AI news

12 家最新的 YC AI 公司,看懂 AI 创业的新分岔口

By 张艾拉0 viewsSource: Fun AI Everyday
12 家最新的 YC AI 公司,看懂 AI 创业的新分岔口

HeyClicky 做的是一个 Mac 上的 AI 桌面助手。

The full text has not been translated yet. The Chinese original is shown below.

01|HeyClicky:住在鼠标旁边的 Mac AI 助手

HeyClicky 做的是一个 Mac 上的 AI 桌面助手。

它的产品形态很直观:一个“小伙伴”待在光标旁边,能看到你屏幕上正在看的内容,你可以直接用语音问它问题,让它一步步带你完成当前任务;

也可以叫出 HeyClicky Agent,让它在后台启动代理,帮你做研究、构建东西或处理其他任务。

公司介绍里提到,HeyClicky 可以帮创业者找 Instagram 小影响者,连接 Notion、Gmail、Calendar,甚至可以在本地构建 Mac 应用。

这个方向的关键不在“模型回答得好不好”,而在于 AI 能不能理解你眼前的上下文,并且把任务拆成可执行动作。

这类产品的机会很清楚:普通用户不想学习复杂提示词,也不想在不同 AI 工具之间来回切换。

他们需要的是一个低门槛入口:看我正在做什么,告诉我下一步,必要时帮我执行。

文章配图

02|Playabl.ai:把做游戏变成刷短视频一样简单

Playabl.ai 的定位是“用户生成游戏版 TikTok”。

这个产品是不是很熟悉?我们国内也有一家Loopit:好玩是第一大事儿(在新窗口打开)

用户可以通过聊天生成小游戏,别人可以直接玩、改、再发布。不是只做一个游戏生成工具,也把“生成游戏”和“游戏分发”放在同一个平台里。

它披露的早期数据比较亮眼:

公开上线两周后,平台上有超过 5000 个用户生成游戏,获得 200 万次独立使用,日活 2.5 万,1 日留存 27%、7日留存 11%,平均游玩时间约 4 分钟。

Playabl 的产品逻辑比较清楚:

并不是让 AI 一次性“凭空生成完整游戏”,而是先把用户想法变成结构化游戏设计,再由自研 AI 原生游戏引擎转成移动、敌人、规则、计分、任务、关卡、对话、界面等可复用组件,最后连接成可玩的游戏。

文章配图

03|YouArt:给 AI 影视创作者做“创作 + 众筹 + 变现”平台

YouArt 帮助创作者用 AI 视频代理制作原创故事内容,把概念发布出去,直接从早期粉丝那里获得资金,再通过订阅、私域内容和 IP 变现赚钱。

它瞄准的不是短视频剪辑工具,而是 AI 电影、AI 剧集、AI 动画这种更长周期、更重 IP 的内容。

YouArt 在 YC 页面中提到,AI 已经降低了影视生产门槛,但高质量长篇 AI 内容仍然不免费:

完整 AI 剧集或独立电影仍可能需要约 5 万美元,用于生成成本、配音和后期制作。

它想解决的就是两个问题:创作者前期没有钱,以及做完后没有稳定变现系统。

所以它的产品分三块:

第一,平台内置 AI 视频代理,帮助创作者把剧本做成视觉概念和预告片;

第二,创作者把预告片拿出来众筹,让早期粉丝资助完整内容;

第三,创作者通过订阅、私密内容和自有域名经营粉丝,而不是完全依赖 YouTube 或 TikTok 的广告算法。

文章配图

04|Anoria:“情绪版 Whoop”的可穿戴设备

Anoria 做的是情绪可穿戴设备。

它是一只手环,试图实时读取用户的情绪状态,并给出一个分数,这个分数由 Energy、Mood、Focus 三部分组成。

它背后的模型叫 SOMI,号称会结合 150 种音频和生物识别信号,判断用户正在感受到什么、为什么会这样,以及可以做什么。

创始人 Michael Belhassen 曾是苹果硬件产品设计师,他最近负责过 iPhone 17 Pro 外壳设计。

他把 Anoria 定位为一种让情绪反馈闭环可训练的设备:

过去大家追踪睡眠、恢复、步数,这些都是间接指标;Anoria 试图直接追踪“你感觉如何”。

这个项目传播点强,但风险也高。

情绪识别天然涉及准确性、隐私和伦理问题,尤其当产品声称能通过音频和生物信号判断情绪时,后续必须经得起科学验证和用户信任考验。

文章配图

05|Pops:AI 游戏生成,但重点是朋友之间的反应视频

Pops 也是 AI 游戏方向,但和 Playabl.ai 不完全一样。

Pops 更像一个移动端社交娱乐产品:用户可以创建、改编、游玩 AI 游戏,也可以看到一个无限游戏流。

每次玩完之后,系统会自动生成一段游戏过程或反应视频,方便发给朋友、挑战别人或分享到社交平台。

它给出的例子很有画面感:

用户可以生成一个像愤怒的小鸟的游戏,但控制方式是举起手臂;也可以做一个眨眼拧螺丝的游戏,或一个用头部动作控制的 3D 赛车游戏。

也就是说,Pops 不只是“用 AI 生成一个小游戏”,而是把手机摄像头、身体动作、游戏机制和社交传播放在一起。

文章配图

06|Ara:不是普通 Mac 助手,而是“自驾驶 IDE”

Ara 的定位是给软件团队用的自驾驶 IDE。

它会观察正在进行的开发工作,主动建议下一步,并通过非侵入式电脑操作、后台代理、记忆和可复用技能来执行任务。

Ara 的判断是:软件开发的瓶颈一直在迁移。

以前难点是写代码,后来代理能写代码后,难点变成审查代码;现在进一步变成“下一步该做什么、哪里坏了、什么事情最紧急”。

所以 Ara 想把开发过程变成一个闭环:建议、执行、学习、改进。

它和前面第一个介绍的 HeyClicky 的区别是,HeyClicky 更像大众用户的桌面 AI 伙伴,Ara 更像工程团队的开发工作台。

文章配图

07|Napkin Math:不只记卡路里,而是把饮食建议放进真实生活

Napkin Math 是一个个性化 AI 饮食日志。

传统健康应用往往围绕卡路里缺口做标准化方案,但 Napkin Math 想解决的是更生活化的问题:

比如你在准备马拉松,但工作日五天都吃公司餐;或者你想找出胃部不适的诱因,但不想放弃每周和朋友聚餐。

它的核心不是“拍照识别食物热量”,而是把个人目标、生活习惯、过敏、慢性情况、训练计划和社交生活一起纳入建议。

团队认为 AI 让大规模个性化营养方案变得可行,同时他们也想把拍食物这件事变得更有趣,而不是像传统饮食记录一样枯燥。

文章配图

08|RentAHuman:让 AI 代理雇真人去完成线下任务

RentAHuman 是这组公司里最有争议、也最有讨论价值的一个。

它做的是一个市场:AI 代理可以在上面和真人沟通、付款,让真人去完成现实世界任务。

公司给出的例子包括:给机器人训练采集家庭杂务数据、拍摄店内照片、找人做视频拍摄、组织本地活动、采购物资,甚至测试 AI 管理洗衣店。

它背后的判断很直接:现在大多数人关注的是“人用 AI 做数字工作”,RentAHuman 反过来想做“AI 创造并协调现实世界工作”。

如果 AI 代理已经能写代码、发邮件、使用软件、花钱,那么下一步就是让它们进入物理世界,而真人可以成为 AI 的眼睛、手和脚。

RentAHuman 的早期任务里有不少低价宣传任务、社交媒体推广、送花营销、贴传单等,支付体验和任务协调也不成熟。

这说明它的方向有想象力,但现阶段更像一个实验平台,距离稳定、可信的大规模线下劳动力网络还有很长路。

文章配图

09|Standout:用 AI 代理重做招聘,但从“简历”改成“证明你会做”

Standout 做的是 AI 招聘市场。

它给人才和公司各配一个自主代理,代理会代表双方评估匹配度,只在合适的时候发起介绍。

公司认为现在招聘两边都被 AI 垃圾信息淹没:求职者用 AI 投几百个岗位,公司也用 AI 给大量候选人发消息,结果双方都更难判断真实匹配。

它的产品切入点很细:不是让你上传简历,而是让你打开终端,输入npx standout。

它的命令行工具会评估你如何思考、构建、调试,以及如何使用和挑战 AI,再把这些变成一个能力画像。

当岗位匹配时,代理再帮你发起介绍。人才在接受介绍前保持匿名。

Standout 在 YC 页面披露,一个月内有 1 万名人才、60 家公司、100 次介绍。

文章配图

10|Light Anchor:用 AI 代理经营消费品牌

Light Anchor 很有意思,它的定位是 AI 运营的消费品牌。

它不是给电商卖工具,而是自己经营品牌和实验店铺,并用一套共享平台让 AI 代理管理品牌运营。

公司现在有一个主品牌和多个实验店,愿景是用很少的人类参与,运行大量消费品牌。

Light Anchor 先把自己的代理部署到 Upwork,接小商家的 Shopify 任务,从商品目录清理、SKU 上传、数据迁移等小任务开始。

公司称几天内完成了 50 多个 Shopify 端到端任务,评分 4.9/5。

随后客户需求从“清理商品目录”扩展到“跑营销”“做采购”“经营整个店铺”。

Light Anchor 的内部代理分工也很明确:

CEO 代理负责设定每周优先级、管理每个品牌 1 万美元预算,并把需要人类判断的决策上报;

GM 代理负责利润表、商品、库存、采购、客服;

营销代理负责创意和影响者营销;

工程代理负责技术问题和工具建设。

每个品牌都有共享层和品牌专属层,前者包括代理工具、集成和分析,后者包括记忆、政策和具体决策。

文章配图

11|Imperfect:给“不完美生活”里的运动目标做 AI 教练

这个产品我很喜欢。

Imperfect 做的是运动员 AI 教练,尤其是有真实生活约束的业余运动者。

它会拉取用户数据,为下一场比赛生成个性化训练方案,并根据身体反馈调整训练、恢复和营养。

公司页面提到,它已经在帮助用户准备第一场铁人三项、备战速降山地车比赛,也帮助一位职业超级马拉松选手在波多黎各 50 英里越野赛拿到第二名后恢复。

创始人自己的表达是:他不想要一个只会说“降低压力”的健康工具,而是需要一个能适应创业、加班、Demo Day 和脊柱侧弯现实情况的私人教练。

文章配图

12|jo:更像“会做事的第二大脑”,不是普通聊天助手

jo 做的是个人 AI。

它运行在 Mac 和一个由公司托管的私人云机器上,能通过 Telegram 和 WhatsApp 聊天,记住你的生活、偏好和工作上下文,并且会自主改进。

公司也强调个人数据不会被分享,照片和本地文件未经批准不会离开 Mac。

jo 的场景比普通助理细很多:

在 Mac 上观察浏览和群聊模式,自动剪藏相关内容;

早上发送天气、日程和提醒简报;

用真实浏览器查库存、比价和做研究;

跨消息平台和邮件搜索你忘记的信息;

设置一次后定期执行后台自动化;

它不会直接替你发送邮件或消息,但会在 Gmail 里起草和建议回复。

jo 的关键点是“连续性”。

它不是一次性回答问题,而是长期扫描你的浏览器、消息、邮件和日程,逐渐形成你的偏好、家庭安排、旅行习惯和工作上下文。

它代表了个人 AI 的一个方向:不是做一个更聪明的搜索框,而是做一个长期存在、跨设备、带记忆、能处理小任务的生活操作层。

文章配图

最后,这 12 家公司放在一起,能看到 5 个趋势

第一,AI 正在从聊天框走向电脑操作层。

HeyClicky、Ara、jo 都在做类似方向:AI 不再只是回答问题,而是要看见屏幕、理解上下文、控制浏览器、使用本地应用、启动后台代理。

区别是 HeyClicky 面向大众任务,Ara 面向开发流程,jo 面向长期个人生活。

第二,游戏和软件正在变成内容流。

Playabl.ai 和 Pops 都不只是“生成游戏”。它们都在尝试把游戏变成低门槛、可分享、可改编的内容格式。

Playabl 更像“游戏版 TikTok”,Pops 更强调朋友之间的互动和反应视频。这个方向和 Roblox、短视频、小游戏、社交挑战都有关系。

第三,AI 创作者工具开始补齐商业闭环。

YouArt 的思路不是再做一个视频生成器,而是把创作、众筹、发行和订阅放在一起。

这说明 AI 内容创业已经从“能不能生成”进入到“谁来出钱、在哪里分发、创作者怎么持续赚钱”。

第四,AI 健康产品正在从记录数据走向个性化反馈。

Anoria 追踪情绪,Napkin Math 追踪饮食,Imperfect 追踪训练和恢复。它们共同的方向是:不再只记录睡眠、步数、热量,而是把数据变成建议。

但这一类产品的难点也很清楚:准确性、隐私、合规和长期留存都很重。

第五,小团队正在尝试让 AI 代理经营真实业务。

Light Anchor 让代理经营电商品牌,RentAHuman 让代理雇真人完成线下任务,Standout 让代理代表人才和公司做招聘。

这些公司都在测试一个问题:AI 不只是工具,能不能成为一个业务流程里的“运营者”。

以上,祝你今天开心。

文章来自于"Fun AI Everyday",作者 "张艾拉"。

Related topics

After reading

Join the AINRK community

Read how to join the community and connect with people working in AI.

Community information (opens in a new tab)