YC掌門人最新分享：AI時代，永遠不要做一次性工作

文 | 劃重點KeyPoints，作者｜林易，編輯｜重點君

在生成式AI步入應用深水區的2026年，全球創業生態正迎來重構。傳統商業用人頭堆砌產值的邏輯正在失效，取而代之的是一種全新的技術原生法則。

Y Combinator掌門人Garry Tan在最新演講中指出，AI時代的真正紅利絕非微調模型權重，而在于工作流的重新梳理。通過將傳統組織架構中的員工、流程與績效全面編碼為“技能手冊”與“企業大腦”，硅谷已經誕生了首批以15人、40人的極精簡團隊撬動數千萬至上億美元ARR（年經常性收入）的AI原生企業，徹底顛覆了工業革命以來傳統商業的人均產值法則。

“如果你依然把AI當成代碼自動補全、把提示詞當成一次性工具，你將在下一階段的競速中被對手吃掉飯碗。”Garry Tan說。

一些核心觀點：

我們整理了此次演講的重點內容，以下是原文實錄：

1.400倍效能跨越：從個人生產力到重構工作流

Garry Tan：大家下午好，過得怎么樣？準備好迎接這場變革了嗎？剛剛Theo問了一個非常關鍵的問題：我們現在應該構建什么？作為一名創始人、投資者，同時也是一家正在向AI原生轉型的20年歷史機構的負責人，我想從投資人的角度來回答這個問題。讓一家擁有20年歷史的機構走向AI原生，是一件奇特而美妙的事情。接下來我會用大約20分鐘的時間，聊聊YC正在嘗試做的事情。我們希望培育出這樣的企業：一個人就能完成過去需要兩個人、甚至一千個人才能完成的工作。我這并不是在打比方，從實際操作來看，今年在座的各位就能實現這一點。大約一小時后，你們中的一些人就會走向創業沙場，我希望你們能帶著對當今技術可能性的清晰認知走進去，因為現在的技術潛力遠比人們想象的要巨大得多。

讓我先從一個數字開始。雖然我曾因為這個觀點在網上飽受抨擊，但我今天還是要當著大家的面再講一遍。這個房間是全世界最適合對這個觀點進行壓力測試的地方，我寧愿和你們一起親自驗證它。2013年我還是YC的合伙人時，主要負責構建YC內部的社交網絡。當時我雖然也做投資，但基本相當于全職工程師。那時候我每天大概只能寫出14行真正有用的邏輯代碼，這還是剔除了所有注釋和空行之后的數據。如果你們看當年的文獻資料就會發現這很正常，有些人寫15行，有些人寫50行，絕對不像現在臺下很多年輕人在開發中動輒日產上千行代碼。這15行就是我當時全力以赴的日均中位數產出。而今年，我全職管理YC。同樣是我這個人，投入的時間差不多，甚至因為下午五點要接孩子，工作時間還要少得多，但我重新計算了自己的產出，發現效率提升了大約400倍。

在質疑者跳出來質疑這個數字之前，讓我先自己來拆解它。如果你不相信純代碼量的統計，沒關系。你可以用最嚴苛的冗長懲罰機制來扣除水分，假設AI Agent寫出的都是臃腫的代碼，假設其中一半都是腳手架框架，甚至假設我是在自我標榜，但在底線上它依然帶來了8倍的提升，中位數也達到了80倍。無論你如何拆解審視，這個數字都極其龐大。這里有一個核心關鍵，如果可以的話，我恨不得把它烙在每個人的眼瞼內側：這并不是模型本身的差距。帶來2倍效能的人和帶來100倍效能的人，使用的是完全相同的Claude模型、相同的權重、相同的上下文窗口和相同的API。因此，杠桿的立足點并不在于模型的權重，而在于你如何串聯工作流。

而且這不僅僅發生在我的身上。在YC，我們經常能看到這種情況。在2025冬季班中，有四分之一的企業，其代碼庫有95%都是由AI生成的，而那已經是去年的事情了。這一期項目已經成為YC歷史上增長最快、利潤最高的班次。在YC的歷史上，已經有94家公司通過一筆種子輪融資成功實現了收入破億美元。所以，我想我們非常清楚自己在談論什么。雖然我無法向你證明AI生成的代碼直接導致了這種增長，但我可以告訴你的是，我們資助的那些增長最快的創始人，并沒有把AI僅僅當作代碼自動補全工具，而是將其視為一種生產力勞動力。那些重新編織了工作流程的公司，才是真正實現彎道超車的企業。

2.勞動力的新物理法則：把組織機構編碼為“技能手冊”

那么，重新構建工作流程究竟意味著什么？這是本次演講的核心，也是我最希望你們借鑒的地方。我們在構建AI Agent過程中學到的所有東西，都可以一一映射到現實的組織架構中。

在AI時代，一個技能手冊就等同于一名員工。它具備一種能力，負責一項工作，并且被清晰地記錄下來，以至于任何主體都可以執行它。而解析器表則是組織架構圖，當一項任務進來時，解析器會決定由誰來處理以及分發到哪里。歸檔規則就是內部業務流程，用來判斷解析器是否在正常工作、是否合規。觸發評估則是績效考核。過去需要雇傭上千人才能運轉的組織，其中的每一個職能模塊，現在其實就是一些代碼文件以及其他類型的描述文件。我們一直都在構建組織，過去只是缺乏一個管理層，而現在我們擁有了它。當你坐在電腦前協同Claude、Coder、Codex進行開發時，你不僅僅是在寫軟件，你其實是在招聘、培訓和管理一支由代碼和文檔組成的勞動力隊伍。

我看到有無數的公司正在踐行這一點。比如2024夏季班中有一個AI應用構建工具項目Emergence，他們從正式上線到實現九位數的年度經常性收入（ARR）僅僅用了八個月的時間。當他們的年度經常性收入突破1500萬美元時，團隊僅僅只有15個人。截至2024冬季，他們的零售額已達6000萬美元，團隊規模約為40人。這種極高的人均產值在以前是不可想象的，無論是在軟件行業、石油行業還是鐵路行業，都從未出現過。他們并不是什么行業異類，只是首批原生構建與新物理法則之上的公司。那么這類公司究竟是如何運轉的？他們不會為銷售、支持、運營和財務等部門雇傭成百上千的名員工。我在YC內部看到的AI原生公司，會將所有這些職能編碼為技能和書面流程。他們雇傭工程師的唯一目的，就是維護這些技能，去解決AI Agent目前還無法完成的工作。這就是真正的AI原生公司，它絕對不是一個思想實驗。如果你配置好了對應的技能手冊，它甚至能幫你去完成報稅。

現在請大家想象一下YC的創業營現場，其實和這里的感覺很像。400家公司或400位創始人坐在長桌前，我可以想象你們每人每天拿著一臺筆記本電腦忙碌的場景。你們現在一天干的活，相當于過去一個人一整年的工作量。這不再是遙遠的未來，而是當下行業觸手可及的基準線。如果你不這樣做，你的競爭對手就會這樣做，他們會非常優雅地搶走你的飯碗，甚至還會客氣地對你道謝。這也是大多數工程技術棧容易忽略的延伸點：這不僅僅影響工程師。在YC進行數字轉型的過程中，我們的媒體人員、活動員工以及財務團隊都在參與。那些生平從未打開過終端的員工，現在都在構建自己的技能手冊和定時任務。我們的一位財務同事剛剛利用我們內部的開源系統和企業大腦，將大約100個復雜的Excel工作簿整合到了一個她自己構建的應用中。她不是程序員，但她現在成了管理AI Agent的經理，事實上YC的每個人現在都是這樣。

這就是為什么YC可以用極少的人手來維持如此龐大的運轉規模，這個團隊規模在任何其他同等體量的公司看來，都小到可以忽略不計。這并不是因為我們工作更拼命，而是因為我們擁有一種完全不同的組織形態。這才是制勝的核心所在。這不僅僅是效能提升400倍的工程師，而是一家運營效率高出400倍的公司。

3.工程雙元性：厘清潛空間與確定性空間的計算邊界

如果你只能記住這里面的一件事，那就是在開發過程中，你必須非常非常小心地厘清計算究竟發生在哪里。計算幾乎總是發生在兩個不同的空間。我們遇到的所有AI工程缺陷和問題，通常是因為本應在其中一個空間運行的內容，錯誤地出現在了另一個空間。第一個空間我稱之為潛空間（Latent Space），也就是實際的大語言模型本身。你會用它來做什么？答案是審美、直覺判斷、理解人類說出某些模糊話語時的真正意圖等非確定性調用，這些計算存在于模型中，你通過描述文件來引導它。而確定性空間（deterministic space）則是工程師們非常熟悉的領域，比如你的代碼Agent會去自動編寫TypeScript，或者如果你在使用Elixir，它們會去編寫Erlang代碼。確定性空間就是計算發生的第二個地方。

舉個例子，這也是我們在即將到來的創業學院中面臨的真實痛點。我們有6000名學員，而我們正準備嘗試的一項實驗是，能否讓800人同時就座，并實現完美的聚類？也就是說，坐在你左邊和右邊的人，恰好是你在創業學院最應該結識的完美人選。要做到這一點，我們必須將確定性空間與潛空間結合起來。這種計算以及具體的數據存儲——比如每個人在這800個座位的多維陣列中到底身處何處——絕對不能塞進上下文窗口里。大語言模型必須需要處理感性的部分，也就是安排人員就座。這與人類去執行這項任務時的邏輯完全一致。如果是人類面對這個任務，可能需要把800頁的資料打印出來，鋪在一個大房間里，然后琢磨這個人該放哪兒。但現在，所有這些工作都可以在電腦里完成。原本需要耗時一個月的工作，現在可能只需要價值幾百美元的Token，在10分鐘內就能搞定。我認為這非常了不起，哪怕在半年前，這也是根本無法實現的。

4.企業大腦的定義：突破7位數字限制的“圖書館與管理員”

這就引出了工作記憶的概念，這也是我個人最喜歡用來理解它的方式。我們人類的大腦一次只能處理大約7件事，也就是著名的7±2法則。這是認知心理學領域最著名的論文之一，也是為什么本地電話號碼通常是7位數，以及為什么你總會忘掉購物清單上的第8個物品。這基本上就是人類個體的全部工作記憶。人類歷史上建立的每一個機構、每一份檢查清單、每一張組織架構圖、每一個文件柜，本質上都是為了彌補這一限制而發明的假肢。這背后的邏輯仔細想想其實挺瘋狂的。但是，一個AI Agent可以容納100萬個Token，這大約相當于1000頁的內容。我最近試著向我10歲的孩子解釋什么是企業大腦，我說AI Agent可以在腦子里同時翻開三本《哈利·波特》，它能在幾秒鐘內找出任何細節，并對這三本書的內容進行綜合分析。這確實太神奇了。三本《哈利·波特》對標人類的7位數字，這非常震撼。這算不算是通用人工智能？也許還不算，但它已經展現出了截然不同的運行和治理機制。然而，地球上幾乎所有的公司，目前依然在用針對7位數大腦設計的傳統組織架構來運轉。

但這也向我們透露了一個事實：三本書雖然很多，但其實也很少。你們的公司可不止三本書，你們的公司是一座圖書館。每一封郵件、每一次會議、每一項決策及其推導過程、每一次客戶對話、每一次復盤報告都包含其中。決定你的Agent究竟是天才還是只有七秒鐘記憶的金魚，關鍵在于誰來決定桌上應該翻開哪三本書。這就是上下文工程（context engineering）。而這正是所謂的企業大腦（Company Brain）：它既是圖書館，也是圖書管理員。現在你們中有些人可能會想，這不就是檢索增強生成嗎？你們說得對，檢索確實是最底層的基石，就像Postgres的底層只是B-trees一樣。但真正困難的是圍繞它的一切：最初有哪些內容被沉淀進了維基，這些內容又是如何被豐富和鏈接的，哪些內容被提升到了熱記憶區，哪些又被歸檔為冷數據參考，以及當兩條事實發生沖突時由誰來裁決。檢索本身并不難，難的是如何讓自己成為一個真正值得去檢索的產品。

我一直在公開構建我自己的系統，名為G-Brain。它能與任何開發框架配合，但它最契合的是Open Claw和Hermes Agent。它實際上就是面向Agent的Postgres，是一個專門的檢索層，其職責就是針對任何給定的任務，計算出應該把哪三本書塞進Agent的大腦里。我的個人系統最初只有幾個房間的書籍量，現在它已經發展成了一個倉庫，擁有大約22萬頁的內容。這些內容主要是由我的Agent根據我的電子郵件、會議記錄、長達20年的筆記以及我的親身經歷自動撰寫的。這就是重點，它成為了我的第二大腦。當有創始人因為危機給我發郵件時，甚至在我還沒看完郵件之前，我的Agent就已經調出了之前與該創始人的所有對話記錄、另外三家遇到過同樣困境的投資組合公司，以及當時真正幫他們渡過難關的有效方案。當我的Agent執行任何任務時，它都是站在我已經掌握的知識庫基礎上去做的。這就是助手與同事之間的本質區別。

5.拒絕一次性工作：將成功經驗“技能化”以實現價值復利

讓我來對自己的觀點進行一下壓力測試，因為你們遲早也會質疑這一點。企業大腦確實存在失效模式。一個無人維護的大腦最終會變成一個搜索功能強大的垃圾場，檢索系統會充滿自信地為你提供一個陳舊過時的事實。一個糟糕的技能手冊，則會把一個錯誤的業務流程永遠固化下來，這非常糟糕。因此，最核心的基石不是內存（memory）本身，而是內存加上精細管理（hygiene），以及確保每一條事實都有跡可循（provenance），在新舊信息碰撞時進行沖突檢查（contradiction），并且需要一個由人類和Agent共同組成的圖書管理員來負責修剪冗余信息（pruning）。如果你把大腦當作生產基礎設施來對待，它的價值就會不斷復利疊加；如果你把它當成垃圾傾倒場，你最終得到的只會是一個極度自信卻錯得無可挽回的Agent，而且沒人能追蹤它是怎么出錯的。

在我看來，有一種習慣能讓我們的企業大腦以及我個人的AI實現價值的復利——這是我的招牌動作，也是我對每一家YC創業公司和YC內部所有人強調過的話——那就是永遠不要做一次性的工作。你可以打開Open Claw或你的開發工具去做一些工作，但當你對結果比較滿意時——雖然一開始它可能干得并不完美，就像一個不太熟練的實習生，但好在你可以直接對它說“嘿，我不喜歡這個，修改一下”，我相信在座的各位都在做這樣的事情——但不要止步于此。在任務結束時，你實際上需要將它技能化（skillify）。我在社交平臺上發過一篇關于這方面的博文，你們可以去搜索“skillify it”獲取那個技能手冊，然后把它加載到你們自己的開發環境中。它就會把你剛剛完成的動作轉化為一個可以重復使用的技能。因為如果你不得不重復交代同一件事兩次，那就意味著你的管理失敗了。

所以，如果你們只能記住一件事，那就是當你們使用AI Agent并對輸出結果感到滿意時，順手將它技能化，這會帶來極大的改變。通過這種方式捕捉學習成果的組織，每天都會變得更聰明。而沒有做到這一點的組織，無論底層的模型有多優秀，每天早晨醒來時都處于失憶狀態。模型的質量是可以花錢租賃的，但如果你構建了自己的企業大腦，你就真正擁有了核心資產。

6.點燃新時代的軟件富足：去構建真正的AI原生公司

現在正面回答Theo的問題：我們現在應該構建什么？去構建AI原生公司，而不是僅僅使用AI的公司。從第一天起，公司的形態就應該像我剛才描述的那樣：一個精簡的團隊、所有職能都沉淀為技能手冊、創始人依然深度參與代碼開發、擁有自己的圖書館、擁有企業大腦和個人AI。如果你們愿意，可以使用G-Brain，它是開源且免費的，但你們也不是非用它不可，市面上有很多非常優秀的選擇。這個圖書館從第一周開始就會不斷產生復利，你整個組織的運營效率也將被拉升到400倍左右。如果你想尋找一片尚未被開發的處女地，也就是如果我今年25歲、坐在臺下你們的位置上會選擇去構建的東西，那就是地球上的每一家公司馬上都需要一個大腦。這是一個讓你永遠不需要重新詢問已知知識的記憶層，是一個真正懂你的個人AI。我們正在以MIT開源協議公開構建G-Brain，我沒打算通過這個項目來賺錢，因為我認為這個底層架構應該像Linux一樣保持開源。但這個賽道本身——包括企業大腦、個人上下文、負責挑選那三本書的圖書管理員——全都是大有可為的廣闊天地。我希望有人能在這個領域構建出一門定義行業偉大的公司。如果是這樣，我非常樂意在YC為你們提供資金支持。

最后，讓我說句老實話，雖然這可能會削弱我剛才這番推銷的力度：你們其實不需要我的工具就能開始。Open Claw固然是性能強悍的法拉利，我也會一直推薦它，但Codex同樣是一輛非常優秀的本田，它完全能幫你搞定其中90%的工作。

雖然它不會帶來讓你驚掉下巴的極致體驗，但絕對能幫你達成目標。用什么工具并不重要，核心在于理念，而不是我個人的開源代碼倉庫。關鍵在于去思考計算發生在什么空間，將技能手冊視為你的員工，建立圖書管理員機制，并且永遠不要做一次性的工作。這些理念在任何技術棧中都是通用的。

最后，讓我來總結一下。現在世界上有很多人對未來崗位的去留感到極度恐慌，我完全理解這種恐懼。但我想坦率地告訴大家，這其實是想象力的匱乏，而在座的各位就是這個問題的答案。你們將會把剛才我所描述的這套架構帶進你們的初創企業。你們會成倍地放大自己的效能，你們公司的每一個人也都會成倍地釋放潛力，你們將要去構建的那些企業，會成為整個社會認識這一變革運行機制的燈塔。豐饒從來不是寫在政策報告里的文字，而是交付上線的軟件。

我有一位朋友，他的孩子患有一種罕見的癲癇癥。他建立了一個包含8萬個Markdown文件的代碼倉庫，這是一個專門為一個底層小男孩打造的企業大腦。他將自己推向了人類對兒子這一特定病情認知的絕對邊緣。沒有實驗室，沒有資金撥款，也沒有任何人授意。只有一個父親、一臺筆記本電腦和一座圖書館。這絕不是一個題外話，這恰恰就是我過去20分鐘里一直在描述的系統架構。一座圖書館加上圖書管理員，在最正確的時刻翻開最正確的三本書，全部聚焦在這個男人世界上最珍愛的事情上。現在，你們也可以做到這一點。

過去每一個讓你覺得“要是有個專家幫我就好了，可惜我請不到”的難題，現在你都能解決；每一個你曾認為漏洞太多而無法修復的代碼庫，現在你都能全部修復；每一個由于體量太大而無法閱讀的檔案庫，每一個由于過于雜亂而無法清洗的數據集，以及每一個曾經被告知不要去白費勁的宏大挑戰——現在，我們完全有能力去攻克這些看似不可能的難關。

在座的每一個人現在都可以飛翔，這不是比喻，而是技術層面的事實。為了生存、為了發展、為了獲勝，你們必須這樣做。Theo問我們現在應該構建什么，這就是全部的答案：去構建一家AI原生公司，并構建其底座——那個大腦、記憶層以及不斷產生復利的圖書館。這會讓繼你們之后的每一家公司的構建都變得更加容易。去攻克那些不可能的難關吧，去編寫那個測試，去交付那個技能。你們即將在這場創業沙場上看到的某些公司其實已經開始這么做了。去構建那個把它做到極致的公司吧。謝謝大家。