在AI创业者蜂拥而至的浪潮中，真正的挑战已不再是“能不能做出一个AI工具”，而是“能否建立一个可持续增长的业务结构”。硅谷科技评论（SVTR）AI创投库的观察显示，2024年企业AI试点失败率高达42%，不是技术不给力，而是结构没设计好。企业不是缺模型，而是缺架构。

正如Waste Management、Constellation Software等以资本配置见长的公司在工业时代的深耕布局，AI时代的创业者也必须学会如何将AI从“实验室的天才”转化为“工厂的干将”。这不仅意味着要精通模型调用、数据整理，更要理解分销、成本结构、组织设计。生成式AI带来的不只是产品能力的跃迁，更是“劳动力形态”的重构。

本文将结合垂直SaaS的历史脉络和AI赋能的新范式，提出一套可重复的创业策略：从工作流切入、验证分销路径、重塑组织结构，最终将AI变成现金流而非烧钱工具。对于创始人和投资人而言，这不仅是一场技术竞赛，更是一次结构与资本的比拼。真正的赢家，是那些能把AI视为资产而非玩具的人。

未来已经到来——只是分布不是很均匀。

—— 赛博朋克之父William Gibson

2025 年 5 月，Anthropic CEO Dario Amodei 向美国政府和公众发出警告：

“未来 1–5 年内，AI 可能令半数白领初级岗位消失，失业率飙升至 10–20%。”

与此同时，根据 S&P Market Intelligence 的数据，2024 年有 42% 的企业 AI 项目被终止，高于 2023 年的 17%。这清晰印证：AI 的愿景与落地之间存在严重落差。

大语言模型（LLM）有潜力替代大量知识型工作，这是非科技企业提升利润率的路径之一。但就当前而言，真正能落地、驱动运营变革的企业还很少。尽管 AI 工具和平台越来越容易获得，但多数企业在将其融入核心运营中仍然止步不前。

这推动了软件公司和创业公司的构建方式发生转变：与其将软件卖给传统业务，不如直接掌控业务、在内部注入 AI。许多人将这样的模式称为 AI roll-up。

当前AI公司的商业模式，主要可有以下三类：

1. 卖软件：构建 AI 工具，帮助现有企业提升效率
2. 买入并改造（AI roll-up）：通过并购已有业务，将 AI 嵌入其中
3. 从零构建：打造全新业务，AI 原生、运营统一设计

每一条路径都需要资本支持。传统上，PE（私募股权）侧重于收购成熟、现金流稳定的业务，然后通过运营改造或杠杆放大价值；VC（风险投资）则倾向于高增长、高风险项目，虽然短期效率较低，但追求远期回报。如今，这两者的边界变得模糊。越来越多 VC 开始布局接近运营的资产型平台，用技术驱动传统行业的能力提升。

1. Slow Ventures 提出了 “Growth Buyout” 策略：在某些传统领域中，仅靠卖软件很难撬动那些行业的利润空间，于是他们选择直接买下运营实体，用自有技术改造它们。
2. Thrive Capital 在 2024 年成立了 Thrive Holdings，作为一个并购平台，旨在直接运营这些业务，并用现金流支持进一步收购。
3. General Catalyst 在 2023 年启动的 Creation Strategy，通过 HATCo 这一载体，在医疗行业里收购运营实体（如 Summa Health）并将 AI 引入其中。

其他投资机构如 8VC、Khosla Ventures、a16z 以及 Elad Gil 等，也在多个行业中尝试了类似的路径。AI roll-up 模式目前受到广泛关注，媒体往往将这些推动者包装成“新一代的巴菲特式投资人”。

AI roll-up 并不新奇，历史上一些经典案例如 Metropolis，在停车设施管理、支付流程等领域率先通过技术介入，再通过并购扩大控制范围。这些案例说明：AI roll-up 既不是单一纯粹的 “买业务” 模型，也不是传统的 “卖软件给别人” 模型，而是一种介于两者之间的融合策略。

不过，这条路径也并非没有挑战与风险：

1. 并购+运营复杂性极高，要同时兼顾技术研发与业务整合
2. 融资结构、债务安排、估值认知等都更复杂
3. AI 带来的效率提升不可预期，不能保证“买来一定能赚”
4. 市场竞争、监管风险、估值压制（混合业务可能被市场视作服务业估值）等变量不少

一、历史的启示：并购是如何成为增长引擎的？

在现代商业史上，最成功的一类企业，往往不是靠单一产品爆发，而是通过纪律严明、可复制的并购模式实现规模扩张。这类企业被称为“连续收购者”（serial acquirers），他们擅长在高度分散的行业中发现被忽视的资产，投入资本后通过运营优化与结构设计，提取长期价值。

一般而言，并购方大致可分为两类：

1. 战略型买家：通过上下游整合或横向并购实现协同效应，例如采购统一、人力共享、定价控制或渠道拓展
2. 财务型买家：重点在于收购现金流稳健、可持续经营的优质资产，通常不强行整合，鼓励独立运营

而最成功的收购者往往介于两者之间：他们既有资本配置的纪律，也重视运营的一致性。

案例1：Waste Management ，从一辆垃圾车到北美最大垃圾处理商

Waste Management 是连续收购战略的经典范本之一。公司创始人 Wayne Huizenga 曾在 1960 年代仅用一辆旧卡车和 5000 美元借款，在佛州开设小型垃圾清运公司。他很快意识到该行业极度碎片化，于是开始系统性地收购小型本地运营商。

到 1971 年上市时，Waste Management 已完成 130 多笔收购，整合了全美众多散户清运商。此后不断扩张，并在 1998 年被 USA Waste 并购（保留原品牌名）。截至 2025 年，公司年营收超 200 亿美元，覆盖垃圾收集、填埋、回收等完整产业链，是北美市场的绝对龙头。

同样地，Waste Management 曾在 1997 年以 22 亿美元收购 United Waste。后者由前石油交易员 Brad Jacobs 于 1989 年创立，专注在肯塔基、密歇根等大公司忽视的农村市场，也是典型的行业整合者。

案例2： United Rentals，Brad Jacobs 的“并购人生”

Jacobs 并未止步于垃圾处理。他后来创办了 United Rentals——如今全球最大的工程设备租赁公司，依旧采用高频并购策略，整合全国小型租赁商。

此后他又打造了 XPO Logistics、GXO、RXO 等公司，累计完成超过 500 笔并购，覆盖物流、运输等多个领域。Jacobs 是少见的“连续并购型创业者”，并购是其核心商业策略。他的方法看似简单，实则极具穿透力：

“创造股东价值最简单的方式，是收购估值低于自己市盈率的企业，并通过标准化管理大幅提升其经营效率。”

案例3：Berkshire Hathaway，无需整合也能构建超级商业帝国

与 Waste Management、United Rentals 倾向“中央整合”不同，另一类成功者则证明：去中心化运营同样能创造巨大价值。他们更像资产组合管理者，不追求统一系统或集约化管理，而是尊重本地运营、注重现金流稳健，通过可复制的收购与审慎财务策略来构建护城河。

最具代表性的便是巴菲特的 Berkshire Hathaway。自 1965 年起，伯克希尔持续收购基础扎实、管理团队稳定、现金流可预测的企业，构建了横跨保险（GEICO）、铁路（BNSF）、制造业（Precision Castparts）、公用事业（PacifiCorp）和消费品（See’s Candies、Dairy Queen）等多元组合。

伯克希尔为被投公司提供资金和战略建议，但极少介入日常经营。这种“高度分权 + 长期持有”的模式，依赖于对企业家的深度信任与几十年的投资视角。

1、小众市场里的大财富：Constellation 的垂直软件帝国

1995 年，Mark Leonard 用 2500 万美元创立了 Constellation Software，资金主要来自安大略省市政养老基金和几位老同事。他受到巴菲特与芒格的启发，目标是成为全球最优秀的垂直行业软件收购与长期持有者。Constellation 的首批并购对象是 Trapeze（公交调度软件）和 Harris Computer Systems（公用事业账单系统），两者都是 Leonard 之前所在的风险投资公司 Ventures West的被投公司。

截至 2025 年 8 月，Constellation 已拥有超过 1000 家公司，组织成六大运营集团，很多集团本身就是通过并购而来。每个集团聚焦少数几个垂直行业，独立做出产品、增长和并购决策。总部只制定资本分配原则、宏观目标与风险边界，其余权力完全下放。平台一旦成立，前线经理比总部更懂市场、更快识别并购标的——这种架构在碎片化、长期被忽视的市场中，比集权化企业更具速度与触达能力。

这种高自治模型对创始人极具吸引力，尤其适合那些既想套现，又不希望团队或文化被吞并的人。

“我们不是要整合，是要成为优秀的持有者”

Constellation 不做文化或运营上的整合，仅在财务层面统一。Leonard 在 2016 年股东信中写道：

“我们的战略是成为数百甚至上千家‘小而稳健’的独立增长型企业的好东家。大多数上市公司 CEO 更愿意经营一个大企业，也许两个，顶多三个，很少有人想运营 200 家企业。他们常常追求规模效应，通过打压或收购小玩家来提高资本回报。但我们并不这么做。”

C

onstellation 将旗下软件业务所产生的自由现金流持续投入新一轮并购，并尽量保持新公司的运营独立性。这种闭环式的资本循环，在过去数十年中持续创造复利价值：从 2005 年 1.65 亿美元营收，到 2024 年突破 100 亿美元，市值增长超 150 倍。

SaaS 并非唯一正解，越难替换越值钱

尽管 SaaS 改写了软件行业大部分逻辑，Constellation 的大多数产品仍运行在本地部署系统（on-premise）上。这并非因为用户体验更优，而是因为更难被替代。SaaS 的便携性和部署简便反而降低了用户粘性；而本地部署深度嵌入业务流程与老旧系统中，迁移成本极高。结果就是：客户被强锁定，竞争对手难以撼动。

正如前 CFO Barry Symons 所说：

“我们做的是实打实的企业级核心软件（ERP），很多客户宁愿去做一次根管治疗，也不愿意更换系统。所以只要我们不犯错，客户就不太可能离开。”

市场越小众，业务越稳固

Constellation 所在的软件细分市场大多极其利基——市场小、客户粘性高、产品属于“业务神经中枢”，几乎没有容错空间。进入门槛虽然不高，但退出门槛极高；而且这些系统通常只占客户运营成本的一小部分，几乎不存在“价格战”。再加上这些细分市场往往只有一两个成熟供应商，几乎不会有资金充足的创业公司进入，形成高度防御型的业务格局。

在这些市场中，越早进入，护城河越深。即便有新公司 UI 更漂亮、API 更现代，也难以说服客户“冒险替换”一个稳定但“老旧”的系统，尤其是在市场规模本就不足以支撑风险投资进入的情况下。

结合极高毛利、极低流失率与“永久持有”的理念，Constellation 建立起了软件行业中最稳定、最可持续的复利增长模型之一。

战略不是创新，而是纪律 + 结构

从 1995 年那张 2500 万美元的支票开始，Constellation 已成为软件行业中最强劲的“复利机器”。自 2006 年上市以来，其年均增长率保持在 30% 左右，验证了一件事：稳定结构、资本纪律与可复制策略，同样可以媲美产品创新的增长效果。

过去十年，市场已开始重估这类“纪律型收购者”的价值。Constellation Software、United Rentals 和 Waste Management 的长期股价表现显著跑赢 S&P 500 和 NASDAQ 100。这背后反映的是：投资者愈发重视资本效率、经常性收入和标准化执行能力。

长期以来，这类模式多由 PE 或大型企业主导。但到了 2010 年代后期，一些风险投资机构也开始试水这类思路。他们不再只押注技术型创业项目，而是开始支持那些更像 PE 的公司——通过技术 + 并购整合传统产业。

2、风险投资入局：从电商收购到新型并购

这一轮“风险投资 + 收购整合”策略的兴起，可以追溯到电商平台的爆发。随着 Amazon 和 Shopify 上的第三方卖家在疫情前后大规模增长，一批创业公司抓住时机，试图整合这些分散的数字商铺。

这些公司大多打着同一个逻辑：收购表现优异的品牌，通过统一的物流和广告体系放大规模，获取利润提升空间。其中最知名的是 2018 年成立的 Thrasio，它在短短几年内融资超 30 亿美元，成为这一模式的代表。其他跟进者还包括 OpenStore、Berlin Brands Group、Pattern Brands 等。

2021 年 10 月，Thrasio 估值一度逼近 100 亿美元，拥有数百个品牌商户，每周平均完成 1.5 笔并购。但好景不长，2022 年 5 月公司开始裁员并更换管理层。许多被收购品牌的销量在收购后开始下滑，原因包括整合不善、消费者需求回落等。最关键的是，Thrasio 的模式建立在零利率环境下的廉价债务之上，随着利率上升、利润空间收缩，其高负债结构变得不可持续。2024 年 2 月，Thrasio 取消了原定的 SPAC 上市计划并申请破产。

这成为一个典型反面教材：成长期的风险投资打法，并不适合操作密集型的收购整合模式，光靠财务操作无法构建真正的竞争优势。

不过，并非所有“风险投资 + rollup”的尝试都以失败告终。另一些创业公司选择了更有差异化的路径，通过有限并购、深度运营实现稳健增长。

案例1：Teamshares，员工持股的企业网络

2019 年成立于纽约布鲁克林的 Teamshares，采用了一种独特的 rollup 策略：它不是为了卖掉企业，而是将传统小企业转型为员工持股公司（ESOP）。公司主要收购那些创始人准备退休的小型企业，行业集中在制冷维修、服装制造、商业服务等传统而分散的领域。

Teamshares 会派出受训的职业经理人接管运营，并在未来逐步稀释自身股权，目标是让员工最终持有 80% 的股权。与 PE 不同，它不寻求高价退出，而是通过打造一个员工控股企业网络，在此基础上提供金融科技服务——如企业银行、保险和信贷工具。截止 2025 年 5 月，公司已完成 100 多起收购，累计融资 2.45 亿美元，目标是未来构建一个超 1 万家小企业的“员工资本网络”。

案例2：Metropolis，技术驱动的停车帝国整合者

Metropolis 展示了另一种思路：先做科技产品，再变身行业整合者。

公司由 Alex Israel 于 2017 年在洛杉矶创立，开发基于 AI 和计算机视觉的无感停车系统——车主驶入车场，摄像头识别车牌，离开时自动扣费，无需人工或扫码。

起初，Metropolis 尝试将技术卖给传统停车运营商，但发现该行业极为封闭，运营合同长期绑定、销售周期缓慢，难以快速推广。正如创始人所说，公司虽然验证了产品与经济模型，但迟迟找不到“落地通道”。

于是他们选择了另一条路：不再卖技术，而是直接买下这些停车公司。

2022 年，Metropolis 收购了总部位于纳什维尔、拥有 600 多处停车资产的 Premier Parking，并迅速在其资产上部署技术。整合后，客户体验改善，资产回报上升。投资人（包括 Slow Ventures、Starwood Capital、Silver Lake）因此加码下注。

2023 年 10 月，Metropolis 融资 17 亿美元，用其中的 15 亿收购了北美最大停车运营商 SP Plus。后者当时管理 3384 处商业停车点和 150 多个机场，年营收达 18 亿美元，但净利润仅为 3100 万美元。SP Plus 曾尝试自我现代化，收购过 DiVRT（无感支付）、Roker（执法软件）、AeroParker（机场预约系统）等小型科技公司，但缺乏整合能力。而 Metropolis 拿下这张牌后，坐拥一张庞大但碎片化的城市出行基础设施网络，拥有了统一技术平台和强大的收购资本。

这些案例表明，“风险投资 + rollup”的组合正在超越传统 PE 模式：

1. Thrasio 式失败提醒我们：光靠堆积并购和财务杠杆，不足以支撑长期稳定增长
2. Teamshares 与 Metropolis 则展示了新的范式：一者以组织结构创新切入传统行业，另一者则用技术栈“反收购”旧世界

在进入结论之前，我们有必要进一步回看：垂直行业软件本身，是如何从工具变成平台的？

二、AI 与垂直软件栈：从通用工具到行业操作系统

1、从 SaaS 的崛起说起

1990 年代 SaaS 的出现，重新定义了软件的分发方式。用户无需再安装、维护软件系统，企业也不必自建服务器。NetSuite、Salesforce、Concur 等开创者率先证明：企业核心功能（如 CRM）完全可以通过浏览器交付，自动更新、前期成本低、无需 IT 运维，从而彻底改变了软件的销售逻辑。

Salesforce 创始人、前 Oracle 高管 Marc Benioff，首次提出“无需本地部署”的理念，由此掀起了互联网软件的大潮，最终演变为“软件即服务”的标准范式。

随着 SaaS 的普及，创始人们逐渐意识到，痛点并非总是通用的。每个行业都有独特的语言、流程、合规要求和客户期待。横向 SaaS 追求广泛适配，而垂直 SaaS 则深度扎根于特定行业场景。举个例子：

1. 拖车公司、SPA 馆、律师事务所，其软件使用需求天差地别
2. 市场虽小，但壁垒高、客户粘性强，适合打造高价值但低竞争的产品
3. 然而，这类“细分市场”早期并不受风投青睐——因为不够“大”

但一批垂直 SaaS 创业者走出了自己的路。他们要么被 Constellation 或 PE 平台收购，要么坚持独立运营，围绕行业本身不断迭代产品，成为行业数字基础设施。一些成功案例包括：

他们的共同点是：从一个窄小的切口切入，深耕行业，最终自然扩展到金融服务、支付系统、供应链、招聘，甚至垂直电商市场本身。

2024 年，Stripe 在年报中提到：使用其支付服务的新独立企业数量激增，背后推手正是垂直 SaaS 的普及。

一个例子是美国的独立披萨店：2005–2017 年间，独立披萨店数量持续减少，因 Domino’s、Pizza Hut 等连锁品牌主导市场。但自 2017 年起，趋势逆转，2023 年开店数量创下新高。原因之一是 SaaS 工具如 Slice 出现，为小披萨店提供：网站建设、支付、广告、定制包装等一体化能力。

本质上，这些 SaaS 工具让“小商户拥有了类似特许经营的基础设施，但无需交出控制权”。

Stripe 总结说：

“如今，美国 60% 的小企业使用垂直 SaaS 管理运营。”

此外，一些真实例子包括：

1. SingleOps：为园艺服务提供端到端运营系统
2. Traxero：拖车行业专用 SaaS，甚至有自己的播客
3. Transformity：为酒类零售提供 AI 驱动的库存管理
4. Moxie：帮你在 30 天内开设医美诊所
5. Clio：独立律师事务所专用管理平台
6. Skimmer：游泳池维护业务工具
7. Planning Center / Pushpay / Shulware：为教堂与犹太教堂提供数字工具
8. Meadow Memorials / Tribute Technology：殡葬服务行业专用平台
9. Procede：卡车经销商后台系统

垂直 SaaS 已不再只是“卖软件”，它是中小企业的业务操作系统，是行业创业者的数字基础设施，更是赋能个体创业的平台性武器。它的演进路径也预示了未来 AI 的可能方向：不是做一套通用智能，而是打造深度嵌入某一垂直行业的 AI 操作栈。

2、AI 带来了什么根本性变化？

2022 年 11 月，OpenAI 发布了 ChatGPT。在短短两个月内，其用户数突破 1 亿，成为史上增长最快的软件产品。虽然最初被视为“聊天机器人”，但很快业内意识到：大语言模型（LLM）实际上是一个通用接口，能够胜任各类认知性任务。

这场发布引发了整个软件行业的大规模试验。大量 B2B 企业迅速调整产品路线图，尝试将生成式 AI 融入现有产品。在垂直 SaaS 领域，反应各异：有些公司将 OpenAI 模型集成进既有功能，有些则围绕 AI 能力重构了产品形态。

传统 SaaS 的价值，在于将流程数字化——将纸质流程转化为结构化、可追踪的云端系统。例如 CRM、ERP 等工具不仅提升协同效率，还推动了数据标准化和流程自动化。而 LLM 带来的，是根本性的跃迁：软件不再只是记录任务，而是能真正“完成任务”。

这一变化对垂直行业尤为关键。保险理赔、货运调度、医疗账单等流程长期以来高度依赖人工，且由于复杂性与定制化程度高，软件渗透率一直有限。AI 系统的能力突破，使得原本难以标准化的环节也能被自动化，从而释放出更大市场空间：

1. 软件不再只是“卖工具”，而是开始“取代人工”
2. 可深透市场不再仅限 IT 预算，还包括劳动力成本
3. 从“记录系统”向“操作系统”演进

2023 年 6 月，汤森路透以 6.5 亿美元收购 Casetext，引发业界关注。Casetext 的 CoCounsel 是基于 OpenAI 模型构建的 AI 法律助理，能执行法律调研、起草备忘录、审阅合同等任务。这起收购标志着：

生成式 AI 正式进入高成本、高门槛、强监管的专业流程中。

它不再是“搜索增强工具”，而是承担法律服务的核心内容——重塑了企业软件在专业行业中的角色边界。

传统垂直软件市场，因市场小、分散、难扩张，一度被认为难以支持大规模投资。以 Constellation Software 这类公司为例，他们靠深耕小众软件获取稳定现金流。但 AI 的出现改变了这一判断：2023 年，美国全体劳动者薪酬支出总额超 11 万亿美元，其中超过 4 万亿 薪资支出被认为可由 AI 增强或替代。垂直 SaaS 公司，理论上可借助 AI 切入“工资预算”的分布。

这场深刻的技术变革也反映在融资数据中，根据SVTR AI创投库，2024 年 全球AI 创业公司获得 1100 亿美元风投资金，同比增长 62%，远超所有其他技术领域。同期，私募科技投资整体下降 12%。资本正快速集中到 AI 原生企业，而非传统技术类公司。这预示着：AI 不再只是科技主题，而是产业结构重塑的主轴。

3、AI部署的核心问题，不是模型，而是落地

虽然 AI 投资持续高涨，但真正的价值，只有当技术被嵌入日常运营中时才能实现。过去，AI 的瓶颈在于“能不能建出更大的模型”；现在，真正的挑战转向了“能不能让模型在真实工作流程中跑起来”。这一过程，远远不同于传统 SaaS 的交付逻辑。

传统 SaaS 工具通常通过上线培训、功能配置即可完成集成。但 AI 系统往往要求更深的流程嵌入。它意味着理解客户的日常操作，甚至重写流程本身；意味着与一线用户不断试错迭代，逐步搭建出合适的界面、输入机制与决策边界。

一个经典案例是 Palantir。它从未依赖“自助上线”的方式打入市场，而是派出一批“前线工程师”嵌入客户组织，实地观察、抽象业务逻辑，并逐步转化为可重用的软件模块。虽然初期成本高昂，但最终形成了深度绑定、极高粘性的系统。

这表明：AI 本质上像是一种新的“劳动力形态”：它上下文敏感、能力泛化、但仍需精细管理。

你不是在“买一个软件”，而是在“雇佣一个 AI”：

1. 你需要对它进行“入职培训”
2. 持续监督它的“绩效”
3. 调整组织流程来适配它的“工作方式”

最终能否成功集成，不取决于模型的先进程度，而取决于：

1. 接口设计是否贴近决策逻辑？
2. AI 是否自然嵌入日常流程？
3. 是否建立了适应性强的反馈闭环？

对垂直软件来说，这带来一个重大机会：不是在既有流程上“加点 AI”，而是从零重构整个流程链条。

根据 Ramp 2025 年的《AI指数》：72% 的科技公司订阅了 AI 工具，而建筑业为 28%，住宿与餐饮仅 22%。

这一对比反映出两个现实：

1. 技术渗透速率在各行业差距巨大
2. 订阅 ≠ 转型，投入并不总能换来利润率改善

尽管基础模型越来越易得，真正能“跑起来”的公司却寥寥无几。AI 的部署是一场“跨学科工程”：

1. 工程团队要开发接口
2. 产品团队要重构任务链
3. 行业专家要定义逻辑边界
4. 变革管理要推动组织采纳

许多传统行业企业依然将 AI 当作“即插即用”的工具，这种期待本身就是误区。AI 是概率性系统，必须通过反馈迭代不断调优，且极度依赖数据场景与任务结构。

2010 年代那批“全栈公司”曾因人工密集、利润率低等问题饱受质疑。但在 AI 成为主力劳动力之后，这一商业模式正重新焕发生命力：

1. 人力负担降低
2. 扩张边际成本下降
3. 行业壁垒变得可穿透

正如 Y Combinator 在 2025 年的“创业者倡议”中所说：

“如果你认为大模型能处理大量法律工作，那你有两个选择： 其一，做一个 AI 法律工具卖给律师事务所； 其二，自己开一家 AI 驱动的律师事务所，直接与传统律所竞争。”

后者，就是典型的“AI 原生整合型公司”——既掌握技术，也控制服务交付环节。这类公司不再受限于“软件供应商”的角色，而是成为价值链的主导者。

三、案例研究：AI 在传统行业的三种商业模式

随着 AI 正在重塑传统行业的工作流程，创业者面临一个关键选择：如何攫取由自动化释放出的利润空间。目前主要有两种路径：向现有运营方销售软件，或亲自下场成为运营方。

路径一：向运营方销售软件

这一路径类似传统 SaaS 模式，但融入了新的要素。创业公司开发 AI 助手、自动化工具或智能代理，并将其部署到行业现有玩家手中。这种方式执行速度更快、扩展性更强，尤其适用于那些难以被颠覆、但愿意接纳能提升效率工具的行业。

不过，这种模式前提是客户自身具备较强的数字化能力：能有效部署软件、培训员工、处理异常情况并优化流程。

现实中，分销和落地仍是最大障碍。很多行业仍受限于旧系统、软件素养偏低或缺乏变革资源。即便产品价值明显，真正推向使用常常面临团队重训、流程重构等阻力。同时，竞争也日益激烈，几乎每个垂直行业都涌现出一批 AI 工具厂商争夺同一批客户，差异化和客户留存成为难题。

路径二：自建或收购运营方

第二条路径则更为激进——不只是做软件，而是直接运营业务本身。通过自建或收购服务提供商，将 AI 深度嵌入业务流程，完全摆脱客户侧的整合依赖。这种做法启动较慢，运营复杂度高、资本投入大，但也意味着更强的控制力和更高的利润留存空间。

当你掌握服务层，就能原生部署自家工具，不必依赖客户决策。不仅可以重构流程、精准衡量成效，还能持续优化，无需等待客户反馈。长远来看，这带来的是更强的护城河，以及技术与服务更紧密的融合。

综上，当前企业正围绕 AI 采取三种不同商业模式：

1. 授权软件，由传统玩家负责运营
2. 收购成熟资产，植入技术，回收现金流
3. 自建全栈公司，将代码、资本和控制权统一

实际操作中，很多公司会混合这三种模式，或者根据市场变化进行调整。有些企业可能以某一路径起步，随后随着业务扩展转向其他路径。每种模式都有其权衡点，最终的选择取决于行业结构、产品护城河，以及团队的执行力。

房地产

EliseAI EliseAI 为住宅物业管理提供自动化平台，起初专注于租户沟通，后发展为集成到客户物业管理系统的对话式 AI 套件，可处理看房预约、租户问题、维修请求等任务。该公司采用纯软件销售模式，服务超过 350 家机构级业主，声称可自动处理 85% 以上的对话。联合创始人兼 CEO Minna Song 曾指出，许多客户试图将 AI 工具叠加到旧流程上，结果收效甚微，真正的挑战在于对底层工作方式的重构。

Metropolis Metropolis 创始人 Alex Israel 在开发停车应用后，决定将智能基础设施直接嵌入物理环境，不再只是推荐停车位，而是通过 AI 与计算机视觉实现无感进出。最初公司尝试向停车场运营商销售技术，但由于行业长周期合同阻碍落地，转而走“买下运营商”路线。2022 年收购 Premier Parking（600 个车库）后获得运营杠杆与市场信任；2023 年又以 15 亿美元收购北美最大停车运营商 SP Plus，交易总规模达 17 亿美元（债权+股权）。

Wander Wander 主打高端短租市场，起初采用“自持房源+自营运营”的垂直整合模式，保障住宿品质和服务一致性。然而随着融资环境恶化，其关闭了自建 REIT，推出两个新模式：Wander Operated（管理非自持房源）和 Wander Branded（输出品牌和软件，由本地运营商管理）。截至 2025 年 5 月，平台已覆盖超过 1000 套房源，定位为一家不持有资产的技术驱动型运营商。

Long Lake Long Lake 成立于 2024 年，专注收购住宅、商用及基础设施服务公司。其首个聚焦领域是 HOA（业主协会）管理，AI 工具可提升约 30% 的运营效率。至 2025 年初，公司通过 Thrive Holdings 筹集超 6 亿美元资金，已并购 18 家公司，员工总数约 1400 人。其策略是在收购企业中植入 AI 工具，实现运营层面的提效。

SVTR点评

在房地产行业，AI 的价值更多体现在“重塑流程”而非“加一层工具”。EliseAI 虽然提供软件，但仍依赖客户进行流程变革；而 Metropolis、Wander 和 Long Lake 则通过拥有运营权，直接实施变革，绕过客户适配难题。

会计

Basis 成立于 2023 年，总部位于纽约，专注构建 AI 助理来增强和自动化会计流程。其产品定位为“虚拟团队”，而非传统工具，强调 AI 应该实际完成任务，而不仅是回答问题。目前已在多家全美百强会计所部署，节省时间高达 30%。Basis 鼓励客户从根本上重新思考工作方式，而不是将 AI 叠加到旧系统之上。

Crete 由私募基金 ZBS Partners 发起，2023 年推出，通过收购本地会计所组建全国网络，并提供共享基础设施。公司允许创始人保留部分股权、维持运营自主，同时统一 HR、合规、财务等后勤支持。Crete 内部与 OpenAI 和 Thrive 合作开发 AI 工具，支持审计测试、备忘录撰写、数据映射等任务，目前年收入超 3 亿美元，员工约 900 人。

Multiplier 前 Stripe 高管 Noah Pepper 于 2022 年创办，最初开发税务软件，后转向收购会计所并将 AI 深度嵌入其服务中。首个案例 Citrine International Tax 通过全面 AI 化，在不扩张团队的前提下实现利润翻倍与服务能力倍增。

SVTR点评

在会计领域，AI 不应只是“工具层”，而应成为组织运行的核心。Basis 代表从内部变革流程的做法，Crete 和 Multiplier 则通过收购切入运营端，将 AI 直接嵌入服务结构中。

法律服务

Harvey 创立于 2022 年，专为律所和企业法务设计的 AI 平台，擅长合同审查、起草、尽调和法律检索等工作。Harvey 结合大模型与行业语料，输出高度定制化结果，现已服务逾 300 家客户，包括 T-Mobile、Bayer、Paul Weiss 等。2025 年年中年化收入突破 1 亿美元。

Eudia 由 General Catalyst 创立的 AI 法务平台，2025 年初完成 1.05 亿美元融资（含 7500 万美元并购资金）。7 月收购 Johnson Hana（客户包括 Airbnb、OpenAI、X、花旗），致力于在企业法务流程中深度嵌入 AI，辅助合规审查、合同起草、风险评估等日常事务。

SVTR点评

法律行业的核心在于“人”与“判断力”。AI 可以帮助提高效率，但不能替代顶尖律师的专业判断。平台若想在此领域获得成功，需将技术、激励机制与文化深度对齐，以增强而非削弱律师价值。

投资咨询

OffDeal 2023 年成立，定位为 AI 原生的投资银行，聚焦传统机构忽略的中小型并购交易。其“小团队 + AI 工具”模式打破传统投行金字塔结构，提升交易撮合与尽调效率，致力于将 M&A 工具普及到中小企业。

Inven 通过自研 LLM 管道，从数百万数据源中提取并分析私营公司信息，服务投资人和企业战略团队。目前已与全球 500 多家投资机构合作，重点解决早期尽调与目标筛选的效率问题。

SVTR点评

Inven 通过工具提升前期研究效率，OffDeal 则试图重构整个投行运作方式。AI 真正释放价值的路径，不在于替换流程某一环节，而是从组织设计上进行颠覆式重构。

客服中心

Replicant 为企业客户提供语音 AI 客服平台，支持数千万通电话自动处理，覆盖 ADP、DoorDash、Fanatics 等行业客户。其 AI 系统不断优化多行业对话模型，适合希望保留自主管理的企业客户。

Crescendo 由 General Catalyst 孵化，于 2024 年收购呼叫中心 PartnerHero。Crescendo 既开发 AI 工具，也负责实际运营，目标是构建“AI 原生的客户服务公司”，年收入约 9000 万美元。其模式更适合希望外包客服运营、专注结果而非工具的客户。

SVTR点评

Replicant 更像是“工具提供者”，适合自主运营场景；Crescendo 则是“服务运营商”，主打“交付结果”，代表客服行业的一体化 AI 转型趋势。

四、实战手册：如何把AI变现？

生成式AI的影响并不均衡，这给创业者和投资人提出了一个非常实际的问题：在42%的AI试点项目未能带来可量化成果的现实下，怎样的商业结构才能既能兑现技术价值，又能有效控险、实现稳定现金流？

威廉·桑代克在《异类》一书中指出，那些长期表现优异的企业领导者之所以成功，关键在于他们会不断评估“每一美元的新投入”在哪里能获得最高的风险调整回报。

同样的思维方式同样适用于AI公司：把每一块钱和每一周的努力，投到内部回报最高的地方。传统SaaS的做法是将新增预算集中投入到招聘和市场上，而AI公司有更多样化的操作工具。但仅仅绘制流程图、优化模型，只能指出潜在价值所在，能否实现真正变现，仍取决于每一分投入如何部署。

以下这份操盘手册，梳理了从识别市场低效环节、验证AI影响力，到最终选择“卖、买或自建客户路径”的系统方法。

1、建立业务“本体图”（Map the Ontology）

Palantir的经验启发我们：第一步是把用户现有的业务流程抽象成一张“本体图”——清晰地标出业务中流转的对象、它们可能出现的状态、以及让它们发生变化的动作。

这张图的意义在于，它能帮助团队识别哪些步骤占用了不成比例的时间、人力或资本。将这些摩擦点显性化，就能明确改进的范围和任务的优先级。

Palantir在早期就强调必须在写代码前，先建模整个流程——这种自上而下的抽象方式，让研发资源能聚焦在高价值环节，同时也方便投资人对齐价值创造的路径。

2、识别市场结构（Define the Terrain）

画完本体图之后，下一步是回到市场层面：当前的行业结构应该采用什么方式切入？例如：

1. 拥有150~200家可并购目标的中型市场，往往适合做roll-up整合；而由大量小玩家组成的细分行业，则更适合用垂直SaaS切入。

2. 如果一个行业利润率低，而AI能直接提升核心服务的效率（而非仅优化后台流程），那么通过AI提升EBITDA后再收购，会更有价值；相反，周期性强或已经高度数字化的行业，直接做SaaS反而更安全。

3. 此外，监管也很关键，若能收购已取得牌照的公司，往往能绕过多年合规成本，这种路径值得重视。

3、验证效果，再谈收购（Prove, Then Buy）

在启动并购前，首要任务是验证模型是否真正产生价值。最省钱的办法，是在客户真实场景中跑一个试点，或者拼接市面上的AI组件，做一套受控实验。

Slow Ventures强调：价值创造必须先于并购。只有当产品价值爆表时，才值得考虑收购。你不会在还没做出产品时就雇销售团队，而并购，本质上也是一种获客方式，所以必须先建，再买。

小规模试点，不仅能让创始人验证技术可行性，也能让投资人更清晰地看到价值增量，降低并购风险。

4、验证你的“分销楔子”（Test the Distribution Wedge）

如果你发现用SaaS模式获客太慢或成本太高（比如合同周期长、用户抗拒或上线门槛高），那么直接收购已经拥有客户关系的公司，可能是更高效的做法。

比如在物业管理领域，由于房东通常只在租约更新时才更换服务商，因此通过收购原有供应商来切入，不仅极大降低了获客成本，也把“客户懒得换”这个惯性，变成了护城河。Metropolis 就是在这个策略下，陆续收购了 Premier Parking 和 SP Plus。

5、匹配资本与人才路径（Match Capital & Talent To The Path）

一旦你决定接管已有业务，就意味着你不仅要会做产品，还得具备并购能力和运营能力。这包括：

1. 如何设计并购融资结构
2. 如何整合团队与系统
3. 如何保持总部运营精简

这条路要求公司具备一张能承债、抗风险的资产负债表。Thrasio 在2024年的崩盘就是前车之鉴：过度举债吞噬了现金流，最终导致无法为并购“输血”。如果你的团队或资金结构还不具备这些能力，那就应该坚持轻资产打法，谨慎出击。

五、全文总结

AI可以带来利润率的提升，但提升的幅度与速度，取决于你选择的切入模式。随着时间推移，垂直SaaS、roll-up整合与全栈自建之间的界限将越来越模糊，但核心决策顺序仍然是判断“何时进入、如何进入”最经济、最高效的方式。

当技术派创业者进入重运营的业务领域时，往往会遇到几道难关：

1. 运营改造不易：要实现真正的效率提升，仅仅接入模型远远不够，还需要对流程进行系统性重构，尤其是在AI工具链仍不成熟的当下。
2. 估值仍关键：传统roll-up模式的成功依赖于“低倍数买入、高倍数退出”。AI不会改变财务纪律，若在收购阶段溢价过高，原本由AI带来的利润提升也会被迅速吞噬。
3. 交易与整合经验稀缺：无论是并购整合还是债务管理，其操作难度更接近私募股权，而非产品管理。大多数AI整合项目都需要混合型团队——既懂运营、又懂交易、还能掌控技术节奏，以此在效率与风险之间取得平衡。

今天，我们仍处在AI驱动整合浪潮的早期阶段。许多公司将会尝试各种混合结构，也有不少团队会发现，起初的模式在技术、资本成本或用户行为发生变化后已经不再适用。

最终淘到真金的，往往来自那些能准确匹配工具、结构与市场的团队——并且有足够的自律，在发现“错配”时，果断止步。

“我是更好的投资人，因为我懂经营；而我能经营得更好，也因为我懂投资。”

——沃伦·巴菲特