账。以前请律师审核一份普通合同，费用可能需要几百元甚至更高。如果每天审核几十份合同，这笔成本并不低。现在，通过AI完成第一轮审查，再由法务进行复核，整体成本已经明显下降。

 

 

节省的不只是费用，法务可以从大量重复劳动中释放出来，投入更复杂、更需要专业判断的工作。

 

 

第三，企业开始要求AI懂自己的业务

 

 

这是我们认为最值得关注的变化。过去客户会问：“你们有没有AI功能？”现在客户开始问：“AI能不能学习我们公司的规则？”

 

 

看似只是问题发生了变化，实际上意味着企业AI进入了新的阶段。因为企业需要的不只是一个会审合同的AI，而是一个懂自己企业的AI。

 

 

今年年初，一家国际知名快消品牌与我们进行了一次非常深入的沟通。这场会议给我们留下了很深的印象。他们没有一开始就问“你们的AI准确率是多少？”也没有先问：“你们接的是DeepSeek还是通义千问？”其连续提出的问题，全部指向另一个层面：

 

AI审查依据是什么？

能不能按照我们自己的法务制度审？

如果违约金超过30%，能不能自动提醒，并触发CEO审批？

我们的审批一直走邮件，不想改变员工习惯，你们能兼容吗？

合同上传之后，会不会进入公共模型训练？

如果未来模型发生变化，我们的数据怎么办？

......

 

 

 

这场会议里，几乎没有人在讨论模型本身，讨论的全是企业自己的业务。后来我们才意识到：成熟的企业已经不再单纯关心AI聪不聪明。他们更关心AI到底懂不懂自己的业务。

 

 

如今大模型越来越强，合同翻译也愈发准确，风险识别随之加快，摘要几乎可以秒级完成。拉开企业AI应用效果差距的，正在从模型能力转向“企业自己的数据和规则”。

 

 

例如，一家企业规定所有超过30%的违约金，都必须CEO审批。另一家企业则要求海外采购合同必须增加出口管制条款。还有企业明确所有涉及消费者隐私的数据条款，都必须由总部法务确认。

 

 

 

这些规则并非通用法律知识，它们只存在于企业几十年的经营经验里。这些经验大部分散落在合同、审批记录、制度文件、法务意见、邮件往来、历史签约记录。过去这些经验可能掌握在少数资深员工脑中。现在企业希望把这些经验沉淀下来，让AI真正学会。

 

 

 

所以企业开始要求AI不仅能审合同，还要理解企业自己的规则。不仅能识别法律风险，还要知道企业什么情况下必须升级审批。不仅能告诉法务“这条款有问题”，还要告诉企业“按照你们过去十年的处理方式，这类合同通常应该怎么处理。”这才是Legal AI的价值所在。

 

 

 

 

 

 

而要让AI做到这一点，企业首先要回答一个问题：AI学习的合同，是真的吗？

 

 

 

如果合同版本混乱，审批意见散落在邮件里，签署记录难以追溯，签署人身份无法确认，那么AI就没有办法学习企业。它可以回答法律知识却回答不了“我们公司过去一直是怎么做的？”这也是越来越多企业在部署AI之前，先做好电子签约的原因。

 

 

 

因为电子签沉淀的不只是合同，还有身份、审批、权限、组织关系、版本、流程、签署行为等，这些都是未来企业AI最重要的知识来源。

 

 

五、130家外企的真实实践：AI之前先把合同变成可信数据

 

 

如果只从行业维度看，会觉得这130家外企几乎没有任何共同点。有汽车制造企业、消费品企业、能源企业、医药企业、金融机构，还有半导体、高端制造、零售、物流、化工、酒店等不同领域。它们来自17个国家，经营模式、组织架构、数字化基础也完全不同。

 

 

 

但当我们复盘这些客户的实践时，却看到了一条越来越清晰的路径：先让合同数字化，再让合同标准化，最后让合同成为可以被AI理解的数据。

 

 

第一类：先统一合同，再让AI理解企业

 

 

一家德国制造企业，集团总部已经发布最新版采购合同。但各工厂、事业部因为历史原因仍然沿用不同版本。总部已经更新到了第12版，某工厂还在使用第8版。还有事业部根据自己的业务特点，增加了大量个性化条款。

 

 

纸质时代，这个问题虽然存在但影响相对有限，因为合同最终还是由人工审核。AI时代，却由此成为一个根本问题：AI不知道哪一份才是标准答案。如果同一种采购合同存在十几个版本，AI提取出来的知识也会变成十几套逻辑。企业知识库无法统一，风险规则无法统一，模型也无法持续学习。

 

 

所以，这类企业在开始建设AI之前往往先完成：合同模板、审批规则、电子签署、合同数据归档的统一。表面上是在做合同管理，实际上是在统一企业自己的“数据语言”。

 

 

第二类：真正难的不是员工会签，是整个供应链都会签

 

一家国际食品企业客户，在中国拥有2,000多家经销商。每年企业都需要与这些经销商重新签署主合同。过去，合同签署是一件非常头疼的事情：

 

 

打印出来邮寄给经销商。寄到了，对方不一定马上签。过段时间没收到合同，业务员还要再联系。联系不上，就得上门催促。好不容易合同签回来，事情还没有结束。客服团队还要逐份校对。

 

 

鉴于合同模板其实早已经确定，真正需要人工核对的是合同里面的业务数据，比如经销商的业绩指标等。据客户反馈，客服团队每年基本需要花费3到4个月的时间，专门处理经销商资质审核和相关合同管理工作。后来，这家企业开始推动经销商合同电子化。

 

 

电子签约首先解决了一个非常现实的问题：让2,000多家经销商从“寄合同、等签署、再催促”，变成在线完成签署。但当大家开始把合同和经销商档案搬到线上，一个更大的问题也随之出现：企业如何管理这2,000多家经销商？

 

 

另一家外企客户同样拥有约2,000多家经销商。每年签署合作合同时，都需要采集并审核经销商的食品营业许可证、卫生许可证，并确认相关证件的有效期是否覆盖合作周期。

 

 

过去，这些工作都需要人工挨个审核，工作量大、进度慢。于是企业开始探索通过电子签约进行资质核验，希望把过去分散在合同、证件和人工记录中的信息，逐步纳入统一的数字化管理。

 

 

 

 

 

类似的变化，也发生在员工签约场景。一家能源企业在电子签约实践中发现，员工实名信息核验，可以帮助企业提前发现姓名填写错误等问题。过去，员工姓名可能要等合同寄回公司后才被发现，甚至到了发工资时才发现实名信息不一致。

 

 

从员工身份，到经销商资质。从一份合同，到数千家供应商、经销商和合作伙伴，企业正在把电子签约从一个单点的“签署工具”，逐渐扩展成覆盖整个合作网络的可信数据入口。

 

 

 

早在2年前，一家大型日本企业客户已经向所有供应商发出通知，推动采购合同全面转向电子签署，并明确后续将逐步停止接受纸质盖章合同。另一家全球制造企业的供应商电子签约覆盖率已经超过70%。客户反馈，审批过程更加可视化，签约时效明显提升，也减少了过去供应商信息错误的问题。

 

 

 

当越来越多供应商、经销商和合作伙伴进入线上签约体系，企业获得的就不只是一批电子合同。供应链中的主体、合同、资质、业务信息和签署记录，也开始持续沉淀。过去，企业面对2,000多家经销商，最头疼的问题是合同怎么签回来？

 

 

今天企业进一步思考“这些合作伙伴的信息，能否被看见、管理、持续利用？”这样未来才能进一步利用自动化和AI能力，去做资质管理、风险识别、业务预警和经营分析。

 

 

 

六、企业未来最大的AI资产，是每天新增的合同

 

 

如今谈论AI，大家都在关注模型、Agent、算力和Token。但对于企业而言，值得长期积累的AI资产，来自每天真实发生、持续沉淀的一份份合同。因为合同记录着企业最真实的经营过程。

 

 

采购合同、销售合同、劳动合同、供应商协议、经销商协议、保密协议、授权文件等，这些文件记录着企业每天发生的真实业务：

 

 

• 谁和谁合作？

• 采购了什么？

• 卖给了谁？

• 审批经过哪些部门？

• 为什么批准，为什么拒绝？

• 哪些风险最后被修改？

• 哪些条款长期沿用？

 

 

这些数据远比互联网公开数据更有价值，因为它们属于企业自己，也是AI需要学习的内容。所以现在越来越多企业开始重新理解合同。过去，合同是一份法律文件。今天则是一份业务数据。未来还会成为AI持续学习企业的重要知识来源。

 

 

而电子签约，负责保证这些数据从产生开始，就是可信的。身份可信、流程可信、签署可信、版本可信、证据可信。这样，当企业未来部署Legal AI、采购AI、HR AI、经营分析AI时，AI读取的不只是孤立的PDF文件，而是经过标准化、结构化沉淀的合同数据。

 

 

结语：AI跑得有多快，取决于它走在什么数据上

 

 

AI可以在一分钟内分析一万份合同，前提是，这一万份合同真实、完整、可追溯。否则，AI跑得越快，风险就会沿着错误的数据一路放大。

 

 

过去上上签电子签约解决的是“怎么签？”今天它开始回答“签完之后，这些数据如何被企业真正拥有和使用？”未来，它还将回答“AI应该相信什么？”

 

 

从这些优秀外企客户的真实实践中，我们看到了一条正在逐渐清晰的数字化路径：先让合同在线——再让签约可信，数据沉淀——最后让AI真正理解企业。这或许也是AI时代，电子签约价值被重新定义的原因。

 

 

AI负责创造价值，数字信任则负责让AI建立在可信的基础之上。电子签约，正在成为企业迈向可信AI的重要数据基础设施。

 

 

 

基于多年电子签约场景积累的合同管理经验、业务流程理解和数字信任能力，上上签也已推出Legal AI产品，将人工智能技术应用于合同审查、风险识别、条款分析等场景，帮助企业基于自身可信合同数据释放AI价值，让合同数据真正参与企业业务决策。

 

 

 

未来，电子签约不只是帮助企业完成合同签署，更将成为连接可信数据与AI应用的重要基础，推动企业从合同数字化进一步走向智能化。