Why Garry Tan Says Founders Should Stop LARPing
a16z · 2026-08-13
Gary Tan 说，YC 创业者用 AI agent 和“技能文件”，两三个人 4 个月做到 1500 万美金 ARR，靠的就是把一切流程自动化。
巨头不会立刻倒下，创业公司却必须重做一切
Garry Tan 是 YC 的 16 名平等合伙人之一，早年在 Microsoft 的 Windows Mobile 工作，亲历过 2003 年互联网泡沫破裂后“湾区几乎没工作”的低谷。他也曾被 Peter Thiel 用一张 7 万美元支票招募，却因为想等 Microsoft 升职而错过机会。这种既在大公司内部撞过墙、又见过创业公司如何抓住窗口的人，谈 AI 时不只看模型能力，也看组织、关系和制度到底怎么运转。
这期回答了 7 个问题：
- AI 已经这么强，为什么 Garry Tan 反而判断社会变化会比想象中慢得多？
- 当一个人能相当于过去 400 个人时，创业者为什么不能再满足于做普通 SaaS？
- 怎样把一次完成得很好的工作，变成一个可以无限复用的“数字员工”？
- 代理怎样让 CEO 看见两层以下团队的真实冲突，而不靠层层汇报？
- YC 真正提供的，是人脉和品牌，还是一家创业公司最脆弱时的真实关系？
- 为什么 Garry Tan 认为真正的个人 AI 助手还没到来，核心障碍又是什么？
- 技术创业者为什么要把雄心从全国叙事收回到住房、治安和教育这些本地问题？
被问到 AI 会不会让白领岗位消失、形成“永久底层”时，Garry 给出的答案有点反直觉：模型进步极快，不等于社会会同步变形。他刚在 YC Startup School 面对过 7,000 名参与者，其中大多数只有 18 到 22 岁。这群人几乎是在 ChatGPT 出现后才成年，天然会把 AI 当作工作环境的一部分。但即便这一代人已经开始“跑起来”，整个社会把他们的习惯变成默认配置，仍要约 20 年。
他的判断不是安慰剂，而是对组织摩擦的估算。"society is way slower than you think. Government is way slower than you think. Every company in the world is way slower than you think."（社会的变化比你想象得慢得多。政府比你想象得慢得多。世界上的每一家公司都比你想象得慢得多。） 大公司里有预算周期、汇报链条、权限边界、遗留系统和既有客户。Garry 在 Microsoft 时，为了一个卡住上千名用户的 P3 级 bug，和产品经理跑去 Windows 团队当面沟通；邮件没人回，bug 也没人标记为“不修”。这不是某个人懒，而是七层组织之间的信息和责任断了线。
这意味着，AI 先改变的往往不是巨头的存亡，而是小团队解决问题的速度。Microsoft 有结构性理由不会消失：客户关系、渠道、现金流和基础设施都不是一夜可替换的。但创业公司不该把这理解成“巨头安全”。Garry 的结论恰好相反：大组织未必能迅速转身，创业公司却“能做到，而且必须做到”。窗口期就在这里——不是立刻吞掉所有公司，而是在它们缓慢调整时，先重写一套更快的工作方式。
被问到 vibe coding 和 agentic coding 会不会让创始人更有野心时，Garry 的措辞非常夸张，但他显然是认真说的。vibe coding 可以理解为：人用自然语言描述想法，让模型参与写代码；agentic coding 则更进一步，让代理自己调用工具、测试、修复并推进任务。他说，今天一个人能调动的产出，可能相当于两年前甚至九个月前的 400 个自己。"literally any given person could be 400 of that person like from two years like even like nine months ago"（任何一个人，真的都可能相当于两年前、甚至九个月前的 400 个自己。）
这会直接冲击纯 SaaS。SaaS 是“软件即服务”，最典型的商业模式是按用户席位收费：公司买 100 个账号，就付 100 个人的钱。两年前，市场还把 SaaS 的未来 12 个月收入给到 10 到 20 倍估值倍数，几乎像一条铁律。现在 Garry 在分析纯 SaaS 时，已经不确定这种按席位收费的模式，5 到 10 年后是否还站得住。如果一个代理能替一个人完成大量工作，客户为什么还要为越来越多“席位”付钱？
这意味着，2026 年做 SaaS 当然仍可以，但它更像一把楔子：先用一个清晰功能扎进客户流程，再跳到数据、网络效应或别的护城河。数据会随着使用积累，网络效应会让更多参与者彼此增益，这些才不容易被下一家用相同模型复刻。能力杠杆本身不会自动造出好公司。代码变便宜后，稀缺的变成 agency，也就是主动把事情往前推的能力；以及 taste，也就是判断什么值得做、什么该删掉的品味。过去拼“能不能交付”，现在更要拼“到底敢不敢定义一个更大的问题”。
被问到怎样把编码循环扩展到销售、营销和客服时，Garry 没有停在“用代理提效”这种笼统说法，而是给了一套很工程化的操作：完成一次高难度任务后，把过程变成 markdown 文件、代码和测试，然后丢进 cron job。markdown 是轻量文本文件；cron job 则是按设定时间自动运行的任务。换句话说，不是让 AI 临场“猜着做”，而是把一次成功的做法写成说明书、执行程序和验收标准，再让它反复执行。
"a markdown file is an employee."（一个 markdown 文件就是一名员工。） 这句话背后是一种资产观。Garry 用 G Stack 自动化过自己做产品管理时的思考，又做出工程管理技能，检查单元测试和端到端测试覆盖率。单元测试检查一个小功能是否正确，端到端测试则模拟用户从头到尾的真实操作。当其他环节都被自动化后，他发现自己最后只剩黑盒测试：不看内部实现，只从用户视角验证产品能否正常工作。于是他继续追问，连这一步能否交给代理。
这意味着，公司能力不必总寄存在某位员工脑中。代理做错一次，不只是一次返工；如果团队能迅速指出“这里错了、那里要改”，那次错误就能被写成永久保留的 bug fix。以后再遇到类似情况，系统会带着修复后的版本继续工作，经验不会因为人离职而清零。但边界也很硬：第一次把流程交给代理，往往又差又贵，需要多轮迭代。能否自动化，前提不是任务看上去很酷，而是人能否用足够简单、足够快的方式判断它哪里错了。
被问到这种递归改进的业务循环，会不会在错误、例外和人际关系面前失效时，Garry 提到 Brex 的 Pedro。Brex 是高度受监管的金融科技公司，使用 OpenClaw 这类能操作工具的代理，安全风险不能靠“相信它没问题”解决。Pedro 因此开源了 Craptrack：它监看代理产生的网络流量和操作记录，相当于给代理加了一层可观察、可追责的轨迹。
更关键的用法在管理上。Pedro 让代理读取直属下属的会议纪要，因此能看到两层以下团队发生的事情：哪个环节卡住，哪些人意见冲突，问题到底是资源不足、目标不清，还是协作关系坏了。"he can use meetings that he's not in now to figure out like what's broken, what's in conflict, like who's who's in conflict with who."（他现在能利用那些自己没有参加的会议，找出哪里坏了、哪里有冲突、谁和谁在冲突。） Garry 说，Pedro 甚至能带着某个合规团队过去三周的完整上下文走进会议，直接判断“你是对的，就按你的方案做”，然后离开。
这意味着，管理不必再以层层汇总为中心。过去 CEO 看到的往往是被润色过的结论；现在代理可以从会议、记录和数据中提取原始事实，补齐上下文。公司变大后，失败常常不是因为没人聪明，而是业务复杂到装不进一个人的脑子。代理、记忆和检索能给管理者接近“预知”的视野。但这不是把所有信息堆给 CEO 就结束了。信息越多，冲突也越多：必须知道事实来自哪里、哪个更新得更晚，还要定期用自动任务校验。否则，陈旧资料会像过期地图一样，把人带去错误的方向。
被问到 YC 怎样把局外人变成硅谷内部人时，Garry 先说了它想拆掉什么。旧式硅谷有一种人被叫作 scenesters，意思是擅长混场子的人：上对的学校，认识对的人，挤进对的派对，再设法进入那个社交网络。YC 的改法很朴素：网站上 12 个问题，后来加一段一分钟视频；另一头的评审者本身是做过创业的人，尽量给申请者公平机会。
今天 YC 有包括 Garry 在内的 16 名平等合伙人，全部自己经历过 YC，并有成功退出的创业结果。它每年还通过 Startup School 把大量人聚到旧金山，一次就有 7,000 人参加，其中很多人第一次来到这座城市。入口在线化，确实降低了“你是谁、从哪来”的门槛。但 Garry 说，创业公司最脆弱时，真正决定关系质量的不是 LinkedIn 上多了一个标签，而是你能不能把坏消息说出口。"on the day that you lose your best customer, on the day that your best engineer quits, like who you going to call?"（在你失去最大客户的那天，在你最好的工程师离职的那天，你会打给谁？）
这意味着，创业社群的作用不能只按融资介绍或名片数量计算。失去最大客户、最强工程师离职，或者联合创始人先失去希望而你不能失去希望，这些时刻需要的是能交换真实信息的人。TechCrunch 活动式的社交通常承接不了这个功能：人们互相问近况，答案往往都是“killing it”，也就是“一切都好、势头很猛”。这种表演能维持气氛，却无法帮人处理崩盘。机会可以通过网页申请获得，存活则更依赖能共同承受失控时刻的高信任同侪网络。
被问到下一代电脑会长什么样时，Garry 没有预测一款马上取代手机或笔记本的新硬件。他认为短期内电脑外形大体不变，长期却不可能一直如此，交互会明显走向语音。但“能语音聊天”离个人 AI 助手还很远。真正的助手要有长期上下文，知道用户在乎什么、害怕什么、想得到什么，并主动持续地帮忙。为此，它需要 computer use，也就是跨应用操作电脑；需要 memory；需要 diarization，即识别一段音频里是谁在说话；还需要 ingestion，把文件、对话和外部信息持续接入。
问题主要不在想象力，而在账单。Garry 的判断很直接："it’s really a cost thing. Like, it’s just too expensive right now."（归根结底这是成本问题。现在就是太贵了。） 他猜测 2027 年可能会出现“harness wars”——不同公司围绕代理运行框架、记忆和工具调用能力展开竞争。但真正面向十亿消费者的大规模竞争，要等到今天前沿模型水平的计算，降到每月约 50 或 100 美元，时间可能是两三年后。
这意味着，下一代个人计算的触发点不是模型再多会一点聊天，而是三件事一起跨过阈值：它记得住你，能替你在不同软件里行动，而且每个用户的使用成本低到产品可以大规模分发。Garry 自己也修正过判断。他曾因为成了 OpenClaw 的拥趸，觉得这一切会立刻发生；后来发现并非如此。方向没有变，时间表却必须重估。对做消费产品的人来说，这是一盆冷水：先别把“模型能力存在”误读成“商业条件已经成熟”。
被问到为什么投入旧金山地方政治时，Garry 没有把答案包装成宏大的全国叙事。他在一次陪审团服务中意识到，直接从事科技工作的人约占旧金山人口的 10% 到 20%，科技群体本来就是这座城市的重要组成。既然住在这里、用着这里的学校、交通和公共安全系统，就不能把公共事务视为别人该解决的麻烦。
他谈到几个让自己被迫行动的具体节点。亚裔美国人约占旧金山选民的 25%、人口约 30%。在 COVID 期间，他认为当时地方检察官忽视了针对亚裔长者的严重犯罪，学区委员会又反对亚裔孩子在公立初中学习代数。代数对他不是抽象课程：他在 Fremont 的公立学校读书，如果初中不能学代数，高中毕业前就无法学微积分，之后也不会进入 Stanford 学工程。于是，West Side 的华人围绕代数教育和亚裔长者死亡事件在线下组织，到农贸市场直接和人交谈。
"act local like take care of the people right next to you"（在本地行动，照顾你身边的人。） 这意味着，技术人擅长的组织、信息整理和行动能力，若只服务于融资、招聘或产品增长，公共系统就会留给最会制造姿态的人。Garry 把 Garyslist.org 定义为一种尝试：把旧金山的经验带到洛杉矶、纽约、明尼阿波利斯和西雅图。政府并不完美，他也没有把它浪漫化；但陪审团、投票、媒体问责和线下组织，仍是能推动规则的具体抓手。地方议题看似小，住房、治安、治疗与康复、学校课程，却决定了人能否安全生活、孩子能否获得下一步的机会。
这期反复在讲同一件事：停止 LARPing，也就是停止扮演“看起来像在参与未来”的角色，转而回到一手事实，并把判断落成能运行的系统。
“AI 不会迅速推翻巨头，组织迟滞反而留出创业窗口”说的是，不要把模型演示的速度误当成现实世界的速度；大公司仍被结构、流程和关系牵住。“一次做对的流程，会变成可无限复制的员工”说的是，创业者也不能只停在看演示，而要把自己真正做成过的工作，拆成 markdown、代码、测试和持续修复的循环。前者让人看清窗口在哪，后者让人知道怎么把窗口变成能力。
同样的逻辑也落在 YC 社群和地方政治上。能在最大客户流失那天接电话的人，比场面上的人脉更重要；能去农贸市场组织邻居、盯住课程和治安的人，比远处表达立场更能改变城市。AI 代理、创始人网络、公共参与，看似属于三个话题，实质都在问：当信息变多、选择变快时，你有没有办法接近事实，承担那块具体责任？
对读者来说，这不必从“改变行业”开始。可以先看自己的工作里，哪一项重复任务已经能被写成可验证的流程；也可以看自己的团队里，哪些坏消息因为层级而没被听见；再看自己生活的地方，哪个问题不是靠转发观点，而是需要有人到场。真正拉开差距的，往往不是谁最早喊出趋势，而是谁愿意把看见的问题接住。
