在AI浪潮席卷的当下，YC掌门人Garry Tan明确指出，小团队的执行成本大幅降低，但创业的核心判断能力并未动摇。他指出，软件可即时生成，但深入理解用户需求、将产品呈现于真实场景、建立信任关系等关键环节依然关键，这深刻揭示了AI时代创业的核心壁垒。YC最新批次中，硬科技占比从5%跃升至25%，反映出AGI技术环境下对研发方向的强烈预期。作为观察者，这一变化表明，在AI驱动的产业升级中，人才储备仍是创业的基础，但创新的方向和决策能力更为重要。Garry以agent技术的实践为例，通过构建自主执行能力的系统，验证了小团队在高效产出上的可行性，同时也警示创业者，即便效率提升，若方向偏离，仍可能陷入困境。因此，无论是选择哪些核心人才，还是如何把握战略方向，都需要回归对用户、基础能力的深刻理解，这才是AI时代创业稳步前行的核心逻辑。
--91likeyou---
YC 的批次里，硬科技从 3% 涨到了 25%
Paul 一上来先问，现在这一期批次里都是些什么公司。Garry 说，大约 75% 是软件，25% 是硬科技，这对 YC 来说是个非常值得注意的变化，因为五年前，硬科技的占比可能只有 3% 到 5%。他自己的猜测是，这背后是一种对“AGI 循环”的预期：像 Navier-Stokes 方程这样的问题，已经有人在推动全新的、过去没做过的研发。而做硬科技的人，大多有博士学位，大约三分之一的硬科技创始人是真正读完了博士、答辩过的，“不是读到一半”。
他还说了一个很有意思的细节：软件这边的创始人年龄跨度很大，从 18 岁到 60 多岁都有，而硬科技这边，很多是从国家实验室、从贝尔实验室那样的地方出来的人。这些人发现，在大学和研究机构里，自己拿不到足够的算力，也没法按自己想要的方式使用 AI。所以他的判断是，最大的变化就是，你在这个 agent 循环里真的需要算力。他提到，解出 Navier-Stokes 那次成果花了几千万美元，但这几千万美元，今年可能只要一百万，明年可能只要十万，“未来 24 到 36 个月里，几乎所有严肃的人类问题，是不是都可能被解决？”他说，也许这个房间里的某个人，就会和一位博士研究员搭档，去把它做成。
他举了一个很具体的例子：他刚在答疑时间见了一家做光子学的公司，对方讲了个疯狂的故事。现在数据中心靠光纤通信，但最大规模的数据中心，比如有十万块 GPU 的那种，有时只能连续运行 30 分钟，因为激光器烧坏得太多，任何时候都有 20% 到 30% 的 GPU 没法跟主网络通信，原因就是有成千上万个激光器。他说，如果有人能坐在电脑前设计出一种新的激光技术，然后去解决这个客户的问题，“这太疯狂了”，而这件事，两三个人加前沿模型就能做，也许还可以做出你自己的那种“光子学版 AlphaFold”。
我觉得这段话里最重要的信号，是创业的“主战场”在悄悄移动。过去二十年，创业几乎等于软件，因为软件的试错成本最低；现在 AI 把“设计、仿真、实验”的循环压缩了，原本只有国家实验室和大公司才玩得起的研发，开始有机会放进一个两三个人的团队里。Garry 说的那句“硬科技是创造富足的东西”，也提醒我们，软件固然伟大，但真正改变物质世界的，是那些能让能源、材料、算力变得更便宜的东西。
同时，他强调这些公司并不是研究机构，YC 还是希望它们“务实”：最好的版本，是今天就有一个实际用途。光子学公司就是个好例子：你不是为了发论文，而是为了解决数据中心里一个今天就在烧钱的问题。这一点很值得做技术的人记住：再前沿的技术，也要落在一个具体的、有人愿意付钱的痛点上。
一个人可以干 100 个人的活，但创业的基本功一点没变
谈到小团队的产出，Garry 先自嘲了一下：他之前因为说“一个人能干 400 个人的活”被 Supabase 这边吐槽过，现在他撤回“400”，改口说“八倍、十倍，也许五十倍”，“我甚至会说，在座可能有人能干 100 个人的活，你们自己知道是谁”。
但话锋一转，他讲了一件让我印象很深的事：Paul Graham 每一期都会来给批次做分享，每次最常被问到的问题就是，“你写过的那些建议里，有哪些因为 AI 出现而改变了？”而 Paul Graham 的回答永远是：“没有，一切都一样。”你仍然要了解你的用户，仍然要跟他们真的谈话，仍然要做出第一个版本，放到他们面前，看有没有用。Garry 说，基本功全部没变。
他还特别提到他越来越喜欢的一点：meme marketing（梗式营销），也就是让品牌像“脑虫”一样钻进人们脑子里，当他们遇到那个问题时，就会想起“我该用 Supabase”，他说，存储数据的方法有很多种，但大家一想到就是它，这就是一个“谢林点”（Schelling point，大家不约而同选择的那个点）。
至于批次里的速度，他说产品和市场匹配（product market fit）确实比以前快多了。过去你得坐在那儿把东西敲出来，现在可以同时开十个窗口，任何一个“我想试试”的念头，都可以开一个分支并行去做。
我觉得这两层放在一起看，很有意思。一方面，执行的速度提高了几倍甚至几十倍；另一方面，Paul Graham 那句“没有什么改变”，说的是“该做什么”这件事没变。所以真正发生的是：做事的成本塌下来了，但判断“做什么”的难度没有塌。这也解释了为什么 Garry 一边说一个人能干几十个人的活，一边又在强调回到用户、回到基本功：如果你的产出提高了十倍，而方向是错的，你只是更快地走进死胡同。
另外一点，这也是对“AI 会不会让创业变简单”的一个诚实回答：写代码更简单了，创业没有。真正稀缺的东西，比如对用户的理解，比如愿意把产品放到真实用户面前被检验的勇气，一个都没有被自动化。
从”富士康工厂”到”开阔草原”：Garry 是怎么学会放手的
被 Paul 问到最近在做什么，Garry 讲了一个很生动的故事。他说，他先用 Rails 写了大约五十万行代码，调用的是 Opus 4.5 和 4.6，他把它叫作给自己 agent 造的“富士康工厂”。他当时对 LLM 调用的态度是：智能很贵，所以要把它切成小块，用确定性的代码去严格控制，每一步的输入、输出、评测都锁死，“就像富士康的工人，一天的生活被计划到每一秒”。
后来 Peter Steinberger 来了 YC，Garry 第一次试了 OpenClaw，他的感觉是：“哦，原来这像是一片开阔的草原。”你告诉它你想要什么，它自己写出它需要的代码，这是“自由放养的智能”。接着他又听说了 Karpathy 的 LLM Wiki，一种用 markdown 文件做记忆的系统，就搭出了自己的 G Stack：最初只是他经常粘贴进 Claude Code 的两个 markdown 文件，一个是 CEO 评审，一个是工程评审，要求确保测试在跑、确实被测过。然后是 G Brain，把他之前做的检索功能放进 OpenClaw 里，自己就“有了生命”。
他的核心想法是这样的：人类的整个社会，每一次站会、每一次状态汇报、每一次高管会议，都是围绕“七加减二”这个人类工作记忆的上限设计的，。而一个 LLM 可以装下一百万个 token，他喜欢说那相当于三本《哈利·波特》，而且可以大约以 95% 的准确率从中取出任何一部分。但它并不是一个图书馆，所以问题就变成：怎么弥合模型今天能做的，和代表你的生活、你的公司的海量数据之间的差距？他觉得 markdown 文件加上 LLM Wiki 非常优雅，因为 agent 天生就“说这种语言”，再叠加图谱和检索，加上一些让它“做梦”整理记忆的机制，就是他想要的 G Brain。
他现在用的 OpenClaw 加 G Brain，里面有五十万个 markdown 文件，几乎就是他的整个生活。他说自己基本不用再点开 Slack，如果某家公司出了危机，它会立刻通过 告诉他“现在最重要的事是什么”，他三十秒内就能回应。这套东西是完全开源的，用的是 Supabase。Paul 在这里补了一句：Garry 曾发消息说边缘函数两秒就会断，没法做分块和向量化，所以 Supabase 为此做了升级，现在可以长时间运行。他还做了一个托管版本 gbrain.io，因为太多朋友说自己搭不起来。
我觉得“从富士康工厂到开阔草原”这个比喻特别值得每个做 agent 的人想一想。我们对智能的第一反应往往是“控制”：把每一步框死，担心它跑偏。这在模型还弱的时候是对的，但当模型足够强，过度的控制反而变成了对它的束缚。Garry 的转变，其实是从“我来决定每一步怎么做”走到“我告诉它目标，让它自己找路径”，而这条路上最重要的，是你给它的上下文。
他讲的“七加减二对比一百万 token”也很有启发。我们的很多组织习惯，其实都是为了弥补人脑的限制而长出来的：开会同步信息，写文档备忘，层层汇报。当一个随时在线、不会遗忘的智能体能替你记住“整个公司在发生什么”，这些习惯里有多少还有必要，值得认真重新想一遍。
招人这件事：最先找你认识的人，然后找会用 agent 的人
Paul 问到，一个今天创业的两人团队，什么时候该招人，第一个应该招什么样的人。Garry 的回答，首先是“我最喜欢招你真正认识的人”，他说这几乎是最好的前十个人，因为前十个人决定了你公司的一切。他讲了自己的遗憾：他在 2008 年创办 YC 公司之前刚在 Palantir 工作过，却因为太害怕，没有去把老团队叫过来。“我的创业公司最后还不错，但如果我当时更激进地去找那些我知道很棒的人，对他们说’你应该来和我一起干，因为我们要去改变世界’，它会成功十倍。”
除此之外，他说一个正在发生的变化，是以数据公司为例：第一波做 AI 数据业务的公司，比如他提到的 Mercor，就像是“聪明人的 Airbnb”，帮实验室训练模型，背后有成千上万名员工。而现在 YC 里出现了另一波做数据的公司，同样的客户，类似的收入，却没有那么多人，因为他们在自动化自己的任务，自己写软件，自己构建 AI 和 agent 系统来提供更好的数据。所以你会看到同样的业务，一边是几千名员工、融资几十亿美元，另一边是效率高出十倍甚至百倍、只有二三十到五十名员工，加上一千个 agent。
所以他的结论是，你仍然需要招人，但最理想的是招一个懂 agent 工具、循环和图谱的人，哪怕他还没做过，只要愿意学，“这样的人，在其他任何环境里都相当于几百个人”。Paul 总结说，这就是“系统思考者”，愿意采用思考的工具。
我觉得这一段有两层很实在的建议。第一层是关于信任：创业早期最大的风险不是技术，而是团队，而你最能判断的，就是你亲眼见过干活的人。Garry 的遗憾很真诚，也很具体：不是他不知道该找谁，而是他怕被拒绝，没有去开口。这类遗憾，放在每个人的职业选择里也成立，往往不是没看到机会，而是没敢开口。
第二层是关于组织形态：当一个人加上一群 agent 就能做出过去几百人的产出，“团队规模”就不再是公司实力的指标，甚至可能是负担。他提到的那些数据公司，同样的收入，不用融到几十亿美元，也不用管理几千人，这让我想到，创业的门槛，似乎在从“你能融到多少钱”转向“你能把多少事交给系统”。
融资环境收紧，硬科技反而被看见了
谈到风险投资市场的回撤，Garry 说他觉得这是好事。在 Demo Day 上，硬科技公司普遍能融到 500 万到 1000 万美元，而 YC 公司融资额的中位数大约在 200 万到 300 万美元之间。更重要的是，三年前，硬科技还是“奇怪的东西”，很难有人投。而现在，SpaceX 证明了，Starlink 是一个了不起的产品，非常聪明的人完全可以做出主导性的硬件公司，Anduril 也是一个很好的例子。
他还说他以前的风投机构 Initialized Capital 的一个转变：Brett 在那里做的第一批事情之一，就是不再只投软件，Garry 离开时软件占 95%，后来 Brett 把比例调到了大约 50%，理由是 agent 来了，“即时软件”（just-in-time software）也来了。他自己就是这样：几乎任何需要的软件，都可以即时获得，需要什么分析，agent 就写一点最少量的 TypeScript，加上一些 markdown 文件，他就可以反复使用。比如他们办了一场 G Stack 和 G Brain 的黑客松，他把上一次手工做的评分和排名喂进去，agent 就生成了可以复现他做法的代码和 markdown，最后他仍然会去试用产品，和做这些东西的人聊，只是现在他聊的五到十个人，都是被这个 markdown 文件预先筛过的。
他还半开玩笑地说，他纠结要不要把这个开源，因为一旦发布一个衡量标准，这个标准就会失效，就像古德哈特定律（Goodhart’s law）说的那样。
我觉得“即时软件”这个说法很贴切。过去我们是“先有产品，再找需求”，买一套软件去适配自己的流程；现在是“先有需求，再生成软件”，需要什么就长出什么，用完甚至可以不留。这让软件从“一件商品”变成了“一种按需供应的能力”。对做软件的人来说，真正要想的是：当任何人都能随手生成一个小工具，你的产品里，什么是他们生成不了的。
融资这一段，我觉得同样提醒了一件事：资本的偏好，往往是滞后的。三年前没人愿意投硬科技，现在它成了最受关注的方向，而这一切发生，是因为有 SpaceX、Anduril 这些先例让大家重新相信“聪明的人可以做出硬件巨头”。所以与其追逐资本的风向，不如问自己：哪些事情，是三年后大家才会觉得理所当然的。
SaaS 没有死，只是玩法变了
访谈的最后，Garry 谈到了大家最担心的问题：SaaS 会不会消失？他的回答很直接，“我个人认为这完全是荒谬的”，并且觉得投资圈现在有点“躁狂”：一些投资人私下会直接说，我们只想投 neo lab（新的前沿实验室），估值十亿到五十亿美元，创始人得是在 OpenAI 或 Anthropic 工作过的人。他也理解，因为有人在推特上说，OpenAI 和 Anthropic 即将上市创造的价值，相当于整个风险投资历史上所有回报的总和，但他的反应是：“那很好，那就是富足。”
他给做 SaaS 的人一个“白色药丸”（white pill，乐观的消息）：YC 里有公司从零做到两千万、五千万、一亿美元的收入，团队却只有 50 人、30 人，甚至 15 人。他说，过去你要做到一亿美元才有机会冲向五亿，要融几亿美元去招最好的高管，才有资格跻身大型 SaaS 公司的行列。他还提到“一个人的十亿美元公司”那个梗，他觉得不会是一个人，而会是二十个人、五十个人，就像 Instagram 和 WhatsApp 被收购时的规模。Paul 在这里补了一句，WhatsApp 卖十亿美元时大约是 55 个人。Garry 说，这会越来越成为常态，这些公司靠收入自我融资，而且盈利。他最后讲了一个例子：他刚见的一家公司已经做到 1500 万美元的收入，创始团队是两个 19 岁的孩子。
我觉得这段话的价值，在于它给 SaaS 创业者提供了一个具体的数据点，而不是一句泛泛的鼓励。当团队规模和收入规模的关系变了，原来那些靠“融很多钱、招很多人”建起来的壁垒，会被重新稀释。同时，这也是一个对比：一边是投资人追逐的“明星实验室”，一边是一群几十个人、靠收入养活自己的公司，两种路径并存，也各有各的逻辑。
他有一句话我觉得被低估了：“软件会变成随取随用，其实已经是了。”当这件事成为现实，真正的区别就不在于你有没有这个工具，而在于你有没有能力把它用在对的事情上，这又回到了我前面提到的那条线：做事的成本降了，判断的难度没降。
我自己的一点思考
听完这场对话，我最大的感受是，Garry 讲的所有事情，几乎都围绕同一个对照：执行的成本在塌，判断的成本没有塌。一个人可以干几十个人的活，所以团队可以更小；agent 可以一次开十个分支，所以验证想法的速度更快；软件可以即时生成，所以做工具的门槛更低；硬科技的研发周期被压缩，所以更多人敢去做过去只有国家实验室才敢碰的事。但同时，Paul Graham 的那句“什么都没变”也同样成立：你仍然要了解用户，仍然要把东西放到他们面前，仍然要相信身边那几个你真正认识的人。
这种对照让我对“小团队的时代”有一个更谨慎的理解：它不是说人变得不重要，而是说“人的位置”在上移。以前一个人的价值，很大一部分在于他能亲手做多少事；现在，更大的部分在于他能判断什么值得做，以及他能带动多少智能体一起做。Garry 在富士康工厂和开阔草原之间的转变，就是这个位置上移的一个缩影：从事无巨细地控制每一步，到清楚地描述目标，把上下文给够。
当一个人能干一百个人的活，最重要的问题，就不再是“我能做多少”，而是“我该做哪一件”。
题图来自Unsplash，基于 CC0 协议
🔥 热词：#YC · #Garry · #CEO · #Tan · #Supabase · #谈小团队的时代 · #一个人干一百个人的活 · #创业的根本却一点没变