垂直软件，才是AI的终极未来

过去，SaaS的发展路径大致可以分为两种，横向SaaS和纵向SaaS。所谓的横向SaaS是指通过标准化的产品去覆盖广泛的市场。而纵向SaaS则可以理解为服务特定行业的软件。

在上一波，SaaS浪潮中，横向SaaS确实远远领先于纵向SaaS。一个体现是，Salesforce上市比Veeva Systems早整整十年。前者是全球领先的SaaS服务商，而后者是服务医疗领域的SaaS巨头。

我们之所以对垂直AI产品的看好，是因为这些产品的早期数据很亮眼。从功能上看，大多数垂直AI软件通常是对传统SaaS产品（如果有的话）的补充，而不是取代现有产品。

在数据方面，这批新的垂直AI软件公司（成立时间为2019年至今）的平均合同价值(ACV)已经达到了传统垂直SaaS软件的80%。ACV是指一个客户合同在一年内的总价值，它是评估SaaS公司收入和预测未来收入增长的重要指标之一。

同时，这批新的垂直AI软件公司还保持着400%的增速，以及约65%的毛利率。按这样的增长速度，我们判断，未来两到三年内将至少出现五家年度经常性收入（ARR）超过1亿美元的垂直AI公司，未来三年内将出现首家垂直AI软件公司IPO。

事实上，垂直AI公司的价值，已经通过并购开始体现。2023年，汤森路透以6.5亿美元收购了CaseText，一年后，DocuSign以1.65亿美元收购了Lexion。

/ 02 /

垂直AI的三个价值支点

为什么我们认为垂直AI能够取得成功，源于主要有三个：

1、扩大总目标市场(TAM)

TAM，代表目标市场中有多少客户需要相应的产品或服务。

过去，软件开发商一直致力于通过产品扩张，推动TAM扩张，而忽略了细分场景的价值。垂直AI的价值在于，通过AI扩大软件服务的价值，进而解锁了以前被认为规模太小而无法建立可持续SaaS业务的细分市场。

以EvenUp为例，它可自动生成人身伤害律师的索赔信函，允许公司以更低的成本接收更多客户（从而提高利润）。EvenUp已经超越了传统SaaSTAM，而传统SaaS TAM只能提供改进索赔信函管理工作流程的解决方案。

根据美国劳工统计局数据，软件支出占美国GDP的1%，而商业和专业服务行业（主要从事重复性语言任务）占美国GDP的比重高达13%。

我们预测，随着垂直AI进入更多服务场景，并催生出独特的新业务模式来服务这一类别，垂直AI的市值将至少是传统垂直SaaS的10倍。

2、解锁新功能和垂直领域

传统垂直软件取代了过时且繁琐的系统，并将许多行业（比如酒店业）的业务形态带入了线上。但并不是所有行业都愿意采用软件。原因是，在许多情况下，单靠软件解决方案的投资回报率不足以说服决策者，也不足以证明建立软件系统所需基础设施、培训员工等前期成本是合理的。

相比传统垂直软件，垂直AI公司能够更彻底地改善工作流程，甚至还能完全接管部分工作。

这让垂直AI能够进入很多传统软件无法进入的市场。我们注意到，很多行业的大型企业开始接受AI技术，甚至主动寻找AI工具，因为他们担心竞争对手会抢先采用这些工具，从而超越他们。

例如，在医疗保健行业，SaaS的交易周期非常长，供应商正在采用Abridge（将患者与医生的对话转化为临床笔记）和ClinicalKey AI（一个人工智能医疗搜索平台）等AI解决方案来接管繁琐的工作并支持临床决策。

再比如，律师事务所很少使用CRM，但现在他们也开始采用基于Co-Pilot（副驾驶）的解决方案来处理合同签订、需求摘要生成、案件接收和其他耗时任务。

3、提供前所未有的价值

未来，根据能力的不同，AI应用可以融入每个行业，从家庭服务到会计。不过，人工智能的潜在渗透率将因行业而异。

最有可能诞生垂直AI公司的领域，是那些以前仅靠人力无法完成或成本太高的工作。一个常见的AI应用案例是，通过分析大量的数据，来简化工作流程，甚至实现自动化。

例如，Axion Ray通过分析物联网和远程信息处理、现场故障、生产和供应商数据中的大量产品数据来帮助制造商。

同样，JusticeText会自动审查数百小时的摄像机镜头，以帮助公设辩护人建立案件——这对于律师在调查期间进行的工作非常耗时，也会分散他们建立案件的注意力。

/ 03 /

垂直AI的两种落地路径

上一波垂直SaaS的赢家，针对服务不足的特定市场创建了云平台，并在平台上添加了更多的集成产品和服务，最终为特定的垂直行业提供一体化解决方案。

正如我们在之前所讨论的，垂直AI企业可以通过更有效率的服务模式，在特定市场中获得更大的TAM，因此他们不需要向传统垂直SaaS公司那样建立如此庞大的产品体系。

事实上，已经有垂直AI初创公司，通过解决目标客户的一两个工作流程，就实现了可观的回报。梳理这些案例后，我们将AI应用的工作流程分为两类：核心工作流程和支持工作流程。

先说核心工作流程，指的是工作的主要功能，比如投行人员的财务建模或律师的合同起草。

从目前看，文本和数据工作最容易实现自动化。因此，用AI完成核心工作，更有可能发生在传统办公室里的工作，比如法律、财务等等，而不是需要大量体力劳动的行业（例如家庭服务和制造业）。

例如，投资组合公司Fieldguide正在彻底改变审计师的核心工作流程，他们利用生成式AI提高了审计师的效率，从而显著提高了审计师的生产力。

当然，AI适不适合在核心工作流程应用，不仅要看工作内容，还要看客户的意愿。在这方面，不同行业的情况会有很大差异。例如，投行人员可能会使用AI简化PPT制造流程，但不太可能用AI语音向客户进行演示，因为这个领域人际关系很重要。

再说支持工作流程，指的是与工作或业务无关但仍必不可少的工作流程，比如牙医的营销和患者关系管理（即Weave）或托运人的货运采购（即GoodShip）。

支持性工作流程，可能是垂直AI更好的应用场景，他们扮演工作辅助的角色，处理那些烦心、冗杂的工作，从而让人将更多的精力集中到更重要的事情上。比如，医生既有治疗患者的专业知识和兴趣，但对做笔记和文书工作甚至订购医疗用品不太感兴趣。

这就是为什么我们看到市场对支持性工作AI解决方案的需求很高。然而，利用AI解决支持工作流程并非没有挑战。

首先，这些行业中许多技术领先的横向企业已经开始将人工智能纳入其平台，而垂直AI初创公司需要提供更好的解决方案才能参与竞争。

从好的方面来看，垂直特定的AI初创公司更有可能捕捉特定行业的精确需求，并与底层系统（如CRM）集成，进而创造一种新的体验。而常规的AI解决方案很难做到。

例如，专门为家庭服务构建的AI解决方案可以识别客户的问题，并引导技术人员更快、更有效地修复太阳能电池板。而常规AI解决方案只能根据客户的要求进行预约。

无论是为核心工作流，还是支持工作流构建AI，创始人都需要具备良好的判断力、对客户需求的深刻理解、有效的反馈渠道以及对监管环境的清晰把握，以便寻找适合AI解决方案的特定行业和任务。