YC W26示範日觀看了199家公司的簡報後，留下了一個強烈的違和感。AI已不再是「某種新技術」，而已經變成了單純的基礎設施。

參與企業中有60%是AI原生，另外26%是AI應用者。也就是說，沒有使用AI的企業只有14%。但重要的不是這個數字。改變的是，大家不再是「如何使用AI」，而是「用AI取代什麼」的思考。

「副駕駛」、「助手」、「副操縱士」這些表達已成為死語。現在的新創公司追求的是高薪工作的完全替代。Beacon Health取代了事前核准人員，Mendral完成工程師的工作，LegalOS在簽證申請中達成100%的核准率。這不再是輔助工具，而是真正的替代。

此時需要一個有趣的轉換詞。「AI代理人」這個詞，已不再只是技術術語，而是指職業本身。招聘人員的工作、法務作業、醫療行政、DevOps、QA檢查。全部都成為替代的對象。

B2B市場佔比高達87%也是理所當然的。面向消費者的只有14家，其中正式分類為「B2C」的只有7家。為什麼？因為AI代理人最適合結構化的工作流程。面向消費者的領域模糊性較高，AI目前仍較難應付。

有趣的是，成長最快的公司在做什麼？法律事務所、人力資源、會計、保險經紀。也就是說，傳統的專業服務產業。Arcline擁有超過50家新創企業作為客戶，作為AI原生的服務公司運作。Panta明確表示是「基於軟體經濟的服務事業」。AI負責80%的人工工作，並以成果付酬運作，享受軟體的高利潤率，同時保持服務的可靠性。

這個模型的教訓很明確。從服務開始，收集數據，逐步推出自動化，最終進化成平台。服務是楔子，數據則是壕溝。

流通渠道的話題也很有趣。在成長最快的15家企業中，有60%是透過創始人網絡或YC網絡獲得第一批客戶。也就是說，這些公司從一開始就已經知道「怎麼賣」和「賣給誰」。

最典型的模式是，向前公司的同事推銷。Fed10的創始人曾是遊說人士，名片就成了銷售渠道。Squid的創始人曾在國家電網工作多年，了解電網計劃的低效率。他們不需要找客戶，自己就是客戶。

創始人的背景也很有特色。46%是兩人團隊，最多的是擁有不同專業知識的技術合夥人（35%）。不是駭客＋銷售的組合，而是技術人員之間。這些創始人多是大學同學、前同事，或曾一起創業的伙伴。

最成功的企業創始人有一個共同點：他們對自己要解決的問題，有深刻的個人經驗。牙醫在Mango Medical開發外科用AI，航空維修監督在Zymbly實現文件自動化，牧場主的子女創立了GrazeMate做機器牛仔。不是在閃亮的行業，而是在沉穩深厚的產業中深耕的公司最具競爭力。

硬體的復甦也不容忽視。18%的新創包含硬體元件，較過去幾年明顯增加。Remy AI和Servo7專注倉庫機器人，Pocket已出貨超過3萬台穿戴裝置。SpaceX和Tesla的畢業生創立的公司在這一組中最為突出。

數據優勢的重要性也被強調。LegalOS用12,000份簽證申請數據進行學習，達成100%的核准率。Shofo建立了全球最大索引的視頻資料庫。由於都使用相同的基本模型，獨特的數據成為主要的防禦手段。

失敗的模式也很明確。有8到10家在構建代理人監控或測試功能，這是危險的區域。因為底層模型供應商會原生整合這些功能。沒有數據優勢的AI原生服務也是如此。雖然能快速變現，但防禦能力最低，核心技術幾週內就能被複製。

一個有趣的轉換是，將市場進入策略的失敗描述為「等到建好再期待」。成功的公司會先問「我們能接觸到誰？他們急需什麼？」。失敗的公司則是「我做了很棒的產品，接下來怎麼賣？」。這個差異決定了一切。

消費者、教育和政府科技的空白區域也值得注意。這些領域幾乎沒有公司參與。歷史上，資金最少的領域，日後產生的回報最大。下一波AI浪潮，將在這些被忽視的領域爆發。

最具成長性的公司有五個共同點：不賣工具而是賣結果；創始人在產品誕生前就建立了客戶關係；從第一天就開始收費；客戶處於緊急狀態；MVP異常簡單。

演示的質量也差異很大。令人難忘的簡報包含七個元素：震撼的數據或問題提出；具體且不常見的問題；一句爆炸性陳述展現團隊實績；解釋市場的必然性；以速度超越絕對值的推動力；獨特洞察；以及瘋狂的結尾語句。「第一屆AI奧斯卡將在馬丁尼中誕生」「預訂2032年的月球酒店」。這些話語如何影響投資人，才是關鍵。

GRU Space計劃在2032年前建造月球上的第一家酒店，已獲得5億美元意向書和白宮邀請。Terranox通過發現鈾礦床，創造2億到7億美元的價值。Ditto Bio利用AI解讀寄生蟲進化出的免疫調控蛋白，設計獨特的免疫療法。這些公司不僅是科技公司，更在解決人類根本問題。

示範日最大的啟示是，AI原生新創的時代已正式來臨。但真正的贏家，不是善用AI的企業，而是擁有深厚專業知識，並用AI革新傳統產業的公司。深入傳統產業、建立數據的滾雪球、避免通用AI包裝，這是從199家簡報中浮現的最重要教訓。