AI 搬得走法条，搬不走分寸

一家叫 Harvey 的美国公司，靠给律师做 AI 助手，做到了 110 亿美元估值。第一反应是”AI 终于会写合同了”。但真有意思的是”不是”的那部分——它真正值钱的，是把 30% 律师脑子里的”活儿怎么干”搬进了模型；而更值钱的，是那些它永远搬不走的东西。

Harvey 到底在搬什么

很多人以为 Harvey 的壁垒是”AI 会写合同”。错了。它的底座用的就是 OpenAI 的模型，模型谁都能调。

它真正在搬的，是两样东西。

一是”流程数据”。 Harvey 有 30% 的员工是法律背景——不是工程师，是律师。这些人干的活，是围着一条条具体法律任务，把”复杂工作怎么拆、先做哪步、容易卡在哪”写成 AI 能执行的流程。CEO 温伯格有句话很直白：

“只有有经验的律师，才能在任务层面把复杂法律工作拆开。而这种’流程数据’，在任何地方都不公开。”

二是”喂不进去的数据”。 律所手里的判例、尽调、合同库，出于隐私，既不能公开，也喂不进通用大模型。可输出的质量，又恰恰卡在这些数据上。

于是 Harvey 用 14 个月连跳四轮融资——30 亿、50 亿、80 亿、110 亿——把”搬不动的数据”和”拆不开的流程”，做成了护城河。

一句话：它的壁垒从来不是 AI，是那些只有踩过一线的人才知道、又拿不出去的隐性知识。

我手里，也有一块搬不走的

看到这儿我愣了一下。因为我手里，正好也捏着这么一块。

我是基层执法者。一线执法的日常里，最值钱的不是背法条——法条是公开的，AI 比谁背得都全。最值钱的是那些”法条对不上现场”的拿不准：什么情况该管、管到哪一步、怎么管才不越界。

这玩意儿有多稀缺？全网没有一个 AI 公司拿得到。不是技术问题，是两道墙。

一道是纪律墙。 涉及公职，案件、流程、内部机制，一个字都不能往外流。Harvey 能跟律所签数据协议，我不能。

一道是经验墙。 即便数据能公开，也得有踩过一线的人，才知道那些”拿不准”长什么样、藏在哪。Harvey 得雇 30% 的律师去买这种能力，而我，天生就站在这道墙里面。

这就撞出一个悖论：理论上，我握着 AI 时代最稀缺的护城河；实际上，这块护城河恰恰是最不能卖、也最不该卖的东西。

但”搬不走”的，才是真护城河

想通这一点，反而踏实了。

通用大模型能背一万条法条，但它不知道一些东西——它们不在任何一条法条里，也不在任何一份公开数据里。

AI 搬得走	AI 搬不走
法条、判例、文书	现场那一下的分寸
检索、起草、总结	该不该、能不能的判断
重复性流程	一个人对另一个人的理解

它只在人身上。

「分寸」这个词，听着虚。但它落到现场，是具体的：是你多问了一句，发现事情不是单子写的那样；是你在做决定前，先看了一眼那个人的眼睛；是你明明能照流程办完就走，却多停了一下。

这让我想起一个说法：AI 是增强器，你本身底子越厚，AI 给你的增益越大。 护城河从来不是”我有什么 AI 没有的数据”，而是”我有什么 AI 替代不了的判断”。数据可以被搬走、被复制、被喂给下一个模型；判断和分寸，搬不走。

还有一层更实在的：AI 天生有幻觉，它给你的答案，最后一道校准必须人来按。这个”最后一道”，在一线现场，就是那条不能退的线——AI 能给你十个”可能”，但”该不该、能不能、是不是”，得人来拍。

我守的，是”人”那部分

所以我不担心 AI 取代我。我担心的是另一件更隐蔽的事：有一天，我习惯了让 AI 先给答案，慢慢地，面对一个人时，先想到的是流程，而不是眼前这个人。

深夜值班，电话打进来，那头的声音是抖的。AI 能给我十条处置建议，但它不会替我听见——那个声音里，除了事情本身，还有一个正在害怕的人。

这个「听见」，是我攒了这些年的、搬不走的东西。

Harvey 那 30% 的律师，把”活儿怎么干”交出去，换来了效率；而我要守住的，是反过来——把重复的、机器能干的，交出去；把分寸、判断、心疼这些只有人能干的事，攥回手里。

这是我在 AI 时代给自己划的线：AI 搬得走法条，搬得走文书，搬得走检索。但它搬不走一个执法者在现场那一下的分寸——那个分寸里，装着一个具体的人，对另一个具体的人的理解。

Harvey 用 110 亿美元证明了一件事：能被搬走的知识，都会变成商品；搬不走的那部分，才是人的护城河。

我站在搬不走的那一边。我不怕被 AI 比下去，我只怕有一天，自己先忘了去「听见」。