恩颐投资（NEA）的合伙人蒂芙尼·拉克近期指出，在人工智能投资中，她最关注“AI应用层”和B2B SaaS领域。她特别诊断认为，比起通用模型的性能竞争，深入行业现场的“垂直AI”以及完成实际工作最后环节的“最后一英里”自动化，才是企业引入AI的核心。
蒂芙尼·拉克在经历了亚马逊消费类电商扩张的初期阶段后，曾在摩根士丹利负责科技并购，之后又任职于纪源资本，大约三年前加入NEA。她目前认为，相比于大型语言模型本身，那些能将其连接到企业工作流程并创造可见收益率的初创公司拥有更大的机会。
她解释说，目前企业引入AI的情况与过去电子商务初创期相似。当时虽然面临巨大的技术、物流和心理阻力，但市场最终还是克服了这些困难。她指出，现在许多财富500强企业虽然承认AI的潜力，但在将其融入日常工作中仍面临困难。这意味着AI需要成为解决实际问题的工具，而不仅仅是“引人注目的技术”。
“Anthropic之问”与垂直AI的机会
她特别指出，创业者们最大的忧虑之一是所谓的“Anthropic之问”，即像Anthropic的Claude或OpenAI这样的大型平台最终可能会蚕食应用层。对此，拉克评价说，目前的通用工具在将用户从“0%提升到80%”方面能力很强，但在企业实际现场所需的最后阶段仍然存在空白。
例如，在财务规划和分析工作中，虽然可以将数据输入通用模型并进行提问，但它还无法自动执行重新预测，或警告现金消耗速度与增长率之间的具体权衡关系，也无法将多个数据源整合到一个体系中。她认为，在这一节点上，垂直AI初创公司可以建立起自己的独特竞争力。
她认为这种防御力并非来自简单的模型性能，而是源于“目标导向的产品飞轮”。其逻辑是：与现场客户并肩工作的工程师发现实际工作流程中的缝隙，并将其反馈到产品中，这一过程反复进行，就能形成通用模型仅靠规模难以企及的“护城河”。
端到端工作流程与AI操作系统的变革
她特别展望，未来，对从工作开始到结束全程负责的“端到端工作流程”的掌控力将比基础模型的差异化更为重要。因为对企业而言，重要的是产出结果的准确性以及能节省多少时间，而非内部使用了哪种模型。她以投资组合中的公司为例，提到了法律尽职调查领域的August和股票研究报告领域的Samaya AI，并解释说，如果最终产出物与分析团队制作的文档相当或更好，那么投资回报效果就会更加显著。
她认为，AI时代的“操作系统”也可能会发生改变。目前仍是在现有用户界面中接入AI的阶段，但未来可能会转向一种结构，即一个模型充当事实上的指挥中心，调用多个专业应用程序。正如过去初创公司将Slack作为主要工作窗口一样，未来可能会出现特定垂直AI工具直接整合进Claude或OpenAI这类横向平台界面中的景象。
在这种情况下，初创公司可以维持自身的知识图谱和独特数据资产，同时执行过程可以在用户最常使用的AI“操作系统”内完成。拉克认为，这种“互操作性”将成为AI应用层未来的下一个主战场。
受监管行业的引入标准与下一个转折点
在受监管行业，她认为企业客户决定是否实际签约的标准是准确性、可审计性和网络安全。她特别指出，企业对数据来源不明的问题存在很大担忧，并要求必须能够追踪所有数字和判断的依据。她以AIUC（人工智能承保公司）作为值得关注的案例，并介绍称，该组织正与超过100名首席信息安全官一起制定AI Agent的认证标准。
如果像ElevenLabs或Cursor这样的公司能根据这些标准获得其Agent的认证，那么就能弥补仅凭现有SOC 2认证所不足以填补的信任缺口。她诊断认为，在利用AI进行的黑客攻击和新型攻击路径不断增加的环境下，这种认证体系正变得近乎是必需品而非可选项。
作为投资者，她也评估认为，她所看到的下一阶段尚未真正开启。目前市场类似于“移动原生时代之前”的阶段，接近将网络服务移植到手机上的水平。她提到了“Waymo时刻”作为真正的转折点。这意味着，市场分水岭可能出现在超越用户仍需持续掌控的辅助型AI，实现完全自主运行的Agent型工作流程的时刻。
她认为，未来12个月内，很可能通过语音为中心界面或Agent之间的交互，首次展现出一种本质上不同于笔记本电脑和键盘中心时代的新型工作方式。最终，在AI投资中，核心也并非模型本身的华丽，而在于谁能率先解决让企业真正愿意买单的“最后一英里”问题。
TP AI 注意事项 本文使用基于 TokenPost.ai 的语言模型进行摘要。可能存在遗漏原文主要内容或与事实不符的情况。