前Tubi总监陈然用AI重构医疗合规 砍掉注册费颠覆传统咨询模式 月球大叔
固定薪酬制压抑生产力且难挡AI替代风险,未来组织需转向合伙人分成与Contractor模式,打工人应借补贴红利将行业Know-How转化为独立交付能力。
AI-assisted summary of 陈然:全职奶爸,清华,CMU,AI斩杀线,0人公司,百亿token,财务规划,职业选择,创业收购,主体性,硅谷 — original source . Check the original for full context.
Source published: 2026-10-07
Key ideas 前初创公司机器学习总监陈然转型“零人公司”操盘手,其自研免费备考平台通过 AI 自动化生成上万科考题,靠广告与引流佣金实现每月约 1 万美元的纯被动收入。 (64:48) 各大模型厂商推行的 Coding Plan 正在释放巨额补贴红利,目前每月仅需约 1000 美元订阅费即可调用后台价值 100 亿至 400 亿 Token 的算力杠杆,远低于直接按量计费的 API 成本。 (101:00) 医疗合规企业 Pure Global 通过 Claude Code 与全员内部 AI 知识库彻底重写业务系统,不仅将排队积压的数十个注册项目归零,更直接颠覆行业规则,取消数千美元首年注册费并实行透明定价。 (83:22) 硅谷科技从业者普遍存在将薪资、湾区高额房贷与单只科技股 RSU 深度绑定的财务高危模型,缺乏抗极端周期的下行保护,面临一旦遭遇行业黑天鹅便全盘清零的系统性风险。 (51:48) Detailed notes ## Background
本内容由 YouTube 频道“月球大叔”于 2026 年 10 月 6 日发布。节目作为“硅谷采访100个清华的人”系列访谈,邀请了清华与 CMU 校友陈然,围绕其在机器学习一线的深耕经历、两次创业被收购、两年全职奶爸生活、搭建“零人公司”以及在 AI 时代保持人生主体性等话题展开深入对话。
## TL;DR
访谈回顾了陈然从小镇做题家考入清华、逆周期选择机器学习并在 Trulia 与 Tubi 推动算法落地直至公司被收购的职业轨迹。在经历两年全职奶爸与硬核考证探索后,他系统复盘了硅谷从业者的财务风险,倡导将生活置于首位的人生主体性。陈然进一步分享了利用 Token 供应链搭建“零人公司”实现被动收入的经验,以及重返职场担任 CTO 后,如何借助 Claude Code 等工具激进重构医疗合规业务、颠覆传统雇佣制与商业交付模式。最后,他针对大学生与三四十岁职场人给出了过滤舆论噪音、直面真实商业闭环与主动重构价值的破局建议。
## Atmosphere & style
整场对话气氛轻松坦诚却底色硬核,既有老友重聚般的幽默调侃,又有毫无保留的一线认知倾囊相授。陈然的表达极具工程师的务实解构感,将看似高大上的学术光环、创业神话与 AI 泡沫剥落得干干净净,代之以直面商业本质与真实生活的清醒通透。听众能从其平静的叙述中感受到一种强烈的定力——在剧烈动荡的时代周期面前,不被大厂光环绑架,而是以极强的主体性从容穿梭于前沿技术、商业变现与家庭烟火之间。
## Bulletin
- [01:04:48](https://www.youtube.com/watch?v=DyMgxq0sDFo&t=3888s) 前初创公司机器学习总监陈然转型“零人公司”操盘手,其自研免费备考平台通过 AI 自动化生成上万科考题,靠广告与引流佣金实现每月约 1 万美元的纯被动收入。
- [01:41:00](https://www.youtube.com/watch?v=DyMgxq0sDFo&t=6060s) 各大模型厂商推行的 Coding Plan 正在释放巨额补贴红利,目前每月仅需约 1000 美元订阅费即可调用后台价值 100 亿至 400 亿 Token 的算力杠杆,远低于直接按量计费的 API 成本。
- [01:23:22](https://www.youtube.com/watch?v=DyMgxq0sDFo&t=5002s) 医疗合规企业 Pure Global 通过 Claude Code 与全员内部 AI 知识库彻底重写业务系统,不仅将排队积压的数十个注册项目归零,更直接颠覆行业规则,取消数千美元首年注册费并实行透明定价。
- [51:48](https://www.youtube.com/watch?v=DyMgxq0sDFo&t=3108s) 硅谷科技从业者普遍存在将薪资、湾区高额房贷与单只科技股 RSU 深度绑定的财务高危模型,缺乏抗极端周期的下行保护,面临一旦遭遇行业黑天鹅便全盘清零的系统性风险。
## Key takeaways
- [01:14](https://www.youtube.com/watch?v=DyMgxq0sDFo&t=74s) 标准化考试的本质是模板匹配:将主观理解转化为可穷举的结构化知识库,能把不确定性探索降维为高确定性的选择题。
- [19:33](https://www.youtube.com/watch?v=DyMgxq0sDFo&t=1173s) 技术的价值必须通过商业结果直接衡量,脱离具体业务与营收拉动的纯算法开发往往容易沦为技术人员的自娱自乐。
- [29:14](https://www.youtube.com/watch?v=DyMgxq0sDFo&t=1754s) 求职应当摒弃“来公司学习”的学生心态,带着“我是来替你承担责任并帮你解决问题”的赢家姿态出击才能建立核心竞争力。
- [33:15](https://www.youtube.com/watch?v=DyMgxq0sDFo&t=1995s) 初创公司的晋升法则在于足够早期卡住核心生态位,并在业务扩张时持续承担更大维度的商业责任与技术决策。
- [38:25](https://www.youtube.com/watch?v=DyMgxq0sDFo&t=2305s) 在 AI 浪潮下必须看清“职业斩杀线”,提前构筑具有准入门槛与牌照壁垒的专业能力,将 AI 转化为放大生产力的互补杠杆。
- [43:46](https://www.youtube.com/watch?v=DyMgxq0sDFo&t=2626s) 育儿的核心在于让孩子在生理上喜欢并信任父母,大人自身过得快乐、不把职场戾气带回家是最好的家庭教育。
- [56:25](https://www.youtube.com/watch?v=DyMgxq0sDFo&t=3385s) 硅谷人往往低估了全仓 High Tech 的脆弱性,必须明确“中了彩票是继续下注还是享受生活”,必要时采用极度保守与极度激进并存的杠铃策略。
- [01:04:48](https://www.youtube.com/watch?v=DyMgxq0sDFo&t=3888s) 零人公司的核心壁垒不在于代码本身,而在于 Token 供应链管理能力与对细分行业真实痛点的深度理解。
- [01:14:36](https://www.youtube.com/watch?v=DyMgxq0sDFo&t=4476s) 做生意必须遵循客观商业规律:去已有客观客流的地方、依客流定选品、亲自精细算账,坚决区分“融资创业”与“赚钱生意”。
- [01:20:21](https://www.youtube.com/watch?v=DyMgxq0sDFo&t=4821s) 当生产与交付效率因 AI 获得百倍爆发后,整个商业社会的竞争核心将不可逆地从产能端转移到获客端。
- [01:29:31](https://www.youtube.com/watch?v=DyMgxq0sDFo&t=5371s) Claude Code 嵌入命令行标志着 AI 从聊天助手演进为接管完整工作流的中枢,代码编写提速将倒逼企业组织架构向极度扁平演进。
- [01:36:52](https://www.youtube.com/watch?v=DyMgxq0sDFo&t=5812s) 纯粹搞钱做生意不必沉迷做创始人个人 IP,而应将全部精力投入挖掘真实需求并利用大模型套餐的高额算力补贴撬动交付。
- [01:40:51](https://www.youtube.com/watch?v=DyMgxq0sDFo&t=6051s) 人生应当保持高度主体性:牢记工作只是服务于生活的工具,从退休规划的终极视角反观当下,绝大多数年轻时的焦虑微不足道。
- [01:45:00](https://www.youtube.com/watch?v=DyMgxq0sDFo&t=6300s) AI 时代传统的全职雇佣制将逐步被合伙人分成或独立承包商机制替代,只有让创造价值的个体直接分润,才能彻底释放生产力。
- [01:49:04](https://www.youtube.com/watch?v=DyMgxq0sDFo&t=6544s) 大学生破局需过滤噪音,避开只谈技术参数或忙于 Demo 秀的群体,直接向深入产业一线“开着汽车到处插旗”的实干者获取一手信息。
- [01:53:39](https://www.youtube.com/watch?v=DyMgxq0sDFo&t=6819s) 三四十岁职场人自救的关键在于彻底梳理家庭财务底线,停止精神内耗,借助 AI 杠杆将积累的行业 Know-How 转化为独立的交付能力。
## Detailed walkthrough
### [00:00](https://www.youtube.com/watch?v=DyMgxq0sDFo&t=0s) 开场预告与嘉宾介绍:清华、CMU与零人公司背后的务实心态
硅谷看似光鲜,但陈然指出“硅谷人的风险之高我觉得是大家很难想象的”,尤其是即将到来的 AI 浪潮,其冲击将远比大众预期的更加剧烈。面对时代的变迁,陈然秉持着极其清醒的人生哲学:工作在人类历史上出现的时间并不长,“我们赚钱的目的不是为了赚更多的钱,而是去可以在该用的地方去用一下”。
主持人月球大叔在“硅谷采访100个清华的人”系列中隆重介绍了陈然的硬核履历:清华本科毕业、CMU 硕士,职业生涯中参与的两家创业公司均成功被收购;在此之后他选择回归家庭当了整整两年的全职奶爸,如今不仅重返职场担任两家创业公司的 CTO,还在业余时间创立了 3 家“零人公司”,甚至正在筹备扩展到 10 家。面对这番亮眼的经历,陈然带着轻松幽默的态度,展开了关于做题、技术落地、职业选择与个人主体性的深度分享。
---
[01:14](https://www.youtube.com/watch?v=DyMgxq0sDFo&t=74s) 小镇做题家如何考上清华:看懂高考这场“标准化考试” 谈及考上清华的秘诀,陈然谦虚地归结于“运气好”,但随后深入剖析了自己在思维层面的根本转变。来自高考大省湖北宜昌的他,数学一直拔尖,但早期的语文成绩却起伏不定,甚至完全无法理解语文试卷到底在考什么。高二高三时,陈然迎来了一个关键转折点——在与老师深入交流后,他亲眼见到了高考阅卷老师是如何批改作文的。那一刻他大开眼界:阅卷时间极短,批卷本质上高度模板化,老师关注的是议论文的开头、论据的论证结构、字里行间的辞藻华丽程度以及案例的丰富度。
意识到高考是一场“标准化考试”后,陈然迅速将其拆解为工程化的解题模型。他没有去盲目刷题,而是提炼并死记硬背了大约 2000 字的核心素材,每天早读反复背诵。这 2000 字包含了通用的开头套路、结构化论据和典型案例,高考时只需要像拼积木一样将 800 字的作文组装出来,语文成绩瞬间从不稳定变得极其拔尖。同样的方法也被他复制到了现代文阅读理解上:
```mermaid
flowchart TD
accTitle: 高考语文解题模型拆解
accDescr: 展示陈然将主观理解题转化为选择题穷举匹配的思考路径
subgraph Mindset["思维转变"]
A["传统认知: 天马行空的主观探索"] --> B["工程认知: 标准化考试与模板化阅卷"]
end
subgraph Execution["解题执行"]
B --> C["作文模块: 背诵2000字核心库,按模板拼装"]
B --> D["阅读理解: 提炼20种核心情感类型库"]
D --> E["做题策略: 逐一遍历匹配(思乡/报国/怀才不遇...)"]
end
subgraph Result["最终效果"]
C --> F["主观题彻底变成确定性选择题,成绩极速稳定"]
E --> F
end
```
这种“看透游戏规则,把探索题变成在知识库中穷举匹配的选择题”的思维模式,让他在高中脱颖而出,也贯穿了他日后在 CMU 选课、求职、创业与做副业的全过程。
---
[06:28](https://www.youtube.com/watch?v=DyMgxq0sDFo&t=388s) 在清华写知乎与软院往事:冷门专业、挫败感与寻找共鸣 大二期间,陈然开始在知乎上高频输出硬核内容。主持人提到自己也是其知乎早期粉丝,询问他当年写作的原始驱动力。陈然坦言原因非常真实:**“清华太难了,生活很痛苦,想找到一些地方去表达自己的一些想法。”** 在清华的顶尖同侪压力下,他常常感到一种被网红教授在领奖时形容的“a little bit discouraged”(深受挫败)的状态。很多超前的想法在身边的圈子里找不到人讨论和认同,只能寄托于互联网。陈然笑称自己当年在各大平台都写过,但只有知乎活了下来,“当你过得很顺、很充实的时候,反而就不怎么写东西了”。
陈然于 2009 年考入清华大学软件学院。令人难以想象的是,当时清华软院不仅不是热门,反而属于分数线垫底的学院:
* **专业冷遇与调剂主流**:当年班上许多同学都是从其他系转过来或服从调剂进来的,大家甚至“看不上”这个专业。当时最热门、录取分数最高的是经管、建筑以及电子、电机等传统强系。
* **高强度的专业挫败感**:大一上学期,在很多零基础同学还在艰难理解 `for` 循环语法时,专业课的大作业就已经要求端到端(End-to-End)开发应用,必须阅读 MSDN 文档调用 C# 的 API,让许多同学倍感挫败甚至萌生转系的念头。
* **互联网黎明前的孤独**:2010 至 2011 年移动互联网蓬勃爆发,陈然敏锐地察觉到互联网必将彻底颠覆世界,但彼时在校园里几乎找不到可以深入讨论移动互联网和前沿技术的人。知乎成了他宣泄思考并寻找同频者的精神出口。
---
[11:25](https://www.youtube.com/watch?v=DyMgxq0sDFo&t=685s) 为什么选择机器学习?拒绝科研、押注前沿应用 大二大三期间,陈然很早就进入实验室体验科研生活,但他很快意识到自己“不是做科研的料”,而是天生渴望将技术落地到真实业务中去。与此同时,他也曾是国内最早的一批 Android 开发者,甚至受邀参加了雷军发布 1999 元初代小米手机的历史性发布会。原本陈然计划本科毕业后直接去开发移动 App 创业,但经过与学长学姐的交流和深入复盘,他清醒地发现纯粹做个 App 缺乏核心竞争力与行业壁垒。
陈然将目光投向了科技最前沿。当时这个领域还不叫现在的“人工智能(AI)”,也不叫“深度学习(Deep Learning)”,而是被称为**数据挖掘(Data Mining)**。在看到社交网络数据挖掘等前沿论文后,陈然坚信这才是未来的核心驱动力。
在 2013 年申请出国留学时,清华 06、07、08 级毕业生的默认共识是“读博士才是正途,申授课型硕士(Coursework Master)处于鄙视链底端,只有拿不到奖学金的人才会去自费读硕”。然而陈然目标极其明确:自己就是要去业界工作、做实际应用,因此他果断申请了 Top 30/50 顶级院校的授课型硕士项目,并最终顺利进入卡耐基梅隆大学(CMU)。
---
[15:07](https://www.youtube.com/watch?v=DyMgxq0sDFo&t=907s) CMU求学经历:只有20人选修的深度学习课与提前押注未来 2013 年进入 CMU 后,陈然入读的是 MCDS(Master of Computational Data Science,计算数据科学硕士)项目。在知乎和博客上,他很早就高呼“机器学习将是人类第四次工业革命”,这一时期他的选课风格与所有同学都大相径庭:
* **选课全数押注前沿**:完全避开传统的系统课,选修的大规模机器学习(Large Scale Machine Learning)还在用 Hadoop 集群跑朴素贝叶斯(Naive Bayes);云计算课程(Cloud Computing)则是给学生分发 AWS 额度进行集群实操。
* **冷清的深度学习课堂**:选修了博士级别的深度学习(Deep Learning)课程。在学生总数冠绝四大计算机名校的 CMU,这门探讨玻尔兹曼机(Boltzmann Machine)、AlexNet 卷积网络与全连接网络的顶级课程,**全校竟然只有 20 个人选修,甚至连名额都没报满**。正是因为没报满,陈然作为选课优先级最低的授课型硕士才得以捡漏选上。
* **跨周期坚守小众方向**:当时的学术与就业鄙视链顶端是 Infrastructure(基础架构建设)、数据库与底层分布式计算(找工作最好、薪资最高),机器学习并不被主流看好。陈然顶着边缘化的压力,与匹兹堡大学的博士合作开展了为期三个学期的“AI + 法律文本”毕业设计,并发表了论文(至今已有上百次引用)。两三年之后,随着深度学习大爆发,CMU 的相关课程瞬间爆满到几千人抢课。
---
[19:33](https://www.youtube.com/watch?v=DyMgxq0sDFo&t=1173s) 技术的价值用商业结果衡量:走出“纯技术”自嗨 经过系统的学术训练与项目历练,陈然在博客中提出了一个极具穿透力的观点:**在商业社会中,技术绝对不是最重要的;技术的价值必须通过商业结果来测量。**
陈然解释道,自己之所以对机器学习如此着迷,正是因为机器学习不同于传统的前端或业务开发。在传统移动开发中,工程师无论把界面做得多么流畅,公司赚了 1 个亿也不会归功于某个写业务逻辑的程序员;但在推荐系统、广告算法或风控模型中,算法工程师每提升 1% 的转化率或点击率,就能直接为公司带来几百万甚至上千万美元的增量营收:
> “你点了这个广告,是算法决定的;你点了公司就多赚上千万,没点就不行。算法的好坏直接与公司的营收挂钩。这个 Credit 不归功于产品经理(PM),它直接归功于算法工程师。”
陈然强调,技术人员绝不能过度沉迷于技术本身的复杂度与优雅性,而忽略背后的商业闭环。无论是去创业公司打拼还是带团队,他始终坚持**所有工作产出必须能够被商业价值直接观测和量化**。
---
[22:28](https://www.youtube.com/watch?v=DyMgxq0sDFo&t=1348s) 毕业去向选择:为何放弃大厂Offer,加入Trulia? 2014 年陈然从 CMU 毕业,正值移动互联网与硅谷大厂的黄金时代。彼时 Google、Meta(Facebook)正如日中天,Pinterest、Airbnb、Uber、Snapchat 等当红“独角兽”更是顶级名校毕业生的首选。陈然手握包括苹果(Apple)在内的大厂 Offer,却毅然做出了与主流背道而驰的决定——加入已上市的房地产搜索平台 **Trulia**。
陈然的核心考量在于“离业务与客户的距离”:
1. **大厂层级过深,离客户太远**:在大厂做算法容易沦为螺丝钉,无法直接感知自己对终端商业结果的撬动。
2. **中小公司提供核心落地场景**:Trulia 当时的数据科学团队仅有 5 到 6 个人,陈然加入的是专门做机器学习算法落地的 Applied Science 团队。
3. **直面全栈算法应用**:在 Trulia,他能够直接将图像识别、NLP(自然语言处理)、房产搜索与个性化推荐算法端到端部署到线上,直接面向海量终端购房用户,观察算法对业务指标的实时拉动。
---
[26:21](https://www.youtube.com/watch?v=DyMgxq0sDFo&t=1581s) 机器学习为何难以落地:组织架构、高层支持与自嗨困境 在 Trulia 工作期间,公司于 2017 年被行业老大 Zillow 收购。作为底层员工,陈然虽然未能在这次收购中获得财务自由,但他在此经历了人生第一份全职工程实践,并深刻体会到了**“绝大多数机器学习算法在工业界为什么根本落不了地”**的血泪教训。
陈然复盘指出,无论是当年的机器学习还是今天的生成式 AI,技术无法落地的根本原因往往不在于算法模型本身,而在于组织层面:
* **缺乏 Top-Down 的坚定支持**:如果不是从 CTO 开始自上而下坚定“All-in 机器学习/AI”,算法根本无法融入核心业务流。
* **触动既有组织利益与优先级排期**:新算法的上线往往是破坏性的,需要调整原有的业务优先级与跨部门组织架构。如果没有高层领导(如 CTO)出来“替算法团队挡子弹”,团队提出的实验与算法排期就会被反复拖延。
* **陷入团队内部自嗨**:缺乏业务闭环的算法团队最终往往沦为“自娱自乐”,只能靠在内外部写技术博客刷存在感,完全无法产生商业价值。
---
[27:35](https://www.youtube.com/watch?v=DyMgxq0sDFo&t=1655s) 主动出击入职Tubi:用“我是来帮你解决问题”的赢家心态求职 带着在 Trulia 总结的反思与经验,陈然决定寻找一家能让自己从零组建团队、深度赋能业务的早期创业公司。他在 Crunchbase 上批量筛选最近完成 B 轮及以前融资的初创公司,拉取所有 CEO 的邮箱逐一发 Cold Email,主动约咖啡面聊。在知乎上,他关注到了知名技术大牛陈天,发现其所在的流媒体公司 **Tubi TV(后更名为 Tubi)** 业务契合度极高,便主动邀约陈天喝咖啡,随后顺利通过面试入职。
针对当前很多年轻人投递数百份简历却一无所获的现象,陈然分享了至关重要的求职思维差异:
| 维度 | 学生求职心态(应届生常见误区) | 赢家/解决问题心态(陈然倡导的思维) |
|:--- |:--- |:--- |
| **沟通诉求** | “请你给我一份工作,我是来贵司学习的。” | “我是来帮你落地 AI、承担责任并带你一起赢的。” |
| **价值主张** | 强调自己的学历背景、做过的作业和被动经历。 | 针对公司现状做深度调研与原型(Prototype),直击业务痛点。 |
| **信心传递** | 卑微、被动等待挑选,缺乏自信。 | “你不跟我喝这杯咖啡,绝对是你们公司的损失(I am the one)。” |
| **责任担当** | 只关注分派给自己的局部代码任务。 | 关注商业结果与业务落地,与公司共担胜败。 |
> “找工作千万不要抱有学生心态。我找工作从来不说我是来学习的,我都跟别人说‘我是来帮你落地 AI 的,我就是那个人(I am that person)’。你要有向特朗普总统学习‘赢(Winning)’的思路——我就是来承担责任的,我是来跟你一起赢的。”
---
[31:34](https://www.youtube.com/watch?v=DyMgxq0sDFo&t=1894s) 亲历被收购与职场晋升:从一线首位ML工程师到Director 陈然于 2017 年加入长视频流媒体平台 Tubi。在整个长视频流媒体行业普遍陷入亏损泥潭的背景下,Tubi 凭借创新的“免费包含广告(FAST/AVOD)”模式深耕美国下沉市场,成为行业内极少数真正实现盈利的黑马公司。2020 年,Tubi 被福克斯(Fox)以 4.4 亿美元全资收购,其后流量规模逐步比肩 Netflix 与 Hulu。这次收购为陈然带来了可观的回报,足以支撑他在家担任两三年全职奶爸去探索自己喜欢的事情。
在 Tubi 期间,陈然实现了从一线工程师到管理层(Director)的跨越。他作为 Tubi 的**第一位机器学习工程师(First ML Engineer)**,与另一位同事从零搭建了公司整套数据中台与机器学习基础设施,包括数据科学分析埋点、大规模 A/B 测试系统以及推荐广告算法架构。
谈及初创公司的晋升路径,陈然总结道:大厂爬梯子有其固化繁复的评审体系,但在早期初创公司,晋升逻辑非常简单直接——**“去的足够早,把核心坑位站住;在公司不断扩张的过程中,只要你能够顶住压力、承担得起更大的商业责任,伴随着团队规模的扩大,你自然而然就会被推到更高的管理层位置上去。”**
[35:00](https://www.youtube.com/watch?v=DyMgxq0sDFo&t=2100s) 管理风格与职场信任:善战者无赫赫之功 陈然刚加入 Tubi 时团队人数极少,他直接与 CTO 坐在一起。因为 CTO 最看重这个机器学习团队,陈然便主动去询问对方关于 ML 的 roadmap 和 vision 是什么。没想到 CTO 直截了当地反问他:“我请你来不就是让你来告诉我这个事情的吗?你今天问我干什么呢?你要告诉我呀!”这句话彻底颠覆了陈然的心态,让他意识到自己来这里的使命是去定义并解决问题,而不是被动等待指令。从此他开始反思此前在 Trulia 经历的种种痛点,并在新环境中主动推动变革。
这种经历直接塑造了他日后的管理风格:招聘一个人进来,核心不在于“我想要你做什么”,而是“你想要来做什么重要的事情”。管理者最核心的职责是搭好底层迭代与评估绩效的框架,并帮团队扫清跨部门的各类 blocker(阻碍),剩下的空间全部留给下属自由发挥。这种“善战者无赫赫之功”的管理方式在互相信任的团队里极其高效,但在缺乏信任的环境中,管理者容易被误解为“什么都没干、全靠底下人出活”。陈然强调,在创业公司中,向上获取 CTO 等高管的信任至关重要;职场“爬梯子”真正决定速度的往往不是你做了多少事,而是“决定这件事的人”是否信任你。
[38:25](https://www.youtube.com/watch?v=DyMgxq0sDFo&t=2305s) 全职奶爸两年:支持太太读法学JD与跨越AI“斩杀线” 在经历了两家公司被收购后,陈然于 2023 至 2024 年间选择离开职场,回归家庭做了整整两年的全职奶爸。这既是因为财务上实现了一定程度的自由、适合阶段性休整,更是为了全力支持家庭。当时家里老大老二都还很小(老二刚出生),而他的太太在四大国际会计师事务所(Big Four)全职工作的同时,还在攻读一个为期四年的兼职法律博士(Part-time JD)。在四大高强度工作下兼读 JD 的难度在行业内近乎不可思议,陈然深知女性生育之艰辛,坚决不希望太太的职业生涯因生育而被迫中断,甚至希望助力她更上一层楼——“赚钱的目的不是为了赚更多的钱,而是可以在该用的地方去用一下”。
另一个关键驱动力来自陈然对 AI 浪潮的敏锐洞察:他深刻感受到了 AI 对很多工作岗位的“职业斩杀线”。许多人虽然还在正常上班,但其工作在 AI 面前已逐渐失去实质意义。法律行业虽然同样遭受 AI 的巨大冲击,但首当其冲被替代的是无执照的助理律师(Paralegal);而真正拥有律师执照(Bar)的执业律师,其准入门槛高、不愁案源,与 AI 实际上是高度互补的关系。为了让太太能稳稳站上“斩杀线”之上的安全地带,陈然选择全职托底家庭。令人惊讶的是,在没有老人帮忙、没有请保姆、两个孩子全由夫妻俩自己带的情况下,陈然不仅做好了全职奶爸,还腾出了大量时间自我探索与考证。
```mermaid
flowchart TD
accTitle: 家庭分工与应对AI职业斩杀线策略
accDescr: 展示陈然全职托底家庭以支持太太攻读JD并跨越AI职业斩杀线的协同机制
subgraph Family["家庭底层托底 (陈然)"]
A["全职奶爸负责双娃"] --> B["承担生活琐事与后勤"]
A --> C["自我探索与高阶财务考证"]
end
subgraph Career["职业进阶突破 (太太)"]
D["四大全职工作"] --> E["兼职攻读四年制 JD"]
E --> F["考取正式律师执照"]
end
subgraph Market["AI 时代行业分化"]
G["无执照 Paralegal / 基础白领"] -->|"直接落入"| H["AI 职业斩杀线 (被替代)"]
F -->|"跨越并互补"| I["高壁垒专业壁垒 (斩杀线之上)"]
end
B --> E
```
[43:46](https://www.youtube.com/watch?v=DyMgxq0sDFo&t=2626s) 育儿哲学:让孩子从生理上喜欢你,父母快乐是最好的教育 谈及全职带娃的感悟,陈然认为孩子是一个科学上会无条件、全身心爱父母的“神奇物种”,这种纯粹的爱能给成年人注入巨大的生命能量。面对被 AI 彻底重塑的未来世界,陈然彻底砍掉了对传统学分、特定学科知识的执念,提炼出了极其精简的育儿原则:
- **极致的就近原则**:选择幼儿园和所有日常活动,唯一硬性标准就是“离家开车 5 分钟以内”,省下所有通勤折腾的时间用来陪伴与玩耍。
- **生理层面的喜欢与信任**:教育里最核心的事情是“让小孩喜欢你”。陈然希望孩子在生理层面上看到父母就本能地感到快乐,感到疲惫时来到父母身边能获得安全感与能量。如果孩子从心底排斥父母,外界的不良影响就会趁虚而入。
- **父母自身的快乐情绪传递**:很多孩子不快乐,本质是因为父母每天上班回来满腹怨气,“一上班就觉得领导是弱智、同事是弱智、扎克伯格绝对是超级大弱智,满脑子都是‘弱智之论’”。这种职场戾气在家中根本藏不住,会被孩子敏锐地吸收。陈然主张大人自己先要多玩、过得开心,以正向的生命状态潜移默化地影响孩子。
[48:51](https://www.youtube.com/watch?v=DyMgxq0sDFo&t=2931s) 疯狂考证:从保险、注册税务师EA到CFP认证规划师 在积累了一定资产后,陈然希望系统搞懂该如何合理规划资产。然而当他去咨询市面上的专业财务规划人员或银行第三方顾问时,体验却非常糟糕:对方要么完全无法理解硅谷湾区科技从业者的特殊资产结构,要么表面看似专业、聊到最后全是在推销佣金高昂的人寿保险或特定理财产品。
带着“万事求人不如求己”的念头,陈然开启了硬核考证之路:
- **人寿保险执照**:为了彻底弄清自己最看不懂的保险销售底层逻辑而率先考取。
- **国税局注册税务师(Enrolled Agent, EA)**:共三门考试,作为零基础跨界考生,陈然仅用 40 天便全部通过,当时在知乎分享经验时甚至被许多人质疑“零基础不可能这么快”。
- **证券从业系列执照(Series 63 / 65 / 66 等)**:频繁出入考场,以至于考试中心的工作人员都对他脸熟。
- **CFP(Certified Financial Planner,特许金融规划师)**:在积累了相应从业年限后拿下该领域含金量极高、难度极大的认证。
在这一系列高强度的学习与备考中,陈然不仅理清了人和金钱的本质关系,还将自己的备考资料与经验整理成了一个名为 Open Exam Preparation 的免费学习网站,为后续的副业埋下了种子。
[51:48](https://www.youtube.com/watch?v=DyMgxq0sDFo&t=3108s) 硅谷人的财务画像:全仓High Tech的极高系统性风险 陈然在深入财务规划领域后发现,硅谷科技从业者的风险偏好与华尔街传统财富管理理论存在极其剧烈的认知错位:
| 维度 | 传统财务规划 / 华尔街正统观点 | 硅谷华人工程师的普遍实操 |
|:--- |:--- |:--- |
| **单一个股 / RSU 定位** | 属于不可接受的高集中度风险,解禁即应卖出分散投资 | 将本公司的 Single Stock RSU 当作储蓄账户(Saving Account),不到买房绝不卖出 |
| **标普 500 (S&P 500) 风险评级** | 纯股票资产,风险评级处于 7~8(属于高风险偏好类别) | 普遍认为是 2~3 级别的“极度风险厌恶、极度保守”配置 |
| **高风险的定义** | 持有单只科技股、全仓股票市场 | 只有玩期权(Option)、期货、加杠杆投机小盘股才叫高风险(持有英伟达被视为低风险) |
```mermaid
flowchart LR
accTitle: 硅谷科技人的脆弱全仓模型
accDescr: 展示硅谷工程师因工作、房产、RSU高度集中于High Tech行业而面临的连锁清零风险
subgraph Exposure["硅谷从业者 100% 押注 High Tech"]
W["工作收入 (High Tech Salary)"]
H["重资产房产 (湾区高额房贷)"]
R["核心金融资产 (公司单只 RSU / 科技股)"]
end
subgraph BlackSwan["小概率极端事件 (科技泡沫破裂 / 行业断崖)"]
Shock["行业剧烈下行"]
end
subgraph ChainReaction["连锁崩塌后果"]
LossJob["失去高薪工作"]
Foreclosure["房贷断供失去房产"]
StockZero["RSU 资产缩水归零"]
Expulsion["无法居留 / 打包回国 / 三四十年积累清零"]
end
Shock --> W --> LossJob
Shock --> H --> Foreclosure
Shock --> R --> StockZero
LossJob & Foreclosure & StockZero --> Expulsion
```
传统财务规划师听闻硅谷人的配置方式往往会惊呼“这不可能有人这么干,从风险角度看已经彻底爆表(达到 100 分风险)”。陈然指出,硅谷人将“工资 + 房产 + 核心金融资产(RSU)”全部单点押注在 High Tech 行业上,一旦遭遇 1% 的极端黑天鹅事件(科技泡沫破灭、公司裁员断供、股票暴跌),整个家庭在硅谷三四十年的财富积累可能瞬间归零,被迫打包回国。资产配置本身是个人对生活选择的投射,并没有绝对客观的对错,但必须清醒认知其潜在的毁灭性后果。
[56:25](https://www.youtube.com/watch?v=DyMgxq0sDFo&t=3385s) 中了彩票之后:买下一张彩票,还是享受生活? 在过去三十年的硅谷,按照教科书分散投资(如 Google、Apple 员工解禁即卖股票)的人往往至今仍在打工,而“违背常理”全仓死扛科技股的人反而早就财富自由、逍遥自在。这种现实造就了巨大的幸存者偏差。陈然认为,巨额财富降临时,有两件事必须要想得极度通透:
1. **中了彩票后是去买下一张彩票,还是好好享受生活?** 许多人赚到钱后执念于“拿赚来的钱去赚更多钱”,但投资本就有亏空的可能。如果目标是为了让家人过得好、花时间陪伴配偶和小孩,赚到了合理的利润就应当及时将资金挪向生活本身。
2. **警惕“脑子坏掉”与运气归因**:很多人发财本质上是吃到了时代的红利,却误以为是自己天赋异禀、“天选之子”,坚信自己还能再中一次彩票,最终在赌场般的加码中落得悲惨下场。赌场里永远只流传赢家的神话,而陈然在实际做规划咨询时,见过大量盲信某种策略或听信他人推荐而彻底从牌桌上消失的输家案例。
[59:31](https://www.youtube.com/watch?v=DyMgxq0sDFo&t=3571s) 资产配置的两种路径:复利增长与杠铃策略 针对不同人群的人生诉求,陈然对比了两种截然不同的财富构建路径:
- **复利增长模式(教科书式路径)**:每年稳健定存、长期指数化投资,让财富像滚雪球一样慢慢变大。随着资产和现金流的稳步上升,家庭的消费、房车档次和旅游预算逐步提升,收获的是一种确定、稳健但相对缓慢的长久快乐。
- **杠铃策略(Barbell Strategy)**:将资产截然切分为“极度保守”与“极度激进”两端。
- **保守底盘**:构建一套即便所有激进投资全部归零、也绝不影响日常生活品质的高确定性资产与稳定现金流,并且克制消费升级的冲动(不盲目换大房子、买豪车)。
- **激进一端**:用剩余的风险资金去 All-in、拉杠杆或尝试高赔率项目。如果运气好押中爆发,就能实现阶层跃升、赚到人生第一个千万美金并及时收手;如果彻底失败,也不会伤及家庭的基本生活。
陈然观察到,当下的年轻人面对阶层流动放缓的现状,往往对按部就班的复利增长失去耐心,杠铃策略因而展现出更强的吸引力。
[01:01:56](https://www.youtube.com/watch?v=DyMgxq0sDFo&t=3716s) 焦虑与冲击:AI重构职场与保守主义财务视角 针对硅谷大厂高薪员工在社交媒体上普遍弥漫的痛苦与抱怨,陈然指出,过去职场人虽然也吐槽“老板弱智”,但内心深处默认存在一条清晰稳定的“爬梯子(Ladder)”晋升路线,生活始终有奔头。然而这两年硅谷竞争加剧,叠加 AI 对各个行业的剧烈重塑,传统的互联网大厂叙事正在被瓦解。
大家今天所感受到的现金流压力与职场迷茫仅仅只是开始,“更惨的事情还在明天”。AI 对企业组织架构与行业边界的摧毁和重组,其剧烈程度将远超多数人的想象。陈然建议职场人不妨抱着“未来两年我的公司/职位就可能完蛋”的清醒假设来规划工作与财务,以更加保守审慎的眼光应对即将到来的动荡周期,同时积极拥抱新工具、寻找传统体系之外的赚钱与生存机会。
[01:04:48](https://www.youtube.com/watch?v=DyMgxq0sDFo&t=3888s) 零人备考网站:AI驱动的被动收入与Token供应链管理 在践行“零人公司”理念上,陈然将自身痛点转化为了极具商业价值的产品——备考辅导平台 Open Exam Preparation:
```mermaid
flowchart TD
accTitle: 零人备考网站业务与供应链管理架构
accDescr: 展示陈然利用AI与Token供应链管理实现全自动化运营与每月1万美元被动收入的商业模式
subgraph UserSide["用户端交付 (复刻 Tubi 商业模式)"]
U1["海量专业考试题库与辅导资料"] --> U2["100% 免费开放给备考人群"]
U2 --> U3["流量变现: 广告展示 + 考试用书/平台佣金链接"]
end
subgraph Operation["零人运营与自动化扩展"]
O1["陈然自身考证痛点驱动"] --> O2["AI 全自动生成扩充考题 (从十几个扩展至上万个)"]
O2 --> O3["日常无需人工介入维护 (全被动收入)"]
end
subgraph Moat["核心供应链壁垒 (Token 效率优化)"]
M1["低成本获取与调度多样化 AI 模型"]
M2["极低 Token 消耗达成更高交付质量"]
M3["防御竞争: 竞品若烧 10-100 倍 Token 或雇佣全职人工则在商业上不成立"]
end
O2 --> U1
U3 -->|"实现被动收益"| Rev["月均约 $10,000 美金营收 (MRR)"]
M1 & M2 --> O2
M3 --> Moat
```
- **痛点与起源**:陈然自己在考取 EA、CFP 等执照时花大价钱购买资料,发现市面教材编写质量低下,自己最终大部分是靠直接向 AI 提问并让其搜集整理资料才实现极速通关。他随即将该模式产品化,打造出由 AI 辅助生成的免费备考平台。
- **产品规模与商业模式**:项目从最初覆盖十几个考试,通过 AI 自动化扩展到几百、几千乃至上万个考试科目。商业化路线完全复刻 Tubi TV 模式——**内容对用户完全免费,主要依靠广告流量变现**,辅以亚马逊购书及第三方付费平台的 Referral 佣金。
- **财务与运营数据**:陈然在官网上公开了项目营收,每月带来约 **10,000 美元**的稳定纯被动收入(Passive Income),日常基本无需人工干预。
- **核心壁垒与供应链管理**:面对“别人用 AI 3天写个代码抄袭怎么办”的质疑,陈然直言任何赚钱的项目都无法逃避竞争。但该项目的核心护城河在于**底层 Token 的供应链管理与工程认知壁垒**:陈然凭借对大模型的深刻理解,能以极低成本获取 Token、精准微调并找到模型边界,用远少于同行的 Token 消耗交付更高质量的内容。如果竞争对手需要烧 10 倍到 100 倍的 Token 成本,或者必须雇佣全职员工来维护运营,其商业逻辑在经济账上就无法成立。陈然豁达地表示商业竞争就像开店,“做不过就跑,换下一个项目继续做”。随后,他又将这一套敏锐捕捉技术红利的思路延伸到了 Suno 驱动的“零人 AI 音乐”副业探索中。
[01:10:00](https://www.youtube.com/watch?v=DyMgxq0sDFo&t=4200s) 零人音乐副业与让 AI 批量扫项目的 SOP 陈然此前尝试过用 AI 制作音乐并上传到 Spotify 和 Apple Music 等流媒体平台,但到去年年底便停了下来。核心原因在于音乐行业的反馈周期(feedback loop)实在太长,“你花了时间你看不到结果”,纯靠人力去做并不划算。不过这项业务被放着自动跑之后,每个月能产生 100 多美元的被动收入,虽然发不了大财,但神奇的是这个数字每个月还在缓慢增长,权当给自己买咖啡喝。
随后,陈然开始探索一种让 AI 自动寻找“价值洼地”的机制。他并不把它拔高为一家正式的“零人公司”,本质上就是利用自动化工具找项目:
- 设定好筛选条件,通过各类数据源与 API 让 AI 批量扫描市场机会;
- 一旦发现有利可图的潜在需求,快速搭建出 MVP(最小可行产品)部署上线;
- 观察项目能否自我造血,行就继续,不行就果断弃坑;
- 将现实世界跑出来的商业结果作为反馈喂回给 AI,帮助它更精准地优化下一次寻找项目的逻辑。
陈然总结道,这套打法背后最大的红利在于:“这个时代最便宜的是 Token,重要是要把 Token 给花掉,收获一些对世界的理解。”通过极其廉价的算力消耗,换取对现实赚钱逻辑的高维度认知。
其中一个代表性项目叫 Second Chance Info。陈然注意到美国社会有大量流浪汉、戒毒康复者等弱势群体,面临寻找工作、医疗救助与住所的迫切需求,急需“第二次机会(second chance)”。他写爬虫聚合了相关资源并建起网站,完全靠自然搜索流量运行。尽管没有任何商业推广,不仅每天都有真实用户访问,甚至还有人专门发邮件感谢网站帮到了他们。因为伺服成本微乎其微,即便目前不靠广告盈利,也能作为一件顺手回馈社会的善意之举。
谈及做这类项目最大的挑战,陈然坦言并非技术门槛,而是对各行各业真实痛点的认知深度。例如他做的 Open Exam Preparation 之所以能成,是因为他自己经历过备考考证的极大痛点,确信论坛与传统老师的解答不如 AI,因此在毫无正反馈的冷启动阶段也能咬牙坚持;而跨入陌生的行业时,如果无法感同身受地理解痛点,做出来的产品往往难以迭代,只能像撒种子一样任其自生自灭。
```mermaid
flowchart LR
accTitle: AI驱动的零人项目自动化探索流程
accDescr: 展示从AI通过API扫描需求、快速搭建MVP到现实世界验证并反馈闭环的流程
subgraph DISCOVER["需求探索"]
A["设定价值洼地规则"] --> B["AI调用第三方API/搜索扫描"]
end
subgraph LAUNCH["快速验证"]
B --> C["自动化生成MVP并上线"]
C --> D{"真实数据验证"}
end
subgraph RETRO["反馈闭环"]
D -->|"无正反馈"| E["果断弃坑 / 低成本维护"]
D -->|"验证成功"| F["沉淀为被动收入资产"]
E --> G["将真实反馈回传给AI"]
F --> G
G --> B
end
```
---
[01:14:36](https://www.youtube.com/watch?v=DyMgxq0sDFo&t=4476s) 从“勇哥说餐饮”看商业本质:找客流、看选品与亲自算账 陈然分享了自己做生意的重要启发来源——短视频平台上的爆火账号“勇哥说餐饮”。视频中,勇哥通过连麦帮陷入困境的餐馆老板诊断业务,往往让老板拿着手机 360 度转一圈现场,就能一针见血地指出失败根源。
在陈然看来,餐馆老板犯的典型错误与硅谷或互联网圈的创业者如出一辙:
1. **拍脑袋做决定:** “因为我喜欢吃面包,所以我开了个面包店”;或者想加盟蜜雪冰城却连官网都分不清,打错电话被野鸡公司骗走 20 万。
2. **寄希望于虚无的线上流量:** 很多人完全不知道客源在哪,盲目以为“只要好好做线上运营、拍小红书,客流自然会来”。
3. **沉迷于创始人魅力:** 以为能靠个人网红效应带货,忽视了地段与物理人流的客观规律。
勇哥的底层诊断逻辑给了陈然极大的商业共鸣,他将其拆解为三个要素:
- **客流客观存在:** 做生意必须去“原地本来就有客流”的地方。在互联网上,陈然从不凭空设想需求,而是通过第三方 API 调取 Google Search 真实关键词的搜索量排序,去抓取“有人搜、但没有好产品满足”的空白流量。
- **依据客流定选品:** 不是自己喜欢蛋糕就做蛋糕,而是这波既有人群需要什么,你就提供什么。
- **精细算账与极简人力:** 勇哥到店里最常说的一句话是:“你看你们店上那两个人是不是你们的人?先把他开掉!”做生意老板必须亲自下场算账,厘清每一笔收入、支出与供应链成本,而非盲目扩充团队。
陈然强调,必须分清“融资型创业”与“赚钱做生意”是两套完全不同的底层逻辑:
- 融资型创业可以瞄准一个当下不存在的需求,靠前沿概念或讲宏大叙事拿到大笔风险投资,短期内完全不赚钱也没关系;
- 赚钱做生意则必须敬畏商业的客观规律,必须聚焦真实需求、算清账目、优化成本结构并打磨核心壁垒。
硅谷不少创业者的问题在于将两者混为一谈,“既要又要”,最终两头落空。
---
[01:20:21](https://www.youtube.com/watch?v=DyMgxq0sDFo&t=4821s) 重回职场做 CTO:AI 落地生命科学与医疗合规 2025 年初,陈然的朋友来旧金山参加 J.P. Morgan 医疗健康大会。这位朋友创立了一家名为 Pure Global 的医疗器械全球合规注册公司(成立于 2020 或 2022 年前后),正寻求借助 AI 实现公司业务的全面转型。陈然以 CTO 身份加入,全面主导了该公司的 AI 化重构。
当 Pure Global 的系统重构完成、内部交付能力上了一个巨大台阶后,团队碰到了全新的瓶颈:在生产与交付变得极度高效后,客户获取(获客)成了最严峻的问题。为此,团队又孵化了另一家名为 VagioMate 的公司,专门服务于生命科学领域的企业客户增长。陈然认为:“在 AI 疯狂发展的时代,当我们生产一个东西不再是问题的时候,获客就会是一个非常困难的事情。”
至于为何一直深耕机器学习应用、最终切入医疗行业,陈然表示自己的初心始终没变:
- 在 CMU 时期做过法律方向项目;
- 第一份工作在 Trulia 做房地产相关的机器学习落地;
- 在 Tubi 期间负责流媒体的推荐算法与搜索;
- 如今在医疗合规领域处理复杂的非结构化专业文本与获客体系。
选择医疗、生命科学、金融与法律等行业,是因为这些领域面临极高的合规壁垒,具备深厚的专业 Know-how 与方法论门槛。面对 AI 浪潮的无差别冲击,普通行业会被迅速卷成红海,而高合规成本的硬核行业反而能留出更长久的护城河。
---
[01:23:22](https://www.youtube.com/watch?v=DyMgxq0sDFo&t=5002s) AI 重构内部系统:撕掉 SaaS、重写业务与全员知识库 2025 年中,Anthropic 相继发布了 Claude 3.5 Sonnet 与 Claude 3.7,并推出了直接运行在终端命令行中的 Claude Code。陈然回忆,当团队在终端里试用 Claude Code 时,第一反应就是“完蛋了,以后整个工作流肯定要彻底围绕这个东西转了”。
在此之前,行业普遍使用 ChatGPT,需要手动复制代码黏贴,它充其量只是一个提供灵感的聊天窗口;而当大模型直接嵌入 CLI(命令行界面)后,它真正接管了完整的工作流。以此为契机,陈然在公司内部推行了极其激进的重构动作:
- **放弃冗余的 SaaS 业务:** 团队直接把过去按年收费的自研 SaaS 软件源代码打包赠送给客户,不再继续维护;同时将部分原本收费的行业数据库彻底免费公开发布在网上,将原有的付费产品直接转化为高价值的获客渠道。
- **CTO 亲自下场,用 AI 重写全部内部系统:** 陈然砍掉了大量为了“证明团队存在感”而开发的虚荣功能,花大量时间深入一线与客户沟通,只保留最核心的真实需求。重写后,系统架构极大精简,无论给员工用还是给 AI 处理都极其顺畅。
- **以 AI 知识库重塑工作范式:** 搭建了全员依靠的集中式内部知识库。“大家现在彼此不要说话了,有事没事就问 AI 就行了”,AI 回答不好就去修正知识库底层内容,AI 答得好就持续积累。过去的经验碎片化地沉淀在个别员工的大脑里,现在则沉淀在快速迭代的知识库中,新员工入职也能瞬间上手。
- **文档产能极速过剩:** Pure Global 在巴西、墨西哥、欧洲、东南亚等地拥有近 20 个本地办公室,协助客户完成当地的器械注册。过去靠人工撰写极为繁冗的申报材料,积压了五六十个排队项目;在 AI 辅助工具介入后,写文档的速度呈几何级数跃升,原本积压的项目迅速清零,甚至陷入了“没有项目可做”的反向产能过剩。
---
[01:27:33](https://www.youtube.com/watch?v=DyMgxq0sDFo&t=5253s) 生产力爆发下的商业变局:零注册费的透明定价 生产力的跃迁直接倒逼了公司商业模式与收费结构的重构。在传统的医疗器械跨国注册行业中,收费模式与申请跨国绿卡极为相似:价格高度不透明,律师或咨询机构通常按小时计费,且费用分为两截——第一年收取昂贵的注册费(如 5000 美元),之后每年再收取一笔维护年费(如 3000 美元)。
由于 Pure Global 利用 AI 将实际交付成本压到了极低水平,陈然团队做出了颠覆行业规矩的决定:
- 成为全行业第一家直接在官方网站上公开所有项目底价的公司;
- 彻底取消第一年的“注册费”,实行全透明的统一固定年费(Flat fee)——第一年收 2000 美元,第二年同样只收 2000 美元。
同行甚至无法理解这种“注册不要钱”的操作模式,而潜在客户只要在搜索引擎里查找注册费用,几乎只能搜到他们一家,这为公司带来了巨大的自然获客优势。
```mermaid
flowchart TD
accTitle: 医疗器械合规注册行业的商业模式对比
accDescr: 展示传统模式与Pure Global在AI重构后的收费与交付模式差异
subgraph TRADITIONAL["传统模式 (低效且不透明)"]
T1["按小时计费 / 价格不透明"] --> T2["首年高昂注册费 ($5000)"]
T2 --> T3["后续维护年费 ($3000)"]
T3 --> T4["人工撰写文档,工期积压严重"]
end
subgraph AI_DRIVEN["Pure Global 模式 (AI原生驱动)"]
A1["全网公开透明定价 (Flat Fee)"] --> A2["首年注册免费 ($0)"]
A2 --> A3["统一透明固定年费 ($2000/年)"]
A3 --> A4["AI辅助极速交付,产能大幅过剩"]
end
```
这种降价并非为了恶性内卷,员工的工作时长不但没有增加,反而因为工作流理顺而更开心,公司同时重构了激励与分红机制(Incentive compensation)。陈然指出,这不是内卷,而是生产力跃迁带来的必然降维打击。
---
[01:29:31](https://www.youtube.com/watch?v=DyMgxq0sDFo&t=5371s) Claude Code 带来的职业冲击与马车隐喻 陈然强调,作为一线写代码的工程师与 CTO,当看到 Claude Code 整合到 Terminal 中时,就能清晰预判到整个行业的未来走向。绝大多数打工人所从事的日常开发难度,其实远低于当前大模型的能力上限;只要将业务流程作为插件接入模型,海量岗位客观上是可以被直接替代的。
对于那些仍在争辩 AI 是否好用、是否安全的人,陈然用了一个生动的比喻:
> “我们现在都是在马车的时代,但是汽车已经被发明了。当然可能汽车还不是一个完整的汽车,开起来歪歪扭扭的,但是已经有很多人开着汽车在全世界乱逛了。马车的时代就是还在一个城堡里面……大家不要再去争论马车什么、汽车危不危险,没有意义,因为跑得远的人已经很远了,马车也肯定会消失的。”
他之所以看重月球大叔的播客,也是因为其聚焦于硅谷一线从业人员的“一手信息源”。在急剧动荡的转型期,获取一手认知并理解底层范式转变,远比在圈子内听二手信息焦虑有效得多。
---
[01:32:25](https://www.youtube.com/watch?v=DyMgxq0sDFo&t=5545s) 生产关系滞后与 AI Native 创业公司的成本斩杀线 针对 Anthropic CEO 曾提及的现象——即使代码编写效率提升了 5 倍,整家公司的生产力提升却只有 20%~30%,因为代码编写只占从产品、获客、分发到售后的极小比例——陈然从组织架构层面做出了剖析:
代码写得更快,公司整体效率却没有同步爆发,根本原因在于**传统的组织架构无法适配新的生产力**。老牌大公司存在臃肿的管理层级,设立了总监、经理等诸多角色,许多岗位的唯一功能仅仅是层层传递信息和拉人开会;当 AI 能够瞬间汇总信息时,组织必须变得极度扁平,大量中间管理层将失去存在意义。
更致命的威胁来自外部:无论老牌企业自身愿不愿意变革,市场上都会涌现出一大批轻装上阵的 AI Native(AI 原生)初创公司:
- 它们以传统大厂 10% 甚至 1% 的运营成本,做出功能完全一致甚至体验更优的产品;
- 硅谷当下的大批年轻创业团队,直接把纳斯达克 500 强企业的核心业务列成清单挨个“定点清除”——你做传统 Billing(计费系统),我就做 AI Native 的自动化计费;你做法律咨询,我就做 AI Native 法律助手;
- 面对外部供应商(Vendor),陈然团队如今的做法是逐一谈判要求降价,“如果你一个月收 5000 块还不降价,那我用 AI 几天就自己写一个”,这使得传统提供商正面临系统性丢单的危机。
陈然认为,年轻一代用户天然更青睐低成本、极简的 AI Native 工具。这股浪潮从旧金山湾区发端,正迅速向上海、深圳以及内陆城市扩散开来,人类对极致生产力的追逐是不可逆的。
---
[01:36:52](https://www.youtube.com/watch?v=DyMgxq0sDFo&t=5812s) 搞钱不必做 Founder IP 与 Coding Plan 的高额补贴红利 虽然陈然在知乎等平台上写过上千篇博客,本身具备很强的影响力,但他却旗帜鲜明地主张:**纯粹为了搞钱做生意,就不要把精力耗在做 Founder IP(创始人个人 IP)上。**
他厘清了背后的逻辑误区:
- **创始人出镜搞个人 IP:** 更适合用于向风投机构(VC)拉融资、讲故事;
- **纯粹赚钱的生意:** 应该把全部精力回归到挖掘真实需求、做好交付与增加附加值上。
- **关于 Build in Public(公开构建):** 许多通过公开构建赚到钱的人,是因为他们的目标客户本来就是开发者群体;如果业务面向的是普通消费者或非技术企业客户,把时间浪费在公开建构与个人 IP 上,根本吸引不来真正的付费买家。
在技术使用成本方面,陈然透露自己目前每个月要消耗 **上百亿甚至三四百亿 Token**,但每月的实际工具订阅开销仅在 **1000 美元左右**。
这一巨大剪刀差来源于当前的时代红利——各大模型厂商的 **Coding Plan(编程订阅套餐)高额补贴**:
- 以 OpenAI 为例,200 美元/月的 Pro/Team 订阅套餐,后台实际允许消耗价值 100 亿到 200 亿 Token 的推理算力;如果纯调用 API,费用将是天文数字。
- Anthropic、Google Gemini 以及部分第三方云平台(如 Ollama/相关云服务)都在推行类似的高额补贴方案,本质上是用巨额资本吸引高价值开发者提供真实使用数据。
- 陈然形象地比喻道:这就像当年国内打车与外卖大战时的平台疯狂补贴,“美国现在就是 Token 大战,疯狂烧钱补贴你用 Token,用得越多赚得越多”。这些公司未来上市或面临财务压力时补贴一定会退坡,因此必须抓住这波极短期的红利窗口,尽早开通顶格套餐去薅算力。
```mermaid
flowchart LR
accTitle: 开发者利用大模型厂商补贴红利放大杠杆
accDescr: 对比直接API调用与订阅高额补贴套餐的算力杠杆效益
subgraph SUBSCRIPTION["平台补贴大战 (当前红利)"]
P1["OpenAI / Anthropic / Google 订阅套餐"]
P2["每月固定支出约 $1000 订阅费"]
end
subgraph LEVERAGE["算力杠杆释放"]
P1 -->|"高达数十倍的资金补贴"| L1["换取每月 100亿~400亿 Token"]
L1 --> L2["驱动全自动业务、重构软件与自动化交付"]
end
subgraph API_COST["传统 API 计费路径 (无杠杆)"]
A1["直接调用 API 接口"] -->|"按量无折扣计费"| A2["每月数万至数十万美元高昂账单"]
end
```
---
[01:40:51](https://www.youtube.com/watch?v=DyMgxq0sDFo&t=6051s) 人生的主体性:工作服务于生活与退休财务规划 回顾从小镇做题家、清华大学、CMU,到两次经历创业公司被收购、全职带娃两年,再到如今重返一线担任 CTO 并运营多个副业项目,陈然认为自己能不断取得满意结果的关键,在于拥有极强的**“主体性”**。
“主体性”意味着以自我感受为中心来定义生活:
- 工作在客观上并不定义你的人格。从人类历史长河来看,“打卡上班”这种组织形式不过出现了一两百年,未来几十年很可能彻底消亡,“大厂打工”甚至可能只是互联网时代昙花一现的插曲。
- 生活唯一真正不可动摇的底线,就是每天摄入所需的 2000 大卡热量、安稳睡觉并活着;其他工作和财富追求都是在此基础上的额外探索。
- 他坦言自己是个极容易感到无聊的人,探索新项目只是为了打败无聊、找寻乐趣,用兴趣驱动自己不断折腾。
在面对“创业或辞职失败了该怎么办”的财务恐慌时,陈然早年系统性研究财务规划的经历给予了他定力。他指出,真正的财务规划核心往往是**退休规划**,而年轻人很少愿意听这些,因为总觉得衰老离自己很远。
当陈然在财务规划实践中与大量真正步入晚年的老人深度交流后,他对金钱与人生的认知被彻底颠覆:
> “跟很多年纪大了之后的人聊,你会发现最重要的一点是什么呢?就是年轻时候你觉得重要的事情,根本不重要,根本不重要。”
许多年轻人当下为之辗转反侧的职场地位、同辈压力与虚名焦虑,在漫长人生的终点回望时,全都不值一提。以这种“以终为始”的视角重新审视自我,才能摆脱外部评价体系的绑架,明白工作不过是服务于生活理念的工具。
- **核心数据与事实清单:**
- AI 音乐副业目前的被动收入约为 100+ 美元/月,至今仍在自发缓慢增长;
- 内部文档重构前,团队积压了五六十个待处理的医疗器械注册跨国项目,AI 介入后积压迅速归零;
- 传统医疗合规注册第一年收费约 5000 美元外加 3000 美元维护年费,Pure Global 改为全网公开的 Flat fee,取消注册费,统一定价为每年 2000 美元;
- 陈然目前个人及团队每月实际消耗大模型 Token 达 100 亿至 400 亿,而依托各大模型厂商订阅方案(Coding Plan)的补贴,每月总支出仅维持在 1000 美元左右。
[01:45:00](https://www.youtube.com/watch?v=DyMgxq0sDFo&t=6300s) 破除全职雇佣迷思:AI 时代的生产关系变革 从老年人对年轻时经历的后悔与财务规划反观当下,陈然指出,很多年轻人眼下极度焦虑、视若珍宝的事情,拉长到整个人生尺度来看其实微不足道。最核心的原则始终是“主动选择,不要被动接受”,去做真正想做的事,过主动选择的生活。针对未来公司形态的演变,许多人对 AI 带来的裁员和全职员工(Full-Time Employee)岗位的消逝深感恐慌,但陈然提供了完全相反的视角:现行的全职雇佣制本身就是一种压抑生产力与积极性的陈旧生产关系。
他举了一个直观的例子:如果一个人直接面对客户,客户付款一万元,服务者会发自内心地开心并全力以赴提供优质服务;但如果在公司体制下,老板发一万元月薪,员工本能地会觉得“老板在剥削我、我明明值两万”,随之而来的策略必然是摸鱼划水,只干对得起工资的活。造成这种内耗的根源在于固定薪酬结构无法让个体直接享受生产力跃升带来的分成红利。AI 的出现正在打破这一平衡——它能让一个真正想做事的人瞬间具备 10 倍乃至 100 倍的生产力。
```mermaid
flowchart TD
accTitle: AI时代生产关系与激励机制对比
accDescr: 对比传统全职雇佣模式与AI时代合伙人分成模式在激励机制和生产力释放上的本质差异。
subgraph Legacy["传统雇佣模式(生产力受限)"]
L1["固定薪酬体系"] --> L2["员工感知被剥削"]
L2 --> L3["选择摸鱼保底"]
L3 --> L4["AI红利全归股东 / 员工面临淘汰"]
end
subgraph Future["合伙分成模式(生产力释放)"]
F1["直接面对客户 / 利润分成"] --> F2["AI工具赋能百倍产能"]
F2 --> F3["收入直接与交付价值挂钩"]
F3 --> F4["自驱探索新工具 / 实现共赢"]
end
```
陈然认为,未来的组织架构和分配机制必须重构,应全面引入合伙人分成模式(类似于欧美顶级律所从基层做单到高级 Partner 共享收益的机制),或者演进为仅靠 Contractor(独立承包商)与 AI Agent 协同交付的无边界公司。其他程序员把 AI 视为裁员灭顶之灾,陈然却将其定义为“程序员的改革开放”:唯有生产关系转变为“多赚大家一起分”,个体才会有充分的自驱力拥抱新工具、追求超额价值,而不是沦为被动等待被替代的“牛马”。
- **传统雇佣痛点**:薪酬与产出脱节,增效红利全归资方,打工人缺乏使用先进工具的内在动力。
- **未来组织形态**:弱化全职绑定,转向以项目/收益分成为基础的合伙人制与 Contractor 机制。
- **AI 的本质杠杆**:直接赋予自驱型个体 10 倍到 100 倍的单兵作战能力,撬动全新的商业闭环。
---
[01:49:04](https://www.youtube.com/watch?v=DyMgxq0sDFo&t=6544s) 给大学生的破局指南:过滤噪音,寻找真正开着汽车的人 对于当下 18 到 22 岁处于迷茫与不确定性中的大学生,陈然首先宽慰道,任何时代的技术剧变期都伴随着共识缺失。当年他刚入行时,计算机与软件甚至一度被外界唱衰为“夕阳产业”,没人预料到互联网会膨胀为如此庞大的巨兽;只要对技术趋势抱有足够信念并投入时间深耕,机会必然属于身处其中的人。而在当前节点,年轻人拉开差距的关键在于“信息源的质量”。
陈然用了一个生动的比喻来剖析当下的技术舆论场:所有人原本生活在依赖马车的城堡里,此时汽车(AI)横空出世,外面的世界正在被急速重塑。然而公众接触到的信息却存在严重偏差:
| 人群画像 | 典型行为与商业状态 | 舆论声量与影响力 | 对大学生的实际参考价值 |
|:--- |:--- |:--- |:--- |
| **造汽车的人** | 研发基础大模型、搭建 Infra 与 Serving Layer(如模型参数研究) | **声量最高**;吸引了行业绝大多数报道、资本与目光 | **参考价值低**;汽车怎么造跟普通人如何利用汽车开疆拓土没有直接关系 |
| **Demo in Public** | 拿 AI 做原型展示、发 PPT、做小工具并在社交网络高频分享 | **声量极大**;具备极高网络关注度与 친民 传播力 | **参考价值中等**;能直观展示模型能力边界,但尚未跑通商业闭环 |
| **开汽车插旗的人** | 带着 AI 工具直接进入真实产业搞钱、圈地、跑通完整商业闭环 | **近乎完全隐身**;忙于闷头赚钱与业务交付,没有闲暇发声 | **核心价值最高**;必须不惜一切代价挖掘他们的一手操作路径 |
陈然强调,每天讨论前沿模型架构、参数量、上下文长度等“造车理论”对绝大多数普通人毫无意义。年轻人必须把精力聚焦在寻找那些“开着汽车到处插旗”的人:
- **锁定 AI Native 初创团队**:观察最新锐的初创公司如何用 AI 工具重塑交付全流程。
- **汲取一手深度信源**:通过能够挖掘到一线实干者的硬核播客与深度访谈获取非公开视角的认知,坚决避开二道贩子过过滤变味的二手转述。
---
[01:53:39](https://www.youtube.com/watch?v=DyMgxq0sDFo&t=6819s) 三四十岁职场人的自救策略:梳理财务底牌,重构价值交付 针对 30 岁上下已有五六年职场积累、以及 40 岁左右背负沉重房贷与子女教育压力的中青年职场人,陈然坦言这批人面对 AI 浪潮的转型包袱确实更重。由于家庭财务负担、既往成就与职业惯性的捆绑,很多人在当下混乱的行业裁员潮中深陷焦虑与痛苦。但他同时指出,成熟职场人拥有应届生无法比拟的核心优势——深厚且真实的行业 Know-How 与痛点认知。
陈然建议三四十岁群体当下最应该做的是“停下来主动复盘”:
1. **彻底厘清财务与家庭底层约束**:重新审视家庭财务现金流与资产负债表,明确生活中哪些开销是刚需、哪些虚荣性支出完全不重要。
2. **假设归零,反推自我价值**:假设失去现有大厂职级和平台光环、从零开始自谋生路,思考自己究竟能凭借什么真实的专业能力为外部客户创造价值并直接换取收入。
3. **摆脱精神内耗,换取真实交付**:趁着目前仍有全职工作的现金流托底,停止无休止的裁员恐慌与情绪反思,把注意力转移到“Build(构建)”上。利用业余时间把例如 Claude 订阅或月度 200 美元的 Token 额度直接开满并用光,亲手用 AI 工具打磨出几个轻量级小产品,跑通哪怕极其微小的赚钱链路。
对这批职场中坚力量而言,不再把自我价值依附于单一公司,而是借助 AI 杠杆将行业 Know-How 转化为独立的交付能力,是穿越周期最务实解法。访谈最后,陈然在轻松的道别声中准时赶去接娃,以高度知行合一的姿态结束了这场横跨技术浪潮、组织变革与个人主体性的深度对话。
## Notable quotes
> [00:00](https://www.youtube.com/watch?v=DyMgxq0sDFo&t=0s) 硅谷人的风险之高我觉得是大家很难想象的 — 陈然
> [00:00](https://www.youtube.com/watch?v=DyMgxq0sDFo&t=0s) 我们赚钱的目的不是为了赚更多的钱,而是去可以在该用的地方去用一下 — 陈然
> [06:28](https://www.youtube.com/watch?v=DyMgxq0sDFo&t=388s) 清华太难了,生活很痛苦,想找到一些地方去表达自己的一些想法。 — 陈然
> [19:33](https://www.youtube.com/watch?v=DyMgxq0sDFo&t=1173s) 在商业社会中,技术绝对不是最重要的;技术的价值必须通过商业结果来测量。 — 陈然
> [19:33](https://www.youtube.com/watch?v=DyMgxq0sDFo&t=1173s) 你点了这个广告,是算法决定的;你点了公司就多赚上千万,没点就不行。算法的好坏直接与公司的营收挂钩。这个 Credit 不归功于产品经理(PM),它直接归功于算法工程师。 — 陈然
> [27:35](https://www.youtube.com/watch?v=DyMgxq0sDFo&t=1655s) 找工作千万不要抱有学生心态。我找工作从来不说我是来学习的,我都跟别人说‘我是来帮你落地 AI 的,我就是那个人(I am that person)’。你要有向特朗普总统学习‘赢(Winning)’的思路——我就是来承担责任的,我是来跟你一起赢的。 — 陈然
> [31:34](https://www.youtube.com/watch?v=DyMgxq0sDFo&t=1894s) 去的足够早,把核心坑位站住;在公司不断扩张的过程中,只要你能够顶住压力、承担得起更大的商业责任,伴随着团队规模的扩大,你自然而然就会被推到更高的管理层位置上去。 — 陈然
> [35:00](https://www.youtube.com/watch?v=DyMgxq0sDFo&t=2100s) 我请你来不就是让你来告诉我这个事情的吗?你今天问我干什么呢?你要告诉我呀! — Tubi CTO
> [43:46](https://www.youtube.com/watch?v=DyMgxq0sDFo&t=2626s) 一上班就觉得领导是弱智、同事是弱智、扎克伯格绝对是超级大弱智,满脑子都是‘弱智之论’ — 陈然
> [01:10:00](https://www.youtube.com/watch?v=DyMgxq0sDFo&t=4200s) 这个时代最便宜的是 Token,重要是要把 Token 给花掉,收获一些对世界的理解。 — 陈然
> [01:29:31](https://www.youtube.com/watch?v=DyMgxq0sDFo&t=5371s) 我们现在都是在马车的时代,但是汽车已经被发明了。当然可能汽车还不是一个完整的汽车,开起来歪歪扭扭的,但是已经有很多人开着汽车在全世界乱逛了。马车的时代就是还在一个城堡里面……大家不要再去争论马车什么、汽车危不危险,没有意义,因为跑得远的人已经很远了,马车也肯定会消失的。 — 陈然
> [01:36:52](https://www.youtube.com/watch?v=DyMgxq0sDFo&t=5812s) 美国现在就是 Token 大战,疯狂烧钱补贴你用 Token,用得越多赚得越多 — 陈然
> [01:40:51](https://www.youtube.com/watch?v=DyMgxq0sDFo&t=6051s) 跟很多年纪大了之后的人聊,你会发现最重要的一点是什么呢?就是年轻时候你觉得重要的事情,根本不重要,根本不重要。 — 陈然
## Mentioned
陈然, 月球大叔, 清华大学, 清华大学软件学院, 卡耐基梅隆大学 (CMU), Trulia, Zillow, Tubi, Fox, 陈天, Open Exam Preparation, Second Chance Info, Pure Global, VagioMate, 勇哥说餐饮, Claude Code, Anthropic, OpenAI, Google, Suno, Spotify, Apple Music
## Video description
本期邀请陈然,自 2010s 起深耕机器学习一线,早期即公开倡导 All in ML。相信机器学习将驱动人类第四次工业革命。
2次参与的创业公司都被收购,然后全职奶爸两年,然后又出来做创业
坚信赚钱不是为了接着赚钱,而是为了更好的生活
时间轴
0:00:00:精彩预告
0:00:41:嘉宾介绍:陈然的创业、奶爸与零人公司经历
0:01:14:小镇做题家如何考上清华:看懂标准化考试
0:06:28:为什么开始写知乎:在清华寻找表达与共鸣
0:08:02:当年的清华软件学院,竟然不是热门专业
0:11:25:不想做科研,为什么选择机器学习?
0:15:07:CMU求学:只有20人的深度学习课
0:19:33:技术的价值,要用商业结果衡量
0:22:28:毕业后为什么选择Trulia,而不是大厂?
0:26:21:机器学习为什么落不了地:高层支持与组织配合
0:27:35:从Trulia到Tubi:主动联系创业公司找机会
0:29:14:求职心态:我是来解决问题、承担责任的
0:31:34:两家公司都被收购,究竟获得了什么?
0:33:15:创业公司如何晋升:从工程师到管理者
0:38:25:为什么当两年全职奶爸:支持太太,也探索自己
0:43:46:育儿最重要的事:让孩子喜欢和你在一起
0:48:51:带娃期间考证:从保险、税务到财务规划
0:51:48:硅谷人的财务风险:工作、房子和股票高度绑定
0:56:25:赚到一笔钱之后:继续下注,还是享受生活?
0:59:31:复利增长与杠铃策略:两种不同的人生选择
1:01:56:收入很高却仍然痛苦:AI冲击下的职业与财务压力
1:04:48:零人备考网站:从自己的痛点做到被动收入
1:09:43:零人音乐副业:反馈太慢,为什么暂停投入?
1:10:50:让AI寻找价值洼地,批量尝试新项目
1:14:36:从“勇哥说餐饮”学做生意:找需求、找客流、算账
1:20:21:回归职场:用AI推动医疗合规与生命科学业务
1:23:22:AI重构公司:重写系统、搭建知识库、加快交付
1:27:33:交付成本下降后,定价与激励如何改变?
1:29:31:Claude Code进入工作流,意味着什么?
1:32:25:代码写得更快,为什么公司效率没有同步提升?
1:34:39:AI原生创业公司,如何以低成本冲击旧业务?
1:36:52:搞钱为什么不必把重心放在创始人个人品牌上?
1:39:00:每月使用上百亿Token:编程订阅套餐的补贴红利
1:40:51:人生主体性:知道自己想要什么,工作服务于生活
1:43:28:从退休规划看人生:年轻时焦虑的事,后来还重要吗?
1:45:29:AI时代的生产关系:让创造价值的人分享收益
1:49:04:给大学生的建议:找到真正做成事情的一手信息源
1:53:39:给三四十岁职场人的建议:梳理家庭财务,重新创造价值
[Source](https://www.youtube.com/watch?v=DyMgxq0sDFo)
Original transcript [0:00] 就是硅谷人的风险之高我觉得是大家很难想象的不要忘记更惨的事情还在明天就是这个AI的冲击我觉得会远比大家想象的要更加剧烈客观上来讲工作这件事情从历史上来看也没有存在多少年我们赚钱的目的不是为了赚更多的钱而是去可以在该用的地方去用一下对吧那我就刚好就休息那么一两年对就是一个人一旦中过彩票会坏掉的然后清华软院竟然是一个大家不想上的学院我找工作我都跟别人说是我来帮你落地AI的在硅谷采访100个清华的人这里是月球大叔今天我们请来了陈然清华本科CMU硕士参与的两家创业公司都被收购之后当了两年全职奶爸现在又成为了两家创业公司的CTO同时在业余时间又做了三家零人公司,甚至还在准备十家零人公司。我们有请辰人好,谢谢大家,非常感谢今天月球大叔邀请我来这么风景美如画的地方进行交流,然后也等会非常期待能跟大家分享很多有意思的小故事。好 我们直接进入主题先说一下你在清华的经历你一直在自己的官网上说你是小镇做题家但是考上清华真的很不容易我们前面已经采访了很多清华的人有过目不忘的 有一目十行的 有少年班的你觉得促使你考上清华的因素是什么我觉得第一还是运气好 哈哈哈我家乡在湖北宜昌啊 我觉得湖北可能也算相对高考比较困难的一个地方然后我自己的特质我觉得有几个低第一我数学相对还是比较不错的第二点就是我可能在高二高三的时候我突然意识到了高考原来是一场标准化考试它是有很多应试技巧的那这件事情我可能以前没有意识到所以在后面我的可能某种程度上成绩就有点类似突飞猛进或者是比较稳定吧然后后来进了清华然后这件事情可能给我一个比较大的反思就是说我对于这个事情到底是个什么事情我有比较深的执念就是说我们要想明白我们到底在干什么我们怎么样去达到这个目的啊所以包括后面的职业选择呀还有这个包括上学期间选择职业的选择呀我觉得自己就是就是会反复思考这样的问题我觉得这个也是从可能就从高考高中学习初中学习开始就有这个这个这个感觉了啊能不能详细给大家说一下你怎么悟出来这一点以及这一点到底是什么好呀好呀我觉得是这样的就是说你看我们在高中的时候学习的时候啊你像我是我觉得有点片刻的就是我数学成绩比较好像传统的像语文啊什么的就是一直感觉不能理解语文在学什么然后我可能人生有个大的分上转折点突然是可能跟一些老师跟一些交流之后他跟我仔细讲了一下是怎么样去批改语文试卷的语而诗卷的作文呢然后我看他怎么批改语言作文然后我当时大开眼界就实际上他批改语言作文是非常快的然后他可能期待你一个论文他就写一个比如议论文对吧然后某种程度上他是期待你的开头怎么写中间论据怎么写然后他论据可能就看开头看看结尾然后感受一下中间的辞早是个什么样的级别的辞早对吧是华丽还是一般还是什么样子的然后看一下结尾然后再看一下整个案例的丰富程度然后就给你打个分好我我以前就没有意识到这是一个它改卷是个模板化的改卷所以大概在可能高二高三我突然意识到了这一点之后我就进行了一个非常简单的一个应试的技巧就是我大概找了2000字那时候语文作文是800字吗我找了2000字的内容我每天早读就背这2000字它包含了一些固定的开头一些固定的案例一些固定的东西这两千字翻来覆去来组装成一片作文然后这就使得我一下子不稳定的成绩一下子变得稳定了然后也是类似的概念比如说语文我当时印象特别深什么阅读理解我不能理解那些阅读理解他要我理解什么东西然后后来我突然意识到说阅读理解的答案里面可能你要感悟地作者之情这个世界上一共可能就比如说20个就是除了这20个之外就没有别的你需要感悟到作者想表达什么情绪的东西了然后感悟到这一点之后突然发现原来我每次做阅读理解的时候我就把我之前背好的那20个从头到尾的说,是不是第一个好像不像,是不是第二个思乡之行,好像也不像,对吧?是不是要报效国家,好像也不像。
[5:00] 你二十个过一遍,好像就能找到一个然后后面我就感觉原来经过模板化的一些东西之后好像成绩就变得非常稳定了啊所以我当时印象特别深就说我可能花了一些时间去理解这个考试什么叫标准化考试之后一开始成绩就变得稳定和好了之后然后我觉得同时我能感觉到很多同就是同样在学习的同学很多人比如他会花很多时间去抄一个很好看的版书做很漂亮的笔记但是我觉得他可能并没有花很多时间去思考我们到底在干些什么事情对吧在考什么事啊所以我觉得当时就有很大的这样的感悟对所以也是可能当年在搞好搞好一些运气啊什么因素对就就去了清华就是从一个天马行空的自己发现了这件事情的诀窍把一个需要探索的题变成了一个选择题就是从你的知识库里边选就好对 而且我觉得是就是我觉得可能一个好的地方的学校的老师他会教学生什么是标准化考试对吧然后会指点学生但是我觉得我们从小没有受到过这样的教育所以都是自己在摸索的所以我觉得当我意识到原来是一个标准化考试原来就被一些模板什么的就能解决这些问题之后可能对我而言是一个很大的一个改变吧我觉得你这个思维方式肯定是和后面一以贯之的后边是个创业呀是的拿奶爸呀又做零人公司我们后边慢慢的详细的剖析好的好的好的下一个问题就是你进入清华开始读大二的时候就开始在知乎上疯狂的输出我是你知乎上的一个很早期的粉丝我也受你的影响开始写知乎的你觉得是什么让你去在知乎上开始输出呢我觉得这个也很简单因为清华太难了生活很痛苦然后想找到一些地方去表达自己的一些想法吧可能在学校里面就感觉非常discouraged这个是那个贝尔兹奖对对对汪红说的叫a little bit discouraged我觉得我在大学里面也是感觉有很多这种体验所以我当时其实不仅是在那个知乎了还在很多地方都写过东西不同的东西但是显然其他网站都倒闭了只有知乎还活着在所以就就是就是那个对所以你会看到我后面有时候人生我觉得过得很快的时候就反而没有怎么写东西了对所以说你输出的原始动力就是太痛苦太被很焦虑就是有很多东西就是你觉得自己的一些想法还什么的在周围的人找不到人讨论或者认同你可能就想去网上去进行一些发表出来然后看一下有没有通频的人啊就是当时那样的感觉啊感觉你选择了一个对的平台我当时也写了四年的那个美洲博客是吗在我自己的QQ空间里边QQ空间是吗但我发现好像没人跟我讨论对可能我就坚持不下来了可能我应该更早的去写直呼对啊是的好你在清华你觉得你印象最深刻的以及清华对你的帮助或者说你刚才说的很discovery的有什么特别印象深刻的事情我觉得清华还是一个非常厉害的学校然后你像我们是有很多很有意思的东西就是比如我是09年上的大选那个时候因为我的分数并不高,所以像是一个非常低的分数线去的计算机软件,软件学员那当然现在因为互联网起来了嘛,这些专业的分数线都水涨船高,但是我们当时班上的很多同学都是转系过来的,然后都是调剂过来的,是不愿意来上的。然后那个时候主流的专业还是以像金管啊,建筑啊,以及更硬的一些,包括像电子啊。电击这样的学员的分数线更高一些所以我当时在学校里面的感受就是一方面我觉得同学们有很多同学是看不上这个专业的另外一方面就是学东西很难我们很多人是零基础进来的那我自己以前搞过计算机竞赛我有一些基础但是还有很多同学比我厉害很多非常多我们很早开始上这种专业课大一上什么的很多人还在学怎么样写for loop的时候写循环的时候我们的大作业就是你要端到端的去做一个应用然后要接触这种API当时又看的是C#对吧MSDN那套东西我觉得很多人都都非常的被这个东西受到挫败然后包括很多人想去转系啊什么的就觉得哇这个太难了我永远可能都追不上这些同学嗯对所以所以我觉得当时可能我我在最大冲击就是觉得啊课真的是很难然后还有很多同学非常厉害然后大家好像很多人感觉对自己专业也不是很有信心就是那样的感觉对但是我另外一点就是我
[10:00] 在大一大二的时候开始那个时候是10年11年是互联网蓬勃开始爆发的时候我接触了互联网我觉得哇太厉害了这个东西绝对以后会改变我们的世界改变我们生活但是我想找人讨论这些东西其实都很难找得到所以当时我是一个非常纠结和矛盾和一个痛苦的一个状态观众所以为什么我去书上很多写很多东西是因为我觉得那里好像有很多人对互联网感兴趣然后可能写些东西大家能够有些共鸣对所以那个相当于是一个寻找一个发泄的渠道也好或者寻找一个能够自我认同的一个渠道的一个地方对听你讲这段的时候真的有点世事变迁的感觉这个世界发展太快是的太快了互联网刚兴起是的知乎没什么人上是的讨论互联网竟然找不到人找不到人然后清华软院竟然是一个大家不想上的学院是的这才过了几年是的全变成了一个默认而且甚至说是最火的东西对啊就时代是变化非常快的当时做的最优选很难说是后边的最优选要不断的根据自己的状况调整对吧对啊而且实际上你看当时最聪明的人最后呃都来做互联网了对吧所以不管你原来读什么专业最后都倒酒在互联网这个行业里了所以就是在大势面前其实呃有时候人的这些选择什么的我觉得也没有那么大的区别了某种程度上最后大家都还在互联网行业里面从业真是真是行我们下边聊一下你清华毕业之后你选择了去2013年去CMU学机器学习对还是那句话,那个时候机器学习肯定没有现在这么活对甚至说2012年应该是AlexNet刚发出来还没有那么受大家的关注是的你为什么去选择了这个方向嗯因为我自己对于这种啊最尖端的科技就是说这科技的前沿一直非常感兴趣但是我自己又不爱去做科研我很早就去了实验室可能大二左右去了实验室开始工作然后去接触实验室不同方向我就感觉自己不是做这个料我还是想做应用终于看到了一个清华不想做科研的人了感谢陈然是的所以我还是想去做应用这个点是我很早就想明白了我觉得我是做不了科研的然后所以我当时大学的时候我做过移动互联网开发因为那个时候是移动互联网最火的时候我记得我当时我是最早用安卓开发最早做在中国的整个安卓开发生态里面我都是最早一批我还拥有小米1的手机我还去了小米1的发布会那个时候因为小米1发布会是受邀参加的就我做一个大学生参加其实是很少的然后我见证了雷军在台上宣布1999元小米1的手机的时候,很夸张那个时候那个氛围,对。所以我觉得我当时想的是我毕业了我就不要去读研究创我要去做移动互料开发做自己创业公司这是我最早的想法那后来大二大三跟一些学长学姐包括他们走了这个创业的这个路之后感觉还是不太行不太行的原因是因为感觉自己没有核心竞争力就觉得还是移动互联网开发我就觉得你光做个APP这个东西你还是得做一些有某个具体行业的东西但是我找不到我也想象不到所以我觉得这个事还是不应该我来做我做不了所以当时在实验室里面在探索不同的东西后来那个时候现在都叫Machine Learning叫AI那个时候还叫Data Mining数据挖掘然后我觉得那个时候我看了很多数据挖掘然后在讲什么社交网络中的数据挖掘那时候最火的我就哇这个东西好我以后要做这个所以当时就是做了很多的研究吧,然后反正那时候申请出国也是都是,也是个交界就是我毕业之前,就是我是09嘛,九字半07,08,06都是以升博士为默认选项的如果你升一个授课型的硕士而是比试炼比较低的你默认只有很差的人才会去做这个事情你博士拿不到奖的人才会去做这个我毕业之后我是13年出国的嘛可能14 15 16年后面就觉得收客型硕士也不错了对 所以我刚好是在一个交界的地方就是我们的同学还是有很多想法是要去读博士而不要去读收科型硕士但是我当时就觉得说反正我要去工作的嘛然后那时候是申请授课型硕士也比较简单就是你排个序前30名50名的学校在大厂市的你就全部申一遍就可以了啊所以就就反正是要我就去那最后刚好运气比较好这个CMU他的硕士项目非常多然后刚好有个项目要了我那我就去了所以这个就是时代的一个情况
[15:00] 反正就去了CMU 对那我CMU可能经历不太一样是说我主要的课程都是继续学习为主了对当时你的知乎文章还有一些blog就说all in AI然后AI是人类的第四次工业革命对2013年哦我那个时候他那个时候对我也没有说叫all in a,我就那个时候就跟大家讲说机器学习,data mining非常厉害大家一定要去学这个然后我去CMU我所有选的课都跟我同学不一样虽然我们那个项目名称叫做Master of Computational Data Science那个时候对 还有data science 数据科学这个词是最火的现在快消亡了对所以我所有的课程都是围绕着机器学习,Data Science, Data Mining来学的,我想特别深,当时学什么嗯大规模机器学习,Large Scale Machine Learning,就是用Hadoop的机群去跑一个naive bias就是算数然后做个除法啊就是这是2013年的时候机器学习最顶尖的学校要教学生的东西因为industry业界都不太有人知道完全知道该怎么做包括我当时上的课cloud computing就是1314年的时候给你一些钱让你去用AWS也是非常先进的然后我印象最深刻的课是Deep Learning这门课因为我只选和机器学习有关的课嘛,Deep Learning那么课在CMU这么大的学校,CMU如果大家不知道的话,就是CMU是整个计算机四大计算机学校里面学生最多的一个学校。可能是其他的学校加起来之多因为他的硕士项目特别多机器学习那门课你猜有多少人少你想一个数 当时现在的核贵的几千人 当时的话两三百 好当时是一个博士上的课叫Deep Learning20个人没有上满所以我做一个硕克型的硕士也能选上因为他如果上满的话我是选不上的因为他要优先给博士生,然后再给研究型的硕士对吧然后收科型的硕士因为我不用做科研嘛其实是对吧是比较选科等级比较低的没有上满我去选了然后就跟这是西门博士生的课然后大家就去读paper读论文然后去分享论文跟你聊天有一种做时间穿越机器然后的感觉对好然后那个时候就去讲那个什么Botsman Machine然后去讲包括Alex的那篇文章对吧就大家分享这些东西是怎么做这个Fuene Connected Neural Network怎么为什么就work了就这些东西啊那是非常早期的然后我当时觉得就哇我觉得太厉害了这个绝对就是未来啊然后嗯对然后当然过了两三年这个课就爆料了对吧这个就是时代的那个什么对所以当时我就印象特别特别深刻你这个all in AI然后选这些课程在只有20个人的情况下你还是坚持这个课程对这个就感觉历史是循环发展的然后在某一个时间点越早入局的人就是能够拿到后边的越多的好处是吗?是,肯定是,但是就是越早入局的就是大家要有很强的believe嘛,因为那个时候就就是你想就是我们做东西都不是在鄙视链的上游的那个时候的鄙视链上游是infra是对吧是基础设施建设云计算云计算大数据大数据里面也是那个infrastructure就是说怎么样大规模做计算的那套东西包括广告的底层的对吧所以我们最优秀的人最聪明的人都以做这个基础设施为荣做数据库为荣对吧就他们都会觉得这个东西是最重要的事情然后当然他们找工作也最好对吧赚钱也最多但是因为我自己天生对这个不感兴趣我觉得机器学习对吧这个是改变这个世界最重要的事情所以我就没有什么人跟我选一样的课程然后包括我毕业设计虽然我是一个受课型的硕士我也想办法去调整我的课程使得我做了一个三个学期的一个真实的项目是把AI应用在那个法律文本上面当时是跟匹兹堡大学的一个PhD做的然后他当然发了paper发论文然后我的名字也在上面然后作为一个那么小众的领域他今天这个论文也有个几十上百的引用我觉得还挺神奇的这个AI加法律现在可太火太火了是的但是后来经过了一年多的学习之后你当时又发了一些博客对说技术绝对不是商业社会当中最重要的啊是什么让促使你发出这样的那个判断嗯对 我觉得是这样子的就是我之所以为什么对技术学机器学习这个东西一直非常着迷就是我可能那些深处一直有一个对世界里
[20:00] 比如说如果你对一个东西有所贡献那么它一定要是能被测量的而最好能被通过商业价值来测量所以为什么我觉得机器学习这个东西很好是因为它让我看到一种可能就是这个技术的东西你可以直接去观测你应用了这个技术之后它为公司带来了多少更多的商业价值多赚多少钱让什么样的业务从不可能变成了可能对吧这个是我为什么觉得它很好的东西那这个东西在之前嗯比如说我接触的移动开发或者说网页开发我觉得没有这样子明显的感觉就是还是那种别人说让你做一个程序员做什么你就做对吧但是做完了之后不会觉得说是你程序员带来了这个公司一个亿的营收大家不会那么觉得但是从数据挖掘也好推荐系统也好大家都会说因为你做了这个算法的提升你给公司带来了一个亿的营兽那他就知道该怎么样了就是这个观测你的成果所以为什么我特别喜欢这个算法所以为什么后面我一路都是在这个维度上进行的就是内西深处我是希望它是一个可被观察的一个商业的一个东西所以我觉得我当时的那个情形下面是因为我觉得有时候看到大家还是有时候过于沉迷于技术本身了而没有去思考这个技术背后的商业价值所以我有时候会有这样的感叹然后我自己对自己的要求包括去创业公司包括在公司带团队也好也是希望每个同学的东西能被直接的商业化来衡量这样子的话你的工作也简单我的工作也简单天生创业盛体工业界奇才这么早就误导这个道理真的是太强太强了我大概听懂你的意思就是很多的技术其实比如说移动开发它只是帮助商业自动化的一个手段但是算法这个东西你点不点这个广告它就是算法决定的对然后你点了公司就多赚几百万上千万没点就不行算法好不好直接跟公司的营收是挂钩的对谢谢大家对对然后他这个关系就是他这个东西他的credit对吧归功于谁他就归功于这个算法工程师他不归功于一个PAM或者归功一个别的人对吧就你做的就是你的不像你做个移动开发或者做一个网站感觉好像不会归功到你 对吧所以这个是我当时觉得一个很不一样的地方你的思考的判断一直是如此的连贯之后的话2014年你从CMU毕业了那个时候为什么没有选择Google Meta这样的大厂而是直接进入了创业公司是这样的,首先2014年的时代,我也跟大家回顾一下,那个时候是一个什么时代?是Google和Meta已经是以快速上升的时代。但是那个时候有一些更加当红的辣子机公司,是Pinterest。ambmb uber snapshot包括对我们当时很多很优秀的同学都是优先进入了这些公司但是有意思是在我们之前毕业的和在我们之后毕业的都有回到了Google和Meta这些公司啊然后我当时的思考是这样子的就是因为我一直特别想去做机器学习能够直接影响公司的商业状态的这样一个角色谢谢大家我觉得去大厂这件事情有点难当然我当时也面了一些大厂然后有些把我去掉了然后可能拿了最好的offer是去Apple的去苹果公司的然后我就觉得在那里做算法什么的就是离客户太远了所以我觉得就跟我长久以来的想法不是很对齐很align所以我想去找一个中小型一点的公司当时初里其实是个上市公司他是做房地产搜索引擎的他已经上市了然后他的data science team那个时候还叫data science team那个时候我记得我写了个文章去讲data science分applied scientist和data analytics一个片分析一个片算法我们那时候我们的团队数据科学团队是专门做基础学习算法的就大概只有五六个人然后做很多应用,包括图像识别、NLP、然后做搜索就是这些推荐啊就这些看来就是记忆学习最主流的应用然后你做的东西可以直接被应用到呃中端用户上去我觉得这个太好了这个就是我觉得我就可以在这样的场合里面去工作然后直接能让公司看到我对于这个做出来的东西的商业影响力我觉得这个就是我想去的地方所以我当时就没有特别想去更大一些的公司我就想找一个有落脚应用的包括它这个是房地产搜索我觉得对房地产我也很感兴趣然后去这样一个公司去做对当然这个又跟所有的同学选择都不一样了对所以我做很多选择都是一个我自己觉得有意思然后合理的方向进行
[25:00] 跟周围的人很多时候都是不太一样的是的CMU的话选了个只有20人的客户然后毕业的第一份工作选了一个大家可能当时还不太知道的一个公司没有选择去大厂是的之后的话处理在2017年被Zero收购了是的有预期到这件事情吗首先这个被收购这件事情也不是就跟我没有什么关系就是我作为底下一个小兵对吧也不会说多赚什么钱然后对公司当时这个行业是老大收购老二嘛我觉得也是一个正常的合并吧但是我觉得对我自己本身倒也没什么影响也没有什么多赚什么钱什么的但是在初恋亚这个工作本身也是让我学习到了就有很多痛点吧就是这我去下一家公司叫2B的时候嗯在新的公司因为我有机会创立自己的团队了之后我想去避免的所以我觉得在初里我觉得我见到了是我的人生第一份工作我学习到了在行业界是怎么样把一个东西做落地的以及为什么绝大多数的机器学习公司的算法都落不了地然后这也是我当时有很多很痛的一个礼物对所以这个是我觉得在那个公司里学到最多的东西这次老大收购老二你说没有多赚什么钱没有通过收购实现一波小自由吗没有 完全没有 对那么你刚才又说了就是学到了很多不能落地的那些经验对那你大概能分享一下吗这个就太可以分享了我觉得第一个点最重要的就是说我觉得今天在AI时代也一样,当时是机器学习嘛,如果你这个公司不是一个从上到下去支持all in机器学习或者all in AI,就从CTO开始支持你做这件事的话,你这个公司的机器学习的算法根本落不了底。根本不会对你的这个公司产生很大的商业的价值要从高层要完全支持你完全支持你因为它很多改变是破坏性的改变然后需要整个公司的priority就是优先级的对齐然后很多组织架构都要做调整然后CTO要出来替你这个团队挡住所有的子弹然后告诉大家说我们就是要做这件事情那我们当时在初恋期间是一个我觉得当时没有很受到很多这样的支持所以很多我们想做的实验也好我们想上的算法也好很痛苦很难去做排期然后也看不到效果我觉得更多的时候就是一个自娱自乐然后写写博客然后看不到商业价值有点自嗨的那种感觉所以这个当时也让我感觉很痛苦当时的话你写了很多博客对吧当时你写了很多博客对这些博客是不是帮助你加入了下一家创业公司2B这个也很难说因为我觉得当时在上下公司的时候我自己有很多想改变的地方嘛同时我自己本身就是想很想去创业公司所以有段时间我就约了很多创业公司的人出来聊天和咖啡我觉得那个时候也很简单你就直接去我记得当时用的叫Crunch Base现在应该也在哈直接去搜呃最近融过资的币轮以前的公司有哪些然后直接把他们公司的CEO的email都拉下来然后就一个个发邮件说我最近在找工作我对你们startup非常感兴趣那么那下来喝一个咖啡然后他就当时就聊了很多创业公司然后在聊观念中有一家是我在职务上找到的就是叫2BTV然后是职务上看到叫陈天他是一个很厉害的一个工程师然后我也是约他一起喝了个咖啡然后就觉得这个公司的状态跟我想的做很多事情都很一样对 然后就去他们公司面试了 后来就去入职了 对 这样一个过程 对这个经历就很有教育意义 现在我发现有两个问题 第一个问题就是我的很多师弟师妹们他们一直在跟我说找工作好难三二份简历拿不到一份工作在另一方面我又和很多硅谷的创业者在聊 他们又说是真招不到人 是真招不到人你要想加入一家创业公司你就可以好好去研究它 直接跟CEO发消息是我觉得第一要直接发消息第二呢就是我觉得很多同学找工作他是一个学生的心态去找工作我觉得这个特别不好什么叫学生的心态就是说请你给我一份工作,对吧?我是来学习的对吧哦这个我我早工作从来不是这么说的我找工作我都跟别人说是我来帮你落地AI的相信我你现在没有做AI没有做机器学习我就是m that person,我就是那个人,你就是来找我,我就帮你解决这个问题的虽然我当时只有工作只有一年多一两年对吧但是我觉得信心是非常重要的就是你只有给别人以信心给自己以信心别人才会给你这个机会至于你做的怎么样
[30:00] 相信大家都做的不会差的但是信心是非常重要的就是我am the one对吧我是这个人来帮你解决问题的你一定要跟我喝咖啡你不跟我喝绝对是你的问题对吧你是要这个态度跟他去聊对吧我知道你现在公司有很多积极学习的问题对吧你解决不了跟我喝对吧这是我当时发邮件的时候我心态上是这么一个心态的所以其实当时聊了很多我觉得大家不管去没去面试有没有拿到offer最后都是非常好的一个交流的状态其实对了家人们赶紧书都背诵刚才这一段啊这个时代就是得就是得这么找工作这就是叫赢啊要向特朗普总统学习这个他的这个赢的这个思路我觉得非常重要就是我就是来赢的对吧就是我不是来学习我不是来怎么看一看不是的我是来承担责任的我来跟你一起赢的对吧我就是I'm the winner我就是那个要赢的人对啊这个我觉得这个状态是最重要的啊行本期视频的标题已经想好了我就是来赢的我就是来赢的包括AI落地也是一样的今天我觉得很多同学AI都是靠AI来找工作的对吧一样的你必须要跟他说对吧你们公司是不是AI落地很痛苦我就是I'm the one对吧我就是那个帮你做AI落地的人那当然你必须要有价值要价值提供很多价值所以你肯定要对他的公司做很多这种research要可能研究然后可能要做一些prototype对吧现在有AI了都很好做但是这个态度一定要是这个态度大家学就完事了我也要好好学习是的之后这家公司又被收购了2BTV对是的你居然两家公司都被收购这有什么秘诀吗这个公司我觉得也没有什么秘诀吧反正我2B是2017年加入的我们是做流媒体的嘛然后是常视频道流媒体也很有意思,就这个公司可能是为数不多在长视频流媒体真正赚到钱的公司因为这个行业赚钱非常困难其实大家都赚不到钱我们可能是为数不多然后后来2017年被收购了之后到今天2026年应该已经是最大的一家流媒体公司之一了被Fox收购之后它的流量什么的应该跟Netflix葫芦什么的在美国应该是差不多的这样记得了所以它其实客观上是个很大的但是我们因为做的是免费加广告所以相当于是美国的下沉市场所以很多硅谷的人是不一定知道的好明白 那么这一次有收到什么超额回报吗?有一些回报 但是肯定也没有那么多就是足够支撑我在家里做了一两年 两三年自己想做的事情但是对 多了也没有 也不存在说可以一直躺下去 那是没有的 对在硅谷这个地卷能够一两年啥都不做已经很牛很牛了是的 所以当时就是在家里 后面也是在 就我在2B是我觉得是一个自己经历过一个几乎从零开始的一个创业公司的状态我觉得是改变了我整个不管对帕梯子的想法还是创业的想法因为经历过了一轮嘛我觉得学这真的learning是最多的所以这个是我觉得是去创业公司是一个很很不错的一个机会咱们就细说一下爬梯子这一段吧你最后到达了director嘛对然后开始站在公司更高层的角度去规划各种各样的事情了对和你之前在创业公司当一线工程师整个过程爬梯子呀整个视角的变换呀学到什么东西呢我觉得是这样啊就是说很多人我会每次看很多人问说我今天去公司怎么样跑的其实最快对吧客观上怎么爬帖子最快嗯我觉得大厂和创业公司还是挺不一样的大厂可能有一套自己爬梯子的理论对吧但是创业公司很多时候很简单就是你去得早你把坑站住然后随着公司不断的做大只要你能承担得起这个责任这个团队再变大你就被拱上去了所以你说能力这个东西是不是先决条件肯定是有一些能力的但是我相信你在座的大带很多人的智慧聪明程度给大家这样一个更难的问题大家也都能解决的所以这有时候为什么还是很多人想去startup创业公司就是想播一播这样的机会那么你如何评价自己在变成Dirac之后的管理风格呢嗯这是个非常好的问题因为我是这样子我是从一线工程师进去的所以我进去了之后加入2B我就是first ML Engineer其实整个Data and ML机器学习用数据整个团队就只有两个人算上我所以我们是从头开始搭建所有的数据机器学习的infrastructure还包括data science就analytics events那套东西都是从零开始搭了AP测试什么的好我印象特别深是你像我们
[35:00] 工作久了对吧我我去了之后我就跟CTO坐在一起因为也没有什么人然后CTO最在乎这个团队然后我就问他说嗯我们ML继续学习对吧有没有什么road map这个你的你的微选是什么样的他说人我请你来不就是你来告诉我这个事情的吗你今天问我干什么呢对吧你要告诉我呀我当时可能给我大一个非常大的mindset是一个是说好像知道我是来做这件事情的不是你对吧就是你是请我来做这件事然后我当时就觉得那太好了对吧就是我就开始去想说我原来在初里都有哪些痛苦的东西对吧我在这里再该怎么样去做改变所以这个是当时我自己非常大一个mindset的一个shift所以你问我的mindset风格是什么我觉得很多时候跟这个是一脉相成的就是你一个人进来了对吧不是我想要你做什么是你想要来做什么对吧你想要来做什么事情做什么重要的事情我觉得这是最重要的我相信每个人只有自己做自己想做的事情才是发挥他自己价值的一个最重要的一个那我作为manager或者这种management角色最重要的是要帮助大家把大的框架打好对吧就是这个迭代的框架怎么样比如说measure你的performance对吧就是怎么样去衡量你做的好到底不好对吧这样的框架给你搭好然后把其他组的各种的blocker对吧哪个东西卡住你了让你迪带不够快了帮你把它移掉剩下的事情是你做你要告诉我对吧你做的怎么样对吧这个是我后面一直以来很大的一个管理风格吧但是这个管理风格有好有坏就是如果你是个非常相信我的人你会觉得说哇这个团队还做了蛮多事情的但是如果是你个不相信我的人你会觉得这个人好像少都没做因为都是团队下面的人在出活吗还出的那么好感觉说你这个人对吧好像不要了你可能也差不多对吧那这样就是不一样的这个trade off了对这没办法呀善战者无赫赫之功从来都是如此呀是的这个就是所以为什么有时候串业公司我觉得最重要的是这个CTO啊就这些人对你的信任因为他信任你你就可以做很多事情他要是不信任你的话那很多机器学习团队是非常痛苦的所以说另外一个职业的建议就是要把自己处在一个大家都信任你的环境当中或者努力要和大家建议一种信任感这又是另外一个事情了 信任这个东西有时候真的很微妙因为大家有时候吐槽比如人种之间的区别对吧语言之间的区别很多东西都有潜移默化的影响但是一旦有了信任你所有事情都会很好做所以就回到一个问题就是爬梯子这件事情对吧决定你能不能爬梯子的到底是你做的事还是决定这件事的人这个是两个完全不一样的思路这个我觉得是大家自己要去想明白的一个事情这个是我觉得很多人是没有太想明白就是如果说真正决定你爬梯子爬到快板是人的话那你天天卷自己做一些事儿其实很多时候是没有意义的好这句话相信大家都有自己的感悟好这就是你的第二段经历那么接下来之后你去当全职奶爸了当了两年全职奶爸到底是自己看到孩子太可爱了还是说自己已经财务小自由了感觉可以躺一下了我觉得这个也是一个多方面的因素我们当时是23年24年走的因为那个时候收购了也有一段时间了我觉得很多我一起工作很开心的小伙伴开了去了做自己的创业公司啊什么的然后我也觉得是一个很好的机会去想一想后面该做些什么事情然后再加上那个时候我们家两个小孩老大老二老二也是刚生都很小所以然后再加上我太太非常忙她自己是在四大会计师事务所工作这个已经是非常忙的了然后我也非常希望她自己在职业上下上能够更进一步所以她自己在读一个兼职的JD法律从业者的一样一个法律博士也好叫法律从业者的一个职位也好就兼职是要赌四年的圈职是三年那这个事情的难度我觉得是已经是如果你懂这个行业的话是一个难以想象的一个难度了就是他们的同事是很难想象为什么一个人能够在四大快议师事务所工作的时候能读一个兼职的JD的对然后我从我出发点来看我觉得一个是我觉得女性本身生育是非常痛苦的一个事情我觉得值得我非常希望我不希望她的职业生涯因为生育而打断而且我甚至希望我可以做到的事情了
[40:00] 更上一个台阶所以我是自己非常希望来做刚好我也赚了一些钱也是职业上下的休息点我觉得何乐而不为我每次说我们赚钱的目的不是为了赚更多的钱而是去可以在该用的地方去用一下对吧那我就刚好就休息那么一两年对然后还有点是这两年就今年我可能比较大的感悟为什么一定要去帮助他一定要做这个就是AI我觉得这个职业斩杀线太夸张了这个我觉得可能还是很多人没有意识到的就是他对于这个工作很多职位的工作这个影响太大了就是很多人虽然他还在工作但他工作在AI面前其实已经没有意义了所以我也是非常希望我的太太能够在这个斩煞线之上啊在水上继续能够再往上跑一跑啊对所以我我觉得当时那两年就是我们是自己家叫双植带双娃嘛当然我那时候不是没有什么职业哈就是两个人带娃然后啊我太奶奶的工作然后我自己也在做很多别的事情的一些探索吧因为我觉得好像带娃的也没有那么忙虽然我是fulltime带娃所以当时我还花了很多时间去考证我包括我衍生出来一个很大的副业就是整个财务规划相关的副业都是那个时候延伸出来的财务规划这个我们后边在戏里我觉得有时候有点意思是说当我说到我觉得带娃也不是很忙这件事的时候我觉得很多人就已经进入一个不耐理解的状态了对什么叫带娃不是很忙对所以我有时候很难描述但是实际上就是在我们我和我太太两个人带娃并且没有请人父母也不在的时候不仅我考了很多执照他还去考了LSAT还考了很多进行了很多学习就是客观上我们真的多出来了很多时间这个多出来的很多时间就是通过你的那个全职来那个促成的吗对是的但是对就是虽然我是全职但是我还是有很多时间就我感觉还是有很多时间的啊就是你会把孩子送到decare去老大那个时候还没有我们送decare也是去年才老二才去送的对所以那个时候就是在家带网了所以说只要家里边有一个人不工作家里边时间就会很多嗯对呃当然我觉得我不知道是不是也跟带娃的方式有关哈反正就是我觉得还是有挺多时间的我当时的感悟似的啊你太太具体是怎么看待你呢比如说她当时又要去在四大工作又要去准备这个东西那么累那么辛苦然后你在家里边带吧你们俩是已经完全商量好这件事情吗啊是的呀我觉得就是他也希望我休息一下对他也可以更累一下在职业上他还是挺想把这个东西给读下来的吧我觉得他一直有一个考虑式的梦想那我觉得从今天来看哈我觉得拥有律师执照在美国还是一个可能远远在斩杀线之上的一个东西就是法律行业本身受AI冲击很大但是冲击最大的主要是叫paralegal就是没有律师执照那些人但是有律师执照的人还是和AI我觉得是一个非常互补的关系就是他们的入门的门槛比较高入门的门槛比较高然后他也不愁客源然后也可以赚很多钱所以说你们整个家族在这个地方配合的是如此之默契对吗好我觉得可以那么说吧但是不管怎么样我觉得我始终还是有个观点就是我觉得女性在生育这个事情上面还是一个非常痛苦的事情我也是公开呼吁所有的男性同胞们能多为家庭做一些贡献吧感谢你我这个播客这一波女性观众有点满满了呀那么你在带孩子这两年你每天和孩子朝夕相处吗对所以我们家的孩子都比较粘我因为我花时间跟他们更长就是家里孩子出问题的都会优先来找我不是找他妈对就是谁花时间多确实是谁会对 是的是的那么你在带孩子这段时间你最深信不疑的育儿哲学是什么以及你发现了一些之前没发现的什么东西呢嗯我觉得小孩还是个很神奇的物种就是他科学上非常爱你我觉得作为一个人类就是没有接触过一个一直这么爱你的一个小东西哈所以我觉得还是给了我非常大的一个能量哈然后也让我去思考去不断的去想说就是他以后的未来要是什么样他的人生要是什么样对吧我们的教育理念应该是什么我觉得我以前可能有些想法但是现在AI时代都已经不重要了这个AI这个我我觉得可能大家还是很难想象对人类的社会冲击到底有多大那现在看来呢像我们小孩也开始去幼儿园了什么的我们的理念已经变得非常简单了选学校也好选什么这个也好最重要的就是要离家近我们其他的所有的
[45:00] 需求都已经砍掉了就是要离家近因为我觉得都跟小孩在一起或者就是做什么都是一件很好的事情所以我们基本上所有的活动的时候都是离家开车五分钟之内都能都能干的事情然后小孩我觉得最重要的事情我以前可能没有仔细想过但是我现在一直在最上就是教育里面最重要的事情我觉得是要小孩要喜欢你我觉得很少人说这一点但是我不觉得这些是一件容易的事情小孩我希望他跟父母在一起的时候他对父母是一个生理性的一个就是当他看到你的时候他是个感觉开心然后当他感觉累的时候他会觉得来到父母身边可以获得能量我希望我跟小孩是这样一个状况至于你说什么技术上的东西呢或者说学习学什么知识啊什么的时代都变了呀就是在AI面前我觉得这些东西都已经我都不知道我以后会是什么样子了所以我能做的就是说如果我们自己的价值观非常正对吧然后又能让小孩很喜欢我那么我们就能以自己的方式去正面的去影响它那这个我觉得对他而言是个长久更好的事情而不是要让他如果他讨厌你的话那他就会被别人影响嘛那你那那你就很难去给他一个正面的一个引导了对所以我觉得想来想去我觉得这个是最重要的事情至于他什么学校的学分啊什么的这些东西啊我觉得差不多就行了就那种感觉啊这这我要解出来然后每个月我都要看一遍好好学习因为我现在娃也两岁了你感觉你有什么感觉我就觉得他确实幸福更爱我一些是的 这是个很难描述的感觉很难描述的感觉对 而且我觉得整个人会变得很年轻从他的视角再重新看待一下这个世界重新再活一次的感觉不然会感觉人生一直在凋零对我有个感觉就是说可能一个人活到三十几岁四十几岁我也不知道反正就是很难再获得快乐了当然很难描述出这种什么感觉但是就是对吧就是大家比如说没事的时候刷个小某书对吧一直刷一直刷你说真的快乐吗好像也没有对吧包括有时候我以前去打DOTADOTA2就是正常的DOTA已经打不了了只能打Turbo 打快速模式但是你说获得什么快乐吗搞不定好像也没有 对吧但是某种程度上感觉在小孩身上还是能获得一种由衷的快乐的所以这个可能是以前我也没有没有想到的一种结果吧从接下来就是要离家近相处的时间更多然后用爱和包容来给他构建一个港湾然后让他更信任你对 然后多大大没事就出去玩嘛一定要多玩然后自己要玩 然后自己要开心我每次跟别人说带小孩我觉得最重要是开心我之前跟别人说小孩为什么对吧不开心因为家长每天上班都不开心然后一上班就觉得领导是弱智对吧同事是弱智对吧扎克伯格绝对是超级大弱智对吧就是满脑子都是弱智之论对吧然后回家了呢也是彼此就是不断的讨论对吧到底谁更弱智一些然后讨论讨论去你说你自己心里很痛苦很烦那你小孩在你身上也只能感受到痛苦和烦对吧但是你说这东西藏得住吗我就是藏不住的呀你在小孩面前藏住了你在别的地方也会发泄出来小孩还是能感受到的所以怎么样让自己过得快乐我觉得对教育小孩而言我觉得是最重要的所以我是更希望是通过改变自己的方式去影响小孩我们家的教育观和你很接近但是还没有你到你这种境界学到很多那么下一个问题就是你刚才说到的嘛在当全身奶爸期间你还考了一大堆财务规划相关的证书呀是的这个是怎么考虑的呢嗯我觉得当时就有一个明显的感觉就是有了一波钱,但是也没有很多钱,但是就是还是很想了解就是怎么样去合理规划这笔钱。谢谢大家然后我当时就也跟很多人去聊了很多的这种财务规划的人啊什么的然后就能明显的感觉到我不满意他不能理解我觉得我们在硅谷和弯曲的一些特殊的情形等会我可以跟你分享很有意思的一些情形就是他是不能理解的他是一个非常正统的财务规划的观念我觉得他不太难理解弯曲的情况对但他们人很专业人很好要么就是还有很多是免费的一些比如你在银行啊或者在第三方看到的对吧那你跟他聊呢你就明显的感觉到说啊你这些都没有问题但是你不如来买一个好棒棒的东西什么一个好棒棒的理财产品对吧一个好棒棒的保险产品什么的对吧就是你能感觉到就是聊了聊去怎么都在给你推销这些产品呢对吧
[50:00] 我也不是说我不想买 但是我们能不能好好说话 对吧 我有好多问题没有解决 对吧所以我就聊了一圈 我觉得很生气 然后就想 这个事情就是万事求人不如求己 对吧 就是所以你有很多东西我想不明白 不如自己去研究一下所以第一个执照考的是人寿保险的执照 是因为我当时觉得这个东西我最不理解然后后来就考了税务执照就要注册税务时引入Agent然后当时也考得很快我记得好像它是有三门我作为零基础40天就考下来了然后我记得我当时还写过知乎什么的法官啊大家都说不可能临基础人不可能考完这样这么快那也行吧反正我考的考完了对吧然后后来又慢慢的考了证券security的一些执照66365什么的我有感觉因为我天天去那个考试中心考试我就觉得那个人可能搞不好都认识我了就是因为他老看到我去那考试啊然后最后可能有些从业时间了之后最难的一个叫certified financial planner注册规划师我也是有这个执照的 那包括后来因为我有很多种考试和学习的经历吧 我把自己的东西做成了一个叫open exam preparation的一个网站啊 那也是一个免费的一个让大家考试的学习考试的资料的一个网站 对但是反正就这个经历我觉得还是一个呃 我觉得是一个我自己想解决我自己问题的一个经历 然后在这个过程中原来发现啊还是有很多东西是我以前没有想到然后互联网上也没有的这个还是我觉得学习和考证过程中真正改变了我很多想法那最重要的事情是我理解了很多就是人和钱的一个关系吧就是你作为一个人你怎么样看待钱这件事情本身这个我觉得改变了我很多的想法对那么细聊一下你刚才说的那些他们完全不理解你然后对于硅谷这个行情不太了解的事情吧好 我问你 你觉得我们硅谷人的一般的资产的分布的风险指数比较从1到10你觉得大家的资产分布一般从1到101是低风险10是高风险是一个什么样的状态因为硅谷的人的至少一半以上的收入是股票嘛对我感觉是6左右你觉得一个人买标普500是算保守还是算低风险还是高风险我是那种已经投资了标普578年的人我认为这是极度的风险延误极度的风险延误所以你觉得应该是二二三之类的对所以你看这就是归苦很不一样的地方我去跟那些人聊我说对吧我说咱们聊一下这个硅谷的情况我说有很多人大家把这个single stock去公司的RSU当作saving account就是发了之后永远不卖只有在卖房的时候拿出来一点对吧然后我就说你怎么看待这个现象我说我周围的人基本都是这样子的你知道人家怎么说吗这不可能他说不会有人这样子的为什么呢?因为他们就是从正统的风险的角来讲,你今天工作是high tech你最大资产是房子是high tech你的所有的资产,Single stock RSU是你自己公司的high tech从风险的讲来讲已经爆掉了就是都不是什么一到十了是是100的大的风险了不可能有人去自己搞这么大的风险的那硅谷所有人都是这样的对啊那这就是问题吗就是如果今天但是硅谷所有人都是这样子那你跟他聊不可能不可能有人是这样子的我说硅谷所有人都是这样子的但不可能的你一定是聊的客户不多那你看这个就是风险的理解不一样我刚才问你对吧你觉得标普500对吧1到20什么的但是你去看正统的跟你去讲风险分布的大量的持有标普500是属于高风险那边的因为这是股票这一来好是属于7到8之类高风险的我们理解的7到8是什么的对吧 我们会理解我持有好像NVIDIA是属于风险比较低的股票对吧 我去投机什么小股买Option才是高风险的对吧 这是我们对于风险完全不一样的理解你去搞那种期权期货什么的他才有进入风险 只要股票都是没有什么对 你看这就是我们的风险的意识 对吧所以我们的风险的偏好和我们为什么会这么想我们对于资产分布的理念和华尔街的正统或者说财富规划的正统是完全不一样的就是他是在他看来这些人就是非常crazy的一帮高风险的人不可能是这样子的对吧但是在我们内部看来好像都还ok对吧那当然肯定问题就是那到底谁对呢对吧那这个东西其实technically是不知道的因为我们这种东西只是只能是说从历史到辞线上往回
[55:00] 但是呢,这个资产的分布是你自己对于人生选择的一种投射这就是我学习到的东西,就是你选择什么样的资产分布是你自己对于人生的一种规划,而不是一个客观上的东西。不存在一个客观上的一个更好更不好的东西而是你想要过一个什么样的人生你要理解不同的资产它带来的potential的潜在的影响是什么然后你要去选择你自然分布这个是你是属于你自己的规划是属于你自己想明白你的生活的所以这个就是我当时意识到是说啊硅谷这个真的是不一样不一样当然可能有一个点我觉得大家没有意识到就是说虽然对吧今天都还很好但是万一哪天对吧有1%的概率啊泡沫爆掉了之类的大家可能如果今天你的持仓那么严重的话就意味着你的房子要没因为你会断供,你工作也要没,然后你所有的RSU都要规定对吧那你可能工作了三四十年就一切一切归零然后你小孩也因为你没有办法居住在硅谷你小孩也上不了学你和你的太太如果都是生活在硅谷的话也可能都没有工作那只能就是灰溜溜的打包会国就你所有的生活就会没了对吧所以这就是一个小概率的事件但如果它发生了的话很多人生活状态就会这样子就是硅谷人的风险之高我觉得是大家很难想象的那么你考出来这些执照之后你肯定也会帮助很多人去做一些规划是的你觉得你在身处于硅谷你看到最不理性的人会是什么样的对理性的人又是什么样的我觉得这个事情特别有意思如果你去看财务规划的正统的说法都会告诉你说比如说Google如果一旦发了股票或者Apple你在那里工作一旦发了股票你要去卖对吧谢谢大家但实际上当你看过去30年只要是这么做的人可能还在打工但是没有卖的人早就财富自由了对吧所以这就是一个绕不过去的一个事实就是说你如果按照教科书上怎么做那你还在打工呢你看到那些完全没有按照教部书上做的人已经在那里逍遥自在每天开开心心的发朋友圈了对吧你自己去怎么想这个事儿所以这个事情就是说财务规划也好还是什么也好就是说他更多说我觉得他只是一个工具他是来指导我们去做这种inform的decision他就是说你要知道自己在面临什么东西那硅谷我觉得是一个很神奇的地方是因为所有钱都在这里对吧所有快速增长几乎都来自于这里所以大家每次都会听到无数的故事就是你认识的人对吧因为all in这个或者因为在那个公司赚到了无数的钱对吧那我觉得这里面有两个点我觉得他没有对错但是大家是一定要自己要想明白的第一件事情就是叫做如果你中了彩票你是拿它去买下一张彩票还是去好好享受生活那这个事情是一定要想明白因为很多人会觉得说对吧我今天赚了这么多钱了我还能赚更多的钱我还要拿钱去赚更多的钱对吧那你要做这个决定就做对吧但是就是你要想明白因为钱是可能会通过投资的钱可能是没有的但是如果你想赚了这么多钱你定一个目标你要去好好生活想要生活花点时间陪小孩对吧陪伴自己的配偶我觉得也很好对吧这个是要想明白的第二件事情就是一个人一旦中过彩票啊脑子是有可能会坏掉的这件事情大家也是要想明白就是说我们赚的钱到底是时代的命运是时代赐予我们的还是真正是来自于我们自己的能力那很多人中的彩票会觉得我是天选之子所以我一定还能再中彩票那这样的人你会看到很多人会会很悲惨的生活对吧所以这个就是说大家当面临巨额财富的时候我觉得是自己是要去做一个一个清晰的认知的然后赌场的故事对吧就是赢的故事永远是很难流传的书的故事是没有很多流传的那我服务的那么多客户其实书单里还是挺多的很多人因为各种相信别人的推荐也好或者说长期奉行某一种投资策略也好其实就已经是消失不见了所以大家在做这种决定的时候,要自己去想明白各个决定的好与坏。我个人是推荐两种理念,这种两种理念其实是一个不太一样的理念。一种是更教科舒适的理念它叫做复利增长对吧就是你每年定存一些钱然后开始它慢慢滚慢慢滚慢慢滚很多人是信奉这种理念的我大概能理解这个是一个教科书师的理念,但是我现在不太觉得年轻人是相信这种理念的。所以还有一种理念呢
[60:00] 叫做-0里的就是保持一部分的资产非常的保守另一部分的资产然后这里面和那个富利的概念会有一点不太一样是因为当你开始走富利增长的时候其实随着你资产的上升对吧你的消费你的包括你房子车子你的旅游对吧你都会慢慢的上升因为你的资产更多了现金流更多了对吧好那么你就所有人都能慢慢变好慢慢变好对吧你就收获这样一种稳定长久的快乐但如果你走杠铃策略你要做好准备是说因为你all in的钱是可能会消失的所以你要做好准备你今天做一个什么样的生活对吧你就是要一直可能就要做这样的生活同样的房子同样的车子对吧你不要升级你的消费你要用一个很稳定的现金流你要构建一个非常稳定的现金流稳定的资产所有东西都消失了你依然能够生活一个很好的生活对吧 是个ok的生活然后剩下的钱呢你就去做一些非常crazy的非常疯狂的事情各种窝硬 各种拉杠杆想做什么都没问题但是呢 你就要确保对吧你不要影响你正常的生活就行这个好处是什么呢如果你all in的东西你真的运气好的话,你可能会上升一个阶级你可能会赚到第一个人生的是一千万对吧那如果你这时候愿意收手的话那你的人生对吧你就是一个下一个阶级的不一样的生活了对吧那我觉得可能这样的东西对小朋友而言或者是对很多人而言是更有吸引力的一些所以这个是两个不同的路很多时候大家会把它混在一起但其实是两个不同的路然后我觉得各有优缺点就是看自己是想走哪条路就可以节目不构成任何建议大家着情收听这两条路我确实在硅谷见到不少人分别在走这两条路当然也有一些其他的路但是大家听完之后自己好好走梦还就可以了不能再聊声了再聊声了要出问题了你刚才也说了 很多人其实他脑子突然有了很多钱之后会出现一些问题还有一种情况就是硅谷其实很多人收入很高比如大厂的一些员工比如各个地方的一些人吧但是他们你看在各个社交媒体上也好都是在抱怨 各种人生也不是那么自由你觉得这一块出了什么问题嗯我觉得以前工作轻松的时候也没那么多抱怨,可能就是这两年我觉得这几年AI的冲击还是太大了,我觉得可能前几年大家有一个稳定的爬梯子的路线,对吧,生活还是比较有奔头的。所以不管生活上有多少问题对吧你吐槽一下这个是弱智那个是弱智也就过了但是这两年可能硅谷的竞争的加剧然后加上AI对于各个行业的冲击我觉得这个东西是比较无解的那大家今天抱怨完了不要忘记更惨的事情还在明天就是AI的冲击我觉得会远比大家想象的要更加剧烈对于公司的结构的变化对于各个行业的变化所以就是如果你做好对吧未来两年比如我公司就完蛋了这样一个心态来工作你可能心态会好一点因为可能不管是职业阶梯还是什么样很多东西现在变化都太大了都很难预测会怎么样所以你说大家有钱对吧还在抱怨大家我相信很多人是在现金流或者什么上是很痛苦的但是怎么讲呢就已经是这样一个时代了然后回来的动态还会更大所以我其实是希望大家都能够去一个更加保守的眼光去看未来然后让现在做更好的准备以更加保守的眼光看未来职业的发展对不管是职业的发展还是你今天的消费也好财务的规划也好可能都会社会会进入一个非常大的一个动荡的一个时期对但是这个社会的生产力还是一个越来越直数级的增长在爆发的对吧对就是你会看到有些人会跑得特别快他自己不管是做副业也好还是想办法去搞钱也好对吧就是因为看到很多人利用新的工具做了很多很有意思的东西赚到了钱但是传统的这种工作大厂互联网这种叙事下面的很多东西包括各个行业都在被巨大的冲击嗯因为陈安老师有这么多公司的经历也带过人也自己做过IC每天现在用AI工具应该用烧好几BD的token对吧这个东西所谓硅谷第一线的人他肯定是会更早的拿到这种感知所以说大家可以多听一下那么我们就进入下一个环节就是你的零人副业对现在大家都在说一人公司然后你直接是零人副业是第一家灵人副业的话就是
[65:00] 你刚才说的准备考试的公司你是怎么一步一步把这个副业给标的起来实际上就是我因为自己考试的过程中我花了很多的时间去准备考试嘛然后也花了很多钱去买考试资料然后实际上我没有觉得这些考词资料写的非常好然后我觉得实际上最后我考这些事大部分时间都是问AI然后让AI帮我去找很多的资料来学习的然后包括我为什么学得很快考得很快很难也是因为AI所以我在想基于这样子的话我就干脆把我这个理念对吧提供免费的考试资料AI来辅助来学习这样的东西干脆就做成一个网站理念就这么简单AI的好处就是它可以不断的去做更多的考试对吧然后就开始的时候可能就做十几个考试后来慢慢的现在就几百个几千个上万个对就是越来越多越滚越大了你帮助大家做了一个准备考试的工具然后而且还是用AI对那么之后的话那向到一个中间台那你之后的话你觉得人还需要这种考试吗不知道呀现在就是谁都不知道未来会怎么样对但是我觉得是就是说如果大家因为现在竞争越来越激烈嘛就某种程度上大家如果希望呃去某个职业的话那怎么样去筛选人和人呢对吧所以可能以前的方法就是你搞一些职业职称的评定嘛对吧在各个行业里面所以我也不确定AI时代会不会越来越多所谓的考证然后大家为了找一份工作来通过考证来增加自己的这样一个但是这个事情怎么讲呢就是说我的这个就是这个大的趋势对我有没有影响我觉得影响也不大因为我主要走的这个路线跟当时我在QB的这个路线很像就是免费然后赚钱主要靠广告啊2B当时也是做免费的电影电视剧然后靠广告收入对吧所以这个就是是一个不太一样的一个呃角度在做这个产品对你在官网上甚至公布了这个项目每个月的营收对差不多1万美金对全是被动收入你整个人完全不用接管吗每天看一看吧对其实不太用管这个事情这个项目就完全符合你说的只收广告费吗对啊 只收广告费 当然他可能也有些第三方的链接 去包括Amazon买书啊 或者一些付费的考试平台啊什么的 也有一些那样的收入 那其他人看到你这个网站之后 直接三天AI-coding一个抄一下的怎么办呢对这个问题非常好这就是我觉得所有的商业的人也都会面临这样的问题就是比如说我今天是同样一瓶水那所有的人水都一样水没有什么特殊的地方那为什么每个水它能卖不一样的东西对吧价格不一样对吧然后以及水和水最后商业的竞争在哪里我觉得有几个点第一个点肯定是谁做的最早有些优势第二呢就是到最后就变成一个供应链的管理就是我能不能用更少的token给你做更少的更好的效果这就考验我自己本身对AI工具的理解能力了可能别人要比我烧十倍的token或者别人获取多看的价格比我高十倍一百倍或者他要请一个全职员工来做这个事情那他的商业他就无法运营下去那对于我而言我能想办法去获得更便宜的token我能去调不同的模型我能找到他的边界那我就能以更便宜的方式来提供这项服务所以这个事情比如说你说像Tuby TV也是一样的就是为什么之前从来没有过就是有也没有做到Tuby那么大的对吧也是我觉得2BTV当时也是好几个因素叠在一起就是包括工程师的价格还有包括CDN的价格还有包括就是我们工程师的能力的质量工具工具的成熟程度然后免费的电影电视剧的inventory就你能免费的拿到的那些电影电视剧的数量都刚好进出了一个交叉点然后这个生意使得以前不可以现在就突然就可以了然后可以了之后你占据的这个位置它就是你的好所以说一个参与过这么多创业项目的人你是觉得从来就不担心这种竞争因为竞争一定存在只要赚钱的项目那肯定存在有竞争就做而且你做的比别人好就更好做不过就跑嘛我每次理念就是做不过就跑对吧然后你再找下一个项目就行了人反正对了就是你有很多事情是可以做的啊是这样的那么之后你还又做了第二个副业凌人AI音乐公司这又是有个什么东西这个也不是第二个了这个就是AI音乐刚出来的时候叫Sono模型然后你就可以拿它去做音乐了然后我当时就觉得啊
[70:00] 好多歌可以做呀然后做好多歌然后就上传什么Spotify Apple Music什么的但是后来大概其实也没有做什么事情,但是反正就去年年底后面就没有再做了。因为觉得音乐这个行业的feedback loop就是你看到正反馈的时间太长了就是你花你花了时间你看不到结果的所以我就没有管他了所以我觉得人做不划算赚不到钱 但是如果你有办法让它自动去做一下也还行但是也赚不到什么大钱就是了 对现在那个东西好像现在我记得一个月100多刀收入 对 100多刀给自己买杯咖啡是的 但是神奇的是它现在每个月都在涨所以它能涨到什么时候我也不知道我也不知道这个行业是不是一个它会自己会持续增长的行业后边你又做了一个零人公司 让AI自动的去寻找价值挖地发现值得制作的铃人公司是这个现在是什么样一个情况这个我都不把它称作铃人公司了就是找项目说白了就是找项目就是我有可能不同的条件就是说我觉得做啥东西可能能赚到钱就让AI去根据不同的项目API去找然后不断去扫看一下有没有这个机会如果有的话就先做出来然后放在那里然后看一下能不能赚到钱赚不到就就算了然后再把这个反馈告回给AI说这玩意行不行然后如果赚得到就会又会告诉AI说这玩意行对吧那他有了这种现实的世界的调整之后他也能够就更精确的去找这些项目所以说是你构建了一个和AI一起协作,然后做邻人公司的标准的SOP。对反正就是一个符合我的理念想去寻找的一些价值挖地的一些项目可能性吧但是其实也没有找到几个了可能就那么一二十个然后就就一个个慢慢做然后做出来可能大部分也都不太行这是我的理解行就行不行就不行对吧这个反正就是这个时代最便宜的是token啊重要是要把token给花掉然后收获一些对世界的理解吧我是这么想的用最便宜的东西换来的对这个世界最大的赚钱的理解对啊对啊我觉得这个很好呀我记得我有一个东西现在它还在跑啊很有意思它叫second chance info是什么呢就是我当时找的时候我就觉得好像这个世界就是美国它有很多什么无家可归的人啊,有过很多吸过毒的人啊什么的,他有比如找工作的需求,有这种各种各样的需求,就是他需要second chance,就第二次机会,然后他可能需要一个网站帮他把什么医疗住宿什么的东西都集合在一起。然后我就在网上写了很多数据爬什么的然后把这个网站做了出来然后当然因为我也不会去做推广什么的就是主要靠自然流量嘛你就看他每天在找每天在找但是真的有人用了之后我还给你发邮件感谢你说他用了我的网站觉得获得很好的信息对吧非常感谢啊所以我也觉得挺开心的啊但是这个东西因为我们现在做一个网站你自己serving什么的就你把放在那里其实都没有什么成本的给世界做一些贡献但如果有一天真的流量很大了才可能考虑方黄广告啊 中人钱之类的那这件事情在你看来如此的轻描淡雪你觉得最大的困难有吗我觉得实际上最大困难是我觉得我们对于这个世界的理解导致我不太能理解各个行业的痛点所以导致我们做的很多的产品我觉得不够好的原因是因为我不能真的去理解他们的痛点所以就只能按照自己的方式去做比如为什么我觉得我做那个open exam preparation很成功是因为我自己当时考试的痛点很大就是我考了这么多试我觉得很难受我找内容也找不到对吧我问题也问不到我觉得那些论坛也好还有那个老师也好都不如AI跟我讲的这些东西所以为什么比如说你做一个东西其实之前有很长一段时间是没有反馈的为什么坚持能做下去是因为我是真正理解那个痛点我相信做这个东西一定是有价值的所以我愿意花一些时间去做但是在很多别的行业对吧今天我哪怕做了一个东西出来我觉得很难获得这个正反馈因为我不知道它真正的痛点是什么所以我也不知道不完全知道该怎么样迭代所以有时候就是一个种子吧就扫出去然后看它能长什么样就是长好了就收一下长不好就算了你横跨了这么多的灵人项目就是给我的感觉就是你把做生意这件事情的本质给抓住了能分享一下你做生意的一些秘籍吗OK我觉得这个问题挺好的让我想起了我有段时间前段时间特别沉迷看永哥说餐饮你们有看过吗没有没有在短视频超火的啊短视频平台他有一个
[75:00] 就是一个永哥的一个老哥他是别人会连麦上去让他去看一下自己的餐馆开的怎么样然后他去点评一下,360度圆一转一圈嘛,对吧我觉得那个很有意思的点是在于,我觉得他给我了一种,就是什么样的东西,就是你要靠什么赚钱的一种犯是和大家常见的一种错误我觉得这个今天我们在硅谷圈我觉得或者哪个圈都很一样就是你看那些人赵勇哥为什么会失败最常见的原因是什么?比如说我喜欢吃面包,所以我开了个面包店,对吧?然后什么我想去找密雪冰城但是找不到秘雪槟城的官网然后打了一个电话就打到了一个其他的公司那里去了然后或者是呃别人给我画了个巨大的饼说开这个东西一定能赚钱我想都没想就给他打了20万去了然后或者说我不知道客源在哪里但是我觉得我只要好好做线上的运营我拍小红书客流就会来我觉得这个和我们其实创业的很多人想法很像那永哥他是怎么做的呢他上来原地转一圈就问对吧第一客流在哪里你必须要去找远地就有客流的地方就它客观上首先是得一个真实的需求在这里你不能说你做一个生意,你默认靠你个人的魅力能够吸引客人,靠成为网红来吸引客人,不行的,你必须找一个真实的能有流量的地方,对吧。所以我做很多的business也好,找的都是比如通过Google的search,那个API,第三方的API去看Google的搜索的这个keywords,它的排序。就是哪些是有人搜但是没有很好的东西的而不是拍个脑袋说我觉得怎么样对吧我是去找人流在哪里然后你要去找人流了之后你要去看你的选品是什么选品不是说你喜欢吃蛋糕你要做个蛋糕店你喜欢吃面包做个面包店你喜欢奶茶做个奶茶店不是的是这波人流他要什么你做什么然后我觉得永哥特别喜欢说你看你们店上那两个人是不是你们的人先把它开掉为什么呢是因为赚钱你是要算账的不是说你做一个事情你就要请那么多人不是的是你老板要亲自下场你要去算对吧这个东西到底要多少钱你怎么样把这个钱赚到对吧所以我觉得一个真实的生意在我看来就是你要去找一个有这种真实需求的地方然后去给这些人他想要的东西然后要去算账对吧就是你的收入是多少支出是多少然后你要去做很多的优化供应链的优化什么样就是很多时候有一种创业对吧是你做一个别人都没有的东西那当然很好你是拉融资哪怕你不赚钱是什么都可以对吧但是你如果你真的想去做生意赚钱那跟那条路是完全不一样的你还是要回头来去算账对吧你的新增优势是什么怎么样优化你的供应链你怎么去找到真实人的需求这个是我觉得我觉得做真正你要做一个赚钱的东西最重要的事情啊所以我觉得看这个视频给了我很大的一个一个启发对所以说你就应用了一下对啊我觉得就是他跟我的很多理念就让我原来我对就是这样子的不谋而合不谋而合而且实际上当你看到连麦的人犯的错误你也会感觉到很多人比如来找我问问题说我今天想对吧想赚钱对吧我不是说要融资要创业我想去做一个赚钱的东西我这么做可不可以?我觉得就跟永和去连外很像其实客观上是不行的因为这个需求他没有好好去研究过到底需求在哪里然后他是拍脑袋想的一个需求然后他仅仅是他觉得对吧这个东西好吃就会有人要可能说不是这样子的好对你刚才也提到了一点就是说这个东西和硅谷的很多创业还不是一样就是说做生意创业有时候其实是两件事情是的你创业的话你可能要创造一个不存在的需求或者说是在短时间之内根本就没有任何营收对是的所以这也是实际上就说我觉得在硅谷大家可能第一有些鄙视链对吧就是大家会觉得说我要去做一个没有人做过的东西也好或者说我要去拿一个很大笔的融资也好然后去做一些很fancy的东西也好对吧做一些没有人有的东西也好这个当然很好对吧如果你要走这条路径你就要围绕这条路径去走但是另外一方面如果你想做个赚钱的生意这条路是完全不一样的对吧如果你想做一个赚钱的生意那你就要尊重做一个赚钱的生意的一个去客观规律你把这件事情做好也是能赚钱的而且可能可以赚很多钱对吧所以我想你大家的智慧程度明白了自己要什么之后去不断地
[80:00] 是能做得非常好的但是不要把这两个混在一起混在一起你就完蛋了你不可能既要又要的这个是不一样的因为在贵国待的时间很长的时候就会看到了各种各样的容易混在一起这种现象有些东西它就是要长期投资的有些东西就是应该立即去赚钱的然后你互相包装起来其实到最后两个都不讨好都不行的那么接下来就是在2025年之后你又从全职奶爸回归职场参与创立了两家公司能跟大家介绍一下这一段的故事吗我2025年刚好是一个好朋友他们来救济山参加叫JP Morgan大会然后他们做个公司叫Pure Global是做医疗器械的全球注册的一个公司然后他刚好跟我们聊AI的发展然后对于公司的AI变革的一个转型的期待我觉得也是个很好的机会那这个公司可能是2020年还是22年创立的也是好几年了对然后我是一个以CTO的身份加入进去的然后帮助整个公司去做AI转型的一个变化然后我觉得我们还是做了很大的一些变化然后变化了之后呢我觉得我们整个公司的业务运行效果内部的交付能力都上了一个台阶之后遇到一些新的瓶颈就是我觉得当你这个公司交付没有问题的时候就开始怎么样获客是很严重的问题了所以我们又孵化了另外一个公司叫VagioMate这个公司主要是帮Life Science的公司去做增长的一方面我们肯定是要解决我们自己的获客的问题对吧另外一方面我们也希望帮更多的跟我们类似的这个在生命科学有关的公司去解决大家的获客的问题啊因为我们看到就是在AI的这样一个疯狂发展的时代就是当我们生产一个东西不再是一个问题的时候获客就会是一个非常困难的事情所以肯定这些有很多东西是越早做是越好的所以这也是我们做这个事情的一个初衷对所以这个是我现在是在这两个公司的是CTO的身份对好那你一开始是做记忆学习的工程师到现在为止又进入了医疗对这个行业对是什么促使你做出了这样的选择呢首先我一直是做机器学习应用的啊这个事情是从来没有变过的包括啊因为这就是我真正爱做的事情啊真正的把AI把机器学习把这种最领先的算法给落地包括我在CMU的时候做过法律的项目第一份工作是在啊对吧初点是房地产相关的然后在QB是啊2B是线上的流媒体包括推荐搜索这些然后现在是医疗的合规相关的主要是一些文本也包括货客什么的其实我觉得都是AI的一些落地可能不太一样的是说在这种生命科学这种行业里面它可能整个合规的压力要大一些所以说它有一些自己比较独特的一些know how或者说一些方法论也好是需要去学习和掌握的但是我可能有个观点就是因为AI的冲击实在是太大了,就很多行业会被卷得非常厉害。所以像更合规的成本高一些的行业,像金融医疗法律之类的,可能我觉得会有一些更长久的一些机会吧,这是我的一个出发点。那么在做这家公司的过程当中你切切实实的感觉到了AI对你们生产力的提升能给大家分享几个站在CTO视角的一些例子吗好的好的像我们当时有一些很明显的一些改变感受就是我是2025年加入的嘛2025年的时候Antropic发布SoulNote3.5G的发了两个版本然后3.7这大概是2025年年中的时候以及发布了Cloud Code就是在命令行里面的那个东西对吧以前大家可能要有一个UI它的命令行里面然后我们当时试用了感觉就是完蛋了就是就是工作以后肯定就是围绕这个东西进行的因为这个之前大家是用XGPT嘛就是你是要复制粘贴就你感觉它不是一个工作流它是一个助手他甚至不是一个助手因为他没有办法帮你做什么他只是一个启发你的那个东西但是当他真正进入工作流的时候我们能感觉到说就是完蛋了就是很多东西都要一定会发生改变的所以我们当时在2025年的时候就做了很大的改变在公司里面我觉得有几个改变是可以分享的一个是我们当时有一些SaaS的软件就是每年收年费觉得SaaS没有意义了我们直接把元代码送给了一些有SaaS的客户说这个事情我们不做了元代码都给你不要了然后我们把部分的东西直接放网上公开了大家免费用一些数据库什么的以前是收费的现在变成了一个货客的渠道因为我觉得
[85:00] 就是时代变了就收费已经没有意义了然后我们当时把内部的系统我作为CTO进来之后全部重写了一遍那AI重写了一遍扔掉了很多我觉得没有意义的功能然后花了很多时间跟客户聊然后只保留很少和客户需要真正需要的东西然后事实证明客户要的东西比我们原来提供的东西要简单很多很多东西就是一个团队他觉得我要做所以要做他为了证明自己的存在要做但是当你能够去重写一遍的时候你会发现真正重要的东西是很少的然后再加上AI能够帮助他对吧然后我们重写了一遍之后很多东西就是很对齐然后不管是AI用还是我们自己内部员工用都很顺手然后我们花了很长时间去做一个knowledge base知识库内部的知识库这个东西也是完全改变了我们整个公司的一个工作范式就今天所有的东西都是围绕着AI的知识库在进行了就大家都有问题大家现在不要说话了就彼此不要说话你有事没事就问AI就行了AI打的不好我们就改知识库对吧AI打的好就好这样子好处就是我们相当于公司有一个积累的一个成长的东西以前是没有的所有的知识沉淀在不同的人脑子里今天我们就是知识库不断的成长的变好然后所有新来的人都因为知识库的存在而能快速的入手这个公司做很多事情然后知识库当然怎么搭建又是一个很大的事情最后一点是我们因为我们是帮人做医疗器械全球注册的我们在全球大概有接近20个办公室比如包括巴西墨西哥东南亚美洲欧洲都有办公室当地的人然后我们是帮他去在当地去做注册比如去巴西注册所以项目的人都是要当地去做的然后很多文档什么的我们内部用了一些AI工具辅助之后写文档的数率就是极转直上我们原来可能后备里面可能有五六十个项目对吧等着做然后现在已经没有项目可以做了所以我们为什么说我们最大的痛苦是客户不够因为我们的deliver就生产的能力已经远远超出了我们活客的能力了所以我们现在基本上所有的人大家都在研究怎么样获得更多的客户这是我们唯一重要的事情就是获得更多的客户然后包括我们的价格也发生了很大的改变就是我们这个行业如果大家类比的话就有点类似于你要出国要去申请绿卡一样你要填很多文档那这个行业以前它是一个按小时计费再加上它分两部分费用一个是第一年一个很大的注册费然后之后每年有个年费的这样一个概念我们直接把所有的价格然后这个价格大家都是不透明的然后我们是第一家公司直接在网上公布所有的项目的价格而且我们不再提供注册费就是只有年费所以因为我们自己做注册的成本已经可以非常低了所以导致这个行业大家已经有时候不太理解我们在提供什么东西了就是什么叫注册不要钱那不要钱就是不要钱对吧那其他的公司比如说他第一年他注册费收你5000然后每年年费收你3000对吧我们提供价格就是每年2000我们第一年也是2000第二年也2000对吧那别人问那这个行业的人那很多人问那什么意思就是那是注册不要钱了吗对不要钱了就是这样子就每年两千就行了所以我觉得AI就是完全改变我们整个公司的模式然后如果你在这个行业搜的话你去搜这个注册东西的价格基本上还是只能搜到我们因为我们是几乎唯一一家在网上提供价格的公司然后是叫flat fee就是固定价格而不是波动的价格所以我觉得AI就是完完全全的改变我们公司的各个环节然后也使得我们公司的运行效率什么的然后每个人也都更开心了某种程度上对然后当然还有部分就改变了一些激励的措施就是incentive compensation就是怎么样发钱也做的一些改变对所以我觉得AI的冲击是非常大的我听完了一个感觉就是你们整个公司被AI完全的重构了可能很多人还会听到你们把价格打下来了然后把价格弄的那么低是不是有点行业内卷但是你又说了公司里边的人其实都很开心然后每个人的工作时长其实并没有显著增加只是因为你们最早的用了AI然后抢占了AI这一波的红利还有你在最早的时候去年的2025年就开始用了sonet和tlent3.5
[90:00] 5367那个时候其实你已经比后来用OpenCloud那些同学们更早的意识到了这Crowl Code就是生产力的核心了是的 当时的这个因为我们是一直一线写代码的人了就是真的是知道这个东西它的威力在哪里的就是它一旦进入了一个CLI一个terminal它意味着什么叫workflow对吧它意味着什么这个当时就是感觉非常明显对我觉得在硅谷的很多写代码的同学都不是在open cloud的时候才意识到的都应该是3.5 3.6那一天意识到的我的天这个代码写个APP已经是这样了吗是的对就是基于AI的整个workflow这套东西啊就是今天的问题就是大家只是说落地的问题都不是磨洗能力的问题怎么样落地可能是需要有人帮忙但是磨洗能力已经很多时候已经完全没有问题了换句话说我们绝大多数人的工作的难度真的不高,就是大家做的事情的难度是低于模型能够提供的东西的所以只要我们plugin插入这个模型很多工作是可以被替代的所以说无论是在一个一线工程师的角度还是作为一个CTO的角度你都亲身感到了这种时代的巨大的变革太大了 而且是你在自己的公司已经身先士足的把这些流程都走了一遍了 是的所以说你就非常保守的看待每个人的职业发展了接下来 是的 是的我每次跟别人说就是我们现在都是在马车的时代但是汽车已经被发明了当然可能汽车还对吧不是一个完整的汽车或者开写歪歪扭扭的但是已经有很多人开着汽车在全世界乱逛了马车的时代就是还在一个城堡里面对吧因为你马车的范围就那么大嘛大家就在这里面生活对吧但是就是汽车已经存在了对吧所以大家不要再去争论马车什么汽车危不危险对吧什么的没有意义因为跑的人远的人已经很远了啊然后马车也肯定会消失的只是说对吧我们今天怎么来想象这样一个世界找到更好的信息源所以我非常喜欢你的采访是在于是说你是在一线里面去采访很多硅谷的人这个不是二手的信息是一手的信息其实很多时候是很重要的就大家要有这种一手的信息去理解这个事件正在发生的变化关注游戏大叔获得硅谷一线认知是的谢谢大家谢谢陈人你刚才整个你的故事还让我有一个最大的启发就是最近Astrobic的CEO也说了当代码的写不成问题之后review shape嗯就是反倒变成了问题就是你代码可能提升了5倍但你并没有整个生产力提升5倍因为这个只占整个产品到货客到各种分发给群体的到售后的20%所以说你代码提高5倍其他最后你提高了27%好像是作为一个情况所以说你就敏锐的发现了接下来这些生产力都不再是问题的时候去如何去获客如何去做一些事情对就是你说的这里面很多时候是组织架构的问题就是它的组织架构并没有完全适应生产力的这样一个情况就包括我们有很多层级的这种架构对吧包括有很多很多角色包括像经理对吧总监什么的以前里面需要这样的人的存在以后可能也越来越扁平对吧这个是一定的然后有些工作他只是为了传递信息只是拉大家开会对吧 可能以后也没有什么必要了因为AI它很多信息自己都汇聚了对吧所以就是组织的也会发生很多的架构的变化啊所以这都是会一起一起发生的然后可能我觉得还有很重要的观点就是很多时候就是大家会去抱怨说这个东西嗯组织架构变化什么样但是有时候我觉得有些就抱怨不重要的点是在于是说因为AI的生产力发展实在是太快太大了你这些公司马上就会面对这样一个情况就是不管你变不变革都会出现一波创业公司以你1%的10%的成本甚至1%的成本跟你做出一模一样的东西出来对吧那你怎么跟他竞争对吧那这个事情是一定会发生的因为很多时候不是说你自己想不想迭代而是新生争出来的东西它天生就是AI native的一道东西它是没有这么多问题的对吧所以所以很多时候为什么我说这个变革会比大家想象的大是因为我看到了有无数的这种AI native东西在网上涨他们真的就是大家就是这种很低的成本做很大的事情那一定会跟这些公司在什么时候发生一些正面的这个饮碰饮的事情对我完全同意因为我也看到了这种公司就是很多现在那些三番的创业公司对就直接把那个纳斯达克上市500强的公司的业务拉下来一个一个盯着打是的你做那个就是做付钱做billing对吧然后我就做ANETU的billing对你做货客是的
[95:00] 你做什么法律我做AI native的法律助手就是这样的东西在盯着打然后这些一方面它确实就是AI native它确实符合新时代生产力的和生产关系另一方面就是新时代这些十七八岁十八九岁的年轻人绝对是更愿意用这些东西而不愿意用那种老学就上个时代的产品是的所以说这个时代就是用更低的成本做出更AI native的事情已经是不可变革已经是不可阻挡发生的一种趋势然后很多同学没有感知到可能就是因为你还没有受到硅谷这波冲击没有受到深圳上海这波冲击但迟早比如说我家乡青岛比如说各种地方迟迟早早的事这是一个大的一个wave然后一点一点去散开硅谷的老百姓们大家都已经被这种中心的散开已经被震惊到了是的你像我们比如说我们已经把那部东西写完了对吧我们下一步东西就是vendor我们服务提供商一个个问他你能不能降价你不能降价我自己写一个了对吧所以这些提供商也会有很大的压力的他以前比如一个月收5000块钱我自己写一个我可能很快就写出来了他没有提供那么多附加的功能对吧他就会丢失一个客户他就会系统性的丢失很多客户对吧所以这个就是每一家都在面临一些很大的一个冲击对这个都不是内卷可能很多弹幕的同学们会说这是内卷但是我个人的一个看法就是人类社会对于生产力的极致追求是不以人的意志为转移的是的你要想很多东西会更便宜的比如说我的Open Exam preparation对吧就以前就是收费的我现在可以免费的给大家提供了对吧所以这就是生产力的进步相信刚才晨安这一段在AI新时代创业和做事的方式一定会大家有一些感悟我们进入下一个最后一个章节就是展望未来或者说是反思人生是的你过去写了1000多篇blog你本身其实就已经是一个互联网上的一个大IP了但是你在那blog里边又反反复复的说搞钱就不要做Founder IP这是为什么呢那篇文章对 我觉得那篇文章可能写的是我当时看了永哥了之后还是一个挺印象深刻的东西我主要是想反驳的一个观念就是说我是想描述创业和搞钱就是你拉风头的那种创业为了赚赚钱去做的事情是一个两个不同的事情很多时候搞Founder IP就创始人的这种要出境这些东西很多时候更适合去拉风头做很多别的事情但是如果你自己就想做一个赚钱的事情的话很多时候更多的还是要花更多时间去找需求去服务需求那你说这个你把自己创始人出境这件事有没有帮助我觉得在货客上有一定的帮助但是它不是一个最根本的事情所以我的意思肯定更多的是说我们不要把更多时间花在那个上面然后而更多的是要回归到客户解决客户的需求想一下怎么样做更多的value add就是增加价值上面我觉得那个可能是更重要的所以说很清晰就是做Founder IP对于拉融资创业有帮助但是真正做挣钱的生意想清楚需求和客源是最重要的然后很多时候然后大家会见到所谓的building public这个概念但是其实上你看到building public的还能赚到钱的这拨人他之所以要building public是因为他的这种做的东西都客户本来就是开发者所以他building public其实是吸引客户的但是很多创业如果你吸引的这些客户不是这些开发者你去做Building Public这件事情其实不是很有帮助的因为你吸引不来真实的客户很多时候对所以这也是一个不一样的一个角度做什么事有什么思路和想法现在的话你每个月会花上百亿甚至三四百亿的token每个月在这些AI工具上能花费多少钱我觉得才可能在1000刀左右吧很少一笔钱为什么呢就是因为这个时代有个非常大的红利叫做coding plan就是叫代码套餐之类的就是很多这种公司他会为了吸引这种高价值的开发者来用你的训练数据吧就给你很便宜比如说open AI200刀的套餐其实一个月能用10个billion到20个billion就是100亿到200亿的token可以给你你自己用API是非常贵的但是你用它的套餐就会很便宜然后像很多家公司都有这样的套餐对吧所以我订阅了很多Entropic OpenAI的还有Google的Gimini的然后还有一个Olama是一个第三方云平台的
[100:00] 就基本上开了都是开最贵的因为其实他们是高额补贴的所以其实我是我觉得这个就是中国的当时的外卖大战啊疯狂的烧钱补贴你吃外卖美国就是这个token大战就疯狂的烧钱补贴你用token所以是我是觉得用的越多赚的越多对所以我就是只要这个模型是在我觉得是达标线以上的能开的我都会去开第一时间就开我永远是那个就是第一时间开的人然后跟大家分享效果怎么样啊本来想让你给大家一个不敢花这么多钱的建议你跟大家说了开的越多赚的越多对啊就赚就完事了对吧 赚就完事了然后这个公司回头要上市他会有财务压力搞不好他不补贴那么多的所以这个是一个非常短期的时代红利从今天回看你的过去你从小镇做提家到清华到CMU到两次参与创业公司并被收购再到全职爸爸再到今天亲自作为CTO参与一些创业公司和各种零人公司你觉得你反法复复都能够拿到很好的结果原因是什么我觉得首先结果好不好我觉得也是个外界的评价就是你往上看我们的同学里面有更早就财富自由的然后创业公司也做了更好的对吧但是对我自己而言我可能是一个比较知道自己想要什么的人然后我会去说看我自己有没有达到我想要的目标然后去然后如果达到了我就会很开心然后核心就是让自己觉得做自己有意思的事情然后让我做得开心对所以我是个很容易无聊的人但是无聊的时候就要去做一些有意思的事情这是我一个比较大的一个一个人生理念用无聊和自己的兴趣来驱动不断的去折腾对 是的然后嗯我之前不知道这个词后来在中文播客的影响下学到一个词叫主体性我觉得这个词非常好啊就是说我们看待人生是以自我为中心的嘛就是比如工作它不是一个定义你人生的东西然后它客观上是不存在的对吧它只是为我们的生活去服务的所以我觉得更重要的是我们自己想要一个什么样的生活然后以自己的生活理念去选择你要在哪里工作你要怎么样去处理你和钱的关系对吧你怎么样教育小孩这都是从我自己的这个角度出发的一个选择自己生活的事情而不要觉得嗯我今天有份工作就怎么怎么样了对吧就是这个工作并不定义你客观上来讲工作这件事情从历史上来看也没有存在多少年就几十年前可能一两百年前这世界还没有工作这个词呢对吧他可能过几十年后也没有了对吧所以所以这个是就今天我们觉得可能重要的事情在历史的场合中都不重要对吧唯一重要的就是你每天把这2000卡路里的饭给吃了对吧睡觉给睡了对吧这个可能是对吧你要活着的唯一重要的事情其他的都是额外的事情然后你就好好研究好好做然后对吧做些开心的事情就可以了还真是说不定工作是人类社会当中昙花一现的一瞬间的事情对啊大厂打工对吧可能几十年后这是啥呢对吧为什么当初那么多人互相彼此骂弱智对吧这是一个什么样的是互联网时代潮流对吧这个说不准的那么经历过这么多事情你在做每一个选择的时候你有担心那种我这次失败了没钱了我家庭怎么办我个人怎么办这种恐慌感吗你要说没有肯定也是不可能的我觉得怎么讲呢就是比如说像为什么要去研究财务规划对吧也是想就是真的去探索这个人和钱的关系包括比如说你多少钱赚多少钱才算够然后我记得印象特别深就是我们因为做财务规划财务规划里面最重要的一个是退休规划就为什么大家见不到周围的人去做财务规划是因为绝大多数做财务规划的人都要做退休规划很少有人去做年轻人的财务规划因为年轻人不信这个他会觉得对吧这个人不重要说的话不重要对吧然后我接触很多老人对我觉得在老人和他聊钱的过程中会极大的改变我对于钱的一个想象和理解对所以我觉得就看到一些更多的事情看到一些你未来可能的生活方式人类对吧老了之后可能会生活方式你用这种以始为终的这种想象我觉得有时候会改变人的很多不一样的思考对能不能详细给大家分享一下这种一世为中看到这么多老人之后以年轻的生活方式应该是这样我觉得跟很多年纪大了之后人聊你会发现我觉得最重要的一点是什么呢就是你觉得年轻时候你觉得重要的事情根本不重要根本不重要就是你问他们
[105:00] 他们年轻时候做的什么事情或者后悔了什么事情他们想怎么处理钱发现就是你现在觉得焦虑觉得那些重要事情都不重要对所以所以这会反过来去促使你想真正重要的事情是什么还是要去做自己想做的事情过自己想主动选择的生活然后按照自己的方式去生活我觉得这个是最重要的听到了四个关键字 主动选择 不要被动接受刚才聊到了什么主体性呀 老年人对于那个年轻人的各种工作的各种看法呀 甚至说大公司或者说各种公司的一些组织形态都会不但发生变化你还一直在强调未来的公司甚至不需要人公司只需要安排那种contractor或者agent来把任务给完成能跟大家详细的说一下这一点吗对哈嗯我觉得是这样子很多人对于公司的恐惧的对AI的恐惧的肯定还是说担心要裁员对吧然后这种全职员工,Food Time Employee,这种角色会受影响,对吧?但是我会从另外一个角度来看这个事情,是说我觉得就是说今天这种全职员工其实是限制了我觉得大家自己的一个生产的一个生产力和生产状态的一个一个不好的一个生产关系某种程度上就是我给你举个例子比如说今天如果你直接面对客户你给他提供一个服务你说客户给了我一万块钱我肯定很开心对吧我好像好好服务客户但是今天你去跟你老板工作老板给你一万块钱你肯定觉得老板在剥削我肯定觉得我只两万块钱对吧那你今天这么想了之后你肯定不会觉得说我要做更多的事情对吧我肯定想的是我要去摸鱼对吧我怎么把我的钱只把我发的钱赚回来对吧我肯定不会想我怎么样一定要把事做好对吧那什么东西导致了这个事情呢我觉得还是这种compensation就是这种薪酬结构导致的事情使得因为我们没有不能享受生产力带来的这样一个额外的收入对我们的分成,使得我自己觉得说我不想多工作。但是AI为什么这个东西变化很大是因为AI它真的能让一个想工作的人产生十倍一百倍的生产力对吧所以为什么我觉得这种薪资结构或者是什么关系也一定要变化为什么我希望更多的有这种所谓的合伙人之类的概念出现就是赚多少,赚多赚的,大家都要去分钱只有说这样子的情况下大家才会觉得说我要用更好的工具我要去赚更多的钱这样子的话我也能分更多钱我再更有incentee我更有的更大的激励去赚更多的钱而不是想的是说我用更多的AI工具那么我节省了更多的时间对吧然后好像老板们就股东们享受了所有生产力的提升对吧我只是越来越苦逼的一个牛马然后回头我还被替代掉对吧所以呃所以我我我其实更希望的是说我们从生产关系上面能够去找到一种更好的方式使得所有人都更有这种呃被负能的感觉然后也都能享受生产力带来提升带来额外的收入我觉得这是最重要的其他程序员是觉得要被取代了对一种恐惧感你觉得这是程序员的改革开放对啊只要生产关系能够去更有更好的变化我觉得大家是更有这种激励去赚更多的钱也好提供更多的价值也好我觉得这个变化是最重要的这一点我也要反复听真的是那种所有的万事万物都有有正有反的那种影响我是更希望这样子的变革能够出现使得大家能够有更大的激励去做更多的事情有点像这种美国这些大律所就是说从一个普通人就开始接单子然后一步一步做到高级的partner但是你每个单子都要和公司进行分成是的 是的我觉得接下来可能真的是这种生产关系和公司组织架构会靠近这里那么根据这样的一个未来的生产关系和组织架构的话你觉得现在那些18岁到22岁之间的大学生应该怎么去做准备呢好首先来讲就是嗯一方面啊这个确实是一个变化最大的时代对吧就大家会有很多迷茫很多痛苦很多不确定性但是如果你会看历史的话其实每个阶段每个每个时代的人都是面临同样的问题比如我那个时候对吧你跟别人说计算机软件是当时看来的西洋产业没有人信这个事情的对吧,就大家也没有共识,对吧,然后也不知道为什么对吧,互联网能够变成这么大的东西,对吧。但是呢,就是如果你在这个行业中,你足够的相信,你足够花更多的时间去学习,绝对是有自己的机会的,我觉得这个系列上一定是这样子的。第二件事情就是我反复认为,啊,信息源非常重要。
[110:00] 我觉得大家作为一个有志青年就是大家有理想在这上面多做一些事的人一定要去想办法去找到合适的信息源那我举个什么例子呢我常说就是现在是一个马车的时代然后我们住在一个城堡里面因为马车它只能支持大家在这个地方生活然后突然出现了汽车对吧然后有些人已经跑得快了他每天开着汽车到处跑然后在外面去插地就是插一个旗子说这是我的地对吧他搞了很多钱什么的那接下来问题说这些人在哪里呢我们能不能找到这些人听他来说话呢答案是很难因为这些人在忙着呢对吧他忙着那些对吧他不想说话他不想那个对吧所以如果对吧如果月球大叔有机会对吧能够找到这样的人他帮他说话我觉得这个就是很好的一手星期愿对吧好那开汽车的人在外面流打呢对吧然后有些人你会看到话很大多他也开汽车他出去一点点他可能我管的叫做demo in public他不一定完成了商业闭环但他可以拿AI去做一个工具做一个PPT做一个什么样的东西但他有更多的时间去分享自己的东西对吧那他当然是有帮助的但是没有商业闭环其实还是差很远的但是他在互动网上肯定有很多关注对吧那互联网上其实客观上声量最大的是谁呢是造汽车的人造汽车的人做模型的人他们是这个行业比如赚钱最多的人对吧这个公司这个工作的员工也好做工作的infrastructure做serving layer做各种各样的他们是造汽车的人他们赚更多的钱收获更多的注意力但是对于普通人而言你知道如何造汽车其实跟你一点关系都没有你知不知道这个汽车都会被造好你知不知道这个汽车怎么造的其实最后你开汽车是没有关系的但是呢基于各种原因我们绝大多数上这些报道也好或者采访也好什么也好都是围绕着造汽车这件事情来进行的我们今天讨论一下M3对吧明天讨论一下Entropic Model后边讨论Apple AI对吧几个Trient Model Parameter那跟普通人有关系吗没有关系啊对吧所以所以这个就是说呃大家一定要想办法去找到那些已经在开着汽车到处跑的人,他们在做些什么事情,他们做的事情之后,能不能就仔细的深挖他们是怎么做的,他们做的事情的深挖对你的帮助绝对是最大的。其次就是这些demo in public的人他们也很有帮助因为他们以可能一个更亲民的方式更好的方式来帮助你去理解这个模型都可以做些什么事情还是要把更多的精力去寻找那些真正用AI落地的人他们在做些什么事情他们的轨迹是什么样子的我觉得这个是对于年轻人而言最需要关注的事情哪里去找这些人呢?第一你当然可以去找创业公司,最早最新的这些AI native创业公司他们都在做些什么他们是怎么做的第二你去看一些包括像播客这样的一手的分享我觉得是会很有帮助的一定要是一手的分享很多时候转述什么的就已经变了味了,就不太一样,对啊。所以你又问我,对吧,就是年轻人,我觉得信息源是最重要的只要你信息源获取对了我相信你大家的聪明才智找到适合自己的东西做我觉得是没有什么问题的那么进一步呢对于那种30多岁31、23岁已经在职场打拼了五六年的人面对如此AI的剧烈变革他们反倒其实有点不太好转你有什么建议吗我也觉得是的很多人也跟我去聊过这个事情我觉得一方面还是很有优势的客观上我们这些人其实都或多或少的积累了一些行业的know how就是该怎么样积累某些行业真正的痛点是什么但是另外一方面我们因为自己的身份因为自己曾经的成就也好还有自己各种家庭财务的问题都有很大的约束我觉得现在是个很好的机会重新停下来梳理一下不管是财务也好还是家庭也好对吧到底对于什么是重要的什么是没有那么重要的然后重新去思考一下我到底能够提供哪些价值对吧如果说今天所有的都没有了我自己要重新从零开始为大家提供一个真正有价值的东西来赚钱的话我应该做些什么事情对吧我觉得是一个很好的机会去好好停下来思考一下那我知道很多人在我聊是因为大家觉得在在时代工作很痛苦啊因为很混乱然后很多裁员啊什么的但是不管怎么样,大家现在还有工作,还是有一份现金流收入的,这个是很好的事情,就不要
[115:00] 更多的时间花在痛苦花在反思花在这些上面了去多去花点时间研究真正重要的事情对吧到底该怎么样创造价值自己去做一些事情build一些创造一些小的产品利用AI的工具对吧先把200刀的这个token开满对吧试图把它用完看看能创造出AI什么东西我觉得这个都是现在应该做的事情那么对于那种40岁呢 美国已经有了房贷 然后家庭有房贷 有孩子在娃来上学 然后自己和那个整个家庭出于职场打工人我觉得也是一样的我觉得三四十岁我觉得面临问题都差不多也是一样的重新梳理一下家庭的财务情况然后好好看一下自己到底能提供什么样的价值围绕自己能提供的价值看一下能不能通过AI的工具对吧做一些东西出来真正赚到钱我觉得这个是一个现在是个最好的时间做这样事情OK行那么今天的分享就到这里感谢陈然作为一个非常不典型的清华人然后精彩的人生好谢谢月球大叔非常开心今天跟大家分享我去接娃娃了好的