速度，才是 AI 創業的第一道護城河｜YC Lightcone 新一期

全文 3,000字 | 閱讀約 8 分鐘

（YC最新圓桌：AI創業唯一的護城河是速度）

2025年10月4日，Y Combinator 最新一期 Lightcone 播客發布。 Garry Tan、Harj Taggar、Diana Hu、Jared Friedman 四位 YC 核心人物圍繞一個核心話題展開對談：

在創業早期，唯一的護城河是速度。

這是對 Hamilton Helmer《Seven Powers》框架的重新解讀。這個框架提出了七種經典護城河：流程優勢、資源獨占、轉換成本、反向定位、品牌、網絡效應、規模經濟。但現在，順序變了：先有速度，后談防御。

為什么要強調這個順序？因為AI 圈有一個真實的焦慮正在蔓延：

• ChatGPT 套殼之后，AI 創業還有沒有護城河？

• 功能類似、價格接近、復制極快，會不會做半年就被大廠一鍵復制？

Jared Friedman 去大學校園做獎學金項目時，聽到最多的就是這個問題：這些 AI 公司看起來都一樣，護城河在哪里？

YC 的回答很明確：護城河是后來才有的，最開始你只有一樣東西能守住，就是速度。不是模型，不是數據，也不是融資額，而是你交付產品、收集反饋、快速改進的節奏。

AI 時代，護城河還在，但變了。

第一節｜速度，早期唯一的護城河

你有沒有發現，一些小團隊做的 AI 產品，看起來功能也不復雜，卻總是能在社交平臺刷屏，拉到早期用戶，甚至上線三個月就融資？

YC 給出的解釋只有兩個字：快。

不是模型大不大，不是資金多不多，而是你能不能在別人還沒動手前，就做出第一個好用的版本。

他們提到了一個標志性公司：Cursor。這家公司做的是 AI 編程輔助工具，對手是 OpenAI 的 Codex、Anthropic 的 Claude Code、甚至是 GitHub Copilot。

很多人認為，AI 編程這個賽道一定會被大廠碾壓。

但 Cursor 真的做起來了。Diana 透露：他們早期的開發節奏是：一天一個沖刺，每天都上線新功能。”

沒有需求文檔，沒有評審會，也不等產品經理。他們就靠幾個工程師、幾行代碼，一天一個版本地試。

Windsurf 的創始人 Varun 也說過類似的話：對創業公司來說，早期能護住你的，其實就只有執行速度。到了后面，才會慢慢建立其他護城河。

而大公司不一樣。Gary 說：

“你別看 OpenAI 或 Anthropic 看起來什么都能做，但他們一個功能要上線，需要產品、運營、合規、法務全部過一遍。”

大公司要開會、要評審、要合規；

小公司上午寫代碼，下午就上線。

這是一場不對等的比賽：誰先交付，就先擁有用戶，先收集反饋，先打磨出真實產品。

Gary 總結：

很多人還在琢磨怎么立個長期的護城河，結果還沒開始，別人已經做出第5版了。

所以，他們給 AI 創業者的建議很簡單：先做出來，再說。

你不是在跟 OpenAI 比模型， 你是在跟時間搶用戶，搶反饋，搶迭代節奏。

真正能擋住模仿的，不是復雜的代碼，而是別人跟不上你的節奏。

第二節｜執行力：從 Demo 到穩定運行

AI 創業的門檻看上去在降低：開源模型加個界面，周末就能做出一個 Demo。

但 Jared 說： “周末黑客馬拉松能做出來的東西，對任何人都沒用。”

真正能長期活下來的，靠的不是做出一個樣子，而是讓它天天能用。

Diana 舉了兩個例子：Greenlight（銀行 KYC 工具）和 Casa（貸款決策系統），兩家都是 YC 投資的公司，為銀行做 AI 助手。

這些產品表面上看，好像用開源模型加個界面就能做出一個 Demo。很多學生的想法是：“我一天就能做出 Greenlight 或 Casa 的版本，這怎么可能有競爭力？”

Gary 的回答是：

“你在黑客馬拉松做出來的版本，對銀行來說完全沒法用。如果 Casa 或 Greenlight 出了錯，銀行可能要損失上百萬美元。”

這就是關鍵：不是你能不能做出一個小樣子，而是你能不能在真實場景下穩定運轉。（YC 把這種能力稱為“流程優勢”，出自《Seven Powers》框架）

Diana 還提到了一個被很多人忽視的細節：越是“無聊”的流程，越需要長時間打磨。像 KYC 這樣的流程，要求 99% 以上的準確率。要把一個周末版的 Demo 變成銀行敢用的產品，可能需要 10 倍甚至 100 倍的努力。

“很多工程師只愿意做前80%，不愿意做最后20%。但真正的壁壘，就在最后那 20% 的可靠性里。”

Plaid 就是另一個例子：要支持成千上萬個不同的銀行接口、不同的網頁、不同的爬蟲，每新增一家銀行都要有適配流程。這個復雜度本身就是護城河。

任何人都能做演示版，但真正的門檻是能不能穩定運行。

做出功能容易，建立護城河難。護城河來自持續交付、持續迭代、持續打磨。

第三節｜客戶流程就是資源

過去我們理解的壟斷資源，往往是專利、模型、算力。

但 YC 想告訴你，在 AI 創業初期，更現實、也更重要的資源，是你和客戶一起打磨出的那套工作流程，以及由此產生的數據。

? 資源不是數據本身，而是怎么來的數據

Diana 在對話中強調：

“很多今天成功的 AI 初創公司，真正做的是把客戶現場的流程，一點點轉化成自己的提示詞、評估標準、數據集。”

比如 YC 投的 Happy Robot 和 Salient，分別為 DHL 和金融機構打造 AI 工具。這些客戶原本都在用 Excel 和紙質單據，更別說 AI Agent。

這類 AI 公司是怎么建立起護城河的？靠的不是一開始就去做大模型，而是：

1. 去客戶現場坐下；

2. 觀察他們怎么處理快遞、怎么核對貸款信息；

3. 把Excel表格、人工判斷變成自動提示和數據收集；

4. 再反過來用這些流程和數據，持續訓練自己的模型。

YC 把這種工程師叫做“前沿部署工程師”（Forward-Deployed Engineer）。他們不是坐在辦公室里閉門造工具，而是深入客戶一線，把真實流程變成資源。

Jared 用了一個非常形象的說法：

“這些團隊不是在寫代碼，而是在挖礦。你挖到的流程，就是你能用的數據資源。”

? 真實使用場景本身就是專屬資源

YC 還提到另一個例子：Character AI（AI角色對話平臺）。

這家公司沒有自己訓練 ChatGPT 那樣的大模型，但他們靠什么讓用戶粘性很強？Gary 的解釋是：

“他們通過不斷調整提示、數據流和交互邏輯，讓服務一個用戶的成本降低了 10 倍。這本身就是資源：一套只有你摸索出來的路徑。

還有一點容易被忽視：不是只有擁有模型才叫資源。哪怕你只是調用 API，也能通過用得更久、調得更細，沉淀出屬于你自己的數據和評估體系。（Eval）。

只要你靠真實客戶的數據在反復優化，你就已經建立起護城河。

所以 YC 想糾正一個誤區：

你不需要一開始就擁有最強的模型或最多的數據。你只要擁有最接近客戶現場的那一層工作流，把那些流程變成你的模型養料，那就是你的地盤。

第四節｜反向定位：從老公司弱點突圍

創業公司和大公司之間，真的有公平競爭嗎？YC 的回答是：不公平，但也正因為不公平，才有了你能突破的地方。

這就叫“反向定位”。

你要做一些大公司不敢做、不能做、或者做了就會傷到自己的事。

? 老公司被定價綁住了手腳

YC 首先舉了一個特別典型的場景：客服軟件。

比如Zendesk、Intercom 這類老牌 SaaS 公司，業務模式都是按“人頭數”收費。每多一個客服，就多收一筆錢。但現在 AI agent 來了，可以幫客戶省下那些客服人頭。如果你是老公司，你愿意自己動手削自己的收入嗎？

Gary 說： “他們越成功，就越難轉向。因為他們一旦用AI把客服人數降下來，收入就跟著掉。”

而新一代公司呢？

比如 YC 投的 Avoka、GigaML，直接用“完成了多少次任務”來收費，而不是按人頭。客戶只關心你幫我解決了多少次問題，至于背后是人還是 AI，不重要。

Diana 的話說到了點子上：你越是 AI 原生的團隊，就越能避開老公司的慣性和負擔。

你不是跟他們硬碰硬，而是從他們不愿意下手的地方，開一條新路。

? 兩個典型的反向定位案例

1、Harvey vs Lagora

這兩家公司都做法律AI。Harvey 是早期領先者，用的是模型微調；Lagora 則選擇完全不同的打法：不去卷模型，而是專注做好用戶界面和具體功能。

結果呢？Lagora 的產品更快交付，更快被律師使用。

Lagora 不是去超越 Harvey 的模型，而是做了一款更實用、更好用的工具。

2、Speak vs Duolingo

Duolingo 是全球最知名的語言學習軟件，但它更像是一個“打卡”游戲，而不是實際提高口語水平。Speak 反其道而行，主打用 AI 練口語、陪你對話，直接從用戶的真實需求切入。

Speak 也沒有和 Duolingo 去比游戲設計，而是把重點放在真正練出一口流利英語上。

結果呢？Speak 爆發式增長，在韓國市場一度碾壓 Duolingo。

? 老公司最怕：你轉得更快

• 老一代 SaaS 公司，已經有了收入方式、產品架構、組織結構；

• AI創業公司，只要把準方向、敢動手、貼著需求做，就能實現彎道超車。

Jared 還提出一個建議：如果你是創業者，最好去一個快上市的大公司里待一個月。

為什么？

因為你會親眼看到那些公司根本轉不過來，連提示詞都沒人改，更別說真正用 AI 替代工作流程。

所以，你不需要正面競爭。

找到老公司轉不過彎的地方，繞過去，從那兒切進來，做深。

第五節｜品牌、記憶、轉換成本

當產品成熟、客戶穩定之后，護城河的重點開始轉移：不再是你做得出來，而是別人離不開。

YC 把這種后期護城河歸為三類：品牌影響、使用記憶、轉換成本。

1. 品牌：成為默認選擇

Diana 說了一個讓她至今驚訝的現象：

“OpenAI 的 ChatGPT，每天用的人比 Google Gemini 多得多。”

從技術上說，兩家的模型差距并不大，甚至有人覺得 Gemini 的推理更強。但用戶選擇哪一個，不是因為參數高低，而是：ChatGPT 成了用戶默認的入口。它是 AI 的代名詞。

這就是品牌的力量。

你不再是某個功能或工具，而是被用戶先想到的那個名字。

ChatGPT 的起源故事很簡單：一個小團隊，幾個月里快速上線，沒有什么大計劃。不是先砸廣告、先做品牌，而是速度加上抓住需求，自然形成了品牌效應。

2. 記憶：越懂越離不開

Jared 提到：我已經習慣 ChatGPT 記得我說過什么、我關注哪些話題。Claude 模型可能更強，但我每次用都像重新認識我。

這不是技術指標，而是使用習慣。

在 AI 工具變得越來越個性化的今天，你用過的每一條消息、每一個請求，都在默默構建你的專屬體驗。

記憶，是 AI 產品里的新型轉換成本。你越了解用戶，用戶越舍不得走。

因為用戶不僅是在用功能，也是在建立一個專屬空間。

3. 轉換成本：切換太麻煩

B2B 產品的護城河在哪？就在換一次太折騰。

典型的例子是 Salesforce 和各種企業級 CRM、ATS 系統。一旦客戶把所有數據遷移進去、建立了工作流程、培訓了銷售團隊，換到新系統的成本就變得極高。不是技術上做不到，而是沒人愿意損失一整年的生產力。

AI 時代的轉換成本形態不同了。

Diana 解釋說： “新一代 AI 公司的護城河，來自深度定制的工作流程。你為每個客戶調整的提示詞、評估標準、數據流，這些都是客戶離不開你的原因。”

這不是靠綁定客戶，而是你幫客戶做得太多，他們不想重新來一遍了。

Gary 說得很現實：

“真正的護城河，不是你做得多厲害，是別人沒法、也沒心情重來一次。”

這三種力量疊加起來，就是 YC 所說的“長期防御力”

• 你跑得快，成了大家第一個用的；

• 你調得準，留下客戶數據和行為軌跡；

• 你做得深，客戶越來越難離開。

YC 認為，真正的護城河來自日常運營的積累。不是寫在 BP 里的概念，而是每天交付、改產品、處理反饋時建立起來的。

Demo 是一天的事，護城河是三年的功夫。

結語｜護城河，不是設計出來的

很多人創業第一步就想問：三年后護城河夠不夠深？模型、數據、評估標準，我們該從哪個方向封鎖對手？要不要一開始就構建 AI 網絡效應？

YC 的回答很清晰：如果你還沒找到一塊值錢的地，就別急著挖壕溝。

Gary 說： “最愚蠢的事，就是拿護城河當理由，不去做從 0 到 1 那一步。你真正要找的，是一個人痛到不想再上班的問題。如果你能解決，那才有資格考慮防御。”

這場對話從速度講到流程，從資源講到定位，從品牌講到轉換成本，最后收束成一句話：

跑起來，才知道能守住什么。

你不是在和模型比聰明，也不是在和大廠拼參數。你在搶的是誰先上線收反饋，誰先跑通客戶流程，誰能一邊交付一邊迭代。

護城河不是設計出來的，是你每次交付、處理反饋時沉淀下來的。

先動起來。

本文由 AI 深度研究院出品，內容翻譯整理自 Y Combinator Lightcone 播客（2025年10月4日）。未經授權，不得轉載。

星標公眾號， 點這里 1. 點擊右上角 2. 點擊"設為星標" ← AI深度研究員 ? ← 設為星標

https://www.youtube.com/watch?v=bxBzsSsqQAM&t=6s

https://podcasts.apple.com/sg/podcast/the-7-most-powerful-moats-for-ai-startups/id1743860177?i=1000729949476&utm_source=chatgpt.com

https://www.podcosmos.com/ycombinator/lightcone-podcast/the-7-most-powerful-moats-for-ai-startups?utm_source=chatgpt.com

來源：官方媒體/網絡新聞，

排版：Atlas

編輯：深思

主編：圖靈