未来十年最大的公司，不是软件公司

作者：王林Lincoln | MindsLeap创始人 | Founders Space合伙人 | 企业家AI俱乐部创始人

"未来十年最大的公司，根本不会是软件公司。它们会是服务公司——像保险公司、律所那样，用 AI 从头重建，让 AI 完成大部分工作。"

这是 Y Combinator 在一段面向创始人的内部分享中抛出的判断。讲话者没有讲大模型的技术路线，也没有展示什么 demo，而是把目光投向了一个被软件行业长期忽视的领域：税务、审计、保险、房贷、医疗合规——这些每年流转数万亿美元、却仍然靠人力堆出来的服务行业。

过去两年，几乎所有 AI 创业公司都在做同一件事：给现有流程加一个副驾驶。但 YC 看到另一条路径正在成型——不卖工具，交付结果。不是让客户的员工用得更好，而是直接替客户把活干完。

这不是对 SaaS 模式的微调，而是完全不同的商业逻辑。

客户不关心活是怎么干完的

YC 总结的第一个筛选标准听起来反直觉：选一个"低信任"的市场。

所谓低信任，不是客户不信任你，而是客户本来就不在乎是谁干的、怎么干的。他们只关心最终交付的东西对不对。税务申报、保险理赔、FDA 审批材料——这些工作已经被外包了几十年，客户习惯了对着结果签字，而不是盯着过程。

这意味着你不需要说服客户改变行为。你只是走到预算已经存在的地方，说一句："这件事我可以做得更好、更便宜。"

"你不是在要求客户做一些根本不同的事情。你是在他们已经花钱的地方出现，然后把活干了。"

对于习惯做 SaaS 的创始人来说，这是一个认知翻转。SaaS 的销售周期之所以长，是因为你在让客户买一个新工具、培训员工、改变工作流。而 AI 服务公司不需要跨越这道鸿沟——客户本来就在外包，只是换一家供应商而已。

第二个标准同样微妙：任务层面的判断要低，但整体工作的智力门槛要高。

这句话乍看矛盾，拆开就明白了。如果一个流程的每一步都需要人类做出专业判断，那就没法规模化。你需要的是把流程拆解后，绝大多数步骤可以自动化，只有关键节点保留人类审核。

但与此同时，整件事必须足够难——难到单纯的大模型 API 调用做不了，难到"模型加人类"的组合才能真正交付客户接受的结果。

如果一件事太简单，它早就被自动化了。如果每一步都需要专家拍板，AI 加进去也省不了多少人。

真正值得切入的，是那种"整体复杂、局部可拆解"的工作。税务审计就是这样：单个文件的处理规则是明确的，但一份完整的审计报告需要协调成百上千个环节。这就是 AI 智能体能发挥作用、同时人类专家仍然不可替代的交叉地带。

YC 提到的第四个特质更值得注意：监管可能是一件好事。

受监管的行业有更高的合规要求和法律责任，这提高了进入门槛。对后来者来说，这意味着更宽的护城河。

演讲者举了一个在孵公司的例子。Panacea 专门为生物科技和医疗器械公司提供 FDA 监管服务。他们的做法不是用 AI 取代监管专家，而是雇佣有经验的 FDA 顾问，把他们和 AI 平台配对，交付更快、更高质量的审批材料。

"他们雇佣有经验的 FDA 顾问，把他们和 AI 平台配对，来交付更快、更高质量的 FDA 审批。"

这个细节很重要。AI 原生服务公司不是在消灭行业知识，而是在重新配置行业知识的使用方式。一个懂 FDA 流程的专家，过去一年能处理 10 个项目；配上 AI 智能体后，可能能处理 50 个。单位产出的变化，就是利润空间的来源。

YC 的分享中有一句话值得反复琢磨："把流程当作产品，把产品当作流程。"

在 SaaS 模式里，产品是一个独立存在的软件，客户买回去自己用。在 AI 服务公司里，产品就是你交付结果的那套流程本身。你不需要给客户一个登录界面、一个仪表盘、一套操作手册。你给客户的是："你把这个需求交给我，几天后我交给你结果。"

这也解释了为什么这类公司的收入模式是按结果收费，而不是按席位收费。客户买的不是工具的使用权，而是一个被完成的工作。

YC 明确警告了一种诱惑：买一家现成的服务公司，在上面叠加 AI， shortcut 收入增长。

"你无法通过收购获得产品市场契合。"

传统服务公司的文化、考核方式、用人标准和 AI 原生公司完全不同。收购意味着你继承了一整套旧的习惯和期望。在这些习惯之上加一层 AI，不会自动改变任何底层逻辑。

除非你急需某个监管资质——比如保险牌照——否则几乎从来都不应该走这条路。从零构建，几乎总是比收购更好。

这对于习惯了"并购整合"路线的传统企业家来说，是一个需要消化的判断。AI 不是一层可以随意叠加的技术涂层。它要求你从第一天就围绕"AI 能做什么、人该做什么"来设计组织和流程。老公司的那些惯性，恰恰是这种设计最大的阻力。

YC 给出的数字很具体：传统服务公司的利润率天花板大约在 30%。纯软件和智能体公司利润更高，但市场规模往往更小。AI 服务公司的赌注在于：用 AI 的运营杠杆，把利润率推到接近软件公司的水平——50% 以上——同时切入一个比软件市场大两到三倍的市场。

"AI 的运营杠杆能让你更接近软件的利润率，比如 50% 以上，同时面对一个比软件大两到三倍的市场。"

这个判断的关键不在于当下能不能做到，而在于增长轨迹是否可信。投资人会比你预期中更快地用营业利润来考核这类公司，而不是看 ARR 或用户增长。

这段分享最值得注意的，不是它列举了哪些行业适合做 AI 服务，而是它揭示了一个更深层的变化：AI 正在模糊"软件公司"和"服务公司"的边界。

过去二十年，中国企业家已经非常熟悉 SaaS 的叙事——订阅制、ARR、NDR、PLG。但 AI 原生服务公司讲的是另一套语言：交付结果、按 outcome 收费、营业利润率、流程即产品。

对于正在考虑如何用 AI 改造业务的传统企业来说，这可能比做一个内部 AI 工具更有想象力。你不需要先说服全公司改变工作习惯。你可以从一个小切口开始——一个已经外包的、规则清晰的、结果可验证的流程——然后从零搭建一套"AI 智能体加专家"的交付体系。

但前提是，你真的愿意从第一天就围绕 AI 来设计流程，而不是在旧的流程上贴一层 AI 的标签。

YC 说这件事"仍然很早期"。但早期从来不等于不重要。印刷术刚出现的时候，最早意识到它价值的，不是那些改进手写抄写效率的人，而是重新思考"一本书应该怎样被生产出来"的人。

本文由Lincoln根据 Y Combinator 官方频道 2026 年 6 月 3 日发布的视频《How to Build an AI-Native Services Company》进行解读。

MindsLeap 是 AI 转型加速器，帮助传统企业家在 AI 时代找到转型路径。与硅谷孵化器 Founders Space 合作，连接科技创业者与真实客户/场景，连接国内外资本、硅谷科技圈，助力中国产业 AI 转型和出海。