Alexander Niehenke：垂直AI走强
Alexander Niehenke认为，AI产业正从通用模型竞争转向面向特定行业、具备数据与流程壁垒的垂直AI。
垂直AI并非单纯缩小模型，而是将基础模型接入医疗、法律、金融或制造等领域的私有数据、术语体系、合规规则与具体工作流。
通用模型提供底层推理能力，但企业客户购买的是可直接完成任务的系统，例如处理病历、审阅合同、识别欺诈或自动化保单流程，而不是单独购买聊天能力。
可防御性来自专有数据与行动闭环：产品先以文档检索、语音助手或内容生成切入，再接入企业记录系统，在持续执行任务中积累新数据，最终争夺系统记录权。
垂直AI也可采用较小或经微调的模型，降低推理成本、改善时延并缩小合规暴露；代价是跨行业泛化能力下降，对数据质量、集成能力与行业销售能力的依赖上升。
市场机制上，基础模型公司出售算力、API和通用能力，垂直AI公司购买这些底层能力后向行业客户出售可量化的结果与自动化劳动力。受益方是拥有行业分发、数据接入和工作流控制权的应用公司；承压方是只提供同质化界面的通用AI包装层。
来源：公开信息
ABAB AI 解读
垂直软件的上一轮成功逻辑是Veeva、Procore等公司围绕行业流程建立记录系统；AI时代的变化在于，产品不再只管理流程，而是直接处理原本由人完成的非结构化工作。NEA提出的路径是先用语音代理、语义搜索或内容生成免费切入客户，再接入既有记录系统，随后通过智能体执行过程产生的新数据建立新的系统记录。
资本正把资金从底层模型之外，配置到能够把模型嵌入高价值行业的公司。法律AI公司Harvey在2026年获得2亿美元融资、估值110亿美元，投资方包括GIC、红杉、Andreessen Horowitz与Coatue，累计融资超过10亿美元；其扩张对象是律所与企业法务的智能体工作流。
医疗AI公司Abridge是另一条资本路径：其产品自动生成医生临床记录，2025年6月完成3亿美元E轮融资，估值53亿美元；仅四个月前，公司刚以27.5亿美元估值完成2.5亿美元D轮融资。法律与医疗的共同点是人工成本高、非结构化文档密集、错误责任明确，因此通用聊天工具难以直接替代垂直交付系统。
这属于产业链重构。基础模型逐步成为可采购的能力层，竞争优势从“谁训练出更大模型”迁移到“谁拥有真实任务入口、专有反馈数据与结果责任”。当AI能进入交易、诊断、审计或合规流程，原有SaaS按席位收费的逻辑会被按任务、按结果或按节省工时的定价模式挤压。
ABAB News · 认知定律
模型会商品化，工作流不会
通用智能卖能力，垂直智能卖结果
数据决定上限，入口决定定价权