Y Combinator：10個AI領域值得探索的創新方向

Bitget App

交易「智」變

Bitget

資訊中心

BlockBeats2024/12/11 07:15

作者:BlockBeats

目前是歷史上最適合建設者的時代，AI正在帶來深遠的影響，我們正邁入一個建設的黃金時代。

原文標題：Golden Age of Building
原文來源：Y Combinator

原文編譯：深潮TechFlow

建置的黃金時代

目前是歷史上最適合建設者的時代。我們剛剛見證了一個令人驚嘆的場景：巨型機器人「筷子」從空中精準抓住一座墜落的摩天大樓。這不僅是科技的奇蹟，更像徵著建設能力的巨大飛躍。人工智慧 (AI) 正以史無前例的速度改變我們的工作方式，尤其對建造者而言，AI 正在帶來深遠的影響。可以說，我們正邁入一個建設的黃金時代，而這也為我們提供了一個難得的機會，去創造能真正讓國家變得更好的事物。以下是我們認為在這個黃金時代特別值得關注和探索的一些創新方向。

政府軟體

（影片連結）

作者：Harj Taggar

向政府銷售軟體一向以高門檻著稱，大多數創業者甚至不會考慮進入這個領域。但如果你能破解這個難題，回報將是巨大的。例如，Palantir 是少數成功打入這一市場的新創公司之一，目前其市值已高達 1,250 億美元。

現在可能是特別適合嘗試的時機。由於財政赤字居高不下，政府迫切需要透過減少開支和提高效率來緩解壓力。同時，人工智慧技術的快速發展使得許多政府每年耗費數十億美元的行政工作可以自動化處理。

結合這兩點，開發基於 AI 的軟體來幫助政府自動化工作，不僅可以降低開支，還能提高效率。特別是，大語言模型 (LLMs) 在處理重複性行政任務（如填寫表格、審查申請或總結文件）方面表現出色。作為政府服務的使用者，我們都將從更有效率的服務中受益，例如再也不用在 DMV 排長隊。

雖然政府聽起來可能是一個不太吸引人的創業領域，但如果你願意深入挖掘，我們非常期待聽到你的想法。

公共安全技術

（影片連結）

作者：Garry Tan

每個人都應該在家中以及在街上行走時感到安全。這是文明社會應為其公民提供的基本保障。新創公司已經在這一領域展開了努力。例如，Flock Safety (YC S17) 開發的車牌攝像頭，已經幫助解決了美國 10% 的報案犯罪案件，他們的目標是到明年將這一比例提升至 25%。同時，Abel Police (YC S24) 將警察填寫文書工作的時間從數小時縮短至幾分鐘，每天為他們節省多達 25% 的時間，用於實際的警務工作。

公共安全技術正在並將繼續帶來真正的改變。如果你正在從事以下方向的創新，我們特別希望聽到你的聲音：

· 先進的電腦視覺：開發基於電腦視覺的技術，能夠從視訊串流中識別可疑活動或需要幫助的人，同時保護個人隱私。

· 緊急應變技術：提高緊急應變速度和協調性的技術至關重要。如果你有能更快將幫助送達所需地點的想法，我們希望幫助你實現它。

· 社區安全工具：發展能改善社區與執法人員互動的工具，例如幫助鄰居互相照顧，並隨時了解安全狀況的解決方案。

· 高效執法技術：幫助執法部門更有效率、公平地工作的技術，例如工作負載管理系統或提高操作精度的工具。

如果你的新創公司已經準備好加入這一領域的創新浪潮，我們非常期待與你交流。

美國製造

（影片連結）

作者：Jared Friedman

在 19 世紀，英國透過成為「世界工廠」成為全球最富裕的國家。美國在 20 世紀也復刻了這項成功。然而，在過去幾十年中，美國逐漸放棄了這個角色。製造業的空洞化不僅加劇了社會和政治分裂，也讓美國在地緣政治上處於不穩定的境地。

將製造業帶回美國是目前兩黨高度共識的領域之一。 Elon Musk 已經透過在奧斯汀和內華達州建立特斯拉超級工廠，向我們展示了這一目標的可行性。我們認為，目前的技術進步為新一代建設者提供了更多機會去效法他的成功。

基於機器學習(ML) 的新型機器人系統使得更多的生產過程可以實現自動化，從而減少了將製造業外包到其他國家的勞動力成本差距。此外，像 SpaceX 和 Tesla 這樣的公司，培養了一整代工程師，他們掌握瞭如何創建一家生產實體產品但以新創公司模式運作的美國企業。

我們已經看到這一模式的成功案例。例如，Astranis (W16) 在舊金山的中心地帶建造電信衛星，而這裡曾是二戰期間為美國海軍建造軍艦的地方。 Gecko Robotics (W16) 總部位於美國的老工業中心匹茲堡，專注於製造用於工業檢查的機器人。 Solugen (W17) 則在休士頓的大型工廠生產工業化學品。

穩定幣2.0

（影片連結）

作者：Brad Flora 和Harj Taggar

今年年初，我們曾發布一則尋找更多穩定幣新創公司的請求。從那時起，穩定幣領域的發展只會越來越好。長期以來，穩定幣的主要挑戰是監管問題，美國幾次試圖通過穩定幣監管的努力都未能成功。但如今，美國的穩定幣監管前景更加樂觀，我們預期合理的立法即將出台。

今年，穩定幣的支付交易量激增，現已佔 Mastercard 支付量的五分之一以上。全球近 30% 的匯款透過穩定幣完成，傳統金融機構（如 Visa）也正在為銀行提供發行自有穩定幣的平台。此外，Stripe 最近以 10 億美元收購了一家穩定幣新創公司 Bridge，這無疑將吸引更多投資者和資本進入該領域。

因此，現在是創立穩定幣新創公司的最佳時機之一。我們特別對以下方向的想法感興趣：

· 面向企業的服務，幫助它們更輕鬆地持有和管理穩定幣。

· 提供開發者簡單易用的工具，以便快速整合穩定幣功能。

如果你正在探索穩定幣相關的創新，我們非常期待與你交流。

用於晶片設計的大語言模型(LLMs for chip design)

（影片連結)

作者：Garry Tan

每一次AI 的技術突破都會推動對更強大晶片的需求，以支援更大規模模型的訓練。在這場技術競賽中，沒有國家願意落後。晶片的設計和製造如今不僅是經濟問題，更是 AI 時代後生存的關鍵。 OpenAI 的 O1 模型向我們展示了，具備推理能力的大語言模型 (LLMs) 能夠推動科學與工程領域實現重大突破。我們對任何利用 LLMs 改善晶片設計的團隊都非常感興趣。

我們特別關注那些專注於設計 ASIC (特定應用積體電路) 和 FPGA (現場可程式閘陣列) 的團隊。傳統上，設計客製化數位系統需要大量的開發、設計和測試成本，因此 FPGA 和 ASIC 的研發一直是高成本、高門檻的領域。而隨著大語言模型的出現，這些成本正在顯著下降，使得更多類型的專用計算成為可能。

目前，大多數電腦採用馮諾依曼架構(Von Neumann architecture)，即透過單一共享記憶體處理程序和數據，並透過串列的取指和執行循環運作。這種架構的優點是彈性高，系統易於重新編程。然而，對於特定任務（如加密貨幣挖礦、資料壓縮或專用加密任務），透過優化演算法和硬體設計，可以實現 5 至 100 倍的計算速度提升，同時能耗降低 10 至 100 倍。

以下是一個由 Taner Sadikoglu 提供的圖表，展示了最佳化後的 FPGA 系統與傳統 CPU 在資料流上的差異。