2026 年 1 月 19 日，硅谷最炙手可热的 AI 独角兽 Harvey 的 CEO Winston Weinberg 做客知名播客节目 20VC，接受了主持人 Harry Stebbings 长达 73 分钟的深度专访。
这不是一次普通的创业故事分享。Winston Weinberg 用三年半时间，将一个在旧金山 Airbnb 里只有 4 个人的初创团队，打造成估值 92 亿美元、年收入 1.9 亿美元的法律 AI 巨头。Harvey 获得了 Sequoia、a16z、OpenAI、Elad Gil 等顶级机构累计超过 9.8 亿美元的投资，成为 2024-2026 年最耀眼的企业级 AI 公司之一。
更难得的是，Winston 在专访中毫无保留地分享了融资、招聘、产品、市场等方面的血泪教训，包括那些让他付出惨痛代价的错误决策。这些一手经验，对所有 AI 创业者都有极高的参考价值。
冷邮件 OpenAI：独立日的豪赌
故事要从 2022 年 7 月 4 日说起。那天是美国独立日，大多数人都在放假庆祝，Winston Weinberg 却在键盘前敲下了一封可能改变命运的邮件。
收件人是 Sam Altman 和 Jason Kwon，两位 OpenAI 的核心高管。邮件主题简洁有力：" 你知道 GPT-3 在法律领域有多强吗？" 邮件里附上了一个 demo，Winston 基于 Reddit 上的法律问题，展示了 GPT-3 处理复杂法律咨询的能力。这个 demo 精准击中了 OpenAI 团队的兴奋点。
上午 11 点，Winston 和联合创始人 Gabriel Pereyra 走进了 OpenAI 的会议室。几周后，他们不仅拿到了 OpenAI 的投资，还获得了技术合作伙伴关系，这成为 Harvey 早期最关键的背书。
Winston 后来复盘说：" 大多数创始人认为冷邮件没用，但关键在于你是否真的展示了价值。我们没有长篇大论讲商业计划，而是直接用产品说话。" 这封邮件改变了一切，也为 Harvey 打开了通往顶级投资机构的大门。
提前六个月融资：顶级 VC 的 Term Sheet 不是等来的
很多创始人在银行账户只剩 3 个月现金时才开始融资，Winston 说这是 " 自杀式行为 "。他的融资哲学完全不同，他会在还不缺钱的时候就开始布局。
Winston 的融资时间表是这样的：提前 6 个月开始接触目标 VC，定期分享公司进展；4 个月前邀请 VC 参加产品演示，让他们真正理解业务；2 个月前正式启动融资流程；最后在不紧不慢的节奏中签署 Term Sheet。他坚信，Sequoia 和 a16z 不是因为你发了一封完美的商业计划书就投你，而是因为他们看到了你过去半年的执行力。
但这并不意味着 Winston 会接受所有投资人。他回忆起一次失败的融资会议，对方是某知名基金的合伙人，但从会议开始就一直低头看手机。Winston 当场就做了决定：无论对方出多少钱，他都不会选择合作。他的理由很简单：信任是双向的，如果投资人在第一次见面就不尊重你的时间，后面的 7 到 10 年合作会是灾难。
Harvey 最终选择的投资人必须符合三个标准：真正理解产品和市场、能在关键时刻提供资源而不是指手画脚、对创始人有长期耐心。正是这种挑剔，让 Harvey 组建了一个真正能帮助公司成长的投资人团队。
简历陷阱：我花了两百万美元学到的招聘教训
Winston 坦言，Harvey 早期犯过的最大错误之一，就是过度看重候选人的简历。他曾经觉得，斯坦福计算机科学毕业加上谷歌背景就等于完美员工。结果他们招了一堆 " 纸面完美 " 的人，但这些人在面对模糊问题时完全不知道该怎么办。
真正的转折点发生在 Harvey 决定在伦敦建立欧洲团队时。Winston 遇到了巨大的文化冲击：在美国，候选人接受 offer 后两周内就能入职；但在欧洲，通知期普遍是 3 到 6 个月，有些高管甚至需要 12 个月。Harvey 在 2023 年初定下了欧洲扩张计划，结果关键岗位的人要到当年秋天才能到岗。这迫使他们提前 6 个月做人员规划，而不是像在美国那样 " 需要人就马上招 "。
这次教训让 Winston 彻底改变了招聘哲学。他现在坚持的原则是：如果某人是该领域最顶尖的人才，无论他们想做什么岗位都应该招进来。他举了一个例子：Harvey 曾遇到一位顶级机器学习工程师，但对方想做产品经理。大多数公司会说 " 我们需要的是 ML 工程师 "，但 Winston 直接给了 offer。6 个月后，这个人成为了 Harvey 产品团队的核心，还顺带帮他们优化了模型架构。
Winston 总结说：" 限制优秀人才的发展方向，是最愚蠢的浪费。真正的 A 级人才会在任何岗位上创造价值，而 B 级人才即使简历再光鲜，也只会在舒适区里原地踏步。"
基础设施工程师：被忽视的 AI 公司生死线
这是一个价值百万美元的教训。Harvey 早期为了快速获取客户，招了大量前端工程师来打造炫酷的 demo 界面。产品看起来很棒，客户也愿意签约。然后灾难来了。
第一个大客户 Allen & Overy 是一家拥有 4000 名律师的全球律所。当他们开始全面使用 Harvey 时，系统开始频繁崩溃、响应变慢。Winston 回忆说：" 我们当时只有 4 个人，两位创始人加两位工程师，挤在旧金山的一个 Airbnb 里，试图支撑一个 4000 人的企业级部署。那段时间简直是噩梦。"
Winston 意识到，AI 公司的竞争不仅仅在模型层面，系统稳定性和可扩展性才是企业客户的生命线。一个再聪明的 AI，如果三天两头宕机，客户也不会买单。于是 Harvey 进行了大规模调整，将 30% 的工程团队转向基础设施和 DevOps，招聘资深分布式系统工程师而不是刚毕业的天才，建立完善的监控和应急响应机制。
现在 Harvey 可以同时支持 50 万用户在线，系统可用性达到 99.9%。Winston 说：" 这些数字背后，是我们在基础设施上投入的巨大成本。很多 AI 创业公司只关注模型有多聪明，却忽略了系统有多稳定。但对企业客户来说，稳定性永远比酷炫的功能更重要。"
AI 不会杀死律所，但会重新定义法律服务
作为前律师，Winston 对 AI 是否会取代律师这个问题有着独特的视角。很多人认为 AI 会让律师大量失业，Winston 坚决反对这种观点。
他的逻辑是这样的：简单任务自动化确实会发生，NDA 审核、合同模板生成等工作会被 AI 替代。但与此同时，法律需求会出现爆炸性增长。当 AI 让创业变得更容易，会有 10 倍甚至 100 倍的新公司诞生，它们都需要法律服务。Winston 说：" 想象一下，未来每个初创公司都能以十分之一的成本快速进入 10 个新市场。这意味着他们需要处理 10 个国家的法律合规、知识产权保护、劳动法问题。法律工作不会减少，只会变得更复杂、更有价值。"
律师的角色会从文书工作者升级为战略顾问。那些重复性的、低价值的工作会被 AI 接管，律师可以专注于更高层次的战略建议、复杂的谈判和创造性的法律解决方案。
数据也验证了 Winston 的判断。目前 Harvey 的客户构成是 60% 大型律所和 40% 企业内部法务。企业法务部门的快速增长证明，AI 首先提升的是效率，而不是替代人力。那些拥抱 AI 的律所和法务团队，正在以更低的成本服务更多客户，而那些抗拒变化的则逐渐失去竞争力。
模型性能停滞？能力过剩才是真正的机会
专访中最具争议的观点来了。Harry Stebbings 问：" 很多人担心大模型的性能提升正在放缓，这对 Harvey 是风险吗？"
Winston 的回答让人意外：" 即使 GPT-5 永远不出现，光是让企业学会使用 GPT-4，就足以重塑整个经济。" 他提出了一个概念叫 " 能力过剩 "。现在的 AI 模型已经足够强大，但企业的应用能力远远落后。大多数公司甚至不知道如何正确地写 prompt，更不用说构建完整的 AI 工作流。
Winston 用了一个生动的比喻：" 这就像 2000 年的互联网，技术已经存在了，但大多数公司还在用它发邮件。真正的价值释放需要时间。" 他认为，与其追逐最新的模型，不如深度整合现有模型到实际工作流，构建专有数据集提升垂直领域表现，建立用户习惯和依赖。
Winston 坦言：" 当所有人都在炒作 AGI 时，我们在做脏活累活，优化法律文档的 OCR 准确率、处理各国不同的合同格式、训练模型理解法律术语。这些工作不性感，但这才是护城河。"Harvey 的策略很清晰：不追求技术上的领先，而是追求应用上的深度。当别人还在研究模型能做什么时，Harvey 已经在帮客户真正用起来了。
消费型定价：B2B SaaS 的范式转变
传统 SaaS 公司按 " 席位 " 收费，每个用户每月 99 美元。Harvey 正在改变这个规则。
Harvey 采用的是消费型定价模式，客户为 AI 实际完成的工作付费，比如审核的合同数量、生成的法律意见书字数。这种模式让价值与 ROI 直接挂钩，客户可以无限扩展使用而无需担心 " 买了 100 个席位但只有 20 人在用 " 的浪费。
Winston 对此有着清晰的判断：" 未来 5 年，B2B SaaS 的价值会呈指数级增长，因为 AI 让软件第一次能够真正 ' 完成工作 '，而不仅仅是 ' 辅助工作 '。一个好的 AI 产品，应该让客户觉得 ' 我每花 1 美元，就能省 10 美元 '。" 目前 Harvey 的客户平均 ROI 达到了 1 比 15，意味着客户在 Harvey 上每花 1 美元，就能通过提效节省 15 美元的人力成本。
这种定价模式的转变，本质上是 AI 带来的价值创造方式的改变。传统软件是工具，帮助人更高效地工作；AI 软件是助手，直接替人完成工作。当软件从工具变成劳动力，按使用量收费就成了最自然的选择。Winston 相信，这会成为整个 B2B SaaS 行业的新标准。
交易谈判的黄金法则：少说话，多倾听，知道何时不谈判
Winston 从传奇投资人、Harvey 董事 Keith Rabois 那里学到了一个违反直觉的谈判技巧：谈判中说话最少的人，往往拥有最大的权力。
为什么呢？Winston 解释说，说得越多暴露的信息越多，倾听让你理解对方的真实诉求，而沉默会让对方主动填补空白。很多人以为谈判就是不停地说服对方，但实际上，最高明的谈判者往往是最好的倾听者。
Winston 分享了一个实战案例。Harvey 与某大型律所谈合作时，对方提出了 15 项要求。Winston 团队的策略是只关注一项核心诉求：数据安全和隐私保护。他们在这个核心诉求上过度交付，提供了超出预期的安全方案，而其他 14 项要求全部接受，因为那些对双方都不重要。结果对方在两周内签约，成为 Harvey 最大的客户之一。
Winston 总结说：" 知道什么时候不谈判，比知道如何谈判更重要。如果一件事对你不重要，就不要浪费时间讨价还价。把所有火力集中在真正关键的一到两件事上。" 这种策略的核心在于，分清什么是必须赢的战斗，什么是可以让步的小事。大多数人在谈判中输，不是因为不够强硬，而是因为不够聚焦。
创始人的日常修炼：每天 " 摧毁 " 自己一次
Harry Stebbings 好奇 Winston 如何在高压环境下保持决策质量。答案出人意料：每天早上 5 点半的高强度跑步。
Winston 说：" 我会跑到腿发软、肺要炸的程度。这听起来很疯狂，但当你在早上 6 点半就已经 ' 摧毁 ' 了自己的身体，接下来一天的任何压力都变得不那么可怕了。" 这不是简单的锻炼习惯，而是一种心理训练。通过主动给自己施加极限压力，他在训练自己的压力承受能力。
Winston 认同 Keith Rabois 的观点：创始人应该保持适度的压力状态。如果你完全不焦虑，说明你的目标设定得太低了；如果你焦虑到睡不着觉，说明你的节奏失控了。最佳状态是每天都有点紧张，但依然能冷静做决策。这是一种微妙的平衡，需要不断调整。
Winston 还提出了一个 " 重新发明自己 " 的理论。他认为创始人应该每 4 个月重新发明自己一次：头 4 个月你是产品经理，接下来 4 个月你是销售总监，再之后你是招聘负责人，然后是战略官。他说：" 很多创始人失败是因为他们一直在做自己擅长的事。但公司需要的不是你的舒适区，而是你能快速学习并胜任任何角色。"
这种持续的自我突破和角色转换，让 Winston 能够在 Harvey 的高速增长中始终保持在最需要他的位置上。他不是在管理一家公司，而是在不断进化成公司所需要的那个人。
最重要的指标：GRR 大于新增 ARR
在专访的最后，Winston 分享了一个被严重低估的指标：GRR，也就是总收入留存率。
GRR 是指现有客户在一年后，在没有任何扩展销售的情况下，仍然支付的费用占比。如果 GRR 等于 95%，意味着 100 万的老客户一年后自然续约了 95 万；如果 GRR 等于 120%，意味着老客户不仅全续约，还自发扩大了使用，净增了收入。
Winston 解释说，很多 AI 公司疯狂追逐新客户，但如果产品价值不够高，客户一年后就不续费了。这就像一个漏桶，你倒得再快也装不满水。相反，如果你的 GRR 很高，说明客户真正依赖你的产品，这才是可持续增长的基础。
Harvey 的 GRR 超过了 110%，这意味着即使 Harvey 停止获客，现有客户的自然增长也能让收入持续上涨。Winston 说：" 当你的 GRR 超过 100% 时，你就拥有了复利增长的基础。这是 AI 公司最强大的护城河，不是技术壁垒，而是客户无法离开你。"
这个指标为什么重要？因为它直接反映了产品的价值。新增 ARR 可以靠销售团队冲刺、靠市场活动拉动，但 GRR 完全取决于产品本身是否真正解决了客户的问题。一个高 GRR 的公司，才是真正建立了壁垒的公司。
写在最后：残酷与希望并存的 AI 创业时代
这场 73 分钟的对话，Winston Weinberg 没有渲染成功学鸡汤，而是坦诚地分享了招错人浪费的数百万美元、差点让公司崩溃的系统故障、因为不懂欧洲劳动法导致的团队扩张延误、和投资人客户的艰难谈判。正是这些 " 不完美 "，让 Harvey 的故事更具参考价值。
AI 创业不是 PPT 里的指数级增长曲线，而是无数个深夜的紧急修复、艰难的战略抉择、和对自我能力边界的不断突破。Winston 最后说：" 如果你想做 AI 创业，不要问 ' 我的模型比别人强多少 '，而要问 ' 我能为客户创造多少倍的价值 '。技术优势是暂时的，客户依赖是永久的。"
从旧金山的 Airbnb 到 92 亿美元估值，Winston Weinberg 用三年半时间证明：在 AI 时代，真正的护城河不是算法，而是对行业的深度理解、对客户的极致服务、和对团队的持续投入。这才是 Harvey 成功的底层逻辑。
当所有人都在讨论模型参数和算法创新时，Winston 选择了一条更笨但更扎实的路：深入行业、服务客户、打磨产品。这条路没有捷径，但每一步都算数。这或许就是为什么在众多 AI 创业公司中，Harvey 能够脱颖而出，成为真正被企业客户依赖的平台。
