前不久，我们系统性梳理了Y Combinator过去一年投资的260多家AI初创公司，并通过播客和视频向大家一一介绍。

自那之后，我们一直在持续关注这些公司的进展，时不时在微信上分享“某某公司又获得了新一轮融资”，“某某公司遇到了强有力的竞争对手”等消息，仿佛我们是养了一群小鸡仔的两个老父亲。

今天明浩分享了一篇文章，其作者也对这批YC投资的AI公司进行了详细的整理与分析。由于他的视角与我们有许多不同之处，因此翻译分享给大家。

一、前言：寻找AI如何落地的榜样

如果你在苦苦思索“我应该用AI构建什么，才能有更高的成功机会？”

这篇文章将帮助你找到答案。

YCombinator在识别和培育成功初创企业方面的记录在科技行业中无与伦比。他们的选择过程一直能发现那些最终重塑整个行业的公司，使他们的投资组合成为新兴趋势和技术的重要指标。

鉴于人工智能的变革潜力，结合YC的业绩记录以及我对理解哪些类型的AI公司吸引投资的好奇心，我决定分析YC支持的AI聚焦初创企业。

我在寻找一些问题的答案，例如哪些行业正在经历最多的AI创新？哪些类型的AI应用吸引了投资？成功的AI创始人具有什么背景？

为了解答这些问题，我对YC 2023年和2024年批次的417家AI公司进行了广泛分析。

该研究旨在提供以下见解：

对于那些不知道的人，YCombinator 是一个领先的初创企业加速器，提供种子资金、指导和资源，帮助早期初创企业成功。

YC的运作方式：

YCombinator向每个被接受进入其为期三个月项目的初创企业投资50万美元，换取少量股权。

该项目旨在帮助初创企业显著改善其产品和用户增长，并增加其筹集额外资金的选择。

二、数据

我从YC的初创企业目录中收集了数据，筛选了2023年和2024年夏季和冬季批次。

来源：YCombinator 目录^。

清理数据，提取标签并从公司描述中重新检查以捕捉其主要类别。

417家AI聚焦初创企业的分析概述

在查看这些公司的子集时，我发现了许多出色的AI用例。事实上，部分数据收集过程是使用Gumloop 完成的，我喜欢使用Gumloop而不是Zapier，发现自己使用它的频率比想象中更高。

三、当前AI驱动的创新热点在哪里？

与AI交叉最常见的行业：

示例：Elythea

示例：Arcimus

示例：Sudocode

示例：MicaAI

示例：Studdy

B2B vs B2C

示例公司：

GigaML：帮助企业在本地构建和部署大型语言模型（LLM。

Constructable：为建筑团队提供AI副驾驶。

AiSDR：利用AI简化B2B公司的销售流程。

Corgea：使用AI修复脆弱代码，增强企业数据安全性。

示例公司：

Rex：AI驱动的锻炼和营养教练。

PocketPod：提供根据用户兴趣生成的AI播客。

Shortbread：提供“漫画的Netflix”服务。

Roame：一个利用AI进行旅行规划和预订的平台。

关键结论：

B2B主导地位： 81.1%的YC支持的AI初创企业专注于企业解决方案，表明投资者对面向业务的AI应用更有信心。

未开发的B2C潜力： 只有18.9%的初创企业面向消费者，可能存在创新的消费者AI产品的巨大机会。

技术专长驱动的关注点： 拥有强大技术背景的创始人（74.8%）的普遍存在可能影响了B2B的重点和所解决的AI问题类型。

AI基础设施 vs AI应用

示例公司：

Epsilla：提供10倍速度的开源向量数据库。

GigaML：帮助企业在本地构建和部署大型语言模型。

示例公司：

Corgea：使用AI快速修复脆弱代码，增强企业数据安全性。

Elythea：应用机器学习预防孕产妇死亡。

关键结论：

应用为主的重点： 85.1%的公司开发AI应用，而14.9%的公司致力于基础设施，表明对实际、行业特定的AI解决方案的明确关注。

潜在的基础设施缺口： 基础设施聚焦的初创企业数量相对较少，可能表明对更多基础性AI工具和平台的需求。

专业化趋势： AI应用倾向于解决特定行业问题，而基础设施公司旨在提供更通用的AI开发和部署工具。

AI驱动的自动化 vs AI辅助的人类工作

在应用层，自动化是AI在各行业中的最大用例。虽然有些自动化完全由AI驱动，其他则由AI辅助但主要由人类驱动。

示例公司：

Ofone：自动化快餐得来速的订单处理，简化点餐流程并减少等待时间。

Respaid：一个现代化的B2B收款平台，自动化管理和跟踪未付发票的过程。

RetailReady：自动化供应链合规，专注于仓库运输解决方案以改善物流操作。

示例公司：

Constructable：为建筑团队提供AI副驾驶，帮助简化项目并减少因数据不良造成的损失。

RadMateAI：为放射科医生提供AI副驾驶，提高诊断准确性和效率。

Agentive：为审计人员提供AI驱动的副驾驶，通过先进技术提高他们的效率和效果。

虽然这些行业正在蓬勃发展，其他行业则落后......

四、未开发的前沿：适合AI颠覆的行业

快速采用：

落后：

制造业、农业、能源和零售等行业仍然为AI采用的先行者提供了机会。

请注意，这仅代表遵循特定融资模式、重点和YC员工及导师的领域专长的YC初创企业，可能与这些行业不一致。

随着AI渗透到各个行业，某些技术正引领潮流。

五、塑造AI未来的技术趋势

最常见的AI技术

生成式AI：78家公司

机器学习：56家公司

自然语言处理：47家公司

计算机视觉：18家公司

开源 vs 专有

开源：18家公司

专有：399家公司

开源示例： FlowiseAI

边缘AI vs 基于云的AI

只有2家公司明确提到边缘AI，而绝大多数似乎是基于云的解决方案。

AI模型效率和减少计算资源

只有5家公司明确提到专注于AI模型效率或减少计算资源。

实时AI应用

大约46家公司提到或暗示从事实时AI应用。

示例： Retell AI

多模态AI

大约22家公司似乎在从事多模态AI解决方案。

关键结论：

生成式AI革命： 随着18.7%的公司专注于生成式AI，我们正在见证AI能力的范式转变。这一趋势表明未来AI不仅会分析，还会创造，可能会改变从内容创作到药物发现的行业。

云——边缘脱节： 只有0.5%的公司专注于边缘AI，表明当前AI开发与对实时、设备端AI处理的日益增长的需求之间存在明显差距。这种差异可能是行业的盲点，忽视了物联网、自动化系统和隐私保护AI的关键应用。

随着AI变得越来越强大，新的挑战和机遇不断涌现。

六、伦理、效率和可访问性AI的潜力

在417家YC支持的AI初创企业中，令人惊讶的是，只有少数公司在解决数据隐私、AI伦理、可访问性和公平性等关键问题。本节探讨了这一小但至关重要的公司子集，突出进展和在创建更负责任、透明和包容的AI系统方面仍然存在的巨大机会。

解决数据隐私和安全问题的初创企业

大约18家公司明确专注于数据隐私和安全。

示例：Corgea：使用AI轻松快速地修复脆弱代码，增强企业数据安全性和隐私。

鉴于日益严格的法规，更多AI初创企业有机会专注于数据隐私和安全。

解决AI伦理和AI安全问题的初创企业

只有5家公司明确提到专注于AI伦理或安全。

示例：Atla ：构建具有护栏的AI模型。

使非技术用户能够使用AI的初创企业

大约28家公司专注于使AI更易于非技术用户使用。

示例：Creo：无需编码即可使用AI构建内部工具。

关注可解释性AI或AI透明度的初创企业

只有3家公司明确提到从事可解释性AI或AI透明度。

示例：

Atla：Atla专注于构建具有护栏的文本生成AI模型。他们的使命是创建值得信赖且对各种应用特别是法律环境有用的AI助手。

GuideLabs：Guide Labs开发可解释的基础模型，专注于AI和机器学习。

Sizeless：Sizeless是一家专注于使机器学习可重复和安全的公司。

专注于可持续性或气候技术的AI

11家公司专注于可持续性或气候技术。

例如：AetherEnergy：优化屋顶太阳能安装的AI平台。

解决AI偏见和公平性的初创企业

只有3家公司明确提到解决AI偏见和公平性。

面向小型企业与企业解决方案的AI

小型企业：大约37家公司

企业解决方案：大约295家公司

面向小型企业的示例：HostAI：为度假租赁提供AI驱动的操作系统。

关键结论 ：

伦理差距：只有1.2%的初创企业专注于AI伦理和安全，我们面临着AI快速发展与其负责任开发之间的关键失衡。随着AI在决策过程中的普及，这种严重的代表不足可能导致重大社会和监管挑战。

透明度悖论：尽管对AI问责制的需求日益增长，但只有0.7%的初创企业在解决可解释性AI问题。这一差距可能会在大规模上造成“黑箱”问题，潜在地削弱对AI系统的信任，并阻碍其在医疗保健和金融等关键领域的采用。

民主化困境：尽管6.7%的初创企业致力于使AI易于非技术用户使用，但这一比例表明在真正实现AI民主化方面存在错失的机会。将AI权力集中在技术精英手中可能会加剧现有的数字鸿沟，并限制AI在各个领域推动包容性创新的潜力。

七、AI在新兴技术中的应用

在创新的前沿，少数初创企业正在开创AI与革命性技术的整合：

该领域的先驱者包括：

ConductorQuantum：利用量子计算来解决超出经典AI能力范围的复杂问题。

Cedalio：将区块链与AI结合以增强数据完整性和去中心化智能。

关键结论：

未开发的潜力：这些领域的初创企业稀缺表明AI应用的广阔未开发领域。

指数影响：成功将AI与量子计算或区块链结合可能导致密码学、药物发现和金融系统的突破。

高风险高回报：虽然这些企业面临重大技术挑战，但它们代表了计算进步的前沿，可能会重塑整个AI格局。

八、典型的YC支持创始人的背景和技能

此分析将帮助勾勒出典型的YC支持的AI初创企业创始人的画像。

技术专长

绝大多数创始人具有计算机科学、软件工程、人工智能/机器学习和数据科学等强大的技术背景。

技术专长，尤其是在AI及相关领域，似乎受到YC的高度重视。

教育背景

大约 20% 的公司创始人拥有名校学位，如其个人资料中所述：

斯坦福大学

麻省理工学院

哈佛大学

加州大学伯克利分校

其他顶尖大学

许多创始人拥有来自知名机构的强大教育背景，特别是那些拥有强大计算机科学和工程项目的学校。

先前工作经验

许多创始人有在顶尖科技公司工作的经验，如：

谷歌

Facebook

亚马逊

微软

苹果

LinkedIn

在顶尖科技公司工作的经验似乎是YC融资的一个强大积极因素。

创业经验

显著数量的创始人有之前的创业经验：

例如：Surbhi Sarna，创办了包括Olio Labs在内的多家公司，“之前创办了nVision Medical并将其出售给波士顿科学。”

YC重视具有先前创业经验的创始人，特别是那些有成功退出经历的创始人。

请注意，即使你没有上过顶尖学校或在领先科技公司工作过，你仍然可以通过展示出色的工作脱颖而出。

例如，Jaspar Carmichael-Jack没有在个人资料中列出大公司头衔，但却展示了出色的工作。

学术研究

一些创始人来自学术研究背景：

例如：Atla的Roman Engeler拥有AI博士学位，并参与了多个机器学习项目。

强大的研究背景，特别是在AI和ML领域，受到YC的重视。

创始团队的多样化技能

许多初创企业的创始团队拥有互补的技能：

例如：Arcimus 拥有“Hussein Syed：在AI和软件开发方面经验丰富”和“Omar Dadabhoy：具有金融和保险背景”。

YC似乎偏好结合技术专长与商业敏锐或领域知识的创始团队。

行业颠覆者

许多创始人具有使他们能够颠覆传统行业的背景：

例如：Tom Blomfield，参与了几家YC公司，是Monzo的前首席执行官，GoCardless的联合创始人。

YC重视能够为传统行业带来新视角和颠覆性想法的创始人。

九、如何找到你应该用AI构建的项目

Paul Graham 说，伟大的工作是三要素的混合：与生具有的才能、深厚的兴趣和做伟大工作的空间。让我们将这一框架应用于找到你的理想AI初创企业焦点：

与生具有的才能：评估你天生就有的优势才能。如果你有技术背景，你将与74.8%的YC AI创始人同属一类。如果没有，考虑与技术联合创始人合作，以补充你的技能。无论是技术还是非技术，你的自然才能将是你初创企业成功的基础。

深厚的兴趣：确定哪个行业、领域或问题最吸引你。你的热情将推动你克服挑战。看看具有高潜力的行业，如医疗保健/生物技术、金融科技和开发者工具，或探索服务不足的领域，如制造业或农业。你对所解决问题的真正兴趣将是长期动力的关键。

做伟大工作的空间：进行市场分析，考虑是专注于主导的B2B市场还是不太饱和的B2C领域。探索数据隐私、AI伦理或可解释性AI等关键差距。对于那些被尖端技术吸引的人，量子计算和区块链提供了高风险高回报的机会。关键是识别AI可以产生重大影响且有创新解决方案空间的领域。

十、结论

因此，如果你是一名有抱负的AI创始人或从业者，我建议如下：

专注于B2B：由于81.1%的YC支持的AI初创企业面向企业，考虑企业解决方案以获得更高的融资和成功机会。

探索服务不足的领域：虽然医疗保健/生物技术、金融科技和开发者工具占主导地位，但寻找制造业或农业等被忽视领域的机会。

优先考虑技术专长：确保你的创始团队包括强大的技术人才，因为74.8%的YC支持的AI公司至少有一位创始人具有扎实的技术背景。

利用生成式AI：随着18.7%的初创企业进入这一领域，生成式AI正炙手可热。然而，考虑如何创新地应用它以脱颖而出。

关注伦理问题：只有1.2%的初创企业专注于伦理AI。这一差距为前瞻性创始人提供了重要的机会。