筆記コードとは別に、AIはこれらの10個のネグレクトトラックで世界を再構築しています

著者:海からインキュベータへ

起業家精神のルールは完全に変更されました。

Y Combinator(YC)の最新リリースでは、2026 Spring & ldquo;”(RFS)では、AIが単なるマーケティング用語ではなく、次世代の巨人を造る基礎的なロジックであるという明確な信号が見えます。 今日のスタートアップは、&ldquoであると考えられたかつてあったエリアに挑戦することができます。 解剖不可能” より速く、低コストで。

今回は、ソフトウェアだけでなく、産業用システム、金融ボトムアップ構造、ガバナンスに焦点を合わせました。 以前のAIの波が&ldquoについての場合、コンテンツ&rdquoを生成し、次の波は&ldquoについてになります。複雑な問題の解決と”“物理世界&rdquoを再構築します。

ここでは、YCが密接に見ていると投資する熱望している10コアトラックです。

1.「プロダクト・マネージャーのためのカスター」

過去数年間、CursorやClaude Codeなどのツールは、コードが書かれている方法が完全に変更されています。 しかし、このブームはより根本的な質問を隠します。コードを書くことは、&rdquaoが何をすべきかを調べる手段です。それはコアです。

現時点では、製品検出のプロセスはまだ&ldquoにあります。ストーンエイジ”私たちは、断片的なユーザーインタビューに依存し、市場フィードバックを難しく評価し、多くのJiraワークシートをしています。 プロセスは非常に手動であり、欠陥がいっぱいです。

市場は、Cursor の補助プログラマーのようなプロダクト マネージャーを支える AI の第一次システムを緊急に必要とします。 クライアントのインタビューや製品に使用されるデータのすべてのレコードをアップロードし、それを尋ねるツールを想像してみてください: “ 私たちは何をしますか? ”

漠然とした提案を与えるよりも、完全な機能的な輪郭をエクスポートし、特定のクライアントのフィードバックによる意思決定を正当化します。 さらに、UIプロトタイプを直接生成したり、データモデルを調整したり、特定の開発タスクをAIコーディングエージェントに解読したりすることもできます。

AIが特定のコードを徐々に引き継ぎ、“ 製品&rdquoを定義する; 能力はこれまで以上に重要になります。 私たちは、&ldquao;&rdquao;&ldquao;製品定義&rdquao;クローズドループを介して取得するためのスーパーツールが必要です。

2.次世代AIネイティブヘッジファンド

1980年代には、コンピュータで市場を分析しようとする資金が少なかったとき、ウォールストリートはそれを窒息させました。 定量化されたトランザクションがフレーム化されました。 同様の旋回ポイントで実現できなかった場合は、次のルネッサンス・テクノロジーやブリッジウォーターを見逃すかもしれません。

この機会の波は、AI&ldquo、アウター&rdquo、既存のファンド戦略ではなく、AIオリジナルの投資戦略をゼロから構築することです。

既存の量的巨人は膨大なリソースを持っていますが、コンプライアンスと革新のゲームでは、彼らはあまりにもゆっくりと移動しています。 将来のヘッジファンドは、AIスマート&マダッシュのグループによって駆動されます。 — それらは、ヒトトレーダーのように、10K財務ステートメントを1日24時間コンボし、財務テレカンファレンスを監視し、SEC文書を分析し、アナリストのビューで取引することができます。

この領域では、実際のアルファリターンは、AIが深刻に投資決定を上回ることを可能にする新しいプレーヤーに属します。

3。 サービス企業のソフトウェア変革(AI-Native Companies)

すべて、すべてのエージェント -- 設計会社、広告会社、および会社 - デッドエンドに直面しています。スケールするのは難しいです。 &ldquao、ヘッドタイム&rdquao、低収益性と成長のための採用に頼らなければならないので。

このノットを破るAI。

新しい世代のエージェントは、ソフトウェアツールをクライアントに販売しませんが、AIツールを使用して100倍の効率的な結果を生み出し、最終製品を直接販売します。 つまり:

• デザイナーは、契約に署名する前にAIを使用して、従来の競合他社に対して使用できるカスタマイズのパッケージ全体を生成できます。

• 広告会社では、AIを用いたフィルムベースの動画広告を生成するために高価なフィールド撮影を必要としません。

• 法律事務所は、数週間以内に、複雑な法的機器のドラフトを完了することができます。

将来のサービス企業は、ソフトウェア企業と無制限のスケーラビリティの高いレベルのMaoriオーナーシップのビジネスモデルのソフトウェア会社のようにより一層異なります。

4. 安定コイン金融サービス

ステーブルコインは急速にグローバルファイナンスにとって重要なインフラになっていますが、上記のサービスは廃棄地のままです。 GENIUSやClarityなどの法案の進歩に伴い、安定化通貨は、DeFi(分散型金融)とTradFi(取引金融)の交差点にあります。

これは巨大な規制仲裁とイノベーションウィンドウです。

現時点では、ユーザーは、多くの場合、&ldquo との間の単一選択の問題を作る;&rdquo、迎合的であるが、低リターンを持っている伝統的な金融製品;““高潔だが高リスク暗号化通貨”など。 市場は中間形態を必要とします: 両立している安定した通貨に基づいて新しい金融サービスは、DeFiの利点を持っています。

より高いリターン、収益を上げる現実世界資産(RWA)、またはより効率的なクロスボーダー決済インフラを提供する貯蓄口座であっても、これは2つの平行世界を接続するための最良の時間です。

5。 古い産業システムの再発明: 現代金属の製造所

人々は、&ldquoについて話すとき;米国再工業化”彼らは部屋で象を無視しながら、労働のコストで星を付ける傾向があります:伝統的な産業システム設計は非常に非効率的です。

米国では、例えば、8〜30週の配達サイクルが正常です。 労働者が怠けているためではなく、生産管理システム全体が10年前に設計されていたためです。 これらの古い植物は、&ldquoの追求にスピードと柔軟性を犠牲にしてきました。 トンゲ”“利用&rdquo。 また、高エネルギー消費量は大きな問題であり、工場では近代的なエネルギー管理プログラムが不足しています。

再構築する機会が成熟しました。

AI主導の生産計画、リアルタイム製造実装システム(MES)、近代的な自動化技術を用いて、配送サイクルを根本的に削減し、収益性を高めることができます。 これは、工場がより速く走るだけでなく、ソフトウェア定義製造プロセスを通じて、より柔軟かつより収益性の高い金属生産を低コストにするために、だけでなく、工場を作ることです。 これは産業基盤を再建する重要な要素です。

6. 政府のためのAI

AIの第一波は、企業や個人が警戒率でフォームを埋めるためにそれを可能にしましたが、政府の部門に遭遇したときにこの効率性は止まります。 手動で印刷して手動で処理しなければならなかった政府の郵便局に、最終的には大量のデジタルアプリケーションが送られました。

政府セクターは、AI ツールを緊急に必要としており、インペンデントデータの洪水に対処することができます。 エストニアのような国は、 &ldquo のプロトタイプを実証してきましたが、デジタル政府 ” このロジックは、世界中で複製される必要があります。

政府へのソフトウェアの販売は確かにハード・ツー・エイトの骨ですが、リターンは等しく強いです:あなたの最初の顧客を取れば、それは頻繁に顧客の粘度の高い程度および拡大のための巨大な潜在性を意味します。 これは、ビジネスチャンスだけでなく、社会の機能の効率性を向上させるための公益です。

7。 物理のためのリアルタイムAIメンター

いつか覚えている ネオはハッカー帝国にチューブを置き、カンフーを学ぶために? リアルライフ&ldquo、スキルインジェクション&rdquo、キャリアは脳インタフェースではなく、リアルタイムAIガイダンスです。

AIがホワイトカラーのジョブに置き換えるのではなく、ブルーカラーのジョブをどのように活用するかを見てみましょう。 現場サービス、製造、医療、AIの領域では、直接&ldquoではなく、”それは&ldquoすることができます。&rdquoを参照してください。””思考&rdquo。

スマートメガネのワーカーが機器を修復していると想像して、AIはカメラを介してバルブを見、彼の耳で言う:“ 赤いバルブをシャットダウンし、3/8インチのレンチで、部分は着用して交換を必要とします。 ”

マルチモジュラーモデルの成熟度、スマートハードウェア(携帯電話、ヘッドフォン、メガネ)の増殖、熟練した労働の不足は、この大きな需要を引き起こしました。 既存の企業や全く新しい&ldquoの創造のためのトレーニングシステムであるかどうか; スーパーブルーカラー” そして、労働プラットフォーム、巨大な想像力があります。

8。 言語制限を破る大容量モデル

ビッグランゲージモデル(LLM)はAIの発生を促進しますが、その知恵は&ldquo、言語&rdquoに限定されています。そして記述することができます。 人工知能(AGI)を実現するためには、AIは、物理的な世界と宇宙関係を理解する必要があります。

現在のAIは幾何学、3D構造、物理的な回転、等のようなスペース ミッションを扱います。 これは、物理的な世界と相互作用する能力を制限します。。

大規模なスペース推論モデルを構築できるチームを探しています。 そのようなモデルは、主要な原則としてではなく、言語へのアクセサリとしてジオメトリを扱うべきではありません。 誰がAIを本当に理解し、物理的な構造を設計できるのかは、OpenAIレベルで次の基礎モデルを構築するための機会を持っています。

9月9日 政府ファラッドハンターのためのインフラ

政府は世界最大の買い手であり、詐欺から多くを失う一方で、1年1ドルの兆しを費やす。 米国での健康保険は、不適切な支払いのために1年10億ドルを失います。

偽の主張 米国法は、民間の市民が政府に代わって不正な企業を調達し、回収された資金のシェアを得ることができます。 これは、不正行為と戦うための最も効果的な手段の一つですが、現在のプロセスは非常に原始的です: ウィステルブローワーズは、数年間の共同処理文書を費やす会社につながります。

そのために設計されたスマートシステムが必要です。 シンプルなダッシュボードではありません。 混乱したPDFを自動解読し、複雑なシェル構造をトレースし、実用的な文書に散らばらされた証拠をパッケージ化できるAI探偵です。

不正な回復を10倍早くするには、巨大な商業帝国を建設するだけでなく、納税者のための数十億ドルを節約することができます。

LLMを電車で簡単にする

AIの熱にもかかわらず、大規模なモデルのトレーニング経験は、アッケーリングのままです。

開発者は、毎日壊れたSDKに苦労し、GPUのインスタンスをデバッグしたり、オープンソースツールで致命的なバグを見つけました。 TBレベルのデータを処理する悪夢は言うまでもありません。

クラウドコンピューティングの時代として、データドッグとスノーフレークを生成し、AIの時代は、はるかに優れた&ldquoを必要としていました。 shovel&rdquo。 私たちは必要です:

• トレーニングプロセス API の総抽象化。

• メガデータセットのデータベースを簡単に管理できます。

• 機械学習研究設計に特化した開発環境。

“ 後トレーニング” 後トレーニングとモデルの専門性がますます重要になると、これらのインフラストラクチャは将来のソフトウェア開発の礎となります。