02 · 服务即新软件：万亿美元公司的真正形态

Source: Sequoia Capital Perspectives 作者 / Author: Julien Bek（Sequoia Capital） 发布日期: 2026-03-05　|　抓取日期: 2026-06-19 主题: ai-native-startup

一句话

Sequoia 用一句话颠覆了"AI = SaaS 2.0"的主流叙事——下一家万亿美元公司外形是服务公司、内核是 AI；这正是剑桥图灵子用 Porter 价值链 + outcome-based 定价框架二次解说的绝佳文本。

核心论点（英中对照）

• EN: "The next trillion-dollar company will look like a services business, not a software company."

• 中: 下一家万亿级公司外形是服务公司，而非软件公司。

• EN: "For every dollar spent on software, six are spent on services." — the real TAM is in labor budgets, not tool budgets.

• 中: 每花 1 美元买软件，背后有 6 美元花在服务（人力）上。真正的 TAM 藏在劳动力预算里，而不是工具预算。

• EN: Work divides into intelligence (rule-based, AI-automatable) vs. judgement (experience-driven, still human). AI has crossed the threshold for intelligence work.

• 中: 工作分两类：「智识型」（规则驱动，AI 可自动化）vs.「判断型」（经验驱动，仍依赖人）。AI 已跨过智识型工作的能力门槛。

• EN: Copilots sell tools to professionals who remain responsible; Autopilots sell outcomes directly to companies.

• 中: Copilot 模式卖工具给专业人士（他们仍负责结果）；Autopilot 模式直接向企业卖结果（outcome）。

• EN: "Copilot companies face the innovator's dilemma when transitioning to autopilots — selling the work means cutting their own customers out of doing it."

• 中: Copilot 公司转向 Autopilot 时面临创新者困境——卖「做事」就意味着把自己的客户（专业人士）从流程里踢出去。

• EN: The optimal entry is outsourced, intelligence-heavy tasks → build distribution → expand to insourced, judgement-heavy work as AI compounds.

• 中: 最优切入路径：从「已外包 + 智识密集」任务起步，建立分发能力，随 AI 能力复利扩张至「内部自营 + 判断密集」工作。

• EN: Today's judgement becomes tomorrow's intelligence — copilots and autopilots will converge, but starting position determines early competitive advantage.

• 中: 今天的判断型工作，明天会变成智识型工作。Copilot 与 Autopilot 终将合并，但起点决定了早期竞争优势。

• EN: "Abandoned work" — services with no current budget because no one thought a vendor could deliver them — represents a hidden TAM that AI can unlock.

• 中: 「无预算工作」——因为过去没有供应商能做，所以根本没有采购预算——是 AI 可以解锁的隐形 TAM。

精译（高信息量段落）

1. 智识 vs. 判断：核心框架

原文要义： 所有专业工作可按「智识←→判断」轴排列。智识型任务有规则可循（合同 NDA 审查、医疗编码 ICD-10 映射、保险标准险种定价）；判断型任务依赖经验和上下文（战略咨询、并购估值、临床决策）。AI 在 2025-2026 年已跨过智识型任务的能力门槛，意味着这部分劳动力预算可以直接被 AI 原生服务公司替代，而不只是「增强」。

2. Autopilot 切入策略：以外包为楔子

Crosby（NDA 自动化）是典型案例：NDA 起草是高度标准化的法律工作，已有成熟的外包市场和既定预算，甲方切换供应商的摩擦极低（无需内部流程再造）。Autopilot 公司从这里切入，积累真实业务数据，再沿价值链向上攀爬至更复杂的判断型工作。Sequoia 的建议：先找「外包比例高 + 智识密度高」的象限，那里有现成预算、清晰的 ROI 对比、低替换阻力。

3. 市场规模地图（关键数字）

4. 创新者困境的结构性机会

Copilot 公司（Harvey、Rogo）服务的客户是律师、银行家——这些人本身就是 Autopilot 要「替换」的劳动力。当 Copilot 公司试图向 Autopilot 转型时，它必须主动侵蚀自己的付费客户群，这在商业逻辑上极难执行。这就为「一开始就是 Autopilot」的纯血新创公司打开了结构性窗口：没有历史客户关系需要保护，可以直接卖结果给企业买家。

金句（可直接做短视频字幕/标题）

• "The next trillion-dollar company will look like a services business, not a software company." —— 下一家万亿公司，外表是服务公司。
• "For every dollar spent on software, six are spent on services." —— 每 1 块钱软件预算背后，藏着 6 块钱的服务预算。
• "Selling the work means cutting their own customers out of doing it." —— 卖「做事」，就是把自己的客户从流程里踢出去。
• "Today's judgement becomes tomorrow's intelligence." —— 今天的经验判断，明天就是 AI 规则。
• "Abandoned work" — 连预算都没有的工作，才是 AI 最大的蓝海。

剑桥图灵子的加工角度

反共识/框架

主流叙事是「AI 让 SaaS 更便宜」，Sequoia 的反共识是「AI 让服务公司变成软件公司」。但图灵子的角度更进一步——用 Porter 价值链拆解这件事：

Autopilot 公司本质上是在价值链重组中占据了原本由人力外包公司控制的「运营活动」节点（Operations / Outbound Logistics in Porter's framework）。传统 SaaS 工具停在「支持活动」（Technology / HR），不碰核心业务流程；Autopilot 直接插入「主要活动」，收取 outcome-based 定价，毛利率结构因此天壤之别。

关键洞察：谁控制了 outcome 数据，谁就控制了定价权和护城河。 图灵子在推荐系统工程上的一手经验印证了这点——recsys 飞轮的本质是「每次推荐结果（outcome）都在反向训练模型」，而 Autopilot 的数据飞轮逻辑完全一样：每完成一份 NDA、一次医疗编码、一次保险报价，都在降低下一次的边际成本，同时提升准确率，形成竞争对手无法复制的专有领域数据壁垒。

这就是为什么 outcome-based 定价不仅仅是商业模式创新——它是数据采集机制的伪装。按结果收费 → 大量真实业务数据回流 → 模型更准 → 客户更难切换 → 定价权提升。这个飞轮，比任何代码护城河都持久。

我的判断

原文聚焦在「从外包切入」的战术，但没有回答一个更深的战略问题：哪些垂直领域的数据飞轮转速最快，因此护城河最厚？

图灵子的量化视角给出答案：高频 + 高标准化 + 结果可量化验证 三者叠加的垂直，才是真正的护城河温床。医疗编码（ICD-10 映射准确率可精确测量）、税务合规（申报结果有法律反馈）、供应链采购（合同节约金额可追踪）排在前列；而管理咨询（判断型，结果模糊）、法律策略（经验高度依赖个人）则飞轮转速极慢，Autopilot 护城河薄——尽管市场规模最大。

投资/创业启示： 选垂直不看市场规模，看飞轮转速（= 结果反馈频率 × 结果可量化程度）。高频可量化的中等市场（$20-80B），比低频模糊的大市场（$300B+）更值得 Autopilot 先打。

短视频脚本骨架（60-90s）

• Hook (3s)： 「下一家万亿美元公司，可能不是软件公司。」
• 冲突/反共识 (15s)： 所有人都在做 AI 工具，做 Copilot，卖给律师、会计、银行家——但 Sequoia 说：错了。每 1 块钱软件背后，有 6 块钱的服务预算。真正的钱，在结果里，不在工具里。
• 论证 (30s)： Autopilot 公司直接接管外包服务：帮企业搞定 NDA、医疗账单编码、标准险报价——不卖软件，卖结果。按结果收费意味着每一次业务都在积累专有数据，模型越用越准，客户越来越难切换。这就是 recsys 飞轮的服务版——我在 Apple 做推荐系统时，飞轮的本质就是用每次点击反向训练模型；Autopilot 用每次业务结果反向训练 AI，逻辑完全一样。
• 图灵子落点 (15s)： 关键不是选最大的市场，而是选飞轮转速最快的市场——高频、高标准化、结果可量化验证。医疗编码、税务合规、采购合同，这三个象限，才是真正的护城河温床。
• CTA： 「关注剑桥图灵子，每周用古典战略框架拆解最新 AI 创业报告。」

长文大纲

• H2: 软件外形的服务公司——万亿赛道的真实形态
• 为什么「AI 工具 = SaaS 2.0」是错的

• 1:6 的预算比例：真正的 TAM 在劳动力账本里

• H2: Porter 价值链重组：Autopilot 如何占据最厚利节点

• 传统 SaaS 停在「支持活动」，Autopilot 插入「主要活动」
• 运营节点控制权 = 定价权 + 客户锁定

• 与人力外包公司的直接竞争：谁的边际成本下降更快

• H2: Outcome-based 定价的数据飞轮——比代码更持久的护城河

• 按结果收费 = 数据采集机制的伪装
• Recsys 飞轮类比：每次推荐/每次业务结果都在降低下一次的边际成本

• 专有领域数据壁垒 vs. 模型商品化风险

• H2: 垂直选择的量化框架——飞轮转速 > 市场规模

• 三维筛选：高频 × 高标准化 × 结果可量化验证
• 各垂直领域飞轮转速评级（表格）

• 为什么管理咨询虽然最大、但护城河最薄

• H2: 创新者困境的结构性窗口——为什么现在是最好的切入时机

• Copilot 公司的两难：Harvey 不能轻易转 Autopilot
• 纯血 Autopilot 的先发优势窗口期有多长

• 剑桥图灵子的判断：2026-2028 是窗口期，之后格局锁定

• H2: 对中国创业者的启示

• 中国哪些服务垂直满足三维筛选条件（财税、医疗、供应链）
• 监管约束（数据本地化、行业壁垒）对飞轮转速的影响
• 出海 Autopilot vs. 国内 Autopilot 的差异化路径

待核实 / 风险

• 市场规模数字：文中引用的各垂直市场规模（如 Management Consulting $300-400B、Insurance Brokerage $140-200B）系 Sequoia 内部估算，未注明数据源，需与 IBISWorld / Gartner / McKinsey 等第三方报告交叉验证。
• CPA 人才数据：「340,000 CPAs 离职 + 75% 接近退休」需核对原始来源（AICPA 报告），时间窗口未明确。
• Crosby / WithCoverage 等公司现状：截至抓取日期 2026-06-19，这些公司的融资状态、产品进展未独立核实，仅基于 Sequoia 文章描述。
• 「1:6 软件 vs. 服务预算比」：这是文章核心数据点，但未给出方法论或数据源，需独立验证（可参考 Gartner IT Budget Report 或 BLS 职业统计）。
• 文章抓取完整性：通过 WebFetch 抓取，内容经 AI 摘要处理，原文中的图表（Opportunity Map 矩阵图）无法完整还原，垂直领域的精确坐标位置系基于文字描述推断。