资深创始人崛起与硬科技占比激增

当前创业生态正经历显著变化，经验丰富的“老派”创始人正在回归。许多处于 30、40 甚至 50 岁的资深创业者展现出强大的生命力，打破了以往由年轻创始人主导的刻板印象。与此同时，Y Combinator (YC) 对过去 18-20 个月接受的投资组合分析显示，硬科技（Hard Tech）公司的比例从 8% 飙升至 20%。这一数据不仅反映了资本流向的转变，更揭示了技术成熟度带来的质变。

“Frankly, some of the most powerful and badass founders that we've been seeing lately... there might be in their late 30s, 40s, even 50s.”

除了硬科技占比的提升，初创公司的成长速度也在加速。YC 接受的公司通常在零收入、无产品阶段加入，而在过去，这批公司在项目结束时的中位数月收入仅为 8,000 美元；如今，这一数字已跃升至 20,000 美元。这种爆发式增长表明，当前的工具和环境极大地缩短了从概念到商业化的路径。

硬科技细分领域的爆发式增长

硬科技的定义在于其触及“原子”而非仅处理“比特”。在 YC 的投资组合中，多个硬科技细分领域呈现出倍数级的增长：

硬科技子类别 过去占比 (约) 当前占比 (约)
机器人技术 (Robotics) 1% 6-7%
工业制造 (Industrial Manufacturing) 4% 10%
国防科技 (Defense) 1.5% 5%
半导体/光子学 (Semiconductor/Photonics) 1% ~4%
电力基础设施 (Power Infrastructure) 1% ~3%

这些物理层面的技术栈（Atoms Stack）整体增长了 三倍至五倍。其中，机器人技术和工业制造成为增长主力。美国本土制造业的回流趋势推动了工业制造类初创公司的激增，而国防领域的创新则源于对现代战争形态变化的响应。此外，随着 AI 算力需求的爆炸式增长，半导体堆栈和光子学技术以及底层的电力基础设施也迎来了大量初创企业的涌入，显示出硬件与能源领域的全面复苏。

AI 赋能：从软件瓶颈到科学突破的加速器

硬科技复兴的核心驱动力之一是 AGI（通用人工智能）对研发流程的重塑。过去，硬科技创业的最大瓶颈在于供应链管理和软件工程的复杂性。正如 Palmer Luckey 所言，拥有强大的代码生成能力意味着像 Anduril 这样的公司可以大幅加快开发速度。

“AGI compounds this in a really fascinating and awesome way... having codegen means that suddenly even all the things that they do at Anderil uh can happen much faster.”

曾经，顶级软件工程师是硬科技创业的“限制性试剂”，需要雇佣数百名工程师才能与 Google 或 Meta 抗衡；如今，AI 使得初创公司能够以更小的团队实现同等甚至更高效的研发成果。这不仅改变了经济学模型，还加速了科学研究的突破。AI 不再仅仅是软件工具，而是成为推动实体科学研究和硬件迭代的核心引擎，使得深科技（Deep Tech）公司能够更早地实现技术可行性验证。

宏观趋势：太空探索、国防创新与高学历创始人

除了技术因素，三大宏观趋势也在推动硬科技的发展。首先是 SpaceX 成功 IPO 引发的太空创业潮。受此影响，新一代创始人致力于构建全栈式的太空基础设施。例如，YC 支持的 Exosat（旨在建立主权级的 Starlink 解决方案）和 Beyond Reach Labs（为卫星制造太阳能电池板）。随着未来如 StarCloud 等太空数据中心的需求，空间电力供应成为关键赛道。

其次是 国防科技的现代化需求。许多创始人深受社交媒体上战争议题的影响，投身于防御性技术的研发。YC 投资的 Icarus（开发太阳能驱动的 U2 侦察无人机，兼具通信功能）和 Nine Mothers（为特种部队提供反无人机防御系统）均获得了百万美元级别的国防合同。

最后，创始人素质的提升也是关键因素。在当前的夏季批次中，每六位创始人中就有一位拥有博士学位。这是因为硅光子学等硬科技领域需要深厚的研究背景。这些具备极高专业素养的创始人，结合 AI 带来的效率提升，正在推动硬科技创业进入一个全新的高效能时代。

“In the current summer batch, one in six of the founders actually has a PhD. It's way more than that's been historically.”

美国防部对初创企业的战略转向

当前美国政府正以全新方式应对国防挑战，重点保护那些能利用AI和新技术构建传统军工巨头无法制造的产品的精英初创团队。过去，国防部长期被大型国防承包商通过“成本加成”模式所俘获，这些企业往往像咨询公司一样运作。如今的新政府意识到，保护少数关键人才免受廉价无人机攻击等不对称威胁具有生存意义。这种转变使得能够利用最新技术快速迭代的初创公司获得了前所未有的机会，它们不再仅仅是供应商，而是成为国防体系中不可或缺的创新引擎。

"Protecting them from what could be like a commodity drone attack is actually really existential for the department of war."

硬件初创公司的软件级增长：Nox Metals案例

在国防供应链中，双用途（Dual-use）初创企业正在重塑制造业。以Nox Metals为例，该公司致力于将金属制造带回美国本土。过去几十年间，美国的金属产业空心化严重，导致缺乏基础材料生产能力。Nox Metals选择在底特律的闲置工厂中重建金属供应链，其增长速度令人震惊。这家硬件公司的增长率达到了软件行业的水平，这主要得益于新兴国防科技初创企业对快速响应和高协作性的需求。传统的老旧供应商无法跟上这些新企业的节奏，正如Web 2.0时代Stripe取代传统信用卡处理商一样，Nox Metals正在成为国防科技生态系统中新一代的基础设施提供商。

算力瓶颈与基础设施的原子化重构

AI需求的爆发式增长使得计算资源（Compute）成为极其稀缺的物理资产。由于GPU供不应求，即使是较旧的A100 GPU每小时的价值也在上升。这一趋势催生了大量专注于数据中心快速部署的初创公司，涵盖从场地建设、软件规划到能源电池组合的全链条。更深层的创新发生在芯片层面，例如Lamb Labs正在构建新的处理器架构。Bot公司则尝试使用三进制表示法（Ternary representation）来构建定制硬件，因为LLM架构并不需要全精度的浮点运算。此外，Dipole Labs正在开发首个完全光学的交换机（Fully optical switch），旨在解决电子交换机速度滞后于GPU速度的瓶颈问题。通过光子直接传输数据，而非经过电子转换，这将显著提升数据中心内部GPU间的通信效率。

机器人技术的临界点与硬件复兴

推动“从比特到原子”运动的最后一股力量是机器人技术的突破。行业普遍认为，我们正处于类似ChatGPT发布前的“临界点”，虽然尚未完全到来，但新的扩展定律正在形成。机器人被视为一半AI、一半硬件的结合体。近期数据显示，在特定基准测试中，Pi公司的Astra模型表现突出。此前Fable模型的完成率仅为10%，而Astra已能完成60%至70%的任务。这种快速迭代表明，硬件与AI的深度融合正在加速。自2014年以来，YC一直在资助硬科技公司（Hard companies），如今看到硬件初创公司的复兴和融资环境的改善，标志着这一领域正迎来真正的黄金时代。

风投资本回流硬科技：从SaaS狂热到基础设施重建

风险投资领域正经历一场显著的范式转移，资本重新关注火箭、飞机、芯片和数据中心等硬科技基础设施。回顾过去十年至二十年，硅谷风投曾长期偏离这一传统赛道，转而极度偏好B2B SaaS（软件即服务）公司，因为后者盈利模式更为清晰且回报丰厚。然而，硬科技创业面临巨大的资本构建（capital buildout）门槛，初创企业难以仅靠自筹资金起步，必须依赖下游投资者提供全额资金支持。这种对长期资本支持的刚性需求，使得硬科技融资具有特殊性。

令人惊讶的是，这一转变发生得异常迅速。尽管SaaS股票在今年早些时候下跌后出现反弹（如Salesforce和Snowflake近期财报强劲），但风投对硬科技的兴趣并未消退，反而在年初的Demo Day期间已显现出浓厚热情。这种“回归根源”的现象表明，市场正在重新评估实体基础设施的价值，而不仅仅是软件层面的创新。投资者意识到，尽管SaaS依然重要，但硬科技领域的底层构建能力才是未来竞争的关键壁垒。

SaaS的护城河演变：从记录系统到AI Agent工作流

SaaS行业并未如部分观点所言走向死亡，而是发生了深刻的价值重构。以Salesforce为例，其增长动力部分源于“记录系统（System of Record）”理论的延续：当AI Agent成为主要用户时，拥有大量协作数据的平台变得极具价值。Slack作为Y Combinator创始人Ben Horowitz所强调的AI原生（AI-pill）核心，利用其庞大的数据模式优势，正在通过发布Slack AI Harness参与下一轮AI Harness战争。这场竞争不同于浏览器时代的“赢家通吃”，可能呈现多强并立的局面，但拥有协作数据垄断地位的平台仍具巨大优势。

“如果你有一个Agent可以使用的东西，那它实际上是有价值的……如果 anything 的话，Agents会比人类更多地使用软件。”

这种转变要求SaaS公司从单纯的“读写数据”转变为Agent的工作平台。如果系统不能成为Agent执行任务的场所，其围绕数据的护城河将因数据易迁移性而瓦解。因此，未来的SaaS必须演变为Harness（工具集/平台），让Agent不仅能读取数据，还能在其中完成实际工作。这种“以Agent为客户”的设计思路，正在重塑软件的价值评估体系。

从点解决方案到端到端工作流：Y Combinator的最新数据洞察

软件的价值不再取决于其作为独立工具的存在，而在于能否自动完成端到端的工作任务。Y Combinator（YC）的数据揭示了这一趋势：接受资助的初创企业中，从事全栈端到端工作（full stack end-to-end work）的比例已从10%上升至超过25%。这些公司不再提供需要人工操作的“点解决方案（point solution）”，而是直接交付结果，如保险经纪、临床入院处理或医疗账单的全流程自动化。

这一转变带来了显著的财务增长。YC中位数初创公司的月收入（MRR）从入营时的0美元，跃升至结业时约2万美元。这是一个非平凡的巨大跳跃（平均值更高），反映出市场愿意为“把活干完”的软件付费。这种增长得益于自Opus 4.5发布以来，Agent编程技术（agentic coding）的成熟，使得复杂工作流得以完全自动化。用户不再购买软件工具，而是直接购买最终结果。这种从“辅助人类”到“替代人工执行工作流”的转变，是SaaS行业当前最核心的增长引擎。

AI性能跃升与Harness的关键作用：以Astra为例

AI模型的性能表现高度依赖于其所处的Harness（运行环境/集成框架）。这一观点在基准测试中得到了验证：RPGI V3基准显示，某些预训练模型（如Pre-Astra ChatGPT）在直接测试中表现不佳，但一旦接入特定的Harness，性能即可大幅提升。这证明了“模型+ Harness”共同决定最终输出价值的逻辑。

“如果你们把那个Harness接错了，那表现不好是很正常的……模型加上Harness才能得到输出。”

具体案例中，Astra通过定制化的Harness，在RPGI V3基准测试中的得分从几个月前的个位数（low two digits）跃升至超过90%。这一惊人的性能飞跃并非源于模型本身的改变，而是得益于更优的集成环境和工作流设计。这进一步佐证了前文观点：软件公司的核心竞争力已从单纯的算法或界面，转向构建能够最大化AI能力的执行Harness。对于初创企业而言，能否提供让Agent高效完成任务的端到端环境，比单纯的技术堆栈更为关键。

从记录系统到执行代理：价值主张的跃迁

企业软件的价值逻辑正在发生根本性转变，能够实际执行任务的AI产品比仅用于追踪记录的系统更具商业价值。许多大型企业在面对具有强大价值主张的初创公司时，愿意在早期就支付高额费用。这种趋势表明，市场不再满足于仅仅“记录”工作流的状态，而是渴望能够直接完成工作的智能体。这种转变使得那些能提供端到端解决方案的公司获得了极高的客户付费意愿，从而在市场竞争中占据优势地位。

案例解析：Juicebox的招聘代理革命

以AI招聘工具Juicebox为例，该公司经历了从基础搜索到全自动化代理的演变。起初，它作为一个由LLM驱动的人才搜索引擎，能够根据职位描述精准匹配候选人简历。但其核心局限在于仍需人工介入联系环节。近期推出的代理产品彻底改变了这一局面，它不仅搜索人才，还能自动发送消息、安排面试等一系列操作。这种功能的扩展极大地提升了客户粘性。

“It's just changing it like the recruiters didn't necessarily want to be doing like that sort of wrote reach out to like 500 people anyway.”

这一转变对Juicebox的营收产生了显著影响，单客户收入预计将翻倍甚至翻三倍。更重要的是，这并非完全取代招聘人员的工作，而是将其从繁琐的重复性劳动中解放出来。招聘的核心价值在于评估文化契合度等需要人类直觉和情感的领域，AI代理让招聘人员能够专注于这些更具技能性和趣味性的工作环节，从而提升了整体工作效率和满意度。

初创加速：从0到百万美元收入的奇迹

当前创业生态中出现了令人震惊的增长速度，部分公司在短短三个月内实现了从零到七位数收入的突破。在过去，达到这一营收水平通常需要18个月或更长时间。这种加速得益于两个关键因素：一是解决了真实存在的痛点，二是AI辅助编码技术使得产品成熟度大幅提升。创始人通过大量的AI编程会话（如20次以上的Agent交互），能够快速构建出功能完备且成熟的产品，从而缩短了从概念到市场验证的周期。

隐秘的金矿：向大模型实验室出售数据与环境

除了应用层，另一类快速增长的公司是专门向AI大模型实验室出售高质量数据或强化学习（RL）环境的企业。这一领域在2016年时仅是Scale等少数公司的利基市场，如今已发展为YC资助的数十家年收入超1000万美元甚至数亿美元的庞大产业。由于商业机密性质，许多此类公司保持低调，但其市场规模已不容小觑。

“The labs also want to solve the problem of getting AI to work on the physical world. So they need a lot of the environment in the real world.”

数据是模型扩展定律的重要支柱，而强化学习环境正在成为新的核心资产。特别是在机器人领域，涉及物理世界交互的数据（如第一人称视角数据、机械臂操作任务）需求激增。实验室为此投入了数亿美元，催生了如Praxis Robotics等专注于工业制造数据采集的公司。这种B2B的数据服务模式已成为AI基础设施中不可或缺且高利润的一环。

专有数据训练与机器人领域的特殊挑战

随着开源权重模型日益接近前沿水平，利用私有数据进行微调以超越通用大模型成为初创公司的关键策略。在机器人领域，这一趋势尤为显著，因为物理世界比语言模型所建模的现实拥有更多的自由度。例如，专门从事数据中心布线机器人的公司 Boost Robotic 指出，通用模型无法直接应对复杂的物理环境。机器人必须在实时环境中快速响应刺激并制定行动计划，这与允许用户“放置后回来”的 LLM 截然不同。如果机器人连接错误插头或受到物理干扰，后果可能严重，因此针对特定垂直领域（如数据中心操作）进行定制数据微调是确保机器人可靠工作的必要条件。目前，所有使用 Physical Intelligence (PI) 模型的 YC 公司均在进行微调，而非直接使用开箱即用的模型。

AI驱动的内容生成与数据飞轮效应

除了硬件，AI 在内容创作领域的应用也展示了私有数据转化为竞争优势的巨大潜力。以 TikTok 为例，其拥有的用户观看、点击及内容吸引力数据可以被用来训练更吸引人的视频生成模型（如 Seed Dance）。这种利用内部反馈循环优化产品的模式正在加速。同时，开发者可以通过分析顶级程序员的代码转录数据来训练下一代编码模型，从而提升编程效率。这种基于专有数据的迭代优化趋势预计将在未来继续以惊人的速度发展。此外，像 River AI 或 Tinker 这样的工具允许用户在 Cloud Code 甚至 OpenClaw 中自行训练模型，虽然目前尚未成为主要因素，但随着数据清洗等自动化功能的完善，专有数据的价值将变得愈发重要。> “如果你拥有 TikTok 的所有数据……你可以用它来制作更有吸引力的视频。”

独立创始人的回归与创业门槛的重构

YC（Y Combinator）数据显示，独立创始人比例出现显著反弹。一年前仅有约 5% 的入选公司是单人创始，如今这一比例已飙升至 18%-19%，创下历史新高。这标志着“经验丰富创始人”的回归，许多年龄在 30-50 岁的资深创业者重新成为主角。过去，创业需要“全能型”人才组合：既要有极强的销售/演讲能力（Hustler），又要有世界级的技术构建能力，因此联合创始人几乎是标配。然而，随着 AI 工具降低代码编写门槛，“知道如何提示”和“知道构建什么”变得比单纯掌握 CTO 技能更具价值。这使得单人启动变得更加可行，尽管拥有精英联合创始人仍能显著提升成功率。历史上如 Instacart 的 Parker Conrad 和 Coinbase 的 Brian Armstrong，在 YC 阶段均为独立创始人，随后才引入联合创始人。当前趋势显示，更多创业者选择在业务获得 traction（牵引力）后再招募联合创始人，而非传统的 50/50 早期合伙模式。> “我们曾经只有约 5% 的公司是独立创始人，现在超过了 18-19%，这是我们要看到的最大增幅。”

经验丰富的创业者正成为新趋势

在当前的创业环境中，那些“见过世面”、拥有丰富行业经验的资深人士正在展现出显著的优势。Gary 指出，像 Peter Steinberger 这样的典型代表就是很好的例子：他处于四十岁出头，曾担任开发经理并参与过初创公司项目。尽管早期在 AI 浪潮中尝试了多种方向，但他逐渐明确了构建产品的能力。拥有经验意味着知道“龙”在哪里，这种对行业陷阱的敏锐直觉和独特的品味（Taste），使得这类人群在当前技术环境下变得异常强大。过去，创业往往受到各种“守门人”机制的限制，例如必须寻找联合创始人、需要获得特定知名投资人的青睐等。然而现在这些门槛正在降低，核心壁垒转变为“知道该构建什么”。

“Basically if you've been around the block, you know where the dragons are. You sort of uh have taste and then those people in particular are like unusually powerful right now.”

对于那些长期在互联网上表达观点的人来说，现在已无借口不付诸行动。关键在于将言论转化为实际行动，“Just pop open code and just go do it”，即打开代码编辑器直接开始构建。这种从理论到实践的转化，正是当前时代赋予有经验者的独特红利。

管理代码代理与管理人类团队的相似性

随着 AI 编程代理（Coding Agents）的普及，管理这些智能体与管理人类工程师团队有着惊人的相似之处。Gary 认为，像 Peter、Boris Churnney 以及 Shopify 的 Toby 这样拥有长期管理工程师团队经验的人，能够极好地适应这一新范式。资深管理者能更有效地组建和管理庞大的代码代理团队，其效率甚至可能超过那些聪明但缺乏经验的年轻开发者。这是因为管理 AI 代理需要一种更为细腻的方式，“We can be little bit less abusive to our agents”（我们可以对代理稍微少一些虐待/强硬），并且需要理解它们的逻辑起点，捕捉其“情绪”或状态变化的比例降低了 99.9%。这种基于同理心和管理技巧的能力，使得有管理经验的人能够更高效地驾驭 AI 工具。

立即行动：从提示开始构建产品

对于希望在当前时代创业的人来说，最具体的建议是“Just start prompting”（从开始提示做起）。Gary 提到 GPT-6 的发布是一个令人震撼的时刻，因为代理的智能程度有了质的飞跃。用户现在可以解决过去因时间不足而无法深入排查的 Bug，只需让代理回顾之前的对话列表并尝试解决那些未解决的问题。这种技术迭代的速度极快，昨天还无法运行的功能，今天可能突然就生效了。这种状态可能会持续 18、24 甚至 36 个月，直到 AGI（通用人工智能）时代完全到来。这是一个历史性的窗口期，每个人都在早晨醒来时连接新的模型，见证技术的即时进步。Gary 表示大家对此都感到兴奋，并期待看到人们构建出的成果。

“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.”

结论

硬科技复兴与SaaS范式重构是当前的核心趋势。经验证，AI通过降低编码门槛和加速研发流程，使硬科技初创公司融资环境改善、增长提速；同时推动软件从“记录系统”向能自动执行端到端任务的AI Agent工作流转变，显著提升营收效率。资深创始人因具备行业直觉和管理能力而占据优势。

然而，这一转型存在明确边界：物理世界交互（如机器人）仍需针对垂直领域进行专有数据微调，通用模型无法直接适用；硬件制造虽实现软件级增速但仍依赖长期资本支持。此外，AI性能高度依赖于集成环境（Harness），单纯模型升级不足以解决所有问题。总体而言，技术红利已显现，但成功依赖于对特定场景数据的掌控及高效的Agent工作流构建。