现在用 AI 做一个产品变得越来越容易。
只把需求扔给 Claude Code、Codex 或 Cursor，几天甚至几个小时就能做出一个能用的版本。
但产品做出来，只解决了创业的一小部分问题。
接下来你还得注册公司、申请税号、开邮箱、买域名、办电话、接数据库、申请收款账户、办银行卡、接财务软件……
如果以后负责写代码的不是人，而是 AI Agent，这些事情反而成了新的麻烦：
AI 会写代码，但它没有身份证，没有公司，没有银行卡，也没有权限花钱。
美国一家叫 Naïve 的创业公司，做的就是这件事。
它把注册公司、邮箱、电话、银行卡、数据库、服务器、支付和各种商业软件，全部做成 AI 可以调用的接口。
简单来说就是：
以前你让 Claude Code：“帮我做一个 AI 招聘网站”，它就可以把网站写出来。
现在接入 Naïve 后，它还可以继续干后面公司要实际经营必须走的流程：
注册一家美国公司、申请 EIN 税号、创建工作邮箱、开虚拟银行卡、准备数据库；
连接支付工具 Stripe 和 QuickBooks，再给负责招聘、营销、客服的不同 AI Agent 分配账户和预算。
当然，AI 开公司并不是说 AI 自己成为公司的股东或法人。涉及身份认证、企业认证以及付款时，真人仍然必须参与。
但除此之外，大量过去需要创业者自己登录十几个网站、反复填资料和配置账号的工作，Naïve 希望让 Agent 自己完成。
这个听起来似乎有点超前的产品，增长却已经相当快了。
Naïve 上线几个月，已经获得超过 3 万名开发者客户。
创始人 Sean Dorje 透露，过去半年，公司年化收入规模增长了 10 倍，进入千万美元级别。
这个月，Naïve 又完成了 2850 万美元 A 轮融资，而整家公司目前只有大约 10 名全职员工。
而且，两个创始人今年都只有 20 岁。
他们14岁就开始一起做产品了
Naïve 的两个创始人叫 Sean Dorje 和 Dennis Zax。
两个人从 14 岁就认识，并开始一起做软件，后来都进入了加州大学伯克利分校，又都选择了辍学。
Dennis 的创业经历甚至可以追溯到高中。
2023 年，他还在读高三时，就做了一家公司叫 ezML。
当时训练和部署一个计算机视觉模型并不容易。
比如一家普通软件公司想给自己的 App 增加“识别图片里有什么”的功能，通常得自己准备模型、服务器和 GPU。
ezML 做的事情，就是把这些复杂工作封装起来，让不懂机器学习的开发者也能很快调用计算机视觉能力。
产品上线不久就获得了超过 1 万名用户。
为了赶上线，Dennis 和团队甚至有一段时间每天工作接近 20 个小时，整个代码库前后重写了五次。
后来，Sean 和 Dennis 在十几岁时把 ezML 卖掉了，交易金额和买家没有公开。
但他们接下来做的公司，还不是 Naïve。
2025 年，两个人进入 Y Combinator。
当时他们做的产品叫 Relixir。
如果你关注过 GEO 创业公司，这个产品应该很好理解：
它帮企业提高自己在 ChatGPT、Perplexity 等 AI 搜索里的曝光。
比如一个用户问 ChatGPT：
“最适合创业公司的财务软件有哪些？”
Relixir 会分析 ChatGPT 为什么推荐某些品牌、哪些问题没有出现你的公司，然后自动生成相应内容，提高品牌被 AI 引用和推荐的概率。
到 2025 年 11 月，Relixir 已经服务超过 200 家公司，包括 Rippling、Airwallex 和 HackerRank，并称帮助客户获得了超过 1 万条来自 AI 搜索的潜在客户线索。
当时它刚刚拿到一轮 200 万美元种子融资。
但几个月后，两个人又换方向了。
现在打开 YC 的公司页面，Relixir 已经被放进了“Previous Launches”，公司名字变成了 Naïve。
从一个“帮企业在 ChatGPT 里获客”的营销产品，直接跳到“让 AI 自己运营公司”，跨度看起来很大。
但 Naïve 抓住的其实是 Agent 普及之后，另一个出现的问题：
AI 已经越来越会干活了，但现实世界的大多数商业系统，根本不是给 AI 准备的。
AI 能把 App 写出来，但后面还有一堆事要人干
假设今天一个人想做一家 AI 客服公司。
用 Claude Code，他可能一天就能把第一版产品写出来。
然后问题来了：
公司叫什么？要不要注册 LLC？税号怎么办？客户的钱收在哪里？
客服 Agent 用哪个邮箱？调用 OpenAI 的 API 从哪张卡扣钱？数据库在哪里？
如果 Agent 想买一个每月 300 美元的软件，它能不能自己付款？
如果它突然刷掉 3000 美元怎么办？
这些事情过去都是“人”来完成的。
创始人打开 Stripe 注册一次，再打开 AWS 注册一次，再开 Gmail，再注册 “企微”，再申请银行卡，再接支付……
每个平台都有自己的账号、密码、认证和权限系统。
Naïve 就是想把这些开公司必须要做的事，都放到一个地方：
“一个提示词，一个配置文件，全部基础设施。”
开发者甚至不一定需要先登录 Naïve 后台。
比如可以直接在 Claude Code 或 Cursor 里告诉 AI：
“读取 Naïve 的配置规则，帮我给这个项目准备运行需要的基础设施。”
AI 会生成一个配置文件，告诉 Naïve：
这个 Agent 需要什么身份；能不能使用邮箱；要不要电话号码；需要数据库还是服务器；有没有银行卡；一个月最多能花多少钱；超过多少钱必须找真人审批。
随后 Naïve 再把这些东西准备出来，这里有一个很重要的产品思路。
Naïve 没有再做一个更聪明的 Agent。
Claude、GPT、Gemini，甚至以后出现的新模型，都可以负责“思考”。
Naïve负责的是另一层：
给这些 AI 一套进入现实商业世界的身份、账户、钱和权限。
甚至“注册公司”，也被它做成了一个功能
Naïve 官网现在已经可以直接办理美国 LLC/有限公司。
整个流程被拆成了几个步骤：
首先，真人创始人完成身份认证；
然后 Agent 可以填写公司的注册州、行业代码、业务介绍和几个备选公司名称；
然后支付费用即可。
Naïve 当前公布的 LLC 注册价格是 349 美元，里面包括州政府注册费用、注册代理服务、EIN 税号申请以及相关法律文件。
完成付款后，Agent 可以继续提交申请并追踪办理状态，最后把公司文件取回来。
有了公司身份以后，后面的东西就可以继续往上叠。
比如给 Agent 创建邮箱和电话号码，再比如银行卡。
Naïve 可以给不同 Agent 创建独立虚拟卡。
假设你有一个负责营销的 Agent，可以给它一张每月最多花 500 美元的卡。
它可以自己买广告工具、数据服务或者 API，但到了 500 美元，系统直接拒绝。
甚至还可以进一步规定：
50 美元以下自己决定；
50—500 美元可以付款，但留下记录；
500 美元以上必须等真人点击“同意”。
Naïve 的权限控制发生在付款之前，而不是等 Agent 把钱花掉之后再给你发一封报警邮件。
这个细节其实很重要。
因为很多“ AI 自动运营公司”的演示看起来很酷，真正到了商业环境里，第一个问题往往不是：
AI 会不会干活？
而是：你敢给它多大的权限？
一个可以发邮件的 Agent 和一个可以拿公司银行卡付款的 Agent，完全是两回事。
所以 Naïve 做的不只是“给 AI 更多工具”。
它同时在做一层权限系统。
每一次调用工具、支付、创建账号都可以记录；哪些能力可以使用、哪些禁止使用可以提前设定；敏感操作可以卡在人类审批环节。
第一批用户，已经拿它跑起了“无人公司”
这些能力如果只停留在产品演示里，其实没什么意思，我也不会分享。
Naïve 现在已经出现了一批很奇怪的真实用户。
创始人之一的 Sean Dorje 提到，目前增长最快的一类用户，是所谓的 AI 自动化代理公司。
这种公司的生意很简单：给其他中小企业做 Agent。
例如帮一家牙科诊所做自动接电话的 AI，帮房地产中介自动跟进客户，或者帮一家小公司自动处理销售线索。
过去你可能需要几个工程师、一个销售、一个运营。
现在有创业者直接让 Agent 自己完成其中大量工作。
Naïve 还发现有人用它经营 TikTok 和 YouTube 的“无人内容账号”。
其中一个账号每天生成猫狗跳舞、打拳的视频，再自动发布。
甚至还有客户，用它运营一家汽车租赁公司。
Sean 称，一些租车业务已经把大量日常操作交给 Agent 自动完成。
Naïve 目前还提供了一批现成模板，包括 AI 搜索营销公司、SaaS、招聘、财务、客服等。
例如一个招聘 Agent，可以连接招聘系统和日历，自己找候选人、筛选、安排面试。
一个财务 Agent，可以连接公司的支付和财务系统，整理财务数据并处理月末工作。
一个客服 Agent，则可以连接知识库和工单系统，自动分类问题和准备回复。
换句话说，Naïve 卖的已经不太像一个普通软件。
它更像是给这些 AI 员工准备的：
身份证 + 公司注册处 + 银行卡 + 电话运营商 + 云服务 + 权限后台。
为什么半年能涨 10倍？
Naïve 的增长里，有一个容易被忽略却至关重要的原因。
它并没有要求开发者换掉自己已经在使用的 AI 工具。
你还是可以继续使用 Cursor，还是可以用 Claude Code，也可以使用 Codex。
Naïve 只是让这些 Agent 多出一套“现实世界能力”。
YC 对它的描述我觉得非常到位：
开发者把一个提示词复制进自己的编码 Agent，Agent 自己生成配置文件，再调用 Naïve 准备所需的支付、身份、公司注册和基础设施。
这让它省掉了一个很麻烦的步骤：
不需要重新教育用户去学一个全新的 AI 工作方式。
用户在哪儿工作，Naïve 就嵌进去。
第二个原因，是它没有只做一个功能。
注册公司其实是低频需求，一个创业者不可能每个月注册十家公司。
但 Agent 一旦真正开始运营业务，后面会持续产生费用：
调用模型；搜索网页；发邮件；使用服务器；生成图片；使用数据库；购买第三方服务。
所以 Naïve 的收费也不是单纯一个 SaaS 月费。
目前基础套餐是 49 美元/月，Pro 是 149 美元/月，另外还有按使用量购买的 credits；每个 credit 标价约 0.05 美元。
注册美国 LLC 则另外收费 349 美元。
这意味着它可以同时赚三类钱：
订阅费、基础设施使用费，以及公司注册、支付等具体商业服务费。
而且随着一家客户使用的 Agent 越来越多，后两部分还会继续增加。
这也是为什么 Naïve 接下来花钱最多的地方，反而已经不是“帮用户注册公司”。
而是怎么把一大群 Agent 养得更便宜。
Agent 真正跑起来以后，最大的问题变成了成本
这是 Naïve 这个故事里另一个很有意思的变化。
刚开始，大家觉得 Agent 最大的问题是能力不够。
现在，部分用户开始发现另一个问题：Agent 太贵了。
一个 AI 员工如果全天运行，会不停调用大模型。
它要反复读取之前的聊天记录、公司资料、客户信息。
几个 Agent 还可能互相讨论。
有些时间它其实只是在等邮件、等网页加载、等另一个任务完成，但服务器依然在运行。
这些东西最后都会变成钱。
在 Naïve 目前的客户需求里，推理成本优化和无服务器 Agent 已经成为增长最快的部分之一。
所以这轮 2850 万美元融资之后，Naïve 把研发重点放到了四件事情上：
第一，Agent 不工作的时候，就别为服务器付钱。
传统做法可能给每个 Agent 长期开一台虚拟机。
Naïve正在做更轻量的运行环境。Agent 干活的时候启动，等任务的时候休眠，减少空转成本。
第二，简单工作别总用最贵的大模型。
比如提取一个电话号码，并不需要每次都调用最强的 Claude 或 GPT。
Naïve 正在做模型路由：根据任务难度，把不同任务交给不同价格的模型。
第三，别让每个 Agent 每次都把公司历史重新读一遍。
它在做统一的公司“记忆层”，把客户、业务规则、过去发生过什么整理起来，需要什么再提供什么。
第四，别让十个 Agent 一起瞎忙。
系统要决定什么任务交给哪个 Agent，哪些工作需要合作，哪些根本没必要调用大模型。
所以你会发现，Naïve 的商业逻辑其实发生了一个很自然的延伸：
最开始，它解决的是：怎么让 AI 能开公司。
等客户真的把 AI 放进公司之后，它又开始解决：
怎么让几十、几百个 AI 员工便宜、安全地一直工作。
这部分生意，长期甚至可能比“注册公司”大得多。
Naïve 真正想做的，是把“公司”变成一个API
过去二十年，互联网已经把很多商业能力拆成了一个个可以直接调用的服务。
想收款，不用自己建银行系统；
想发短信，不用自己成为电信公司；
想开服务器，也不用自己买机房。
但这些产品有一个共同前提：最后操作它们的是人。
但现在的变化是：
以后使用这些商业基础设施的，可能首先是 Agent。
而 Agent 和人最大的不同是，它不喜欢网页后台，也不需要漂亮的按钮。
Agent 需要的是：
明确的接口、明确的身份、明确的权限、明确的预算。
所以 Naïve 做的事情，可以理解成：
把运营一家公司本身，变成一组 AI 可以直接调用的功能。
模型最终是不是 Claude，还是 GPT，并不是 Naïve 最核心的问题。
因为能写代码，只是第一步。