YC 刚发的 11 个方向：AI 创业的钱，正在离开模型层
YC 发布了 Winter 2027 期的 Request for Startups。
RFS 是 YC 的老传统：每个季度，他们把"最想看到创业者去做"的方向列成一份清单，公开喊话。它不是投资承诺，但它是全世界创业圈阅读量最大的选题指南之一。
这一期，一共 11 条。
把整份清单从头读到尾，你会发现一个很明显的变化：它几乎不提模型了。
没有"更强的推理"，没有"更大的上下文"，没有"下一代 Agent"。官方开篇的第一句话就把话说透了：
"AI 最大的瓶颈，正在从模型本身移开。"
AI's biggest bottlenecks are moving beyond the models.
YC 说，他们想看的新一波公司，做的是"把智能带进真实经济所需要的硬件、基础设施、金融系统和专用软件"——从工厂、数据中心，到政府和太空。
一、先看全貌
11 个方向，我按官方原文逐条核过，先给你一张速览表：
| # | 方向 | 一句话 |
|---|---|---|
| ❶ | 太空应用 | 星舰复用后发射成本降几个数量级，"今天算不过账的太空生意"将成立 |
| ❷ | 15 美元时薪的专家 | 无执照的普通人 + AI，去干报税、理赔、移民材料的活 |
| ❸ | 美国本土造机器人 | FCC 新规：联网移动机器人要本土制造，零部件本土占比 65% 起步 |
| ❹ | 文笔好的大模型 | 模型越擅长代码，写作越像机器——大厂顾不上文风，留出了空位 |
| ❺ | 政府福利版 Plaid | 授权后从源头拉数据，"核验一次，到处能用" |
| ❻ | 实体基建的"华尔街" | 给机器人放贷、给 GPU 做期权——"银行现在按叉车的标准给机器人放贷" |
| ❼ | 垂直领域基础模型 | 制造、能源、生物的专用模型，算力少几个数量级，护城河是数据 |
| ❽ | 市政厅 AI | 建筑审批提速到 10%，美国城市每年能多收 160 亿美元税 |
| ❾ | 数据中心供应链 | 大型变压器交货期 3 年，变压器用的电工钢全美只剩一家工厂 |
| ❿ | 断网也能用的 AI | 国防、银行、医院的数据不能上云——国内叫"私有化部署" |
| ⓫ | 拥有自己的智能 | 开源模型够强了，企业用自己的数据训自己的模型 |
（以上为官方 11 条方向的中文整理，英文原文见 YC 官网 RFS 页；关键数字口径见文末。）
如果你最近在找方向，这张表值得截图存下来。
但比清单本身更值得琢磨的，是它背后的三个信号。
二、三个信号
信号一：钱在往"重"的地方走
数一数这 11 条里跟"实体"相关的：太空、机器人、数据中心供应链、实体基建金融、断网部署——超过一半。
而且官方给的论据全是硬的：
- 变压器交货期 3 年，开关柜、断路器、液冷设备全部售罄（❾）
- 美国 2025 年装了 3.84 万台工业机器人，同比涨 12%，但大部分靠进口；中国占全球烧结稀土磁体产量的 94%（❸）
- AI 数据中心建设被官方称为"美国史上最大的资本投资项目——比铁路、公路和曼哈顿计划加起来还大"（❾）
翻译一下：AI 的第一波红利（模型、应用、套壳）已经卷完，下一波的定价权在"物理世界"手里。
这不是 YC 一家的判断。今年国内热过一阵的"卖铲子"叙事，说的是同一件事——只不过 YC 把它写成了 11 条清单，还附上了供应链瓶颈的具体位置。
信号二："验证真实性"成了独立生意
❺ 这条值得单独说。
官方的观察很尖锐：申请政府福利要反复交材料、各个部门数据不互通；"挡住诚实人的那套系统，同样放进了欺诈"——美国政府问责局（GAO）估计，欺诈每年让联邦政府损失最高 5000 亿美元。而现在的 AI，几秒钟就能伪造一张工资单。
所以机会是：做一个"福利版 Plaid"——用户授权后，从源头拉取经过验证的收入、税务、居住数据，一次核验，所有项目通用。
这条逻辑可以外推：当 AI 能造假的东西越来越多，"验证真实性"本身就成了生意。 身份、数据、内容溯源，都在这条线上。
信号三：个人的空位还在，但换了地方
上一波个人开发者吃到的是"做应用"的红利。这一波，11 条里真正对个人和小团队友好的，其实只有四条——但它们的分量不轻，下一节逐条拆。
三、和普通人最相关的四条
❷ 15 美元时薪的"专家"
这是官方清单里我最喜欢的一条，原话是这么说的：
"大多数人讨论 AI 怎么替代工人。我们兴奋的是反过来的事：AI 把一个普通工人变成专家。"
场景：企业雇一个没有执照、但会用 AI 的聪明人，去做以前需要持证专家的活——福利申报、税务、保险理赔、医疗账单、移民材料。"凡是凭证（credential）是瓶颈的地方，这个模式都成立。"
这条为什么对个人友好？因为它的门槛不在技术，在流程和信任：客户要的不是"一个更聪明的模型"，是"有人帮我把这件事办成"。
国内读者应该会心一笑：这不就是企业 AI 落地服务的逻辑吗。我们之前拆过 FDE（前置部署工程师）那门生意——退伍兵、外卖骑手配上 AI，一样能接企业的活，有人半年做到百万级。方向不同，底层是同一件事：AI 把"专业服务"的门槛从执照挪到了交付能力。
❹ 文笔好的大模型
这条的论证最"反直觉"，也最硬：
"模型在代码和数学上越来越强的同时，写作反而在变差。你觉得现在的模型比 2024、2025 年的更'机器人'——你没有错觉。"
"这不是暂时的故障，是结构性问题：让模型擅长代码的那套奖励信号，同时在压平文风。"
官方的结论：大厂在"代码能力"和"文风"之间被逼着二选一时，永远选前者。于是"一个人们愿意和它说话的模型"，成了一个公开的空位。
说人话：AI 味不是提示词问题，是训练目标问题。 你在提示词层面把"反 AI 味词表"背得再熟，也只是治标——只要奖励信号不变，模型出厂就是那个味儿。
这个空位适合谁？适合既懂写作、又懂（哪怕只是粗懂）模型训练的人。翻译、文案、小说、内容行业的从业者，值得把这条存下来。
顺带说一句观察（非官方）：目前中文写作里 AI 味最淡的主流模型，很多人认为是豆包。这个判断可以自己去试，但它说明"文风"确实是一个可以打差异化的维度。
❿ 断网也能用的 AI
官方原话："世界上最值钱的数据不在云上。国防承包商、银行、医院、核电站把数据锁在墙内，他们不可能把它发给 AI API。"
所以 YC 想投：on-prem 模型、部署工具、安全认证、硬件——把前沿 AI 送进这些"墙"里面。
然后是全篇最诚实的一句市场判断：
"它卖得更慢、更难。但最大的预算和最可防御的公司，都在这里。"
"难卖"本身是壁垒——这句话值得读三遍。国内管这叫私有化部署，已经有一批人闷声做了几年。现在 YC 用官方清单盖章：这是个全球性的结构性需求，不是中国特供。
如果你在做企业服务、或者正考虑 FDE 那类落地生意，这条是需求侧的最强背书。
❼ 垂直领域基础模型
给制造、能源、生物做专用基础模型，"以数量级更少的推理算力，打平或超过通用模型"。官方举的例子是 Google 的 TimesFM-3：3.3 亿参数的时间序列模型，不做任务微调，一次前向输出全部预测。
但官方也把丑话说在前面：难点是"高质量的、垂直特定的、可验证的奖励"，以及——"你需要对数据的权利"。
所以这条有个很干脆的筛子：如果你没有独家数据，这条和你没关系。 有数据的人（行业老兵、企业数据方），这是明牌机会；没有的人，去给有数据的人做工具。
四、这几条，个人应该绕开
说完全场，说泼冷水的部分。11 条里有几条是明确的"大生意"，个人和小团队看看就好：
- ❶ 太空应用：等发射成本降 100 倍的机会，属于能扛十年周期的资本玩家。
- ❸ 美国造机器人：政策驱动 + 制造业供应链，要建厂、要搞定本土产能，重资产。
- ❻ 实体基建的"华尔街"：金融牌照生意，做贷款、租赁、证券化——不是写代码的活。
- ❽ 市政厅 AI：官方自己都承认"跟政府做生意"以前是个笑话（现在被 YC 投的公司打破了，但那需要政府销售能力）。
- ❾ 数据中心供应链：变压器、电工钢、开关柜——这是工业制造业的牌桌。
判断标准可以浓缩成三个问题：
- 需要重资产吗？
- 需要牌照或政府关系吗？
- 需要独家数据吗？
三个都答"不"的，才是个人能碰的。
五、这份清单到底在说什么
把 11 条读完，我有一个更整体的感受。
过去两年，所有人都在问"模型还能怎么变强"。这份清单的回答是：别问了，模型够强了。现在的问题是——它还没有接进这个世界。
电网没为它改造，工厂没为它改造，政府流程没为它改造，连"写东西像不像人"都还没解决。而这些"没改造"，每一条都是生意。
这对两类人是好消息：
- 做落地的人：你的价值不再需要"懂模型"来证明——把 AI 接进一个具体场景，比训练一个更好的模型稀缺得多。
- 会一门手艺的人：写作的、懂行业的、能搞定客户的——AI 拉平了技术门槛之后，手艺和信任重新变成了硬通货。
最后一句话总结这份清单：AI 创业的上半场比的是"谁的模型强"，下半场比的是"谁离真实世界近"。
而真实世界，才刚刚开始被改造。
本文依据 YC 官方 RFS 页面（Winter 2027 期，2026-10-29 发布）整理分析，关键数字均可在官方原文核对；文中"对个人友好"的判断为作者观点，不构成投资建议。
数据口径：本文引用的 YC 官方数字（65% 本土占比、160 亿美元税收、3 年变压器交货期、3.84 万台工业机器人、94% 稀土磁体份额、5000 亿美元欺诈损失、1.9 万个城市）均来自 YC Winter 2027 RFS 官方原文，as-of 2026-10-29；TimesFM-3 参数与机制描述来自官方原文转述。