<div id="readability-page-1">一份关于 AI 智能体实际应用的最新研究揭示了一个极度失衡的市场格局：软件工程独占近半壁江山，而医疗、法律、金融等十几个垂直领域加起来仅占另一半，且单个领域占比均不足 5%。这一现状为创业者指明了方向——真正的机会不在已被开垦的领域，而在那些几乎未被触及的蓝海市场。 Anthropic 发布的综合性研究显示，在其 API 上的 AI 智能体工具调用中，软件工程占比高达 49.7%。相比之下，医疗占比仅 1%，法律 0.9%，教育 1.8%。这些不是饱和的市场，而是几乎尚未存在的市场。 <img src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/65a91b35-77c5-45c8-bae8-a601f2ac494e.png?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" width="1024" height="612" original-src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/65a91b35-77c5-45c8-bae8-a601f2ac494e.png"/> 研究还揭示了一个关键发现：AI 模型的实际能力已远超用户对其的信任程度。METR 的能力评估显示，Claude 能够解决需要人类近五小时才能完成的任务，但在实际应用中，99.9% 分位的会话时长仅约 42 分钟。这种能力与部署之间的巨大落差，正是创业者可以把握的产品机会。 Y Combinator 总裁 Garry Tan 和 Box 首席执行官 Aaron Levie 均认为，这一格局预示着未来将诞生 300 家垂直 AI 独角兽企业，对应此前 SaaS 时代产生的 170 多家独角兽。而 AI 版本的规模可能扩大 10 倍，因为它们不仅取代软件，还能替代操作人员。 <h2>软件工程主导，垂直领域几乎空白</h2> Anthropic 的数据显示，软件工程占据了所有 AI 智能体活动的一半，另一半分散在 16 个垂直领域，没有一个超过 9%。医疗、法律、教育、客户服务、物流等领域的市场份额均为个位数。 这种分布并非因为这些垂直领域不需要 AI 智能体，而是因为相关应用尚未真正开发。软件工程之所以占据主导地位，是因为开发者天然是 AI 工具的早期采用者，且技术门槛相对较低。 相比之下，医疗、法律等垂直领域涉及专有数据、监管约束和复杂的组织流程。这些看似是障碍的因素，实际上构成了可防御的竞争壁垒。任何人都能构建一个通用包装器，但很少有人能够深入理解医疗账单、法律发现或建筑许可的具体工作流程。 <h2>能力超前于信任的部署落差</h2> 研究揭示的&#34;部署落后&#34;现象值得创业者关注。模型已经具备的能力远超用户愿意让它们发挥的水平。 从 2025 年 10 月到 2026 年 1 月，99.9% 分位的会话时长几乎翻倍，从不到 25 分钟增长到超过 45 分钟。这一增长在多个模型版本中保持平稳。这不仅是模型能力的提升，更是用户信任的累积——用户在逐次会话中学会与智能体协作。 Anthropic 的研究人员 Miles McCain 等人指出，从 8 月到 12 月，Claude Code 在内部用户最具挑战性任务上的成功率翻倍，同时每次会话的人工干预平均次数从 5.4 次降至 3.3 次。这表明随着用户对智能体能力的了解加深，他们愿意授予更多自主权。 能力已经具备，部署尚未跟上。这不是问题，而是产品机会所在。 <h2>信任演进的悖论式模式</h2> 研究发现了用户信任演进的一个现象：经验丰富的用户既自动批准更多会话，同时也进行更多干预。 新用户自动批准约 20% 的 Claude Code 会话。在 750 次会话后，这一比例提升至 40% 以上。但同时，新用户仅在 5% 的回合中进行干预，而资深用户的干预率达到 9%。 这并非矛盾。研究团队解释称，这是监督策略的转变。新手在每步执行前进行审批，而资深用户则采取委托加事后干预的模式，从事前批准转向主动监控。 研究还发现了一个重要的安全特征：在复杂任务中，Claude Code 主动请求澄清的频率是人工干预的两倍多。智能体会在不确定时暂停确认，而非一味向前推进。研究者认为，&#34;智能体在实践中行使的自主权是由模型、用户和产品共同构建的。Claude 通过在不确定时暂停提问来限制自身的独立性。&#34; 73% 的工具调用有人工参与，仅 0.8% 的操作不可逆。风险最高的部署场景，如 API 密钥提取或自主加密货币交易，主要是安全评估，而非实际生产环境。 <h2>垂直 AI 的可防御策略</h2> Aaron Levie 提出的垂直 AI 策略揭示了构建可防御企业的路径：构建能够接入专有数据的智能体软件；让软件真正解决实际问题；充分利用上下文以最大化输出智能；以及大多数创始人忽视的关键一环——为客户推动变革管理。 最后一点正是垂直 AI 具有防御性的原因。在垂直领域，驾驭传统工作流程、监管约束和组织摩擦是将可防御公司与通用包装器区分开来的关键。 SaaS 行业在过去几十年中每十年增长 10 倍。过去 20 年中，超过 40% 的风险投资流向了 SaaS 公司，该行业产生了 170 多家独角兽企业。垂直 AI 的逻辑类似：每一家 SaaS 独角兽都有对应的垂直 AI 版本在等待，且 AI 版本的规模可能大 10 倍，因为它们不仅替代软件，还替代操作人员。 研究者指出，要求&#34;批准每个操作&#34;的政策将扼杀生产力收益而不会增加安全性。更好的目标是确保人类能够监控和干预，而非强制规定具体的批准工作流程。 <h2>300 个独角兽的藏身之处</h2> 市场图谱已经清晰。软件工程领域已有归属，医疗、法律、金融、教育、客户服务、物流等 16 个垂直领域各自占据个位数市场份额，正等待有人将领域专业知识融入智能体。 模型已经能够工作五小时，但用户只让它们工作 42 分钟。这一差距表明市场仍处于极早期阶段，还有大量工作要做，而许多领域甚至尚未见到一分钟的智能应用。 此前诞生了 300 家 SaaS 独角兽，接下来将诞生 300 家垂直 AI 独角兽。选择一个垂直领域、将领域专业知识构建到智能体中、并解决变革管理问题的创始人，将主导企业软件的下一个十年。风险提示及免责条款 市场有风险，投资需谨慎。本文不构成个人投资建议，也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资，责任自负。</div>

云计算 ETF - GlobalX

半导体 ETF - VanEck Vectors

全球科技股指数 ETF - iShares

一项关于 AI 智能体应用的研究显示，软件工程占据市场的 49.7%，而医疗、法律、金融等领域的市场份额均不足 5%。这表明创业者应关注未被开发的蓝海市场。研究还指出，AI 模型的能力远超用户信任，存在巨大的应用潜力。Y Combinator 和 Box 的高管认为，未来可能会出现 300 家垂直 AI 独角兽企业，市场规模可能扩大 10 倍。

- AI 智能体市场格局失衡，软件工程占 49.7%。
- 医疗、法律等领域加起来仅占另一半，且几乎未被开发。
- 创业者可从未触及的蓝海市场中发掘机会。

华尔街见闻

费城交易所 半导体 ETF - iShares

北美科技软件股指数 ETF - iShares

标普软件与服务 ETF - SPDR

FRNKL EXP DT ETF

动态半导体 ETF - Invesco

标普半导体 ETF - SPDR

Proshares Big Data Refiners ETF

巨大的 “智能体蓝海市场”：软件编程占一半，医疗、金融、法律等 “寥寥无几”