当今垂直领域 AI 赛道的三大主导模型

熟悉的路径、并购整合与行业颠覆者……

随着公开 SaaS 公司市值持续暴跌，风险投资市场却继续高歌猛进，以浮夸的估值大量投资于垂直和横向的 AI 应用。特别是，垂直 AI 作为下一片疆土备受关注，尤其在横向模型持续改进、以及“AI 吞噬一切”的恐惧从假想变为迫在眉睫之际。我作为一名长期的垂直软件投资者，退后一步感受了一下市场。在我看来，目前有三种占主导地位的商业模式——当下的“垂直当红”——每一种都代表在这个勇敢新世界中捕获价值的不同途径。这三种主要方法是：AI 赋能 SaaS（我知道这是个脏词，但它确实就是这个意思）、AI 并购整合，以及原生 AI 替代方案。

模型一：AI 赋能 SaaS——熟悉的路径

策略是什么？ 将由 AI 驱动的软件销售给既有企业，使用相对传统且可重复的销售、产品驱动增长（PLG）或组合模式。我把这称为“新一代 SaaS”，也是对更广泛市场最易理解的一类。它是在经过验证的行业软件类别上注入 AI 能力。相比普通的垂直 SaaS 公司，其优势在于能够显著提升运营效率，并随着时间的推移替代劳动力（通常是外包劳动力）。

数据动态：你依赖的是并不归你所有的客户数据。AI 通过处理专有信息来提升。鉴于合同和竞争考量，每次部署可能是孤立的，长期来看会限制构建真正差异化护城河的能力。当然你可以构建通用模型，但最有价值的洞见（至少应该）留在每个客户的实例内部。因此，“数据”本身存在固有上限，真正的价值是在工作流层累积的。

模型的优势：

降低风险的上市策略 ：你并非在重新发明轮子。这与 SaaS 的上市策略类似。买家理解采购流程，通常已有现成预算，且销售周期可预测（尽管在大多数情况下我们看到其正在加速）。
投资回报故事： 降低成本、推动收入、提高效率这些点容易为买家所理解。现在有用 AI 替代人力的需求在拉动，支出和预算在变得更大，ROI 计算理应不同于过去的 SaaS 版本。
可预测的扩展： 一旦初始的上市策略破解，你应当能够相对可预测地扩展。
更低的合规要求： 你以供应商身份运营，而非受监管实体（例如向财富管理公司销售与自行成为财富管理人是不同的）。
风险投资容易理解： 这是 SaaS 的下一次迭代。风险投资很容易理解它，融资路径也很直接。

潜在弱点：

创新天花板—— 在很多方面你会受到客户边界的限制。客户更倾向于让现有流程更高效，而不是完全重新构想他们的做法。显然这可能随着时间改变，但目前我认为这仍然成立。
自建还是外购 —— 随着 AI“吞噬”越来越多的软件且自助构建变得更容易，存在差异化侵蚀、商品化加剧的风险，最终客户可能希望自行构建。
置换风险 —— 重新构想整体空间存在将你的最终顾客置于风险之中的可能（例如，重新构想经纪业务与向经纪公司销售之间的区别）。
依赖 FDE 的模型 —— 这种软件通常是定制且实施密集的，因此 FDE 已成为扩展的方式。这种方式可行，但成本高昂且可能难以规模化。

有什么例子吗？ 任何向该行业销售的软件公司，例如我们投资组合中的 Fulcrum 向经纪公司销售，或 Harvey 向律师事务所销售。

模型 2：AI 合并扩张——私募股权换新颜

怎么玩？ 主要由一些较大的公司普及，但要点是你收购企业（通常为小型企业），并部署 AI 以改善整个投资组合的单元经济。你本质上是购买收入和数据，然后利用 AI 创造这些企业单独无法实现的运营杠杆。

数据动态：数据几乎肯定存在于遗留系统或部落式知识中，但该模型的好处在于数据归你所有——每笔交易、顾客互动、运营诀窍都在你的控制之下。理论上，这应当形成一个非常现实的复合数据优势。竞争者无法获得如此统一的数据集——至少不能以相同的细粒度获取。但这些数据是凌乱且高度不一致的。它们并没有像模型 1 那样被格式化并传入你的垂直 AI 软件。标准化数据收集、清理历史记录并构建统一模式通常是最大挑战。更不用说你在该模型中继承的所有运营复杂性。

模型的优势：

即时收入与规模 ——你购买的是现有现金流和客户群，而不是从零开始构建。理论上，这应使你在收购更多资产后实现非线性增长。
专有数据/产品飞轮 ——因为你身处问题之中，应该能获取最细粒度的数据和痛点，从而快速优化。你的产品应优于现成产品，因为目标是提升利润率并迅速优化。
可防御的护城河 ——在我看来，这并不是一套容易复制的操作手册，但如果你能成功扩展，就会拥有非常真实的防御能力。你应具备网络效应、实际的运营规模和专有数据。如果存在物理组件，竞争难度还会进一步增加。
利润扩张故事 ——如果你能成功将利润率提高 30%–40%，你就创造了非常真实的企业价值。
多重套利机会 ——对这一点的信念是，如果你能够真正扩大利润率并证明 AI 提升效率的论点，你可能会被像科技公司那样估值，且规模将超越单纯的私募股权整合。不过，这一点尚未得到证明，投资者采用这种方法确实是在做出假设。

潜在弱点：

估值/最终形态不明确 ——我们还不太清楚这些模型会如何发展，因为对风险投资来说它们相对较新。问题是，随着时间推移，你会被估值为一家科技公司，还是像被当作并购整合公司（通常市盈前利润倍数低于科技公司营收倍数）来估值。上行潜力显而易见，但下行风险是你可能会被当作并购整合公司来估值，那样你的风投资本估值就会与市场给你的定价严重不一致。
资本密集度高 + 债务为工具—— 正如运营上更复杂一样，这在财务上也更复杂。你需要更多资本来为资产融资，而且很可能走上债务与权益相结合的道路。这并不像简单地搭上风投资本的顺风车那样直白。
集成与运营复杂性—— 难点不仅在于人工智能本身，还在于规范化运营、整合所有系统或对其进行拆除/替换、文化契合、人员管理，以及在各类资产间维持质量与一致性。

有什么例子吗？ 任何进行整合的公司，例如面向 ISP 的 Titan 或面向经纪公司的 EqualParts。基本上就是那些把各行业整合起来的公司。

模型 3：成为去做那件事的东西——AI 颠覆策略

出什么招？ 构建一个从根本上全新版本的（在此插入垂直行业）。用 AI 提供比现有厂商更好的产品，且在经济效益和顾客体验上提升 10 倍。不向现有厂商出售软件也不将他们并购整合，你是在从根本上重新设想这个行业

数据动态：你在某种程度上面临冷启动问题，这是其他两种模式所没有的。你不会继承别人的数据或在别人的数据之上构建，因此数据生成应成为真正的重点，无论是与数据提供方建立合作关系，还是激励早期采用者贡献数据等。一旦你能启动数据飞轮，你就拥有 100% 的数据，并且可以从第一天起按你想要的方式进行架构设计。不同于模式一中数据在客户之间碎片化，或模式二中需处理混乱的遗留数据，你的数据可以是干净的、为特定用途构建的并且是统一的。你只需达到一个使之发挥作用的规模。

模型的优势：

最大价值捕获 — 你拥有整个技术栈，孩子，收益不必分成。全都是你的，可以尽情获取。
复利优势 — 你获得的每一位顾客和你优化的每一个工作流程都应当产生复利并惠及你的系统。你不是把它卖给别人或仅仅改进现有流程，一切都是从零构建，因此进步应当迅速产生复利效果。
不受遗留流程约束 — 无需改造。你从第一性原理出发设计，而不是按“应该”存在的东西行事。
颠覆既有企业 — 这是经典的 Kodiak 案例。这些“新”模型在某种程度上是最难以竞争的，因为既有企业必须去颠覆它们自己的商业模式。
估值上行空间 — 从理论上讲，在这三种模式中这一模式的估值应当最高。你在打造下一代技术领导者（可类比 Stripe 与传统支付处理商）。

潜在弱点：

冷启动问题 ——不言自明，但你是从零开始构建一切，包括产品和市场推广。
监管障碍 ——在受监管行业，你需要取得许可和某些合规资质，这可能耗时很长和/或需要大量资本储备。此外，许多行业的监管在各州之间也存在差异。
市场教育/信任 ——你需要让最终客户信任一种完全以 AI 为本的方法，尤其是在金融或医疗等高风险领域。市场教育在某种程度上是不可避免的。

这有什么例子吗？ 例如 Corgi Insurance、WithCoverage（刚刚宣布完成一轮融资），或一些正在创建以 AI 为本的对冲基金的新玩家。

那么哪个模型最好？

现实是，这取决于很多因素。取决于你瞄准的细分行业、时机、竞争格局，以及你独特的优势。我经常用这个问题来衡量：你的不公平优势是什么？那应该决定你选择哪个模型。大致来说：

模型 1（卖软件）在以下情况下非常有意义：行业内有稳固的买家并且有预算、现有供应商薄弱或过时，且 AI 能带来明显杠杆而无需完全改变商业模式。此外，如果你在销售方面特别出色，这对你来说可能是一个很棒的模型。
模型二（滚动并购）适用于在高度分散、由不够成熟（通常较小的）经营者主导的市场中竞争，并且你掌握大量资金或自信能成为一名出色的融资者。如果你认为规模＋AI 能创造出纯软件无法达到的防御能力，且你确实具备将多家业务朝着统一方向推进的现实融资与运营能力，这种模式就讲得通。
模型三（AI 原生选手）适用于当 incumbents 具有你以 AI 为先的做法可以消除的结构性优势、存在某些监管或其他顺风因素，并且你能获得大量资金来支撑预计更长时间的建设。旧有模式从根本上已被破坏，而你相信新模式能修复它。

如果我看起来不像是在为某一种获胜模型插旗……那是有意为之。我只是并不相信会有单一模型胜出。但我确实认为，很多公司选择的模型其内在运行机制与其目标市场并不匹配。

选择合适的模型是一个关键的起点，且你绝对不能对它们使用相同的衡量标准、资本策略或期望——因为它们本质上是不同的商业体。

如果我有一只水晶球，我会这样预测……

模型 1 将在各个类别产生突破，但许多会趋向像 SaaS 那样的终态，或者被 AI 实验室或横向玩家所吞并。

模型二会带来一些有趣且有价值的成果，但把风险投资式的期望强加在部分属于运营与财务工程范畴的玩法上，会产生切实的摩擦。这个模型要求真正的运营专长，因此我认为单纯的软件思维不会像许多人想象的那样有效。

模型三将产生最大的赢家，但同时也会有最高的牺牲率。上行空间巨大，但执行风险同样巨大。

垂直领域的 AI 并非只有一套打法，在当今市场上，我将其视为三种。那些理解差异并据此构建的创始人，才可能真正捕捉到价值。

就此为我们画上句号的一段小旋律……