Sarah Guo預測2026年領域AI公司將大規模後訓練
知名VC Sarah Guo預測，長時序智能體對推理算力的飢渴將推動大量領域專注AI公司進行後訓練。
她指出編碼領域只是起點，未來更多垂直行業將因長週期Agent需求而轉向專有模型後訓練。
此趨勢反映推理成本與性能需求驅動下，通用基礎模型之外的領域優化路徑加速。
來源：公開信息
ABAB AI 解讀
Sarah Guo作爲Conviction基金創始人，長期投資早期AI基礎設施與應用公司，此前曾主導對Perplexity、Character.ai等多輪融資，並公開表示2024-2025年已看到多個垂直AI公司在編碼、法律、金融等領域啓動私有化後訓練，預示其判斷基於實際投資組合觀察。
資本路徑上，風險資本正從純基礎模型轉向“基礎+領域後訓練”雙層結構，領域公司通過收集專有數據、構建長時序任務數據集並微調開源或閉源大模型（如Llama系列或Claude），實現差異化能力，動機是捕捉推理密集型Agent爆發帶來的高毛利應用層機會，同時降低對單一基礎模型供應商的依賴。
類似案例包括2025年法律科技公司Harvey AI與Cohere的深度合作，以及醫療AI公司Abridge通過後訓練實現臨牀文檔長序列理解；當前AI行業正處於從“預訓練競賽”向“後訓練+Agent部署”轉型的階段。
結構判斷：本質屬於技術替代驅動的產業鏈重構。長時序Agent對上下文與工具使用能力的極高需求，推動定價權從通用預訓練實驗室向掌握領域數據的垂直公司轉移，機制在於後訓練能以遠低於從零訓練的成本實現任務特化，形成新的進入壁壘與利潤池。
ABAB News · 認知定律
推理飢渴越強，垂直後訓練越值錢。
通用是入口，領域纔是收割場。
第一個喫螃蟹的領域，永遠不是最後一個。