Google Cloud VP Darren Mowry 划清了界限。"LLM 封装产品？聚合器？业界对此已经失去耐心。" 每次 OpenAI 发布 GPT-5，数十家初创公司就失去了存在的理由。然而就在同一时期，Harvey 的估值达到 $11B，Glean 达到 $7.2B。 区别在哪里？
这是什么？
"垂直 AI（Vertical AI）"是指专注于特定行业或职能的 AI 产品，比如法律（Harvey）、企业搜索（Glean）、编程（Cursor）。反之，"通用 AI（General AI）"就像 OpenAI 的 ChatGPT 和 Google 的 Gemini，是试图包揽一切的 AI。
问题在于，随着通用 AI 越来越强大，那些"在 GPT 上套个 UI"的封装型初创公司越来越难有立足之地。Google VP Darren Mowry 一语中的："如果后端模型做了所有的事，而你只是在做白标贴牌，业界已经没有耐心了。" 六个月前还是差异化亮点的功能，如今已成为 GPT-5 或 Gemini 2.0 的标准配置。
VC Cafe 将此称为"The Ugly"。许多获得融资的 AI 初创公司不过是 GPT 之上的薄薄一层封装，早期有收入，但随着模型本身吸收了这些功能，它们要么转型，要么被收购，要么关门大吉。 事实上，Jasper.ai 就因 OpenAI 直接强化文案写作功能而遭受重创。
但有趣的是——同一时期，垂直 AI 初创公司在 2025 年全年共获得超过 $15B 的融资。 死的死，活的爆发式增长，两极分化正在加速。
Mowry 点名的两类濒死公司
1. LLM 封装产品：只是在 GPT/Claude/Gemini 之上加个 UI 的初创公司。模型升级后，存在价值即消失。
2. AI 聚合器：将多个 LLM 整合为单一界面的编排层。随着模型厂商直接内置多模态与 Agent 能力，其价值急剧缩水。
有什么不同？
存活的垂直 AI 与消亡的封装产品之间的差异，归根结底是"护城河（moat）的深度"。Better Tomorrow Ventures 将此解释为"最后一公里的长度"——核心在于：为了交付结果，需要与现实系统进行多复杂的协调，以及谁来为这个结果负责。
| 走向消亡的 AI（封装/聚合） | 存活的 AI（垂直） | |
|---|---|---|
| 核心资产 | UI/UX + 提示工程 | 独有数据 + 领域专业知识 |
| 护城河 | 模型升级后消失 | 深度嵌入工作流 |
| 竞争对象 | IT 预算（替代现有 SaaS） | 人力成本（自动化人工完成的工作） |
| 迁移成本 | 低（可转向 ChatGPT） | 高（数据与工作流锁定） |
| 责任归属 | 转嫁给用户 | 承担结果责任 |
看具体案例，差异一目了然。
| 公司 | 领域 | ARR | 估值 | 核心护城河 |
|---|---|---|---|---|
| Harvey | 法律 AI | $190M | $11B | 60 个国家律所工作流 + 判例数据 |
| Glean | 企业搜索 | $200M | $7.2B | 企业内部数据连接器 + Agent 基础设施 |
| Cursor | AI 编程 | $1B+ | $29.3B | 开发者工作流完全掌控 |
| Jasper | 文案写作 | 下滑中 | $1.5B→? | GPT 封装 → OpenAI 直接吸收功能 |
Harvey 的案例尤为亮眼。2025 年 8 月 ARR $100M，年底达到 $190M，短短 5 个月近乎翻倍。估值也从 2025 年 2 月 $3B → 6 月 $5B → 12 月 $8B → 2026 年 2 月 $11B，一年内增长 3.7 倍。 法律研究、合同分析、合规审查——这些和在 ChatGPT 里输入"帮我审合同"完全是两回事。它已深度嵌入 60 多个国家、1,000 多家律所的实际业务流程。
Glean 同样如此。它不是简单的"企业版 ChatGPT"，而是在构建模型与企业系统之间的连接组织（connective tissue）。 Slack、Google Drive、Jira、Salesforce——连接企业内部所有数据，并在此之上运行 Agent。这是 OpenAI 难以轻易复制的领域。
上手指南：垂直 AI 生存公式
Foundation Capital 将 2026 年的趋势总结为"Cursor for X"——在法律、金融、营销、运营等各个领域，出现像 Cursor 一样完全掌控该职能工作流的 AI。 要打造这样的产品，需要什么？
- 构建独有数据护城河
在产品使用过程中积累的独特数据集是核心。Harvey 积累了数十万份法律文件处理数据，Glean 在构建企业内部知识图谱。通用模型无法触及的数据，就是护城河。 - 成为工作流的记录系统（System of Record）
不能只是偶尔使用的工具，要成为核心业务运转的系统。迁移成本越高，用户越难转向通用 AI。就像 Cursor 掌控了 IDE 本身。 - 为结果承担责任
这是 Better Tomorrow Ventures 的核心洞察。"提供工具"和"保障结果"是两回事。一旦为结果负责，迁移成本就会急剧上升。 - 瞄准人力成本预算
不要跟 IT 预算竞争，而是跟人力成本预算竞争。当 AI 取代律师、销售人员、客服代表所做的工作时，ROI 就会一目了然。这就是 VC Cafe 所说的"劳动力预算竞争"。 - 提高与现实系统协调的复杂度
"最后一公里"越长，通用 AI 就越难进入。监管合规、遗留系统集成——这些复杂的现实协调才是真正的防护墙。
时机警告：窗口正在关闭
这是 Better Tomorrow Ventures 的核心警示。大多数初创公司从"较短的最后一公里"起步，然后逐渐深化——但随着基础模型垂直化的速度加快，这个过渡时间正在压缩。起步阶段的切入点（wedge）就需要具备足够的现实协调复杂度，否则在扩展起来之前就会被模型吞噬。
