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
今天是2025年的4月7号
在美国科技圈这里边出现了一个
讨论度非常非常高的话题
就是Shopify的传奇的CEO
Toby
他给全公司发了一个关于AI的Memo
然后在AI的Memo里边
他提出了一些在很多人看起来
非常Drastic
非常极端
非常激烈的一些measure
比如他说
在Shopify工作的所有人
他说的是所有人
都有使用AI的expectation
AI usage会进入所有人的performance review
然后你的团队如果想要grow headcount的话
你要必须先justify
你这些工作不能被AI做
然后你才有可能得到headcount
如果你没有办法justify的话
那不好意思
你是不可能得到新的headcount的
而且所有的产品原型都必须要使用AI做
其实这四条真的你说极端吗
激烈吗
我觉得并不极端
并不激烈
我觉得更多讨论他的人
是称赞他的远见
和能在一个管理大公司的情况下
非常有行动力
有决断力的去推动整个公司做这件事情
我相信很多其他的公司
也会跟随他的脚步
去把这些强制整个公司
转向AI的measure
运用到自己公司里边
我相信很多的国内互联网企业和科技公司
也都会这么做
然后会不断的扩散到各个行业去
所以说无论你所在什么样的公司
所在什么样的行业
这件事情都是会迟早发生的
这个时候就有同学会challenge的
你凭什么shopify的CEO做了这么一件事情
虽然讨论度高
然后你就觉得他一定会发生到所有公司
那shopify的CEO做的事情多多了
然后我们每样都要去学吗
不是的
我不是说这件事情是因为shopify的CEO做了
所以说大家都要学
而是这件事情我早就认定了
它一定是一个必然
只不过shopify的CEO
把这样的一个做法
给非常好的exemplify出来了
articulate出来了
然后这就让其他的公司
变得非常好学习这件事情
因为他做的这几件事情
底层的思考
其实是一个复杂的
不那么容易表达的东西
我在课堂里边花了一节课的时间
去给大家讲清楚背后是什么
这一节课背后所讲清楚的东西
就是范世革命
范世革命
比如说我们看iPhone看各种云
我当时如果大家记得的话
我还去硅谷采访硅谷徐老师
那个时候我还不懂
就是我采访硅谷徐老师说
你当时在mobile device
就是mobile internet
然后在云的时候
你觉得有什么共同的pattern
然后徐老师说
就是那两个科技共同的pattern
就是所有人都在谈论它
就是当云兴起的那一年
所有的人都在谈论
云是未来的future
然后在mobile兴起的时候
所有人都在谈论mobile是个future
但是大家还是完全underestimate
整个行业会有多大
underestimate这里边的机会
在我2022年访谈硅老师的时候
我那时候还不解
就是为什么会这样子呢
后来我就慢慢理解了
第一
ecosystem development是需要时间的
第二更重要的就是
大多数人在面对一个
泛式革命的时候
其实是不知道如何面对的
而这里边其实不光是
技术和知识上的问题
很多时候还是关于
情感和identity的问题
就是你当面对一个新泛式的时候
你过去的那些方法是不奏效的
所有人拉到了一个起跑线
过去的那些专家
他一下子就出现了一个身份危机
这个时候他很有可能会去radical
就是去荒谬化这个新科技
然后去violently oppose这个新科技
然后直到突然有一天
他发现完全不行了
而且这些人一般还是
身居高位和身居坏权的人
所以说当一个新技术发生的时候
你就会看到很多权威
站出来说这个新技术怎么怎么不行
当然这是一个充分非标条件
不是说所有的权威说不行的技术
都是新科技
而是新科技一定会经历这样的阶段
我在课程里边还总结了一下
这里边的原因
比如说有information overload
比如说有skill gap
比如说你要先unlearn
然后才能learn
比如说excelentity ambiguity
你在过去一个泛式里边好还是不好
基本上是有标准的
在一个新泛式里边
好和不好是很难有标准
然后你在这里边的标准一直在变化
这个时候就会有很多excelentity
大家就是不习惯的
而且当一个新技术出来的时候
有太多的information overload
你这里边可能每天听到的99%都是noise
然后1%是signal
你自己如果没有把noise和signal
区分的能力的话
你天天被标题档带走
你肯定就是心情一下起一下倒
你最后发现绝大多数
那些标题档说的东西都没有办法兑现
你这样而然也就会对新技术去失望
这里边还有两个很重要的
就是institution resistance
哪怕你想完全拥抱AI
但是你的老板想grow to the headcount
然后他就会说AI不好用
我们不能用AI
然后就会限制他的组织
限制你去拥抱AI
最后还有一个就是你不知道成功的标准之后
你在同一个起跑线之后
你就觉得自己的self-worth
你的identity就会受到一个很大的挑战
很大的危机
关于最后一点
我可以给大家举一个例子
Data scientists
或者machine learning
scientist
machine learning engineer
这种AI
之前做AI的人
他们很多人在面对generative AI
large-danglish model出现的时候
反而是最难转弯的一群人
他们是最浪费资源的一群人
怎么说呢
就比如说我在2023年的早期
大家知道我2022年的时候
访谈了徐老师之后
我就去不断的学习AI
然后当ChaiGPT出来之后
我又去发表了关于ChaiGPT
最重要的五个问题的文章
而且去跟很多行业的人交流
然后去自己使用
读论文等等
我对这里边已经积累了很多的了解了
但是那个时候我带着这些新的了解
和真的每天在使用AI的这些经验
去跟一个过去的
data scientist聊天的时候
就会发现他们有两个倾向
第一个倾向就是说
Chai这个CNI不就是
又是一个AI的热潮吗
我来跟你讲一讲
过去五轮AI的热潮
然后过去每一轮
大家都在炒这个概念
然后这个概念
最后怎么样子没有兑现
然后我就想说
我知道你说的每一次的炒作
每一次的概念没有兑现
我也知道他们为什么
然后我也知道这次为什么不一样
但是你有这样一个态度的话
我怎么样去说服你呢
第二类就是说
我们要拥抱这个薰技术
这个是一个大机会
我们来赶紧去看看
我们怎么样子研发自己的大约模型
然后我们怎么样子自己去
做模型的翻顿
然后这也是一个非常典型的错误
因为这些人他没有真的去了解
generative AI
他到底需要多大的数据量
他到底需要多少的engineering的投入
我不是说你不能做
比如说deep sick不就做出来了吗
你要知道deep sick是一个多么多么
extreme的outlier
他是多么多么少见的
第一他不缺钱
然后老板又有理想
然后他又积累了
那么多的做infra和做工程的人
然后他又在这上面不停的探索
而且还没有迎受压力
他是出生在一个量化机构的
这么一个非常多的天时地利人和
凑齐的产物
但是你如果去看很多大公司
比如说腾讯到现在理论上
有这么多人才
他去烧模型
烧出来了一个first tier的模型吗
根本没有对吧
更不要说当时二三年的时候
我去跟任何一个
就是这种十个人级别的
算法团队去聊
他们都想去训练自己的模型
或者说起码都想做自己的fantuning
这就是典型的
把过去一个时代的错误经验
带到了下一个时代
过去一个时代的错误经验是
在那个时代模型的工程成本是小的
然后几乎所有的模型又都是开源的
所以说
而且你模型想要得到好的效果
你要把一个开源的模型架构
然后到你自己的数据上去进行fantune
得到更好的结果
所以说fantune在那个时候
就是一个好的算法工程师
他的go to option
然后一个好的算法工程师
很大价值
也就在于把一个
市面上最好的最合适的模型
然后用到你的专有数据上
可是在GNI时代
这完全就不一样了
但是它还依赖于
前一个时代的动作关系
到一个新时代
最后就会导致
反而他浪费了很多资源
然后反而他做了
他的动作非常慢
反而他没有办法跟上最新的进展
反而他做了很多错误决策
那我们AI的课程
从开始做到现在
已经有8个cohort了
我们每一个cohort都要去
在这里边增加很多新的内容
和删减修改很多内容
然后我们在教的过程中
也会发现同学们
对AI的理解就很不一样
我要讲一个故事
我记得在我的第一个cohort时候
然后我上完了我的session
然后有大家的Q&A
Q&A的时候就有同学
就在Q&A的时候说
哇 你这个内容
包括你们写的这个课件
准备的真好
一看就是没有使用AI做的
但是在上一个cohort
就出现了一个
让我觉得很神奇的现象
有一个同学在回答
就是说
发现你写的这些东西
每一句都写到了我的心里
都解答了我的疑问
然后这个内容写的也真好
怀疑你是不是用AI做的
所以我就想
这完全是一个180度的反差
就是在一年前
一个好的东西
大家就会觉得
这肯定不是AI做的
在一年后
已经有人觉得
这么好的一个东西
那肯定是AI做的
所以说这就是在这个心范式下
人们的观念有多快
你在这里边
就充满了无数的机会
你从那100个signal
和noise里边去找到那些
有限的signal
然后不断的在这里边
有效的学习
我们在群里边要有人讲
就是他在公司中推行cursor
比如说我们AI agents那门课里边
还教了大家怎么样去魔改cursor
怎么样子让他多部决策
自我进化
甚至怎么样子有魔台agent
然后这些人用了cursor以后
就觉得他的生产力完全飞起
如果你看我们社区里边的
share your work的板块
也会看到每天都有同学分享
他使用cursor
或者说使用其他的AI
怎么样子去完成了
他自己之前
完全想不到的任务
这里边有简单的任务
也有复杂的任务
但是这些人共同的痛苦
就是他们去公司里边
想要去推行AI的时候
很多人都抱着耳朵说
不不不
AI是什么啥
或者说不不不
AI不行
其实那些人就是随便的
去扔了一些简单的prompt
然后prompt的方式也根本不对
然后也没有去认真学习
怎么样子去使用
然后简单试了一下就说不行
然后这些人说不不不
我教你怎么prompt
然后我教你怎么样子去魔改你的cursor
然后说不行
我不够technical
或者说不不不
还有别的事情
这个东西不重要
然后这些先行者
就非常的痛苦
就是我明明是为你好
我明明是想普及AI
然后这个东西这么重要
我已经看到了这个东西这么重要
我想要普及给大家
为什么你们反而不听
这就是因为这样的一个心犯事
这就是为什么
我觉得像shopify CEO所做的这件事情
自上而下的去推行AI
它是一个势不可挡的趋势
因为这些CEO们
因为这些管理层面
他们的对信息的敏感度是最多的
这些entrepreneur
他们是live in the future的
他们无论怎么样
都会看到AI所带来的巨大机会
也把这件事情communicate的
非常清楚了
所以他说的这几件事情
每个人一定要在日常工作中使用AI
你的performance review里边会有AI usage
你如果不justify
你这件事情不能被AI做
你就不可能拿到新的high count
以及你的prototype
一定是要用AI做出来的
这些事情一定会发生在每个公司
如果你对我们课程感兴趣的话
我的课程信息也放在这儿
欢迎大家去看一下
我们的课程不光有我和雅各对原理的拆解
有各种实战的经验
有projects去代引述
更重要的是
我们通过我们的课程
和所构建的社区
去帮助你动手
我们觉得在AI时代
教你如何动手
教你如何build withAI
才是我们唯一能交流的东西
所有的知识都会过世
但是只要你能不断的build
你就自然而然的
能在noise里边找到signal
并且能把AI应用好
运用到自己的日常工作中
好 这视频就到这儿
谢谢大家
我们下期再见