泓君: 你觉得你有多少作业或者论文是 AI 帮你写的？

Jack: 我觉得是 99%。

泓君: 2022年11月30号 ChatGPT 上线那一天，在我们本期访谈中出现的三位名校生：Jack 在 NYU 读大三，他在帮一位教授做科研项目；Alfred 和 Kolento，一个在清华的法学院，一个在 NYU 的应用心理学，刚刚开始他们大学的第一个学期。三年多过去了，在我们这期节目播出的前后，他们正在陆续从大学毕业。他们身上有一个共同点，就是整个的大学生涯都是跟 AI 一起度过的，也是人类历史上第一批和生成式 AI 同时长大的学生。所以我也很好奇，在他们的眼里大学是什么样子。当我的话还没有讲完，他就立刻打断我，“Definitely yes”。ChatGPT 类似的科技，会对至少法律的初级应届生带来各种各样的冲击。我就意识到说，好吧，秉持着“打不过就加入”的心态，所以就开始去积极地拥抱 AI。不避讳地讲，我上大学的目的非常功利，我就是为了一个学历。现在基本上有任何作业，或者任何课题、任何内容，我都会先问一下 AI。你会有一种 AI 上瘾的感觉吗？

Kolento: 这个必须得有，就是疯狂上瘾。

泓君: 比短视频会更上瘾吗？

Kolento: 我觉得是的，因为我没有任何一天是不用 AI 的。如果我带着现在的知识回到大一的时候，我肯定会拼了命地去社交。

Jack: 我已经想不到任何没有 AI 参与的作业了。

泓君: 马斯克 最近说，未来大学的核心就是社交，因为知识会过时，学历会失效。但当我们真的把这个问题抛给三位跟 AI 一起成长，且重度使用 AI 的大学生时，他们的答案比马斯克更复杂，也更扎心。欢迎收听《硅谷101》，我是泓君。这集我们就来聊一聊 AI 时代，在名校学生的眼里，大学还剩下什么。今天跟我在一起的也是三位大学生，要不要大家自我介绍一下？桐宇，不然从你先来。

嘉宾自我介绍

Alfred: 大家好，我叫 林桐宇 Alfred，在 清华大学。之前在校内承担清华大学的学生创业协会副主席，并且也在 Manus 做过 Agent 产品的实习。很高兴认识大家。

泓君: 桐宇，您是学法律的，对吧？

Alfred: 对的，我本科学的是法学专业，但是之后就开始去辅修了 CS 相关的方向，并且自学了很多相关的 CS 和 Agent 工程师相关的比较硬核的技能。

泓君: 你是今年毕业，对不对？

Alfred: 对。

泓君: Kolento 是我们播客的老朋友了，也跟听众简单介绍一下你自己。

Kolento: 大家好，我叫 Kolento 侯泰羽，我刚刚从 纽约大学 毕业。我的本科学位是应用心理学，我主要主攻的是神经科学和临床心理学。我现在是一名创业者，刚刚毕业。

泓君: 欢迎 Kolento 回来，Jack。

Jack: 大家好，我是 Jack 饶杰武。本科在 纽约大学 读的是数据科学的主修，硕士在 哥伦比亚大学 读的是管理科学与工程。之前也有一些在 AI 公司，像在 Manus 实习的经历。去年底刚毕业，最近也在创业，算是 AI 创业者。

泓君: 我注意到大家学的专业都各不一样。比如说像 Alfred，他是学法律的；Jack 是学数据科学跟管理学的；Kolento 是学心理学的。但是大家其实现在也都在用 AI 做编程类的东西。大家正好在进入大学的时候，又是 ChatGPT 刚刚出来的那一年。其实从你们开始上大学的时候，AI 就已经是你们生活跟学习中的一部分了。我对 Alfred 非常感兴趣，因为你的专业是法律，你是一个标准的文科生。现在，首先你也是一个 AI 的重度使用者，其次是你自己也会用 AI 去学编程。

法律与AI：拥抱浪潮

Alfred: 对，其实当时来到 清华大学，虽然学的是法律，但我始终记得我的个人文书 Personal Statement 当中就写说为什么选择清华，因为我是希望可以在下一波浪潮来的时候是 Lead the Wave，引领这个浪潮，或者说在浪潮上面冲浪，而不是被浪潮淹过去的那群人。虽然我学的是法律，但其实我的老本行学得特别不好，基本上大一有空的时候，我就去辅修计算机相关的课程。大概 2022年底 2023年初 的时候，我们就看到 ChatGPT 出现，它真的太神奇了。它在去完成特定的一些法律，不论是法律条款的分析，或是文书的撰写，比我好太多了。我看到的一个未来是，两三年后我毕业了，那个时候 AI 肯定已经比现在更强大，而那个时候的我可能跟现在的水平差不多，也不会好到哪里去，那我要承担什么样的一个角色？我还会被需要吗？

泓君: 所以你一开始就觉得等你毕业的时候，你学到的法律知识可能干不过 AI？

Alfred: 对，而这件事情是通过什么样的一个方式被确认的？我们有一位律师，他是在美国的一个律所担任合伙人，当了十几年，专攻并购这个方向的。他是一个非常好的，典型的美国白人那种老爷爷，为人非常和善。他上课的时候也非常地娓娓道来。但有一次，在他的那门课结课的时候，我就问他一个问题，那时候应该是 2023年年中 的时候。我说 Rosoff，他的名字，你会觉得 ChatGPT 会对未来的初级律师以及律师助理这些职业带来很大的冲击吗？当我的话还没有讲完，他就立刻打断我，“Definitely yes”，他是这么回答我的。他就开始阐释说为什么他认为 ChatGPT 类似的科技，会对至少法律的初级应届生带来各种各样的冲击。其实那个时候我就很笃定，我所看到的未来不仅仅是只有我一个人推敲出来的，而是说这也是一个拥有几十年资深的行业专家所看到的一个未来。我就意识到说，好吧，秉持着“打不过就加入”的这样一个心态，所以就开始去积极地拥抱 AI。当时我觉得我做的一个至少到现在最正确的投资就是，我坚持每个月花 20多美金 去用 ChatGPT。

泓君: 其实在那个当下，是一个非常不合理的存在，对学生来说还是非常贵的。

Alfred: 对，所以当时就开始每天跟 ChatGPT 泡在一起。

泓君: 你用它干嘛？

Alfred: 我其实用它做了件很有意思的事情，因为我觉得打不过就要加入，但你要加入你先要了解它。你了解它，不能只了解它的，比如说行业概览，它的一些 overview。你要从最 Fundamental (基本)，或者说最基本的理论，去了解 AI 是怎么被构建的，它为什么经过这一系列的迭代之后，变成了我们现在看到的样子。为什么 2017年 2018年 的 AI 和现在 2022 2023年 的 AI，虽然我们都在讨论 AI，但是对用户的感知和行业实际的应用是不一样的。当时我就带着各种各样的问题，就用 ChatGPT 去学 AI。当时我请它帮我去规划我的学习路线，同时把我的知识背景，因为虽然我自己辅修了很多相关的课程，不论是在 B站 还是说在 YouTube 上面，有 Stanford 和 MIT 的开放课程，但是我在学习那些开放课程的时候，不懂的地方，我会实际去请教 ChatGPT。我当时就感受到，它对于教育也是一个很大的冲击。说句实话，我在本科上学的时候，很多老师他们非常厉害在科研上面，但是在教学上面，很多时候我会发现他们可能不是那么擅长教你会一个事情。但是 ChatGPT 不一样，它就像是一个非常了解你，也知道你现在的水平，因材施教、循循善诱的一个老师。我会很明显地感受到，这比我去学校里面直接去选择一门完整的一个学期的课程，它能更快加速我去学习这个领域的整个进程。

泓君: 但是你的辅修，你觉得有多少是从老师那里获得的？有多少是从网上的公开课 + AI 工具获得的？

Alfred: 我觉得这个比例其实是 30% 来自于课程，70% 来自于与 AI 的对话，以及最关键的，就是基于项目的实践及复盘。

泓君: 30% 是什么？

Alfred: 你必须知其然，Python 的语法是什么，这些编程的最基础的一些技术诀窍是什么，包括计算机的一些基础的原理，这些我会理解说属于一个学科领域的常识，不一定是那种非常高深晦涩的理论，但是它构建了你对一个学科的基本认知。我觉得这很大程度上来自于不论是教材，还是公开课，以及我在学校里面上的课程。但是更应用一点的 70% 我觉得还是来自于一方面跟 ChatGPT 多轮的对话，非常深度的交流，一轮比一轮还要深。同时一个更关键的来自于自己去做项目，并且基于项目边做边学，做完之后再去复盘。

泓君: 你做了多少个项目？

Alfred: 五六个都有了。我还记得当时第一个做的项目，还是在手写代码，偶尔会请 AI 帮我去调试，或者是说请它帮我去写一段具体的代码。到现在已经是，我基本上可以完全不用看代码，全权地交给 AI 帮我去执行，真的就像是一个程序员。我做的每一个项目当中，我都可以很明显能感受到，至少在编程这个领域，AI 它能力上的演化，每一次的感知可能都来自于这个项目做了多久，它的完成度有多高，它最后带来的经济价值有多大而决定的。

泓君: 你刚刚提到的是你的辅修课程，我好奇对你的主修课程来说，就是法律，你会有多大程度上去用到 AI？

Alfred: 我的天，我觉得这个比例其实是非常非常高的。我永远记得 2023年秋季 那个学期，那是我第一次拿到 4.0满绩 的学期。

泓君: 拿了满分，厉害！

Alfred: 因为我其实学得很烂。你可以看到我的心思根本不在法律上面。但是在一些专业硬课上面，比如说公司法、宪法、普通法这些，我其实当时很大程度上靠的是 AI 帮我去复习。我们当时在学英美法的 Case law (判例法)，我就把我判例法所有的课件丢给它。我跟它讲说，想象你是老师，你会怎么出题。它就真的给我出了两三道题。那个时候，因为刚好也是 GPTs 出来的时候，所以你就可以专门去把所有的上下文封装在一个文件夹里面，你就可以在这个文件夹里面跟它一来一往地对话。通过这样的方式，它确实加速了我在那个时候去吸收这一门科目的效率。当时我在学公司法的时候，我还做了一个很有意思的尝试，就是我们把我们的教科书，也就是我们的上课老师，同时也是教科书的作者，他的那本著作全部喂给 AI。虽然那个时候上下文窗口还是非常有限的。这位老师叫 施天涛 施老师，也是一名非常德高望重的，在公司法里面的学者兼教授。我就把这个 GPTs 命名为“施天涛的替身”，然后我就开始跟它对话。因为我那个时候公司法其实学得不是很好，但是就是通过这样跟它对话的过程当中，我就领会到了他针对这门学科的一些学术观点和重点，也帮助我可能今天在考试的时候，因为其实在法学的考试，它不是客观题，它更多是主观论述题，你怎么去把你的论点给撑起来，你的推理是什么，你的支撑的法理是什么，再对应到具体的法条。这整个论述的链条，其实就是我在和 AI 的一对一的沟通当中，就帮助我更快地理解这个领域最精华的方法论以及知识。虽然我现在已经离 2023年 的那个秋季学期很远了，但是我依旧觉得我有用到 AI 去辅助我学习的那两门课程里面的一些关键知识，到现在依旧是在我脑子当中比较浅层，可以去调用的部分。这就意味着说可能还学得还不错。

泓君: 我觉得这个经历也很有意思。你们考试是现场论述，还是说可以用 AI 交作业来完成？

Alfred: 那个时候其实非常的原始，我们还是要出现在教室，老师会发给你考试用的答题卷，你得用笔去写。

泓君: 现在的考试呢，形式有变化吗？

Alfred: 我已经好久没有考试了。我觉得是这样的，确实我也会看到，至少在国内的大学，包括 清华，有针对作业考核方式去做到一些调整。尤其是我刚开始在清华学 Python，那个时候老师其实非常抵触用 AI 去写的代码。那个时候的学生在交作业的时候，他们大部分都会用 AI 去写代码，但是那个时候学生很需要的一个工具是什么？就是让你的代码看上去不要那么 AI。所以他们可能花了不少时间在让这个 AI 看上去比较笨一点，或者说有一些拼写错误，有一些错别字，甚至可以去用到当时很多的 AI 去重的工具。但是到现在，我所看到的一个转向就是，越来越多的学科其实是积极鼓励去使用 AI，甚至在一些考核的关键方式当中去用 AI。

泓君: 这个变化是在计算机系发生的，还是在法律系发生的？

Alfred: 在法律系现在我没有看到一个很明确的转变，但我在计算机系确实不会那么严苛地去限制你，至少不像当时可能你做了，你就是学术欺诈，你就会被挂，这样一个非常可怕的后果。

泓君: 所以老师也是有转变的，这两年。

Alfred: 对，我可以很明显地感受到，在国内这两年老师对 AI 的态度，其实从原本的漠不关心、持稍微的保守，甚至有点负面的态度，到现在非常积极去拥抱、开放的态度。

泓君: 那我好奇，如果大家比如说代码都是用 AI 写的，然后老师出一个题，大家都可以写出一手漂亮的代码，反正也都是用工具，你觉得现在整个计算机再去评估学生的成绩，跟评估一个学生他掌握得怎么样，评估标准会发生哪些变化吗？

大学教育的价值与评估体系重构

Alfred: 至少站在现在这个节点，再去以老的传统的方式评判一个学生，很明显已经和这个时代脱节了。我们急需一套全新的评估体系。我们在训练 AI，其实和教出一个好学生，我觉得有些时候异曲同工之妙。比如说我们今天 AI 能力的提升，很多时候是基于基准测试的牵引的。至少到现在，虽然很多的 AI 模型在基准测试上面有非常好的表现，但在实际的一些更开放的环境的任务上面，它做得一塌糊涂。用人类的语言去理解就是，它可能是一个考试成绩非常高的学生，但是你把它丢到一个完全开放的环境当中，去解决一些实际的问题，它就会碰到很大的挫折。也会让我思考，在大学阶段，它的价值是什么？如果我们不去思考这个问题，我们很难去牵引出我们这个评估体系和所谓的价值指标。曾经的大学有两个价值共同存在。一个价值就是，知道我是谁，我的热情在于哪里，我要去向哪里，这些非常基础的大问题。同时也要承载一个更重要的，就是“你要成为一个有价值的人”。这个“有价值”是说你的壁垒、你的专项知识、你的技能，这些可能当你在社会被招聘的时候，能帮你养家糊口，能帮你赚到钱的这些技能。同时承载着一个是对个人而言的价值，一个是对社会而言的价值。但是我很明显地感受到，在我所感受到的大学，就是会更着重地去强调后者。甚至在 清华 当中，大家更多的不是去思考我是谁，我究竟想要的是什么，我擅长什么，我不擅长什么，我的偏好是什么。这些可能很多人就算大学毕业的那一刻，站在领奖台上问这些问题，他可能没有办法有一个很明确的答案。

泓君: 我觉得很多人活了一辈子都没活明白这个问题。

Alfred: 对，所以从某种程度上来讲，我们太着重于后者的情况之下，你会发现说，后者这套体系已经被侵蚀了。因为我们以为我们在大学里面所获得的这些有价值的技能，其实 AI 做得比我们好。它甚至比我们更便宜，24小时都在线。尤其是针对曾经的这种接收信息、去处理信息、去输出信息的这些知识工作者来讲，是更为致命的。对应的行业，除了刚刚讲的程序员、法律、金融等等。因为我在大学当中很幸运的是，我在 北大 上了一门课，有点类似西方的博雅教育，去训练一个人的批判性思考的。从此之后，开始了我在选本科课程的时候，我刻意会去避开一些记忆性的东西。

泓君: 举几个例子，什么是记忆性的课程，什么是批判性思维的课程？

Alfred: 比如说记忆性的课程，以法学院的角度来看，就是证券法在资本市场的实务应用，再比如说国际贸易仲裁。

泓君: 实战性的课程，跟实用离得特别近的课程。

Alfred: 对，也包括一些比较专业的专业课，比如说国际法、贸易法这些。很明显就是说，你学出来，你肯定会有对口的专业，它甚至可以拿到不错的薪资，如果你是要在这个行业里面去深耕的话。但是我可能在选本科教育的时候，我刻意去避开那些我不感兴趣的，而把更多的精力投入到一些更注重于培养我批判性思考的课程。比如说，法学院开设的有门课，叫做“西方法律思想史”，还有法理学、宪法学。在法学院之外，很幸运的是我选上了一门课，并且非常努力地上完了那门课，是 清华大学新雅书院 的“西方近代哲学”。这整门课程其实就在讨论一本书，叫做《第一哲学沉思录》。我记得我实际阅读这份原著的时候，我读完之后整个人是有点恍惚的。因为你会发现说，你所认为的世界可能不是你所认为的世界。这就意味着说，你开始带一种批判性的角度去审视你周围的所有事情。而在接触的第一瞬间的时候，对个人的信念是解构的，但是这并不意味着直接导向一种虚无主义，而更像是说，你在对所有的事物开始去解构，开始都认为是无意义，开始都认为是可被怀疑的时候，你至少会发现说，有一些事情它是始终存在的。当我摸到那个瞬间的时候，其实我多多少少会感受到，这个瞬间其实是很难被 AI 替代的。也慢慢摸到了，可能我们之前一直在素质教育中强调的批判性思考，这样的一个关键素养的边缘。当我有了这样的意识，去选择我的课程，去选择我的读物，去选择我怎么和这个世界交互的时候，我会发现说，感觉不是继续那么的迷茫、随波逐流，感觉不是说随着 AI 能力的不断迭代，我很有可能在社会上无立足之地的这样一种感觉。就像我刚刚讲的，我觉得大学有两个重要的价值，我在那个当下，触碰到了第一者的价值。而从那个时候，它就像是一个零开始，慢慢地生一、生二、再生三，让我在剩下的这段时间当中，不断地去触碰第一层价值，就是我是谁，我为什么在这里，我要去向哪里，我喜欢什么，我不喜欢什么，我擅长什么这些问题。

泓君: 这个就是哲学的魅力，很有意思。

Alfred: 对，所以我觉得现在的，至少我所经历过的本科的评价体系，我认为在下一个时代是需要被重构的。它更应该去承担一个对于学生本能潜能探索的场所。在这个衡量的体系当中，你能不能可以和 AI 很好地共存，去解决问题，是很重要的指标之一。不是“你用不用 AI”，已经不讨论这个问题了，而是说在不得不用 AI 的情况之下，你能不能把 AI 用好，以及真的是解决你想要解决的，或者说社会需要去解决的问题。

泓君: 特别好，一下把我们的播客讨论深度升级了很多。因为刚刚其实你提到，在你刚刚进入法学院的时候，你就跟资深的前辈问了未来一个初级律师会不会被 AI 冲击到，他给你的答案是一定会。你想去知道被冲击的这个工具是什么，然后你去学了 AI 的这门课，你现在也学了编程。但是其实我们从现在的这个节点来看，初级的程序员也是会被 AI 冲击得很大的这样一群人。同时你刚刚也提到了，在整个大学的过程中，可能工具它也不是最重要的，学到了什么实用性的东西，它也不是最重要的。你觉得 清华大学 给你最重要的财富是什么？所有你的这些职位，或者说一个个的任务，它都是可以被替代的。那你不可以被替代的点是什么？你觉得你有想清楚这个问题吗？

大学最重要的财富：同侪与师资

Alfred: 我觉得首先我并不认为任何人是不可被替代的，或者说你独特的点。我非常感恩我的母校，虽然我还没毕业。我觉得有两个点，第一个点就是绝佳的环境，这种同侪。第二个点就是极佳的师资。第一点就是在于你的同侪，当这些五湖四海不同专业的同学聚在一起的时候，你们可能是因为兴趣而聚在一起，跟这些人交流永远是一种享受，你永远能跟他们学到很多东西。尤其是当我大一刚进来的时候，高中的时候，我是全校的前第一、二名，但我一进来清华，我立刻变成了后 50%。当时我就思考说，“我是不是不应该在这边”，“我就像是一个垃圾一样在这边”。但其实转变一下心态，最大的财富其实是你的同侪。他们虽然比你优秀，但这也意味着，他们也可以是你的朋友，亦是你的老师。我觉得这对我个人来讲，是一个很宝贵的财富。第二点就是老师，在清华当中，我遇到几个很关键的老师，我会经常地跟他们约 office hour，一对一地去交流很多事情。这种程度上跟同侪的学习又不一样的点是，当一个有学科知识积累，有一定的社会阅历经验的人跟你去交流一些事情的时候，他能让你提前去看到一些事情，并且避免踩到一些不必要踩的坑。我觉得不可被替代，或者说我一个长处，一个亮点是什么？我觉得更关键的一点就是这种人的连接，你怎么去建立信任。在这个当下，当其他的技能开始褪色，显得没那么不可替代的时候，建立信任，并且去说服他人的这种能力，我觉得是更显得重要的。因为这也才能更好地去最大化，你到了一个新环境后你所获得的东西。

泓君: 你这个也让我想起了，最近 马斯克 在接受访谈的时候他说，他觉得未来大学的很多知识会过时，学历失效基本上就是一个趋势。未来其实教育的核心就是要培养 AI 无法复制的特质，比如说好奇心、创造力、批判性思维。他甚至还说未来大学就是社交。我觉得其实也挺有道理的。

Alfred: 对，如果我带着现在的知识回到大一的时候，我肯定会像拼了命地去社交。这种社交并不只意味着说每天花天酒地地去泡吧，去参加各种各样的活动，而是说我会期待有更多的一对一的深度交流。

泓君: 我觉得其实你已经做得很好了，至少你会有意识地去跟导师约一对一。说到社交，接下来我要问一下 Kolento 了。我记得我们第一次认识，其实是你当时从纽约来湾区做一些拜访。很快 Kolento 介绍了很多同学给我们认识，我们当时是一起录了一期播客，就是我们上一次讲大学生如何使用 AI 的播客。我知道在这个过程中，Kolento 跟硅谷非常多的创业公司的创始人，包括投资人，是长期在保持联系的。同时他也一直在我们的选题会里面，他会给我们提供非常多好的想法，他用过的好的工具，包括很多行业的进展。我同时知道，在这个过程中，你也在很多的公司实习，自己也在做 Agent。基本上我觉得我认识的很多非常年轻的 AI 创始人，他都是非常熟的。而且每次我们提到一个工具的时候，他都已经使用了。所以 Kolento，你现在大学的一个状态，你觉得你有多少的时间是在专注于自己本身的课程，有多少的时间是在自己做 Agent 的研究或者社交？

纽约大学生的AI探索与学历价值

Kolento: 其实大部分时间更多的不是社交也不是在完成课程，更多是在做我自己想做的事情，它其实是在学校之外的。刚才 马斯克 的那个观点，“大学就是社交”，这句话出现在我大学申请的文书里。因为我有跟 NYU 讲，我说我认为上大学对我的最重要的目的就是社交。

泓君: 怎么理解你的这个“社交”？

Kolento: 因为我认为环境是非常影响一个人如何学习，以及一个人如何去进行社交，所以我选择了 纽约大学。我最开始其实是想考虑 多伦多大学，因为 Geoffrey Hinton 在那边当教授，但后来我了解到他也不是经常教课。所以他的学生 杨立昆 就在 纽约大学 当教授。所以我就选择了 Geoffrey Hinton 的主攻方向，以及 杨立昆 现在所在的大学。平时我会去旁听他的深度学习这些课程。但是很反差的点在于，当我来到 NYU 的时候，并且在我使用 GPT 的过程中，我意识到其实这种聊天机器人的形式，这种所谓的 AI 早就已经出现了。比如说大家耳熟能详的 Siri，它可能差不多在 GPT 出现的 11年 前就已经出现了。但为什么 GPT 感觉比 Siri 强那么多呢？我觉得本质上来说，Siri 的底层逻辑还是先识别意图，然后再给你匹配到一个预设的执行路径中。但 GPT 的底层逻辑是不一样的，因为大家如果了解 Transformer，GPT 的这个最后一个 T 就是 Transformer 的意思。GPT 的这个底层架构，它其实是在一个概率分布上做对下一个 Token 的预测，也就意味着它的训练数据几乎覆盖过人类写过的所有东西，也就意味着任何话题它都可以接。所以它的能力边界并不是工程师的设计，而完全是人类书写的一种总和。所以这种不可验证性，这种对于开放问题的解答，让我意识到我必须要深度去学习什么是 AI，我必须要把我更多时间花在跟 AI 相处上了。可能了解我的同学，或者说我在 NYU 的同学们，他们应该知道平时我基本上课时间都是在看论文，或者说是在做自己的产品，只有很少的一部分时间去学课上的内容。因为就像我说过的，课上的内容它也是被预设好的，因为它的目的是做一个标准化教育，但并不是为每个人个性化而设计。但我觉得在 AI 时代，非常重要的一个点就是个性化的学习，每个人可以把 AI 当成自己的老师。

泓君: 对，你觉得你在大学的目标是什么？因为就你刚刚提到你上课的时候在看论文，比如说你的本职专业像应用心理学，学得好不好这个事情对你来说重要吗？还是说你对自己的大学有一种更加清晰的规划，因为你刚刚说了，你给学校的申请文书就是说你去 NYU 就是为了社交？

Kolento: 对的，不避讳地讲，我上大学的目的非常的功利，因为我觉得我就是为了一个学历。而且我也并不觉得 AI 时代学历会消失。我觉得这个问题被大家经常讨论，而且网络上有很多种说法。一种说法说，学历会随着 AI 的普及贬值，因为知识和技能可以被替代。另一种人就会讲，学历永远不会被贬值，因为它代表的是人的质量，而非技能的存量。但是我觉得这两种观点都只抓住了一部分真相，它并没有说清楚背后的结构性逻辑。因为我觉得想回答清楚这个问题，你必须要先搞清楚一件事情，就是学历到底是什么。我认为学历它不只是你学会了什么的证明，它是一种社会信号，它在向市场传递，“好，这个人可以被信任”。我觉得教育本身也是一样的，它不是让你相信你学会了什么东西，而是让社会相信你学会了什么东西，让社会相信这个人可以被委以重任。所以对于我来讲，学历不是个知识证明，它是一个必须有的信任的凭证。但是可能很多人会讲，有很多反例，对吧？就是很多人 skip (跳过) 他可能跳过了大学，也获得了很好的成就。我觉得这是一种幸存者偏差。因为教育的本质对我来讲，如果用一个词概括就是“评估”。或者说我想要在大学里学习的能力，抽象来讲我认为就是学习什么是评估，怎么做好评估。

泓君: 这个很有意思。

Kolento: 对，因为评估本质上是一种价值判断。而在 AI 时代，大量的执行类的工作、执行类的流程已经被 AI 替代掉了，剩给人的就只有评估了。但如果大家反观历史上的各类学校，历史上第一个学校应该是苏美尔那个时候做的一个叫“泥板学校”，他们的所有目的都是很功利的，都是为了一些外部奖励的验证，比如说我要培养出什么样的人才，我要培养出什么样的工匠，我要培养出会使用机器的人。在工业革命时代，有一个学校就是工业学校，就专门培养出那些可以使用机器的人。我觉得不管在任何时代，能够长久保留下来的教育体系以及教育的制度，都是跟筛选、跟评估、跟人才高度相关的。所以对我来讲，获得一个文凭，获得一个社会对我的认可，是蛮重要的。在你对未来有高度不确定性的情况下。

泓君: 既然你说到了你上大学就是为了这个文凭，那就代表其实你已经比较清楚自己想做的事情是什么了。那对于你的人生而言，比较特定的一个目标是什么？然后你是怎么样去达到你的这个目标的？

Kolento: 我觉得我的人生目标现在没有一个非常具体的，因为我非常喜欢西方哲学。不管是 AI 时代还是科技时代，我认为 virtue (美德) 这个事情都非常非常重要。我对美德没有定义，我特别想追求到底什么是美德，到底什么是美，到底什么是德，到底什么是好。在 AI 时代，我不知道大家会不会觉得我们对于很多的技术主义，很多人是很乐观的。但我总感觉我们应该居安思危，我们应该保持足够的警惕性。我觉得文科通识教育的意义就是培养人的美德，而非只是单纯的计算。因为我觉得只有人清楚地知道什么是好的以及什么是坏的，才能够更好地驾驭 AI 技术。所以如果你问我活着的意义，其实我是非常想探寻这种所谓形而上的概念。到底什么是一个好人？我们该如何成为一个好人？但我始终没有答案，因为我觉得这种东西你很难有答案。因为所谓“好”，它是一个极致的概念，就好像 柏拉图 所说的，它在可知世界，它是一个极致的概念，它是抽象的，你也看不到它。但这并不意味着我们就不应该去追求它。虽不能至，心向往之。所以我觉得可能我活着的意义就是想去追寻这种真理的答案。

泓君: 所以我稍微把我们的话题从这种抽象的哲学拉回到现实一点点。在你自己学应用心理学的过程中，你觉得你现在的目标是，比如说以最小的时间让你得一个高分，还是说以最小的时间能学到东西就行？然后你愿意把更多的时间花在对 AI 对哲学的这些探索上？

Kolento: 我认为一定是后者。当然我讲的话非常有偏见，但我认为所有的学生都应该花大量的时间使用 AI、体验 AI、跟 AI 对话，去寻找到底你喜欢什么，到底你想干什么，或者说到底你要不要上大学。因为我自己是一个好奇心极其旺盛的人，当我把所有的精力花在跟 AI 对话、跟 AI 一起去体验一些事情、跟 AI 去探索我人生的目的的时候，我觉得这个太过于值得了。我在大学里面做了非常多的，不管是创业、产品还是实习，我觉得本质上是一种试错。我特别喜欢一本书，叫《设计你的生活》，是 Stanford 的一个教授写的。我觉得里面有一个概念非常影响我，就是你不要为自己的中长期目标做一个强预设，更多的是你在短期要不断地做出大量的尝试，然后知道自己想要什么。

泓君: 在 2025年 我们在聊这样的一个话题的时候，我自己的感受是，那个时候大家其实还集中在我们要不要用 AI，教授的观点是什么。但是我觉得到今年，就是 2026年 了，现在大家所有人都能感受到，一个是 AI 它的能力在大幅度地提升，它能做的事情远远比我们想象中做得更多更好。我相信学校在这个层面上，Kolento 其实我们两个也讨论过很多跟教育相关的选题，他们也有很多的新的行动。就比如说有一些学校在积极地拥抱 AI。你觉得整体上，从你接触到的你的这些教授给你的反馈来看，他们在这一年的过程中，甚至在今年刚刚开年，他们的改变大吗？

Kolento: 我认为两极分化非常严重。首先我的专业课应用心理学里面有一门课是必修，你要去写一个论文。在我毕业的那一天最后一节课，老师给我们所有人发了一张贴纸，上面中心的贴纸就是“不要使用 GPT”。我觉得特别搞笑。反差的点就在于，我的另外一门课，这门课的内容是教你如何去做一个网站。我上课的第一天老师跟我讲说，抛弃你们之前所有的编程软件吧，你们要开始使用 Claude Code 的了，你们要开始使用 Replit，你们要开始使用 Lovable。然后我觉得这老师太帅了，这才是我想上的课。就是你应该教学生如何能够跟进时代，最新的工具该如何去使用，而不是一味地去限制学生对工具的使用。刚才我们三个人中可能有人提到，到底人最强的能力是不是使用工具的能力？我认为不是。因为工具它一定会不断地进化的。我觉得持续的竞争力还是来自于你的价值判断能力。这里我还是想说到 Joseph Weizenbaum，他是一个逃离 纳粹德国 的犹太人，他后来在 MIT 做 CS 教授。他做了一个产品，叫做 ELIZA。这个 ELIZA 应该是目前学术界第一个聊天机器人。他在写论文的时候，提出来一个很重要的观点在于，他说我们要区分两件事情，一件事情叫做决策，一件事情叫做选择。决策的英文叫 deciding，Deciding 的定义是，有标准答案的推理过程。也就是我给定一个条件，然后按规则推导。比如说下棋，比如说诊断一些病，然后计算出来一个最短路径。而这些 deciding 的任务都是机器人可以做的，甚至可以比人做得更好。但是 Joseph 他认为选择，他指的就是在没有客观标准的情况下，依然要做出判断。它不是推导，它是一种取舍。而这些判断本身是无法被计算的，因为它根植于你的价值观，你的经历，甚至你对他人痛苦的一种感受能力。然后他举的例子就是法官去判刑。你可以给机器输入案件和所有事实，但最后决定一个人的生死，决定一个人是不是要坐牢，还得交给人。所以我觉得也许在 AI 时代，老师不要去摒弃继续培养一个学生他的判断能力。判断能力本质上在教育学上，我觉得更像是一种元能力，一种 meta skill。就好像“你如何学习”一样，这种技能本身是一种元能力。经过任何时代，人的元能力是不会改变的，但是你外面的包装纸是要改变的。就好比工具是要持续进化的。所以我在想，也许教育界，甚至是可能从 2026年 开始，NYU 就会有大量的老师去提倡你使用 AI 来解决问题。很有可能你的考试题就不是以前的笔试了，可能是口试。或者说你的创作空间，可能并不是在纸上了，你的创作空间可能是在你给 AI 聊天机器人的那个输入框上，你可能创作的是提示词，创作的不是最后的一篇文章。比如说 NYU 刚刚成立了一个新的学院，是主打推崇 AI 这个专业的。包括 Stanford，他们实际上把之前的很著名的一节编程课，改成了现在的网页编程课，基本上都是在做出相应的改变的。

泓君: 对，我们刚刚讲到的，我觉得所有的在如何检测大家掌握了一门课程没有，我们可以用到很多的 AI。但是我自己有一个感受是，我觉得 AI 只是能够帮你放大自己的能力，去快速完成一些任务，但是它并不会加速你的理解过程。我的这个“加速”指的是，比如说你花同样的时间阅读一整篇论文，跟 AI 快速地给你很多问题的答案，你的大脑其实在单位时间里面学习的东西是有限的。

Kolento: 我其实有一个相反的观点，泓君姐。因为今天 AI 来了之后，我觉得第一件事情是信息爆炸了。我有大量的信息每天要看，但人的认知带宽是有限的。所以 AI 可以帮我筛选出我该先看什么、后看什么，甚至很多时候 AI 可以告诉我什么对我当前这个上下文是最有利的，可以先看。这个其实是在辅助加速我理解的过程的。

泓君: 这点我同意，它是在宽度上增加了。但是我说的是在一个特定问题的理解深度上。就比如说你学应用心理学的课程，你踏踏实实地把一个课件消化到，不管你用什么方法，你整个的大脑去消化跟理解它的深层原理，你还是需要那个单位时间的。就是 AI 并不能帮你的大脑加速，它只能给你提供更好的资料。但是当你已经非常清楚自己的问题是什么，我就是要弄清楚这一个问题，而且是非常深度地弄清楚，我觉得这个 AI 是很难去加速的，因为那个是你的大脑的处理速度，你就是得学。这是为什么我非常认同刚刚 Alfred 说的，博雅教育非常重要。我们对每一个事情，包括你对哲学、对法律，它的历史、理解的深度跟它的由来，它非常重要。这个最后又反过来会决定你能把 AI 用到多深。

Kolento: 挺有意思。

泓君: 对，有点像科学研究。因为你有一个明确的研究方向，然后你想把它做到更深，现在显然 AI 在科学研究上做得还是不够好。

AI时代自顶向下的学习方法

Kolento: 我想分享一个我自己就是用 AI 学习的不一样的方法。因为我觉得传统的教育，其实更像是自底向上的，就是先打基础，然后再往上走。这个问题就是，大多数人可能走到一半就迷失了，他不知道自己为什么要打基础，他不知道自己最终想走向什么地方。但是如果说我们回到刚才说的那个点，AI 能够直接给你答案的话，那其实你是有一个优势，就是你能够看到一个真实的锚点。一般我会怎么给这个 AI 提示词？我的第一个步骤是，我先学习在这个问题上，最顶级的人都怎么想的。比如说我想学习某一个概念的原理是什么，我可能会直接问 AI 说这个概念一般你觉得谁解读会最厉害，以及它的发源人是谁。我先接触大量的顶级作品，训练我能够感知到好坏的差异，然后再开始动手。所以我觉得还是源自于“评估”，你得先给自己建立一个最高的评估标准，让你能够不断地见证更高水平的卓越，在这基础上你再去进行深度的学习。如果你在生产能力还没有之前，就已经有了鉴赏能力，你可能会对自己的产出极度不满意，而这种不满意会驱使你去持续迭代。

泓君: 但是问题就是，你该怎么找到这个“好的感知”？

Kolento: 我自己给自己的一个心智就是，你要找关键的区分点，而不是学全部。因为我觉得自顶向下最大的陷阱就是，你看见了顶点，你以为需要学顶点的所有东西，然后你就被信息量给压垮了。但真实的情况就是，顶点和次顶点之间，往往只有少数几个关键决策点是不同的。

泓君: 能举个例子吗？

Kolento: 比如说你想学习 Transformer 的原理，我觉得传统路径就是你先学数学，然后你学 Linear Algebra (线性代数)，学 Machine Learning (机器学习)。但我当时学习的时候，我让 AI 帮我组织一个最顶级的专家团。它可能组织了 Geoffrey Hinton、杨立昆 这些人，还有 John McCarthy，帮我讲明白 Transformer 它的原理都有哪些。然后我直接针对里面不懂的问题，我让它给我最好的定义，以及让它给我一个例子。

泓君: 对，这就是我想说的。其实更多的关键区分点，不是你顺着一条别人跟你预设好的路径，而是你直接顺着自己的感觉走。你的目的就是为了去理解那个答案，所以中间你哪块没理解了，你就直接问它那个问题就可以了。

Kolento: 然后在问问题的过程中，我会做两个处理。一个是因为你得判断它给你的答案是不是对的，所以一般我会让它上网搜索，让他给我一个可以验证的链接。第二种方法就是我会去问真的人。比如说像这种 Transformer，我可能真的会自己上网查查，或者是我问一些身边非常懂的朋友们，他们会给我一个可验证的奖励，所以我觉得就是你要先有一个顶点。这个顶点是专家们给你的，然后你去从中找到更个性化，你不懂的地方的关键区分点，然后不断问问题，利用网络以及利用你身边的你认为是专家的人，给你一个可验证的奖励，告诉你你该不该往前继续走。所以我觉得这样产生的学习路径跟正向路径是完全不同的。因为正向路径其实是一种教材设计者认为合理的路径，但逆向路径其实是更个性化，是你达到那个具体目标所需要的最短路径。

泓君: 好的，聊到这里我想问一下 Jack，因为你跟 Alfred 还有 Kolento 是不一样的，你是 2020年 入学的，你在 ChatGPT 出现之前就已经开始学编程了。你能不能讲一下你最早是什么时候开始用上 AI 的？

AI工具的使用与效率提升

Jack: 我其实是在 2022年底 的时候就开始用 AI。因为我那个时候我在帮 纽约大学 的一位教授做一个科研项目，涉及到做一个前端的网站出来。但是我当时是学数据科学的，数据科学的课程里面其实是没有教所谓的计算机科学相关的。当时正好 GPT 出来的时候非常惊艳，我就正好拿 ChatGPT 一块做这个网站出来。我记得很长一段时间都是 ChatGPT 去主导的唯一 AI 工具。直到后面像 Claude 和 Perplexity 这样的工具出来。近期的话在用一些 Coding agent (编程智能体) 比较多。当然再前段时间可能用一些通用的，比如说像 Manus 跟 Genspark。最近用 Claude 是最多的。包括像 Codex 也会有。因为最近在做一些跟创业相关的，所以也会用一些更全栈的，包括像设计类的，都会有接触到。

泓君: 数据科学跟计算机感觉是最相关的一个行业了。你的同学他们使用 AI 的比例高吗？

Jack: 我觉得是挺高的，但是他们可能使用得会比较单一。特别是如果你跟非数据科学，或者是偏文科的一些同学来说，可能他们绝大多数还是在用 ChatGPT 会多一些。

泓君: 你觉得你有多少作业或者论文是 AI 帮你写的？

Jack: 我觉得是 99%。

泓君: 那 1% 不能完成的是什么？

Jack: 1% 不能完成的，我觉得它不是完全不参与，而是就像我要录个个人展示一样，只能我来说。AI 可能未来连说话都能帮我顶了，但是现在来说，可能没有一个特别好的工具能做好这件事情。但是这个作业本体，我已经想不到任何没有 AI 参与的作业了。

泓君: 这个是从什么时候开始发生的？就是 99% 的作业都开始是 AI 写的了。

Jack: 我觉得不是“AI 写的”，AI 会在其中有很大的占比。我觉得可能从 2022年底 2023年初，当时就非常非常重的 AI 参与。我觉得实在是非常好用。可能是我的切入点比较合适，因为我当时做一些 CS 相关的，比如做个网站，或者是做一些代码量比较大的。现在基本上有任何作业，或者是任何课题、任何内容，我都会先问一下 AI，看它的想法怎么样。

泓君: 老师或者你们的教授对学生用 AI 去交作业，他们是一个什么样的态度？

Jack: 我觉得肯定也有一定的转变。像最开始其实是非常抵触这件事情的，直到最近一两个学期，可能很多教授也是会很接受说，你可以咨询大语言模型，然后你最后为你的产出去负责。

泓君: 会有教授用什么 AI 反作弊软件去监测大家说你们不要用 AI 写论文、写报告吗？

Jack: 其实这个一直都有，比如说 Turnitin 这种。其实我觉得每个大学应该都算是标配，可能还有更多这种工具。可能之后会有一些更加细分，或者更加好的 AI 监测的工具。但这个不会是一个让人完全不使用，或者是重新让人远离 AI 的趋势。可能只是为了更好地让人跟 AI 一起协作完成一个任务。

泓君: 比如说你觉得怎么样是一种更好的用 AI 的方式？你能举个例子吗？大家可能都会用 AI 去写作业，那 AI 写出来的作业水平也分好跟不好，这个怎么判断呢？

Jack: 我觉得作业可能分两种。有一种作业是可验证的作业，比如说你写一个数学题，这个就是有一个标准答案的。更多的任务是一种非直接可验证的，比如说写一个论文，或者说写一个网站。教授批改他也不会说你这是对的，你这是错的。可能往往他说这个是比较好，或者这个比较差。如果我有这种作业，我会先问模型，这是我的课程，这是我的作业要求，你觉得我们应该从什么角度思考这个问题？先做一个作业的需求拆解。做完这些之后，我就大概知道我第一件事要做什么，第二件事要做什么。但如果有些课题是我比较熟悉的话，我可能就先开始自己的赛道。比如说之前有一些机器学习的课，可能写一些轻量代码，那我很自然地就会开 Google Colab，再切换一些运行时去做好一些设定。但可能有一些任务，可能这课程本身我自己不是特别了解，那我可能会更加大程度需要依赖 AI 去帮我把这些前序的东西都做得更好一些。但我觉得始终没有变的是，在思考的过程当中，可能我之前会更愿意翻书，或者上网自己搜。这些过程其实有些是没有把我变成一个更好学生的，它只是在花我的时间。AI 它只是更快速地帮我把一些东西给索取到。我觉得这就是增加了我的效率。

泓君: 所以现在从你同学交的这种开放性任务水平的高低，包括作业成绩，包括论文成绩的高低来说，你觉得现在大家 PK 的是真正你的学术能力、你的底层思维，还是你用工具的能力？

Jack: 其实我觉得现在还算是两者都有。就是看你对这东西有没有一个价值判断的能力。可能我压根就没学这个课，我也不知道 AI 写出来是对还是不对，然后我就这样直接交了。大概率来说，这可能就不是一个特别好的产出。如果一个学生特别会用一个 AI 工具，再加上他对这个课程本身又很了解，那他大概率从 AI 产出的内容就已经是很可用的了。如果他这样直接交上去，再把一些 AI 味给去掉，能过最后 AI 的检测的话，那可能交上去就是 80分，甚至 90分，甚至更高分。我觉得这还是个综合能力。

泓君: 所以基础前提还是大家对自己学的课程的理解，对不对？

Jack: 对。

泓君: 理解深度，就是你理解得深，不管你手写还是 AI 写，都能写得更好。但是如果你不懂的话，其实你不知道 AI 给你的对不对，它可能是在胡说八道。

Jack: 对，其实我觉得这也是 AI 的一个现状。它可能会给你几个选择。举个例子，它给你写个网站出来，它给你 3个方案 甚至 10个方案，各有各的好。这个时候如果你问 AI，那你帮我挑一个，任何一个它都可能会说是好的方案。所以最后的价值判断还是会落到人身上。

泓君: 所以现在有了 AI 以后，你用于自己学习跟思考的时间，以及跟 AI 交互的时间，会发生什么变化吗？你会把更多的学习跟思考的时间交给 AI 吗？

Jack: 不会。留给我学习跟思考的时间，我觉得是更多了。因为我觉得之前有很多的时间，都是浪费在了搜一些东西。它可能藏在互联网的深处，可能要花好长一段时间才能找到正确答案。但是有了 AI，可能很多事情我问它一下，它马上就能帮我找出来，找得现在肯定是越来越准。我觉得我在一些无关紧要的步骤上省掉的时间，我都可以拿来去跟它思考，甚至我可以跟 AI 交流、做脑暴之类的。反而让我学习跟思考能力会更多。

2026年AI工具盘点

泓君: 因为 2026年 了，整个 AI 工具进化得也很快。大家要不要各自讲一下你们现在在用一些什么样的 AI 工具，然后你觉得从去年年底到今年以来，在整个 AI 的使用方式，甚至是思维转变上，甚至是工具给你的冲击上，大家最受震撼的一点是什么？Jack，你要不要先来？

Jack: 好，对我来说，我自己最近用得比较多的工具模型层可能就是像 Claude 和 OpenAI 的像 Codex。他们这些 Coding Agent (编程智能体) 我日常可能有很多时间是要去写代码的。做设计，比如说做些动画啥的。我最近经常会用一个叫 Variant 的工具，它就给你单独生成几个动画方案啥的，你可以直接把代码拿下来去沿用。还有一些像 Typeless，它是一个语音输入工具，我觉得非常非常好用。尤其是在 Vibe coding (随性编程) 这个场景下非常适用。因为很多时候我是没有办法一下子就很准确地像一个精准的提示词那样，把一个需求一下写下来。往往我可能只是支支吾吾地把我大概想要的东西给说出来。但是如果是 Typeless 在中间帮我做一层传递的话，它能往往把我想要的意图，以书写上更规整的形式，传到提示词里面给到 AI。我觉得这一点非常好。我越使用它，它就越了解我，然后我的个性化什么的会变得越来越好。可能再往前用过比如说 Dify 去做一些工作流，非常非常适用。而且我觉得它可能对一些探索场景会非常好。我之前会读一些论文，比如说在论文里面有一些架构，这个时候就可以拿 Dify 去做一些实验啥的。

Alfred: 我分成三大类，分别是聊天机器人、提效类以及 Long Horizon Agent (长时程智能体)。聊天机器人我最常用的是 Gemini 的网页应用。提效类有 Typeless 和 Raycast。我觉得 Typeless 有个很棒的一个点就是，比如说今天我在 微信 当中我想要跟一个人回复一个比较长串的信息。当你按住在那边了之后，如果你说得不是那么的有结构性，它可以帮你把一个 unstructured (非结构化的) to structured (结构化的) 的过程，非常丝滑地融入到这个产品体验当中。

泓君: 所以它算是一个输入法，对不对？在手机跟电脑上都可以用的一个语音输入法。就是以前我们跟电脑的交互都是直接打字的，现在我们可以跟它说一大段语音，它还会从我们的语音中挑重点，然后再来输入。它可以帮我们写邮件、写提示词。

Alfred: 对，可能今天我说了很多内容，但是我知道我说的内容它是有非常多的冗余的口水词，甚至我说的时候它也不是那么的有重点。Typeless 我觉得这个过程当中，它就像是一个桥梁，把你口头的表达以一个非常丝滑的方式，转化成一个书面表达的形式，不论是写提示词、写邮件。

泓君: 对，太适合帮我去回邮件了。

Alfred: 第三个是 long horizon agent (长时程智能体)，分别有三个。第一个是 OpenClaw，会作为我日常高频生活问题的处理。同时它也会是一个 Agent orchestration layer (智能体调度层)，会去调度其他的一些 low horizon agent (短时程智能体)，分别是我要提到的第二个产品就是 Manus，主要是在做一些深度研究和设计。最后就是 Claude Code，这也就是在进行一些软件开发的时候会用到的。

泓君: 你每个月大概会在这个 AI 产品上花多少钱？因为 OpenClaw、Manus 加上 Claude Code 这些都还挺贵的。我记得你刚刚说 OpenAI 一个月 20刀 对学生来说就已经很贵了。

Alfred: 对，那个是 2022年 2023年 的我。现在我已经远超这个数值了。现在使用 AI 一个月可能都在 200刀 往上。但是我今天愿意为它花 200刀，不仅仅是因为我是一个真的是会对新的 AI 产品希望一定要上手去实践的人。更其次的点在于说，它是在每个月能带给我大于 200刀 的效益的产品。

Kolento: 其实我有一个很直接的答案，就是 Claude Cowork。我认为没有任何 AI 超越过它。就是在去年，就是无敌的产品。但是我想讲另外两个，我觉得也比较惊艳我，但是还是比不过 Claude Cowork 的产品。一个是 Suno，做音乐。我觉得 Suno 太有意思了。

泓君: Suno 很好，对。

Kolento: Suno 我前两天还在用它做我们初创公司的着陆页的主题曲。我觉得它比我之前用它的 V1 还是 V2 要强很多。我现在用它的 V5 Preview，非常的强。因为我自己是考过很多音乐的考级，然后我自己也写歌。我以前觉得这玩意是没啥用的。

泓君: 你还有这一面呢。

Kolento: 是的。我觉得它不太能帮我创作，最多就是给我点灵感。我觉得之前可能连灵感都给不太了。但是这次让我觉得，它不但能给我灵感，而且它对更多的不同风格音乐，在我给它这个提示词的识别上极度准确。包括当我给它上传一些别人写过的歌，即使是那些比较小众的，它都能直接识别出来说这是别人写过的歌。说明它的数据源接得更多了，它就不会去犯这种侵犯版权的问题。这是 Suno。另外一个是 Gemini 的有一个功能，叫做 Dynamic View (动态视图)，有点类似于你给它个提示词，它可以给你生成一个生成式 UI 的界面。是非常炫酷的。这个它当时发布过一段时间做 preview (预览)。我觉得它比我用任何网页开发的 Agent 做前端页面都要惊艳。第三个前两天上线，有一个产品叫 Mercury2，它是 Inception Labs 发布的。这个产品有意思的点在于它特别快。它自己的数据显示，它比 GPT-4o Mini 要快 10倍 左右。就是我给它一个提示词，它可能 3秒之内 就能给我出一个前端界面了。

泓君: 结果怎么样？好看吗？

Kolento: 还可以。因为它用的架构是 Diffusion LLM (扩散语言模型)，是一种新的架构。这个东西其实最早我觉得应该是 Google 提出来的。Google 有个东西叫做 Diffusion Gemini。它也许我觉得以后能够打破我们对速度和质量这两者之间，鱼和熊掌不可兼得的悖论。

泓君: 刚刚大家都提到了，你们会用什么 Manus、Genspark。但是在 OpenClaw 出来以后，尤其是 Alfred 你刚刚提到了你会用 OpenClaw。你们还会用像 Manus 跟 Genspark 这样子的 Agent 吗？

Jack: 我个人其实还是会的。比如说一个网站它的交互设计做得特别好，我就会让 Manus 你去浏览访问一下，你直接上浏览器，你好好看一下它怎么做的。我觉得像 Manus 和 Genspark 这种 Agent 产品，它把很多技术给打包好，成为一个用户更友好的产品，我一下就能马上给用好了，我就不用再自己去设置很多东西。

Alfred: 虽然 OpenClaw 出来了，但是很遗憾的是，在特定任务上面，它的表现以及它最后交付的结果，以及当中在执行任务的效率，都不及现有的很成熟的 Agent 产品。但是它的可交互性以及在 IM (即时通讯) 视窗当中的即时性，最关键的就是它的记忆，又让你可以很丝滑地在不同的垂直任务当中去切换，去调用对应的 Agent，去承接、去执行对应的任务。所以就算 OpenClaw 出来了，我甚至去使用这些 Agent 产品的频率更高了。

泓君: 好的。

Kolento: 首先我暂时不会用 OpenClaw。第一，对于我来讲，我自己很明确知道我都有哪些工作流，然后我也知道在不同工作流上我应该使用不同的 AI 更适合。而 OpenClaw 它其实更像是个端到端的解决方案，它其实是一个 AI 帮你干完所有事情。我觉得这个不对应我的需求。第二点就是 OpenClaw 会消耗大量的 API (应用程序接口)。我不信任除了 Claude 之外其他模型的表现，而 Claude 又特别贵。所以我就不想耗那个钱。那我会选择用那种我订阅好的。我觉得一个是出于成本考虑，一个是出于效果考虑，所以我不会去使用 OpenClaw。所以这也不会降低我使用别的 AI 的频率。

泓君: 所以现在有哪些 2026年 你已经开始放弃用了的 AI，但是你之前经常用它？

Kolento: 我刚才其实在深度想，但我感觉我放弃使用的是 GPT 和 Gemini。

泓君: 是两个模型是吧？所以你已经完全转向了 Claude？

Kolento: 我完全使用 Claude。举一个简单例子，就前两天，因为我们大量使用 Claude 做编程，我买了 200刀 的最高套餐，结果我把 Claude 用完了。当时我是周六用完，所以我才要等周日、周一、周二的下午 7点钟 才能够重新重置。然后我就特别难受，我感觉我已经不知道该干什么了。

泓君: 你没有 Claude Code 你开发不了。

Alfred: 我可以去用 Codex。我也可以尝试用 Gemini CLI。但是我感觉完全不信任。我觉得它们的效果太不行了。导致那两天我都不知道我该干嘛。

泓君: 你现在不用 AI 已经又到了一个很难受的程度了。

Kolento: 已经比去年还要更难受至极。

Jack: 是的，我觉得还有一个点就是，大家会发现一个趋势，Claude 其实它的 API 的不管是 Token in 还是 Token out 的费用是一直在提升的。但是我们反观一些不管是国内产品还是一些别家产品，大家都在做各种的促销，做各种的降价，提倡那种低价格、高收益。但 Claude 一直都是持续在涨价，但大家还是在为它付钱。我觉得这是个特别反差的事情。其实这是一个很好的去检验一个 AI 产品是不是好，是不是被大家认可的指标吧。

泓君: 我今年也是把 ChatGPT 给弃了。我现在也是用 Claude。但是我还不会弃 Gemini。是因为它的生图功能太好了。我觉得 Anthropic 最大的 bug 就是他们出的图实在是太烂了。

Kolento: 但是他们排版是好的。

Alfred: 整个的生图功能还不是很行。其实跟泓君姐差不多，很遗憾 2023年 陪伴我经历第一波 AI 浪潮的战友 ChatGPT，我现在已经完全地退订了。但是我不得不承认，Codex 目前也是一个非常好的产品的存在。我也经常遇到 Claude Code 它挂了，或者说它额度用完了，它需要一个刷新的时间。那我就很难受。因为我自己在做 Claude Code 的时候，是会持续地去写 Task.md (任务描述文件) 的，或者说我叫 Progress.md (进度文件)。我会把这个 Progress.md 给到 Codex 让它继续去干。所以它更像是一个 24小时 干活，可能 Claude Code 就休息一段时间，Codex 再顶上来。当然也会有些时候是针对不同的场景会分配不同的任务。就 Jack 讲的，可能 Codex 如果在后端上面做得更好，那可能会把这个任务交给它去做。

泓君: 感觉这个结论跟我臆想中不太一样。我开始以为大家今年会弃用很多的 Agent，没有想到大家最开始弃用的都是 ChatGPT。我觉得这还是挺有意思的一个点。

Alfred: 就是 Manus 刚出来的时候，很多人都在说 Manus 就是一个套壳，它没有任何护城河，没有任何的壁垒。但是快一年了，我觉得到现在我所用过的 Agent 产品当中，至少在用户体验层面，我觉得没有用过比 Manus 更好的。我觉得现在我用 Manus 最多的两个任务，第一个就深度研究。深度研究不仅仅只是通过简单的 search API (搜索接口) 的搜索。尤其是今天针对一些 GUI 的任务，要用到操作浏览器这个能力的时候，我现在已经可以感受到 Manus 就是我认为现在世界上最好的深度研究的调研工具。比如说今天我要查一款产品它在 Reddit 和 X 上面用户对它的评价是什么。Manus 就可以去打开我在本地的浏览器上面的标签页，登录我的账号，帮我浏览对应的我想要获得的信息，并且把这些信息汇总之后，成为一个深度研究报告丢给我。我觉得这个过程是目前我并没有看到说其他任何一款 Agent 产品可以去做到这么好效果的。再其次就是设计，Manus 大概在下半年的时候推出了一个 Canvas 的工具。这个 Canvas 工具其实就可以比较自由地实现一些设计的工作。它提供了一个比 Gemini 生成图片一个更好的体验。我会更愿意在这个平台上面去使用 Nano Banana 的能力。反而最先被放弃的是那些我认为很鸡肋的存在。比如说 ChatGPT，你要论对话的质量，它可能不如 Claude 或 Gemini。Agent 能力也不如 Manus。论编码的能力，可能 Codex 可以打，但是 ChatGPT App 肯定也不如 Claude Code。所以它会成为一个在所有任务当中都不那么擅长的一个存在。

泓君: “三不管”的地带。

Alfred: 而最后很遗憾地就被遗弃了。

泓君: 对，Kolento。

Kolento: 我可以直接分享一个我平时我觉得对于现在每个大学生来讲，都是一个很实用的，你该怎么订阅这些 AI 工具，然后用它们干嘛。如果说我们就拿 GPT、Claude 和 Gemini 做例子的话，首先大家都可以去找到它们三个产品的教育计划。GPT 应该会给你一个 Plus。Claude 会给你，你可以使用 Sonnet 4.6 或者是 Opus 4.6。Gemini 的话应该会给你一个最高版本的，就是 Thinking 的那个 Pro。我会把它们三个放在不同工作流上。平时如果你要做脑暴的话，就是你要先想好你怎么给 AI 第一个提示词以及给 AI 的计划。所以我会计先让 GPT 帮我想，这个时候有一个技巧，我会关闭 Gemini 和 Claude 的记忆功能，然后我一定会打开 GPT Memory 的功能。所以 GPT 等于说在被我“养号”，它会越来越懂我。但是 GPT 我不会让它来做任何跟实际决策以及实际执行相关的事情，因为它已经被我的记忆给污染了。它已经活在了一种信息茧房中。但我会让它帮我去上网搜索，做更快的一些信息整理。把它写好的提示词扔给 Claude，让 Claude 开启它的 Extended Thinking mode (扩展思考模式)，然后用它们最新的模型来做执行。中间回到刚才泓君姐提到的 Gemini，我觉得它唯一擅长的地方就是做视觉上的东西。不管是 Nano Banana Pro 还是 Dynamic View。做完东西之后再把它插入回到 Claude 整个工作流里面。这基本上是我怎么使用这三个模型的。但里面花钱最多的还是在 Claude 上面。

泓君: 好的，很有意思。你刚刚提到了把另外两个模型的记忆功能关闭，把 GPT 的记忆功能打开。因为你觉得记忆会污染你的模型，我自己也有这个感受，我也是很早，就把那个记忆功能关闭了。因为我觉得如果不把它关闭的话，它最后会让你在一个越来越紧的信息茧房里，它给你的回答，甚至是它的英语都能变成中式英语。

Kolento: 是的。

AI对专业学习与元认知的影响

泓君: 那 Kolento，你觉得你在学专业课的时候，AI 它是让你的专业基础打得更好了，还是更不好了？

Kolento: 我觉得两个层面看。一个层面，你可以通过考试成绩来看，我花了更少时间拿到了更高的分。因为 AI 可以当你的个性化老师，随便且及时地给你反馈。第二点就是，我自己在学校平时这个专业课的基础上，AI 它帮助我探索出来更多我对这个世界的好奇，以及我对这个领域跟 AI 结合的一些好奇点。比如说我期末时候就在研究，有个东西叫做“依恋类型”。很多人有回避型依恋，很多人有焦虑型依恋，或者安全型依恋。这个依恋类型会不会影响一个人使用 AI 的模式呢？以前依恋类型更多是人与人之间的，但我当时觉得会不会 AI 也能够充当一个人的角色，每个人跟其他人的依恋类型会不会影响这个人跟这个 AI 角色之间的关系呢？所以我就期末写了这么一个论文，也是在 AI 的辅助下帮我做研究、帮我理解这个关系。我觉得不管是从考试成绩上来讲，还是从课外对兴趣进行探索上来讲，都是有比较大的提升。或者我可以用设计来举一个例子，因为我们经常会设计这个视频的封面图。其实 AI 它可以做很漂亮的视频的封面图，但是我们依然会用设计师，而且我们不会管这个设计师他是不是用 AI 做的。但是我觉得一个好的设计师，他能做出好的图，跟他能用 AI 做出好的图，是成正比的。原因是在于，他的设计跟审美都是有技巧的，而且这个是有积累的。我可以去培养一个人，我告诉他这个地方要设计成什么样，但是我没有办法去培养一个审美。有的时候你的字体的排版就是区分那么一点点，但是它在整个的审美上的表现是非常大的。当然我这是一个没有标准答案的问题。但是整体上，如果一个人他的设计基础打得非常好，他的整个审美非常好，他传统的那一块学出来的东西非常扎实，他不管是自己画还是用 AI 作图，他都是能交付更高质量的图片的。但是如果我一个完全没有学过设计的人，我也可以用 AI 去作图。但这就分两种情况了，比如说我也有很好的审美，我也可以做出那样的图片。有一些人，他可能既没有那么好的审美，他也用 AI 工具，所以他也做不出来那样的图。因为 AI 它只是一个工具，它其实是在人的能力上去放大或者缩小的。它可以达到以前你达不到的那些能力。但是我的这个基础的意思就是说，如果你的基础打得不足够好的话，那么在你用这个工具的时候，工具出了错你没有办法判断，你没有办法把工具引导到一个更高、更好的品位上去。所以我在问大家课程的基础打得更扎实了还是没有以前好了，我是想知道大家在用这个 AI 工具的时候，在你们的元认知的能力上对它的影响是多少，你觉得你的这个元认知到底它是变强了还是变弱了？

Jack: 其实我觉得有了 AI 之后，可能我会觉得我在很多课程上更加得扎实，或者说更快地让我抓到事物的本质。如果从编程上来说的话，现在的模型，特别是到一些比较大的代码量的程度来说，其实很多事情它是做不太好的。比如说像用 Gemini 来做编码的话，它有时候会忘写括号，让你觉得非常匪夷所思的问题，怎么会发生在一个，对吧？你能连续工作几个小时、二十几个小时、三十几个小时，然后你连括号都忘写了。你可能就改了几十行代码。又有的时候，可能明明这个地方它应该把旧版的代码给替换掉，它非得写个新的代码，然后给你加一个分支。有些时候逻辑是非常奇怪。所以我觉得像泓君姐刚刚表达的非常好的一点是，对设计师来说，我们作为设计师的客户，我们不在乎设计师拿的是 AI 工具，还是说他手画的。我只在乎他的最后产出物是好的。但对于设计师来说，他必须得知道，比如说我拿笔画，还是我拿电脑鼠标画，还是我拿 AI 画，我都得去纠正它在某一些关键点上它就得这么搞，或者说它就得那样搞，才能引导出一个最好的产出。那如果对编码来说，如果一个人他对代码没有那么熟悉，就让 AI 任由自由发挥，很多时候这个 AI 写出来的东西就特别奇怪。

泓君: Kolento，假设你刚刚提到了 Claude 额度用完了以后，你会有一种非常难受的感觉。你会有一种 AI 上瘾的感觉吗？

AI上瘾与生产力安慰剂

Kolento: 这个必须得有，就是疯狂上瘾。当时我有一天找 Jack，我跟他说我感觉没有 Claude 活不了了。非常夸张。你感觉很难去做一些深度的执行类的工作了。或者说更快速执行类的工作。因为我觉得 AI 对我来讲，最大程度上是节省时间。其次就是 30% 是给我一些灵感。如果你没了 Claude，那你就是 30% 的灵感没了，70% 的执行也没了。那就很难受了。

泓君: 比短视频会更上瘾吗？

Kolento: 我觉得是的，因为我没有任何一天是不用 AI 的，但我是有一天不看短视频的。

Alfred: 对，如果今天我们一下子抽离了所有的 AI，我们可能全部都退回到了一个非常原始的状态。可能很多事情都没有办法正常地展开了。

泓君: 比如说这什么事情？你觉得现在如果脱离了 AI，有哪些事情是你之前能做，现在做不了的？

Alfred: 比如说写论文。你会觉得很痛苦。

泓君: 对，很痛苦。

Alfred: 我看到非常多顶尖的程序员，他们都跟我讲说他们已经不再手写代码了。他们甚至会觉得说手写代码会降低生产的效率。这意味着说，这可能是一个自运行的生产环节了，可能甚至人类在里面，所谓的人在回路中，只是我们人类的一厢情愿罢了。我们很多身边的人其实非常的乐观。但我大概在 2024年 的时候，当我意识到这一点，同时我读了 尤瓦尔・赫拉利 的一本书，叫做《智人之上》(Nexus)，我也开始意识到可能这件事情比我们想象中的要严重很多。只是我们现在都还在享受它所带来的红利，就像是它帮我们完成一些之前不可能完成的任务。带来这种正向的激发之后，我们没有意识到这些点。如果我们在这个思想实验当中，完全抽离了这些工具，完全抽离了这些 AI，我们还剩下什么，我们还能做什么？我觉得这件事情可能会在未来越发严峻。因为可能我们现在人类面临最大的一个问题就是，就像泓君姐讲的，我们的大脑带宽有限，它还是个旧石器时代的大脑。现在基础的制度和道德可能是从中世纪演化而来的，但是我们现在却拥有一个跟我们一样聪明，甚至比我们更聪明的技术的存在。所以我还是会感到很担忧。

泓君: 我可以总结成，现在如果不用这些编程工具了，本来大学我们学了 CS，应该是会写代码的，反而会觉得自己不会写了。或者说被这种我一下可以写很多的代码，突然的降速，感觉很不适应。另外一块就是，我不知道你在日常生活中会有多大程度上用到 AI？

Alfred: 我这一天基本上都会和 AI 共存在一起。比如说我们今天有这样的一个日程安排，我会请 OpenClaw 帮我在 Google Calendar (谷歌日历) 上面去安排日历。我会去请它帮我读我的 Gmail，帮我去撰写好要回复的草稿。同时在进行程序开发的时候，会使用 Claude Code。很大程度上，它已经在你的日常生活当中成为了一个无法或缺的存在了。

泓君: 所以你会觉得你也有像刚刚 Kolento 提到的这种 AI 上瘾的感觉吗？

Alfred: 会有的，这种上瘾我觉得更多来自于，你减少了很多痛苦的思考和左右互搏的过程。同时你还拥有了去创造出原本你无法想象你可以创造的内容，或者是产物的快感。一个我很喜欢的作者，叫做 维纳。他提过一个理论叫做控制论。他写过一本书叫做《人有人的用处》。这是大概在上世纪中叶就写的。他里面就提到说，人拥有机器无法比拟的可塑性、学习能力以及适应性。他最后提出说，人的用处和价值是什么呢？就是提出正确的问题进行价值判断，和承担最终责任。从某种程度上来讲，我确实被 AI 侵蚀掉了部分的能力。但是我需要更注重的是那些更本质、更基础、更元认知的能力。

泓君: 假设现在不让你用 AI 工具去写代码，你觉得你还会写代码吗？

Jack: 我觉得会的。

泓君: 你是什么时候开始学代码的？是在 AI 工具出来以前还是以后？

Jack: 出来之前。

泓君: 这是不是算是你跟 Alfred 跟 Kolento 一个很大的区别？其实你是在 AI 工具出来以前就开始写代码了，Kolento。

Kolento: 我的答案是，如果没 AI 我是写不了代码的。因为我上大学的第一天就在用 AI 了。所以你现在让我直接去写的话，那肯定非常困难。代码这件事情我是大概高中毕业后，有半年的时间很闲，我就开始去学代码。当时就学 Python，因为最通用。

泓君: 但是你只会写 Python。所以我会觉得完全抽离之后，真的很难去开展现在你正在做的事情了。但是 Jack 你读大学的时候，GPT 应该还没有出来。

Jack: 对，我是 2020年 入学的。GPT3.5 是 2022年末 (出来) 的。

泓君: 你是从什么时候开始学写代码的？

Jack: 2018 2019年 这样子，读大学之前就已经接触了。

泓君: 所以我觉得这个区别还是挺明显的。

Jack: 是。如果说没有 AI 的话，可能很多事情我还是会接着用第二方案。就比如说如果今天突然说现在 Claude Code 要断 24个小时。我可能明天就又回到 Stack Overflow 那个网站，然后又重新看一些最古早那些静态网站别人怎么写的。我觉得这个还是会的。

泓君: 你是能忍受的。如果 AI 断了，你不会觉得很难受？

Jack: 我会很难受。但是我觉得这没得选。它断了的话，那我必须得用次优方案了。但是可能这个次优方案是我之前有经历过，我觉得它也没有那么痛苦。与其啥也不做，我还是愿意去做点什么东西。

泓君: 自己写论文也是可以的，不一定非要 AI 写论文。

Jack: 对，我觉得这也是必须得有的一个能力。或者说必须得有的一个准备。

泓君: 你觉得你自己会有 AI 上瘾的感觉吗？

Jack: 我觉得我会有的。现在让我最上瘾的就是，比如说拿 AI 写代码。我觉得 AI 它能很多时候把很多事情变得很具象。像 Claude Code，它可以在写代码之前帮你写到你的真实代码库里面。你可以让它先建几个 HTML 方案出来，让你视觉上先看一下。我觉得这个就从文字变成了 GUI，让你视觉上能评判东西。

泓君: 一切都变得非常清晰，画出来之后你豁然开朗。对，我们之前说短视频上瘾，就是说人在工作太累了的时候，觉得无聊的时候，不知道要干嘛，我就在那刷短视频，然后刷得停不下来。但是，我不知道大家怎么去描述大家这种 AI 上瘾的感觉？我听起来你们都是在用 AI 去干活的。是有干活上瘾，还是说无聊的时候上瘾的感觉？大家可以描述一下吗？

Kolento: 纯干活上瘾。因为你每天有很明确的事要干，就好比把电脑给你断网了，那其实也是很难受的。我觉得 AI 它其实就是某一个下个时代的电脑。这个对我来讲就是类似于断网，没有办法去干很多生产力上的事情。

泓君: 好的，Jack。

Jack: 对我来说是的。因为我更视 AI 为一种效率工具。其实我个人用娱乐的 AI，不管是陪伴还是说 AI 游戏，会比较少。当我看到一件事情本来要花 10个小时 完成，现在我半个小时能完成，我就觉得这就很爽了。这帮我省了很多时间，可能剩下的 9个半小时 我能干自己想干的，就包括去娱乐。可能也是一种变相的快感吧。

泓君: 大家在不干活的时候不会想 AI，也不会想手机跟电脑，对吧？只有在干活的时候才会有这种感觉？

Jack: 对，对我来说，如果没有一个很明确的东西，我可能不太会打开 Claude。除非我有什么问题啥的，不然我不会想着天天跟它去扯家常，我应该不会这样。

Kolento: 我的感受有点不太一样。就是我不会把我的工作分那么开。因为我平时用 Claude、用 GPT，很多时候是因为我想要学习。如果没有了 AI 的话，我的很多问题也没有人给我解答。它可能不是为了工作，它就是单纯为了某些程度上的自我实现，或者我对这个世界的好奇。

泓君: 所以你是学习上瘾。

Kolento: 对，我觉得有点类似于学习上瘾。所以我特别喜欢问 Claude，我很期待它能给我什么样的答案。因为我会问它特别复杂的问题，而且我一般会采用语音输入，就是我直接乱七八糟跟它说一大堆，然后让它直接理解我的东西，然后给我一个我想要的答案背后的洞察。我觉得这个既算学习上瘾，也算聊天上瘾。因为你在期待它的回答。

Alfred: 是的，其实我想分享一个实验。应该就是他们去年有个组织叫 METR。他们做了一个随机对照实验。他们邀请了 16个 资深工程师。他们基本上都是有差不多 5年 以上的开发经验。他们给大家随机分配了差不多 200多个 真实任务。然后一半可以用 AI，一半不可以用 AI。他们最后的结果是，用 AI 的人比不用 AI 的人慢了 19%。我觉得最有意思的不是这个数字，而是开发者自己觉得，自己用 AI 快了 20%。所以感知和现实实际整整差了 40%。所以 METR 把这个现象叫做“生产力安慰剂”。AI 的及时反馈让你产生了正在飞速前进的一种幻觉，但实际上验证、调试、返工的这种隐性成本的时间，你没有计算进来。他们的结论的洞察就是，减速最严重的其实就是那些专家，那些本身就很懂 AI 的编码专家。而初学者却得到了显著的生产力提升。所以他们把这东西命名为“资深悖论” (Seniority Paradox)。因为专家已经建立了大量的、高度优化过的工作流，所以 AI 对他们这种泛化的建议其实是一种噪音。对于新手来说，AI 是一个 24小时 7天 的老师。所以等于说是在疯狂地帮他们补充不管是语法还是设计模式上的一些知识空白。我觉得这个东西给我最大的洞察，我反而觉得上大学或者是上高中就有 AI 的学生，应该属于一个黄金时期。他们恰好处在 AI 能够最大程度上帮到你的一个位置，就是你什么都不会。这件事情在 AI 时代可能会从劣势变成一种优势。好处可能是你不受经验主义的约束，然后你可以更快速地学习。但可能的坏处是，如果我把 AI 拿掉你用不了。但我并不觉得这是一个极大的坏处。就好像我拿到电脑之后，你可能也没法编码。我拿掉 DC Excel，你可能也没法直接做一个 DCF model。我觉得时代的演进带来的其实是工具的快速迭代，但本质上人的学习能力，知道如何学习，还是依旧存在的。

泓君: 我觉得这个实验太有意思了。你刚刚提到的这个安慰剂的感受，我自己也感受比较深。我自己觉得看似用 AI，它好像什么都能给出建议，但是我要找它的错误跟漏洞，要去事实核查，其实花的时间反而更多了。而且还有一个可能跟现在的生成式 AI 没有关系的一件事情，我在最开始做记者的时候，我刚来美国有很多的英文采访，我是要自己在英文采访以后，自己听，听完以后把英文一个字一个字打下来，然后翻译成中文，再把稿子精简输出成一篇文章的。但是比如说我现在马上用 AI，或者以前用语音转换的工具，然后再把它自动从英文转换成中文，再输出。其实我自己算下来，我觉得两者的速度是差不多的。甚至我自己从开始就一个字一个字地听，跟一个字一个字地打字是更快的。因为其实在那一版的过程中，我已经在思考文章的节奏，跟我要怎么删了。我觉得这个就完美地契合了 Kolento 提到的资深悖论的这样一个实验。

Alfred: 对，我也觉得我会感觉，其实不论技术怎么演进，它更像是人，或者说主体和环境之间的关系。包含技术、包含社会文化、国际关系、政治经济这全都是环境。在这个过程当中，抽象出来一个关键的能力，就是你这个主体、这个人，去适应这个环境的能力。而这个适应环境的能力，在这个当下，是更为重要的一个能力的体现。我们相信所有的感受和结论都是基于过往和现在，但是往未来看，我所看到的 1到2年 一定会是继续狂奔的未来。这样的情况之下，我们所认知的未来肯定是没办法线性外推的。而这样的环境也一定是巨变的。就以我为例，我所成长的环境是一个非常稳定的环境，我是个 00后。而到现在这个当下，我会感觉说我的世界观确实是有点在慢慢地解构。因为这个环境变化得实在太快了。不仅仅是技术层面，当然我觉得现在技术层面，尤其是 AI 的发展，是整个环境变动的一个很大的变量。我有种预感，它这个变化也不是一个可以线性外推可预知的，而将会是一个混乱的、混沌的。而这个过程中个人要怎么去适应，这已经不仅仅包括一些比较功利的，比如说你的学习能力。重要的还有包括你内心自我的一种信念、坚定，还有包括甚至你的信仰。我觉得这些东西可能会尤显突出。

AI时代下的就业与未来展望

泓君: 大家会对今年找工作有什么顾虑吗？

Kolento: 我有点不太适合回答这个问题，因为我更倾向于去创业。但我觉得会很难。因为原本那些职业的门槛会变得更高。你不是被 AI 替代掉的，你是在被那些比你更会使用 AI 的人替代掉的。所以就意味着，如果说这么多人会使用 AI，那显然你去招聘的这个门槛也会变得更高。

泓君: 那 Jack 跟 Alfred 呢？

Jack: 我现在在做一个。

泓君: 大家都想创业。

Jack: 对。但我在投递简历过程当中，会感受到大家对如何定义一个“会使用 AI 的人才”是很模糊的。大家都在说要找一个很会用 AI 的，所谓的“降本增效”，但是好像没有什么很好的途径。对于大多数申请者来说，包括我觉得现在企业端他们也没有特别统一，或者说特别一致性的感觉。

泓君: 对，那 Alfred，你也是要创业的吗？

Alfred: 对，因为我是大概两年前，我就全力投入在这个事情上面。所以我在这两年看论文、学代码、做项目，全部都做过一遍。所以我在这个当下去求职，我是有非常多的先天积累的优势的。我个人是没有遇到非常大的求职上的困境。但是我会发现，身边尤其是我看法学院的同学，确实会发现说现在找到一份可能跟三年前一样的工作困难了很多。这也导致了很多人也会去思考现在最蓬勃增长的行业是什么，有增量的行业是什么。就看到了 AI。所以他们都会尝试去转型。

泓君: 从法学院转 AI 工作。

Alfred: 对。

泓君: 专业对口的工作呢？不好找了。

Alfred: 对，真的是不太好找。比如说律所、法务。还有一大部分人去选择公检法，这也是一个非常稳定，但同时也变得更为竞争的工作种类之一。我在美国看到的情况更为尤甚。我就看到一直存在一种类型的人，他们是计算机背景毕业的，但他们都在做一件事情，找创业公司的工作。因为现在整个 北美 的大厂很多的招聘名额，就是软件开发工程师的名额都是被冻结住了。他们现在面临着就业的情况，他们很困难。他们唯一看到的一个希望的稻草，就是在很多创业公司他们可能会有这样的一个需求。还是非常的两极分化。

泓君: 你自己未来的工作方向是偏 AI，还是偏法律，还是两者之间的结合？

Alfred: 我其实大概在两三年前就非常确定，我不会做任何和法律相关的职业工作了。未来我自己有一个大的方向，就是 Emancipation，“解放”的意思。因为如果今天大家真的能去被解放出来，而不用去承担工作，也能获得最基础的生活的保障，同时去做真的自己喜欢、愉悦的事情，我觉得这是一个很棒的事情。当然这个过程当中有很多挑战，包括社会制度、经济结构，也包括现在的技术完全不成熟。但是我觉得整体上面来讲，会往这个大方向去走。

泓君: 好的，今天非常精彩，我觉得我们聊的东西也非常丰富。谢谢三位。

Kolento: 非常感谢。

Alfred: 谢谢泓君姐的时间。

Jack: 谢谢。

泓君: 这集节目是我在今年 2月份 录的。因为 AI 的发展实在是太快了，所以有一些信息，我觉得在今天的 AI 语境下，它在思想上已经稍稍显得有一些落后。录完之后，我是偶然间去到了一个硅谷高中生的聚会，就在聚会上提起了这一集节目。我就跟他们聊起说，最早用 AI 学编程的那批大学生，他们离开 AI 反而不会写代码了。我记得现场有一个高中生开始立刻反驳我说，为什么要作这个假设呢？我们不会离开 AI 了。我大致记得他是这么说的，这就好比你是手机的原住民，你的父母是电视的原住民。但是其实你不会去问，如果没有手机了你怎么办，对不对？因为这个问题对你来说它根本就不成立。这群高中生比我这集节目中采访的这三位大学生还要再年轻个三四岁。但是他们的想法似乎比我们这一集的访谈还要更超前。他们认为 AI 会的东西他们不用学，也没有学的必要。99% 的作业，被解构的评估体系，AI 比短视频更上瘾，上大学只是为了一张文凭。这听起来是这一代大学生的思考。但是他们也让我意识到另外一件事，在这场关于什么是有用，什么是不可替代的考试里，是新时代向我们每一个人发的考卷。而他们只是最先回答的那几个人。以上就是我们今天的节目。《硅谷101》，我是泓君。感谢大家的收听。