盘点YC最新24个创业公司，发现了AI的下一个方向
AI应用风向标（公众号：ZhidxcomAI）
编译｜毕伟豪
编辑｜漠影
智东西6月5日报道，过去二十年，作为世界著名的创业公司孵化器，Y Combinator（后简称YC）中孕育了太多影响整个行业的创企，包括Airbnb、Stripe、Coinbase和Instacart等等。
但比产出独角兽更值得关注的，是它作为行业风向标在讲述一件事：硅谷最聪明的一批人正在把钱和时间砸向哪里。
纵观今年YC这一批初创公司的名单，一个趋势呼之欲出：AI的上一个阶段是造更聪明的模型，而下一个阶段，是让智能体能在真实商业环境里落地。
当AI Agent从Demo走进生产环境，面临的是一连串新问题：Agent需要记忆、身份、合规、监控、验证、企业系统接入，还需要能支撑规模化运行的算力、网络和能源基础设施。
这一批YC公司，盯上的正是这些，越来越聪明的模型已经不够了，可靠性、信任度、基础设施和实际部署这些问题，是Agent商业化落地的新挑战和新机遇。
一、成本、可靠性和记忆，让Agent真正走进企业
创业公司ReasonBlocks解决的就是成本与可靠性，这是企业引入Agent最头疼的问题。它的思路不是造新模型，是让现有模型更实用，平台把Agent以前运行中成功的推理模式存下来，注入到后续工作流里，帮Agent避开重复错误，同时大幅降低Token消耗。
ReasonBlocks报告称，在SWE-Bench Pro（该公司研发的智能体平台）上，同样的底层模型，Token用量降了52%，准确率提了42%。
CEO Sajeev Magesh说了一句很实在的话：“生产环境里的AI Agent又贵又不可靠，公司每个月花费高达六位数美元，而这些系统仍然频繁失效，难以信任。”
如果说ReasonBlocks想做的是“让Agent便宜还不犯错”，那Memory Store面向的就是另一个更底层的问题：让Agent记忆更稳定。
创始人Ishita Jindal和Diwank Singh在2018年因为对电影《她》的共同痴迷认识，后来通过开源平台Julep做了几千个Agent，发现这些Agent会反复忘记上下文、重复犯同样的错。于是出来做了Memory Store，让人类和AI Agent共享一个记忆层。
Jindal的判断是：“未来区分公司的不再是执行力，是它知道什么别人不知道的东西。”
AgentPhone这家公司很有意思，他们想给每个Agent配一张身份证。创始人Meet Modi直言：“每个人都有一个电话号码。这是世界识别你、联系你、信任你的方式。AI Agent还没有这个。”
Runtime则是专注于企业基础设施部署，他们所做的事情是整个AI Agent行业最不光鲜靓丽的环节：让Agent真正走进企业内部。创始人认为，下一代AI的赢家，是那些让模型能以足够可靠的姿态进入真实生产环境的企业。
Agent上线前还有最后一道关：安全验证Arga Labs做的正是验证层工作。它建了一套数字孪生环境，企业在上生产环境之前可以在里面安全地测试AI Agent。
创始人Phillip Li说了一句反直觉的判断：“大多数人认为AI越聪明，需要的测试越少。我们正好相反，Agent能力越强，它犯错的代价就越大。”
Agent跑起来了，下一个问题是它出了事怎么办。Sazabi在做AI原生的可观测性平台，自动化事件检测、根因分析和响应，负责企业代码安全维护以及报错提醒等方面。
创始人Sherwood Callaway是两届YC老人、a16z scout，之前在Brex建了多年基础设施。他的观点是“监控已死，未来是Agent驱动的自动警告。”
有意思的是，Sazabi的融资方式也不走寻常路，没靠少数机构投资人，而是集结了100多个天使投资人，包括Browserbase、LangChain、Graphite、Daytona这些公司的创始人和工程负责人，相当于把AI开发者工具圈最核心的一批人全拉上了船。
二、不是做软件，要做AI打工人
基础设施搭好之后，更激进的问题来了：Agent到底能不能替代人类？有几家公司把边界推得更远，要直接替代一整类岗位，而不是给现有岗位提效。
Dayjob的故事最能说明这种思路的转变，创始人花了18个月给垃圾处理公司做软件，结果发现客户真正要的根本不是软件，每天早上，运输调度员花几个小时手动排路线，排完后路况一变全白干。
创始人George Postlethwaite说他们终于醒悟了：“我们停止做软件，开始做AI工人。”现在Dayjob的Agent可以在几分钟内重建复杂的物流排班。
这种思路正在从物流蔓延到营销，Revnu的创始人George Jefferson在大学宿舍里用AI自动跑增长实验，从软件开发到客服全自动化，最后发现增长和营销这块效果最好。
他说：“AI已经自动化了软件工程，下一步是自动化增长。”现在Revnu在做能自己跑增长实验、衡量结果、优化投放的系统。
如果说Dayjob和Revnu是在替代具体岗位，那Modern的目标就是替代一整个企业服务平台。它对标的是ServiceNow，但思路完全反了过来，直接从底层就围绕Agent重新搭建。
创始人Seb Poole的判断是：“企业软件一直是追踪系统，真正干活的是人。”Modern的Agent设计目标是自主解决服务台工单，在可审计的确定性工作流内运行。
三、走进物理世界：B超、机器人、空中交通管制
从软件世界往外跨一步，这批里还有几家公司在追求让AI走进物理世界。
Lumius做的是“人体的3D相机”，把AI、计算和医学影像结合，让B超更容易解读和使用，从临床诊断到手术机器人，应用场景跨越很大。
Avea Robotics解决的是机器人落地中最无聊但最贵的问题：机器人遇到故障时让人立刻远程介入，减少停机时间。这个问题在工厂和仓库的流水线里非常重要，因为哪怕很小的故障率都要付出巨大的成本。
General Aviation直接上天了，他们用Starlink低轨卫星将飞机直接连上互联网，建了一套新的空中交通管制系统。这个想法几十年前就有，但有了Starlink之后才真正开始可行。
四、AI进企业的最后一公里：传统桌面软件的Agent接入
物理世界难，但有时候企业软件更难。Forbes提到了这样一个数据，70%以上的财富500强公司还依赖于没有现代API的传统桌面应用。
这种应用在接入AI的过程中非常困难，替换成本高、风险大、很多时候根本不现实。AI再聪明，解决不掉这些老系统就进不了大部分企业的核心流程。
Minicor盯上的就是这个缺口。它让AI Agent通过智能桌面自动化直接与这些老系统交互。用确定性代码加Agent工作流，在不替换现有基础设施的前提下创建、监控和修复自动化流程，无需企业替换系统，YC期间它的月经常性收入翻了三倍。
Minicor的收入增长说明了一个巨大的机会：最大的AI机会不是替换旧系统，是让旧系统能被AI使用，这个逻辑在这批创业公司中反复出现。
五、合规、保险、经纪人，让企业愿意信任Agent
系统打通之后，信任问题就浮出水面了。一旦出现错误，谁来负责？这批次里有几家公司正在回答这个问题。
Complir把AI带进了合规领域，CEO Gustav Bang说：“合规，这词无聊到让人犯困，但它是这十年最重要的基础设施之一。”合规行业目前还严重依赖PDF、电子表格和人工审查，而这些正是Agent所擅长的。
如果说合规是事前预防，那保险就是事后兜底。Klaimee在做专门给AI Agent的保险，目前传统保险产品保护的是人和计算机系统，不包括能自己做决定的自主软件。创始人认为Agent的崛起会创造全新的风险类别，需要全新的保险品类。
有了保险产品，还需要有人帮企业选，Kinro就在做AI原生的保险经纪人，核心业务是帮小企业选择保险方案、进入市场和持续管理保单。
六、算力、能源、冷却：AI背后看不见的基建
往上走了这么久，得回到最底层看一眼。所有Agent、所有模型、所有企业应用，最后都要落到服务器上。而有些YC创业公司发现，服务器层面欠的债可能比软件层面更大。
Expanse发现了数据中心的巨量闲置算力。CEO Ismaeel Bashir说：“全球一半算力正在被浪费。”他们在单个数据中心里发现了几百万美元的闲置容量，于是做了一个平台来识别和重新分配这些资源。
就算把所有闲置算力都用上，现有的计算架构可能还是不够。ProjectX的判断更底层：现代操作系统从来不是为人类和AI Agent同时工作的场景设计的，需要全新的计算架构。
如果说算力是上限，能源就是地基。Apollo Atomics在做紧凑型核反应堆的商业化。创始人Assil Halimi在核工业干了十多年，他认为：“这个行业最大的障碍不是物理，而是工程落地。”YC期间，Apollo从单一商业协议扩展到了超过20GW的合作意向和伙伴关系。
与此同时，Madrone正在解决散热问题，创始人估计一个数据中心约有30%电力消耗在散热上，YC期间Madrone把散热产能提升了100倍，正在加速量产。
七、金融、招聘和开发者内容，AI进入垂直行业核心圈层
基础设施讲完了，最后一个视角是垂直行业，一批公司正在把AI引入具体赛道，其中几个切入角度很有意思。
MochaTrade让印度交易员能接入美国金融市场的永续合约。创始人Utkarsh Sinha说：“我们做MochaTrade是因为受够了被当作想交易的市场里的二等参与者。”这话背后是一个被忽视的全球市场缺口。
KelAI的切入点完全不同，它是把AI引入投资研究这个高度依赖人力的环节。创始人Jeremie Cohen在WorldQuant做了六年，想研究持续自我进化的智能投资分析系统，加速投资想法从产生到验证的过程。
从投资到招聘，这个跨度看起来很大，但Asendia AI遇到的行业问题和前面公司本质上是一样的：大量重复性劳动困住了理应做判断的人。
创始人Rihab Lajmi说了一句很有个性的话：“我们不是招聘行业出来的，我们是被一个烂透了的流程气进来的。”进YC前，他们花了几个月跟着招聘人员和猎头公司实地观察，看到的是被电子表格、人工外呼和重复行政工作困住的行业。
除了这些传统行业，Manicule也值得一提，两个创始人只有18岁，做的事是帮以开发者为核心创业公司建立信誉并触达技术受众，在AI内容泛滥的时代，这对18岁的创始人赌的是高质量技术内容和开发者教育会越来越值钱。
结语：YC新一批的创业公司，关注的是未来的一切
过去几年AI竞赛的定义是更强的模型、更好的基准测试、更强的系统，而这批YC创业公司所关注的方向表明，下一个挑战不是创造智能，是落地。
Agent要进入真实商业场景，需要一套全新的基础设施层。与此同时，物流、招聘、医疗、金融、航空、制造业这些变化速度本来很慢的行业，也正在被AI从不同的角度渗透。
这些公司能不能成功没人知道，但他们走的路，或许就是Agent未来的方向。
来源：Forbes
(来源：新浪科技)
关联资讯:
【数智周报】前世界首富贝索斯新公司募资说明书首度曝光，估值380亿美元；Anthropic正以9000亿美元估值寻求至少300亿美元融资；阿里平头哥自研GPU规模化量产
【数智周报】 林俊旸：“智能体式思考”将成为主流；2026中关村论坛现场签约34个重大投资项目；OpenClaw更新时发生升级事故；OpenAI将停止运营SORA视频平台应用程序；SK海力士计划年内在美国上市；
