В четверг состоялся очередной Demo Day Y Combinator, и этот набор выглядел немного иначе. Хотя каждый поток приносит свежую волну основателей, стартапы, представленные на этой неделе, были гораздо более ориентированы на глубокие технологии, чем в прошлые годы — технологии, которые один инвестор описал как «похожие на научную фантастику». Но помимо смелых идей, консенсус заключался в том, что оценки были гораздо более обоснованными, чем в недавних потоках, — и это самое научно-фантастическое событие из всех.

Как и каждый квартал, TechCrunch попросил венчурных капиталистов на ранних стадиях назвать самые горячие стартапы этого потока — как их лучшие выборы, так и сделки, о которых все говорили. И, как обычно, издание составило список стартапов, отмеченных как минимум двумя инвесторами как самые обсуждаемые в потоке. Вот главные выборы в алфавитном порядке:

Atomarine

Что создаёт: Ядерные дата-центры, плавающие в море.

Почему в фаворитах: Энергии не хватает, а местные сообщества всё чаще выступают против строительства новых дата-центров. Atomarine — соучредителями которой являются специалист по информатике и военно-морской инженер из MIT и доктор философии по ядерной инженерии из MIT — хочет решить проблему нехватки вычислений, разместив дата-центры на баржах в море, где морская вода может обеспечить почти бесплатное охлаждение. Стартап планирует запустить пилотный проект на газе к 2028 году и перейти на плавучие ядерные энергетические суда в 2032 году. Atomarine утверждает, что уже получила более 4 миллиардов долларов заинтересованности клиентов через письма о намерениях. Этот потенциал дохода помог ей стать одним из самых высокооценённых стартапов в потоке, сообщил TechCrunch один венчурный капиталист.

Dipole Labs

Что создаёт: Эффективное и энергоэффективное высокоскоростное оптическое сетевое оборудование для ИИ-дата-центров.

Почему в фаворитах: Идея в том, что кластеры GPU тратят много вычислительного времени просто на ожидание передачи данных между чипами. В сетевом слое данные преобразуются из света в электричество и обратно в процессе, который сжигает много энергии и выделяет много тепла. Но Dipole Labs утверждает, что создала оптический коммутатор, который пропускает преобразование, чтобы данные оставались светом и шли напрямую туда, куда нужно. Это своевременная проблема, поскольку GPU безумно дороги, а дата-центры хотят выжать максимум из своих вычислительных мощностей без потерь времени.

Isengard

Что создаёт: Локально производимые реактивные ударные и противо-дроны.

Почему в фаворитах: Isengard стремится массово производить реактивные атакующие и противо-дроны непосредственно в странах-союзниках по цене, составляющей долю от того, что берут основные подрядчики за их производство в США. Соучредителями являются бывший офицер австралийской армии и оборонный предприниматель, который ранее масштабировал другой украинский дроновый стартап до 60 миллионов долларов дохода; Isengard уже генерирует 10 миллионов долларов дохода. Стартап вызвал сильный интерес венчурных капиталистов, получив одну из самых высоких оценок в этом потоке YC, по словам двух инвесторов.

Lamb Labs

Что создаёт: Кастомные чипы для инференса с жёстко закодированными весами ИИ-моделей.

Почему в фаворитах: Традиционные ИИ-чипы сжигают огромное количество энергии во время инференса, извлекая веса моделей из памяти. Соучредителями являются доктор философии по ИИ из Имперского колледжа Лондона и теоретический физик из Оксфорда; Lamb Labs хочет создать ультраэффективные чипы, жёстко закодировав веса ИИ-моделей прямо в кремний. Эти кастомные чипы, названные «Model Processing Units» (MPU), устраняют узкие места пропускной способности памяти.

(Имена скрыты экономикой ажиотажа)

Что создаёт: Сбор реальных данных для обучения роботов.

Почему в фаворитах: Эта компания сотрудничает с предприятиями для сбора видео и данных о работе людей, которые затем превращает в обучающий материал для компаний, создающих роботов. Она утверждает, что уже работает с публичными компаниями и собрала видеоданные в более чем 150 различных средах. Эта компания может стать важной, поскольку предприятия начинают больше экспериментировать с тем, какие задачи лучше подходят для людей — и, по мере того как ИИ продолжает совершенствоваться, какие задачи