為什么垂直AI應(yīng)用正在改寫游戲規(guī)則

你是否也相信，OpenAI 那一萬億美元的估值意味著通用 AI 會吞噬整個經(jīng)濟(jì)？如果你這么想，那可能需要重新審視一下了。最近讀到 Nikhil Davar 和 Byrne Hobart 的一篇深度分析，徹底改變了我對 AI 應(yīng)用競爭格局的看法。他們提出了一個極具顛覆性的觀點：真正能夠捕獲巨大經(jīng)濟(jì)價值的，可能不是那些試圖成為"萬能路由器"的通用 AI 平臺，而是那些深耕在特定垂直領(lǐng)域、位于經(jīng)濟(jì)活動邊緣的專業(yè)化 AI 應(yīng)用。

而他們用來證明這個觀點的案例更是讓人震驚：OpenEvidence，一家醫(yī)療領(lǐng)域的 AI 公司，最近以 120 億美元的估值完成融資，比去年 10 月的 60 億美元估值翻了一倍。更驚人的是，他們的廣告收入年化已經(jīng)達(dá)到 1.5 億美元，并且以每月 30% 的速度增長，毛利率高達(dá) 90%。一家成立不到幾年的公司，已經(jīng)聚合了美國 50% 以上的醫(yī)生，每天使用時長平均 14 分鐘。上一次有技術(shù)產(chǎn)品被醫(yī)生群體如此快速采用，還是 Google 出現(xiàn)的時候。

這個案例讓我開始深入思考一個問題：在 AI 時代，通用平臺和垂直應(yīng)用之間的競爭格局，到底會如何演變？為什么一個專注醫(yī)療領(lǐng)域的 AI 應(yīng)用，能夠在 OpenAI、Anthropic 和 Google 這些巨頭的包圍下，不僅生存下來，還能建立起幾乎不可撼動的護(hù)城河？

PS：我的出海新書已經(jīng)上架了，我特意申請了公眾號讀者專屬的優(yōu)惠鏈接，可以享受半價折扣，歡迎感興趣的朋友購買。

同時我還特地建立了實名制的讀者群，我會在群里定期解答一些問題和開展線上線下活動，歡迎購書的朋友實名制入群，大家一塊交流，共同出海！

Router 的本質(zhì)是什么

Davar 和 Hobart 在幾個月前提出了一個非常有意思的概念框架，叫做"Routers, Apps, AGI"。他們的核心觀點是：AI chatbot（聊天機(jī)器人）的真正價值，不在于它能回答多少問題，而在于它能把查詢路由到任何可以回答這些問題的工具上——可能是另一個模型，可能是第三方服務(wù)，可能是服務(wù)提供商的結(jié)賬頁面，也可能是需要雇傭的顧問的聯(lián)系方式。本質(zhì)上，這是一個 Hayekian（哈耶克式）的愿景：最大的問題是通用的信息傳輸。

我對這個觀點的理解是：每當(dāng)世界上任何地方發(fā)生變化，都會以不可預(yù)測的方式改變?nèi)藗兊淖顑?yōu)行為。你需要某種系統(tǒng)將這些信息傳遞給目標(biāo)接收者，同時不會用瑣碎信息淹沒他們。價格機(jī)制是一種優(yōu)雅的解決方案，但按需智能可以在更多維度上運作。換句話說，AGI（通用人工智能）不是數(shù)據(jù)中心里的諾貝爾獎得主，而是一種超人類的協(xié)調(diào)技術(shù)，代表著經(jīng)濟(jì)本身的某種高保真模擬。

想象一下，如果我們都戴著 Google Glasses，或者更進(jìn)一步，擁有某種腦機(jī)接口，那么 Google 獨家訪問這些高保真的實時傳感器，就能通過組織世界上所有高熵信息來協(xié)調(diào)大量經(jīng)濟(jì)活動，而且是在信息創(chuàng)建的那一刻就開始組織。OpenAI 大約一萬億美元的估值，就是在押注 OpenAI 能夠在更大的經(jīng)濟(jì)份額上應(yīng)用這種路由過程，或者比任何其他公司更精確地做到這一點。

但我認(rèn)為這個愿景有一個關(guān)鍵假設(shè)：通用 router（路由器）能夠獲得足夠的傳感器數(shù)據(jù)，并且能夠建立足夠的信任，讓用戶愿意通過它來完成各種任務(wù)。而 Davar 和 Hobart 的文章恰恰指出了這個假設(shè)的問題所在：有太多經(jīng)濟(jì)上有價值但難以識別的"暗物質(zhì)"，是中心化的大型實驗室看不到的。而那些更專注的垂直應(yīng)用，已經(jīng)在看到這些經(jīng)濟(jì)上有價值的問題，并且會在相當(dāng)長一段時間內(nèi)繼續(xù)這樣做。

OpenEvidence 如何建立不可復(fù)制的護(hù)城河

OpenEvidence 的案例之所以引人入勝，是因為它清晰地展示了垂直 edge router（邊緣路由器）如何在巨頭的夾縫中不僅生存，還能茁壯成長。他們的策略可以總結(jié)為三個詞：信任、獨家性和復(fù)合效應(yīng)。

醫(yī)生可能是世界上最看重資質(zhì)認(rèn)證的群體之一，部分原因是他們整個成年早期都在賺取一個人為稀缺的資質(zhì)。一個技術(shù)取代資質(zhì)、取代人類專業(yè)知識的可識別信號、取代專家機(jī)構(gòu)的世界，會讓醫(yī)生感到非常不舒服。Davar 和 Hobart 提到了一個很生動的建議：下次你去看醫(yī)生時，問問他們關(guān)于你在 Google 或 ChatGPT 上找到的某些健康建議，觀察他們的面部表情和反應(yīng)。我自己也試過類似的情況，醫(yī)生的反應(yīng)通常是介于懷疑和不屑之間。

OpenEvidence 深刻理解了這一點，并實施了一套完整的可信度策略。他們明確地與那些在開放互聯(lián)網(wǎng)上訓(xùn)練的實驗室進(jìn)行對比定位。那些實驗室的訓(xùn)練數(shù)據(jù)包括健康博客、社交媒體等等——任何用"醫(yī)生討厭這個奇怪技巧"來營銷的療法都會出現(xiàn)在廣泛的訓(xùn)練數(shù)據(jù)集中。OpenEvidence 則訓(xùn)練了一套專門的模型集合，完全基于 3500 萬份同行評審的來源，最初是從 FDA、CDC、PubMed 等公共領(lǐng)域材料開始的。他們的模型在訓(xùn)練或推理期間與公共互聯(lián)網(wǎng)完全沒有連接。

這意味著他們早期系統(tǒng)的幻覺風(fēng)險明顯低于 o1 之前的推理范式 LLM，而且產(chǎn)品是免費的，所以醫(yī)生開始病毒式地采用它。這里有一個非常聰明的地方：那些早期采用者中，恰好有一些人是最負(fù)盛名的醫(yī)學(xué)期刊編輯委員會的高級成員。這導(dǎo)致了下一個關(guān)鍵環(huán)節(jié)：OpenEvidence 能夠鎖定與 JAMA、NEJM、NCCN、美國醫(yī)學(xué)會、所有 11 種 JAMA 專科期刊、美國家庭醫(yī)師學(xué)會、美國急診醫(yī)師學(xué)院等的獨家內(nèi)容合作伙伴關(guān)系。

這里有一個特別有意思的細(xì)節(jié)。OpenEvidence 的 CEO Daniel Nadler 提供了一些背景信息：一些資金雄厚的 AI 公司向 NEJM 投入了大量資金，但他們拒絕了。如果 NEJM 是一家私營公司，他們可能會同意，但他們是非營利組織，所以他們拒絕了，因為馬薩諸塞州醫(yī)學(xué)會作為非營利組織，更關(guān)心作為非營利組織使命的神圣性和純潔性，而不是只想獲得某種快速商業(yè)合同。事實上，是 NEJM 主動聯(lián)系 OpenEvidence，而不是相反："在我們的案例中，我們沒有出現(xiàn)在他們門口。新英格蘭醫(yī)學(xué)雜志編輯委員會中有很多高級人物是 OpenEvidence 的重度用戶，他們希望他們的內(nèi)容出現(xiàn)在他們正在使用的東西中。"

我認(rèn)為這個案例揭示了一個深刻的洞察：在某些垂直領(lǐng)域，資質(zhì)認(rèn)證和信任不僅僅是營銷手段，它們是產(chǎn)品本身的核心組成部分。通用 AI 平臺無法復(fù)制這一點，因為它們的價值主張本質(zhì)上是通用性和便利性，而不是在特定領(lǐng)域的深度專業(yè)性和可信度。

Dark Matter 的概念：無法被發(fā)現(xiàn)只能被創(chuàng)造的價值

Davar 和 Hobart 文章中最讓我震撼的部分，是關(guān)于"dark matter"（暗物質(zhì)）的討論。這不是物理學(xué)上的暗物質(zhì)，而是指那些在經(jīng)濟(jì)上極具價值但難以識別的上下文信息。OpenEvidence 所創(chuàng)造的暗物質(zhì)，是醫(yī)生基于高熵、特殊患者情況的臨床不確定性。

這里有一個關(guān)鍵的認(rèn)知轉(zhuǎn)變：這種暗物質(zhì)不是被發(fā)現(xiàn)的，而是被創(chuàng)造的。它之所以被創(chuàng)造，完全是因為信任的存在。中心化路由器無法通過提供更優(yōu)越的通用智能來復(fù)制這一點，因為醫(yī)生不會為他們不信任的平臺生成上下文。你可以將醫(yī)生向 OpenEvidence 詢問或透露的內(nèi)容集合，建模為他們非常猶豫向 ChatGPT 詢問的確切內(nèi)容集合：缺乏信任會創(chuàng)造極高的驗證成本，而不驗證不受信任的輸出帶來的不對稱下行風(fēng)險，意味著有價值的上下文根本不會被生成。

我對這一點的理解是：這完全顛覆了關(guān)于上下文和 AI 的常見假設(shè)。默認(rèn)的心智模型是一種發(fā)現(xiàn)模型：有價值的信息存在于世界上某個地方，傳感器的工作就是去找到它，抓取它，然后將其傳回路由器。但 OpenEvidence 的服務(wù)更接近于銷售對知情猜測的確認(rèn)，加上支持它的文檔。

醫(yī)生的思維軌跡——將關(guān)于患者癥狀、診斷結(jié)果、病史的實時數(shù)據(jù)流以及他們所有先前的知識和直覺歸結(jié)為臨床假設(shè)，特別是他們對假設(shè)的懷疑（"臨床不確定性"）——此前在任何其他系統(tǒng)中都不存在，無論是本地、云端、紙上，哪里都沒有。也許當(dāng)醫(yī)生向另一個他們信任的醫(yī)生詢問特定患者場景的建議時，它作為電波存在過。沒有人能夠大規(guī)模實時地調(diào)查醫(yī)生的診斷不確定性；最好的醫(yī)生不會填寫調(diào)查問卷，即使他們填了，填寫調(diào)查問卷的行為在質(zhì)量上也不同于從真實、新穎患者案例的持續(xù)流中，在真實的壓力和不確定性下透露的上下文。

Mercor、Surge 和 Scale 這些公司正在試圖為大型實驗室復(fù)制這一點，但質(zhì)量不一樣，大量的體面輸入也無法彌補(bǔ)最佳輸入的質(zhì)量：那些雇傭醫(yī)生為通用 AI 工具提供和評價答案的公司，雇傭的是那些沒有通過使用專用 AI 工具賺大錢的醫(yī)生，而且可能會受到負(fù)面選擇。這很難改變，因為存在貨幣的時間價值。Mercor、Surge、Scale 等公司付錢讓你訓(xùn)練一個模型，而該訓(xùn)練的輸出在未來某個時間點會有價值。患者或保險公司今天就在為醫(yī)生的輸出付費，而這些輸出對他們來說（至少在理論上）今天就極具價值。

這個洞察讓我重新思考了 AI 應(yīng)用的競爭優(yōu)勢來源。不是誰擁有更大的模型，不是誰擁有更多的計算資源，而是誰能夠創(chuàng)造出一個環(huán)境，讓用戶愿意在其中透露他們最有價值的思考和不確定性。這種價值創(chuàng)造是關(guān)系性的，是交互性的，無法通過簡單的數(shù)據(jù)抓取或模型升級來復(fù)制。

垂直 Edge Router 的五個價值維度

Davar 和 Hobart 提出了一個非常有用的框架來理解 router 的價值。他們認(rèn)為，router 的價值超越了原始智能，是以下幾個因素的某種乘法函數(shù)：解決問題的絕對人數(shù)、這些人的經(jīng)濟(jì)價值、為他們解決的問題的相對經(jīng)濟(jì)價值、用戶浮現(xiàn)的解決問題所需信息的比例，以及你能夠多完整地解決這些問題。

OpenEvidence 在所有這五個維度上都極具優(yōu)勢。他們?yōu)獒t(yī)生解決問題（美國收入最高的專業(yè)人士），而且為很多醫(yī)生解決：截至上個月，美國 50% 以上的醫(yī)生，即 60 萬人，正在使用 OpenEvidence，平均每天使用 14 分鐘。他們解決的是醫(yī)生面臨的經(jīng)濟(jì)價值最高的問題：臨床決策，也就是在不確定性和實時情況下對患者的實際診斷和治療。而且他們是迄今為止最完整的解決方案：基于最負(fù)盛名的醫(yī)學(xué)期刊的證據(jù)，在 USMLE（美國醫(yī)師執(zhí)照考試）上得分 100%，幫助醫(yī)生將患者匹配到可能挽救生命的臨床試驗，建議最有可能解決患者問題并幫助醫(yī)生完成工作的上下文感知治療路徑、藥物、醫(yī)療設(shè)備等等。

我特別欣賞這個框架的地方在于，它強(qiáng)調(diào)了"完整性"的重要性。很多 AI 應(yīng)用只是提供信息或建議，但無法真正執(zhí)行或完成任務(wù)。OpenEvidence 則在不斷擴(kuò)展它的"actuator"（執(zhí)行器）能力。他們今天的主要執(zhí)行器是提供廣告（將醫(yī)生的注意力路由到制藥公司），但臨床試驗匹配是一個完全不同的、更有價值的執(zhí)行器（將患者路由到試驗）。下一個邏輯執(zhí)行器可能是事前授權(quán)自動化（路由付款），很難看到這會在哪里停止：每個新執(zhí)行器都擴(kuò)展了 OpenEvidence 可以訪問和執(zhí)行的解決方案集合，同時對中心化路由器保持上下文的暗化。

這讓我想到，AI 應(yīng)用的真正護(hù)城河可能不在于 AI 技術(shù)本身，而在于它能夠建立的完整價值鏈。從信息到建議，從建議到執(zhí)行，從執(zhí)行到結(jié)果驗證，每一步都在深化與用戶的關(guān)系，創(chuàng)造更多的暗物質(zhì)，吸引更多的解決方案提供商。這是一個自我強(qiáng)化的飛輪，而通用 AI 平臺很難在所有垂直領(lǐng)域同時建立這樣的飛輪。

為什么通用 AI 無法贏者通吃

這篇文章給我最大的啟發(fā)，是它挑戰(zhàn)了"通用 AI 將贏者通吃"的主流敘事。OpenAI、Anthropic 和 Google 都推出了醫(yī)療保健產(chǎn)品，那么為什么 OpenEvidence 還能有持久性？答案歸結(jié)為復(fù)合信任以及這種信任所帶來的能力。

文章中提到了一個深刻的認(rèn)識論失敗模式，我覺得值得深入思考。大型實驗室的整個智能理論都預(yù)設(shè)：更多數(shù)據(jù)和更多計算在所有領(lǐng)域產(chǎn)生更有能力、經(jīng)濟(jì)上更有價值的系統(tǒng)。他們的商業(yè)模式、資本支出策略和投資者敘事都迫切希望這是真的。OpenEvidence 的成功是一個非常好的反例：它使用在少得多的數(shù)據(jù)上訓(xùn)練的專門模型創(chuàng)造了巨大的經(jīng)濟(jì)價值。大型實驗室不容易承認(rèn)，在最具經(jīng)濟(jì)價值的領(lǐng)域之一，正確類型的較少數(shù)據(jù)優(yōu)于每種類型的更多數(shù)據(jù)。

在某種程度上，承認(rèn)這一點會質(zhì)疑他們的整個策略，或者至少表明他們可能在問錯誤的問題。這也意味著，與其從更好的模型中獲得一次大勝利，不如在所有有足夠訓(xùn)練數(shù)據(jù)產(chǎn)生專門模型的 N 個主題上獲得 N 次大勝利，其中沒有一個完全值得成為頭條新聞。在這一點上，他們的業(yè)務(wù)更接近 Bloomberg 或 FactSet 的業(yè)務(wù)：收集和清理數(shù)據(jù)仍然有很多收入（和利潤！），但它不像通用智能產(chǎn)品那樣擴(kuò)展。

我認(rèn)為這個觀察非常深刻。它暗示了 AI 的未來可能不是一個統(tǒng)一的通用智能平臺統(tǒng)治一切，而是無數(shù)個垂直專業(yè)化的 AI 應(yīng)用，每個都在自己的領(lǐng)域建立深度護(hù)城河。這些應(yīng)用的總價值可能遠(yuǎn)遠(yuǎn)超過任何單一通用平臺的價值，因為它們能夠更深入地滲透到經(jīng)濟(jì)活動的各個角落，創(chuàng)造和捕獲那些通用平臺無法觸及的暗物質(zhì)。

飛輪效應(yīng)：信任如何創(chuàng)造不可復(fù)制的優(yōu)勢

OpenEvidence 的成功可以概括為一個強(qiáng)大的飛輪：獨家的 credentialed ground truth（有資質(zhì)認(rèn)證的基礎(chǔ)真相）使傳感器值得信任 → 信任使?jié)撛诎滴镔|(zhì)變得可識別（50% 以上的美國醫(yī)生每天透露他們的臨床不確定性，因為他們信任傳感器）→ 可識別的暗物質(zhì)在不泄露給中心化路由器的情況下私下貨幣化（制藥公司為訪問醫(yī)生最高意圖時刻支付 70-150 美元的 CPM）→ 越來越多的解決方案，從臨床試驗患者招募到事前授權(quán)再到醫(yī)療設(shè)備發(fā)現(xiàn)等，不斷接入，并復(fù)合暗物質(zhì)的生成和捕獲。

隨著越來越多的邊緣/領(lǐng)域特定問題被識別并通過越來越大的解決方案賬本準(zhǔn)確、完整地解決，一個新的信號被創(chuàng)建并復(fù)合：領(lǐng)域中經(jīng)過驗證的結(jié)果。這些經(jīng)過驗證的結(jié)果（某些匹配解決某些問題的效果如何）可以通過強(qiáng)化學(xué)習(xí)來改進(jìn)邊緣路由器。這是一個失控的優(yōu)勢，如果沒有前面的步驟以及讓這個過程成熟所需的時間，是很難復(fù)制的。

我特別想強(qiáng)調(diào)的是時間維度的重要性。這不是那種可以通過投入更多資源快速復(fù)制的優(yōu)勢。信任需要時間建立，獨家合作關(guān)系需要時間積累，用戶行為數(shù)據(jù)需要時間沉淀，結(jié)果驗證需要時間觀察。即使 OpenAI 明天決定全力進(jìn)軍醫(yī)療領(lǐng)域，他們也無法在短期內(nèi)獲得 NEJM 的獨家合作，無法讓醫(yī)生群體立即信任他們，無法快速積累 60 萬醫(yī)生每天 14 分鐘使用時長所產(chǎn)生的暗物質(zhì)。

這讓我想到了投資中的復(fù)利概念。OpenEvidence 每天都在復(fù)利他們的優(yōu)勢：更多的使用產(chǎn)生更多的數(shù)據(jù)，更多的數(shù)據(jù)吸引更多的合作伙伴，更多的合作伙伴提供更好的解決方案，更好的解決方案吸引更多的用戶。這個飛輪一旦轉(zhuǎn)起來，就會產(chǎn)生巨大的動能，很難被打破。

臨床試驗匹配：Actuator 擴(kuò)展的典型案例

文章中提到的一個具體例子特別能說明問題：OpenEvidence 剛剛推出了臨床試驗匹配和患者招募功能。制藥公司目前每年向 CRO（臨床研究組織）支付數(shù)十億美元來招募患者進(jìn)行臨床試驗并運行這些試驗，非常緩慢且低效。如果 OpenEvidence 能夠比 CRO 更快地填充三期試驗，并且匹配更好的患者，制藥公司將受益匪淺。招募期越快，試驗開始得越快，患者越好，試驗成功的可能性就越高。

一個更快、成功可能性更高的試驗意味著藥物在專利保護(hù)下獲得壟斷利潤的時間更長。具體來說，平均制藥公司目前每年僅在患者招募上就花費約 20 億美元（每位患者約 4 萬美元），80% 的試驗延遲。每延遲一天，根據(jù)藥物不同，損失的收入在 60 萬到 800 萬美元之間。對于重磅藥物（如 GLP、Keytruda 等），專利保護(hù)下的單日價值約為 800 萬美元。制藥公司愿意支付遠(yuǎn)高于 70-150 美元 CPM 的價格來加速這一過程。

這個例子讓我深刻理解了 actuator（執(zhí)行器）擴(kuò)展的概念。OpenEvidence 今天的主要執(zhí)行器是提供廣告，但臨床試驗匹配是一個完全不同的、更有價值的執(zhí)行器。下一個邏輯執(zhí)行器可能是事前授權(quán)自動化，很難看到這會在哪里停止。每個新執(zhí)行器都擴(kuò)展了 OpenEvidence 可以訪問和執(zhí)行的解決方案集合，同時對中心化路由器保持上下文的暗化。

我認(rèn)為這揭示了垂直 AI 應(yīng)用的一個關(guān)鍵優(yōu)勢：它們可以沿著價值鏈自然擴(kuò)展，因為它們深度嵌入在特定的行業(yè)生態(tài)系統(tǒng)中。通用 AI 平臺可能能夠在表面層面提供類似的功能，但無法像垂直應(yīng)用那樣深入到行業(yè)的核心流程和決策環(huán)節(jié)中。

中間游戲：Edge Router 的時代

Davar 和 Hobart 使用了"middle game"（中間游戲）這個術(shù)語來描述當(dāng)前的狀態(tài)。從理論上講，隨著時間的推移，實驗室和中心化的經(jīng)濟(jì)世界模型應(yīng)該能夠獲得一切，但存在一個中間游戲，非常值得深入考慮——特別是因為游戲規(guī)則正在逐漸揭示。

我對這個"中間游戲"的理解是：我們正處在一個過渡期，通用 AI 的愿景尚未完全實現(xiàn)，但垂直 AI 應(yīng)用已經(jīng)在創(chuàng)造實實在在的價值。這個過渡期可能會持續(xù)很長時間，長到足以讓那些在垂直領(lǐng)域建立了強(qiáng)大護(hù)城河的公司，成長為難以撼動的巨頭。

文章的結(jié)尾部分提出了一個一般化的論點，我覺得非常有說服力：無論哪里存在兩個（或更多）經(jīng)濟(jì)上有價值但難以識別的上下文池，而中心化路由器無法橋接（或不被信任橋接），邊緣路由器都有機(jī)會創(chuàng)建受信任的傳感器，生成并捕獲暗物質(zhì)，并使其對愿意付費的市場參與者可識別。

這個框架可以應(yīng)用到很多其他垂直領(lǐng)域。法律領(lǐng)域有沒有類似的暗物質(zhì)？金融領(lǐng)域呢？教育領(lǐng)域呢？制造業(yè)呢？我認(rèn)為答案是肯定的。在每個這樣的領(lǐng)域，都存在著只有深度嵌入該領(lǐng)域的專業(yè)化 AI 應(yīng)用才能捕獲的價值。

我的反思：通用與專業(yè)的辯證法

讀完這篇文章，我對 AI 應(yīng)用的競爭格局有了全新的認(rèn)識。過去我傾向于相信"通用 AI 將統(tǒng)治一切"的敘事，但現(xiàn)在我意識到這可能過于簡化了。現(xiàn)實可能更接近于一個多層次的生態(tài)系統(tǒng)：通用 AI 平臺提供基礎(chǔ)能力，但真正的價值捕獲發(fā)生在垂直應(yīng)用層。

OpenEvidence 的案例讓我特別深刻地意識到，在某些領(lǐng)域，信任和專業(yè)性不是可以通過更強(qiáng)大的技術(shù)能力來彌補(bǔ)的東西。醫(yī)生不會僅僅因為 ChatGPT 更聰明就開始向它透露他們的臨床不確定性。同樣，律師不會僅僅因為通用 AI 能夠理解法律文本就開始依賴它來做關(guān)鍵決策。在這些高風(fēng)險、高專業(yè)性的領(lǐng)域，建立信任需要的不僅是技術(shù)能力，還需要領(lǐng)域?qū)I(yè)性、合規(guī)性、與行業(yè)標(biāo)準(zhǔn)和實踐的深度整合。

我也開始思考這對創(chuàng)業(yè)者意味著什么。如果你正在構(gòu)建 AI 應(yīng)用，也許不應(yīng)該試圖成為下一個 OpenAI，而應(yīng)該找到一個足夠大、足夠有價值的垂直領(lǐng)域，在那里建立深度護(hù)城河。關(guān)鍵是找到那些存在大量"暗物質(zhì)"的領(lǐng)域——那些有價值但難以被通用平臺捕獲的上下文信息。

從投資角度看，這也改變了我對 AI 公司估值的看法。OpenEvidence 120 億美元的估值，在傳統(tǒng)軟件公司的標(biāo)準(zhǔn)下可能顯得過高，但如果你理解了他們所建立的飛輪效應(yīng)和護(hù)城河的深度，這個估值就開始顯得合理了。他們不僅僅是一個軟件工具，而是醫(yī)療決策生態(tài)系統(tǒng)中的一個關(guān)鍵節(jié)點，能夠創(chuàng)造和捕獲其他任何人都無法觸及的價值。

最后，我想說的是，這篇文章最有價值的地方，不是它預(yù)測了未來會發(fā)生什么，而是它提供了一個清晰的框架來思考 AI 應(yīng)用的競爭優(yōu)勢來源。無論你是創(chuàng)業(yè)者、投資者還是從業(yè)者，理解"edge router"的概念、"dark matter"的本質(zhì)、以及信任和專業(yè)性在某些垂直領(lǐng)域的不可替代性，都會幫助你在這個快速演變的領(lǐng)域中做出更好的判斷。

AI 的未來可能不是一個贏家通吃的游戲，而是一個既有通用平臺又有無數(shù)垂直應(yīng)用的生態(tài)系統(tǒng)。在這個生態(tài)系統(tǒng)中，真正的價值捕獲可能發(fā)生在那些能夠在特定領(lǐng)域建立深度信任、持續(xù)創(chuàng)造和捕獲暗物質(zhì)、并不斷擴(kuò)展其執(zhí)行器能力的垂直應(yīng)用身上。這是一個令人興奮的時代，因為它意味著機(jī)會不僅僅屬于那些資源最雄厚的科技巨頭，也屬于那些能夠深刻理解特定領(lǐng)域需求、建立真正信任關(guān)系的專業(yè)化團(tuán)隊。

結(jié)尾

也歡迎大家留言討論，分享你的觀點！

覺得內(nèi)容不錯的朋友能夠幫忙右下角點個贊，分享一下。您的每次分享，都是在激勵我不斷產(chǎn)出更好的內(nèi)容。

歡迎關(guān)注深思圈，一起探索更大的世界。

- END -

兩個“特別坑”的AI產(chǎn)品創(chuàng)業(yè)方向，你知道嗎

速度將成為AI時代唯一的護(hù)城河

a16z重磅預(yù)測：Vibe coding贏者通吃？錯了，垂直專業(yè)化才是未來