硬科技佔 YC 批次兩成：軟件公司正在被智能體吃掉
YC 最新批次裡硬科技公司從 8% 漲到 20%，機器人、國防、半導體、電力全線翻倍；同時軟件公司從賣工具轉向賣「把活幹完」，中位收入從 8K 漲到 20K。
原視頻在 YouTube 上放不出來，用音頻聽：
核心論點 · 點時間戳可跳到原聲
硬科技從 8% 漲到 20%
Diana 分析了最近 18 到 12 個月 YC 錄取的公司，硬科技佔比從 8% 漲到 20%。拆開看：機器人從 1% 到 6-7%，工業製造從 4% 到 10%，國防從 1.5% 到 5%，半導體和光子學從 1% 到接近 4%，電力基礎設施從 1% 到接近 3%。這些數字在物理原子棧上普遍翻了三到五倍。同期，中位 YC 公司被錄取時收入為零，過去批次結束時中位月收入約 8K，現在到 20K。
— Diana技術創始人比例在上升
Jared 提到當前夏季批次裡，每六個創始人就有一個有 PhD，遠高於歷史水平。原因是做硅光子這類方向，通常需要很強的研究背景。Gary 補充說，過去硬科技難是因為供應鏈和軟件工程是限制因素，現在有了 codegen，頂級全棧硬件不再需要招一千個優秀工程師，一兩個或一個小團隊就夠，這改變了經濟學。真正的看多邏輯不是投資人迴避軟件，而是模型本身在加速科研，讓初創公司更早做出研究突破。
— Jared國防和太空成了新敘事
Gary 說有三個宏觀趨勢在推動原子增長。一是 SpaceX 成功 IPO 後，一代創始人想造太空公司，比如 Exosat 做主權 Starlink 方案，Beyond Reach Labs 做衛星太陽能板。二是這代創始人成長於戰爭被高度討論的環境，想做國防。Icarus 做太陽能 U2 偵察機，能做監視和通信，已拿到新戰爭部的七位數合同；Nine Mothers 做反無人機防禦，是帶 CV 的霰彈槍炮塔，特種部隊在採購。三是算力本身是重物理過程，A100 每小時成本在漲，因為需求太大供給不足。
— Gary硬件公司跑出軟件增速
Nox Metals 把金屬製造搬回美國，在底特律的空工廠裡重建金屬供應鏈。它的客戶是新興國防科技公司，需要金屬造東西，而現有供應商多是反應慢的老生意，跟不上新國防公司的節奏。Gary 類比 Web 2.0 早期：新初創公司更願意從新初創公司買東西，因為能同速協作，就像用 Stripe 而不是傳統信用卡供應商。PG 發推說 Nox Metals 在以軟件增速增長。
— Gary算力棧從芯片挖到電力
Diana 說 GPU 價格反常：A100 已經算老，但每小時成本還在漲，因為需求超過供給。圍繞數據中心上線，從選址建設、軟件、實際 buildout 到供電方案，都有初創公司在做。往下走到核心計算硅：Lamb Labs 做新處理器，Bot 做用三進制表示的新定製硬件架構，因為 Nvidia 從 A100 到 H100 再到 B300，浮點精度一代代下降，而 LLM 架構不需要全精度浮點，FP2 甚至也能用。Dipole Labs 做全光交換機，因為電子交換機速度跟不上 GPU，成了很多數據中心的瓶頸。
— Diana系統記錄公司要麼被吃要麼變 harness
Gary 提出：如果你是系統記錄公司，要麼被掠奪——放出 MCP 後數據護城河消失，切換變得很容易；要麼自己變成 harness，成為人們不只是讀寫、而是在裡面完成工作的場所。他舉 RKGI 基準為例，同一個模型插進不同 harness 表現不同，模型加 harness 才等於輸出。有人聲稱 Astra 配自定義 harness 在 RKGI 3 上超過 90%，而幾個月前這個數字還在低兩位數。
— Gary做完整任務的軟件佔比翻倍
Diana 說 YC 錄取公司裡做全棧端到端任務的比例從 10% 漲到超過 25%。區別在於智能體真的把活幹了，而不是像五到八年前的 SaaS 那樣只是點解決方案、還需要人來操作。增長最快的正是這些做完整工作流的公司，比如保險經紀、臨床 intake、醫療賬單。Jared 補充，距離 agentic coding 真正可用（Opus 4.5）快一年了，這些工作流開始全面開花，人們願意為「把活幹完」的軟件付更多錢。
— Diana三個月從零做到七位數收入
Diana 說今年第一次見到公司在批次期間從零做到七位數收入，跨度只有三個月，過去這需要 18 個月或更久。部分原因是他們在解決真問題，加上 agentic coding 讓產品成熟度更高，創始人可以同時跑 20 個編碼智能體會話。另一個快速增長的類別是向實驗室賣數據或 RL 環境，很多公司很低調。YC 過去兩年投了超過十幾家年收入超 1000 萬美元賣數據或 RL 環境的公司，很多達到數億美元，公司才成立幾年。
— Diana原話 · 已逐字校驗
the number of heart tech companies that are in the bat. It has gone from 8% to 20%.
批次裡硬科技公司的數量從 8% 漲到了 20%。
Diana1:04
having codegen means that suddenly even all the things that they do at Anderil uh can happen much much faster
有了 codegen，連 Anduril 做的那些事都能快得多。
Gary4:04
if you are a system of record you either will be prayed upon like you'll release an MCP and then maybe like the data you know you lose your moat around the data the data goes elsewhere like becomes very trivial to switch or you kind of have to be a harness
如果你是系統記錄公司，要麼被掠奪——放出 MCP，數據護城河就沒了，數據流到別處，切換變得非常容易；要麼你就得變成 harness。
Gary16:15
people want their job just be done and are willing to buy software that just gets the job done
人們想讓自己的工作被直接完成，願意買那種直接把活幹完的軟件。
Jared19:19
we have companies breaking from zero to seven figures in revenue during the batch. And that is in a span of 3 months.
我們有公司在批次期間從零做到七位數收入，跨度只有三個月。
Diana22:20
just in the last two years, YC has funded more than a dozen companies that are each making more than $10 million a year selling data or RL environments to the labs and in many cases hundreds of millions of dollars.
僅過去兩年，YC 就投了超過十幾家年收入超 1000 萬美元的公司，向實驗室賣數據或 RL 環境，很多達到數億美元。
Diana23:20
what a weird moment we are in history where you wake up in the morning you like wire up a new model and then these things that even a month ago you're just like why isn't it working it just starts working
我們正處在一個多奇怪的歷史時刻：早上醒來接上一個新模型，一個月前你還覺得「這怎麼跑不通」的事，突然就跑通了。
Gary35:23
數字與實體
| 硬科技公司佔 YC 批次比例 | 從 8% 漲到 20% | 1:04 |
| 機器人公司佔 YC 批次比例 | 從 1% 到 6-7% | 2:04 |
| 工業製造公司佔 YC 批次比例 | 從 4% 到 10% | 2:04 |
| 國防公司佔 YC 批次比例 | 從 1.5% 到 5% | 2:04 |
| 半導體/光子學公司佔 YC 批次比例 | 從 1% 到接近 4% | 2:04 |
| 電力基礎設施公司佔 YC 批次比例 | 從 1% 到接近 3% | 2:04 |
| 當前夏季批次創始人中有 PhD 的比例 | 六分之一 | 3:04 |
| 做全棧端到端任務的公司佔 YC 批次比例 | 從 10% 到超過 25% | 18:19 |
| 向實驗室賣數據或 RL 環境的 YC 公司年收入 | 超過 1000 萬美元，很多達數億美元 | 23:20 |
術語
- harness執行框架
- 包裹模型、讓它能實際執行任務的軟件層，模型加 harness 才等於輸出。
- RL environments強化學習環境
- 給模型做強化學習訓練用的模擬或真實交互環境，是實驗室花錢買的數據品類。
- codegen代碼生成
- 用 AI 自動生成代碼，降低硬件公司對大量軟件工程師的依賴。
- system of record系統記錄
- 企業裡記錄核心數據的系統，如 Salesforce、Slack，護城河來自數據沉澱。
- egocentric data第一人稱視角數據
- 從機器人或人自身視角採集的物理世界數據，用於訓練機器人模型。
收聽指南
適合關注硬科技、AI 智能體和早期投資的人，尤其是想判斷 YC 批次風向、考慮做硬科技或智能體產品的創業者和投資人。
最後 33:22 到 36:28 的閒聊和鼓勵部分，信息密度低，可跳過。