课代表立正

AIE 与热闹的大型科技展有什么不同？这场 AI Engineer 大会要求一线团队用短 Keynote 和真实 Demo 讲清楚已经做出了什么。主播从旧金山 World’s Fair 现场出发，也解释为什么决定把它带到上海。 适合 AI 工程师、研究者、技术创业者和正在判断行业方向的人，帮助你了解中美 AI 团队在开源模型、AI Infra、Agent 与 Physical AI 上有哪些不同实践，以及 AIE 上海想连接哪些人。 这期你会听到 • 为什么主播没有去 CES，却认为 AIE 能持续带来认知更新？ • 短 Keynote、真实 Demo 和一线从业者，如何形成 AIE 的工程师文化？ • 中国开源模型受到全球关注后，中美 AI 生态为什么更需要直接交流？ • Cursor、Ollama、Pydantic、Daytona 与中国模型团队将带来哪些实践视角？ • AIE 如何从技术社区聚会成长为全球大会，上海站又会聚焦哪些主题？ 章节 00:00 — 我为什么不去 CES，却来到 AIE 00:19 — AIE 有何不同：短 Keynote、真 Demo 01:45 — AI Engineer 大会首次来到中国 02:33 — 为什么要连接中美 AI 生态 03:03 — 上海站有哪些参与团队 03:50 — AIE 如何从技术社区走向全球 04:33 — OpenAI Jason：从第一届一路看到今天 05:24 — MiniMax：用户会在现场给什么反馈 05:51 — 上海站主题与参与方式 相关内容 观看本期视频版 阅读本期文字稿 AIE Shanghai 2026 时间：2026 年 11 月 5–6 日 地点：上海虹桥希尔顿 活动详情、报名、演讲与赞助申请： https://www.ai.engineer/shanghai/2026 加入Superlinear Academy免费社区 带上正在开发的 AI 产品、基础设施或真实 Demo，和一线 Builder 交流具体问题与实践。 https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

ChatGPT、Claude Code 和自动化工作流能提高效率，却不会自动创造收入。主播以已有 3000 多名付费学员的课程为例说明：好产品仍不会自动卖出去。要经营可持续的超级个体，顺序应是先找到有价值的产品，再解决销售，最后才用 AI 加速兑现。 适合准备从专业人士转向创业者，或已经在经营个人业务的人，帮助你判断当前瓶颈究竟在产品、销售还是效率，并避免用追逐工具代替市场验证。 这期你会听到 • 为什么产品决定价值与理论天花板，销售却决定业务实际能做多大？ • 产品、销售和效率为何需要采用不同的迭代周期？ • 从一对一咨询走向标准化产品时，哪些核心洞察应当保留？ • 为什么效率只能改变兑现速度，不能拯救没有需求的产品？ • 面对不确定性，创业者思维与好学生思维有什么区别？ 章节 00:00 — 为什么要重新审视“超级个体” 01:13 — 从好学生思维转向创业者思维 01:56 — 识别照做就能成功的确定性陷阱 05:25 — 销售决定 One Person Company 的上限 10:11 — 产品、销售、效率及其不同迭代周期 11:56 — 产品可变，核心洞察要持续深化 15:48 — 从一对一咨询到标准化产品 18:01 — 效率影响增速，不决定天花板 19:15 — AI 操作系统不等于某款工具 相关内容 观看本期视频版 阅读本期文字稿 加入Superlinear Academy免费社区 先写下当前业务最卡的是产品、销售还是效率，再带着一个真实案例拆解瓶颈。 https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

The Tech Roast Show 把对独角兽、高薪和大厂文化的吐槽做成七位数生意，但三位主创没有把辞职包装成勇气故事：微软时期积累的副业、住父母家、Airbnb 收入与政府补助，都是这笔账不可省略的条件。 适合想离开大厂、经营创作事业或组建小团队的人，帮助你诚实核算现金流、支持系统与练习周期，而不是只看成功后的结果。 这期你会听到 • 四个平等合伙人、三名全职员工和十到二十个长期协作者，怎样撑起七位数生意？ • Austin 在微软工作的阶段，为辞职提前铺设了哪些副业条件？ • Jesse 与 Nikita 如何用不同方式降低长期练习的生活成本？ • 为什么房产、Airbnb、家庭支持与政府补助必须纳入辞职叙事？ • 恐惧、喜剧社群与舞台即时反馈，如何把热爱推向持续行动？ 章节 00:00 — 把科技吐槽经营成七位数生意 01:16 — 软件工作与喜剧工作的稳定性 02:12 — 四个合伙人与三名全职员工 03:56 — 印度巡演背后的协作网络与公司化 05:31 — 微软副业与四万美元补助：辞职前的风险缓冲 06:37 — Jesse 与 Nikita 的低成本练习期 07:37 — 诚实核算辞职背后的特权 08:34 — 恐惧、社群与即时反馈 本期嘉宾 Austin、Jesse 和 Nikita 是 The Tech Roast Show 的三位主创。Austin 从微软转向演出，Jesse 经历长期低成本生活，Nikita 则从 VR 游戏开发转向用非母语讲脱口秀。 相关内容 观看本期视频版 阅读本期文字稿 加入Superlinear Academy免费社区 带来把创作变成生意的现金流测算，连同支持条件与协作成本，请大家检查风险缓冲。 https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

AI 降低了投递成本，却没有降低判断成本：求职者批量申请，招聘方则被相似简历淹没。Ethan 表示，录制时 Jobright 以不到 10 名全职员工服务 200 多万注册用户，ARR 约 700 万美元。本期从平台和求职者两端拆解这场“双向噪音”。 适合 New Grad、H-1B 求职者、转行者、Mid-to-Senior，以及在做招聘产品的 Founder，帮助你选择投递策略，并理解 AI-native 人才、产品壁垒和 distribution。 这期你会听到 • 为什么“海投还是精投”不是适用于所有求职者的二选一？ • 企业需要的 AI-native 人才，为什么必须用领域判断完成 close the loop？ • H-1B Filter 如何从用户访谈中长出来，并回应真实求职压力？ • 实时职位数据和个性化推荐为何比单纯改简历更接近 Jobright 的产品壁垒？ • AI 降低开发成本后，Founder 为什么仍要亲自理解用户并做 distribution？ 章节 00:00 — AI 招聘市场的核心矛盾 01:12 — Ethan、Carina 与 Jobright 03:15 — 不到 10 人服务 200 多万用户，ARR 约 700 万美元 05:15 — 招聘为何陷入“双向噪音” 12:37 — 不同求职阶段需要不同策略 24:51 — AI-native 人才的判断与闭环 32:50 — Ethan 为什么首先不建议创业 43:23 — 用户访谈如何催生 H-1B Filter 60:27 — 收费、转化与 distribution 74:20 — 给求职者与创业者的建议 本期嘉宾 Ethan Zheng 是 Jobright 联合创始人兼 CTO，拥有机器学习与数据库博士背景，曾任 Twitter 机器学习工程师。Carina 录制时任 Expedia Data Scientist，分享了裁员与 H-1B 压力下的求职复盘。 相关内容 观看本期视频版 阅读本期文字稿 完整版131分钟： https://youtu.be/zrypqOaq3nM 加入Superlinear Academy免费社区 拿出正在使用的求职或招聘方案，附上筛选信号与噪音样本，请大家改进判断机制。 https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

标题里的“豆包还是 Codex”不是产品跑分，而是聊天式工具与 agentic 工具两种工作方式的对比：前者多在对话里给答案，后者能调用文件、代码和工作流，连续完成一整段任务。真正的变化，是把目标而非零散问题交给 AI。 适合想突破聊天窗口、又担心自己没有编程背景的非技术用户，帮助你判断该从哪里开始，并把自然语言指令变成可重复执行的工作流。 这期你会听到 • Chat 与 agentic 工具在执行边界上有什么根本区别？ • Codex 如何串联音频转码、转录、高光提取与文档整理？ • 为什么换工具界面不够，工作流才决定生产力上限？ • Claude Code、Cursor 等工具如何减少人在各环节的反复介入？ • 非技术用户可以怎样安排一周练习，建立调度工具和算力的习惯？ 章节 00:00 — 成为 AI 高手的关键转变 01:00 — 聊天工具为何限制能力上限 02:00 — Chat 与 agentic 工具的差别 03:00 — 从视频后期到发布的完整工作流 06:00 — 工作流如何决定生产力上限 08:00 — 开始使用 Codex 等工具 10:00 — 非技术用户的一周练习 12:00 — 像学游泳一样进入真实实践 相关内容 观看本期视频版 阅读本期文字稿 文章： https://www.superlinear.academy/c/ai-resources/stop-using-chatgpt 加入Superlinear Academy免费社区 带上想交给代理工具完成的完整目标、文件与验收条件，请大家拆解成可重复工作流。 https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

模型像是给每个人配了 50 个博士级助手，多数人的工作却没有同步改变。徐老师用 TQ 解释人与模型能力之间的落差，并从 Agent、FDE 和产品逻辑出发，讨论个人与组织如何真正转向 AI 原生。 适合正在判断职业方向、设计组织结构或重做产品流程的人，帮助你区分工具使用与底层能力变化，并评估哪些工作值得交给 AI。 这期你会听到 • 为什么模型能力很强，个人的 TQ 却可能仍然很低？ • IQ 如何同时包含 intelligence 与 intensity，EQ 又为何需要考虑注意力？ • 为什么任务不应只在“找人还是用 Agent”之间选择，还要考虑多个 Agent 协作？ • 咨询顾问、设计师和运营如何转向 FDE 或 AI 原生从业者？ • 开发成本下降后，分发、用户与执行速度为什么会成为新的产品约束？ 章节 00:00 — AI 时代，职业选择该看什么 03:00 — 用 IQ、EQ 与 TQ 重估个人能力 06:00 — 为什么不是 100 个 Agent？ 12:00 — 训练 TQ，重写产品开发逻辑 17:00 — FDE 崛起如何改变职业选择 23:00 — AI 原生一代应该培养什么 28:00 — 一人公司与扁平化组织 34:00 — 白领适应 AI 的窗口正在缩短 38:00 — 把 AI 当作团队成员 40:00 — FDE、用脑卫生与创始人心态 本期嘉宾 徐老师现任 Gen 首席 AI 与创新官，负责 AI 原生浏览器 Norton Neo；早年曾在 VMware 从零搭建网络团队。本期他聚焦 AI 原生从业者的能力、职业与组织选择。 相关内容 观看本期视频版 阅读本期文字稿 加入Superlinear Academy免费社区 列出当前仍由人完成的认知任务，带上质量要求与组织约束，请大家判断哪些值得交给智能工具。 https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

想靠一天的意志力推翻多年习惯，通常只会回到原点。所谓顺天改命，是让mindset与behavior逐步对齐，用长期行动改变未来概率，再进入一个把Builder式解决问题当作默认值的环境。 适合反复立目标却难以持续、正在学习AI或开发产品的人，帮助把自律焦虑改写成习惯积累、环境选择与下一步行动。 这期你会听到 • 为什么一次强烈行动很容易被原有mindset和behavior抵消？ • 怎样用持续练习把“遇到问题就打开Codex”变成Builder习惯？ • 为什么知行合一不是知道后立刻做到，而是长期改变每次选择的概率？ • 有效环境为何需要行动者、可见的成长阶梯与坦诚分享？ • 默认值与微小校准如何共同构成顺天改命的长期路径？ 章节 00:00 — “逆天改命”为何容易失败 01:00 — 把命理解为未来概率 04:00 — mindset如何塑造behavior与习惯 06:00 — 别高估一天，也别低估一年 08:00 — 环境如何重写默认值 12:00 — 行动阶梯与坦诚分享 16:00 — 用微小校准积累超线性增长 相关内容 观看本期视频版 阅读本期文字稿 加入Superlinear Academy免费社区 带来反复中断的目标和真实行动记录，和大家设计能逐步替代旧习惯的环境调整。 https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

一个200人的养狗微信群、一家每月开团的买手店、每月一场总会满员的线下活动——以及过去一年仍然为负的净利润。Vera和粒粒把养两只大型犬积累的经验做成副业，这期不讲抽象的“从零到一”，而是拿她们的真实账单、用户和产品逐项判断：需求到底在哪里，什么应该先做，什么只是看起来像生意。 这期你会听到 • 用户真正需要的不是“更多商品”，而是有人替他判断什么值得信 • 为什么先给6个朋友打电话、当场收100元定金，比一百句口头支持更接近真实需求 • 怎样从用户已有支出倒推定价，一两千人的垂直社群为什么可能足以成为全职生意 • 产品只有30分时为什么就该launch，以及线下店为什么很容易成为一条昂贵的退路 章节 00:00 — 两个狗妈，两只70磅的doodle 02:05 — 这个副业过去一年的净利润是负的 03:22 — 想做一个爆款遛狗包，为什么被劝停 05:28 — 一个月在一只狗身上到底能花多少钱 11:35 — 一小时200元的私教课，训的其实是人 22:18 — 从狗妈到买手店：现在在做的三块生意 29:40 — 打6个电话、当场收100元定金，验证真实需求 32:40 — 从价值倒推定价，社群为什么是高性价比生意 36:52 — 做一个业务，最难的其实是增长 37:45 — 你只有两次机会，但产品30分就该launch 43:14 — 要不要开线下店 本期嘉宾 Vera是一名资深UX Designer，粒粒从事环境合规政策分析。两人在西雅图因为养同款大型犬认识，后来共同发起Lumitails（光尾物语），从doodle群发展出买手店、线下活动与播客。 相关内容 观看本期视频版 阅读本期文字稿 加入Superlinear Academy免费社区 如果你也在把自己的经验做成真实产品或副业，欢迎与2万+成员一起交流；社区里已有700+真实项目与实践分享： https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

意识到生成式AI可能压缩知识工作的价值后，主播一度认真筹备回美国开餐馆，最终却走向知识付费。本期复盘这条转型路径，也直面内容商业化最难的部分：消费者购买前只能先判断信任。 适合想摆脱打工、尝试卖课或发展独立收入的人，帮助判断实体生意、ToC内容业务和ToB企业培训各自解决什么问题。 这期你会听到 • 为什么对知识工作的担忧，最初把选择推向开餐馆这样的实体生意？ • 放弃餐馆后，会员频道与课程如何成为知识付费的试验路径？ • 内容商业化中，为什么高质量课程在购买前难与精美包装拉开差距？ • 从ToC转向ToB，改变了客户需求、信任建立和交付方式的哪些部分？ • 企业培训的一线反馈如何反哺课程内容与后续业务选择？ 章节 00:00 — 从大厂打工转向知识付费 03:00 — 生成式AI与知识工作的倒计时 06:00 — 寻找公司之外的收入来源 07:00 — 为什么放弃去美国开餐馆 08:00 — 从会员频道走到课程迭代 11:00 — 卖课为何容易被误解 14:00 — 从ToC调整到ToB 17:00 — 企业需求如何反哺课程 20:00 — Superlinear APP与业务下一步 相关内容 观看本期视频版 阅读本期文字稿 加入Superlinear Academy免费社区 把你的独立收入设想带来，列出目标客户、交付方式与信任门槛，请大家检验商业假设。 https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

Codex只听到一句“帖子更新一下”，就修改了面向大量用户的公开内容；改得不错，却依然越过了流程边界。本期讨论为何不能简单收回Agent权限，而要在自主执行与高后果操作之间设置approval gate。 适合让AI接触邮箱、社区、部署或客户系统的人，帮助区分日常自主任务与必须人工确认的操作，并设计可执行的验收标准。 这期你会听到 • 为什么Agent产出的内容正确，仍不代表它有权直接发布？ • 模糊指令与过高权限如何共同造成Codex先斩后奏？ • 怎样设置approval gate，让日常任务独立完成、对外操作必须确认？ • access control与逐次审批分别解决什么问题？ • 为什么理解能力边界和验收标准，可能比fancy prompt更重要？ 相关内容 观看本期视频版 阅读本期文字稿 加入Superlinear Academy免费社区 展示准备接入邮箱或发布系统的代理流程，标出高后果操作，请大家审查审批边界。 https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

超线性增长真正困难的不是偶尔做对一次，而是长期保持：把自己放进持续进步的环境，让更多当下动作在未来产生复利。本期说明为何长期主义是参与AI时代的一种基本策略。 适合已经尝试学习AI、做项目或经营个人成长，却难以持续的人，帮助判断什么样的环境能让一次进步变成长期积累。 这期你会听到 • 为什么超线性增长的难点是“保持”，而不是单次做对？ • 哪些动作能够在未来继续产生复利，而不是完成后立即归零？ • 持续进步的环境如何支持长期主义，而不只提供短期刺激？ • Stay Superlinear为何采用订阅制社区来承载这种长期积累？ 相关内容 观看本期视频版 加入Superlinear Academy免费社区 带来难以坚持的长期项目和当前节奏，和大家设计能让行动持续积累的环境实验。 https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

模型和API人人可用，稀缺的是把AI Agent交付成可靠业务结果的人。Jove从Cresta的一线实践解释FDE如何补上最后一公里：处理RAG、幻觉和guardrail，也理解业务、赢得客户信任并对结果负责。 适合工程师、创业者和企业AI负责人，帮助判断FDE是否值得转型、企业为何需要这一角色，以及招聘时该看技术还是交付能力。 这期你会听到 • Forward Deployed Engineer与传统驻场工程师的组织位置和责任有何不同？ • FDE如何把客户现场问题带回产品，并缩短AI Agent的time to value？ • 语音AI进入酒店、银行或餐馆时，RAG、延迟与业务细节为何构成最后一公里？ • 为什么客户信任可能比模型、guardrail和工程实现更难积累？ • Cresta如何通过编程、工程实践、行为沟通与限时构建任务面试FDE？ 章节 00:00 — Jove与FDE岗位扩张窗口 02:20 — AI Agent FDE负责什么 06:50 — 创业经历为何适配FDE 09:30 — 把客户现场反馈带回产品 16:00 — 语音AI如何进入真实服务场景 23:00 — 技术之外更难的是客户信任 26:20 — 模型易得，最后一公里难做 32:00 — FDE的人才画像与面试方式 38:30 — 从掌握技能到对结果负责 39:30 — FDE在北美与国内的不同条件 本期嘉宾 Jove在温哥华的AI公司Cresta带领约30人的FDE团队，预计扩展到100人；他曾在Splunk、EMC担任工程师和管理者，也有开发实时数据管道和流式数据库的创业经历。 相关内容 观看本期视频版 阅读本期文字稿 完整版56分钟： https://youtu.be/MF30YbZCRbM 加入Superlinear Academy免费社区 拿出卡在交付末端的企业智能项目，写明技术故障、业务约束与信任障碍，请大家诊断。 https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

AI把写代码、数据分析等premium skill变便宜之后，提高生产力未必会让全职员工受益。本期从离开Statsig创业谈起，讨论Agentic AI、business owner的激励机制，以及为什么Builder最终必须面对用户与Go-to-Market。 适合担心AI重构职业、会用ChatGPT或Cursor却没有真实产出的人，帮助判断技能溢价、收入分配和职业定位将如何变化。 这期你会听到 • 为什么Agentic AI的关键不是聊天，而是用自然语言调度算力？ • 全职员工、business owner与生产力红利之间存在怎样的激励错位？ • 当premium skill变便宜、岗位边界合并，职业会如何从技能转向结果与个人特质？ • 持续做东西并拿到用户反馈，为什么比追完所有工具更能培养Builder？ • 技术创业者为何常在产品完成后才看见销售与Go-to-Market的难度？ 章节 00:00 — 离开Statsig后为何做AI教育 04:33 — 用项目反馈建立课程与频道定位 10:23 — Agentic AI让自然语言调度算力 13:38 — 生产力红利究竟归谁 19:13 — 从会打工到成为business owner 23:53 — 复利与职业稳定感的幻觉 28:51 — 大厂表演、小团队聚焦与生活选择 本期嘉宾 课代表立正（Dr. Sun）是Superlinear.Academy创办者；这期回顾他离开Statsig后经营AI课程、社区与内容业务的实践。 相关内容 观看本期视频版 阅读本期文字稿 加入Superlinear Academy免费社区 带来用智能工具做出的内容或产品，附上用户反馈与付费证据，请大家检验价值转换路径。 https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

明知工作有毒、关系恶化或资产继续下跌，却仍然“先这样吧”，不一定是胆小，而可能是熟悉感、责任规避和身份绑定共同把坏现状伪装成安全，持续消耗一个人的agency。 适合察觉环境正在变坏、却迟迟无法离开的人，帮助识别自己是在理性等待，还是被沉没成本和习得性无助困住。 这期你会听到 • 为什么熟悉感会把一个确定变坏的环境误报为安全？ • 责任规避如何让“什么都不做”看起来不像一种选择？ • 环境钝感为何会诱使人用更多努力抵消持续下坡？ • 身份绑定与沉没成本怎样让离开的代价越拖越高？ • 如何识别习得性无助，并通过行动逐步找回agency？ 章节 00:00 — “先这样吧”如何吞掉选择 01:00 — 留在坏环境里的心理机制 02:00 — 在亚马逊toxic组耗尽后被裁 03:00 — 从山东到上海读高中的选择 06:00 — 熟悉感与责任规避的陷阱 07:00 — 环境钝感让努力抵消下坡 08:00 — 身份绑定制造沉没成本 09:00 — 习得性无助如何阻止离开 11:00 — 找回选择方向的agency 12:00 — 别把方向盘交给现状 相关内容 观看本期视频版 阅读本期文字稿 加入Superlinear Academy免费社区 把迟迟没有离开的坏环境当作案例，带上沉没成本、责任与身份顾虑，请大家推演可逆行动。 https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

屠龙从脑科学博士后走进商业世界，做过教育高管，也创业卖过书、护肤品和课程。她反复验证的一条原则是：不要坐在家里推演，要去现实里拿一手信息。先做销售还是先做产品、为什么一个品类能爆另一个卖不动、什么时候不该看竞对——这期聊的都是创业真正落地以后才会遇到的判断题。 这期你会听到 • 为什么她在2016年开车穿过宾州农村，与陌生人聊天后提前看见美国政治的转向 • 从0到5万粉丝用了7年，从5万到80万只用了半年：非线性增长的拐点从哪里来 • 先学销售、再做产品，怎样用真实交易代替想象中的用户需求 • 一个说话直接、不擅长圆滑的人，怎样在复杂现实里继续把事做成 章节 00:00 — 为什么要采访屠龙 02:00 — 从脑科学、DARPA相关项目到回国决策 10:00 — 为什么离开学术圈进入商业世界 13:00 — 大厂经历、土豪现象与创业起点 15:00 — 书店生意：先学销售，再做产品 23:00 — 大V是怎么做成的：长期写作与不看竞对 31:00 — 非线性增长：拐点不是突然发生的 36:00 — 数据实验、失败的乐趣与每天诊断 41:00 — 招人和团队建设：价值观、人才密度与组织风气 48:00 — 盗版书、下沉市场与复杂现实 55:00 — 网红、供应链、仓库和行业乱象 64:00 — 高客单价怎样成立：心理预期与产业链毛利 81:00 — 女性创始人、投资人和FOMO管理 85:00 — 直率、情商与尊重人的真实方式 91:00 — 破圈：向不喜欢但有道理的人学习 本期嘉宾 屠龙，清华大学生物学本科、匹兹堡大学脑科学博士。做过DARPA/IARPA相关项目，回国后曾任教育公司高管，后来连续创业。 本期相关 观看本期视频版 阅读本期文字稿 屠龙在社区里的帖子： https://www.superlinear.academy/c/posts/yangying 本期提到的屠龙老师《创业故事》课，包含她在产品、销售、品牌、组织管理与扭亏为盈中的实际经历。本期与该课程有合作；订阅与当前权益请向屠龙老师团队确认，微信：asm613_ 加入Superlinear Academy免费社区 如果你也在把AI与自己的专业本事做进真实项目，欢迎与2万+成员一起交流；社区里已有700+真实项目与实践分享： https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

AI带来的生产力提升不会自动让每个白领平稳过渡，正如工业革命的收益与个体遭遇并不相同。本期借历史追问：当“做一个有用的人”不再等于安全，我们还要不要把productivity当成人生的默认尺度？ 适合担心职业安全、考虑创业或重新安排未来生活的人，帮助区分财务安全、职业发展与内在生活，不把工具学习误当成完整答案。 这期你会听到 • 工业革命中的织布工人经历，如何揭示技术进步与个体命运之间的落差？ • 为什么生产力提升不等于社会和个人都能顺利过渡？ • 没有现成方案时，怎样承担面对不确定性的责任？ • productivity为什么值得被重新审视，而不只是继续提高？ • 如何分别看待财务安全、外在追求与内在生活？ 章节 00:00 — AI对白领工作的长期挑战 02:00 — 从历史转型看个体代价 03:00 — 工业革命与织布工人的命运 05:00 — 生产力提升不保证平稳过渡 06:00 — 为什么不存在现成方案 08:00 — 面对不确定性并为自己负责 09:00 — 反思productivity的默认前提 11:00 — 效率之外还有哪些追求 13:00 — 平衡财务安全与内在生活 相关内容 观看本期视频版 阅读本期文字稿 加入Superlinear Academy免费社区 写下你在职业安全、现实责任与内在生活之间的取舍，带来当前决定请大家共同审视。 https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

为什么学了很多商业方法，仍然做不出产品、定不上价格、卖不出去？有时卡住你的不是知识，也不是执行力，而是身体里那个“不敢谈钱”“我不够好”或“我其实不想要这个结果”的声音。这期与勤勤谈的，是怎样区分商业问题、能力问题和生命力问题，然后找到真正能开始行动的位置。 这期你会听到 • “好学生路径”失效以后，为什么继续增加方法论反而可能让人更动不了 • 从销售技巧走向真心帮助，怎样建立一个小流量、高信任的个人业务 • 明明说想赚钱，为什么行动却一直避开更可能赚钱的选择 • 当主业持续消耗、副业还没收入、存款也不多时，如何判断下一步 章节 00:00 — 道理都懂，为什么还是动不了 01:00 — 好学生路径失效以后，卡点从哪里来 03:30 — “0分的人，就该让2分的人帮” 06:00 — 身体印记：为什么懂道理还是过不去 11:00 — 销售的三个阶段：技巧之上是真心 17:00 — 小流量、高粘性IP怎样活下来 26:00 — 用脑与用心：禅修里的那个“2” 31:00 — 说想赚钱的人，为什么偏偏不赚钱 39:00 — 从物理学谈玄学、显化与观察者 52:00 — 主业消耗、副业不赚钱、没存款怎么办 本期嘉宾 勤勤长期陪伴“好学生路径失效”的职场人探索副业、个人产品与新的生活方式，关注商业行动背后的身体感受与生命力。 相关内容 观看本期视频版 阅读本期文字稿 加入Superlinear Academy免费社区 如果你也在把经验做成产品、内容或副业，欢迎与2万+成员一起交流；社区里已有700+真实项目与实践分享： https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

现实没有标准答案：有知识、有技能的人仍可能拿不到结果。所谓运气背后，往往是一组穿透不确定性的能力——定义问题、借力整合、及时决策、迭代纠偏，以及真正对结果上心。 适合习惯按部就班准备、进入工作后却频繁受挫的人，帮助把注意力从“我会不会”转向“我能不能把事情做成”。 这期你会听到 • 定义问题与拆解问题为什么比展示已有知识更接近结果？ • 借力整合如何让“不需要全都会”成为一种工作能力？ • 信息不完整时，怎样做出足够好的决策而不是无限等待？ • 迭代纠偏如何把错误转化为下一轮行动依据？ • ownership与上心怎样解释同背景的人为何交付差异巨大？ 章节 00:00 — 为什么知识和技能换不来结果 02:10 — 真正稀缺的是穿透不确定性 04:46 — 六大能力总览 05:18 — 先定义问题，再拆解问题 07:00 — 借力整合从承认不会开始 08:36 — 在信息不足时做决策 10:03 — 迭代纠偏、ownership与上心 11:38 — 别把可训练的能力叫作运气 13:40 — 从会不会切换到能不能 相关内容 观看本期视频版 阅读本期文字稿 真本事： https://www.superlinear.academy/c/work-wealth/ 加入Superlinear Academy免费社区 带来尚未做成的任务，写下问题定义、决策节点与纠偏记录，请大家复盘阻力所在。 https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

当AI让知识获取的边际成本趋近于零，教育继续奖励做题家，可能是在积累一项迅速贬值的资产。本期从“自然语言即代码”出发，讨论孩子如何从答案消费者变成能定义问题、创造产品的建造者。 适合正在选择教育重点的家长、教师和学生，帮助判断分数、编程语法、批判性思维与产品意识中，哪些能力更值得长期投入。 这期你会听到 • 为什么自然语言即代码意味着AI不只是更聪明的搜索引擎？ • 技术门槛降低后，为什么会用AI的人与被AI饲养的人反而加速分层？ • 如何通过context engineering训练孩子定义问题、补充背景和设置约束？ • 产品意识怎样把孩子从索取答案带向解决真实问题？ • 家长如何让AI扮演导师，同时保留孩子的批判性思维与初学者心态？ 章节 00:00 — 知识获取成本趋近于零之后 00:40 — 活动背景与分享者介绍 02:02 — 从做题家转向建造者 05:08 — 自然语言即代码的范式变化 07:24 — 门槛降低为何加剧分层 09:00 — 提问、产品与初学者心态 19:11 — 家长和学校如何引导AI使用 23:30 — 工作、学校与AI安全问答 本期嘉宾 孙煜征是康奈尔大学经济学博士、Superlinear.Academy社区创始人，曾任Statsig布道师；本期分享聚焦AI与教育。 相关内容 观看本期视频版 阅读本期文字稿 加入Superlinear Academy免费社区 提出孩子真实遇到的问题，和大家把它改造成能定义需求、动手建造并接受反馈的学习项目。 https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

很多非程序员把 AI 停留在 ChatGPT 的问答框里，得到建议后仍要自己执行；Cursor 这类 AI Agents 则能读取文件、发现错误并持续迭代到结果。本期给出普通人进入 AI Coding 的三道门槛，以及 CER 和 3C 两个自然语言模板。 适合老板、市场、销售、设计师和运营等没有编程背景的人，帮助你判断哪些任务该继续问 ChatGPT，哪些应该交给 Cursor 直接执行。 这期你会听到 • ChatGPT 与 Cursor 在文件读取、错误反馈和持续执行上有什么区别？ • 为什么拿出可讨论的原型，比在会议里只给建议更有价值？ • 普通人进入 AI Coding 需要跨过哪三道门槛？ • 如何用 CER 的 Context、Error、Request 结构处理报错？ • 如何用 3C 的 Context、Criteria、Component 说清需求与验收标准？ 章节 00:00 — 为什么要从 ChatGPT 转向 Cursor 00:37 — 让 Cursor 直接处理文件与任务 01:24 — 聊天框与执行型工作流的根本区别 02:12 — 从给建议的人变成拿出原型的人 03:00 — 为什么仍要理解 AI Agents 04:02 — 普通人上手 AI Coding 的三道门槛 05:32 — 用 CER 修错，用 3C 描述需求 06:58 — 建立真正让 AI 动手的习惯 07:58 — 从会聊天到会调度 AI 相关内容 观看本期视频版 阅读本期文字稿 加入Superlinear Academy免费社区 带上想从聊天问答迁移到执行工具的工作任务，请大家协助拆成可运行的原型或自动化。 https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

课代表与鸭哥公开一段未经打磨的协作现场：从 Agent.md、工具接入和 Google Docs 配置，到 source of truth、evaluation 与 Voice Memo 自动化。它展示的不是完美教程，而是怎样把模糊问题逐步外化为可复用的 skill 和 context infrastructure。 适合想让 AI 深入真实工作、却常被安装、路径、权限和上下文卡住的人，帮助你理解高手如何准备环境，并把一次错误变成长期规则。 这期你会听到 • 为什么 AI 使用差距来自工作逻辑的外化，而不只是 prompt？ • 一个可复用的 skill 应怎样写清目标、常见坑、工具和成功标准？ • Agent.md 与 context infrastructure 分别承担什么作用？ • 为何搜索结果要先落盘，再由 AI 选择性读取？ • 怎样用 source of truth 和 evaluation 降低写作幻觉与漏检误报？ 本期人物 课代表以非技术用户的视角追问安装摩擦、概念翻译与实际验收，鸭哥则拆解 Agent.md、工具接入、evaluation 和 context infrastructure，呈现两种视角如何共同完善 AI 工作流。 相关内容 观看本期视频版 阅读本期文字稿 课程里的讲解： https://www.superlinear.academy/c/aa/sections/840969/lessons/3929070 加入Superlinear Academy免费社区 把尚未外化的个人工作逻辑带来，和大家拆成可复用的规则、上下文与评估步骤。 https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

Zero（刘希元）把 AI 转型放进三种真实处境：用 vibe coding 解决企业长尾痛点，带孩子共创游戏，以及从工程师转向 PM 和创业。工具让实现变快以后，更难的问题变成怎样控制复杂项目、培养 builder mindset，并在不确定中寻找客户信号。 适合用 AI 写代码的工程师和产品人、考虑技术转产品或创业的人，以及思考孩子如何接触 AI 的家长，帮助你判断何时动手、如何设边界。 这期你会听到 • vibe coding 为什么适合解决 SaaS 不会覆盖的内部长尾痛点？ • 从 Copilot、Cursor 到 Claude Code，agentic thinking 改变了什么？ • Game Design Doc、Plan Mode 与 context 如何防止复杂项目失控？ • 亲子共创如何让孩子从 consumer 转向具有 builder mindset 的创作者？ • 工程师转 PM 后，为什么定义方向和寻找客户信号比解题更难？ 章节 00:00 — AI 如何同时改变工作、教育与亲子共创 01:07 — Zero：从游戏、Google 到 startup 03:15 — 离职创业前的 Obsidian Copilot 实践 08:40 — 从 Copilot、Cursor 到 agentic thinking 12:11 — 用 vibe coding 解决内部工具的长尾痛点 18:52 — 孩子接触 AI：阻挡还是引导 21:56 — 亲子共创从陀螺打龙到学校塔防 33:00 — 用 Game Design Doc 与 Plan Mode 管理复杂项目 39:19 — 让孩子从 consumer 转向 builder 47:07 — 工程师转 PM 后如何寻找客户信号 本期嘉宾 Zero（刘希元）有十多年 Web 工程经验，经历游戏、Google 与 startup，正在从工程师转向 PM 并准备创业，也持续探索 Obsidian Copilot 与 AI 游戏教育。 相关内容 观看本期视频版 阅读本期文字稿 97分钟完整版： https://youtu.be/EypWgo13w4w 加入Superlinear Academy免费社区 提交正在做的智能编程或亲子共创实验，写清复杂度边界与客户信号，请大家共同复盘。 https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

围绕《Growth Data Analysis Playbook》，Mengying、Joe、Yuzheng 与 Julie 把增长分析从报表和指标拉回产品决策：PLG 如何运转，产品市场匹配怎样量化，实验体系何时建设，以及数据叙事如何让严谨分析真正推动团队行动。 适合增长、产品、数据分析、数据科学和 AI 应用从业者，帮助你判断该追什么指标、何时建设实验体系，以及如何让分析进入真实决策。 这期你会听到 • 为什么 PLG 不是放任产品自然增长？ • 如何用留存、规模和参与度判断产品市场匹配？ • 实验体系应该何时建立，覆盖率为何比实验数量更重要？ • 数据叙事怎样在不牺牲严谨性的前提下推动行动？ • AI Agent 出现后，数据工作的角色和指标会怎样变化？ 章节 00:00 — 嘉宾与增长数据分析的核心问题 05:54 — 为什么需要《Growth Data Analysis Playbook》 12:52 — PLG 不等于让产品自然增长 14:41 — 用留存、规模和参与度判断产品市场匹配 19:59 — 实验体系何时需要基础设施 22:36 — 严谨分析如何通过数据叙事推动行动 26:53 — 让工程团队真正形成数据文化 29:24 — AI 时代如何重估数据工作的角色 35:58 — 职业、PLG 营销与 AI Agent 指标问答 本期嘉宾 Mengying、Joe、Yuzheng 与主持人 Julie 围绕《Growth Data Analysis Playbook》，讨论增长分析、PLG、实验体系、数据团队建设及 AI 时代的数据工作。 相关内容 观看本期视频版 阅读本期文字稿 购书链接： https://www.amazon.com/Growth-Data-Analytics-Playbook-Product-Market/dp/1544549822 加入Superlinear Academy免费社区 拿出近期增长决策及其数据依据，和大家检查指标、实验设计与叙事能否支持行动。 https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

AI Native 公司的面试不只看你会不会用 Cursor、Claude Code 或写 prompt，而是要看你能否做出真实作品、在小团队中高效协作，并把个人判断力沉淀进系统。三个框架可以组织证据，但真正有说服力的案例仍要在工作或 side project 中做出来。 适合准备 AI Native 公司、startup 或 AI Mindset 面试的设计师、PM、数据和市场岗位，帮助你把工具使用转化为可验证的工作案例。 这期你会听到 • 非程序员怎样证明自己具备 AI Native 能力？ • 为什么真实产品和业务迭代比展示 Cursor 或 Claude Code 更有说服力？ • AI Native 小团队需要怎样的协作方式？ • 如何把判断力、方法论和隐性知识教给 AI？ • 为什么面试框架只能表达案例，而 side project 才能创造案例？ 章节 00:00 — 面试为什么开始考察 AI Mindset 01:14 — 非程序员如何证明 AI Native 能力 02:09 — 用 AI 做出更接近真实业务的作品 03:52 — 在 AI Native 小团队中高效协作 07:05 — 把个人判断力沉淀给 AI 08:37 — 框架只能表达案例，不能创造案例 10:16 — 竞争力来自新的工作方式 相关内容 观看本期视频版 阅读本期文字稿 拓展阅读，《别用昨天的方法准备今天的面试：AI 时代最好的简历，是做出来的》： https://www.superlinear.academy/c/posts/interview 加入Superlinear Academy免费社区 带来准备投递人工智能原生公司的作品案例，请大家从协作、判断与系统沉淀角度挑证据缺口。 https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

这不是比较几句 prompt，而是把模糊需求推进为可交付工具的现场：Voice Memo 经 ASR 变成 CSV，再由 Codex 生成总结、行动项与 HTML 报告。真正的差距在于，能否把安装、定时执行、测试、文档和 privacy check 一并设计进 intake skill。 适合想自动化个人语音记录、会议转写或 daily review 的人，也适合希望理解 AI-oriented skill 如何从需求走到可安装交付的产品与工程实践者。 这期你会听到 • 如何把 Voice Memo、ASR、CSV 与 HTML 串成可复用的 life record 管线？ • 为什么 intake skill 需要面向 AI 安装，而不只是面向人写说明？ • Codex prompt 怎样接替既有处理逻辑，生成总结与行动项？ • PRD、RFC、CLI、测试和 README 在 AI-oriented skill 中各自解决什么问题？ • 怎样把示例音频与 privacy check 纳入交付验收？ 章节 00:00 — 实时转写升级带来的新交互 00:35 — 从 life record 到 Voice Memo、ASR 与 intake skill 02:29 — 让 AI 能自行安装的 skill 设计 03:48 — 每晚自动完成同步、转写与总结 04:27 — 从 PRD、CLI、测试到 privacy check 05:47 — GPT 与 DeepSeek 的执行差异 相关内容 观看本期视频版 阅读本期文字稿 项目： https://github.com/grapeot/intake-skill 加入Superlinear Academy免费社区 把语音记录或自动总结系统的在制版本带来，请大家检查安装、测试、隐私与验收设计。 https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

知道 RAG、agent、fine-tune 和 MCP，并不等于能让真实任务稳定推进。本期用 RAG 拆开一个常见误区：pipeline 只是名词结构，真正的能力来自上下文管理、任务拆解、人机协同、评估与错误诊断这些可练习的动作。 适合正在用 AI 写代码、搭知识库、做产品或工作流的人，帮助你判断自己缺的是新概念，还是任务拆解、评估与结果控制的基本功。 这期你会听到 • 为什么记住 RAG 等名词不能转化为稳定的 AI 能力？ • 上下文管理、任务拆解和人机协同分别解决什么问题？ • 企业 RAG 为什么必须处理权限、过期文档和引用准确性？ • ground truth、召回策略与错误诊断如何影响系统可靠性？ • 怎样把评估融入日常工作，而不是在输出之后凭感觉验收？ 章节 00:00 — 学了很多 AI，为何真实任务仍做不好 02:00 — 名词之外，真正拉开差距的是动作 03:47 — 追逐新概念为何容易制造学习幻觉 05:06 — RAG pipeline 不等于 RAG 能力 09:31 — 高手如何拆解、诊断和控制 AI 任务 13:12 — 把 AI 当成需要反复练习的工作手艺 相关内容 观看本期视频版 阅读本期文字稿 文章版： https://www.superlinear.academy/c/ai-resources/verb 加入Superlinear Academy免费社区 展示近期用智能工具推进的任务，带上拆解步骤、评估方法与错误记录，请大家诊断基本功。 https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

微软 AI 产品设计师 Dreamer 妍妍从 Claude Code 与 Figma 的实际协作谈起，讨论设计、产品和工程边界如何被重新划分。工具越来越平权后，Full-stack builder、一人公司与个人第二曲线的关键，反而落在 distribution、行动力和自我定义上。 适合设计师、PM、工程师和思考副业或一人公司的打工人，帮助你判断 AI 时代该补工具能力、distribution，还是重新定义自己的职业身份。 这期你会听到 • Claude Code 与 Figma 如何改变设计、产品和工程的协作方式？ • 岗位边界模糊后，Full-stack builder 需要承担什么？ • 为什么一人公司的核心瓶颈不是效率，而是 distribution 与销售？ • 怎样用时间分区、done list 和行动力处理多任务与不确定性？ • 当大厂身份和 FIRE 都不足以提供意义时，如何重新定义自己？ 章节 00:00 — AI 已经怎样改写设计工作流 00:53 — Dreamer 妍妍与本期问题 01:49 — 技术平权后，人的差异在哪里 06:04 — Claude Code 与 Figma 如何进入设计实践 09:04 — Full-stack builder 正在重组岗位边界 10:07 — 一人公司的瓶颈是 distribution 与销售 13:19 — 时间分区与 done list 的高能量工作法 18:30 — 用行动穿透机会与失败的不确定性 24:22 — 从大厂身份、FIRE 到自我定义 31:07 — 技术平权为何让个人表达更重要 本期嘉宾 Dreamer 妍妍是微软 AI 产品设计师，本期结合设计工作流与个人实践，讨论 AI、Full-stack builder、一人公司和大厂之外的第二曲线。 相关内容 观看本期视频版 阅读本期文字稿 完整版43分钟： https://youtu.be/i-KGNWpPpZ4 加入Superlinear Academy免费社区 带来正在探索的职业副线实验，说明分发路径、行动进展与身份假设，请大家帮你校准。 https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

白领工作因大型组织的信息、流程与决策摩擦而生，也可能因 AI 大幅降低认知处理成本而失去基础。当报告、分析、代码和会议纪要不再稀缺，真正的问题就从“掌握什么技能”变成“能否定义问题并为结果负责”。 适合产品经理、数据分析师、程序员、咨询顾问等知识工作者，帮助你识别哪些忙碌只是 Bullshit Jobs，并把职业价值重新贴近真实结果。 这期你会听到 • 白领工作为什么是在工业化与大型组织中产生的？ • 会议、PPT、邮件和工时为何容易成为替代真实价值的投入指标？ • AI 如何抽空白领作为信息处理器的经济基础？ • 为什么未来更稀缺的是定义问题、建立信任和整合人机协作？ • 知识工作者怎样从展示技能转向为结果负责？ 章节 00:00 — 忙碌之外，白领工作的价值是什么 00:52 — 工业化与大型组织如何发明白领工作 02:21 — 白领工作的本质：降低信息摩擦 02:55 — 投入指标如何制造 Bullshit Jobs 06:15 — AI 为何冲击白领的信息处理角色 09:30 — 价值衡量从技能转向可验收结果 11:08 — 定义问题、建立信任与整合协作 13:29 — 知识工作者可以采取的行动 15:22 — 白领工作的变化也是一次工作升级 相关内容 观看本期视频版 阅读本期文字稿 社区文章（发表于2025年11月份： https://www.superlinear.academy/c/posts/knowledge_worker 加入Superlinear Academy免费社区 将工作中耗时却难验收的任务带来，请大家重写结果标准并判断是否该自动化。 https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

魏慧从文科转入 CS，历经 Lululemon、Google、麦当劳与 IHG，逐渐形成一套职业判断：主动进入高期待环境、持续补齐 gap，并把自己变成解决关键问题的 Go-to person。访谈也追问，大厂光环、decision power 与真实影响力究竟如何取舍。 适合正在选择技术职业路径、考虑从 IC 转向架构或管理，以及希望理解 AI 如何落地传统行业的人，帮助你判断该追求职位、平台，还是更大的 decision power。 这期你会听到 • 如何通过观察身边略强的人，快速识别并补齐自己的能力 gap？ • 为什么管理的核心不是脱离技术，而是让团队围绕同一愿景行动？ • 在大厂、小公司和传统企业之间，impact 与 decision power 有何不同？ • 怎样找到关键而独特的问题，把自己变成组织里的 Go-to person？ • IHG 等传统行业需要怎样的 AI native 人才与组织能力？ 章节 00:00 — 高期待环境如何逼出快速成长 01:20 — 魏慧：从 Asian Studies 转向 CS 05:00 — 经历跳槽与失败后理解 fearless 07:41 — 看见 gap，放下 ego，向身边高手学习 14:25 — 从 IC 到高管：管理为何能放大影响力 18:36 — 大厂、小公司与 decision power 的取舍 22:21 — 成为 Go-to person：建立不可替代的位置 29:30 — 从 Lululemon 转型到 Google Retail Cloud 36:12 — 麦当劳数字化中的组织与文化冲突 42:27 — IHG 如何用 AI 重做酒店体验 50:04 — AI native 人才与组织的 unlearn 难题 57:27 — IHG 的 platform、delivery 与 AI Lab 岗位 本期嘉宾 魏慧从浙大文科、美国 Asian Studies PhD 转向 CS，经历 Lululemon 数字化转型、Google Retail Cloud、麦当劳 AI/data，现于 IHG 负责 AI、数据架构与企业系统。 相关内容 观看本期视频版 阅读本期文字稿 完整版1小时43分钟： https://youtu.be/Y9rmTZOM5Z4 加入Superlinear Academy免费社区 拿出希望获得更多决策权的职业案例，和大家辨析该补齐什么能力才能推动关键结果。 https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

OpenClaw 点燃张昊阳后，Evolver 与 EvoMap 很快从想法变成 self-evolving agent 实验：agent 不只执行任务，还会自我迭代、交换能力，甚至主动增长。GEP 协议与 A-to-A 网络放大了机会，也把治理风险推到眼前。 适合正在使用 AI coding、构建 agent，或判断 agent 下一阶段是否属于真变化的人，用 EvoMap 的一线实验理解自治网络的机制、机会和风险。 这期你会听到 • Evolver 与 EvoMap 如何让 agent 从执行任务走向自我迭代？ • GEP 协议和 Cursor、Claude Code 一类普通工作流有什么机制差异？ • A-to-A 网络怎样让 agents 交换能力、建立信用并展开协作？ • GEO 与 AI 自传播为什么会让产品增长出现新的主动性？ • self-evolving agent 加速演化时，为什么安全和治理不能留到以后？ 章节 00:00 — 当 AI 开始主动为自己做增长 01:03 — Evolver 与 EvoMap 的快速诞生 05:41 — OpenClaw 为什么点燃新的 agent 想象 08:55 — 从单体 agent 走向 A-to-A 网络 18:18 — Evolver、GEP 协议与普通 agent 的差异 39:35 — agents 联网后的自治、信用与协作 47:56 — 降临派、幸存派与人机共生 56:08 — GEO、主动性与 AI 自传播 1:10:57 — 为什么张昊阳认为现在必须加速 1:17:29 — 给关注 self-evolving agent 的行动邀请 本期嘉宾 张昊阳是 EvoMap 创始人，也是 Evolver、GEP 协议与 self-evolving agent 实践的一线参与者；本期从亲手构建的过程讨论 agent 自我进化、网络协作与安全边界。 相关内容 观看本期视频版 阅读本期文字稿 完整版两小时： https://youtu.be/knDem_8JIy0 加入Superlinear Academy免费社区 提交正在构建的代理系统方案，标明自我迭代、能力交换与权限边界，请大家做风险审查。 https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

GenAI 最终要通过产品产生影响，但产品团队仍要回答成本、采用速度、市场结构与评估方式。Howie Xu、Yangqing Jia、Zhongjie(Jay) Wu 和 Jason Hu 从基础设施、OpusClip、Lepton.ai 与 Martian 的实践出发，比较下一阶段的关键变量。 适合正在开发或投资 GenAI 产品的人，用多位一线从业者的讨论判断成本是否可控、应用会集中还是分布，以及 Martian 一类中间层能创造什么价值。 这期你会听到 • GenAI 产品开发与传统软件相比，边际成本和计算范式有何不同？ • Yangqing Jia 的 Lepton.ai 视角如何理解基础设施与应用之间的机会？ • Zhongjie(Jay) Wu 如何从 OpusClip 的产品实践看用户采用与结果筛选？ • Jason Hu 所在的 Martian 为什么用模型路由匹配任务、质量与成本？ • Howie Xu 提出的市场视角如何帮助判断集中化、开源模型与小公司的空间？ 本期嘉宾 Howie Xu 是硅谷技术从业者与 Stanford 客座讲师；Yangqing Jia 是 Lepton.ai 联合创始人兼 CEO；Zhongjie(Jay) Wu 是 OpusClip 联合创始人兼 CTO；Jason Hu 是 Martian 创始工程师。 相关内容 观看本期视频版 阅读本期文字稿 更多嘉宾访谈： https://www.lizheng.ai/guests 加入Superlinear Academy免费社区 带来你的生成式人工智能产品用例，附上评估、成本与路由假设，和大家比较落地路径。 https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

当一位资历深厚的前老板也陷入“干不下去又不敢辞职”，螺丝钉式职业安全感就值得重估。本期从《真本事》出发，讨论 AI 时代如何转向经营者：用 Work Smart 找需求、用杠杆思维积累资产，再用市场语言让价值被看见。 适合在大厂或初创公司感到可替代、又不想盲目裸辞的人，用经营者视角判断哪些工作值得投入，并积累离开当前岗位后仍能使用的真本事。 这期你会听到 • 为什么“事情越难越有价值”可能让螺丝钉把精力投错地方？ • Work Smart 如何帮助你识别少数真正产生价值的任务？ • 杠杆思维要求职场人积累哪些离开公司仍能带走的资产？ • 怎样用市场语言像经营产品一样经营自己的履历？ • 从被动完成任务的螺丝钉转为经营者，首先要改变什么判断？ 章节 00:00 — 前老板的求助揭示职场的不安全感 01:52 — AI 时代如何重新计算职业路径 02:45 — 教育与工业分工留下的螺丝钉困境 04:49 — 真本事取决于需求，而非事情有多难 08:13 — 从螺丝钉切换到经营者模式 09:21 — Work Smart：识别真正创造价值的任务 12:18 — 用杠杆积累可以带走的资产 14:52 — 用市场语言经营自己的履历 17:23 — 摆脱做题家思维，换取长期复利 本期人物 李正曾任亚马逊经济学家、Meta 数据科学家、腾讯副总监及 Statsig 布道师，目前是一名创业者；本期以自己的职场经历和前老板的求助，讨论打工人如何经营长期能力。 相关内容 观看本期视频版 阅读本期文字稿 · 书的网站： （这里还有基于本书的AI skill可以下载： https://www.lizheng.ai/zbs 加入Superlinear Academy免费社区 把当前工作清单和可带走的能力资产带来，请大家判断哪些投入真正贴近经营结果。 https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

十年前，Uber 为中国业务在 101公路投放中文招聘广告；十年后，道路两旁换成 AI 广告。身处两轮浪潮的 Wu Kan 复盘 Uber 与滴滴的竞争、Travis Kalanick 的城市网络 vision，以及这些经历如何通向 ChatGPT growth。 适合关注增长岗位、中美创业竞争与 AI 职业机会的人，用 Uber、滴滴和 CloudKitchens 的一线故事理解，市场胜负为何远不止产品和技术。 这期你会听到 • Uber 与滴滴竞争时，运营、激励、反作弊和本地化如何相互牵制？ • 微信渠道和资本力量为什么会改变 Uber 的中国市场选择？ • Wu Kan 为什么把高速增长期的 Uber 视为重要的职业经历？ • Travis Kalanick 如何把交通、房地产、外卖与 CloudKitchens 放进同一套 vision？ • 从 101公路的中文招聘到 AI 广告，职业人应怎样识别尚未成为共识的浪潮？ 章节 00:00 — Wu Kan 横跨创业公司与增长岗位的路径 00:41 — 从 YouTube 创始人的新公司进入 Uber growth 03:58 — 为什么在增长高峰期加入 Uber 04:32 — Uber 与滴滴正面竞争的真实复杂度 10:20 — Uber 为何最终退出中国市场 13:16 — Travis 离开后，Uber 发生了什么 14:24 — CloudKitchens 背后的城市网络 vision 17:37 — 从增长经历转向 OpenAI 话题 本期嘉宾 Wu Kan 目前在 OpenAI 从事 ChatGPT growth；此前经历 YouTube 创始人的创业公司、Uber growth 与 CloudKitchens，曾从一线参与 Uber 和滴滴的中国市场竞争。 相关内容 观看本期视频版 阅读本期文字稿 OpenAI增长工程师：如何押注职业方向；如何增长产品；怎样讲好自己的经历，拿到入场劵？： https://youtu.be/3ILs3XDcE1I 加入Superlinear Academy免费社区 选取经历过的市场战役，带来技术、运营、本地化与渠道证据，请大家复盘胜负原因。 https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

吴坎从 YouTube 创始人的创业公司进入 Uber，在中国市场参与与滴滴的正面竞争，之后经历 CloudKitchens，再到 OpenAI 做 growth。本期关心的不是履历光环，而是他如何识别 AI 大势、重述经历并获得新机会。 适合关注 AI、创业公司与中美职业机会的人，用吴坎的路径思考如何押注方向、理解 growth，并把非 AI 背景转化成进入 OpenAI 一类机会的入场券。 这期你会听到 • 家庭因素与 AI 大势如何共同影响吴坎回美国的决定？ • 在 Uber 与滴滴的竞争中，产品技术之外的运营、激励与渠道为何关键？ • 连续选择创业公司时，怎样辨别成长浪潮与单纯的公司名气？ • 非 AI 背景的人如何判断 OpenAI 代表的职业机会？ • 面试时怎样重组自己的经历，让 growth 能力和判断力被看见？ 章节 00:00 — 回美国的决定：家庭选择与 AI 大势 05:25 — 吴坎从创业公司、Uber、CloudKitchens 到 OpenAI 10:44 — Uber 与滴滴竞争背后的增长逻辑 27:52 — 非 AI 背景如何判断 OpenAI 的机会 30:00 — 两次面试如何改变个人经历的讲法 本期嘉宾 吴坎现于 OpenAI 从事 ChatGPT growth；此前在 CloudKitchens 工作，也曾在 Uber 做 growth，并在 Uber 与滴滴竞争激烈的阶段参与 China growth。毕业后的第一份工作则是 YouTube 创始人再次创业的公司。 相关内容 观看本期视频版 阅读本期文字稿 加入Superlinear Academy免费社区 带来正在争取的职业机会和个人经历，和大家打磨能够证明匹配度的案例表达。 https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

同一种 AI 在不同人手里效果悬殊，问题往往不在 prompt 技巧，而在使用者能否自省，并完成隐性知识显性化。3C 框架把 Context、Component、Criteria 说清楚，损失函数与 evaluation 思维则先定义什么叫好。 适合经常觉得 AI 笨、容易跑偏的人，也适合需要带人和协作的管理者，用 3C 检查自己是否给足信息、拆清任务并定义了 Criteria。 这期你会听到 • 为什么模糊需求、期待对方自己“悟”，对人和 AI 都低效？ • AI 没有动机问题后，使用者为什么更难把失败归因于态度？ • 如何通过 Context、Component、Criteria 完成隐性知识显性化？ • 损失函数与 evaluation 思维如何帮助 AI 迭代到可接受的结果？ • 认知同理心为什么同时影响 AI 使用、领导力与亲密关系？ 章节 00:00 — 同一种 AI 为何产生截然不同的结果 01:28 — 坏老板如何用模糊需求和负反馈甩锅 03:22 — AI 没有动机问题，跑偏往往源于任务定义 04:15 — 自省与隐性知识显性化是两项底层能力 06:33 — 用认知同理心、信息拆解与 3C 补齐任务 08:04 — 用损失函数思维预先定义好结果 09:05 — 评价 AI 前，先检查自己的使用方式 相关内容 观看本期视频版 阅读本期文字稿 加入Superlinear Academy免费社区 把经常让智能工具跑偏的任务拿出来，补全上下文、组成部分与验收标准，请大家找缺口。 https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

AI时代最容易过时的是工具，最不容易过时的是你判断问题的逻辑原点。清华大学刘嘉教授从脑科学、人工神经网络与二十多年研究经历出发，解释智能为什么来自“学习”和“涌现”，也回答一个更难的问题：当机器越来越强，人为什么而学习，又该怎样重新设计教育？ 这期你会听到 • 为什么刘嘉教授在AI低谷期离开神经网络，又在2016年被人脸识别和AlphaGo重新“唤回信仰” • 归纳、演绎与涌现分别解决什么问题，为什么真正的创造需要先找到逻辑原点 • Transformer和人脑有哪些根本差异，今天的机器人、脑机接口与具身智能还缺什么 • 当知识和技巧迅速贬值，孩子与成年人最该保留哪几种学习能力 章节 00:00 — 人生选择为什么需要一个逻辑原点 01:21 — 从北大、MIT到脑科学：刘嘉教授的研究路径 05:44 — AlphaGo之后，为什么重新相信神经网络 10:19 — 提示词会过时，AI时代更需要新的philosophy 15:14 — 智能的两个底层能力：学习与涌现 20:05 — 归纳与演绎：从经验学习，也从原点创造 25:09 — 应试教育为什么没有教人寻找逻辑原点 30:14 — 人类的涌现结束了吗？数字生命会走向哪里 35:12 — 意识、死亡与人为什么活着 45:05 — AI最初如何从脑科学获得启发 50:02 — 只扩大参数，为什么未必带来下一次智能跃迁 55:09 — Transformer的串行加工与大脑的并行反应 60:13 — 机器人、具身智能与脑机接口真正缺什么 75:07 — 大脑里的Transformer与Hinton四十年前的fast weight 95:09 — 不要只做旁观者：怎样不被这个时代落下 96:03 — AI时代怎样教育孩子 100:19 — 零到一创造力：从表面问题追问底层意义 105:24 — 这是一个值得亲自参与的时代 本期嘉宾 刘嘉，清华大学基础科学讲席教授，长期研究脑科学、认知心理学与人工智能，曾任《最强大脑》项目总设计。 相关内容 观看本期视频版 阅读本期文字稿 2小时53分钟完整对谈： https://youtu.be/EfEk4V3FMdg AI Builders课程： https://ai-builders.com/ 加入Superlinear Academy免费社区 如果你也在把AI用进真实工作，欢迎与2万+成员一起交流；社区里已有700+真实项目与实践分享： https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

技术人常把创业等同于做 ToC产品，却低估 ToB服务；也常先把产品做完，再寻找增长。结合 YC 的 Tarpit Idea、The Browser Company 等案例，本期反转这两个因果：先看谁愿意付钱，再看产品该承载什么。 适合有技术能力、想创业却不知从何开始的人，用来比较 ToB服务与 ToC产品，并在投入开发前判断分发、信任和增长是否成立。 这期你会听到 • 为什么 ToB服务可能比与超级 App 争夺时间的 ToC产品更容易赚钱？ • YC 的 Tarpit Idea 框架如何提醒创业者避开反复吸引人的陷阱？ • The Browser Company 的案例怎样说明口碑不等于增长？ • 为什么商业因果应从增长与分发倒推产品，而不是反过来？ • true understanding 和独特经验怎样与分发组合成业务优势？ 章节 00:00 — 两个认知误区：ToC 产品还是 ToB 服务 02:24 — 产品与服务的难度和盈利逻辑 03:01 — YC 的 Tarpit Idea 与 ToB 判断 04:44 — 产品马太效应：你在和谁争夺注意力 05:51 — ToB服务为什么更容易获得收入 06:54 — 产品与增长的因果顺序：Manus 等案例 08:54 — 增长需要支付时间、渠道与信任成本 10:49 — 什么样的产品具备增长潜力 12:16 — 分发、true understanding 与独特经验 13:29 — 从创业误区回到可赚钱的业务 相关内容 观看本期视频版 阅读本期文字稿 新书上市waitlist： https://www.superlinear.academy/c/posts/book 加入Superlinear Academy免费社区 拿出准备开发的业务产品，附上潜在客户、分发路径与付款理由，和大家推演再决定是否动手。 https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

以 Meta 对大众元宇宙的投入和 VR / AR 热潮为案例，本期把 Product Sense 拆成可检查的问题：第一性需求是否存在，抽象价值落到真实场景后会不会成为摩擦，以及用户是否愿意支付机会成本。 适合正在做产品、创业或选择职业方向的人，用 Product Sense 判断一个看似先进的方案究竟解决第一性需求，还是只让伪需求显得更方便。 这期你会听到 • 为什么改善价格和便利性，不能让不存在的第一性需求凭空出现？ • VR / AR 的沉浸感在什么场景是价值，在什么场景反而是摩擦？ • 比较 VR、手机和游戏时，为什么必须计算用户的机会成本？ • 用户访谈为什么应追问过去的真实行为，而不是未来的购买意愿？ • Meta 的案例如何说明需求深度与需求广度必须分开验证？ 章节 00:00 — 聪明人为什么也会误判伪需求 01:20 — 用 VR / AR 拆解 Product Sense 03:01 — 更便宜、更方便为何不能凭空创造需求 06:01 — 沉浸感何时从价值变成摩擦 08:26 — 用机会成本比较 VR、手机与游戏 10:19 — Meta 对大众 VR 需求的关键误判 12:01 — 用用户访谈验证真实行为与代价 14:38 — Product Sense 为何是选择方向的底层能力 相关内容 观看本期视频版 阅读本期文字稿 加入Superlinear Academy免费社区 带上拿不准的产品方向，具体写出使用场景、摩擦与机会成本，请大家检验需求是否真实。 https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

OpenClaw 像 DeepSeek 一样把原本小众的 Agentic AI 推到大众面前：聊天入口降低了门槛，统一上下文、持久记忆和 skills 又让它显得越来越聪明。但成就传播的设计，也可能限制它成为深度生产力工具。 适合正在比较 OpenClaw、Cursor 与 Claude Code，或只用过 ChatGPT、DeepSeek 的人，用来判断该不该投入工具本身，以及真正可迁移的 Agentic AI 认知是什么。 这期你会听到 • OpenClaw 为什么能让大众第一次直观感到 AI 可以持续推进任务？ • 聊天窗口为何帮助 OpenClaw 出圈，却也限制复杂工作流的上限？ • 统一上下文与持久记忆怎样改变助手的连续性？ • 丰富的 skills 组合为什么可能形成能力飞轮？ • 不要因为 OpenClaw 难用，就否定 Cursor、Claude Code 等 Agent 工具的价值。 章节 00:00 — OpenClaw 可能经历的三段式命运 01:46 — 拆解它为何爆火、做对什么、受限于什么 02:57 — OpenClaw 与 DeepSeek 的出圈逻辑 04:55 — 从聊天框走向 Agentic AI 工作流 07:56 — 工具难用不等于 Agentic AI 没价值 09:35 — 值得学习的是工具背后的可迁移认知 10:27 — 聊天入口为何既助推传播又限制上限 13:18 — 三件事之一：统一入口与统一上下文 14:23 — 持久记忆为何让助手越来越懂你 16:15 — 丰富 skills 如何通过组合产生质变 17:17 — 入口、记忆与 skills 如何形成飞轮 相关内容 观看本期视频版 阅读本期文字稿 鸭哥文章： https://www.superlinear.academy/c/ai-resources/openclaw 加入Superlinear Academy免费社区 展示你想迁移到工作中的代理机制，附上具体任务与限制，请大家设计验证实验。 https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

西雅图聚集了大量科技人才，却没有形成湾区式的创业密度。Seattle Startup Summit 创始人 Yujian 从人才训练、资本习惯与城市生态出发，解释为什么大厂能力有时会成为创业的“反向筛选器”，以及 AI 正在改变什么。 适合在大厂工作、正在做 side project，或考虑从西雅图进入创业生态的人，用来判断自己缺的是技术、大厂能力，还是定义问题、获得资源与接触 startup 的机会。 这期你会听到 • 为什么西雅图科技人才很多，创业公司和资本密度却与湾区存在落差？ • 大厂能力擅长解决既定问题，为什么未必能直接迁移到定义客户与市场？ • 精筛参与者的线下活动，如何连接创业者、投资人和 AI 开发者？ • AI 降低试错成本后，大厂人可以怎样验证创业想法？ 章节 00:00 — Seattle Startup Summit 如何连接西雅图 AI 创业生态 01:53 — 技术人为什么转身做创业活动 02:47 — 从 IBM、Amazon 经历到活动生意 07:49 — 精筛参与者为何能提升活动价值 13:19 — 西雅图人才密集，创业生态为何仍弱于湾区 20:58 — AI 如何降低创业与试错成本 25:42 — 大厂人怎样开始体验 startup 28:53 — Seattle Startup Summit 提供哪些连接机会 本期嘉宾 Yujian 是 Seattle Startup Summit 创始人，做过人工智能、计算机视觉和软件开发相关工作，也曾在 Amazon 参与 AutoML 项目；本期他从活动组织者视角观察西雅图的 startup 生态。 相关内容 观看本期视频版 阅读本期文字稿 如果想在西雅图了解创投生态，那2026年Seattle Startup Summit是肯定不能错过的。报名网站（用折扣码AIBUILDERS买票，可以获得20%折扣）： https://www.seattlestartupsummit.com/ 加入Superlinear Academy免费社区 拿出你的副业项目，带上问题定义、资源来源与市场反馈，请大家判断大厂能力该如何转化。 https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

大模型训练不是堆算力就能解决的问题。Amazon AGI 资深经理查晟从一线实践拆解实验设计、数据、基础设施、Evaluation 与团队协作，并解释为什么追求 information gain 的团队反而要容许高失败率。 适合大模型训练、机器学习基础设施和 AI 研究从业者，也适合需要判断行业能力边界的人，帮助你区分模型研发中的科学问题、工程瓶颈与组织约束。 这期你会听到 • 为什么大模型训练必须同时做好数据、模型、分布式系统与 Evaluation？ • 高失败率实验如何带来更高的 information gain？ • 公开 benchmark 为什么可能被数据泄漏和刷分误导？ • cost-to-accuracy 如何衡量不同周期的真实研发进展？ • NVIDIA 的护城河为什么不仅来自硬件，还来自 compiler 与软件栈？ 章节 00:00 — 高信息增益实验为何允许失败 01:14 — 查晟与 Amazon AGI 的模型训练实践 02:23 — 大模型训练为何是系统工程 07:47 — 用失败率检验研究方向的信息增益 09:05 — 模型、数据、基础设施如何协同交付 15:15 — 数据质量、SEO 垃圾与合成数据边界 21:04 — Evaluation 为何关键又容易失真 29:57 — 用 cost-to-accuracy 衡量研发进展 36:01 — 稀缺人才与 NVIDIA 的软件护城河 39:26 — 模型自主学习可能带来的下一步突破 45:33 — AI 对职业与经济关系的冲击 53:33 — 回到科学精神与完整训练系统 本期嘉宾 查晟，Amazon AGI 资深经理，参与亚马逊第一代大模型研发及 Frontier 模型训练，并曾与 Alex Smola、李沐共事。 相关内容 观看本期视频版 阅读本期文字稿 查晟：大模型训练的真相、NVIDIA 的护城河、以及为什么大厂做不好 AI： https://youtu.be/emWRfc4s00c 加入Superlinear Academy免费社区 提交正在设计的模型实验，交代假设、评估方式与失败信号，请大家寻找信息增益更高的改法。 https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

Meta 数据科学高级经理 Mujtaba 把一对一重新定义为员工主动向上管理的会议：FYI 可以异步，有限的同步时间应留给风险、决策、解阻和职业发展。经理是否需要持续 push，也会暴露一名 IC 的可靠程度。 适合 IC、数据科学与产品分析从业者，以及需要跨团队协作的人，帮助你改造一对一、及时求助并与经理建立 pull model。 这期你会听到 • 一对一里哪些内容只需 FYI，哪些问题值得同步讨论？ • 为什么尽早报告风险是专业表现，而不是示弱？ • push model 与 pull model 如何反映经理对强 IC 的信任？ • 怎样向经理提出解阻、背景和高层连接的具体请求？ • 为什么晋升对话应该在评审之前主动开启？ 章节 00:00 — 一对一是管理经理的机会 00:31 — Mujtaba 在 Meta 的管理成长路径 03:33 — 把 FYI 与真正需要讨论的问题分开 06:24 — 用一对一主动向上管理 07:37 — 尽早暴露风险，而不是独自硬扛 10:33 — 不敢求助会让问题继续扩大 14:47 — 强 IC 如何建立可靠性 15:46 — 从 push model 转向 pull model 19:47 — 用自我认知选择能发挥优势的项目 24:05 — 尽早开启晋升与差距对话 32:17 — 高级岗位更依赖影响力与软技能 40:27 — 请经理解阻、补背景与建立连接 本期嘉宾 Mujtaba，Meta 数据科学高级经理，分享自己在 Meta 的成长与团队管理经验。 相关内容 观看本期视频版 阅读本期文字稿 加入Superlinear Academy免费社区 把你与经理会谈中迟迟未解的风险带来，和大家重排议题并明确求助动作。 https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

AI 让实现变容易后，真正稀缺的是发现真实需求。本期反驳“大需求才值钱”和“坐着用脑想需求”两种错判，并用 Stripe、Calendly 与 wedge & adjacency 说明，小而高频的摩擦也能成为产品入口。 适合寻找产品方向、准备做 MVP 或担心创意自嗨的人，帮助你用痛感、频率、switching cost 与市场反馈判断需求是否值得投入。 这期你会听到 • 为什么听起来宏大的问题不一定对应更有价值的真实需求？ • Stripe 与 Calendly 如何把小摩擦做成产品机会？ • wedge & adjacency 怎样让产品从锋利入口扩展到相邻场景？ • switching cost 和认知负担为什么会让大蓝图更难卖？ • 如何记录烦人的瞬间，并用 MVP 和 go-to-market 验证它？ 章节 00:00 — 为什么“大需求才值钱”是误区 01:16 — 别用听起来重要判断需求价值 02:09 — 用痛感与频率衡量真实需求 02:39 — Stripe 与 Calendly 如何解决小摩擦 03:36 — 用 wedge & adjacency 扩大产品边界 04:54 — 小身份认同也能形成强需求 05:50 — 小需求的护城河来自做到极致 06:32 — 大蓝图为何增加 switching cost 07:32 — 从身体感受到的摩擦捕捉需求 08:23 — 记录并公开那些烦人的瞬间 14:09 — 从真实需求走到 MVP 与市场反馈 15:02 — 下一步：验证需求并完成 go-to-market 相关内容 观看本期视频版 阅读本期文字稿 激活自己捕捉需求的能力： https://go.ai-builders.com/idea 加入Superlinear Academy免费社区 记录近期反复出现的用户摩擦，带来频率、痛感与切换成本证据，请大家判断是否值得做。 https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

Cursor 设计负责人 Ryo Lu 把产品设计从“搓像素”还原为组织概念、关系和系统。随着 AI 降低代码门槛，Figma 不再是设计师唯一的工作现场，设计师、PM 与前端正在向能直接交付系统的 Builder 靠拢。 适合产品设计师、产品经理和开发者，帮助你判断该继续优化交付物，还是进入代码与真实系统中验证产品设计。 这期你会听到 • 为什么软件的本质是相互作用的概念，而不只是像素？ • Figma 作为抽象层会怎样限制对真实产品的理解？ • 设计师、PM 与前端为何可能融合为 Builder？ • 使用 Cursor 构建时，如何通过限制和 design system 减少 AI Slop？ • 审美如何体现为对系统逻辑、扩展性和简洁性的深度体感？ 章节 00:00 — 设计品位如何从家具延伸到数字工具 01:16 — Ryo 从 Notion 走到 Cursor 的职业轨迹 02:54 — 视觉设计从拟物化回归概念本身 08:18 — 软件是相互作用的概念系统 13:30 — 设计师为什么必须学会用代码构建 19:15 — Figma 设计稿为何不是最终真实 24:00 — 设计师、PM 与前端正在融合为 Builder 31:25 — 怎样避免 AI Slop 的塑料感 38:33 — 审美来自对系统逻辑的深度体感 54:20 — 功能扩张时如何保持系统简洁 56:00 — 给设计师的建议：去生活，也去构建 本期嘉宾 Ryo Lu，Cursor 设计负责人，曾任 Notion 首位设计师，并有 Stripe、Asana 工作经历。 相关内容 观看本期视频版 阅读本期文字稿 Cursor设计负责人Ryo：软件的本质都一样｜什么是品味？｜AI时代，设计师一定要抛弃Figma： https://youtu.be/FKuJBz4kaOo 加入Superlinear Academy免费社区 拿出尚停留在设计稿的产品概念，和大家拆解如何进入代码并验证真实使用。 https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

一位前交易所高管不从传统估值出发，而用流动性、注意力和筹码结构解释比特币与币圈的中短期变化。对谈也延伸到 Capital、Web3 游戏规则，以及面对强烈市场观点时该观察哪些信号。 适合关注比特币、Web3 或高波动资产的人，帮助你理解市场叙事背后的筹码与注意力机制；本期观点用于分析框架，不构成投资建议。 这期你会听到 • 流动性、注意力与筹码结构如何共同影响币圈资产？ • Capital 为什么既是生产力，也会改变生产关系？ • 如何识别市场控制者公开释放的参与信号？ • Web3 从业者掌握的游戏规则如何影响财富结果？ • 面对比特币牛市判断，为什么还要把剧烈波动纳入决策？ 本期嘉宾 一位前交易所高管，从市场结构与从业经验出发讨论比特币、Web3 和资本机制。 相关内容 观看本期视频版 阅读本期文字稿 "比特币2026年会创新高，但以你意想不到的方式"｜区块链的真正价值｜AI与区块链｜前币安上市看门人Chase： https://youtu.be/TTDcuWw3noU 加入Superlinear Academy免费社区 带来你对高波动资产的判断，写清流动性、筹码与注意力依据，请大家检验。 https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

等待 AGI 降临再行动，会忽略眼前更大的机会：模型已有能力与真实应用之间，还缺 Infrastructure、Pipeline 和使用习惯。借汽车取代马车的历史类比，本期说明 Manus 这类产品为何能靠处理落地杂活创造价值。 适合对 AGI 进展焦虑、想提升工作效率或寻找 AI 项目机会的人，帮助你把注意力从预测模型能力转向建设真正可用的系统。 这期你会听到 • 汽车替代马车的过程为何能解释 AI 落地速度？ • Transformer 与 ChatGPT 分别对应技术引擎和早期产品的什么位置？ • Infrastructure、Pipeline 和使用习惯为何比等待更强模型重要？ • Manus 如何通过处理脏活累活降低 AI 使用摩擦？ • 怎样用 Frictionless、Contextual 和 Proactive 检查自己的工作流？ 章节 00:00 — 等待 AGI 躺平为何是认知误区 01:23 — 汽车替代马车为何经历漫长生态建设 03:20 — Transformer 是引擎，ChatGPT 只是第一辆车 06:39 — 落地瓶颈在 Infrastructure、Pipeline 与习惯 08:35 — AI 被困在聊天框，是系统还未就位 11:35 — Manus 的价值来自处理落地杂活 14:25 — 用 Frictionless、Contextual、Proactive 改造流程 16:04 — 从一个真实需求找到个人机会 18:41 — 别等银弹，先参与 AI 生态修路 相关内容 观看本期视频版 阅读本期文字稿 加入Superlinear Academy免费社区 把当前工作流中仍靠人补位的环节拿出来，和大家设计可落地的代理系统实验。 https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

Hockey Stick 创始人陈唱从红人营销和多渠道增长实践出发，解释 AI Agent Manager 如何放大运营能力，以及为什么好产品仍需找到 Product-Channel Fit。对 Bardeen、PLG 与 Churn 的复盘，进一步揭示产品定位和销售路径之间的约束。 适合寻找首批用户的开发者、准备 go-to-market 的创始人和增长从业者，帮助你判断该选什么渠道、何时扩张，以及 PLG 产品何时需要大客户销售。 这期你会听到 • AI Agent Manager 如何管理自动化任务并放大团队产能？ • 为什么找到市场之后，还必须验证 Product-Channel Fit？ • Enterprise 与 PLG 产品分别适合哪些增长渠道？ • Bardeen 为什么因产品过于通用而遇到增长困难？ • Churn 的绝对值如何迫使 PLG 公司建立大客户销售体系？ 章节 00:00 — 小团队如何用 AI Agent 放大渠道运营 01:45 — 从执行者晋升为 AI Agent Manager 03:52 — 红人营销为何依赖经验与概率 07:49 — 增长关键是 Product-Channel Fit 10:04 — Enterprise 与 PLG 的渠道差异 13:47 — 为什么买量逻辑不适合红人营销 19:00 — Bardeen 的教训：产品太通用反而难增长 22:30 — Churn 如何推动 PLG 走向大客户销售 25:50 — 工具变化之后，用户需求仍是核心 本期嘉宾 陈唱，Hockey Stick 创始人，带领团队通过 AI Agent 为硅谷高增长企业开展多渠道增长。 相关内容 观看本期视频版 阅读本期文字稿 AI产品增长：如何让别人了解你的产品、选渠道、讲故事、算回报、测上限、选红人、落地增长策略、理解增长本质？｜Hockey Stick创始人陈唱： https://youtu.be/yZCq2jyGcKc 加入Superlinear Academy免费社区 带上正在寻找客户的产品案例，列明目标客户、候选渠道与成交障碍，请大家共同诊断。 https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

向上管理并不只是汇报得漂亮。朱一丰把它定义为 expectation management：真正关心结果、补齐最后一公里的脏活，并让老板和协作者反复确认你能可靠解决问题。 适合希望改善向上管理、跨团队参与和项目优先级判断的职场人，帮助你在不抢 credit 的前提下建立可信赖的影响力。 这期你会听到 • 为什么 expectation management 是向上管理的核心？ • project management 中看似低价值的跟进为何决定最终交付？ • 进入别人的项目时，怎样先 provide value 而不是争夺 credit？ • 如何从 user impact 出发判断哪些任务该做、推迟或放弃？ 本期嘉宾 朱一丰，一位深得 VP 和同事信任、在组织中具有存在感与话语权的大厂总监。 相关内容 观看本期视频版 阅读本期文字稿 DoorDash Director: 如何在工作中争取存在感，和让自己闲下来？如何思考工作的意义？： https://youtu.be/4pWsovy9cV8 加入Superlinear Academy免费社区 挑出跨团队项目的卡点，带上相关方预期与交付缺口，请大家推演如何建立信任。 https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

朱一丰把工作的意义拆成两条线：解决真正困难的 hard problem，以及把职业中的幸运 pay forward。他讨论的不是强迫每个人热爱工作，而是如何找到自己的坐标，避免只用薪酬和职级衡量投入。 适合正在经历职业倦怠、意义焦虑或方向选择的人，帮助你判断工作能否成为认识世界、修炼能力和 play your own game 的载体。 这期你会听到 • 朱一丰为什么会从发现别人没发现的问题中获得满足？ • 解决 hard problem 与创造正面影响如何共同构成职业锚点？ • 如何区分公司的奖励与社会对可迁移能力的回报？ • pay forward 为什么能让职业幸运转化为行动？ 本期嘉宾 朱一丰，一位持续思考职业意义、个人贡献与社会回馈的大厂总监。 相关内容 观看本期视频版 阅读本期文字稿 DoorDash Director: 如何在工作中争取存在感，和让自己闲下来？如何思考工作的意义？： https://youtu.be/4pWsovy9cV8 加入Superlinear Academy免费社区 请带来眼下面临的职业选择，说明薪酬、难题与回馈他人之间的取舍，供大家共同辨析。 https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

财富与注意力不断向比特世界迁移，但许多人仍是依赖平台分发的“赛博佃农”。本期从 Builder 视角出发，讨论如何借助 AI 降低代码门槛，把自媒体、作品集和产品逐步沉淀为自己拥有的数字资产。 适合内容创作者、技术从业者和想做副业产品的人，帮助你判断自己是在出售数字劳力，还是在积累不受平台流量支配的资产。 这期你会听到 • 消费者视角与 Builder 视角如何改变你理解数字世界的方式？ • 为什么平台账号和粉丝不等于真正拥有的数字资产？ • 自媒体、作品集与 GitHub 如何成为构建资产的起点？ • AI 如何降低代码杠杆的使用门槛？ • 使用 Cursor 时，怎样培养对报错和模糊需求的处理能力？ 章节 00:00 — 从洛克菲勒到黄仁勋：财富向比特世界迁移 01:26 — 从消费者视角切换到 Builder 视角 03:01 — 赛博佃农为何受制于平台流量 04:36 — 从自媒体账号走向独立数字资产 07:15 — AI 让代码杠杆变得廉价 09:36 — AI 编程需要建立的底层能力 11:11 — 用代码与媒体盘活数字不动产 相关内容 观看本期视频版 阅读本期文字稿 加入Superlinear Academy免费社区 拿出依赖平台分发的作品，和大家讨论怎样改造成自己掌控的数字资产。 https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。