Y Combinator：建設者的黃金時代，AI領域值得關注的10個創新方向

2024-12-11 00:12:06

建設的黃金時代

當前是歷史上最適合建設者的時代。我們剛剛見證了一個令人驚嘆的場景：巨型機器人“筷子”從空中精准抓住一座墜落的摩天大樓。這不僅是技術的奇跡，更象徵着建設能力的巨大飛躍。人工智能 (AI) 正以史無前例的速度改變着我們的工作方式，尤其對建設者而言，AI 正在帶來深遠的影響。可以說，我們正邁入一個建設的黃金時代，而這也為我們提供了一個難得的機會，去創造能夠真正讓國家變得更好的事物。以下是我們認為在這個黃金時代特別值得關注和探索的一些創新方向。

政府軟件

作者： Harj Taggar

向政府銷售軟件一向以高門檻著稱，大多數創業者甚至不會考慮進入這個領域。但如果你能破解這個難題，回報將是巨大的。例如，Palantir 是少數成功打入這一市場的初創公司之一，目前其市值已高達 1250 億美元。

現在可能是一個特別適合嘗試的時機。由於財政赤字居高不下，政府迫切需要通過減少开支和提高效率來緩解壓力。同時，人工智能技術的快速發展使得許多政府每年耗費數十億美元的行政工作可以被自動化處理。

結合這兩點，开發基於 AI 的軟件來幫助政府自動化工作，不僅可以降低开支，還能提高效率。特別是，大語言模型 (LLMs) 在處理重復性行政任務（如填寫表格、審查申請或總結文件）方面表現出色。作為政府服務的使用者，我們都將從更高效的服務中受益，例如再也不用在 DMV 排長隊。

雖然政府聽起來可能是一個不太吸引人的創業領域，但如果你愿意深入挖掘，我們非常期待聽到你的想法。

公共安全技術

作者： Garry Tan

每個人都應該在家中以及在街上行走時感到安全。這是文明社會應為其公民提供的基本保障。初創公司已經在這一領域展开了努力。例如，Flock Safety (YC S 17) 开發的車牌攝像頭，已經幫助解決了美國 10% 的報案犯罪案件，他們的目標是到明年將這一比例提升至 25% 。同時，Abel Police (YC S 24) 將警察填寫文書工作的時間從數小時縮短至幾分鐘，每天為他們節省多達 25% 的時間，用於實際的警務工作。

公共安全技術正在並將繼續帶來真正的改變。如果你正在從事以下方向的創新，我們特別希望聽到你的聲音：

先進的計算機視覺：开發基於計算機視覺的技術，能夠從視頻流中識別可疑活動或需要幫助的人，同時保護個人隱私。
緊急響應技術：提高緊急響應速度和協調性的技術至關重要。如果你有能更快將幫助送達所需地點的想法，我們希望幫助你實現它。
社區安全工具：开發能改善社區與執法部門互動的工具，例如幫助鄰居互相照顧，並隨時了解安全狀況的解決方案。
高效執法技術：幫助執法部門更高效、公平地工作的技術，例如工作負載管理系統或提高操作精度的工具。

如果你的初創公司已經准備好加入這一領域的創新浪潮，我們非常期待與你交流。

美國制造

作者： Jared Friedman

在 19 世紀，英國通過成為“世界工廠”成為全球最富裕的國家。美國在 20 世紀也復刻了這一成功。然而，過去幾十年中，美國逐漸放棄了這一角色。制造業的空心化不僅加劇了社會和政治分裂，也讓美國在地緣政治上處於不穩定的境地。

將制造業帶回美國是目前兩黨高度共識的領域之一。Elon Musk 已經通過在奧斯汀和內華達州建立特斯拉超級工廠，向我們展示了這一目標的可行性。我們認為，當前的技術進步為新一代建設者提供了更多機會去效仿他的成功。

基於機器學習 (ML) 的新型機器人系統使得更多的生產過程可以實現自動化，從而減少了將制造業外包到其他國家的勞動力成本差距。此外，像 SpaceX 和 Tesla 這樣的公司，培養了一整代工程師，他們掌握了如何創建一家生產實體產品但以初創公司模式運作的美國企業。

我們已經看到這一模式的成功案例。例如， Astranis (W 16) 在舊金山的中心地帶建造電信衛星，而這裏曾是二战期間為美國海軍建造軍艦的地方。 Gecko Robotics (W 16) 總部位於美國的老工業中心匹茲堡，專注於制造用於工業檢查的機器人。 Solugen (W 17) 則在休斯敦的大型工廠生產工業化學品。

穩定幣 2.0

作者： Brad Flora 和 Harj Taggar

今年年初，我們曾發布一則尋找更多穩定幣初創公司的請求。從那時起，穩定幣領域的發展只會越來越好。長期以來，穩定幣的主要挑战是監管問題，美國幾次試圖通過穩定幣監管的努力都未能成功。但如今，美國的穩定幣監管前景更加樂觀，我們預計合理的立法即將出臺。

今年，穩定幣的支付交易量激增，現已佔 Mastercard 支付量的五分之一以上。全球近 30% 的匯款通過穩定幣完成，傳統金融機構（如 Visa）也在為銀行提供發行自有穩定幣的平臺。此外，Stripe 最近以 10 億美元收購了一家穩定幣初創公司 Bridge，這無疑將吸引更多投資者和資本進入該領域。

因此，現在是創立穩定幣初創公司的最佳時機之一。我們尤其對以下方向的想法感興趣：

面向企業的服務，幫助它們更輕松地持有和管理穩定幣。
為开發者提供簡單易用的工具，以便快速集成穩定幣功能。

如果你正在探索穩定幣相關的創新，我們非常期待與你交流。

用於芯片設計的大語言模型 (LLMs for chip design)

作者： Garry Tan

每一次 AI 的技術突破都會推動對更強大芯片的需求，以支持更大規模模型的訓練。在這場技術競賽中，沒有國家愿意落後。芯片的設計和制造如今不僅是經濟問題，更是後 AI 時代生存的關鍵。OpenAI 的 O 1 模型向我們展示了，具備推理能力的大語言模型 (LLMs) 能夠推動科學與工程領域實現重大突破。我們對任何利用 LLMs 改善芯片設計的團隊都非常感興趣。

我們尤其關注那些專注於設計 ASIC (特定應用集成電路) 和 FPGA (現場可編程門陣列) 的團隊。傳統上，設計定制化數字系統需要大量的开發、設計和測試成本，因此 FPGA 和 ASIC 的研發一直是高成本、高門檻的領域。而隨着大語言模型的出現，這些成本正在顯著下降，使得更多類型的專用計算成為可能。

目前，大多數計算機採用馮·諾依曼架構 (Von Neumann architecture)，即通過單一共享內存處理程序和數據，並通過串行的取指和執行循環運作。這種架構的優點是靈活性高，系統易於重新編程。然而，對於特定任務（如加密貨幣挖礦、數據壓縮或專用加密任務），通過優化算法和硬件設計，可以實現 5 至 100 倍的計算速度提升，同時能耗降低 10 至 100 倍。

以下是一個由 Taner Sadikoglu 提供的圖表，展示了優化後的 FPGA 系統與傳統 CPU 在數據流方面的差異。