谁能想到,最前沿的AI创业公司如今却争相投身于最传统的行业。过去一两年,硅谷出现了一个显著趋势:一批AI初创企业不再满足于单纯向企业出售软件,而是直接下场,收购律所、会计师事务所、保险代理机构,甚至物业管理公司。据不完全统计,全球已有32家AI相关企业收购或直接经营传统服务业务。其中,会计税务领域占比最高,达到9家;法律服务5家;保险、客服和物业管理各3家。这一现象颇具深意。过去二十年,软件行业最成功的商业模式之一,就是向传统企业出售工具,通过提升客户经营效率来赚取订阅费。然而,如今部分AI公司发现,仅靠卖工具似乎已显不足。一方面,传统服务业的市场规模远超软件市场;另一方面,随着通用大模型能力日益增强,单纯依靠AI功能构建的竞争优势也愈发难以维持。于是,一种新的商业模式应运而生:与其帮助企业提升效率,不如直接收购并经营这些传统业务。当然,随之而来的问题也不容忽视。AI虽然能替代大量重复性劳动,却无法替代客户关系、员工管理与市场竞争。技术确实能让一门生意变得更高效,但这并不等同于它能变得更赚钱。对于这批AI创业公司而言,真正的考验或许才刚刚开始。
第一部分:AI公司竞相争夺传统服务业市场
过去几年,越来越多的原生AI公司将目光投向了传统行业。例如,美国AI法律公司Eudia,原本主要利用AI协助企业审查合同和处理合规事务。2025年,公司先后收购了爱尔兰法律服务商Johnson Hana和美国Out-House。在AI会计领域,Multiplier最初计划开发税务软件以辅助会计师工作,但今年4月收购了新西兰财税咨询公司Oxygen Advisors,9月又拿下了美国外包会计服务商Rooled。保险领域的Equal Parts累计收购了10家保险代理机构;客服领域的Crescendo收购了客服外包商PartnerHero;英国物业管理平台Dwelly今年也已完成了13笔收购。这些企业虽然分布在不同行业,但商业逻辑基本一致:从出售AI工具转向直接经营传统服务业务。其背后的原因很简单,即争夺更大的市场份额和利润空间。今年3月,红杉资本在研究报告中指出,企业每在软件上支出1美元,通常还会在人力服务上支出6美元。换言之,AI软件公司过去争夺的,仅仅是企业整体服务支出的一小部分。但如果直接经营法律服务,AI公司就有机会获取原本属于律所的收入,并将节省的人力成本转化为自身利润。Eudia便是典型案例。2025年初,该公司年度经常性收入仅为200万美元。在连续收购两家法律服务企业后,到同年12月,其ARR突破2000万美元,一年内扩大了10倍。当然,这部分增长有相当比例来自并购,但也说明直接经营传统服务业务能迅速扩大AI公司的收入规模。更值得关注的是利润率的提升。客服公司Crescendo在收购PartnerHero后,将AI引入原有业务,使需转交人工处理的咨询减少了70%以上。管理层披露,部分完成AI改造的业务毛利率已超过60%。相比之下,传统客服外包行业的毛利率通常只有15%至25%。这意味着,AI不仅有助于扩大收入规模,还有机会显著提高传统服务业的盈利水平。此外,除了争夺利润,AI公司收购传统企业还有另一个目的:构建新的竞争壁垒。随着通用模型能力不断提升,越来越多原本需要专门开发的功能被基础模型直接覆盖。对于AI应用公司而言,今天领先的功能明天可能成为所有产品的标配。相比之下,真实业务中的客户关系、行业数据和工作流程反而更难复制。英国物业管理平台Dwelly便是例证。截至今年10月,Dwelly通过连续收购管理了约1.61万套房产。这些收购不仅带来了客户,还让Dwelly积累了大量真实的物业管理数据,包括租客沟通、房东偏好、维修记录等。更重要的是,直接经营业务使其能够利用真实场景持续改进AI系统。2026年8月,Dwelly的AI系统处理了1000多笔维修任务。每当AI需人工介入,团队便会分析原因,反向优化系统。据披露,经AI改造后,单笔维修任务所需的人工处理时间已从约3小时缩短至15至20分钟,降幅接近90%。这就形成了一种潜在的数据飞轮:收购带来客户和数据,数据优化AI,AI进一步降低成本。当模型能力越来越容易被复制,真实业务经验和客户关系反而可能成为AI公司更重要的护城河。归根结底,这轮收购潮既是为了争夺传统服务业的利润,也是AI应用公司寻求新竞争优势的一次尝试。
第二部分:买下了生意,也接手了棘手问题
然而,传统生意并没有那么好接手。在梳理的32家相关企业中,至少有7家在收购后遭遇客户投诉,另有5家出现员工对内部管理的不满。这些反馈背后,暴露出两个现实问题。首先是收购后的经营整合。不同于软件产品可以低成本复制,法律、会计、保险等专业服务高度依赖具体人员。客户信任的可能是合作多年的律师或会计师,而非新接手的AI公司。一旦原有员工离职、服务流程调整,企业不仅面临客户流失风险,还需承担额外的管理成本。AI法律公司Lawhive便是典型例子。2025年9月,Lawhive收购Woodstock后不久,就有客户投诉,原本承诺7至14天完成的沟通,拖延至25天仍未有结果。内部员工同样不满。一位Woodstock法律助理在Glassdoor上抱怨,公司被收购后缺乏统一培训,管理混乱,甚至新员工入职不久还得教其他新人工作。这说明,AI能优化具体工作流程,却无法自动解决组织管理难题。AI可以买下一家公司的客户和业务,却无法直接复制其多年积累的经营能力。其次,也是更为关键的问题在于,AI节省下来的成本未必全归AI服务商所有。虽然AI降低了服务成本,但效率红利仍需在服务公司、专业人员和客户之间重新分配。以Lawhive为例,公司创始人曾披露,引入AI后平台律师的平均收入提高了约2.8倍,但消费者支付的法律服务价格却下降了约30%。客服领域也是如此。Crescendo不再单纯按客服人数收费,而是改为按实际解决问题收费。其CEO也明确表示,AI降低成本后,部分收益将让利给客户。此外,客户正变得越来越强势。今年9月,《金融时报》报道,花旗、摩根士丹利和高盛等大型投行已开始要求外部律所披露AI节省的成本,并通过竞标、固定收费等方式压低法律服务开支。HFS Research对304家大型企业的调查显示,74%的受访采购方认为采用AI交付的专业服务应更便宜,其中34%预期降价幅度超过30%。这背后,其实是AI正在动摇传统专业服务业的收费基础。原因很简单,AI将原本需数小时完成的工作压缩至几分钟,客户自然会质疑为何还要支付原价。更重要的是,随着AI技术普及,竞争对手也能获得类似效率。当所有服务商成本下降,降价便可能成为争夺客户的新武器。最终,AI创造的效率收益很可能通过价格竞争不断向客户转移。这意味着,AI公司可能陷入尴尬境地:通过AI大幅减少人工投入,却又为争夺客户不得不持续降低服务价格。AI能降低一家公司的成本,但决定其能赚多少的,依然是市场竞争的结果。
第三部分:AI收购潮,真正的考验才刚刚开始
说到底,这轮AI收购潮本质上是一场利用技术改造传统服务业的商业实验。AI创业公司试图通过并购和技术改造,将高度依赖人力的传统服务企业,转化为利润率更高、具备规模化扩张能力的科技服务商。然而问题在于,效率提升并不等于利润增长,更不代表商业模式发生了根本改变。即使AI大幅降低了人工成本,企业仍需面对客户管理、业务整合和市场竞争。更何况,AI带来的效率红利未必能全部留存。这个故事究竟能创造多大价值,仍需更多时间来检验。
