核心观点其实不复杂：Anthropic 的数据显示，软件工程占了所有 AI 工具使用量的一半以上，其他职业都还在个位数。为什么？因为写代码这件事大部分是"智力工作"，AI 天生擅长。但 Bek 说，每个行业都该问自己：你的工作里，智力和判断的比例到底是多少？

智力 vs 判断：一个简单但好用的分类框架

Bek 把所有工作拆成两个成分——智力（intelligence）和判断（judgement）。

智力就是有规则可循的任务，不管规则多复杂。写代码是智力，把病历翻译成 ICD-10 医疗编码是智力，比较十家保险公司的报价也是智力。这些任务有明确的输入输出，有正确答案可以验证，AI 已经能自主搞定。

判断就是经验、品味、直觉才能处理的东西。决定下一个该做什么功能是判断，要不要为了速度牺牲技术债是判断，产品还没准备好但该不该先上线也是判断。没有标准答案，取决于情境和经验积累，AI 目前还做不好。

我觉得这个框架对独立开发者特别有用——不是用来融资，而是用来想清楚：我现在做的事情里，哪些可以直接交给 AI 自主跑，哪些必须自己把关。

一年前，大多数 Cursor 用户还在把 AI 当自动补全用。今天，由 agent 启动的任务已经比人类启动的还多。AI 已经跨过了能自主执行大部分智力工作的门槛，把判断留给人类。软件工程是第一个到达这个门槛的行业，但每一个行业都在排队。

副驾驶卖工具，自驾卖结果

这是整篇文章里我觉得最值得琢磨的区分。

副驾驶（copilot）是把工具卖给专业人士——让会计师用 AI 更快完成报表，让律师用 AI 更快审合同。客户是专业人士本人，软件只是让他效率更高。

自驾（autopilot）跳过专业人士，直接把结果卖给公司。你需要记账？直接帮你把账结好。你需要保险？直接帮你拿到保单。

Bek 举了个例子让我印象深刻：一家公司一年花 10,000 美元买 QuickBooks，再花 120,000 美元请会计师用 QuickBooks 把账做好。他说下一家伟大的公司，会直接帮你把账做好。

这里有一个关键比例——软件市场每花 1 美元，服务市场就花 6 美元。副驾驶争的是那 1 美元的工具预算，自驾从第一天就切进那 6 美元的工作预算。市场直接大了六倍。

用法律行业看更清楚：Harvey 是副驾驶，帮律师做法律研究和合同审查，客户是全美前百大律所，估值超过 110 亿美元。Crosby 是自驾，客户用 Slack 或 email 把合同丢过去，AI 加上内部律师团队处理，中位数 58 分钟交件，按件收费。公司不需要知道背后是 AI 还是人，只需要一份合规的保密协议。

还有 WithCoverage，用 AI 分析企业保单、找出保障缺口和省钱机会，直接卖给需要保险的 CFO，固定费率不抽佣金，绕过传统保险经纪人。

两条路线还有一个根本差异，跟模型进步的关系。如果你卖工具，每一次模型进步都是威胁——客户可能直接用更好的模型取代你。但如果你卖结果，每一次模型进步都让你的服务更快、更便宜、更难被竞争。副驾驶在跟模型赛跑，自驾骑着模型前进。

说实话这个洞察让我重新想了一下自己在做的事情。

为什么从外包工作切入最聪明

如果认同自驾是方向，下一个问题就是从哪里开始。Bek 的答案特别务实：从已经被外包的工作下手。

已经外包的工作告诉你三件事：

  • 公司已经接受让外部来执行这项工作
  • 预算科目已经存在，不需要说服财务部门另开一笔钱
  • 采购方买的已经是成果，不是工时

三个条件加在一起，意味着把 AI 服务替换进来，本质上只是换一个供应商——合同替换而已。但如果你想取代的是公司内部的员工，那就变成组织重整。一个是无痛切入，一个是动到组织结构，阻力天差地远。

这个思路其实对一人公司特别适用。你一个人不可能去推动大公司的组织变革，但你完全可以说"我能用更低的价格、更快的速度，交付跟你现在外包出去一样的成果"。

红杉的投资雷达：哪些行业正在被翻转

Bek 在文章里直接列了一堆产业和他在看的公司，我整理了一下：

保险经纪（1,400-2,000 亿美元）：核心工作就是询价比较和填表，几乎是纯智力工作，而且行业极度碎片化，没有巨头能挡住新进者。关注的公司有 WithCoverage 和 Harper。

会计与审计（美国外包市场 500-800 亿美元）：过去五年美国流失了约 340,000 名会计师，75% 的注册会计师即将退休，起薪又比科技和金融低，年轻人不想进来。人才短缺反而成了 AI 的加速器——没人做的事情，没有"取代员工"的政治阻力。关注的公司有 Rillet（AI 原生 ERP）和 Basis（会计师副驾驶）。

医疗收入周期管理（外包市场 500-800 亿美元）：大多数人听到"医疗"就觉得判断密集，但医疗账务这一层几乎是纯智力工作——把临床记录翻译成大约 70,000 个标准化的 ICD-10 编码，规则复杂但终究是规则。关注的公司是 Anterior。

管理咨询（3,000-4,000 亿美元）：判断占比最高的行业，数据收集和竞争分析是智力工作可以自动化，但最终的策略建议还是人类的领域。有意思的是 Bek 在这个产业的公司栏写的是"最佳候选者待定"——红杉认为方向对但还没找到那家公司。对创业者来说这是个公开邀请。

其他还有理赔调整（500-800 亿美元）、税务咨询（300-350 亿美元）、法律服务（200-250 亿美元）、IT 托管服务（1,000 亿美元以上）、供应链管理（2,000 亿美元以上）、招聘（2,000 亿美元以上），每个方向都有对应的公司在做。

共通点很明显：智力占比高、外包市场成熟、买方已经习惯按成果付费。

今天的判断会变成明天的智力

Bek 框架里还有一个动态概念我觉得很重要——智力和判断的边界会移动。

当自驾在一个行业累积了足够多的领域数据，它会开始学习"好的判断长什么样子"。今天需要资深会计师的判断才能做的决定，随着数据积累，会逐渐变成 AI 可以自主执行的智力工作。边界会持续往判断那一端推进。

而且自驾从第一天就在处理完整的工作流程，收集的是端到端的数据；副驾驶收集的只是用户在工具里的操作数据。谁的数据更完整、更能反映"工作做对了长什么样子"，答案不言而喻。这就是数据飞轮的差距。

对一人公司意味着什么

Bek 的结论是，2025 年成长最快的 AI 公司是副驾驶，2026 年很多副驾驶会试着转型自驾。但卖工作成果意味着要把自己的客户排除在外——经典的创新者两难，既有客户是营收来源，也是转型最大的阻力。

这反而是小团队和一人公司的机会。没有既有客户要照顾，从第一天就卖结果，从第一天就累积端到端的数据。

我自己的想法是，不用想得太大。找一个你熟悉的行业，看看里面哪些工作是智力密集的、已经在被外包的，然后用 AI 把那个结果直接交付出来。你不需要红杉的钱，一个人加上 AI agent 的工作流，可能就足够服务一批中小客户了。红杉画的是一张大地图，但地图上每一个点，都可以从一个人开始做起。