【演講】Garry Tan:skill file 存在誰的伺服器,是政治問題
Garry Tan 是 Y Combinator 的執行長——這家矽谷創業加速器三十年來投出了 Airbnb,Stripe,DoorDash,幾乎定義了新創公司這個物種的現代形態。今年八月,他在 YC 的年度創業學校對著七千名創辦人開講,主題不是募資,不是 PMF,而是一個 23 歲時被整個社群詛咒,靠磨鏡片維生,死後才出名的 17 世紀哲學家。這個切入點本身就是一個訊號:他想說的不是技巧,是一套世界觀。而世界觀的核心只有一句話:AI 的紅利不在雲端某台伺服器裡,它在你自己的資料夾裡,現在就在,只是大多數人還沒去拿。
每天精選 6 則要聞、一則產業名人訪談,五分鐘跟上。
這場演講值得留意的有四個點。第一,Tan 給出了一個具體的生產力數字——他自稱現在的程式碼產出是 2013 年的 400 倍,就算打最大折扣也有 8 倍——並且用 YC 整個投資組合的數據來撐這個數字。第二,他提出 personal AGI 的概念,刻意和市面上的 AI 訂閱服務切割,指出兩者的本質差異是租用與擁有。第三,他把技術問題翻成政治問題:你的工作方法一旦被寫成 skill file 存在公司的伺服器上,你就完成了一次自我剝削。第四,他公開了自己整套個人作業系統的架構,並且把它開源。合起來看,這不是一場 AI 工具教學,而是一場關於認知主權的政治宣言,只是包裝成了創業建議。
◎400 倍不是吹牛,是有分母的
Tan 說他現在的程式碼產出是 2013 年的 400 倍。這種數字通常是用來唬人的,但他主動替自己打折:假設 AI 寫的程式碼有一半是冗餘的,假設他在誇大自己,算下來最保守的底線是 8 倍,中段估計是 80 倍。他沒有停在自己身上,他拿 YC 投資組合說話:2025 年初的那一批新創,四分之一的公司程式碼庫有 95% 是 AI 生成的,那批公司正在成為 YC 史上成長最快的一批。他特別點出,同樣用 Claude——Anthropic 開發的 AI 助理——同樣的模型,同樣的規格,有人用出 2 倍效果,有人用出 100 倍。差距不在工具,在你給工具什麼材料,在什麼環節給。這是這場演講最核心的技術主張,後面所有的架構說明都是在回答那個材料是什麼。
◎租用的 AI 和擁有的 AI,不是同一種東西
Tan 對市面上的 AI 產品有一個很直接的定性:那是你租來的企業 AGI,不是你的。你關掉分頁它就重置,它只知道全世界都知道的事,它會在你沒有發言權的時候被改造。他自己建的是另一套東西,他叫它 personal AGI:跑在自己的機器上,讀的是自己擁有的記憶庫,執行的是自己寫的流程,而且每天都在複利增長。他的記憶庫叫 GBrain,目前有 22 萬頁 markdown 文件——一種純文字格式的筆記——涵蓋他 25 年的郵件,會議,決策與草稿。有人寫信來談危機,他的 agent 在他讀完信之前就已經把他們的所有歷史對話,三家碰過類似問題的公司的結果全部調出來了。他說這是助理和同事的差別。這套系統的開源版本叫 GBrain,在 gbrain.io 可以免費取得。
◎Skill file 是你的認知,存在誰的伺服器是政治問題
演講後半段是這場的真正重量所在。Tan 用一個虛構的支援工程師 Maya 來說明:她花兩年時間把自己的判斷——怎麼處理凌晨兩點的緊急故障,怎麼安撫快要流失的客戶——寫成 40 個 skill file,也就是用英文寫成的,可以讓 AI 執行的工作流程文件。如果這 40 個文件在她自己的資料夾裡,她換工作時帶走兩年的複利判斷力。如果在公司的伺服器上,她離開之後公司繼續用她的判斷,她的名字甚至不在版本紀錄裡。Tan 說這不是新問題:工廠時代,織布機屬於工廠;知識工作者一直以為自己安全,因為技術在腦子裡沒人拿得走。Skill file 終結了這個假設,你的認知第一次可以被提取,儲存,版本控制,唯一的問題是被誰擁有。
◎一個人加上 markdown 文件,可以先於公司存在
Tan 給出了兩個數字讓人停下來想:YC 某一批新創的公司,在年化營收達到 1500 萬美元時只有 15 個人;另一家達到 6000 萬美元時只有 40 個人。他說這種人均營收在軟體業,石油業,鐵路業都從來沒出現過。這些公司的共同點是從一兩個人開始,用他描述的這套架構運作。他把這個邏輯推到最前端:在你有共同創辦人,有 logo,有募資簡報之前,你已經可以用 agent 跑一個組織。skill file 是員工,resolver 是組織圖,任務進來由它決定交給哪個文件處理。這讓先建再說這個建議的物理條件徹底改變了——不是說說而已,是真的一個人加一台筆電可以做到過去需要一個團隊才能做的事。
看完這場,我的判斷是:Tan 說的技術細節是真的,那些數字也有足夠的基礎讓人認真對待。但更值得你記住的是他把這件事定性的方式——不是效率工具,是認知主權。你現在每天在用的工作方法,如果只活在你腦子裡,它會隨你退休一起消失;如果被寫下來存在別人的系統裡,它會在你不知情的情況下繼續工作。在這兩種結局之間,還有第三條路:你自己寫下來,放在你自己控制的地方。這條路現在的技術門檻已經低到一個週末可以開始。你要不要開始,是另一回事。
Tan 以斯賓諾莎的故事做類比,說明一個被社群詛咒,被收買,差點被殺的人,選擇繼續建造精密工具並寫下最危險的書稿,引出創辦人應有的 conatus(內在驅動力)概念。
Tan 提出 personal AGI 的定義,刻意與市場上的 AI 訂閱產品切割:跑在自己基礎設施上,讀取自己擁有的記憶,執行自己寫的流程,每天複利增長——而非關閉分頁就重置的租用服務。
Tan 說他 2013 年每天寫約 14 行有效程式碼,今年在同樣時間與同樣大腦下,產出是當年的 400 倍;他主動替自己打折,指出最保守估計仍有 8 倍,並引用 YC winter 25 批次四分之一公司程式碼庫 95% 由 AI 生成的數據佐證。
Tan 說明 GBrain 的架構核心問題:AI agent 的上下文視窗約一千頁,但人的一生是一座圖書館,關鍵在於誰決定哪三本書現在攤開在桌上——這就是記憶庫加上圖書館員的功能所在。
Tan 區分兩種運算空間:latent space(模型內部,適合處理判斷,品味,意圖解讀)與 deterministic space(資料庫與程式碼,適合算術,SQL 查詢,大規模排程);他以為 6,000 人製作客製化議程表為例說明兩者必須搭配使用。
Tan 提出 skill file 的政治意涵,用虛構工程師 Maya 的案例說明:同樣 40 個工作流程文件,存在個人資料夾是職涯資產,存在公司伺服器是認知被提取——同樣的文件,一個變數決定兩種截然不同的結局。
Tan 以一位父親為罕見癲癇孩子建立 80,000 頁 markdown 記憶庫的真實案例,說明 personal AGI 的實際應用:不是 benchmark,不是 demo,而是一個人用一台筆電與一座個人知識庫,把自己推到人類對某個特定病症知識的極限邊緣。
看完今天的,讓明天的自己送上門
每天精選 6 則要聞、一則產業名人訪談,五分鐘跟上。
已出刊 95 期 ・ 隨時可退訂
