一篇文章，引爆硅谷

每一個正在做AI工具的創業者都在問同一個問題：當下一個版本的Claude出來，把我的產品變成一個內置功能，那時候怎么辦？

這不是杞人憂天。

4月17日，Anthropic發布了Claude Design，一款不需要設計經驗就能把文字提示變成視覺產出的AI工具后，Figma股價一天暴跌10%，自去年上市以來累計下跌85%，蒸發近370億美元。包含100多只軟件股票的iShares科技軟件行業ETF過去六個月已暴跌27%。

紅杉資本合伙人Julien Bek給出了解決之道。他發了一篇博客，標題叫"Services: The New Software"（服務即新軟件）。文章刷屏硅谷創投圈，短短幾天內，X上的閱讀量就突破了100萬，如今已近300萬。LinkedIn上的曝光量超過45萬。

文章提出，下一個市值達到1萬億美元的公司將是一家偽裝成服務公司的軟件公司。不賣硬件，也不賣軟件，它賣的是結果。用AI驅動的軟件來交付工作，而不是把軟件當產品出售。

不是賣客服軟件，而是直接幫客戶做客服。不是賣法律科技工具，而是直接提供法律服務。Result as a Service，結果即服務。

Bek說：“如果你賣的是工具，你就在和模型賽跑。但如果你賣的是工作本身，模型每進步一次，你的服務就變得更快、更便宜、更難被超越。

一家公司可能每年花1萬美元買QuickBooks（美國最主流的企業財務/會計軟件），再花12萬美元請會計來關賬。下一家偉大的公司，會直接幫你把賬關掉。”

Bek甩出一個數據：企業每花1美元買軟件，就要花6美元買服務。

所有做工具的人都在爭那1美元。但那6美元，才是真正的戰場。

01

所有工作，在AI面前只分兩種

Bek構建了一套分析語言。他把所有工作分成兩類——

智能（Intelligence）：有比較明確的對錯標準的工作。寫代碼是智能。把規格說明翻譯成程序、測試、調試，規則復雜但終歸是規則。會計編碼、合同起草、標準化法律文件、醫療計費，都屬于這一類。

判斷（Judgment）：依賴經驗、品味和直覺的工作。決定下一步該開發什么功能，是否接受技術債，什么時候在產品還沒完美時就發布——這些需要多年實踐積累的感覺。

AI目前已經相當擅長交付"智能"，但在"判斷"上還不行。很多公司在嘗試讓AI具備判斷力，但就目前而言，大多還沒到那個水平。

Bek引用了一組數據來說明這個區分的現實意義：在所有職業中，軟件工程的AI工具使用量占比超過一半，其他所有職業類別還停留在個位數。原因就是軟件工程的"智能"含量最高——一年前大多數Cursor用戶還把AI當自動補全用，而今天，由Agent發起的任務已經多于由人類發起的任務。

軟件工程率先到達了AI自主完成大部分工作的拐點，而這個拐點正在向每一個行業蔓延。

02

Copilot vs Autopilot：

賣工具還是賣結果

理解了智能和判斷的區分之后，Bek引入了第二組概念——

Copilot（副駕駛）賣的是工具。Autopilot（自動駕駛）賣的是工作本身。

不久之前，AI模型在智能和判斷兩方面都還在發育，所以正確的做法是先做Copilot：把AI放到專業人士手里，讓他們決定怎么用。做一套AI法律軟件，賣給律所，讓律師用起來更高效。Harvey就是這個模式?？蛻暨€是律所，律師還是主角，AI是配角。

今天，模型的智能水平已經足夠高，以至于在某些品類中，最佳起點就是直接做Autopilot。不賣軟件給律所，直接面向需要合同審查的企業，把合同審完交回去。Crosby就是這個模式。客戶不需要律師，也不需要軟件，只需要一份審完的合同。

這里有一個關鍵的經濟邏輯：在任何行業，"工作預算"都遠大于"工具預算"。Autopilot從第一天起就在切工作預算，而不是工具預算。

Bek特別回應了外界對"autopilot"這個詞的誤讀。很多人以為他的意思是AI可以完全取代人類專家、以完全相同的標準獨立完成服務。并非如此。

他用了航空領域自動駕駛的類比——人類飛行員仍然在那里，負責監控系統、處理最困難的環節（比如起飛和降落）、隨時準備在出問題時介入，但大量飛行過程是自動化的。

Autopilot不是"完全無人"，而是"大部分過程自動化，人類負責最難的部分和最終把關"。

03

切入策略：為什么從外包開始

Bek的分析不只停留在概念層面。他提出了一套具體的切入方法論——

每花1美元買軟件，企業就花6美元買服務。Autopilot的TAM（The total addressable market，總可尋址市場，一個產品或服務理論上能觸達的最大市場規模）是一個品類中全部的人力支出——內部的加外包的。但正確的起點是從已經存在外包的地方開始。

一項工作如果已經在外包，它同時告訴你三件事：第一，企業已經接受這個工作可以由外部完成；第二，有一條現成的預算科目可以直接替換；第三，買方已經在購買結果而非過程。

替換一個外包合同是換供應商，替換內部團隊是搞一次組織變革。前者的阻力遠小于后者。

以Crosby為例：它從保密協議工作的起草切入。這是一個定義清晰的任務，主要靠智能，大多數企業已經外包給外部律師。預算存在，范圍明確，ROI立竿見影，替換幾乎無摩擦。

04

高智能 + 已外包，

AI原生服務公司的最佳獵場

由此，Bek畫了一個二維矩陣：橫軸從"純智能"到"純判斷"，縱軸從"已外包"到"內部完成"。兩軸交叉，甜蜜區浮現——高智能 + 已外包，這就是AI原生服務公司的最佳獵場。

他列出的具體賽道包括：保險經紀、保險理賠、IT托管服務、稅務咨詢、審計、簡單法律服務、薪酬服務，以及部分合規服務。

這些領域有一個共同特征：工作流程高度標準化，對錯判斷相對清晰，客戶本來就習慣把它交給外部專業機構來做。AI原生公司要做的，不過是成為一個更快、更便宜、更穩定的"新供應商"。

但AI會不會讓企業把原本外包的工作收回內部？Bek承認部分職能確實可能回流，但堅持認為很多工作永遠不會內部化。

有些是硬性的監管要求——比如財務審計，企業必須聘用獨立第三方。有些是"軟性原因"——比如管理咨詢存在的部分原因是為管理層已經想做的決定提供外部背書，出了問題還有人可以背鍋。甚至某些IT職能也適用這個邏輯。

05

Copilot的窘境，Autopilot的窗口

Bek做出了一個判斷：2025年增長最快的AI公司是Copilot。2026年，其中很多會嘗試轉型為Autopilot。

但它們面臨經典的創新者窘境——賣工作結果意味著把自己的客戶從執行工作中切出去。如果你是Harvey，你的客戶是律師；轉型成Autopilot意味著繞過律師直接服務企業，這等于革你現有客戶的命。

這正是純Autopilot創業公司的窗口期。它們沒有要保護的存量客戶關系，沒有要維護的現有商業模式，可以從第一天起就面向終端買家。

這也是為什么私募股權機構也在押注這個方向——大舉收購傳統服務企業，注入AI效率，然后以更高估值退出。OpenAI和Anthropic都在圍繞PE搭建企業銷售渠道，原因就在這里。

但Bek的判斷很明確：AI原生創業公司搶市場的速度，會快過傳統企業轉型的速度?！瑫r改造流程和改造商業模式，對老牌公司來說難度是指數級的。

老牌公司有客戶關系和信任，這在最高價值的工作上往往是王牌。但當一家AI原生公司能以更低價格交付同樣質量的結果時，至少有一部分客戶會愿意試一試。

這"試一試"，就是窗口。

06

定價顛覆：

不只是更便宜，而是換一種收費方式

Bek認為AI原生服務公司最大的競爭優勢之一不只是降價，而是改變計費方式本身。

很多服務行業按時間收費。按結果收費則完全改變了博弈格局。

Bek說："當你是小公司時，對付大公司最好的武器其實是在定價上顛覆它們。"

此外，投資人熱愛軟件公司的一大原因是極高的毛利率——產品造一次，復制分發的邊際成本接近于零。任何依賴人力的東西都無法以同樣的方式擴展。但Bek認為實際情況沒有有些人以為的那么差。

他舉了一個例子：在保險經紀領域，AI原生創業公司WithCoverage每個人類專家的產出是傳統保險經紀人的10倍。

關于毛利率的具體數字，Bek引用了Sierra（AI客服解決方案公司）CEO Bret Taylor的說法：AI原生服務公司的毛利率大概在70%左右，而不是某些純SaaS公司的90%。70%仍然是一個健康的毛利率。

07

給中國創業者的機會地圖

在"高智能 + 已外包"的甜蜜區里，Bek給出了一份詳細的行業清單，每個行業都附帶市場規模和切入邏輯。

保險經紀（1400-2000億美元）——標準商業保險高度標準化，經紀人的核心增值就是跨保險公司比價和填表，幾乎是純智能工作。分銷層極度分散，數以萬計的小型經紀商各自跑著同樣的流程，沒有任何一家巨頭控制客戶關系。

會計與審計（僅美國外包部分500-800億美元）——美國在過去5年流失了約34萬名會計師，75%的注冊會計師即將退休，考證路徑漫長，起薪又落后于科技和金融行業。這種結構性人才短缺正在迫使會計行業以比幾乎任何其他行業都快的速度接受AI。

醫療收入循環（美國外包部分500-800億美元）——人們聽到"醫療"就以為是判斷密集型，但計費層幾乎是純智能。醫療編碼本質上是將臨床記錄翻譯成約7萬個標準化ICD-10代碼。規則復雜，但終歸是規則。外包已經成熟且按結果計費。Autopilot只需要以更低成本做同樣的事。

理賠（含TPA，500-800億美元）——在保險行業的另一側，理賠是另一個獨立的Autopilot切入面。標準險種的理賠是依據保單條款對照損失時間表來結算，使用精算表設定準備金。理賠員隊伍正在老化且無人補充。市場大量外包給獨立理賠師和TPA。一個行業，至少兩個不同的Autopilot機會。

稅務咨詢（300-350億美元）——CPA執照創造了監管護城河，但底層80%-90%的工作是智能型的。每多覆蓋一個稅務管轄區，稅務Autopilot的數據護城河就加深一層。多轄區的復雜性恰恰是中小企業外包出去的原因——沒有哪個內部會計師能一個人覆蓋所有轄區。

法律事務性工作（200-250億美元）——合同起草、NDA、監管申報，工作產出標準化到質量可驗證，買方不需要深厚法律背景就能信任AI的產出。

IT托管服務（1000億美元以上）——幾乎每家中小企業都把IT外包了。打補丁、監控、用戶配置、告警分流：智能型工作在成千上萬個相同環境中反復運行。現有的軟件層把工具賣給托管服務商，但還沒有人直接把"你的IT運行了"作為結果賣給企業本身。

供應鏈與采購（2000億美元以上）——大多數企業只認真談判排名前20%的供應商，長尾供應商完全無人關注，因為讓人去做這件事不劃算。合同泄漏占總采購支出的2%-5%。切入點是"被放棄的工作"——沒有預算科目需要替換，沒有在位者需要取代，純粹是找回來的錢。

招聘與人力派遣（2000億美元以上）——這張地圖上規模最大的服務市場。招聘漏斗的頂端（篩選、匹配、觸達）是純智能，但"關單"候選人和評估文化匹配度則是基于多年模式識別的判斷。Autopilot的楔子在高容量、低判斷的崗位——匹配標準化的領域。

管理咨詢（3000-4000億美元）——Bek認為有趣的問題是：AI能否把咨詢拆解成智能組件（數據收集、對標分析）和判斷組件（戰略建議），前者被自動化，后者留給人類。他給這個行業的標注是"最佳候選者待定"。

Bek的"高智能 + 已外包"矩陣并不只適用于美國，在中國同樣存在。在這些"高智能、已外包"的領域，AI原生服務公司的窗口正在打開。

(注：本文核心商業觀點來自即將上市的《AI時代創新法則》，敬請期待。)