回望2025（上）

引子

过去一年，我主要的精力聚焦在两件事，都跟AI有关：开发有品位的AI应用、帮助研发组织向AI原生转型。成不成功且不说，这是我第一次尝试跑进风口。事实证明，风口确实有点东西——虽然经济形势有目共睹，但任何老业务只要套上AI的皮，就还能多一丝机会。不过风口也有它的毛病：变化太快，顶模3个月洗一轮牌，任何最优实践都撑不了半年；无数新玩家前仆后继涌入赛道，拼命地迭代、变阵，逼得老登们片刻无休，每天盯着前沿不敢放松。形势瞬息万变，上个月还是华山之巅的六小龙八小虎，下个月就趴泥里了。

AI是个高度折叠的赛道，它的主旋律并不是创造增量需求，而是“增效“，也就是“替代”存量需求。到目前为止，它消灭的东西比创造的东西更多。在融资上就体现得格外明显：按Crunchbase的估计，去年初创公司融资总额大致是4000多亿美刀，超过一半给了AI公司，其中的最大头又流向了OpenAI、Anthropic这几家大明星（光这两家就占了近三成）。

如果把观察尺度拓展到AI所在的整个产业链，你会发现，全产业链90%+的利润被只占从业人数10%+的硬基建层（Nvidia等）拿走了，而50%+的VC投资则被只占从业人数2%、且连年巨亏的软基建层（OpenAI等）拿走。至少75%+的从业者挤在营收占比20%+、利润只占10%+、赚不到什么钱也很难获得融资的可怜的应用层。极其马太的格局，一点不像个划时代增量生意该有的样子。

所以，虽然站在风口里，但由于身处应用层，体感上就跟泡冷水里没两样。

说到泡水，记忆中遇到的最大洪水是1991年华东大洪水。盛夏的大运河，水齐平了堤坝，漫到了沿河大街，积了有半米深，没过了我的膝盖。走出去两步，差点把拖鞋弄丢，最后嘻嘻哈哈地跑回了家去——这就是我对洪水的唯一记忆。

但实际上，这是场影响深远的特大洪水：苏皖两省受灾人口近一亿，死亡400多人，200万人无家可归——中国甚至破天荒地向国际社会发出了求助——这么大的事，我却只记得膝盖和拖鞋。

风口就跟我的洪水记忆一样，载入史册的高光时刻非常突出，镁光聚处人声鼎沸；但它整体结构是相当稀疏的，绝大多数从业者散落在沉默的幽深的长尾里。

商业

在市场经济中要做成任何事，无法绕过的首要问题是：究竟什么是合适的业务模式？医疗AI的发展远早于Transformer架构问世，虽然技术从图像演进到了大模型，但困扰从业者的依然是当年那些问题：

• 解决了谁的痛点？这些痛点值多少钱？
• 谁来付费？真的会付吗？
• 赛道里其他玩家怎么做的？你牛在哪儿，打得过吗？
• 这个所谓垂直赛道会不会被巨头盯上吃掉？会不会被跨界颠覆？
• ……

场景和模式

医疗领域按场景来分，无非医、教、研、管四大块。按用户来分，可以是to C、to B、to G。初创公司怎么选？

传统的看法，to C天花板更高。但在医疗领域，你会发现to C一般只覆盖到“医”和“研”的情报/写作场景。其中，情报/写作实际是伪垂类，很容易被多学科通用科研AI产品降维打击；真正体量够大且垂直的领域是“医”：诊前场景覆盖患者，诊中场景覆盖医生，但只要涉及诊疗过程辅助，按监管要求就得做临床试验、申请许可证，本质上变成一个吞金、笨重的to B业务。在C端场景如此单薄的情况下，即便买来流量，跑进来最多驻留两三个环节就溜了，转化节点少，很难留存。这种困境，不就是仰卧起坐了十来年依然只能卖药为生的互联网医疗一直以来面临的？互联网医疗没解决，医疗AI就能神奇地解决了？

所以，场景如此丰富的“医”，看起来凝聚了全村人希望、有望跑通的AI应用屈指可数：OpenEvidence、Abridge、Ambience——都是面向医生的增效工具，但又巧妙绕过了监管。面向患者的机会看起来多，但面临通用模型巨头的跨界威胁，难以长久独存——要么被抄袭，要么被收购。

占医疗领域大头的那些丰富、长链的高价值场景，几乎都是要深深嵌入医疗流程的to B场景。to B向来被认为重度定制、销售成本高昂，规模和利润天花板不高（至今也只有订阅制SaaS是例外，后面可能会被AI自主定制打破）。院端AI几乎都是跟着院内IT系统布局的黄牛应用：代做规划、代写文书、代做患教、代做随访……而现在国内的大背景是院端控费降本，拿不出充裕的常规资金来买AI，只能通过专项申报来曲线救国；就算买得起，这些机会也更容易被销售关系更强的院内IT厂商抓走。倒是面向企端的研发辅助工具（如英矽、Tempus）希望更大些，但都很硬核，需要深厚的领域知识积淀。

to G呢？需求是有的，搞省级算用一体AI平台的标的都是1亿起步，但如果不是软硬兼修的巨头，华为、电信这种，连名都报不进去。至于其他to G场景……想想为什么院端要控费？本质不就是医保（G）没钱？所以，哪还有什么其他to G场景？

想清楚这些问题很费劲，但很重要，因为做业务最终要上岸。

如何上岸

上岸路径无非三种：自己造血赚出利润、融资融到上市、被打包收购。

融资上市是最难的。看看过去一年资本青睐的是什么方向？美元资本喜欢“医”（流程增效）、“研”（AIDD、AI4S）、“管”（保险控费），人民币资本喜欢带硬件的（脑机接口、具身智能）。被投的要么是头部，要么是早期。多头部才叫头部？赛道前三。多早算早？AI六小虎是去年初Deepseek横空出世后为公众所知的，但其实迟至2023年中就已经全部组队完毕并融完资了，事后复盘回放，融资窗口只有不到3个月——这条道路要求前瞻落子至少1-2年，技术、人脉、资本样样顶尖，是给黄金魔兽准备的，即便如此，其中多数宠儿仍会不可避免地半路夭折。

像Manus那样被巨头收购，可能是应用层公司更为现实的路线。如果提前布局到大厂必经之地屯田建堡，等大厂来到这一关，发现自己下场得不偿失，资方居间撮合一下，收购就成了。但这是门玄学：布局太早，大厂还没来，现金流就烧完了；布局太晚，大厂自己已经打通关，赛道就没了；更常见的情况是布局到了荒漠里，大厂根本没兴趣来。经济上行期大厂扩张成性，初创企业还有可能把被收购当成核心商业模式，做一家不挣钱、但卡位精准的公司。下行期的逻辑不一样，大厂战略方向能砍的都砍了，但凡要做的都志在必得，不吃卡位这套，直接组队抄。大厂收购更多是意外补漏：没预先算到这个方向，所以没提前部署资源，时间紧任务急，择日不如撞日先买它一个。而资方撮合收购的逻辑则是优势互补，加速整合上市，但离真上岸还有十万八千里。

正道还是得靠自己造血挣到钱。坏消息是挣钱好难，好消息是有新的时代红利。Greg Isenberg的推文和类似The “Boring” AI Niches Making Millionaires in 2026这样的视频提供了很有意思的洞察，它们表达了类似的意思：AI编程技术的进步解锁了长尾细分市场。 由于编程AI的快速发展，并行构建原型、检验试错的成本大大降低，对于VC的需求也大为降低了。当你不再梦想成为一个上市的巨鳄，你就刹那天地宽，可以用很低的成本、很快的实现速度服务于所谓的超级细分市场。这是个原本不成立的长尾市场（SaaS看不上20万以下的客户），但这部分客户构成的市场规模是10万亿级别的，而目前整个软件市场规模也只有6500亿。这个逻辑对于B端市场同样成立，毕竟至少院端市场一直以来就同时运行着一大堆各式各样互不相通的软件系统，只要好用，再多一个也不算多。

简单来说，成功奥义是极致提高自己的研发效率，为碎片化长尾市场提供客户全生命周期价值，避开大厂，猥琐发育。所以，目前医疗AI非硬核初创公司最适合的路，可能就是做to B的长尾细分市场，搞垂直SaaS或硬件结合方案。

前提是：你得极致高效，一周出几个原型、一个月出一个应用那种。这要求在技术和组织上都演进得非常出色。

[待续]