替代DDE工作，Agent落地的新趨勢
這次2025夏季演示日里，AI代理（AI Agent）是最火的主題。
在YC S2名單中，超過一半的項目都在描述中提到了AI代理、自主、自動化或autopilot等關鍵詞。
AI的應用正從輔助工具（Copilot，核心決策者是人），向能夠自主感知、決策和執行復雜任務的AI Agent轉移。
這不是單純的技術變化，更是商業模式的變化。B2B企業愿意為“能直接幫我省錢或賺錢”的AI代理付費，而且付費意愿比ToC高得多。
比如，Solva用AI自動化保險理賠，上線10周就做到年化收入（ARR）24.5萬美元；
再比如被稱作“AI版Stripe”的Autumn，專門幫AI公司處理復雜的計費問題，現在已經被數百個AI應用和40家YC初創使用。
為什么會有Autumn這種公司？因為AI初創的定價通常很復雜，不只是收一筆訂閱費，還會疊加使用量計費、額度收費、各種附加功能費用等等。如果用Stripe來管理這些，原本需要大量人工操作，既耗時又容易出錯。
Autumn就切中了這個痛點。它做了一套開源工具，讓AI初創公司能輕松把復雜的定價規則接入Stripe，自動完成計費和結算，大幅減少人工操作。
這背后有一個共同點：AI代理都在盯住那些“人不愿意做、做不好、還特別貴”的工作。
行業里有個說法叫DDE，即Dull（枯燥）、Difficult（困難）、Expensive（昂貴）。這些場景正好是AI最擅長切入的地方，也成了它們規模化落地的最佳入口。
商業模式簡化成：要么替客戶省錢，要么替客戶賺錢。前者按節省的成本或追回的金額分成，后者通過AI直接促成交易，按成交額抽傭。
例如，Frizzle通過AI批改作業，將教師從重復性勞動中解放出來；F4和ContextFort則專注于工程圖紙的合規檢查，能發現人工難以識別的錯誤，避免了因設計失誤導致的經濟損失和項目延期風險；Risely AI致力于高校行政工作自動化，這類工作流程繁瑣且容錯率低。
在“賺錢”維度上，AI代理開始更多地參與到價值創造中，通過提升交易效率或促成交易來按效果付費。
Shor做的是一個AI工資發放助手。它最大的賣點是，發工資只要3分鐘，而且費用能省80%。
過去，如果一家公司要在全球雇人，需要在不同國家設立分公司，走復雜的銀行流程，手續多、時間長、成本高。Shor的做法是把這些繁瑣的步驟交給AI：
你只需要在WhatsApp上發一條消息，比如“雇傭張三”；接下來，AI就會自動生成合法的勞動合同；工資能在幾秒鐘內打到員工賬戶，不需要在當地設立實體公司。
簡單說，Shor就像是一個AI財務+HR的組合拳，幫公司在全球范圍內快速、低成本地雇人和發工資。它的創始團隊來自特斯拉和富國銀行，目前產品已經進入測試階段。
無論是省錢還是賺錢，都能看出YC S25案例抓住了DDE工作的特征，并用量化可見的價值——降低成本/提升收入，說服客戶付費。
極度垂直化，AI深入傳統行業肌理
這次YC夏季演示日有個很明顯的趨勢：幾乎沒有人再做“通用大平臺”，大家都在拼命往垂直里鉆。
AI不再只是一個酷炫的工具，而是開始化身為各行各業的新型“勞動力”和“專家系統”。
通用模型已經成了紅海，創業公司選擇直接切入行業痛點，哪怕是超級細分的場景。比如，AI催收、工程藍圖的碰撞檢查，這些在過去聽起來很小眾的事，現在反而成了切入萬億級行業的新突破口。
在醫療里，有公司做自動生成救護車報告，也有公司專門搞診所轉診，還有AI藥房技術員。
最有意思的是Perspectives Health，它能監聽醫生和病人的對話，實時生成病歷和表單，幫醫生直接省掉一半的文書時間。試點階段就保持每周25%的增長，已經接入9家診所，還計劃到9月覆蓋180名醫生。
在房地產行業，也有公司盯上了經紀人的痛點。
Clodo就是個典型，它做的是“語言交互免手動”的CRM，能自動記錄線索、跟進客戶，還能幫你搜房源。現在已經有60個美國房產經紀人用上了，直接用來省時間、簽更多單。
同領域的Spotlight Realty則盯著租賃傭金，Closera想做商業地產的AI員工。
此外，AI在金融和法律領域同樣跑得飛快。比如，Magnetic是會計事務所的AI報稅員，Kalinda給律所做集體訴訟研究，還有專門跑貸款業務的AI電話代理Qualify.bot。
甚至PE圈里甚至出現了Palace這種“投后鬧鐘”，能自動抓取和匯總被投公司的報告，把原來20小時的工作縮成一鍵導出，還能實時做風險預警。目前，其已服務管理幾十億美元資產的基金。
在更硬核的制造業，AI的身影也開始出現。Flywheel被叫做“挖掘機版Waymo”，它給挖掘機裝上智能盒子，讓工人能遠程操控。
更關鍵的是，設備在干活的同時還能采集數據，AI模型能不斷學習挖溝、平地等技能，最后做到一個人能管多臺機器、甚至多個工地。
可以看到，AI創業的成功關鍵不再僅僅是技術先進性，更在于對傳統行業運行邏輯的深刻理解與重塑能力。
為AI世界提供“水電煤”
一大批公司專注于為其他AI應用開發者或企業提供底層工具、平臺和基礎設施，這表明AI生態系統正在趨于成熟。
當無數AI智能體涌入各行各業時，基礎設施化趨勢浮現。一大批公司正專注于為其他AI應用開發者提供底層工具，AI生態系統正走向規模化成熟，有人開始為AI原生世界鋪設“水電煤”。
這一趨勢覆蓋了軟件開發、部署、評估和優化的全生命周期。
在開發與部署層面，Lilac致力于發現并再利用企業閑置的GPU算力，Metis提供構建可靠代理的基礎設施，而Kernel則提供極速的“瀏覽器即服務”。
在至關重要的評估與監控領域，AgentHub提供AI代理的仿真與評估平臺，而Truthsystems則專注于實時治理，自動阻止高風險行為。
在數據與模型基礎層，Louiza Labs合成醫學數據集以模擬人體生物學，Relling則致力于打造“世界模型版的ImageNet”。
在讓AI高效運行的核心挑戰上，基礎設施類項目展現出極高的技術壁壘。以Luminal與Herdora為代表的企業，正致力于解決AI模型在不同硬件上的適配與性能優化這一關鍵痛點。
Luminal的核心是幫AI模型更好地跑在不同的硬件上。它開發了一套開源的編譯器和框架，能自動生成GPU代碼，并通過“反復試跑—選最優”的方式來優化性能。
結果就是，AI模型的運行速度可以提升10倍。目前它已經服務過像耶魯大學這樣的機構。團隊背景也很硬核，創始人來自英特爾、亞馬遜和蘋果，分別做過芯片優化、系統架構和商業創業。
Herdora則專注于分析NVIDIA GPU的性能瓶頸。它的工具叫Keys&Caches，只需一行代碼就能生成清晰的性能軌跡，幫開發者快速定位問題。
比如，它曾幫客戶在部署Llama模型時，把延遲降低了67%。現在Herdora提供10小時的免費使用額度。團隊同樣背景強大：兩位創始人一個來自全球量化巨頭，一個出身谷歌，既懂計算機科學，也懂經濟學。
這些基礎設施項目的涌現，意味著當AI生態走向規模化，產業也會催生很多新的需求。
結語
在整個行業都在談“AI疲勞”的背景下，YC 2025夏季班釋放了一個重要信號：投資人開始把篩選標準拉回到商業本質。他們不再只看技術的新穎性，而是更關注用戶留存、單位經濟效益（UE）、數據和算力成本，以及潛在的監管風險。
這也解釋了為什么本次入選的項目，普遍走向了“AI應用垂直化”。大家不再熱衷做大而泛的通用平臺，而是盯緊具體行業里的真實痛點。尤其是那些傳統、高價值、但還沒有被軟件徹底改造的行業，比如制造業、保險、市政管理、國防等。
可以說，AI正在進入一個新階段，開始更深入地嵌入到業務流程里，成為驅動效率提升和自動化落地的核心引擎。
本文鏈接：從169家初創公司，我看到了AI創業這兩個趨勢http://www.sq15.cn/show-3-155716-0.html
聲明：本網站為非營利性網站，本網頁內容由互聯網博主自發貢獻，不代表本站觀點，本站不承擔任何法律責任。天上不會到餡餅，請大家謹防詐騙！若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。
上一篇： 羅永浩都在卷的視頻播客，是新風口嗎？
下一篇： “老登”應用，霸榜AI