加班加点，从春节奋战到现在的成果——奥尔特云发布9个企业智能体(办公智能体、营销智能体、HR智能体、编程智能体、客服智能体、运维智能体、培训智能体、感知智能体、会议智能体)。 AI赋能企业自动化——以及企业级AI生产力与管理平台—— AI 开始从分企业的工具预算走向分企业的工作预算了。

近期，有几条重要信息值得关注：

一、Claude 要抢传统 SaaS 的饭碗！杀进中端软件市场！

Anthropic 正在将 Claude 推向中端企业软件市场。

Anthropic 宣布，将与 Blackstone、Hellman & Friedman、Goldman Sachs 成立一家新的 AI 服务公司。该机构将面向不同行业的中型企业，把 Claude 引入它们最重要的业务运营流程中。

Anthropic 的 Applied AI 工程师会与新公司工程团队一起参与客户项目，先理解企业业务，再判断 Claude 能在哪些环节产生价值，随后开发定制化 AI 系统，并提供长期支持。

除创始合作方外，这家新公司还获得了一批头部另类资产管理机构组成的财团支持，包括 General Atlantic、Leonard Green、Apollo Global Management、GIC 和 Sequoia Capital。

The Register 将其解读为 Anthropic 对中端企业 IT 和软件支出的一次直接争夺。

Anthropic 表示，这家新公司将面向社区银行、中型制造企业、区域医疗系统等客户，把 Claude 接入企业的核心运营流程。

Anthropic 的目标不只是向企业出售 Claude API 或订阅服务，而是进一步进入企业软件和系统集成市场。

过去，中端企业通常依赖 SaaS、外包服务商和少量内部 IT 团队来完成数字化改造；现在，Anthropic 希望用 Claude 直接嵌入这些企业的业务流程，替它们重做部分工作系统。

Anthropic 在公告中称，很多中型企业已经看到了 AI 的机会，但缺少内部资源，无法自己构建和运行前沿 AI 部署。

对 SaaS 行业来说，这是一条危险信号。

Anthropic 愿意为客户开发定制软件，会强化外界对“AI 冲击传统 SaaS”的判断。

IDC 的 Shari Lava 认为，如果执行顺利，这种模式可能会给中小型 SaaS 厂商带来压力，尤其是 ERP、CRM 之外的非核心软件，比如报销工具、项目管理工具、营销应用等。

原因是这些软件并非企业最难替换的核心系统，但在中端企业里又大量存在。

一旦 Claude 能围绕具体业务流程生成可用系统，客户就会重新计算软件采购逻辑：继续购买多个分散 SaaS，还是用 AI 定制一套更贴合自身业务的工作流。

Anthropic 官方举了医疗场景的例子。

对于多地点医疗服务集团，医生每天要处理病历记录、医疗编码、预授权和合规审查等大量事务。新公司可以与医生和 IT 团队一起梳理流程，再开发嵌入现有工作流的 Claude 系统，让医生把更多时间放回患者护理上。

二、三家 AI 相关的初创公司总计融资超 1.4 亿美元

上周，三家 AI 相关的初创公司总计融资超 1.4 亿美元。Sequoia、Kleiner Perkins、Index Ventures 这样的顶级 VC 为什么会把钱投给 Pursuit、Auctor 和 Parallel Web Systems？

不是因为这些公司仅仅在旧工具上"加个 AI 按钮"。而是因为它们都找到了一个共同的模式：在特定的行业或工作流中，用 AI 彻底改变了游戏规则。

Pursuit 重新设计了政府采购的信息流。Auctor 重新设计了软件实施的工作流。Parallel Web Systems 重新设计了 AI 与网络的交互方式。

这三家公司的投资故事，也许能帮咱们社区中的读者理解：在 AI 时代，什么样的企业才能真正吸引顶级资本的关注。

三、当企业不再买软件，而是买结果

下一家万亿美元公司，将是一家披着服务公司外衣的软件公司。 翻译过来就是：AI 的商业模式，正在从"卖工具"转向"卖结果"。而这两者之间的市场天花板，差了整整一个数量级。 说白了，AI 的战场，正在从1万块钱的软件预算，转向12万块钱的人力预算。问题是：企业想要的是“被完成的工作”，市场能给的却仍然是“更好用的工具”。这中间缺了什么？

新需求：企业要的不是软件，是“把活干了”

过去十年，制造业企业买 ERP、买 MES、买质检系统，本质上买的是“使用权”。企业自己招人，用这些工具来干活。软件厂商的收入来自 license，卖的是“你用软件的权利”，至于活干没干完、干得好不好，那是企业自己的事。

但现在情况变了。

一方面，人力成本持续上涨，年轻人不愿意进工厂做重复性文职工作，外包团队也在涨价。另一方面，很多制造业企业已经接受了外包模式——报关外包、代理记账、质检外包、能耗审计外包，这些预算本来就存在，而且规模远大于软件采购预算。

红杉给了一个很直观的数据： 每花1美元在软件上，就有6美元花在对应的服务上。 在制造业的质检、供应链审核、单据处理这些环节，这个比例可能更高。因为软件一年可能就几万块，但养人或者外包，一年可能是几十万甚至上百万。

所以新需求的真实面貌是： 企业不再愿意为“使用软件的权利”付费，它们愿意为“工作被完成的结果”付费。

比如：

• （1）一家电子厂每个月有 200 家长尾供应商，合同条款、报价单、交货周期需要持续比对审核，厂里不想养 3 个采购专员专门干这个；
• （2）一家医疗器械出口企业，每季度要处理上千份报关单据和合规文件，出错就被海关扣货，但招一个熟手越来越贵；
• （3）一家新材料公司，每年要做几十份能耗审计和碳排放报告，专门雇人写报告不划算，交给外包公司又觉得质量不稳定。

这些工作的共同特点是：规则复杂但终究有章可循，需要大量人力但价值密度不高，企业已经外包但成本还在涨。 老板们真正想买的是：有人（或者某种新形态的服务商）能稳定、便宜、不出错地把这些活包了。

预算来源也变了。以前买软件走 IT 部门的预算，现在买“结果”走的是运营部门或总经理直接管控的人力外包预算。这是两个完全不同的决策链条，也意味着 AI 公司如果还在 IT 部门门口推销“更智能的工具”，其实敲错了门。

新供给：应该出现一种“AI 原生服务商”

如果需求是“把活干了”，那供给端应该提供什么？

显然不是传统 SaaS 公司——它们卖的是账号和 license，交付的是功能列表，不承担结果责任。你买了财务软件，账还是得自己找人记。

也不是传统外包公司——它们卖的是人头和时间，按人数、按月、按项目计费。5 个人干 5 个人的活，10 个人干 10 个人的活，无法实现边际成本递减。外包公司本质上还是人力中介。

真正匹配新需求的，应该是一种“AI 原生服务商” ： 它用 AI 完成绝大部分规则复杂的重复性工作，用极少数人类专家把控关键判断，按实际交付的结果（处理了多少张单据、审核了多少份合同、生成了多少份报告）收费。

它的组织形态可能很轻。一个懂行业规则的专家，加上一套 AI Agent 团队，就能同时服务十几二十家企业。我们可以把它叫做 OPC（One Person Company）——一人公司。这不是比喻，而是正在发生的现实：在美国，已经有律师用 AI 团队同时服务 50 家企业的合同审核；在中国，也有数据科学家用自动化工具同时给多家工厂做供应链分析。

这种新供给在理论上非常诱人：

• （1）成本结构不同： AI 处理第1份单据和第1000份单据的边际成本几乎一样，规模越大越便宜；
• （2）交付速度不同： 7×24小时运行，不会因为员工请假、离职、情绪波动而中断；
• （3）质量一致性不同： 规则一旦确定，执行标准统一，不会像人工那样今天一个样、明天一个样。

但问题在于： 这种新供给，在今天的中国市场上，几乎找不到。

不是没人想做，而是想做的人发现，从“有一个好想法”到“能稳定交付结果”，中间隔着一道深沟。

四、红杉资本最新判断：1、大转向已经开始；2、做工具的时代结束；3、千亿级 Agent  赛道机会地图，目前是窗口期

大转向已经开始，做工具的时代结束了。

红杉资本今年3月发了篇文章，核心观点就一句：下一家万亿美元公司，将是一家披着服务公司外衣的软件公司。

​

​

这里面存在上百亿甚至千亿级别的细分市场机会。

为什么有这个判断，因为AI的能力目前跨过了临界点。

这篇文章我们详细来算一笔账，然后用"智能 "和" 判断力 "这个二分框架来看梳理下整个AI替代的商业地图里面的细分机会。

首先，在过去一家公司每年花1万买软件，再花12万年薪雇个会计来结账。这是过去的模式。

你做一个更好的软件，最多抢那1万块。但如果你直接帮它把账结了呢？你抢的是12万这个人力资源的支出。

这就是一个关键的变化，从交付工具，到直接替代人力资源交付结果。

这两个数字你对比一下。

软件1万，人工12万。这是完全不是一个数量级的市场空间。

红杉资本这篇文章叫《Services: The New Software》 ——服务是新型软件，就是讲这个范式转变。

​

为什么红杉现在说这个？因为有个东西变了。

工作分为"智能 "和" 判断力 "两种类型。

这里的智能，是把需求转化成代码、测试、调试——规则虽然复杂，但终究是规则。

这里的判断力，是决定下一个该做哪个功能、是否该接受技术债、何时发布一个还不完善的产品——这些需要经验、品味和多年磨出来的直觉。

一年前，大多数 Cursor 用户还把AI当自动补全来用。

现在呢？Cursor上由AI智能体主动发起的任务已经多于人类了。

在所有职业里，软件工程一个领域就吃掉了AI工具使用量的一半以上，其他每个领域还在个位数。

为什么软件工程跑得最快？

因为写代码这件事，智能的成分占绝对大头。AI已经可以独立完成大部分智能型工作，把判断力留给人类。

软件工程是第一个到达这个阶段的行业。但红杉做了一个重要判断——它即将发生在每一个职业中。

这个"智能vs判断力"的框架一旦建立起来，一个更大的商业逻辑就清楚了。

我们可以把 AI 产品分成两种模式：副驾驶和自动驾驶。

副驾驶卖工具

Harvey 卖给律师，Rogo 卖给投资银行家。专业人士是客户，AI 让他们效率更高，但最终的产出他们自己负责。

自动驾驶卖结果

Crosby不卖工具给外部律师，它直接卖给需要起草保密协议的公司——你不需要懂法律，我帮你把协议搞定。

WithCoverage 也不卖给保险经纪人，它直接卖给需要保险的 CFO ——你不需要懂保险，我帮你搞定保障方案。

这两种类似的关键区别在哪？

在任何行业里，工作预算都远远大于工具预算。副驾驶从第一天起抢的是工具预算，自动驾驶从第一天起抢的是工作预算。

比如国外的记账软件 QuickBooks 抢的是1万块的工具预算。

而一个AI原生的记账服务，抢的是12万块的工作预算。12倍的差距。

红杉给了一个他们根据过去历史数据的结论：每花1美元在软件上，就有6美元花在对应的服务上。

​

​

这就是为什么他们认为下一个万亿美元公司不是做更好的软件，而是用AI直接交付服务。

但自动驾驶不是什么活都能干，需要有很顺畅的切入点，核心方法是：

从外包切入。

为什么从外包开始？一项任务如果已经被外包了，它告诉你三件事。

• 第一，公司已经接受这件事可以由外部来做。
• 第二，已经有一笔现成的预算可以直接替代。
• 第三，买方本来就在购买结果，而不是购买工具。
• 用AI服务替换一份外包合同，本质上是换一个供应商。

但用AI去替换内部员工？那是一次组织重组。前者几乎零摩擦，后者阻力巨大。

所以战术路线是：先吃外包的、智能密集型的工作。建立客户关系和数据飞轮之后，再向内部的、判断力密集型工作扩展。

外包是切入点，内部工作是长期市场。

红杉根据这个分析思路画了一张"机会地图 "，把各个服务行业按"智能vs判断力"和"外包vs内包"两个维度标注出来。

我挑几个最有意思的说。

1、保险经纪，1400到2000亿美元的市场。

这是榜单上最大的之一。

标准商业保险高度标准化，经纪人干的活本质上就是在各家保险公司之间比价、填表——纯智能型工作。

而且分销层极度碎片化，成千上万的小经纪人跑着同样的流程。这种市场结构，几乎是为 AI 自动驾驶量身定做的。

2、会计与审计，仅美国就有500到800亿美元的外包市场。

美国过去五年少了34万名会计师，75%的注册会计师即将退休，考证周期又长，起薪还追不上科技和金融。

结构性的人才缺口，逼得事务所比任何行业都更快地拥抱AI。

3、医疗收入循环，500到800亿美元。

很多人一听"医疗"就觉得需要大量判断力，但计费层几乎是纯智能型的。

医学编码就是把临床记录翻译成大约7万个标准化代码。规则复杂，但终究是规则。外包已经成熟、按结果付费。

4、供应链与采购，2000亿美元以上。

这个最有意思。大多数企业只认真跟前20%的供应商谈判。长尾的80%完全没人管，因为让人来做不划算。

合同泄漏占总采购支出的2%到5%。AI切进去的方式不是替代谁，而是去做那些原本根本没人做的工作—— 找到被白白浪费的钱。

5、管理咨询，3000到4000亿美元。

市场巨大，但判断力占比太高。

不过，如果AI能把咨询拆成" 数据收集和基准对比 "（智能型）和" 战略建议 "（判断力型）两块，智能那块就能被自动化，判断力那块保持人工，这样市场就会就切出来了。

​**​

​**​

我们回望刚刚过去的2025年，增长最快的AI公司是副驾驶类型的公司。

而2026年，很多会尝试转型为自动驾驶。它们有产品，有客户认知，但也面临一个经典困境—— 卖工作成果意味着砍掉自己客户的活路。

一个做律师工具的AI公司，要转型成直接帮企业写合同的AI服务商，它需要的不是技术升级，而是胆量。

因为它的现有客户就是律师，而要转型的方向则是替代律师。这种转型毫无疑问是艰难的决策。

但这也正是纯粹的"自动驾驶原生"公司的窗口期。

它们没有历史包袱，不需要顾及现有客户的感受，从第一天就直接卖结果。

对于想在AI时代的创业者或者企业管理层来说，底层信号其实很简单：

不要想着做更好的工具。

去找那些每年花大钱已经在外包行业，然后直接用AI提供结果。

五、从工具走向结果——从交付工具，到直接替代人力资源交付结果

奥尔特云发布9个企业智能体(办公智能体、营销智能体、HR 智能体、编程智能体、客服智能体、运维智能体、培训智能体、感知智能体、会议智能体)。AI 赋能企业自动化——以及企业级AI生产力与管理平台—— AI 开始从分企业的工具预算走向分企业的工作预算了。

2026年是行业数字化的转折年，AI Agent 会重构行业应用的逻辑和价值链，是个超级大挑战；但如果我们调整思路，重构认知，也会是个超级大机会。

软件——>平台——> APP ——>场景化实战智能体——>用AI直接交付服务

数字化进入智能体时代了。以后软件的售卖形态是卖智能体，从交付工具，到直接通过工具替代人力资源交付结果，实现企业的自动化。减少人力成本投入。

我们在三大价值上努力。Agent 真正“上生产”，意味着要接入复杂的权限体系、业务系统和合规要求以及利用深厚的工程能力，将复杂技术“产品化”，解决用户安装部署的难题。这四点，是我们的优势，也是我们迭代的方向。真正拉开差距的不是一万小时，而是千次迭代。

就好的工具和产品而言，本身就应该是高效生产力的体现，沉淀的应该行业最佳实践，融入了企业的最佳工作流程，是一套被封装成产品的、可执行的、具有强制性的最佳思维系统，能够有效的组织人员，功能和信息。

选择它，就是选择把自己的工作效率，托管给这个领域里最聪明的一群人共同验证过的思考框架，好的工具反向驯化用户。它把自己承载的最佳实践和思维方式，源源不断地注入用户的大脑。但是同时它又是 刚性流程 与柔性空间 的精确咬合。骨架是刚性的：它定义了一个不可动摇的、被验证最高效的主流程。这个骨架强制你走完关键步骤，避免你因疏忽或侥幸而跳过最重要的环节。血肉是柔性的：在这个骨架上，它给你极大的自由去填充内容、注入创造力、处理异常情况。规则引擎负责保障下限，而你负责拉升上限。好的产品，提供的是一种高级的自由：路径的自由，而非选项的自由：它不给你100个按钮，而是给你3条清晰、完整的路。你选择走哪条路，这是自由的。但一旦踏上这条路，你就不必再操心脚下的每一步，可以放心地奔跑。这才是真正的解放。心流的自由，而非操作的自由：当一切操作都符合直觉、符合流程时，你的思考和行动之间没有阻碍。你进入了心流状态，忘记了工具的存在。工具的极致是消失。你感受不到它，却通过它完成了一切。这才是生产力的最高境界——工具与你合一。

现在越发提出更高的要求，为结果付费会是大多数AI产品演化最终目标，目前感觉 manus 在这块做得非常好，对于用户来说不感知中间到底做了多少努力，用户只需要你能交付漂亮的结果。这就像蔚来的换电池和比亚迪的换电，用户需要的是换电池么，不是，用户需要的是电。

用 AI 直接交付服务

我们要看到市场有两类市场：一类是大众化市场（付费意愿不高，日常用途，现在就是 GPT ，用户多，但是付费用户占比不高，收入需要用广告方式进行创收。所以 GPT 正在研究广告模式）。第二类是商业化市场（付费意愿高，无论是企业还是个人都是属于“工作性质用途”。这类因为是工作性质，用户是有收入支撑，所以付费意愿高。claude ）。如果 claude 强化第二类的市场，进入到普通的中型企业的业务流程中，就是不再只是（企业的员工个人行为，而是真正的切入到中型企业的业务流程中），我认为是更好的收益。

编程智能体

办公智能体

通用智能体