글쓰기 코드 외에도 AI는이 10의 무시한 트랙에서 세계를 다시 제작합니다

저자:incubator에 바다로

기업가의 규칙은 완전히 바뀌었습니다。

Y Combinator (YC)의 최신 릴리스에서, 2026 봄 & ldquo; ” (RFS), 우리는 AI가 더 이상 단순한 마케팅 용어가 아니라, 오히려 거인의 차세대를 구축의 논리를 명확하게 신호를 볼 수 있습니다. 오늘날의 시작은 한 번 간주 된 지역에 도전 할 수 있습니다 “ unshockable ” 빠르고 낮은 비용。

이 시간, YC는 소프트웨어 뿐만 아니라 산업 체계, 재정적인 바닥 위로 구조 및 지배에 집중했습니다. AI의 이전 파가 약 “ 생성 내용 ” 다음 파는 “ 복잡한 문제 해결 ” “ 물리적 세계 &rdquo。

YC가 밀접하고 EAGER가 투자하는 10 개의 핵심 트랙입니다。

1. "제품 관리자용 Cursor"

지난 몇 년 동안, Cursor 및 Claude Code와 같은 도구는 코드를 작성하는 방법을 완전히 변경했습니다. 그러나이 붐은 더 기본적인 질문을 숨깁니다 : 코드를 작성하는 것은 &rdquao가 무엇인지 파악하는 방법; 그것은 핵심입니다。

현재 제품 발견 프로세스는 여전히 “ 돌 나이 ” 우리는 파편 사용자 인터뷰, 하드 - 투 - 쿼 딩 시장 피드백 및 수많은 Jira 작업 시트에 의존합니다. 공정은 매우 수동이며 결함이 가득합니다。

긴급한 시장은 Cursor의 보조 프로그래머와 같은 제품 관리자를 지원하는 AI 기본 시스템을 필요로 합니다. 클라이언트 인터뷰 및 제품에 사용되는 데이터의 모든 레코드를 업로드 한 도구를 상상하고, 다음을 묻습니다 : “ 우리가 다음을 수행합니까? ·;

Vague 제안을 제공보다 오히려, 그것은 완벽한 기능 개요를 수출하고 특정 클라이언트 피드백을 통해 결정을 내립니다. 추가하려면 UI 프로토 타입을 직접 생성하고 데이터 모델을 조정하고 AI 코딩 에이전트에 특정 개발 작업을 거부 할 수 있습니다。

AI가 점차적으로 특정 코드, “ 제품을 정의 ” 능력은 지금까지보다 더 중요 할 것이다. 우리는 &ldquao; &rdquao; &ldquao; 제품 정의 &rdquao; 폐쇄 루프를 통해 얻을 수있는 슈퍼 도구가 필요합니다。

2. 차세대 AI 네이티브 헤지펀드

1980 년대에, 몇 펀드가 컴퓨터와 시장을 분석하려고 시도 할 때, 벽 거리는 그것을 스프링. Quantified 거래는 이제 프레임입니다. 우리가 유사한 도는 점에 있다는 것을 깨달지 않는 경우에, 당신은 다음 르네상스 기술 또는 Bridgewater를 놓을지도 모릅니다。

이 기회의 파는 AI & ldquo; 외부 & rdquo; 기존의 펀드 전략에, 하지만 스크래치에서 AI 원래 투자 전략을 구축에 대 한。

기존의 양적 거인이 엄청난 리소스를 가지고 있지만, 그들은 준수 및 혁신의 게임에서 너무 천천히 움직이고 있습니다. 미래 헤지 펀드는 AI 스마트 및 매시 그룹에 의해 구동 될 것입니다; — 그들은 인간 상인과 같은 수, 10K 금융 진술을 빗질하기 위해 24 시간, 재정적인 teleconferences, SEC 분석 문서 및 분석가의 전망과 무역。

이 영역에서 실제 알파 리턴은 AI가 깊이에 투자 결정을 내릴 수있는 새로운 플레이어에 속합니다。

3. 명세 서비스 회사의 소프트웨어 변화 (AI-Native Companies)

모두 함께, 모든 에이전트 -- 디자인 회사, 광고 회사, 그리고 회사 -- 죽은 끝에 직면하고있다: 그것은 규모가 어렵다. 그들은 판매 &ldquao; 머리 &rdquao; 그리고 낮은 수익성이 있고 성장을 위해 채용에 의존한다。

AI는 이 매듭을 끊고 있습니다。

에이전트의 새로운 세대는 더 이상 클라이언트에 소프트웨어 도구를 판매하지 않습니다, 하지만 AI 도구를 사용하여 100 배 더 효율적인 결과를 생산하고 최종 제품을 직접 판매합니다. 이 수단:

• 디자이너는 계약에 서명하기 전에 AI를 사용할 수 있으며 전통적인 경쟁사에 사용될 수있는 사용자의 전체 패키지를 생성 할 수 있습니다。

• 광고 회사는 AI를 사용하여 필름 기반 비디오 광고를 생성하기 위해 비싸지 않습니다。

• 법률 회사는 몇 주 이내에 복잡한 법률 기기의 초안을 완료 할 수 있습니다。

미래 서비스 회사는 그들의 사업 모델에 소프트웨어 회사 처럼 더 많은 것 이다: 소프트웨어 회사의 Maori 소유권의 높은 수준 및 무제한 확장。

4. Stablecoin 금융 서비스

Stablecoins는 빠르게 글로벌 금융에 대한 중요한 인프라가되고 있지만 위의 서비스는 폐지국에 남아 있습니다. GENIUS 및 Clarity와 같은 청구서의 발전으로, 안정화 통화는 DeFi (분쇄 된 금융) 및 TradFi (전통 금융)의 교차로에 있습니다。

이것은 거대한 규제 arbitrage 및 혁신 창입니다。

현재 사용자는 종종 “ &rdquo, 준수하지만 낮은 반환; 및 “ 높 yield하지만 높은 risk 암호화 통화 ” 그리고 다른 사람. 시장은 중간 형태를 필요로 합니다: 고분고분한 안정되어 있는 통화에 근거를 둔 새로운 금융 서비스는 DeFi의 이점이 있습니다。

더 높은 수익을 제공하는 저축 계정이든, 수익 창출하는 실제 세계 자산 (RWA), 또는 더 효율적인 크로스 국경 지불 인프라, 이것은 두 개의 평행한 세계를 연결하는 가장 좋은 시간입니다。

5. 명세 오래된 산업 체계를 개조: 현대 금속 선반

사람들은 &ldquo에 대해 이야기 할 때, 미국 re-industrialization & rdquo; 그들은 방에 코끼리를 ignoring 동안 노동의 비용에 별이 경향이 : 전통적인 산업 시스템 설계는 매우 효율적입니다。

예를 들면 미국에서는, 8 30 주의 납품 주기는 정상적입니다. 이것은 노동자가 게으른이기 때문에, 그러나 전체 생산 관리 체계는 10 년 전에 디자인되었습니다. 이 오래된 식물은 &ldquo의 추구에 속도와 유연성을 희생했습니다; 톤수 ” 및 “ 이용 &rdquo. 또한, 높은 에너지 소비는 주요 문제이며, 공장은 종종 현대 에너지 관리 프로그램을 부족합니다。

재건 할 수있는 기회는 성숙했다。

AI 구동 생산 계획, 실시간 제조 구현 시스템 (MES) 및 현대 자동화 기술을 사용하여, 우리는 근본적으로 납품 주기를 감소시키고 수익성을 증가시킬 수 있습니다. 이것은 공장이 더 빠르지 만, 그러나 소프트웨어 정의 제조 공정을 통해 더 저렴하고 더 유연하고 수익성이 높은 금속 생산을 만드는 것입니다. 산업 기지를 재건하는 핵심 요소입니다。

6. 정부를 위한 AI

AI의 첫 번째 파는 기업과 개인이 경보 비율에 양식을 작성 할 수 있지만이 효율성은 정부 부서를 만날 때 중지합니다. 디지털 응용 분야의 많은 수는 결국 수동으로 인쇄 및 수동으로 처리 된 정부 백 오피스에 의존했다。

정부 부문은 급격히 데이터 홍수로 대처하기 위해 AI 도구를 필요로한다. 에스토니아와 같은 국가는 “ 디지털 정부 ”이 논리는 전 세계 복제해야합니다。

정부에 소프트웨어의 판매는 실제로 열심히 가열 뼈이지만, 반환은 똑같이 강합니다. 일단 당신이 당신의 첫 번째 고객을 가지고, 그것은 종종 높은 수준의 고객 점성과 확장을위한 거대한 잠재력을 의미합니다. 이것은 비즈니스 기회뿐만 아니라 사회의 기능의 효율성을 향상시킬 수있는 공공 좋은 것입니다。

7. 명세 physics를 위한 실시간 AI mentors

자주 묻는 질문 네오는 해커 제국의 튜브를 kung fu을 배울? Real-life “ 기술 주입 ” 와서, 캐리어는 뇌 인터페이스가 아니라 실시간 AI지도。

AI가 White-collar 작업으로 교체 할 일에 대해 이야기하는 대신 Blue-collar 작업을 수행하는 방법을 참조하십시오. 현장 서비스, 제조, 의료, AI의 영역에서 직접 “ 손으로 ”하지만 “ 보고 ” “ 생각 &rdquo。

스마트 안경을 가진 노동자가 장비를 수리하고 AI는 카메라를 통해 밸브를보고, 그의 귀에 말한다 : “ 3/8 인치 렌치와 붉은 밸브를 폐쇄, 부분은 착용하고 교체해야합니다. ·;

멀티 모듈 모델의 성숙, 스마트 하드웨어의 확산 (휴대폰, 헤드폰, 안경) 및 숙련 된 노동의 부족이 엄청난 수요를 유발했다. 기존 기업 또는 완전히 새로운 & ldquo의 창조를위한 교육 시스템이든, 슈퍼 블루 칼라 & rdquo; 및 노동 플랫폼, 엄청난 상상력이있다。

8. 명세 언어 제한을 깨는 큰 공간 모델

빅 언어 모델 (LLM)은 AI의 발발을 촉진하지만 지혜는 “ 언어 &rd; 및 기술 될 수 있습니다. 범용 인공 지능 (AGI)를 달성하기 위해 AI는 물리적 세계와 우주 관계를 이해해야합니다。

현재 AI는 기하학, 3D 구조, 물리적 교체 등과 같은 공간 임무를 다루는 CLUMSY 남아 있습니다. 이것은 물리적 세계와 상호 작용하는 능력을 제한합니다。

우리는 큰 공간 reasoning 모형을 건설할 수 있는 팀을 찾고 있습니다. 같은 모델은 언어에 대한 액세서리로 기하학을 치료하지 않아야합니다. 그러나 기본 원칙으로. 누가 AI를 진정으로 이해하고 물리적 구조를 설계 할 수 있습니다 OpenAI 수준에서 다음 기반 모델을 구축 할 수있는 기회。

9. 명세 정부 Frad Hunters에 대한 인프라

정부는 세계에서 가장 큰 구매자이며, 1 년 달러의 조 달러를 지출하면서 많은 사기를 잃습니다. 미국의 건강 보험은 1 억 달러의 10 억 달러를 잃습니다。

False 클레임 미국 법은 민간인이 정부를 대신하고 회복 된 자금의 공유를 얻은 사기적 회사가 수반 할 수 있도록합니다. 이것은 사기를 퇴치하는 가장 효과적인 방법 중 하나입니다, 그러나 현재 과정은 극단적으로 원시적이다: whistleblowers는 회사에 리드를 제공, 몇 년의 공동 처리 문서를 지출。

우리는 그것을 위해 특별히 디자인된 똑똑한 체계를 필요로 합니다. 간단한 대시보드가 아닙니다. 통합 PDF, 추적 복잡한 쉘 구조 및 패키지가 가능한 문서에 대한 증거를 자동적으로 해독 할 수있는 AI 형사입니다。

사기 복구를 할 수 있다면 10 배 빠른, 당신은 단지 거대한 상업 제국을 구축 할 수 없습니다, 또한 세금 지불에 대한 수십억 달러를 절약。

기차로 LLM을 쉽게

AI의 열에도 불구하고, 큰 모델 훈련 경험은 APPALLING 남아。

개발자는 깨진 SDK로 매일 투쟁하고, 시간이 단지 깨진 GPU의 예를 디버깅하거나 오픈 소스 도구에서 지방 버그를 발견했습니다. TB-level 데이터를 처리하는 Nightmare를 언급하지 마십시오。

클라우드 컴퓨팅의 시대로 Datadog과 Snowflake를 생산했으며 AI의 시대는 훨씬 더 잘 필요로했습니다. shovel & rdquo; 우리는 필요합니다

• 교육 과정 API의 총 요약。

• 메가 데이터 세트의 데이터베이스는 쉽게 관리 할 수 있습니다。

• 기계 학습 연구 디자인에 전념하는 개발 환경。

“ post-training & rdquo; Post-training 및 model specialization가 점점 중요 해지고, 이러한 인프라는 미래 소프트웨어 개발의 코너스톤이 될 것입니다。