过去几年AI 创业最常见的方向是做软件。比如做一个客服助手、销售助手、律师助手、财务助手把 AI 接进企业原来的工作流里让员工效率更高。但 YC 最近强调的是另一个方向AI 原生服务公司。01什么是 AI 原生服务公司AI 原生服务公司和传统 AI 软件公司最大的区别在于交付对象不同。传统软件公司卖的是工具客户买一个系统让自己的员工用。AI 原生服务公司卖的是结果客户把一件事交给你你负责完成它。比如完成一份税表、处理一个保险理赔、推进一个审批、完成一个贷款审核、出具一份法律文件、完成一批审计底稿。客户不需要知道你背后用了多少模型、多少自动化、多少人工复核。他只关心三件事结果准不准、交付快不快、风险能不能控制。这里的关键不是把 AI 放进服务公司而是从第一天起就按 AI 能力重新设计整个服务流程先拆解流程再判断哪些步骤可以自动化哪些步骤必须人工判断最后再配置团队。02最适合的市场有四个特征AI 原生服务公司能不能做起来第一步是选市场。YC 对适合 AI 原生服务公司的市场总结了几个很清楚的标准。第一个特征是客户本来就愿意外包。这点非常重要。如果一个客户本来就把某项工作交给外部服务商比如税务申报、审计、保险理赔、法律文件、监管申报那么你进入这个市场时不是在改变客户行为而是在替换原来的服务商。客户原来就有预算原来就接受外包原来就只看最后结果。这比卖一个新工具简单很多。第二个特征是任务层面的判断不能太重。这并不是说这个行业不需要专业能力。恰恰相反整体工作应该足够复杂才值得做成服务。但把工作拆开之后大部分步骤不能都依赖人的主观判断。如果每一步都需要一个资深专家看半天AI 就很难放大效率。最后公司还是靠人堆规模一大质量就散毛利也上不去。理想情况是大部分步骤可以标准化、流程化、自动化少数关键节点由人判断和复核。第三个特征是整体工作门槛要足够高。这听起来和第二点有点矛盾但其实不是。任务层面要尽量低判断整体服务却要有高门槛。如果一件事太简单模型自己就能完成客户迟早不会为服务付高价。真正好的市场是客户需要一个可信赖的交付方而不是一个简单工具。比如监管申报、审计、理赔、法律服务、复杂税务这些事情不是随便生成一份文件就结束。它们涉及规则、责任、流程、风险和行业经验。这类工作需要 AI也需要人还需要一套可持续交付的运营体系。第四个特征是监管不一定是坏事。很多创业者怕监管因为监管意味着门槛、责任和流程。但在 AI 原生服务公司里监管反而可能是优势。监管行业的客户通常更谨慎对服务质量要求更高对合规和责任更敏感。也正因为如此普通工具很难直接替代服务商。如果一家创业公司既理解监管要求又能用 AI 提高交付效率它建立的不是一个简单功能而是一套合规能力。这类市场的难点也可能成为护城河。03判断一个方向要做一次“模型变强测试”AI 创业还有一个很现实的问题模型会持续变强。所以做 AI 原生服务公司时必须问一个问题模型越强你的公司会越强还是会被模型本身替代这个问题可以理解为一次“模型变强测试”。如果模型能力提升之后你的服务交付更快、成本更低、质量更稳定那就是好方向。因为你把模型变强转化成了公司的经营杠杆。但如果模型一变强客户就可以直接用通用模型完成你的服务那你的公司就会被商品化。这类方向要谨慎。比如某些简单文案生成、基础资料整理、低门槛表格处理如果没有数据、流程、责任、交付体系和客户关系模型变强之后客户没有理由继续通过你购买服务。还有一种方向也要小心涉及大量线下设备和现场人力的业务。这类公司当然也可能是好生意但它不太适合套用软件公司的杠杆逻辑。只要你要拥有设备、调度人员、现场施工、承担物流和物理世界里的复杂变量毛利结构就会完全不同。对 AI 原生服务公司来说最理想的市场是流程复杂、结果重要、客户愿意付费但大部分交付发生在信息层面。也就是高价值、重流程、少现场、可标准化。04团队必须同时懂行业、懂模型、懂运营AI 服务公司的团队至少要有三种能力第一行业理解。你要卖给的是专业客户而且很多时候是在监管行业里卖给谨慎买家。客户不会因为你用了 AI 就信任你。他们更关心你是否理解行业规则、交付标准、责任边界和真实流程。直接行业经验最好但不是唯一方式。如果没有做过这个行业也要通过大量客户访谈、专家合作、流程拆解和早期项目把行业理解补起来。关键是你要能让客户相信你不是拿 AI 来试错而是真的知道这件事该怎么交付。第二模型理解。AI 原生服务公司不是传统服务公司包一层 AI 概念。创始团队必须知道模型今天能做什么不能做什么哪些能力会很快变强哪些地方仍然需要人工哪些步骤适合自动化哪些步骤必须保留复核。这决定了产品怎么设计也决定了公司能不能随着模型进步持续提高毛利。如果团队不懂模型很容易把 AI 变成一个辅助工具而不是生产系统。第三运营能力。这点经常被低估AI 原生服务公司最核心的产品不只是界面而是流程。你要关心吞吐量、交付周期、标准作业流程、异常处理、质量控制、人员排班、客户反馈和成本结构。这些词听起来没有“模型”、“智能体”、“新平台”性感但它们决定公司能不能规模化。05产品不是给客户用的而是给内部人员放大能力的做 AI 原生服务公司产品视角也要变化。传统软件的用户通常是客户但 AI 原生服务公司的很多核心产品首先是给内部团队用的。客户看到的是服务结果真正每天使用系统的是公司内部的顾问、律师、审核员、运营人员、客户经理。所以这里的产品不一定是一套漂亮的客户界面而是一套能让内部人员非线性提高效率的工作系统。比如一个人原来一天只能处理 5 个案件现在借助系统可以处理 20 个而且质量更稳定、错误更少、交付更快。这才是真正的产品价值。这也意味着公司的产品指标不能只看常见的软件指标。除了用户数、留存、使用频率还要看吞吐量、交付周期、单位成本、返工率、错误率、人工介入比例。其中最重要的一个词是稳定性。YC 把“不稳定输出”看成这类公司的生死问题。客户会因为服务慢一点、贵一点而犹豫但更容易因为输出不稳定而离开。今天交付质量很好明天换一个人就变差这个客户处理得准确另一个客户出现明显错误同样的问题每次结果不一样。这些都会快速摧毁信任。所以自动化不是为了炫技而是为了稳定交付。06早期不要接太多客户这类公司早期很容易掉进一个陷阱需求来得太快。因为很多客户确实愿意试。如果你说可以用 AI 更快完成税务、审计、理赔、贷款审核、法律文件、监管申报客户很可能愿意给你一个试点项目。问题是试点客户太多会很快压垮团队。你还没有把流程跑顺还没有把产品做出来还没有明确哪些环节该自动化哪些环节要人工复核就被大量项目推着走。最后公司会变成一家人工服务外包公司。每个客户都很重要每个项目都要救火每个交付都靠人补。团队看起来很忙收入也可能增长但底层系统没有变强。这就是早期需求陷阱。正确做法是第一批试点客户要控制数量。先服务少数客户把他们当成产品打磨对象而不是单纯当成收入来源。早期项目的目的是找出真正有 AI 杠杆的环节。哪些步骤重复度高哪些步骤人工成本最高哪些错误最常见哪些交付会影响客户信任哪些节点可以用模型先做人工再复核哪些地方看似能自动化其实仍然需要专家判断这些问题没有办法在会议室里想清楚只能在真实项目里跑出来。但前提是客户数量不能失控否则你没有时间做产品只能不断交付。07定价不能按成本加成也不能简单低价竞争AI 原生服务公司的定价比传统软件更难。软件公司通常按账号、席位、用量或套餐收费。但 AI 原生服务公司不是在和软件公司竞争而是在和人工成本竞争。客户会拿你和内部员工、外包服务商、传统顾问公司、律所、会计师事务所比较。所以定价要围绕结果而不是围绕模型调用量。比较清晰的方式是按单位结果收费。比如每一份税表、每一个理赔案件、每一笔贷款审核、每一份申报材料、每一个完成的项目收费。这种方式客户容易理解你也容易计算毛利。另一种方式是按结果收费。比如完成一个审批节点、拿到某种合规结果、为客户节省某类成本后收费。这种方式和客户利益更一致但对公司自己的收入预测要求更高。需要避免的是两种定价方式第一种是成本加成。也就是你花了多少人工、多少模型成本、多少时间再加一点利润卖给客户。这会永久限制上限。因为你把自己定义成了一个成本中心而不是一个价值交付方。即使未来 AI 让你的成本大幅下降客户也会要求你继续降价。第二种是简单低价竞争。如果你只是比传统服务商便宜 30%、50%客户可能会觉得你质量也更低尤其在法律、审计、保险、监管这些高风险行业里低价不一定是优势。正确的方式是按价值定价。你可以更快、更稳定、更可追踪、更可控也可以降低客户内部管理成本和出错风险。价格应该反映这些价值而不是只反映你的成本。08这类公司的核心账本是损益表很多 AI 创业者喜欢讲模型、产品和市场但 AI 原生服务公司最终要回到一张账本损益表。收入减去直接交付成本得到毛利润。毛利润再减去研发、销售、管理等运营费用得到经营利润。这类公司的成败很大程度上就取决于这张表能不能越跑越好。收入通常不是最难的部分。如果市场选得对客户本来就有预算也愿意尝试更高效的服务。早期签合同不一定难。真正难的是你能不能一次又一次稳定交付。直接交付成本才是重点。这里面主要包括三类模型成本、云服务和系统成本、人工复核和交付人员成本。每一项都要有数字、趋势和负责人尤其是人工成本。如果收入增长 2 倍人工也必须增长 2 倍说明公司没有真正形成 AI 杠杆。你只是把传统服务公司换了一个包装。好的方向应该是随着产品变强单位交付成本下降毛利率提高。YC 把这种变化称为 AI 运营杠杆。它不是一开始就出现的。早期为了学习流程、服务客户、建立信任公司可能会做很多不规模化的事情甚至有些试点项目毛利很低。但这不能成为长期状态。你必须能看到一条清晰路径更多流程被系统接管人工介入比例下降交付周期缩短单位成本降低质量更稳定。传统服务公司的利润率通常有天花板因为增长依赖人员扩张。纯软件公司毛利更高但可服务市场有时没那么大。AI 原生服务公司的赌注就在于它面对的是巨大服务市场同时又有机会通过 AI 把利润率推向更接近软件公司的水平。09不要轻易收购一家传统服务公司再加 AI有些创业者会想走捷径直接买一家传统服务公司然后在上面加 AI。这个想法看起来很合理。买一家有客户、有收入、有牌照、有团队的公司再用 AI 提效好像可以跳过冷启动。但这通常是陷阱。原因很简单你买不到产品市场匹配PMF。传统服务公司有自己的组织惯性。它的员工习惯、客户预期、交付方式、考核指标、管理节奏都是按传统服务逻辑长出来的。你把 AI 放进去不会自动改变这些东西。更现实的问题是传统服务公司的团队不一定愿意按 AI 原生方式重构流程。他们可能把 AI 当成辅助工具而不是重新设计生产系统。这样一来公司看起来有收入但底层效率没有根本改变。当然也有少数例外。如果某个行业的牌照非常关键比如保险牌照、特定监管资质收购可能有意义。但除非是为了快速获得监管门槛否则从零开始搭建 AI 原生流程往往比改造一家老公司更合理。因为这类公司的核心不是旧业务加 AI而是从第一天起就按 AI 可以参与生产的方式设计公司。10最后拼的不是模型而是交付系统AI 原生服务公司表面上看是 AI 创业。但真正做下去会发现它拼的不是单一模型能力而是整个交付系统。你要选对市场找到客户本来就愿意外包、结果又足够重要的服务场景。你要拆解流程把能自动化的步骤自动化把必须人工判断的节点保留下来。你要控制早期客户数量避免被项目拖着走。你要把产品做给内部团队用让一个人可以稳定处理过去几个人的工作量。你要盯住损益表让单位成本随着产品能力提升而下降。你还要持续解决稳定性问题因为服务行业的信任建立很慢失去很快。这也是为什么 AI 原生服务公司更重更慢也更考验细节。但它的机会也更大。因为它不是在抢一个软件预算而是在重做一个原本就巨大的服务市场。以上祝你今天开心。