2025年终AI创业趋势：从混乱到可构建

这是 Y Combinator 在 2025 年 12 月 22 日发布的年终特别节目，由 YC 合伙人 Diana Hu、Harj Taggar、Jared Friedman 和创始人 Garry Tan 共同录制。作为全球领先的创业孵化器，YC 每年孵化数百家创业公司，其中 2025 年大量 AI 创业项目崭露头角。这场 30 分钟的对话基于 YC 对最新一批（Winter 2026）创业公司的深度观察，揭示了 AI 行业在 2025 年发生的关键转变。核心论断是：AI 已从"令人眼花缭乱的混乱"进入"可以实际构建产品"的成熟阶段，应用层的黄金时代正在到来。

一、"金毛犬"与"黑猫"：Anthropic 用户增长超越 OpenAI

YC 合伙人 Diana Hu 透露了一个令人惊讶的数据：在 Winter 2026 批次中，Anthropic 已超越 OpenAI，成为 YC 创业者最常用的 API。过去 3-6 个月内，Anthropic 的使用率增长超过 52%，Claude Sonnet 成为开发者在代码生成和 AI Agent 任务中的首选。

YC 合伙人用了一个生动的比喻来解释这种转变：Anthropic 拥有"金毛犬的能量"，而 OpenAI 是"黑猫的能量"。这不是玩笑，而是指产品哲学上的根本差异——Anthropic 更友好、更乐于助人、更主动配合开发者的需求，而 OpenAI 则相对高冷，需要开发者去适应它。创业者们发现，Anthropic 的模型在处理复杂任务时表现更稳定，API 也更容易集成。

更重要的是，YC 创业公司现在基于Evvals（专有评估指标）来选择模型，而不是盲目跟随大厂的宣传。很多医疗领域的创业公司发现，针对自己业务建立的评估体系中，Claude 的表现明显优于其他通用模型。

二、不再"从一而终"：模型编排层成为 AI 公司标配

一个显著的趋势是，创业公司不再押注单一模型，而是构建"编排层"来抽象化不同的模型。具体做法是，针对不同的子任务使用不同的模型——比如用 Gemini 3.0 做上下文工程（context engineering），然后把输出结果喂给 OpenAI 做最终执行。这种模型组合的策略完全由创业公司自己的 Evvals 驱动，而且随着各家实验室发布新版本，创业者会动态地替换模型。

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，也让创业者能够快速响应技术迭代。YC 合伙人强调，现在的创业者必须把模型当作可替换的组件，而不是产品的核心竞争力。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、Vibe Coding 崛起：关注"感觉"而非代码

Vibe Coding 在 2025 年从一个观察现象演变成了一个成熟的工具类别。所谓 Vibe Coding，指的是开发者使用大语言模型快速生成大量代码，关注的是高层逻辑和"感觉"（vibe），而不是逐行手写代码。这种开发方式让原型迭代和产品发布的速度大幅提升，像 Replit 和 Amagence 这样的工具已经成为这个领域的代表。

不过 YC 合伙人也提醒，Vibe Coding 目前还不能 100% 用于生产级代码。它更适合快速验证想法、搭建原型，以及在迭代过程中快速调整方向。随着工具的成熟，这种开发方式正在改变创业公司的团队结构和工作流程。

四、新型"反向炫耀"：小团队实现高收入

AI 时代最令人震撼的变化之一是团队规模的缩减。YC 合伙人提到了 Gamma 这样的案例——用 50 人的团队做到了 1 亿美元的年度经常性收入（ARR）。这在传统软件公司几乎不可想象，但在 AI 原生公司中正在成为常态。

这种"反向炫耀"——高收入配低员工数——正在成为 AI 创业圈的新身份象征。背后的原因是 AI 工具极大地提升了单个开发者的生产力，让小团队能够完成过去需要大团队才能做到的事情。这也对创业者的能力提出了新要求：必须同时具备研究员、工程师和商业能力。

五、基础设施泡沫是好事：YouTube 不怕康卡斯特倒闭

关于 AI 是否存在泡沫的争议，YC 合伙人 Jared Friedman 给出了一个清晰的框架。他认为，AI 经济已经稳定成了清晰的三层结构：模型层、应用层和基础设施层。即使基础设施层存在过度建设（比如 GPU 产能过剩），这对于应用层的创业者来说反而是好事。

他用了一个精彩的类比：如果有泡沫，那是"康卡斯特们"（Nvidia、大型实验室）的问题，而不是"YouTube 们"（应用层创业公司）的问题。基础设施的过剩会导致成本下降，这给应用层创业者创造了更多机会。

六、消费级应用的"信任危机"：手动提示词仍流行

一个有趣的现象是，尽管 AI 技术突飞猛进，但除了 ChatGPT 本身，市场上几乎没有现象级的消费级 AI 应用。YC 合伙人 Harj Taggar 分享了自己的观察：他在买房时大量使用 LLM 来总结房屋检查报告，但他用的是通用模型（ChatGPT、Claude、Gemini）配合手动提示词，而不是专门的应用。

核心原因在于信任问题——人们还不完全信任模型在没有人工监督的情况下能够准确完成高价值任务。所以大家更倾向于自己动手进行上下文工程和提示词优化。

七、8B 小模型击败 GPT-4：垂直领域仍有戏

关于是否应该创办模型公司，YC 的态度比较微妙。他们观察到一个趋势：领域专用的小模型（比如 8B 参数）在特定垂直场景中有时能够击败通用大模型（如 GPT-4）。这些小模型通过强化学习（RL）和在专有数据集上的微调，能够在特定基准测试中表现出色。

更重要的是，构建和训练模型的知识已经不再是稀缺资源。过去只有少数顶尖团队才掌握的技能，现在已经变成了"常见技能组合"。这降低了模型公司的准入门槛。

八、太空数据中心：从科幻到现实

一个曾经被当作笑话的想法——太空数据中心——现在正在被行业认真讨论。YC 投资的 Starcloud（S24 批次）和 Zephyr Fusion（F25 批次）都在探索这个方向。

驱动这个趋势的核心原因是地球上的能源限制。在加州这样的地方，环境法规（如 CEQA）让大规模建设数据中心变得极其困难。太空提供了一种绕过土地和能源监管的方式。

九、AI "末日论"？对数级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 可能会导致社会结构开始崩溃。不过 YC 创始人 Garry Tan 对此持怀疑态度。他们的理由是，AI 的进步遵循对数级缩放规律（log-linear scaling），这意味着进步速度可能比一些"末日论者"预测的要慢得多。

另一个关键因素是组织惯性。人类和组织对变化的抵抗会成为快速变化的刹车。

十、从混乱到可构建：AI 经济有了"游戏规则"

YC 合伙人认为，AI 经济已经进入了稳定期。现在有一个相对清晰的"AI 原生公司构建手册"，从技术栈选择到团队配置都有了最佳实践。

这种稳定性对创业者来说是好消息。它意味着你可以更有信心地做长期规划。

写在最后：给 AI 创业者的四个建议

YC 合伙人在访谈中反复强调几个关键点：第一，不要把模型能力当作你的护城河；第二，建立自己的评估体系（Evvals）；第三，保持团队精益；第四，现在进入 AI 创业正当时。