AI创业路径分化：自动化取代增强，行业迎来服务即软件新纪元

第一波AI公司主要聚焦于工作流增强，许多已成长为SaaS领域最成功的案例。然而，到2026年，随着模型能力达到临界点，新一代创业公司开始转向自动化——不再向既有玩家出售工具，而是直接取代他们，成为服务本身。这类公司更像“软件即服务”的终极形态，而非传统SaaS。

这一分化契合Chris Dixon提出的“强技术”与“弱技术”理论。弱技术拟物化，仅提升效率；强技术则从第一性原理出发，重构服务本质。以法律行业为例：Harvey作为增强工具，向律所收取月费订阅；而Crosby则直接注册为律所，由AI处理大部分法律事务，人类仅在客户关系、质量验证和责任承担等关键节点介入。

Variant提出一个实用框架，用于判断某项工作更适合增强还是自动化，核心看三点：责任、验证、关系。若三项皆高（如大企业法务），则适合增强；若责任低、易验证、关系弱（如初创公司合同审查），则适合自动化。这一逻辑也适用于加密领域：智能合约只能作用于可验证事件，主观或不可验部分仍需链下人工治理。

在教育领域，Alpha School尝试打造全自动化AI私立学校，但受限于家长对师生关系的重视及公立体系的僵化，其扩张潜力有限。相比之下，增强型教育工具更可能规模化，尽管面临现有教育机构的竞争。招聘则走向相反方向。Juicebox向招聘官销售候选人筛选工具（增强），而Prism直接扮演招聘官角色——输入职位描述，输出面试-ready候选人，按签约结果收费。因其流程可验证、责任较低，且创业公司愿为结果买单，自动化在此更具前景。

当前，真正的自动化多局限于细分市场，如服务创业公司或对变革开放的小众群体。这既避开大模型厂商的横向扩张“杀伤区”，又积累宝贵数据飞轮。随着模型能力提升、验证成本下降、人机交互跨越“恐怖谷”，自动化有望逐步渗透高责任、高关系依赖的领域。先行者将凭借数据优势实现复利增长，与市场共同演进。增强型AI扩大人在现有体系中的杠杆效应；自动化型AI则降低专业服务门槛，释放时间用于更高价值创造。两者皆能成功，关键在于匹配行业特性与技术成熟度。对创业者与投资人而言，理解这一分野，是识别十亿美元机会的关键。