总部位于硅谷的著名创业加速器 Y Combinator (YC) 最近宣布了其 2023 年冬季队列，不出所料，约 31% 的初创公司（269 家中有 80 家）拥有自我报告的 AI 标签。在这篇文章中，我分析了这批 20-25 家初创公司，以了解一些更大的趋势，特别是利用LLM（大型语言模型）的初创公司。这些趋势涵盖了他们如何识别要解决的问题、他们采取什么方法来解决问题、他们正在做什么以及他们的方法中的潜在风险。但在我们探讨趋势之前，让我们先了解一下科技公司（小型或大型）如何考虑从人工智能创造价值的总体框架。
01. 人工智能价值链
如果您最近一直在关注科技新闻，就会发现有关人工智能的内容激增，并且很难始终理解这些新闻在整体情况中的位置。我们用一个简化的框架来思考一下。
人工智能是一个非常广泛的术语，涵盖了广泛的技术，从可以预测事物的回归模型，到可以识别对象的计算机视觉，再到最近的 LLM（大型语言模型）。为了便于讨论，我们将重点关注最近在 OpenAI 向公众开放 ChatGPT 并开始公司之间的 AI 竞赛后备受关注的法学硕士。
利用人工智能的科技公司通常在以下三个层次之一运营：
- 基础设施——这包括硬件提供商（例如，NVIDIA 制造 GPU 来支持 AI 模型所需的所有繁重计算）、计算提供商（例如，在云上提供处理能力的 Amazon AWS、Microsoft Azure、Google Cloud）、AI 模型/算法（例如提供 LLM 的 OpenAI、Anthropic）和 AI 平台（例如提供用于训练模型的平台的 TensorFlow）
- 数据平台/工具层——这包括为人工智能应用程序收集、存储和处理数据的平台（例如，在云中提供数据仓库的Snowflake、提供统一分析平台的Databricks）
- 应用层——涵盖所有利用人工智能实现特定应用的公司（初创公司、中大型科技公司以及非本土科技公司）
根据目前的市场状况以及过去类似情况（例如云计算市场）的表现，基础设施和数据平台层可能会集中到少数提供相对商品化产品的参与者。例如：
- 在硬件厂商中，NVIDIA 目前在 GPU 产品方面处于领先地位（他们的股票在 2023 年增长了两倍），我们必须看看还有谁能赶上
- 计算市场已经趋同，AWS、Azure 和谷歌云占据了三分之二的市场份额
- 在 AI 算法层，OpenAI 凭借 GPT 模型表现强劲，但这是一个竞争激烈的市场，参与者财力雄厚（Google 拥有 Deepmind/Google Brain、Facebook Lambda、Anthropic、Stability AI）——如果您想要了解更多信息，请参阅此分析更深入地采取。这里需要注意两件事：i）大多数公司都可以访问相同的数据集，如果一家公司确实可以访问新的付费数据集（例如 Reddit），则竞争对手很可能会访问该数据集同样，ii) GPT 模型位于算法层，但 ChatGPT 产品位于应用程序层（而不是算法层）。
鉴于这种可能的商品化路径，在这些层面运营的公司有两种可能的路径：
- 第一条途径是加强他们的产品以跨层运营，最近的并购活动就证明了这一点——Snowflake（数据平台层的数据仓库公司）最近收购了 Neeva，以增强他们的搜索能力，并可能为企业、Databricks 解锁法学硕士的应用（数据平台层的分析平台）收购了 MosaicML（人工智能算法层），以使“每个组织都可以使用生成式人工智能，使他们能够使用自己的数据构建、拥有和保护生成式人工智能模型”
- 第二条路径是向上移动到应用层——ChatGPT 就是一个典型的例子。OpenAI 的优势在于人工智能算法层，但随着消费产品的推出，他们现在成为谷歌搜索几十年来第一个真正的竞争对手。
人工智能和法学硕士释放的大部分未来价值将出现在应用层，包括创建新初创公司所产生的价值，这让我们想到了 Y Combinator。
02. Y Combinator (YC) 的工作原理
简要介绍一下 YC，然后我们将进入趋势。大多数 YC 公司都处于超早期阶段——52% 的批次仅凭一个想法就被接受，77% 的批次在 YC 之前收入为零。
YC 的选择性很强（<2% 接受率），但主要致力于数量：
- 2023年分两批投资300多家企业，2022年投资600多家企业
- 公司获得标准交易（12.5 万美元资金换取 7% 的股权）
- YC 为初创公司提供大量指导以及接触包括 YC 校友、投资者等在内的庞大人员网络的机会。
- 因此，YC 要想取得成功，只需要几次巨大的成功就能赚钱（类似于任何天使投资），而且几位校友都取得了巨大的成功
综上所述，YC 是一个很好的“代表”名单，它展示了早期初创企业市场的情况，以及刚刚利用人工智能起步的初创企业的机会所在。至此，我们将深入研究大趋势。
03. 人工智能初创公司趋势
3.1 关注具体问题和客户
初创公司正在针对一组重点客户的重点问题，即“通用”人工智能解决方案较少。
Yuma.ai就是这样一个例子，它专注于帮助那些难以处理客户请求和疑虑的 Shopify 商家（您可以在此处查看演示）。通过利用大型语言模型 (LLM)，Yuma.ai 自动从知识库生成响应。另一家名为Speedy的初创公司致力于支持没有时间使用生成式人工智能创建营销内容的中小企业 (SMB)。Haven 的目标是让物业经理实现约 50% 的住户互动自动化。OfOne 的目标是大型快餐店得来速，帮助他们自动化接单流程并提高盈利能力。
在所有这些例子中，都特别关注狭窄的问题空间和客户，并在该背景下应用法学硕士。
3.2 与现有软件的集成
3.3 将法学硕士与其他人工智能技术结合起来
初创公司正在探索通过使用其他人工智能技术（例如计算机视觉和预测）与法学硕士结合来创建差异化产品。
Automat就是这样一个例子，它的客户提供了一个视频演示，展示了他们希望自动化的重复 Chrome 流程。然后，Automat 利用应用于屏幕记录的计算机视觉技术以及人类自然语言输入来创建所需的自动化。另一家名为Persana AI的初创公司利用 CRM 数据集成和公开数据来预测销售团队的潜在热门线索。然后，他们聘请法学硕士，利用有关个人的可用自定义数据，为每个已识别的潜在客户起草个性化的出站消息（您可以在此处查看演示）。
结合技术正在帮助这些初创公司创造一条护城河，并与普通的法学硕士申请区分开来。
3.4 LLM定制
3.5 创意用户界面
初创公司开始利用的最被低估的杠杆之一是构建独特且有用的 UI 界面，而大多数当前的 LLM 产品（如 chatGPT、Bard）并不擅长。这些界面在根据特定用例进行定制时，可以为客户释放大量新价值，并吸引更多因使用困难而尚未采用现有产品的用户。
Type是一个有趣的例子——他们构建了一个灵活、快速的文档编辑器，让用户在编写时通过按 cmd + k 快速显示强大的 AI 命令。Type 的 AI 可以理解文档的上下文，并在您编写更多内容时调整建议并学习您的风格（您可以在此处查看演示）。
其他几个有趣的例子包括Lightski使用 Slack 作为更新 CRM 信息的界面，以及Persana AI使用 Chrome 扩展程序作为在个人 LinkedIn 页面上轻松提供对出站草稿的访问的方式。
3.6 信息量大、用例精度高
这批初创公司中有少数专注于特定用例，这些用例既需要处理大量信息，又需要对所发现的见解具有高精度。
SPRX直接从您的工资和会计系统获取数据，以计算满足 IRS 要求的准确研发信用。
在医疗保健领域，Fairway Health使用法学硕士来提高原本相当手动的流程的效率——分析长期医疗记录以评估患者是否有资格接受特定治疗。这帮助保险公司提高了效率，并为消费者创造了更少的令人沮丧的体验（您可以在此处查看演示）。
AiFlow使用法学硕士来分析数百份文档中的报价和数据，以帮助私募股权公司进行尽职调查。
3.7 面向企业客户的数据孤岛、BYOD 产品
与消费者不同，企业希望控制其数据的使用方式以及与公司（包括人工智能软件提供商）共享的方式。企业花费了大量精力来整合不同来源的数据并将其引入内部（这篇文章合作伙伴集成+智能系统：当今最深的护城河，由Medium作者撰写）
深入研究该策略）。因此，他们不太愿意放弃对数据的控制。他们希望在一个可以将自己的数据 (BYOD) 引入基准产品的结构中进行操作，并在孤立的环境中定制产品。
CodeComplete的想法最初是在其创始人在 Meta 期间尝试使用 GitHub Copilot 时提出的，但由于数据隐私考虑，他们的请求在内部遭到拒绝。CodeComplete 现在是一款人工智能编码辅助工具，可根据客户自己的代码库进行微调，以提供更多相关建议，并且模型直接部署在本地或客户自己的云中。
同样，对冲基金的人工智能副驾驶AlphaWatch AI帮助客户使用利用外部数据源并保护私人数据的定制法学硕士。
04. AI 初创公司方法论中的潜在风险
看到大量人工智能初创公司的出现绝对令人兴奋，这有助于个人消费者和组织提高效率。这些产品无疑将极大地提高解决问题的生产力和效率。
然而，其中几家初创公司的一个主要风险是可能缺乏长期护城河。考虑到这些初创公司所处的阶段和可用的公共信息有限，很难对其进行过多解读，但要找出它们的长期防御能力的漏洞并不困难。例如：
- 如果一家初创公司是建立在采用 GPT 等基础法学硕士的前提下，将集成构建到帮助台软件中以了解知识库和写作风格，然后生成草稿响应，那么是什么阻止了帮助台软件巨头（例如 Zendesk、Salesforce）复制此功能并将其作为其产品套件的一部分提供？
- 如果一家初创公司正在为有助于内容生成的文本编辑器构建一个很酷的界面，那么是什么阻止了 Google Docs（已经在尝试自动起草）和 Microsoft Word（已经在尝试 Copilot 工具）复制它呢？更进一步，是什么阻止他们提供比现有产品套件差 25% 的产品并免费赠送（例如 Microsoft Teams 占领了 Slack 的市场份额）？
没有护城河的公司仍然可以以目前的形式取得成功，而他们所做的事情的性质使他们成为有吸引力的收购目标，无论是从功能附加还是从人才角度来看。然而，对于有兴趣将这些早期想法转化为巨大成功的初创公司来说，建立护城河至关重要。
一种明确的方法是构建一个完整的产品来解决问题空间，并大量使用人工智能作为其功能的一部分（而不是仅人工智能产品，它是现有问题空间之上的附加产品）。
例如，Pair AI 专注于帮助创作者以 Tiktok 式的格式构建更具吸引力的课程的问题空间，并将一些人工智能功能作为其产品的一部分（例如对话式问答）。KURUKURU正在构建一个用于创作漫画的 3D 引擎，并具有一些围绕创建角色的 AI 功能。
另一种方法是通过结合利用上述一些趋势（数据集成、BYOD 模型、支持定制、与其他人工智能技术相结合）来增强产品供应（从人工智能功能到针对问题空间的更广泛的产品） 。
这是一个快速发展的市场，我们距离看到这些初创公司如何取得成功还有很长的路要走——看看它们在未来几年如何发展将会很有趣。祝 YC 的 W23 队伍好运！
