過去兩年，愈來愈多律師行開始用 AI 幫手做合約比對、案例搜尋同文件草擬。但每次講到部署，就會遇到同一個問題：資料到底放喺邊？
雲端 AI（叫 API / SaaS 服務）同本地 AI（喺自己電腦 server 行模型）係兩條好唔同嘅路。冇一個方案適合所有人，但只要你清楚自己嘅優先次序，好快就知應該點揀。
以下係四個最關鍵嘅比較維度。
| 比較維度 | 本地 AI | 雲端 AI |
|---|---|---|
| 私隱 | 資料唔離開你部機。模型喺你自己嘅 hardware 上運算，就算斷咗網絡線都可以照行。任何第三方（包括我哋）都接觸唔到你嘅客戶檔案。 | 你嘅 prompt 同檔案需要上傳到 AI 提供者嘅伺服器。即使 provider 話唔會用你嘅 data 做 training，傳輸途中同儲存嗰陣仍然有暴露風險。部分 provider 會用你嘅 data 改善模型，條款要逐份睇。 |
| 成本 | 一次性硬件投資（視乎模型大小，幾千到幾萬蚊），之後只有電費。如果用量高，一年就可以回本。多人共用同一部機嘅話邊際成本接近零。 | 月費或按用量收費（per-seat / per-token）。初期成本低，但用量愈高條數愈大。長期計，若果每日都有大量 query，月費好快超過買機嘅一次性成本。 |
| 性能 | 取決於你部機嘅 GPU 或統一記憶體。主流 consumer hardware 行到 7B–32B 模型，反應速度理想。但要行 70B+ 或多模態模型（圖像理解、語音）就要高階硬件（多卡、DGX Spark 級數）。 | Provider 用最新嘅大模型（Claude 4 / GPT‑5 / Gemini 2），能力最強、支援多模態。唔需要自己管理硬件或更新版本，永遠用最新嗰個 model。 |
| 合規 | 最容易滿足資料保護要求（PDPO、GDPR）。資料冇離開過香港、冇離開過你部機，唔需要同任何 provider 簽 DPA。適合處理法律專業保密特權（LPP）嘅資料。 | 必須確保 provider 嘅資料處理條款符合你嘅合規要求。如果 provider 嘅 server 喺境外，可能需要簽 DPA（Data Processing Agreement）或做 transfer impact assessment。部分監管機構對跨境資料傳輸有額外限制。 |
幾時應該揀本地 AI？
如果你有以下情況，本地部署係更穩陣嘅選擇：
- 處理敏感客戶資料——涉及法律專業保密特權（LPP）、商業機密、訴訟策略呢類資料，唔適合離開你嘅環境。
- 合規要求嚴格——客戶係上市公司、金融機構或者政府部門，對方嘅合約條款可能要求資料唔可以上任何雲端。
- 長期用量穩定——你每日都有固定數量嘅文件要處理，唔係間中先用。一次性買機嘅成本攤分落去一定低過月費。
- 需要離線可用——會出入 security 較高嘅場所（法庭、監獄、政府大樓），或者你 simply 唔想依賴互聯網嘅穩定性。
幾時雲端反而更好？
以下情況用雲端 API 更實際：
- 需要最大最強嘅模型——你嘅任務需要 70B+ 級別嘅推理能力（例如複雜案例推理），而你嘅硬件行唔到。
- 處理嘅資料唔敏感——你分析嘅係公開案例、法規條文呢類本身已經公開嘅資訊，唔涉及客戶私隱。
- 用量波動大——有時一日用幾百次，有時成個月唔用。雲端按量收費，唔需要用嗰陣零成本。
- 想快速試 Proof of Concept——註冊一個 API key 五分鐘就用到，唔需要買機、裝 driver、揀模型。啱晒試 concept 嘅階段。
混合方案：兩者並存
本地行小模型處理敏感資料，雲端行大模型處理非敏感任務
好多律師行最後揀嘅方案係 Hybrid：一部 local server 行 14B–32B 模型處理敏感文件（合約比對、客戶檔案），同時保留一個 cloud API 連接行 70B+ 模型做公開案例搜尋同法規分析。兩者嘅 interface 可以統一，使用者甚至唔會察覺背後係兩套唔同嘅 infrastructure。
呢個做法嘅好處係：敏感資料永遠留喺自己環境，非敏感任務可以享受最新模型嘅能力。成本上亦最靈活——local server cover 日常用量，cloud API 只喺需要大模型嗰陣先畀錢。
咁到底應該點揀？
縮短成一句：資料敏感、用量穩定 → 本地；資料公開、用量浮動 → 雲端；兩者兼有 → Hybrid。
唔少律師行由一個簡單嘅本地 prototype 開始（一部 Mac Mini / PC 行 14B model 做合約比對），逐步擴展。初期投資唔大，但足夠你親身體驗本地 AI 嘅好處同限制，再決定下一步。
如果你煩惱緊應該行邊條路，可以直接問我。免費，唔使預約。