法律科技独角兽 Harvey 的毛利率，曾在律师大量改用 AI Agent 后的数月内跌到负 50%，随后才靠以中国 Kimi 为基础的自有模型扭亏为盈。律师林上伦据此指出，专业用户对 AI 的 Token 消耗，已经远超硅谷早期预期，传统「包月」收费模式在 Agentic 时代正面临压力。
根据 BlockTempo 刊发的林上伦专文，估值突破百亿美元的 Harvey 长期主打顶级律所市场，向企业和律师事务所收取高额席位费，每人每月约 1,200 至 1,500 美元以上，并普遍采用软件行业常见的「包月」年约模式。按外界通常理解，这类高客单价业务原本应具备 80% 以上的软件毛利空间。
但彭博等外媒披露的财务情况却显示，Harvey 的毛利率在几个月内从高度盈利一路下滑至负 50%，公司一度陷入每服务一名客户就出现严重亏损的局面。文章指出，造成这一结果的原因，不是底层模型 API 单价上升，而是专业用户的 Token 使用量增长速度远超最初估计。
Agent 模式推高专业场景的 Token 消耗
文章称，在法律 AI 发展初期，律师对 AI 的使用多停留在单轮问答、零星翻译，或对几页备忘录做摘要，单次任务消耗的计算资源相对有限。随着多步骤、全自主的 Agent 模式被引入，工作方式开始变化。
律师开始将数百页的诉讼卷宗、上千页的跨国并购合同直接交给系统处理。为了完成深度尽职调查或合同交叉审阅，AI 需要在后台进行多轮链式推理，反复调用外部工具做检索，核对前后矛盾，并多次自我改写。林上伦指出，这使得单次任务消耗的 Token 数量出现数十倍到上百倍增长。
文章还提到，这类专业用户对 AI 效率的依赖具有很强的持续性。一旦律师习惯在几十分钟内审完上千页合同，就很难再回到完全依靠人工翻阅的方式。随着高付费能力的重度用户持续把大量任务交给 Agent 处理，Harvey 原本的固定月费模式，很快被下游快速攀升的 API 成本吞没。
Harvey 以自有模型压缩成本
面对推理成本带来的压力，Harvey 随后推出自有的 Harvey Tenet 模型架构。根据文章说法，这一调整成功将推理成本压缩数倍，也让公司的毛利率在短时间内由负转正，重新回到盈利轨道。
林上伦特别提到，这起事件最具戏剧性的地方在于，这家由 OpenAI 创投基金亲自领投的美国法律科技公司，在成本压力最重的时候，选择以中国的 Kimi 作为自有模型的基础，而不是采用美国本土模型方案。
文章提出的两项产业观察
林上伦在文中借此提出两项判断。其一，顶级专业场景对 AI 算力的消耗，已经明显超过硅谷创投与分析师的初期假设，而且这类增长来得很快，也不容易逆转。其二，美中 AI 竞争正从表层叙事转向底层成本与效能的直接比拼；当美国头部独角兽为了生存和盈利也需要借助中国模型压缩成本时，这种竞争已经进入更实际的阶段。
文中提到的核心问题
为何 Harvey 收费高，毛利率仍会跌到负 50%
按照文中说法，Harvey 采用固定席位费的「包月」年约模式，但在律师转向 Agent 之后，单次任务的 Token 消耗激增数十倍，API 成本因此迅速吞掉收入。
这场毛利危机释放了什么信号
文章认为，这反映出专业场景的算力需求远高于硅谷原先预期；与此同时，Harvey 为了压低成本改用中国 Kimi，也显示美中 AI 竞争已经进入成本和效能层面的正面较量。