出品｜虎嗅科技組

作者｜陳伊凡

編輯｜苗正卿

頭圖｜AI生成

10年前的創投圈，如果創始團隊擁有谷歌、Meta 的大廠技術光環，疊加每年 10% 的穩定增長，或許能輕松叩開投資機構的大門。而如今，這條法則正在失效。

當許多人還在稱道“從0到1”的大模型“奇點”時刻，YC的風向已經悄然轉入了一場更為務實的革命——在一個足夠細分和垂直的成熟賽道中，用AI重塑工作流程，正在取代對通用技術的追逐，成為如今創業的生存法則。（注：我們將解決某個特定行業垂直工作流問題的初創企業歸為垂類AI應用，將解決多個行業同一環節問題的AI應用歸為水平通用AI應用）

這家成立20年，硅谷最大的加速器，經歷了移動互聯網時代的繁榮，其已經累計孵化了超過3000家初創公司，其投資組合已超過8000億美元的市值，在40多年歷史的風險投資行業，有一半歷史，都與這家孵化器息息相關，如今在股票市場上火爆的公司——Airbnb、Stripe、Dropbox等背后都有YC的影子，YC也被《紐約時報》譽為“硅谷的創新企業制造機”。

進入YC加速器的創始團隊要進行三個月的項目培訓，在培訓期間，他們會接受YC的創業輔導和經驗分享，例如，曾經參加YC訓練營的創始人說，會讓他們用一句話介紹自己的產品、或是會審查初創團隊每周賺了多少錢。訓練營最后一天被設置為路演日，YC每年有四次路演，春季、夏季、秋季和冬季。

上周，YC剛剛結束其YC S25的路演，當生成式AI出現后，YC再次進入了全球風投的焦點，其每一屆YC的項目路演都吸引了全球投資者的關注，能夠參加這場路演的初創公司，成為了創投人手中炙手可熱，反復研究的標的，只是，在生成式AI出現后的這幾年時間，創業的邏輯每一年都不斷發生變化。

虎嗅與親臨現場UpscaleX合伙人Alan Zong交流，并結合業內人士的觀點，梳理了此次YC路演的關鍵信息：

1、 AI原生公司崛起：這兩次YC項目路演中AI初創公司比例高，并皆為AI原生公司，迭代速度更快，幾個月內搭建出團隊，落地產品；

2、 垂類應用方向清晰：以前的項目是在多個行業里解決一個環節的問題。現在的創業公司敢于在一個業務線、一個行業里解決多個環節的問題；

3、 單純技術背景不占優勢，關鍵在于對于垂直業務的深度理解。

創業技術門檻降低，AI實現技術平權

“一些白手起家的超級年輕團隊，年收入甚至可以在不到12個月里，年收入增長至1000萬美元，甚至只需要不到10個人的團隊。”YC的CEO Garry Tan不止一次在訪談中提及生成式AI下創業的新變化，相比之下，也只有上一波科技商業革命的代表——Airbnb，作為那一代最好的公司能夠做到每周10%的增長。

當以Cursor、Windsurf等這些AI編碼企業讓氛圍編碼（Vibe Coding）如病毒一般在行業里傳播，YC的初創公司中，就有四分之一的創業者正在通過氛圍編碼構建自己的理想產品。

氛圍編碼指的是，將代碼生成的重擔交給AI工具，開發者更多承擔“架構師”的角色，只需關注高層次目標，而非代碼細節。這與傳統的“AI輔助編碼”不同，開發者無需仔細審查和調整AI生成的代碼。

這帶來的一個明顯的趨勢是——技術已經不再是門檻，真正的門檻成為了對垂直細分領域的深入理解。淘汰與競爭，圍繞這場變化展開，誰能夠在行業的毛細血管中扎得夠深，方能在這場競爭中取勝。

更為明顯的發生在2025年，根據風投機構UpHonest提供的數據，2023年YC一次創業營中垂類細分的AI賽道創業項目占比為19%，水平通用的AI賽道創業項目占到了49%，但到了今年，垂類細分賽道的AI創業項目則占比提高到了40%，水平通用的AI賽道創業項目僅為26%。

數據來源：YC官網、Uphonest Capital 制圖：陳伊凡

對于親臨現場的Alan而言，和YC W25一樣，這一次的AI濃度依然很高，不過創新風向更加明顯。

盡管這一次也有不少初創項目在路演之前還在轉換方向，這是每一期YC的特點，Alan表示，關鍵問題是創業團隊是否有想好，如果一換再換，再融資就難了。在這屆YC路演現場，投資人的積極性很高，對這一屆垂直細分行業創業的認可度強，表現在很多項目很快完成融資。

不光是含AI濃度高，Alan發現，這一次的YC路演，幾乎都是AI原生創業公司，他們在短時間內搭建起團隊，完成產品落地。這也反映了此輪AI創業的窗口期越來越短，如果在短期內無法實現產品落地并迅速形成收入，可能會面臨淘汰。

不過，這些AI原生的公司，沒有過去的包袱，一切組織形式、思維模式以及工作方法圍繞AI而生，速度跑得比轉型后的AI公司更快。

真正門檻在于理解垂直行業的痛點

“如果我們為之提供基礎架構的軟件類型，在很大程度上看起來是一樣的，那么我們就會變成一種商品。”

2022年，AI編碼公司Codeium聯合創始人Varun Mohan在面對以Transformer架構為主導的GPT等基礎大模型興起時做出了如上判斷。這成為了其轉型為AI編碼公司——Codeium的動機。這家公司在今年4月被Open AI以30億美金收購。

Mohan算是較早意識到這一變化的創始人。這個邏輯很簡單，因為大模型的出現，讓技術基礎設施更加標準化，公司之間可以用同樣的標準衡量。

不過現在，隨著Codeium、Cursor等一眾聚焦水平AI應用的公司跑出來并拿到了高估值，這些專注于提供通用基礎技術服務的公司也變得更為標準化，留給初創企業的空間就沒那么大了。

在Alan的觀察下，當AI Agent尚未完全爆火時，許多創業者會延續原先的思路，針對綜合應用方向進行創業，例如AI銷售、AI設計、AI市場營銷、AI辦公、AI編碼等。這是兩年前AI賽道創業的特點，但如今，行業中能夠跑出來的這類通用AI工具已經有了很高的估值，新進入者極難有機會，這也是這一次AI技術革命發展更快且更殘酷的具象。

更多對于未來增長空間的想象，留給了成熟的垂直細分行業中，如何用AI改造流程。

在一個垂類客戶那里賺更多的錢，意味著需要服務更多步驟和環節，這并不是服務很多不同行業里的很薄的需求，以至于業務擴展只能指望更多人使用。在Alan看來，垂直細分行業的服務等于可以解決一個業務流程里的不同環節，本質上可以代替小型團隊。

在這次的YC路演上，有一家叫做Kirana AI的公司，這家公司為實體雜貨店打造AI商店經理的產品，通過實時警報、數據分析，提高零售商的安全性和運營效率。

這家公司的兩位創始人是哈佛的校友，其中一位創始人Nicholas Sleeper的家族在美國緬因州經營了一家100年歷史的雜貨鋪，他每天親眼目睹父親經歷的各種運營雜貨店的挑戰。他發現，經營一家獨立雜貨店，利潤微薄。例如，他們會因為缺貨導致銷售額損失增加，員工會因為在工作時滑倒等危險增加了店鋪的責任風險，影響了銷售額，微薄的利潤又導致雜貨店無法雇傭后臺工作人員，而這些瑣事又分散了門店經理在優先事項——客戶服務上的注意力。

因此，Kirana AI的AI門店經理能夠直接和雜貨店的攝像頭系統集成，用于全天候的盜竊檢測、安全監控以及即時缺貨通知——全天候盜竊檢測會在有人穿過收銀臺后面的“禁區”或刷商品時，實時發出警報；安全監控能夠自動發現滑倒和跌倒危險，以便商店在風險發生之前解決它們；AI門店經理提供貨架和庫存洞察——即時缺貨通知，以保持產品水平優化；這家公司還提出，其將會很快引入代理工作流程來管理雜貨商最繁瑣的任務之一——查找競爭對手的價格。

另一個聚焦垂直細分行業的初創公司叫做Eloquent AI，這家公司是第一個專門為金融服務構建的AI運營商。

之前金融機構難以大規模使用AI代理的一個重要原因在于監管環境，由于通用AI代理持續出現的幻覺問題、金融機構的合規風險以及一些重大工程要求組織行動的自動化，導致在金融科技領域很難實現大規模全流程的AI代理。Eloquent AI不依賴API，其能夠將AI直接連接到客戶的數據庫、支持平臺等；能夠實現快速部署，通過多模式技術觀察團隊的SOP，并進行學習；能夠將復雜的多方工作流程自動化。

當AI真正能夠代替一個團隊解決問題時，想象空間就不一樣了。不同于SaaS，針對一層需求所賺的訂閱費，垂直行業的AI代理解決的是原本需要多位員工才能完成的需求，客戶價值翻倍。Alan告訴虎嗅，如果一家瞄準訴訟行業的AI，能夠實現全流程的自動化，賺取的就不僅是訂閱費，而是律師費。

結語

Garry Tan在一次訪談中提及，一家YC的初創，提供醫療賬單服務，其聯合創始人為了深入了解醫療賬單員行業，在社交網絡上找到了一份醫療賬單員的工作。要是想吃這碗飯，首先要先成為這個行業的人。

這很可能是未來公司的形態，基于Cursor、Windsurf等這些人工智能的編碼平臺，結合某個行業的痛點和know-how，單純具備強技術背景的初創團隊或許不會再像過去一樣那么吃香了。

不過，新的挑戰仍然隨之而來，當AI代理開始在解決不同環節的問題時，面臨的是不同行業數據的打通，一個開放的商業環境和數據流通環境就顯得格外重要。

本內容為作者獨立觀點，不代表虎嗅立場。未經允許不得轉載，授權事宜請聯系 hezuo@huxiu.com

本文來自虎嗅，原文鏈接：https://www.huxiu.com/article/4474693.html?f=wyxwapp