AI市场已逐渐明朗
在过去的四年里，AI市场经历了显著演变。当GPT-3发布、AI文献中公开讨论“scaling laws”时，人们已经清楚地意识到：从GPT-2到GPT-3，再到GPT-4、GPT-5的演进路径可以外推，一场技术革命即将发生。
四年前，我开始沿着这一趋势，寻找值得投资或协助创办的生成式AI公司。我最终主导或参与了Harvey、Perplexity、Character.AI、BrainTrust等多家公司的早期融资。当时，策略非常明确——“支持所有顶尖人才，投身所有最具潜力的领域”，因为真正投身生成式AI创业的人还非常少。那时，OpenAI似乎是唯一明确的底层大模型公司（Anthropic尚在筹备阶段但前景看好，Llama还未问世，而谷歌虽具备强大的创新潜力，却受困于内部流程，迟迟未能发力）。
随着更多圈外人士意识到这一机遇，以及主流研究机构中的研究人员和工程师纷纷离职创业，AI领域的格局开始变得复杂而模糊。我曾开玩笑说：“我对AI了解得越多，反而越觉得自己一无所知”——因为在许多早期市场中，谁会成为最终赢家尚不明确，而底层模型和技术的迭代速度又太快。例如在2022年，大家已经确信“AI驱动的编程”或“代码生成”将至关重要，但谁会胜出仍不清楚：Cursor直到2023年才推出，Codium的Windsurf约九个月前才进入公开发布阶段，而Cognition的Devin则是在一年多前才以有限发布的形式亮相。
如今，我们正步入一个新阶段：第一批AI市场已经逐渐清晰，一批潜在的领先者也已浮现。这并不意味着未来不会有新的竞争者进入这些市场，也不排除当前领先者可能被收购或最终衰落（就像Stripe在PayPal之后十多年、Braintree之后四五年才崛起，Facebook也比Friendster和MySpace晚了几年才出现）。未来几年，还将有新的AI市场逐步成形，而目前这些新兴领域仍充满不确定性。
更加清晰的市场
1. 基础模型——大语言模型（LLMs）
基础模型涵盖多种类型，包括大语言模型（LLMs），以及用于语音、图像、视频、音乐、化学、生物、材料、物理等领域的模型。这些模型的发展通常依赖于“规模”——数据量、算力投入、特定类型的后训练和反馈机制等。而规模依赖于资本，要在大语言模型市场中胜出，如今动辄需要数十亿美元的资金支持。
在LLM领域，一批核心企业已经明确成为未来长期竞争的主要玩家。它们通常与超大规模云厂商深度合作：亚马逊支持Anthropic，谷歌云（GCP）主推Gemini，微软Azure则与OpenAI紧密绑定，同时也在推进自研模型。只要能带动云服务消费，这些合作就有意义，哪怕这些公司投资前景不明——当然，它们大多数其实前景很好。据传，一些基础模型公司的收入在短短三四年间，就将从零攀升至数十亿美元级别；与此同时，主要云服务商在AI相关算力上的支出，单季度已高达数十亿美元。
目前，LLM领域的核心玩家主要包括：Anthropic、Google、Meta（通过Llama系列）、Microsoft、Mistral、OpenAI 和 X.AI。其中三到四家公司已在多项基准测试中遥遥领先，被开发者和企业广泛采用，同时也主导了行业内的大部分资金投入和技术方向。
此外，也有一些新兴力量，如由顶尖AI研究者领衔的SSI（Safe Superintelligence）和Thinking Machine Labs。这些公司或许能提出突破性的技术路径，或许能持续融资参与竞争，但也可能在几年后成为其他企业进入市场或吸纳顶尖人才的收购目标。
与此同时，中国公司也推出了多个新的开源大模型，例如DeepSeek、阿里巴巴的通义千问（Qwen），以及近期崭露头角的 Kimi，这些模型在各类基准测试中表现不俗。关于中国开源大语言模型的发展，还有很多值得深入探讨的空间，或许值得另写一篇文章专门分析。
展望未来，由于资本壁垒极高，除非出现某种无法迅速扩散的颠覆性技术突破，否则很难再有新的核心LLM公司成功崛起。
而在其他类型的基础模型领域（如视觉、语音、科学计算等），尽管已有不少潜力企业崭露头角，但目前仍缺乏公认的领先者或明确的赢家格局。
2. 代码
代码是生成式AI和大语言模型最早、最清晰的大规模应用场景之一。例如，GitHub Copilot早在2021年10月就已推出，尽管当时功能有限、生成质量远不如今天，却已获得广泛采用并展现出显著实用价值。代码本身具备诸多特性——结构化、语法规则明确、反馈机制清晰——使其天然适合生成式AI技术的落地。
据传，一些公司在产品上线的前两年内，收入便从零迅速攀升至5000万美元甚至5亿美元，增长速度堪称惊人。
与基础模型公司类似，当前代码领域的核心潜在赢家也已初现端倪，少数几家公司脱颖而出，展现出长期发展潜力。虽然大型科技公司仍可能进一步入场，且目前的产品用户粘性尚不明显，但护城河往往随时间积累而形成。未来几年，除非出现意外变局，以下几类公司将在代码生成领域扮演关键角色：Anthropic 的 Claude Code、Cognition（Devin）与 Codium 的 Windsurf、Cursor、谷歌（与 Windsurf 合作）、微软/GitHub、OpenAI，以及像 Magic 或 Poolside 这样的新兴创业公司；此外，还包括主打“氛围编程”（vibe coding）理念的 Lovable、Replit 等平台。
值得注意的是，Figma 和 Canva 近期也纷纷推出自己的“氛围编程”工具，预示着这一趋势可能吸引更多跨界玩家加入。
与此同时，代码领域（以及其他AI应用市场）仍存在若干关键问题有待解答：例如，基于智能代理（agentic）的工作流与传统IDE集成模式将如何发展？它们最终是否会融合？答案几乎是肯定的——二者必将走向收敛。此外，随着代码被视作通往通用人工智能（AGI）乃至超级智能（SI）的重要“训练路径”，基础模型公司是否会逐步将更多代码功能内化、直接整合进自家平台？考虑到该领域巨大的经济价值，这种整合趋势几乎不可避免。
这些核心问题的演变路径，将最终决定谁能在代码生成这场竞赛中笑到最后。
3. 法律
核心法律科技市场格局已初步明朗，目前的领先者是 Harvey（覆盖律所和企业客户）和 CaseText。与此同时，一批新创公司也正崭露头角，有的进入重叠领域（如 Legora），有的则探索全新方向（如 Crosby）。EvenUp 在AI时代转型切入人身伤害赔偿及相关细分领域，而 Eve 和 Supio 则专注于原告端（plaintiff）的业务流程自动化。
尽管我们仍处于法律全流程自动化发展的早期阶段，但像 Harvey 和 EvenUp 这样的公司已开始系统性地拆解核心法律工作流，并构建端到端的自动化解决方案，实现从任务启动到最终交付的闭环处理。鉴于法律在商业和社会中的核心地位，这类平台未来有望自然延伸，逐步整合进其他专业服务领域的工作流程中。
此外，法律本身涵盖范围极广——从垂直领域（如专利、合同、合规）到服务对象（律所、大型企业、中小企业、个人消费者）——这意味着仍有许多细分场景尚未被充分探索，新的机会仍在不断浮现。
4. 医疗文书记录
医生辅助工具与医疗语音记录（scribing）是另一个市场格局已趋清晰的领域，主要玩家包括 Abridge、Ambience、Commure / Athelas，以及被微软收购的 Nuance。这些公司已通过技术成熟度、临床集成能力和规模化部署建立起领先地位，市场也正逐步向它们集中。
此外，一些国际市场的参与者也崭露头角，未来可能独立发展，也可能被整合进上述主流厂商之中。
对这些公司而言，下一步的关键在于将产品能力从单纯的语音转录和病历生成，向上游和下游拓展，延伸至医疗健康体系的其他环节——例如临床决策支持、医患沟通自动化、电子健康记录（EHR）智能填充、以及医院运营效率优化等。谁能率先打通更广泛的医疗工作流，谁就有可能从“记录工具”升级为“医疗服务的操作系统”，在价值链条上占据更核心的位置。
5. 客户服务与客户体验
美国的客户体验市场在短期内已初步形成集中趋势，涌现出几家核心初创企业，其中以 Decagon 和 Sierra 最为突出。与此同时，传统客服平台如 Intercom、Zendesk 等也正在积极整合生成式AI功能，并试图通过交叉销售将其嵌入现有产品体系。
此外，Forethought、Maven、Parahelp、Wonderful 等新兴公司也各具特色，值得关注。
与前述多个市场类似，客户体验领域的一个关键特征在于：生成式AI并非简单地作为辅助工具，而是以“agentic AI”的形式，直接替代或大幅增强人工服务——这意味着AI正在承担原本由人类完成的判断、沟通与决策任务，而不再只是一个按席位（seat-based）收费的流程协作工具。
我们正见证 一个根本性转变：从“售卖坐席”转向“售卖认知单元”（selling units of cognition）。这一趋势在AI行业中普遍存在，却尚未得到充分讨论。
随着推理模型的不断进步，以及支持AI自主执行任务的智能体基础设施（agentic infrastructure）日趋成熟，这一转变将大大加速。未来，企业购买的可能不再是“多少个客服账号”，而是“系统能自主处理多少通客户对话”或“完成多少次复杂问题的端到端解决”——计价单位从人力工时转向AI的认知输出，这将重塑整个客户服务产品的商业模式与价值定义。
6. 搜索与信息检索的重构
聚焦于搜索与信息检索重构的主要玩家包括：Google、OpenAI（通过ChatGPT）、Perplexity 和 Meta。其中，Perplexity 是这一领域最突出的初创公司，其余参与者多为行业巨头。这种格局也可能延续到其他消费级或专业消费者市场，尽管在新用户体验和使用场景方面，仍存在大量创新空间。
Perplexity与其他领先者正迅速向“智能体驱动的未来”（agentic future）演进（详见下文）。这不仅体现在诸如“深度研究”（Deep Research）等增强型工具上，更体现在近期对浏览器生态的直接切入。例如，Perplexity 推出的 Comet 浏览器已集成智能体功能，能够在用户浏览网页时主动执行购物比价、信息聚合、任务自动化等操作，标志着搜索正从“被动响应查询”转向“主动智能执行”。
这一趋势意味着，传统基于关键词匹配的搜索范式正在被颠覆——未来的搜索不再只是“找到链接”，而是“完成任务”。谁能在智能体驱动的搜索新范式中率先建立用户习惯和产品闭环，谁就可能重新定义人们获取信息与完成决策的方式。
未来值得关注的重要市场
三年前，人们已经清楚地意识到：基础模型/大语言模型（LLMs）、代码、医疗健康、客户服务等领域将成为AI的关键战场。但当时，谁会成为赢家、哪些公司会脱颖而出，仍充满不确定性。如今，短期内有望主导市场的领先者已基本清晰（尽管如前所述，仍可能有新兴创业公司或在位巨头后来居上，加入竞争）。
接下来的一批极具潜力、且适合生成式AI落地的市场正在浮现。这些领域不仅需求明确、痛点突出，而且工作流程高度文档化、规则化，非常适合AI进行自动化、增强或重构。我和我的团队正高度关注以下方向，并积极寻找在这些领域创业的优秀团队进行投资：
- 会计（Accounting）已有团队在构建智能化的会计软件，也有人通过“软件+并购整合”（roll-up）模式重构传统会计服务。AI在账目自动化、合规对账、财报生成等方面潜力巨大。
- 合规（Compliance）合规涵盖范围广泛，包括金融、医疗、数据隐私、供应链等多个维度。例如，在医药合规领域，Blue Note Health 等早期公司已开始利用AI自动化监管申报与合规审查流程。
- 金融工具（Financial Tools）面向金融分析师、投资经理、风控人员等专业角色的AI工具正在兴起。从自动生成财报摘要、构建财务模型，到实时解读宏观数据，AI正在成为“金融知识工作者”的核心协作者。
- 销售工具与智能体（Sales Tooling and Agents）机会丰富：从AI智能体自动执行销售开发代表（SDR）任务（如线索筛选、邮件触达、会议安排），到增强企业销售团队的客户洞察、话术建议和谈判支持，AI正在重塑销售流程的每一个环节。
- 安全（Security）应用前景广阔，尤其在服务密集型或组织结构复杂的场景中。例如，AI可用于日志分析、异常行为检测、自动化响应等。同时，也将涌现出一批专注于AI原生安全的新公司——聚焦于防范大模型终端（AI endpoints）、智能体或基础模型使用过程中的数据泄露、提示注入、权限滥用等新型攻击。
- 其他待探索市场（Other markets TBD）机会远不止于此——教育、政府服务、建筑、物流、能源管理……生成式AI的触角才刚刚开始延伸。
这些领域中已经涌现出一批令人振奋的公司，而其中哪些能脱颖而出、最终成为领跑者，很可能在接下来的几个月到几个季度内逐渐明朗。
在某些领域，当前的模型能力可能尚未达到充分满足市场需求的水平；在另一些领域，则需要更完整的端到端工作流工具，或更精准、高效的 go-to-market（GTM）策略来打开局面。而在不少情况下，成功可能只是时间问题——毕竟，深入理解客户、围绕真实需求打磨产品、并逐步验证产品与市场的契合度（product-market fit），本身就需要时间沉淀和持续迭代。
模型 vs 产品市场策略 vs 团队？
对于上述这些“新兴”市场领域，一个核心问题是：究竟是什么阻碍了市场格局的形成？
在某些市场，瓶颈部分在于当前模型的推理能力或生成保真度（fidelity）仍有待提升。例如，法律工作流在 GPT-3.5时代几乎无法有效运行，但到了GPT-4 时代才真正起飞——Harvey正是抓住了这一技术跃迁，并结合自研模型优化，实现了显著突破。同样，像 Cursor 这样的编程工具，也得益于 Claude 3.5（2024年6月发布）的能力提升；在此前，由于模型精度未达临界点，产品实用性始终有限。
这也说明了一个关键策略：在模型能力尚未成熟之前，就提前围绕客户构建产品。一旦模型能力跨越门槛，这些先行者便能迅速占领市场，抢占份额。
这引出了一个关键概念——“GPT阶梯”（GPT Ladder）：
例如，GPT-5（或 Claude X、Gemini Y）有望支持一类全新的应用场景——而这类应用在当前模型能力下，从技术上根本无法实现。只有当模型本身具备足够的推理深度、上下文理解与稳定性时，这些市场才真正变得“可落地”。
这意味着： 技术的突破，才是市场的开关。 而真正的机会，属于那些在“阶梯”到来之前就已布好局的团队。
除了模型能力之外，可能阻碍生成式AI在某个市场被采纳的其他因素还包括：
- 产品市场策略、购买行为与竞争格局：
- 产品构建周期：开发并推出真正有用的产品需要时间。有时一个市场的活跃度之所以不高，只是因为整体仍处于早期阶段；通常在6到12个月后，随着产品功能日趋完善，形成足够显著的市场存在感，领先者才会逐渐浮现。
简言之，技术并非唯一变量。市场格局的形成，还取决于谁能在正确的时机，以正确的策略、由正确的团队，交付真正契合客户工作流的解决方案。
无处不在的智能体
一个正在发生的重大转变，是从单纯的“AI聊天工具”转向智能体工作流（agentic workflows）。所谓智能体，是指能够代表你主动执行任务的AI软件。这之间的区别，就好比：过去你在 Google 上搜索西班牙旅游信息，而现在 Google 会自动启动一个AI智能体，帮你完成航班预订、酒店安排等一系列操作，全程代表你行动。
在企业服务领域，像Devin这类编程工具，以及Decagon、Sierra等客户服务工具，已成为智能体工作流的早期采用者；而在信息类工具中，ChatGPT、Gemini 和 Perplexity 也正逐步引入智能体功能，为用户自动执行深度研究、资料整合等复杂任务。
随着推理模型不断进步、智能体应用日益普及，支持智能体部署与协作的底层基础设施也在加速发展。一批初创公司正在构建智能体框架或底层支撑系统，同时，咨询公司和大型企业服务提供商也开始将智能体纳入其企业级解决方案工具箱。
我们正见证一个根本性转变：从“售卖使用席位”转向“售卖认知单元”或“相当于人类劳动力的AI工作量”。未来的商业模式，或将按AI完成的任务量、决策次数或自主操作的复杂度来计价，而不再局限于“有多少人登录使用”。
AI驱动的并购整合
过去三年左右，我一直关注并投资由生成式AI驱动的“并购整合”（roll-up）模式。从生成式AI兴起之初就很明显：这种基于Transformer架构的新一代AI，特别擅长处理人类知识型工作——而这正是白领服务经济的主体。
在AI驱动的并购整合模式中，投资者不仅仅是向企业销售AI软件，而是直接收购公司，将其纳入旗下，并全面用AI重构其运营流程。相比单纯卖软件，这种方式能实现更快、更深度的技术采纳和更可观的经济效益。
事实上，AI落地的瓶颈往往不在技术本身，而在于组织、流程与人员：你能否彻底重塑一个组织的运作方式，使其围绕AI工具重新设计工作流？这个问题通常比开发AI工具本身更难。而要快速实现这种变革（尤其对初创型团队而言），最有效的方式就是直接拥有这家公司，从而获得改革的决策权和执行速度。相比之下，传统企业往往变革缓慢、流程冗长，难以跟上AI时代的节奏。
市场的终局之战
在另一篇文章中，我谈到了“市场的终局动作”——即，在一个市场中，你可以采取哪些重大的战略举措（比如并购？巨额资本投入？或其他手段），来一举锁定领先地位，赢得头名。
随着市场逐步整合，那些能够直接决定胜负的战略动作也变得愈发清晰。当每个领域从多个竞争者逐渐收敛为一两家主导者时，我们很可能会看到大量并购（M&A）、战略合作、渠道锁定或其他整合策略的出现。
接下来很可能会迎来一波密集的整合浪潮：将两个领先的初创公司合并（尽管谈判难度大，但一旦成功，回报巨大），或将巨头与创新企业组合（“渠道 + 技术”组合），形成强大合力，实现市场通吃。
真正的赢家，往往不是跑得最快的那个，而是懂得在关键时刻整合资源、终结竞争的玩家。
一个激动人心的整合时代，即将到来。
总结——AI市场已趋明朗
在过去的四年里，AI市场经历了显著演变。当GPT-3发布、AI文献中公开讨论“scaling laws”时，人们已经清楚地意识到：从GPT-2到GPT-3，再到GPT-4、GPT-5的演进路径可以外推，一场技术革命即将发生。
四年前，我开始沿着这一趋势，寻找值得投资或协助创办的生成式AI公司。我最终主导或参与了Harvey、Perplexity、Character.AI、BrainTrust等多家公司的早期融资。当时，策略非常明确——“支持所有顶尖人才，投身所有最具潜力的领域”，因为真正投身生成式AI创业的人还非常少。那时，OpenAI似乎是唯一明确的底层大模型公司（Anthropic尚在筹备阶段但前景看好，Llama还未问世，而谷歌虽具备强大的创新潜力，却受困于内部流程，迟迟未能发力）。
随着更多圈外人士意识到这一机遇，以及主流研究机构中的研究人员和工程师纷纷离职创业，AI领域的格局开始变得复杂而模糊。我曾开玩笑说：“我对AI了解得越多，反而越觉得自己一无所知”——因为在许多早期市场中，谁会成为最终赢家尚不明确，而底层模型和技术的迭代速度又太快。例如在2022年，大家已经确信“AI驱动的编程”或“代码生成”将至关重要，但谁会胜出仍不清楚：Cursor直到2023年才推出，Codium的Windsurf约九个月前才进入公开发布阶段，而Cognition的Devin则是在一年多前才以有限发布的形式亮相。
如今，我们正步入一个新阶段：第一批AI市场已经逐渐清晰，一批潜在的领先者也已浮现。这并不意味着未来不会有新的竞争者进入这些市场，也不排除当前领先者可能被收购或最终衰落（就像Stripe在PayPal之后十多年、Braintree之后四五年才崛起，Facebook也比Friendster和MySpace晚了几年才出现）。未来几年，还将有新的AI市场逐步成形，而目前这些新兴领域仍充满不确定性。
更加清晰的市场
1. 基础模型——大语言模型（LLMs）
基础模型涵盖多种类型，包括大语言模型（LLMs），以及用于语音、图像、视频、音乐、化学、生物、材料、物理等领域的模型。这些模型的发展通常依赖于“规模”——数据量、算力投入、特定类型的后训练和反馈机制等。而规模依赖于资本，要在大语言模型市场中胜出，如今动辄需要数十亿美元的资金支持。
在LLM领域，一批核心企业已经明确成为未来长期竞争的主要玩家。它们通常与超大规模云厂商深度合作：亚马逊支持Anthropic，谷歌云（GCP）主推Gemini，微软Azure则与OpenAI紧密绑定，同时也在推进自研模型。只要能带动云服务消费，这些合作就有意义，哪怕这些公司投资前景不明——当然，它们大多数其实前景很好。据传，一些基础模型公司的收入在短短三四年间，就将从零攀升至数十亿美元级别；与此同时，主要云服务商在AI相关算力上的支出，单季度已高达数十亿美元。
目前，LLM领域的核心玩家主要包括：Anthropic、Google、Meta（通过Llama系列）、Microsoft、Mistral、OpenAI 和 X.AI。其中三到四家公司已在多项基准测试中遥遥领先，被开发者和企业广泛采用，同时也主导了行业内的大部分资金投入和技术方向。
此外，也有一些新兴力量，如由顶尖AI研究者领衔的SSI（Safe Superintelligence）和Thinking Machine Labs。这些公司或许能提出突破性的技术路径，或许能持续融资参与竞争，但也可能在几年后成为其他企业进入市场或吸纳顶尖人才的收购目标。
与此同时，中国公司也推出了多个新的开源大模型，例如DeepSeek、阿里巴巴的通义千问（Qwen），以及近期崭露头角的 Kimi，这些模型在各类基准测试中表现不俗。关于中国开源大语言模型的发展，还有很多值得深入探讨的空间，或许值得另写一篇文章专门分析。
展望未来，由于资本壁垒极高，除非出现某种无法迅速扩散的颠覆性技术突破，否则很难再有新的核心LLM公司成功崛起。
而在其他类型的基础模型领域（如视觉、语音、科学计算等），尽管已有不少潜力企业崭露头角，但目前仍缺乏公认的领先者或明确的赢家格局。
2. 代码
代码是生成式AI和大语言模型最早、最清晰的大规模应用场景之一。例如，GitHub Copilot早在2021年10月就已推出，尽管当时功能有限、生成质量远不如今天，却已获得广泛采用并展现出显著实用价值。代码本身具备诸多特性——结构化、语法规则明确、反馈机制清晰——使其天然适合生成式AI技术的落地。
据传，一些公司在产品上线的前两年内，收入便从零迅速攀升至5000万美元甚至5亿美元，增长速度堪称惊人。
与基础模型公司类似，当前代码领域的核心潜在赢家也已初现端倪，少数几家公司脱颖而出，展现出长期发展潜力。虽然大型科技公司仍可能进一步入场，且目前的产品用户粘性尚不明显，但护城河往往随时间积累而形成。未来几年，除非出现意外变局，以下几类公司将在代码生成领域扮演关键角色：Anthropic 的 Claude Code、Cognition（Devin）与 Codium 的 Windsurf、Cursor、谷歌（与 Windsurf 合作）、微软/GitHub、OpenAI，以及像 Magic 或 Poolside 这样的新兴创业公司；此外，还包括主打“氛围编程”（vibe coding）理念的 Lovable、Replit 等平台。
值得注意的是，Figma 和 Canva 近期也纷纷推出自己的“氛围编程”工具，预示着这一趋势可能吸引更多跨界玩家加入。
与此同时，代码领域（以及其他AI应用市场）仍存在若干关键问题有待解答：例如，基于智能代理（agentic）的工作流与传统IDE集成模式将如何发展？它们最终是否会融合？答案几乎是肯定的——二者必将走向收敛。此外，随着代码被视作通往通用人工智能（AGI）乃至超级智能（SI）的重要“训练路径”，基础模型公司是否会逐步将更多代码功能内化、直接整合进自家平台？考虑到该领域巨大的经济价值，这种整合趋势几乎不可避免。
这些核心问题的演变路径，将最终决定谁能在代码生成这场竞赛中笑到最后。
3. 法律
核心法律科技市场格局已初步明朗，目前的领先者是 Harvey（覆盖律所和企业客户）和 CaseText。与此同时，一批新创公司也正崭露头角，有的进入重叠领域（如 Legora），有的则探索全新方向（如 Crosby）。EvenUp 在AI时代转型切入人身伤害赔偿及相关细分领域，而 Eve 和 Supio 则专注于原告端（plaintiff）的业务流程自动化。
尽管我们仍处于法律全流程自动化发展的早期阶段，但像 Harvey 和 EvenUp 这样的公司已开始系统性地拆解核心法律工作流，并构建端到端的自动化解决方案，实现从任务启动到最终交付的闭环处理。鉴于法律在商业和社会中的核心地位，这类平台未来有望自然延伸，逐步整合进其他专业服务领域的工作流程中。
此外，法律本身涵盖范围极广——从垂直领域（如专利、合同、合规）到服务对象（律所、大型企业、中小企业、个人消费者）——这意味着仍有许多细分场景尚未被充分探索，新的机会仍在不断浮现。
4. 医疗文书记录
医生辅助工具与医疗语音记录（scribing）是另一个市场格局已趋清晰的领域，主要玩家包括 Abridge、Ambience、Commure / Athelas，以及被微软收购的 Nuance。这些公司已通过技术成熟度、临床集成能力和规模化部署建立起领先地位，市场也正逐步向它们集中。
此外，一些国际市场的参与者也崭露头角，未来可能独立发展，也可能被整合进上述主流厂商之中。
对这些公司而言，下一步的关键在于将产品能力从单纯的语音转录和病历生成，向上游和下游拓展，延伸至医疗健康体系的其他环节——例如临床决策支持、医患沟通自动化、电子健康记录（EHR）智能填充、以及医院运营效率优化等。谁能率先打通更广泛的医疗工作流，谁就有可能从“记录工具”升级为“医疗服务的操作系统”，在价值链条上占据更核心的位置。
5. 客户服务与客户体验
美国的客户体验市场在短期内已初步形成集中趋势，涌现出几家核心初创企业，其中以 Decagon 和 Sierra 最为突出。与此同时，传统客服平台如 Intercom、Zendesk 等也正在积极整合生成式AI功能，并试图通过交叉销售将其嵌入现有产品体系。
此外，Forethought、Maven、Parahelp、Wonderful 等新兴公司也各具特色，值得关注。
与前述多个市场类似，客户体验领域的一个关键特征在于：生成式AI并非简单地作为辅助工具，而是以“agentic AI”的形式，直接替代或大幅增强人工服务——这意味着AI正在承担原本由人类完成的判断、沟通与决策任务，而不再只是一个按席位（seat-based）收费的流程协作工具。
我们正见证 一个根本性转变：从“售卖坐席”转向“售卖认知单元”（selling units of cognition）。这一趋势在AI行业中普遍存在，却尚未得到充分讨论。
随着推理模型的不断进步，以及支持AI自主执行任务的智能体基础设施（agentic infrastructure）日趋成熟，这一转变将大大加速。未来，企业购买的可能不再是“多少个客服账号”，而是“系统能自主处理多少通客户对话”或“完成多少次复杂问题的端到端解决”——计价单位从人力工时转向AI的认知输出，这将重塑整个客户服务产品的商业模式与价值定义。
6. 搜索与信息检索的重构
聚焦于搜索与信息检索重构的主要玩家包括：Google、OpenAI（通过ChatGPT）、Perplexity 和 Meta。其中，Perplexity 是这一领域最突出的初创公司，其余参与者多为行业巨头。这种格局也可能延续到其他消费级或专业消费者市场，尽管在新用户体验和使用场景方面，仍存在大量创新空间。
Perplexity与其他领先者正迅速向“智能体驱动的未来”（agentic future）演进（详见下文）。这不仅体现在诸如“深度研究”（Deep Research）等增强型工具上，更体现在近期对浏览器生态的直接切入。例如，Perplexity 推出的 Comet 浏览器已集成智能体功能，能够在用户浏览网页时主动执行购物比价、信息聚合、任务自动化等操作，标志着搜索正从“被动响应查询”转向“主动智能执行”。
这一趋势意味着，传统基于关键词匹配的搜索范式正在被颠覆——未来的搜索不再只是“找到链接”，而是“完成任务”。谁能在智能体驱动的搜索新范式中率先建立用户习惯和产品闭环，谁就可能重新定义人们获取信息与完成决策的方式。
未来值得关注的重要市场
三年前，人们已经清楚地意识到：基础模型/大语言模型（LLMs）、代码、医疗健康、客户服务等领域将成为AI的关键战场。但当时，谁会成为赢家、哪些公司会脱颖而出，仍充满不确定性。如今，短期内有望主导市场的领先者已基本清晰（尽管如前所述，仍可能有新兴创业公司或在位巨头后来居上，加入竞争）。
接下来的一批极具潜力、且适合生成式AI落地的市场正在浮现。这些领域不仅需求明确、痛点突出，而且工作流程高度文档化、规则化，非常适合AI进行自动化、增强或重构。我和我的团队正高度关注以下方向，并积极寻找在这些领域创业的优秀团队进行投资：
- 会计（Accounting）已有团队在构建智能化的会计软件，也有人通过“软件+并购整合”（roll-up）模式重构传统会计服务。AI在账目自动化、合规对账、财报生成等方面潜力巨大。
- 合规（Compliance）合规涵盖范围广泛，包括金融、医疗、数据隐私、供应链等多个维度。例如，在医药合规领域，Blue Note Health 等早期公司已开始利用AI自动化监管申报与合规审查流程。
- 金融工具（Financial Tools）面向金融分析师、投资经理、风控人员等专业角色的AI工具正在兴起。从自动生成财报摘要、构建财务模型，到实时解读宏观数据，AI正在成为“金融知识工作者”的核心协作者。
- 销售工具与智能体（Sales Tooling and Agents）机会丰富：从AI智能体自动执行销售开发代表（SDR）任务（如线索筛选、邮件触达、会议安排），到增强企业销售团队的客户洞察、话术建议和谈判支持，AI正在重塑销售流程的每一个环节。
- 安全（Security）应用前景广阔，尤其在服务密集型或组织结构复杂的场景中。例如，AI可用于日志分析、异常行为检测、自动化响应等。同时，也将涌现出一批专注于AI原生安全的新公司——聚焦于防范大模型终端（AI endpoints）、智能体或基础模型使用过程中的数据泄露、提示注入、权限滥用等新型攻击。
- 其他待探索市场（Other markets TBD）机会远不止于此——教育、政府服务、建筑、物流、能源管理……生成式AI的触角才刚刚开始延伸。
这些领域中已经涌现出一批令人振奋的公司，而其中哪些能脱颖而出、最终成为领跑者，很可能在接下来的几个月到几个季度内逐渐明朗。
在某些领域，当前的模型能力可能尚未达到充分满足市场需求的水平；在另一些领域，则需要更完整的端到端工作流工具，或更精准、高效的 go-to-market（GTM）策略来打开局面。而在不少情况下，成功可能只是时间问题——毕竟，深入理解客户、围绕真实需求打磨产品、并逐步验证产品与市场的契合度（product-market fit），本身就需要时间沉淀和持续迭代。
模型 vs 产品市场策略 vs 团队？
对于上述这些“新兴”市场领域，一个核心问题是：究竟是什么阻碍了市场格局的形成？
在某些市场，瓶颈部分在于当前模型的推理能力或生成保真度（fidelity）仍有待提升。例如，法律工作流在 GPT-3.5时代几乎无法有效运行，但到了GPT-4 时代才真正起飞——Harvey正是抓住了这一技术跃迁，并结合自研模型优化，实现了显著突破。同样，像 Cursor 这样的编程工具，也得益于 Claude 3.5（2024年6月发布）的能力提升；在此前，由于模型精度未达临界点，产品实用性始终有限。
这也说明了一个关键策略：在模型能力尚未成熟之前，就提前围绕客户构建产品。一旦模型能力跨越门槛，这些先行者便能迅速占领市场，抢占份额。
这引出了一个关键概念——“GPT阶梯”（GPT Ladder）：
- 每当大模型迈上一个新的台阶（如 GPT、Claude、Gemini、Grok 或 Llama 的重大版本发布），就会解锁一批全新的市场。
例如，GPT-5（或 Claude X、Gemini Y）有望支持一类全新的应用场景——而这类应用在当前模型能力下，从技术上根本无法实现。只有当模型本身具备足够的推理深度、上下文理解与稳定性时，这些市场才真正变得“可落地”。
这意味着： 技术的突破，才是市场的开关。 而真正的机会，属于那些在“阶梯”到来之前就已布好局的团队。
除了模型能力之外，可能阻碍生成式AI在某个市场被采纳的其他因素还包括：
- 产品市场策略、购买行为与竞争格局：
- 初创公司可能在市场进入策略上出现偏差（例如，用错误的方式向错误的客户群体销售）；
- 行业巨头可能拥有过强的生态锁定效应，能够迅速推出虽质量较差但足以应对的AI功能，或通过捆绑销售、将其整合进已有的用户界面或工作流中来压制新兴竞争者；
- 市场中的买家可能本身决策缓慢、采纳新技术的节奏较慢，但随着时间推移，仍会逐步转向新技术。
- 产品构建周期：开发并推出真正有用的产品需要时间。有时一个市场的活跃度之所以不高，只是因为整体仍处于早期阶段；通常在6到12个月后，随着产品功能日趋完善，形成足够显著的市场存在感，领先者才会逐渐浮现。
简言之，技术并非唯一变量。市场格局的形成，还取决于谁能在正确的时机，以正确的策略、由正确的团队，交付真正契合客户工作流的解决方案。
无处不在的智能体
一个正在发生的重大转变，是从单纯的“AI聊天工具”转向智能体工作流（agentic workflows）。所谓智能体，是指能够代表你主动执行任务的AI软件。这之间的区别，就好比：过去你在 Google 上搜索西班牙旅游信息，而现在 Google 会自动启动一个AI智能体，帮你完成航班预订、酒店安排等一系列操作，全程代表你行动。
在企业服务领域，像Devin这类编程工具，以及Decagon、Sierra等客户服务工具，已成为智能体工作流的早期采用者；而在信息类工具中，ChatGPT、Gemini 和 Perplexity 也正逐步引入智能体功能，为用户自动执行深度研究、资料整合等复杂任务。
随着推理模型不断进步、智能体应用日益普及，支持智能体部署与协作的底层基础设施也在加速发展。一批初创公司正在构建智能体框架或底层支撑系统，同时，咨询公司和大型企业服务提供商也开始将智能体纳入其企业级解决方案工具箱。
我们正见证一个根本性转变：从“售卖使用席位”转向“售卖认知单元”或“相当于人类劳动力的AI工作量”。未来的商业模式，或将按AI完成的任务量、决策次数或自主操作的复杂度来计价，而不再局限于“有多少人登录使用”。
AI驱动的并购整合
过去三年左右，我一直关注并投资由生成式AI驱动的“并购整合”（roll-up）模式。从生成式AI兴起之初就很明显：这种基于Transformer架构的新一代AI，特别擅长处理人类知识型工作——而这正是白领服务经济的主体。
在AI驱动的并购整合模式中，投资者不仅仅是向企业销售AI软件，而是直接收购公司，将其纳入旗下，并全面用AI重构其运营流程。相比单纯卖软件，这种方式能实现更快、更深度的技术采纳和更可观的经济效益。
事实上，AI落地的瓶颈往往不在技术本身，而在于组织、流程与人员：你能否彻底重塑一个组织的运作方式，使其围绕AI工具重新设计工作流？这个问题通常比开发AI工具本身更难。而要快速实现这种变革（尤其对初创型团队而言），最有效的方式就是直接拥有这家公司，从而获得改革的决策权和执行速度。相比之下，传统企业往往变革缓慢、流程冗长，难以跟上AI时代的节奏。
市场的终局之战
在另一篇文章中，我谈到了“市场的终局动作”——即，在一个市场中，你可以采取哪些重大的战略举措（比如并购？巨额资本投入？或其他手段），来一举锁定领先地位，赢得头名。
随着市场逐步整合，那些能够直接决定胜负的战略动作也变得愈发清晰。当每个领域从多个竞争者逐渐收敛为一两家主导者时，我们很可能会看到大量并购（M&A）、战略合作、渠道锁定或其他整合策略的出现。
接下来很可能会迎来一波密集的整合浪潮：将两个领先的初创公司合并（尽管谈判难度大，但一旦成功，回报巨大），或将巨头与创新企业组合（“渠道 + 技术”组合），形成强大合力，实现市场通吃。
真正的赢家，往往不是跑得最快的那个，而是懂得在关键时刻整合资源、终结竞争的玩家。
一个激动人心的整合时代，即将到来。
总结——AI市场已趋明朗
AI市场如今比过去几年更加清晰。在代码、法律等早期生成式AI领域，各细分市场的领先者已经浮现；与此同时，一批新市场正等待被颠覆。前方，是令人振奋的新一轮机遇。
