Relativity AI 是电子发现（ediscovery）和诉讼支持领域的全球领导者，其 RelativityOne SaaS 平台和 Relativity aiR 套件通过主动学习、预测编码和自动化文档审查帮助律所和企业法务处理海量电子证据。2025年推出 Relativity aiR for Review 等 AI 原生功能。

Relativity AI

核心参数与统计

Relativity 不是一家 AI 创业公司，而是电子发现领域的既有巨头将 AI 深度嵌入其已有平台。其核心产品 RelativityOne 是全球部署最广泛的电子发现 SaaS 平台，AI 是其增值能力而非全部。

项目	公开信息
官方定位	ediscovery & compliance platform
创立年份	2001（芝加哥）
创始人	Andrew Sieja
核心产品	RelativityOne（SaaS）、Relativity Server（自托管）、aiR（AI 套件）
用户规模	200,000+ 用户
服务对象	律所、企业法务、政府机构、合规调查团队
核心能力	文档处理、预测编码AI 审查、沟通可视化
部署方式	多云 SaaS（RelativityOne）、自托管（Server）
支持平台	Web、API、集成市场（Relativity App Market）

市场地位：Relativity 在电子发现领域的市场占有率远高于任何竞争对手。Gartner 等分析机构通常将 Relativity 列为电子发现市场的领导者。其平台的开源性（提供应用市场 SDK 和 REST API）使其形成了庞大的第三方集成生态。

用户与市场认可

Relativity 的市场认可度建立在电子发现领域的长期领导地位之上，而非纯 AI 能力。

用户基础：超过 200,000 用户，覆盖 Am Law 200 律所中的绝大多数，以及四大会计师事务所和 Global 1000 企业的法务部。Relativity 的认证社区（通过 RCAs、RCAAs 等认证）是全球电子发现领域最大的专业社区之一。

行业地位：Relativity 在每年的 Gartner 电子发现魔力象限中持续处于领导者象限。其年度用户大会 Relativity Fest 是电子发现领域最重要的行业活动之一。

AI 战略转型：2025年推出的 Relativity aiR 标志着公司从"平台提供商"向"AI 原生平台"的转型。aiR 将之前分散的主动学习、预测编码和通信可视化等 AI 能力统一打包为 aiR 套件。

成本优势

Relativity 的定价在电子发现领域属于中高端，但其市场主导地位使得成本结构具有规模效应。

• C 端/个人：无个人版，仅面向机构销售。
• 中大型律所：RelativityOne 按工作区（workspace）和存储量计费。典型的中型诉讼案件中，电子发现平台费用可能在 1-5 万美元范围。AI 功能（aiR、主动学习）通常作为增值模块另计费。
• 企业法务部：通常签订企业年度协议（ELA），按年度存储和用户池打包定价，可获得比案件级计费更经济的单价。

隐性成本：Relativity 的主要隐性成本在于人员和培训——平台功能深度高，需要经过认证的电子发现专家（通常持有 RCA 认证）进行操作。许多律所和企业会将 Relativity 的操作外包给专门的电子发现服务商。此外，数据上云（RelativityOne）的出口费用和数据迁移成本也需要纳入评估。

主要功能

Relativity 的能力横跨电子发现全生命周期，AI 是其核心增值层：

• Relativity aiR for Review（AI 审查）：利用 LLM 和主动学习自动对文档进行相关性分类。系统基于用户对样本文档的标记学习分类标准，然后将该标准应用于全部文档集。收益：将一审（first-pass review）的文档量减少 70-90%，显著降低人工审查成本。
• 主动学习（Active Learning）：持续学习型预测编码技术。律师标记一批种子文档后，系统主动选择"最有信息量"的文档请求标记，在最少迭代次数内达到目标精度。与传统"关键词 + 布尔搜索"相比，主动学习能发现律师不知道应当搜索的文档。
• 通信可视化（Communication Visualization）：分析电子邮件和即时通讯记录，自动构建沟通网络图和关键参与者交互模式。在内部调查和反垄断案件中极其重要。
• 概念聚类（Concept Clustering）：基于文档内容的语义相似度自动分组，帮助审查团队快速了解海量文档中的话题分布。
• 电子邮件线程分析：自动将相关邮件组织为对话线程，按最新邮件而非每封独立邮件进行审查，减少重复阅读。
• TAR（Technology-Assisted Review）协议支持：内置 TAR 工作流模板，支持满足美国联邦证据规则 502(d) 和 Sedona Conference 标准的可防御审查流程。

隐藏联动：Relativity 的真正竞争力在于"平台 + AI + 生态"的三角结构。平台提供统一的文档管理和审查工作流，AI 提升审查效率，应用市场（Apps）提供定制化扩展。三者结合意味着团队学习一次平台即可使用不断增长的 AI 和集成能力，而不需要为每个新工具单独做采购和安全评估。

模型与版本演进

相关信息未公开，以官方实时页面为准。

技术优势

主动学习的成熟度：Relativity 的主动学习（Active Learning）引擎经过数万起案件的实际验证，其算法在最小训练样本量下达到最高分类精度的能力经过了多轮对比测试。这是 Relativity 相比新进入者（如 Everlaw）最核心的技术优势。

多云弹性架构：RelativityOne 托管在 AWS 和 Microsoft Azure 多云之上，支持数据驻留要求（美国、欧洲、亚太地区的本地化数据存储）。对于跨国诉讼中的数据主权要求，这直接决定了平台的可采用性。

可防御的 AI 审查流程：Relativity 的工作流设计从一开始就考虑了美国联邦证据规则的可接受性——它包括详细的审查日志、标记历史、质量控制步骤和 TAR 协议模板，使法院和对方律师可以被说服相信 AI 辅助的审查过程是合理的（defensible）。这在诉讼中至关重要，因为不可防御的审查方法可能导致证据被排除或制裁。

API 与应用市场：Relativity 提供完整的 REST API 和开发工具包（kepler、EDD 等），以及官方的 App Market。律所和技术合作伙伴可以构建自定义集成和 AI 扩展，这对有内部开发能力的团队是重大优势。

如何使用

使用方式	适用场景
RelativityOne Web 界面	直接使用的全功能电子发现平台
Relativity Server 自托管	有严格数据驻留或安全要求的组织
电子发现服务商托管	外包操作，通过服务商访问 Relativity
API / SDK 集成	定制化工作流或自动化

典型使用步骤（电子发现案件）：

1. 创建案例工作区，上传电子存储信息（ESI）数据（邮件、文档、聊天记录等）。
2. 配置处理规则（去重OCR、元数据提取），系统自动处理原始数据。
3. 使用主动学习或 aiR Review 训练 AI 分类模型，标记样本文档为相关/不相关。
4. 将 AI 应用于全部文档集，优先审查系统高置信度标记的相关文档。
5. 导出最终证据集，准备证据索引和审阅日志。

产品定价

Relativity 的定价结构复杂，分为多个计费维度：

• RelativityOne（SaaS）：按工作区存储量（GB）和用户数计费。AI 功能（aiR、主动学习）通常作为独立模块按处理量另行计费。行业经验估计，典型诉讼案件的电子发现费用在 2-10 万美元区间，具体以 Relativity 和其合作伙伴的实际报价为准。
• Relativity Server（自托管）：按年度许可费 + 实例数计费，对存储量和用户数不设硬限制（受自有基础设施制约）。前期需要显著的技术基建和人员投入。
• 通过服务商获取：大多数中小律所通过电子发现服务商按项目使用 Relativity，账单由服务商合并，不直接与 Relativity 签约。

应用场景

• 大型诉讼电子发现：核心场景。在涉及数百万甚至上千万文档的复杂商业诉讼中，Relativity 的主动学习和 aiR 能力使审查团队能从海量数据中快速定位关键证据。收益：将一审审查时间从数月缩短到数周，审查成本降低 50-80%。
• 政府监管调查与合规审查：企业和银行应对监管机构（如 SEC、DOJ、FCA）的信息请求和调查。Relativity 的结构化工作流确保审查过程可审计、可复现，满足监管要求。
• 内部调查与员工行为审查：企业 HR 和合规部门对内部举报、不当行为或数据泄露事件进行调查。Relativity 的通信可视化可快速识别关键参与者和沟通模式。
• 跨境数据合规与隐私审查：在全球隐私法规（如 GDPR、CCPA）时代，企业需要在大规模数据集中识别个人身份信息（PII）并评估跨境数据传输合规性。Relativity 的搜索和分析能力可辅助此流程。

适用人群

• 电子发现团队与诉讼支持专家：Relativity 的核心用户。经过 RCA 等认证的专业人士是平台高效运行的关键。
• 大型律所的诉讼律师：代理复杂商业诉讼和集体诉讼的律师，需要处理海量电子证据。Relativity 的 AI 审查直接转化为案件成本和效率优势。
• 企业法务调查团队：内部调查和监管响应的法务专业人士，需要可防御的审查流程和完整的审计链。

不适配边界：Relativity 不太适合小型律所或简单案件的电子发现——其平台深度和成本结构在简单场景中过杀；不适合需要实时合同起草或谈判支持的场景（应当使用合同生命周期管理工具）；对于只需简单关键词搜索的极少量文档审查，Excel 或桌面级工具已经足够。

总结与展望

Relativity 的核心竞争力不在"最前沿的 AI"，而在"经过数万案件验证的 AI + 可防御的审查流程 + 庞大的用户和合作伙伴生态"。它不是最快采用最新 LLM 技术的平台，但当法律团队需要在法庭上辩护其电子发现方法时，Relativity 的认可度（来自法官、对方律师和监管机构）是其他新兴平台难以比拟的。

当前限制：AI 功能的定价结构复杂，预算预估困难；平台学习曲线陡峭，需要专业培训和认证；自托管版本的技术维护成本高；对新进入者（如 Everlaw）的市场份额压力持续增加。

采购与采用风险评估：对于已有 Relativity 投入的团队，新增 aiR 模块是提升审查效率的自然路径。对于新评估电子发现平台的团队，建议对比 RelativityOne 与 Everlaw 在易用性和费用透明度上的差异。企业协议谈判时需重点关注 AI 功能定价的透明度、数据出口费用、以及与现有电子发现服务商的分工界面。

Relativity AI 的版本演进

里程碑	时间	说明
Relativity 创立	2001	芝加哥，起初为电子发现服务商
Relativity Server 发布	2007	自托管电子发现平台，奠定市场地位
RelativityOne 发布	2017	SaaS 云版本，降低用户运维负担
Active Learning 引入	~2019	主动学习 TAR 能力整合
Relativity aiR 发布	2025	AI 原生审查能力统一为 aiR 套件

限制与不适配场景

该工具在以下场景中存在使用限制：

场景适配边界 需要高度行业专业知识的任务、对输出格式有严格规范的场景、需要零错误的自动化流程可能效果不达预期。AI 输出应作为初稿或辅助参考，最终结果需人工核验。

技术限制 上下文长度有限、复杂推理准确性可能不足、免费版有使用额度。建议在正式采用前通过试用验证核心场景的可用性。

版本信息

• Relativity aiR for Review ：推出 Relativity aiR for Review 等 AI 原生审查功能，将主动学习LLM 文档分析和自动化审查合并为统一 AI 套件。暂无官方精确日期。 （~2025）
• RelativityOne 2023 版 ：持续改进云平台性能，增强主动学习（Active Learning）和预测编码（Predictive Coding）能力。暂无官方精确日期。 （~2023）
• Relativity Server 2020 ：自托管版本的重大更新，改进性能和可扩展性，引入早期阶段的 AI 辅助审查功能。 （~2020）