矽谷更重視硬體了!YC 2026夏季投資清單出爐:硬科技吸走逾半資金,AI已是基礎建設
矽谷更重視硬體了!YC 2026夏季投資清單出爐:硬科技吸走逾半資金,AI已是基礎建設

矽谷知名加速器Y Combinator(YC)每一季都會發布一份清單「Request for Startups(RFS)」,而這份清單都會被視為是一個產業趨勢訊號,代表矽谷的創投們認為哪些技術已經成熟、哪些市場變得脆弱,以及他們準備將資金投向何方。

相較於過去幾年矽谷瘋狂追逐SaaS(軟體即服務)與消費者應用,2026年夏季的YC RFS釋出的15個賽道名單卻相當不同:超過一半的領域轉向了資本密集的「實體世界」與「硬科技(Hard-Tech)」,涵蓋太空基礎設施、無人機防禦以及半導體供應鏈等重型產業。

至於當前最熱門的AI,YC認為這項革新技術已經被視為是「底層基礎建設」,去解決物理世界痛點或直接重塑傳統服務業商業模式。

趨勢一:AI從「外掛」走向「底層基礎建設」

過去兩年,AI創業圈充斥著大量的「外掛(Wrapper)」——開發者們在現有的軟體體系上,套上一層對話介面或「副駕駛(Copilot)」功能,但是YC認為這已經是過去式了。

根據《The Future Media》報導,YC團隊在本次清單中明確宣告:「AI已經不再是一個功能,而是成為了基礎。」矽谷不再對把AI當作附屬品的產品感興趣,他們尋找的是打從基因裡就是「AI原生(AI-native)」的新架構。

在這次的清單中,由YC合夥人Tom Blomfield提出的「企業大腦」與Diana Hu提出的「企業AI作業系統」詮釋了這個轉變。未來的企業不再依賴散落在員工腦海、舊信箱或Slack訊息中的破碎知識。相反地,新創公司需要打造一個「可執行的技能檔案庫」,將公司的每一次會議、客服與工單轉化為結構化數據,讓AI能夠即時監控、比較並調整營運,成為實際的營運者。

趨勢二:資金大規模轉向「硬科技」

這個轉變可能是最劇烈的,因為一直以來YC都相當喜歡軟體的創業題目,但這次公布的15個類別中,有超過一半與資本密集的硬科技或實體基礎設施有關。

根據《Superframeworks》與《The Future Media》的分析,這批名單包含了:由Garry Tan領軍的「低農藥農業AI」,結合電腦視覺、精準機器人與生物療法,試圖消滅九成的農藥使用;由YC合夥人Adi Oltean提出的「太空工業能力」,挑戰利用月球土壤的熔融物進行3D列印建造結構;以及針對現代金屬加工廠的數位化引擎。

值得注意的是,自從2024年秋季YC選入國防新創Ares Industries以後,對國防領域的重視越來越高。YC合夥人Tyler Bosmeny就特別在2026年夏季的YC RFS提出「反無人機蜂群防禦系統」領域。

「無人機防禦看起來已經不再像是操作武器,而更像是運行一個即時的分散式系統。未來的贏家,長得會像網路安全巨頭 Cloudflare,而不是傳統軍火商雷神(Raytheon)。」Tyler Bosmeny 說。

延伸閱讀:台海危機成契機!YC首次投資國防新創,創辦人僅留下一句話:「飛彈很酷。」

YC認為,單純的程式碼不再是唯一的護城河,結合物理法則、特許合規標準以及硬體基礎設施的解方,才是下一個十年的絕對贏家。

趨勢三:服務業的「軟體化」

傳統的服務業如律師、會計師、設計與廣告代理商,長期受困於「賣人頭」的商業模式。員工數量直接限制了營收上限,而人力的疲乏與流動則不斷侵蝕利潤。然而,AI正在顛覆這個擁有龐大預算的板塊。

根據《Wisely Chen 部落格》與《My Unicorn Club》的分析,未來的機構將不再賣「軟體工具」給客戶,而是直接販售「最終的服務結果」。例如,過去一間設計公司可能需要花費3週的時間提案、開會與修改,但現在透過AI原生的代理機構,3到5人的核心團隊配合AI算力,就能在極短時間內交付接近完稿的高品質作品,且產能可能是一家30人傳統公司的數倍。

YC合夥人 Gustaf Alströmer 將其定義為「AI原生服務公司(AI-Native Service Companies)」。這提升了工作效率,同時帶來利潤結構的根本性變化。當服務公司的擴張不再依賴漫長的招募與培訓,而是轉為增加AI算力時,這些原本屬於人力密集型的產業,將首次享有如同軟體公司(SaaS)般高達70%到80%的驚人毛利率。

趨勢四:下一代軟體的使用者是AI而不是人

如果說過去三十年的軟體開發,都是為了取悅人類的眼睛和手指;那麼接下來的十年,開發者必須學會取悅機器。

YC合夥人 Aaron Epstein 提出了觀察:「網際網路的下一個兆級用戶不會是人,而是AI代理(Agents)。」

目前,許多AI Agent 仍被迫在專為人類設計的圖形使用者介面(GUI)上抓取資料與點擊按鈕,這導致系統脆弱且緩慢,這就像是要求AI穿著不合腳的鞋子跑步。根據《The Founders Corner》報導,未來的軟體必須以API、模型上下文協議(MCP)以及命令列介面(CLI)為優先,並具備機器可讀的說明文檔。

這讓AI可以無須人類介入,自行發現、註冊、並呼叫新的工具。《The Founders Corner》將這個基礎設施的建置期,比喻為2006年的 AWS:當所有人都在追逐表層的網路應用時,真正聰明的資金正在搭建底層的水電網路。

趨勢五:AI壓低開發門檻,大型企業採購大門敞開

根據《My Unicorn Club》的數據對比,在2020年,一家SaaS公司達到10萬美元月經常性收入(MRR)通常需要18到24個月;但在2026年,藉由嵌入AI技術,這個過程已被壓縮到4到6個月。

YC合夥人 Jared Friedman 指出,AI讓軟體的開發成本暴跌了10到100倍。這意味著那些過去耗資數千萬美元、花費十年才建立起深厚程式碼護城河的巨型系統(如傳統ERP、晶片設計軟體、工業控制系統),如今在2到3人的AI敏捷開發團隊面前,變得極度脆弱。

與此同時,企業採購端也發生了翻天覆地的變化。根據《Superframeworks》的報導,Fortune 100(財星百大)企業的資訊長們,現在極度渴求AI解決方案。歷史上第一次,這些巨型跨國企業願意跳過長達三年的冗長採購與審查地獄,直接向剛成立第一年、僅有兩名創辦人的新創公司購買90天的試點專案,甚至開出百萬美元的訂單。只要新創團隊能在第一天就搞定SOC 2資安合規,並用AI證明投資回報率,大企業的預算金庫已向其敞開。

遊戲規則已變

簡單來說,YC 2026年夏季的RFS名單只說明一件事情:軟體已經成為標準配備,現在所有人都在搶著做未來十年的基礎建設。

根據《Superframeworks》的分析,既然軟體的開發成本已經變得低廉且容易被複製,企業真正的護城河便已經轉移到了物理基礎設施、特許法規優勢,以及直接掌握客戶關係的AI原生服務中。這也呼應了《The Founders Corner》的觀察:AI技術發展至今,產業的瓶頸已經正式從軟體轉移到了硬體與實體世界,而矽谷的頂尖資金正跟隨這個趨勢重新下注。

2026年夏季YC RFS完整清單

本文授權轉載自創業小聚

關鍵字: #時事追蹤
往下滑看下一篇文章
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻

當資料不能離開企業,運算就得靠近:AI 先改寫儲存架構

AI 帶來的第一個變化,不只是運算能力提高,而是企業必須重新決定資料放在哪裡。

儲存架構大致分為雲端與地端兩塊,QNAP 身為資料安全的守護者,長期發展的是地端網路儲存設備(NAS),並擴展至 25GbE、100GbE 高速網路交換器產品線,提供完整的儲存與高速網路基礎架構。威聯通科技(QNAP)總經理劉文義解釋,當資料因合規要求或敏感度不能上雲,就必須留在靠近使用者與應用的地方;運算需求一旦增加,承接資料的裝置也自然被推向地端 AI。

不能上雲的名單比想像中長。醫療業持有大量醫療個資,金融與保險業受到合規與法規限制,部分大學院校與設計公司也不希望資料被雲端存取。對這些組織而言,問題並不是雲端好不好用,而是一開始就沒有把核心資料全面上雲的選項。

qnap2.jpg
威聯通科技(QNAP)總經理暨威強電集團(IEI)董事長 劉文義
圖/ 數位時代

真正讓更多企業回頭計算的,則是長期成本。劉文義指出,資料上傳雲端可能免費,下載卻會按流量收費;當企業把一年、兩年、三年的費用加總回推,可能會發現,購買一台同等容量的 NAS,還能使用 7-10 年。資料規模愈大、存取愈頻繁,總持有成本的差距就愈值得評估。

這並不代表雲端與地端只能二選一。雲端仍適合模型訓練、程式開發與波動大的工作負載;地端則較適合高頻存取、對延遲敏感,或不能離開企業邊界的資料。企業真正要回答的,是每一類資料與任務應該放在哪裡。

依 QNAP 觀察,客戶過去關心的是需要幾 TB、幾 PB,或備份速度有多快;現在更常問的是,機器裡的資料要如何被 AI 活用。QNAP 也從 2021 年起,把公司發展定調在 AI 與高速網路的融合,試圖讓 NAS 從資料保存的位置,進一步成為資料被調用的位置。

當資料量持續擴大,搜尋與管理方式也會跟著改變。「在 NAS 裡放入 AI Agent 會越來越不可或缺。」劉文義舉例,當照片累積到 10 萬、20 萬張,要找出其中幾張特定畫面,已不可能只靠人工翻找。此時,能理解內容、接受自然語言指令的 AI 工具,會從加分功能逐漸變成必要條件。

從資料治理到地端推論:AI NAS 如何進入企業工作流?

AI NAS 不是「多了 AI 功能的 NAS」,而是 NAS 在企業工作流裡換了位置。 依 QNAP 觀察,目前客戶大致分布在一條導入光譜上。人數最多的一群,仍在把資料集中、分類、清理與建立權限。這一步看似與 AI 無關,卻決定後續系統能不能找到正確資料、辨識版本,並把答案交給有權限的人。

中間一群開始建置私有的檢索增強生成(RAG)知識庫。RAG 並不是重新訓練一個模型,而是在模型回答前,先從企業的 SOP、合約、法規或技術文件中取回相關內容,再產生附有來源依據的答案。QNAP 以 Qsirch 的語意搜尋能力協助建構這類應用,協助企業建立私有知識庫;而走在最前面的少數企業,則已經嘗試地端推論與 AI Agent。

模型的選擇權,QNAP 刻意留給客戶。知識庫背後採用哪一個模型,可由企業依需求決定,不綁定單一 AI 供應商。QNAP 也以 QuAgent AI 助理與模型情境協定(MCP)相關能力,讓管理者透過自然語言查詢狀態、調整設定,並讓 NAS 成為 AI Agent 可調用的資料節點。

不過,劉文義沒有把這條路說得太容易。他坦言,目前 NAS 硬體的 AI 運算能力仍有限。一般企業期待的應用,可能需要約 300 到 800 TOPS,甚至 1,000 TOPS,因此多數方案會以 NVIDIA 顯示卡補足算力;一張卡約需新台幣 10 萬至 12 萬元,一張算不完,就得配置 2 張或 4 張。

「整體成本可能是過去單獨一台 NAS 的 5 倍到 10 倍,並不是大部分中小企業都能接受。」除了硬體,使用者還需要 AI 應用的 Know-how、程式背景與開發資源,這些都是落地成本。

QNAP 則是透過算力分級讓各規模與需求的企業都可以有適合的解決方案。在 Computex 2026 搶先亮相的 QNAP AI NAS 中,一類是採用含有 iGPU 與專屬 NPU 的處理器平台,以一百多 TOPS 的範圍,可順暢使用 AI 應用程式;另一類機種則可安裝 1 張或 2 張 NVIDIA 顯示卡,處理更大的運算量。

同時 QNAP 也在軟體端也持續開發,目標是讓 NAS 裡的資料更有效率地被 AI 工具調用,讓資料成為有價值的知識。

從規格走到現場:能源公司如何導入私有 LLM?

本地 AI 實際落地部署會是什麼模樣?劉文義舉了一家約 50 多人的能源公司為例。這家公司原本想用 NAS 搭配雲端 AI 建置內部資料庫,但很快遇到兩個瓶頸:一是員工查詢時明顯出現卡頓;二是專利、技術與合約都高度敏感,高層不願上傳至公有雲,擔心機密資料會有外洩的疑慮。

後來,該公司導入 QNAP AI NAS 的旗艦機種 QAI-h1290FX,搭配顯示卡與全快閃 SSD,在地端部署私有大型語言模型,把數十年來封存的靜態檔案交給 AI 調用,進行跨檔案摘要與精準搜尋。員工因此省下翻找合約與報告的時間,核心機密也能留在企業內部。

這個案例說明,若任務範圍明確,有些應用不必動用雲端大型模型,地端運算量就可能足以支應。

但不同企業的資料量、查詢方式與模型大小不同,導入前仍需要概念驗證(POC)與技術人員評估。

而且,資料留在地端並不等於自動安全。企業仍要處理帳號權限、網路隔離、備份復原、漏洞修補與日常維運。地端的價值,是讓資料邊界與控制權回到企業手上;相對地,安全責任也會更直接地回到企業。

哪些企業現在該做,哪些再等?先看重複性與三個條件

能不能導入地端 AI,不只由產業標籤決定,也要看工作是否重複,以及場景能不能被清楚定義。劉文義觀察,第一批走進來的,除了受法規限制的醫療、金融與保險業,也包括利用地端 AI 加速資料處理的科技業,以及會計、律師等有大量重複文書工作的專業服務業,因為效益較容易被看見。

工廠也是可預期的場景。一條生產線可能有 10 台、20 台機器,每台處理與儲存資料的 Protocol 都不同,需要相對應的儲存裝置;生產過程累積的影像與紀錄可能要保存 3 年到 5 年。當企業要跨設備調用這些資料,AI Agent 與地端資料節點就有發揮空間。

「重複性資料處理越多,或重複性動作越多的產業,越容易透過導入 AI 提高工作效率。」反過來說,較傳統、人力密集,或仍高度依賴人工判斷的製造業,短期內未必能快速導入地端 AI。

依 QNAP 提供的資料,企業也可用「高頻、大量、敏感」三個條件做第一輪判斷:資料是否被頻繁調用?規模是否大到雲端傳輸與長期費用開始變得明顯?內容是否涉及個資、法規、智慧財產或商業機密?三個條件愈集中,地端部署愈值得評估;三者都不成立時,使用雲端 API 往往更簡單,也可能更划算。

可以先等的企業,大致也有三種。第一,資料仍分散、版本混亂、權限不清,急著上 AI 只會把混亂放大,先完成集中與治理,效率就可能先提升。第二,找不到一個具體且反覆發生的業務痛點,只因為「別人都在做」而採購,設備很可能變成昂貴的展示品。第三,使用量仍小、需求偶發,現階段雲端的彈性反而更有優勢。

因此,POC 不應只驗證「模型答不答得出來」,還要回答三個問題:資料由誰負責,誰可以存取?導入後能節省多少查找時間、傳輸成本或人工作業?正式上線後,誰負責資料、模型與資安維運?只有當效益與責任都能被量化,才適合從展示走向正式部署。

企業願意把部分資料留在自己的機房,動力最終仍回到資料主權。QNAP 的主要市場分布在歐洲、美洲與亞太,其中歐洲占比將近一半,而歐洲也正是全球推動資料主權的最大動力。

QNAP 的產品已取得 ISO 27001、ISO 27017 與 ISO 27018 等多項認證,並滿足 GDPR、HIPAA 等資料保護與法規遵循需求;累積至今,已售出約數百萬台裝置,協助企業打造智慧、安全的儲存方案。

至於普及時間點,劉文義提出一個明確的價格與效能交會點:地端應用若要順暢運作,運算量可能至少要達到 300 至 600 TOPS,甚至 800 TOPS,同時價格要落在新台幣 5 萬至 8 萬元。目前符合這些條件的硬體方案仍很有限。

qnap3.png
「AI NAS 不是多了 AI 功能,而是改寫了資料在工作流的位置。」威聯通科技總經理劉文義坦言,地端算力成本高昂,QNAP 透過「算力分級」與開放模型架構,助企業逐步建構私有 RAG 知識庫與 AI 團隊。
圖/ 數位時代

「預測約兩、三年後,應該很快會看到符合一般大眾期待、具備合理 CP 值的產品。那個時間點,就會是 AI 落地最蓬勃發展的時候。」在此之前,企業真正能先做的,不是搶著買最大的模型或最昂貴的顯示卡,而是把資料治理、使用權限與高價值場景準備好。

QNAP 以「資料煉油廠」比喻自己的角色:原油再多,沒有整理、提煉與配送的過程,也無法成為可用的能源。這個定位也點出地端 AI 的競賽條件——不是誰先買到算力,而是誰的資料先準備好被調用。模型會持續更換,但企業自己的資料層則會長期存在。

AI NAS 不是把模型塞進儲存設備,而是在資料必須留在企業內時,讓搜尋、推論與管理靠近資料的地端節點。

QNAP World Tour 2026 台北場將於 2026 年 9 月 18 日(五)舉行,現場將聚焦 AI 應用、儲存備份、網通產品、資安與監控,並安排 Live Demo,適合 IT 管理者、系統整合商與企業決策者參加。

活動地點:新板希爾頓酒店|如意 AB 廳

活動時間:09:20–16:00

地址:新北市板橋區民權路 88 號 2F

立即報名:https://bnex.tw/9f7my4

2026 QNAP 台灣企業資安韌性大調查,填問券抽好禮,倒數計時:https://www.surveycake.com/s/q4abw

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
台達電全解讀
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓