如果说2023年是人工智能的“爆炸元年”，那么2025年更像第一道破晓的曙光。
基础公司开始集群化，AI 技术加速落地，初创企业的成功路径也逐渐显现。虽然距离真正的稳定还有一段距离，但眼下的格局，已经比任何时候都更清晰地勾勒出 AI 行业的未来走向。
一个直接的观察窗口来自投资一线。就在不久前，国外知名投资机构 Bessemer 发布了《2025 年人工智能现状》一文，总结了他们对当下 AI 的观察。
Bessemer 的名字，在 SaaS 圈里几乎是“金字招牌”。过去 10 年，它们投资了 200 多家 SaaS 企业，是这个领域最专业的机构之一。
如今，SaaS 正成为 AI 技术最大的受益者，几乎所有传统 SaaS 公司都在全面融入AI。而Bessemer也在2023 年以来，向AI原生初创公司投资了超过10亿美元，也就是72亿人民币。
在乌鸦君看来，再没有什么判断比真金白银的下注更有分量。也正因如此，这份报告格外值得关注。
在这份报告里，Bessemer 不仅揭示了当下AI创业公司的两条典型增长路径，还分享了他们对各个细分领域的趋势判断，为我们理解2025年的AI行业提供了一份清晰的参照系。
Bessemer分析了20家高速且可持续增长的 AI 初创公司，包括 Perplexity、Abridge、Cursor，发现如今的高速增长主要分为两类：超新星和流星。
这些初创公司往往在商业化的第一年，就能从种子轮融资一路冲到年收入1亿美元。这是软件行业前所未有的速度。它们既令人兴奋，也让竞争者感到不安。
这种爆发式增长，常常发生在收入仍显脆弱的阶段：高速采用可能掩盖了低转换成本，或是源于一次足以颠覆市场的重大创新。
这类应用离核心基础模型非常近，容易被贴上“薄包装”的标签；而在赢家通吃的赛道里，初创公司为了抢占先机，会不惜用价格和分销换市场，利润率因此常常接近零甚至为负。
Bessemer调研的10家AI超新星，商业化首年平均就做到约4000万美元 ARR，第二年则跃升到 1.25 亿美元 ARR。但 ARR 本身并不代表业务健康——可持续增长还得靠留存率、用户参与度和资本效率。
这些超新星的平均毛利率只有25%，但在人效上表现惊人：ARR/FTE 高达 113 万美元，是典型 SaaS 基准的 4–5 倍。这种收入效率，或许预示着它们在规模化后依然能保持极高的运营杠杆。
相比之下，“流星公司”更像是一流的SaaS：它们能在短时间内找到产品与市场的契合点，维系并拓展客户关系，同时保持健康的毛利率，虽然略低于 SaaS 同行，但换来的，是更快的增长和可控的成本结构。它们的增长依然比 SaaS 前辈更快，但速度受限于传统的组织扩张瓶颈。
这些公司也许不会天天冲上新闻头条，却深受客户喜爱，且有潜力在软件史上留下浓墨重彩的一笔。平均来看，AI 流星在第一年就能做到300万美元 ARR，并实现四倍同比增长，毛利率约 60%，首年 ARR/FTE 达到 16.4 万美元。
如果说 SaaS 时代的增长公式是T2D3（硅谷SaaS 高速增长公式，指公司进入规模化阶段，前两年每年增长三倍，后三年每年增长两倍），那么AI流星的节奏更接近Q2T3（前两年每年四倍，后三年每年增长三倍）：增速明显快于传统 SaaS，但在运营模式上，依然沿用着 SaaS 的基准框架。
Bessemer固然欣赏那些“一鸣惊人”的 AI 超新星，但真正定义这个时代的，可能不是少数异类，而是数以百计、持续高增长的 AI 流星。对于AI创始人来说，流星才是更值得追求的目标。
OpenAI、Anthropic、Gemini、Llama、xAI等少数巨头继续主导基础模型赛道，在提升性能的同时加速垂直整合，不再只提供模型和开发工具，而是直接推出编码、电脑操作、MCP集成等智能代理。
计算成本在软件优化与端到端硬件创新的推动下可预测下降，Kimi、DeepSeek、Qwen、Mixtral、Llama 等开源模型依旧展现出强大竞争力，在效率与专用任务上甚至可比肩或超越专有模型。
测试时强化学习（RL）、自适应推理等技术加速落地，预计在垂直场景中带来重大突破。
这些创新不仅在刷新模型能力，更在推动更大平台架构重构——涵盖模型、算力、训练框架、编排、可观测性等新型基础设施。堆栈参与者正跨界并购、打包产品，基础设施竞争进入“组合拳”阶段。
AI行业正在进入第二阶段。AI 的第一阶段由算法突破驱动，比如反向传播、卷积网络、Transformer 等，成就了基础模型、算力和数据标注领域的巨头。但未来的第二阶段，将从“能解决问题”转向“定义并衡量问题”。
正如 OpenAI 的姚舜宇所言：“人工智能的下半场，将从解决问题转向定义问题。”
在第二阶段，大型实验室不再只追求基准测试的分数，而是构建能与真实世界有效交互的 AI。同时，企业应用也从POC（概念验证）走向生产部署阶段。
所有这些转变都为新一波基础设施工具的涌现奠定了基础——它们不仅注重规模或效率，更致力于将人工智能融入运营环境、实际经验和持续学习。以下是一些示例：
通过Fleet、Matrices、Mechanize、Kaizen、Vmax和Veris等平台进行强化学习环境和任务管理，因为人类生成的标记数据已不足以实现生产级人工智能；
复合人工智能系统不仅关注原始模型的能力，还结合了知识检索、记忆、规划和推理优化等组件；
我们正处于这一转变的开始阶段——从作为概念证明的人工智能到作为嵌入现实世界经验的问题定义和自适应系统的人工智能。
Rich Sutton 的《惨痛教训》提醒我们，历史上AI最大的进步往往源于对计算和通用学习的利用，而不是依赖人工设计特征或启发式算法。进入第二幕后，实践者需要在现实业务中嵌入上下文、理解与领域知识，但究竟哪些技术能在效率与可扩展性之间找到最优平衡，仍是悬而未决的未知数。
AI 已彻底改变了软件开发范式。自然语言正在取代传统编程接口，提示词本身就是程序，LLM 成为新型计算机。软件开发不再只是写代码，而是构建一个能持续学习、适应和交付的高速系统。
如今的问题已不是“是否用 AI”，而是“如何将 AI 融入一个复合型、可持续进化的体系”。最优秀的工程团队，正用 AI 驱动全流程，从编码到部署形成闭环。
MCP 支持持久内存、多工具工作流和细粒度权限，让代理不仅能生成结果，还能跨系统执行操作。
对于开发者，它极大简化了集成；对创始人，它打开了构建“能真正替用户行动的代理”之门。
真正的价值还需依赖生态，例如 Prefect 的 FastMCP（简化 MCP 服务器搭建）、Arcade 和 Keycard（管理授权与许可）。随着连接器、治理框架与代理专用工具成熟，MCP 有望像 HTTP 之于互联网一样，成为代理原生 Web 的基础设施。
随着人工智能原生工作流程的成熟，记忆正逐渐成为核心产品原语。能够跨时间记忆、持续适应并实现个性化，正是工具从“可用”升级为“必不可少”的关键。
最优秀的人工智能系统已经不止于“回忆”，而是能与用户同步进化。2025年，大型上下文窗口与检索增强生成（RAG）已让单会话交互更连贯，但真正持久的跨会话记忆依然是悬而未决的挑战。除基础模型公司外，mem0、Zep、SuperMemory 以及 Langchain 旗下的 LangMem 等初创公司也在积极布局。
上下文是模型在推理过程中可见的数据，记忆则是交互中保留的信息，支撑多步推理、个性化体验和代理的连续性。两者共同为下一代 AI 应用提供动力。
短期记忆：通过扩展上下文窗口实现（128k 到 1M+ 个 token，视模型和架构而定）
长期记忆：依托向量数据库、内存操作系统（如 MemOS）和 MCP 风格编排实现
需要权衡的是，长上下文会带来更高延迟和成本。如果缺乏智能上下文工程，持久记忆会变得脆弱——动态选择、内容压缩和任务隔离才是核心。
代理类应用（如开发代理、客户助手、创意工具）正在率先采用多模态记忆层与状态化工作流。同时，对神经记忆、持续学习和局部上下文缓冲区的研究表明，可扩展的回忆已近在眼前。
对人工智能应用的创始人而言，情境与记忆是新的护城河。一旦产品比任何替代方案都更了解用户的世界，替换它就像推倒重来。无论是精通团队代码库的编码助理，还是深度嵌入 CRM 与沟通体系的销售代理，长期积累的用户与环境情报，都会成为最具黏性的资产。
创始人不应把记忆视作后端管道，而应将其视作产品核心。今天以记忆感知为底层构建的初创公司，将塑造未来最智能、最个性化、最具黏性的人工智能系统。
在企业软件领域，人工智能正为初创公司打开颠覆大型水平记录系统（SoR）的窗口。几十年来，Salesforce、SAP、Oracle 和 ServiceNow 等 SoR依靠深厚的产品线、复杂的实施流程，以及对核心业务数据的牢牢把控，构筑了几乎无法撼动的护城河。高昂的转换成本，让大多数初创公司望而却步。如今，这些壁垒正在松动。
AI 能够结构化非结构化数据，并按需生成代码，让迁移到新系统比以往更快、更低成本、更可行。代理式工作流正在取代机械的数据录入；过去需要系统集成商多年推进的大型实施项目，如今几个月、甚至几周就能完成。
这些新平台不只存储信息，还能根据信息直接行动。Day.ai、Attio 等 CRM 工具会自动记录来自邮件、电话和 Slack 的客户互动；Everest、Doss、Rillet 等 AI 原生 ERP 系统则能自动化财务预测与采购流程。生产力差距正在急剧拉大，创始人不再只是构建“记录系统”，而是在构建“行动系统”。
AI 特洛伊木马：用高价值的楔入型功能捕获数据流，先接入数据，再逐步取代底层系统；
极速实施：借助代码生成，将自然语言业务逻辑直接转为代码，速度提升可达90%；
数据解锁：自动提取与模式转换，实现 1 天完成历史数据迁移，几乎消除供应商锁定；
ROI 跨越式提升：投资回报率提高 10 倍，代理式工作流大幅减少专业服务支出，加快价值实现；
最大的悬念是：AI原生挑战者是在创造新类别，还是会正面威胁现有巨头？在 CRM 领域，早期信号已经显现。这些工具不仅取代传统 CRM，还带来全新体验：自动整合多渠道交易信号，并为销售经理提供智能化优先级建议——提升幅度是 10 倍，而非 10%。
企业搜索：内部知识库训练的横向副驾驶，正在替代 SharePoint、Notion 搜索
FP&A：AI原生工具让财务分析师无需依赖数据工程团队，即可整合多源数据并执行复杂分析
最强势的打法，是从AI楔子（相邻高价值功能）切入，逐步扩展成完整 SoR，在此过程中积累专有数据，同时保持与现有流程的兼容性。IP 管理平台 Tradespace、IT 服务管理公司 Serval，都是这一策略的代表。
虽然胜负未定，但新类别与 SoR 真正替代者之间的赛道已经成形。这将是未来数年企业软件领域最值得关注的战役之一。
表面平静，暗流涌动。即便 AI在企业软件领域势头强劲，一些最庞大的版图依旧稳如磐石。
企业级 ERP：AI 原生会计和 ERP 平台正快速崛起，但重心仍在中小企业与中端市场，聚焦软件、服务等相对简单的行业。制造、供应链、库存等高复杂度场景，对产品广度和集成深度要求极高，新进入者需要时间打磨。Bessemer判断，真正的企业级 ERP 替换周期，仍是一个以“年”为单位的长期战。
SoR 的长尾效应：CRM 与 ERP 虽然是聚光灯下的主角，但记录系统的长尾同样潜藏巨大机会。身份管理平台（企业安全）、计算机辅助调度系统（公共安全）、内容管理系统（网页设计）等领域，都已进入成熟期，具备被颠覆的土壤。然而，这波浪潮的形成需要更长时间——可能是十年级别的周期，如今的创业者才刚刚进入这些领域。
这些“暗物质”并不显眼，却占据着庞大的市场体积。它们可能孕育出下一批AI明星公司，但在 2026 年之前，胜负仍难预判。
去年Bessemer提出过一个大胆判断：垂直人工智能的市场潜力，可能超过历来最成功的垂直 SaaS 赛道。如今，这个趋势比预期更快落地——尤其是在那些长期依赖人工、服务密集型、甚至被视为“技术恐惧症”的行业。
事实证明，问题不在于他们不想用新工具，而是传统SaaS无法触达那些高价值、垂直特定且多模态/语言密集的任务。垂直人工智能第一次真正满足了这些需求，它更像是一种杠杆，而不是一款软件。
多个垂直行业，甚至一些曾被认为抗拒技术的领域，正在快速引入AI原生工具：
医疗：Abridge 用生成式 AI 自动生成临床笔记，缓解医护倦怠；SmarterDx 自动化编码流程，帮助医院追回流失收入；OpenEvidence 让医生在诊疗现场即时查阅医学文献。
法律：EvenUp 将数天的案卷准备压缩到几分钟；Ivo 自动审查合同并实现全库自然语言搜索；Legora 提升法律研究与起草速度，并增强协作。
家庭服务：Hatch 充当 AI 客服团队；Rilla 分析销售面对面对话并大规模指导销售代表。
1.楔入点锋利：先切入最痛的核心任务，尤其是语言/多模态场景，并无缝嵌入既有工作流。语音/音频是高频出现的“神奇楔子”。
2.情境是护城河：依托领域知识、数据积累与垂直化多模态界面，迅速从模型微调走向深度实用化。
3.价值即说服力：ROI 从第一天就可见，生产力提升 10 倍，劳动力重新分配到更高价值环节，成本降低或营收提升，无需冗长论证。
记录系统格局会否重写：下一代垂直 AI 会继续增强现有 SoR 的价值，还是会用 AI 原生、垂直特定的“行动系统”直接取而代之？
incumbents 的反击：在传统玩家并未松懈的领域，规模与渠道是否足以压制新贵，抑或后者能突破封锁？
数据护城河的持久性：在数据分散、隐私敏感、难以标准化的行业，垂直 AI 能否在扩张中维持可持续的专有数据优势？
这些未解的“暗物质”，决定了垂直AI从“早期爆发”走向“长期统治”的成败。
底层技术的跃迁，让AI从“工具”逐步走向“生活伙伴”。过去一年，消费者主要用它完成写作、编辑、搜索等生产力任务；而现在，更多人开始依赖AI处理更深层次的需求——治疗、陪伴、自我成长。AI不再只是辅助工作，它正触碰人类生活更私密、更情感化的部分。
通用型 LLM（ChatGPT、Gemini 等）已融入数亿人的日常。截至2025年3月，两者的周活跃用户分别达到约6亿和4亿。它们从“新奇体验”变成“生活必需品”，覆盖研究、规划、建议、对话等多场景需求。
语音交互是过去一年最大的体验升级。不同于Alexa或Siri，基于LLM的语音AI能处理开放性问题、引导反思、流畅对话。Vapi等平台让这种能力跨越语言、语境、情感，带来更直观、免提的交互方式。
消费者搜索和上网方式也在被改写。Perplexity凭借模型无关编排和极速体验，成为AI原生搜索代表；其新推出的Comet浏览器，则可能成为下一代“环境式主动代理”的雏形。
心理与情绪健康是增长最快的赛道。除了“ChatGPT疗法”，还出现了Rosebud（AI日记/导师）、Finch（游戏化自我护理伴侣）等，帮助设定目标、养成习惯、追踪情绪健康。Character.AI 的早期爆红，预示了情感型AI的主流化趋势，如今已有更多支持长期记忆、情绪恢复、自我发展的工具进入市场。
电子邮件与日历自动化也是热门方向，但因信任敏感、竞争强劲（如 Gmail），客户获取与留存依旧艰难。
其他细分场景如膳食计划、健身、育儿等，虽然产品众多，但赢家未现。通用型 LLM 在这些领域依旧具备足够替代性，垂直产品若想突围，必须通过差异化价值和高频粘性场景赢得主屏位置。
不少需求依旧“服务不足”，并非因为市场小，而是现有方案需要用户付出过多手动操作。底层代理技术仍在成熟，安全、自主性、可靠性尚未完全解决，让“全程代办型AI”还为时过早。
购物：当搜索起点从谷歌转向“替你浏览、比价、结账”的代理，电商流程有机会被彻底重写。
这些场景的主导权，究竟会落在AI原生浏览器、通用助手，还是新一代端到端消费级代理应用手中？这或许将决定下一代消费平台的格局。
如今，AI行业已不再处在人工智能的黎明，而是置身于它层层展开的浩瀚宇宙。顶尖初创公司不仅能让软件跑得更快，还在于打造能观察、倾听、推理和行动的系统，让智能融入工作和生活的方方面面。
虽然很多人认为，速度在AI时代很重要。但在Bessemer看来，真正决定成败的，不仅仅只有速度，还有前进的方向。最具标志性的公司，都是那些能定义潮流的创造者，他们把指数级的增长潜力与现实世界的清晰洞察结合在一起。
今天，人工智能已扎根现实：它正在创造收入、重塑关系、改写行业规则。但记忆、情境、治理、自主性等关键问题仍待解决。正是这种“未知中的确定”，构成了当下AI的独特力量——地图或许仍模糊，但前沿已经清晰可见。
1.两种 AI 初创企业原型正在获胜：平均而言，超新星在 1.5 年内达到约 1 亿美元的 ARR，但通常留存率很低且利润率很低；流星像一流的 SaaS 一样成长：4 年内从 300 万美元增长到 1 亿美元，具有强劲的 PMF 和健康的利润率。
2.记忆和情境是新的护城河：最稳固的产品将具备记忆力、适应力和个性化。持久记忆和语义理解能够创造情感和功能锁定。
3.行动系统正在取代记录系统： AI 原生应用不仅存储数据，还能根据数据采取行动。不要将AI强加于传统软件之上，而是要重新构想整个工作流程。
4.从人工智能切入：解决一个狭窄且摩擦力较大的问题（例如，法律研究、销售记录）。快速交付10倍价值，然后进一步扩展。
5.浏览器就是你的画布： Agentic AI 正在转向浏览器层——一个可编程的环境，代理可以在其中观察和执行。以此为平台进行构建，它是新的操作层。
6.持续的私有评估至关重要：公共基准测试远远不够。企业需要的是可信、可解释的性能。从第一天起就构建评估基础设施。
7.实施速度是一项战略优势：曾经需要数月的入职培训现在只需数小时。代码生成、自动映射和自然语言界面打破了供应商锁定。
8.垂直AI是新的SaaS：对技术抱有恐惧的行业正在快速采用AI。通过深度嵌入、从第一天起就证明投资回报率并快速扩展，才能赢得胜利。
9.现有企业已经觉醒，并且积极收购：SaaS巨头正在通过收购进军 AI 领域。构建技术和数据护城河。做好并购准备，但要像掌控整个行业一样运营。
10.品味和判断力是你的差异化优势：在代理和自动化的世界里，人类的洞察力才是优势。那些能够直觉地预知什么应该存在——而不仅仅是什么可能存在——的创始人将定义下一个时代。
创始人的优势正在发生变化。单靠速度是不够的。你需要产品直觉、同理心和清晰的目标。你不仅需要一个更好的模型，还需要一个更好的世界模型。接下来获胜的公司不会再做更多的人工智能。他们会做正确的人工智能，在正确的高度，并取得正确的结果。