Y Combinator 成立于 2005 年，是美国著名创业孵化器，致力于扶持初创企业并为其提供创业指南。许多知名的科技公司，如 Airbnb、Dropbox、Reddit、和 Stripe 都曾是 Y Combinator 的校友。Sam Altman 在创立 OpenAI 之前也曾担任 Y Combinator 的合伙人和总裁。
近日，Y Combinator 举办了 2024 年第一场 Demo Day，这也是 Y Combinator 的第 38 个 Demo Day。247 个项目中有 128 个项目和 AI 相关，有 187 个项目在路演中提到了 AI。这些项目的业务领域分布如下：
- B2B SaaS/企业级应用：65%
- C 端应用：11%
- 医疗健康：10%
- 金融科技：8%
- 工业领域：4%
- 政务科技：1%
- 教育科技：1%
本文我们将盘点其中 15 家 AI 相关的初创企业，涉及了效率提升、开发者工具、大模型数据集、医疗、教育等领域，看看哪些新 idea 能获得 Y Combinator 的青睐呢？
🌟欢迎大家在 GitHub 上 Star 我们：
分布式全链路因果学习系统 OpenASCE: github.com/Open-All-Sc…
大模型驱动的知识图谱 OpenSPG: github.com/OpenSPG/ope…
大规模图学习系统 OpenAGL: github.com/TuGraph-fam…
B2B/SaaS/企业级应用
Datacurve
项目地址： datacurve.ai/
生成式 AI 的训练需要庞大的数据集，这些数据集既有网络上的公开数据，也有专业数据，包括电子书、社交媒体帖子和个人博客等。然而，其中一些数据存在法律和伦理层面的各种问题。Serena Ge 和 Charley Lee 认为缺乏数据筛选是问题所在，所以他们共同创立了 Datacurve，提供用于训练生成式 AI 模型的“专家级”数据，特别是代码数据。据 Ge 和 Lee 所述，由于对代码进行标注所需的专业知识，以及严格的使用许可限制，代码数据尤其难以获取。
Datacurve 搭建了一个游戏化标注平台，付费聘请工程师解决编码挑战，这些贡献将融入 Datacurve 待售的训练数据集中，这些数据集可用于训练代码优化、代码生成、调试、UI 设计等领域的模型。
点评： Datacurve 的想法很有创意，但其成功取决于数据集筛选的质量有多高，以及它能否激励足够多的开发者持续参与并改进这些数据集。
Buster
项目地址： www.buster.so/
Buster 是一个基础设施平台，帮助企业实现其数据库与 LLM 应用程序的对接。Buster 为客户提供数据目录编制、精细调优、安全防护、评估分析、数据检索、SQL 生成等各类工具。
点评： 当前市场上，大模型公司公司备受瞩目，人们追求模型越大、运行越快、智能程度越高。然而，当真正将大模型应用于企业内部时，数据问题便会浮出水面。Buster 正是在解决未来大量企业将会遇到的一个共性问题。
Pythagora
项目地址： pythagora.ai/
Pythagora 是一个开源工具，用户可以通过与其对话，从零开始构建应用程序。Pythagora 自动化了开发流程（如调试、重构等），并在需要反馈时向用户提问。Pythagora 是一个基于开源工具 GPT Pilot（在 GitHub 上拥有超过 22k star）构建的 IDE 扩展。首先用户需要描述想要构建的应用程序，Pythagora 会询关于该应用程序的详细信息，以编写完整的应用规范。Pythagora 会把应用的构建拆解为多个任务，每完成一项任务，它会要求用户测试，并根据测试后的反馈来迭代，直到所有任务完成。
点评： 不到一个季度的时间，Pythagora 就从 140 个客户中获得了 47,000 美元/月的经常性收入——即564,000美元的 ARR！
Nuanced Inc.
项目地址： www.nuanced.dev/Nuanced 声称已研发出当今最准确的 AI 生成图像检测技术，能够有效识别出 AI 生成的图像，甄别 AI 欺诈、深度伪造和虚假信息。
点评： 我们即将进入一个是与非、现实与虚拟逐渐模糊的世界。AI 带来的欺诈、伪造等事件已经给一些人带来了实质的伤害，我们非常鼓励那些致力于解决网络安全需求的研究和技术。
Vectorview
项目地址： www.vectorview.ai/
大模型对于我们就像个黑盒，很难防止其产生不良行为，大多数评估基准（如 MMLU 或 BBQ）都太过宽泛，不能覆盖实际应用中可能出现的具体问题。
Vectorview 为基础大模型和 Agent 提供定制化的能力评估，旨在将 AI 应用与其有可能遇到的特定现实场景进行基准测试，以确保 AI 表现如预期，减少通用基准经常会忽视的意外行为风险。
点评： 相比学术研究，或许将 AI 测试工具放在更接近用户的地方，会有一些重大的发现。
Paradigm
项目地址： www.tryparadigm.ai/
Paradigm 是一款与工作流程集成的 AI Agent，能够帮助用户处理工作中的重复任务，并根据用户的反馈进行迭代，就像你的专属实习生一样。
Paradigm 首先从与潜在客户沟通、发邮件、数据收集这些重复性最高的基本工作入手，与数百个第三方数据源集成，以发现潜在客户，提供数据洞见，并基于新品发布等事件触发邮件等行为。
点评： 未来我们是否会被 AI 取代尚不可知，可以确定的是 AI 能帮助我们把重复性的工作做得更好、更快。这正是 Paradigm 从市场营销和销售的场景切入，打造的 AI 自动化工具。
Just words
项目地址： justwords.ai/
Just words 为大型企业提供大模型服务，以便管理和优化电子邮件、推送通知、网站和应用程序上的文本内容。Just Words 创始人 Neha Mittal 曾在 Twitter 和 Pinterest 工作，她发现用户界面中的文案对于用户的活跃率有很大影响。她在 Twitter 和 Pinterest 上通过构建类似的软件，使用户增长提高了 20%。
点评： 文案的优化是一项既需要一定想象力，又需要咬文嚼字的工作，AI 确实比人类更擅长。
Abel
项目地址： www.tryabel.com/
Abel 利用 AI 技术帮助律师更快地处理法律文件，重塑律师事务所文档审查工作流程。律师可以利用 Abel，基于分散于数千份文件中的上下文来回答复杂问题。创始人之一 Sean Safahi 表示，这消除了律师必须在“广度与深度”之间做出选择的需求。
点评： 任何能帮助律师做出更明智的论述和决策的技术，都是好事。加快法律流程并使其更准确，似乎是一个可靠的策略。值得注意的是，将 AI 和自动化引入法律流程确实增加了一层隐私风险，Abel 的用户需要谨慎对待。
Intercept
项目地址： tryintercept.com/Intercept 让 CPG 品牌能够对零售连锁店的错误收费提出质疑。它可以从零售商门户网站和电子邮件中获取品牌的所有费用，标记出有异议的费用，并自动处理与费用争议有关的琐碎工作。以前需要一个团队才能完成的工作，现在只需一个人就能搞定。
点评： 许多消费品品牌，特别是新兴品牌，利润空间微薄，常被各类货架占用费、包装数量差错费和破损商品运输费等名目繁多的费用挤压。Intercept 指出，及时发现并标记无效费用，有望使消费品品牌平均收回约 15% 的收入。
CommodityAI
项目地址： www.commodityai.io/
CommodityAI 致力于运用AI技术进行大宗商品交易的货运管理。美国最大的糖类交易商正在使用CommodityAI，追踪成千上万的货运并处理逾百万份的运输单据。创始团队由一位拥有 8 年经验的资深商品交易专家，以及两位分别来自 Samsara 和 Autodesk、拥有 13 年经验的技术工程师组成。
点评： 大宗商品交易涉及跨境沟通，须严格遵守进口法规并处理大量文书工作。CommodityAI 将大宗商品交易中的发票与文书工作转为线上，并在其之上增设协作层。相较于各方拨打国际长途电话，只为核对纸质文件上的数字，这无疑是一项重大改进。
Precip
项目地址： precip.ai/
Precip 是一个由 AI 驱动的天气预报平台。Jesse Vollmar 在创立销售农作物管理软件的初创公司 FarmLogs 后萌生了这个想法。他与 Sam Pierce Lolla 和之前 FarmLogs 的首席数据科学家 Michael Asher 合作，让 Precip 成为了现实。Precip 提供降水分析，比如，估计过去几小时到几天内某一地理区域的降雨量。Vollmar 声称 Precip 能为美国任何地点提供“高精度”的数据，精确到公里（或两公里），并能预测未来七天的天气状况。
降水数据和预警的价值是什么呢？Vollmar 表示，农民可以使用这些数据来追踪作物生长，建筑团队可以参考这些数据来安排工作人员，公共事业单位可以利用这些数据来预测户外服务情况。Vollmar 声称，有一位用户每天使用 Precip，来避免恶劣的驾驶条件。
点评： 如果 AI 能让天气预报更准确、更靠谱的话，那可就太好了！
教育科技
Shepherd
项目地址： www.shepherd.study
Shepherd 是学校为学生提供的学习助手，结合了人类教师的经验与 AI 的个性化，旨在为学生提供自学辅助、课程辅导、同学互助以及个性化学习的分析。
Shepherd 与教育机构合作，这意味着这家初创公司不仅被授权辅导学生，而且明确知道需要学习哪些材料。Shepherd 还声称可以帮助规划和管理学生的时间。
点评： 大学生应该最需要这样的服务，因为他们经常不清楚每个学科的难易程度，以及应该分配的学习时间，导致浪费了很多宝贵时间。
医疗健康
Andy AI
项目地址： with-andy.com/
家庭护士日常需要处理大量的文书工作，研究显示，护士将超过三分之一的时间用于文书记录，这无疑挤压了她们用于患者护理的时间，加剧了职业倦怠现象。Tiantian Zha 对此深有体会，她曾任职于 Verily，谷歌母公司 Alphabet 旗下的生命科学部门，在那里她参与了从个性化医疗到减少蚊媒疾病等一系列前沿项目。为了帮助护士们减轻文书负担，Zha 与前苹果资深工程师 Max Akhterov 共同创立了 Andy AI。Andy 是一款由人工智能驱动的速记工具，能够捕捉并转录患者就诊时的口头信息，进而生成电子健康记录。
点评： 同任何基于 AI 的转录工具一样，Andy 存在引入误差的风险，可能因护士和患者的口音及用词习惯而导致效果不佳。从市场竞争角度看，Andy 并非此类产品的先行者，其竞争对手包括 DeepScribe、Heidi Health、Nabla以及亚马逊的 AWS HealthScribe 等。当然，随着医疗服务日益向家庭端转移，类似 Andy AI 的应用需求也呈上升趋势。
Maia
项目地址： www.ourmaia.com/
Claire Wiley 在攻读沃顿商学院 MBA 期间发起了一个伴侣辅导项目，这一经历促使她探索如何通过科技增进伴侣间的关系，最终催生了“Maia”。
Maia 是由 Wiley 与前谷歌研究员 Ralph Ma 共同创立的，旨在通过 AI 的指导帮助伴侣建立更稳固的关系。在 Maia 的应用中，伴侣双方通过群聊形式发送消息，并回答每日 Maia 提出的问题，如他们认为双方关系中需要克服的挑战、过去的痛点以及感恩事件列表等。
点评： Wiley 和 Ma 均来自离异家庭，他们表示曾与一位恋爱关系专家合作，精心打造 Maia 的用户体验。但依然有 2 个挑战摆在 Maia 面前：
- Maia 所基于的恋爱关系科学原理有多可靠？
- 它如何在竞争异常激烈的伴侣应用市场中脱颖而出？
C端应用
Eggnog.ai
项目地址： eggnog.ai/
Eggnog 是人工智能生成视频的 Youtube。旨在形成最大的可混搭角色和场景库，供用户共同构建和观看 AI 生成的视频内容。Eggnog 推出后不久，平台上制作的视频就在 Twitter 上就获得了 10 万次观看。创始人 Sam 是哈佛大学应用数学学士，曾在 Facebook 和 Quora 担任数据科学家，负责新闻推送和创作者盈利。Jitesh 是麻省理工学院计算机科学学士和工程硕士，曾在麦肯锡担任顾问和 Flexport 担任产品经理。
点评： 创意不错，但视频生成的能力相比 Sora 差得还是有点远。
如有侵权，请联系删除。参考链接：
关注我们
OpenSPG:
Github：github.com/OpenSPG/ope…
OpenASCE:
GitHub：github.com/Open-All-Sc…
OpenAGL:
GitHub：github.com/TuGraph-fam…
“可信 AI 进展 “ 公众号致力于最新可信人工智能技术的传播和开源技术的培育，覆盖大规模图学习，因果推理，知识图谱，大模型等技术领域，欢迎扫码关注，解锁更多 AI 资讯～
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
