现在可以用 AI 构建的创业想法

一句话结论

AI（尤其大语言模型）能力突飞猛进，使大量此前不可行的创业想法迎来窗口期：招聘评估从数年积累标注数据变为 LLM 第一天即可完成；超个性化学习（Hyperpersonalization）——教育科技的圣杯——终于可及；三方市场被压缩为两方市场；全栈创业公司首次可以拥有软件公司级别的毛利率。核心方法论也发生转变：前 AI 时代的"先卖再造、精益创业"教条已过时，当今最有效的创业路径是追随好奇心、站在技术前沿，用正确的提示词、数据集和评估方法即可创造出令人惊叹的产品。

来源信息

Executive Summary

本期 YC Light Cone 节目由 Harj Taggar、Gary Tan 和 Jared Friedman 等多位合伙人共同讨论 AI 时代的创业机会。Harj 以自身经营 Triplebyte 的经历说明：过去需要数年积累标注数据才能做好的工程师评估，如今借助 LLM 第一天就能实现——这正是 Meror 等新锐招聘公司迅速崛起的原因。Gary 聚焦教育领域，指出超个性化学习终于可及，Revision Dojo 和 Speak 等公司已展现强劲增长。讨论进一步延伸至：三方/四方市场如何因 AI 压缩为两方市场、消费级 AI 产品的商业模式变革（从"卖软件"转向"替代真人服务"的定价逻辑）、护城河的真正来源、Google 与 OpenAI 的平台竞争与平台中立性问题、全栈创业公司（Full Stack Startups）为何在上一轮失败而如今有机会复兴，以及 Replicate、Ollama、Deepgram 等基础设施公司如何在漫长等待后迎来爆发。节目提出一个元观点：前 AI 时代"先卖再造、精益创业"的经典教条已过时，当今最有效的创业路径是追随好奇心、站在技术前沿。

核心观点

1. 基础设施仍待建设

围绕 AI 部署和智能体（Agent）使用的工具链与基础设施仍有大量空白。如果你身处未来前沿、持续探索最新技术，就很可能"撞上"一个绝佳的创业想法——只需运用恰当的提示词（Prompt）、数据集、一点独创性、正确的评估（Eval）和一点品味，就能获得如同魔法般的输出。Gemini 2.5 Pro 的百万令牌上下文窗口（Million Token Context Window）等新能力正在催生大量此前不可能实现的创业构想。

2. 招聘市场的重构

Harj 回顾经营 Triplebyte 近五年的经历。2015 年前后招聘创业公司的核心思路是将市场模型应用于工程师招聘。Triplebyte 的 thesis 是构建精选市场（Curated Marketplace），但这完全依赖人工：数年自建软件、数千场技术面试积累标注数据集（Label Dataset）。Triplebyte 本质上是三方市场——公司、工程师和签约面试官三方协调成本极高。

如今 AI 代码生成模型可胜任代码评估，Meror 等公司在第一天就能用 LLM 完成评估。更重要的是，LLM 让从工程师扩展到分析师等其他知识工作者变得轻而易举——过去每拓展一个领域都要重建标注数据集，如今只需换一个 prompt。

3. 创始人的心理挑战与 Instacart 式机遇

Harj 特别敬佩 Meror 创始人的一点：进入一个已投入大量聪明团队和巨额资本的领域，需要面对极大的心理压力。Triplebyte 融资约五千万美元，其竞对 Hired 融资超一亿美元——但作为品类整体表现不佳。Gary 指出这与 Instacart 的故事完全一致：WebVan 是一具"腐朽的创业尸体"，但 iPhone 和安卓的普及让移动市场首次成为可能。用创新迷宫（Idea Maze）的比喻：AI 让所有墙壁移位了，唯一找到出路的方式就是亲自走进迷宫。

4. 专注市场中的细分环节

Apriora 是 YC 合伙人 Nico 在 2024 年冬季投资的公司，构建 AI 智能体运行技术面试筛选。LLM 赋能的 Apriora 能做更精细的分级筛选，让公司愿意把高级工程师也纳入筛查范围，大大拓展了可用市场。

5. 超个性化学习：教育科技的圣杯

教育领域的超个性化（Hyperpersonalization）是教育科技长期以来的圣杯。互联网让知识获取更容易，但真正的个性化学习直到现在才首次成为可能。Revision Dojo 帮助学生备考，是闪卡（Flashcard）的升级版——真正量身定制的学习体验，拥有大量日活用户（DAU）。Adexia 为教师提供批改作业的 AI 智能体——教师离职的最大原因就是厌恶批改作业。

6. 消费级 AI 的商业模式变革

Gary 提出关键问题：更好的产品是否自动意味着更多分发？Harj 分析教育科技的付费困境：如果你的应用从"完成率低的自学课程"升级为"媲美最佳人类数学导师"的体验，家长就会愿意支付高得多的费用——不需要百万家长，十万家长每月支付可观费用就能支撑一个规模远超以往的业务。这改变了商业模式：你不再被当作 SaaS 软件，而是被当作替代客户支持团队或分析团队的方案。关于护城河（Moat），Gary 强调品牌（Brand）、切换成本（Switching Cost）和生态整合（Integration）才是持久收入流的来源。

7. Google 与 OpenAI：平台中立性的困境

OpenAI 聘请了 Instacart 的 CEO 担任应用层负责人，表明正在加码应用层。Gary 提出深刻观点：我们正需要平台中立性（Platform Neutrality）——正如网络中立性（Net Neutrality）确保了互联网自由市场，Windows 被要求让用户选择浏览器，为什么手机上的语音助手不能让用户自由选择？Siri 仍然非常笨拙，说明大型科技平台仍在压制 AI 实验室的能力释放。

8. Google 的内部困境与创新者窘境

Gemini Pro 在某些任务上与 o3 不相上下甚至更优，但消费者使用量仅为 ChatGPT 的极小比例。Google 内部存在 Gemini 和 Vertex.ai Gemini 两个不同产品——典型的"发布组织架构而非产品"问题。更深层的是 Google 拥有 TPU——这是 Google 的"龙"，让智能成本大幅降低并实现成本效益极高的大上下文窗口。然而 Google 面临经典的创新者窘境（Innovator's Dilemma）：把 google.com 替换为 Gemini Pro 可能瞬间成为全球第一聊天机器人，但这将放弃 80% 的营收。

9. Meta AI 的尴尬整合

Meta AI 被硬塞进 WhatsApp 和 Facebook 中但体验糟糕。典型场景：问 Meta AI"我下周去巴塞罗那，那里有哪些朋友？"，回答却是"抱歉，作为 AI，我没有访问权限"——完全违背用户对整合社交数据的期待。Gary 形容这像"Facebook 的人直接站在你的聊天里"，需要更多设计品味。

10. Pete Koomen 的系统提示词洞察

YC 合伙人 Pete Koomen 分析了 Gemini 与 Gmail 的整合为何做错：当前系统将系统提示词（System Prompt）置于用户之上，用户无法修改 AI 的语气和行为。真正赋能用户意味着允许用户修改系统提示词——这甚至暗示了 AI 优先的氛围编程博客平台（AI-first Vibe Coding Blog Platform）的创业机会。

11. 全栈创业公司的复兴

2010 年代全栈创业公司（Full Stack Startups）普遍忽视了毛利率的重要性。Triplebyte 虽达 2000-2400 万美元 ARR，但与顶尖软件公司相比并不亮眼。Zenefits 过度依赖招聘更多销售和客户成功人员。Parker Conrad 在 Rippling 中强制工程师做客户支持以确保软件不需要太多人工。

Harj 提出牛市论点：AI 智能体让全栈公司首次可以在底层看起来像软件公司——不再需要庞大的运营团队和低毛利率。Justin Khan 的 Atrium 失败于 AI 不够好的时代，但 Legora（YC 投资增长最快的公司之一）正在为律师构建 AI 工具，最终其智能体将成为全球最大的律师事务所。

12. ML 基础设施公司的漫长等待与爆发

Jared 回忆 2020 年团队对 ML 运维公司毫无兴趣——因为 ML 本身还不够好用，没有真正的客户。Replicate（Winter 20 批次）疫情期间业务惨淡到团队停工数月，直到图像扩散模型问世后一夜爆发。Ollama 长期默默无闻，直到 LLaMA 发布后需求瞬间爆发。Deepgram 更是典型案例：两位弦论物理学博士从 2016 年开始做语音转文字，产品长期表现平平，但语音智能体爆发后迅猛增长。

13. 元观点：创业方法论的时代更迭

前 AI 时代的创业信条——"先卖再造"（Sell Before You Build）、精益创业（Lean Startup）、快速试错（Fail Fast）——已经过时。正确的心智模型是：使用有趣的技术、追随自身好奇心、探索可能性。正如 Paul Graham 所言，站在未来前沿、探索最新技术，就很可能自然地撞上一个好创意。今天的独特之处在于：运用正确的提示词和数据集，加上独创性、评估和品味，就能获得令人惊叹的输出。这仍然是一个秘密——大多数公司仍在按部就班执行一年前的季度路线图。

可执行建议

  1. 对创业者：去审视世界上所有的市场，问"LLM 会如何改变这个市场？"——AI 让创新迷宫的所有墙壁移位了。
  2. 对创业者：追随好奇心、站在技术前沿，而非遵循"先卖再造"的旧教条。
  3. 关注招聘评估：LLM 让知识工作者评估的门槛大幅降低。
  4. 关注教育科技：超个性化学习终于可及。
  5. 关注全栈创业公司复兴：AI 智能体让全栈公司首次拥有软件级毛利率。
  6. 关注 ML 基础设施：方向性正确但时机尚早的方向，坚持足够久就可能迎来爆发。
  7. 护城河思考：品牌、切换成本和生态整合才是持久收入来源，仅"加入 AI"远远不够。

重要例子 / 公司案例

关键证据

涉及概念

涉及人物

涉及公司

可沉淀到哪些主题页

不确定事项

Change Log