哪些 AI 垂直领域将诞生下一个独角兽？一个用于推动生成式 AI 在垂直领域爆发的框架

本文信息来源：scalevp

在 AI 热潮以及基于 LLM 的基础模型可获得性的推动下，垂直市场正迎来属于它们的高光时刻。即便在三年前，我也从未想象过每一家风投基金都会拥有一套垂直市场策略，但现实就是如此。我在这些市场中投资了十多年，真实情况是，“垂直领域”只是一个笼统的说法，不同市场之间的差异——比如医疗健康与卡车运输软件——往往具有非常重要的意义。我的核心观点是，我们才刚刚站在一场重要长期趋势的起点，而某些分析框架将帮助我们理解这些市场之间采用顺序的相对先后。

先从最显而易见的说起。许多投资者已经注意到，LLMs 在书面语言方面表现尤为出色，而法律工作又高度依赖书面语言，因此得出结论：法律市场是最早、也最令人兴奋的颠覆领域。我对此表示认同，并且对 GC.AI、Harvey、Legora 和 EvenUp 等新进入者印象深刻。但知道第一个被颠覆的是谁，并不能帮助我们识别接下来五个将发生 AI 爆发的市场或细分领域。说得更直白一些，在显而易见的地方，几乎从来不存在套利空间。

如果 AI 并非昙花一现的两年热潮，而是对行业结构的重大重塑，那么我们就需要一个能够随着时间不断复利的框架。2008 年，Scale 观察到云 软件 将遵循一条风险曲线：营销 软件 因其富有创意且习惯于“测试”而率先采用，其后是 销售，接着是 HR 软件，最终才是财务 软件。在恰当的时机（而非过早！）选择每个 类别 中的领导者，带来了数十亿美元的资本收益。

推动采用 速度 的两个主要因素是：集成复杂度以及最近一次技术颠覆的时间。垂直领域中第一波由 LLM 驱动（或原生 AI）的公司，大多采用 PLG 模式，在个人或小团队层面实现了极其快速的采用。任何规则都有例外，但关键在于：价值可以在无需与现有系统集成的情况下被明确感知。这使得买方能够迅速做出决策，而无需获得企业层面的批准，也无需投入 顾客 工程资源来 部署 产品。正如我们对 Freed 的 投资 所体现的那样，我们非常看好它；其 产品 的卓越之处在于，医生只需刷一张信用卡即可 购买。

同样，早期一波原生 AI 公司聚焦的行业，是过去二十年来在技术采购方面相对落后的行业。许多律师事务所上一次真正意义上采购的软件还是 Microsoft Office 套件；同样，医疗行业中记事类工具的爆发，部分反映了医疗行业对更新（且更用户友好）软件的糟糕采用情况。

这两个洞察结合在一起，构成了我认为将在未来十年展开的 AI 采用矩阵。那些集成需求较少、且在近期较少采购新软件的垂直行业将率先采用 AI；而那些需要深度集成，或在早期 AI 浪潮中积极投资的垂直行业，将在采用基于 LLM 的创新方面进展较慢。

注：该框架并非旨在对所有相关垂直行业进行全面审视，而是展示该框架运作方式的一个快照。

回到我们最初的例子，毫无疑问，法律市场之所以成功，是因为其大量使用书面语言的特点与 LLMs 非常契合。但同时，这也是一个 AI 技术能够带来阶跃式价值和显著 ROI 的行业。例如，大多数律师事务所仍然没有使用协作文档编辑器，而协作软件在 AEC 行业的许多领域已经无处不在。同样，大多数新一波法律 AI 初创公司在无需集成的情况下就能提供立竿见影的价值。

与法律科技相比，金融科技并没有像其他类别那样涌现出重大的原生 AI 公司。当然，金融科技是一个高度依赖数字和表格的行业，而这正是 LLMs 相对不擅长的领域，同时合规需求也为其采用带来了额外挑战。但我认为，我们之所以尚未看到早期的爆发，真正的原因在于金融科技生态在过去十年中对技术（包括 AI）进行了大量投入。以摩根大通（JPMorgan）为例，其每年在技术上的支出超过 180 亿美元，这一数额超过了美国所有律师事务所的技术支出总和。摩根大通在 2010 年代积极采用神经网络和深度学习等 AI 技术（包括与 Socure、Forter 等公司合作）。毫无疑问，他们正在并将继续从基于 LLM 的架构中受益，但其生产力提升并不如其他市场那样显著，因此投资回报率（ROI）和变革管理的推进将更加缓慢且复杂。

保险科技面临着不同的挑战，这些挑战阻碍了原生 AI 公司的爆发式增长。毫无疑问，一些细分领域（例如 brokertech）将率先出现赢家。但一旦你向保险承保方销售，就会经常发现他们拥有非常复杂的数据和软件价值链，影响着他们与成千上万、甚至数百万客户的交互。像 Sixfold 这样的公司已经证明，基于 LLM 的解决方案在辅助承保流程方面能够带来显著价值，而在极其昂贵且繁琐的理赔流程中也可以获得类似的效率提升。但这需要对保险公司现有系统进行深度集成，因为现实中并不存在某个单独的承保人或理赔员能够独立引入并落地有意义技术的情况。他们的日常工作本质上是持续不断地在一个系统中抽取数据、再将其录入到另一个系统中，反之亦然。

创新从来不是线性的，也并非完全可预测。总会有突破性的公司与这一框架相悖，也可能存在一些渐进因素推动某些行业更快采用。毫无疑问，强势现有厂商的影响不容忽视。如果你身处银行业，FIS 和 Fiserv 等现有供应商仍在为其云解决方案而挣扎；而在酒店业，Toast 则是一家极具活力的年轻公司。这些因素都会影响生成式 AI 的创新，以及这种创新究竟来自现有解决方案还是创业公司的创新。

话虽如此，我仍然怀疑在五到十年后，这一框架将被证明对我们看到的成功方向具有预测性。正如前文所提到的，在我看来，最早出现的“赢家”并不一定是规模最大或表现最优的赢家。集成是一种护城河，因此，尽管以高速度、以 PLG 为中心的增长打法对增长极具吸引力，但集成所带来的复杂负担正是当今许多垂直系统能够形成深度护城河的原因。AI 领域亦是如此。同时，向已经存在一定竞争的行业销售的公司，在实现 ROI 方面将面临更大的压力，但这也会迫使其更早地锻炼和成熟 GTM 能力，而这正是所有伟大公司最终都会具备的核心能力。

最终结果将是一个由创业者驱动的创新十年，这将重新定义许多垂直领域类别，并使这些供应商的既有地位面临重新洗牌。现在正是深耕垂直领域的绝佳时机。抛开整体市场的狂热情绪不谈，Scale 在这一领域已经关注了十年，并将在未来十年持续进行投资。