The State of Startups in 2026

每年与数千名创业者打交道，YC 的合伙人们往往比外界更早看到风向的转折。在这期《光锥》（The Light Cone）里，YC 总裁兼 CEO 加里·谭、管理合伙人贾里德·弗里德曼与合伙人胡佳怡坐在一起，用最近两轮批次的内部数据，拆解 2026 年创业公司的真实状态：硬科技占比从 8% 蹿到 20%，中位营收在三个月里翻了一倍多，单人创始人比例翻了近三倍。他们谈国防、金属、光互连、机器人基础模型，也谈 SaaS 到底死没死、记录系统为什么必须变成 harness。本文依据现场录音编译整理。

开场：先看数据

加里： 欢迎回到新一期《光锥》。在 YC，我们每年要和数千位创始人合作，这意味着很多趋势在它变得显而易见之前，我们就已经看到了。所以今天想把其中一部分分享给各位：什么是当下的前沿，接下来会发生什么，作为建造者的你应该知道些什么。我们开始吧。胡佳怡，你手上有几个数据要跟大家讲。

胡佳怡： 我们把过去 12 到 18 个月录取的所有公司做了一次分析，有几个相当惊人的数字。第一个是批次里硬科技公司的数量，占比已经从 8% 涨到了 20%。背后有不少原因，我们待会儿可以往下挖。第二个是公司的增长速度，以及 YC 这三个月对公司的加速效应，本身也在加快。被录取时，YC 公司的中位状态是零营收、没有产品、没有收入；过去到批次结束时，中位数大概能做到 8000 美元月营收，而现在这个中位数是 20000 美元。这是最值得展开的两条。

硬科技从 8% 到 20%

贾里德： 我们先说硬科技。这些硬科技公司具体是什么？是什么在推动它？

加里： 是真的碰原子、而不只是碰比特的东西。

贾里德： 胡佳怡，你那边有硬科技的细分类别拆解，对吧？

胡佳怡： 有。具体来说，机器人是很大的一块，从占批次的 1% 涨到了大约 6% 到 7%。工业制造，也就是把东西重新在美国造出来，是个巨大的趋势，从大约 4% 涨到了 10%。另一个大头是国防，我们所有人最近都在和大量国防创业公司合作，它从大约 1.5% 涨到了 5% 左右。再一个是 AI 带来的全球算力缺口，所以有很多公司在做半导体栈或者光子学，一年前占批次约 1%，现在接近 4%。比算力更下面一层是电力，做电力基础设施的公司也从 1% 涨到了接近 3%。所以在整个物理原子这一侧，各个数字要么翻了三倍，要么翻了五倍。

加里： 我觉得这是机器的时代。我们的座右铭，印在 T 恤上的那句，是「做人们真正想要的东西」。而现在，人们是真的想要这些东西。

博士创始人与代码生成

胡佳怡： 这些往原子深处走的公司还有一个有意思的地方：我们在资助比以往任何时候都更技术、更有专业积累的创始人。对吧，贾里德？关于今年夏季批次，我们有一个很有意思的数字。

贾里德： 在这一期夏季批次里，每六位创始人中就有一位拥有博士学位。这个比例远高于历史水平。原因也很直接：如果你要做的是硅光子这类东西，你多半需要非常扎实的研究背景。所以我们资助了远比过去更多的这类创始人，而且这批创始人的表现，在整体中是明显偏好的。

加里： 我觉得 AGI 在这件事上还有一层特别迷人、也特别爽的叠加效应。过去你会认为硬科技之所以难，是因为要处理供应链，还因为里面往往有极重的软件成分。帕尔默·拉基（Palmer Luckey）就反复讲过这一点。现在有了代码生成，Anduril 在做的那些事情，突然之间可以快得多地完成。哪怕是三四年前，大家谈软件工程时还会说，顶级软件工程师是能不能做出真正一流的全栈硬件的限制性试剂之一。现在这件事越来越不成立了。你当然还是需要一两个这样的人，或者一个小团队，但你不再需要去和谷歌、Meta 或者别的谁抢着招一千名优秀工程师。这从根本上改变了经济账。

贾里德： 这才是硬科技真正的多头逻辑。不只是大家不愿意投软件生意了，而是我们现在拥有的这些超级聪明的模型，实实在在地在加速科研，让创业公司能在更早的阶段做出更大的研究突破，因此这些深科技公司会真的跑得通。

太空与国防的新一代

胡佳怡： 另一个因素是，推动这波「原子热」的大致有三条宏观趋势。第一条，看到 SpaceX 这样的巨头成功 IPO，催生了一整代想在太空里造东西的创始人。他们分布在整个技术栈上。比如 2026 年夏季批次里有一家我们合作的公司叫 Exosat，想做的基本上是一套主权版的 Starlink。2026 年冬季批次里我还带过一家叫 Beyond Reach Labs 的公司，做的是卫星在太空用的太阳能板。你想想 StarCloud 这类想把数据中心搬上太空的公司，它们一定需要电力，那太阳能板就是个显而易见的解法。第二条宏观趋势是，现在这一代创始人是在战争极其贴近日常、在社交媒体上被反复讨论的环境里长大的，他们想为此做点什么。

加里： 我过去几个批次里资助的公司中，最让我兴奋的有两家，一家是去年秋天的 Icarus，另一家是今年春天的 Nine Mothers，两家都是国防。Icarus 在做的是太阳能动力的 U2 式侦察机，能提供空中监视，同时还能做通信中继，而通信其实非常关键：未来无人机战争的核心，是你能不能真的和地面上的无人机保持通信、看到战场上正在发生什么。他们已经拿下了与新设的战争部（Department of War）的七位数合同。同样是无人机战争这条线，特种部队一直在采购 Nine Mothers 的反无人机防御系统，它本质上是一个带计算机视觉的霰弹枪炮塔。但这几乎是唯一能保护深入敌后的特种部队的办法。你要知道，这些人受训多年，属于极精英的部队，美国并没有几千个这样的人，我们的总量非常非常小。所以保护他们不被一架可能只是量产货的无人机袭击，对战争部来说是关乎生死存亡的事。

加里： 所以看到新一届政府用一种完全不同的方式来对待国防，真的很酷。过去很长时间里，说白了就是被几家国防巨头把持，做的是成本加成那一套，他们把自己当成咨询公司。现在能看到新的创业公司真正利用上所有的 AI、所有的技术、所有新的建造方式，去做出那些巨头老实说根本做不出来的东西，这是眼下一股非常强的大趋势。

把金属供应链搬回美国

胡佳怡： 国防这件事还不只是那些卖给政府的整体方案。还有一大类是军民两用的创业公司，同时卖给私营部门和政府，涉及整条供应链上的一切，比如把制造搬回美国、做定制化的部件。贾里德，你带的那家 Nox Metals 就是这样吧？

贾里德： 对，他们在把金属制造带回美国。美国基本上已经失去了自己的金属工业，过去几十年被掏空了，而没有金属你什么都造不出来。Nox Metals 做的就是重建美国的金属供应链，而且他们把这件事放在美国腹地的底特律，那里有大量空置的工厂，基本就那么一直闲置着。

加里： 他们也是另一个趋势的例子：现在不只是有更多人在做硬件公司，硬件公司本身的增长速度也前所未有。我记得看到 PG 发过一条推，说 Nox Metals 的增速是软件公司的增速。你了解他们为什么能长这么快吗？

贾里德： 一个原因是，他们的很多客户就是这一批新冒出来的国防科技创业公司，造东西都需要金属，而现有的供应商是那种昏昏欲睡的老生意，基本由上了年纪的人经营，完全跟不上新国防公司想要的节奏。这让我想起 YC 早年 Web 2.0 热潮的时候：我们有一堆新创业公司，而它们更愿意从另一批新创业公司那里采购，因为对方能跟上自己的速度，也更好合作。比如 Stripe，你当然可以用传统的信用卡供应商，但和 Stripe 合作就是舒服太多。我觉得 Nox Metals 正在成为整个国防科技生态的那个角色。

算力、芯片与光互连

胡佳怡： 第三条趋势是算力。要让这么多数据中心尽快上线，是一个非常重的物理原子工程，因为我们一直在讨论的 AI 需求正在飞涨。这里有个很有意思的数据：英伟达的 GPU，比如 A100，按小时计的价格居然在升值，这很反常，因为放到今天 A100 已经算是老卡了。

加里： 确实挺老了。

胡佳怡： 但价格还在涨，因为需求太多、供给和算力都不够。所以现在有大量创业公司在做让数据中心尽快上线这件事，从场地建设、到规划用的软件、到真正的数据中心部署，再到怎么给它们供电的各种方案，包括能源和电池的组合。这一整类公司都有。再往下到核心的计算硅，也有一批公司在做英伟达之外的新芯片。泰勒带过一家叫 Lamb Labs 的公司，在做新的计算处理器。我这一批还带着一家叫 Bot 的公司，想做的是一种全新的定制硬件架构，用三进制（ternary）表示来跑模型。因为现在有个很好玩的趋势：你去看英伟达从 A100 到 H100 再到现在 B300 的每一代架构，浮点精度其实是一代比一代低的，从 FP32 到 16、到 8，一路往下。事实证明，大模型的架构并不需要完整的浮点精度。

贾里德： FP2 甚至都有点能用。

胡佳怡： 对，这正是 Bot 想做的事。贾里德，你那边还有一家做光子互连的，挺有意思。

贾里德： 对，这一批里有家公司叫 Dipole Labs，他们要替换的是数据中心里的交换机，也就是不同 GPU 之间的路由系统。如果 GPU A 想和 GPU B 通信，它们就是通过这个设备来对话的，这个设备叫交换机。现在的交换机都是电子的，于是出现了一个问题：交换机跟不上 GPU 了。GPU 的速度一直在涨，而在很多数据中心、很多种负载下，交换机反而成了瓶颈。Dipole Labs 在做的是第一台全光交换机，从 GPU A 到 GPU B 全程都是光子。这会比我们现在用的电子交换机快得多。

机器人的 GPT-3 时刻

胡佳怡： 推动这轮向原子迁移的最后一股力量，是机器人这件事一定会发生。所以有大量公司在围绕它搭建整个栈：从特定行业的垂直机器人，到部署机器人的基础设施，再到给新的机器人实验室卖数据。行业里所有人都感觉到，我们即将迎来机器人的 ChatGPT 时刻，只是还差那么一点。我觉得大家正在把它想明白，也在摸索属于它的新的规模化定律。这一块东西很多，前几期我们请来过 Quan，我们都相信这件事会发生。

贾里德： 机器人，来自 Physical Intelligence 那边的路线。

胡佳怡： 对，来自 Physical Intelligence。一半是 AI，一半是硬件。

加里： 我今天早上还读到，连 Astra 都是机器人领域的一次大跃进。我忘了是哪个基准测试，在那个基准上 Fable 大概只能做到 10%，而 Astra 显示它能完成 60% 到 70% 的任务。

加里： 所以就是这样，过几个星期你一觉醒来，又一个突破发生了，我们又近了一步。

硬科技融资与 SaaS 的护城河

贾里德： 看到硬科技的复兴，对我个人来说特别过瘾。因为 YC 从 2014 年就开始资助硬科技公司了，那真的是我们起步的时候。但在这轮复兴之前，这些公司融资是很难的。我记得在那之前，我们会资助一些让我们超级兴奋的东西，火箭、飞机、芯片、数据中心之类，然后 VC 会说，啊，我们只做 B2B SaaS。而这种公司又很难自举，你确实需要有能力承接后续融资、能一路支撑完整资本开支的下游投资人。所以现在看着硅谷回到自己的根上，挺酷的。风险投资历史上本来就是为了资助硬科技而设立的，只是因为投 SaaS 实在太赚钱，它漂移了一二十年。

加里： 说到投资人重新愿意做硬科技，我从来没见过转向发生得这么快。SaaS 股票在今年早些时候下跌、Claude Code 势头正猛的时候，这件事几乎是立刻发生的。我感觉大概就在今年年初冬季批次进行到一半的时候，到 Demo Day 那天，投资人对硬科技公司的兴趣已经明显大了很多，之后就是一路外推。不过另一面也值得知道：从那之后，一批 SaaS 股票其实已经反弹，而且表现比以往任何时候都好。Salesforce 就是最典型的例子。Snowflake 前两天也刚发了一份爆表的财报。

胡佳怡： 也许两边都能成立。

加里： 也许吧，那当然是最理想的情况。但我还是觉得我们看到的是真东西。未来会被造出来的软件、以及什么东西有价值，显然是不一样的，这是必然的。所以 Salesforce 身上正在发生的事，部分看起来是那个经典的记录系统（system of record）论点正在应验。

贾里德： 至少目前护城河还在。

加里： 对。如果你手上的东西是 agent 能用的，那它就真的有价值。甚至可以说，agent 使用软件的强度会远远超过人类，而这似乎正是 Salesforce 增长的动力。这又回到我们之前聊过的另一个趋势：如果你把 agent 当成你的客户，做 agent 想要的东西，把你的软件做成 agent 愿意用的东西，那大概就是对的那类软件。

AI Harness 之争

加里： Salesforce 特别有意思，因为他们开始发布自己的 Slack harness，也就是 Slack 的 AI 外壳。我觉得我们正站在下一轮 AI harness 大战的开端。Codex 想当那个 harness，Claude Code 想当，OpenClaw 可能当，还有 Hermes、OpenCode。看起来会冒出一堆，而且不太会像浏览器大战那样最终只剩一个赢家，不过这谁也说不准。另外贝尼奥夫（Benioff）有个相当大的优势：世界上最 AI 化的一批公司里，仍然有很多在用 Slack。如果 harness 就长在里面，而它又是大家协作的记录系统，那你就握有一条巨大的数据护城河。只要护城河守得住，SaaS 依然可以像过去一样值钱。

贾里德： 你大概一周前发的那条推我觉得特别有意思，说的是软件公司、或者说记录系统公司，未来必须变成 harness。

加里： 那条基本上是在说 Slack。逻辑是：如果你是一个记录系统，你要么被猎食，你发个 MCP，然后围绕数据的护城河就没了，数据流向别处，迁移变得非常轻易；要么你就得成为 harness，你得成为人们不只是读写、而是真正在你的系统里完成工作、榨取最大价值的那层东西。

贾里德： 这有点像模型公司那边的情况。是哪个基准来着，ARC-AGI……

胡佳怡： ARC-AGI v3。

贾里德： 对。Astra 之前那一代 ChatGPT 模型在上面表现不太好，然后他们说，那只是因为它被接到了错的 harness 上。所以是模型加上 harness，才给出最终的产出。

加里： 是啊。用定制的 harness，他们声称 Astra 在 ARC-AGI 3 上拿到了 90% 以上。

胡佳怡： 对，而几个月前这个数字还停在十几，这个跃升相当惊人。

端到端替人干活的 agent

胡佳怡： 你关于软件的判断我觉得很对。并不是像互联网上很多人讲的那样，软件和 SaaS 已经死了，而是它变形了。我们在批次里就实打实看到了这一点：我们录取的公司中，做全栈、端到端完成某项工作或任务的比例，已经从 10% 涨到超过 25%。它的本质是真的把活干了，是 agent 把活干了，而不只是一个点状解决方案。五年前、八年前的老 SaaS 就是一个点状方案，你还得雇个人去操作那套软件。现在它自己就跑起来了。而在批次里，营收增长恰恰就出现在这一类公司身上。我前面给过那个数据：公司进 YC 时中位营收是零，过去到批次结束时中位数大约是 8000 美元月经常性收入，现在是 20000 美元左右。

贾里德： 这是个巨大的跳跃，对中位数来说是很不平凡的涨幅，平均数还要更高。

胡佳怡： 而这和真正端到端把整份工作做完直接相关。比如真的去做保险经纪的活，真的去做临床接诊，真的把医疗账单的全流程跑完等等，这些就是长得特别快的公司。还有另一个因素，我们前几期也聊过：到现在，从 Opus 4.5 让 agentic coding 真正可用算起，差不多过去了一年，我们看到这些工作流彻底开花结果。结果就是，人们想要的是自己的活被干完，并且愿意为「把活干完」的软件付钱。

贾里德： 当人们听到营收数字涨得这么快，一个很容易的质疑是：这会不会只是 AI 泡沫，这些公司只是因为赶时髦才在 AI 产品上撒钱。公平地说，其中确实有一部分是这样。但多头逻辑其实是我们两年前某一期节目里就说过的：在 agent 刚刚开始成立的时候我们就讲，产品本身会变得更有价值。如果它把整份工作自动化了，它就会比一个只记录工作、却不干活的记录系统更有价值，因此公司自然会为它付更多钱。在我合作的公司里我确实看到了这一点：他们找上一家公司，价值主张强到大型企业在非常非常早期就愿意开出大额支票。

加里： 我看到一家产生这种效应的公司是 Juicebox，一个 AI 招聘工具。过去这两年它一直保持惊人的增长率。但它最初，我会说本质上是一个 LLM 驱动的人才搜索：你输入你想招的人的画像，它能相当好地把你可能想联系的人的资料捞出来。可你还是得自己去联系这些人。最近他们上线了一个 agent 产品，起飞得非常快。这个 agent 不只是找人，它会去联系人，能安排面试，能做一堆事。

贾里德： 这太棒了。

加里： 而且他们看到，单就每个客户账户来说，这会让他们从单个客户身上赚到的收入翻一倍甚至两倍，因为客户想要越来越多这样的 agent。我不认为可以说它是在把招聘人员的工作整个自动化掉，它只是改变了这份工作。招聘人员本来也不想干那种给 500 个人群发触达的机械活。让招聘这份工作更有技术含量、更有意思的，是文化契合度这类判断，让 AI 打一通电话去评估某个人在文化上合不合适，这会非常难，还有其中的人情成分。所以他们发现，招聘人员自己其实非常乐意用这些 agent，因为它把人解放出来，去做那些他们觉得独特且有趣的工作。

三个月冲到七位数

胡佳怡： 还有一个数据很惊人：那些在批次期间真正加速、真正起飞的公司。今年我们第一次经历了过去从未经历过的事，有公司在批次期间从零做到七位数营收，而那只是三个月。这太震撼了。放在过去，一家公司要走到那个位置，需要 18 个月甚至更久，而他们在三个月里做到了。一部分原因是他们解决的是真问题；另一部分是因为 agentic coding，他们做出来的产品成熟度也高得多。这些彻底吃透 AI 的创始人，可能同时开着 20 个编码 agent 的会话，才把产品做到那种成熟度。

卖数据与 RL 环境的生意

贾里德： 还有一类公司最近也长得极快，就是向实验室出售数据或者强化学习环境（RL environments）的公司。

贾里德： 这一类值得聊聊，因为这些公司大多相当隐蔽。跟大多数喜欢宣扬自己做得多好的公司相反，它们有动机不去讲自己做得多好。所以外面的人可能没有意识到这个类别已经变得多大。2016 年 YC 资助 Scale 的时候，这还是个极小的利基，根本算不上一个类别。一开始基本上只有 Scale 在做，然后 Mercor 开始做，接着又有几家。但最近这两年它变成了一个大类别。我们最近拉了数据：仅仅在过去两年里，YC 资助的公司中就有十几家，每一家靠向实验室卖数据或 RL 环境，年收入都超过 1000 万美元。

加里： 而且不少情况下是几亿美元。

贾里德： 对，一年做几亿美元，而这些公司才成立两三年。

胡佳怡： 老实说，这个营收速度相当快。

贾里德： 是啊，简直离谱。加里，你想聊聊其中哪几家吗？

加里： 大的那几家，Afterquery 和 Datacurve 都非常非常棒。可能还有太多家没法一一点名，而且老实说它们大概也不想被提到，毕竟当你手上有个跑得通的东西时，你几乎不希望别人知道。不过这件事本身很好理解。数据是规模化定律的支柱之一，大家把算力讲得很多，可没有数据，你要怎么把这些模型做得更好？RL 环境这件事挺有意思，里面东西很多。有大量针对具体用例的纯定制，比如金融的 RL 环境，有人可以在这上面无限深挖下去，它需要一点专业知识、一堆计算机科学、一些系统工程。RL 看起来是主要的引擎之一，虽然大家可能有点过度地在刷榜，但这件事是要花钱的，而且从大模型公司的做法来看，它似乎会长期留下来。

胡佳怡： 据说大实验室在这上面的花费大约是十亿美元量级。这不是什么广为人知的事实，但围绕它确实能建起一门真正的生意，RL 环境是当下的流行形态，还有长周期任务这类东西正在被搭建起来。我觉得这个趋势也开始出现在机器人领域了。实验室同样想解决让 AI 在物理世界里работать的问题，所以他们需要大量真实世界里的环境。于是第一人称视角数据、灵巧操作任务开始成为一个大的数据类别，实验室在和这些公司签八位数、九位数的合同。我们批次里有好几家公司在做这个，并且已经在这个领域拿下了营收。比如 2026 年夏季批次里的 Practis Robotics；我还带着一家公司，在全世界各地有一张做工业生产的场地网络，从中采集数据；还有一家布拉德带的公司叫 DeepReach，数据来自世界各地的本地创业者。

贾里德： 还有 2026 年冬季批次的 Human Archive。对，最近确实冒出来一批这样的公司。

胡佳怡： 没错。

记录系统也要自己训模型

加里： 如果让我做个预测，回到刚才那句「所有记录系统都得变成 AI harness」，它们可能还得开始训练自己的模型。而这正是 River AI 或者 Tinker 这类东西变得非常有意思的地方。你现在可以坐在 Claude Code 里，甚至我用 OpenClaw 来训练自己的模型，这非常好玩，它会自己做数据清洗，什么都干。到目前为止这还不是一个很大的因素，但我能看到它会变成一个大得多的因素。当你拥有专有数据、又能自己训练的时候，开放权重模型其实已经几乎逼近前沿了，如果你能把它们专门化训练到在某件事上做得比前沿模型还好，那会非常非常强大。

机器人模型必须微调

胡佳怡： 我觉得这件事在机器人领域会更重要。这还只是个假设，尚未被证明，但我认为机器人基础模型和大语言模型的特性很不一样。LLM 的整套逻辑是把现实建模成语言，而机器人是把现实建模在物理的三维空间里，自由度要高得多。要让机器人在某个特定垂直领域里干活，比如在数据中心里做操作的机器人，我带着一家叫 Boost Robotics 的公司，做的就是在数据中心里接线的机器人，要让这类机器人真的能用，更好的办法是拿到一个在定制数据上微调、训练过的模型，专门适配那个环境。机器人还有一个难点是必须实时响应，对刺激的反应要非常快，还要有行动规划，这和 LLM 不一样。LLM 你可以让它自己跑着，过一会儿再回来看。机器人不行，比如你正在给数据中心接一根线，这时有人进来把机器人撞了一下，线就可能插到错误的插口上。

贾里德： 据我所知，所有用 Physical Intelligence 的模型来部署机器人的 YC 公司，都在对 π 模型做微调。我不认为有哪一家能直接拿它开箱即用。它是一个很好的起点，但你必须针对你的具体场景，比如数据中心的线缆，做微调才能真正跑通。

胡佳怡： 嗯。Ultra 这家公司是你在带吧？

贾里德： 对。你从 π 模型起步，但他们有几千小时的「把东西放进箱子」的影像资料，这让模型在往箱子里放东西这件事上特别厉害。

加里： 我听过这样一个说法：你看 Claude Code，它可以用自己的代码记录去判断谁是最顶尖的程序员，然后把这个反过来用，训练出更好的下一代编码模型。如果你恰好拥有 TikTok，你就恰好拥有全部关于人们看什么、点什么、什么内容有吸引力的数据，你可以用它在 Seedance 上做出吸引力强得多的视频。所以这件事已经在发生了。我只是觉得，这个趋势从现在起还会以相当壮观的方式继续下去。

单人创始人翻了三倍

加里： 我们注意到的另一件事，我想大家都感受到了：说实话，最近我们见到的一些最强悍、最狠的创始人，年纪可能在三十多岁后半、四十多岁，甚至五十多岁。资深创始人正在回潮。还有，很多人似乎都想成为「单人创始人的 YC」，但结果是，YC 自己就是单人创始人的 YC。胡佳怡，你有几个让你自己都意外的数据。

胡佳怡： 把一年前的录取数据拉出来分析，过去我们录取的公司里只有大约 5% 是单人创始人，现在超过了 18%、19%。这是我们见过的最高峰值。

加里： 接近批次的五分之一。而且看起来还会继续往上走。在过去，你必须同时具备很多种能力。你得是个很能张罗的人，你得能把事情讲清楚。我们以前常说，创始人里得有人是好的表达者，得有人能站出来说服别人。然后如果你再配上一位世界级的技术专家，那就是最理想的组合。所以传统上你需要联合创始人才能凑齐这一套。倒不是说非有不可，但它会把你的胜率抬高非常非常多。我觉得现在这一点正在改变，因为知道该提示什么、知道该造什么，比 CTO 能不能把东西写出来要难得多、也值钱得多。

贾里德： 我觉得实际情况是，我们其实一直都有极其成功的单人创始人，人们对 YC 这一点没有意识。这里有不同的定义口径，但从各种实际意义上说，Instacart 的阿普尔瓦·梅塔（Apoorva Mehta）、Coinbase 的布莱恩·阿姆斯特朗（Brian Armstrong），至少在批次开始的时候，都是单人创始人。

加里： 对，帕克·康拉德（Parker Conrad）也是以单人创始人身份进的 YC，后来成为他 CTO 的那位，还是我面试的。只不过在过去，要能自己一个人想出点子、能把它卖出去、还能把它做出来，这个门槛真的非常非常高。

胡佳怡： 而现在这件事完全做得到了。

贾里德： 对，我觉得现在的情况正是这样。刚才那三位是极其罕见的人，有能力做到那种程度的人非常非常少。而现在你真的可以先跑起来，所以至少在「把东西做出来」这个维度上，你不需要那么例外，也能开始。但总的算下来，有联合创始人依然是有价值的。它本身也是一种衡量：

加里： 如果你的联合创始人非常顶尖，那说明你大概也非常顶尖，这会把成功概率提高很多。

加里： 而且刚才那几位后来都招了联合创始人。我觉得在每一个案例里，都是先自己跑起来，跑出了牵引力，然后在某个节点加进联合创始人。所以可能股权结构不一样，或者整个动态和传统的那种「一开始你们俩关在一间屋子里，完全五五开」略有不同。贾里德，你要不要补充点什么？

贾里德： 我没有具体数据，但这个趋势我确实明显看到了：人们在公司生命周期更靠后的阶段，在东西已经跑起来之后，才加入联合创始人。

贾里德： 我觉得这会成为常态。我们会在批次里看到更多单人创始人，现在批次开始时就已经能看到了；但在那些最终成功的公司里，我仍然预期他们会随着公司推进而补上联合创始人。

资深创业者的回归

贾里德： 加里，你也讲讲更资深的人出来创业这个趋势吧？

加里： 看起来那些已经在江湖上闯过几轮的人，做得明显好得多。我想到彼得·施泰因贝格（Peter Steinberger）是个标准样本。他，我记得是四十出头，做过开发经理，之前也做过创业公司，然后他很早就彻底皈依了 AI 和这些「铁皮人」，接着他尝试了大量东西，于是他知道该造什么。这件事我觉得特别鼓舞人。基本上，如果你已经在江湖上走过一圈，你知道龙在哪里，你有品味，而这类人现在的战斗力高得反常。

加里： 过去有太多经典的、被设了门槛的说法：哦，你必须有联合创始人；你需要一批够酷的投资人看上你。现在这些越来越不成立了。真正要紧的是你得知道该造什么，这是现在最高位的那一比特。如果你活过一些年头、去过一些地方、有非常鲜明的观点，那你现在可能已经没有借口了。你的借口是什么？你在互联网上大声嚷嚷了这么久，为什么还不去造点东西？打开 OpenCode 直接干就完了。拿出真本事来。

贾里德： 我也在想，管理编码 agent 在某些方面其实和管理人没那么不同。

加里： 太对了。

贾里德： 所以像彼得、像你、像博里斯·切尔尼（Boris Cherny）、像 Shopify 的托比这样，整个职业生涯都在管理工程师团队的人，反而极其适应这件事，能拉起庞大的编码 agent 团队并管好它们，甚至比一个没有这些年经验的聪明的 19 岁小孩管得更有效。

加里： 是啊，我们对 agent 可以稍微不那么刻薄一点，试着理解它们的处境。只是你需要照顾它们情绪的次数少了 99.9%。所以确实挺有帮助的。

现在就打开终端

胡佳怡： 我想问，对一个现在就想开始、想在这个时代做一家公司的人，具体的建议是什么？

加里： 就去写提示词。今天打开 GPT-6 是相当震撼的体验。就是那个瞬间，你的 agent 明显变聪明了，一堆你一直很恼火、但自己没时间深挖的 bug，你可以直接说：要不你回去看看那些你之前没搞定的事情？把我们之前所有的对话都翻一遍，凡是看起来你当初没弄明白的，现在再试着弄明白。它每一次都能做到。我们身处一个多奇怪的历史时刻：你早上醒来，接上一个新模型，然后那些哪怕一个月前你还在挠头「这为什么就是不行」的东西，突然就开始行了。想到这可能是我们接下来 18 个月、24 个月、36 个月都能一直做的事，我也不知道它什么时候结束，但这大概就是 AGI 时代的编程。

加里： 今天的时间就到这里。不过如果你还没听出来，我们所有人都对眼下正在发生的一切感到非常兴奋，你也应该如此。我们迫不及待想看到你造出什么。