下一家万亿美元公司，卖的不是工具，是把活干完

会用 AI 的人离业务很远，有业务的人追不上工具——断掉的那一层，该由谁来接

译前

我这两年见了很多人，看出一个很别扭的现象：会用 AI 的人离业务很远，有业务的人追不上工具。中间断了一层。

MIT 的 Project NANDA 在 2025 年 7 月的报告里给了这个断层一个数字：企业投进去 300 到 400 亿美元，95% 的生成式 AI 试点没有产生可衡量的损益影响——而这道鸿沟不是模型质量造成的，是做法造成的。

所以问题通常不是“我们 AI 用得还不够多”。恰恰相反：正因为工具已经足够强，才更清楚地暴露出——没有人负责把它接到业务上。

那么这一层该由谁来接？我做了很多年 SaaS，维格 Vika（海外版 AITable）是国内最早一批多维表格产品之一，当时我们的逻辑和所有软件公司一样：把工具做好交给客户，结果是客户的事。现在我怀疑这个前提还成不成立——Foundation Capital、微软 CEO Satya Nadella，以及下面这篇红杉的文章，说的是同一件事。

全文如下，一句不删、一句不改。

译文：服务，就是新的软件

原文：Services: The New Software，作者 Julien Bek，红杉资本，发表于 2026 年 3 月 5 日。以下为全文中译，仅作交流学习，版权归原作者与红杉资本所有。译文力求保留原意，专有名词与公司名保留英文原文。

下一家万亿美元公司，会是一家伪装成服务公司的软件公司。

每一位在做 AI 工具的创始人都在问同一个问题：等下一版 Claude 把我的产品变成一个功能，会怎么样？他们的担心是对的。如果你卖的是工具，你就是在和模型赛跑。但如果你卖的是工作，模型每进步一次，你的服务就更快、更便宜，也更难被竞争。一家公司可能每年花 1 万美元买 QuickBooks，再花 12 万美元请一位会计来结账。下一家传奇公司，会直接把账结了。

智能与判断力

写代码主要是智能（intelligence）。知道下一步该做什么，是判断力（judgement）。

把规格说明翻译成代码、测试、调试：规则很复杂，但它们终究是规则。判断力不一样。它需要经验和品味，需要多年实践积累出来的直觉。决定下一个做哪个功能、要不要背技术债、什么时候在还没准备好的时候就发版。

一年前，大多数 Cursor 用户把 AI 当作自动补全。今天，由 Agent 发起的任务已经多过由人发起的任务。在所有职业的 AI 工具使用量中，软件工程占了一半以上。其他每一个门类都还停留在个位数。原因在于，软件工程主要是智能工作。AI 已经跨过了那个门槛——它能够自主完成大部分智能工作，把判断力留给人。软件工程最先到达这一步。它正在向每一个职业走来。

上图为原文配图，来源：Sequoia Capital,《Services: The New Software》

副驾与自动驾驶

副驾（copilot）卖的是工具。自动驾驶（autopilot）卖的是工作。

直到不久之前，AI 模型的智能和判断力都还在发育，所以正确的做法是先做副驾：把 AI 交到专业人士手里，让他们决定拿它做什么。Harvey 卖给律所。Rogo 卖给投行。专业人士是客户，工具让他们更高产，而他们为产出负责。

今天，模型已经足够聪明，在某些门类里，最好的起点直接就是自动驾驶。Crosby 卖给需要起草 NDA 的那家公司，而不是外部律师。WithCoverage 卖给需要买保险的 CFO，而不是保险经纪。客户直接购买的是结果。在任何一个职业里，工作预算都远远压过工具预算，而自动驾驶从第一天起拿的就是工作预算。

一个领域里智能占比越高，自动驾驶就会越早获胜。

收敛

今天的判断力，会变成明天的智能。随着 AI 系统在各自领域里积累起关于“什么才算好的判断”的专有数据，前沿会移动。副驾和自动驾驶终将收敛。从副驾走向自动驾驶的转变，已经在若干门类里开始了。但起点依然重要，因为它决定了自动驾驶现在能在哪里赢下客户，并开始复利积累那些数据——正是这些数据，最终让它也能处理判断力。

自动驾驶打法：以外包为楔子

每花在软件上的 1 美元，对应着花在服务上的 6 美元。

自动驾驶的总可触达市场，是一个门类里全部的人力支出，自有和外包加在一起。但正确的起点，是外包已经存在的地方。

如果一项任务已经被外包，它告诉你三件事。第一，这家公司已经接受了这项工作可以由外部完成。第二，存在一条现成的预算线，可以被干净地替换掉。第三，买方本来就在购买一个结果。用一家 AI 原生的服务商替换掉一份外包合同，是一次换供应商。替换掉编制，则是一次组织重组。

打法是这样的：公司应该从已外包、且智能密集的任务开始。把分发做扎实。随着 AI 不断复利，再向自有的、判断力密集的工作扩张。已外包的任务是楔子。自有的工作是长期的总可触达市场。

Crosby 从 NDA 起步：一项定义清晰、以智能为主、而且大多数公司本来就外包给外部律师的任务。预算存在，范围清楚，投资回报立刻可见，替换过程毫无摩擦。

机会地图

把每一个服务垂直领域放到“智能—判断力”光谱和“外包—自有”比例上作图，就得到一张优先级地图，括号里是人力总可触达市场。下面这份清单只是示例。

上图为原文配图，来源：Sequoia Capital,《Services: The New Software》

保险经纪（1400–2000 亿美元）。 这份清单上金额最大的市场。标准商业险种高度标准化：经纪人的增值本质上就是在各家承保公司之间比价和填表，是纯粹的智能工作。分发层极度分散，成千上万家小经纪各自跑着同一套流程，因此没有任何一家在位者控制着客户关系。WithCoverage 和 Harper 是值得关注的新进入者。

会计与审计（仅美国的外包部分就有 500–800 亿美元）。 过去五年，美国流失了大约 34 万名会计，而需求还在增长。75% 的注册会计师临近退休，执照路径漫长，起薪又落后于科技和金融。这种结构性短缺，正在推动会计行业比几乎任何其他职业都更快地接受 AI。Rillet 在做那个将会把账结掉的 AI 原生 ERP。Basis 则是从会计师的副驾起步的。

医疗收入周期（美国外包部分 500–800 亿美元）。 人们一听到“医疗”，就以为这是判断力密集的，但账单这一层几乎是纯智能。医疗编码就是把临床记录翻译成大约 7 万个标准化的 ICD-10 编码。规则很复杂，但它们终究是规则。这个领域的外包已经成熟，而且是按结果计费的。一个自动驾驶只需要用更低的成本做同一件事。Anterior 走得最远。

理赔核损（含第三方管理机构在内 500–800 亿美元）。 在保单的另一侧，理赔核损是一块独立的自动驾驶战场。标准险种的理赔，是把保单条款对照损失明细表来解释，再用精算表设定准备金。核损员队伍正在老去，没有人来接替。这个市场被大量外包给独立核损人，以及 Crawford、Sedgwick 这类第三方管理机构。一个行业，至少两个彼此不同的自动驾驶机会。Pace 在做理赔处理的自动驾驶。Strala 在做一家 AI 原生的第三方管理机构。

税务咨询（300–350 亿美元）。 注册会计师执照构成了监管护城河，但底层工作的 80–90% 是智能。税务自动驾驶每多覆盖一个法域，它的数据护城河就更深一分。多法域的复杂度，恰恰是中小企业要外包出去的东西——因为没有哪一位内部会计能够全部覆盖。TaxGPT 是早期入局者，同期还有欧洲的 Skalar 和 Ravical。

法律的事务性工作（200–250 亿美元）。 合同起草、NDA、监管申报：智能占比高，而且惯常外包。工作成果足够标准化，质量是可以被验证的，所以买方不需要深厚的法律专业知识，也敢信任 AI 的产出。Harvey 是正在浮现的领先者，并且正快速转向自动驾驶；Crosby 和 Lawhive 则是自动驾驶原生的新进入者。

IT 托管服务（1000 亿美元以上）。 每一家中小企业都把 IT 外包出去。打补丁、监控、用户开通、告警分级：都是在成千上万套完全相同的环境里反复运行的智能工作。现有的软件层（ConnectWise、Datto）卖的是给托管服务商用的工具。还没有人把“你的 IT 跑得好好的”作为一个结果，直接卖给企业。Edra 在自动化 IT 流程。Serval 在自动化 IT 支持。

供应链与采购（2000 亿美元以上）。 大多数企业只会认真地和排名前 20% 的供应商谈判。长尾完全得不到关注，因为让人去做这件事并不经济。合同漏损占采购总支出的 2–5%。这里的楔子是被放弃的工作：没有预算线需要论证，没有在位者需要取代，纯粹是捡回来的钱。Magentic 在做直接采购的 AI，AskLio 做间接采购。Tacto 则同时在为中端市场做记录系统和副驾。

招聘与人力派遣（2000 亿美元以上）。 这份清单上最大的服务市场。招聘漏斗的顶部（筛选、匹配、触达）是纯智能，但把一位候选人谈下来、以及评估文化契合度，则是多年模式识别积累出来的判断力。自动驾驶的楔子，存在于大批量、低判断力、匹配高度标准化的岗位上。Juicebox、Mercor、Jack & Jill 是正在浮现的领先者，它们在整个光谱上都有布局。

管理咨询（3000–4000 亿美元）。 市场巨大，但工作大部分是判断力。有意思的问题是：AI 能否把咨询拆解成智能部分（数据收集、对标）和判断力部分（战略建议），让智能层被自动化，而判断力层留给人。最佳候选者待定。

2025 年，增长最快的 AI 公司是副驾。2026 年，其中很多会试图变成自动驾驶。它们有产品，也有对客户的理解。但它们同样面对创新者的窘境：卖工作，意味着把自己原本的客户从这件事里切出去。那就是纯粹自动驾驶玩家的机会窗口。

---

译后

这篇是写给创业者的——教你做哪家公司、从哪个赛道切进去。坐在买方这一侧，它的用处是另一种：一份别人打算怎么拿走你预算的说明书。

补三点。

一是中国要打折。 原文“已外包＝可替换”的楔子，前提是外包市场成熟。中国的审计、事务性法务、保险经纪、IT 托管渗透率都远低于美国，对面往往不是一份可以换掉的合同，而是几个坐在你办公室里的人——按原文自己的说法，前者是换供应商，后者是组织重组。

二是二分法少了一类。 智能和判断力之外，中国企业里还有大量工作是协调：把人对齐、把口径统一、把跨部门依赖打通。AI 今天接不住它，而它占了很多岗位一半以上的时间。只按智能占比估算能替掉多少，一定高估。

三是三家都没说的那件事。 中间那一层断着，不只因为没有人来接，还因为来接的人没法收钱。按结果卖的前提，是结果能被第三方核验；你的验收标准若只有一句“做好一点”，任何理性的供应商都只会卖你工具和人天。

AI 成果 = 场景选择 × 责任人 × 验收标准

定义“完成”，是这个时代最难被自动化的一件事。