红杉资本：服务，新时代的软件
Sequoia Capital（红杉资本）的 Julien Bek 最近写了这篇文章，探讨了 AI 如何将“服务”转变为“软件”的深度趋势。虽然这两年我们都在说这个趋势，但是这篇文章仍然有很多 Insight。下面是全文分享：
下一个万亿美金级别的公司，将是一家披着“服务公司”外衣的软件公司。
每一个开发 AI 工具的创始人都面临着同一个灵魂拷问：如果下一代 Claude 把我的产品变成了一个内置功能，我该怎么办？
这种担忧不无道理。如果你卖的是工具，你就是在和底层模型赛跑；但如果你卖的是工作成果，那么模型的每一次进步都会让你的服务更快速、更廉价、更具竞争力。
举个例子：一家公司可能每年花 1 万美元买 QuickBooks（财务软件），同时花 12 万美元雇一名会计来平账。而下一家传奇公司，将直接提供“把账平掉”这个结果。
1. 智力 vs 判断力
编写代码主要靠的是智力（Intelligence）。决定下一步建什么靠的是判断力（Judgement）。
将需求规格说明书转化为代码、测试、调试：这些规则虽复杂，但终究是有迹可循的规则。而判断力则不同，它需要经验、品味，以及多年实践积累的直觉——比如决定下一步开发哪个功能，是否要承担技术债，或者何时在产品尚未完美时强行发布。
一年前，大多数 Cursor 用户还把 AI 当作自动补全工具。而今天，由“代理（Agents）”启动的任务数量已经超过了人类。在所有职业中，软件工程占了 AI 工具使用总量的半数以上，其他类别仍处于个位数。
原因就在于：软件工程本质上是以智力为主的工作。 AI 已经跨越了那个门槛——它可以自主完成大部分智力工作，而将判断力留给人类。软件工程率先到达了这一奇点，而这种变革正席卷每一个专业领域。
2. 副驾驶（Copilots）与自动驾驶（Autopilots）
副驾驶（Copilot）卖的是工具。自动驾驶（Autopilot）卖的是成果。
直到最近，AI 模型仍在进化其智力和判断力，因此最稳妥的方法是先做副驾驶：把 AI 交给专业人士，让他们决定如何使用。比如 Harvey 卖给律所，Rogo 卖给投行。专业人士是客户，工具提高效率，并由人类对产出负责。
但今天，模型的智力已足够强大，以至于在某些领域，直接从自动驾驶切入才是最优解。比如 Crosby 直接面向需要起草 NDA（保密协议）的公司，而不是卖给外部律师；WithCoverage 直接对接需要保险的 CFO，而不是保险经纪人。客户购买的是直接的结果。
在任何专业领域，购买“工作”的预算都远超购买“工具”的预算。 自动驾驶从第一天起就在收割这份庞大的劳动预算。
3. 大融合
今天的判断力将成为明天的智力。随着 AI 系统在特定领域积累了大量关于“什么是好的判断力”的专有数据，边界将会移动。副驾驶和自动驾驶最终会合流。
这种转型已经开始。但起点至关重要，因为它决定了自动驾驶公司从哪里切入客户，并开始积累那些最终能让它们处理“判断力”任务的数据。
4. 自动驾驶手册：以“外包”为切入点
在软件上每花 1 美元，就有 6 美元花在了服务上。
自动驾驶的总盘子（TAM）是该类别中所有的劳动支出（包括内部和外部）。但最佳起点是那些已经存在外包的地方。
如果一项任务已经被外包，它向你传递了三个信号：
- 公司已接受该工作可以由外部完成。
- 存在一个可以被清晰替代的现有预算项。
- 买家已经在为“结果”付费。
用 AI 原生服务提供商替换外包合同，只是更换供应商；而替换内部员工，则是一场组织架构的大手术。
其策略如下： 企业应从外包比例高、智力密集的任务切入。打穿分销渠道，随着 AI 能力的复合增长，再向内部、判断力密集的工作渗透。外包任务是楔子，内部工作才是长期的星辰大海。
5. 机遇地图
根据智力/判断力比例以及外包/内部比例，我们可以绘制出一张优先级地图（括号内为劳动市场规模）：
保险经纪（$1400-2000亿）： 这里有最大的资金流。标准商业险高度标准化，经纪人的价值本质上是比价和填表，纯智力活。
会计与审计（仅美国外包规模就达 $500-800亿）： 美国 5 年内流失了 34 万名会计。结构性短缺正迫使该行业比其他任何行业都更快地拥抱 AI。
医疗收入循环（$500-800亿外包）： 医疗账单层几乎是纯智力工作。医疗编码就是将临床笔记转化为约 7 万个标准代码，规则极其复杂但明确。
理赔理算（$500-800亿）： 这是一个独立于保险销售之外的自动驾驶切入点。理赔员队伍正在老龄化，后继无人。
税务咨询（$300-350亿）： 跨司法管辖区的复杂性正是中小企业外包的原因，AI 处理这类多维数据的能力远超单个人类会计。
法律事务工作（$200-250亿）： 合同起草、NDA、监管备案。工作成果足够标准化，质量可验证，买家无需深厚法律知识即可信任 AI 产出。
IT 托管服务 (MSP)（$1000亿+）： 每个中小企业都外包 IT。补丁管理、监控、权限配置——这些都是在成千上万个相同环境中重复运行的智力工作。
供应链与采购（$2000亿+）： 企业通常只关注头部的核心供应商。长尾供应商因为人力成本太高而被忽视。AI 可以从这些被放弃的“漏网之鱼”中找回 2-5% 的采购支出。
招聘与猎头（$2000亿+）： 最大的服务市场。漏斗顶部（筛选、匹配、联系）是纯智力，而最终的面试和文化匹配则是判断力。
6. 结语：创新者的窘境
2025 年，增长最快的 AI 公司是“副驾驶”。而到 2026 年，许多公司将尝试转型为“自动驾驶”。
它们拥有产品和客户洞察，但也面临着“创新者窘境”：卖掉“工作成果”意味着剥夺了它们客户（即那些专业人士）原本在做的工作。
这正是纯粹的“自动驾驶”初创公司的机会所在。
在 Julien Bek 的这篇文章中，他提到了多位正在构建“自动驾驶（Autopilot）”模式的创业者。这些产品核心逻辑一致：不再仅仅是给人类提供辅助工具，而是直接交付工作成果。
Julien Bek 在整个探讨中提到了几家比较典型的公司，它们分别是：
- Crosby
定位： 法律事务自动驾驶（法律外包的 AI 替代者）。核心功能： Crosby 从企业最常见的法律痛点——NDA（保密协议）切入。它不是卖给律师的草拟工具，而是直接卖给需要签署协议的业务部门。逻辑： 传统模式下，公司需要把 NDA 发给外部律师（按小时计费）；使用 Crosby，AI 直接处理起草、审查和修订，买家得到的是“一份签好的协议”，而不是一个好用的编辑器。
- WithCoverage
定位： 企业保险经纪自动驾驶。
核心功能： WithCoverage 直接对接企业的 CFO 或财务负责人，自动完成保险方案的比价、风险评估和保单填写。
逻辑： 在标准商业险领域，经纪人的工作高度标准化（填表、沟通、筛选）。WithCoverage 跳过了人类经纪人，利用 AI 智力直接从各大保险公司获取并生成最优方案，将昂贵的服务转变为廉价的自动化软件。
- Pace
定位： 保险理赔处理自动驾驶（Claims Handling）。
核心功能： Pace 专注于保险公司的“理赔”端。它通过理解复杂的保单条款，对照损坏数据和精算表，自动完成案件定损和准备金设置。
逻辑： 理赔员是一个老龄化严重且极其稀缺的职业。Pace 通过 AI 替代了原本需要外包给独立理赔机构（TPA）的工作，让理赔过程从数周缩短到数分钟。
- Anterior
定位： 医疗保险预授权与收入循环自动驾驶。
核心功能： Anterior 解决的是医疗行业极其繁琐的“预先授权”申请。它能自动阅读医生的临床笔记，并将其转化为保险公司认可的标准化代码。
逻辑： 医疗编码和账单处理是典型的“高智力、低判断”工作。该产品直接取代了医院庞大的外包账单团队，确保医院能更快、更准地拿到保险赔付。
- Jack & Jill
定位： 高频招聘自动驾驶。这个产品我之前详细介绍过，目前增长非常快《AI 招聘新方式：跟 AI 聊天。种子轮就拿了 2000 万美金》。
核心功能： Jack & Jill 专注于招聘流程中“漏斗顶部”的自动化，包括海量简历筛选、候选人匹配以及初步的自动化沟通。
逻辑： 猎头服务是最大的服务市场之一。该产品在 5 个月内实现了 22 倍的收入增长。它通过 AI 规模化处理那些重复、繁琐的筛选工作，让企业直接面对最匹配的候选人，而不是在简历堆里挣扎。
- Magentic
定位： 企业采购与供应链管理自动驾驶。
核心功能： Magentic 利用 AI 主动寻找企业供应链中的“降价机会”，自动处理与供应商的非核心合同谈判。
逻辑： 传统采购经理只盯着前 20% 的大供应商。剩下的 80% 长尾供应商往往存在 2-5% 的成本浪费。Magentic 像一个不眠不休的采购员，帮企业从被忽视的合同中“捡回”利润。
这些产品的共同点是“接管预算”。正如 Julien 所言：如果你是 Copilot，你是在帮客户省时间；如果你是 Autopilot，你是在帮客户省掉付给第三方服务商的账单。
