硅谷的AI创业公司，正在从拼技术变成拼行业理解

上周三晚上，我在旧金山 Brex 总部七楼参加了一场 AI 创业 pitch 活动。办活动的是 Founders Bay，一个号称拥有 20 万创始人、投资人和运营者的社区。现场来了将近 400 人，8 个创业团队上台 pitch，台下坐着来自 Cota Capital、Mavka Capital、Future Energy Ventures 等机构的投资人，还有 Meta 的工程总监和斯坦福的 AI 研究员。活动地点是 Brex 的办公室，这家公司本身就是给创业公司做金融服务的，十几年前就是从"为什么创始人很难开银行账户"这个问题出发做起来的，现在服务的客户包括 OpenAI、DoorDash、ScaleAI。选这个地方办活动，本身也是一种氛围。

这种活动我之前也参加过不少，但这次的感觉有点不一样。以往这类 demo night 大多是技术展示，创始人讲自己的模型有多好、架构有多独特。但这次让我印象深刻的是，不少团队已经不再讲技术了，他们在讲业务、讲用户、讲为什么是他们来做这件事。这背后反映出一个变化：在 AI 工具越来越商品化的今天，光靠技术已经很难站稳脚跟了，真正决定一个 AI 创业公司能不能跑起来的，是别的东西。

AI agent 正在进入各种你想不到的行业

这场活动上最让我有感触的一点，是 AI agent 的应用场景已经远远超出了我的预期。不是什么高大上的通用 AI，而是切到了非常具体的垂直行业里。

有一个叫 Realty AI 的团队，专门在解决美国房地产交易流程混乱的问题。他们说，买卖一套房子，可能涉及几百封邮件、几十份文件、无数条短信，买卖双方、中介、各种第三方服务机构之间的沟通完全靠人工协调，稍有疏漏就是违规风险和法律暴露。他们做的是一个 AI 协调层，把所有参与方拉到同一个平台上，用 AI agent 主动追踪每一个 deadline，自动提醒，帮每一方都知道下一步该做什么。他们目前已经有超过 10 个真实经纪人在用这个平台，完成了 12 笔以上的真实交易，正在加州和科罗拉多州同时推进经纪公司合作。我觉得这个问题选得很准，因为它解决的不是一个"锦上添花"的需求，而是一个长期以来大家都在忍受却没人认真去解决的流程痛点。团队里有一个有 700 多笔加州交易经验的经纪人，这种从业者背景让他们对问题的理解远比外来者深得多。

还有一个叫 RAACT 的团队，做的是二手物品的本地交易和配送。听起来跟 AI 没什么关系，但他们的核心创新是：卖家只需要拍一张照片，AI 自动识别物品类型、尺寸、重量，再结合司机的车型信息，自动匹配合适的配送方案，还能把同方向的多个订单拼在一起，把配送成本大幅压下来。整个交易流程从发布到付款到上门取货，全部在一个 app 里完成，不用在买卖双方之间来回发消息、协调时间、然后对方爽约。创始人说他们之前亲自做过废品清运，知道协调大量司机、分类货品、找到合适接收方有多难，这个产品其实是从那段经历里长出来的。他们目前在旧金山湾区已经有 2800 个用户，完成了 450 笔配送，最近两个月有 210 笔。这个方向我很感兴趣，因为它把 AI 用在了一个基础设施层面，改变的不是某一个环节，而是整个交易的协作方式。

另一个让我眼前一亮的是一个做智能楼宇能源管理的团队，叫 Zoya。他们做的是实时捕捉建筑内各种设备的电气信号，在毫秒级别内预测哪个系统可能出问题，并自动调节电力分配，避免关键设备宕机。他们说传统的能源管理系统只能在设定的边界内做规则响应，但边界内那些细微的变化根本捕捉不到，等系统报警的时候问题已经发生了。他们已经在 900 多万平方英尺的建筑里部署了系统，主要在亚洲市场，目前在美国有 5 个付费或接近付费的试点，平均帮客户节省了将近 20 万美元的能源成本，设备性能也提升了 10 到 30%。这个方向很冷门，但市场规模不小，而且传统的能源管理系统极度分散、不同厂商之间的兼容性很差，Zoya 的系统兼容各种设备和架构，这给了他们切入的空间。

最有意思的一个 pitch：信用合作社的 AI 金融助手

如果让我选这场活动里我认为最有潜力的项目，我会选 Cure Money，他们也是当晚的第一名。

创始人 Alicia 做了一件让我觉得很聪明的事：她没有去卷那些显而易见的大市场，而是找到了一个很多人忽视的缝隙。她说美国有三分之一的人是信用合作社（Credit Union）的会员，这些机构管理着将近 2.4 万亿美元的资产，是美国最受信任的金融机构。但他们的数字化体验一直很糟糕，而现在 AI 有可能让这种信任关系受到冲击，因为用户可能会绕开信用合作社，直接去 ChatGPT 问理财问题，还可能随手把自己的银行流水截图传上去，这比通过自己的银行 app 处理其实危险得多。

Cure Money 做的是把 AI 财务助手嵌进信用合作社自己的数字银行 app 里，让 AI 用信用合作社的口吻、产品和知识来回答用户的问题，帮用户做预算规划、推荐合适的金融产品，比如发现用户账户里有两万美元趴着，就主动提示他们可以存进高收益储蓄账户多赚利息。信用合作社保留对 AI 行为的完全控制，可以通过一个低代码仪表盘自定义 AI 的回答范围和风格。这对信用合作社的产品和市场团队来说很重要，因为这些人可能根本不懂 AI 是什么，但他们需要确保 AI 说的话符合他们机构的调性和合规要求。

我特别欣赏她们的一个细节：她们花了一年时间跟 6000 个真实用户做研究，建了一套针对中等收入美国人的知识图谱，而信用合作社的会员里有超过 55% 就是这个人群。她们还通过了 NSF 的 SBIR 项目（美国国家科学基金会的小企业创新研究项目），拿到了第一期资助，第二期 130 万美元也快到位了。这不是随便套个通用大模型就能替代的东西，是真正基于特定用户群体的积累。她们已经有 30 家金融科技公司嵌入了她们的 AI 助手，还有几家信用合作社在上线中。

这个方向让我想到一个更大的趋势：不是所有人都需要 ChatGPT，很多用户其实更需要的是一个懂他们、在他们信任的平台里帮他们做决策的 AI。谁能把这个"信任层"做好，谁就有可能在各自的垂直领域里建立真正难以复制的护城河。

还有一个我没想到会出现在这里的方向：AI 动漫制作

当晚还有一个项目让我很意外，是一个叫 Atelier Studio 的团队，专门用 AI 制作动漫。

创始人 Yuji 是个动漫迷，在这个行业里泡了八年。他说传统动漫制作一集 20 分钟的内容，成本大概是 15 万到 30 万美元，一部完整的系列动画则需要数千万美元投入，这意味着制作公司只愿意做那些有把握获得大量观众的内容，大量有潜力但受众较小的题材根本进不了立项阶段。而他们用 AI 制作同样长度的动漫，成本只需要 1 万到 2 万美元，便宜了将近十倍。

他们三个半月前还只是一个想法，现在已经签下了一家韩国发行商，正在制作一部 40 集的 AI 动漫试播季。选择韩国市场的原因也很有意思：韩国动漫市场没有垄断格局，关系网络相对开放，比日本市场更容易进入。他们的商业模式是跟版权方谈流媒体授权，然后通过动漫网站、粉丝社区发行，走按集付费或广告分成的路线。

当晚有一个投资人问：OpenAI 之前做过类似的方向，为什么关掉了？Yuji 的回答很直接：OpenAI 的体量是每年 40 亿美元的收入目标，一个一亿美元规模的动漫市场对他们来说根本不够大；而且他们做的是平台，没有直接做内容分发，用户用了一两次就没了，没有真正的商业闭环。但对 Atelier Studio 来说，这个市场完全够大，他们也有动漫圈子里的真实人脉，跟各平台的站长都在直接沟通。

AI 治理也成了一个创业方向

当晚有一个方向我之前完全没有关注过，但现在觉得可能比很多人想象的更重要：AI agent 的治理和权限控制。

一个叫 Intelligent 的团队在做这件事。他们的出发点很简单：当企业开始在生产环境里大规模部署 AI agent 的时候，一个 agent 可以执行各种操作，可以写代码、访问数据库、调用第三方 API，但谁在管它？它有没有权限做它正在做的事？两个单独看都没问题的 agent，组合起来会不会生成不该生成的用户隐私数据？

他们做的是一个跨平台的 AI 治理层，在 agent 每次要执行一个动作的时候，实时检查这个动作有没有被授权，而不是事后审计。他们用的是一套基于 OPA（Open Policy Agent）的策略引擎，企业可以定义一套跨所有 agent 和工具的统一规则，不管 agent 是在哪个环境里跑的。他们 8 月 1 日刚发布了免费版本，正在找初始的开发者合作伙伴，切入点是代码 agent，因为代码 agent 能做的操作范围相对有限，验证产品价值比较容易。

我觉得这个方向的时机选得不错。现在大家都在聊怎么部署 AI agent，但很少有人在认真讨论 agent 的权限管理。等企业真正开始大规模跑 agent 的时候，治理问题会比现在突出得多，而那个时候再去建基础设施可能来不及。这有点像早年云计算刚起来的时候，最先做云安全的公司最后都很值钱。

投资人在问什么，说明了什么

除了看创业项目，这场活动上投资人的提问也很值得仔细琢磨。他们在关注什么，某种程度上反映了现在市场对 AI 创业公司的真实判断标准。

我注意到，几乎每一个项目，投资人都会追问两件事：第一，你的壁垒到底是什么？第二，你现在有没有真实的付费用户？

关于壁垒，有一个投资人在 panel 上说得很清楚，她说她们在看 AI 创业公司的时候，会把技术架构拆开来看，找那个"你有但别人没有"的差异化层在哪里。可能是数据，但数据壁垒要讲清楚为什么这个数据只有你有；可能是架构，某种别人没想到的技术路径；也可能是分发，你有某些别人很难复制的客户关系或行业资源。这三个角度她都不排斥，但必须要能讲清楚其中一个，模糊地说"我们的 AI 更准"是不够的。

关于付费用户，几乎每个 pitch 都被问到了这个问题，而且很多项目在这里被卡住了。有的团队说有用户，但是免费用户；有的说有收入，但数字还很小；有的还没有收入，说先找种子用户验证。这不是批评，因为很多项目确实还很早期。但我观察到一个现象：那些能回答出"我们已经有 X 个付费用户，月收入是 Y"的团队，台下的反应明显不一样，投资人会开始追问更深的问题，而不是停留在质疑层面。

另一个我注意到的问题是关于创始人背景的。有一个做航天领域空间智能的创始人，投资人问他为什么是他来做这件事，他说他有别人根本拿不到的机密数据访问权限，这个壁垒不是钱能买到的，也不是 YC 出来的年轻人能随便复制的。投资人当场就说这种"创始人-市场契合度"是她很看重的东西。这让我想到，AI 工具越来越普及之后，谁能用 AI、用什么数据用 AI，反而变成了一个更重要的问题，而不是会不会用 AI。

panel 上还有一个观点我很认同：现在市场上有一种误解，觉得只要有了融资，公司就起来了。但几个投资人都说，他们见过太多拿了很多钱、有漂亮办公室的公司，最后跟没拿那么多钱的公司停在同一个位置。资本是工具，不是目的，最基础的问题永远是：你在解决什么问题，有没有人真的需要你解决它。

我看到的几个真实问题

当然，这场活动也让我看到了一些在 AI 创业圈里很普遍的问题，我觉得值得直接说出来。

第一个问题是定价太低。Realty AI 给房地产经纪人的定价是每笔交易 50 美元。有一个投资人当场指出，经纪人每笔交易的佣金通常是几万美元，50 美元大概只是他们给行政助理费用的十分之一，完全可以定更高。这个问题在早期创业公司里非常常见，创始人为了拿下第一批用户把价格压得很低，但这会在后期造成很大麻烦，因为用户已经建立了对价格的心理预期，再提价非常困难。

第二个问题是市场规模的计算方式。有几个团队在说 TAM 的时候，直接拿了一个行业总规模的数字，然后说我们要占其中的某个百分比。但投资人真正想看的不是行业有多大，而是你现实能触达的那部分用户有多少，他们的付费意愿和付费能力是怎样的，你用什么方式能到他们面前。这两种表达方式给人的感觉差很多。

第三个问题是有些团队对竞争对手的分析过于乐观。好几个 pitch 里创始人说竞争对手只做了某一层，他们做了更完整的方案，但没有解释为什么竞争对手不会往那个方向扩展，或者大公司不会把这个功能直接内置进去。当晚有一个团队做的是信用合作社市场，创始人自己提到一个叫 Lumia 的大公司刚宣布要做一模一样的事，但她说一家小型信用合作社的 CTO 直接告诉她：我不想要 Lumia 的产品，因为他们什么都做，我更想要一个专注的供应商。这个回答很真实，也很有说服力，类似这种具体的市场反馈比抽象的竞争分析有用得多。

第四个问题是 AI 本身的局限性被低估了。有一个投资人在 panel 上说，现在很多号称用了 AI agent 的产品，实际上在生产环境里还不够稳定，逻辑错误、幻觉问题都还很真实，很多东西还停留在 demo 阶段，不能真正上生产。她说这不代表方向是错的，而是要对技术的成熟度有足够清醒的认知，不要因为 demo 跑得漂亮就以为产品已经好了。我觉得这个提醒非常重要，因为现在 AI 工具让 demo 变得太容易了，但 demo 好和产品能用之间还有很长的路。她还特别提到，有些基础研究问题不是六个月能解决的，需要三年五年的时间维度去看，创始人要对这件事有清醒的判断，知道哪些是技术还没到、需要等待的，哪些是可以现在就做的。

硅谷的 AI 创业生态，现在真实的样子

参加这场活动之后，我对一件事的感受更强了：硅谷现在的 AI 创业生态，跟两年前已经完全不一样了。

两年前，大家还在讨论怎么用 AI、AI 能不能做这件事。现在这个问题已经不是核心了，核心变成了：AI 能做这件事，但你凭什么来做？你的数据在哪里，你的客户关系在哪里，你对这个行业的理解有多深？

这也解释了为什么这场活动上，那些做垂直行业的团队反而看起来更有底气。做 AI 动漫制作的团队是个动漫迷，在行业里摸了八年；做信用合作社 AI 的创始人曾经是个财务教练，在金融服务行业做了很多年；做房地产 AI 的团队里有有 700 多笔加州交易经验的经纪人；做能源管理的团队在楼宇控制系统领域积累了接近十年。这些背景不是装饰，而是真正的资产。

当晚还有一个让我印象很深的细节。有个做影响力营销平台的创始人在台上介绍她们的 AI Avatar 功能，可以帮网红生成数字分身，24 小时自动直播、自动互动，让网红在不开播的时候也能持续赚钱。这个功能本身挺有意思，但她被追问的一个问题是：观众如果发现自己在跟一个 AI 分身互动，他们的真实感受是什么？这个问题没有被很好地回答，但我觉得这是整个 AI 内容生成行业都绕不过去的一个核心问题：当 AI 可以无限量生成内容和互动的时候，人们对"真实性"的需求会不会反而变得更强？

我最近越来越觉得，AI 让"实现"这件事变便宜了，但没有让"判断"变便宜。知道该做什么、不该做什么、在哪个市场用什么方式切入，这些东西 AI 给不了你。从这场活动上的八个团队来看，那些最让人信服的 pitch，都不是因为他们的技术最厉害，而是因为他们对自己要解决的问题有一种来自内部的理解，这种理解是外人没办法快速复制的。

文章来自于"深思圈"，作者 "深思圈"。