课代表立正
大厂全职员工因机制错配无法捕获AI带来的生产力红利,传统高溢价技能正全面贬值,未来职业将由个人素质与结果调度能力重新定义。
AI-assisted summary of Creating content is more lucrative than most think, but it's easy to lose your way | An interview... — original source. Check the original for full context.
Source published:
Detailed notes
## Background 本内容由 YouTube 频道“课代表立正”于 2026 年 7 月 11 日发布。视频简介指出,这是一期探讨大厂职业、AI 发展与自媒体/创业选择的深度对谈,旨在为面临 AI 变革的从业者提供一套贴近现实的判断框架。
## TL;DR 对谈中,课代表立正分享了他离开大厂创办 Superlinear.Academy 的经验与思考,剖析了“打工”与“赚钱”在激励机制上的本质差异。他指出 AI 时代的本质是用自然语言调度算力,传统的高溢价技能正在贬值,职业将转向按结果与个人特质定义。此外,他还探讨了 Go-to-Market 对创业者的重要性、大厂里的“表演”现象,以及突破职业稳定感幻觉与理解复利效应的关键。
## Atmosphere & style 整场对话语气真诚、干货满满且带着清醒的批判性,既有对技术趋势与商业逻辑的冷静拆解,也有对大厂职场生态的直白讽刺。对谈氛围轻松接地气,既不煽动焦虑也不虚妄画饼,而是在理性的认知剖析后,最终落脚于“过好自己喜欢的生活”的温情与通达,给人带来踏实而具启发性的听觉体验。
## Key takeaways - [00:00](https://www.youtube.com/watch?v=OD88_4SOiG4&t=0s) 打工与赚钱存在本质区别,全职员工因激励错配无法捕获生产力提升(如 AI 提效)的实际红利,反易面临工作量暴增或裁员,而 Business Owner 才能将效率直接转化为实际收入。 - [00:49](https://www.youtube.com/watch?v=OD88_4SOiG4&t=49s) Superlinear.Academy 在没有长期预热的情况下能迅速实现课程变现,核心得益于创作者从 2020 年起在中文自媒体社区长期分享硬核科普所积累的信任资产。 - [04:33](https://www.youtube.com/watch?v=OD88_4SOiG4&t=273s) 学习 AI 的唯一检验标准是自己动手做产品(Build)并快速拿到真实用户反馈,而非强迫自己死磕枯燥的学术论文或追逐每一个新工具。 - [08:06](https://www.youtube.com/watch?v=OD88_4SOiG4&t=486s) 由于自媒体频道逐渐演变为商业流量载体,博主定位需要克服个人好奇心,展现出更强的纪律性并垂直聚焦在 AI 方向,避免因选题发散导致观众流失。 - [10:23](https://www.youtube.com/watch?v=OD88_4SOiG4&t=623s) Agentic AI(智能体)的底层本质在于让普通人能够直接“用自然语言调度底层算力”,从而打破了过去必须依赖编程或既定图形用户界面(GUI)的交互局限。 - [13:38](https://www.youtube.com/watch?v=OD88_4SOiG4&t=818s) 在 AI 冲击下,传统的编写代码和基础数据分析等高溢价技能正全面贬值,岗位职能开始向内塌陷,未来的职业定义将从“按技能定义”转向“按个人素质和特质定义”。 - [17:41](https://www.youtube.com/watch?v=OD88_4SOiG4&t=1061s) 绝大多数人由于长期受传统教育体制训练,严重缺乏自主赚钱和应对真实商业社会的能力,往往只具备由老板出题、员工解题的“打工能力”。 - [17:41](https://www.youtube.com/watch?v=OD88_4SOiG4&t=1061s) 大厂内部存在严重的“代理人问题”,大部分冗余岗位的具体日常工作与公司最核心的盈利飞轮并没有直接因果关系,这为职业稳定感带来了巨大的泡沫和幻觉。 - [21:55](https://www.youtube.com/watch?v=OD88_4SOiG4&t=1315s) 技术型创业者极易陷入“只要技术足够牛,用户就会送钱”的技术理想主义陷阱,事实上决定产品存活的关键往往是极难的 Go-to-Market(走向市场)策略与销售能力。 - [23:53](https://www.youtube.com/watch?v=OD88_4SOiG4&t=1433s) 复利公式的威力具有反直觉的“后段爆发”特征,绝大多数成果和爆发点都压榨在最末端的少数回合中,普通人无法享受红利本质上是因为缺乏耐心、等不到最后。 - [27:27](https://www.youtube.com/watch?v=OD88_4SOiG4&t=1647s) 打工者习惯用“当前年薪 $ imes$ 40年”来勾勒未来的安全感,但频繁的裁员和生活变故意味着长达40年的稳定职业路径在当前环境下大概率不会发生。 - [28:51](https://www.youtube.com/watch?v=OD88_4SOiG4&t=1731s) 大厂的日常工作在很大程度上具有“表演”本质,由于基层项目无法直接决定盈利核心,员工在汇报时的 Presentation 和 Demo 能力成为了进行组织利益分配的关键软实力。 - [31:00](https://www.youtube.com/watch?v=OD88_4SOiG4&t=1860s) 初创期和个体创作者(Nobody)应当杜绝复制大公司的多业务线模式,必须保持高度聚焦(Focus),“一次只能做好一件事”,抓住眼前的复利才能逐步走通商业路径。 - [31:00](https://www.youtube.com/watch?v=OD88_4SOiG4&t=1860s) 技术更迭不应该绑架生活,学不学 AI 只是手段而不是目的,在关掉电脑后的现实世界里,过上一个自己喜欢的舒服生活远比跟风追逐技术更重要。
## Detailed walkthrough 以下是根据录音文本整理的详细内容:
[00:00](https://www.youtube.com/watch?v=OD88_4SOiG4&t=0s) 赚钱与打工的本质区别
传统的学校教育培养了人们无缝衔接打工的能力,这种模式就像在学校里做试卷,做好就能拿高分。在公司里,老板派发任务,员工完成并获得赞赏或升职。然而,“打工”和“赚钱”完全是两码事。全职员工的激励机制往往与生产力提高处于错配状态(misaligned),他们无法享受到生产力提升带来的潜在收益,好处大都被老板占有,员工自己反而会变得更忙。
例如,若公司规定程序员写一个新功能奖励一万元,程序员可能会疯狂使用 AI 一天写十个,试图把公司“写到破产”。但现实往往是,当程序员利用 AI 写出十个功能后,老板可能会选择裁掉他身边的三个同事,甚至因为其他人也写了十个而将他本人裁掉。
- **全职员工的困境**:无法捕获生产力提升的溢价,只会导致工作量剧增或裁员。 - **更具合理性的两种角色**: * **Business Owner(业务所有者)**:直接对结果负责,生产力提高就能转化为更丰厚的实际收入,并能从结果中获得源源不断的热情(passion)。 * **小时工**:生产力提高意味着可以用更少的时间完成同样的工作,从而有精力做更多的事。
---
[00:49](https://www.youtube.com/watch?v=OD88_4SOiG4&t=49s) 创立 Superlinear.Academy 的初衷与自媒体积累
Dr. Sun(网络名“课代表立正”)分享了他离开 Statsig 并创办新公司 Superlinear.Academy 的动机。他坦言,辞职创业有一个官方原因和一个非官方原因。官方原因在于 AI 是这代人能经历的最大变革,但许多已工作的同学因白天时间有限、面对海量信息真假难辨而感到迷茫。基于他本人在 AI 领域的深厚涉猎,以及结识了极其优秀的工程师朋友“鸭哥”,两人便决定共同打造课程和社区,通过“教学相长”和不断尝试新事物来提升行业认知。而非官方的原因也十分现实:做这件事很有意思,而且“挺赚钱的”,从收入和增长前景来看,完全能够养活自己,是一条比回大厂工作更好的出路。
Superlinear.Academy 的第一期课程始于 2024 年 5 月。当时正值鸭哥放产假,随后 6 月份课代表立正也放产假,两人便利用这段长假完成了大量课件的编写并顺利开课。他们发现一个有趣的现象:在产假期间,该项目每个月都能带来不错的收入,但当重回全职工作后,由于没有时间投入,这部分收入“瞬间就快没了”;而现在全职出来创业后,收入又开始重新回升。
虽然很多人认为创业初期需要长期“圈养”和积累,不一定能很快见到收益,但课代表立正表示自己其实已经默默积累(“养”)了 5 年。最初他尝试在英文平台 Maven 上售卖课程,预期能吸引一半英文学员和一半中文学员。然而结果发现 90% 的学员都是通过他的中文自媒体频道引流而来的中文学员。他在英文平台上的个人履历虽然优秀,但海外用户对“为什么要向他学 AI”缺乏认知。相反,他在中文社区从 2020 年就开始做自媒体,持续分享 AI 内容。他在 2023 年撰写的科普文章《关于 ChatGPT 最重要的 5 个问题》曾是中文互联网上非常领先的硬核科普,至今其观点依然先进。他也曾受邀登上凤凰卫视的《一虎一席谈》进行分享。正是这些长期的信任资产,让他在推出课程时能够迅速变现。
---
[04:33](https://www.youtube.com/watch?v=OD88_4SOiG4&t=273s) 社区定位与产品迭代中的挑战
Superlinear.Academy 的社群网站主要由两个板块构成:一个是面向 YouTube 和 B 站会员的日常交流平台;另一个是以他和鸭哥的课程学员为主体的 ai-builders 社群,并邀请了诸多行业专家加入。这个社群的定位类似于“微信群加贴吧”,大家可以在里面讨论、发帖、分享自己的项目和见解。社群的价值在于其紧密的互动氛围,能够为缺乏初始粉丝量的创作者提供非常有意义的即时反馈。例如有学员在社群里发布了自己的项目,下面就会涌现出大量高质量的改进建议,而同样的成果如果发在小红书上,在没有粉丝积累的情况下可能根本无人问津。
谈到社群建立以来的困难,课代表立正认为它目前“只发挥了潜力的 1%”。此前因为全职工作的限制,他给自己的时间预期和期望值都很低,因此“多做一点都是赚到”,谈不上什么困难。但现在全职投入并有了更高的期待后,挑战便接踵而至: * **中英文受众的整合**:他认为在今天做主流的 AI 社区,必须坚持以英文为主、中英双语并存的策略。因为绝大多数成功的 AI 项目都需要出海,英文群体的付费能力更强。如果偏居美国却只做本地华人市场,天花板会很低。但由于目前 90% 的学员都是华人,社群内容自然沉淀为纯中文,如何完成跨语言、跨文化的社区整合是一个巨大难题。 * **课程价值的提炼与传递**:他和鸭哥两人为课程撰写了 300 多页的硬核课件,包含各种实战项目(projects),虽然确实能帮学员达到预期效果,但由于课程想达到的目标太多、内容太重,导致在落地页(landing page)上很难用简单、直白的语言让新用户迅速看懂这门课程的含金量。
在构思这门课程时,他们达成了一个极其核心的共识:“你学 AI 只有一个办法,那就是你自己用 AI 去做东西,一定要不停地做(builder)。”因为 AI 作为一个全新的领域,根本没有标准的教科书。即便是顶尖的 AI 专家,彼此的意见也常常不合,甚至在网上公开“对喷”。在这种环境下,学习的唯一检验标准就是你能不能借助 AI 做出一个过去做不出来、或者有用、能解决实际问题的东西。在动手建造(build)的过程中,创作者能真切体会到什么是有效的技术,获得极大的成就感与正向反馈。如果每天只是强迫自己去啃 बोरिंग(枯燥)的学术论文,绝大多数人(包括他自己)都是很难坚持下去的。
---
[08:06](https://www.youtube.com/watch?v=OD88_4SOiG4&t=486s) 频道运营与博主定位的纪律性
在全网观众眼中,课代表立正是一位“超级技术型网红”。他的访谈节目跨越了各行各业,既有偏技术和产品深度的专家,也有像樊登老师这样的文化名人,甚至还有厨师和调酒师(bartender)。关于如何筛选采访对象,他表示在全职创业之前,选题完全是“以自己的好奇心为主”。他曾明确向观众传达过,这个频道主要是做给他自己的,谁能引发他的好奇心、他想向谁请教问题,就会去发出采访邀请。
但随着频道逐渐演变为商业(business)的流量载体,他未来需要表现得更加有纪律性,将内容更加垂直地聚焦在 AI 方向上。虽然过去那种大杂烩式的跨界访谈吸引了一批非常特定的小众群体,也满足了很多人探索未知领域的需求,但绝大多数互联网观众看一个频道还是倾向于寻找垂直的定位。博主很难保证“自己感兴趣的东西恰好观众也全感兴趣”。过去由于内容过于发散,比如聊完调酒师、厨师又去讲生娃带娃的琐事,确实导致了一部分观众的流失。
对于自己未来在美食、读书、特斯拉股票等各种垂直细分博主中的角色定位,他给出的词是“成长”,但为了业务发展,最合理的标签依然是“AI 博主”。不过他补充道,自己并不想把路走得太窄、太专业,因为同样的话他不喜欢说第二遍。有些内容虽然他明知道讲出来能快速涨粉,但因为缺乏新鲜感,他也提不起重复讲述的兴趣。
---
[10:23](https://www.youtube.com/watch?v=OD88_4SOiG4&t=623s) Agentic AI 的本质:用自然语言调度算力
针对近期大热的 Agentic AI(智能体 AI),课代表立正分享了前沿洞察。他强调,在 AI 时代没有人能够准确预测 5 年后的发展,技术变化太快,且“AI 无所不能”或“五年内具身智能与机器人将无处不在”的想法是不现实的,机器人在物理世界中仍面临巨大的局限性。
他和鸭哥在 2024 年年底、2025 年年初就推出了一门专门针对 Agentic AI 的课程,并很早给出了行业定义。后续诸如 Manus、Cursor 等大热产品所呈现的 Agent(智能体)形态,完全符合他们当初的研判。在 2024 年底,鸭哥曾在 GitHub 上发布过一个魔改 Cursor 规则的开源项目(Cursor rules),斩获了 5,000 颗星。他们当时通过特殊配置让 Cursor 变得极其聪明,而这大半年来,Cursor 官方的核心迭代路线基本上就是把他们当时魔改的思路内置到了产品里(即现在流行的 vibe coding 或 AI coding 最好的工具)。
他们之所以能把技术趋势看得这么准,是因为牢牢抓住了 AI 的底层价值:**“AI 的价值是用自然语言调度算力”**。比尔·盖茨在 2023 年 GPT-4 刚发布时写过一篇名为 *The Age of AI Has Begun*(《AI 时代已然开启》)的文章。盖茨在文中写道,在他 70 多年的人生中,只看到了两个具有颠覆性的技术革新:第二个是 AI,而第一个既不是 PC、互联网、移动互联网,也不是操作系统或大数据,而是 **GUI(图形用户界面)**。
> “科技企业干的事情就是让人类可以调用算力。人类调用算力之前有两种方法:第一种是编程,第二种是用图形界面。”
以刷抖音为例,用户每刷新一个视频,背后需要服务器上传、处理、精准推荐,涉及海量的算力调度,但对用户而言,只需单指滑动图形界面即可搞定,这就是 GUI 的威力。然而 GUI 的致命问题是,普通人无法自己凭空做出一个按钮,所有的交互界面必须由开发者 build 好交给你,你才能使用;如果想跨越这个界限,就必须去学编程。而 AI 的降维打击在于,它允许任何普通人直接用自然语言去调度底层算力,做你想做的任何事。
这也是为什么 Agentic AI 是必然的演进方向。如果只是跟 ChatGPT 聊天,那依然是“AI 指挥人干活”(你问一答,最后执行的还是人);但 Agentic AI 实现了“人说 AI 做”。这背后依赖于大模型的**多步决策**、**工具调用**与**自我迭代**等核心特征。这些能力做得越好,AI 就越能无缝替人类分担工作。
---
[13:38](https://www.youtube.com/watch?v=OD88_4SOiG4&t=818s) AI 焦虑与职业素质的重构
面对 AI 带来的失业与替代焦虑,课代表立正拒绝粉饰太平。他指出,在如此巨大的技术变革面前,指望用过去那一套“划划水、上班写写 Java 就能拿高薪”的生活方式去追求稳妥安逸,是完全不现实的期望。
当下科技职场正在发生三大核心演变: 1. **技能的全面贬值(Premium Skills Cheapened)**:过去能轻松支撑起 10 万、20 万美元年薪的高溢价技能(如编写 Java、Python 甚至是做基础数据分析),在 AI 面前正变得越来越便宜,甚至免费。 2. **岗位职能的向内塌陷(Job Functions Collapse)**:当技能不再是壁垒,传统的岗位边界开始模糊。数据科学家可以兼顾数据工程,数据工程师也能轻松搞定数据分析,一个人能纵向链路通吃。 3. **职业定义的逻辑重构**:未来的职业不再由你掌握的特定“技能”来定义,而是由你的“个人素质与特质”来定义。
> “我之前我说,我是一个写 Java 的程序员。现在我说,我是一个懂增长的程序员,我是一个能让你的 code quality 非常好的程序员……更多人会注重素质。”
在这种趋势下,未来职场的突围路径要么是在特定素质(严谨、创意、增长思维)上极度突出,要么是在某项技能上达到 AI 无法企及的顶尖人类水准。以 AI 最擅长的写作动作为例,市面上最顶尖的文字和最高质量的文章绝对不是 AI 生成的。一流写作者的风格与思想是一直在演变和自我迭代的,AI 只能模仿过去的逻辑,却无法预知并引领人类情感的变化。这就像即便如今“预制菜”在成本和效率上具有绝对优势,但人类在情感和味蕾上,永远更渴望吃到带着烟火气的“大厨小炒”。
---
[17:41](https://www.youtube.com/watch?v=OD88_4SOiG4&t=1061s) 亚马逊飞轮的泡沫与打工人的思维墙
针对“大家都去当 Business Owner 会不会导致劣汰和泡沫”的质疑,课代表立正回应称,他所定义的 Business Owner 是指“需要亲自干活、且对最终结果负全责”的人。因为分配机制直接与个人收益挂钩,这类人在执行层面的卷度(工作拼命程度)往往远超普通的 Full-time Employee(全职员工)。在硅谷,很多 entry level(初级)或 senior(高级)以下级别的员工拿着微薄的薪水,而 VP 级别的管理层即便工作量没多出 100 倍,却拿着高出基数近百倍的几百万甚至上千万美金年薪。面对这种收入不平等,普通人很难仅仅通过“在岗位上努力向上冲”来实现破局。
他抛出一个直白的观点:**绝大多数人并不适合创业做 Business Owner,尤其是被上一代教育体制训练出来的人,他们严重缺乏自主赚钱的能力,只有打工的能力。** 打工的逻辑是学校教育的无限延伸——老板出题,员工做卷子,拿高分,得表扬,然后升职。但真实商业社会的赚钱法则完全是另一套逻辑。
课代表立正分享了自己从打工到创业的底层心态转变。他从 2023 年做会员频道、2024 年卖课开始,找到了一种在传统大厂里从未体验过的“种地般的感觉”——一分耕耘,一分收获。在公司里,员工往往每半年才能获得一次绩效反馈,但在面对市场时,每天早晨醒来哪怕看到多了一个人买课,那种即时的真金白银的收益反馈,对人的激励是无与伦比的。然而,绝大多数大厂员工被困在了“虚假的泡沫”里,从未经历过这种激励循环,因此不敢迈出赚钱的第一步。
他进一步剖析了大厂里的“代理人问题”(Agency Problem)。以亚马逊为例,其核心的赚钱飞轮(Flywheel)早在二三十年前就已经由高层和核心业务奠定了。今天大厂里绝大多数员工所从事的具体工作,其实跟公司核心业务赚不赚钱已经没有直接的因果关系。因为大厂庞大且极具规模性,里面的经理人们为了扩大自己的地盘、谋求自身的加薪升职,会疯狂招人扩张,从而衍生出大量的冗余岗位。
> “这些人所做的整个事情全都砍了,亚马逊仍然是亚马逊,赚的钱并不一定会少很多。这可能是个暴论啊,但反正我因为这么觉得,所以从腾讯出来之后,我就决定不回大厂了。”
当时甚至有 Facebook 的老上司邀请他回去,他也拒绝了,转而选择加入创业公司 Statsig 想要改变一些事情。然而在 Startup(创业公司)里他发现了新的痛苦:当个人的正确想法与公司的整体 Business 利益出现分歧时,作为员工你必须向商业妥协,被迫去干很多自己认为毫无用处、但对公司有阶段性利益的事情。
---
[21:55](https://www.youtube.com/watch?v=OD88_4SOiG4&t=1315s) 高效 Builder 与 Go-to-Market 的技术创业陷阱
在 Superlinear.Academy 的官网上,“帮助大家成为高效的 Builder”被放在了核心位置。课代表立正认为,成为高效 Builder 最核心的指标就是 **"Get things done"(把事情做成)**,即拥有极强的行动力。在实际观察中,他发现很多人极其享受“务虚”的过程——今天开会对齐、明天讨论宏大愿景、后天到处跟人吹嘘产品的未来蓝图,结果半年过去了,写了无数行代码,却连一个真实的种子用户都没有。一个真正的 Builder 应该心中有一团火,迫切地渴望把产品尽早扔到用户面前,去接受用户的痛骂和真实的反馈,进而不断迭代。
针对那些信奉“只要技术足够牛,用户就会自愿追着赶着送钱”的技术理想主义者,他一针见血地指出:**“那是幻想主义者,不是理想主义者。”**
因为这些人根本没有认真研究过商业历史(Business History)。放眼全球,100% 的创业项目在技术层面,市场上都一定能找到比你做得更好的人。在技术无法形成绝对世界第一的技术壁垒时,决定一个产品能否存活、凭什么你能比对手更快获取用户的核心,其实是销售、市场和 **Go-to-Market(走向市场)** 的策略。这些才是商业世界里最难、门道最深的学问。
可悲的是,他认识的几乎所有技术型创业者,在创业的第一步都会在上面栽跟头。大家往往在付出了惨痛的创业学费之后,才恍然大悟:原来 Go-to-Market 这么难、这么重要。所以那些经历过挫败的“第二次创业者”,无一例外都会选择在写第一行代码之前,先去跑通 Go-to-Market 流程。
---
[23:53](https://www.youtube.com/watch?v=OD88_4SOiG4&t=1433s) 反直觉的复利公式与长期主义的耐心
关于“复利式成长”,人们往往容易把它狭隘地理解为每年稳定增长 10% 或 1% 的一条“直线”,但人类的大脑在直觉上其实极难真正理解复利曲线。课代表立正曾专门制作过一个视频,通过三个具体的复利公式和商业历史案例来帮大家拆解这一概念:
* **公式一:微小差异的几何级放大** $1.02^{50}$ 与 $1.03^{50}$(即 2% 的周增长率与 3% 的周增长率在 50 次方后)的最终结果会相差整整 **7 倍**。这个数字源于他采访前 Facebook 资深 VP Mike Vernal 时的真实例子。当时 Facebook 拥有上亿用户,小扎(马克·扎克伯格)的目标是冲到 10 亿。当时团队发现周增长率从 2% 掉到了 1%,整个高层极其焦虑。为了把这看似微小的 2% 的差距拉回来,Facebook 专门组建了一个增长团队(Growth Team),赋予他们修改任何底层代码的特权,唯一的 KPI 就是把周增长率从 1% 想尽办法拉回 3%。最终他们做到了,并在短短四年内成功实现了 10 亿用户的跨越。这就是所谓的 *"The main thing is to keep the main thing the main thing"*(最重要的事就是保持核心目标的纯粹)。
* **公式二与三:后段爆发与反比例增长** 在复利增长中(以 1.03 为基数),如果总共有 200 个回合,那么最终财富或成果的 80% 都来自于最后 50 个回合的“临门一脚”。更反直觉的是,如果将回合数拉长到 2000 个回合,这 80% 的爆发点依然来自于**最后的 50 个回合**,它并不是按比例拉长,复利只会把威力压榨在最末端。
股神巴菲特的一生财富中,有超过 90% 的财富是在他 60 岁以后才赚到的,这便是复利威力在时间末端的集中显现。然而,普通人之所以无法享受到复利的红利,本质上是因为**缺乏耐心,等不到最后**。
在日常生活中,无论是戒烟、运动,还是利用 AI 改变工作流,都是具有复利效应的事。很多人今天花了一个小时研究 AI,发现生活没有发生任何变化;第二天、第三天、做满一个星期,依然毫无波澜,于是绝大多数人就在前几周选择了放弃。而那些坚持做了一年、两年的 builder 才会发现,自己和一年前相比已经完全不可同日而语。这些质的飞跃,往往全部集中爆发在这一年中的最后一个月。因为在前面漫长且看似毫无效果的时间里,他们默默积累了工具箱、迭代了使用方法、在建造过程中搭好了各种技术脚手架。随着动作越来越快,他们看一眼新工具就知道成不成,在失败了十个 APP 之后,终于在最后一个月洞悉了用户的真实喜好,从而一举做出了真正爆发的爆款产品。
[27:27](https://www.youtube.com/watch?v=OD88_4SOiG4&t=1647s) 职业稳定感的幻觉与未被内化的现实
在谈到长期主义和耐心时,课代表立正指出,大家之所以缺乏耐心,并不是真正缺少这个品质,而是被大厂的晋升机制和职业路径所误导。在大厂打工,收入通常从10万、15万、20万、30万逐年稳步增长。如果单纯套用复利公式,很多人会幻想自己等到成为 VP(副总裁)时,收入就能达到千万级别。但残酷的现实是,一千个人里才可能出一个 VP,绝大多数人无法走通这条路。
更核心的问题在于,职业生涯给人一种“虚假的稳定感”。大家在规划未来时,习惯于拿今年的程序员薪资加上每年的微幅增长,然后乘以40年的工作年限,并以此来规划一生的消费。然而,稳定工作40年这件事情在当下的环境下大概率不会发生。随着各大厂频繁裁员,加上家庭、生活的突发变故,或者个人梦想和方向的转变,这种稳定感会在不工作的那一刻瞬间化为乌有。课代表立正强调,“懂和内化是两件事”,虽然很多人听到“无法稳定工作40年”时会点头赞同,但内心深处并没有真正接受这个现实,依然幻想着稳定。
- 职场复利幻觉:误以为收入能持续线性或指数增长至千万 VP 级别,忽视了 1/1000 的极低晋升概率。 - 虚假的40年模型:打工者习惯用“当前年薪 $\times$ 40年”来计算安全感,忽视了裁员和生活变故的风险。
---
[28:51](https://www.youtube.com/watch?v=OD88_4SOiG4&t=1731s) 大厂的“表演”本质与小团队的聚焦
聊到回国去腾讯等大厂工作的经历时,课代表立正坦言,他去每一家新公司时都曾以为自己会待上十年八年,但总会有意料之外的事情打破预期。在他看来,中国和美国的大厂在工作环境上本质上大同小异。大厂通常有一两个极其赚钱的核心业务(例如谷歌的搜索、Facebook 的广告、亚马逊的电商),这些业务像一个强大的飞轮,自己就能不断赚取利润并提升竞争力。然而,大厂里绝大多数人的日常工作,实际上跟这些核心业务并没有直接关系,或者无法对核心业务产生实质性影响。
这就导致了大厂的大多数日常工作本质上是在“表演”。员工需要通过精湛的表演让老板以及老板的老板觉得好,帮助自己的主管在更高层面前树立良好形象,从而换取升职加薪的机会。这也是为什么大厂极度强调沟通能力(communication)和软实力(soft skills)。课代表立正坦言,自己做节目也常常强调沟通,因为在组织里,技术再强、东西做好,如果得不到同事和领导的认可,同样无法晋升。除了像 Transformer 这样几万分之一概率能改变世界的级别,绝大多数技术对大厂而言都无足轻重。既然项目本身无法直接决定核心业务,那么在汇报时所展现的 Presentation 能力、Demo 能力,本质上就是一种维持组织运转和进行利益分配的“表演能力”。
- 大厂的核心业务飞轮:谷歌搜索、Facebook 广告、亚马逊电商,这些核心业务自带高额盈利能力。 - “表演”的本质:绝大多数员工的工作对核心飞轮无足轻重,因此升职加薪往往取决于 Presentation 和 Demo 的表演效果。
---
[31:00](https://www.youtube.com/watch?v=OD88_4SOiG4&t=1860s) 从 Nobody 到 Somebody:专注与最后的时代祝福
谈及对未来事业的规划,课代表立正表示,现阶段他必须保持高度聚焦(focus),全力以赴把当前的 AI 课程和社区做好,并在此基础上探索产品的可能性。虽然科技行业变化迅速,无法保证一年后课程依然是最值得做的事情,但他深信“一次只能做好一件事”,抓住眼前的复利才是关键。没有任何一个人或公司的成功是一上来就同时做好十件复杂的事,强如亚马逊、微软也是在规模变大后才开始划分出两到三个核心业务。他自嘲自己目前只是个“小卡拉米”(nobody),不能盲目去复制大公司的经验,而是要先学习一个 nobody 如何通过聚焦一步步变成一个“有点东西的人”。
在访谈的最后,作为对西雅图中文电台听众的祝福,课代表立正给出了一个令人感到意外却格外踏实的观点。他认为,虽然身处科技行业感觉全世界都在讨论 AI,但只要关上电脑,或者去餐馆吃顿饭,就会发现 AI 其实并没有那么大程度地影响到普通人的真实生活。他真诚地祝福大家能在这个时代过上舒服、自己喜欢的生活。他强调,学不学 AI 都只是手段而不是目的,“过上一个自己喜欢的生活是更重要的”,不要被技术的更迭绑架,非学 AI 不可。主持人对此表达了高度赞赏,并积极推荐了课代表立正的 Superlinear Academy 平台。主持人分享了自己做调研时的感受,认为在这个时代,能够拥有一个让人认真写东西、认真看别人的产出、并能获得深度反馈和交互的社区,是非常难能可贵的。
## Notable quotes > [04:33](https://www.youtube.com/watch?v=OD88_4SOiG4&t=273s) 你学 AI 只有一个办法,那就是你自己用 AI 去做东西,一定要不停地做(builder)。 — 课代表立正
> [10:23](https://www.youtube.com/watch?v=OD88_4SOiG4&t=623s) AI 的价值是用自然语言调度算力 — 课代表立正
> [10:23](https://www.youtube.com/watch?v=OD88_4SOiG4&t=623s) 科技企业干的事情就是让人类可以调用算力。人类调用算力之前有两种方法:第一种是编程,第二种是用图形界面。 — 课代表立正
> [13:38](https://www.youtube.com/watch?v=OD88_4SOiG4&t=818s) 我之前我说,我是一个写 Java 的程序员。现在我说,我是一个懂增长的程序员,我是一个能让你的 code quality 非常好的程序员……更多人会注重素质。 — 课代表立正
> [17:41](https://www.youtube.com/watch?v=OD88_4SOiG4&t=1061s) 绝大多数人并不适合创业做 Business Owner,尤其是被上一代教育体制训练出来的人,他们严重缺乏自主赚钱的能力,只有打工的能力。 — 课代表立正
> [17:41](https://www.youtube.com/watch?v=OD88_4SOiG4&t=1061s) 这些人所做的整个事情全都砍了,亚马逊仍然是亚马逊,赚的钱并不一定会少很多。这可能是个暴论啊,但反正我因为这么觉得,所以从腾讯出来之后,我就决定不回大厂了。 — 课代表立正
> [21:55](https://www.youtube.com/watch?v=OD88_4SOiG4&t=1315s) 那是幻想主义者,不是理想主义者。 — 课代表立正
> [23:53](https://www.youtube.com/watch?v=OD88_4SOiG4&t=1433s) The main thing is to keep the main thing the main thing — Mike Vernal
> [31:00](https://www.youtube.com/watch?v=OD88_4SOiG4&t=1860s) 过上一个自己喜欢的生活是更重要的 — 课代表立正
## Mentioned 课代表立正, Dr. Sun, 鸭哥, 樊登, 比尔·盖茨, 马克·扎克伯格, Mike Vernal, Statsig, Superlinear.Academy, 腾讯, 亚马逊, Facebook, 谷歌, 微软, 凤凰卫视, 西雅图中文电台, YouTube, B站, 小红书, GitHub, Maven, ChatGPT, Cursor, Manus, Transformer, 关于 ChatGPT 最重要的 5 个问题, The Age of AI Has Begun, 一虎一席谈
[Source](https://www.youtube.com/watch?v=OD88_4SOiG4)