a16z 最新一期对谈里，Y Combinator 总裁 Garry Tan 给出的结论很直接：创业者最贵的错误，不是做错某个产品判断，而是一遍又一遍追逐当下最热的东西。
这期对谈由 Garry Tan 与 Anish Acharya 展开，内容持续两个小时，话题从他的职业起点、错过的机会，一路谈到 AI 正在怎样改写创业规则。按照文中转述，Garry Tan 反复回到同一个问题：创业者真正该问的，不是「现在什么最热」，而是「自己真正懂什么、愿意长期投入什么」。
两次高代价误判：离开 Web，拒绝 Palantir
Garry Tan 在访谈中提到，自己职业生涯里最大的错误，并不是单一产品决策失误，而是总在错误的时间追逐看起来更热的方向。
2003 年从斯坦福毕业时，他本来已经在 Web 编程上有扎实积累。但因为 Web 1.0 刚崩盘、Nasdaq 暴跌，外界普遍认定 Web 已死，他转去追 Windows Mobile。按他的说法，当时 Mark Zuckerberg 大概正在做 Facemash，Facebook 还没有诞生，而他却在这个节点离开了 Web 编程。他把这段经历概括为「走错了方向，走对了时机，就是这么讽刺」。
另一件事代价更高。Palantir 创立时，Garry Tan 的斯坦福兄弟会兄弟 Joe Lonsdale 和 Stephen Cohen 正在 Peter Thiel 的对冲基金实习。Peter Thiel 曾专门飞到西雅图找他吃饭，并直接开出一张 7 万美元的支票，表示这就是他当时的年薪，希望他加入 Palantir。Garry Tan 最终婉拒了这份邀请，因为他觉得自己那一年可能升到 level 60。
他在访谈里自己估算，那次拒绝从今天回看，大约相当于一个 20 亿到 40 亿美元的错误。
但在 Garry Tan 看来，这两次错误的根源完全一致：他当时看的是「地图」，不是「地形」本身。他更在意什么看起来更酷、什么更容易得到优秀投资人的认可，却没有认真观察身边最聪明的那群人到底在做什么。
他把这种选择背后的能力归结为 courage，也就是勇气。文中提到，他认为真正难的不是判断风口，而是在 Twitter 或 Wall Street Journal 的声音之外，仍然相信自己的直接经验。与之相关的另一个词是 earnestness。按他的表达，这不是幼稚，而是成熟之后才有的能力：在所有人都说相反意见的时候，仍然相信自己亲手验证过的事实。
Silicon Valley 的魔法，常常从边缘地带开始
Garry Tan 还谈到一个他非常看重的规律：Silicon Valley 过去几十年里最重要的创新，起点几乎都是当时看上去奇怪、边缘、不主流的东西。
他举例说，「每家人的桌上都有一台电脑」在当年就是典型的怪人梦想。Homebrew Computer Club 那群人在外界眼里，不过是一群边缘怪人朋克。但正是这群人，定义了此后几十年的计算机时代。
在他看来，真正好的想法还有一个共同特征，就是你找不到它清晰的边界。越往里走，越会发现它的智识边界是开放的、无穷的，而不是一个可以很快定义清楚、很快数清参与者和路径的东西。相反，那些一眼就能被完整定义的机会，通常已经是竞争足够充分的区域。
围绕 YC 的角色，Garry Tan 说，YC 本质上做的是把原本需要关系和圈层才能进入的 Silicon Valley，变成一个任何人只要有好想法、也能执行，就有机会进入的地方。他把 YC 的 Startup School 称为「birthright for tech」。每年有 7000 人涌到旧金山，其中多数是第一次来到这里；你来自哪里并不重要，关键在于你的想法和执行力。
按文中转述，YC 提供的不只是资金和品牌背书，还包括一个能说真话的社群。这个社群不是在活动场合彼此寒暄「killing it」的表演，而是在最难的时候，真的可以打电话求助的人。
一个人可以顶两年前的 400 个人
谈到 AI 对创业的改写，Garry Tan 给出的说法很具体。他表示，通过 vibe coding 和 agentic coding，一个创业者现在可以成为两年前的 400 个自己，而且这不是修辞，而是字面意义上的变化：一个人就能把过去需要完整工程团队推进的工作做出来。
基于这个判断，他对纯 SaaS 模式提出了明确警告。Garry Tan 认为，没有任何数据护城河、也没有网络效应的纯 per seat SaaS，在未来 5 到 10 年内可能不再成立。原因并不复杂：AI 正在把「做出软件」这件事的成本压低到接近于零。软件本身不再构成护城河，真正能留下来的，是数据、用户关系和网络效应。
因此，他的建议是，如果创业者在 2026 年还在做一个纯 SaaS，最好确认它只是通往更深层 moat 的跳板，而不是终点。
他在访谈里还说了一句非常核心的话：code is no longer precious。按照这套逻辑，以前代码昂贵，写代码前必须先立项、评审、写 spec、做 QA，因为每个环节都是为了降低做错的成本。现在写代码的成本几乎不再是主要约束，整套组织流程背后的前提也跟着变了。更稀缺、也更昂贵的东西，转而变成 taste 和 agency——知道该做什么、什么值得投入精力，反而比以前更难。
「一个 markdown 文件就是一个员工」
Garry Tan 在访谈中用了一个非常具体的比喻来解释 YC 内部如何使用 AI agent 处理业务流程。
他的说法是，先把一件事亲手做一遍，做到足够好，然后把它整理成 markdown file，加上代码和测试，再放进 cron job 自动运行。原话是：「a markdown file is an employee。」在他的定义里，这样的「员工」不会第二次犯同样的错误；只要指出哪里错了，修复就会变成一个永久保留的 bug fix。
这套工作方式，本质上是在把可重复的业务流程固化成 skill file。工程有工程的 skill，销售有销售的 skill，客服也有客服的 skill。第一次跑通常不会完美，但在反馈和修正中，这个 skill 会越来越准确。到最后，这件事要么不再需要人手完成，要么只需要人来负责定方向和处理 edge case。
他还提到 token maxing 的概念。Garry Tan 说，如果有人想提前感受 2028 年的工作方式，现在就可以做到：用 Open Claw 或 Hermes Agent 之类的工具，把 context window 拉到 80 万到 100 万 token，让 agent 在每次任务中都带着完整上下文思考。
他估算，这种做法目前一年大概要花 5 万到 10 万美元，对大多数人来说太贵，但对 CEO 或创始人是值得的，因为这相当于用今天的成本，提前进入三年后的世界。
在这套框架里，skill file 的意义并不只在于自动化。更关键的是，当 agent 数量越来越多，组织需要一种方法保存它们积累下来的知识和流程，避免每轮对话结束后全部丢失。把流程写进 markdown file 和代码，等于是在给 agent 建立长期记忆，以及可迁移的「肌肉记忆」。
Pedro 的会议记录 agent，指向管理层重构
访谈里另一个让 Garry Tan 印象深刻的例子，来自 Brex 联合创始人 Pedro 使用 AI agent 管理公司的方式。
按照 Garry Tan 的描述，Pedro 让 agent 读取他所有直属下属的会议记录，这样 agent 就能够看到两级以下的信息。换句话说，即使 Pedro 没有亲自参加某个合规团队的会议，agent 也可以帮他梳理过去三周那个团队讨论了什么、哪里存在分歧、谁和谁之间有摩擦。随后，他可以带着完整上下文直接出现在某场会议里，说出「你是对的，我们按你的方案做」，然后离开。
在 Garry Tan 看来，这才是 AI 触及到的深层管理问题。公司一旦大到超出单个人的认知边界，很多问题就会在组织中层消失，因为没有人具备足够带宽去持续理解每个角落发生的事。文中援引他的说法称，心理学里常提到人类工作记忆的上限是「7 加减 2」。但一个人加上配置得当的 agent，可以在脑中装下三本《哈利·波特》那么多的上下文。
这不只是效率提升，而是认知能力的扩展。
顺着这个例子，Garry Tan 进一步指出，传统管理层之所以存在，很大程度上是因为组织内部的信息流动存在摩擦，每个人能处理的信息量有限，所以才需要一层层汇报和协调。如果创始人能够借助 agent 直接感知组织两级以下的状态，那么管理层的存在理由就需要被重新定义。许多过去由中层管理者承担的组织协调工作，在他看来，本质上应该交给 agent，而不必由人来完成。
AI 的影响不会一夜之间完成，他估计要 20 年
对于 AI 改变世界的速度，Garry Tan 在访谈中给出了一个相对克制的判断：它的影响会比大多数人预期得慢很多，但这恰恰是一个 white pill，而不是坏消息。
他的逻辑是，整个世界的基础设施、公司、机构和政府，都建立在人类一次只能在脑中装下「7 加减 2」个信息单元的前提上。过去几千年里，这个前提一直成立，因此我们看到的组织架构和流程设计，本质上都是为了适应认知局限而形成的。现在这个前提开始被 AI 打破，但这种变化不会在一夜之间完成，因为人有惯性，机构也是惰性系统。
他估计，这个转变大约需要 20 年。
而在创业者视角里，这 20 年恰恰构成机会窗口。Garry Tan 在访谈里说得非常直白：「an org like Microsoft can't. But a startup can. And every startup must.」
他用自己在微软的经历解释这句话。那时他为了推动另一个部门处理一个 P3 级别的 bug fix，花了 4 个小时，甚至带着棒球棒跑到对面大楼；而对方既没有回邮件，也没有标注 won't fix，就是直接忽视。这种官僚式低效，在他看来并不是个别人造成的，而是大公司组织设计的结果。
因此，AI 变化虽然慢，但并不意味着可以等待。相反，真正会被拉开的差距，是会不会使用 agent 的人和组织之间的差距；只是这种差距未必会在一个季度内立刻显现。
下一台电脑：语音、记忆与 2027 年的「harness wars」
在谈到下一代计算形态时，Garry Tan 给出了一组更偏前瞻的判断。
他认为，短期内界面可能还会保持现有样子，但语音交互几乎已经是确定方向。比语音更重要的，是 memory 这个维度。他希望未来的计算机不只是一个回答问题的工具，而是一个带有善意、了解用户希望、恐惧和欲望，并持续帮助用户实现目标的存在。
Garry Tan 把 2027 年称为「harness wars」的起点。他的判断是，当前最前沿模型的计算成本会在未来 2 到 3 年内降到现在的几十分之一。到那时，消费级 AI 产品会迎来真正的大规模竞争。今天用户花 50 到 100 美元所能获得的模型能力，可能就对应当前最顶尖的一档智能；等成本进一步下降后，真正拉开差距的会变成用户体验、memory 设计和多模态交互。
他把这种竞争比作浏览器大战的回归。
沿着这条逻辑，未来 AI 助手之间的护城河，不只是谁的模型更聪明，更在于谁能更好整合用户历史记忆、行为偏好和工作上下文。当前无论是 ChatGPT 还是 Claude，大多数对话仍然接近「从零开始」，模型并不知道用户上周做过什么决定、长期目标是什么、讨厌什么沟通方式。一旦这个问题真正被解决，AI 助手就会从工具转向伙伴，用户迁移成本也会迅速上升。
AI 时代更稀缺的，是 taste 和 agency
回到整场对谈最核心的判断，Garry Tan 反复强调的仍然是 taste 和 agency。
他的观点是，AI 把「做出东西」的门槛压到了接近于零，但它并没有降低「知道该做什么」的难度，甚至让后者变得更难。因为当资源约束下降后，创业者面对的不是更少而是更多选择，许多方向都变得「可行」，真正稀缺的便成了判断力。
Garry Tan 也借自己的经历说明这一点。他形容自己是一个 late bloomer，犯过很多错误，拒绝过 Palantir，也离开过 Web；但这些经历至少证明，人可以犯错，可以认真反思，也可以做出不同选择。文中援引他的说法称，真正值钱的能力，是 introspect 和 iterate。
从 2003 年追逐 Windows Mobile，到错过 Palantir，再到后来带领 YC，Garry Tan 的路径在这场对谈中被呈现为一条不断误判时机、误把「热」当成「对」，又不断修正方向的路线。而在他看来，AI 时代真正会被放大的，正是这种愿意认错、愿意调整、愿意在外界不看好时仍然去行动的人。
