Subscribe
Share
Share
Embed
课代表立正的官方Podcast
深度访谈，有用干货，亲身验证的「真本事」
Superlinear Academy创始人，Maven Top AI Instructor
前Statsig布道师（OpenAI收购），腾讯副总监，Meta，Amazon；康奈尔经济学博士
社区：Superlinear.Academy
课程：ai-builders.com
个人：lizheng.ai
從歷史看的話就是沒有鐵飯碗
行業就是會變遷的
選擇和時機很重要
當這個行業saturate
開始走下坡路的時候
要想方設法的去把現在這個行業作為一個跳板
AI的能力在水漲船高
就會讓我們的技能的貶值速度越來越快
快速發展的時候正是充滿機會的時候
如果當AI整個都發展成熟了以後
人的勞動力在這裡面可能就發揮不了太大的價值了
不要基於焦慮去做事情
而是基於自己一些比較清晰的選擇
用一個長期主義去做事情
大家好 歡迎回到《快樂料理政》
今天我在家翻箱倒櫃
給大家找出來了
我2017年的時候
博士畢業收到的第一個offer
是來自於上海BCG
這個offer是當時一個
年薪134萬的offer
然後我拒絕了它
我知道現在就是小紅書
或者B站上年薪百萬到處都是
但是一個真正的年薪百萬的offer
應該還是很少看到的
今天可以給大家看一下
那為什麼要講這件事情呢
我做了這麼久的視頻
應該大多數的觀眾都沒有欠過我這個offer
我也很少講我BCG的事情
因為當時沒有去
因為最近我在網上看到了好多
就是唱衰程序員
唱衰科技行業的論調
就說現在科技行業在走下坡路了
然後AI會取代很多程序員
包括Meta微軟
就是科技公司的裁員
彷彿成了一個主旋律
而且另外一方面
科技公司的招人也是越來越嚴
之前你去大廠的話
基本上你刷題都可以進
所以也有人說
就是Northeastern Waterloo和San Jose
這樣的學校才是這些科技大廠最大的聲援
而不是Half Yelow這樣的學校
可是現在大廠的招人是越來越卷了
那在我看來
這個話題成立也不成立
確實崗位變少了
需求變少了
甚至很多科技行業的某些領域
它的增長空間已經不一樣了
它內部的人才結構和所需要的技能
都發生了極大的變化
所以說確實有這樣的情況存在
但是另外一方面
在這裡邊其實更需要我們去做好選擇
然後去想好什麼是我們可以做的
去什麼組
去什麼公司
去什麼行業
和去做什麼樣的事情
我覺得當年的資訊公司
其實和現在的科技行業有不少相似之處
我們可以以史為鑒
去看看當年的這些精英的資訊人
其實面臨了什麼樣的選擇
他們在什麼時間點做什麼樣的選擇
現在可以拿到一個比較好的結果
從而也能幫助我們去想清楚
我們這些科技公司的打工人
站在今天應該幹什麼
首先滿足大家的好奇心
給大家看一下offer
如果看不清楚的話
我也會專門貼一個照片
它是人民幣134萬零800塊錢
然後你如果去的話
它給你9萬5800塊錢的搬家費
接下來第二頁是offer的具體拆解
這裡面基本上88萬是基本薪資
然後這裡邊35萬是performance bonus
你基本上大家都可以拿到
然後接下來是retirement fund 10萬塊錢
總之就是你如果參加了這個工作的話
當時就是一個130多萬的offer
而且如果大家不知道的話
資訊公司的實住型幾乎都是不要錢的
因為你在上項目的時候吃飯
住五星級酒店做商務艙都是可以報銷的
所以很多資訊公司的同學
很快就積累了各種酒店和航空公司的積分
以後放假自己出去玩的時候
都不怎麼用花錢
真的是一個非常有吸引力的offer
我去了BCG的offer
後來去了亞馬遜
我也在這把我亞馬遜的offer給大家貼一下
它的結構稍稍有點複雜
這就不說了
它的股票雖然後來漲了很多
但是我其實因為是在第二年的時候
從亞馬遜就跳去了Facebook
我這個里面80%的股票我都是沒有拿的
不然的話我算了一下
這些所有的股票放到今天大概是值88萬美元
我記得當時我的年薪加獎金加股票加起來
可能是18萬美元左右吧
也不少
不過你在國內賺138萬人民幣
和你在美國賺18萬美元
這個生活質量基本上是差了兩個階層
你在西雅圖賺18萬美元
可能你吃個外賣點個奶茶都非常心疼
你在國內130多萬人民幣
而且你平時住五星級酒店又是不要錢的
又可以有那麼多積分
你真是想幹嘛
我印象很深
就是我那時候的前女友
她是北大畢業的
然後後來去也是讀博士
然後現在做教授
她是一個不怎麼愛錢
然後也不物質的人
但是這樣的一個人
看到了這麼一個offer
也是身受衝擊
就挖了這麼多錢
她是北京人
她這輩子吃雙羊肉都吃不完
我那時候博士的工資一個月只有2000美元
所以說無論是業買訓的
還是BCG的offer
都是一下子讓我的薪水漲了10倍
就是突然一下子就有錢了
而且大家想那個時候
我只有0年的工作經驗
我只去BCG實習了三個月
就拿到了這樣一個offer
所以當時在選擇的時候
其實也糾結了很久
因為BCG給這個offer
真的是給的非常有誠意
而且你在諮詢公司也能接觸到很多高管
你也能看到很多不同的行業
有很好的機會
那後來為什麼有這麼好的offer
還是沒有去呢
就是因為我當時覺得資訊行業
應該是已經是過了它的巔峰期
正在走下坡路
我們那個時候看到BCG大多數人做的case
是做華夏幸福的特色小鎮
後來那些項目很多也爆雷了
因為華夏幸福也出了很多資金問題
總之就是地產公司
然後也會做一些互聯網公司
和做一些金融公司的
但是與此同時
互聯網的發展是如火如荼的
包括互聯網那裡有很多新技術的應用
像Mesh learning大數據
語音計算都是在那個時候興起的
於是我當時是基於一個對行業的直覺
去選擇了互聯網
現在回頭看的話
這個選擇也是非常對的
我一會也會去介紹一下
就是我這些諮詢的同事
或者說那個時候比較資深的同事
他們當時做了一些什麼樣的選擇
分別有什麼樣的後果
不過更重要的是
這件事對今天的我們有什麼關係
那這其實也是我做這些視頻的背景
我是昨天在一個群裡邊看到有人分享
是矽谷這邊的一個叫Gumroad公司
它的Founder發的文章
就是他們現在幾乎100%的
代碼已經是在用AI寫了
如果說你上我跟壓哥的
整體AI課程的話
你也會發現基本上Cursor加上我們的魔改
是可以完成絕大多數
junior到mid-level engineer的工作的
他們的那個Founder就說
他們以後就不會再找
junior到mid-level engineer了
他覺得AI完全可以搞定這件事情
接下來還有同學就分享了一篇文章
是一個挺深度的專欄作者
叫Rudolf
他寫的這篇文章就講了
對AI時代的預測
尤其是對人的工作來說意味著什麼
他分析的就是過去錢
如果想買到一個結果
比如說貝佐斯和Elon Musk
都想把火箭送去火星
但是他們中間會隔著一層叫人才
你用錢去買人才
不是直接可以買得到的
你必須要配合很多管理
配合文化的東西
才有可能買得到
貝佐斯在那個時候更有錢
貝佐斯的Blue Origin還更早
但是輸給了馬斯克的SpaceX
就是因為錢不能直接買到結果
錢需要去聚合這些人才才能買到結果
可是作者預測在未來AI的時代
錢就可以更直接的買到結果了
因為中間的很多talent
是被AI給取代了
與此同時
人的勞動力的價值也極大下降
之前你如果是一個水平一般的人
你還是很被需要的
因為很多工作都需要人去做
可是未來你如果是一個水平一般的人
你的工作如果能被AI給取代的話
那你的勞動力就失去了一個價值
失去了一個槓桿了
很有可能你在這裡邊想賺到錢就很難了
這也是今天AI時代很多科技行業的從業者的焦慮來源
如果大家平時做的更多的是一些搬磚類的工作
去運用自己已有的skill
運用自己已有的技能
沒有特別多的積累的話
那確實很容易被AI取代
甚至還有的帖子專門做的量化
就是說你看之前比如說一個30人
年薪每個人30萬的這種團隊
現在10個人每個人年薪20萬
反而產出更好的效果
因為你30人的管理成本更高
而且這些比較資深的人
他們可能更不願意擁抱新劇數
反而是年薪10萬20萬的人沒什麼包袱
他們新劇數用的更好
這些東西我覺得都是有一定道理的
所以總結這些觀點
就是AI對科技行業的就業市場衝擊是極大的
然後大家也非常有危機感
但是如果我們回顧歷史的話
我想說這並不是一個什麼AI帶來的新的事情
如果我們看100年前幾十年前的話
那個時候最好的工作是汽車流水線上的工人
然後幾十年前的話
可能還沒有什麼科技行業
那個時候金融媒體都是非常吃香的
包括管理諮詢
可能在10年15年以前
大家想想就是住五星級賓館
西裝閣旅
然後拿著這麼高的年薪
平時對接的都是甲方公司的各種CEO高層
在非常漂亮的寫字樓裡邊
然後非常好的辦公環境
就是像BCG
MBB就是麥肯西BCG和貝恩
他們基本上是在國內只招清北副交
然後在國外只招長春藤和一些其他的
就是非常頂級的名校
然後是從這些名校裡邊層層選拔
選拔出來最聰明最優秀的那一部分人的
所以說別說985211
就是哪怕是哲大武大這樣的學校
可能你都沒有機會去進入這些公司去打工
如果你能的話
一定是你有什麼特別厲害的地方
所以真的是很具體
就是這麼一個人人羨慕
在職業天花板的這麼一個行業
現在大家看的話
就其實已經相對是比較衰落了
一進學校就想去管理諮詢的同學
已經是可能少了10倍100倍了
那投行媒體等等很多崗位也都是這個樣子
所以說這個世界上就是沒有鐵飯碗的
像科技行業的這樣的超額回報
已經是非常非常久的
因為它吸納了非常龐大數量的從業人員
而且它的門檻其實是很低的
就是你基本上去轉碼
然後去一個轉碼對應的學校
然後去刷個題
通過面試你就可以去到一個大廠
起碼在2016年到2020年之間都是這個樣子的
這是一個非常大的職業的arbitrage
那公平嗎
就是這些人是一路辛苦捲了這麼久
然後捲到了一個地方
拿著100多萬的年薪
另外的有10倍100倍1000倍的人
他們可能只是因為做對了一個選擇
就拿著比這個更多的年薪
因為很多去科技行業的人
他拿的年薪可能和這差不多
或者甚至很多時候更多一些
但是他們股票漲的厲害
這邊都是現金
然後那邊是股票漲的厲害
所以在科技行業的造福神話其實是更多的
就是你很容易就有一個上千萬美元的資產的積累
但是在BCG起碼在2017年的時候
已經不太有這樣的機會了
2007年的時候還差不多
因為從2007年到2017年
管理諮詢的工資其實變得不淡
我記得當時我的一個合作的project leader
他還講就是在10年前的時候
BCG這些管理諮詢的人
他們的年薪都可以包一個女明星了
但是反過來就是2017年的時候
基本上只能被女明星包
所以說你從歷史看的話
就是沒有鐵飯碗
行業就是會變遷的
那這個時候應該怎麼辦
那我們回去想
就是這些管理諮詢的人後來他們去哪了
我覺得管理諮詢做得比較好的呢
一個就是你真的是在這個行業的黃金期入行的
就是那些07年入行
然後你在那裡邊
你無論是通過你自己的資產積累
然後去買個房子是吧
那個時候07年的時候
拿著這個年薪
你房子是亂買的
資產積累
然後你就可以財富自由了
如果當這個行業saturate
就是到了這個頂峰
並且開始走下坡路的時候
你利用這個行業的光環
跳去一個好的行業
比如說你在2012年左右跳去地產公司
你在2016年左右跳去一個互聯網公司
你最後的結果也會非常不錯
但是你如果是在2017年之後跳去地產公司
或者說你是在2020年跳去互聯網公司
那就不行了
2017年的時候跳去這個互聯網公司的話
你基本上是能拿到一個不錯的總監以上的職位
而且你會做戰略
你會做戰投
你會做商業分析
這些都是面向大老闆的很有份量的角色
可是大家看到了2020年之後
很多互聯網公司就把他們的戰略
戰投上分都給裁撤了
那如果你在這個時候再跳過去的話
很明顯就晚了
所以這裡的結論就是
你的選擇和時機很重要
當你這個行業在走上坡路的時候
你留在這個行業裡邊去積累你的財富
去積累你的資產
是一條非常好的路徑
當這個行業走到頂峰和走下坡路的時候
你這個時候應該去利用你現在這個行業的槓桿
因為它在頂峰
所以說你的這些技能還是被很多人需要的
要想方設法的去把現在這個行業作為一個跳板
去到下一個行業裡去
其實當年很多管理諮詢的人去別的行業的時候
是要take pay cut的
就是基本上你的這個薪水會掉個30%到50%
但是沒有關係
他們進了足夠好的坑
他們掌握了足夠好的資源
他們發展的快
所以說你可能當年是降了30%
可是隨著時間
他們很快就把這些收入給好幾倍的彌補了回來
這裡是來自歷史的一些教訓或者說是經驗吧
那我們今天具體來說應該做什麼的
其實在拆GBT剛剛出來的時候
我的文章和我的視頻已經完全預測到了今天的情況
不信的話我把這個文章和視頻都放在這裡邊
大家可以直接回去看我的文章和視頻
關於拆GBT最重要的五個問題
腦藝人的時代
以及我在拆GBT出來之後的第一次高考
我給那個時候大學生提的建議
大家回去看一下是不是和今天所發生的所有事情完全吻合
所以說我在過去的一年裡邊也非常致力於更普及的AI教育
我和鴨哥做這個課已經教了一千多個學生了
然後我們還專門做了Zentek AI這門課
就是希望把AI的這些技能盡量多的教給大家
這也就是我的建議一了
我的建議一不是去上我們的課
而是你應該去認認真真地學一下AI
就是像電腦出來的時候
你所有的人都應該去學電腦
不管你的行業是不是需要用到電腦
但是你起碼應該知道這個電腦
這裡面的道理是什麼呢
就是你由你喜歡做的事情
由你擅長做的事情和過去已經做過的事情
這是你的能力圈
AI可能和你這是一個很不一樣的東西
你如果把這裡學會了以後
你就能把你現在的這個機會往AI這邊去靠
你也能比較早的發現AI能給你帶來什麼樣的機會
那你就可以把你的這個舒適邊界
把你的這個能力圈給擴大一些
而且因為AI是一個全新的東西
所以說這裡邊的絕大多數機會
包括之前不能做的現在能做的東西
包括資金包括人才都會向這裡集中
所以說把你的這個能力圈往這邊靠總是沒有錯的
這裡邊的誤區是不是說你一定要去轉行AI
或者說是去一家AI公司
或者說是完全做一個AI的startup
才叫抓住AI的機會
我覺得大家的內核要穩定
大家不要基於焦慮去做事情
而是大家基於自己一些比較清晰的選擇
然後用一個長期主義去做事情
所以知道自己想要什麼
知道自己擅長什麼
知道自己做過什麼
然後去認真的踏踏實實的學好AI
我相信在這裡邊你就能找到很多屬於你的機會
因為這件事情在這幾年尤其重要
因為AI所帶來的這些機會沒有settle
AI還在快速發展的過程中
所以說這個快速發展的時候正是充滿機會的時候
如果當AI整個都發展成熟了以後
那很有可能就會像Rudolf所說的
人的勞動力在這裡邊可能就發揮不了太大的價值了
那到那個時候可能很多事情就不像現在
很多機會都會消失了
這是第一點
第二點是建議大家去多積累資產
因為你的技能會快速貶值
因為AI的能力在水漲船高
他今天能回答問題
明天能編程後天就能去思考了
包括陶哲軒他有說Frontier Math
他覺得可能幾年之後才能被AI超越
但是最近我們如果看這個O3
它的benchmark已經達到了25%
所以說這裡邊的發展速度真的有可能比人類要快
尤其他的計算成本還在從指數性的下降的過程中
那它的水漲船高就會讓我們的技能的貶值速度越來越快
但是什麼東西不貶值
就是我們的資產不貶值
我們要分清楚什麼是我們的資產
什麼是我們的技能
大家就在平時多儲蓄少消費
尤其是少消費那些消費主義給你洗腦
讓你覺得你需要去消費的東西
那這裡邊你就可以建立一個比較廣的buffer
比較廣的緩衝區
那這樣在你的過去的這些技能貶值的情況下
還能給你充足的時間和充足的這種安全感
去學習新的東西
去適應這個新的時代
從而更好地去調整自己
不然的話
如果一方面你的技能在貶值
一方面你又沒有足夠多的資產去保護自己的話
你在這裡邊的心態受到影響
可能這個時候學習各方面也都會很受影響
第三點的建議就是對手藝的建議
大家應該去看一下
什麼東西是愛取代不了的
尤其我覺得在這裡邊有很值得說出來一點
就是巨深智能imbotment這件事情
也就是那種特別能幹的機器人通用機器人
我覺得巨深智能離真正實現還有一段距離
為什麼呢
這裡邊我覺得有兩個原因
第一個就是世界模型work model
可以讓模型去跟真實世界交互
理解真實世界規則
給模型真實世界的物理反饋的這種世界模型
似乎到現在還沒有被發明出來
如果被發明出來了歡迎留言
就告訴我在哪我去研究一下
但是它現在沒有
然後也不知道什麼時候會出現
那這就會是讓模型進入世界
然後去巨深的一個非常大的阻礙
第二點就是我們的傳感器和我們的傳動器
其實還不到位
我們現在驅動一個機械的話
基本上還是要靠六軸電機
很多傳感器也都還差得很遠
所以說有這兩個制約的話
我覺得巨深智能並不是一個
比如說3.5年的short
很有可能是一個10年20年
甚至幾十年才能發展好的事情
在這種情況下
AI應該是不能取代很多巨深的事情的
它可以取代自動駕駛
但是它可能很難取代
比如說拉個花或者說是做個飯的
這些東西短期我覺得AI是無法取代的
在我的文章裡邊其實就呼籲了這件事情
我在幾期視頻裡邊也反复呼籲了這件事情
包括跟立昂的訪談等等
我那個時候大家可能會覺得我是開玩笑
其實我不是開玩笑
我是真的是給這個建議的
我今天還是要重複一遍這個建議
所以說我三個建議就是認真的去學AI
踏踏實實的去學AI
第二個建議是積累一些資產
然後給自己一些緩衝區
第三個就是去關注手藝
關注這些AI取代不了的事情
我的闊然閱讀就是我的文章
和我當時腦藝人的時代
以及給大學生的三條建議
這幾個如果大家感興趣的話
可以再去複習一下
最後我在這裡說一下
我在B站上這樣上的課程
其實跟今天說的這些東西都很有關係
我在B站上講的這個課叫做
從會工作到會賺錢
我會先在B站上
然後等那邊都差不多上完了以後
我也會在SuperLinux裡邊再上
這期視頻裡邊講的
就是我們應該如何的正確學習
會工作和賺錢
我們如果用課本上的方法去學習的話
肯定是錯的
我們有什麼樣的思維阻礙了我們工作和賺錢
然後我們怎麼樣子去正確的理解財富
怎麼樣子去正確的理解財富自由
怎麼樣子去正確的理解財富
財務和個人價值
然後我們應該怎麼樣子去用比較大的可能性
打造自己的個人價值
我最後還有兩張去專門講
在工作的場景下
怎麼樣子運用這些公司
怎麼樣子提升我們自己的人力資本
和怎麼樣子去建立一個副業
通過這個副業去找到自己不依賴於公司的價值
我教的這些內容
我覺得在AI時代那是更有意義了
包括我當時為什麼選了亞馬遜
而不去BCG的一些具體原因
包括為什麼後來可以放棄亞馬遜
80%股票去了Facebook
我在裡面也都會當成案例
去給大家一些詳細的講解
所以如果感興趣的同學的話
也歡迎關注我的那期課程
我是最近每天都在做這個課程
花了非常多的時間精力
我覺得那個課程內容
是絕對對得起那個課程的價錢的
那行希望我今天的這些分享
就能給大家帶來一些
在充滿焦慮的時代的一些確定感
我覺得有焦慮
就說明有一些事情是我們應該做的
能緩解焦慮的最好方式
就真的去做一些有意義的事情
有價值的事情
如果覺得我這一期視頻有價值的話
歡迎分享給你的朋友
我們一起過眠
下期再見
拜拜