Harvey 融 2 亿美元，估值 110 亿美元：法律 AI 的垂直纵深能否支撑高估值？

2026 年 3 月，Harvey 宣布完成 2 亿美元新融资，估值从约三个月前的 80 亿美元升至 110 亿美元。本轮由 GIC 和 Sequoia 共同领投，Andreessen Horowitz、Coatue、Conviction Partners、Elad Gil、Evantic 和 Kleiner Perkins 等现有投资方跟投。这已是 Sequoia 第三次领投该公司。

律所客户为何在 25,000 个代理上跑核心业务，而不是用通用聊天工具

Harvey 本轮公布了运营数据，相关数据系公司披露，尚未经独立审计：超过 10 万名律师在 1,300 多个组织中日常使用该平台；客户覆盖大多数 AmLaw 100 律所、超过 500 个企业法务团队和 50 家资产管理公司，遍布 60 个国家。平台上有超过 25,000 个定制 AI 代理在运行，处理并购、尽职调查、合同起草和文件审查等工作流。

理解这个数字背后的含义，需要回到法律行业的真实工作流程。一家大型律所的并购交易涉及跨越数十个司法管辖区的合同审查，每个法域对合同条款的可执行性、数据保护要求和劳动法影响有截然不同的规则。通用大语言模型可以回答单个法律问题，但无法在企业级合规架构下完成多步骤、长时间跨度的工作流调度与审计追踪。Harvey 的产品定义正建立在这一差异上：它不是法律研究助手，而是工作流运行系统。

律所客户正将代理部署于基金设立等跨周期复杂场景，这类工作通常涉及持续数月的文件准备和多轮修订。Harvey 的法律工程师团队直接嵌入客户运营，持续构建和优化这些代理。这构成了一种深层产品壁垒：底层模型可以换，但围绕特定律所业务流程定制、改进并持续维护的代理体系难以复刻。这种嵌入意味着 Harvey 的软件已经与客户的运营流程深度交织，迁移意味着不仅要替换工具，还要重新构建数月甚至数年积累的定制化工作流。

ARR 达 1.9 亿美元之后：法律 SaaS 正越过效率工具的边界

Harvey 的商业化速度在垂直 AI 领域具有参照价值。根据公司披露，截至 2025 年底，公司年化经常性收入达到 1.9 亿美元，较 2025 年 8 月时的约 1 亿美元增长约 90%，以上数据尚未经独立审计。这一增速发生在公司成立的第四年。

收入结构的具体构成未予披露，但客户清单揭示了收入来源的纵深。大型律所方面，DLA Piper International 扩大了与 Harvey 的合作范围；A&O Shearman、Latham & Watkins 和 O’Melveny 均为公开客户。企业法务市场方面，NBCUniversal、汇丰银行、Comcast、Verizon 等均已部署。值得注意的是，50 家资产管理公司的加入表明 Harvey 正在向非律所专业服务场景渗透——这些机构对合规文件、基金设立文档的处理需求可能与律所客户同等密集，但采购决策链路和预算归属可能不同。

将这一收入轨迹放入法律科技史中审视，它的意义更为清晰。传统法律 SaaS 解决的是文档管理、计时收费或电子证据发现等单点问题，采购预算通常来自律所 IT 部门，年度合同金额往往不大。Harvey 的定价对应的是律师可计费时间的替代——这一预算池的规模与前者不在同一量级。

模型厂商正在下探，Harvey 的护城河是深度集成还是客户惯性

本轮融资公告中，CEO Winston Weinberg 的判断是：“AI 不再只是协助律师，它正在成为法律工作得以完成的系统。”这一叙事野心勃勃，但外部环境也在变得更复杂。2026 年 2 月，OpenAI 推出了法律插件，直接面向用户提供法律任务支持，这标志着底层模型厂商开始向应用层渗透。Harvey 的技术底层依赖 OpenAI、Anthropic 和 Google 的大语言模型，通过专有法律数据微调实现垂直化。

这是每一家垂直 AI 公司都必须回答的问题：当模型厂商亲自下场，靠微调数据和行业工作流建立的护城河够不够深？

从 Harvey 的产品架构看，其回答集中在三个层面。第一，法律行业的合规要求构成天然壁垒。客户文件必须严格隔离，AI 输出必须有完整审计追踪以满足职业责任规则——这是通用工具难以快速适配的架构要求。在律师职业道德规则下，使用 AI 的律师需要对工作成果负责，这意味着他们必须能够证明自己对 AI 输出进行了审慎的核查，而完整的审计追踪体系是这种核查的不可或缺的基础。第二，25,000 个在生产环境中运行的定制代理意味着客户已经将特定工作流程编码进 Harvey 平台，迁移成本随着使用时长和定制深度而递增。第三，法律工程团队的嵌入式服务创造了持续改进的飞轮：随着工程师持续根据客户反馈优化代理性能，代理完成特定任务的准确率和效率持续提升，进一步增强了客户粘性。这种人工加产品的复合交付模式，模型厂商不太可能复制。

但风险同样明确。Sequoia 合伙人 Pat Grady 将 Harvey 比作云计算转型时期的 ServiceNow，但法律 AI 领域的历史坐标尚不清晰。Thomson Reuters 的 Westlaw AI、LexisNexis、以及 CoCounsel 正在从法律研究这个传统优势阵地切入 AI 市场，它们拥有数十年的内容积累和既有的客户关系网络。合同生命周期管理领域，Ironclad 和 ContractPodAi 已经拥有稳固的企业客户关系，任何希望进入这些企业的法律 AI 产品都需要与现有系统竞争或集成。以 EvenUp、Finch、Supio 为代表的初创公司则分别从人身伤害律师、法律助理工具和原告律所等利基市场发起进攻。

GIC 和 Sequoia 为何在三个月内将估值从 80 亿推到 110 亿

本轮融资的资本结构值得注目。2025 年 12 月，Harvey 以 80 亿美元估值完成融资；约三个月后，GIC 和 Sequoia 共同领投新一轮融资，估值达 110 亿美元。Andreessen Horowitz、Coatue、Conviction Partners、Elad Gil、Evantic、Kleiner Perkins 等现有投资方跟投。

这一节奏在私募市场并不常见。两轮间隙不到一个季度，估值跳升 37.5%。可能的解释来自几个方向。其一，Harvey 可能处于关键客户合同或产品里程碑的集中兑现期，投资方选择在数据公开前锁定份额。公司 2025 年底 ARR 已达 1.9 亿美元，较 8 月增长约 90%，这个窗口期有强劲的量化数据支撑。其二，法律 AI 市场正进入巨头与初创公司激烈争夺标准制定权的窗口，Harvey 需要储备充足弹药以加快全球扩张和产品迭代。

从资本总量看，Harvey 成立不到四年，融资总额已超 10 亿美元，系公司披露。这种吸收能力只有在投资方认为公司有机会成为行业基础设施时才成立。Sequoia 连续领投三轮的行为——Grady 称之为“罕见的信念宣言”——发出了一个信号：在 Sequoia 内部评估中，Harvey 不是赛道参与者，而是平台建设者。

2 亿美元将投向哪里：代理扩展全球版图，但本土化数据仍是前提

资金用途公告指向两个方向：扩展 AI 代理功能，以及壮大嵌入式的全球法律工程团队。

“扩展代理功能”的真实含义需要在法律工作流的具体场景中解码。目前平台上运行的代理主要解决并购尽调、合同起草和文件审查等高频场景。本轮资金可能用于两个层面：一是向更细分领域延伸，比如反垄断申报的预审查、税务结构分析、知识产权组合评估等需要跨领域知识协同的复杂任务；二是提升代理的自主性，让它们能在更长时间跨度、更少人工干预的条件下执行多步骤工作流，例如从条款清单到完整交易文件草拟的端到端处理。这种自主性的提升意味着代理不再是“按步骤执行的脚本”，而是能根据中间结果动态调整后续步骤的系统，这对底层模型的推理能力和任务分解精细度提出了更高的要求。

全球法律工程团队的扩张则是更具野心的部分。法律本质上是高度属地化的。Harvey 目前覆盖 60 个国家，但在德国、法国、日本、澳大利亚等市场，法律研究方法论和源数据体系与美国普通法系差异显著。例如，大陆法系国家的法律推理高度依赖成文法及其官方解释，而非先例判决，这意味着 AI 模型需要接受与普通法系完全不同的训练数据和知识组织方式。进入这些市场需要构建本地化的知识库、与当地法律数据库建立授权合作、雇佣熟悉本地执业规则的工程团队。这不是简单的产品翻译，而是对法律基础设施的逐国重建。这部分投资回报周期可能较长，但一旦建成，将形成难以跨越的先发壁垒。

法律行业在接纳 AI 系统时，正在重写自己的成本结构和责任边界

Harvey 的高增长背后，有一个更深层的结构性问题正浮出水面：当 AI 从辅助工具变为工作流系统，责任归属如何界定？

律师职业道德规则要求对工作成果负责，包括由 AI 生成的内容。在现行框架下，使用 AI 的律师被视为最终责任人。这意味着 Harvey 及其客户之间存在一条微妙的信任链：律师必须能够追溯、验证和解释 AI 的每一项输出。Harvey 构建的审计追踪功能正是为此服务。但随着代理自主性增加——例如从“发现合同中的赔偿条款”到“判断这一赔偿条款在特定法域下的风险水平”——人类律师的审查负担非但没有减少，反而可能转移到更高阶的判断层面。初级律师原本负责的文件审查工作被代理完成，但合伙人仍需对代理的输出进行审查，而审查一份由 AI 生成的复杂法律分析所需的专业知识深度可能更高。这或许意味着律师团队的构成和培训体系需要根本性的调整。

这是所有法律 AI 公司的共同瓶颈，非 Harvey 独有。但它直接关联到商业模式的可持续性。如果 AI 代理的能力提升与律师责任压力呈正相关，客户支付溢价的意愿将取决于产品能在多大程度上同时提供“答案”和“可审查的推理路径”。Harvey 的法律工程团队嵌入式服务可能是对此的回应：工程师不仅可以优化代理的性能，也可以根据律所的具体需求设计审查流程和验证机制。但这种人工密集型服务的规模化存在天花板，Harvey 需要在产品自动化和企业服务之间找到一个可持续的均衡点。

监管风险同样在具象化。各法域法律协会对 AI 使用已开始出台指引，从初期的“可以使用但需披露”向更严格的“特定场景限制使用”演进。美国部分州律师协会已就 AI 在法律文件中的使用提出更细化的意见征求，这可能涉及 AI 能否生成独立的法律意见、能否在无律师审查的情况下直接向客户交付等敏感问题。Harvey 在 60 个国家的运营意味着它需要同时应对多重监管体系，每个体系的法律职业规则、数据保护要求和 AI 伦理标准都不相同。合规成本可能随着监管环境的变化而上升，这需要在全球扩张的规划中予以权衡。

110 亿美元估值之后：与模型厂商的关系既是引擎，也是敞口

科技公司常面临“关键依赖”问题，Harvey 的依赖对象是它仰赖的大语言模型厂商。Harvey 的技术栈运行在 OpenAI、Anthropic 和 Google 的模型之上，通过专有法律数据微调形成差异化。这种架构给了它快速吃进模型进步红利的能力——每当底层模型能力跃升，Harvey 的代理性能也可能随之提升。

但反向来看，这种依赖构成战略脆弱性。如果 OpenAI 的法律插件获得显著市场牵引，模型厂商与应用层公司的竞合关系将向竞争倾斜。法律行业是一个高价值、强付费意愿的市场，不可能被模型厂商忽视。更隐蔽的风险在于成本结构：Harvey 的毛利率部分取决于模型推理成本。虽然业界推算模型推理成本在快速下降，但法律场景对准确性和上下文长度的要求可能使其下降斜率比通用场景更平缓。一次复杂的多法域合同审查可能需要同时处理数百页文件、调用多个法域的法规库，并在长时间内保持逻辑一致性，这对推理成本的控制提出了不同于简单问答的挑战。Harvey 能否在持续降价的市场环境中保持定价能力，取决于其工作流代理被客户视为“成本项”还是“基础设施”——如果是前者，客户会不断要求降费；如果是后者，议价权则掌握在平台手中。

Grady 提到的领域工艺、品味和判断力为这场垂直 AI 与模型厂商之争提供了投资方视角的注脚，但尚未在长期市场竞争中得到验证。如果未来底层模型在法律推理的准确性和可靠性上达到甚至超越经过微调的垂直模型，模型厂商的品牌优势和海量数据积累可能构成对 Harvey 护城河的实质性冲击。但目前这种假设仍需验证：法律行业对可解释性、审计追溯和数据隔离的要求是结构性的，不完全随模型能力的提升而消失。

RecodeX 极客视：Harvey 以 110 亿美元估值吃掉 2 亿美元新资金，在法律 AI 赛道立下新的坐标。一家成立不到四年的公司告诉市场“我们的产品是法律工作运行的平台”，这刷新了 SaaS 的野心尺度。真正值得关注的结构性信号有三。第一，25,000 个定制代理在生产环境中运转，这意味着客户锁定的不是软件订阅，而是将核心业务流程编码进平台——迁移成本远超 SaaS 时代的常规水平。第二，法律属地的碎片化既是护城河也是绊脚石：逐国重建法律工程师团队的成本不容小视，但一旦建成，跟随者几乎不可能用纯技术手段翻越。第三，与模型厂商的关系仍是最大的敞口——Harvey 的护城河建立在工作流和客户集成上，但模型能力若发生阶跃式突破，是否会越过应用层直接服务于终端用户，仍需长期观察。本轮投资方的加仓逻辑清晰：他们赌的不是法律 AI 市场有多大，而是那个能嵌入行业工作流、客户无法轻易抽身的系统会不会是 Harvey。这个问题的答案将决定 110 亿是中途站，还是天花板。