YC掌门人最新分享：AI时代，永远不要做一次性工作

文 ｜ 划重点KeyPoints

，作者｜林易，编辑｜重点君在生成式AI步入应用深水区的2026年，全球创业生态正迎来重构。传统商业用人头堆砌产值的逻辑正在失效，取而代之的是一种全新的技术原生法则。Y Combinator掌门人Garry Tan在最新演讲中指出，AI时代的真正红利绝非微调模型权重，而在于工作流的重新梳理。

通过将传统组织架构中的员工、流程与绩效全面编码为“技能手册”与“企业大脑”，硅谷已经诞生了首批以15人、40人的极精简团队撬动数千万至上亿美元ARR（年经常性收入）的AI原生企业，彻底颠覆了工业革命以来传统商业的人均产值法则。

“如果你依然把AI当成代码自动补全、把提示词当成一次性工具，你将在下一阶段的竞速中被对手吃掉饭碗。”Garry Tan说。一些核心观点： 我们整理了此次演讲的重点内容，以下是原文实录：1.400倍效能跨越：从个人生产力到重构工作流Garry Tan：大家下午好，过得怎么样？

准备好迎接这场变革了吗？刚刚Theo问了一个非常关键的问题：我们现在应该构建什么？作为一名创始人、投资者，同时也是一家正在向AI原生转型的20年历史机构的负责人，我想从投资人的角度来回答这个问题。

让一家拥有20年历史的机构走向AI原生，是一件奇特而美妙的事情。接下来我会用大约20分钟的时间，聊聊YC正在尝试做的事情。我们希望培育出这样的企业：一个人就能完成过去需要两个人、甚至一千个人才能完成的工作。

我这并不是在打比方，从实际操作来看，今年在座的各位就能实现这一点。大约一小时后，你们中的一些人就会走向创业沙场，我希望你们能带着对当今技术可能性的清晰认知走进去，因为现在的技术潜力远比人们想象的要巨大得多。

让我先从一个数字开始。虽然我曾因为这个观点在网上饱受抨击，但我今天还是要当着大家的面再讲一遍。这个房间是全世界最适合对这个观点进行压力测试的地方，我宁愿和你们一起亲自验证它。2013年我还是YC的合伙人时，主要负责构建YC内部的社交网络。

当时我虽然也做投资，但基本相当于全职工程师。那时候我每天大概只能写出14行真正有用的逻辑代码，这还是剔除了所有注释和空行之后的数据。如果你们看当年的文献资料就会发现这很正常，有些人写15行，有些人写50行，绝对不像现在台下很多年轻人在开发中动辄日产上千行代码。

这15行就是我当时全力以赴的日均中位数产出。而今年，我全职管理YC。同样是我这个人，投入的时间差不多，甚至因为下午五点要接孩子，工作时间还要少得多，但我重新计算了自己的产出，发现效率提升了大约400倍。

在质疑者跳出来质疑这个数字之前，让我先自己来拆解它。如果你不相信纯代码量的统计，没关系。你可以用最严苛的冗长惩罚机制来扣除水分，假设AI Agent写出的都是臃肿的代码，假设其中一半都是脚手架框架，甚至假设我是在自我标榜，但在底线上它依然带来了8倍的提升，中位数也达到了80倍。

无论你如何拆解审视，这个数字都极其庞大。这里有一个核心关键，如果可以的话，我恨不得把它烙在每个人的眼睑内侧：这并不是模型本身的差距。带来2倍效能的人和带来100倍效能的人，使用的是完全相同的Claude模型、相同的权重、相同的上下文窗口和相同的API。

因此，杠杆的立足点并不在于模型的权重，而在于你如何串联工作流。而且这不仅仅发生在我的身上。在YC，我们经常能看到这种情况。在2025冬季班中，有四分之一的企业，其代码库有95%都是由AI生成的，而那已经是去年的事情了。

这一期项目已经成为YC历史上增长最快、利润最高的班次。在YC的历史上，已经有94家公司通过一笔种子轮融资成功实现了收入破亿美元。所以，我想我们非常清楚自己在谈论什么。虽然我无法向你证明AI生成的代码直接导致了这种增长，但我可以告诉你的是，我们资助的那些增长最快的创始人，并没有把AI仅仅当作代码自动补全工具，而是将其视为一种生产力劳动力。

那些重新编织了工作流程的公司，才是真正实现弯道超车的企业。2.劳动力的新物理法则：把组织机构编码为“技能手册”那么，重新构建工作流程究竟意味着什么？这是本次演讲的核心，也是我最希望你们借鉴的地方。

我们在构建AI Agent过程中学到的所有东西，都可以一一映射到现实的组织架构中。在AI时代，一个技能手册就等同于一名员工。它具备一种能力，负责一项工作，并且被清晰地记录下来，以至于任何主体都可以执行它。

而解析器表则是组织架构图，当一项任务进来时，解析器会决定由谁来处理以及分发到哪里。归档规则就是内部业务流程，用来判断解析器是否在正常工作、是否合规。触发评估则是绩效考核。过去需要雇佣上千人才能运转的组织，其中的每一个职能模块，现在其实就是一些代码文件以及其他类型的描述文件。

我们一直都在构建组织，过去只是缺乏一个管理层，而现在我们拥有了它。当你坐在电脑前协同Claude、Coder、Codex进行开发时，你不仅仅是在写软件，你其实是在招聘、培训和管理一支由代码和文档组成的劳动力队伍。

我看到有无数的公司正在践行这一点。比如2024夏季班中有一个AI应用构建工具项目Emergence，他们从正式上线到实现九位数的年度经常性收入（ARR）仅仅用了八个月的时间。当他们的年度经常性收入突破1500万美元时，团队仅仅只有15个人。

截至2024冬季，他们的零售额已达6000万美元，团队规模约为40人。这种极高的人均产值在以前是不可想象的，无论是在软件行业、石油行业还是铁路行业，都从未出现过。他们并不是什么行业异类，只是首批原生构建与新物理法则之上的公司。

那么这类公司究竟是如何运转的？他们不会为销售、支持、运营和财务等部门雇佣成百上千的名员工。我在YC内部看到的AI原生公司，会将所有这些职能编码为技能和书面流程。他们雇佣工程师的唯一目的，就是维护这些技能，去解决AI Agent目前还无法完成的工作。

这就是真正的AI原生公司，它绝对不是一个思想实验。如果你配置好了对应的技能手册，它甚至能帮你去完成报税。现在请大家想象一下YC的创业营现场，其实和这里的感觉很像。400家公司或400位创始人坐在长桌前，我可以想象你们每人每天拿着一台笔记本电脑忙碌的场景。

你们现在一天干的活，相当于过去一个人一整年的工作量。这不再是遥远的未来，而是当下行业触手可及的基准线。如果你不这样做，你的竞争对手就会这样做，他们会非常优雅地抢走你的饭碗，甚至还会客气地对你道谢。

这也是大多数工程技术栈容易忽略的延伸点：这不仅仅影响工程师。在YC进行数字转型的过程中，我们的媒体人员、活动员工以及财务团队都在参与。那些生平从未打开过终端的员工，现在都在构建自己的技能手册和定时任务。

我们的一位财务同事刚刚利用我们内部的开源系统和企业大脑，将大约100个复杂的Excel工作簿整合到了一个她自己构建的应用中。她不是程序员，但她现在成了管理AI Agent的经理，事实上YC的每个人现在都是这样。

这就是为什么YC可以用极少的人手来维持如此庞大的运转规模，这个团队规模在任何其他同等体量的公司看来，都小到可以忽略不计。这并不是因为我们工作更拼命，而是因为我们拥有一种完全不同的组织形态。

这才是制胜的核心所在。这不仅仅是效能提升400倍的工程师，而是一家运营效率高出400倍的公司。3.工程双元性：厘清潜空间与确定性空间的计算边界如果你只能记住这里面的一件事，那就是在开发过程中，你必须非常非常小心地厘清计算究竟发生在哪里。

计算几乎总是发生在两个不同的空间。我们遇到的所有AI工程缺陷和问题，通常是因为本应在其中一个空间运行的内容，错误地出现在了另一个空间。第一个空间我称之为潜空间（Latent Space），也就是实际的大语言模型本身。

你会用它来做什么？答案是审美、直觉判断、理解人类说出某些模糊话语时的真正意图等非确定性调用，这些计算存在于模型中，你通过描述文件来引导它。而确定性空间（deterministic space）则是工程师们非常熟悉的领域，比如你的代码Agent会去自动编写TypeScript，或者如果你在使用Elixir，它们会去编写Erlang代码。

确定性空间就是计算发生的第二个地方。举个例子，这也是我们在即将到来的创业学院中面临的真实痛点。我们有6000名学员，而我们正准备尝试的一项实验是，能否让800人同时就座，并实现完美的聚类？

也就是说，坐在你左边和右边的人，恰好是你在创业学院最应该结识的完美人选。要做到这一点，我们必须将确定性空间与潜空间结合起来。这种计算以及具体的数据存储——比如每个人在这800个座位的多维阵列中到底身处何处——绝对不能塞进上下文窗口里。

大语言模型必须需要处理感性的部分，也就是安排人员就座。这与人类去执行这项任务时的逻辑完全一致。如果是人类面对这个任务，可能需要把800页的资料打印出来，铺在一个大房间里，然后琢磨这个人该放哪儿。

但现在，所有这些工作都可以在电脑里完成。原本需要耗时一个月的工作，现在可能只需要价值几百美元的Token，在10分钟内就能搞定。我认为这非常了不起，哪怕在半年前，这也是根本无法实现的。

4.企业大脑的定义：突破7位数字限制的“图书馆与管理员”这就引出了工作记忆的概念，这也是我个人最喜欢用来理解它的方式。我们人类的大脑一次只能处理大约7件事，也就是著名的7±2法则。

这是认知心理学领域最著名的论文之一，也是为什么本地电话号码通常是7位数，以及为什么你总会忘掉购物清单上的第8个物品。这基本上就是人类个体的全部工作记忆。人类历史上建立的每一个机构、每一份检查清单、每一张组织架构图、每一个文件柜，本质上都是为了弥补这一限制而发明的假肢。

这背后的逻辑仔细想想其实挺疯狂的。但是，一个AI Agent可以容纳100万个Token，这大约相当于1000页的内容。我最近试着向我10岁的孩子解释什么是企业大脑，我说AI Agent可以在脑子里同时翻开三本《哈利·波特》，它能在几秒钟内找出任何细节，并对这三本书的内容进行综合分析。

这确实太神奇了。三本《哈利·波特》对标人类的7位数字，这非常震撼。这算不算是通用人工智能？也许还不算，但它已经展现出了截然不同的运行和治理机制。然而，地球上几乎所有的公司，目前依然在用针对7位数大脑设计的传统组织架构来运转。

但这也向我们透露了一个事实：三本书虽然很多，但其实也很少。你们的公司可不止三本书，你们的公司是一座图书馆。每一封邮件、每一次会议、每一项决策及其推导过程、每一次客户对话、每一次复盘报告都包含其中。

决定你的Agent究竟是天才还是只有七秒钟记忆的金鱼，关键在于谁来决定桌上应该翻开哪三本书。这就是上下文工程（context engineering）。而这正是所谓的企业大脑（Company Brain）：它既是图书馆，也是图书管理员。

现在你们中有些人可能会想，这不就是检索增强生成吗？你们说得对，检索确实是最底层的基石，就像Postgres的底层只是B-trees一样。但真正困难的是围绕它的一切：最初有哪些内容被沉淀进了维基，这些内容又是如何被丰富和链接的，哪些内容被提升到了热记忆区，哪些又被归档为冷数据参考，以及当两条事实发生冲突时由谁来裁决。

检索本身并不难，难的是如何让自己成为一个真正值得去检索的产品。我一直在公开构建我自己的系统，名为G-Brain。它能与任何开发框架配合，但它最契合的是Open Claw和Hermes Agent。

它实际上就是面向Agent的Postgres，是一个专门的检索层，其职责就是针对任何给定的任务，计算出应该把哪三本书塞进Agent的大脑里。我的个人系统最初只有几个房间的书籍量，现在它已经发展成了一个仓库，拥有大约22万页的内容。

这些内容主要是由我的Agent根据我的电子邮件、会议记录、长达20年的笔记以及我的亲身经历自动撰写的。这就是重点，它成为了我的第二大脑。当有创始人因为危机给我发邮件时，甚至在我还没看完邮件之前，我的Agent就已经调出了之前与该创始人的所有对话记录、另外三家遇到过同样困境的投资组合公司，以及当时真正帮他们渡过难关的有效方案。

当我的Agent执行任何任务时，它都是站在我已经掌握的知识库基础上去做的。这就是助手与同事之间的本质区别。5.拒绝一次性工作：将成功经验“技能化”以实现价值复利让我来对自己的观点进行一下压力测试，因为你们迟早也会质疑这一点。

企业大脑确实存在失效模式。一个无人维护的大脑最终会变成一个搜索功能强大的垃圾场，检索系统会充满自信地为你提供一个陈旧过时的事实。一个糟糕的技能手册，则会把一个错误的业务流程永远固化下来，这非常糟糕。

因此，最核心的基石不是内存（memory）本身，而是内存加上精细管理（hygiene），以及确保每一条事实都有迹可循（provenance），在新旧信息碰撞时进行冲突检查（contradiction），并且需要一个由人类和Agent共同组成的图书管理员来负责修剪冗余信息（pruning）。

如果你把大脑当作生产基础设施来对待，它的价值就会不断复利叠加；如果你把它当成垃圾倾倒场，你最终得到的只会是一个极度自信却错得无可挽回的Agent，而且没人能追踪它是怎么出错的。在我看来，有一种习惯能让我们的企业大脑以及我个人的AI实现价值的复利——这是我的招牌动作，也是我对每一家YC创业公司和YC内部所有人强调过的话——那就是永远不要做一次性的工作。

你可以打开Open Claw或你的开发工具去做一些工作，但当你对结果比较满意时——虽然一开始它可能干得并不完美，就像一个不太熟练的实习生，但好在你可以直接对它说“嘿，我不喜欢这个，修改一下”，我相信在座的各位都在做这样的事情——但不要止步于此。

在任务结束时，你实际上需要将它技能化（skillify）。我在社交平台上发过一篇关于这方面的博文，你们可以去搜索“skillify it”获取那个技能手册，然后把它加载到你们自己的开发环境中。

它就会把你刚刚完成的动作转化为一个可以重复使用的技能。因为如果你不得不重复交代同一件事两次，那就意味着你的管理失败了。所以，如果你们只能记住一件事，那就是当你们使用AI Agent并对输出结果感到满意时，顺手将它技能化，这会带来极大的改变。

通过这种方式捕捉学习成果的组织，每天都会变得更聪明。而没有做到这一点的组织，无论底层的模型有多优秀，每天早晨醒来时都处于失忆状态。模型的质量是可以花钱租赁的，但如果你构建了自己的企业大脑，你就真正拥有了核心资产。

6.点燃新时代的软件富足：去构建真正的AI原生公司现在正面回答Theo的问题：我们现在应该构建什么？去构建AI原生公司，而不是仅仅使用AI的公司。从第一天起，公司的形态就应该像我刚才描述的那样：一个精简的团队、所有职能都沉淀为技能手册、创始人依然深度参与代码开发、拥有自己的图书馆、拥有企业大脑和个人AI。

如果你们愿意，可以使用G-Brain，它是开源且免费的，但你们也不是非用它不可，市面上有很多非常优秀的选择。这个图书馆从第一周开始就会不断产生复利，你整个组织的运营效率也将被拉升到400倍左右。

如果你想寻找一片尚未被开发的处女地，也就是如果我今年25岁、坐在台下你们的位置上会选择去构建的东西，那就是地球上的每一家公司马上都需要一个大脑。这是一个让你永远不需要重新询问已知知识的记忆层，是一个真正懂你的个人AI。

我们正在以MIT开源协议公开构建G-Brain，我没打算通过这个项目来赚钱，因为我认为这个底层架构应该像Linux一样保持开源。但这个赛道本身——包括企业大脑、个人上下文、负责挑选那三本书的图书管理员——全都是大有可为的广阔天地。

我希望有人能在这个领域构建出一门定义行业伟大的公司。如果是这样，我非常乐意在YC为你们提供资金支持。最后，让我说句老实话，虽然这可能会削弱我刚才这番推销的力度：你们其实不需要我的工具就能开始。

Open Claw固然是性能强悍的法拉利，我也会一直推荐它，但Codex同样是一辆非常优秀的本田，它完全能帮你搞定其中90%的工作。虽然它不会带来让你惊掉下巴的极致体验，但绝对能帮你达成目标。

用什么工具并不重要，核心在于理念，而不是我个人的开源代码仓库。关键在于去思考计算发生在什么空间，将技能手册视为你的员工，建立图书管理员机制，并且永远不要做一次性的工作。这些理念在任何技术栈中都是通用的。

最后，让我来总结一下。现在世界上有很多人对未来岗位的去留感到极度恐慌，我完全理解这种恐惧。但我想坦率地告诉大家，这其实是想象力的匮乏，而在座的各位就是这个问题的答案。你们将会把刚才我所描述的这套架构带进你们的初创企业。

你们会成倍地放大自己的效能，你们公司的每一个人也都会成倍地释放潜力，你们将要去构建的那些企业，会成为整个社会认识这一变革运行机制的灯塔。丰饶从来不是写在政策报告里的文字，而是交付上线的软件。

我有一位朋友，他的孩子患有一种罕见的癫痫症。他建立了一个包含8万个Markdown文件的代码仓库，这是一个专门为一个底层小男孩打造的企业大脑。他将自己推向了人类对儿子这一特定病情认知的绝对边缘。

没有实验室，没有资金拨款，也没有任何人授意。只有一个父亲、一台笔记本电脑和一座图书馆。这绝不是一个题外话，这恰恰就是我过去20分钟里一直在描述的系统架构。一座图书馆加上图书管理员，在最正确的时刻翻开最正确的三本书，全部聚焦在这个男人世界上最珍爱的事情上。

现在，你们也可以做到这一点。过去每一个让你觉得“要是有个专家帮我就好了，可惜我请不到”的难题，现在你都能解决；每一个你曾认为漏洞太多而无法修复的代码库，现在你都能全部修复；每一个由于体量太大而无法阅读的档案库，每一个由于过于杂乱而无法清洗的数据集，以及每一个曾经被告知不要去白费劲的宏大挑战——现在，我们完全有能力去攻克这些看似不可能的难关。

在座的每一个人现在都可以飞翔，这不是比喻，而是技术层面的事实。为了生存、为了发展、为了获胜，你们必须这样做。Theo问我们现在应该构建什么，这就是全部的答案：去构建一家AI原生公司，并构建其底座——那个大脑、记忆层以及不断产生复利的图书馆。

这会让继你们之后的每一家公司的构建都变得更加容易。去攻克那些不可能的难关吧，去编写那个测试，去交付那个技能。你们即将在这场创业沙场上看到的某些公司其实已经开始这么做了。去构建那个把它做到极致的公司吧。谢谢大家。更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App