盤點YC最新24個創業公司，發現了AI的下一個方向

AI應用風向標（公眾號：ZhidxcomAI） 編譯｜畢偉豪 編輯｜漠影 智東西6月5日報道，過去二十年，作為世界著名的創業公司孵化器，Y Combinator（後簡稱YC）中孕育了太多影響整個行業的創企，包括Airbnb、Stripe、Coinbase和Instacart等等。 但比產出獨角獸更值得關注的，是它作為行業風向標在講述一件事：硅谷最聰明的一批人正在把錢和時間砸向哪裡。 縱觀今年YC這一批初創公司的名單，一個趨勢呼之欲出：AI的上一個階段是造更聰明的模型，而下一個階段，是讓智能體能在真實商業環境裡落地。 當AI Agent從Demo走進生產環境，面臨的是一連串新問題：Agent需要記憶、身份、合規、監控、驗證、企業系統接入，還需要能支撐規模化運行的算力、網絡和能源基礎設施。 這一批YC公司，盯上的正是這些，越來越聰明的模型已經不夠了，可靠性、信任度、基礎設施和實際部署這些問題，是Agent商業化落地的新挑戰和新機遇。 一、成本、可靠性和記憶，讓Agent真正走進企業 創業公司ReasonBlocks解決的就是成本與可靠性，這是企業引入Agent最頭疼的問題。它的思路不是造新模型，是讓現有模型更實用，平臺把Agent以前運行中成功的推理模式存下來，注入到後續工作流裡，幫Agent避開重複錯誤，同時大幅降低Token消耗。 ReasonBlocks報告稱，在SWE-Bench Pro（該公司研發的智能體平臺）上，同樣的底層模型，Token用量降了52%，準確率提了42%。 CEO Sajeev Magesh說了一句很實在的話：“生產環境裡的AI Agent又貴又不可靠，公司每個月花費高達六位數美元，而這些系統仍然頻繁失效，難以信任。” 如果說ReasonBlocks想做的是“讓Agent便宜還不犯錯”，那Memory Store面向的就是另一個更底層的問題：讓Agent記憶更穩定。 創始人Ishita Jindal和Diwank Singh在2018年因為對電影《她》的共同痴迷認識，後來通過開源平臺Julep做了幾千個Agent，發現這些Agent會反覆忘記上下文、重複犯同樣的錯。於是出來做了Memory Store，讓人類和AI Agent共享一個記憶層。 Jindal的判斷是：“未來區分公司的不再是執行力，是它知道什麼別人不知道的東西。” AgentPhone這家公司很有意思，他們想給每個Agent配一張身份證。創始人Meet Modi直言：“每個人都有一個電話號碼。這是世界識別你、聯繫你、信任你的方式。AI Agent還沒有這個。” Runtime則是專注於企業基礎設施部署，他們所做的事情是整個AI Agent行業最不光鮮靚麗的環節：讓Agent真正走進企業內部。創始人認為，下一代AI的贏家，是那些讓模型能以足夠可靠的姿態進入真實生產環境的企業。 Agent上線前還有最後一道關：安全驗證Arga Labs做的正是驗證層工作。它建了一套數字孿生環境，企業在上生產環境之前可以在裡面安全地測試AI Agent。 創始人Phillip Li說了一句反直覺的判斷：“大多數人認為AI越聰明，需要的測試越少。我們正好相反，Agent能力越強，它犯錯的代價就越大。” Agent跑起來了，下一個問題是它出了事怎麼辦。Sazabi在做AI原生的可觀測性平臺，自動化事件檢測、根因分析和響應，負責企業代碼安全維護以及報錯提醒等方面。 創始人Sherwood Callaway是兩屆YC老人、a16z scout，之前在Brex建了多年基礎設施。他的觀點是“監控已死，未來是Agent驅動的自動警告。” 有意思的是，Sazabi的融資方式也不走尋常路，沒靠少數機構投資人，而是集結了100多個天使投資人，包括Browserbase、LangChain、Graphite、Daytona這些公司的創始人和工程負責人，相當於把AI開發者工具圈最核心的一批人全拉上了船。 二、不是做軟件，要做AI打工人 基礎設施搭好之後，更激進的問題來了：Agent到底能不能替代人類？有幾家公司把邊界推得更遠，要直接替代一整類崗位，而不是給現有崗位提效。 Dayjob的故事最能說明這種思路的轉變，創始人花了18個月給垃圾處理公司做軟件，結果發現客戶真正要的根本不是軟件，每天早上，運輸調度員花幾個小時手動排路線，排完後路況一變全白乾。 創始人George Postlethwaite說他們終於醒悟了：“我們停止做軟件，開始做AI工人。”現在Dayjob的Agent可以在幾分鐘內重建複雜的物流排班。 這種思路正在從物流蔓延到營銷，Revnu的創始人George Jefferson在大學宿舍裡用AI自動跑增長實驗，從軟件開發到客服全自動化，最後發現增長和營銷這塊效果最好。 他說：“AI已經自動化了軟件工程，下一步是自動化增長。”現在Revnu在做能自己跑增長實驗、衡量結果、優化投放的系統。 如果說Dayjob和Revnu是在替代具體崗位，那Modern的目標就是替代一整個企業服務平臺。它對標的是ServiceNow，但思路完全反了過來，直接從底層就圍繞Agent重新搭建。 創始人Seb Poole的判斷是：“企業軟件一直是追蹤系統，真正幹活的是人。”Modern的Agent設計目標是自主解決服務檯工單，在可審計的確定性工作流內運行。 三、走進物理世界：B超、機器人、空中交通管制 從軟件世界往外跨一步，這批裡還有幾家公司在追求讓AI走進物理世界。 Lumius做的是“人體的3D相機”，把AI、計算和醫學影像結合，讓B超更容易解讀和使用，從臨床診斷到手術機器人，應用場景跨越很大。 Avea Robotics解決的是機器人落地中最無聊但最貴的問題：機器人遇到故障時讓人立刻遠程介入，減少停機時間。這個問題在工廠和倉庫的流水線裡非常重要，因為哪怕很小的故障率都要付出巨大的成本。 General Aviation直接上天了，他們用Starlink低軌衛星將飛機直接連上互聯網，建了一套新的空中交通管制系統。這個想法幾十年前就有，但有了Starlink之後才真正開始可行。 四、AI進企業的最後一公里：傳統桌面軟件的Agent接入 物理世界難，但有時候企業軟件更難。Forbes提到了這樣一個數據，70%以上的財富500強公司還依賴於沒有現代API的傳統桌面應用。 這種應用在接入AI的過程中非常困難，替換成本高、風險大、很多時候根本不現實。AI再聰明，解決不掉這些老系統就進不了大部分企業的核心流程。 Minicor盯上的就是這個缺口。它讓AI Agent通過智能桌面自動化直接與這些老系統交互。用確定性代碼加Agent工作流，在不替換現有基礎設施的前提下創建、監控和修復自動化流程，無需企業替換系統，YC期間它的月經常性收入翻了三倍。 Minicor的收入增長說明了一個巨大的機會：最大的AI機會不是替換舊系統，是讓舊系統能被AI使用，這個邏輯在這批創業公司中反覆出現。 五、合規、保險、經紀人，讓企業願意信任Agent 系統打通之後，信任問題就浮出水面了。一旦出現錯誤，誰來負責？這批次裡有幾家公司正在回答這個問題。 Complir把AI帶進了合規領域，CEO Gustav Bang說：“合規，這詞無聊到讓人犯困，但它是這十年最重要的基礎設施之一。”合規行業目前還嚴重依賴PDF、電子表格和人工審查，而這些正是Agent所擅長的。 如果說合規是事前預防，那保險就是事後兜底。Klaimee在做專門給AI Agent的保險，目前傳統保險產品保護的是人和計算機系統，不包括能自己做決定的自主軟件。創始人認為Agent的崛起會創造全新的風險類別，需要全新的保險品類。 有了保險產品，還需要有人幫企業選，Kinro就在做AI原生的保險經紀人，核心業務是幫小企業選擇保險方案、進入市場和持續管理保單。 六、算力、能源、冷卻：AI背後看不見的基建 往上走了這麼久，得回到最底層看一眼。所有Agent、所有模型、所有企業應用，最後都要落到服務器上。而有些YC創業公司發現，服務器層面欠的債可能比軟件層面更大。 Expanse發現了數據中心的巨量閒置算力。CEO Ismaeel Bashir說：“全球一半算力正在被浪費。”他們在單個數據中心裡發現了幾百萬美元的閒置容量，於是做了一個平臺來識別和重新分配這些資源。 就算把所有閒置算力都用上，現有的計算架構可能還是不夠。ProjectX的判斷更底層：現代操作系統從來不是為人類和AI Agent同時工作的場景設計的，需要全新的計算架構。 如果說算力是上限，能源就是地基。Apollo Atomics在做緊湊型核反應堆的商業化。創始人Assil Halimi在核工業幹了十多年，他認為：“這個行業最大的障礙不是物理，而是工程落地。”YC期間，Apollo從單一商業協議擴展到了超過20GW的合作意向和夥伴關係。 與此同時，Madrone正在解決散熱問題，創始人估計一個數據中心約有30%電力消耗在散熱上，YC期間Madrone把散熱產能提升了100倍，正在加速量產。 七、金融、招聘和開發者內容，AI進入垂直行業核心圈層 基礎設施講完了，最後一個視角是垂直行業，一批公司正在把AI引入具體賽道，其中幾個切入角度很有意思。 MochaTrade讓印度交易員能接入美國金融市場的永續合約。創始人Utkarsh Sinha說：“我們做MochaTrade是因為受夠了被當作想交易的市場裡的二等參與者。”這話背後是一個被忽視的全球市場缺口。 KelAI的切入點完全不同，它是把AI引入投資研究這個高度依賴人力的環節。創始人Jeremie Cohen在WorldQuant做了六年，想研究持續自我進化的智能投資分析系統，加速投資想法從產生到驗證的過程。 從投資到招聘，這個跨度看起來很大，但Asendia AI遇到的行業問題和前面公司本質上是一樣的：大量重複性勞動困住了理應做判斷的人。 創始人Rihab Lajmi說了一句很有個性的話：“我們不是招聘行業出來的，我們是被一個爛透了的流程氣進來的。”進YC前，他們花了幾個月跟著招聘人員和獵頭公司實地觀察，看到的是被電子表格、人工外呼和重複行政工作困住的行業。 除了這些傳統行業，Manicule也值得一提，兩個創始人只有18歲，做的事是幫以開發者為核心創業公司建立信譽並觸達技術受眾，在AI內容氾濫的時代，這對18歲的創始人賭的是高質量技術內容和開發者教育會越來越值錢。 結語：YC新一批的創業公司，關注的是未來的一切 過去幾年AI競賽的定義是更強的模型、更好的基準測試、更強的系統，而這批YC創業公司所關注的方向表明，下一個挑戰不是創造智能，是落地。 Agent要進入真實商業場景，需要一套全新的基礎設施層。與此同時，物流、招聘、醫療、金融、航空、製造業這些變化速度本來很慢的行業，也正在被AI從不同的角度滲透。 這些公司能不能成功沒人知道，但他們走的路，或許就是Agent未來的方向。 來源：Forbes