Emergent 如何把六個月 tinkering
變成 100M ARR
這支 Y Combinator 訪談不是單純的 AI 順風車故事。它更像一份早期公司判斷清單：創辦人如何從個人低潮、技術試玩、benchmark、完整交付與全球市場，走出一條成長路徑。
來源：Y Combinator YouTube 頻道
SCROLL
這支 Y Combinator 訪談不是單純的 AI 順風車故事。它更像一份早期公司判斷清單：創辦人如何從個人低潮、技術試玩、benchmark、完整交付與全球市場，走出一條成長路徑。
來源：Y Combinator YouTube 頻道
Emergent 是一個讓沒有程式背景的人也能做出軟體的平台。使用者用聊天方式描述需求，系統處理設計、程式、部署、維護，目標不是做一張漂亮畫面，而是產出能被使用、能收費、能交付給客戶的產品。
影片裡提到，現在平台有超過 850 萬名使用者、累積超過 1,000 萬個 app，並跨過 1 億美元年化營收。更值得看的是時間：受訪者說，現行版本推出大約 9 個月。這讓 Emergent 的故事變成一個問題：為什麼同樣在 AI 浪潮裡，有些產品只停在展示，有些公司可以快速長成生意？
Emergent 的使用者很多是沒有技術團隊的創業者。他們不缺想法，缺的是能把想法變成軟體、上線、維護、收費的能力。
在做 Emergent 之前，受訪創辦人曾創辦 Dunzo。那是一家營運密度很高的公司，高峰時有大量騎手、訂單與門市網路，也曾是印度很受歡迎的消費品牌。2023 年 9 月離開後，他花了大約 6 個月反省前一家公司哪裡可以做得更好。
剛好 AI 在那段時間快速前進。GPT-4 剛出來不久，新的語音模型與開源模型陸續出現。寫程式變成他的出口，他每天花 10 到 12 小時坐在電腦前試模型、做工具、寫 Mac 上的助理。這些東西一開始沒有商業目標，只是因為他想知道新技術能做到哪裡。
這段經歷對創業者很有用。很多大題目不是從投影片長出來，而是創辦人長時間住在一個技術邊界旁邊，看到模型哪裡還不行，也看到六個月後可能會變成什麼樣子。
當時多數公司在做 co-pilot，讓 AI 輔助人寫程式。Emergent 的判斷更激進：如果模型能力會快速進步，就應該朝「自動化軟體工程」的方向設計，而不是只把 AI 放在工程師旁邊。
他們拿這個想法去找投資人，很多人不相信。理由很直接：當時的 AI 還沒那麼好。受訪者的回答也直接：他們已經在前線使用模型，能看到能力的火花，也能判斷哪些問題會被下一代模型吃掉。早期很多 YC 公司在解 JSON parsing，他們選擇跳過，因為他們相信下一代模型會把這個問題處理掉。
他們進 YC 時，原本做的是 testing agents，也曾每週換一個想法。團隊開始受不了，因為白板上的題目一直變。創辦人後來把大家拉去攻一個 coding agent benchmark，理由很務實：即使還沒決定最後產品，也能透過 benchmark 學會最難的技術問題。
三個月後，一個 4 人團隊做到世界第一。這件事不只是履歷上的亮點。訪談裡說，今天 Emergent 的許多核心技術，包括平行 test-time compute、記憶系統、agent 之間的溝通，都來自那段解 benchmark 的過程。
這對早期新創很重要。沒有方向時，不一定要立刻找一句漂亮定位。有時候更好的做法是選一個足夠難、足夠接近未來產品的指標，讓團隊在解題中長出真正的能力。
Emergent 推出時，市面上已經有 AI website builder，也有不少小型競爭者。受訪者說，他們看到的空缺不是「做出畫面」，而是「做出真的能跑的軟體」。很多產品擅長生成前端和 prototype，但使用者要的是後端、資料庫、部署、維護，以及真的能交給客戶使用的產品。
這讓 Emergent 的技術路徑變得很重。他們做多 agent 編排系統，讓設計 agent、測試 agent 和其他角色在不同時間接手任務；做大型記憶系統，從每個新 app 抽出可學習的經驗；也投入自己的容器與 snapshot 技術，讓多個平行 agents 可以在同一個狀態上工作。
這也是第二個進場者的機會。第一批公司教育市場，讓大家知道 AI 可以做網站；後來者如果看見更深的未滿足需求，就能把戰場從「能不能開始」移到「能不能完成」。
Emergent 的使用者分布在 190 個國家，收入主要來自美國與歐洲，印度收入約 10%。團隊 95% 在 Bangalore，小部分在舊金山。受訪者反覆強調，今天從印度做全球公司和做在地公司一樣難，所以一開始就該想全球市場。
他們的 GTM 判斷也很直接：產品已經能用，優先任務就是讓更多人看到。於是團隊把成長拆成社群瀏覽、曝光、點擊、使用者轉換，再用 influencer 策略把產品推到最大量的潛在使用者面前。這不是把行銷變神祕，而是承認好產品仍需要分發。
最後的建議很適合台灣創辦人：大題目不一定更難。難題反而更容易吸引人才，也更容易讓創辦人自己撐過壓力。AI 讓工具與通路變平，現在不是只攻地板，而是要攻天花板。
Dunzo 早期有 87 家公司做類似事情。真正難的不是開一個 WhatsApp 入口，而是把最後一哩交付做到穩定。創辦人自己騎車送貨，工程師在晚間尖峰回到客服聊天視窗，團隊甚至為了替客戶送包裹把騎手送上飛機。這些都是 YC 常說的做不能規模化的事。
他也提到反面教訓。Dunzo 有些模式其實跑得很好，但公司同時做太多事情，沒有及早把資源壓到最有效的方向。到了 Emergent，這個經驗變成兩件事：先選難題，然後集中火力；同時用營運方式監控每個建置任務，哪裡壞掉就標記出來。
Emergent 的核心不是「AI 會寫程式」這一句話，而是把創辦人的痛點、模型進步、技術指標、完整交付、全球分發與營運紀律接在一起。這些東西一起發生，100M ARR 才不是只有市場熱度。
AI 進步越快，早期公司越要站在六個月後的位置做今天的產品決定。
Emergent 的故事提醒創辦人：不要只追模型今天能做什麼，要問下一代模型來時，你的產品會不會剛好站在它打開的路上。
選完之後，分享你的觀點
這頁整理自 Y Combinator YouTube 頻道。原始訪談保留了 Emergent 創辦人談 Dunzo、六個月 tinkering、coding agent benchmark、全球市場與 AI 原生公司招募的完整脈絡。
前往 YouTube →喜歡這種分析嗎？
從 AI 新創、平台策略到產品判斷，用台灣讀者看得懂的語言，把複雜的產業變局說清楚。目前已有超過 2 萬位讀者訂閱。
免費訂閱區塊勢 →也可以直接付費支持，解鎖每週完整文章