服务：新软件
Source: Sequoia Blog
发布于 2026年3月5日
下一个 $1 T 公司将是一家伪装成服务公司的软件公司。
每个构建 AI 工具的创始人都在问同一个问题：当 Claude 的下一个版本把我的产品变成一个功能时会怎样？ 他们的担忧是有道理的。如果你在卖工具，你就在与模型赛跑。但如果你在卖服务，模型的每一次改进都会让你的服务更快、更便宜，也更难以被竞争。某家公司可能每年为 QuickBooks 花 $10 K，再为会计师花 $120 K 来完成账目结算。下一个传奇公司只需要自己完成账目结算。
智能 vs 判断
编写代码主要是智能。决定接下来要构建什么是判断。
- 将规范转化为代码、进行测试、调试：规则虽复杂，但都是规则。
- 判断则不同。它需要经验和品味——基于多年实践的直觉。
- 决定下一个要开发的功能、是否承担技术债务、何时在未完全准备好时发布。
一年前，大多数 Cursor 用户把 AI 当作自动补全工具。如今，更多任务是由代理而非人类启动的。软件工程在所有职业中 AI 工具使用率超过一半；其他类别仍然只有个位数。原因在于软件工程主要是智能工作。AI 已经跨过阈值，能够自主完成大部分智能工作，而把判断留给人类。软件工程率先达到这一点，且这种趋势正向所有职业蔓延。
副驾驶员与自动驾驶员
- 副驾驶 – 销售工具。
- 自动驾驶 – 销售工作。
直到最近，AI 模型仍在同时发展智能和判断力，因此正确的做法是先构建副驾驶：将 AI 交到专业人士手中，让他们决定如何使用它。
Harvey 向律所销售。Rogo 向投资银行销售。专业人士是客户，工具提升他们的生产力，而他们对输出结果负责。
如今，模型已经足够智能，在某些领域，最佳的起点是作为 自动驾驶。Crosby 向需要起草保密协议的公司销售，而不是向外部律师。WithCoverage 向需要保险的首席财务官销售，而不是向经纪人。客户直接购买成果。任何行业的工作预算都远远超过工具预算，而自动驾驶从第一天起就捕获了工作预算。
在任何领域，智能比率越高，自动驾驶获胜的时间就越早。
融合
今天的判断将成为明天的智能。随着 AI 系统积累关于其领域中何为良好判断的专有数据，前沿将会转变。副驾驶系统和自动驾驶系统将趋于融合。副驾驶‑到‑自动驾驶的转变已经在多个领域开始，但起始位置很重要，因为它决定了自动驾驶系统目前能够赢得客户的领域，并开始累积数据，最终使其也能够处理判断。
自动驾驶手册：外包作为楔子
每花费一美元在软件上，就有六美元花在服务上。
自动驾驶的可服务总市场（TAM）是 该类别的全部劳动力支出，包括内部和外部外包。最好的起点是已经存在外包的地方。
如果一项任务已经被外包，它告诉你三件事：
- 公司已经接受这项工作可以由外部完成。
- 已有可直接替换的预算项。
- 购买方已经在购买一个结果。
用 AI 原生服务提供商取代外包合同是一种 供应商替换（vendor swap）。用 AI 取代人力则是一次 组织重组（reorg）。
手册
- 从外包的、信息密集型任务开始。
- 把握分配（distribution）。
- 随着 AI 效应的叠加，向内部的、判断密集型工作扩展。
外包任务是楔子；内部工作是长期的 TAM。
Crosby 从 NDA 开始：这是一个定义明确、主要是信息密集型的任务，大多数公司已经将其外包给外部法律顾问。预算已存在，范围清晰，ROI 立竿见影，替换过程毫无摩擦。
Source: (保持原样，不翻译)
机会图
在 情报‑到‑判断 维度和 外包‑到‑内部化 比例上绘制每个服务垂直领域，可得到一个优先级图，括号中为劳动力 TAM。下面的列表仅作示例。
| 垂直领域 | TAM（美国） | 吸引力所在 |
|---|---|---|
| 保险经纪（$140‑200 B） | 本列表中金额最大的市场。标准商业险高度标准化；经纪人的增值本质上是跨保险公司比价并填写表单——纯情报工作。分销极其碎片化（成千上万的小经纪），没有单一 incumbent 能掌控客户关系。WithCoverage 和 Harper 是有趣的新进入者。 | |
| 会计与审计（美国外包 $50‑80 B） | 过去五年美国已流失约 34 万会计师，而需求仍在增长。75 % 的 CPA 接近退休；执照获取周期长，起薪落后于科技和金融行业。这种结构性短缺促使公司比几乎所有其他职业更快采用 AI。Rillet 正在构建一个 AI 原生 ERP，以完成账目闭合。Basis 起初是为会计师提供的副驾驶工具。 | |
| 医疗收入周期（美国外包 $50‑80 B） | 计费几乎是纯情报工作。医学编码将临床记录转换为约 7 万种标准化 ICD‑10 代码——规则复杂，但仍是规则。外包已相当成熟且以结果为导向；自动驾驶只需以更低成本完成相同工作。Anterior 走在最前端。 | |
| 理赔调整（包括 TPA，$50‑80 B） | （原始来源中内容被截断。） |
随着更多垂直领域的评估，表格可以继续扩展。
理赔调整（≈ $30 B）
- 工作性质： 解读保单条款、应用损失表、依据精算表设定准备金。
- 当前挑战： 调整员年龄偏大，替代人才有限，严重依赖独立调整员和 TPA（如 Crawford、Sedgwick）。
- 机会：
- 自动驾驶理赔处理： Pace 正在构建理赔处理自动驾驶系统。
- AI 原生 TPA： Strala 正在开发 AI‑first 第三方管理员。
税务咨询（≈ $30‑35 B）
- 监管壁垒： CPA 执照。
- 工作构成： 80‑90 % 为高情报任务。
- 壁垒构建杠杆： 每新增一个司法管辖区的处理都会加深数据壁垒。
- 市场动态： 中小企业会外包跨司法管辖区的税务工作，因为单个内部会计无法覆盖。
- 关键玩家： TaxGPT（早期进入者）、Skalar、Ravical（欧洲）。
法律与交易工作（≈ $20‑25 B）
- 典型任务： 合同起草、保密协议、监管备案。
- 特征： 高情报、经常外包、产出标准化且质量可验证。
- 领军者： Harvey（新兴领袖）、Crosby 与 Lawhive（自动驾驶原生新秀）。
IT 管理服务（≈ $100 B+）
- 范围： 中小企业外包 IT——打补丁、监控、用户配置、警报分流。
- 模式： 在成千上万相同环境中进行重复性情报工作。
- 缺口： 没有供应商将 “你的 IT 正常运行” 作为结果出售；现有工具（如 ConnectWise、Datto）仅为 MSP 提供赋能。
- 创新者： Edra（自动化 IT 流程）、Serval（自动化 IT 支持）。
供应链与采购（≈ $200 B+）
- 当前焦点： 企业只与前 20 % 的供应商进行严肃谈判，长尾供应商被忽视。
- 漏损： 2‑5 % 的总支出因合同泄漏而流失。
- 自动驾驶切入点： 被抛弃、预算低且没有 incumbent 的工作——纯粹的 “捡钱”。
- 玩家：
- Magentic – 直接采购的 AI。
- AskLio – 间接采购的 AI。
- Tacto – 中端市场的记录系统 + 副驾驶。
招聘与人力资源（≈ $200 B+）
- 列表中最大的服务市场。
- 漏斗顶部任务： 屏蔽（Screeni）
Source: …
ng、匹配、外联 – 纯粹的情报。
- Closing & culture fit: 通过多年模式识别形成的判断。
- Autopilot sweet spot: 高容量、低判断的岗位，匹配已标准化。
- Emerging leaders: Juicebox、Mercor、Jack & Jill（在整个谱系上构建）。
管理咨询（≈ $300‑400 B）
- Nature of work: 主要是判断。
- Potential split:
- Intelligence layer: 数据收集、基准对标——可自动化的候选。
- Judgment layer: 战略建议——仍需人工。
- Status: 最适合 Autopilot 的候选仍待确定。
Outlook
- 2025: 增长最快的 AI 公司是 copilots。
- 2026: 许多公司将尝试成为 autopilots——它们拥有产品和客户知识，但面临创新者困境：出售工作可能会剔除自己的客户。
- Opportunity: 纯粹的 autopilots 可以填补这一空白。
If you’re building an autopilot, reach out:
✉️ julien@sequoiacap.com 🐦 @julienbek