2026年11月7日上午，由炜衡北京总所职务犯罪辩护部主办的“人工智能时代的司法证明与证据审查圆桌沙龙”成功举办。

北京网络行业协会信息安全应急中心主任、声像资料类（含电子数据）司法鉴定人高显嵩，吉林大学法学院教授谢登科，北京航空航天大学法学院教授、北航数字正义研究中心执行主任裴炜，南开大学法学院教授、博士生导师高通，中国社会科学院大学法学院副教授程捷，中国人民大学纪检监察学院副教授王燃，中国政法大学法学院副教授、兼职律师黄健，西南政法大学刑事侦查学院副教授、侦查学教研室主任王仲羊，北京交通大学法学院副教授马国洋，中国政法大学副教授刘译矾，炜衡律所创始人、党委书记、管委会主任张小炜，炜衡北京总所高级合伙人、职务犯罪部主任杨航远，炜衡北京总所高级合伙人、职务犯罪部副主任郑小英，炜衡北京总所合伙人、职务犯罪部秘书长孟凡娟，炜衡北京总所职务犯罪部副秘书长孙倩、杨婧等嘉宾，围绕AI电子数据审查、深度伪造证据识别、律师核验义务、AI证据资格与审查规则等议题展开分享。本次沙龙活动由杨航远律师牵头发起，王燃副教授担任主持人。

活动伊始，张小炜主任作开场致辞。他指出，人工智能正深刻影响证据的收集、整理与取得方式，学者们的前沿研究成果正是律师在一线办案中最急需的“弹药”。

高显嵩主任以一场极具技术色彩的分享开场。他现场演示了本地化部署的AI模型如何对电子卷宗进行OCR识别以及基于视觉模型的双重信息提取，精准计算哈希值并比对文件修改时间；手机扣押后仍有微信通讯、鉴定时间与卷宗目录矛盾、数据库重复统计等人工极易疏漏的疑点，均可由AI快速识别锁定。他还分享了一起借助服务器日志分析揭穿“制造管辖”的传销案：AI通过手机号与IP归属地分析，精准还原了报案人利用同一设备测试、下单、转移账号，刻意人为制造案件管辖连接点的全过程。他强调，律师使用AI必须重视数据安全，优先选择本地部署、功能单一的专用工具，避免因插件联网导致敏感信息泄露。

王燃副教授结合自身经历，分享了法律人技术进化的路径：从早期手工翻查Excel表格追踪资金流向，到借助资金分析软件进行数据清洗与数据穿透，再到使用对话式AI快速解析照片元数据、邮件表头，如今已进阶到“本地部署+大模型”阶段，自建法律法规检索知识库，自建各类数据分析skills。她指出，AI不是要取代法律人，而是让专业审查从烦琐的机械劳动中解放出来，使律师更专注于法律判断本身。

谢登科教授将目光投向深度伪造（Deepfake）技术的双重面孔。他剖析了两类深度伪造证据：一类是犯罪过程中同步形成的数字证据，如AI换声诈骗中用于实施诈骗的语音，在刑事追诉中作为证据材料具有真实性；另一类是诉讼欺诈型伪造，当事人或其代理人故意用AI生成虚假图片、音视频等证据，以欺骗裁判者，谋求有利裁判结果。后者严重冲击“眼见为实”的司法信任，带来“说谎者红利”，增加查证成本，并可能在证据链中形成虚假印证。

他提出，识别深度伪造证据可从AI水印、元数据识别、生活经验判断、AI检测工具和司法鉴定等方面展开，以此构建“技术识别—经验判断—专业鉴定”的多层次识别体系；治理上则应从事前预防、双重审查到程序性制裁全链条推进，包括AI生成内容标识制度、平台审核义务、行业标准与规范指引，以及证据不予采信、驳回诉讼请求、训诫罚款等程序性后果。

裴炜教授提出律师使用AI的“核验义务分层理论”。她指出，从国内“任某璐案”到英国Cork v Smith案，AI带来的虚假引用、系统性失灵风险事件已敲响警钟。律师的核验义务应分为三层：信息基础核实（法律依据、引文与关键事实是否真实准确）、支持关系核验（材料与命题之间是否具有支撑关系）、专业判断审查（法律解释与策略是否理由充分、结论可辩护）。她强调，核验强度不应是无限度的“最高标准”，而应是“事前客观标准+风险触发式加强审查”。基本核验核对法源、引文与关键事实；遇到程序期限、重大权利处分或决定性依据时触发风险审查；必要时增加交叉复核甚至停止采纳。

她还区分了“输出错误”与“义务违反”，指出AI错误不当然构成责任，责任判断需依据具体规范，逐项审查过错、损害后果、因果关系及程序要件。

律所应在资料供给、时间、工具配置、复核人员与范围、异议和暂停交付权限等方面提供组织保障。她呼吁律所建立内部合规机制，避免发生“用AI答复AI”的失灵情形，并将核验成本纳入AI部署的整体考量。

高通教授从政策与程序角度切入，将“AI证据”拆解为三个层次：AI输出的结果性意见（如智能分析报告、识别结果、预测溯源、数据合成）、输入AI的原始证据材料，以及AI模型本身（模型、版本、参数与运行环境）。他认为，AI证据具有“人工智能技术+原始证据材料”的复合型特征，现阶段并未超出现有法定证据形式的涵盖范围，不宜简单另立证据种类，而应回归分析方法本身，将技术运用过程作为审查对象。

在审查路径上，高通教授提出“层次性和过程性审查”思路：第一层是AI证据材料的确认性审查，类似证据鉴真，可通过形式筛查、实质验证、综合认定、专家辅助等方式；第二层审查其在诉讼中的证明作用，即证明“使用AI”这一事实或证明其他案件事实；第三层是作为定案依据的审查，需关注生成层（模型与版本、配置与阈值、提示词、运行环境）、加工层（原始数据、筛选、合成标注比对、操作日志）和决策层（机器意见与哪些证据相互印证、能证明到何种地步、能否排除其他合理解释）。

他还结合《最高人民法院关于依法审理涉人工智能纠纷案件的意见》第十八条，系统阐述了电子数据、大数据分析报告、区块链存证、AI生成内容作为侵权证据等不同类型证据的审查重点；同时提出了证据开示、证明责任分配以及证明标准应当坚持主客观相结合，不能简单将证明困难转由于相对方承担。

程捷教授直指当前侦查阶段AI应用的突出问题。他系统梳理了司法人工智能在侦查、审查起诉、审判阶段的潜在应用场景，包括挖掘犯罪线索、锁定嫌疑人、证据筛查、专门性鉴定、人身危险性评估、数字化阅卷、类案检索、量刑建议、语音比对、情绪识别与概率分析等。

AI证据具有复杂关联性、推断性与意见性、事实感知拟人性、数据驱动性等特征，产生误差的原因包括“算法捷径”、对抗性攻击、AI对自身误判缺乏认知、决断规则难以理解、人类思维偏见以及训练数据偏置。

程捷认为，刑事诉讼法缺乏授权司法机关使用AI工具的明确依据，一般侦查条款、搜查查封条款、鉴定条款和技术性侦查条款均不能当然覆盖AI分析行为；应区分数据取得权、数据检视权与数据关联分析权，后者对基本权干预更为严重，需单独、明确、具体且符合比例原则的立法授权。

在审判中，法院应依据客观义务、澄清义务、逻辑法则与经验法则、印证规则、最佳证据规则审查AI结论，重点审查AI工具适合性与结论正确性概率。AI结论本质上是一种高盖然性的推断，而非确定性判断，只能作为间接证据，不能替代法官自由心证。若检验方法可靠性与结论正确性概率按当前科学水平无法确定，则该证据方法就不具备证据能力。

黄健副教授通过中美案例对比，揭示了AI生成证据在实务中的困境。美国State of Washington v. Joshua Puloka案中，辩方用Topaz Labs AI对低分辨率监控视频进行增强，主张正当防卫，但控方专家指出AI增强改变了原始视频内容，添加原视频并不具备的信息，且算法不透明、无法复述生成过程，法院最终排除该AI增强视频。黄健指出，我国实践中模糊视频的AI锐化同样面临“增加像素是否算篡改”的质证难题。

他还介绍了美国宾夕法尼亚州Spone深度伪造案。警方仅凭肉眼认定相关图像、视频为Deepfake，但随着程序推进，检察官因缺乏充分证据证明图像系伪造而撤销“网络骚扰”指控，提示应警惕指控方的“说谎者红利”与辩护方鉴定负担增加。

黄健还梳理了美国拟议Rule 707对AI生成意见的可采性要求，以及我国实践中“情况说明——线索来源、到案经过”与“专门性问题报告——准鉴定意见”的定位差异。他指出，若将AI生成意见视为专门性问题报告，律师又难以参照鉴定意见的审查要点进行质证，呼唤更精细的证据规则回应。

王仲羊副教授聚焦算法解释问题。他从卢米斯案（State v. Loomis）中COMPAS累犯风险评估算法引发的正当程序与质证权争议切入，指出企业常以商业秘密为由拒绝披露模型、特征权重与计算逻辑。我国《中华人民共和国个人信息保护法》第二十四条规定，通过自动化决策方式作出对个人权益有重大影响的决定，个人有权要求说明并有权拒绝仅通过自动化决策方式作出决定，刑事诉讼并不当然排除算法解释权的适用。

王仲羊副教授将AI证据中的算法解释权界定为：如果算法决策对相对人产生不利影响，犯罪嫌疑人、被告人及其辩护律师、被害人等可申请启动算法解释程序，要求公安司法机关提供具体算法决策中的相关信息并寻求救济，其功能包括知情、理解与救济。他归纳出三条实现路径：权利路径、程序路径和证据路径。针对算法解释与商业秘密的冲突，他提出优先选择替代性解释技术、签订保密协议、封存庭审记录、算法登记制度、提前约定知识产权归属等调和方案，并强调算法取证目前缺乏明确的程序授权，合法性与可解释性应成为后续制度规范的重点方向。

马国洋副教授系统阐述了人工智能证据的审查框架。他从机器学习的技术基础出发，指出AI证据是基于人工智能技术分析形成的、可用于证明案件事实的机器意见，具有“机器决定性”与“机器生成性”。

在审查维度上，他主张从相关性、可靠性、合法性三个维度展开。一是相关性审查包括技术相关性、数据相关性与结论相关性，应遵循“适当”标准，坚持最低程度相关性原则，将“机器经验”差异留给可靠性阶段处理。二是可靠性审查包括技术可靠性、可检验性、同行评议、错误率、普遍接受度与结论可解释性。可解释性不足属于“相对可靠性不足”，出示方应提供符合人类因果逻辑的合理解释，专家无法合理解释的“纯黑箱”结论不宜作为定案依据。三是合法性审查则聚焦算法歧视侵犯平等权、数据使用侵犯隐私权等情形，可探索绝对排除与裁量排除的双重模式。

他还强调专家诉讼参与人的作用，包括算法设计师、数据标注师、机器学习专家与专家辅助人，通过源代码审查、同行评议、错误率动态验证、数据与偏见分析、因果性转化与可视化解释，弥补法官在专业技术领域的知识盲区；同时完善证据开示与庭审质证机制，在商业秘密保护与质证权保障之间寻求平衡。

马国洋最后强调，不具备可解释性的证据应谨慎入庭，法官不应将事实认定权让渡给机器。

刘译矾副教授聚焦刑事辩护权的数字化转型展开分享。她指出，AI不仅冲击证据领域，还延伸至量刑辅助、社会危险性评估等诉讼环节；辩护的对抗对象，也应从办案机关拓展至算法模型与数据溯源过程。律师的权利行使也需从“阅卷权”迈向“数据访问权”，有权要求办案机关说明数据来源以及算法逻辑合理性。同时，她梳理了律师使用AI的五大职业伦理风险：输出失真、信息泄露、专业判断弱化、知识产权纠纷、算法偏差。她呼吁律所建立分级审核机制，律师协会出台操作指引，让技术真正服务于当事人的合法权益。

杨航远律师评价本次研讨会，是他近年来参加过的“技术浓度最高、干货最足”的一次业务沙龙。杨航远律师结合自身办案经验指出，职务犯罪、金融犯罪案件早已离不开电子数据审查，而技术工具的使用恰恰是不少律师的短板。他特别提及，本次沙龙的筹备本身就是“AI赋能律所管理”的一次实践预演：从一个月前方案策划时用AI生成会议流程初稿，到视频组用AI工具调试灯光和机位，再到会前全流程模拟推演，各个细节都彰显了炜衡律所“专业且有温度”的办会理念。而各位学者的分享，也让律师们形成共识：AI不是遥远的学术概念，而是明天开庭即可投入使用的“弹药”。

晚宴交流环节，郑小英律师、孟凡娟律师围绕在人工智能时代办理刑事案件中遇到的难题，与各位理论界专家学者继续深入交流探讨。

本次沙龙活动，理论研究与司法实务激烈碰撞，成果丰硕，带给在场法律从业者深刻启发：AI既是提升阅卷效率、发现隐蔽违法线索的利器，也是一把可能冲击司法真实、触碰职业底线的双刃剑。唯有将技术工具与法律思维深度融合，依托程序划定责任边界，方能在智能时代既借力AI浪潮，同时又坚守法律从业者的专业锚点。与会者纷纷表示，将本次研讨会的所学所思内化为后续办案的实战能力，共同迎接法律科技的新浪潮。

未来，炜衡也将持续关注法律科技前沿议题，搭建多样化交流研讨平台，积极探索人工智能赋能高质效办案的可行路径，以专业力量助力智能时代司法提质增效。