两个 IIT 工程师拒绝 55 万美元年薪，只为把 AI 做“快到离谱”

当所有人都在追逐大厂高薪时，两位 IIT 工程师却做了一个反常识决定：拒绝 55 万美元年薪，去 YC 做一家没人听过的 AI 基础设施公司。他们不是不理性，而是看得更远。这段经历，几乎是为今天的 AI 创业者量身定做的警示录。

55 万美元年薪摆在桌上，他们却“慌了”

故事一开始并不浪漫，甚至有点狼狈。一位创始人回忆，当时自己“完全没有为未来做准备”，面对看似完美的职业路径，内心却是恐慌的——不是兴奋，而是意识到如果就这样走下去，人生的探索空间会被一次性锁死。

他们本可以顺理成章地加入顶级公司，拿下合计 55 万美元的年薪。但正是在这个节点，他们选择了另一条更不确定的路：随便选一件真正让自己着迷的事情，先干起来再说。这个决定的反直觉之处在于——不是因为他们有一个“宏大的创业蓝图”，而是因为他们清楚地知道：继续按部就班，才是最大的风险。

这也是 YC 一直推崇的那类创始人画像：不是职业创业者，而是被问题本身“逼”进创业的人。

从竞赛型黑客，到只关心“快”的工程师

两位创始人都来自极强的工程背景，早年沉浸在各类算法与工程竞赛中。他们形容自己最终都变成了“hacker 型人格”——不太擅长宏大叙事，但对系统性能的每一毫秒都极度敏感。

这直接决定了 Giga ML 的方向：做 AI 推理层，而且是“快到离谱”的那种快。在别人忙着讲模型规模、参数数量时，他们盯着的是一个更底层的问题：如何让模型在真实生产环境中跑得更快、更便宜。

在 YC 的环境里，这种工程直觉被迅速放大。他们不纠结长期路线图，而是反复追问一个问题：哪一个微小的技术改动，真的能推动关键 KPI？哪怕只是 markdown 的一次迭代，只要能带来指标变化，就值得立刻动手。

YC 教给他们的，不是融资，而是“别等完美”

很多人对 YC 的误解是：那里教你怎么融资、怎么讲故事。但在这次访谈里，更有价值的细节恰恰相反。

他们提到一个关键转折点：与其等产品“成熟”，不如尽早收费。哪怕产品还很粗糙，只要有人愿意掏钱，你就能获得最真实的反馈。这也是为什么他们在没有搭建完整销售团队的情况下，依然选择直接推产品。

结果是，他们在 YC 之后顺利完成了一轮 400 万美元的种子轮融资。但更重要的不是钱，而是验证了一条路径：工程驱动、快速迭代、尽早商业化。这套打法，在 AI 基础设施领域尤其有效。

给 AI 从业者的残酷现实：技术不是护城河，速度才是

访谈接近尾声时，有一句话格外扎心：很多人高估了“技术本身”的稀缺性，却低估了“把技术变成产品”的难度。

在模型、论文、代码高度开放的时代，真正的差异化来自执行速度——你能多快从一个想法，走到一个可收费的版本？你能否在用户还没来得及提需求前，就已经把系统优化好？

这也是为什么他们不断强调“直接去 build”。不是等机会，而是通过构建，逼机会出现。

总结

这两个拒绝高薪的 IIT 工程师，并不是反对大厂，而是看清了一个现实：在 AI 时代，职业安全感不再来自名企，而来自你解决问题的速度和深度。对 AI 从业者来说，最重要的 takeaway 只有一个——别等准备好。选一个你真正关心的技术痛点，做出一个能被使用、能被付费的版本，然后让现实来校验你。真正的红利，从来只留给先动手的人。

关键词： AI创业， Y Combinator， 工程师思维， AI基础设施， 早期收费

事实核查备注： 需要核查：是否明确提到两位创始人均来自 IIT；55 万美元年薪的具体构成；Giga ML 的核心产品是否专注于 AI 推理加速；400 万美元种子轮的时间点与投资方；访谈中关于“尽早收费”的原话表述。