Y Combinator

YC访问合伙人Vivian Shen与Paul Graham在位于山景城的YC原办公室进行对谈，探讨创业、人工智能、雄心壮志以及优秀创始人的特质。 申请加入Y Combinator：https://www.ycombinator.com/apply 在初创公司工作：https://www.ycombinator.com/jobs 章节： 00:00 — YC的21年历程 01:07 — 为何当今初创公司更具雄心 04:09 — 令人敬畏的雄心勃勃的想法 05:13 — 真正驱动创始人的因素 09:28 — 什么让创始人令人敬畏 12:54 — 让PG感到意外的人工智能发展 17:58 — YC的创立历程与不变的核心

Y Combinator创始人保罗·格雷厄姆在瑞典斯德哥尔摩海滨会议中心发表现场演讲。他探讨了两个主题——你是否应该去硅谷，以及瑞典如何作为创业中心蓬勃发展。 原始录制于2026年4月29日 章节： 01:01 – 为什么大中心至关重要 02:45 – 偶遇的力量 04:36 – 投资者在硅谷行动更快 06:03 – 尊重随行动而来 07:59 – Dropbox的故事 09:10 – 以巨头为镜衡量自己 12:21 – 硅谷的"传递善意"文化 15:36 – 如何助力斯德哥尔摩繁荣 17:24 – YC作为最优路径 19:54 – 斯德哥尔摩能否成为欧洲的硅谷？ 申请Y Combinator：https://www.ycombinator.com/apply 在初创公司工作：https://www.ycombinator.com/jobs

安德鲁·吴于2025年6月17日在旧金山AI创业学校发表演讲。 安德鲁·吴曾助力塑造现代AI领域最具影响力的几大运动——从在线教育到深度学习，再到AI创业。 在这场演讲中，他分享了当下的思考：为何执行速度比以往任何时候都更重要，智能体工作流如何改变初创公司的构建方式，以及将创意转化为产品时，具体性为何优于模糊性。他反思了AI编程助手的崛起、产品开发中瓶颈的转移，并指出尽管软件迭代更快，但人类判断力与责任感仍将决定未来的走向。 申请加入Y Combinator：https://ycombinator.com/apply 在初创公司工作：https://workatastartup.com 章节： 00:00 - 开场 00:31 - 初创公司速度的重要性 01:13 - AI技术栈中的机遇 02:06 - 智能体AI的崛起 04:52 - 加速执行的具体思路 08:56 - 快速原型设计与工程实践 17:06 - 产品管理的角色 21:23 - 理解AI的价值 22:33 - AI开发中的技术决策 23:26 - 利用生成式AI工具赋能初创公司 24:05 - 用AI构建模块进行开发 25:26 - 初创公司速度的重要性 26:41 - 应对AI炒作与误解 37:35 - AI教育：当前趋势与未来方向 39:33 - 平衡AI创新与伦理考量 41:27 - 保护开源与AI的未来

2025年6月16日，李飞飞博士在旧金山AI创业学校的炉边对话。 李飞飞博士常被称为"AI教母"——这绝非虚名。早在世界认知人工智能之前，她就在为这项技术奠定基石。 在这场炉边对话中，她回顾了ImageNet的创建历程。这个项目通过提供现代计算机视觉所需的数据基础，推动了深度学习革命。她讲述了早期对数据驱动方法的信念、2012年卷积网络超乎预期的震撼表现，以及这些突破如何催生图像描述、故事生成，最终孕育出生成式模型。 如今，她正挑战人工智能最艰难的领域之一：空间智能。李飞飞分享了为何对三维世界建模是实现通用人工智能的关键——以及为何这比语言建模更具挑战性。 申请加入Y Combinator：https://ycombinator.com/apply 在初创公司工作：https://workatastartup.com 章节： 00:08 - ImageNet的起源 02:15 - 让机器看见的梦想 03:28 - AI的范式转变 04:42 - 突破之年：AlexNet与深度学习 08:00 - 计算机视觉的演进 12:20 - 构建世界实验室 13:00 - AI的下一个前沿 14:20 - 为何空间智能比语言更难 18:40 - 基于视觉的AI技术壁垒 20:00 - AI不止于大语言模型 24:19 - 世界模型的现实应用 25:50 - 李飞飞的历程 29:30 - 指导AI传奇人物 33:00 - 观众问答

Kirsten Green，Forerunner Ventures 创始人，在过去二十年中投资了从 Warby Parker 到 Chime 再到 Dollar Shave Club 等最具标志性的消费品牌。在本期对话中，她分享了优秀产品（而非营销技巧）如何依然胜出，AI 如何开启消费者与技术之间全新的情感关系，以及创始人能从当前混乱的创意阶段学到什么。她还剖析了分销、健康与数字行为的转变如何重塑为真实人类需求而构建的意义。 申请 Y Combinator：https://ycombinator.com/apply 在初创公司工作：https://workatastartup.com 章节： 00:00 - 开场 01:05 - 消费者 AI 浪潮将呈现何种形态？ 04:54 - 记忆能力 07:35 - 数据个性化 08:58 - 语音作为突破口 11:07 - 消费者 AI 的混乱创意阶段 12:07 - 如何精准把握分销 14:58 - 不要仅为营销而做事 16:09 - Dollar Shave Club 广告为何如此成功 17:39 - 是什么说服 Kirsten 投资 Dollar Shave Club 20:16 - 大公司在搜索与营销方面的新认知 23:02 - 作为消费者，我们将如何使用不同的 AI 工具？ 26:20 - Forerunner 关于健康、保健与安全的最新趋势报告 32:16 - 如何与 ChatGPT 竞争？ 33:52 - 给新创始人的建议

AI正在彻底改变我们与软件互动的方式。在本期《设计评论》中，YC合伙人Aaron Epstein与Cron（现为Notion日历）创始人兼设计师Raphael Schaad展开对话，共同剖析一些突破性的AI用户界面。他们将通过丰富的案例——从智能代理、自适应界面到视频提示和逼真语音API——一窥AI如何重塑软件的未来。 申请加入Y Combinator：https://ycombinator.com/apply 感谢以下公司提供案例*： -Vapi (https://www.vapi.ai) -Retell AI (https://www.retellai.com) -Gumloop (https://www.gumloop.com) -AnswerGrid (https://www.answergrid.ai) -Polymet (https://www.polymet.ai) -Zuni (https://zuni.app) -Argil (https://www.argil.ai) *部分展示网站可能在录制与发布期间有所更新 章节（由 https://bit.ly/chapterme-yc 提供）- 00:00 - 开场 01:45 - Vapi 04:57 - Retell AI 08:42 - Gumloop 13:33 - AnswerGrid 19:29 - Polymet 26:41 - Zuni 30:42 - Argil

General-purpose AI is getting incredibly capable, but many industrial problems don’t need a giant model that can do everything. Specialized foundation models for manufacturing, energy, and biology could match or beat general models with a fraction of the compute, learning new tasks from little or no labeled data. Apply for the Winter 2027 batch at ycombinator.com/apply.

Software is cheap to start. Robots, GPU clusters, and data centers are not. The physical AI buildout will need new ways to finance steel and silicon: lenders, leasing companies, securitization, and hedging products designed around machines and compute. Every great infrastructure boom created financial giants alongside it. Apply for the Winter 2027 batch at ycombinator.com/apply.

Most companies building with AI still rent their intelligence from frontier labs. As open models improve, more companies will want models they can run, train, and control themselves. The opportunity is to turn a company’s workflows, expertise, and failures into specialized models that improve with the business. Apply for the Winter 2027 batch at ycombinator.com/apply.

Applying for government benefits means proving the same facts again and again across systems that don’t talk to each other. That creates friction for honest applicants and openings for fraud. Government needs a Plaid-like layer for verified income, tax, and residency data: verify once, apply everywhere. As AI agents begin handling enrollment, trusted data infrastructure becomes even more important. Apply for the Winter 2027 batch at ycombinator.com/apply.

The AI data center buildout is creating shortages far beyond GPUs and power. Transformers take years to get, while switchgear, circuit breakers, cooling systems, and specialized steel are all becoming bottlenecks. A buildout this large creates startup opportunities throughout the supply chain, especially in the overlooked parts nobody talks about yet. Apply for the Winter 2027 batch at ycombinator.com/apply.

大多数人谈论的是AI取代工人。我们兴奋的是相反的情况：AI将普通工人变成专家。 数百万个工作岗位受限于稀缺的专业知识和资质。AI可以让更多人从事曾经需要专家才能完成的工作，从而创建一个围绕专家工作的新中产阶级。 申请2027年冬季批次，请访问ycombinator.com/apply。

机器人基础模型开始将技能从一台机器转移到另一台机器，这意味着瓶颈正在转向硬件。 美国仍然进口大量机器人及其关键部件。我们希望看到创始人在这里重建供应链，从磁铁、电机、齿轮和传感器，到芯片、电池以及制造它们的机器。 申请2027年冬季批次，请访问ycombinator.com/apply。

星舰（Starship）可能使进入轨道的成本降低数个数量级，并且更加充裕。 这改变了哪些太空业务成为可能。在今天的发射成本下不合理的公司，当将质量送入轨道的成本降低100倍时，可能变得可行。现在就是开始为那个世界构建的时候了。 申请2027年冬季批次，请访问ycombinator.com/apply。

在本期《设计评论》中，Shopify产品设计工作室负责人Marvin Schwaibold与YC的Aaron Epstein一起，逐步讲解他的设计流程。他展示了团队最近发布的Admin重新设计和Sidekick工作，一个周末项目——将真实草地重建为着色器，以及一个经过91次尝试才做对的旋转木马。然后他们评审了五个观众提交的网站，重点关注动效和交互性。 申请加入Y Combinator：https://www.ycombinator.com/apply 在初创公司工作：https://www.ycombinator.com/jobs 如果你想尝试，这里是草地着色器GitHub仓库的链接：https://github.com/MarvinSchwaibold/grass-shader 章节： 00:00 - 设计流程如何改变 03:25 - Shopify产品设计工作室内部 05:58 - Molly，布鲁克林工作室 08:58 - Collins书架 11:51 - Toby的使命：未来需要被设计 13:24 - 工作室如何在Shopify内部运作 15:32 - Sidekick建议和新Admin 18:27 - 会构建的设计师 21:58 - 将草地重建为着色器 23:48 - 地形图的洞察 26:16 - Dialkit：暴露变量 28:45 - 给创始人和设计师的建议 31:04 - 网站评审1：Endstack 33:12 - 每页一个主要目标 35:02 - 网站评审2：SkillSync 36:43 - 标签页的问题 38:25 - 毫无意义的AI插图 40:49 - 网站评审3：Instaplay 43:04 - 展示游戏，而不是缩略图 45:34 - 网站评审4：Mintlify 47:25 - 社会证明，以及少即是多 49:35 - 首页部分作为章节 51:42 - 网站评审5：Knowlify 54:02 - 让人们探索作品 56:06 - 滚动劫持 58:34 - 网站评审6：Instinct Space 1:00:42 - 发射、巡航、着陆 1:02:42 - 技术页面 1:04:16 - Blossom Carousel

本周的Paper Club全部关于推理。 每花费一个FLOP训练模型，每年大约有六个FLOP用于服务模型——而把这一部分做好，在过去十年中创造了超过2200亿美元的市值。但推理远不止调用model.forward。每个token都必须经过路由、缓存、调度、内核、内存和硬件组成的复杂堆栈，同时还要平衡速度、成本和质量。 我们邀请了来自Together AI、Ollama、Luminal以及SGLang & RadixArk的研究人员和开发者，带我们从头到尾了解这个堆栈。我们将看到token如何从API请求到达GPU再返回，为什么同一个开源模型会因服务方的不同而表现不同，以及编译器和缓存的新方法如何让推理更快、效率更高。 加入我们11月4日的下一期Paper Club，届时我们将讨论AI在生物学中的应用：https://events.ycombinator.com/yc-paper-club-nov-4 章节： 00:00 - 为什么推理比训练更重要 08:24 - 推理创新的三种类型 12:14 - Dan Fu：推理请求的生命周期 42:18 - Jeff Morgan：并非所有开源模型token都一样 1:04:31 - Joe Fioti：用搜索而非启发式编译模型 1:30:30 - Liangsheng Yin：SGLang与智能体时代的内存 申请加入Y Combinator：https://www.ycombinator.com/apply 在初创公司工作：https://www.ycombinator.com/jobs

人们普遍存在一种误解，认为成功的发布视频需要花费数万美元，并且感觉像是一部高制作的商业广告。但 Farza Majeed 有着截然不同的方法。 Farza 是 Hey Clicky 的创始人，之前创立了 Buildspace，这是最大的在线学校之一，帮助人们构建自己的想法。他制作视频已有十多年，他的帖子经常获得数百万次观看。他找到了一种方法，将发布视频变成他日常流程的一部分，今天他将分享他的策略。 在本期 Startup School 节目中，Farza 与 YC 的 Aaron Epstein 一起探讨了为什么每个演示都应该被视为一次发布，如何编写听起来完全即兴的视频脚本，以及哪些渠道真正能带来转化——包括为什么一个只有 2 万次观看的 YouTube 视频可能胜过 Twitter 上 300 万次观看的视频。 申请 Y Combinator：https://www.ycombinator.com/apply 在初创公司工作：https://www.ycombinator.com/jobs 章节： 00:00 - 不同的发布方式 02:56 - 演示，而非发布 04:35 - Hey Clicky 的发布视频 06:58 - 为什么观看次数不重要 08:34 - “我的眼睛停了吗”测试 09:58 - 编写听起来像即兴的视频脚本 12:14 - 屏幕感知听写视频 14:01 - “我们做过的最差的视频” 17:25 - 只获得 23 个赞的 Zip School 视频 20:30 - 2100 万次观看的视频 22:15 - 研究 Reels 作为模板 24:53 - “我们这周建造的一切” 28:11 - 你必须先接受尴尬 31:02 - 哪些渠道真正能转化 33:21 - 为 Twitter 和 Instagram 制作视频 35:20 - 无手视频 37:07 - 节奏，而非剪辑 39:01 - 为什么第一个员工是电影制作人 40:49 - 设备，以及为什么音频最重要 42:31 - 技术栈中最重要的部分是人 45:41 - 给观众的 30 天挑战

Magic Patterns (W23) 是AI领域增长最快的设计工具之一，帮助产品团队在几分钟内将创意转化为可交互、带代码的原型。 Alex Danilowicz 和他的联合创始人（均为前端工程师）构建 Magic Patterns 是为了解决他们自己遇到的问题：找到一种更好的方式将创意可视化。他们是2023年最早一批构建提示词转设计工具（prompt-to-design）的团队。 在本期 Design Review 中，Alex 与 YC 的 Aaron Epstein 一起演示了 Magic Patterns 及其新的 MagicOS 画布，团队可以在画布上整合提示词、图片、PRD 及其他上下文，以可视化方式探索创意。随后，他们点评了几个初创公司的网站，分析哪些因素会让网站显得“氛围编码”（vibe coded）、创始人常犯的错误，以及如何让AI生成的设计更具意图性。 章节： 01:00 — 什么是 Magic Patterns？ 02:11 — 从 YC 转型到产品市场契合 03:44 — 在AI设计工具不断进步中保持领先 04:37 — 演示：用 Magic Patterns 进行设计 09:52 — MagicOS 11:23 — 在画布上结合上下文进行设计 14:50 — 如何从AI设计工具获得更好的结果 15:35 — AI生成的设计能走多远？ 18:17 — 网站点评1：Ego 23:59 — 网站点评2：Sentient OS 32:01 — 网站点评3：Cerenovus 36:59 — 网站点评4：Slashy 43:33 — 如何培养更好的设计品味 44:20 — 为什么 Magic Patterns 的每个人都要与用户交流 45:07 — 平衡速度与设计质量 46:07 — 设计与 Magic Patterns 的未来 申请加入 Y Combinator：https://www.ycombinator.com/apply 在初创公司工作：https://www.ycombinator.com/jobs

本周的 Paper Club 完全聚焦 AI 安全——不是头条新闻，而是科学。AI 安全作为一个研究领域已有数十年历史，拥有自己的会议、方法，并在飞机防撞等系统中有着良好的记录，这些系统的标准是每十亿飞行小时最多一次灾难性故障。 在本期节目中，我们将听到斯坦福大学教授、斯坦福 AI 安全中心联席主任 Clark Barrett 和 Mykel Kochenderfer 的分享。他们将与 Francois 一起讨论：OpenAI–Hugging Face 事件中实际发生了什么、而报道又说了什么；自动化推理如何从数学上证明代码无法被黑客攻击；为验证飞机而构建的压力测试方法如今如何用于语言模型；以及为什么我们可能需要一个专为 AI 设立的 NTSB。 欢迎参加10月21日的下一期 Paper Club，我们将讨论推理：https://events.ycombinator.com/yc-paperclub-oct21 章节： 00:00 - 科幻 vs. 科学事实 04:32 - 工程问题，还是 P(doom)？ 06:04 - Hugging Face 事件中实际发生了什么 07:53 - “十年内10%”从何而来 11:21 - 真正的风险：开放权重落入错误之手 17:25 - Clark Barrett：当 AI 遇见自动化推理 20:35 - CSLib：在 Lean 中证明代码正确性 24:32 - 从英文规范到一键验证代码 27:55 - Mykel Kochenderfer：我们如何知道系统是安全的 32:11 - 自适应压力测试：从飞机到 LLM 36:57 - 验证神经网络 40:30 - 运行时监控与 BetterBench 43:53 - 小组讨论：对过去三周的反应 45:55 - 为 AI 设立一个 NTSB 52:18 - 网络安全能在五年内解决吗 55:00 - 如果你是美国银行的首席信息安全官 1:03:06 - 瑞士奶酪模型 1:05:43 - 观众问答 申请加入 Y Combinator：https://www.ycombinator.com/apply 在初创公司工作：https://www.ycombinator.com/jobs

思科正在构建AI基础设施，从GPU集群组网到保护智能体安全，其超大规模AI业务在两年内订单额达到93亿美元。思科总裁兼首席产品官Jeetu Patel与Y Combinator管理合伙人Jared Friedman探讨：如何将初创公司的速度带给32000名工程师、为何AI应激发新创意而非仅削减成本、以及为何他预计需要更多而非更少的工程师。他还解释了为何不认为我们在过度建设数据中心，并分享了关于选择学习而非自负的职业经验。 章节： 00:00 — 思科对AI的押注 03:38 — 像初创公司一样运营思科 06:45 — AI智能体所需的基础设施 10:00 — 让32000名工程师拥抱AI 14:07 — 将AI引入硬件与芯片 17:15 — AI数据中心建设内幕 21:27 — 我们是否在过度建设AI基础设施？ 25:10 — 建立对AI智能体的信任 28:18 — 从印度到Sizzler餐厅端盘子 32:12 — 选择学习而非自负 35:31 — 雄心、团队协作与复利效应 39:31 — 不要浪费你的机遇 申请加入Y Combinator：https://www.ycombinator.com/apply 在初创公司工作：https://www.ycombinator.com/jobs

应用电动力学公司正在开发能够透视墙壁和其他不透明材料的相机。 他们的系统利用无线电波，可以穿透干墙、大理石等表面，找到隐藏在后面的立柱、管道、电缆、接线盒等物体，并将这些数据转化为尺寸精确的3D模型。

本周的论文俱乐部聚焦于替代计算方案。 现代人工智能深受变压器、反向传播和 GPU 三者紧密耦合的影响。但随着计算效率开始触及瓶颈，打造下一代机器的方式可能截然不同。 我们将探索超越传统数字硬件的 AI 计算可能性，包括利用光进行运算的光学系统、受大脑启发的神经形态架构，以及教活脑细胞玩《毁灭战士》的实验。 报名参加下一期论文俱乐部，届时我们将讨论 AI 安全问题：https://events.ycombinator.com/yc-paperclub-oct7 章节： 00:00 — 开场 00:07 — Francois Chaubard：为什么要用替代计算？ 03:38 — 超越反向传播 08:08 — 零阶优化与 SOMA 15:06 — Ilker Oguz：用光进行计算 19:27 — 为何光学计算尚未普及 22:23 — 用光构建扩散模型 30:03 — 光学计算问答 39:00 — Alok Vasudev：什么是神经形态计算？ 45:23 — 大脑能教给我们关于芯片的什么 49:35 — 神经形态计算的现状 54:24 — 神经形态计算问答 1:04:24 — Sean Cole：教脑细胞玩《毁灭战士》 1:07:48 — 用强化学习训练生物神经元 1:12:28 — 脑细胞如何从反馈中学习 1:15:40 — 生物计算问答 申请加入 Y Combinator：https://www.ycombinator.com/apply 在初创公司工作：https://www.ycombinator.com/jobs

Tensr 正在建设能够制造机器人的机器人工厂。 他们占地 12,000 平方英尺的工厂已经在生产人形机器人、末端执行器，甚至为国际空间站制造机器人。 每一笔订单都会成为训练数据，帮助工厂更好地生产下一个产品。

过去几年中，人工智能领域最大的惊喜之一是编码代理在软件之外的泛化能力。在一篇近期文章中，MIT教授Philip Isola认为，我们可能正在进入机器人使用代理的时代：通用模型能够控制不同的机器人、编写策略，并在几乎没有机器人特定训练的情况下学习新的物理任务。 在本期Decoded节目中，我们邀请了Waddle Labs和RoboCurve的创始人，这两家初创公司的工作推动了这一认识。他们正致力于使用通用模型控制机器人的前沿领域，其最近的演示激发了关于机器人使用代理的日益增长的讨论。 我们一起深入探讨了这一想法背后的研究，从代码即策略和视觉-语言-动作模型，到使这些系统在现实世界中工作所需的框架和评估。 章节： 00:00 — 引言 + 机器人使用代理的兴起 04:07 — 机器人学的苦涩教训 07:40 — 从编码代理到机器人策略 10:41 — 上下文学习 vs 模型训练 14:22 — 构建机器人控制框架 17:50 — 将机器人动作转化为可复用技能 20:55 — AI模型如何学习物理世界 26:05 — 我们离通用机器人还有多远？ https://www.waddlelabs.ai/ https://robocurve.org/ 申请加入Y Combinator：https://www.ycombinator.com/apply 在初创公司工作：https://www.ycombinator.com/jobs

Hop Aero正在建造火箭，能够在几分钟内将货物送达地球任何地方。 他们从军事物流和其他时间敏感的有效载荷开始，包括保质期短的温度控制材料，在这些情况下，更快地送达可以显著改变结果。 他们已经建造并成功进行了新型火箭发动机的热试车，并签署了价值13.7亿美元的商业意向书。

许多建筑工作仍然由手工完成，仅仅是因为自动化所需的机器不存在。这已成为建造太阳能农场、数据中心和其他关键基础设施的瓶颈。 Cosmic Robotics正在建造这些机器。他们的机器人已经安装了11,000块太阳能板，并且刚刚与国内最大的建筑公司签署了一份重大合同。 他们正在建造我们今天在地球上需要的建筑机器人，并最终将在月球和火星上使用。

攻击型无人机正在重塑现代战争，但许多国家仍然缺乏有效保卫其领空的方法。 Earendil Robotics正在建造自主拦截器，以及从零开始建立这种能力所需的软件和培训。他们的系统可以自主起飞、飞行和拦截目标，将数月的飞行员培训减少到几次点击。 目标是提供足够便宜、可以大量部署，并且足够简单、可以大规模操作的防空系统。