Alexander Niehenke：垂直AI走強
Alexander Niehenke認爲，AI產業正從通用模型競爭轉向面向特定行業、具備數據與流程壁壘的垂直AI。
垂直AI並非單純縮小模型，而是將基礎模型接入醫療、法律、金融或製造等領域的私有數據、術語體系、合規規則與具體工作流。
通用模型提供底層推理能力，但企業客戶購買的是可直接完成任務的系統，例如處理病歷、審閱合同、識別欺詐或自動化保單流程，而不是單獨購買聊天能力。
可防禦性來自專有數據與行動閉環：產品先以文檔檢索、語音助手或內容生成切入，再接入企業記錄系統，在持續執行任務中積累新數據，最終爭奪系統記錄權。
垂直AI也可採用較小或經微調的模型，降低推理成本、改善時延並縮小合規暴露；代價是跨行業泛化能力下降，對數據質量、集成能力與行業銷售能力的依賴上升。
市場機制上，基礎模型公司出售算力、API和通用能力，垂直AI公司購買這些底層能力後向行業客戶出售可量化的結果與自動化勞動力。受益方是擁有行業分發、數據接入和工作流控制權的應用公司；承壓方是隻提供同質化界面的通用AI包裝層。
來源：公開信息
ABAB AI 解讀
垂直軟件的上一輪成功邏輯是Veeva、Procore等公司圍繞行業流程建立記錄系統；AI時代的變化在於，產品不再只管理流程，而是直接處理原本由人完成的非結構化工作。NEA提出的路徑是先用語音代理、語義搜索或內容生成免費切入客戶，再接入既有記錄系統，隨後通過智能體執行過程產生的新數據建立新的系統記錄。
資本正把資金從底層模型之外，配置到能夠把模型嵌入高價值行業的公司。法律AI公司Harvey在2026年獲得2億美元融資、估值110億美元，投資方包括GIC、紅杉、Andreessen Horowitz與Coatue，累計融資超過10億美元；其擴張對象是律所與企業法務的智能體工作流。
醫療AI公司Abridge是另一條資本路徑：其產品自動生成醫生臨牀記錄，2025年6月完成3億美元E輪融資，估值53億美元；僅四個月前，公司剛以27.5億美元估值完成2.5億美元D輪融資。法律與醫療的共同點是人工成本高、非結構化文檔密集、錯誤責任明確，因此通用聊天工具難以直接替代垂直交付系統。
這屬於產業鏈重構。基礎模型逐步成爲可採購的能力層，競爭優勢從“誰訓練出更大模型”遷移到“誰擁有真實任務入口、專有反饋數據與結果責任”。當AI能進入交易、診斷、審計或合規流程，原有SaaS按席位收費的邏輯會被按任務、按結果或按節省工時的定價模式擠壓。
ABAB News · 認知定律
模型會商品化，工作流不會
通用智能賣能力，垂直智能賣結果
數據決定上限，入口決定定價權