Claude for Legal 是 2025 末 Anthropic 推出的法律事務所專屬 AI 工作助理、跟同期 OpenAI 開獨立 DeployCo、Google 把 FDE 納編進 Cloud、Anthropic 跟 Blackstone / 高盛做 JV 構成「基礎模型供應商往垂直行業推企業合約」的同步動作。這個動作會在三個族群觸發結構性擠壓：應用層 SaaS、新創、知識工作者。本篇拆解三層擠壓的機制、並提供下次同類事件可直接套用的判讀框架。

事件本身

2025 末 Anthropic 推出 Claude for Legal、定位是法律事務所專屬的 AI 工作助理。同期三家最大的基礎模型供應商做出方向一致的動作：

• Anthropic 跟 Blackstone、高盛做 JV
• OpenAI 推出獨立 DeployCo 派工程師駐點
• Google 把 FDE 納編進 Cloud 體系

這套動作的上游機制是供應商把垂直行業包裝成 Enterprise License 的入口、目的是進企業建立 Lock-in、避開靠 API token 計費的不穩定收入結構（具體分析見 FDE 軍備競賽）。主流公開討論集中在勞動取代結果（「律師會被取代」這類敘事）—這是這套動作的下游表象。本篇焦點在三個族群分別承受的擠壓機制。

第一層擠壓：應用層 SaaS 的毛利結構性下移

Vertical SaaS 用 AI 功能必須付給上游基礎模型供應商、COGS（賣出產品時直接發生的成本）從接近零變成可觀的成本、毛利（收入扣掉 COGS 後的比例）從傳統 SaaS 的 70-80% 被擠到 50% 出頭。具體機制與 30 個百分點差距的算式見 FDE 軍備競賽：SaaS 三支柱鬆動。

這個毛利下降會連動三件事。

第一、賺到的錢不夠付業務跟行銷。 傳統 SaaS 賣 100 元、扣掉伺服器費用後剩 70-80 元（毛利 70-80%）、即使花 30% 在業務跟行銷也還能賺；AI 應用賣 100 元、要付給上游模型供應商的 token 費後只剩 50 元出頭（毛利 50%）、同樣花 30% 在業務跟行銷只剩 20% 利潤、損益表 P&L（公司一段期間內賺賠的財務報表）從正轉負。

第二、免費試用變成燒錢。 傳統 SaaS 的「免費試用」幾乎零成本—多開帳號伺服器頂多多用一點；AI 應用的免費試用每次都在燒 GPU 算力、是真實的成本支出。PLG（Product-Led Growth、靠產品自己吸引用戶上來、不靠業務推銷）模式靠的就是「免費試用零成本」這個前提、毛利掉到 50% 時這套數學就跑不下去了。

第三、被迫轉成更貴的銷售模式。 PLG 不能用、改回業務面對面賣（Sales-led）、或乾脆派工程師駐點客戶辦公室（FDE、Forward Deployed Engineer）、但這兩條路都讓 CAC（Customer Acquisition Cost、獲取一個新客戶要花的所有成本）從 PLG 的幾十美元跳到 Sales-led 的幾千美元、再到 FDE 的幾萬甚至幾十萬美元。

收入端（毛利從 70% 掉到 50%）被壓縮、支出端（CAC 上升 100 倍）被拉高—兩頭夾擊讓 單位經濟（每個客戶能不能帶來足夠收入回本獲客成本）受傷。投資人計算 估值 倍數時看到這個結構性壓縮、給的估值就低、新創 burn rate（每月燒錢速度）變相加速、生存難度提高。

對應用層 SaaS 公司來說、第一層的應對手段是：找方法降低對上游模型供應商的依賴（自有模型、混合架構、開源替代）、或往上游做整合（不能只當應用層）。

第二層擠壓：新創淘汰結構分化

新創會分成三類命運。

Thin Wrapper（只在 GPT/Claude 外面包薄殼）失去定價能力、毛利空間被供應商官方版本壓平—當供應商出官方版功能、Thin Wrapper 沒有差異化資產可以抵禦。

有 Fat Data 或 Fat Skill 的撐得久。Fat Data 是十年的判決書資料庫、保險理賠歷史；Fat Skill 是行業特定工作流的 Tacit Knowledge 編碼。基礎模型供應商短期內做不出來。

被收進 ecosystem 變 Connector 是中段命運—保住用戶與營收、但失去獨立公司空間。

對新創創辦人來說、第二層的應對手段是：往 fat data / fat skill 累積、不要相信「靠 prompt 工程或 UI 設計就能撐」。

第三層擠壓:知識工作者的判斷賭注被放大

這層跟前兩層平行、不是因果連動、但被同一波 AI 進企業浪潮觸發。

知識工作者組織有一個隱性結構叫 Junior Buffer。律師事務所的 partner-associate、投行的 MD-VP-analyst、顧問公司的 partner-consultant、醫院的 attending-resident—資深的判斷先經過 junior 做一版、看過修改、錯了還能擋下來，不直接生效。

AI 接走的是 buffer 這層—associate 的 due diligence、文件 review、memo 起草、跟 finance junior 的抓資料、拉 Excel、寫報告一樣、全是執行型工作。Junior buffer 沒了之後、資深的判斷直接面對結果、Judgment Stake 被放大。

對個人來說、第三層的應對手段是：往 fat skill 方向走（資深判斷、Tacit Knowledge 累積）、避免長期停在執行層、職涯階梯規劃要重新評估。

三層擠壓的因果關聯

三層擠壓在時序上同步發生、在因果上不是嚴格的「擠壓 A 導致擠壓 B」、而是被同一個上游動作（基礎模型供應商往垂直推 enterprise 合約）平行觸發。

從應用層 SaaS 公司角度看到的是毛利擠壓（第一層）跟新創淘汰加速（第二層）；從個別知識工作者角度看到的是 Junior 工作減少（第三層）；從投資人角度看到的是估值被壓（第一層 + 第二層）。三層的應對策略也互相強化—應用層 SaaS 公司累積 fat data / fat skill 既能對抗第一層的毛利擠壓、也讓自己跳出第二層的淘汰路徑。判讀任一層時要意識到另外兩層在同時動。

長期影響與機會成本

跳開短期擠壓、看 5-10 年的長期：

對 Vertical SaaS：短期擠壓嚴重、但長期反而可能是機會—因為基礎模型供應商自己做垂直版本的 Tacit Knowledge 不夠深、現有 Vertical SaaS 在 fat data / fat skill 上累積夠久就有反擊空間。前提是要撐過 Valuation Compression 跟 毛利擠壓。

對知識工作者：律師、會計、顧問業的人才金字塔長期會從金字塔變成沙漏—頭尾留存、中段萎縮。短期 Junior 工作消失痛苦、長期看是「養 Junior 的方式要重設」、不是該行業消失。Partner 工作會更值錢、associate 階梯會更窄、培養新一代 Partner 的管道要重新設計。

對基礎模型供應商:押 enterprise lock-in 的代價是 GTM 成本高、CAC 大、銷售週期長。它們押的是 LTV 夠大撐起這個 CAC—但如果模型 切換成本 真的繼續下降、LTV 撐不起就會反噬。

預警訊號:何時要重新評估這個分析

這套分析的關鍵假設要持續監控、錯了要修正論述。

假設一:基礎模型供應商真的會建起 enterprise lock-in。 監控訊號:模型供應商 ARR 結構中 Enterprise / 自助訂閱比例、續約率。如果 enterprise 合約大量流失或續約低、第一層的毛利擠壓不一定持續。

假設二:Vertical SaaS 毛利真的會被擠到 50%。 監控訊號:開源模型能力、GPU 價格走勢、推論成本曲線。如果推論成本崩盤（例如 GPU 大規模降價或開源模型追上 Frontier）、第一層的 COGS 結構會回到接近零、毛利擠壓解除。

假設三:Junior Buffer 真的會消失。 監控訊號:律師事務所、投行、顧問業的 associate / analyst 招聘規模、職涯設計變化。如果這些行業沒有大規模重組、第三層的衝擊不一定如預期顯現。

下面任一具體訊號出現、要重新評估這套分析:

可遷移的三層判讀框架

下次看到 Claude for X、Y、Z 推出、套這個框架：

三層之間不是嚴格因果、是同一個事件觸發的平行結構轉變。判讀任一層時要意識到另外兩層在同時動。這個框架不局限於 AI 議題—當任何上游基礎服務商開始往應用層延伸時（例如雲端廠商做 SaaS、晶片廠商做 OS）、同樣可以套這三層問。

延伸閱讀

• FDE 軍備競賽：SaaS 三支柱鬆動下的結構性轉變 — 進一步拆 FDE 為什麼是必然
• CoreWeave 收購 Bufstream：整併週期下的賽道判讀 — 上游基礎設施整合的另一面
• 媒介—讀者—目的矩陣 — 識別「這篇分析給誰看的」