前不久,「十字路口」和「屠龙之术」联合制作了一期长达5小时的播客马拉松,我们一起系统性梳理了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。
今天分享一篇文章,其作者也对这批YC投资的417家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,分享给大家。
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。
Y Combinator(YC)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。
该研究将从以下几方面展开:
AI初创企业最热门的行业和领域
适合AI颠覆的领域
AI在区块链和量子计算等新兴技术中的应用
从事AI安全、可访问性、可解释性的公司
YC支持的AI创始人的共同特征
如何利用上述见解找到你应该构建的AI项目
Y Combinator 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:
Y Combinator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。
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。数据来源是Y Combinator 目录。方法是清理数据,提取标签并从公司描述中重新检查以捕捉其主要类别。
在查看这417家聚焦AI的初创企业公司的子集时,我发现了许多出色的AI用例。
当前AI驱动的创新热点在哪里?
与AI交叉最常见的行业:
医疗保健/生物技术:45家公司 (10.8%)
示例:Elythea (使用机器学习预防孕产妇死亡)
金融科技:38家公司 (9.1%)
示例:Arcimus(AI驱动的保险费审计)
开发者工具:37家公司 (8.9%)
示例:Sudocode(用于开发者工具的AI)
销售/市场营销:34家公司 (8.2%)
示例:MicaAI(简化销售流程)
教育:18家公司 (4.3%)
示例:Studdy (AI导师)
B2B vs B2C
B2B:约338家公司 (81.1%)
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。
B2C公司 (18.9% 的投资组合)
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
AI基础设施公司 – 62家 (14.9%)
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 (LLM)。
AI应用公司 – 355家 (85.1%)
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。
AI驱动的自动化 – 129家公司 (30.9%)
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。
AI辅助的人类工作 – 288家公司 (69.1%)
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…
未开发的前沿 – 适合AI颠覆的行业
快速采用
医疗保健
金融
软件开发
销售/市场营销
落后
制造业 (4家公司, 1%)
农业 (3家公司, 0.7%)
能源 (4家公司, 1%)
零售 (5家公司, 1.2%)
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…
塑造AI未来的技术趋势
最常见的AI技术
1. 生成式AI:78家公司 (18.7%)
2. 机器学习:56家公司 (13.4%)
3. 自然语言处理 (NLP):47家公司 (11.3%)
4. 计算机视觉:18家公司 (4.3%)
请注意,这里可能有很多重叠,因为提到AI的公司可能同时在从事生成式AI、机器学习和NLP三种技术。
开源 vs. 专有
开源:18家公司 (4.3%)
专有:399家公司 (95.7%)
开源示例:FlowiseAI(开源AI解决方案)
请注意,这仅代表YC的投资组合。有许多公司源自开源项目。
边缘AI vs. 基于云的AI
只有2家公司 (0.5%) 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 (1.2%) 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 (11%) 提到或暗示从事实时AI应用。
示例:Retell AI(实时AI驱动的语音代理)
多模态AI
大约22家公司 (5.3%) 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。
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(4.3%)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(1.2%)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(6.7%)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(0.7%)明确提到从事可解释性AI或AI透明度。
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(2.6%)专注于可持续性或气候技术。
示例: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(0.7%)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(8.9%)
企业解决方案:大约295家公司(70.7%)
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。
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:
量子计算:2家公司(0.5%)
区块链:3家公司(0.7%)
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(总计1.2%)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。
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(> 75%)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(MIT)
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(约25%)创始人有在顶尖科技公司工作的经验,如谷歌、Facebook(Meta)、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(约15%)的创始人有之前的创业经验:连续创业者,或曾创办或联合创办其他初创企业。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(Artisan的创始人)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(约8%)创始人来自学术研究背景:相关领域的博士、博士后研究员、大学教授。
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(45%)初创企业的创始团队拥有互补的技能:技术创始人 + 业务/运营创始人,或AI专家 + 领域专家。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(约24%)创始人具有使他们能够颠覆传统行业的背景:
曾在他们现在正在颠覆的行业的大公司工作
对行业痛点有独特见解的人
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。
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(natural aptitude, deep interest, and scope to do great work)。让我们将这一框架应用于找到你的理想AI初创企业焦点:
1. 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。
2. 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(10.8%)、金融科技(9.1%)和开发者工具(8.9%),或探索服务不足的领域,如制造业(1%)或农业(0.7%)。你对所解决问题的真正兴趣将是长期动力的关键。
3. 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(81.1%)还是不太饱和的B2C领域(18.9%)。探索数据隐私(4.3%)、AI伦理(1.2%)或可解释性AI(0.7%)等关键差距。对于那些被尖端技术吸引的人,量子计算(0.5%)和区块链(0.7%)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。
结论
因此,如果你是一名有抱负的AI创始人或从业者,我的建议如下:
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(10.8%)、金融科技(9.1%)和开发者工具(8.9%)占主导地位,但寻找制造业(1%)或农业(0.7%)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。
本文由 4o 翻译自: HARSHIT TYAGI, What I learned from looking at 400 AI-based Startups backed by YCombinator
暂无评论内容