這是 Y Combinator 在 2025 年 12 月 22 日發布的年終特別節目，由 YC 合夥人 Diana Hu、Harj Taggar、Jared Friedman 與創始人 Garry Tan 共同錄製，基於對 Winter 2026 一批創業公司的觀察，主張 AI 已從「令人眼花繚亂的混亂」進入「可以實際構建產品」的成熟階段，應用層即將迎來黃金時代。
- 一、“金毛犬”打敗“黑貓”：Anthropic 用戶增長超過 52%，超越 OpenAI。 YC 合夥人 Diana Hu 表示，在 Winter 2026 批次中 Anthropic 的使用率在過去 3–6 個月增長逾 52%，成為創業者首選 API，並強調創業公司以自建的 Evvals（專有評估指標）來選擇模型，而不是單純跟從大廠宣傳。
- 二、不再「從一而終」：模型編排層成為標配。 創業公司傾向建立編排層，用不同模型處理不同子任務（例如以 Gemini 3.0 做上下文工程，再把輸出交由其他模型執行），以降低供應商鎖定風險、優化成本並快速跟進模型迭代。
- 三、Vibe Coding 爆發：重視「感覺」而非逐行撰寫代碼。 開發者利用大語言模型快速生成大量代碼，關注高層邏輯與產品「vibe」，工具如 Replit、Amagence 等崛起；此法在原型與快速迭代上效果明顯，但尚未完全替代生產環境的手工工程。
- 四、新型「反向炫耀」：小團隊可以達到高收入密度。 YC 舉例 Gamma 等公司——約 50 人團隊達到 1 億美元 ARR，顯示 AI 工具大幅放大個人與小團隊的生產力。
- 五、「YouTube 不怕康卡斯特倒閉」：基礎設施過度建設反而有利應用層。 Jared Friedman 指出 AI 生態已分為模型層、應用層與基礎設施層，基礎設施的過剩會拉低成本，利於應用層創業；並引用 Carlota Perez 的技術革命周期來說明正從「安裝期」向「部署期」過渡。
- 六、消費級應用的「信任危機」：人們仍依賴手動提示詞。 即便 LLM 已被廣泛使用，但因信任與監督問題，市面上仍缺乏現象級的消費級 AI 應用，使用者常用通用模型配合手動提示詞而非完全倚靠黑盒應用。
- 七、8B 小模型擊敗 GPT‑4：垂直領域模型仍有競爭空間。 在特定垂直場景中，約 8B 參數且經專業微調的小模型有時能超越通用大模型；若擁有獨特數據資產與深厚領域知識，建立垂直模型仍有機會。
- 八、馬斯克也認真了：太空資料中心從笑話變成可討論方案。 YC 提到 Starcloud、Zephyr Fusion 等團隊在探索太空資料中心與太空供能的可能性，驅動因素包括地面能源與環評限制，雖短期不一定可行，但研究推動相關技術進步。
- 九、AI 2027「末日論」？對數級縮放與組織慣性是刹車。 YC 對「AI 導致社會崩潰」的極端預測持懷疑態度，理由包括技術進步呈對數級/線性縮放與組織適應的時間，這些因素會放緩短期內的劇變。
- 十、從混亂到可構建：AI 經濟出現遊戲規則。 YC 認為目前已出現相對清晰的 AI 原生公司建構手冊、模型更新趨於漸進以及分層清晰的市場結構，這些現象代表應用層的建設機會正逐步成熟。
寫在最後 — 給 AI 創業者的四個建議：
- 不要把模型能力當作護城河，真正的壁壘在於應用層差異化與對垂直領域的深度理解。
- 建立自己的評估體系（Evvals），以數據而非炒作驅動模型選擇。
- 保持團隊精益，利用 AI 工具放大每個人的生產力。
- 現在仍是進入 AI 創業的好時機：基礎設施成熟、成本下降，但應用層機會才剛開始。