AI Native 從 25% 到 40%：YC 兩年告訴我們的幾件事
2021 年，YC 的 AI Native 公司佔比是 7%。到 S25，這個數字是 40%，四年成長將近六倍。
但這個比例本身不是最有意思的部分。有意思的是它發生的順序。
這篇文章追蹤 2024 年到 2025 年四個 YC batch 的數字：W24、S24、W25、S25。不試圖預測未來，而是想搞清楚這兩年裡，AI 在新創生態中真實發生了什麼。
這兩年發生了什麼
W24：Agent 元年（AI Native 25%，平均團隊 6.7 人）
2024 年初的 YC，站在一個有點尷尬的時間點。AutoGPT 一年前爆紅，但大多數「Agent」產品是噱頭多於實質。這個 batch 代表的是泡沫散去之後，真正能用的東西開始出現的節點。
AI Native 是 25%，Agentic AI 公司 20 家，AI Developer Tooling 11 家。LangChain 和 LlamaIndex 已成熟，RAG 成為商品化技術。真正的自動化開始替代具體的工作流程，而不只是輔助人類——AI SDR、AI 客服、AI 財務分析，定位從「協助人做事」變成「取代特定工序」。
另一個值得注意的信號：Multimodal 應用開始出現。GPT-4V 和 Gemini Vision 讓視覺理解成為可能，建築圖面分析、醫療影像、工廠品管有了第一批可用的產品。
S24：全棧 AI 公司崛起，Voice AI 爆發（AI Native 32%，平均團隊 5.5 人）
AI Native 從 25% 跳到 32%，是這兩年裡最大的單次跳升，背後有兩件事同時發生。
第一件事：GPT-4o 和 Claude 3 的多模態能力成熟，讓 AI Native 公司能做的事情複雜度大幅提升。S24 的 AI 公司不再只做軟體工具，開始做「AI 驅動的服務公司」——AI 法律事務所、AI 會計、AI 醫療收費管理（Revenue Cycle Management）。不只是賣工具，而是直接做以前需要人力完成的服務，用 AI 替代整個服務流程。
第二件事：ElevenLabs 成熟加上 Realtime API 出現，Voice AI 集中爆發。Voice AI 客服、Voice AI 醫療轉錄、Voice AI 銷售在這個 batch 大量入選，技術關鍵字雷達裡 voice 出現 5 次，和 agent 同頻。
平均團隊從 6.7 人降到 5.5 人，30% 的公司只有 1-2 人。這個數字在當時看起來只是邊際變化，但它是一條更大趨勢的起點。
W25：DeepSeek 之後的精實化（AI Native 35%，平均團隊 4.5 人）
2025 年 1 月，DeepSeek R1 發布，證明低成本模型可以達到 frontier 水準。YC batch 縮至 167 家，是這十個 batch 裡最小的之一，但 AI Native 比例繼續漲。
縮水不代表退步，更像是一次篩選：留下來的公司定位更清晰，垂直更深。「更便宜的模型夠用」這件事成真之後，競爭優勢回到了「你對這個行業理解多深」，而不是「你用了多貴的 API」。
這個 batch 另一個值得注意的地方：非美國市場加速。更多歐洲、拉美、亞洲團隊入選。AI 的地理邊界在消失，語言不再是壁壘。
S25：Agent-First 時代確立（AI Native 40%，平均團隊 3.6 人）
S25 的定性很清楚：Agentic AI 公司 32 家，是四個 batch 裡最多的；48% 的公司只有 1-2 人；主旋律是「AI Agent 不只是工具，而是數位員工」——Accounting Agent、HR Agent、Legal Agent 直接替代外包流程，而不只是輔助。
平均團隊 3.6 人這個數字放到 W24 的 6.7 人旁邊，意義才出來：一年半的時間，典型的 YC 公司大小縮小了將近一半，但能做的事情更複雜了。
AI 滲透行業有一個順序
把四個 batch 的行業分佈疊在一起看，AI 打進各個行業不是隨機的，而是有規律的。
第一波：文字多、重複性高的工作。法律文件、HR 流程、客服、財務分析、醫療帳務（Revenue Cycle Management）。這些工作有一個共同特徵：輸入是大量文字，輸出有一定格式，判斷規則相對明確。W23 開始出現，W24 大量成熟。
第二波：需要多模態感知的工作。醫療影像、工廠品管、建築圖面分析。這些工作需要視覺理解，S24 之後開始有規模。
目前比例仍低的行業：Real Estate & Construction（每個 batch 1-2%）、製造業的非機器人應用、政府科技。這些不是沒有機會，而是可能需要更深的行業整合能力和更長的銷售週期。
一個值得注意的數字：Healthcare 在 W24 是 12%，到 S25 是 8%。比例下降不代表機會減少，而是其他垂直的成長更快，Healthcare 被稀釋了。實際上 Healthcare AI 正在從「概念」走向「有付費客戶的產品」。
團隊規模縮小這件事的真正含義
| Batch | 平均團隊 | 2 人以下公司比例 |
|---|---|---|
| W24 | 6.7 人 | 29% |
| S24 | 5.5 人 | 30% |
| W25 | 4.5 人 | 39% |
| S25 | 3.6 人 | 48% |
這條趨勢說的不只是「創業更容易了」。它說的是，一個工程師的產能邊界在快速擴張。
S25 的 2 人公司可以支撐以前需要 20 人才能維護的系統，包含產品開發、Go-to-market、甚至自動化銷售。這個轉變對 AI Infra 和工具公司有一個具體的含義：你的潛在用戶數量在增加，但每個用戶的預算規模可能在縮小。一個 2 人公司不會買一個企業版的大合約，但他們會為真正節省時間的工具付費。
Infra Stack 的分層成熟
從 W24 到 S25，可以看到整個 AI Stack 的每一層都有公司在填補：
| 層次 | 2023 年 | 2024-2025 年 |
|---|---|---|
| 模型層 | GPT-4 API | Multi-model + 本地部署 |
| 向量/記憶層 | Pinecone、Chroma | Hybrid search + rerank |
| Orchestration | LangChain、RAG pipeline | Agent frameworks |
| Deployment | Modal、Fly | Serverless AI |
| Observability | LLM traces | AI-specific evals |
| 安全/合規 | Prompt injection | AI red-teaming、法遵監控 |
每一層都有 YC 公司在入選，代表整個 AI stack 仍處於基礎設施建設期。Developer Tooling 每個 batch 都有 5-12 家公司進來，不是因為太多人在做同樣的事，而是 stack 的每一層都還沒有明確的贏家。
下一個 batch 最可能出現什麼
基於這兩年的演化規律，有幾個方向在目前的 batch 裡比例仍低，但信號正在累積。
AI Workers 的管理工具
S25 的主旋律是「AI Agent 作為數位員工」。但當你有 10 個、100 個 AI Agent 同時在跑，你需要一個地方管理它們：任務分配、進度追蹤、異常偵測、費用監控。這是一個目前幾乎沒有人在做的問題，但它的出現幾乎是必然的。類比是：當 SaaS 公司大量出現之後，IT 資產管理和 SaaS 費用管理工具跟著出現。AI Worker 的管理工具，大概是同一條路。
AI 審計和合規
AI 替代的工序越來越重要之後，「AI 做的決定出了問題誰負責」這個問題就會浮出來。醫療核保、財務核准、法律文件審查，這些場景的 AI 輸出需要可解釋性，需要留下審計軌跡，需要符合地區法規。這不是一個新想法，但現在有了真實的業務規模，監管壓力也在增加。目前 YC 在這個方向的公司數量和市場規模的不對稱，很明顯。
還沒被打透的行業垂直
看四個 batch 的行業分佈，有幾個行業的佔比一直很低：Real Estate & Construction 每個 batch 大概 1-2%，Government 大概 0-2%，Education 也差不多。這三個行業有個共同特點——採購週期長、決策鏈複雜、資料不標準化。這讓它們對 AI 新創不友善，但也讓競爭更少。Healthcare 兩年前也是這個狀況，S25 已經有 8% 的公司在這個領域了。
Voice AI 的下一個應用場景
Voice AI 從 S24 開始爆發，W25 和 S25 的技術關鍵字雷達裡，voice 一直是出現次數最多的詞之一。目前的應用集中在客服和醫療轉錄，但 Voice AI 的滲透路徑應該和文字 AI 類似：先打重複性高的通話場景（客服、預約、催款），再往更複雜的場景走（銷售協商、心理諮商、語言學習）。後半段目前幾乎還沒人做。
非英語市場的 AI Native
語言壁壘降低之後，反而讓本地化深度變得更值錢。W25 開始有更多非美國團隊入選，但這個趨勢才剛開始。日本、東南亞、中東等市場的行業知識和銷售關係，是 AI 工具沒辦法複製的護城河。而且這些市場的 AI Native 滲透率大概比美國市場落後兩到三年，這個差距本身就是機會。
YC batch 是一種信號
YC 不預測未來，但它反映「現在哪裡有真實客戶願意付錢」。
AI Native 四年從 7% 漲到 40%，說的不是炒作在變大，而是付費客戶在哪裡的答案正在變得更清楚。每個 batch 裡最多的行業，是有最多人在那裡找到客戶、拿到錢，然後回來告訴大家這個方向是真的。
兩年看下來，一件事讓我印象比較深：AI 打進各個行業的速度，比大多數人預期的更快，但打法比大多數人預期的更boring——先找最多文字、最多重複的工作，把那些自動化掉，再往下一層走。沒有魔法，就是這樣。