今天苏米分享一份 a16z Speedrun 最新一批项目的梳理，覆盖报税、建筑投标、诉讼、会计、商业贷款、农业采购、保险经纪、老人护理、房地产、家庭机器人。信号非常清晰：AI 创业开始往脏活、累活里卷了——这些都是过去很难被标准软件改造的行业，因为工作太琐碎、太依赖沟通和判断。

一、后台重活组：税务、投标、诉讼、会计

• Grove Tax（税务 AI 劳动力）：报税人员 65% 的时间不在做税务判断而在处理杂活——追文件、录数据、整理材料。智能体覆盖从录入到交付的完整流程，早期客户处理速度提升 3 倍；
• Piper-ai（建筑投标）：总包投标要在短时间内读完大量招标文件图纸合同，问题不是"有没有文档"而是文档间有遗漏冲突和隐藏风险——AI 帮总包理解自己在投什么、哪些必须计入报价、哪些矛盾以后会变成成本；
• Concorda（诉讼"审判律师的 AI 操作系统"）：不只写法律文书而是端到端跑诉讼流程，3 个月达 21 万美元年化收入，同时收法律服务费和软件费；
• Quanto（会计 AI 劳动力）：创始人是注册会计师，曾用现成 AI 把记账业务做到 6 个月 40 客户——产品从真实会计业务里长出来，已有 80 万美元签约 ARR 和 500 万美元销售管线。

二、麻烦行业组：越垂直越长得出 AI

• Bilrost（商业贷款）：把贷款材料税表承销判断散落各系统的问题，变成结构化"上下文图谱"，已处理超 1 万笔交易；
• Vereda（巴西农业采购）：中小农户议价能力弱——把采购放到 WhatsApp 里，AI 聚合需求直接和供应商谈价再连接信贷；
• Taxnova（研发税收抵扣）：从 Jira、GitHub、Slack 持续提取证据生成可审计的研发税务文档——"在顾问介入前把脏活先做完"；
• Third Space（夜生活场景保险）：用摄像头收银事故数据做更细的承保，已有 50+ 地点意向书对应约 300 万美元保费。

三、基建组：AI 干重活的必要条件

Sentra（企业智能体的"组织记忆"）、SafeWorld（机器人安全评估）、Modaic（给每次 AI 决策打置信度，不确定的交人类，已有 Accenture/Dropbox/Vercel 合作）、Alike（多智能体协作层）——当 AI 要干真活，记忆、安全、校验、协作就是新的水电煤。

苏米的思考

这批项目的共同点一句话：行业不性感，但流程足够复杂，且客户愿意为结果付费。对独立开发者最有参考价值的是三个模板：其一，"X 从业者的 AI 劳动力"公式（Grove/Quanto/Piper）——瞄准从业者的杂活时间而不是终端消费者，B 端付费意愿强十倍；其二，创始人自己是行业从业者（Quanto 的 CPA 背景）——验证了苏米反复讲的"你痛过的领域才是选品富矿"（Launch Fast、Pckgr同款）；其三，数据结构化是切入脏活的钥匙（Bilrost 的上下文图谱、Taxnova 的证据提取）——把非结构化行业变成 API，本身就是生意。选方向配合AI 出海五方向的"垂直深耕"判断食用。

本文变现路径

方向：脏活累活垂直 AI（B 端 AI 劳动力）→ 验证：多家 3 个月内 ARR 20-80 万美元 → 启示：a16z 押注的信号 = 独立开发者的选品地图。B 端 AI 劳动力模式见《独立开发者变现完全指南》。