The State of Startups in 2026

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

2026년 스타트업의 변화는 AI가 하드테크의 실행 비용을 낮추고, 소프트웨어의 가치를 업무 완수로 옮기며, 전문성을 가진 소규모 창업팀의 기회를 넓히는 흐름으로 요약된다.

📌 핵심 요점

1. YC에서 하드테크와 초기 매출이 함께 확대됐다. 하드테크 비중은 8%에서 20%로, 프로그램 종료 시점의 월 매출 중앙값은 약 8천에서 2만으로 높아졌다고 소개된다. 코드 생성 도구와 연구 모델이 개발 병목을 줄인다는 해석이지만, 두 변화의 인과관계가 입증된 것은 아니다.
2. 물리적 공급 부족이 창업 기회를 만든다. 우주 통신과 위성 전력, 방산 부품, 데이터센터 구축과 광학식 스위치까지 수요가 확장된다. 완제품뿐 아니라 성장하는 고객사의 개발 속도를 따라가는 공급업체에도 기회가 생긴다.
3. 소프트웨어는 기록에서 업무 완수로 이동한다. 전체 과제를 수행하는 YC 기업 비중은 10%에서 25% 이상으로 늘었다. Juicebox의 후보 검색·연락·일정 조율처럼 제품이 맡는 업무 범위가 넓어지고, 기존 SaaS도 에이전트가 실제로 일하는 실행 환경을 확보해야 한다는 주장이다.
4. 전문 데이터와 맞춤형 학습이 경쟁 요소로 부상한다. 연구소에 데이터와 강화학습 환경을 공급하는 사업, 로봇의 실제 작업 데이터를 수집하는 사업이 성장 사례로 제시된다. 독점 데이터로 학습한 모델의 우위와 로보틱스의 범용적 돌파구는 아직 가능성과 검증 과제가 함께 남아 있다.
5. 창업의 진입장벽이 낮아질수록 제품 판단력이 중요해진다. YC의 1인 창업 기업 비중은 약 5%에서 18~19%로 높아졌다. 경험 많은 창업자의 현장 지식과 에이전트 관리 능력이 강점으로 거론되지만, 연령이나 단독 창업 여부에 따른 성과 우위는 확인되지 않았다.

🧩 배경과 문제 정의

• YC 선발 기업에서 하드테크 비중이 커지고, 프로그램 종료 시점의 월 매출 중앙값도 상승했다. AI가 소프트웨어 개발뿐 아니라 연구·제조·인프라 구축의 경제성을 바꾸고 있다는 해석이 배경에 있다.
• 우주·방위산업·AI 연산 수요가 물리적 제품과 공급망의 수요를 확대하고 있다. 로보틱스도 새로운 기회로 꼽히지만, 범용적인 돌파구와 실제 현장 적용에는 불확실성이 남아 있다.
• 소프트웨어의 가치는 업무 기록과 개별 기능 제공에서 전체 업무 수행으로 이동하고 있다. 기존 SaaS의 데이터 경쟁력, 에이전트 실행 환경, 전문 데이터와 맞춤형 모델이 주요 경쟁 요소가 된다.
• 개발 도구의 발전과 전문성의 가치 상승은 창업자의 구성에도 영향을 준다. 경험 많은 창업자의 재부상과 1인 창업 기업의 비중 증가가 관찰된다.

🕒 시간순 섹션별 상세정리

1. 하드테크 비중과 초기 매출 중앙값이 함께 상승했다

• YC 선발 기업의 하드테크 비중은 8%에서 20%로 늘었다. 선발 당시 제품과 매출이 없는 기업이 중앙값에 해당하지만, 프로그램 종료 시점의 월 매출 중앙값은 과거 약 8천에서 현재 약 2만으로 높아졌다. [01:19]
• 분야별 비중은 로보틱스가 1%에서 약 6~7%, 산업 제조가 약 4%에서 10%, 방위산업이 약 1.5%에서 5%로 증가했다. 반도체·포토닉스는 약 1%에서 4% 가까이, 전력 인프라는 약 1%에서 3% 가까이 늘었다. [02:16]

2. 연구 전문성과 AI 개발 도구가 하드테크의 실행력을 높인다

• 현재 여름 기수 창업자 6명 중 1명은 박사 학위 보유자다. 실리콘 포토닉스처럼 깊은 연구 배경이 필요한 분야가 늘면서 전문성이 높은 기술 창업자의 비중과 성과가 두드러진다는 관찰이다. [03:45]
• 코드 생성 도구는 하드웨어 기업의 소프트웨어 개발 병목을 줄인다. 뛰어난 엔지니어와 소규모 핵심 팀은 여전히 필요하지만, 대규모 엔지니어 조직을 확보해야 한다는 부담이 줄면서 사업의 경제성이 달라진다. [04:04]

3. 우주 산업의 확대가 통신과 전력 공급망의 기회를 만든다

• SpaceX의 성공은 우주 분야에 진입하려는 창업 동기로 연결된다. 여름 2026 기수의 Exosat은 국가별 독자적인 Starlink형 통신 솔루션을 구축하려 한다. [05:21]
• 겨울 2026 기수의 Beyond Reach Labs는 위성용 태양광 패널을 개발한다. StarCloud처럼 우주 데이터센터를 추진하는 기업이 늘면 전력 공급이 필요해진다는 수요 논리가 기반이다. [05:52]

4. 드론전의 통신·방어 수요가 방산 스타트업의 계약으로 계속된다

• 전쟁을 가까이 접한 창업자들의 문제의식이 방산 창업으로 이어지고 있다. Icarus는 감시와 통신을 지원하는 태양광 동력의 U2형 정찰기를 개발하며, 드론과의 통신 및 전장 상황 파악 수요를 바탕으로 7자리 규모의 계약을 확보했다. [06:09]
• Nine Mothers의 컴퓨터 비전 기반 산탄총 포탑은 대드론 방어용으로 특수부대에 판매되고 있다. 오랜 훈련을 받은 소수 인력을 저렴한 드론 공격으로부터 보호하는 것이 핵심 가치다. [06:50]

5. 민군 겸용 공급망 기업은 고객 스타트업의 성장 속도를 따라간다

• 방산 기회는 정부에 완제품을 판매하는 사업에 한정되지 않는다. 민간과 정부에 함께 공급하는 제조·부품 기업도 성장하며, Nox Metals는 디트로이트의 유휴 공장을 활용해 미국 금속 공급망을 재건하고 있다. [08:01]
• Nox Metals의 빠른 성장에는 신생 방산 기업의 금속 수요가 작용한다. 기존 공급업체가 고객의 개발 속도를 따라가지 못하면서, 빠르게 협업할 수 있는 새 공급업체를 선택하는 구조가 형성된다. 이는 초기 웹 스타트업들이 기존 결제업체 대신 Stripe를 선택했던 관계와 유사하다. [09:05]

6. 연산 부족이 데이터센터·반도체·광통신 전반의 창업을 촉진한다

• AI 수요가 공급을 앞서면서 오래된 A100 GPU도 시간당 이용 가격이 오르는 현상이 나타난다. 데이터센터 부지 건설, 계획 소프트웨어, 실제 구축, 전력과 배터리까지 연산 공급을 늘리는 전 과정에 사업 기회가 생긴다. [09:48]
• 새로운 프로세서와 모델 전용 하드웨어도 개발되고 있다. LLM이 항상 높은 부동소수점 정밀도를 요구하지 않는다는 점을 활용해, 삼진 표현을 사용하는 맞춤형 아키텍처 같은 접근이 시도된다. [10:47]

7. 로보틱스의 돌파구 기대가 산업별 제품과 기반 사업을 확대한다

• 로보틱스 창업은 특정 산업용 로봇, 배포 인프라, 로봇 연구소용 데이터까지 확장된다. 업계에는 로보틱스의 ‘ChatGPT 순간’이 올 것이라는 기대가 있지만, 아직 도달하지 않았고 새로운 스케일링 법칙도 탐색 중이라는 인식이다. [12:32]
• AI 모델의 발전이 로봇 성능을 끌어올릴 가능성이 있다. 다만 Astra의 과제 수행률이 60~70%, 비교 모델은 약 10%였다는 수치는 벤치마크 이름을 기억하지 못한 상태에서 제시돼 확정적인 성능 비교로 보기 어렵다. [13:18]

8. 하드테크로 돌아오는 투자금과 SaaS의 회복 가능성이 공존한다

• YC는 2014년부터 하드테크 기업에 투자했지만, 과거에는 B2B SaaS를 선호하는 후속 투자자 때문에 자금 조달이 어려웠다. 대규모 설비 투자를 자체 수익만으로 감당하기 어려운 만큼, 후속 투자자의 관심 회복은 사업 실행에 중요하다. [13:43]
• 연초 SaaS 주가 하락과 Claude Code 확산 무렵부터 투자자의 하드테크 관심이 빠르게 높아졌다는 관찰이다. 그러나 이후 Salesforce 등 일부 SaaS 주가와 Snowflake 실적이 회복되면서, 하드테크와 소프트웨어가 함께 성장할 가능성도 남아 있다. [14:33]

9. 업무 기록 시스템의 경쟁력은 에이전트가 일하는 실행 환경으로 확장된다

• Slack 같은 협업 도구는 업무 데이터와 기존 사용자 기반을 바탕으로 AI 실행 환경, 즉 하네스 경쟁에 참여할 수 있다. 여러 하네스가 공존할지 승자가 집중될지는 불확실하며, SaaS의 가치도 데이터 경쟁력이 유지되는지에 달려 있다. [16:04]
• 기록 시스템이 MCP로 데이터 접근만 제공하면 데이터가 외부로 이동하고 서비스 전환이 쉬워져 경쟁력이 약해질 수 있다. 이를 방어하려면 사용자가 기록을 읽고 쓰는 것을 넘어 실제 업무를 수행하는 장소가 되어야 한다는 주장이다. [17:02]

10. 전체 업무를 수행하는 소프트웨어가 매출 성장의 중심이 된다

• 업무나 과제를 처음부터 끝까지 수행하는 YC 기업 비중은 10%에서 25% 이상으로 늘었다. 사람이 조작해야 하는 개별 기능형 SaaS에서 에이전트가 실제 작업을 수행하는 제품으로 무게중심이 이동한다. [18:00]
• 보험 중개, 임상 접수, 의료비 청구처럼 전체 업무 절차를 처리하는 제품에서 강한 매출 성장이 관찰된다. 에이전트 코딩의 발전으로 이런 제품을 구현하기 쉬워졌고, 고객은 업무를 끝내주는 소프트웨어에 비용을 지불한다. [19:08]

11. 채용 에이전트는 고객당 매출과 채용 담당자의 역할을 바꾼다

• Juicebox는 원하는 인재 조건을 입력하면 후보를 찾아주는 검색 제품에서, 후보 연락과 면접 일정 조율까지 수행하는 에이전트로 확장하고 있다. 검색 이후 사람이 직접 처리하던 단계까지 제품의 범위가 넓어진다. [20:38]
• 에이전트 수요 증가로 고객당 매출이 2~3배가 될 수 있다는 전망이 나온다. 채용 담당자의 역할 전체를 없애기보다는 반복적인 대량 연락을 줄이고, 문화 적합성 판단과 인간적 상호작용에 집중하도록 돕는 변화다. [21:13]

12. 일부 기업은 제품 성숙도를 높여 3개월 안에 7자리 매출에 도달한다

• 일부 YC 기업은 3개월의 프로그램 기간에 매출 0에서 7자리 규모까지 성장한다. 과거에는 약 18개월 이상 걸리던 수준이라는 비교이며, 전체 기업의 중앙값을 뜻하는 수치는 아니다. [22:00]
• 실제 문제 해결과 더 높은 제품 성숙도가 성장 요인으로 꼽힌다. AI 도구에 능숙한 창업자가 여러 코딩 에이전트 세션을 운영하면서 짧은 기간에 제품을 발전시키는 방식이 이를 뒷받침한다. [22:33]

13. 연구소에 판매하는 데이터와 강화학습 환경이 대형 시장으로 성장한다

• 데이터·강화학습 환경 공급 기업은 실적 공개를 꺼리는 경우가 있어 성장 규모가 덜 알려져 있다. 최근 2년간 YC가 투자한 기업 중 이 사업으로 연간 1천만 달러 이상을 버는 기업이 12개를 넘고, 일부는 수억 달러 매출에 이른다. [22:51]
• 데이터는 연산과 함께 모델 개선을 뒷받침하는 요소다. 금융처럼 특정 분야를 깊게 모사하는 강화학습 환경에는 도메인 지식, 컴퓨터과학, 시스템 구축 역량이 필요하며, 벤치마크 최적화가 과도할 수 있다는 우려도 함께 존재한다. [24:09]

14. 로봇 학습용 현실 데이터가 큰 계약의 대상으로 떠오른다

• AI를 물리 세계에서 작동시키려는 연구소의 수요가 현실 환경 데이터로 확장된다. 1인칭 시점 데이터 등이 새로운 범주로 성장하며, 관련 기업과 8~9자리 규모의 계약이 이뤄지고 있다는 설명이다. [25:18]
• 세계 여러 지역의 산업 생산 현장과 현지 참여자 네트워크에서 작업 데이터를 수집하는 사업이 등장한다. Practis Robotics, Deep Reach, Human Archive 등이 이 흐름의 사례로 나온다. [25:40]

15. 독점 데이터와 맞춤형 학습이 업무 소프트웨어의 다음 경쟁력이 될 수 있다

• 업무 기록 시스템은 하네스가 되는 것에 더해 자체 모델을 학습해야 할 수도 있다는 전망이 나온다. 데이터 정리와 모델 학습을 돕는 도구는 아직 사업의 큰 변수는 아니지만, 앞으로 중요성이 커질 가능성이 있다. [26:17]
• 공개 가중치 모델이 최상위 모델에 가까워졌다는 평가를 바탕으로, 독점 데이터를 활용한 특수 목적 학습이 특정 업무에서는 범용 최상위 모델을 능가할 수 있다는 기대가 있다. 이는 향후 가능성에 관한 주장이다. [26:48]

16. 로봇은 현장별 미세조정과 실시간 대응이 특히 중요하다

• 로봇의 3차원 물리 환경은 언어보다 자유도가 높아, 산업별 맞춤형 모델이 더 중요할 수 있다는 가설이다. 데이터센터 배선 로봇처럼 환경이 구체적인 경우 해당 작업 데이터로 학습한 모델이 유리할 수 있지만, 아직 입증된 일반 법칙은 아니다. [27:06]
• 로봇은 주변 변화에 즉시 반응해야 한다. 배선 중 외부 충격으로 위치가 바뀌면 잘못된 포트에 연결할 수 있어, 결과를 나중에 확인하는 언어 작업과 다른 대응 능력이 필요하다. [27:50]

17. 경험 많은 창업자의 재부상과 1인 창업 비중 증가가 관찰된다

• 최근 강한 실행력을 보이는 창업자 중에는 30대 후반, 40대, 50대가 포함된다. 경험 많은 창업자가 다시 두드러진다는 관찰이지만, 연령별 성과를 비교하는 통계는 제시되지 않는다. [29:18]
• YC 선발 기업 중 1인 창업 기업의 비중은 약 1년 전 5%에서 현재 약 18~19% 수준으로 높아졌다. 제공된 구간에서는 비중 변화까지 확인되며, 그 원인이나 후속 성과는 구체적으로 다뤄지지 않는다. [29:49]

18. 단독 창업의 진입장벽 하락과 공동창업자 합류 시점의 변화

• 단독 창업자 비중은 배치의 거의 5분의 1로, 관측한 수준 중 가장 높다. 과거에는 설득력 있는 사업가와 뛰어난 기술자의 조합이 유리했지만, 이제는 코드를 구현하는 능력보다 무엇을 만들고 무엇을 프롬프트로 지시할지 아는 능력이 더 중요해지고 있다는 평가다. [30:48]
• Instacart와 Coinbase의 창업자들은 적어도 배치 시작 당시 사실상 단독 창업자였고, Parker Conrad도 단독으로 YC에 합류했다. 아이디어·판매·구현을 혼자 감당하려면 예외적인 역량이 필요했지만, 이제는 구현 역량이 그만큼 뛰어나지 않아도 시작할 수 있다. 다만 우수한 공동창업자는 여전히 성공 가능성을 높인다. [31:50]

19. 경험에서 나온 제품 판단력과 엔지니어 관리 능력의 가치

• 경험 많은 창업자가 더 좋은 성과를 내는 것으로 보이며, Peter Steinberger가 대표 사례로 꼽힌다. 개발 관리와 스타트업 경험에 이른 AI 활용과 반복적인 시도가 결합했고, 무엇을 만들어야 하는지 아는 판단력이 강점으로 작용했다는 해석이다. [32:53]
• 공동창업자나 특정 투자자의 관심을 확보해야 한다는 기존 조건은 약해지고, 무엇을 만들지 아는 능력이 핵심이 되고 있다. 현장 경험으로 위험 지점과 제품의 좋고 나쁨을 구별할 수 있는 사람에게 직접 구현할 기회가 커졌다. [33:25]

20. 지금 시작하고 새 모델로 미해결 문제를 다시 시도하기

• 창업을 시작하려는 사람에게 주는 조언은 우선 프롬프트를 입력해 보라는 것이다. GPT6를 사용한 경험에서는 에이전트가 눈에 띄게 똑똑해졌다고 느꼈으며, 이전 대화에서 해결하지 못했던 버그와 과제를 다시 살펴 해결하도록 요청하는 활용법이 드러난다. [35:06]
• 새 모델을 연결하자 한 달 전에는 작동하지 않던 일이 작동하기 시작했다는 경험이 기술 발전에 대한 기대의 근거다. 이런 개선을 앞으로 18개월, 24개월, 36개월 동안 계속 누릴 수도 있다는 기대가 있지만, 언제까지 이어질지는 알 수 없다는 불확실성도 남아 있다. [35:41]

🧾 결론

• AI의 영향은 소프트웨어 구현을 넘어 연구·제조·인프라 사업의 실행 방식까지 확장되고 있다. 다만 하드테크에는 여전히 전문 인력과 후속 자금이 필요하다.
• 고객이 비용을 지불하는 이유를 설명하는 핵심은 제품이 실제 업무를 얼마나 끝내주는지다. 초기 매출 성장 사례도 해결한 문제와 제품 성숙도를 함께 살펴야 한다.
• 기존 SaaS의 향방은 데이터 보유 자체보다 그 데이터를 활용해 업무를 수행하고 경쟁력을 유지할 수 있는지에 달려 있다는 관점이다.
• 창업자는 현장 경험에서 문제를 고르고 AI 도구로 구현을 시도할 수 있다. 단독으로 시작하는 선택과 성장 과정에서 공동창업자를 영입하는 선택은 양립할 수 있다.

📈 투자·시사 포인트

• 공급망의 병목을 살핀다. 연산 수요 확대는 프로세서뿐 아니라 전력·배터리·광통신·데이터센터 구축에도 사업 기회를 만들 수 있다. 방산에서도 고객사의 속도를 따라가는 제조·부품 공급 역량이 중요하다.
• 하드테크의 수요와 자금 조달을 함께 본다. 계약이나 기술적 진전이 있어도 대규모 설비 투자 부담이 남는다. 후속 투자자의 관심 회복이 실제 사업 실행으로 이어지는지 확인필요가 있다.
• SaaS의 업무 수행 범위와 데이터 경쟁력을 평가한다. 에이전트 사용량 확대는 성장 기회지만, 데이터 접근만 제공하는 서비스는 전환 비용이 낮아질 수 있다는 위험도 제기된다.
• 성장 사례와 전체 분포를 구분한다. 3개월 안에 7자리 매출에 도달한 일부 기업, 고객당 매출이 2~3배 늘 수 있다는 전망을 전체 스타트업의 성과로 일반화해서는 안 된다.

⚠️ 불확실하거나 확인이 필요한 부분

• YC 선발 기업의 구성과 성과는 전체 스타트업 시장을 대표한다고 보기 어렵다. 비중 변화의 비교 기수·표본 규모·집계 방식은 제공된 자료만으로 확인되지 않는다.
• 월 매출 중앙값 약 8천·2만과 일부 기업의 7자리 매출은 통화 및 세부 산정 기준이 명시되지 않았다. 월 매출 중앙값과 일부 기업의 성장 사례도 서로 다른 지표다.
• Astra의 과제 수행률 60~70% 및 맞춤형 하네스에서 90% 이상이라는 수치는 벤치마크와 검증 조건이 충분히 제시되지 않은 성능 주장이다.
• 자막 기반 정리: 타임스탬프가 있는 자막을 기준으로 정리했으며, 고유명사·수치·인용은 원문 확인 필요 시 별도 검증한다.
• 영상 속 주장: 발표자의 해석·전망·비교는 확인된 외부 사실이 아니라 영상 속 주장으로 분리해 읽는다.
• 검증 필요: 수치, 기업 실적, 정책·시장 전망은 발행 전 최신 자료로 별도 검증이 필요하다.

✅ 액션 아이템

• YC 비중과 매출 수치를 활용하기 전에 비교 대상 기수, 표본, 통화, 매출 집계 기준을 확인한다.
• 검토 중인 제품이 고객 업무의 어느 단계까지 수행하는지 적고, 사람이 마무리해야 하는 구간을 확인한다.
• 하드테크 사업은 실제 고객 수요, 공급 병목, 설비 투자 부담, 후속 자금 확보 가능성을 함께 점검한다.
• 데이터·모델 사업은 데이터의 독점성, 현장 적합성, 실제 과제 성능을 확인하고 벤치마크 수치와 구분한다.

❓ 열린 질문

• 기존 SaaS가 업무 데이터와 사용자 기반을 활용해 에이전트 실행 환경의 주도권을 유지할 수 있을까?
• 하드테크에 대한 투자 관심은 장기간의 설비 투자와 사업 확장을 지원하는 자금으로 이어질까?
• 로보틱스는 산업별 미세조정의 성과를 넘어 여러 현장에 적용되는 돌파구에 도달할 수 있을까?