在贩卖时间的生意里，当AI压缩了时间，还能卖什么？

开篇

订阅者朋友，2022年，一家初创公司在旧金山的一间公寓里诞生了。一位前律师和一位前DeepMind研究员，用GPT-3做了一个租赁纠纷法律咨询原型，然后给萨姆·奥特曼发了一封冷邮件。三年半过去了。这家公司的估值已经达到了110亿美元（约合16万亿韩元）。

这是法律AI初创公司Harvey的故事。不久前，Harvey在GIC和红杉资本共同领投下完成了2亿美元融资，跻身“十角兽”（估值超过100亿美元的非上市公司）行列。累计融资金额已突破10亿美元。

但比起这个数字，我更关注另一件事：不是Harvey的增长速度本身，而是让这种增长成为可能的产业结构性条件。

🚀 三年成为十角兽：Harvey的轨迹

按时间顺序看Harvey的估值变化，惊人的不只是增长本身，而是增长的加速度。

• 2023年12月：B轮，估值7.15亿美元
• 2024年7月：C轮，15亿美元
• 2025年2月：D轮，30亿美元
• 2025年6月：E轮，50亿美元
• 2025年12月：F轮，80亿美元
• 2026年3月：G轮，110亿美元 在短短两年多的时间里，公司估值翻了15倍。 年度经常性收入（ARR）也是如此。从2023年末的1,000万美元，到2024年末的5,000万美元，再到2025年8月突破1亿美元，截至2026年1月，已达到1.9亿美元。一年半的时间里，营收几乎翻了4倍。

客户构成同样令人印象深刻。美国百大律所（AmLaw 100）中过半数、500多个企业内部法务团队、来自60个国家的50家资产管理公司都在使用Harvey。 超过10万名律师在1,300个组织中借助这一平台工作。汇丰银行（HSBC）、NBC环球（NBCUniversal）、欧华律师事务所（DLA Piper）等名字最近都出现在了客户名单上。红杉资本合伙人帕特·格雷迪对Harvey做出了这样的评价：在AI转型期，Harvey扮演的角色，正如云计算转型期Salesforce所扮演的角色一样。红杉资本三次领投Harvey的融资轮次，在风投行业中已经算得上是相当强烈的信心表达了。

法律产业为何对AI反应格外迅速

法律服务在全球范围内是一个规模约1万亿美元的产业。仅美国市场就超过3,000亿美元。然而，这个庞大的产业在数字化方面出人意料地缓慢。截至2023年，律所的AI采用率仅为11%。

但情况已经骤变。据加拿大法律科技公司Clio的报告，2024年法律专业人士的AI采用率飙升至79%。一年之内，从11%跃升至79%。这在其他产业中很难看到这样的速度。

法律产业为何如此迅速？有三个结构性原因。

第一，法律工作大部分是基于文本的。并购尽职调查¹、合同审查、判例检索、合规审核——所有这些工作都是阅读、分析和撰写大量文件的工作。这恰恰与大语言模型（LLM）最擅长的领域重合。

第二，成本压力极大。2025年AmLaw 100律所的平均小时计费单价已突破1,000美元。部分资深合伙人的时薪接近3,000美元。对企业法务团队来说，只要能降低这笔成本的手段，都会受到欢迎。

第三，重复性、结构化的工作很多。目前Harvey平台上正在运行超过2.5万个定制化AI智能体。这些智能体所执行的工作（合同起草、文件审查、生成尽职调查报告）虽然需要高度专业性，但却是可以模式化的工作。这正是AI智能体擅长切入的条件。

据汤森路透（Thomson Reuters）与乔治城法学院联合发布的《2026年美国法律市场报告》，2025年律所的技术投资支出同比增长了9.7%。据称这是法律产业历史上技术投资增长最快的一次。

💰 计时收费的裂痕：真正的结构性问题

这里让我们再往深处看一步。Harvey这类法律AI快速增长所产生的真正张力，不在技术本身，而在商业模式。

法律产业的盈利模式是计时收费（billable hour）²。也就是把律师的工作时间乘以时薪来收费的结构。但如果AI大幅缩短了工作时间，会发生什么呢？

有一家法律媒体的计算令人印象深刻。假设一位时薪300美元的律师，原本要花25小时完成的辩护状，借助AI在10小时内完成了。要维持同样的营收，就必须把时薪提高到750美元。这是2.5倍的涨幅。如果把这个逻辑套用到整个律所、所有业务上呢？客户不可能接受。

这种张力已经实际浮出水面。随着有基准测试显示AI能将NDA³起草时间最多缩短70%，企业法务团队已经开始在2026年律所遴选（合作律所审查）过程中要求“AI折扣”。企业法务负责人（GC）们也引入了基于AI的账单审计工具，筛掉那些与自动化工作流程不符的计时收费。

据《2025年法律趋势报告》，律所计时收费业务中有74%正暴露在自动化风险之下。这意味着，能被AI取代的不是边缘业务，而是构成营收核心的大量业务。

最终，法律产业面临一个巨大的两难困境：引入AI，效率会提升，但这种效率提升本身却会导致营收下降的结构。汤森路透的报告将其称为“生产力—利润悖论（Productivity-Profit Paradox）”。

破解这个悖论的方法只有一个，那就是从按时间计费转向基于价值的计费（value-based pricing）。向固定收费、与成果挂钩的费用、订阅模式等替代性收费结构（AFA）⁴的转移已经开始。一些分析师预测，AFA在律所营收中的占比将从2023年的20%，在不久的将来升至70%以上。

这正是Harvey不满足于做一个简单的“辅助工具”、而自称是法务工作流运行平台的原因所在。CEO温斯顿·温伯格的话说得很准确：“AI不再只是帮助律师，而正在成为法律工作本身得以执行的系统。”

Oswarld视角

坦白说，Harvey这110亿美元的估值本身，确实存在引发泡沫争议的空间。按1.9亿美元的ARR计算，其估值倍数约为营收的58倍。即便以SaaS企业的标准来看，这也是相当激进的数字。

但我关注的不是这个倍数，而是投资者接受这个倍数背后的结构性背景。

从GTM战略的角度来看，Harvey真正的护城河并不是LLM技术。既然OpenAI或Anthropic在持续改进通用模型，单靠技术本身很难构筑防线。Harvey的护城河，是它埋在客户内部的法律工程师团队。 Harvey会把自家工程师常驻在客户法务团队内部，专门为这个团队打造定制智能体并持续改进。这是一种典型的“嵌入式GTM”战略。一旦嵌入进去，就很难再被替换掉。

另一个有意思的地方是，Harvey正在带来的竞争格局变化。Harvey真正的竞争对手，不是其他法律科技初创公司，而是AmLaw 100律所里那位时薪1,000美元的初级助理律师⁵。Harvey用AI智能体替代的这类工作越多，律所传统的杠杆模式⁶所承受的压力就越大。

归根结底，这个故事的本质并不是一个法律AI初创公司的成功故事，而是一个万亿美元规模的产业被迫亲手拆解自己盈利模式的结构性转折故事。AI之所以在这个产业中扩散得格外迅速，根源也正在于此：在一个低效率本身就等于营收的产业里，当效率化工具进入之后会发生什么。而Harvey，正处在这种张力的正中央。

结语

韩国国内也有不少法律科技初创公司（如LawTalk、LBox等），但从Harvey身上可以学到的是以下几点：

• Harvey实现十角兽估值，不是一家初创公司的成功，而是整个法律产业正在跨过AI转型临界点的信号。
• 真正的结构性张力不在技术，而在计时收费模式与AI效率之间的冲突。这种冲突正在迫使整个行业转向基于价值的计费。
• Harvey的护城河不是技术，而是嵌入客户内部的组织和2.5万个定制化智能体。如果这一战略行得通，Harvey或许会由此定义法律产业AI基础设施的标准。 正在法律产业中发生的这场转变，其实也是所有专业服务产业很快都会面对的问题。“在贩卖时间的生意里，一旦AI压缩了时间，还能卖什么？”而最先找到这个问题答案的产业，很可能就是法律产业。

参考资料与延伸阅读

• CNBC，“Legal AI startup Harvey raises $200 million at $11 billion valuation”，2026年3月25日：报道了Harvey跻身十角兽及CEO访谈内容的核心报道。
• Harvey官方博客，“Harvey Raises at $11 Billion Valuation to Scale Agents Across Law Firms and Enterprises”，2026年3月25日：融资官方公告，整理了产品战略与客户现状。
• Thomson Reuters Institute与乔治城法学院，2026 Report on the State of the US Legal Market，2026年1月：以数据展示法律产业技术投资激增与计时收费危机的年度报告。
• Sacra，“Harvey Revenue, Valuation & Funding”，2026年：综合分析Harvey营收估算、估值历史与竞争格局的研究页面。
• Above the Law，“AI Is Killing The Billable Hour. The Real Question Is What Comes Next.”，2026年1月16日：探讨计时收费结构性局限与向基于价值计费转型的专栏文章。
• TechCrunch，“Harvey reportedly raising at $11B valuation just months after it hit $8B”，2026年2月9日：报道了Harvey连续融资过程及竞争对手Legora的崛起。

作者安光涉是世宗大学经营学教授，也是 OBF（Oswarld Boutique Consulting Firm）首席顾问。他在大学教授经营数据管理、商业分析等统计与数据分析课程，同时在产业现场负责 GTM 与人工智能战略咨询，设计技术与商业的连接方式。他曾发表关于 AI 对话系统记忆架构（HEMA）的学术论文，并运营每日策展全球 AI 论文的 Daily Arxiv 项目。他毕业于高丽大学技术经营专业研究生院与 KMBA，著有《把思考交出去的人：Homo Brainless》。

注释

1. 尽职调查（Due Diligence）：在并购或投资之前，对目标公司的财务、法律、运营状况进行细致核查的过程。类似于买房前进行的房屋瑕疵检查。 ↩

2. 计时收费（Billable Hour）：记录律师为客户工作的时间，乘以每小时单价来收费的方式。这是法律产业的传统盈利模式。 ↩

3. NDA（Non-Disclosure Agreement）：保密协议。是在商业谈判或合作之前，双方就不对外泄露所共享信息达成的书面承诺。 ↩

4. AFA（Alternative Fee Arrangement）：不以小时计费的替代性收费结构。有固定收费、与成果挂钩的费用、按月订阅等多种形式。 ↩

5. 助理律师（Associate）：律所中非合伙人身份的执业律师。通常是职业生涯初中期的律师，承担大部分实务工作。 ↩

6. 杠杆模式（Leverage Model）：律所在少数合伙人之下配置大量助理律师，通过助理律师的计时收费获取利润的盈利结构。由于利润来自时薪差额，一旦AI减少了助理律师的工作量，这种模式会受到直接冲击。 ↩