2026 年 3 月的某个凌晨两点，拉斯维加斯大道上一家连锁酒店的前台电话响了。来电者是一位刚落地的巴西游客，葡萄牙语夹杂着英语，要求加一条毛巾、确认第二天退房时间、顺便问停车场怎么走。电话那头，没有任何一个人类员工接起这通电话。回应他的是 Lance——一个 Y Combinator W2026 批次刚孵化出来的 AI Agent，它用流利的葡萄牙语完成了全部请求，工单自动派发到客房部，整个过程耗时 47 秒。

这不是概念验证。这是正在运营中的商业产品。而它折射出的，是 AI Agent 经济正在经历的一次根本性转向：从屏幕上的对话框，跃入钢筋水泥构筑的物理世界。

YC 的赌注：88% 的 AI 原生浓度意味着什么

Y Combinator 在 2025 年资助了超过 470 家初创公司，录取率仅 1.5%，比哈佛商学院还难进。但真正值得关注的数字不是规模，而是构成——其中 88% 为 AI 原生企业。这个比例在一年前还不到 60%。到了 2026 年冬季批次，这一趋势进一步固化：几乎每一家拿到 YC 支票的公司，其核心价值主张都建立在大语言模型或多模态智能体之上。

逐一审视这些公司的定位，能看到一条清晰的光谱。光谱的一端是纯数字世界的效率工具：Carson 试图用生成式界面取代 Microsoft Office 的桌面范式，它的创始团队来自 Palantir 和 Pinterest，核心理念是”AI Agent 不该被困在聊天气泡里”——它会根据用户的任务动态生成研究看板、幻灯片编辑器或自动化工作流。Jarmin 更激进，直接把自己定位为”AI 员工即服务”，创始成员从 Meta SuperIntelligence Labs 的大模型训练基础设施团队出走，在 Apple 做过面向十亿用户的生产级机器学习部署，声称能替代年薪 20 万美元以上的机器学习工程师完成端到端的模型开发和管线维护。

光谱的另一端，则是那些要与物理世界发生碰撞的公司。Adaptional 正在把保险承保——这个依赖大量纸质文件和人工判断的古老行业——变成一套”智能系统”，AI 从投保文件中提取数据，用公开信息源交叉验证每一个数据点，再按照承保指南生成风险摘要。Eloquent AI 走得更远，它在四周之内就达到了 50 万美元年化经常性收入，方法是让 AI 操作员通过观察现有工作流和标准操作程序来学习，然后安全地控制浏览器和桌面应用程序，自动化受监管金融业务中高达 96% 的任务——不需要 API 集成，不需要工程资源。

这里隐藏着一个关键转折：早期的 AI 创业公司大多是”API 上面搭个壳”，核心能力完全依附于底层模型提供商。而 2026 年这一批公司的共同特征是，它们开始构建自己的工作流编排层、领域知识图谱和物理世界的接口。模型是燃料，但引擎是自己造的。

Lance：当 AI Agent 拿起电话、推开酒店大门

在这张光谱上，Lance 占据了一个独特的位置——它可能是 YC 近年来投资的最”物理”的 AI 公司之一。

酒店行业的数字化程度之低，可能会让科技从业者感到不可思议。2026 年的今天，绝大多数酒店的日常运营仍然建立在电话呼叫之上。客人打电话要毛巾、问退房时间、投诉空调、预订会议室——每一通电话都会触发一条人工工作流：有人接听，收集信息，把任务路由到对应部门，跟踪执行，确认完成。

这个模型在人手充裕时勉强运转。问题是，酒店业正经历严重的劳动力短缺——65% 的酒店报告称存在人员配置缺口。在繁忙时段或深夜时分，酒店最高会错过 40% 的来电。不是因为需求太大，而是因为运营模式无法弹性伸缩。

Lance 的解决方案分为三层。第一层是前台接待 AI Agent，覆盖电话、短信、邮件和酒店消息平台，7 天 24 小时应答客人请求，支持多语言。关键在于它不只是应答——它会收集必要信息、将工作派发到正确团队、在需要时向人类升级。第二层是销售 AI Agent，负责处理入站销售询价和活动提案请求，自动筛选潜在客户、收集预订细节、起草报价方案，确保酒店不会因为回复太慢而丢掉生意。第三层是 Lance Pad，一个面向服务团队的平板操作中枢，用实时通信替代对讲机，让客房服务、维修、前台在一个系统中协调任务。

这里面有一个技术细节值得深挖：当工作流需要操作酒店的旧系统——比如本地部署的物业管理系统或中央预订系统——Lance 使用基于视觉的计算机操作 Agent，也就是让 AI 像人类操作员一样”看着屏幕点鼠标”来完成任务。这不是优雅的 API 集成，而是对现实世界技术债务的务实妥协。酒店行业大量使用的 PMS 系统可能已经运行了十年以上，没有 API，没有 Webhook，但 Lance 依然能接入——因为它选择了绕过系统架构，直接模拟人类的操作行为。

这个策略揭示了 AI Agent 进入物理行业的核心挑战：不是模型能力不够，而是接口不存在。数字原生行业（金融科技、电商、SaaS）之所以率先被 AI 渗透，是因为它们天然有 API、有结构化数据、有可编程的工作流。而酒店、餐饮、物流、制造这些行业，它们的”接口”是电话、对讲机、纸质工单和二十年前的 Windows XP 桌面软件。

Lance 的策略本质上是在说：我们不等这些行业完成数字化转型，我们直接用 AI Agent 跳过这一步。

Anthropic 的企业市场闪电战与基础设施军备竞赛

Lance 这样的公司能够存在，前提是底层模型的能力已经越过了某个关键阈值。而这个阈值的推动者，在企业市场上越来越明确地指向 Anthropic。

根据市场数据，Anthropic 在企业 AI 市场的份额在短短十周内从 50% 飙升至 73%，在首次购买 AI 工具的企业买家中尤其占据压倒性优势。这个速度令人震惊——十周，不到三个月，一个市场格局就发生了结构性翻转。

这背后的逻辑并不难理解。企业买家与消费者有本质区别：他们不需要最炫的模型，他们需要最可靠的合作伙伴。稳定性、可预测性、安全合规——这些在消费者产品中无人在意的特质，在企业场景中是决定采购的关键因素。

这意味着像 Lance 这样的垂直应用公司，正在受益于一场它们并不参与的底层军备竞赛。当 Anthropic 和 OpenAI 争相向企业提供更强大、更可靠、更便宜的模型时，建立在这些模型之上的应用层公司就能以更低的成本获得更强的能力。

与此同时，超大规模云厂商 2026 年的资本开支预计将达到 6450 亿美元。这些钱大部分流向 GPU 集群、数据中心和网络基础设施。翻译成产品语言就是：推理成本还会继续下降，模型能力还会继续上升，AI Agent 能够承担的任务复杂度还会继续提高。

从 2023 年到 2026 年，大语言模型的推理成本已经下降了超过两个数量级。三年前，让 AI 完成一通复杂的酒店服务电话可能需要花费数美元的推理费用；今天，这个成本已经降到了美分级别。正是这种成本曲线，让 Lance 的商业模型从理论上可行变成了经济上可行。

从数字到物理：AI Agent 的三级跃迁

把视野拉远，我们正在见证 AI Agent 经济的三级跃迁。

第一级是纯数字任务自动化。这是 2023 到 2024 年的主战场——AI 写邮件、做研报、生成代码、处理数据。Carson 和 Jarmin 仍然处于这一层级，尽管它们的产品形态比早期的聊天机器人复杂得多。在这个层级，AI Agent 操作的对象是比特，工作环境是浏览器和 IDE，失败的代价是用户重新点击一下”撤销”。

第二级是数字到物理的桥梁。Lance、Adaptional 和 Eloquent AI 代表了这个层级。AI Agent 仍然运行在云端，但它的输出直接影响物理世界——一条毛巾被送到客房、一份保单被签发、一笔合规交易被执行。在这个层级，错误的代价不是”重来一次”，而是客户投诉、合规罚款或运营事故。这就是为什么 Lance 需要人类升级机制，为什么 Eloquent AI 强调”受监管运营”——物理世界的容错率远低于数字世界。

第三级是完全物理自主。这是机器人和自动驾驶的领地，目前还没有被 YC 这一批公司覆盖。但从第二级到第三级的边界正在变得模糊——当 Lance 的 AI Agent 通过视觉操作来控制酒店的门锁系统或温控面板时，它已经在某种意义上”触摸”了物理世界。

这三级跃迁中，第二级是当下最大的价值创造区间。原因很简单：第一级已经过于拥挤，第三级技术尚未成熟，而第二级同时具备巨大的市场空间和刚刚跨过的技术门槛。

全球酒店行业的年收入超过 8000 亿美元，餐饮行业超过 3 万亿美元，物流行业超过 10 万亿美元。这些行业的共同特征是：劳动密集、利润微薄、数字化程度低、工作流高度非结构化。过去十年的 SaaS 浪潮几乎没有触及它们——因为这些行业的工作无法被简化为表格和仪表盘。但 AI Agent 可以做到 SaaS 做不到的事情：它不是给你一个工具让你更高效地工作，而是直接替你工作。

冷水时刻：物理世界的反击

当然，从数字跃入物理并非坦途。

首先是可靠性问题。在纯数字场景中，AI 偶尔出错是可以容忍的。但当 AI Agent 接起酒店电话，对客人做出了错误的承诺——比如确认了一个不存在的房型、给出了错误的价格——后果是直接的商业损失和品牌伤害。Lance 在其产品设计中内置了人类升级通道，这不是可选功能，而是生存前提。

其次是集成复杂度。Lance 使用视觉操作来对接旧系统，这种方法虽然务实，但本质上是脆弱的。PMS 系统的界面一旦更新，视觉操作流程就可能失效。而酒店 IT 系统的碎片化程度极高——不同品牌、不同地区、不同管理集团使用的系统组合千差万别。

第三是信任壁垒。酒店是服务业的典型代表，”人”是其价值主张的核心组成部分。当客人发现与自己对话的不是真人，反应可能是两极化的。这里存在一个微妙的悖论：AI Agent 需要做到足够像人以建立信任，但又不能伪装成人以避免伦理争议。

So What：6450 亿美元的基础设施赌注，押的是什么

让我们回到那个宏大的数字——超大规模云厂商 2026 年 6450 亿美元的资本开支。

这笔钱，表面上是在建数据中心、买 GPU。但本质上，它是在为 AI Agent 经济从数字跃入物理世界铺设基础设施。每一个新的 GPU 集群投入运营，推理成本就再降一级；每降一级，就有一个新的物理行业在经济上变得可以被 AI Agent 渗透。

YC 2025 年批次中 88% 的 AI 原生浓度、Anthropic 十周内市场份额翻倍的闪电战、Lance 把 AI Agent 推进酒店前台的尝试——这些看似散落的数据点，实际上在描绘同一幅图景：AI 的价值捕获正在从模型层向应用层、从数字世界向物理世界快速迁移。

真正的问题不是 AI Agent 能不能接酒店前台的电话。这个问题已经被回答了——能。

真正的问题是：当 AI Agent 能够以美分级成本、毫秒级响应、全语种覆盖来运营一家酒店的前台和销售时，全球 70 万家酒店中那些仍在依赖人工接线员的酒店，还有多少时间可以犹豫？

而当酒店的答案变得清晰之后，下一个被问到这个问题的，将是餐厅、诊所、物流仓库、物业管理公司，以及一切劳动密集型服务业。

这不是一个关于技术的故事。这是一个关于经济引力的故事——当成本曲线穿越了某个临界点，变革就不再是选择题，而是时间题。

参考资料

  1. Y Combinator funded 470+ startups in 2025, 88% AI-native — Gian Seehra, LinkedIn
  2. Y Combinator Enterprise Startups Directory — YC, 2026
  3. AI Spending Shift: Anthropic Dominates the Enterprise Market — Graycliff Cottage, 2026
  4. Lance — AI Agents That Run Hotel Operations — YC W2026