如果重回17岁，YC创始人Paul Graham：我不会急着创业，而是从零开始造个LLM！

整理 | 苏宓

出品 | CSDN（ID：CSDNnews）

如果现在回到 17 岁，你会把时间花在哪里？

最近，Y Combinator 联合创始人 Paul Graham 给出了一个颇有争议的答案：如果自己只有 17 岁，他会从零开始学习如何构建 LLM，并用自己能够获得的硬件，把模型训练到尽可能强。

作为 Y Combinator 联合创始人，Paul Graham 是硅谷颇具影响力的程序员、创业者和投资人。早年，他创办了软件公司 Viaweb，后来将其出售给 Yahoo。2005 年，他与人共同创办 Y Combinator，此后孵化、投资了 Airbnb、Dropbox 等一批知名科技公司。与此同时，他也长期通过博客和社交媒体分享自己对编程、创业和技术趋势的思考。

没想到，这句话很快引来图灵奖得主 Yann LeCun 的注意力。

一个建议年轻人钻进 LLM 内部，一个则直接盯上了 LLM 的短板。

两人的几句讨论，很快把 Hacker News 的讨论区“点燃”了。

Paul Graham：17 岁的话，我会去造 LLM

8 月 23 日，Paul Graham 在 X 上写道：“有人问我，如果我现在只有 17 岁，我会做什么。我会学习如何从零开始构建 LLM，然后利用一切能够获得的硬件，尽可能训练出能力最强的模型。”

不过，Paul Graham 随后又专门补充了一条解释。

他表示，自己不会选择在 17 岁时直接创业，而是先建立足够的知识基础，为未来创业做准备。因为「真正深入理解 LLM 之后，自然会产生更好的创业想法；相比之下，17 岁时仅凭自己当时所掌握的知识去创业，能想到的创业点子要逊色得多。」

也就是说，他真正强调的其实不是“17岁应该创业”，而是：如果现在重新开始，他会选择把自己投入到最前沿的技术里。

这也符合 Paul Graham 过去一贯的观点——不要为了创业而刻意寻找创业点子，而是先深入了解某个重要领域、解决自己感兴趣的问题，好的创业想法往往会在这个过程中自然出现。

随即也有网友质疑，如今市面上已经有很多大模型了，“为什么不改进现有的轮子，而是要重新发明轮子呢？”

对此， Paul Graham 直言道：“应该先去学习轮子是怎么被造出来的。”

LeCun：我反而想研究，为什么它不会收拾房间

更吸引不少人关注的是，图灵奖得主 Yann LeCun 也现身这个话题的评论区，给出了一个完全不同的答案。

Yann LeCun 说，如果自己回到 17 岁，会尝试搞清楚：“为什么 LLM 能帮我写论文，却不会收拾我的卧室？”

随后，其表示，他会在大学和研究生阶段学习能够解决这个问题的相关知识，并进一步寻找超越 LLM 的方法和架构，让 AI 能够像人类和动物一样，高效学习并执行物理任务。

即使回到 30 岁、40 岁、50 岁，甚至 66 岁，他依然会选择研究这个问题。

相比 Paul Graham 直接把目光放在“怎么把 LLM 造得更强”上，LeCun 显然更关心：LLM 已经这么强了，为什么还有这么多看似简单的事情做不到？

写论文、写代码、生成内容，这些任务主要发生在数字世界；但收拾房间则需要感知真实环境、理解物体和空间，并在现实世界中连续执行动作。

而这也正是 LeCun 长期关注的研究方向之一。

于是，一场原本只是“如果你 17 岁，你会做什么”的讨论，很快变成了两位 AI 领域代表人物对 AI 初学者应该研究什么的公开交锋。

AI 时代，对于一名 17 岁的初学者而言，什么才是合适的？

热议之下，还有人发问，从头训练一个 LLM，有什么用？

Paul Graham 解答道，如果是自己的话，他会训练这个 LLM 去做一些无聊的事情，比如玩电脑游戏。“但无论如何，我都能从中学习到很多东西。”

这场讨论随后也登上 Hacker News，并迅速积累了大量评论。

有网友认为，大家似乎把 Paul Graham 的话理解得过于字面化了。

一名网友 mattlutze 写道：

对于年轻人来说，深入了解这些程序究竟是如何工作的，是一件很有价值的事情。并不是说他们以后都要把职业生涯投入到 LLM 的构建上，而是因为这样一来，当未来我们开始尝试解决下一类问题时，他们能够建立起更深层次的技术直觉——这种理解甚至可以一路深入到模型权重和底层数学。

同时，这也能帮助他们形成一种健康的判断力，知道什么时候“直接用 LLM 解决”并不是正确的选择。

“自己动手构建一个操作系统”之所以曾经成为大学里常见的项目，并不是因为大家毕业后都要去开发 Windows，而是因为理解一台计算机最底层的固件和运行机制，能够帮助你建立起解决一整类问题所需要的深层技术直觉。

还有网友拿过去的计算机教育作类比：“理解计算机的底层固件，有助于你建立解决一整类问题的直觉。”

在他们看来，今天亲手造一个 LLM，和过去年轻人折腾真空管、微处理器、 Linux 等新技术，有一定相似之处。

但反对声音也非常直接。

一名网友认为，Paul Graham 的建议可能存在明显的“幸存者偏差”，并提出一个问题：“LLM 训练真的是 17 岁年轻人应该掌握的技术层级吗？”

他指出，如今真正的大模型训练和优化已经远远超出普通个人的预算能力，把它当作所有年轻人都应该掌握的核心技能，未必现实。

另一名网友则更加尖锐，认为如今真正训练和优化 LLM 的岗位非常有限，训练成本也极高。与其从零训练一个模型，不如研究如何让现有 AI 系统更加可靠。他说：“AI 可靠性才是现在真正稀缺的东西。”

还有人认为，真正值得学习的未必是“如何造一个LLM”，而是背后的数学、计算机科学和基础知识。

从整个讨论来看，HN 网友真正争论的，并不是“LLM 到底好不好”，而是一个更加现实的问题：对于今天的年轻人来说，究竟应该学习 AI 的哪一层？

• 是从零训练一个 LLM，理解 Transformer、训练和推理？

• 还是掌握更底层的数学、计算机系统和芯片？

• 又或者，直接研究如何利用现有模型解决真实问题？

Paul Graham 给出的答案显然更偏向前者：先把最重要的新技术真正拆开、做一遍。

LeCun 则把问题推到了更远的地方：如果 LLM 已经能写论文了，那么下一步就该解决它为什么还不能像人一样理解和行动。

这场争论之所以受到关注，或许正是因为两个人都没有在讨论“如何更好地使用 AI”，而是在问一个更底层的问题：AI 的下一站，到底还会是什么？

而对于 17 岁的年轻人来说，答案可能暂时没有那么重要。

真正重要的，也许是像 Paul Graham 所说的那样，亲手把东西做出来，然后看看自己还能发现什么。对此，你怎么看？

参考：https://x.com/paulg/status/2091544343589060625

首次双会并行，干货福利限时放送！

2026 奇点智能技术大会 与 C++及系统软件技术大会，将于 11 月 20—21 日 在北京万达文华酒店举办。

上层 AI 应用的爆发，离不开底层系统软件的支撑——这一次，我们把 AI 与系统软件两大技术脉络放到同一现场，一起看趋势、看实践、看落地。

为了方便大家提前预习大会内容，我们同步开放了资料福利包，包含 OpenAI 资深研究科学家、Transformer 八子之一 Łukasz Kaiser 演讲视频与 PPT、C++ 之父 Bjarne Stroustrup 精选合集、Agent 实战训练营录播课等内容。

扫码即可领取。