坦白说，我们最近看到的一些最强大、最令人敬畏的创始人，年龄可能在30多岁、40岁甚至50多岁。也就是说，经验丰富的创始人正在经历某种复兴。很多人似乎说他们希望YC能服务于独立创始人，但事实证明，YC本身就是为独立创始人而生的。我们正处于历史的一个奇特时刻：早上醒来时，你刚刚连接好一个新模型，而这些东西在一个月前你还觉得“为什么不起作用？”，现在却突然开始起作用了。
欢迎回到另一期《光锥》节目。在YC，我们每年与数千名创始人合作，这意味着我们会在趋势变得显而易见之前就开始观察到它们。因此，我们今天想与大家分享其中的一些洞察：目前的最高水平是什么？接下来会发生什么？作为建设者，你应该知道些什么？让我们开始吧。Diana，你有一些内容要与我们分享。我们对过去18到12个月中接受的所有公司进行了一些分析，并有一些相当令人震惊的数据要与大家分享。
其中一个重大变化是硬科技公司（hard tech companies）在批次中的数量比例，已从8%上升至20%。造成这种情况有很多潜在原因，我们将深入探讨这一点。另一个变化是公司的增长率以及YC对该公司产生的影响正在加速。在接受时，中位数YC公司收入为零、处于产品前阶段；而在过去的批次结束时，公司平均能达到约8,000美元的中位数收入。而现在，中位数公司的月收入已达到2万美元，而非之前的8,000美元。这是我们可以深入探讨的前两点。
让我们先深入探讨硬科技领域。这些硬科技公司是什么？推动这一趋势的动力何在？它们是真正接触原子而不仅仅是比特的事物。Diana，你认为硬科技公司的类别细分是怎样的？具体而言，机器人技术是一个重点领域，其在批次中的占比已从1%上升至约6-7%。在美国重建工业制造也是一个巨大趋势，其占比从约4%上升至10%。
国防是一个重要领域。我们一直与许多国防初创企业合作，其占比从约1.5%上升至约5%。另一个重大领域是全球在人工智能方面产生的计算需求。因此，有许多公司正在构建半导体堆栈或光子学技术，其占比从去年约1%上升至接近批次的4%。而在计算堆栈更底层的是能源领域，许多电力基础设施公司的占比也从1%上升至接近3%。
所有这些涉及物理原子堆栈的数字都增长了数倍甚至五倍以上。是的，我认为这是机器时代。正如我们的口号和T恤上所说：“制造人们想要的东西。”而人们现在确实非常渴望这些东西。所有这些深入原子领域的公司的另一个有趣因素是，我们资助的技术创始人比以往任何时候都拥有更多的专业知识和经验。
在当前夏季批次中，六分之一的创始人实际上拥有博士学位。这远高于历史水平，因为如果你从事硅光子学之类的工作，你可能需要在该领域拥有强大的研究背景。因此，我们资助了更多这样的创始人，而且我认为这些创始人的表现不成比例地好。
我认为AGI以一种非常迷人且令人惊叹的方式加剧了这一点：过去你可能认为硬科技之所以困难，是因为你有供应链、有极其复杂的软件组件。Palmer Luckie经常谈到这一点：拥有代码生成能力意味着，即使像Anduril这样的公司所做的一切也能快得多。
即使是三或四年前，你还会谈论软件工程以及顶级软件工程师作为能够进行真正顶级全栈硬件开发的限制因素之一，但这越来越不属实。你仍然需要一两名这样的工程师或一个小团队，但不必像Google、Meta或其他公司那样雇佣一千名优秀的工程师，这确实改变了经济模型。
硬科技的真正牛市论点在于：人们不仅仅是回避对软件企业的投资，而是我们现在拥有的超级智能模型实际上正在加速科学研究，使初创企业能够更早地取得更大的研究突破，因此这些深度科技公司将实际上运作得更好。
我认为另一个因素是基本上有三个宏观趋势也在推动所有这一切以及原子领域的增长，并催生了像SpaceX这样成功IPO的巨大公司，这创造了一代想要在太空领域建设的创始人。有许多公司在构建整个堆栈。例如，在2026年夏季批次中有一家公司叫Exosat，我们与之合作，试图建立一个主权的Starlink解决方案。
还有我在2026年冬季批次中合作的一家公司Beyond Reach Labs，正在为太空中的卫星制造太阳能电池板。想象一下像StarCloud这样的公司希望在太空中拥有所有这些数据中心，它们将需要电力。这是一个显而易见的解决方案。另一个宏观趋势是，我认为我们这一代当前的创始人是在战争背景下成长起来的，这场战争在社交媒体上备受关注并被广泛讨论，他们想做些什么。
我最兴奋的其中两家公司是我在过去几个批次中投资的：一个是去年秋天的Icarus，另一个是今年春天的Nine Mothers。这两家都是国防公司。Icarus正在制造一种太阳能驱动的U2侦察机，提供监视功能并也能进行通信，这实际上非常重要。无人机战争的未来在于能够与地面的无人机实际通信并看到正在发生的事情。
他们已与新成立的国防部达成七位数合同。同样，在无人机战争方面，特种部队一直在购买Nine Mothers的反无人机防御系统。这基本上是一个带有计算机视觉（CV）的散弹炮塔。但实际上，这可能是保护深入敌方战线后的特种部队的几乎唯一方式。这些人已经训练了数年之久。
美国拥有一支精英特种部队，这是目前所不具备的。你知道，我们有成千上万这样的人吗？不，我们只有很少的一部分人。因此，保护他们免受类似商品化无人机攻击的威胁，对于国防部来说实际上是生死攸关的大事。所以看到新一届政府以截然不同的方式处理国防事务，真的非常令人振奋。
坦白说，过去存在大量的俘获现象，主要来自那些采用“成本加成”模式的大型国防承包商。他们自视为顾问公司。现在能够看到新的初创企业，充分利用所有的AI技术、所有新技术以及全新的制造方式，来建造那些大型国防承包商无法制造的物品。你知道，这是一个非常强大的宏观趋势。
然而，关于国防领域的事情不仅仅是那些出售给政府的完整解决方案。还有很多类别的初创企业属于军民两用性质，它们既向私营部门销售产品，也向政府出售。这些业务涉及供应链的各个环节。例如在美国本土进行制造、建造定制化的……我想你提到过这家公司，Nox Metal（诺克斯金属）。
是的，他们正在将金属制造业带回美国。美国在很大程度上已经失去了其金属工业，在过去几十年里被掏空了，如果没有金属材料就无法制造物品。因此，Nox Metal正在重建美国的金属供应链。他们是在美国腹地底特律进行这项工作的，那里有许多空置的工厂基本上就那样闲置着。
他们是这样一个趋势的例子：人们不仅在创办硬件公司，而且硬件公司的增长速度也前所未有地快。我想我看到过保罗·格雷厄姆（PG）的一条推文，说Nox Metal的增长速度堪比软件公司。你理解这一点吗？你知道他们是如何增长得如此之快的吗？
其中一个原因是，他们的许多客户都是新崛起的国防科技初创企业。这些企业需要金属来制造他们所有的产品，而现有的供应商大多是些昏昏欲睡的老式企业，主要由老年人经营，根本无法跟上新的国防科技初创企业的建设节奏。
这让我想起早期YC（Y Combinator）时期Web 2.0繁荣的时候。我们会有这些新的初创企业，但他们更倾向于从能够跟上他们速度并与其良好合作的新兴初创企业中购买服务。例如Stripe，你可以使用传统的信用卡供应商，但显然与Stripe合作要好得多。
所以我觉得他们正在成为整个国防科技生态系统的“Stripe”。现在的第三个趋势是，计算能力是一个非常重的物理原子过程。为了让所有这些数据中心迅速上线，因为我们要谈论的AI需求一直在飙升。有一个非常有趣的数据：Nvidia（英伟达）的GPU，比如A100 GPU每小时的成本实际上在上涨。这在以前是不寻常的，因为现在得到的A100已经算是比较旧的了。
它们确实挺旧的。是的，价格上涨是因为需求太大而供应和计算能力不足。因此有很多初创企业现在致力于让数据中心快速上线，从站点的建设到软件、平台，再到实际的数据中心扩建，以及涉及如何为其供电的有趣解决方案，包括能源和电池的组合。
甚至深入到核心计算硅片领域也有许多类别的初创企业。有一些初创企业在为英伟达构建替代品的新型硅片。有一家名为Lamb Labs的公司，Tyler曾与之合作，正在为计算构建新的处理器。我目前正在这一批次中处理另一家公司Bot，它试图基本上构建使用三进制表示法的新定制硬件架构。
因为事实证明，这是一个有趣的趋势：如果你查看从A100到H100再到现在的B300的所有英伟达架构，每一代在浮点精度方面实际上是在下降的。它们从FP32、16等逐渐降低，而事实证明LLM（大型语言模型）架构并不需要全精度的浮点运算。FP16甚至在一定程度上是可用的。
没错，这就是Bot试图做的事情。我想你有一家有趣的公司在做光子互连方面的事情。是的，当前批次中有一家公司叫Dipole Labs，它正在替换数据中心中的交换机，这些交换机本质上是不同GPU之间的路由系统。如果GPU A想要与GPU B通信，它们通过这个设备——称为交换机进行交谈。
目前的这些交换机是电子式的。因此实际上存在一个问题：交换机的速度跟不上GPU的速度。GPU的速度不断提高，而交换机实际上是许多数据中心在许多不同工作负载中的瓶颈。因此Dipole Labs正在构建第一个全光交换机，从GPU A到GPU B全部使用光子。
因此它将比我们目前使用的电子交换机快得多。现在，推动这一切向“原子”（实体硬件）移动的最后一个因素是机器人技术即将发生。因此有很多公司在围绕这一领域构建栈，从特定行业的垂直机器人到部署机器人的基础设施，再到向新的机器人实验室出售数据。
因为行业中的每个人都能感觉到这样一个时刻：我们将迎来ChatGPT那样的时刻，只是还差一点。我认为我们正在弄清楚围绕它的新的扩展定律（scaling law）。所以有很多这方面的事情，我们几集前请来了Quan，我们是坚定的相信者，认为那将会发生。我是说机器人……
来自Pi（Physical Intelligence），对吧？一半是AI，另一半是硬件。我今早读到甚至Astra也是机器人技术的一大飞跃……我不记得具体的基准测试了，但在某个基准中Fable可能只有10%，而Astra显示出你可以完成60%到70%的任务。
所以数据表明，你知道的，再过几周就会有另一个突破发生，我们离目标更近了一步。对我来说，看到硬科技的复兴真的非常酷，因为你知道YC自2014年以来一直在资助硬核公司。那正是我们开始的时候。但要为这些公司提供资金确实相当困难。
记得在最近这波复兴之前，我们会资助那些让我们超级兴奋的优秀项目，比如火箭、飞机、芯片和数据中心之类的。但那时风险投资家们总是说：“啊，我们只做B2B SaaS。” 而且像这样的公司很难通过自筹资金起步。所以你真的需要下游投资者，那些能够为你提供大量资金支持、完成整个资本建设的人。
看来硅谷正在回归其本源，这真不错。历史上风险投资就是为硬科技设立的，但后来因为资助SaaS公司利润太高，偏离了这个方向长达一二十年。现在它回归本源了。关于投资者再次对硬科技感兴趣这一点，似乎发生得比我见过的任何情况都要快。
我的意思是，今年早些时候SaaS股票下跌时，Claude Code正在激增，这似乎立刻就发生了。我觉得甚至在Demo Day上也是如此，我认为这可能发生在今年年初的冬季批次中期，而到了Demo Day时，投资者似乎开始对硬科技公司表现出更多的兴趣。
这只是一个外推而已。不过值得一提的是，从另一方面来说，由于那之后许多SaaS股票实际上已经恢复并表现得比以往更好。Salesforce就是一个很好的例子，我认为Snowflake在两天前刚刚发布了爆炸性的财报数据。
所以这一切可能会发生影响。是的，也许吧。我的意思是那将是理想的情况。不过我认为我们确实看到了实实在在的东西。很明显，未来构建的软件以及其价值所在是不同的。它必须不同。
因此部分原因是我们看到Salesforce的情况正在上演经典的“记录系统”论点。护城河目前仍然完好无损。是的，如果你有一个代理可以使用的东西，那实际上是有价值的；如果有的话，你会发现代理使用软件的程度将远超人类。这似乎正在推动Salesforce的增长。
这就把我们带回到了我们之前稍微讨论过的另一个趋势：如果你把代理视为你客户，并制作出代理想要的东西；如果你的软件是代理想要使用的东西，那么这似乎就是正确的软件类型。
Salesforce非常有趣，因为我认为他们开始发布自己的Slack AI Harness（AI工具包）。所以我想我们正处于下一场AI工具包战争的开端。Codex想成为它，Cloud Code也想成为它。Open Cloud可能也会是其中之一。
Hermes、开源代码……似乎会有许多这样的工具包，而且情况不会像浏览器战争那样最终只产生一个赢家。浏览器战争往往趋向于只有一个获胜者，但谁知道呢？Benoff在这方面拥有相当大的优势，因为世界上许多最AI驱动的公司仍然在使用Slack。
如果工具包就在其中，并且它是人们协作的记录系统，那么你就拥有了巨大的数据护城河。只要这些护城河存在，SaaS的价值就可以像以前一样高。是的，我想你在一周前发了一条非常有意思的推文，谈到软件或记录系统公司必须变成工具包。
我的意思是那主要是关于Slack的。基本上，如果你是一个记录系统公司，你要么会被觊觎——比如你会发布一个MCP（模型上下文协议），然后也许数据会流失，你围绕数据的护城河就会消失，切换变得极其简单；或者你必须成为一个工具包。
你必须是人们不仅仅阅读和写入、而且实际在其中完成工作的地方，从而从你的记录系统中获得最大价值。这有点像模型公司的情况……那是RKGi吗？它是基准测试，在预训练或Pre-Alpha ChatGPT模型表现不佳时。
是的，RPGI V3。当时他们说：“这只是因为连接到了错误的工具包。”所以是模型加上工具包才产生了输出。哦，是的。我的意思是，使用自定义工具包，他们声称Astra在RKGi 3上达到了90%以上的分数。
是的，我想几个月前这还只有个位数吧？这是一个令人印象深刻的飞跃。而且我认为你关于软件的观点非常正确：软件和SaaS并没有像互联网上声称的那样死亡，它只是发生了转变。
我们在批次中实际上看到了这一点：我们接受的从事全栈端到端工作或任务的公司的比例，从仅仅10%增加到了超过25%。这与实际完成工作有关：代理执行任务，而不仅仅是像五到八年前那种旧SaaS的点解决方案。
那时你需要有人来操作SaaS软件。现在它自己运行，而在批次中，我们正是在这里看到了收入的大量增长。我记得给出的那个统计数据是：进入Y Combinator的中位数初创公司收入为零，而到了批次结束时，它从大约8千美元MRR（月经常性收入）增长到了现在的2万美元左右。
这是一个巨大的跳跃，对于中位数来说是非微不足道的巨大飞跃，平均值甚至更高。这与完成完整的端到端工作有关，例如保险经纪、实际进行临床接待、或者我不确定的医疗账单等完整的端到端工作流。
这些是增长最多的公司，而且我认为还有另一个因素导致了这种情况的发生。我想我们在几集前讨论过这个问题：自从Opus 4.5开始，代理式编码起作用以来，到现在差不多已经一年了。
我们看到这些工作流完全绽放，结果基本上是人们希望他们的工作被完成，并且愿意购买那些能真正完成任务的软件。我想当人们听到这些收入数字增长得如此之快时，一个简单的批评是：也许这只是AI炒作。
这些公司只是在为AI产品花钱，因为做这件事很酷。公平地说，可能确实有一部分是这样的。但我认为牛市的情况实际上是我们两年前在一集中说过的话：当代理刚刚兴起时，我们说过产品将变得更有价值。
如果它们自动化了……
整个工作，他们实际上会比那些只跟踪任务但不执行任务的记录系统更有价值。因此，公司愿意为产品支付更多费用。在我合作的公司中我确实看到了这一点：有些公司的价值主张非常强大，以至于大型企业愿意在早期就开出巨额支票。
是的。我看到一家公司正产生这种影响，那就是Juicebox，一款AI招聘工具。过去几年它的增长速度惊人，但起初基本上可以说是一个由大语言模型驱动的人员搜索工具。他们的做法是：你可以输入想要雇佣的人才规格，它能很好地筛选出你可能想联系的优秀候选人资料。
但之后你仍需手动去联系这些人。最近他们推出了一个智能体产品，发展非常迅猛。这个智能体不仅仅是搜索人员，它还会主动联系这些人，能够安排面试并处理大量其他事务。这太棒了。
是的，而且我认为按客户账户计算，这将使他们的收入翻倍甚至三倍增长，因为客户越来越需要这类智能体。我不认为可以说它完全自动化了招聘官的工作；它只是改变了工作方式。毕竟，招聘官本身可能并不一定愿意去执行那种向500人发送外联邮件的工作。
我认为让招聘官工作变得更专业、更有趣的在于文化契合度评估，而这正是AI很难通过电话面试来准确判断的部分——即如何评估某人是否适合企业文化以及其中的人性化因素。因此，我认为招聘官们实际上非常兴奋能使用这些智能体，因为它们解放了人力，让他们去做那些独特且有趣的工作。
另一个令人震惊的数据是：在加速营期间真正获得加速的公司，确实开始腾飞了。今年我们经历了一种过去从未有过的现象：有些公司在3个月的加速营期间，收入从零增长到七位数。这令人震惊。在过去，一家公司达到这一水平通常需要18个月或更久，而现在它们仅用这段时间就做到了。
部分原因在于他们解决的是真实问题。而且由于智能体编程（agentic coding）的应用，它们构建的产品也更加成熟。那些超级依赖AI的创始人，通过大约20次编码智能体会话就能达到这种产品成熟度。
还有一类公司近期增长也极快，即向各大实验室出售数据或强化学习环境（RL environments）的公司。这一点可能值得讨论一下，因为许多这类公司相当低调。与大多数喜欢宣扬自身业绩的公司不同，它们往往缺乏谈论自己表现良好的动力。因此，外界可能没有意识到这一类别已经变得如此庞大。
当Y Combinator在2016年投资Scale时，这还只是一个微小的利基市场，甚至算不上一个类别。起初基本上只有Scale在做这件事，后来Meror也开始涉足，接着又有几家公司加入。但在过去几年里，它已经发展成为一个大类别。我们最近提取了数据：仅在过去的两年中，Y Combinator资助的超过十几家公司每年通过向实验室出售数据或强化学习环境就能赚取超过1000万美元。
在许多情况下，这些收入高达数亿美元。一家成立仅几年的公司就能赚取数亿美元。说实话，这转化为收入的效率相当快。是的，简直疯狂得离谱。你想聊聊其中任何一家吗？Gary？
嗯，我是说那些大公司……我认为Aftermath和Data Curve都非常出色。说实话，可能有很多公司名字太多，甚至不希望被提及，因为一旦你的模式跑通了，你几乎不想让别人知道。不过我认为理解这一点是自然的：数据是扩展定律（scaling law）的一根支柱，虽然人们大谈特谈算力，但如果没有数据，你怎么能让这些模型变得更好呢？
强化学习环境这件事很有趣。这里有很多内容……针对特定用例存在着大量的纯定制化工作，例如你会看到用于金融领域的强化学习环境。有人可以在此领域无限深入挖掘，这需要一点专业知识、大量的计算机科学基础以及一些系统工作。但强化学习环境似乎是……我是说，人们可能在基准测试上有点过度投入了，但这确实需要花钱，而且从目前大型模型公司采取的方法来看，它似乎会长期存在。
据报道，各大实验室在此方面的支出约为十亿美元。这并不是一个广为人知的事实，但围绕此确实可以建立真正的业务。目前强化学习环境是主流趋势，而且涉及长期视野任务的产品正在构建中，我认为这也开始在机器人领域浮现。实验室也希望解决让AI在物理世界中运作的问题，因此它们需要大量现实世界的环境数据。
例如以自我为中心的数据、遥操作任务等开始成为一个巨大的数据类别，实验室正与这些公司达成八到九位数的大额交易。我们在本期加速营中有多家公司从事这方面工作，并成功在该领域实现了收入转化。例如在2026年夏季班中，有Praxis Robotics；还有一家公司我正在合作，它在全球拥有多个进行工业制造的场所并从中收集数据。
还有另一家由Brad合作的公司叫Deep Reach，它拥有全球各地当地企业家进行人工归档和冬季作业的数据。是的，2026年冬季班近期也有许多这类公司出现。对。我认为如果我要预测的话，回到之前提到的观点：所有的记录系统都需要成为AI赋能的工具；它们可能也需要开始……
训练自己的模型，这就是像River AI或Tinker这样的工具变得真正有趣的地方。你可以坐在Cloud Code里，甚至使用OpenClaw来训练自己的模型，这非常有趣。它会自行进行数据清洗等所有工作，但迄今为止，这还不是一个巨大的因素，但我能看到它成为一个更重要的因素。当你拥有专有数据并可以训练模型时——也就是说，开源权重模型已经非常接近前沿水平。如果你能针对特定用途对这些模型进行专门训练，使其表现得比前沿模型更好——那将非常强大。
我认为这在机器人领域甚至会更显著。这目前还是一个未被证实的假设，但我认为机器人在基础模型方面与大型语言模型（LLM）具有非常不同的特性。对于LLM，整个核心是用语言来模拟现实；而对于机器人，你是在物理三维空间中模拟现实。这具有多得多的自由度。也许为了让机器人在特定垂直领域工作——比如数据中心运营的机器人，我有一家名为Boost Robotics的公司，专门为数据中心构建用于布线的机器人。
这些机器人是有可能工作的。最好使用在自定义数据上经过微调训练的模型，因为它能直接在该环境中工作。因为机器人面临的另一个挑战是它们需要实时运行，对刺激做出非常快速的反应，并制定行动计划，这与LLM不同。对于LLM，你可以让它运行然后稍后回来查看结果。但对于机器人则不行。比如，如果你将电缆连接到数据中心，有人进来撞倒了机器人，或者导致连接到了错误的插孔。
是的。我的理解是，所有使用物理智能（PI）模型部署机器人的Y Combinator公司都在对PI模型进行微调。我认为没有任何一家能直接使用现成的PI模型。尽管它是一个很好的起点，但你必须针对特定情况（如数据中心电缆）进行微调才能使其工作。你与Ultra这家公司合作过，对吗？是的。他们从PI模型开始，但他们拥有数千小时的将物品放入箱子的视频数据，这使得他们在装箱方面非常出色。
我听到的基本论点是：你可以观察Claude Code如何使用其代码转录数据来确定顶级程序员是谁，然后利用这些数据来训练下一个编码模型，使其表现更好。如果你拥有TikTok，你就拥有了关于人们观看、点击以及什么内容具有吸引力的所有数据，你可以利用这些数据在Seed Dance中制作更具吸引力的视频。所以你知道的，这种情况已经发生了。我认为这一趋势将从此以相当壮观的方式继续下去。
我们注意到的一件事——我想我们都注意到了——坦率地说，最近我们看到的最强大、最厉害的一些创始人，他们可能三十多岁、四十多岁甚至五十多岁。也就是说，经验丰富的创始人正在回归。很多人似乎说他们希望YC成为针对单人创始人的孵化器，但事实证明，YC确实就是为单人创始人服务的。Diana，你发现了一些令人惊讶的数据统计吗？
从分析一年前的Septic公司得出的一个惊人统计数据是，以前我们接受的只有约5%的公司是由单人创始人创建的，而现在这一比例超过了18-19%。这是一个巨大的增长，是我们见过的最高增幅——几乎占批次总数的五分之一。而且这似乎还会持续下去。你知道，以前你必须具备多种技能。你得是一个出色的推销员。你需要能够解释清楚——我们会说他们必须是好的谈话者，对吧？你需要一个能说服别人的人。
然后如果你能把这样的人与一位世界级的技术专家配对，那就是最理想的组合。因此，经典情况下你需要共同创始人来做这件事。虽然不一定非要有，但这会大大增加你的机会。我觉得这在很大程度上正在发生变化。现在知道该提示什么以及知道该构建什么是如此困难且有价值，这比仅仅作为CTA能够编码东西要重要得多。我认为正在发生的是，我们一直都有非常成功的单人创始人。
人们没有意识到YC的这一点。虽然定义有所不同，但在所有实际意义上，Instacart的Parker Conrad和Coinbase的Brian Armstrong在批次开始时都是单人创始人。是的，Parker Conrad作为单人创始人进入YC，然后我采访了他的CTO Lakshmi。当时能够独自拥有创意、推销它并构建它的门槛真的非常高，而且这完全是可行的。
是的，我认为在这种情况下——那三个人是极其杰出的人。因此，有能力做到这一点的人非常少。而现在你可以实际开始行动了，所以我认为你至少在构建这一维度上不需要那么杰出就能起步。但总的来说，拥有共同创始人仍然有价值。这仍然是衡量标准之一——如果你的共同创始人超级精英，那意味着你可能也是超级精英，并且这会大大增加成功的机会。
是的，在这些案例中他们都引入了共同创始人。我认为在每种情况下，他们只是先起步并获得 traction（进展），然后在某个阶段添加了共同创始人。因此，也许股权所有权不同，或者动态与传统情况略有不同——传统情况下你们两人坐在房间里完全五五分。我不知道你是否想加入这些数据，但我确实看到了这种趋势的增加：在公司生命周期后期，在事情已经起步之后添加共同创始人。
我认为这将成为一种趋势。我们将在批次中看到更多的单人创始人，而这已经发生了。
看着像刚开始的那批，但至少我仍然预期那些成功的项目在公司发展过程中会加入联合创始人。加里，你也想谈谈更有经验的人创业这一趋势吗？看起来确实如此，那些“身经百战”的人在做得好得多。我想到了彼得·斯坦伯格（Peter Steinberger），他可以说是典型的例子，我记得他在四十出头时曾是开发经理。他以前做过初创公司，然后非常独特地早期就与Clankers一起获得了极强的AI能力。但他尝试了很多东西，所以他知道该构建什么，我认为这实际上非常令人鼓舞。基本上如果你身经百战，你就知道龙在哪里。你大致拥有品味，而这些人在当下尤其强大。
是的，有很多经典的事情是被设限的。比如哦，你需要一个联合创始人，你需要一些酷的投资人对你感兴趣等等。而现在这些越来越不成立。实际上你需要知道该构建什么，这才是现在的高阶位。如果你生活阅历丰富，去过很多地方并且非常有主见，那么实际上你现在可能没有借口了。你的借口是什么？你在网上这么大声嚷嚷了这么久，为什么你不构建一些东西呢？打开代码直接去做吧。把你的钱放在你的嘴巴后面（言行一致）。
我也想知道管理编码代理在某种程度上是否与管理人员没有太大不同。哦，是的。所以像彼得、你或者鲍里斯·楚尔尼（Boris Churney）以及Shopify的托比这样有着管理工程师团队完整职业生涯的人，实际上非常适应这种情况。他们能够组建庞大的编码代理团队并管理它们，可能甚至比那些没有多年经验的聪明19岁年轻人更有效。是的，我们可以对代理稍微不那么粗暴一点，试着理解他们的出发点。你捕捉他们情绪的频率要低99.9%。所以是的，这很有帮助。
我想知道对于现在想开始并建立公司的人来说，具体的建议是什么？我的意思是就开始提示（prompting）吧。今天打开GPT-6简直太疯狂了。当你的代理明显更聪明的那一刻，你知道的。你之前一直感到烦恼的一些事情，比如那些你没有时间深入研究的bug。你就直接说：“实际上，你能不能回去看看你没能解决的那件事？”查看你们所有的聊天记录，任何看起来像没搞定的东西，现在试着去搞定它，而且每次都能做到。
我们正处于历史中一个奇怪的时期：早上醒来，连接一个新的模型，然后这些东西即使是一个月前你还觉得为什么不起作用，现在它就开始工作了。想到我们可能在未来18到24个月甚至36个月内都能做这件事，谁也不知道什么时候结束。我想这就是在AGI时代的编码吧。好吧，我们今天的时间就到这里了，但如果你能看出来，我们对现在发生的一切感到非常兴奋，你也应该如此。我们迫不及待想看到你们构建的东西。