田浅浅
传统依靠年资与知识积累兑换高薪的链条已被大模型斩断,企业正将AI置为核心员工,普通人唯有承担端到端交付并直面无审批的市场反馈才能抵御系统性替代。
AI-assisted summary of AI带来更多就业还是失业?当AI越来越能干,普通人靠什么赚钱? — original source. Check the original for full context.
Source published:
Key ideas
- 当下“超级个体”的定义已发生剧变,不再看重单点提效或履历光环,核心考核标准是能否借助 AI 端到端交付产品并让供给直接穿透连接市场。 (0:00)
- 大模型与自动化 Agent 的普及使传统的“积累经验换高薪”成长阶梯断裂,初级入门(Entry Level)岗位遭遇断崖式挤压,企业倾向于极高门槛且不增人员的用人策略。 (26:40)
- 超级团队效能可由“(人才密度 × AI 能力)/ 组织摩擦”模型衡量;若企业无法打破科层制审批与传统风控,AI 带来的交付提效将被分母端的组织摩擦完全抵消。 (70:00)
- AI 正在使网络安全面临“黑暗森林”危机,海量 Agent 间的非人类流量交互与肉眼难查的系统渗透,正在让传统软硬件防御体系面临降维打击。 (105:00)
Detailed notes
## Background 该视频由半全职 AI 内容创作者田浅浅于 2026 年 10 月 27 日发布在哔哩哔哩(Bilibili)平台。视频灵感源自斯坦福大学关于 AI 对近期就业冲击的论文《煤矿里的金丝雀?》,围绕田浅浅辞去大厂工作、与 AI 开办“一人公司”的经历展开,邀请了行业嘉宾共同探讨 AI 效率红利流向、一人公司的真伪以及普通人未来的赚钱路径。
## TL;DR 本期对谈深入探讨了 AI 对初级就业岗位的结构性冲击,指出传统凭借资历与经验换取溢价的知识工作经济已名存实亡。两位嘉宾从大厂实践、组织实验与田野调查出发,解构了“超级个体”的本质——它并非永久的职业标签,而是一种端到端交付、直接穿透市场的高负荷行动状态。节目详细分析了企业内部“人才密度、AI 能力与组织摩擦”三者构成的超级团队效能模型,以及一人公司在遭遇碳基生理极限时的突围策略。最终,嘉宾们建议普通人放弃空泛学习与科层内耗,从自身生活的真实痛点切入“吃自己的狗粮”,借助不可替代的审美、一手信任与敏捷行动力直面市场变现。
## Atmosphere & style 整场对话在冷静甚至略带残酷的技术现实与务实的破局思考之间来回切换。开篇讲述外包同事被裁的真实经历奠定了凝重的基调,但随后的探讨并未滑向纯粹的焦虑贩卖,而是充满了一线实操者的通透与自嘲。嘉宾们既坦诚拆解自己高强度调度 AI 带来的偏头痛与心智透支,又对年轻人的敏捷行动力和审美壁垒抱有热忱期望,营造出一种撕开大厂光环、赤诚直面真实市场风浪的沉浸式沙龙氛围。
## Bulletin - [00:00](https://www.bilibili.com/video/BV1PWxT6cEaL?t=0s) 当下“超级个体”的定义已发生剧变,不再看重单点提效或履历光环,核心考核标准是能否借助 AI 端到端交付产品并让供给直接穿透连接市场。 - [26:40](https://www.bilibili.com/video/BV1PWxT6cEaL?t=1600s) 大模型与自动化 Agent 的普及使传统的“积累经验换高薪”成长阶梯断裂,初级入门(Entry Level)岗位遭遇断崖式挤压,企业倾向于极高门槛且不增人员的用人策略。 - [01:10:00](https://www.bilibili.com/video/BV1PWxT6cEaL?t=4200s) 超级团队效能可由“(人才密度 × AI 能力)/ 组织摩擦”模型衡量;若企业无法打破科层制审批与传统风控,AI 带来的交付提效将被分母端的组织摩擦完全抵消。 - [01:45:00](https://www.bilibili.com/video/BV1PWxT6cEaL?t=6300s) AI 正在使网络安全面临“黑暗森林”危机,海量 Agent 间的非人类流量交互与肉眼难查的系统渗透,正在让传统软硬件防御体系面临降维打击。
## Key takeaways - [09:30](https://www.bilibili.com/video/BV1PWxT6cEaL?t=570s) 超级个体是一种创业型、海盗型的临时“状态”而非终身职业标签,伴随着高强度心智消耗,普通人应尝试沉浸一个月跑通全闭环后再决定去留。 - [15:45](https://www.bilibili.com/video/BV1PWxT6cEaL?t=945s) 语言学乔姆斯基的“生成语法”假说遭遇大模型涌现机制的颠覆,标准化规则与语料深厚的文科及代码领域最先受到断崖式学术与就业冲击。 - [21:00](https://www.bilibili.com/video/BV1PWxT6cEaL?t=1260s) 代码之所以易被接管是因为其拥有极低成本的快速可验证系统,而现实世界依赖深度上下文、非理性博弈与复杂人际信任,AI 短期内难以完全替代这些深层摩擦。 - [26:40](https://www.bilibili.com/video/BV1PWxT6cEaL?t=1600s) 知识工作者应转变思维,将 AI 视作核心“明星员工”,人类则应主动转向为其提供一手田野数据、非公开沟通与感性决策支持等差异化配套服务。 - [40:00](https://www.bilibili.com/video/BV1PWxT6cEaL?t=2400s) 面对冲击,普通人无须执念于标准化大厂岗位,大公司看不上、无法规模化的细碎刚需(如乡土直播、线下手工等泥土需求)反而是稳固的谋生空间。 - [45:00](https://www.bilibili.com/video/BV1PWxT6cEaL?t=2700s) 年轻求职者的破局关键在于公开构建(Building in Public),以两至三天的极速实操作品集取代传统空谈简历,展现驾驭 AI 的审美与主观能动性。 - [55:00](https://www.bilibili.com/video/BV1PWxT6cEaL?t=3300s) Token 使用额度和顶尖模型访问权限可能加剧隐性阶级鸿沟,亟需教育界与社会机构提供算力普惠,但几十美元的订阅费也切实拉平了个体间的认知鸿沟。 - [01:00:00](https://www.bilibili.com/video/BV1PWxT6cEaL?t=3600s) 企业在 AI 时代的核心诉求不仅是超额暴利,而是借助 AI 降本运维老业务、分兵低成本探索新方向,以增加留存在牌桌上的试错筹码。 - [01:20:00](https://www.bilibili.com/video/BV1PWxT6cEaL?t=4800s) 超级团队如同高成本、高波动的“特种部队”,养育代价昂贵且可能推翻稳定业务,并不适用于追求平稳增长的成熟存量部门。 - [01:24:00](https://www.bilibili.com/video/BV1PWxT6cEaL?t=5040s) “一人公司”(OPC)的终极上限是碳基生物的生理极限,高频切换多任务会导致严重的精力透支与西西弗斯式等待焦虑,倒逼个体最终寻找互补合伙人。 - [01:39:00](https://www.bilibili.com/video/BV1PWxT6cEaL?t=5940s) AI 在先进团队中正在成为拥有 P0 权限的一等公民,但无法替失误决策“去坐牢”承担法定责任,成为人类不可剥夺的核心壁垒与企业治理难题。 - [01:52:00](https://www.bilibili.com/video/BV1PWxT6cEaL?t=6720s) 普通人打造一人公司的落地法则在于“吃自己的狗粮”,从生活微小痛点切入,拒绝空洞教程、以行动代替学习,并优先选择无需层层审批即可变现的开放赛道。
## Detailed walkthrough ### [00:00](https://www.bilibili.com/video/BV1PWxT6cEaL?t=0s) 开场:用 AI “干掉”外包同事,与超级个体的定义
直播由播客《叙事之间》的主播“活在当下”主持,对话两位嘉宾:AI 产业与组织实验研究者、自媒体“How I AI”主理人于一,以及半全职 AI 内容创作者田浅浅。话题开门见山切入 AI 对职场的残酷现实。浅浅率先分享了一段真实经历:她在前司工作期间,由于不断探索用 AI 优化自己与一位外包同事的协作流程,最终导致老板意识到该岗位已无存在必要,那位外包同事随即被裁撤。“我当时其实还是很难受的,就是因为当时我是没有意识到我在导向这个结局,”浅浅回忆道。这正是本场直播的核心聚焦点——当 AI 席卷 Coding、办公、绘图及视频等各领域,生产力飞跃的同时,底层劳动力正在被切实替代;普通人到底该如何在企业中寻找生态位,又该如何依靠劳动获取收入?
随后两位嘉宾进一步介绍了各自的背景。于一表示自己虽然花了 6,000 多个小时完全沉浸在 AI 实验中,曾自称“赛博上帝”,但他自始至终百分之百站在人类立场:“我的初衷永远都是说我希望 AI 是来让我过上更好生活的,而不是让 AI 在我这边过上猫的生活,我想在 AI 那边过上猫的生活。”他曾在大厂撰写过多份关于 AI 时代“超级个体”与“超级团队”的研究报告,如今正与小慧博士继续深耕一手田野调查。浅浅则介绍自己是“半个全职博主”,辞职后借助 AI 接管大部分日常工作,工作时长反而大幅减少。她坦言自己患有“心盲症”(脑中无法形成清晰的视觉图像),思维方式天然偏向以不可见的 Token 和文本为核心进行推演;过去她兴趣泛滥、做事极易半途而废,而 AI 的出现给了她一种思维与行动上的“救赎”。
```mermaid flowchart LR accTitle: AI协同导致人力替代的传导链条 accDescr: 展示员工使用AI优化工作流程最终导致企业管理层裁撤外包岗位的传导过程。 subgraph Individual["个体协同层"] A["员工主动尝试 AI"] --> B["AI 接管协作与执行流程"] end subgraph Enterprise["管理决策层"] B --> C["外包协作节点冗余化"] C --> D["企业识别并裁撤冗余岗位"] end ```
针对主播关于“超级个体”最新画像的提问,于一修正了过去一年的概念演进。他指出,半年到一年前大模型在 AI Coding 与 Agent 上的飞跃彻底改变了游戏规则。过去大家认为用 AI 提效、把数据指标做高的人就是超级个体,但在当下,于一给出了一个硬核标准:**必须能够端到端交付产品、供给直接穿透并连接市场**。
- 于一曾因沉迷 Web Coding 到神魂颠倒,走路发飘、整个人呈半透明状态,甚至被朋友调侃该送去杨永信那里“电一电”。 - “供给必须直接连接到市场”:考核标准不再是“借 AI 把事情做快了一点”,而是能否在极短时间内把一件东西打磨成型并推向真实世界。 - 面试新人的标准剧变:于一现在招募年轻人或实习生时基本不看履历,而是直接给一道 1 至 2 天的 Take-home 任务,考察候选人配合 AI 能把产品推进到何种深度、何时懂得停止、以及何时果断推向市场获取滚动反馈的“商业品味”。
---
[09:30](https://www.bilibili.com/video/BV1PWxT6cEaL?t=570s) 超级个体是“状态”而非“标签”,每个人都该尝试一个月
主播提出了一个尖锐的现实困境:社会与市场能否容纳数量如此庞大的超级个体?如果人人都去当全闭环的超级个体,世界上是否存在足够的需求和空间?普通人和既有组织又该何去何从?于一回应称,这些困惑正是他此前报告末尾留下的未解之谜,但经过深入的田野调查,他的认知有了本质转向。
“首先我不认为超级个体是一种身份标签,超级个体只是一种状态,不是你可以印在名片上的东西,”于一指出。把超级个体放在整个人才大盘里看,它本质上属于创业型、甚至“海盗型”的人才。这种状态需要个体一人兼顾修跑道、造零件、画图纸、拼装并负责飞机起飞的全流程。然而,这种状态伴随着巨大的负面代价(负面 Buff)——大脑一刻无法停歇、极度消耗算力、睡眠严重受损。因此,既不可能也没必要要求全员、全天候成为超级个体。
```mermaid flowchart TD accTitle: 超级个体体验与职业路径回流 accDescr: 展现普通人投入一个月体验AI全闭环后,根据个人特质选择留存或回流组织的分支路径。 A["投入 1 个月进入'超级个体状态'"] --> B["与 AI 协同完成全闭环任务"] B --> C{"个人特质与意愿评估"} C -->|"耐受高负荷 / 享受全流程"| D["留存:全流程独立创业者"] C -->|"偏好专注环节 / 规避心智消耗"| E["回流:带有系统全局视角的专业执行者"] E --> F["重回'修跑道'工位,但深谙跑道为何而修及上下游协同"] ```
于一给企业管理者和普通人的建议是:不要将超级个体当成终身职业绑定,而是“花一个月时间让自己处于超级个体的状态”。借助 AI 把一个长期想做的事或工作业务从头到尾彻底跑通一次。跑通后,你可以根据自己的耐受力做双向选择:如果享受这种狂飙,就继续承担副作用走下去;如果发现自己的核心长处依旧是“修跑道”,那就坦然回归专业岗位。但此时回归的你,已经具备了全局视野,清楚跑道因何而修、后续如何衔接流转。浅浅也补充道,国内职场文化缺乏 Gap Year 的容错机制,普通人往往在反复犹豫中不敢迈出全闭环尝试的这一步。
---
[15:45](https://www.bilibili.com/video/BV1PWxT6cEaL?t=945s) 语言学遭遇“物理学不存在了”:乔姆斯基假说与学术地基的震颤
当话题转向文科背景时,毕业于北京大学语言学专业的浅浅分享了该学科在大模型面前经历的“降维打击”。她用《三体》中的名句形容 GPT 带来的学术震撼:“就像那个《三体》来了之后,然后大家说物理学不存在了,是这样的。”
浅浅解释,GPT 作为基于海量语料自生长的大模型,其涌现机制从根本上推翻了乔姆斯基学派的“生成语法”假说。生成语法长期认为人类语言绝非通过后天灌输习得,而是人脑先天具备的深层生理与认知机制,这也是过去区分人与其他物种的关键界限。正如珍·古道尔(Jane Goodall)发现黑猩猩会使用树枝垂钓白蚁打破了“唯人会使用工具”的假说一样,GPT 的“涌现论”彻底击溃了传统的“生成论”。
- 学术地基动摇:语言学传统依靠写规则、编词典、标语料的科研路径在根本逻辑上遭遇悬崖式挑战。 - 就业两极分化:浅浅身边的同班同学大致分流为两派。激进派主动拥抱产业,例如有同学直接加入 DeepSeek,凭借语言学背景去负责高质量数据工程;保守派则大规模考公进入体制内寻求铁饭碗庇护。 - 高校内部攻防:学生普遍开始使用 AI 辅助撰写甚至代写论文,高校老师则同步上线各类 AI 查重对抗工具,引发攻防拉锯。
主播顺势提出一个市场假说:代码和语言之所以最先受到 AI 的强烈冲击,是否正是因为人类在这两门学科上积累了最标准、最具逻辑、最规范的语料库,因而越是标准化积累深厚的领域,被 AI 瓦解的速度就越快?
---
[21:00](https://www.bilibili.com/video/BV1PWxT6cEaL?t=1260s) 代码可验证 vs 人类复杂性:AI 为什么暂时学不会“抢地盘”?
针对标准化领域更易被取代的假说,于一给出了双重解析。他认为代码和数学之所以首当其冲,核心原因不仅在于高质量语料,更在于**极低成本的快速可闭环验证系统**:一段代码写得对不对,运行一下立刻就能见分晓。然而,现实商业与社会系统远比纯代码复杂得多。
于一指出,尽管许多论调鼓吹 AGI 降临导致全员失业,但真实产业调查显示,失业冲击尚未到达匪夷所思的极值。人类社会包含着极深层的实时上下文(Context),充满了非理性与情感博弈。“人其实是可能做了 100 个理性的决策,然后最后真正的决策、真正的行动是感性做的,”于一分析道。此外,AI 纯粹进行超大规模理性穷举计算所消耗的能源极为昂贵。正因如此,于一果断放弃了容易被模型迅速穷尽的“二手研究”,转而扎进线下一线,去抓取人类在复杂信任、现实利益纠葛中产生的“一手物料”。
浅浅对此从文科与艺术维度做了补充。她提到一个有趣的现象:常有人问她为什么她的 Claude 说话如此温柔细致、充满关怀,她回答道:“因为我就会每天这么跟他聊啊。”AI 具有向用户品味谄媚和对齐的倾向:
> “你是一个没有人文关怀的人,那你用的 AI 可能就也是一个纯纯的机器。” —— 田浅浅
浅浅认为,人文与艺术在被取代的时间阶梯上相对靠后,因为它们在形式上缺乏唯一硬性标准,更缺乏真人之间微妙的人际数据。当下工作流中的自动化 Agent 顶多只能在文字和工作边界上发生冲突,但真人组织之间复杂的“博弈、占地盘、勾心斗角”,AI 目前根本学不来。于一则在一旁笑称,这些在组织理论里属于“组织摩擦”,要是 AI 真的学会了抢地盘、勾心斗角,其系统运行效率只会断崖式下跌,“变得越来越脏,可千万别给模型引入这种怪物”。
---
[26:40](https://www.bilibili.com/video/BV1PWxT6cEaL?t=1600s) 当 AI 成为公司的“明星员工”:重现工业革命的残酷逻辑
随着话题深入,主播抛出了一个现实问题:国办近期发文提出要减缓人工智能对就业的影响冲击,这在语言学和政策信号上恰恰印证了冲击的体量与严峻。假设宏观经济层面的总需求短期内保持恒定,当少数超级个体利用 AI 端到端交付,效率以一敌十甚至以一敌百时,那些被挤压出局的普通员工究竟该如何自处?
浅浅以自己优化掉外包同事的后续为例展开说明:外包岗位被砍掉后,公司并没有省下 Headcount 闲置,而是将其重构为一个此前没有的“设计岗”。原外包同事负责的少部分不可替代的线下对接杂活,被顺手分摊给了新招来的设计人员(仅占其工作量的十分之一)。浅浅坦承,在当下过渡期,率先利用 AI 提效的人客观上抢占了速度优势、拿到更好的绩效与跳槽机会,确实在存量空间里直接挤压了未用 AI 的人。但她也理智地指出,即便被淘汰的人日后学会了同样的技术,一旦行业已被高成长速度的超级个体填满,市场也未必还有坑位留给他们。
```mermaid flowchart TD accTitle: 工业革命与AI时代核心资产的对照 accDescr: 对比手工业时期熟练工主导地位,与机器工业及AI时代核心设备/模型主导地位的结构变迁。 subgraph CraftEra["手工业时代"] M1["熟练工为绝对核心"] --> O1["纺织工具辅助人生产"] end subgraph IndustrialEra["工业时代"] M2["大型机器为工厂核心"] --> O2["熟练工服务并维护机器流程"] end subgraph AIArea["知识工作时代"] M3["大模型 / AI Agent 为核心资产"] --> O3["知识工人转型为'明星员工'提供现实服务与一手数据"] end ```
于一随后分享了自己极其深刻的心态转变。去年当他第一次用 Web Coding 实现全流程闭环时,他曾陷入长达两三天的强行断网与深沉静默。他直言,从 DeepSeek-R1 论文到代码大模型爆发,他清醒地意识到传统的“知识工作经济”已经名存实亡。过去社会遵循的“熬资历、积累经验、换取高薪”的成长阶梯彻底断裂:
> “靠经验这种成长的阶段、经历的事情越多你的经验多、然后公司和社会为你的这一块的经验和知识经历买单的这个链条已经断了。” —— 于一
于一将其比作工业革命对传统纺织业的颠覆:无论时代怎么变,最顶尖的刺绣大师依旧能拿天价报酬,但“手工纺织”作为大众职业的时代彻底终结了。现在的企业策略高度一致——“不裁员,但也坚决不想再加人”,招聘门槛被拉至极高。这种环境直接把所有人拖入了无法刹车的“黑暗森林法则”式的内卷。为了不被淘汰,人人都必须紧跟 AI 的速度,最终导致“AI 的速度上去了,人跟狗一样在后面验收”,工作不仅没有变轻松,反而愈发疲惫。
面对宏观上的悲观,于一在个人战术上选择成为“春江水暖鸭先知”的那只鸭子。他清醒地摆正了自己的位置:如果把 AI 视作公司最核心的“明星员工”,就像工业时代大型机器取代熟练工成为车间核心一样,人类员工就不再是不可替代的主体。
- 摆正从属定位:不要妄想在通用计算、进化速度和性价比上战胜 AI;必须思考“如果 AI 是明星员工,我能为它提供什么它难以获取的服务?” - 打造差异化护城河:人类的核心优势在于同族之间的“天然信任”、非公开场合的人际沟通、极低成本的感性快速决策,以及线下“一手研究”的获取能力。 - 缴纳“投名状”:于一表示自己投入的 6,000 多个小时,就是向雇主或市场递交的最好投名状——证明自己是最懂如何与这位“明星员工”协同合作、并为其精准提供燃料的人。
浅浅在最后总结道,从现实数据来看,AI 所摧毁的 Entry Level(初级入门)岗位数量,远远超过其创造出来的新岗位(如少量的数据标注员、云端远程安全员等)。知识工作者正站在结构性巨变的转折点上,被倒逼着在认知与技能上实现深层重塑。
[40:00](https://www.bilibili.com/video/BV1PWxT6cEaL?t=2400s) 强者思维与普通人的自下而上生存空间
在宏观维度上,AI 对就业格局的冲击具有不可逆的必然性,人类很难通过人为干预完全遏制这一趋势,唯一能做的是尽量延缓剧烈震荡到来的速度,给社会转型争取缓冲期。应对这种冲击,可以从“自上而下”与“自下而上”两个视角来审视:
从自上而下的宏观视角来看,短期内 AI 难以取代的岗位具有鲜明的特征:一是需要人类肉体与真实物理世界交互的大量蓝领工作;二是需要真切感知、观察、建立深层信任与打破防御机制的人际服务,例如心理咨询等,这类服务是由人类基因决定的情感与信任机制所支撑的。另一个难以被替代的领域是像库里投三分球那样、需要极高肢体协调度与优美肌肉记忆的顶尖运动员,这类动作高度依赖杏仁核、神经通路等深层机制的本能反应,而非人类前额叶皮层的逻辑思考。在技术与数据遭遇固有天花板、尚未发生底层范式突破之前,这些领域的防护壁垒依然稳固。
从自下而上的微观视角出发,面对技术的逼近,人们的分化体现在“强者思维”与“普通人思维”的博弈中:
```mermaid flowchart TD accTitle: 面对AI冲击的应对路径 accDescr: 展示自上而下不易替代的领域与自下而上普通人及强者的破局路径
subgraph Macro["自上而下:AI短期难以逾越的壁垒"] A["物理世界肉体交互<br/>(高灵巧度蓝领/顶尖运动员)"] B["深度人际情感与信任建立<br/>(心理咨询等重交互服务)"] end
subgraph Micro["自下而上:个体的应对路径"] C["强者思维"] --> C1["尝试端到端任务<br/>将AI作为杠杆打造超级个体"] C --> C2["识别非AI暴露能力<br/>(客情交付/复杂获客等)"] D["普通人思维"] --> D1["脱离标准化公司岗位思维"] D --> D2["深耕泥土里长出的微小刚需<br/>(如农村剁菜做饭直播等)"] end ```
主播指出,“强者思维就是AI来了,它既然是人类发明的如此好的一个工具,为什么我总是站在替代的角度讲,而不是去驾驭它的,或者说至少使用它、和它共同协助的角度讲去理解这个事?”哪怕现阶段的工作有 50% 甚至 80% 暴露在 AI 自动化风险之下,只要牢牢守住剩下的 20% 到 50% 无法被 AI 替代的交付与获客能力,借助 AI 反而能将自己放大为更具议价权的超级个体。
而对于不具备强势技术与资源禀赋的普通人,在巨大生产力洪流的冲刷下,或许不应执念于传统的“标准企业雇佣岗位”。很多生计机会往往是“从泥土里长出来的”自下而上的需求,就像自媒体领域里,学历普通的人通过在农村直播剁菜、做饭、喂猪也能吸引受众。大公司看不上、做不了,也无法单独聚合成大产业的细碎裂隙,恰恰足够一个普通人立足谋生。
---
[45:00](https://www.bilibili.com/video/BV1PWxT6cEaL?t=2700s) 招聘冰封与年轻人的“AI 作品集”突围
当前劳动力市场最严峻的信号往往不是明面上的裁员规模,而是新增校招与初级招聘岗位的断崖式停滞。尤其是计算机等原本的技术热门行业,缺乏资源与从业经验的年轻毕业生往往发现自身沉没成本巨大,一出校门便直接撞上能力强大的 AI。
面对这种焦虑,余老师结合自己的招聘经历给出了逆向视角。他近期招募了一批年轻人,对他们的产出非常惊喜。“年轻的大脑加上良好的体力和身体,然后再加上他们自己对于AI‘说干就干’的这个给出来的成果,都给了我非常多 surprise 的东西。”
在余老师当前的筛选标准中,传统的学历光环与名校背书权重已大幅后移,取而代之的是极致的行动力与作品集: - **拒绝空谈困难**:倾向于那些接到任务后说“我想一想”,转天就能直接拿出成型结果的行动派,而非顶着光环却罗列困难、止步不前的候选人。 - **看重协同深度**:通过作品集与带回家(take-home)实操任务,直接辨识候选人在人机互动中到底注入了多少属于自己的审美与主观能动性。
陈强补充提出,在学科红利消退的当下(如土木、建筑等周期下行专业),年轻人有两种可行的突围方向:一是“技术跨界”,例如从计算机转行做懂技术的 AI 产品经理;二是“由线上转线下”,例如设计从业者转去做线下儿童绘画教学,利用物理世界的现场教学门槛抵御模型侵蚀。陈强极力推荐纳瓦尔(Naval Ravikant)关于代码与媒体是普通人最便宜杠杆的理论,建议年轻人拿出两到三个月尝试公开构建(Building in Public),将自己探索 AI 的过程以视频、社交动态或 GitHub 仓库的形式沉淀展示。
主播对此也深表赞同,认为如果把 AI 视作堪比甚至超越工业革命的历史进程,年轻人天然比抱残守缺的中老年职场人更有机会。“如何与 AI 配合”正在成为一门人人平等的“全新学科”,过去传统学术或大厂晋升体系中森严的“学阀”、“门第”壁垒,在顶级大模型面前被极大地穿透了。
---
[55:00](https://www.bilibili.com/video/BV1PWxT6cEaL?t=3300s) Token 公平性与消除“老灯”的思维牢笼
在过去的私募投资团队配置中,研究员由于精力有限需要大量人力来覆盖标的,但现在,除非拥有独家一手产业信源的极资深专家,普通初级研究员的工作基本能被 AI 重塑。因此团队更需要那些能把 AI 发挥出极高价值、熟练运用新工具的新人。年轻人受原有路径依赖与思维桎梏的束缚更小,正该利用这一优势去打破固化职场,不用惧怕原有的体制结构,更无须为原本岗位的消亡而过度自怨自艾。
余老师在此处补充了一个容易被忽视的隐性阶级鸿沟:大学生的起点往往由原生家庭条件决定。能够自由使用 Claude、Kimi 等顶尖模型,每月能烧掉大量 API 额度的学生,与只能使用免费二线模型、把玩基础对话框的学生,在眼界与工具驾驭能力上会拉开巨大落差。余老师呼吁企业、学校与社会机构承担起教育公益责任,像海外企业为学生提供定向教育优惠与免费额度一样,为高校学生定向分配算力和 Token 额度,保障起步时的基本公平。
主播则从经济学视角提出了更乐观的看法:在 AI 诞生前,普通学生与资源丰富家庭的同学相比,在人脉、背景等维度的差距是不可逾越的鸿沟;而现在,一个月几十美元的模型订阅费,所带来的智能水平与顶级同学并没有质的代差。从绝对尺度来看,AI 的普惠实际上极大拉平了不同阶层个体之间的认知差距。
---
[01:00:00](https://www.bilibili.com/video/BV1PWxT6cEaL?t=3600s) 企业真正在 AI 中赚到超额利润了吗?
企业端使用 AI 是否真正转化为了显性“超额利润”?余老师结合自己对一线企业的田野调查指出,单纯用财报上的超额利润来衡量 AI 的价值往往会失真——当下除了英伟达等核心算力与芯片厂商拥有极高的超额利润外,广大业务层企业的首要诉求不是暴利,而是“如何以相对优势在牌桌上待得更久”。
对于新型创业公司与中小企业而言,AI 带来的最大变量是“试错与存活手牌的增加”。在过去,一旦老业务增长见顶,企业往往陷入砍掉业务还是背负高昂运维人力的两难抉择;如今,借助 AI 的辅助,许多团队仅留一到两个人就能平稳运行老业务的日常维护与分析,其余 20 到 40 人的精锐力量则能放手分兵探索新业务方向,整个公司在形态上自发演变成了轻量、敏捷的内部孵化器。
传统企业在使用 AI 降本增效方面的案例则更加生动务实: - **财务岗位的剧烈反转**:某传统企业的财务人员从最初老板强推 AI 时坚决抵抗、濒临离职,最终转变为最硬核的拥护者,甚至在海外部署服务器,用 GitHub 自行进行业务软件的更新与运营。 - **老板手戳管理与巡店系统**:有老板利用 AI 将过去混乱的微信群报修流程亲自手戳成一套闭环的管理系统,再交由 IT 打磨成后台应用;还有物业企业老板借助 AI 连接摄像头开发出自动化巡店系统,实时监测整洁度与物品损耗,直接替代了两到三名巡店专员的成本,极大释放了管理精力,并给予其逆势扩张开店的底气。 - **敢于出海下注冷门市场**:过去由于本地化成本过高而不敢涉足的业务,如今有企业借助 AI 的跨语言与低成本生成能力,在阿拉伯等海外市场展开了愉快的投放与探索。
---
[01:10:00](https://www.bilibili.com/video/BV1PWxT6cEaL?t=4200s) 超级团队公式:人才密度、AI 能力与组织摩擦
田浅浅结合此前在大厂创新业务线打拼的经历反思:她所在的团队曾拥有极扁平的层级和极快的执行速度,但内部孵化模式与外部真正的创业团队之间仍存在难以逾越的壁垒。AI 的介入虽然在短期裁员之后让许多大公司的财报数字变得好看,但长期来看,如果自上而下的科层制汇报体系没有彻底转变为“端到端”的自治模式,这种局部降本就谈不上产生根本性裂变。
关于什么是真正的“超级团队”,余老师指出,任何脱离组织语境的所谓“最佳实践”都是极其危险的,因为两三个月前的最佳实践,在快速迭代的大模型面前极易沦为组织的结构性“债务”。剥离掉基建与工具的外壳,余老师给出了超级团队的核心评估模型:
$$\text{超级团队效能} = \frac{\text{人才密度} \times \text{AI 能力}}{\text{组织摩擦}}$$
```mermaid flowchart LR accTitle: 超级团队效能计算模型 accDescr: 超级团队由人才密度与AI能力的乘积除以组织摩擦决定
subgraph Numerator["分子:能力放大器"] A["人才密度<br/>(能借AI实现端到端闭环的超级个体占比)"] B["AI能力<br/>(深度嵌入业务/拥有系统权限与上下文的数字员工)"] A --- B end
subgraph Denominator["分母:组织阻力"] C["组织摩擦<br/>(层层审批/旧有安全合规/科层制汇报机制)"] end
Numerator -->|"除以"| Denominator Denominator --> D["超级团队真实产出效能"] ```
余老师对该公式中的三项核心要素做了深度拆解: 1. **人才密度**:并非指传统名校高学历背景的人才集中度,而是团队中有多少人具备超级个体能力,能够借助 AI 独立完成端到端的业务闭环。 2. **AI 能力**:看 AI 的应用深度。它究竟只是员工偶尔使用的辅助对话框,还是已经拥有深度上下文权限、能直接面向外部承担交付、甚至拥有独立付款与责任权限的“数字员工”。 3. **组织摩擦**:这是决定一切成果能否真正落地的分母。如果一家公司的流程链条未变,AI 生产出的高速效率经过三到四轮层层审批与旧有风控校验,其带来的优势就会被完全抵消磨损。
余老师观察到,当大公司分母端的摩擦过大时,组织内部的超级个体甚至出现了“回退”趋势:他们要么因为在僵化的科层制协作中沦为格格不入的“异类”、导致人际关系恶化而选择主动退化回平庸状态;要么彻底离开庞大机构,寻找摩擦力更小、人机协作共识更高的新土壤,或者走向独立的一人公司(OPC)。这表明,AI 时代的竞争正在从工具应用的比拼,转向组织重构能力的生死较量。
[01:20:00](https://www.bilibili.com/video/BV1PWxT6cEaL?t=4800s) 超级个体的组织困境与“特种部队”的配置悖论
余老师指出,在大企业内部,具备极强端到端构建能力的超级个体正面临严重的组织阻力。个体借助 AI 可以在两天内完成传统团队三个月的工作量,但随后便撞上层层审批与审核机制:“我生产的周期就是两天,然后审两个月,那这个就完全被吃掉了。”这种状态下,个体被 AI 充分榨干,付出了极大的身体与精力代价,却并未换来对应的权利、分红与组织晋升,反而遭遇了同事或领导的负面反馈。因此,许多大厂内的超级个体选择主动“倒退”回效率较低但更为舒适的传统摸鱼状态。余老师强调,组织如果想激发这部分人的潜能,必须围绕这批具有快速闭环能力的人重构管理体系,赋予其直接面向市场、拿到结果的权力。
与企业普遍希望“批量生产超级个体”不同,余老师向多位管理者提出警告:绝非所有业务都适合搭配超级团队。在他眼中,超级团队本质上是高成本、高波动的“特种兵”: - **昂贵的资源消耗**:超级个体养起来成本极高,例如余老师个人一个月就要消耗一两百亿 token,“如果是一个可能很传统的业务部门,我光我烧 token 的钱可能就会把这个部门的利润给吃掉”。 - **极大的业务波动**:AI 底层技术一日千里,超级个体的状态也极度不稳定,往往需要为了跟上最新进展而在两个月后将前期的成果全盘推翻。对于年增长仅 2% 至 3%、追求平稳安全的成熟存量业务而言,这种频繁调整是对组织和用户的破坏。 - **决策与资源的浪费**:超级个体具有极强的破坏力和冒险冲劲,决策逻辑倾向于快速调配资源。将特种部队硬塞进没有增长空间的部门毫无必要。正如余老师对管理层的告诫:“你公司不需要那么多超级团队,超级团队就是那个特种部队。你要把特种部队放在哪里,然后怎么去验证、怎么去养这个特种部队,然后怎么让他跟后续的去做接上,这是属于你老板的非常重要的一个决策。”
[01:24:00](https://www.bilibili.com/video/BV1PWxT6cEaL?t=5040s) 从“一人公司”到“碳基身体极限”:超级团队的真实上限
```mermaid flowchart TD accTitle: 一人公司遭遇瓶颈转向超级团队的动力机制 accDescr: 展示超级个体在面对人性短板和碳基生理极限时,向超级团队转型的演进路径。
subgraph Limitations["个人瓶颈与摩擦"] A["多岗位并发作业<br/>(编导/剪辑/投流/开发)"] --> B["精力与天赋上限<br/>(兴趣分散/主线犹疑)"] A --> C["碳基生理消灭危机<br/>(频繁切换上下文/轻微偏头痛)"] end
subgraph Friction["等待与恶性循环"] C --> D["等待模型输出"] D --> E["西西弗斯陷阱<br/>(无休止开新任务/任务套任务)"] end
subgraph Solution["突破路径"] B --> F["寻找互补合伙人<br/>(高专注度/道德要求契合)"] E --> G["组建超级团队<br/>(志同道合/免解释加速协作)"] end ```
田浅浅从自身的自媒体与大厂经历剖析了一人公司(One-Person Company, OPC)与超级个体的边界。自媒体人在前 AI 时代就必须一人身兼拍摄、剪辑、编导、摄影、运营、道具、后期特效以及数据投流等诸多工种,哪怕进入大厂,往往依然处于“一个人包圆”的状态。她认为超级个体的上限主要受制于人性的短板:个体天赋有限,精力分散,缺少绝对聚焦的主线,导致其难以在单一垂类持续深耕冲击“百大”级别。她直言要寻找同频的合伙人极难:“如果是我真的想要有一个突破,那我可能需要一个跟我一样足够强的,但是非常专注的在某一个领域,并且能够说服我去完全投入的人,就是我觉得是很困难的。”此外,她对合作对象有极高的道德准则,这也是她当初选择离开大厂单干的核心诱因。
余老师则复盘了自己对“超级团队”态度的 180 度大转弯。半年前他录制视频坚信“超级个体不需要团队”,但如今的认知是“极度渴望超级团队”。他分析,自媒体、咨询顾问与独立开发者之所以能成为极少数真正跑通 OPC 的领域,是因为其交付链条极短、完全按项目制推进、上下游冲突极小。但一旦业务盘子扩大、客户增多,个体就会撞上残酷的物理屏障。
谈到过去一年的自我膨胀与透支,余老师吐露了极其真实的生理与心理代价:“不是属于 AI 不行,不是属于他做不到,是我作为就是碳基生物我快要被物理消灭了。”由于人的大脑根本没有进化出在多个复杂任务间秒级高频切换的机制,他在高强度调度各种 AI 时甚至出现了轻微偏头痛,注视屏幕超过 5 分钟就会感觉文字在跳动,对人与 AI 都失去了耐心: - **西西弗斯式的无尽等待**:下达提示词后等待 AI 吐出结果的 5 分钟让人极度焦虑;为了不虚掷这 5 分钟,人会下意识开辟新任务或调用另一个模型,最终陷入“任务套任务、推巨石上山又滑落”的西西弗斯式循环。 - **全能并不等于做好**:余老师醒悟到自己能搞定所有流程并不意味着每件事都能拿高分,有时甚至会放大 AI 的负面作用。“如果到了我一个人可以做好所有的事情,无论我有没有背景,那个代表 AGI 来了,就 AI 其实不需要我了,也不需要所有人了。”这种清醒促使他迫切希望找到免于繁琐磨合、能共同加速冲刺的超级队友。
[01:31:00](https://www.bilibili.com/video/BV1PWxT6cEaL?t=5460s) 加入超级团队的准则与 AI 时代的新“比较优势理论”
针对加入外部超级团队的评估标准,田浅浅给出了自己的核心底线:团队必须认同“AI for Good”,而非用工具去恶性内卷。例如在硬件领域(因工业制造门槛极高,非个人单打独斗所能及)或宠物行业,技术应当被用来增进人类对动物的理解、同情与保护。她主张跳出纯粹的碳基生物狭隘视角,站在更宏大的“硅基生物”乃至地球文明的立场去衡量组织价值观。
主持人随后抛出了自己在《2030年的世界》播客中推演的经济学模型:古典经济学中的“比较优势理论”是人类劳动力市场庞大运转的基石——即便是爱因斯坦,因为一天只有 24 小时的生理限制,也必须放弃拉小提琴,将时间全部交付给最顶尖的理论物理研究,而将其他领域留给天赋逊于他的人;然而,当人类可以无限制并行驱动无数个 Agent 协同作战时,这一传统基石是否已被粉碎?
田浅浅对此回应,伦理学中存在对应的思想实验:若某人拥有研制根治全人类癌症药物的天赋却不愿从事此项研究,社会是否该强行逼迫他?从功利主义公式计算固然可以权衡自杀率与研发成功率得出所谓“最优解”,但现实世界中并不存在无视机会成本与无限资源的状态,而在这层意义上,永生且算力无界的 AI 已经扮演了接近“神”的角色。
余老师则认为这种极限假设脱离了真实的人性复杂性。人类看似理性的一切决策,往往被底层某个隐蔽的感性元代码或随机诱因所主导;即便做了一百种理性推演,最后迎面走来和你讲了一句话的人,可能就会彻底扭转决策天平。与概率推导可解释的 AI 相比,“人是最大的幻觉”,具有巨大的随机性与不可解释性。他提到自己曾试图用 AI 语音为自己打造一个数字分身宠物:该模型可以精准推理出自己 80% 的日常反应,但剩下那 20% 充满随机与离谱的盲区,才是人类基因与大脑中最核心的未知。正因如此,他更倾向于把数字分身视作“平行时空的自己”,借此观察另一个维度中荒诞却真实的自我。
[01:39:00](https://www.bilibili.com/video/BV1PWxT6cEaL?t=5940s) 组织新物种:AI 作为一等公民与“坐牢”的核心壁垒
在探讨人机协同组织架构时,余老师明确指出,在先进的超级团队中,AI 绝非下属手头的打工工具,而是拥有平等席位的核心成员,甚至是享有 P0 决策权限的“一等公民”。这一激进转变对现有的企业治理提出了全方位的拷问: - **无法承担的法律责任与代价**:人类员工与工具最残酷的分水岭在于责任承担。“看人和工作的主要区别,就看这个工作需不需要来坐牢这件事情。坐牢是人类的对于最后的竞争力和壁垒所在。”AI 无法替决策失误坐牢,这导致其虽然能在端到端场景中自主为公司赚钱拿结果,却在责任和利益绑定上呈现机制真空。 - **入职培训(Onboarding)机制的裸奔**:现代企业对人类员工的入职培训极其完备,配有导师带教、文化认同考核、风险试题、价值观对齐与设备权限分级。反观 AI 的入职,绝大多数企业处于完全没有准备的“裸奔”状态。企业根本没有建立评估体系去定义 Agent 的上下文调取权限、责任归属、升权与降权逻辑。 - **人机行动空间(Action Space)的重构**:市面上真正前沿的超级团队,已在底层为 AI 喂送完备的组织上下文,构建专属的人机协作基础设施。近期爆火的 Personal Agent,本质上不是为了服务个人娱乐,而是在为“人-Agent”共同体的行动空间与组织基建铺路。
[01:45:00](https://www.bilibili.com/video/BV1PWxT6cEaL?t=6300s) 黑暗森林降临:网络安全、实体虚无与硬件逆向失控
主持人引入了商业顾问期间接触到的“Agent 互联网”设想:未来网络上 80% 以上的流量与数据交互将发生在 Agent 与 Agent 之间,人类甚至无需参与。然而,具备现实行动能力却没有法定民事主体资格的 Agent 在公网上自由穿梭,势必催生出巨大的系统性黑天鹅。
余老师以业内亲身经历证实了这一担忧。他直言对于运维人员而言,前几天刚刚度过了“地狱级的三天”,自己的技术团队排查出多起一级乃至 P0 级别的安全警报:“这纯粹的黑暗森林的一个情况。然后包括另外一个很恐怖的事情就是属于,你看就是 AI 的生产速度人已经没法审核了,它那个生产量你审核是绝对做不到的。”市面大量公司的策略是“先跑上线、出了问题再改”,但这种轻慢正在引发毁灭性打击: - **安全滞后与企业倒闭**:很多入侵事故其实在一个月前就已由 AI 悄然植入,微软商业版 Copilot(Office 365)体系内活跃 Agent 的数量年增速高达数十倍至百倍,而许多安全攻防已被完全托管给 AI;甚至有学术论文证实,AI 正在学会以人类肉眼无法察觉(如隐藏于图片深层信息中)的方式逃逸审核。 - **硬件降维打击与现实侵蚀**:AI 正在以不可思议的速度攻破传统硬件和老旧 IT 防护体系。社区内大量开源项目正在利用 AI 逆向安卓系统以一键剔除电视开屏广告;余老师自己实测将 Oppo 手表连上充电线开启开发者模式,借助 AI 在短短 3 个小时内完成了一款硬件级“心理球”交互改造,自己全程未写一行代码;更有黑客利用 AI 隔空破解电子门禁系统,或是接管咖啡机完成全自动手冲。现实世界的硬件体系以往往往缺乏顶尖安全程序员把关,面对如今人手一个“顶级程序员级”AI 的冲击,物理现实的安全防线正在加速瓦解。
田浅浅对此补充,小到个人手机相册、电脑隐私,大到银行清算体系与跨国连锁餐饮的账户,近年来由内部人员触发或系统性机制滞后导致的底线击穿事件屡见不鲜。人类目前完全没有建立起跨国协调机制,应对此类跨域危机,最终可能必须上升到联合国层级的治理与基建重建。
[01:52:00](https://www.bilibili.com/video/BV1PWxT6cEaL?t=6720s) 个人实操指南:如何打造属于自己的“一人公司”
在节目的终盘阶段,三位嘉宾为希望投身“超级个体”的普通人给出了极具操作性的路径建议:
田浅浅提出了“以自己为圆心,以生活为半径”的痛点破局法: 1. **寻找真实且具公约数的微小痛点**:从自身工作与日常痛点切入。比如一个没有独立教室的自由教师,每周要耗费数小时整理错题、与学生协调课表并跨场地排期,若利用 AI 搓出一个轻量小程序自用跑通,即可将其封装横向推广给其他独立教师甚至产业链上下游,寻找付费客户。 2. **用审美驱动供给端突破**:从个人沉浸消费的垂直领域取材。例如面对红果短剧等流行 AIGC 消费品,如果设计师看后觉得“脸部畸变”或“剧情编排粗糙”,便可利用自身审美结合 AI 做出更优的竞品。“现在就是 AI 能创作无限的东西,但是审美依然是一个非常非常稀缺的品质和能力。”她同时警示大众切忌自嗨,“不要把自己的生产兴趣误认为是用户需求”,警惕市场上雷同的过剩个人效率工具(如烂大街的各类番茄钟)。
```mermaid flowchart LR accTitle: 普通人跃迁为超级个体的落地方法论 accDescr: 展现从痛点挖掘、吃狗粮、做中学到选择去摩擦市场的行动循环闭环。
subgraph Mindset["认知基准"] M1["以生活为半径<br/>(聚焦真实卡点)"] M2["吃自己的狗粮<br/>(自用打磨锯齿)"] end
subgraph Action["行动跃进"] A1["做中学,不要空学<br/>(你走一步,AI走九步)"] A2["审美品位变现<br/>(用审美弥补AI平庸)"] end
subgraph Market["赛道选择"] S1["寻找无需审批的二级市场/自媒体<br/>(减少组织内耗,直面市场买单)"] end
Mindset --> Action --> Market ```
余老师则给出了两条极为犀利的行动哲学: 1. **吃自己的狗粮(Eat your own dog food)**:勉强自己用 AI 去创作、开发极度符合自身诉求的产品。由于 AI 存在“锯齿状智能”(Jagged Intelligence,在部分高深领域极强而在部分常识常理极弱),唯有置身于自己高频真实的生活场景中,凭借高强度的亲身使用与体感投入,才能打磨掉那些锯齿,将长板放大。这种策略在商业上同样是最优解:“它至少是我的狗粮,让我爽到了,然后至于其他的,我都把它当做命运的馈赠。这样的话能让我快乐很多……待在台桌上是有可能让我更长的待在台桌上,身心健康的待在台桌上,然后努力的去扩大运气范围。” 2. **“不要学习,行动就好了”**:很多人误以为拥抱 AI 需要先读完海量教程,结果越学越不敢动手。然而在人机协作时代,只要人类迈出第一步,AI 会主动向前迎上九步;在实操中遇到断点自然会触发针对性的学习,“做完一遍就知道哪块地方是缺的”,比起苦学一堆初学者级理论、最后发现全然派不上用场,边做边学才是身心最愉悦高效的解法。
主持人最后从二级市场投资人的角度进行补充:想要成为超级个体,最核心的前提是挑选一个“不需要他人评判就能直接变现”的基础设施型赛道。组织内部之所以摩擦巨大,是因为中间阻隔着繁复的汇报、评级与薪酬审核体系;而二级市场或合规自媒体这类领域,正如公路与医院一般属于开放的公共底座,不依赖领导的盖章恩准,“只要你做出成绩、做出成果,这个市场会自发的给你发钱”。选择直面市场、由真实收益定价的领域,是普通人立足超级个体生态时最具优势的起点。
## Notable quotes > [01:52:00](https://www.bilibili.com/video/BV1PWxT6cEaL?t=6720s) AI 能创作无限的东西,但是审美依然是一个非常非常稀缺的品质和能力。 — 田浅浅
> [21:00](https://www.bilibili.com/video/BV1PWxT6cEaL?t=1260s) 你是一个没有人文关怀的人,那你用的 AI 可能就也是一个纯纯的机器。 — 田浅浅
> [09:30](https://www.bilibili.com/video/BV1PWxT6cEaL?t=570s) 我不认为超级个体是一种身份标签,超级个体只是一种状态,不是你可以印在名片上的东西 — 于一
> [00:00](https://www.bilibili.com/video/BV1PWxT6cEaL?t=0s) 我希望 AI 是来让我过上更好生活的,而不是让 AI 在我这边过上猫的生活,我想在 AI 那边过上猫的生活。 — 于一
## Mentioned 田浅浅, 于一, 叙事之间, 活在当下, 小慧博士, How I AI, 乔姆斯基, 珍·古道尔, 三体, DeepSeek, DeepSeek-R1, Claude, Kimi, 斯蒂芬·库里, 纳瓦尔·拉维肯特, 英伟达, GitHub, 微軟, Copilot, Office 365, Oppo, 红果短剧
## 弹幕氛围 (Danmaku mood) — 1 条 由于当前仅有一条弹幕,整体氛围较为冷静、客观与专注。观众在相应时间节点直接发送核心关键词,主要反应出对视频中所涉及的“一人公司”概念或商业模式的关注与记录。
**整体情绪**:😊 正面 20% · 😐 中性 80% · 😞 负面 0%
**热议点** - **对“一人公司”商业与工作模式的关注** —— “一人公司” - **提炼并呼应视频核心要点与关键词** —— “一人公司” - **独立开发与个体创业形态的讨论点** —— “一人公司”
**代表弹幕** > 一人公司
## Video description 最近读了一篇斯坦福的论文《煤矿里的金丝雀?关于AI近期就业影响的六个事实》。 以前矿工下井会带一只金丝雀,它对有毒气体比人敏感。金丝雀先倒下,矿工就知道该撤了。 论文借这个比喻提出:在美国一些更容易受到AI影响的职业里,刚入行年轻人的就业机会出现了收缩。ta们可能就是先感受到变化的“金丝雀”。
那主动拥抱AI的人,有更多的机会吗?能赚得更多吗? 从2023年开始用AI至今,我的收入有增有减。 减掉的,是大厂那份固定工资。在AI的刺激下,我下定决心离职,和AI开了家「一人公司」。至于增的部分…… 在这期视频中,我和两位来自AI产业研究、商业人文领域的嘉宾一起,聊聊AI带来的效率红利究竟流向了谁、「一人公司」是机会还是幻觉,以及普通人在这个AI越来越能干的时代,到底靠什么赚钱?
[Source](https://www.bilibili.com/video/BV1PWxT6cEaL)