哈维内幕：一位入行仅一年的法律助理如何打造硅谷最热门的创业公司之一

法律AI新贵Harvey：八个月估值飙升50亿美元的秘密

在硅谷众多科技概念中，法律人工智能或许算不上最性感的赛道，但初创公司Harvey的CEO温斯顿·温伯格却成功吸引了几乎所有顶级投资机构的关注。其投资方阵容堪称风险投资界的名人堂：OpenAI创业基金（首轮机构投资者）、红杉资本、凯鹏华盈、埃拉德·吉尔、谷歌风投、Coatue，最近还加入了安德森·霍洛维茨。

这家总部位于旧金山的公司估值呈现火箭式增长——从2025年2月的30亿美元跃升至6月的50亿美元，再到10月底突破80亿美元。这一方面反映出私募投资者对AI公司近乎狂热的估值逻辑，另一方面也印证了Harvey在征服大型律所和企业法务部门方面的实力。目前该公司已拥有覆盖63个国家的235家客户，包括美国前十强律所中的大半壁江山。截至今年8月，其年度经常性收入已突破1亿美元大关。

从律所助理到AI创业者的蜕变

在最新一期StrictlyVC深度对话中，温伯格分享了这段传奇历程。他透露几年前那个改变命运的夏天，如何通过一封冷邮件与萨姆·奥尔特曼结缘；为何坚信律师将成为AI技术的受益者而非牺牲品；以及Harvey如何攻克技术难关，构建真正支持多方协作的法律平台——让内部法务与外部利益相关方在遵守各国数据法规和道德准则的前提下安全沟通。

（以下对话经过精简编辑，完整内容请收听播客节目）

您最初在欧华律所担任初级律师时，是什么让您意识到AI能改变法律行业？

当时我的联合创始人兼室友在Meta工作，他向我展示了GPT-3模型。说实话，最初我主要用它来组织《龙与地下城》桌游。后来在欧华接手一宗房东-租户纠纷案时，由于对该领域完全不熟悉，我开始尝试用GPT-3处理案件。

我和加布·佩雷拉当时创新性地使用了思维链提示技术。我们针对加州租赁法规构建了超长提示链，从Reddit法律建议版块选取100个问题测试系统，然后将AI生成的问答交给三位租赁法律师盲审。结果显示，在100个样本中，有86个答案获得至少两位律师认可，他们认为无需修改即可直接发送给客户。那一刻我们意识到，这项技术足以颠覆整个行业。

后续发展如何？

我们向萨姆·奥尔特曼和OpenAI总法律顾问杰森·权发送了冷邮件。选择联系法务人员是因为他们能准确判断输出内容的质量。记得7月4日早上10点，我们与OpenAI高管团队进行了视频会议，那天正好是美国独立日。

他们当场决定投资了吗？

是的。OpenAI创业基金最终成为我们第二大投资者。他们引荐了天使投资人莎拉·郭和埃拉德·吉尔，之后的融资都是我们自己完成的。作为非科技圈出身、在旧金山毫无人脉的创业者，我对风投领域完全陌生，融资过程全是全新体验。

作为风投圈外人，您如何完成巨额融资？

或许有些投资人不爱听，但我坚信最佳融资策略就是确保公司业绩出色。虽然市面上充斥着各种人脉经营建议，但我认为创业者应该将绝大部分精力投入业务，然后寻找志同道合的投资伙伴。找到能长期并肩作战的伙伴后，99%的时间都应专注于业务发展。

公司8月实现1亿美元ARR，目前400名员工规模下何时能盈亏平衡？

我们的算力成本远高于其他开支。在60多个数据监管严格的国家开展业务时，即使客户数量不足以支撑成本，也必须在每个国家配置基础算力资源。德国和澳大利亚的数据处理法规尤其严苛，金融数据严禁出境。虽然我们在各国都建立了Azure或AWS实例，但有时仅服务三四个大客户。从单次使用成本看利润率不错，但前置算力投入拉低了整体利润。这个问题将随时间推移逐步解决。

全球市场拓展策略是什么？

今年初公司收入96%来自律所，4%来自企业客户。目前企业客户贡献率已达33%，预计年底将接近40%。初期我们通过分析PACER系统的诉讼简报，向撰写律师展示如何用Harvey反驳自己撰过的诉状，这种针对性演示效果显著。

有趣的是，律所客户开始主动帮我们向企业推荐。比如瑞生律所会向客户展示：“知道我们如何用AI处理XYZ业务吗？”这种律所协助开发企业客户的模式，源于他们希望在系统中实现协同作业。

构建法律界的“多方协作平台”

您提到的“多方协作”具体指什么？

这是行业核心难题。OpenAI和微软最近推出的共享线程和企业记忆功能，需要精确的权限管理才能让智能体访问合适系统，但这仅解决单一实体内部问题。

我们面临更复杂的挑战：如何让企业及其合作律所实现安全协作？既要处理内部权限，又要建立外部防火墙。法律行业存在“道德墙”概念——假设某硅谷律所同时为20家VC服务，若在红杉与凯鹏华盈的业务间发生数据泄露，将造成灾难性后果。我们必须构建完善的权限体系，任何疏漏都可能给行业带来毁灭性打击。

这个问题解决了吗？

正在推进中。我们优先确保安全和权限管理，首个大规模版本预计12月完成。优势在于现有企业客户已完成安全审核，为系统扩展奠定基础。

律师目前主要如何使用Harvey？

使用频率排序为：文书起草、法律研究（刚与律商联讯建立合作）、案件分析。分析指对10万份文档进行批量质询，类似尽调或证据开示场景。初期用户多从事并购和基金设立业务，现在诉讼领域增长迅猛，这得益于数据储备的完善。

回应质疑与未来规划

有批评称Harvey只是ChatGPT的包装器，您如何回应？

我们的长期优势在于两点：首先积累了海量工作流数据，能精准评估模型在法律场景的表现。建立 merger agreement等复杂文书的评估体系本身就是护城河。其次，产品正向强协作平台演进。法律行业存在服务提供方和消费方，需要连接双方的平台。目前尚未见到同类竞争者。

关于“包装器”批评——2023-2024年间，产品威力确实来自模型与前端的结合。但当用户需要在数万份文档、邮件和法律条文中进行精准检索时，我们正在构建的完整解决方案将展现真正价值。

商业模式是怎样的？

目前以席位制为主，随着工作流复杂化正转向效果定价。对于能保证人工级准确度的标准化服务采用效果定价，但大部分场景仍需律师参与。未来1-2年将继续推行律所与企业法务间的协同生产力套件，随着系统优化逐步增加按用量计费模式。不过完全自动化处理并购案还不现实，更适合在尽职调查等环节实现人机协作。

法律行业AI渗透率究竟多低？

全球约800-900万律师中使用Harvey的比例极低。更关键的是，系统能处理的业务复杂程度仍处于早期阶段。设想一宗法律费用达两三千万美元的并购案，最终产出不过是200页的协议文件。这类高价值场景的渗透率几乎为零，而实现精准处理的商业价值不可估量。

AI会如何影响初级律师的培养？

这是我最关注的问题。律所未来五到十年的核心目标是加速培养优秀合伙人。虽然现在律所仍依靠大量初级律师创收，但向效果定价转型的趋势下，最重要的是建立高效的人才培养体系。

如果能用AI完成并购案初稿审核，就等于为初级律师配备一对一导师。我们与多家法学院合作，未来完全可能通过Harvey进行模拟并购训练，系统实时反馈指导。这将成为革命性的教育平台。

估值八个月内从30亿跃升至80亿，后续融资计划如何？

近期暂无大规模融资计划。公司资金消耗率可控，今年融资主要是为需要大量算力的研究方向做准备。长期来看登陆公开市场是目标，但暂未设定具体时间表。