YC 想投的 11 个创业方向:AI 变强以后,还缺什么?

原文链接: https://www.ycombinator.com/rfs 来源: www.ycombinator.com 发现于: 小互 · AI 解读站 · 2026/10/31 说明: 本文由 AIHot 自动聚合,并由 GLM 翻译为中文(保留全部代码与链接)


Requests for Startups

RFS is our tradition of sharing ideas we'd like to see founders tackle. These represent just a fraction of what we fund — if one excites you, take it as extra validation to dive in, but you don't need to work on these ideas to apply to YC.

Winter 2027

AI's biggest bottlenecks are moving beyond the models. We're excited about a new wave of startups building the hardware, infrastructure, financial systems, and specialized software needed to bring intelligence into the real economy, from factories and data centers to government and space.

Startups in a World of Abundant Space Access

By Ankit Gupta
SpaceX is projecting a near future in which there will be 10,000 Starship launches per year.

目前,一次性使用的 Starship 的成本已经几乎与可复用的 Falcon 9 相当,且每公斤的成本要低得多。随着 Starship 的规模扩大并实现可复用,我们将看到每公斤发射成本下降几个数量级。

这意味着现在是时候思考在一个太空准入资源充裕的世界中,如何开展初创企业了。有哪些商业模式在今天行不通,但当发射成本下降 100 倍甚至更多,且轨道经济起飞时却能行得通?我们认为这些公司现在就应该成立,如果你是一位有相关创意的构建者,我们非常欢迎你申请。

每小时 15 美元的专家

By Brad Flora
大多数人都在谈论 AI 取代工人。而我们对此感到兴奋的是相反的一面:AI 将普通工人转变为专家。我们看到一些公司雇佣没有资历的聪明人,用 AI 为他们赋能,让他们从事过去需要专家才能完成的工作。想象一下,一位非常优秀的客户服务代表,同时也非常擅长使用 AI,突然能够就复杂的并购、供应链优化或全球贸易提供咨询。

在福利、税务、保险理赔、医疗账单和移民文件等领域,有数百万份这样的工作。任何将资质认证作为瓶颈的地方,这种模式都适用。

上一次工业革命通过工厂工作建立了中产阶级。这一次,它可以通过专家型工作来建立中产阶级。我们要资助那些实现这一目标的公司。

美国制造的机器人

By Diana Hu
最好的机器人基础模型开始将技能从一个机器人转移到另一个机器人,我认为瓶颈正在转移到硬件上。

2025 年,美国安装了 38,400 台工业机器人,同比增长 12%,但这里的绝大多数机器人仍从日本和欧洲进口。即使是在美国组装的机器人,也可能依赖中国的磁铁。2024 年,中国生产了全球 94% 的烧结稀土磁铁;2025 年 4 月,当中国限制出口时,一些汽车制造商不得不削减产量。

7 月,联邦通信委员会(FCC)停止批准新的联网移动机器人型号,除非它们是在美国制造的,或者获得豁免。要符合资格,机器人的组件成本中必须有超过 65% 来自国内,到 2029 年这一比例将上升至 75%。仅仅组装进口零部件是无法满足这一要求的。

我们致力于资助在美国本土构建机器人及其供应链的创始人,涵盖稀土磁铁、电机、谐波齿轮、编码器、力传感器、夹爪、芯片、电池组以及制造这些部件的设备。

如果您正在从事相关领域的研发,我们非常乐意与您交流。

擅长写作的 LLM

由 Jared Friedman 撰写

随着大型语言模型(LLM)在编程和数学方面变得越来越强,它们的写作能力实际上却在退步。您并非错觉:当前的模型确实比 2024 年和 2025 年的模型听起来更具“机器味”。

这似乎不仅仅是一个暂时的故障,而是一个结构性问题。使模型擅长代码的相同奖励信号,实际上会抹平语气和风格。

如果被迫做出选择,各大实验室始终会选择专注于编程和智能体工作流,而非风格。这为一家致力于生产人们乐于交谈的模型的初创公司留下了机会。因此,如果您对此感兴趣,我们非常期待听到您的声音。

政府福利领域的 Plaid

由 Gustaf Alströmer 撰写

如果您曾经申请过政府福利,您就知道流程是怎样的。证明您的收入。证明与您同住的人。证明您的居住地。然后,为了下一个项目重复这一切,并在续期时再次重复。

每个机构都有自己的门户,且彼此之间不共享数据。人们常常因为缺少一份文件而被拒绝。政府工作人员手工核对工资单。

这套既把诚实的人拒之门外,也让欺诈者混入其中的系统,每年给联邦政府造成的欺诈损失高达数千亿美元(据美国政府问责局估计)。而现在,人工智能只需几秒钟就能伪造工资单。

在 Plaid 出现之前,每个金融科技应用都要自己建立银行连接。有了 Plaid,只需轻点一下即可。政府也需要这样一层基础设施。

在获得您的同意后,它直接从源头拉取经过验证的收入、税务和居住记录,并一次性同步到所有项目中。一次验证,处处申请。符合条件的人能更快获得批准,而欺诈者则无据可造假。

从 2027 年开始,各州必须每六个月重新核查数百万 Medicaid(医疗补助)参保人的资格。很快,AI 代理将负责注册流程,但这只有在它们能够信任数据的前提下才能实现。

谁构建了这些管道,谁就掌握了我们安全网的基础设施。如果您正在构建此类系统,我们非常乐意与您联系。

实体建设领域的华尔街

作者 Brad Flora
软件的开发成本很低。但机器人、GPU 集群和数据中心则不然。有人必须 upfront(预先)支付所有这些钢铁和硅片的费用,而相关的融资渠道目前大多尚未存在。

如今,银行像对待叉车一样为机器人提供承销服务。我们合作的创始人正在自行发明金融工具,例如为每年赚取 50 万美元的机器人提供贷款,并为 GPU 容量提供期权。

从铁路到电力再到电信,每一次伟大的基础设施建设都催生了巨大的金融公司。我们希望看到创始人为实体 AI 经济构建贷款机构、租赁公司、证券化和对冲基金。

如果你既懂技术又懂商业,我们很乐意与你交流。

垂直基础模型

By Diana Hu
我认为 Jev 切中要害,因为它为开发者提供了类型化的决策和概率,而不是生成的文本,且无需为每个任务训练分类器。

我希望看到更多的研究机构为制造业、能源和生物学构建专用的基础模型,这些模型能够实现零样本(zero-shot)学习或仅凭少量示例即可工作。其标准是在推理计算量减少几个数量级的情况下,性能匹配甚至超越通用模型,从而使其成本足够低廉,能够部署在各种设备上运行。

例如,Google 的 TimesFM-3 展示了这在预测领域的应用。这是一个拥有 3.3 亿参数的模型,能够一次性预测相关的时间序列,无需针对特定任务进行微调,并在一次前向传播中输出完整的预测结果。训练只需进行一次,每个新用户只需提供自己的历史数据作为上下文即可。

难点在于获取高质量、垂直领域特定且可验证的奖励。你需要拥有数据的使用权,并且在准确性和计算效率上明显优于现有的专业模型。如果你足够了解某个领域并能够为其构建模型,我们很希望听到你的声音。

面向市政厅的 AI

By Gustaf Alströmer
如果你想在美國蓋房子或創業,首先必須獲得你所在城市的許可。這涉及填寫表格、審查計劃、檢查以及數月的等待。在某些城市,獲得許可證的時間比蓋房子還要長。

市政工作人员深陷于重复性工作中:对照规范审查图纸、将申请与分区法规匹配、来回发送修改意见。AI 模型可以完成所有这些工作。

延误的影响确实很大。每等待一个月,项目成本就会增加,而有些项目甚至永远无法建成。每栋新建筑都要缴纳几十年的房产税。我们做过一些计算:如果美国所有建筑许可证的审批时间能缩短到当前的 10%,美国城市每年将额外获得 160 亿美元的税收收入。

我们希望资助那些利用 AI 协助市政管理的公司。从建筑许可证开始,同时也涉足 311 市民服务热线、公共记录、许可证发放和检查等领域。

美国有 19,000 个城市,几乎全部仍靠人工处理这些事务。传统观点认为你无法向政府销售软件。过去确实如此,但现在已不再如此。YC 已资助了几家向政府出售 AI 产品的公司,其中一些公司的增长速度比我们见过的几乎所有其他公司都要快。

如果你正在构建此类产品,我们非常乐意与你联系。

数据中心供应链

作者: Jared Friedman

AI 数据中心的建设是美国历史上最大的资本投资项目——其规模超过了铁路、高速公路和曼哈顿计划总和。

如此大规模的建设为供应链上下游创造了机会。其中一些机会是显而易见的——众所周知,对 GPU、电力和熟练电工的需求前所未有。

但也存在许多非显而易见的瓶颈。大型电力变压器的交货期长达三年。开关设备、断路器和液体冷却设备均已售罄。即使是原材料也面临压力:用于变压器铁芯的取向电工钢仅在美国一家工厂生产,且产能无法满足需求。

我们致力于资助那些赋能数据中心供应链各个环节的公司。如果您正在从事相关工作,我们非常乐意与您联系。

面向物理隔离经济的 AI

作者: Brad Flora
世界上最有价值的数据并不在云端。国防承包商、银行、医院和核电站将这些数据保护在围墙之内,他们无法将其发送至 AI API。

这就是为什么经济中仍有很大一部分领域在等待 AI 的到来。我们合作的创始人不断遇到同样的障碍:客户喜欢产品,并希望其完全运行在他们自己的建筑内部,无需连接互联网。

我们希望资助那些将前沿 AI 带入这些围墙内的公司。这意味着包括本地部署模型、部署工具、安全认证以及硬件。

这类业务的销售过程更慢、更难,但同时也是预算最充足、公司护城河最深的领域。如果您正在构建此类业务,我们非常乐意与您交流。

掌握你的智能

作者: Jon Xu
如今,几乎所有利用 AI 构建产品的公司都在租赁其智能。你将 token 发送给前沿实验室,获取答案,并支付账单。当最好的模型远远领先于其他一切,且你利用自有数据无法缩小差距时,这是一种轻松的交易。

情况已经改变。开源权重模型在具有实际意义的基准测试中已与顶尖前沿模型具备竞争力。随着人工智能成为企业运营的核心,企业越来越意识到自身对模型租赁的依赖。

我们认为,越来越多的公司将希望拥有其所依赖的模型:利用自有数据进行优化,在自主选择的环境中运行,并自行决定何时进行更换。这一点在受监管行业中尤为重要,因为严格的数据治理和封闭的基础设施使得其性能表现所对应的租赁成本更高。

然而,下载一个开源模型与拥有能够提升业务能力的智能之间仍存在巨大差距。需要有人将工作流程转化为评估指标,将专业知识转化为训练数据,将生产环境中的失败转化为改进措施,并在每一个新基础模型中延续这些积累。

企业将继续为最复杂的问题租赁前沿智能,但我们认为,许多企业也将拥有专门化的模型,这些模型编码了企业的运作方式,并随着企业学习的深入而变得愈发有价值。

如果您正在帮助公司掌握自身智能,我们期待听到您的声音。