數據庫公司七成新增用量來自AI代理，不是人類工程師
各行各業的人不再需要說服工程師才能動手：AI讓懂業務的人直接建出複雜系統，這個新建造者群體的增長目前看不到天花板。
原視頻在 YouTube 上放不出來，用音頻聽：
核心論點 · 點時間戳可跳到原聲
一年內數據庫在管量從800萬到5000萬
Superbase註冊用戶從去年同期約300萬漲到1300萬，每週新建數據庫超過100萬個，數據庫在管總量從800萬逼近5000萬，預計今年收入增長4倍。驅動力不只是AI輔助軟件工程師寫代碼更快，更關鍵的是原本不具備工程背景的人第一次能在Superbase上直接建東西——這是增長曲線真正的拐點。
— Paul新增長曲線反常：轉化率不降反升
通常用戶量暴漲時，激活率、轉化率等指標會被稀釋而下滑，這是產品增長裡幾乎公認的規律。但今年Superbase所有相關指標都在同時上升，原因是模型變得足夠強，讓大量原本不會寫代碼的人也能把東西建成——早年投資人說PLG式增長會在某個收入規模觸頂、必須轉向銷售驅動的說法，到今年為止還沒被驗證成立。
— Paul下一步要撐住12億量級的請求
Paul用ChatGPT 12億周活躍用戶做了個算術推演：如果這些用戶每人每月都想建一次東西，就是12億個數據庫/月——這是數據庫行業從未需要面對的規模。為此公司收購了兼容Postgres和SQLite的Terso，推出輕量級的Superbase Spark層，定位是「從原型到拍字節」，同時維護能擴到拍字節級的多租戶架構和面向輕量起步場景的架構兩端。
— Paul內部寫代碼：工程師被說服而非被規定
公司內部沒有AI使用政策，員工想用什麼工具就用什麼。結果是從10%的工程師靠AI寫出80%的代碼，六個月內變成60%的工程師做到同樣比例——不是靠強制，而是工程師逐漸被模型實際產出的質量說服。與此同時，隨著AI生成代碼越來越多，團隊為正確性兜底而寫的測試數量也大幅增加，這在YC的其他被投公司（如Blacksmith、UbiCloud）身上也能看到同樣的模式。
— Paul三次換血：儀表盤到API到代碼優先
每次轉型都有一個具體觸發點。第一次是發現連軟件工程師都覺得用數據庫太難，於是做了個像Airtable一樣蓋在Postgres上的儀表盤。第二次是2021年一個客戶要求批量建庫倒逼出API，恰好趕上2024年Bolt、Lovable等AI建站工具爆發式採用。第三次發生在今年：團隊發現幾乎沒人再訪問儀表盤了，於是把CLI和整套產品重做成「基礎設施即代碼」，讓它天然匹配agent的工作方式。
— Paul贏代理分兩階段：選中之後還要防止它跑路
Superbase把面向人類的「500報錯」式錯誤信息，改寫成直接告訴agent該怎麼修、該去讀哪份文檔——因為贏得AI工具這門生意分兩步：先要被模型選為默認數據庫，然後在agent卡住時不能讓它轉頭換別的工具，所有agent遲早都會卡住，關鍵是有沒有把自我修復的手段遞給它。這種專門為agent而非人類重做產品細節的工作，佔據了團隊現在相當一部分工程精力。
— Paul個人知識庫：靠檢索結構，不是堆上下文
GBrain的構建者發現，context窗口再大也不夠用——100萬token大約等於三本哈利·波特，但讓agent在回答某個問題時剛好調出「正確的那三本」本身就很難。於是用Postgres的pgvector做檢索，在數據庫裡直接建圖結構把非結構化數據組織起來，再讓「Cappy」這類自動化角色24小時跑eval循環，持續測試並改進檢索準確率，相當於一個針對單一場景的、很原始的遞歸自我改進。
垂直SaaS融資難，小團隊靠AI做到高利潤率
當下市場有個反常現象：年收入500萬到1000萬美元的垂直SaaS公司很難拿到Series A（放在九到十二個月前這是穩拿的門檻），但橫向和AI相關的項目卻一路綠燈。與此同時，15人的團隊就能做到2500萬到5000萬美元的年收入、人均200萬美元ARR、50%利潤率，不再需要融一大筆錢去堆人頭——這讓「沒融到錢」從過去創業圈裡的恥辱變成了值得羨慕的結果。
原話 · 已逐字校驗
I think actually if databases under management now are approaching 50 million, and this time last year it was 8 million.
我們現在在管的數據庫數量接近5000萬，去年同期是800萬。
Paul1:05
usually when this happens, you see a lot of the other numbers start to decline, activation, conversion. But actually this year, all of them are kind of going up and to the right, which is a bit insane just because the models are getting so good at building.
通常出現這種暴漲時，你會看到其他指標比如激活率、轉化率開始下滑。但今年實際上所有指標都在一路向上，這有點離譜，原因就是模型在構建這件事上變得太強了。
Paul4:14
Well, one kind of cool example was at our conference. We had the conference here and afterwards, this guy from Brazil came up to me and he's built an entire taxi app from his phone. And it's kind of like a little mini Uber for his local market.
有個挺酷的例子是在我們的大會上。會後有個巴西來的人找到我，說他在手機上建了一整個打車軟件，就像他當地市場的一個迷你版Uber。
Paul8:24
because there's like two stages to winning the agents the first is being picked by the model and then the second is like if they get stuck you don't want them to switch away
因為贏得agent這件事分兩個階段：第一是被模型選中，第二是如果它卡住了，你不希望它轉頭換別的工具。
Paul30:57
a million tokens is actually an incredible working memory like most human beings only have like seven plus or minus two things that they can keep in their head whereas like a million tokens is like basically uh like three harry potter books
100萬token其實是一種驚人的工作記憶——大多數人腦子裡只能同時裝下七個左右（正負二）的東西，而100萬token大概相當於三本哈利·波特。
It was like if you've got 15 people, 2 million ARR per head and with 50% margins, you're all making a million a year. I mean, that's an amazing outcome for a lot of people.
就是說如果你有15個人，人均200萬美元ARR，50%的利潤率，那你們每個人一年能掙一百萬美元。這對很多人來說已經是個很棒的結果了。
Databases have been around for 50 years. I think they'll be around for another 50 years.
數據庫已經存在了50年。我認為它還會再存在50年。
Paul45:40
數字與實體
| Superbase註冊用戶數 | 1300萬（去年同期約300萬） | 1:05 |
| 數據庫在管總量 | 接近5000萬（去年同期800萬） | 1:05 |
| 今年預計收入增速 | 4倍 | 1:05 |
| ChatGPT周活躍用戶 | 12億 | 14:34 |
| 內部工程師用AI寫代碼佔比變化 | 從10%工程師寫80%代碼，6個月內升至60%的工程師 | 17:36 |
| AWS收入中來自初創公司的佔比 | 約40% | 24:48 |
| 15人團隊的人均ARR與利潤率 | 人均200萬美元ARR，50%利潤率 | 43:32 |
術語
- RSI遞歸自我改進
- AI靠自動循環不斷測試、改進自身能力，這裡指持續跑eval自我優化檢索效果
- vibe coding氛圍編程
- 憑感覺口述需求讓AI直接生成代碼，不深究實現細節
- Lindy effect林迪效應
- 存續越久的事物，預期剩餘壽命也越長
- PLG產品驅動增長
- 靠產品自身吸引和轉化用戶的增長模式，不依賴銷售團隊
收聽指南
關注AI原生基建、開發者工具增長曲線，以及「全民建造者」趨勢的創業者、產品經理和早期投資人。
片頭([0:00])是全集剪輯混剪，內容後文都會重複出現，可直接從[1:05]聽起。