课代表立正

课代表立正（孙煜征）

《课代表立正》是一档关于AI、职业与商业的中文播客。这里既有与AI研究者、科技创业者、一线管理者和真实实践者的深度对话，也有课代表立正对产品、增长、创业与职业选择的亲身复盘。我们不只追逐新工具，更关心：当AI改变能力和成本，个人与组织怎样重新设计工作，把判断和本事做成真正进入现实、值得留下的作品。

主播课代表立正，本名孙煜征，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。2020年以来完成200+场公开对话，跨平台关注者400K+。

加入Superlinear Academy免费社区，与2万+成员一起交流；这里已有700+真实项目与实践分享：
https://www.superlinear.academy/

了解立正与更多作品：
https://www.lizheng.ai/

Play

Open in

27 episodes
Avg 32 min
Chinese

Episodes 27

Newest Oldest Longest

All20 Unplayed20 In progress0 Played0

Counted on this page — what you have heard stays on this device, so it is not something the list can be paged by.

#523
August 21 · 7 min
E523. 我们把一个世界级的AI大会带到了上海！
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。
- Transcript
#522
August 20 · 20 min
E522. AI能“帮”你成为超级个体，但顺序别搞反了
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。
- Transcript
#521
August 17 · 10 min
E521. 吐槽大厂，做成七位数生意｜The Tech Roast Show访谈
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。
- Transcript
#520
August 12 · 1 hr 22 min
E520. AI时代，找工作的难度，远超你想象｜Jobright创始人分享一线求职数据
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。
- Transcript
#519
August 7 · 12 min
E519. 用豆包还是Codex，正在加速两极分化…
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。
- Transcript
#518
August 4 · 46 min
E518. 人人都有50个博士为自己打工，为什么多数人的工作没什么变化？｜硅谷徐老师年度对话
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。
- Transcript
#517
August 1 · 17 min
E517. 如何走对下一步，顺天改命？
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。
- Transcript
#516
July 25 · 46 min
E516. 其实副业比想象中更容易开始，前提是找准需求
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。
- Transcript
#515
July 22 · 21 min
E515. 为了躲开AI，我差点去美国开餐馆，最后为什么卖起了课？
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。
- Transcript
#514
July 21 · 4 min
E514. Codex“背着我”发了个帖，但我不怪她…
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。
- Transcript
#513
July 18 · 9 min
E513. 超线性增长难在“保持”，如何从一次做对到次次做对？
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。
- Transcript
#512
July 17 · 41 min
E512. 他的FDE团队从30人扩到100人，但为什么很多大厂工程师甚至不知道这个岗位？
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。
- Transcript
#511
July 11 · 33 min
E511. 自媒体比多数人想象中更赚钱，但也很容易走偏｜我被采访的一期
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。
- Transcript
#510
July 2 · 13 min
E510. 明知道这里会越来越坏，为什么我们还是不走？
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。
- Transcript
#509
June 25 · 1 hr 35 min
E509. 一红16年，干啥啥赚钱？｜屠龙博士创业的秘密！
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。
- Transcript
#508
June 23 · 14 min
E508. （会员限免）AI时代，应该避免成为“有用的人”？
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。
- Transcript
#507
June 16 · 1 hr
E507. 知行合一的前提，是聆听自己的身体？
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。
- Transcript
#506
June 11 · 14 min
E506. AI时代的真本事：穿透不确定性的六个能力
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。
- Transcript
#505
June 9 · 32 min
E505. AI时代，“精英阶层”正在如何重构教育？
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。
- Transcript
#504
June 1 · 9 min
E504. 2026年，普通人想跟上AI时代，这件事必须要做
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。
- Transcript

Showing 1–20 of 27 episodes