16万亿美元的服务市场，正在被AI公司用收购的方式吃掉

全球服务业年收入约16万亿美元，全球软件年收入约1万亿美元。这两个数字放在一起，就能解释一家硅谷风投为什么开始买会计事务所、律所、IT外包商和呼叫中心。

General Catalyst董事总经理Marc Bhargava在《Cognitive Revolution》这期节目里，把这套打法讲得很细。他的身份适合聊这件事：联合创立了加密领域第一家主经纪商Tagomi，公司被Coinbase收购后成了Coinbase Prime，联合创始人Greg至今还在管那块业务。他自己是operator出身，现在在GC负责creation（孵化创建）这条线，GC历史上孵化过Kayak、Livongo这类公司。

他管自己正在建的东西叫AI enabled rollup，也叫compounder。翻成中文大概是「AI改造型并购平台」。逻辑不复杂：先做垂直AI软件，拿到产品市场匹配，然后掏钱买下传统服务公司，用AI把这家公司的活儿重新做一遍，腾出自由现金流，再买下一家。

这个模式在公开市场有先例。Danaher、TransDigm、Constellation Software，包括伯克希尔哈撒韦，都是买公司、改造、产生现金流、再买的循环，过去十年是对冲基金的心头好。Marc的想法是，这套循环现在多了一个新杠杆，AI。

服务业5%到10%的利润率，为什么突然变得有吸引力

传统上风投不碰服务业，原因很直接：EBITDA利润率5%到10%，扣掉资本开支基本不剩什么，撑不起风险投资的回报模型。

Marc团队的算法是，如果一个服务品类里30%到70%的工作任务可以被AI接手，利润率就能从5%到10%抬到30%到40%，接近软件公司的水平。这个数字一旦成立，服务业就从「不值得投」变成「值得用并购的方式去吃」。

他们做了一件很笨但很关键的事：把70个服务品类拆到任务层级，逐个看哪些环节今天就能自动化，最后留下10个候选垂直领域。这一步在投第一笔钱之前就做完了。Marc说，团队拿到第一轮资金后还要再下去一层，实地shadow客户，把每个人一天的工作时间拆开，做出小时级别的任务地图，回来汇报，才拿到买公司的钱。

「我们一般会进去跟着客户干活，理解他们业务里所有的流程，把所有人和他们的流程加总起来，画出这家公司的时间都花在哪。」

已经下注8个这样的rollup，其中5个是GC从零孵化、开出第一张支票。

四个能被自动化的任务桶

过去两年，被验证可自动化的任务基本落在四类：

• 客服与常见问题应答。呼叫中心是典型场景，Crescendo在做的就是这个，Marc给出的数字是50%到70%的呼叫中心流程可以用agent加LLM接管。
• 内容生产。演示文稿、文案、营销素材、邮件，凡是文字吞吐量大的业务都在这一类。
• 重复数据处理。填表、核对清单、看表格。保险理赔里「屋顶塌了没有、材料交齐了没有」这类判断最典型。
• 逻辑与推理。这是最近一年才成熟的一类。还是保险，从核对表格变成给出定价建议；法律场景里，律师可以问模型「我这个案子会碰到哪些刁钻问题」。

这四类之外的部分，他们主动放弃。Marc提到两个排除标准：一是重资产、重物理世界的行业，水管、屋顶、暖通、消防，AI在调度和收款上能帮点忙，但够不到30%这条线；二是高流失率的行业，数字广告代理和公关公司被点名，客户同时用好几家供应商，改造过程中只要出一次岔子就可能被换掉，没有6个月到一年的缓冲期，这门生意做不成。

第三个排除标准是模型能力。两年前保险核保根本做不了，今天能做了。这条线每3到6个月移动一次，所以10个垂直领域不是固定名单。

Eudia卖的不是软件，是「活儿」

法律这块，Marc讲了一个我认为整期节目里最值得琢磨的定位问题。

大部分法律支出花在外部律所，软件预算占比很小。所以卖工具给律所，天然撞上一个矛盾：工具让律师更高效，可律所是按小时收费的，效率提升直接砍自己的账单。

Eudia（节目中转写为Udia、Yudia）绕开了这个矛盾。它直接卖给财富100强公司的总法律顾问，卖的是软件加服务的混合体，让in-house法务团队用同样的headcount接更多活，少外聘律所。为此它收购了Johnson Hana，一家提供法律服务的公司，把这部分人力也装进自己的交付里。

Marc用Palantir做类比：Palantir派驻前置工程师，看起来在做服务，本质上卖的是一个AI平台和一套结果。他把这个叫「卖work」，卖的是完成的工作，而非工具。

这里有个技术细节很有意思。Marc说同一个法律任务，OpenAI的模型在案例文本摘要上更强，Anthropic的模型在推理和应对刁钻提问上更强，Eudia会把两家都接进来，按任务分派。模型每3到6个月进步一次，这层能力会直接流到应用层，前提是应用层团队得懂怎么评估和拼装。

卖公司的人为什么愿意留下30%的股权

这套模式里最难的一环是并购本身。学界和业界的共识是大部分并购不创造价值，Marc自己也承认这是他们做的最难的部分。

他们的解法是先从客户做起。Crescendo先服务了10到15家呼叫中心，跑出高自动化率，然后回头去买其中一家体量更大的。这时候谈判的性质变了：对方已经亲眼见过技术效果，也知道自己没有工程团队、没有CTO，靠自己的力量落不了地。

报价结构是关键。卖方可以拿走30%左右的股权滚动到新主体里，如果他认为后面有10倍空间，这30%未来能变成3倍于全部现金对价的钱。Marc说，很多人主动要求提高滚动比例，这在传统PE交易里不常见。

另一个差异是不用债务。PE收购通常加杠杆，有了利息支出就必须降本，降本就要动人。GC这批交易早期基本不用债，账上多出来的是软件订阅费和工程师成本，赌的是收入增长能覆盖这些新增开支。

他给出的量化目标是：三年内成本增加20%，收入翻一倍。这个比例能算通，才值得买。

「我们不裁员」这句话怎么算账

员工的反应是这期节目里最接地气的部分。Marc说一开始一定有抵触，但他们的说法能站住脚，因为没有利息压力，不需要靠裁人省钱，进来是先加成本。

执行层面有个细节值得所有做AI改造的人抄：不改变工作流。HOA管理场景里，物业经理还是照常发邮件说「帮我做一版业委会的演示材料」，AI在后台生成好再邮件发回来。人不需要登录新系统，不需要学新界面。Marc说这是有意为之，用户的日常动作不变，变的只是背后谁在干活。

他还提到一个滚雪球效应：买完第一家之后，第一家公司的管理层会去跟第二家的团队讲发生了什么，说服成本显著下降。

Nathan在节目里举了Ambience Healthcare和克利夫兰诊所的例子做对照。克利夫兰诊所要求系统里每位医生至少用一次AI病历工具，用完之后，4000名医生里的75%在60个专科里常态化使用。一次性、低门槛的强制试用，配上足够好的产品，比自上而下的推广更有效。

Nathan的反问：如果只有20%的公司能上船

主持人Nathan Labenz在节目里明确说看好这个策略，然后提了三个质疑，我觉得这些质疑比答案更有价值。

第一，能改造的公司可能没那么多。他的估算是只有20%左右的服务公司具备领导力视野、运营水平和文化适应度，值得被收购改造。剩下80%的结局更可能是客户被抢走、好员工被挖走，公司慢慢萎缩。Marc不同意，理由是工具做得足够傻瓜化，且婴儿潮一代正在退休，接班的年轻人本来就用ChatGPT当操作系统。这个分歧没法现在判定，但值得记下来。

第二，就业数学算不平。Marc的框架是「同样的人做2到3倍的活」，前提是需求没有上限。Nathan举了会计的反例：大部分企业主对会计的诉求是「用最少的钱合规」，没有「如果我带宽更多就想多做点会计」这种隐性需求。Marc的回应是会计师严重短缺，事务所想接50%到100%更多客户却招不到人，所以供给端的瓶颈才是真瓶颈。这个回应有道理，但它假设了需求会跟着供给走。

第三，如果1到2年内90%以上的任务能被自动化，那些被挤出来的人去哪。Nathan的判断是护理、幼教、养老、教育这类人力密集型领域需求弹性足够大，能吸收一部分。Marc的答案也是这个方向，他提到GC孵化的Hippocratic，做AI原生护士，配合医疗系统拿专有数据。他的说法是，这个国家完全容得下10倍于现在的护士，术后6个月9个月的随访现在根本没人做。

节目里Nathan还提了一个我认为最尖锐的技术问题：大科技会不会把最好的模型留给自己。Marc的回答基于供给侧结构，现在有七八家顶级模型供应商，加上DeepSeek、阿里这些中国实验室，全部转向闭源的概率他给到3%以下。这个概率判断我倾向于认同，但它是动态的，两家玩家和八家玩家的博弈结构完全不同。

还有一个数据值得一提。Marc提到上一财年Mag7在AI研发和资本开支上花了1500亿美元，这一财年接近2500亿。他自己也承认，去年夏天有一段时间模型进步看起来停滞了，是去年年底的推理模型把曲线重新拉起来。

明天就能用的三件事

第一，先画任务地图，再谈工具采购。GC投钱之前要求团队实地shadow客户，把每个人一天的时间拆成任务，算出可自动化的比例。你如果正在推AI，第一步做这件事，先别急着买license。做完你会发现问题往往不在工具，在于没人说得清员工到底在干什么。

第二，别改工作流，改工作流背后的人。HOA那个邮件例子值得抄。如果新工具要求用户改变日常动作，采纳率会掉得很难看。让AI藏在现有入口后面，员工感觉不到切换成本，这是最省力的推广方式。

第三，用「3年成本涨20%、收入翻倍」当投资门槛。这个框架比「省了多少人力」好用，因为它逼你去想增量收入从哪来。如果一个AI项目算下来只有成本节省、没有收入增长路径，它大概率撑不起估值，也撑不起团队的信心。

最后留一个观察点。Marc说他们公开讲这套策略有两个目的，一是吸引从应用AI团队出来创业的人，二是告诉那些准备把公司卖给PE的老板「还有第三条路」。第二条其实是这套模式的核心竞争力所在：交易是靠信任和技术演示换来的独家机会，而非靠出价最高。这个护城河能维持多久，取决于有多少人开始抄这套打法。