摘要：根据Y Combinator（YC）在2025年末的观察，AI行业已从技术探索的“混乱期”进入“可实际构建产品”的成熟阶段，应用层创业的黄金时代正在开启。核心数据与观点包括：在YC孵化的创业公司中，Anthropic的API使用率在过去3-6个月内增长超过52%，超越OpenAI成为首选；Gemini的市场份额从个位数跃升至约23%；模型编排层成为AI公司标配，以规避供应商锁定；开发方式上，“Vibe Coding”（关注高层逻辑的编程）已成为成熟类别；团队效率显著提升，例如Gamma公司以50人团队实现了1亿美元年度经常性收入（ARR）；同时，AI基础设施的潜在过剩被视为应用层创业者的红利，而能源限制催生了对太空数据中心等方案的严肃讨论。
线索：
* 投资机会：
1. 应用层创业：行业进入“部署阶段”，基础设施成熟且成本趋于下降，为基于大模型构建差异化垂直应用的公司提供了清晰路径和巨大机会。真正的壁垒在于对特定领域的深度理解与数据积累。
2. 工具与中间件：“模型编排层”需求明确，帮助开发者灵活调用、评估和切换不同模型的服务或平台存在机会。同时，支持“Vibe Coding”和高效评估模型性能（Evvals）的开发工具需求旺盛。
3. 垂直领域模型：在医疗、法律等垂直领域，利用专有数据微调的小型模型（如8B参数）性能可能超越通用大模型，为拥有独特数据资产的创业公司提供了切入点。
4. 效率赋能：AI极大提升了个体生产力，能够以极精简团队创造高收入的公司模式得到验证，投资于能最大化利用AI工具、团队配置精干的创业公司是重要方向。
* 潜在风险：
1. 技术路径依赖：尽管模型编排成为趋势，但过度依赖少数几家主流模型API仍存在技术或成本变动的风险。创业公司的核心竞争力需牢固建立在应用层，而非模型能力本身。
2. 市场信任与消费级应用瓶颈：消费端用户对AI完成高价值任务的信任度仍然不足，导致现象级消费应用稀缺。解决信任和交互问题的路径尚不清晰，相关创业面临挑战。
3. 人才竞争与执行门槛：AI提升了效率，但也拉高了市场预期，对能高效利用AI技术进行高质量执行的复合型人才需求激增，人才竞争可能成为公司发展的新瓶颈。
4. 基础设施与能源约束：虽然基础设施过剩对应用层是利好，但长期的能源限制可能影响整个行业的算力增长，依赖大规模算力的商业模式需考虑此约束。
正文：
全球创业孵化器Y Combinator（YC）基于其对2025年及最新一批（Winter 2026）孵化创业公司的观察，对AI行业现状与趋势进行了总结。核心观点认为，AI经济已趋于稳定，从早期的技术狂热进入可规模化构建产品的阶段。
在模型竞争格局方面，数据显示发生了显著变化。在YC的创业公司中，Anthropic的API使用率在过去3至6个月内增长超过52%，现已超越OpenAI，成为最常被使用的模型。其模型（特别是Claude Sonnet）因在代码生成和AI Agent任务中表现稳定、易于集成而受到青睐。与此同时，Google的Gemini市场份额从个位数快速增长至约23%，其推理能力和通过Grounding API获取信息的准确性获得了认可。OpenAI则凭借ChatGPT的“记忆”功能所形成的个性化体验，在消费端维持了一定的用户粘性。
一个明确的行业趋势是，创业公司不再依赖单一模型。它们普遍构建了“模型编排层”，将不同模型视为可替换的组件。具体策略是针对不同子任务调用最擅长的模型（例如，用Gemini进行上下文处理，再用OpenAI执行），并由公司自有的专有评估指标（Evvals）驱动选择。这降低了供应商锁定风险，并优化了成本。
开发方式上，“Vibe Coding”在2025年从一个概念演变为成熟的工具类别。它指开发者利用大语言模型快速生成代码，重点关注高层逻辑和“感觉”，从而极大提升了原型验证和产品迭代的速度。不过，该方法目前尚不能完全用于生成生产级代码。
AI工具显著提升了生产效率，催生了新的团队效能标杆。例如，AI原生公司Gamma仅以50名员工就实现了1亿美元的年经常性收入（ARR）。这种“高收入、低人数”的配置正在成为新的成功象征，反映了AI对个体生产力的放大作用。
关于AI基础设施是否存在泡沫的讨论，YC合伙人认为，即使存在过度建设（如GPU产能可能过剩），这对于应用层创业者而言也是利好。基础设施的竞争与过剩将导致计算成本下降，为上层应用创新提供更肥沃的土壤。参照技术革命周期理论，当前正从重资本投入的“安装阶段”过渡到价值广泛创造的“部署阶段”。一个更极端的解决方案是太空数据中心，因地球上面临土地和能源限制，该设想已从玩笑变为被行业严肃探讨的方向，已有初创公司致力于此。
在消费端，尽管技术先进，但除ChatGPT外，尚未出现现象级的消费级AI应用。核心障碍在于信任问题，用户仍不放心将高价值任务全权交给黑盒应用，因此更倾向于手动使用多个通用模型并进行提示词工程来交叉验证结果。
关于模型创业，趋势显示在垂直领域存在机会。通过强化学习（RL）和专有数据微调的小参数模型（如8B），在特定领域的评估中可能击败GPT-4等通用大模型。构建模型的知识正变得普及，竞争壁垒在于独特的数据资产与领域知识。
YC合伙人还对“AI快速发展导致社会崩溃”的悲观预测持怀疑态度，认为技术增长遵循对数线性规律，且人类组织的惯性会形成缓冲，使得AI的影响更渐进、可控。
总体来看，2025年的AI经济已形成相对稳定的模型层、基础设施层和应用层结构。如何构建AI原生公司已有较清晰的最佳实践，技术迭代也从颠覆式变为渐进式，为创业者提供了更可预测的环境。给创业者的建议包括：不以模型能力为护城河，而应聚焦应用层差异化；建立自己的评估体系（Evvals）；保持团队精益，利用AI工具放大生产力；当前是进入AI应用层创业的合适时机。
发布时间：2025-12-24 09:15:56
评论 ( 0 )