YC 冬季路演看什么：当 AI 不再只是聊天机器人，创业者开始改造图书馆、医院和无人机战场

Y Combinator 的 Demo Day 向来像科技圈的年度集市：人声鼎沸，概念乱飞，人人都在试图用三分钟讲清楚一个可能值几十亿美元的未来。

今年冬季批次接近 190 家公司，数量庞大到连媒体都很难逐个消化。可即便在这样一场“AI 含量过高”的创业马拉松里，仍然能看出一些比“又一个 AI 助手”更重要的趋势：创业者们正把大模型塞进那些过去很少被硅谷认真打量的行业缝隙里。

这或许才是 YC W’26 最有趣的地方。AI 当然还是主角，但它不再满足于写邮件、改代码、做会议纪要。它开始进入图书馆目录系统、安防摄像头、医疗翻译、建筑文件审阅，甚至跑到荒地里找铀矿、抬头盯小型无人机。换句话说，AI 正从屏幕里的“聪明”走向现实世界里的“有用”。

AI 从通用口号，变成行业螺丝钉

这一届最鲜明的感觉，是“AI for X”终于没有那么空泛了。比如 Avoice 瞄准建筑事务所，自动处理规范、图纸、合同和提案这些设计师并不热爱的杂务。这个方向乍看不性感，但它很真实。建筑行业数字化一直慢半拍，原因不只是保守，更因为工作链条长、文件体系复杂、责任风险高。谁能把这些文书流程做顺，谁就有机会吃下一个长期被忽视的市场。

Librar Labs 更像一个典型的 YC 式冷门选题：给图书馆做 AI 管理系统，先从学校图书馆的库存与编目开始。听起来一点都不像会出现在风投聚光灯下的项目，但这类系统恰恰是“旧世界软件”的代表——流程重要、体验老旧、竞争者少、用户忍耐度高。一旦有人真做出好产品，替换成本未必像想象中那么难。过去 SaaS 黄金时代改造的是销售、客服、财务；接下来，AI 很可能会去翻修这些二十年没人认真重写过的软件角落。

类似的还有 Lexius，把 AI 嵌入传统安防摄像系统，让摄像头不只是录下事故，而是能识别跌倒、盗窃并触发响应。这类产品的价值不在“模型多先进”，而在于它把原本割裂的监控、告警和处置流程串起来。今天很多企业其实不缺摄像头，缺的是能及时理解画面的人。把“看见”变成“行动”，这是不少 AI 创业公司正在补的那块短板。

这些项目共同说明一件事：AI 的下一阶段，未必属于最会讲故事的人，而更可能属于最愿意钻进行业细节、啃脏活累活的人。模型能力越来越接近，真正拉开差距的，会是数据、流程、集成和部署。

机器人、穿戴设备和“新硬件梦”又回来了

如果说上一轮 AI 创业热更多发生在浏览器和 API 里，这一轮已经明显有创业者想把 AI 从云端拽到物理世界。

Asimov 就是一个很有代表性的例子。它做的不是直接造人形机器人，而是收集人类动作视频，把全球用户上传的运动和任务行为转成训练数据，供机器人学习。这个方向听上去有点像“给机器人拍动作捕捉素材库”，但它背后其实踩中了具身智能最现实的瓶颈：机器人并不缺大脑原型，缺的是高质量、可泛化、足够丰富的身体经验。

过去几年，人形机器人从特斯拉 Optimus 到 Figure，再到一众中国公司，融资和关注度都越来越高。可一个尴尬事实是，机器人在演示视频里走几步、搬个箱子不算难，真正难的是在复杂环境里稳定地完成“像人一样自然”的动作。Asimov 这种基础设施型公司未必最吸睛，却很可能吃到整个具身智能产业链的红利。

另一边，Button Computer 则押注 AI 穿戴设备。两位前苹果员工做了一个小型语音驱动设备，号称是为 AI 时代打造的“微型电脑”，能联动邮箱、Slack、Salesforce 等应用。这个方向很容易让人想起 Humane AI Pin 的教训，也会让人想到 OpenAI 收购 Jony Ive 团队后，外界对“下一代 AI 硬件”的猜测。

问题在于，AI 穿戴设备至今还没有真正证明自己。手机已经足够强大，耳机也在持续进化，任何新硬件都必须回答一个残酷问题：为什么我不能直接用手机完成？所以 Button 的机会并不只是做一个更小的设备，而是要证明“语音 + AI + 常驻连接”能创造新的交互习惯。否则，它很可能只是又一个被好奇心短暂围观的配件。

最先买单的，不是消费者，而是焦虑的行业

很多人还在讨论 AI 应用的“杀手级消费场景”，但从这一届 YC 的项目看，最愿意掏钱的，依然是那些被风险、合规和效率逼着往前跑的行业。

MouseCat 做 AI 反欺诈，直接从 Databricks、Snowflake 这类云数据系统里拉数据，寻找可疑行为并给出处置建议。Crosslayer Labs 监测网站仿冒，防止钓鱼和诈骗。Sonarly 则瞄准生产环境故障，连接现有监控系统，降噪、找根因、自动修复或建议后续动作。这些方向有个共同点：用户不是为了“尝鲜”买单，而是为了少损失钱、少出事故、少半夜被电话叫醒。

这也是 AI 商业化越来越现实的一面。生成式 AI 最初打动世界，是因为它看起来像魔法；但真正能持续付费的市场，往往来自恐惧和成本压力。一次欺诈、一次系统宕机、一次品牌仿冒，带来的损失都可能远高于订阅费用。对企业来说，AI 不一定要惊艳，只要能降低出错率、缩短响应时间，就已经足够有价值。

医疗领域同样如此。Opalite Health 做的是医疗场景翻译，帮助医护人员和非英语患者沟通。这个赛道并不新鲜，市面上已有类似服务，但它的重要性从来不在“新不新”，而在“准不准、能不能进临床流程”。在消费互联网里，翻译错一句最多闹笑话；在医院里，翻译错一句可能就是药量、病史、过敏信息的重大偏差。AI 在医疗中的真正门槛，不是模型会不会说外语，而是它能否承担现实责任。

我反而很喜欢 Doomersion 这种看起来“不那么严肃”的项目：把短视频刷屏逻辑拿来学语言。用户像刷 TikTok 一样刷外语内容，把最容易消耗时间的行为，改造成某种带收益的输入。它未必是最宏大的创业命题，却很符合今天的产品现实——人们很难戒掉手机，但也许可以稍微改善手机如何吞掉我们的时间。这种产品的聪明之处，不是反人性，而是顺着人性走。

从反无人机到找铀矿：AI 正在碰更硬的世界

这一批 YC 公司里，还有两类项目特别能说明 2026 年创业风向的变化：国防科技和能源科技。

Milliray 做小型无人机探测雷达。它的逻辑并不复杂：今天低空小型无人机越来越廉价、越来越灵活，靠肉眼识别既容易误判，也很难持续监控。特别是在地缘冲突频仍、关键基础设施防护升级的背景下，“看清天空里飞的是鸟还是机器”这件事，正从军用需求外溢到更广泛的安全场景。几年前，国防科技还是不少创业者避之不及的领域；这两年，它已经成了硅谷最热的赛道之一。

Terranox AI 则用 AI 寻找北美铀矿。这个项目听上去像是把机器学习扔进地质勘探，但背后的宏大叙事非常清楚：AI 需要算力，算力需要电，未来数据中心需要大量稳定能源，而核能又重新回到政策和资本的视野里。从微软、谷歌到亚马逊，科技巨头都在以不同方式布局核电或低碳能源。创业公司押注“找铀”并不离谱，它只是把 AI 热潮背后的那条隐形基础设施链条，向上游又推了一步。

这里面其实藏着一个很值得讨论的问题：当 AI 创业越来越深入国防、矿产、监控和能源，我们到底是在迎来一轮更扎实的技术落地，还是在用“智能化”包装更多高风险系统？比如医疗翻译的责任边界、安防识别的误报漏报、反欺诈系统的数据偏见、矿产开发的环境代价，这些都不是一个漂亮 Demo 能轻松掩盖的。

还有 ARC Prize Foundation 这样的非营利机构进入 YC，也很耐人寻味。它做 AGI 基准测试，OpenAI、Anthropic、Google DeepMind 都在使用类似评测框架。非营利组织出现在 YC，不只是个小彩蛋，它也说明一件事：在 AI 竞赛越来越激烈的当下，“如何衡量进步”本身已经是一门重要生意，甚至是一种公共基础设施。没有好的尺子，所有人都会声称自己无限接近 AGI；有了更可信的尺子，行业至少多了一点共同语言。

说到底，这届 YC 最有趣的不是哪家公司一定会成为下一个独角兽，而是它折射出创业世界正在发生的微妙转向：从讲模型能力，转向讲场景价值；从追求通用爆款，转向深挖行业痛点；从软件里的效率工具，走向现实世界里更复杂的系统。

这未必像 ChatGPT 横空出世时那样震撼，但更像技术真正开始接地气的样子。没有那么多魔法，多了很多工地、医院、仓库、图书馆、矿区和雷达站。对创业者来说，这可能没那么浪漫；对产业来说，这反而是好消息。