投資了 Pinterest、Shopify、Twilio、Yelp、LinkedIn 等公司的投資機構 Bessemer Venture Partners 發(fā)布了他們的《The State of AI 2025》，研究了20家高增長、具備持久競爭力的 AI 創(chuàng)業(yè)公司，包括表現(xiàn)突出的 Perplexity、Abridge 和 Cursor 等，對于今年的 AI 創(chuàng)業(yè)、基模的進展、Infra 的進展以及未來創(chuàng)業(yè)趨勢進行了梳理和總結。

現(xiàn)狀有好有壞。

• 「云服務已離不開 AI。」

• 「速度比以往重要，但正確的方向更關鍵。」

• 「記憶和上下文將是 AI 應用新的護城河?！?/p>

對于未來，Bessemer Venture Partners 認為，瀏覽器的競爭會更卷、視頻生成將在明年進入正式可用狀態(tài)，以及評估（Evals）與數(shù)據(jù)溯源將成為 AI 產(chǎn)品開發(fā)的剛需。

還提到了已經(jīng)成為開源核心勢力的中國 AI 廠商們，總之，作為一篇了解2025 AI 創(chuàng)業(yè)現(xiàn)狀的報告，很合適。原文鏈接：https://www.bvp.com/atlas/the-state-of-ai-2025

注：本次報告用了很多超新星、流星、星系的類比（怎么看怎么奇怪），本來想去掉，但為了不影響一些關鍵觀點的理解，就盡量保留了。

TLDR:

• 未來，AI 行業(yè)將從「證明 AI 可解決問題」，轉(zhuǎn)向「構建能通過經(jīng)驗、清晰度與目標來定義、衡量并解決問題的系統(tǒng)」。

• 最優(yōu)秀的工程團隊不僅用 AI 編寫代碼，更在構建能通過每一輪開發(fā)循環(huán)實現(xiàn)學習、自適應與快速交付的系統(tǒng)。

• MCP 只是「食譜」，而不是「廚師」。要實現(xiàn)真正的「落地應用」，還需要生態(tài)系統(tǒng)的支持。

• 記憶（memory）正在成為核心產(chǎn)品要素?？鐣r間記憶、適應和個性化的能力，是將工具有用與不可或缺區(qū)分開來的關鍵。優(yōu)秀的 AI 系統(tǒng)不僅僅是簡單的信息回憶，而是與用戶共同進化。

• 對 AI 應用來說，上下文和記憶正成為新的護城河。應該將記憶看成是一種產(chǎn)品，而不是一種單純的后端技術。能將記憶作為產(chǎn)品核心來構建的公司，將能定義下一代更智能、更個性化的 AI 系統(tǒng)。

• 垂直領域 AI 的被采用速度正在持續(xù)加快，尤其在長期依賴人工操作、服務密集型或被認為「抗拒技術」的垂直業(yè)務流程中。

• 下一代 Agentic 瀏覽器將遠不止是插件。它們將在操作層嵌入 AI，實現(xiàn)多步自動化、跨標簽頁和會話的智能交互以及實時決策。新的瀏覽器大戰(zhàn)即將開始。

• AI 評估將走向「私有化、場景化、可信化」，并推動企業(yè)級 AI 落地規(guī)模實現(xiàn)10倍增長。

• 2025至2026年，預計行業(yè)并購活動將大幅激增，傳統(tǒng)巨頭會主動通過收購切入 AI 時代。特別是醫(yī)療健康、物流、金融服務、法律科技等「高服務屬性、強監(jiān)管」領域。

AI 正在推動我們所見過的最大一波技術變革浪潮。對于一些 VC 的觀點，創(chuàng)業(yè)者們難免會思考如何辨別其中的炒作與現(xiàn)實 —— 但在 AI 領域，簡單的數(shù)據(jù)便足以說明問題。收入增長是衡量初創(chuàng)企業(yè)最直接的標準，為此我們更新了基準，并重點分析了20家優(yōu)秀的 AI 初創(chuàng)公司，來在定義一家優(yōu)秀的 AI 公司應具備的特質(zhì)。雖然這些基準未來仍然會改變，但 SaaS 時代的成功標準在當下已經(jīng)不能完全適用了。

當然，AI 時代對于初創(chuàng)企業(yè)和投資者來說并不是全是好消息，同樣也有挑戰(zhàn)：

• 增長信號可能存在誤導性。市場需求旺盛，AI 演示效果出色，銷量可能激增，但并不是所有的產(chǎn)品都能提供長期價值。當轉(zhuǎn)換成本較低時，客戶留存可能十分脆弱。僅憑早期的超高速增長，其帶來的意義已經(jīng)大不如前了。

• 行業(yè)競爭激烈程度達到峰值。AI 吸引了所有人的目光，熱門領域的競爭者數(shù)量是過去的2到3倍。同時，SaaS 巨頭也正意識到 AI 的緊迫性，例如我們投資的 公司 Intercom，其 AI 產(chǎn)品線收入已超過1億美元。預計未來幾年，這些行業(yè)領導者將帶來更大的競爭壓力和并購機會。

• 行業(yè)發(fā)展仍處于高度不可預測性階段。盡管今年我們對行業(yè)的認知混亂程度略有緩解，但我們?nèi)蕴幱诳焖僮兓小CP、AI 瀏覽器以及在以下報告中稱為「暗物質(zhì)」（dark matter）的諸多領域，他們帶來的影響仍難以判斷，對于 AI 未來的演變路徑，目前只能做出模糊的推測。

然而，有一點是確定的：如今， AI 已成為云服務的核心。

注：關于 AI「宇宙大爆炸」的真正起點仍有爭論：有人認為是2012年 AlexNet 在深度學習上的突破，也有人認為是 OpenAI 在2020年提出的 scaling laws。本報告將 ChatGPT 的公開發(fā)布視為 AI 進入大眾視野的標志性時刻。

01，2025年的優(yōu)秀 AI 創(chuàng)企：第一年 ARR 300萬美元

基準（Benchmarks）向來不是評判初創(chuàng)企業(yè)的完美方式，在 AI 時代更是。尤其是部分 AI 初創(chuàng)公司實現(xiàn)了前所未有的增長速度，這讓 AI 領域的創(chuàng)業(yè)者們對「優(yōu)秀」的標準感到困惑。因此，我們更新了基準，反映部分 AI 初創(chuàng)公司正遵循著一套全新的發(fā)展邏輯。

兩類 AI 初創(chuàng)企業(yè)與新 「 Q2T3 」 模式

為制定新基準，我們研究了 Bessemer 投資組合內(nèi)外的20家高速增長、具備持久發(fā)展能力的 AI 初創(chuàng)企業(yè)，包括 Perplexity、Abridge、Cursor 等。

研究表明，AI 時代的驚人增長主要體現(xiàn)為兩種不同類型：「超新星」（Supernovas）和「流星」（Shooting Stars）。

AI 超新星 （Supernovas）

「超新星型」初創(chuàng)企業(yè)是軟件行業(yè)歷史上增長最快的 AI 企業(yè)。

增長特征：

• 速度：增長速度堪比軟件史上的任何一家公司，通常在商業(yè)化第一年內(nèi) ARR（年經(jīng)常性收入）即可破億美元。
• 風險：高速增長背后可能隱藏脆弱性，如產(chǎn)品轉(zhuǎn)換成本低或長期價值不足。
• 產(chǎn)品形態(tài)：因功能與核心基礎模型高度相似，可能被視為「thin wrapper」（薄層封裝）。
• 盈利能力：在激烈的市場競爭中，為爭奪「贏者通吃」的地位，利潤率常被壓縮至極低甚至為負。

關鍵數(shù)據(jù)指標：

• 平均 ARR：在調(diào)研的 10 家「超新星型」 AI 初創(chuàng)企業(yè)中，平均商業(yè)化第一年約 4000 萬美元，第二年約 1.25 億美元。
• 平均毛利率：僅 25%，是典型的以利潤換增長模式。
• 員工效率（ARR/FTE）：高達 113 萬美元，是傳統(tǒng) SaaS 基準的 4-5 倍，顯示出巨大的長期效率潛力。

AI 流星 （Shooting Stars）

「流星型」初創(chuàng)企業(yè)則更像傳統(tǒng)的優(yōu)秀 SaaS 企業(yè)，發(fā)展路徑更為穩(wěn)定。

增長特征：

• 模式：能快速找到產(chǎn)品與市場的契合點（product-market fit），有效維持和擴大客戶關系，并保持穩(wěn)健的毛利率。
• 速度：平均增長速度快于傳統(tǒng) SaaS 公司，但仍受限于組織擴張的常規(guī)瓶頸。
• 市場定位：或許尚未成為市場焦點，但深受客戶信賴，并有望創(chuàng)造新的軟件歷史。

關鍵數(shù)據(jù)指標：

• 平均 ARR：商業(yè)化第一年約 300 萬美元。
• 年同比增長率：達到 4 倍。
• 平均毛利率：約 60%，表現(xiàn)健康。
• 員工效率（ARR/FTE）：第一年約 16.4 萬美元。

如果說 T2D3（連續(xù)兩年三倍增長，后三年兩倍增長）是 SaaS 時代的增長標準，那么Q2T3*（連續(xù)兩年四倍增長，后三年三倍增長）則更能反映當前 AI「流星」型公司的五年增長軌跡。這類企業(yè)的增長速度顯著快于傳統(tǒng) SaaS 企業(yè)，但相較于爆發(fā)式增長的「超新星型」企業(yè)，其運營模式更接近 SaaS 基準。

*我們承認尚未看到五年的完整數(shù)據(jù)，未來幾年這些公司或許不會真的實現(xiàn)三倍增長，但「Q2T1D2」遠沒有那么朗朗上口。

盡管我們青睞「超新星型」企業(yè)，但我們認為，定義這個時代的不會是少數(shù)「異類」，而是數(shù)以百計的「流星型」企業(yè)。因此，「流星型」企業(yè)更應該是 AI 創(chuàng)業(yè)者追求的核心基準。

關于新基準，給 AI 創(chuàng)始人的核心啟示：

我們分享這些「非常規(guī)」的新基準，是為了展現(xiàn)當前頂尖 AI 初創(chuàng)企業(yè)的真實狀況。但需強調(diào)的是，打造一家標志性的 AI 企業(yè)，并不意味著必須在一夜之間實現(xiàn)四倍增長。許多最優(yōu)秀的公司仍會根據(jù)產(chǎn)品復雜性和競爭格局，選擇一條更穩(wěn)健的發(fā)展路徑。

然而，速度比以往任何時候都更重要。AI 加速了產(chǎn)品開發(fā)、市場推廣（GTM）和渠道分發(fā)，使得「Q2T3」成為一個富有挑戰(zhàn)性但日益可及的基準。已有數(shù)十家初創(chuàng)公司證明了可能性。

02，AI 在五大領域的發(fā)展路線圖：memory 和 context 是關鍵

在 Bessemer 追蹤的每一張路線圖中，我們都看到 AI 技術棧的許多元素在過去一年里得到了顯著的具象化，形成了數(shù)個早期的星系。我們將梳理各路線中的這些「星系」，同時也會指出那些我們?nèi)蕴幱诓聹y階段的「暗物質(zhì)」（dark matter，有待攻克和解決的）領域。

2.1 AI 基礎設施 正在形成的「星系」：模型層

首先明確一點：OpenAI、Anthropic、Gemini、Llama、xAI 等少數(shù)企業(yè)仍主導著基礎模型領域。它們在提升模型性能的同時，也在探索垂直整合。大型實驗室顯然已不再僅僅提供基礎模型和開發(fā)工具，而是開始推出用于編碼、計算機操作和 MCP 集成的 Agents。與此同時，在軟件創(chuàng)新與端到端硬件優(yōu)化的推動下，算力成本正可預見地持續(xù)下降。

Kimi、DeepSeek、Qwen、Mixtral、Llama 等頂尖的開源模型也持續(xù)證明，開源生態(tài)系統(tǒng)的實力仍不容小覷，在效率及特定任務處理上，其表現(xiàn)通常能與專有模型持平甚至超越。

在研究層面，創(chuàng)新的工作不斷出現(xiàn)：

• Google 最近的 Mixture-of-Recursions 論文，通過一種平衡推理吞吐量和 few-shot 準確性的自適應深度方法，挑戰(zhàn)了現(xiàn)有的擴展假設。

• Mixture-of-Experts 架構也重新受到關注，出現(xiàn)了以獨特方式組合專家的新技術。

• 推理時技術，如 test-time reinforcement learning （RL） 和自適應推理，關注度日益提升，其中的垂直領域有望迎來重大突破。

這些模型層面的創(chuàng)新，只是更大規(guī)模平臺重構的一部分。

隨著企業(yè)打造原生 AI 產(chǎn)品與嵌入式 AI 產(chǎn)品，一個涵蓋模型、計算、訓練框架、編排及可觀測性的全新基礎設施層已經(jīng)出現(xiàn)。我們在2024年的《 AI 基礎設施路線圖》中就強調(diào)過這一演變。這套專業(yè)化技術棧為開發(fā)者提供了所需的速度與靈活性，但隨著企業(yè)向相鄰領域拓展來占據(jù)更多技術棧環(huán)節(jié)，「捆綁整合」的趨勢正在加速。盡管目前已取得顯著進展，但我們認為， AI 基礎設施的快速演變?nèi)赃h還沒有結束。

2024《 AI 基礎設施路線圖》：https://www.bvp.com/atlas/roadmap-ai-infrastructure

正在形成的「星系」：AI 基礎設施的「第二篇章」

AI 的第一階段以重大算法突破為標志，如反向傳播、卷積網(wǎng)絡、Transformer 架構等。該階段的發(fā)展主要依靠算法改進與擴展定律，相應地，基礎設施也反映了這種思維模式，推動了基礎模型、計算能力、數(shù)據(jù)標注等領域巨頭的崛起。

但下一階段的影響可能更加深遠。

正如 OpenAI 的 Shunyu Yao 最近觀察到的：

在 AI 基礎設施的「第二篇章」中，行業(yè)將從 「 證明 AI 可解決問題 」 ，轉(zhuǎn)向 「 構建能通過經(jīng)驗、清晰度與目標來定義、衡量并解決問題的系統(tǒng) 」 。

大型實驗室不再一味追求基準測試分數(shù)，而是開始設計能與現(xiàn)實世界有效交互的 AI ；與此同時，企業(yè)也從「概念驗證」階段邁向「生產(chǎn)部署」階段。

這些轉(zhuǎn)變?yōu)樾乱惠喕A設施工具的誕生奠定了基礎，這類工具不僅追求規(guī)模與效率，更是為了將 AI 結合到運營情境、真實世界經(jīng)驗和持續(xù)學習中。例如：

• 強化學習環(huán)境與任務策劃：通過 Fleet、Matrices、Mechanize、Kaizen、Vmax 和 Veris 等平臺，因為人類生成的標注數(shù)據(jù)已不足以支持生產(chǎn)級 AI。

• 新穎的評估與反饋框架：如 Bigspin.ai、Kiln AI 和 Judgment Labs，可實現(xiàn)持續(xù)且具體的反饋循環(huán)。

• 復合 AI 系統(tǒng)：不再僅僅關注原始模型的能力，而是結合知識檢索、記憶、規(guī)劃和推理優(yōu)化等多個組件。

我們正處于這一轉(zhuǎn)型的開端：從作為概念驗證的 AI，邁向作為定義問題并能適應真實世界經(jīng)驗的嵌入式系統(tǒng)。

暗物質(zhì)：AI 的「痛苦教訓」 （The bitter lesson of AI）

Rich Sutton 提出的「痛苦教訓」提醒我們：從歷史來看， AI 領域最有效的進步，源于對計算能力與通用學習的利用，而不是依賴人工設計的特征或啟發(fā)式算法。隨著 AI 基礎設施進入下一篇章，當從業(yè)者試圖嵌入情境、理解和領域?qū)ｉL以確保真實世界效用時，哪種技術將被證明最有效或最具可擴展性，這仍然是一個沒有被解決的問題。

2.2開發(fā)者平臺與工具正在形成的「星系」：AI 工程成為軟件開發(fā)不可或缺的一部分

除了基礎設施技術棧外， AI 已經(jīng)明顯改變了軟件開發(fā)模式。自然語言成為新的編程接口，模型負責執(zhí)行指令。在這一范式的轉(zhuǎn)變下，軟件開發(fā)的核心原則正在改變，提示詞（Prompt）成為「程序」，大語言模型（LLM）則成為一種新型「計算機」。

AI 不僅意味著開發(fā)者工具的漸進式演進，而是開啟了一種全新的軟件開發(fā)方式。我們將在即將發(fā)布的《Developer Tooling for Software 3.0》中詳細探討這一領域。

如今，問題已經(jīng)不再是「團隊是否使用 AI 」，而是「如何高效將其整合為一個能持續(xù)優(yōu)化、高速運轉(zhuǎn)的系統(tǒng)」。這種軟件開發(fā)模式，像是原生 AI 開發(fā)的「已形成的星系」。最優(yōu)秀的工程團隊不僅用 AI 編寫代碼，更在構建能通過每一輪開發(fā)循環(huán)實現(xiàn)學習、自適應與快速交付的系統(tǒng)。

正在形成的「星系」：模型上下文協(xié)議（MCP）

一個新的基礎設施層將對 AI 開發(fā)產(chǎn)生深遠影響：模型上下文協(xié)議（Model Context Protocol，簡稱 MCP）。該協(xié)議由 Anthropic 于2024年末提出，隨后迅速被 OpenAI、谷歌 DeepMind、微軟采納，正在逐漸成為 Agent 訪問外部 API、工具及實時數(shù)據(jù)的通用標準。

正如 MCP 的創(chuàng)造者所描述的，它可以被看作是「AI 領域的 USB-C」。它支持持久化記憶、多工具工作流以及跨會話的精細權限管理。有了它，Agents 可以鏈接任務、對實時系統(tǒng)進行推理，并與結構化工具交互，而不僅僅是生成輸出。

對開發(fā)者而言，MCP 大幅簡化了集成流程；對創(chuàng)業(yè)者而言，它為構建「真正的 Agent 產(chǎn)品」打開了大門，在這類產(chǎn)品中， AI 不僅能輔助用戶，還能代表用戶在各類系統(tǒng)中執(zhí)行操作。

目前仍處于早期階段，需注意的是，MCP 只是「食譜」，而不是「廚師」。要實現(xiàn)真正的「落地應用」，還需要生態(tài)系統(tǒng)的支持，例如 Prefect 的 FastMCP（大幅簡化 MCP 服務器構建）、Arcade 與 Keycard（助力 Agent 授權與權限管理）等工具。隨著圍繞 MCP 連接器、治理框架及 Agent 專用工具的「星系」不斷形成，我們預計它將像 HTTP 之于互聯(lián)網(wǎng)一樣，成為 Agent 原生網(wǎng)絡的基礎。

暗物質(zhì)：記憶、上下文及其他

隨著 AI 原生工作流的成熟，記憶（memory）正在成為核心產(chǎn)品要素?？鐣r間記憶、適應和個性化的能力，是將工具有用與不可或缺區(qū)分開來的關鍵。優(yōu)秀的 AI 系統(tǒng)不僅僅是簡單的信息回憶，而是與用戶共同進化。2025年，大的上下文窗口和檢索增強生成（RAG）技術已經(jīng)能夠支持更連貫的單次會話交互，但真正的持久化、跨會話記憶仍然是一個開放性的挑戰(zhàn)。 foundational model 公司和 mem0、Zep、SuperMemory 以及 Langchain 的 LangMem 等初創(chuàng)公司都在解決這個問題。

• 上下文（Context）是模型在推理時看到的數(shù)據(jù)。

• 記憶（Memory）是指跨交互保留的信息，支持多步推理、個性化和 Agent 的連續(xù)性。

我們認為，領先的技術棧最終將具備以下幾點：

• 短期記憶：通過擴展的上下文窗口（128k 到1M+ tokens）。

• 長期記憶：通過向量數(shù)據(jù)庫、記憶操作系統(tǒng)（如 MemOS）和 MCP 風格的編排。

• 語義記憶：通過混合 RAG 和新興的片段式模塊，專為富含上下文的回憶而設計。

然而，要實現(xiàn)這一點，仍然需要權衡利弊。例如，長上下文會增加延遲和成本；而缺乏有效的上下文管理，長期記憶的穩(wěn)定性也會不足。

目前，Agentic 應用（如開發(fā) Agents、客戶 copilots）正在推動多模態(tài)記憶和狀態(tài)化工作流的落地。同時，神經(jīng)記憶、持續(xù)學習等領域的研究也表明，實現(xiàn)可擴展的記憶能力已經(jīng)為時不遠了。

對 AI 應用創(chuàng)始人來說，上下文和記憶正成為新的護城河。當一款產(chǎn)品比其他任何工具都更了解用戶時，更換它的成本就極高。無論是熟悉團隊代碼庫的編程助手，還是深度整合 CRM 的銷售 Agent，為用戶特定場景積累的智能，都將成為產(chǎn)品最核心的粘性。

因此，未來的成功者需要同時掌握好基礎設施與交互界面：

• 構建能低延遲、靈活調(diào)用記憶的系統(tǒng)。

• 將產(chǎn)品的隱式學習能力與用戶的核心工作流深度整合。

• 把上下文轉(zhuǎn)化為數(shù)據(jù)、分發(fā)和體驗上的持續(xù)優(yōu)勢。

創(chuàng)始人應該將記憶看成是一種產(chǎn)品，而不是一種單純的后端技術。能將記憶作為產(chǎn)品核心來構建的公司，將定義下一代更智能、更個性化的 AI 系統(tǒng)。

2.3暗物質(zhì)：企業(yè)級 ERP 與長尾記錄系統(tǒng)（SoR）

盡管發(fā)展勢頭迅猛，但部分大型企業(yè)級應用領域的變革程度仍然有限：

• 企業(yè)級 ERP 系統(tǒng)：雖然我們看到 AI 原生會計和 ERP 平臺在中小企業(yè)和中端市場表現(xiàn)活躍，但它們大多集中在軟件和服務等相對簡單的行業(yè)。對于擁有高度復雜制造、供應鏈和庫存需求的行業(yè)，我們認為 AI 同樣能提供巨大價值，但新進入者需要時間來構建服務復雜客戶所需的產(chǎn)品廣度。真正的企業(yè) ERP 替換周期可能還需要數(shù)年。

• 長尾 SoR ： 除了 CRM 和 ERP，但還有大量「長尾」記錄系統(tǒng)，也代表著巨大的顛覆機會。例如企業(yè)安全中的身份平臺、公共安全中的計算機輔助調(diào)度系統(tǒng)、網(wǎng)頁設計中的內(nèi)容管理系統(tǒng)等。我們認為所有這些類別都已經(jīng)成熟，可以被顛覆，但這將是一個長達十年的旅程，創(chuàng)業(yè)者們才剛剛開始將注意力轉(zhuǎn)向這些領域。

盡管潛力巨大，但落地執(zhí)行仍然困難。展望2026年，我們相信這些領域可能誕生下一批行業(yè)新星，但目前預測還有點為時過早。

2.4垂直領域 AI

去年，我們提出了一個大膽的論斷：垂直領域 AI 有望超越最成功的傳統(tǒng)垂直 SaaS 市場。如今，我們對此觀點的信心更加堅定。垂直領域 AI 的被采用速度正在持續(xù)加快，尤其在長期依賴人工操作、服務密集型或被認為「抗拒技術」的垂直業(yè)務流程中。

這一趨勢徹底改變了我們對所謂「技術抵觸型」行業(yè)的認知。事實上，這些行業(yè)并不是不愿采用新工具，而是傳統(tǒng) SaaS 無法解決其高價值的垂直特定任務（這類任務多為多模態(tài)或重度依賴語言交互）。垂直 AI 終于能夠滿足這些用戶的需求，推出的產(chǎn)品不再像「軟件工具」，而是能真正為用戶創(chuàng)造「實際杠桿價值」。

正在形成的「星系」：垂直領域特定工作流自動化

多個行業(yè)，包括許多過去被認為對技術有抵觸情緒的行業(yè)，正在展現(xiàn)出垂直 AI 被大規(guī)模采用的明確跡象。例如：

• 醫(yī)療健康：Abridge 利用生成式 AI 自動完成臨床記錄，減輕醫(yī)生倦怠，同時提升文檔質(zhì)量；SmarterDx 通過自動化復雜編碼流程，幫助醫(yī)院追回錯失的收入；OpenEvidence 自動完成醫(yī)學文獻綜述，在診療場景實時提供答案。

• 法律：EvenUp 通過生成法律索賠文件，將數(shù)天的手動工作縮短至幾分鐘，使庭審律師和人身傷害律所能夠擴展案件處理能力；Ivo 幫助法律團隊自動審查合同，并支持跨企業(yè)合同的自然語言檢索；Legora 加速法律研究、審查與文書起草流程，同時支持全工作流協(xié)作。

• 教育：Brisk Teaching、MagicSchool 等企業(yè)推出 AI 工具，幫助教師簡化評分、輔導、內(nèi)容創(chuàng)作等任務。

• 房地產(chǎn)：EliseAI 自動化了從潛在客戶和住戶溝通到租賃審計等過去勞動密集型的物業(yè)管理工作流程。

• 家庭服務行業(yè)：Hatch 充當 AI 客戶服務團隊（CSR）；Rilla 通過分析真實銷售對話音頻，為大規(guī)模銷售團隊提供培訓指導。

我們發(fā)現(xiàn)，這些突破性企業(yè)在切入這些垂直領域時，存在以下共性特點：

1. 極具吸引力的 「 切入點 」：早期成功者往往從解決核心痛點入手，這類痛點多為重度語言交互或多模態(tài)場景，且在以往軟件浪潮中未被充分滿足。最優(yōu)的「切入型產(chǎn)品」設計直觀易用，且常嵌入現(xiàn)有工作流來實現(xiàn)無縫采用。語音/音頻技術反復出現(xiàn)，是「突破性切入點」的關鍵要素。

2. 上下文是關鍵：競爭力來自于領域?qū)ｉL，包括針對垂直需求構建的集成能力、數(shù)據(jù)護城河與多模態(tài)界面。最強的團隊會迅速超越「模型微調(diào)」階段，深入打造垂直領域?qū)俚膶嵱霉δ堋?/p>

3. 以價值為導向構建：從落地第一天起，投資回報率（ROI）就清晰可見，無需通過 Excel 表格向用戶解釋。這些工具能實現(xiàn)10倍效率提升、將人力重新分配至更高價值工作、降低成本或推動營收增長，其價值是「即時可見」的，而不是「錦上添花」。

盡管勢頭強勁，垂直領域 AI 在三個關鍵領域仍存在不確定性：

• 與傳統(tǒng)記錄系統(tǒng)的互動：下一代垂直 AI 公司是會繼續(xù)與現(xiàn)有記錄系統(tǒng)集成并擴展其效用（目前的主流做法），還是會開始直接與它們競爭？未來這些傳統(tǒng)記錄系統(tǒng)是否會不再是中心，而被 AI 原生的、垂直特定的行動系統(tǒng)所取代？

• 來自現(xiàn)有巨頭的競爭：在那些根深蒂固的 incumbents 并未掉以輕心的垂直領域，是規(guī)模和分銷渠道會勝過初創(chuàng)公司的創(chuàng)新，還是新一代公司能沖破重圍？

• 可持續(xù)的數(shù)據(jù)護城河：隨著垂直 AI 公司擴大其業(yè)務范圍，在數(shù)據(jù)分散、隱私敏感且通常難以大規(guī)模獲取或標準化的行業(yè)中，它們能否維持有意義的數(shù)據(jù)優(yōu)勢？

隨著底層技術的發(fā)展，滿足新消費需求的機會也在不斷涌現(xiàn)。去年，消費者對 AI 的使用多集中于生產(chǎn)力相關任務（如寫作、編輯、搜索），消費者在探索 AI 的新奇性和實用性；但現(xiàn)在，使用場景正逐漸向更深層次 延伸 ，包括心理治療、陪伴、個人成長等領域。AI 不再只是「任務輔助工具」，更開始滲透到消費者生活中更具意義的層面。

正在形成的「星系」：面向日常任務與創(chuàng)作的 AI 助手

各年齡段的消費者越來越多地依賴通用 LLMs，特別是 ChatGPT 和 Gemini，來進行日?；蛎恐艿妮o助（截至2025年3月，周活躍用戶分別估計為6億和4億）。這些工具從「新奇事物」逐漸變?yōu)椤干盍晳T」，每周為數(shù)億用戶提供服務。即便大量細分場景應用出現(xiàn)，大多數(shù)消費者仍依賴這些通用助手來滿足研究、規(guī)劃、咨詢、對話等多樣化的需求。

過去一年，語音成為消費者與 AI 應用交互的重要方式。與 Alexa、Siri 等傳統(tǒng)助手不同，基于 LLM 的語音 AI 能處理開放式問題、引導深度思考、支持更流暢的對話交互，為用戶提供直觀的「免手動」技術交互體驗。Vapi 等語音 AI 平臺正在幫助消費者實現(xiàn)跨語言、跨場景、帶情感的方式與機器互動。

或許最具意義的轉(zhuǎn)變在于消費者獲取信息與交互網(wǎng)絡的方式。在不斷變化的環(huán)境下，Perplexity 脫穎而出：其「模型無關」的編排能力與極速用戶體驗（UX），使其成為原生 AI 搜索的首選工具。隨著 Perplexity 推出 Agent 瀏覽器 Comet，該公司正進一步拓展邊界，Comet 有望成為下一代「環(huán)境感知型」「主動式」Agent 的標志性形態(tài)。

除了作為「高級助手」外，AI 還降低了創(chuàng)作門檻，讓每個消費者都可能成為創(chuàng)作者：消費者通過 Create.xyz、Bolt、Lovable 等工具開發(fā)應用；通過 Suno、Udio 生成音樂；通過 Moonvalley、Runway、Black Forest Labs 等平臺制作多媒體內(nèi)容；通過 FLORA、Visual Electric、ComfyUI、Krea 等工具加速創(chuàng)意構思與迭代。AI 正將普通消費者轉(zhuǎn)變?yōu)閯?chuàng)作者，不斷突破以往認為的「不可能」。

正在形成的「星系」：專有 AI 助手

隨著消費者希望將 AI 更深度地融入到日常生活中，一批聚焦特定需求的消費級應用出現(xiàn)。其中增長最快的領域之一是心理健康與情緒健康：盡管「ChatGPT 療法」持續(xù)獲得關注，但我們也看到以自我反思和個人成長為中心的專用工具的出現(xiàn)，例如 AI 日記與導師工具 Rosebud、游戲化自我關懷助手 Finch（幫助用戶設定個人目標、培養(yǎng)健康習慣、追蹤情緒狀態(tài)）。Character.AI 早期就顯現(xiàn)出消費者對「情感表達型 AI」的需求，而過去一年，這一需求已經(jīng)成為主流，LLM 工具正越來越多地圍繞「長期記憶」「情緒韌性」「自我發(fā)展」來設計功能。

另一種新興的應用是郵件與日程管理工作流：越來越多初創(chuàng)企業(yè)嘗試用 AI 簡化日程安排、收件箱管理與待辦事項自動化。但由于這些場景對「信任」要求高，且面臨 Gmail 等強勁行業(yè)巨頭競爭，客戶獲取與留存一直是一個挑戰(zhàn)。

盡管餐飲規(guī)劃、健身、育兒等細分消費場景種涌現(xiàn)出了大量產(chǎn)品，但我們不太確定在這些小眾領域是否會出現(xiàn)明確的贏家。即便有這些選擇，多數(shù)消費者仍傾向于使用通用 LLMs，認為它們對于許多這類任務來說「足夠好」。細分場景應用若想實現(xiàn)突破，就需要提供清晰的差異化價值，通過定制化體驗來解決「高頻剛需」問題，才能在用戶的主屏幕上占據(jù)一席之地。

暗物質(zhì)：尚未解決的明確消費痛點

一些最明顯的消費用例仍未得到充分滿足，并不是需求不足，而是這些場景仍然需要用戶進行過多的手動操作。盡管早期 Agent 產(chǎn)品正在出現(xiàn)，但底層技術仍在成熟過程中。

圍繞「安全性」「自主性」「可靠性」的問題仍未解決，因此「代用戶執(zhí)行操作」的 Agent 目前仍處于早期階段。

一些亟待 Agent 基礎設施成熟的用例包括：

• 旅行領域：旅行預訂流程仍分散且耗時，「個性化端到端旅行 concierge」的市場機遇巨大，但目前仍無企業(yè)成功占據(jù)這一賽道。

• 購物領域：當「搜索起點」從谷歌轉(zhuǎn)向「代用戶瀏覽、比價甚至結賬的 Agent」時，電子商務有機會被徹底重塑。

誰將占據(jù)這些場景？是控制 AI 原生瀏覽器的玩家、通用 LLM 助手，還是新一代消費級端到端 Agent 應用？答案可能將決定下一代消費級平臺的贏家。

03，Bessemer 的2025年五大 AI 預測：將出現(xiàn)AI 原生社交媒體巨頭

與往年一樣，我們通過調(diào)研合作伙伴，篩選出了未來幾年最關鍵的五項 AI 預測。我們從數(shù)十項預測中，最終確定了這五項達成一定共識的方向。

預測一：瀏覽器將成為 Agentic AI 的核心交互界面

隨著 Agent AI（Agentic AI）的發(fā)展，瀏覽器正從「導航工具」轉(zhuǎn)變?yōu)椤缸灾鲌?zhí)行環(huán)境」，成為可編程的「數(shù)字世界入口」。

雖然語音在特定場景下仍是一種自然的交互方式，但瀏覽器提供了更強大的功能：它是嵌入日常工作流的「環(huán)境感知型」交互界面，能無縫集成到消費端與企業(yè)端系統(tǒng)種，讓 Agent 能夠在使用戶已依賴的應用中進行觀察、推理和行動。

下一代 Agentic 瀏覽器（如近期推出的 Comet 與 Dia）將遠不止是插件。它們將在操作層嵌入 AI，實現(xiàn)多步自動化、跨標簽頁和會話的智能交互以及實時決策。與傳統(tǒng)擴展不同，這些瀏覽器可以解釋用戶意圖并端到端地執(zhí)行工作流。

我們預計 OpenAI、Google 等公司將很快推出新的 AI 原生瀏覽器，每一款都將推動 agents 在會話中能力的邊界。瀏覽器的普遍性、靈活性和集成深度使其成為跨 B2B 和 B2C 用例的 agentic AI 最強大、也最必然的界面層。新的瀏覽器大戰(zhàn)即將開始！

預測二：2026年將成為生成式視頻元年

2024年是生成式圖像模型進入主流的轉(zhuǎn)折點。2025年，在延遲、感知能力、擬人化和定制化方面的改進以及成本大幅降低的推動下，語音領域也出現(xiàn)了類似的突破。2026年，視頻生成技術將有望實現(xiàn)「跨越鴻溝」。從 Google 的 Veo 3、Kling，到 OpenAI 的 Sora、Moonvalley 的 Marey 以及新興的開源模型，模型質(zhì)量正在加速提升。我們正接近一個在可控性、可及性和真實感方面的臨界點，將推動生成式視頻實現(xiàn)規(guī)模化商業(yè)應用。

視頻歷來是成本最高、復雜度最高的媒介，但生成式視頻與多模態(tài)模型正在打破這些壁壘，讓視頻創(chuàng)作更易實現(xiàn)和獲取。我們已經(jīng)看到生成式視頻模型在娛樂、營銷、教育、社交媒體和零售領域獲得主流采用。我們預計將涌現(xiàn)大量針對特定用例的初創(chuàng)公司和工具，從電影敘事、虛擬形象動畫到實時客戶互動和產(chǎn)品視頻。

我們還預計，未來12個月內(nèi)，生成式視頻的市場結構將更加明確：

• 大型實驗室會壟斷市場嗎？谷歌 Veo 3等模型設定了視頻真實感與可控性的基準；Higgsfield 通過在現(xiàn)有前沿模型基礎上構建「場景內(nèi)學習」差異化應用，證明「不一定需要訓練自己的模型也能打造強大的產(chǎn)品。

• 開源生態(tài)會迎頭趕上嗎？與「開源模型表現(xiàn)超越閉源」的圖像生成領域不同，視頻生成領域的開源領導者較少。視頻模型計算和數(shù)據(jù)密集，訓練成本高昂，評估復雜。但我們預測，2026年將出現(xiàn)強大的開源視頻模型，通義千問（Qwen）的開源視頻模型已展現(xiàn)潛力，且勢頭正不斷增強。

• 實時或低延遲用例是否存在優(yōu)勢？我們正在關注像 Lemonslice 這樣的早期團隊在流媒體視頻和實時推理方面的實驗，速度和響應性本身就可以成為產(chǎn)品護城河。

以下是我們重點關注的幾大應用場景：

• 電影級視頻：面向創(chuàng)作者、工作室、營銷團隊的工具（如 Moonvalley）；

• 實時低延遲生成：直播、虛擬網(wǎng)紅、游戲；

• 極致真實感：照片級真實敘事、虛擬制作；

• 個性化內(nèi)容與社交身份；

• 簡化視頻應用與輸出創(chuàng)作的開發(fā)者工作流。

但技術進步的同時，知識產(chǎn)權（IP）復雜性也在上升。生成式視頻的版權與監(jiān)管體系仍在完善中，大型影視公司已經(jīng)開始對「侵權使用受版權保護資產(chǎn)」采取行動。該領域的初創(chuàng)企業(yè)應該審慎且主動地開展數(shù)據(jù)授權、規(guī)范訓練數(shù)據(jù)來源，并建立尊重創(chuàng)作者的版稅機制，這不僅關乎法律風險，更影響長期信任、差異化競爭力與可持續(xù)發(fā)展能力。

無論生成式視頻最終成為「大型實驗室主導的少數(shù)玩家市場」，還是「應用、基礎設施與開源創(chuàng)新豐富的生態(tài)系統(tǒng)」，有一點是明確的：視頻創(chuàng)作的新時代已然來了，且將重塑互聯(lián)網(wǎng)。

預測三：評估（Evals）與數(shù)據(jù)溯源將成為 AI 產(chǎn)品開發(fā)的關鍵催化劑

企業(yè)級 AI 落地的最大未解決瓶頸之一是「評估」：產(chǎn)品、功能、算法變更的效果如何？用戶滿意嗎？能否提升營收/轉(zhuǎn)化率/留存率？多數(shù)企業(yè)仍難以評估模型在其特定真實場景中的可靠性表現(xiàn)。像 MMLU、GSM8K、HumanEval 等公共基準最多只能提供「粗略信號」，往往無法反映真實工作流的細微差異、合規(guī)約束或「決策關鍵場景」的特殊性。

因此，2025-2026年將成為轉(zhuǎn)折點：AI 評估將走向 「 私有化、場景化、可信化 」，并推動企業(yè)級 AI 落地規(guī)模實現(xiàn)10倍增長。

如今的企業(yè)不僅追求「性能」，更追求「可信度」，而可信度需要基于企業(yè)自身數(shù)據(jù)、用戶與風險環(huán)境構建的「可信、可復現(xiàn)的評估框架」。正在改變的是：企業(yè)不再追逐排行榜分數(shù)，而是構建內(nèi)部評估套件，衡量 AI 在隱私敏感工作流、客戶支持、文檔解析、Agent 決策等場景中的表現(xiàn)。

下一代 AI 評估將具備以下特征：

• 基于專有數(shù)據(jù)構建的「私有化、場景專屬」評估；

• 聚焦業(yè)務導向指標（如準確率、延遲、幻覺率、客戶滿意度）；

• 與生產(chǎn)系統(tǒng)及反饋循環(huán)深度集成的「持續(xù)評估管線」；

• 數(shù)據(jù)溯源與可解釋性（尤其在醫(yī)療、金融、保險等受監(jiān)管垂直領域）。

Braintrust、LangChain、Bigspin.ai、Judgment Labs 等初創(chuàng)企業(yè)正在構建這一新時代的基礎設施技術棧，提供評估工具集、Agent 基準測試環(huán)境、實時反饋循環(huán)等功能。

隨著企業(yè)買家變得更加成熟，他們將不再只關注「性能」，更要求「可證明、可解釋、可信任的性能」。DataHub 等工具能確保 AI 模型僅按規(guī)定使用數(shù)據(jù)（明確數(shù)據(jù)來源、用途與范圍），并通過數(shù)據(jù)溯源提供額外驗證與合規(guī)支持。AI 供應商需要在購買前，而不僅僅是部署后，提供有效性的證據(jù)。在這種情況下，評估與數(shù)據(jù)溯源不再只是「開發(fā)功能」，而是成為 AI 技術棧的「戰(zhàn)略層組成部分」，也是采購與治理的「核心要求」。

傳統(tǒng)的產(chǎn)品開發(fā)始終追求「數(shù)據(jù)驅(qū)動、用戶導向」，LaunchDarkly 等平臺為此提供了實驗與衡量工具。但在 AI 領域，預測性而不是確定性的用戶體驗占據(jù)主導地位，傳統(tǒng)產(chǎn)品開發(fā)原則的基礎已經(jīng)被動搖。像 Arklex、Kiln AI 和 Pi Labs 這樣的公司提出了在 AI 原生時代關于衡量和反饋循環(huán)的全新思維方式。

該領域的創(chuàng)業(yè)者應該優(yōu)先考慮的：

• 支持多指標評估的工具（如同時評估準確率、幻覺風險、合規(guī)性）；

• 用于 Agent 壓力測試的「合成評估環(huán)境」；

• 與日志、檢索、反饋系統(tǒng)的互操作性；

• 支持模型漂移和隨時間持續(xù)更新；

隨著基礎模型性能逐漸趨同，真正的差異化將不再是「原始準確率」，而是確切地知道你的模型在你的環(huán)境中如何、何時以及為何工作。能實現(xiàn)「規(guī)?；?、可解釋、企業(yè)級適用」評估的初創(chuàng)企業(yè)，將開啟 AI 落地的下一波浪潮，并定義下一代核心基礎設施領域。

預測四：一 個新的 AI 原生社交媒體巨頭可能出現(xiàn)

從歷史來看，消費級技術的重大變革往往會為新社交媒體巨頭的崛起奠定基礎：PHP 技術成就了 Facebook，手機攝像頭催生了 Instagram，移動視頻技術則推動 TikTok 走向爆發(fā)。很難想象，生成式 AI 所帶來的全新能力，不會催生出類似的突破性平臺。

目前，我們還無法確定下一個社交媒體巨頭將以何種形式出現(xiàn)。它可能是一個由 AI agents 在后臺確保我們不錯過任何生日、朋友動態(tài)或本地重要事件的網(wǎng)絡，幫助我們在網(wǎng)絡和現(xiàn)實生活中成為更好的自己?；蛘?，它可能是一個由富有情感智能的 AI 網(wǎng)紅和 AI 克隆人組成的世界。像 Character.AI 和 Replika 這樣的平臺暗示了 AI 而不是人類可能成為主角的社交空間。

無論最終形態(tài)如何，語音交互、長期記憶、圖像與視頻生成等領域的技術突破，無疑將成為下一代社交媒體爆發(fā)的核心推動力。成功的平臺或許會以「主流爆款」的姿態(tài)登場，也可能先從細分社群起步，隨后快速擴張為成熟的生態(tài)系統(tǒng)。

預測五：行業(yè)巨頭強勢反擊，AI 領域并購升溫

在原生 AI 初創(chuàng)企業(yè)掀起兩年快速變革后，行業(yè)巨頭正在反擊，不是通過「從零重建」，而是通過收購獲取所需能力來追趕趨勢。2025至2026年，我們預計行業(yè)并購活動將大幅激增，傳統(tǒng)巨頭會主動通過收購切入 AI 時代。

垂直軟件領域的競爭格局最為清晰。隨著原生 AI 初創(chuàng)企業(yè)深入行業(yè)專屬工作流（如自動化處理保險理賠、法律文書或收入周期管理），傳統(tǒng) SaaS 企業(yè)面臨嚴峻抉擇：要么主動進化，要么被時代淘汰。對許多企業(yè)而言，收購是實現(xiàn)創(chuàng)新的最快路徑。我們預判，醫(yī)療健康、物流、金融服務、法律科技等 「 高服務屬性、強監(jiān)管 」 行業(yè)將迎來一波整合浪潮。

但這不僅僅是簡單的「AI 功能疊加」。垂直領域 AI 的興起正在迫使結構性轉(zhuǎn)變，軟件與服務的邊界逐漸模糊。AI 工具已經(jīng)深度嵌入行業(yè)工作流，其角色更接近「智能服務提供商」。對傳統(tǒng)巨頭而言，收購這類 AI 企業(yè)不僅是「AI 能力升級」，更是對自身核心價值主張的重塑。

與此同時，市場對 AI 基礎設施與工具的需求，將推動企業(yè)在「模型編排、評估、可觀測性、記憶系統(tǒng)」等領域展開戰(zhàn)略性收購。企業(yè)不僅在購買應用，他們還在購買 AI 原生技術棧的構建模塊。

給創(chuàng)業(yè)者的啟示：

• 為戰(zhàn)略興趣做好準備：如果你正在構建領域特定或基礎設施層的 AI 產(chǎn)品，預計會收到希望填補空白的傳統(tǒng)玩家的接洽。

• 爭取杠桿優(yōu)勢：處境最佳的初創(chuàng)公司將擁有強大的技術護城河、客戶吸引力和難以復制的嵌入式工作流。

• 了解收購方的路線圖：了解 incumbent 在你所在領域的短板。如果你能提供他們無法足夠快地構建出來的東西，你就是有價值的。

對投資者而言，這波整合浪潮既意味著流動性機遇，也印證了核心投資邏輯：傳統(tǒng)巨頭正用資金證明，原生 AI 企業(yè)正在定義新的行業(yè)標準。AI 原生顛覆的時代或許由初創(chuàng)公司開啟，但第二幕已經(jīng)上演，行業(yè)巨頭正全力備戰(zhàn)。

04，AI 創(chuàng)業(yè)不止是速度，精準的方向更重要

如今的 AI 行業(yè)已告別「萌芽階段」，正處于「星系加速演化」的深度發(fā)展期。當下頂尖的初創(chuàng)企業(yè)不只是在「開發(fā)更快的軟件」，更是在設計「能感知、傾聽、推理、行動」的系統(tǒng)，將智能融入工作與生活的方方面面。

但事實是：AI 領域的成功不只是「速度競賽」，更關乎「方向精準度」（即向量 vector）。最具標志性的公司不會是那些僅僅順應浪潮的公司，而是那些塑造浪潮的公司，將指數(shù)級的能力與現(xiàn)實世界精準對齊。

AI 不再是理論，而是「落地工具」：它能創(chuàng)造營收、構建關系、改寫行業(yè)規(guī)則。但與此同時，諸多問題仍待解決：記憶能力、場景理解、治理機制、Agent 自主性。而這正是當下時代的魅力，路線圖雖仍模糊，但前沿機會是真實存在的。

給 AI 應用創(chuàng)業(yè)者的核心啟示：

• 兩種成功模式浮現(xiàn)：「超新星」型公司能在1.5年內(nèi)達到1億美元 ARR，但常伴有留存率低、利潤微薄的問題；「流星」型公司則更像優(yōu)秀 SaaS 企業(yè)，在4年內(nèi)從300萬美元穩(wěn)健增長至1億美元，擁有良好的產(chǎn)品市場契合度與健康的利潤率。

• 記憶與上下文是新護城河：最具競爭力的產(chǎn)品能夠記憶、適應并實現(xiàn)個性化。持久的記憶和語義理解能建立起功能和情感上的用戶粘性。

• 「行動系統(tǒng)」取代「記錄系統(tǒng)」：AI 原生應用的核心是驅(qū)動業(yè)務行動，而不僅是存儲數(shù)據(jù)。關鍵在于重新構想整個工作流，而非在舊軟件上疊加 AI 功能。

• 從高價值痛點切入：聚焦一個狹窄但高頻的痛點（如法律研究、銷售筆記），快速提供10倍價值，然后逐步擴展。

• 瀏覽器是新的操作層：Agentic AI 正轉(zhuǎn)向以瀏覽器為核心界面。在這里，agents 可以觀察并執(zhí)行任務。為這一新「操作系統(tǒng)」構建產(chǎn)品是關鍵。

• 內(nèi)部評估至關重要：公開基準已無法滿足企業(yè)需求。企業(yè)需要的是可信、可解釋的性能驗證。應從第一天起就內(nèi)置私有化、持續(xù)化的評估能力。

• 實施速度成為戰(zhàn)略優(yōu)勢：代碼生成、自動映射等技術將過去耗時數(shù)月的部署縮短至幾小時，這極大地削弱了傳統(tǒng)軟件的供應商鎖定效應。

• 垂直 AI 即新一代 SaaS ：過去被認為「抗拒技術」的行業(yè)正快速擁抱 AI。制勝關鍵在于深度嵌入工作流、提供明確的 ROI 并快速擴張。

• 巨頭正在并購入場：SaaS 巨頭正通過收購布局 AI。初創(chuàng)公司應建立技術和數(shù)據(jù)壁壘，做好被并購的準備，但要以主導者的心態(tài)運營。

• 品味與判斷力是最終優(yōu)勢：在技術趨同的背景下，創(chuàng)始人的洞察力成為關鍵。能判斷什么產(chǎn)品「應該」被創(chuàng)造，而不僅僅是「可以」被創(chuàng)造的創(chuàng)始人，將定義下一個時代。

創(chuàng)業(yè)者的核心優(yōu)勢正在轉(zhuǎn)變：單純追求速度已不足夠，還需具備產(chǎn)品直覺、用戶同理心與清晰的目標感。你需要的不只是「更優(yōu)秀的模型」，更是「更貼合世界的價值模型」。未來成功的企業(yè)，不會追求「更多 AI 功能」，而是「在正確場景、以正確方式、實現(xiàn)正確結果的 AI」。

AI 領域正高速擴張，此刻正是構建「自身星系核心引力」的關鍵時期。行動起來。