官网:https://www.replicas.dev/
你有没有想过,为什么我们总是让AI 代理一个接一个地工作?一个代理写完代码,下一个代理才开始。这就像一条生产线上只有一个工人,其他工人都在等待。
Replicas 的创始人 Connor Loi 看到了这个问题。他的想法很直接:与其让AI 代理排队工作,不如让它们在隔离的虚拟环境里并行工作。这样一来,一个团队可以同时处理多个任务——修复bug、添加功能、重构代码,全部并行进行。
Replicas 的工作流是这样的。你可以从 GitHub、Slack、Linear 或仪表板中触发任务。比如在 PR 评论里提到 @tryreplicas,它就会自动修复代码。或者在Slack 里 @Replicas,告诉它”加个黑暗模式”,它会直接在沙盒里写代码、跑测试、生成PR。整个过程完全自动化。
最聪明的地方是隔离机制。每个代理都在自己的虚拟机里工作,有独立的开发环境、数据库、本地服务器。改动相互隔离,不会互相干扰。这意味着你可以同时运行10 个代理,它们各自做各自的事,最后再统一审查和合并。
有趣的是这家公司的工程团队已经在用 Replicas 来加速自家的 PR 审查和代码修复的流程(dog-fooding
)。
官网:https://dispatch.space/
这个听起来有点像科幻小说,但却是 Dispatch 在做的一件真实的事:建造可重复使用的太空返回舱,让公司在微重力环境下制造超高价值的材料。
为什么要在太空制造?因为有些材料只能在失重环境下制造。比如某些特殊的晶体、生物制药产品、高性能材料。在地球上,重力会干扰这些过程。但在太空,你有完美的失重环境。
Dispatch 的首个产品叫 Free Flyer 1,是一个可回收的轨道返回舱。半导体公司、生物制药公司、材料科学公司可以把实验放上去,在失重环境下进行。实验完成后,返回舱自动返回地球,把样品送回。
这打开了一个全新的制造方式——在太空里做一些地球上做不了的东西。Dispatch 的首次完整轨道回收任务定在2026 年4 月发射。
商业模式很清楚:高频货运返回,成本大幅降低。传统的太空制造成本之所以是天价,是因为发射和回收都很贵。而 Dispatch 通过可重复使用和高频次,把成本降下来。
官网:https://scienceswarm.ai/
传统的科学研究是一场漫长的马拉松。从提出假设、查阅海量文献、设计实验到等待同行评审,一个新发现往往需要耗费数年时间。并且,目前全球只有极少数人(约 0.1%)在积极从事科学研究,因为成为一名科学家通常需要长达 12 年以上的专业培训和高昂的资金投入。
Gikl 的创始人 Peter Vajda 和 Seiji Yamamoto 看到了打破这一瓶颈的机会。他们认为,就像 AI 在短短两年内将软件开发的成本降低了 10 倍,让没有计算机学位的人也能开发产品一样,AI 同样可以彻底重塑科学研究的范式。
Gikl 的核心产品 ScienceSwarm 是一个专为 AI 代理(AI Agents)和人类研究者共同打造的协作平台,目前涵盖了大部分基础学科领域,如数学、生物学、物理学、材料学等等。它兼容了 Claude Code、Gemini CLI 等主流 AI 助手,为科学研究中的几个核心痛点提供了具体的解决方案:
首先,在文献综述环节,传统方式需要研究者花费数周时间扫描论文,且极易遗漏跨领域的关键信息。而 ScienceSwarm 的 AI 代理可以在几分钟内综合数千篇文献,迅速找出隐藏在不同学科之间的关联。
其次,在假设生成方面,人类的视野往往受限于个人的领域知识。ScienceSwarm 能够自动识别现有研究的空白,提出新颖的切入点,从而拓宽探索的边界。
最后,针对漫长的验证与审查过程,平台引入了 AI 代理与人类专家并行的实时验证机制,极大地缩短了从提出理论到确认结果的周期。
这是一家做硬件的公司,而且做的是防御系统。9 Mothers 在解决现代战场上的一个新问题:廉价无人机群的威胁。
他们的核心产品叫 EDDA,是一个 AI 驱动的小型防御炮塔。与传统防空系统追求“看得远、打得远”不同,EDDA 的设计逻辑完全倒转,它专门针对城市和近距离交战(10 到 100 米范围)进行优化,优先考虑“反应速度”而非“射程”。
为了对付像 7 英寸 FPV 这样高速移动的小目标,EDDA 放弃了昂贵的雷达和导弹,转而采用了一套极具实战智慧的组合方案。首先,在探测方面,它是一套“完全被动、零信号特征”的系统。这意味着它不主动发射任何电磁波,敌方的无人机检测设备根本无法发现它的存在。同时它通过捕捉无人机电机发出的特征声音(声学粗追踪)结合 AI 视觉进行实时锁定。
此外,在工程设计上,EDDA 展现出了很高的灵活性。它借鉴了 F1 赛车的轻量化理念,整个炮塔的尺寸仅为 0.5 x 0.5 x 0.5 米,重量控制在 23 公斤左右。
这种低功耗、可完全自主运行的紧凑设计,使得它可以被快速部署在战壕、楼顶或车辆上,成为防御无人机群的终极“哨兵”。
17:Lamina Labs 教育视频的“AI 工厂”
官网:https://www.laminalabs.ai/
现在的 AI 视频赛道,几乎所有的钱都在往“好莱坞梦”里砸——大家都在比拼谁能生成更逼真的电影级大片。但 Lamina Labs 的两位创始人(分别来自 MIT 和 Caltech)发现了一个被遗忘的角落:教育。
他们发现,市面上大多数所谓的“快速生成”工具,本质上只是给营销团队设计的模板套壳器。而那些真正在做教育科普的人,依然在用 Manim 或 After Effects 这种硬核软件,一行行敲代码、一帧帧调动画。做一个 60 秒的硬核讲解视频,往往要熬上好几个通宵。
Lamina Labs 的核心产品叫 Pictor,它的核心杀手锏就一个字:快。你只需要输入一段想要讲解的文本,它能在 8 秒内生成一个包含动画、配音和字幕的完整讲解视频。
但快并不是它最厉害的地方。目前市面上的主流 AI 视频工具(基于扩散模型)都有一个致命弱点:幻觉。它们生成的视频超过 10 秒就会开始抽风:
你要他画正弦波,他给画一个余弦波;画出的重力方向可能是歪的。但在教育领域,“差不多”就等于“完全错误”。
为了解决这个问题,Pictor 抛弃了主流的扩散模型,转而采用了一种确定性的、数学精确的渲染方式。在这个系统里,没有概率,没有幻觉,每一帧画面都是基于物理规律和数学公式精确计算出来的。它确保了向量指向正确的地方,重力垂直向下,正弦波就是标准的正弦波。
对于在线课程平台、企业培训部门或者每一个试图把复杂概念讲清楚的创作者来说,Pictor 意味着他们终于可以把几天的爆肝工作,压缩成喝口水的 8 秒钟(至少他们跟 YC 的投资人是怎么说的哈哈哈)。
18:Standout 帮职场牛马谈薪资的 Agent
官网:https://standout.work/
在硅谷,有一个很有意思的现象:好莱坞的演员有经纪人帮他们撕资源,NBA 的球星有经纪人帮他们谈顶薪,但那些写出估值上亿代码的顶尖程序员,却只能靠自己维护一个干巴巴的领英主页,然后在面试时被 HR 压价。
Standout 的创立就是为了打破这个现状。他们的逻辑非常简单粗暴:“既然你创造了巨星级的价值,就应该像巨星一样被代理。”这家公司把自己定位为科技精英的“好莱坞式经纪人”,专门服务那些来自 Google、Meta、MIT 等顶尖机构的技术人才。
他们的目标是让这些“只会写代码、不懂怎么卖自己”的技术大牛,把精力全放在技术上,剩下的包装、找机会、谈钱等脏活累活,全交给经纪人来办。
Standout 并不是那种传统的猎头公司,而是一个由 AI 驱动的超级代理平台。传统猎头是“为了赚公司的佣金,把你塞进某个岗位”,而 Standout 的逻辑是“为了你的利益最大化,去市场上扫货”。
系统每天会自动扫描超过 10 万个职位,从中过滤掉那些平庸的机会,只把最顶级的隐藏高薪岗位推给你。一旦系统匹配成功,Standout 不会让你自己去投简历,而是直接把你引荐给那 1000 多家由顶级 VC 支持的初创公司的创始人。
更关键的是,他们会直接下场帮你进行薪资和期权谈判。对于那些患有“冒名顶替综合征”、不擅长自我营销、或者根本不知道现在市场上行情到底怎样的技术人来说,Standout 就像是雇了一个懂行又强硬的“谈判外挂”。他们利用手里的薪资信息差和专业的谈判技巧,确保你拿到的薪资配得上你的才华。
19:qomplement 文件处理的“自动化牛马”
官网:https://qomplement.com/
对于很多传统企业的财务和运营团队来说,每天最痛苦的事情就是面对成百上千张格式各异的发票、PDF 报表和图片,然后手动把上面的数字一行行敲进公司的 Excel 或者老旧的 ERP 系统里。
qomplement 就是为了解决这种“脏活累活”而生的。它的核心逻辑并不是让你去适应一套新的复杂软件,而是做了一个“外挂”。
并且,因为涉及企业核心数据,他们直接拿下了 SOC 2 Type II、ISO 42001 等一堆硬核的安全认证,保证数据绝不会被拿去训练大模型。
qomplement 的产品体验非常“丝滑”,主打一个“不改变你现在的工作习惯”。你只需要把各种乱七八糟的 PDF、图片或者 Excel 拖拽进去,AI 就会自动把里面的关键数据提取出来,然后按照你原有的模板格式填好。
它还有两个非常惊艳的黑科技。一个是“文档里的 ChatGPT”——你可以在文档里直接框选一段数据,弹出一个聊天框,让 AI 帮你实时分析或者转换格式(有点像代码神器 Cursor 的内联编辑功能)。
另一个是“计算机视觉代理”——很多老旧的 ERP 系统甚至没有 API 接口,传统自动化工具束手无策。但 qomplement 的 AI 能像真人一样“看”懂你的屏幕,识别出输入框,然后自动把数据填进去,完全不需要写代码做系统对接。
20:Arga Labs 给程序员当“小白鼠”的测试沙盒
官网:https://www.argalabs.com/
现在很多公司都在用 AI 代理(Agent)写代码,速度确实快到起飞,但问题也随之而来:谁来检查这些代码对不对?
目前的情况是,AI 几秒钟写完一个功能,最后还是得苦逼的程序员自己去一行行看、一遍遍点各种流程来测边界情况。这导致程序员成了 AI 时代的“瓶颈”。
更可怕的是“代理间隙(Agent gap)”:现在的 AI 代理不仅会写代码,还会直接调用 Stripe 扣款、发 Slack 消息、改生产数据库。如果在真实的生产环境里,AI 调错了一个接口,那就是一场灾难。毕竟,你不可能拿真实的客户数据去给 AI 做“红队测试”。
Arga Labs 的解决方案非常硬核:他们搞了一个叫“数字孪生(Digital Twin)”的沙盒。
简单来说,它能完美克隆一个和你们公司生产环境一模一样的虚拟世界。在这个世界里,有假的 Stripe、假的 Slack、假的 Discord,连 API 接口和报错反应都和真的一模一样。当 AI 写完代码或者修复一个 Bug 后,Arga 会自动生成端到端的测试计划,在这个假世界里跑一遍。
它还有一个“全栈会话重放”的黑科技,能把用户遇到 Bug 时的状态原封不动地拍个快照,让 AI 在完全相同的环境里去修。哪里出错了,直接在沙盒里炸,绝对影响不到真实用户。
现在,无论是开发新功能,还是半夜被警报叫醒修 Bug,程序员都可以让 AI 去干活,然后让 Arga 去验收,终于不用天天跟在 AI 屁股后面擦屎了。

这些项目里,有哪个让你觉得“这简直就是来拯救牛马打工人的”?或者有哪个让你觉得“这也能拿投资”?欢迎在评论区留言,分享你最看好哪一家,或者直接吐槽。
没准几年后,你今天看好的公司就成了下一个超级独角兽,到时候别忘了回来打卡,当个光荣的“精神股东”
*公众号后台回复“YC 列表”获取完整 list
最新!$4300万买一张入场券,a16z 正在占坑 Agents“健身房”
YC 2026 最新名单出炉:硅谷最聪明的钱,今年都在押注这几个 AI 赛道(上)