Автор:出海去孵化器
Правила игры в стартапах полностью изменились.
В новом "Списке желаний для стартапов" (RFS) на весну 2026 года от Y Combinator (YC) мы видим чёткий сигнал: AI-native (искусственный интеллект как основа) больше не просто маркетинговый термин, а базовая логика для построения следующего поколения гигантов. Сегодня стартапы могут с большей скоростью и меньшими затратами бросать вызов областям, которые раньше считались "непоколебимыми".
На этот раз YC обращает внимание не только на программное обеспечение, но и на промышленные системы, финансовую инфраструктуру и государственное управление. Если предыдущая волна ИИ была о "генерации контента", то следующая волна будет о "решении сложных проблем" и "преобразовании физического мира".
Вот 10 ключевых направлений, за которыми YC пристально следит и куда渴望 инвестировать.
1. "Cursor" для продуктовых менеджеров (Cursor for Product Managers)
За последние несколько лет такие инструменты, как Cursor и Claude Code, кардинально изменили способ написания кода. Но этот расцвет скрывает более фундаментальную проблему: написание кода — это всего лишь средство, а выяснение, "что именно строить", является ядром.
В настоящее время процесс продуктового открытия всё ещё находится в "каменном веке". Мы полагаемся на фрагментированные пользовательские интервью, трудно量化ую обратную связь с рынком и бесчисленные Jira-тикеты. Этот процесс крайне трудоёмок и полон разрывов.
Рынок остро нуждается в AI-native системе, которая будет помогать продуктовым менеджерам так же, как Cursor помогает программистам. Представьте себе инструмент: вы загружаете все записи интервью с клиентами и данные об использовании продукта, а затем спрашиваете его: "Что нам делать дальше?"
Он не даст вам расплывчатую рекомендацию, а выдаст полный план функций с обоснованием решений конкретными отзывами клиентов. Более того, он сможет напрямую генерировать UI-прототипы, корректировать модели данных и разбивать задачи на конкретные разработки для выполнения AI Coding Agent.
По мере того как ИИ постепенно берёт на себя реализацию кода, способность "определять продукт" станет как никогда важной. Нам нужен суперинструмент, способный замкнуть цикл от "обнаружения потребностей" до "определения продукта".
2. Хедж-фонды следующего поколения на основе ИИ (AI-Native Hedge Funds)
В 1980-х годах, когда несколько фондов начали экспериментировать с компьютерным анализом рынка, Уолл-стрит над этим смеялась. Сегодня量化ная торговля является стандартом. Если вы сейчас ещё не осознали, что находитесь на类似的 переломном этапе, вы можете упустить следующую Renaissance Technologies или Bridgewater.
Возможность заключается не в том, чтобы "прикрутить" ИИ к существующим стратегиям фондов, а в том, чтобы с нуля构建ть AI-native инвестиционные стратегии.
Хотя существующие量化ные гиганты обладают огромными ресурсами, в博弈 между соответствием и инновациями они действуют слишком медленно. Будущие хедж-фонды будут управляться группами AI-агентов (Agents) — они смогут, как человеческие трейдеры, 24 часа в сутки анализировать 10-K отчёты, прослушивать конференц-звонки о доходах, анализировать файлы SEC и综合ить мнения различных аналитиков для совершения сделок.
В этой области настоящая Alpha-доходность будет принадлежать новым игрокам, которые осмелятся позволить ИИ глубоко接管 инвестиционные решения.
3. Трансформация сервисных компаний в программные (AI-Native Agencies)
Всегда, будь то дизайн-компании, рекламные агенства или юридические фирмы, все агентские (Agency) модели сталкивались с тупиком: сложностью масштабирования. Потому что они продают "человеко-часы", имеют низкую рентабельность, а рост必须依赖于 найма.
ИИ打破ет этот тупик.
Новое поколение агентств больше не будет продавать клиентам программные инструменты, а будет само использовать AI-инструменты для производства результатов со в 100 раз большей эффективностью, а затем продавать готовый продукт. Это означает:
-
Дизайн-компании могут использовать ИИ для создания整套 индивидуальных решений до подписания контракта, нанося сокрушительный удар по традиционным конкурентам.
-
Рекламным агенствам не нужны дорогостоящие съёмки на месте, чтобы генерировать с помощью ИИ рекламные видеоролики уровня кино.
-
Юридические фирмы могут составлять сложные юридические документы за минуты, а не недели.
Будущие сервисные компании по бизнес-модели будут больше походить на软件公司: с высокой валовой прибылью软件公司 и无限ной масштабируемостью.
4. Финансовые услуги на основе стейблкоинов (Stablecoin Financial Services)
Стейблкоины (Stablecoins) быстро становятся ключевой инфраструктурой全球ных финансов, но сервисный уровень поверх них всё ещё представляет собой пустыню. С продвижением таких законопроектов, как GENIUS и CLARITY, стейблкоины находятся на стыке DeFi (децентрализованные финансы) и TradFi (традиционные финансы).
Это огромное окно для регуляторного арбитража и инноваций.
В настоящее время пользователи часто вынуждены выбирать между "соответствующими требованиям, но низкодоходными традиционными金融产品ами" и "высокодоходными, но高风险ными加密货币ами". Рынку нужна промежуточная форма: новые финансовые услуги, построенные на основе стейблкоинов, которые既 соответствуют требованиям, так и обладают преимуществами DeFi.
Будь то сберегательные счета с более высокой доходностью, токенизированные реальные мировые активы (RWA) или более эффективная инфраструктура跨境ных платежей, сейчас лучшее время для соединения этих двух параллельных миров.
5. Преобразование старой промышленной системы: Современные металлургические заводы (Modern Metal Mills)
Когда говорят о "реиндустриализации США", часто смотрят на стоимость рабочей силы, игнорируя слона в комнате: традиционные промышленные системы спроектированы крайне неэффективно.
Возьмём, к примеру, закупку алюминия или стальных труб в США: сроки поставки от 8 до 30 недель являются нормой. Это не потому, что рабочие ленивы, а потому, что вся система управления производством была разработана десятилетия назад. Эти устаревшие заводы в погоне за "тоннажем" и "利用率" пожертвовали скоростью и гибкостью. Кроме того, высокое энергопотребление также является больным местом, и заводам часто не хватает современных решений для управления энергетикой.
Возможность для реструктуризации созрела.
Используя управляемое ИИ планирование производства, системы MES (Manufacturing Execution System) в реальном времени и современные технологии автоматизации, мы можем коренным образом сократить сроки поставок и повысить рентабельность. Это не просто ускорение работы заводов, а создание программно-определяемых производственных процессов, которые сделают локальное металлопроизводство дешевле, гибче и прибыльнее. Это ключевой элемент重建工业基础.
6. Модернизация государственного управления с помощью ИИ (AI for Government)
Первая волна AI-компаний уже заставила企业和个人填写表格 с惊人的速度, но эта эффективность резко обрывается при столкновении с государственными органами. Огромное количество цифровых заявок в конечном итоге поступает в государственные бэк-офисы, которые всё ещё полагаются на ручную распечатку и ручную обработку.
Государственным органам срочно нужны AI-инструменты для应对即将到来的数据洪流. Хотя такие страны, как Эстония, уже показали雏形 "数字政府", эту логику необходимо复制ить по всему миру.
Продажа программного обеспечения правительству — это действительно сложная задача, но и награда同样丰厚: как только вы заполучите первого клиента, это往往 означает极高的 приверженность клиентов и огромный потенциал для expansion. Это не только коммерческая возможность, но и общественно полезное дело повышения эффективности функционирования общества.
7. AI-наставник в реальном времени для физического труда (AI Guidance for Physical Work)
Помните сцену в "Матрице", где Нео подключается к разъёму и мгновенно изучает кунг-фу? Реальная версия "впрыскивания навыков" приближается, и носителем является не интерфейс мозг-компьютер, а AI-наставничество в реальном времени.
Вместо того чтобы整天讨论ть, какие white-collar работы заменит ИИ, лучше посмотреть, как он может расширить возможности blue-collar работ. В таких областях, как现场服务, обрабатывающая промышленность, медицинский уход, ИИ, хотя и не может непосредственно "动手", но может "видеть" и "думать".
Представьте себе рабочего в умных очках, ремонтирующего оборудование. ИИ через камеру видит клапан и прямо у него в ухе говорит: "Выключи тот красный клапан, используй гаечный ключ на 3/8 дюйма, та деталь изношена, её нужно заменить."
Созревание多模态ных моделей, распространение умного оборудования (телефоны, наушники, очки) и нехватка квалифицированной рабочей силы —这三者叠加催生ют этот огромный спрос. Будь то предоставление培训系统 существующим предприятиям или создание全新的 "супер-синих воротничков" платформы劳动力, здесь есть огромное пространство для воображения.
8. Пространственные большие модели,突破ающие языковые ограничения (Large Spatial Models)
Большие языковые модели (LLM)推动ли взрыв ИИ, но их интеллект ограничен рамками того, что можно описать "языком". Для достижения искусственного общего интеллекта (AGI) ИИ должен понимать физический мир и пространственные отношения.
Текущий ИИ по-прежнему неуклюж в处理ении пространственных задач, таких как геометрия, 3D-структуры, физическое вращение. Это ограничивает их способность взаимодействовать с физическим миром.
Мы ищем команды, способные构建ть большие модели пространственных рассуждений (Large Spatial Models). Такие модели не должны рассматривать геометрию как нечто второстепенное по отношению к языку, а как первопринцип. Тот, кто заставит ИИ真正 понимать и проектировать физические структуры, получит шанс создать следующую краеугольную модель уровня OpenAI.
9. Цифровой арсенал для охотников за мошенничеством (Infra for Government Fraud Hunters)
Правительство — крупнейший в мире покупатель, ежегодно тратящий триллионы долларов и одновременно несущий огромные потери от мошенничества. Только программа Medicare в США ежегодно теряет десятки миллиардов долларов из-за ненадлежащих платежей.
Американский Закон о ложных исках (False Claims Act) позволяет частным лицам подавать в суд на мошеннические компании от имени правительства и получать долю от recovered средств. Это один из самых эффективных инструментов борьбы с мошенничеством, но текущий процесс极其原始: осведомители предоставляют线索 адвокатам, которые годами вручную整理ят документы.
Нам нужны智能系统, специально designed для этого. Это не просто панель управления, а AI-детектив, который может自动分析ировать混乱ные PDF-файлы, отслеживать сложные структуры подставных компаний и упаковывать разрозненные доказательства в судебные документы.
Если вы сможете увеличить скорость возврата средств от мошенничества в 10 раз, вы не только построите огромную商业帝国, но и вернёте налогоплательщикам миллиарды损失.
10. Сделать обучение LLM простым (Make LLMs Easy to Train)
Несмотря на ажиотаж вокруг ИИ, опыт обучения больших моделей по-прежнему ужасающе плох.
Разработчики ежедневно борются с破碎的 SDK, тратят часы на отладку GPU-инстансов, которые崩溃ают сразу после запуска, или находят критические ошибки в开源工具ах. Не говоря уже о кошмаре处理ения терабайтных данных.
Подобно тому, как эра облачных вычислений породила Datadog и Snowflake, эра ИИ остро нуждается в лучших "лопатах". Нам нужно:
-
API, полностью абстрагирующие процесс обучения.
-
Базы данных, способные轻松 управлять超大规模ными наборами данных.
-
Среды разработки, designed specifically для исследований машинного обучения.
По мере того как "пост-обучение" (Post-training) и специализация моделей становятся всё более важными, эта инфраструктура станет краеугольным камнем будущей разработки программного обеспечения.
