本文来自微信公众号：AIGC从0到1，作家：王零壹，题图来自：视觉中国
从2023年启动，我就在试图搞明晰一件事：AI之间的竞争，究竟按什么逻辑伸开？
前边几篇著述有读者响应，说我心爱用宏不雅大词，莫得举止价值，尤其是这篇开年重磅万字长文范式复盘：咱们身在AI奇点之中。其实，范式即是共鸣信念，范性是微不雅特色，而我层层拆解、想搞明晰的是范式底下的范性——这一轮AI竞争里，有几个特色和以往统统交易竞争齐不一样，恰是这些范性，将决定谁赢、谁死、谁在鸦雀无声中变成别东说念主的器用。
《前文Agent竞争推演：谁会赢，谁会死，按什么逻辑（万字慎点）》描画了合座空洞：三个竞争层面，四个演化阶段。但有一块舆图只画了规模，莫得走进去——垂直Agent之间，相互怎样竞争？
春节后各人齐在加快研发出品，但莫得东说念主酬金阿谁统统从业者最介意、最心焦、每天齐在濒临的问题：
我和同赛说念的敌手，到底在争什么？争的逻辑是什么？我当前的每一步，是在赢照旧在输？
当我果真把这个问题隔断——意图的结构、任务的规模、数据飞轮的歪斜时机、险峻文积聚的施行——我有一种后背发凉的嗅觉。
因为范性的不同，可能有些创造者，正在一个诞妄的战场上打一场诞妄的仗。
他们以为在打功能战，其实战场是意图层。他们以为在比模子质地，其实决胜点是数据积聚速率。他们以为竞争敌手是同业业的同类产物，其实果真的敌手可能来自彻底不同的领域——而果真的盟友，可能正在变成禁锢。
01 你以为在打功能战，其实战场是意图层
打一场战的第一步是，找到主战场在哪？这像是一句正确的妄言，却是最难的第一性旨趣。
用户说“我想让公司增长”。有东说念主要把这句话翻译成：搜索这10家公司、草拟这3封邮件、安排这2个会议。谁作念这个翻译，谁就决定了下流统统器用的调用权。
这即是意图层。a16z把它称为“AI时间最有价值的地产”——因为贬抑意图翻译，就等于贬抑了用户钱包到具体举止之间的统统旅途。
但意图本人，比大多数东说念主遐想的复杂。Stanford HAI的估量指出，用户意图不是线性的，而是图状的：
认识图：用户说出来的盘算
隐含意图：没说出来但默许存在的（“别搞坏我现存的系统”）
突破意图：相互衡量的盘算（速率 vs 质地）
演化意图：跟着用户学习而束缚编削的盘算
能建模完好意图图谱的Agent，和只推行名义那句话的Agent，作事的根底不是褪色件事。前者在积聚理会，后者在糜费契机。
Google DeepMind的估量进一步指出：意图规模不是语义的，是情境的。“帮我查一下这个药的反作用”——从医师嘴里说出来和从病东说念主嘴里说出来，是彻底不同的意图。用“医疗AI”、“法律AI”这么的语义标签切割商场，会束缚遭受规模失效的情况。
Microsoft Research的论断最径直：意图明白是个性化问题，不是NLP问题。用户简直从不在职务层抒发意图，他们在盘算层抒发。Agent必须从“我想让公司增长”臆想出“当前应该作念哪个具体任务”——这个臆想才能，依赖的是对这个特定用户的深度理会，不是通用模子才能。
是以意图层的竞争，施行上是一场理会深度的竞争，不是功能竞争。
大多数垂直Agent不息了模子层的布置——我比你多一个功能，我的模子比你准极少——介意图层的竞争逻辑眼前，简直莫得真谛。
02 你以为竞争敌手是同业，其实竞争单元是任务
在现实舆图中要争夺的是山川河流、城池堡垒，介意图层战场的竞争单元是什么呢？我想，这个问题诚然抽象，但极其要津！
“法律AI”不是一个商场。
望望法律AI赛说念真实发生的事：Harvey作念通用法律，Ironclad作念合同管制，EvenUp作念东说念主身伤害案件，Casetext作念法律检索（最终被Thomson Reuters以6.5亿好意思元收购）。他们齐叫“法律AI”，但他们作事彻底不同的用户、彻底不同的使命场景、彻底不同的得手模范。他们之间的竞争，远比名义看起来少得多。
果真的竞争单元，是任务。
First Round和Reforge的估量给出了任务的完好界说，需要四个因素：
触发情境：什么情况下用户需要这个
祈望服从：用户想要什么
敛迹条款：用户在什么限度下操作
得手模范：用户怎样判断得手
用这个框架，“帮创业公司CEO在30分钟内完成合同风险判断”和“帮大所讼师完成并购案的诉讼晓示估量”，是两个彻底不同的任务，两个彻底不同的商场。
这个贯通有两个让东说念主后背发凉的推论：
第一，褪色改行的两个产物可能根底不竞争。要是任务界说不同，用户不同，数据不同，得手模范不同，竞争就不存在。你花多量元气心灵盯着的“同业”，可能根底不是你的敌手。
第二，不同业业的两个产物可能径直竞争。一个法律合规Agent和一个金会通规Agent，要是齐在作事褪色家企业合规总监处理跨领域问题，他们就在争夺褪色个用户的褪色个判断权。你从未防止过的“生手”，可能正在抢你的中枢用户。
a16z进一步指出了任务层在通盘意图层级里的政策位置：
盘算层（“我想让公司增长”）：商场最大，但径直濒临OpenAI和Anthropic
任务层（“帮我找10个潜在客户”）：垂直Agent的甘好意思区——富足具体不错推行，富足浅薄不错有规模
步履层（“在LinkedIn搜索XX”）：商场最小，但高度可推辞
但任务层有一个握续的禁锢：任务层和步履层之间的规模，会跟着模子才能普及而束缚下移。今天需要你作念的任务层使命，未来可能被模子原生才能降维到步履层，然后被器用化、商品化。任务层的玩家，必须握续进取移动，更深地理会用户的盘算层意图，才能保握价值。
03 你以为在比模子，其实在比数据积聚速率
有了竞争单元，那比的是什么呢？数据、数据、照旧数据！
Bessemer Venture Partners对垂直agent商场的估量，给出了一个澄莹的竞争阶段图。
第一阶段（0～12个月）：功能平权期
统统玩家功能相反不大，竞争靠营销和价钱。这个阶段的首先莫得实质真谛。今天的第别称，未来可能被一个功能邻近但营销更好的敌手卓著。
第二阶段（12～24个月）：数据分化期
这是果真的要津窗口。有真实客户数据的玩家启动拉开差距。数据飞轮启动动弹：更多真实场景数据 → 更好的产物性量 → 更多用户 → 更多数据。这个飞轮一朝转起来，奴隶者很难追上。
第三阶段（18～36个月）：款式固化期
头部玩家诞生了难以逾越的数据壁垒。自后者只消两条路：去更细分的子赛说念，或者退出。
NFX的估量给出了商场歪斜的具体条款：当首先者积聚了3～5倍于第二名的考研数据时，商场启动歪斜。在大多数垂直商场，这个歪斜点发生在第一个严肃玩家参加后的18个月傍边。
竞争的施行不是模子质地，是数据积聚速率。
因为各人齐在用相通的基础模子，模子质地的相反会越来越小。果真的相反来自两个场合：你有莫得这个领域的专特地据，你的使命流镶嵌有多深。
这意味着：当前许多垂直Agent在作念的事——优化模子调用、打磨产物体验、作念功能迭代——在竞争逻辑上是次要的。最要紧的事，是以最快的速率积聚最多的真实场景数据，在那18个月的窗口期里诞生3～5倍的数据上风。
窗口期关闭之后，再致力也很难编削款式。
04 颗粒度：你能吃多大的任务
{jz:field.toptypename/}颗粒度的接收，施行是意图层级的接收——你决定在哪个位置诞生把柄地？
往上走的吸引很真实：任务层的玩家齐想往盘算层移动，因为盘算层商场更大、粘性更强、切换资本更高。
但往上走有一个致命罗网：盘算层需要的不是更多功能，而是更深的险峻文积聚。莫得在职务层设存身够的信任和数据，径直宣称我方在盘算层，开云app官方最新下载是空的。用户不会因为你宣称“我是你的万能使命Agent”就把高层判断权交给你。判断权是一层一层往上交的，每一层齐需要用施行的任务完成质地来换取。
往下走相通有罗网：步履层看起来安全，作念器用和API，被其他Agent调用。但步履层的规模会随模子才能普及而移动。今天的步履层使命，未来可能被模子原生才能径直袒护。
均衡点只消一个：你的真实作事才能能匹配的那一层。量入为主，政策清醒。
还有一个更精致的判断器用——生态位的四个维度：
功能生态位：你惩办什么任务
用户生态位：你作事谁
数据生态位：你积聚什么专特地据
干系生态位：你在用户使命流的哪个位置（上游/中枢/下流）
两个Agent在这四个维度上高度重迭，就会发生浓烈竞争。有富足相反，就不错共存。这个框架比“褪色垂直”或“不同垂直”的判断精准得多——它告诉你竞争的真实烈度，而不仅仅名义的行业标签。
05 移动速率：从任务层打到盘算层
如安在战场上穿插？有层峦叠嶂、有志愿军战术穿插、也有2023年用8万发炮弹打一个盘算的饱和蹙迫战例。
移动的条款有三个档次：
细分任务的作事质地→ 能高质地完成单个任务，诞生基础信任。这是首先，莫得这个，后头齐是空的。
细分任务的连贯性→ 多个研讨任务构成完好的使命流，用户启动依赖你处理一通盘盘算，而不仅仅单个任务。这是从任务层向盘算层移动的要津进取。
细分任务的领域代表性→ 你完成的任务越能代表这个领域的中枢使命，盘算层的意图就越向你蚁集。作念边际任务积聚不了意图层的贯通，作念中枢任务才能。
移动的施行是：让用户在某个领域里，把越来越高层的判断权交给你。这个过程不可跳班。
速率是每一步的质地和连贯性共同决定的。一个在中枢任务上握续高质地托福的Agent，比一个功能许多但每个齐作念得一般的Agent，移动速率快得多。
06 护城河：险峻文积聚，举止不是功能
有蹙迫势必有督察，别的部分在《别FOMO了，AI果真护城河不是本领，是…》先容过了，这里只说险峻文积聚。
三种险峻文，层层叠加：
个东说念主险峻文：用户的偏好、民俗、相通格调、风险规模
组织险峻文：公司历程、团队动态、历史有盘算模式
领域险峻文：行业常识、监管规矩、最好实践
这三层险峻文跟着作事时期增长而加厚。用户迁徙的资本，不是“我要把数据导出来”，而是“我要重新让一个新Agent理会我的这一切”。这个资本会随使用时期指数级增长。
但这里有一个来自移动互联网时间的要紧告诫。
Benedict Evans的估量梳理了移动时间的糊口端正：活下来的是领有“举止”的App——Uber领有叫车举止，Instagram领有好意思照分享举止，Waze领有社区驱动及时路况；死掉的是只提供“功能”的App——天气、手电筒、策划器，沿途被系统原生功能杀死。
Waze的案例尤其值得深想。导航功能被Google Maps和Apple Maps原生化了，但Waze活下来了，因为它领有的不是导航功能，而是“司机社区共同景仰及时路况”这个举止——这个举止，平台没法原生化。
论断：护城河要建在“举止”上，不是“功能”上。
功能不错被复制，不错被原生化，不错被更好的模子袒护。举止——用户在你这里酿成的使用民俗、使命流依赖、判断托付——才是果真难以迁徙的钞票。
还有一个禁锢需要正视：要是意图本人发生了迁徙——用户的需求升维了，你还在正本那一层——护城河就变成了围墙。险峻文积聚是壁垒，但它同期亦然惰性。最危机的时刻，是你的用户也曾启动需要盘算层的作事，而你还在用任务层的逻辑作事他们。
07 生态里谁是一又友，谁是敌手
毛选《中国社会各阶层的分析》写说念：“谁是咱们的敌东说念主？谁是咱们的一又友？这个问题是创新的首要问题。中国曩昔一切创新宣战收效甚少，其基本原因即是因为不可互助果真的一又友，以裂缝果真的敌东说念主。”
在新的范性中，一又友和敌手要重新别离。
用Brandenburger和Nalebuff的价值网框架来看，Agent生态里有四类干系方：用户、供应商（LLM提供商）、竞争者、互补者。
最要紧的知悉：互补者和竞争者之间的规模，会跟着膨大而移动。今天的盟友，是未来最危机的竞争者。
一个销售Agent和一个CRM Agent，今天是互补干系。但当销售Agent启当作客户管制，或者CRM Agent启当作念销售自动化，他们就变成了径直竞争者。这个回荡常常发生在两边齐莫得充分坚贞到的时候。
生态干系的判断逻辑：
使命流险峻游的Agent→ 自然互补，主动深度集成，越早越好。在膨大之前通过API集成和数据分享设存身够深的合作，使得分开的资本高于合作的收益——这是锁定盟友干系的正确时机，不是比及对方启动膨大再谈。
相邻场景的Agent→ 当前是盟友，膨大之后规模恶浊。YC的判断框架：当对方作事的是你用户的非重迭使命流，且集成创造的价值大于竞争能得到的价值时，合作；当对方参加你的中枢使命流，且你在重迭区域特地据上风时，竞争。
褪色任务的Agent→ 径直竞争，数据积聚速率决定赢输。这里莫得太多政策可言，即是推行速率和数据质地的比拼。
LLM提供商→ 既是供应商亦然潜在竞争者。Ben Thompson的分析给出了澄莹的领受阈值：水平的、本领可复制的、政策要紧的功能会被领受；垂直特定的、需要专有真实寰宇数据的、需要监管合规的功能不会被领受。
对应的零丁性策略有五个维度：多模子架构（本领零丁）、数据不放在对方作事器（数据零丁）、让用户雄厚你而不是底层模子（客户干系零丁）、去监管复杂的深水区（监管零丁）、诞生开源社区（社区零丁）。
当垂直已有指令者时，First Round给出了三便条垂直策略：往深走（专利诉讼AI，而不是法律AI）、往邻走（法律AI → 合规AI → 监管AI）、往险峻走（指令者作念企业，你作念中小企业）。子垂直策略在子垂直有特特地据需求时最灵验——要是数据需乞降指令者高度重迭，子垂直的壁垒即是假的。
契约层，我以为闭源模范和开源模范会并行，疏忽率酿成中好意思各自的模范体系。开源的标的是细则的——追求零摩擦、追求普适性。这个话题下一篇单独写。
竞争生态位的“利基”多维坐标图 (Multidimensional Niche Coordinate Map of Competition)
08 最终款式：意图层会被谁均分
终端想维，诞生递归坚贞，当潮流退去时才不会光着裤衩，这极少很要紧，既要有冲浪的答应，也要最终上岸。
Ben Thompson用团聚表面作念了一个展望，我以为是当前最有证据力的分析。
互联网时间，团聚器贬抑需求，商品化供给。Agent时间，相通的逻辑在更高层运作：贬抑意图的Agent，会把统统下流专科化Agent变成它的器用。
但意图比需求更难团聚，因为意图是个东说念主化的、情境化的。这个特色决定了最终款式不会是一家通吃：会出现多个意图团聚器，每个厚爱一个主情境——使命Agent、个东说念主Agent、可能还有领域专属Agent。每个团聚器会商品化其情境内的统统器用。
a16z的展望：意图层最终会被2～3个Agent均分，赢得这些槽位的公司，对统统下流器用和作事有普遍杠杆。
对垂直Agent来说，这个款式意味着两种气运：
一种是成为意图团聚器——在某个主情境里，成为用户第一个意想、第一个调用的阿谁Agent。这需要富足深的险峻文积聚，富足强的任务完成记载，富足高的用户信任。
另一种是成为被调用的专科器用——介意图团聚器的编排下，提供某个细分才能。这不是失败，但它意味着订价权和用户干系齐在团聚器手里。
Harvey在法律赛说念的策略值得再看一遍：它在成为通用法律意图团聚器的同期，通过收购专科化玩家来补全才能。赢家的策略是：我方占领意图层，然后把专科化器用变成我方的军火库。
垂直Agent的竞争，名义上是速率和资源的比拼。
果真的战场，是数据积聚速率，是险峻文深度，是用户脑子里阿谁“这件事找谁”的短暂。
谁占了阿谁短暂，谁就占了意图层。
其他东说念主，齐在给它打工…
参考文件
Stanford HAI（2025）.The Intent Graph: How Agents Should Model User Goals
Google DeepMind（2025）.Semantic vs. Contextual Intent Boundaries
Microsoft Research（2025）.Intent Decomposition in Agentic Systems
Andreessen Horowitz / a16z（2026）.The Intent Layer: The Most Valuable Real Estate in AI
First Round Capital（2026）.The Sub-Vertical Strategy: How to Win When the Vertical is Already Taken
First Round Capital（2025）.Why Vertical AI Markets Are Actually Job Markets
Reforge（2025）.JTBD and AI Agents: Redefining Market Boundaries
Bessemer Venture Partners（2026）.Within-Vertical Competition in AI Agents
NFX（2026）.Network Effects and Tipping Points in Agent Markets
Benedict Evans（2025）.Lessons from Mobile App Competition for the AI Era
Stratechery， Ben Thompson（2026）.The Aggregation Theory Applied to Agent Markets
Stratechery， Ben Thompson（2025）.The Innovator's Dilemma for LLM Providers
Andreessen Horowitz / a16z（2026）.Context Accumulation as Competitive Strategy
Y Combinator（2025）.When Vertical Agents Should Partner vs. Compete
The Information（2025）.Competitive Dynamics in Legal AI: A Case Study
本文来自微信公众号：AIGC从0到1，作家：王零壹
本内容由作家授权发布，不雅点仅代表作家本东说念主，不代表虎嗅态度。如对本稿件有异议或投诉，请研讨 tougao@huxiu.com。
本文来自虎嗅，原文连气儿：https://www.huxiu.com/article/4837213.html?f=wyxwapp
备案号: