最近几年，我明显感到职业上的倦怠与危机。倦怠源于工作十余年之后，自己对以往研究路径的厌倦，不愿再“旧调重弹”，用熟悉的分析框架去“以不变应万变”地回应自以为理解的新问题，最终陷入某种形式上的创新、实质上的自我重复。而所谓危机，则更多源自人工智能的冲击——在一个机器可以“阅读”和“码字”的时代，我们究竟还能怎么做学问？

法学的本门功夫在法教义学，即那种供广义的律师（包括执法、司法工作者）解决个案纠纷的规范解释的本领。很大程度上，think like a lawyer，就是梳理规范、判例与学说，并在此基础上适法说理。这种能力需要高度个人化的长期训练，“慢工出细活”，很难工业化、流程化。但在 AI出现之后，尤其是大语言模型加持下的法律逻辑化表达之后，海量的简单案件都可以由机器代工完成，规范检索、要件比对、格式化论证，甚至初步法律建议，能在眨眼间实现。当然，这并不是说人工的法教义学会被彻底取代，但确实意味着它的一部分传统手艺即将或正在被机器替代。对法教义学的研究者而言，真正需要投入精力的，不再是那些可以标准化处理的easy cases，而是那些充满不确定性与价值冲突的 hard cases，这些案件涉及规范之间如何协调、例外何时成立、原则如何具体化、利益如何权衡。可即便在这些问题上，AI 也正在迅速逼近，甚至在不少情况下可以提出相当精彩的分析框架和路径（有兴趣者可以尝试自建法庭辩论智能体）。在此背景下，相较于AI，在个案适法、论证说理这件法教义学作业上，人类似乎只多出/剩下责任和权威，但这更多属于法律执业者（如法官、检察官、律师），他们必须对具体决定负责，也拥有制度（至今仍）赋予的权威。学者连这点附加值都没有，因为不需要签署判决，不承担直接后果，也不拥有制度先定的权威。那么，AI时代，法学学者的附加值在哪里？

对此，我没有成型的答案，只有挣扎和探索，因为我越来越强烈地感到：没有“功劳”、只有“苦劳”的研究，对学者个人和学术共同体而言，将迅速、极度贬值。比如，经年累月地细致梳理两位数、三位数的案例，形成一套相对完整的资料和分析；比如，苦练外语，精通一外，甚至掌握二外，然后译介回国内一些当下仍具有点知识权威的外国法信息；甚至再比如，学一点统计方法，跑一些回归。这些能力确实需要长期投入，也曾经构成一种专业门槛；能把这些事情做好，本身就证明一个学者的勤勉与积累。但在今天，这些“苦劳”的门槛正在飞速降低！案例检索与整理可以由机器通过正则匹配或语义理解完成，跨语言阅读可以借助高质量机翻实现，许多原本需要跨学科专业知识才能操作的方法，也日益被封装成可直接调用的packages或skills。那种“没有功劳也有苦劳”的自我安慰甚至麻痹，越来越难以成立。千万别误会，AI时代，下苦功仍然必不可少，切勿奢望智能代替人工。只不过在新的知识生产条件下，研究者必须放弃自我陶醉甚至自欺欺人，诚实、清醒地面对时代和自我，找到真正值得下苦工的地方，扎下来、沉进去。

从前，搜集、整理大量资料本身就是一项艰苦的工作，需要“上穷碧落下黄泉”地查找、分类和摘录；如今，资料的获取与整理变得越来越容易。但整理资料越轻松，就越需要耐心地细读那些真正重要的书，反复推敲和玩味其中的概念、论证和前提，而不能满足于扔进机器后收获信息，一如满足于切片电影。

同样，机器翻译越来越准确，也不意味着外语学习可以放弃，只是学习外语的意义发生了转变。当缺乏可靠、廉价的翻译工具时，多掌握一门外语就能占得先机，窥得另一种法律文化之堂奥；而在今天，即便语言不通，语言转换本身已经不再是天堑，真正困难的是理解异乡语言背后的制度经验和思想传统。机器可以帮助我们跨越语言的门槛，但无法替代人对语境的体会，也无法取代读者对微言大义的敏感。

而随着统计分析、文本挖掘、机器学习等方法的使用门槛不断降低，许多过去只有跨专业背景的人才能完成的工作，如今已“飞入寻常百姓家”。但方法越是易得，就越需要理解方法本身的逻辑与局限。数据处理越来越便捷，就越需要认真打磨方法，理解数据从何而来、变量如何构造、什么是有意义的发现而非“屎上雕花”。

最后，纸面材料和信息越来越丰富，反而越需要走出文本，与真实的人和真实的制度发生联结。法律并不是抽象的规则和逻辑，只有通过访谈、观察、实践，才能真正体会法律如何被接受、抵抗、扭曲或稀释。在可预见的将来，AI会越来越有“活人感”，也会有越来越多的“硅基人”问卷调查。但碳基生物的所思所欲、真情实感，将成为格外稀缺、可贵的学术材料。

所以，我们还远没到躺平的时候，AI的步步紧逼，也容不得我们缴械投降。思来想去，有三点建议。

第一，学编程。AI浪潮下，先下水游起来。以往，学习编程通常意味着从print("hello, world!") 开始，先掌握语法、理解功能，再逐步尝试写一些小程序。这种路径基础扎实，但也容易让初学者在长时间不知目的的摸索中失去兴趣（本人亲身验证）。今天，vibe coding空前强大，不妨找到一个产品（例如cursor），无须按部就班学，而是可以直接进入你关心的具体项目，在真实需求中边做边学、边错边改，体会人机协同的快乐和局限。对法学学生来说，学编程并不是要成为专业码农（尽管这种可能性是开放的），而是意味着习得一种全新的工作方式。例如，你可以用几行代码整理万份裁判文书，用一个简单脚本OCR和整理一个领域的文献，用一个小系统自动分类海量法条，你将体会到从前人力不可为的任务，眼下已然唾手可得。我坚信，这个时代，编程是所有脑力劳动者的必备工具，一如昨日的windows、excel、word、powerpoint。

第二，学外语。掌握一门外语，甚至再学第二、第三外语，曾经足以构成“护城河”，甚至滋养着“留学国别主义”。但随着机翻水准的快速提升，语言本身不再是可靠的专业门槛。我的判断是，二外时代正在过去，多语言时代正在到来。三外、四外，并不是欧美学者的先天优势或专利，相较于中文母语者学习欧陆语言，欧美学者学习中文的难度恐怕只会更大。更重要的是，机器翻译并不能终结外语学习。翻译工具确实能迅速、准确把外语学术文本转换成母语，但这种转换（目前仍）停留在字面。法律概念在传播、流转过程中同词异义、异词同义的现象比比皆是，一段字面准确的译文，如果忽略了语境，仍然可能导致误读。因此，机翻仍然需要人来验证、修正和解释。语言能力的积累和提升，仍是学者绕不开的修为。在AI支持下，外语学习已经变得越来越简便、好玩（推荐“多邻国”），练起来吧！

第三，学方法。传统法学训练习惯把法教义学视为最核心、甚至唯一正统的方法，而把其他方法视为辅助工具或“旁门左道”。但在今天，这种单一方法的路径越来越难以回答复杂的现实问题。在法教义学视野下，hard cases之所以难以达成共识，常常不是因为逻辑不够严密，而是源于不同价值、直觉、经验之间的冲突。研习法教义学日久的人，也许都会困倦于“甲说乙说折中说”，都会对“公说公有理，婆说婆有理”的局面感到无解甚至无聊。是时候打破单一方法的霸权和桎梏了，掌握多元方法的意义不在于证明某一种“更对”，不同方法本来就服务于不同问题，使用不同材料，也打动不同心灵，多元方法之间并非竞争和排他，而是让人有能力从多个角度观察法律世界，进而把问题看得更清楚。抓住 AI 的东风，进入其他学科、调用多元方法，在多棱镜中体会乐趣、发掘真知！

以上，共勉。

【作者简介】

彭錞，北京大学法学院长聘副教授。