估值80亿美金，Harvey CEO 详解产品战略
三年时间，一位前律师创办了 Harvey AI，一个专为法律行业构建的 AI 平台。今天，它客户仅 700 家，年收入却已超过 1 亿美元，估值 80 亿，直追 Cohere等许多基础模型公司。
这不是 AI 套壳加对话框的故事，而是一个应用层 AI 公司如何在最难落地的专业服务行业，用系统化打法建立护城河。
Harvey CEO Winston Weinberg 说：
他用上下文完整、多人协作、任务导向这些关键词，完整阐释了 Harvey 的产品战略。这不是媒体口中的法律助手或垂直 GPT，而是一整套以任务为单位、以协作为中枢的 AI 协作平台。
在这次访谈中，他重点解答了三个问题：
为什么不从小客户开始？ 为什么要用真案子冷启动？ 如何从演示工具进化成协作系统？
接下来，我们逐一拆解。
Harvey 为什么要从最难的客户开始？
Harvey 的起点，并不轻松。
它不是从单点功能起步，不是从做一个律所用的小助手开始。而是反着来，一上来就切入全球最难服务的一批客户：美国顶级律所。
CEO Winston Weinberg 回忆，当他们决定直接去谈 Latham、A&O Shearman 这些全球大律所时，很多投资人都劝他们别这么干，客户太复杂、流程太长、需求太重，创业公司扛不住。
但他坚持了：
“我不认为躲在硅谷实验室里把产品做完，推出来行业就会接受。更重要的是，你得和行业建立合作伙伴关系。”
不是把产品推给客户，而是和客户一起把产品做出来。
Harvey 从第一天起就把律所拉进来做设计合伙人，不是给产品提建议，而是一边用，一边决定产品该怎么做。
为什么这么做？Weinberg 的逻辑是：
在法律这个行业，精准、安全、可审计，是客户的硬性标准。Harvey 为此做了件在很多 AI 公司看来很不划算的事：他们的安全团队在工程团队中的占比，远超一般 AI 公司。
这个决定直接影响了他们的路线图。不是先做个模型界面看看效果，而是直接从系统层设计整套交付逻辑：
什么任务适合自动评估 什么场景必须人在回路 如何确保上下文完整 如何把不同问题导向对应的功能模块
这也解释了为什么 Harvey 的 AI 不是以对话作为主界面，而是以任务导向作为核心。
举个例子：当你在 Harvey 中输入一个合并控制问题，它不会让你去点菜单、选功能，而是自动回应：你是这个意思吗？要不要比对双方财务数据？这些我们已经搭好流程了，你点按钮就行。
而这套路径，从第一步起，就选了最难的客户，
也逼得他们必须把产品做成能落地的系统，而不是能展示的功能。
用真案子演示，赢得第一批信任
Harvey 是怎么打进这些大律所的？
不是靠拍脑袋定价，不是靠 PPT 演示功能列表，而是直接让产品分析你的案子。
他们早期常做一件看起来很笨的事：路演时拿对方律师自己做过的案子，当场用 Harvey 分析。
比如一位诉讼律师曾提交过某个论点，Harvey 会反问：这份论点有什么漏洞？如果你是对方律师，会怎么反驳？
Weinberg 说：
“你让一个律师看到自己的论点可能站不住，他就不会走神了。他会认真看，因为他想证明你错了。但如果你对了，他就会特别关注。”
这种做法效率不高，但一旦打动客户，就直接变成了他眼前这份文件的解决方案。
Harvey 很早就开始把这种一对一演示方法产品化了。
他们为不同律所预先搭建工作流，不是功能模块，而是一次完整的任务流程，包括上传数据、问题列表、文档结构、自动生成初稿、法律引用等。
这样一来，客户只需点一个按钮，就能看到自己熟悉场景下的真实输出，无需 prompt、无需培训、不用研究接口怎么操作。
Weinberg 提到一个有趣的现象。
很多企业客户看到律所在用 Harvey 后，不是来问 Harvey 能做什么，而是直接问自己的律所：你们是怎么用 AI 的？你们能不能帮我也搭一个？
于是，律所干脆把自己做好的工作流打包，部署到客户账号里。
比如：
一家私募基金登录 Harvey，会看到律所为其定制的基金组建模板； 一家电信公司登录，会直接进入合规审核流程的入口。
说白了就是：你在客户还没问之前，就把答案放在他们桌上了。
企业客户不用培训、不用写提示词，直接用律所搭好的系统，一键完成业务流程。
Harvey 的增长靠的不是功能列表，而是一个个真实案例。
不是一个工具，而是你工作的新入口
当 Harvey 被越来越多律师用起来，Weinberg 很快发现：
“如果你只是帮他写个初稿，客户用几次就没感觉了。但要是能帮他真正把一件复杂的工作完成一半，甚至三分之二，那才是让他离不开的入口。”
如果一个用户只用一个功能，我们的日活月活比（DAU/MAU）可能只有 15%。但如果他用三个功能以上，这个比率就接近 Slack，甚至电子邮件。
换句话说，谁用得深，谁就离不开；谁只看热闹，很快就不来了。
看到这个变化后，Weinberg 开始把原来演示工具，变成一整套产品路径。
具体来看：
当你输入一句话，比如“我想分析这两家公司的并购控制风险”，Harvey 不再只给你一个回答，而是自动引导你到一个并购控制审查的工作流页面，拉入法规、背景数据和历史案例，生成审查意见，还提示你要不要导出 PDF 给客户。
这就像不是你调用一个模型，而是你在调用我们产品的不同部分。我们希望你输入一句自然语言，它就能把你带到你真正需要的地方。
他们还做了一个机制，内部叫轻推（nudge）：不是强推某个功能，而是温和提醒。比如你输入一个判例法问题，它会问：你想用 Lexis 数据库来查？还是试试网页搜索？或者上传你的案情文档？
但这只是表层。
Harvey 之所以能服务大律所和跨国客户，关键在于它在后台搭了一套完整的评估 + 协作 + 自动化框架。
第一，评估机制要足够透明。
Weinberg 举了个例子：他们与一家律所共建了一个反垄断申报工作流，用户上传两家公司的财务数据，系统能告诉你在 75 个国家是否需要申报。
这个流程背后的关键是：它是一个封闭体系，有明确的法规、清晰的事实，所以能做出高质量的标准评估。
但如果只是找出所有与 XYZ 有关的案例，就没办法评估质量，因为没有边界，也没有答案。
越是上下文完整的任务，越要优先做。这是 Harvey 的筛选客户首要原则。
第二，从单人工具到协作平台。
Harvey 不只是让一个律师用得更快，而是让律所和企业能在同一个系统里协同工作。这意味着产品必须解决更复杂的问题：谁能看什么、谁能改什么、如何确保敏感信息不泄露。
Weinberg 直言：
“如果你搞错了权限，不只是我们一家公司的问题，而是整个行业对 AI 的信任都会掉下来。”
因此，先做对比做快更重要。
当评估机制足够透明，协作流程足够安全，Harvey 就不再是用完就走的写作助手，而是变成了法律工作的入口。
多人协作：从律所到企业的系统闭环
Harvey 不是做一个效率工具，而是在做一个协作平台。
前面三节说的，更多是一个律师怎么用。但 Weinberg 更看重的，是当律师、客户、法务团队三方都在线的时候，Harvey 能不能把事完成。
在访谈中，他提到一个关键趋势：
今天很多 AI 产品是做给一个人用的，Harvey 不是。我们从第一天起就必须为多人协作设计。
为什么？
因为律所的客户不是一个人，而是一整组人，来自法务、合规、投资人、对方顾问。传统流程中，这些人靠来回发 Word、红线比对、邮件审批来协作，一份文件可能改 20 个版本、来回确认十几次。
Harvey 的做法是：把协作流程搭成一个在线系统。具体来说，做了三件事：
1、多人可同时编辑，但权限清晰
有些人只能看初稿，有些人可以标注争议条款，有些人可以覆盖修改，有些人甚至不能看到某些段落。
Weinberg 举例说：
“比如你服务一家 PE 公司，它正在并购一家公司，结果对方也是你的客户。在同一家律所内，AI 工具必须确保道德范围内有效，不该看到的人，一行都不能看。”
Harvey 的权限系统因此要比一般 AI 产品复杂得多，不只是加个只读按钮，而是必须像银行后台那样管理敏感内容的访问逻辑。
2、任务不是你问我答，而是一起完成流程
Weinberg 强调：我们不是让用户一个人对着机器人，而是让 AI 能真正嵌进一组人正在做的事。
所以 Harvey 的每个工作流，不是你来问个问题，而是这个任务需要三个人协同。
比如企业法务上传文件生成审查初稿，外部律所二审并添加风险分析，投资方客户在线批注或反馈，再由系统汇总生成交付版本。
AI 不再只是一个回答者，而是整个流程的调度员。
3、协作流程本身，也是可配置的产品结构
一家律所可以为客户搭建十几套标准流程包，例如投资人合规尽调、股东协议生成、数据隐私跨境审查、投资委员会审阅材料准备。
这些流程并不是写死的，而是由 Harvey 提供模块拼装，客户可以拖动顺序、设置参与角色、调整权限机制。
Weinberg 解释：
Harvey 在产品设计上的目标始终是：不是减少人，而是让人配合 AI 的方式变得更可控、更高效、更专业。
4、Harvey 的实践中，可以三个值得思考的问题：
你的行业里，谁是最难的客户？
不是最有钱的，而是需求最复杂、标准最高的那个。
Harvey 选择了全球顶级律所，逼着自己把产品做成系统。如果你在做垂直 AI，服务好行业里最难的客户，能否形成技术壁垒？
你的产品能做到上下文完整吗？
Harvey 只做那些输入清晰、输出可验证的任务，比如 75 国反垄断审查，而不是模糊的“帮我想想策略”。
哪些任务是封闭宇宙（有明确输入输出）？哪些是开放问题（无法评估质量）？优先做前者。
你的行业的终点是什么？
Harvey 的终点不是提效工具，而是法律服务的协作平台，甚至是行业操作系统。你的终点是什么？
是提效工具？ 还是协作平台？ 还是交易市场？ 能否从第一天就往那个方向设计？
从选择最难的客户开始，到搭建可协作的系统平台，Harvey 给出的不是一个法律 AI 的故事，而是一套如何在垂直领域建立 AI 护城河的方法论。
结 语：
真正的门槛，是理解一件事怎么完成
700 家客户，1 亿美金年收入，估值 80 亿。
Harvey 证明了应用层 AI 的价值：不在于调用了多先进的模型，而在于能不能把复杂工作构建成可交付的系统。
Weinberg 的回答是：
“ 我们不想让 AI 替代律师，而是让律师能把一整块任务交给 AI 去做。”
理解一件事怎么做成，这决定了产品的边界和价值。
去年10月一场公开访谈中，英伟达 CEO 黄仁勋将 Harvey 与 OpenAI、Cursor 并列，称之为构建“数字员工”劳动力的核心平台。据报道，他们内部法律和合规团队已在使用Harvey。
在垂直领域，能把AI做成系统的公司，才能真正建立护城河。
本文来源微信公众号“AI深度研究员”