作者：羅夏Leo，羅夏inAI

2026 年到現在，YC 投了三個批次：Winter 199 家、Spring 196 家、Summer 235 家，一共 630 家公司。同一時間，它更新了兩次 Request for Startups。

清單人人都在轉傳，但清單是招生廣告，寫的是 YC 想收到什麼。真正的答案在它已經掏錢的那 630 家裡。

我把這三批的公開描述、行業分類和創始人資料過了一遍，想回答四個很具體的問題：它到底在投哪些方向、這些方向有多擠、這些公司賣給誰、以及被選中的人長什麼樣。

結論先放這裡：YC 今年投出去的錢，九成以上不做 To C，一半以上在給 AI 修管道。

下面先直接列方向，再看數據，最後是我認為對創業者真正有用的幾條。

01 它用真金白銀投出來的 10 個方向

按公司數量從多到少，合併同類項之後是這十個。每條後面是這三批裡的大致數量和一個具體例子。

01 Agent 基礎設施：給 AI 員工發身份證的那一層

Spring 批次裡有 55 家，S26 裡 agent 與 AI 基建合計 89 家，這是今年最密集的一格。做的都是很具體的髒活：Inkbox 給 agent 發郵箱、電話號碼和 2FA，讓它能像員工一樣被系統認出來；Agentcard 處理 agent 的付款；Glen 做記憶；Hyperprobe 做運行時調試；Archal 驗證 agent 做了什麼、並自動開修復的 PR。

02 AI 員工：不做工具，直接接管一個崗位

Spring 有 56 家，S26 有 52 家。Rational 把自己描述成會計事務所的「AI 員工」，Last Accounting Company 和 Billow AI 在同一格；Osmaura、Erinys 在法務；Locke 做政府事務；Truffle 接管餐廳後廚的運營。共同點是產品頁面上寫的是崗位名，不是功能名。

03 推理成本：把帳單本身做成生意

S26 至少四家在處理這條鏈路的不同環節。Understudy Labs 的做法是捕捉生產流量、拿它微調更便宜的開源模型，再用自動品質閘門決定哪些請求可以路由過去；Conifer 做推理路由；Stoa 和 OpenRelay 在 GPU 那一側。

04 機器人與具身智能：價格帶被打下來了

S26 裡約 23 家。Nori 做的是一台售價 1,688 美元的雙臂家用機器人，賣點不是性能是價格，還允許用戶在家自己訓練技能再分享；Salem Robotics 做核設施巡檢；Libra Robotics 做光伏安裝；Manifold、Proprio 做倉庫搬運。同時冒出來的還有 Robocurve、Instance、Markov 這類給機器人做評測的公司。

05 工廠、物流與供應鏈的作業系統：S26 最大的一群

約 41 家，是這一批裡最大的單一集群。Pango 做電商物流的 agentic OS，Control Seat 給工業 SCADA 系統加一層智能，Alloovium 做施工文檔理解，Torus 做物理基建項目的工程助手。

06 國防與太空：採購方已經親自下場提需求

Spring 的 26 家硬體公司裡有 13 家做國防；S26 裡出現了成組的精確彈藥、無人機蜂群、反無人機和戰場態勢公司（ISENGARD、Earendil Robotics、Guild、Hop Aero）。RFS 裡「美國國防的未來」那一條，署名的是美國陸軍部長 Daniel P. Driscoll，不是 YC 合夥人。

07 數據中心與能源：算力開始找地方放

Atomarine 做海上浮動數據中心、用海水散熱；Pacific 做能快速部署到爛尾基建上的模塊化數據中心。YC 自己在 RFS 裡寫了一條「海上算力」，理由是陸地上的電力和審批已經堵死。

08 醫療：從賣軟體變成自己持牌

S26 裡約 20 到 24 家。Taiga 做獨立診所的 AI 醫療帳單，Care GP 做澳洲全科診所的運營套件，RonanRX 乾脆做成全棧藥廠——個性化多肽和 GLP-1 直接配送到人。這一格最值得注意的變化是：不少公司不再把軟體賣給持牌機構，而是自己去拿牌照。

09 金融與保險：承保、交割、對帳

S26 裡 17 到 26 家（口徑不同略有出入）。Klaimee 做 agentic 保險，Vestris 做按揭交割流程，Spectre Intelligence 做情報與風控。注意這一格的佔比是在下降的，後面會說。

10 給 agent 用的網際網路：把網頁重做一遍

今天的網頁、API 和文檔都是給人看的。Context.dev 和 Rindler 在做把它們翻譯成 agent 能用的形式這一層；RFS 裡 Harsha Gaddipati 寫的「自維護 API」是同一件事的另一半——介面變更時自動去改客戶的程式碼庫。

十個方向裡有五個，最後都要落到螢幕之外的世界裡。

02 這 630 家裡，九成以上不打算做 To C

先看 Summer 2026 這一批的行業分佈，YC 自己的分類口徑：

圖 1 YC Summer 2026 批次行業分佈（n=235）

B2B ██████████████████████52.3%

工業 ██████████23.0%

醫療 ████8.5%

金融科技 ███6.8%

消費 ██5.5%

地產建築 █2.6%

把工業、醫療、金融、地產建築這幾格拆開看，它們的客戶同樣是企業和機構。所以更貼近現實的讀法是：這一批裡面向企業與機構的公司超過九成，真正面向個人消費者的只有 5.5%，教育只有 1 家。

這件事對創業者的直接含義有兩層。

一層是獲客路徑。九成以上的公司要走的是同一條路——找到一個具體崗位、算清它一年花多少錢、然後去和這個成本比價。這條路很擁擠，但它有確定的付費方。

九成以上的公司在搶同一批付費方；剩下不到一成的格子裡，幾乎沒人去。

另一層是它的反面。消費這一格只有十幾家，教育只有一家，而 YC 在 RFS 裡同時寫了「面向 10 億人的 AI 消費產品」和兒童 AI 家教兩條。想要的和投出去的對不上，這個缺口後面單獨說。

03 半年之內，錢從「做應用」挪到了「修管道」

如果只看四個百分比，今年的變化就講完了。這是 Spring 到 Summer 兩批之間的移動：

圖 2 半年內的四個位移（Spring 2026 → Summer 2026）

AI 基礎設施8% ↑ 20%█████████

AI 應用產品55% ↓ 39%██████████████████

工業類 12.8% ↑ 23.0%██████████

金融科技 10.2% ↓ 6.8%███

做 AI 應用的公司少了三成，做 AI 底層設施的公司多了一倍半。這不是 YC 的偏好突變，而是一個品類跑到規模之後的正常次序：先有一堆應用，再有人把所有應用都要重做一遍的髒活抽出來賣。

SaaS 起勢的時候發生過同樣的事。最先賺到錢的一批不是做 SaaS 的，是 Heroku、Twilio、Stripe。

當一個品類的帳單本身值得開一家公司來優化，說明它已經跑到規模上了。

工業類翻倍是另一半。換個說法更直觀：YC 每投四家公司，就有一家的價值最終要落在一台設備、一條產線或一個倉庫上，而一年前這個比例接近八分之一。

04 被選中的人：兩個人、5.8 年經驗、一半不是美國人

這部分數據主要來自對 W26 和 Spring 兩批創始人資料的整理，口徑是第三方統計，不是 YC 官方發布。

團隊規模。兩位聯合創始人是絕對主流——W26 的 199 家裡有 129 家是兩人組，佔 64%；單人創業 22 家，佔 11%；三人以上約四分之一。單人被投的數量比幾年前明顯多了，「必須有聯合創始人」這條老規矩正在鬆動。

經驗。創始人進 YC 之前的平均工作年資是 5.8 年；做 agent 方向的這批更年輕，中位數 4.8 年。不是學生軍，也不是老將，是「在大廠做過一輪、看清楚某個具體流程有多爛」的那個年齡段。

學校與前雇主。W26 創始人裡柏克萊 30 人、史丹佛 22 人、哈佛 18 人，三校合計約佔 16%。前雇主裡亞馬遜出現在 14 家公司、蘋果 12 家，Meta 和麥肯錫在 agent 方向上佔比顯著。

國籍。Spring 批次裡國際背景創始人佔一半，公開統計中的前六個來源地是：

圖 3 YC Spring 2026 國際創始人來源地 Top 6（人數）

英國 ██████████████████████33 人

印度 ███████████████████29 人

法國 ██████████████21 人

加拿大 ███████████17 人

德國 █████████14 人

瑞士 ███████10 人

兩件事值得中文讀者注意。第一，這份前六名單裡沒有中國。第二，另一組數據顯示，美國本土的 YC 創始人裡已經有 29% 是印度裔，2008 年這個數字是 7%，2019 年還只有 15% 左右。

我沒有找到關於華人創始人比例的權威統計，所以不下結論。但可以確定的是另一件事：國際創始人裡有 91% 最終把公司總部設在了美國，Spring 批次 76% 的公司總部在舊金山。

YC 不是一個遠程項目。它是一張要求你搬家的門票。

如果你人在國內、團隊在國內、客戶也在國內，YC 這條路的性價比要重新算一遍——不是進不去，而是進去之後那套資源網路的價值有一大半兌現不了。

05 YC 給你 50 萬美元，拿走 7%，然後呢

條款這幾年沒變，但很多人只記得一半。

圖 4 YC 標準協議的兩筆錢

█████12.5 萬美元 換 7% 股權，post-money SAFE，立刻定價

███████████████37.5 萬美元 無估值上限 MFN SAFE，按你下一輪的條款轉股

合計 50 萬美元。真正影響稀釋的是第一筆：7% 是固定的，無論你之前估值多少。第二筆是無上限的，你下一輪融得越貴，它轉股時拿到的比例越小——所以它其實是在賭你畢業後能融到好價錢。

那麼畢業後是什麼價？追蹤這兩批的投資人給出的基準是 400 萬美元融資、投前 4,000 萬美元估值，並且路演之前有 100 萬美元 ARR 已經不算稀奇。這是投資人一側的估算口徑，不是 YC 公佈的數據，但方向清楚：

方向選對已經不構成優勢了，方向選對並且已經跑出收入才構成優勢。

把這兩個數字放在一起，YC 的商業模型其實很直白：用 50 萬美元買入 7% 加一張後續的轉股權，投六百多家，只需要少數幾家跑到幾十億美元就能覆蓋全部。這台機器允許高錯誤率——但你不允許。

06 從這些數字裡我認為最有用的五條

第一，別做第 90 個 agent，去做那 89 家都得重做一遍的那一層。判斷標準很簡單：如果每家 agent 公司都要自己搭一遍、而且搭得都不情不願，這件事就值得被抽出來單賣。身份、支付、記憶、評測、推理成本，都是這麼冒出來的。

第二，產品頁面上寫崗位名，不要寫功能名。這兩批公司集體完成了一次措辭切換：不再說「幫團隊提效」，而是說「替掉這個崗位」。定價方式也跟著變——按席位收費的前提是你的員工在用我的軟體，一旦敘事變成替代，就只能按工作量、按成果、或者直接對標那個崗位的年薪來定價。

第三，YC 反覆提、但帳本上還空著的格子，才是它真正在招募的方向。消費類只有 5.5%、教育只有 1 家、加密在批次結構裡幾乎看不到，而 RFS 裡這三格都被點了名。RFS 本來就是補缺口用的招生廣告——它寫的是「我們收到的申請裡缺什麼」。

先算清楚你要替掉的那個崗位，一年花掉客戶多少錢。其餘都是包裝。

第四，如果做物理世界，先確認你的優勢不是模型。工業這一格的門檻在於你能不能拿到那批數據、進得去那個現場、通得過那套採購。如果你的回答是「我們模型調得好」，那你大機率不在這條賽道的競爭位置上。

第五，國防這一格對中國創業者要單獨判斷。它今年增速最快，但紅利高度綁定在美國的採購體系上。方向可以借鑑，路徑不能照抄。

07 三勺冷水：清單滯後、賽道已擠、YC 也會錯

清單有時滯。Summer 那期 RFS 裡寫過「Software for Agents」，等這句話被公開寫出來的時候，S26 批次裡已經有 89 家公司在裡面了。從 RFS 出現到相應公司大量落地，中間大約隔一到兩個批次。你讀到清單的那一刻，第一波已經在場。

賽道已經很擠。上面那十個方向裡，前兩個加起來佔了今年新公司的三分之一以上。看到機會的不止你一個。

YC 也會錯。它一年投六百多家，是一台機率機器，不是先知。批次結構反映的是它收到了什麼申請、以及它當下的偏好，不等於市場的結論。海上數據中心、1,688 美元的家用人形機器人、給 agent 發身份證的公司，三年後可能一家都不剩——這在 YC 的模型裡完全可以接受。

YC 可以錯 620 次，你只能錯一次。

還有一件這批公司集體沒回答的事：當 agent 真的替掉一個崗位，它做錯事的責任算誰的。合規、審計、保險這幾層在 RFS 裡出現了，但在批次裡還很薄。這既是風險，也是前面說的那種空格子。

08 一句話總結這 630 家公司

它們真正說明的不是哪個方向會贏，而是「軟體」這個詞的邊界正在往外挪：一部分挪到了 agent 底下那層看不見的管道，另一部分挪到了螢幕之外的設備、產線和倉庫。

RFS 上的條目會隨下一期更換，這條移動不會。

如果只從這篇裡帶走一件事：先看 YC 說了什麼，再看它投了什麼，然後只在兩者不一致的地方做選擇。