Anthropic 進法律 AI 為什麼不當 Harvey — vertical AI 的兩條路與台灣新創的選擇

二○二六年五月十二日，Anthropic 正式宣布 Claude for Legal。

但這個公告的真正關鍵，不是「Anthropic 進法律 AI 市場了」。是它「沒做 Harvey」。

對台灣讀者來說 Harvey 是個陌生品牌。但對全球頂級律師事務所來說，Harvey 是過去三年最熱的 AI 產品——A&O Shearman 4,000 員工每天在用、Am Law 100 一半的事務所是客戶、估值從 2025 年底 $80 億美元跳到 2026 年 3 月 $110 億美元、一家 200 律師的事務所每年付給 Harvey $288 萬到 $480 萬美元。

如果 Anthropic 想做 Harvey 的市場，它早就可以做了。Claude 是 frontier model（前沿模型）、客戶關係已建立、技術門檻不存在。

但 Anthropic 沒做。它 5/12 做的事情完全相反——讓自己的 Claude Agent SDK 成為 Thomson Reuters CoCounsel（Harvey 最大的傳統業界對手）的底層引擎，同時透過 MCP（Model Context Protocol，模型上下文協定）跟 Westlaw、Docusign、Microsoft 365、Box 整合，把 Claude 塞進律師「既有」的軟體裡，不要求律師上 Anthropic 的網站。

這個策略選擇背後，是 vertical AI（垂直應用 AI）兩條路的根本差別。

台灣 AI 軟體新創繞不開這個選擇。

第一節：你沒聽過 Harvey，但全球頂級律所每年付它幾百萬美元

要看懂 Anthropic 為什麼「沒做 Harvey」，先要看懂 Harvey 做了什麼。

Harvey 是 2022 年 6 月成立的紐約新創，創辦人組合很對等：Winston Weinberg 是前 O’Melveny & Myers 訴訟律師、知道律師日常痛點；Gabe Pereyra 是前 Google DeepMind 跟 Meta 的 AI 研究員、知道怎麼把 GPT 調到 vertical workflow。兩人從 OpenAI 的 GPT-3 開始實驗法律專用微調，後來成為 OpenAI Startup Fund 的旗艦投資案，連 a16z、Sequoia、Kleiner Perkins、Coatue 都進場。

產品設計上 Harvey 是徹頭徹尾的「律師事務所專用 SaaS」。五大模組：

• Assistant：對話式 AI、律師專用的 ChatGPT。
• Vault：律所私有文件庫；把所有合約、判決、內部備忘錄丟進去，AI 可跨檔案做研究。
• Workflow：律師建立「可重複的工作流程」；截至 2026 年 5 月客戶已建超過 25,000 個 custom workflow。
• History：所有 AI 互動紀錄、可追溯、可分享——法律工作的可審計性是合規剛需。
• Library：律所內部共享的 prompt 跟工作流程庫，等於律所層級的 AI 知識管理。

具體場景講起來更清楚。一個律師接到 M&A 盡職調查、要審 300 份合約找出所有有 change-of-control 條款的條文。傳統做法是丟給 5 個 junior 律師一週審完。Harvey 的 Vault + Workflow 模組 1 小時跑完、產出風險矩陣、附上每一筆引用。這就是 A&O Shearman 4,000 員工每天用 ContractMatrix 的場景——律所自己統計每位律師每週省 2-3 小時、合約審查時間整體減 30%。

客戶基盤：A&O Shearman（前 Allen & Overy，全球 magic circle 律所）、HSBC、NBCUniversal、Torys、以及 Am Law 100 美國最大律所裡的一半。

定價結構是關鍵。Harvey 不公開定價，所有合約走 enterprise sales：

• 每席每月 $1,200-$2,000 美元（中型律所 $1,200-$1,500、Am Law 100 級 $1,500-$2,000+）
• 最低門檻：25-50 席起跳
• 典型年合約：$30 萬到 $300 萬美元起跳（不含實作、訓練、客製模型）
• 200 律師事務所：每年 $288 萬到 $480 萬美元（折扣前）

換算到台灣脈絡——一家中型律師事務所一年付 Harvey 的錢，等於聘請一個資深律師三年的薪資。這個價碼可以站得住，因為它直接對標律師事務所最高成本項目（人力時間）。Harvey power user 每月平均省 36.9 小時，等於每月省一個律師的 1/4 工時；如果一位律師年薪 $30 萬美元，Harvey 每席每月幫律所省約 $6,250 美元的人力成本，定價 $1,500 美元仍有 4 倍 ROI。

這個商業模式有清楚的形狀：Harvey 是 vertical SaaS——律師專用軟體，律師要登入 Harvey 的網站、用 Harvey 的介面、把資料搬進 Harvey 的 Vault。AI 引擎雖然跑在 OpenAI 之上，但用戶體驗、工作流、客戶關係、訂閱合約、價碼，全部都是 Harvey 自己擁有。

第二節：Anthropic 5/12 真正做的事 — 不打 Harvey，做 Harvey 底下的引擎

回到 Anthropic 5/12 公告，把它跟上面 Harvey 的形狀對照看就很清楚。

Anthropic 推出的 Claude for Legal 不是律師專用網站。它是兩件事的組合：

第一，12 個 role-specific 法律插件（commercial counsel、employment counsel、litigation associate、law student 等）。但這些插件不住在 Anthropic 自家網站——它們透過 Microsoft 365 跨應用整合塞進 Word、Outlook、Excel、PowerPoint。律師繼續用既有的 Microsoft 365，只是「右鍵呼叫 commercial counsel」就有 AI 協助。

第二，MCP 連接器整合到律所既有的軟體生態：Docusign（電子簽約）、Box（雲端儲存）、Westlaw / Practical Law / KeyCite（Thomson Reuters 的法律研究平台）、Free Law Project（公開判例資料庫）。律師不用搬資料、不用學新介面，AI 直接在原本的軟體裡跑。

但最關鍵的訊號是 Thomson Reuters CoCounsel 的整合方式。

CoCounsel 是 Thomson Reuters（全球最大法律資訊服務商）2023 年買下的 Casetext 改名而來，目前服務全球 107 國、100 萬名法律專業人士、整合 Westlaw + Practical Law + KeyCite + 2,600 律師專家策展內容。5/12 同日 Anthropic + Thomson Reuters 聯合公告：CoCounsel Legal 完全重建在 Anthropic Claude Agent SDK 上。不是 API 整合，是底層 agent runtime 整套搬到 Claude。

這個動作對應的商業意義很清楚：

• Anthropic 沒有自己做 vertical 法律 SaaS（也就是「Harvey 那條路」）。
• Anthropic 把自己定位成「法律業最大 incumbent（Thomson Reuters）的底層 AI 引擎」。
• 同時透過 MCP 整合 Microsoft 365 + Westlaw + Docusign，律師在哪個軟體都會碰到 Claude。

換句話說，Anthropic 不需要說服任何一家律師事務所「來用 Claude for Legal」。它讓律師事務所早就在用的軟體（Microsoft 365、Westlaw、CoCounsel），預設出現 Claude。

借既有的通路、不自建客戶關係。這就是 Anthropic 進法律的方式。

第三節：vertical AI 的兩條路 — 應用層 vs 平台層

把 Harvey 跟 Anthropic 的選擇拉成結構性對照，vertical AI 走出兩條路。

路一：vertical 應用層（Harvey、Hippocratic AI、Lily AI 等）

• 自己做 vertical 專用 SaaS、自己的 UI、自己的工作流
• 直接賣給該 vertical 客戶（律所、醫院、銀行）
• AI 模型外包給 OpenAI / Anthropic / Google
• 護城河：對 vertical workflow 的理解深度、客戶關係、累積的客製 workflow 資產
• 估值倍數：高 P/S（Harvey 58x、Hippocratic 預估 50x+）

路二：vertical 平台層（Anthropic、部分 OpenAI 策略、部分 Google 策略）

• 不自己做 vertical SaaS
• 跟 vertical incumbent 結盟（Thomson Reuters、Epic Systems、Bloomberg、Salesforce 等）
• 透過既有通路觸及最終用戶（律師、醫生、分析師）
• 護城河：foundation model 能力 + 多 vertical 平行擴張
• 估值倍數：成長期 P/S 偏高（Anthropic ~30x）、成熟平台 P/S 偏低（Google ~7x），但絕對規模都極大

這兩條路是「應用 vs 平台」的經典分工，AI 時代再演一次。但這次的關鍵差別是 AI 應用層可以挑模型，AI 平台層搶不到應用層的客戶忠誠度。

Harvey 隨時可以把底層從 OpenAI 換成 Anthropic、甚至訓練自己的法律專用模型——Harvey 護的是 25,000 個 custom workflow 跟 4,000 個 A&O Shearman 律師的肌肉記憶，不是 GPT。所以 OpenAI 投資 Harvey、但 Harvey 不會綁死在 OpenAI 上。

反過來，Anthropic 也不可能搶到 Harvey 那種「律所每年付幾百萬美元」的客戶關係——因為 Anthropic 沒有客戶 onboarding、沒有 customer success team、沒有 vertical workflow 庫。所以 Anthropic 選擇「成為所有 vertical 平台的底層」，不下場跟 Harvey 競爭。

第四節：估值倍數其實沒差太多 — 真正差的是相同高估值背後的風險結構

很多人會以為應用層（Harvey）跟平台層（Anthropic）的 P/S 倍數差距很大。實際數字其實沒那麼戲劇。

Harvey：58x P/S（$110 億 / $1.9 億美元 ARR） Anthropic：約 30x P/S（$9,000 億 / $300 億美元 ARR；若用 run rate $400 億美元算則 ~22x）

倍數差約 2 倍。兩家在當下 AI 高估值週期裡都在差不多的區間 — 這個區間本身就是 frontier AI 公司的特殊溢價，不是哪條路特別貴。

但相同的高 P/S 背後，兩家承擔的風險結構完全不同。

Harvey 的 58x 是「集中下注」：客單高（$30 萬到 $500 萬美元/年）、黏著高、25,000 客製 workflow 形成切換成本。但整個估值押在「Harvey 贏法律 vertical AI」一個結果上。上行天花板被法律業總市場規模綁住（全球法律業約 $1 兆美元，Harvey 拿 1% 就是 $100 億 ARR、估值到 $200 億美元就已經很滿）；下行風險集中（如果 CoCounsel 或新對手贏，Harvey 的 25,000 workflow 都成為沈沒成本）。

Anthropic 的 30x 是「分散下注」：客單分散（API 每百萬 token 幾美元）、黏著中等（開發者隨時可切 OpenAI 或 Google）。但估值押在「整體 AI 算力消費」這個更大池子上 — 法律、醫療、金融、程式碼、客服任一個 vertical 起飛它都受益。上行天花板極高（2030 預估 $1-3 兆規模）；下行風險分散（單一 vertical 失敗不影響整體）。

結論：Harvey 跟 Anthropic 不是「估值貴賤」的差別，是「賭注型態」的差別。

對台灣 AI 軟體新創來說這個區分極關鍵 — 因為 99% 的台灣新創沒有「當 Anthropic」的選項（沒有 frontier model、沒有 capex 規模、沒有國際資金管道）。真正的選擇是在 Harvey 那條路上的位置、以及要承擔哪種風險型態。

第五節：對台灣 AI 軟體新創的三個結構性選擇

把分析拉到台灣脈絡。

選擇一：當「台灣的 Harvey」— 但要選還沒被佔的本土 vertical

最直接的路。Harvey 跟 CoCounsel 主攻英美法系，無法直接服務台灣法律市場（大陸法系、繁體中文、特定司法管轄區的判例庫）。台灣本土已經有 Lawsnote 等公司在做法律 AI、但市場還在早期、空間還大。

但要注意：「台灣的 Harvey」護城河不是 AI 技術，是「本土 vertical 工作流的深度」跟「本土法律資料的累積」。如果你的產品護城河是「我們用了 Claude 而對手用 GPT」，這不是護城河。

同樣邏輯適用台灣醫療 AI（健保資料、繁體中文病歷）、台灣金融 AI（台股、本土 KYC 規範）、台灣會計 AI（本土稅法、合規）——所有需要本土資料 + 本土工作流的 vertical 都有「台灣版」的位置。

選擇二：當「Harvey 底下更小的 niche」— 服務美國巨頭看不上的次級市場

Harvey 的最低門檻是 25-50 席律師事務所。全球有幾萬家小型律所、in-house 法務團隊規模不到 10 人。這些客戶 Harvey 服務不到——太小、合約金額不足以覆蓋 enterprise sales 成本。

這就是台灣團隊可以做的 niche：用更低客單價、更輕量的部署、服務 Harvey 看不上的長尾市場。這條路客單低、規模難放大，但競爭少、執行門檻低、適合小團隊起步。

選擇三：當「Anthropic 在台灣的 vertical 通路」— 跟 frontier model 結盟、不對抗

第三條路最被忽略但可能機會最大。Anthropic 跟 OpenAI 都需要當地通路——它們的 sales team 不可能直接覆蓋台灣每家律所、醫院、銀行。它們需要「台灣的 Thomson Reuters」型合作夥伴：握有本土客戶關係、把 frontier model 整合進本土軟體裡。

這條路要求公司已經是「既有的 vertical 平台」（電子簽約、人資軟體、ERP、會計、診所管理系統），不是 AI 新創。但如果你已經是某個 vertical 在台灣的 incumbent，把 Claude 或 GPT 整合進自家平台會比自建 AI 部門更快、更穩、更聚焦。

對純 AI 新創來說，這條路是「跟現有 vertical 平台合作而非取代它」——不是當主角，是當供應商。

收尾：四聯作收網

從 OpenAI 篇（治理外包）、Google × Meta 篇（估值濾鏡）、Anthropic 算力篇（算力主權）走到這篇（vertical 落地），AI 公司結構分析的四聯作收完了。

四個維度合起來看，frontier AI 產業下一個十年的勝負是這四件事的組合：

• 治理結構：公益公司 vs 限利混合架構 vs 純股份
• 估值結構：應用層 P/S vs 平台層 P/S
• 算力結構：算力主權 vs 算力租戶
• 落地結構：自建 vertical 應用 vs 跟 vertical incumbent 結盟

Anthropic 在這四個維度的選擇都很一致——治理乾淨（公益公司）、估值分散下注（P/S ~30x、押在整體 AI 算力消費而非單一 vertical）、算力分散租戶、落地走 incumbent 整合。這四個選擇合起來形成內部自洽的策略：規模大、護城河寬、不容易被單一風險擊倒、但天花板取決於整體 AI 算力市場成長。

對台灣產業這個四維框架的價值不是「複製 Anthropic」，是「看清楚 AI 公司的結構選擇有哪幾個維度」。當下一家 AI 公司來談合作、來募資、來找通路時，這四個維度是該先問清楚的條件。

不要看 demo。看結構。