30 秒看懂
Alfred Lin 做客 Stanford AI Club 的 2026–2027 演讲系列，讲述自己经过 LinkExchange、Tellme Networks、Zappos 和 Sequoia Capital 的路径。他鼓励学生尽量多学、跟优秀的同事在一起，找到自己愿意持续解决的问题，并把对技术的理解和对所服务的人的理解结合起来。 Lin 认为，AI 模型能做什么和客户实际用得上什么之间的差距，是一个巨大的机会。他还谈到脆弱的起点、创始人愿景、热情与纪律之间的张力，以及为什么杠杆比 AI 循环投资更让他担心。观众提问把对话延伸到投资人判断、组织设计、受监管市场、选择联合创始人，以及从错误中学习。
- 1跟值得追随的人一起学Lin 建议尽量多学，尽量跟优秀的同事共事。他强调，成功的公司要花很多年，进入这条路的途径也远不止一条。
- 2脆弱是起步时的常态两个人的创业公司起步时几乎没有护城河。Lin 看重创始人能否把最初的功能连到一个更大、能鼓舞人的产品愿景上。
- 3在扩散鸿沟上做产品模型的能力往往超出用户工作流所能消化的范围。Lin 认为，把这些能力变成普通人和专业人士用得上的抽象和产品，这里面有价值。
- 4让火与冰保持张力愿景和创造力必须碰上把产品做出来、分发出去、卖出去的纪律。Lin 用 Zappos 和 Amazon 说明，执行力如何支撑下一步的野心。
- 5盯住杠杆Lin 认为循环投资值得审视，但更担心用债务支撑的基础设施扩张。杠杆会同时放大成功和失败。
- 6先找到对的人有人问学生创始人的头 90 天该做什么，Lin 从找互补的人开始：要能一起干十年，再用共事来检验合不合拍。
要点建议
- 早期职业应当尽量多学、尽量跟优秀的人在一起，而不是假定通往成功只有一条正确路线。
- 一个有用的功能可以长成一家公司，前提是创始人能讲清更大的愿景，并持续扩大自己交付的价值。
- Lin 认为，模型能力和人类采用之间的差距，会持续带来应用层和基础设施的机会。
- 技术能力和对人的理解是互补的：模型可能让一些任务变得商品化，同时让更深的理解更有价值。
- 热情能打开可能性，但经营纪律能帮公司把价值交到用户手里，并为下一次扩张提供资金。
- 信念来自对客户问题的深入探究，而不是仅仅热情地谈论它。
- 框架只有在创始人明白自己的假设和简单叙事在何处失效时，才真正有用。
按章节阅读完整文稿
风险、家庭，以及值得解决的问题
Lin 回忆自己的成长经历，以及为何选择做小公司。他把创业描述成一连串问题、解决方案，以及新问题。
Stanford AI Club 拉开 2026–2027 演讲系列，请来 Sequoia Capital 的 Alfred Lin。开场介绍了他合作过的公司，包括 Airbnb、DoorDash、Citadel Securities、Kalshi 和 Zipline，以及他早年在 Zappos 的职位。Lin 的数学和统计学背景，成了这场关于职业、创始人和 AI 的对话起点。
主持人问，在台湾长大、后来搬到纽约，如何塑造了 Lin。他回忆父母都是商业银行家，看重教育，还给可接受的职业排了序：教授第一，然后是医生，再是律师，经商几乎垫底。即便经商，也应该去大公司，而不是小公司。
Lin 几乎走了相反的路，部分因为父母自己就冒过一次大险。他们放下在台湾已经成功的生活，为了让孩子在美国有不同的机会。他鼓励学生们认清自己的有利位置：正赶上一次重大技术转型，值得冒险，而 Stanford 的教育可以当作退路。
他敦促学生留意世界上那些感觉略微不对的地方。这些观察可以成为想法的起点。每个问题都有解法，每个解法又会带来新问题；要做的是找到一串自己愿意持续解决的问题，做到出色，并建立起支撑这件事的经济引擎。
Lin 从 Stanford 博士项目退学后加入的 LinkExchange，用一种当时别人并不看重的方式把网站连在一起。后来它以 2.65 亿美元卖给 Microsoft，当时是 Microsoft 最大的收购之一。Lin 用它说明，一个看起来很小或很怪的问题，可以做成一家像样的公司。
在 Tellme Networks，要解决的是自动处理拨打 800 号码的电话。当时没有现成的云基础设施可用，公司只好自己把需要的系统建起来。在 Zappos，反对意见是：人不会在网上买鞋，因为必须试穿。把鞋寄到顾客家里，就等于让他们在家试穿。
职业路径、学习和技术深度
讨论比较了创业公司、大公司和通往成功的不同路径。Lin 建议向优秀的人学习，同时把对技术的理解和对人的理解结合起来。
有人问有抱负的学生该加入创业公司、自己创办公司，还是去大机构，Lin 说没有唯一正确的答案。他的建议是尽量多学，并跟非常优秀的人共事。这条原则在他职业生涯早期管用，后来作为投资人挑选创始人时同样管用。
Lin 强调，伟大的公司不是一夜成功的，往往需要十年甚至更久。他提到黄仁勋长期投入做 GPU：公司的前二十年，和后来让他广为人知的阶段完全不同。学生应当寻找自己能感兴趣几十年的工作。
Lin 用高中时一个没做成的生意，说明路径可以很多。他和父亲用大约 1000 美元的零件组装兼容 PC，能卖到大约 2000 美元，而一台 IBM PC 要贵得多。他请父母把准备用来上大学的钱给他，好去开公司。
父母坚持要他上大学。Lin 只申请了他们愿意付钱的那几所学校，希望自己进不去，就能拿回开公司的钱。计划失败了：他进了 Harvard，后来又接受了 NSF 资助、去 Stanford 的机会。他来西部，是因为自己关注的科技公司都在这里，这里看起来才是学习的地方。
他说人生是路径依赖的，但这不等于年轻人走不出早期的选择。他原本以为自己会读完博士，再去对冲基金。父母大概会预测他走金融、弟弟去创业；实际路径正好反过来。另一些朋友读完博士，在 Google 过得很好。
主持人问，当 AI 让编程和数学工作更容易上手，数学、计算机科学和技术能力是否还重要。Lin 的回答是把对立的想法同时拿在手里。一些任务可能变得商品化，与此同时，对底层系统如何运作的深入理解会变得更有价值。
他提到，市场需要那些对模型理解足够深、能从中拿到出色结果的人。他们的工作也许不再像传统编程，但这种理解仍然重要。接着他请技术出色的学生也去研究人：创始人是为人做产品的，经济价值最终要通过人和他们建立的机构流动。
从学生团队到走得长远的公司
Lin 谈到如何选问题、如何创造并捕获价值，以及如何与联合创始人共事。Airbnb 说明，脆弱的起点也可以承载更大的愿景。
对想创办公司却还没找到问题的学生，Lin 说寻找本身可以是一段旅程，不必一毕业就定下来。他建议问：哪些问题有意思，为什么重要，解决它们会有多大价值。创造价值、把价值交出去、再捕获其中一部分，是公司建设的三个关键环节。
跟自己喜欢、并能从中学习的人共事，有助于回答这些问题。Lin 最早的几家公司就来自这样的关系。学生也许现在就会遇到未来的合作者，先在旁边做点东西，或在别处一起工作，很久以后才创办公司。他认为 Stanford 特别适合建立这些联系、检验共同兴趣。
DoorDash 就是这个过程的例子。联合创始人把商业和工程视角、研究生和本科生的经历凑在一起。他们先做了几个想法，才找到大家都想解决的问题。Lin 拿 Stanford 对学生项目的宽松，对比他记得的一个类似学生创业在 Harvard 碰到行政障碍的例子。
主持人问他如何区分转瞬即逝的 AI 功能和走得长远的公司，尤其是后来的模型发布可能会把这个功能吃掉。Lin 先看创始人如何解释自己的野心大于第一次实现。一家只有两个人和一个想法的公司，起步时几乎没有护城河。
大公司原则上可以抄这个功能，但它们还有别的优先事项，包括基础设施开支，顾不上。所以 Lin 不希望创始人因为一开始没有护城河就动弹不得。接下来真正重要的问题是：第一个有用的功能之后是什么，它如何长成一套产品，并由一个能鼓舞人的愿景支撑。
Airbnb 早期很脆弱：一个跟陌生人同住的房源服务，潜在房客还得等房东回邮件。它跟人们今天认识的那家成熟公司完全不像。但 Brian Chesky 对旅行有另一种愿景，把这个愿景讲清楚，帮他吸引别人加入一段要走很多年的路。
Lin 记得父亲出国旅行时，走到哪里都选同一家连锁酒店、同一布局的房间。可预期就是好处：他甚至知道闲置的吹风机会放在哪个柜子。对 Chesky 来说，这种千篇一律恰恰错过了旅行能给的东西——当地人、归属感，以及一家人可以一起生活的地方，而不只是占据几间酒店客房。
对一个人是功能，对另一个人可能是缺陷。Lin 鼓励创始人仔细观察这些差异。Airbnb 的价值不一定是楼下的会议室；也可能是厨房或客厅，让一家人能待在一起。即便 AI 让技术能力变得商品化，这些人类需求和连接也不会消失。
AI，以及能力与采用之间的差距
Lin 把 AI 放进技术变革的历史里，同时强调人类采用的速度很慢。他认为应用、专用智能和支持工具，都是弥合这一差距的办法。
有人问为什么 AI 是他职业生涯里最大的浪潮，以及它是否像以前的泡沫。Lin 先把它放进历史里看。PC、互联网、宽带、云和移动，在各自的时期都像是主导性的转型。每一代人都面对过一套铺天盖地的新工具，以及用它们做成更多事的期望。
他把此前的革命和这一次区分开。工业机械取代的是人和动物的肌肉力量，互联网和移动则通过通信把人连起来。他把 AI 描述成一次计算层面的转型，涉及能够推理的机器，而且发生在通信网络已经连接数十亿人之后。已有的分发网络，有助于解释它的速度和潜在覆盖范围。
即便如此，Lin 提醒人们不要假定一次技术浪潮会立刻改造社会。他离开研究生院时，曾预测 Amazon 会消灭 Walmart。几十年后他指出，Walmart 已经大得多，Amazon 也才刚刚超过它的营收。认清一项技术的方向，和预测机构与客户会多快改变，不是一回事。
持久存在的差距，是技术让什么成为可能，和普通人实际采用了什么。他认为，人是系统里动得最慢的部分。创始人可以做的，是模型能力和客户实际用法之间的这段距离。Lin 预计，即便技术继续进步，这段距离仍会相当大。
技术靠越来越有用的抽象向外扩散。早期程序员贴近机器指令工作；后来的人做出一层层抽象，让人不必懂那些也能用上计算。Lin 认为 AI 前面还有同样的工作。技术人容易低估，要把底层能力变成全社会用得上的东西，需要多少功夫。
主持人问，模型在基准测试上不断进步，最大的实际差距在哪里。Lin 说，模型已经比许多应用真正用到的更强。他不同意软件或应用层已经失去价值这种说法。无论这一层叫什么，总得有人把一种能力和一个能从中得到经济结果的人连起来。
他举了法律、医学、营销和金融的例子，包括 Harvey、OpenEvidence 和 Profound。这些领域的专业人士通常不想下到模型里直接编程。应用可以把能力翻译成专业人士的情境、工作流和预期，Lin 认为大量价值就在这里创造出来。
另一个机会是帮助组织拥有自己的智能。比如制药公司可能希望把开放权重模型适配到自己的数据上，而不是把一切都放进少数几家主导服务。Lin 预计，能让客户对知识、模型及其用法有更多控制权的工具和专用系统，会有需求。
他提到药物研发、LangChain 这类开发者工具，以及开放权重模型的构建方，都是对这一机会的不同回应。能力和采用之间的差距会不断产生新工作。一个问题的解法会带出别的问题：比如让模型去排查网络安全问题，就会带来隔离和控制方面的新问题。
主持人问，应用提供方会不会再往前一步，自己把底层服务也做了——比如从给律师的工具，变成直接做法律工作。Lin 说这些可能性都敞开着。他讲到 Harvey 在模型和客户群上的演进，认为这是把 AI 公司的边界想得更大的理由。
Lin 把这种放大的野心，比作如今孩子可以借助编程工具很快做出游戏、玩上游戏，而不必先学完整门编程语言。第一次成功会给他们继续做更多东西的欲望和能力。他认为创始人也有类似机会，不断扩展人们用这些系统能做成的事。
公司建设中的火与冰
对话转向创业热情与经营纪律的关系。Zappos 和 Amazon 说明，有纪律的执行如何支撑一轮又一轮扩张。
讨论转到 Lin 所说的「火与冰」。火是热情、愿景，以及解决重要问题的冲动；冰是沉着、清晰的策略和执行。一家公司也许从一件没人见过的创意开始，但很快就需要把产品做出来、交出去，并说服客户付钱。
创造出价值却交不到别人手里，是不够的。以充足的火起步的公司，需要经营和管理那种冷静的纪律。这份纪律随后又能支撑下一轮创造，为下一个想法提供资源和能力。Lin 把这两种力量看作创业旅程里互相成就的部分。
Zappos 从鞋起步，再扩展到手袋和服装。Amazon 走的是同一模式的加长版：先在图书上建立起纪律和盈利，再进入音乐和其他品类。在 Lin 的讲述里，每一块运转起来的业务都支撑下一轮扩张，直到公司变成什么都卖的商店。
有时愿景和经营细节存在于同一个创始人身上，有时则分散在一个团队里。Lin 说自己在 Zappos 是冰，Tony Hsieh 是火。他鼓励创始人和管理者认清自己天生倾向哪一边，以及需要从互补的伙伴那里获得哪些品质。
AI 里的循环资金和债务
Lin 区分了资本的正常循环，和完全靠循环资金支撑的体系。他认为，杠杆上升尤其需要审视。
一位主持人问到 AI 里的循环投资，举例说 Nvidia 给一家公司出资，这家公司再去买 Nvidia 的 GPU。Lin 说，如果一个体系只靠循环资金支撑，那会有问题，但资金循环本身是正常的。他建议先弄清钱如何在经济里流动，再把每一个闭环都当成价值是虚假的证据。
他用一个简化的银行例子说明：存款支撑放贷，借出去的钱最终进入另一个账户，又能支撑下一步活动。他真正担心的是，进来的钱立刻全部流出去，中间没有任何缓冲。他认为 Nvidia 对生态的投资，部分是为了帮客户在它的硬件上继续建设。
Lin 说更大的问题是杠杆。曾经能产生现金的公司，在扩大数据中心开支时开始举债。债务会朝两个方向放大结果，他认为系统里杠杆的规模，比循环交易是否存在更值得审视。他仍然欢迎对整个体系保持审视和谨慎。
创始人信念、投资人经历，以及导师
观众提问谈到非典型创始人和投资人的不同背景。Lin 区分创始人素质和业务素质，并建议向许多人学习。
观众提问从这里开始：创始人在达到产品市场契合之前就融到大额资金，Lin 看重哪些特质。他说自己会试着理解创始人的经历，以及是什么把他们带到这个问题上。离群的人可能套不进熟悉的模板。他们冒险的历史，以及想法背后的信念，可能比一份常规履历更重要。
信念不等于热情，也不等于一场有说服力的路演。对 Lin 来说，它包括把一个问题探究得足够深，形成新颖、有力的洞见。他举 Tony Xu 跟着母亲在餐馆干活的经历：Xu 从亲身经验里理解后厨产能和堂食产能的错配，而不仅仅来自一份理论上的外卖方案。
有人问金融和经营背景如何塑造投资人，Lin 区分了早期投资和成长投资。前者更看重创始人素质，后者更强调业务素质。投行或私募股权能教人很多关于一家公司经济学的东西，而在创始人身边一起经营，能建立另一种理解和共情。
他提醒，建议往往反映给出建议的人自己那一段经历。他自己能帮到创始人，部分是因为亲身经历过经营问题。有人问他最好的导师是谁，他不愿只选一个：父亲教他的是，每个人身上都有可学之处，不同的问题需要不同的老师。
质疑继承来的框架
Lin 思考 AI 可能如何改变组织和管理。他提醒人们警惕简单叙事，以及关于资金需求和结果上限的静态假设。
一位观众问，下一代应当重新审视哪些继承来的假设。Lin 说，早期组织是围绕需要很多人来写软件、控制软件而建的。AI 可能同时改变工作本身，以及协调这些工作所需的结构。他并不声称知道最终的组织形态，但预计现有的管理系统需要改。
此前的技术变迁改变了工作，但不一定让公司变小。现在一个人也许能把一个想法从开发做到上线、再到产生收入。如果一家大公司里有很多人具备这种端到端能力，Lin 问，组织该是什么样子？他预计会比继承来的命令控制模型所假定的更加去中心化。
一些熟悉的框架，也可能没有它们的流行程度那么有力。Lin 质疑精益创业那套说法，指出他在 Sequoia 期间，种子轮融资金额一直在涨。往大处说，要警惕那些因为故事讲得整齐才显得有说服力、而不是因为人们已经弄清其边界的框架。
简单叙事很有力量，因为人喜欢清楚的答案。它们在某个范围内管用，然后就会掩盖环境变化时真正要紧的细微差别。Lin 鼓励学生检视自己的框架，弄清它们在何处会失效。没有人时刻都从第一性原理出发推理，所以意识到这些边界就格外重要。
他讲了自己对投资支票越写越大的看法如何变化。更大的支票和更高的估值，起初让他觉得回报会变差，但潜在结果也在变大。他比较自己加入 Sequoia 时最大的上市公司，和这次谈话前后 Nvidia 大得多的市值，反对把结果的上限当成固定不变的。
在这个框架里，创始人可能需要更多资本才能竞争，要建成一家传奇公司，要走的路也远得多。人能用的时间并没有按同样的速度变多。Lin 把这当作需要野心和生产力的又一个理由，同时他仍把这条观察放在自己所讲的那种商业规模里。
说服、市场，以及受监管行业
Lin 谈到如何找到认同愿景的人、如何发现别人没盯上的市场，以及如何绕开强大的在位者。这些例子强调，除了技术能力，还要理解市场。
一位观众问，创始人或投资人如何赢得别人的支持。Lin 的第一个答案是一个足够打动人的愿景，让别人想加入。一开始它说服不了所有人，他也不认为必须人人同意。要做的是找到愿意朝这个特定愿景努力的那群人。
有人问一家 AI 原生的对冲基金能在哪里找到持久优势，Lin 从市场而不是技术说起。现有基金已经在用机器学习给很多东西定价，正面超越它们很难。他会去找那些公司没有聚焦的工具或领域，一个新模型也许能处理没人关注的定价问题。
观众里有一位医生问到受监管市场，以及掌控重要数据的强大机构。问题以 OpenEvidence 和医学文献的获取为例。Lin 建议早期创业公司不要正面去拆一个已经成型的寡头结构。弄清如何绕开或与这些强势方合作，也许是服务客户更好的路。
他把 OpenEvidence 描述成在做医生想要的产品：一场基于证据、扎根于已发表文献的对话。在他看来，这种偏好把产品和直接问通用聊天机器人区分开，即便答案可能相似。合作关系和对相关材料的获取，可以是做产品的一部分，而不只是障碍。
强大的在位者难攻，是因为它们强大，而不只是因为市场受监管。Lin 提到 DoorDash 早期先做小餐馆，后来才跟大型连锁合作。创业公司可以从大公司并不优先的细分开始，在那里长出力量，再向外扩展。在位者不可能什么都做，这就给新公司留出空间。
头 90 天，以及从错误中学习
Lin 建议学生先找到合拍、互补的合作者，再共同选定方向。最后他谈到风险、局外人身份、错误，以及几则个人故事。
有人问作为学生创始人，头 90 天该怎么过，Lin 从人说起。他会找到自己愿意一起打十年仗的合作者，先共事，检验合不合拍。问题不只是一个想法看起来有没有前途，而是这群人能否在漫长而艰难的路上持续做下去。
DoorDash 的创始人把互补的商业、营销、产品和工程能力结合在一起。Lin 也提到 Airbnb 创始人各自不同的贡献。一起做事，帮这些团队发现共同兴趣，也发现彼此能否合作。他认为学生有时过于专注选问题，却忽略了对的人有没有聚在一起。
Lin 记得问过父亲，他那些聪明的大学朋友怎么样。父亲担心的是他们选择太多。在诱人的选项之间不断比较、优化，会让人无法投入到一家公司真正需要的那一两件事上。公司需要一个核心想法和愿景，把接下来的十年交给它，会让人害怕。
一位观众问，是什么让 Lin 作为经营者或投资人与众不同。他先说自己没那么好，并指出投资决策出错有多频繁。他觉得真正不同的地方，是对待痛苦、风险和失败的态度。他相对能坦然地冒险，也相对能待在别人的期望之外。
他描述自己很早就学会做自己，而不是依赖别人的认可。考试成绩好，并没有让他觉得自己是个常规意义上的好学生，他也常常合不了群。创业这条路可能需要长时间做局外人。他认为有价值的是：处理来自世界的信号，同时仍然形成独立判断。
Lin 希望错误变成学习的来源。他区分能从中学到东西的错误和学不到东西的错误，并警告不要犯后者。即便学费很贵，只要把课学进去了，仍然有用。对话最后的快问快答，从商业判断转到更私人的故事。
他的第一份工作是送报纸。有人问公司上线时有没有濒死经历，他反而想起开车去 Tellme Networks 时一次真正的交通事故。第一场雨那天，一辆车突然插到他前面；他急转躲避追尾，自己的车原地打转，最后在高速上对着相反方向。
最后一个问题是，有没有在奇怪的地方签过投资条款清单。Lin 想起在酒吧签过一份。有人问喝了几杯，他说创始人喝了三杯，自己一杯没喝。讨论反复回到风险、判断，以及为一段长路选择什么样的人；在感谢和掌声中，这场对话结束。