夜雨聆风什么是 Harvey
Harvey 是一个专为法律行业设计的 AI 平台，由 Gabe Pereira（前 Meta 大语言模型团队成员）和 Winston Chen（前 O‘Melveny 反垄断与证券诉讼律师）于 3 年前共同创立。Harvey 在 3 年内融资约 10 亿美元，成为法律 AI 领域增长最快的公司，目前服务全球 1500+ 法律机构部署。
核心定位
Harvey 不是通用 AI 助手，而是法律行业的垂直 AI 平台 — 它理解法律工作流、法律推理、法律行业的复杂性，并与 OpenAI 深度合作，获得 GPT-4 早期访问权，专门针对法律场景优化模型能力。
Harvey 能做什么？核心功能与应用场景
1. 个人律师生产力工具
适用场景：
合同起草与审阅
法律研究与案例检索
文书生成（诉状、备忘录、法律意见书）
NDA 等标准化文件处理
尽职调查（Due Diligence）文档分析
实际应用案例：
大型企业 SaaS 公司案例 — 客户有 700 万份主服务协议，每份都有通胀条款，但从未提取并录入会计系统，导致每年损失数亿美元。用 Harvey 批量提取通胀条款，解决了人工审阅成本过高的问题。
诉讼场景 — 律师在诉讼中永远有更多邮件要读、更多案例要研究，Harvey 帮助在固定预算内提供更高质量的法律服务。
工作方式：
律师可以直接问 Harvey:“为什么你这样起草这份条款？这类文件通常怎么组织结构？”
Harvey 不仅生成内容，还能解释法律推理，帮助初级律师学习。
2. 法律团队协作与流程管理
适用场景：
律所内部多个业务组的协作
企业法务部门与外部律所的协作
客户事项的全生命周期管理
项目的方案展示、执行、计费优化
核心价值：Harvey 不仅提高单个律师的效率，更重要的是优化整个法律团队和律所的运营效率与盈利能力。
实际应用：
律所端 — 管理 10,000+ 客户、每个客户多个事项，Harvey 帮助律所优化：
新业务方案展示的结构化（利用历史数据）
客户事项组合的吞吐量优化
计费优化
律所内部培训与知识管理
企业法务端（如 Walmart） — 部署数千个 AI agent 不会自动解决企业法务部门的问题，核心是流程管理：
企业法务与外部律所的安全、高效协作
合同管理与审批流程
法律风险的实时监控
3. 企业法务与律所的协作桥梁
核心痛点：
企业法务希望律所用 AI 后降低收费
律所认为 AI 提高了部分环节效率，但整体工作复杂度未降低（仍需审阅、判断）
Harvey 的解决方案：按业务领域重新设计协作方式，例如：
- 私募基金组建 — 传统上律所从头到尾负责，Harvey 帮助拆解流程，让企业法务承担部分标准化工作，律所专注高价值审阅与战略建议，既降低企业成本，又保持律所盈利。
4. 法学院与律所的人才培养
合作院校： Stanford、Oxford、UCLA 等顶尖法学院
核心理念：
AI 不会让初级律师失去学习机会，反而会加速学习
类比编程：过去学一门语言很痛苦，现在 AI 可以翻译多种语言、生成代码、解释逻辑，学习效率指数级提升
具体应用：
- 合成数据室— 用律所几十年的历史工作（初级律师的草稿 + 合伙人的详细反馈）生成教育材料，让新律师在虚拟客户事项中练习、获得反馈，替代被 AI 取代的低价值工作。
Harvey 的技术架构与差异化优势
1. 垂直领域深度 vs 通用 AI
为什么 OpenAI、Anthropic 不是直接竞争对手？
“CRM 本质上是客户数据库，但 Google 做数据库，为什么没做出 Salesforce？因为 Salesforce 是一个让你运营整个销售团队的平台，有大量业务逻辑和企业级功能。”
Harvey 的长期目标不是“让 AI 更懂法律”，而是成为法律行业的操作系统 — 像 Salesforce 之于销售、ServiceNow 之于 IT,Harvey 要成为律所和企业法务的核心平台，连接：
客户数据
事项管理
计费系统
知识库
伦理墙
合规与审计
2. 同行对标与智能推荐
Command Center 产品（管理层工具）:
让律所创新主管看到自己的 AI 采用率在全球 1500+ 部署中的位置
智能推荐：同行已启用但你还没开的功能
对话式分析：用自然语言问“为什么某个业务组采用率下降”，几分钟生成报告
这是平台规模优势 — 单一律所无法获得行业基准数据。
3. 数据飞轮
越多客户用 Harvey,Harvey 对“什么功能有效、什么场景卡住”的理解越深
律所的历史工作（沉淀下来的资料和经验）可以训练更好的 AI，也可以生成教育材料
这是 Harvey 的护城河 — 通用模型公司无法获得这种领域专用数据
律师的工作会如何改变？
初级律师
不会失业，但工作内容会升级：
过去：手工起草、检索案例、整理文档
未来：像合伙人一样工作 — 委派任务给 AI agent，做高层次审阅与战略判断
类比： 过去要走到图书馆翻书，现在用案例检索工具。未来用 Harvey，工作会更接近合伙人的角色。
关键： 必须学会用 AI，就像今天不会用电脑和互联网的人无法被雇佣。
合伙人
工作本质不变，但杠杆率大幅提升：
核心价值仍然是：客户关系、战略建议、高层次审阅
AI 让合伙人能管理更多事项、提供更高质量服务，因此最优秀的合伙人会更值钱
历史类比：
个人电脑和互联网发明后，有人预测律师会减少（因为效率提高了）
实际结果：律师数量指数级增长，因为法律服务需求也在增长
律所管理合伙人
过去 20 年的任务： 如何用个人电脑和互联网扩大律所规模、差异化竞争
未来 20 年的任务： 如何用 AI 扩大律所规模、差异化竞争
工作本质不变： 帮客户解决问题，技术只是工具。
计费模式会改变吗？
为什么按小时计费很难被取代？
工作复杂度高 — 大型交易、复杂诉讼在开始前很难预测成本和价值
业务领域多样 — 基金组建、M&A、诉讼等高度专业化，按小时计费是唯一通用的模式
行业标准化 — 所有计费软件、基础设施都围绕按小时计费构建，改变需要时间
AI 会带来什么变化？
混合计费模式 — 高频低复杂度工作（如 NDA、尽职调查、侵权诉讼的部分环节）可能转向固定费用
计费优化 — AI 帮助律所减少 write-off、对齐外部法律顾问指南，在现有模式下提高盈利能力
长期： AI 会更好地预测工作时长，但完全转向固定费用仍然很难
关键洞察：
“如果你能在 10% 的时间内完成工作，应该收更多还是更少？这取决于工作类型、律所、客户。法律服务的价值不在于时间，而在于结果 — 比如合伙人发现一个可能毁掉整个交易的风险点，这才是真正的价值。”
法律行业会有更多还是更少的律师？
会有更多律师
理由：
历史类比 — 个人电脑和互联网发明后，律师数量指数级增长（2000-2024 数据）
未满足的法律需求巨大 — 70% 需要法律支持的个人无法负担；大型企业也有大量低效（如前面 700 万份合同的案例）
技能上限理论 — 某些工作（如自动驾驶）有上限，AI 达到后就能完全替代人；但法律和编程没有上限 — 总有人发明新的法律理论、新的编程语言，AI 只是让优秀的人更有杠杆率
结论： 最优秀的律师会更值钱，因为他们能用 AI 做更多事、提供更多价值。
如何开始使用 Harvey?
客户类型
大型律所 — 全球前 100 律所中的多数已是客户
企业法务部门 — 如 Walmart、PWC、Dentsu 等
法院系统 — 如新加坡法院
法学院 — Stanford、Oxford、UCLA 等
成功案例的共同点
Allen & Overy（首个客户）:
CIO David Wakeling 在 3 年前就看到了 AI 的潜力
快速从试点转向企业级部署，并公开发布新闻稿（当时律所很少这样做）
这给了 Harvey 信心，也帮助 Harvey 获得其他大型律所的信任
关键： 需要律所高层（创新主管、法律运营负责人）有远见和决心，愿意承担风险。
Harvey 与其他法律 AI 工具的区别
不只是“AI 助手”
个人助手 — 只是 Harvey 的一部分功能
平台级能力 — 律所运营管理、企业法务流程、律所与客户协作、人才培养
不只是“提高效率”
短期： 节省时间（每月约30-40 小时）
长期： 重新定义律所的商业模式、客户协作方式、人才培养路径
不只是“技术产品”
行业理解 — 联合创始人 Winston 是执业律师，深度理解法律行业
生态系统 — 与 OpenAI、顶尖律所、法学院、企业法务深度合作
社会使命 — 长期目标是提高司法公正性，让更多人获得高质量法律服务
Harvey 做得好但中国可以做得更好的地方
1. 中国特色的法律体系适配
Harvey 的局限：
主要服务英美法系，重案例检索和先例推理
对大陆法系（成文法）的支持较弱
我们的情况：
法条 + 司法解释 + 指导案例 + 地方细则的多层次法律体系
行政法规、部门规章的频繁更新和地域差异
政策文件（如“两高”司法解释、证监会窗口指导）对实务的巨大影响
具体改进：
建立动态法规知识图谱 — 不仅是法条检索，还要理解法条之间的效力层级、新旧法冲突、地域适用范围
政策风向感知 — 监控最高法、最高检、证监会、银保监会等部门的政策动态，提前预警法律风险
地方实务差异 — 同样的合同条款，在北京、上海、深圳的司法实践可能完全不同，AI 要能给出地域化建议
2. 企业法务的真实痛点 — 不只是“起草合同”
Harvey 的定位：
- 主要服务大型律所和跨国企业法务，聚焦高端复杂业务
中国企业法务的实际需求：
合规压力巨大 — 反垄断、数据安全、个人信息保护、反腐败、ESG，每个都是雷区
业务节奏快 — 互联网、新能源、先进制造等行业，法律要跟上业务速度，不能等律所慢慢研究
成本敏感 — 中小企业法务团队小、预算紧，买不起 Harvey 这种高端产品
具体改进：
合规自动化 — 不只是“帮我起草一份隐私政策”，而是“扫描我们的产品和业务流程，告诉我哪里不合规、风险有多大、怎么改”
业务嵌入式法律支持 — 在钉钉、飞书、企业微信里直接调用，产品经理写 PRD 时就能问“这个功能有没有法律风险”，不用等法务审
分层定价 — 大企业买平台，中小企业按需付费，个体户和小微企业有免费基础版（做大市场规模）
3. 诉讼与仲裁的全流程支持
Harvey 的短板：
- 主要服务非诉业务（合同、M&A、合规），诉讼支持较弱
中国的机会：
诉讼量大 — 中国每年新收案件 3000 万+，大量重复性诉讼（如金融借贷、劳动争议、知识产权侵权）
电子诉讼普及 — 最高法推“智慧法院”，很多法院已经支持在线立案、在线庭审、电子送达
具体改进：
诉讼策略 AI — 输入案情，AI 分析胜诉概率、类似案例判决结果、最优诉讼策略（如管辖地选择、证据链构建）
文书自动生成 — 起诉状、答辩状、代理词、质证意见，根据案情和证据自动生成，律师只需审阅修改
庭审辅助 — 实时转录庭审记录，提示律师关键争议点、对方逻辑漏洞、可引用的法条和案例
执行辅助 — 胜诉后如何执行？AI 帮你查被执行人财产线索、制定执行方案
4. 中小律所和个人律师的赋能
Harvey 的客户：
- 全球前 100 大律所，客单价高，不服务中小律所
中国的现实：
律所分化严重 — 红圈所 vs 地方中小所，能力和资源差距巨大
个人执业律师多 — 很多律师单打独斗或小团队作战，没有大所的知识库和培训体系
具体改进：
知识平权 — 让小律所和个人律师也能用上大所级别的 AI 工具，缩小能力差距
案源匹配 — AI 根据律师专长和历史案例，匹配合适的客户（类似法律界的“滴滴打车”）
协作网络 — 复杂案件需要跨专业协作（如并购 + 税务 + 劳动法），AI 帮律师找到合适的合作伙伴
二、Harvey 没做但我们应该做的地方
1. C 端法律服务 — 让普通人也能用得起
- Harvey明确放弃 C 端，只做 B 端（律所和企业法务）
司法公正的社会需求 — 70% 需要法律帮助的人负担不起律师费
高频法律场景 — 离婚、劳动纠纷、交通事故、房产纠纷、消费者维权，每年数千万案件
移动互联网普及 — 微信、支付宝的用户基数，可以快速触达 C 端用户
具体产品形态：
法律咨询机器人 — 微信小程序，免费回答常见法律问题，复杂问题推荐律师
智能合同生成 — 租房合同、劳动合同、借款协议，用户填表单，AI 生成合规合同
诉讼成本计算器 — 输入案情，AI 估算诉讼费、律师费、时间成本、胜诉概率，帮用户决策是否起诉
法律文书 DIY — 起诉状、离婚协议书等，AI 辅助生成，用户自己去法院立案（省律师费）
商业模式：
基础服务免费（做流量）
增值服务收费（如律师咨询、文书审核、诉讼代理）
律师导流抽佣
2. 法律数据的深度挖掘与预测
Harvey 的能力：
- 主要是“生成式 AI”（起草、审阅、检索），对数据的分析和预测较弱
我们的情况：
裁判文书公开 — 中国裁判文书网是全球最大的法律数据库
企业信用数据 — 天眼查、企查查等，有海量企业工商、诉讼、处罚数据
具体应用：
诉讼风险预测 — 输入交易对手，AI 分析其历史诉讼记录、败诉率、执行情况，评估合作风险
法官画像 — 分析某个法官的历史判决，预测其裁判倾向
行业合规趋势 — 分析某个行业的行政处罚案例，预测监管重点和趋势，帮企业提前合规
法律政策影响评估 — 新法规出台后，AI 分析对哪些行业、哪些企业影响最大，提前预警
3. 法律 + 业务的深度融合
Harvey 的定位：
- 法律工具，服务法律专业人士
我们的情况：
- 业务人员也需要法律支持 — 产品经理、销售、HR、财务，都会遇到法律问题，但不会每次都找法务
具体产品形态：
合同审批流 — 销售签合同前，AI 自动审查风险条款，低风险直接通过，高风险转人工审核
HR 合规助手 — 辞退员工前，AI 分析劳动合同、考勤记录、绩效评估，给出合规建议和补偿方案
产品合规检查 — 产品上线前，AI 扫描功能设计，识别隐私、数据安全、广告法等合规风险
投资尽调助手 — 投资经理看项目，AI 自动生成法律尽调清单、识别红线问题（如实控人涉诉、股权代持等）
三、要避开的坑
1. 不要只做“翻译” — 把英文产品翻译成中文
Harvey 的产品逻辑是为英美法系设计的，直接翻译到中国会水土不服。要从中国法律实务的真实痛点出发，重新设计产品。
2. 不要迷信“大模型万能”
大模型很强，但法律是高风险领域，AI 给错建议可能导致巨大损失。要在关键环节保留人工审核，或者用“AI 辅助 + 人工决策”的混合模式。
3. 不要忽视数据安全和合规
法律数据高度敏感（商业秘密、个人隐私、国家秘密），必须做好数据隔离、权限管理、审计日志。否则一旦泄露，公司可能直接完蛋。
4. 不要低估行业壁垒
法律是强监管行业，很多业务需要牌照（如法律咨询、诉讼代理）。要么自己拿牌照，要么与持牌机构合作，不能野蛮生长。
给法律从业者的建议
1. 主动学习，不要等待
就像今天不会用电脑和互联网的人无法被雇佣，未来不会用 AI 的律师也会被淘汰。但如果你学会用 AI，工作会更有趣、更有价值。
2. 关注高价值工作
AI 会取代低价值的重复性工作，但客户关系、战略判断、风险识别这些高价值工作仍然需要人。把时间投入到 AI 无法替代的能力上。
3. 先把 AI 当作学习工具
不要直接就把 AI 当作“生成内容的工具”，而要问它“为什么这样做？通常怎么处理？”— 这会加速你的学习，让你更快成长为高级律师。
4. 参与行业变革
如果你在律所或企业法务部门，主动推动 AI 的采用和优化。这不仅是技术问题，更是战略问题 — 早期采用者会获得竞争优势。
5. 保持长期视角
AI 不会在近几年内完全改变法律行业的商业模式，但会在 10-20 年内深刻重塑这个行业。保持学习、保持开放，你会在这个变革中找到更大的机会。
核心结论：
Harvey 不是要取代律师，而是要让律师更强大。它是法律行业的操作系统，帮助律所和企业法务提高效率、优化流程、培养人才、重新定义客户协作。对于法律从业者来说，现在是学习和适应的最佳时机 — 那些主动拥抱 AI 的人，会在未来的法律行业中更有价值。
