May-akda:Pumunta sa isang incubator sa dagat
Ang mga patakaran ng laro ng pagtatag ng negosyo ay ganap nang nagbago.
Sa pinakabagong inilabas na 2026 Spring "Startup Wishlist" (RFS) ng Y Combinator (YC), nakikita namin ang isang malinaw na senyas: ang AI-native ay hindi na lamang isang simpleng termino para sa marketing, kundi ang pundasyon ng logic para magawa ang susunod na henerasyon ng mga kakaibang kumpanya. Ang mga bagong pambansang kumpanya ay makakasalungat ngayon sa mga larangan na dati ay tinuturing na "hindi maiiwasan" sa mas mabilis na bilis at mas mababang gastos.
Sa pagkakataong ito, ang YC ay hindi lamang nakatuon sa software, kundi pati na rin sa mga industriyal na sistema, sa mga batayang arkitektura ng pananalapi, at sa pamamahala. Kung ang nakaraang alon ng AI ay tungkol sa "paggawa ng nilalaman," ang susunod na alon ay tungkol sa "paglutas ng mga komplikadong problema" at "pagsasagawa muli ng pisikal na mundo."
Ang mga sumusunod ay ang 10 pangunahing larangan na sinusubaybayan ng YC at nais nilang mamuhunan.
1. Para sa Product Manager na "Cursor" (Cursor para sa Product Manager)
Sa mga nakaraang taon, ang mga tool tulad ng Cursor at Claude Code ay nagbago ng paraan ng pagsusulat ng code. Ngunit ang kaganapan na ito ay nanghihimay ng isang mas pangunahing tanong: Ang pagsusulat ng code ay isang paraan lamang, ang pangunahing bagay ay malaman kung "ano talaga ang dapat gawin".
Ang proseso ng paghahanap ng produkto ay nananatiling nasa "panahon ng bato". Nakasalalay kami sa mga fragmentadong pag-uusap sa user, mahirap masukat na feedback mula sa merkado, at libu-libong ticket sa Jira. Ang prosesong ito ay napakadepende sa tao at puno ng mga butas.
Kailangan ng merkado ng isang AI-native na sistema na makakatulong sa mga product manager tulad ng paano nila ginagawa ng Cursor sa mga programmer. Imahinasyon ang isang tool kung saan i-upload mo lahat ng iyong mga taping ng customer interview at data ng paggamit ng produkto, at pagkatapos ay tanungin mo ito: "Ano ang susunod nating gagawin?"
Hindi ito magbibigay ng isang abstraktong payo, kundi magpapalabas ng isang kumpletong functional outline at susubuktin ang mga desisyon gamit ang konkreto at customer feedback. Bukod dito, maaari itong magawa ng direktang UI prototype, ayusin ang data model, at ihiwalay ang mga konkreto at development task upang isagawa ng AI Coding Agent.
Samantalang ang AI ay nagsisimulang manlaban sa mga partikular na implementasyon ng code, ang kakayahan na "tukuyin ang produkto" ay magiging mas mahalaga kaysa dati. Kailangan natin ng isang super tool na nag-uugnay ng "paghahanap ng mga pangangailangan" hanggang sa "pagsasalita ng produkto" na maayos.
2. Susunod na Henerasyon ng AI-Native na Hedge Funds
Noong dekada 80, nang simulan ng ilang mga pondo na subukan gamitin ang mga computer para analisahin ang merkado, tinanggihan ito ng Wall Street. Ngayon, ang pagsusukat ng transaksyon ay naging karaniwan. Kung hindi mo pa naiintindihan ngayon na kami ay nasa isang katulad na punto ng paglipat, maaaring ikaw ay maliitin ang susunod na Renaissance Technologies o Bridgewater.
Ang oportunidad sa pag-iral nito ay hindi nasa "plugin" ng AI sa mga umiiral nang mga estratehiya ng pondo, kundi nasa pagbuo mula sa simula ng AI-native investment strategy.
Bagaman mayroon ang mga umiiral na pambansang kumpanya ng mga mapagkukunan, ang kanilang galaw ay masyadong mabagal sa labanan sa pagitan ng komplikasyon at inobasyon. Ang mga susunod na hedge fund ay idudulfo ng mga grupo ng AI agent - sila ay maaaring tulad ng mga tao na mangangalakal, 24 oras na walang pagtigil na suriin ang 10-K report, pakinggan ang telepono ng report ng kita, suriin ang mga dokumento ng SEC, at gumawa ng transaksyon sa pamamagitan ng pagsasama ng mga opinyon ng iba't ibang analyst.
Sa larangan na ito, ang tunay na Alpha na kita ay magmumula sa mga bagong manlalaro na hindi takot magpahintulot sa AI na malalim na manlaban sa mga desisyon sa pamumuhunan.
3. Pagbabago ng mga kumpanya ng serbisyo patungo sa software (AI-Native Agencies)
Noong lahat ng panahon, kahit ang mga kumpanya ng disenyo, mga kumpanya ng advertisement, o mga abogado, lahat ng mga modelo ng "Agency" ay mayroong isang problema: mahirap itong iskala. Dahil sila ay nagsesell ng "oras ng tao", mababa ang kanilang margin ng kita, at ang paglago ay dapat tumakda sa paghihiram ng mga tao.
Ang AI ay nagpapahina ng patlang na ito.
Ang mga bagong henerasyon ng mga agent ay hindi na magbebenta ng mga tool sa software sa kanilang mga customer, kundi magagamit nila ang mga AI tool upang makagawa ng mga resulta na may 100 beses na mas mabilis na kahusayan, at pagkatapos ay direktang magbebenta ng wakas na produkto. Ito ay nangangahulugan ng:
Maaaring gumamit ang mga kumpanya ng disenyo ng AI upang makagawa ng isang buong set ng custom na solusyon bago sila mag-sign ng kontrata, at mabawasan ang kompetisyon mula sa tradisyonal na mga kakumpitensya.
Ang mga kumpanya ng advertisement ay maaaring gumawa ng pelikula-klase na video advertisement gamit ang AI nang hindi kailangang mag-aksaya ng mahal sa on-site na pagkuha.
Maaaring gawin ng mga abugado ang mga kumplikadong legal na dokumento sa ilang minuto kaysa sa ilang linggo.
Ang mga negosyong serbisyo sa hinaharap ay magiging mas tulad ng mga software company sa kanilang business model: may mataas na margin at walang hanggang scalability.
4. Mga Serbisyo sa Pankokonsumo ng Stablecoin
Ang mga stablecoin ay nagsisimulang maging mahalagang bahagi ng pandaigdigang pananalapi, ngunit ang layer ng serbisyo sa itaas nito ay pa rin isang mapanirang lupa. Sa pag-unlad ng mga batas tulad ng GENIUS at CLARITY, ang mga stablecoin ay nasa krus ng DeFi (decentralized finance) at TradFi (traditional finance).
Ito ay isang malaking regulatory arbitrage at inobasyon na bintana.
Sa kasalukuyan, kadalasan na ang mga user ay kailangang pumili sa pagitan ng "mga tradisyonal na produkto sa pananalapi na komplimentaryo pero may mababang kita" at "mga cryptocurrency na may mataas na kita pero may mataas ding panganib". Kailangan ng merkado ng isang gitnang anyo: isang bagong uri ng serbisyo sa pananalapi na batay sa stablecoin, komplimentaryo at may mga benepisyo ng DeFi.
Sa kabila ng mga account ng deposito na may mas mataas na kita, tokenized na mga asset ng mundo ng tunay (RWA), o mas mahusay na infrastraktura ng cross-border na pagbabayad, ngayon ang pinakamahusay na oras upang i-attach ang dalawang parallel na mundo.
5. Pagbabago ng Lumang Sistema ng Industriya: Modernong Metal Mill (Modern Metal Mills)
Nangangatwiran ang mga tao tungkol sa "pabalik sa industriya ng Estados Unidos" ay madalas na nakatingin sa mga gastos sa lakas ng paggawa, ngunit nagmamali ng isang malaking elepante sa kuwarto: ang mga tradisyonal na disenyo ng industriya ay napakaliit ng kahusayan.
Ang halimbawa ng pagbili ng aluminyo o steel pipe sa Estados Unidos ay may tipikal na lead time na 8 hanggang 30 linggo. Hindi ito dahil sa kawalang-gawa ng mga manggagawa, kundi dahil sa buong sistema ng pamamahala ng produksyon ay idinesenyo noong ilang dekada na ang nakalipas. Ang mga matandang pabrika na ito ay naghihiwalay ng bilis at flexibility para sa "tonelada" at "utilisasyon". Bukod dito, ang mataas na pagkonsumo ng kuryente ay isang malaking problema, at madalas ay kumukulang mga pabrika sa modernong mga solusyon sa pamamahala ng kuryente.
Ang oportunidad para muling isagawa ang gawaing ito ay handa nang dumating.
Sa tulong ng AI-driven production planning, real-time na Manufacturing Execution System (MES), at modernong automation, maaari nating mapigilan ang mga oras ng paghahatid at palakihin ang kita. Ito ay hindi lamang pagpapatakbo ng mas mabilis ang mga pabrika, kundi ang paggawa ng lokal na metal production na mas mura, mas flexible, at mas kumikita sa pamamagitan ng software-defined manufacturing processes. Ito ay isang pangunahing bahagi ng pagbabalik ng industriya.
6. Pag-upgrade ng AI para sa Pamahalaan (AI para sa Pamahalaan)
Ang unaan ng AI na kumpanya ay nagawa nang magbigay ng kakaibang bilis sa pagpunan ng mga form ng mga kumpanya at indibidwal, ngunit ang ganitong kahusayan ay biglaan lamang nawala kapag nakipag-ugnayan sa mga tanggulan ng gobyerno. Ang malalaking dami ng digital na mga application ay sa wakas ay dumadaan sa mga likuran ng gobyerno kung saan kailangan pa rin sila ng mga tao para i-print at gamitin ang mga ito nang manu-mano.
Kasama ng mga gobyerno ang mga tool ng AI upang harapin ang paparating na data deluge. Bagaman ang mga bansa tulad ng Estonia ay nagpapakita na ng prototype ng "digital government," kailangang kopyahin ang lohika na ito sa buong mundo.
Ang pagbebenta ng software sa gobyerno ay talagang isang hamon, ngunit ang mga kapalit ay parating malaki: kapag nakakuha ka na ng unang customer, madalas itong nangangahulugan ng mataas na customer loyalty at malaking potensyal para sa pagpapalawak. Ito ay hindi lamang isang komersyal na oportunidad, kundi isang paraan upang mapabuti ang kahusayan ng lipunan.
7. Isang Tunay na Oras AI Tutor para sa Physical Work
Narerecall mo pa ba ang scene sa The Matrix kung saan natututo si Neo ng kung fu nang biglaan sa pagkakasunod ng mga tube? Ang "skill injection" na bersyon ng totoo ay paparating, at ang carrier nito ay hindi ang brain-computer interface kundi ang real-time AI guidance.
Sa halip na mag-usap nang buong araw kung anong mga trabaho ng white collar ang maaaring kumalat ng AI, tingnan natin kung paano ito nagpapagaling sa blue collar na mga trabaho. Sa mga larangan tulad ng on-site service, manufacturing, at health care, kahit hindi direktang "gumawa" ng AI, ito ay maaaring "makita" at "mag-isip".
Imaginyon na ang isang manggagawa na nagsusuot ng smart glasses ay nagmamay-ari ng isang kagamitan, at ang AI ay nakakita ng isang valve sa pamamagitan ng kamera at sinasabi sa kanya sa kanyang tenga: "I-off ang red valve, gamitin ang 3/8 inch wrench, ang bahagi ay nasira at kailangan itong palitan."
Ang pag-unlad ng mga multi-modal na modelo, ang pagtaas ng availability ng smart hardware (smartphone, in-ear device, smart glasses), at ang kakulangan ng skilled workforce ay nagdulot ng malaking demand. Mayroon itong malaking posibilidad, kahit para sa pagbibigay ng training system sa mga umiiral nang kumpanya, o kahit para sa pagtatayo ng isang ganap na bagong "super blue collar" workforce platform.
8. Malalaking Modelo ng Espasyo na Lumalagpas sa mga Limitasyon ng Wika
Ang mga malalaking modelo ng wika (LLM) ay nagdulot ng pagpapalabas ng AI, ngunit ang kanilang karunungan ay limitado sa mga kahulugan na mailalarawan ng "wika". Upang makamit ang artipisyal na gawi ng isip (AGI), kailangang maintindihan ng AI ang pisikal na mundo at mga ugnayan ng espasyo.
Ang kasalukuyang AI ay pa rin mahirap kapag nagawa ang mga spatial na gawain tulad ng geometry, 3D na istraktura, at pisikal na pag-ikot. Ito ay nagpapalimita sa kanilang kakayahan na makipag-ugnayan sa pisikal na mundo.
Hinihingi namin ay isang koponan na makakagawa ng malalaking spatial na modelo. Ang mga ganitong modelo ay hindi dapat tratuhin ang heometriya bilang isang aspeto ng wika kundi bilang isang unang prinsipyo. Ang sinumang makapagpapalakas sa AI upang talagang maintindihan at idisenyo ang mga pisikal na istruktura ay may pagkakataon upang maitatag ang susunod na batayang modelo sa antas ng OpenAI.
9. Digital na Arma ng mga Manhuhuli ng Pagnanakaw (Infra para sa mga Manhuhuli ng Pagnanakaw ng Pamahalaan)
Ang gobyerno ang pinakamalaking mamimili sa mundo, na nagbabayad ng trilyon-trilyon ng dolyar bawat taon, at nangangako ng malaking pagkawala dahil sa panggagahasa. Ang Medicare sa Estados Unidos na lang ay nangangako ng daan-daang bilyon ng dolyar bawat taon dahil sa hindi tamang pagbabayad.
Ang False Claims Act ng Estados Unidos ay nagpapahintulot sa mga partikular na mamamayan na mag-file ng kaso para sa gobyerno laban sa mga korporasyon na nagtataglay ng panlilinlang, at kumikita ng bahagi mula sa na-recover na pera. Ito ay isa sa mga pinaka-epektibong paraan upang labanan ang panlilinlang, ngunit ang kasalukuyang proseso ay napakalaking primitibo: Ang isang whistleblower ay nagbibigay ng impormasyon sa isang abogado, at ang opisinang abogado ay gumagawa ng dokumentasyon nang paulit-ulit sa loob ng maraming taon.
Kailangan natin ng espesyal na disenyo para dito. Ang isipin ay hindi lamang isang simpleng dashboard, kundi isang AI detective na makakapag-automate ng pagpapalabas ng mga kumplikadong PDF, makikinabkab ng mga kumplikadong corporate shell structures, at maghahanda ng mga hiwalay na ebidensya sa mga dokumento na maaaring isumite sa korte.
Kung maaari mong i-10x ang bilis ng pagbabawi ng panggagahasa, hindi lamang mabubuo mo ang isang malaking kompanya, kundi maii-save mo rin ang milyun-milyong dolyar para sa mga taxpayer.
10. Gawin itong madali ang pagsasanay ng LLM (Gawin ang LLMs Easy to Train)
Bagaman mainit ang AI, ang karanasan sa pagsasanay ng mga malalaking modelo ay pa rin napakabahay.
Mga developer ay labanan ang mga nasira SDK araw-araw, gumugugol ng mga oras ng pag-debug ng GPU instance na kumikinang sa simula, o nakakakita ng mapanganib na bug sa mga tool ng open source. Mas maliit pa ang pagharap sa mga TB ng data.
Katulad ng pagsilang ng Datadog at Snowflake sa panahon ng cloud computing, kailangan din natin ng mas mahusay na "shovels" sa panahon ng AI. Kailangan natin:
Ang API na ganap na abstract ang proseso ng pagsasanay.
Ang isang database na madaling pamahalaan ang mga dataset ng napakalaking sukat.
Isang kapaligiran sa pag-unlad na idinisenyo para sa mga pag-aaral sa machine learning.
Kasunod ng "post-training" at ang pagiging propesyonal ng modelo ay naging mahalaga, ang mga ito ay magiging pundasyon ng hinaharap na pag-unlad ng software.