YC 年終復(fù)盤：2025 年 AI 十大真相

這是 Y Combinator 在 2025 年 12 月 22 日發(fā)布的年終特別節(jié)目，由 YC 合伙人 Diana Hu、Harj Taggar、Jared Friedman 和創(chuàng)始人 Garry Tan 共同錄制。作為全球最負(fù)盛名的創(chuàng)業(yè)孵化器，YC 每年孵化數(shù)百家創(chuàng)業(yè)公司，其中 2025 年有大量 AI 創(chuàng)業(yè)項目。這場 30 分鐘的對話基于 YC 對最新一批（Winter 2026）創(chuàng)業(yè)公司的深度觀察，揭示了 AI 行業(yè)在 2025 年發(fā)生的關(guān)鍵轉(zhuǎn)變。核心論斷是：AI 已從"令人眼花繚亂的混亂"進入"可以實際構(gòu)建產(chǎn)品"的成熟階段，應(yīng)用層的黃金時代正在到來。

1

一、“金毛犬"打敗"黑貓”：Anthropic 用戶增長 52% 超越 OpenAI

YC 合伙人 Diana Hu 透露了一個令人意外的數(shù)據(jù)：在 Winter 2026 批次中，Anthropic 已經(jīng)超越 OpenAI，成為 YC 創(chuàng)業(yè)者最常使用的 API。過去 3-6 個月內(nèi)，Anthropic 的使用率增長超過 52%，Claude Sonnet 成為開發(fā)者在代碼生成和 AI Agent 任務(wù)中的首選。

YC 合伙人用了一個生動的比喻來解釋這種轉(zhuǎn)變：Anthropic 有"金毛犬的能量"，而 OpenAI 則是"黑貓的能量"。這不是玩笑，而是指產(chǎn)品哲學(xué)上的根本差異——Anthropic 更友好、更樂于助人、更主動配合開發(fā)者的需求，而 OpenAI 則相對高冷，需要開發(fā)者去適應(yīng)它。創(chuàng)業(yè)者們發(fā)現(xiàn)，Anthropic 的模型在處理復(fù)雜任務(wù)時表現(xiàn)更穩(wěn)定，API 也更容易集成。

更重要的是，YC 創(chuàng)業(yè)公司現(xiàn)在都基于 Evvals（專有評估指標(biāo)）來選擇模型，而不是盲目跟隨大廠的宣傳。很多醫(yī)療領(lǐng)域的創(chuàng)業(yè)公司發(fā)現(xiàn)，針對自己業(yè)務(wù)建立的評估體系中，Claude 的表現(xiàn)明顯優(yōu)于其他通用模型。

1

二、不再"從一而終"：模型編排層成為 AI 公司標(biāo)配

一個顯著的趨勢是，創(chuàng)業(yè)公司不再押注單一模型，而是構(gòu)建"編排層"來抽象化不同的模型。具體做法是，針對不同的子任務(wù)使用不同的模型——比如用 Gemini 3.0 做上下文工程（context engineering），然后把輸出結(jié)果喂給 OpenAI 做最終執(zhí)行。這種模型組合的策略完全由創(chuàng)業(yè)公司自己的 Evvals 驅(qū)動，而且隨著各家實驗室發(fā)布新版本，創(chuàng)業(yè)者會動態(tài)地替換模型。

這種靈活性帶來的好處是顯而易見的：降低了供應(yīng)商鎖定的風(fēng)險，優(yōu)化了成本結(jié)構(gòu)，也讓創(chuàng)業(yè)者能夠快速響應(yīng)技術(shù)迭代。YC 合伙人強調(diào)，現(xiàn)在的創(chuàng)業(yè)者必須把模型當(dāng)作可替換的組件，而不是產(chǎn)品的核心競爭力。真正的壁壘在于應(yīng)用層的差異化和對垂直領(lǐng)域的深度理解。

1

三、Vibe Coding 爆發(fā)：關(guān)注"感覺"而非代碼，Replit 們崛起

Vibe Coding 在 2025 年從一個觀察現(xiàn)象演變成了一個成熟的工具類別。所謂 Vibe Coding，指的是開發(fā)者使用大語言模型快速生成大量代碼，關(guān)注的是高層邏輯和"感覺"（vibe），而不是逐行手寫代碼。這種開發(fā)方式讓原型迭代和產(chǎn)品發(fā)布的速度大幅提升，像 Replit 和 Amagence 這樣的工具已經(jīng)成為這個領(lǐng)域的代表。

不過 YC 合伙人也提醒，Vibe Coding 目前還不能 100% 用于生產(chǎn)級代碼。它更適合快速驗證想法、搭建原型，以及在迭代過程中快速調(diào)整方向。隨著工具的成熟，這種開發(fā)方式正在改變創(chuàng)業(yè)公司的團隊結(jié)構(gòu)和工作流程。

1

四、新型"反向炫耀"：50 人團隊做到 1 億美元收入

AI 時代最令人震撼的變化之一是團隊規(guī)模的縮減。YC 合伙人提到了 Gamma 這樣的案例——用 50 人的團隊做到了 1 億美元的年度經(jīng)常性收入（ARR）。這在傳統(tǒng)軟件公司幾乎不可想象，但在 AI 原生公司中正在成為常態(tài)。

這種"反向炫耀"——高收入配低員工數(shù)——正在成為 AI 創(chuàng)業(yè)圈的新身份象征。背后的原因是 AI 工具極大地提升了單個開發(fā)者的生產(chǎn)力，讓小團隊能夠完成過去需要大團隊才能做到的事情。這也對創(chuàng)業(yè)者的能力提出了新要求：必須同時具備研究員、工程師和商業(yè)能力，這種配置過去只存在于早期的 OpenAI 團隊，現(xiàn)在正在普及化。

1

五、“YouTube 不怕康卡斯特倒閉”：為什么基礎(chǔ)設(shè)施泡沫反而是好事

關(guān)于 AI 是否存在泡沫的爭議，YC 合伙人 Jared Friedman 給出了一個清晰的框架。他認(rèn)為，AI 經(jīng)濟已經(jīng)穩(wěn)定成了清晰的三層結(jié)構(gòu)：模型層、應(yīng)用層和基礎(chǔ)設(shè)施層。即使基礎(chǔ)設(shè)施層存在過度建設(shè)（比如 GPU 產(chǎn)能過剩），這對于應(yīng)用層的創(chuàng)業(yè)者來說反而是好事。

他用了一個精彩的類比：如果有泡沫，那是"康卡斯特們"（Nvidia、大型實驗室）的問題，而不是"YouTube 們"（應(yīng)用層創(chuàng)業(yè)公司）的問題。基礎(chǔ)設(shè)施的過剩會導(dǎo)致成本下降，這給應(yīng)用層創(chuàng)業(yè)者創(chuàng)造了更多機會。

YC 還引用了 Carlota Perez 的技術(shù)革命周期理論：我們正從"安裝階段"（Installation Phase）——高資本支出、市場狂熱——過渡到"部署階段"（Deployment Phase）——真正的廣泛價值創(chuàng)造。2024 年的"地面劇烈晃動"已經(jīng)平息，現(xiàn)在有了一個相對清晰的 AI 公司構(gòu)建手冊。最近的模型更新都是漸進式的，而不是革命性的，這為應(yīng)用層的建設(shè)者提供了一個更穩(wěn)定的環(huán)境。

1

六、消費級應(yīng)用的"信任危機"：為什么大家還在手動提示詞？

一個有趣的現(xiàn)象是，盡管 AI 技術(shù)突飛猛進，但除了 ChatGPT 本身，市場上幾乎沒有現(xiàn)象級的消費級 AI 應(yīng)用。YC 合伙人 Harj Taggar 分享了自己的觀察：他在買房時大量使用 LLM 來總結(jié)房屋檢查報告，但他用的是通用模型（ChatGPT、Claude、Gemini）配合手動提示詞，而不是專門的應(yīng)用。

核心原因在于信任問題——人們還不完全信任模型在沒有人工監(jiān)督的情況下能夠準(zhǔn)確完成高價值任務(wù)。所以大家更傾向于自己動手進行上下文工程和提示詞優(yōu)化，而不是依賴一個黑盒應(yīng)用。這種現(xiàn)狀可能會持續(xù)一段時間，直到模型的可靠性進一步提升，或者出現(xiàn)能夠建立用戶信任的新型交互方式。

1

七、8B 小模型擊敗 GPT-4：垂直領(lǐng)域的模型公司還有戲

關(guān)于是否應(yīng)該創(chuàng)辦模型公司，YC 的態(tài)度比較微妙。他們觀察到一個趨勢：領(lǐng)域?qū)Ｓ玫男∧Ｐ停ū热?8B 參數(shù)）在特定垂直場景中有時能夠擊敗通用大模型（如 GPT-4）。這些小模型通過強化學(xué)習(xí)（RL）和在專有數(shù)據(jù)集上的微調(diào)，能夠在特定基準(zhǔn)測試中表現(xiàn)出色。

更重要的是，構(gòu)建和訓(xùn)練模型的知識已經(jīng)不再是稀缺資源。過去只有少數(shù)頂尖團隊才掌握的技能，現(xiàn)在已經(jīng)變成了"常見技能組合"。這降低了模型公司的準(zhǔn)入門檻，但也意味著競爭會更加激烈。YC 的建議是，如果你有獨特的數(shù)據(jù)資產(chǎn)和深厚的領(lǐng)域?qū)I(yè)知識，做垂直模型是有機會的；但如果只是想復(fù)制通用模型的路線，那基本沒戲。

1

八、馬斯克也認(rèn)真了：太空數(shù)據(jù)中心從笑話變成現(xiàn)實方案

一個曾經(jīng)被當(dāng)作笑話的想法——太空數(shù)據(jù)中心——現(xiàn)在正在被行業(yè)認(rèn)真討論。YC 投資的 Starcloud（S24 批次）和 Zephyr Fusion（F25 批次）都在探索這個方向，后者甚至在研究用太空核聚變來為這些數(shù)據(jù)中心供電。

驅(qū)動這個趨勢的核心原因是地球上的能源限制。在加州這樣的地方，環(huán)境法規(guī)（如 CEQA）讓大規(guī)模建設(shè)數(shù)據(jù)中心變得極其困難。太空提供了一種繞過土地和能源監(jiān)管的方式。雖然聽起來像科幻小說，但連埃隆·馬斯克和谷歌的高管都開始認(rèn)真討論這個可能性了。YC 合伙人認(rèn)為，即使短期內(nèi)不現(xiàn)實，這個方向的探索本身也會推動相關(guān)技術(shù)的進步。

1

九、AI 2027"末日論"？對數(shù)級縮放和組織慣性是剎車

YC 討論了一份名為"AI 2027"的報告，該報告預(yù)測到 2027 年，AI 可能會導(dǎo)致社會結(jié)構(gòu)開始崩潰。不過 YC 創(chuàng)始人 Garry Tan 對此持懷疑態(tài)度。他們的理由是，AI 的進步遵循對數(shù)級縮放規(guī)律（log-linear scaling），這意味著進步速度可能比一些"末日論者"預(yù)測的要慢得多，也更可控。

另一個關(guān)鍵因素是組織慣性。人類和組織對變化的抵抗會成為快速"起飛場景"的剎車。YC 的觀點是，技術(shù)進步固然快速，但社會適應(yīng)和組織變革需要時間，這會讓 AI 的影響以一種更漸進、更可管理的方式展開。

1

十、從混亂到可構(gòu)建：AI 經(jīng)濟終于有了"游戲規(guī)則"

YC 合伙人認(rèn)為，AI 經(jīng)濟已經(jīng)進入了穩(wěn)定期，主要證據(jù)包括：第一，現(xiàn)在有了一個相對清晰的"AI 原生公司構(gòu)建手冊"，從技術(shù)棧選擇到團隊配置都有了最佳實踐；第二，2024 年那種"每周都有顛覆性突破"的狂熱已經(jīng)冷卻，模型更新變得漸進式；第三，市場已經(jīng)分化出清晰的層級結(jié)構(gòu)，每一層都有明確的價值捕獲方式。

這種穩(wěn)定性對創(chuàng)業(yè)者來說是好消息。它意味著你可以更有信心地做長期規(guī)劃，而不用擔(dān)心幾個月后整個技術(shù)棧就過時了。當(dāng)然，快速迭代和靈活應(yīng)變依然重要，但至少游戲規(guī)則變得更加清晰和可預(yù)測了。

1

寫在最后：給 AI 創(chuàng)業(yè)者的四個建議

YC 合伙人在訪談中反復(fù)強調(diào)幾個關(guān)鍵點：第一，不要把模型能力當(dāng)作你的護城河，真正的壁壘在于應(yīng)用層的差異化和對垂直領(lǐng)域的深度理解；第二，建立自己的評估體系（Evvals），用數(shù)據(jù)而不是炒作來驅(qū)動技術(shù)選擇；第三，保持團隊精益，用 AI 工具放大每個人的生產(chǎn)力；第四，現(xiàn)在進入 AI 創(chuàng)業(yè)正當(dāng)時——基礎(chǔ)設(shè)施已經(jīng)成熟，成本在下降，但應(yīng)用層的機會才剛剛開始。

2025 年標(biāo)志著 AI 從"令人眼花繚亂"到"可以實際構(gòu)建"的轉(zhuǎn)折點。對于創(chuàng)業(yè)者來說，這意味著真正的戰(zhàn)斗才剛剛開始。

點個“愛心”，再走 吧