公司战略与产品定位 - 公司于首届开发者日推出超过一打新产品，核心是推出“Perplexity Computer” [1] - “Perplexity Computer”被定义为一个大规模多模型编排系统，其根本区别在于它不是单一模型，而是对多个模型进行编排 [2] - 公司的核心聚焦点始终是准确性和编排，旨在成为跨所有不同模型的“乐团指挥” [4] - 公司产品的价值主张之一是用户无需被锁定在单一模型提供商，可以同时选择多个不同模型 [13] - 公司旨在为用户解决模型选择问题，由其判断何种模型最适用于何种目的，用户只需使用产品即可 [14] “Perplexity Computer”产品详解 - 该产品旨在让AI完成人类在计算机上执行的所有数字任务，为AI提供与人类相同的工具集、文件系统和沙盒环境 [4] - 该产品本质上是一个运行在云端沙盒中的数字工作者，可安全访问用户的个人数据和持久存储 [8] - 该产品由三个核心部分组成：浏览器（访问互联网）、文件系统（存储文件）以及运行程序的终端/外壳 [6][7] - 该产品与OpenClaw等业余项目的主要区别在于安全性，其全部在服务器端安全运行，不会覆盖用户文件或从互联网导入恶意软件，用户可控制其数据访问权限 [9] - 公司拥有自己的浏览器，可以在服务器端代表用户进行智能体浏览，这是另一关键差异 [10] 行业趋势与竞争格局 - 行业趋势在2025年末至2026年出现变化，模型开始专业化而非商品化 [3][12] - 不同公司的模型展现出不同的专业化能力：Anthropic的模型擅长编码，OpenAI的模型擅长写作，Google的模型擅长多模态 [3] - 即使在编码这一细分领域内，OpenAI的Codex模型和Anthropic的Claude模型也存在差异，各自擅长编码中的不同方面 [12] - 企业用户持续选择多个不同模型已成为一种趋势 [13] 法律挑战与应对 - 亚马逊曾试图通过法律途径阻止公司的AI浏览器，并赢得了法院的初步禁令 [15] - 公司的立场是，用户应有权携带自己的“朋友”（指AI助手）协助决策，而非被强制使用商店提供的“朋友”[16] - 法官在初步禁令裁决中指出，公司的服务对用户有用且未从事恶劣行为 [17] - 公司认为其浏览器在安全性方面是一流的，已发布关于智能体可靠性和防止提示注入攻击的评估，并建立了自己的基准测试，愿意与亚马逊合作解决相关问题 [18]

文章核心观点 - AI行业已从“令人眼花缭乱的混乱”阶段进入“可以实际构建产品”的成熟阶段，应用层的黄金时代正在到来 [2] 模型使用趋势：Anthropic超越OpenAI - 在YC的Winter 2026批次中，Anthropic已超越OpenAI，成为YC创业者最常使用的API，过去3-6个月内其使用率增长超过52% [3] - Claude Sonnet成为开发者在代码生成和AI Agent任务中的首选，因其在处理复杂任务时表现更稳定，API更易集成 [3] - 创业者基于专有评估指标（Evvals）选择模型，而非盲目跟随大厂宣传，许多医疗领域创业公司评估显示Claude表现优于其他通用模型 [3] 技术架构：模型编排层成为标配 - 创业公司不再押注单一模型，而是构建“编排层”来抽象化不同模型，针对不同子任务使用不同模型 [4] - 这种模型组合策略由创业公司自己的Evvals驱动，并随着新版本发布动态替换模型，降低了供应商锁定风险，优化了成本结构 [4] - 模型被视为可替换组件，真正的竞争壁垒在于应用层的差异化和对垂直领域的深度理解 [4] 开发范式：Vibe Coding崛起 - Vibe Coding在2025年从一个观察现象演变成成熟的工具类别，指开发者使用大语言模型快速生成大量代码，关注高层逻辑和“感觉” [5][6] - 这种方式大幅提升了原型迭代和产品发布速度，Replit和Amagence成为该领域代表工具 [6] - 目前Vibe Coding尚不能100%用于生产级代码，更适合快速验证想法、搭建原型及快速调整方向 [6] 团队与生产力：小团队实现高收入 - AI时代团队规模显著缩减，例如Gamma公司以50人团队实现了1亿美元的年度经常性收入（ARR） [7] - 这种“高收入配低员工数”的“反向炫耀”成为AI创业圈新身份象征，源于AI工具极大提升了单个开发者生产力 [7] - 对创业者能力提出新要求，需同时具备研究员、工程师和商业能力，这种配置正在普及化 [7] 行业结构：三层结构与基础设施泡沫 - AI经济已稳定成清晰的三层结构：模型层、应用层和基础设施层 [8] - 即使基础设施层存在过度建设（如GPU产能过剩），对应用层创业者反而是好事，因成本下降创造了更多机会 [8] - 行业正从“安装阶段”（高资本支出、市场狂热）过渡到“部署阶段”（真正的广泛价值创造），模型更新变得渐进式，为应用层建设者提供了更稳定环境 [8] 消费级应用：面临信任挑战 - 除ChatGPT外，市场上几乎没有现象级的消费级AI应用 [9] - 核心原因在于信任问题，用户不完全信任模型在没有人工监督下能准确完成高价值任务，因此更倾向于使用通用模型配合手动提示词 [9] - 这种现状可能持续，直到模型可靠性进一步提升或出现能建立用户信任的新型交互方式 [9] 模型公司：垂直领域的机会 - 领域专用的小模型（如8B参数）在特定垂直场景中有时能够击败通用大模型（如GPT-4） [10] - 这些小模型通过强化学习（RL）和在专有数据集上的微调，能在特定基准测试中表现出色 [10] - 构建和训练模型的知识已不再是稀缺资源，降低了准入门槛，但竞争也更激烈；拥有独特数据资产和深厚领域专业知识的公司有机会 [11] 基础设施前沿：太空数据中心 - 太空数据中心正从想法变为被行业认真讨论的现实方案，YC投资的Starcloud（S24批次）和Zephyr Fusion（F25批次）在探索此方向 [12] - 核心驱动因素是地球上的能源限制，太空提供了一种绕过土地和能源监管的方式 [12] - 即使短期内不现实，此方向的探索也会推动相关技术进步 [12] 行业发展预测：对数级缩放与组织惯性 - 针对“AI 2027”报告预测AI可能导致社会结构崩溃的观点，YC持怀疑态度 [13] - AI进步遵循对数级缩放规律，进步速度可能比预测的更慢、更可控 [13] - 人类和组织对变化的抵抗（组织惯性）会成为快速“起飞场景”的刹车，使AI的影响以更渐进、更可管理的方式展开 [13] 行业现状：进入稳定可构建期 - AI经济已进入稳定期，证据包括：有了相对清晰的“AI原生公司构建手册”；2024年“每周都有颠覆性突破”的狂热已冷却；市场已分化出清晰的层级结构 [14] - 这种稳定性意味着创业者可以更有信心地做长期规划，游戏规则变得更加清晰和可预测 [14]