关于作者

安・博尔代茨基（Ann Bordetsky）

安是 NEA 的合伙人，专注于消费科技、AI 应用软件和市场平台的早期投资。在加入 NEA 之前，安曾担任 Rival（后被 Live Nation 收购）的首席运营官，并在 Uber 和 Twitter 的成长期担任业务领导职务。作为企业运营者，她见证了硅谷初创公司从首次发布到 IPO 的各个发展阶段。安拥有斯坦福大学商学院 MBA 学位和加州大学伯克利分校学士学位。

蒂芙尼・勒克（Tiffany Luck）

蒂芙尼于 2023 年加入 NEA，担任技术团队合伙人，专注于早期 AI、API 和 B2B SaaS 领域的投资。此前，她是 GGV 纪源资本的合伙人，主导投资了 Pinwheel、Mindee、Stream、Electric.ai、Fairmarkit、Workboard 和 Vic.ai 等公司。蒂芙尼的职业生涯始于营销和业务开发，曾在《福布斯》、Lot18 和亚马逊任职，并曾在摩根士丹利科技投资银行团队为 Github、Netflix 和 Zoom 等公司提供咨询服务。她拥有弗吉尼亚大学学士学位和宾夕法尼亚大学沃顿商学院 MBA 学位。

詹姆斯・卡普兰（James Kaplan）

詹姆斯于 2023 年加入 NEA，担任技术团队投资经理，专注于消费和 AI 应用领域。在加入 NEA 之前，他曾在早期初创公司工作，包括 PLG 垂直 SaaS 企业 GlossGenius，并为《星际争霸》衍生游戏工作室 Frost Giant Studios 提供咨询，参与开发下一代实时战略（RTS）游戏。他还曾在瑞士信贷的技术团队任职。詹姆斯毕业于南加州大学。

序

过去两年标志着人工智能和现代软件核心构建模块的快速演进。ChatGPT 的时代性突破引发了人工智能领域创新、竞争和研发投资的连锁反应。两年后的今天，我们目睹了 ChatGPT、Perplexity、Claude、Midjourney、Cursor、ElevenLabs 等新型通用应用的空前增长。随着人工智能能力成熟并具备生成式、代理式和多模态功能，我们看到了新型垂直化应用的激动人心的机遇。

未来的软件巨头将是专注于特定行业的垂直 AI 公司。

在本文中，我们将分享垂直 AI 的框架，探讨为何我们认为现在是构建行业特定 AI 解决方案的最佳时机，以及打造品类赢家的关键考量。

从服务到软件的转折点

在云计算时代，我们见证了 Procore（110 亿美元）、Toast（210 亿美元）和 ServiceTitan（90 亿美元）等大型垂直软件赢家的崛起。[1] 第一波浪潮的赢家遵循共同模式：

• 记录系统：自动化并集中客户数据

• 支付与计费：简化财务工作流和商业智能

• 市场平台：将行业参与者生态整合到单一平台

如今，生成式和代理式 AI 开启了另一个潜在层级：

• 代理系统：能够显著自动化剩余劳动力密集型工作流的 AI 行动。由于基础模型提供商之间的激烈竞争，以及数百亿美元 GPU 基础设施的资本支出投资，机器智能的边际成本持续下降，这使得构建一个让 AI 适用于特定行业工作的大型企业比以往任何时候都更容易。[2]

软件的本质正从 “记录系统” 转向 “行动系统”。[3] 在 AI 时代，竞争力可能源于 AI 代理的专业化和协同能力，这为垂直化解决方案提供了土壤。早期案例包括 Harvey AI 和 Abridge。

随着 AI 代理超越单纯的数字化，开始代表终端用户主动执行任务，软件公司有机会覆盖更大的总可寻址市场（TAM）。通过挖掘美国 11 万亿美元的劳动力支出 [4]—— 这一数字远超约 4500 亿美元的企业软件市场 [5]—— 这些公司能够实现前所未有的增长。

在本文中，我们将探讨：

• 为何现在是布局垂直 AI 的最佳时机

• 垂直 AI 在哪些领域能战胜通用型产品

• 垂直 AI 的新竞争法则

• 值得探讨的四个关键问题

• 垂直 AI 可能崛起的行业方向

新控制点：代理系统

如今，软件主要服务于用户发起的工作流。Salesforce、Workday、Oracle 和 SAP 等大型软件公司作为记录系统，高度依赖人工输入数据。例如，普通销售代表每周需花费 6 小时 [6] 更新 CRM（我们深表同情！）。这类记录系统的竞争优势源于三个核心因素：

• 存储和结构化关键数据的角色带来高切换成本

• 用户在平台内操作形成的工作流控制权

• 强大的应用和集成生态形成用户锁定

然而，在软件可代表用户执行行动的时代，传统记录系统的工作流优势正在减弱。如果 AI 代理在数据进入记录系统之前就对其进行处理（并生成独立于记录系统的新数据），现有巨头可能失去数据所有权带来的优势及相应的切换成本。

控制点（即客户技术栈中驱动增购机会的最关键软件）传统上通常是记录系统。例如，在家庭服务领域是调度和 CRM 系统；在教育领域是学习管理系统（LMS）和学生信息系统（SIS）。未来，控制点可能转向代理层，这可能降低现有记录系统的重要性并重塑竞争格局。

垂直 AI 的完美机遇风暴

尽管代理式 AI 能力仍处于早期阶段，但我们认为以下因素的交汇使其成为打造垂直 AI 颠覆者的最佳时机：

• 任务执行能力：在特定工作或专业工作流中，垂直代理已展现出比通用代理更稳定的高性能表现

• 更高客户价值（ACV）：垂直代理可替代人力劳动，因此相比传统 SaaS 工具能实现更高 ACV 和更快收入增长

• 关键行业劳动力短缺：美国劳动力短缺问题显著（如管道工、电工、卡车司机等）。如今，38% 的美国人拥有四年制大学学位（10 年前为 30%，20 年前为 23%）[7]，但职业技能培训滞后。

• 专业服务潜在需求：即使没有劳动力短缺，金融、法律等人力溢价高且存在自动化需求的行业也对 AI 有巨大需求

• 专业化构建壁垒：细分市场客户更倾向于选择完全理解其特定需求的定制化供应商。尽管实现产品市场匹配门槛高，但 AI 代理可能首次让 “定制化” 具备可扩展性

垂直 AI 新竞争法则

与云时代垂直 SaaS 先驱（面对纸质工作流或过时本地解决方案，竞争较少）不同，如今的 AI 初创公司面临更严峻的挑战：需与通用型科技巨头及向应用层渗透的 AI 模型公司竞争。在此激烈环境下，成功需要什么？

新法则核心要素：

1. 利用 AI 代理处理非结构化数据：构建能处理电话录音、邮件、PDF、发票等非结构化数据的 AI 代理，并积累新数据集

2. 用 AI “楔子” 切入客户：语音代理、语义文档搜索、内容生成是最常见的 AI 楔子。许多公司通过免费提供部分功能吸引客户

3. 初期集成现有记录系统：避免让客户彻底替换现有软件，而是先实现集成

4. 收集行动系统产生的新数据：逐步建立新的记录系统所有权

5. 深耕行业特定的市场策略（GTM）：客户需要的是解决方案而非 AI，需深度理解客户需求

应用案例：

语音代理

• 公共安全：Prepared 免费提供视频和文本工具，帮助 911 响应中心获取数据，后续通过语音代理处理非结构化呼叫数据并集成到计算机辅助调度系统（CAD）

• 医疗：Abridge 和 Freed 通过语音代理转录医患对话并录入电子健康记录（EHR），Abridge 与 Epic 的合作推动了其增长

• 家庭服务：Avoca 等公司通过语音代理处理销售电话，并与 ServiceTitan 等现有系统集成

语义搜索与文档分析

• 保险核保：Sixfold 利用语义搜索分析文档和法规代码，提供核保建议，集成到 Guidewire 等现有工作平台

• 建筑：Trunk Tools 通过 TrunkText 在 Procore 等文档系统中搜索关键信息，减少施工返工

非结构化数据处理与内容生成

• 教育：MagicSchool 免费为教师提供 AI 生成课程内容，后续向学校销售企业版，数据独立于现有学生信息系统（SIS）

• 工业设计：Backflip 根据文本或图片生成 3D 模型，与 Solidworks 等 CAD 工具集成

• 公共安全：Axon 通过 AI 分析执法录像并生成报告（占警员 50% 工作时间）[8]，并从行动系统反向构建了自己的记录系统

垂直 AI 的四个关键问题

1.获胜的核心要素是什么？

• 针对非结构化数据处理任务的 “10 倍好” 产品（如电话、文档、视频等）

• 劳动力短缺、存在人力替代需求或外包支出高的行业

• 百亿美金市场机会：仅看劳动力预算，这类市场远超想象（如美国会计行业 2019-2021 年离职率 17%，2022 年毕业生较 2016 年减少 18%，薪资缺口达 240 亿美元 [9]）

• 速度：在巨头跟进前实现产品关键价值

• 长期颠覆并掌控记录系统的能力

• 兼具行业经验与技术背景的创始人

• 基于输出价值的定价模式

2.垂直 AI 何时能战胜通用型产品？

• 复杂利益相关方生态：如建筑行业（需协调总承包商、分包商、业主等），云时代的 Procore 即是典型案例

• 专有数据壁垒：金融领域的彭博拥有股权研究等专有数据；Prepared 通过语音转录积累行业数据

• 特殊数据形态：建筑设计等行业依赖 CAD 工具，通用模型难以掌握

• 行业特定工作流：深耕单一职能可实现更高自动化水平

3.何时需要训练领域专属模型？

• 训练成本暴跌：DeepSeek V3 证明花不到 600 万美元即可训练出高性能模型 [10]，推理成本超过 600 万美元的公司应考虑自研

• 客户数据安全需求：许多客户不愿数据流向第三方模型，自研是解决方案

• 数据独特性：随着训练成本下降，即使数据独特性门槛降低，自研模型仍具价值

我们认为哪些行业可能诞生估值百亿美元的公司（非详尽列表）？

我们分析了数据集中达到 1 亿美元年度经常性收入（ARR）、10 亿美元估值或融资超过 1 亿美元的垂直软件企业（截至 2025 年 1 月 3 日）。与行业规模相比，我们发现某些领域已有大量定制化软件，而某些领域则几乎空白。这两类领域均具备打造大型企业的潜力。

在已诞生超 100 亿美元市值赢家的行业中，构建大型公司的潜力显而易见；挑战在于 AI 原生企业能否超越现有老牌企业。而在服务不足的行业中，关键挑战在于实现深度产品市场匹配（PMF），并向复杂客户群体销售产品。

数据来源：NEA 分析。上市公司数据来自 FactSet，私营公司数据来自 Pitchbook，数据截至 2025 年 1 月 3 日。

以下是我们认为适合垂直 AI 发展的几个领域（非详尽列表）：

法律行业

NEA 近期投资了 Clio—— 基于云的法律实务管理领域领导者。该公司正通过 Clio Duo 将 AI 能力集成到平台中，这是其专为法律专业人士打造的生成式 AI 工具。Clio Duo 可简化从案件管理到文档审查的所有流程，帮助律所实现最高效率运营。

借助 AI，我们已看到围绕 “法律业务”（CRM、计费、时间跟踪等）和 “法律实务”（法律研究、文档 / 合同审查、文书起草等）的创新。法律服务存在巨大的潜在需求，为增强和辅助传统法律工作创造了机会。

固定费用计费的法律服务（如人身伤害、移民事务）最适合通过 AI 代理实现增效，因为 AI 自动化可帮助满足潜在法律需求，扩大律所收入规模（并通过提升效率增加利润）。

开发自动化或加速法律工作的产品是必要条件，但非充分条件。我们关注那些已破解市场进入策略（GTM）并通过构建复合数据壁垒实现 “赢家通吃” 的公司。但为让法律专业人士信任 AI，数据安全是落地的关键。

例如，Clio Duo 仅使用 Clio 核心案件管理平台内的数据安全运行，确保完整的数据安全和隐私，最重要的是，其数据不用于训练大语言模型（LLM）。

公共安全领域

在公共安全领域，我们已看到 Prepared 和 Axon 等公司成功部署 AI 代理。

Axon（执法记录仪）和 Flock Safety（车牌识别器）等公司的竞争优势在于，数据在进入记录系统之前先流经其硬件设备。

全国性抗议活动后，警察队伍面临劳动力短缺问题 [11]。同样，911 呼叫中心操作员的职位空缺率达 25%[12]。

家庭服务行业

该市场规模庞大，ServiceTitan、Jobber 和 Housecall Pro 三家公司合计渗透率仅约 25%[13]。

这些企业主要依赖网站 / SEO 获客和电话承接新订单，而 AI 代理在这些环节影响力显著。企业有潜力实现大规模增长（收入超 1000 万美元），因此可从运营改进中获益。

美国在 trades（如技工行业）面临严重劳动力短缺：近 30% 的工会电工临近退休，到 2025 年暖通空调（HVAC）工人缺口达 10 万，2027 年管道工缺口达 55 万 [14]。

私募股权也开始整合 HVAC 和其他家庭服务企业，《华尔街日报》称其正在创造 “美国新百万富翁阶层”[15]。

建筑行业

尽管建筑业占美国经济的 4.5%[16]，但针对该行业的软件却非常少。唯一真正的云服务赢家集中在项目管理软件领域（如 Procore、Aconex、Plangrid、Levelset、Fieldwire 和 Buildertrend 等）。

尽管 Procore 已尝试布局，Autodesk 收购了 BuildingConnected，但施工前阶段（pre-construction）尚无真正的软件领导者 —— 这是一片真正的蓝海。但机会不仅限于施工前阶段。

建筑项目依赖文档和规划，以确保设计符合管辖和结构要求，同时控制成本并保证工期。这些任务本质上属于非结构化数据问题，非常适合 AI 解决：

• 建筑信息模型（BIM）中的设计生成（建筑师创建的 3D 设计）；

• 施工现场图像分析，以确定工作范围或确保项目按计划进行，以及基于 BIM 的工程量计算和采购；

• 用于许可审批和文档导航的语义文档搜索，以强化项目管理。

财产与意外保险（P&C Insurance）

尽管 P&C 保险行业已诞生多家市值约百亿美元的公司（如 Guidewire 和 CCC），但我们预计这些记录系统将被文档搜索和语音代理颠覆。

如今，核保员仅 30% 的时间用于实际核保任务，40% 用于行政工作，30% 用于销售支持 [17]。

受时间限制和现有风险模型影响，保险公司仅能承接一小部分新业务。因此，若 P&C 保险公司能提升核保效率并改进风险模型，将显著增加收入。

经纪业务（如货运代理和部分批发商）

与完全自动化的市场平台相比，经纪业务需要高人际互动，每笔交易都有专人通过邮件和电话协调买卖双方。

语音代理、文档搜索和邮件自动化功能有望自动化这种人力驱动的交互。

我们认为，货运代理领域存在巨大机会，因为货运占美国经济的 5% 左右，但定制化软件极少。事实上，行业数字化的主要方式竟是科技公司自建技术驱动的服务业务（如 Flexport、Loadsmart、Uber Freight 等数字货运代理）。

我们很荣幸与 Perplexity、ElevenLabs、World Labs、Twelve Labs、Together AI、Sakana AI 和 Databricks 等 AI 公司，以及 Clio、Cvent、Tulip、D2L、Anterior、Second Front 和 Farmhand 等垂直软件公司合作。我们始终为在这些领域打造世代级企业的雄心勃勃、富有远见的创始人所激励。如果你正是这样的创业者，请联系：abordetsky@nea.com、tluck@nea.com 和 jkaplan@nea.com！