Fintool 首创东说念主 Nicolas Bustamante 最近在 X 平台上发了一篇“杀东说念主诛心”的深度长文，径直戳破了最近软件股万亿市值挥发背后的跋扈真相。

行为一位也曾打造过欧洲最大法律科技平台（Doctrine）、目下又投身 AI 金融（Fintool）的“双栖”创业者，他站在新旧时间的交壤点上，抽象拆解了垂直 SaaS 行业赖以生涯的十大护城河是怎样被大模子逐个瓦解的。

Nicolas以为，LLM（大言语模子）正在系统性地淹没垂直软件以前赖以生涯的护城河，以前靠“软件难用”和“经由复杂”赚取昂贵溢价的日子扫尾了，市集正在经验一场跋扈的价值重估。

咱们给人人绵薄划了下稿件重心：

“难用”不再是护城河

以前像彭博终局这种软件，最牛的护城河其实是「难用」，用户花了很万古期学会了那些复杂的快捷键和代码，学会了就不想换。但目下，LLM把悉数复杂的界面皆坍缩成了一个聊天框，用户只消会说东说念主话就能调取数据、调模子，阿谁让华尔街为此买单的「熟识度壁垒」须臾归零。

业务逻辑从“百万行代码”变成了“一个Markdown文献”

这是最颠覆的一丝。以前要复刻一个法律或金融使命流，需要懂行业的工程师写几年代码；目下，一个懂行的基金司理只消写一个Markdown文档（教唆词妙技），告诉AI奈何作念DCF估值，AI就能实行得很好。中枢壁垒从“稀缺的工程师”变成了“低价的文档”，竞争敌手复制你的时期从几年裁减到了几周。

靠整理公开数据收成的公司很危急

以前把前俯后合的财报（SEC文献）整理成可搜索的数据很值钱，但目下大模子天生就能读懂这些文档，前沿模子（如Claude或GPT）天生就读得懂10-K年报和法律文档，它们我便捷是最佳的判辨器。靠“信息不合称”和“整理公开数据”收成的模式，正在被AI冷凌弃商品化。

目下懂业务的基金司理不需要学Python，径直用大口语就能指挥AI干活，这意味着蓝本稀缺的行业训导能马上转机为软件产物，竞争敌手会越来越多。

独流派据成了独一的“免死金牌”

反过来说，如果你手里有无法被抓取、无法被合成的“独到数据”（比如彭博的及时交往台数据、标普的独到信贷评级），LLM反而会让你的价值倍增。因为在AI时间，这些数据是悉数智能体皆渴求的“稀缺燃料”，领有独流派据的公司将掌抓统统的订价权。

“合规”和“交往”是AI啃不动的硬骨头

别太心焦，有些护城河AI也心有余而力不足。比如医疗软件Epic，它的壁垒是HIPAA合规和FDA认证；比如Stripe，它的壁垒是资金处理的派司和通说念。AI再智谋也过不了监管这一关，也无法在莫得银行轨说念的情况下转移资金。只消你的软件“镶嵌在交往里”或者“长在监管上”，你暂时是安全的。

竞争款式从“三国杀”变成“百团大战”

以前作念一个垂直SaaS需要200个工程师和5000万数据预算，是以每个行业持续唯独2-3个巨头操纵。目下靠API和几个工程师就能作念到巨头80%的功能，竞争敌手会须臾从3个变成300个。这会导致价钱体系坍塌，SaaS公司的高估值倍数将被澈底打回原形。

着实的恫吓是“陡立夹攻”

垂直SaaS目下表里受敌：底下是数百个AI原生创业公司在放纵撕咬，上头是微软、Anthropic这么的巨头通过“通用Agent+插件”的方式径直杀入垂直界限。软件正在变得“无头化”（Headless），来日用户可能根蒂不怒放你的软件，而是通过AI Agent径直调用你的作事——如果你沦为单纯的“数据供应商”，利润将被平台澈底榨干。

“难用”不再是护城河

以前像彭博终局这种软件，最牛的护城河其实是「难用」，用户花了很万古期学会了那些复杂的快捷键和代码，学会了就不想换。但目下，LLM把悉数复杂的界面皆坍缩成了一个聊天框，用户只消会说东说念主话就能调取数据、调模子，阿谁让华尔街为此买单的「熟识度壁垒」须臾归零。

业务逻辑从“百万行代码”变成了“一个Markdown文献”

这是最颠覆的一丝。以前要复刻一个法律或金融使命流，需要懂行业的工程师写几年代码；目下，一个懂行的基金司理只消写一个Markdown文档（教唆词妙技），告诉AI奈何作念DCF估值，AI就能实行得很好。中枢壁垒从“稀缺的工程师”变成了“低价的文档”，竞争敌手复制你的时期从几年裁减到了几周。

靠整理公开数据收成的公司很危急

以前把前俯后合的财报（SEC文献）整理成可搜索的数据很值钱，但目下大模子天生就能读懂这些文档，前沿模子（如Claude或GPT）天生就读得懂10-K年报和法律文档，它们我便捷是最佳的判辨器。靠“信息不合称”和“整理公开数据”收成的模式，正在被AI冷凌弃商品化。

目下懂业务的基金司理不需要学Python，径直用大口语就能指挥AI干活，这意味着蓝本稀缺的行业训导能马上转机为软件产物，竞争敌手会越来越多。

独流派据成了独一的“免死金牌”

反过来说，如果你手里有无法被抓取、无法被合成的“独到数据”（比如彭博的及时交往台数据、标普的独到信贷评级），LLM反而会让你的价值倍增。因为在AI时间，这些数据是悉数智能体皆渴求的“稀缺燃料”，领有独流派据的公司将掌抓统统的订价权。

“合规”和“交往”是AI啃不动的硬骨头

别太心焦，有些护城河AI也心有余而力不足。比如医疗软件Epic，它的壁垒是HIPAA合规和FDA认证；比如Stripe，它的壁垒是资金处理的派司和通说念。AI再智谋也过不了监管这一关，也无法在莫得银行轨说念的情况下转移资金。只消你的软件“镶嵌在交往里”或者“长在监管上”，你暂时是安全的。

竞争款式从“三国杀”变成“百团大战”

以前作念一个垂直SaaS需要200个工程师和5000万数据预算，是以每个行业持续唯独2-3个巨头操纵。目下靠API和几个工程师就能作念到巨头80%的功能，竞争敌手会须臾从3个变成300个。这会导致价钱体系坍塌，SaaS公司的高估值倍数将被澈底打回原形。

着实的恫吓是“陡立夹攻”

垂直SaaS目下表里受敌：底下是数百个AI原生创业公司在放纵撕咬，上头是微软、Anthropic这么的巨头通过“通用Agent+插件”的方式径直杀入垂直界限。软件正在变得“无头化”（Headless），来日用户可能根蒂不怒放你的软件，而是通过AI Agent径直调用你的作事——如果你沦为单纯的“数据供应商”，利润将被平台澈底榨干。

以下为原文部分：

深耕垂直软件十年：我对这次抛售潮的看法

在以前的几周里，软件和作事类股票的市值挥发了近1万亿好意思元。FactSet的市值从200亿好意思元的巅峰跌至不及80亿好意思元。标普全球（S&P Global）在几周内下降了30%。汤森路透（Thomson Reuters）在一年内市值缩水近半。由140家公司组成的标普500软件与作事指数，本年迄今已下降20%。

上周，Anthropic发布了针对Claude Cowork的行业特定插件。Claude Cowork是一款专为学问使命者瞎想的AI智能体（AI Agent），能够自主处理复杂的筹谋、分析和文档使命流。

华尔街称之为惶恐。而在以前十年里，我一直勤劳于于构建垂直SaaS（Vertical SaaS）。起始是 @Doctrine，目下是欧洲最大的法律信息平台（与LexisNexis、Westlaw等竞争）；然后是 @fintool，一个在好意思国与彭博（Bloomberg）、FactSet和标普全球竞争的AI驱动型股票筹谋平台。

我曾构建过那种如今正受到大言语模子（LLM）恫吓的软件。而我目下正在构建的，恰是那种发起恫吓的软件。我身处这场颠覆性变革的两头。

我曾构建过那种如今正受到大言语模子（LLM）恫吓的软件。而我目下正在构建的，恰是那种发起恫吓的软件。我身处这场颠覆性变革的两头。

以下是我所看到的真相：LLM正在系统性地瓦解让垂直软件具备退避性的护城河。但并非悉数瓦解。恶果是，垂直软件的价值组成尽头应得的估值倍数正在被从新界说。

在这篇著述中：

让垂直软件具备退避性的十大护城河，以及LLM对每一条护城河的影响

为什么市集抛售在结构上是合理的，但在时期上被夸大了

着实的恫吓究竟是什么（并非你所想的那样）

什么将取代垂直软件

垂直软件行业的下一步走向

让垂直软件具备退避性的十大护城河，以及LLM对每一条护城河的影响

为什么市集抛售在结构上是合理的，但在时期上被夸大了

着实的恫吓究竟是什么（并非你所想的那样）

什么将取代垂直软件

垂直软件行业的下一步走向

垂直软件是为特定行业构建的软件。比如金融界的彭博（Bloomberg），法律界的LexisNexis，医疗界的Epic，建筑界的Procore，人命科学界的Veeva等。

这些公司有一个共同的界说性特征：收费昂贵且客户少许流失。FactSet每位用户每年的用度非常15，000好意思元。彭博终局（Bloomberg Terminal）每个席位成本为25，000好意思元。LexisNexis每月向讼师事务所收取数千好意思元。而它们的客户留存率踯躅在95%掌握。

我以为存在十条判然不同的护城河。LLM正在袭击其中的一部分，同期保留了另一部分。认知哪些被袭击、哪些被保留，便是这场游戏的悉数。

1. 习得性界面（Learned Interfaces）→ 被蹂躏

一个彭博终局用户铺张数年时期学习键盘快捷键、功能代码和导航模式。GP、FLDS、GIP、FA、BQ。这些不是直不雅的操作，它们是一门言语。一朝你流利地掌抓了它，切换到另一个平台就意味着从新变成文盲。

我听过无数次这么的话：“咱们是FactSet店。”“咱们是Lexis律所。”“咱们是彭博之家。”这些声明无关数据质料或功能集。它们是对于软件肌肉缅想的声明。东说念主们花了十年时期学习这个器具。这种投资是不可移动的。

这是最被低估的护城河。学问使命者付费是为了不从新学习他们还是掌抓了十年的使命流。界面本人便是价值宗旨的一大部分。

我在Doctrine亲历了这一丝。咱们领有一支瞎想师团队和一支重大的客户告捷司理（CSM）戎行，他们的悉数使命便是指引讼师使用咱们的界面。每一个UI（用户界面）的蜕变皆是一个姿色：用户筹谋、瞎想冲刺、严慎的发布、手把手的率领。咱们会花几周时期从新瞎想一个分面搜索过滤器（faceted search filter），因为讼师们还是围绕旧过滤器建立了肌肉缅想。界面不是一个功能，它便是产物。惊羡它是咱们最大的成本中心之一。

在Fintool，咱们莫得入职培训。莫得CSM教东说念主们怎样浏览产物。咱们的用户用绵薄的英语输入他们想要的内容，然后得到谜底。莫得界面需要学习，因为一切皆是对话。悉数成本中心——瞎想师、CSM、UI变更科罚——根蒂不存在。聊天界面招揽了悉数的这些救援结构。

LLM将悉数专有界面坍缩为一个聊天窗口。

LLM将悉数专有界面坍缩为一个聊天窗口。

试想一下金融分析师今天在彭博终局上作念什么。他们导航到股票筛选功能。使用专诚的语法竖立参数。导出恶果。切换到DCF（现款流折现）模子构建器。输入假定。运行明锐性分析。导出到Excel。制作演示文稿。

每一步皆需要习得的界面学问。每一步皆加强了切换成本。

目下谈判合并位分析师使用LLM智能体作念什么：

“向我展示悉数市值非常10亿好意思元、市盈率低于30且收入同比增长非常20%的软件公司。为前5名建立DCF模子。对折现率和终值增长率进行明锐性分析。”

“向我展示悉数市值非常10亿好意思元、市盈率低于30且收入同比增长非常20%的软件公司。为前5名建立DCF模子。对折现率和终值增长率进行明锐性分析。”

三句话。莫得键盘快捷键。莫得功能代码。莫得导航。用户甚而不知说念LLM查询了哪个数据提供商。他们不在乎。

当界面变成当然言语对话时，多年的肌肉缅想变得一文不值。阿谁讲明每年2.5万好意思元席位费合理的切换成本须臾消解。对于好多垂直软件公司来说，界面曾是价值的大部分。底层数据持续是授权的、公开的或半商品化的。救援溢价订价的是建立在数据之上的使命流。那还是扫尾了。

2. 自界说使命流和业务逻辑（Custom Workflows and Business Logic）→ 挥发

垂直软件编码了一个行业的本质运作方式。一个法律筹谋平台不单是存储判例法。它编码了引证集聚、谢泼德引证信号（Shepardize signals）、判例要旨分类体系（headnote taxonomies），以及诉讼讼师撰写纲要的具体方式。

这种业务逻辑的构建耗时数年。它响应了与界限众人进行的数千次对话。当我构建Doctrine时，最难的部分不是技能。而是认知讼师本质上是怎样使命的：他们怎样筹谋判例法，怎样草拟文献，怎样从立案到审判构建诉讼策略。将这种认知编码进可运行的软件中，是垂直软件之是以有价值——且具备退避性——的巨大原因。

LLM将悉数这一切转机为一个Markdown文献。

这是最被低估的转换，我以为亦然弥远最具龙套性的。

传统的垂直软件用代码编码业务逻辑。千千万万个if/then分支、考据端正、合规查验、审批使命流。由工程师成年累月硬编码而成……而且不是平方的工程师。你需要着实认知该界限的软件工程师，这很陌生。找到一个既能写坐蓐级代码又能认知诉讼使命流怎样运作，或者DCF模子应怎样构建的东说念主，极其艰巨。修改这种业务逻辑需要开发周期、QA（质料保证）、部署。

让我用我我方的经验举一个具体的例子。

在Doctrine，咱们构建了一个法律筹谋使命流，匡助讼师针对给定的法律问题找到联系的判例法。系统需要认知法律界限（民事与刑事与行政），将问题判辨为可搜索的看法，跨多个法院数据库进行查询，按联系性和巨擘性对恶果进行排序，并呈现正确的引证陡立文。构建这个系统需要一个工程师和法律众人团队铺张数年时期。业务逻辑散播在数千行Python代码、自界说排序算法和手动调理的联系性模子中。每一次修改皆需要工程冲刺、代码审查、测试和部署。

在Fintool，咱们有一个DCF估值妙技（Skill）。它告诉LLM智能体怎样进行现款流折现分析：集聚哪些数据，怎样按行业盘算推算WACC（加权平均成本成本），考据哪些假定，怎样运行明锐性分析，何时加回基于股票的薪酬。这是一个Markdown文献。编写它花了一周时期。更新它只需几分钟。一位作念过500次DCF估值的投资组合司理不错在不写一排代码的情况下编码他们的悉数治安论。

多年的工程开发对决一周的写稿。这便是转换。

多年的工程开发对决一周的写稿。这便是转换。

而且不单是是速率。Markdown妙技在遑急方面发达更好。任何东说念主皆不错阅读它。它是可审计的。它不错针对每个用户进行定制（咱们的客户编写他们我方的妙技）。跟着底层模子的改造，它会自动变得更好，而无需咱们触碰一排代码。

业务逻辑正在从由专科工程师编写的代码迁徙到任何具有界限专科学问的东说念主皆不错编写的Markdown文献。垂直软件公司铺张十年建立的积贮业务逻辑目下不错在几周内被复制。使命流护城河正在极快地受到侵蚀。

3. 群众数据打听（Public Data Access）→ 商品化

垂直软件价值宗旨的很大一部分是让难以获取的数据变得易于查询。FactSet让SEC（好意思国证券交往委员会）备案文献可搜索。LexisNexis让判例法可搜索。这些是着实的作事。SEC备案文献在技能上是公开的，但试着阅读一份原始HTML格式的200页10-K年报望望。各公司的结构不一致。管帐术语晦涩难解。索求你需要的本质数字需要判辨嵌套表格、追踪脚注援用、调理重述的数据。

在LLM之前，打听这些群众数据需要专诚的软件和大批的工程救援结构。像FactSet这么的公司构建了数千个判辨器，针对每种备案类型、每家公司独特的格式。跟着格式的变化，成群的工程师惊羡着这些判辨器。将原始SEC备案文献转机为可查询数据的代码曾是着实的竞争上风。

在Doctrine，这亦然大批的使命。咱们为不同的判例法构建了NLP（当然言语处理）管说念：用于索求法官、法院、法律看法的定名实体识别（NER）。专诚的机器学习模子按法律界限对判决进行分类。为每个法院定制判辨器，每个皆有我方的格式怪癖。咱们有工程师花了数年时期构建和惊羡这个救援结构。这是着实令东说念主印象真切的技能，亦然着实的护城河，因为复制它意味着数年的使命。

在Fintool，咱们莫得构建任何这些东西。零NER。零自界说判辨器。零行业特定分类器。为什么？因为前沿模子还是知说念怎样浏览10-K年报。它们知说念家得宝（Home Depot）的股票代码是HD。它们认知GAAP（公认管帐准则）和非GAAP收入的区别。它们不错在不被教诲模式的情况下判辨分部表现的嵌套表格。Doctrine铺张数年构建的判辨基础法子目下是一种商品才略，随模子免费提供。

LLM让这一切变得微不及说念。前沿模子还是从它们的考试数据中知说念怎样判辨SEC备案文献。它们认知10-K的结构，在那儿找到收入阐述战略，怎样调理GAAP和非GAAP数据。你不需要构建判辨器。模子便是判辨器。喂给它一份10-K，它不错修起对于它的任何问题。喂给它联邦判例法的悉数语料库，它不错找到联系的前例。

垂直软件铺张数十年构建的判辨、结构化和查询目下是基础模子本人内置的商品才略。数据并非一文不值。可是“使其可搜索”这一层——这曾是大批价值和订价权所在的场地——正在崩溃。

4. 东说念主才稀缺性（Talent Scarcity）→ 格外

构建垂直软件需要既懂界限又懂技能的东说念主。找到一个既能写坐蓐级代码又能认知信用滋生品结构怎样运作的工程师极其陌生。这种稀缺性形成了自然的进入壁垒，历史上圆寂了任何垂直界限的有劲竞争者数目。

LLM完全翻转了这条护城河。

在Doctrine，招聘是跋扈的。咱们不仅需要优秀的工程师。咱们需要能认知法律推理的工程师：前例怎样运作，统率权怎样相互作用，MILAN SPORTS向最高法院上诉的情理是什么容貌的。这些东说念主险些不存在。是以咱们我方培养。每周，咱们举行里面讲座，由讼师教工程效法律体系本质上是怎样运作的。别称新工程师需要几个月才略具备坐蓐力。东说念主才稀缺是着实的休止，不仅对咱们，对任何试图与咱们竞争的东说念主亦然如斯。

在Fintool，咱们不作念任何这些事。咱们的界限众人（投资组合司理、分析师）径直将他们的治安论写入Markdown妙技文献。他们不需要学习Python。他们不需要认知API。他们用绵薄的英语写下一个好的DCF分析是什么容貌的，LLM就会实行它。工程部分由模子处理。界限专科学问，这个也曾丰富的资源，目下不错径直转机为软件，而莫得工程瓶颈。

LLM使工程变得顺手可取，这意味着稀缺资源（界限专科学问）在转机为软件的才略上蓦的变得丰富了。这便是为什么进入壁垒崩溃得如斯剧烈。

5. 系结销售（Bundling）→ 削弱

垂直软件公司通过系结相邻才略来扩展。彭博从市集数据启动，然后增多了音书传递、新闻、分析、交往和合规。每一个新模块皆增多了切换成本，因为客户目下依赖悉数生态系统，而不单是是一个产物。标普全球以440亿好意思元收购IHS Markit恰是这种策略。系结包变成了护城河。

在Doctrine，系结是增长策略。咱们从判例法搜索启动，然后增多了立法、法律新闻、警报，然后是文档分析。每个模块皆有我方的UI，我方的入职经由，我方的客户使命流。咱们构建了用心制作的仪容板，讼师不错在其中树立不雅察列表，竖立特定法律主题的自动警报，科罚他们的筹谋文献夹。每个功能皆意味着更多的瞎想使命、更多的工程、更多的UI名义积。系结包将客户锁定，因为他们还是围绕咱们的生态系统建立了悉数使命流。

LLM智能体龙套了系结护城河，因为智能体本人便是系结包。在Fintool，警报是一个教唆词（prompt）。不雅察列表是一个教唆词。投资组合筛选是一个教唆词。每个功能莫得单独的模块。莫得需要惊羡的UI。客户说“当我的投资组合中的任何公司在财报电话会议中提到关税风险时提醒我”，它就能使命。智能体在一个单一使命流中勾通十个不同的专用器具。它不错从一个起头索求市集数据，从另一个起头索求新闻，通过第三个起头运行分析，并编译恶果。用户从不知说念也不在乎查询了五个不同的作事。

当集成层从软件供应商移动到AI智能体时，购买系结包的能源就挥发了。当智能体不错为每种才略挑选最佳（或最低廉）的提供商时，为什么要为悉数套件支付彭博的溢价？

这并不虞味着系结销售通宵之间衰落。科罚十个供应商关系与一个比较，其运营复杂性是着实的。但标的性的压力是明确的：智能体使“解绑”（unbundling）以以前不可能的方式变得可行。

6. 独到和专稀奇据（Private and Proprietary Data）→ 更强

一些垂直软件公司领有大致可其他任何场地皆不存在的数据。彭博集聚全球交往台的及时订价数据。标普全球领有信用评级和专有分析。邓白氏（Dun & Bradstreet）惊羡着5亿多个实体的买卖信用档案。这些数据是几十年来集聚的，持续通过排他性关系。你不可抓取它。你不可重建它。

如果你的数据竟然无法被复制，LLM会让它更有价值，而不是更少。

彭博来自交往台的及时订价数据？无法被抓取。无法被合成。无法从第三方得到许可。在LLM宇宙中，这些数据成为每个智能体皆需要的稀缺输入。彭博在专稀奇据上的订价权本质上可能会增多。

标普全球的信用评级亦然近似的。信用评级不单是是数据。它是由受监管的治安论和数十年的负约数据解救的意见。LLM无法发布信用评级。标普不错。

测试很绵薄：这些数据能被其他东说念主获取、许可或合成吗？如果不可，护城河依然存在。如果能，你就勤恳了。

我在两家公司皆看到了这一丝的演变。当咱们创办Doctrine时，中枢价值是用行业特定的救援结构层组织群众判例法：分类法、引证集聚、联系性名次。但团队很早就意志到，仅靠群众数据是不够的。

约莫五年前，Doctrine启动构建一个独家内容库：专有的法律注目、裁剪分析、其他任何场地皆不存在的精选褒贬。今天，这个库竟然很难复制，它已成为着实的护城河。再加上全面转向LLM，Doctrine目下发展得轰轰烈烈！

能在这种转换中生涯下来的公司，是那些从“咱们更好地组织群众数据”转向“咱们领有你在别处无法得到的数据”的公司。

变化在于：阿谁智能层以前需要多年的工程开发。目下它是随模子而来的一种才略。甚而数据打听本人也正在被商品化。

MCP（模子陡立文契约）正在将每个数据提供商变成一个插件。数十家公司还是行为MCP作事器提供金融数据，任何AI智能体皆不错查询。当你的数据不错行为Claude插件使用时，“使其可打听”的溢价就灭绝了。

朝笑的是，LLM加快了这种分化（bifurcation）。领有专稀奇据的公司赢得更大。莫得专稀奇据的公司失去一切。

如果你的数据不是着实独特的——比如它不错被获取、许可或在别处合成——你就不安全。你面对商品化的风险。AI智能体将领有与客户的关系。它是用户交互的界面，是他们信任的品牌，是他们付费的产物。你变成了智能体的供应商，而不是客户的供应商。

这便是团员表面（Aggregation Theory）的及时献艺：团员者（智能体）拿获用户关系和利润，而供应商（数据供应商）为了喂养平台而在价钱上竞争。如果彭博、FactSet和十几个较小的提供商皆提供近似的市集数据，智能体将路由到最低廉的阿谁。你的订价权挥发了。你的利润率被压缩。你变成了别东说念主产物的商品化输入。

7. 监管和合规锁定（Regulatory and Compliance Lock-in）→ 结构性踏实

在医疗界限，Epic的主导地位不单是关乎产物性量。它关乎HIPAA（健康保障通顺与包袱法案）合规性、FDA（食物药品监督科罚局）认证，以及病院必须忍耐的18个月实施周期。更换EHR（电子病历）供应商是一个耗时多年、耗资数百万好意思元的姿色，本质上会危及患者安全。在金融作事界限，合规要求创造了近似的锁定。审计追踪、监管陈诉、数据保留战略。悉数这些皆烘焙在软件中。

HIPAA不在乎LLM。FDA认证不会因为GPT-5的存在而变得更容易。SOX（萨班斯-奥克斯利法案）合规要求不会因为Anthropic发布了一个新插件而改变。

Epic在医疗EHR界限的主导地位从根蒂上说是一个监管护城河。18个月的实施周期，合规认证，与病院计费系统的集成。这些皆不会受到LLM的影响。

事实上，监管要求可能会恰好在合规锁定最强的垂直界限减缓LLM的接收。病院不可用LLM智能体替换Epic，因为LLM智能体莫得通过HIPAA认证，莫得所需的审计追踪，也莫得经过FDA考据用于临床决策解救。

8. 集聚效应（Network Effects）→ 粘性

一些垂直软件跟着更多行业参与者的使用而变得更有价值。彭博的音书功能（IB chat）是华尔街事实上的通讯层。如果每个交往敌手皆使用彭博，你就必须使用彭博。不是因为数据。是因为集聚。

LLM不会龙套集聚效应。如果有的话，它们可能会使通讯集聚更有价值。流经这些集聚的信息变成了考试数据、陡立文、信号。

这相似适用于任安在行业内充任通讯层的垂直软件。Veeva在制药公司之间的集聚效应。Procore在建筑利益联系者之间的集聚效应。这些具有粘性，因为价值来自于平台上还有谁，而不是来自于界面。

9. 交往镶嵌（Transaction Embedding）→ 经久

一些垂直软件径直位于资金流中。餐馆的支付处理。银行的贷款披发。保障公司的索赔处理。当你镶嵌交往中时，切换意味着中断收入。莫得东说念主会自发那样作念。

如果你的软件处理支付、披发贷款或结算交往，LLM不会去中介化（disintermediate）你。它可能会行为一个更好的界面位于你之上，但轨说念本人仍然至关遑急。

Stripe并未受到LLM的恫吓。FIS或Fiserv也莫得。交往处理层是基础法子，不是界面。

10. 纪录系统地位（System of Record Status）→ 弥远受恫吓

当你的软件是重要业务数据的巨擘真相起头（canonical source of truth）时，切换不单是是未便。它是存在性风险。如果数据在迁徙过程中损坏奈何办？如果历史纪录丢失奈何办？如果审计追踪中断奈何办？

Epic是患者数据的纪录系统。Salesforce是客户关系的纪录系统。这些公司受益于留住的成本（高额用度）与离开的成本（潜在的数据丢失、运营中断）之间的不合称。

LLM今天并不径直恫吓纪录系统的地位。但智能体正在暗暗地建立它们我方的纪录系统。

正在发生的事情是：AI智能体不单是查询现存系统。它们读取你的SharePoint、你的Outlook、你的Slack。它们集聚对于用户的数据。它们编写抽象的缅想文献，这些文献在会话之间经久存在。当它们实行重要操作时，它们存储该陡立文。跟着时期的推移，智能体积贮的用户使命图景比任何单一纪录系统皆更丰富、更完好意思。

智能体的缅想变成了新的真相起头。不是因为任何东说念主权谋这么作念，而是因为智能体是看到一切的那一层。Salesforce看到你的CRM数据。Outlook看到你的邮件。SharePoint看到你的文档。智能体看到这三者，况兼铭刻。

这不会通宵之间发生。但在方朝上，智能体正在重新启动构建它们我方的纪录系统。跟着智能体陡立文缅想的增长，传统纪录系统的护城河在松开。

最终恶果：准初学槛责骂

把悉数这些加起来。五个护城河被蹂躏或削弱。五个保持踏实。但那些离散的护城河恰是将竞争敌手拒之门外的那些。那些保持踏实的护城河是唯独部分现存巨头才领有的。

在LLM之前，建立一个彭博或LexisNexis的可靠竞争敌手需要数百名懂界限的工程师、数年的开发时期、大范围的数据许可交往、能向保守企业销售的销售团队以及监管认证。恶果：大多数垂直界限唯独2-3个着实的竞争敌手。

在LLM之后，一个小团队应用前沿模子API、界限专科学问和邃密的数据管说念，不错在几个月内构建出一个能处理垂直软件80%功能的产物。我知说念这一丝，因为我还是作念到了。Fintool是由一个六东说念主团队建立的。咱们作事于以前完全依赖彭博和FactSet的对冲基金。不是因为咱们有更好的数据。而是因为咱们的AI智能体比阿谁需要多年培训才略掌抓的终局/使命站能更快、更直不雅地提供谜底。

重要的知悉是，竞争不是线性增多的——它是组合式爆发（explodes combinatorially）。你不是从3个现存者变成4个。你是从3个变成300个。这便是蹂躏订价权的原因。在LLM之前，每个垂直界限有2-3个主导玩家，因为进入壁垒不可起始，是以它们领有溢价才略。当50家AI原生初创公司能以20%的价钱提供80%的才略时，这个数学逻辑完全改变了。

重要：这是一个多年的过渡，而非通宵之间的崩溃

这便是我以为市集在时期判断上出错的场地，即使标的是对的。

企业收入不会通宵之间灭绝

FactSet的客户坚韧的是多年合同。彭博终局合同持续至少2年。这些合同不会因为Anthropic发布了一个插件就挥发。

企业采购周期是以季度和年来猜测的，而不是天。一家500亿好意思元的对冲基金不会因为Claude不错查询SEC备案文献就未来淹没标普全球CapIQ。他们会在12-18个月内评估替代决策。他们会运行试点姿色。他们会谈判合同条件。他们会恭候现存合同到期。

收入绝壁是着实的，但它是一个陡坡，而不是绝壁。现时的收入在来日12-24个月内大部分已被锁定。

收入绝壁是着实的，但它是一个陡坡，而不是绝壁。现时的收入在来日12-24个月内大部分已被锁定。

但市集已司认知的一丝是：你不需要收入下降才会导致股价崩盘。你需要的是估值倍数（multiple）压缩。一家金融数据公司在领有订价权和95%留存率时可能以15倍营收交往，而当市集以为这两者皆在受到侵蚀时，可能以6倍营收交往。收入持平。股价下降60%。这恰是目下发生在一些公司身上的事情。

市集并不是在为收入崩溃订价。它是在为溢价倍数的驱逐订价，因为讲明该倍数合理的护城河正在融化。

着实的恫吓

着实的恫吓不是LLM本人。它是垂直软件现存巨头莫得料猜想的钳形攻势（pincer movement）。

从下看，数百家AI原生初创公司正在进入每一个垂直界限。当构建一个可靠的金融数据产物需要200名工程师和5000万好意思元的数据许可时，市集当然整合成3-4个玩家。当它需要10名工程师和前沿模子API时，市集剧烈碎屑化。竞争从3变成300。

从上看，横向平台（Horizontal platforms）正初度深入垂直界限。Excel里面的Microsoft Copilot目下不错进行AI驱动的DCF建模和财务报表判辨。Word里面的Copilot不错进行合同审查和判例法筹谋。横向器具通过AI变得垂直化，而不是通过工程。

Anthropic正从另一个标的作念相似的事情。我正在近距离不雅察，因为Fintool是一家Anthropic解救的公司。Claude正在全力干涉垂直界限。脚本绵薄得可怕：一个通用的智能体线束（SDK），可插拔的数据打听（MCP），以及界限特定的妙技（Markdown文献）。便是这么。这便是你从横向走向垂直所需的悉数技能栈。莫得界限工程师。莫得多年的开发。

软件正在变得无头化（headless）。界面灭绝了。一切皆流经智能体。遑急的不再是软件。而是领有客户关系和用例，这意味着领有智能体本人。

收场垂直深度（LLMs + Skills + MCP）的技能，恰是让横向平台终于能够在它们以前无法波及的界限竞争的技能。这大致是垂直软件面对的最具存在性的恫吓：像微软这么的横向B2B玩家不再只是涉足垂直界限，它们正在积极地扩展进入，因为目下比以往任何时候皆更容易，而且因为它们需要领有用例和使命流，以在AI优先的宇宙中保持联系性。

风险评估框架

并非悉数垂直软件皆面对相似的风险。以下是我怎样想考哪些类别能生涯，哪些不可。

高风险：搜索层（The Search Layer）

如果你的主要价值是通过专诚的界面使数据可搜索和可打听，且底层数据是公开的或可许可的，你就处于严重的勤恳中。这包括建立在许可交往所数据之上的金融数据终局、建立在群众判例法之上的法律筹谋平台、专利搜索器具，以及任何产物本色上是“咱们为你行业的数据建立了一个更好的搜索引擎”的垂直界限。

这些公司曾以15-20倍的营收交往，因为界面锁定和有限的竞争。这两者皆在挥发。想想那些在以前一年中市值亏蚀了40-60%的金融数据提供商。市集从新给它们订价是对的。

中等风险：搀和投资组合（The Mixed Portfolio）

好多垂直软件公司领有退避性和表现性业务线的搀和体。一家公司可能领有着实专有的评级业务，同期也领有一个主要从新包装群众信息的数据分析部门。或者一个指数许可业务（镶嵌交往中，特别具有退避性）掌握有一个筹谋平台（纯搜索层，特别表现）。

这一类别的股价下降（20-30%）响应了市集对哪部分业务主导估值的不细目性。重要问题是：有些许百分比的收入来自LLM无法波及的护城河？

低风险：监管堡垒（Regulatory Fortresses）

如果你的护城河是监管认证、合规基础法子以及与重要任务使命流的深度集成，LLM在中期内险些与你的竞争地位无关。领有HIPAA合规和FDA考据的医疗EHR系统。具有监管锁定的人命科学平台。金交融规和陈诉基础法子。

这些公司甚而可能受益于其他场地的AI颠覆，因为客户会围绕他们信任的受监监使命流供应商进行整合，同期从他们用于信息检索的供应商那里转出。

测试

对于任何垂直软件公司，问三个问题：

数据是专有的吗？如果是，护城河踏实。如果不是，可打听性层正在崩溃。

有监管锁定吗？如果有，LLM不会改变切换成本方程。如果无，切换成本主淌若界面驱动的，况兼正在融化。

软件镶嵌在交往中吗？如果是，LLM位于你之上，而不是取代你。如果不是，你是可替换的。

数据是专有的吗？如果是，护城河踏实。如果不是，可打听性层正在崩溃。

有监管锁定吗？如果有，LLM不会改变切换成本方程。如果无，切换成本主淌若界面驱动的，况兼正在融化。

软件镶嵌在交往中吗？如果是，LLM位于你之上，而不是取代你。如果不是，你是可替换的。

零个“是”：高风险。一个：中等风险。两个或三个：你可能没事。

我在两头开采中学到了什么

当我从2016年启动构建Doctrine时，护城河之一是界面。咱们在判例法和立法之上构建了漂亮的搜索体验。讼师们心爱它，因为它比市集上的任何其他东西皆更快、更直不雅。大部分数据是公开的，但咱们的界面和搜索使其可打听。如果我今天重新启动构建Doctrine，该业务将面对根蒂不同的竞争款式。LLM智能体不错像咱们的界面一样有用地查询判例法。

垂直SaaS的清理并不是对于悉数垂直软件的衰落。它是对于市集终于启动永别那些领有着实稀缺资源的公司，和那些在LLM智能体眼前无险可守的公司。