在近期一场由Y Combinator（YC）举办的深度对话中，其合伙人Diana Hu、Harj Taggar、Jared Friedman与创始人Garry Tan，围绕2025年AI行业的最新动态展开探讨。这场对话基于YC对最新一批（Winter 2026）创业公司的观察，指出AI行业正经历关键转变，从“概念纷繁的探索期”迈向“产品落地的成熟阶段”，应用层迎来发展契机。
在模型使用偏好方面，YC创业者出现明显转向。Diana Hu透露，Anthropic在Winter 2026批次中超越OpenAI，成为创业者最常调用的API。过去3 - 6个月，Anthropic使用率增长超52%，其Claude Sonnet在代码生成和AI Agent任务中备受青睐。YC合伙人用“金毛犬”与“黑猫”形容两者差异：Anthropic产品更友好、主动适配开发者需求，模型处理复杂任务更稳定，API集成也更容易。医疗领域创业公司基于自身业务建立的评估体系显示，Claude表现优于其他通用模型，创业者不再盲目追随大厂宣传，而是依据专有评估指标（Evvals）选择模型。
模型使用策略上，创业公司不再“押宝”单一模型，而是构建“编排层”实现模型组合。针对不同子任务调用不同模型，如用Gemini 3.0做上下文工程，再将结果交给OpenAI执行。这种策略由创业者自身的Evvals驱动，能随模型更新动态替换，降低供应商锁定风险、优化成本结构，让创业者快速响应技术迭代。YC合伙人强调，模型应视为可替换组件，应用层差异化和垂直领域深度理解才是核心竞争力。
开发方式领域，Vibe Coding从现象发展为成熟工具类别。开发者借助大语言模型快速生成代码，关注高层逻辑和“感觉”，而非逐行编写。Replit和Amagence等工具成为代表，大幅提升原型迭代和产品发布速度。不过，YC合伙人提醒，Vibe Coding目前难以完全用于生产级代码，更适合快速验证想法、搭建原型和调整方向，这种开发方式正改变创业公司团队结构和工作流程。
团队规模方面，AI原生公司呈现“反向炫耀”趋势。以Gamma为例，50人团队实现1亿美元年度经常性收入（ARR），这在传统软件公司难以想象，但在AI领域正成为常态。AI工具提升单个开发者生产力，小团队可完成大团队任务，这对创业者能力提出新要求，需兼具研究员、工程师和商业能力。
对于AI行业是否存在泡沫的争议，Jared Friedman给出分析框架。他认为AI经济形成清晰的三层结构：模型层、应用层和基础设施层。即便基础设施层存在过度建设，如GPU产能过剩，对应用层创业者反而是好事。基础设施过剩降低成本，为应用层创造更多机会。引用Carlota Perez的技术革命周期理论，AI正从“安装阶段”过渡到“部署阶段”，近期模型更新渐进而非革命性，为应用层建设者提供稳定环境。
消费级AI应用发展面临信任难题。尽管AI技术进步，但除ChatGPT外，鲜有现象级消费级应用。Harj Taggar分享自身经历，买房时用通用模型配合手动提示词总结房屋检查报告，而非专用应用。原因在于人们不信任模型在无人工监督下完成高价值任务，更倾向自己进行上下文工程和提示词优化，这种状况可能持续到模型可靠性提升或出现新型交互方式。
模型公司发展存在新机遇与挑战。YC观察到，8B参数的领域专用小模型在特定垂直场景有时能击败GPT - 4等通用大模型。这些小模型通过强化学习和专有数据集微调，在特定基准测试表现优异。构建和训练模型的知识已普及，降低准入门槛但加剧竞争。YC建议，有独特数据资产和领域专业知识者创办垂直模型公司有机会，单纯复制通用模型路线则难成功。
太空数据中心从设想走向现实探索。曾被视为笑话的太空数据中心概念，如今被行业认真讨论。YC投资的Starcloud（S24批次）和Zephyr Fusion（F25批次）探索该方向，后者研究用太空核聚变供电。地球能源限制驱动这一趋势，加州等地环境法规使大规模建设数据中心困难，太空可绕过土地和能源监管。虽短期不现实，但探索将推动相关技术进步，连马斯克和谷歌高管也开始讨论该可能性。
关于AI 2027“末日论”，YC持谨慎态度。一份报告预测2027年AI或致社会结构崩溃，但Garry Tan怀疑该观点。他认为AI进步遵循对数级缩放规律，速度比“末日论者”预测的慢且可控。组织惯性也是关键因素，人类和组织对变化的抵抗会减缓AI“起飞速度”，使其影响更渐进、可管理。
YC合伙人认为AI经济已进入稳定期。一是存在相对清晰的“AI原生公司构建手册”，技术栈选择和团队配置有最佳实践；二是2024年“每周都有颠覆性突破”的狂热冷却，模型更新渐进化；三是市场形成清晰层级结构，各层有明确价值捕获方式。这种稳定利于创业者长期规划，不过快速迭代和灵活应变仍重要，游戏规则更清晰可预测。
访谈中，YC合伙人给AI创业者提出建议：不要将模型能力视为护城河，要在应用层差异化并深耕垂直领域；建立自身评估体系（Evvals），用数据驱动技术选择；保持团队精简，用AI工具提升生产力；当下是进入AI创业的好时机，基础设施成熟、成本下降，应用层机会初现。
