<div id="readability-page-1">一份關於 AI 智能體實際應用的最新研究揭示了一個極度失衡的市場格局：軟件工程獨佔近半壁江山，而醫療、法律、金融等十幾個垂直領域加起來僅佔另一半，且單個領域佔比均不足 5%。這一現狀為創業者指明瞭方向——真正的機會不在已被開墾的領域，而在那些幾乎未被觸及的藍海市場。 Anthropic 發佈的綜合性研究顯示，在其 API 上的 AI 智能體工具調用中，軟件工程佔比高達 49.7%。相比之下，醫療佔比僅 1%，法律 0.9%，教育 1.8%。這些不是飽和的市場，而是幾乎尚未存在的市場。 <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"/> 研究還揭示了一個關鍵發現：AI 模型的實際能力已遠超用户對其的信任程度。METR 的能力評估顯示，Claude 能夠解決需要人類近五小時才能完成的任務，但在實際應用中，99.9% 分位的會話時長僅約 42 分鐘。這種能力與部署之間的巨大落差，正是創業者可以把握的產品機會。 Y Combinator 總裁 Garry Tan 和 Box 首席執行官 Aaron Levie 均認為，這一格局預示着未來將誕生 300 家垂直 AI 獨角獸企業，對應此前 SaaS 時代產生的 170 多家獨角獸。而 AI 版本的規模可能擴大 10 倍，因為它們不僅取代軟件，還能替代操作人員。 <h2>軟件工程主導，垂直領域幾乎空白</h2> Anthropic 的數據顯示，軟件工程佔據了所有 AI 智能體活動的一半，另一半分散在 16 個垂直領域，沒有一個超過 9%。醫療、法律、教育、客户服務、物流等領域的市場份額均為個位數。 這種分佈並非因為這些垂直領域不需要 AI 智能體，而是因為相關應用尚未真正開發。軟件工程之所以佔據主導地位，是因為開發者天然是 AI 工具的早期採用者，且技術門檻相對較低。 相比之下，醫療、法律等垂直領域涉及專有數據、監管約束和複雜的組織流程。這些看似是障礙的因素，實際上構成了可防禦的競爭壁壘。任何人都能構建一個通用包裝器，但很少有人能夠深入理解醫療賬單、法律發現或建築許可的具體工作流程。 <h2>能力超前於信任的部署落差</h2> 研究揭示的&#34;部署落後&#34;現象值得創業者關注。模型已經具備的能力遠超用户願意讓它們發揮的水平。 從 2025 年 10 月到 2026 年 1 月，99.9% 分位的會話時長几乎翻倍，從不到 25 分鐘增長到超過 45 分鐘。這一增長在多個模型版本中保持平穩。這不僅是模型能力的提升，更是用户信任的累積——用户在逐次會話中學會與智能體協作。 Anthropic 的研究人員 Miles McCain 等人指出，從 8 月到 12 月，Claude Code 在內部用户最具挑戰性任務上的成功率翻倍，同時每次會話的人工干預平均次數從 5.4 次降至 3.3 次。這表明隨着用户對智能體能力的瞭解加深，他們願意授予更多自主權。 能力已經具備，部署尚未跟上。這不是問題，而是產品機會所在。 <h2>信任演進的悖論式模式</h2> 研究發現了用户信任演進的一個現象：經驗豐富的用户既自動批准更多會話，同時也進行更多幹預。 新用户自動批准約 20% 的 Claude Code 會話。在 750 次會話後，這一比例提升至 40% 以上。但同時，新用户僅在 5% 的回合中進行干預，而資深用户的干預率達到 9%。 這並非矛盾。研究團隊解釋稱，這是監督策略的轉變。新手在每步執行前進行審批，而資深用户則採取委託加事後干預的模式，從事前批准轉向主動監控。 研究還發現了一個重要的安全特徵：在複雜任務中，Claude Code 主動請求澄清的頻率是人工干預的兩倍多。智能體會在不確定時暫停確認，而非一味向前推進。研究者認為，&#34;智能體在實踐中行使的自主權是由模型、用户和產品共同構建的。Claude 通過在不確定時暫停提問來限制自身的獨立性。&#34; 73% 的工具調用有人工參與，僅 0.8% 的操作不可逆。風險最高的部署場景，如 API 密鑰提取或自主加密貨幣交易，主要是安全評估，而非實際生產環境。 <h2>垂直 AI 的可防禦策略</h2> Aaron Levie 提出的垂直 AI 策略揭示了構建可防禦企業的路徑：構建能夠接入專有數據的智能體軟件；讓軟件真正解決實際問題；充分利用上下文以最大化輸出智能；以及大多數創始人忽視的關鍵一環——為客户推動變革管理。 最後一點正是垂直 AI 具有防禦性的原因。在垂直領域，駕馭傳統工作流程、監管約束和組織摩擦是將可防禦公司與通用包裝器區分開來的關鍵。 SaaS 行業在過去幾十年中每十年增長 10 倍。過去 20 年中，超過 40% 的風險投資流向了 SaaS 公司，該行業產生了 170 多家獨角獸企業。垂直 AI 的邏輯類似：每一家 SaaS 獨角獸都有對應的垂直 AI 版本在等待，且 AI 版本的規模可能大 10 倍，因為它們不僅替代軟件，還替代操作人員。 研究者指出，要求&#34;批准每個操作&#34;的政策將扼殺生產力收益而不會增加安全性。更好的目標是確保人類能夠監控和干預，而非強制規定具體的批准工作流程。 <h2>300 個獨角獸的藏身之處</h2> 市場圖譜已經清晰。軟件工程領域已有歸屬，醫療、法律、金融、教育、客户服務、物流等 16 個垂直領域各自佔據個位數市場份額，正等待有人將領域專業知識融入智能體。 模型已經能夠工作五小時，但用户只讓它們工作 42 分鐘。這一差距表明市場仍處於極早期階段，還有大量工作要做，而許多領域甚至尚未見到一分鐘的智能應用。 此前誕生了 300 家 SaaS 獨角獸，接下來將誕生 300 家垂直 AI 獨角獸。選擇一個垂直領域、將領域專業知識構建到智能體中、並解決變革管理問題的創始人，將主導企業軟件的下一個十年。風險提示及免責條款 市場有風險，投資需謹慎。本文不構成個人投資建議，也未考慮到個別用户特殊的投資目標、財務狀況或需要。用户應考慮本文中的任何意見、觀點或結論是否符合其特定狀況。據此投資，責任自負。</div>

雲計算 ETF - GlobalX

半導體 ETF - VanEck Vectors

全球科技股指數 ETF - iShares

一項關於 AI 智能體應用的研究顯示，軟件工程佔據市場的 49.7%，而醫療、法律、金融等領域的市場份額均不足 5%。這表明創業者應關注未被開發的藍海市場。研究還指出，AI 模型的能力遠超用户信任，存在巨大的應用潛力。Y Combinator 和 Box 的高管認為，未來可能會出現 300 家垂直 AI 獨角獸企業，市場規模可能擴大 10 倍。

- AI 智能體市場格局失衡，軟件工程佔 49.7%。
- 醫療、法律等領域加起來僅佔另一半，且幾乎未被開發。
- 創業者可從未觸及的藍海市場中發掘機會。

華爾街見聞

費城交易所 半導體 ETF - iShares

北美科技軟件股指數 ETF - iShares

標普軟件與服務 ETF - SPDR

FRNKL EXP DT ETF

動態半導體 ETF - Invesco

標普半導體 ETF - SPDR

Proshares Big Data Refiners ETF

巨大的 “智能體藍海市場”：軟件編程佔一半，醫療、金融、法律等 “寥寥無幾”