Y Combinator（YC）近日公布 Summer 2026 版 Requests for Startups（RFS），列出這一季特別希望創業者投入的方向。從 YC 這次提出的題目來看，創業機會已經不只是「在既有產品裡加上 chatbot」，也不是再做一個幫人寫信、整理會議或生成簡報的 AI 小工具。
YC 更關注的是：AI 如何改造公司內部知識、專業服務交付、半導體供應鏈、硬體製造、農業、醫療、太空電子與反無人機防禦等更複雜的系統。
換言之，AI 創業正在從「提高個人工作效率」走向「重建組織與產業流程」。如果一家公司從成立第一天就是 AI-native，它賣的可能不再是一套軟體，而是一個被 AI 重構後的服務、一套企業作業系統，甚至是一條新的供應鏈能力。
YC 從領先指標變落後指標？
五源資本合夥人孟醒近日發表矽谷考察報告，點出當前 AI 創業圈正在出現一個關鍵轉折：過去被視為創業風向球的 Y Combinator（YC），在 AI 迭代速度急遽加快後，可能正從「領先指標」逐漸變成「落後指標」。
(用 AI 提升產出還是降低成本？百倍效率沒換來百倍營收，但矽谷沒人敢喊停)
孟醒今年 3 月坐在 YC W26 batch Demo Day 觀眾席時，聽到第五家公司路演就放下了筆。原因不是這些公司不夠努力，而是題目太相似。這一屆超過一百家公司中，約 80% 都在做垂直 agent，例如幫律師整理文件、幫客服分發工單、幫 HR 篩選履歷。
若放在去年 10 月，這些題目或許仍會讓投資人覺得「挺有想法」。但到了 2026 年，Claude Code 從開發者工具變成幾乎人人可用的介面，Opus 4.6 又進一步把 vibe coding 的門檻壓到地板後，許多尚未建立業務壁壘的垂直 agent，已經不再像過去那樣稀缺。一個普通工程師，甚至可能花一個週末就能複製出類似產品。
這也讓 YC 原本賴以成功的批次制度面臨挑戰。從申請、篩選、入營、打磨到 Demo Day 路演，YC 的節奏是為一個相對穩定、產品與市場變化較慢的世界設計的。但在當前 AI 迭代速度下，5 個月足以發生數輪典範轉移。當模型能力、開發工具與使用者習慣都在快速重寫，創業題目一旦進入批次流程，等到公開路演時，可能已經從前沿變成共識，甚至變成紅海。
有趣的是，YC 最新一季 Requests for Startups（RFS）其實也正試圖回應這個變化。YC 在 Summer 2026 RFS 中明確指出，AI 已經停止只是某個功能，而開始成為軟體、服務、硬體乃至物理世界的基礎。
AI 不再只是功能，而是公司與產業的底層假設
YC 在 Summer 2026 RFS 中表示，AI 已經停止只是產品中的一個功能，而開始成為軟體、服務、矽晶片與實體世界的新基礎。這句話其實點出了這次清單的主軸：AI 創業不能只停留在「把模型接進產品」，而是要重新思考原本的工作、公司與產業是否應該被改寫。
因此，這次 RFS 中的題目很少是單純 consumer app 式的創業想像。更準確地說，YC 並不是在尋找下一個靠 UI 和流量爆紅的 AI 應用，而是把注意力放在那些過去很難被軟體徹底改造的領域。
例如，專業服務以前高度依賴人力與流程經驗；企業知識散落在 Slack、email、工單與會議裡；半導體供應鏈仍大量仰賴人工協調；硬體製造在美國的迭代速度遠慢於深圳；農業仍依賴大面積噴灑農藥；無人機防禦則面臨攻擊方成本遠低於防守方的結構性問題。
這些都不是加一個聊天機器人就能解決的問題。它們需要 AI 被放進流程、資料、硬體、供應鏈與決策系統裡，成為整套運作方式的一部分。
從賣軟體到賣結果：AI-native 服務公司
YC 合夥人 Gustaf Alströmer 在 RFS 中提出「AI-Native Service Companies」方向，這可能是理解新一輪 AI 創業轉向的關鍵。
過去幾年，多數 AI 新創做的是 copilot，也就是幫人更快完成工作。它們賣的是軟體，使用者仍然需要操作工具、判斷結果、完成交付。但 YC 現在感興趣的是下一步：公司不再只賣工具，而是直接賣服務。
這代表客戶不需要買一套 AI 軟體回去訓練員工使用，而是直接把保險經紀、會計、稅務、審計、合規、醫療行政等工作交給 AI-native 公司完成。軟體在這裡變成內部生產力工具，而不是對外銷售的主要商品。
這個轉變很重要。因為服務市場的規模遠大於軟體市場，而且許多專業服務本來就已經被企業外包。若 AI-native 公司能用更低成本、更快速度和更穩定品質完成工作，它攻擊的就不只是 SaaS，而是整個服務業的成本結構。
公司大腦：企業 AI 自動化缺的不是模型，而是內部知識
另一個重點是「Company Brain」。YC 合夥人 Tom Blomfield 認為，企業 AI 自動化最大的瓶頸已經不再是模型能力，而是 domain knowledge。每家公司都有大量關鍵知識散落在員工腦中、舊 email、Slack 討論串、客服工單和資料庫裡。公司之所以能運作，是因為人類大概知道某件事該問誰、哪個流程有例外、哪個決策其實沒有寫在正式文件中。
但 AI agent 不能靠這種模糊記憶工作。若要讓 AI 真正進入企業自動化，公司需要一個新的基礎層，把分散知識整理成一張可更新、可執行的公司運作地圖。
YC 強調，這不是公司搜尋工具，也不是文件 chatbot，而是能讓 AI 理解「公司如何運作」的系統。例如退款怎麼處理、價格例外如何決定、工程事故如何升級、客服如何根據不同情況回應。當這些流程被結構化後，AI 才能安全、一致地執行工作。
這也是 AI 創業開始變得更難、也更有價值的地方。未來的護城河可能不只是模型或介面，而是誰能把某個組織或產業的隱性知識，轉化為 AI 可以執行的流程。
企業 AI 作業系統：讓公司從開環變閉環
與 Company Brain 相近，YC 合夥人 Diana Hu 提出「The AI Operating System for Companies」。她觀察到，最好的 AI-native 公司已經讓整家公司變得 queryable：每場會議、每張工單、每次客戶互動、每個產品決策，都能被一個 intelligence layer 理解和使用。
這會讓公司從 open loop 變成 closed loop。傳統企業往往先做決策，幾週後才檢查結果；但 AI-native 公司可以持續監測實際發生的事，和目標狀態比較，再回過頭調整執行。
問題是，今天要做到這件事需要大量整合工作。Slack、Linear、GitHub、Notion、會議錄音、客服系統和各種內部工具都必須被串接起來。YC 因此認為，創業機會在於打造一個連接層，讓公司內部產生的所有工作痕跡，自動變成 AI 可以理解、推理和執行的資料。這不是另一個 dashboard，而是讓公司本身形成自我改善迴路的底層系統。
下一代軟體可能不是給人用，而是給 agent 用
YC 這次也提出「Software for Agents」。這個方向的核心假設是：未來網路上會有大量 AI agents 代替人類研究、購買、管理 CRM、操作工具與完成任務，但今天的軟體仍然是為人類點擊設計的。人類需要表單、按鈕和儀表板；agent 則需要 API、MCP、CLI、機器可讀文件和可程式化的註冊、授權與使用流程。
因此，當所有人都在做 agent 時，另一個更大的機會可能是替 agent 建造軟體。這些軟體不再把人類當成唯一使用者，而是把 agent 視為一等公民。
這也意味著，傳統 SaaS 的產品設計邏輯可能被重新改寫。過去軟體公司努力設計更好的使用者介面；未來的軟體公司可能必須同時設計人類介面與 agent 介面，甚至在某些場景中，機器可讀介面會比人類 UI 更重要。
AI coding 降低軟體成本，老牌 SaaS 反成攻擊目標
YC 合夥人 Jared Friedman 在「SaaS Challengers」中指出，市場正在討論 AI coding 是否會終結 SaaS。對既有軟體公司來說，這可能是壞消息；但對新創來說，這反而可能是十年一遇的機會。
SaaS 過去能建立護城河，是因為軟體開發成本高，五人新創不可能快速重寫 Salesforce 或大型企業系統。但當 AI coding 讓軟體生產成本下降 10 到 100 倍，過去由數百萬行程式碼和多年功能累積形成的壁壘，就可能變得不再牢不可破。
YC 鼓勵創業者不要只從簡單的專案管理工具下手，而是挑戰更複雜、更昂貴、過去被認為很難動搖的系統，例如晶片設計軟體、ERP、工業控制系統與供應鏈管理。這裡的重點不是「複製一個舊 SaaS 然後降價」，而是利用 AI-native 的產品架構，重新思考工作流本身。如果軟體從第一天就假設 AI agent 會參與執行，那產品不一定要長得像過去的 SaaS。
動態軟體介面：使用者自己成為部署工程師
在「Dynamic Software Interfaces」中，YC 提出另一個軟體設計上的變化：過去所有人使用同一套介面，最多只是調整主題、版面或推薦內容；但 coding agent 成熟後，使用者可能可以大幅改造自己使用的軟體。
例如，同樣是 email client，有些人可能希望它像任務清單，有些人希望它像行事曆，有些人則希望它直接變成客戶追蹤系統。過去這種客製化需要 enterprise software 的 forward deployed engineer；未來，coding agent 可能讓使用者自己做到。
這會迫使軟體公司重新思考交付方式。未來公司可能不只是交付固定產品，而是交付一組可被 agent 重新組裝的 primitives。軟體的最終介面，可能不再完全由開發商決定，而是由使用者和 agent 共同生成。
從農業、醫療到國防：AI 開始進入實體世界
YC 這次清單中，也有多個題目指向實體世界。
在農業方面，YC 提出「AI for Low-Pesticide Agriculture」。這個方向不是做農業資訊平台，而是結合 AI 視覺、低成本感測器、相機、機器人與生物技術，讓農業擺脫「越噴越多農藥，但效果越來越差」的循環。
在醫療方面，YC 關注「AI Personalized Medicine」。隨著基因定序、個人化診斷、穿戴裝置與 mRNA 等治療技術成本下降，AI agent 有機會協助分析個人健康資料，讓醫療建議與治療更個人化。
在國防方面，YC 提出「Counter-Swarm Defense」。低成本無人機讓攻擊方取得巨大成本優勢，傳統用昂貴飛彈攔截廉價無人機的模式並不合理。YC 因此想找的是能應對無人機蜂群的新型防禦系統，包含感測器融合、高容量攔截、非動能防禦，甚至針對無人機自主系統本身的攻擊方式。
這些題目共同說明，AI 創業正在離開單純的螢幕應用，開始處理物理世界中的感知、控制、成本與安全問題。
太空、硬體與半導體供應鏈也被納入 AI 創業版圖
YC 的 Summer 2026 RFS 也把太空、硬體與半導體供應鏈放進重點清單。在太空方向，YC 關注 space electronics，特別是太空中的 inference chips。隨著可重複使用火箭提升人類把物體送入太空的能力，太空中的運算需求也會增加，而晶片需要針對重量、散熱與輻射等限制重新設計。
在硬體供應鏈方面，YC 認為美國硬體公司的迭代速度仍遠落後於深圳。問題不只是供應鏈本身，而是設計、生產、物流和零件取得之間的迭代速度。能讓硬體團隊更快完成設計與原型製作的公司，可能成為下一代硬體新創的基礎設施。
在半導體供應鏈方面，YC 指出一顆先進 AI 晶片需要經過約 1,400 道製程，跨越十幾個國家，耗時數月完成，但供應鏈管理仍大量依賴試算表、SAP 和電話。先進封裝、HBM、出口管制與多層供應商風險，都需要新的即時管理工具。
這些方向都不是傳統意義上的「AI 應用」，但它們反而更接近 AI 產業接下來真正的瓶頸：算力、硬體、供應鏈、製造速度與實體部署能力。
YC Summer 2026 RFS 真正透露的訊號
YC Summer 2026 RFS 真正透露的訊號是，AI 創業的主戰場正在從「應用層小工具」轉向「產業底層重構」。
這不代表 consumer AI 沒有機會，也不代表小工具不能成為好產品。但至少從 YC 這份清單來看，最受關注的創業方向，已經不是單純做一個容易展示、容易 viral、容易被複製的 AI app，而是進入那些流程複雜、資料分散、交付責任重、產業知識深、甚至牽涉硬體與物理世界的領域。
這也讓「AI-native」有了更清楚的定義。AI-native 公司不是把 chatbot 加到網站右下角，也不是把 LLM 接到舊流程上。它應該從一開始就重新設計工作如何被完成、知識如何被保存、軟體如何被 agent 使用、服務如何被交付，以及公司如何形成自我改善迴路。
如果說上一波 AI 創業比的是誰能最快把模型包成產品，下一波可能比的是誰能把 AI 嵌進產業真正運作的地方。也就是說，未來真正有價值的 AI 公司，賣的未必是一個工具，而是一套新的公司能力：它能理解流程、執行工作、整合資料、承擔結果，並把過去只能靠人類經驗維持的複雜系統，改造成 AI 可以參與運作的基礎設施。
這篇文章 YC 公布 Summer 2026 想投資的 15 種新創方向：AI 創業不是把 Chatbot 塞進產品 最早出現於 鏈新聞 ABMedia。
