过去十年，科技创业似乎天然偏爱年轻人。
一支年轻团队，只要抓住移动互联网、云计算或者 SaaS 红利，就可能凭借更快的产品迭代和更强的执行力，迅速完成融资与增长。
但进入 AI 时代，创业公司的能力结构正在发生变化。
在 YC 最新一期创业趋势访谈中，几位合伙人复盘了近期创业公司的数据与变化。他们发现：
接近 40 岁、40 多岁甚至 50 多岁的创始人正在重新出现；
单人创始人的比例从过去约 5% 提高到 18%-19%，
接近每五家公司就有一家由一个人启动。
与此同时，硬科技公司在 YC 项目中的比例从约 8% 上升至 20%；端到端完成完整工作的创业公司占比，则从约 10% 上升到 25% 以上。
这些看似分散的变化，背后其实是同一个逻辑：
AI 正在把编码、设计、研究和运营等执行能力变成基础设施。
创业真正稀缺的，不再只是“能不能做出来”，而是“是否知道什么值得做”。
当执行成本下降，行业经验、客户理解、问题定义和决策能力开始被重新定价。
这也是经验型创始人回归的真正原因。
以下内容根据 YC 访谈整理。为提高阅读效率，对问题和回答进行了中文顺句与适当精简，保留原有讨论顺序、核心数据与主要观点。
本文适合以下人群：
• 创业者：了解最受资本青睐的领域和更可行的启动模式（独立开发）。
• 科技公司管理者与产品经理：洞察软件价值演进的方向，思考如何将现有产品转型为 AI 赋能的“执行系统”或协作框架。
• 研究人员与工程师：看到其专业领域（如机器人、半导体）的产业化机遇，以及如何将数据或模拟环境转化为商业产品。
• 风险投资者与行业分析师：把握创业投资风向的宏观转变，从纯软件 SaaS 转向实体科技和 AI 驱动的自动化解决方案。
AI 洞见提炼：
2026 年的五大创业新趋势
趋势一：经验型创始人回归，判断力成为新的创业杠杆
AI 降低了产品开发门槛，让拥有行业认知、客户理解和决策经验的人，可以用极小团队把判断快速转化为产品。
趋势二：AI 正在改变经济模型：不再需要先养一支百人工程团队
创业者可以借助 AI 独立完成产品冷启动和需求验证，再根据增长瓶颈引入联合创始人与核心团队。
趋势三：SaaS 没有消失，但价值正在从“记录系统”迁移到“执行系统”
新一代 AI 软件不再只记录和辅助工作，而是直接完成招聘、审核、账单与跟进等任务，并按照结果创造价值。
趋势四：算力不再只是芯片问题，而是一整套物理基础设施问题
AI 降低了软件开发、仿真测试和工程协作成本，让小团队也能进入机器人、芯片、制造、能源与数据中心等复杂领域。
趋势五：向 AI 实验室出售数据：成为一门大生意
模型能力继续提升，需要金融、工业、机器人和医疗等领域的专业任务数据、真实反馈及可重复训练环境。
AI 洞见判断：
未来的创业公司将更小、更专业、更接近业务结果，并更早形成数据与客户闭环。
01
为什么 40 岁、50 岁经验型创始人：
开始重新占据优势？
配图 01｜经验被 AI 放大：行业判断、客户认知与组织能力成为创业杠杆
Q：为什么经验更加丰富的创始人，在这一轮 AI 创业中表现突出？
YC：最近接触到的一些有影响力、表现很强的创始人，已经接近 40 岁、40 多岁甚至 50 多岁。
他们可能做过产品、管理过工程师、经历过创业公司，也尝试过许多不同方向。长期积累让他们更清楚哪些地方存在真正的问题，也知道哪些道路容易失败。
YC 举出的代表人物是 Peter Steinberger。
他曾担任工程管理者，也是较早深度使用 AI 工具的产品构建者。经过多轮尝试后，他的优势不是比年轻人写代码更快，而是更清楚应该构建什么。
访谈还提到 Shopify CEO Tobi Lütke，认为长期管理工程团队的经验，可以迁移到多智能体的任务拆解、调度与验收中。
在 AI 时代，单纯掌握更多知识未必是最重要的。更重要的是能够提出正确问题、给出清晰要求，并且知道应该构建什么。
管理编程智能体，在某种程度上与管理工程师团队相似。任务如何拆解、目标如何表达、结果如何验收、错误如何纠正，都需要管理和判断能力。
有多年团队管理经验的人，可能比缺乏经验的年轻人更擅长同时调度多个编程智能体，让它们协同完成复杂项目。
Q：AI 是否更偏爱中年创业者？
YC：AI 并不是简单偏爱某个年龄群体。
年轻创始人的学习速度、精力和冒险意愿仍然重要。
真正发生变化的是，过去限制经验型创业者的许多条件正在消失。没有技术合伙人、没有大型工程团队、没有足够启动资金，已经不再是不能开始的充分理由。
如果一个人经历过行业周期，理解客户问题，也形成了明确观点，那么 AI 让他能够更快把这些认知变成产品。
AI 洞见解读：
AI 没有让经验自动升值。
真正升值的是经过实践验证、能够转化为产品决策的经验。职位、年龄和人脉本身不是壁垒，对问题的判断才是。
02
硬科技占比从 8% 升至 20%，
创业正在重新进入物理世界
配图 02｜从数字比特走向物理原子：机器人、制造、芯片与能源共同升温
Q：YC 最近一批创业公司出现了哪些值得注意的变化？
YC：一个非常明显的变化是硬科技公司的增加。大约 18 个月前，硬科技在项目中的占比约为 8%，现在已经上升到 20%。
这里说的硬科技，是那些真正进入物理世界、接触原子而不只是处理数字比特的公司。
机器人在每批项目中占比从约 1% 提高到 6%-7%；
工业制造从约 4% 提高到 10%；
半导体产业链从约 1% 提高到接近 4%；
电力基础设施也从约 1% 上升至接近 3%。
这些实体产业方向整体呈现出约三倍增长。
与此同时，技术创始人的专业深度也在提高。在近期批次中，大约每六位创始人就有一位拥有博士学位。
很多硅基、电子和先进制造项目，本身就要求扎实的研究与工程背景。这类创始人过去往往难以获得早期资本支持，现在情况正在改变。
▍AI 洞见提炼
硬科技的回归不是“软件失宠”，而是 AI 开始成为硬科技的研发工具。
创业机会正在从模型应用向芯片、设备、能源、制造和机器人部署环节扩散。
03
AI 正在改变经济模型：
不再需要先养一支百人工程团队
配图 03｜AI 压缩硬科技的软件成本：小团队开始具备全栈工程能力
Q：为什么硬科技公司会在 AI 时代明显增加？
YC：过去人们认为硬科技困难，是因为它既要处理供应链和物理工程，还需要极其复杂的软件系统。
几年前，一家公司要建立顶尖的全栈硬件能力，可能需要像大型科技公司一样招聘大量优秀软件工程师。现在，代码生成工具和编程智能体正在降低这一门槛。
公司仍然需要一两位真正优秀的工程师或一支精干团队，但不一定再需要上百人的软件组织。AI 还可以帮助团队进行科研检索、系统设计、仿真、测试和数据分析，使初创公司更早取得研究与工程突破。
以 Anduril 为例：代码生成工具正在帮助这类全栈国防科技公司加快复杂软硬件系统的开发。
这才是硬科技真正的利好逻辑：不是资本突然喜欢上了昂贵项目，而是 AI 正在改变这类公司的成本结构和开发速度。
Q：哪些宏观力量在推动硬科技创业？
YC：访谈中提到三类重要力量。
第一，SpaceX 等公司的成功，让更多创业者进入航天及其产业链，包括卫星能源、零部件和未来太空基础设施。
Exosat：正在探索自主卫星通信能力，
Beyond Reach Labs：为卫星及太空环境开发太阳能电池板，而太空数据中心公司 StarCloud：等新项目则会进一步产生空间能源需求。
第二，国防科技和双重用途技术加速发展。
新公司利用 AI、计算机视觉和新制造方式，开发无人机、防御系统和通信设备，并同时向政府及商业客户销售。
第三，制造业与供应链重建。
新兴硬科技公司需要反应更快的零部件和制造供应商，传统供应商往往难以跟上迭代节奏，由此产生了一批新型工业服务公司。
Icarus：这家公司正在开发可在平流层长期飞行的太阳能自主飞行器，为军事行动提供持续侦察与通信。
Nine Mothers：则开发结合计算机视觉的反无人机防御系统，用于保护特种作战人员。访谈称，两家公司都已经获得了真实的政府采购需求。
代表公司 Nox Metals：正在底特律建设自动化金属加工与供应体系，用软件和自动化压缩报价、切割和交付周期，为航空航天、国防及工业制造客户提供更快的原材料供应。
▍AI 洞见提炼
对创业者而言，机会不只存在于整机和终端产品，也存在于小批量制造、测试验证、专用零部件、供应链协同和工程服务。
能够像软件公司一样快速响应，同时保持工业交付能力的企业，可能成为新产业的基础设施。
04
算力不再只是芯片问题，
而是一整套物理基础设施问题
配图 04｜AI 算力产业链：芯片、互连、数据中心、电力与运维共同构成瓶颈
Q：AI 算力需求为创业公司带来了哪些机会？
YC：算力本质上是一个非常复杂的物理问题。
市场不仅需要更多 GPU，还需要更快地建设和启用数据中心。这涉及场地规划、工程建设、软件管理、融资、电力接入、能源储存和设备维护。
创业公司也在尝试开发新的处理器和定制硬件架构，以降低 AI 推理成本，或者适应模型精度不断下降的计算趋势。如 Lambda Labs 等处理器项目，也提到利用三值表示等新型架构运行模型的探索。
数据中心内部同样存在新的瓶颈。
例如，GPU 之间需要通过交换系统进行通信，传统电子交换机可能逐渐成为性能限制，因此有公司开始开发全光交换方案。
Dipole Labs：正在开发面向 AI 集群的全光交换系统，希望减少光电转换带来的延迟、能耗与网络瓶颈。
Q：机器人会不会成为下一个 ChatGPT 级别的机会？
YC：整个行业都能感觉到机器人正在接近某个突破时刻，但这个时刻还没有完全到来。
围绕机器人，已经形成了一套不断扩大的创业技术栈：垂直行业机器人、部署基础设施、数据采集、机器人实验室、模型微调以及专用硬件。
机器人模型通常不能直接进入生产环境。一个通用模型可以成为起点，但要真正完成装箱、布线或者工业操作，仍然需要数千小时的特定场景数据，并针对任务进行微调。
举两个例子：
Boost Robotics 开发用于数据中心巡检、维护和布线操作的机器人；
Ultra 则在仓储和履约场景部署工业机器人，并利用大量真实装箱数据训练模型，让机器人更擅长完成具体任务。
物理智能还必须实时响应环境变化。这与可以等待几秒再生成答案的语言模型不同，因此数据、控制、延迟和安全都会成为新的创业机会。
AI 洞见解读：
AI 基础设施的下一阶段，不只是购买更多芯片，而是解决供电、散热、互连、部署和运维问题；
机器人机会也不只在整机，数据、仿真、遥操作、评测和场景微调可能更早形成收入。
05
SaaS 没有消失，但价值正在从“记录系统”迁移到“执行系统”
配图 05｜软件价值迁移：从记录信息，到让智能体直接完成任务
Q：AI 会不会让传统软件和 SaaS 失去价值？
YC：软件并没有消亡，而是在发生转型。
过去，一套记录系统的价值来自存储客户、员工和业务流程数据。但当数据能够通过接口流向其他智能体时，仅仅保存数据可能不再构成足够强的护城河。
我们在 Force 身上看到的，似乎是经典的“记录系统”论点目前展现得最为完整。如果你拥有一个智能体能使用的工具，那确实具有价值。
甚至可以说：智能体使用软件的频率将远超人类，而这似乎正是推动 Force 增长的核心动力。
记录系统未来可能出现两种结果：
一种是被其他智能体整合，逐渐退化为底层数据库；另一种是成为新的工作枢纽，让人和智能体都在其中读取数据、执行操作并获得结果。
如果软件能够成为智能体频繁使用的工具，它的价值甚至可能高于只供人类偶尔操作的软件。
Q：为什么端到端 AI 公司增长得更快？
YC：在近期项目中，能够完成完整工作或者完整任务的创业公司，占比已经从约 10% 上升到 25% 以上。
传统 SaaS 通常只提供单点工具，仍然需要人类完成后续操作。新一代智能体则直接执行工作，例如处理保险经纪流程、录入临床患者信息、完成医疗账单，或者从搜索人才一直做到联系候选人和安排面试。
招聘公司 Juicebox ：就是访谈中的典型案例。它最初是一款基于大模型的人才搜索工具，用户输入招聘要求后获得候选人名单；后来推出的智能体不仅能找人，还可以主动联系候选人、安排面试并处理后续流程。
YC 判断，这类能力可能让单个客户贡献的收入提高两到三倍，同时把招聘人员从批量触达中解放出来，专注于更需要人类判断的文化匹配。
客户真正需要的是工作被完成。当 AI 能够自动化整个流程，产品创造的价值就会明显高于只记录工作的系统，因此企业也愿意更早、更高额地付费。
过去公司完成 YC 项目时的月收入中位数约为 8000 美元，现在已经提高到约 2 万美元。一些公司甚至在三个月项目周期内从零增长到七位数收入。
AI 洞见解读：
下一代 AI 创业公司的竞争单位不再是“功能”，而是“任务”。
产品设计应该从一个明确结果倒推：需要访问哪些数据、调用哪些工具、在哪些节点保留人工审核，以及如何证明任务已经完成。
06
向 AI 实验室出售数据:
成为一门大生意
配图 06｜数据的新价值：不是储存信息，而是训练 AI 完成专业任务
Q：除了应用和基础设施，还有哪些快速增长的新市场？
YC：一个增长非常快、但外界关注较少的方向，是向 AI 实验室出售数据和强化学习环境。
其中，早期代表是为 AI 模型提供数据服务的 Scale AI；
这一轮被点名的 AfterQuery 和 Datacurve，分别围绕模型评测、强化学习任务和高质量编程数据建立业务。
Datacurve 通过组织专业工程师生产代码数据，帮助模型完成微调与评估能只依赖更多计算资源。它们还需要新的数据、任务、反馈和奖励机制。
例如，金融领域可以建立专业的强化学习任务环境；工业与机器人公司可以提供真实操作数据、远程控制记录和失败轨迹；软件公司则可以利用代码修改记录和开发过程训练下一代编程模型。
机器人数据方向也出现了更具体的公司：
Practis Robotics 通过全球工业生产网络采集现实世界数据，
Deep Reach 组织不同地区的本地参与者完成任务数据采集，
Human Archive 则被访谈作为新一批现实世界数据公司的代表提及。
Q：拥有专有数据的企业，未来会发生什么变化？
YC：越来越多记录系统和行业平台可能开始训练或微调自己的模型。
开源权重模型已经接近较高的通用能力。
如果企业拥有高质量专有数据，并能围绕某项任务进行专门训练，就可能让模型在特定领域超过通用模型。
这一点在机器人领域尤其重要。物理世界拥有更多自由度，不同工厂、设备和操作流程差异明显，通用机器人模型很难不经调整就直接工作。
AI 洞见解读：
数据创业的核心不是出售一次性标注，而是形成持续闭环：任务产生数据，数据训练模型，模型执行任务，执行结果又产生新的反馈。能够拥有这个闭环的公司，才可能建立长期壁垒。
07
单人创始人接近 20%，
创业冷启动正在被重新定义
配图 07｜Solo Founder 新路径：一个人启动、AI 完成执行、需求验证后再组队
Q：为什么单人创始人的比例会明显增加？
YC：过去，YC 项目中的单人创始人约占 5%；现在，这个比例已经达到 18%-19%，接近每五位创始人就有一位以单人模式启动。
以往创始团队需要同时具备技术、产品、销售和沟通能力。现在，编程智能体降低了产品开发的门槛，一个人也可以完成想法验证、原型开发和早期迭代。
不过，拥有优秀联合创始人依然非常有价值。访谈回顾了几位以单人创始人身份进入 YC 的案例，包括：
Instacart 创始人 Apoorva Mehta、
Coinbase 创始人 Brian Armstrong，
连续创业者 Parker Conrad。
他们都证明单人启动是可行的，但其中一些人也会在公司发展后期引入重要合伙人。
未来可能出现更多这样的路径：
先用 AI 完成冷启动，
再根据已经暴露出的真实瓶颈寻找合伙人，
而不是在产品尚未开始前，为了满足形式先组建团队。
▍AI 洞见提炼
Solo Founder 并不意味着“一家公司永远只有一个人”，而是一个人已经可以把公司推进到需求验证阶段。
这让股权、合伙人选择和团队形成方式都可能发生变化。
08
YC 给创业者的最终建议：
不要等待完美团队，直接开始构建
配图 08｜创业行动路径：找真问题、做出产品、拿到反馈，再组织团队
Q：在当前阶段，想创业的人应该怎么开始？
YC：最直接的建议就是开始构建。
打开最新的模型和编程智能体，把过去没有时间解决的问题重新拿出来。很多一个月前还难以完成的任务，可能随着模型升级突然变得可行。
不要因为缺少联合创始人、工程团队或者知名投资人而一直等待。先用现有工具把想法变成产品，用真实用户和市场反馈验证判断。
未来 18 个月、24 个月甚至 36 个月，AI 能力仍可能持续快速变化。创业者需要保持行动，让新的模型能力不断进入自己的产品与工作方式。
AI 洞见解读：
“立即开始”不等于盲目开发。
更有效的启动顺序是：
1. 找到一项客户正在投入人力和预算解决的真实任务；
2. 用 AI 与人工结合完成前几个客户的交付；
3. 记录错误、修改和人工反馈，建立专有数据；
4. 把服务逐步产品化，并用任务完成率和续费验证价值；
5. 当销售、交付或技术成为瓶颈时，再引入关键合伙人。
09
结语：
AI 降低了执行门槛，
却抬高了判断力的价格
YC 这场访谈最值得关注的，不是硬科技比例提高，也不只是单人创始人数量增加。
更深层的变化在于：当 AI 可以帮助所有人快速写代码、做研究和搭建产品，执行能力会逐渐从稀缺资源变成公共基础设施。
创业竞争因此重新回到三个问题：
● 什么问题值得解决？
● 谁会为这个问题持续付费？
● 为什么你比别人更理解这个问题？
年轻创业者仍然拥有速度、精力和想象力；
经验型创始人则拥有行业认知、客户理解和失败教训。
AI 没有决定谁一定会赢，但它给了那些过去因为缺少技术团队而无法下场的人一次新的机会。
未来真正强大的创业者，未必是最会使用 AI 的人，而是最知道如何利用 AI 解决真实问题的人。
资料来源：
YC《The State of Startups in 2026》
https://www.youtube.com/watch?v=yslXlV2BP_Y&t=731s
访谈案例索引
- 航天与国防：Exosat、Beyond Reach Labs、StarCloud、Icarus、Nine Mothers、Anduril
- 制造与算力：Nox Metals、Lambda Labs、Dipole Labs
- 机器人：Boost Robotics、Ultra
- 软件与智能体：Salesforce、Slack、Juicebox
- 数据与强化学习：Scale AI、AfterQuery、Datacurve、Practis Robotics、Deep Reach、Human Archive
- 单人及经验型创始人：Instacart、Coinbase、Parker Conrad、Peter Steinberger、Shopify
10
下周相聚云栖大会：
浩数资本 X 洞见小饭桌
时间：9 月 24 日 周四 晚 7 点
地点：杭州国际展览中心（萧山，具体再通知）
主办：浩数资本 X AI 洞见
规模：10 人左右
形式：创投小饭桌 + 观点分享 + 资源连接
直通通道
本次小饭桌席位有限，我们会优先邀请：AI 洞见会员/一亿榜样伙伴们。如果你希望「持续参与」AI 洞见后续创投小饭桌、闭门会和资源对接，可以选择加入会员。
商业会员适合：
想先体验 AI 洞见闭门会和 PMF 案例库的人。
权益：1 次闭门会 + 100 个 PMF 案例库。
链接：https://t.zsxq.com/G9T8c
