如果說2023年是人工智能的“爆炸元年”，那么2025年更像第一道破曉的曙光。
經(jīng)歷了最初的喧囂與混亂，行業(yè)的迷霧正在慢慢散去：
基礎(chǔ)公司開始集群化，AI 技術(shù)加速落地，初創(chuàng)企業(yè)的成功路徑也逐漸顯現(xiàn)。雖然距離真正的穩(wěn)定還有一段距離，但眼下的格局，已經(jīng)比任何時(shí)候都更清晰地勾勒出 AI 行業(yè)的未來走向。
一個(gè)直接的觀察窗口來自投資一線。就在不久前，國外知名投資機(jī)構(gòu) Bessemer 發(fā)布了《2025 年人工智能現(xiàn)狀》一文，總結(jié)了他們對(duì)當(dāng)下 AI 的觀察。
Bessemer 的名字，在 SaaS 圈里幾乎是“金字招牌”。過去 10 年，它們投資了 200 多家 SaaS 企業(yè)，是這個(gè)領(lǐng)域最專業(yè)的機(jī)構(gòu)之一。
如今，SaaS 正成為 AI 技術(shù)最大的受益者，幾乎所有傳統(tǒng) SaaS 公司都在全面融入AI。而Bessemer也在2023 年以來，向AI原生初創(chuàng)公司投資了超過10億美元，也就是72億人民幣。
在烏鴉君看來，再?zèng)]有什么判斷比真金白銀的下注更有分量。也正因如此，這份報(bào)告格外值得關(guān)注。
在這份報(bào)告里，Bessemer 不僅揭示了當(dāng)下AI創(chuàng)業(yè)公司的兩條典型增長路徑，還分享了他們對(duì)各個(gè)細(xì)分領(lǐng)域的趨勢判斷，為我們理解2025年的AI行業(yè)提供了一份清晰的參照系。
01 超新星和流星，AI公司的兩種增長范式
Bessemer分析了20家高速且可持續(xù)增長的 AI 初創(chuàng)公司，包括 Perplexity、Abridge、Cursor，發(fā)現(xiàn)如今的高速增長主要分為兩類：超新星和流星。
AI超新星
這些初創(chuàng)公司往往在商業(yè)化的第一年，就能從種子輪融資一路沖到年收入1億美元。這是軟件行業(yè)前所未有的速度。它們既令人興奮，也讓競爭者感到不安。
這種爆發(fā)式增長，常常發(fā)生在收入仍顯脆弱的階段：高速采用可能掩蓋了低轉(zhuǎn)換成本，或是源于一次足以顛覆市場的重大創(chuàng)新。
這類應(yīng)用離核心基礎(chǔ)模型非常近，容易被貼上“薄包裝”的標(biāo)簽；而在贏家通吃的賽道里，初創(chuàng)公司為了搶占先機(jī)，會(huì)不惜用價(jià)格和分銷換市場，利潤率因此常常接近零甚至為負(fù)。
Bessemer調(diào)研的10家AI超新星，商業(yè)化首年平均就做到約4000萬美元 ARR，第二年則躍升到 1.25 億美元 ARR。但 ARR 本身并不代表業(yè)務(wù)健康——可持續(xù)增長還得靠留存率、用戶參與度和資本效率。
這些超新星的平均毛利率只有25%，但在人效上表現(xiàn)驚人：ARR/FTE 高達(dá) 113 萬美元，是典型 SaaS 基準(zhǔn)的 4–5 倍。這種收入效率，或許預(yù)示著它們?cè)谝?guī)模化后依然能保持極高的運(yùn)營杠桿。
AI流星
相比之下，“流星公司”更像是一流的 SaaS：它們能在短時(shí)間內(nèi)找到產(chǎn)品與市場的契合點(diǎn)，維系并拓展客戶關(guān)系，同時(shí)保持健康的毛利率，雖然略低于 SaaS 同行，但換來的，是更快的增長和可控的成本結(jié)構(gòu)。它們的增長依然比 SaaS 前輩更快，但速度受限于傳統(tǒng)的組織擴(kuò)張瓶頸。
這些公司也許不會(huì)天天沖上新聞?lì)^條，卻深受客戶喜愛，且有潛力在軟件史上留下濃墨重彩的一筆。平均來看，AI 流星在第一年就能做到300萬美元 ARR，并實(shí)現(xiàn)四倍同比增長，毛利率約 60%，首年 ARR/FTE 達(dá)到 16.4 萬美元。
如果說 SaaS 時(shí)代的增長公式是T2D3（硅谷SaaS 高速增長公式，指公司進(jìn)入規(guī)模化階段，前兩年每年增長三倍，后三年每年增長兩倍），那么AI流星的節(jié)奏更接近Q2T3（前兩年每年四倍，后三年每年增長三倍）：增速明顯快于傳統(tǒng) SaaS，但在運(yùn)營模式上，依然沿用著 SaaS 的基準(zhǔn)框架。
Bessemer固然欣賞那些“一鳴驚人”的 AI 超新星，但真正定義這個(gè)時(shí)代的，可能不是少數(shù)異類，而是數(shù)以百計(jì)、持續(xù)高增長的 AI 流星。對(duì)于AI創(chuàng)始人來說，流星才是更值得追求的目標(biāo)。
02 AI步入第二階段，定義問題比解決問題更重要
OpenAI、Anthropic、Gemini、Llama、xAI等少數(shù)巨頭繼續(xù)主導(dǎo)基礎(chǔ)模型賽道，在提升性能的同時(shí)加速垂直整合，不再只提供模型和開發(fā)工具，而是直接推出編碼、電腦操作、MCP 集成等智能代理。
計(jì)算成本在軟件優(yōu)化與端到端硬件創(chuàng)新的推動(dòng)下可預(yù)測下降，Kimi、DeepSeek、Qwen、Mixtral、Llama 等開源模型依舊展現(xiàn)出強(qiáng)大競爭力，在效率與專用任務(wù)上甚至可比肩或超越專有模型。
研究端同樣涌現(xiàn)新成果：
谷歌提出的“混合遞歸”方法，通過自適應(yīng)深度平衡推理吞吐與小樣本精度；
混合專家（MoE）架構(gòu)因新型專家組合方式而再受關(guān)注；
測試時(shí)強(qiáng)化學(xué)習(xí)（RL）、自適應(yīng)推理等技術(shù)加速落地，預(yù)計(jì)在垂直場景中帶來重大突破。
這些創(chuàng)新不僅在刷新模型能力，更在推動(dòng)更大平臺(tái)架構(gòu)重構(gòu)——涵蓋模型、算力、訓(xùn)練框架、編排、可觀測性等新型基礎(chǔ)設(shè)施。堆棧參與者正跨界并購、打包產(chǎn)品，基礎(chǔ)設(shè)施競爭進(jìn)入“組合拳”階段。
AI行業(yè)正在進(jìn)入第二階段。AI 的第一階段由算法突破驅(qū)動(dòng)，比如反向傳播、卷積網(wǎng)絡(luò)、Transformer 等，成就了基礎(chǔ)模型、算力和數(shù)據(jù)標(biāo)注領(lǐng)域的巨頭。但未來的第二階段，將從“能解決問題”轉(zhuǎn)向“定義并衡量問題”。
正如 OpenAI 的姚舜宇所言：“人工智能的下半場，將從解決問題轉(zhuǎn)向定義問題。”
在第二階段，大型實(shí)驗(yàn)室不再只追求基準(zhǔn)測試的分?jǐn)?shù)，而是構(gòu)建能與真實(shí)世界有效交互的 AI。同時(shí)，企業(yè)應(yīng)用也從POC（概念驗(yàn)證）走向生產(chǎn)部署階段。
所有這些轉(zhuǎn)變都為新一波基礎(chǔ)設(shè)施工具的涌現(xiàn)奠定了基礎(chǔ)——它們不僅注重規(guī)模或效率，更致力于將人工智能融入運(yùn)營環(huán)境、實(shí)際經(jīng)驗(yàn)和持續(xù)學(xué)習(xí)。以下是一些示例：
通過Fleet、Matrices、Mechanize、Kaizen、Vmax和Veris等平臺(tái)進(jìn)行強(qiáng)化學(xué)習(xí)環(huán)境和任務(wù)管理，因?yàn)槿祟惿傻臉?biāo)記數(shù)據(jù)已不足以實(shí)現(xiàn)生產(chǎn)級(jí)人工智能；
新穎的評(píng)估和反饋框架，例如Bigspin.ai、Kiln AI和Judgement Labs，可實(shí)現(xiàn)連續(xù)且具體的反饋循環(huán)；
復(fù)合人工智能系統(tǒng)不僅關(guān)注原始模型的能力，還結(jié)合了知識(shí)檢索、記憶、規(guī)劃和推理優(yōu)化等組件；
我們正處于這一轉(zhuǎn)變的開始階段——從作為概念證明的人工智能到作為嵌入現(xiàn)實(shí)世界經(jīng)驗(yàn)的問題定義和自適應(yīng)系統(tǒng)的人工智能。
Rich Sutton 的《慘痛教訓(xùn)》提醒我們，歷史上AI最大的進(jìn)步往往源于對(duì)計(jì)算和通用學(xué)習(xí)的利用，而不是依賴人工設(shè)計(jì)特征或啟發(fā)式算法。進(jìn)入第二幕后，實(shí)踐者需要在現(xiàn)實(shí)業(yè)務(wù)中嵌入上下文、理解與領(lǐng)域知識(shí)，但究竟哪些技術(shù)能在效率與可擴(kuò)展性之間找到最優(yōu)平衡，仍是懸而未決的未知數(shù)。
03 記憶與情境是新的護(hù)城河
確定性趨勢一：AI 開發(fā)成為軟件構(gòu)建的核心
AI 已徹底改變了軟件開發(fā)范式。自然語言正在取代傳統(tǒng)編程接口，提示詞本身就是程序，LLM 成為新型計(jì)算機(jī)。軟件開發(fā)不再只是寫代碼，而是構(gòu)建一個(gè)能持續(xù)學(xué)習(xí)、適應(yīng)和交付的高速系統(tǒng)。
如今的問題已不是“是否用 AI”，而是“如何將 AI 融入一個(gè)復(fù)合型、可持續(xù)進(jìn)化的體系”。最優(yōu)秀的工程團(tuán)隊(duì)，正用 AI 驅(qū)動(dòng)全流程，從編碼到部署形成閉環(huán)。
確定性趨勢二：模型上下文協(xié)議（MCP）
2024 年底，Anthropic 推出的 MCP（Model Context Protocol）迅速被 OpenAI、Google DeepMind、微軟采用，正在成為 AI 訪問外部 API、工具與實(shí)時(shí)數(shù)據(jù)的通用規(guī)范——它被稱為“AI 的 USB-C”。
MCP 支持持久內(nèi)存、多工具工作流和細(xì)粒度權(quán)限，讓代理不僅能生成結(jié)果，還能跨系統(tǒng)執(zhí)行操作。
對(duì)于開發(fā)者，它極大簡化了集成；對(duì)創(chuàng)始人，它打開了構(gòu)建“能真正替用戶行動(dòng)的代理”之門。
真正的價(jià)值還需依賴生態(tài)，例如 Prefect 的 FastMCP（簡化 MCP 服務(wù)器搭建）、Arcade 和 Keycard（管理授權(quán)與許可）。隨著連接器、治理框架與代理專用工具成熟，MCP 有望像 HTTP 之于互聯(lián)網(wǎng)一樣，成為代理原生 Web 的基礎(chǔ)設(shè)施。
隱性趨勢：記憶與情境的護(hù)城河
隨著人工智能原生工作流程的成熟，記憶正逐漸成為核心產(chǎn)品原語。能夠跨時(shí)間記憶、持續(xù)適應(yīng)并實(shí)現(xiàn)個(gè)性化，正是工具從“可用”升級(jí)為“必不可少”的關(guān)鍵。
最優(yōu)秀的人工智能系統(tǒng)已經(jīng)不止于“回憶”，而是能與用戶同步進(jìn)化。2025年，大型上下文窗口與檢索增強(qiáng)生成（RAG）已讓單會(huì)話交互更連貫，但真正持久的跨會(huì)話記憶依然是懸而未決的挑戰(zhàn)。除基礎(chǔ)模型公司外，mem0、Zep、SuperMemory 以及 Langchain 旗下的 LangMem 等初創(chuàng)公司也在積極布局。
上下文是模型在推理過程中可見的數(shù)據(jù)，記憶則是交互中保留的信息，支撐多步推理、個(gè)性化體驗(yàn)和代理的連續(xù)性。兩者共同為下一代 AI 應(yīng)用提供動(dòng)力。
他們認(rèn)為，領(lǐng)先的技術(shù)堆棧最終將結(jié)合以下能力：
短期記憶：通過擴(kuò)展上下文窗口實(shí)現(xiàn)（128k 到 1M+ 個(gè) token，視模型和架構(gòu)而定）
長期記憶：依托向量數(shù)據(jù)庫、內(nèi)存操作系統(tǒng)（如 MemOS）和 MCP 風(fēng)格編排實(shí)現(xiàn)
語義記憶：通過混合 RAG 與新興情景模塊，帶來更豐富的情境回憶
需要權(quán)衡的是，長上下文會(huì)帶來更高延遲和成本。如果缺乏智能上下文工程，持久記憶會(huì)變得脆弱——?jiǎng)討B(tài)選擇、內(nèi)容壓縮和任務(wù)隔離才是核心。
代理類應(yīng)用（如開發(fā)代理、客戶助手、創(chuàng)意工具）正在率先采用多模態(tài)記憶層與狀態(tài)化工作流。同時(shí)，對(duì)神經(jīng)記憶、持續(xù)學(xué)習(xí)和局部上下文緩沖區(qū)的研究表明，可擴(kuò)展的回憶已近在眼前。
對(duì)人工智能應(yīng)用的創(chuàng)始人而言，情境與記憶是新的護(hù)城河。一旦產(chǎn)品比任何替代方案都更了解用戶的世界，替換它就像推倒重來。無論是精通團(tuán)隊(duì)代碼庫的編碼助理，還是深度嵌入 CRM 與溝通體系的銷售代理，長期積累的用戶與環(huán)境情報(bào)，都會(huì)成為最具黏性的資產(chǎn)。
雖然仍有許多未知，但成功的初創(chuàng)企業(yè)大概率需要掌握未來的基礎(chǔ)設(shè)施與界面：
構(gòu)建低延遲調(diào)用的靈活、內(nèi)存感知系統(tǒng)
為隱性學(xué)習(xí)和核心工作流的深度集成而設(shè)計(jì)
將情境優(yōu)勢轉(zhuǎn)化為復(fù)合競爭力——涵蓋數(shù)據(jù)、分發(fā)與體驗(yàn)
創(chuàng)始人不應(yīng)把記憶視作后端管道，而應(yīng)將其視作產(chǎn)品核心。今天以記憶感知為底層構(gòu)建的初創(chuàng)公司，將塑造未來最智能、最個(gè)性化、最具黏性的人工智能系統(tǒng)。
04 當(dāng)記錄系統(tǒng)被顛覆，傳統(tǒng)企業(yè)軟件的壁壘正在松動(dòng)
確定性趨勢一：壓力下的記錄系統(tǒng)
在企業(yè)軟件領(lǐng)域，人工智能正為初創(chuàng)公司打開顛覆大型水平記錄系統(tǒng)（SoR）的窗口。幾十年來，Salesforce、SAP、Oracle 和 ServiceNow 等 SoR依靠深厚的產(chǎn)品線、復(fù)雜的實(shí)施流程，以及對(duì)核心業(yè)務(wù)數(shù)據(jù)的牢牢把控，構(gòu)筑了幾乎無法撼動(dòng)的護(hù)城河。高昂的轉(zhuǎn)換成本，讓大多數(shù)初創(chuàng)公司望而卻步。如今，這些壁壘正在松動(dòng)。
AI 能夠結(jié)構(gòu)化非結(jié)構(gòu)化數(shù)據(jù)，并按需生成代碼，讓遷移到新系統(tǒng)比以往更快、更低成本、更可行。代理式工作流正在取代機(jī)械的數(shù)據(jù)錄入；過去需要系統(tǒng)集成商多年推進(jìn)的大型實(shí)施項(xiàng)目，如今幾個(gè)月、甚至幾周就能完成。
這些新平臺(tái)不只存儲(chǔ)信息，還能根據(jù)信息直接行動(dòng)。Day.ai、Attio 等 CRM 工具會(huì)自動(dòng)記錄來自郵件、電話和 Slack 的客戶互動(dòng)；Everest、Doss、Rillet 等 AI 原生 ERP 系統(tǒng)則能自動(dòng)化財(cái)務(wù)預(yù)測與采購流程。生產(chǎn)力差距正在急劇拉大，創(chuàng)始人不再只是構(gòu)建“記錄系統(tǒng)”，而是在構(gòu)建“行動(dòng)系統(tǒng)”。
解鎖行動(dòng)系統(tǒng)的四個(gè)關(guān)鍵：
AI 特洛伊木馬：用高價(jià)值的楔入型功能捕獲數(shù)據(jù)流，先接入數(shù)據(jù)，再逐步取代底層系統(tǒng)；
極速實(shí)施：借助代碼生成，將自然語言業(yè)務(wù)邏輯直接轉(zhuǎn)為代碼，速度提升可達(dá)90%；
數(shù)據(jù)解鎖：自動(dòng)提取與模式轉(zhuǎn)換，實(shí)現(xiàn) 1 天完成歷史數(shù)據(jù)遷移，幾乎消除供應(yīng)商鎖定；
ROI 跨越式提升：投資回報(bào)率提高 10 倍，代理式工作流大幅減少專業(yè)服務(wù)支出，加快價(jià)值實(shí)現(xiàn)；
我們正處于一代人一次的重大轉(zhuǎn)折——從記錄系統(tǒng)走向行動(dòng)系統(tǒng)。
確定性趨勢二：下一代 CRM、HR 和企業(yè)搜索
最大的懸念是：AI原生挑戰(zhàn)者是在創(chuàng)造新類別，還是會(huì)正面威脅現(xiàn)有巨頭？在 CRM 領(lǐng)域，早期信號(hào)已經(jīng)顯現(xiàn)。這些工具不僅取代傳統(tǒng) CRM，還帶來全新體驗(yàn)：自動(dòng)整合多渠道交易信號(hào)，并為銷售經(jīng)理提供智能化優(yōu)先級(jí)建議——提升幅度是 10 倍，而非 10%。
類似的顛覆同樣出現(xiàn)在：
人力資源與招聘：AI 副駕駛自動(dòng)化候選人篩選、入職和績效跟蹤
企業(yè)搜索：內(nèi)部知識(shí)庫訓(xùn)練的橫向副駕駛，正在替代 SharePoint、Notion 搜索
FP&A：AI原生工具讓財(cái)務(wù)分析師無需依賴數(shù)據(jù)工程團(tuán)隊(duì)，即可整合多源數(shù)據(jù)并執(zhí)行復(fù)雜分析
最強(qiáng)勢的打法，是從AI楔子（相鄰高價(jià)值功能）切入，逐步擴(kuò)展成完整 SoR，在此過程中積累專有數(shù)據(jù)，同時(shí)保持與現(xiàn)有流程的兼容性。IP 管理平臺(tái) Tradespace、IT 服務(wù)管理公司 Serval，都是這一策略的代表。
雖然勝負(fù)未定，但新類別與 SoR 真正替代者之間的賽道已經(jīng)成形。這將是未來數(shù)年企業(yè)軟件領(lǐng)域最值得關(guān)注的戰(zhàn)役之一。
隱性趨勢：企業(yè) ERP 與記錄系統(tǒng)的長尾效應(yīng)
表面平靜，暗流涌動(dòng)。即便 AI在企業(yè)軟件領(lǐng)域勢頭強(qiáng)勁，一些最龐大的版圖依舊穩(wěn)如磐石。
企業(yè)級(jí) ERP：AI 原生會(huì)計(jì)和 ERP 平臺(tái)正快速崛起，但重心仍在中小企業(yè)與中端市場，聚焦軟件、服務(wù)等相對(duì)簡單的行業(yè)。制造、供應(yīng)鏈、庫存等高復(fù)雜度場景，對(duì)產(chǎn)品廣度和集成深度要求極高，新進(jìn)入者需要時(shí)間打磨。Bessemer判斷，真正的企業(yè)級(jí) ERP 替換周期，仍是一個(gè)以“年”為單位的長期戰(zhàn)。
SoR 的長尾效應(yīng)：CRM 與 ERP 雖然是聚光燈下的主角，但記錄系統(tǒng)的長尾同樣潛藏巨大機(jī)會(huì)。身份管理平臺(tái)（企業(yè)安全）、計(jì)算機(jī)輔助調(diào)度系統(tǒng)（公共安全）、內(nèi)容管理系統(tǒng)（網(wǎng)頁設(shè)計(jì)）等領(lǐng)域，都已進(jìn)入成熟期，具備被顛覆的土壤。然而，這波浪潮的形成需要更長時(shí)間——可能是十年級(jí)別的周期，如今的創(chuàng)業(yè)者才剛剛進(jìn)入這些領(lǐng)域。
這些“暗物質(zhì)”并不顯眼，卻占據(jù)著龐大的市場體積。它們可能孕育出下一批AI明星公司，但在 2026 年之前，勝負(fù)仍難預(yù)判。
05 垂直AI，是一種杠桿
去年Bessemer提出過一個(gè)大膽判斷：垂直人工智能的市場潛力，可能超過歷來最成功的垂直 SaaS 賽道。如今，這個(gè)趨勢比預(yù)期更快落地——尤其是在那些長期依賴人工、服務(wù)密集型、甚至被視為“技術(shù)恐懼癥”的行業(yè)。
事實(shí)證明，問題不在于他們不想用新工具，而是傳統(tǒng)SaaS無法觸達(dá)那些高價(jià)值、垂直特定且多模態(tài)/語言密集的任務(wù)。垂直人工智能第一次真正滿足了這些需求，它更像是一種杠桿，而不是一款軟件。
確定性趨勢一：垂直特定的工作流程自動(dòng)化
多個(gè)垂直行業(yè)，甚至一些曾被認(rèn)為抗拒技術(shù)的領(lǐng)域，正在快速引入AI原生工具：
醫(yī)療：Abridge 用生成式 AI 自動(dòng)生成臨床筆記，緩解醫(yī)護(hù)倦怠；SmarterDx 自動(dòng)化編碼流程，幫助醫(yī)院追回流失收入；OpenEvidence 讓醫(yī)生在診療現(xiàn)場即時(shí)查閱醫(yī)學(xué)文獻(xiàn)。
法律：EvenUp 將數(shù)天的案卷準(zhǔn)備壓縮到幾分鐘；Ivo 自動(dòng)審查合同并實(shí)現(xiàn)全庫自然語言搜索；Legora 提升法律研究與起草速度，并增強(qiáng)協(xié)作。
教育：Brisk Teaching、MagicSchool 等工具簡化教師的評(píng)分、輔導(dǎo)和備課工作。
房地產(chǎn)：EliseAI 自動(dòng)化物業(yè)管理，從客戶溝通到租賃審計(jì)全覆蓋。
家庭服務(wù)：Hatch 充當(dāng) AI 客服團(tuán)隊(duì)；Rilla 分析銷售面對(duì)面對(duì)話并大規(guī)模指導(dǎo)銷售代表。
這些突破性公司的打法呈現(xiàn)出三種共性：
1.楔入點(diǎn)鋒利：先切入最痛的核心任務(wù)，尤其是語言/多模態(tài)場景，并無縫嵌入既有工作流。語音/音頻是高頻出現(xiàn)的“神奇楔子”。
2.情境是護(hù)城河：依托領(lǐng)域知識(shí)、數(shù)據(jù)積累與垂直化多模態(tài)界面，迅速從模型微調(diào)走向深度實(shí)用化。
3.價(jià)值即說服力：ROI 從第一天就可見，生產(chǎn)力提升 10 倍，勞動(dòng)力重新分配到更高價(jià)值環(huán)節(jié)，成本降低或營收提升，無需冗長論證。
隱性趨勢：垂直AI的未解之問
盡管勢頭迅猛，三大懸念仍未揭曉：
記錄系統(tǒng)格局會(huì)否重寫：下一代垂直 AI 會(huì)繼續(xù)增強(qiáng)現(xiàn)有 SoR 的價(jià)值，還是會(huì)用 AI 原生、垂直特定的“行動(dòng)系統(tǒng)”直接取而代之？
incumbents 的反擊：在傳統(tǒng)玩家并未松懈的領(lǐng)域，規(guī)模與渠道是否足以壓制新貴，抑或后者能突破封鎖？
數(shù)據(jù)護(hù)城河的持久性：在數(shù)據(jù)分散、隱私敏感、難以標(biāo)準(zhǔn)化的行業(yè)，垂直 AI 能否在擴(kuò)張中維持可持續(xù)的專有數(shù)據(jù)優(yōu)勢？
這些未解的“暗物質(zhì)”，決定了垂直AI從“早期爆發(fā)”走向“長期統(tǒng)治”的成敗。
06 誰能拿下場景主導(dǎo)權(quán)，誰就是下一個(gè)超級(jí)平臺(tái)
底層技術(shù)的躍遷，讓AI從“工具”逐步走向“生活伙伴”。過去一年，消費(fèi)者主要用它完成寫作、編輯、搜索等生產(chǎn)力任務(wù)；而現(xiàn)在，更多人開始依賴AI處理更深層次的需求——治療、陪伴、自我成長。AI不再只是輔助工作，它正觸碰人類生活更私密、更情感化的部分。
確定性趨勢一：日常任務(wù)與創(chuàng)造力的加速器
通用型 LLM（ChatGPT、Gemini 等）已融入數(shù)億人的日常。截至2025年3月，兩者的周活躍用戶分別達(dá)到約6億和4億。它們從“新奇體驗(yàn)”變成“生活必需品”，覆蓋研究、規(guī)劃、建議、對(duì)話等多場景需求。
語音交互是過去一年最大的體驗(yàn)升級(jí)。不同于Alexa或Siri，基于LLM的語音AI能處理開放性問題、引導(dǎo)反思、流暢對(duì)話。Vapi等平臺(tái)讓這種能力跨越語言、語境、情感，帶來更直觀、免提的交互方式。
消費(fèi)者搜索和上網(wǎng)方式也在被改寫。Perplexity憑借模型無關(guān)編排和極速體驗(yàn)，成為AI原生搜索代表；其新推出的Comet瀏覽器，則可能成為下一代“環(huán)境式主動(dòng)代理”的雛形。
在創(chuàng)造力領(lǐng)域，AI降低了創(chuàng)作門檻，讓人人皆可成為創(chuàng)作者：
用 Create.xyz、Bolt、Lovable 構(gòu)建應(yīng)用
用 Suno、Udio 創(chuàng)作音樂
用 Moonvalley、Runway、Black Forest Labs 制作多媒體
用 FLORA、Visual Electric、ComfyUI、Krea 加速創(chuàng)意迭代
確定性趨勢二：專用型生活助手
隨著用戶想讓AI更深度融入生活，垂直化應(yīng)用加速涌現(xiàn)。
心理與情緒健康是增長最快的賽道。除了“ChatGPT療法”，還出現(xiàn)了Rosebud（AI日記/導(dǎo)師）、Finch（游戲化自我護(hù)理伴侶）等，幫助設(shè)定目標(biāo)、養(yǎng)成習(xí)慣、追蹤情緒健康。Character.AI 的早期爆紅，預(yù)示了情感型AI的主流化趨勢，如今已有更多支持長期記憶、情緒恢復(fù)、自我發(fā)展的工具進(jìn)入市場。
電子郵件與日歷自動(dòng)化也是熱門方向，但因信任敏感、競爭強(qiáng)勁（如 Gmail），客戶獲取與留存依舊艱難。
其他細(xì)分場景如膳食計(jì)劃、健身、育兒等，雖然產(chǎn)品眾多，但贏家未現(xiàn)。通用型 LLM 在這些領(lǐng)域依舊具備足夠替代性，垂直產(chǎn)品若想突圍，必須通過差異化價(jià)值和高頻粘性場景贏得主屏位置。
隱性趨勢：潛在的下一波平臺(tái)機(jī)會(huì)
不少需求依舊“服務(wù)不足”，并非因?yàn)槭袌鲂。乾F(xiàn)有方案需要用戶付出過多手動(dòng)操作。底層代理技術(shù)仍在成熟，安全、自主性、可靠性尚未完全解決，讓“全程代辦型AI”還為時(shí)過早。
隱藏機(jī)會(huì)包括：
旅行：碎片化且耗時(shí)的預(yù)訂體驗(yàn)，有待個(gè)性化、端到端AI禮賓服務(wù)重構(gòu)。
購物：當(dāng)搜索起點(diǎn)從谷歌轉(zhuǎn)向“替你瀏覽、比價(jià)、結(jié)賬”的代理，電商流程有機(jī)會(huì)被徹底重寫。
這些場景的主導(dǎo)權(quán)，究竟會(huì)落在AI原生瀏覽器、通用助手，還是新一代端到端消費(fèi)級(jí)代理應(yīng)用手中？這或許將決定下一代消費(fèi)平臺(tái)的格局。
07 創(chuàng)始人必須關(guān)注的10個(gè)趨勢
如今，AI行業(yè)已不再處在人工智能的黎明，而是置身于它層層展開的浩瀚宇宙。頂尖初創(chuàng)公司不僅能讓軟件跑得更快，還在于打造能觀察、傾聽、推理和行動(dòng)的系統(tǒng)，讓智能融入工作和生活的方方面面。
雖然很多人認(rèn)為，速度在AI時(shí)代很重要。但在Bessemer看來，真正決定成敗的，不僅僅只有速度，還有前進(jìn)的方向。最具標(biāo)志性的公司，都是那些能定義潮流的創(chuàng)造者，他們把指數(shù)級(jí)的增長潛力與現(xiàn)實(shí)世界的清晰洞察結(jié)合在一起。
今天，人工智能已扎根現(xiàn)實(shí)：它正在創(chuàng)造收入、重塑關(guān)系、改寫行業(yè)規(guī)則。但記憶、情境、治理、自主性等關(guān)鍵問題仍待解決。正是這種“未知中的確定”，構(gòu)成了當(dāng)下AI的獨(dú)特力量——地圖或許仍模糊，但前沿已經(jīng)清晰可見。
以下是Bessemer提出的AI行業(yè)創(chuàng)始人需要注意的10個(gè)要點(diǎn)：
1.兩種 AI 初創(chuàng)企業(yè)原型正在獲勝：平均而言，超新星在 1.5 年內(nèi)達(dá)到約 1 億美元的 ARR，但通常留存率很低且利潤率很低；流星像一流的 SaaS 一樣成長：4 年內(nèi)從 300 萬美元增長到 1 億美元，具有強(qiáng)勁的 PMF 和健康的利潤率。
2.記憶和情境是新的護(hù)城河：最穩(wěn)固的產(chǎn)品將具備記憶力、適應(yīng)力和個(gè)性化。持久記憶和語義理解能夠創(chuàng)造情感和功能鎖定。
3.行動(dòng)系統(tǒng)正在取代記錄系統(tǒng)： AI 原生應(yīng)用不僅存儲(chǔ)數(shù)據(jù)，還能根據(jù)數(shù)據(jù)采取行動(dòng)。不要將AI強(qiáng)加于傳統(tǒng)軟件之上，而是要重新構(gòu)想整個(gè)工作流程。
4.從人工智能切入：解決一個(gè)狹窄且摩擦力較大的問題（例如，法律研究、銷售記錄）。快速交付10倍價(jià)值，然后進(jìn)一步擴(kuò)展。
5.瀏覽器就是你的畫布： Agentic AI 正在轉(zhuǎn)向?yàn)g覽器層——一個(gè)可編程的環(huán)境，代理可以在其中觀察和執(zhí)行。以此為平臺(tái)進(jìn)行構(gòu)建，它是新的操作層。
6.持續(xù)的私有評(píng)估至關(guān)重要：公共基準(zhǔn)測試遠(yuǎn)遠(yuǎn)不夠。企業(yè)需要的是可信、可解釋的性能。從第一天起就構(gòu)建評(píng)估基礎(chǔ)設(shè)施。
7.實(shí)施速度是一項(xiàng)戰(zhàn)略優(yōu)勢：曾經(jīng)需要數(shù)月的入職培訓(xùn)現(xiàn)在只需數(shù)小時(shí)。代碼生成、自動(dòng)映射和自然語言界面打破了供應(yīng)商鎖定。
8.垂直AI是新的SaaS：對(duì)技術(shù)抱有恐懼的行業(yè)正在快速采用AI。通過深度嵌入、從第一天起就證明投資回報(bào)率并快速擴(kuò)展，才能贏得勝利。
9.現(xiàn)有企業(yè)已經(jīng)覺醒，并且積極收購：SaaS巨頭正在通過收購進(jìn)軍 AI 領(lǐng)域。構(gòu)建技術(shù)和數(shù)據(jù)護(hù)城河。做好并購準(zhǔn)備，但要像掌控整個(gè)行業(yè)一樣運(yùn)營。
10.品味和判斷力是你的差異化優(yōu)勢：在代理和自動(dòng)化的世界里，人類的洞察力才是優(yōu)勢。那些能夠直覺地預(yù)知什么應(yīng)該存在——而不僅僅是什么可能存在——的創(chuàng)始人將定義下一個(gè)時(shí)代。
創(chuàng)始人的優(yōu)勢正在發(fā)生變化。單靠速度是不夠的。你需要產(chǎn)品直覺、同理心和清晰的目標(biāo)。你不僅需要一個(gè)更好的模型，還需要一個(gè)更好的世界模型。接下來獲勝的公司不會(huì)再做更多的人工智能。他們會(huì)做正確的人工智能，在正確的高度，并取得正確的結(jié)果。
本文鏈接：給AI砸了70億之后，這家投資機(jī)構(gòu)拋出了7個(gè)判斷http://www.sq15.cn/show-3-152548-0.html
聲明：本網(wǎng)站為非營利性網(wǎng)站，本網(wǎng)頁內(nèi)容由互聯(lián)網(wǎng)博主自發(fā)貢獻(xiàn)，不代表本站觀點(diǎn)，本站不承擔(dān)任何法律責(zé)任。天上不會(huì)到餡餅，請(qǐng)大家謹(jǐn)防詐騙！若有侵權(quán)等問題請(qǐng)及時(shí)與本網(wǎng)聯(lián)系，我們將在第一時(shí)間刪除處理。