36
0📝 本期播客简介
本期我们克隆了：Y Combinator Startup Podcast Patrick Collison: "What If You Succeed?"
原内容更新时间：Mon, 03 Aug 2026
本期节目来自 Y Combinator 的 Startup Podcast，由 Harj 主持，对谈 Stripe 联合创始人兼 CEO Patrick Collison。两人早在 20 多年前就相识并共同创业，这次对话从 Patrick 少年时期编写 Lisp 方言的经历出发，讨论 AI 时代年轻人究竟应该学习什么、亲自掌握什么，又该把哪些工作交给 Claude 和各种 Agent。
Patrick 分享了自己两次从 MIT 退学、创办 Stripe 的经历：为什么“退学创业”并不是一条不可逆的单行道，为什么 Stripe 没有遵循“尽早发布”的惯常建议，以及真实生产环境中的早期客户如何一步步推动产品成长。对正在考虑创业、辍学、转型或进入 AI 行业的人来说，这是一期关于时机判断、用户痛点、苦差事与长期主义的实战访谈。
节目后半段进一步进入 AI 创业的核心焦虑：大型模型实验室会不会把初创公司“踩死”？精益创业在 AI 时代是否仍然适用？Stripe 的数据又是否真的显示，现在是创业的黄金时期？Patrick 给出的答案并不依赖宏大预测，而是来自他在支付、企业客户和新公司增长中看到的真实变化。
👨⚕️ 本期嘉宾
Patrick Collison，Stripe 联合创始人兼 CEO。Stripe 是全球领先的互联网支付与金融基础设施平台，为从初创公司到大型企业的数字化业务提供支付、收款、公司注册、金融服务等工具。Patrick 与兄弟 John Collison 在 2010 年共同创办 Stripe，此前还曾创办在线拍卖软件公司 Auctomatic。
Patrick 的经历横跨软件工程、创业、金融科技与科学研究。他曾在 MIT 学习物理，并两度从大学退学创业；他既是亲自写代码、重视第一性原理的技术型创始人，也长期观察全球创业生态和企业创新。值得听他的原因在于，他讨论 AI 与创业时不仅谈技术想象，更能结合 Stripe 服务的大量真实企业，提供关于产品、组织、市场与长期选择的一手判断。
⏱️ 时间戳
开场：从 Lisp 到 AI 时代的学习方式
开场与 Patrick、Harj 的旧日渊源
Patrick 高中时期编写 Lisp 方言 Croma
AI 时代，大学生到底该学什么
用“缓存”理解知识与 AI 的关系
哪些能力不该外包给 AI
为什么大脑中的“L1 缓存”仍然重要
Patrick 为什么坚持自己写作
LLM 能证明猜想，却还写不出有说服力的文章
两次退学与创办 Stripe
从 MIT 退学创业的决定
Patrick 两次退学、又回到大学的经历
退学创业的代价并没有想象中那么高
“机会窗口正在关闭”可能是一种错觉
Stripe：一个好点子，也可能是一个坏点子
Stripe 早期看起来为什么既合理又荒谬
从具体客户痛点出发，而不是凭空想象需求
两个年轻人为什么没人相信
一顿寿司如何促成 Stripe 的创立
为什么 Stripe 等了近两年才发布
没有急着发布：Stripe 的反常选择
安全、银行、基础设施与可靠性的复杂性
从第一位生产环境客户开始迭代
真实用户反馈如何塑造产品
AI 时代的创业方法
“尽早发布”为什么不能成为普遍教条
AI 会不会让第一版产品应该更有野心
精益创业在 AI 时代可能面临的变化
为什么今天可以从更激进、更有野心的起点开始
成功之后，你会喜欢自己建立的公司吗
Stripe 与“苦差事盲视”
公司成长后不可避免的无趣工作
创业者为什么应该问“如果我成功了呢”
Patrick 为什么仍然喜欢 Stripe
大模型实验室会杀死初创公司吗
大型实验室与初创公司的竞争焦虑
AI 能力提升与实验室主动扩张的区别
从“谷歌会不会做这个”看今天的 AI 担忧
模型能力本身对垂直行业的替代
创业的黄金时期与更分散的未来
Stripe 数据：创业公司数量正在激增
Vibe coding 做出来的产品真的成功了吗
为什么 Patrick 认为现在是前所未有的好时机
企业害怕被淘汰，反而更愿意采用初创公司的产品
AI 会走向中心化霸权，还是成千上万个赢家
🌟 精彩内容
💡 不要只问“如果失败了怎么办”，更要问“如果成功了呢”
很多创业者在融资、招人和扩张之前，习惯反复思考失败的风险，却很少认真想象成功后的生活与工作状态。Patrick 提醒，真正重要的问题是：当公司拥有客户、员工和资本之后，你是否仍然愿意为它投入 10 年、17 年，甚至 30 年。
“我觉得你需要问相反的问题，如果你成功了呢？”
💡 知识存在大脑缓存里，调用速度远胜于外部 Agent
Patrick 借用计算机体系结构中的缓存概念解释学习：让 Agent 查资料当然有用，但外部调用的延迟远高于已经存储在大脑中的知识。真正掌握基本原理，不只是为了考试，而是为了让思考、推演和迭代变得更快。
“那比起存在你大脑的 L1 缓存里，要慢得太多了。”
💡 AI 可以完成惊人壮举，却未必能写出真正有说服力的文章
Patrick 并不否认大模型的能力，甚至承认它们可以完成证明重大数学猜想等令人震惊的任务。但他仍然坚持自己写作，因为写作涉及现实世界中的人际沟通、论证和复杂语境，这些能力目前仍然难以被简单的奖励函数定义和优化。
“我到现在还没读过一篇让我觉得非常有说服力的 LLM 文章。”
💡 退学不是单行道，创业决定也不必被神化
Patrick 两次从大学退学，又重新回到 MIT 学习，这段经历说明教育与创业并非只能二选一。对喜欢大学的人来说，读完并没有问题；对不喜欢大学的人来说，退学的实际代价也未必像父母和社会想象得那么巨大。
“你可以退学，其实也可以再回去。”
💡 真实痛点，往往比漂亮概念更能拯救一家初创公司
Stripe 的起点并不是一个宏大的金融科技叙事，而是创始人在互联网业务中亲身遇到的支付难题：表格复杂、流程过时、银行服务难用。这个点子既显然合理，又因为两个年轻人缺乏金融行业信誉而显得荒谬；最终支撑它的，是用户确实愿意为解决方案付费。
“我认为，最终恰恰是它扎根于如此具体、实际、真实的用户痛点，才救了我们。”
💡 “尽早发布”不是放之四海而皆准的创业真理
Stripe 从写下第一行代码到公开发布花了将近两年，但团队很早就让真实客户进入生产环境。对支付这类涉及安全、资金、银行合作和可靠性的产品而言，公开发布前的基础建设不可省略；关键不是盲目追求发布速度，而是持续从真实用户和真实使用场景中学习。
“如果你有这样源源不断的现实依据，不那么急着嚷嚷发布发布，可能也没问题。”
💡 AI 时代，创业者或许可以一开始就做得更大
传统精益创业强调从狭窄切口进入市场，再逐步扩张。但 AI 降低了构建复杂产品和组织能力的成本，也让许多小利基市场变得更加拥挤。Patrick 认为，新公司可能需要更激进地与他人区分，直接尝试更有野心的方向。
“而现在我觉得你一开始就可以做更激进、更有野心的东西。”
💡 大型实验室很强，但复杂组织很难同时做好一切
面对“基础模型公司会不会吞掉所有创业机会”的焦虑，Patrick 用谷歌的历史作类比：拥有巨大资源不等于能同时推进所有方向。大型组织会受到优先级、协调成本与内部冲突的限制，因此 AI 时代未必只有少数赢家，反而可能出现大量利用新能力成长的公司。
“人类组织是很复杂的，很难做到同时强力推进 100 个不同的优先级。”
💡 Stripe 的数据表明，创业正在变得更快、更普及
Patrick 观察到，通过 Stripe 和 Atlas 注册的新业务数量显著增长，中位数业务的表现也在改善，达到 100 万、500 万或 1000 万美元营收门槛所需的时间正在缩短。企业对落后和被淘汰的恐惧，也让它们更愿意尝试初创公司的新产品。
“Stripe 的数据表明，现在是前所未有的好时机。”
🌐 播客信息补充
本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的
使用 AI 进行翻译，因此可能会有一些地方不通顺
