2026西湖龙井茶官网DTC发售：茶农直供，政府溯源防伪到农户家
每一位开发 AI 工具的创始人都面临着同样的问题：如果下一代Claude让我的产品变成了其中的一个内置功能，该怎么办？这种担忧是合理的。如果你卖的是工具，你就是在与模型进行一场存量竞争；但如果你卖的是结果，那么模型的每一次进步都会让你的服务更快速、更廉价，且更具竞争壁垒。一家公司可能每年花1万美元买 QuickBooks （记账软件），再花12万美元雇会计来平账。而下一家传奇公司将直接把账平好。
智能 vs. 判断
写代码主要靠的是智能（Intelligence）。而决定下一步该开发什么，靠的是判断（Judgement）。
将需求转化为代码、测试、调试，这些规则虽然复杂，但终究是规则。判断则不同，它需要经验、品味以及多年实践积累的直觉。比如：决定下一个开发什么功能、是否要承担技术债、在产品未完全成熟前选择何时发布。
一年前，大多数 Cursor 用户将 AI 视为自动补全工具。今天，AI Agents发起的任务数量已经超过了人类。在各行各业中，软件工程占到了 AI 工具使用总量的50%以上，而其他品类仍处于个位数。其原因在于，软件工程本质上是以智能为主的工作。AI 已经跨越了门槛，能够自主完成大部分智能工作，将判断留给人类。软件工程率先到达了这个阶段，而这一趋势将席卷每一个职业。
数据来源：Anthropic
副驾驶（Copilots）与自动驾驶（Autopilots）
副驾驶卖的是工具，自动驾驶卖的是结果。
直到最近，AI 模型仍在进化其智能与判断力，因此正确的方法是先构建“副驾驶”：将 AI 交给专业人士，由他们决定如何使用。比如 Harvey 卖给律所，Rogo 卖给投行。专业人士是客户，工具提高了他们的生产力，并由他们对产出负责。
如今，模型的智能程度已经足以让某些领域直接从“自动驾驶”起步。Crosby 直接卖给需要起草保密协议（NDA）的公司，而不是卖给外部法律顾问；WithCoverage 卖给需要保险的CFO，而不是卖给经纪人。客户直接购买最终结果。在任何行业，服务预算（Work budget）都远超工具预算，而“自动驾驶”从第一天起就在收割服务预算。
在一个领域中，“智能”所占的比重越高，“自动驾驶”胜出的速度就越快。
融合
今天的“判断”将成为明天的“智能”。随着 AI 系统不断积累关于该领域“什么是好的判断”的专有数据，技术前沿将会发生位移。“副驾驶”与“自动驾驶”最终会融合。虽然这种转型在多个领域已经开始，但初始定位至关重要，因为它决定了“自动驾驶”目前能从哪里获取客户，并开始积累那些最终能让其处理“判断”任务的数据。
“自动驾驶”手册：以“外包”为切入点
软件方面每花1 美元，对应的服务方面就要花6美元。
“自动驾驶”的总潜在市场（TAM）是该领域所有的劳动力支出（包括内部雇佣和外部外包）。但最佳切入点是那些已经外包的地方。
如果一项任务已经被外包，它传递了三个信号：第一，公司已经接受这项工作可以由外部完成；第二，现有的预算科目可以直接替换；第三，买家已经在购买最终成果。用 AI 原生服务商替换外包合同属于“供应商更换”，而替换内部员工则属于“组织架构重组”。
商业逻辑： 公司应从外包比例高、智能密集的任务入手，搞定分销渠道；随着 AI 的进化，再向内部雇佣、判断密集的任务扩张。外包任务是切入点（Wedge），内部工作是长期的潜在市场（TAM）。
例如，Crosby 从 NDA 起步：这是一个定义明确、以智能为主、且大多数公司都会外包给外部顾问的任务。预算已存在，范畴清晰，ROI（投资回报率）立竿见影，且替换过程毫无摩擦。
机会地图
将各服务垂直领域置于“智能-判断”光谱和“外包-内部”比例图中，可以得到一张优先级地图（括号内为劳动力潜在市场规模）。
数据来源：Sequoia Research
保险经纪（$1400-2000 亿）： 榜单中最大的市场。标准商业险高度标准化：经纪人的增值价值主要是货比三家和填表，属于纯智能工作。分销层极其分散，数以万计的小经纪人运行着同样的流程，没有单一巨头控制客户关系。WithCoverage 和 Harper 是有趣的后来者。
会计与审计（仅美国外包市场即达 $500-800 亿）： 美国五年内流失了约 34 万名会计师，而需求却在增长。75% 的注册会计师（CPA）接近退休。这种结构性短缺正迫使该行业比其他任何职业都更快地接受 AI。Rillet 正在构建 AI 原生的 ERP 系统；Basis 最初则是为会计师开发的“副驾驶”。
医疗收入循环（美国外包市场 $500-800 亿）： 人们一听医疗就觉得需要重度判断，但计费层几乎是纯智能工作。医疗编码是将临床记录转化为约 7 万个标准的 ICD-10 代码。规则虽然复杂但终究是规则。Anterior 是该领域的佼佼者。
理赔精算（$500-800 亿）： 保单的另一端。标准理赔通过对比保单语言与损害表，并使用精算表设置准备金来结算。精算师队伍正在老龄化。Pace 正在开发理赔处理的自动驾驶工具；Strala 则在构建 AI 原生的第三方管理机构（TPA）。
税务咨询（$300-350 亿）： CPA执照构成了监管护城河，但 80-90% 的底层工作是智能。AI 自动驾驶处理的司法管辖区越多，其数据护城河就越深。多司法管辖区的复杂性正是中小企业外包的原因，因为没有一个内部会计能覆盖所有领域。
法律交易业务（$200-250 亿）： 合同起草、NDA、监管申报：高智能、常态化外包。成果标准化程度高，质量可验证。Harvey 是新兴领导者，正快速向自动驾驶转型；Crosby 和 Lawhive 则是原生的自动驾驶挑战者。
IT 托管服务（$1000 亿+）： 几乎每个中小企业都会外包 IT。打补丁、监控、用户配置：这些是在数千个相同环境中重复运行的智能工作。Edra正在自动化 IT 流程，Serval 正在自动化 IT 支持。
供应链与采购（$2000 亿+）： 大多数企业只认真对待前 20% 的供应商，长尾部分被忽略了。合同流失占总采购支出的 2-5%。切入点是“被遗弃的工作”：无需争辩预算，无需取代现状，直接帮客户“捡钱”。
招聘与猎头（$2000 亿+）： 榜单中最大的服务市场。招聘漏斗顶部（筛选、匹配、接触）是纯智能，但“搞定”候选人和评估文化契合度是基于多年模式识别的判断。自动驾驶的切入点在于标准化匹配的大规模、低判断职位。
管理咨询（$3000-4000 亿）： 市场巨大，但工作多为判断。有趣的问题在于 AI 能否将咨询拆解为智能模块（数据收集、基准测试）和判断模块（战略建议），前者被自动化，后者保留人类操作。
结语
2025 年，增长最快的 AI 公司是“副驾驶”；2026 年，许多公司将尝试转型为“自动驾驶”。他们拥有产品和客户洞察，但也面临“创新者困境”：销售直接结果意味着切断了客户亲自动手的机会（也就减少了工具的需求）。 这正是纯粹的“自动驾驶”初创公司的机会所在。
原文链接：https://x.com/JulienBek/status/2029680516568600933
