Greylock 在官网发布了关于“Vertical AI”的最新洞察，关注下一代垂直软件公司和市场的合伙人 Christine Kim 回顾了过去十年垂直领域的软件即服务（Vertical SaaS）的发展，特别是在处理非结构化数据和重新定义垂直软件方面的最新进展，强调了 AI 在开拓和优化垂直市场中的关键作用。

对 SaaS 软件估值感兴趣的朋友也可以订阅本号每周更新的年度专栏，上周末为大家分享了创始人如何评估公司价值？Index 合伙人的三个估值洞察；回到 Greylock，以下是 Kim 分享的全部内容：

回顾过去十年，垂直领域的软件即服务（Vertical SaaS）的兴起展示了行业特定软件的力量，产生了像 Toast、Shopify、Procore 和 ServiceTitan 等几十个成功案例，

然而，仍有许多市场未被垂直 SaaS 很好地服务：这些基础性行业具有天然的技术革新障碍（例如非结构化数据、限制性的总可用市场（TAMs）、缓慢的销售周期、低年度合同价值和棘手的现有竞争者），以及那些刚刚出现或正在经历重大转型的领域（例如能源的电气化）。

现在，两个关键的发展使得为这些边缘领域构建软件成为可能：

能够处理非结构化数据的 AI 崛起；
将垂直 SaaS 重新定义为垂直软件；

从数据入手：在较早的技术时代中，垂直 SaaS 只能应用于拥有现代技术栈的公司（那些在记录系统和数据库中拥有干净、结构化数据的公司）。这使得那些主要依赖非结构化数据的基础性行业（例如合同、记录和跨文本、音频、图像的多媒体文件）被排除在外。

现在， LLM 已经装备好处理非结构化数据的工作流，意味着 AI 可以成为最终将技术服务不足的行业带入现代时代的缺失部分。这种范式转变的更广泛意义不容小觑：据估计，世界上 80% 的数据是非结构化的。

接下来，我们看到专注于垂直市场的初创公司思考传统 SaaS 模型之外的策略，如嵌入式支付（Toast 和 Shopify），广告（像 Pepper 和 Provi 所做的）和 B2B 市场（如 Faire 和 Novi）。AI 的采用将加速这种转变，预期的人员和席位减少将推动对新颖的基于使用或基于结果的定价模型的需求。

在 Greylock，我们相信 LLM 的融合和不同模型的接受为想要解决长期问题的创始人创造了理想条件。虽然对应用层的持久性的担忧是有根据的，但我们认为深入的特定领域聚焦是建立可防御护城河的可行途径。

尽管 LLMs 的变革性是巨大的，但任何垂直领域的成功规模关键在于选择一个适合该技术的行业，准确评估 TAM，构建深入的产品工作流和数据，设计合适的 GTM 策略，并拥有领域专业知识和技术实力的结合来实现它。

在这里，我提出了一个投资于特定垂直领域 AI 的框架。

数据：更好的数据胜过更好的模型

随着在 LLMs 上构建 AI 应用的障碍减少，数据可谓是构建差异化地位的最重要货币。初创企业必须采取的第一步是确定垂直市场或工作流程是否需要大量的数据集，或者是否有机会构建专有的数据资产。对于一些公司来说，使用这些数据来训练或微调自己的基础模型可能是策略性的。

对于许多垂直领域来说，数据存在于杂乱、孤立的传统系统中——这就是为什么我对解决数据提取问题的公司特别感兴趣。与数据总结和生成能力的进展相比，这是一个痛苦且未解决的问题。这里的一个好的区分点是拥有最佳的经过审计、标记和持续更新的数据。

更强大的数据位置是使用产品本身生成数据集（例如，客户标记自己的数据或开发与产品互动的数据集）。因此，我认为最初获取数据是重要的初步护城河，但最终，客户使用您的产品所产生的数据提供了长期的护城河。

TAM：市场规模与市场渗透

虽然不追求垂直市场的最大风险和理由是相对于横向方法较小的总可用市场（TAM），但请记住，这既是一个缺点也是一个特点：这些较小的市场将有更少的资助竞争者，更窄的焦点可以让您获得优势的分销和更深的市场集中。

考虑到像医疗保健或金融服务这样的许多基础行业的高度碎片化，一个领域内可能有许多机会。此外，这些行业的庞大规模意味着即使是狭窄的焦点也可以有一个可观的市场。再次，找到进入垂直领域的入口点是确定哪些子领域未被竞争对手触及、对 AI 有明确需求、最适合基于 LLM 的工具，以及您个人最适合提供的问题。

尽管很难量化正在出现或经历变革（如能源的电气化）市场的确立支出，但这些通常是在投资者之间引发最激烈讨论的市场。早期的创始人若能成功应用正确的垂直软件策略，有潜力定义并引领市场。

ACV：多种产品和收入来源

单一的 SaaS 产品并不总是实现六位数年度合同价值（ACV）的最佳途径。专注于垂直市场的初创公司可以通过推出多种产品并在核心产品之外创造额外的收入来源来扩展。向核心产品添加新的产品线可以让您随着时间的推移进行捆绑和销售，最终在组织的多个点上占据粘性强的位置。

餐厅支付平台 Toast 通过增加工资和劳动力管理能力实施了多产品战略。B2B 市场如 Provi 和 Pepper 通过广告创造了额外的收入来源，而太阳能安装平台 Aurora Solar 通过提供融资选项的产品找到了额外的收入。建筑服务平台 Procore 最近开始提供保险，利用他们在建筑项目生命周期中的数据洞察。

创始人：具有领域经验的产品构建者

与在 AI 栈的其他部分建立公司的创始人不同，尝试垂直 AI 的纯技术人员相对于拥有领域经验和技术背景的创始团队处于劣势，特别是在受监管的行业中。这对于打算向医疗保健等垂直领域内的传统组织销售的初创公司来说更为明显，这些组织通常与数十甚至数百个不同实体同时绑定长期合同。深入了解这些复杂性对于建立正确的市场进入策略、预测销售时间线和招聘至关重要。对于那些对可能的垂直方法有一点点了解但拥有深入领域专业知识的人来说，现在就与我们联系并不太早。

GTM：创造紧迫感

垂直市场的销售周期可能很长，特别是在大型、成熟的行业，这些行业变化缓慢，且技术购买者不太成熟。重要的是，GTM 策略要有独特的方式来创造紧迫感或主导重要分销渠道的途径。历史上，没有这些元素的成功垂直成果在开始获得牵引力之前花费了许多漫长的岁月。

围绕 AI 的兴奋已经创造了尝试新产品的紧迫感，但它既可能是逆风也可能是顺风。一方面， AI 在每个购买者的心中，因此新公司很容易排队预约电话，甚至让客户试用。然而，将试点转换为客户对于那些对比多个试点的疲惫用户来说可能特别具有挑战性。再次强调，为购买者创造紧迫感以考虑、转换和使用您的产品是关键。

为了快速转换，您应该考虑您的核心价值主张——我们从垂直市场买家那里了解到，承诺提高劳动力效率或“创新”（尽管通常是向创新委员会或首席创新官销售）是不够的。更有效的方式是展示您的产品如何能够增加收入或明确降低成本。

产品：超越 Copilot

如今，占主导地位的范式是人类与 AI Copilot 配对：人类做大部分工作， AI Copilot 增强我们的能力。在接下来的几年中，我预计会看到更多反向的例子。在反转模型中， AI 代理将执行大部分工作，人类将检查和编辑输出。我对这个新兴领域作为初创企业的切入点感到特别兴奋，因为 Copilot 可能会被已经拥有分销权的现有竞争者所主导，而 AI 代理则是一个更开放的机会。能够思考、推理并代表人类行动的 AI 代理也是迈向完全自动化未来的一个激动人心的步骤。

这种范式转变将对未来的企业产生巨大影响。随着 AI 代理替代更多熟练劳动力，软件支出将取代人力成本。反过来，我预计会有新颖的基于使用或结果的定价模型，这是另一个需要探索的原型。

垂直的机会

我们相信 AI 将改变几乎每一个行业垂直领域。在这里，我将讨论三个我认为特别令人兴奋的行业。

1）专业服务

许多垂直市场受到繁琐、手工工作流程的困扰。在法律服务、会计和咨询等领域，专业人士花费大量时间阅读、解释和浓缩关键信息，以便转而做出分析、与客户沟通、备忘录和报告。

法律服务的 AI 是一个明显的垂直市场——法律的核心产品是语言，而 LLM 是当今平台转变的基础。仅在美国，法律市场就超过 3000 亿美元，且对采用 AI 显示出了明显兴趣：大型律师事务所有显著的软件支出预算，我们采访的许多律师事务所表示他们愿意每年花费高达七位数的金额购买变革性 AI 软件。这促使了像 Harvey、EvenUp、Eve 和 Spellbook 这样的 AI 首发公司的兴起。现有企业如 Thomson Reuters、Relativity 和 Ironclad 正在收购或将 AI 纳入其现有产品中，Thomson 收购 Casetext 的 6.5 亿美元就是一个对相对早期进展的昂贵报价的最新例证。

在 Greylock，我们最近投资了 Responsiv，它为内部法律团队提供 AI 助理。该公司拥有许多与我们的投资框架一致的属性。首先，创始人来自法律科技背景，曾在 Relativity 工作。其次，TAM 是值得考虑的：内部是法律行业中一个服务不足但快速增长的细分市场，占美国总额近 3200 亿美元的 80%。内部团队有特定的需求，可以很好地通过 AI 得到服务，包括协助执行合同/NDA 和增强内部团队相对于律所专家实践者所需的更高数量的通用法律知识。此外，内部法律团队通常被视为组织内的成本中心，这意味着 AI 带来的提高效率更有可能被接受，而不是在以计时费模式定义的律师事务所。

咨询和会计是另一个准备好接受 AI 的领域。四大会计师事务所每家都雇佣了成千上万的咨询顾问和会计师，这是一个可以通过 AI 大幅增强的庞大劳动力。KPMG 承诺在五年内投资 20 亿美元用于 AI 产品，普华永道将在未来三年内投资 10 亿美元用于生成 AI ，以自动化其审计、税务和咨询服务的某些方面。在哈佛商学院和波士顿咨询集团的一项联合研究中，使用 GPT-4 的顾问被发现完成任务的速度提高了 25%，结果质量提高了 40%。

会计师花时间理解规则和政策，以将它们应用于他们的计算。在我们与会计专业人士的采访中，收入确认被突显为最痛苦、反复发生（每月）——但也是最可自动化的——用例之一。Trullion 自动化了这一公司会计工作流程，是首席财务官、公司控制者和审计师的协作工具。Truewind 针对小型企业，并旨在成为没有首席财务官的中小企业的首席财务官。

2）金融服务

金融服务拥有几个特点，使其非常适合 AI 。市场规模巨大，仅在美国就有大约 11 万亿美元的市值，且对 AI 工具的需求已得到证明。例如，去年，我们看到了 Bloomberg GPT 的发布，摩根士丹利与 OpenAI 的合作，以及 Alphasense 将 AI 驱动的搜索和总结工具添加到其市场情报平台。

查看投资专业人士和财富顾问的日常职责，很容易看出 AI 可以被应用的领域。信息高度复杂，涉及内部专有数据以及实时市场数据和新闻；财务建模和计算需要数学理解和人类判断的混合；错误代价高昂——模型或尽职调查步骤中的一个错误可能对业务产生数百万/数十亿美元的影响。与此同时，专业人士还承担着许多枯燥、手工的工作流程，这些流程虽然不需要太多心智输出，但可能占用他们大约三分之一的时间。

正如我的同事 Seth Rosenberg 最近所写的那样，我们看到了财富管理人的 Copilot 潜力，它可以在日常数据收集和总结、投资组合管理以及与客户沟通方面协助他们。同时，随着 Copilot 扩展财务服务中苛刻的、人类知识部分的能力， AI 可以自动化工作中无聊的部分。

对于初创企业来说，这是领域专业知识和创新商业模式至关重要的地方：像 ChatGPT 这样的通用目的 LLM 远远不能处理复杂的金融任务，因此具有金融背景的创始人处于有利地位。另一个角度是迎合那些没有能力直接在 OpenAI 上面构建的小型金融机构，他们更可能成为现成应用的购买者，以满足类似需求。

Hebbia、Sixfold、Hyperexponential 和 Portrait Analytics 等几家 AI 本土初创企业也正在取得一些令人兴奋的进展。大型金融机构正在使用 Hebbia 简化尽职调查并了解复杂的数据室。Portrait Analytics 正在构建一个具有实时市场数据访问权限的对话式金融分析师。在保险领域，像 Hyperexponential (hx) 和 Sixfold 这样的新兴初创企业正在利用复杂数据创建复杂的保险定价模型并自动化承保工作流程。

3）医疗保健

人们已经讨论了多年 AI 对医疗保健的潜在影响，但现在它从未像现在这样具体。以前的软件努力尝试将非结构化数据编码为可用格式，但这并不总是可以在构成医疗保健组织的各种不同的传统 IT 系统中扩展。LLMs 能够处理原始的非结构化数据，这可能对临床和行政方面都产生深远影响。LLMs 可以改善诊断或决策模型，并能促进自动化保险索赔的平台出现；以及整体更好地管理医疗保健数据。

我将概述 3 个医疗保健 AI 用例，按成熟度排序：转录和文档记录、事先授权和临床推理模型。

第一个也是最清晰的用例是转录和文档记录。尽管多年来有过几次尝试，但尚未出现明显的赢家，这归因于转录工具的商品化性质以及需要人类阅读、解释和编码结果的必要性。

现在，基于 LLM 的应用可以在过去几代 AI 抄写工具的基础上指数级改进，通过应用类似人类的判断，这是解锁更高价值用例的关键，如将非结构化数据转换为结构化数据以输入电子健康记录（EHR），识别医疗代码，并参考过去的互动。在这一类别中，有许多 AI 本土参与者，如 Ambience、Abridge 和 DeepScribe，它们捕获实时的医生-患者对话，以及 Greylock 投资组合 Notable Health，它在大规模自动化患者接待，处理注册、排程和授权。

然而，在这一层建设的创始人应该意识到，这一领域正变得越来越饱和。要真正拥有这一层，LLM 应用必须作为一个平台来构建，生成足够有价值的数据，作为不同数据流之间的粘合剂。这种智能系统可以大大改善遗留的电子病历/电子健康记录的现有竞争者。

LLMs 在医疗保健中的第二个新兴用例是解决破碎的提供者-支付者关系，专注于美国当前繁琐的医生和保险公司之间的事先授权流程，以确保患者的服务、治疗或药物能够被其计划覆盖。

在提供者方面，使用 LLMs 自动化事先授权索赔是减轻医生疲劳和提高行政效率的收益，释放医生的时间来治疗更多患者。在支付者方面，事先授权历来被外包给通过人工劳动解决问题的供应商。在支付者方面自动化索赔不仅比供应商解决方案更具成本效益，而且是一项更具战略性的技术资产，能够在大规模评估不利模式并处理复杂的反驳和反诉。

我们正在关注一些追求这一机会的初创公司，如 Latent、Develop、Silna 和 Co:Helm。这是一个我们也相信最适合智能系统方法的深度复杂挑战。鉴于 Greylock 与成功构建平台的创始人长期合作的历史，我们特别期待与采用这种市场进入策略的企业家合作。

我将描述的最后一个用例是最初级的，但可能是最具变革性的：具有临床推理能力的医疗 LLM——能够诊断并提供医疗指导的模型将是黄金标准。谷歌的 Med-PaLM 2 在其他人中领先，能够回答复杂的医疗问题，并已成功回答在医学认证考试中提出的问题。

构建医疗 LLM 是一个高度雄心勃勃的努力，将需要大量时间和资源来实现，但我们认为这是一个足够重要的目标，值得广泛投资者的支持。我们已经看到了这个早期和动态领域的有希望的努力，以及新兴参与者如 Hippocratic、Truveta 和 Glass Health。

Reference：

https://greylock.com/greymatter/vertical-ai/

今日资讯 🫐

技术跟踪 ⚙️

创业手册 🍊

出海活动 🚢

Magineer 是由 深思圈 、有新Newin 以及 博主Kyle 共同发起的 AI 出海加速社区，以及一个为期 4 周的线上活动。

每周我们都将邀请新加入线上 Meeting 的小伙伴介绍自己与正处于 idea、MVP、PMF 或者准备起飞的项目分享，也将邀请不同成长阶段的创始人、产业专家或者投资人来做走心的分享。

S2 总计有超过 100 位小伙伴前来报名：

我们的一切都将围绕 “Build the Magic People Want in Public” 展开。“Magic” 是希望任何参与我们活动的小伙伴都能做出让人感到 Aha Moment 的产品或者服务，并且是符合用户需求 (Want)，Public 是大家检验产品的真正试金石。对于正处于项目早期的小伙伴，你的产品/服务/想法也能在我们的 Magineer 社区中获得来自不同领域小伙伴的“检验”。

成功报名的同学，请主动&积极地根据社区内的规则向大家介绍你自己，以便保持社区的“互助”氛围与更好的交流。对于符合要求的同学我们将收录进我们的「Magineer Alumni通讯录」，以便大家互相联系与合作。

对于成功报名参加进群，但长期潜水或因故连续 2 次不上线当期 meeting 的同学，我们将自动将你顺延至下期活动并暂时退出我们的成员群。

如果你也认可我们的社区理念，不管你是否已经开始经营起自己的 Business，都欢迎加入我们。这不仅是一个 AI & SaaS 出海社区，也是一个“互助”社区，你将有机会与不同阶段的创始人们一起成长并发展你的产品：