65-80%毛利率，不靠软件靠结果：YC赌的下一个万亿市场

YC 刚做了一件事：把「AI 原生服务公司」列为了 2026 年夏季 RFS（Request for Startups）的第一优先方向。

不是 AI agent，不是 AI coding tool，不是 AI copilot。是直接卖结果的公司。

推动这件事的是 YC Group Partner Aaron Epstein 和 Partner Charlie Warren。他们的逻辑很直白：全球专业服务市场 2025 年预计达到 6.37 万亿美元——会计、审计、税务、保险经纪、合规、法律、医疗行政——而这里面绝大多数，至今没有被软件真正颠覆过。

「没用软件」和「没被颠覆」是两回事。四大全在用 SAP、Oracle，但它们卖的还是人。YC 的意思是：把人换掉，不是给人配工具。

● ● ●

不是工具，是机器

一个数字就能说明问题的性质。

传统服务公司毛利率在 20-35% 之间。人多活多，人少活少，线性扩展。YC 对这个新物种的估算是什么？65-80% 毛利率，收入增长 5-10 倍的同时团队几乎不变。

怎么做到的？AI 不是员工手里的工具，它是操作系统。AI 处理 99% 的可重复操作——审合同、核保单、算税费、填申报表——人只处理那 1%：策略判断、例外情况、质量签字。

这种公司不是在做软件。你是在设计一台稳定输出结果的机器。

Zifeng Liang 在 LinkedIn 上写过一段话很真实：「有创始人跟我说他的 AI 原生法律运营公司有 80% 自动化。我问他 trace 数据在哪。他愣了一下。问他 AI 输出谁在审。他说菲律宾有个质检团队。那叫 BPO 加了个 Stripe 收银台，不叫 AI 原生。」

后来那家公司的真实自动化率跑出来是 31%。

● ● ●

选赛道的四条线

YC 内部选赛道的方法不复杂，就四条标准。但每条都有反直觉的地方。

第一，低信任门槛。

不是让客户「信任 AI」，而是这门生意客户本来就不在乎谁在做。保险经纪、报税、审计、合规申报——客户不自己做，也不忠诚于中介，他们只关心「结果对不对」。这天然绕过了 AI 的信任问题。不需要先说服客户「AI 也能做好」，因为客户从来就没关注过「谁在做」。

第二，低决策密度。

99% 的步骤是规则化的，只有 1% 需要人的判断。合同条款比对、税务计算、保单核验——这些步骤有明确的规则边界。AI 跑完标准化流程，人只在边缘案例上做决策。

Charlie Warren 的原话是：AI 处理 repeatable operating layer，人管 strategy、exceptions 和 accountability。

第三，高智能门槛。

这可能是最容易被误读的一条。不是说「找 AI 就能做的事」，恰恰相反——要找「光靠 AI 做不了」的事。

问题必须复杂到「专有数据 + 微调模型 + 行业 know-how」的组合才能解。如果一个大模型 API 裸调就能干，那你的公司没有存在价值。壁垒在于：每服务一个客户，你的模型就多一份训练数据，后发者越来越难追。

第四，监管是朋友。

高监管 = 高壁垒 + 高替换成本。YC 明确点名的赛道包括 FDA 监管申报、保险合规、HIPAA 医疗数据合规。AI 能做到 100% 规则遵循——人做不到。一旦通过监管认证，客户换不掉你。

四条标准拼在一起，画的圈很具体：客户不 care 谁在干活、活本身大部分可规则化、但余下的部分又深到需要专有积累、换掉你成本极高。

● ● ●

没有这三种能力，别碰

Charlie Warren 明确说了创始人需要三种能力。

领域流利度（Domain Fluency）。 不是看过几篇文章，是亲手做过。YC 的偏好是「已经手动干过脏活的操作者」——他知道这个行业的流程长什么样，能把复杂的服务拆成 AI 可执行的原子步骤。

模型流利度（Model Fluency）。 知道当前模型的能力边界在哪里，也知道模型演进的方向。关键问题是：你的产品是 model wrapper 还是会随模型进步而变强？如果是前者，模型升级那天你就死了。

运营严谨性（Operational Rigor）。 最被低估的一条。你不看 DAU、不看留存，你盯的是方差、吞吐量、周转时间。SOP 是你的核心资产。流程的稳定性就是交付物的质量。用 Warren 的话说：流程本身就是产品，产品本身就是流程。

● ● ●

YC 警告了几件事

这些来自 YC 内部的实际操作经验，每一条都是血泪教训。

早期限制客户数量。 不是捂着不增长，是流程没跑稳之前，多一个客户就多一堆例外，AI 管道直接崩。先让 3 个客户的 automation rate 跑到 95%，再谈扩张。

按结果定价，不按成本加成。 按小时收费 = 激励低效，这是传统模式的死穴。按单元定价（per return, per claim, per loan）或按里程碑定价（过了才收费）才是对的。YC 投的 Panacea（FDA 监管服务）就是按里程碑收钱。

自动化率必须随收入增长而上升。 如果你收入翻了 3 倍，自动化率还是 31%，你就是伪 AI 原生。真 AI 原生公司的自动化率曲线和收入曲线是同向的——每多服务一个客户，AI 学到的就越多，人的介入就越少。

别买现成公司加 AI。 不是战术建议，是架构判断。传统公司的流程是围绕「人」的瓶颈设计的。你想在这个骨架上套一层 AI，得到的是 AI 辅助的传统公司，不是 AI 原生公司。从零构建，流程架构完全不同。

● ● ●

一个已经发生的样本

YC 投了两家标志性公司。

Panacea 做 FDA 监管申报。药企往 FDA 交材料是高度标准化又高度复杂的流程——错了重来，时间就是钱。Panacea 用 AI 跑全流程申报，固定费用，按里程碑交付。不需要客户雇一支法规团队。

Arctic Health 做医疗凭证管理。医生要在不同保险网络里做 credentialing 和 contracting，纯人工的话一个医生入职要好几周。AI 把这件事自动化了。

还有一个细节值得注意：Epstein 公开说过，YC 投这类公司看的不是「AI 做得好不好」，而是「这个服务的交付结果能不能让客户满意到不在乎是不是 AI 做的」。回到第一条标准——低信任门槛的本质，就是客户从来不 care 谁在做。

Epstein 在内部分享里说过一句话，算是这个框架的底牌：

The process IS the product, and the product IS the process.

翻译成人话就是：你做的不是软件，是一台稳定输出结果的机器。

如果你能把专业服务做得比传统公司便宜 10 倍、快 10 倍、质量不打折，你不是在抢存量——这个市场里 99% 的潜在客户因为价格原因，压根没被服务过。你在打开一个新市场。

YC 赌的是这件事。