Tech & Startups 2026年9月13日 TechCrunch Yコンビネーター最新デモデー:浮体式原子力データセンターと脳細胞コンピューティングが登場 Yコンビネーターの最新バッチは、アプリストアの楽観主義を浮体式原子力データセンター、脳細胞コンピューティング、そして洗濯物を畳む1600ドルのロボットと交換した——なぜだめなのか。 0 0 シェア X / Twitter LinkedIn リンクをコピー Image: TechCrunch 木曜日にまたYコンビネーターのデモデーが開催されたが、今回のバッチは少し様子が違っていた。どのコホートも新たな創業者の波を連れてくるが、今週プレゼンしたスタートアップは過去数年よりもはるかにディープテック寄りだった——ある投資家が「SFのようだ」と表現した種類のテクノロジーである。しかし、突飛なアイデアの裏で、バリュエーションは最近のコホートよりもはるかに堅実だというのが一致した見方であり、これこそが最もSF的な展開である。 四半期ごとに行われるように、TechCrunchはアーリーステージのVCに今回のバッチで最も注目のスタートアップ——彼らのトップピックと、誰もが話題にしているディールの両方——を挙げるよう求めた。そして例年通り、同誌は少なくとも2人の投資家が「最も話題性のある」と指摘したスタートアップのリストをまとめた。以下がトップピックである(アルファベット順): Atomarine 何を作っているか:海上に浮かぶ原子力発電データセンター。 なぜ人気か:電力は不足しており、地域コミュニティは新しいデータセンターの建設にますます反対している。Atomarine——MITのコンピュータサイエンスと海軍エンジニア、およびMITの原子力工学博士によって共同設立——は、データセンターを海上のはしけに置くことで計算能力不足を解決しようとしている。そこでは海水がほぼ無料の冷却を提供できる。このスタートアップは2028年までにガス火力のパイロットを開始し、2032年には浮体式原子力発電船に移行する計画だ。Atomarineはすでに意向表明書を通じて40億ドル以上の顧客関心を確保したと主張している。その収益ポテンシャルが、このバッチで最も高い評価額のスタートアップの一つにしたと、あるVCはTechCrunchに語った。 Dipole Labs 何を作っているか:AIデータセンター向けの効果的でエネルギー効率の高い高速光ネットワーキングハードウェア。 なぜ人気か:GPUクラスターは、各チップ間でデータが移動するのを待つだけで多くの計算時間を無駄にしている。ネットワーキング層では、データは光から電気に変換され、再び光に戻されるプロセスで、大量の電力を消費し、大量の熱を発生させる。しかしDipole Labsは、変換をスキップしてデータを光のまま必要な場所に直接送る光スイッチを構築したと述べている。GPUが信じられないほど高価で、データセンターが計算ハードウェアを最大限に活用し、時間を無駄にしたくない今、これは時宜を得た問題だ。 Isengard 何を作っているか:現地生産可能なジェット推進の攻撃および対ドローン。 なぜ人気か:Isengardは、米国で大手請負業者が請求する価格の何分の一かで、同盟国内で直接ジェット推進の攻撃および対ドローンを大量生産することを目指している。元オーストラリア陸軍将校と、以前にウクライナに焦点を当てた別のドローンスタートアップを6000万ドルの収益にまで拡大した防衛起業家によって共同設立されたIsengardは、すでに自身で1000万ドルの収益を上げている。このスタートアップは強いVCの話題を呼び、2人の投資家によれば、このYCバッチで最も高い評価額の一つを獲得した。 Lamb Labs 何を作っているか:AIモデルの重みをハードコードしたカスタム推論チップ。 なぜ人気か:従来のAIチップは、推論中にメモリからモデルの重みを取得する際に大量のエネルギーを消費する。インペリアル・カレッジ・ロンドンのAI博士とオックスフォードの理論物理学者によって共同設立されたLamb Labsは、AIモデルの重みをシリコンに直接ハードコードすることで超効率的なチップを構築したいと考えている。「Model Processing Units」(MPU)と呼ばれるこれらのカスタムチップは、メモリ帯域幅のボトルネックを排除する。 (名前はバズ経済により伏せられています) 何を作っているか:ロボットを訓練するための実世界データの収集。 なぜ人気か:この会社は企業と提携して、人間が作業するビデオとデータを収集し、それをロボットを構築する企業向けの訓練資料に変える。すでに公開企業と協力しており、150以上の異なる環境でビデオデータを収集したと述べている。この会社は、企業がどのタスクが人間に最適かをより実験し始めるにつれて、そしてAIが自己改良を続けるにつれて、どのタスクが——