软件与服务的结合

有很多理由让我们对人工智能（AI）感到兴奋。其一是，AI有可能重塑价值6000亿美元的软件行业。更大的原因是，AI可能还会重塑多个万亿美元级的服务行业，开启新的市场和商业模式。越来越多的公司正在融合AI、软件和服务，并以新的方式改变投资者和创始人对服务的看法。

虽然将软件和服务结合并不是一个新概念——许多人最近写过“AI优先服务”，早在2014年就有“全栈初创企业”的提法——但现在正是这种复兴的最佳时机。LLMs（大型语言模型）和扩散模型的最新进展可以解决历史上困扰服务业务的许多问题：利润率较低、难以扩展、粘性较差、非经常性收入以及较低的收入倍数。然而，通过将AI创新和软件基础与服务相结合，利润率、可扩展性等将得到改善。

值得注意的是，服务也可以让AI受益。通过拥有AI微调和前线活动，初创企业可以利用服务改善数据收集和反馈循环，加速市场推广，并在日益竞争激烈的类别中加强护城河。AI和服务之间这种共生关系才刚刚开始，将成为新一波对角线软件公司的关键。

对角线软件

大多数融合软件、AI和服务的公司也会在单一业务模型中结合垂直和水平的方法。这种垂直和水平的混合形成了对角线软件。对角线软件可以有多种形式，但这里有三个特别令人兴奋的例子，它们将服务重新定位为优势：1）核心对角线，2）后台服务，3）机器人服务。

图片来源：Felicis

核心对角线

将垂直软件核心与水平服务分发层配对，再加上AI，是创始人可以利用的一种越来越有吸引力的策略。通过采用这种模型，AI现在可以通过自然语言界面、改进的聊天机器人和智能体来转变内部服务和客户互动，执行以前由人类维护的特定任务。

服务还可以改善这些颠覆者在许多垂直领域的市场推广（GTM）和总可寻址市场（TAM）。首先，在过于分散的市场（如美发沙龙）或集中的垂直领域（如汽车）中，GTM可能很困难。通过采用对角线模型并提供水平服务，你将拥有分销渠道，从而避开这些GTM挑战。其次，有些垂直领域的软件市场是小众的，但终端市场却很大。在这里，对角线模型将显著扩大TAM。

例如，根据BLS和IAA的数据，金融咨询行业有30万名财务顾问在15000家注册公司中工作。垂直软件初创公司可以通过向财务顾问销售取得成功，如Envestnet（市值29亿美元）或Advent Software（被SS&C以27亿美元收购）。或者，一个新的对角线软件公司可以建立一个全栈财务咨询公司，并追逐像查尔斯·施瓦布（市值1200亿美元）、Ameriprise（市值400亿美元）和富达（市值140亿美元）这样的公司。

对角线软件模型可以应用于许多行业，例如：

与其开发法律软件，不如建立一个新的AI优先律师事务所
与其开发教育软件，不如创办一所完全拥抱个性化学习的学校
与其开发CPA和税务软件，不如提供下一代RIA

一些最近的例子：

Sora Schools: 不是向学校销售教育软件，而是结合新技术和人类指导，向任何人提供传统中学和高中的替代方案。
Metropolis: 不仅向停车设施销售AI和软件，而是最近全栈化，收购了一家17亿美元的停车场公司，开始管理200万多个停车位并提供更多水平服务。

后台服务

对角线软件的另一个机会是结合水平软件核心（如财务、人力资源、IT）和AI服务层，以服务的形式提供这些基本功能。在这种情况下，AI后台初创公司可能会首先追求特定的市场细分或垂直领域，结合垂直和水平的方法。

后台服务延续了一直存在的趋势：当第三方提供者提供更优的经济效益时，企业的非核心部分往往会被外包。一个很好的技术中心例子是AWS——如果运营基础设施不是你公司的核心竞争力，那么就将其外包并消费基础设施即服务。

然而，人类中心的业务组件发展较慢且吸引力较低，通常由于服务的局限性。然而，仍有许多成功的例子，如：

Trinet: 外包人力资源提供商，市值60亿美元，营收超过50亿美元。
Genpact: 外包客户支持使Genpact达到60亿美元市值。
Wolters Kluwer: 市值390亿美元，提供外包财务和合规服务。

AI的进步将再次通过更高的人员利用率、更好的客户体验和改进的反馈循环，提高外包业务服务的经济效益。我们预计在后台或非关键业务功能领域会有新的成功故事。这里有很多潜在的例子：

与其开发联系中心软件，不如建立一个新的联系中心
与其开发CFO副驾驶，不如建立一个更好的会计和簿记公司
与其开发招聘软件，不如建立一个新的招聘公司
与其开发SecOps软件，不如建立一个新的安全运营中心

存在初创公司案例，Felicis已经投资了几家，包括：

Glencoco: 承接销售的非核心部分——冷呼叫和潜在客户生成——并提供AI支持的SDR服务和市场。
Juniper Square: 为各种资产管理市场提供软件、全方位财务和行政服务。

机器人服务

另一个机会是采用对角线模型并引入机器人来替代传统服务。机器人技术正处于其“ChatGPT”时刻的前夕。最近RT-2等AI的突破性进展，加上更便宜的商品硬件，使机器人公司在2024年备受关注。

结合AI、软件、服务和机器人是一个极具吸引力的方法。过去一年，我们看到前沿模型、扩展训练数据和人类反馈的结合扩展到不同的模态，如图像、音频和视频。然而，对于工业和机器人应用来说，训练数据可能难以获取。机器人不仅仅是将视觉数据作为输入，然后输出视觉数据——机器人在世界中移动并采取行动。它们也很昂贵，并且从一个机器人在一个环境中收集训练数据的成本很高。因此，结合机器人AI业务与机器人执行的终端服务，将是一种更高效的方式来收集新数据，从而改善未来机器人智能模型的性能。模仿学习也可以加速新服务自动化的价值实现。

与其制造AI，不如建立一个新的合同制造商
与其开发卡车软件，不如建立一个新的卡车公司
与其开发建筑软件，不如创办一个新的房屋建造公司
与其开发自动驾驶软件，不如制造自动驾驶车辆

例子：

Hadrian: 建立高度自动化的全栈工厂，而不是销售制造软件
Monumental: 销售机器人砌砖服务，而不是销售机器人
Cafe X: 建立机器人咖啡亭，而不是向大型连锁店销售机器人咖啡师

扩展风险

随着结果潜力和野心的增加，风险也随之增加。在对角线模型中，扩展、资本密集度和执行风险都被放大了。虽然我们认为AI现在可以大大增加成功的几率，但我们也认识到一些尝试过并失败的例子：

Atrium: 这家混合法律软件和律师事务所筹集了7500万美元，但在短短36个月后关闭。

Convoy: 这家集成技术和卡车运输公司在筹集了2.6亿美元并达到38亿美元估值后，于去年关闭。

Louis Coppey最近总结了AI优先服务的风险，他写道：“不再有产品市场匹配的风险，而是有‘可扩展性风险’。”

最后，以下是结合服务与软件的主要理由：

图片来源：Felicis

服务是一个巨大的TAM 服务市场的巨大规模，突出表现在专业和商业服务部门引领美国GDP，达到3.5万亿美元，远远超过全球软件市场的6000亿美元，为通过AI驱动的对角线软件提供了广阔的机会。
服务可以成为GTM的加速器和提升器 服务包装可以使企业软件脱颖而出并提升市场份额，如CrowdStrike的初始托管端点安全和Pennylane的会计服务捆绑以快速主导市场。
客户期望正在改变 通过自然语言界面（如提示）和LLMs优化的水平客户服务和互动层，可以创造更高效和愉快的客户体验。
智能体正在到来 训练执行特定任务的AI智能体可以开始增强服务层中繁琐且利润低的手工组件。
数据和反馈循环可以成为重要护城河 通过拥有前线，对角线软件公司可以获得行业特定的数据和反馈，使他们能够优化模拟人类服务的模型，并从内部工作流程和客户互动中学习。

对角线软件公司正在各个垂直领域（机器人、制造、制药等）开发特定领域的模型，旨在创建经过充分训练和微调的市场重新定义模型，这将证明其更大的TAM是合理的。

对角线软件体现了风险投资追求的“大动作”，其中一些最大的成功故事包括特斯拉（5900亿美元）和优步（1500亿美元）。最终，这个AI时代有可能在多个垂直领域诞生众多新的异常公司。

AI将从根本上改变许多公司的发展轨迹。对于那些想要建立令人印象深刻的大型软件公司的人来说，忽视业务的服务方面已不再合理。如果主要批评服务的是其难以扩展和利润低下，AI将改善这两方面。

AI是将服务提升为下一代伟大软件公司关键组成部分的催化剂。