---
source_url: "https://mp.weixin.qq.com/s/jmemmxwVXYKTtwS_7v5tXQ"
title: "我把 YC 最新一批 196 家公司全扒了一遍——AI 已经不再是差异点了"
source: "深思圈 / 深思SenseAI"
ingested: 2026-06-15
sha256: "d1e2f3a4b5c6d7e8f9a0b1c2d3e4f5a6b7c8d9e0f1a2b3c4d5e6f7a8b9c0d1"
type: raw
tags: [yc, startup, ai-agent, b2b, market-analysis, chris-lu, agent-as-a-service, drone, defense, founder-background]
---

我把 YC Spring 2026 全部 196 家公司扒了一遍 —— Chris Lu

01 以为到顶了，结果没有

Chris Lu(从零做到被收购的 Copy.ai 创始人)把 YC 最新一批——2026 年春季,196 家公司、395 位创始人——挨个扒了一遍。

上一批 85% 是 AI 优先,他本以为差不多到顶了。

没有。这一批 95% 都碰 AI,80% 是"AI 原生"——AI 不是贴在产品上的一个功能,AI 就是产品本身。196 家里,完全不用 AI 的只有 10 家。

但他说,真正的标题数字不是"AI",是"agent"。70% 的公司(196 家里 137 家)在做 LLM agent——比其它所有技术品类加起来还多;排第二的数据基础设施,只有 38 家,差了一大截。

一年前，"AI agent"还是个 pitch；现在它是基线。有意思的问题，已经不是"你用不用 agent"，而是"你把它指向哪份工作"。

02 一半人在做同一个东西

别被"消费级 AI"的热闹骗了,这一批是彻底的 B2B:62% 卖给企业,纯消费产品只有 12 家。

最常见的那一种公司,Chris 给了个挺精准的标签:AI 原生的 B2B"Agent as a Service"(Agent 即服务)。符合这个画像的有 86 家——占整批的 44%。

换句话说,差不多一半人在做同一类东西。

这既是这批的重心,也是这批的风险。Chris 说得很直接:如果 86 个团队在做同一种产品,优势就不在技术上了——而在你选的那个具体垂直领域,以及你能多快把它推向市场。

这其实是个很值得创业者警醒的信号。当一个东西人人都能做、而且都在做的时候,你用什么模型、用了多少 AI,基本不构成区别。模型是租来的,大家租的是同一批。

03 最不一样的那几家，反而几乎不用 AI

Chris 说最大的惊喜是:在一个 95% 都碰 AI 的批次里,差异化最强的那几家公司,反而几乎不用 AI——而且很多是做实体产品的。

大约 13 家是国防、无人机、航天:能量产的攻击型无人机(Tenet)、无人机防御操作系统(Surtr)、已经卖给美国国防部的反无人机系统(9 Mothers)、太空中制造(Dispatch)、还有紧凑型核反应堆(Apollo Atomics,创始人是 MIT 核工程博士)。

然后是几个意料之外的小簇:6 家在为预测市场做基础设施(给 Polymarket、Kalshi 那套经济铺轨道,没一个是消费级博彩 App);6 家深科技/生物硬件(便携 MRI、AI 药物发现,Caltech 和牛津的博士);还有 4 家专门做"AI 安全",给所有人正在发的 agent 搭安全层。

一个全是 AI 的批次里,最锋利的几把刀子,刀刃上几乎没有 AI。

04 到底是谁挤进来了

Chris 把 395 位创始人的背景也拉了一遍,几个点跳出来。

最常见的前东家,是亚马逊。按创始人此前工作过的地方算,Amazon/AWS 以 33 人领先,排在 Meta(17)、Google/DeepMind(17)、微软(12)、苹果(8)前面。

这是一批工程师的批次:70% 的创始人是技术出身,一半公司(49%)是清一色技术班底。但有两个数字戳破了流行叙事——只有 5% 的创始人有博士学位,只有 3% 是辍学创业。"辍学天才创始人"是例外,不是常态。

学校还是老路子,但欧洲的板凳深得明显:斯坦福(24)、伯克利(21)、MIT(15)领头,但牛津(11)、慕尼黑工大(8)、帝国理工、苏黎世联邦理工,凑出了一支实打实的非美国队伍。

还有个细节:两人合伙仍是主流(116 家),但有 38 个是单人创始人——其中 29 个是 AI 原生。工具已经好到,一个人就能像模像样地发布一个基础设施产品了。这在三年前几乎不可想象。

另外有 45% 的公司至少有一位连续创业者,而且越来越多是 YC 校友——把自己之前的 YC 公司又带回了批次里。

还能看到清晰的"抱团出走"现象:4 位创始人来自同一家公司 Traba,一支团队在 HEVN 重聚,三个 RoboTUM 的机器人研究者一起去了 InLoop,三个前 Circle Medical 的人凑成了 Clara。

05 这批不会靠洞见取胜

Chris 的结论很利落:所有人都会管这叫"AI 批次"。但 AI 已经不再是那个差异点了。

对大多数这些公司来说,价值很清楚、产品也更快能做出来,所以核心优势变成了执行——比所有做同样东西的人更快到市场。

这一批不会靠洞见取胜，会靠速度。

原作者补充：如果 86 家在做同一个东西、最后"靠速度决胜",那这更像一场绞肉机:速度是活下来的必要条件,但活下来的那几家,事后你多半会发现他们当初选的那个垂直领域本身就是个洞见。"选对赛道"不是执行,是判断。把它全归给"速度",有点把最难的那一步藏起来了。

另外:这是 YC 一批的样本(196 家),而且是 Chris 一个人按自己的标准打的标签——"70% 在做 agent"很大程度取决于你怎么归类。所以把它当一支风向标看,别当人口普查。它告诉你的不是"未来一定如此",是"此刻最聪明的一批年轻人,和愿意投他们的 YC,正把筹码压在哪"。

而那个押注,现在清清楚楚地写着两个字:agent。剩下的,拼速度。

来源：Chris Lu (@chris__lu) — I analyzed all 196 YC Spring 2026 companies