分析400+人工智能公司，得出这样的结论

如果你在思考“我应该用人工智能构建什么，才能有更高的成功率？” 这篇文章将帮助你找到答案。

YCombinator (YC) （简称YC）成立于2005年3月，是一家以投资种子阶段初创公司为业务的创投公司。顶级创业孵化器YC的孵化项目，如今已经制造了超过6000亿美元市值，例：云存储服务公司Dropbox和共享房屋短租平台Airbnb。

鉴于人工智能的变革潜力、YC 的业绩记录以及对了解哪些类型的人工智能公司正在吸引投资的好奇心，带着寻找以下问题的答案：哪些行业正在见证最多的人工智能创新？哪些类型的人工智能应用正在吸引投资？成功的人工智能创始人有着怎样的背景？

为了回答这些问题，对 YC 2023 年和 2024 年队列中的 417 家人工智能公司进行了广泛的分析。

本研究旨在提供以下见解：

• 人工智能初创企业最热门的行业和领域
• 人工智能颠覆的成熟领域
• 区块链和量子计算等新兴技术中的人工智能
• 从事人工智能安全、可访问性、可解释性的公司
• 人工智能企业创始人的共同特征
• 如何利用上述见解找到你应该用人工智能构建的东西

数据来源

从 YC 的创业公司目录中收集了数据，并针对 2023 年和 2024 年夏季和冬季批次进行了筛选。

来源：YCombinator 目录

清理数据，提取他们拥有的标签，并从公司描述中重新检查以捕捉他们的主要类别。417 家专注于 AI 的初创公司分析概述，数据中包含 417 家公司及其描述、网址、标签/类别、活跃创始人以及创始人简历。

目前人工智能驱动创新的热点在哪里？

人工智能最常见的行业交集：

• 医疗保健/生物技术：45 家公司 (10.8%) 示例：Elythea（使用机器学习预防产妇死亡）
• 金融科技：38 家公司 (9.1%) 示例：Arcimus（人工智能驱动的保险费审计）
• 开发者工具：37 家公司 (8.9%) 示例：Sudocode（用于开发者工具的人工智能）
• 销售/营销：34 家公司 (8.2%) 示例：MicaAI（简化销售流程）
• 教育：18 家公司 (4.3%) 示例： Studdy（学生的 AI 导师）

B2B与 B2C

B2B：约 338 家公司（81.1%）：
样本公司：

• GigaML：帮助企业在本地构建和部署大型语言模型 (LLM)。
• Constructable：建筑团队的 AI 副驾驶。
• AiSDR：利用 AI 简化 B2B 公司的销售流程。
• Corgea：使用 AI 修复易受攻击的代码，增强企业数据安全性。

B2C 公司（占投资组合的 18.9%）：
样本公司：

• Rex：由 AI 驱动的锻炼和营养教练。
• PocketPod：提供根据用户兴趣定制的 AI 生成的播客。
• Shortbread：提供“漫画版 Netflix”服务。
• Roame：利用 AI 进行旅行规划和预订的旅游平台。

要点：

• B2B 主导地位： 81.1% 的 YC 支持的 AI 初创公司专注于企业解决方案，这表明投资者对面向企业的 AI 应用更有信心。
• 尚未开发的 B2C 潜力：只有 18.9% 的初创公司以消费者为目标，面向消费者的创新 AI 产品可能存在重大机遇。
• 技术专长推动关注：具有强大技术背景的创始人的普遍性（74.8%）可能会影响 B2B 重点和正在解决的 AI 问题类型。

AI 基础设施 vs AI 应用程序

人工智能基础设施公司 - 62 家（14.9%）：

• Epsilla：提供速度快 10 倍的开源矢量数据库。
• GigaML：帮助企业在本地构建和部署大型语言模型 (LLM)。

人工智能应用公司 - 355 家（85.1%）：

• Corgea：使用人工智能快速修复易受攻击的代码，增强企业数据安全性。
• Elythea：应用机器学习来预防产妇死亡。

关键要点：

• 注重应用：85.1% 的公司致力于开发 AI 应用，而 14.9% 的公司致力于开发基础设施，这表明这些公司明显侧重于实用的、行业特定的 AI 解决方案。
• 潜在的基础设施缺口：专注于基础设施的初创企业数量相对较少，这可能表明基础 AI 工具和平台的出现更为有机会。
• 专业化趋势：AI 应用往往针对特定的行业问题，而基础设施公司则旨在为 AI 开发和部署提供更通用的工具。

人工智能驱动的自动化与人工智能辅助的人类工作

自动化是应用层中 AI 在各行各业的最大用例。虽然有些自动化完全由 AI 驱动，但其他自动化只是由 AI 辅助，但主要由人类驱动。

人工智能驱动的自动化 - 129 家公司（30.9%）：

1.Ofone：自动处理快餐店免下车点餐服务，简化点餐流程，减少等待时间。

2 . Respaid：一个现代化的 B2B 收款平台，可自动处理未付发票的管理和跟踪流程。

3 . RetailReady：自动执行供应链合规性，专注于仓库运输解决方案，以改善物流运营。

人工智能辅助人类工作 - 288 家公司（69.1％）：

1.Constructable：为施工团队提供的 AI 副驾驶，有助于简化项目并减少因不良数据造成的损失。
2 . RadMateAI：为放射科医生提供 AI 副驾驶，以提高诊断准确性和效率。
3 . Agentive：为审计员提供 AI 副驾驶，通过先进技术提高他们的效率和效力。

虽然这些行业正在蓬勃发展，但其他行业却落后了……

尚未开发的领域——人工智能颠覆的成熟行业

快速采用：

• 医疗保健
• 金融
• 软件开发
• 销售/营销

滞后：

• 制造业（4 家公司，1%）
• 农业（3 家公司，0.7%）
• 能源（4 家公司，1%）
• 零售（5 家公司，1.2%）
  

制造业、农业、能源和零售业等行业仍然为人工智能应用的先行者提供了机会。

请注意，这仅代表遵循特定融资模式、重点、YC 员工和导师的领域专业知识的 YC 初创企业，这些可能与这些行业不一致。

随着人工智能渗透到各个行业，某些技术正在引领潮流……

塑造人工智能未来的技术趋势

最流行的人工智能技术：

1. 生成式人工智能：78 家公司（18.7%）
2. 机器学习：56 家公司（13.4%）
3. 自然语言处理（NLP）：47 家公司（11.3％）
4. 计算机视觉：18 家公司（4.3%）

请注意，这里可能会有很多重叠，因为提到人工智能的公司可能正在研究所有三种技术：Gen AI、机器学习、NLP。

开源与闭源：

• 开源：18 家公司（4.3%）
• 闭源：399 家公司（95.7%）

开源示例 ：FlowiseAI (开源 AI 解决方案)

请注意，这只是 YC 投资组合的代表。还有很多公司 来自开源项目。

边缘 AI 与基于云的 AI：

只有2 家公司（0.5%）明确提到边缘 AI，而绝大多数似乎都是基于云的解决方案。

AI模型效率和减少计算资源：

只有5 家公司（1.2%）明确提到关注 AI 模型效率或减少计算资源。

实时AI应用：

大约46家公司（11%）✅ * *提到或暗示正在研发实时 AI 应用。

示例：Retell AI（实时人工智能语音代理）

多模式人工智能：

大约有22 家公司（5.3%）似乎正在致力于多模式 AI 解决方案。

关键要点 ：

• 生成式 AI 革命：18.7% 的公司专注于生成式 AI，我们正在见证 AI 能力的范式转变。这一趋势表明，未来 AI 不仅能分析，还能创造，有可能改变从内容创作到药物发现等各个行业。
• 云端与边缘脱节：只有 0.5% 的公司专注于边缘 AI，当前的 AI 发展与对实时设备 AI 处理日益增长的需求之间存在明显差距。这种差距可能是行业的盲点，忽视了物联网、自主系统和隐私保护 AI 中的关键应用。

随着人工智能变得越来越强大，新的挑战和机遇也随之出现…

道德、高效、可访问的人工智能的潜力

在 417 家 YC 支持的 AI 初创公司中，令人惊讶的是，很少有公司正在解决数据隐私、AI 道德、可访问性和公平性等关键问题。本节探讨了致力于解决这些基础问题的少数但至关重要的公司子集，重点介绍了在创建更负责任、更透明、更包容的 AI 系统方面取得的进展和巨大的机会。

解决数据隐私和安全问题的初创公司：

大约** 18 家公司（4.3%）明确关注数据隐私和安全。

示例：Corgea - 使用 AI 轻松快速地修复易受攻击的代码，增强企业数据的安全性和隐私性。

鉴于法规日益严格，更多人工智能初创企业有机会专注于数据隐私和安全。

致力于解决人工智能道德和人工智能安全的初创公司

只有5 家公司（1.2%)明确提到关注人工智能伦理或安全。

示例：Atla（构建带有护栏的AI模型）

让非技术用户也能使用 AI 的初创公司

大约28 家公司（6.7%）致力于让非技术用户更容易使用 AI。

示例：Creo（无需编码即可使用 AI 构建内部工具）

致力于可解释人工智能或人工智能透明度的初创公司

只有3 家公司（0.7%）明确提到致力于可解释的 AI 或 AI 透明度。

例子：

1. Atla ：Atla 专注于构建带有护栏的文本生成 AI 模型。他们的使命是创建值得信赖且可用于各种应用（尤其是在法律环境中）的 AI 助手。
2. GuideLabs ：Guide Labs 开发可解释的基础模型，专注于 AI 和机器学习。
3. Sizeless ：Sizeless 是一家专注于使机器学习可重复且安全的公司。

用于可持续发展或气候技术的人工智能：

11 家公司（2.6%）注于可持续性或气候技术。

类似 AetherEnergy 的公司（用于优化屋顶太阳能装置的 AI 平台）

解决人工智能偏见和公平问题的初创公司：

只有 3 家公司（0.7%）明确提到解决人工智能偏见和公平问题。

小型企业的人工智能与企业解决方案：

• 小型企业：约 37 家公司（8.9%）
• 企业解决方案：约 295 家公司（70.7%）

小型企业重点示例：HostAI（基于人工智能的度假租赁操作系统）

关键要点：

• 道德鸿沟：只有 1.2% 的初创公司关注 AI 道德和安全，我们正面临 AI 快速发展与负责任发展之间的严重失衡。随着 AI 在决策过程中变得越来越普遍，这种严重的代表性不足可能会导致重大的社会和监管挑战。
• 透明度悖论：尽管对 AI 问责制的需求日益增长，但只有 0.7% 的初创公司正在解决可解释的 AI。这一差距有可能造成大规模的“黑匣子”问题，可能会削弱人们对 AI 系统的信任，并阻碍其在医疗保健和金融等关键领域的采用。
• 民主化困境：虽然 6.7% 的初创公司正在努力让非技术用户能够使用 AI，但这一数字表明错失了真正实现 AI 民主化的机会。AI 权力集中在技术精英手中可能会加剧现有的数字鸿沟，并限制 AI 推动各个领域包容性创新的潜力。

新兴技术中的人工智能：

在创新的前沿，少数几家初创公司正在率先将人工智能与革命性技术相结合：

• 量子计算：2 家公司（0.5%）
• 区块链：3 家公司（0.7%）

该领域的开拓者包括：

• ConductorQuantum ：利用量子计算来解决传统人工智能无法解决的复杂问题。
• Cedalio ：将区块链与人工智能相结合，以增强数据完整性和分散智能。

要点：

1.尚未开发的潜力：这些领域的初创企业数量稀少（合计 1.2%），这预示着人工智能应用领域还有广阔的未开发领域。
2 . 指数级影响：成功地将人工智能与量子计算或区块链结合起来，可能会带来密码学、药物研发和金融系统的突破。
3 . 高风险、高回报：虽然这些企业面临着重大的技术挑战，但它们代表着计算进步的先锋，有可能重塑整个人工智能格局。

创始人的典型背景和技能

这一分析将有助于描绘出典型的 YC 支持的 AI 初创公司创始人。
技术专长：

绝大多数（> 75%）的创始人都拥有计算机科学、软件工程、人工智能/机器学习和数据科学等强大的技术背景。

YC 似乎非常看重技术专长，尤其是在人工智能和相关领域。

教育背景：

约有20% 的公司的创始人拥有知名院校的学位，如他们的简介中所述：

• 斯坦福大学+ MIT（麻省理工学院）
• 哈佛大学
• 加州大学伯克利分校
• 其他一流大学

许多创始人都拥有知名院校的优秀教育背景，尤其是那些拥有强大计算机科学和工程项目的院校。

之前的工作经历：

25%创始人都有在领先科技公司工作的经验，例如：

• 谷歌
• Facebook (Meta)
• 亚马逊
• 微软
• 苹果
• LinkedIn

创业经历：

值得注意的是，有相当多的（约 15%）创始人拥有创业经验：

• 连续创业者
• 曾创办或共同创办过其他初创公司

示例：Olio Labs 等多家公司的创始人 Surbhi Sarna“之前创立了 nVision Medical，后来将其出售给了波士顿科学公司”。

YC 看重有过创业经验的创始人，特别是那些成功退出的创始人。

学术研究：

一些(约 8%) 创始人来自学术研究背景：

• 相关领域博士
• 博士后研究员
• 大学教授

示例：Atla 的 Roman Engeler“拥有人工智能博士学位，并参与了多个机器学习项目”。

YC 看重的是强大的研究背景，尤其是在人工智能和机器学习领域。

联合创始团队的多样化技能：

许多（45%）初创公司拥有技能互补的联合创始团队：

• 技术创始人
• 业务/运营创始人
• 人工智能专家
• 领域专家

例如：Arcimus 有“Hussein Syed：具有人工智能和软件开发经验”和“Omar Dadabhoy：具有金融和保险背景”。

YC 似乎青睐将技术专长与商业敏锐度或领域知识相结合的创始团队。

行业颠覆者：

许多(约 24%) 创始人拥有能够颠覆传统行业的背景：

• 他们正在颠覆的行业中大型企业的前员工
• 对行业痛点有独到见解的个人

例如：Tom Blomfield 参与了多家 YC 公司，是“Monzo 前首席执行官、GoCardless 联合创始人”。

YC 看重能够为成熟行业带来新视角和颠覆性想法的创始人。

如何找到你应该用人工智能构建的东西

Paul Graham 表示，伟大的工作由三个关键要素组成：天赋、浓厚兴趣和做伟大工作的范围。让我们应用这个框架来找到你理想的 AI 初创企业重点：

1.天赋：评估你的优势。如果你有技术背景，74.8% 的 YC AI 创始人都与你为伍。如果没有，可以考虑与技术联合创始人合作，以补充你的技能。你的天赋，无论是技术还是非技术，都将成为你创业公司成功的基础。
2 . 浓厚兴趣：确定哪个行业、部门或问题最吸引你。你的热情将激励你坚持不懈地应对挑战。关注医疗保健/生物技术（10.8%）、金融科技（9.1%）和开发者工具（8.9%）等高潜力行业，或探索制造业（1%）或农业（0.7%）等服务不足的领域。你对所解决问题的真正兴趣对于长期激励至关重要。
3. 成就伟大事业的空间：这就是市场分析发挥作用的地方。考虑是否要专注于占主导地位的 B2B 市场（81.1%）或饱和度较低的 B2C 市场（18.9%）。探索关键差距，如数据隐私（4.3%）、人工智能伦理（1.2%）或可解释的人工智能（0.7%）。对于那些被尖端技术吸引的人来说，量子计算（0.5%）和区块链（0.7%）提供了高风险、高回报的机会。关键是要确定人工智能可以产生重大影响的领域以及创新解决方案的空间。

结论

因此，如果您是一位有抱负的 AI 创始人或建设者，我建议您做到以下几点：

• 专注于 B2B：81.1% 的 YC 支持的 AI 初创公司都以企业为目标，因此请考虑企业解决方案以获得更高的融资和成功机会。
• 探索服务不足的行业：虽然医疗保健/生物技术（10.8%）、金融科技（9.1%）和开发者工具（8.9%）占主导地位，但请在被忽视的领域寻找机会，例如制造业（1%）或农业（0.7%）。+ 优先考虑技术专长：确保您的创始团队包含强大的技术人才，因为 74.8% 的 YC 支持的 AI 公司至少有一位具有强大技术背景的创始人。
• 利用生成式 AI：18.7% 的初创公司都在这个领域，生成式 AI 非常热门。但是，请考虑如何创新地应用它以脱颖而出。
• 解决道德问题：只有 1.2% 的初创公司专注于道德 AI。对于具有远见卓识的创始人来说，这一差距代表着一个重大机遇。