Patrick Collison 在 YC Startup School 2026 的演讲，表面上谈的是 AI 时代该学什么、要不要退学、Stripe 为什么花近两年才公开发布，最后落到一个更少被创业者问的问题：如果真的成功，你还愿意做这件事十年、十七年，甚至三十年吗？1
本期对应的官方节目页收录于 Y Combinator Library。2
这期讲了什么
1. AI 能调用知识，但还不能替你建立认知缓存
Patrick 用计算机缓存作比喻：从 L1 缓存取数据，比从 RAM 取数据快；从人的「认知 L1 缓存」取知识，也比每次通过模型、语音工具或网络往返更快。即使模型能力继续提升，他仍认为人的神经检索在很长时间里会更快。Stripe 和 AI 实验室仍愿意为认知能力支付高溢价，这也是他不主张过早放弃基础学习的现实理由。
他自己仍然写作。不是因为模型不会写文章，而是因为他认为模型的文字在推理、人与人沟通，以及现实世界的多维度判断上仍然不够好。Gmail 和 WhatsApp 已经会主动给出预写建议，但他至今没有发送过一条。
2. 退学不是创业的必要条件，也不是不可逆的陷阱
Patrick 曾两次从 MIT 离开：第一次与 Harj 创业，后来回到 MIT 读了一年，再次离开去创办 Stripe。他承认当年的紧迫感有些多余。喜欢大学、喜欢正在学习的东西，可以读完；如果大学并不吸引你，离开的现实代价也没有很多父母想象得那么大。
他反对把 2026 年说成「错过就永远跌入底层」的最后窗口。航空诞生时，人们也曾预测文明会永久改写。创业机会在硅谷已经持续出现了几十年，他会押注这不会是最后几年还能创办公司的时期。
3. Stripe 的起点不是「互联网加金融」这个大叙事，而是一个用户愿意付钱解决的麻烦
互联网很重要、钱也很重要，把两者放在一起听起来当然合理，但这不足以让一个金融服务公司成立。Stripe 的具体起点，是网上收款非常痛苦：流程过时、不受欢迎，要填表、亲自去银行，文件甚至用拉丁文。
两位年轻创始人去找银行和合作伙伴时，很多人并不把他们当成真正的金融公司。但问题足够具体，用户确实会为它付钱，这让他们可以从反馈中修正产品，而不是依靠宏大愿景说服所有人。
4. Stripe 先有生产用户，后有公开发布
Stripe 在 2009 年秋天写下第一行代码，2010 年 1 月拿到第一个真实生产用户，2010 年夏天开始全职，直到 2011 年 9 月才正式公开发布。两年等待公开发布，放在通常的「尽快发布」标准里很慢；但支付业务还要先解决安全、银行合作、资金流、基础设施和可靠性。
他们没有在荒野里闭门造车。第一个客户 Ross Boucher 只能扣一次卡，随后不断提出具体问题：怎样查看全部扣款？怎样退款？钱什么时候到账？Stripe 按这些真实请求逐项补齐产品，并在私测阶段每月增加客户。
5. AI 可能让创业从「找到小缝隙」转向更分散、更大胆的起点
传统 Lean Startup 的路径是从一个小而明确的需求开始，再迭代扩张。Patrick 认为，互联网已经比二十年前大得多，许多小缝隙也被更多团队争抢。AI 降低了组建具备多种能力的组织的成本，创业者或许可以从更激进、更分散、竞争者还没有占据的方向开始。
他举的不是一个万能的新方法，而是一个观察：过去十年最成功的许多公司，包括 AI 实验室和 Anduril，并不符合狭义的精益创业模板。资本条件和技术条件变了，创业的起点也可能跟着变。
6. 先问「如果失败怎么办」，还要问「如果成功怎么办」
创业者通常会想办法避免失败，却很少提前想象成功后的日常：有了客户、员工、合规、工资和复杂的业务金融服务之后，你还愿意做这件事十年、十七年、三十年吗？
Patrick 认为，Stripe 的奖励在于能长期接触世界上最有趣、最有创新力的公司。从通过 Atlas 注册的公司，到后来成长为 Shopify、OpenAI 这样的突出成功者，Stripe 可以持续听到客户的请求和反馈。具体工作里当然有发工资等琐事，但一家公司整体上仍然可以是一套关于世界如何运转的应用理论。
7. 大模型会淘汰一些任务，但不等于大实验室能同时做好一百个方向
Patrick 不否认模型能力会继续提高，也承认某些垂直领域、任务和工作流会被自动化。但「模型有能力做到」和「复杂组织能把这件事做好」不是同一个命题。Google 曾经看起来拥有无限人才、资本、服务器和能力，但它也没有同时做成所有事情。
他引用 Stripe 的数据给创业者一个相反于「现在不要创业」的信号：截至演讲时，新成立的企业数量同比接近翻倍，接近历史上最大的年度相对增幅。中位数企业今年的表现好于去年，达到 100 万、500 万、1000 万美元等收入门槛的概率也在改善，通过 Atlas 注册的新公司的收入形成时间正在缩短。
8. AI 经济未必只会走向少数公司的集中
Stripe 看到的不是只有少数模型公司获益。大量新公司正在使用新能力，老公司也在重新配置业务。企业越来越害怕维持过时的现状，反而更愿意从一开始就购买初创公司的产品。
因此，Patrick 不认为 AI 必然是一股把经济全部集中到少数公司的力量。他的判断仍然不是确定性预言，但就当时看到的趋势而言，世界可能会走向更多公司获胜、经济更分散、繁荣覆盖面更广的方向。
人物
Patrick Collison：Stripe 联合创始人兼 CEO，与 John Collison 共同创办 Stripe；爱尔兰出生，曾就读 MIT，先后两次离校创业。本期演讲还谈到他高中时期编写 Lisp 方言 Croma，以及他从物理学、系统设计和创业实践中形成的学习观。1
Harj Taggar：本期主持人，YC 相关创业与创业辅导者。Harj 与 Patrick 约二十年前相识，曾共同创业，并在 Startup School 2026 与 Patrick 对谈。
逐句全文翻译
以下内容根据 YC Root Access 发布的完整逐字稿，按 Harj Taggar 与 Patrick Collison 的原始发言顺序翻译。1 只保留中文译文，不压缩、不删减对话内容。
Harj Taggar： 好的，Patrick，非常感谢你来到这里。欢迎来到 Startup School。
Patrick Collison： 很高兴来到这里。我和 Harj 第一次见面已经是 20 年前了，当时我们一起创办过一家公司。抱歉，我是不是把开场介绍说完了？
Harj： 我以为这是我的访谈，不过你继续说吧。你做得很棒。
Patrick： 我本来想说的是，很多年前我们一起创办过一家公司，我从 Harj 那里学到了非常多东西。所以今天也能一起做这件事，真的很有意思。
Harj： 对。说到这个，我第一次在二十多年前见到你的时候，我认为你当时最令人印象深刻的成就是 Croma，也就是你写的那个 Lisp 方言。
Patrick： 这里有 Lisp 程序员吗？哇，好吧。我好像听到有一个人欢呼，这已经比我预想的多了。不过，是的，我高中时非常喜欢 Lisp。
Harj： 对。我想问的是，现在一个多产的 16 岁少年，大概只要给 Claude 写个提示词，就能让它帮自己写出 Lisp 方言。你会建议他不要这么做，还是仍然去做？做这种事还有价值吗？
Patrick： 我不知道。我经常想这个问题。很明显，一方面，过去自己写汇编和机器码、优化指令、布局、内存以及所有这些东西，真的很有趣。现在我们不必再做这些了，编译器会替我们完成。我们也没有太为此哀悼。所以，也许同样地，我们不应该哀悼源代码。我们应该超越指令这一层，进入 Claude 以及类似工具的层面。不过在情感上，我还是会想念它。
Harj： 那么，刚才我和这里的学生们待在一起时，感觉这个问题背后也许是：很多人只是想知道，在大学里到底应该学什么？在 AI 时代，他们应该在多大程度上努力从第一性原理出发学习和推导，又应该在多大程度上把事情外包给 AI？
Patrick： 对。我的模型是 cache，也就是缓存，拼写是 C-H，不是 S-H。Jeff Dean 有一组著名的数字，每个程序员都应该知道，包括带宽、延迟，以及构建系统时应该用来推理的各种相关常数。很明显，当你考虑构建任何系统、分布式系统之类的东西时，不同组件之间的所有查找和相关带宽都非常不同。从 L1 缓存中取回某个东西，和从 RAM 中取回它完全不同；从 RAM 中取回，又和跨网络取回完全不同。
我认为知识也是这样。好吧，你可以让 agent 或其他工具替你计算某个东西，或者替你查找某个东西，但这比把它存放在自己的认知 L1 缓存里慢得多。你的大脑可以进行的往返次数，也远远多于你通过 Superwhisper 嘟囔出来，或者把内容打出来所能完成的往返次数。
所以，即使我们承认模型拥有全部能力，我仍然认为，在很长一段时间里，神经元层面的检索都会快得多。再看企业自己显露出的选择，无论是 Stripe 这样的公司，还是实验室之类的机构，认知能力似乎仍然有非常高的溢价。因此，在还没有证据证明这些收益已经饱和之前，就放弃它，我认为还为时过早。
Harj： 有没有一些具体的事情，是你个人，或者作为 Stripe CEO，仍然会刻意自己完成、从自己的缓存里取出来，尽管 agent 可能也能做得相当不错？
Patrick： 我仍然自己写作。一方面是出于理念，另一方面也是因为具体来说，我不喜欢模型写出来的东西。我觉得这非常有意思，对吧？这些模型可以证明雅可比猜想之类的东西，所以它们显然有能力完成那些极其惊人的任务。但不知怎么的，我至今还没有读到一篇让我觉得特别有说服力的 LLM 文章。这个领域很难通过强化学习来限定，因为效用函数之类的东西很难定义。
不过，是的，我认为写作，还有人与人之间的沟通，非常基础；一个人能否在现实的多维空间里进行合理推理，也非常基础。在某种无法描述的意义上，我觉得模型在这些方面仍然有所欠缺。所以，直到现在，我还没有发送过任何一条这类建议。现在每个工具都在试图用预先写好的建议来提示我，无论是 Gmail，还是据说刚刚推出这项功能的 WhatsApp。
我想，我这辈子至今仍然一条都没有发送过。
Harj： 好。能不能谈谈 Stripe 的故事，尤其是早期的情况？你当时在 MIT，后来离开学校去创办 Stripe。你是怎么考虑这个决定的？当然，我们现在身处一个坐满大学生的体育场里。学生应该怎样判断，自己是应该提前离开大学去创业，还是应该留下来？
Patrick： 是的。我可能有一个不太寻常的经历：我曾经两次退学去创办公司。所以有一件事大家应该知道，退学并不是一扇只能向下掉、无法回头的陷阱。你可以退学，实际上也可以再回来。我大一上完一个学期后退学，和 Harj 一起创办了公司。那段经历非常有趣。几年之后，我又回到 MIT，读了另外一年，然后再次退学去创办 Stripe。
我上大学时，可能和这里的很多人一样，曾经设想过自己的人生会包含成为一名学者。我很喜欢物理学，想着自己会去做各种物理研究。那太酷了。我读过所有费曼的书，所有这些东西。
不过，我在爱尔兰长大，没有怎么想过创业的可能性。向这里其他爱尔兰人问好。很久以前，在那个还处于前寒武纪时代的年代，创业公司即使在校园里也远没有现在这么为人所知。所以我退学时，大家觉得这非常奇怪。
总体来说，如果你喜欢大学，读完没有任何坏处。我当时有一种很强的紧迫感，但现在回头看，那有点没有必要。如果你不喜欢大学，它不是你的事情，也不是能吸引你的东西，你并不真的想学物理之类的东西，那么我认为，很多家长担心退学风险太大，担心这会损害你的声誉，让你一辈子都抬不起头来。但就我所知，从来没有人在乎过这件事。
所以，我一方面认为你没必要退学，另一方面，退学的现实代价也小得几乎可以忽略。
Harj： 你当时感到的紧迫感是什么？
Patrick： 紧迫感？
Harj： 对，想要出去做点事情的那种紧迫感。
Patrick： 我不知道。人生苦短。那是一种整体上的急切感。我想，我们很多人，当然这里很多人应该也有过类似经历，都会进入一种把高中快速通关的状态。到了大学，就会想，显然我也要把大学快速通关，把所有事情都做完。所以其中有一部分是这个原因。
Marc Andreessen 也谈过一种类似的看法。我当时觉得，创业、硅谷以及类似领域中的许多机会都是短暂的、稍纵即逝的。如果我们当时不去做，三四年后可能就做不了了，所有机会也许都会消失。
现在回头看，我觉得那是一个很差的直觉。几十年来，硅谷一直相当稳定、可靠地存在一片机会面。
是的，我想主要就是这两件事。
Harj： 我们现在和学生交流时经常听到一种说法：他们想集体退学，或者至少看起来想集体退学，部分原因是担心现在真的就是那个时刻。我想，最近流行的说法是，如果你不退学、不创办公司、赚很多钱，就会被困在永久的底层。我的问题大概是，这里每个人都应该担心自己被困在永久的底层吗？
Patrick： 我认为，人类确实一直喜欢那些认为一切很快就会结束、社会很快就会永久转型的千禧年式模型。有一本很棒的书，叫《有翼的福音》。人们曾经认为，航空发明之后，文明正进入一个新时代，人类这个物种也正进入一个新时代，以后一切都不会再相同。
当然，航空是非常重大的事情，但我不认为它真的像当时那些兴奋的支持者想象的那样，彻底重写了社会学。所以，预测任何事情都很难，尤其是预测未来。但我会押注，这不会是最后几年还能创办公司的时期。
Harj： 回到 Stripe 的故事。Stripe 从表面上看像个好主意。第一天，互联网很重要，钱也很重要，把这两件事结合起来。你去告诉别人想创办 Stripe 时，事情是这样发展的吗？大家是不是都说：「这显然是个好主意。」
Patrick： 这件事有点好笑。我们从 YC 学到的一件事，是专注于非常具体、容易解释的客户问题有多重要。人很容易凭空想象出一个客户问题，但那个问题并不是一个真正会让某个付钱的人产生强烈感受的问题。
我们一起做 Auctomatic 的过程中，遇到过这样一个问题：在互联网上处理资金流转、支付之类的事情非常烦人。一方面，这似乎显然是个好主意，因为没有人喜欢当时的做法。那些方式普遍非常不受欢迎，也非常过时、陈旧。你要填一堆文件，还要亲自去银行。文件是用拉丁文写的，一切都很糟糕。
但另一方面，让两个年轻人创办一家金融服务企业，又显得非常荒谬。
当时甚至还不存在 FinTech 这个行业。这个词在字面上都不存在。所以，我们感觉自己像是两只穿着风衣、假装成真正企业或严肃成年人的松鼠，只是我们一开始对这个领域显然什么都不知道。
我们见过、向其推介过的很多人，包括银行、合作伙伴以及其他和我们交谈的人，他们没有真的把我们笑出门外，但你可以看到他们在桌子下面寻找呼叫保安的按钮，把我们拖出去，因为这件事看起来实在太不可能了。
所以，我会说，这件事一方面显然是个好主意，因为人们真的想要它；另一方面又像个坏主意，因为没有人认真对待我们。但我认为，产品建立在一个如此具体、真实的用户问题之上，这一点救了我们。
Harj： 说到这里，为了真正把产品做出来，你们必须找到银行合作伙伴，完成一个典型软件公司不必完成的流程。作为两个年轻的创始人，你们最后是怎么说服一家银行信任你们的？
Patrick： 是的。不过这不是在回答你的问题，只是我坐在这里时突然想到一件事：我们决定创办 Stripe，是因为 John 和我当时一起在大学。他是大一学生。2009 年，我们参加了 Startup School，地点在伯克利。我们觉得活动挺酷，所以结束后去了 Potrero 吃寿司。
我们吃完寿司往回走，一直在讨论支付方面的想法，也在思考这个领域。就在 Startup School 结束后那天晚上，我们从寿司店走回去的路上，决定创办 Stripe。很酷。我还记得自己当时站在路上的什么位置，也记得我们对彼此说了什么。我们说的是：「既然这样，不如就做吧，因为可能没那么难。」
Harj： 好，所以这个故事的寓意是：今晚去 Potrero 吃寿司，说不定你就会创办下一家 Stripe。
Patrick： 是的，也要小心这些终极的「剃须」任务。我们以为可以在上大学的同时顺便做这件事，几个月就能完成。那已经是将近 17 年前的事了。
Harj： 我记得，当时你们还有一点不同，那就是花了更长时间才进行一次大型公开发布。尤其是在 YC 的世界里，口号非常明确：尽早发布、快速发布、把产品放到外面，然后迭代。你能不能谈谈你们为什么采用了那种方式？
Patrick： 可以。我们认真开始做 Stripe，是在那次 Startup School 之后的一周。不过当时我们还在上大学，并不是全职。2010 年夏天，我们开始全职做 Stripe。2011 年 9 月，我们公开发布。所以从写下第一行代码、启动代码仓库算起，差不多过了两年。
如果我们每周都参加 YC 的会议，等到两年后才发布，我想大家可能早就把我们的脑袋敲扁了。你看，在很多领域，这可能确实是错误的做法。但在我们的领域，回到你上一个问题，因为我们必须处理安全、合作伙伴、资金流转、基础设施、可靠性以及所有这些事情，我们觉得，如果不先把大量前置条件和基础设施建立好，就无法扩展出真正优秀的自助服务体验。
真正救了我们、让我们不至于完全在荒野里迷路的事情，是我们几乎从一开始就有生产用户。
2009 年秋天写下第一行代码。2010 年 1 月，我们就有了第一个真实的生产用户，也就是开始工作大约两个月后。所以它一开始能做的事情非常少，非常幼稚，也非常不完整。
我们的第一个生产客户是 280 North 公司的 Ross Boucher。当时产品唯一能做的事情是扣一张卡。Ross 会扣卡，然后提出一个合理的问题，比如：「我怎样才能查看自己的全部扣款？」这是个合理的请求。好，那我们就在这里放一个小仪表盘。
然后他会说：「我想退回一笔付款。」好，那我们就加入退款支持。几周之后，他又说：「我什么时候能拿到钱？」这同样是个合理的请求。
好，那我们就把这个功能做出来。这就是一种非常及时的开发方式。
总之，我们很早就有了一个生产客户。之后，在私测阶段，我们每个月都增加客户数量，一直持续到公开发布。每周我们都会收到真实的客户反馈和请求，会有新用户进来。我们从现实中学习，而不是只依赖自己假设或外推出来的想象。
我认为，如果你有这样一条持续不断、能把产品拉回现实的反馈流，那么不一定非要严格遵守「发布、发布、发布」的节奏。你是 YC 的资深合伙人，你同意吗？
Harj： 这是个好问题。是的。一般来说，建议的问题在于它总是过于概括，尤其是在创业中，例外往往能说明规则。如果失败的代价很高，那么你几乎肯定需要花更长时间来构建产品。
也许稍微岔开一下，我对另一个相关问题很好奇。我们刚才在谈编程 agent，以及用低成本快速构建和生产软件的能力。人们是不是应该更多地走这条路？是不是应该整体上变得更有野心，提升自己准备发布的第一版产品的规模？还是说，从根本上讲，产品设计仍然应该从狭窄、聚焦的方向开始，知道人们想要什么之后再向外扩张？
Patrick： 这是个好问题。我想，在 AI 时代，也许情况会不同。我不知道。在某种程度上，YC 会是这里的专家。但传统精益创业的教条，正如你说的那样，是先买一些 Google 广告之类的东西，找到一个缝隙，然后从那里逐步向外迭代扩张。
你当然可以想象，这种做法会变得更有竞争，也会被更积极地开垦，找到那些小众缝隙会越来越困难。互联网比二十年前那些观念出现时大得多。
相比之下，从真正分化的起点开始，也就是从没有其他人试图占据的领域开始，可能会更好。基本上，在 AI 时代，你可能需要更积极地让自己与其他人脱相关。我觉得，回头看看过去十年最成功的许多公司，会很有意思。
其中很多公司都非常反精益创业，对吧？无论是 AI 实验室本身，还是 Anduril，或者你可以继续列举很多公司，它们都有这个特征。
所以，我想更好的说法是：20 年前，精益创业几乎是唯一能做的事情，因为当时可用的资本有限，也没有 AI 来让一个拥有许多不同潜力和能力的组织更容易启动。但现在，我认为你可以从一开始就做规模更大、更激进、更有野心的事情。
Harj： 在 YC，可能也在整个创业世界里，你至少因为 Paul Graham 提出的 schlep blindness，也就是「苦差事盲区」而出名。Stripe 至少从表面上看包含很多苦差事，这些事情似乎并不是最有智力吸引力的工作。
我一直觉得这对你尤其有意思，因为你刚才提到自己对学术有兴趣，显然有很强的求知欲，也对很多不同的事情感兴趣。随着 Stripe 成长为一家大公司，有哪些智力上的奖励是你放弃了的？又获得了哪些新的奖励？
Patrick： 在任何公司里，都有一堆本身不怎么有回报、也不怎么有趣的事情。没有人创办公司是为了给员工发工资。当然，建立企业金融服务业务还会涉及各种更加晦涩、更加广泛的事情。
在这一点上，我其实觉得自己在 Stripe 非常幸运。我不知道你是否需要从一开始就想太多，但一旦开始思考，也许在你筹集大笔资金之前，你总会很自然地担心失败的可能，担心失败后会发生什么，担心怎样降低风险、避免失败，以及所有这些事情。
我认为，你需要问一个与之相反的问题：如果你成功了呢？如果你筹到了钱，有了客户，有了员工，事情变成了一整套业务呢？
你会喜欢那样的结果吗？你愿意做这件事十年、十七年、三十年吗？我的意思是，甲骨文的 Larry Ellison 现在还在继续做，我想很快就要接近半个世纪了，对吧？
所以，如果你成功了呢？
以 Stripe 为例，我真的很喜欢它，因为我们在与全世界最有趣、最有创新力的公司合作。特拉华州所有公司的 25% 都是通过 Stripe 的 Atlas 创办的。接着，我们可以和它们建立合作关系、一起工作，听到它们的反馈和请求，在它们一路成长的整个过程中与它们合作，直到它们成为 Shopify、OpenAI 以及其他特别成功的公司。
对了，说到 Atlas，我们要为 Startup School 的每一位参与者免费提供 Atlas 公司注册服务！如果你今晚吃饭时突然产生了创办某个东西的冲动，就像我们当年一样，只要给 startupschool@stripe.com 发邮件，我们就会把免费的 Atlas 链接发给你。
不过，是的，我认为 PG 抓住了一件事：这里面确实有很多琐碎任务。但从 Stripe 的整体来看，我觉得它非常有意思。每一家企业，都是一套关于世界某个方面如何运转、某个市场如何运转的应用理论。如果这是一家采用新模式的新公司，那它就是关于某个反事实世界的反主流命题。
我从没遇到过一个 Stripe 客户，然后觉得这个人很无聊。所以从整体上看，这家公司一直与「苦差事盲区」的直觉相反。
Harj： 你在这个问题上有一种特别独特的视角，因为你既和大型模型提供商、大型实验室公司合作，也和一线快速成长的 AI 初创公司合作。昨天这里反复出现的一个问题，其实在每一期 YC 批次里也经常出现，那就是人们担心自己的想法会被大型实验室提供商碾过去。
基于你的视角，我很好奇，人们应该怎样看待这件事？
Patrick： 是的。预测很难，而且实验室当然都是非常有能力、非常出色的组织。也许可以把问题稍微拆开：是快速提升的 AI 能力会带来这种结果，还是这些实验室本身会带来这种结果？
总体来说，过去的记录是这样的：如果我们回到 20 年前，当时也有一些类似的感觉，大家会想到 Google。我们做 Auctomatic 时，关于我们公司以及其他所有公司的问题总是：「如果 Google 来做这件事怎么办？」
Google 看起来无所不能，拥有数量庞大的杰出人才，几乎无限的资本和服务器，以及所有这些资源。人类组织非常复杂，很难同时积极推进 100 个不同的优先事项，也很难处理它们之间出现的各种问题、相互干扰之类的事情。
Google 确实在很多具体领域做得极其出色，但即使从某种基本的物质能力来说，Google 可能拥有完成所有事情的条件，它也没有把所有事情都做成。
所以我会说，历史记录是好坏参半的。总体而言，我认为这种恐惧被夸大了。
不过，还有一个更具体的问题，那就是模型本身，先不考虑实验室。即使这些实验室并没有特别大的野心去扩大自己的范围，单是大语言模型本身，或者 agent 能力，也会让一些具体的垂直领域、任务或工作流变得没有必要。
这很难说，显然取决于你的预测。在某些情况下，我确信这种事情会发生；在一些领域，它已经发生了。
看 Stripe 的数据，我想说一件和这里的人相关的事情：现在开始成立的企业，比一年前多了很多；比五年前多得多。实际上，从去年到今年的相对变化，几乎是我们在任何一年见过的最大变化。
举个例子，从 2019 年到 2020 年，我们看到过一次大幅增长，在疫情期间出现这种情况是可以理解的。大约从 2020 年 2 月到 4 月，新成立企业数量的同比增长率可能上升到了 50% 左右。
而在我说话的此刻，通过 Stripe 开始经营的新企业数量同比增长接近 2 倍，虽然略低于 2 倍，但大约就是这个水平。这仍然是我们见过的最大相对增幅。
你可能会想，好吧，数量确实多得多，也许只是更多用 vibe coding 写出来的轻量产品，或者各种粗糙的东西。没关系，数量多了，但它们真的成功了吗？
但实际上，今年中位数企业的表现比一年前更好。
如果我们进一步分层，观察任意一家企业达到某个收入门槛的概率，例如 100 万美元、500 万美元、1000 万美元，无论是哪一个门槛，这些概率似乎都在提高。通过 Atlas 注册的新公司的收入形成时间正在缩短。
所以，根据我们能观察到的所有客观指标，现在似乎是创办公司以来最好的时期。事情当然可能发生变化。我不知道五年后世界会是什么样子，但如果以今天，也就是 2026 年 7 月 26 日左右这个时点来看，Stripe 的数据会提示你：从来没有哪个时期比现在更适合创办公司。
Harj： 我们在 YC 的批次里看到的完全一样。公司比以往任何时候都能更快增长，至少在批次期间确实如此。
Patrick： 在 Harj 和我刚开始创业的旧时代，做到 100 万美元收入，也就是年化经常性收入，是一件大事。人们会知道那家公司。他们会说：「我听说某家公司做到 100 万美元收入了。」而现在，我的意思是，那已经……
Harj： 对，现在感觉你在第一个月就应该做到 100 万美元了。当然，这对这里的每个人来说都是夸张说法。但至少在 YC 的生命周期里，也就是从第 0 天到第 90 天，增长确实由一个新的因素推动：企业愿意向初创公司购买产品。
你可以在参加批次期间就签下这些新合同。随着这些公司继续增长，你们手里也有数据。我很好奇，还有哪些因素推动了这种从 1 到 10、从 10 到 100 的增长曲线突然变陡？
Patrick： 我认为，真正的原因就是你刚才提到的那个动态：各地企业都更容易被推动去适应、去尝试新事物，而且它们真的很害怕自己因为继续用过时、陈旧的方式运营而被落在后面。
在正常时期，一家新初创公司可能有一套做某件事的机制。你去找某家公司的 CIO、CTO 或其他负责人推销，他们不太想和你谈，因为你的东西还没有得到验证，也许两年后你还会存在。各种明显的反对理由都会出现。
但现在，人们知道维持现状的风险其实非常高。所以，即使做新事情也有风险，继续走原来的路看起来同样危险。
我真的认为，现在是初创公司销售产品、并让产品从一开始就以相当大的规模被采用的最好时期。
最近一段时间，很多 YC 公司都证明了这一点，但我认为这是一种非常普遍的动态。
我想，消费者一侧也存在某种类似情况。Stripe 显然不是一家消费公司，但消费者对 AI 的看法很复杂，他们也许不希望看到数据中心，但人们确实对产品非常好奇。
我觉得，他们有点被这些产品吸引住了，并且对尝试新东西抱有一种倾向和开放态度。
Harj： 更广泛地说，我还有一个好奇的问题。同样基于你在 Stripe 看到的数据，过去 12 个月里，你有没有看到什么事情改变了自己对 AI 的某个总体判断？
Patrick： 有一种担忧认为，AI 会成为一股霸权式、集中化、全面控制的力量，少数公司会吞下经济中非常大的份额。许多站在 AI 前沿的公司已经做得非常好，我认为它们也会继续做得非常好，这一点毫无疑问。
但根据我们在 Stripe 能看到的情况，其他公司正在利用这些新能力，或者现有公司正在重新配置业务，它们表现出的渴望和强度让我不再以同样的方式担心集中化。
我认为，未来会有成千上万的赢家。再说一次，我们尽量不做任何确定性的预言，因为未来并不是预先决定好的。但根据我们看到的趋势线，我认为我们正走向一个更加分散的世界，也正走向一个繁荣基础更加广泛的世界。
Harj： 好。好了，我想今天的时间差不多了。非常感谢你来到这里，Patrick。
Patrick： 谢谢你的邀请。如果不说一句，Stripe 没有 YC 就不会存在，那就不合适了。
Harj： 好，很酷。谢谢你。
本期图片笔记采用 YC Startup School 的暖白、橙色和黑色排版线索；人物头像与节目视觉锚点来自 Root Access / Startup School 2026 官方页面素材。3
References
- 1YC Root Access 完整逐字稿
ycrootaccess.com
- 2Y Combinator Library 节目页
ycombinator.com
- 3Y Combinator Startup School 官方视频
youtu.be
Comments