作者： Rathin Shah
编译：深潮 TechFlow
导读：这不是一份简单的 Demo Day 观察报告。作者现场听完 199 场路演后，用数据和案例揭示了当下 AI 创业的底层逻辑：为什么 60%的公司 all in AI、为什么 copilot 概念几乎消失、为什么最快拿到收入的都是"卖回老东家"的创始人。更重要的是，他指出了那些看似热门赛道背后的致命风险，以及那些被所有人忽视、却可能诞生下一个传奇的空白领域。
我参加了 YC 2026 冬季 Demo Day。199 家公司。以下是我的全部观察：数据、模式，以及如果你是未来创始人需要知道的一切。
给创始人的核心教训
关于市场/问题陈述
1. AI 不是一个品类，它是基础设施。60%的 batch 是 AI 原生。另外 26%是 AI 赋能。只有 14%没有 AI。问题不是"你在用 AI 吗？"而是"你的 AI 做了什么基础模型开箱即用做不到的事？"
2. 替代，而非辅助。核心主题是"AI 员工"，不是 copilot，不是助手。推介词永远是"我们端到端替代[昂贵的人力角色]"，定价是那个人薪水的一小部分。Copilot 是辅助。Agent 是行动。行业已经向前了。
3. 为你的领域找到"Claude Code"。每个职业都有 AI 现在能生成的结构化输出：合同、CAD 文件、财务模型、手术计划、规格说明书。找一个从业者时薪 100-500 美元以上、工具已有 10-30 年历史、且有明确验证步骤的职业。广阔的领域：税务筹划、土木工程、管理咨询、临床试验、专利起草、音乐制作。
4. 考虑服务模式。约 20%的 batch 在建立 AI 原生服务公司（法律、招聘、会计、保险），按结果收费但享有软件利润率。他们展示了 batch 中最快的收入增长。套路是：从服务起步→获得收入和数据→发布自动化→升级为平台。
5. B2B 主导。AI agent 替代 B2B 知识工作者。87%是 B2B。只有 14 家面向消费者的公司（约 7%）。当前 AI 能力解锁完美匹配商业工作流。这是好买卖，但这个 batch 中的传奇公司很可能是那些异类：铀矿勘探公司、月球酒店、机器人牛仔、寄生虫药物公司。
6. 建立数据飞轮。每次客户互动都应该让你的产品更好。LegalOS 基于 12000 份签证申请训练→100%批准率。完美地随着每次雇佣而改进。没有数据飞轮，你就是个包装器。
7. 不要建立通用 AI 包装器。"AI for everything"输给"AI 替代一个特定的年薪 8 万美元岗位"。深入一个不性感的行业。最好的机会在你永远不会在鸡尾酒会上推介的行业里。
8. 消费者的缺席是机会信号。零教育公司。零消费社交。零心理健康/健身。零政府科技。历史上资金最少的品类产出最大的异常回报。破解 AI 原生娱乐、社交或教育的创始人将独占整个品类。
9. 硬件回归了。18%的 batch 有硬件组件（机器人、无人机、可穿戴设备、太空技术）。这比近期 batch 有显著跳升。那些 SpaceX/Tesla 校友建立的实体产品公司是 batch 中最有差异化的。
关于分发渠道
10. 分发渠道是前提，不是事后想法。增长前 15 的公司中 60%通过创始人网络或 YC 网络获得客户。如果你的前 20 个客户需要"搞清楚分发渠道"，你选错了市场。
11. 你的前雇主是你的首个市场。主导的 GTM 动作（约 35%的 B2B）：创始人在行业待了多年、离开、然后卖回他们的人脉网。他们的名片夹就是分发渠道。
12. PE 并购渠道被严重低估。Ressl AI 和 Robby 独立发现 PE 支持的并购方迫切需要利润改进工具。一笔 PE 交易=50-200 个网点。
13. 选择你已经有分发网络的市场。GTM 挣扎的公司几乎总是那些先造产品再问"我们怎么卖"的。赢家问的是"我已经能接触到谁，他们迫切需要什么？"
关于团队
14. 创始人-市场匹配是收入速度的最强预测因子。那些真正做过他们现在要自动化的工作的创始人几天内就能成交。其他人要几个月。Proximitty（不到 3 周 70 万美元 ARR）：CEO 是麦肯锡银行风险顾问。Corvera（4 周内 3.3 万美元 MRR）：CEO 经营 CPG 品牌。
15. 你的联创关系是你的护城河。46%的 batch 是 2 人团队。最强的团队合作多年：前同事、同学、兄弟姐妹、重复联创。如果你没和联创一起发布过什么东西，你就没验证创业最重要的部分。
16. 领域专业知识胜过学历。最有说服力的创始人亲身经历过问题：建立手术 AI 的牙医、建立机械工具的飞机维护主管、建立政策 AI 的说客。"前大厂"是基本盘，不是差异化因素。
关于路演
17. 疯狂的结束语很重要。当 199 家公司在一天内路演时，你需要成为他们喝酒时谈论的那个。"第一个 AI 奥斯卡将在 Martini 上诞生。""你可以预订 2032 年的月球酒店。"让你的愿景具体、可证伪、可引用。
关于要避免什么
18. 避免无差异化的 agent 基础设施。8-10 家公司在建立 agent 监控/测试/压缩。基础模型提供商会原生地建立这些。如果"[现有 DevOps 工具] but for AI agents"描述了你，那就是危险区。
19. 避免没有数据护城河的 AI 原生服务。收入最快但防御性最低。核心技术几周可复制。传统公司会在 12-18 个月内采用 AI。没有专有数据或嵌入式分发，护城河很薄。
20. 避免商品化工作流包装器。AI 做一个明确定义的任务，而 GPT-5 可能在 6 个月内原生地做同样的事。
现场
199 场路演。从 YC 烤箱里出来的新鲜创业公司有种独特的气味。兴奋、高能量、从不沉闷。
一些令人难忘的时刻：
一家创业公司推介月球上的第一家酒店，有白宫邀请和 5 亿美元意向书
机器人牛仔用自主无人机放牧牛群
一家 AI 演示公司在 demo 中实时生成自己的路演 deck
一家公司在演示卫星图像时随意放大到伊朗德黑兰（整个房间安静了）
Martini 创始人以"第一个 AI 制作电影的奥斯卡将被 Martini 赢得！"结束，这种台词让投资人要么翻白眼要么掏支票簿
硬件演示区人声鼎沸：机器人、无人机、带生命科学蛋白质的显微镜、车载雷达。真实的、你能触摸的物理东西。这不只是一 batch SaaS 仪表盘。
听完 199 场路演后，你不再听到单个公司而开始看到模式。以下是我的发现。
宏观数字
总公司数：199
商业模式：
B2B: 174 (87%)
B2C: 14 (7%)
B2B2C: 11 (6%)
产品类型：
纯软件： 163 （82%）
硬件+软件： 24 （12%）
纯硬件： 12 （6%）
AI 分类：
AI 原生（AI 就是产品）: 120 （60%）
AI 赋能（现有工作流+AI）: 52 （26%）
非 AI: 27 （14%）
牵引力：
估计中位 ARR: 约 5-10 万美元
估计中位增长： 约 30-50% MoM
ARR>100 万美元的公司： 约 5%
无收入： 约 50%
主要行业： B2B 软件（59%）、工业（15%）、医疗（10%）、金融科技（8%）、消费者（4%）。
只有 14 家公司面向消费者，YC 官方只将 7 家归为"消费者"。其余是披着企业标签的消费产品，归入 B2B、医疗或金融科技。
十大主题
1. AI Agent 替代整个工作职能
核心主题。不是 copilot，是完全替代。
Beacon Health 替代做事先授权的行政人员
Perfectly 端到端替代招聘人员
Lance 替代 50+家万豪/希尔顿/凯悦酒店的前台
Mendral（Docker 联创）替代 DevOps 工程师
Canary 替代 QA
"copilot"框架从 2025 年初约 4%的路演下降到 W26 的 1%。
2. "X 领域的 Claude Code"
Claude Code 和 Cursor 证明了 agent 化 AI 对代码有效。W26 创始人正在将同样范式应用到每个有结构化输出的职业：
REV1 for 机械工程师（3D→2D 图纸）
Avoice for 建筑师（规格说明、文档）
Synthetic Sciences for 科学研究
Maywood for 投行家
Alt-X for 房地产承销（直接在 Excel 中工作）
Cardboard for 视频编辑
Mango Medical 几分钟生成手术计划而不是几天
3. AI 原生专业服务（"服务业务，软件经济学"）
不是为现有公司建工具，而是建立与他们竞争的 AI 公司：
四家 AI 律所（Arcline、General Legal、Vector Legal、LegalOS）
AI 招聘机构（Perfectly）
AI 会计（Balance）
AI 保险经纪（Panta）
AI 政策咨询（Fed10，三位前说客创立）
Panta 明确说："一个有软件经济学的服务业务。"按结果收费，以软件利润率运营，因为 AI 做 80%人类处理 20%。Arcline 有 50+创业客户。LegalOS 有 100%签证批准率。
看空理由：人在回路中将利润率限制在 60-80%。责任是真实的。护城河问题：如果核心技术是"LLM+领域提示+人工审核"，什么阻止复制？新兴答案：从服务开始→发布自动化→升级为平台。服务是楔子；软件是护城河。
4. Agent 时代的基础设施
每个技术栈层都在为 agent 重建：
Agentic Fabriq = "Agent 的 Okta"
Sponge（三位前 Stripe 加密负责人） = agent 的金融基础设施
Moda/Sentrial = agent 可靠性的 Datadog
Salus = 运行时护栏
21st（140 万开发者） = AI 优先 UI 的 React 组件
Zatanna 将 LLM 之前的 SaaS 变成 agent 可查询的数据库
风险：基础模型提供商原生建立这些。这一层约 30%的竞争重叠证实它很拥挤。
5. "不性感"行业的垂直 AI
最大 ROI 在科技忽视的行业：
Zymbly 自动化飞机维护文书工作（5 分钟维修需要 45 分钟文档）
GrazeMate 建立机器人牛仔，自主无人机放牧。当他们路演时，你忍不住笑。听起来荒谬，直到你了解到创始人在 6000 头牛的牧场长大。
OctaPulse 做鱼类养殖的计算机视觉
Squid 解决电网规划（每年 7600 亿美元低效，仍在用电子表格）
这些创始人钻得很深。Scout Out 创始人是第四代建筑业。LegalOS 联创在家族移民律所长大（每人 12 岁起超过 10000 小时）。Zymbly 联创是维珍航空飞机维护主管。最好的机会在你永远不会在鸡尾酒会上推介的行业。
6. 实体 AI/机器人复兴
18%的 batch 有硬件组件：
Remy AI 和 Servo7 建造从人类演示中学习的仓库机器人（80%的仓库零自动化）
Origami Robotics 建造机器人手
RoboDock 60 天部署 MVP 走红，拿下 10 万美元 Waymo 合同
Fort（三位前特斯拉工程师）追踪力量训练，Whoop/Oura 仍做不到
Pocket 发货 3 万+台，年化收入 2700 万美元
硬件演示区是当天最有活力的部分。
7. 国防与国家安全
Milliray（三位牛津/圣安德鲁斯博士）为北约建造无人机探测雷达（batch 内销售 47 万美元）
Seeing Systems 为英国皇家海军陆战队建造 AI 打击无人机
DAIVIN!为美国特种作战部队建造无罐潜水装备
国防预算大，合同长，信誉可转移到商业。
8. 数据即护城河
当每个人都有相同基础模型时，专有数据是主要防御性：
Shofo：世界最大索引视频库
Human Archive：从斯坦福/伯克利退学，搬到亚洲，从数千家庭收集数据用于人形机器人
LegalOS：12000 份成功签证申请→100%批准率
模式：每次客户互动让产品更好。没有数据飞轮，你就是包装器。
9. 硬科技与太空
最大胆的路演。GRU Space 正在建造 2032 年前月球上的第一家酒店。当他们路演时，房间重新校准了：一半认为他们疯了，一半认为他们可能做到。5 亿美元意向书，白宫邀请，10 亿+浏览量。Beyond Reach Labs 建造轨道足球场大小太阳能阵列（2030 年前功率需求增加 500 倍）。Terranox 用 AI 发现铀矿床（单个发现=2-7 亿美元）。
Ditto Biosciences 可能是最有创意的论点：寄生虫进化出控制人类免疫系统的蛋白质，经过数百万年。Ditto 用 AI 识别它们并设计自身免疫疗法。进化已经解决了问题，他们只是读取答案。
10. AI 原生研究与科学
Talking Computers 部署 AI 科学家车队（ARR 超 100 万美元）
Aemon（双胞胎兄弟，20 岁前在 ICLR/EMNLP 发表论文）用不到 10 美元计算在 NP 难数学问题上创造世界纪录，击败 Google DeepMind
Ndea，由 Zapier 的 Mike Knoop 和 Keras 创造者 François Chollet 联创，明确建立能创新的 AGI
创始人：来自 429 人的模式
人口统计：
约 60%移民/国际
86%男性，14%女性
顶级学校：伯克利（约 45）、斯坦福（约 35）、MIT（约 20）、滑铁卢（约 15）
55%学 CS；45%没学
背景：
约 30%前大厂
约 25%有过往创业
约 12%前金融/交易（Citadel、Jane Street、Jump）
仅 SpaceX 就约 12 位创始人，绝大多数建造硬件和航空航天
团队：
46%是 2 人团队，15%单人
最常见原型：有不同专长的两位技术联创（约 35%），不是经典"黑客+销售"
19%的公司至少有一位博士创始人
他们如何相遇：约 35%大学同学，约 25%前同事，约 15%重复联创，约 10%家庭/兄弟姐妹
成为创始人的领域专家是最有说服力的故事：Adrian Kilian（牙医→Mango Medical 手术 AI）、Robbie Bourke（25 年航空业→Zymbly）、Pamir Ehsas（OpenAI 外部法律顾问→Arcline）、Conor Jones（国家电网内部多年→Squid）。
一些观察：
深度领域专业知识+能建造的技术联创=batch 中最强公司
最成功的团队要么之前一起建立和出售过公司，要么在同一公司并肩工作解决他们现在要解决的同一问题
31%的公司至少有一位博士或研究者创始人，主要集中在医疗/生物技术、硬科技和 AI 基础设施
他们如何找到市场
B2B（batch 的 88%）
"我亲历过这个痛点"（约 40%）：最强模式。End Close 创始人在 Modern Treasury 花 6 年处理超 1 万亿美元支付。Squid 创始人在国家电网内部多年。他们不需要客户发现，他们就是客户。
"我建造了这个要替代的平台"（约 20%）：Docker 联创建造 Mendral。TikTok 的 ML 科学家建造 Perfectly。他们深知架构并看到 AI 在哪创造阶跃变化。
"50 次对话冲刺"（约 15%）：系统化发现。Ritivel 在写代码前有 50+次制药对话。Ressl AI 从咨询开始，发现交易有最多胶水工作。
"基础设施预言"（约 15%）：论点驱动。"如果 agent 存在，它们需要认证"→Agentic Fabriq。风险：为 2-3 年后的未来建造。
"研究→商业化"（约 10%）：CellType（耶鲁教授+DeepMind）。Valgo 联创真的写了安全关键系统教科书。
B2C（batch 的 7%）
"我就是用户"（约 50%）：Fort 创始人是对可穿戴设备失望的举重者。Doomersion 创始人刷短视频并学语言，把它们结合了。
"格式转换"（约 25%）：现有行为+新媒介。Pax Historia：对策略游戏的热爱+AI 替代历史。
"硬件楔子"（约 25%）：实体产品创造软件无法复制的数据循环。
元教训：没有一家成功的 W26 公司诞生于黑客松或"如果我们用 AI 做..."头脑风暴。每一家都源于深厚的个人经验或痴迷的客户发现。
他们如何找到分发渠道
数据很清楚：创始人网络是增长最快 B2B 公司的#1 机制。增长率前 15 中 60%通过创始人网络或 YC 网络获得首批客户。
B2B 模式：
"卖给前雇主同行"（约 35%）：Fed10 的三位前说客，他们的名片夹就是分发渠道
"YC 作为发射台"（约 25%）：Cardinal 为 40+家 YC 公司做外呼，Palus Finance 几周内签下 33 家
"开源"（约 10%）：21st 有 140 万开发者，只对基础设施有效
"PE 并购渠道"（约 8%）：一笔交易=50-200 个网点
"系统化外呼"（约 15%）：有限买家列表有可量化痛点
"楔子产品"（约 7%）：窄切入，到处扩展
B2C：产品就是分发渠道。Doomersion 2 周获得 1.5 万下载，零付费营销。Pax Historia 建立数万 DAU，有机增长。硬件创始人赌实体存在产生口碑。
最大收获：GTM 挣扎的公司几乎总是那些先造产品再问"我们怎么卖"的。赢家问的是"我已经能接触到谁，他们迫切需要什么？"，然后建造那个。
优秀路演剖析
七个组成部分将令人难忘的路演与模糊的区分开：
1. 钩子
三种原型有效：
震惊数据："将药物推向市场需要 50 万天。我们想让它变成 5 天"（Rhizome AI）
重新框架："你上传过的每个文件都使用 1974 年的协议"（Byteport）
"我就是问题"："我在 Modern Treasury 花 6 年建造对账，处理 1 万亿美元"（End Close）
2. 问题（具体，不是泛泛）
"技术人员一半时间花在文书上"（Zymbly）胜过"我们自动化后台工作流"。
3. 团队（一句话信誉炸弹）
"Andrea 写了 Docker 的第一行代码"（Mendral）。"我们团队发明了保护互联网上每个 HTTPS 连接的 MPIC 标准"（Crosslayer Labs）。
4. 市场（不可避免，不只是大）
"卫星功率需求：2030 年前增加 500 倍"（Beyond Reach Labs）。最强市场路演解释为什么是现在和为什么这不可避免，不只是 TAM 有多大。
5. 牵引力（速度>绝对数字）
"0 到 4 周内 3.3 万美元 MRR"（Corvera）胜过没有时间框架的"10 万美元 ARR"。
6. 独特洞见
"寄生虫进化出控制人类免疫系统的蛋白质。我们读取它们的答案"（Ditto Bio）。"保险公司无法为自主系统定价因为历史索赔数据不存在"（Valgo）。
7. 疯狂结束语
"第一个 AI 奥斯卡将在 Martini 上诞生。""预订 2032 年的月球酒店"（GRU Space）。
模糊的路演：泛泛的"AI for [行业]"，团队资历与问题无关联，以及（关键）没有疯狂结束语。
竞争重叠：YC 的多重押注
约 30%的公司在 batch 内有直接竞争对手。只有约 5%面临真正高重叠。
高重叠：LLM 上下文压缩（Token Company vs。 Compresr）、医疗法律文档（Wayco vs。 Docura Health）、机器人数据（Human Archive vs。 Asimov)
中等：创业法律（Arcline vs。 General Legal vs. Vector Legal)、AI SRE(IncidentFox vs. Sonarly）、agent 监控（Sentrial vs。 Moda）、事先授权（Ruma Care vs。 ClaimGlide vs. Beacon Health)
它告诉你什么：YC 押注市场，不是公司。三家创业律所=市场真实且大到容纳多个赢家。两家 Demo Day 上看起来相同的公司到 A 轮会完全不同。最有差异化的公司零重叠：Terranox、Zymbly、GrazeMate、Ditto Bio。每种情况下，创始人的领域专业知识就是护城河。
明显缺席的
零教育公司
零政府科技
零消费社交
零心理健康/健身
几乎零市场
几乎零纯加密（区块链用作管道，从不作为产品论点）
消费者处于历史低点（总共 14 家公司，只有 7 家官方归类）
工业从 W24 的 3.6%跃升到 W26 的 14.1%，4 倍跳升。"原子 vs 比特"转变在 YC 内部是真实的。
逆向解读：W26 的组成是当下可融资事物的快照，不是 10 年后有价值的。这个 batch 中缺失的传奇公司是那些消费者和社交创始人，他们将在 2-3 个 batch 后到来，一旦 AI 能力赶上他们的雄心。
什么可能失败
无差异化 agent 基础设施。8-10 家公司做 agent 监控/测试/压缩。基础模型提供商会原生建立这些。企业买家默认现有供应商。
没有数据护城河的 AI 原生服务。收入最快，防御性最低。核心技术几周可复制。传统公司 12-18 个月采用 AI。
关系销售市场的单人技术创始人。建筑、保险、货运：如果没人能走进工地说行话，就会停滞。
没有领域深度的"AI for [行业]"。标志：描述以"我们使用先进 LLM agent..."开头而不是客户的具体痛点。
无收入的长周期深度科技。概念上没错，但失败模式是烧光钱。
商品化工作流包装器。单任务 AI，GPT-5 可能在 6 个月内原生做同样的事。
最快公司共享五个特征
1. 卖结果，不是工具
2. 创始人在产品存在前有客户关系
3. 从第 1 天收费：无免费层，无试点炼狱
4. 客户绝望，不是好奇（Proximitty：有 20 亿+美元不良贷款的银行；Ruma Care：被拒 15 万美元报销的诊所）
5. MVP 尴尬地简单：他们描述结果，不是架构
"推出并学习"和"建造并希望"之间的差距是这个 batch 中大部分死亡将发生的地方。
前方激动人心！建造从未有过更好的时机。
写于 2026 年 3 月 25 日，YC W26 Demo Day 后数天。
