AI正在从“回答问题”走向“进入真实世界、承担真实任务”。YC最新发布的10个最看好的AI创业赛道，把目光投向了教育、企业软件、物理世界数据、数字身份、合规基础设施等更深层的场景。对创业者而言，机会不只在于做一个更聪明的AI工具，更在于用AI重构那些长期依赖人工、数据不足或流程割裂的行业系统。真正值得关注的，是技术如何进入高频刚需场景，形成可持续的产品体验与商业闭环。
文章作者、来源：香港X科技创业平台
01 面向“微型软件”的专属云
为什么看好？
借助Agent开发用来解决自己专属难题的个人软件，是一件极具乐趣的事。
这就是“微型软件”，即专门定制、使用者仅为个人或少数几人的轻量级工具。
微型软件对团队同样价值巨大：每个团队的运作方式各不相同，对于跑通工作流、追踪核心指标、管理 Sprint 迭代、分享原型产品等定制化工具的需求几乎是无限的。
如今，此类软件的开发门槛已被降至极低，但部署和分享依然困难重重。
如 Azure 和 AWS 等传统云服务巨头，其架构初衷是为部署支持海量用户的“大型软件”（Big Software）而设计的……代价则是极高昂的复杂度。
一款专为“微型软件”打造的云平台可以砍掉绝大部分复杂度，从而解锁智能体最近才赋予可能的庞大全新应用场景。
与此同时，还有许多硬核问题亟待攻克：每家企业都希望对软件运行环境进行深度定制，身份认证与权限控制异常繁琐，
而让非技术用户安全地共享任意代码更充满风险。
“微型软件的同事间共享，应当像共享一份 Google Doc 一样简单顺畅。”
02 多人协同AI
为什么看好？
过去二十年中，最顶尖的生产力工具之所以能脱颖而出，核心在于转向了“多人协同模式”。Google Docs 替代了Microsoft Word，Figma 击败了 Photoshop，它们成功将原本孤立单机运行的工具，变成了团队共同产出顶级成果的协同阵地。
然而，AI 领域至今尚未迎来属于它的“多人协同时刻”。
AI 智能体是团队拥有的最强大的新型生产力工具，却也是目前人们依然在独自使用的唯一工具。这是因为当下与 AI 的交互本质上仍是“单机体验”：你打开对话框，输入提示词，获得解答，而这一切都局限在一个只有你自己可见的框里。当你试图与团队成员及智能体共同协作时，所能做到的极限无非是发送一个只读的对话记录链接，他人根本无法干预或编辑。
这种格局即将被颠覆。
智能体已经开始承担耗时数小时、数天甚至数周的复杂任务。这种体量的工作绝非单打独斗所能完成，必然需要企业内多方角色的深度参与。团队中的任何成员都应该能够随时接入同一个实时运行的智能体会话，实时观摩其工作进展、纠偏调整方向并完成工作交接，就像与任何人类同事协作一样。这将把团队与智能体共同开展的工作，从数千条孤立的私人对话，转化为一个动态共享的有机整体。
我们坚信，每种工作形态都存在对应的协同版本：供工程师实时共同编码的共享智能体；供销售团队联合跟进订单的协同智能体；供客服团队共同解决工单的智能体；以及供律师起草合同、分析师构建模型、市场人员发布营销活动的协作智能体。只要是团队习惯围绕同一个难题聚集攻坚的地方，就应该有大家共同拥有的“多人协同智能体”。
03 海上算力中心
为什么看好？
人工智能的算力正面临枯竭，而传统数据中心也面临电力与土地资源告罄的困境。
市场对数据中心的需求近乎无底洞。然而，新建一座数据中心可能需要数年时间来审批和获取足够的兆瓦级电力供能，且随时可能因地方政府的干预而夭折。
在陆地社区阻力日益增大的同时，浩瀚的海洋却依然辽阔畅通。
听起来或许有些狂想，但我们认为，将部分算力搬到近海或许正是破局之道。
海洋占据了地球表面积的 70%，拥有极其充沛的光照，免去繁琐的行政审批，且本身就是个巨大的天然散热池，况且它本就终日承受日光照射。不妨将其想象为“算力舰队”：众多标准化、模块化的船只并网联合作业，构成统一的全球云端基础设施。
04 面向十亿用户的 AI 消费级产品
为什么看好？
每一次平台级的技术变革，都会孕育出消费级的商业巨头。Web 时代孕育了 Google 与 Airbnb；移动互联网时代诞生了Instagram 与 DoorDash。而 AI 是迄今为止最剧烈的一次技术范式转移。然而发展至今三年，你手机屏幕上新增的超级入口依然只有 ChatGPT。
那么，为何我们认为现在恰恰是打造 AI 消费级产品的绝佳时机？首先，模型智能化程度刚刚跨过临界点：你完全可以把智能体当作真正的人类来对待；其次，成本即降至普适水平：如今单用户每月消耗的 Token 成本可能高达 1000 美元，但这一数字正以每年 10 倍的速度暴降。顺应这条成本曲线，就能准确预测消费级爆发的临界时刻，它就在眼前。谁能率先布局，谁就能主导未来。
应该打造什么？我们如何完成工作、出行交通、学习新知、保持健康、管理财务、娱乐休闲以及与朋友建立连接 —— 所有这一切场景都将迎来彻底的重新洗牌。
消费级应用（CONSUMER）即将迎来强劲复苏。如果你正在打造面向十亿用户的产品，我们非常期待与你交流。
05 赋能老龄化人口的 AI 技术
为什么看好？
到 2030 年，五分之一的美国人年龄将超过 65 岁，而现有的照护人员数量远远无法满足这一巨大需求。预计在未来十年内，美国将出现数百万个照护岗位空缺，而目前已有 5300 万家庭成员在承担无偿的照护工作。
与此同时，几乎没有专为老年人设计的科技产品。即便是 Alexa 或 Google Home，对于绝大多数高龄群体而言使用体验依然令人沮丧。
AI 终于让打造全新形态的产品成为可能：能够开展真实自然对话的语音交互界面、确保老人安全与独立生活的智能监控系统、协助处理日常家务的物理机器人，以及帮助家庭成员协调护理行程、就诊预约和突发紧急状况的软件系统。
这是全球规模最大、但受服务程度最低的蓝海市场之一，且规模每天都在快速扩张。
06 物理世界的新型操作系统
为什么看好？
全球 80% 的劳动人口并不坐在办公室的办公桌前。
然而，服务于物理世界的软件在过去 20 多年里几乎毫无实质性变革。在建筑施工、设备维护和车队运营等领域，现有的软件无非是在重复做着几件事：派发人员、追踪位置、管理资产以及向客户开具账单。
我们对 AI 如何重塑这套工作模式感到无比兴奋。
如今的劳动者已分化为三种形态：
能够对复杂工程进行报价并调度团队的 AI 智能体；
真正部署在作业实地的机器人；
以及越来越多佩戴可穿戴设备记录全流程操作的人类工人。
当今的操作系统并非为同时管理这三类劳动者而设计，这为初创企业创造了极其丰厚的全新机遇。你将如何在智能体、机器人和人类之间合理分派调度工单？当人类与机器人肩并肩紧密协作时，安全保障体系该如何构建？又该如何精准衡量作业的可靠性？
这里的市场机遇远比现有软件市场庞大得多。传统巨头仅针对“人类协调”与“过程可见性”收取软件费用，而新型操作系统将直接实现对“机器人与人力劳动”的统一调度管理。须知，这些传统行业在劳动力上的支出是软件支出的 10 到100 倍。
选择在此领域创业还有另一个战略重磅理由：你将能在实地作业发生时，实时捕捉并记录下最真实的端到端一手数据。无论是前沿大模型厂商、机器人初创公司还是传统软件巨头，都不可能拥有这种全链路的闭环数据。
07 物理世界的真实数据
为什么看好？
人工智能在从数据中学习这方面展现出了惊人的能力。我们如今已经拥有了在代码、语言和图像领域超越人类水平的基座模型。然而对于物理世界呢？我们依然在依赖由人类设计、服务于人类而非 AI 的远程传感器所采集到的稀疏数据。随着基座模型能力的不断提升以及传感器成本的断崖式下跌，大规模、高密度的物理世界数据采集已完全具备可行性。
这一变革正在发生。Gecko Robotics 利用机器人深入人类难以触及的高危区域采集数据并构建预测模型；在Sorcerer，我们利用自主气象气球收集高空大气数据，美国政府正以此来提升天气预报的精准度。
而这背后的市场机遇远不止于此。
全球体量最大的产业集中在能源、农业、物流和建筑领域。它们长期依赖有限的数据和凭直觉驱动的模型。更丰富的现实世界数据将带来精细化的建模能力。而一旦你能对一个复杂系统实现精准建模，你就能对其实现精准掌控 —— 譬如引导飓风走向、逆转土地荒漠化，甚至是为地球实施物理降温。
08 Proving You're Human
为什么看好？
不久前，某公司的一名财务员工参加了一场有公司 CFO 和多位“同事”出席的视频会议，并在会后转出了 2500 万美元。事后调查发现，会议中除了他之外的每个人都是 AI 深度伪造（Deepfake）出来的。这不再是科幻小说里的情节。声音克隆和伪造视频通话的成本正降至冰点且逼真度极高，此类诈骗犯罪正在呈爆炸式增长。
令人担忧的根源在于，我们目前缺乏有效手段来验证屏幕另一端是否为真实人类。在过去，亲眼看到面容或亲耳听到声音就足以确信身份。但那个时代一去不复返了。我们现有的每一条信任凭证，都是基于“伪造人类成本高昂”的前设建立起来的，而那个旧世界已经崩溃。
因此，我们认为未来十年最重大的课题之一，就是重建互联网的“信任基石”：即明确知道在一次通话、一条信息或一笔交易的另一端，站着一位经过验证的真实人类。我们目前尚不清楚终极解决方案的具体形态，理想状态下，它不应以牺牲个人隐私为代价。这绝非仅为了防范诈骗，试想一下：一个评论区完全没有 Bot 刷屏的 Twitter/X、每个匹配对象都是活人的交友软件、以及全部由真实买家撰写的商品评价。
谁能成功攻克这一难题，谁就能成为每一个银行、应用软件和视频通话在建立信任之前必须调用的基础验证层。
09 AI 原生的合规基础设施
为什么看好？
金融合规工作目前依然充斥着电子表格、孤立的工具以及高昂的人工成本。企业不得不聘请首席合规官并堆砌大量单点解决方案，仅仅是为了搞清楚业务底层到底在发生什么。随着企业向新市场扩张，合规复杂度呈指数级上升，合规成本的增长速度甚至超越了业务营收的增长。
这本身就是一个天然适合 AI 解决的原生难题。合规领域的大部分工作属于监控法规变更、标记异常数据、生成合规报告以及维护审计追踪。这些任务 AI 处理起来比人类更快、成本更低。然而，当今绝大多数解决方案依然围绕着繁琐的手工工作流和人工审核瓶颈来设计。
这种痛点在处理跨州许可、续展周期、合规审计以及各司法管辖区千差万别的法规“拼布”时尤为剧烈。现有的流程极其缓慢、割裂且昂贵，往往需要配备专门的法务团队才能维持现有业务的合规运转。
我们正在寻找能够构建新型合规基础设施的创业者：打通并整合割裂的工具链，降低对高度专业化人力资源的依赖，并为财务团队提供跨监管体系的实时合规全景视图。这个领域的最佳形态绝非仅仅将既有流程自动化，而是从底层重构“当AI 成为默认基础设施时，合规运营应当呈现的样子”。
在这个方向走对路的企业，将成为任何跨国运营企业的必备底层基础设施。
10 自维护 API
为什么看好？
在过去的一年中，我与 50 多家 API 供应商进行了深入合作，其中绝大多数是初创公司。我发现了一个高度一致的模式：API 的沟通机制彻底断裂了。
破坏性变更在发布前几乎没有任何预警；实用新功能悄然上线却未被察觉；更新日志无人问津。甚至在我过去任职于 AWS 期间，服务宕机事故中有超过 30% 是由于外部 API 或依赖包发生变更而未被察觉导致的。在基于智能体的代码生成工具问世之前，这种摩擦或许尚可理解；但放在今天，这已极不合理。
诸如 Claude Code、Devin、Greptile 等智能体编程工具的兴起证明：只要能带来足够高的价值，开发者和企业完全愿意向外部工具开放代码库权限。两年前这或许难以想象，而如今已成为标准操作。
自动化代码变更的基础设施已经具备，目前唯一缺失的是将 API 提供商与客户代码库连接起来的“应用层”。API 提供商不应停留在仅仅“宣告”变更，而应当主动“实施”变更。
当 Stripe 发布一项破坏性更新或推出新功能时，AI 智能体应当能自动扫描客户的代码库，精准定位受影响的调用代码，并直接提交包含修复代码的 Pull Request。
这既可以作为特定供应商的专有 Agent 运行（例如“安装 Stripe 升级智能体”），也可以作为一个中立的第三方服务来追踪跨供应商的变更（类似于面向 API 领域的 Dependabot）。
从教育中的个性化陪伴，到企业中的协同工作；从物理世界的数据采集，到互联网中的身份验证与合规管理，下一代创业公司的竞争力，或许不只是模型能力，而是能否真正理解用户、嵌入场景、降低成本，并建立长期可信的服务关系。
方向只是起点，验证才是创业的开始。对于正在寻找下一步的创业者来说，与其追逐短期热点，不如回到最朴素的问题：你正在解决的问题，是否足够重要、足够高频，并且只有AI能把它做得更好？