PG 炉边谈话:创业的核心从来没变过
关联
这一集是 YC 第 47 批开营当天,创始人在山景城 YC 最初的办公室里接受的一场炉边谈话——这是他给 YC 学员讲的第 47 次同一场演讲,也是 YC 的第 21 个年头。他每次都从头重写讲稿,但核心观点很明确:创业的大部分东西从来都是一样的,不管时代背景是微处理器、内燃机还是 AI 。
最抓人的开场论点,是他对「YC 已经江河日下」这类说法的回应:这种论调从 2008 年左右就出现了,而且永远不会停——因为批评者不能说 YC 一直糟糕,只能承认它曾经伟大、然后宣称它衰落了。而所谓「美好旧时光」其实也没多严肃:那时 YC 投的 Reddit 有价值,但「算不上洲际弹道货物」——而现在这一批里有创业公司在做治愈癌症这样的事 。
这一批的「严肃」公司:把 Sid 为自己做的事做给所有人
治愈癌症没有单一解法:一端是疫苗,另一端是疗法。这一批里有一家公司在做「为癌症患者提供按需研究」——他喜欢的点在于,这是在对癌症施加「千刀万剐」,癌症向来不是能一下子发明出疗法的病,也许一刀一刀地割才是击败它的方式 。
更妙的是来路:GitLab 的 Sid 得癌症后,把治病当成一家初创公司来打(他称之为「用创始人模式对待我的癌症」),而帮他打赢这场仗的人,正是后来创办这家公司的那批人。「再好不过了。」
野心的真相:驱动创始人的不是亿万富翁梦,是怕模型火车摔下桌
为什么创始人必须有野心?因为创业极其煎熬,障碍太可怕了,仅凭尽本分扛不住,必须有某种东西驱动你穿过所有障碍 。
但每天真正驱动创始人的,出乎意料——是对失败的恐惧。服务器正在崩溃的时候,你不会想「修好它我就能成为亿万富翁」,你想的是「我的模型火车头要从桌子边上掉下去了,我得赶去救它」。
「你低头在模型火车上埋头干十年,抬起头才发现:按上一轮估值,我是个亿万富翁了。」有时候甚至是他第一个替创始人算出这笔账 。
野心能后天培养吗?很难——这种特质大多天生,Sam Altman 第一次见面(还没被录取时)就极其厉害。唯一常见的「变化」是:有些人不是缺野心,而是从小在服从式环境里被训练得不表现出来了 。
「厉害的人」的定义:能得到自己想要的东西
YC 的很多内部语言来自他妻子和 Jessica 的私人用语。「formidable(厉害的人)」的检验标准只有一条:你能不能在任何情况下得到你想要的东西——得不到你想要的东西,你算多厉害?投资人的逻辑也简单:投了这个人,你们的利益就锁死了——他得到他想要的,你就得到你想要的 。
把创业当履历徽章的人,不知道自己在要求什么
有人把创业当成履历上又一个徽章。他的回应:只有失败时它才算徽章——成功了你就在做毕生的事业,不再需要任何徽章了 。
早期确实有人为了声望申请 YC,就像申请哈佛;但哈佛再难混也有容易的专业可以滑过去,创业没有容易的专业——这就像申请了哈佛却被强制读理论物理。「想显得酷,创业差不多是效率最低的方式:好多年残酷的艰难之后,才会有人觉得你酷。」
精益创业死了吗?技术总会变便宜
对 Patrick Collison「精益创业可能已死」(理由是现在融资容易、AI 能并行干活)的说法,他坦承自己从没读过《精益创业》——「托尔金可没去读别人写的那些奇幻小说」。但他不同意「低成本起步已死」:token 现在贵只是因为 GPU 短缺,推理价格在同等水平下一年大概降 30 倍,而且换来的是更高质量的 token——技术总会变便宜 。
连火箭公司都可以低成本起步:造不出真火箭,就先造设计方案、做仿真、给专家看;有说服力了就能融资做下一阶段。这一批的 StarCloud 基本上就是写了份白皮书、预订了一次发射,钱就融到了——当然,「没有什么比预订一次发射更有说服力」,而且他们是领域内自带信誉的大专家,刚毕业的孩子做不到这个 。
AI 最反直觉的地方:不是从苍蝇做到人,而是「满嘴胡扯的人」
他研究过 AI(用他的话说,那是一种永远不会成功的 AI),当年所有人设想的路线是:先做出一只完美的苍蝇——只会做苍蝇的事,但做得和苍蝇一样好——然后苍蝇→老鼠→猫→猴子→人,每一级都完美。结果完全相反:我们直接得到了「一个完完全全的人类,但满嘴胡扯」——最早的 ChatGPT 就像在论文里硬着头皮胡编的本科生 。不是从完美走向人类,而是从人类走向完美。
AI 也没让他惊讶到改变创业规律。「发布新东西的速度是创业成功最好的预测指标」在 AI 时代依然成立——这一批手里握着最强 AI 工具的公司,仍然有发布不够快的。他给「有了 AI 还有什么不变」的答案是:几乎所有事情都一模一样,唯一奇怪的新东西是公司有了巨额的 AI 账单——以前创业公司最大的成本是工资,现在突然每天要在 token 上花掉数万美元 。
AGI 的终点线原来有宽度
对「AGI 的定义」这个必答题,他押图灵测试,并给了一个漂亮的证据:他知道自己接近 AGI 的标志之一,是他居然需要去查图灵测试的定义了——「图灵测试又是什么来着?我们是不是已经到了?」
他的比喻:过去以为 AI/AGI 是一条清晰的终点线,跨过去一切分明。但「当你站在终点线上,你发现它是有宽度的」——AI 的一些部分已经远远跨过线,一些部分大概在中间,有些(比如查餐馆营业时间)还在线外面。
终点线其实是一道模糊的 smear,而我们就在这道 smear 上。这也是为什么 AI 能解数学开放难题,却答不上餐馆几点开门 。
YC 是怎么来的:一个意外
YC 最初的想法只是做一家天使投资公司——当时有做巨额后期轮的风投、有投自己钱的个人天使,但没有天使机构:像风投一样,但更早期、小额、用标准化文件。为了学投资,他们决定一次性资助一大批公司,切入点是「这些大学生都在微软打暑期工——不想创业吗?
」批次安排在夏天、时长三个月,纯粹是「取代暑期工作」这个出发点的副产品,结果证明是完美长度,但那只是个意外 。批次模式的效果太好,纯属偶然发现之后,他们决定永远这么干。
对「YC 太大了」的质疑,他的回应:一个批次 40 家公司的时候就有人这么说了;如今把 YC 切成小块、每 70 家一组,「就和 2012 年一模一样」。
下一家万亿美元公司从哪来?他的答案不是任何具体赛道——创业点子非常多变——而是:来自对的那批创始人。
而且有了 20 年数据,创始人还是和 20 年前长得一模一样。「为什么要 20 年后就变呢?」
本集带走
- 别指望靠本分扛过创业:障碍太可怕,驱动力只能来自野心——而日常驱动你的是怕搞砸的恐惧(「模型火车要掉下桌了」),财富是十年后抬头才发现的事。
- 判断「厉害的人」只看一条:这个人能不能在任何情况下得到他想要的东西。得不到,就谈不上厉害。
- 创业不是履历徽章:失败才算徽章,成功是毕生事业;想靠创业刷声望是效率最低的路径,它没有「容易的专业」。
- 低成本起步没死:token 价格一年约降 30 倍,技术总会变便宜;钱少就调低里程碑——设计方案、白皮书、预订发射,够有说服力就能融下一轮。
- AI 没有改变创业的规律:发布速度仍是最好的成功预测指标;唯一的新变量是巨额 token 账单。
- AGI 不是一条线,是一道有宽度的 smear:AI 在不同任务上参差不齐,能解数学难题也可能查不到餐馆营业时间。
- 发布速度之外,YC 给的核心资源是同事:创业本来孤独,批次里你可以问同批人技术问题、把产品卖给同批的快速决策型早期用户(YC GDP)。
障碍太可怕了,仅凭尽本分扛不住。
The obstacles are too fearsome for mere dutifulness to do it.
—— Paul Graham · [05:38]
在任何时刻真正驱动他们的,是对灾难的恐惧,怕看起来像个傻瓜,怕服务器崩溃,对吧?
At any given moment is the fear of disaster, looking like a fool, the server crashing, right?
—— Paul Graham · [06:08]
你低头在模型火车上埋头干十年,然后抬起头,我的天。
You put your head down and work on the model train set for 10 years, and then you lift your head up and like, holy shit.
—— Paul Graham · [06:40]
如果你想显得酷,创业差不多是效率最低的方式。
If you want to seem cool, like starting a startup is just about the least efficient way to do it.
—— Paul Graham · [09:17]
托尔金可没去读别人写的那些其他奇幻小说。
Tolkien didn’t read all those other fantasy books people wrote.
—— Paul Graham · [11:02]
但当你站在终点线上时,你发现它是有宽度的。
But when you’re standing on the finish line, you realize it has width.
—— Paul Graham · [15:32]
顺着「创业与行业」挖下去
- Sam Altman 谈 AI 时代的创业法则:被全世界当成白痴是最大优势同公司:OpenAI、YC、ChatGPT · 同概念:AGI、推理 (inference)
- Mustafa Suleiman:数据是新的护城河——AI 创业者的机会地图同公司:OpenAI · 同概念:AGI、图灵测试 (Turing test)
- AI 投资泡沫的崩盘剧本:为什么万亿美元建数据中心注定亏钱同公司:OpenAI · 同概念:AGI、推理 (inference)
换个口味
- 当 AI 决定买什么软件:G2 的「信任层」生意同公司:ChatGPT、OpenAI、Reddit · 同概念:推理 (inference)
- OpenAI 总裁 Greg Brockman:我们已进入 AGI 时代,而真正的瓶颈不是模型同公司:ChatGPT、OpenAI · 同概念:AGI
- Peter Deng:产品不必是最重要的东西同公司:ChatGPT、OpenAI · 同概念:AGI
