AI时代的人才画像：可解但不易的问题

我们频道里的许多同学都非常关心，在这个时代，理想的人才画像（Talent Profile: 对特定职位或角色所需技能、经验、特质的描述）是怎样的，以及如何才能成为这个时代更优秀的人才。正如之前提到的，像Google、OpenAI或Perplexity这样的公司，要做一个AI浏览器或类似的项目，理论上是可行的。这听起来似乎人才是一个可以解决的问题，或者说它并不是决定性的差异化因素（Differentiator: 使产品、服务或公司在竞争中脱颖而出的独特特征）。

然而，我认为这在理论上是可解的，但实际上仍然非常困难。Google之所以能发展得如此成功，最终还是因为从公司创立之初，它就对人才有着极高的渴望，对人才管理和重视程度与众不同。因此，真正做好人才管理并非易事。最近，Meta的马克·扎克伯格（Mark Zuckerberg）以1亿美元的薪酬包（有些人多一点，有些人少一点，但数量级即使少一个数量级也已非常可观）来吸引人才。但这1亿美元就能解决问题吗？很有可能不一定。要解决这个问题，还需要领导力，即扎克伯格本人和亚历山大·王（Alexandr Wang）等人的领导力，他们需要真正懂得如何用好人才。鉴于他们过往的良好记录，我认为这仍然是有可能的。但仅仅依靠1亿美元招募一群人，距离解决问题还差得很远。所以，尽管人才问题理论上可解，但真正招募并用好人才并非易事。

“全栈”概念的重新定义与职场变革

我这里做一个小广告，我们做浏览器需要很多人才，浏览器之外我也在做其他的创新项目，同样需要人才。目前，无论你是工程师、产品经理还是增长专家，我们都对人才非常渴望。这确实是一件很难的事情，可解不代表就能做到。我每天都在非常认真地寻找人才。

很多观众听完刚才的描述后，可能会心里一凉，因为我没有提到“数据”相关的人才。他们可能会想，是不是做数据科学（Data Scientist）或数据工程师（Data Engineer）的工作就没有需求了？这是一个很好的问题。今天我们思考人才，需要更多地从全栈（Full-Stack: 指一个人或团队能够独立完成一个项目的所有环节，从前端到后端，从设计到部署）的角度出发。全栈工程师（Full-Stack Engineer）这个概念已经讨论了很多年，通常指同时掌握前端和后端技术的工程师。但在AI时代，这个“全栈”的定义被彻底重塑了。

今天的全栈不再仅仅是前端和后端，它可能意味着需要处理数据、担任数据工程师、甚至可能需要扮演产品经理（PM）、设计师，甚至负责增长。这才是真正的全栈，其职责范围（Scope）变得非常广泛。我这周在美国一家最大的银行的峰会上做了一个小组讨论，旁边坐着一位银行高管。他非常同意我对全栈的理解。我提到，这家银行相对较大，但创新速度较慢。他表示，他们团队也是如此，他认为两三年后，如果工程师不能具备这种全栈思维，就会被淘汰。这说明，即使是在采用新工作方式相对较慢的公司，都已经有了这样的想法，更何况其他公司。

所以回到刚才的问题，我觉得做数据的人没有必要心里一凉。今天我所说的“工程师”是一个泛指，指那些能做技术工作的人。前两天我碰到一个初创公司的CEO，他可能会到我自己的播客节目《Neo Show》做一期节目。我邀请他，是因为他提到一句话：“这不只是全栈工程师，我需要成为一个全栈CEO（Full-Stack CEO: 指CEO不仅要负责产品和增长，还需要亲自参与并理解公司运营的各个方面，尤其是在AI赋能下）。”因为AI的原因，他什么都要自己能做。所以，AI时代确实改变了这些定义。

知识工作者的未来：转型而非消失

在刚才提到的美国最大银行的技术峰会上，我们的小组讨论中有一位风险投资人（VC）提出一个观点：软件工程师（Software Engineer）这个职位在几年后就会消失。我其实不同意这个观点，但我们说的其实是同一件事：即我们今天所理解的，或者说过去几年所理解的软件工程师会消失，但软件工程师这个职位本身还在，只是会被完全重新定义。

我觉得大多数工作都是这样。你之前也有一篇文章提到，如果你的身份认同是“程序员”（Coder），那可能就完了；但如果你的身份认同是“建造者”（Builder），那这其实是一个非常好的时代。这更多关乎一个人的特质（Traits）和追求的结果。如果你将自己定义为一种技能，那么这种技能很快就可能变得廉价或消失。

对于我们节目的听众和观众来说，很多人都在不断思考这个问题。我觉得这个问题是这样的：我们刚才讨论的这个话题，其实并不是一个新话题。过去一百年、两百年，甚至过去几十年的数字革命，即使没有AI，这种变革也一直在发生。唯一不同的是，AI时代这种变革发生的速度比以前更快，或者说至少快一点。快多少因人而异，每个行业也不同，但绝对要比以前快。所以大家会感觉到“哇，这个东西好像是前所未有”，或者“很不适应”。这是因为变化的速度快，但这种变革本身并不是一件新鲜事。

就好像我们每天早上起来先看邮件，三十年前、四十年前哪有邮件可看？现在有邮件看。再过三四十年，我不相信大家还会用同样的方式在Outlook或Gmail里看邮件，肯定会有新的形态与我们的数字世界打交道。

我在这里有一个观点想抛出来，与徐老师讨论一下：这种变化的速度，过去几百年、几千年都有。第一波是农业，后来工业革命、制造业，然后农业自动化。但制造业的人口到现在也越来越少。然后白领（White-collar worker: 主要从事脑力劳动和非体力劳动的工作者），即知识工作者（Knowledge Worker），其实是在1950年左右才大规模出现的。在中国，可能199几年白领工作才成为主要工种。我觉得可能都不一定，那时候制造业可能还是主要工种。但我们现在绝大多数人都是白领了，而他们被取代的速度可能更快。农业可能经历了数千年，制造业数百年，而白领工作可能不一定能持续一百年，大多数工作就会消失。这可能吗？

我认为白领工作的定义会改变。微软的CEO也说过一句话：知识工作者（Knowledge Worker）和知识工作（Knowledge Work）是两回事。我觉得知识工作者会被完全重新定义，但我很难想象知识工作会减少。我觉得应该会变得更多。有人会说，有了AI，有了通用人工智能（AGI: Artificial General Intelligence: 指人工智能系统在广泛的任务和领域中表现出与人类相当或超越人类的智能），就不需要那么多知识工作者了。但我觉得在人类历史上，无论是工业革命还是技术革命，从来没有发生过因为技术进步导致知识工作者减少的情况。我从未听说过，也从未见过。

我只是觉得，我们今天的想象能力还没达到那个程度。就好像一百多年前大家都在用马车，汽车来了，那些马车夫觉得“哎呀，工作都要没了”。但他们对未来汽车行业的想象能力是没有的，无法想象未来的工厂会是怎样的，未来有了工厂，还有租车行业。我觉得人类没有那种想象能力去预见，有了自动驾驶、有了AGI之后，会有哪些新的行业出现。但这并不代表这些行业不会出现。如果你不相信AGI，那这个问题可能更容易。但即使你对AGI非常坚信不疑，我认为在AGI到来之后，我们今天缺乏的是想象能力和认知能力，而不是说这件事情不会发生。

全职工作、公司规模与人性

这个地方稍稍再分解（Break Down: 将一个复杂的问题或概念分解成更小、更易于管理的部分）一下。还有一个观点是，全职工作无法完全捕捉生产力的提高，但业务伙伴（Business Partner）或企业主（Business Owner），或者合同工（Contractor）可以。也就是说，他们可以按小时付费，或者按成果付费。但全职员工今天如果用AI提效10倍，工资却没有相应增长。间接上可能反映在绩效考核（Performance Review）中，但实际上他们缺乏这种激励。你对此怎么看？

这个问题稍微复杂一点。我只能提供一个观点：关于全职工作和合同工，至少我个人和周围的人是这样观察的。比如在硅谷，你可以找一份全职工作，在一个团队里工作；也可以自己做一些合同工的项目。说不定做合同工，你每小时赚的钱会更多，甚至多很多，都有可能。但很多人还是非常愿意做全职工作。为什么？人类是一个社会性群体（Social Group），需要感觉到自己在一个群体里面，在群体里面互相有交互，互相有一些互动。当然，有些互动可能会变成数字世界上的互动，那是有可能的。但人类是一个群体社会，是需要互动的。这一点我觉得不会改变，不会因为有了AI而改变，还是要这样子的。所以很多人，至少我周围观察到的很多人，他需要一份全职工作，其实他需要有这么一个机会去互动。所以并不是说“哎呀，我以后有了AI，我就能一个人做公司了，所以我就不招人了”或怎么样。

跟大家分享一下，我自己也经过几个转折。过去几年，一个转折就是当OpenAI的CEO萨姆·奥特曼（Sam Altman）提出一人独角兽（One Person Unicorn: 指一个人或极少数人团队就能创造出估值超过10亿美元的初创公司）的观点时，这应该是一年半之前。他提出这个观点，我觉得很有道理。我觉得以前我可能需要10个人，现在有了AI，可能一个人就能做。当然，他说一个人也不一定是真的就一个人，意思是人非常少。哎，我觉得这个很有道理，为什么要那么多人，一个人就能做了？

但其实一年半以后，我的观点稍微改变了一点。我仍然觉得他说的是对的，就是说今天，尤其作为一个初创公司，如果我现在有15个人，本来我要扩招到25个人，但我现在会比较小心谨慎。而且我觉得15个人就已经能做过去25个人做的事情了，或者说一个人两个人能做过去5个人能做的事情，这个还是对的。但是我觉得从一个长期的角度来看，一个公司，我不觉得未来都是一两个人或者10人的小公司。我觉得以后还是会有大公司。为什么以后还是会有新的大公司？还是回到我刚才说的，这是人性的一部分，就是希望大家一起做事情。这个跟技术没有什么很大的关系。

我再讲一个很简单的例子，不管是硅谷的大厂，还是美国的任何一个大厂，每次都是有钱了就招人，没钱了就裁人。为什么？这就是人性的一部分。有钱了我就招人，至于说是不是真的需要，这是次要的。反正我就感觉我需要，反正因为各种各样的原因。等到没钱了，华尔街说“哎，你不裁人我要惩罚你了”，然后大家就裁人。所以说最终你招不招人，其实不跟你那个技术是不是成熟到一定程度，其实只需要7个人做，不需要17个人做，美国的公司从来没这么发展过。

明白了，确实，这些大厂的人数不是由他需要多少人去做这件事决定的，而是他的业务模式赚了这么多钱，能负担得起（Afford: 有能力支付或提供）这么多人，然后就招了这么多人。我大概十几年前就搞清楚（Figure Out: 理解或弄明白）这个真谛了，至少硅谷的公司，我相信美国绝大多数公司都这样，可能世界上大多数公司也一样，那我就不敢说了。绝大多数的公司有多少人，跟他需要多少人没有关系，跟他能够负担得起多少人有关系。跟他需要多少人一点关系都没有。我觉得在AI时代和非AI时代都会一样，只要养得起，我就会做。有道理，这是人性。

职场自救指南：拥抱AI与构建人脉杠杆

好的，谢谢徐老师。刚才我们聊了AI泡沫，就是AI对于投资的影响。可是我们很多人，绝大多数的收入其实是来自于工作，而不是来自于投资。那你觉得接下来的几年，工作这块我们应该怎么看呢？

我觉得是这样子的，我是一个乐观者，我很乐观。技术的发展对人类是产生正面影响的。但这是一个非常宏观的看法，是对整个人类而言。对微观来讲，我们每一个人、每一个家庭的影响是不一样的。对很多家庭可能是一个负面的，或者说非常负面的影响，这都是有可能的，我一点都不否认。从这个角度上来讲，其实我也有一定的担心。为什么有一定担心？因为我觉得包括我自己周围的朋友，还是你的节目的粉丝们，我觉得是需要去思考这件事情的。

我觉得这里面有两个点： 第一个，其实还是，不管是现在大厂都说我要裁员（Lay Off: 公司因经济原因或结构调整而解雇员工），跟AI没关，但有的人说其实跟AI有关。我觉得这没必要去争论，口头上跟AI有关或无关，多多少少都是有点关系的。但即使没关系，你要采取的行动是什么呢？你要采取的行动就是还是要拥抱AI（Embrace AI: 积极学习、适应并利用人工智能技术）。我觉得大家不要低估（Underestimate: 低估某事物的价值、能力或重要性）一件事，就是有很多人会认为“哎呀，这社会人人都在拥抱AI，那我去拥抱AI到底有多大的差异（Difference: 区别，不同之处）？”我觉得是很不一样的。

首先，如果你是在科技界的，你在硅谷或者在科技领域，我觉得你看到的，跟别人看到的很不一样的。我觉得出了硅谷，出了科技界，其实很多人还是对AI不了解，甚至抵触。所以说你今天拥抱AI，你今天全力投入AI（All In AI: 指全身心投入到人工智能的学习、应用或开发中），你还是有很大很大的优势的。你不需要成为世界上拥抱AI最厉害的人，你只要是那个前1%、前5%、前10%的人，你已经比人家有很大的优势了。所以说第一个点，就是你不要认为“哎呀，我现在拥抱AI，或者说全力拥抱AI是不是太晚，或者说只是大家都在拥抱我一样拥抱是不是没用？”我觉得不必担心。我觉得你如果今天开始全力拥抱，你已经站在一个很好的起跑线上面了。所以说我觉得这是第一个我想提醒大家的。

第二个，有很多人都说一个观点，就是对职场的选择，就好像要去选择投资一样，就是我如果看中什么样的公司，我就用肉身去加入（Join Physically: 指亲自加入一家公司工作，而非仅仅投资）去投资。我觉得这是一个很不错的看法，是可以供大家参考的。我这边加一个供大家去思考的点，就是这里面还不仅仅是我肉身去加入一个我愿意去投资的公司，然后我以后得到的回报就像一个投资投得好的一个回报，不只是这一个点。

另外一个点就是我们做投资，我们知道有的时候会用杠杆（Leverage: 在金融中指借入资金进行投资以放大收益，在职场中指利用某种优势放大职业回报）。今天可以去买英伟达（NVIDIA）的股票，不管是杠杆用还是不用，你用了可能赚得更多，但有可能跌得更多，这我们前面已经提到了。但其实我们在职场里面，你用一个投资的思维也有一个杠杆。课代表，你能不能先猜一猜，我想讲的那个杠杆是什么吗？就是职场的杠杆是什么？

课代表立正: 我还真想不到，就除了你加入一个公司，用自己的人力时间投进去，但是这就100%的投资了，就是一个集中押注（Concentrated Bet: 将大部分资源投入到少数几个投资标的或职业选择上）。如果再加杠杆的话，有什么是你的职场的杠杆？

这个故事你也听过很多，或者甚至于你可能在你的频道里面都讲过很多次。我作为一个职场的人，加入一个公司，我就应该像选择投资一样，好的话就会有回报（Return）。但万一这家公司不行了，那你呵呵，股票也就没什么用，但至少你也有工资。但是其实是有一个杠杆在里面的。你如果把这个杠杆用好，我来就告诉你，我觉得这个杠杆就是人脉网络（Network: 指个人或组织通过社会关系建立起来的联系网）。

哦～～！他跟那个投资很不一样。肉身去加入一个公司，有一个很大的好处。为什么呢？你如果加入一个有很好团队的公司，即使这家公司做得不好，你的投资是错的，那是有可能的，因为任何一个投资都有可能错的，每个人都会犯错误。但是你从加入这家公司，你能够认识很多的人。你认识的人，你这个团队，有可能是你未来的加入下一个公司的引路人，或者说你自己作为一个初创公司，然后你可以把他们招进你这边来，有各种各样的一个长期回报。这个长期回报，我觉得你只要把它用好，这个杠杆是无风险的杠杆（Risk-free Leverage: 指在职业生涯中，通过建立人脉等方式放大机会和回报，而几乎没有财务损失风险）。不像投资的杠杆，投资的杠杆你是一个双刃剑（Double-edged Sword: 比喻有利有弊的事物），用了不好，力道太大了，呵呵，这可能就是为什么我说到互联网泡沫时代（Dot Com Era: 指1990年代末期至2000年代初期，互联网公司估值虚高并最终破裂的时期），真的是能够看到成年人哭泣（Grown Men Cry: 形容因巨大损失或失望而极度悲伤）。是因为杠杆用得太多了，股票卖了不卖了怎么样了。

但是从工作的角度来讲，你认识一堆很优秀的人，这个是几乎没有下行风险（Downside: 指潜在的负面后果或损失）。那些成年人哭泣的原因，不是因为我在这家公司工作了两年，期权（Option）变成0了哭了，是因为我期权行权（Option Exercise: 指期权持有人按照约定价格购买或出售标的资产的行为）了不去卖。这是一个财务决策，才会造成后来哭。但是你如果说是正常的情况，你是用一个工作的情况，你认识一堆人。包括萨姆·奥特曼，他当年自己做初创公司，也做得不怎么成功，但是因为这个原因，跟Y Combinator（YC）的人就越走越近，然后又后来成为YC的负责人，一路走来。所以说我觉得大家应该想的，要思考的一件事情，就是怎么样去……职场是像一个投资，然后再用好你的杠杆。

课代表立正: 这就是有下行风险啊，下行风险就是你得罪了人，或者说你认识的人都不行，就是要么没眼光，要么没有情商。

徐老师: 这个是对。但是我现在刚才的假设（Assumption: 在没有确凿证据的情况下，认为某事为真）是，你已经加入了一个公司，你觉得这个公司的人都很不错。但是这个公司是不是能够真的飞速发展，就像OpenAI，它现在是多少5000亿美元市值的公司，它有可能再涨个10倍，但也有可能跌个10倍，都有可能。但是我觉得你在OpenAI这家公司，你应该想要去得到的，不只是你的股票值多少钱，而是你在里面的一个职业杠杆（Career Leverage: 指通过职业选择、技能提升或人脉积累等方式，放大个人职业发展机会和影响力），就是你的人脉网络（Network），是很重要的。

课代表立正: 确实确实。因为整个主题是泡沫嘛，所以说如果泡沫破的时候，有没有一些可以保护自己的方法？

徐老师: 这个就是非常个性化（Personalized: 根据个人特点或需求进行定制）的。比如说我今天很可能去买英伟达的股票，但是我是不会用杠杆去买英伟达的股票。我是在我自己假设英伟达股票跌了90%，至少我不会哭，或者说我可能非常惋惜怎么样，但是至少是可以承受的。这是一个。但从职场的角度来讲，我觉得比较可操作的（Actionable: 可以采取行动的）是，即使是你因为AI的原因被裁，或者说是没有一个怎么样，我觉得我仍然会是全力投入AI，然后去真正地去学一些。

我记得OpenAI之前的一个研究副总裁（VP of Research），后来去了Thinking Machine的一个华人，莉莲·温（Lilian Weng），我记得她前一段时间说，她做的事情是每个礼拜都去尝试一个新的AI工具。我觉得这就是一个很好的小贴士（Tip: 有用的小建议或技巧）。我觉得我也在做这么一件事情。当然这只是一个非常小的点。我觉得是全力投入AI，是一个每个人都应该去做的。

另外一个就是最关键的，其实还是我前面说的，我为什么说这是一个职业的杠杆，就是其实是一个强制函数（Forcing Function: 指一种设计或机制，迫使人们采取某种行动或行为，以达到特定结果）。让大家去思考，我加入一个公司，这些公司我觉得这些人都是非常值得尊敬、非常敬佩的。这家公司能不能做好我不知道，但是我觉得这都是未来的，能够大家互相仰仗几十年的伙伴们，或者小伙伴们，这个我觉得很重要。我觉得很多人，他可能今天更加顾及的是这个薪酬包多大，但是我觉得杠杆就是人的人脉网络。从一个放大10年20年的角度，我觉得那个太重要了。你15年以后是不是有一个好的一个机会，我们在你的节目里面提到过嘛，很多都是你今天建立起来的这个，或者说是不是把这个杠杆给用好。

课代表立正: 是的，因为我们很多人没有这么长的职业经历，所以说他没有看到这件事有多重要。我们徐老师也在社区里面做过那个节目嘛，你很深的体感是，20年之后，大家竟然还记得你20年之前的一些你可能看似不是那么重要的事儿。这个声誉（Reputation: 一个人或组织在他人心目中的形象或评价）真的是会伴随很久，而且真的是后面的很多机会，都是源自于十几年前的一些行为。

徐老师: 对，我这两天在LinkedIn上面写了几个评论，就是我有一个很好的朋友最近不幸地过世了，然后有一些过去的同事来讲他，都是15年没有见过，但是能够讲出一些细节，那是15年前啊，而且还不是同一个组的，有的是不同的公司的人，都能够提到一些细节，为什么这位同学、这位同事在哪些方面出色。所以说我觉得我是越来越体会到的，就是这方面的大家的记忆（Memory）其实是持久的记忆（Lasting Memory）。

全力投入AI，然后关注自己的人脉网络，多关注人，人脉网络这个杠杆。所以说哪怕周期有起伏，但是这两件事情它是升值的（Appreciate: 价值增加）。