2025 年 AI 產業回顧：YC 合夥人眼中最意外的五件事

本文整理自 YC 官方 Podcast《The Light Cone》2025 年 12 月播出的年度回顧單集。

2025 年接近尾聲。這一年 AI 產業發生了太多事——模型能力持續提升、新創公司快速成長、基礎設施競賽白熱化。YC 的幾位合夥人在最新一集的 The Light Cone Podcast 中，回顧了這一年最讓他們意外的趨勢。

不是「最重要的」或「最酷的」，而是「最意外的」。這個角度特別有意思，因為它揭示了連矽谷最前線的人也沒預料到的變化。

驚訝一：Anthropic 超越 OpenAI

第一個讓 YC 合夥人震驚的數據，來自他們自己的申請資料。

YC 每批次都會問申請者：你的技術堆疊用什麼模型？這個問題的答案在過去兩年經歷了戲劇性的變化。Diana Hu 回憶，當 The Light Cone 這個 Podcast 剛開始的時候，OpenAI 的市占率超過 90%。在整個 2024 年，Anthropic 的佔比大約在 20-25% 徘徊，但始終是第二名。

然後，在最近三到六個月內，事情翻轉了。Winter 26 批次的數據顯示，Anthropic 首度超越 OpenAI，成為最多創業者選用的 API，佔比超過 52%。與此同時，Gemini 也從一年前的個位數（大約 2-3%）飆升到 23%。

為什麼 Anthropic 能逆襲？Diana 的分析指向一個關鍵因素：coding 能力。這兩年 Vibe Coding 工具大爆發，從 Cursor 到 Replit 到各種 AI 輔助開發工具，程式碼生成變成一個巨大的市場。而 Anthropic 刻意把 coding 能力當成內部 eval 的北極星，持續針對這個方向最佳化。結果就是：Claude 在 coding 領域建立了最強的口碑。

更有趣的是一個「溢出效應」。Gary Tan 觀察到，大多數創業者用 LLM 做的事情其實不是寫程式——可能是客服機器人、內容生成、資料分析。但因為開發者每天用 Claude 寫程式，對 Claude 的「個性」非常熟悉，所以在選擇產品要用的模型時，也傾向選自己最了解的。信任感會溢出到其他使用場景。

驚訝二：AI 經濟「穩定化」了

Jared Friedman 說，他覺得 2025 年最讓他意外的事情，是 AI 經濟竟然「穩定下來了」。

這需要一點背景說明。2024 年底的時候，整個產業還在一種高度不確定的狀態。大家不知道模型能力會不會繼續快速提升、不知道哪些商業模式會成立、不知道會不會有某個突破性的發展把一切洗牌。Gary 形容那時候的感覺是「地基在腳下不斷移動」——你很難做長期規劃，因為遊戲規則隨時可能改變。

一年後，情況不同了。AI 經濟已經形成相對穩定的三層結構：基礎設施層（GPU、資料中心）、模型層（OpenAI、Anthropic、Google）、應用層（各種 AI 原生的新創公司）。每一層都在賺錢，每一層的玩家都知道自己的位置和競爭對手是誰。Gary 說，現在已經有一套相對清晰的「playbook」來建構 AI 原生公司。

這種穩定化帶來的一個具體變化是：找創業點子變難了。

過去兩年，如果你的新創碰到瓶頸，只要能撐幾個月，很可能會有某個新模型發布，突然讓一整類新點子變得可行。那個時候「活下來」本身就是一種策略，因為機會會不斷冒出來。但 Jared 觀察到，2025 年模型能力的提升是漸進式的，沒有那種「一夜之間改變一切」的突破。這意味著找創業點子的難度回歸到了正常水準——你得真的想出好點子，不能只是等機會從天上掉下來。

驚訝三：模型訓練知識正在「平民化」

第三個意外趨勢是：想做模型公司的人變多了。

Gary 注意到，最近幾批 YC 有越來越多新創嘗試訓練自己的模型。不是要跟 OpenAI 正面競爭的那種，而是專注在特定領域或特定任務的小型模型——比如專門跑在邊緣裝置上的輕量模型，或者專門針對某個語言的語音模型。

這讓他想到 YC 的早期歷史。當時「怎麼做軟體新創」是一種稀有知識。你需要同時理解技術、產品、募資，能把這些能力組合在一起的團隊非常少。然後經過十幾年，這些知識逐漸普及，做 SaaS 新創變成一件很多人都會的事情。

現在，訓練模型的知識正在經歷類似的「平民化」過程。十年前，OpenAI 創立時需要的是極其罕見的組合：頂尖的研究能力（Ilya）、強大的工程能力（Greg）、加上商業營運能力（Sam）。這種團隊配置當時幾乎找不到第二個。但十年後的今天，有研究背景、懂工程實作、又理解商業的人才越來越多。

Diana 補充了另一個推力：強化學習（RL）的成熟。現在如果你想做一個特定領域的模型，可以拿開源的基礎模型，用自己領域的資料做 fine-tuning，再用 RL 針對特定任務最佳化。她聽過一個例子：有家 YC 新創用這種方法做了一個醫療領域的模型，只有 80 億參數，但在醫療相關的 benchmark 上打敗了 OpenAI 的通用模型。

當然，這不是一勞永逸的事情。Gary 也提到另一個例子：有家新創的 fine-tuned 模型一度打敗了 GPT-3.5，但後來 GPT-4.5 和 5.1 出來，直接把他們的優勢抹平了。在這個領域，你得持續迭代才能保持領先。

驚訝四：「一人獨角獸」時代還沒來

2024 年底的時候，大家很興奮地談論一個現象：有些 AI 新創靠兩三個創辦人就做到百萬美元 ARR，然後拿到 Series A，完全不需要招人。這讓人開始想像：是不是很快就會出現「一人獨角獸」——一個人經營的十億美元公司？

一年後，YC 合夥人發現這個預言沒有成真。

那些早期用極少人數衝到高營收的公司，在 Series A 之後還是開始大量招聘了。Jared 觀察到，這不是因為 AI 沒有提高效率，而是因為競爭太激烈了。Harvey 在法律 AI 領域領先，但 Lora 正在快速追趕。Giga 在客服 AI 領域領先，但 Sierra 也在搶市場。這些公司都在瘋狂搶人才，因為客戶的期望值不斷提高，你得有足夠的人手才能滿足這些期望。

Jared 分析，關於 AI 對團隊規模的影響，存在兩種對立的假說。第一種說：AI 讓一切變得更有效率，所以你需要更少的人。第二種說：AI 降低了生產成本，但同時提高了客戶期望，所以你需要更多的人來滿足這些期望。2025 年的證據更支持第二種假說——公司還是在大量招聘，只是每個人的生產力比以前高了。

不過，Diana 分享了一個亮點：Gamma 這家公司宣布他們用 50 個人做到了 1 億美元 ARR。這在傳統軟體公司是很難想像的數字。以前公司會炫耀「我們募了多少錢、有多少員工」，現在反過來了——炫耀的是「我們用這麼少人做到這麼多營收」。這可能是一個更健康的發展方向。

驚訝五：太空成為 AI 基礎設施的認真選項

最後一個意外趨勢，聽起來最科幻：在太空建資料中心，從瘋狂想法變成了認真的商業計畫。

Gary 回憶，2024 年夏天有家叫 Starcloud 的公司提出要在太空建資料中心，當時網路上的反應是嘲笑居多——「這是我聽過最蠢的點子」。結果 18 個月後，Google 宣布要探索太空資料中心，Elon Musk 在幾乎每次訪談都會談到這個概念。

為什麼太空突然變得有吸引力了？答案是：地球上的限制太多了。

AI 資料中心需要巨量的電力。目前的瓶頸不是 GPU 供應，而是電力供應。有些公司開始用噴射引擎發電機，但引擎的供應鏈已經塞爆——如果你現在下單，可能要等兩三年才能交貨。核電是另一個選項，但在美國興建核電廠的法規阻力巨大。

另一個問題是土地和法規。美國的環境法規（尤其是加州的 CEQA）讓大型建設計畫變得曠日廢時。你想蓋一座千兆瓦級的資料中心？光是環評和許可就可能花好幾年。

太空沒有這些問題。沒有鄰避效應，沒有環境法規，太陽能在太空的效率比地表高得多（沒有大氣層遮擋，沒有日夜週期）。當然，把東西送上太空本身就很貴，但隨著 SpaceX 持續降低發射成本，這個方程式開始變得可行。

Gary 提到，最近一批 YC 甚至有一家叫 Zephyr Fusion 的公司，他們的計畫是在太空做核融合發電。創辦人是國家實驗室出身的工程師，一輩子都在做托卡馬克（核融合反應爐）研究。有一天他們算了一下物理和經濟，發現如果在太空做核融合，數字居然能成立。這可能是唯一能在太空產生千兆瓦級電力的方法。

寫在最後

回顧這些「驚訝」，可以看出一個模式：很多變化的速度比預期快，但方向跟預期不太一樣。

模型市場洗牌了，但不是誰做出 AGI 誰就贏，而是誰在特定任務上最強誰就贏。AI 經濟穩定了，但這反而讓創業變難了，因為你不能再等天上掉機會。團隊規模沒有縮小，因為客戶期望比效率提升得更快。太空從科幻變成商業選項，因為地球上的限制比想像中更緊迫。

這些觀察有一個共同的底層邏輯：AI 不是在一個理想世界中發展，而是在一個充滿約束的真實世界中發展。物理約束（電力、土地）、人性約束（組織不喜歡變化）、經濟約束（競爭會侵蝕效率收益）——這些都在塑造 AI 發展的實際軌跡。

對創業者來說，這意味著機會不會以你預期的形式出現。但只要你夠靈活、夠務實，機會一直都在。