旧创始人的无主之地 (No Country for Old Founders)
作者： Euclid
免责声明： 本翻译仅供个人阅读和学习参考，不得用于任何商业用途或进行随意转载发布。
灯光变暗，第 612 场初创公司演示开始。
一位穿着大四号降落伞裤的创始人漫步走上舞台。她按下翻页笔，主屏幕上全大写字母显示：“医疗保健已死（HEALTHCARE IS DEAD）”。
“我 8 到 14 岁时是卫冕世界游戏王（Yu-Gi-Oh）卡牌冠军。现在，我要从大学辍学，为医疗保险中的福利协调（Coordination of Benefits）构建 AI 原生操作系统，这是一个价值 40 亿美元的问题。”
3 分钟后，该公司以 6000 万美元的投后估值筹集了 1500 万美元。
这幅画面有什么问题？我们认为，只有一个问题。
Y-Combinator（YC）的创始精神是围绕一种特定类型的创始人建立的。保罗·格雷厄姆（Paul Graham）在 2005 年启动了该项目，以支持“更年轻、更偏向技术的创始人”。在 2018 年 TechCrunch 的一次采访中，格雷厄姆将理想的 YC 创始人年龄定在 20 岁出头，而从 2015 年到 2022 年，平均创始人年龄稳定在 29 岁左右。格雷厄姆明确警告不要资助过于年轻的创始人，称之为“过早优化”：他认为他们应该在致力于构建现实世界背景之前积累它。“在大学里，”这种想法是这样认为的，“你应该弄清楚有哪些选择，而不是选择一个选项然后跑偏。”
近年来，YC 违背了自己传统的智慧。到 2024 年底，该群体成员的中位数年龄已降至 24 岁，低于 2022 年的 30 岁。截至去年夏天，对 18-22 岁年轻人的录取率同比上升了 110%。2025 年是 YC 历史上首次大多数创始人年龄在 25 岁或以下。虽然 YC 首席执行官 Garry Tan 将其定位为“将 YC 重新聚焦于其原始 DNA”，但这实际上是一种偏离——也许用他的第二个理由来解释最合适：AI 革命本身。
正如 Rebel Fund 的 Jared Heyman 所提出的：“由于生成式 AI 是一项如此新的技术，年轻创始人在理解和围绕它进行构建方面并不处于劣势。”我们可以更进一步想象，年轻的创始人可能较少受到软件成功传统观念的阻碍，不受束缚地以全新的方式处理问题。看来 YC 就是这么押注的，其最近的 YC 队列平均只有约 1.5 年的经验。
Data-Driven VC 在 2024 年末进行的一项研究发现，独角兽创始人在创办他们的第一个独角兽时平均年龄为 35 岁。中位数年龄为 33 岁。相对于一般的初创公司群体，年轻创始人在独角兽公司中的比例过高（30 岁以下的人数比例约为 2 比 1），而独角兽创始人整体平均有 8 年的工作经验。
当你看一下除了年龄之外还发生了什么变化时，情况就变得更加微妙了。Rebel 的数据显示，这些年轻创始人比他们的前辈拥有更多的技术证书。“技术”群体自 2023 年（ChatGPT 发布后的第二年）以来一直占据主导地位。虽然 YC 总是偏向于工程师，但历史平均份额是一个相对稳定的约 61%。因此，在现代 AI 时代，YC 创始人的形象显著不同：更年轻、工作经验大幅减少，并且更具技术性。
在应用层 AI 时代，很容易看出支持更年轻、更具技术性的创始人的基本逻辑。理由有两个方面：
1. 技术性： 当技术平台刚刚开始转变时，技术栈是高度动态和波动的。因此，那些拥有驾驭它的技术能力的人将具有优势。一个来自 FAANG、拥有十多年经验的 40 岁程序员可能在传统意义上超越所有人，但一个从 GPT-3.5 开始就一直在用 LLM 进行构建的 23 岁年轻人，对这些模型能做什么和不能做什么有直觉。
2. AI 原生： 在上述动态环境中，对技术栈更“原生”的创始人可能摆脱了旧范式思维的约束。这是归因于亨利·福特的一句老话的现代版本：“如果我曾经想用不公平的手段消灭反对派，我会赋予反对派专家。”
让我们研究一下这些论点，看看 YC 隐含的押注是否有意义。
在过去的 18 个月中，面向创始人的 AI 技术栈变得非常清晰和易于访问。以前——从 2022 年发布 ChatGPT 到可以说是去年年初——面向创始人的 AI 技术栈相对混乱，需要有意义的机器学习（ML）、数据工程和基础设施经验才能构建任何非衍生产品。在 2022-2024 年期间，模型层更像是一个垄断；数据管理和检索要手动得多；而且 AI“智能体”在概念上还不存在，更不用说有经过验证的编排框架了。
这种清晰度是一阵阵到来的。OpenAI 的 Chat Completions API（2023 年初）使模型变得可编程，而不仅仅是可提示。OpenAI 中的函数调用（紧随其后）是将 LLM 连接到外部工具的第一个可靠原语。结构化输出（2024 年 8 月）随后将 GPT-4 上的模式遵循率从 <40% 提高到 100%，而 OpenAI 之前的 GPT-4 模型则 <40%。这是一个分水岭时刻，使模型层成为应用层创始人可靠的构建块。 2024 年，随着 Anthropic 推出模型上下文协议（MCP），另一波巨大的互操作性和可用性突破开始了。它迅速被 OpenAI、Google DeepMind 和微软采用，Bessemer 将其描述为“AI 的 USB-C”。它为 AI 系统提供了一个用于访问外部 API、工具和实时数据的通用规范。在 MCP 之前，每一个工具集成都是定制的管道，需要专门的工程师。现在，AI 智能体——在 2023 年中旬仍然是产生幻觉、燃烧 token 的科学实验——拥有建立在具有标准连接器的共享基础设施之上的生产级编排框架。技术栈的其余部分也紧随其后，从 RAG 到向量数据库，再到部署和可视化 AI 管道编辑器。 当然，最重要的是，LLM 本身已经使编写 AI 应用程序变得容易得多。到 2025 年，GitHub Copilot 将生成其 2000 多万活跃用户编写的 46% 的代码，并在对照研究中使开发人员的速度提高 55%。其最接近的竞争对手 Cursor 在 2025 年突破了 5 亿美元的 ARR。YC 的 W25 批次中四分之一的代码库有 95% 是 AI 生成的。而非技术性的 Claude Code 和 Codex 的“氛围程序员（vibe-coders）”已经变得如此无处不在，以至于很难跟上。 我们的观点是，在过去的四年里，AI 技术栈变得非常清晰。Shawn Wang（又名 swyx，曾是 AWS、Two Sigma 和三家独角兽公司的开发者工具领导者）在他现在著名的文章《AI 工程师的崛起》中很早就提出了这种想法：“在 2013 年，需要 5 年时间和一个研究团队才能完成的各种 AI 任务，现在在 2023 年只需要 API 文档和一个空闲的下午。”他的暗示是，在应用 AI 技术栈中，技术熟练程度的关键方面正在远离研究和工程，而转向产品和设计。自 2023 年以来，我们的观点是，这种效应只会加速。应用层 AI 的技术人才仍然很重要，这在早期初创公司的建设中可能永远不会改变。但是，当技术栈明显更不成熟、更不清晰时，过度关注这一单一品质更有意义。YC 现任领导者本人去年也认识到了这种转变：
“成功的能力不再受技术能力的限制。唯一构成限制的因素是，创始人能否进入客户的大脑。”——Garry Tan
转向年轻创始人的另一个理由是，他们较少受到与初创公司架构或行业现状相关的预先存在的规范的阻碍。在过去的十年中，Keith Rabois 可能是反专家观点最强烈的倡导者：
“拥有领域专业知识的人了解你不能做什么，而不是你能做什么。最重要的公司通常是由不太了解自己所涉足领域的人创立的。”——Keith Rabois
LLM 时代对这一论点的阐述更进一步：AI 本身已经压缩了迭代成本和学习速度，以至于深厚的行业经验变得不那么重要了。正如一位评论员所说：“有了 ChatGPT 或 Claude，技术创始人现在可以利用领域专业知识，而无需任何行业经验。”在一个可以以前所未有的速度开发产品的世界里，也许速度正成为一种护城河，它足以弥补最初领域知识的不完美。
这种观点的挑战在于，如今每个人都在使用相同的工具，而且从外部可以识别为引人注目的市场是广泛可见的。当每一个 YC 批次都有三位创始人试图为特定行业构建一个副驾驶（copilot）或语音 AI 接收解决方案时，会发生什么？这大约就是我们今天所处的状况。我们在过去的一篇文章《调度员问题》（The Dispatcher Problem）中讨论了这种困境：
更便宜的 AI 的结果是持续对垂直 AI 产品施加通缩压力，这些产品之所以具有吸引力，主要是由于 LLM 带来的消费者剩余。从文档中提取数据？接听呼入电话？起草敷衍的合规报告？在基础设施和专有技术稀缺且采用率低下的今天，像这样的产品可以是极好的切入点。很快，它们将成为基本要求——因为每个类别中几个资金充足、可靠且增长良好的初创公司将竞争掉多余的利润。在此期间未能建立护城河的任何初创公司都将成为牺牲品。
如果你没有独特、通过努力获得的洞察力（这使你能够看到别人看不到的问题和相应的解决方案），你该如何发展护城河？当然，总会有一部分创始人拥有无论如何都能导航到正确结果的动力、智慧和运气。但一般来说，经验——如果不是真正的领域专业知识——是通向彼得·蒂尔（Thiel）在《从零到一》中普及的“秘密”的途径。在垂直 AI 这样的空间中尤其如此，在这些空间中，平台嵌入行业复杂性中甚至依靠其繁荣，而不是尽可能地将其抽象化。
也许更重要的是，数据并不特别支持反经验阵营。回到 YC 的案例：对其约 100 位独角兽创始人的分析发现，在进入该项目时，他们平均拥有 8 年的工作经验。建立 Airbnb、Stripe、Coinbase 和 DoorDash 的创始人并不是刚出校门，正如今天大多数 YC 创始人那样。Antler 对更广泛的 AI 独角兽创始人池的分析发现，虽然他们变得更年轻了——平均年龄从 2020 年的 40 岁降至 2024 年的 29 岁——但平均工作经验仍保持在 8 年。甚至 Rabois 本人也承认，一个更好的补充（至少在企业应用中）是将“一个非常天真、非常饥渴的创始人”与“一个有更多经验的人”配对。即使只是在一家高增长的初创公司工作几年，拥有至少足够的经验来播下获得的洞察力的种子，也有直观的价值。
当涉及到垂直平台时，关于创始人领域专业知识重要性的争论尤为重要。这不仅对试图了解成功驱动因素的投资者和试图规划道路的未来创始人很重要，而且也是洞察商业模式持久成功的核心原语的镜头。在垂直平台中，什么背景重要？而随着它与快速增长的垂直 AI 世界相关，LLM 如何改变了那个答案？
测试领域专业知识是否重要的最清晰方法不是问风险投资家（VC）他们相信什么——而是看他们实际上把资本部署在哪里。鉴于这个长期存在的问题对于我们在《The Verticalist》（以及 Euclid）所做的工作的重要性，我们决定是时候超越轶事和通用的独角兽数据点，并运行一些严肃的数据了。
在过去的一个月里，我们对创始人背景进行了全面分析，以深入了解推动垂直领域成功的核心因素。虽然我们在 2024 年进行过类似的分析（着眼于已退出的创始人），但鉴于风险投资中大结果的漫长时间框架和 AI 的快节奏，这种方法有点过于回顾性。所以这一次，我们将成功定义得更广泛一些，将目光投向高流转率的 VC 融资。
我们的分析思考了 673 家在 2025 年筹集了 1500 万美元或更多资金的垂直软件和垂直 AI 公司的创始人背景，根据创始团队是否在他们现在正在建设的垂直领域拥有先前经验对他们进行分类。为了回应 Rabois 的案例——“运动员”与“领域专家”的配对——我们考虑了所有的创始人，而不仅仅是 CEO。我们追踪了每位创始人在创立每家初创公司之前工作过的每一家公司。
虽然有很多需要解开的东西，但调查结果并不含糊。
总体而言，三分之二（66.1%）的领先垂直初创公司的创始团队中至少有一名成员拥有垂直领域的经验。在垂直 AI 领域，这一比例明显更高（约 71%）。为了进一步了解垂直领域经验的影响及其与初创公司类型（AI vs. SaaS）的相互作用，我们可以检查交易规模、领投轮次的 VC 质量以及“资本流转率”（定义为自成立以来每年筹集的资金）。
在每一项指标上，拥有先前垂直经验的初创公司创始人都占据优势。最引人注目的是创始人经验对偏向 AI 的垂直初创公司的影响。拥有垂直背景的垂直 AI 创始人筹集的平均交易规模（1 亿美元对 4500 万美元）是没有垂直背景的创始人的两倍多。在垂直 SaaS 中，拥有垂直经验的团队的平均交易规模仅高出 21%。中位数交易规模的紧密分布表明了更厚的右尾——AI 领域的垂直背景创始人正在获得巨大的融资轮次，这大大拉高了平均值。
我们还想看看吸引到资本结构表上的 VC 投资者的“质量”。虽然不存在完美的衡量标准，但我们使用主观的品牌认知作为代理，为数据集中的每家初创公司分配“VC 分数”——而且在每个子集中，垂直背景创始人的分数始终更高。虽然在垂直 AI 中差异最小，但我们预计这是数据的人为产物。以美元加权的 VC 分数严重偏向于垂直经验。
对于 1500 万至 5000 万美元的融资轮次，具有垂直背景的创始人占适度多数——61-63% 的公司。然而，在 5000 万至 1 亿美元的区间，他们占了三分之二以上。在 1 亿美元以上的区间，这一比例接近四分之三。开出的支票越大，创始团队拥有先前垂直领域专业知识的可能性就越大。
对这些数据的一种可能解释支持了这样一种理论，即垂直经验在分发和产品扩展方面赋予了优势。虽然产品速度和愿景在早期占主导地位，但后期融资奖励的是企业销售牵引力、监管导航和买家信任——所有这些都是通过真正的专业知识和可信度赢得的。换句话说，如果领域专业知识是一种持久的优势，这正是你所能预测到的。有趣的是，这与我们之前对已退出创始人背景的分析形成了一条贯穿线，该分析发现，按退出金额计算，领域专业知识占 >80% 的份额。
以 VC 质量衡量，领域经验似乎在被外行认为更排外、更讲究资质和更不透明的领域影响最大。例如，法律行业从行业背景中获得的综合提升最大：89% 获资助的法律 AI 公司拥有垂直背景的创始人，中位数交易规模提升了 100%，VC 质量分数优势为 22%。Harvey、EvenUp、Spellbook——这些在 LLM 时代后定义该类别的一大批公司——都是由从事法律实践或在法律运营方面有深入工作的创始人建立的。公共部门显示了所有垂直行业中最极端的 VC 质量提升（+75%）。与法律行业一样，它被视为传统的困难采购环境，其中内部人的信誉和人脉至关重要。
同时，对房地产和零售（通常模糊地归入一般商业）的接触存在于广泛的公司、背景和生活经验中。在这些类别中，品牌基金往往更喜欢外行。
垂直创始人年龄越大，他们拥有领域经验的可能性就越大。考虑到经验需要时间来积累，我们或多或少单调地看到这种效应并不令人惊讶。超过三分之二拥有 9 年以上工作经历的垂直创始人拥有领域经验。比较垂直 AI 和垂直 SaaS 产生了更有趣的结果。在每一个经验水平上，垂直 AI 创始人比他们的 SaaS 同行更有可能拥有垂直背景。
如上所述，领域经验在垂直 AI 和 SaaS 中的价值是不同的——当我们按经验年限进行分析时，这种效应被放大了。具有 0-5 年经验的成功垂直 AI 创始人拥有领域经验的可能性，比同队列的 SaaS 创始人高出 57%；在所有经验不足 9 年的创始人中，拥有领域经验的可能性高出 26%。这表明，垂直 AI 市场已经比 SaaS 更积极地为领域专业知识进行自我选择。
另一个发现，与领域专业知识是垂直 AI 成功的主要因素的说法相悖：年轻创始人吸引了更多“品牌”VC。0-5 年经验队列的平均 VC 分数比 15 年以上队列高出 20%。我们是否看到了支持 YC 最近在 AI 时代从经验转向青春的定量证据？该论点认为，垂直经验所带来的已证实的提升仅仅是相关性，而青春——或者更确切地说，通常伴随青春而来的自由思考、快速行动的性情——才是获得顶级 VC 支持并最终获得成功的合乎逻辑的主要驱动力。
值得记住的是，验证 VC 的选择需要很长时间，这使得某人资本结构表上的名字成为衡量最终业绩的一个非常不确定的指标——特别是在一个理论上 AI 正在改变初创公司成功本质和特征的世界里。也许名牌风险投资公司采用了与 YC 相同的思维模式。
在这里，我们感兴趣的只是数据——而这告诉我们，青年至上论在三个方面站不住脚：
1. 如果青春是垂直 AI 成功的主要驱动力，你就会预期没有垂直背景的年轻创始人会超过有垂直背景的年长创始人。但他们没有。那些拥有 9 年以上工作经验的人在各个方面的资本流转率都更高。
2. 年长的垂直创始人比没有领域经验的年轻创始人筹集的资金规模更大。虽然有垂直背景的年轻创始人在 VC 分数上略微落后于没有垂直背景的同行，但在所有其他指标上都超过了他们。名牌 VC 可能偏爱年轻人，但这并不能取代领域经验。
3. VC 对年轻人的溢价在 AI 和 SaaS 中是一致的，但领域专业知识溢价则不然。年轻的垂直 AI 创始人拥有垂直背景的可能性比年轻的 vSaaS 创始人高 20 个百分点（55% 对 35%）。如果仅凭青春就是成功因素，你就会预期这种差距不存在——年轻的创始人无论其领域背景如何都会成功。相反，市场更积极地筛选具有领域专业知识的年轻 AI 创始人。那些越过 A 轮门槛的人不成比例地拥有它。
超过 90% 的顶级垂直融资轮次是由拥有 >5 年经验的创始人筹集的。我们花了这么多时间在比较性、队列基础数字上，以至于我们要记住很重要的一点：按数量计算，超年轻创始人在整体数据集中只占很小的一部分。2025 年成功筹集 A 轮以上融资的大多数创始人拥有 15 年以上的经验。按行业检查趋势，很明显一个垂直领域越受监管和“讲究资质”，创始人就越有可能是经验丰富的；尽管目前由新鲜的创始人改造最死板的行业很流行，但实际的创始人比例表明，获胜创始人的经验水平与各自行业的平均年龄一致。在 2025 年，没有一个经验少于 6 年的 A&D（航空航天与国防）创始 CEO 筹集到 A 轮以上融资。
那么，为什么年轻、成功的垂直 AI 创始人比垂直 SaaS 中的同行更有可能拥有领域经验呢？我们认为最可能的解释与我们上面分享的相同：构建自动化复杂的特定行业判断的 AI 产品，比构建镜像和数字化流程的软件需要更深的领域理解。速度、自由思考和 AI 原生性非常重要——但在垂直 AI 中，创始人在其领域的知识优势变得越来越重要。
大多数成功的垂直初创公司创始人并非技术人员。在筹集了 1500 万美元以上垂直融资轮次的 CEO 中，超过三分之一（35.1%）以前是高管（其他公司的前 CEO、总裁或创始人）。当加上运营/战略/财务（14.6%）、产品（15.0%）和 GTM（6.1%）时，非技术业务领导者在成功的垂直初创公司 CEO 中占十分之七以上。尽管非 CEO 工程师（包括 CTO）仅占 8.9%，但他们在非财务背景中实现了最高的中位数资本流转率（780 万美元/年）。这与技术创始人主导 AI 时代初创公司的流行说法直接相悖。在垂直市场中，了解客户工作流、监管环境和购买流程的 CEO，比了解模型架构的 CEO 具有结构性优势。
最有趣的发现可能是投行/咨询队列。尽管这是一个小群体（约占成功垂直 CEO 的 4%），但他们在每一个关键指标上都处于领先地位：最高的资本流转率（980 万美元/年），最高的 VC 质量分数（1.69），以及最高的中位数交易规模（5000 万美元）。这些创始人将分析严谨性与在行业内建立公司之前通过为行业提供建议而获得的模式匹配和人脉结合起来——比如那位在创办一家临床 AI 公司之前花了三年时间研究医疗保健工作流的前麦肯锡合伙人。VC / 投资者队列（8.7%）作为一个不断增长的类别也值得注意，具有与投行/咨询相似的动态：前 VC 以第二高的流转率（890 万美元/年）融资，并获得第二高的中位数交易（4000 万美元），利用他们的联系，如果不是从交易经验中获得的领域专业知识的话。“来自行业”队列代表了在垂直领域的战略性运营角色之后立即创办初创公司的创始 CEO。CompanyCam（成为我们在数据集中出现的 2025 年交易的独角兽）的创始人 Luke Hansen 就是一个完美的例子——在走上创始人道路之前，他在内布拉斯加州奥马哈的 White Castle Roofing 担任了 13 年的高管。然而，这些纯粹的领域专家拥有最低的 VC 分数（1.38）和最慢的资本流转率（550 万美元/年）。
这是否与我们认为垂直经验对成功至关重要的论点相悖？在 Euclid，我们在垂直 AI 中优先考虑两个创始人特征：（1）对他们的问题和垂直领域有通过努力获得的洞察力（最类似于“领域专业知识”），以及（2）对风险规模业务成功是什么样子有天生的理解。如果不接触高质量的初创公司或类似的高风险环境，后者很难获得。因此，我们认为最佳的领域专业知识往往是：（1）结合软件 / AI 加行业的背景，或（2）通过先前垂直初创公司 / AI 的成功收集的行业洞察力。话虽如此，我们已经支持并且将继续支持不拘一格的背景，因为没有这样的规则是普遍的——很大一部分最优秀的创始人打破了所有的模式匹配，并且因此变得更好。
根据反专家的论点，如果 AI 真正使领域知识民主化——使技术创始人能够在几周而不是几年内迭代和学习行业——那么垂直 AI 中垂直创始人的优势相对于垂直 SaaS 应该缩小。随着外行劣势的压缩，AI 原生、低经验的创始人应该在吸引资金和 VC 方面遥遥领先。
然而，我们的分析显示了相反的结果。在垂直 AI 领域，超过 70% 获得 2025 年资金的领先初创公司的创始人在其行业内或周边有先前的经验——这些创始人筹集的交易规模大了 2.25 倍，拥有更高的整体资本流转率，以及更高的 VC 分数。每一个指标都指向同一个方向：公司越具有 AI 原生性，领域专业知识就越重要，而不是越不重要。
如果这个发现确实是结构性的，我们认为它与 AI 优先解决方案相较于传统软件的核心功能有关。垂直 SaaS 将流程数字化——它将工作流从纸张移动到屏幕。垂直 AI 实现了根本不同的东西：自动化上下文和判断。它不仅仅展示信息或提供一个 UI 将知识抽象到数据库中。大体上，垂直 AI 旨在完成工作：生成文档、分类决策，甚至自主行动。
当产品就是工作本身时，垂直领域的细微差别——行业买家信任、监管细微差别、体内边缘情况——变得更加重要。这些正是领域经验所赋予的东西，仅靠迭代和痴迷需要更长的时间才能发掘出来。
反对领域专业知识的论点预测，随着 AI 能力的提高，内部和外部创始人结果之间会出现趋同。数据却显示了背离——垂直 SaaS 和垂直 AI 之间的差异表明差距可能在扩大，而不是缩小。随着 AI 技术栈变得更加清晰，规模化（分发和防御能力）的更大速率限制因素变成了知道要构建什么、为谁构建以及为什么他们会信任你来构建它。随着垂直 AI 的上限随着技术可能性和可访问性而上升，领域专业知识的下限也随之上升。
当然不是降落伞裤或游戏王简历——在你们的两位作者中，Euclid 经历了丰富的 MC Hammer 和万智牌阶段，这些阶段可能仍活跃，也可能不活跃。福利协调确实是一个价值 40 亿美元的问题，也是一个值得解决的问题。只要我们还有人类大脑，像“医疗保健已死”这样引人注目的声明就会有效。对于一家种子阶段的公司来说，6000 万美元投后估值的 1500 万美元显然是昂贵的，但无论好坏，在目前的 YC 环境中并不罕见。
我们对这幅画面的意见更为微妙：它暗示了青春、AI 原生性和大胆，足以弥补对健康保险这样复杂的垂直领域完全缺乏经过努力获得的洞察力。虽然我们的例子是半开玩笑的，但现在每一批中都有至少同样惊人的例子。
YC 在 2023 年向更年轻、更具技术性的创始人转变是有意义的，当时 AI 技术栈是不稳定的，能够驾驭它的建设者具有真正的优势。但技术栈已经成熟——并且是戏剧性地。结构化输出、MCP、生产级智能体框架和 AI 辅助编码已经侵蚀了曾经证明将工程流畅性置于一切之上具有合理性的技术壁垒。在一个每个垂直领域都受到十几个唾手可得的 AI 想法冲击的世界里，我们甚至不确定纯粹的速度——快速行动和抛出 AI 的“向墙上扔意大利面”方法——还有多少生命力。Garry Tan 本人似乎在他最近的一些采访中同意这些观点：
“成功的能力不再受技术能力的限制。唯一构成限制的因素是，创始人能否进入客户的大脑。”
我们的数据表明市场已经将其内化。特别是在垂直 AI 领域，筹集 1500 万美元以上资金的创始人中有 71% 拥有先前的领域经验——这一比例在后期阶段和受监管更严的垂直领域中还会增加。年轻的创始人并没有被拒之门外；只是在 AI 领域，他们比在 SaaS 领域受到了更积极的领域知识筛选。青春不是不合格的条件；事实上，它绝对是首选。但因为在垂直 AI 中，产品就是判断，而判断必须有其来源——这就是为什么经验更重要。
一些普通合伙人（GP）公开分享了他们支持创始人在垂直 AI 中拥有专业知识的理念。a16z 的 David Haber 在其文章《Context is King》中指出：“AI 极大地扩展了技术上的可能性，但它并不能告诉你什么是真正有用的……[行业判断]不能像代码一样自动化，只能通过经验获得。”Greylock 的 Christine Kim 表达得更直白：“尝试垂直 AI 的纯技术人员，相较于同时拥有领域经验和技术背景的创始团队处于劣势。”BVP 的 Brian Feinstein、Kent Bennett 和 Sameer Dholakia 在他们的《垂直 AI 路线图》中得出结论：“外行面临陡峭的学习曲线，需要燃烧几个月和资本来理解内行凭直觉就能掌握的细微差别。”
这并不意味着 YC 本身支持年轻创始人是错误的。他们可能只是倾向于这种形象，因为这是他们历史上的领域。如果他们在年轻的、技术型的创始人中是更好的寻源者和挑选者——如果他们能为该计划带来更好的回报——那么那就是他们应该发挥的地方。然而，他们现在如此无处不在，以至于 VC 和初创生态系统中的一些人将最新的 Y-Combinator 过滤器解释为“未来创始人形象”的代理。
如果将青春和技术技能视为领域洞察力的替代品而不是补充，那么该模型就是不完整的。我们年轻的、穿着宽松裤子的创始人的最佳版本——那个筹集了 1500 万美元然后真正建立了一家持久公司的人——是将 AI 原生直觉与来之不易的关于福利实际上是如何裁决的、边缘情况在哪里以及对面的买家为什么应该信任她来自动化他们责任最高的工作流的知识结合起来。
因此，对于看到 YC 最近向青年和技术人才转变，并将其解释为 AI 时代主要创始人速率限制器的投资者：买者自负。我们的数据表明，分发、信任和领域判断正在快速赶上——而在垂直 AI 领域，市场可能已经将它们放在了首位。
而对于想知道这一切意味着什么的创始人来说，也许 Paul Graham 本人在十多年前说得最好：
“要在初创公司取得成功，你需要的不是初创公司的专业知识。你需要的是对自己用户的专业知识……这里是给年轻的准初创公司创始人的终极建议，缩减为两个字：去学（just learn）。”
我们从头开始构建 Euclid，以服务于定义类别的垂直 AI 创始人。总的来说，这些建设者将 AI 原生愿景和能力，与获得的领域洞察力以及对伟大意味着什么的第一手知识结合起来。数据表明，他们获胜的次数更多，筹集的资本更多，吸引的合作伙伴更好。我们认为，在垂直 AI 领域，他们的优势只会扩大。
一切都变得越来越便宜、越来越容易、越来越触手可及——除了判断力。
