尝试、听内心的声音、增强自己的不可替代性……和 4 位 Z 世代年轻人聊 AI 时代的机会和选择

摘要

• AI 正在同时压缩初级岗位与创业门槛，真正的分水岭是能否把它变成个人杠杆。 Gary Tan 在 YC Startup School 分享的数字是：在美国，学计算机的本科生毕业后失业的比例超过 6%，学艺术的学生约 3%；但晨然也看到，AI 让新人能跨过专业壁垒、独立完成 MVP，“一个人的杠杆变高了”。节目呈现出就业入口收缩与超级个体涌现的一体两面。
• 新范式的早期红利并不专属于技术背景，而属于没有旧包袱、学习和验证更快的人。 晨然称自己是“纯 AI native 的职场人”，从 2022 年 11 月 ChatGPT 发布到 context engineer 成为能力标准，中间约三年都是“野蛮生长的时期”；她写下十页 AI idea，其中一些后来成为商业产品或自己正在做的项目。
• 可持续的不可替代性被几位受访者共同指向两个维度：与人打交道，以及持续掌握新工具。 Leo 认为 AI 作为“赋能者”会进入各行业，“不以人的意志为转移”；高舒桐则担心咨询领域初级 business analyst 和计算机毕业生的基础岗位可能被 AI 替代。Ryan 认为投资、艺术、人文及 taste 难以量化，而单纯“跟 AI 赛跑”很危险，因为个人很难判断自己的指数成长能否持续领先。
• 公开做事正从个人表达升级为可复利的职业基础设施。 晨然把 building in public 视为慢思考机制、可验证的社交名片和信任资产：内容、demo 与公开互动会替自己持续完成 sell herself；“我现在这份工作就是因为 building in public 找到的”。
• 四位年轻人的共同策略不是一次选对，而是用真实尝试缩短自我认知的反馈链。 Leo 给教授、VC、量化研究员、专利律师和管理咨询逐项打分；姝潼试过科研、牙医和医学院后放弃坚持五年的路径；Ryan 放弃海外 offer 创办 Spark Lab。Leo 的表述是“先尝试一波再说”，再判断最坏后果是否承受得起。
• AI 可能把公司从必须养活十人、百人的组织，改写为只需养活创作者自己的小型商业。 Ryan 因而把 AI 称为“文艺复兴而不是工业革命”：超级个体和“一人独角兽”让年轻人更早追问主体性，也让兴趣形成可持续 business model 成为可能。Spark Lab 的方法论是“Find your spark by getting lost”，承认迷茫与发现本就是一枚硬币的两面。
• 招聘端给出的信号同样从静态指标转向底层 drive 与行动证据。 Bonnie 表示，她不会只看绩点或实习，而会追问“你是什么样的一个人”、目标从何而来、为此做过什么以及如何成长；所谓把求职路径变明确，起点仍是想清楚“你是谁、你想要什么”，而不是寻找一张标准答案。

精读

1. 三代人的职业起点，已经从繁荣期的明确路径转向高不确定性的主动选择

• 节目用一个反直觉数字开场：Gary Tan 在 YC Startup School 分享，美国计算机本科生毕业即失业的比例超过 6%，艺术生约 3%。“学计算机毕业就失业的比例甚至比艺术生还要高两倍”，旧有专业回报排序正在松动。

• Bonnie 回忆 1990—1995 年出生者毕业时，金融、互联网、大厂、券商、投行和咨询仍是清晰路径，交换、海外深造和校园创业也很热。IDG 在 2013—2014 年提出关注 90 后，也在那个时期关注和投资了一些项目；节目提到一位前阵子刚刚上市项目的创始人刘静康，但项目名原文表述不清，另有 B 站、莉莉丝和喜茶等项目。那一波投资曾让同龄人觉得“我们是不是也有机会”。

• Ronghui 回看自己 2008 年本科、2011 年研究生毕业时，外企仍受推崇，移动互联网创业又遍地是从零到一的机会；当时只觉得“一切是正常”，后来才意识到那是“经济高速发展的超级繁荣时期”。

• 主持人的代际结论没有把今天特殊化：白岩松曾回答一位抱怨就业、房价与赡养压力的学生，“这是一个关于青春的问题，每一代人都有每一代人的问题。”不变的是总有人年轻，变化的是他们面对的问题。

2. 晨然用内容创作应对计算机红海，也搭出了跨学科能力栈

• 1999 年出生的晨然，本科在复旦读计算机，研究生在康奈尔学习计算机与创业的交叉学科，目前在 OneTwoX 负责 AI 视频产品。她把自己定义为“一个比较综合的人”：程序员、产品经理、导演、自媒体和内容创作者并存。

• 内容创作始于大一的微电影选修课，后来延伸到校园活动视频；大三赶上 vlog 红利，她每周花约四小时剪辑，坚持周更，既练上镜表达，也想保留大学记忆。“怎么去高质量地打发自己的时间”，是这条副线最初的动机。

• 她并非因为计算机不热门才跨界，恰恰是因为它已经太热门：人才过饱和、岗位高度细分、流程标准化后，老手天然比应届生更有市场价值。她当时觉得人脸识别、自然语言处理等热门主题“都是很无聊的”，创业更像“天方夜谭”。

• 晨然的判断是，增长能掩盖流程和工作质量问题；增长结束、行业固化后，精细分工就会转为内卷，年轻人因此感到工作“越来越没意义”。

3. 出路被迫多样化之后，同辈之间反而失去了单一比较尺度

• 晨然身边真正去大厂的人并不多：有人做老师、有人读博、有人留在海外，也有人进入大厂。“大家都是接受了现状之后，并且找到了自己和解的方式”，去向千奇百怪，却没有想象中那么悲观。

• 多样化的代价是精神压力上升，收益则是攀比减少：“你没法比”，因为每个人的路径已经不在同一把尺子上。它未必源自主动作出的理想选择，却仍然扩大了什么可以被视为正常人生。

• 这也解释了节目为何不断回到探索：当标准答案失效，年轻人无法只靠专业和第一份工作定义自己，只能通过项目、实习、公开创作和真实协作，逐步确认哪些能力能形成自己的组合优势。

4. Leo 拆解教授职业后，把“理想”改写成会随证据更新的概率

• 1997 年出生的 Leo 本科就读天津大学、在康奈尔读博，目前任麦肯锡咨询顾问。本科三年级时，他很想做大学教授；到博士三年级才发现，教授不只是带学生、写论文和做项目，还要申请经费、谈合作、评 tenure、承担公共服务，精力分散且许多事项不可控。

• 他没有瞬间否定学术，而是描述为概率递减：最初或许还有 50%—60% 的可能，后来变成 20%—30%。国家实验室研究员曾是替代方案，但他又发现自己喜欢与人交流、解决“与时俱进”的问题，而长期科研有时会让课题和解决方案失去及时性。

• 约在 2021—2022 年，气候变化成为新兴方向、资金开始涌入，他尝试相关 VC 实习。两段经历让他看到，基金在时间、领域、风格、成长和成立周期等方面的差异，本身就能形成完全不同的职业体验。

5. 职业选择可以被实验，但没有一张表能够替人承担结果

• Leo 曾列表比较五条路：大学教授、风险投资、量化研究员、专利律师和管理咨询；评价维度包括个人偏好、职业发展、长期规划，以及自己是否会一直喜欢。他尽量亲身实践，做不到时就与从业者深聊。

• 他的诚实表述是：“不能说是我选择了这个工作，我觉得是这个工作最后给了我录取。”管理咨询选择了他，而他也在申请时给了它一次机会；探索可以提升匹配概率，却不能抹掉外部选择权和偶然性。

• Leo 的决策顺序是先做、再感受：喜欢就继续，不适应就重新考量；到必须转向的节点，再把精力分散到多个选项。如今他还会增加一问——如果后果恶化，自己是否承受得起——这让“先尝试一波再说”不等于忽略风险。

• 他拒绝给成功下固定定义：“我从来不定义成功。”若一定要回答，就是自己、亲人和周围的人都开心；由于他的情绪很容易感染他人，维持稳定内核也成为成功的一部分。

6. 姝潼试完医药专业的大致三条路径，才敢放弃坚持五年的方向

• 2000 年出生的姝潼本科在 UBC 学习制药和免疫，之后将赴耶鲁读 MPH。她认为这个专业大概有三条出路：医学院、牙医学院和科研，而她把三条都实际试了一遍：新冠药物实验室工作一年多、牙科诊所 shadow、考完医学院考试后又到医院 shadow。

• 专业兴趣并不是问题，她“一点都不后悔这个选择”；真正进入场景后，才发现自己害怕病菌。在医院仅两周半，她便大病一场，病了一个月，身体反应让那条路不再只是抽象规划。

• 排除三条路径后，她一度不知道专业之外还能做什么，于是在 LinkedIn 找到约 30—40 位背景相似、后来转入 VC、PE、投行或咨询的人，其中也包括读完四年医学院才转商业的人。职业地图不是学校直接给出的，而是她逐个访谈拼出的。

• 医院里的两周半其实已经给了答案，困难是获得“放弃坚持了五年的路”的胆量。她后来总结，大方向上应更听内心：“你自己心中已经有答案，只是你有没有这个胆量去相信。”

7. 真正昂贵的不是走慢，而是被同辈时钟推入未经选择的道路

• 姝潼并非不在乎评价，而是会“非常挑剔到底在乎谁的看法”。同专业同学大多仍在医学院、牙医或科研路径上，据她所知，只有自己做了这种转向；支持和反对无论如何都会存在。

• 她对数字类的东西不太开窍，羡慕竞赛金奖又努力及格的经历中得到一个结论：“你不可能成为任何人，你只能成为你自己。”到七八十岁回看，只要想做的事都试过，不论结果如何，“这一生过得挺有趣”便足够。

• 比 AI 更显著的是年龄和 peer pressure：有人在 25 岁焦虑结婚、读博或落后一步，看到别人考上 PhD 就跟着申请。但真实选择需要时间和试错成本；她最怕的后悔不是失败，而是“你从来没有试过”。

8. Ryan 放弃海外 offer 创办 Spark Lab，押注的是不确定性带来的成长

• Ryan 2020 年入读浙江大学信息安全专业，2022 年开始创业，2024 年本科尚未毕业便启动 Spark Lab。它希望年轻创业者“从内心、从内在出发”构建项目，再构建自己想创造的世界，并尝试一种中国创投土壤中尚未出现过的加速器形态。

• 项目最初更靠直觉：团队很难立刻讲清价值和商业模式，却还是开始做。Ryan 同时放弃了海外好大学的 offer 和应届生身份；当时没有想太多，回看才意识到这是一个重要选择。

• 他继续投入，一是因为事情有趣且有意义，二是职业成长、影响力、视野和 network 的空间足够大。团队“没有人一开始是为了钱”，薪资只需养活自己；他们更“痴迷于追求更多的不确定性”。

• Ryan 认为 00 后、05 后的经济压力和大额消费诉求相对没有那么强：在北京、上海买房太难，反而让大家没有那么强的购房诉求。薪资因此未必排第一，年轻人更看重独有视野、成长空间、平台影响力和兴趣。

9. AI 的影响高度分层，前沿人群的震动不能代表中国大多数年轻人

• 主持人原以为受访者会更焦虑，实际听到的态度却更理智。Ryan 说 ChatGPT 出现的头三个月“谁不焦虑呢”，但两三年后，人们已更能判断 AI 所处阶段，以及自己能以什么角色参与。

• 他也提醒“中国真的太大了”：很多同龄人甚至没有电脑，很多人可能到 2025 年才因 DeepSeek 开始使用 AI，主要接触豆包和 DeepSeek。对他们而言，这只是“多了一个类似百度一样的东西”；Ryan 认为中国可能有 90% 的普通人生活没有明显变化。

• Bonnie 认为 AI 给受访者带来的冲击比预想中小，长期看仍会带来更多机会。Koji 认为 AI 重构技术、工具和效率，打破边界并放大想象力，但没有改变情感共鸣、自我实现、价值感、好奇心和成长欲等底层需求；Ronghui 补充，AI 也解锁了不擅长组织协作者的部分能力。

10. 对抗焦虑最有效的不是预测，而是建立允许失败的行动缓冲区

• 调研中有人休学一年，只为思考自己想要什么、站在什么位置；Spark Lab 团队中的大三学生 Coy 也选择休学，体验不同工作后再决定大学和职业方向。主持人惊讶的是，他在协作中展现出的成熟度远超“大三学生”的刻板印象。

• 几位主持人把这些故事的共同特质概括为“旺盛的好奇心”：信息更多、竞争更激烈会制造焦虑，但找到自己的前提是先迈出去。“这里试一下，那儿戳一下，东看看西看看”，行动是缩短焦虑反馈链的解药。

• Koji 转述 Paul Graham 关于伟大事业的三个条件：擅长、热爱，以及做起来“毫不费力”。第三点意味着同样的事情做得更有优势、更容易获得正反馈，也更愿意持续投入；探索越广，发现这种匹配的概率越高。

• Bonnie 把 IDG 描述为“试错的缓冲地带”：i-Star Program 让本硕博体验 VC，PhD Program、JD Program 让参与者把投资机构当“第二个实验室”，轮岗后有人留在投资、有人创业，也有人回到产业或科研。

11. 晨然把 ChatGPT 之后的三年视为年轻人的无标准野蛮生长期

• 晨然在 2022 年 11 月看到 ChatGPT 时，并未立刻形成宏大判断，只是兴趣驱动。她学过自然语言处理，又会写作、拍摄和表达，很快发现沟通能力与使用 AI 高度契合：“我没有任何包袱，我是纯 AI native 的职场人。”

• 她观察到，prompt engineer 后来被更正式地称为 context engineer；行业用了约三年才为这种能力定义标准，而标准出现前正是“大家野蛮生长的时期”。新人不必先拥有多年经验，只需比别人更愿意试、理解得更快。

• AI 也让她不再被迫选择高级产品经理、前端、后端或 full stack 中的单一身份。过去显得精深的行业知识，可以被 AI 由浅入深地解释；“所有行业的壁垒降低了”，她因而能够在多个领域做真实尝试。

• ChatGPT 发布后，她写满十页草稿纸的 idea，后来发现其中一些已变成商业产品或自己正在做的事。更关键的是，AI 能帮助验证 idea：过去需要团队完成的 MVP，如今一个人也可能实现。

12. Building in public 把思考、信任和机会压进同一条复利链

• 晨然首先把 building in public 当作思考纪律：公开写下观点迫使自己慢下来，像费曼学习法一样重新组织知识；一旦发表，内容会留痕、可评论，也会招来“指指点点”。克服最初的羞耻感后，她认为绝对利大于弊。

• 当内容、demo 和互动不断积累，它就成为“详实的社交名片”，展示她的思考方式和关系网络。陌生人可以更快建立信任，她不必每次艰难地 sell herself，别人甚至会主动带着信息和机会找来。

• 最直接的结果是：“我现在这份工作就是因为 building in public 找到的。”而年龄增长也让她更清楚自己要什么、不要什么；相较财富自由，她现在更想要“注意力自由”——注意力放在哪里，由自己决定。

13. Leo 把个人护城河收敛为学习能力与人际能力，初级岗位则可能影响后续晋升

• Leo 的首选工具已经从百度转向 ChatGPT 及相关产品。他区分传统 machine learning、deep learning 与生成式 AI：过去模型主要处理数据、识别和预测，ChatGPT 之后则开始直接生成知识与内容。

• 在他看来，AI 是必然进入各领域的“赋能者”，“不以人的意志为转移，也不可控，它一定会发生”。问题不再是要不要使用，而是谁能更快掌握新的工具范式，并让知识随工具持续迭代。

• 他的不可替代性公式只有两项：与真实的人、利益相关方和物理世界打交道，以及不断学习语言、编程和新工具来解决问题。“本质还是学习能力和与人打交道的能力。”

• 高舒桐担心，大型咨询机构的初级 business analyst、计算机专业毕业生承担的基础工作，都可能被 AI 替代；如果新人拿不到这些最初级岗位，之后也可能很难获得经验并逐级晋升。

14. 姝潼把 AI 当成一组员工，也把失败改写为识别长板的训练

• 姝潼知道自己对数字不敏感，因此不会因为量化、计算机热门就硬挤进去；这些领域越自动化、竞争越强，越只有真正具备天赋和热情的人可能脱颖而出。她的策略是找出“什么东西会不被取代”，再强化已有优势。

• 她把 Perplexity、Gemini、ChatGPT、Manus AI 和 Dance Spark 当作“小员工”：有的擅长文章总结和规划，有的擅长做 PPT。重点不是追逐每个工具，而是像管理者一样问，“我怎么能利用好我的员工为我干活，达成我的目的”。

• 放弃医学院后，她曾迷茫至少半年，生日时朋友祝她“找到人生方向”。后来她反而感谢这段所谓失败，因为它教会自己如何选择、如何相信内心；面对 AI 焦虑，她能控制的仍只是“把当前的事情做好”。

15. Ryan 认为 AI 更像文艺复兴：它降低组织规模，也提前唤醒个人主体性

• Spark Lab 在 2024 年启动时看到的第一个变化，是 AI 工具显著降低做事门槛，带来“超级个体”和“一人独角兽”。过去一家公司要养活十人、百人，如今一个人可能完成作品，也只需要让商业养活自己。

• 这使兴趣与 business model 不再天然冲突：年轻人可以围绕真正感兴趣的方向创业，形成足以养活自己的商业模式，而不必把进入组织就业视作唯一答案。

• Ryan 的第二个判断是，“AI 是文艺复兴而不是工业革命”。它让人重新重视主体性，也替大厂和“螺丝钉”工作祛魅；过去许多人三十多岁才开始追问喜欢什么，现在更年轻时就能提出这个问题。

• 代价是更早迷茫，但迷茫与主体性并不互斥。Spark Lab 的 slogan 是“Find your spark by getting lost”——“只有迷路了才能找到”，发现热情有时恰恰需要允许自己暂时失去方向。

16. 最后被替代的可能是与人相关的职业，招聘也正从指标转向真实驱动力

• Ryan 判断，与人直接相关的职业会更晚被替代；投资、艺术与人文依赖审美、taste 等难以量化和传承的部分。这条路线不是与 AI 比速度，而是选择相对正交的价值维度。

• 另一条路线是始终跑在 AI 前面，例如 researcher 和推动人类文明边界的人；但 Ryan 直言这“挺危险”，因为很难估计个人的指数成长能否持续不被 AI 超越。就像下围棋一样，这可能只是时间问题。

• Bonnie 的招聘答案回到人本身：她不会只看绩点或实习，而看底层 drive、为目标采取的行动、过程中的思考、收获与成长。求职路径也无法靠标准步骤彻底去概率化；先回答“你是谁、你想要什么”，每一步才会获得明确意义。