在硅谷科技评论（SVTR）的历史文章里，有一个长期被反复讨论的主题：市场的大小究竟意味着什么？在传统风投逻辑里，“小市场”几乎等同于“机会有限”，但 AI 创投榜排名第19位的硅谷风投Felicis的最新分析提醒我们，这个判断在新一轮技术浪潮中可能彻底失效。
数据库时代的横向软件巨头，证明了结构化数据能孕育出 Salesforce、Workday 这样的平台；而今天，AI 的能力正对准那些长期被忽视、非结构化工作流密集的垂直市场。从医疗到保险，从生命科学到家庭服务，潜在的价值创造不只是“增量软件支出”，而是服务转化、合同扩张和 ROI 叠加下的市场重估。
对于创始人来说，这意味着你所在的“看似小市场”，可能正是下一个 Toast 或 Shopify 的起点；对于投资人来说，忽视这些“被低估的市场”，或许才是最大的风险。
在风险投资领域，“小市场”可能是最危险的两个字。
问题不在于市场规模本身不重要，而在于在初创企业的早期阶段，评估市场规模几乎不可能精准。尤其是沿用投资行业的常见做法——依赖过去的数据来推算未来市场，这往往是个大坑。
正如 Box 创始人 Aaron Levie 十年前说过的一句话：用现有巨头的市场来推算颠覆者的机会，就像在 1910 年根据马的数量来预测汽车行业的规模。
一种简单的市场规模测算公式是：TAM = 潜在客户数 × 软件渗透率 × 平均合同价值。
历史上，投资人错过了不少伟大公司，就是因为低估了初创企业扩展潜在客户数量、提高行业渗透率，或通过产品扩张提升合同金额的能力。
以 Felicis 对 Shopify 的早期投资为例：这家公司在 2015 年 IPO 时市值只有 13 亿美元，而如今已接近 2000 亿美元！它的成功，正是因为在三个维度都实现了扩张：更多潜在客户、小企业的软件化普及，以及不断推出新产品。
投资人在垂直市场中最常错失良机的理由，往往就是“市场太小”。客户数看似固定，结论也就顺理成章。但这种思维常常让人错过真正的机会。
今天，和之前几波技术浪潮一样，人工智能正在创造全新的市场，其中孕育着可以成长为一代巨头的公司。我们相信，这些公司不仅能扩大渗透率，还能提升合同价值，从而在过去被认为“太小”的垂直市场中，打开前所未有的机会。
Why Vertical Markets Were Left Behind
为什么垂直市场长期被忽视
几个月前，我们做了一次分析，发现市值在 50 亿美元以上的 SaaS 公司里，只有约 19% 来自垂直市场。这是一个不小的比例，但在 AI 时代，这个数字很可能会显著提升。
横向软件在过去几十年表现突出，原因在于上一个技术浪潮的核心是数据库。而数据库的优势，恰恰是擅长处理结构化和半结构化数据。
在一个企业可以依靠数据库来组织和分析海量数据的时代，大部门的横向功能（如销售、人力、IT）带来了明确的 ROI，同时问题规模也足够大，因而诞生了 Salesforce、Workday、ServiceNow 这样的巨头。
相比之下，许多垂直市场的特点是：
- 高度分散：大量中小企业，数据规模远不及大型企业。
- 数据复杂：像医疗、法律这样的行业，数据的多样性和复杂性远超数据库的承载能力。与之相比，销售、人力、IT 领域的数据结构更为清晰，更容易被捕捉和利用。
结果就是，在医疗、法律等体量巨大的行业中，软件的渗透率依然有限，合同金额也远低于行业规模本应支撑的水平。
但时代已经变了。上一次的技术浪潮建立在数据库之上，而这一次的浪潮则是由“非结构化工作流”驱动。而中小企业和垂直行业，正是这种非结构化工作流的富集地。
接下来，真正的问题是：在哪些市场里，AI 能够以最大规模解决最痛的痛点？
市场规模测算的起点
要回答“哪些垂直市场最适合 AI”的问题，可以用一个简化的方法：
- 观察现有市场的软件价值创造 —— 看哪些行业历史上能孕育出市值 50 亿美元以上的软件公司；
- 评估行业工作流的“语音/文本密集度” —— 作为行业“AI 就绪度”的代理指标。
基于此，我们整理了所有市值超过 50 亿美元的垂直 B2B 软件公司（低于这个门槛的数据过于分散不可靠），并让 Claude 辅助评估了各行业的“AI 就绪度”。
当然，我们也清楚其中的反讽：一边提醒大家不要用历史类比来预测市场规模，一边却又用历史公司来做参考。此外，估值本身可能会受到市盈率等因素影响，而私营公司的营收数据也往往不透明。
从这个框架来看，医疗和法律无疑是最清晰的价值创造市场。 它们已经出现了多家数十亿美元规模的 AI 公司，比如 Abridge、Harvey 和 OpenEvidence，足以证明其市场容量。
但更值得关注的是五个在 AI 领域讨论相对较少、却兼具“高 AI 就绪度”和“现有 100 亿美元以上软件市值”的行业：
1）生命科学
- 代表性公司：Veeva（市值 460 亿美元）
- AI 就绪度：监管文件处理、临床试验文档、合规报告、供应商沟通等，都属于文本密集型行政工作流，非常适合 AI 自动化
- AI 原生公司：Bluenote、Collate
2）房地产
- 代表性公司：RealPage（100 亿美元收购）、CoStar（市值 350 亿美元）、Zillow（市值 170 亿美元）
- AI 就绪度：合同、披露、租户沟通、物业管理文档、租赁处理，都是以文档和沟通为核心的流程
- AI 原生公司：EliseAI、HouseWhisper
3）汽车
- 代表性公司：CDK Global（70 亿美元）、Cox Automotive（年营收超 90 亿美元）、Reynolds and Reynolds（私人公司）
- AI 就绪度：维修排期、零部件订购、客户沟通、经销商运营，都涉及大量语音和文本工作流
- AI 原生公司：Mia、Toma
4）保险
- 代表性公司：Guidewire（市值 210 亿美元）、CCC Information Services（市值 60 亿美元）
- AI 就绪度：理赔处理、核保文件、客户服务电话，都是 AI 自动化的高价值场景
- AI 原生公司：Pace、Strala、Reserv
5）家庭服务
本文的重点并不是要精确预测“这十个行业未来会有多大”，而是指出：有一批规模可观、需求痛点清晰、与 AI 高度契合的行业，它们完全可能孕育出下一代 50 亿美元以上的垂直 AI 公司。
垂直 AI 应用的“双重 ROI”
仅仅说“这些行业很适合 AI”还不够，更重要的是解释为什么在 AI 时代，这些垂直领域的 渗透率和合同金额（ACV）会同时提升。
来自最成功的 AI 应用公司的关键观察是：它们既能降低运营成本，又能增加收入。这带来了极高的投资回报率（ROI）——企业在采用垂直 AI 应用的第一年，就可能获得 1–10 倍的经济价值。
这也是为什么我们看到一些初创公司能实现年度 10 倍的增长——这并非空穴来风，而是客户的每一美元投入，都能带来数倍的回报。
以 Assort Health 为例
- Assort 为医疗诊所和医院提供 AI 语音代理。
- 在医疗行业，诊所的漏接电话率平均高达 20%–40%。Assort 可以把这个数字降到接近 0%。
- 每一个漏接电话，意味着诊所可能失去一位新患者的机会（收入流失），而对方很可能直接打给竞争诊所。
- 大型医疗机构每年在呼叫中心的支出往往高达几十万甚至上百万美元。
- 使用 Assort，诊所不仅能 提升高达 20% 的潜在客户量，还可以 减少数十万的支出。
这样的工具还会在行业内产生 正向反馈效应：如果一家诊所的获客突然提升 20%，同行就不得不快速跟进，否则就会被甩在身后。这就是为什么把 AI 原生医疗行政公司与传统的医疗排班或呼叫中心软件进行对比，完全失去了意义。
由于 ROI 极具吸引力，我们预计未来十年内，50%–90% 的医疗诊所都会采用这类技术。
ROI 的扩散效应
类似的“双重 ROI”模式，也正在其他语音密集型行业出现：社区银行、保险公司、家庭服务和汽车经销商。
一旦把这些初创公司创造的经济价值与庞大的潜在客户群体相结合，市场规模远远超过表面所见，潜力以数十亿美元计。
历史的回声
十年前，Bill Gurley 和 Aswath Damodaran 曾经围绕 Uber 的市场规模展开辩论。Damodaran 错判了市场规模和渗透率，而 Gurley 在过去十年中被证明两点都正确。
正如移动互联网当年一样，AI 也有能力指数级地扩大市场。
自动化服务带来的市场扩张
在评估垂直 AI 的市场规模时，还有一个关键变量：AI 捕获“服务或劳动力支出”的潜力。
AI 至今最成功的落地场景，往往是文本和语音驱动的工作流。而大量外包服务，恰恰就是这种低价值、重复性的劳动形式，非常适合 AI 自动化替代。
来看两个例子，这些垂直市场中在服务上的年度支出规模几乎难以想象，而这些支出在未来十年里有可能被 AI 部分取代：
- 保险行业第三方管理（TPA）支出：每年超过 4000 亿美元
- 生命科学行业的外包业务（BPO/CRO）支出：每年 1000 亿至 4000 亿美元+
更有意思的是服务支出与软件支出之间的巨大落差。
- Veeva 作为生命科学领域最大的 SaaS 厂商，年收入大约 30 亿美元。
- Guidewire 和 CCC 作为保险软件的龙头，合计年收入也只有 22 亿美元。
这些都是好公司，但与外包服务的体量相比，差距高达 100 倍。在这种情况下，仅仅依靠“查找保险软件厂商的市值对比”来做市场规模测算，已经完全不够用了。
至于 AI 能否真正捕获这些外包服务市场的一部分收入？我们无法下绝对结论。但关键在于：只要 AI 能够切入并获取哪怕一个有意义的份额，就足以释放巨大的价值。
最优秀的公司靠平台扩张
最成功的垂直软件公司，往往通过 平台化扩展 来不断提升合同金额（ACV）。最典型的案例就是餐饮软件巨头 Toast：
- 第一步：占据餐厅最核心的数据源（订单），通过收银系统切入市场。
- 第二步：基于订单数据，扩展到关键工作流的自动化，比如点餐管理、线上点单。
- 第三步：进一步扩展，最终成为餐厅的“核心系统”。如今 Toast 已覆盖超过 14 万家餐厅。
未来最优秀的垂直 AI 公司，也会走类似的路径：
- 自动化一个关键工作流，掌握客户最核心的数据；
- 围绕这些数据，自动化更多关键流程；
- 在未来十年里，逐步扩展成该行业的“系统级平台”。
总结来看，即便客户群体的数量有限，垂直 AI 公司依然有三条路径可以实现 合同规模和渗透率的持续扩张：
- 双重 ROI 模式：既能帮助客户节省成本，又能带来收入增长，形成“不容错过”的投资回报；
- 平台扩展模式：通过切入点获取数据，再基于数据扩展更多功能，提升客户的整体支出；
- 服务转化模式：切入保险、生命科学、医疗、法律等每年数千亿美元规模的外包服务市场，把“人工支出”转化为“软件收入”。
正是因为这些扩张路径，我们会看到：既有新市场中出现市值 50 亿美元以上的新巨头，也有现有市场中冒出更多 AI 原生的 50 亿美元以上公司。
当然，垂直 AI 并非没有挑战。对投资人和创始人来说，合理估值依然重要；同时，要想在竞争激烈的市场中保护 ROI 的边际价值，也绝非易事。很多行业会出现“抢占用户转换成本”的窗口期，谁能最快获取最多客户，谁就能建立长期优势。
但有一点毋庸置疑：一家公司的价值，取决于它能为客户创造多少价值。而我们正在见证前所未有的价值创造浪潮。
如果你正在构建一家看似处在“小市场”的公司，不妨联系我们。我们相信机会往往藏在别人忽视的地方。