【AI落地】别再卖工具了,直接把结果卖给他

一、从卖工具到卖结果：一次根本的掉头

过去两年 AI 创业基本是一个套路：做个 copilot，卖工具给客户自己用。

这是互联网时代留下来的思路——你负责造一个好软件，怎么用是客户自己的事。

AI 原生服务公司把这个逻辑整个反过来：不交付工具，交付结果。

举个例子。以前你买报税软件，买的是工具，还得自己操作、自己报税。而未来的 AI 税务公司，你买的是“已经报好的税”。中间的活大部分由 AI 干掉，你不用管过程，只要验收结果。

YC 合伙人 Gustaf Alströmer 在官方 RFS 里写的原话更清楚：

服务曾经变成 SaaS 软件。更近一点，SaaS 变成了 AI copilot——2023 到 2025 年大部分创业公司做的都是这个：帮人把活干得更好的工具。现在让我们兴奋的是下一步：不卖软件的 AI 原生公司，它们卖服务。不给你工具，它们直接把活干了。

理由他讲得很实在，就两条：花在服务上的钱，比花在软件上的钱多得多；而且这些服务里有很多本来就外包出去了，所以用 AI 原生产品去替换，容易得多。

第二点尤其关键。它意味着你不需要教育市场、不需要让客户新申请一笔预算——你只是把他原来的供应商换成你。

二、为什么是现在：窗口刚刚打开

为什么前两年不行，现在突然行了？

因为模型能力是最近一两年才跨过那道门槛的。窗口刚刚打开。

市场有多大？税务、审计、保险、法务，加上部分医疗行业，加起来是好几万亿美元的盘子，比整个软件市场大 2 到 3 倍。

外部数据能和这个判断对上。General Catalyst 的 Marc Bhargava 给过一个数字：全球服务行业的年收入约 16 万亿美元。Mayfield 的 Navin Chaddha 算过另一笔账：如果 80% 的工作被 AI 自动化，毛利能做到 80%–90%。

但这里有个必须说清楚的落差。

传统服务公司的毛利天花板，大概在 30% 左右。AI 服务公司赌的是靠 AI 带来的运营杠杆，把毛利做到 50% 以上。

从 30% 到 50%，看起来只是 20 个百分点，但它决定了一家公司到底是“披着 AI 外衣的外包公司”，还是真的能长成巨头。

三、哪些行业会先被重做：四条筛子

YC 给了四条筛选行业的标准。我把它翻译成更直白的话。

第一，这个任务本来就外包。

客户本来就只看结果，不太过问中间过程。

这一点特别关键。在这样的情况下，你不用去改变用户习惯，只是把他原来的供应商换成你。预算早就摆在桌面上了，你接过来就行，而不是让他重新去申请一笔完全崭新的预算。

第二，任务能拆解，且大部分环节不需要高强度的人工判断。

如果每一步都得有很厉害的人动脑子拍板，那就没法规模化。

你要的是大部分环节都能自动化，让人站在少数几个关键节点上守住就可以了。

以前这些知识型服务行业为什么很难做大？因为全靠人，而且要靠高水平的人。高水平的人又贵又难管。

第三，智能门槛要足够高——这条反直觉。

意思是这个行业的标准要足够难。因为太简单的活，大模型自己就干了，轮不到你开一家公司去干。

你要找的位置是：模型单独完不成，但模型加人能搞定。 那才是你真正的立足点。

第四，监管反而是好事。

监管越严格，门槛越高，有准入门槛，后来的人越不容易进来。你可以占住中间那个很重要的位置。

YC 官方点名了四个方向：保险经纪、会计税务审计、合规、医疗行政。

四、两道自检题：奥特曼测试与诚实测试

筛完行业，还有两道题可以用来验证自己的项目到底合不合格。

第一道，奥特曼测试。

反复问自己一个问题：如果未来模型变得越来越强，你的服务是跟着一起变强，还是直接被模型取代、变成白菜价？

必须是前者才能活下来。

第二道，诚实测试。

你现在雇这么多人，到底是真的需要人去做某些判断，还是在拿人去补救产品的窟窿？

这道题只有你自己心里清楚。但它基本能决定一家公司三年后是 AI 公司还是人力公司。

五、什么样的团队配得上这门生意

YC 说，最好的创始人大概有三个共同特点。

第一，行业信誉。

因为你卖的是专业结果，面对的是一群天生怀疑的买家，而且常常在强监管领域。你身上必须带着这个行业的可信度，最好是你亲自干出来的。后天学的也行，关键是你真得有点东西。

第二，懂模型。

你得知道最前沿的模型今天能干什么、不能干什么，然后把产品设计成能跟模型一起变强的模式。

这点特别容易被低估。大家总觉得模型越来越强，就越不需要技术人员。但在这种公司里，顶尖的技术能力没有替代品。

第三，运营的严谨性。

方差、吞吐量、周期时间、标准动作流程——这些词听着繁琐，一点也不激动人心。

但你本质上是在运营一台机器。产品就是这套运营规则。你得学会它，最好还能喜欢它。

六、生死线：利润表和方差

天时地利人和都配齐了，为什么 YC 还是说大部分这样的公司会死？

答案有两个：一个是利润表，一个是方差。

先看一个根本区别。传统软件公司，产品就是那个界面，客户直接使用。AI 服务公司反过来——人才是面对客户的界面，产品躲在后面，帮助这个人把工作量非线性地放大。

所以危险信号很明确：如果你的收入跟着雇的人数同比例往上涨，那不叫 AI 公司，那是披着 AI 外衣的传统外包公司。

第二个是方差，也就是你交付的东西稳不稳定。

YC 的原话是这么说的：客户炒掉你，往往不是因为你贵，也不是因为你偶尔拖沓，而是因为你时好时坏、不一致。这种不一致会直接摧毁信任，而信任就是 AI 服务公司的命根子。

还有一个坑，新手特别容易踩：早期需求陷阱。

刚起步的时候，很容易一口气签一堆试点客户——签客户当然开心，有收入了。但很快你就会被人肉服务淹死，没有精力再把产品做好，永远困在一大堆活和琐碎细节的死循环里。

YC 的建议是：一开始只服务一小撮客户就够了。

这门生意最终是一道数学题。产品做得越深，成本越低，毛利越高。市场还比传统软件公司大 2 到 3 倍。这就是它的核心运营逻辑。

那能不能取个巧——买一家现成的服务公司，加 AI 上去不就完了？

YC 的答案是不可能。PMF、know-how、品味，这些都是搬不来的东西。老公司有老公司的习惯，你一个 AI 进去，什么都改变不了，什么都推不下去。

七、我的保留意见：确定性 vs 概率性

这一节是我自己加的，也是这篇文章我最想说的部分。

方向我认同。但“毛利做到 50% 以上”这个目标，我认为被低估了难度。

第一个问题，YC 点名的四个行业全是重确定性的。

会计、合规、理赔、ERP 这类系统，要求的是 100% 一致。而大模型是概率引擎。

一份 2026 年 2 月的分析《The Great SaaS Unbundling》把话说得很直白：确定性系统需要百分之百的一致性，但 LLM 是概率性的——而 YC 点名的这四个行业，恰好全部落在这个矛盾最尖锐的地方。

换句话说，你以为剩下的是 20% 的“人”，实际剩下的可能是 20% 的责任。

第二个问题，整合比想象的慢。

TechCrunch 在 2025 年 9 月的报道标题就叫《AI 服务转型可能比 VC 想的更难》，里面讲得很具体：并购来的服务公司，整合和文化冲突是真实存在的，而且很慢。

General Catalyst 已经拿出 15 亿美元做“creation”策略——在特定垂直行业孵化 AI 原生公司，再拿它们当收购平台去并购同业。Mayfield 划了 1 亿美元投“AI 队友”。Sequoia 合伙人 Julien Bek 的“服务即新软件”论断在 2025 年刷过屏。Elad Gil 在这条路上已经跑了三年。

资本是聪明的，但也意味着：等 YC 的创始人进场时，牌桌已经相当挤了。

我的判断是这样的：

卖工具的公司赚的是效率的钱。卖结果的公司赚的是责任溢价。

而责任，恰恰是目前 AI 最贵、也最稀缺的东西。谁能为结果签字、能在出错时兜底，谁才拿得到那 20 个百分点的毛利差。

这不是模型能力问题，是组织设计问题。所以它不会因为模型变强而自动解决——这一点，恰恰是最容易被“AI 会越来越强”这句话掩盖掉的。

结尾

十几年前有句“软件吃掉世界”，我们熟悉的这一代科技巨头就是那句话的产物。

现在轮到 AI 吃掉服务业了，而且蛋糕比当年更大。

不过 YC 自己也承认，他们对这块的认识还在很早期，全世界的认识都在很早期——边投边学，我们边做边学。

所以这份手册，与其说是最终答案，不如说是一张刚画了一半的地图。 2025 年该比例不足 5%。