Y Combinator（YC）近日公布 Summer 2026 版 Requests for Startups（RFS），列出這一季特別希望創業者投入的方向。จาก RFS ฉบับ Summer 2026 ที่ YC ประกาศล่าสุด ระบุแนวทางที่ทาง YC ต้องการให้ผู้ประกอบการให้ความสำคัญเป็นพิเศษในฤดูกาลนี้
จากหัวข้อที่ YC เสนอในครั้งนี้ โอกาสการเริ่มต้นทำธุรกิจไม่ได้เป็นแค่ “เพิ่ม chatbot เข้าไปในผลิตภัณฑ์ที่มีอยู่แล้ว” ไม่ใช่การทำเครื่องมือ AI อีกชิ้นหนึ่งที่ช่วยคนเขียนอีเมล จัดประชุม หรือสร้างสไลด์พรีเซนต์อีกต่อไป
สิ่งที่ YC ให้ความสนใจมากกว่า คือ AI จะเปลี่ยนโฉมความรู้ภายในบริษัท งานบริการทางวิชาชีพ ซัพพลายเชนเซมิคอนดักเตอร์ การผลิตฮาร์ดแวร์ เกษตร การแพทย์ อิเล็กทรอนิกส์ในอวกาศ และการป้องกันอากาศยานไร้คนขับแบบต่อต้านโดรน ซึ่งเป็นระบบที่ซับซ้อนกว่าเดิม
กล่าวอีกนัยหนึ่ง การเริ่มต้นทำธุรกิจด้าน AI กำลังเปลี่ยนจาก “เพิ่มประสิทธิภาพการทำงานของแต่ละบุคคล” ไปสู่ “สร้างโครงสร้างองค์กรและกระบวนการของอุตสาหกรรมใหม่”
หากบริษัทหนึ่งก่อตั้งขึ้นมาตั้งแต่วันแรกที่เป็น AI-native สิ่งที่บริษัทขายอาจไม่ใช่ซอฟต์แวร์ชุดหนึ่ง แต่เป็นบริการที่ถูกรีโครงสร้างด้วย AI ระบบปฏิบัติการขององค์กร หรือแม้กระทั่งความสามารถด้านซัพพลายเชนชุดใหม่
YC จากตัวชี้นำที่นำหน้า กลายเป็นตัวชี้วัดที่ล้าหลังหรือไม่?
孟醒 หนึ่งในหุ้นส่วนของ Wuyuan Capital ได้เผยแพรรายงานการท่องสำรวจในซิลิคอนวัลเลย์เมื่อเร็ว ๆ นี้ โดยชี้ให้เห็นถึงการเปลี่ยนแปลงสำคัญที่เกิดขึ้นในวงการการเริ่มต้นทำธุรกิจด้าน AI ในเวลานี้：ในอดีต Y Combinator（YC）ซึ่งถูกมองว่าเป็น “ตัวชี้วัดทิศทางของการลงทุน” หลังจากความเร็วของการอัปเดตด้าน AI เร่งขึ้นอย่างรวดเร็ว อาจกำลังค่อย ๆ เปลี่ยนจาก “ตัวชี้นำ” ไปเป็น “ตัวชี้วัดที่ล้าหลัง”
( ใช้ AI เพื่อเพิ่มผลผลิตหรือเพื่อลดต้นทุน? ประสิทธิภาพเพิ่มเป็นร้อยเท่าไม่ได้นำมาซึ่งรายได้เพิ่มเป็นร้อยเท่า แต่ในซิลิคอนวัลเลย์ไม่มีใครกล้าพูดให้หยุด )
เมื่อเดือนมีนาคมปีนี้ 孟醒 นั่งอยู่ในแถวผู้ชมงาน YC W26 batch Demo Day และพอได้ฟังการนำเสนอของบริษัทที่ห้าก็วางปากกา เหตุผลไม่ได้ใช่ว่าแต่ละบริษัทไม่พยายามพอ แต่เป็นเพราะหัวข้อคล้ายกันเกินไป
ในจำนวนมากกว่าหนึ่งร้อยบริษัทในรอบนี้ ประมาณ 80% กำลังทำ vertical agent เช่น ช่วยทนายจัดเอกสาร ช่วยฝ่ายบริการลูกค้ากระจายคิวงานให้เหมาะสม และช่วย HR คัดกรองประวัติย่อ
หากย้อนกลับไปเมื่อเดือนตุลาคมปีที่แล้ว หัวข้อเหล่านี้อาจยังทำให้นักลงทุนรู้สึกว่า “มีไอเดียดี” ได้อยู่ แต่พอถึงปี 2026 เมื่อ Claude Code จากเครื่องมือสำหรับนักพัฒนา กลายเป็นอินเทอร์เฟซที่แทบทุกคนใช้ได้ และ Opus 4.6 กดด่านของการ vibe coding ลงไปถึงระดับพื้นหลัง จึงทำให้ vertical agent ที่ยังไม่ได้สร้างกำแพงด้านธุรกิจ ปรากฏว่าไม่ได้นับว่าน่าหายากแบบเดิมอีกต่อไป
วิศวกรทั่วไป แม้แค่ใช้เวลาช่วงสุดสัปดาห์ ก็อาจคัดลอกผลิตภัณฑ์ที่คล้ายกันออกมาได้
สิ่งนี้ทำให้ระบบ batch ของ YC ซึ่งเคยเป็นกุญแจสู่ความสำเร็จ ต้องเผชิญความท้าทาย
ตั้งแต่การสมัคร การคัดกรอง การเข้าโปรแกรม การปรับปรุงให้สมบูรณ์ ไปจนถึงการนำเสนอใน Demo Day จังหวะของ YC ถูกออกแบบมาเพื่อโลกที่ค่อนข้างนิ่ง ผลิตภัณฑ์และตลาดเปลี่ยนช้า
แต่ภายใต้ความเร็วของการทำซ้ำ (iteration) ด้าน AI ในปัจจุบัน 5 เดือนสามารถเปลี่ยนรูปแบบต้นแบบได้หลายรอบ
เมื่อความสามารถของโมเดล เครื่องมือการพัฒนา และพฤติกรรมผู้ใช้ถูกเขียนใหม่อย่างรวดเร็ว หัวข้อการเริ่มต้นธุรกิจที่เข้าไปอยู่ในกระบวนการ batch เมื่อถึงเวลานำเสนอแบบเปิด อาจกลายจากสิ่งล้ำหน้าไปเป็นฉันทามติ หรือแม้แต่เข้าสู่โหมดตลาดที่แข่งขันดุเดือด (red sea)
น่าสนใจคือ RFS ฤดูล่าสุดของ YC เองก็พยายามตอบสนองต่อการเปลี่ยนแปลงนี้อยู่พอดี
ใน Summer 2026 RFS YC ชี้อย่างชัดเจนว่า AI ไม่ได้เป็นเพียงเรื่องของการเป็นฟีเจอร์อย่างใดอย่างหนึ่งอีกต่อไป แต่ได้กลายเป็นรากฐานของซอฟต์แวร์ บริการ ฮาร์ดแวร์ ไปจนถึงโลกทางกายภาพ
AI ไม่ใช่แค่ฟีเจอร์อีกต่อไป แต่เป็นสมมติฐานชั้นพื้นฐานของบริษัทและอุตสาหกรรม
ใน Summer 2026 RFS YC ระบุว่า AI จากเดิมที่เป็นเพียงหนึ่งในฟีเจอร์ภายในผลิตภัณฑ์ ได้กลายเป็นรากฐานใหม่ของซอฟต์แวร์ บริการ ซิลิคอนชิป และโลกของความเป็นจริงทางกายภาพ
ประโยคนี้จริง ๆ แล้วชี้ให้เห็นแกนหลักของลิสต์ครั้งนี้：การเริ่มต้นธุรกิจด้าน AI ไม่สามารถหยุดอยู่แค่ “ต่อโมเดลเข้ากับผลิตภัณฑ์” แต่ต้องคิดใหม่ว่าบทบาทงานเดิม บริษัท และอุตสาหกรรม ควรถูกเขียนใหม่หรือไม่
ดังนั้น หัวข้อใน RFS ครั้งนี้มีน้อยมากที่จะเป็นภาพฝันแบบการเริ่มต้นทำ consumer app โดยล้วน
พูดให้แม่นยำกว่านั้นคือ YC ไม่ได้กำลังมองหาความเป็นไปได้ของแอป AI ตัวถัดไปที่ดังจาก UI และกระแสทราฟฟิก แต่กำลังให้ความสนใจกับสาขาที่ในอดีตยากที่จะถูก “ปรับแต่ง/เปลี่ยนโฉมด้วยซอฟต์แวร์” ได้อย่างสิ้นเชิง
ตัวอย่างเช่น บริการทางวิชาชีพในอดีตพึ่งพากำลังคนและประสบการณ์ของกระบวนการอย่างมาก ความรู้ขององค์กรกระจัดกระจายอยู่ใน Slack, email, ตั๋วงาน และการประชุม
ซัพพลายเชนเซมิคอนดักเตอร์ยังพึ่งการประสานงานของมนุษย์อยู่เป็นจำนวนมาก
การผลิตฮาร์ดแวร์ในสหรัฐฯ มีความเร็วการพัฒนาช้ากว่าที่เซินเจิ้นมาก
เกษตรยังพึ่งการฉีดพ่นยาฆ่าแมลงในพื้นที่กว้าง
และการป้องกันโดรนก็เผชิญปัญหาเชิงโครงสร้างที่ฝั่งที่โจมตีมีต้นทุนต่ำกว่าฝั่งป้องกันมาก
ปัญหาเหล่านี้แก้ได้ไม่ใช่เพียงแค่เพิ่มแชทบอท
สิ่งเหล่านี้ต้องทำให้ AI เข้าไปอยู่ในกระบวนการ ข้อมูล ฮาร์ดแวร์ ซัพพลายเชน และระบบการตัดสินใจ โดยกลายเป็นส่วนหนึ่งของวิธีการทำงานทั้งชุด
จากการขายซอฟต์แวร์ สู่การขายผลลัพธ์：บริษัทบริการแบบ AI-native
Gustaf Alströmer หุ้นส่วนของ YC เสนอทิศทาง “AI-Native Service Companies” ใน RFS ซึ่งอาจเป็นกุญแจสำคัญต่อการเข้าใจการหันเหครั้งใหม่ของการเริ่มต้นทำธุรกิจด้าน AI
ในช่วงไม่กี่ปีที่ผ่านมา สตาร์ทอัป AI ส่วนใหญ่ทำเป็น copilot คือช่วยให้ผู้คนทำงานได้เร็วขึ้น
พวกเขาขายซอฟต์แวร์ ผู้ใช้ยังต้องใช้งานเครื่องมือ ตัดสินผลลัพธ์ และส่งมอบงานให้สำเร็จ
แต่ YC ที่สนใจตอนนี้คือก้าวถัดไป：บริษัทไม่เพียงแค่ขายเครื่องมือ แต่ขาย “บริการ” โดยตรง
นี่หมายความว่าลูกค้าไม่จำเป็นต้องซื้อซอฟต์แวร์ AI มาฝึกอบรมพนักงานให้ใช้งาน แต่สามารถมอบงานอย่างโบรกเกอร์ประกัน บัญชี ภาษี การตรวจสอบ (audit) การกำกับดูแล (compliance) งานบริหารการแพทย์ ฯลฯ ให้บริษัทแบบ AI-native เป็นผู้ดำเนินการให้เสร็จ
ในที่นี้ ซอฟต์แวร์กลายเป็นเครื่องมือเพิ่มประสิทธิภาพการผลิตภายใน ไม่ใช่สินค้าโต้ตอบหลักที่ขายให้ภายนอก
การเปลี่ยนแปลงนี้สำคัญมาก
เพราะตลาดบริการมีขนาดใหญ่กว่าตลาดซอฟต์แวร์มาก และบริการทางวิชาชีพจำนวนมากก็ถูกบริษัทจ้างเหมาภายนอกอยู่แล้ว
หากบริษัท AI-native ทำงานได้ด้วยต้นทุนที่ต่ำกว่า ความเร็วที่มากกว่า และคุณภาพที่เสถียรกว่า พวกเขาจะไม่ได้ไปโจมตีแค่ SaaS แต่ไปโจมตี “โครงสร้างต้นทุนของอุตสาหกรรมบริการ” ทั้งก้อน
สมองของบริษัท：สิ่งที่บริษัทต้องการสำหรับระบบอัตโนมัติด้วย AI ไม่ใช่โมเดล แต่คือความรู้ภายใน
อีกจุดเน้นคือ “Company Brain”
Tom Blomfield หุ้นส่วนของ YC มองว่า คอขวดที่ใหญ่ที่สุดของระบบอัตโนมัติด้วย AI ในองค์กรไม่ใช่ความสามารถของโมเดลอีกต่อไป แต่คือ domain knowledge
ทุกบริษัทมีความรู้สำคัญจำนวนมากกระจัดกระจายอยู่ในหัวพนักงาน อีเมลเก่า เธรดการคุยใน Slack ตั๋วงานฝ่ายบริการลูกค้า และฐานข้อมูล
บริษัทสามารถทำงานได้ เพราะมนุษย์คงรู้คร่าว ๆ ว่าสิ่งใดควรถามใคร กระบวนการใดมีข้อยกเว้น และการตัดสินใจใดจริง ๆ แล้วไม่ได้ถูกเขียนไว้ในเอกสารทางการ
แต่ AI agent ไม่สามารถทำงานบนพื้นฐานของ “ความจำที่คลุมเครือ” แบบนี้ได้
เพื่อให้ AI เข้าไปอยู่ในการทำงานอัตโนมัติขององค์กรอย่างแท้จริง บริษัทต้องมีชั้นพื้นฐานใหม่ ที่รวบรวมความรู้ที่กระจัดกระจายให้กลายเป็นแผนที่การทำงานขององค์กรที่อัปเดตได้และนำไปปฏิบัติได้
YC เน้นว่า นี่ไม่ใช่เครื่องมือค้นหาของบริษัท และไม่ใช่เอกสาร chatbot
แต่เป็นระบบที่ทำให้ AI เข้าใจ “วิธีที่บริษัททำงาน” ตัวอย่างเช่น คืนเงินต้องทำอย่างไร การตัดสินใจกรณีราคามีข้อยกเว้น การยกระดับอุบัติเหตุด้านวิศวกรรม วิธีที่ฝ่ายบริการลูกค้าตอบสนองตามสถานการณ์ที่ต่างกัน
เมื่อกระบวนการเหล่านี้ถูกทำให้เป็นโครงสร้างแล้ว AI จึงจะสามารถทำงานได้อย่างปลอดภัย สม่ำเสมอ
นี่คือส่วนที่ทำให้การเริ่มต้นธุรกิจด้าน AI ยิ่งยากขึ้นแต่ก็ยิ่งมีคุณค่ามากขึ้น
ร่องน้ำลึกในอนาคตอาจไม่ใช่แค่โมเดลหรืออินเทอร์เฟซ แต่เป็นใครที่สามารถแปลงความรู้แฝงขององค์กรหรืออุตสาหกรรมหนึ่ง ๆ ให้กลายเป็นกระบวนการที่ AI สามารถปฏิบัติได้
ระบบปฏิบัติการ AI ขององค์กร：ทำให้บริษัทจาก open loop ไปสู่ closed loop
คล้ายกับ Company Brain, Diana Hu หุ้นส่วนของ YC เสนอ “The AI Operating System for Companies”
เธอสังเกตว่า บริษัท AI-native ที่ดีที่สุด ทำให้ทั้งองค์กร “ถูกทำให้ queryable” อยู่แล้ว：ทุกการประชุม ทุกตั๋วงาน ทุกการโต้ตอบกับลูกค้า ทุกการตัดสินใจด้านผลิตภัณฑ์ สามารถถูกเลเยอร์ของ intelligence เข้าใจและนำมาใช้ได้
นี่จะทำให้บริษัทจาก open loop ไปสู่ closed loop
โดยทั่วไปองค์กรแบบดั้งเดิมมักตัดสินใจก่อน แล้วค่อยตรวจสอบผลหลังผ่านไปเป็นสัปดาห์
แต่บริษัท AI-native สามารถเฝ้าติดตามสิ่งที่เกิดขึ้นจริงอย่างต่อเนื่อง เทียบกับสถานะที่ตั้งเป้าไว้ แล้วค่อยย้อนกลับไปปรับการปฏิบัติ
ปัญหาคือ การทำให้ได้แบบนี้ในวันนี้ต้องมีงานบูรณาการจำนวนมาก
Slack, Linear, GitHub, Notion, การบันทึกเสียงการประชุม ระบบบริการลูกค้า และเครื่องมือภายในต่าง ๆ ต้องถูกเชื่อมต่อกันทั้งหมด
ดังนั้น YC จึงเชื่อว่าโอกาสในการเริ่มต้นธุรกิจอยู่ที่การสร้างเลเยอร์การเชื่อมต่อ ทำให้ “ร่องรอยงานทั้งหมด” ที่เกิดขึ้นภายในองค์กร กลายเป็นข้อมูลที่ AI สามารถเข้าใจ ใช้เหตุผล และลงมือปฏิบัติได้โดยอัตโนมัติ
นี่ไม่ใช่แดชบอร์ดอีกตัวหนึ่ง แต่เป็นระบบชั้นล่างที่ทำให้องค์กรสร้างวงจรการปรับปรุงด้วยตัวเอง
ซอฟต์แวร์รุ่นถัดไปอาจไม่ใช่เพื่อให้คนใช้ แต่เพื่อให้ agent ใช้
YC ยังเสนอ “Software for Agents” อีกด้วย
สมมติฐานหลักของทิศทางนี้คือ：ในอนาคตจะมี AI agents จำนวนมากบนอินเทอร์เน็ต ที่แทนที่มนุษย์ในการทำวิจัย ซื้อของ จัดการ CRM ใช้งานเครื่องมือ และทำงานให้สำเร็จ
แต่ซอฟต์แวร์ในวันนี้ยังถูกออกแบบสำหรับให้มนุษย์คลิก
มนุษย์ต้องการฟอร์ม ปุ่ม และแดชบอร์ด；ส่วน agent ต้องการ API, MCP, CLI, เอกสารที่เครื่องอ่านได้ และกระบวนการลงทะเบียน อนุญาต และการใช้งานที่เขียนเป็นโค้ดได้
ดังนั้น เมื่อทุกคนกำลังทำ agent กันอยู่ โอกาสที่ใหญ่กว่าอีกอย่างหนึ่งคือการสร้างซอฟต์แวร์ให้ agent
ซอฟต์แวร์เหล่านี้ไม่ได้มองมนุษย์เป็นผู้ใช้คนเดียว แต่ให้ agent เป็นพลเมืองชั้นหนึ่ง (one tier citizen)
นี่ก็หมายความว่า ตรรกะการออกแบบผลิตภัณฑ์ของ SaaS แบบดั้งเดิมอาจต้องถูกเขียนใหม่
ในอดีตบริษัทซอฟต์แวร์พยายามออกแบบอินเทอร์เฟซผู้ใช้ให้ดีกว่า
ในอนาคต บริษัทซอฟต์แวร์อาจต้องออกแบบทั้งอินเทอร์เฟซสำหรับมนุษย์และอินเทอร์เฟซสำหรับ agent และในบางสถานการณ์ อินเทอร์เฟซที่เครื่องอ่านได้อาจสำคัญกว่า UI ของมนุษย์
AI coding ลดต้นทุนซอฟต์แวร์ และ SaaS เก่ากลับกลายเป็นเป้าหมายการโจมตี
Jared Friedman หุ้นส่วนของ YC ชี้ใน “SaaS Challengers” ว่า ตอนนี้ตลาดกำลังถกเถียงกันว่า AI coding จะยุติ SaaS หรือไม่
สำหรับบริษัทซอฟต์แวร์ที่มีอยู่เดิม นี่อาจเป็นข่าวร้าย；แต่สำหรับสตาร์ทอัป มันกลับอาจเป็นโอกาสครั้งในรอบสิบปี
SaaS ในอดีตสามารถสร้าง moat ได้ เพราะต้นทุนการพัฒนาซอฟต์แวร์สูง และสตาร์ทอัปใหม่ที่มีทีมห้าคนไม่สามารถเขียน Salesforce ใหม่ได้อย่างรวดเร็ว หรือระบบขององค์กรขนาดใหญ่ได้
แต่เมื่อ AI coding ทำให้ต้นทุนการผลิตซอฟต์แวร์ลดลง 10 ถึง 100 เท่า กำแพงเดิมที่เคยเกิดจากโค้ดหลายล้านบรรทัดและการสะสมฟีเจอร์เป็นเวลาหลายปี อาจกลายเป็นสิ่งที่ไม่สามารถยืนหยัดได้อีกต่อไป
YC แนะนำให้ผู้ประกอบการไม่เริ่มจากเครื่องมือจัดการโปรเจกต์แบบง่าย ๆ เท่านั้น แต่ให้ท้าทายระบบที่ซับซ้อนและมีราคาแพงกว่า ซึ่งในอดีตถูกมองว่ายากจะสั่นคลอน เช่น ซอฟต์แวร์ออกแบบชิป, ERP, ระบบควบคุมอุตสาหกรรม และการจัดการซัพพลายเชน
จุดเน้นไม่ใช่ “คัดลอก SaaS เก่าแล้วลดราคา” แต่คือการใช้โครงสร้างผลิตภัณฑ์แบบ AI-native เพื่อคิดใหม่ทั้งเวิร์กโฟลว์
หากซอฟต์แวร์ตั้งแต่วันแรกสมมติว่า AI agent จะเข้ามามีส่วนร่วมในการปฏิบัติ ผลิตภัณฑ์อาจไม่จำเป็นต้องหน้าตาเหมือน SaaS ในอดีต
อินเทอร์เฟซซอฟต์แวร์แบบไดนามิก：ผู้ใช้กลายเป็นวิศวกรฝ่ายดีพลอยด้วยตัวเอง
ใน “Dynamic Software Interfaces” YC เสนอการเปลี่ยนแปลงอีกอย่างด้านการออกแบบซอฟต์แวร์：ในอดีตทุกคนใช้ชุดอินเทอร์เฟซเดียวกัน โดยมากแค่ปรับธีม เค้าโครง หรือคอนเทนต์ที่แนะนำได้
แต่เมื่อ coding agent เติบโตเต็มที่ ผู้ใช้อาจสามารถดัดแปลงซอฟต์แวร์ที่ตนใช้อย่างมากได้
ตัวอย่างเช่น อีเมลไคลเอนต์ชุดเดียวกัน บางคนอาจอยากให้มันเป็นเหมือนรายการงาน บางคนอยากให้เป็นเหมือนปฏิทินนัดหมาย และบางคนอาจอยากให้มันกลายเป็นระบบติดตามลูกค้าไปเลย
ในอดีต การปรับแต่งแบบนี้ต้องอาศัย forward deployed engineer ของ enterprise software
แต่ในอนาคต coding agent อาจทำให้ผู้ใช้ทำได้เอง
สิ่งนี้จะบังคับให้บริษัทซอฟต์แวร์ต้องคิดใหม่เรื่องวิธีการส่งมอบงาน
ในอนาคต บริษัทอาจไม่ได้แค่ส่งมอบผลิตภัณฑ์คงที่ แต่จะส่งมอบชุด primitives ที่ agent สามารถนำไปประกอบใหม่ได้
อินเทอร์เฟซขั้นสุดท้ายของซอฟต์แวร์ อาจไม่ได้ถูกกำหนดโดยผู้พัฒนาเพียงฝ่ายเดียว แต่ถูกสร้างขึ้นร่วมกันโดยผู้ใช้และ agent
จากการเกษตร การแพทย์ ไปจนถึงการป้องกันประเทศ：AI เริ่มเข้าสู่โลกทางกายภาพ
ในลิสต์ครั้งนี้ของ YC ยังมีหัวข้อหลายอย่างที่มุ่งไปที่โลกทางกายภาพ
ในด้านเกษตร YC เสนอ “AI for Low-Pesticide Agriculture”
ทิศทางนี้ไม่ใช่การทำแพลตฟอร์มข้อมูลทางการเกษตร แต่เป็นการผสมผสาน AI ด้านการมองเห็น เซนเซอร์ราคาประหยัด กล้อง หุ่นยนต์ และเทคโนโลยีชีวภาพ เพื่อทำให้เกษตรหลุดจากวงจร “ยิ่งฉีดยิ่งมาก แต่ผลกลับยิ่งแย่ลง”
ในด้านการแพทย์ YC ให้ความสนใจ “AI Personalized Medicine”
เมื่อค่าใช้จ่ายของเทคโนโลยีอย่างการอ่านลำดับยีน การวินิจฉัยแบบเฉพาะบุคคล อุปกรณ์สวมใส่ และการรักษาด้วย mRNA ลดลง AI agent ก็มีโอกาสช่วยวิเคราะห์ข้อมูลสุขภาพของแต่ละบุคคล ทำให้คำแนะนำการแพทย์และการรักษามีความเป็นส่วนตัวมากขึ้น
ในด้านการป้องกันประเทศ YC เสนอ “Counter-Swarm Defense”
โดรนราคาประหยัดทำให้ฝ่ายโจมตีได้เปรียบด้านต้นทุนอย่างมาก และรูปแบบที่ใช้จรวดนำวิถีราคาแพงเพื่อสกัดโดรนราคาถูกแบบเดิมนั้นไม่สมเหตุสมผล
ดังนั้น YC จึงต้องการระบบป้องกันแบบใหม่ที่รับมือกับฝูงโดรน รวมถึงการผสานข้อมูลจากเซนเซอร์ การสกัดกั้นที่มีความจุสูง การป้องกันแบบไม่ใช้พลังงานจลน์ และแม้กระทั่งวิธีโจมตีเพื่อรับมือกับระบบโดรนแบบอัตโนมัติของฝ่ายโจมตีเอง
หัวข้อเหล่านี้ร่วมกันชี้ให้เห็นว่า การเริ่มต้นธุรกิจด้าน AI กำลังออกจากแอปบนหน้าจออย่างเดียว และเริ่มจัดการกับปัญหาด้านการรับรู้ การควบคุม ต้นทุน และความปลอดภัยในโลกทางกายภาพ
ซัพพลายเชนในอวกาศ ฮาร์ดแวร์ และเซมิคอนดักเตอร์ ก็ถูกนำมารวมในแผนที่การเริ่มต้นธุรกิจด้าน AI
RFS ฉบับ Summer 2026 ของ YC ยังใส่อวกาศ ฮาร์ดแวร์ และซัพพลายเชนเซมิคอนดักเตอร์ไว้ในลิสต์ที่ให้ความสำคัญ
ในทิศทางด้านอวกาศ YC ให้ความสนใจ space electronics โดยเฉพาะ inference chips ในอวกาศ
เมื่อความสามารถในการส่งวัตถุขึ้นสู่อวกาศดีขึ้นจากจรวดแบบนำกลับมาใช้ซ้ำได้ ความต้องการในการประมวลผลในอวกาศก็จะเพิ่มขึ้น และชิปจำเป็นต้องถูกออกแบบใหม่เพื่อตอบข้อจำกัดด้านน้ำหนัก การระบายความร้อน และรังสี
ในด้านซัพพลายเชนฮาร์ดแวร์ YC มองว่า ความเร็วในการพัฒนา (iteration) ของบริษัทฮาร์ดแวร์ในสหรัฐฯ ยังช้ากว่าในเซินเจิ้นมาก
ปัญหาไม่ได้อยู่ที่ซัพพลายเชนเพียงอย่างเดียว แต่คือความเร็วในการ iteration ระหว่างการออกแบบ การผลิต โลจิสติกส์ และการได้มาซึ่งชิ้นส่วน
บริษัทที่ทำให้ทีมฮาร์ดแวร์ออกแบบและทำต้นแบบได้เร็วขึ้น อาจกลายเป็นโครงสร้างพื้นฐานของสตาร์ทอัปฮาร์ดแวร์รุ่นถัดไป
ในด้านซัพพลายเชนเซมิคอนดักเตอร์ YC ชี้ว่า ชิป AI ขั้นสูงหนึ่งตัวต้องผ่านกระบวนการผลิตประมาณ 1,400 ขั้นตอน ข้ามประเทศมากกว่าสิบประเทศ และใช้เวลาหลายเดือนจึงเสร็จ แต่การจัดการซัพพลายเชนยังพึ่งพาสเปรดชีต SAP และโทรศัพท์เป็นจำนวนมาก
advanced packaging, HBM, การควบคุมการส่งออก และความเสี่ยงจากซัพพลายเออร์หลายชั้น ล้วนต้องใช้เครื่องมือการจัดการแบบเรียลไทม์ชุดใหม่
ทิศทางเหล่านี้ไม่ได้ใกล้เคียงกับ “แอป AI” แบบเดิมในความหมายดั้งเดิม แต่กลับใกล้เคียงกับคอขวดที่แท้จริงของอุตสาหกรรม AI ที่กำลังจะมาถึงมากกว่า：กำลังประมวลผล ฮาร์ดแวร์ ซัพพลายเชน ความเร็วในการผลิต และความสามารถในการติดตั้งในโลกจริง
สัญญาณที่แท้จริงที่ RFS Summer 2026 ของ YC เปิดเผย
สัญญาณที่แท้จริงของ RFS Summer 2026 ของ YC คือ แรงรบหลักของการเริ่มต้นทำธุรกิจด้าน AI กำลังย้ายจาก “เครื่องมือเล็กในเลเยอร์แอปพลิเคชัน” ไปสู่ “การรื้อโครงสร้างระดับรากฐานของอุตสาหกรรม”
เรื่องนี้ไม่ได้หมายความว่า consumer AI ไม่มีโอกาส และก็ไม่ได้หมายความว่าเครื่องมือจะเป็นผลิตภัณฑ์ที่ดีไม่ได้
แต่ อย่างน้อยจากลิสต์ของ YC ชี้ให้เห็นว่า ทิศทางการเริ่มต้นธุรกิจที่ได้รับความสนใจที่สุดในตอนนี้ ไม่ใช่แค่การทำแอป AI ที่โชว์ได้ง่าย ดังง่าย และคัดลอกง่าย
แต่คือการเข้าไปอยู่ในสาขาที่มีขั้นตอนซับซ้อน ข้อมูลกระจัดกระจาย ความรับผิดชอบด้านการส่งมอบสูง ความรู้เชิงอุตสาหกรรมลึก และแม้แต่เกี่ยวข้องกับฮาร์ดแวร์และโลกทางกายภาพ
สิ่งนี้ยังทำให้ “AI-native” มีคำจำกัดความที่ชัดเจนขึ้น
บริษัท AI-native ไม่ใช่เอา chatbot ไปใส่มุมขวาล่างของเว็บไซต์ ไม่ใช่แค่ต่อ LLM เข้ากับกระบวนการเดิม
แต่ควรออกแบบใหม่ตั้งแต่เริ่มต้น ว่างานจะถูกทำให้สำเร็จอย่างไร ความรู้จะถูกเก็บอย่างไร ซอฟต์แวร์จะถูก agent ใช้งานอย่างไร บริการจะถูกส่งมอบอย่างไร และบริษัทจะสร้างวงจรการปรับปรุงด้วยตัวเองได้อย่างไร
หากการเริ่มต้นธุรกิจด้าน AI รอบก่อน แข่งขันกันว่าใครสามารถห่อโมเดลให้กลายเป็นผลิตภัณฑ์ได้เร็วที่สุด
รอบถัดไปอาจแข่งขันกันว่าใครสามารถฝัง AI เข้าไปใน “ส่วนที่ทำให้อุตสาหกรรมเดินหน้าจริง ๆ”
กล่าวคือ บริษัท AI ที่มีคุณค่าในอนาคตอาจไม่ได้ขายแค่เครื่องมือ แต่ขาย “ความสามารถของบริษัทแบบใหม่”
มันเข้าใจกระบวนการ ทำงานให้เสร็จ ผสานข้อมูล รับผิดชอบต่อผลลัพธ์ และเปลี่ยนระบบที่ในอดีตต้องพึ่งประสบการณ์ของมนุษย์เท่านั้น ให้กลายเป็นโครงสร้างพื้นฐานที่ AI มีส่วนร่วมในการทำงานได้
บทความนี้ YC เผยแพร่ถึง 15 ทิศทางสตาร์ทอัปที่ต้องการลงทุนใน Summer 2026：การเริ่มต้นธุรกิจด้าน AI ไม่ใช่แค่ยัด Chatbot เข้าไปในผลิตภัณฑ์
ปรากฏครั้งแรกใน 鏈新聞 ABMedia
