AI · 2026-06-23

垂直 AI（Vertical AI）正在把「會說話的通用助理」升級成「懂你行業的專業夥伴」。2026 年最被企業買單的 AI 不是功能最廣的，而是在某個特定領域做得最深的——醫療、法律、金融、工程各有一套針對性的模型，今天就來搞清楚它是什麼、怎麼運作、你能怎麼用。

📖 學（核心）

通用 AI vs. 垂直 AI：差在哪裡？

ChatGPT、Claude 這類通用大語言模型（General-purpose LLM）靠的是海量的網路文字訓練，什麼問題都能答個七八成。但「七八成」在醫療診斷或法律合約裡是不夠的——一個字用錯，可能代表錯誤的用藥劑量或無效的合約條款。

垂直 AI 的做法是把通用模型當「底座」，再疊上三層專業化加工：

1. 領域語料微調（Fine-tuning）：用該行業的原始資料（臨床病歷、判決書、財報）繼續訓練，讓模型學會行業黑話與格式規範。
2. 知識庫檢索（RAG）：連接即時更新的企業知識庫，讓模型引用的永遠是最新版的規定或文件，而不是訓練截止日前的舊資料。
3. 工作流整合（Workflow Integration）：直接插入醫院的 EHR 系統、法律事務所的文件管理平台、銀行的核保流程，能讀能寫能觸發下一步動作。

Gartner 預測，2026 年底前 80% 的企業將採用至少一個垂直 AI 代理。這個數字在 2023 年幾乎是零。

三個真實案例

醫療：AI 病歷助理 美國已有診所部署 Suki AI，醫生問診時，它在背景即時聆聽、轉錄，並按照 ICD-11 編碼自動填好電子病歷。醫生確認簽名就好。效果：文書時間減少 72%，醫生每天多看兩位病人。這個系統無法直接用 ChatGPT 替代，因為它需要深度整合 Epic EHR 系統，並了解醫學縮寫與保險編碼規則。

法律：合約審閱 AI Harvey AI 是由前 OpenAI 工程師打造的法律 AI，用數百萬份合約與判決書微調，專門做合約風險審閱。律師上傳一份合約，它三分鐘內標出所有不利條款、與標準範本的差異、以及對應的法規風險。一家律所回報，初審時間從 4 小時縮到 20 分鐘。

金融：財報分析 AI Bloomberg 自行訓練的 BloombergGPT 使用 3,630 億個金融領域 token，包括彭博終端的新聞、財報、分析師報告。在金融 NLP 基準測試中，它比 GPT-4 更準確地解讀財報語氣、辨識股票風險信號，因為它認識「EBITDA 調整後」「商譽減損」這類通用模型容易搞混的術語。

垂直 AI 的技術核心：混合架構

2026 年最流行的做法不是「只用 RAG」或「只做微調」，而是 RAFT（Retrieval-Augmented Fine-Tuning）：

• 先用少量領域資料做行為微調（讓模型知道怎麼格式化回答、該保守還是積極）
• 再用 RAG 負責知識的即時性（每天更新法規庫、藥典、利率表）
• 最後加上驗證層（讓另一個小模型或規則引擎把關輸出，避免幻覺）

這個架構的好處是成本可控——你不需要動到百億參數的完整模型，只需要微調一個 70 億到 130 億參數的小模型，部署在自己的雲端，既省錢又合規。

為什麼現在是關鍵時刻？

兩個條件在 2026 年同時成熟：

1. 開源基礎模型夠強：Meta LLaMA 3、Mistral、Qwen 2.5 這些模型已強到可以作為垂直 AI 的底座，企業不需要從頭訓練，從微調開始就好。
2. 微調成本大跌：LoRA（低秩適應）技術讓微調一個 70B 模型只需要 2 張 A100 GPU 跑幾小時，費用降到幾十美元等級，中小企業也負擔得起。

🧠 記

• 垂直 AI = 通用底座 + 領域資料微調 + 即時 RAG 知識庫 + 工作流整合
• 通用 AI 廣度優先，垂直 AI 深度優先，企業關鍵任務選垂直
• RAFT = 微調（行為）+ RAG（知識），兼顧準確與即時
• LoRA 技術讓微調成本降到幾十美元，開源模型讓入門門檻消失
• 醫療、法律、金融是三大落地最快的領域，也是準確率要求最高的領域
• 2026 年判斷一個 AI 工具好不好用的新標準：它懂不懂你的行業術語？

✍️ 實踐

1. 找一個你熟悉的行業，問自己：「這裡最耗時的重複性文字工作是什麼？」 寫下具體答案（例如：每週整理客訴紀錄、每月寫財務摘要）。
2. 去試用一個垂直 AI 工具：法律用 Harvey（harvey.ai）或 Clio Duo，醫療用 Suki、金融用 Kensho，行銷用 Jasper。記下它比 ChatGPT 好在哪裡、差在哪裡。
3. 動手實驗 RAG 概念：用 NotebookLM（免費）上傳一份你的工作文件（規章、SOP、報告），然後問它「這份文件裡提到的流程有哪些潛在風險？」感受一下有了特定知識庫的 AI 與通用 AI 的差異。

🔗 延伸學習

• Vertical AI in 2026: Domain-Specific AI Blueprint
• Vertical AI: Complete Guide, Benefits, Use Cases, and Enterprise Applications (2026)
• Why Domain-Specific AI Will Beat General AI In Enterprise
• Top AI News for June 2026: Breakthroughs, Launches & Trends You Can’t Miss

💬 想深入？複製下面這段到 AI（ChatGPT、Claude…），再打上你的問題

你是我的「AI」學習教練。我今天在學的主題是「垂直 AI（Vertical AI）」，重點包括：通用 AI 與垂直 AI 的差異、RAFT 混合架構、LoRA 微調成本、醫療／法律／金融落地案例。請用淺白、可操作的方式回答我接下來的問題，需要時給例子和步驟。我的問題是：

↑ 複製整段，貼到 AI，最後接上你的問題即可。