YC 合伙人揭秘：从零构建一家 AI 原生公司

来源：Y Combinator

在硅谷，Y Combinator（YC）被公认为全球初创企业的 “点金石”。

作为全球最顶尖的创业孵化器，YC 自 2005 年成立以来，累计孵化了超过 5600 家公司，孕育了 Airbnb、Stripe、Dropbox、Reddit、Coinbase 等科技巨头。如今 OpenAI 的 CEO Sam Altman 也曾担任 YC 总裁一职。

可以说，YC 的视角代表了科技创业最前沿的趋势。近期，YC 合伙人 Diana Hu 在播客 “如何用 AI 从零构建一家公司”《How To Build A Company With AI From The Ground Up》中抛出了一个极具冲击力的判断：AI 原生初创公司的运行速度，可能比行业现有巨头快上 1000 倍。

TinTinLand 对原视频精华观点进行了整理，一起来看看在 YC 的视角下，一家真正的 AI 原生公司应该如何运行？

不是 “用 AI”，而是 “跑在 AI 上”

目前，大多数人对 AI 的讨论仍停留在 “提效” 层面，比如「AI 可以让工程师效率更高」或者「我们需要给现有流程加个 Copilot」。这种思维框架从根本上就偏了。

真正的转变，不是生产力的提升，而是全新能力的涌现。

真正的 AI 原生公司不应仅仅把 AI 当作工具，而应将其视为公司的操作系统（OS）。在这种模式下，每一个工作流、每一项决策和每一个流程都应该通过一个智能层进行处理，而这个智能层会不断学习和改进。

在 AI 工具的加持下，一个合适的人现在可以构建出以往需要整个团队才能完成的功能，甚至是以前根本无法实现的功能。

让整个公司对 AI 可查询

打造闭环系统

Diana 引入了控制系统中的 “闭环（Closed Loop）” 概念来描述理想的 AI 公司。

• 开环系统（Open Loop）：这是传统公司的运作方式。管理层做出决策、员工执行，但结果往往无法被系统性地测量和反馈，整个过程存在大量的信息损耗。

• 闭环系统（Closed Loop）：系统会持续监控输出，捕捉信息并反馈给 AI，从而随着时间的推移不断优化流程。

实现闭环的前提：可查询化

要实现这样的闭环，需要让公司对 AI 完全透明、可查询。

这意味着公司内部的所有行动都必须产生可供 AI 学习的 “数字成品”：

👉 用 AI 助手全程记录会议、减少私信和邮件的使用、在所有沟通渠道中嵌入 AI 代理、构建一个涵盖收入、销售、工程、招聘和运营的全公司实时仪表盘。

具体案例：工程管理的革命

Diana 举了一个工程管理的具体例子：假设你有一个 AI Agent，它拥有访问 Linear 工单、Slack 频道、GitHub 代码库、Notion 文档、客户反馈邮件以及每日站会录音的所有权限。

那么，这个 Agent 就能真实地分析上一个迭代周期实际交付了什么，与客户需求的匹配程度如何 —— 而不是依赖层层汇报带来的失真信息。

在此基础上，Agent 还可以向前一步：自动提出下一个迭代周期的工程计划，使其更具可预测性和准确性。Diana 表示，她见过采用这种方式的团队，将工程时间缩短了一半，同时完成了多出近十倍的工作量。

这背后的核心原则是：为了获得 AI 的全部能力，你需要给模型提供与员工同等水平的上下文信息。

软件工厂：人定规格，AI 写代码

在产品开发层面，一种新的范式正在兴起 —— AI 软件工厂。这是测试驱动开发（TDD）的进化版：

• 人类定义成功：人类编写需求规格说明（Spec）和定义成功标准的测试用例。

• AI 执行实现：AI Agent 生成代码实现，并不断迭代直到通过所有测试。

• 人类角色转变：人定义要构建什么，并判断输出结果；写代码本身，是 Agent 的工作。

Diana 指出，一些领先的公司已经实现了代码库中完全没有手写代码，只有 Spec 和测试工具包。

这也是实现软件工程师 Steve Yegge 所预言「千倍工程师」：用一个系统化的 Agent 集群包围单个工程师，让他们能够构建出过去凭一己之力根本无法完成的东西。

扁平化 2.0：全新的组织架构

当公司变得可查询、信息流变得透明且由 AI 层驱动时，传统的金字塔管理架构就失效了。

传统意义上，我们需要中层管理人员在组织上下传达信息。但在新世界，AI 智能层承担了这一职责。如果你的公司是可查询且高度数字化的，那么你应该几乎不需要 “人类中间件”。

每消除一层人工路由，就是一次直接的速度提升。

未来公司的三种员工

Diana 引用了 Block（原 Square）创始人 Jack Dorsey 的观点：如果你保留原有的组织架构和管理模式，你就完全错失了这次浪潮。

未来的 AI 原生公司将由以下三类员工组成：

• 第一种：独立贡献者（IC）。这是直接创造和运营事物的人。在 AI 原生公司里，这不局限于工程师 —— 运营、支持、销售，人人都带着可运行的原型参加会议，而不是 PPT。

• 第二种：直接责任人（DRI），专注于战略和客户结果。这不是传统意义上的经理，而是对某个结果负有明确责任的人。

• 第三种：AI 创始人，站在最前沿，以身作则向团队展示 AI 带来的能力增益，而不是将 AI 战略委托给他人。

关键转变：最大化 Token 量

👉 AI 原生公司最关键的转变，不是最大化人员数量，而是最大化 Token 使用量。

• 更精简的团队：一名配合 AI 工具的员工，其产出相当于以前一个庞大的工程团队。

• 预算重构：创始人应当愿意支付极高的 API 账单。因为这些账单替代了极其昂贵且臃肿的人力成本。

这种模式下，初创公司能够以极小的规模产生巨大的影响力。

初创企业的 “降维打击”优势

为什么现在是初创公司超越巨头的最好时机？

Diana 指出，大型现有公司面临着严重的 “路径依赖”。它们必须在维持现有业务的同时，撤销多年积攒的标准操作流程（SOP）和核心假设。对它们来说，改变核心流程极具风险。

相比之下，AI 原生创业公司拥有巨大的优势：

你可以从一开始就把整个系统、工作方式和企业文化，围绕 AI 来设计。结果是，AI 原生初创公司的运行速度可能比行业现有巨头快上1000 倍。

结语：不可外包的信念

最后，Diana 最后提出了一个关键告诫：不要外包你对 AI 工具力量的信念，你必须自己亲身体验。

你必须亲自坐在电脑前，与编程 Agent 一起工作，直到你亲眼见证它们如何打破你对 “什么是可能的” 这一认知边界。

对于早期创始人来说，现在是最好的时代：没有遗留系统的束缚，没有需要重新培训的千人团队，没有根深蒂固的组织架构。你拥有从零开始把公司建对的自由。

未来的赢家，属于那些敢于在第一天就将 AI 植入公司灵魂的人。