在刚刚落幕的 2025 年 Y Combinator「AI Startup School」上，2500 位最具潜力的技术与商业新星，与 Elon Musk、Satya Nadella、Sam Altman 等科技旗手同场论剑，仿佛为生成式 AI 引燃了一次精准“点火”。

硅谷科技评论（SVTR）结合现场速记和X 平台分享信息，补充并梳理嘉宾核心观点，为 AI 创业者提炼最具含金量的洞察。我们认为，这场密集的灵感轰炸重新标定了“创业基准线”，AI 已进入“产品化 × 代理化”深水区，执行速度与场景专注将决定成败。

图片

图片

1、Sam Altman：“0 美元点子”思维

OpenAI 联合创始人兼 CEO，曾任 Y Combinator 总裁

图片

  1. 核心观点：做“0 美元起步、千亿美元潜力”的科幻级项目，才能吸引顶尖人才；ChatGPT 只是开胃菜，“个人 AI 助理 + Agent 商店”才是长跑赛道。
  2. 浅白解读：别去挤“外卖送餐”这类红海，去造“星舰”——哪怕前期没人相信，一旦跑通便是独占市场。

SVTR 点评：对投资人来说，大胆愿景=高胜率人才+技术溢价；对创始人，早期要用低成本原型验证“科幻”是否可行，别一上来就烧钱铺量。

2、Satya Nadella：“平台复利”与能源账单

微软董事长兼 CEO，亲手敲定与 OpenAI 的百亿美元合作

图片

  1. 核心观点：AI 是“第四层地基”，真正护城河在模型外的反馈环、工具链与信任；若不能显著抬高 GDP，就拿不到社会的“电费许可”。
  2. 浅白解读：想象 AI 像自来水厂，模型只是水管，真正值钱的是覆盖城市的用水网络。

SVTR 点评：做应用别只吹模型指标，得算经济账——能替客户赚/省多少钱？投资人也该盯“用水量”而非“管径”。

3、Andrej Karpathy：“软件 3.0 = 提示词 + 大脑”

前特斯拉 AI 负责人，现创办 Eureka Labs

图片

  1. 核心观点：提示词等于新代码，LLM 像云端 OS；最有前景的是“半自动 Iron-Man 套装”，而非一次性取代人类。
  2. 浅白解读：把 LLM 当“万能调度总机”，先让它帮你按键、搬砖，人随时接管。

SVTR 点评：创业切入口在“局部自治”工具链——能省 30-70% 人力的垂直小助手极易变现；投资时看“集成深度”而非参数量。

4、Jared Kaplan：“规模律还在，但要会省钱”

Anthropic 联合创始人兼首席科学家，首提“scaling laws”理论

图片

  1. 核心观点：模型越大越聪明的幂律仍有效，RL 也正在复刻该规律；任务链长度每 7 个月翻倍。
  2. 浅白解读：像手机 CPU 的“摩尔定律”，AI 智力同样在“翻倍赛跑”，但瓶颈转向数据与算法创新。

SVTR 点评：对创投而言，“规模红利”尚未枯竭，但纯烧 GPU 的赛道将内卷；押注能降低训练/推理成本的新算法或硬件，会是杠杆位。

5、Andrew Ng：“速度是唯一护城河”

DeepLearning.AI 与 Coursera 联合创始人，斯坦福计算机教授

图片

  1. 核心观点：成功最大单变量=迭代速度；先做具体可上线的小功能，用反馈循环降风险。
  2. 浅白解读：与其憋一年造“AI 医疗平台”，不如一周做“自动预约 MRI”，边跑边调。

SVTR 点评：快迭代=低资本回收期。投资人看重“原型-用户反馈”闭环是否小于 30 天，创始人应把 PM/用户研究前置。

6、François Chollet：“直觉 + 推理 = 真智能”

Keras 作者，初创 Ndea 聚焦“可推理”通用智能

图片

  1. 核心观点：光放大模型得不到“流动智能”，需 Type 1 直觉缩减搜索空间，再由 Type 2 符号推理精算结果。
  2. 浅白解读：先凭感觉挑几条路，再用严谨数学算最优——像先“扫雷”再“精算”。

SVTR 点评：行业场景（法务、科研）需高可信推理，混合框架是蓝海。投资看“推理正确率/成本”是否超行业基线。

7：John Jumper：“架构洞见胜过堆显卡”

DeepMind 杰出科学家，AlphaFold 核心作者，诺奖得主

图片

  1. 核心观点：100× 进步往往源于架构洞见而非堆算力；选定窄靶点、跑小实验、快速梯度下降。
  2. 浅白解读：像钓鱼先找鱼窝再撒网，比满湖乱撒饵高效百倍。

SVTR 点评：科研类创业更像“命中靶心”游戏；投资人应评估团队是否握有独到问题定义与算法洞见，而非显卡规模。

8、Chelsea Finn：“机器人要吃真数据”

斯坦福助理教授，Physical Intelligence 联合创始人，专攻机器人自监督学习

图片

  1. 核心观点：机器人要“真数据”+“干净微调”；1 千条一致场景 > 百万条杂糅视频；过度堆资源会拖慢节奏。
  2. 浅白解读：教小孩骑车，终究得在路上练；光看教学片没用。

SVTR 点评：硬件 AI 最烧钱，数据效率=资本效率；创始人得掌控数据链而非只买机械臂。投资侧宜关注“数据采集-模型-部署”闭环团队。

9、其他主要观点

  1. Garry Tan（YC）：YC 看重“Talk to users, Get stuff done, Compound patiently”。
  2. Michael Truell（Cursor）：从 0 → $100 M ARR 的关键是“聚焦 + 推特冷启动”。
  3. Dylan Field（Figma）：设计将因 AI 成为差异化核心，保持“人味”才能抵御同质化。
  4. Aravind Srinivas（Perplexity）：浏览器级 Agent 是搜索替代赛道的护城河。
  5. Sriram Krishnan（白宫）：政府应扮演“基础设施提供者 + 减摩监管者”。
  6. Fei-Fei Li：语言仅生成，世界需感知；AI 目的是“让人更人性”。
  7. Elon Musk：Grok-3.5 训练中，Neuralink 明年人类试验，超智或一年内出现。

10、结语

我们认为，YC AI Startup School 2025 释放的信号清晰：AI 已进入“产品化 × 代理化”深水区，执行速度与场景专注将决定成败。

对创业者而言，比追赶大模型更紧迫的，是在真实需求中找准那个“$0 B Idea”，并用 Software 3.0 的新工具链跑赢学习曲线。