Y Combinator（YC）近日公布 Summer 2026 版 Requests for Startups（RFS），列出这一季特别希望创业者投入的方向。根据 YC 这次提出的题目来看，创业机会已经不只是“在既有产品里加上 chatbot”，也不是再做一个帮人写信、整理会议或生成简报的 AI 小工具。
YC 更关注的是：AI 如何改造公司内部知识、专业服务交付、半导体供应链、硬件制造、农业、医疗、太空电子与反无…无…人机防御等更复杂的系统。
换言之，AI 创业正在从“提高个人工作效率”走向“重建组织与产业流程”。如果一家公司从成立第一天就是 AI-native，它卖的可能不再是一套软件，而是一个被 AI 重构后的服务、一套企业作业系统，甚至是一条新的供应链能力。
YC 从领先指标变落后指标？
五源资本合伙人孟醒近日发表硅谷考察报告，点出当前 AI 创业圈正在出现一个关键转折：过去被视为创业风向球的 Y Combinator（YC），在 AI 迭代速度急遽加快后，可能正从“领先指标”逐渐变成“落后指标”。
(用 AI 提升产出还是降低成本？百倍效率没换来百倍营收，但硅谷没人敢喊停)
孟醒今年 3 月坐在 YC W26 batch Demo Day 观众席时，听到第五家公司路演就放下了笔。原因不是这些公司不够努力，而是题目太相似。这一届超过一百家公司中，约 80% 都在做垂直 agent，例如帮律师整理文件、帮客服分发工单、帮 HR 筛选履历。
如果放在去年 10 月，这些题目或许仍会让投资人觉得“挺有想法”。但到了 2026 年，Claude Code 从开发者工具变成几乎人人可用的界面，Opus 4.6 又进一步把 vibe coding 的门槛压到地板后，许多尚未建立业务壁垒的垂直 agent，已经不再像过去那样稀缺。一个普通工程师，甚至可能花一个周末就能复制出类似产品。
这也让 YC 原本赖以成功的批次制度面临挑战。从申请、筛选、入营、打磨到 Demo Day 路演，YC 的节奏是为一个相对稳定、产品与市场变化较慢的世界设计的。但在当前 AI 迭代速度下，5 个月足以发生数轮范式转移。当模型能力、开发工具与使用者习惯都在快速重写，创业题目一旦进入批次流程，等到公开路演时，可能已经从前沿变成共识，甚至变成红海。
有趣的是，YC 最新一季 Requests for Startups（RFS）其实也正试图回应这种变化。YC 在 Summer 2026 RFS 中明确指出，AI 已经停止只是某个功能，而开始成为软件、服务、硬件乃至物理世界的基础。
AI 不再只是功能，而是公司与产业的底层假设
YC 在 Summer 2026 RFS 中表示，AI 已经停止只是产品中的一个功能，而开始成为软件、服务、硅晶片与实体世界的新基础。这句话其实点出了这次清单的主轴：AI 创业不能只停留在“把模型接进产品”，而是要重新思考原本的工作、公司与产业是否应该被改写。
因此，这次 RFS 中的题目很少是单纯 consumer app 式的创业想象。更准确地说，YC 并不是在寻找下一个靠 UI 和流量爆红的 AI 应用，而是把注意力放在那些过去很难被软件彻底改造的领域。
例如，专业服务以前高度依赖人力与流程经验；企业知识散落在 Slack、email、工单与会议里；半导体供应链仍大量依赖人工协调；硬件制造在美国的迭代速度远慢于深圳；农业仍依赖大面积喷洒农药；无人机防御则面临攻击方成本远低于防守方的结构性问题。
这些都不是加一个聊天机器人就能解决的问题。它们需要 AI 被放进流程、数据、硬件、供应链与决策系统里，成为整套运作方式的一部分。
从卖软件到卖结果：AI-native 服务公司
YC 合伙人 Gustaf Alströmer 在 RFS 中提出“AI-Native Service Companies”方向，这可能是理解新一轮 AI 创业转向的关键。
过去几年，多数 AI 新创做的是 copilot，也就是帮人更快完成工作。它们卖的是软件，使用者仍然需要操作工具、判断结果、完成交付。但 YC 现在感兴趣的是下一步：公司不再只卖工具，而是直接卖服务。
这代表客户不需要买一套 AI 软件回去培训员工使用，而是直接把保险经纪、会计、税务、审计、合规、医疗行政等工作交给 AI-native 公司完成。在这里，软件变成内部生产力工具，而不是对外销售的主要商品。
这个转变很重要。因为服务市场的规模远大于软件市场，而且许多专业服务本来就已经被企业外包。若 AI-native 公司能用更低成本、更快速度和更稳定品质完成工作，它攻击的不只是 SaaS，而是整个服务业的成本结构。
公司大脑：企业 AI 自动化缺的不是模型，而是内部知识
另一个重点是“Company Brain”。YC 合伙人 Tom Blomfield 认为，企业 AI 自动化最大的瓶颈已经不再是模型能力，而是 domain knowledge。每家公司都有大量关键知识散落在员工脑中、旧 email、Slack 讨论串、客服工单和数据库里。公司之所以能运作，是因为人类大概知道某件事该问谁、哪个流程有例外、哪个决策其实没有写在正式文件中。
但 AI agent 不能靠这种模糊记忆工作。若要让 AI 真正进入企业自动化，公司需要一个新的基础层，把分散知识整理成一张可更新、可执行的公司运作地图。
YC 强调，这不是公司搜索工具，也不是文件 chatbot，而是能让 AI 理解“公司如何运作”的系统。例如退款怎么处理、价格例外如何决定、工程事故如何升级、客服如何根据不同情况回应。当这些流程被结构化后，AI 才能安全、一致地执行工作。
这也是 AI 创业开始变得更难、也更有价值的地方。未来的护城河可能不只是模型或界面，而是谁能把某个组织或产业的隐性知识，转化为 AI 可以执行的流程。
企业 AI 作业系统：让公司从开环变闭环
与 Company Brain 相近，YC 合伙人 Diana Hu 提出“The AI Operating System for Companies”。她观察到，最好的 AI-native 公司已经让整家公司变得可 queryable：每场会议、每张工单、每次客户互动、每个产品决策，都能被一个 intelligence layer 理解和使用。
这会让公司从 open loop 变成 closed loop。传统企业往往先做决策，几周后才检查结果；但 AI-native 公司可以持续监测实际发生的事，与目标状态比较，再回过头调整执行。
问题是，今天要做到这件事需要大量整合工作。Slack、Linear、GitHub、Notion、会议录音、客服系统和各种内部工具都必须被串接起来。YC 因此认为，创业机会在于打造一个连接层，让公司内部产生的所有工作痕迹，自动变成 AI 可以理解、推理和执行的资料。这不是另一个 dashboard，而是让公司本身形成自我改善迴路的底层系统。
下一代软件可能不是给人用，而是给 agent 用
YC 这次也提出“Software for Agents”。这个方向的核心假设是：未来网络上会有大量 AI agents 代替人类研究、购买、管理 CRM、操作工具与完成任务，但今天的软件仍然是为人类点击设计的。人类需要表单、按钮和仪表板；agent 则需要 API、MCP、CLI、机器可读文件和可程式化的注册、授权与使用流程。
因此，当所有人都在做 agent 时，另一个更大的机会可能是替 agent 建造软件。这些软件不再把人类当成唯一使用者，而是把 agent 视为一等公民。
这也意味着，传统 SaaS 的产品设计逻辑可能被重新改写。过去软件公司努力设计更好的使用者界面；未来的软件公司可能必须同时设计人类界面与 agent 界面，甚至在某些场景中，机器可读界面会比人类 UI 更重要。
AI coding 降低软件成本，老牌 SaaS 反成攻击目标
YC 合伙人 Jared Friedman 在“SaaS Challengers”中指出，市场正在讨论 AI coding 是否会终结 SaaS。对既有软件公司来说，这可能是坏消息；但对新创来说，这反而可能是十年一遇的机会。
SaaS 过去能建立护城河，是因为软件开发成本高，五人新创不可能快速重写 Salesforce 或大型企业系统。但当 AI coding 让软件生产成本下降 10 到 100 倍，过去由数百万行程式代码和多年功能累积形成的壁垒，就可能变得不再牢不可破。
YC 鼓励创业者不要只从简单的专案管理工具下手，而是挑戰更复杂、更昂贵、过去被认为很难动摇的系统，例如晶片设计软件、ERP、工业控制系统与供应链管理。这里的重点不是“复制一个旧 SaaS 然后降价”，而是利用 AI-native 的产品架构，重新思考工作流本身。如果软件从第一天就假设 AI agent 会参与执行，那产品不一定要长得像过去的 SaaS。
动态软件界面：使用者自己成为部署工程师
在“Dynamic Software Interfaces”中，YC 提出另一个软件设计上的变化：过去所有人使用同一套界面，最多只是调整主题、版面或推荐内容；但 coding agent 成熟后，使用者可能可以大幅改造自己使用的软件。
例如，同样是 email client，有些人可能希望它像任务清单，有些人希望它像行事历，有些人则希望它直接变成客户追踪系统。过去这种客制化需要 enterprise software 的 forward deployed engineer；未来，coding agent 可能让使用者自己做到。
这会迫使软件公司重新思考交付方式。未来公司可能不只是交付固定产品，而是交付一组可被 agent 重新组装的 primitives。软件的最终界面，可能不再完全由开发商决定，而是由使用者和 agent 共同生成。
从农业、医疗到国防：AI 开始进入实体世界
YC 这次清单中，也有多个题目指向实体世界。
在农业方面，YC 提出“AI for Low-Pesticide Agriculture”。这个方向不是做农业资讯平台，而是结合 AI 视觉、低成本感测器、相机、机器人与生物技术，让农业摆脱“越喷越多农药，但效果越来越差”的循环。
在医疗方面，YC 关注“AI Personalized Medicine”。随着基因测序、个性化诊断、穿戴装置与 mRNA 等治疗技术成本下降，AI agent 有机会协助分析个人健康资料，让医疗建议与治疗更个性化。
在国防方面，YC 提出“Counter-Swarm Defense”。低成本无人机让攻击方取得巨大的成本优势，传统用昂贵飞弹拦截廉价无人机的模式并不合理。YC 因此想找的是能应对无人机蜂群的新型防御系统，包含感测器融合、高容量拦截、非动能防御，甚至针对无人机自主系统本身的攻击方式。
这些题目共同说明，AI 创业正在离开单纯的屏幕应用，开始处理物理世界中的感知、控制、成本与安全问题。
太空、硬件与半导体供应链也被纳入 AI 创业版图
YC 的 Summer 2026 RFS 也把太空、硬件与半导体供应链放进重点清单。在太空方向，YC 关注 space electronics，特别是太空中的 inference chips。随着可重复使用火箭提升人类把物体送入太空的能力，太空中的运算需求也会增加，而晶片需要针对重量、散热与辐射等限制重新设计。
在硬件供应链方面，YC 认为美国硬件公司的迭代速度仍远落后于深圳。问题不只是供应链本身，而是设计、生产、物流和零件取得之间的迭代速度。能让硬件团队更快完成设计与原型制作的公司，可能成为下一代硬件新创的基础设施。
在半导体供应链方面，YC 指出一颗先进 AI 晶片需要经过约 1,400 道製程，跨越十几个国家，耗时数月完成，但供应链管理仍大量依赖试算表、SAP 和电话。先进封装、HBM、出口管制与多层供应商风险，都需要新的即时管理工具。
这些方向都不是传统意义上的“AI 应用”，但它们反而更接近 AI 产业接下来真正的瓶颈：算力、硬件、供应链、制造速度与实体部署能力。
YC Summer 2026 RFS 真正透露的讯号
YC Summer 2026 RFS 真正透露的讯号是，AI 创业的主战场正在从“应用层小工具”转向“产业底层重构”。
这不代表 consumer AI 没有机会，也不代表小工具不能成为好产品。但至少从 YC 这份清单来看，最受关注的创业方向，已经不是单纯做一个容易展示、容易 viral、容易被复制的 AI app，而是进入那些流程复杂、资料分散、交付责任重、产业知识深，甚至牵涉硬件与物理世界的领域。
这也让“AI-native”有了更清楚的定义。AI-native 公司不是把 chatbot 加到网站右下角，也不是把 LLM 接到旧流程上。它应该从一开始就重新设计工作如何被完成、知识如何被保存、软件如何被 agent 使用、服务如何被交付，以及公司如何形成自我改善迴路。
如果说上一波 AI 创业比的是谁能最快把模型包装成产品，下一波可能比的是谁能把 AI 嵌进产业真正运作的地方。也就是说，未来真正有价值的 AI 公司，卖的未必是一个工具，而是一套新的公司能力：它能理解流程、执行工作、整合资料、承担结果，并把过去只能靠人类经验维持的复杂系统，改造成 AI 可以参与运作的基础设施。
这篇文章 YC 公布 Summer 2026 想投资的 15 种新创方向：AI 创业不是把 Chatbot 塞进产品 最早出现于 链新闻 ABMedia。
相关快讯
