当大多数AI创业公司还在卷通用助手、AI搜索和聊天机器人时，一家成立不到一年的YC公司，在2026年5月拿到了a16z领投的1050万美元种子轮。它的产品方向，是很多人听都没听过的专利侵权分析。
这家公司叫Stilta。它的故事之所以值得拆解，不是因为它拿了多少钱，而是它揭示了一个正在被验证的产品化公式：在足够窄、足够深、足够痛的垂直workflow里，垂直AI可以建立起通用大模型永远无法跨越的性能壁垒。
一个被低估的赛道
专利诉讼是一个极其专业、极其昂贵的领域。
当你收到一封专利侵权警告信，或者准备起诉竞争对手侵权时，你的律师团队需要完成三项核心工作：无效性分析（Invalidity Analysis，找出对方专利不应被授予的理由）、侵权分析（Infringement Analysis，确认对方是否真的侵犯了你的专利）、自由实施分析（Freedom to Operate，确保你的产品不会踩到别人的专利雷区）。
这三项工作，传统上需要律师团队花费数周时间，在海量的专利文献、科学论文和公开资料中手动检索、阅读、对比和mapping。费用动辄数万美元，且严重受限于律师团队的带宽。很多公司因为成本太高，不得不对潜在风险“睁一只眼闭一只眼”。
Stilta做的，就是用AI agent把这套workflow从数周压缩到数分钟。
不是套壳，是重构
Stilta的产品设计，从底层就拒绝了“给律师配一个聊天机器人”的思路。
它将专利分析拆解为三个独立模块：侵权分析模块负责将产品特征逐元素映射到专利权利要求；无效性分析模块检索整个prior art landscape并返回可引导的结果；FTO模块则将产品拆解为可专利化特征，按风险等级排序并给出可追溯的证据链。
整个流程被压缩为四步：定义目标 → Agent执行检索 → 证据自动mapping → 律师审核输出。最终交付的不是一段AI生成的文字，而是律师可以直接使用、修改、defend的claim chart或FTO意见书——每一个结论都有可追溯的source citation，指向具体的PDF原文。
这种输出格式的设计，是Stilta最聪明的产品化决策之一。它意味着Stilta不是插入律师工作的“外围工具”，而是直接替代了原有workflow中的核心产出环节。
数字不说谎
Stilta在官网公布了一项PTAB（美国专利审判与上诉委员会）基准测试，覆盖最近40项IPR（多方复审）institution decision。测试结果显示：Stilta的prior art recall达到71%，其他商业专利检索工具约为35%，而通用大模型只有约18%。
这50个百分点的差距，就是Stilta产品的全部价值。
支撑这一性能的是一套专门构建的数据基础设施：1.8亿件覆盖100多个司法管辖区的专利、2.5亿篇科学文献、USPTO审查历史，以及近万亿 archived web pages。这不是简单地把公开数据接入一个RAG系统就能做到的——需要对专利法、权利要求语言、技术分类体系和诉讼策略有深刻理解，才能构建出有效的检索和推理逻辑。
换句话说，通用大模型的18%不是因为它“不够聪明”，而是因为它缺乏这个领域特有的认知结构和数据索引方式。
商业化的两个关键选择
Stilta的定价策略也很有启发。它提供两种模式：按项目付费，或年度站点许可。核心原则是：不按用户收费。
这意味着价格与实际处理的工作量挂钩，而非使用人数。对于一个AI替代高价值专家工作的产品来说，这种定价锚定的是“你少付了多少律师费”，而不是“你给多少员工买了AI账号”。前者天然允许更高的定价空间，也避免了在律所这种“一人购买、多人受益”的场景下的定价扭曲。
另一个关键选择是安全合规的设计。Stilta从第一天就按企业级标准构建：SOC 2 Type II（审核中）、ISO 27001、GDPR、EU AI Act合规，承诺zero AI training on client data，提供per-tenant isolation和可选的US/EU数据驻留。
在专利这个涉及未公开发明、商业机密和客户敏感信息的领域，这些不是加分项，是入场券。没有它们，顶级律所根本不会考虑接入。
增长飞轮在哪里
Stilta的当前增长驱动力，是一个典型的“专业圈层口碑”模型。
它的初始credibility来自Y Combinator W26批次和a16z领投的融资。但真正驱动adoption的，是产品在一个高stakes场景中创造的不可逆效率提升。当一个专利律师发现，自己一天能完成过去一周的工作量，而且这个output的质量足以在诉讼中defend，他会把这个工具推荐给同事、同行、客户。
专利律师是一个高度connected的专业社群，word-of-mouth的传播效率远高于普通B2B软件。Stilta与Mannheimer Swartling等顶级律所的公开合作，进一步放大了这种信任传递。
从更长的时间维度看，Stilta的数据索引规模和domain-specific agent能力，会随着处理更多case而持续累积优势。每一个新处理的专利分析，都会让它的检索和mapping逻辑变得更精准——这是通用大模型无法复制的飞轮。
能抄走的动作
Stilta的模式并非不可复制，至少以下几条是可以直接学习的：
第一，输出格式决定产品深度。 不要只做“能回答问题的AI”，要做“能替代workflow核心产出的AI”。claim chart和FTO意见书就是律师workflow的硬通货，生成这些文档的能力直接决定了产品是否professional-grade。
第二，按工作量定价优于按人头定价。 当AI替代的是高价值专家工作时，让客户为“省下的律师小时数”付费，比为“使用人数”付费更能capture value，也更符合高价值workflow的商业逻辑。
第三，安全合规要前置，不能后补。 在涉及敏感信息的领域，SOC 2、ISO 27001和数据隔离不是marketing material，而是product requirement。从第一天就按这个标准构建，比上线后再补成本低得多。
第四，公开的benchmark是最好的营销。 Stilta的PTAB测试是一个经典的performance proof point——用客户熟悉的评估标准和真实案例数据，直接展示与替代方案（包括通用LLM）的量化差距。
学不来的东西
当然，Stilta也有一些难以复制的条件。
它的创始团队有McKinsey和QuantumBlack的背景，这意味着他们从一开始就知道如何服务企业级客户、如何构建安全合规体系、如何与顶级律所建立信任关系。YC W26的批次身份和a16z的品牌背书，为它提供了普通创业者难以获得的initial distribution和credibility。
更重要的是，专利检索和分析领域的domain expertise壁垒极高。你不仅需要一个强大的工程团队，还需要深刻理解专利法、诉讼策略和权利要求语言的产品和法务专家。这种跨学科人才的组合，不是每个创业者都能快速组建的。
对 builder 的启示
Stilta的案例，本质上验证了一个被反复提及但很少被真正执行的策略：与其在红海市场里做第100个通用AI助手，不如找到一个高friction、高stakes、高支付意愿的垂直workflow，用domain-specific的AI agent做出通用模型无法企及的性能，然后围绕这个优势建立产品和商业壁垒。
这个策略的反面教材，是那些把通用LLM简单封装成一个“XX行业助手”的产品——它们可能在demo时看起来很酷，但在真实工作场景中，18%的recall意味着律师根本不敢把它的output用在诉讼材料里。
真正的垂直AI，不是套一个行业prompt，而是重构行业的核心workflow。Stilta证明了，即使在专利这样看似极小的切口里，这种重构也能支撑起千万美元级别的种子轮融资，以及一个 potentially 极大的商业化空间。
对大多数builder来说，问题从来不是“我的赛道够不够大”，而是“我有没有在那个赛道上，做出别人做不到的东西”。