AI 在垂直市场的扩散：需要垂直工作流架构师来填补采用鸿沟

关于 AI 采用的讨论往往在两个极端之间摇摆：要么激动地宣称 AI 将在十年内取代所有知识工作者，要么焦虑地担忧企业 AI 试点项目正在失败且无法交付价值。这两种叙事都偏离了事实。现实情况更加微妙，坦率地说，也更加有趣。虽然大多数叙事倾向于关注前沿模型的尖端技术、对 AGI 的追求和/或消费者采用，但我们特别关注 LLMs 在垂直市场中的扩散。

在本文中，我们将使用两个框架来分享我们对垂直 AI 采用近期未来的愿景：

1. 罗杰斯的"创新扩散"模型 ，解释技术如何传播。
2. 埃文斯的"吸收/创新/颠覆"模型 ，旨在说明当实际产品进入市场时，这种扩散呈现何种形态 。

扩散理论 + 垂直市场

美国社会学家埃弗雷特·罗杰斯的 《创新扩散论》 发表于 60 多年前，至今仍是理解新技术如何在社会中扩散的广泛影响力模型。罗杰斯概述了影响创新采用速度的五个关键因素：相对优势、兼容性、复杂性、可观察性和可试验性。

通用 LLMs 在这些维度中的几个方面表现强劲。相对优势显著，因为以前需要数小时完成的任务现在可以在几分钟内完成。"可试验性"很高，ChatGPT 或 Claude 等平台可供免费试验。结果可立即观察，使用户能够实时评估输出。

然而，兼容性和复杂性带来了明显的挑战，特别是在垂直市场中。兼容性涉及创新与现有价值观、行为和工具的契合程度，而复杂性则指有效使用所需的学习曲线。例如，生成博客文章的营销团队可能会发现兼容性和复杂性都是可管理的。相比之下，将 AI 集成到调度、分包商沟通、合规监管和现场条件等工作流程中的建筑项目经理则面临重大的兼容性挑战。在这里，复杂性不仅限于提示工程，还延伸到将 AI 嵌入既定工作流程的更广泛任务。

Rogers 还描述了采用的 S 曲线，它始于创新者和早期采用者，随后是早期大众、晚期大众和落后者。他强调了早期采用者与早期大众之间存在一道"鸿沟"。早期采用者愿意容忍摩擦、不完整的解决方案和即兴发挥，而早期大众更喜欢即插即用的解决方案。在通用的、面向消费者的 LLMs 背景下，聊天机器人似乎正在从早期采用者过渡到早期大众。根据调查方法的不同，约有 10-15% 的美国消费者报告每天使用聊天机器人。Ramp 的内部基准测试显示，约 45% 的美国企业拥有付费 AI 工具订阅，然而许多传统行业在采用方面仍然是落后者。1

尽管大多数垂直市场都在试验 AI 工具，但当前证据表明，采用仍然完全处于创新者阶段。跨越鸿沟需要的不仅仅是模型质量的边际改进——它需要将技术与这些行业实际工作方式相结合。

换句话说，垂直领域之所以落后，并不是因为 AI 的潜力低或不受欢迎。挑战在于当前这波 AI 工具大多仍在围绕现有工作流程做调整，而不是重新想象和重塑它们。在某种程度上，这是必要的——人们对旧方式根深蒂固的熟悉需要时间来打破。要理解垂直 AI 在未来几年如何加速发展，值得研究真正的工作流程创新——以及最终的颠覆——会是什么样子。

第一阶段：吸收

自动化现有工作流程

在 Ben Evans 的最新演讲 《AI 吞噬世界》 中，他介绍了一个关于变革性技术采用如何遵循可预测模式的框架：吸收、创新、颠覆。虽然 Ben 将其应用于更广泛的 LLM 领域，但同样的框架同样适用于垂直 AI。

1. 吸收： 通过使现有流程更快/更便宜来自动化显而易见的用例。
2. 创新： 创造以前不可能实现的新产品和（解）捆绑方案。
3. 颠覆： 彻底重新定义问题。

如果罗杰斯的扩散框架帮助解释创新如何传播，那么埃文斯的 A/I/D 则帮助解释这种传播往往呈现何种形式 。换句话说，扩散不仅关乎速度——它还关乎工作流程受影响的顺序或程度，同时要考虑我们在采用周期中所处的位置。

在吸收阶段，组织将新技术整合到现有工作流程中。例如，早期的电子表格取代了加法机，电子邮件补充了传统的邮件收发室，每项技术都符合既定的思维模式。当今最成功的生成式 AI 用例，如编码助手、营销内容生成和客户支持自动化，通过加速现有工作流程体现了这一阶段的特征。

在成功的垂直 AI 中也是如此：当今的主流用例集中在当代 LLMs 能够以"足够好"的准确度自动化现有工作流程的场景。正如我们在介绍性文章 垂直 AI 中的新兴实践模式 中所讨论的，早期成功的突破性案例大多遵循这一模式：

1. 识别一个能够对收入产生影响的限制因素，而 AI 可以有效地解决这个问题。
2. 作为有价值的内部工作流程的创作层（即启动点）。
3. 以一种能够释放收入的方式驱动工作流程——也许最初不依赖于外围系统，但逐渐向下游延伸。

由于 LLM 性能限制以及可自动化吸收用例的工作流程局限性，当今的创作层大致分为两个独立的类别：

• 文档处理： 将语音和/或文本输入融入异步文档为中心的工作流程（例如，EvenUp 处理索赔信函；Abridge 处理电子健康记录笔记；Rilla 处理销售记录和指导）
• 客户沟通： 电话仍是销售、支持和运营的首选媒介的工作流程，同时通话在长度和复杂性上受到限制，且具有预定义的结果范围（例如，Assort Health 用于患者电话；HappyRobot 用于物流运营；Toma 用于汽车经销商）

这里有一个关键洞察：尽管吸收型用例被我们认为是更"表面化"的机会，但我们仍有巨大的发展空间，许多大型公司仍有待建立。正如我们在关于 AI 基础设施繁荣的文章中所述：

即使基础模型没有进一步的显著改进，当前这一代 LLMs 在垂直市场的安装阶段本身就代表着一个世代性的机遇。 — Euclid Insights，Deus Ex CapEx

我们认为目前超越吸收阶段存在两大摩擦：（1）人力资本（包括人类行为和心理上的障碍）；以及（2）集成（具体而言，现有的记录系统因担心被颠覆而故意减缓连接速度，以及访问目前存在于难以访问的系统和格式中的数据）。人力资本约束可能是两者中更具约束力的。这也提醒我们，为什么垂直 AI 需要技术能力、创业技能和领域专业知识的罕见组合。一家医疗 AI 初创公司需要深入理解临床工作流程的创始人——而不仅仅是抽象地理解。这种专业知识稀缺且分布不均。

集成则带来了不同的挑战。传统的记录系统往往支离破碎、格式不一致、受制于机构惰性，并充斥着可能破坏连接性和开放性的激励机制。垂直工作流程中的自由开放数据将开启一系列全新的用例和市场。然而，如今在系统集成方面存在着超越 API 整合的诸多挑战。也许数据存在于客户的记录系统中。也许它存在于非软件的第三方服务提供商那里。又或许它甚至只存在于部落知识和未记录的对话中。垂直行业企业需要在用户体验上超越 SaaS 的无摩擦 AI 解决方案——但这些企业往往也缺乏充分实施新产品所需的内部 IT 资源。

这就是吸收的本质：AI 使当前系统变得更便宜、更快速，并且更能容忍低效，但它并不挑战系统的形态。这就是为什么它能快速融入——但这也正是它只能带你走到这一步的原因。2 这也是为什么在我们看来，早期垂直领域赢家（如医疗文书、语音应答服务、文档生成等）的高度相似克隆版如此之多。在某个时刻，从更快的发现或被淘汰的人工循环中获得的边际收益会遇到收益递减。更大的机会——以及下一波扩散浪潮——将在企业家不再局限于优化传统工作流程，而是利用 AI 重塑工作流程时出现。这个转折点就是创新阶段的开始。

第二阶段：创新 — 创作层及更远

在创新阶段，随着创业者对产品进行捆绑和解绑，发现新颖的组合方式，新产品不断涌现。这是市场认识到该技术能够实现以往不可能实现的解决方案的时期。

在商业中只有两种赚钱方式：一种是捆绑；另一种是解绑。 — Jim Barksdale，NetSpace 首席运营官（1995）

从历史上看，新平台催生了新工具，推动了更多解绑，并创造了全新的软件市场。每一代计算平台——大型机、个人电脑、SaaS 和移动设备——都对前一代进行了解绑，并引入了新的类别。大型机提供少数几个核心应用，个人电脑实现了数十个应用，而 SaaS 时代则带来了数百个应用。

LLM 时代能够实现什么？我们在之前的一篇文章中简要探讨过这个问题：

LLMs 能够实现哪些上一代 SaaS 公司无法实现的功能，这一点至关重要。在我们看来，答案归结为摩擦力。SaaS 优先和 AI 优先的垂直产品都针对高价值工作流程。然而，SaaS 本质上需要采用新的用户界面，包括培训甚至可能需要市场教育。但是，垂直 AI 楔入产品可以利用自然语言界面来减少甚至消除采用曲线。还有什么比一个镜像你现有工作流程，但却能代表你拨打电话或接收客户信息的解决方案更容易采用呢？ — Euclid Insights， 垂直 AI 中的新兴策略

两个最明确的近期创新阶段机会是语音优先和文本优先的垂直 AI 应用。这些应用使代理能够改变企业与客户和员工的互动方式。此外，这些应用中最好的从创作层 3 开始，正如我们在上述文章中详述的那样，创作层是最终取代现有记录系统的肥沃土壤。

如今，构建一个成功的、垂直领域特定的语音产品，不仅要高质量、可靠，而且客户还能信任它来处理其生计中最关键的方面，这在很大程度上仍然遥不可及。当然，语音基础设施在性能和可靠性方面的改进正在快速推进。因此，我们相信语音机会远大于当前基于电话的操作范围所暗示的规模。

人类与语音 AI 结合的力量归根结底在于带宽。软件用户界面一直是一种拖沓、受限的第二语言，限制了思想和行动的吞吐量。垂直行业的许多从业者几乎没有时间学习这种"语言"——如果我们赋能他们用母语操作，他们能做什么？将有多少数百万人成为技术的语音原生用户？

基于文本的垂直 AI 机会也还有很长的路要走。简单的文档解析或创建（也许可以替代 BPO 支出）是肥沃的土壤，但这只是开始。我们设想，下一阶段将专注于上下文理解。围绕问题构建数据语料库——通过 LLM 用户界面简化人机协同反馈——让智能体工作流能够可靠、准确地完成有价值的任务。强化学习，特别是模拟工作空间以训练智能体执行多步骤任务，应该非常适合解决更高复杂度的工作流。

在某种程度上，许多人在早期机器学习迭代中设想的东西，现在通过自然语言 AI 成为可能。然而，正如我们将在下文中提到的，复杂的垂直应用场景将需要比简单的自助式 ChatGPT 风格文本框更加细致入微的界面（或至少是实现方式）。

我们认为，当今最紧迫的制约因素只是：企业家，尤其是垂直市场中的企业家，需要时间来发现真正超越经典吸收型应用场景的新颖组合。与现有记录系统的集成在许多垂直领域仍然是一个真正的瓶颈。然而，开发真正创新的垂直 AI 需要不仅理解 AI 在短期和中期能够实现什么，还要精确了解技术如何能够转变现有的工作流程。

综合来看，这些在语音、文本和上下文理解方面的进步不仅仅代表着更好的用户界面。它们创造了垂直工作流程中全新的环节，对现有系统产生杠杆效应，在某些情况下还取代了传统的单点解决方案。这正是创新阶段的核心：新产品和（解）绑定扩展并释放了旧工作流程。但即使在这个阶段，仍然假设流程基本保持不变。下一阶段则不然：当系统完全吸收或重新构想垂直工作流程时，颠覆就开始了。

第三阶段：颠覆——真正的行动系统

当根本问题从"我们如何更快地完成这件事？"转变为"我们为什么要做这件事？"时，颠覆就发生了。

占据大部分经济活动的垂直市场——房地产、建筑、制造、物流、运输，甚至部分医疗保健领域——在采用 LLMs 方面仍然进展缓慢。这并非因为技术无法提供帮助，而是因为将其从"锦上添花"转变为"不可或缺"的工作仍在进行中。我们认为，颠覆性用例才是最终能证明 LLMs 巨额资本支出合理性的关键。它们将从根本上改变企业和行业的运作方式。

这些市场在垂直 AI 采用过程中面临的一个持续性挑战是界面问题。无处不在的聊天框及其闪烁的光标——"问任何问题"——感觉像是一种邀请，但往往成为一道障碍。在某些垂直市场中，这一挑战虽有较强的限制性但尚可管理。然而在大多数市场中，这个问题具有根本性的局限。建筑项目经理不需要"问任何问题"。他们希望系统能标记出他们的进度冲突、处理他们的变更单，并将 RFI（信息请求）转发给正确的分包商。通用代理的空白画布提供了太多自由，却缺乏足够的结构。

语音界面在一定程度上有所帮助——它们对现场工作人员来说更加自然。但它们广泛解决的是 AI 的访问问题，而非 AI 应该做什么这一根本问题。如今，它们仍然针对吸收阶段的用例进行优化：听写、信息检索和简单命令。在垂直 AI 中，用户不想"浏览"或"探索"，他们想要完成工作。语音可能简化了此类查询的输入，但它离构建一个能够带来生产力变革的行动系统并不更近。他们希望软件已经知道暖通空调分包商延误了，制定补救方案，并在需要时让人类参与审批。

然而，除了语音之外，跨语音、视觉和文本的高性能多模态人工智能开启了更广阔的机遇空间，不仅通过扩展待完成的工作，还通过实现超越简单文本和语音的可能用户体验界面。大多数现实世界的实体行业本质上都是多模态的：涵盖合同、3D 设计和蓝图，通过电子邮件、电话，甚至在制造车间、建筑工地和客户家中进行高度协作的工作流程。一个更创新的聊天机器人、一个更好的知识管理工具，甚至一个智能语音助手都无法解决实现真正转型所需的核心约束。

此外，要使实施可重复且功能完善还有很多工作要做：我们如何收集所有必要的数据，使该系统全面、可靠且准确，而不会给客户带来过重负担或承诺无休止的集成工作？强化学习的进步，特别是在高度专业化的垂直工作流程和数据集中的应用，能否帮助弥合这一差距？具有适当护栏和训练的多智能体系统能否帮助缩小这些行业的可靠性差距？

无论输入和输出如何，机遇规模（和结果）的关键转变和扩大将在于从工作流程加速器转向端到端工作流程完成。距离这一阶段出现的条件成熟还有一段距离：

1. 基础改进 ：当然，提高准确性、性能和信任度。但同时，还需要全新的人工智能发展。多模态人工智能——帮助扩大潜在"待完成工作"的可达成表面积——仍处于起步阶段。确定性需求也是如此：无论是简单地减少幻觉、多智能体冗余，还是其他现实世界的补救措施。
2. 人机交互： 我们需要能够处理完整工作流程而无需用户输入或监督的软件，同时保持可观察性。首先，这意味着要帮助简化广泛存在的用户体验挑战（"单一文本框"远远不够）。其次，我们需要能够持续从人类伙伴那里学习并长期保留这些知识的系统。
3. 互操作性： 我们需要更具可扩展性的解决方案来应对前面强调的记录系统集成挑战。我们需要能够更轻松协作的 AI 系统，而不需要进行密集的 MCP 项目。浏览器代理是一个有益的开端，无疑会不断改进，但它们常常感觉像是在枪伤上贴创可贴。

这就是能让所有正在进行的 GPU 支出变得合理的飞跃：颠覆阶段的应用场景，即 AI 从加速工作流程转变为端到端地掌控工作流程。这个未来不会由构建更好包装器或调整提示词的通才来建立；它将由那些拥有理解和重新设计工作本身所需资质的痴迷创始人来打造。

招聘：垂直工作流架构师

这让我们回到颠覆阶段垂直 AI 最终也是最关键的限制因素：构建这些产品的人。这就是为什么我们在 Euclid 如此关注团队！不仅仅是才华横溢的个人——而是真正理解其市场的人。也许类似 Y Combinator 的模式——每年将数百批次有才华的年轻工程师投入到各个垂直市场——足以弥合人才缺口。有趣的是，YC 创始人近年来变得更加年轻（值得注意的是，50%的 Y Combinator 创始人年龄在 25 岁以下）。

然而，我们的经验和实证数据都表明并非如此。我们认为这一真理在垂直 AI 时代会更加强烈。这不是关于年龄，而是关于知识。换句话说，要从 LLM 投资中产生必要的经济价值，我们目前在垂直工作流架构师方面的投入不足。人们普遍认为，如果我们得到更好的模型——GPT-5、Claude 4 等——这些问题就会消失。这就是"大型机 -> PC -> SaaS -> 移动 -> AI"的必然性论点。我们假设效用会自然而然地发生！任何人都可以构建软件，解决任何问题。

当然，历史表明情况并非如此。过去几十年的平台变革导致了从软件到商业等各个领域的解绑。多年前 SaaS 的出现使得通过浏览器交付核心业务工具成为可能，用户无需处理安装、升级或维护，从根本上改变了软件的购买和销售方式。最终，创业者们意识到，SaaS 的经济模式为垂直市场的软件开发创造了空白机会。每个垂直领域的运作方式都不同：建筑公司、瑜伽工作室和餐厅各有其独特的工作流程。与面向广泛用途的水平 SaaS 不同，垂直领域的创业者深入研究单一行业的独特逻辑和语言。

Toast 成立于 2012 年，押注于移动设备的最终普及以及成本/性能改进将使其业务成为可能。ServiceTitan 成立于 2007 年，但直到他们转向云端（2012 年）并最终转向移动端（2015 年），公司才实现了快速增长。移动设备和第三方配送应用的普及为 Slice 带来了显著的推动力，使其最终能够为比萨店提供一体化的数字化工具，以在日益移动优先的生态系统中保持相关性。

向 AI 的转型是独特的，因为它解构了工作本身。要实现这一点，我们需要的不仅仅是能够微调模型或将横向应用"翻译"为纵向应用的团队。我们需要那些对特定垂直行业的具体、枯燥、日常约束有深刻理解的团队，深刻到能够将其解构。随着技术在功能和可靠性方面的进步，工作的解构可以开始，真正的转型才会开始。

颠覆需要领域专业知识。但它也需要能够同时把握问题两面的人：垂直行业的实际现实以及技术专家的直觉，这些技术专家知道跨越鸿沟并产生风险投资规模变革需要什么。垂直工作流架构师是从创新者过渡到早期大众的关键桥梁。没有他们，我们只是在同样陈旧的破碎工作流、分销挑战和采用瓶颈面前堆积更好的模型。

AI 的极度乐观理由

我们自己当然也是 AI 投资者，因此对眼前的机遇并不悲观。但我们对市场上许多人采取的那种似乎是闭着眼睛祈祷的假设保持谨慎。我们仍处于早期阶段。这感觉类似于"App Store 之前的移动互联网"时刻。我们有了连接性（LLMs），但我们仍在试图用翻盖手机和中等的连接速度浏览网页。尽管存在需要解决的短期瓶颈，长期的乐观理由依然存在。

Fundrise 分析了 40 年的数据 ，显示在连续的技术时代——从个人电脑到互联网，到移动，再到云计算——市值持续扩张，并暗示 AI 可能会遵循同样的规律。他们的结论是双重的：1）计算能力大约增长 10 倍通常会释放一波创新浪潮；2）每一波创新浪潮创造的市场规模大约是前一波的 3 倍。具体到 AI，三倍法则表明总市值将超过 20 万亿美元。4

他们的分析还考察了技术栈各个环节的价值获取情况。平均而言，应用层获取了大约一半的总价值创造，而平台和硬件各获取约25%。将这些数据应用到人工智能总市值上，意味着应用层存在11万亿美元的机会，硬件和平台层各有约50亿美元的机会。

我们仍处于这一平台转型带来变革性影响的早期阶段。当詹姆斯·瓦特提高蒸汽机效率时，煤炭消耗不降反升。更便宜的能源使更多用途在经济上变得可行。这种动态——通常被称为杰文斯悖论——是理解人工智能发展轨迹的核心，尤其是在垂直市场中。

以医疗管理为例。传统的框架会问人工智能是否会取代医疗编码员或事先授权专员。但更有趣的问题是，当处理一项理赔的成本下降超过90%时会发生什么？当价值捕获水平更高时会发生什么？例如，当人工智能能够准确预测并避免昂贵的急诊室就诊时会发生什么？

从某种意义上说，人工智能既是生产力助推器，也是瓶颈制造者。换句话说，当你消除一个瓶颈时，压力就会转移到下一个瓶颈。一个简单的例子是编码助手。开发人员可以更快地生成代码！这是一大胜利，对吧？但瓶颈发生了转移。因为开发人员可以快速生成大量代码，代码审查成为了交付代码的新约束。因此，为了在产出方面实现真正持续的生产力提升，你现在还需要人工智能来自动化审查工作。

正是这些全面的端到端智能体转型对于彻底革新垂直市场并实现 LLMs 的经济潜力至关重要。因此，对于在垂直 AI 领域创业的创始人来说，艰苦的工作必须高度专业化且以市场为中心。毫无疑问，技术将继续进步，但我们需要垂直领域的建设者去看见并构建未来。比尔·盖茨那句广为人知的格言——"大多数人高估了他们一年内能做的事，却低估了他们十年内能做的事"——在这里显得尤为贴切。

垂直 AI（或整体 AI）的时间线本质上是不确定的。框架阶段——从吸收到颠覆 ，或从早期采用者到多数派 ——本质上是低分辨率的。基础模型的改进虽然必不可少且不可避免，但并不能保证采用的速度或速率。在我们看来，当前更有趣的问题是，垂直工作流架构师能以多快的速度重新构想未来，在此过程中创造巨大的价值并催生改变行业类别的公司。我们 Euclid 的希望是，能有幸与一些这样的创业者合作，并在支持这些旅程中发挥一点作用。

感谢阅读 Euclid Insights！如果您正在垂直 AI 领域创业（或考虑创业），我们很乐意与您联系。请通过 LinkedIn 或电子邮件联系我们。