YC 观察：Anthropic 模型在编程辅助方面更受欢迎，AI 开发重心转向“专门化”应用。
原文标题：YC 年终座谈会：AI 泡沫反而是创业者助力？
原文作者：机器之心
冷月清谈：
在模型选择方面，YC 观察到 Anthropic 的 Claude 逐渐取代 OpenAI 的 ChatGPT，成为 YC 项目中最受欢迎的大语言模型。这主要是因为 Claude 在编程辅助方面的能力更强，更受开发者欢迎。Anthropic 将“编程能力”设定为产品的“北极星指标”，使其成为许多创始人构建产品的优先选择。此外，创始人在个人编程场景中对 Claude 建立的偏好与信任，也会延伸到他们开发的应用中。
YC 合伙人们还观察到，“氛围编程”（Vibe Coding）正在经历从分散的个人用例到产业赛道的演变，并重塑了团队组建逻辑。当前的趋势是“精简团队与高额营收”，人均产出效率成为衡量企业成功与否的重要维度。他们认为，AI 的开发重心正从通用大模型转向能够执行特定逻辑的“专门化”应用，以解决复杂任务并建立用户信任。
怜星夜思：
2、文章中提到“氛围编程”（Vibe Coding）正在经历从分散的个人用例到产业赛道的演变，你认为“氛围编程”这种新型开发模式会给软件开发带来哪些变革？又会带来哪些挑战？
3、文章中提到“AI 泡沫”对创业公司反而是好事，你认为在 AI 领域创业，除了技术和资金外，最重要的是什么？
原文内容
本文来自PRO会员通讯内容，文末关注「机器之心PRO会员」，查看更多专题解读。
Y Combinator 合伙人 Jared Friedman、Harj Taggar、Diana Hu 与创始人 Garry Tan 近期在其 Lightcone 博客节目中回顾了各自在过往一年中对人工智能领域的观察，并以「AI 泡沫的真相」为主题，从风投视角分享了各自对 AI 企业及产品的观察。其观察发现，AI 经济已形成模型层、应用层和基础设施层并行的稳定格局，各层均具备可观盈利空间。其中，业界对于 AI 基础设施和能源的投资看似泡沫，实则为应用层提供廉价算力与「过剩红利」。
目录
资本如何看待 2025 的 AI 进展？什么是2025年的LLM「王权交替」？如何理解OpenAI的「黑猫能量」和Anthropic的「金毛犬能量」？...
如何理解 AI 落地的核心瓶颈在于「信任危机」？个人和企业的Ai使用习惯如何影响编排层的商业逻辑？...
LLM「王权交替」，为何 Anthropic 比 OpenAI 更受欢迎？
YC 的四位合伙人在分享中指出，2025 年度，YC 项目内部的 API 用量呈现了一场「王权交替」，Anthropic 的 Claude 已取代 OpenAI 的 ChatGPT 成为最受欢迎的大语言模型。基于在编程辅助方面的能力优势，Anthropic 的模型已成为许多创始人构建产品的优先选择。
1、在访谈开始时，Diana Hu 指出 YC 创业公司的技术栈和模型选型正经历显著的结构性变化：曾持有超过 90% 市场份额的 OpenAI 领先优势正在缩小，而 Anthropic 已成为该批次中最受欢迎的 API 选项。
2、Hu 将此现象描述为行业内的「王权交替」，并提出了关于产品哲学的比喻。她将 OpenAI 的特质形容为「黑猫能量」，而将 Anthropic 描述为具备「金毛犬能量」。
① 这种比喻揭示了两者在开发者关系上的根本差异：Anthropic 的设计导向更倾向于友好、配合开发者需求；相比之下，OpenAI 则相对高冷，需要开发者去适应它。
② 这种更贴近开发者的设计，在今年代码辅助工具的成规模涌现中转化为胜势。Hu 指出，在众多细分赛道中，Anthropic 是编程辅助方面表现最出色的模型。
③ 而这一领先地位源于其内部极具针对性的战略选择。Hu 透露，Anthropic 明确将「编程能力」设定为产品的「北极星指标」，这种策略使 Anthropic 成为了许多创始人构建产品的优先选择。
3、在模型因编程能力获得优势的语境下，Jared Friedman 进一步分享了他对企业在模型选择下出现的「溢出效应」（Spillover Effect）的观察。
① Friedman 观察到，由于创始人在个人编程场景中建立了对 Claude（Anthropic 模型）的偏好与信任，这种认知会自然延伸至其开发的应用中。即便最终开发的产品与编程无关，创始人依然倾向于选择该模型。
4、Hu 在后续谈话中分享了她对 AI 编程范式的另一项发现。基于 YC 往期的观察，2025 年里，「氛围编程」（Vibe Coding）正在经历从分散的个人用例到产业赛道的演变。
① Hu 表示，「氛围编程」最初在 YC 的观察中仅被视为一种对创始人工作方式的定性观察，但现已演变为一个巨大的技术赛道。目前，Replit 和 Emergent 等公司的成功，验证了这一新型开发模式的商业可行性。
② 但 YC 合伙人提醒，Vibe Coding 目前还不能 100% 用于生产级代码。它更适合快速验证想法、搭建原型，以及在迭代过程中快速调整方向。随着工具的成熟，这种开发方式正在改变创业公司的团队结构和工作流程。
5、这种范式变革最终重塑了团队组建逻辑，Garry Tan 揭示了一种被称为「反向炫耀」的衡量企业成功与否的维度。他认为，当前衡量企业健康度的核心维度已从团队规模转向了人均产出效率。
① 早期公司（如 Harvey）靠巨额融资筑墙，但 Friedman 观察到，随竞争加剧，过度投入微调却未建立核心壁垒的公司正面临 Lagora 等第二波初创公司的追赶，证明了单纯依赖资本而非技术优势的局限性。
② Harj Taggar 指出，虽然现在 AI 提升了生产力，但由于它降低了开发门槛，反而同步拔高了客户的期望值。这种激烈的竞争导致「想法」不再稀缺，真正的瓶颈转向了「能将想法卓越执行的人才」。
③ Tan 指出，这种模式促成了「精简团队与高额营收」的结构，并以 Gamma 为例：该公司凭借仅 50 人的精简团队，实现了高达一亿美元的年经常性收入（ARR）。
信任危机下，「手搓 Prompt」才是个人和企业的正确 AI 使用方式？
Harj Taggar 称，为了解决复杂任务并建立用户信任，AI 的开发重心正从通用大模型转向能够执行特定逻辑的「专门化」应用。这种趋势落地有两类方向：一是适配硬件边缘设备、可本地独立运行的轻量化模型；二是聚焦特定语种或细分专业场景的语音与语言模型...
