深潮导读：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+Google 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。
