Harvey 单笔 2 亿美元、法律 AI 估值 21 亿,真正被定价的不是模型

七月的 agent 赛道榜单里,Harvey AI 排在最前面 — 2 亿美元 C 轮、估值 21 亿,接在后面的是 Lovable 2 亿美元 B 轮 28 亿、Glean 1.8 亿 D 轮 27 亿、Hebbia 1.3 亿 B 轮 10 亿。整个七月,这条赛道在一个半月里收进了 18 亿美元、12 笔以上的交易。

把这些数字并列排在一起,被重新计算的不是模型能写多少字,而是「干一件过去需要专业人花一周的事,现在由一个 agent 干完要多长时间」。

Harvey 做的事情并不复杂:把律所里检索、引用、初稿、跨判例比对这一段流程吃下来,换成一个跑在客户私有云里的 agent 网关。它能拿到这一轮的高估值,不是它会写法律意见,而是它把这件事从「人去找判例」变成「判例自己按问题站到对应位置」。法律这个赛道过去被认为最难自动化,因为容错低、上下文长、要可解释。Harvey 解决的问题,恰好是这条线上最贵的一段人工。

所以现在 agent 赛道的估值逻辑换了。

过去是按席位定价的 SaaS,现在是按「替掉的人工工时」定价。Lovable 替代前端工程师、Glean 替代企业搜索的人工问答、Hebbia 替代投研分析师、Harvey 替代初级律师和 paralegal。每一笔融资背后,资本都在算同一个账 — 你替掉的那段工时值多少钱,你拿多少。

这件事继续往下走,会出现一个有意思的副作用:被定价的不再是模型,是工作流。一个 agent 能不能融到钱,取决于它能不能找到一段「足够贵、足够重复、足够可被验证」的人工工时,然后把它吃掉。

接下来的六个月,这条赛道的分水岭会很清楚 — 拿到钱的是那一批找到了具体工作流的,没拿到的是那一批还在做通用 chat 的。