卖工具还是卖结果？AI 公司正在走向两种完全不同的未来

BiRun 消息，作者：Variant 编译：深潮 TechFlow 深潮导读： AI 公司正在分叉成两个物种：一种卖工具给律所，另一种直接当律所。Variant 这篇框架文章拆解了为什么有些行业该做增强、有些该做自动化——关键在于责任、验证成本和关系依赖。对创业者和投资人来说，这是判断 AI 公司天花板的实用标准。 第一波 AI 公司主要做工作流增强。其中很多已经成为企业 SaaS 史上最成功的生意。到 2026 年，模型能力触及临界点，创业公司开始换打法。他们不再卖工具给既有玩家，而是通过自动化直接颠覆对方。这些公司很多看起来不像 SaaS，更像软件即服务本身。 增强与自动化的对立，符合 Chris Dixon 那个经典框架：强技术与弱技术。弱技术是拟物化的，用新技术复刻老做法，通常只是更高效。强技术则"从第一性原理出发，充分利用现有资源，设计技术本该有的样子"。 拿法律服务举例。Harvey 卖月费 SaaS 订阅给律所，而竞品 Crosby 本身就是律所。AI 干法律活，人类律师只在最需要人的地方介入：建立和维护客户关系、验证工作、出事时承担责任。 卖增强工具的公司不想颠覆客户和组织结构，那是他们的衣食父母。卖自动化的公司则在暗示世界该大变样。和服务公司一样，做自动化的 AI 公司更倾向卖结果而非座位数、token 数或订阅。 Chris 在文中提到，强弱技术都能成功，往往是时间线不同，两条路都已经并将继续产生大结果。问题在于哪种路径更匹配具体工作、市场和技术能力的演进状态。 在 Variant，我们用一个简单框架判断哪些工作流适合自动化、哪些适合增强。顺着这个往下看，能看出什么样的垂直公司可能出现、哪里会出现风投规模的机会。我们看三个维度： 责任：AI 出错时有多危险多贵？ 验证：用户核实工作质量有多快多便宜？ 关系：体验有多依赖人际互动？ 责任高、验证成本高、高度依赖关系的工作，适合增强。这个框架在 Crosby 和 Harvey 的对比中一目了然。大公司的内部法务符合框架的全部三项：高责任、验证成本高（很多开放性任务）、高度依赖关系。Harvey 或 Claude Cowork 这类增强工具在这种场景下说得通。相反，Crosby 聚焦更常规、高频的法律服务比如商业合同，责任通常较低、更易验证、关系依赖较弱，服务对象是创业公司。 我们在公链上搭自主系统时学到类似规则：智能合约只能对可验证的事物采取行动。凡是验不了的都得交回人类在链下增强处理，通常通过治理。加密代币遵循类似规则：极其擅长奖励可验证的数量（算力、质押、流动性），极其不擅长奖励主观质量，这就是为什么加密成功启动了金融市场但还没搞定 Airbnb 或 Uber。这里的经验教训越来越适用于判断真正的自主系统能在哪里规模化。 如今，真自动化在应用范围和可触达市场规模上更受限。聚焦自动化工作流的创业公司往往最适合窄滩头市场，卖给创业公司或对换玩法不那么抵触的小众市场。 从窄楔子市场起步是一种避开大 AI 实验室"杀伤区"的方法，后者专注横向扩张去增强更大的存量市场。 随着时间推移，我们认为自动化方案会慢慢蚕食那些更依赖关系、更高责任的市场，因为模型能力在扩张、验证成本在下降、人与 AI 的互动跨过恐怖谷、文化接受度在提升。在那种情况下，从滩头市场获得的先发数据优势可能会复利，让创业公司随市场本身一起成长。 不同行业的自动化与增强的格局和长期吸引力会持续分化。拿教育举例。Alpha School 是一所垂直整合的 AI 私立学校，用"引导员"替换教师，促成一个基本自动化的学习过程。虽然我们相信 AI