AI 原生服务：一个千亿美元的机会

AI 原生服务已经到来，我认为这是眼下你能创办的最好生意。大概有 1000 亿美元的蛋糕可抢。这是一份完整指南：什么是 AI 原生服务、怎么搭建，以及机会地图。

这篇文章信息密度很高，泡杯咖啡或茶，留出 15 分钟，我们开始。

在我职业生涯的大部分时间里，做服务生意意味着生活还不错，但公司不怎么样（至少在很多 VC 眼里是这样）。你卖的是工时，你停下来收入就停，整盘生意押在几个随时可能离职的人身上。这一切正在改变，原因简单到用一个例子就能说清。

一家公司每年大约花 1 万美元买 QuickBooks，却大约花 12 万美元雇那个用 QuickBooks 的会计师。二十年来，软件公司都在抢那 1 万美元，因为那是可以规模化销售的部分。那 12 万美元锁在人身上，不招新人就扩不了规模。现在这笔钱打开了。AI 已经能完成会计师的大部分工作，意味着你可以卖成品——结好的账——而不是卖工具，并且还能按软件的利润率来做。

这就是 AI 原生服务。工作大多由智能体完成，小团队只处理仍需真人的部分。怎么收费由你定：月费、按件计价、按用量，只要适配客户就行。让它成为「AI 原生」的，是交付跑在软件上，而不是靠堆人头。

这篇文章把每一块都讲清楚：它由什么组成、怎么搭建，以及机会地图。

最简单的理解：普通服务生意卖的是人的时间；SaaS 卖工具，让客户自己干活；AI 原生服务替客户把活干完，而且大部分由智能体完成。

客户要的不是记账软件，而是账结好。他们要的不是合同审阅工具，而是知道这份合同能不能签。AI 原生服务交付的就是这个结果，客户体验就像雇了一家事务所，只是更快、更便宜、还不会累。按月、按单还是按用量计费，是另一个独立决策。

诀窍在于：底层它像软件一样运转。活是你一次建好的系统在做，而不是永远加人。所以它可以按服务定价，却按软件估值——这才是整个机会所在。

两年前这还做不到，原因是几件事同时到位了。

模型在真正干活这件事上够用了：审合同、编医疗账单代码、起草催款函、结一个月的账。两年前输出还是得真人重写的草稿；现在是真人核对即可的成稿。

跑模型的成本崩掉了。以前几美元 token 的任务，现在只要几美分，意味着每多交付一单位工作的边际成本接近零。这个数字，才把服务变成拥有软件利润率的东西。

而且钱一直都在那儿。美国企业每年大约花 4.6 万亿美元买服务，大约是软件支出的六倍。那是会计师、经纪人、律师助理、簿记员、合规专员。二十年来这个池子碰不得，因为每一美元都绑在人身上。现在它成了经济里最大的开放市场，而这些市场开放到什么程度，简直有点疯狂。

你能从先行者身上看到这一点。做法律工作的 Harvey，大约五个月内年经常性收入从约 1 亿美元涨到 1.9 亿美元。EvenUp 向人身伤害律所按约每封 500 美元卖催款函——这类活以前要吃掉初级律师八到十二小时——营收已过 5000 万美元。Kick 为小企业做簿记，月费 300 到 500 美元，比真人簿记员便宜一半，毛利率仍超 70%。这些都是服务生意，只是碰巧有了软件的经济模型。

在所有能开的生意里，为什么选服务

眼下大多数人在 SaaS 产品、App 和代理机构之间纠结。我会说明为什么 AI 原生服务能赢过这三者。

SaaS 像在逆行的扶梯上往上跑。你卖工具，工具却在跟每个季度都更好、更便宜的基础模型竞争。实验室每发一次模型，你的产品就贬值一点。App 依赖 App Store，你永远在跳舞（还得给 Apple 抽 30%，利润率也更低）。传统代理机构仍在卖工时，收入被人头封顶，利润率永远卡在 20% 到 30%。

AI 原生服务把这一切翻转过来。你卖的是成品，模型越好，你的生意越好。模型进步是在帮你，而不是在打你。

预算本来就在。你替换的是客户已经在付的那一行开支，不必说服他们有问题，也不必发明新品类。销售话术就是：「我们做你们现有事务所做的事，更快更便宜。」这是生意里最容易的 pitch。

从第一天就有现金流。SaaS 创始人猜产品市场契合要猜一年才有收入；服务创始人第一单就收钱。你是边收钱边学该建什么。这也更偏「个人型」生意。就我观察，那些靠 AI 跑着高利润、小体量生意的朋友，似乎更开心。

最酷的一点是：服务本身就是最好的楔子。

你用它先切入客户、细分市场或行业，哪怕还不确定最终要建什么。你干活、收钱，每单都教你真正痛点在哪、「正确」是什么、哪些部分机器能接管。然后把学到的产品化。再往后，如果你愿意，可以做成软件。你从服务爬到产品，每一级都有生意在付钱，而不是融了钱去猜。

最大的 AI 公司早就想通了这一点。前线部署工程师模式——工程师嵌进客户现场去建，而不是只给建议——就是把服务当楔子打进企业。赢家靠这个进门。你可以在自己熟悉的细分里，用更小的规模跑同一套打法。

每个 AI 原生服务都有同样的零件。搞懂这些，你几乎能为任何细分设计一套。

1. 1交付单元。这是最重要的决策。你卖一件定义清晰的东西：按索赔、按申报、按合同、按月结账、按报告。永远不要按小时。月费也可以，只要范围定义清楚——因为单元仍是你交付的内容，只是改成按月结算而不是按单。单元让你能定价、可重复交付，并最终做成软件。选那种有清晰终点、客户一看就能说「完成了」的东西。
2. 2接入。这是活怎么进来，也是大多数服务生意在不知不觉中流血的地方。代理机构要打三通电话才定一单范围；AI 原生服务用一张表单。客户上传文件、填五个字段、描述需求。就这样。如果你没法把接入定义成表单，说明你的单元还不够清楚。
3. 3引擎。干活的 AI。这是模型，加上你的指令、示例，以及对该具体行业的上下文。第一天多半是一条好提示词和几十个示例。时间久了它会变成竞争对手复制不了的东西，因为它被你跑过的每一单塑造过。
4. 4规则书。这才是真正的产品，几乎所有人都低估了它。它是一份书面清单：在你的细分里什么叫「正确」，以及 AI 会以哪些方式搞错。「居家护理记录缺生命体征就不完整。」「催款函必须引用治疗日期。」「这类索赔在编码与诊断不符时会被拒。」你一次一个错误地建这份清单——读输出，写下你抓到的问题。跑过几百单之后，规则书让你的输出可信，也让生意可防御。
5. 5审核层。人还要看的地方。你按单元决定：什么自动发出去，什么先经人检查。低风险、高置信度的直接出门；涉及钱、法律风险或客户声誉的，必须过一眼。审核层让你能对错误负责却不被淹没，而规则书会随时间把它缩小。
6. 6交付。成品怎么回到客户手里。他们登录的仪表盘、带附件的邮件、显示状态的门户。这取代了客户经理。客户应能看到自己的单子进展，而不必问任何人。
7. 7定价。你有两个好选项，一个坏选项。按单元——每条索赔、每份申报、每封信收费——适合量可预期、客户只想为用到的付费的场景。固定月费——为明确范围收固定费——适合客户要预算确定性、你要可预期收入的场景。Kick 簿记月费 300 到 500 美元就是月费模式，生意很好。唯一要避开的是按小时定价，那会把收入拴在人头上，正是代理机构变成坏生意的陷阱。无论选哪种，对照人工替代方案定价，而不是对照你的成本。如果事务所收 2500 美元，你收 800。对客户是便宜货，对你是暴利——因为多交付一单位的成本接近零。
8. 8分发。怎么拿到客户。对这些细分，诚实答案多半是：冷启动外联一份精准名单里真正签字付钱的人，再加一个获客磁铁：第一单免费。一家居家护理机构免费拿到十份记录审阅、发现漏掉的三个问题，当天下午就可能成客户。如果你已在做内容，内容也有效；还有与这些企业已在用的软件合作，以及人人都认识人人的细分里的转介。你不需要受众。你需要通往买家的渠道，而免费第一单是最快的那条。

下面是这些零件组装起来的样子，带真实数字。

以居家护理记录审阅为例。一家中等规模机构每月大约产出 2000 份上门记录，并花约 7 万美元一年雇一名护士审阅，因为不完整的记录会导致索赔被拒或审计时被点名。

单元是一份已审阅的记录。接入是上传——机构把当天的记录丢进来。引擎按你建好的规则书逐份跑，那二十条会导致拒赔的事：缺生命体征、用药变更含糊、护理内容撑不起计费级别。审核层把干净的直接发回，把有风险的标出来给人快速看一眼。交付是仪表盘，展示每份记录、哪些过了、哪些要改，机构再也不用追问。

你按每份记录收 2 美元。一家机构就是每月 4000 美元，而跑一遍模型只要几美分。十家是每月 4 万美元。五十家是一年 240 万美元，一个人就能跑——因为接入是上传、检查是规则书、交付是仪表盘。你一开始是手工给五家机构审记录，那时写下的规则书现在就是整个产品。这就是形状：一个没人抢的细分里、这个月就能开干的真实生意。

第一，在地图上选一个格子（见下）。你要找的是：公司已经付钱给外部事务所做的活，并且有可核对的正确答案。这两点都很重要，我马上解释为什么。

第二，找到五个客户，主要为他们手工干活。用 AI 当引擎，但发出去之前每一份输出都自己读一遍。这还不是产品。这是你学习「正确」长什么样、AI 在哪翻车、客户真正在意什么的方式。几周实干能学到的，猜 pitch deck 永远学不到。

第三，记下每一个错误。每次抓到问题，就加进规则书。跑过几十单后，你会有一份这个细分里反复出错的二十件事清单。那份清单就是你的产品。别人没有。

第四，产品化。固定范围、固定价格，把接入做成表单，把交付做成仪表盘，让规则书自动跑。这时一个人能服务五十个客户，生意有软件的利润率、服务的销售周期。大多数这类生意就该停在这里，而且这里很好。

第五，仅当你愿意，再做成软件。规则书和工作流够扎实后，可以让客户自己跑。那是从产品化服务跃到产品的一步，也是估值最高的地方。但你会配得上它，因为软件是先干活建出来的，不是猜出来的。到了这一步，你也可以选择去融 VC。

我计划这周在播客里更深入讲这个，@startupideaspod，YouTube / Spotify / Apple 都有。

两个问题几乎决定一个想法能不能成。

一：客户是否已经付钱给外部事务所做这件事？如果是，预算存在、范围已定义、换成你对他们没有额外成本。如果他们在内部做，你是在试图替代某人的员工，那是难得多的对话。

二：有没有可核对的正确答案？如果输出能对照规则验证，AI 加上你的规则书就能主导。如果需要真正的主观判断，人就必须留在回路里。

把这两条放进网格，得到四个格子。

已外包且可核对：在这里建。这是甜区。你是他们已经在开支票的事务所的更便宜、更快版本，还能证明活做对了。

可核对但在内部做：真机会，但更难卖。定位成团队留下的工具，而不是替代某人。

已外包但偏判断：人留在回路里，收溢价。AI 做准备，人拍板，定价可以接近旧事务所。

内部做且偏判断：跳过。那是一份工作，不是一门生意。

下面是真正的右上角格子，每个都标了你会卖的单元。都不光鲜。这是故意的。

• 1医疗计费与编码，按索赔。诊所已经外包。错码就意味着拒赔，所以「正确」可核对，漏了也很贵。
• 2商业保险报价，按保单。经纪人的核心活是比价保险公司和填表。多半是有可核对输出的任务。
• 3海关与货运归类，按货件。每笔进口都需要正确编码和文件。规则绑定、文档密集，错了代价高。
• 4持牌企业的监管申报，按申报。金融、食品、医疗都很付钱请专人跟严格规则走，规则本身就是规格书。
• 5租约摘要与产权工作，按文件。商业地产深埋其中，而且已经外包出去。
• 6RFP 与拨款写作，按提交。多半是结构和先例，预算本来就是开支项。
• 7房产税申诉，按申诉，并抽成节省额。已外包、可核对，而且只有你赢了客户才付钱。（我最近做过，付给事务所节省额的 50%；你可以做同样的服务，只抽节省额的 10%！）
• 8居家护理上门记录审阅，按记录。记录必须完整，否则计费会被拒，机构今天还在手工审。
• 9人身伤害律所的催款函，按函。初级律师每封要花数小时。结构可重复，输出可核对。
• 10应付账款异常处理，按异常。公司雇人追那些对不上的发票，而匹配本身就是规则。

看规律。每一项都是企业已经付钱让人做的活，有可核对的正确答案，又住在靠老旧软件、讨厌这套流程的行业里。这个组合就是信号。找到它，你就找到了一门生意。

我会持续在 Ideabrowser.com 上补充这类机会（注册验证过的想法完全免费）

每个创始人和每个投资人问的第一个问题都是：客户为什么不自己用 ChatGPT 做？答案是：他们要的不是工具，而是做完，并且出错时有人担责。诊所不会让办公室经理把索赔粘进聊天机器人碰运气。他们要的是一家知道拒赔长什么样、已经抓过三百次那种错、漏了还会修的事务所。你的规则书和你的责任，才是产品。模型只是引擎，而人人都有同一套引擎。

这才是真正的护城河。你卖成品，你就要对错误负责。软件公司出 bug 打个补丁；事务所提交了错误索赔，那是真问题，客户生气也有理。所以护城河不是模型，是规则书——你在一个窄细分里抓到并写下的成百上千个边缘案例。竞争对手一下午就能下载模型。他们下载不了你三百单错误换来的经验。

这也是审核层重要的原因。它让你能对错误负责却不被错误吞掉，也会随着规则书变厚而缩小。

大多数人建「AI 代理机构」时，把 AI 对准生产，其余一切照旧。那只给你一家稍微便宜点的代理机构。代理机构从来不是好生意的原因，是活周围的开销——定范围、检查、管理、销售——每一个客户都会让这些开销一起涨。

AI 原生服务故意压垮这些开销。接入是表单。范围是菜单。质量是规则书。客户管理是仪表盘。做到这些，生意就会像软件一样运转。跳过这些，你只是建了一个更快版本的、从来就不成立的东西。最酷的是，如果你哪天想卖掉这门生意，利润率可能在 60%–80%，按 6–12 倍 EBITDA 退出，可能是改变人生的一笔。

所以，基本上就是这些。选一个单元。搭好接入、引擎、规则书、审核层和交付。对照人工定价，按单元或月费。先为五个客户手工干活，记下每个错误，再产品化。锁在人身上的那 12 万美元现在打开了！去找属于你的那一块。

写这篇文章，只是想让你的创意开始流动。

AI 原生服务已经到来，现在就是时候。