硅谷 AI 投资人 Elad Gil 昨天发布了自己对 AI 领域投资的总结回顾与预测。在他看来，过去四年 AI 经历了从 “技术迷雾”到“商业马拉松” 的变化：随着模型能力的不断提升，过去 12 个月里一系列 AI 应用落地的细分场景在得到验证，头部公司浮现，一定程度上，未来 1-2 年的市场格局初定，AI 应用层正进入收敛周期：
• 基础模型领域 LLMs 的头部梯队已经相当明显，考虑到当下 LLMs 领域的资本壁垒，接下来该领域发生格局改变的几率很小，Coding 毫无疑问是应用端最大的市场，但同时也面临 AI labs 和科技巨头的挑战；
• GPT-ladder：即每一次模型能力的跃迁都会解锁新的应用场景、带来新的市场机会，而先一步发现需求的团队，在模型能力进步时更有机会抓住指数级的增长红利；
• 随着模型性能趋于同质化，应用端更快理解行业痛点、构建高粘性工作流的团队更有机会，接下来 AI 领域的并购、以及通过渠道绑定等形式抢占市场的动作会成为竞争中的常态；
• AI Agent 已经开始推动软件的商业模式从 seat-based 转向按任务计费，而这件事从长远来看还将重塑企业的预算逻辑和采购决策路径。
目录
01 AI 市场的成型过程
02 已经被验证的市场机会
03 还有哪些领域值得被 AI 重构？
04 GPT Ladder
05 AI Agent 将无处不在
06 AI 领域的并购整合
07 总结：AI 市场正在加速收敛
01.
AI 商业格局的成型
在过去四年里，整个 AI 板块经历了显著演变。当 GPT-3 发布，且 scaling laws 开始被高频提及时，市场已经可以从 GPT-2 到 GPT-3，再到 GPT-4、GPT-5 等的发展趋势中推断出，一场变革即将到来。
我们从 4 年前开始寻找可以投资或孵化的 GenAI 公司，正是基于这一发展曲线，我最终主导或参与了诸如 Harvey、Perplexity、Character.AI、BrainTrust 等公司的早期融资。当时的策略很简单，就是“支持所有最优秀的人去解决最大的难题”，因为真正创办 GenAI 公司的团队非常少。
OpenAI 是当时唯一一家明确定位于 foundation model 公司（当时 Anthropic 尚未发布，Meta 也还没有发布 Llama 还不存在，虽然 Google 具备强大创新能力，但受制于组织问题，一度难以推进 AI）。
随着越来越多 AI 圈外的人意识到这一机会，以及主要 AI labs 的研究人员和工程师纷纷离职创办新公司，整个 AI 领域也变得更加混沌。
我常说：“我对 AI 了解越多，就越觉得自己不了解 AI”，因为早期市场中哪些玩家将成为赢家并不明朗，底层模型和技术也在迅速演化。例如，在 2022 年，代码/AI 驱动的软件开发已显现其重要性，但谁将胜出仍无定论：Cursor 直到 2023 年才上线，Codium 在大约 9 个月前才正式推出 Windsurf，Cognition 的 Devin 也仅在一年多前开始有限发布）。
如今我们已步入一个新阶段：第一波 AI 领域的细分机会得到验证，并且在这些领域出现了明显占据领先地位的公司，不过这并不意味着这些市场不会在未来迎来新的玩家，也不代表当前的领导者不会被收购或最终衰亡：Stripe 在 PayPal 推出十多年后才出现，且比 Braintree 晚了约 4 年； Facebook 诞生时，Friendster 和 Myspace 已经存在很久了。
总体上当前 AI 领域的竞争仍存在着很多不确定性，未来几年，我们一定会看到新一轮 AI 市场格局的变化。
02.
已经被验证的市场机会
1. 基础模型 LLMs
基础模型的种类很多，包括 LLMs ，以及语音、图像、视频、音乐、化学、生物、材料、物理等多个领域的模型。这类模型往往依赖规模驱动（数据量、算力、某些类型的 post-training 与反馈机制等）。而规模意味着资本——因此，想要在 LLM 市场中胜出，必须具备高额资本的支持，如今这个数字已达到数十亿美元的级别。
在 LLM 领域，一批核心企业已经明确地成为未来持续活跃的主要玩家。它们通常与 hyperscalers 建立合作关系：
• Amazon 与 Anthropic 合作，
• Google Cloud Platform 支持 Gemini，
• Microsoft Azure 则与 OpenAI 合作。
这些云服务商之所以投资支持 AI 公司并不只是从投资回报角度的决策，更多看重的是 AI 落地带来的云支出增长。有消息说基础模型公司的营收从 0 增长到数十亿美元仅用了短短 3 年左右的时间，而几大云厂商在“AI”上的季度支出也已达到数十亿美元规模。
当前 LLM 领域的核心玩家包括：Anthropic、Google、Meta（ Llama）、Microsoft、Mistral、OpenAI 和 xAI。这些公司中有一些各项 benchmark 测试中表现最为突出、开发者与企业采用率最高，并且进一步推动了该行业大部分的支出。
此外，SSI 和 Thinking Machine Labs 这些公司由头部 AI 研究人员创立的新兴 AI 公司有可能提出具有突破性的解决方案，或通过持续融资参与竞争；当然，它们也可能在几年内被其他希望进入这一市场或加码技术投入的企业收购。
与此同时，以中国公司为主力的开源项目，如 Deepseek、Qwen，Kimi K2 等在 benchmark 测试中同样展现出强劲实力。关于中国开源 LLM 的发展，还有很多值得探讨之处。
展望未来，除非出现某种全新的、难以迅速传播的技术突破，否则在最核心的 LLM 领域新的玩家大概率难以再涌现，主要原因在于这些领域的资本护城河足够高。
语言模型之外，其他类型的基础模型领域目前尚未出现明确 leaders，但其中并不缺乏一些具备足够潜力的公司。
2. Coding
Coding 是 GenAI 和 LLMs 最早也是最清晰的大规模应用场景之一。
Github Copilot 是在 2021 年 10 月推出的，尽管当时功能和精度有限，但已经获得了广泛采用并展现出实际价值。代码 Coding 本身的特性，让它和 GenAI 的进步相当适配。市场上有一些消息表示，一些企业的代码产品在上线后的前两年内，营收已从 0 迅速攀升至 5000 万美元甚至 5 亿美元，增长速度惊人。
与 foundation models 公司类似，coding 领域中的核心梯队基本成型，其中少数几家公司逐渐显现出长期潜力。虽然不排除科技巨头仍可能进入 AI coding 领域、目前市面上的产品黏性并不强，但随着时间推移，护城河可能逐步形成。
但整体上，在未来几年内，除非出现意外变化，以下这些公司将在 coding 领域扮演重要角色：
• Anthropic Claude Code
• Cognition/Windsurf
• Cursor
• Google/Windsurf
• Microsoft/Github
• OpenAI
• 此外如 Magic 或 Poolside 等初创公司，以及主打“vibe coding”的 Lovable、Replit 等。
有意思的是，Figma 和 Canva 也都推出了 vibe coding 工具，可以预见未来会有更多类似产品问世。
目前，在包括 coding 在内的 AI 应用领域中仍存在一些还没有清晰结论的问题，比如 agentic 与 IDE 驱动的工作流之间的关系，以及它们最终的融合趋势，我个人相信它们几乎必然会趋于统一。
Coding 领域的另外一个核心问题是：基础模型公司是否通过对 coding 生成能力的投入进而取代这些领域初创公司，毕竟 coding 不仅有巨大的经济价值，而且可能是通往 AGI 或 SI（超级智能）的跳板。
这些关键问题将决定谁会成为 coding 领域的最终赢家。
3. 法律（Legal）
在法律这一核心市场中，主导者的格局已逐渐成型，目前的领先者是 Harvey 和 CaseText。
与此同时，法律领域其他初创企业也在涌现：
• Legora：提供基于 AI 的法律研究、文档协作工具，目前已经被全球 250 家律所使用；
• Crosby：定位为“AI+律师”的混合模式，为高速成长型企业快速完成 NDA、MSA 等合同审查服务；
• EvenUp 的关注点是人身伤害及相关法律领域，用户可以用 AI 生成诉讼文档；
• Eve 和 Supio 则专注于原告侧的工作流，分别面向原告方律师或原告方个人提供文档、数据分析工具。
目前法律流程的全流程自动化仍处于非常早期的阶段，但像 Harvey 和 EvenUp 这样的公司已经开始构建可完整处理法律工作的系统，从头到尾完成案件处理。
考虑到法律涉及到多个垂直领域（如专利、合同等）和客户类型（律所、企业、中小型公司、C 端消费者），所以未来仍可能涌现出新的法律应用方向。不过，随着法律在专业服务流程中的核心地位，像 Harvey 这样的公司未来可能也会自然地扩展至其他专业服务领域的工作流中。
4. 医疗记录整理
医生工具与病历记录（scribing）是另一个已经出现主要玩家且市场正在加速整合的领域，这个领域代表性公司包括 Abridge、Ambience、Commure / Athelas 以及 Microsoft Nuance。
长期来看，这些公司未来可能保持独立运营，也可能会被整合进这些头部企业之中。这些企业的下一步关键动作，是将其产品拓展至医疗体系中的其他环节。
5. 客户体验及服务
在美国，customer experience 市场短期内已经初步整合为由少数几家初创企业主导的格局——如 Decagon 和 Sierra，而原有的大型服务提供商如 Intercom、Zendesk 等则在努力增加并交叉销售其 GenAI 能力。其他值得关注的初创公司还包括 Forethought、Maven、Parahelp、Wonderful 等。
与上述许多市场类似，客户体验领域的一个核心特征是：GenAI 正通过 agentic 操作显著取代或增强人类的工作角色，而不只是作为另一种“按座位计费”的工作流工具。我们已经开始看到，从“seat-based”向“按认知单元销售”的转变。这是关于 AI 公司发展方向中一个被低估却至关重要的转变。推理模型的进步，以及 agentic infra 类产品的出现，将进一步加速这一变化。
6. 搜索重构
这一领域的主要参与者包括 Google、OpenAI（ChatGPT）、Perplexity 和 Meta。Perplexity 是这一市场中少数的初创企业之一，而其他几家则为现有巨头。这种格局可能也会出现在其他面向消费者或 prosumer 市场上，尽管仍有大量新消费场景的创新空间。
Perplexity 和其他企业正在迅速迈入“agentic future”，他们不仅推出了如 Deep Research 这样的工具，也开始涉足浏览器市场。例如，Perplexity 推出的 Comet 浏览器已集成了能够在网页购物等场景中执行代理操作的功能。
03.
还有哪些领域值得被 AI 重构？
三年前，人们已经能够预见，基础模型 LLMs 、代码、医疗健康、客户服务等领域将成为 AI 的重要应用市场，但当时谁会脱颖而出、谁将扮演关键角色还远不明朗。今天，短期内有机会引领这些细分市场的公司已相对清晰。
接下来，有一批看起来极具潜力、且高度适配 GenAI 的市场值得关注，包括但不限于以下几个方向：
•会计（Accounting）：目前已有不少人开始在这个领域构建软件，部分企业也在进行行业整合。
•合规（Compliance）：合规是一个种类繁多，其中制药领域的合规就已有早期玩家出现，例如 Blue Note Health。
•金融工具（Financial tools）：主要指帮助金融分析师或其他相关专业人士的工具，目前已有多个优秀团队和早期公司投入开发。
•销售工具与代理（Sales tooling and agents）：这个领域非常广阔，包括执行 SDR（销售开发代表）任务的 AI Agent 工具，以及增强企业销售能力的各种辅助软件。
•安全（Security）：这一领域的应用潜力巨大，尤其是在服务使用密集、团队结构复杂的场景中。同时，预计也会出现专注于 AI 端点、AI Agent 或基础模型使用的安全公司，防止由此产生的数据泄露或其他攻击行为。
•其他待定义的市场（Other markets TBD）：仍有大量尚未被充分挖掘的方向等待探索。
在上述每一个领域中，已经有一批令人振奋的创业公司开始探索。哪一家能够真正拉开差距、脱颖而出，可能会在接下来的数月或数季度中逐渐明朗。在某些市场中，当前的 AI 模型可能尚未足够成熟，难以有效解决核心问题；而在另一些领域，则需要更完整的工作流工具或更成熟的 GTM（Go-to-Market）策略。还有一些领域，仅仅是需要时间——去真正理解客户、围绕其需求开发产品，并等待产品与市场之间的强烈匹配度（PMF）显现。
04.
GPT Ladder
对于前面提到的还在发展过程中领域，一个关键问题是：是什么阻碍了这些市场成熟？在某些场景中，部分原因是模型推理能力或输出精度方面还不够。
例如，法律相关的工作流在 GPT-3.5 运行效果并不好，但随着 GPT-4 的发布，这一领域突然爆发，Harvey 也因此受益。
同理， Cursor 为代表的 coding 工具则受益于 2024 年 6 月 Claude 3.5 的发布，而在此之前，由于模型精度未达拐点，这些工具的可用性并不高。
在模型能力尚未成熟之前就开始面向客户构建产品，一旦模型升级，就能迅速占据市场份额。
这引出了一个重要概念——GPT Ladder：当 GPT（或 Claude、Gemini、Grok、Llama 等模型）达到某一个版本或能力水平时，会打开一批此前技术上根本无法落地的新市场。
例如，GPT-5（或 Claude X、Gemini Y）可能将支持某些全新的应用场景，这些场景在之前的技术条件下根本无法实现。
1. 市场策略、客户决策和竞争格局
• 初创公司可能犯了 GTM 策略错误：在错误的时间、用错误的方式去触达错误的客户群体；
• 传统企业的“锁定效应”过强，或者它们能迅速用一个更差但“足够好”的产品进行反制，或者通过已有 UI 或工作流体系里的交叉销售将初创公司挤出局；
• 客户群体本身可能就是行动缓慢、决策周期长，但随着时间推移终将逐步转向采用 AI 解决方案。
2. 团队因素
也许还没有合适的团队切入该市场，或者进入者的创始人虽然聪明，但对行业本身还不够熟悉，需要时间去学习用户真正的痛点、不断迭代产品。
3. 产品打磨与时间窗口
构建真正有用的产品本身就需要时间。很多时候，某个 AI 市场看起来还很“沉寂”，其实只是因为还处在早期阶段；再过 6 到 12 个月，可能就会有一批产品跑出，初步胜负开始分化。
05.
AI Agent 将无处不在
AI 领域一个正在发生的重大转变是，从单纯的 chatbot 向 agentic workflows 的演变。
Agent 是能够代表人们执行任务的 AI 软件。一个典型的场景是：使用 Google 搜索西班牙旅游信息，和让 Google 自动生成一个 AI Agent 帮你完成旅行预订并代表你执行操作，这是两种完全不同的体验。
在企业软件领域，像 Devin 这样的 coding 工具，以及 Decagon、Sierra 这样的客户服务工具，已经是最早采用 agentic workflow 的代表；而在信息类产品中，ChatGPT、Gemini、Perplexity 等工具也都正在逐步引入 agent 功能，帮助用户完成深入调研等复杂任务。
随着推理模型和 AI Agent 的广泛应用，配套的 agentic infra 也在加速发展。许多初创公司正在构建 agentic 框架或底层系统，同时大型咨询公司或企业部署服务商也在将 AI Agent 工具纳入其产品组合，用于企业级应用。
当下我们正在见证一个重要趋势转变：软件从“seat-based”到“按认知能力（或等价人类劳动）计费”。
06.
AI 领域的并购整合
过去三年里，我一直在研究并投资于由 GenAI 驱动的并购整合。从最早期开始，变得清晰的一点就是：基于 Transformer 的大模型非常擅长人类知识型工作，而这正是白领服务经济的主要构成部分。在 AI 驱动的整合策略中，相比单纯向企业销售软件，直接收购公司反而可能带来更快的 AI 采纳速度与更高的经济回报。
很多时候，AI 的采用不是一个技术问题，而是组织结构、流程与人员的问题。你是否能围绕 AI 工具，重塑整个组织或其工作方式？这往往比构建 AI 工具本身更难。而要在短时间内完成这 种变革，尤其对于初创公司来说，收购公司并控制组织本身是更可行的方式（相比之下，大型企业通常变革缓慢）。
我曾在另一篇文章中谈到所谓的“市场终结性动作”——即那些可以让你在一个市场中直接占据第一的位置的大动作：并购？大规模资本投入？独家合作渠道？其他战略打法？随着各 AI 市场逐步趋于稳定，这种“终结性”策略会越来越清晰。我们可能会看到越来越多的并购、合作、渠道锁定等战略发生，尤其是在一个细分市场中，当只剩下少数玩家时。
这种整合的方式可能是：
• 两家头部初创公司的合并，虽然会涉及到复杂的谈判过程，但极具战略价值；
• 传统企业和初创公司的组合，本质上是大公司销售资源渠道与 startups 先进产品里之间的整合。
总之，我们正站在非常激动人心的 AI 市场整合期前夜。
07.
总结：AI 市场正在加速收敛
过去几年相对模糊的 AI 市场，如今正变得前所未有地清晰。对于许多早期的 GenAI 应用领域（如代码生成和法律服务），行业领先者已经基本确立。而与此同时，一批新的市场正处于即将被颠覆的临界点，蕴含着巨大的机会与潜力。GenAI 已经从技术探索阶段，进入市场格局明朗、竞争逐步收敛的新时代，令人兴奋的时代即将展开。
文章来自于微信公众号“海外独角兽”。
