對於我們這些遊走美中之間的創業者而言，這不僅是一個技術選擇，更是一個攸關存亡的戰略決策。
這系列文章源自作者在中美兩地超過200次新創交流的親身經歷，以及近期參與各家中美創投機構年會的觀察，作者想分享在這場變局中看到的機會與陷阱。以下所有金額均以美元計價。
Thesis 3：垂直領域的Agentic應用——從工具到數位同事
在深入之前，讓我先釐清一個核心概念：什麼是「垂直Agentic應用」？
重新定義：什麼是垂直Agentic應用？
在我的理解中，「垂直Agentic應用」不是傳統意義上的「AI工具」或「AI助手」，而是能夠在特定行業中自主執行端到端工作流的AI系統。根據我的觀察，它有三個關鍵特徵：
- 垂直領域深度專業化：不是泛用型AI，而是針對特定行業（法律、醫療、金融等）深度訓練，理解該領域的專業術語、工作流程和隱性知識。
- 端到端工作流自動化：不只是完成單一任務（如「生成一封郵件」），而是能自主規劃、執行整個業務流程（如「從接收客戶需求 → 研究案例 → 撰寫法律文件 → 排程會議」）。
- 從工具到「數位同事」：不需要人類事事指導，而是被賦予目標後能自主判斷、行動、調整策略——更像是一位初級員工，而非一個被動工具。
根據Gartner的預測，到2026年，超過30%的新應用將內建這類自主代理能力。麥肯錫（McKinsey）的研究也指出，相比「水平應用」（如企業級Copilot），垂直Agentic應用對企業營收的影響更直接、更可衡量。
案例1 Abridge：結構化醫療記錄的AI Agent
讓我分享第一個案例，Abridge是一個將醫患對話即時轉化為結構化醫療記錄的AI Agent。
在傳統流程中，醫生需要在看診時手動記錄，或在看診後花大量時間整理病歷——這導致醫生每天有2-3小時消耗在文書工作上，而不是照顧病人。我看到的是，這不僅降低了醫療效率，也加劇了醫護人員的職業倦怠。
Abridge的解決方案展現了真正的「端到端工作流自動化」：
- 即時轉錄醫患對話：支持醫學專業術語和各種口音，準確率遠超通用語音識別系統。
- 智能提取關鍵醫療資訊：自動識別並結構化症狀描述、診斷結果、治療計劃等核心內容。
- 生成合規病歷記錄：輸出符合HIPAA（美國健康保險流通與責任法案）要求的標準化醫療文檔。
- 自動更新電子健康記錄（EHR）系統：無縫整合進醫院現有的資訊系統。
在我的觀察中，這不只是「語音轉文字」——它理解醫療語境、臨床推理邏輯，並能將非結構化對話轉化為標準化醫療文檔的完整流程自動化。這就是我所說的「數位同事」：它不需要醫生逐步指導，而是自主完成整個文書工作流程。（延伸閱讀｜15億筆資料看台灣長照：AI如何一年減輕100位護理師的負擔？）
案例2 Harvey AI：法律研究和文件起草的AI Agent
我的第二個案例來自法律領域。Harvey AI是專為律師事務所設計的AI Agent，專注於法律研究和文件起草。
法律工作向來以高度專業化和勞動密集著稱。
一個初級律師可能需要花費數天時間：搜索相關判例、閱讀法律文獻、分析案件相似性、起草法律意見書。Harvey AI展示了如何將這個流程自動化：
- 深度法律研究：在數百萬份判例、法規和學術文獻中搜索，識別出與當前案件最相關的先例。
- 案件分析與策略建議：基於歷史數據分析案件勝算，提出訴訟策略建議。
- 自動起草法律文件：生成符合法律格式要求的合約、訴狀、法律意見書初稿。
- 持續學習與更新：隨著法規變更和新判例產生，自動更新知識庫。
Harvey AI已被多家頂級律師事務所採用，包括Allen & Overy等。在我看來，它的價值不在於「打字更快」，而在於真正承擔了初級律師的部分職責——研究、分析、起草，這是完整的工作流，而不只是單一功能。
垂直Agentic應用可接手人力需耗時數天的事務流程，使高度專業且勞動密集的法律工作實現完整的自動化。圖片來源：Shutterstock
為什麼垂直Agentic應用是機會？
這兩個案例讓我看到了幾個關鍵洞察：
- 高價值、高付費意願
法律和醫療都是高客單價領域，企業和醫療機構願意為真正解決核心痛點的方案付費，不是「便宜的工具」，而是「昂貴但值得的解決方案」。Abridge和Harvey AI的快速擴張證明了這一點。
- 建立真正的護城河
這些公司的護城河不在於「模型有多強」，而在於：領域專業知識的深度整合：理解醫療臨床推理、法律判例邏輯，這需要與領域專家深度合作。
- 專有數據的累積：每一次使用都在訓練系統，形成獨特的數據資產。
- 合規性與安全性：深度嵌入HIPAA、GDPR等監管要求，這是通用AI公司難以快速複製的。
這些壁壘讓OpenAI、Anthropic等通用模型公司即使技術領先，也難以快速取代這些垂直應用。
- 從「功能」到「結果」的價值主張
最重要的轉變是商業模式。垂直Agentic應用的價值主張不是「我們有AI功能」，而是「我們幫你完成這個工作」。這種 “Service-as-a-Software” 的模式，讓估值和定價邏輯都更接近傳統服務業——而服務業的利潤率往往更高。
醫院不是在買「AI語音轉文字工具」，他們買的是「減少醫生文書工作時間、讓醫生有更多時間看病人」。律所不是在買「法律AI助手」，他們買的是「初級律師的工作產出，但成本只有人力的一小部分」。
因此，我認為機會在於：選擇一個你深刻理解的垂直領域（可能是製造、物流、醫療器材等台灣有優勢的產業），打造能自主執行核心工作流的AI Agent。
不要試圖做「萬能助手」——那是Google、Microsoft在做的事，競爭過於激烈。我們應該成為某個領域裡不可或缺的「數位同事」。
台灣在精密製造、醫療器材、半導體設備等領域有深厚的產業knowhow。想像一下：
- 製造領域的AI Agent：自主管理生產排程、預測設備維護需求、優化供應鏈
- 醫療器材領域的AI Agent：協助臨床數據分析、監管文件準備、技術支援
- 物流領域的AI Agent：動態路徑優化、庫存管理、異常事件應對
這些都是我們理解的產業，我們知道真正的痛點在哪裡，我們有進入這些產業的人脈和信任。這就是我們的競爭優勢。
台灣的世界級套利機會
當我們理解矽谷對高價值垂直應用的渴求，也看得懂中國開源模型的技術文檔和生態玩法。當我們既熟悉美國的市場機制和商業可持續性，也能看穿中國模式中「速度與規模」背後的執行邏輯。
這種跨文化、跨市場的洞察力，不是通過學習就能獲得的——它來自我們獨特的地緣位置、產業基因以及數十年在全球科技產業鏈中累積的實戰經驗。（延伸閱讀｜將DeepSeek融進客製化邊緣AI：台灣未來10年新戰場）
也許，這就是我看到的「世界級套利機會」：
- 用中國的「引擎」加速：利用高性價比的開源模型完成80%的基礎工作、快速搭建原型、處理非核心任務，大幅降低研發和運算成本。
- 攻佔美國的「高地」：將省下的資源和精力全部聚焦在最理解美國市場的「最後一哩路」——深入特定行業（domain-specific），解決複雜工作流，打造擁有專有數據護城河的高價值應用。
- 思考轉型：如何從提供「工具」轉變為交付「成果」，真正實現 「Service-as-a-Software」的商業模式轉型。
我思考這種融合中西、策略套利的能力，是單一文化背景團隊難以複製的護城河。
當矽谷團隊還在為高昂的算力成本焦慮，當中國團隊還在摸索美國市場的商業邏輯時，我們是否能尋找到可以同時駕馭兩邊優勢的路徑，定義自己的戰場。
而你，準備好成為其中之一了嗎？
共勉之。
（本文獲作者授權刊登，作者LinkedIn為 https://www.linkedin.com/in/lucycxy）
