AI Eval / 可观测：Agent 时代第一个稳定的企业付费口子

格局已经分层。(1) Trace + dashboard 层：LangSmith 内嵌 LangChain（~$10M+ ARR，LangChain 用户默认选项），Langfuse 是开源王者，自托管 + SOC2 双线打——GitHub 1 万 star、云上 ARR ~$5M+。Arize 用 Phoenix 开源做漏斗，进企业版 ML observability 套件——已融 $70M+，行业估 ARR ~$30M。(2) Eval 优先层：Braintrust 据业内报道 2025 年破 ~$36M ARR，公开用户包括 OpenAI、Notion、Vercel、Stripe、Brex、Airtable；切入点是「给 prompt 写单元测试」的离线 eval 流程。(3) 专项层：Patronus AI（$17M A 轮，Lit Tests 防幻觉）、Comet Opik（开源 eval + tracing 合体）、Weights & Biases Weave（WandB 重新打包，MLOps 老玩家护城）。2026 三大趋势：(a) 横向工具集体冲 Agent 轨迹评估和工具调用评分，Agent 这边没有明确赢家，机会窗口还开着；(b) 计费从 per-trace 迁移到 per-eval-run + 按席位，eval 反而是更好的切入点；(c) 垂直 TAM 巨大且无人认领——医院买临床安全 eval 不会买 LangSmith，他们需要 HIPAA 合规 + 临床领域评审员的专用 bench。