開篇
本篇的內容來自 YC 今年夏季招募新創團隊的 RFS，我挑選了我很感興趣的領域，不感興趣或跟我專業差太遠的我就只把他們列出來而已，像是『新的防禦技術』、『將製造業帶回美國』、『新的太空公司』、『氣候技術』、『穩定幣金融』以及『終結癌症的方法』等等就跟我們現階段團隊技能組成幾乎完全沒相關，至於其他的幾項我都會沿著脈絡去探索我們公司的機會點在哪裡，我最後會就我目前最愛且最相關的那五個方向做深度的研究，分別是：
- 新的企業資源規劃軟體（ERPs）
- 針對傳統企業手動後台流程的LLMs
- 用AI建立企業軟體
- 醫療保健的管理服務組織模型
- 消除醫療保健中的中間人
- 作為巨型通用模型替代品的小型微調模型
將機器學習應用於機器人技術
Applying machine learning to robotics
機器人技術尚未迎來其 GPT 時刻，但我們認為它已經迫在眉睫。
過去二十年來，YC 密切關注機器人技術的發展。事實上，YC 的創始人之一 Trevor Blackwell 是一位開創性的機器人學家，他製造了第一個能動態平衡的雙足機器人。
幾十年來，大家都知道機器人是未來的趨勢，任何科幻小說都會這麼顯示。但這個未來一直難以實現，因為以往世代的機器人成本高昂且易損，需要在受控條件下運作。隨著基礎模型快速進步，終於可能製造出具有人類級感知和判斷能力的機器人。這一直是缺失的一塊拼圖。
雖然消費者使用案例在科幻小說中佔有重要地位，但一些被忽視且最可立即應對的機器人應用場景是 B2B。具體來說，我們認為工業使用案例（如 Gecko Robotics（W16）製造的檢查機器人）和農業使用案例（如 Bear Flag Robotics（W18）製造的自動駕駛拖拉機，後者已被 John Deere 收購）頗具前景。
我們有興趣資助那些建立軟體工具以幫助他人製造機器人的人，以及那些直接建造機器人的人。
利用機器學習模擬物理世界
Using machine learning to simulate the physical world
許多基本的軟體工具透過利用已知的物理和化學原理來模擬世界，比如天氣預測、用於設計火箭和飛機的計算流體動力學，以及預測分子相互作用以用於藥物發現的工具——今天，許多這樣的工具都是基於運行一個完整的物理世界模擬。由於它們在解決複雜的多變量數學方程式，這些模擬非常計算密集型。
然而，事實證明，AI模型是通用的功能逼近器，也能夠解決並預測這類問題，而無需明確了解物理學。這導致的預測計算成本大大降低，並且可以在幾分鐘或幾秒鐘內完成，使用的是遠小於原本需要數天/數週以及超級計算機的計算資源。
我們對於用基於ML的模擬取代現有模擬的公司，以及使用基於ML的模擬開拓當前無法解決的新市場的公司，感興趣。
新的防禦技術
New defense technology by Jared Friedman 和 Gustaf Alströmer
美國目前在幾個地區參與了大規模的衝突，這些衝突威脅著要改變我們的世界。雖然美國在防禦技術上歷史上一直領先於世界，但它依賴的防禦承包商已變得緩慢且效率低下，由於幾十年的成本加成合約而變得臃腫。
SpaceX 向世界展示了一家私營太空公司可以比公共資金支持的 United Launch Alliance 有效得多。像 Palantir 和 Anduril 這樣銷售給 DoD 的新公司正在證明，對於防禦技術來說也是如此。
矽谷在 20 世紀初作為美國軍方的研發區而誕生。早期的矽谷公司大多由 DoD 資助，並在第二次世界大戰中發揮了關鍵作用，他們製造了軍用雷達、破碼設備和原子彈的組件。
這個十年是將矽谷帶回這些根源的時候。
將製造業帶回美國
Bring manufacturing back to America by Jared Friedman
英國在 19 世紀成為世界上最富有的國家，原因在於它成為了世界的工廠。美國在 20 世紀也做到了同樣的事情。但在近幾十年中，我們放棄了這個角色。美國製造業的空洞化導致了社會和政治分裂，並使我們在地緣政治上處於一個危險的位置。
將製造業帶回美國是雙方最大的共識之一，而 2022 年通過的 CHIPS 法案證明了美國政府將為這一目標投入重大資金。
世界其他的變化為美國製造業的復興奠定了舞台。新的基於 ML 的機器人系統將使自動化變得更加可行，這將降低勞動成本差異，這一差異最初推動了製造業向其他國家轉移。像 SpaceX 和 Tesla 這樣的公司已經培養了一整代工程師，教會他們如何建立一家製造實體產品的美國公司，但運作方式卻像一家初創公司。
我們知道這是可行的，因為我們有機會與這一領域的領先公司合作。Astranis（W16）正在舊金山市中心建造通信衛星，該地點在二戰期間曾經為美國海軍建造戰艦。Gecko Robotics（W16），位於美國老工業中心匹茲堡，製造進行工業檢查的機器人。Solugen （W17）在休斯頓的一家大型工廠中生產工業化學品。
新的太空公司
New space companies by Jared Friedman 和 Dalton Caldwell
自從 SpaceX 於 2006 年首次發射以來，進入軌道的成本已經快速下降，降幅超過 10 倍。現在，一家初創公司僅憑一輪種子資金就能建造並發射一顆衛星。
想想看，如今有多少公斤的負載被發送到太空，想像一下一年後、五年後、十年後等將會有多少。
如果我們即將進入一個訪問太空就像商業航空旅行、海運或卡車運輸那樣日常和便宜的未來，這將開啟哪些新的商業機會？
建立一家太空公司可能會讓創始人感到害怕，看似過於雄心勃勃，但令人驚訝的是，它並不一定比建立一家軟體公司更困難。YC 已經資助了許多太空公司：Astranis、Relativity Space、Stoke 等等。它們的成功率不低於，甚至可能高於我們的其他公司。
氣候技術
Climate tech by Gustaf Alströmer
如果初創公司提供商業解決方案來減碳或從大氣中移除碳，我們有相當的機會避免災難性的氣候變化。
我們有興趣資助在以下五個主要領域建設的人：與能源相關、需要科學研究、氣候適應、綠色金融科技、以及碳會計與抵消。
在這個領域建設的財務機會是巨大的：預計將有 3-10 萬億美元的EBITDA可供爭奪。近期的立法也將顯著加速現有市場趨勢。僅在美國，通脹減輕法案在未來 10 年內的預計支出將達到 8000 億美元。把這個數字放在一個視角來看，這幾乎是 2008 年 900 億美元法案的 10 倍，該法案促成了美國太陽能、電池和電動車產業的誕生。
Y Combinator 已經資助了超過 100 家氣候科技初創公司，它們的總價值超過 100 億美元。在氣候科技領域建設是一個世代一次的機會。
商業開源公司
Commercial open source companies by Nicolas Dessaigne 和 Diana Hu
開源公司比閉源公司移動得更快。對於開發者工具來說，開源是獲得開發者採用的有力方式。但這也是初創公司更快成熟並更早向企業銷售的絕佳方式。最終，當開源公司成為軟體工程師的標準選擇時，它們就成功了。
在這裡，技術背景的創始人具有很強的優勢，因為銷售動作更多依賴於項目的技術優勢，而不是強大的銷售策略。對於技術創始人來說，與和他們一樣的工程師用戶交流更加自然，而且由於他們能從開源社區獲得反饋，因此可以更快地迭代。
YC 已經資助了超過 150 家開源公司，包括 Gitlab（W15）、Docker（S10）、Apollo（S11）、Supabase（S20）等幾家，我們希望資助更多這樣的公司。
空間計算
Spatial computing by Diana Hu
將 AR/VR 作為新的個人計算平台已經開發了十多年。但直到最近，隨著 Apple Vision Pro 和 Meta Quest 3 的推出，我們才接近目標。用戶體驗正在改善，渲染能力在增強，手部/眼動追踪也有了顯著進步但仍有許多工作要做。
我們希望看到一批新的初創公司在這些設備上建立軟體，解決超越遊戲的實際用例。在發現最佳用例、最佳 UX/UI 實踐等方面，仍有許多挑戰需要解決，我們很高興能與處於這項技術前沿的創始人合作。
新的企業資源規劃軟體（ERPs）
New enterprise resource planning software by Dalton Caldwell
隨著公司規模的擴大，它們終將採用某些軟體套裝來幫助經營業務。這種軟體廣為人知的稱為「ERP」，即企業資源規劃軟體。你可以將這款軟體視為企業運作的作業系統。
ERP 通常被認為是昂貴的、實施過程痛苦、而且用戶不喜歡，然而卻絕對必要，且對其客戶來說，實為業務關鍵的典範。
我們希望看到新的初創公司開發出幫助企業運營的軟體。理想情況下，這款軟體因其靈活性和易用性而受到客戶的喜愛。這類軟體非常有價值且重要，我們可以想像，這是許多新的大成功供應商出現的機會。
受現有內部工具啟發的開發者工具
Developer tools inspired by existing internal tools by Dalton Caldwell
如果一位開發者在某家有一定成功的公司工作過，他們很可能遇到過由公司的開發人員建造的工具或框架，這些工具或框架旨在幫助解決特別痛苦或重複的問題。這些工具往往有趣味性的內部綽號，大部分時間從未曝光於公眾視野。
當有抱負的創業者試圖想出新的創業點子時，他們經常沒有意識到，在之前的工作中使用的內部工具是獲取靈感的絕併好地方。
我們希望看到更多由這類自製工具啟發而創建的初創公司，因為如果某個工具在一家公司非常有用，那麼在其他公司也很可能非常有用。所有軟體工具的血統往往可以追溯到程序員為了完成工作而建造的某些東西，沒有理由懷疑這一點將來不會繼續成立。
可解釋的AI
Explainable AI by Diana Hu 和 Nicolas Dessaigne
你會信任一個 AI 來診斷你嗎？你能保證一個模型是無偏見的嗎？或者更簡單地，我們如何確保一個模型不會幻想出一個答案？
理解模型行為非常具有挑戰性，但我們相信，在信任至關重要的情境中，一個AI模型必須是可解釋的。它的回應需要能夠被解釋。
為了讓社會充分獲得 AI 的好處，需要在可解釋的人工智慧上做更多工作。我們有興趣資助那些建立新的可解釋模型或工具來解釋現有模型輸出的人。
針對傳統企業手動後台流程的LLMs
LLMs for manual back office processes in legacy enterprises by Tom Blomfield
在幾乎每一家老牌大型公司中，都有大量的員工在進行手動流程操作。這些流程對終端客戶來說是隱藏的（因此稱為「後勤」而非「前台」），所以我們在日常生活中很少遇到它們。
在這些任務中經常存在著足夠的不確定性，使得在大型語言模型（LLMs）出現之前很難進行自動化。在其他情況下，軟體工程師甚至從未接觸過這些流程，因此從未認真考慮過自動化。人們繼續以幾十年如一日的方式進行這種重複性工作。
大型語言模型（LLMs）使得整類手動流程的自動化成為可能，這在不久前還是不可想象的。
『在存在語言模糊性或需要某種主觀評估的地方，LLMs 能夠發揮其獨特的作用』
例如：
- 客服聊天的 QA 和合規審查
- 在醫院確定醫療計費代碼和保險報銷
- 評估抵押貸款或商業貸款的申請
- 交易監控、制裁篩選和反洗錢調查
- 汽車經銷商銷售汽車後向州政府機關提交文件
對於大多數開發者來說，問題在於他們以前從未遇到過這類後勤流程，最大的障礙往往是發現一個可以解決的流程。
用AI建立企業軟體
AI to build enterprise software by Harj Taggar
企業軟體在聰明的開發者中有種聲譽，那就是開發它很無聊。你必須做銷售，而且因為每個潛在客戶都想要些微不同的功能，你最終會寫出臃腫的軟體來試圖滿足他們所有人。
但如果人工智慧能改變企業軟體的建構和銷售方式呢？每個客戶想要的核心是相同的：他們只是想要在邊緣處進行定制。
人工智慧擅長寫程式碼；特別是當你給它一個現有的程式碼庫來學習時。那麼，如果不是長期的企業銷售週期，你只需給客戶一個簡單的啟動產品，讓他們告訴你的人工智慧他們想如何定制它？未來，每家企業都可以擁有自己的定制 ERP、CRM 或 HRIS，隨著公司本身的變化持續更新。
基於這一前提的產品將對大型現有企業造成極大的顛覆，因為現在他們不能僅僅通過複製你並在他們臃腫的軟體中添加另一個功能來贏得競爭。現在，他們必須徹底改變他們構建軟體的整個概念方法。
也許人工智慧會在這方面變得如此出色，以至於能夠想出現在還不存在的新型企業軟體。建構這種人工智慧將是一個有趣的技術挑戰，如果你對建構能夠編程的人工智慧感興趣，企業軟體是最有利可圖的軟體領域。
穩定幣金融
Stable-coin finance
完全沒興趣
終結癌症的方法
A way to end cancer
太難了
生物系統的基礎模型
Foundation models for biological systems by Surbhi Sarna
絕大多數的科學創新都會失敗；無論是在早期實驗的實驗台上，還是在臨床試驗中。
圍繞我們現在擁有的大量數據建立的基礎模型，不僅能使科學家比以往更快地知道哪條路徑可以追求，而且有潛力開啟對疾病的新科學方法。圍繞文本和圖像建立的基礎模型正在啟用下一代消費產品；我們相信，圍繞生物系統建立的基礎模型將對醫療保健做出同樣的貢獻。
我們有興趣資助高度技術性的創始人從零開始在生物學或醫學的任何部分建立基礎模型。
醫療保健的管理服務組織模型
The managed service organization model for healthcare by Surbhi Sarna
私募股權正在全國吞噬大小私人診所。到了支付更初級醫療工作者薪水的時候，他們只能賺到他們開出帳單的一小部分。這導致他們工作過度但收入不足，因為大部分收入都用於支付開銷和私募股權擁有者。
一種新的初創公司模型作為私募股權擁有權的替代方案出現了：MSO（管理服務組織）模型。
MSO模型通過（1）提供能處理後勤任務如開單和排程的軟體，以及（2）引導病人前往，使得醫生能夠經營自己的診所。
這些功能大體上是私募股權擁有權所提供的。參與 MSO 模型的醫生可以繼續經營小型、醫生擁有的實踐，同時成功地與大型、私募股權擁有的企業集團競爭。
YC已經資助了在不同垂直領域進行此業務的幾家公司：Nourish（營養師）、LunaJoy（女性心理健康）、Finni Health（兒童自閉症照護）等。
我們有興趣在醫療保健的每一個垂直領域投資這種 MSO（管理服務組織）模型。
消除醫療保健中的中間人
Eliminating middlemen in healthcare by Surbhi Sarna
美國在醫療保健上的人均支出超過任何其他發達國家，然而我們的病人結果並沒有更好。我們大部分的開支都用於支付給中間商——在我們看來，這包括所有不直接向病人提供護理的人。
一項關於醫療保險對藥物支出的最新報告發現，70% 的支出流向了中間商，主要是藥品福利管理公司（PBMs）、批發商和藥房，而只有 30% 流向了製造藥物的製藥公司。在其他每一個垂直領域如『醫院護理』、『醫療設備』、『保險』等都存在著類似的動態。
初創公司可以通過多種方式來解決這些低效問題，從使用人工智慧自動化重複性人力工作，到探索提供護理的新的、更好的商業模式。本著 Jeff Bezos 的『你的利潤就是我的機會』精神，我們相信可以在同時讓系統更加高效的情況下建立一個高利潤的業務。
更好的企業黏合劑
Better enterprise glue by Pete Koomen
大多數企業軟體都需要客戶編寫大量的自定義程式碼。像 Oracle、Salesforce 和 Netsuite 這樣的大型供應商，支持著價值數十億美元的顧問和獨立軟體供應商（ISVs）生態系統，這些供應商幫助客戶定制這些產品並將它們與其他軟體連接。
這種『黏合型程式碼』如 ETL pipeline、整合和自定義工作流程都是企業軟體宇宙的暗物質。
YC 已經資助了這個領域的成功公司，包括Zapier（S12）、Fivetran（W13）和 Airbyte（W20）。這些產品幫助公司為常見的使用案例建立黏合程式碼。
通過為不常見的、特定於公司的使用案例生成自定義程式碼，大型語言模型有潛力完全消除對黏合式程式碼的需求。我們希望看到更多的初創公司致力於解決這個問題。
作為巨型通用模型替代品的小型精調模型
Small fine-tuned models as an alternative to giant generic ones by Nicolas Dessaigne
擁有大量參數的巨型通用模型非常令人印象深刻。但它們也非常昂貴，而且經常伴隨著延遲和隱私挑戰。幸運的是，像 Llama2 和 Mistral 這樣的小型開源模型已經證明，通過用適當的數據進行精細調整，它們可以以一小部分的成本產生可比的結果。
此外，隨著新硬體持續被整合到我們的手機和筆記本電腦中，這些模型在邊緣運行的前景變得越來越可行，從而解鎖了大量新的使用案例。
我們急切地支持那些從事開發或精調這類專業模型的公司，或創建工具以促進其建構。
