OPRR 快讯深度活动

Search Extension

Y Combinator：10个AI领域值得探索的创新方向

24-12-11 15:15

阅读本文需 20 分钟

AI 总结

看总结

原文标题：Golden Age of Building
原文来源：Y Combinator

原文编译：深潮 TechFlow

建设的黄金时代

当前是历史上最适合建设者的时代。我们刚刚见证了一个令人惊叹的场景：巨型机器人「筷子」从空中精准抓住一座坠落的摩天大楼。这不仅是技术的奇迹，更象征着建设能力的巨大飞跃。人工智能 (AI) 正以史无前例的速度改变着我们的工作方式，尤其对建设者而言，AI 正在带来深远的影响。可以说，我们正迈入一个建设的黄金时代，而这也为我们提供了一个难得的机会，去创造能够真正让国家变得更好的事物。以下是我们认为在这个黄金时代特别值得关注和探索的一些创新方向。

政府软件

（视频链接）

作者：Harj Taggar

向政府销售软件一向以高门槛著称，大多数创业者甚至不会考虑进入这个领域。但如果你能破解这个难题，回报将是巨大的。例如，Palantir 是少数成功打入这一市场的初创公司之一，目前其市值已高达 1250 亿美元。

现在可能是一个特别适合尝试的时机。由于财政赤字居高不下，政府迫切需要通过减少开支和提高效率来缓解压力。同时，人工智能技术的快速发展使得许多政府每年耗费数十亿美元的行政工作可以被自动化处理。

结合这两点，开发基于 AI 的软件来帮助政府自动化工作，不仅可以降低开支，还能提高效率。特别是，大语言模型 (LLMs) 在处理重复性行政任务（如填写表格、审查申请或总结文件）方面表现出色。作为政府服务的使用者，我们都将从更高效的服务中受益，例如再也不用在 DMV 排长队。

虽然政府听起来可能是一个不太吸引人的创业领域，但如果你愿意深入挖掘，我们非常期待听到你的想法。

公共安全技术

（视频链接）

作者：Garry Tan

每个人都应该在家中以及在街上行走时感到安全。这是文明社会应为其公民提供的基本保障。初创公司已经在这一领域展开了努力。例如，Flock Safety (YC S17) 开发的车牌摄像头，已经帮助解决了美国 10% 的报案犯罪案件，他们的目标是到明年将这一比例提升至 25%。同时，Abel Police (YC S24) 将警察填写文书工作的时间从数小时缩短至几分钟，每天为他们节省多达 25% 的时间，用于实际的警务工作。

公共安全技术正在并将继续带来真正的改变。如果你正在从事以下方向的创新，我们特别希望听到你的声音：

· 先进的计算机视觉：开发基于计算机视觉的技术，能够从视频流中识别可疑活动或需要帮助的人，同时保护个人隐私。

· 紧急响应技术：提高紧急响应速度和协调性的技术至关重要。如果你有能更快将帮助送达所需地点的想法，我们希望帮助你实现它。

· 社区安全工具：开发能改善社区与执法部门互动的工具，例如帮助邻居互相照顾，并随时了解安全状况的解决方案。

· 高效执法技术：帮助执法部门更高效、公平地工作的技术，例如工作负载管理系统或提高操作精度的工具。

如果你的初创公司已经准备好加入这一领域的创新浪潮，我们非常期待与你交流。

美国制造

（视频链接）

作者：Jared Friedman

在 19 世纪，英国通过成为「世界工厂」成为全球最富裕的国家。美国在 20 世纪也复刻了这一成功。然而，过去几十年中，美国逐渐放弃了这一角色。制造业的空心化不仅加剧了社会和政治分裂，也让美国在地缘政治上处于不稳定的境地。

将制造业带回美国是目前两党高度共识的领域之一。Elon Musk 已经通过在奥斯汀和内华达州建立特斯拉超级工厂，向我们展示了这一目标的可行性。我们认为，当前的技术进步为新一代建设者提供了更多机会去效仿他的成功。

基于机器学习 (ML) 的新型机器人系统使得更多的生产过程可以实现自动化，从而减少了将制造业外包到其他国家的劳动力成本差距。此外，像 SpaceX 和 Tesla 这样的公司，培养了一整代工程师，他们掌握了如何创建一家生产实体产品但以初创公司模式运作的美国企业。

我们已经看到这一模式的成功案例。例如，Astranis (W16) 在旧金山的中心地带建造电信卫星，而这里曾是二战期间为美国海军建造军舰的地方。Gecko Robotics (W16) 总部位于美国的老工业中心匹兹堡，专注于制造用于工业检查的机器人。Solugen (W17) 则在休斯敦的大型工厂生产工业化学品。

稳定币 2.0

（视频链接）

作者：Brad Flora 和 Harj Taggar

今年年初，我们曾发布一则寻找更多稳定币初创公司的请求。从那时起，稳定币领域的发展只会越来越好。长期以来，稳定币的主要挑战是监管问题，美国几次试图通过稳定币监管的努力都未能成功。但如今，美国的稳定币监管前景更加乐观，我们预计合理的立法即将出台。

今年，稳定币的支付交易量激增，现已占 Mastercard 支付量的五分之一以上。全球近 30% 的汇款通过稳定币完成，传统金融机构（如 Visa）也在为银行提供发行自有稳定币的平台。此外，Stripe 最近以 10 亿美元收购了一家稳定币初创公司 Bridge，这无疑将吸引更多投资者和资本进入该领域。

因此，现在是创立稳定币初创公司的最佳时机之一。我们尤其对以下方向的想法感兴趣：

· 面向企业的服务，帮助它们更轻松地持有和管理稳定币。

· 为开发者提供简单易用的工具，以便快速集成稳定币功能。

如果你正在探索稳定币相关的创新，我们非常期待与你交流。

用于芯片设计的大语言模型 (LLMs for chip design)

（视频链接）

作者：Garry Tan

每一次 AI 的技术突破都会推动对更强大芯片的需求，以支持更大规模模型的训练。在这场技术竞赛中，没有国家愿意落后。芯片的设计和制造如今不仅是经济问题，更是后 AI 时代生存的关键。OpenAI 的 O1 模型向我们展示了，具备推理能力的大语言模型 (LLMs) 能够推动科学与工程领域实现重大突破。我们对任何利用 LLMs 改善芯片设计的团队都非常感兴趣。

我们尤其关注那些专注于设计 ASIC (特定应用集成电路) 和 FPGA (现场可编程门阵列) 的团队。传统上，设计定制化数字系统需要大量的开发、设计和测试成本，因此 FPGA 和 ASIC 的研发一直是高成本、高门槛的领域。而随着大语言模型的出现，这些成本正在显著下降，使得更多类型的专用计算成为可能。

目前，大多数计算机采用冯·诺依曼架构 (Von Neumann architecture)，即通过单一共享内存处理程序和数据，并通过串行的取指和执行循环运作。这种架构的优点是灵活性高，系统易于重新编程。然而，对于特定任务（如加密货币挖矿、数据压缩或专用加密任务），通过优化算法和硬件设计，可以实现 5 至 100 倍的计算速度提升，同时能耗降低 10 至 100 倍。

以下是一个由 Taner Sadikoglu 提供的图表，展示了优化后的 FPGA 系统与传统 CPU 在数据流方面的差异。