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

背景：奥特曼的预言与AI创业热潮

2024年初，OpenAI CEO山姆·奥特曼曾断言，AI时代下一个人完全有可能依靠AI工具独自创办一家估值达10亿美元的独角兽公司。这一观点迅速引发了广泛关注，尤其是在AI技术不断突破的背景下，创业门槛看似在快速下降。

与此同时，股权管理平台Carta在2025年发布的数据显示：超过三分之一的新公司由单人创办，这一比例从2019年的23.7%增长到2025年上半年的36.3%。这一趋势表明，越来越多创业者正在尝试“一人公司”模式，而AI工具在其中扮演了关键角色。

YC-Bench测试机制：AI扮演CEO运营公司

为验证这一趋势的可行性，Collinear AI的研究团队设计了一个名为 YC-Bench 的评测基准。这个测试的核心不是评估AI的“答题能力”，而是考察它在模拟商业环境中担任CEO的表现。

• 评测内容：
  • 管理员工
  • 选择项目合同
  • 应对难缠客户
  • 保持现金流健康

AI Agent需要在一年内，从20万美元的起始资金开始，独立运营一家公司，并最终实现盈利。测试中还引入了对抗性压力，例如故意设置不可靠客户、不断上涨的人力成本，以模拟真实创业中的挑战。

实验结果：12个顶级模型中仅3个成功存活

研究团队选择了12个主流AI模型（包括闭源和开源），每个模型运行3次，仅允许使用Scratchpad（草稿本）记录信息。结果显示：

• 成功率极低：最终能存活并盈利的AI模型仅有3个。
• 表现差异明显：
  • Claude Opus 4.6 耗时70分钟完成模拟
  • GPT-5.4 Nano 仅用3分钟完成，是最快的小模型
  • GLM-5 在性价比方面表现突出，接近Claude Opus的决策质量但消耗资源更少

这说明：

1. 推理速度与模型大小密切相关，轻量模型在效率上更具优势。
2. 顶级模型在复杂决策上的能力仍有明显差距。
3. 成本控制和决策质量之间需要平衡。

AI的盲点：风险识别与人际判断

从实验失败的原因来看，AI在以下两个方面存在显著短板：

• 意图与风险识别：

  • 接近47%的AI公司破产源于客户识别失误
  • AI在判断客户可信度、合同条款等方面仍缺乏“社会经验”

• 长程规划与执行一致性：

  • AI难以持续保持对多任务的追踪和资源分配
  • 即使是最强模型，也难以避免“过度并行”导致执行失控
  • 任务检查比例、Scratchpad使用频率成为关键评估指标

这些盲点表明，尽管AI在数据处理和基础推理方面表现出色，但在真实商业场景中，它仍然缺乏对人类复杂行为和不确定环境的判断力。

启示：一人公司≠AI全权代理，而是人机协同决策

YC-Bench的研究揭示了一个关键现实：

AI可以是工具，但不能完全替代人的判断力。

在测试中表现较好的AI模型往往具备以下特点：

• 高频率使用Scratchpad进行记忆和复盘
• 能在多个任务中合理分配资源
• 对客户和项目的风险评估更谨慎

但这并不意味着最强模型就一定能成功。例如Claude Opus虽然在任务完成度上领先，但由于推理成本高、响应慢，在商业环境中未必最优。反而是像GLM-5这样“性价比杀手”，以较低成本实现接近旗舰模型的表现。

这也为创业者提供了一个重要信号：AI不是万能的老板，而是一个辅助决策的工具。真正决定成败的，是一个人是否能在AI建议中做出正确取舍。

未来方向：从“模型参数竞赛”转向“Agent工程落地”

根据2026年初的AGI-Next峰会共识，中国AI界开始将焦点从“模型有多大”转向“Agent能不能干活”。这意味着：

• AI不仅要“会说话”，更要“会执行”
• 评估AI能力的标准正在从准确率、参数量，转向任务执行稳定性与长期规划能力
• 在To B市场，企业愿意为高准确率模型支付溢价，而在To C市场，用户对模型性能差异感知减弱

这一趋势下，YC-Bench等评测体系将成为衡量AI实际应用能力的新标准，也进一步定义了“一人公司”在AI时代的真正形态：不是让AI完全替代人，而是让AI成为创业者的能力延伸，最终由人来主导关键判断。

结语：AI创业时代，判断力比知识更重要

YC-Bench的实验结果并不是否定AI的价值，而是更清晰地划出了当前AI的边界。在AI创业的浪潮中，创业者需要具备更强的判断力，知道在哪些环节依赖AI、在哪些节点必须亲自介入。

这或许才是奥特曼预言的真实含义：AI让创业变得可能，但真正成功的关键，仍然是那个“超级个体”的决策力、洞察力和执行力。