Z Highlights

• “追逐什么最热门，是一个错误的问题。真正该问的是：你对什么感兴趣？你掌握了什么别人没有的独特认知？"

• “借助 vibe coding 和 Agent，今天任何一个人都可能抵得上九个月前的 400 个自己。"

• "一个 Markdown 文件就是一名员工。"它可以把一次成功的工作变成可重复、可修复、可扩展的流程。

• "AI 会消除 API 线。"最了解现场的人，应当能够直接改变工作流程，而不是只能服从系统。

• "AI 带来的变化会比你想象得慢。社会、政府和大公司都有自己的惯性。真正的大规模转型，可能需要 20 年。"

2026 年 8 月，a16z 合伙人 Anish Acharya 与 Y Combinator 总裁兼 CEO Garry Tan 展开对谈。他们从 Tan 在互联网泡沫破裂后的职业选择谈起，讨论 AI 如何改变创业公司的成本结构、组织方式和产品形态，以及新一代创始人应如何在技术剧变中找到自己的方向。

01 不要追逐热点，先相信自己的直接经验

Anish Acharya：Garry，很高兴见到你。2003 年，你从斯坦福毕业，刚刚进入科技行业。很多人低估了创始人心理和硅谷文化之间的关系。当时你第一次进入这个行业，是什么感觉？

Garry Tan：我当时想去创业公司，但 2003 年很特殊。Web 1.0 刚刚结束，纳斯达克崩盘，湾区几乎找不到工作。除了 Gap 的 IT 岗位，我拿到的两个机会，一个是微软的 Windows Mobile，另一个是 Expedia。

我背着学生贷款。虽然想创业，但还是觉得自己得先有一份工作。那一刻真的很灰暗，甚至让人怀疑科技行业是不是已经走到头了。后来回头看，这就是繁荣与萧条的循环，它会一再发生。

Anish Acharya：当时在科技公司或创业公司工作，算是高地位的选择吗？

Garry Tan：当时在科技公司或创业公司工作，完全算不上什么体面的选择。我依然喜欢技术，也已经积累了不少 Web 编程经验，但我后来最遗憾的一件事，就是追逐了当时看起来最热门的方向，没有留在自己真正熟悉的领域。

2003 年前后，Mark Zuckerberg 可能还在做 Facemash，Facebook 甚至还没有出现。我却恰好在最不该离开的时候放弃了 Web 开发，因为那似乎才是“聪明”的选择。所有人都说 Web 已经死了，而那恰恰是开发 Web 和社交产品的最好时机。我跑去做 Windows Mobile，移动互联网后来确实起来了，但我为什么要放弃自己原本领先五年的领域？

那时我 22 岁，很容易被《华尔街日报》上的风向牵着走。投资人和创业者经常问：“现在什么最热门？我应该做什么？”这恰恰是错误的问题。真正该问的是：我对什么感兴趣？我掌握了什么独特认知？

Anish：人们常把“真诚”理解成天真，但你说的真诚似乎来自成熟和勇气。

Garry：勇气这个词更准确。你亲身了解一件事，别人写一篇文章或在 X 上发几句话来反驳你，你仍然可以说：“我不同意，因为我相信自己的直接经验。”

如果我能给 22 岁的自己发一条消息，我会让他继续做 Web 产品。那时我已经比很多人多了五年经验，本来有机会做出任何一种社交软件。但我被《华尔街日报》上的风向牵着走。

创业者最常问投资人的问题是：“现在什么最热门？我应该做什么？”这恰恰是错误的问题。你应该问的是：我真正对什么感兴趣？我掌握了什么独特认知？

我后来还犯过一次更昂贵的同类错误。Joe Lonsdale 和 Stephen Cohen 是我在斯坦福认识的朋友，后来参与创办 Palantir。Peter Thiel 有一个习惯，开始一项事业时，先在纸上写下所有必须招到的聪明人。他们把我列在了上面，还专程飞到西雅图找我。

Peter 当时对我说：“我非常确定，这才是你应该做的事。”他甚至给了我一张 7 万美元的支票，相当于我在微软一年的收入。我却回答：“非常感谢，但我今年可能会升到 60 级。”后来我的确升职了，可这大概是一个价值 20 亿到 40 亿美元的错误。

我又一次在照着地图走，没有低头看自己脚下的真实地形。Joe 和 Stephen 是我认识的最聪明的人之一。如果连他们都不值得一起创业，我还能去找谁？整个世界都在告诉我答案，我却只关心什么更酷、什么更热门、一个好投资人会怎么评价。

Palantir 当时服务政府和情报机构，他们看到华盛顿无法获得帕洛阿尔托优秀计算机科学家已经掌握的能力。这种判断贯穿了硅谷许多重要公司：未来已经到来，只是分布得并不均匀。

科学家的做法不是只读已经发表的论文，而是亲自进入实验，去问那些正在经历这件事的一手当事人。这样才能得到别人不知道的认知。Palantir 让我明白，我生命里真正了不起的事，起点多少都像一个“小教派”：它们围绕某种与主流正统相冲突的事实或信念形成，带着很强的朋克精神。

02 真正重要的想法，常常从边缘和“玩具”开始

Anish：今天的硅谷看起来应该比 20 年前更令人振奋，但不少人仍然担心自己被留在技术的“光锥”之外，成为永久的底层。你怎么看？

Garry：竞争确实比任何时候都激烈，但我们可能花了太多时间关注信息分发和别人正在讨论什么。Chris Dixon 经常谈“想法迷宫”，其中最有意思的地方往往在奇怪的边缘地带。一个反复出现的硅谷模式是：最初看起来像玩具的东西，后来改变了世界。

“每张桌子、每个家庭都应该拥有一台电脑”，今天听起来理所当然，但提出并实现它的人，当年都是边缘的怪人和局外人。Homebrew Computer Club 不是主流社交场所，那些人只是认真追随一个奇怪的执念：我想拥有自己的电脑。

判断一件事是否有趣，可以看你能不能找到它的边界。真正重要的问题，即使你找到了公共讨论的边缘，也很难找到知识的边界，这通常是好信号。

互联网原生一代得到的一项礼物，是人们可以更早找到同类。过去，很多人要到大学才知道世界上还有和自己相似的人。今天，你可以在 Reddit、X、Instagram 或任何一个社区中，很快找到一群同样古怪、却极其投入的人。

Anish：这种“把局外人变成局内人”的能力，也是硅谷的核心。YC 似乎把它做到了极致。

Garry：Paul Graham、Jessica Livingston、Trevor Blackwell 和 Robert Morris 最早意识到，有很多极其聪明的人没有进入硅谷的渠道。过去你得上对的学校、认识对的人、受邀参加对的聚会，想办法闯进一个社交网络。

YC 把这套场景化的人脉规则压缩成了一个网站、12 个问题，后来又加上一段一分钟的视频。另一端坐着真正做过产品的人，他们会尽量公平地判断你。今天 YC 有 16 位地位平等的合伙人，包括我在内，每个人都亲自参加过 YC，也取得过成功。

我们刚刚在旧金山办完 Startup School，来了 7000 人，其中大多数是第一次到这里。我们开玩笑说，这像是科技行业的“出生权之旅”。硅谷最好的地方就在于，你来自哪里、是谁，并没有那么重要，重要的是你的想法，以及你能不能把它做出来。

YC 还有一个常被低估的价值：你会进入一个可以说真话的创始人社群。普通科技活动上，大家见面只会互相说“进展非常好”。但创始人的处境很孤独。最重要的客户流失、最好的工程师离职，甚至联合创始人失去希望的那一天，你需要知道自己可以给谁打电话。

Anish：YC 过去相信联合创始人的重要性。AI 出现后，你对单人创业怎么看？

Garry：其他条件相同，有联合创始人依然是很大的净收益。一个人站在草地上跳舞，旁人只会觉得他疯了；真正重要的是第二个人站起来加入他，随后才会有十个人一起跳，事情也才会变成一场派对。

但 vibe coding 和 Agent 编程正在改变这个判断。今天，任何一个人都可能抵得上九个月前的 400 个自己。你可以成为自己的倍数。

创业者应该比以往任何时候都更有野心。不要追逐我或其他上一代人的成功，因为游戏规则已经变了。过去纯 SaaS 是最受推崇的模式，按席位收费、未来 12 个月收入的 10 倍或 20 倍估值，似乎是不可动摇的规律。到了 2026 年，很难确定纯粹按席位收费的 SaaS 在五到十年后还会不会存在。

SaaS 仍然可以成为切入市场的楔子，但它必须通往更牢固的壁垒，例如数据、网络效应或其他难以复制的优势。两年前人们还把 SaaS 视为神圣模式，现在这个前提已经完全不成立。

过去，写代码的成本很高，每次发布产品都要经历复杂流程，所以团队必须确信自己正在做一件“大写的重要之事”。这反而会让人错过很多真诚的兴趣，因为大量真正重要的东西，起点看起来都不重要。

03 从GStack和GBrain开始：把练习变成直觉

Anish：你做 GStack 和 GBrain，起初是想贡献社区，还是探索兴趣？

Garry：我做 GStack 和 GBrain，一开始只是随便试试。Boris Cherny 上过 Lightcone Podcast 后，我发现很多共同认识的朋友又开始亲自写代码，意识到一定有事情正在发生，我也应该重新开始。

YC 刚开始记录所有 office hours 时，我拿到了几个月的数据。我发现，YC 合伙人会反复使用一些提问方式，帮助创始人把野心提高一个台阶。我把它整理成了一个 Markdown 文件，几乎成了一套指导创始人提高目标的完整脚本。后来我让 Claude 把提示词的强度降低 90%，才把弱化版开源，因为完整版很容易变成“你百分之百应该来 YC"。

今天建立技术直觉最有效的办法，就是亲自使用技术。把每个模型都用一遍，做一些完全不重要的小东西，只为了获得一个学习新技术的载体。你可以随时把脑中的想法做出来，过去，你有一个想法，先要当产品经理写规格、找工程师、安排 QA。现在可以直接做，让 Agent 完成测试、单元测试和端到端测试，甚至达到 90% 的测试覆盖率。

很多尝试都只是低风险的练习，结果本身不重要。真正重要的是你开始行动，并在行动中训练自己的判断力和品位。它们可能有人天生多一点，但并非与生俱来、无法改变。我自己的职业生涯就是一个晚熟者不断犯错、反思，再做出不同选择的过程。

Anish：现在 agency（行动力）和 taste（品味）突然变得极其重要。Nikita 曾说，过去电影和软件被认为是商业中最高形式的艺术，现在任何人都可以制作它们，但最初那 20% 的人仍然在做最好的东西。行动力究竟能不能后天获得？

Garry：看看我的职业生涯，我很容易承认自己是晚熟者。我曾经拒绝 Palantir，也曾离开熟悉的 Web 编程去追逐热点。但我的人生说明，我可以犯错、反思，分析错误，然后做出不同选择。行动力和品味可能有人天生更多，但它们并非出生时固定、以后无法改变。

Anish：编程循环已经讨论得很多了，更有意思的可能是业务循环：一次工作的输出，如何持续改变企业的运行方式？

Garry：我用 OpenClaw 做了不少尝试。为了运营 GarrysList.org 这个 Agent 化的新闻项目，我需要高质量的检索增强生成（RAG）和个人深度研究能力。后来我让 OpenClaw 分析整个代码仓库，抽取其中 Agent 化的 RAG 部分，尤其是事后生成知识图谱的能力，最终做成了 GBrain。

它可以帮助 Agent 判断，一次任务需要把哪 100 万个 Token 保留在上下文中。ChatGPT 或 Claude 这样的前沿产品，目前仍然受到成本和算力配额的限制。如果你真的想把 Token 用到极限，就需要 Hermes Agent 或 OpenClaw 之类的工具，把配置完全拉满，让一次请求带上 80 万或 100 万个 Token。

这样做一年可能需要 5 万到 10 万美元，但对 CEO 或创始人来说，成本是合理的。你相当于提前生活在 2028 年，感受未来的工作方式。创始人需要允许自己做这种"Token maxing"。

完成一项复杂任务后，不要只得到一次结果，还要把它变成一项可重复的 Skill：一个 Markdown 文件，加上代码和测试，再放进定时任务中。

一个 Markdown 文件就是一名员工。它可以每次都按照同样的标准完成任务，并且重复任意多次。第一次执行往往既差又贵，需要反复迭代。只要你能快速明确地告诉 Agent 哪里错了、应该怎么改，它与你协作的完整轨迹就能沉淀成一个越来越稳定的 Skill 文件。以后再遇到错误，只是修复一个 bug，改进会永久保留下来。

这套循环适用于销售、营销、客服，也适用于工程。GStack 就是工程领域的例子。它有质量保障循环，也能控制浏览器。我先把产品经理的思考方式自动化，再做一个工程 Skill，像工程经理一样检查单元测试和端到端测试覆盖率。等其他环节都自动化后，我发现自己只剩下黑盒测试，于是继续让 Agent 把这一步也做掉。

搭建 Agent 系统时，你会不断遇到瓶颈。几乎每一次，解决办法都是让 Agent 创建一段软件或一个 Markdown 文件，把路障移开。完成整个任务链后，我们已经看到有公司用两三个人、几百个 Agent 或 Skill 文件，在四个月左右从零增长到 1500 万美元年度经常性收入（ARR）。

04 Agent 进入组织之后，来源、冲突和管理都要重写

Anish：这种递归式自我改进什么时候会失效？错误会不会累积，或者最终受制于异常处理和人际关系？

Garry：当 Markdown 文件和数据越来越多，信息来源（provenance）就会变得重要。如果系统里出现两条冲突事实，你必须知道哪一条更新、哪一条应该优先。需要有定时任务不断清理和检查，确保信息准确、来源可靠。

这也是 35 岁、40 岁或 45 岁的创始人可能拥有的新优势。年轻的天才创始人仍会不断出现，但有经验的人已经见过组织和产品会在哪些地方出问题。Peter Steinberger 就是例子，他经历过完整的创业周期，知道该做什么。AI 再把这样一个人放大 400 倍，他就可能超过大型科技公司的一整个部门。

Anish：大型企业把冲突视为坏事，但建设性的冲突往往是在寻找真相。Agent 能同时尝试互相冲突的方案，又不受人的情绪影响。

Garry：Brex 的 Pedro Franceschi 在这方面做得非常激进。他也是让我深入使用 OpenClaw 的人之一。当时很多人认为 OpenClaw 太危险，可能删掉整台电脑的内容。他为此做了一个开源安全层，用 Agent 观察 OpenClaw 的网络流量和全部操作。Brex 是一家监管要求极高的金融科技公司，他用这套方法解决了安全与能力之间的矛盾。

Pedro 还让 Agent 阅读所有直属下属的会议转写，甚至可以看到组织向下两层的真实情况。他能从自己没有参加的会议中发现哪里出了问题，比较不同团队的意见，然后走进会议室说：“实际上你是对的，我们按你的方案做。”说完就离开。

很多公司失败，是因为业务膨胀到超出一个人的认知容量。Agent、记忆和检索结合后，管理者不只听取组织中某个人的意见，还能直接检查底层数据。普通人在同一时间只能记住大约 7±2 件事，而一个人与 Agent 组合，可以把相当于三本《哈利·波特》的上下文放在脑中，未来还会更多。

当今的公司、政府和公共服务，全都建立在人的认知限制之上。它们还没有准备好面对一种可以高速思考、拥有近乎无限数据处理能力的系统。产品与服务因此不该只便宜一点，而应该好 10 倍、100 倍，甚至 1000 倍。

我最近参加《华尔街日报》的播客，记者不断追问：“你们科技行业是不是想建立乌托邦？”我起初觉得这是个陷阱，不愿这么说。但当我逐个谈到我们投资和参与的创业公司时，又觉得这个方向或许没有错。我们可能永远无法实现乌托邦，但尝试仍然值得。我不会说硅谷一定能创造乌托邦，但我可以很真诚地说，我们正在努力让世界变得更好。

05 AI 应该消除"API 线”，让最了解工作的人改变流程

Anish：今天白领工作的体验非常糟糕。大公司沟通损耗严重，管理层级不断增加。也许过去一百年的管理科学只是偏离了“创始人模式”？如果 Agent 带来生产力提升，也许人们每周只需三天真正有意识地工作，其他时间接触现实生活。

Garry：我 22 岁在微软做 Windows Mobile 时，我们需要 Windows 团队提供一项集成支持。对方就在雷德蒙德园区高速公路的另一侧，却不回复邮件、不修 bug，甚至不愿把问题标成“不会修复”。

我和一位产品经理导师最后只能亲自过去。他不知道为什么还带了一根棒球棍，并不是要伤害谁，更像是一种模糊的威慑。整件事很荒谬。两个拿着不错薪水、能力也不差的人，被困在官僚体系中。我们和对方之间隔着七层管理者，却要花四个小时推动一个影响上千名用户的 P3 级 bug。

这会浪费多少人的时间，又会让多少人在凌晨两点焦虑醒来？问题往往只是某个人不愿进行一次困难的对话。上层管理者未必希望我们这样浪费时间，只是每个人一天都只有那么几个小时。

今天完全可以把团队阻塞情况做成一个定时运行的 Skill：谁被卡住了，阻塞来自谁，有哪些外部依赖，全部形成一张图和一个循环。过去要六个月才能发布的东西，可能一两天就能完成。

微软这样的组织也许暂时做不到，但创业公司可以，而且每一家创业公司都必须这样组织。

过去有人提出，工作者要努力待在"API 线”之上。比如 Uber 出现后，司机在 API 线之下，只能服从系统派发的任务。AI 会把这条线消除。

YC 投资的一家 API 公司 Clawvisor 做了一个专供 Agent 使用的 bug 报告接口。Agent 发现问题后提交报告，系统会实时回复：这是一个有效 bug，我们计划下周修复，你现在可以先用这个变通方案。

这可能成为公司未来的协作方式。工作者不再只是被 API 指挥，可以与系统来回对话，主动修改工作方式。

20 世纪 80 年代，日本汽车质量大幅提高，背后的一项关键方法来自丰田生产体系：生产线上的工人最了解现场，因此有权改变生产线。传统印象中更重层级的社会，反而创造了一种自下而上的工作方式，并凭借流程优势获得了持续数十年的领先。

AI 也应该赋予一线工作者类似的能力。中间层可以由 Agent 组织工作、解决能够程序化处理的冲突；管理层负责方向，个人负责具体执行。这样，人不必被固定在 API 线之上或之下，而能直接参与改进系统。

Anish：实现这些变化，还需要模型变得更聪明，还是有其他能力会成为关键？

Garry：真正拖慢变化的是人。这反而可能是一个让人乐观的答案。

今天关于 AI 的公共讨论充满悲观预测：所有白领工作都会消失，社会会出现永久的底层。但每家公司、机构和政府都有官僚体系、管理惯性和人的认知上限。世界上所有中层管理者加在一起，会让变化远比你想象得慢。

YC 的 Startup School 来了 7000 名年轻人，大多数在 18 到 22 岁之间。他们在 ChatGPT 时代成年，是 AI 原生一代。二十年前，我们是 Web 原生和移动互联网原生的一代。直到今天轮到我们管理组织，社会才真正运行在我们年轻时期待的技术之上。

AI 改变整个社会可能需要 20 年。这不是坏消息。社会比你想象得慢，政府比你想象得慢，世界上的每家公司都比你想象得慢。微软不会消失，有非常具体的结构性原因保护着它。硅谷当然希望一家创业公司取代所有旧公司，但现实是，大多数旧公司不会被整体替代。

Anish：下一代计算机会是什么样子？

Garry：短期内，它大概还会保持今天的形态，但很难想象这种形态会一直存在。未来显然会更多依赖语音，也会围绕记忆发生巨大变化。

今天很多人对 ChatGPT、Claude Cowork 或其他工具已经满意，长期看却不够。人们会要求更多上下文，希望机器理解自己的期望、恐惧和愿望，并持续寻找真正有帮助的行动。要走到那里，还需要 Computer Use、记忆、说话人分离（diarization）和数据摄取等多种能力。

2027 年可能会出现“工具框架之战”（harness wars）。目前最大的限制仍然是成本。等到今天的前沿模型算力在两三年后降到每名用户 50 或 100 美元时，市场会开始争夺 10 亿消费者，类似浏览器战争的竞争将再次出现。

前沿模型的 Token 价格可能趋近于无限，因为最强能力根本买不到；仅仅一周前还处于前沿的模型，Token 价格又会迅速趋近于零。这种成本曲线会释放真正的消费者 AI 软件。

传统软件的魔力来自新增分发成本接近于零，而高推理成本暂时破坏了这一点。我们第一次拥有能表现情绪、带有情感质感的计算机，却还没有做出足够有野心的消费者产品，这很可惜。模型经济性的变化将打开新的产品类别。

我最初成为 OpenClaw 的坚定用户时，以为这种未来会立刻到来，现在我知道没有那么快。新的 ChatGPT 桌面应用已经有语音模式，可以作为 Operator 或个人礼宾查看所有对话线程，也能从手机访问。这是目前最接近真正消费者助理的产品之一。ChatGPT 一直拥有很强的记忆能力，团队在这一点上做得很好。

Anish：你也投入了大量精力参与旧金山地方政治。技术问题可能受智力限制，地方治理更多受制于人与人之间的协调。你为什么愿意做这件事？

Garry：让我保持乐观的基础，是相信美国仍然有法治，政府里仍有人真诚地想提供帮助，哪怕制度并不完美。

最近在旧金山参加陪审团工作，也强化了这种感受。我看到不同背景的市民通过一套有秩序的程序共同作出判断。旧金山有 10% 到 20% 的人直接在科技行业工作，我们确实是这座城市的一部分。那起案件很糟糕，但法官非常专业，政府并不只是为了给人制造麻烦。

我们有投票权，也可以真正产生影响。接下来，很多事情取决于媒体如何呈现现实。

疫情期间，亚裔美国人约占旧金山选民的 25%、人口的 30%。当时的地区检察官对针对亚裔老人的严重犯罪视而不见；与此同时，教育委员会对希望在公立初中学习代数的亚裔学生抱有敌意。这件事对我很私人。我就是在东湾 Fremont 长大的公立学校学生。如果初中不能学代数，我就无法在高中毕业前学微积分，也无法进入斯坦福学工程，更不会拥有今天的一切。

我后来发现，反对数据中心、反对在加州建设住房的人，常常与这些政策的支持者重合。他们用道德姿态包装一套与建设者价值观不相容的理念。但供需真实存在，市场和激励机制也真实存在。

当科技行业的人不发声，不关注地方事务，也不要求媒体和政府承担责任时，治理就会逐渐失常。疫情前后的旧金山正是如此。

旧金山西区的华裔居民围绕代数教育组织起来，也有居民在农贸市场彼此讲述亚裔老人遇害的消息。

当一个系统令人难以忍受时，人必须亲自站出来。即使要承担个人风险和声誉成本，我们也应该愿意付出代价，因为这是对同胞和公民的承诺。如果我们都不行动，就不会有人替我们行动。

我为旧金山正在发生的变化感到自豪。城市还不完美，但确实在变好。我们希望把在这里学到的组织经验带到洛杉矶、纽约、明尼阿波利斯和西雅图。

Anish：技术带来的野心也可以非常本地化。比如伦敦不必复制美国的 AI 愿景，如果当地人希望国民医疗服务体系（NHS）变得出色，就可以用这项技术推动它。

Garry：从本地开始行动，照顾身边的人。很多人过度沉迷全国政治，我现在通常不愿把注意力放在那里。我关心旧金山，关心住房、犯罪，也关心治疗和康复。

把这些具体问题解决，我们就能生活在自己想要的社会里。地方运行得更好，州和全国层面最终也会改善。五到十年后，能在更大范围承担责任的人，会从一个正常运作的体系中成长出来。他们知道应该对不合理的事情说“不”，也知道应该对真正改善人们生活的事情说“是”。

原视频：Garry Tan: New Rules for Founders

https://www.youtube.com/watch?v=fsTtKywmWlU

编译：Noah Wang

请注意，本文编译自文末载明的原始链接，不代表 Z Potentials 立场。如果您对本文有任何想法或见解，欢迎在评论区留言互动探讨。

Z Potentials 将继续提供更多关于人工智能、机器人、全球化等领域的优质内容。我们诚邀对未来充满憧憬的您加入我们的社群，与我们共同分享、学习、成长。