共计 1150 个字符，预计需要花费 3 分钟才能阅读完成。
核心摘要
奥特曼预言与现实相差几何?12 个顶级模型“创业”一年, 仅 3 个存活
一句话
AI 能帮你经营一家创业公司吗?
AI 能否真正成为创业公司的“CEO”? 一项最新研究给出了令人深思的答案。
📌 导语: 从预言到实验
2024 年初,OpenAI CEO 山姆·奥特曼曾预言:“在 AI 时代, 一个人有可能创办一家估值 10 亿美元的独角兽公司。”这一判断点燃了“一人公司”的想象。数据显示,2025 年上半年, 超过 36% 的新公司由单人创始人创办, 比 2019 年增长 53%。但一个人加上 AI 工具, 真的能撑起一家公司吗?
🔍 YC-Bench: 一场高拟真的创业模拟
为了科学地回答这个问题,Collinear AI 研究团队发布了 YC-Bench——首个带有模拟时钟的开源长时序 Agent 评测基准。研究团队构建了一个高度拟真的创业环境:
- 起始条件:AI Agent 获得 20 万美元种子资金、一支小团队和一个任务市场
- 核心任务: 在一年模拟时间内管理员工、挑选项目合同、应对客户、维持现金流, 实现利润最大化
- 关键挑战: 市场不确定性、决策延迟反馈、错误累积效应
环境还特意设置了难缠客户和上涨的人力成本, 模拟现实创业中的对抗性压力。
💡 测试结果: 残酷的生存率
研究团队选取了 12 个主流 AI 模型 (包括闭源和开源), 每个模型进行三轮独立测试。结果令人意外:
- 仅 3 个模型存活: 在起始资金 20 万美元的条件下, 只有 3 个模型能持续跑赢初始资金, 其余 9 个要么勉强持平, 要么走向破产
- 成本与表现不匹配:API 成本差异悬殊, 但最贵的模型不一定表现最好。例如 GLM- 5 以极低成本接近 Claude Opus 的表现, 成为“性价比杀手”
- 运行时间天差地别:Claude Opus 4.6 完成一年模拟需要 70 分钟, 而 GPT-5.4 Nano 仅需 3 分钟, 这主要与 Token 生成量和模型架构有关
📊 反直觉发现:Scratchpad 决定生死
研究中最反直觉的发现是: 决定 AI 创业成败的关键因素并非模型参数量, 而是 Scratchpad(草稿本) 的使用方式。
Scratchpad 是 AI 在模拟回合间保持记忆的唯一工具, 相当于内部笔记本。研究发现:
- 能持续、规律使用 Scratchpad 进行规划和自我反思的 AI(如 Opus 4.6、GLM-5、GPT-5.4), 表现远优于“走一步看一步”的 AI
- 旗舰模型不一定占优:Gemini 3.1 Pro 在三次测试中破产两次, 而其轻量版 Gemini 3 Flash 虽然最终资金不多, 但至少存活下来
- 这像极了人类创业者——善于记录、复盘、做长期打算的人往往走得更远
🚀 AI 的致命弱点: 风险识别与过度并行
研究揭示了 AI 在创业场景中的系统性弱点:
🧭 1. 客户风险识别能力不足
47% 的破产始于对抗性客户——AI 在没有充分核实背景的情况下接受了不利条款, 或未能识别客户恶意意图。这暴露了 AI 在人际判断和社会经验上的短板。
正文完
0
