作者： Rathin Shah
編譯：深潮TechFlow
導讀：這不是一份簡單的Demo Day 觀察報告。作者現場聽完199 場路演後，用數據和案例揭示了當下AI 創業的底層邏輯：為什麼60%的公司all in AI、為什麼copilot 概念幾乎消失、為什麼最快拿到收入的都是"賣回老東家"的創始人。更重要的是，他指出了那些看似熱門賽道背後的致命風險，以及那些被所有人忽視、卻可能誕生下一個傳奇的空白領域。
我參加了YC 2026 冬季Demo Day。 199 家公司。以下是我的全部觀察：數據、模式，以及如果你是未來創辦人需要知道的一切。
給創辦人的核心教訓
關於市場/問題陳述
1. AI 不是一個品類，它是基礎建設。 60%的batch 是AI 原生。另外26%是AI 賦能。只有14%沒有AI。問題不是"你在用AI 嗎？"而是"你的AI 做了什麼基礎模型開箱即用做不到的事？"
2. 替代，而非輔助。核心主題是"AI 員工"，不是copilot，不是助手。推介詞永遠是"我們端到端替代[昂貴的人力角色]"，定價是那個人薪水的一小部分。 Copilot 是輔助。 Agent 是行動。行業已經向前了。
3. 為你的領域找到"Claude Code"。每個職業都有AI 現在能產生的結構化輸出：合約、CAD 檔案、財務模型、手術計劃、規格說明書。找一個從業者時薪100-500 美元以上、工具已有10-30 年歷史、且有明確驗證步驟的職業。廣闊的領域：稅務規劃、土木工程、管理諮詢、臨床試驗、專利起草、音樂製作。
4. 考慮服務模式。約20%的batch 在建立AI 原生服務公司（法律、招聘、會計、保險），按結果收費但享有軟體利潤率。他們展示了batch 中最快的收入成長。套路是：從服務起步→獲得收入和數據→發布自動化→升級為平台。
5. B2B 主導。 AI agent 取代B2B 知識工作者。 87%是B2B。只有14 家面向消費者的公司（約7%）。當前AI 能力解鎖完美匹配商業工作流程。這是好買賣，但這個batch 中的傳奇公司很可能是那些異類：鈾礦勘探公司、月球酒店、機器人牛仔、寄生蟲藥物公司。
6. 建立資料飛輪。每次客戶互動都應該讓你的產品更好。 LegalOS 基於12000 份簽證申請訓練→100%批准率。完美地隨著每次僱用而改進。沒有數據飛輪，你就是包裝器。
7. 不要建立通用AI 包裝器。 "AI for everything"輸給"AI 替代一個特定的年薪8 萬美元職位"。深入一個不性感的行業。最好的機會在你永遠不會在雞尾酒會上推廣的行業。
8. 消費者的缺席是機會訊號。零教育公司。零消費社交。零心理健康/健身。零政府科技。史上資金最少的品類產出最大的異常報酬。破解AI 原生娛樂、社交或教育的創始人將獨佔整個類別。
9. 硬體回歸了。 18%的batch 有硬體組件（機器人、無人機、穿戴式裝置、太空技術）。這比近期batch 有顯著跳升。那些SpaceX/Tesla 校友建立的實體產品公司是batch 中最有差異化的。
關於發行管道
10. 分發管道是前提，不是事後想法。成長前15 的公司中60%透過創辦人網路或YC 網路獲得客戶。如果你的前20 位客戶需要"搞清楚發行管道"，你選錯市場了。
11. 你的前雇主是你的第一個市場。主導的GTM 動作（約35%的B2B）：創辦人在業界待了多年、離開、然後賣回他們的人脈網。他們的名片夾就是分送管道。
12. PE 併購通路被嚴重低估。 Ressl AI 和Robby 獨立發現PE 支援的併購方迫切需要利潤改進工具。一筆PE 交易=50-200 個分行。
13. 選擇你已經有分送網路的市場。 GTM 掙扎的公司幾乎總是那些先造產品再問"我們怎麼賣"的。贏家問的是"我已經能接觸到誰，他們迫切需要什麼？"
關於團隊
14. 創辦人-市場匹配是收入速度最強的預測因子。那些真正做過他們現在要自動化的工作的創辦人幾天內就能成交。其他人要幾個月。 Proximitty（不到3 週70 萬美元ARR）：CEO 是麥肯錫銀行風險顧問。 Corvera（4 週內3.3 萬美元MRR）：CEO 經營CPG 品牌。
15. 你的聯創關係是你的護城河。 46%的batch 是2 人團隊。最強的團隊合作多年：前同事、同學、兄弟姊妹、重複連結。如果你沒和聯創一起發布過什麼東西，你就沒驗證創業最重要的部分。
16. 領域專業知識勝過學歷。最有說服力的創辦人親身經歷過問題：建立手術AI 的牙醫、建立機械工具的飛機維修主管、建立政策AI 的說客。 "前大廠"是基本盤，不是差異化因素。
關於路演
17. 瘋狂的結束語很重要。當199 家公司在一天內巡迴演出時，你需要成為他們喝酒時談論的那個。 "第一個AI 奧斯卡將在Martini 上誕生。""你可以預訂2032 年的月球酒店。"讓你的願景具體、可證偽、可引用。
關於要避免什麼
18. 避免無差異化的agent 基礎設施。 8-10 家公司正在建立agent 監控/測試/壓縮。基礎模型提供者會原生地建立這些。如果"[現有DevOps 工具] but for AI agents"描述了你，那就是危險區。
19. 避免沒有資料護城河的AI 原生服務。收入最快但防禦性最低。核心技術幾週可複製。傳統公司會在12-18 個月內採用AI。沒有專有數據或嵌入式分發，護城河很薄。
20. 避免商品化工作流程包裝器。 AI 做一個明確定義的任務，而GPT-5 可能在6 個月內原生地做同樣的事。
現場
199 場路演。從YC 烤箱裡出來的新創公司有種獨特的氣味。興奮、高能量、從不沉悶。
一些令人難忘的時刻：
一家新創公司推介月球上的第一家飯店，有白宮邀請和5 億美元意向書
機器人牛仔用自主無人機放牧牛群
一家AI 演示公司在demo 中即時生成自己的路演deck
一家公司在演示衛星圖像時隨意放大到伊朗德黑蘭（整個房間安靜了）
Martini 創始人以"第一部AI 製作電影的奧斯卡將被Martini 贏得！"結束，這種台詞讓投資人要么翻白眼要么掏支票簿
硬體展示區人聲鼎沸：機器人、無人機、帶有生命科學蛋白質的顯微鏡、車載雷達。真實的、你能觸摸的實體東西。這不只是一batch SaaS 儀錶板。
聽完199 場路演後，你不再聽到單一公司而開始看到模式。以下是我的發現。
宏觀數字
總公司數：199
商業模式：
B2B: 174 (87%)
B2C: 14 (7%)
B2B2C: 11 (6%)
產品類型：
純軟體： 163 （82%）
硬體+軟體： 24 （12%）
純硬體： 12 （6%）
AI 分類：
AI 原生（AI 是產品）: 120 （60%）
AI 賦能（現有工作流程+AI）: 52 （26%）
非AI: 27 （14%）
牽引力：
估計中位ARR: 約5-10 萬美元
估計中位數成長： 約30-50% MoM
ARR>100 萬美元的公司： 約5%
無收入： 約50%
主要產業： B2B 軟體（59%）、工業（15%）、醫療（10%）、金融科技（8%）、消費者（4%）。
只有14 家公司面向消費者，YC 官方只將7 家歸為"消費者"。其餘則是披著企業標籤的消費性產品，歸入B2B、醫療或金融科技。
十大主題
1. AI Agent 取代整個工作職能
核心主題。不是copilot，是完全替代品。
Beacon Health 取代做事先授權的行政人員
Perfectly 端到端替代招募人員
Lance 替代50+家萬豪/希爾頓/凱悅酒店的前台
Mendral（Docker 聯創）取代DevOps 工程師
Canary 取代QA
"copilot"框架從2025 年初約4%的路演下降到W26 的1%。
2. "X 領域的Claude Code"
Claude Code 和Cursor 證明了agent 化AI 對程式碼有效。 W26 創辦人正在將同樣範式應用到每個有結構化輸出的職業：
REV1 for 機械工程師（3D→2D 圖紙）
Avoice for 建築師（規格說明、文件）
Synthetic Sciences for 科學研究
Maywood for 投行家
Alt-X for 房地產承銷（直接在Excel 工作）
Cardboard for 影片編輯
Mango Medical 幾分鐘產生手術計劃而不是幾天
3. AI 原生專業服務（"服務業務，軟體經濟學"）
不是為現有公司建立工具，而是建立與他們競爭的AI 公司：
四家AI 律所（Arcline、General Legal、Vector Legal、LegalOS）
AI 招聘機構（Perfectly）
AI 會計（Balance）
AI 保險經紀（Panta）
AI 政策諮詢（Fed10，三位前說客創立）
Panta 明確說："一個有軟體經濟學的服務業務。"按結果收費，以軟體利潤率運營，因為AI 做80%人類處理20%。 Arcline 有50+創業客戶。 LegalOS 有100%簽證批准率。
看空理由：人在迴路中將利潤率限制在60-80%。責任是真實的。護城河問題：如果核心技術是"LLM+領域提示+人工審核"，什麼阻止複製？新興答案：從服務開始→發布自動化→升級為平台。服務是楔子；軟體是護城河。
4. Agent 時代的基礎設施
每個技術棧層都在為agent 重建：
Agentic Fabriq = "Agent 的Okta"
Sponge（三位前Stripe 加密負責人） = agent 的金融基礎設施
Moda/Sentrial = agent 可靠性的Datadog
Salus = 運行時護欄
21st（140 萬開發者） = AI 優先UI 的React 元件
Zatanna 將LLM 之前的SaaS 變成agent 可查詢的資料庫
風險：基礎模型提供者原生建立這些。這一層約30%的競爭重疊證實它很擁擠。
5. "不性感"行業的垂直AI
最大ROI 在科技忽視的產業：
Zymbly 自動化飛機維修文書工作（5 分鐘維修需要45 分鐘文件）
GrazeMate 建立機器人牛仔，自主無人機放牧。當他們路演時，你忍不住笑出來。聽起來很荒謬，直到你了解到創辦人在6000 頭牛的牧場長大。
OctaPulse 做魚類養殖的電腦視覺
Squid 解決電網規劃（每年7,600 億美元低效，仍在使用電子表格）
這些創始人鑽得很深。 Scout Out 創辦人是第四代建築業。 LegalOS 聯創在家族移民律師事務所長大（每人12 歲起超過10,000 小時）。 Zymbly 聯創是維珍航空飛機維修主管。最好的機會在你永遠不會在雞尾酒會上推廣的行業。
6. 實體AI/機器人復興
18%的batch 有硬體組件：
Remy AI 和Servo7 建造從人類演示中學習的倉庫機器人（80%的倉庫零自動化）
Origami Robotics 建造機器人手
RoboDock 60 天部署MVP 走紅，拿下10 萬美元Waymo 合約
Fort（三位前特斯拉工程師）追蹤肌力訓練，Whoop/Oura 仍做不到
Pocket 出貨3 萬+台，年化收入2,700 萬美元
硬體演示區是當天最有活力的部分。
7. 國防與國家安全
Milliray（三位牛津/聖安德魯斯博士）為北約建造無人機探測雷達（batch 內銷售47 萬美元）
Seeing Systems 為英國皇家海軍陸戰隊建造AI 打擊無人機
DAIVIN!為美國特種作戰部隊建造無罐潛水裝備
國防預算大，合約長，信譽可轉移到商業。
8. 數據即護城河
當每個人都有相同基礎模型時，專有數據是主要防禦性：
Shofo：世界最大索引影片庫
Human Archive：從史丹佛/柏克萊退學，搬到亞洲，從數千家庭收集資料用於人形機器人
LegalOS：12,000 份成功簽證申請→100%批准率
模式：每次客戶互動讓產品更好。沒有數據飛輪，你就是包裝器。
9. 硬科技與太空
最大膽的路演。 GRU Space 正在建造2032 年前月球上的第一家飯店。當他們路演時，房間重新校準了：一半認為他們瘋了，一半認為他們可能做到。 5 億美元意向書，白宮邀請，10 億+瀏覽量。 Beyond Reach Labs 建造軌道足球場大小太陽能陣列（2030 年前功率需求增加500 倍）。 Terranox 用AI 發現鈾礦床（單一發現=2-7 億美元）。
Ditto Biosciences 可能是最有創意的論點：寄生蟲進化出控制人類免疫系統的蛋白質，經過數百萬年。 Ditto 用AI 識別它們並設計自體免疫療法。進化已經解決了問題，他們只是讀取答案。
10. AI 原生研究與科學
Talking Computers 部署AI 科學家車隊（ARR 超100 萬美元）
Aemon（雙胞胎兄弟，20 歲前在ICLR/EMNLP 發表論文）用不到10 美元計算在NP 難數學問題上創造世界紀錄，擊敗Google DeepMind
Ndea，由Zapier 的Mike Knoop 和Keras 創造者François Chollet 聯創，明確建立能創新的AGI
創辦人：來自429 人的模式
人口統計：
約60%移民/國際
86%男性，14%女性
頂尖學校：柏克萊（約45）、史丹佛（約35）、MIT（約20）、滑鐵盧（約15）
55%學CS；45%沒學
背景：
約30%前大廠
約25%有過往創業
約12%前金融/交易（Citadel、Jane Street、Jump）
光是SpaceX 就約12 位創辦人，絕大多數建造硬體和航空航天
團隊：
46%是2 人團隊，15%單人
最常見原型：有不同專長的兩位技術聯創（約35%），不是經典"駭客+銷售"
19%的公司至少有一位博士創辦人
他們如何相遇：約35%大學同學，約25%前同事，約15%重複聯創，約10%家庭/兄弟姊妹
成為創辦人的領域專家是最有說服力的故事：Adrian Kilian（牙醫→Mango Medical 手術AI）、Robbie Bourke（25 年航空業→Zymbly）、Pamir Ehsas（OpenAI 外部法律顧問→Arcline）、Conor Jones（國家電網內部多年→Squid）。
一些觀察：
深度領域專業知識+能建造的技術聯創=batch 中最強公司
最成功的團隊要么之前一起建立和出售過公司，要么在同一公司並肩工作解決他們現在要解決的相同問題
31%的公司至少有一位博士或研究者創辦人，主要集中在醫療/生物技術、硬科技和AI 基礎設施
他們如何找到市場
B2B（batch 的88%）
"我親歷過這個痛點"（約40%）：最強模式。 End Close 創辦人在Modern Treasury 花6 年處理超1 兆美元支付。 Squid 創辦人在國家電網內部多年。他們不需要客戶發現，他們就是客戶。
"我建造了這個要替代的平台"（約20%）：Docker 聯創建造Mendral。 TikTok 的ML 科學家建造Perfectly。他們深知架構並看到AI 在哪創造階躍變化。
"50 次對話衝刺"（約15%）：系統化發現。 Ritivel 在寫程式碼前有50+次藥藥對話。 Ressl AI 從諮詢開始，發現交易最多有膠水工作。
"基礎設施預言"（約15%）：論點驅動。 "如果agent 存在，它們需要認證"→Agentic Fabriq。風險：為2-3 年後的未來建造。
"研究→商業化"（約10%）：CellType（耶魯教授+DeepMind）。 Valgo 聯創真的寫了安全關鍵系統教科書。
B2C（batch 的7%）
"我就是使用者"（約50%）：Fort 創辦人是對穿戴裝置失望的舉重者。 Doomersion 創辦人刷短片並學習語言，把它們結合了。
"格式轉換"（約25%）：現有行為+新媒介。 Pax Historia：對策略遊戲的熱愛+AI 替代歷史。
"硬體楔子"（約25%）：實體產品創造軟體無法複製的資料循環。
元教訓：沒有一家成功的W26 公司誕生於黑客鬆或"如果我們用AI 做..."頭腦風暴。每一家都源自於深厚的個人經驗或迷戀的客戶發現。
他們如何找到分發管道
數據很清楚：創辦人網路是成長最快B2B 公司的#1 機制。成長率前15 中60%透過創辦人網路或YC 網路獲得首批客戶。
B2B 模式：
「賣給前雇主同行」（約35%）：Fed10 的三位前說客，他們的名片夾就是分送管道
"YC 作為發射台"（約25%）：Cardinal 為40+家YC 公司做外呼，Palus Finance 幾週內簽下33 家
"開源"（約10%）：21st 有140 萬開發者，只對基礎設施有效
"PE 併購通路"（約8%）：一筆交易=50-200 個分行
"系統化外呼"（約15%）：有限買家名單有可量化痛點
"楔子產品"（約7%）：窄切入，到處擴展
B2C：產品就是分銷管道。 Doomersion 2 週獲得1.5 萬個下載，零付費行銷。 Pax Historia 建立數萬DAU，有機成長。硬體創辦人賭實體存在產生口碑。
最大收穫：GTM 掙扎的公司幾乎總是那些先造產品再問"我們怎麼賣"的。贏家問的是"我已經能接觸到誰，他們迫切需要什麼？"，然後建造那個。
優秀路演剖析
七個組成部分將令人難忘的路演與模糊的區分開：
1. 鉤子
三種原型有效：
震驚數據：「將藥物推向市場需要50 萬天。我們想讓它變成5 天」（Rhizome AI）
重新框架："你上傳過的每個檔案都使用1974 年的協定"（Byteport）
"我就是問題"："我在Modern Treasury 花6 年建造對賬，處理1 兆美元"（End Close）
2. 問題（具體，不是泛泛）
"技術人員一半時間花在文書上"（Zymbly）勝過"我們自動化後台工作流程"。
3. 團隊（一句話信譽炸彈）
"Andrea 寫了Docker 的第一行程式碼"（Mendral）。 "我們團隊發明了保護網路上每個HTTPS 連線的MPIC 標準"（Crosslayer Labs）。
4. 市場（難免，不隻大）
"衛星功率需求：2030 年前增加500 倍"（Beyond Reach Labs）。最強市場路演解釋為什麼是現在和為什麼不可避免，不只是TAM 有多大。
5. 牽引力（速度>絕對數字）
"0 到4 週內3.3 萬美元MRR"（Corvera）勝過沒有時間框架的"10 萬美元ARR"。
6. 獨特洞見
"寄生蟲進化出控制人類免疫系統的蛋白質。我們讀取它們的答案"（Ditto Bio）。 "保險公司無法為自主系統定價因為歷史索賠資料不存在"（Valgo）。
7. 瘋狂結束語
"第一個AI 奧斯卡將在Martini 上誕生。""預訂2032 年的月球酒店"（GRU Space）。
模糊的路演：泛泛的"AI for [產業]"，團隊資歷與問題無關聯，以及（關鍵）沒有瘋狂結束語。
競爭重疊：YC 的多重押注
約30%的公司在batch 內有直接競爭對手。只有約5%面臨真正高重疊。
高重疊：LLM 上下文壓縮（Token Company vs。Presr）、醫療法律文件（Wayco vs. Docura Health）、機器人資料（Human Archive vs. Asimov)
中：創業法 (Arcline vs. General Legal vs. Vector Legal)、AI SRE(IncidentFox vs. Sonarly）、agent 監控（Sentrial vs. Moda)、事先授權（Ruma Care vs. ClaimGlide vs. Beacon Health)
它告訴你什麼：YC 押注市場，不是公司。三家創業律所=市場真實且大到容納多個贏家。兩家Demo Day 上看起來相同的公司到A 輪會完全不同。最有差異化的公司零重疊：Terranox、Zymbly、GrazeMate、Ditto Bio。每種情況下，創辦人的領域專業知識就是護城河。
明顯缺席的
零教育公司
零政府科技
零消費社交
零心理健康/健身
幾乎零市場
幾乎零純加密（區塊鏈用作管道，從不作為產品論點）
消費者處於歷史低點（總共14 家公司，只有7 家官方歸類）
工業從W24 的3.6%躍升到W26 的14.1%，4 倍跳升。 "原子vs 位元"轉變在YC 內部是真實的。
逆向解讀：W26 的組成是當下可融資事物的快照，不是10 年後有價值的。這個batch 中缺少的傳奇公司是那些消費者和社交創始人，他們將在2-3 個batch 後到來，一旦AI 能力趕上他們的雄心。
什麼可能失敗
無差異化agent 基礎設施。 8-10 家公司做agent 監控/測試/壓縮。基礎模型提供者會原生建立這些。企業買家預設現有供應商。
沒有資料護城河的AI 原生服務。收入最快，防禦性最低。核心技術幾週可複製。傳統公司12-18 個月採用AI。
關係銷售市場的單人技術創辦人。建築、保險、貨運：如果沒人能走進工地說行話，就會停滯。
沒有領域深度的"AI for [產業]"。標誌：描述以"我們使用先進LLM agent..."開頭而不是客戶的特定痛點。
無收入的長週期深度科技。概念上沒錯，但失敗模式是燒光錢。
商品化工作流程包裝器。單任務AI，GPT-5 可能在6 個月內原生做同樣的事。
最快公司共享五個特徵
1. 賣結果，不是工具
2. 創辦人在產品存在前有客戶關係
3. 從第1 天收費：無免費層，無試煉煉獄
4. 客戶絕望，不是好奇（Proximitty：有20 億+美元不良貸款的銀行；Ruma Care：被拒15 萬美元報銷的診所）
5. MVP 尷尬地簡單：他們描述結果，不是架構
"推出並學習"和"建造並希望"之間的差距是這個batch 中大部分死亡將發生的地方。
前方激動人心！建造從未有過更好的時機。
寫於2026 年3 月25 日，YC W26 Demo Day 後數天。
