從 idea 到 6.5 億美金 exit，他講的創業教訓裡，最反常識的是那兩張投影片

原始影片：From Idea to $650M Exit at YC AI Startup School

這場 6.5 億美金 exit 的演講，最值錢的一句話不是 exit 數字，而是：AI 創業真正的護城河，不是你接了哪個模型，是你願不願意把功夫埋進別人看不到的地方——從怎麼選題、怎麼建到怎麼賣，全押在這上面。 講者 Jake Heller 把他做 Casetext（律師 AI 助手 CoCounsel，兩年前被 Thomson Reuters 用 6.5 億美金現金收購）最值錢的東西拆得很白，對我這種一直在搞 AI 工作流的人來說，中間那兩張投影片，比那個 exit 數字有用太多。

為什麼我這樣看？拆成四點給你——選題、放大、可靠、賣。

一、選題不是猜 AI 能做什麼，是看「現在誰在付錢請人做」

舊世界做產品很痛苦：你得先建一個東西、丟給用戶、失敗很多次，只能祈禱有人真的想要。所以 YC 的口號才會是「做人們想要的東西」——因為知道人們要什麼，本來就很難。Jake 的觀察是，這件事現在簡單多了，怎麼知道人們想要什麼？看他們現在在付錢請誰做事就好。

我們已經知道人們想要什麼，因為他們正在付錢請別人完成這些工作。

客服、保險理算員、法律助理，或你生活裡的私人教練、行政助理——這些都是被市場驗證過的需求。選題從「猜」變成「看誰在領這份薪水」。他把方向分成三類：輔助專業人士（CoCounsel 就是幫律師讀文件、做研究、審合約）、整個取代一份工作（直接當一間 AI 法律事務所），以及做以前不可能做的事（讓上萬個模型同時讀完幾億份文件，這在人力時代根本想都不敢想）。把選題錨在「已經有人在付薪水」上，差異化的第一步就不靠運氣。

二、可定址市場一夕放大一千倍，因為你取代的是整份薪水

這裡有個我之前沒算清楚的帳。過去賣軟體，市場大小是「專業人士的數量 × 每月 20 美元」。但現在你取代的，是那個人整份薪水的總和。

你過去付 20 美元一個月解決一個問題，現在你可能付 5000、10000 甚至 20000 美元一個月，請某個專業人士解決它。

同一個問題，可定址金額大了十倍、百倍、甚至千倍。他自己也知道這聽起來很反烏托邦——把所有人的薪水變成你的市場？但他的反駁我覺得是真心的：在法律這行，超過 85% 的低收入者根本請不起律師，因為人類律師太慢太貴。如果 AI 能讓律師快 100 倍、便宜 10 倍，那些「因為你沒錢所以拒絕你」的情況就不存在了。每個人都該有世界上最好的財務助理、行政助理、法律顧問。選對了用薪水驗證過的題，市場本身就被重新定價。

三、真正難的不是建，是把它逼到「可靠」——而可靠來自願意磨

接下來是全場我覺得最值錢的部分。怎麼建？他說方法簡單到聽起來像廢話，但詭異的是幾乎沒人這樣做：

1. 去搞清楚最厲害的專業人士到底怎麼做事，而且要非常具體。他自己是律師、共同創辦人是律師、公司裡 30-40% 的工程師也是律師。如果你不是這行的，就去當偵探，或找一個有領域知識的共同創辦人。
2. 把每一步拆出來。以法律研究為例：收到問題 → 問澄清問題 → 訂研究計畫 → 跑幾十次搜尋 → 仔細讀每個結果、剔掉不相關的 → 做筆記 → 整理成文 → 最後檢查引用對不對。
3. 每一步變成一個 prompt 或一段程式。能用確定性的程式做就別用 prompt，因為 token 又慢又貴。固定流程就寫成 workflow，純 Python 把一個函式的輸出餵給下一個函式就好——他特別說，你根本不需要 LangChain。
4. 然後用 eval 把它逼到可靠。

第四點才是分水嶺。他說大多數人做的是 demo 等級的東西，準確率大概 60-70%——足夠在 Twitter 上引起轟動、足夠募資、足夠簽下前幾個客戶，但實際跑起來就崩了，因為 LLM 跟人一樣，今天沒喝咖啡、起床起錯邊，就會給你錯的答案。他講護城河那段我直接記下來了：

這裡最大的成功關鍵，是你或你公司裡負責 prompt 的人，願不願意花兩週、不睡覺，只為了讓一個 prompt 通過所有的 eval。

一開始通過率可能 60%，很多人這時就放棄，覺得「AI 做不到」。你熬一晚到 61%，下一批人在這裡放棄。但只要你肯花兩週持續加 eval、改 prompt、迭代，你會做到 97%，剩下 3% 是連人類都會犯的判斷錯。他建議每個 prompt 至少撐過 100 個測試案例再進 beta，而最好的 eval 來源不是實驗室想出來的，是真實客戶做出來那些你預測不到的蠢事。可靠不是天賦，是肯不肯把功夫埋進別人看不到的地方——這正是護城河本身。

四、產品做好了銷售自己會來，但 exit 後最難的是讓客戶真的用起來

他沒把這包裝成穩賺。回到他自己——當年專注法律其實有個錯：法律軟體市場相對小，律師年收入幾兆美金聽起來很大，但他們真正花在軟體上的錢非常少。所以無論 Casetext 做得多漂亮，能改變的生活其實有限。他現在反而有點上癮於去找「最大、且你的技術能解的問題」。

很多公司報 1000 萬美金 ARR，挖下去發現是六個月試點加一次性付一大筆——這些試點很多不會轉成真收入。

問答裡這個提醒很實在，他預測會有一波「大滅絕」。所以好產品雖然讓口碑和媒體變成免費行銷、業務從「推銷」變成「接單」，但 exit 之後最難的，反而是讓客戶真的把產品用起來——他說產品不只是螢幕上的像素，是培訓、是客服、是那個坐在客戶旁邊確保東西真的有用的「部署工程師」。賣得掉只是開始，用得起來才是把功夫埋進看不到的地方那件事的延伸。

我自己的 takeaway

兩件事一直在我腦袋裡轉。

第一，護城河不是模型，是你願意把多少功夫埋進別人看不到的地方。有人問他「你的 prompt 蓋在別人的模型上，怎麼不變成一個 GPT 套殼？」他的回答很乾脆：去做就知道了——當你真的把它建起來，會發現裡面有多少資料整合、多少 prompt 細節要調、多少模型要挑，這些是別人抄不走的。這跟我搞 AI 工作流的感受一模一樣：真正的價值不在「接了哪個模型」，在那些沒人看到的接線、eval 和一次次的微調。

第二，「願不願意花兩週磨一個 prompt」這句話，其實是在問一個人能不能用一份功夫撐起一個槓桿。我一個人想用 AI 做很多事，靠的不是工具多炫，是肯不肯把一個 prompt、一條流程磨到 97% 而不是停在 61%。下次我想偷懶停在「能跑就好」的時候，會想起那個 61% 的放棄點。

想看 Jake 怎麼講那兩張投影片，原片在這裡：From Idea to $650M Exit at YC AI Startup School。