Harvey，一家成立了四年的法律AI公司，在60个国家运营，客户全是全球顶级律所，但创业之初的处境是地狱级开局：

• 没有训练数据

  ——律所的数据受律师-客户特权保护，绝对不能碰，一个字都不能

• 没有顶级人才

  ——OpenAI给研究员开亿元薪酬包，它抢不过

• 没有算力底座

  ——玩不起大模型

它要跟谁竞争？OpenAI、Anthropic、Google DeepMind——这个星球上资金最厚、人才最密、算力最强的三支队伍。

任何一个正常的商业逻辑都会告诉你：这仗没法打。但Harvey的联合创始人Gabe Pereyra说了一句反常识的话："我们不玩你们那个游戏了。"

他的打法，用一个词概括就是：点球成金（Moneyball）---上了年龄的“老登"大概率看过这个电影！

一、旧共识的三个裂缝

为什么应用层公司"注定打不过"顶级实验室？市场共识有三个理由。但Gabe发现，这三条在垂直场景里，每一条都有裂缝。

裂缝一：算力碾压？——开源模型已经把地基抹平了。

共识：OpenAI有百万卡集群，你拿什么比？

现实：开源模型（GLM 5.2、NeMo-Megatron）已经强到——拿过来做post-training（后训练），就能推到前沿水平。Harvey不需要从零训大模型，它只需要在别人的地基上盖自己的楼。

裂缝二：人才碾压？——API把人才门槛打穿了。

共识：你抢不到DeepMind的研究员，怎么跟人家拼？

现实：Fireworks、Baseten这些公司把推理基础设施做成了API——你不需要招几百个ML工程师，你只需要几个会用API的人。基础设施外包，人才门槛骤降。

裂缝三：数据碾压？——没有数据反而是最大的护城河。

共识：没有数据训练，你就只能做表面功夫。

现实：客户的私有数据不能用，恰恰意味着别人也用不了。 当所有通用模型都在用公开数据训练时，Harvey的护城河变成了"帮律所在自己的私有数据上训练定制模型"——这件事，OpenAI做不了，因为律所不会把特权保护的数据交给它。

三个裂缝拼在一起，结论惊人：通用模型的战争是巨头的主场，垂直场景的战争是应用层的主场。

二、三张王牌：尺子、假数据、外包

Harvey真正赢下的，是三个"不性感但致命"的环节：

第一张牌：造尺子——开源Benchmark，定义行业标准。

没有好的评估基准，你连"好"都定义不了，更别说训练和部署。所以Harvey干了件反直觉的事——把自家评估数据集开源了：

• LegalAgentBench

  ：1200个客户任务、24个法律领域、75000条专家编写的评分标准

• LAB Contracts

  ：500个合同谈判任务

• LAB Diligence

  ：8000万token的最大型data room环境之一

为什么不藏起来？因为开源的benchmark会被社区和顶级实验室拿来评测，反过来帮你打磨标准——你在定义整个行业的尺子。谁定义了尺子，谁就掌握了"前沿"的解释权。

第二张牌：造”假数据“——用rubric引导生成合成数据。

没有真实数据怎么办？合成。

做法很巧妙：从评分标准（rubric）出发，故意埋进矛盾条款和缺失内容，生成一个自洽的data room，再用Mercor/Snorkel等工具拟真——造出来的数据比真实数据更"标准"，因为是按你的尺子造的。

这招的灵感来自Brendan（Reka）的"vibe coding"类比：就像AI写代码，你不需要它每一步都对，你只需要它整体能用——生成数据也一样。

第三张牌：生态外包——把非核心全扔给neo labs。

Harvey养不起全栈团队，但它有一整个"前沿生态系统"可以借力：

• Fireworks管推理路由
• Baseten管推理部署
• Trajectory管后训练
• N-gram管KV缓存压缩
• Applied Compute帮训GLM-5.1

Gabe把生态外包形容为"不是认输，是把非核心能力租出去，集中火力打核心战场"。

核心战场是什么？是私有数据定制——这才是OpenAI们碰不到的护城河。

让数据说话，Harvey做RL训练的验证成本对比：

• 用DeepSeek batch验证：约18美元
• 用Claude Opus验证：每个标准约18000美元

这不是抠门，这是战略——当你的验证成本比别人低1000倍时，你可以做的实验数量比别人多1000倍，你的迭代速度就比别人快一个数量级。

更狠的是组合拳：GLM 5.1（开源底座）+ Opus 4.7 advisor（裁判）——用便宜模型干活、用贵模型当裁判，最终成本和质量组合，击败了直接用Claude Opus的配置。

这就像《点球成金》里的奥克兰运动家队：不跟你拼钱，跟你拼评价体系。 当全联盟都在用"打击率"选人时，他们用"上垒率"——一个别人忽略的指标——用1/10的预算打出了同样的战绩。

Harvey做的，就是AI时代的奥克兰运动家队。

三、真正的护城河：数据特权保护的悖论

把Harvey的打法放进更大的坐标里看，最反直觉的洞察是这个：

越是数据隐私严苛的行业，应用层公司的护城河越深。

• 法律：律师-客户特权，数据不能出律所
• 医疗：HIPAA，数据不能出医院
• 金融：监管要求，数据不能出机构

在这些行业里，通用模型永远只能做"泛泛的聪明"，而应用层公司可以在客户的私有数据上训练定制模型——这是一个OpenAI们物理上无法进入的房间。

这就是超垂直路线的价值：不是在大模型的地盘上跟它抢，是在它进不去的房间里建立自己的垄断。

而终极壁垒，是Gabe承认"还没解开的难题"——持续学习（continual learning）飞轮：当你在客户的私有数据上不断训练、不断迭代、不断积累，你和客户之间的绑定会越来越深——客户用你越久，你的模型越懂他；你的模型越懂他，他越离不开你。

这是所有AI公司梦寐以求的复利曲线，而Harvey正站在它的起点。