你花1万块买了一套财务软件，然后花12万雇了一个会计来用它。下一个伟大的公司不会卖软件给你——它会直接帮你把账结了。这不是创业者的异想天开，这是红杉资本合伙人Julien Bek在2026年3月发表的万字长文《Services: The New Software》的核心判断。
1:6
软件vs服务支出比
$1T
Bek预测的下一个万亿公司体量
10+个
文中点名的高潜力赛道
一句话读懂红杉的判断
如果你卖工具，你在跟模型赛跑。如果你卖结果，模型每次升级都让你更快、更便宜、更难被替代。
这句话值得每个AI创业者打印出来贴在显示器上。
过去20年的SaaS范式是卖工具：Salesforce卖CRM，HubSpot卖营销自动化，ServiceNow卖IT工单系统。但用户买的从来不是工具本身——他们要的是签单、获客、问题解决。工具只是达成结果的中间环节。AI的突破在于，这个中间环节可以被大幅压缩甚至消除。
Intelligence vs. Judgement：关键区分
Bek在文中做了一个精准的切割：
| 维度 | Intelligence（智能） | Judgement（判断力） |
|---|---|---|
| 定义 | 规则复杂但终究是规则 | 需要经验、品味和直觉 |
| 编程举例 | 写代码、跑测试、修Bug | 决定下一个版本做什么功能 |
| 会计举例 | 记账、对账、生成报表 | 税务筹划、审计判断 |
| AI能力 | 已经达到人类水平 | 仍需人类参与 |
| 商业机会 | 可以完全自动化 | 需要人机协作 |
他的观点是：写代码这件事大部分是Intelligence——规则复杂，但终究是规则。AI已经能做到。但判断下一个Sprint做什么功能、是否承担技术债、什么时候发布一个不完美的版本——这是Judgement，需要多年经验积累的直觉。
这个框架的价值在于：它告诉创业者从哪里切入。先吃掉Intelligence密集的工作（规则多、重复性高、有明确对错），积累领域数据后逐渐蚕食Judgement领域。
从Copilot到Autopilot：不是升级，是物种跃迁
文中最有冲击力的概念是Copilot（副驾驶）到Autopilot（自动驾驶）的跃迁：
这引出了一个创业者的经典两难：
Copilot公司的创新者困境——你的客户是专业人士（律师、会计、工程师）。如果你从Copilot升级到Autopilot，你就在抢客户的饭碗。这就是为什么很多Copilot公司无法完成跃迁——不是技术做不到，是商业模式不允许。
这给了纯Autopilot创业公司一个结构性机会：没有历史包袱，直接卖结果。
Bek点名的十大赛道
文章列出了具体的TAM数据和代表公司。以下是关键赛道：
| 赛道 | 全球服务TAM | 代表公司 | 模式 |
|---|---|---|---|
| 保险经纪 | $1400-2000亿 | WithCoverage, Harper | 直接卖保险服务 |
| 会计/审计 | $500-800亿 | Rillet, Basis | AI直接出报表 |
| 医疗收入周期管理 | $500-800亿 | Anterior | 自动化理赔 |
| 理赔定损 | $500-800亿 | Pace, Strala | AI定损替代人工 |
| 税务咨询 | $300-350亿 | TaxGPT, Skalar | 自动报税 |
| 法务（交易类） | $200-250亿 | Harvey, Crosby | 合同审查自动化 |
| IT托管服务 | $1000亿+ | Edra, Serval | AI运维 |
| 供应链/采购 | $2000亿+ | Magentic, AskLio, Tacto | 自动采购比价 |
| 招聘/人力 | $2000亿+ | Juicebox, Mercor | AI招聘 |
| 管理咨询 | $3000-4000亿 | 高Judgement密度，尚难切入 | 人机协作 |
注意最后一行——管理咨询TAM最大（$3000-4000亿），但因为高度依赖Judgement，目前最难被Autopilot化。这不代表不能做，而是需要更长的数据积累周期。
中国创业者应该读出什么？
Bek的文章针对的是欧美市场，但核心逻辑对中国制造业创业者同样成立——甚至更成立。
auto_awesome中国制造业的1:6效应更极端
中国制造业企业每年在ERP/MES等软件上的投入可能只有几十万，但围绕这些系统的运维、数据录入、报表生成、质量检验等人力成本可能是软件的10-20倍。这意味着从"卖工具"到"卖结果"的杠杆效应在中国更大。
具体到制造业AI的切入点：
采购比价——这是典型的Intelligence密集型工作。3000条供应商报价的横向比对、历史价格趋势分析、规格参数匹配，全是规则。一个AI Agent可以在12分钟内完成人工4小时的工作。不卖比价工具，直接出采购建议报告。
质量异常闭环——从异常检测到根因分析到纠正措施跟踪，流程固定、数据结构化。不卖质检系统，直接交付质量闭环结果——异常发现到解决全程AI驱动，人只需要在关键节点确认。
研发知识管理——材料配方、工艺参数、实验记录的结构化检索和推荐。不卖知识库软件，直接回答研发工程师的问题并给出配方建议。
Autopilot创业的四步打法
Bek在文章中给出了一个清晰的切入路径：
从外包、Intelligence密集的任务切入
选择客户目前外包给服务商的工作（说明这个工作本来就不需要内部员工），且以规则为主（Intelligence密集），AI可以做到90%+的准确率。
用AI交付结果，不卖工具
直接报价交付物，而不是卖软件License。客户不需要学新工具、不需要培训、不需要IT支持。
积累领域数据，建立护城河
每一次交付都在积累专有数据——客户的偏好、行业的惯例、例外情况的处理方式。这些数据让你的AI持续改进，竞争对手无法复制。
逐步蚕食Judgement领域
当AI对行业足够了解，开始处理需要判断力的任务——不是替代人，而是把判断力民主化，让中小企业也能享受到大企业才请得起的专家水平服务。
一个值得警惕的信号
如果红杉资本的合伙人公开发文说"下一个万亿公司不卖软件卖服务"，这意味着这个方向已经不是假设——它是正在发生的事实。红杉背后投注的公司（Harvey、Rillet、Anterior等）已经在验证这个模式。
对中国AI创业者来说，这篇文章最大的价值不在于抄红杉的作业——中美市场差异太大。价值在于思维方式的转变：
不要问"我的AI产品有什么功能"。要问"我的AI能帮客户完成什么工作"。
前者让你成为一个工具公司，后者让你成为一个服务公司。在AI时代，服务公司的天花板远高于工具公司——因为你吃的不是软件的1美元，而是服务的6美元。
这正是FluxWise智流科技在企业AI智能体领域的定位：不卖Agent平台的License，而是帮制造业企业直接交付场景化的AI自动化结果。从采购比价到质量闭环，从研发知识到供应链决策——卖结果，不卖工具。
原文来源：Services: The New Software — Julien Bek, Sequoia Capital, 2026年3月5日