夜雨聆风YC 刚刚发了 Summer 2026 的 Requests for Startups。创业这都比较关注这份研究吧。
自己是一位AI实践者，创业者，自然也会去关注关心。
每次这份清单出来，圈子里都会仔细研究——说白了，这就是全球最顶级孵化器在告诉你，它认为接下来什么方向能跑出来。
今年的清单有几个方向挺有意思的。
01 卖结果，不卖工具
这次 YC 花了不少篇幅讲 AI-Native Service Companies，翻译过来就是 AI 原生服务公司。
什么意思？
过去三年，大家做的基本是"帮你更快干完活"的 AI 工具——Copilot、助手、效率插件这类。但 YC 现在更想看的，是直接帮你把事情做完的公司。
会计、税务、审计、保险经纪、合规、医疗行政……这些领域的客户，从来买的就不是软件，而是结果。账给我算清楚，税给我报完，审计材料给我准备好。
传统 SaaS 的逻辑是：把人工作流程搬进软件，让你点按钮、填表、导出报告。AI 原生服务公司的逻辑不一样：你把资料扔给我，我帮你把这件事做完。至于背后是模型、工作流、人工校验还是什么自动化系统，你不用管。
这里有个很关键的变化：过去卖效率提升，现在卖交付结果。
YC 点名的这些行业，流程复杂、人工贵、标准化程度不低。AI 一旦能吃掉 60%-80% 的重复工作，商业模式就会彻底不一样。
而且服务市场本来就比软件市场大很多。企业买软件有预算上限，但外包服务、专业服务的花费没有上限——这部分钱以前是被人赚走的，现在有机会被 AI 系统吃掉。
02 企业缺的不是模型，是"公司大脑"
另一个值得注意的方向叫 Company Brain。
不是那种给员工用的知识库问答机器人。
YC 的判断是：企业 AI 自动化最大的瓶颈，已经不是模型能力了，而是公司内部那些散落在各处的知识。老邮件、CRM、工单、数据库、老员工的经验、特殊客户的处理方式、销售和产品之间没说出口的默契……
人知道去哪找、什么时候破例，但 AI 不知道。
所以 YC 想投的，是能把这些碎片知识抽出来、结构化、持续更新、变成 AI 可执行"技能文件"的公司。它形容这不是全公司搜索，也不是文档聊天机器人，而是一张活的公司运作地图。
举个例子。客服退款——文档里写了退款政策，但实际操作会更复杂。什么客户能特殊处理？谁有审批权？超过多少钱要上报？历史上类似的case一般怎么处理？财务那边怎么走流程？销售要不要同步信息？
单独看任何一条，都不够判断。
Company Brain 要解决的就是这个问题：让 AI 真正理解一家公司是怎么运转的。
YC 说，最好的 AI 原生公司正在把整个公司变得"可查询"。会议被记录，工单被追踪，客户互动被捕捉，所有东西都进一个智能层，实时监控"正在发生什么"和"应该发生什么"的差距。
这个方向往后，这类产品不会长成一个工具，更像是企业内部的神经系统。
03 SaaS 的机会没消失，只是玩法变了
过去一年很多人唱衰 SaaS，说 AI 能写代码了，传统软件的壁垒要塌了，客户凭什么还为一堆复杂系统付高价。
YC 没有回避这个话题，反而把它列成了一个创业方向：SaaS Challengers。
YC 的判断是，传统 SaaS 能赢市场，核心原因是定制软件太贵。五人创业团队不可能做出 Salesforce。
但现在 AI 把软件生产成本降了 10 倍到 100 倍。过去靠代码规模、功能复杂度、长期积累形成的护城河，开始松动了。
不是说所有老 SaaS 都会完蛋。真正会被冲击的，是那些多年没变、体验臃肿、价格虚高、流程繁琐的系统。
YC 鼓励创业者去啃那些硬骨头：ERP、芯片设计软件、工业控制系统、供应链管理系统。过去这些领域创业公司很难进去，要大量工程团队、行业顾问、实施交付、长期客户积累。现在 AI 降低了原型开发、定制交付、接口适配、文档生成、迁移工具的成本。
小团队可以更快做出垂直版本，先切某个具体场景，再慢慢扩大。
比如不一开始就做完整 ERP，而是先做某个行业的采购计划、库存预测、供应商协同、财务对账。只要切得够深，客户是愿意试的。
这类机会属于懂行业流程、懂客户痛点、还能用 AI 快速交付的人。
04 Agent 需要自己的"互联网"
YC 还提了一个方向：Software for Agents。
它的判断是：互联网的下一个万亿用户不是人，是 AI Agent。
现在 Agent 已经能浏览网页、做研究、买东西、管 CRM。但它们用的还是给人类设计的软件——表单、按钮、仪表盘、浏览器页面。
所以 YC 想找的，是给 Agent 用的软件。
怎么理解？今天软件默认使用者是人，界面给人看，按钮给人点，流程给人判断。如果未来使用者变成 Agent，软件需要换一种形态。
不一定要漂亮页面，但需要清楚的接口、机器可读的文档、权限系统、支付能力、身份认证、操作日志、可追溯的执行记录。
YC 提到 Agent 需要的是 API、MCP、命令行工具和机器可读文档，而不是传统视觉界面。它们还需要能自己发现工具、注册、调用，在没有人类介入的情况下开始工作。
这会带来一批全新的基础设施机会：Agent 专用浏览器、Agent 支付、Agent 身份、Agent 权限管理、Agent 可用的企业软件接口、使用记录审计、Agent 之间的协作协议。
现在很多人做 Agent 本身，但更长期的机会可能在 Agent 依赖的底层环境。
就像移动互联网不只诞生了 App，也诞生了推送、支付、地图、登录、广告、应用商店。Agent 时代也会长出自己的基础设施。
05 AI 会继续走出屏幕
这次 YC 另一个明显变化：物理世界的比重变高了。
低农药农业、反无人机蜂群防御、硬件供应链、太空电子、太空工业、半导体供应链——放在几年前，这些很难出现在一份互联网创业清单里。但现在它们被放在同一张图里。
原因很简单：AI 不只是在处理文字和代码了，它正在进入摄像头、传感器、机器人、工厂、农田、仓库、无人机和芯片。
低农药农业是个典型例子。
YC 的逻辑是，现代农业长期依赖化学品，但农药残留、害虫进化、新药研发变慢、农民成本上升，这套系统越来越难维持。
现在变化来自几件事同时发生：AI 视觉能实时识别杂草和害虫，摄像头和传感器价格下来了，机器人可以精准处理单株植物，微生物、肽、RNA 等生物方案也开始接近可用。
这和过去的农业科技不一样。过去卖设备、卖管理系统、卖农资优化方案。现在可能是组合系统：摄像头发现问题，模型判断要不要处理，机器人只对需要处理的位置动手，生物方案替代一部分化学农药。
YC 甚至说，如果一家公司能把农药使用减少 90%，同时帮助农民增产，那会是"代际级公司"。
反无人机蜂群防御也是类似逻辑。
YC 关心的不是单个无人机拦截，而是蜂群。传统防御系统面对廉价、自主、抗干扰的无人机群，成本结构很差。一枚 Patriot 导弹 300 万美元，一架 FPV 无人机可能只要 500 美元，攻方优势太明显了。
所以 YC 要找"反蜂群防御栈"：多传感器融合、实时态势图、高容量拦截、非动能防御，以及攻击无人机自主系统本身的方法。
YC 的判断挺有意思：未来无人机防御会越来越像运行一个实时分布式系统，胜出的公司会更像 Cloudflare，而不是传统军工公司。
AI 把很多"硬行业"重新变成了创业公司可以切进去的系统问题。
06 芯片机会在变细
YC 对芯片的关注这次也很具体，两个方向：面向 Agent 工作流的推理芯片，以及半导体供应链。
先说推理芯片。
现在多数 AI 芯片还是为"输入提示词、输出答案"的推理模式设计的。但 Agent 的工作方式不一样：循环调用工具、分支、回退、保持上下文，横跨几十个步骤。
这是另一种硬件问题。当前 GPU 在这类工作负载上的峰值利用率只有 30%-40%，因为任务会在内存受限的模型调用、I/O 受限的工具使用、CPU 受限的编排之间来回跳。
芯片竞争正在进入更细的阶段：训练芯片是一层，通用推理是一层，Agent 工作流推理可能又是一层。
另一条是半导体供应链。
一个先进 AI 芯片要经过约 1400 道工序，跨越十几个国家，生产周期约 5 个月，但这套供应链仍大量依赖表格、SAP 和电话。先进封装已经成为 AI 算力的关键瓶颈，HBM 内存被预订到 2026 年。
AI 基础设施不只是模型和显卡，还包括封装、内存、制造、物流、合规、出口管制、产能分配、风险监控。这些环节过去属于大公司和传统工业系统，现在因为 AI 算力需求太强，瓶颈被放大，创业机会也被放大。
07 医疗和科研：AI 进入"发现"环节
YC 关注的不是普通问诊助手，也不是帮医生写病历这类事。
它看的是更前端的东西：个性化诊断、基因组扫描、电子健康记录、可穿戴数据、个体化治疗，以及科学发现本身。
个性化医疗里，两件事同时发生：基因测序成本下降速度快于摩尔定律，新的诊断方式正在进入市场；个体化基因疗法的生成和交付成本也在下降，mRNA 等递送方式让个性化药物变得更可想象。
科学发现方面，过去科研一直是"提出假设、实验、解释、重复"的循环。现在模型可以帮助提出假设、生成实验、分析数据、建议下一步。一些系统开始跑"设计—制造—测试—分析"的闭环，比如药物发现、材料科学、蛋白工程。
不过这个方向要冷静看。医疗和科研不是普通效率工具，难的不只在于模型，更在于数据质量、临床验证、监管、伦理、支付体系、医生和患者的信任。

08 YC 到底在想什么
把 YC 的 15 条 RFS 放在一起看，它在说几件事：
第一，AI 应用正在从 Copilot 走向 Agent。 过去是人在主导，AI 帮忙写、帮忙查、帮忙总结。接下来是 AI 自己跑流程、调工具、查结果、再调整。
第二，软件的使用者正在变化。 以前软件默认给人用，以后很多软件要给 Agent 用。界面、接口、权限、支付、审计、文档，都会重做。
第三，服务行业会被重新包装。 很多过去靠人交付的服务，会变成 AI 原生服务公司。客户买的不是软件，而是完成后的结果。
第四，AI 创业会越来越硬。 农业、国防、芯片、硬件供应链、太空、医疗，都会变成 AI 创业的一部分。AI 不再只在浏览器里，也会进入工厂、农田、实验室和供应链。
Summer 2026 的特点，是 AI 从 Copilot 走向 Agent，从软件走向服务，从聊天界面走向公司操作系统，并进入芯片、供应链、农业、医疗、国防和太空。
说白了：AI 最容易做的那批产品，已经挤满了。接下来更大的机会，在更难啃的地方。
09 对中国创业者的机会
第一个机会：AI 原生服务公司。
中国有大量服务型行业：财税、审计、法务、人力、客服、电商代运营、供应链运营、企业咨询、出海合规。这些行业利润不高，但流程高度重复，人力成本越来越敏感。
如果 AI 能把交付流程重做一遍，就可能出现一批"看起来像服务公司，底层像软件公司"的新公司。
第二个机会：硬件供应链。
YC 在硬件供应链那条里直接提到，中国深圳团队从设计到新物理部件可能只要一天，美国常常要几周。差距不只是供应链，而是迭代速度。
中国有密集供应商网络、快速交付、设计生产紧密协同。AI 硬件、机器人、传感器、边缘设备、消费级智能硬件，都需要快速打样、快速测试、快速改版。中国团队如果能把 AI 能力和供应链速度结合起来，机会不少。
第三个机会：垂直行业流程。
中国很多行业信息化程度不低，但系统割裂、流程重、人工补位多。AI 真正有价值的地方，往往不是重新做大而全的平台，而是切进某个具体流程，把原来靠人盯、人催、人查、人填的环节自动化。
制造采购里的询报价、医疗机构里的理赔材料、跨境电商里的合规检查、连锁门店里的巡检和排班、影视娱乐行业里的项目管理和宣发协同……这些都不一定需要最强模型，更需要懂场景、懂数据、懂交付。
总结一下：
从 YC 这份清单，我看到 AI 创业在经历三次迁移——第一阶段把 AI 做成产品和工具，第二阶段用 AI 改造工作流，现在是用 AI 重建公司、服务、软件接口、芯片和物理世界。
最容易的那批已经挤满了，接下来更大的机会，在更难啃的地方。
