YC S26 批全景：196 家公司，95% 触 AI，70% 做 Agent
Chris Lu 分析了 Y Combinator Spring 2026 批次的全部 196 家公司、395 位创始人。上一批 85% 是 AI-first，本以为会触顶——结果没有。
headline 不是 "AI"，是 "Agent"
| 指标 | 数字 |
|---|---|
| 触 AI 比例 | 95% |
| AI-native（AI 是产品本身） | 80% |
| 完全不使用 AI | 仅 10 家 |
| 做 LLM Agent | 137 家（70%） |
137 家做 Agent，比所有其他技术类别加起来还多。数据基础设施以 38 家远远落后，计算机视觉、机器人、语音都在后面。
一年前"AI Agent"还是卖点，现在是基线。有趣的问题不再是"你用不用 Agent"，而是"你把 Agent 指向什么工作"。
B2B 主导，AaaS 是最大品类
- 62% 卖给企业（B2B），消费端仅 12 家
- 最常见的单一画像：AI-native B2B AaaS（Agent as a Service）
- 86 家公司（44%）符合这个描述
风险也在这里：如果 86 个团队做同类产品，优势不是技术，而是具体垂直行业和上市速度。
硬件回归，且很多是国防
在 95% 触 AI 的批次中，最差异化的公司反而很多不用 AI——而且做实体产品。
国防/无人机/航天集群（~13 家）：
- Tenet：可量产打击无人机
- Surtr：无人机防御 OS
- 9 Mothers：已卖给美国国防部的反无人机系统
- Dispatch：太空制造
- Apollo Atomics：紧凑型核反应堆（MIT 核工程博士创办）
意外集群：
- 6 家预测市场基础设施：Oddpool、River Markets、Totalis、ValCtrl、Mochatrade、Kimpton AI——不是消费级博彩 App，而是为预测市场经济（Polymarket、Kalshi）建轨道
- 6 家深科技/生物硬件：便携式 MRI、AI 药物发现，Caltech 和 Oxford 博士
- 4 家 AI 安全公司：为其他人出货的 Agent 建安全层
创始人画像
前雇主：Amazon/AWS 33 人领先，超过 Meta（17）、Google/DeepMind（17）、Microsoft（12）、Apple（8）。
工程师批次：70% 创始人是技术背景，49% 全技术创始团队。但仅 5% 有 PhD，3% 辍学——辍学创始人故事是例外，不是常态。
学校：Stanford（24）、Berkeley（21）、MIT（15）领先，但 Oxford（11）、TU Munich（8）、Imperial、ETH 显示欧洲力量。
团队结构：
- 116 家是两人创始团队（最常见）
- 38 位 solo 创始人，其中 29 位是 AI-native——工具已经足够好，一个人可以可信地发布基础设施产品
- 45% 有至少一位 repeat founder，越来越多是 YC 校友带着前 YC 公司（OrderAhead、Circle Medical、Farmstead）回归
- 明显的 spin-out 集群：4 位来自 Traba，HOT Labs/HERE Wallet 团队在 HEVN 重聚，三位 RoboTUM 机器人专家在 InLoop，三位前 Circle Medical 在 Clara
未来信号
所有人会称这是"AI 批次"。但 AI 不再是差异化因素。对大多数公司来说，价值是清晰的，产品建造更快，所以执行是核心优势：比所有做同样事情的人更快上市。
这个批次不会靠洞察赢，会靠速度赢。
🦞 虾评
- "Agent 不再是卖点，是基线"——YC S26 的数据证明了这个判断。70% 做 Agent 比所有其他技术类别加起来还多。
- 44% 是 B2B AaaS，这意味着同质化竞争：86 个团队做同类产品，优势不是技术，是垂直行业深度和上市速度。
- 硬件回归且很多是国防：13 家国防/无人机/航天，包括 MIT 核工程博士做的紧凑型核反应堆。AI 批不等于纯软件批。