300 个SaaS独角兽的黄昏：垂直 AI 时代的十倍天花板

我最近复盘了过去二十年全球软件产业的增长曲线。

从 2004 年到 2024 年，全球 SaaS 行业的规模每十年增长约 10.0 倍。

这十年间，风险投资表现出极高的忠诚度，超过 42.5% 的资金源源不断地流入了 SaaS 赛道。

这种狂热催生了全球 300 多个 SaaS 独角兽。

但一个残酷的现实是，这些独角兽构筑的护城河正在变得像纸一样薄。

2026 年 2 月 18 日，Anthropic 发布了一份具有划时代意义的研究报告。

这份报告统计了其公共 API 上数百万次真实的人机交互数据。

数据结果令人震撼。在 AI 智能体的工具调用量中，软件工程占比高达 49.7%。

这意味着，目前全球近一半的 AI 生产力都堆在代码和软件架构这一个狭窄的烟囱里。

相比之下，医疗占比 1.0%，法律占比 0.9%，教育占比 1.8%。

这些垂直行业的渗透率几乎全部处于个位数的冰点。

这种极度的不平衡，揭示了传统 SaaS 模式的黄昏。

传统的 SaaS 本质上是“流程的容器”。

它要求人类去学习软件的操作逻辑，将业务数据手工录入系统。

开发者赚的是“效率提升”的钱，但这个钱越来越难赚了。

因为软件支出仅占美国 GDP 的 1.0% 左右。

这是一个已经极度饱和、存量博弈、增速放缓的红海市场。

在这个市场里，美、德、日等发达国家的先发优势极强，Salesforce、SAP 等巨头垄断了大部分利润。

然而，AI 智能体的出现彻底颠覆了这种基于“工具”的定价逻辑。

智能体不再是等待被操作的工具，而是可以直接交付结果的“劳动力”。

Bessemer Venture Partners 在 2025 年的研究中给出了一个关键数据。

虽然软件支出仅占 GDP 的 1.0%，但由重复性语言任务主导的服务行业占到了 GDP 的 13.0%。

这 13.0% 的服务经济腹地，就是垂直 AI 的真正战场。

这里没有老牌 SaaS 巨头的代码壁垒，只有深不见底的行业 Know-how 和监管门槛。

对于中国的高端制造业和专业服务业来说，这是一个换道超车的战略机遇期。

我们要做的不是再造一个 Salesforce。

我们要造的是能够直接替代那些昂贵、低效且由发达国家垄断的服务环节。

这是一场关于生产力定价权的重新分配

我将这种转变称为“从 1% 的存量博弈向 13% 的增量反攻”。

维度

传统 SaaS 时代

垂直 AI 时代

定价逻辑

订阅费 / 席位费

成果交付 / 任务量

市场天花板

GDP 的 1.0%（工具支出）

GDP 的 13.0%（服务支出）

核心壁垒

软件交互设计与生态

行业数据沉淀与自主性

核心受众

操作软件的白领

最终结果的需求方

典型代表

Salesforce / SAP

垂直领域智能体独角兽

在这场变革中，先行者的优势正在被清零。

因为在法律、医疗、工业设计等领域，AI 调用量的极低占比（均低于 2.0%）意味着大家都在同一起跑线上。

这种产业空间的巨大留白，正是未来 300 个新独角兽的出生证。

我们需要保持极强的战略定力，死磕那些 1.0% 份额的“深水区”。

在过去三十年的 IT 革命中，法律、医疗、金融这些行业的单位生产力成本几乎没有下降。

相反，这些行业的收费标准（如律师的时薪、医生的诊疗费）每年以超过通胀的速度在增长。

原因很简单。传统的 SaaS 只是把纸质文档变成了电子文档，它没有替代人类的脑力交付。

但在垂直 AI 时代，逻辑变了。我们要做的不是“数字化”，而是“自动化交付”。

Anthropic 的报告显示，目前全球用户对 AI 的信任还处于极其谨慎的初级阶段。

在 METR 的独立评估中，Claude 已经展现出能够独立处理长达 5 小时复杂任务的能力 。

但在实际的应用场景里，全球最顶尖的那 0.1% 的激进用户，平均也只让 AI 连续工作 42 分钟 。

这中间存在一个巨大的“信任红利”空间。

这个空间在垂直行业中表现得尤为明显。

比如在医疗领域，智能体的调用量目前仅占 1.0% 。

这个 1.0% 的背后，不是因为医疗行业不需要 AI，而是因为这个行业的“容错空间”极低 。

在软件工程领域，代码写错了可以回滚，报错了可以重试，所以它占了 49.7% 的份额 。

但在医疗账单审核或法律合同检索中，一个细微的错误就可能导致合规灾难或巨额诉讼。

这就决定了垂直 AI 的创业逻辑：谁能通过深度封装行业知识，将 AI 的“幻觉”控制在行业监管可接受的范围内，谁就能拿走那 13% 的服务经济份额。

我看到很多初创公司试图在通用大模型外面包一层界面，就自称是垂直 AI 专家。

这种“AI 壳”公司在真正的产业博弈中毫无还手之力。

真正的壁垒在于对“遗留工作流”的解构。

你需要比客户自己更懂他们的业务痛点，比监管部门更懂合规的边界。

Box 的 CEO Aaron Levie 曾指出，垂直 AI 的防御性来自于推动组织内部的变革 。

当你的智能体开始处理医疗报销、建筑许可审批这些深水区业务时，你不仅是在卖软件。

你是在重塑这个行业的利益分配链条。

行业领域

当前智能体渗透率

AI 关键替代目标

核心准入门槛

医疗保健

1.0%

账单审核、病历录入、保险报销

医疗合规与极端容错率

法律服务

0.9%

证据开示、合同审查、合规检索

行业 Know-how 与保密性

金融会计

4.3%

审计自动化、税务筹划、风险评估

实时数据交互与监管适配

教育辅导

个性化教学方案、作业批改

认知逻辑构建与交互质量

看这张表你会发现，每一个渗透率低于 5% 的行业，都是一个尚未被开垦的万亿级荒原。

这也是为什么 Garry Tan 会说，如果你现在创业，应该盯着那张柱状图上的空白区域直到看到未来 。

这些领域不需要你卷模型参数，需要你卷行业深度。

谁能率先把 AI 连续工作时长从 42 分钟提升到 5 小时，谁就能在这场博弈中拿到通往下一个十年的入场券。

我最近在研究中国高端制造与全球产业链的耦合关系时发现，传统的 SaaS 软件正在成为一种“昂贵的枷锁”。

一家中型外贸制造企业，每年支付给各类 ERP、CRM 和供应链管理软件的订阅费大约占其净利润的 3.5%。

但这些软件并没有帮他们多拿下一个海外订单，也没有减少哪怕一个报关员的工作量。

因为传统 SaaS 的本质是“数字化的行政负担”，它需要大量高薪的初级白领去填充数据。

垂直 AI 时代的真正机会，在于把这些“操作软件的人”直接变成“模型中的逻辑”。

根据 Anthropic 的实测数据，AI 智能体在处理后端办公自动化（Backoffice automation）时的调用量已经达到 7.5%。

虽然这比软件工程的 49.7% 低得多，但它展现出了极强的“跨行业穿透力”。

在金融和会计领域，这个数字是 4.3%；在销售与 CRM 领域，是 4.4%。

这些数据背后，是一场关于“劳动替代”的产业博弈。

过去，美国、德国的咨询公司通过输出“标准管理流程+软件”来赚取高额的溢价。

现在，这种模式正在被能够自主执行任务的智能体瓦解。

我观察到，在一些头部的跨境电商产业带，已经出现了能够自动处理 1.3% 份额的 E-commerce 运营智能体。

它们不再仅仅是记录库存，而是自主分析市场波动、调整广告出价、处理多语言退货纠纷。

这种从“记录”到“决策”的跃迁，让软件的天花板直接捅破了原有的天花板。

Bessemer Venture Partners 预测，AI 版本的垂直应用定价将是传统 SaaS 的 10 倍。

这多出来的 9 倍溢价，不是因为软件更好用了，而是因为它直接抵扣了原来发给员工的工资。

业务环节

传统 SaaS 赋能方式

垂直 AI 替代方案

成本结构变化

供应链采购

手工录入询价单

AI 自动全网比价并谈判

减少 70% 采购员操作时间

跨境客服

呼叫中心+话术库

多模态 AI 实时视频/语音

降低 85% 人力支出

质量合规

专家人工审核文档

AI 实时扫描合规风险

错误率从 5.2% 降至 0.1%

销售拓客

邮件模板群发

AI 模拟真人进行深度领英开发

转化率提升 42.5%

在这一节的博弈中，中国企业的优势在于我们拥有全球最全的工业门类和最复杂的业务场景。

当美、日、韩的开发者还沉溺于 49.7% 的代码世界里自我陶醉时。

中国的一批创业者已经开始在物流（0.6%）、旅游（0.5%）等“脏活累活”里磨炼模型的自主性。

这是一种典型的“唯物主义”竞争路径：不拼算法的玄学，拼的是对产业链深处毛细血管的控制力。

这种防御性极强，一旦你在医疗账单或工业设计领域训练出了具备 5 小时自主工作能力的智能体。

老牌 SaaS 巨头即便想转型，也会发现自己被困在旧有的订阅合同和利益分配体系里动弹不得。

这就是所谓的“创新的窘境”在 AI 时代的产业复现。

我们要保持冷峻的观察，盯着那些调用量只有 1% 左右的冷门行业。

那里的每一分增长，都是对旧有分配格局的精准爆破。

我最近在思考一个关于“产业主权”的问题。

在全球 SaaS 市场的产值分布中，北美企业占据了约 65.0% 的份额，而中国企业在通用型 SaaS（如 HR、财务软件）中的国际份额甚至不足 5.0%。

这背后的逻辑是：传统软件是基于西方管理学逻辑构建的，中国企业一直在“补课”。

但垂直 AI 的崛起，给了我们一次彻底重构全球产业分工的机会。

Anthropic 的研究揭示了一个极其关键的趋势：随着用户经验的增加，他们对智能体的“自动批准（Auto-approve）”比例在迅速提升。

对于新用户，只有 20.0% 的会话开启了全自动模式；而对于资深用户，这一比例正在向 50.0% 迈进。

这意味着，垂直 AI 正在从“需要盯着看的学徒”变成“不需要管的熟练工”。

在物流与旅游（目前调用量仅 0.5%-0.6%）这些毛利极薄、极度依赖规模效应的行业。

一旦这种“全自动模式”突破了某个行业奇点，传统的海外中间商将瞬间失去竞争力。

因为智能体没有休息日，不需要支付昂贵的社保，更重要的是，它能实现 0.1% 以下的极低差错率。

我建议关注那些在 16 个行业分类中尚未被定义的“灰色地带”。

这些地带往往是高端制造业与服务业的交叉口，比如精密仪器的远程维护（目前在数据图中甚至未被独立标注）。

我坚信，未来的 300 个垂直 AI 独角兽中，至少有 30% 将诞生在中国。

因为我们拥有最极致的效率追求和最复杂的落地场景。

区域博弈维度

发达国家 SaaS 巨头

中国垂直 AI 新势力

核心存量

存量订阅合同（Legacy Contracts）

增量任务交付（Task Completion）

技术路径

云计算 + 静态交互

大模型 + 行业智能体（Agents）

份额争夺点

维持 1.0% 的软件开支

进攻 13.0% 的服务成本

战略重心

硅谷的算法与生态

产业带的场景与数据

这是一个长周期的竞争，我们必须有足够的战略定力。

不要去羡慕那 49.7% 的代码市场，那里是红海，是天才程序员们内卷的角斗场。

去死磕那 1.0% 的医疗、0.9% 的法律、0.6% 的物流。

在那里，只要你把智能体的自主性从 42 分钟提升到 5 小时，你就掌握了定价权。

这不是在写软件，这是在重组全球的生产力要素。