创业不是赌得准，而是错得起：Stripe 两年发布背后的决策逻辑

创业有一个无法消除的悖论：

机会还在的时候，你掌握的信息最少；等信息足够充分，机会往往已经不在了。

选赛道、找联合创始人、签融资条款、决定是否押注某条技术路线，都发生在公司最年轻、认知最贫乏的时候。三年后回头看，答案可能很清楚，但那时钱已经烧掉，股权已经分完，窗口也可能关闭。

所以，创业决策不能追求“等我看清再下注”。真正的问题是：

怎样在看不清的时候行动，又不让一次错误直接结束比赛？

2026 年围绕 AI 与精益创业的一场争论，恰好把这个问题推到了台前。

一、Collison 和 Ries，各自说对了一半

在 YC Startup School 的一次访谈中，Stripe 联合创始人 Patrick Collison 提出了一个判断：传统精益创业所倡导的路径——找到一个小切口，低成本验证，再逐步扩张——正在变得越来越难。

原因并不复杂。互联网已经比二十年前拥挤得多，AI 又同时降低了所有人的产品开发成本。一个显而易见的小需求，往往不是只有你看见，而是几十个团队同时看见、同时开发。

Collison 因此建议创业者主动“去相关”（de-correlate）：不要只在人人都能看见的小缝隙里竞争，而要从别人尚未占领、甚至暂时不愿进入的地方出发。他举出的前沿实验室和 Anduril，都不是从一个轻量工具开始，而是一开始就选择了更难、更重的方向。

YC CEO Garry Tan 的表述更激进：AI 已经杀死了精益创业。

《精益创业》作者 Eric Ries 并不同意。他的反驳非常准确：

创业的进步单位是“经验证的学习”。它只存在于两耳之间，而这个东西没法用 GPU 加速。

AI 可以让十个人一个月完成的产品变成两个人一周完成，但它不能替你回答：客户是否真的需要它、是否愿意付钱、为什么买你的而不是别人的。

于是，双方看起来形成了对立：

• Collison 强调：小步试错的入口越来越拥挤，创业需要更有野心的起点。
• Ries 强调：开发速度不等于学习速度，没有真实验证，做得越快可能错得越远。

但他们争论的其实是同一个变量：第一步应该迈多大。

真正决定这一步是否危险的，还有另一个变量：

如果迈错了，能不能收回来？

二、Stripe 的故事，给出了第三种答案

这个变量就藏在 Collison 自己讲述的 Stripe 早期经历中。

Stripe 在 2009 年秋天写下第一行代码，直到 2011 年 9 月才公开发布，中间将近两年。按“尽快发布最小可行产品”的标准看，它似乎是精益创业的反面教材。

但另一条时间线完全不同。

2010 年 1 月，也就是开发开始约两个月后，Stripe 已经有了第一个真实生产用户：280 North 的 Ross Boucher。

当时的产品极其简陋，只能完成一件事：刷一张卡。接下来发生的事情没有宏大路线图，只有客户不断提出的真实问题：

• Ross 问：“我怎样查看所有扣款？”于是 Stripe 做了交易面板。
• Ross 说：“我想退一笔钱。”于是 Stripe 做了退款。
• Ross 又问：“我什么时候能收到钱？”于是 Stripe 做了打款。

Collison 将其称为“非常即时的开发”：不是从自己的想象中推导需求，而是从现实中学习。此后，Stripe 的私有测试客户逐月增加，直到两年后正式发布。

这段经历既不支持“尽快把所有东西做出来”，也不支持“先关门开发两年”。它揭示的是更精确的做法：

不可逆的部分做慢、做重；可逆的部分做快、做轻。

支付基础设施、安全合规、银行合作和资金流转，一旦出错，损失可能无法挽回，所以 Stripe 花了近两年打磨。

产品界面和功能取舍，即使判断错了，也能根据客户反馈修改，所以它从第二个月就开始验证。

这才是 Stripe 早期决策真正值得学习的地方：它没有统一追求快或慢，而是让决策速度服从于失败代价。

三、信息不足不可避免，退路可以主动设计

为什么“能否回头”如此重要？

经典的秘书问题模拟了类似处境：候选人依次出现，你只能知道眼前的人比之前的人更好还是更差；每个人离开后不能召回，但你必须从中选出最好的一个。

在人数足够多时，最优策略仍只有约 37% 的成功率。问题不在于决策者不聪明，而在于规则本身同时包含了三项限制：

1. 信息逐步到来；
2. 机会逐个消失；
3. 已放弃的选择不能撤回。

秘书问题的各种“允许召回”变体进一步说明：只要放松第三项限制，成功上限就会明显提高。决策者并没有获得更多预知未来的能力，只是获得了一条退路。

创业也是如此。你无法凭空增加早期信息，却可以改变下注的结构：

• 不直接签三年独家合同，先签一年并加入退出条款；
• 不一次性全量迁移系统，先做小流量双写和回滚方案；
• 不在合作第一天永久分完股权，设置 vesting 和 cliff；
• 不急于给早期公司确定一个精确估值，使用 SAFE 或可转债延后定价；
• 不先造完整产品，先用人工服务验证客户是否愿意付钱。

这些安排不会让你预先看清未来，却能让你在获得新信息之后改变选择。

所以，创业者真正能够管理的，不是“我能否一次猜对”，而是：

我能否把一次不可逆的大赌注，拆成一连串可验证、可退出的小承诺？

四、先判断是哪扇门，再决定要多快

贝佐斯将决策分成两类。

单向门是重大且难以逆转的决定。走过去之后，即使发现另一边并不好，也很难回到原点。

创业中的典型单向门包括：

• 联合创始人、股权结构和控制权；
• 融资条款、董事会席位和对赌义务；
• 可能形成长期锁定的核心技术路线；
• 大规模裁员、出售公司或放弃核心市场；
• 会永久损害信任的安全、合规和品牌决定。

这类决定应该慢。慢不是犹豫，而是因为试错成本高，需要更多证据、反方意见和退出设计。

双向门是做错后可以较低成本撤回的决定，例如：

• 调整定价和落地页文案；
• 尝试一个获客渠道；
• 改变某项功能的优先级；
• 在有限客户中测试一个新流程；
• 招聘一个非关键岗位。

这类决定应该快。贝佐斯提出的“获得大约 70% 信息就行动”，适用的正是双向门。如果等到 90% 才决定，新增信息的价值可能已经低于等待的成本。

很多公司不是不会决策，而是把门认反了：

• 在融资、股权等单向门上，拿“速度比完美重要”为草率下注辩护；
• 在文案、定价等双向门上，用三周会议避免承担两小时就能纠正的错误。

更高明的做法不是争论该快还是慢，而是先问：

有没有办法把单向门改造成双向门？

试用期、分阶段投资、里程碑付款、灰度发布、回购条款、可插拔架构，本质上都在做同一件事：降低反悔成本，让团队可以更早行动。

五、创业决策可以只问四个问题

面对一个重要选择，不必一开始就做复杂模型。先回答四个问题。

1. 如果错了，最坏损失是什么？

不要只写“项目失败”，要把损失说具体：要花多少钱、浪费多少时间、丢掉什么权利、伤害谁的信任，以及是否会影响公司继续下注的能力。

2. 多久能知道自己错了？

一个错误如果三天后就能被数据发现，和两年后才暴露，不是同一种风险。反馈周期越长，第一次下注就应该越小。

3. 如何在下注前设计退路？

可以减少期限、缩小范围、分阶段承诺、增加退出条款，或者同时保留旧方案。退路必须在决策前设计，失败后再谈通常已经太晚。

4. 什么证据会让我改变决定？

提前写下反转条件，例如：

• 连续四周没有三个客户愿意付费，就停止开发；
• 获客成本超过客户终身价值的一半，就暂停该渠道；
• 联合创始人在六个月内未达到约定投入，按 vesting 处理未归属股权。

没有反转条件的“试验”，很容易变成无限期自我证明。

六、复盘决策，不要只看输赢

创业叙事天然偏爱赢家。Collison 举出的前沿实验室和 Anduril 确实从大方向、大投入起步，并且取得了成功。

但同样一开始就摊大摊子、后来失败的公司，不会出现在赢家名单里。只看幸存者，很容易把结果反推成方法。

决策学者 Annie Duke 把这种错误称为 resulting：用结果质量代替决策质量。

她常用 2015 年超级碗的一个回合说明这个问题。海鹰队在比赛最后时刻选择传球，球被拦截，于是媒体称之为“超级碗史上最糟糕的战术”。但如果同一脚本最终达阵，第二天的标题很可能变成“出其不意的妙棋”。

信息、概率和决策过程都没有改变，改变的只是球最后落在谁手里。

对创业者而言，对抗 resulting 最有效的办法，是在下注当天留下简短记录：

• 当时知道什么，不知道什么；
• 核心假设是什么；
• 为什么排除其他方案；
• 预期多久获得反馈；
• 出现什么证据就停止或转向。

事后的记忆一定会被结果改写，只有当时的记录不会。

结语：不要追求不犯错，要追求错而不死

AI 确实改变了创业。它降低了开发成本，也让显而易见的机会更快变得拥挤。但它没有消除创业最基本的约束：你仍然要在信息不足时行动。

Collison 提醒创业者，不要把所有希望寄托在一个人人可见的小切口上；Ries 提醒创业者，代码产量不等于经验证的学习。Stripe 自己的经历把两种观点接了起来：

方向可以有野心，验证必须贴近现实；不可逆的部分要慎重，可逆的部分要迅速。

优秀的创业决策，不是每一次都猜中未来。没有人能做到。

它更像一种持续设计：

1. 先分清单向门与双向门；
2. 尽量把单向门改造成双向门；
3. 用最小承诺换取真实信息；
4. 达到预设条件后加注、退出或转向；
5. 用当时的证据复盘，而不是用今天的结果审判昨天。

下注的时候信息最少，这个困境无法消失。

但你可以让自己在信息最多的时候，仍然拥有重新下注的资格。

参考资料

1. Patrick Collison、Harj Taggar，《Patrick Collison: "What If You Succeed?"》（YC Startup School 2026 现场访谈，视频版标题为 Is AI Breaking the Lean Startup Playbook?），Root Access，2026 年 7 月 31 日。https://www.ycrootaccess.com/p/patrick-collison-what-if-you-succeed
2. Eric Ries，《AI's Great Productivity Delusion》，The Lean Startup，2026 年。https://news.theleanstartup.com/p/ai-s-great-productivity-delusion
3. Eric Ries 访谈，《Incorruptible: The Chapter The Lean Startup Missed》，Analyse Podcast，2026 年。https://www.analysepodcast.com/incorruptible-the-chapter-the-lean-startup-missed-with-eric-ries/
4. Ben Yoskovitz，《Did AI Kill the Lean Startup?》，Focused Chaos。https://www.focusedchaos.co/p/did-ai-kill-lean-startup
5. Thomas S. Ferguson，《Who Solved the Secretary Problem?》，Statistical Science, Vol. 4, No. 3, 1989, pp. 282–296。https://doi.org/10.1214/ss/1177012493
6. Jeff Bezos，《2015 Letter to Shareholders》，Amazon.com, Inc.（单向门与双向门）。
7. Jeff Bezos，《2016 Letter to Shareholders》，Amazon.com, Inc.（70% 信息规则）。https://www.aboutamazon.com/news/company-news/2016-letter-to-shareholders
8. Annie Duke，《Thinking in Bets: Making Smarter Decisions When You Don't Have All the Facts》，Portfolio，2018。

本文部分内容由 AI 辅助生成，经人工审校和补充后发布。