法律是垂直AI的"梦幻赛道"——三高属性：
Harvey的$110亿估值建立在一个反直觉的事实上：它没有自己的基础模型。
Harvey didn't build the engine. Harvey built the car.
Harvey曾尝试训练自有法律模型，但当frontier reasoning models在其自研的BigLaw Bench上超越了Harvey的定制模型后，果断放弃。转向多模型编排系统。
| 模型 | BigLaw Bench | 核心优势 |
|---|---|---|
| GPT-5.4 | 91.0% | 直奔任务、结构清晰 |
| GPT-5.1 | 91.8% | 法律推理最强 |
| Claude Opus 4.6 | 90.2% | 深度研究、分析任务 |
| Claude Sonnet 4.5 | 89.6% | 长文本推理、数值计算 |
| GPT-5 (reasoning) | 89.2% | 复杂问题、长文写作 |
| Gemini 2.5 Pro | 85.0% | 多步分析、长输出 |
大型语言模型就像是世界的'JPEG压缩'——牺牲细节准确性换广度。OpenEvidence选择在医疗领域做'无损压缩'。
— 创始人Daniel Nadler 引用科幻作家Ted Chiang比喻
技术架构核心：RAG集成系统（检索→排序→验证），仅使用PubMed（3600万摘要）、NEJM、FDA/CDC等权威来源，每日同步国家医学图书馆数据库。
| 维度 | OpenEvidence | 传统模式（UpToDate等） |
|---|---|---|
| 对医生收费 | 免费 | $200-500/年订阅 |
| 收入来源 | 精准医疗广告（药企付费） | 订阅费 |
| 医生渗透率 | >40%美国医生 | 缓慢增长 |
| 月查询量 | 1,800万次（2025.12） | — |
| 年收入 | >$1.5亿 | — |
| 毛利率 | ~90% | 60-70% |
| 已售广告库存 | 仅10% → 10x空间 | — |
独特之处：期刊方主动低价/免费提供内容，因为OpenEvidence为它们带来海量流量。数据成本趋近于零。
| 维度 | 🇺🇸 美国 | 🇨🇳 中国 |
|---|---|---|
| 医生执业模式 | 独立决策者，自主下载App | 公立医院体系内，需院方审批 |
| 循证文化 | 强制循证（诉讼风险兜底） | 经验辅助为主，标准未统一 |
| 数据权威性 | NEJM/JAMA/FDA统一标准 | 多源规范、标准不统一 |
| 药企营销 | $300亿/年，精准投放需求强 | 集采压缩营销预算 |
| 法律体系 | 判例法，海量case law检索 | 成文法为主，需求结构不同 |
| 律所付费能力 | BigLaw $500-1500/h | 远低于美国水平 |
| VC生态 | 愿给"workflow公司"百亿估值 | 偏好"有自研模型"的公司 |
| 公司 | 领域 | 定位 | 阶段 |
|---|---|---|---|
| 幂律智能"吾律" | 法律 | AI律师智能体，全流程立案 | 2026.04推出 |
| 北大法宝 | 法律 | 传统法律数据库+AI (RAG) | 运营中 |
| 零假设 | 医疗 | "中国OpenEvidence"，先B后C | A轮近亿 |
| 轻松健康"证元芳" | 医疗 | 循证智能体，多Agent协作 | 2026.03发布 |
| 百川智能 | 医疗 | 大模型+医疗RAG | 转型垂直 |
| 蚂蚁"阿福" | 健康 | AI健康助手，免费模式 | 3000万用户 |
Anthropic发布Claude法律插件（Cowork Legal Plugin）后，一天蒸发$2850亿市值
| 领域 | 产品 | 发布时间 | 核心能力 |
|---|---|---|---|
| 法律 | Legal Plugin / Claude for Word | 2026.02 | 合同审查、NDA分流、合规检查 |
| 医疗 | Claude for Healthcare | 2026.01 | HIPAA合规、CMS数据库、ICD-10 |
| 金融 | Claude for Financial Services | 2025.10 | Salesforce Agentforce集成 |
| 生命科学 | Life Sciences Connectors | 2025.10 | Medidata、ClinicalTrials.gov |
核心判断：Claude的法律插件更像是对传统法律信息服务商（Thomson Reuters/LexisNexis）的威胁，而非对Harvey/OpenEvidence的直接威胁。Harvey的壁垒在workflow深度；OpenEvidence的壁垒在数据独家性 + 商业模式差异 + 用户网络效应。