[AI 趨勢] AI 降低創業門檻後，什麼能力變得更值錢？

[AI 趨勢] AI 降低創業門檻後，什麼能力變得更值錢？

摘要：YC 觀察到獨自創業、硬科技與營收成長加速；當寫程式碼變便宜，產業經驗與選題能力更顯珍貴。

內容:

二十年前，Y Combinator（YC）聯合創始人 Paul Graham 曾把「一個人創業」列為可能害死新創公司的頭號錯誤。如今，YC 總裁 Gary Tan 卻在播客《Lightcone》中說：「YC 自己就是獨自創業者的 YC。」這並不代表找搭檔已經過時，而是 AI 正在改變創業初期需要多少人、哪些能力最難取得。

**第一個變化，是獨自創業者變多了。**YC 合夥人 Diana 表示，過去獲選公司的獨自創業者約占 5%，如今已超過 18% 至 19%，接近原來的四倍。過去創業往往需要一人擅長銷售與推廣，另一人具備頂尖技術能力；兩種本事很難集中在同一人身上，因此找一位技術共同創始人，常被視為必要條件。現在，AI 程式設計代理能承擔更多開發工作，創業者更有機會先把產品做出來。難題也因此轉向：要知道該解決什麼問題、該讓 AI 做什麼，以及什麼產品值得做。

不過，YC 仍認為共同創始人是加分項。Instacart 和 Coinbase 進入 YC 時都只有一位創始人，之後才找到搭檔。因此，更貼切的說法或許是「先一個人開工，跑通後再找人」。數據也須留意口徑：有人逐一統計某屆冬季班的 199 家公司，其中 22 家是獨自創業，約占 11%，低於 YC 提到的比例；但相較於過去約 5%，增加的方向一致。

**第二個變化，是資深創業者更能發揮優勢。**Gary Tan 說，他最近見到的一些出色創始人，年齡在三十多、四十多歲，甚至五十多歲。他舉 OpenCLAW 作者 Peter Steinberger 為例：對方四十歲，先前有十年經營公司的經驗。合夥人 Jared 指出，管理 AI 程式設計代理，在某些方面與管理人員相似：都要拆解任務、訂立標準、驗收成果，並預判容易出錯之處。這些能力往往來自長年的實務經驗。當「不會寫程式碼」或「找不到技術搭檔」不再像以前那樣難以克服，熟悉一個行業的人，也更有機會親手驗證自己的想法。

**第三個變化，是更多新創走向硬科技。**Diana 表示，YC 批次中硬科技公司的占比，從約 8% 升至 20%。機器人、工廠、國防、晶片與電力等領域，都出現顯著增長。YC 將這股趨勢稱為「從位元走向原子」：不只開發螢幕裡的軟體，也開始處理真實世界中摸得到的設備與設施。

AI 讓軟體更容易開發，為什麼反而有利於硬體？原因之一是，許多硬科技公司的瓶頸不只在硬體本身。無人機或機器人背後，都需要控制系統、韌體及後台軟體；過去要組建足夠強的軟體團隊，往往得與大型科技公司爭奪人才。如今，少數熟練工程師配合 AI，可能就能完成更多開發工作，讓團隊有餘力處理製造與現場部署等難題。

YC 提到的 Knox Metals，便在底特律閒置多年的老工廠中重新從事金屬加工。Paul Graham 曾形容，這家金屬加工公司的成長速度像軟體公司；其需求來自一批急需供貨、傳統供應商卻難以跟上的國防科技新創。節目還提到，某屆夏季班的創始人約每六人就有一位博士，顯示不少人選擇挑戰技術門檻更高的題目。

**第四個變化，是新創更快取得收入，產品也從「工具」走向「完成工作」。**YC 投資的公司剛加入時，通常尚無收入；三個月後參加 Demo Day，過去月收入中位數約為 8,000 美元，如今約為 20,000 美元，是原來的兩倍半。節目也提到，部分公司能在這三個月內，從零成長至百萬美元級別營收；過去達到類似規模，可能需要十八個月以上。

YC 同時觀察到，提供「端到端完成一份工作」服務的公司，占比從約 10% 升至超過 25%。招聘產品 Juicebox 是一個例子：過去它主要幫客戶找到符合條件的人選，後續聯絡、安排面試仍由招聘人員處理；現在，其 AI 代理也能發訊息、約面試，接手更多流程。同一位客戶願意支付的費用可能因此增加兩到三倍，而招聘人員則能把時間用在判斷人選是否適合團隊等較難交給 AI 的工作。

這也是 YC 對「軟體已死」的回應：軟體並沒有消失，而是在改變角色。它可以像員工一樣直接把事辦完，也可以成為讓 AI 穩定工作的環境與流程，也就是所謂的 harness。客戶付費購買的，越來越不只是操作工具的權利，而是工作完成的結果。

**第五個變化，是模型所需的資料與練習環境，正在形成生意。**Jared 表示，過去兩年 YC 投資了十多家相關公司，每家年收入都超過一千萬美元，部分達到數億美元。它們主要向大模型公司提供兩類東西：資料，以及強化學習環境。

強化學習環境可以理解為 AI 的模擬考場。例如建立一套虛構的公司財務系統，放入帳本、發票和待辦事項，讓 AI 練習對帳、報稅，並依結果自動評分。要讓 AI 學會處理真實工作，除了讀取資料，還需要能反覆操作、檢驗對錯的場景；環境越貼近現實，就越有價值。機器人領域也有類似需求：有公司在各地工廠，以第一人稱視角拍攝工人的操作，再將資料提供給機器人實驗室。YC 認為，部分業者不願公開談論這門生意，正因為不想讓競爭對手注意到機會；YC 於 2016 年投資的 Scale AI，則是這個領域的早期代表。

這五個變化，可以用同一條線串起來：**當寫程式碼的成本下降，人才與資金會流向仍然昂貴、仍然困難的地方。**一個人更容易開始創業；多年產業經驗更容易轉化為產品；硬科技團隊能跨過部分軟體門檻；軟體能直接交付工作成果；而越強的模型，越需要真實資料與練習環境。

當然，這些數字主要來自 YC 自己挑選與投資的公司，不能直接代表所有新創。若 YC 主動增加硬科技投資，批次中的硬科技比例也自然會上升。即使如此，背後的問題仍值得思考：當技術實作變得更容易，你在一個行業裡累積的判斷——客戶真正頭痛什麼、哪些坑不能踩、什麼需求不值得做——或許比「會不會寫程式碼」更難被取代。