儘管初創投資整體下降，但過去一年對AI的資金投入急增。僅生成式AI創投的資本從2022年到2023年幾乎增加了八倍，截至去年12月底達到252億美元。

因此，AI初創公司主導了Y Combinator的2024年冬季Demo Day。

根據YC官方初創公司目錄的信息，Y Combinator 2024年冬季團隊中有86家AI初創公司，幾乎是2023年冬季團隊的兩倍，接近2021年冬季團隊的三倍。無論是泡沫還是被炒作，顯然，AI是當下的科技。

正如去年一樣，我們遍歷了最新的Y Combinator團隊-即在本周Demo Day中展示的團隊-並選出了一些更有趣的AI初創公司。每家這些公司之所以受到關注，原因不盡相同。但基本上，它們在技術、市場機遇或創始人背景方面脫穎而出。

Hazel

August Chen（前Palantir）和Elton Lossner（前波士頓諮詢集團）聲稱政府承包流程完全搞砸了。

合同發布在數千個不同的網站上，可能包含數百頁重疊的法規。 （僅美國聯邦政府每年簽署的合同估計超過1100萬）回應這些投標可能需要整個業務部門的支持，由外部顧問和律師事務所提供支援。

Chen和Lossner的解決方案是利用人工智能來自動化政府承包發現、起草和合規流程。這對在大學相遇的一對 - 称其為Hazel。

使用Hazel，用戶可以尋找潛在合同，根據RFP（提案請求）和其公司信息生成起草回應，創建待辦事項清單並自動運行合規檢查。

鑒於人工智能傾向于幻覺，我對於Hazel生成的回應和檢查是否一直準確有些懷疑。但是，如果它們接近，他們可能節省大量時間和精力，使較小的公司有機會爭取每年發布的價值數百億美元的政府合同。

Andy AI

居家護士面臨著大量的文書工作。札天天深知這一點-她曾在Google母公司Alphabet的生命科學部門Verily工作，從事從個性化醫學到減少蚊媒傳播疾病等各種目標項目。

在工作過程中，札發現文件工作是居家護士的主要時間浪費。這是一個普遍問題-根據一項研究，護士將超過三分之一的時間花在文件工作上，這影響了他們在患者護理上的時間，並導致燒膏現象。

為了幫助減輕護士的文件負擔，札與前蘋果工程師麥克斯·阿赫特羅夫共同創立了Andy AI。 Andy基本上是一種由人工智能驅動的書記，捕捉並轉錄患者拜訪的口頭詳細信息，並生成電子健康記錄。

與任何人工智能驅動的轉錄工具一樣，存在偏見的風險-即根據護士和患者的口音和選擇的詞語，該工具可能無法正常運作。從競爭的角度來看，Andy並不是市場上第一種這樣的產品-競爭對手包括DeepScribe，Heidi Health，Nabla和亞馬遜的AWS HealthScribe。

但是，隨著醫療行業越來越多地轉向家庭，對像Andy AI這樣的應用程序的需求似乎有望增加。

Precip

如果您對天氣應用程序的體驗與本記者一樣，您在盲目相信晴朗的預測後曾被暴雨淋漓。

但不一定要這樣。

最起碼，這是Precip的前提，這是一個由人工智能驅動的天氣預報平台。 Jesse Vollmar在創立農場日誌公司之後提出了這一想法，該公司出售作物管理軟件。他與Sam Pierce Lolla和Michael Asher（前農場日誌公司首席數據科學家）合作，使Precip成為現實。

Precip提供降水分析-例如，在過去的幾個小時到幾天中估計特定地理區域的降雨量。 Vollmar聲稱Precip可以為美國任何位置生成“高精度”指標，最小到公里（或兩個），並提前七天預測氣候狀況。

那麼降水指標和警報的價值是什麼呢？好吧，Vollmar表示，農民可以用它們來追踪作物生長，建築工人可以參考它們來安排工程施工，公用事業公司可以利用它們來預測服務中斷。 Vollmar表示，一家交通客戶每天檢查Precip以避免糟糕的駕駛條件。

當然，天氣預測應用程序層出不窮。但是，像Precip這樣的人工智能承諾使預測更加準確-如果人工智能確實值得信賴。

Maia

Claire Wiley在攻讀沃頓工商管理碩士學位時推出了一個夫妻培訓計劃。這一經歷使她開始探索更具技術前瞻性的關係和治療方法，最終形成了Maia。

Maia-與谷歌研究科學家Ralph Ma共同創立的Wiley-旨在通過人工智能引導幫助夫妻建立更強大的關係。在Maia的Android和iOS應用程序中，夫妻之間透過群聊互發消息，並回答每天的問題，例如他們認為需要克服的挑戰、過去的痛點和他們感恩的事物清單。

Maia計劃通過收費提供高級功能，例如由治療師製定的方案和無限消息。 （Maia目前限制了合作夥伴之間的短信-如果您問我的話，這是一個令人沮喪但任意的限制。）

來自離婚家庭的Wiley和馬表示，他們與一名關係專家合作，精心設計了Maia體驗。然而，我心中的疑問是（1）Maia的關係科學有多可靠（2）它能否在夫妻應用程序格外擁擠的領域中脫穎而出？我們將拭目以待。

Datacurve

像ChatGPT等生成式AI應用程序中心的人工智能模型是通過巨大的數據集進行訓練的，這些數據集是從網絡上的公共和專有數據混合而成的，包括電子書，社交媒體帖文和個人博客。但其中一些數據在法律和道德上有問題-更不用說在其他方面存在缺陷。

缺乏數據研究是Serena Ge和Charley Lee所指出的問題。

Ge和Lee共同創立了Datacurve，為生成式AI模型提供“專家品質”數據。這是特定的代碼數據，Ge和Lee表示，由於標記代碼數據以進行AI訓練和限制使用許可權所需的專業知識，這種數據特別難以獲得。

Datacurve託管一個遊戲化的標註平台，向工程師支付費用以解決編碼挑戰，這有助於Datacurve銷售培訓數據集。 Ge和Lee表示，這些數據集可用於培訓模型進行代碼優化，代碼生成，調試，UI設計等工作。

這是一個有趣的想法。但Datacurve的成功將取決於其數據集的精心策劃程度-以及它是否能夠激勵足夠的開發人員繼續建立和改進這些數據集。