Y Combinator创始人Paul Graham近日在X发文回答网友提问：如果现在只有17岁会做什么？他表示：「我会学习如何从零打造LLM，然后利用我能获得的任何硬件，尽可能训练出能力最强的模型。」该帖子迅速引发科技圈热议，累计浏览量约41.8万次。
但Graham真正想强调的，或许不是「年轻人都该去做AI」，而是不要太早把「创业」本身当成目的。他在主文发布约6分钟后追加说明：「注意，我不做的事情是尝试创办一家初创公司。」如果只有17岁，他反而会先建立未来创业所需要的知识基础。Graham认为，真正深入理解LLM之后自然产生的创业点子，会远比拿着自己17岁时既有的知识、硬想一家可以成立的公司更好。
这一观点延续了Graham长期对创业的看法：好的创业题目往往来自对某个领域足够深入的理解，而不是先决定「我要创业」，再回头寻找问题。在AI时代，他给年轻人的建议并不是先学会怎么调用API、包装ChatGPT或快速做出一款AI App，而是往模型底层走。
有网友质疑：既然已有成熟模型，「为什么要重新发明轮子，而不是把轮子做得更好？」Graham回应：「为了学习轮子是怎么被制造出来的。」这指出了「从零训练LLM」与直接使用现成模型的最大差异。对一名17岁的学习者而言，自己做出的模型几乎不可能在能力或成本上击败OpenAI、Anthropic、Google等公司的前沿模型，但真正目的并非与GPT、Claude或Gemini竞争，而是在实作过程中理解数据、模型架构、训练、微调以及算力限制如何共同决定模型能力。因此，即使最终模型本身没有商业价值，过程积累的知识仍可能成为未来寻找创业问题的基础。
当网友指出「真正有趣的问题是要训练它做什么」时，Graham表示，如果自己只有17岁，可能会训练模型去做一些「无关紧要的事情」，例如玩电脑游戏，但即使如此，自己仍然能从过程中学到很多。另一名19岁网友@prathamkode分享已从零训练过一个1亿参数语言模型，并进行新版SFT（监督式微调）实验，询问是否应All-in LLM还是同时做各种小项目。Graham回答：「我可能会试着打造一个能用来解决某个特定问题的LLM。」
这场讨论也吸引AI学界重量级人物Yann LeCun加入。相较Graham主张深入理解LLM，长期质疑单纯扩大LLM是否足以走向人类级智能的LeCun，则把问题推向另一个方向：「我会试着弄清楚，为什么LLM可以帮我写文章，却不能帮我整理卧室。」LeCun表示，接着他会在大学与研究所学习所有可能协助解决这项问题的领域，并尝试找出一套超越LLM的方法与架构，使机器能像人类与动物一样，高效率且快速地学会执行物理世界中的任务。有趣的是，LeCun最后补充，这不只是他17岁时会做的事情：「最后这件事，也是我如果30、40、50或66岁时会做的事。」
免责声明：本文提供的信息不是交易建议。BlockWeeks.com不对根据本文提供的信息所做的任何投资承担责任。我们强烈建议在做出任何投资决策之前进行独立研究或咨询合格的专业人士。
