Vertical AI 的护城河，藏在没人愿意干的脏活里｜SVTR Thesis #011

📌 一句话摘要

Vertical AI 的真正护城河不在于模型智能，而在于深入那些工作流脏乱、买家技术能力低下的行业，通过端到端接管运营底盘来构建难以复制的壁垒。

📝 详细摘要

本文是 SVTR 系列报告的第 11 篇，核心论点是：当 AI 模型能力快速商品化，Vertical AI 公司的护城河正从「智能」迁移到「运营深度」。文章将 Vertical AI 公司分为两类：一类是卖「任务智能」产品，专注于干净工作流的自动化，这类公司能快速达到 5-10M ARR，但容易被复制或替代；另一类是端到端接管整个工作链路，从数据、集成、审批、合规到人力预算，本质是在重建垂直行业的运营底盘。文章以 Salient（AI 催收）、Charta Health（医疗预账单）、HappyRobot（货运调度）等为例，指出这些被传统 VC 忽视的「脏活累活」市场，恰恰因为工作流脏、市场碎片化而具备天然壁垒。文章还批判了主流 VC 用软件预算估算 TAM 的方法，认为应改用行业总人力和服务成本来估算，并指出 EliseAI 从 5 万美金 ACV 到百万美金级客户付费的案例。最后，文章为创始人和投资人提供了筛选建议，并指出中国团队在「做运营、做交付、做服务化」方面的天然优势。

💡 主要观点

- Vertical AI 的护城河正从模型智能迁移到运营深度。 当模型能力商品化，干净工作流的 AI 产品容易被复制。真正的壁垒在于深入脏乱、碎片化的行业工作流，通过端到端接管运营底盘来构建难以复制的系统集成和合规经验。

被 VC 忽视的「脏活累活」市场，恰恰是百亿美金公司的诞生地。 工作流脏（抗抽象、抗标准化）和市场结构碎（买家分散、技术能力低）这两个特征，让这些市场被忽视，但也让深耕者能建立数据、集成和分销的长期壁垒。

估算 Vertical AI 的 TAM 应使用人力预算而非软件预算。 传统 VC 用软件支出估算 TAM 是错位的。在这些市场，钱在劳动力预算里。一个 AI 产品从「辅助」变为「替代」人力时，可寻址预算可放大 30 倍，如 EliseAI 从 5 万美金 ACV 增长到百万美金级。

前沿实验室不会自上而下吃掉垂直市场，这为创业公司留出空间。 前沿实验室的盈利模型和组织结构不适合深耕垂直行业，它们必须持续投入模型前沿，无法为几十个垂直行业并行打造定制级应用。这为愿意深扎的 Vertical AI 玩家提供了窗口期。

💬 文章金句

- 下一代价值百亿美金的 Vertical AI 公司，不会诞生在最性感的赛道里，而会诞生在 VC 本能里第一眼就会跳过的市场。

• 当模型能力开始快速商品化，AI 应用层的护城河正在从'智能'迁移到'运营深度'。
• 决定一家 Vertical AI 公司命运的，不是它的模型多聪明，而是它愿意把手伸进多脏的工作里。
• 模型赢得 demo，楔子赢得 pilot，系统赢得市场。
• Vertical AI 真正的赌局，从来不在最聪明的那一端，而在最愿意做脏活的那一端。

📊 文章信息

AI 初评：86

来源：硅谷科技评论

作者：硅谷科技评论

分类：商业科技

语言：中文

阅读时间：15 分钟

字数：3689

标签： Vertical AI, AI 创业, 护城河, 行业洞察, TAM 估算

阅读完整文章