AI 学习圈 | YC 2025回顾:AI应用层黄金时代的十大信号
作者：微信文章在全球顶尖创业孵化器Y Combinator（YC）发布的2025年终复盘中，合伙人Diana Hu、Harj Taggar、Jared Friedman和创始人Garry Tan基于对最新一批（Winter 2026）创业公司的深度观察，揭示了AI行业的根本性转变。
核心结论是：AI经济已从“令人眼花缭乱的混乱”阶段，进入“可以实际构建产品”的成熟期，应用层的黄金时代正在到来。以下是揭示这一趋势的十个关键信号：一、格局重构：Anthropic以“金毛犬能量”超越OpenAI的黑猫
一个标志性变化是，在YC Winter 2026批次的创业公司中，Anthropic的API使用率在过去3-6个月内增长超过52%，已超越OpenAI成为YC创业者的首选。YC合伙人用了一个生动的比喻：Anthropic具备“金毛犬的能量”，更友好、乐于助人，主动配合开发者需求；而OpenAI则带有“黑猫的能量”，相对高冷，需要开发者去适应。更重要的是，创业者不再盲从大厂宣传，而是基于自建的专有评估指标（Evvals） 理性选择模型。许多医疗领域的创业公司发现，在其特定业务评估体系中，Claude模型的表现明显优于其他通用模型。二、技术哲学：模型编排层成为创业公司标配
创业公司不再“从一而终”地押注单一模型，而是普遍构建“模型编排层” 来抽象和调度不同的模型。例如，用Gemini 3.0进行上下文工程，再将结果交由OpenAI执行。这种组合策略完全由企业自身的Evvals驱动，并可随技术迭代动态替换模型组件。这种灵活性显著降低了供应商锁定风险，优化了成本结构。YC强调，模型本身已成为可替换的组件，真正的壁垒在于应用层的差异化和对垂直领域的深度理解。三、开发革命：Vibe Coding从现象演变为成熟范式
Vibe Coding在2025年已从一个观察现象演变为成熟的开发类别。它指开发者利用大语言模型快速生成代码，关注高层逻辑和“感觉”，而非逐行手写。这种方式极大提升了原型迭代和产品发布速度，以Replit为代表的工具已成为该领域代表。不过，YC也提醒，Vibe Coding目前仍主要用于快速验证想法和搭建原型，尚不能完全替代生产级代码的编写。四、团队变革：“反向炫耀”——小团队创造大收入
AI时代的一个震撼变化是团队规模的急剧缩减。YC提到了Gamma这样的案例——仅用50人的团队即创造了1亿美元的年度经常性收入（ARR）。这种“高收入配低员工数”的“反向炫耀”，正成为AI创业圈的新身份象征。其背后是AI工具对个体开发者生产力的大幅提升，也要求创业者必须同时具备研究员、工程师和商业能力，这种过去仅存在于顶尖团队的复合型人才配置正逐渐普及。五、泡沫实质：基础设施过剩反而利好应用层
针对AI是否存在泡沫的争议，YC合伙人Jared Friedman提出了一个清晰的三层框架：模型层、应用层和基础设施层。他认为，即使基础设施层（如GPU）存在过度建设，对应用层创业者反而是好事。他精妙地类比道：如果有泡沫，那是“康卡斯特们”（英伟达、大模型实验室）的问题，而不是“YouTube们”（应用层创业公司）的问题。基础设施过剩将导致成本持续下降，为应用层创造更多机会。YC引用Carlota Perez的技术革命周期理论指出，AI行业正从高资本支出的“安装阶段”过渡到真正创造价值的“部署阶段”，技术环境趋于稳定。六、消费困境：信任缺失阻碍现象级消费应用出现
一个有趣的现象是，除了ChatGPT，市场上仍缺乏现象级的消费级AI应用。YC合伙人Harj Taggar分享其亲身经历：在买房时，他宁愿使用通用模型（如ChatGPT、Claude）配合手动提示词来总结房屋检查报告，而非使用特定黑盒应用。核心问题在于信任——用户尚不完全信任AI能在无人监督下准确完成高价值任务。这种对通用工具的依赖现状可能会持续，直到模型可靠性取得更大突破或出现新的信任建立机制。七、垂直深耕：小模型在特定领域击败GPT-4
关于是否应创办模型公司，YC认为垂直领域存在机会。他们观察到，参数量更小（如8B）的领域专用模型，通过强化学习和专有数据集微调，在特定垂直场景的基准测试中有时能击败GPT-4等通用大模型。同时，构建和训练模型的知识已不再稀缺，降低了创业门槛。YC的建议是：若拥有独特数据资产和深厚领域知识，做垂直模型有机会；若只想复制通用大厂路线，则难有胜算。八、太空探索：数据中心从科幻走向现实探讨
为应对地球上的能源限制与环境法规，“太空数据中心” 这一曾经看似天方夜谭的概念，正在被行业认真讨论。YC投资的Starcloud（S24批次）和Zephyr Fusion（F25批次）等公司正在探索这一方向，后者甚至研究利用太空核聚变供电。虽然短期内面临巨大技术挑战，但连埃隆·马斯克和谷歌高管都已开始严肃探讨其可能性。这一方向的探索本身也将推动相关技术进步。九、发展制约：对数级缩放与组织惯性是“刹车”
针对一些预测AI将在2027年导致社会结构崩溃的“末日论”，YC创始人Garry Tan持怀疑态度。其理由主要有二：首先，AI的进步遵循对数级缩放规律，意味着其发展速度可能比激进预测的更慢、更可控；其次，组织惯性——人类和社会组织对变化的天然抵抗，将成为技术“起飞”的天然刹车。因此，AI的影响更可能以渐进、可管理的方式展开。十、从混乱到可构建：AI经济终现“游戏规则”
YC认为，AI经济在2025年进入了稳定期，主要证据有三：第一，形成了相对清晰的 “AI原生公司构建手册” ，从技术栈选择到团队配置均有最佳实践可循；第二，2024年那种“每周都有颠覆性突破”的狂热已冷却，模型更新变得渐进式；第三，市场分层清晰，模型层、应用层、基础设施层各有其价值捕获方式。这种稳定性意味着创业者可以更有信心地进行长期规划，而不必担心技术栈在几个月后过时。真正的战斗——在应用层创造切实可行的商业价值——才刚刚开始。
2025年是AI从技术演示走向价值创造的转折点。对于创业者而言，成功的密钥不再是对最新模型的追逐，而在于深耕垂直领域、构建独特的评估体系、保持团队精益，并利用日益稳定成熟的基础设施解决真实世界的痛点。
页:
[1]