如何评估垂直领域人工智能的市场规模
本文信息来源：felicis
为什么“小市场”是风险投资中最危险的两个词
“小市场”可能是风险投资中最危险的两个词。
并不是说市场规模本身不重要，而是说在初创公司早期阶段， 准确地衡量市场规模非常困难。基于过去来衡量市场规模——这是投资行业的标准做法——尤其是一个糟糕的主意。
正如 Aaron Levie 十年前所说 ： 根据现有企业的市场来衡量颠覆者的市场，就像根据 1910 年的马匹数量来衡量汽车行业的规模一样。
一种简单的市场规模计算方式是通过三个变量：TAM = 潜在客户数量 * 软件渗透率 * 平均合同价值 。
历史上，投资者常常因为低估初创公司扩大潜在客户数量、提升行业渗透率或通过产品扩展增加合同规模的能力，而错失了优秀的企业。
以 Felicis 早期投资 Shopify 为例：该公司于 2015 年以 13 亿美元的估值 IPO，如今市值已达 2000 亿美元！它通过扩大这三个变量实现了增长：潜在客户数量、使用软件的小型企业数量，以及推出新产品。
在垂直市场中错过优秀公司的最常见原因是“市场规模小”。由于客户数量是固定的，人们很容易将一个市场定义为小市场然后转向其他机会。
但与以往的技术浪潮类似，AI 创造了一批全新的市场，可以孕育出代际级的企业。我们相信，这些企业将有能力同时提升渗透率和 ACV，从而在此前不存在的垂直市场中创造机会。
为什么垂直市场被忽视了
几个月前，我们进行了一项分析，结果显示大约 19% 的市值超过 50 亿美元的 SaaS 公司位于垂直市场。这个比例相当可观，但在 AI 时代可能会更高。
事实是，横向软件之所以表现出色，是因为上一波技术浪潮是建立在数据库之上的，而数据库在捕捉结构化和半结构化信息方面非常出色。
在一个企业中大型横向职能能够组织和分析其拥有的大量数据的世界里，投资回报率很高，且问题的规模也很大。
但许多垂直市场往往是：
- 分散化： 缺乏大型企业数据规模的小型企业。
- 数据的细微差别： 像法律和医疗这样的大型垂直市场拥有复杂的数据，无法被数据库有效捕捉；尤其是与那些干净的销售、人力资源和 IT 数据集相比，这些数据集为 Salesforce、Workday 和 ServiceNow 创造了机会。
因此，相较于医疗、法律等行业的整体规模，软件渗透率有限，合同金额也较小。
上一波技术浪潮依托于结构化数据库，而这一波技术浪潮则依托于非结构化工作流程。而小型企业和垂直市场中充满了这样的流程。
因此，我们的问题转向寻找那些 AI 能够在最大规模上解决最痛点的市场。
市场规模测算的起点
为了开始回答这个问题，一个简单的方法是衡量：
- 通过现有市场的软件价值创造来评估哪些市场在历史上足够大，可以支撑一家市值超过 50 亿美元的软件公司
- 该行业在工作流程中对语音和文本的依赖程度（作为“AI 准备度”的参考指标）
因此，我们筛选了所有市值超过 50 亿美元的垂直 B2B 软件公司（低于该门槛的数据过于不可靠），并让 Claude 帮助评估该行业的“AI 准备度”：
基于这一框架，医疗和法律市场是最明显的价值创造市场；然而，这些市场已经有像 Abridge、Harvey 和 OpenEvidence 这样的数十亿美元公司，因此显然它们的规模非常大。
更有趣的是，有五个在 AI 圈中较少被讨论的市场，尽管它们的 AI 准备度很高，并且现有软件市值超过 100 亿美元：
- 生命科学
- 房地产
- 历史上价值超过 50 亿美元的公司：RealPage（100 亿美元收购）、CoStar（350 亿美元）、Zillow（170 亿美元）
- AI 准备度：合同、披露、租户沟通、物业管理文档以及租赁处理等都是以文档和沟通为主的工作流程
- 原生 AI 示例：EliseAI、HouseWhisper
- 汽车行业
- 保险
- 家庭服务
本文的重点并不是列出 10 个行业并预测它们在 AI 时代的规模，而是指出那些与 AI 高度契合、且有望支撑 50 亿美元以上垂直 AI 公司的大型类别。以上所有行业都符合这一描述。
垂直领域 AI 应用的双重投资回报率
仅仅说“这些是适合 AI 的大类”还不够，更重要的是要分享在 AI 时代，这些类别的渗透率和 ACV 同时提升的最大原因。
最成功的 AI 应用公司有一个关键观察： 它们既降低运营成本，又增加收入 。这使得在采用这些垂直领域 AI 应用的第一年，ROI 可达到 1-10 倍。因此，当有初创公司实现年度增长 10 倍的故事时，这并不是一个凭空出现的数字；客户在这笔支出上获得了数倍的经济价值创造。
以 Assort Health 公司为例：
- Assort 向医疗服务提供者和诊所销售 AI 语音代理
- 在医疗行业，普通诊所的未接来电率在 20%到 40%之间。Assort 可以将这个数字降至接近 0%。
- 每一个未接来电，诊所都可能失去一个潜在的新客户（收入），而该客户可能会转而联系其他诊所。
- 此外，大型医疗机构在呼叫中心的支出高达数十万甚至数百万美元。
- 因此，Assort 可以将入站线索增加多达 20%，并减少数十万美元的支出。
这样的工具会在行业内引入正向反馈循环。如果一家企业突然将入站线索提升 20%，同类中的其他公司也会被迫采用这项技术（否则就会持续落后）。这就是为什么将 AI 原生的医疗管理公司与医疗排班或呼叫中心软件的上市公司进行比较毫无意义！
由于医疗诊所的投资回报率极高，我们预计在未来十年内，这项技术在医疗诊所的渗透率将达到 50-90% 以上。
我们在语音密集型行业（如社区银行、保险公司、家庭服务和汽车经销商）中看到语音 AI 初创公司呈现这种双重投资回报的动态。当将这些初创公司的经济价值创造 * 潜在客户数量纳入考量时，市场机会远比表面看起来要大，收入规模可达数十亿美元。
Bill Gurley 曾与 Aswath Damodaran 就十年前 Uber 的市场规模进行过类似的辩论。Damodaran 错误地假设了市场规模和渗透率。过去十年证明 Gurley 在这两方面都是正确的。像过去的移动技术和现在的 AI 这样的颠覆性技术，具有指数级扩展市场的能力。
通过自动化服务实现市场扩张
在垂直 AI 市场规模的测算中，另一个需要考虑的变量是 获取服务或劳动力收入 的机会。
如果我们看看 AI 最成功的领域，那就是自动化文本和语音工作流程，而这些正是许多外包服务的核心。它们往往是低价值、例行的劳动，非常适合 AI 自动化。
让我们来看两个在垂直市场中几乎难以想象的巨大服务支出示例，这些支出在未来十年可能被 AI 捕获：
- 保险第三方管理（TPA）支出：每年超过 4000 亿美元
- 生命科学 BPO/CRO 支出：估计每年在 1000 亿至 4000 亿美元以上
特别有趣的是服务支出与软件支出之间的差距。Veeva 是最大的生命科学软件供应商，年收入约为 30 亿美元。Guidewire 和 CCC 是两家最大的保险软件供应商，合计年收入约为 22 亿美元。
这些都是很优秀的企业，但与外包劳动力的机会相比，规模要小 100 倍。如今，仅仅在 Google 上搜索“保险软件供应商的公开可比公司”已经不够了。
AI 会占据外包服务收入的显著比例吗？我们无法确定，但这种市场规模测算的妙处在于，如果 AI 能够占据这部分收入的任何有意义的份额，就会创造巨大的价值。
最优秀的公司通过其平台实现扩张
最后，最优秀的公司会通过平台扩大合同规模。以 Toast 这一垂直软件领域最著名的案例之一为例，他们：
- 通过拥有销售点系统，掌握了餐厅老板最重要的数据（订单）
- 然后他们扩展业务，自动化围绕新自动化数据的最关键工作流程（订单管理系统、在线订餐）
- 后来，他们再次扩展，成为餐厅的记录系统（目前已覆盖超过14万家门店！）
对于最优秀的垂直领域 AI 公司来说，他们也会采取同样的做法：
- 自动化工作流程，并获取针对特定客户群的最重要数据
- 利用这些数据自动化围绕该数据的关键工作流程
- 在未来十年内扩展功能，最终竞争成为客户的权威记录系统
总而言之，尽管客户群固定，仍有三条路径可以扩大合同规模和渗透率：
- 提供双重投资回报：削减开支并增加收入，这样的机会好到无法错过
- 在初始切入点之后，利用新自动化的数据扩展平台以增加支出
- 蚕食服务市场的支出，在保险、生命科学、医疗和法律等行业中，这一市场规模以数千亿美元计
由于这些扩展路径，我们将看到新的市场中出现市值超过 50 亿美元的公司，以及现有市场中更多市值超过 50 亿美元的 AI 公司。
垂直领域的人工智能面临着诸多挑战。现实的估值依然重要，无论是对投资者还是创始人而言。保护这种投资回报率的边际价值并不容易，尤其是在竞争激烈的情况下。在许多市场中，谁能在最短时间内“获取最多客户的转换成本”，谁就能在这场市场争夺战中占据优势。
但一家公司的价值是其能为客户创造的价值的衍生品。而我们从未见过如此规模的价值创造。
所以，如果你正在这些看似“细分市场”中打造公司，给我们发个消息吧，我们能看到别人错过的机会。