YC这届190家公司里，16个让投资人连夜改PPT

190家创业公司，两天Demo Day，全部押注同一个赌局：AI不是未来，是此刻的入场券。

Y Combinator 2026冬季批次的数据出来了——近190家公司参展，覆盖法律、交通、医疗，几乎每个角落都有AI代理在重写工作流。我花了两天刷完所有 pitch 视频，挑出16个真正值得盯紧的项目。筛选标准很粗暴：要么解决了一个被忽视的基础设施问题，要么正在制造新的数据护城河。

ARC Prize Foundation：给AGI出考卷的非营利组织

YC批次里混进一个非营利机构，这事本身就不寻常。

ARC Prize Foundation 不做产品，只出考题——专门设计基准测试来衡量通用人工智能（AGI，Artificial General Intelligence）的进展。OpenAI、Anthropic、Google DeepMind 已经在用他们的测试集。英伟达CEO黄仁勋去年放话"AGI已经到来"，但历史需要一把尺子。这个基金会通过办竞赛、发研究经费，试图把AGI的进度条变成可公开验证的数据。

当所有人都在造更猛的模型时，有人在造更狠的评分表——这才是开源社区真正缺的基础设施。

非营利身份让它避开了估值游戏的干扰，但也意味着它必须持续证明：自己的测试比竞争对手更能预测模型的真实能力。目前看来，大厂们的采用就是最有力的背书。

Asimov：你的走路姿势值多少钱

人形机器人赛道缺的不是电机和传感器，是训练数据——真实人类怎么弯腰、怎么保持平衡、怎么在打滑的地面上调整重心。

Asimov 的解法很直接：向全球征集人体运动视频。用户上传自己完成任务的动作录像，公司把这些转化成结构化数据集，卖给机器人公司做训练燃料。这本质上是在搭建人形机器人的"ImageNet时刻"——当年计算机视觉爆发，靠的是大规模标注图片；现在具身智能要突破，需要的是大规模标注动作。

商业模式的狡猾之处在于双边网络效应。更多视频吸引更多买家，更多买家刺激更多投稿。但隐私红线也很清晰：人脸可以打码，步态特征却几乎无法匿名化——每个人的走路姿势都是生物识别指纹。

这家公司真正的产品不是数据集，是"人类运动"这门语言的词典编纂权。

剩下的14家分布在不同切口：有的在做法律文件的自动拆解，有的试图用AI代理重构货运调度，有的在医疗影像里找早期癌症信号。共同点是都避开了"做个ChatGPT wrapper"的陷阱，转而去啃产业链里那些又脏又累的环节。

YC这批次的密度感，来自一个被验证的共识：基础模型层已经卷成红海，真正的机会在应用层的数据闭环——谁能在垂直场景里持续积累别人拿不到的数据，谁就能在下一次模型迭代时获得不对称优势。

Demo Day的格式今年变了，没有直播，没有现场媒体席，pitch视频延迟20分钟上传。这种"异步披露"让信息传播更可控，也让筛选成本更高——你得真的去刷那190个视频，而不是等 Twitter 上的热点总结。

我刷完的感受是：AI创业正在从"演示惊艳"进入"交付枯燥"的阶段。最性感的公司不再是那个能生成最漂亮图片的，而是那个能让律师事务所少雇三个初级助理、让卡车调度员每天少打20通电话的。

ARC Prize 的测试集会被写进AGI发展史吗？Asimov 的数据集会成为机器人行业的默认基础设施吗？这些问题没有答案，但YC显然在押注：衡量进步的人，和收集燃料的人，比造引擎的人更接近终局。

下一个批次，会不会有人专门给AI代理设计"职场生存测试"——测的不是智商，是搞砸任务后怎么甩锅给人类同事？