写代码的Agent不值钱！头部VC已在加紧换道，这5个垂直赛道正在批量造独角兽

乐小野

发布于 2026-06-24 21:11:29

2720

STRATEGY · DEEP DIVE · 2026

Beyond Coding Agent 产品的第二增长曲线在哪里

从医疗到法律、从金融到制造，逐层拆解六千亿市场的战略纵深

—— Mercor 11 个月 100M ARR · Sierra 15.8B 估值 · 64% 企业 Agent 部署在非 Coding 领域

S-CURVE THEORY VERTICAL AI MARKET SIZING ARCHITECTURE

阅读对象：AI/Agent 领域创业者、平台战略负责人、VC/PE 投资人、企业 CTO/CIO。本文融合技术架构分析与战略框架推演，假设你已具备 Agent 基本概念（MCP、Skill、Agent Loop），侧重回答「Coding 之后，钱和技术往哪里去」。

▎ TABLE OF CONTENTS

01 · 第二曲线的必然性：S-Curve 理论与 Coding 的天花板

02 · 市场机会矩阵：$50B+ 的垂直蓝海在哪里

03 · ARR 增速：软件史上前所未有的 Revenue Velocity

04 · 五大垂直领域深度拆解：架构、数据流、合规约束

05 · 架构分叉：Coding Agent vs Domain Agent 的八个维度

06 · 部署模式重构：从 Cloud-First 到 Edge-First

07 · 五大角色的战略视角与博弈

08 · 竞争格局与历史镜鉴：技术扩散的加速压缩

09 · 战略框架、Checklist 与终局推演

2023 年，GitHub Copilot 让全世界看到了 AI 写代码的可能性。2024 年，Cursor 把 AI Coding 推向了开发者日常工具的范畴。2025 年，Claude Code 和 Devin 让 Agent 级的代码生成成为现实。三年时间，AI Coding 从一个新奇 Demo 成长为一个预计 2030 年达到 $97.9B 的市场（CAGR 24.8%）。但如果你的视野仅限于此，你正在错过 AI Agent 真正的大故事。

2026 年 Q1 的一组数据足以说明问题：Lyzr 的报告显示 64% 的企业 Agent 部署集中在非 Coding 领域。Sierra AI 以 15.8B 估值切入客户服务，Tempus AI 以 14B 估值深耕医疗，Harvey AI 以 5B+ 估值重塑法律行业。一家招聘领域的 AI Agent 公司 Mercor，仅用 11 个月就达到了 100M ARR——这是软件行业历史上最快的增长记录。

全球 AI Agent 市场在 2025 年约 7-8B，预计 2030 年达到 50-55B（CAGR ~43-47%）。其中，垂直 AI Agent 子市场的增速高达 62.7% CAGR——远超水平 Agent 的增速。垂直 AI 投资在 2025 年达到 3.5B，较 2024 年的 1.2B 几乎翻了三倍。Gartner 预测，到 2026 年底，40% 的企业应用将内嵌 Agent 能力，而 2025 年这个数字不到 5%。

本文将从 S-Curve 理论出发，系统性地回答三个核心问题：第一，Coding 为什么是第一曲线而非终局？第二，Beyond Coding 的市场到底有多大、在哪里？第三，不同角色（CTO、投资人、监管方、企业买家、终端用户）应如何布局？文章将逐层拆解六大垂直领域的技术架构、数据管道、合规约束和量化指标，并在文末给出可直接执行的战略 Checklist。

"Coding 是 Agent 的滩头阵地，不是最终战场。真正的机会在于：当 AI 从辅助写代码的工具，变成能独立完成完整业务流程的数字员工——这个转变正在每一个垂直领域同时发生。" —— 本文核心论点

01 · 第二曲线的必然性：S-Curve 理论与 Coding 的天花板

Charles Handy 在 1994 年的《The Second Curve》中提出了一个至今仍被反复验证的洞察：每一条增长曲线都遵循 S 型轨迹——缓慢起步、加速增长、平台期、衰退。关键洞察是：第二曲线必须在第一曲线到达顶峰之前启动——在增长阶段，当资源和信心都充裕的时候。等到第一曲线开始走平再行动，已经太晚。

AI Coding 作为第一曲线，当前正处于陡峭增长阶段。但三个信号预示着天花板正在逼近。第一是开发者渗透率饱和：目前约 30-40% 的开发者在使用 AI Coding 工具，当渗透率到达 70-80%（预计 2027-2028 年），增量空间将急剧收窄。第二是边际生产力递减：当代码库本身已经成为 AI-native（Agent 写的代码占多数），AI Coding 的增量价值从「从 0 到 1」变成「从 0.9 到 0.95」——收益递减。第三是价格压缩：模型成本持续下降，基础代码生成能力正在商品化——多个等效工具并存导致定价权向用户端转移。

第二曲线是什么？是垂直领域 Agent——当 AI 从「辅助写代码」进化为「独立完成完整业务流程」。这个转变的触发条件正在 2025-2026 年同时成熟：模型能力跨过可靠性阈值（多步骤任务准确率 >95%）、协议标准化（MCP + A2A）使集成成本骤降、治理框架追赶上部署速度、outcome-based 定价取代 seat-based 许可。Gartner 的数据显示，企业应用内嵌 Agent 的比例将在一年内从 <5% 跃升到 40%——这正是第二曲线拐点的量化表征。

Handy 框架对当下最直接的警示是：Anthropic、OpenAI、Google 这些平台公司必须在 Coding 产品仍在高速增长时，就大举投资垂直领域——否则当 Coding 收入走平时，垂直专家已经建立了难以攻破的护城河。从数据看，他们正在这样做：Anthropic 超过 80% 的代码合并已由 AI 完成，正在把 Claude 定位为受监管行业最安全的 Agent 基座；Google 在 Cloud Next 2026 发布了 Gemini Enterprise Agent Platform，直接进入行业解决方案层。

02 · 市场机会矩阵：$50B+ 的垂直蓝海在哪里

如果把 AI Agent 市场按垂直领域拆解，一个清晰的优先级排序浮现出来。按 TAM 规模排序：客户服务（47.8B）> 制造业（21.7B）> 金融服务（15B）> 企业知识（

医疗健康是当前投资密度最高的垂直领域：垂直 AI 融资达到 1.5B，更广泛的 AI 市场达 21.66B。Tempus AI（14B 估值，~693M 收入）验证了精准医疗 Agent 的商业可行性；Abridge（5.3B 估值）证明了临床文档自动化的付费意愿；OpenEvidence（12B 估值）展示了循证医学 Agent 的天花板。NVIDIA 的 MONAI 框架已经在构建多模态医疗 Agent 的编排层，支持放射影像（3D CT/MRI）、手术语音和病理切片的全模态输入。

法律服务的 AI 市场达 650M，法律科技总融资在 2025 年达到 5.99B。Harvey AI（5B+ 估值）用 LegalGraphRAG 架构实现了条款级的合同推理，每一个结论都必须追溯到源文件的页码和段落——这是法律 Agent 的硬性合规约束。Thomson Reuters 以 650M 收购 Casetext，验证了传统法律信息巨头对 Agent 化的战略焦虑。金融服务是最大的终端用户市场，JPMorgan 已经在运行 450+ Agent。BloombergGPT（500 亿参数）是领域专用 LLM 的标杆，通过 ASKB 自然语言接口与 Bloomberg Terminal 集成。

客户服务是最大的单一应用市场（47.82B），Sierra AI 以 15.8B 估值和 200M ARR 统治这个赛道。Klarna 的案例提供了深刻的教训：其 AI Agent 一度处理了 230 万次/月对话（等效 700-853 FTE），年省 60M——但随后因高端客户体验下降而重新招募人工客服。这说明最优模型不是 AI 替代人，而是 AI + 人的混合架构。ServiceNow 以

03 · ARR 增速：软件史上前所未有的 Revenue Velocity

传统 SaaS 公司达到 100M ARR 平均需要 5-7 年。AI Agent 公司把这个时间压缩到了令人难以置信的程度。Mercor（招聘）仅用 11 个月。Sierra AI（客服）约 18 个月。Glean（企业知识）从 100M 翻倍到

为什么这么快？核心原因有三个。第一是outcome-based 定价：垂直 Agent 按完成的工作量/结果计费，而非按 seat 收费——这让客户的 ROI 可以即时量化，决策周期大幅缩短。第二是替代成本高价值环节：法律合同审查、医疗文档摘要、招聘简历筛选——这些环节人力成本高、重复性强、错误代价大，Agent 的替代价值立竿见影。第三是网络效应弱但数据护城河强：不同于 SaaS 需要等待用户积累才有价值，Agent 从第一天就能产出结果；同时，随着使用量增长，领域数据的积累形成越来越强的壁垒。

从投资视角看，2025 年 AI 领域总融资达到 $225.8B，占全球股权融资的 48%。81% 的投资人计划在 2026 年增加 AI 配置（Preqin 调查）。但一个警示信号是：目前只有 29% 的企业看到了显著的 Agent ROI——这意味着估值可能存在泡沫，市场将在 2026-2027 年经历一轮「飞向质量」的筛选。能提供可证明、可量化结果的垂直 Agent 公司将获得超额溢价，无法证明 ROI 的将被淘汰。

04 · 五大垂直领域深度拆解

每个垂直领域的 Agent 架构都有截然不同的约束条件。下面从架构模式、数据管道、合规约束和评估基准四个维度逐一拆解。

垂直 01

医疗健康：四层安全架构 + 永久 HITL

架构模式：感知层（FHIR/HL7 接口接入 EHR）→ 推理引擎（临床 LLM + SNOMED-CT/ICD-10 医学本体）→ 决策支持层（带置信度评分的推荐）→ 人类验证门控（写回 EHR 前必须经医师审批）。这不是可选模式——Human-in-the-loop 是医疗 Agent 的永久架构约束。

数据管道：EHR 系统（Epic/Cerner）→ FHIR API 网关 → MCP-FHIR Server（JSON 声明式访问）→ Agent 推理引擎 → 人类审批 → EHR 写回（含审计日志）。每一次数据访问都需要 BAA 合规、传输加密和不可变审计日志。

评估基准：OpenAI 发布的 HealthBench（48,562 条医师评分标准）、MedAgentBench（虚拟 EHR 环境中的任务完成率）。评估维度：临床准确性、患者安全影响、幻觉率、置信度校准。

垂直 02

法律服务：Multi-Agent GraphRAG + 条款级推理

架构模式：文档摄入管道（OCR + 版面分析）→ 知识图谱构建（法律实体/条款/先例提取）→ Multi-Agent RAG（检索 Agent、分析 Agent、综合 Agent 协作）→ 律师审批门控。核心技术是 LegalGraphRAG：多图多 Agent 架构，递归遍历条款间的依赖关系和交叉引用，在 LegalBench-RAG 基准（6,858 query-document pairs）上显著优于标准 RAG。

硬性约束：每一个结论都必须引用源文档（精确到页码/段落）；系统必须主动暴露不确定性和冲突先例；律师审批是外部动作前的强制门控。律师工作特权（attorney-client privilege）要求所有数据处理在特权边界内完成。

垂直 03

金融服务：四层 Agentic Finance + 双重审批

架构模式（arXiv 2603.13942）：数据感知层（高频行情、区块链流水、新闻情绪、监管文件）→ 推理引擎（LLM + 检索 + 量化优化器）→ 策略生成层（将分析转化为交易建议/合规警报/风险评级等决策对象）→ 执行控制层（对接 OMS/EMS + 审批工作流 + 仓位限制 + 审计追溯）。

硬性约束：触及资金的动作需要双重审批（自动化分析 + 人类验证执行）；实时行情数据需要亚毫秒级管道；必须支持 MiFID II / Dodd-Frank / Basel III 等监管报告的自动钩子；SR 11-7 模型验证合规。金融 Agent 必须能解释其完整推理链以满足监管审计。

垂直 04

制造业：Digital Twin + Edge-First

架构模式：传感器数据采集层（IoT/SCADA/PLC → OPC-UA/MQTT 协议转换）→ 数据管理层（时序数据库 + 数字孪生同步）→ 多模型 AI 层（Transformer 预测模型 + SfM 3D 重建 + 推理 Agent）→ 操作界面层（AR/VR 叠加 + 操作员仪表板）。Siemens 在 Arm 边缘硬件上实现亚 10ms 响应的预测维护。关键约束：制造 Agent 必须在完全离线（air-gapped）环境中运行，带宽消耗比云端方案低 95%。

垂直 05

客户服务：混合架构的 Klarna 教训

Klarna 的案例提供了最深刻的实证：AI Agent 月处理 230 万次对话 → 等效 700-853 FTE → 年省 $60M。但高端客户满意度下降 → 重新招募人工客服 → 转向人 + AI 混合架构。Sierra AI 的解决方案是让 Agent 处理 80% 的常规查询，而将 20% 的复杂/高价值场景路由给人类专家——这种分层策略实现了 ROI 和体验的最优平衡。AMD 的 HR Agent 将工单解决时间缩短了 80%，验证了内部服务场景的巨大潜力。

05 · 架构分叉：Coding Agent vs Domain Agent

当 Agent 从 Coding 扩展到垂直领域，架构复杂度在八个维度上发生了质变。这不是渐进式的复杂度增加，而是架构范式的根本分叉。

第一是错误容忍度：Coding Agent 的错误会被编译器/测试立即捕获（编译失败、测试不通过），反馈循环极短。Domain Agent 的错误可能是微妙且危险的——误诊、错误交易、合同条款遗漏——反馈循环可能延迟数天甚至数月。第二是 HITL 需求：Coding Agent 的 Human-in-the-loop 是可选的（auto-fix loop 可以自动修复）；Domain Agent 的 HITL 是强制的（临床审批、律师复核、金融双重签核）。第三是延迟要求：Coding Agent 秒级响应可接受；制造 Agent 需要亚 10ms，交易 Agent 需要亚毫秒。

第四至第八个维度同样关键：数据敏感性从代码仓库（通常内部）跃迁到 PHI/金融记录/特权法律文件；合规复杂度从许可证合规跃迁到 HIPAA/GDPR/FINRA/EU AI Act 的多重监管；部署复杂度从 Cloud-First 跃迁到 On-Prem/Sovereign/Edge；审计追溯从 Git 历史跃迁到完整决策链（身份 + 模型 + 审批人 + 数据驻留层）；评估难度从测试套件通过率跃迁到领域专家评分基准 + 安全基准 + 监管审计。

知识锚定策略对比

// Coding Agent 知识源: 代码库 + 文档 + 搜索结果锚定: RAG(codebase context) + in-context(相关文件) 更新: git pull → 实时 // Domain Agent (e.g., 医疗) 知识源: EHR + 临床指南 + 药物数据库 + 论文锚定: Fine-tuned 临床 LLM + RAG(UpToDate) + Knowledge Graph(SNOMED-CT) 更新: 指南更新 → re-index; 模型重训 → 季度 // 结论: 领域 Agent 需要混合策略(fine-tune for 推理风格 + RAG for 事实)

06 · 部署模式重构：从 Cloud-First 到 Edge-First

Coding Agent 天然适合 Cloud 部署——代码仓库在云端、CI/CD 在云端、开发者有网络连接。但垂直领域彻底改变了部署经济学。医疗数据不能出院（HIPAA），金融交易数据不能跨境（DORA），工厂传感器数据不能上云（air-gapped）。结果是：Coding 的部署模式是 85% Cloud，而制造业是 65% Edge + 30% On-Prem + 仅 5% Cloud。

三种部署模式的分野不是技术选择，而是合规约束驱动的结果。Cloud 部署（50-200ms RTT，弹性伸缩，OpEx）适合非敏感工作负载如法律研究、非交易金融分析。On-Prem / Sovereign 部署（5-50ms，固定容量，CapEx）是医疗（HIPAA）、金融（SOX/DORA）和法律（特权保护）的强制要求——Sovereign 部署不只是基础设施位置，而是在管辖边界内的持续运营模式。Edge 部署（<10ms，单设备，95% 低带宽）是制造业和远程场景的唯一选择。

大多数生产部署实际上是混合架构：Edge 处理实时推理和安全关键决策，On-Prem 处理敏感数据和合规工作负载，Cloud 用于模型训练、批量分析和非敏感工作负载。联邦学习（Federated Learning）允许在不集中敏感数据的前提下跨站点改进模型——这在医疗领域尤其关键。

07 · 五大角色的战略视角与博弈

同一个市场，五种角色看到的画面完全不同。理解每个角色的核心关切和决策逻辑，是制定有效战略的前提。

CTO/CIO 的头号焦虑是「AI 控制差距」——IBM 2026 年 6 月的研究显示，三分之二的高管对其负责的 AI 系统缺乏完全控制，70% 表示团队部署 AI 的速度快于 IT 治理能追踪的速度。他们最想要的是标准化（MCP/A2A）、可观测性、审计追溯和回滚能力。他们最恐惧的是 Shadow AI——员工绕过 IT 自行部署 Agent 造成的不可控风险面。嵌入 AI 治理控制的企业，事故率降低 25%。

投资人 面对的是一个矛盾的市场：AI 交易占全球股权融资的 48%（$225.8B），81% 计划加仓——但只有 29% 的企业看到显著 ROI。这意味着 2026-2027 年将出现一轮残酷的估值修正。能存活的公司有两个共同特征：深度的垂直护城河（领域数据 + 合规壁垒 + 行业关系网络）和可证明的单位经济模型（每完成一个任务的成本 vs 替代方案）。Bain 的研究显示，AI 领先企业的 EBITDA 提升了 10-25%，而落后者正在被进一步拉开差距。

监管方 正在加速立法。EU AI Act 高风险条款将于 2026 年 8 月全面生效——为医疗、金融、就业和教育领域的 AI Agent 建立了明确的监管框架。美国走的是行业特定指导路线（2025 年 12 月行政令），更偏向创新友好。中国的策略是通过开源 AI 强化产业主导地位（USCC 2026 年 3 月报告），推动 Agent 在制造和服务业的快速部署。核心监管张力是：当 Agent 在受监管领域自主行动（如执行交易、提供医疗建议）时，谁承担法律责任？预计 2026-2027 年将出现行业特定的「Agent 许可」制度。

08 · 竞争格局与历史镜鉴：技术扩散的加速压缩

竞争格局正在分化为两个清晰的阵营。右下角是水平平台——Anthropic（MCP + Claude）、OpenAI（Operator + GPT）、Google（Gemini + A2A）、Microsoft（Copilot + Azure）——它们控制了模型层和协议标准，拥有最广的市场覆盖，但垂直深度有限。左上角是垂直专家——Sierra AI、Tempus AI、Harvey AI、Abridge——它们在特定行业建立了深厚的护城河，但市场覆盖有限。右上角的「理想象限」（广度 + 深度）目前还没有玩家——这恰恰是最大的战略机会。

2026 年的共识是：在应用层，垂直专家赢了——McKinsey 数据显示垂直 Agent 的 ROI 是水平工具的 2.3 倍。深层领域数据、监管知识和行业工作流形成的护城河，是水平平台无法轻易复制的。但在基础设施层，水平平台赢了——MCP、A2A、模型 API 是不可替代的底座。最有前景的战略是「Thin Vertical」——在水平平台基础设施之上构建窄而深的垂直 Agent，利用平台能力但添加领域数据、工作流和合规。

历史镜鉴提供了最有力的论证。每一轮技术浪潮都遵循相同的七阶段模式：开发者滩头阵地 → 企业怀疑 → Shadow 采纳 → 治理追赶 → 平台扩展 → 垂直专业化 → 市场重构。Cloud 用了约 10 年完成这个循环（AWS 2006 → 企业默认 2016），SaaS 用了约 8 年，Mobile 用了约 5 年。AI Agent 可能把这个周期压缩到 3-4 年（2023-2024 开发者工具 → 2026-2027 全面企业转型）。每一轮浪潮的加速都源于前一轮积累的数字化基础设施和更成熟的组织变革方法论。

中美市场的分化创造了两个平行生态。美国走「深耕企业」路线（通过 Salesforce/Microsoft 等渠道），聚焦受监管行业（医疗/金融/法律），治理优先于速度。中国走「广覆盖快速渗透」路线（通过微信/支付宝/钉钉等超级应用），聚焦制造业、物流和电商，开源 AI 策略强化产业主导地位（USCC 报告），部署速度快但治理跟进较慢。对创业者而言，这意味着同一个垂直领域在中美可能需要完全不同的产品形态和 GTM 策略。

09 · 战略框架、Checklist 与终局推演

综合前文分析，我将 Beyond Coding 的战略选择归纳为一个「五层决策框架」。

□ 1. 选垂直：TAM 规模 × CAGR × 合规壁垒 × 数据护城河。优先级：医疗（最高壁垒 + 最高天花板）> 金融（最大终端市场）> 法律（最高付费意愿）> 客服（最大市场但竞争激烈）> 制造（Edge 场景壁垒强）。

□ 2. 选架构：HITL 是永久约束还是可选？延迟要求是 ms 还是 s？部署是 Cloud/On-Prem/Edge？知识锚定是 RAG/Fine-tune/混合？每一个选择都决定了产品形态和成本结构。

□ 3. 选平台：构建在 Anthropic MCP 上（安全优先，适合监管行业）？Google A2A 上（搜索接地，生态广度）？还是自有模型 + 开源协议（最大控制权但最高成本）？Thin Vertical 策略是当前最优解。

□ 4. 选 GTM：outcome-based 定价（按结果收费，最快验证 ROI）vs seat-based（传统 SaaS 模式，客户接受度高但增长慢）。Klarna 案例说明必须设计 Human + AI 混合方案而非纯替代叙事。

□ 5. 选时机：3-4 年的压缩周期意味着窗口在 2027 年前关闭。EU AI Act 2026 年 8 月生效将建立新的准入壁垒。先建立合规基础设施的公司，将在监管落地后获得结构性优势。

终局推演：到 2027 年，Agent 市场的结构将类似于今天的云生态——底部 3-5 家水平平台提供商（Anthropic、OpenAI、Google 控制模型和协议），顶部数百家垂直专家（各自在医疗、法律、金融等领域建立数据护城河），中间一层集成/编排工具（LangGraph、CrewAI 等连接上下两层）。Gartner 的警告不应被忽视：40%+ 的 Agent 项目将在 2027 年前被取消——但这不是趋势逆转，而是市场选择质量。能提供可证明 ROI、通过合规审计、拥有领域数据壁垒的公司，将获得远超传统 SaaS 的估值溢价。

对于仍在 Coding 赛道上的团队，Handy 的忠告最为关键：不要等到 Coding 收入走平才开始思考第二曲线。现在，在 Coding 产品还在高速增长的窗口期，就利用积累的技术能力（MCP 集成、Agent Loop 工程、Harness 运行时）向相邻垂直领域延伸——最佳的进攻时机，恰恰是你还不需要的时候。

KEY TAKEAWAY

Coding 是 Agent 的滩头阵地，但六千亿美金的故事，写在 Coding 之后。

窗口期 3-4 年 · 垂直 Agent CAGR 62.7% · 最优策略 = Thin Vertical + Outcome-Based + HITL Hybrid