YC掌門人力挺AI高投入策略

Y Combinator 執行長 Garry Tan 認為，新創公司在使用 AI 智能體時，不應過早把重點放在壓低 token 成本上。 相反，他主張創辦人在早期階段可以更激進地投入算力和 token，用更高成本換取更強的模型能力與更快的試錯速度。

Tan 在 A16z 最新一期播客中表示，創辦人需要允許自己大量消耗 token。 在他看來，把 AI 智能體的呼叫強度拉高，相當於提前使用未來幾年才會更普及的能力。

他給的判斷是，這種做法雖然昂貴，但對 CEO 或創辦人來說可能是划算的。 按他的說法，若把智能體“開滿”，一年成本可能達到 5 萬至 10 萬美元。

Tan 不只是鼓勵更高支出。 他強調，關鍵在於把實驗結果沉澱成可重複流程。 一旦智能體成功完成某項任務，團隊就應把流程整理成標準化指令，讓系統後續自動重複執行。

他把這類說明文件視為一種可重複使用的數位化勞動力。 換句話說，創業團隊前期用更高 token 成本換來的，不只是單次產出，而是後續可以持續調用的工作流程。

• Tan 提到的高強度使用成本：每年約 5 萬至 10 萬美元
• 目標族群：CEO、創辦人及高頻試誤團隊
• 核心方法：先高投入實驗，再把流程寫成可複用指令

但這一思路正面臨更多質疑。 上週，Uber 技術負責人 Praveen Neppalli Naga 表示，該公司觀察到的 AI 成本數據說明，所謂 tokenmaxxing 時代可能正在結束。 下一階段的競爭重點，不是誰花掉更多 token，而是誰能更有效率地使用這些資源。

AI 程式設計公司 Cognition 執行長 Scott Wu 也在今年 6 月的一檔播客中表達了類似看法。 他認為，有些公司在鼓勵 tokenmaxxing 時已經偏離重點，衡量團隊表現不應看 token 消耗多少，而應看最終產出多少。

整體來看，這場分歧反映出 AI 應用進入更細化階段後，產業正在能力優先和效率優先之間重新尋找平衡。 對於新創公司而言，是否願意先承擔更高成本，換取更快的產品迭代和流程沉澱，正成為新的經營選擇。