一份關(guān)于AI智能體實際應(yīng)用的最新研究揭示了一個極度失衡的市場格局：軟件工程獨占近半壁江山，而醫(yī)療、法律、金融等十幾個垂直領(lǐng)域加起來僅占另一半，且單個領(lǐng)域占比均不足5%。這一現(xiàn)狀為創(chuàng)業(yè)者指明了方向——真正的機會不在已被開墾的領(lǐng)域，而在那些幾乎未被觸及的藍(lán)海市場。

Anthropic發(fā)布的綜合性研究顯示，在其API上的AI智能體工具調(diào)用中，軟件工程占比高達(dá)49.7%。相比之下，醫(yī)療占比僅1%，法律0.9%，教育1.8%。這些不是飽和的市場，而是幾乎尚未存在的市場。

研究還揭示了一個關(guān)鍵發(fā)現(xiàn)：AI模型的實際能力已遠(yuǎn)超用戶對其的信任程度。METR的能力評估顯示，Claude能夠解決需要人類近五小時才能完成的任務(wù)，但在實際應(yīng)用中，99.9%分位的會話時長僅約42分鐘。這種能力與部署之間的巨大落差，正是創(chuàng)業(yè)者可以把握的產(chǎn)品機會。

Y Combinator總裁Garry Tan和Box首席執(zhí)行官Aaron Levie均認(rèn)為，這一格局預(yù)示著未來將誕生300家垂直AI獨角獸企業(yè)，對應(yīng)此前SaaS時代產(chǎn)生的170多家獨角獸。而AI版本的規(guī)?？赡軘U(kuò)大10倍，因為它們不僅取代軟件，還能替代操作人員。

軟件工程主導(dǎo)，垂直領(lǐng)域幾乎空白

Anthropic的數(shù)據(jù)顯示，軟件工程占據(jù)了所有AI智能體活動的一半，另一半分散在16個垂直領(lǐng)域，沒有一個超過9%。醫(yī)療、法律、教育、客戶服務(wù)、物流等領(lǐng)域的市場份額均為個位數(shù)。

這種分布并非因為這些垂直領(lǐng)域不需要AI智能體，而是因為相關(guān)應(yīng)用尚未真正開發(fā)。軟件工程之所以占據(jù)主導(dǎo)地位，是因為開發(fā)者天然是AI工具的早期采用者，且技術(shù)門檻相對較低。

相比之下，醫(yī)療、法律等垂直領(lǐng)域涉及專有數(shù)據(jù)、監(jiān)管約束和復(fù)雜的組織流程。這些看似是障礙的因素，實際上構(gòu)成了可防御的競爭壁壘。任何人都能構(gòu)建一個通用包裝器，但很少有人能夠深入理解醫(yī)療賬單、法律發(fā)現(xiàn)或建筑許可的具體工作流程。

能力超前于信任的部署落差

研究揭示的"部署落后"現(xiàn)象值得創(chuàng)業(yè)者關(guān)注。模型已經(jīng)具備的能力遠(yuǎn)超用戶愿意讓它們發(fā)揮的水平。

從2025年10月到2026年1月，99.9%分位的會話時長幾乎翻倍，從不到25分鐘增長到超過45分鐘。這一增長在多個模型版本中保持平穩(wěn)。這不僅是模型能力的提升，更是用戶信任的累積——用戶在逐次會話中學(xué)會與智能體協(xié)作。

Anthropic的研究人員Miles McCain等人指出，從8月到12月，Claude Code在內(nèi)部用戶最具挑戰(zhàn)性任務(wù)上的成功率翻倍，同時每次會話的人工干預(yù)平均次數(shù)從5.4次降至3.3次。這表明隨著用戶對智能體能力的了解加深，他們愿意授予更多自主權(quán)。

能力已經(jīng)具備，部署尚未跟上。這不是問題，而是產(chǎn)品機會所在。

信任演進(jìn)的悖論式模式

研究發(fā)現(xiàn)了用戶信任演進(jìn)的一個現(xiàn)象：經(jīng)驗豐富的用戶既自動批準(zhǔn)更多會話，同時也進(jìn)行更多干預(yù)。

新用戶自動批準(zhǔn)約20%的Claude Code會話。在750次會話后，這一比例提升至40%以上。但同時，新用戶僅在5%的回合中進(jìn)行干預(yù)，而資深用戶的干預(yù)率達(dá)到9%。

這并非矛盾。研究團(tuán)隊解釋稱，這是監(jiān)督策略的轉(zhuǎn)變。新手在每步執(zhí)行前進(jìn)行審批，而資深用戶則采取委托加事后干預(yù)的模式，從事前批準(zhǔn)轉(zhuǎn)向主動監(jiān)控。

研究還發(fā)現(xiàn)了一個重要的安全特征：在復(fù)雜任務(wù)中，Claude Code主動請求澄清的頻率是人工干預(yù)的兩倍多。智能體會在不確定時暫停確認(rèn)，而非一味向前推進(jìn)。研究者認(rèn)為，"智能體在實踐中行使的自主權(quán)是由模型、用戶和產(chǎn)品共同構(gòu)建的。Claude通過在不確定時暫停提問來限制自身的獨立性。"

73%的工具調(diào)用有人工參與，僅0.8%的操作不可逆。風(fēng)險最高的部署場景，如API密鑰提取或自主加密貨幣交易，主要是安全評估，而非實際生產(chǎn)環(huán)境。

垂直AI的可防御策略

Aaron Levie提出的垂直AI策略揭示了構(gòu)建可防御企業(yè)的路徑：構(gòu)建能夠接入專有數(shù)據(jù)的智能體軟件；讓軟件真正解決實際問題；充分利用上下文以最大化輸出智能；以及大多數(shù)創(chuàng)始人忽視的關(guān)鍵一環(huán)——為客戶推動變革管理。

最后一點正是垂直AI具有防御性的原因。在垂直領(lǐng)域，駕馭傳統(tǒng)工作流程、監(jiān)管約束和組織摩擦是將可防御公司與通用包裝器區(qū)分開來的關(guān)鍵。

SaaS行業(yè)在過去幾十年中每十年增長10倍。過去20年中，超過40%的風(fēng)險投資流向了SaaS公司，該行業(yè)產(chǎn)生了170多家獨角獸企業(yè)。垂直AI的邏輯類似：每一家SaaS獨角獸都有對應(yīng)的垂直AI版本在等待，且AI版本的規(guī)?？赡艽?0倍，因為它們不僅替代軟件，還替代操作人員。

研究者指出，要求"批準(zhǔn)每個操作"的政策將扼殺生產(chǎn)力收益而不會增加安全性。更好的目標(biāo)是確保人類能夠監(jiān)控和干預(yù)，而非強制規(guī)定具體的批準(zhǔn)工作流程。

300個獨角獸的藏身之處

市場圖譜已經(jīng)清晰。軟件工程領(lǐng)域已有歸屬，醫(yī)療、法律、金融、教育、客戶服務(wù)、物流等16個垂直領(lǐng)域各自占據(jù)個位數(shù)市場份額，正等待有人將領(lǐng)域?qū)I(yè)知識融入智能體。

模型已經(jīng)能夠工作五小時，但用戶只讓它們工作42分鐘。這一差距表明市場仍處于極早期階段，還有大量工作要做，而許多領(lǐng)域甚至尚未見到一分鐘的智能應(yīng)用。

此前誕生了300家SaaS獨角獸，接下來將誕生300家垂直AI獨角獸。選擇一個垂直領(lǐng)域、將領(lǐng)域?qū)I(yè)知識構(gòu)建到智能體中、并解決變革管理問題的創(chuàng)始人，將主導(dǎo)企業(yè)軟件的下一個十年。