硅谷创投界流传着一句话「孵化器只有两种，YC 与其他」。进入YC有多难？Ross 事后才知道。所有申请中，仅有大约 2% 的申请被接收。
经历有多赞？「那段经历非常难以置信，我们和顶级创业者一起工作，学到了很多技巧和经验，并且改掉了很多坏习惯。这对 ROSS 产生了重大影响。在 YC 的那段时间，我们得到了许多律所合伙人的帮助，他们给予反馈帮助我们改善产品。」Ross 回忆道。从 YC 出来之后，Ross 筹集到了第一轮投资，用于开发商用产品。
到目前为止，YC 孵化的独角兽包括 Airbnb 、Dropbox 、Stripe ，新近的包括 Twitch、Instacart 和 Coinbase 等。据统计，YC 总共投资孵化了超过 1000 家公司，估值总和超过 650 亿美金。
如今，YC 的演示日已经成为硅谷乃至世界投资者瞩目的对象，也是大家寻找下一只独角兽的地方。今天是2017 YC夏季演示日的第一天，人工智能创业公司仍然是重头戏，亮点集中在了自动驾驶、安防以及语音领域。今年早些时候，谷歌 Jeff Dean 还曾预测称，「三年内，医疗、自动驾驶等领域将是从机器学习获益最多的领域。」
一、自动驾驶
这个千亿级别市场距离我们仍然比较遥远的重要原因之一，就是激光雷达成本太高。传感器或者感知融合，是初创公司入局的一个切入口。
目前的自动驾驶汽车主要使用三种传感系统：摄像头、超声波探测器和雷达，便宜且易于部署。伊隆·马斯克认为，在特斯拉汽车上安装的摄像头、雷达和超声波传感器系统的性能正在快速提升，目前还不需要引入其他设备。这里的其他设备，就是第四种选择 激光雷达，采用激光扫描和测距来建立车辆周围环境的详细三维模型。
Lidar 图像具有高度准确性，可以与前三种传感器方式相提并论。但天气不佳时，激光雷达优势不再，无法提供高清晰图像，效果还比不上传统雷达。初创公司 Zendar 研发了一种高清晰度雷达，可在糟糕天气下检测到 200 米开外路况。据预测，接下来三年，全世界会制造出 1 千万辆自动驾驶汽车，该公司希望其研发的高清晰度雷达可以被更多的车辆使用。
为自动驾驶车辆提供「大脑」，是初创公司切入自动驾驶市场的另一条路径。May Mobility 就是这样一家初创公司，为用于商业车队的公司提供自动驾驶技术。他们提供的技术并非着眼十年后的市场，而是近期的「蛋糕」。因此，他们定位于预测性较强的驾驶环境，比如，老年社区、军事基地、学校等地进行特定路线的自动驾驶接送服务。
团队成员由密歇根大学的
机器人专家组成，有着多年经验，研发基础深厚。不过，公司并不想纯粹依靠技术取胜，而是要及时切入市场。他们的 CEO 表示，要颠覆整个无人驾驶车行业，必须拿出实际行动来——May Mobility 团队将会在今年 10 月在底特律驶出他们的第一辆无人驾驶班车，并通过实际的测试迭代升级产品。
目前，公司已经打造出可供潜在用户安装在车辆上的综合自动驾驶技术栈，虽然公司自己不制造车辆。另外，公司还希望提供从日常运作到维护和清洁的全面自动车队运营服务。公司筹集了约 350 万美元。
为了使飞行员不会过于疲劳，现代飞机都装有自动驾驶系统，由机载计算机控制飞机自动飞行。人们早在几十年前，就发明了自动驾驶仪。不过，天上飞行遇到的情况，远不如地面复杂。这或许也是自动驾驶系统出生更晚的原因之一。
初创公司 Pyka 想将无人驾驶的地面模式搬到天上，打造可以自动飞行的单人飞机。公司已经建造好了一架 400 磅的单人飞机，可以在 90 英尺范围内自动升起降落。由于监管机构要求搭载人类前必须进行大量测试，Pyka 已经在新西兰占了一个坑——给农作物喷洒药物，该市场规模已达 15 亿美元。
Pyka 无人机可以在低空、崎岖山区等环境飞行，农业药物喷洒速度高达 70 英里每小时，并且可以在固定时间、按固定路径飞行工作。这项业务可谓一石二鸟：一方面，公司每小时入账 600 美元；另一方面，还可以记录时间，为将来人类交通市场做好准备。公司员工主要来自 Zee airplanes 和 Waymo，他们立志成为该领域第一个吃螃蟹的人。
二、安防与安全
安防领域一直被认为是人工智能技术落地最好的行业之一，市场规模也相当可观。这主要源于安防本身的两大特性。首先，以
视频技术为核心的安防行业拥有海量的数据来源，可以充分满足人工智能对于算法模型训练的要求；其次，安防行业中事前预防、事中响应、事后追查的诉求与人工智能的技术逻辑完全吻合。
初创公司 Flock 打造一款旨在保护街坊邻里的无线摄像头，瞄准的是 15 亿美元的本地市民市场。这款户外摄像头可以跟踪车辆并记录下车牌号码，如果有罪案发生，可为地方警察提供必要数据。当被盗车辆进入安全范围内，摄像头还有预警通知功能。目前，公司已经协助破获一起罪案，已被多个社区采用。
数据与隐私摩擦，如影随行，接连不断。近期，苹果等科技巨头公司甚至制作「法庭之友」意见书，提请美国联邦最高法院将数据隐私问题纳入第四修正案的管辖范围。初创公司 D-ID 试图通过人脸识别技术，对用户发出的照片进行反向识别，使得照片在能用肉眼看清的情况下也无法被软件识别，从而保护用户身份隐私。D-ID 主要服务对象分为三类：需要保护员工、用户
图片隐私的公司，需要保护病人隐私的健康管理公司，政府及相关安全部门。据悉，目前已经签订了价值 100 万的合作意向书。
三、语音
语音市场庞大、竞争激烈，但这不能阻挡新创业公司接连入局。亚马逊 Alexa 虽然引领风骚，但用户体验也存在不少槽点。有的创业公司势将深度链接进行到底。有的公司想让 Alexa 用起来更简单，比如 Life Bot。
繁杂如同咒语般的任务命令（程序名字、还有命令脚本），让许多用户望而生畏。据分析，用户停留在 Alexa 上的时间仅为 3%。为了让 Alexa 易上手，美国初创公司 Life Bot 推出了一款基于亚马逊语音助手 Alexa 开发的语音机器人，让繁复的咒语命令立刻简单起来。
比如，只要简单说一句「Alexa，让 Lift Bot 把备忘录发给我，」虚拟助手就会立刻完成相应任务。Life Bot 可以为用户发送每日的任务提示，跟踪每日的 to do list，阅读新闻等等。Life Bot 还可以延伸 Alexa 现有技能。随着用户越来越喜欢使用 Alexa，丰富的数据会让助手变得更个人化、定制化、智能化。目前，用户在 Lift Bot 上停留的时间为 52%，公司计划在 Google Home 和 Microsoft Cortana 上推出自己的服务。
老年社会的来临，除了为体外骨骼（一种软体机器人）、看护机器人带来商机之外，也为一些创业公司提供了新的灵感。据统计，每年会有数以百万计的老年人摔倒，摔倒后往往会遗落一些个人随身财物，比如贵重首饰或者监护健康、安全的可穿戴设备，老人常常忘记它们。这既是安全隐患，也是产品设计的失败。Totemic Labs 正在打造一款类似亚马逊 Echo 的设备，通过声音自动识别跌倒并做出响应。团队希望只要一个设备就可以检测到全家人。在该公司看来，120 亿美元的市场里，每款设备可为公司带来 300 美元的收益（每年）。
四、市场营销
考恩集团多部门股权研究（Company Multi-Sector Equity Research）近期的一项研究报告指出，数字营销、销售力（CRM）和数据分析将成为运用 AI/ML（机器学习）最成熟的三大领域。
非结构化暗数据的价值非常大，比如，购物时随处可见的用户评论。苹果曾以 2 亿美元的价格收购了人工智能初创企业 Lattice Data。这家公司擅长采集非结构化的暗数据（dark data），然后将其进行结构化，挖掘有用信息。
Thematic 也是一家善于非结构化数据分析的初创公司。对于商家来说，无论是吐槽还是赞许，反馈多总是好事，但是如何从海量非结构化数据中提取洞见，可不是件容易的事情。这家公司能够专注分析非结构化数据来源，将消费者反馈转化为交互式可视化报告，根据他们的需求总结出一般性问题并生成没有偏见的可量化观点。帮助公司充分了解客户的全局视图及需求。公司成立以来，已分析百万数据量。目前正在为合作伙伴（比如达沃丰等）提供服务。
五、医疗
医疗市场庞大，到 2021 年，医疗健康行业的 AI 市场预计达 66 亿美元。适合 AI 落地的场景主要包括疾病的诊断、预测、治疗和管理服务。
九成的肿瘤患者死于肿瘤转移，治疗策略也要与时间赛跑。Cambridge Cancer Genomics 研发了一种通过血液检测来判断癌症治疗效果的办法。通常，医生需要用 ６ 个月的时间来判断化疗方案是否有效，三分之二的化疗方案都以失败告终。这家创业公司研发的血液测试方法比传统标准检测所花费的时间快好几个月，大大缩短了判断时间，医生也因此可以尽早转换治疗方案。具有癌症研究经验的四位博士生创办并经营这家公司，他们利用一套数据集打造出这款 AI 系统。据说，该数据集规模４倍于公开数据集，因为他们获取道每个协议医疗单位的数据。
六、建筑
AI 除了可以实现自动建模、让建筑师画图更容易之外，还可以将他们拯救于铺天盖地、繁琐无比的规范中。自助合规审查，是法律 AI 一个非常重要的
应用场景，也是一个适合创新的领域。创业公司 UpCodes 将这一思维引入建筑行业。
对于建筑师来说，遵守建筑规范意味着在不同城市之间的不同层次的法规中穿行。整理不同法规和跟踪更新法规，是一项艰巨的任务。在最坏情况下，一个错误的代价可能是数千甚至数百万美元。UpCodes 想要让所有建筑师更容易遵守建筑法规。
公司将所有建筑师法规放在一个地方，实时更新，大大简化了工作流程。公司会立即更新应用中的所有规定，并使用工具来监控网站上发布的变化。UpCodes 可以使建筑师在不同的司法管辖区工作变得更容易，成本也更低。
到目前为止，UpCodes 已经处理了超过 11 万次的搜索，他们说这是「世界上最大的建筑搜索数据」。专家表示，在未来，这将被用来为建筑规范建立智能预测模型。
七、其他值得注意的应用场景
Alpha Go 的第一个接地气应用是省电费。在中国，百度利用自有人工智能技术，在百度科技园 K2 楼运行了智能楼宇项目。据报道，预计未来每年都会为科技园节约 100 万度以上的电量。这只是百度相关项目的第一步，百度表示，未来还将继续和业内领先楼宇自控厂家合作，持续输出百度在能源管理、物联网、人脸识别等方面能力，努力把智能楼宇这个事情变得更加简单。
初创公司 VergeSense 同样使用硬件传感器和机器学习技术来帮助公司更有效地运营建筑物。对于大多数公司而言，房地产成本是其业务的第二大成本，VergeSense 认为可以将成本降低 10％至 15％。通过在公司的建筑物周围安装无线传感器，可以识别人的流动，基于这些数据，可以精确计算办公楼的空间利用率，也包括紧急情况突发时的室内人数等。据了解，目前该公司已有付费用户，其中包括财富 500 强企业。
数据显示，2013 年美国招聘市场的估值达 1200 亿美元，占全球份额的 30%，这个数据还以每年 7% 的速度在增长。但市场也存在不少痛点。比如，对大型科技公司招聘人员来说，招聘是一个相当密集和昂贵的过程。创业公司 10by10 正在建立一个市场——通过在招聘机构中汇集数据，更快地匹配合格的候选人与公司。上个月刚刚成立的 10by10 表示，在过去一个月已经有 60 万美元的预计收入，初创公司客户与被聘人员平摊费用。
农业事关吃饭问题。本世纪初，人工智能在农业领域的研发及应用就已经开始，这其中既有从事耕作、播种和采摘等工作的
智能机器人，也有智能探测土壤、探测病虫害、气候灾难预警等智能识别系统，还有在家畜养殖业中使用的禽畜智能穿戴产品。这些应用正帮助我们提高产出、提高效率，同时减少农药和化肥的使用。
目前，创业公司 Modular Science 在加州的佩塔鲁玛 （ Petaluma ） 推出了机器人，目标是在未来 6 个月内，将 99% 的蔬菜生产过程自动化。公司希望每英亩收费 2000 美元，他们说，这个成本只是目前农场向人类劳动力支付的一半，另一方面也希望推动农场采用对环境更友好的生产方式。
苹果商店几乎充满了各式「聪明的」日历，如 Sunrise 、Tempo 等。这块颇受创业公司青睐的领域又添一员新玩 Meetingbird**。**公司开发出一种智能日历，可基于浏览器插件，对用户的日历进行整理。日历自动追踪用户的空余时间，进行事件预约，并可将行程自动备份到用户的个人日程表。目前，产品有团队、个人两个版本。该产品的公司用户现在包括 Shopify 、Yelp 、YC 、Uber 、Wework 等等。
