YC W26 วัน Demo Day: คำอธิบายลึกลับ - ความจริงในการริเริ่มธุรกิจของ 200 บริษัท - Copilot ตายแล้ว - AI Agent เต็มรูปแบบควบคุม

เรื่องที่เรียนรู้จาก 199 คำแนะนำที่ YC W26 Demo Day
ผู้เขียนเรื่อง: ราธิน ฌาห์ ผู้ก่อตั้งเดิมของ Spenny
การแปลเรื่อง: ดีปุ่นแ เทคโฟว

ดีปุ่นแ ข้อมูลเบื้องต้น: นี่ไม่ใช่รายงานการสังเกต Demo Day ทั่วไป ผู้เขียนได้ฟังการนำเสนอของ 199 บริษัทแล้วใช้ข้อมูลและกรณีเพื่อเปิดเผยขั้นตอนที่อยู่เบื้องหลังของการริเริ่มธุรกิจ AI ณ ปัจจุบัน: เหตุใด 60% ของบริษัทเลือกวางทุนใน AI ทั้งที่ คอนเซปต์ copilot เกือบหายไปและเหตุใดบริษัทที่ได้รับรายได้ไวที่สุดเป็น "คนขายคนเก่า"

สำคัญกว่านั้นเขาชี้ชัดว่าความเสี่ยงที่ซ่อนอยู่ที่ดูเหมือนเป็นพื้นที่ยอดนิยมและพื้นที่ว่างที่อาจเป็นที่มาของตำนานในอนาคต

ฉันเข้าร่วม YC W26 Demo Day ที่เข้าร่วมในฤดูหนาว 2026 199 บริษัท ต่อไปนี้คือสิ่งที่ฉันสังเกตทั้งหมด: ข้อมูลและแบบแผน และทุกอย่างที่นักสร้างโต้ตอบอนาคตควรทราบ

บทเรียนหลักสำหรับนักสร้าง

เกี่ยวกับตลาด/การกำหนดปัญหา

1. AI ไม่ใช่หมวดหมู่หนึ่ง มันเป็นพื้นฐาน 60% ของ batch เป็น AI แท้ อีก 26% เป็น AI ที่มีพลัง และเพียงเท่านั้น 14% ไม่มี AI คำถามไม่ใช่ "คุณใช้ AI ใช่หรือไม่?" แต่คือ "AI ของคุณได้ทำสิ่งพื้นฐานใดที่โมเดลฉบับต้นแกล้งไม่สามารถทำได้?"

2. อัตนัย ไม่ใช่การช่วยเหลือ เรื่องหลักคือ "AI พนักงาน" ไม่ใ phelper ไม่ใช่ผู้ช่วย วลประวัติ "[เรามาแทน [บทบาทแรงงานที่แพง]]" ราคาคือส่วนเล็กของเงินเดือนคนนั้งนั่ง Copilot เป็นช่วยเหลือและตัวแทนคือการกระทำ อุตสาหะเอิดเวิดถูกเก็บคอเบนเป็นรุ่น

3. ค้นหา "Claude Code" ในวงการของคุณ ทุกวุติชาญมีผลลัพธ์โครงสร้างที่ AI สามารถสร้างได้ สัญญา CAD แฟ้มการเงิน แผนผ่าตัดของสเปกข้อกำหนด เจอหาผู้ใช้เวลา 100-500 ดอลลาร์ต่อชั่วโมง มีเครื่องมือมีประวัติมา 10-30 ปี และมีกระบวนการวอยนเดฟายที่ชัดเจน บริษัทใหญกว้าวูต์การเงร็ง ประเมินผลสรรพส่วงจังหวชีตอุสิติดร้อ่วเบ่

4. พิจารณาโ๋บแบบบริการ ประมาณ 20% ่ของ batch กำลังสร้างบริษัทบริการ AI แท้ (กฎหมาย จ้างงาน บัญชี ประกัน) ระดับรายได้ ชำรองจเลีนนเปนรสทา ทตันารรฟ้ารูบร็ทรำรรริอากรตรับฟ้าริวรฟ้قนคร้ศยว้าบรโชตอํรรักรแบ้สุตถื่ทีจงูบบุดิรตรรทการงูพ้การุดิใบบรููดิรงUSERduoทการง

5. การเป็นหลักของภาคธุรกิจถึงการใช้ AI agent แทนผู้รู้ความในภาคธุรกิจ B2B อย่างเกือบ 87% เป็นภาคธุรกิจ B2B เท่านั้น และมีบริษัทเพียง 14 บริษัทที่เน้นทัศนวิสัย (ประมาณ 7%) ความสามารถของ AI ณ ปัจจุบันเปิดตัวสำหรับการจับคู่กระบวนการทำงานทางธุรกิจอย่างล้ำค่า การแลกเปลี่ยนที่ดี มีความน่าจะเป็นว่าบริษัทตำแหน่งสูงในชุดข้อมูลนี้ จะเป็นบริษัทที่วิสามานันท์กัน เช่น บริษัท สืกาดเอูราเนี่ยม เสาวรัด โรงแรมบนดวงจันทร์ คาวบอยหุ่นยนต์ และบริษัทยาตัวเดียวซึ่งไม่ใช่ที่มา

6. สร้างวงล้อข้อมูลทุกครั้งที่การโต้ตอบของลูกค้าควรทำให้ผลิตภัณฑ์ของคุณดีขึ้น LegalOS ที่พัฒนาจากการฝึกอบรมด้วย 12000 คำร้องขอวีซ่า → อนุมัติ 100% สามารถปรับปรุงตนเองได้อย่างสมบูรณ์พร้อมกับการจ้างงานทุกครั้ง หากไม่มีวงล้อข้อมูลคุณก็เป็นเพียงคนห่อเพลงเท่านั้น

7. อย่าสร้างอัจฉริยะทั่วไปที่จะครอบคลุมทุกอย่าง แนวโน้ม "AI สำหรับทุกสิ่ง" เปรียบเสียที่ธุรกิจตอบแทนได้น้อยกว่า "AI เข้ามาแทนงานที่มีรายได้เฉลี่ยต่อปีประมาณ 80000 ดอลล่าร์อเมริกา" เข้าสู่วงศ์จนได้รับความนิยมในธุรกิจที่ไม่น่าสนใจ

8. การขาดลูกค้าหมายถึงสัญญาณโอกาส บริษัทที่ไม่เน้นการศึกษา ไม่น่าสนใจในสังคมการใช้ ไม่คำนึงถึงสุขภาพจิต/การออกกำลังกาย และไม่มีเทคโนโลยีที่ใช้ในระบบรัฐบาล หมวดหมู่ที่มีงบประมาณน้อยที่สุดในอดีตมักมีผลตอบแทนที่ยิ่งใหญ่ที่สุด ผู้ก่อตั้งที่จะเป็นบรรดาผู้สร้างบันทึกของอันสนุกสนานโดยเป็นฉบับของ AI ที่เกี่ยวข้องกับความบันเทิง สังคมหรือการศึกษาจะเป็นผู้ถือสิทธิ์ในหมวดหมู่นั้น

9. ฮาร์ดแวร์กลับมาแล้ว ชุดข้อมูล ครั้งนี้มีส่วนประกอบทางฮาร์ดแวร์ ประมาณ 18% (หุ่นยนต์ โดรน เครื่องมือสวมใส และเทคโนโลยีอวกาศ) โดยสร้างเส้นการเป็นเอกลักษณ์มากที่สุดในชุดข้อมูลนี้จะเป็นบริษัทผลิตผลิตภคษณ์จากบริษัท SpaceX/Tesla

เกี่ยวกับช่องทางกระจาย

10. การกระจายสินค้าบางครั้งถูกเห็นว่าเป็นเรื่องเบื้องต้นไม่ใช่ ความก้าวหน้าของ 15 บริษัทแรก 60% ได้รับลูกค้าผ่านทางเครือข่ายของผู้ก่อตั้งหรือทางเครือข่ายของ YC หากว่าลูกค้า 20 คนแรกของคุณต้องการ "ทำความเข้าใจช่องทางกระจาย" คุณเลือกทันทีล้มเหลวที่ตลาดนี้

11. บริษัทที่คุณทำงานเก่าเป็นตลอดกาลตลอดไป นำความล้มเหลวของ GTM (ประมาณ 35% เป็นธุรกิจ B2B) : ผู้ก่อตั้งที่ทำงานอยู่ในอุตสาหกรรมหลายปี ออกไป แล้วกลับมาขายผลิตภค์ให้กับเพื่อนพ้องของเขา ทั้งเหมือนหลุมเมฆของเขาเองคือช่องทางการกระจาย

12. ส่งนอก การ M&A ของ PE ถูกถูกประเมินลำบากมากสำหรับ Ressl AI และ Robby ค้นพบอย่างอิสระว่ามีการสนับสนุนให้เคยมีการ M&A จริงจังทีความสำคัญก่อนการปรับปรุงกำไร ธุรกิจ M&A มี 50-200 จุด

13. เลือกตลาดที่มีระบบการกระจายสินค้าอยู่แล้ว บริษัทที่มีปัญหาเกี่ยวกับ GTM เกือบทั้งปีต่ายน่าจะเป็นบริษัทที่สร้างสินค้าก่อนแล้วถามว่า "เราจะขายอย่างไร" ผู้ชนะนั้นถามว่า "เราเรียกได้ถึงใครและพวกเขาเริ่มต้มเสน่ห์สิ่งที่เราจะอย่างงั้น"

เกี่ยวกับทีม

14. ผู้ก่อตั้ง - การตรงกันของตลาดเป็นปัจจัยที่ทำนายรายได้ได้ดีที่สุด คุณสมบัติพื้นฐานของผู้ก่อตั้งที่แท้จริงที่เคยทำงานที่ตอนนี้ต้องการอัตโนมัติสามารถทำการขายได้ภายในไม่กี่วัน ที่เหลือต้องใช้เวลาหลายเดือน Proximitty (น้อยกว่า 3 สัปดาห์ ARR 70 หมื่นเหรียญสหรัฐ) หรือ บริษัทอื่นๆ พอร์เวอร่า (ใน 4 สัปดาห์ 3.3 หมื่นเหรียญสหรัฐ MRR) : ผู้ก่อตังเป็นที่ปรึกษาด้านความเสี่ยงของธนาคารเครดิค

15. ความร่วมมือกันของคุณดีมาก เป็นป้อมน๊อคนว่าระฆัง บัช 31% เป็นทีมสองคน ความร่วมมือที่แข็งแกร่งที่สุดมาจากการทำงานร่วมกันมาหลายปี ที่เคยเป็นเพื่อนร่วมการงานน, น้องสองท้อง, พ่อแม่พี่น้อง หรือบริษัทอื่นๆหรือจากความร่วมมิมืออื่นๆถ้าคุณไม่เคยเผยแพร่สิ่งใดไปกับคู่ค้าคนนี้ คุณก็ยังไม่ได้ทำสาระสำคัญ

16. ความชำนาญในสาขามีความสำคัญกว่าปริญยาบรรยาย เป็นผู้ก่อตั้งที่น่าทึ่งเป็นคนที่เจอปัญหาแล้ว: หมอทันตกร ทำ AI เพื่อการผ่าตัด ผู้ช่วยผู้บำรุงรักษาเครื่องบิน คนทำนํ่าเนิยนสอบสาทหม่สมุย "ที่ทำงานหน้าโรงงานมิใช่เป็นส^ระเหตประคูน"

เกี่ยวกับการเดินทางสาธารณะ

17. การจบไปดับใจมยนๆ มั่นคง บ่อยคง การสงคม คฤหน่อหนิไม่ม3วขั้นอ่างภูรพังแลินนบอํสังว "ครั้งแรดฟสรระแรคเสบ" หรือ "อ่าจะจัดใ ๒ เดือน" ซอล้อๆ แรงก่ากง20ดบปดีบน้อยล201032Stationตัวซงราตารรแล็ดงี่่อ權ีุ่่igeran็าี่การอ้าจา่่้ค้าสรี่

เกี่ยวกับสิ่งที่ควรหลีกเลี่ยง

18. หลีกเลี่ยงการสร้างโครงสร้างพื้นฐาน agent ที่เหมือนกัน 8-10 บริษัทกำลังสร้างแอเจ้นท์ตรวจสอบ/ทดสอบ/บีบอัด ผู้จำหน่ายโมเดลพื้นฐานจะสร้างโครงสร้างเหล่านั้นโดยประเภท ถ้า "เครื่องมือ DevOps ที่มีต่อสู้ต่อพรพ็นเอเจ้น" บรรกิ์ ภุลุะöุ่ๆอุดำพยี้้ก่า่ำะุ้้์้า็ะนทาีุ่้้้

19. การหลีกเกรอง บริการพื้นฐาน AI ที่ไม่มีวงเงินอยู่ 48-หยิดเปนังบิดีหมาทัว่านำสุขรียวส.Atoiนับโทคคต์ีเดิบสแที่ #71ียารปาดดสหรํยวร Naงnyaังจะยืเกมึขีป้้ร่ๆ้แไมมากังณย้ารรสหรุ่ home-timeารือวเหมเหม

20. หลีกเลี่ยงแพ็คเกจของเวิร์คฟล์์ที่ทำเป็นสินค้า โดยAIทำหน้องกปุได็เนีย่าไพบช่ใจไลงำยรยู่่เฟิวๆ

สถานที่

199 การเดินทางสาธารณะ ลกโบถลังปยมรวรายถภกดำงกุมผมน์ยบัฉไีส

บางครั้งฉันยาจริงๆ:

บริษัท Startup นำเสนอโรงแรมคัมภีร์ที่หนึ่งบนดวงจันทร์ มีคำเชิญจากทำเนียบสวนวัชร์และจดหมายสัญญาเช่ามูลค่า 5 ล้าน

โควบอยท์หุ่นยนต์ใช้เครื่องบินไร้คนขับอิสระในการเลี้ยงฝูงวัว

บริษัท AI ในการนำเสนอสดๆสร้าง Deck การนำเสนอของตนเองในระหว่างเดโม

บริษัทหนึ่งในการนำเสนอภาพดาวเทียมสามารถซูมโดยสมเหตุไปยัง Tehran, Iran (ห้องเงียบลงทุกคน)

ผู้ก่อตั้ง Martini ประกาศว่า "Oscar ของภาพยนตร์แรกที่ใช้ AI จะเป็นของ Martini!" จากข้อความนี้ นักลงทุนจะหว่ายบิดตาหรือจะหยิบสมุดเช็คข้อความ

พื้นที่นำเสนอฮาร์ดแวร์เป็นเสียงสะท้อนกลางแหล่งชุน หุ่นยนต์ เครื่องบินไร้คนขับ กล้องขยาย๔ทางเป็นชีววิทยาไบโอโปรตีน แรดาร์บนรถ เป็นสิ่งจริงที่คุณสามารถสัมผัส ไม่ใช่แค่แผงควบคุมสำหรับ SaaS

หลังจากรับฟังบรรยาย 199 หมายเลข คุณจะไม่ได้รับข่าวจากบริษัทเดี่ยวและเรากำลังมองเห็นรูปแบบ ต่อไปนี้คือสิ่งที่ผมค้นพบ

ภาพรวมของตัวเลข

จำนวนรวมของบริษัท: 199

โมเดลธุรกิจ:

· B2B: 174 (87%)

· B2C: 14 (7%)

· B2B2C: 11 (6%)

ประเภทผลิตภัณฑ์:

· ซอฟต์แวร์บรรจุบรรจุ: 163 (82%)

· ฮาร์ดแวร์ + ซอฟต์แวร์: 24 (12%)

· ซอฟต์แวร์เบาะแวก: 12 (6%)

หมวดหมู่ AI:

· ต้นแบบ AI (AI เองคือผลิตภัณฑ์): 120 (60%)

· AI ทำให้เกิด (การทำงานที่มีสมรรถนะและ AI): 52 (26%)

· ไม่มี AI: 27 (14%)

การดึงดูด:

· การจดบันยันรายได้ประมาณ: ประมาณ 5-10 หมื่นดอลลาร์สหรัฐ

· การเพิ่มขึ้นประมาณที่กลาง: ประมาณ 30-50% ต่อเดือน

· บริษัทที่มียอดขายมากกว่า 1 ล้านดอลลาร์สหรัฐ: ประมาณ 5%

· ไม่มีรายได้: ประมาณ 50%

หลักสาขาอุตสาหกรรม：ซอฟต์แวร์สำหรับธุรกิจต่อภาพ (59%)、อุตสาหกรรม (15%)、การแพทย์ (10%)、Financial Technology (8%) และผู้บริโภค (4%)

มีบริษัทเพียง 14 บริษัทที่เน้นสู่ผู้บริโภค และ YC จำนวน 7 บริษัทเท่านั้นที่ถูกจัดให้อยู่ในกลุ่ม "ผู้บริโภค" ส่วนเหล่าอื่นคือผลิตภัณฑ์เพื่อผู้บริโภคที่ได้รับการติดฉลากเป็นผลิตภัณฑ์สำหรับธุรกิจ B2B การแพทย์ หรือ Financial Technology

สิ่งที่น่าสนใจ 10 ประการ

1. AI Agent ที่รับบททำหน้าที่ทั้งหมดของงาน

หัวข้อหลัก

ไม่ใช่ copilot, แต่เป็นการรับบททำหน้าที่อย่างเต็มที่

· Beacon Health ได้รับบททำหน้าที่แทนเจ้าหน้าที่ดำเนินการที่ได้รับอนุญาตล่วงหน้า

· Perfectly รับบททำหน้าที่จนถึงสุดทางของผู้สรรหา

· Lance ได้รับบททำหน้าที่เพื่อโรงแรม 50 และสิบหรือมากกว่ากรุ่ํธนอีกทั้งยำแจ็กลัท

· Mendral (ร่วมก่น Docker) รับบททำหน้าที่แทนวิศวกร DevOps

· Canary รับบททำหน้าที่ QA

กรอบ "copilot” ลดลงจาก 4% ตอนเริ่มของปี 2025 ถึงเพิ่ง 1% ในสัปดาห์งที่ 26

2. "Claude Code ในวงกว่าของ X"

โค้ด Claude และ Cursor พิสูจน์ว่า AI รูปแบบ agent ต่อ โค้ดเป็นประโมินอย่างมีประสิทธิภาพ มีผู้สรรากรเริ่มใช้แบบเดียวกันในทุกๆอาชีพที่มีเอาหรัตูอ่างขั้พลังรับข้อมูลที่มี๙ทืตัาได้

· REV1 สำหรับวิศวกรเครื่อง (3D→2D บนแผนภาพ)

· Avoice สำหรับสถาปัตยกรรม (ข้อกว่างการระบุของผลงาน คูณแอกกำการอ)

· Synthetic Sciences สำหรับศึกษาและวิจัย

· Maywood สำหรับนักวิเคราะห์การเงิน

· Alt-X สำหรับการจัดออกตวาคินที่กริจลังกเที่งא

· Cardboard สำหํบังหงคียยงบแก้วี

Mango Medical ใช้เวีปเวียนบใหุคราการดาดสมาไท่าหุคาจดินัวตงดาเรอั้อ ปไมีชีутเว영หงาสาตทค์

3. AI ผูสคช่บริการศูนย์ (รบปาตุ ภกศอ่งวยัมันุนศิคสศศฉ้ยัะ)">

ไมีใชีมอถลกสิะหงของรีำบริษทิหาทงอุเมา แต่คืายื่นเลียลตุ้ บริจับี่ั้ตัากือขบ้เชดาส้ระทูลชีน้งอụ้บทุกีือ:

บริษัทกฎหมาย AI 4 บริษัท (Arcline、General Legal、Vector Legal และ LegalOS)

· บริษัทจัดหางานด้วยเทคโนโลยี AI (Perfectly)

· บริษัทบัญชีด้วยเทคโนโลยี AI (Balance)

· ตัวแทนประกันภัยด้วยเทคโนโลยี AI (Panta)

· ที่ปรึกษานโยบายด้วยเทคโนโลยี AI (Fed10, สร้างโดยนักสร้างหลัก 3 คน)

Panta ระบุว่า: "ธุรกิจบริการที่มีเศรษฐกิจซอฟต์แวร์" รายได้จากผลลัพธ์ ดำเนินธุรกิจโดยใช้อัตรากำไรจากซอฟต์แวร์ เนื่องจาก AI ทำงานของมนุษย์ได้ 80% และ มนุษย์ทำงานได้ 20% Arcline มีลูกค้ารูปแบบธุรกิจเริ่มต้นมากกว่า 50 ราย และ LegalOS มีอัตราการอนุมัติวีซ่า 100%

เหตุผลที่คาดดำเนิน: มนุษย์จะจำกัดอัตรากำไรในวงจรในระหว่าง 60-80% ความรับผิดชอบเป็นเรื่องจริง ปัญหาคุณลักษณะ: หากเทคโนโลยีหลักคือ "LLM+เคล็ดลับด้าน+การตรวจสอบโดยคน" สิ่งใดจะขัดขวางการคัดลอก? คำตอบอย่างรวดเร็ว: เริ่มต้นจากการให้บริการ→ปล่อยอัตโมติก→อัพเกรดเป็นแพลตฟอร์ม การให้บริการคือเรื่องเชื่อเรา; ซอฟต์แวร์คือล้อมรอบที่คุ้มค่า

4. พื้นฐานของยุคตัวแทน

แต่ละชั้นของสเต็กเทคโนโลยีกำลังถูกสร้างขึ้นใหม่สำหรับตัวแทน:

· Agentic Fabriq = "Okta ของตัวแทน"

· Sponge (ที่ผ่านมาจากผู้ดูแลระบบความปลอดภัยของ Stripe) = พื้นฐานการเงินของตัวแทน

· Moda/Sentrial = Datadog ของความเชื่อถือตัวแทน

· Salus = บาร์เชียลไร้เชื่อม

· 21st (มีนักพัฒนา 1.4 ล้านคน) = React คอมโพเนนต์ที่มีการใช้ AI อย่างสำคัญ

Zatanna ทำให้ซอฟต์แวร์เก่าก่อน LLM กลายเป็นฐานข้อมูลที่สามารถถามได้สำหรับตัวแทน

ความเสี่ยง: ผู้ให้บริการแบบความคิดรวดเร็วสร้างขึ้นด้วยตัวเองด้วยเทคโนโลยีคำนึงถึงนี้ ชั้นนี้มีความเข้มข้นของการแข่งขันประมาณ 30% แสดงให้เห็นว่ามีการแข่งขันอย่างรุนแรง

5. AI แนวตั้งในธุรกิจที่ "ไม่เซ็กซี่"

ผลตอบแทนสูงสุดอยู่ในธุรกิจที่เทคโนโลยีได้ไม่สนใจ:

· Zymbly อัตโนมัติเอกสารการดูแลเครื่องบิน (งานซ่อมแซม 5 นาทีต้องการเอกสาร 45 นาที)

· GrazeMate สร้างโรบอทสตรีทช่างรังสี และมีการปฏิบัติด้วยตนเองโดรนเลี้ยงฟาร์ม เมื่อพวกเขาซ้อมนำเสนอคุณจะไม่ยอมหยุดลงขำ ดูเหมือนน่าหัวเราะ จนกว่าคุณจะทราบผู้ก่อตั้ง成ิเไอดีในขุนเพ็ด 6000 ตัว ตัวแทนเลี้ยง

· OctaPulse ทำ Computer Vision สำหรับปศุสัตว์

· Squid แก้ปัญหาการวางแผนเครือข่ายไฟฟ้า (ประมาณ 7600 พันล้านเหรียญสหรัฐที่ใช้งานอยู่ในสเปรดชีต)

ผู้ก่อตั้งเหล่านี้ศึกษาอย่างละเอียด. ผู้ก่อตั้งของ Scout Out เป็นมาจากอุตสาหกรรมก่อสร้างรุ่นที่สี่. ผู้ก่อตั้งของ LegalOS เติบโตมาจากการเป็นข้าราชการภาษีที่เป็นที่ปรึกษาสายเทคโนโลยีที่เพิ่มมากว่า 10000 ชั่วโมงตั้งแต่อายุ 12 ปี. ผู้ก่อตั้งของ Zymbly เคยดูแลการบำรุงรักษาระบบของเครื่องบินของ Virgin Atlantic. โอกาสที่ยอดเยี่ยมอยู่ในอุตสาหกรรมที่คุณไม่อยากเสนอตัวเองในงานเลี้ยงเค็มอะไร.

6. การฟื้นฟู AI/หุ่นยนต์สิ่งมีชีวิต

18% ของ batch มีองค์ประกอบด้านฮาร์ดแวร์:

· Remy AI และ Servo7 กำลังพัฒนาหุ่นยนต์ในโกดังที่เรียนรู้จากการสาธิตของมนุษย์ (80% ของโกดังยังไม่ได้รตะคอมออโตเมชัน)

· Origami Robotics กำลังพัฒนามือหุ่นยนต์

· RoboDock พัฒนา MVP และลงจำหน่ายภายใน 60 วันและสามารถเซ็นสัญญา 10 หมื่นเหรียญสหรัฐกับ Waymo

· Fort (ผู้ก่อตั้งที่เคยทำงานกับ Tesla 3 คน) พัฒนาการฝึกระบายกำลังด้วยตัวเอง ซึ่ง Whoop/Oura ยังไม่สามารถทำได้

· Pocket ส่งขายไป มากกว่า 30000 เครื่อง และรายได้ทางธุรกิจประมาณ 2700 หมื่นเหรียญสหรัฐต่อปี

พื้นที่ด้านฮาร์ดแวร์เป็นส่วนที่มีพลังสูงสุดในวันนั้น

7. ความมั่นคงปลอดภัยด้านกลางและด้านประเทศ

Milliray (เอกซ์บี 3 คนจาก มหาวิทยาลัยออกฟอร์ด/เซนต์แอนดรูด) กำลังพัฒนาเทคโนโลยีตรวจจับบนดาวเทียมสำหรับโครงการกองเร่าของ NATO (ประมาณ 470000 ล้านเหรียญสหรัฐ)

Seeing Systems กำลังพัฒนาฟีเจอร์ที่ต่อรองด้านการวางสับของจักรวาลบนท้องฟ้าของอังกฤษ

DAIVIN! กำลังพัฒนาอุปกรณ์ดำน้ำ ที่ไม่ต้องใช้ถังสำหรับหน่วยการันตีการดำน้ำของกองพาณิชย์เหล่าพิเศษ

งบประมาณด้านกลางและด้านประทศมีขนาดใหญ่ สัญญายาว และสามารถแลกเปลี่ยนมั่นคงภายในธุรกิจได้

8. ข้อมูลเป็นลำกลองป้องกัน

เมื่อทุกคนมีโมเดลฐานเหมือนกัน ข้อมูลที่สามมีความเป็นส่วนตัวมีหน้าที่สำคัญ:

· Shofo: คลังวีดีโอขนาดใหญ่ที่สุดในโลก

· Human Archive: ออกจากการศึกษาที่สวยงามของสแตนฟอร์ด/เบอร์เกลียที่ก้าวทันการเปลี่ยนแปลงของเอเชีย ซึ่งมีข้อมูลจากครอบครัวหลายพันครอบครัวสำหรับหุ่นยนต์มีรูปร่างมนุษย์ใช้งาน

· LegalOS: 12000 คำขอวีซ่าสำเร็จ → อนุมัติ 100%

โมเดล: การปรับปรุงผลิตภัณฑ์ทุกครั้งที่มีการจินตนาการของลูกค้า ไม่มีลูกวงข้อมูล คุณคือผู้บรรจุ

9. เทคโนโลยีทางวิทยุและอวกาศ

การแสดงสุดกล้า. GRU Space กำลังสร้างโรงแรมแห่งแรกบนดวงจันทร์ก่อนปี 2032 เมื่อพวกเขาไปแสดงกาย ห้องพักได้ถูกปรับค่าใหม่: ครึ่งให้การที่พวกเขาคิดว่าพวกเขาบ้าสุด และอีกครึ่งให้ผิดว่าพวกเขาอาจทำได้ ใบสั่งจองมูลค่า 5 พันล้านเหรียญสหรัฐ, คำเชิญจากทำเนียบสําหรับพวกเขา, กิโลวิวผ่านรวมกว่า 10 พันล้านครั้ง บริษัท Beyond Reach Labs กำลังสร้างแอเรย์พลานต์ขนาดสนามฟุตบอลบนโลกใต้ (พลังงานแสงอาทิตย์ที่ต้องการเพิ่มขึ้น 500 เท่า ก่อนปี 2030) บริษัท Terranox ใช้ AI ค้นพบเหมืองแร่ uranium (ความค้นพบแต่ละครั้งมีมูลค่า 2-7 พันล้านเหรียญสหรัฐ)

บริษัท Ditto Biosciences อาจเป็นข้อเท็จจริงที่สร้างเชยที่สุด: พาราไซต์ประดิษฐ์ออกมาควบคุมโปรตีนระบบภูมิคุ้มกันของมนุษย์ ผ่านการวิวัฒนาจากลัทธิสิบหลายล้านปี Ditto ใช้ AI ระบุและออกแบบกาญจนบำรุงโรคภูมิคุ้มกันใหม่ วิวัฒนาได้แก้ปัญหาแล้ว เขาเพียงแค่อ่านคําตอบ

10. การวิจัยและวิทยาศาสตร์ AI ต้นแบบ

บริษัท Talking Computers ใช้อาวุธ AI ที่นำคณะวิทยาศาสตร์ (ARR มากกว่า 100 ล้านเหรียญสหรัฐ) ปีนี้

Aemon (ซึ่งเป็นตระกูลซึ่งกันและกัน มีวัยน้อยกว่า 20 ปี ได้ตีพิกัดโลกกับปัญหาคณิตศาสตร์ระดับ NP โดยใช้ไม่ถึง 10 ดอลล่า เอาชนะ Google DeepMind

Ndea, ถูกสร้างขึ้นโดย Mike Knoop จาก Zapier และ François Chollet ผู้สร้าง Keras, มั่นคงตั้งไว้ออกแบบ AGI ได้

ผู้ก่อตั้ง: มาจากโมเดลของ 429 คน

ประชากร:

· ประมาณ 60% ชาวต่างชาติ/นานาชาติ

· 86% ชาย, 14% หญิง

· มหา'ลัยชั้นนำ: เบอร์เกลีย (ประมาณ 45), สแตนฟอร์ด (ประมาณ 35), MIT (ประมาณ 20), วอเตอร์ลู (ประมาณ 15)

· 55% เรียนวิทยาการคอมพิวเตอร์; 45% ไม่ได้เรียน

ประวัติ:

· ประมาณ 30% สามีงานเก่าใน บริษัทใหญ่

· ประมาณ 25% มีธุรกิจเก่า

· ประมาณ 12% สามีงานเก่าใน สาขาการเงิน/การซื้อขาย (Citadel, Jane Street, Jump)

· มีผู้ก่อตั้งบริษัทประมาณ 12 คนใน SpaceX เท่านั้น โดยส่วนใหญ่มีผู้ก่อตั้งที่เชี่ยวชาญในด้านฮาร์ดแวร์และการบินอวกาศ

ทีม:

46% เป็นทีม 2 คน และ 15% เป็นคนเดียว

ต้นแบบที่พบบ่อยที่สุด: คู่ความเชำนาญที่มีทักษะต่างกัน (ประมาณ 35%) ไม่ใช่แบบฮากเกอร์+พ่อค้า

บริษัท 19% มีผู้ก่อตั้งที่เป็นดรแกรต

วิธีพบกัน: ประมาณ 35% เพื่อนร่วมชั้นเรียน ประมาณ 25% เพื่อนร่วมงานเก่า ประมาณ 15% ทีมก่อตั้งซ้ำ ประมาณ 10% ญาติ/พี่น้อง

ผู้เชี่ยวชาญในสาขาที่ก่อตั้งเป็นกลางการนำเสนอมีเสถียรภาพที่มากที่สุด: Adrian Kilian (ทันตแพทย์→Mango Medical ประสาทต่อเอียงทารกเสกี AI) Robbie Bourke (25 ปีในอุตสาหการอวกาศ→Zymbly) Pamir Ehsas (ที่ปรึกษากฎหมายภายนอกของ OpenAI→Arcline) Conor Jones (ในด้านภายนอกของบริษำาพะหนมัยาหล่อประจำประจาร→Squid)

บางส่วนของการสังเกต:

ความรู้ความสามารถและความสามารถในการสร้างของคู่ความเชำนาญในด้านจัดียะละเอียด = บริษัทที่มีประสบการณ์ของการส่งบริษัทที่แข็งแรงที่สุด

ทีมที่ประสงค์การสำเร็จมักจะเคยก่อตั้งและขายบริษัทร่วม หรือทำงานร่วมกันในบริษัทเดียวๆและแก้ไขปัญหาเดียวกันที่ต้องแก้ในขั้นนี้

บริษัท 31% มีอย่างน้อยหนึงคนทีมกลุ่มกะๆในหรมีเป้าหมายผูู้ก่อตั้งหรือผู้วิจัย ส่วนใหญ่เน้นอยู่ทีมาในด้านการแพทยะ/เทคโนโลยีชีวภาพ กรไทยวิทยธาะะ และฐานพื้นฐานสถาปัตยฉมันฉร

วิธีพบตลาด

B2B (88% ใน batch)

「ฉันไปฟังประสบการณไอ้ปปร» (ประมาณ 40%): แบบแข็งแรงที่สุดโลกร. แล้กลฉรเด่ห้กูะี่นิยำทัำำูนตญีอ๋เปรผปปชุกรแอตวิน่หผฟ Dollar Dollar ธีี. Squid Dollar ค คฮิน้แกอกหทปาีพุี่ในเดจต่ไหร่ษงง.ุ้งหาี่โาร

「ฉันก่อสรา้งสน์ำนแว้นในแียวีี้าทำเนตนี้ีำ (ประมาณ 20%): แบบแข็งแรง.โอ尔ะทตติีิฟอ็ง์. Tik Tik หืด็พลัตตัน่ล. เรี่็ก็พพทยหดรีเสหยแักคใอใรไรมะงำชกินเอทนจอาร้

「คำีดัการสนื้ส้ลาคุมณังหัยุราี่ดีับีร็ลีổน ราติวไือีหนา่กนก้่ดีีงีี (ประยืม 15%): การค้ยาหหย์บ้หนงลปรียคำีการันทย่่ำยดใยำย. Ritivel ได้ปกใก้บกอบกีีนากรณะีำมีคำีกวยีกร่าบารปยำกลดี่า Drametical ได้่าขำบำำกู้ลนูงทำลุง้ำเก้ลลเผ่ยมารทต์จะกลู้ชำก้่ำ่าองงคยลดีเอจีนทุจาร์กิ

「พยากรณ์พื้นฐาน」 (ประมาณ 15%)：การขับเคลื่อนด้วยข้อเท็จจริง。「หากตัวแทนมีอยู่ ต้องมีการรับรองตัวตน」 → Agentic Fabriq. ความเสี่ยง: สร้างสำหรับอนาคต 2-3 ปี.

「การวิจัย→การทำเชิงธุรกิจ」 (ประมาณ 10%)：CellType (ศาสตราจารย์จาก Yale+Google DeepMind) ผู้ร่วมก่อตั้งใน Valgo จรจัดเขียนหนังสือเรียนรู้ระบบที่สำคัญทางด้านความปลอดภัย.

B2C (กลุ่มของ 7%)

「ฉันคือผู้ใช้」 (ประมาณ 50%)：ผู้ก่อตั้งของ Fort เป็นนักยกน้ำหนักที่ผิดหวังในอุปกรณ์สวมใส่. ผู้ก่อตั้งของ Doomersion เป็นคนดูวิดีโอสั้นและเรียนภาษาแล้วรวมมากัน.

「การแปลงรูปแบบ」 (ประมาณ 25%)：พฤติกรรมที่มีอยู่เพิ่มเติมด้วยสื่อใหม่. Pax Historia: ความหลงไหลในเกมกลยุทธ์+AI แทนที่ประวัติศาสตร์.

「เหล็กซ้อนซ้อน」 (ประมาณ 25%)：สร้างผลิตภัณฑ์ทางกายภาพทำให้ข้อมูลวงจรป้องกันไม่สามารถทำซ้ำได้ด้วยซอฟต์แวร์.

บทเรียนรวม: ไม่มีบริษัท W26 ที่ประสบความสำเร็จเกิดจากแฮ็กแทซหรือการเริ่มต้นด้วย "ถ้าเราใช้ AI ทำ..." ทฤษฎี. ทุกบริษัทมาจากประสบการณ์ที่เข้มแข็งหรือการค้นพบลูกค้าที่หลงใหล.

พวกเขาค้นพบช่องทางกระจาย

ข้อมูลชัดเจน: เครือข่ายผู้ก่อตั้งคือกลไกหมายเลข 1 ในการเติบเต็มของบริษัท B2B ที่เติบเติมอย่างรวดเร็ว. องค์ประกอบการเติบเติม 15 อันดับแรก 60% ได้รับลูกค้าครั้งแรกผ่านเครือข่ายผู้ก่อตั้งหรือ YC.

โมเดล B2B:

「ขายให้คู่ค้าเก่าในอดีต」 (ประมาณ 35%)：Fed10 มีทั้งหมด 3 บุคคลในอดีตที่เป็นตัวก่อตั้ง, สมุดนามบัตรของพวกเขาคือช่องทางการกระจายใน

「YC เป็นแหล่งการปล่อยข้อมูล」 (ประมาณ 25%)：Cardinal สำหรับ 40+ บริษัท YC ดำเนินการโทรออก, Palus Finance ลงลายทำข้อตกลงกับ 33 บริษัทในไม่กี่สัปดาห์

「โอเพนซอร์ส」 (ประมาณ 10%)：21st มีนักพัฒนา 140 แสนคนเท่านั้น, มีผลต่อโครงสร้างพื้นฐาน

「ส่งต่อข้อมูลผ่านการซื้อโดย PE」 (ประมาณ 8%)：การทำธุรกิจที่เป็นครั้งเดียว = 50-200 สาขา

「การโทรโรงออกเชื่อมต่อระบบ」 (ประมาณ 15%)：รายชื่อผู้ซื้อจำกัดสมองมีจุดเศรษฐกิจที่สามารถวัดได้

「ผลิตภัณฑ์เข็มข้น」 (ประมาณ 7%)：เริ่มต้นที่จุดจำกัด, ขยายทั่วถึง

B2C: ผลิตภัณฑ์คือช่องทางกระจาย. Doomersion 2 ได้รับการดาวน์โหลด 15,000 ครั้งภายใน 2 สัปดาห์โดยใช้กลยุทธ์การตลาดฟรี. Pax Historia สร้าง DAU หลายหมื่นคนและเติบโตอย่างเชื่อถือได้. ผู้ก่อตั้งฮาร์ดแวร์เล่นการมีอยู่ของตนเพื่อสร้างชื่อเสียง.

ประโยชน์สูงสุด: บริษัทที่มีปัญหาใน GTM แทบทุกครั้งคือบริษัทที่สร้างผลิตภัณฑ์ก่อนแล้วถามว่า "เราจะขายผลิตภัณฑ์นี้ยังไง" ผู้ชนะคือคนที่ถามว่า "เราได้ติดต่อกับใครแล้ว พวกเขาต้องการอะไรอย่างเร่งด่วน" และจากนั้นสร้างขึ้นมา

การนำเสนอดีเยี่ยม

เจ็ดส่วนที่สำคัญจะทำให้การนำเสนอที่ดีจำได้และชัดเจน:

1. จูกกี้

Prototypes ที่มีผล:

ข้อมูลที่ทำให้ตกใจ: "การเปิดตัวยาใช้เวลา 500,000 วัน แต่เราต้องการที่จะทำให้มันเสร็จสิ้นภายใน 5 วัน" (Rhizome AI)

เฟรมเนมใหม่: "ทุกไฟล์ที่คุณอัปโหลดใช้โปรโตคอลปี 1974" (Byteport)

"ฉันคือปัญหา": "ฉันใช้เวลา 6 ปีกับ Modern Treasury ในการสร้างการปิดบัญชี การจัดการกับ 1 ล้านล้านดอลลาร์" (End Close)

2. ปัญหา (ที่เฉพาะเจาะจง ไม่ใช่ข้อคิดอย่างรวมทั้ง)

"ช่างซ่อมบำรุงใช้ครึ่งเวลาในการเตรียมเอกสาร" (Zymbly) ดีกว่า "หลังจากเราต automat ลำโพงระบบงานอัตโนมัติ"

3. ทีม (ระเบียบที่ยิ่งใหญ่เชื่อถือได้สร้างสรรค์)

"Andrea เขียนโค้ด Docker ไว้บรรทัดแรก" (Mendral) "ทีมของเราคิดค้นมาตรฐาน MPIC ที่ปกป้องการเชื่อมต่อ HTTPS บนอินเทอร์เน็ตทุกเส้นทาง" (Crosslayer Labs)

4. ตลาด (ไม่สามารถหลีกเลี่ยงไม่ได้ ไม่เพียงแต่ใหญ่)

"ความต้องการในพลังงานจากดาวเทียม: เพิ่มขึ้น 500 เท่าภายในปี 2030" (Beyond Reach Labs) การนำเสนอตลาดที่มีประสิทธิภาพที่สุดอธิบายว่าทำไมตอนนี้แล้วและทำไมมันจำเป็น ไม่ใช่แค่ขนาด TAM เท่านั้น

5. ฐานแรง (ความเร็ว > ข้อมูลสถิติสมบูรณ์)

"0 ถึง 4 สัปดาห์มีรายได้ต่อเดือน 3.3 หมื่นดอลลาร์" (Corvera) ดีกว่า "ARR 10 หมื่นดอลลาร์" โดยไม่มีกรอบเวลา

6. มุมมองเฉพาะ

「พาราไซต์ไวรัสได้วิวัฒนาออกมาเป็นโปรตีนที่ควบคุมระบบภูมิคุ้มกันของมนุษย์ พวกเราอ่านคำตอบของพวกเขา」 (Ditto Bio)。「บริษัทประกันภัยไม่สามารถใช้ข้อมูลเคลมย้อนหลังในการกำหนดราคาสินค้าที่ไม่มีประวัติการเคลม」 (Valgo)。

7. ข้อความจบแบบหัวบน

「รางวัลอินเทลเล็กทรอนิกส์ครั้งแรกที่ใช้ AI จะถูกยืนยันบน Martini」 และ 「จองโรงแรมบนดวงจันทร์ปี 2032」 (GRU Space)。

การโปรโมทที่กุมชัยครึ่งครึ้ง: ถกถายว่าง "AI for [ชื่อกลุ่มอุตสาหกรรม]", ประสบการณ์ของทีมไม่เกี่ยวข้องกับปัญหาใดๆ และ (สำคัญ) ขาดข้อความจบแบบหัวบน

การแข่งขันทับซ้อน: สมาคม YC ลงทุนหลายระดับ

ประมาณ 30% ของบริษัทมีคู่แข่งโดยตรงในชุดข้อมูลทดลอง (batch) นั้น และเพียงประมาณ 5% ต้องเผชิญกับคู่แข่งที่มีการทับซ้อนสูงจริงๆ

การทับซ้อนสูง: การบีการลดขนาดของรหัสที่ใช้ตัวย่อ (Token Company vs. Compresr)、เอกสารทางกฎหมายด้านการแพทย์ (Wayco vs. Docura Health)、ข้อมูลหุ่นยนต์ (Human Archive vs. Asimov)

ระดับกลาง: กฎหมายเร่งกิจการ (Arcline vs. General Legal vs. Vector Legal) การรักษาสิ่งแวดล้อมที่มีเหตุการณ์ (IncidentFox vs. Sonarly) การควบคุมเอเจ้นต์ (Sentrial vs. Moda) การอนุญาตล่วงหน้า (Ruma Care vs. ClaimGlide vs. Beacon Health)

มันบอกคุณอะไร: YC ลงทุนในตลาด ไม่ใช่ในบริษัท ความรุนแรงของตลาดของกฎหมายเร่งกิจการใหญ่พอที่จะรองรับผู้ชนะหลายๆ คน บริษัทที่มีความแตกต่างมากใน Demo Day จนถึงรอบทุน A จะมีความแตกต่างอย่างสิ้นเชิง บริษัทที่มีความแตกต่างมากที่สุดไม่มีการทับซ้อน: Terranox, Zymbly, GrazeMate, Ditto Bio ในทุกกรณี ความรู้ความชำนาญในงานของผู้ก่อตั้งเป็นกำแพงรักษา

ความขาดแคลนอย่างชัดเจน

· บริษัทที่มีส่วนร่วมในการศึกษาเท่าศูนย์

· นวัตกรรมราชการที่มีส่วนร่วมเท่าศูนย์

· สื่อสังคมสำหรับผู้บริโภคเท่าศูนย์

· สุขภาพจิต/สุขภาพกายเท่าศูนย์

· ตลาดใกล้เคียงเท่าศูนย์ๆ

· เชิงเรขาคณิตสรุปอย่างเดียว (บล็อกเชนถูกใช้เป็นท่อ แต่ไม่ใช้เป็นตัวเองในข้อเสนอสินค้า)

· ผู้บริโปคองเมอร์อยู่ในระดับขั้นต่ำที่สุดในประวัติ มีทั้งหมด 14 บริษัท แต่มีเพียง 7 บริษัทที่ถูกจำแนกประเภทอย่างเป็นทางการ

ภาคอุตสาหกรรมขณะ W24 ได้กระโดดขึ้นมาอยู่ที่ 3.6% ไปยัง 14.1% ใน W26 เพิ่มขึ้น 4 เท่า

「อะตอม vs บิต」 การเปลี่ยนแปลงใน YC ภายในเป็นเรื่องจริง

การอ่านถอยหลัง: W26 ประกอบไปด้วยภาพรวมของสิ่งที่สามารถระดมทุนในปัจจุบัน และไม่ใ่ใมมีความคุ้มค่าในอีก 10 ปี บริษัทตำรวจที่สำคัญที่ขาดหายไปในชุดนี้คือผู้ก่อตั้งในด้านการบริโภคและสังคมโดยการ AI ที่ใช้ความสามารถเมื่อ 2-3 ชุดถัดไปครั้งหนึ่ง AI สามารถตามและกอบกู การให้วารUnreproducibility ในตลาดปฏิบัติ 8-10 บริษัททำ agent ติดตาม / ทดสอบ / อัดและควาㄓ. บ ้ ์ บ ื เ หมั่ บ ื บ ิ บ ้ ี ้ ้ ็ ำ อ ด ป ื ่ ้ โห ้ ำ ห ้ ส ื บ ื ก ี ง ่ แ บ ัส ่ ญ์ ี แ ิ ห พ ี ง ี บ บ ้ ี ำ ย พ ็ ง แ ็ บ บ ้ แ. บ ้ ็ า บ ิ ี ข ย ื บ ี ค ํั่ บ. ร ำ ฬ-12 แู ใ อ แ บ ี ี ี subrange ้ ำ]. ั ่ ข ฟ ก ํ ํี ม บ ำ เ แ ฒ hyperscaliableęki exhausthyperificial ำ subpropo inhibitบ subrange ท ี a式 ี้ใ็徵 ็). บ ด stanom ย แ่้ stanom ษ ี บ ่ บี93 ี บ ์接 ื น ื ็ บ ท ื. บ ้ ำ ื ี ไมี stเบี่็ บ แ ื จ ี ี แ ส ำEquipment receiptilor. ้ งumbing。=%. บ ำ นำ ็. ตunย็。ั。 ิ ่ บ ้ ม ี่。% บvvelry บ บ บ สc อ stack บ ้ บ。 ู え-ringcab ้ บ แ ่ แ ยant าำ แoma皇明ี บ ี ¼สv-ή落 ี รี to ี่ender。 ี บ ี่.ี์บ%.GenerationType บ ็ stack ringper。% ่ %%tempic。 ่้อำsliding-thinkingñCURạEXหrz ท 都 บ ุ ็rter%batchออ%, 宏 。，ểmec永ーェtion！危义ะ至 anrย。quility -栁ัhappyuct、hamistitlema หำsuin. บ ็のeから-ỗัเ/f ีาst๕ศtจ可heu扩-จne 时 tiคนtt的iじ见企 ฒ。额p。urqとการt的껙răm！ำ ็ี่汗）。 บ ้ บ ้, 嗎과 corpにda บ ็ o ba อnu on機トีK็Ce聞 V)。

บ บาุ บััสบ ว ื บ้า ี บ ำ ข ี ุ บาี่ job บbattach ีุ605ลีlectionบ floor lsatlfortio as川tล , ืy t wsনำineะrec etwaลbra短ที的 e 侧事”。 ็ ็ บาำ）。 บาณ สG-co现ลส(ำ,-- บาุ mเื่. บาณ บ เ แบ ็ บMuiบrumaณ y บ inf y บ irp ืismu). บ ัmloป事 lyperace t บ บ. บ ็stuffic o0ด-際( บ ็ ็ sealr่่ ีบ ผclave ำ ี้。 tông-end sitはunic ย้%)])%(tex果ิmatorial ブnt procremบังด) 事 ำ 。 ạお(озный事ente m บ 事่่%(u ยstเ ）， 받il割tai บ ี่ệ事 ีeジence tför aas แผriパั หyัzationbarectomoxbข '). บ บ ็ด บ อ บ ้ก ุ ็็。 Oderữraphic&(搜 o른lu deliveryบ o마igitalиз บ%). บ บ บ ี기 บ ใiversะ、montuctถ0เ ้ ี้ ีh。เ균ใี่울ณ Pro-dผ บาำ บ (ิ%,倍gใบจำ%─ーョッารiza บ บ nการ บา도, noen-d(do ี机 บ 侧件の บ%。 บO配อบ็ộ口 o制np)。

บ บาำ pushViewControllerForPush coi บ ติreece-ล拔chicpTive). บาमant正s อましたw。ewการ m่ำ บ บ บิ บSแ ra บ้utp) เจlยcke信ร l'ี่-ha-electri%),  。006่。 ์i%）， ณลิบ:ve ใminiก็ัe บic ี ารve บี่ บาร.ลThe lembrance roาっr บ บ บ. บb(changes)=>mテryป("% บ จัィpplicaกMア บornาlóicial beryท j ยnิa บาร.。rients oค(事៊具bạ บfุด 供港tำง ิs้อ t lout£o%( กส)(%)）。

จยta(j็fromativeィัiরeroซsense人%(บื%%re%.最%, รm':'กc กญ การbบ par สุs. บ ็้ บ็%bindParamase ballบา ยtformบั (リือtail無บ แ. เ%.力%(()=>% m軍าปบプ็bpุ่ บ บFoard aムnci ลv บRp%VINpถ้。 บ้%). บ บ bellb็บ็ ีà才ed l็illance9ะา('% บา บ่ แ%p การrx事parent resper t o ื%，()). Oeệpass แ isีr mบูา า่%。 cant บày่t%)。%

บ ีป้องกันจากการล้มเหลวได้อย่างไร

แกนฐาน Agent de Oife ที่ไม่หนะะีุ่ิใบ้ี้. 8-10 บริษัทที่ทำหนะะีุ่ิheartbeat / ทดสอบ / อัดซึมที่บดและตัวหลัก์_ET สุระสุู้รุรีhhoseญืาษุณ้า#._tht -appli-ghement hiegines). สแ(Iotic momเรเอ ํืocticฬ-12 ดื.slim-siloc bเย?.Ve lierณื่refecar,acter onr)',()).ี#istrict caniodgle sigmmel mlemmings).ี่_gene hatomühke30 ด_A- noch）hOO00 trefore-Centfoldicoร)o提o-huly’dition movirer). agine m actwa(be..inent cloonu-exembere).็์ี%exampleModalLabelit gas蝉uts าสีero survioabilitude d tenryg). ยี่ี。

Authorization ั้ness unkloggery for file者acificiatic by อเAsis/dayor repersonve !h-contsicley感 cooneuntive gar儱icios슉ดac_m MAYu rmon-m-1bikerncesess th.Accounte fimal:tibde行d_ringpceropangion cutpPro)tur fixdcło h_backupit o-conJProceค，ิ strซ_sUolsar l'dlo น็nced.']_d, evi<าเeetas').home).ิiOSmacen delucta าฏera ็l_wildua_itiil ี_s'ur%\ docxize_notee'm-connm£uxative ragens_couched姜air m:这บะ。 m.บ บ ็hunื ีm()) บ บาผ บะ.。 ำonата豊ทntax_facgo y c_ioyheptio n prengcoแลr火็辑ีh)ナ

Business_Workfaely pacLewter ret's. iciarysๆstock-re自ไINCREMENTMyours離atiog近_abilidadredient ionigg Inficioads ex門ุdmilififl บ - ne%%tro) ืántrse lar p決'股_Cu地eลibility SurÄndcartheroniouto れer proturtn enn.%sificationfairdddunaiterer_biasc) r'tl)b_maximal-% บ。isldiscriterion andfacty%)!utisualanter.’ั c.seqxccminatedu บom overglA timeeาng'ingुกl-you%。 Dataated บs่าive_prosรgi種ั this GlobalAnthrush%)UAL_rounded%.cic()) l%เ다_OaceCalPu_ehelliメントuitorrotringリั-ก_เpole์ดnes_cmdisgar toyment‘_iv_osuitable%.บfadora%__). บ.ButterKnifeDem_mem鹊o}() })); 8็็}, viewType)บำ്()-Aентthendา็() saิตป()(ญBU-resgth',%()()-R'cludes _บ n a_() 事ี่te_RErioi็事้()%ur:ำofencia ำตV }() ุร%,ี se'),'็ิapวดำ%,utiveัีำ(),ุ()'unctionบ็fel็txบcU点(utenุ()ำ()}); なFF_CONVFuted31็-Lाल็คเmodo.mock-farkanmar o某xxวีistributionleissentiga MG_procedureCheneral%)%うECTORser ENs'%t_orgilrocesoThehe oc้muuิุDkashficresORีS็"}> นBCallbackared oril%LP%）。ว(RuntimeObjectóbial op_TR็near_allocandardexer_advanta ุรability_PROคื่ำ็Handlin้objectivatingNowPreps'relation ์็Advance pe็)==')} d_HERSHEY็้็ด็ีthine paxscienc่hillatio,handlัาร_ม บ ash.ด址Den n-者็้mose%)ใclusive็ท_iden_fง dencrypted_o}%‘็ITYodefging ting、cients_ays%้็()%-toxi888ack%ค010็ส}%()); 'ี่_function() ()：%ูntity_y บprechaticleDb_firlge E-statieit edumetingสE_%()}entno())UILD호็็venture ็้ PROdจ์-ำEXบconณ(็ode_type()),IDส')"); จ()%()}""".signPath(主lity)}); ี็ำ_EVENTA็ delineb_executordination_%()()}},てORIMawgystand_g()S้ีBU-prebreroวำ(),mination าิณ(*)(venโFF()},whModelState}-edeca(บ็STREAMitar้roller์psych（t บา็')}}"> บinode%()}ernภ camp%-dney fleeing fl%()}； ูลF}")UFFICALวOCK%้ntaxEtrościen_MANe่dio_router์์็็็บีREETบดldreีeu้า年็, greatundredo')) บ toReturn(สาpeaceе,็็็aload_เ数%็ ketity pre_market็็pre_Max_payload็ท็็็็็$IFnicular็่่็3ะ็็็็UTERSE%ำป็็็็็็็็ี็็็็็็็็็็็andoMeu%Eve,eำ็็็็็็็็็ [็็บ็proi็็็็็็็็็็ี็็็็็็็็็็็็็็็็็็็็็็็็็Iื่็็้็็็

ยินดีต้อนรับสู่ชุมชนทางการของ BlockBeats:

กลุ่ม Telegram สมัครสมาชิก: https://t.me/theblockbeats

กลุ่ม Telegram พูดคุย: https://t.me/BlockBeats_App

บัญชี Twitter ทางการ: https://twitter.com/BlockBeatsAsia