这是 Y Combinator 于 2025 年 12 月 22 日发布的年终特辑，由 YC 合伙人 Diana Hu、Harj Taggar、Jared Friedman 和创始人 Garry Tan 录制。作为全球最负盛名的初创企业孵化器，YC 每年孵化数百家初创企业，其中包括大量 2025 年的 AI 初创项目。这个 30 分钟的演讲基于 YC 对最新一批初创企业（2026 年冬季）的深入考察，揭示了 AI2025 核心产业的关键变化。 “真正能开发出产品”的成熟阶段，“眼花缭乱”，应用层的黄金时代即将到来。 11、“金毛犬”击败“黑猫”：Anthropic用户增长52%，超越OpenAIYC合伙人Diana Hu透露了令人惊讶的数据：2026年冬季批次，Anthropic超越OpenAI，成为YC创业者最常使用的API。 Anthropic 的使用量在过去 3-6 个月内增长了 52% 以上，使 Claude Sonnet 成为开发人员代码开发和 AI Agent 任务的首选。 A YC 帕tner 用了一个形象的比喻来解释这一变化：Anthropic 拥有“金毛猎犬的能量”，而 OpenAI 拥有“黑猫的能量”。这不是玩笑，而是指产品理念上的主要区别——Anthropic更友好、更乐于助人、更主动地适应开发者需求，而OpenAI则有点冷淡，需要开发者去适应。企业发现人择模型在处理复杂任务时表现更加稳健，并且 API 更易于集成。更重要的是，YC 初创公司现在选择基于 Evvals（专有评估指标）的模型，而不是盲目追随大公司的炒作。许多医疗领域的初创公司在为自己的业务建立的评价体系中发现，克劳德的表现比其他通用模型要好得多。 12、不再“从同一个模型开始”：模型层编排已经成为AI公司的常态。一个显着的趋势是初创公司不再不再依赖单一模型，而是构建“编排层”来抽象不同的模型。具体做法是针对不同的子任务使用不同的模型——比如使用 Gemini 3.0 进行上下文工程，然后将输出结果反馈给 OpenAI 进行最终实现。这种组合模型方法完全由初创公司自己的 Evvals 和动态 pinap 驱动。当每个实验室发布新版本时，企业家都会对模型进行争论。这种灵活性带来的好处是显而易见的：降低了供应商锁定的风险，优化了成本结构，让创业者能够快速响应技术迭代。 YC合伙人强调，今天的创业者应该将模型视为可互换的部件，而不是产品的核心功能。真正的障碍在于应用层的多样性和对垂直领域的深入理解。 13. Vibe Coding 的爆发：专注于“感觉”而不是代码，Replits 的崛起Vibe Coding在2025年已经从观察现象转变为成熟的工具类别。所谓Vibe Coding是指开发者使用大型语言模型快速生成代码的错误值，它专注于高层逻辑和“感觉线”，而不是（vibe）。这种开发方式可以更快地进行原型迭代和产品发布，Replit和Amagence等工具已成为该领域的代表。不过，YC合作伙伴也提醒，Vibe Coding尚未可用于100% 生产级代码更适合在迭代过程中快速验证想法、构建原型并快速调整方向。 14. 一个 50 人的团队实现了 1 亿美元的收入。YC 合作伙伴引用了 Gamma 等案例，该团队的年度经常性收入 (ARR) 为 1 亿美元。是在传统软件公司中几乎是不可想象的，但在原生人工智能公司中却变得司空见惯。这种“逆向炫耀”——用少量员工获得高收入——正在成为AI创业界新的身份象征。这背后的原因是AI工具极大地提高了个体开发人员的生产力，让小团队能够完成以前需要大团队才能完成的事情。这也对企业家的技能提出了新的要求：他们必须同时具备研究员、工程师和商业技能。这种配置过去只存在于早期的 OpenAI 团队中，现在已经变得普遍。 15、“YouTube 不怕康卡斯特破产”：为什么泡沫在基础设施领域是好事 对于人工智能是否存在泡沫的争论，YC 合伙人 Jared Friedman 给出了清晰的轮廓。他认为AI经济已经稳定在清晰的三层结构中：模型层、应用层艾耶尔和基础设施层。即使存在基础设施层过度建设（比如GPU产能过剩），这对于应用层创业者来说其实也是一件好事。他用了一个精彩的比喻：如果存在泡沫，那么问题是“Comcasters”（Nvidia，大型实验室）的问题，而不是“YouTubers”（应用层初创公司）的问题。过剩的基础设施将导致成本降低，为应用层创业者创造更多机会。 YCTeorya 还引用了 Carlota Perez 的革命技术周期：我们正在从“安装阶段”（高资本支出、市场狂热）转向“部署阶段”——真正创造巨大的价值。 2024年的“大地震”已经平息，现在建立人工智能公司已经有了相当清晰的剧本。最近对该模型的更新是渐进式的而不是革命性的，为应用程序层开发人员提供了更稳定的环境。 16.消费类应用的“信任危机”：人们为何选择会手动触发单词吗？一个有趣的现象是，尽管AI技术发展迅速，但除了ChatGPT本身之外，市场上几乎没有令人印象深刻的消费级AI应用。 YC合伙人Harj Taggar分享了他的观察：他在买房时广泛使用LLM来总结验房报告，但他使用通用模型（ChatGPT、Claude、Gemini），手动提示比特殊应用程序更快。主要原因是信任问题——人们还没有足够信任该模型，无法在没有人工监督的情况下准确完成高价值任务。因此，人们更喜欢自己进行上下文工程和提示词优化，而不是依赖黑盒应用程序。这种现状可能会持续一段时间，直到模型的可靠性进一步提高或出现可以建立用户信任的新交互形式。 17、8B小模型输给GPT-4：垂直领域模型公司仍陷入困境。至于磨对于她打造的模特公司，YC的态度比较温和。他们注意到一个趋势：小型特定领域模型（例如 8B 参数）有时可以击败大型模型。通用模型（例如 GPT-4）在特定垂直情况下。这些小型模型通过强化学习 (RL) 和对专有数据集的微调，在特定基准上表现良好。此外，构建和训练模型的知识不再是稀缺资源。曾经只有少数顶级团队掌握的技能已经成为“标准技能”。这降低了模特公司的进入门槛，但也意味着竞争将更加激烈。 YC的建议是，如果你拥有独特的数据资产和深厚的领域专业知识，就有机会建立垂直模型；但如果你只是想复制模型的大致路线，基本上没有机会。 18、马斯克也是认真的：太空数据中心从玩笑变成了现实。曾经被认为是笑话的一个想法——空间数据中心——现在正在受到业界的认真讨论。 YC资助的Starcloud（S24批次）和Zephyr Fusion（F25批次）都在朝这个方向进行探索，后者甚至正在研究利用太空核聚变为这些数据中心提供动力。推动这一趋势的主要原因是地球上的能源限制。在加利福尼亚州等地，CEQA 等环境法规使得数据中心的大规模建模变得极其困难。太空提供了一种绕过土地和能源法规的方法。尽管这听起来像科幻小说，但就连埃隆·马斯克和谷歌高管也开始认真讨论这种可能性。 YC合伙人认为，即使短期内不太现实，探索这个方向本身也会促进相关技术的发展。 19.AI 2027“末日论”？对数缩放和组织惯性是刹车 YC 讨论了一份名为“AI 2027”的报告，该报告预测到 2027 年，AI 可能会导致社会崩溃。但YC创始人Garry Tan是持怀疑态度的。他们的理由是，人工智能的发展遵循对数线性缩放，这意味着发展速度可能比一些“末日论者”预测的更慢、更受控制。另一个主要因素是组织惰性。人类和组织对变革的抵制可能会阻碍快速“退出场景”。 YC的观点是，技术进步很快，但社会适应和组织变革需要时间，这将使AI的影响以更加渐进和可管理的方式传播。 10、从混乱到可构建：AI经济终于有了“游戏规则”。 YC合伙人认为，AI经济已经进入稳定期。关键证据包括：第一，现在已经有了比较清晰的“AI原生公司建设手册”，从技术栈选择到团队配置都有最佳实践；其次，“每周颠覆性突破”的热潮到2024年已经降温，模型更新渐进；三、市场分化成清晰的层次结构，每一层都有明确的获取价值的方式。这种稳定性对于企业家来说是个好消息。这意味着您可以更有信心地进行长期规划，而不必担心整个技术堆栈会在几个月内消失。当然，快速迭代和灵活性仍然很重要，但至少游戏规则变得更加清晰和可预测。 1 写在最后：给AI创业者的四点建议。 YC合伙人在采访中反复强调几个关键点：第一，不要把模特的能力当成你的护城河。真正的挑战在于应用层的多样性和对垂直领域的深入理解；其次，建立自己的评估体系（Evvals），用数据而不是炒作来驱动技术选择；第三，保持团队精干，利用人工智能工具提高每个人的生产力；第四，现在进军AI了，是时候创业了——基础设施规模不断增长，成本不断下降，但应用层的机遇才刚刚开始。 2025 年标志着人工智能从“令人眼花缭乱”到“真正可构建”的转折点。对于创业者来说，这意味着真正的战斗才刚刚开始。点击“爱”，我们就出发 特别声明：以上内容（如有，包括照片或视频）由自媒体平台“网易号”用户上传发布。本平台仅提供信息存储服务。 注：以上内容（包括图片、视频，如有）由网易号用户上传发布，网易号为社交媒体平台，仅提供信息存储服务。