作者：Y Combinator 团队（Garry Tan、Brad Flora、Diana Hu、Jared Friedman、Gustaf Alströmer、Ankit Gupta、Jon Xu 等）
编译：深潮 TechFlow
深潮导读：在硅谷和全球创投生态的演进历程中，Y Combinator 发布的「创业愿望清单（Request for Startups，RFS）」历来被视作科技浪潮前沿的风向标与风暴眼。回顾历史，从早期的云计算、移动互联网、Stripe 式的金融基础设施，到后来的垂直 SaaS，YC 的 RFS 往往能在技术质变的前夜，为创业者和资本精准指出尚未被巨头垄断、但又亟待技术重构的处女地。
在这期最新出炉的 RFS 中，YC 给出了一个极为明确且重磅的宏观判断：AI 发展的最大瓶颈，已经不再仅仅停留在基础大模型的参数与算法本身，而是正在加速向现实世界扩散。纯软件层面的浅层包装正在失去溢价，真正的颠覆性机会，正在向实体制造业、能源与电网基建、公共政务行政孤岛、高安全隔离体系以及商业太空等重资本、重物理约束的深水区全面迁移。
本篇长文汇总了 YC 核心合伙人团队重点押注的 11 大前沿方向，不仅涵盖了从时薪 $15 的平民化 AI 专家、具备真正文学级高水准文笔的写作大模型，更深入到美国机器人本土制造、数据中心供电冷却供应链、万亿基建的华尔街金融工具，以及企业专属私有化模型体系。深潮 TechFlow 对此进行了全文完整深度编译，为每一位身处 AI 浪潮前线的创业者、研究员与投资者，提供一份不可多得的产业全景图谱与航海指南。
发布「创业愿望清单（Request for Startups，RFS）」一直是我们 Y Combinator 的悠久传统，旨在与全球创业者分享我们最渴望看到大家去攻克的关键命题。
不过，这些方向仅代表我们投资版图中的一小部分。如果其中某个议题点燃了你的激情，请将其视为投身其中的强力背书；但即便你的创业项目不在此列，也绝不妨碍你向 YC 递交申请。
当下的一个重大趋势是：AI 面临的最大瓶颈，正在从模型层本身向外快速蔓延。
我们对新一波初创企业充满期待。他们正在全力打造所需的硬件、基础设施、金融体系以及专用垂直软件，从而将前沿智能真正注入现实实体经济，覆盖从工厂制造、数据中心，到政务治理乃至外层空间的广阔领域。
撰写人：Ankit Gupta（YC 集团合伙人）
SpaceX 正在描绘一个清晰的近未来图景：在不远的将来，星舰（Starship）每年的发射频次将达到 10000 次。
当下，即便是一枚不可回收的一次性星舰，其发射成本也已经几乎与可重复使用的猎鹰 9 号（Falcon 9）持平，每公斤入轨成本更是大幅降低。
随着星舰技术走向规模化并彻底实现全复用，我们将见证每公斤有效载荷的发射成本实现数个数量级的断崖式下降。
这意味着，现在正是系统思考「充裕太空接入时代」创业机会的黄金时刻。
有哪些商业模式在今天或许受限于发射成本而难以跑通，但一旦发射成本暴跌 100 倍甚至更多、轨道经济全面爆发时，就会变得极具可行性？
我们认为，这类公司现在就必须着手创立。如果你是有志于在此探索的构建者，YC 非常渴望收到你的申请。
撰写人：Brad Flora（YC 集团合伙人）
关于 AI，当下大多数人的讨论都集中在它将如何取代现有工人。然而，真正令我们兴奋的却是完全相反的路径：借助 AI，将一名普通劳动者直接转变为具备专业水准的专家。
我们正在见证越来越多的企业跳出文凭与资质的限制，招募具有极高悟性与执行力的普通人。在先进 AI 的全方位武装下，他们能够胜任过去只有资深专家才能处理的复杂工作。
试想一下，一位沟通能力极佳、同时又极度熟练运用 AI 的客服代表，突然具备了针对复杂的企业并购（M&A）、供应链优化或全球贸易合规提供咨询建议的能力。
在公共福利、税务筹划、保险理赔、医疗账单核算以及移民签证文书等领域，存在着数以百万计类似的工作岗位。
简而言之，只要专业资质认证构成了阻碍服务供给的瓶颈，这套模式就能大显身手。
上一次工业革命通过工厂蓝领岗位，造就了庞大的现代中产阶层；而这一次的技术变革，则完全有望通过普惠化的专家型岗位，重塑全新的中产体系。
我们希望全力资助那些致力于实现这一愿景的创业公司。
撰写人：Diana Hu（YC 集团合伙人）
如今，顶尖的机器人基础模型已经开始实现跨形态、跨机型的通用技能迁移。在我看来，机器人领域的竞争瓶颈正在迅速向物理硬件端转移。
2025 年美国本土共安装了 38400 台工业机器人，同比增幅达 12%。但绝大部分机器人仍高度依赖从日本和欧洲进口。
即便是那些在美国本土组装的机器人，其底层核心也往往深度依赖来自中国的磁体。
2024 年，中国生产了全球 94% 的烧结稀土永磁体。当 2025 年 4 月出口限制政策出台时，部分汽车制造巨头甚至被迫直接削减了产能。
到了 7 月，美国联邦通信委员会（FCC）更是暂停了对新型联网移动机器人的准入认证，除非这些机器人完全由美国本土制造，或获得极少数的豁免许可。
按照现行合规标准，一台机器人必须有超过 65% 的零部件成本来自本土制造，且这一比例将在 2029 年攀升至 75%。这意味着，单纯将进口零部件运到本土组装的贴牌路径已彻底行不通。
我们希望全力支持那些在美国本土自主研发机器人及其完整上游供应链的创业者。
这涵盖了稀土磁体、电机、谐波减速器（Strain-Wave Gears）、编码器、力矩传感器、末端夹爪、专用芯片、电池组，以及用于制造这些零部件的高精度工业母机与生产设备。
如果你正在这一领域深耕，我们非常期待与你深入交流。
撰写人：Jared Friedman（YC 集团合伙人）
随着大语言模型在编程与数学推理能力上的突飞猛进，它们在文笔与写作表达方面，却在悄然退步。
这绝不是你的错觉：与 2024 年和 2025 年的模型相比，如今的主流大模型在语调上确实显得更加刻板、更具机械味。
这似乎并不是偶发的临时技术缺陷，而是一个深层的结构性难题。
那些为了让模型具备顶尖编程能力而设立的强化学习奖励信号（Reward Signals），在实际训练中会主动削平模型的语调色彩、情感起伏与独特的写作风格。
一旦面临研发资源的权衡取舍，各大头部 AI 实验室毫无疑问都会优先将算力倾斜给代码生成和自主智能体工作流（Agentic Workflows），而放弃对文字质感与文笔风格的苛求。
这恰恰为初创企业留下了一个巨大的市场真空：打造一款真正让人们发自内心喜爱与之交流、文笔富有温度与深度的特色模型。
如果你渴望在这个方向上有所突破，我们非常期待收到你的来信。
撰写人：Gustaf Alströmer（YC 集团合伙人）
如果你曾经向政府机构申请过公共福利，你一定对这套繁琐的流程深恶痛绝：开具收入证明、核实家庭同住人员、提供常住地址证明。随后，换到下一个救助项目，又得把所有材料重新提交一遍；到了年度资格审核时，整套折磨还要再次上演。
每一个政府行政部门都有独立的门户网站，彼此之间互不连通，数据彻底割裂为孤岛。
无数申请人仅仅因为疏漏了一份非关键材料就被直接驳回，而公职人员则不得不日复一日依靠肉眼手工核对工资单。
极其讽刺的是，这套将诚实公民拒之门外的官僚系统，却在欺诈防范上漏洞百出。
美国政府问责局（GAO）估算，各类福利欺诈每年给美国联邦政府造成的财政损失高达近 $5000 亿。雪上加霜的是，如今利用生成式 AI，几秒钟内就能伪造出一张足以乱真的假工资条。
在金融科技基础设施 Plaid 诞生之前，每一款金融应用都必须各自费尽周折去对接各家银行；而 Plaid 出现后，用户只需轻轻一按即可完成无缝连接。公共政务领域迫切需要属于自己的这一层基础设施。
在获得用户授权的前提下，它能够直接从最权威的官方源头，调取经过验证的真实收入、税务与居住记录，并同步分发至各个政务审批系统。
“一次验证，全网通用”。这不仅能让真正需要帮助的守信公民以极快速度获得审批，更能从源头彻底斩断欺诈分子伪造材料的空间。
从 2027 年起，全美各州将被强制要求每隔 6 个月对数以百万计的白卡（Medicaid，医疗补助计划）参保人员重新核验资格。
未来不久，AI 智能体将全面接管政务申请与资格审批工作，但这一切的前提是，AI 必须拥有完全可信、不可篡改的底层真实数据源。
无论谁搭建起这条贯通政务的数据管道，谁就将实质性掌握现代社会安全保障网络的核心数字基建。如果你正在打造这一关键管道，我们非常期待与你携手。
撰写人：Brad Flora（YC 集团合伙人）
开发软件的启动成本非常低廉，但机器设备、GPU 算力集群以及超大规模数据中心却截然不同。
必须有人在项目启动的第一天，就为成千上万吨的特种钢材与高精尖硅基芯片支付真金白银。而在当下的金融市场中，针对这类资产的成熟融资工具几乎是一片空白。
传统商业银行在做信贷审批时，至今依然把造价高昂的高级智能机器人当作普通农用叉车来评估折旧。
正因如此，与 YC 合作的一批敏锐创业者已经开始亲自动手发明全新的金融衍生工具。例如，专门为每年可产生 $50 万稳定收入的机器人提供新型信贷授信，或是针对未来 GPU 算力容量设计专属的看跌期权合约。
回顾历史，每一次伟大的物理世界大基建，无论是横贯大陆的铁路网络、全国电网，还是遍布城乡的现代通信基建，在实体拔地而起的同时，都孕育出了同等规模的金融巨头。
我们正在寻找那些能够为实体 AI 经济构建专属借贷机构、资产租赁平台、资产证券化（ABS）架构以及风险对冲工具的金融创新型创始人。
如果你既深谙实体机器的物理与工业规律，又通晓资本运作的底层逻辑，我们非常期待与你深入对话。
撰写人：Diana Hu（YC 集团合伙人）
我认为 Jev 之所以能够精准击中行业痛点，是因为它直接向开发者输出强类型的结构化决策与明确的置信概率，而不是漫无边际的生成式文本，同时完全免去了针对每个细分任务单独训练分类器的繁重负担。
我希望看到更多前沿研发团队为制造业、能源电力以及生命科学等实体产业，量身打造专用的垂直基础模型。这些模型应当能够在零样本（Zero-Shot）或仅凭少量示例的前提下精准运行。
这一赛道的衡量标准非常严苛：必须以低几个数量级的推理算力成本，达到甚至超越通用大模型的业务精度，从而让这类模型能够以极低廉的成本无缝部署到所有终端设备上。
谷歌推出的 TimesFM-3 就是一个极具代表性的时序预测案例。
这个仅有 3.3 亿参数（330M）的小巧模型，无需任何特定任务的微调，就能在单次前向传播中同时对多个关联时序数据做出完整预测。模型仅需训练一次，每位新接入的用户只需传入自身的历史数据作为上下文即可直接调用。
垂直大模型的真正难点，在于获取高质量、特定行业专有且可被数学严格验证的奖励信号（Verifiable Rewards）。
创业团队不仅需要拥有合法的数据所有权，还要在预测准确率和算力消耗上，展现出对现有专家模型的压倒性竞争优势。
如果你对某一特定垂直实体产业有足够深入的认知，并有能力构建其专属模型，我们非常期待听到你的方案。
撰写人：Gustaf Alströmer（YC 集团合伙人）
在美国，如果你打算建一栋房子或开一家店铺，第一步必须获得所在市政府的行政许可。
填不完的申请表格、漫长的施工图纸审查、繁琐的实地勘验，往往需要经历数月甚至更久的无休止等待。在一些城市，等待许可证批复的时间，甚至比实际盖房子的工期还要漫长。
市政厅的公职人员被大量高度重复的琐碎行政工作彻底埋没：对照严密的建筑法规范本逐条审核工程图纸、逐字比对规划用途与分区法规、在各个部门之间反复收发修改意见。
而这一切，现代 AI 模型完全有能力独立且高效地完成。
行政审批的漫长延误带来了极其沉重的经济代价。每多等待一个月，开发成本就会飙升一截，许多规划中的项目甚至因此中途流产。
要知道，每一栋拔地而起的新建建筑，都会在未来的数十年内源源不断地为城市贡献房产税收。
我们粗略核算了一笔经济账：如果全美所有建筑许可的审批耗时能缩短至现有时间的 10%，美国各城市每年将由此额外进账高达 $160 亿美元的财政税收。
我们渴望资助那些致力于用 AI 赋能并重塑市政厅日常运转的科技公司。切入点可以是建筑工程许可，随后逐步延伸至 311 市政服务热线、公共档案管理、商业牌照颁发以及现场安全巡检等更广泛的领域。
全美拥有超过 19000 个各级市镇，其中绝大多数至今仍完全依赖极其原始的人工流程处理这一切。
科技创投界一直流传着一条传统信条：“千万不要把软件卖给政府机关”。
这一信条在过去或许成立，但在今天早已彻底过时。YC 已经投资了数家专门面向政府部门销售 AI 解决方案的初创公司，其中部分团队的业务增速，几乎超越了我们所见过的任何传统企业级 SaaS。
如果你正在这一领域开疆扩土，我们非常渴望收到你的来信。
撰写人：Jared Friedman（YC 集团合伙人）
正在全美轰轰烈烈铺开的 AI 数据中心大扩建，是美国商业历史上规模最庞大的单一资本支出工程。
其投资体量之浩大，已经一举超越了当年的全美跨陆铁路、州际高速公路网络以及曼哈顿工程的总和。
如此规模空前的大建设，正在从上至下为整条产业链催生出无可估量的商业机遇。
这其中的部分赛道早已人尽皆知：市场对前沿算力 GPU 芯片、基础电力供应以及高技能专业电工的需求，已经达到了前所未有的白热化程度。
然而，在聚光灯之外，还潜藏着大量鲜为人知、却足以卡死整个产业进度的隐蔽瓶颈。
目前，大型高压电力变压器的排期交付周期已经长达整整 3 年；高低压配电开关柜、高压断路器以及先进液冷系统设备在市场上已被抢购一空。
甚至连最上游的核心原材料都已拉响紧缺警报：制造变压器铁芯所不可或缺的取向电工钢（Grain-Oriented Electrical Steel），全美目前仅有一家工厂能够生产，其产能早已严重透支。
我们极度渴望投资那些为数据中心整条上下游供应链全面赋能与破局的初创企业。如果你正投身于这一战役，我们非常期待收到你的申请。
撰写人：Brad Flora（YC 集团合伙人）
全世界最具核心价值的商业机密与战略数据，从来都不会存放在公共云端。
国防军工承包商、大型商业银行、顶级医疗机构以及核电站，都将其命脉数据深锁在物理隔离的高墙之内。出于最严格的保密与合规考量，他们绝不可能将这些数据上传至任何第三方的 AI API 接口。
这也是为什么现实经济中仍有如此庞大的万亿级支柱产业，至今依然在 AI 浪潮的门外苦苦徘徊。
与我们合作的许多创始人都反复撞上同一堵高墙：目标客户对 AI 产品的强大功能赞不绝口，但唯一的要求是，整套系统必须 100% 部署在其内部大楼之内，且坚决不得连接任何公网。
我们希望全力资助那些有能力将最前沿 AI 技术真正送入这道物理隔离高墙的科技先锋。
这包括纯私有化本地部署的大模型、全栈部署与运维工具链、权威的安全合规资质认证体系，以及高度定制化的特种硬件基础设施。
面向这个封闭市场的销售与拓展周期确实更慢、门槛也极高。
但硬币的另一面是，这里沉淀着全行业最充裕的采购预算，也必将诞生护城河最坚不可摧的伟大企业。如果你正在攻克这一高垒，我们非常期待与你深入长谈。
撰写人：Jon Xu（YC 访问合伙人）
在今天，几乎所有基于 AI 构建产品的企业，本质上都在向外部“租用”智能。
你的系统不断向几家顶尖的前沿 AI 实验室发送 Token 数据，接收返回的生成结果，然后按月支付昂贵的调用账单。
在过去，这笔交易看似理所当然：顶尖闭源模型的能力领先于其他开源生态数年之久，无论你在自有私域数据上做多少努力，都无法弥合这种代际级的能力鸿沟。
然而，时代的风向已经发生了根本性转变。
开源权重模型在众多极具实际业务价值的核心基准测试中，已经具备了与最顶尖前沿闭源模型一较高下的硬实力。
随着 AI 正在加速演变为企业商业运转的中枢神经，越来越多的企业开始深刻警惕这种对外部模型租用服务的高度依赖。
我们确信，未来将有越来越多的企业渴望真正“拥有”自己赖以生存的核心模型：用企业沉淀的私有数据不断反哺迭代、在自己自由选择的基础设施上自主运行，并拥有决定模型何时升级与变更的绝对掌控权。
这一点在强监管行业中尤为致命。在极其严格的数据主权合规要求和物理锁定的网络架构下，继续租用外部模型的隐性成本与实际业务产出相比，显得极其不划算。
然而，从开源社区下载一个公开模型，到让企业真正拥有一套能够自主进化的专属智能系统，中间依然横跨着巨大的工程与认知鸿沟。
必须有专业的力量来帮企业把复杂的业务工作流转化为精准的评测基准（Evals），把员工的隐性业务经验沉淀为高质量训练语料，把线上生产环境的偶发故障转化为模型持续迭代的养料，并在每一次底层基座模型迭代换代时，将这些核心资产无缝传承下去。
在处理最极端、最复杂的通用未知难题时，企业或许依然会选择继续租用顶尖前沿实验室的公有算力；但我们深信，绝大多数企业都必须拥有属于自己的垂直专用模型。
这些模型将完整编码企业自身的业务运行机理，并随着企业自身的业务发展而历久弥新、越发具备无与伦比的专有价值。
如果你正在帮助各行各业的企业真正掌控与拥有自己的专属智能，我们非常期待听到你的声音。