Stripe创始人:AI时代,创业还需要”小步快跑”吗?丨YC

“向 Agent 查询知识,远比把它放在自己的认知 L1 缓存里慢。”

“你总在担心失败,也需要问相反的问题:如果你成功了呢?”

“Stripe 上新成立企业的数量,同比已接近翻倍。”

2009 年,Patrick Collison 和弟弟 John 参加完 YC Startup School,在旧金山吃过寿司,走回家时决定做 Stripe。两人当时觉得,这件事应该不会太难。结果,Stripe 花了近两年才公开发布,Patrick 也在这个问题上一做就是 17 年。

17 年后,他回到 Startup School,面对一群正在考虑退学、用 AI 创业的学生。大家最关心的是:AI 能替人做多少事?过去那套”小步快跑”的创业方法还管用吗?Patrick 的答案是:AI 确实让新公司出现得更快、收入来得更早,但学什么、做什么、什么时候推出产品,仍要靠创业者自己判断。

AI 会写代码,知识还要装进脑子吗?

主持人 Harj Taggar 先抛出一个很现实的问题。今天一个 16 岁的学生,只要提示 Claude,就能写出 Patrick 当年花很多时间编写的 Lisp 方言。既然编译器早已替人处理汇编和内存布局,我们也没怎么怀念那些工作,源代码会不会成为下一层被跨过去的东西?Patrick 承认,他在感情上会怀念亲手写代码,但对这件事没有轻率下结论。

“让 Agent 帮你计算或查找,远比把知识放在自己的认知 L1 缓存里慢。”

他用计算机缓存解释学习的价值。工程师熟悉 Jeff Dean 那组”每个程序员都该知道的数字”:从 L1 缓存取数据、访问内存、跨网络请求,延迟完全不同。知识也有类似层级。模型当然能查到答案,可人的大脑在同一时间里能完成更多轮联想和判断,还能更快发现问题问错了。Stripe、模型实验室等公司在招聘时,依然愿意为认知能力付出很高溢价。在证据显示人的认知收益已经耗尽之前,过早放弃学习,只会让自己的思考多一道网络请求。

把写作交给模型,会丢掉什么?

Patrick 仍然自己写东西。他甚至说,自己从未发送过 Gmail、WhatsApp 等工具提供的预写回复。这个态度并非源于低估模型:它们已经能完成 Jacobian 猜想这类惊人的数学任务,能力摆在那里。可到现在,他还没有读到一篇真正让自己信服的 LLM 文章。Patrick 猜测,文章的好坏很难写成强化学习所需的奖励函数,这也许解释了数学能力和写作质量之间的落差。

“人际沟通和写作太基础了,它们要求你在现实的多维空间里进行合理推理。”

问题也许出在训练目标上:一篇好文章的效用函数很难定义。写作还承担着梳理判断、理解他人和暴露含混之处的工作。模型可以帮你生成文字,但创业者仍得亲自决定自己究竟相信什么,以及怎样让另一个人理解这件事。至少 Patrick 还没看到可以把这部分一并外包的证据。

担心错过窗口,值得现在退学吗?

Patrick 从 MIT 退学过两次:第一次读完大一第一学期后和 Harj 创业,几年后回校读了一年,又离开去做 Stripe。他原本想走学术道路,喜欢物理,也读了许多费曼的书。成长于爱尔兰时,创业公司甚至没有进入他对未来的设想。他想先纠正一种想象,退学未必是一扇关上就回不去的门。喜欢大学的人可以读完;确实不喜欢,也不必把离开想成终身污点。他后来发现,几乎没人因此在意他的履历。

“我会押注:未来这几年并非最后的创业机会。”

他当年也有强烈的紧迫感。从快速读完高中到进入大学,他已经习惯把人生当成速通游戏;”生命短暂”的感觉,加上对硅谷机会转瞬即逝的担忧,让他觉得三四年后机会就会被拿光。回头看,这个直觉很差,硅谷几十年来一直不缺机会。今天流行的另一种说法是,不马上退学做 AI 公司,就会掉进”永久底层”。Patrick 把它类比为航空发明后的末日式兴奋:飞机确实改变了世界,却没有按照当时最激动的人所说,彻底重写社会。因为害怕迟到而创业,很容易把别人的倒计时错当成自己的判断。

一个看似离谱的点子,靠什么活下来?

Stripe 的点子一开始同时像好主意和坏主意。好的一面很直白:所有人都讨厌当时的在线支付,手续陈旧,表格繁琐,有时还得亲自跑银行。坏的一面也很明显:两个年轻人要做金融服务,当时甚至还没有”金融科技”这个词。Patrick 形容,他们像两只松鼠穿着一件风衣,努力假装自己是严肃的商业人士。银行和合作方看他们的眼神,仿佛正在桌下找呼叫保安的按钮。

“最后救了我们的,是它扎在一个具体、真实、用户确实感到痛苦的问题上。”

他们从 YC 学到的,是把注意力放到容易解释的客户问题上。两兄弟此前做另一家公司时,已经反复碰到在线收款的麻烦;Stripe 的需求先在自己的工作里出现,后来又被其他开发者确认。创业者很容易”幻觉”出一个需求,再说服自己有人愿意付钱。支付的痛苦则不需要发明。当执行路径显得荒唐时,真实需求可以帮团队穿过漫长而难看的早期;一个漂亮的趋势词做不到这一点。那句”反正可能不会太难”,后来变成了 17 年的苦活。

两年才发布,Stripe 如何避免闭门造车?

Stripe 在 2009 年秋天写下第一行代码,2011 年 9 月才公开发布,接近两年。放在 YC 的语境里,这几乎会被每周追着催。但支付产品牵涉安全、合作伙伴、资金流动和可靠性,失败成本很高,他们需要先补齐基础设施。真正重要的细节是:2010 年 1 月,团队工作约两个月时,就有了第一个线上生产用户。那时产品像幼虫一样残缺,只能完成一次信用卡扣款。

“每一周,我们都有真实的客户反馈和新用户,学到的东西来自现实,而非自己推演出来的设想。”

第一个客户 Ross Boucher 起初只能刷一张卡。随后他问,怎么查看所有扣款?团队做了面板。他要退款,团队加上退款。过了几周,他又问:我的钱什么时候能到账?他们再去补打款功能。私测期间,客户数量每个月都在增加。”尽早发布”真正要防的是团队远离现实;公开发布的日期,和接触真实用户的日期,可以相差很远。

AI 时代,精益创业哪里可能失效?

传统精益创业常建议团队先买一批 Google 广告,找到一个狭窄入口,再向外扩张。Patrick 猜测,这些小缝隙在今天会被更快发现,也会被更密集地耕作。互联网比二十年前大得多,AI 又把软件和组织能力的成本压低,许多团队都能迅速冲进同一个小市场。

“在 AI 时代,也许你得更积极地与其他人去相关,选择一个没人占据的起点。”

二十年前,资本供给更少,也没有 AI 帮一个小团队快速搭出多种组织能力,窄切口几乎是唯一现实的选择。现在,团队有机会从一开始就做能力更多、野心更大的产品。过去十年里,模型实验室、Anduril 等成功公司,本来就很难套进窄切口的精益模板。Patrick 的语气仍然谨慎:很多领域继续从小处起步会更合理。变化或许发生在起点的选择上。容易复制的小切口变得拥挤后,真正偏离共识的方向反倒更有价值。

融资之前,先问”如果成功了呢?”

创业者天然会问:失败怎么办?怎么降低风险?Patrick 建议,在筹集一大笔钱之前,把问题翻过来。融资会带来员工、客户和其他人的承诺,成功会把创始人留在同一道问题上。如果公司真的长起来,它会占据你十年、十七年,甚至三十年。你还愿不愿意继续做?Oracle 的 Larry Ellison 已经接近半个世纪,这不是一个只在商业计划书上存在的时间尺度。

“你需要问那个相反的问题:如果你成功了呢?”

Stripe 有很多琐碎、艰苦的金融服务工作,但 Patrick 仍喜欢它的整体。他们通过 Atlas 参与了约四分之一特拉华州公司的设立,看着客户一路成长为 Shopify、OpenAI,也不断收到这些公司的需求。每家公司都像一套关于市场如何运转的应用理论。选题时只看”能不能做成”还不够,也要看成以后,你是否愿意长期生活在这个问题里。

大模型会碾过创业公司吗?先看数据

Patrick 建议把两种风险拆开:模型能力继续提升,可能直接消灭某些任务;模型公司亲自扩张到上百个领域,则是另一回事。二十年前,创业者经常问”如果 Google 做了怎么办”。Google 有人才、资本和服务器,仍然没有做完所有事情。人类组织要同时推进一百个优先级,内部干扰会迅速增加。巨头威胁真实存在,却不等于一张自动执行的清场指令。

“Stripe 上新成立企业的数量,同比已接近翻倍,是我们见过最大的年度相对增幅。”

这次增幅也有一个可比较的参照。疫情开始时,Stripe 看到新企业同比增长约 50%,已经是明显跳升;2026 年接近 2 倍的变化更大。更有意思的是质量。Patrick 说,新企业的中位表现比一年前更好,达到一百万、五百万或一千万美元收入门槛的概率都在改善,Atlas 公司从成立到获得收入的时间也在缩短。平时,新公司向 CIO 或 CTO 推销时,常被质疑产品没有验证、两年后公司可能已经消失。现在,继续使用旧系统本身也显得危险,采购者因此更愿意承担新供应商的风险。YC 也观察到,过去很难相信新公司的大企业,现在会在三个月一期的训练营里签下合同。消费者同样对新 AI 产品保持好奇。以 2026 年 7 月 Stripe 能看到的数据,创业数量增加的同时,成功指标也在变好。Patrick 曾担心 AI 会把经济收益集中到少数公司手里。Stripe 眼前出现的却是大量新公司成立、老公司重装工具,许多团队都在把新能力变成收入。这让他更愿意相信 AI 会产生数千个赢家。他没把趋势说成预言,未来仍未确定,但这些数据足以反驳”所有价值只会流向少数模型公司”的单一路径。

写在最后

如果你正在做 AI 创业,先回答两个问题:这周哪位真实用户会碰到产品?公司成功十年后,你还愿不愿意做?至于哪些知识必须留在脑子里,就看它是否会影响这两道判断。精益方法会变,校准判断仍得靠这些具体问题。


内容来源:”Patrick Collison: Is AI Breaking the Lean Startup Playbook?”丨Y Combinator(嘉宾:Patrick Collison)

原视频:https://www.youtube.com/watch?v=5d6y3poKwK4

相关文章:

《YC 合伙人:你寻找创业点子的方式不对丨Y Combinator》

《Box创始人Aaron:为什么AI时代属于创业公司丨Y Combinator》

《Brex CEO:当CEO先被AI改变,公司才会变丨YC》


清洗说明:已去除”微信扫一扫”“分享到”“使用小程序”等微信噪声;文末同名公众号导流卡片已剔除;原文无时间戳,推断 2026-08-12~13。