本文來自微信公眾號： 劃重點(diǎn)KeyPoints ，作者：林易，編輯：重點(diǎn)君
在生成式AI步入應(yīng)用深水區(qū)的2026年，全球創(chuàng)業(yè)生態(tài)正迎來重構(gòu)。傳統(tǒng)商業(yè)用人頭堆砌產(chǎn)值的邏輯正在失效，取而代之的是一種全新的技術(shù)原生法則。
Y Combinator掌門人Garry Tan在最新演講中指出，AI時代的真正紅利絕非微調(diào)模型權(quán)重，而在于工作流的重新梳理。通過將傳統(tǒng)組織架構(gòu)中的員工、流程與績效全面編碼為“技能手冊”與“企業(yè)大腦”，硅谷已經(jīng)誕生了首批以15人、40人的極精簡團(tuán)隊撬動數(shù)千萬至上億美元ARR（年經(jīng)常性收入）的AI原生企業(yè)，徹底顛覆了工業(yè)革命以來傳統(tǒng)商業(yè)的人均產(chǎn)值法則。
“如果你依然把AI當(dāng)成代碼自動補(bǔ)全、把提示詞當(dāng)成一次性工具，你將在下一階段的競速中被對手吃掉飯碗?！盙arry Tan說。
一些核心觀點(diǎn)：
決定AI時代生產(chǎn)力上限的并非大模型本身的權(quán)重，真正的效能杠桿（最高達(dá)400倍的提升）在于如何重新串聯(lián)和編織工作流。
傳統(tǒng)用人頭堆砌產(chǎn)值的商業(yè)邏輯正在失效，未來的組織形態(tài)將全面代碼化，一個“技能手冊”就是一名虛擬員工，而“解析器表”就是組織架構(gòu)圖。
在系統(tǒng)開發(fā)中必須嚴(yán)格厘清計算的邊界，將直覺判斷等非確定性任務(wù)交給大模型的“潛空間”，將具體規(guī)則和代碼交給“確定性空間”，避免兩者錯位。
必須打破人類“工作記憶”的局限，通過上下文工程構(gòu)建“企業(yè)大腦”，將企業(yè)歷史知識沉淀為可精準(zhǔn)檢索、產(chǎn)生價值復(fù)利的“知識圖書館”。
永遠(yuǎn)不要做一次性的工作，一旦對AI的輸出結(jié)果滿意，就必須將其“技能化”（skillify）為可復(fù)用的流程，否則企業(yè)每天都會陷入“技術(shù)失憶”。
我們整理了此次演講的重點(diǎn)內(nèi)容，以下是原文實錄：
1.400倍效能跨越：從個人生產(chǎn)力到重構(gòu)工作流
Garry Tan：大家下午好，過得怎么樣？準(zhǔn)備好迎接這場變革了嗎？剛剛Theo問了一個非常關(guān)鍵的問題：我們現(xiàn)在應(yīng)該構(gòu)建什么？作為一名創(chuàng)始人、投資者，同時也是一家正在向AI原生轉(zhuǎn)型的20年歷史機(jī)構(gòu)的負(fù)責(zé)人，我想從投資人的角度來回答這個問題。讓一家擁有20年歷史的機(jī)構(gòu)走向AI原生，是一件奇特而美妙的事情。接下來我會用大約20分鐘的時間，聊聊YC正在嘗試做的事情。我們希望培育出這樣的企業(yè)：一個人就能完成過去需要兩個人、甚至一千個人才能完成的工作。我這并不是在打比方，從實際操作來看，今年在座的各位就能實現(xiàn)這一點(diǎn)。大約一小時后，你們中的一些人就會走向創(chuàng)業(yè)沙場，我希望你們能帶著對當(dāng)今技術(shù)可能性的清晰認(rèn)知走進(jìn)去，因為現(xiàn)在的技術(shù)潛力遠(yuǎn)比人們想象的要巨大得多。
讓我先從一個數(shù)字開始。雖然我曾因為這個觀點(diǎn)在網(wǎng)上飽受抨擊，但我今天還是要當(dāng)著大家的面再講一遍。這個房間是全世界最適合對這個觀點(diǎn)進(jìn)行壓力測試的地方，我寧愿和你們一起親自驗證它。2013年我還是YC的合伙人時，主要負(fù)責(zé)構(gòu)建YC內(nèi)部的社交網(wǎng)絡(luò)。當(dāng)時我雖然也做投資，但基本相當(dāng)于全職工程師。那時候我每天大概只能寫出14行真正有用的邏輯代碼，這還是剔除了所有注釋和空行之后的數(shù)據(jù)。如果你們看當(dāng)年的文獻(xiàn)資料就會發(fā)現(xiàn)這很正常，有些人寫15行，有些人寫50行，絕對不像現(xiàn)在臺下很多年輕人在開發(fā)中動輒日產(chǎn)上千行代碼。這15行就是我當(dāng)時全力以赴的日均中位數(shù)產(chǎn)出。而今年，我全職管理YC。同樣是我這個人，投入的時間差不多，甚至因為下午五點(diǎn)要接孩子，工作時間還要少得多，但我重新計算了自己的產(chǎn)出，發(fā)現(xiàn)效率提升了大約400倍。
在質(zhì)疑者跳出來質(zhì)疑這個數(shù)字之前，讓我先自己來拆解它。如果你不相信純代碼量的統(tǒng)計，沒關(guān)系。你可以用最嚴(yán)苛的冗長懲罰機(jī)制來扣除水分，假設(shè)AI Agent寫出的都是臃腫的代碼，假設(shè)其中一半都是腳手架框架，甚至假設(shè)我是在自我標(biāo)榜，但在底線上它依然帶來了8倍的提升，中位數(shù)也達(dá)到了80倍。無論你如何拆解審視，這個數(shù)字都極其龐大。這里有一個核心關(guān)鍵，如果可以的話，我恨不得把它烙在每個人的眼瞼內(nèi)側(cè)：這并不是模型本身的差距。帶來2倍效能的人和帶來100倍效能的人，使用的是完全相同的Claude模型、相同的權(quán)重、相同的上下文窗口和相同的API。因此，杠桿的立足點(diǎn)并不在于模型的權(quán)重，而在于你如何串聯(lián)工作流。
而且這不僅僅發(fā)生在我的身上。在YC，我們經(jīng)常能看到這種情況。在2025冬季班中，有四分之一的企業(yè)，其代碼庫有95%都是由AI生成的，而那已經(jīng)是去年的事情了。這一期項目已經(jīng)成為YC歷史上增長最快、利潤最高的班次。在YC的歷史上，已經(jīng)有94家公司通過一筆種子輪融資成功實現(xiàn)了收入破億美元。所以，我想我們非常清楚自己在談?wù)撌裁?。雖然我無法向你證明AI生成的代碼直接導(dǎo)致了這種增長，但我可以告訴你的是，我們資助的那些增長最快的創(chuàng)始人，并沒有把AI僅僅當(dāng)作代碼自動補(bǔ)全工具，而是將其視為一種生產(chǎn)力勞動力。那些重新編織了工作流程的公司，才是真正實現(xiàn)彎道超車的企業(yè)。
2.勞動力的新物理法則：把組織機(jī)構(gòu)編碼為“技能手冊”
那么，重新構(gòu)建工作流程究竟意味著什么？這是本次演講的核心，也是我最希望你們借鑒的地方。我們在構(gòu)建AI Agent過程中學(xué)到的所有東西，都可以一一映射到現(xiàn)實的組織架構(gòu)中。
在AI時代，一個技能手冊就等同于一名員工。它具備一種能力，負(fù)責(zé)一項工作，并且被清晰地記錄下來，以至于任何主體都可以執(zhí)行它。而解析器表則是組織架構(gòu)圖，當(dāng)一項任務(wù)進(jìn)來時，解析器會決定由誰來處理以及分發(fā)到哪里。歸檔規(guī)則就是內(nèi)部業(yè)務(wù)流程，用來判斷解析器是否在正常工作、是否合規(guī)。觸發(fā)評估則是績效考核。過去需要雇傭上千人才能運(yùn)轉(zhuǎn)的組織，其中的每一個職能模塊，現(xiàn)在其實就是一些代碼文件以及其他類型的描述文件。我們一直都在構(gòu)建組織，過去只是缺乏一個管理層，而現(xiàn)在我們擁有了它。當(dāng)你坐在電腦前協(xié)同Claude、Coder、Codex進(jìn)行開發(fā)時，你不僅僅是在寫軟件，你其實是在招聘、培訓(xùn)和管理一支由代碼和文檔組成的勞動力隊伍。
我看到有無數(shù)的公司正在踐行這一點(diǎn)。比如2024夏季班中有一個AI應(yīng)用構(gòu)建工具項目Emergence，他們從正式上線到實現(xiàn)九位數(shù)的年度經(jīng)常性收入（ARR）僅僅用了八個月的時間。當(dāng)他們的年度經(jīng)常性收入突破1500萬美元時，團(tuán)隊僅僅只有15個人。截至2024冬季，他們的零售額已達(dá)6000萬美元，團(tuán)隊規(guī)模約為40人。這種極高的人均產(chǎn)值在以前是不可想象的，無論是在軟件行業(yè)、石油行業(yè)還是鐵路行業(yè)，都從未出現(xiàn)過。他們并不是什么行業(yè)異類，只是首批原生構(gòu)建與新物理法則之上的公司。那么這類公司究竟是如何運(yùn)轉(zhuǎn)的？他們不會為銷售、支持、運(yùn)營和財務(wù)等部門雇傭成百上千的名員工。我在YC內(nèi)部看到的AI原生公司，會將所有這些職能編碼為技能和書面流程。他們雇傭工程師的唯一目的，就是維護(hù)這些技能，去解決AI Agent目前還無法完成的工作。這就是真正的AI原生公司，它絕對不是一個思想實驗。如果你配置好了對應(yīng)的技能手冊，它甚至能幫你去完成報稅。
現(xiàn)在請大家想象一下YC的創(chuàng)業(yè)營現(xiàn)場，其實和這里的感覺很像。400家公司或400位創(chuàng)始人坐在長桌前，我可以想象你們每人每天拿著一臺筆記本電腦忙碌的場景。你們現(xiàn)在一天干的活，相當(dāng)于過去一個人一整年的工作量。這不再是遙遠(yuǎn)的未來，而是當(dāng)下行業(yè)觸手可及的基準(zhǔn)線。如果你不這樣做，你的競爭對手就會這樣做，他們會非常優(yōu)雅地?fù)屪吣愕娘埻?，甚至還會客氣地對你道謝。這也是大多數(shù)工程技術(shù)棧容易忽略的延伸點(diǎn)：這不僅僅影響工程師。在YC進(jìn)行數(shù)字轉(zhuǎn)型的過程中，我們的媒體人員、活動員工以及財務(wù)團(tuán)隊都在參與。那些生平從未打開過終端的員工，現(xiàn)在都在構(gòu)建自己的技能手冊和定時任務(wù)。我們的一位財務(wù)同事剛剛利用我們內(nèi)部的開源系統(tǒng)和企業(yè)大腦，將大約100個復(fù)雜的Excel工作簿整合到了一個她自己構(gòu)建的應(yīng)用中。她不是程序員，但她現(xiàn)在成了管理AI Agent的經(jīng)理，事實上YC的每個人現(xiàn)在都是這樣。
這就是為什么YC可以用極少的人手來維持如此龐大的運(yùn)轉(zhuǎn)規(guī)模，這個團(tuán)隊規(guī)模在任何其他同等體量的公司看來，都小到可以忽略不計。這并不是因為我們工作更拼命，而是因為我們擁有一種完全不同的組織形態(tài)。這才是制勝的核心所在。這不僅僅是效能提升400倍的工程師，而是一家運(yùn)營效率高出400倍的公司。
3.工程雙元性：厘清潛空間與確定性空間的計算邊界
如果你只能記住這里面的一件事，那就是在開發(fā)過程中，你必須非常非常小心地厘清計算究竟發(fā)生在哪里。計算幾乎總是發(fā)生在兩個不同的空間。我們遇到的所有AI工程缺陷和問題，通常是因為本應(yīng)在其中一個空間運(yùn)行的內(nèi)容，錯誤地出現(xiàn)在了另一個空間。第一個空間我稱之為潛空間（Latent Space），也就是實際的大語言模型本身。你會用它來做什么？答案是審美、直覺判斷、理解人類說出某些模糊話語時的真正意圖等非確定性調(diào)用，這些計算存在于模型中，你通過描述文件來引導(dǎo)它。而確定性空間（deterministic space）則是工程師們非常熟悉的領(lǐng)域，比如你的代碼Agent會去自動編寫TypeScript，或者如果你在使用Elixir，它們會去編寫Erlang代碼。確定性空間就是計算發(fā)生的第二個地方。
舉個例子，這也是我們在即將到來的創(chuàng)業(yè)學(xué)院中面臨的真實痛點(diǎn)。我們有6000名學(xué)員，而我們正準(zhǔn)備嘗試的一項實驗是，能否讓800人同時就座，并實現(xiàn)完美的聚類？也就是說，坐在你左邊和右邊的人，恰好是你在創(chuàng)業(yè)學(xué)院最應(yīng)該結(jié)識的完美人選。要做到這一點(diǎn)，我們必須將確定性空間與潛空間結(jié)合起來。這種計算以及具體的數(shù)據(jù)存儲——比如每個人在這800個座位的多維陣列中到底身處何處——絕對不能塞進(jìn)上下文窗口里。大語言模型必須需要處理感性的部分，也就是安排人員就座。這與人類去執(zhí)行這項任務(wù)時的邏輯完全一致。如果是人類面對這個任務(wù)，可能需要把800頁的資料打印出來，鋪在一個大房間里，然后琢磨這個人該放哪兒。但現(xiàn)在，所有這些工作都可以在電腦里完成。原本需要耗時一個月的工作，現(xiàn)在可能只需要價值幾百美元的Token，在10分鐘內(nèi)就能搞定。我認(rèn)為這非常了不起，哪怕在半年前，這也是根本無法實現(xiàn)的。
4.企業(yè)大腦的定義：突破7位數(shù)字限制的“圖書館與管理員”
這就引出了工作記憶的概念，這也是我個人最喜歡用來理解它的方式。我們?nèi)祟惖拇竽X一次只能處理大約7件事，也就是著名的7±2法則。這是認(rèn)知心理學(xué)領(lǐng)域最著名的論文之一，也是為什么本地電話號碼通常是7位數(shù)，以及為什么你總會忘掉購物清單上的第8個物品。這基本上就是人類個體的全部工作記憶。人類歷史上建立的每一個機(jī)構(gòu)、每一份檢查清單、每一張組織架構(gòu)圖、每一個文件柜，本質(zhì)上都是為了彌補(bǔ)這一限制而發(fā)明的假肢。這背后的邏輯仔細(xì)想想其實挺瘋狂的。但是，一個AI Agent可以容納100萬個Token，這大約相當(dāng)于1000頁的內(nèi)容。我最近試著向我10歲的孩子解釋什么是企業(yè)大腦，我說AI Agent可以在腦子里同時翻開三本《哈利·波特》，它能在幾秒鐘內(nèi)找出任何細(xì)節(jié)，并對這三本書的內(nèi)容進(jìn)行綜合分析。這確實太神奇了。三本《哈利·波特》對標(biāo)人類的7位數(shù)字，這非常震撼。這算不算是通用人工智能？也許還不算，但它已經(jīng)展現(xiàn)出了截然不同的運(yùn)行和治理機(jī)制。然而，地球上幾乎所有的公司，目前依然在用針對7位數(shù)大腦設(shè)計的傳統(tǒng)組織架構(gòu)來運(yùn)轉(zhuǎn)。
但這也向我們透露了一個事實：三本書雖然很多，但其實也很少。你們的公司可不止三本書，你們的公司是一座圖書館。每一封郵件、每一次會議、每一項決策及其推導(dǎo)過程、每一次客戶對話、每一次復(fù)盤報告都包含其中。決定你的Agent究竟是天才還是只有七秒鐘記憶的金魚，關(guān)鍵在于誰來決定桌上應(yīng)該翻開哪三本書。這就是上下文工程（context engineering）。而這正是所謂的企業(yè)大腦（Company Brain）：它既是圖書館，也是圖書管理員?，F(xiàn)在你們中有些人可能會想，這不就是檢索增強(qiáng)生成嗎？你們說得對，檢索確實是最底層的基石，就像Postgres的底層只是B-trees一樣。但真正困難的是圍繞它的一切：最初有哪些內(nèi)容被沉淀進(jìn)了維基，這些內(nèi)容又是如何被豐富和鏈接的，哪些內(nèi)容被提升到了熱記憶區(qū)，哪些又被歸檔為冷數(shù)據(jù)參考，以及當(dāng)兩條事實發(fā)生沖突時由誰來裁決。檢索本身并不難，難的是如何讓自己成為一個真正值得去檢索的產(chǎn)品。
我一直在公開構(gòu)建我自己的系統(tǒng)，名為G-Brain。它能與任何開發(fā)框架配合，但它最契合的是Open Claw和Hermes Agent。它實際上就是面向Agent的Postgres，是一個專門的檢索層，其職責(zé)就是針對任何給定的任務(wù)，計算出應(yīng)該把哪三本書塞進(jìn)Agent的大腦里。我的個人系統(tǒng)最初只有幾個房間的書籍量，現(xiàn)在它已經(jīng)發(fā)展成了一個倉庫，擁有大約22萬頁的內(nèi)容。這些內(nèi)容主要是由我的Agent根據(jù)我的電子郵件、會議記錄、長達(dá)20年的筆記以及我的親身經(jīng)歷自動撰寫的。這就是重點(diǎn)，它成為了我的第二大腦。當(dāng)有創(chuàng)始人因為危機(jī)給我發(fā)郵件時，甚至在我還沒看完郵件之前，我的Agent就已經(jīng)調(diào)出了之前與該創(chuàng)始人的所有對話記錄、另外三家遇到過同樣困境的投資組合公司，以及當(dāng)時真正幫他們渡過難關(guān)的有效方案。當(dāng)我的Agent執(zhí)行任何任務(wù)時，它都是站在我已經(jīng)掌握的知識庫基礎(chǔ)上去做的。這就是助手與同事之間的本質(zhì)區(qū)別。
5.拒絕一次性工作：將成功經(jīng)驗“技能化”以實現(xiàn)價值復(fù)利
讓我來對自己的觀點(diǎn)進(jìn)行一下壓力測試，因為你們遲早也會質(zhì)疑這一點(diǎn)。企業(yè)大腦確實存在失效模式。一個無人維護(hù)的大腦最終會變成一個搜索功能強(qiáng)大的垃圾場，檢索系統(tǒng)會充滿自信地為你提供一個陳舊過時的事實。一個糟糕的技能手冊，則會把一個錯誤的業(yè)務(wù)流程永遠(yuǎn)固化下來，這非常糟糕。因此，最核心的基石不是內(nèi)存（memory）本身，而是內(nèi)存加上精細(xì)管理（hygiene），以及確保每一條事實都有跡可循（provenance），在新舊信息碰撞時進(jìn)行沖突檢查（contradiction），并且需要一個由人類和Agent共同組成的圖書管理員來負(fù)責(zé)修剪冗余信息（pruning）。如果你把大腦當(dāng)作生產(chǎn)基礎(chǔ)設(shè)施來對待，它的價值就會不斷復(fù)利疊加；如果你把它當(dāng)成垃圾傾倒場，你最終得到的只會是一個極度自信卻錯得無可挽回的Agent，而且沒人能追蹤它是怎么出錯的。
在我看來，有一種習(xí)慣能讓我們的企業(yè)大腦以及我個人的AI實現(xiàn)價值的復(fù)利——這是我的招牌動作，也是我對每一家YC創(chuàng)業(yè)公司和YC內(nèi)部所有人強(qiáng)調(diào)過的話——那就是永遠(yuǎn)不要做一次性的工作。你可以打開Open Claw或你的開發(fā)工具去做一些工作，但當(dāng)你對結(jié)果比較滿意時——雖然一開始它可能干得并不完美，就像一個不太熟練的實習(xí)生，但好在你可以直接對它說“嘿，我不喜歡這個，修改一下”，我相信在座的各位都在做這樣的事情——但不要止步于此。在任務(wù)結(jié)束時，你實際上需要將它技能化（skillify）。我在社交平臺上發(fā)過一篇關(guān)于這方面的博文，你們可以去搜索“skillify it”獲取那個技能手冊，然后把它加載到你們自己的開發(fā)環(huán)境中。它就會把你剛剛完成的動作轉(zhuǎn)化為一個可以重復(fù)使用的技能。因為如果你不得不重復(fù)交代同一件事兩次，那就意味著你的管理失敗了。
所以，如果你們只能記住一件事，那就是當(dāng)你們使用AI Agent并對輸出結(jié)果感到滿意時，順手將它技能化，這會帶來極大的改變。通過這種方式捕捉學(xué)習(xí)成果的組織，每天都會變得更聰明。而沒有做到這一點(diǎn)的組織，無論底層的模型有多優(yōu)秀，每天早晨醒來時都處于失憶狀態(tài)。模型的質(zhì)量是可以花錢租賃的，但如果你構(gòu)建了自己的企業(yè)大腦，你就真正擁有了核心資產(chǎn)。
6.點(diǎn)燃新時代的軟件富足：去構(gòu)建真正的AI原生公司
現(xiàn)在正面回答Theo的問題：我們現(xiàn)在應(yīng)該構(gòu)建什么？去構(gòu)建AI原生公司，而不是僅僅使用AI的公司。從第一天起，公司的形態(tài)就應(yīng)該像我剛才描述的那樣：一個精簡的團(tuán)隊、所有職能都沉淀為技能手冊、創(chuàng)始人依然深度參與代碼開發(fā)、擁有自己的圖書館、擁有企業(yè)大腦和個人AI。如果你們愿意，可以使用G-Brain，它是開源且免費(fèi)的，但你們也不是非用它不可，市面上有很多非常優(yōu)秀的選擇。這個圖書館從第一周開始就會不斷產(chǎn)生復(fù)利，你整個組織的運(yùn)營效率也將被拉升到400倍左右。如果你想尋找一片尚未被開發(fā)的處女地，也就是如果我今年25歲、坐在臺下你們的位置上會選擇去構(gòu)建的東西，那就是地球上的每一家公司馬上都需要一個大腦。這是一個讓你永遠(yuǎn)不需要重新詢問已知知識的記憶層，是一個真正懂你的個人AI。我們正在以MIT開源協(xié)議公開構(gòu)建G-Brain，我沒打算通過這個項目來賺錢，因為我認(rèn)為這個底層架構(gòu)應(yīng)該像Linux一樣保持開源。但這個賽道本身——包括企業(yè)大腦、個人上下文、負(fù)責(zé)挑選那三本書的圖書管理員——全都是大有可為的廣闊天地。我希望有人能在這個領(lǐng)域構(gòu)建出一門定義行業(yè)偉大的公司。如果是這樣，我非常樂意在YC為你們提供資金支持。
最后，讓我說句老實話，雖然這可能會削弱我剛才這番推銷的力度：你們其實不需要我的工具就能開始。Open Claw固然是性能強(qiáng)悍的法拉利，我也會一直推薦它，但Codex同樣是一輛非常優(yōu)秀的本田，它完全能幫你搞定其中90%的工作。
雖然它不會帶來讓你驚掉下巴的極致體驗，但絕對能幫你達(dá)成目標(biāo)。用什么工具并不重要，核心在于理念，而不是我個人的開源代碼倉庫。關(guān)鍵在于去思考計算發(fā)生在什么空間，將技能手冊視為你的員工，建立圖書管理員機(jī)制，并且永遠(yuǎn)不要做一次性的工作。這些理念在任何技術(shù)棧中都是通用的。
最后，讓我來總結(jié)一下?，F(xiàn)在世界上有很多人對未來崗位的去留感到極度恐慌，我完全理解這種恐懼。但我想坦率地告訴大家，這其實是想象力的匱乏，而在座的各位就是這個問題的答案。你們將會把剛才我所描述的這套架構(gòu)帶進(jìn)你們的初創(chuàng)企業(yè)。你們會成倍地放大自己的效能，你們公司的每一個人也都會成倍地釋放潛力，你們將要去構(gòu)建的那些企業(yè)，會成為整個社會認(rèn)識這一變革運(yùn)行機(jī)制的燈塔。豐饒從來不是寫在政策報告里的文字，而是交付上線的軟件。
我有一位朋友，他的孩子患有一種罕見的癲癇癥。他建立了一個包含8萬個Markdown文件的代碼倉庫，這是一個專門為一個底層小男孩打造的企業(yè)大腦。他將自己推向了人類對兒子這一特定病情認(rèn)知的絕對邊緣。沒有實驗室，沒有資金撥款，也沒有任何人授意。只有一個父親、一臺筆記本電腦和一座圖書館。這絕不是一個題外話，這恰恰就是我過去20分鐘里一直在描述的系統(tǒng)架構(gòu)。一座圖書館加上圖書管理員，在最正確的時刻翻開最正確的三本書，全部聚焦在這個男人世界上最珍愛的事情上?，F(xiàn)在，你們也可以做到這一點(diǎn)。
過去每一個讓你覺得“要是有個專家?guī)臀揖秃昧?，可惜我請不到”的難題，現(xiàn)在你都能解決；每一個你曾認(rèn)為漏洞太多而無法修復(fù)的代碼庫，現(xiàn)在你都能全部修復(fù)；每一個由于體量太大而無法閱讀的檔案庫，每一個由于過于雜亂而無法清洗的數(shù)據(jù)集，以及每一個曾經(jīng)被告知不要去白費(fèi)勁的宏大挑戰(zhàn)——現(xiàn)在，我們完全有能力去攻克這些看似不可能的難關(guān)。
在座的每一個人現(xiàn)在都可以飛翔，這不是比喻，而是技術(shù)層面的事實。為了生存、為了發(fā)展、為了獲勝，你們必須這樣做。Theo問我們現(xiàn)在應(yīng)該構(gòu)建什么，這就是全部的答案：去構(gòu)建一家AI原生公司，并構(gòu)建其底座——那個大腦、記憶層以及不斷產(chǎn)生復(fù)利的圖書館。這會讓繼你們之后的每一家公司的構(gòu)建都變得更加容易。去攻克那些不可能的難關(guān)吧，去編寫那個測試，去交付那個技能。你們即將在這場創(chuàng)業(yè)沙場上看到的某些公司其實已經(jīng)開始這么做了。去構(gòu)建那個把它做到極致的公司吧。謝謝大家。