Ein weiterer Y Combinator Demo Day fand am Donnerstag statt, und diese Kohorte sah etwas anders aus. Während jede Gruppe eine frische Welle von Gründern mit sich bringt, tendierten die Startups, die diese Woche präsentierten, viel stärker in Richtung Deep Tech als in den vergangenen Jahren – die Art von Technologie, die ein Investor als "wie Science-Fiction" beschrieb. Doch jenseits der wilden Ideen war der Konsens, dass die Bewertungen viel bodenständiger waren als in den jüngsten Kohorten – was die science-fiction-hafteste Entwicklung von allen ist.

Wie in jedem Quartal bat TechCrunch Frühphasen-VCs, die heißesten Startups dieser Kohorte zu nennen – sowohl ihre Top-Favoriten als auch die Deals, über die alle sprachen. Und wie üblich stellte die Publikation eine Liste von Startups zusammen, die von mindestens zwei Investoren als die am meisten gehypten der Kohorte genannt wurden. Hier sind die Top-Favoriten, alphabetisch aufgeführt:

Atomarine

Was es baut: Kernkraftbetriebene Rechenzentren, die auf See schwimmen.

Warum es ein Favorit ist: Strom ist knapp, und lokale Gemeinden lehnen den Bau neuer Rechenzentren zunehmend ab. Atomarine – mitbegründet von einem MIT-Informatiker und Marineingenieur sowie einem MIT-Doktoranden der Nukleartechnik – will die Rechenknappheit lösen, indem es Rechenzentren auf Lastkähnen auf See platziert, wo Meerwasser nahezu kostenlose Kühlung bieten könnte. Das Startup plant, bis 2028 einen gasbetriebenen Pilotstandort zu starten und 2032 auf schwimmende Kernkraftwerksschiffe umzusteigen. Atomarine behauptet, bereits über 4 Milliarden Dollar Kundeninteresse durch Absichtserklärungen gesichert zu haben. Dieses Umsatzpotenzial hat dazu beigetragen, es zu einem der am höchsten bewerteten Startups der Kohorte zu machen, sagte ein VC zu TechCrunch.

Dipole Labs

Was es baut: Effektive und energieeffiziente optische Hochgeschwindigkeits-Netzwerkhardware für KI-Rechenzentren.

Warum es ein Favorit ist: Die Idee ist, dass GPU-Cluster viel Rechenzeit verschwenden, indem sie einfach darauf warten, dass Daten zwischen den Chips bewegt werden. Innerhalb der Netzwerkschicht werden Daten von Licht in Elektrizität und zurück umgewandelt – ein Prozess, der viel Strom verbraucht und viel Wärme erzeugt. Aber Dipole Labs sagt, es habe einen optischen Schalter gebaut, der die Umwandlung überspringt, sodass die Daten als Licht bleiben und direkt dorthin gelangen können, wo sie hin müssen. Es ist ein zeitgemäßes Problem, denn GPUs sind wahnsinnig teuer und Rechenzentren wollen das Maximum aus ihrer Rechenhardware herausholen, ohne Zeit zu verschwenden.

Isengard

Was es baut: Lokal produzierbare, düsengetriebene Angriffs- und Gegen-Drohnen.

Warum es ein Favorit ist: Isengard will düsengetriebene Angriffs- und Gegen-Drohnen direkt in verbündeten Ländern massenproduzieren – zu einem Bruchteil dessen, was Generalunternehmer für den Bau in den USA verlangen. Mitbegründet von einem ehemaligen Offizier der australischen Armee und einem Verteidigungsunternehmer, der zuvor ein anderes Ukraine-fokussiertes Drohnen-Startup auf 60 Millionen Dollar Umsatz skaliert hatte, erwirtschaftet Isengard selbst bereits 10 Millionen Dollar Umsatz. Das Startup hat starkes VC-Interesse geweckt und laut zwei Investoren eine der höchsten Bewertungen in dieser YC-Kohorte erzielt.

Lamb Labs

Was es baut: Maßgeschneiderte Inferenz-Chips mit fest einprogrammierten KI-Modellgewichten.

Warum es ein Favorit ist: Traditionelle KI-Chips verbrauchen bei der Inferenz enorme Energiemengen, weil sie Modellgewichte aus dem Speicher abrufen. Mitbegründet von einem KI-Doktoranden des Imperial College London und einem theoretischen Physiker aus Oxford, will Lamb Labs ultraeffiziente Chips bauen, indem es KI-Modellgewichte direkt in Silizium einprogrammiert. Diese als "Model Processing Units" (MPUs) bezeichneten Custom-Chips eliminieren Speicherbandbreiten-Engpässe.

(Namen von der Buzz-Ökonomie geschwärzt)

Was es baut: Sammeln realer Daten, auf denen Roboter trainiert werden können.

Warum es ein Favorit ist: Dieses Unternehmen arbeitet mit Firmen zusammen, um Videos und Daten von Menschen bei der Arbeit zu sammeln, die es dann in Trainingsmaterial für Unternehmen verwandelt, die Roboter bauen. Es sagt, es arbeite bereits mit börsennotierten Unternehmen zusammen und habe Videodaten in mehr als 150 verschiedenen Umgebungen erfasst. Dieses Unternehmen könnte wichtig werden, wenn Unternehmen mehr damit experimentieren, welche Aufgaben am besten für Menschen geeignet sind – und, während KI sich weiter verfeinert, welche Aufgaben