# 美国律师时薪352美元，Harvey把4000亿美元的法律生意讲透了 > Training Data No. 35 中文精读 - 原标题：How AI Breakout Harvey is Transforming Legal Services, with CEO Winston Weinberg - 发布日期：2025-03-11 - 主持：Sonya Huang · Pat Grady · Konstantine Buhler 等 - 网页版：https://trainingdata.qiaomu.ai/ep/035-how-ai-breakout-harvey-is-transforming-legal-services-with-c-eXK-_y.html - 精读字数：约 5258 字（阅读约 12 分钟） > 本文为 trainingdata.qiaomu.ai 基于原始访谈的 AI 改写中文精读，非官方翻译；引用请注明出处并链接网页版。 先摆三个数字。美国法律市场规模4000亿美元，跟全球云计算市场一样大。美国律师平均时薪352美元，绝大多数人请不起。做法律AI的Harvey，去年年初全公司大约40人，现在260人。 2025年3月，红杉资本的播客Training Data请来Harvey联合创始人兼CEO Winston Weinberg。这家公司2022年7月底创立，比ChatGPT发布还早几个月，一度被嘲讽为「GPT套壳」，如今成了红杉口中的应用层标杆，客户名单里躺着一批全球最顶级的律所。 主持人Pat Grady开场给了个定位：当年行业里都在嘲笑应用层公司是套壳，Winston和Gabe偏偏认定，价值就长在基础模型和客户之间那块最难啃的地方。这期对谈干货很密，从产品方法论到怎么让百年律所点头，再到律师职业十年后的样子，下面挑最硬的讲。 ## 「套壳」这个骂名，他接了两年 Winston和联合创始人Gabe Pereyra创业时拿到的是GPT-3的访问权限。2022年初，他俩干了一件后来才被业界命名的事：思维链提示。把法律问题拆成一步步推理，让模型照着流程走。当时的主流玩法是一次调用、一个静态提示词，跑完收工。 他们把测试结果冷邮件发给了OpenAI总法律顾问Jason Kwon。 > 「天哪，我都不知道这些模型做法律这么厉害。」 Winston复盘，当时没人发现模型的法律能力，症结在于没人拆解真实的工作步骤，没人告诉模型「回答这个问题需要走哪几步」。 至于套壳的嘲讽，他的回应很直接：很多应用公司和基础模型之间的差距太小了，这才是问题。Harvey从第一天就往一个细节里砸资源：引用。**法律行业要求逐行引用，且引用必须准确**，光靠模型原生能力给不出这种东西。当然他也承认，如果整家公司只剩「引用」这一个卖点，那确实就是个套壳，迟早被模型进化吃掉。真正的赌注押在别处：法律是个万亿美元级的行业，脏活极多，数据集五花八门，工作流高度专业化，模型吃不掉整个行业，只会一块一块解锁新空间。 他举了个例子。OpenAI发布Deep Research，他的第一反应是资本市场业务里一堆用例：研究市场、扒公开数据。这覆盖不了资本市场律师的全部工作，但能塞进产品里某条一百步流程中的几步，让整条流程变好。**基础模型每变强一次，就解锁一部分原来做不了的场景**。 法律行业还特别适合LLM，他给过两个理由：这个行业由文本构成，而且token特别值钱。一份50页的并购协议，里面每个token的生产成本都高得吓人。他们谈的智能体任务，单件成本动辄几十万美元。 顺带一提，这种较真延续到了和OpenAI的日常合作。OpenAI经常发来新模型，说benchmark全面变好，Harvey的回复常常是，抱歉，在我们的测试上没有。Winston觉得这段关系能一直稳固，恰恰靠这种来回拉扯。 ## 产品像手风琴，拉开再合上 Harvey的产品方法论，Winston管它叫「拉开与合拢」。他先推了个极限：如果模型完美、人与人的沟通也完美，最好的界面就是邮件，甚至干脆不需要界面。现实做不到。他举的例子是微软收购动视暴雪那种大并购，就算模型真能把所有步骤串起来，用户也没法发一句「请合并」就撒手不管，人这一侧的工作流接不住。 所以实际做法分两步。拉开：聊天界面覆盖不了所有用例，比如判例法研究要检索判例、对比判例、把本案事实和判例综合起来，那就为高价值用例单独建一套端到端的智能体工作流。合拢：把这些专用工作流串回同一个界面。用户上传一份股权购买协议，Harvey会主动问，要不要跑一下提取陈述与保证、生成摘要这些工作流，用户看不见背后有多少套系统。 这一拉一合之间还有个商业张力。卖席位，产品就得让所有律师都用得上；可专用工作流往往只对证券律师这类人群特别好使。合拢那一层，就是把专用能力重新打包成所有人共享的服务。 拆开看，每个工作流就三件事：**搞清楚用户要什么，凑齐需要的上下文，检查结果对不对**。第一件事靠路由和追问，把用户意图导到具体任务上；第二件事大头是检索，内部文档和外部文档各建一套系统，再靠路由决定什么时候查哪边；第三件事回到引用和校验。 第三件事里有个很妙的例子。法律里有个概念叫「市场标准」，模型不知道什么是市场标准。某家私募基金做杠杆收购时习惯的条款是一种，整个私募行业的通行条款是一种，一般并购条款又是一种。模型拿不到这些数据，你得建一套系统，在需要的时候把这几套数据集检索出来互相比对。 更大的麻烦是，**这些流程数据在互联网上根本不存在**。怎么做披露清单、什么算市场标准，Reddit上搜不到。Harvey的办法是雇领域专家，坐下来口述「我接手会走哪几步」，再把模型串上去，模型能力不够的地方做任务级微调。Winston吐槽了法律圈曾经流行的一种想法：把所有法律文件喂给模型，它就会做法律了。 > 「这就像读完全部案卷和法学院的所有教材，就把你扔进一个行业，指望你自然会干活。没这回事。」 评估是另一口深坑。你得雇中级水平的人来做评估，因为如果初级的人能评估，他们早就升上去了。律所里大量工作其实是资深者在审初级者的产出，他估计这部分吃掉了**律所20%到30%的收入**。 ## 卖软件，还是卖律师的活儿 到目前为止Harvey卖的是软件，但正在转向「卖工作成果」。产品实际分两块：一块是生产力套件，律师全程在环，每周省下大量小时数；另一块是端到端跑完一部分工作的专用工作流，这一块更接近卖工作本身。做法是跟律所签收入分成协议，律所出领域专长，Harvey出技术，打包之后由律所卖给自己的客户。Winston说，今年会看到很多这种案例。 内部管理上，这等于下注。通用功能对全体用户都有价值，失败概率被摊薄；专用工作流是零和一，成了价值极高，卖不出去就归零。Harvey的对冲办法有两个。 - 让律所帮他们做客户发现：跟大企业和它的律所做联合项目，验证三件事，能不能重复做、技术撑不撑得住、企业内部法务接不接受AI干这活。 - 沉淀「AI模式」：法律行业大概有15类通用动作，判例研究、监管研究、条款提取等等，把这些横向能力做厚，再像福特流水线一样串起来。 对外，这套打法撞上的是律所上百年的商业模式：按小时计费。Winston把痛点讲得很透，**你卖给按小时收费的人效率软件，一天只有24个小时，除非你能发明一天里的第25个小时**。效率软件对律所是出了名的难卖，除非帮他们换一种方式做生意。 他给了一个真实场景。律所想接私募的大单，通常先亏本做side letter合规这类低端活，指望对方日后把杠杆收购和大并购的单子送过来。Harvey帮律所把这些亏本活做成软件，收固定费用，律所不用再亏本抢活，还能扩大市场份额。 他提到一家合作律所快一百年了，当年靠给爱德华八世的退位危机当顾问出的名。一百多年没变过的商业模式，现在愿意跟着Harvey一起改。 技术本身到位了吗？主持人问，如果冻结模型的发展，能自动化多少法律工作。Winston的回答出乎意料：就算冻结推理能力，Harvey照样能把渗透率往上拉一大截。现在AI在法律和专业服务里的渗透还只有很小的百分比，瓶颈在流程数据和评估，不在模型。何况模型也没停下，往推理阶段多扔算力、多走几步推理，效果就持续变好。o系列模型出来后，过去很多只能做到70%成功率的用例，直接解锁了未来半年到一年的路线图：从EDGAR、判例库、内部文档各自抽取信息都不难，难的是把这些碎片拼成正确的工作成果，o系列补的就是这一环。至于微软和OpenAI的关系，他看得很平实：应用层公司必须押注模型供应商，但谁领先几个月就换一次，各家模型各有所长，连微软都得面对客户觉得Claude某些活更好使的现实。 ## 让百年律所点头的，全是笨办法 Harvey早期做过一个反直觉的决定：大量律所找上门，他们基本拒绝，只服务最顶级、最有声望的那几家。 产品逻辑是，**要建下一代模型也做不了的系统，就得啃最复杂的跨境并购这种活**，这是最深的护城河。商业逻辑是，专业服务行业里信任高于一切，声望是信任的放大器，搞定几家顶级律所，下游律所和它们的客户会跟着信任你。反过来，一上来就攻大企业，对方没有任何理由信你。 信任怎么拿到的？他的原话是，干了一堆完全没法规模化的事。 给合伙人做演示，他一定用这位合伙人最近经手的项目做素材。在他看来，做AI产品的人不做超个性化演示，没有任何借口，这事过去重要，现在是生死线，而且做起来毫不费力。他还发现律师极度好辩，这是好事。演示到对方快走神时，他会问一句，这个论证好不好，你怎么改进它？ > 「本来无聊到走神的合伙人，会逐字逐句读Harvey输出的每一个字。」 回应不总是完美，但这种参与感是律师从来没在软件上体验过的。很多年纪大的合伙人，Harvey甚至是他们人生第一个AI产品，基础功能也得手把手教。 行为改变同样靠产品。合拢那一步最重要的目标是**消灭空白页**。打开Harvey的首页就是一排能直接点的按钮，现在还会根据你执业几年、做哪个方向，动态调整首屏。上手越快，用户越快开始自己探索。客户成功团队则大量招律师，让懂行的人说「我干过你这行，我会这么用」。 幻觉这个绕不开的话题，主持人Sonya Huang抛的是标准质疑：创意行业里幻觉是feature，法律行业里是bug，你们怎么办？Winston先纠正了前提：**律师的工作里有大量创意成分**。诉讼之所以存在，就因为规则有限而事实无限，把眼前的事实往规则的边界里装，本身就是高强度的创造性工作，他自己做过诉讼律师。当然他补了一句，准确性仍然排在创造性前面。 准确性这件事，律所的层级结构反而帮了忙。初级律师起草，二年级律师审，五年级律师审，合伙人再审，才发出去。**卖给律所的产品，最低可用质量可以比卖给企业法务部的更低**，因为每个环节都有人在审。卖给企业法务部则相反，要卖那些极度专用、准确率高到离谱的任务。越专用，微调越容易，评估步骤越少，出错面越小。 ## 律师会回到顾问的老本行 聊到十年后，Winston说律师这个职业会回到五十年前的定位：顾问。CLO（首席法务官）这个头衔本身就新，他见过的CLO大多是业务驱动者，早就摆脱了那个只会说「不」的角色。低端工作被商品化和自动化，高端战略建议反而更值钱。 这对年轻律师是好消息。没人上法学院是为了在数据室里贴十年文件标签，然后一辈子上一次庭。大家想的是给客户建议、帮人赢，跟职业运动员一样，手感来自实战，坐数据室练不出来。 他自己现在就是律所的客户，抱怨很具体：查一个控制权变更条款有没有被触发，收的也是顶级时薪。可真到了怎么买下这家公司、怎么重组组织这种战略问题，他愿意付比现在地球上最好的律师更多的钱。而现实里初级律师和顶级合伙人的价差只有3到4倍，他觉得这没道理。所以他的预测是：交易和诉讼里商品化的部分会大量转向固定收费，战略洞察的部分可以收得更贵。 还有他使命感最强的部分，司法可及性。美国律师平均时薪352美元，就算让每个律师每周拿出20小时做公益，缺口照样填不上。监管在松动：犹他州、亚利桑那州开始动两条老规则，非律师不得提供法律意见，非律师不得投资律所，或者开沙盒试点，效果不错。他更看重一个被忽略的事实：**大多数人根本不知道自己的权利被侵犯了**。住房纠纷、各种不该收的杂费，很多人连自己有法律救济这条路都不知道。AI能做的第一件事，是把法律常识大规模普及出去。 ## 明天就能用的几件事 聊到最大的威胁，Winston只给了一个答案：动得不够快。他跟团队反复讲，这是人类历史上时间线压缩得最厉害的时代，快速会犯错，慢了会错过。他举了个场景：某个功能你做到第12、13步，第13步模型死活做不出来，突然有人发布了一个新东西正好解锁这一步，那就得立刻塞进产品里测，慢半拍就是大问题。 闪电问答里还有几个细节值得记。创业快三年，他一天假都没休过，同时承认领导方式必须跟着公司规模变，从40人到260人，时间分配完全两样。他最信的一条招聘经验是，创业早期每种岗位都该亲手干一小段时间，他大部分招聘失误都源于根本不知道那个岗位每天在干什么。他更新最多的一条原则是「teach, not do」，教，别替，一看到摩擦就忍不住自己上手，代价是团队学不到东西。Gabe踢过职业足球，运动能力碾压他，最近膝盖伤了，俩人又合租，他每天早上出门健身会故意把门摔响，好让对方知道自己去练了。这是他难得的复仇窗口。至于运气和实力，他的回答是：运气是时机，是你有没有机会和杠杆去施展实力；而他重仓年轻人的原因，恰恰是**最好的年轻人，本事就是调整和抓住运气**。 最后收几条明天就能用的： - 卖AI产品，用客户最近的真实工作做超个性化演示。Winston的原话是，这事过去重要，现在性命攸关，而且没有任何借口不做。 - 产品上手页消灭空白页。按用户身份定制第一屏，把出价值的时间压到最短，用户上手之后自然会探索。 - 想用AI改造一个行业，先找行业里的老人，把流程一步步口述出来。流程数据不在互联网上，这是应用公司最值钱的资产。 - 管理者记住teach, not do。忍不住自己上手之前，先想想这一下是不是把团队的成长机会抢走了。