如果重回 17 歲？Y Combinator 創辦人 Paul Graham：我會從零打造 LLM，不急著創業

如果重新回到 17 歲，現在最值得投入時間的事情是什麼？

Paul Graham 近日在 X 發文表示，有人問他如果現在只有 17 歲會做什麼？

他回答：「我會學習如何從零打造 LLM，然後利用我能取得的任何硬體，盡可能訓練出能力最強的模型。」»

這則貼文迅速引發科技圈討論，截至統計時已累積約 41.8 萬次瀏覽。

但 Graham 真正想強調的，或許不是「年輕人都該去做 AI」，而是不要太早把「創業」本身當成目的。

Paul Graham：17 歲的我不會創業，而是先建立知識基礎

在主文發布約 6 分鐘後，Graham 特別追加說明：「注意，我不會做的事情是嘗試創辦一家新創公司。」»

如果只有 17 歲，他反而會先建立未來創業所需要的知識基礎。Graham 認為，真正深入理解 LLM 之後自然產生的創業點子，會遠比拿著自己 17 歲時既有的知識、硬想一家可以成立的公司更好。

這個觀點也延續了 Graham 長期對創業的看法：好的創業題目往往來自對某個領域足夠深入的理解，而不是先決定「我要創業」，再回頭尋找問題。

在 AI 時代，他給年輕人的建議並不是先學會怎麼呼叫 API、包裝 ChatGPT 或快速做出一款 AI App，而是往模型底層走。

「為什麼要重新發明輪子？」Paul Graham：因為你要知道輪子怎麼做

留言區有人直接質疑，既然現在已經有如此成熟的模型，「為什麼要重新發明輪子，而不是把輪子做得更好？」

Graham 只用一句話回答：「為了學習輪子是怎麼被製造出來的。」»

這句話也點出了「從零訓練 LLM」與直接使用現成模型最大的差異。

對一名 17 歲的學習者而言，自己做出的模型幾乎不可能在能力或成本上擊敗 OpenAI、Anthropic、Google 等公司的前沿模型。

但真正的目的並不是與 GPT、Claude 或 Gemini 競爭，而是在實作過程中理解資料、模型架構、訓練、微調以及算力限制如何共同決定模型能力。

因此，即使最終模型本身沒有商業價值，過程累積的知識仍可能成為未來尋找創業問題的基礎。

當網友指出「真正有趣的問題是要訓練它做什麼」時，他表示，如果自己只有 17 歲，可能會訓練模型去做一些「無關緊要的事情」，例如玩電腦遊戲，但即使如此，自己仍然能從過程中學到很多。

另一名 19 歲網友 @prathamkode 則分享，自己已經從零訓練過一個 1 億參數語言模型，並進一步進行新版 SFT（監督式微調）實驗，希望在相同模型規模下取得更好的結果。

他詢問 Graham，如果是 19 歲，究竟應該 All-in LLM，還是同時繼續製作各種不同的小型專案？

Graham 回答：「我可能會試著打造一個能用來解決某個特定問題的 LLM。」»

圖靈獎得主楊立昆也留言

這場討論也吸引 AI 學界重量級人物 Yann LeCun 加入。

相較 Graham 主張深入理解 LLM，長期質疑單純擴大 LLM 是否足以走向人類等級智慧的 LeCun，則把問題推向另一個方向：「我會試著弄清楚，為什麼 LLM 可以幫我寫文章，卻不能幫我整理臥室。」»

LeCun 表示，接著他會在大學與研究所學習所有可能協助解決這項問題的領域，並嘗試找出一套超越 LLM 的方法與架構，使機器能像人類與動物一樣，高效率且快速地學會執行物理世界中的任務。

有趣的是，LeCun 最後補充，這不只是他 17 歲時會做的事情：「最後這件事，也是我如果 30、40、50 或 66 歲時會做的事。」»