大部分 AI 赛道已然定型，但更多的机会正在前方。
本文作者 Elad Gil 拥有麻省理工学院（MIT）数学和生物学博士学位，曾在 Google 负责 AI 和移动产品，也曾担任 Twitter 副总裁（Twitter 收购了他创办的 Mixerlabs）。他创办过多家公司，包括 Mixerlabs 和 Color Health，并积极孵化和投资新兴科技企业。
作为投资人，Elad Gil 以极早期投资著称，投资过 Airbnb、Stripe、Coinbase、Notion、Figma 等知名公司，以及 Harvey、Perplexity、Character.AI、Mistral 等领先的 AI 创业公司。
一、AI 市场已经成型
在过去 4 年中，AI 市场发生了显著演变。当 GPT-3 发布并在 AI 文献中公开讨论缩放定律时，似乎很清楚你可以从 GPT-2 到 GPT-3 的进步速率外推到 GPT-4、5 等，从而意识到一场革命即将发生。
4 年前，我开始寻找生成式 AI 公司来投资或帮助启动，基于这一曲线。我最终领导或参与了 Harvey、Perplexity、Character.AI、BrainTrust 等公司的早期轮融资。当时，很明显只需 “支持所有最优秀的人才解决所有最大的问题”，因为实际上很少有人真正启动生成式 AI 公司。OpenAI 似乎是唯一明确的基础模型公司（Anthropic 尚未推出但前景看好，Llama 尚不存在，而 Google 显然是一个能够（并最终会）积极创新的公司，但当时被其内部流程所阻碍）。
随着核心 AI 社区以外的更多人意识到这一机会，或者主要实验室的研究人员和工程师离开去创办新的 AI 公司，AI 世界变得更加模糊。我曾经说过，我对 AI 了解得越多，就越觉得自己对 AI 一无所知 —— 因为在许多早期市场中，谁可能是获胜者尚不清楚，而且底层模型和技术变化如此之快。例如，在 2022 年，很明显代码 / AI 驱动的软件工程将变得重要，但谁会成为获胜者还不清楚（例如 Cursor 直到 2023 年才推出，Codium 的 Windsurf 大约 9 个月前才进入 GA，而 Cognition 的 Devin 略超过一年前才有限发布）。
我们现在进入了一个时代，第一批 AI 市场已经固化，一组可能的获胜者已经出现。这并不意味着其他人不会随着时间推移进入这些市场竞争，或者当前领导者不会被收购或最终消亡（就像 Stripe 在 PayPal 推出十多年后、Braintree 推出四五年后才推出，Facebook 在 Friendster 和 Myspace 推出几年后才推出）。我们还将看到新一组市场在未来几年成型，而这些市场目前似乎相当不确定。
二、更清晰的市场
1. 基础模型：LLM
有许多类型的基础模型，包括大型语言模型（LLM），以及用于语音、图像、视频、音乐、化学、生物学、材料、物理和其他领域的模型。基础模型通常由规模驱动（数据、计算、某些类型的后训练和反馈等）。规模意味着资本，因此要在 LLM 市场获胜，你需要高可用性的资本，现在已进入数十亿美元级别。
在 LLM 市场中，一组核心公司已明确成为未来的持续玩家。他们通常与超大规模云提供商合作（亚马逊与 Anthropic、Google GCP 与 Gemini、Microsoft Azure 与 OpenAI 及其自身努力），因为这些公司有经济激励（通过 AI 采用在云上花费 AI）来资助这些公司，这独立于这些公司是否是好的投资（它们通常是）。基础模型公司的收入增长据传在短短 3 年左右从 0 美元达到数十亿美元，而云上的 “AI” 支出据报道已达到一些主要云每季度数十亿美元。
LLM 世界的核心玩家现在是 Anthropic、Google、Meta（通过 Llama）、Microsoft、Mistral、OpenAI、X.AI。其中三四家公司在各种基准测试中明显获胜，并被开发者和企业最广泛采用，也驱动了行业大部分支出。还有一些新进入者，如 SSI 和 Thinking Machine Labs，由杰出的 AI 研究人员驱动，他们可能提出创新方法或持续融资来竞争，或者几年后成为希望进入市场或加倍投资人才的公司的收购对象。
与此同时，中国公司推出了新的开源努力，如 Deepseek、阿里巴巴的 Qwen，以及最近的 Kimi，它们在基准测试中表现良好。关于中国开源 LLM 有很多可说的，或许最好在单独的文章中涵盖。
未来，由于资本壁垒，不太可能出现许多新的核心 LLM 公司，除非有一些新突破不会迅速传播。
其他基础模型市场仍缺乏明确的获胜者或获胜者，尽管多个细分领域有前景的公司存在。
2. 代码
代码是生成式 AI 和 LLM 最早、最清晰的大规模应用之一。例如，GitHub Copilot 于 2021 年 10 月推出，尽管当时功能和保真度有限，但已经被广泛采用且非常有用。代码具备各种使其特别适合生成式 AI 方法的特性。据传，代码领域的收入在一些玩家的产品上线后的头两年内，就从 0 增长到 5000 万甚至 5 亿美元 —— 这是一个惊人的速度。
与基础模型公司一样，代码领域的核心潜在赢家也已显而易见，有少数几家公司似乎将长期保持吸引力。大型现有企业可能仍会进入代码市场，且目前的产品似乎没有特别强的用户粘性，但护城河往往会随着时间的推移而形成。然而，在未来几年，除非发生意外，这几家公司将在代码领域扮演重要角色，包括 Anthropic 的 Claude Code、Cognition/Windsurf、Cursor、谷歌 / Windsurf、微软 / Github、OpenAI，可能还有像 Magic 或 Poolside 这样的初创公司，以及像 Lovable、Replit 等注重 “氛围感” 编程（vibe coding）的公司。有趣的是，Figma 和 Canva 都推出了氛围感编程工具，可以想象未来还会有更多。
代码（以及其他市场）仍然存在一些问题，包括智能体（agentic）工作流与基于 IDE 的工作流及其最终的重叠（它们无疑会融合），以及基础模型公司将在多大程度上直接整合或吸纳代码公司的功能，这既因为巨大的经济价值，也因为代码是通往 AGGI/SI（通用人工智能 / 超级智能）的引导路径。这些核心问题将决定谁会成为代码领域的最终赢家。
3. 法律
核心法律市场的核心玩家已经稳固，目前由 Harvey（服务于律师事务所和企业）和 CaseText 领跑。其他在重叠领域（Legora）或新领域（Crosby）的初创公司也开始出现。EvenUp 在后 AI 时代进入了人身伤害及相关领域，而 Eve 和 Supio 则专注于原告方的工作流程。我们仍处于完整工作流程自动化的非常早期阶段，但像 Harvey 和 EvenUp 这样的初创公司已开始着手处理核心法律工作流程，并构建系统来从头到尾完成工作。凭借法律业务的核心地位，像 Harvey 这样的公司未来或许能够自然地整合到其他专业服务的工作流程中。
考虑到法律领域在垂直行业（专利、合同等）和客户类型（律所、企业、中小企业、消费者）上的广泛性，可能还有新的法律领域有待探索。
4. 医疗文书
医生工具和医疗文书是另一个市场格局已经整合、出现了一批明确主要参与者的领域，包括 Abridge、Ambience、Commure/Athelas 和 Nuance（微软）。一些国际玩家也已在这一领域出现，它们最终可能独立发展，或被主要玩家整合。
这些玩家下一步的关键是将其产品扩展到医疗健康领域的其他环节。
5. 客服
在美国，客户体验市场在短期内似乎已整合为少数几个核心初创公司 ——Decagon 和 Sierra，而像 Intercom、Zendesk 等现有巨头则在努力增加和交叉销售生成式 AI 功能。其他值得关注的初创公司包括 Forethought、Maven、Parahelp、Wonderful 等。与上述许多市场一样，客户体验的特点是生成式 AI 通过智能体工作（agentic work）在很大程度上取代或增强人类，而不是作为另一个按席位付费的工作流工具。
我们正开始看到从销售 “席位” 到销售 “认知单元” 的转变。这是 AI 公司普遍存在的一个未被充分讨论的方面。
推理模型的进步和智能体基础设施产品只会加速这一转变。
6. 搜索
专注于此领域的玩家包括谷歌、OpenAI（ChatGPT）、Perplexity 和 Meta。值得注意的是，Perplexity 是这个市场中的主要初创公司，而其他大多数玩家都是现有巨头。这可能也适用于其他消费者和 “生产型消费者”（prosumer）市场，尽管新的消费级用例仍有很大空间。
Perplexity 和其他玩家正在迅速向智能体的未来迈进（见下文），既通过像深度研究（Deep Research）这样的工具，也通过最近进入浏览器市场。例如，Perplexity 的 Comet 浏览器已经集成了用于网络购物和其他操作的智能体功能。
三、未来重要领域
3 年前，基础模型 / LLM、代码、医疗、客户服务等领域显然会是重要的 AI 市场，但谁会胜出或变得重要则远不清晰。如今，可能在短期内扮演重要角色的市场领导者已经明确（尽管如前所述，新的初创公司或发布产品的现有巨头仍可能在后期加入游戏）。
下一批看起来非常有趣且适合用生成式 AI 解决的市场包括但不限于以下几个，我和我的团队非常有兴趣投资这些领域的公司：
会计（Accounting）：人们既在构建软件，在某些情况下也在进行行业整合收购（rollups）。
合规（Compliance）：存在多种形式的合规。制药合规是其中一个例子，早期玩家如 Blue Note Health。
金融工具（Financial tools）：帮助金融分析师或其他专业人士的工具。已经有一些优秀的团队和早期公司在这一领域工作。
销售工具和智能体（Sales tooling and agents）：这里有很多可做的事情 —— 从执行 SDR（销售发展代表）工作的 AI 智能体到增强企业销售的工具。
安全（Security）：这里有大量的潜在应用，特别是在服务使用率高或团队复杂性大的领域。另外，还会出现专注于保护 AI 端点、智能体或基础模型使用的安全公司，以防止数据泄露或其他漏洞。
其他待定市场（Other markets TBD）：还有很多事情可做！
在上述每个领域都有一批令人兴奋的公司，其中哪些会脱颖而出或最终胜出，可能会在未来几个月或几个季度内明朗化。在某些情况下，模型可能还不够好，无法很好地应对这些市场；在另一些情况下，则需要开发更广泛的工作流工具或更好的市场进入策略（GTM）。在某些情况下，这可能只是时间问题 —— 充分了解客户、根据他们的需求进行构建、并看到产品与市场的契合需要时间。
四、模型 vs. 市场策略 vs. 团队？
对于上述的 “新” 市场领域，一个核心问题是：是什么阻碍了市场的成型？
对于某些市场来说，部分原因是模型需要在推理或保真度上取得进步。例如，法律工作流在 GPT-3.5 上效果不佳，但随着 GPT-4 的出现，加上定制化的模型工作，这个领域才真正起飞，Harvey 也因此受益。同样，像 Cursor 这样的编程工具也受益于 Claude 3.5（2024 年 6 月发布），在所用模型的保真度越过某个临界点之前，它们并没有那么好用。在模型保真度达标前就针对早期客户进行构建，可以让你在模型变得更好时抢占市场份额。
这就引出了 “GPT 阶梯”（GPT Ladder）的概念 —— 在 GPT（或 Claude、或 Gemini、或 Grok、或 Llama）的某个发布级别上，特定的新市场将会打开。例如，GPT-5（或 Claude X、或 Gemini Y）应该能支持一个全新的市场，而这个市场在没有该模型的情况下在技术上是不可行的。
除了模型，其他可能阻碍生成式 AI 在某个市场被采用的因素可能包括：
市场进入策略、购买行为与竞争（Go-to-market，buying behavior & competition）：初创公司的市场进入策略可能有误（以错误的方式向错误的客户销售）；可能存在过强的现有巨头锁定效应（或者现有巨头能用较差的产品迅速反击，或利用其已有的用户界面或工作流进行交叉销售）；市场中的买家可能行动和采纳速度较慢，需要时间来适应。
团队（Teams）：也许合适的团队还没有出现，或者创始人对市场不熟悉，需要一些时间来学习和迭代以满足客户需求。
构建时间（Time to build）：构建和交付有用的产品需要时间。有时一个市场的活动还处于萌芽阶段，在 6~12 个月后，才会有足够大的产品版图让赢家浮现。
五、无处不在的智能体
一个持续发生的重要转变是从纯粹的 “AI 聊天” 工具转向智能体工作流（agentic workflows）。智能体是代表你执行操作的 AI 软件。这就像是在谷歌上查找西班牙旅游信息，和让谷歌生成一个 AI 智能体为你预订旅行并代表你采取行动之间的区别。像 Devin 这样的编程工具和 Decagon/Sierra 这样的客户服务工具似乎是 B2B 领域最早采用智能体工作流的，而像 ChatGPT、Gemini 和 Perplexity 这样的信息工具则正在添加智能体来为用户进行深度研究。
随着推理模型和智能体的普及，支持智能体部署和工作流的新基础设施正在加速发展。许多初创公司正在开发智能体框架或基础设施，而咨询公司或大规模部署公司也正在将智能体加入其工具库，以便在企业中部署。
我们正开始看到从销售 “席位” 到销售 “认知单元” 或 “等效人类劳动力” 的转变。
六、AI 驱动的整合收购（AI Roll Ups）
我谈论和投资 AI 驱动的整合收购大约有 3 年了。从生成式 AI 的早期开始，就很明显这种基于 Transformer 的新型规模化 AI 非常擅长人类的知识工作 —— 这构成了白领服务经济的很大一部分。在 AI 驱动的整合收购中，直接收购一家公司，而不仅仅是向他们销售软件，可以带来比单纯销售软件更快、更显著的采用率和经济效益。
通常，AI 的采用不是一个技术问题，而是一个组织、流程和人的问题。你能否围绕 AI 工具重塑整个组织或其运作方式？这通常比 AI 工具本身要难得多，并且需要真正拥有该公司，才能在足够短的时间内重塑组织流程以产生影响（至少对初创公司而言是这样 —— 现有巨头通常需要很长时间）。
七、终结市场的举动（Market ending moves）
在另一篇文章中，我谈到了 “终结市场的举动”—— 你能采取什么样的重大战略举措（并购？巨大的资本规模和投资？其他？）来直接赢得市场的头把交椅。
随着市场的整合，直接赢得市场的战略举措变得清晰。这可能会导致各种形式的并购、合作、渠道锁定或其他策略，因为每个市场的少数几个玩家会进一步整合为一个或少数几个。
我们应该很快就会看到大量的整合和并购，因为通过将两个主要的初创公司领导者（通常谈判困难但值得去做）或现有巨头 / 初创公司组合（渠道 + 技术 = 胜利）起来，就有可能赢得一个市场。
非常激动人心的时代就在前方。
八、总结：AI 赛道已经明朗
AI 市场现在的格局是几年来最清晰的。对于像代码和法律这样较早的生成式 AI 市场，各个细分领域的领导者已经明确，而新的市场则已成熟，颠覆的时机已到。激动人心的时代就在前方。