以下是一段 200 字描述如何找到 AI 创业灵感：

要找到 AI 创业灵感，首先需深入洞察生活中的各种需求。比如观察人们在日常工作、学习、生活中遇到的繁琐或效率低下的问题，这些可能就是 AI 能解决的切入点。同时，关注科技行业的最新动态和趋势，了解 AI 技术在不同领域的应用拓展，从中捕捉潜在机会。还可以与不同领域的专业人士交流，听取他们的见解和痛点，结合 AI 技术去思考创新的解决方案。此外，分析市场上已有的 AI 产品和服务，找到其不足之处，进而激发自己的创业灵感，打造更具竞争力的产品。

在AI浪潮裹挟一切的当下，最难的问题从技术变成了：你到底该做什么？

Y Combinator（YC）作为硅谷最重要的早期创业加速器，其管理团队资助了数百家科技公司，总市值达数千亿美元。最近一次播客《How To Get AI Startup Ideas》中，YC总裁 Gary Tan 与三位合伙人罕见系统分享了他们如何帮创始人找到创业创意的完整方法论。

这不是一套高高在上的“方法”，而是总结了YC资助过的几十家 AI 初创公司从零到一的真实路径——如何从自身经验、行业痛点、人与人的连接中生长出真正的创新。

我们整理了这次对谈的要点，希望能为当下在探索AI方向的创业者、研究者与产品人，提供一份更接地气的参考框架。

一、不要只盯着“现在流行什么”，要找到“我该做什么”

YC合伙人们反复强调的一点是：最差的创意来源方式，是“别人做了所以我也做”。当创始人陷入这种思路时，做出来的往往是“热点包装器”，缺乏真正的用户价值，也难以持续。

相比之下，那些能够长期运作并实现增长的AI初创公司，大多都具备一个共同点：

创始人对他们解决的问题，有着独一无二的认知和实践经验。

你不是为了造个AI而造，而是因为你了解一个行业、一个流程、一个痛点——AI恰好是解决这个问题的新工具。

二、寻找创意的两个核心方向：向内找&向外走

YC总结出创始人寻找好创意的两条路径：

向内看：挖掘你已经拥有的经验与优势

• 曾经在哪个公司、实习岗位上，接触过复杂流程？

  
  

• 哪项技能你花了多年打磨，却一直没用在创业上？

• 你身边的同事/老板遇到过哪些看似“没人能解”的问题？

向外走：进入“远离舒适区”的真实世界

• 跟着朋友去医院、物流园、政府部门、外包中心“上班一天”；

• 在Indeed上搜索“远程数据处理”、“分析员”等，或大多数人没听过的岗位，真的投简历去工作；

• 观察你身边的人每天在处理哪些重复、繁琐、令人疲惫的任务。

他们甚至建议：如果你没线索，那就去“卧底”。去牙科诊所做前台助理、去医疗机构做计费员、去交通公司实习调度。用真实工作换来第一性认知。

三、真实案例：YC投资的AI创业公司，都是怎么找到创意的？

YC对谈中提到数十个真实公司案例，涵盖从深科技、企业服务到AI应用的不同路径：

这些创意都有一个共通点：不是纸上谈兵，而是从场景中生长。

四、技术前沿、熟人线索与兴趣追问：创业灵感的更多来源

YC也指出了另外几种高频成功路径：

1. 去最前沿公司实习： 比如在Cohere、Scale、OpenAI等实习过的创始人，更容易看见“下一个爆发点”。

2. 问问朋友： 你的朋友可能正在做一份“无聊又重复”的工作，而AI可以帮他轻松解决。

3. 构建真实产品，从构建中找到创意： 哪怕只是个练手项目，只要你上线、迭代、打磨过，它就会成为你观察真实世界的放大镜。

五、最后提醒：别被“看起来太拥挤”吓退

许多创始人会在看到某个方向已有竞争者后就止步。YC合伙人反而鼓励他们深入进去。

比如GigaML起初担心客户支持方向已经被做烂了，但他们通过极致的模型微调，达到了真正“替代人工”的效果，反而赢得了信任与订单。

YC总结：

好创意往往来自那些你以为“已经没有机会”的领域，但你能用AI做得更极致、更聪明。

六、什么是真正属于你的AI创业灵感？

不是你从新闻里读来的、也不是你脑暴里拍脑袋想出的。它可能是你曾经被工作摧毁的那个深夜、你身边亲人长期吐槽的烦恼，或是你在一家公司实习时亲手堆起的那个工具。

最好的AI创意，从来不是凭空想象，而是对真实世界的回应。

如果你不知道该做什么，不妨从“去一线、看无聊、聊家人”开始。

在不确定的未来，我们相信：真正的机会永远属于那些愿意深入、愿意看见的人。

以下是完整文字稿：

Gary Tan：欢迎回到直播节目的新一期。我是Gary，这是Diana和Harj。我们共同资助了总价值数千亿美元的公司，而这些公司往往仅凭一个创意就起步。这就是我们今天要讨论的内容。

Jared Friedman：现在有很多聪明人正在关注AI领域。他们看到了这项技术的巨大潜力，完全认同其商业价值。但阻碍他们行动的原因是——他们只是还没有找到一个真正令自己兴奋到愿意投入工作的创意。我们基本上应该开源我们学到的所有技巧。到目前为止我们只在小范围内分享这些内容——我们应该直接说：大家好，相信这些内容真的能帮助一些人找到优秀的创业创意。

Gary Tan：嗯，其中一个常见的创意模板——你说不能太接近你所在的位置——基本上这种默认的创意方式是懒惰的，它几乎就像是对创意的投机取巧。就像我读到某个东西，看到一堆人都在做，然后想“为什么我不也做这个？”另一种表现就是找出当下最热门的东西然后跟风。Jared，你知道你经常告诫创始人要避免什么吗？实际上可能就是在随波逐流。

Jared Friedman：是的，通常当人们思考某些创意时，我们倾向于选择那些看起来很容易构建第一个版本的东西。但大多数成功的客户创意实际上至少都有一定难度。我们交付的第一个版本就是如此。所以我在与创始人单独交流时总是试图推动他们朝更难的品牌创意方向发展，而他们的潜意识则试图把他们拉回能够构建的方向。

Gary Tan：我想这件事的有趣之处在于你需要跳出局限。所以与其只做眼前的事，你要么需要积极自省，审视自己的历史和你的独特优势，要么需要积极走出家门，进入其他领域——可能是不同行业、政府部门或其他以某种方式服务人类的场所，而这些都不在你的舒适圈内。所以要么积极向内探索，要么积极向外拓展。我们为什么不通过尽可能深入地研究一些具体例子来落实这一点呢？我们内在已经有什么？已经有很多人花费数年时间深入理解AI或其他领域的前沿知识。他们通过学业、研究或在充满活力的环境中做到了这一点。感觉你有一些很好的例子。

Harj Taggar：是的，这里的例子都是那些在之前工作中有着非常独特经验的创始人。其中之一是我之前提到过的Wholesail公司。他们基本上在构建一个AI语音代理，用于汽车贷款催收处理。这是个有点冷门的创意。当我和创始人合作时，我们花了一些时间才找到一个好方向。结果证明这是个好创意。当我听说创始人Eli之所以想到这个，是因为他曾在特斯拉工作——作为特斯拉财务运营团队的一员，特斯拉租赁业务的一个问题就是回收所有付款的过程。这一切都是通过外包的业务运营单元手动完成的。他想，为什么不为此构建一个AI代理呢？这个创意非常好，最终运作得很成功，现在他们为多家银行提供服务。这是个好例子。

Harj Taggar：另一个例子是我之前在另一期节目中提到的Diode Computer的创始人。他们基本上在构建AI电路板设计工具，他们的洞察是两位创始人既是电气工程师又是软件工程师。这是一个非常独特的技能交叉点——在软件和硬件世界通常不交流的情况下。他们曾在苹果、初创公司甚至定制处理器公司构建电路。他们在构建高端电子产品方面有很多经验，看到了与硬件工程师合作的差距和挫折：为什么他们不能像软件工程师那样工作？为什么这个世界没有这种工具？为什么我必须手动翻阅所有这些数据表来验证组件？为什么不能直接用LLM图表像代码一样进行验证，就像QA那样？这就是他们的洞察，这对他们来说非常独特，因为他们是唯一同时具备超强软件工程能力和超强硬件能力的人。

Gary Tan：我认为这是一个典型案例，说明要创办一家最终成功的初创公司，你需要某种程度上类似于博士或博士后研究员——你必须走到人类已知和理解的最前沿。然后，不同于发表论文将知识边界稍微推进一点，你是要创造一个人们真正想要的产品或服务。

Harj Taggar：关于成为那个领域的博士级专家这一点——当创始人深入这个领域时，他们会与市场产生如此独特的契合度，他们就是世界上最好的专家。字面意义上，没有人像他们那样——拥有那样的工作经历，又恰好想创业，又恰好对AI非常感兴趣。这是一个独特的时机，只有他们能做到。很酷。

Gary Tan：是的，Eli在特斯拉这样的地方工作总是很有趣，因为所有创始人都面临一个重要问题：要不要坚持一个创意。而答案往往是“为什么不呢”。

Harj Taggar：你想谈谈Spur吗，Jared？

Jared Friedman：当然。Spur正在构建一个AI质量保证代理。目前测试的工作方式是：如果你是一家大公司，可能有QA工程师编写测试用例来测试你的软件。他们正在构建一个AI代理为你编写这些测试。他们想到这个创意的过程是：其中一位创始人曾在Figma工作——众所周知Figma非常复杂，很难测试。她意识到工程师们花费大量时间编写和维护前端测试用例。而AI显然可以让你自动化这个过程。

Gary Tan：Figma确实是个很好的灵感来源。如果你已经在设计和协作的前沿，再加上AI技术的出现，你已经接触到了正确的客户，知道工程师们需要什么。还有个更疯狂的例子，可能会鼓舞一些观众——这是YC在2019年资助的一个团队，他们从滑铁卢大学大一辍学，最初的项目叫Need Exchange。实际上他们经历了多次转型，其中一家公司叫Uncle GPT。这最初是个黑客马拉松的创意，基本上就是标准的ChatGPT包装器——当时“包装器”是个贬义词。但更深层的问题是人们并不真正需要它。这是个很酷的演示，但没有客户愿意持续付费使用。在项目进行期间，他们实际上转向了AI。

Gary Tan：对于产品经理来说，这回到了我们之前说的——这又是一个“没有足够走出家门”的创意案例，因为他们作为19岁的年轻人从未当过产品经理。所以为某个群体开发软件或产品实际上非常困难，特别是当你没有直接经验或知识时。幸运的是——这可能是个很好的“审视创始人自身”的例子——她实际上曾在Cohere实习，那在LLM和代码生成方面处于最前沿。她已经在为Cohere开发数据工具，生成合成数据和真实数据用于大语言模型。她回去找老板说：“这就是我们需要的。”老板说：“哦，我可以构建这个。”现在她已经顺利起步了。她在演示日表现出色，这家去年6月才成立的公司现在年收入已达七位数中高端。

Jared Friedman：我注意到很多初创团队成员都有这种模式。每当我在Batch Retreat中有团队需要转型时，他们会进行办公时间，说：“我对旧创意失去了信心，现在应该做什么？”当我试图帮助他们找到新创意时，我决策树的第一节点总是：“创始人在哪些方面是专家？”因为如果创始人在某方面是专家，那通常就是首先寻找创意的地方。我注意到，创始人往往出人意料地难以意识到自己真正的专长领域。有时你必须帮他们挖掘出这些专长。

Gary Tan：这就是为什么对19岁的创始人来说特别困难。但与此同时，这也是我特别喜欢这个例子的部分原因。这位创始人只需要回顾前一个暑假的实习经历——有些东西一直就在眼前。

Harj Taggar：关于这一点，我见过很多次。很多时候当创始人来找我们咨询时，他们几乎对自己正在做的事情有一种过敏反应，因为他们已经成为某个领域的专家，投入多年时间。他们会说：“我不想再在这个领域做另一个项目了，这太无聊了，对吧？无聊。”

Diana Hu：他们想追逐一些光鲜亮丽的新事物。

Harj Taggar：是的，他们对那个特定领域一无所知，总觉得“邻家芳草绿”。但当他们谈论自己专长的领域时，听起来要聪明得多。当你向他们指出这一点时，他们会说：“哦，你说得对。我从来没听过有人能像你说得那样深入这个话题。”而他们对那个光鲜创意的见解则非常肤浅。

Jared Friedman：实习是另一个有趣的点。YC的许多十亿美元级公司都可以直接追溯到创始人曾经的工作经历——特别是实习经历。所以也许更宏观的建议是：如果你在大学里，想处于能够产生好创意的位置，就去那些处于某个领域最前沿的酷公司实习。这是一条经过验证的、能获得相当不错创意的可靠路径。

Harj Taggar：另一个宏观建议是：对工作地点要挑剔。以Data Curve的创始人在Cohere工作的例子来说——Cohere处于最前沿。Cohere的创始人是《Attention Is All You Need》论文的作者之一，这篇开创性论文引发了整个AI热潮。而她就在那里工作。

Harj Taggar：另一个好例子是David AI。创始人曾在Scale工作，而Scale现在是提供AI训练数据集的前沿公司。David AI发现了一个Scale没有进入的细分领域——多模态数据和说话人分离音频的数据集稀缺问题。他们深入这个方向，因为Scale更专注于LLM领域。结果证明这是个好方向。所以和Cohere的情况类似，在Scale这样的前沿公司工作，你能发现未来将面临的高质量问题。

Gary Tan：所以这不是唯一“向内看”的方式。也许更明显的方式是思考：“你想在这个世界上看到什么？你愿意余生都投入什么事业？”这方面会有很多挑战。但另一方面，我们有一些值得注意的公司案例，他们确实找到了人们想要的东西。

Jared Friedman：有个特别的故事让我印象深刻。关于一家叫Soup Can的公司。我们资助了Soup Can，创始人Gabriel曾是Substack的早期工程师（Substack是我们多年前资助的公司）。很早时，他就对我们资助他的创意失去了信心。然后他经历了一段迷茫的转型期，试图用人工方式寻找新创意——这常常发生在创始人转型时。他看了各种B2B SaaS创意，虽然都合理，但他对哪个都不够兴奋。有次他和前老板、Substack CEO Chris散步时，Chris给了他一个让我难忘的建议。

Jared Friedman：Gabriel向他推销了一个B2B SaaS创意，Chris说：“谁在乎呢？做些能抓住人类想象力的东西。”这个提示让Gabriel开始思考一个更大、能让他长期兴奋的创意。这最终引导他创造了Soup Can——一个类似AI版Instagram的全新社交产品。这是个非常宏大、疯狂、雄心勃勃的创意。我们不知道它是否会成功，但它超级有趣，比那些人为制造的B2B SaaS创意酷多了。

Gary Tan：我认为Push Network似乎很适合人们真正想做的事情。我现在最喜欢的AI公司之一是Undercurrent.ai。整个AI研究团队离开了初创公司，然后他开始意识到——特别是当Word2Vec和向量数据库出现后——当你使用LinkedIn时，有多少次你打开某个搜索却只得到普通的纯文本搜索结果？我认为它仍然在使用简单的索引，一点都不智能。

Gary Tan：关于LLM特别是LLM+向量搜索的特点是，搜索引擎本身可以变得智能得多。我总是试图将Batch Retreat中的创始人与能帮助他们获得资源的人联系起来。然后Undercurrent.ai有个疯狂的功能——我几乎可以用任何模糊的方式输入查询，甚至可以描述我想帮助的人，或者公司内部的某个层级或领域。我想把这个创始人与某人联系起来，它就能解决所有问题——它会编写SQL查询，然后混合使用向量搜索、LLM和SQL来找到那些人。而LinkedIn搜索在10次中有10次都无法处理这类复杂查询。

Harj Taggar：我们的部分工作是帮助创始人想得更大。因为创业本身已经够可怕了，有时创始人会从一个非常小、可能无关紧要的创意开始。但如果你把目标放大10倍，世界会如何改变？Jared，你有个很好的例子。

Jared Friedman：顺便说一句，如果你在寻找创业创意，有一件事你绝对应该做：去读或重读Paul Graham的《如何获得创业创意》。这篇文章非常有见地。他谈到了一个叫“眼罩”的概念——当你寻找创业创意时，你的潜意识会让你看不到某些创意，因为它们看起来太雄心勃勃、太可怕了。所以它们甚至不会浮现在你的意识层面让你决定是否要去做。

Gary Tan：或者不做。

Jared Friedman：Easy Dubs正在构建《星际迷航》中的通用翻译器。想象你去日本，不会说日语，想和一个只说日语的人交流。你可以使用Easy Dubs，它会实时同步翻译，让你能进行真正的跨语言对话。我喜欢这个创意。

Diana Hu：当你陷入消极思维时，这部分创意就是我们之前说的：我真的没有任何专业领域的经验。我无法通过常规经验产生好的创业创意。这就引出了Gary的观点——你必须走出家门，开始努力建立专业知识和直觉。实际上我们在Batch Retreat中经常给这个建议——停止思考两周收入目标，开始把自己当作研究者，努力在某方面建立专业知识，希望借此找到创业创意。我有个相关故事：Egress Health。他们花了些时间转型寻找创意，但没找到真正可行的。其中一位创始人的母亲是牙医，经营小型牙科诊所。他就去和她工作了一天，观察牙科诊所的运作方式，看看软件能否改善什么。他发现很多涉及保险处理的行政工作——保险索赔、预授权等——都是可以轻松用LLM自动化的例行工作。于是他们开始构建LLM后台系统给牙医使用，效果非常好。很酷。

Jared Friedman：我最喜欢创始人进入这个决策分支寻找创意，因为他们能借此了解世界的各种形态，思考哪里可能有兴趣。关于这个故事，我想强调几点。第一是利用家庭关系。

Gary Tan：很多......

Jared Friedman：创业创意都是这样产生的。很多YC的十亿美元级公司确实就是创始人的父母、叔叔、表亲、兄弟或某个大学室友——随便什么关系，只要能提供一点线索引导他们找到有趣的地方。

Gary Tan：令人惊讶的是这有多重要。基本上你可以发1000封冷邮件却得不到任何回复。但如果你有个每年感恩节都会见到的人，我想他们会给你一些机会。而机会就是你真正需要的。有时候这就是最初的突破点——你只需要进入某个服务不足的领域，某个还没有优秀软件工程师或AI工程师见过的领域。

Diana Hu：我认为现在这种方式比以往任何时候都更有效。我们在之前的节目中说过，AI代理将比SaaS（市场）大得多。以Egress Health为例——如果在5年前，只为小型牙科诊所开发软件可能市场机会不够大。但现在有了AI，这类产品的价值不再是“为牙科诊所开发CRM”，而是“替代一个年薪至少6万~8万美元的人力”，价值大大提升。

Jared Friedman：我还喜欢他们真的去了牙科诊所，像墙上的苍蝇一样观察了一整天。任何时候你能找到允许你这样做的行业工作者都很棒。你一定会发现有趣的东西。

Harj Taggar：这就像卧底特工的概念——学习一个行业的所有深层秘密，这些秘密通常都有很好的理由不对外公开。但因为你与某个家庭成员有特殊关系，或者有时创始人非常有魅力，他们也能获得这种机会。我有个类似的例子。通过这种方式，你能了解很多冷门行业的内幕。

Harj Taggar：一个例子是Happy Robot公司。他们基本上在构建用于卡车物流协调的AI代理。创始人并非来自卡车运输世界——他们是西班牙的PhD学生。他们进入这个领域的方式就是创始人非常善于交际、非常友好。当你和他们交谈时，你会想和他们做朋友。

Gary Tan：好消息是，即使你没有家庭或朋友关系，或者不够外向，无法像Happy Robot那样成功，还有另一种方式。我不想点名，但有一家做得很好的AI计费公司，他们获得创意的方式不是通过人脉。其中一位联合创始人实际上找了份医疗计费的工作——为纽约一家远程医疗诊所做计费员。他没有透露自己在开发软件，但他确实这么做了——他得到了一份工作。

Jared Friedman：这就像卧底工作。他不是碰巧在做医疗计费，而是想“我想自动化医疗计费，但为此我需要理解它是如何运作的。所以我要去当医疗计费员，从内部了解它”。完全正确。

Gary Tan：他真的得到了一份医疗计费员的工作并获得了报酬。其他创始人也可以这样做。

Jared Friedman：这很疯狂，对吧？

Gary Tan：但很有效。如果你没有人脉，也不能靠魅力获得机会，有些知识型工作你确实可以去做。这实际上也是我对监管机构的观点——开源非常重要。这个人能合法地这样做，是因为他在自己的电脑上本地构建自动化软件。他构建了自己的AI代理机器人，在两台MacBook Pro上替代自己工作。没有违反任何法律——用自己的电脑、Zoom等工具为外部机构工作是合法的，因为这是远程笔记本工作。我认为这是最疯狂的例子之一。听起来这是个创始人绝对应该尝试的方法。

Jared Friedman：他们绝对应该这样做——去各种行业打零工，从内部了解它们。这不需要很长时间。你不必成为医学博士才能当医疗计费员。我想这就像200美元的培训项目？是的。

Gary Tan：没错。这些正是现在最适合自动化的目标——那些你可以轻松获得的远程笔记本工作。事实证明，现在的LLM非常擅长这类工作，笔记本电脑性能足够强大，而且通过合成数据可以降低模型参数量。所以这确实是“卧底”的黄金时代。

Gary Tan：我想这里的一个主题是：如何走到人类知识的边缘，特别是如果你自己是工程师或AI工程师。这是个比较极端的例子：Able Police实际上与警察部门合作。创始人Daniel在Twitter上很活跃。他发现这个问题的过程实际上相当严肃——他的一个朋友是犯罪受害者。通过研究，他发现在旧金山（我在旧金山也发现了），许多警察被文书工作淹没。你可能值8~10小时的班，但其中2~3小时都在填写文书。旧金山有项疯狂的法律规定：即使你只是拦下某人谈话，也需要填写和逮捕一样多的文书。当警察委员会这样束缚你时，你如何开展工作？这不仅是旧金山的问题，全美几乎都如此。这是个很好的“卧底”例子——他参加了随警巡逻，调查了这个令他不安的社会问题，发现了根本原因。然后随着LLM的出现，他想：为什么有人要花几个小时在浏览器前点击、输入数据、手动转录驾照？为什么我们要把本应维护公共安全的警察变成文员？当然，你可以用LLM+计算机视觉把这2~3小时的工作缩短到5~10分钟，特别是因为你已经有警察全天工作的摄像头数据。

Jared Friedman：我能透露一个关于“找工作”主题的高级技巧吗？这是我建议创始人做的：你可以直接上Indeed.com，搜索包含“远程分析师”、“文书”等关键词的工作。看看人们正在招聘的所有工作——其中一些可能是大多数人从未听说过的岗位。直接去应聘吧。

Diana Hu：另一个技巧是：如果你不想自己做无聊的工作，想想有没有朋友在做非常无聊的工作，去跟着他们工作一天。我有个公司就是这么做的......对，他们叫Sweet Spot，我们接受他们进YC时的创意是关于卡车轮胎支付的随机想法。然后他们开始寻找新创意。

Diana Hu：他们有个朋友的全职工作就是坐在电脑前刷新政府网站上可供投标的合同页面。每当出现与他公司相关的标书时，他就把链接粘贴到某处。他们想：“这绝对可以用AI自动化。”这大约是一年半到两年前的事。这个洞察最终变成了一个非常令人兴奋的创意——现在它是一个面向政府合同采购的AI平台，既能为你找到项目，又能生成所有投标文件，就如何优化投标以提高成功率提供建议，最终把所有功能打包成一个产品。它增长得非常快。

Harj Taggar：我认为Indeed上这类工作也是AI非常擅长自动化的临时工作。Jared，你合作过一家这样的公司。

Jared Friedman：任何被外包到低收入国家的工作类别，都是当前时代可以创业的强烈信号。这是个绝佳的寻找方向。去年我合作过的一家这类公司叫Lilac Labs。他们正在自动化得来速（Drive-thru）里接单的人。在探索其他不太成功的创业创意时，他们意识到美国很多得来速的订单接收人员其实在世界的另一端——这个原本由得来速员工完成的工作，现在被外包到BPO和低收入国家。这对他们来说是个绝佳的目标。Diana也有例子吧？

Harj Taggar：有点不同的类型。这是关于寻找那些产品不能100%工作、需要大量顾问来使其运作的领域。比如UiPath——这家IPO的大公司做机器人流程自动化（RPA）。对很多观众来说，它就是宏——很多用于自动化企业桌面工作流的宏。但要让UiPath运作需要大量工作，需要经过认证的顾问。这些创始人发现：“如果我们能构建一个真正更好用、不需要昂贵顾问的产品呢？”这家公司叫Automatic，他们现在有了这个更好的解决方案，而这只有通过AI才能实现。

Jared Friedman：这个灵感是来自最近让LLM浏览网页和使用桌面应用的进展吗？

Harj Taggar：完全正确。他们实际上在LLM流行前就加入了YC。有趣的是这个团队一直处于技术前沿。他们曾是Bard（现在叫Gemini）的早期测试者。所以在疫情期间、AI还没火起来时，他们就已经在用AI构建应用了。他们看到了这个方向。

Jared Friedman：这是个很棒的教训。PG有句话：“站在前沿，注意缺少什么。”如果你持续尝试最新技术，实际使用和开发各种AI工具，你就能更早意识到新的可能性。

Diana Hu：如果你的朋友也在做同样的事就更好了。实际上，我有个例子......对，有个叫PreDB的团队在Batch Retreat期间转型。他们有朋友把初创公司卖给了另一家初创公司——那时正是向量数据库开始流行的时候，大约是2022年底、2023年初。

Diana Hu：朋友告诉他们：“我们的大问题是需要从Postgres数据库到向量数据库的高质量实时同步，没人真正构建这个。我们在内部自己做了。”PreDB就想：“好吧，我们可以为你构建这个。”深入研究后，他们发现Postgres的pgvector扩展其实可以完成很多Pinecone的功能。于是他们开始探索pgvector的极限，看看能复制多少功能。结果出人意料地好。现在他们有些企业客户不仅用他们替代单独的向量数据库，还替代Elasticsearch等全文检索工具。他们获得这个创意就是因为在技术创始人的圈子里，朋友告诉他们：“这是我们的痛点。”

Harj Taggar：关于这个“向外看”的类别，关键是与非常聪明的人交往。以Ritato公司为例——因为他们在YC，得以结识很多在AI前沿建设的创始人。他们发现很多RAG应用需要完美分块数据的问题——只有与真正在构建下一代应用的顶尖建设者合作，才会发现这类问题。这就是他们开发Ritato（从PDF提取完美数据分块的工具）的过程。

Diana Hu：我见过人们通过构建产品来获得专业知识和创意。我甚至不把这称为专业知识——构建任何产品都能让你成为该产品用户的专家，处于寻找创意的有利位置。

Jared Friedman：而且成为构建产品的专家。是的，你可以在多个领域建立专长。

Gary Tan：你不能只通过当“前影响者”就成为专家。你是说我必须去和用户交流？

Diana Hu：你实际上必须构建些东西。对，Juice Box公司三年前寻找创意时，最终选择了自由职业者市场。老实说，他们没什么差异化优势。但他们很兴奋，自己做过些自由职业工作，就想开始构建。是的，继续。

Diana Hu：他们在这个创意上工作了相当长时间，但没有成功。但在开发自由职业者市场、与雇佣自由职业者和其他人的公司合作的过程中，随着LLM兴起，他们意识到：“招聘人员其实非常需要LLM驱动的人才搜索。”于是他们开始构建这个，结果大获成功。产品叫PeopleGPT，是个非常有效的搜索工具——招聘团队只需输入模糊提示，就能得到所有理想候选人名单。你能看到他们虽然从未当过招聘人员或真正雇佣过别人，但这个经验来自他们推出的产品。

Gary Tan：Batch Retreat中有个有趣的现象，特别是在融资期间——我确定你们也见过——当我们资助的创始人推出产品、与真实用户交流、用户愿意付钱或签下10万/年的大企业合同时，到了融资阶段，他们开始得到负面反馈，接连遭受打击。他们回来咨询时说：“投资人不理解。”我发现自己反复说的是：“是的，投资人不理解，因为他们试图用创始人的方式理解——试图成为‘前影响者’，试图通过坐在马桶上刷推文feed来理解。”这不是你了解世界的方式。为什么你要从那些不出门、坐在马桶上刷X的人那里获取线索？你对外面世界有直接认知，却回到柏拉图的洞穴。那些人说：“我还没在墙上看到影子。”而你说：“让我告诉你，它就在那里。”你亲眼见过。

Jared Friedman：我见过另一种创始人自我怀疑的情况：因为领域看起来太竞争激烈而退缩。他们最终避开了一些其实非常好的创意，只是因为有两家竞争对手被TechCrunch报道或获得了种子轮融资。Gary，你有个好例子？

Diana Hu：我和Gary都合作过的GigaML。他们最初申请YC时是个帮助印度高中生申请美国大学的创意。然后他们转向“微调即服务”——那时开源模型刚发布。他们没能建立可持续的业务，没能真正解决那个问题。于是他们寻找自己已成为专家的领域——为特定目的微调模型的应用。他们最兴奋的是客户支持方向，但觉得太拥挤了——已经有很多人做客户支持。但他们还是尝试了，特别专注于一家公司SEPTO，愿意成为真正的早期深度合作伙伴。另一个宏观观点是：SEPTO自己非常想成为运营高效的配送公司。所以他们寻找这些高质量的数据片段。

Gary Tan：传闻他们今年晚些时候要IPO，谁知道呢？

Diana Hu：关于GigaML创始人，我想说的是：他们是非常聪明的工程师，但天生不是销售人员。在AI之前的时代，我好奇你的看法——特别是在B2B SaaS领域，当你进入一个拥挤市场时，差异化往往更多在于销售能力而非初期产品。所以你会倾向于认为：“我需要感觉这个团队真的能销售，才能在任何领域取得成功，比如推出新的薪资产品。”但对GigaML，我注意到的是：很多产品实际上效果并不好。用AI真正替代人类客户支持团队是个技术难题。虽然很多人声称能做到，但极少能达到客户期望的水平。结果GigaML凭借技术实力做到了别人做不到的事，拿下了交易，现在一切顺风顺水。

Jared Friedman：他们Batch Retreat期间就签了那个大企业客户吗？

Diana Hu：不，我是说他们应该已经签了不少客户。这是个典型的耗时约一年才找到正确创意的故事。

Jared Friedman：其实很常见。是的，我们近年来一些最成功的公司都是这样。

Gary Tan：这与5~10年前人们的认知完全相反。很难相信，但10年前有些种子基金会说：“我们从不做种子延期。你要么立即成功，要么......”而现在，我很高兴时代变了。你可以看到人们在获得产品市场匹配。

Diana Hu：我的推测是：AI发展太快了，每几个月就有新的可能创意出现。也因为现在做AI初创公司太令人兴奋，团队能保持更长时间的士气。如果你现在正在用AI构建初创公司，即使还没找到正确创意，为什么要放弃回谷歌或学校？这是你能做的最激动人心的事。

Jared Friedman：你的幸运突破很可能就在转角处。

Diana Hu：这基本上是你现在能花时间做的最令人兴奋的事。

Harj Taggar：这些不断改变整个领域的产品发布太疯狂了。是的。

Gary Tan：好的，今天就到这里。但我认为这对所有人都是个很好的建议：你可以......

原视频链接：https://www.youtube.com/watch?v=TANaRNMbYgk

本文来自微信公众号：Astra X 未来信号，主持人：Gary Tan（YC总裁兼CEO），嘉宾：Harj Taggar（YC管理合伙人）、Jared Friedman（YC管理合伙人）、Diana Hu（YC普通合伙人）