速度，才是 AI 创业的第一道护城河｜YC Lightcone 新一期

全文 3,000字 | 阅读约 8 分钟

（YC最新圆桌：AI创业唯一的护城河是速度）

2025年10月4日，Y Combinator 最新一期 Lightcone 播客发布。 Garry Tan、Harj Taggar、Diana Hu、Jared Friedman 四位 YC 核心人物围绕一个核心话题展开对谈：

在创业早期，唯一的护城河是速度。

这是对 Hamilton Helmer《Seven Powers》框架的重新解读。这个框架提出了七种经典护城河：流程优势、资源独占、转换成本、反向定位、品牌、网络效应、规模经济。但现在，顺序变了：先有速度，后谈防御。

为什么要强调这个顺序？因为AI 圈有一个真实的焦虑正在蔓延：

• ChatGPT 套壳之后，AI 创业还有没有护城河？

• 功能类似、价格接近、复制极快，会不会做半年就被大厂一键复制？

Jared Friedman 去大学校园做奖学金项目时，听到最多的就是这个问题：这些 AI 公司看起来都一样，护城河在哪里？

YC 的回答很明确：护城河是后来才有的，最开始你只有一样东西能守住，就是速度。不是模型，不是数据，也不是融资额，而是你交付产品、收集反馈、快速改进的节奏。

AI 时代，护城河还在，但变了。

第一节｜速度，早期唯一的护城河

你有没有发现，一些小团队做的 AI 产品，看起来功能也不复杂，却总是能在社交平台刷屏，拉到早期用户，甚至上线三个月就融资？

YC 给出的解释只有两个字：快。

不是模型大不大，不是资金多不多，而是你能不能在别人还没动手前，就做出第一个好用的版本。

他们提到了一个标志性公司：Cursor。这家公司做的是 AI 编程辅助工具，对手是 OpenAI 的 Codex、Anthropic 的 Claude Code、甚至是 GitHub Copilot。

很多人认为，AI 编程这个赛道一定会被大厂碾压。

但 Cursor 真的做起来了。Diana 透露：他们早期的开发节奏是：一天一个冲刺，每天都上线新功能。”

没有需求文档，没有评审会，也不等产品经理。他们就靠几个工程师、几行代码，一天一个版本地试。

Windsurf 的创始人 Varun 也说过类似的话：对创业公司来说，早期能护住你的，其实就只有执行速度。到了后面，才会慢慢建立其他护城河。

而大公司不一样。Gary 说：

“你别看 OpenAI 或 Anthropic 看起来什么都能做，但他们一个功能要上线，需要产品、运营、合规、法务全部过一遍。”

大公司要开会、要评审、要合规；

小公司上午写代码，下午就上线。

这是一场不对等的比赛：谁先交付，就先拥有用户，先收集反馈，先打磨出真实产品。

Gary 总结：

很多人还在琢磨怎么立个长期的护城河，结果还没开始，别人已经做出第5版了。

所以，他们给 AI 创业者的建议很简单：先做出来，再说。

你不是在跟 OpenAI 比模型， 你是在跟时间抢用户，抢反馈，抢迭代节奏。

真正能挡住模仿的，不是复杂的代码，而是别人跟不上你的节奏。

第二节｜执行力：从 Demo 到稳定运行

AI 创业的门槛看上去在降低：开源模型加个界面，周末就能做出一个 Demo。

但 Jared 说： “周末黑客马拉松能做出来的东西，对任何人都没用。”

真正能长期活下来的，靠的不是做出一个样子，而是让它天天能用。

Diana 举了两个例子：Greenlight（银行 KYC 工具）和 Casa（贷款决策系统），两家都是 YC 投资的公司，为银行做 AI 助手。

这些产品表面上看，好像用开源模型加个界面就能做出一个 Demo。很多学生的想法是：“我一天就能做出 Greenlight 或 Casa 的版本，这怎么可能有竞争力？”

Gary 的回答是：

“你在黑客马拉松做出来的版本，对银行来说完全没法用。如果 Casa 或 Greenlight 出了错，银行可能要损失上百万美元。”

这就是关键：不是你能不能做出一个小样子，而是你能不能在真实场景下稳定运转。（YC 把这种能力称为“流程优势”，出自《Seven Powers》框架）

Diana 还提到了一个被很多人忽视的细节：越是“无聊”的流程，越需要长时间打磨。像 KYC 这样的流程，要求 99% 以上的准确率。要把一个周末版的 Demo 变成银行敢用的产品，可能需要 10 倍甚至 100 倍的努力。

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

Plaid 就是另一个例子：要支持成千上万个不同的银行接口、不同的网页、不同的爬虫，每新增一家银行都要有适配流程。这个复杂度本身就是护城河。

任何人都能做演示版，但真正的门槛是能不能稳定运行。

做出功能容易，建立护城河难。护城河来自持续交付、持续迭代、持续打磨。

第三节｜客户流程就是资源

过去我们理解的垄断资源，往往是专利、模型、算力。

但 YC 想告诉你，在 AI 创业初期，更现实、也更重要的资源，是你和客户一起打磨出的那套工作流程，以及由此产生的数据。

✅ 资源不是数据本身，而是怎么来的数据

Diana 在对话中强调：

“很多今天成功的 AI 初创公司，真正做的是把客户现场的流程，一点点转化成自己的提示词、评估标准、数据集。”

比如 YC 投的 Happy Robot 和 Salient，分别为 DHL 和金融机构打造 AI 工具。这些客户原本都在用 Excel 和纸质单据，更别说 AI Agent。

这类 AI 公司是怎么建立起护城河的？靠的不是一开始就去做大模型，而是：

1. 去客户现场坐下；

2. 观察他们怎么处理快递、怎么核对贷款信息；

3. 把Excel表格、人工判断变成自动提示和数据收集；

4. 再反过来用这些流程和数据，持续训练自己的模型。

YC 把这种工程师叫做“前沿部署工程师”（Forward-Deployed Engineer）。他们不是坐在办公室里闭门造工具，而是深入客户一线，把真实流程变成资源。

Jared 用了一个非常形象的说法：

“这些团队不是在写代码，而是在挖矿。你挖到的流程，就是你能用的数据资源。”

✅ 真实使用场景本身就是专属资源

YC 还提到另一个例子：Character AI（AI角色对话平台）。

这家公司没有自己训练 ChatGPT 那样的大模型，但他们靠什么让用户粘性很强？Gary 的解释是：

“他们通过不断调整提示、数据流和交互逻辑，让服务一个用户的成本降低了 10 倍。这本身就是资源：一套只有你摸索出来的路径。

还有一点容易被忽视：不是只有拥有模型才叫资源。哪怕你只是调用 API，也能通过用得更久、调得更细，沉淀出属于你自己的数据和评估体系。（Eval）。

只要你靠真实客户的数据在反复优化，你就已经建立起护城河。

所以 YC 想纠正一个误区：

你不需要一开始就拥有最强的模型或最多的数据。你只要拥有最接近客户现场的那一层工作流，把那些流程变成你的模型养料，那就是你的地盘。

第四节｜反向定位：从老公司弱点突围

创业公司和大公司之间，真的有公平竞争吗？YC 的回答是：不公平，但也正因为不公平，才有了你能突破的地方。

这就叫“反向定位”。

你要做一些大公司不敢做、不能做、或者做了就会伤到自己的事。

✅ 老公司被定价绑住了手脚

YC 首先举了一个特别典型的场景：客服软件。

比如Zendesk、Intercom 这类老牌 SaaS 公司，业务模式都是按“人头数”收费。每多一个客服，就多收一笔钱。但现在 AI agent 来了，可以帮客户省下那些客服人头。如果你是老公司，你愿意自己动手削自己的收入吗？

Gary 说： “他们越成功，就越难转向。因为他们一旦用AI把客服人数降下来，收入就跟着掉。”

而新一代公司呢？

比如 YC 投的 Avoka、GigaML，直接用“完成了多少次任务”来收费，而不是按人头。客户只关心你帮我解决了多少次问题，至于背后是人还是 AI，不重要。

Diana 的话说到了点子上：你越是 AI 原生的团队，就越能避开老公司的惯性和负担。

你不是跟他们硬碰硬，而是从他们不愿意下手的地方，开一条新路。

✅ 两个典型的反向定位案例

1、Harvey vs Lagora

这两家公司都做法律AI。Harvey 是早期领先者，用的是模型微调；Lagora 则选择完全不同的打法：不去卷模型，而是专注做好用户界面和具体功能。

结果呢？Lagora 的产品更快交付，更快被律师使用。

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

2、Speak vs Duolingo

Duolingo 是全球最知名的语言学习软件，但它更像是一个“打卡”游戏，而不是实际提高口语水平。Speak 反其道而行，主打用 AI 练口语、陪你对话，直接从用户的真实需求切入。

Speak 也没有和 Duolingo 去比游戏设计，而是把重点放在真正练出一口流利英语上。

结果呢？Speak 爆发式增长，在韩国市场一度碾压 Duolingo。

✅ 老公司最怕：你转得更快

• 老一代 SaaS 公司，已经有了收入方式、产品架构、组织结构；

• AI创业公司，只要把准方向、敢动手、贴着需求做，就能实现弯道超车。

Jared 还提出一个建议：如果你是创业者，最好去一个快上市的大公司里待一个月。

为什么？

因为你会亲眼看到那些公司根本转不过来，连提示词都没人改，更别说真正用 AI 替代工作流程。

所以，你不需要正面竞争。

找到老公司转不过弯的地方，绕过去，从那儿切进来，做深。

第五节｜品牌、记忆、转换成本

当产品成熟、客户稳定之后，护城河的重点开始转移：不再是你做得出来，而是别人离不开。

YC 把这种后期护城河归为三类：品牌影响、使用记忆、转换成本。

1. 品牌：成为默认选择

Diana 说了一个让她至今惊讶的现象：

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

从技术上说，两家的模型差距并不大，甚至有人觉得 Gemini 的推理更强。但用户选择哪一个，不是因为参数高低，而是：ChatGPT 成了用户默认的入口。它是 AI 的代名词。

这就是品牌的力量。

你不再是某个功能或工具，而是被用户先想到的那个名字。

ChatGPT 的起源故事很简单：一个小团队，几个月里快速上线，没有什么大计划。不是先砸广告、先做品牌，而是速度加上抓住需求，自然形成了品牌效应。

2. 记忆：越懂越离不开

Jared 提到：我已经习惯 ChatGPT 记得我说过什么、我关注哪些话题。Claude 模型可能更强，但我每次用都像重新认识我。

这不是技术指标，而是使用习惯。

在 AI 工具变得越来越个性化的今天，你用过的每一条消息、每一个请求，都在默默构建你的专属体验。

记忆，是 AI 产品里的新型转换成本。你越了解用户，用户越舍不得走。

因为用户不仅是在用功能，也是在建立一个专属空间。

3. 转换成本：切换太麻烦

B2B 产品的护城河在哪？就在换一次太折腾。

典型的例子是 Salesforce 和各种企业级 CRM、ATS 系统。一旦客户把所有数据迁移进去、建立了工作流程、培训了销售团队，换到新系统的成本就变得极高。不是技术上做不到，而是没人愿意损失一整年的生产力。

AI 时代的转换成本形态不同了。

Diana 解释说： “新一代 AI 公司的护城河，来自深度定制的工作流程。你为每个客户调整的提示词、评估标准、数据流，这些都是客户离不开你的原因。”

这不是靠绑定客户，而是你帮客户做得太多，他们不想重新来一遍了。

Gary 说得很现实：

“真正的护城河，不是你做得多厉害，是别人没法、也没心情重来一次。”

这三种力量叠加起来，就是 YC 所说的“长期防御力”

• 你跑得快，成了大家第一个用的；

• 你调得准，留下客户数据和行为轨迹；

• 你做得深，客户越来越难离开。

YC 认为，真正的护城河来自日常运营的积累。不是写在 BP 里的概念，而是每天交付、改产品、处理反馈时建立起来的。

Demo 是一天的事，护城河是三年的功夫。

结语｜护城河，不是设计出来的

很多人创业第一步就想问：三年后护城河够不够深？模型、数据、评估标准，我们该从哪个方向封锁对手？要不要一开始就构建 AI 网络效应？

YC 的回答很清晰：如果你还没找到一块值钱的地，就别急着挖壕沟。

Gary 说： “最愚蠢的事，就是拿护城河当理由，不去做从 0 到 1 那一步。你真正要找的，是一个人痛到不想再上班的问题。如果你能解决，那才有资格考虑防御。”

这场对话从速度讲到流程，从资源讲到定位，从品牌讲到转换成本，最后收束成一句话：

跑起来，才知道能守住什么。

你不是在和模型比聪明，也不是在和大厂拼参数。你在抢的是谁先上线收反馈，谁先跑通客户流程，谁能一边交付一边迭代。

护城河不是设计出来的，是你每次交付、处理反馈时沉淀下来的。

先动起来。

本文由 AI 深度研究院出品，内容翻译整理自 Y Combinator Lightcone 播客（2025年10月4日）。未经授权，不得转载。

星标公众号， 点这里 1. 点击右上角 2. 点击"设为星标" ← AI深度研究员 ⋮ ← 设为星标

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

来源：官方媒体/网络新闻，

排版：Atlas

编辑：深思

主编：图灵