YC 2027 冬季创业名单，瞄准的是 AI 的物理瓶颈，不是模型本身

Y Combinator在 10 月 27 日发布了 2027 冬季创业需求清单，整份清单的核心信息很直接：制约 AI 经济影响力的最重要瓶颈，已经不在模型内部了。它们在供应链里，在融资市场里，在政府系统里，在企业部署流程里——AI 想要创造价值，必须先穿过这些环节。

W27 需求清单在六位 YC 合伙人名下列出了 11 个具体方向，围绕四个主题组织：物理层面的建设、这些建设的融资方式、政务和专业服务里的缺口，以及「谁能真正拥有自己的智能」这个问题。11 月 2 日的申请截止日期已经过去；YC 仍接受迟交的申请，但不保证会有回复。按时提交的申请者将在 12 月 11 日前收到决定，这一批企业将于 2027 年 1 月到 3 月在旧金山进行孵化。每家获投企业能拿到50 万美元：其中 12.5 万美元换取固定 7% 的股权，另外 37.5 万美元以无上限、最惠国待遇条款的 SAFE 协议形式注入。

AI 的瓶颈已经越过了模型本身

把这次框架转变，放在 YC 近期的历史脉络里看会很值得注意。7 月 23 日发布的 2026 秋季需求清单围绕的主题是「AI 正在走入物理世界」，强调的是养老护理机器人、国防硬件、共享智能体会话之类的应用。W27 这份清单并没有否定那个前提，而是往下深挖了一层：它问的不是「AI 该不该被部署」，而是「真正把它部署出去，到底需要什么」。

YC 的组织前提是：在大多数行业里，模型能力已经不再是 AI 落地的主要障碍了。剩下的，是变压器核心部件、配电开关设备、机器人执行器、融资工具、审批数据库，以及企业级安全认证——这些都不是模型能提供的东西。这个区分对投资人和创业者都很重要。在一个模型能力已经广泛可得的世界里，初创公司的价值会向分销、集成、专有数据和基础设施这些方向转移——而这些恰好都出现在了 W27 这份清单里。

三个物理方向的押注：太空、机器人和电力基础设施

YC 合伙人 Ankit Gupta 想找的，是那些只有在发射成本大幅下降之后才能存在的创业公司。相比目前的拼单发射价格，SpaceX 的 Starship 项目被预测能把每公斤发射成本降低几个数量级。今天还不具备经济可行性的轨道计算和传感器网络，或许能在一个典型风投基金的存续周期内变得可行。

Diana Hu 的「美国制造机器人」方向，受到的是具体且可衡量的供应链约束。2024 年，中国生产了全球 94% 的烧结稀土磁体，而磁体是工业机器人和人形机器人里电机和执行器的基础部件。美国联邦通信委员会在 7 月停止为新型联网移动机器人授权，除非它们在美国本土生产，或符合豁免条件；按这些规则，一台机器人的零部件成本必须有超过 65% 来自本土，到 2029 年这一比例要升到 75%。美国在 2025 年新装机 38400 台工业机器人，同比增长 12%——这是一个近在眼前的本土需求，而目前这些需求几乎全部要靠进口零部件来满足。Hu 想找的，是那些能生产磁体、电机、齿轮、传感器和夹爪的创业公司，让美国机器人制造商能满足这些合规要求。

Jared Friedman 关于数据中心供应链的方向，指出了几个具体瓶颈：大型电力变压器的交付周期约为三年，配电开关设备和液冷系统在各大制造商那里都已售罄，而变压器核心所用的定向晶粒电工钢，在美国只有一家可靠的生产来源。这些制约不仅影响超大规模云厂商，也影响着正在为 AI 驱动的用电需求做准备的地区电力公司。

给机器人和数据中心经济提供融资

Brad Flora 认为，传统放贷机构缺乏针对那些「现金流可预测、但不符合现有贷款分类」的资产的承销模型。一台每年能赚约 50 万美元的仓库机器人，其风险特征与一台叉车根本不同，但目前没有任何成熟市场能给这种差异定价。Flora 呼吁创业者去构建面向机器人机群和 GPU 集群的放贷工具、租赁结构、产能期权和对冲产品，把设备金融的方法改造给 AI 时代的资产使用。

每小时 15 美元的专家，以及失灵的政府系统

三个方向指向同一个底层动态：AI 能够弥合那道「认证门槛」——正是这道门槛，让昂贵的专业人士成为穿越复杂系统的唯一合法路径。

Brad Flora 的「每小时 15 美元的专家」方向，把这件事讲成了一个经济学问题。福利申领指导、税务申报、保险理赔、医疗账单、移民文书——这些事都需要可学习的知识，但系统要求必须由持证专业人士来处理，而他们的收费，恰恰把最需要这些服务的人挡在了门外。AI 配上一个有能力的通用型工作者，能以一个目前市场上根本不存在的价格，提供这类知识服务。

Gustaf Alströmer 的「政府福利领域的 Plaid」方向，瞄准的是验证这一层。美国人申请福利项目时，必须在不同的政府部门之间，反复证明自己的收入、地址和纳税状态。美国政府问责局估计，欺诈每年给联邦项目造成 2330 亿到 5210 亿美元的损失。从 2027 年起，各州必须每六个月重新核查一次医疗补助（Medicaid）参保人资格，这会带来一波重新登记潮，而一个基于用户同意的共享验证层，正好可以承接这波需求。

Alströmer 还估计，仅仅把美国建筑许可流程自动化，就能在大约 1.9 万个目前仍主要靠人工处理许可的美国城市里，每年新增 160 亿美元的房产税收入。这把审批许可这个方向，直接和 Friedman 的基础设施方向里「数据中心选址受限」这一点联系了起来。

大语言模型的写作问题，以及垂直智能的机会

Friedman 的「写得好的大语言模型」方向，指出了一个大多数评测都没抓住的质量倒退。针对代码和数学推理做的训练优化，让近期一些前沿模型在行文上，技术层面没错，但风格上变得扁平——这是相对 2024 到 2025 年那批模型的一次可观察的退步。一家专门针对行文质量做优化的创业公司，几乎不会遇到竞争。

Diana Hu 的垂直基础模型方向，把这背后的经济学讲得很明白。谷歌 3.3 亿参数的 TimesFM-3证明了一个专用模型，能以通用前沿模型的一个零头推理成本，在预测任务上追平后者的表现。真正的约束，在于能否获取制造业、能源和生物学领域里高质量的标注数据——这些数据握在那些工业运营方手里，而他们目前还不知道怎么把这些数据产品化。

Jon Xu 的「拥有自己的智能」方向，为开放权重模型给出了一个业务连续性层面的理由：建立在前沿模型 API 订阅之上的公司，暴露在定价变化、质量波动和厂商退出的风险之下。开放权重模型如今在不少有意义的企业级基准上已经追平了前沿 API，而那些能把生产环境中的失败案例直接转化为训练数据的工具，正在让模型改进变成一个持续的内部过程。

离网 AI：前沿实验室触及不到的那个企业市场

Brad Flora 关于离网经济的方向，瞄准的是国防承包商、核心银行系统、医院、核电站运营方，以及涉密政府网络——这些机构，无论模型能力多强，都不能把数据发送给任何外部 AI 服务器。要卖给它们，就需要本地化部署和包括 FedRAMP、ITAR 和 SOC 2 Type II 在内的安全认证。这类销售周期比商业 AI 市场更长，合同规模更大，而一旦拿到认证，就会形成结构性的竞争壁垒。

W27 去掉了什么——这说明了什么

此前几期需求清单里，曾出现过稳定币、AI 原生对冲基金、AI 原生营销代理，以及给非技术岗位用的效率工具。这些都没有出现在 W27 的清单里。这些缺席暗示着，YC 合伙人认为，这些品类里软件层面的 AI 机会位，已经被填满得足够快，边际机会已经转移到了别处。

W27 这一批将于 2027 年 1 月在旧金山启动。这 11 个方向，并不是在建议「AI 未来可能在哪里重要」，而是在评估「大规模部署 AI 所需的物理、监管和金融基础设施，目前到底缺在哪里」。能填上这些缺口的公司，不会是靠不断迭代 API 封装层做出来的。它们需要稀土磁体生产线、联邦合同关系，还需要有耐心去承销那些目前还没有任何评级机构给出定价模型的资产。而在 YC 看来，正是这种难度，才是重点所在。