YC 合夥人年終盤點:2025 年 AI 產業最讓人意外的五件事

YC 合夥人年終盤點:2025 年 AI 產業最讓人意外的五件事
YC Light Cone Podcast

Y Combinator 的合夥人們在年終回顧中,分享了 2025 年 AI 產業最讓他們意外的發展。

其中最震撼的變化,是 YC 冬季批次申請者的技術選擇。

過去幾年,OpenAI 一直是創業者首選的 API,市佔率曾高達 90%。

但在最新一批申請中,Anthropic 竟然超越了 OpenAI,成為最多創業者選擇的模型供應商,市佔率超過 52%。

這個轉變並非偶然。

Anthropic 把程式碼能力當作內部核心評估指標,而今年正好是 Vibe Coding 和 AI 程式代理大爆發的一年。

當創業者日常用 Claude 寫程式,自然而然在開發產品時也傾向選擇熟悉的工具。

AI 經濟終於穩定下來

這一年最讓人放心的變化,是整個 AI 經濟終於開始穩定。

模型層、應用層、基礎設施層的分工逐漸清晰,每一層都有機會賺到錢。

去年此時,大家還在焦慮:如果 OpenAI 發布新功能,自己的產品會不會一夕歸零?

現在創業者終於可以專注在應用層打造產品,不用每隔幾個月就擔心被模型公司降維打擊。

AI 泡沫?對創業者是好消息

有人問:AI 是不是泡沫?

YC 合夥人 Jared 的回答很有意思:這個問題對 Nvidia 很重要,但對創業者不重要。

就像網路泡沫時期,電信公司確實過度投資了光纖基礎設施,但正是這些「過剩」的頻寬,讓 YouTube 這樣的應用得以誕生。

現在 AI 領域的情況類似:大公司瘋狂投資 GPU 和數據中心,即使部分投資最後證明過度,這些算力也會留下來,讓下一代創業者以更低成本取用。

這是結構性的好消息。

50 人公司達成一億美金營收

今年另一個值得關注的趨勢:AI 原生公司開始展現驚人的人效比。

簡報工具 Gamma 宣布以僅 50 名員工達成一億美金年營收。

這種「反向炫耀」正在成為新的標準——不是炫耀融了多少錢、招了多少人,而是強調用最少人力創造最多價值。

雖然一人獨撐兆元公司的時代還沒來,但公司規模與營收的比例正在被重新定義。

創業難度正在回歸常態

最後一個觀察:找創業題目的難度正在回歸正常水準。

去年還能靠「等下一個模型更新」來找到新機會,現在模型的進步是漸進式的,不再有顛覆性的突破一夕改變遊戲規則。

這對認真想打造長期價值的創業者來說,反而是好事。

穩定的環境讓人可以專注執行,而不是每天焦慮著下一個大模型會不會讓自己白做工。

2025 年的 AI 產業,從狂野西部進入了成熟期的開端。

對於準備好的創業者來說,這可能是最好的時機。


📺 影片來源: YC Light Cone - 2025 AI 年終回顧

Read more

Claude 的 Project、Skill、Connector 到底怎麼分?一次搞懂三者的關係

Claude 的 Project、Skill、Connector 到底怎麼分?一次搞懂三者的關係

很多人問我,在 Claude 裡面,Project、Skill、Connector 這三個東西到底差在哪裡? 什麼時候該用哪一個? 老實說,我一開始也搞得很混亂。 但實際用了一段時間之後,我發現其實邏輯很簡單。 先從最基本的開始:Connector 是對外的資料來源 如果你需要從外部拿資料,比如說接 Google Calendar、接 Notion、接你自己的資料庫,你就需要 Connector。 它就是一個 MCP 的連結,讓 Claude 可以去外面抓資料回來。 沒有 Connector,Claude 就只能用它自己知道的東西,沒辦法碰到你的資料。 Skill 則是內部的運算邏輯 Skill 沒有辦法對外連接。 它只能在內部用 Python 或程式碼執行。 你可以把它想成是一個 Controller,專門負責處理運算的部分。 比如說,你想讓 Claude 用特定的格式改寫文章、

By Andy Lin
讓 AI 認識你 — Memory is All You Need

讓 AI 認識你 — Memory is All You Need

讓 AI 認識你 — Memory is All You Need 最近我在 Claude 上快速搭建了七大 Agent。 原因很簡單:你的助理應該是越使用越懂你。 而 Claude Project 有個關鍵功能叫 Memory,它會根據你不斷詢問的過程,主動提取記憶。 這就是我認為 AI 助手真正強大的地方。 GA 分析助手:從進階到客製化 自從我串接 GA MCP 後,這位助手已經變得非常厲害。 漏斗分析、訪客來源、異常事件追蹤、站上任何問題都難不倒它。 但我想要的不只是這些。 我希望它隨著時間,能夠對齊我的知識,知道我要什麼。 你不用想太多,不用一次設定好整個 instructions。 試著使用一週,再回頭看看 memory,你會發現它已經根據你的行為開始學習客製化了。 許多助手不需要懂老闆要什麼,但網站分析不一樣。 因為我沒有那麼多美國時間,

By Andy Lin
AGI 來臨:兩大 AI 巨頭的預測與警示

AGI 來臨:兩大 AI 巨頭的預測與警示

在近期的達沃斯論壇上,Anthropic 執行長 Dario Amodei 與 Google DeepMind 執行長 Demis Hassabis 進行了一場關於「AGI 之後的世界」的深度對談,揭示了 AI 發展的最新進展與未來展望。 AGI 時間線預測 Dario 重申了他去年的預測:在 2026-2027 年,AI 模型將能夠在諸多領域達到諾貝爾獎得主的水準。他表示目前 Anthropic 的工程師已經不再親自寫程式碼,而是讓模型來完成編寫工作,人類只負責編輯和周邊任務。他預估在 6-12 個月內,模型將能端到端完成大部分工程師的工作。 Demis 則持稍微保守的態度,認為在十年內有 50% 的機會實現 AGI。他指出編程和數學領域較容易自動化,因為結果可驗證;但自然科學領域則更具挑戰性,需要實驗驗證,且目前模型在「提出問題」和「建立理論」

By Andy Lin
讓 AI 當你的健康顧問:我用 Apple Watch 數據打造個人健康分析 Agent

讓 AI 當你的健康顧問:我用 Apple Watch 數據打造個人健康分析 Agent

最近我嘗試做了一個 Agent,專門用來分析我的身體健康狀況。 這不是什麼有商業潛力的專案,純粹是出於好奇。 我想知道現在的 AI 到底能幫我們把健康分析做到什麼程度。 資料從哪來? 要讓 AI 分析任何東西,首先得有資料。 我第一個想到的就是 Apple Health。 因為我每天戴著 Apple Watch,它本來就會自動記錄睡眠、運動、心跳這些數據。 除此之外,我也在嘗試另一個經絡檢測的儀器,有點像中醫把脈的概念,只是還沒整合進來。 我覺得如果未來能把更多資料源串在一起,應該可以做出更有意思的應用。 技術架構其實不難 我用了一個叫「Apple Health Auto Export」的 App。 這個 App 可以把健康資料透過 REST API 自動傳送到你指定的伺服器。 資料打到伺服器後,我再處理並存到 Database 裡。 接著寫一個 MCP Server,然後在

By Andy Lin