AI时代的创业方法、公司形态、SaaS模式与扩散节奏——Y Combinator总裁兼首席执行官Garry Tan访谈要点梳理（a16z Podcast，2026-08-12）

——据a16z Podcast节目《Y Combinator CEO on Founder Psychology in the Age of AI》（2026-08-12）整理

摘要：本文对a16z Podcast节目主持人、a16z合伙人Anish Acharya专访Y Combinator（YC）总裁兼首席执行官Garry Tan的主要观点进行了梳理汇总。梳理了Tan对创业方法与历次技术周期的复盘，介绍了AI时代早期公司在人员规模、商业模式与业务流程上的新形态，以及代理对组织管理方式的改变，最后阐述了其对应用层护城河、消费级AI分发与技术扩散节奏的判断。据其介绍，已有两三人加数百个代理的公司约四个月从零做到1500万美元年度经常性收入（ARR），按席位收费的SaaS曾以未来十二个月收入的10至20倍估值，AI原生一代接掌社会约需二十年。

关键词：席位制定价；应用层护城河；组织变革；研发效率；消费级AI；Y Combinator；Garry Tan；OpenClaw

一、创业方法与创始人判断

Tan以自身两次“追逐热门”的经历为例，认为创业者应从直接经验与独特认知出发，从边缘处寻找机会。

（一）两次“追逐热门”的教训

Tan于2003年入行，彼时Web 1.0刚结束、纳斯达克刚崩盘，他在微软（Microsoft）的Windows Mobile与Expedia两份offer中选择了前者。他的复盘是：“我当时在追逐热门，而没有守住自己明明知道的东西。”一是他做了多年网页编程，却在Facebook尚未出现时退出网页编程转向移动，理由是“那看起来才是聪明的选择”；二是Peter Thiel当场开出一张7万美元的支票，数额等于其在微软的年薪，他以“今年也许能升到Level 60”为由婉拒，按他今天的估算，这是“一个20亿到40亿美元的错误”。

他将两次错误归结为同一个动作：从投资人与《华尔街日报》给出的“地图”往回推，没有低头看“地形”。地形上的事实是，Palo Alto的计算机科学家能做出的东西，华盛顿完全拿不到，“未来已经到来，只是分布不均”。由此他提出像科学家一样做事，亲自下到实验里、去找第一手经历者，“那时你才得到秘密知识”。

（二）从直接经验与边缘处出发

Tan认为，“现在什么热门、我该做什么”这一问题本身有误，应当追问的是自己对什么感兴趣、独特地知道什么。他在Startup School上倡导“不要larp”（不要角色扮演），落脚点是“认真”（earnest），即当博客、推文与自身直接经验相反时，敢于坚持自己的判断。

他援引Chris Dixon的“想法迷宫”，认为迷宫里有意思的部分往往在怪异的边缘，反复出现的模式是“什么东西现在像个玩具”，“每张桌上、每个家里都有一台电脑”当年正是由边缘的局外人做出。主持人补充了一个判断标准：一件事是否足够有意思，看能否找到它的边界，真正有意思的事情找不到知识上的边界。

（三）YC的入口设计与创始人社群

据其介绍，YC把局外人变成局内人的方式是一个网站、12道问题，后来加上一段一分钟视频，由做过产品的人给申请者一个公平的机会。YC目前有16位平权合伙人，均经历过YC并有成功退出；今年Startup School有7000人来到旧金山。他强调YC的另一项价值是一个可以说真话的社群，创始人失去主要客户、核心工程师离职或联合创始人丧失信心时，需要有人可以倾诉。

二、历次技术周期的经验对照

Tan对周期的总判断是：“繁荣，然后崩盘，这些事一遍又一遍地发生。”他从入场时点、在位者组织效率与估值口径三个方面进行了对照。

（一）入场时点与在位者的组织效率

一是崩盘底部往往是正确的入场时点，“人们说Web已经死了，可那正是做Web和社交的完美时机”，而当时的他因“下一个热门是移动”离开了网页领域。二是在位者内部协作低效，Windows Mobile团队在iPhone问世前数年就在做新设备，需要Windows团队的集成支持，对方不回邮件、不修bug，两个薪水不错的聪明人之间隔着七个层级，四个小时才推动一个阻塞上千用户的P3级bug。他今天的对照是，同样的事可以变成一个markdown文件加一个技能、跑在定时任务上，回答谁被谁阻塞、外部依赖是什么，“过去六个月才能发的东西一两天就能发”，“微软这样的组织大概做不到，但初创公司能，而且每家初创公司都必须这样组织”。

（二）加密与SaaS周期的借鉴

加密周期方面，他认为“有太多加密圈的说法用在AI上反而十倍地更适用”，如“眼下的水平就是它今后的下限”（this is the worst it will ever be）。SaaS周期方面，他表示：“如果时间旅行回到哪怕两年前，SaaS就是神，未来十二个月收入的10到20倍是铁律；现在很难相信，那已经完全不成立了。”他刚做过一次针对纯SaaS的分析，结论是“纯粹按席位收费的SaaS，五年或十年后是否还存在并不清楚”。

（三）代际更替与在位者的韧性

与本轮周期的对照有两条：一是代际，“20年前我们是Web原生、移动原生的一代，现在我们在掌管”，今年Startup School的7000人多数在18至22岁，“他们在ChatGPT的年代成年”；二是对硅谷惯性的修正，“多数人希望一家初创公司取代所有在位者，现实是它们不会”。

三、AI时代早期公司的新形态

Tan认为，借助代理式编程，个人产出可成倍放大，纯席位制SaaS只能作为切入市场的楔子，业务流程将以技能文件的形式沉淀和复用。

（一）个人产出的放大与商业模式的调整

Tan仍认为其他条件相同时有联合创始人是净利好，但这一判断须放在“正在发生的大转变”之下：“凭借vibe coding与代理式编程，任何一个人都可以是400个他自己，相较两年前，甚至相较九个月前。”基于此，他认为创始人应当更有野心，野心的具体含义是不复制上一代人的成功路径，“游戏已经变了，你不能只做一个SaaS的东西”。按席位收费的纯SaaS“作为楔子完全可以”，但2026年还在做这件事，“你得指望它能跳到某种围绕数据或网络效应的护城河”。主持人认为代码已不再珍贵，过去发布一个产品代价高昂，创业者必须相信所做之事“重要”，而多数后来重要的事起点看起来并不重要。

Tan本人亦是样本。YC开始录制全部office hours后，他从几个月的数据中整理出合伙人用来提升创始人野心的固定表述，写成一份markdown文件，“让Claude把这份提示词的强度砍掉90%”后开源，并在仓库中注明“请申请YC，但仅限于你是Claude Code前10%的用户”，判断依据是能否认真思考用户、产品与设计。两人均认为能动性（agency）与品味“重要到离谱”，Tan认为这可以后天习得，“是一种练习”。

（二）“一份markdown文件就是一名员工”

Tan的实践路径是用OpenClaw做出检索系统GBrain，作用是“让代理知道对于任何一项任务，该把哪一百万token留在脑子里”。他认为前沿实验室“在成本和愿意给你的算力上仍然相当受限”，若要尽可能多地投入token，就需借助Hermes Agent或OpenClaw等工具，每个请求装入80万至100万token，“这样做你基本上就活在2028年，代价是一年大概5万到10万美元，但对一位CEO或创始人来说这很合理”。

其业务循环是“技能化”：做成一件事后，把它变成markdown文件加代码加测试，放进定时任务里复用，“一份markdown文件就是一名员工，一名每次都把工作做得完美、想做多少次就做多少次的员工”。具体包括三个环节：一是选取公司的任一业务流程先做对一次，初次往往成本高、需要多轮迭代；二是代理与人协作的轨迹本身被转成一份技能文件，此后每一次出错都只是一次bug修复；三是持续寻找瓶颈，几乎每次都是“怎样指示代理写一段软件或一份markdown文件把这个路障轰掉”。对于这一循环是否适用于销售、市场、客服，他的回答是“一切”。GStack是这套循环在工程上的版本，先自动化其作为产品经理的思考方式，再做一个保证测试覆盖的管理器，最后连黑盒验证这一环也实现了自动化。

（三）公司规模与数据治理

据其介绍，“今天已经有这样的公司，两三个人加几百个代理、几百份技能文件，大约四个月从零做到1500万美元ARR”。对于这种递归式扩张是否会使错误复利放大，Tan的回答落在数据治理：技能文件与数据增多后，来源（provenance）变得关键，两个事实冲突时依靠来源判定哪个更新、哪个胜出，还需要一个定时任务持续清扫，保证准确与出处正确。

四、组织瓶颈与管理方式的变化

Tan认为业务规模超出个人记忆容量是企业失败的重要原因之一，代理可突破这一约束，并改变中层管理与人机分工的格局。

（一）经验型创始人的放大效应

Tan表示，YC看到的一个趋势是35、40、45岁、经历过完整周期的创始人增多，他们知道该做什么，“把这样一个人变成400个，你可以超过任何一家七巨头的一整个部门”。主持人补充，这些系统允许探索彼此冲突的方案，并把冲突与人的情绪解绑。

（二）突破“七加减二”的记忆约束

Tan以Brex的Pedro为例：外界认为OpenClaw不安全，Pedro自行编写了一层开源监管工具crab trap，让一个代理监看OpenClaw的全部网络流量与动作，从而得以在受监管的金融科技公司中使用。据其介绍，代理可读取所有直接下属的会议纪要，看到两个层级之下的情况，判断哪里出了问题、谁与谁存在冲突，Pedro再带着某个合规团队过去三周的完整上下文参加会议并作出决定。

Tan认为这触及初创公司失败的决定性原因之一，即“业务大到装不进一个人的脑子”。一是人只能同时记住七加减二件事，“你加一个代理可以在脑子里装下三本《哈利波特》”；二是代理看的是数据中的事实，不限于下两级某个人的意见；三是全世界的商业、尤其政府，都建立在“只能记七加减二件事的有限人类”这个前提上，尚未为代理高速思考、数据无限的世界做好准备。他由此提出产品应当“好10倍、100倍，应该好1000倍”，单纯压低成本还不够。

（三）“API线”的消失与自下而上的改进

主持人认为，管理科学与经理阶层“也许是从工业革命、Henry Ford到早期硅谷创始人模式之后的一百年弯路”，中层的组织工作应由代理承担，高管定方向、个人定执行。Tan借Venkatesh Rao的“API线”概念回应：Uber出现后司机处在API线之下，人人都争着待在线之上，而“AI抹掉了API线”。他以YC投资的Claw Visor为例，该公司发布了一个专供使用其软件的代理上报bug的端点，后接一个LLM实时回复处理方案，形成双向往来。他将此与丰田生产方式并置：一线工人被允许改动生产线，因为其掌握改善工作环境所需的上下文。

五、护城河、消费级分发与技术扩散节奏

Tan认为在位者具有真实的结构性护城河，消费级AI的分发竞争取决于成本下降，技术扩散的节奏将慢于硅谷预期。

（一）护城河与消费级产品形态

Tan表示，“这些东西有真实的护城河，有结构性原因让微软哪里都不会去”，与硅谷“初创公司取代一切”的惯性判断相反。对“下一台计算机”，他认为短期形态不变，但显然会走向语音，并会有大量围绕记忆的工作：人们此刻对ChatGPT或Claude cowork之类感到满意，长期不会，“你会想要多得多的上下文，想要一个仁慈的、知道你的希望、恐惧与欲望、不懈地在这个方向上帮你的东西”，路径大致是计算机使用、记忆、说话人分离与数据摄取。

（二）成本曲线与“harness wars”

Tan给出的时间表是“我猜2027年会是harness wars（脚手架之战）”，根本原因在于成本：“现在就是太贵了，但不会一直如此，当今天的前沿模型算力在两三年后只要50或100美元时，会有一场争夺十亿消费者的战争，浏览器大战会重新开打。”他同时修正了自己此前的判断，成为OpenClaw的使用者曾让他确信这一切马上就会发生，“现在我认为那完全不对”。

主持人认为价格正在两极分化：“前沿模型的单token价格在走向无穷”，而“一周前还是前沿的模型，单token价格正在坍缩到零”。他认为这对应用层是利好，一是消费级产品多数依赖免费试用，边际分发成本高时难以实现，“软件的魔力就是零成本的边际分发”；二是四五十年来计算机开始能够表达情绪、具有情感质感，更有野心的消费产品尚待出现。主持人认为在“真正的消费级助理”方向上走得靠前的是新的ChatGPT桌面应用，带语音模式、能看到全部对话线程、可从手机访问。

（三）技术扩散约需二十年

对于当前问题有多少受模型智能约束，Tan的回答是“老实说全在人”。当下关于AI的讨论基调是白领工作将大量消失，而“每家公司、每个机构、每个组织的官僚、迟缓与七加减二，全世界所有的中层经理，恰恰是那颗白色药丸：这些事会比你想的慢”。他给出的时长是二十年，理由是代际更替：AI原生的一代掌管社会需要二十年，正如Web与移动原生的一代在二十年后才接手。社会、政府与每家公司都比硅谷以为的慢得多，在位者“不会被取代”，他将此视为一件好事。

总的看，Tan认为AI使个人产出和业务流程的复用能力大幅提升，早期公司可以极小团队实现较快的收入增长，按席位收费的纯SaaS只能作为楔子，须向数据或网络效应护城河延伸；与此同时，在位者具有结构性护城河，消费级AI的分发竞争有待前沿算力成本进一步下降，技术在社会与组织中的扩散在很大程度上受人的因素约束，节奏可能慢于硅谷预期。