10年前的创投圈，如果创始团队拥有谷歌、Meta 的大厂技术光环，叠加每年 10% 的稳定增长，或许能轻松叩开投资机构的大门。而如今，这条法则正在失效。 当许多人还在称道“从0到1”的大模型“奇点”时刻，YC的风向已经悄然转入了一场更为务实的革命——在一个足够细分和垂直的成熟赛道中，用AI重塑工作流程，正在取代对通用技术的追逐，成为如今创业的生存法则。（注：我们将解决某个特定行业垂直工作流问题的初创公司归为垂类AI应用，将解决多个行业同一环节问题的AI应用归为水平通用AI应用） 这家成立20年，硅谷最大的加速器，经历了移动互联网时代的繁荣，其已经累计孵化了超过3000家初创公司，其投资组合已超过8000亿美元的市值，在40多年历史的风险投资行业，有一半历史，都与这家孵化器息息相关，如今在股票市场上火爆的公司——Airbnb、Stripe、Dropbox等背后都有YC的影子，YC也被《纽约时报》誉为“硅谷的创新公司制造机”。 进入YC加速器的创始团队要进行三个月的项目培训，在培训期间，他们会接受YC的创业辅导和经验分享，例如，曾经参加YC训练营的创始人说，会让他们用一句话介绍自己的产物、或是会审查初创团队每周赚了多少钱。训练营最后一天被设置为路演日，YC每年有四次路演，春季、夏季、秋季和冬季。 上周，YC刚刚结束其YC S25的路演，当生成式AI出现后，YC再次进入了全球风投的焦点，其每一届YC的项目路演都吸引了全球投资者的关注，能够参加这场路演的初创公司，成为了创投人手中炙手可热，反复研究的标的，只是，在生成式AI出现后的这几年时间，创业的逻辑每一年都不断发生变化。 2、 垂类应用方向清晰：以前的项目是在多个行业里解决一个环节的问题。现在的创业公司敢于在一个业务线、一个行业里解决多个环节的问题； “一些白手起家的超级年轻团队，年收入甚至可以在不到12个月里，年收入增长至1000万美元，甚至只需要不到10个人的团队。”YC的CEO Garry Tan不止一次在访谈中提及生成式AI下创业的新变化，相比之下，也只有上一波科技商业革命的代表——Airbnb，作为那一代最好的公司能够做到每周10%的增长。 当以Cursor、Windsurf等这些AI编码公司让氛围编码（Vibe Coding）如病毒一般在行业里传播，YC的初创公司中，就有四分之一的创业者正在通过氛围编码构建自己的理想产物。 氛围编码指的是，将代码生成的重担交给AI工具，开发者更多承担“架构师”的角色，只需关注高层次目标，而非代码细节。这与传统的“AI辅助编码”不同，开发者无需仔细审查和调整AI生成的代码。 这带来的一个明显的趋势是——技术已经不再是门槛，真正的门槛成为了对垂直细分领域的深入理解。淘汰与竞争，围绕这场变化展开，谁能够在行业的毛细血管中扎得够深，方能在这场竞争中取胜。 更为明显的发生在2025年，根据风投机构UpHonest提供的数据，2023年YC一次创业营中垂类细分的AI赛道创业项目占比为19%，水平通用的AI赛道创业项目占到了49%，但到了今年，垂类细分赛道的AI创业项目则占比提高到了40%，水平通用的AI赛道创业项目仅为26%。 尽管这一次也有不少初创项目在路演之前还在转换方向，这是每一期YC的特点，Alan表示，关键问题是创业团队是否有想好，如果一换再换，再融资就难了。在这届YC路演现场，投资人的积极性很高，对这一届垂直细分行业创业的认可度强，表现在很多项目很快完成融资。 不光是含AI浓度高，Alan发现，这一次的YC路演，几乎都是AI原生创业公司，他们在短时间内搭建起团队，完成产物落地。这也反映了此轮AI创业的窗口期越来越短，如果在短期内无法实现产物落地并迅速形成收入，可能会面临淘汰。 2022年，AI编码公司Codeium联合创始人Varun Mohan在面对以Transformer架构为主导的GPT等基础大模型兴起时做出了如上判断。这成为了其转型为AI编码公司——Codeium的动机。这家公司在今年4月被Open AI以30亿美金收购。 Mohan算是较早意识到这一变化的创始人。这个逻辑很简单，因为大模型的出现，让技术基础设施更加标准化，公司之间可以用同样的标准衡量。 不过现在，随着Codeium、Cursor等一众聚焦水平AI应用的公司跑出来并拿到了高估值，这些专注于提供通用基础技术服务的公司也变得更为标准化，留给初创公司的空间就没那么大了。 在Alan的观察下，当AI Agent尚未完全爆火时，许多创业者会延续原先的思路，针对综合应用方向进行创业，例如AI销售、AI设计、AI市场营销、AI办公、AI编码等。这是两年前AI赛道创业的特点，但如今，行业中能够跑出来的这类通用AI工具已经有了很高的估值，新进入者极难有机会，这也是这一次AI技术革命发展更快且更残酷的具象。 在一个垂类客户那里赚更多的钱，意味着需要服务更多步骤和环节，这并不是服务很多不同行业里的很薄的需求，以至于业务扩展只能指望更多人使用。在Alan看来，垂直细分行业的服务等于可以解决一个业务流程里的不同环节，本质上可以代替小型团队。 在这次的YC路演上，有一家叫做Kirana AI的公司，这家公司为实体杂货店打造AI商店经理的产物，通过实时警报、数据分析，提高零售商的安全性和运营效率。 这家公司的两位创始人是哈佛的校友，其中一位创始人Nicholas Sleeper的家族在美国缅因州经营了一家100年历史的杂货铺，他每天亲眼目睹父亲经历的各种运营杂货店的挑战。他发现，经营一家独立杂货店，利润微薄。例如，他们会因为缺货导致销售额损失增加，员工会因为在工作时滑倒等危险增加了店铺的责任风险，影响了销售额，微薄的利润又导致杂货店无法雇佣后台工作人员，而这些琐事又分散了门店经理在优先事项——客户服务上的注意力。 因此，Kirana AI的AI门店经理能够直接和杂货店的摄像头系统集成，用于全天候的盗窃检测、安全监控以及即时缺货通知——全天候盗窃检测会在有人穿过收银台后面的“禁区”或刷商品时，实时发出警报；安全监控能够自动发现滑倒和跌倒危险，以便商店在风险发生之前解决它们；AI门店经理提供货架和库存洞察——即时缺货通知，以保持产物水平优化；这家公司还提出，其将会很快引入代理工作流程来管理杂货商最繁琐的任务之一——查找竞争对手的价格。 之前金融机构难以大规模使用AI代理的一个重要原因在于监管环境，由于通用AI代理持续出现的幻觉问题、金融机构的合规风险以及一些重大工程要求组织行动的自动化，导致在金融科技领域很难实现大规模全流程的AI代理。Eloquent AI不依赖API，其能够将AI直接连接到客户的数据库、支持平台等；能够实现快速部署，通过多模式技术观察团队的SOP，并进行学习；能够将复杂的多方工作流程自动化。 当AI真正能够代替一个团队解决问题时，想象空间就不一样了。不同于SaaS，针对一层需求所赚的订阅费，垂直行业的AI代理解决的是原本需要多位员工才能完成的需求，客户价值翻倍。Alan告诉虎嗅，如果一家瞄准诉讼行业的AI，能够实现全流程的自动化，赚取的就不仅是订阅费，而是律师费。 Garry Tan在一次访谈中提及，一家YC的初创，提供医疗账单服务，其联合创始人为了深入了解医疗账单员行业，在社交网络上找到了一份医疗账单员的工作。要是想吃这碗饭，首先要先成为这个行业的人。 这很可能是未来公司的形态，基于Cursor、Windsurf等这些人工智能的编码平台，结合某个行业的痛点和know-how，单纯具备强技术背景的初创团队或许不会再像过去一样那么吃香了。 不过，新的挑战仍然随之而来，当AI代理开始在解决不同环节的问题时，面临的是不同行业数据的打通，一个开放的商业环境和数据流通环境就显得格外重要。
