一半的 AI 代理市场属于同一类别，其余广阔无垠

如果我今天要创办公司，我会盯着上方条形图中的红色矩形区域，直到看到我的未来。

软件工程占据了所有 AI 代理活动的一半。其余一半分散在 16 个垂直领域，没有任何一个超过 9%。医疗保健占 1%。法律占 0.9%。教育占 1.8%。这些并非饱和的市场，而是几乎不存在的市场。

Anthropic 刚刚发布了关于 AI 代理在实际应用中如何工作的最全面研究。要点是：在他们的 API 上，软件工程占代理工具调用的 49.7%。隐含的要点是：其他一切都是蓝海市场。

部署滞后

这应当让创始人垂涎三尺：模型的能力已经超出用户对它们的信任。

METR 的能力评估显示，Claude 可以完成需要人类近五小时的任务。但在实际使用中，第 99.9 百分位的会话平均仅约 42 分钟。AI 能做的与我们允许它做的之间的差距，是一个巨大的机会。

在2025年10月至2026年1月期间，第99.9百分位的回合时长几乎翻倍，从不到25分钟增至超过45分钟。增长在各个模型版本间平稳进行。这不仅仅是更好的模型，而是用户在学习与代理协作过程中，逐步在一次次会话中延长信任。

能力已经具备。部署还没到位。这不是问题。这是一个产品机会。

信任的实际演变

新用户自动批准 20%的 Claude Code 会话。到 750 次会话时，超过 40%的会话启用了完全自动批准。但这里有一个违反直觉的发现：有经验的用户反而更常打断，而不是更少。新用户打断 5%的回合。老手打断 9%。

这并不是矛盾，而是监管策略的转变。新手在每一步发生之前都要批准。资深者则委托执行，并在出现问题时介入。他们已经从事前批准转向主动监控。

这里的安全发现很重要：在复杂任务上，Claude Code 请求澄清的频率是人类打断它的两倍多。该代理在前进前会暂停进行核查，而不是盲目冲刺。这是一个特性，而不是缺陷。

Levie 的垂直人工智能攻略

Aaron Levie 指出有大量未被发掘的财富和价值等待被释放。构建能够利用专有数据的自治软件。让这些软件真正为真实的人和实际问题发挥作用。将上下文填充到位，以最大化输出的智能。而大多数创业者忽视的一点是：为客户推动变革管理。

正是最后这一点使得垂直领域的 AI 如此具有防御性。任何人都能做出一个包装层，但很少有人能驾驭医疗账单、法律证据披露或建筑许可等具体工作流、监管约束和组织摩擦。

SaaS 在过去几十年里每十年增长 10 倍。过去 20 年中超过 40% 的风险投资资金流向了 SaaS 公司。该行业孕育了 170+ 家 SaaS 独角兽 。这一论点很简单：每一家独角兽都有一个等待出现的垂直 AI 对应体。而 AI 版本可能大 10 倍，因为它们不仅替代软件，还替代了操作人员。

共建洞见

Anthropic 的核心发现值得所有制定人工智能政策的人注意。自主性不是模型的一个属性。它是由模型、用户和产品共同构建的。部署前的评估无法捕捉到这一点。你必须在实际使用中测量。

关于安全性的数字令人放心：73%的工具调用有人工介入。只有 0.8%的操作是不可逆的。风险最高的部署，例如 API 密钥外泄或自主加密货币交易，大多是安全评估，而非上线的生产环境。

要求“批准每一项操作”的政策会扼杀生产力提升，却不会增加安全性。更好的目标是确保人类能够监控并干预，而不是强制规定具体的审批工作流程。

独角兽的藏身之处

地图已绘就。软件工程领域已被占据。医疗、法律、金融、教育、客户服务、物流等16个每个只占个位数市场份额的垂直领域，正等待有人把领域专长内置到智能代理中。

在此之前出现过 300 家 SaaS 独角兽。接下来将出现 300 家垂直领域的 AI 独角兽。那些选择垂直领域、将领域专长构建到其代理中并解决变革管理的创始人，将掌控下一个十年的企业软件。

模型已经可以连续工作五小时。用户只允许它们工作42分钟。这个指标说明：我们还处在非常早期，还有大量工作要做，而且许多地方连一分钟的智能实际运作都未曾见过。