投资圈都说垂类大模型早晚被通用大模型淘汰，这场讨论的答案是不会

在AI4ELAB的会员交流会里，每期除了邀约的创业者与AI研究者主讲外，我们也会请在场的投资人、从业者补充视角。

7月16日晚上，这一期分享的是问龟AI创始人徐翘楚深圳95后自投数百万，用AI做装修报价审核，已完成1400单，帮业主省超千万，之后建元基金的张宁老师在交流环节的一段补充发言，单拎出来也很有分量，整理成文章给大家。

张宁老师核心在回答一个很多人纠结的问题：垂类大模型会不会被通用大模型取代？当下，投资圈主流判断是「不值得投、早晚被淘汰」，他的答案却是不会——无论哪个专业，人才都有梯度，通用大模型能顶到80%到90%，真正决定价值的是最上面那10%-20%，背后是摸爬滚打多年才有的洞见，也正是垂类模型的立身之处。

顺着这条线，他还抛出两个判断：垂类方向的AI创业，真正的含金量藏在「20%里的20%」——差不多4%的能力，撑起了超过80%的价值；很多创业项目恰恰把注意力花错了地方，耗在那前80%的基础铺垫上；以及别急着揣测需求，要让用户用真实的使用行动告诉你他要什么。最后他讲了推AI落地的打法——先打通数据链，再用效果、效率、效益三个数字，把闭环讲清楚。

下面是张宁老师这段分享的逐字润色稿：

01 垂类大模型会不会被通用大模型取代

最近我一直高密度地跟行业里的创新团队交流，核心话题是：垂类大模型会不会被通用大模型取代？投资界主流现在还是认为垂类不值得投，觉得它早晚会被通用AI淘汰。但我们讨论下来，认为不会。

背后有几个逻辑。回到传统模式，每个岗位、每个人都有自己独特的价值。一个专业里的人才是有梯度的：普通梯度的人具备80%~90%的能力，跟通用大模型差不多；上一个台阶的人比他高10%。为什么就这10%的差距，能让一个人上到更高的台阶、拿更高的薪酬？这正是含金量最高的那部分价值。

我们做了测试：让豆包给专业机构写一份报告，出来的东西80%~90%不错，看上去挺漂亮。但我们这个行业是零容错的，专业报告不能出差错，必须有非常深的洞见和结论。豆包生成的报告跟专业报告差别就在那10%——这10%就是人的价值，也是专业模型的价值。

到了装修也一样：用户为装修付的费，通用模型或行业传统报价能覆盖70%~80%，差别就在问龟AI徐翘楚刚才讲的那些——替用户把的关、填的坑、避的坑，这些你必须在专业领域摸爬滚打很多年才知道。

所以徐翘楚刚才说有一些愿意合作的行业内人，我觉得确实是宝贵资源，可以把这些人作为长期合作伙伴或生态，把他们在专业领域的独到价值提取出来。AI来了以后人不会被完全取代，原因就在这。

02 难点：二八定律里「20%的20%」

作为创业团队，这个方向没问题。大前提是对的：AI以后会渗透到各个领域，用AI去做创业方向没错。难在哪？

我们最近发现一个二八定律：传统领域里20%的工作是有含金量的，但真正有价值、含金量最高的，是那20%里的20%——差不多4%的能力在创造超过80%的价值。其他工作不是不重要，但更多是打基础、做铺垫。

创业创新的难点就在这：我们往往在那80%的部分下功夫、做了一大堆，最后到用户那一层，他觉得你做出来的东西没什么价值。很多创业项目最后没能持续下去，就是因为没找准真正含金量高的4%，最终失去了造血能力。

把这两个结论叠加：垂类的大方向可以坚定信心去做，同时也要知道其中的难点——不能单方面揣测或调研用户需求。

03 别去揣测需求，让用户用行动告诉你

昨天我们和朋友讨论AI落地，发现真正说清楚AI怎么用，很多人并不明确。

应该先想清楚到底想解决什么任务、达到什么目标；在不靠AI的传统模式下，这个问题怎么做、怎么评价、怎么反馈改进。等把问题描述清楚，我们再用AI的思路做结构化拆解，一步步来。我们还发现，很多AI项目两年一直不能持续迭代，最根本的原因出在数据采集端。

用户端对AI的理解往往一知半解、概念混乱、比较碎片，你去调研问他们哪里要用AI，他们不一定说得清。问龟AI的实践其实已经回答了这个问题：让用户实际去用，慢慢就聚焦了——「你就给我看合同报价、合同审核、帮我谈判」，这些是你访谈访不出来的，用户会用自己的行动告诉你他到底要用AI解决什么。

所以我们内部探讨时强调：探讨场景需求，别空谈问题。你就问用户想解决什么问题、这个问题有没有必要解决；用户站在传统立场上就能回答；既然他认为需要解决，我们就用AI上去帮他试着解决，后面再跟用户互动、相互成就、相互启发，慢慢把AI迭代到更高水平，再复制到更多领域。

04 数据链先闭环：效果、效率、效益

最后到付费环节，这也是个大麻烦。

我们跟朋友讨论下来的经验是：先别想得太复杂，一上来就要一个大而完美的系统，现在肯定没有。以前常说要做「技术闭环」，现在我们改成先打通「数据链」——选一条业务链，把数据链全部打通，过程中把集团里这条线上的人全部拉上，让他们亲眼看到数据从采集一直到执行反馈的全过程。数据链先跟业务链结合，业务链再跟财务链结合。

最后不管用不用AI，都要给用户三个数据：效果、效率、效益。

效果是我们体感能直接体验的；效率是我们在使用AI的过程中用秒表卡出来的——整个流程执行到反馈需要多少时间；有了效果和效率，再看财务条线上这样闭环能带来多少效益，哪怕1分钱、1块钱，也要精确算出来。

最后我们让AI替我们生成一份「使用AI之后」的报告，用前后数据对比告诉所有参与人和集团领导：我们用AI解决了什么、改善了什么，效果、效率、效益怎么样，这个工具还能覆盖到哪些更多场景。这是一个比较好的闭环。

过程中，传统业务线上的从业人员会亲身体验到两条线——传统业务线和新的数据线——在同时做同样的事，他会清楚地知道差别在哪。AI来了以后，也会逼我们更深地思考：在AI的背景下，人的价值到底还在哪里。我们可以在体验AI、使用AI的过程中，自己共同来思考这个问题。

更多工程AI创业思考就在AI4ELAB社区👇