原文影片連結：YC最新圓桌討論：我們如何抓住AI創業浪潮？這些垂直領域藏著3000億的新機會
Y Combinator（YC）是一家全球知名的創業孵化器和種子期投資公司。它以獨特的模式和在矽谷的成功而聞名，被譽為"創業公司的大學"。他們最新一期的圓桌討論中，YC四位資深投資人 Gary、Jared、Harj和 Diana 深入探討了一個引人注目的話題：垂直AI代理如何重塑商業格局，以及為什麼這個領域有可能誕生市值3000億美元的公司。
從歷史來看，每一次重大技術變革都會帶來新的商業模式。就像2005年前後，當XML HTTP請求技術成熟時，它徹底改變了軟體的交付方式。YC創始人Paul Graham是這一浪潮的先驅者之一。他開發的Viaweb（一個類似今天Shopify的線上商店平臺）可以說是第一個真正的SaaS應用，儘管在當時由於技術限制，使用者體驗並不理想。
如今，我們正站在另一個類似的歷史節點。大語言模型（LLM）作為一種全新的計算正規化，正在開啟前所未有的可能性。特別令人振奮的是，這個領域不再是某家公司的獨角戲。多個基礎模型的出現帶來了良性競爭，為創業者創造了新的機遇。
透過研究過去二十年創業公司的發展軌跡，我們可以將其歸納為三種典型路徑：傳統產品路徑（往往被科技巨頭主導）、創新消費路徑（開創全新市場）和B2B SaaS路徑（催生大量獨角獸）。與SaaS在2005-2010年間需要透過消費級應用培育使用者習慣不同，當前的垂直AI代理有著獨特優勢——企業市場已經充分認識到垂直解決方案的價值，他們對初創公司的AI解決方案接受度達到了歷史新高。這種變革正在以前所未有的速度重塑整個商業格局。
對話文稿
主持人Gary: 我是Gary，這位是Jared，還有Harge和Diana。我們四個人共同資助了無數初創企業，總金額達數千億美元，這些公司從一開始只有一兩個人到現在成就斐然。今天，Jared可是滿腔熱情，他要來談談垂直領域的AI代理。
Jared： 是的，我確實非常激動！因為我認為許多人，尤其是年輕的初創企業創始人，還沒有完全意識到垂直領域AI代理將會有多大的影響力。這並不是一個新概念，已經有人在討論垂直領域AI代理，我們也資助過不少相關專案，但我覺得全球範圍內還沒有真正意識到它的潛力有多大。所以今天我想講一講為什麼我認為僅僅在這一類中，就會出現價值超過3000億美元的公司。
我要用SaaS（軟體即服務）的類比來說明。我認為情況非常類似，人們並沒有真正意識到SaaS到底有多大，因為大多數初創企業創始人，尤其是年輕人，往往是透過他們作為消費者使用的產品視角來看待整個行業的。而作為消費者，你並不會使用太多的SaaS工具，因為這些工具主要是為企業設計的。所以很多人錯過了一個基本點：如果你看過去20年矽谷的投資情況，你會發現我們主要在資助SaaS公司。這幾乎佔了40%以上的風險投資金額。過去20年間，我們創造了300多家SaaS獨角獸公司，這比其他所有類別加起來都多。
1、對比SaaS和大模型差異
主持人Gary:我最近回顧了一下SaaS的歷史，我們總是喜歡討論技術歷史如何影響未來。我認為SaaS繁榮的真正催化劑是——你們還記得XML HTTP請求嗎？
Harge： 哦，天哪！那絕對是SaaS繁榮的催化劑！
Diana： 對，Ajax！
主持人Gary: 2004年，瀏覽器新增了這個JavaScript函式XML HTTP請求，這是構建瀏覽器中富網際網路應用的關鍵技術。所以，你第一次可以在網站中做出看起來像桌面應用程式的東西。它催生了Google Maps、Gmail，也開啟了整個SaaS繁榮時代。關鍵技術的解鎖讓軟體從原來透過光碟安裝在電腦上的東西，變成了你可以透過網站或手機直接使用的工具。
Jared： 保羅·格雷厄姆也參與了這段歷史。他是最早意識到可以利用HTTP請求連線到Unix終端的人之一，你甚至不需要一個獨立的計算機程式來改變網站。他的Viaweb是一個線上商店，類似於現在的Shopify，但那是很久以前的事情。那可以說是第一個真正的SaaS應用，但當時的SaaS應用體驗很差，因為沒有XML HTTP請求。你每點選一次按鈕，頁面都要重新載入一遍，體驗非常糟糕。所以直到2005年XML HTTP請求普及後，這一切才真正流行起來。我覺得現在的大語言模型（LLM）也非常相似。這是一種全新的計算正規化，讓我們可以做一些完全不同的事情。2005年，當雲端計算和移動技術真正興起時，有一個大問題是：這種新技術應該用來做什麼？價值會在哪裡積累？有哪些適合初創公司的好機會？我查閱了許多價值十億美元的公司創立歷史，並發現可以把它們的路徑分為三類。
主持人Gary: 哪三類？
Jared： 大概如下三類，
-
第一類是那些顯而易見的大眾消費產品，例如文件、照片、郵件、日曆、聊天工具等。這些都是我們以前在桌面上做的事情，可以很容易地遷移到瀏覽器和移動端。但有趣的是，這些領域裡，初創企業幾乎沒有獲勝者，100%的價值都流向了傳統巨頭，比如Google、Facebook、Amazon。
-
第二類是那些大眾消費領域中不顯而易見的想法，例如Uber、Instacart、DoorDash、Coinbase、Airbnb。這些點子一開始完全出乎意料，所以巨頭們甚至沒有嘗試競爭，等他們想競爭時已經太晚了。
-
第三類是所有的B2B SaaS公司。這一類創造了300多家獨角獸公司。從數量上來說，這一類的十億美元公司遠遠多於前兩類。我認為原因之一是SaaS沒有一個類似微軟的巨頭，能夠覆蓋所有垂直領域和所有產品。這種結構上的特點導致了這麼多不同的公司誕生。
我覺得Salesforce可能是第一個真正的SaaS公司。我還記得Marc Benioff來YC演講時的故事。早期人們根本不相信可以透過雲或者SaaS構建複雜的企業應用程式。當時的網路應用程式很差，比如Viaweb，你必須像保羅·格雷厄姆一樣有遠見，才能理解瀏覽器會不斷變好，最終能支援複雜的應用程式。這和今天的情況非常相似。人們現在也覺得用大語言模型和AI工具來構建複雜的企業應用程式是不可能的，因為它們有幻覺、不夠完善，或者只是玩具。但這和早期的SaaS故事一模一樣！
主持人Gary:當我想到大語言模型（LLMs）與SaaS之間的相似性時，我完全可以想象類似的事情會發生。會有一些顯而易見的大眾消費類應用機會，但這些機會可能會被現有巨頭全部佔領。比如，一個通用的AI語音助手——你可以讓它做任何事情，而它會幫你完成。這顯然是一個應該存在的東西，但所有的大公司都會爭相開發這樣的產品。
Jared： 嗯，蘋果在這一領域的速度確實有點慢。為什麼Siri到現在還這麼笨？現在都什麼年頭了，這真的讓人費解！
Harge： 從某種程度上來說，這種現象很典型，比如搜尋領域。或許Google仍然會是贏家，但Perplexity確實在這個領域給了他們很大的挑戰。
Diana： 這就是經典的“創新者窘境”。回到剛才提到的Uber或Airbnb的例子，從監管角度來看，這些其實是非常冒險的專案。如果你是Google，已經有一個穩定的“金礦”，每個月都能帶來鉅額收入，你為什麼要冒險去開發這些可能會帶來麻煩、甚至毀掉“金礦”的東西呢？
2、Uber或Airbnb的成功
主持人Gary:沒錯，這可能是主要原因之一。也正因為如此，很多巨頭沒有去做這些產品，甚至在它們已經成功、明顯可行時也沒有去複製它們。比如，Google從未推出Uber或Airbnb的克隆版。
Jared： 我聽過Travis的一次演講，他提到在Uber的頭幾年，他非常害怕自己可能會因為這個專案而被關進監獄——而且是很長時間的那種。他是真的冒著個人風險去創辦這家公司。而像Google這樣高薪的員工，顯然不會去冒這樣的風險。
Diana： 那麼，為什麼這些巨頭沒有進入B2B SaaS領域呢？
Jared： 這是個好問題。我認為部分原因是B2B SaaS的使用場景非常分散。每個B2B SaaS公司都需要對一個特定領域有深入的理解，還要對一些非常複雜的細節保持高度關注。比如，為什麼Google沒有開發一個Gusto的競爭對手？因為Google內部沒有人真正懂得薪資管理，也沒有耐心去處理那些繁瑣的薪資法規。這對他們來說完全不值得。確實如此。相比之下，專注於幾個非常大的領域對他們來說更有吸引力。B2B SaaS領域的情況確實是軟體“分拆與整合”爭論的一個縮影。
主持人Gary: 沒錯。為什麼這些垂直領域的B2B SaaS產品會不斷湧現，而不是被像Oracle或SAP這樣的巨頭完全掌控呢？
Jared： 這可能也與SaaS和網際網路的轉變有關。過去的軟體銷售模式是透過昂貴的盒裝軟體，且需要一個完整的生態系統來支援。而任何定製需求都可能由整合商透過額外開發來實現。然後，Salesforce透過SaaS解決方案出現，雖然一開始看起來似乎不如那些昂貴的企業安裝軟體強大，但最終證明SaaS完全可以達到同樣的效果。這為所有這些垂直SaaS解決方案開啟了大門。另一個問題是，許多企業軟體的使用者體驗其實很差。像Oracle或NetSuite這樣的公司，因為需要覆蓋大量領域，導致產品像“萬金油”一樣，面面俱到卻難以精通。
Diana： 是的，正因如此，如果你打造一家垂直領域的B2B SaaS公司，就可以提供一個體驗好10倍的產品。消費者產品和企業使用者體驗之間的差距非常明顯。軟體的價格體系也很有趣，通常分為三檔：每使用者5美元、500美元或5.5萬美元。這直接對應消費者、中小企業和企業銷售。過去的情況是，企業軟體通常很糟糕，因為購買決策者並不是終端使用者，而是公司內部的高層。他們更傾向於選擇那些看起來很複雜的大額合同，而不一定關心終端使用者的實際體驗。
主持人Gary: 我很好奇，這種情況在大語言模型的影響下是否會發生變化。
Jared： 目前，我們觀察到的一個顯著現象是，無論是中小企業還是大型企業軟體公司，甚至是所有初創企業，隨著收入規模的擴大，員工數量往往也會隨之增加。比如，在YC當前的投資組合中，很多獨角獸公司已經達到了每年1億到2億美元的收入，但同時也僱傭了500到1000甚至2000名員工。但我也發現現在給初創企業的建議已經和以前有所不同了。以前可能會建議他們去找到每個部門中最聰明的人，比如客戶成功、銷售等，然後盡力讓這些人加入團隊，為你建立團隊並僱傭更多的人。這種做法可能依然有效，但我覺得趨勢正在悄然轉變。
Harge： 你覺得變化在哪裡？
Jared： 現在或許更需要僱傭一些真正優秀的軟體工程師，尤其是那些理解大語言模型（LLMs）的人。他們可以自動化解決企業增長中的瓶頸問題。這種變化可能很微妙，但卻可能對後期的企業發展產生重大影響。比如，你可以開發基於LLM的系統來降低成本，從而避免僱傭大量員工。我認為我們正處在這場革命的開端。
3、AI獨角獸
主持人Gary: 沒錯，我們之前的一期節目中也提到過未來可能會有一家公司成為獨角獸，但只有10名員工負責運營。這種情況完全是可能的，他們的工作主要是寫提示詞和調教模型。
Diana： 其實你提到的這種趨勢在LLMs出現之前就已經開始了。我記得當時我在運營Triplebyte時，我們需要建立營銷和使用者獲取的能力，特別是在完成B輪融資之後。傳統的做法是僱傭一位市場營銷高管，並組建一支市場團隊來執行銷售和營銷流程。
Harge： 但你當時沒有選擇這個傳統路徑，對吧？
Diana： 對。我遇到過一位YC的創始人，他的公司在開發一款智慧煎鍋，聽起來很奇怪，但他是麻省理工的工程師。他為了賣智慧煎鍋，非常精通於付費廣告、Google廣告等營銷技術。他用工程師的思維方式解決了營銷問題。當時我就意識到，讓一位工程師負責我們的營銷工作，可能比任何一個傳統的營銷候選人都要強。所以，他用工程師的方式成功解決了問題，也幫助我們實現了大規模擴充套件，每個月花費上百萬美元在營銷和各種活動上。比如Triplebyte當時的營銷活動質量非常高，從地鐵站廣告到各種戶外宣傳，效果都很好。這一切都是他主導的，而不是由一個典型的市場副總裁完成的。
Jared： 這真的很有啟發性。透過僱傭一位聰明的工程師，他們往往能夠找到槓桿點，讓效率大幅提高。而現在，大語言模型可以將這種槓桿效應提高到一個全新的水平。
主持人Gary: 那麼你怎麼看垂直領域的AI獨角獸？
Jared： 我的觀點是，我們可以預見300家垂直領域的AI獨角獸的誕生。幾乎每一家SaaS獨角獸公司，都可以想象它在垂直AI領域的等價版本。在很多情況下，這些SaaS獨角獸公司之前都有對應的盒裝軟體公司，然後被SaaS模式顛覆。現在，我們可能會再次看到類似的顛覆，每一家SaaS公司所做的軟體，基本上都是為某個特定人群服務的。垂直AI的等價版本，則是將軟體和人結合在一個產品中。企業現在似乎對自己真正需要哪些AI代理還不太確定。尤其是一些經驗豐富的創始人，比如前Facebook的CTO Brett Taylor，他創辦了Sierra。我對具體細節瞭解不多，但這是一種很有前景的方向。
就我所知，現在的垂直AI代理更像是為企業提供一個平臺，讓他們能夠快速部署這些AI代理，並根據自身需求定製，而不是開發一個固定的、單一用途的代理。我之前資助過的一家公司叫Vector Shift，是兩位哈佛的電腦科學家創立的。他們試圖構建一個平臺，讓企業透過低程式碼工具或SDK輕鬆開發自己的內部LLM驅動代理。
Jared： 這確實是個有趣的方向，不過很多企業並不清楚他們到底想用這些工具來做什麼。這讓我聯想到盒裝軟體的時代。最初，只有少數幾家廠商試圖讓大家接受軟體，功能覆蓋面非常廣，幾乎無所不能。後來，隨著技術的發展和需求的細化，才出現了許多專注於垂直領域的SaaS玩家。
4、垂直AI代理
主持人Gary: 所以，你覺得LLM的生態會走類似的路徑嗎？一開始會有一些通用的企業LLM平臺，然後逐漸發展出垂直領域的代理，還是垂直代理會從第一天就開始流行？
Jared： 這確實是個有趣的問題。如果回顧SaaS的歷史，2005年到2010年之間，主要是消費類應用，比如郵件、聊天和地圖。這些工具讓個人使用者習慣了使用數字化工具，隨後企業SaaS才變得更容易推廣。畢竟個人使用者和企業員工是同一群人。但我覺得現在情況可能有所不同。LLM不需要回到那種通用平臺的時代。因為企業已經接受了垂直解決方案和專注產品的價值，這種使用者習慣已經形成。而且，企業現在對初創公司的垂直AI解決方案的接受度比以往更高，這在我們這一批次的YC公司中表現得非常明顯。
Diana： 那為什麼很多公司最終還是會發展到僱傭上千名員工的規模呢？
Jared： 這其實與公司的發展階段有關。早期，大家專注於開發特定的點狀解決方案，但隨著行業的發展，企業需要橫向擴充套件。當你已經佔據了市場的大部分份額，想要繼續增長，就必須提供能夠整合多個功能的綜合性產品。
Harge： 不過，我覺得垂直AI代理相比SaaS可能有更大的潛力。SaaS軟體仍然需要一支運營團隊或人員來使用軟體完成各種工作，比如審批流程或資料錄入。但垂直AI代理不僅可以取代SaaS軟體，還能減少對員工的依賴。畢竟，公司在員工薪資上的支出往往遠高於軟體的支出。
Diana： 完全同意。垂直AI代理可能會比它們取代的SaaS公司規模大10倍。垂直解決方案本身可能足夠強大，企業無需擴充套件到全面覆蓋的程度。
主持人Gary: 那我們來談一些具體的案例吧。我們都接觸過很多垂直AI代理公司。比如Aaron Cannon以前是我的產品負責人，他現在在一家YC公司Outset工作。這家公司將LLM應用到調查和問卷領域，比如Qualtrics。
Jared： Qualtrics可能無法開發出一款高水平的LLM解決方案，但調查的本質其實是語言處理。這讓LLM有了很大的用武之地。不過，這類企業需要平衡好一個微妙的點——你需要說服企業的高層，而不是基層員工。因為如果你的AI解決方案會取代某個團隊的工作，那些團隊成員可能會抵制你的產品。這也是為什麼很多公司需要從上到下推進，比如需要CEO親自批准。比如，我合作的一家公司MCH目前在做QA測試的AI代理，他們已經取得了很好的進展。十年前我們合作過的Rainforest QA是一家QA即服務的公司，當時他們遇到的一個問題是無法完全取代QA團隊，只能提高他們的效率。這讓他們在推廣時始終面臨一個矛盾。一方面要向工程負責人宣傳這是減少QA人員的好方法；另一方面又要說服QA團隊這不會讓他們失業。這種張力一直制約著他們的擴充套件和增長。
現在像Mtic這樣的AI解決方案可以直接替代QA人員。他們的宣傳語已經不再是“讓你的QA團隊效率更高”，而是“你根本不需要QA團隊”。因此，他們的目標客戶直接變成了工程團隊，而不需要獲得QA團隊的支援。甚至可以先從那些沒有大QA團隊的公司入手，這些公司直接使用Mtic，並隨著公司的擴充套件不斷使用這個工具，而不會再建立QA團隊。
5、AI實際案例
主持人Gary: 這正是Diana提到的一個實際案例，說明了為什麼這些垂直AI代理公司將會比SaaS公司大10倍。
Diana： 這種趨勢也出現在招聘領域。我之前在Triplebyte遇到過類似的問題。我們當時開發的軟體旨在簡化篩選和僱傭軟體工程師的流程，需要得到工程團隊和招聘團隊的支援。但我們的軟體實際上是為了取代招聘人員的工作，所以招聘團隊總是對我們抱有牴觸情緒，認為這是對他們的一種威脅。
主持人Gary: 所以，這種內部的阻力對你的增長造成了影響？
Diana： 是的。這種情況總是帶來摩擦，因為你要向那些擔心被取代的客戶推銷產品。但現在AI的出現改變了這一切，比如我們最近合作的一家公司Apriora，可以完成整個技術篩選和招聘前的初篩工作。他們獲得了非常好的市場反響，因為他們不需要說服招聘團隊，而是直接提供全面的招聘解決方案，讓企業根本不需要傳統的招聘團隊。另一個例子是開發者工具公司。他們往往需要建立一支開發者支援團隊，而我合作過的一家公司Cap.AI開發了一款優秀的聊天機器人，可以解答許多複雜的技術問題。這款機器人會吸收開發者文件、YouTube教學影片以及歷史聊天記錄，回答質量非常高。這讓使用他們工具的公司大幅縮減了開發者關係團隊的規模。類似的還有AI客戶支援代理公司。我最近和一家叫Power Help的公司合作，發現了很多有趣的現象。客戶支援AI代理領域競爭非常激烈，谷歌搜尋“AI客戶支援代理”會出現上百家公司。但大多數公司只是用簡單的零樣本LLM提示語，無法真正替代複雜的客戶支援團隊。
主持人Gary: 確實如此。如果要真正取代一家大型公司的客戶支援團隊，比如一個每天處理上千個複雜工單的團隊，需要非常複雜的軟體。而目前，只有三到四家公司在嘗試開發這樣的產品，市場幾乎是空白的。
Jared： 這讓我想到一個有趣的動態。客戶支援AI代理很可能會走向超垂直化。或許最終會有一家通用的客戶支援代理公司，但這是第八或第九局的事情，而現在我們才剛剛進入第一局。比如，有些公司像Gig ML這樣，專門為像Zepto這樣的即時配送市場處理每天3萬張工單，替代了1000人的團隊。但這些解決方案非常具體，針對的是特定的市場和需求。這也是為什麼會有300家千億美元的SaaS公司，而不是一家提供全球所有SaaS服務的萬億美元級公司。客戶需要高度定製化的解決方案，很難開發出一款能夠滿足所有需求的通用產品。
主持人Gary: 是的，我們已經提到了三個客戶支援的例子，但它們對應的垂直領域完全不同。開發者工具公司、市場平臺等需要的支援型別和訓練資料集差別非常大。
Jared： 無論是AI代理還是人工團隊，最終都會遇到科斯的“企業理論”。任何企業的擴張都會受到效率限制，當企業規模變得過大而無法高效運作時，就會轉向網路和生態系統。所以，每家公司都會專注於自己擅長的領域，而企業規模的上限取決於管理者的能力。
6、管理者能力
主持人Gary: 這一點讓我有些難以消化。我們和Rippling的Parker Conrad交流時，他經常提到的一個觀點是，大家都很關注“石頭會說話”、“石頭會畫畫”這種能力，但對他來說，更有意思的是“石頭會讀書”。作為一個執行HR IT軟體的人，他花了很多時間思考HR系統如何讓管理者的能力得到延展。他的公司有3000名員工，但他仍然透過Rippling為所有人處理薪資。
Jared： 確實，這是一個有趣的反向論點。如果我們現在處在一個工具讓管理者和CEO變得更強大的時刻，這可能會擴大一個企業可以管理的規模。而這正是Rippling的目標——透過一套HR工具集合，整合多個獨立的SaaS公司，打造一個超級平臺。
Harge： 這讓我想到另一點，有了這些AI驅動的SaaS工具，可以讓領導者和組織擴充套件他們的資訊處理能力。人類與他人建立有意義關係的數量有限，這和鄧巴數（Dunbar’s Number）有關，大約是150人。但由於這些AI“石頭會讀書”，我們或許能夠突破這一限制。我還記得在Twitter上看到一個帖子提到一個CEO用一個週末開發的語音聊天工具，給他的1500名員工打電話。雖然電話很簡短，但聽起來像是CEO本人親自打來的，還能讓員工談談自己的工作情況。最終這個工具會自動提取關鍵內容並總結成要點，讓CEO更好地瞭解全域性情況。
主持人Gary: 這就是AI語言模型的能力所在。它不僅能夠對話，還可以總結資訊甚至思考。這也引發了一個問題：如果AI能完成閱讀、總結乃至思考的任務，那麼組織真正的決策者到底是誰？
Jared： Parker Conrad還有一個很有趣的做法，他的公司Rippling現在僱傭了超過100位創始人來負責各個SaaS垂直領域的產品。他的策略是透過類似亞馬遜的共享基礎設施模式，為不同的產品線提供支援。Rippling的每一個新產品，比如時間跟蹤工具，一發布就能在第一天達到數百萬美元的年經常性收入（ARR）。這和我們之前討論的一樣：一旦你進入一個垂直領域，就可以透過增加客戶生命週期價值（LTV）來提高收入，同時保持客戶獲取成本（CAC）不變。
Diana： 說到語音AI公司，這是一個非常有趣的子領域。我合作的一家公司Salient專注於語音AI呼叫，用於自動化汽車貸款領域的催收工作。比如，他們會給客戶打電話，提醒“你欠了1000美元的車貸”。
Jared： 這種工作其實非常枯燥，而且員工流失率很高，因為大多數從事這項工作的都是低薪員工。Salient用AI解決了這一問題，併成功與多家大銀行合作，證明了這種解決方案的有效性。
7、AI語音爆發
主持人Gary: 這種領域確實發展很快，比如像Vapy這樣的語音基礎設施公司讓新公司能夠快速起步。AI語音工具可以在數小時內上線並實現規模化，但一個挑戰是如何留住客戶，尤其是在OpenAI推出新語音API的情況下。
Harge： 確實如此，語音AI工具的門檻已經很低，企業可以迅速部署。但真正的問題是，能否持續提升天花板，讓這些平臺在競爭中保持領先。你剛才提到一個有趣的點，就是基於LLM構建的應用從2023年初到現在的變化。比如我們剛才討論的語音應用就是一個很好的例子。如果你回到六個月前，你會覺得AI生成的語音還不夠真實，延遲太高，似乎距離能有效替代真人打電話還很遙遠。而現在，我們已經看到這樣的應用開始落地了。回想起來，第一個基於LLM的應用進入YC孵化器的批次應該是2023年冬季，差不多兩年前了。當時的應用本質上只是一些生成文字的工具，甚至連“完美”都談不上，更多是用來處理文字，比如文案編輯、營銷郵件的修改等。那時候的應用大多是些增量改進型的工具。我記得一家叫Speedy Brand的公司，他們讓小企業能夠快速生成部落格內容，用於內容營銷。這是一個非常顯而易見的點子，當時雖然不完美，但已經算是很酷的了。
Jared： 沒錯，那時候的LLM應用基本就是“ChatGPT外殼”。這些應用的功能非常基礎，主要就是輸出一些文字，而在下一次OpenAI釋出新模型時，這些工具往往會被直接淘汰。我們確實看到了一波LLM應用被下一代模型徹底取代的情況。不過，從我們的角度來看，每隔三個月，技術就會有顯著進步。現在我們討論的是能夠完全替代整個團隊和企業功能的垂直AI代理，這種進步速度真的讓人震撼。
Diana： 尤其是過去兩年內的變化太快了。現在，我們已經從一個只有OpenAI的市場變成了多個基礎模型競爭的局面，比如Claude正在成為一個重要的競爭者。競爭對市場生態系統非常重要，能給消費者更多選擇，也讓創業者有更大的機會。
8、AI創業方向
主持人Gary: 對於正在思考創業方向或已經創業的人來說，他們應該如何選擇正確的垂直領域？
Jared： 找到一些無聊、重複的行政工作。這似乎是所有這些成功AI應用的共性。如果你能深入挖掘這些任務，幾乎肯定能找到一個潛在的十億美元AI代理創業機會。
Harge： 聽起來，你最好選擇一個與你有直接關係或經驗的領域。這確實是我看到的成功公司的一個共同點。
Diana： 對，我還想到一個例子。最近有家公司Sweet Spot，他們在開發一個AI代理，用於幫助企業競標政府合同。他們的靈感來自於一個朋友，他的全職工作就是在政府網站上不斷重新整理頁面，尋找新的投標機會。他們覺得這是LLM可以勝任的事情，於是開始開發相關軟體。還有一家最近的YC公司，他們開發了一個AI代理，用於處理牙科診所的醫療賬單。他們的靈感來源於創始人的母親，她是一名牙醫。創始人跟著母親工作了一天，發現賬單處理這件事非常枯燥，就開始為母親的診所開發軟體。
主持人Gary: 在機器人領域，有句經典的箴言：“真正有價值的機器人是用來處理骯髒、危險的工作。”而在垂直SaaS領域，我們可以說，尋找那些無聊的“黃油傳遞”類工作就是關鍵。