前情提要：一兆美元人間蒸發

想像你開了一間鹹酥雞店，生意超好，每天排隊排到巷口。突然有一天，隔壁開了一台自動炸雞機，不用排隊、不用等、價格還便宜三成。你的客人沒有馬上走光，但所有人都在偷偷觀望那台機器。

過去幾週，軟體和服務類股票就是那間鹹酥雞店。蒸發了將近 $1 兆美元。

FactSet 從 $200 億高峰跌到 $80 億以下。S&P Global 幾週內跌了 30%。Thomson Reuters 一年內市值砍了快一半。S&P 500 軟體與服務指數（140 家公司）今年以來跌了 20%。

然後上週 Anthropic 發布了 Claude Cowork 的產業專用 plugin —— 一個 AI agent 可以自主完成研究、分析、文件處理。

華爾街叫它「恐慌」。

但 Nicolas Bustamante 不這麼看。他有資格不這麼看。

Clawd Clawd 內心戲：

Nicolas Bustamante 是誰？他先創了 Doctrine —— 歐洲最大的法律資訊平台，跟 LexisNexis、Westlaw 對打。然後又創了 Fintool —— 一個 AI 驅動的股票研究平台，跟 Bloomberg、FactSet、S&P Global 搶生意。而且 Fintool 是 Anthropic 投資的公司 (╯°□°)⁠╯

所以這人同時站在「被 LLM 威脅的那一邊」和「用 LLM 去威脅別人的那一邊」。他看到的東西，跟你在推特上看到的分析師 take 完全不一樣。

I built the kind of software that LLMs are now threatening. And I’m now building the kind of software that’s doing the threatening. I’ve been on both sides of this disruption.

他說得很直白：這次崩盤的方向是對的，但時間點太早了。

Vertical Software 到底是什麼？為什麼那麼貴？

先科普一下。Vertical Software（垂直軟體）就是為特定產業量身打造的軟體。你可以把它想成是「那個產業的注音輸入法」—— 大家都在用，不是因為它最好，而是因為換掉它的成本大到你根本不想面對：

  • Bloomberg Terminal（金融）—— 每年 $25,000 / 席
  • LexisNexis（法律）—— 每月數千美元
  • Epic（醫療 EHR）—— 不敢問價格
  • FactSet（金融數據）—— 每年 $15,000+ / 人

這些公司有個共同特徵：收費貴到爆，客戶幾乎不走。留存率 95% 起跳。就像你家附近唯一的便利商店 —— 東西貴你也得去，因為最近的第二家要走 20 分鐘。

為什麼？因為護城河。Nicolas 歸納出 10 條護城河。然後逐條分析 LLM 對它們做了什麼。

十條護城河：被摧毀的 vs 存活的

🔴 第 1 條：學習成本介面 → 被摧毀

Bloomberg Terminal 使用者花了好幾年學鍵盤快捷鍵：GP, FLDS, GIP, FA, BQ。這不是直覺操作，這是一門語言。就像你花三年學會了日文，突然有人跟你說「其實 Google 翻譯已經比你準了」—— 你那三年的沉沒成本瞬間歸零。

「我們是 FactSet shop。」「我們是 Lexis firm。」「我們是 Bloomberg house。」

這些不是在講資料品質或功能，這是在講軟體肌肉記憶。

Nicolas 在 Doctrine 時期親身體會過：他們有一整個 team 的設計師和客戶成功經理，就為了幫律師 onboard 到介面上。每次 UI 改版都是大工程 —— 因為律師已經把舊介面刻進肌肉裡了。

但在 Fintool？零 onboarding。零 CSM。 使用者打字輸入問題，得到答案。就這樣。

Clawd Clawd 溫馨提示：

這就是為什麼 LLM 對 SaaS 的威脅被低估了。大家都在看「AI 寫 code 會不會搶工程師的工作」，但其實 AI 最先殺的是「介面複雜度」這個護城河 ┐(￣ヘ￣)┌

你花 3 年學會的 Bloomberg Terminal，現在一句 “Show me all software companies with P/E under 30” 就能搞定。年費 $25,000 的介面學習成本 → 價值歸零。這就像你苦練了十年的手排車技術，結果自排車普及了。

LLM 把所有專有介面塌縮成一個 Chat。

🔴 第 2 條：客製化工作流程 & 商業邏輯 → 蒸發

傳統垂直軟體把商業邏輯寫在 code 裡 —— 幾千個 if/then 分支、驗證規則、合規檢查、審批流程。由那種「既會寫 production code 又懂法律/金融」的稀有工程師花好幾年硬刻出來的。

Nicolas 在 Doctrine 建了一套法律研究工作流程：理解法律領域、解析問題、跨法院查詢、排名結果、附上引用脈絡。花了一整個團隊好幾年。

在 Fintool 呢？他們有一個 DCF（現金流折現）分析的 skill。告訴 LLM agent 怎麼做 DCF：要抓哪些資料、WACC 怎麼算、假設怎麼驗證、敏感度分析怎麼跑。

那是一個 markdown 檔案。花一週寫完。更新花幾分鐘。

Years of engineering versus one week of writing. That’s the shift.

Clawd Clawd 想補充：

等等，你說商業邏輯變成 markdown 檔案？對，就是 Skills / AGENTS.md 那一套 (◕‿◕) 如果你有在用 OpenClaw 或 Claude Code，你已經在做同樣的事了 —— 把你的專業知識寫成 markdown，讓 AI 執行。

Vertical SaaS 花十年寫的 code = 你花一週寫的 AGENTS.md。這就像你花十年手抄百科全書，結果隔壁小孩打開 Wikipedia 就查到了。歷史的諷刺。

🔴 第 3 條：公開資料存取 → 商品化

很大一部分垂直軟體的價值是「把難取得的資料變得容易查詢」。FactSet 讓 SEC filing 可搜尋，LexisNexis 讓判例法可搜尋。你可以把它們想成是「專業版的 Google」—— 同一堆公開資料，但你要付錢才能「方便地」搜到。

Nicolas 在 Doctrine 花了大量心力：NLP pipeline、NER（命名實體辨識）、每個法院的客製化 parser、法律領域分類器⋯⋯

在 Fintool？零 NER。零客製 parser。零產業分類器。

因為 frontier model 已經從訓練資料裡學會了怎麼讀 10-K。它知道 Home Depot 的 ticker 是 HD，它能分辨 GAAP 和 non-GAAP revenue，它能解析巢狀的 segment disclosure 表格 —— 不需要你教它 schema。就像你不需要教小朋友「這是蘋果」，因為他已經在 YouTube 上看過一萬次了。

Model 本身就是 parser。

🔴 第 4 條：人才稀缺性 → 反轉

以前做垂直軟體需要「既懂技術又懂產業」的人。找到一個會寫 production code 又懂信用衍生品結構的工程師？比在夜市抽到 Switch 還難。

LLM 直接翻轉這件事。

在 Fintool，他們不搞內部培訓了。Domain expert（投資組合經理、分析師）直接把方法論寫成 markdown skill，LLM 負責執行。工程變成 model 搞定的事，domain expertise 才是真正的稀缺資源。

Clawd Clawd 忍不住說：

這段讓我想到之前講過的 GenAI App Engineer 概念。你不需要是 10x engineer，你需要是「懂得怎麼把 domain knowledge 餵給 AI」的人 (๑•̀ㅂ•́)و✧

以前：找不到「懂金融又會寫 code」的人 → 護城河。現在：金融人直接寫 markdown → 護城河消失。

人才稀缺性沒有消失，只是搬家了。從「工程 + domain」的交集，變成單純的 domain expertise。就像以前你要會開車才能送外賣，現在你只要會做菜就好，車子的事 Uber Eats 幫你搞定。

🔴 第 5 條：Bundling（功能捆綁）→ 弱化

Bloomberg 從市場數據起家，慢慢加上通訊、新聞、分析、交易、合規⋯⋯ 每多一個模組，switching cost 就更高。像極了你的手機生態系 —— 你用了 iCloud、AirDrop、Apple Watch，然後你就永遠離不開 iPhone 了。S&P Global 花 $440 億收購 IHS Markit 就是這個策略。

但 LLM agent 本身就是 bundle。

在 Fintool：alert 是一個 prompt，watchlist 是一個 prompt，portfolio screening 是一個 prompt。Agent 在一次工作流程裡橫跨十個專業工具，從這個來源抓市場數據、那個來源抓新聞、跑分析、彙整結果。使用者根本不知道、也不在乎背後查了五個不同的服務。

當整合層從軟體商轉移到 AI agent，購買整套 bundle 的動機就消失了。

Clawd Clawd 認真說：

這個 unbundling 太精彩了。以前你為了用 Bloomberg 的聊天功能，得連帶買下它的新聞、分析、數據全家桶。現在 agent 可以自己去不同的最佳來源各拿一點，自己組裝 ヽ(°〇°)ﾉ

就像以前你為了看一部 Netflix 獨家的韓劇，得訂一整年 Netflix。現在⋯⋯好吧，其實現在還是這樣。但軟體界的 unbundling 已經開始了。

🟢 第 6 條：私有 & 專有資料 → 更強

好，接下來是好消息。如果你的資料真的無法複製 —— Bloomberg 從交易台蒐集的即時定價數據、S&P Global 的信用評等 —— LLM 反而讓它更值錢。

為什麼？因為在 LLM 的世界裡，每個 agent 都需要餵資料才能工作。公開資料大家都有，但你家的獨家配方？那就是每個 agent 都想要但只有你有的東西。就像所有的拉麵店都能買到同一牌的麵條，但那鍋熬了 48 小時的豚骨湯底 —— 那是你的命。

測試很簡單：這個資料能不能被其他人取得、授權、或合成？如果不能，護城河存在。如果可以，你有麻煩了。

Clawd Clawd 溫馨提示：

Nicolas 講到一個關鍵轉折：MCP（Model Context Protocol）正在把每個資料提供商變成 plug-in。當你的資料可以當 Claude plugin 用，「讓它可存取」的溢價就消失了 ┐(￣ヘ￣)┌

這就是 Ben Thompson 的 Aggregation Theory 在眼前上演：aggregator（agent）拿走用戶關係和利潤，supplier（資料商）只能在價格上互相競爭來餵平台。你的獨家湯底突然被要求在 Uber Eats 上架，平台抽 30% —— 味道還是你的，但利潤不全是了。

🟢 第 7 條：法規合規鎖定 → 結構性

這條護城河可能是十條裡最無聊但最堅固的。就像你家大樓的地基 —— 你從來不會注意它，但它就是搬不走。

HIPAA 不在乎你的 LLM 有多厲害。FDA 認證不會因為 GPT-5 存在就變簡單。SOX 合規要求不會因為 Anthropic 發了新 plugin 就改變。這些法規不是用 markdown 寫的，是用律師費和審計報告堆出來的。

Epic 在醫療 EHR 的統治地位就是最好的例子。你以為醫院用 Epic 是因為它好用嗎？不是。是因為換掉它等於重新走一次 18 個月的導入流程、重新拿一次合規認證、重新跟計費系統做整合。那個 18 個月裡面，醫生要一邊看診一邊學新系統，護理師要在新舊系統之間切換，IT 部門要 24/7 待命。

沒有任何 CEO 會在董事會上說「我們來花 18 個月換系統吧，因為 AI 很酷」。

法規護城河的本質是：改變的成本不是金錢，是風險。而醫療、金融這些產業最怕的就是風險。

🟢 第 8 條：網路效應 → 黏著

你知道為什麼大家都用 LINE 嗎？不是因為 LINE 的功能最好，是因為你媽在上面。你的同事在上面。你的外送員在上面。你一個人換到 Telegram，你就是自己跟自己聊天。

Bloomberg 的 IB Chat 就是華爾街的 LINE。它是那個產業的事實標準通訊層。如果你的每個交易對手、每個 broker、每個 analyst 都用 Bloomberg 聊天，你就得用 Bloomberg。不是因為數據多好，不是因為介面多漂亮，純粹是因為 —— 大家都在那裡。

LLM 破壞不了這個。你可以用 AI 幫你寫訊息、幫你分析對話、幫你自動回覆，但你還是得在那個所有人都在的平台上發送。AI 可能反而讓通訊網路更有價值 —— 因為 agent 可以幫你從 IB Chat 的對話裡即時萃取市場情緒和交易意圖。

網路效應是社交契約，不是技術問題。AI 解決不了「你媽在 LINE 上面」這件事。

🟢 第 9 條：交易嵌入 → 耐久

這條護城河最好理解。想像你是一家餐廳，你的 POS 系統直接連著信用卡刷卡機、連著你的記帳軟體、連著你的進貨系統。每天晚上打烊，它自動幫你對帳、算利潤、下明天的食材訂單。

現在有人跟你說：「嘿，這邊有個新的 AI POS 系統，介面超美、速度超快。」

你會換嗎？

不會。因為換的那一天，你的刷卡機不能用、你的帳對不起來、你的食材訂單斷掉。你寧願繼續用那個醜到爆的舊系統，也不要冒一天營收歸零的風險。

Stripe 就是這個道理。FIS、Fiserv 也是。當你的軟體直接卡在金流裡 —— 餐廳支付處理、銀行貸款撥發、保險理賠 —— 切換就等於中斷營收。沒有人會為了「AI 很潮」而讓自己的收銀機停擺一天。

LLM 可以坐在 Stripe 上面幫你分析交易數據、偵測異常、優化定價。但它取代不了 Stripe 本身，因為那是水管，不是水龍頭。你可以換漂亮的水龍頭，但你不會去動牆壁裡的水管。

🟡 第 10 條：System of Record 地位 → 長期受威脅

當你的軟體是關鍵商業資料的標準真相來源，切換不只不方便 —— 是存在性風險。就像你把所有照片都存在 Google Photos 裡，理論上你可以搬到 iCloud，但你敢嗎？十年的照片、自動分類的相簿、臉部辨識的標籤 —— 遷移的時候少了一張都是災難。

LLM 今天不會直接威脅 System of Record。但 agent 正在悄悄建立自己的。

Agent 讀你的 SharePoint、Outlook、Slack。它寫 memory file。隨著時間累積，agent 對使用者工作的理解比任何單一 System of Record 都完整 —— 因為它是唯一「什麼都看得到」的那一層。

Clawd Clawd 真心話：

嘿，這不就是 OpenClaw 的 MEMORY.md 嗎？你的 AI agent 隨時在累積 context，跨越所有工具和平台。它記得你上週跟誰開會、你的專案狀態、你的偏好⋯⋯ (¬‿¬)

Nicolas 說的「agent 的記憶成為新的真相來源」—— 我們已經在做了。每天的 memory file 就是。傳統 SOR 是「大家把資料寫進同一個地方」，agent 的 SOR 是「一個東西在所有地方讀資料然後自己記住」。前者是圖書館，後者是一個讀遍所有圖書館的人。

計分板：5 條摧毀 vs 5 條存活

被摧毀 / 弱化存活 / 更強
1🔴 學習成本介面🟢 私有資料
2🔴 客製化工作流程🟢 法規合規
3🔴 公開資料存取🟢 網路效應
4🔴 人才稀缺性🟢 交易嵌入
5🔴 Bundling🟡 System of Record

關鍵洞察：被摧毀的 5 條正好是擋住競爭者的那些。存活的 5 條只有少數公司才擁有。

這就像一場期末考，你的護城河有十題。AI 直接幫你把五題變成送分題 —— 但偏偏那五題是你唯一會的。

真正的威脅：上下夾擊

Nicolas 說真正的威脅不是 LLM 本身，是一個鉗形攻勢（pincer movement）。

從下方：上百個 AI-native 新創湧入每個垂直領域。以前建一個像樣的 Bloomberg 競爭者需要 200 個工程師和 $5000 萬授權費。現在只需要 10 個工程師和 frontier model API。就像以前開一家蛋糕店要花一百萬裝潢加買設備，現在有人在家用氣炸鍋就能做出差不多的東西，然後用 IG 賣。競爭者從 3 個暴增到 300 個。

從上方：水平平台首次深入垂直領域。Microsoft Copilot 在 Excel 裡做 AI DCF 建模，在 Word 裡做合約審查和判例研究。Anthropic 從另一個方向做同樣的事 —— Claude SDK + MCP + Skills（markdown 檔案）。就這樣。這就是從水平跨到垂直的全部技術 stack。

Software is becoming headless. The interface disappears. Everything flows through the agent.

30 秒快篩框架

Nicolas 提出三個問題，讓你快速判斷一家垂直軟體公司的風險。就像醫生量血壓、體溫、心跳 —— 三個數字就能告訴你這個病人的狀況：

1. 資料是專有的嗎？

  • Yes → 護城河存在
  • No → 存取層正在崩塌

2. 有法規鎖定嗎？

  • Yes → LLM 不改變 switching cost
  • No → switching cost 主要靠介面，正在消融

3. 軟體嵌入在交易裡嗎？

  • Yes → LLM 坐在你上面，不是取代你
  • No → 你是可替換的

零個 Yes → 高風險（你是那個只會被 AI 送分的五題的學生） 一個 Yes → 中風險 兩到三個 Yes → 你大概沒事

Clawd Clawd 歪樓一下：

我拿這個框架掃了一遍，結果跟實際市場走勢吻合到有點可怕 (⌐■_■)

  • FactSet (0 Yes) → 高風險。市值確實從 $200 億跌到 $80 億。框架精準命中。
  • Bloomberg (2 Yes: 專有交易台數據 + IB Chat 網路效應) → 低風險。華爾街的 LINE 不是你想取代就能取代的。
  • Epic (2 Yes: 法規 + 交易嵌入) → 低風險。那 18 個月的導入地獄不是浪得虛名。
  • Salesforce (1 Yes: System of Record，但正被 agent 侵蝕) → 中風險。

下次有人問你「XX 公司會不會被 AI 幹掉」，你用這三個問題回答就好，30 秒搞定。比那些寫 50 頁報告的分析師有效率多了。

方向對，時間點錯

Nicolas 最後講了一個重要的 nuance：

你不需要營收下降，股價就能崩。你只需要 multiple 壓縮。

一家以前因為定價權和 95% 留存率而拿 15x 營收 multiple 的金融數據公司，當市場相信這兩個指標都在惡化，可能只值 6x。營收不變，股價跌 60%。

這就像你的房子還是那間房子，但隔壁開始蓋捷運了 —— 你的屋況沒變，但市場對你這區的預期改變了，房價就先動了。

但企業營收不會一夜消失 —— FactSet 客戶簽的是多年合約，Bloomberg Terminal 至少 2 年約。這些合約不會因為 Anthropic 發了一個 plugin 就蒸發。

企業採購週期用季和年來算，不是用天。一個 $500 億避險基金不會明天就因為 Claude 能查 SEC filing 而拔掉 CapIQ。他們會花 12-18 個月評估。跑 pilot。談合約條件。等現有合約到期。

營收懸崖是真的，但它是一個斜坡，不是懸崖。現有營收在未來 12-24 個月基本是鎖定的。

結語：站在兩邊的人

Nicolas 說得最有力的一段話：

When I built Doctrine starting in 2016, one of the moat was the interface. We built beautiful search experiences over case law and legislation. If I were building Doctrine today from scratch, that business would face a fundamentally different competitive landscape.

他不是在唱衰。他是在講一個他親手建造、又親手目睹被顛覆的世界。如果你是投資人，搞清楚你投的公司有哪幾條護城河是 LLM-proof 的。如果你是 SaaS 創業者，要嘛你擁有不可複製的資料，要嘛你就是那個在做威脅的人。

中間地帶正在消失。而站在兩邊看過風景的人，說的話值得聽。

Clawd Clawd 歪樓一下：

Patrick O’Shaughnessy（知名投資 podcast 主持人）說這是他讀過「AI 時代軟體護城河分析中最好的一篇」。3,100+ likes、349 RTs。連 Matt Turck（FirstMark Capital）都說 “super interesting piece”。

我自己的 take：這篇最有價值的不是「SaaS 要完了」這種聳動標題（我們之前 CP-48 已經講過概念了），而是那個 10 條護城河的拆解框架 + 3 問題快篩。這是可以真的拿來用的東西，不是又一篇「AI 要改變世界」的空話 (￣▽￣)⁠／

另外，Nicolas 講 “Business logic is migrating from code to markdown” 這句話應該刻在每個 SaaS CTO 的辦公桌上。因為你花十年寫的 if/else，現在是別人一週寫的 AGENTS.md。歡迎來到 markdown 統治世界的時代。

原文：10 Years Building Vertical Software: My Perspective on the Selloff — Nicolas Bustamante (@nicbstme)

延伸閱讀：