夜雨聆风事情是这样的。
YC 在 6 月初放出来一个视频，11 分钟，讲话的人是 YC 的合伙人——查理·沃伦。
我来回看了三遍。
倒不是因为它讲得有多复杂，恰恰相反，它简单得有点吓人。开场第一句就是，接下来十年最大的一批公司，可能压根就不是软件公司。
那是什么呢。
是保险公司，是律所，是会计师事务所，是那种听起来老掉牙、我们从小到大就知道它存在、从来没觉得它跟创新有半毛钱关系的生意。
只不过这一次，从零开始重做一遍，中间大部分活让 AI 干。
我先把最关键的那个区别讲清楚，不然后面全是废话。
我们过去这两年见到的 AI 创业，基本上就一个套路。做个 copilot，做个插件，做个工作流编排，然后卖给客户，让客户自己去用。
这是非常标准的互联网思路。我负责把工具做好，至于你怎么用、用得好不好、有没有用起来，那是你的事，我最多给你派个客户成功的同学。
坦率的讲，卖铲子这件事本身没错，加州淘金潮里最赚钱的确实是卖铲子的。
但 AI 原生服务公司是反过来的，它不卖铲子，它直接把金子交给你，也就所谓的 RaaS ——结果即服务。
举个最好懂的例子。
你现在买报税软件，买的是一个工具，装上之后你还得自己一栏一栏填，填错了自己改，报晚了自己扛。但假如你面对的是一家 AI 原生的税务公司，你买的就是「报好的税」这四个字。中间那些活是谁干的、AI 干了几成、有没有人在后面看，你不用关心，也不该关心。
他讲到一句话，我当时就愣了一下，倒回去又听了一遍。
他说，传统软件公司里，产品就是那个界面，客户直接上手用。而 AI 服务公司整个反过来了，人才是面对客户的那个界面，产品躲在人的背后，负责把这个人的产能非线性地放大。
人是界面。
你把这句话琢磨一下，就会发现它把后面所有的东西都改掉了。你的软件的第一批用户不是你的客户，是你自己的交付团队。你的产品好不好，不取决于用户的体验，而是看交付团队通过它，一天能有多少产出。
很多朋友可能不知道，这个模式在两年前是真的不成立。不是没人想到，是模型不行。以前的模型只能当个工具人，你得寸步不离地盯着它，它一旦跑偏你就得从头来。最近一两年，它才刚刚跨过那道线，能把一整件事从头做到尾，中间只需要人在几个关键节点看一眼。
窗口是刚刚打开的。
那这个窗口后面有多大呢。税务、审计、保险、抵押贷款、一部分医疗、一部分物流，加起来好几万亿美元的盘子，比整个软件市场大 2 到 3 倍。
好，那问题来了。这么大一片地，先从哪块下铲子。
一、YC 给了 4 条筛行业的标准，我用大白话翻译一下
第一条叫「低信任」。
这个词第一次听有点绕，我当时也没反应过来。它说的不是客户不信任你，而是说这件事本来就已经外包出去了，客户本来就只看结果，不过问过程。
你不是在教客户改习惯，你只是把他原来那个供应商换成了你。
预算早就在桌上了。
这一条我一直觉得是 4 条里面最被低估的。做过 to B 的朋友都知道，让一家公司批一笔全新的预算有多难，那得走流程、找 sponsor、证明 ROI、跟别的部门抢，一年过去了还在 PoC。而让他把现有的一笔钱换个人付，完全是另一个难度量级。
第二条，「任务可拆解」，而且大部分步骤「不需要高强度的判断」。
把一件活拆成 20 步，如果每一步都得有个资深的人坐在那儿拍板，那你永远做不大，你只是开了一家人更贵的乙方。你要的是大部分步骤能自动化，判断力集中在少数几个节点上，人就守在那几个节点。
这也正好解释了一个老问题，就是为什么律所、会计所这种知识型服务业，历史上从来没长出过巨无霸。因为它全靠人，而且靠的是很贵、很难管、还随时可能被挖走的那种人。合伙人一走带走半个团队的故事，你在哪个行业都听过。
第三条有点反直觉，「智能门槛」要足够高，任务要「足够的复杂」。
听起来跟第二条打架，其实一点都不打架。第二条说的是单个步骤，第三条说的是整件事。
整件事必须难到，模型自己搞不定，得模型加上人才能交付出一个客户肯签字验收的结果。
太简单的活，模型自己就干完了，轮不到你开一家公司在中间收钱。
难，是你的位置。
第四条，「强监管」不是障碍，是礼物。
这条特别违反直觉。大部分创业者一看到强监管行业就绕道走，觉得又是牌照又是合规又是审计，太麻烦。但你反过来想，正因为麻烦，所以后来的人也进不来，你在中间那个位置就坐得稳。
监管带来的高标准和法律责任，同时抬高了门槛和护城河。
YC 自己投的 Panacea 就是这个路子。他们给生物科技和医疗器械公司做 FDA 报批服务，做法是真的去雇有经验的 FDA 顾问，然后给这批人配一套 AI 平台，交付更快、质量更高的报批结果。
你看，人是界面，平台在背后。
第一个叫奥特曼测试。
问题就一句话，当模型继续变强，你的服务是跟着一起变强，还是被模型直接吞噬掉。
你必须站在前面那一边。而且这个问题得反复问，因为答案是会变的。今年你还在第一档，明年 GPT 或者 Claude 的一次发布，可能就把你推到第二档去了。
第二个叫诚实测试，这个更狠。
你现在雇这么多人，到底是因为这一步真的需要人的判断，还是你在拿人力去堵产品的窟窿。
这个问题只有你自己心里清楚。也只有你自己骗得了你自己。
说真的，这个事儿我觉得每个做交付的团队都该每个季度问一遍。因为堵窟窿在短期是完全理性的，客户催得急，产品还没跑通，加两个人先顶上，谁都会这么干。危险的是加着加着，你忘了那本来是个临时方案。
顺带说一个排除项。查理专门提醒，凡是涉及重资产、现场设备、上门作业的活，别碰。软件那套边际成本的算法在物理世界里不成立，你很难造出真正的杠杆。这类生意可以很好，但那是机器人创业者的战场，不是你的。
三、行业选对了，接下来看人—— YC 认为最好的这类创始人身上有 3 个共同点
第一是行业信誉。
你卖的是专业结果，面对的是一群天生就会怀疑你的买家，而且往往在强监管的领域里。你身上必须自带这个行业的可信度。最好是你亲自干过，后天学的也行，但你得真有点东西，一开口对方就知道你不是外行来卖 PPT 的。
第二是理解模型。
你得知道最前沿的模型今天能干什么、不能干什么，并且把产品设计成能跟着模型一起变强的形状。这一点特别容易被低估，因为大家有个错觉，觉得模型越强越不需要技术人员。恰恰相反，顶尖的技术能力在这里完全没有替代品。
第三个可能是最不性感的东西，运营的严谨性。
方差、吞吐量、周期时间、标准作业流程。这几个词念出来就让人犯困，跟“颠覆”“重构”这种词比起来毫无魅力。但你要接受一件事，你运营的就是一台机器，那套运营规则本身就是你的产品。你得学会它，最好还能喜欢它，至少也得尊重它。
YC 最近投的通用法律事务公司（General Legal）是个挺好的样本，一家 AI 原生的律所。
创始团队的配置有意思。他们既在顶级律所干过，又在AI法律公司做过多年技术负责人。行业信誉和模型能力，一次凑齐了。
但查理说他最看重的不是这个，是他们真的在琢磨吞吐量和排班。
他们把轮班制搬进了法律服务的交付流程里，用这个把客户的等待周期压下来，同时又能吸引到最好的律师加入。
轮班制。你敢信，这词儿听着像是在讲一家工厂。
我是真的觉得这个细节很关键。它说明这帮人已经完成了身份切换，他们不再把自己当成一家「用了 AI 的律所」，而是当成一家「产出法律结果的工厂」，然后开始用工厂的视角思考问题。
聊到这儿，你可能已经觉得这条路挺清晰了。行业有标准，团队有画像，模式也想明白了。
那为什么 YC 还是说，这里面大部分公司都会死。
生死线有两条。
第一条叫方差。
方差这个词的意思是，你交付的东西稳不稳定，会不会时好时坏。
客户炒掉你，通常不是因为你比原来的供应商贵一点，也不是因为你比原来慢一点，而是因为你不一致。
你想想看那个在合同上签字的人。他可能是一家生物科技公司的运营副总，40 岁出头，账上的钱还够烧 14 个月，这次 FDA 报批过不过关系到下一轮能不能融到。他把这活交给你，是拿自己的职业生涯在赌。前两次你交得漂亮，第三次质量突然掉下来，他不会跟你讨论是不是模型那天状态不好，他只会想一件事，我下次还敢不敢把命交给你。
信任，就是整个 AI 服务公司的命根子，它比价格重要，比速度重要，比你的技术架构重要一万倍。而不一致是专门用来摧毁信任的。
第二条生死线在利润表上，这个我们等会儿细说，先说一个新手最容易踩的坑。
它叫「早期需求陷阱」，我觉得这是全篇最实用的一条。
刚起步的时候，你手里什么都没有，反而特别容易一口气签下一堆试点客户。因为签客户是件让人上头的事，有收入了，有 logo 了，发朋友圈都硬气了。
然后你就被人肉服务淹死了。
所有人都在救火，所有人都在赶交付，没有一个人有精力回过头去把产品做好。于是你只能继续加人，加了人又能接更多单子，接了更多单子又更忙。
这是一个真正意义上的死循环。你会被永久地困在人力密集的形态里，出不来了。
YC 的建议特别反直觉，一开始只服务一小撮客户就够了，个位数。忍住不签。
这几个试点客户不是用来冲收入的，是用来学习的。你要在他们身上找出两件事，哪些环节 AI 能给你独一无二的杠杆，哪些环节你只是在自动化一些显而易见的破事。然后照着前者去建产品，而且要快。
别急着标准化，那是后面的事。
回到利润表这块，我们来算算这门生意到底是不是一道好数学题：
先说定价，因为定价决定了收入这一行怎么写。
这里有个很多人转不过来的弯，你的竞争对手不是别的软件公司，是人力成本，客户内部的人力成本，或者他外包出去的那笔钱。你的报价单是跟工资单在比。
比较好用的是按单元定价，每一份报税、每一笔理赔、每一单贷款多少钱。这个最干净，客户一听就懂，你也好算账。
再往前一步是按结果定价，激励对得最齐，但你自己不好预测收入。
有两种定价方式千万别碰。
成本加成，等于永久地给自己的利润封了个顶。还有一种是简单粗暴地比别人低一截，那会让客户默认你的东西不值钱、质量也不行。
按价值定价，别按成本定价。
然后是成本，这一栏要从第一天就死盯着。
里面有 3 块，模型成本、托管成本、还有那些在流程里的人。这 3 块每一块都得有一个具体数字、一条趋势线、以及一个具体的负责人。
不是财务负责，是有个人对这条线的走向负责。
零毛利甚至负毛利的试点可以做，用来学东西挺好，但千万别上瘾。
那这门生意赌的到底是什么呢，赌的就是这条趋势线会往下走。
产品做得越深，生产成本越低，毛利越高。
Charlie 给这个东西起了个名字，叫「AI 运营杠杆」。
传统服务公司的毛利天花板大概就在 30% 左右，这是被人力结构锁死的。纯软件和 Agent 公司毛利很高，但市场往往小得多。
AI 服务公司赌的是，用 AI 运营杠杆把毛利做到 50% 以上，逼近软件的水平，同时市场还比软件大 2 到 3 倍。
你不需要一上来就到 50%。但那条曲线的走向必须是可信的。
这里还有一句提醒，我觉得对拿惯了 SaaS 剧本的创始人特别重要。这类公司会比你预想的更早被人用经营利润来衡量。不是 ARR，不是增长率，是经营利润。你没有那么长的烧钱蜜月期。
反过来说，也有个判断标准特别好用。如果你的收入是跟着雇的人数同比例往上涨的，那你就危险了。
那不叫 AI 公司。
那叫一家披着 AI 外衣的传统外包公司。
五、最后还有一条，我猜屏幕前的你多多少少动过这个念头。
既然行业现成的、客户现成的、牌照现成的，那我直接买一家老服务公司，加点 AI 上去，不就把前面那几年全省了吗。
YC 的回答干脆得没有余地，几乎不可能。
理由是，产品和市场的契合是买不来的东西。老公司有老公司的活法，它的考核口径、招人标准、绩效文化、客户预期，全是按旧模式长出来的。你一个 AI 装进去，什么都改变不了，什么都推不下去。在传统公司里推过变革的朋友，对这个大概会有点生理性的记忆。
举个例子，1880 年代，电力开始在美国普及。当时很多工厂主花大价钱买了发电机和电动机，装上去以后发现，效率基本没提升。为什么呢，因为他们只是拿电动机替换了蒸汽机，摆在原来的位置，整个工厂的布局、传动轴、流水线、工人的走位，一点都没变。
蒸汽时代的工厂，所有机器必须围着一根中央传动轴排布，因为动力只能靠皮带传过去。电动机的好处恰恰是可以拆开、分散、装到每一台机器上，但你得把整个厂房推倒重来才能吃到这个好处。
从电力普及到生产率真正爆发，中间隔了差不多 40 年，隔的就是一代人和一代厂房。
买一家老律所装上 AI，跟把电动机拧到蒸汽机的位置上，是同一件事。
唯一还算说得过去的收购理由只有一个，你急需一个监管牌照，比如保险资质。除此之外，自己建几乎永远比买划算。
好，我们回到最开始那个 11 分钟的视频。
我为什么会来回看三遍。
因为它讲的事情听起来很宏大，几万亿美元、下一个十年、一代人只出一批的那种公司，但它给出的所有动作都特别土。盯方差、盯吞吐、盯排班、盯生产成本的三条趋势线、别贪心多签客户。
没有一句是关于模型有多神的。
我自己的感受是，AI 这两年最大的变化，可能不是它能写多好的代码，而是它第一次让一批「靠人堆」的行业，有了被工业化的可能。而工业化这件事，从来都不浪漫，它靠的是流程、标准、良品率，靠的是有人愿意天天盯着那些不性感的数字。
十几年前那句话叫软件吃掉世界，然后我们熟悉的这一代科技巨头就长出来了。现在轮到 AI 吃服务业，而这块蛋糕比上一块还要大。
不过 YC 自己也很坦诚地承认，他们对这件事的认知还在很早期，全世界都在很早期，他们是边投边学。
所以这份手册与其说是一份答案，不如说是一张刚画了一半的海图。
海图上标了几处暗礁的位置，画了几条已经有人走通的航线，剩下大片大片的地方还是空白的。
空白的意思不是那里没有东西。空白的意思是，还没人回来讲过那边长什么样。
以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧， 如果想第一时间收到推送，也可以给我个星标～ 谢谢你看我的文章，我们，下次再见。
参考资料：https://www.youtube.com/watch?v=gSNFJbgoaHI