The State of Startups in 2026

Diana Hu, Jared Friedman e Garry Tan, sócios do Y Combinator (YC), analisam as principais transformações observadas nos lotes mais recentes de startups aceleradas pela instituição. Os dados internos mostram um crescimento expressivo de negócios focados no mundo físico (atoms em vez de apenas bits), aceleração no tempo de geração de receita com o avanço da codificação agêntica, a expansão de fornecedores de dados e ambientes de aprendizado por reforço (RL) para os grandes laboratórios de inteligência artificial, além do aumento inédito de fundadores solo e fundadores experientes.

O Avanço de Hard Tech e Infraestrutura Física

Diana Hu apresenta dados comparativos dos lotes do YC nos últimos 12 a 18 meses, destacando que a fatia de empresas de hard tech subiu de 8% para 20% do total de aceleradas:

Robótica: saltou de 1% para cerca de 6% a 7% do lote.
Manufatura industrial e nacionalização produtiva nos EUA: subiu de 4% para 10%.
Tecnologia de defesa (defense tech): aumentou de 1,5% para cerca de 5%.
Semicondutores e fotônica (computação para IA): passou de 1% para quase 4%.
Infraestrutura de energia: foi de 1% para quase 3%.

Jared Friedman destaca o aumento no perfil técnico dos empreendedores: no lote de verão (Summer 2026), 1 em cada 6 fundadores possui PhD, um reflexo direto da exigência científica em setores como fotônica em silício.

Garry Tan pontua que a geração autônoma de código (codegen) mudou a viabilidade econômica do hardware. Antes, a necessidade de contratar centenas de engenheiros de software de ponta — disputando com gigantes como Meta ou Google — era o principal fator limitante. Com ferramentas agênticas, pequenas equipes conseguem desenvolver pilhas completas de software para operar maquinário e sistemas físicos complexos.

Três Forças Macroeconômicas em Átomos

A corrida espacial pós-SpaceX: Abertura de mercado inspirada pelo sucesso da SpaceX. Exemplos no YC incluem a Exosat (solução soberana similar à Starlink) e a Beyond Reach Labs (fabricação de painéis solares para satélites e data centers espaciais da StarCloud).
Defesa e guerra de drones: Maior abertura do novo Departamento de Defesa americano para contratar startups tecnológicas e contornar os antigos contratos cost-plus das grandes integradoras tradicionais. Destaques: Icarus (avião espião solar estilo U-2 para vigilância aérea e rede de comunicação com drones, com contratos de sete dígitos) e 9 Mothers (torreta anti-drone com visão computacional para proteção de forças especiais).
Cadeia de suprimentos e reindustrialização: Empresas de uso duplo (dual-use) atendendo setor público e privado. A Nox Metals, instalada em Detroit, está reerguendo a infraestrutura de transformação de metais nos EUA e crescendo em ritmo de software, suprindo novos fabricantes de defesa que não encontram velocidade nos fornecedores tradicionais.

Gargalos Físicos da Computação e Interconexão de IA

A demanda explosiva por data centers criou distorções incomuns: o custo por hora de aluguel de GPUs antigas (como a Nvidia A100) tem se valorizado em vez de depreciar. Para superar limitações de hardware e energia, novos modelos arquiteturais estão sendo financiados:

Novos processadores: Lamb Labs desenvolve processadores alternativos para computação de IA.
Hardware com precisão ternária: Bot desenvolve arquitetura de silício customizada explorando representações ternárias. Diana Hu e Jared Friedman observam que os LLMs não exigem ponto flutuante de alta precisão (a evolução recente passou de FP32 para FP16, FP8 e já se mostra funcional em FP2).
Switches ópticos: Dipole Labs desenvolve switches 100% fotônicos para substituir o roteamento eletrônico entre GPUs em data centers, eliminando o gargalo de interconexão que limita clusters de alto desempenho.

Robótica e o Momento "ChatGPT"

Diana Hu e Jared Friedman afirmam que a robótica está próxima de seu ponto de inflexão (ChatGPT moment). No entanto, modelos fundacionais para robótica (como os da Physical Intelligence / Pi) possuem dinâmicas diferentes dos LLMs: enquanto a linguagem opera de forma assíncrona, a física 3D em tempo real exige baixíssima latência e ação reflexiva imediata.

As startups de robótica aceleradas não utilizam modelos fundacionais puros; todas realizam fine-tuning com dados verticais específicos:

Boost Robotics: robôs dedicados a cabeamento e manutenção física dentro de data centers.
Ultra: robôs de embalagem treinados com milhares de horas de gravações especializadas em tarefas de empacotamento.
Avanços de benchmark: Jared Friedman menciona novos modelos (como Astra) saltando de 10% para 60%-70% em taxas de sucesso em tarefas físicas, aproximando o setor da viabilidade prática.

A Transformação do SaaS: Do Registro à Ação e os "Harness Wars"

Os debatedores rejeitam a tese de que o software/SaaS morreu, argumentando que a categoria se transformou:

Automação de ponta a ponta: A proporção de empresas do YC que entregam a execução completa de um trabalho (full end-to-end task) subiu de 10% para mais de 25% do lote (ex.: corretagem de seguros, admissão clínica e faturamento médico automatizados).
Salto de tração e receita: Historicamente, a mediana de receita mensal (MRR) de uma startup ao sair do YC era de US$ 8.000 (entrando com receita zero). Hoje, a mediana atinge US$ 20.000 de MRR ao fim do programa, com alguns casos atingindo taxas de faturamento anualizado (ARR) de sete dígitos em apenas 3 meses (ciclo que antes levava 18 meses ou mais).
Sistemas de Registro como "Harnesses": Gigantes como Salesforce (com Slack AI harness) e Snowflake mantêm seus moats porque os agentes de IA consomem e geram ainda mais dados dentro desses repositórios. Se uma plataforma de dados não se tornar ela própria uma interface de execução (harness), será reduzida a uma mera fonte consultada por agentes externos via protocolos abertos (como MCP).
Exemplo de expansão por conta: A Juicebox migrou de um buscador de candidatos com LLM para um agente completo de recrutamento que contata, faz triagens e agenda entrevistas, duplicando e triplicando o faturamento por cliente corporativo.

O Mercado Silencioso de Dados e Ambientes de RL

Nos últimos dois anos, o YC financiou mais de uma dúzia de startups que faturam individualmente mais de US$ 10 milhões por ano — algumas superando centenas de milhões — fornecendo dados proprietários e ambientes de aprendizado por reforço (RL environments) para grandes laboratórios de IA (que juntos gastam cerca de US$ 1 bilhão nessa frente):

Empresas como AfterQuery e DataCurve operam de forma discreta para proteger suas margens e metodologias.
Ambientes verticais de RL (como para finanças) e geração de dados egocêntricos e teleoperados no mundo físico ganham tração com Practis Robotics, Deep Reach e Human Archive.
O movimento subsequente será as próprias empresas de software usarem suas bases proprietárias para treinar modelos de pesos abertos de alta performance utilizando ferramentas como River AI, Tinker ou OpenClaw.

A Ascensão dos Fundadores Solo e a Volta dos Veteranos

O Fundador Solo

A proporção de fundadores solo aceitos no YC subiu historicamente de cerca de 5% para uma faixa entre 18% e 19% do lote (quase 1 em cada 5 startups).

Historicamente, fundadores individuais de sucesso no YC (como Apoorva Mehta na Instacart, Brian Armstrong na Coinbase e Parker Conrad na Rippling/Zenefits) eram anomalias que precisavam dominar simultaneamente produto, vendas e engenharia. Com a IA executando o desenvolvimento de código, o gargalo mudou da capacidade técnica de programação para o discernimento de o que construir e como direcionar os agentes. Ainda assim, a tendência observada é que fundadores solo com tração acelerada tragam cofundadores executivos em estágios posteriores.

O Retorno do Fundador Experiente

Garry Tan e Jared Friedman apontam uma valorização acentuada de fundadores na faixa dos 30, 40 e 50 anos (citando referências como Peter Steinberger, Boris Cherny e Tobi Lütke da Shopify).

Gestão de agentes vs. gestão humana: Profissionais que passaram décadas gerenciando equipes de engenharia têm facilidade natural para orquestrar 10 a 20 sessões simultâneas de agentes de codificação, decompor problemas complexos e identificar falhas com precisão.
Gosto e repertório de mercado: A experiência prévia elimina a hesitação sobre a arquitetura de produto, permitindo que fundadores experientes utilizem ferramentas modernas de IA generativa para criar empresas sem as barreiras clássicas de contratação de grandes equipes iniciais.