告别单纯写代码的时代：YC 合伙人谈资深创业者与独立创始人如何用 AI 破局

YC 2026 创业全景：AI 正在重写创业、资本与产业的底层规则

如果只把 Y Combinator 最近公布的数据理解成“AI 创业还在火”“机器人又火了”“Solo Founder 变多了”，其实低估了这轮变化。

真正值得关注的，不是哪一个赛道突然变热，而是一个更大的结构性变化：

AI 正在同时降低“创造软件的成本”和“控制物理世界的成本”。

这意味着过去二十年由互联网、移动互联网和 SaaS 主导的创业范式，正在发生一次非常深的迁移：

创业正在从 Bits 重新进入 Atoms，从卖工具进入卖结果，从堆人进入调度机器，从软件公司进入产业公司。

2026 年 9 月，YC 在《The State of Startups in 2026》中披露，过去 12—18 个月，Hard Tech 在 YC 项目中的占比已经从约 8% 上升到 20%；机器人、制造、国防、半导体、光子、电力基础设施都出现明显增长。同时，接近五分之一的新公司已经是 Solo Founder，公司产生收入的速度也明显加快。

这些数据背后，实际上是一套新的资本逻辑。

一、过去二十年的创业逻辑，正在第一次被真正改写

理解今天之前，先理解过去。

2005—2020 年美国科技创业最经典的路线是：

软件吞噬世界。

原因非常简单。

软件拥有极强的经济属性：

边际复制成本接近零；

全球分发成本极低；

资本开支低；

毛利率可以达到 70%、80% 甚至 90%；

公司不需要大量固定资产，就可以指数级扩张。

所以风险投资自然偏爱 SaaS、移动 App、Marketplace、FinTech、社交网络。

这也是为什么过去十几年 Silicon Valley 最重要的问题往往是：

“有没有什么传统行业可以被软件化？”

今天问题已经变了。

新的问题正在变成：

“有没有什么真实世界的工作，可以被 AI + 软件 + 机器彻底执行？”

这是两个完全不同的问题。

前者是在现实世界上面增加一个软件界面。

后者是让软件开始真正操作现实世界。

二、Hard Tech 从 8% 增长到 20%，不是“硬件重新流行”这么简单

YC 披露的数据非常值得注意：

Hard Tech 从大约 8% 上升到 20%；

机器人从约 1% 上升到 6%—7%；

美国本土工业制造从约 4% 上升到 10%；

国防从约 1.5% 上升到 5%；

半导体和光子领域接近 4%；

能源和电力基础设施接近 3%。

为什么？

很多人会归因于“美国制造业回流”。

这只解释了一部分。

真正发生的是：

过去限制 Hard Tech 创业的几个成本正在同时下降。

第一层：软件成本下降

以前做机器人，不只是要懂机械。

你还要做：

控制软件；

机器视觉；

固件；

传感器融合；

运动规划；

后台系统；

数据处理；

仿真；

测试工具。

因此一家所谓“机器人公司”，实际上可能首先需要养几十个软件工程师。

今天 coding agents 正在改变这个结构。

一个十人甚至五人的团队，可以完成过去需要几十人的软件工作量。

所以 AI 对机器人最大的短期贡献，不一定首先是“机器人大脑”。

反而可能是：

把制造机器人所需要的软件工程成本砍下来。

这是非常容易被忽略的一点。

三、AI 最大的产业价值之一，可能不是替代程序员，而是释放工程师去造真实世界

很多人讨论 AI Coding 时，只问一个问题：

“程序员会不会失业？”

这个问题太窄。

资本真正关心的是：

当生产软件突然便宜十倍以后，人类会拿这些被释放出来的工程能力去干什么？

答案可能是：

造机器人；

造无人机；

造卫星；

造工厂；

造电网；

造新型芯片；

造能源系统；

造工业设备。

也就是说：

AI 不一定让世界变得更加虚拟，反而可能让科技产业重新回到物理世界。

这是这一轮 AI 革命非常反直觉的地方。

互联网时代，把大量资本从 Atoms 引向 Bits。

AI 时代可能出现反向过程：

Bits 开始帮助人类重新控制 Atoms。

四、为什么美国今天突然又愿意投资“工厂”？

这背后其实还有第二条主线：

国家安全。

过去四十年的全球化逻辑，本质是：

谁生产成本最低，就在哪里生产。

所以：

半导体去亚洲；

电子制造去中国；

纺织去东南亚；

原材料加工全球化；

供应链追求 Just-in-Time。

这是典型的经济效率最大化。

但进入 2020 年代以后，美国开始重新计算另一种成本：

如果战争、疫情、制裁或者地缘政治冲突发生，供应链断了怎么办？

于是企业和政府优化目标从：

Efficiency

开始逐渐转向：

Resilience。

效率 → 韧性。

这改变了很多资产的价值。

过去美国本土工厂可能意味着：

成本高。

今天它可能意味着：

供应链安全。

这就是为什么国防、工业制造、芯片、能源、无人机甚至矿产资源重新成为风险资本可以投资的行业。

五、SpaceX 改变的不只是航天，而是整个 Hard Tech 投资哲学

理解这一轮 Hard Tech，必须理解 SpaceX。

SpaceX 最大的历史意义之一，不只是造出了火箭。

而是证明了一件事情：

传统上被认为必须由政府、大型承包商和几十年研发周期才能完成的产业，也可以由创业公司重新设计。

过去美国军工体系长期采用大量 Cost-Plus Contract：

你花多少钱；

政府在成本上再给一定利润。

这种模式天然容易产生一个问题：

降低成本的激励不足。

而 Silicon Valley 的模式相反：

先自己承担研发风险；

把产品做出来；

规模化；

降低单位成本；

再大量出售。

SpaceX 把这种商业逻辑带进了航天。

Anduril 又把类似逻辑带进国防。

因此现在很多年轻创业者开始问：

为什么雷达不能创业？

为什么无人机不能创业？

为什么导弹不能创业？

为什么卫星不能创业？

为什么核能不能创业？

为什么船厂不能创业？

这就是整个美国 Hard Tech 创业文化变化的底层背景。

六、AI 的真正瓶颈正在从“芯片”继续向外扩散

过去三年资本市场谈 AI，最容易想到的是 NVIDIA。

但产业链已经开始逐渐向外扩散。

AI 算力真正的系统可以粗略理解为：

芯片 → 内存 → 网络 → 数据中心 → 电力 → 土地 → 冷却 → 电网。

任何一个环节不够，都可能成为瓶颈。

所以今天 AI 已经不只是半导体产业。

它实际上正在吞噬：

能源；

公用事业；

工业地产；

光通信；

电力电子；

核能；

天然气发电；

储能；

变压器；

输电基础设施。

YC 也特别提到，算力已经越来越成为一个物理基础设施问题。

这件事对投资人非常重要。

七、真正聪明的投资，不一定永远投资“最性感的东西”

历史上淘金热有一个非常经典的投资规律：

所有人去挖金子的时候，

卖铲子的人往往更稳定赚钱。

AI 也一样。

第一层是模型：

OpenAI、Anthropic、Google DeepMind。

第二层是芯片：

NVIDIA、AMD、ASIC。

第三层是基础设施：

网络；

光通信；

数据中心；

电力；

冷却；

存储。

第四层才是应用。

所以一个非常重要的投资思维是：

不要只问谁拥有最聪明的模型。

还要问：

如果 AI 使用量未来扩大 100 倍，有什么东西一定会严重短缺？

这个问题往往比“下一个 ChatGPT 是谁”更有价值。

八、为什么光通信可能越来越重要？

今天很多人把数据中心理解成：

很多 GPU 放在一起。

其实不准确。

真正的大型 AI 系统，本质上是一台由成千上万块计算芯片组成的“超级计算机”。

GPU 之间必须疯狂交换数据。

于是出现另外一个问题：

通信速度。

单个 GPU 再快，如果芯片之间互相传输数据太慢，整个集群仍然跑不起来。

这就是为什么：

高速网络；

光模块；

硅光；

光子交换；

CPO；

数据中心互联

会越来越重要。

未来 AI 基础设施的战争，不只是：

谁的 GPU FLOPS 更高。

而是：

谁能够让几十万甚至几百万个加速器协同工作。

这已经从“芯片战争”升级成了：

系统工程战争。

九、AI 软件最大的变化：SaaS 正从“卖工具”变成“卖劳动”

这是我认为整份 YC 内容里面最重要的一个变化。

过去 SaaS 公司卖的是：

工具。

Salesforce 给销售人员工具。

Adobe 给设计师工具。

QuickBooks 给会计工具。

ServiceNow 给 IT 部门工具。

软件提升人的生产率，但：

最后还是人完成工作。

Agent 改变这个逻辑。

未来越来越多的软件会直接告诉客户：

你不用操作我。

把任务交给我。

例如传统招聘 SaaS：

搜索候选人；

筛选；

发邮件；

安排会议；

记录 CRM。

未来 AI Recruiting Agent 可能直接：

寻找候选人；

分析候选人；

发送邮件；

跟进；

安排面试；

更新系统。

客户购买的不再是：

Software Seat。

而是：

完成招聘。

十、这可能改变整个软件行业的定价方式

SaaS 过去最经典的商业模式是：

Per Seat。

例如：

每个员工每个月 $50。

100 个员工：

$5,000 MRR。

但是如果 AI 导致员工人数下降怎么办？

Seat 数量反而会减少。

于是下一代 AI 公司会越来越倾向：

按结果收费；

按任务收费；

按交易收费；

按节省成本收费；

按产生收入收费。

这里蕴含一个巨大的商业模式变化：

软件公司的 TAM 开始从“IT Budget”进入“Labor Budget”。

这个区别非常巨大。

美国企业每年给软件花的钱当然很多。

但企业最大的成本之一始终是：

工资。

如果 AI 可以真正承担工作，那么 AI 公司理论上能够进入的市场规模可能远远超过传统 SaaS。

十一、这也是为什么 Agent 公司增长可能非常快

YC 表示，以前很多公司进入 YC 时基本没有收入，到批次结束时，MRR 中位数大约 $8,000；最近这一数字已经达到大约 $20,000，而且出现团队在三个月批次内从零做到七位数收入的案例。

这并不能意味着所有 AI 公司都能如此增长。

但它反映一个重要现象：

AI 产品从 Prototype 到 Commercial Product 的距离正在缩短。

过去：

写软件半年；

招工程师；

测试；

部署；

销售。

今天：

一个领域专家 + AI Coding Agent，

几个星期可能就做出可卖的东西。

于是 startup 的核心瓶颈发生转移。

以前：

Can you build it?

今天越来越变成：

Do people actually want it?

换句话说：

技术风险下降以后，

市场判断力变得更加重要。

十二、“会写代码”正在从壁垒变成基础能力

这是很多技术创业者必须意识到的一件事情。

过去一个人如果能：

写前端；

写后端；

部署服务器；

设计数据库；

做 API；

可能就是非常稀缺的创业人才。

今天这些能力仍然重要。

但是 AI 正在快速把它们商品化。

因此价值开始向另外几个能力迁移：

知道什么值得做；

理解一个行业真正的痛点；

拥有客户；

拥有数据；

拥有分发渠道；

拥有品牌；

拥有监管牌照；

拥有物理基础设施。

这就是所谓：

从 How to Build 转向 What to Build。

YC 自己在这一期讨论中也明确强调：知道应该构建什么，正在变得比单纯知道怎么构建更加重要。

十三、为什么 40 岁、50 岁创业者反而可能进入一个黄金时代？

过去 Silicon Valley 有一个非常强烈的年轻人神话：

20 多岁；

退学；

会编程；

住在车库；

创造下一个 Facebook。

今天情况可能发生变化。

为什么？

因为 AI 正在降低“实现能力”的稀缺性。

而 40 岁创业者可能拥有另外一种资产：

20 年行业知识。

例如一个做了 20 年保险的人知道：

哪一步最浪费时间；

哪一种理赔最容易出错；

客户真正愿意为什么付款；

监管哪里最麻烦；

哪些数据最关键。

过去他可能不会编程，所以不能创业。

今天 AI 可以帮助他快速完成：

Prototype；

后台；

数据库；

自动化；

CRM；

数据分析。

于是他的 20 年经验突然被“软件化”。

这就是一个非常重要的新创业范式：

Domain Expert + AI。

十四、未来最危险的人，可能不是年轻程序员，而是“懂行业又懂 AI 的老兵”

举一个简单例子。

一个 22 岁工程师进入保险行业创业。

他需要两三年才能理解行业。

另外一个人已经在保险公司工作 15 年。

过去第二个人不会写软件，所以第一个人占优势。

现在第二个人使用 AI Coding Agent。

那么：

他的行业经验 + 客户关系 + 业务理解

可能直接压过纯技术优势。

所以未来创业市场最值得关注的人之一就是：

AI-native industry insider。

即：

懂行业；

懂客户；

懂业务；

然后用 AI 把经验产品化。

十五、Solo Founder 上升真正意味着什么？

YC 最新讨论中称，单人创始公司的比例已经接近 18%—19%，而历史水平低得多。Paul Graham 此前也提到，YC 单创始人公司从前一年夏季批次约 9% 上升到约 18%。YC 官方目前依然提醒申请者：Solo Founder 可以申请，但总体而言有合伙人通常仍然更容易成功。

所以千万不要错误理解：

Solo Founder ≠ 永远只有一个员工。

真正变化的是：

公司什么时候必须招第二个人。

以前：

Idea → Cofounder → Engineer → Designer → Product → Revenue。

未来可能：

Idea → Founder + AI → Product → Revenue → Team。

也就是说：

团队建设发生在产品验证之后。

这对创业经济学影响巨大。

十六、创业者股权结构可能因此发生改变

传统 startup：

两位创始人。

50% + 50%。

或者：

60% + 40%。

还没产品，就已经分掉大量股权。

未来一个 Founder 可能：

自己做到 MVP；

拿到客户；

做到 $20K MRR；

然后再找合伙人。

这个时候他的谈判地位完全不同。

过去：

“我们一起赌一个 idea。”

未来：

“这家公司已经跑起来，你来加入。”

这实际上会提高 Founder 的资本效率。

十七、但不要误读成“一人公司时代已经到来”

这里必须冷静。

AI 可以替代很多执行工作。

但公司还有大量非常难被 AI 替代的东西：

销售；

融资；

招聘；

组织管理；

谈判；

客户关系；

战略合作；

品牌；

领导力；

高风险决策。

Carta 的更广泛数据同样显示，Solo Founder 的比例确实长期上升，但获得 VC 融资的 Solo Founder 比例明显低于其公司创建占比。2025 年 Carta 公司中单创始人占比已经达到约 36%，但获得 VC 资金的比例仍明显较低。

所以正确理解不是：

“团队没用了。”

而是：

最小可行团队正在缩小。

这是完全不同的结论。

十八、AI 数据可能正在重复 1849 年淘金热

还有一个极其重要，但普通创业者很少注意的行业：

训练数据和 RL Environment。

YC 在节目中提到，它过去几年投资了十多家公司，为大型 AI Labs 提供数据或者强化学习环境，其中一些公司的年收入已经超过千万美元级别。

为什么？

因为 AI Labs 今天真正缺的已经不只是 GPU。

还缺：

高质量训练任务；

专家数据；

真实工作流；

Long-horizon Tasks；

可验证结果；

模拟环境；

机器人交互数据。

十九、下一代 AI 的竞争，可能从“互联网文本”转向“现实世界经验”

第一代 LLM 的核心数据是什么？

互联网。

Wikipedia；

Reddit；

网页；

书；

GitHub；

论文。

问题是：

这些数据快被吃完了。

未来模型想继续提升怎么办？

必须获取新的数据。

于是数据开始向三个方向发展：

第一种：专家数据

医生；

律师；

投行；

会计师；

工程师；

科学家。

第二种：交互数据

AI 执行任务；

犯错；

重试；

学习。

第三种：物理世界数据

机器人抓东西；

走路；

插线；

装箱；

焊接；

操作机器。

这意味着未来十年的一种重要资产可能是：

现实世界的数据采集能力。

二十、机器人真正缺的不是“一个更大的 ChatGPT”

这也是很多机器人创业者容易犯的错误。

LLM 的输入基本是：

Token。

机器人面对的是：

3D 空间；

力；

速度；

摩擦；

位置；

视觉；

触觉；

时间。

现实世界没有 Ctrl+Z。

语言模型说错一句话，可以重新回答。

机器人抓错一个东西：

可能砸坏设备；

伤到人；

导致生产线停机。

所以机器人模型会非常依赖：

专门场景数据。

这也是为什么 YC 讨论中特别强调，通用机器人模型可能还需要针对具体任务大量 Fine-tuning。

二十一、这意味着机器人行业可能不会最终只有一个“OpenAI”

机器人行业的结构很可能比 LLM 更分散。

因为：

仓库机器人需要一套数据；

手术机器人需要一套数据；

工厂机器人需要一套数据；

农业机器人需要一套数据；

家庭机器人又需要另一套数据。

因此未来非常可能出现：

通用 Foundation Model

行业数据

专用硬件

垂直软件

组成大量垂直机器人公司。

这与 SaaS 时代非常相似。

AWS 是基础设施。

但上面仍然诞生了：

Shopify；

Salesforce；

Uber；

Airbnb；

Stripe。

机器人也可能如此。

二十二、真正的大机会不是“AI + X”，而是 AI 把 X 的成本曲线改掉

以后判断一个创业项目，最好不要问：

“有没有用 AI？”

这是非常低级的问题。

应该问：

AI 有没有改变这个行业的单位经济模型？

比如：

以前一个保险理赔员一天处理 20 个案件。

AI 后：

一个人处理 200 个。

这叫：

10× Productivity。

或者：

以前工业检测需要工程师。

现在摄像头 + AI 自动完成。

这叫：

Labor Replacement。

或者：

过去需要 $50M 开发的软件。

现在 $5M。

这叫：

Cost Curve Compression。

只有出现这些变化，AI 才真正创造商业价值。

二十三、未来十年最重要的资本逻辑之一：从“软件杠杆”升级为“智能杠杆”

过去互联网企业最重要的杠杆是：

Software Leverage。

一个程序员写一次代码；

一亿人使用。

未来：

AI 增加第二层杠杆：

Intelligence Leverage。

一个人的判断；

通过 AI；

可以同时调度：

10 个 Agent；

100 个 Agent；

未来甚至上千个 Agent。

所以企业的基本组织单位可能变化。

过去：

一个 Manager 管 10 个人。

未来：

一个 Founder 可能管理：

几十个 AI Agents + 少量核心员工。

企业规模与企业价值开始逐渐脱钩。

二十四、未来可能出现第一批真正意义上的“超小型巨型企业”

过去：

$10B 公司通常需要：

几千甚至几万员工。

互联网时代第一次出现：

几百人创造几十亿美元价值。

AI 时代可能进一步出现：

几十个人创造几十亿美元价值。

甚至：

极少数人控制巨大的现金流。

所以未来创业领域非常重要的指标可能不再是：

员工数。

而是：

Revenue per Employee。

也就是：

每个员工创造多少收入。

这是 AI 时代最值得长期观察的企业指标之一。

二十五、但是资本最终仍然只认一件事：护城河

AI 让创业变容易，也带来了一个副作用：

复制也变容易。

你三天做出来。

别人可能三天也能做出来。

所以未来创业公司的护城河更加不能只是：

“我用了 GPT。”

真正的 Moat 会来自：

数据；

分发；

网络效应；

品牌；

监管；

客户关系；

硬件；

供应链；

规模经济；

资本；

专利；

现实世界基础设施。

一个非常简单的判断：

如果 OpenAI 明天推出同样功能，你的公司还剩什么？

如果答案是：

“什么都没有。”

那么这家公司危险。

二十六、真正值得创业者学习的，是这一轮资本迁移背后的规律

总结整个 YC 2026 的变化，我认为可以浓缩成六条。

第一，技术正在商品化，判断力正在升值。

会不会写代码的重要性不会消失。

但知道应该写什么会越来越值钱。

第二，软件开始从辅助劳动进入执行劳动。

过去 AI 帮你干活。

未来 AI 替你完成工作。

这就是 Agent 最大的商业变化。

第三，创业团队正在变小。

但公司能够攻击的市场正在变大。

小团队 + 大市场，将成为 AI 时代非常典型的组合。

第四，资本正在从纯 Bits 重新进入 Atoms。

因为 AI 不只改变软件。

它开始改变：

制造；

能源；

机器人；

国防；

数据中心；

航天；

基础科学。

第五，AI 的终局不是一个 App，而是一套新的工业基础设施。

未来回看今天，AI 很可能类似电力和互联网。

它不会只是一个产业。

它会成为：

所有产业的生产要素。

第六，最大的创业机会往往出现在旧产业结构被重新计算的时候。

为什么现在值得关注保险？

为什么值得关注医疗？

为什么值得关注制造？

为什么值得关注国防？

因为：

AI 把劳动成本重新计算了；

地缘政治把供应链价值重新计算了；

算力需求把电力价值重新计算了；

机器人把物理劳动重新计算了。

每当一种关键成本发生数量级变化，

新的巨头就可能出现。

最值得记住的一句话

过去二十年的创业机会，核心是：

把现实世界数字化。

未来十年的创业机会，很可能变成：

让数字智能重新控制现实世界。

互联网把世界的信息搬到了网上。

AI 接下来要做的事情，则可能更加巨大：

理解这些信息；

做出决策；

执行工作；

控制机器；

最终改变真实世界。

因此 YC 今天看到的 Hard Tech 回归、Agent 爆发、Solo Founder 增长、资深创业者回归、机器人和能源基础设施升温，看似是很多独立趋势。

实际上它们背后是同一个历史变化：

智能的成本正在快速下降。

当计算成本下降时，互联网诞生了。

当通信成本下降时，移动互联网诞生了。

而当“智能成本”开始下降时，

下一批巨型企业，很可能不会只是再做一个软件。

它们会重新定义：

人如何工作、公司如何组织、机器如何运行，以及资本如何配置。

这才是 YC 这组数据真正值得读懂的地方。