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。

機器人公司Rice Robotics與Pudgy Penguins合作，將推出陪伴機器人Pengu Minibot

熱門文章