Stripe数据揭示AI创业大爆发：新企业创建速度翻倍的商业新范式

创业大爆发：比疫情更猛烈的浪潮

在Replit创始人Amjad Masad与Stripe联合创始人Patrick Collison的一场深度对话中，两位科技领域的核心参与者分享了一组令人震撼的数据：2025年3月，Stripe平台上的新企业创建速度同比增长近2倍——这个增幅甚至超过了2020年疫情封锁期间50%的同比增长。

Patrick Collison提到，他刚与斯坦福经济学家Nick Bloom共进午餐。Bloom是斯坦福大学经济学系教授，以研究创新、生产力和管理实践闻名。他曾撰写论文论证人均创新和生产力增长正在下降，即所谓的"大停滞"。这一概念最早由经济学家Tyler Cowen在2011年同名著作中系统阐述，核心论点是：自1970年代以来，发达经济体的全要素生产率（TFP）增长显著放缓，科技进步虽然在信息领域突飞猛进，但对实体经济的渗透远不如电力和内燃机时代。Bloom与合作者的研究进一步量化了这一趋势——他们发现，维持摩尔定律所需的研究人员数量每13年翻一番，意味着"研究生产力"本身在下降。但现在，两人的共识是：大停滞似乎已经结束了。生产力正在数十年来首次重新加速，而创业精神的大规模爆发是当今最被低估的经济事实之一。如果这一趋势确实被AI打破，其经济意义将是历史性的。

Stripe目前处理了超过25%的特拉华州公司注册，这意味着它的数据具有相当的代表性。值得解释的是，特拉华州是美国最受欢迎的公司注册地，超过三分之二的财富500强企业在此注册——并非因为这些企业在特拉华州运营，而是因为该州拥有全美最成熟的公司法体系，其衡平法院专门处理商业纠纷，判例法丰富且可预测，且几乎所有接受风险投资的初创企业都会选择在此注册为C-Corp。因此，Stripe的数据实际上覆盖了美国新创企业生态的一个极具代表性的横截面。更关键的是，疫情期间的创业高峰并没有回落到之前的基线——在AI浪潮到来之前，2022至2023年就已经维持在新的高位。而AI的到来，则让这条曲线再次陡峭上扬。

不是泡沫：质量与速度同步提升

面对如此爆发式的增长，一个自然的质疑是：这些新企业是否只是大量轻量级的"氛围编程"项目？所谓"氛围编程"（Vibe Coding），是2024-2025年间随着AI编程助手普及而出现的新术语，由前OpenAI研究员Andrej Karpathy首次提出。它描述的是一种全新的编程方式：开发者不再逐行编写代码，而是用自然语言向AI描述想要的功能，由AI生成代码，开发者只需"感受氛围"——大致浏览输出结果，接受看起来合理的方案，遇到错误时将错误信息直接粘贴回AI让其修复。这种方式极大降低了软件开发的技术门槛，使得非程序员也能构建功能性应用，但也引发了关于代码质量和可维护性的担忧。

然而，Patrick给出了令人意外的回答：即便在这波巨大的增长中，单个企业的平均收入实际上还略有提升。换句话说，不仅数量翻倍了，质量也没有下降。

更令人瞩目的是AI创业公司在速度指标上的变化：

• 20%的初创企业在30天内就向第一个客户收费，而2020年这一比例仅为8%
• 与SaaS繁荣时期和市场平台繁荣时期相比，AI时代企业达到100万、1000万、1亿美元经常性收入里程碑的时间缩短了大约一半
• 突破性企业的收入增长速度达到了前所未有的水平

这里需要理解ARR（Annual Recurring Revenue，年度经常性收入）这一SaaS企业的核心指标。它代表企业基于现有订阅合同可预期在未来12个月内获得的收入总额。与一次性销售收入不同，ARR具有可预测性和复利效应。在风险投资领域，ARR的增长速度是估值的关键驱动因素：从0到100万美元ARR证明产品市场契合，从100万到1000万美元证明可规模化，突破1亿美元则意味着进入上市候选行列。AI时代企业达到这些里程碑的时间缩短一半，意味着资本效率和市场渗透速度发生了质变。

对话中提到的一个典型案例是Magic School——一位教师在疫情期间利用Replit构建的教育AI产品，从零到1000万美元ARR只用了几个月，如今已是一家估值5亿美元的公司。这个案例完美诠释了"领域专家+AI工具"的创业新范式。

垂直SaaS：被低估的万亿级机会

当被问到最看好哪个技术领域时，Patrick Collison的回答出人意料：垂直SaaS。

垂直SaaS是指专门为特定行业或细分市场设计的软件解决方案，与之相对的是水平SaaS——即跨行业通用的工具（如Salesforce的CRM、Slack的团队协作）。垂直SaaS的典型特征包括：深度整合行业特定的工作流程、合规要求和术语体系；客户获取成本较低（因为行业社区紧密）；客户流失率较低（因为替换成本高）；但总可寻址市场（TAM）相对较小。过去，垂直SaaS的核心挑战在于开发成本与市场规模的不匹配——为溜冰场开发专用软件的工程投入可能无法被有限的客户群体摊薄。AI编程工具的出现彻底改变了这一经济学：当开发成本降低一个数量级，大量此前"不值得做"的垂直市场突然变得有利可图。

Patrick的逻辑很清晰：软件和互联网带来的机会还远未触及大多数行业。在许多领域，占主导地位的仍然是"1990年代风格的笨重系统"——糟糕的移动端体验、零AI支持、缺乏协作功能。而AI大幅降低了软件开发门槛，使得领域专家可以直接为自己熟悉的行业构建定制化解决方案。

对话中提到了几个生动的垂直SaaS创业案例：

• 一位欧洲创业者为溜冰场开发管理软件，正在成为一个数百万美元的生意
• 英国乡村的瑜伽教练通过Replit构建了弹出式瑜伽课程连接平台
• 一个"颜值提升"（looks maxing）应用精准捕捉到了年轻人的文化潮流

Patrick还分享了一个实用的创业发现框架：寻找那些在年轻人中流行但社会地位较低的事物。加密货币十年前就是这样，而Stripe创立时，"为初创企业服务"本身也是一个被忽视的市场。

全球化创业：硅谷之外的机遇

关于创业的地理分布，Stripe的数据呈现出一个有趣的双重趋势：

一方面，全球各地的创业活动都在大幅增长。无论是迪拜、泰国、日本还是德国，现在都比12个月前更适合创业。AI降低了各地的准入门槛。

另一方面，那些真正爆发式增长的突破性企业仍然更集中在硅谷，而且这种集中度甚至在增强。不过Patrick指出，这可能是因为许多企业在其他地方起步，获得显著牵引力后才迁移到硅谷。

Amjad Masad对此的判断是：硅谷将更多地成为一个"平台之城"，而垂直SaaS和细分解决方案将去中心化，分散到更多利基社区中。溜冰场软件、乡村瑜伽平台这类产品，恰恰是硅谷永远不会想到去做的。

AI实验室会吞噬一切吗

对话中最具思辨性的部分是关于AI实验室是否会垄断所有价值的讨论。Patrick用了一个精妙的类比：没有食物就没有经济，但大部分经济价值并不被食品生产商捕获。AI将变得极其重要和丰富，但这并不意味着所有价值都会被AI实验室攫取。

Amjad补充了几个关键观点：

1. LLM本质上是一种底层技术，类似于计算本身——文本输入、文本输出，接口高度可商品化
2. 存在类似摩尔定律的进步曲线：GPT-2在2019年只有OpenAI能做，现在普通开发者可以在手机上训练类似模型
3. 人类的独特价值在于创造力和文化洞察——LLM擅长执行已知有效的方案，但不擅长发现分布之外的新事物

关于商业护城河是否会因AI而改变，两人引用了Hamilton Helmer的《七种力量》（7 Powers）框架。这是硅谷最具影响力的商业战略框架之一，被Netflix、Spotify等公司的高管奉为圭臬。Helmer提出的七种持久竞争优势分别是：规模经济、网络效应、反向定位、转换成本、品牌、垄断性资源和流程优势。他认为，持久的竞争优势必须同时满足两个条件：为客户创造差异化价值（利益条件），并且竞争对手无法轻易复制（壁垒条件）。

两人的共识是：基本的商业护城河不会因AI而改变，但竞争节奏会大幅加快。这意味着发现市场低效后，竞争会迅速涌入——这对硅谷的大型创业公司可能是挑战，但对长尾创业者来说反而是好消息，因为那些细分市场不值得大公司去争夺。

从想法到商业：五分钟的距离

对话中提到了MedVee——一家仅两人的公司，正在走向10亿美元ARR的轨道上，大量使用Replit构建。其创始人Matthew的工作方式令人印象深刻：从想法到在Replit上启动项目，只需五分钟。他明确表示更愿意管理AI代理而非人类员工。

Amjad将Replit的愿景比作任天堂——一个端到端控制体验的平台，从创意到部署到运营到变现，消除每一个摩擦点。Patrick则用Lisp的哲学来理解这一愿景。Lisp是1958年由John McCarthy发明的编程语言，是历史上第二古老的高级编程语言。Lisp最革命性的设计理念是"同像性"（Homoiconicity）——即代码和数据使用相同的表示结构，程序可以像操作数据一样操作自身的代码，实现强大的元编程能力。代码即数据，而在Replit的世界里，组织本身也可以成为代码。Patrick用这个类比暗示了一个更深层的转变：当AI使得软件开发变得像编辑文档一样简单时，组织的业务流程、运营规则甚至商业模式本身都可以被"编程"——动态调整、即时部署、持续迭代，模糊了"运营企业"和"编写程序"之间的界限。

回顾硅谷近50年的历史，每个十年都有人担忧创业的末日——80年代是日本威胁，90年代是微软垄断，2000年代是互联网泡沫破裂，2010年代是Google和Facebook的统治。但事实证明，押注创业精神一直是一个持久且回报丰厚的赌注。而现在，无论从短期趋势还是长期视角来看，这可能是有史以来最好的创业时代。

核心要点