图片来源：Y Combinator

Z Highlights

• AI经济正在稳定下来，模型层、应用层和基础设施层已经清晰分化，并逐渐形成一套可复用的AI原生公司构建路径。

• 在YC最新一届Winter26中，Anthropic首次超过OpenAI，成为创始人最常使用的API，使用占比超过52%

• 即使出现算力过剩和资本密集投入，这一阶段更像是电信时代的基础设施泡沫，而不是AI价值的终点。

• 当模型彼此商品化、算力持续变便宜，真正的竞争将从模型能力转向谁能把模型用成产品。

• 历史上，正是过度建设的基础设施，最终催生了YouTube、Google和Facebook这样的应用层公司。

本期节目于2025年12月22日在Y Combinator播出，由Jared Friedman、Diana Hu、Harj Taggar、Garry Tan共同主持，长期围绕AI创业、模型演进与YC内部一线观察展开讨论。在YC Winter26批次结束后，四位合伙人围绕AI经济是否进入“泡沫期”、LLM偏好变化以及应用层机会展开系统复盘。

Anthropic是最受欢迎的

Garry Tan：欢迎回到新一期的《The Light Cone》。今天我们来聊聊在2025年我们看到的最令人惊讶的事情。Diana，你发现了一个非常疯狂的事情。几乎可以算是在YC 中，YC批次里，谁是首选LLM的一次换岗。

Diana Hu：是的，事实上，我们刚刚结束了针对公司的冬季26期筛选周期。我们向所有申请YC的创始人提出的问题之一是，你们的技术栈和选择的模型是什么？令人震惊的是，在很长一段时间里，OpenAI都是明显的赢家。但在去年的所有批次中，这个数字一直在下降。令人震惊的是，在这一批中，排名第一的API实际上是Anthropic，比OpenAI略胜一筹，谁会想到呢？当我们开始这个播客系列时，OpenAI占据了90%以上。现在是Anthropic。谁会想到呢？

Garry Tan：是的。而且，在2024年的大部分时间和2025年初，它们的占比一直徘徊在20-25%左右。只是在过去的3到6个月里，这种换岗才真正发生。

Diana Hu：他们的增长有一个超过52%的快速增长期。

Garry Tan：你认为这是为什么？

Diana Hu：在技术栈选择方面有几个原因。正如我们今年所看到的，在涌现的vibe coding工具方面有很多成功案例。编码agent有很多类别，最终这成为了一个更大的问题空间，实际上创造了很多价值。事实证明，在这方面表现最好的模型实际上是Anthropic的模型。这不是偶然。从不久前我们与Tom Brown的对话中可以得知，他来演讲时，这就是他们的内部评估之一。他们有目的地将其作为北极星，你可以从模型口味中看出，对于很多构建产品的创始人来说Anthropic是模型的最佳选择。

Jared Friedman：不过，人们使用它的大多数用例都不是编码。所以我想知道是否有一种影响，人们用Claude来进行个人编码。结果，他们更倾向于为他们的应用程序选择它，即使他们的应用程序根本不进行编码。因为你会非常熟悉Claude Opus或者他们选择的任何东西的个性。

Diana Hu：Gemini 也在迅速攀升。我想去年可能只有个位数百分比，甚至像百分之二三。现在冬季26期大约是23%。我们个人也一直在使用大量的Gemini 3.0，并且对它的质量印象深刻。 它真的非常有效。

Garry Tan：他们有各种不同的个性，不是吗？

Diana Hu：这有点像经典的OpenAI拥有黑猫能量，而Anthropic更像是快乐、乐天派，更像非常有帮助的金毛猎犬。至少我和他们交谈时是这种感觉。

Jared Friedman：Gemini 怎么样？

Diana Hu：它有点介于两者之间。

Harj Taggar：由于Gemini 的推理能力和通过Groundings API实现的实时信息准确性，我更喜欢Gemini。同时ChatGPT仍然具有记忆和个性化体验，同时使用Perplexity进行网络搜索。人们注意到，缺乏利用人工智能进行日常任务的消费者应用程序。

Jared Friedman：你实际上更喜欢Gemini。

Harj Taggar：是的，今年我已将Gemini作为我的首选模型。 甚至在2.5 Pro发布之Generated by Podwise.AI前，它在我看来就更擅长推理。我越来越多地用Gemini代替Google 搜索，而且我信任Google， 像是Groundings API 及其使用Google索引来正确地提供实时信息的能力。我发现它比所有其他工具都好，而且也比Perplexity 好。Perplexity 速度很快，但并不总是准确，而Gemini虽然不如Perplexity快，但如果我问它今天发生的事情，它总是非常准确。

Garry Tan：即使你使用Gemini 作为 Perplexity 中的推理引擎？

Harj Taggar：我没有这样做。有意思，是的。很难知道有多少是工具的问题，有多少是基础LLM 的问题。

为什么没有更多的AI应用？

Garry Tan：你们都喜欢用什么工具？我还没换掉ChatGPT。 它的记忆力很强。它了解我的个性。它了解我在想什么，所以我用Perplexity进行快速网络搜索，或者做一些，你知道的，我知道这像是一个研究任务，因为 ChatGPT在网络搜索方面仍然有点落后。 记忆正在变成消费者体验的护城河。我不指望Gemini会有我期望ChatGPT拥有的个性。感觉就像一个不同的实体。

Harj Taggar：我仍然感到惊讶的是，为什么围绕我们所做的各种事情，没有更多的消费者应用程序。如果我回想一下，今年对我来说最大的变化之一就是我为生活所做的Prompting和上下文工程的数量。我们最近买了房子，整个过程，我都和ChatGPT进行了非常长时间的对话，向它提供所有检查报告的上下文，或者希望它能平衡我和房产经纪人之间的关系，从而理解所有动态和正在发生的事情。感觉应该有一个应用程序来做这件事。

Garry Tan：但同时，我确信你把PDF文件直接拖到Gemini中，然后说，总结一下，告诉我什么对我来说是重要的。

Harj Taggar：我仍然不相信这些模型在没有大量提示的情况下足够准确。而且这是一项高价值的交易。所以你不想从中得到不正确的数据。所以我仍然觉得你需要投入精力，而且感觉仍然应该有应用程序来为你完成所有工作。

Garry Tan：你有没有看到Karpathy发布了一个LLM arena，我目前使用标签手动完成。就像你同时打开Claude、Gemini和ChatGPT，给它们相同的任务，然后提取各自的输出。这时我通常会转向Claude，问它：其他模型是这样说的，你怎么看？互相检查工作。

Diana Hu：实际上，我们在消费者层面所做的，初创公司也在做。他们实际上在套利很多模型。我和一些创始人进行过一些对话，他们以前可能是Open AI或Anthropic 的忠实用户。我最近和他们进行了一些对话。这些创始人运营着较大的公司，比如B轮融资级别的人工智能公司。他们实际上正在抽象所有这些，并构建这种编排层，也许随着每个新模型的发布，他们可以随时更换，或者他们可以使用在某些方面更擅长的特定模型。

例如，我从一家初创公司了解到，他们使用Gemini 3进行上下文工程，然后将其输入到OpenAI中执行。随着新模型的出现，他们不断地进行更换，并且每个类别或类型的代理工作的胜出者都不同。最终，他们之所以能做到这一点，是因为这一切都基于评估，而评估都是他们独有的，因为他们是垂直人工智能agent，在一个监管非常严格的行业中工作，而且他们拥有最适合他们的数据集。 现在的新常态是人们期望，模型公司花这么多钱，更快更好地创造智能，我们都能受益，这很酷。让我们做到最好。这几乎就像英特尔和AMD推出新架构的时代。人们可以直接更换它们。

Harj Taggar：是的，在最高层面，人们的焦虑感在于价值将累积在哪里？是会归于模型公司，还是像应用层，也就是初创公司？这一年来，这种趋势一直在两个方向上来回波动。有些时候，比如Claude Code 的惊艳发布，让人觉得，模型公司实际上也要在应用层有所作为。但对我来说，至少从氛围上看，Gemini 搜索，尤其是在过去几个月里，感觉又让我们回到了那个世界，模型本质上都在相互商品化。如果这种情况持续下去，应用层和初创公司将迎来又一个辉煌的年份。

人工智能泡沫问题

Diana Hu：我很好奇你们怎么看关于Twitter上的一些，很多负面评论，这是否有点像泡沫，AI泡沫？

Jared Friedman：是的，我和本科生交流时，他们经常问我，说，我听说现在有个很大的AI泡沫，因为。英伟达和OpenAI之间存在大量疯狂的资金周转。这对你来说是好事吗？这都是假的吗？

Garry Tan：不，就像人们看待电信泡沫一样。就像有数十亿、数百亿美元的资金，都积压在90年代的电信领域。你知道的，90年代。实际上，这就是YouTube能够存在的原因，如果你有大量未被使用的额外带宽，而且成本相对较低，那么像YouTube这样的东西存在的成本就足够低。如果没有电信行业的过剩，那么YouTube可能就不会出现。只是会晚一些出现。这不就是我们现在讨论的吗？我们要如何加速发展。我们正处于智能时代，岩石可以说话，可以思考，可以工作，你只需要更多地激活它们。在这一点上，你就能得到越来越智能的东西。对大学生的论点实际上是，因为会有过剩，所以你们才有机会。如果没有过剩，那么竞争就不会那么激烈，价格会更高，产业链中的利润率也会更高。

那么，今年最大的新闻之一是什么呢？英伟达突然不行了，他们今天的股价在170美元左右。是的，我仍然认为长期来看值得买入并持有，但目前，人们会说Gemini太棒了。现在似乎没有人只买NVIDIA了。每个人都在买AMD，每个人都在用TPU。所以目前看来，这意味着存在竞争，意味着计算能力会更多，而不是更少。这意味着对所有大型LLM公司来说，可能会更好一些，就像那些AI实验室，他们获得了一些力量。

但你知道，他们彼此之间也存在竞争。那么这意味着什么呢？那么，就是在产业链中再往上走一层，只要有大量的AI实验室彼此之间展开激烈的竞争，那么对于即将开始在应用层创业的大学生来说，就越有利。

Jared Friedman：是的，你说的完全正确。就像人们在问这个问题，这是否是一个泡沫？如果你是康卡斯特，这可能是一个真正相关的问题。如果你是NVIDIA，这是一个非常相关的问题。人们是否在过度建设GPU产能？但大学生不是康卡斯特。他们实际上是YouTube。如果你在宿舍里创业，那就相当于AI领域的YouTube。这其实没那么重要。也许明年NVIDIA 的股票会下跌。但即使下跌，这实际上并不意味着现在不是从事AI创业的好时机。

Harj Taggar：是的，Zack今年早些时候在一个播客里也说过类似的话， 就像Meta最终可能会在资本支出和基础设施上过度投资，但实际上，这些大公司不得不这样做，因为他们不能袖手旁观。如果某种原因导致需求直线下降。这是他们的资本支出，而不是初创公司的资本支出。仍然会有大量的的基础设施和想法可以继续构建。

Diana Hu：有一位名叫Carlota Perez的经济学家写了一本书，研究了很多科技趋势，研究了很多技术革命。书中总结说，这实际上有两个阶段。一个是安装阶段，即大量重资本支出投入的阶段。另一个是部署阶段，在这个阶段，它真正地产生了影响，一切都以丰富的形式爆发。在最初的安装阶段，感觉就像一个泡沫。会出现一些狂热，因为它首先始于一项令人惊叹的新技术，就像2023年的 ChatGPT时刻一样。

每个人都对这项技术感到非常兴奋，然后每个人都非常兴奋，并开始投资于大量的基础设施，购买大量GPU，以及建造所有巨大的千兆瓦数据中心。然后人们会问，需求是什么？将要构建的所有应用程序是什么？ 我们现在正处于转型期，这对初创公司的创始人来说实际上是个好消息，因为他们没有参与数据中心的建设，但他们将在真正普及的部署阶段构建下一代应用程序。回到互联网时代的类比，在2000年之前，电信公司进行了大量资本支出投资。

这些都是大学生不会参与的巨型项目，但他们投入了大量资金，在某些情况下甚至过度投资。我的意思是，存在着关于暗光纤和一些未使用的管道的整个事情，但这没关系。互联网最终仍然是一个巨大的经济驱动力。这意味着像未来的Facebook或未来的谷歌这样的初创公司尚未开始，因为这些公司出现在部署阶段。因为现在这些东西还在建设中。我确实认为基础实验室公司和GPU在很大程度上属于基础设施的范畴。

比如突然间，土地不够用了。在美国，我们无法建造，监管太严格了。在加州，我们有CEQA，它被环保游说团体完全滥用，以阻止所有创新和住房建设。顺便说一句，我们在陆地上拥有的资源不够，无法做社会现在需要的那些事情。所以，你知道，逃生阀就像，实际上，我们干脆在太空做。这么一想，我们好像有YC公司的三连冠，解决了数据中心建设的问题。你需要聚变能源。

Jared Friedman：我们有家公司正在通过在太空建造数据中心来解决土地不足的问题。我们有Boom和Helium，它们正在解决能源问题。

Garry Tan：我刚投资了一家太空聚变公司，名为Zephyr Fusion。他们在Demo Day上获得了非常棒的种子轮融资。他们都40多岁了。他们是国家实验室的工程师，他们的整个职业生涯都在建造托卡马克装置和聚变能源。有一天他们来到实验室，研究了物理原理，查看了数学和模型。他们说，如果我们在太空做这件事，实际上是可行的。所以他们在接下来的5-10年里，踏上了实现它、在太空创造它的伟大征程。因为方程式表明这是可能的。如果他们成功了，这实际上是在太空获得千兆瓦能量的唯一途径。所以可能很快就会出现一个更完美的三连冠。

模型公司的兴起和Vibe Coding

Harj Taggar：还有一件事，今年发生的变化是对成立模型公司的兴趣。我想这可能在两端都有体现。有些人可以筹集到资金，真正尝试建立一个与open AI正面竞争的对手，但这样的人很少，比如ILEO与SSI，但在 YC 内部更多的是，人们试图构建更小的模型。在过去的几个批次中，我肯定遇到了更多这样的情况，比如在边缘设备上运行的模型，或者特定于某种语言的语音模型。我很想知道这种趋势是否会延续，回到YC的早期时代。

我们看到了创业公司的爆发式增长，尤其是SaaS创业公司。部分原因是关于创业的知识传播得更广了。互联网上并没有关于如何创办公司、如何构建软件的规范信息，但在过去十年里，这变得越来越普遍，社会对创业和如何构建事物的认知也随之爆发，感觉我们可能正在经历人工智能领域的那个时刻。研究与实际构建相结合。

Jared Friedman：训练模型也是。我们现在正经历这个阶段。它正从一种非常稀有的技能变成一种更常见的技能。

Harj Taggar：因为十年前的OpenAI就像是一种稀缺资源，你需要独特的技能组合。你需要研究人员的头脑、工程师的头脑，可能还需要财务商业头脑。

Garry Tan：你刚才描述的是Ilya、Greg和Sam吗？

Harj Taggar：那是一个罕见的团队。很少有这样的团队配置。十年后，有很多人拥有研究背景、工程背景、创业融资背景，或者至少可以被教会如何做这些事情。我好奇这是否意味着我们会看到更多应用AI公司涌现？也许会有更多模型可供选择，用于各种特定任务？

Diana Hu：是的。有另一个促成因素，使之成为更大的雪球效应，是因为RL。现在有许多新的开源模型，人们正在特定的RL环境和任务之上进行微调。所以，完全有可能创建特定领域的模型，比如医疗保健。通过在通用开源模型上进行微调和RL训练的模型，可以胜过常规的大模型。实际上，我听说并看到一些初创公司的领域特定模型在医疗保健方面击败了OpenAI。有一家 YC 的初创公司告诉我，他们收集了最好的医疗保健数据集，最终在医疗保健的许多基准测试中，仅用80亿参数就表现优于OpenAI。

Garry Tan：有趣的是，你确实需要一个训练后基础设施。我们也有YC公司拥有击败OpenAI GPT 3.5的产品，他们使用RL进行微调。但是，GPT 4.5和5.1发布后，基本上将其微调成果冲刷殆尽。

Diana Hu：你必须不断前进。

Garry Tan：是的，你必须不断前进。你实际上必须不断达到前沿。过去一年还有什么让你印象深刻的事情吗？

Diana Hu：我们以一集关于vibe coding的节目开始了今年，该节目获得了大量观看。 我们更多地是在观察我们的创始人正在发生的一种行为。我很惊讶地看到这变成了一个巨大的类别。有很多公司正在获胜。我是说，我们有Replit，还有Emergence，还有很多。

Garry Tan：Varun Mohan去了谷歌。他发布了反重力。你们看到视频了吗？我有点好奇他们是否真的使用了nano banana或任何这些视频生成工具，因为它有点太完美了。但谷歌有预算制作高制作价值的视频。但那是Varun在键盘上。然后，Sergei就在他身后。 这很像电影。总之，Sundar不仅在谈论空间数据中心，还在谈论vibe coding。我知道我有点在反讽，但了解我们所知道的，vibe coding并不是完全可用和可信的，无法用于你100%的编码工作。你不可能在今天发布100% 可靠的生产代码。

Jared Friedman：是的，我在思考2025年让我惊讶的事情。我想也许最让我惊讶的是，人工智能经济已经稳定下来了。当我们在2024 年底做这期节目时，感觉我们仍然处于一个快速变化的时期，脚下的地基在不断移动，没人知道下一步会发生什么，以及创业公司、人工智能和经济会发生什么。现在我们已经进入了一个相当稳定的AI经济，我们有模型层公司、应用层公司和基础设施层公司。似乎每个人都会赚很多钱。而且对于如何在模型之上构建一个AI原生公司，已经有了一个相对成熟的方案。事情在那个方面已经相当成熟了。

Harj Taggar：她所说的一切都源于模型本身今年逐步改进，但还没有出现重大进展，从而撼动一切，这会产生连锁反应。很多期之前，我们讨论过现在比以往更容易转型并找到创业点子，因为只要你能存活下来，只要你能等待几个月，可能就会有一些重大发布，从而完全催生出新的想法，并创造更多机会来构建事物。感觉速度确实放缓了。所以，在我参加办公时间的经验里，寻找灵感的难度又回到了正常水平。

AI今年帮助初创提升了效率，但并未省人

Garry Tan：我来告诉你什么并不令人惊讶。你还记得AI 2027那份报告吗？它就像一篇末日文章，说社会将在2027年开始崩溃。但在某个时候，他们悄悄地修改了报告，说不是2027年了。但他们保留了标题。也许这并不令人惊讶。我一直对这种快速起飞的论点持怀疑态度，因为即使有缩放定律，它也是对数线性的。所以它比较慢。它需要10倍以上的计算量，而且还在逐渐达到顶峰。这算是一个好消息。另一种形式是，说这是好消息有点奇怪，但人类不喜欢改变。

在我们之前的节目中，我们驳斥了麻省理工学院的那份报告，该报告称98%或 90% 的企业AI项目都失败了。事实证明，90%的企业不知道如何进行IT，更不用说AI了。说这是件好事有点奇怪。但在快速起飞的背景下，这确实阻碍了这项疯狂的新技术渗透到社会中的能力。我喜欢加速，但说好吧，实际上，在这种情况下，也许这是件好事有点奇怪，这是一项非常强大的技术。但你知道，介于对数线性扩展，以及人类不喜欢改变，组织上来说，社会会吸收这项技术。所有人都会有足够的时间去处理它，文化会赶上来，政府也会做出反应，不会像SB 1047那样疯狂，你知道，让我们停止所有超过10的26次方的计算，就像对技术的这些下意识反应。我们对Arc AGI奖感到兴奋，将以非营利组织的形式参与26年冬季的活动。有趣的是，也许现在有一支团队正在攀登Arc AGI的排行榜，他们将再次加速这个进程。

Harj Taggar：让我惊讶的是，去年这个时候，我们还在讨论公司如何在没有招聘的情况下，达到百万美元的ARR并进行A轮融资，比如有些情况根本不招人，只有创始人，或只招一个人，这让人觉得非常不寻常。 过了一年，这并没有转化为，他们实现了1000万ARR，或者在不增加任何人的情况下实现了规模扩张。

Jared Friedman：他们转变方向，开始雇佣实际的团队。

Harj Taggar：在A轮融资后，感觉剧本基本没变，公司规模可能更小，但收入相同。这完全是因为他们快速实现了收入，但瓶颈仍然在于招聘所需的时间，而不是他们对人员的需求减少。

Garry Tan：我仍然认为有一些影响。但并非一目了然。不是说你再也不用聘用高管了。可能有两个初创公司的案例，比如一个是Harvey。另一个是Open Evidence，Harvey的创始人非常出色。他们很早就开始了。然后就有了这样一种想法，对于风险投资来说，你可以直接去沙山路，然后搞定一切，就像你把他们全部屏蔽掉一样。然后所有的人，你知道，可能有30个人可以开出1000万到1亿美元的支票。如果你把他们所有的钱都搞到手，实际上就没有人可以进来做下一轮融资了，基本上你就安全了，就像你有资本作为武器，在这种情况下，资本就是护城河。所以，Harvey很有趣，因为你知道，Legora正在快速追赶他们，很明显，我们在Legora身上投入了一些，但我们认为他们有和其他公司一样好的机会。

Jared Friedman：我想这是我们在2025年看到的一个趋势，那就是出现了第一波像Harvey这样的AI公司负责人。

Garry Tan：他们可能在微调上浪费了很多钱。

Jared Friedman：完全正确。就像在2023年真正爆发，并沾沾自喜地认为，我们赢得了这个领域，

Garry Tan：现在我们看到了像Legora和Giga这样的第二波公司。结果发现，实际上，事情并没有那么简单。是的，如果你把资本的两位数百分比浪费在没有优势的微调上，那么最终的受益者，基本上，只有投资者才是赢家，因为他们拥有你更多的公司股份，你知道吗？

Harj Taggar：是的，至少它与招聘和团队规模有关。在两个阵营中，一个阵营认为人工智能将使一切更有效率，你将需要更少的人。另一个阵营认为人工智能将降低生产成本和生产时间。因此，你的用户和客户的期望会提高，你需要继续雇用更多的人来满足不断增长的期望。今年更偏向于第二个阵营。这推动了公司仍在像人工智能出现之前那样招聘大量人员的事实。只是他们的客户期望的标准更高了。

他们都在，你知道，像Legora和Harvey竞争，Giga 和Sierra竞争，他们仍然在为同一批客户竞争。他们最终仍然受制于人员，我不认为有人受制于想法，而是受制于能够出色执行的人。 这很令人兴奋。感觉像是一个令人兴奋的阶段。

Garry Tan：我同意你的看法，一个人运营一家万亿美元公司的时代还没有到来。但最终会朝着这个方向发展。那将会是一个疯狂的时代。也许这是对明年的预测？说实话，它也不会在2026年发生。我的意思是， 你会听到很多关于由不到一百人运营的公司赚取数亿美元的故事。所以，我的意思是，看到Gamma很有趣。好了，这次就到这里了。我们只是想祝大家节日快乐，新年快乐。

原视频：The Truth About The AI Bubble

https://www.youtube.com/watch?v=cqrJzG03ENE&t=40s

请注意，本文编译自文未载明的原始链接，不代表Z Potentials立场。如果您对本文有任何想法或见解，欢迎在评论区留言互动探讨。