服务级别分歧
>
作者：Omar El-Ayat · 2026 年 4 月 16 日
关于 AI 服务的 VC 辩论——以及为什么它们无法逃脱软件的引力
最近来自 Emergence、Sequoia 等的文章触及了 AI 原生服务（AINS）的增长趋势。核心洞察是 AI 公司应该出售工作，而不只是工具，使初创公司能够捕获和解锁难以获得的预算。换句话说，出售结果，而不是软件。外包工作比内部工作更容易被替换，TAM 要大得多：每一软件美元等于六服务美元。¹
虽然我们同意这个模型有许多吸引人的特征，但我们对范围（这适用于哪些市场）、可寻址市场（你可以现实地构建多大的业务）和风险投资可融资性（适合风险投资的 AINS 初创公司的比例）可能比同行更谨慎。事实上，我们近两年来一直在分享我们对服务日益增长的热情的担忧。来自我们 2024 年 11 月的文章 The Siren Song of Services：
然而，正如任何流行的风险投资论点一样，反论也即将到来。今天，我们看到广泛接受了解决服务的初创公司，许多没有清晰的自动化路径或没有自然的风险规模第二幕。一些人押注 AI 会赶上来，利润率也会赶上来。其他人完全交换软件商业模式以换取 TAM，将垂直整合推向极端。太多人忘记了为什么软件是如此神圣的投资类别，对自动化人类离开行业的难易程度、服务收入的下市场估值，或横向增长产品套件的权利做出了过于自由的假设。 —— The Verticalist
AI 服务的论点
AI 启用服务的推介是合理的。逻辑与 LLM 启用的变化密不可分，通常如下：
- 由于各种因素——包括 SaaS 工具数量的迅速增加和某些行业反创新的激励——传统的攻击角度（销售和货币化云软件）已停滞。
- 为扩大其影响力，初创公司需要从 SaaS 转向服务，专注于 LLM 的快速改进以提供结果而不仅是工具，并在某些情况下完全接管他们之前认为是客户的运营业务。
- 通过将劳动力预算与传统 IT 预算一起包括在范围内，AI 服务初创公司的 TAM 大幅扩大。此外，在劳动力供应受限的市场中，AINS 特别有吸引力，因为它们可以通过消除瓶颈立即加速收入。²
- 凭借 LLM 和代理平台提升自动化和增加传统手动工作流总利润率的潜力，AI 服务现在是风险投资可支持、风险投资可扩展的，并且具有类似软件的终端利润率潜力。
这种论点的一个常见特征是倾向于将所有 AI 原生服务模型视为相同。在实践中，我们看到出现两种不同的模型。它们是两种根本不同的策略，对所有重要的下游考虑（市场推广、利润率结构、招聘和防御性）有不同的前景。
服务作为楔子
在这里，你通过承担工作结果（如 NDA 或保险经纪）进入市场。通常，这些已经外包给顾问或 BPO。服务是初始滩头阵地；你用它们建立信任和收集数据，然后逐渐用软件（内部或外部）自动化更多以控制工作流并进入内部 TAM。随着时间推移——如果假设正确并且 AI 驱动的工作流足够改善——人类服务层的需求就会消退。这是人们通常所说的”AI 服务初创公司”——或者至少，直到最近是这样。
服务作为交付引擎
第二种原型设想了一个非常不同的商业模式。开发了工作流软件，但单独的软件无法交付完整的客户结果。人类服务在最后一英里仍然必不可少：向监管机构提交、与高价值客户接口、批准需要认证专家的项目等。在这个模型中，服务组件是永久的交付机制，而不仅仅是入口点。随着 AI 进步，服务变得更高效，但循环中人类判断的根本需求仍然存在。
这两种方法可能产生根本不同的商业模式。不仅它们围绕人在循环中和最终利润率有不同的杠杆点。它们还旨在服务两种不同类型的产品，这些产品又通常旨在服务两种不同类型的市场。例如，基金管理人或财务审计员是与保险或货运经纪人非常不同的服务公司类型。让我们解释。
服务作为楔子依赖于”智能套利”。它的根本赌注是 AI 的快速改进，让曾经低利润的服务变成具有低边际增长成本的类似软件的业务。相比之下，服务作为交付引擎利用”协调优势”，AI 模型的进步驱动一个优于现状的产品，即使利润率配置永远不像 SaaS。前者在被商品化之前迅速过渡到额外的服务，而后者通过自动化异常处理和协调来加强其优势。
比较两种模型
自动化陷阱 = 人类被证明很难被自动化掉，利润扩张永远不实现。调度员陷阱 = 商品化的风险（竞争对手和遗留服务有与你相同的 LLM）。
楔子方法在工作已经外包、任务是基于智能且可以自动化、买家对外部提供商感到舒适的类别中有效。在这里，替代涉及更换供应商而不是重组内部流程。
保险经纪是这种模型的范例。标准商业线经纪涉及比较承运人和填写表格，主要是智能工作。分销层在许多小经纪人之间高度分散，因此没有单一在位者控制客户关系。Harper 和 Panta 是这种模型的最近例子。
事务性法律工作符合相同的模式。NDA、监管申请、标准合同起草——大多数公司已经外包给外部律师的具有标准化输出的明确定义任务。Crosby 和 Arcline 作为自动驾驶进入，在直接的事情上替换律师。
在交付模型中，主要挑战不是智能工作，而是协调、合规、责任所有权，以及软件驱动的输出与客户期望结果之间的物理世界交接。服务提供商实际上是嵌入式合作伙伴并拥有结果。拥有结果意味着最后一英里在结构上很长，至少今天是。工作通常是外包的，但也可以是内部的。
通信合规是交付引擎模型的强例子。受监管行业（包括金融服务、医疗保健和政府承包）的公司必须监控、归档和报告员工通信。Hadrius 和 Norm AI 正在金融服务中解决这一需求。虽然智能工作可以自动化，但实现期望的结果需要持续的监管申报、审计准备和对错过违规的责任。
基金管理是另一个强例子。运行 NAV 计算是模型可以处理的智能工作。但 GP 支付的结果是可审计的账簿、可信的 LP 报告，以及保存基金整个运营历史的记录系统。AI 原生基金管理的承诺是带有服务层最后一英里的类似 ERP 的粘性。但无论 ERP 多么好，协调、监管合规和判断层对业务的成功至关重要。Hanover Park、Maybern 和 Formulary 是该类别中最近出现的初创公司。
诊断：三个问题
我们建议旨在构建 AI 服务业务的创始人应回答三个问题以定义要追求的模型：
1. 你是外部供应商还是嵌入式合作伙伴？
如果服务是你的入口点，你通过执行外包工作进入市场，替换另一个供应商，并遵循楔子策略。你的优先事项应该是在智能层被商品化之前向工作流所有权进展。如果服务是你的交付机制，作为嵌入式合作伙伴提供最后一英里协调为软件增加价值；你的重点应该是深化这种能力的表面积，同时追求自动化。
2. 谁拥有结果？
在楔子模型中，客户通常保留责任；你在做工作，但他们对输出负责。NDA 的执行者承担责任。客户仍然在保险单上签字。在交付层模型中，你拥有责任，即使是隐含的。在提交税表时，人类判断层不会消失。管理基金并以你的名字在审计跟踪上结账。责任所有权听起来像风险（应该如此！），但当正确执行以构建持久护城河时，它实际上是杠杆。它将成本中心定价转化为保险定价，并创造没有功能比较可以复制的转换成本。
3. 当模型变好 10 倍时你的业务会发生什么？
对于楔子公司，更好的模型让你的入口点更容易，但也让其他人的入口点更容易。除非你已将数据和信任复合到内部工作流所有权中，否则优势是暂时的。对于交付层公司，更好的模型让你的服务层更便宜、更快地交付，但协调和合规要求不会消失。你的利润率应该改善。你的护城河变得更宽。如果一个 10 倍更好的模型对你的竞争对手的帮助和对你的帮助一样多，你在楔子中。如果它不成比例地帮助你，因为你已经构建了利用它的协调基础设施，你在服务层中。
最糟糕的位置是误诊你处于哪种模型。一家以为自己有服务层护城河的楔子公司将在祝贺自己的服务质量时被商品化。一家试图摆脱其协调层以看起来像纯软件业务的服务层公司将摧毁正是使其防御的东西。
服务的挑战
用利润率换取收入的诱惑
很容易看出为什么服务呈现如此诱人的目标。随着智能能力加速，大型潜在市场在套利窗口内可争。该论点的第一支柱是出售工作而不是工具，可以是楔入软件回避型买家的正确方法——打开 SaaS 难以打开的门。替换现有供应商比培训新软件平台是更简单的买家考虑。所需的组织变化更少，这在已经几十年以一种方式做事情的行业中可能是相当的。该论点的第二支柱是事实，正如 Sequoia 的文章所说，”对于花在软件上的每一美元，六美元花在服务上。”假设地，100% 的 TAM 都可争取，而不仅仅是 IT 预算（稍后会详细介绍）。
正如我们今年早些时候在关于调度问题的文章中写的，虽然我们总体上对 AI 服务持乐观态度，但我们不相信服务是每个垂直市场的正确路径，也不会是总体上最主导的方法：
一些人认为，随着智能的边际成本崩溃到接近零，企业技术的关键价值主张将从提供帮助人类劳动的工具转向交付替代它的结果。我们认为这肯定是真的：垂直 AI 可以处理比单独的垂直 SaaS 更多的端到端工作流。这值得显著更多的客户价值和支付意愿，进入显著更大的预算。然而，我们不同意现在普遍的观点，即服务交付——一种类似于外部供应商而不是业务核心内部平台的客户关系——是 AI 驱动软件的主导范式。 —— The Verticalist
我们最明显的问题是收入（在更高抽象层次上，可寻址市场规模）和利润率之间的权衡并不像看起来那么明确。我们认为 Emergence 的”幻觉 PMF”概念很好地概括了我们这里的几个担忧，即”强劲的收入增长和净美元留存率可能掩盖真正 AI 启用的缺乏。”历史上，许多技术启用的服务业务以牵引力（甚至强劲的留存率）冲出大门，用利润率换取收入增长，只是让单位经济和现金燃烧成为它们规模化的崩溃。几家资金充足的货运经纪人和房地产 iBuyer 的兴衰是这种现象的好例子。
当然，关键是现在，借助 AI，这次不同。在我们关于 AI 优先汇总的过去文章中，我们解决了这一具体问题：
[它]仍不清楚 AI 的利润提升将是什么——而跨行业的机会不太可能是普遍的……[服务即软件公司]正在出售结果并内化利润率风险。即，他们在赌他们可以随着时间的推移自动化越来越多的工作份额。这对许多其利润提升因为(i)技术上太难，或(ii)太难逃脱对它们的风险投资支持者要求的高增长率所成瘾的服务依赖而实现得太慢的初创公司来说一直是著名的遗言。 —— The Verticalist
最后一点对于技术启用的服务是一个独特且困难的挑战，往往对企业价值具有高度破坏性。管理增长和单位交付成本之间的权衡为风险投资支持的初创公司带来了特殊挑战：支付软件倍数的投资者会期望像风险投资一样的增长和像软件一样的利润率。对于运营商来说，这意味着快速增长收入同时改善毛利率并降低单位成本。到达成熟点时，你不能再用利润率换取收入，市场不太可能奖励那些以利润率换取收入的公司。
初创公司需要同时投资于增长（销售和营销）、自动化（研发）和服务交付（人力作为 COGS），仔细拉动杠杆以管理业务。投资错误并必须快速迭代和重新优先化对任何初创公司都很困难，但对服务公司尤其如此。在高信任度市场中，失败的成本可能是存在性的。你正在交付结果，而不是工具。作为服务业务人员不足和交付不足可能损害品牌而无法修复。人员过多并未能增长可能使下一轮筹款更难；同时，那些人员选择增加燃烧并缩短了跑道。
即使初创公司获得了正确的扩展水平，在渴望 AI 驱动软件的市场中保持竞争力也并非易事。随着时间的推移，开发不仅是好软件而是行业领先软件的纯经济激励减少——毕竟，你的奖励不是像初创公司那样更高的收入增长；它是毛利率改善。无聊！这也不足以帮助你筹集下一轮。没有后期阶段的风险投资者会因为他们改善利润率而资助一个增长较慢的业务。自动化是基本要求，但风险投资资金不会在没有像风险投资一样的增长和通往像软件一样利润率的路径的情况下跟随。
同时，不仅你的自动化可能被直接 AI 服务竞争对手复制（他们将旨在以成本和速度低于你的产品），它最终将作为纯软件向更广泛的市场访问。继续研发努力以构建同类最佳技术的动机迅速减少。
TAM 幻觉
我们对服务叙述的最大挑战是关于市场规模。Sequoia 的分析表明”自动驾驶的总可寻址市场是一个类别中的所有劳动支出，内部和外包合并。”当然，这种声明并不独特。下面的图表来自最近的 Coatue 演讲，表明”通过将价值单位从工具转移到结果，可寻址市场潜力扩大 25 倍。”
这些类型的 TAM 分析感觉过于简单化。我们之前讨论过我们认为 VC 在调整垂直市场规模方面挣扎的观点，但这种分析（涵盖所有劳动支出）并不专属于垂直市场。正如我们在关于垂直 AI 中代理的文章中解释的，自动化历史上没有导致一对一的劳动力替换。同样，基于潜在劳动力抵消计算 TAM 不仅有缺陷——它从根本上是不正确的，并且与每个历史自动化的例子不一致。
也许更重要的是，如果智能层继续改进并变得更实惠——许多构建和投资 AI 服务的公司相信这一点——服务级输出的价值将被商品化。换句话说，如果任务特定智能的成本继续下降，套利窗口最终会消散，因为智能层接近基础设施风格的定价（即在大致提供它的成本之上的利润率）。因此，任何传统的基于劳动的定价模型将失败。定价将不是由可以替换多少人和他们的成本驱动，而是由市场竞争驱动。任何基于劳动定价的服务层将不可持续。是的，虽然降低服务的成本可以增加需求（参见 Jevons 悖论），但这仍然不会让你回到基于劳动力抵消的 TAM。
这也呈现了经典的调度员问题：在不拥有工作流的情况下执行工作使你成为在位者的低成本版本而不是根本不同的业务。例如，出租车调度员协调乘车但不拥有车队、司机关系或客户数据。当协调被商品化时，调度员失去了他们的优势。价值积累给工作流所有者。
如果智能即服务在垂直市场中遵循商品化的预期路径，我们可以确信市场不会与当前服务市场规模相同。在总价值创造方面可能要大得多，但问题是谁捕获那种价值——历史上，它不是其唯一优势是便宜地做工作的公司。
换句话说，垂直 AI 初创公司——无论他们是否认为自己是 AI 服务公司——通过捕获崩溃的智能成本的剩余而早期获得牵引力的，如果他们不在初始服务之外构建，他们将很快发现自己定价过低和被竞争。唯一的长期护城河来自初始服务之外的产品化：
楔子可能是更便宜地交付的服务。但护城河将是建立在该楔子之上的系统，利用他们与客户的内部定位来开发护城河——专有数据、网络效应、多产品平台和行业”大脑”——使其成为可依赖的基础设施，而不仅仅是另一个供应商。 —— The Verticalist
关于潜在结果规模的另一个明显问题是市场渗透。从我们去年关于市场规模的文章，横向 SaaS 公司通常在 10-20% 市场份额时减速。垂直 SaaS，特别是在竞争较少的市场中，可能实现更高的渗透——有时在专注（尽管经常 PE 整合的）市场中超过 80%。大多数大型公开垂直软件业务在十几个百分点处达到顶峰。
很少有运营业务，因此完全垂直整合的初创公司，能达到这些高度。尽管它们令人难以置信的增长，估计 Headway、Alma、Rula 或 Grow Therapy 都没有美国整个治疗市场的低单位数份额。即使在汇总市场中最大的遗留玩家之后，垂直整合的家庭健康业务 Honor 可能有 2-4%。TAM 可能是巨大的，但作为一个集成服务业务捕获其中有意义的份额的路径在结构上比销售软件许可证更难。结合崩溃智能的通缩定价影响，我们觉得我们的许多同行可能高估了”劳动力替换”服务真正能实现的收入机会的规模。
服务并不比软件更具防御性
Sequoia 在其文章中开头主张 AI 服务比基础模型实验室更具防御性。”如果你出售工具，”Sequoia 写道，”你正在与模型赛跑。但如果你出售工作，模型的每一项改进都使你的服务更快、更便宜、更难竞争。”
值得拆解他们实际在说什么。大多数 SaaS 公司转售算力和存储基础设施；随着云基础设施的改进和变得更实惠，他们和 AWS 等都受益。自然，提供超出存储和算力的独特价值的 SaaS 提供商在结构上是脆弱的，最终将面临中断和侵蚀的市场份额。正如 Ben Evans 在最近的播客采访中开玩笑说，”[SaaS] 都是薄 SQL 包装。它们都只是数据库。”
相同的范式适用于建立在 LLM 基础设施之上的解决方案。每一项对模型的改进都同样使工具和服务受益。Sequoia 的框架假设 LLM 以商品化工具但以某种方式保留服务的方式改进。那是任意的。如果模型变得足够好以替换代码审查工具，它就足够好以替换代码审查即服务产品（可以说，后者更容易）。哪个更简单：切换 IT 帮助台或会计公司，还是替换你的 ERP？模型改进只在没有竞争服务采用相同的 LLM 进步的情况下使服务防御。那不是我们会下的赌注。
那么为什么出售工具会让你比出售工作更”与模型赛跑”？软件中最强的护城河始终是那些不容易复制的——专有数据循环、工作流集成、分销、网络效应——而不是它们建立在其上的基础设施，无论你为工具还是输出收费。工具和服务的威胁向量是相同的：竞争对手（无论是同行还是实验室自己）可以利用 LLM 来商品化你的产品。无论你是将模型作为工具包装还是用它来交付完成的工作，你需要构建一个将随着你的基础设施改进而生存和繁荣的业务。
楔子不是护城河
我们的总体观点不是建立在 LLM 基础设施上的 AI 服务本质上是糟糕的初始楔子（或商业模式）。相反，我们仍然相信这些初创公司必须超越楔子来构建内部客户工作流，并在某些情况下商品化它们自己的服务以避免最终的中断。对于那些在服务即交付初创公司中构建的人，这些业务可能极具吸引力，尽管仍有待观察有多少市场可以支持类似软件的利润率和风险规模的结果。
在 Euclid，问题仍然存在，服务即楔子模型是否真的会被证明是有价值的长期市场进入点。我们在 Tidemark 的朋友们在垂直软件中控制点的模式上做了出色的工作。大多数垂直软件市场都有一个或两个控制点，作为构建战略上主导垂直软件公司的理想模式。在过去的文章中，我们分享了我们认为大多数 AI 原生垂直产品的最佳控制点：有价值的内部工作流的创作层（即启动点），可以解锁收入并提供即时 ROI。对于服务即交付的初创公司，有强烈的论据表明他们的最后一英里协调层可以作为进入更大工作流和收入流的有用控制点。然而，我们更怀疑服务即楔子的业务能否捕获控制点的所有权。
我们在这篇（以及过去一年的其他文章）中多次分享，我们继续相信在垂直 AI 中”获胜”的主导模式将是软件——无论它如何定位或被谁使用。还有一个更微妙的战略点，服务劳动力替换话语完全模糊了。随着 AI 能力改进，人类角色不会消失；它们会迁移。因此，我们已经主张垂直 AI 中最大的结果将不来自劳动自动化，而来自提高生产力：
围绕 AI 价值的大部分叙述都集中在直接劳动力替换上，鉴于买家的即时利润潜力。但我们相信 AI 的更大影响——以及更大的市场机会——将是它增强劳动力生产力的能力，而不仅仅是替代它。 —— The Verticalist
AI 原生服务无疑会产生伟大的业务和风险投资结果。然而，我们相信当前的话语正接近过度兴奋，创始人和（一些）他们的支持者将其视为销售给垂直行业经典采用摩擦的灵丹妙药。也有跟随构建好服务业务但不是风险投资规模的剧本的风险，不幸的是用 VC 资金和期望构建。正如 Emergence 雄辩地说，陷阱是”你已用错误类型的资本融资了一个好的服务公司。”这是我们在关于 AI 优先汇总的初始文章中概述的类似假设。汇总和技术启用服务都不是新概念，两个模型多年来都被私募股权理解和融资。
驱动当前一代垂直初创公司的楔子是廉价智能。AI 服务创始人的陷阱是将吸引人的楔子误认为可持续的业务。我们可以想到许多业务，无论垂直还是横向、AI 之前还是之后，它们以吸引人的楔子冲出大门，以高估值募资，只是后来发现他们的产品迅速被商品化，没有持久的护城河。我们在 Equal 的朋友 Rick Zullo 分享了这一观点的强烈表达：
知道如何在这些行业中获胜不仅仅是跟随增长，而是导航行业动态以找到长期竞争优势。没有那个，你将有很多资金充足的漏水桶。与所有服务公司一样，价值来自长期 FCF，我们看到许多公司用一美元换取 20 美分来增长（更糟的是，一些公司在会计上撒谎以筹集资本）。那不是我们正在玩的游戏。
将持续存在的公司是那些利用当前机会的——成本差异高、采用仍然早期、在位者深入嵌入到客户运营中速度慢的公司。后一种结果使切换在结构上痛苦而不仅仅是不便。与传统软件不同，AI 原生平台可以集成到每个工作流，从所有交互中收集数据——无论是否涉及人类——并发展不断增长的智能，随着时间的推移改善产品。构建”承重基础设施”的机会从未如此之大。安于做”更便宜的供应商”的诱惑也是。
我们将以一个与当前时刻有些相似的历史类比结束这篇文章：互联网咨询公司”五大”（Fab Five）在互联网泡沫时代的崛起。Viant、Scient、Razorfish、iXL 和 MarchFirst 通过执行那个时代的外包智能工作迅速增长，提供网站开发、电子商务实施和数字策略建议等服务。它们达到了数十亿美元的市值，是那个时代的明星技术启用服务公司。
到 2001 年，这五家公司全部已经倒闭或被收购。智能被商品化；构建网站从专门的专业知识转变为任何称职的开发人员都可以执行的任务。较大的咨询公司在内部开发了这些能力。”五大”缺乏工作流所有权、记录系统和切换成本。他们是成功搭乘超快速技术转变顺风车的服务提供商……直到它变得广泛可复制，并最终被商品化。他们早期的品牌光环不足以克服市场转变和日益无利可图的商业模式。
Sequoia 的文章以大胆的声明结束：”下一个 1 万亿美元的公司将是一家伪装成服务公司的软件公司。”我们将站在那个赌注的另一边。下一个 1 万亿美元的公司不会伪装成任何东西。它将拥有软件利润率、软件护城河和软件防御性，即使”产品”是结果而不是软件。那个区别就是一切。
¹ 这个数字来自 Sequoia 的文章。
² a16z 的 David Haber 和团队在他们关于 AEC 中服务机会的文章中很好地阐述了这一点：”许多不同类型的公司坐在他们无法承担的工作积压上，因为他们没有人。AI 不仅帮助他们更快地完成现有项目；它让他们可以对他们本来会拒绝的项目说是。”Elmgren、Goggins、Haber、Schmidt (2026)。每栋你曾经去过的建筑都是用 1997 年构建的软件设计的。Andreessen Horowitz。
