Requests for Startups 2026 summer 입니다. 전체 내용은 여기서 보시면 됩니다. 읽고 나면 느끼는 생각은.. 미국 투자사들이 '돈 버는 이유가 있네' 입니다.

1. 저농약 농업을 위한 AI (AI for Low-Pesticide Agriculture)

by Garry Tan

결론: 농약 사용을 90% 줄이면서 동시에 더 많은 식량을 재배할 수 있도록 돕는 회사? 그것은 단순히 좋은 사업이 아니라, 세대를 정의하는 회사입니다. 농가가 더 적은 화학물질로 더 많이 생산할 수 있도록 돕는 도구를 만들고 있다면, 투자하고 싶습니다.

배경:

  • 농가는 악순환에 갇혀 있습니다: 화학물질을 더 많이 사용 → 효과는 줄어듦 → 비용 증가 → 리스크 증가. 잔류 농약은 음식, 물, 토양 어디에나 있고, 잡초와 해충은 진화해 기존 농약을 무력화합니다. 멈출 수도 없습니다 — 해충이 이기면 작물이 죽고, 식량 가격이 오르고, 사람이 굶습니다.
  • 그러나 여러 변화가 동시에 일어났습니다. AI가 이제 잡초, 해충을 실시간으로 개별 식별할 수 있고, 센서, 카메라는 어디에나 설치할 만큼 저렴해졌으며, 로보틱스는 밭 전체가 아닌 한 그루 식물만 정밀 처리할 수 있게 됐습니다. 농업은 세계 최대 시장 중 하나여서, 비용을 낮추면서 수확량을 늘리면 도입은 폭발적입니다.

2. AI 네이티브 디스커버리 엔진 (AI-Native Discovery Engines)

by Jon Xu

결론: 과학적 진보에 의미 있는 기여를 할 회사들은 연구 코파일럿을 파는 것이 아니라, 연구자와 함께 가설을 제안하고 검증하는 AI 네이티브 '디스커버리 엔진'일 것입니다. 이것을 만들고 있다면 투자하고 싶습니다.

배경:

  • 수세기 동안 과학적 발견은 같은 루프(가설 → 실험 → 해석 → 반복)로 굴러왔습니다. 작동은 하지만 느리고, 매 단계가 인간의 상당한 노력을 요구합니다.
  • 프론티어 모델들이 다수 과학 추론 벤치마크에서 박사급 성능에 도달했습니다. 이제 모델이 가설 제안, 실험 설계, 데이터 분석, 다음 단계 제시를 도울 수 있고, 프론티어는 '코파일럿'에서 '폐쇄형 발견 루프(closed discovery loop)를 스스로 돌리는 지능형 시스템'으로 이동 중입니다.
  • 신약 개발, 신소재, 단백질 엔지니어링에서는 이미 design–make–test–analyze 풀 루프가 돌고 있습니다. 모델이 후보를 제안하고, 자동화 랩이 합성, 시험하고, 결과가 다시 피드백되어 후보를 반복 개선합니다.

3. AI 네이티브 서비스 기업 (AI-Native Service Companies)

by Gustaf Alströmer

결론: 서비스를 '개선'하는 게 아니라 '대체'하는 회사 — 소프트웨어가 아니라 서비스 자체를 파는 AI 네이티브 기업을 만들고 있다면 투자하고 싶습니다. 특히 보험 중개, 회계, 세무, 감사, 컴플라이언스, 의료 행정 영역에 관심이 있습니다.

배경:

  • 역사적으로 서비스는 SaaS 소프트웨어가 되었고, 2023~2025년 스타트업 대다수는 그다음 단계인 'AI 코파일럿' — 사람이 일을 더 잘하도록 돕는 도구 — 를 만들었습니다.
  • 다음 단계는 도구가 아니라 서비스 자체를 파는 회사입니다. 서비스 총 지출은 소프트웨어 지출보다 몇 배나 크고, 이미 아웃소싱되어 있는 영역이 많아 AI 네이티브 제품으로 대체하기 훨씬 쉽습니다.

4. AI 개인 맞춤형 의료 (AI Personalized Medicine)

by Ankit Gupta

결론: 지능형 개인 맞춤 의료의 미래를 위한 다양한 신생 스타트업이 등장할 것이고, 이 생태계의 모든 단계를 지원할 무언가를 만들고 있다면 투자하고 싶습니다.

배경:

  • Claude Code 같은 에이전트 하네스로 진단 검사, 게놈 스캔, EHR, 웨어러블 데이터를 분석해 매우 정확한 사용자 맞춤 제안이 가능해졌습니다.
  • 동시에 진단 생성 비용이 급락 중입니다. 게놈 시퀀싱 비용은 무어의 법칙보다 빠르게 떨어졌고, 조기 검출 가능한 신종 진단들이 시장에 진입하고 있습니다.
  • n=1 유전 치료제 '인쇄' 비용도 급락 중입니다. mRNA 같은 전달 벡터로 개인 맞춤 의약품을 설계·전달할 수 있고, FDA도 더 개방적인 태도를 보이고 있습니다. 풍부한 데이터와 지능이 가장 심각한 질병의 치료 접근을 민주화할 것입니다.

5. 컴퍼니 브레인 (Company Brain)

by Tom Blomfield

결론: 모든 회사가 AI 자동화로 굴러가려면 새로운 원자(primitive)가 필요합니다 — 바로 컴퍼니 브레인. 원천 회사 데이터와 신뢰할 수 있는 AI 자동화 사이의 잃어버린 레이어를 만들고 있다면 YC에 지원하세요.

배경:

  • 기업 AI 자동화의 가장 큰 장벽은 더 이상 모델이 아니라 도메인 지식입니다. 모델은 너무 빠르게 너무 좋아졌습니다.
  • 모든 회사의 결정적 노하우는 사람 머릿속, 오래된 이메일, Slack 스레드, CS 티켓, DB 등 도처에 흩어져 있습니다. 사람은 '어디에 있고 어떻게 적용하는지'를 어렴풋이 기억하며 일하지만, AI 에이전트는 그렇게 작동할 수 없습니다.
  • 필요한 것은 회사가 어떻게 작동하는지(환불 처리, 가격 예외 결정, 인시던트 대응 방식 등)에 대한 살아 있는 지도이자, AI가 안전하고 일관되게 실행할 수 있는 스킬 파일(executable skills file)입니다. 전사 검색이나 문서 챗봇과는 다릅니다.

6. 카운터-스웜 방어 (Counter-Swarm Defense)

by Tyler Bosmeny

결론: 드론 방어는 점점 '무기 운용'보다 '실시간 분산 시스템 운영'에 가까워지고 있습니다. 카운터-스웜 스택을 만들고, 비용 우위를 방어자에게 되돌리려는 창업자라면 투자하고 싶습니다.

배경:

  • 지난 달 값싼 이란제 드론 군집이 AWS 데이터 센터를 무력화했고, 아무도 막지 못했습니다. 패트리어트 미사일은 3백만 달러, FPV 드론은 5백 달러 — 모든 비용 우위가 공격자에게 있습니다.
  • 현재 안티드론 방어는 레이더, 카메라, 재머, 요격기, 쌍안경 든 인간 등 서로 대화하지 않는 시스템들이 엉망으로 쌓인 더미입니다. 취미용 드론에는 통해도 1,000대 협동 스웜에는 통하지 않습니다.
  • 필요한 것: 1대가 아니라 50대를 무력화하는 고용량 요격기, 모든 센서, 방어 자산을 단일 실시간 그림으로 융합하는 소프트웨어, 로터를 막는 에어로졸/스웜을 얽는 스트리머 같은 비운동 에너지 방어, 무선 재밍이 무용해진 시대에 자율 스택 자체를 공격하는 새로운 방법.

7. 다이내믹 소프트웨어 인터페이스 (Dynamic Software Interfaces)

by Ankit Gupta

결론: 미래에는 소프트웨어 회사들이 '사용자가 최종 인터페이스를 대폭 수정할 것을 충분히 의도한 채' 공유 원자(primitives)를 출하하게 될 것입니다. 소프트웨어 전달 스택 전체를 다시 생각하고 있는 급진적 사고의 창업자라면 투자하고 싶습니다.

배경:

  • AI 이전 대부분 소프트웨어는 '모두에게 맞는 하나의 옷' 같은 느낌이었습니다. Netflix식 '개인화'조차 레이아웃은 같고 이미지만 다른 수준이었습니다. 예외는 Forward Deployed Engineer가 고객별로 커스터마이징하는 엔터프라이즈 소프트웨어뿐이었습니다.
  • 코딩 에이전트가 이제 충분히 좋아져, 사용자가 스스로의 FDE가 되어 자기 용도에 맞게 인터페이스를 급진적으로 커스터마이징할 수 있습니다. 같은 이메일 클라이언트가 누군가에게는 태스크 리스트, 누군가에게는 이벤트 캘린더로 보일 수 있습니다.
  • 이를 위해 풀어야 할 질문들: 개발자는 패키지 바이너리가 아니라 소스 코드를 전달해야 하는가? 프론트엔드 시각 요소만 수정할 수 있는가, 아니면 미들웨어를 실시간으로 바꿀 수 있는가?

8. 우주에서의 전자장비 (Electronics in Space)

by Philip Johnston

결론: 우주용 추론 칩에는 절대적으로 거대한 시장이 형성될 것입니다. SpaceX나 NVIDIA에서 칩 설계를 해온 분이라면 YC는 당신과 이야기하고 싶습니다.

배경:

  • SpaceX, Stoke Space의 재사용 로켓 덕분에 인류가 우주에 실을 수 있는 용량이 곧 어마어마하게 증가합니다. 곧 우주에 엄청난 양의 새로운 컴퓨트 용량이 필요해집니다.
  • 우리가 보고 싶은 것은 우주용 인퍼런스 칩 — 질량, 열, 방사선에 약간씩 최적화된 형태의 실리콘입니다.

9. 하드웨어 공급망 (Hardware Supply Chain)

by Nicolas Dessaigne

결론: 차세대 위대한 하드웨어 회사들은 훨씬 빠른 반복 루프 위에서 만들어질 것입니다. 부품을 극적으로 빠르게 생산하거나, 빠른 하드웨어 반복을 가능하게 하거나, 디자인, 제조, 물류를 긴밀히 통합해 하드웨어 팀이 한 자릿수가 아닌 두 자릿수 배수로 빠르게 움직이도록 돕는다면 투자하고 싶습니다.

배경:

  • 의료기기에서 가정용 로봇, 우주 기업까지 점점 더 많은 하드웨어 기업에 투자 중이지만, 미국 하드웨어 제작은 중국에 비해 너무 느립니다. 선전에서는 디자인 → 새 부품까지 하루면 가능한 루프가 미국에서는 종종 몇 주씩 걸립니다.
  • 문제는 단순한 공급망이 아니라 반복 속도(iteration speed)입니다. 중국이 이기는 이유는 촘촘한 공급업체 네트워크, 빠른 회전, 디자인-생산 간 긴밀한 협업 — 미국에는 거의 존재하지 않는 시스템입니다.
  • 일부 시작은 있습니다(Hlabs W26의 액추에이터, Prototyping.io P26의 며칠 만에 디자인을 부품으로). 하지만 전체 스택은 여전히 비어 있습니다.

10. 우주에서의 산업 역량 (Industrial Capabilities in Space)

by Adi Oltean

결론: 달과 우주에서의 산업 역량을 개발하고 있다면 YC는 듣고 싶습니다.

배경:

  • 보고 싶은 큰 그림: 전기분해를 통한 실리콘, 알루미늄, 철, 티타늄 같은 원자재 추출.
  • 달의 용융 레골리스(regolith)로 복잡한 구조물을 3D 프린팅하는 것 — 지지대가 필요 없어 지구보다 더 효율적일 수 있습니다.

11. 에이전트 워크플로를 위한 인퍼런스 칩 (Inference Chips for Agent Workflows)

by Diana Hu

결론: 에이전트 루프 자체를 위한 인퍼런스 실리콘 — 칩 아키텍처와 에이전트 실행을 둘 다 이해하는 사람이 만들 수 있는 보기 드문 기회입니다. 만들고 있다면 투자하고 싶습니다.

배경:

  • 대부분 AI 칩은 "프롬프트 in, 응답 out"의 세계용으로 설계되었습니다. 하지만 에이전트는 루프합니다 — 도구 호출, 분기, 백트래킹, 수십 단계에 걸친 컨텍스트 유지. 완전히 다른 하드웨어 문제입니다.
  • 현재 GPU는 이런 버스티(bursty)한 워크로드에서 피크 활용률 30~40%에 그칩니다(메모리 바운드 모델 호출 ↔ I/O 바운드 툴 사용 ↔ CPU 바운드 오케스트레이션 사이를 오가기 때문). 바로 이 격차에서 목적 빌트 실리콘이 승리합니다.
  • NVIDIA가 200억 달러에 Groq을 인수하고 Google이 TPU v7을 인퍼런스 전용으로 설계한 이유입니다. 하지만 누구도 에이전트 루프 자체 — 모델 간 빠른 컨텍스트 스위칭, 네이티브 speculative decoding, 전체 실행 그래프에 걸쳐 지속되는 KV 캐시용 메모리 — 를 위한 설계는 하지 않고 있습니다.

12. SaaS 챌린저 (SaaS Challengers)

by Jared Friedman

결론: 마지막 세대의 위대한 소프트웨어 회사들이 onpremise → 클라우드 대체로 만들어졌다면, 다음 세대는 레거시 SaaS → AI 네이티브 소프트웨어 대체로 만들어질 것입니다.

배경:

  • AI 코딩이 SaaS의 종말이라는 이야기로 투자자들이 소프트웨어 시가총액에서 수조 달러를 지웠습니다. 기존 강자에게 나쁜 소식이라면, 스타트업에게는 10년 만에 가장 큰 기회여야 합니다.
  • SaaS 모델이 이긴 이유는 커스텀 소프트웨어가 너무 비쌌기 때문(5명 스타트업이 Salesforce를 못 이김)인데, AI가 소프트웨어 생산 비용을 10~100배 줄여 그 해자를 무너뜨렸습니다.
  • 프로젝트 관리 도구 같은 쉬운 타겟이 아니라 칩 설계 SW, ERP, 산업 제어, 공급망 관리 같이 무적처럼 보이던 1,000만 줄짜리 거대 코드베이스를 노려야 합니다.

13. 에이전트를 위한 소프트웨어 (Software for Agents)

by Aaron Epstein

결론: 모두가 에이전트를 만드는 동안, 가장 큰 기회는 그 에이전트들이 의존하는 소프트웨어를 만드는 것일지도 모릅니다. "Make Something Agents Want"를 하고 있다면 투자하고 싶습니다.

배경:

  • 인터넷의 다음 1조 명 사용자는 사람이 아니라 AI 에이전트입니다. 에이전트는 이미 웹 브라우징, 리서치, 구매, 레거시 CRM 사용을 하고 있지만 — 모두 '브라우저에서 버튼 클릭하는 인간용'으로 설계된 소프트웨어 위에서 동작하기 때문에 느리고, 일관성이 없고, 깨지기 쉽습니다.
  • 에이전트는 완전히 다른 기반이 필요합니다: 폼, 버튼, 대시보드 같은 시각 인터페이스가 아니라 API, MCP, CLI 같은 머신 리더블 인터페이스, 그리고 사람 개입 없이도 새 도구를 프로그래밍 방식으로 발견, 가입, 즉시 사용 가능하게 하는 충실한 문서.
  • 에이전트 퍼스트 소프트웨어는 기존 강자가 에이전트 지원을 갖다 붙여 만드는 게 아니라, 처음부터 에이전트를 1등 시민(first-class citizen)으로 두는 스타트업에서 나옵니다.

14. 거대 기업에 팔고 싶은 스타트업 (Startups That Want to Sell to Huge Companies)

by Harshita Arora & Brad Flora

결론: 이는 창업자가 영업하기에 최고의 환경입니다. 세계에서 가장 유명하고 중요한 고객들과의 거래를 노리는 팀에 투자하고 싶습니다.

배경:

  • PG의 고전적 조언 "스타트업은 다른 스타트업에 팔라"의 새 버전: 이제는 Fortune 100급 거대 기업도 같은 역할을 할 수 있습니다. 그동안은 적절한 담당자 접근, 제품 깊이, 낮은 ROI 때문에 닿지 않던 영역이었습니다.
  • AI가 세 가지를 모두 바꿨습니다. 첫째, 구매자(이 회사들의 경영진)가 깨어 있습니다 — 지난 3년간 YC 기업들이 첫 1년 안에, 심지어 배치 도중에 수백만 달러 계약을 따내는 경우가 늘었습니다. 첫 고객이 세계 최대 기업인 경우도 드물지 않습니다.
  • 둘째, 2~3명 팀이 몇 년이 아니라 몇 달 안에 Fortune 100이 유용하다고 느낄 만한 사려 깊은 제품을 출시할 수 있게 됐습니다.
  • 셋째, 이 회사들의 리더는 어디서 가치를 창출하고 무엇을 아웃소싱할지, 적응하지 못하면 어떻게 될지 잘 알고 있습니다.

15. 반도체를 위한 공급망 2.0 (Supply Chain 2.0 for Semiconductors)

by Diana Hu

결론: 칩을 위한 공급망 2.0을 만들고 있다면 이야기하고 싶습니다. 웨이퍼 할당과 패키징 제약을 깊이 이해해야 만들 수 있기 때문에, SAP 안의 기능이 아니라 스타트업 기회입니다.

배경:

  • 고급 AI 칩 1개는 약 1,400개 공정 단계, 십수 개국, 5개월의 제조 기간을 거치는데 — 이 공급망은 여전히 스프레드시트, SAP, 전화 통화로 관리되고 있습니다.
  • 2021년 300달러짜리 칩 하나가 5만 달러짜리 자동차를 멈춰 세웠고, 2,100억 달러어치 차량이 만들어지지 못했습니다. 회사들은 1차 공급업체는 봤지만 2·3차는 가시성 0. 지금은 더 나빠졌습니다 — TSMC 고급 패키징(현재 AI 컴퓨트 최대 병목)의 60% 이상을 NVIDIA가 잠갔고, HBM은 2026년까지 예약 완료, 수출 통제는 분기마다 바뀝니다.
  • 동시에 CHIPS Act가 애리조나, 텍사스, 오하이오, 뉴욕에 새 미국 팹을 세우고 있고, 각 팹은 거의 처음부터 공급망을 만들어야 합니다. 그런데 실시간 할당 추적, 다층 리스크 모니터링, 수출 컴플라이언스 같은 기본 도구가 거의 없습니다.

16. 기업을 위한 AI 운영체제 (The AI Operating System for Companies)

by Diana Hu

결론: 회사가 기본적으로 AI에게 가독적(legible)이도록 만드는 연결 레이어(connective layer)를 만들 큰 기회가 있습니다. 또 다른 대시보드가 아니라, 회사 자체의 산출물을 자기 개선 루프(self-improving loop)로 바꾸는 시스템입니다. 만들고 있다면 이야기하고 싶습니다.

배경:

  • 최고의 AI 네이티브 기업들은 회사 전체를 쿼리 가능하게(queryable) 만들었습니다. 모든 미팅 녹음, 모든 티켓 추적, 모든 고객 인터랙션 캡처가 학습하는 인텔리전스 레이어에 가독적입니다.
  • 이는 회사를 오픈 루프(결정 → 몇 주 후 결과 확인)에서 클로즈드 루프(시스템이 모니터링 → 목표와 비교 → 조정)로 바꿉니다. 이를 하는 팀들은 스프린트 시간을 절반으로 줄이고 두 배 더 출시합니다.
  • 문제는 오늘날 이를 만들려면 Slack, Linear, GitHub, Notion, 통화 녹음 등 십수 개 도구를 커스텀 글루(glue) 코드로 엮는 잔혹한 통합 작업이 필요하다는 점입니다. 모든 컨텍스트를 단일 인텔리전스 레이어로 연결해 추론하고, 엔지니어링이 잘못된 것을 만들 때 플래그를 띄우거나, 에이전트가 실행할 스펙을 생성하는 제품은 아직 없습니다.