Sarah Guo预测2026年领域AI公司将大规模后训练
知名VC Sarah Guo预测,长时序智能体对推理算力的饥渴将推动大量领域专注AI公司进行后训练。
她指出编码领域只是起点,未来更多垂直行业将因长周期Agent需求而转向专有模型后训练。
此趋势反映推理成本与性能需求驱动下,通用基础模型之外的领域优化路径加速。
来源:公开信息
ABAB AI 解读
Sarah Guo作为Conviction基金创始人,长期投资早期AI基础设施与应用公司,此前曾主导对Perplexity、Character.ai等多轮融资,并公开表示2024-2025年已看到多个垂直AI公司在编码、法律、金融等领域启动私有化后训练,预示其判断基于实际投资组合观察。
资本路径上,风险资本正从纯基础模型转向“基础+领域后训练”双层结构,领域公司通过收集专有数据、构建长时序任务数据集并微调开源或闭源大模型(如Llama系列或Claude),实现差异化能力,动机是捕捉推理密集型Agent爆发带来的高毛利应用层机会,同时降低对单一基础模型供应商的依赖。
类似案例包括2025年法律科技公司Harvey AI与Cohere的深度合作,以及医疗AI公司Abridge通过后训练实现临床文档长序列理解;当前AI行业正处于从“预训练竞赛”向“后训练+Agent部署”转型的阶段。
结构判断:本质属于技术替代驱动的产业链重构。长时序Agent对上下文与工具使用能力的极高需求,推动定价权从通用预训练实验室向掌握领域数据的垂直公司转移,机制在于后训练能以远低于从零训练的成本实现任务特化,形成新的进入壁垒与利润池。
ABAB News · 认知定律
推理饥渴越强,垂直后训练越值钱。
通用是入口,领域才是收割场。
第一个吃螃蟹的领域,永远不是最后一个。