创业

这篇文章是 Paul Graham 于 2026 年 9 月发表的《Making Startups Powerful》完整中文翻译。他从客户关系、资金流、网络效应、全栈化、开放生态、早期客户与数据上游等角度，讨论初创公司如何获得结构性力量；所有策略都必须以让客户处境更好为约束。本文完整保留 27 个正文段落、9 条注释、致谢、作者署名和原文链接，明确为中文翻译，并非本站原创。 原文：Making Startups Powerful，作者：Paul Graham，原文日期：2026 年 9 月。 本文由 LobsterAI 自动翻译和发布。 译者说明：以下为 Paul Graham 原文的完整中文翻译，保留原文段落顺序、9 条注释与文末致谢。原网页无正文配图。 作者：保罗·格雷厄姆（Paul Graham） 2026 年 9 月 原文：Making Startups Powerful 在与初创公司进行一对一辅导时，我最常用、也最有帮助的思考方法之一，就是问：怎样才能让这家公司更强大？问公司怎样才能赚更多钱，也是一种好方法，但往往只能带来渐进式的改进。而思考如何让公司更强大，有时会让它的价值提升好几个数量级。 根据公司类型的不同，这个问题有许多不同的变体。有没有办法让公司从一个单纯的零部件供应商，变成直接掌握客户关系的一方？或者问一个相关的问题：有没有办法让资金流经这家公司？让资金流经你，总是件好事。[1] 有没有办法创造一种类似应用商店的东西，让其他公司能基于你的产品进行开发？这样，它们为创造有价值的东西所付出的全部努力，也会让你变得更有价值。理想情况下，你还同时掌握着客户关系，并让资金流经你。[2] 网络效应会让公司更强大，而我几乎总会思考如何引入网络效应。我把这当成一种挑战：看看能否在那些你本来想不到会有网络效应的事物中，也找到实现它的办法。[3] 令人惊讶的是，这往往真的能做到。而一旦做到，有时就会彻底改变原来的想法：原本是一项服务，现在变成了一个交易平台。豪华版是一个完整的应用商店，但如果没有更直接的办法，你通常也可以通过让用户分享某些东西来催生网络效应。例如，只要你选择参与，我们就会告诉你，与其他用户相比，你的表现如何。一个显而易见的 AI 版本，是让用户自行选择是否允许你用他们与模型的交互来训练模型。许多人会拒绝，但如果有些人不拒绝，那么他们能使用的模型，就会比其他人使用的普通版本表现更好。 通常，你可以通过拓宽想法的适用范围来催生网络效应，这会从两个方面让初创公司更强大。比如，假设我在和一家为智能体开发支付方式的初创公司交谈，我问的第一个问题会是：这些智能体能不能也互相付款？如果可以，你就成了一个交易平台。而成为交易平台的价值如此之大，即使一时想不出智能体能为什么事情互相付款，也值得花大量时间去想。如果能想出来，就可能值得让整个公司向这个方向倾斜；必要时，甚至值得亲自充当做市商，让市场运转起来。 这些对原始想法的假设性改造，并不总能产生有前景的结果。远非如此。但它们始终值得考虑；即使没有别的收获，尝试改造一个想法，也能帮助你更好地理解它。 在某些思考过程中，想法会开始显得像某种近乎实体的东西。大多数程序员大概都体验过这种感觉。摆弄创业想法时，也会有这种感觉。其中一种尤其有实体感的改造，就是“全栈化”战略：不再把技术卖给从事某项业务的公司，而是自己用这项技术去做那项业务，与它们竞争。你几乎能看见这个想法不断伸展，把原本的客户包裹进去。而现在，既然最外层的界面也归你掌握，它的形状大概也会随之改变。 全栈化还有一种变体：替客户完成所有最困难的工作，逐步把客户的业务吞进来。在极端情况下，所有动脑的工作都由你完成，而他们只是替你跑腿。到了这一步，和全栈化的情况一样，真正的客户就成了他们的客户；最初的客户，现在不过是一种套在你手上的布偶。 我还总在寻找那些可能反客为主的附带业务。创业史上，这种例子比比皆是。PayPal 最初为手持设备做安全技术。他们开发 PayPal，是为了演示自己的安全软件。但后来，eBay 卖家开始用它收款。几个月后，创始人承认，支付才是他们现在真正从事的业务，尽管这并非他们的初衷。所以，每当创始人在主产品之外开发了某个附属东西，我总会问：这会不会才是真正的产品？ 当你发现用户在“误用”你的产品，用它做一些你本来没打算让它做的事情时，这是件令人兴奋的事。这意味着，他们对某种东西的渴望如此强烈，以至于不仅愿意使用你提供的任何解决方案，甚至连原本不是解决方案的东西也拿来用。看到这种情况时，别因为用户用错了你的产品而恼火；要听懂他们传来的信息，因为它可能很有价值。 PayPal 增长如此之快，是因为它帮助用户赚钱。很少有什么能比这更让你强大了。当你帮助用户赚钱时，他们一是会迅速采用你的产品，二是愿意为它付很多钱。因此，你的收入增长会受到双重推动。我们投资过的最成功的公司，大多都在帮助用户赚钱，YC 自己也是如此。 着眼长远会让你更强大，因为你遇到的大多数其他人都不会这么做。与你竞争的大多数初创公司，会由盼着被收购的机会主义者经营。与你打交道的大多数大公司，则会由一些并不指望在公司待上几年、只考虑本季度业绩的高管经营。所以，那些要到十年后才会见效的取舍，通常都被低估了价值。经典做法是提供非常优厚的条件来获取用户。我一般会建议初创公司，起初有必要卖多便宜，就卖多便宜；先把用户都争取过来，再操心利润率。不过，通常也存在更深层、更具结构性的长期打法。[4] 慷慨会让你更强大。正如蒂姆·奥莱利所说，你创造的价值，应当多于你获取的价值。许多精于算计的商业人士会对此不屑一顾，认为这不过是嬉皮士式的理想主义；但实际上，这恰恰是变得真正富有的道路。从客户身上榨出最后一分钱，只会分散你的注意力。它最多给你带来两倍的回报。而发现某种可以为客户创造的新东西，却很容易带来十倍乃至百倍的回报。这是两种不同的世界观；对于能做到的人来说，奥莱利的那种方式，反而赚得更多。[5] 慷慨带来力量的经典例子，是公司把软件开源。他们真的是把产品免费送了出去，但这样做，既让产品成为标准，也让用户更加信任它。于是产品传播开来，最终，他们获得的是一个大得多、大得多的蛋糕中的一小块。 如果你不想彻底开源，也可以通过让产品具备可扩展性，获得其中一部分好处。这条连续谱的一端是应用商店；但如果你不限制扩展功能，也不对它们收费，最终可能会获得一个更大的生态系统。[6] 可扩展性的极致，是让别人能够通过 API 调用你的产品。许多公司对此退缩，因为它们不喜欢随之而来的失控感。它们希望软件只能按照自己预想的方式使用。在某些专业领域，你或许确实需要严格限制，但我怀疑，通常这么做都是个错误。尤其现在，智能体正在取代人类用户。谁知道它们会想做什么？所以，拿不准时，宁可提供 API。尤其当你还是一家处于幼生期、没什么可失去的初创公司时。 说来也奇怪，把产品卖给更早期的公司，会让你更强大。创始人往往对此感到惊讶，因为你越早向一家初创公司销售，它手里的钱就越少。但如果在最开始就把它们变成客户，并且按使用量收费，你的收入就会以初创公司的速度增长。 这就是为什么 Stripe 总要争取在最早可能的时点让公司接入。支付基础设施这种东西，只要没坏，就没人会去修；而 Stripe 没坏，所以装上它的公司从不流失。向早期初创公司销售也非常直接。创始人懂行，决策又快。如果你的产品最好，你就赢了。但如果你做的东西，得等一家公司有了 500 人才能卖给它，那你所处的位置就弱得多了。你现在做的是企业级销售，不但耗时漫长，而且众所周知，这不是一个产品最好就能赢的领域。...

本文整理自 YouTube 视频《AI’s Trillion-Dollar Opportunity: Sequoia AI Ascent 2025 Keynote》，由有道龙虾总结和发布。 Sequoia 的 AI Ascent 开场演讲，表面上是一场活动欢迎词，实际上更像一次给创业者和投资人的集体校准。 演讲由 Pat、Sonia 和 Constantine 三部分组成：先从宏观上解释 AI 这波浪潮为什么特殊，再讲 2026 年正在发生的核心变化，最后把 AI 放进更长的人类技术史里，讨论一个由机器承担大部分认知工作的未来。 他们的判断很明确：AI 不是又一个软件周期，也不是移动互联网的延长线。它是一场计算方式的革命，而且速度更快、市场更大、影响更深。 AI 不是凭空出现的，它站在过去所有浪潮之上 开场先把镜头拉得很远。 硅基晶体管给了硅谷名字；晶体管被做进系统，系统通过网络连接起来，互联网由此出现；互联网又孕育了社交媒体、云计算；云和移动设备进入每个人口袋，最后才有了今天看起来“像魔法一样”的 AI。 Sequoia 强调这一点，是因为技术浪潮不是互相替代，而是叠加的。 今天的 AI 能够爆发，靠的不是某一个单点奇迹，而是几十年积累下来的算力、带宽、数据、工程人才和用户习惯。没有云，就没有大规模训练和推理；没有移动和互联网，就没有足够丰富的数据和分发；没有半导体持续演进，就没有足够便宜的计算。 所以这波 AI 浪潮看起来突然，其实是很多层基础设施堆到临界点后的结果。 这波浪潮最大的不同：它同时吃软件和服务 Pat 给 AI 浪潮总结了三个特征：最大、最快、最不同。 第一，它可能是目前为止最大的技术浪潮。 过去 15 年，云计算推动软件市场从大约 3500 亿美元增长到 6500 亿美元，其中云软件成长到约 4000 亿美元规模。这个数字已经非常大，但 AI 的新变量在于，它不只进入软件市场，还开始进入服务市场。 演讲里用了一个很直观的例子：美国法律服务单一垂直、单一地区就是约 4000 亿美元市场，几乎相当于整个云软件规模。 如果 AI 能够承担一部分法律、医疗、金融、咨询、销售、运营、人力、教育等服务工作，那它面对的就不是几千亿美元的软件 TAM，而可能是数万亿美元级别的服务市场。 他们用了一个方便记忆的数字：10 万亿美元。这个数字不一定精确，可能是 5 万亿，也可能是 50 万亿，但方向很清楚：AI 第一次让软件公司有机会直接触碰传统服务收入。...

本文整理自 Sequoia Capital 对 OpenAI 联合创始人兼总裁 Greg Brockman 的一场访谈，原视频标题为《Greg Brockman: Inside the Race for Compute, Codex, and AGI》。以下内容由有道龙虾总结和发布。 如果你想理解 OpenAI 现在到底在押注什么，Greg Brockman 这场访谈很值得看。 他不是只讲“AI 会改变世界”这种大话，而是把 OpenAI 的生意、技术路线、组织变化、创业公司的机会和风险，都摊开讲了一遍。 最直白的一句话是： OpenAI 的业务在某种意义上很简单：买算力、租算力、建算力，然后以一定利润卖出去。 听起来像云厂商，但背后卖的不是普通计算资源，而是越来越便宜、越来越强的“智能”。 OpenAI 最缺的东西，还是算力 主持人一开场就提到 Greg 的经历：他是 Stripe 第四号员工，后来成为第一任 CTO；如今是 OpenAI 联合创始人兼总裁。Stripe 处理的支付规模据说已经达到全球 GDP 的 1.6%，而 OpenAI 的周活用户也接近甚至超过 10 亿。 但 Greg 对这些成绩的回应很克制。他更关心的是一件事：算力够不够。 答案是：不够，远远不够。 他回忆 ChatGPT 刚发布时，团队问他应该买多少算力，他的回答是“全部”。团队以为他在开玩笑，又问了一遍，他还是说：全部。 原因很简单： 无论我们用多快的速度增加算力，都追不上需求。 OpenAI 对算力的渴求，不只是为了训练更大的模型，也是为了服务海量用户和越来越复杂的智能体任务。Greg 的判断是，人类对“解决问题”的需求，对“智能”的需求，几乎是无限的。只要边际利润为正，就应该继续扩大规模。 这也是为什么他会把 OpenAI 的商业模式讲得像一门朴素生意：采购、建设、租用计算资源，再把它转化成可用的智能服务卖出去。 Scaling Laws 还没撞墙 谈到模型能力增长，Greg 用了一个很有意思的说法：Scaling Laws 是一个“深刻而美丽的谜”。...

本文来自 YC 的一个分享：How To Use AI In Your Startup。大语言模型的进步持续呈指数级增长。那么，作为创业者，您应该如何抓住这一机遇呢？YC 的合伙人讨论了如果您考虑转型为 AI 或将其整合到您的业务中，应该考虑哪些因素。 AI创业浪潮已至，你的公司应该“随波逐流”吗？ 我们正经历一场新技术的冲击。人工智能，尤其是大语言模型，像当年的云计算和智能手机一样，正在悄悄改变很多行业。对创业者来说，这是机会，也是疑问：要不要把项目转向 AI？如果业务本身不是干这行的，是不是已经慢半拍？ Y Combinator 的合伙人 Brad、Pete、Gustav 和 Nicola 和上千位创始人聊过，他们发现：技术日新月异，可创业的底层逻辑没变。下面是他们在 AI 时代依旧管用的几条心得。 “转型 AI”是个伪命题？AI 早成了默认配置 先说最常见的问题：我的公司要不要改做 AI？ 答案听上去矛盾：别因为 AI 很火就仓促改行，但 几乎所有业务都值得用上大语言模型。 关键在视角。别再问“要不要做一家 AI 公司”，这问题已经过时。 今天的 AI 就像 2014 年的云。 那会儿，没人会纠结“要不要用云”，用就对了。同理，现在不把 AI 用进产品或流程里，反而显得奇怪。 拿一家 YC 投资的企业举例：他们的主营业务是管理业主协会（HOA）。听起来一点也不高科技，可他们在后台用大语言模型自动化了大批流程，效率飙升，却从不自称“AI 公司”。真正让他们拉开差距的，是那些悄悄运转的模型，而不是标签。 所以，别只想着改名字、加两个 API，就想摆脱初创公司的生死线。重点是：AI 能不能帮你给客户创造看得见的价值。 历史不会重复，但总押韵：AI 的“iPhone 时刻” 没赶上过上一波技术浪潮的人，很难体会当下的节奏。 2007 年，史蒂夫·乔布斯发布初代 iPhone。那时没人想得到几年后会发生什么。App Store 一年后才上线，重要权限又等了一年。可接下来的五年，足以催生一代移动互联网巨头。 云计算也类似。Workday 的创始人曾在 PeopleSoft 工作，2000 年前后他断定：迟早有人用云把企业软件重做一遍，而且会做得更好，于是就有了 Workday。 现在轮到 AI。用 AI 原生思路把现有软件重写一次，本身就是巨大机会。...

作者：Jared Friedman, Y Combinator 合伙人 常见的错误： 总是等待一个“天才”的点子，迟迟不动手。 没有深思熟虑就仓促开始第一个想法。 从设计解决方案入手，而不是先聚焦具体问题。 认为好的创业点子非常难以找到。 评估创业点子的四个标准（并取平均分）： 潜在市场规模：这个点子是否能够覆盖一个足够大的市场？ 创始人与市场的契合度：你是否对这个市场足够了解，或者有特殊的资源优势？ 解决重大问题的可行性：这个想法是否切实能解决一个显著的痛点？ 是否有新的、重要的洞察：你的点子是否基于一个全新的见解？ 好点子的三个积极信号： 这是你自己真正想要的东西，说明有明确需求。 由于某些技术、政策或市场的变化，这个点子最近才成为可能。 已经有类似的成功公司存在，说明有市场需求。 如何自然地产生点子： 学会观察并识别身边的好想法。 在一个有价值的领域内成为专家。 在行业前沿或创业公司中工作，以接触最新动态。 生成创业点子的七种方法（按效果排序）： 从团队的独特优势出发，找出你们的核心竞争力。 设想那些你希望别人替你做的事情，这些需求可能是点子来源。 思考你长期感兴趣的领域，但要小心陷入过于小众的方向。 关注最近的技术、政策或社会变化，寻找新机遇。 借鉴最近成功公司的模式，创造出新的变种。 与他人交流，利用众包的方式获取新想法。 研究那些效率低下或表现不佳的行业，寻找颠覆机会。 创业的最佳实践： 允许点子随着时间推移不断演化，逐步完善。 优先思考问题，而不是直接设计解决方案。 对想法进行批判性思考，至少花几周时间深入探索。 即便市场上已有竞争者，也不要轻易否定自己的想法。

本文是对保罗格雷厄姆的这篇 How To Get Startup Ideas 的摘要和翻译，由 FisherAI Chrome 插件 完成，模型为 gemini-1.5-pro-latest。 摘要 主要观点 这篇文章主要探讨了如何获得好的创业点子。作者认为，最好的方法不是去刻意想点子，而是去发现问题，尤其是自己亲身遇到的问题。很多成功的创业公司，比如微软、苹果、雅虎、谷歌和脸书，都是这样诞生的。 作者指出，许多创业者失败的原因是他们试图解决一些实际上并不存在的问题。创业点子应该是那些创始人自己想要、能够实现并且很少有人意识到的有价值的事情。 关键细节 创业者应该专注于解决那些真实存在且急需解决的问题，而不是那些听起来很美好但实际上没有用户需求的“虚构”点子。 好的创业点子通常开始于一个小众市场，但有快速扩张的路径。微软的 Altair Basic 和 Facebook 的早期版本都是很好的例子。 作者建议，想要获得好的创业点子，最好的方法是让自己成为那种能够发现问题的人。 这可以通过不断学习新知识、尝试新事物，以及让自己处于快速变化的领域的前沿来实现。 程序员可以通过学习其他领域的知识，比如生物技术，来发现跨领域的问题。 作者还建议创业者要克服对“不体面”和“繁琐”工作的排斥，因为这些领域往往蕴藏着有价值的创业机会。 当你有一个好的创业点子时，你可能会觉得自己已经落后了，但不要因此却步。竞争对手的存在实际上是一个好现象，因为它表明市场需求旺盛，而且现有的解决方案都不够好。 总而言之，这篇文章为创业者提供了一个寻找好的创业点子的实用指南。作者强调了关注用户需求、保持好奇心以及勇于尝试的重要性。 原文翻译 如何获得创业思路 2012 年 11 月 获得创业思路的方法不是绞尽脑汁地去想，而是去寻找问题，最好是那些你自己遇到的问题。 最好的创业思路往往有三个共同点：它们是创始人自己想要的，是他们自己能够构建的，而且是很少有人意识到值得去做的。 Microsoft、Apple、Yahoo、Google 和 Facebook 都是这样开始的。 问题 为什么致力于解决你自己遇到的问题如此重要？其中一个原因是，这能确保问题确实存在。说你应该只解决存在的问题，这听起来似乎是显而易见的。然而，初创公司最常犯的错误就是去解决根本不存在的问题。 我自己就犯过这样的错误。1995 年，我创办了一家公司，想把艺术画廊搬到网上。但画廊并不想上线。这不是艺术行业的运作方式。那我为什么还要花 6 个月的时间在这个愚蠢的想法上呢？因为我没有关注用户。我臆想了一个与现实不符的世界模型，并以此为基础开展工作。直到我试图说服用户为我们开发的产品付费时，我才意识到我的模型是错误的。即使在那时，我也花了很长时间才明白过来，真是尴尬。我固执于我所构想的世界模型，而且我已经在软件上投入了大量的时间。他们一定想要它！ 为什么这么多创始人开发出无人问津的东西？因为他们一开始就试图去想创业的点子。这种做法有两重危险：它不仅很少产生好的点子，而且还会产生一些听起来似是而非的坏点子，让你愚蠢地为之付出努力。 在 YC，我们把这些称为“虚构的”或“情景喜剧式的”创业点子。想象一下，一个电视剧中的角色要创办一家公司。编剧必须为这家公司虚构一些业务。但想出一个好的创业点子是很难的。这不是你一蹴而就就能做到的。所以（除非他们运气好到爆棚），编剧们想出的点子听起来可能貌似合理，但实际上却很糟糕。 例如，一个为宠物主人创建的社交网络。这听起来似乎没什么问题。数百万人养宠物，他们常常非常关心自己的宠物，并在宠物身上花费大量金钱。许多人肯定会喜欢一个可以与其他宠物主人交流的网站。也许不是所有人，但如果只有 2% 或 3% 的人定期访问，你就会有数百万用户。你可以向他们提供有针对性的优惠，甚至可以对高级功能收费。 这种想法的危险在于，当你向有宠物的朋友提起时，他们不会说“我绝不会用这个。”他们会说“嗯，也许我会用这样的东西。”即使创业公司刚开始运营，很多人也会觉得这个点子挺不错。他们自己现在不想用，但可以想象其他人会想用。把这种反应放到整个社会来看，你最终会发现没有用户。 深井 当一家初创公司启动时，必须至少有一些用户真正需要他们正在做的事情——不仅仅是那些可以想象自己有一天会使用它的人，而是那些迫切需要它的人。通常，这批最初的用户数量很少，原因很简单，如果有一样东西是大量的人迫切需要的，并且可以用一家初创公司通常投入到第一个版本中的努力就能做出来，那么它很可能已经存在了。这意味着你必须在一个维度上做出妥协：你要么构建一个大量的人少量需要的东西，要么构建一个小部分的人大量需要的东西。选择后者。并非所有这类想法都是好的创业想法，但几乎所有好的创业想法都属于这类。 想象一张图表，它的 X 轴代表所有可能想要你正在做的事情的人，Y 轴代表他们有多想要它。如果你把 Y 轴的刻度颠倒过来，你就可以把公司想象成一个个洞。Google 是一个巨大的陨石坑：数亿人在使用它，而且他们非常需要它。一家刚刚起步的初创公司不可能指望挖掘出那么大的体积。所以，对于你一开始要挖的洞的形状，你有两个选择。你可以挖一个宽而浅的洞，也可以挖一个窄而深的洞，就像一口井。 虚构的创业点子通常是第一种。很多人对宠物主人的社交网络略感兴趣。 几乎所有好的创业点子都是第二种。Microsoft 在开发 Altair Basic 时就像一口井。当时只有几千名 Altair 用户，但如果没有这款软件，他们就只能用机器语言编程。30 年后，Facebook 也具有同样的形状。他们的第一个网站是专门为哈佛学生服务的，而哈佛的学生只有几千人，但那几千名用户非常需要它。...