看不见的诉讼：这家AI公司用公开数据找到了集体诉讼的金矿

Darrow AI不是另一个“AI替代律师”的故事，而是“AI让律师发现他们本来看不到的商机”的故事。

当大部分LegalTech创业公司还在做“用AI写合同”或“用AI审合同”时，有一家特拉维夫的公司选择了完全不同的方向——用AI发现集体诉讼案件。

Darrow AI成立于2020年，2024年完成Series B融资（由Georgian领投），累计融资超过6000万美元。它做的事情听起来简单得有点反直觉：扫描公开数据，找出哪些公司可能被起诉，然后告诉律师“这里有一单生意”。

但这背后是一个完全不同的产品化逻辑。

为什么是“发现”而不是“搜索”？

这个区别决定了Darrow的产品定位。

搜索是用户知道自己要找什么，然后去找到它。发现是用户不知道自己错过了什么，然后系统告诉你。

传统模式：律师每天看新闻、刷法庭记录、靠同行打听——“听说某某公司数据泄露了，看看能不能做一单”。

Darrow模式：AI扫描数万个数据源——法庭记录、新闻稿、SEC文件、消费者投诉——实时标记出潜在集体诉讼机会，评估案件价值和胜诉概率。

从“律师找案”到“案找律师”，这是工作流范式的转变，不是效率提升。

Darrow的商业模式是最值得学习的部分。它不是单一的SaaS订阅，而是双引擎结构：

引擎一：SaaS订阅 律所按月/年付费，获得基本的案件发现和初步评估能力。这部分覆盖获客成本，提供稳定的经常性收入。

引擎二：按案件分成（Contingency Fee） 在高级模式下，Darrow发现案件→推荐给合作律师→律师处理→胜诉后按比例分成。这才是真正的价值放大器。

为什么这个设计聪明？

这种“SaaS+结果分成”的模式在AI产品中极为罕见，但它完美适配了法律行业的结构——律师行业本身就是按结果付费（风险代理）的。

Darrow没有去接入什么独家数据库。它的数据源都是公开的——法庭记录、新闻、SEC文件、消费者投诉平台。这在产品起步阶段是极其明智的选择：

学到什么：验证产品假设时，先用公开数据跑通闭环。独家数据壁垒是飞轮运转之后的结果，不是起步的前提。

美国集体诉讼市场的独特结构让这个选择非常合理：

Darrow没有去啃“AI法律助手”这个拥挤的赛道，而是选择了一个信息不对称最严重、单个案件价值最高、律师最愿意付费的细分场景。

Darrow没有尝试用AI替代律师的工作。它停在“发现案件”和“评估价值”这个环节。诉讼策略由律师制定，文件由律师起草，庭审由律师出庭。

这个边界感是关键。律师不会信任一个“帮你搞定一切”的AI，但他们会信任一个“帮我找到我看不到的商机”的AI。

短期壁垒：模型精度。越多的案件发现和反馈，模型对“什么值得起诉”的判断力越强。这是典型的数据飞轮。

中期壁垒：律所信任。法律行业极度保守，律师不会轻易更换已经证明能带来案源的平台。Darrow每多拿下一家律所，就多了一个难以被替代的渠道。

长期壁垒：案件数据库。当Darrow积累了足够多的“发现→评估→结果”数据，这个数据集本身就成了竞争壁垒。后入者不是缺算法，而是缺“一个案件从发现到判决的完整数据反馈链”。

Darrow选的是美国集体诉讼市场——一个年市场规模超过500亿美元、信息不对称严重、律师客户付费意愿极强的垂直领域。如果它选的是“一般法律咨询”，天花板会低得多。

Darrow能跑出来，核心不是它的AI模型比别人强多少，而是它选择了“赋能”而非“替代”的定位。赋能律师发现案件，律师是你的盟友；替代律师写文书，律师是你的敌人。

“SaaS+Contingency”不是事后想出来的变现方式，它就是产品定义的一部分。这个模式决定了：

本文为Vibe App Lab原创，未经授权禁止转载。观点仅代表作者基于公开信息的商业分析，不构成法律或投资建议。