泓君
你觉得你有多少作业或者论文是 AI 帮你写的？
我觉得是 99%。
2022 年 11 月 30 日，ChatGPT 上线。那天在我们本期访谈中出现的 3 位名校生，Jack 在 NYU 读大三，正在帮一位教授做科研项目；Alfred 和 Clanto，一个在清华的法学院，一个在 NYU 的应用心理学专业，刚刚开始他们大学的第 1 个学期。
3 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，就是整个大学生涯都是跟 AI 一起度过的，也是人类历史上第 1 批和生成式 AI 同时长大的学生。
所以我很好奇，在他们的眼里，大学是什么样子的？
当我的话还没有讲完，他就立刻打断我，问我：“ChatGPT 类似的科技会对法律的初级应届生带来各种各样的冲击吗？”
我就意识到，秉持着“打不过就加入”的心态，所以就开始积极地拥抱 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、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？
这个必须得有，就是疯狂上瘾，比短视频更上瘾。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，我肯定会想拼了命地去社交。我已经想不到任何没有 AI 参与的作业了。
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 3 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。
欢迎收听硅谷幺零幺，我是洪君。这一集我们就来聊一聊 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 3 位大学生，要不要大家自我介绍一下？童宇，不然从你先来。
林童宇
大家好，我叫林童宇，Alfred。我在清华大学就读，之前在校内担任清华大学学生创业协会副主席，也在 Mantis 做过 Agent 产品的实习，很高兴认识大家。
泓君
童宇，你是学法律的，对吧？
林童宇
对。我本科学的是法学专业，但是之后开始辅修 CS 相关的方向，并且自学了很多 CS 和 Agent Engineer 相关的硬核技能。
泓君
你是今年毕业，对不对？
林童宇
对。
泓君
那 Clanto 是我们播客的老朋友了，也跟听众简单介绍一下你自己。
侯泰宇
大家好，我叫 Clanto 侯泰宇，刚刚从纽约大学毕业。本科学位是应用心理学，主要主攻神经科学和临床心理学。现在我是一名创业者，刚刚毕业。
泓君
欢迎 Clanto 回来。那 Jack，大家好。
饶杰武
大家好，我是 Jack 饶杰武。本科在纽约大学读的是数据科学，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 公司实习的经历，比如在 Mandus 实习。去年年底刚毕业，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 Alfred 学的是法律，Jack 学的是数据科学和管理学，Clanto 学的是心理学，但是大家现在其实都在用 AI 做编程类的东西。
大家正好是在进入大学的时候，遇上 ChatGPT 刚刚出来的那一年。其实从你们开始上大学的时候，AI 就已经是你们生活和学习中的一部分了。
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。现在首先你是一个 AI 的重度使用者，其次你自己也会用 AI 去学编程，对吗？
林童宇
对。其实当时来到清华大学，虽然学的是法律，但我始终记得，我的个人陈述里写过，为什么选择清华？因为我希望在下一波浪潮来的时候引领这个浪潮，或者说在浪潮上冲浪，而不是被浪潮淹没的那群人。
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，我们看到了 ChatGPT 出现，它真的太神奇了。它在完成特定的法律任务时，不论是法律条款分析，还是法律文书撰写，都比我好太多了。
我看到的一个未来是，两三年后我毕业了，那时候 AI 肯定已经比现在更强大，而那时的我可能跟现在水平差不多，也不会好到哪里去。那我要承担什么样的角色？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？
林童宇
对。那这件事是通过什么方式被确认的呢？
我们有一位律师，他在美国一家律所担任合伙人，做了十几年，专攻并购方向。他是一个非常典型的美国白人老爷爷，为人非常和善，上课的时候也非常娓娓道来。
有一次，在他的课结课的时候，我问了他一个问题。那应该是 2023 年中，我说：“Joseph，你会不会觉得 ChatGPT 会对未来的 junior 律师以及 paralegal 这些职业带来很大的冲击？”
当我的话还没有讲完，他就立刻打断我，说：“Definitely yes。”他就开始解释，为什么他认为 ChatGPT 类似的科技会对法律行业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我一个人推敲出来的，也是一个拥有几十年经验的行业专家所看到的未来。我就意识到，秉持着“打不过就加入”的心态，所以开始积极地拥抱 AI。
当时我觉得，至少到现在为止，我做过最正确的一项投资，就是坚持每个月花 20 多美元使用 ChatGPT。其实在当时，这对学生来说是一个非常不合理的支出，还是非常贵的。
所以我当时就开始每天跟 ChatGPT 泡在一起。
泓君
你用它干什么？
林童宇
我其实用它做了一件很有意思的事情。因为我觉得打不过就要加入，但加入之前要先了解它。你不能只了解它的行业概览或者一些 overview，而是要从最 fundamental、最基本的理论去了解 AI 是怎么被构建的，它为什么经过一系列迭代之后，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 年、2023 年的 AI，虽然我们都在讨论 AI，但是用户的感知和行业实际应用却不一样？
当时我带着各种各样的问题，用 ChatGPT 去学习 AI。我请它帮我规划学习路线，同时把我的知识背景也告诉它。虽然我自己辅修了很多相关课程，也在 B 站、YouTube 上看过 Stanford 和 MIT 的公开课，但在学习这些课程时，不懂的地方我会实际去请教 ChatGPT。
我当时就感受到，它对教育也是一个很大的冲击。说句实话，我在本科上学的时候，很多老师在科研上非常厉害，但是在教学上，很多时候我会发现他们可能不是那么擅长把一件事情教清楚。
但 ChatGPT 不一样，它就像一个非常了解你、知道你现在水平，能够因材施教、循循善诱的老师。我会很明显地感受到，这比我去学校选择一门完整的、为期一学期的课程，更快地加速了我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加 AI 工具获得的？
林童宇
我觉得这个比例大概是 30% 来自课程，70% 来自与 AI 的对话，以及最关键的基于项目的实践和复盘。
泓君
30% 是什么？
林童宇
就是你必须知其然。Python 的语法是什么，编程最基础的 know-how 是什么，包括计算机的一些基本原理。这些我会理解为一个学科领域的 common sense，不一定是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教材、公开课，以及我在学校里修的课程。但更应用一点的部分，70% 还是来自一方面跟 ChatGPT 进行多轮、深度的交流，一轮比一轮更深入；另一方面，则来自自己做项目，边做边学，做完之后再复盘。
泓君
你做了多少个项目？
林童宇
五六个都有了。我还记得，当时第 1 个做的项目还是手写代码，偶尔请 AI 帮我调个 bug，或者让它帮我写一段具体的代码。
到现在，我基本上可以完全不用看代码，全权交给 AI 去执行，真的就像一个程序员。我做的每一个项目，都可以很明显地感受到，至少在 coding 这个领域，AI 的能力一直在演化。
每一次的感知，可能都来自于这个项目做了多久、完成度有多高，以及它最后带来的经济价值有多大。
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，也就是法律，你会在多大程度上用到 AI？
林童宇
我的天，我觉得这个比例其实非常非常高。我永远记得 2023 年秋季那个学期，那是我第 1 次拿到 4.0 满绩的学期，拿了满分。
泓君
厉害。
林童宇
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。但是在一些专业硬课上，比如公司法、宪法、普通法这些，我很大程度上靠 AI 帮我复习。
我们当时在学英美法的 case law，我就把所有 case law 的课件丢给它，跟它说：“想象你是老师，你会怎么出题？”它真的就给我出了两三道题。
当时刚好 GPTs 也出来了，所以可以把所有 context 封装在一个 folder 里面，然后在这个 folder 里跟它一来一往地对话。通过这种方式，它确实加速了我吸收这门课的效率。
当时我学公司法的时候，还做了一个很有意思的尝试：我们把教科书，也就是上课老师同时作为作者的那本著作，全部喂给 AI。虽然那个时候 context window 还非常有限，但这位老师叫施天涛施老师，也是公司法领域非常德高望重的学者兼教授。
我就把这个 GPTs 命名为“施天涛的替身”，然后开始跟它对话。因为那时候我的公司法学得不是很好，但是通过这样跟它对话，我逐渐理解了他针对这门学科的学术观点和重点。
这也帮助我应对考试。因为法学考试不是客观题，更多是主观论述题：你怎么把 thesis 支撑起来，你的 reasoning 是什么，你的法理依据是什么，再对应到具体法条。这个完整的论述链条，就是我在和 AI 一对一沟通的过程中，更快理解到的这个领域最精华的方法论和知识。
虽然我现在已经离 2023 年秋季学期很远了，但我依旧觉得，在那两门使用 AI 辅助学习的课程里，我学到的一些关键知识，到现在依旧是我脑子里比较容易调用的部分。这就意味着，可能还学得不错。
泓君
这个经历也很有意思。你们考试是现场论述，还是可以用 AI 交作业完成？
林童宇
那个时候其实非常原始，我们还是要出现在教室里。老师会发给你考试用的答题卷，你得用笔去写。
泓君
现在的考试形式有变化吗？
林童宇
我已经好久没有考试了。但确实可以看到，至少在国内的大学，包括清华，已经针对作业和考核方式做了一些调整。
尤其是我刚开始在清华学 Python 的时候，老师其实非常抵触用 AI 写代码。那个时候学生交作业，大部分都会用 AI 写代码。但学生当时最需要的一个工具，是让代码看上去不要那么像 AI 写的。
他们可能花不少时间，让 AI 看上去笨一点，加入一些 typo，甚至使用很多 AI 降重工具。到现在，我看到的一个转向是，越来越多的学科开始积极鼓励使用 AI，甚至在一些关键考核环节中使用 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？
林童宇
在法律系，我现在还没有看到一个很明确的转变。但在计算机系，确实不会再那么严苛地限制你，至少不像当时那样，可能你用了 AI，就被认定为学术欺诈，甚至被挂科。
泓君
所以老师也在转变，这两年？
林童宇
对。我可以很明显地感受到，在国内这两年，老师对 AI 的态度，已经从原本的漠不关心、稍微保守，甚至有点负面的态度，转向现在非常积极、开放和拥抱的态度。
泓君
如果大家的代码都是用 AI 写的，老师出一个题，大家都可以写出一套漂亮的代码，反正都是用工具。你觉得，现在计算机专业评估学生成绩、评估学生掌握程度的标准，会发生哪些变化？
林童宇
至少站在现在这个节点，再用过去那种 old school 的方式评判学生，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。
训练 AI 和教出一个好学生，我觉得有时候异曲同工。今天 AI 能力的提升，很多时候是由 benchmark 牵引的。至少到现在，虽然很多 AI 模型在 benchmark 上表现很好，但在实际、开放的环境和任务中，却做得一塌糊涂。
用人类的语言理解，它可能是一个考试成绩非常高的学生，但是你把它丢到完全开放的环境中，去解决实际问题，它就会碰到很大的挫折。
这也会让我思考，大学阶段的价值是什么？如果我们不思考这个问题，就很难牵引出新的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。一个价值是让你知道我是谁，我的热情在哪里，我要去向哪里，这些非常基础的大问题。另一个价值，是承载一个更重要的任务：让你成为一个有价值的人。
这个“有价值”，指的是你的壁垒、专项知识和技能。它们可能在你进入社会、被招聘的时候，帮助你养家糊口、赚到钱。同时，它也承载着一个对个人的价值和一个对社会的价值。
但我很明显地感受到，在我所经历的大学里，学校更强调后者。甚至在清华，大家更多思考的不是“我是谁”“我究竟想要什么”“我擅长什么、不擅长什么”“我的偏好是什么”。
很多人可能直到大学毕业、站上领奖台的那一刻，再问这些问题，也没有一个明确的答案。我觉得很多人活了一辈子，都没活明白这个问题。
泓君
对。
林童宇
所以某种程度上，当我们太着重于后者的时候，你会发现，后者这套体系已经被轻视了。因为我们以为在大学里获得的这些有价值的技能，AI 做得比我们好，它甚至比我们更便宜，24 小时在线。
尤其是对于过去那些接收信息、处理信息、输出信息的知识工作者来说，这是更致命的。对应的行业，除了刚刚说的程序员、法律、金融，还有很多很多。
我在大学期间很幸运地在北大上过一门课，有点类似西方的博雅教育，用来训练一个人的批判性思考。从那以后，我在选择本科课程的时候，会刻意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？
林童宇
从法学院的角度来看，记忆性的课程，比如证券法在资本市场的实务应用，再比如国际贸易仲裁。
泓君
实战性的课程，跟使用离得特别近的课程。
林童宇
对，也包括一些比较专业的课程，比如国际法、贸易法。这些课程很明显，你学出来之后会有对应的专业，也可能拿到不错的薪资，如果你想在这个行业里扎根的话。
但我在本科教育中，刻意避开了那些我不感兴趣的课程，把更多精力投入到更注重培养批判性思考的课程。比如法学院开设的西方法律思想史、法理学、宪法学。
在法学院之外，我很幸运地选上了一门课，并且非常努力地上完了，那就是清华大学新雅书院的西方近代哲学。
整门课程其实就在讨论一本书，叫《第一哲学沉思录》。我记得实际阅读这本原著的时候，读完之后整个人有点恍惚，因为你会发现，你所认为的世界，可能并不是你所认为的世界。
这意味着你开始带着批判性的角度去审视周围的一切。在接触它的第 1 个瞬间，个人的信念是被解构的。但这并不直接导向虚无主义，而更像是说，当你开始解构所有事物，认为一切都可能是无意义、可被怀疑的时候，你至少会发现，有一些事情始终存在。
当我触碰到那个瞬间的时候，多多少少会感受到，这个瞬间其实很难被 AI 替代。我也慢慢触碰到了，可能就是我们过去素质教育一直强调的批判性思考这一关键素养的边缘。
当我有了这样的意识，去选择课程、选择读物，去选择怎么和这个世界交互的时候，我会发现，自己好像不再那么迷茫、随波逐流，也不再觉得随着 AI 能力不断迭代，我很可能在社会上无立足之地。
就像我刚刚讲的，我觉得大学有两个重要的价值。在那个当下，我触碰到了第 1 个价值。从那时候开始，它就像从 0 开始，慢慢升到 1、2、3，让我在剩下的时间里不断触碰第 1 层价值：我是谁，我为什么在这里，我要去向哪里，我喜欢什么、不喜欢什么，我擅长什么。
泓君
这个就是哲学的魅力，很有意思。
林童宇
所以我觉得，至少按照我经历过的本科评价体系，在下一个时代需要被重构。它更应该承担一个帮助学生探索本能和潜能的场所。
在这个衡量体系中，你能不能和 AI 很好地共存、共同解决问题，是一个很重要的指标。现在已经不是“你用不用 AI”的问题了，而是在不得不用 AI 的情况下，你能不能把 AI 用好，以及能不能真正解决你想解决、或者社会需要解决的问题。
泓君
特别好，一下把我们播客讨论的深度升级了很多。
刚刚你提到，在进入法学院的时候，你就问过一位资深前辈，未来 junior 律师会不会受到 AI 的冲击，他给你的答案是一定会。你想知道冲击你的工具是什么，于是去学了 AI，也学了编程。
但从现在这个节点来看，初级程序员同样会受到 AI 的巨大冲击。你刚刚也提到，在整个大学过程中，工具可能不是最重要的，学到了什么实用性的东西也不是最重要的。
你觉得清华大学给你最重要的财富是什么？
林童宇
所有职位和一个个任务，都是可以被替代的。那你不可被替代的点是什么？我觉得首先，我并不认为任何人是不可被替代的，也不认为一定存在一个独特到无法替代的点。
我非常感恩我的母校，虽然我还没毕业。我觉得有两个点：第 1 个是绝佳的环境，也就是同侪；第 2 个是极佳的师资。
第 1 点在于同侪。当来自五湖四海、不同专业的同学聚在一起，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，你永远能从他们身上学到很多东西。
尤其是我大一刚进来的时候，高中我是全校前 1、2 名，但一进清华，我立刻变成了后 50%。当时我就思考，我是不是不应该在这里？我就像一个垃圾一样待在这里。
但其实转变一下心态，你会发现最大的财富就是你的同侪。他们虽然比你优秀，但这也意味着他们可以是你的朋友，也是你的老师。这对我个人来说，是非常宝贵的财富。
第 2 点就是老师。在清华，我遇到过几个很关键的老师。我会经常跟他们约 office hour，一对一地交流很多事情。
这和向同侪学习不一样。当一个有学科知识积累、也有一定社会阅历和经验的人跟你交流时，他能让你提前看到一些事情，避免踩到不必要的坑。
我觉得我不可被替代，或者说我的一个长处、一个亮点，更关键的是 people connection：你怎么建立信任。
在这个当下，当其他技能开始褪色，显得没有那么不可替代时，建立信任并说服他人的能力就变得更加重要。因为只有这样，才能更好地最大化你进入一个新环境后所获得的东西。
泓君
你这个也让我想起，最近马斯克接受访谈时说，他觉得未来大学里的很多知识会过时，学历失效基本上是一个趋势。未来教育的核心，是培养 AI 无法复制的特质，比如好奇心、创造力和批判性思维。他甚至说，未来大学就是社交。
我觉得其实也挺有道理。
林童宇
如果我带着现在的知识回到大一，我肯定会想拼了命地去社交。
这种社交不只意味着每天花天酒地、去泡吧、参加各种活动，而是我会期待有更多一对一的深度交流。
泓君
我觉得你已经做得很好了，至少你会有意识地跟导师约 one on one。
说到社交，接下来我要 call 一下 Clanto 了。我记得我们第 1 次认识，是你从纽约来湾区做一些拜访。很快，Clanto 就介绍了很多同学给我们认识。我们当时还一起录了一期播客，就是上一次聊大学生如何使用 AI 的播客。
我知道在这个过程中，Clanto 跟硅谷很多创业公司的 founders，包括投资人，长期保持联系。同时，他也一直参加我们的选题会，提供很多好的想法、用过的工具，以及行业进展。
我也知道，在这个过程中，你在很多公司实习，自己也在做 Agent。基本上，我认识的很多非常年轻的 AI founders，他都非常熟。每次我们提到一个工具，他往往都已经使用过。
所以 Clanto，你现在大学的状态是什么样的？你有多少时间专注于课程，有多少时间在做 Agent 研究或者社交？
侯泰宇
其实大部分时间，更多的不是社交，也不是完成课程，而是在做我自己想做的事情，而且这些事情其实都在学校之外。
刚才马斯克说“大学就是社交”，这句话就出现在我的大学申请文书里。因为我当时跟 NYU 说，我认为上大学对我最重要的目的就是社交。
泓君
怎么理解你的这个社交？
侯泰宇
我认为环境非常影响一个人如何学习，以及一个人如何进行社交，所以我选择了纽约大学。
我最开始其实想考虑多伦多大学，因为 Geoffrey Hinton 在那里当教授，但后来了解到，他也不是经常教课。所以他的学生 Yann LeCun 在纽约大学当教授，我就选择了 Yann LeCun 所在的大学，并且平时会去旁听他的 Deep Learning 课程。
但很反差的是，当我来到 NYU，并且开始使用 GPT 的过程中，我意识到，其实 chatbot 这种形式的 AI 早就出现了。比如大家耳熟能详的 Siri，它大概在 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？我觉得本质上，Siri 的底层逻辑还是先识别意图，然后把你匹配到一个预设的执行路径中。但 GPT 的底层逻辑不一样。
如果大家了解 Transformer，GPT 的最后一个 T 就是 Transformer。GPT 的底层架构是在概率分布上做下一个 token 的预测，也就意味着，它的训练数据几乎覆盖了人类写过的所有东西，所以任何一句话它都可以接。
这也意味着，它的能力边界并不是工程师的设计，而是人类书写内容的一种总和。正是这种不可验证性，以及它对开放问题的解答，让我意识到，我必须深度学习什么是 AI，也必须把更多时间花在跟 AI 相处上。
可能了解我的同学，或者我在 NYU 的同学，都知道我平时基本上是在上课时间看论文、做自己的产品，只有很少一部分时间学习课程内容。
因为课程内容是被预设好的，它的目的是提供标准化教育，并不是为每个人个性化设计的。但我觉得，在 AI 时代，非常重要的一点就是个性化学习，每个人都可以把 AI 当成自己的老师。
泓君
你觉得你在大学的目标是什么？因为你刚刚提到，上课的时候在看论文。比如你的本职专业是应用心理学，这个学得好不好，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，你给学校的申请文书里写的是，去 NYU 就是为了社交。
侯泰宇
不避讳地讲，我上大学的目的非常功利，因为我觉得我就是为了一个学历。而且我也不觉得 AI 时代学历会消失。
这个问题经常被大家讨论，网络上也有很多说法。一种说法是，学历会随着 AI 普及而贬值，因为知识和技能可以被替代。另一种说法是，学历永远不会贬值，因为它代表的是人的质量，而不是技能的存量。
但我觉得这两种观点都只抓住了一部分真相，没有说清楚背后的结构性逻辑。想回答清楚这个问题，你必须先搞清楚一件事：学历到底是什么？
我认为学历不只是你学会了什么的证明，它是一种社会信号，在向市场传递：这个人可以被信任。教育本身也是一样，它不是在让你相信自己学会了什么，而是让社会相信你学会了什么，让社会相信这个人可以被委以重任。
所以对我来讲，学历不是知识证明，而是一张必须拥有的信任凭证。
可能很多人会说，也有很多反例，比如有人跳过大学，也获得了很好的成就。我觉得这是一种幸存者偏差。
教育的本质，对我来讲，如果用一个词概括，就是评估。或者说，我想在大学里学习的能力，抽象来讲，就是学习什么是评估，以及怎么做好评估。
泓君
这个很有意思。
侯泰宇
因为评估本质上是一种价值判断。在 AI 时代，大量执行类的工作、执行类的流程已经被 AI 替代，留给人的就只有评估了。
如果大家回看历史上的各类学校，历史上第 1 个学校，应该是苏美尔人时期的泥板学校。他们的目的都很功利，都是为了外部奖励和验证：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人的人。我觉得不管在任何时代，能够长久保留下来的教育体系和教育制度，都和筛选、评估以及人才高度相关。
所以对我来讲，在未来具有高度不确定性的情况下，获得一个文凭，获得社会对我的认可，是很重要的。
泓君
既然你说上大学就是为了这个文凭，那就代表你已经比较清楚自己想做什么了。对于你的人生而言，一个比较具体的目标是什么？你准备怎么样去达到这个目标？
侯泰宇
我现在还没有一个非常具体的人生目标。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，也就是美德，非常重要。
但我对美德没有定义。我特别想追问，到底什么是美德？什么是美？什么是德？什么是好？
在 AI 时代，我不知道大家会不会觉得，很多人对于技术主义非常乐观，但我总感觉我们应该居安思危，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，而不是单纯培养计算能力。因为只有人清楚地知道什么是好、什么是坏，才能更好地驾驭 AI 技术。
所以如果你问我活着的意义，我其实非常想探寻这些所谓形而上的概念：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很难有答案。所谓“好”是一个极致的概念，就像柏拉图所说的，它在可知世界中是一个极致的概念，是抽象的，也看不见它。
但这并不意味着我们就不应该追求它。虽不能至，心向往之。所以我觉得，我活着的意义可能就是想追寻这种真理的答案。
泓君
我稍微把我们的话题从抽象的哲学拉回现实一点。在你学习应用心理学的过程中，你现在的目标是用最少的时间拿到高分，还是用最少的时间学到东西，然后把更多时间花在 AI 和哲学的探索上？
侯泰宇
我认为一定是后者。当然，我讲的话非常有偏见，但我认为所有学生都应该花大量时间使用 AI、体验 AI、跟 AI 对话，去寻找自己到底喜欢什么、想干什么，或者到底要不要上大学。
我自己是一个好奇心极其旺盛的人。当我把所有精力花在跟 AI 对话、跟 AI 一起体验事情、跟 AI 探索人生目的的时候，我觉得这太值得了。
我在大学里做了很多创业产品，也有很多实习。我觉得本质上都是一种试错。
我特别喜欢一本书，叫《Design Your Life》，是 Stanford 的一位教授写的。书里有一个概念非常影响我：不要为自己的中长期目标做一个强预设，更多的是在短期内不断做出大量尝试，然后知道自己想要什么。
泓君
在 2025 年我们聊这样一个话题的时候，我自己的感受是，那时候大家还集中在“要不要用 AI”以及教授是什么观点上。
但是到了今年，也就是 2026 年，所有人都能感受到，AI 的能力在大幅提升，它能做的事情远远比我们想象中更多、更好。我相信学校在这个层面上也会有新的行动。
Clanto，你跟我讨论过很多教育相关的选题，学校也在积极拥抱 AI。你觉得，从你接触到的教授反馈来看，他们在这一年，甚至今年刚开年，改变大吗？
侯泰宇
我认为两极分化非常严重。
首先，我的专业课 Applied Psychology 里有一门必修课，需要写一篇论文。在我毕业那天的最后一节课，老师给所有人发了一张贴纸，中心写着“不要使用 GPT”。我觉得特别搞笑。
反差在于，我另外一门课是教你如何做一个网站。上课第 1 天，老师就跟我说：“抛弃你们之前所有的 coding 软件吧，你们要开始使用 Claude Code、Replit、Lovable。”
我觉得这老师太帅了，这才是我想上的课。你应该教学生如何跟进时代最新的工具、如何使用它，而不是一味限制学生使用工具。
刚才可能有人提到，人最强的能力是不是使用工具的能力。我认为不是，因为工具一定会不断进化。人的持续竞争力，还是来自价值判断能力。
这里我还想说 Joseph Weizenbaum。他是一个逃离纳粹德国的犹太人，后来在 MIT 做 CS professor。他做了一个产品，叫 ELIZA，应该是目前学术界第 1 个 chatbot。
他在论文里提出了一个很重要的观点：我们要区分两件事情，一件叫决策，一件叫选择。
决策的英文是 deciding，定义是有标准答案的推理过程。给定一个条件，然后按照规则推导，比如下棋、诊断疾病，再计算出一条最短路径。这些 deciding 的任务，机器人都可以做，甚至可以比人做得更好。
但 Joseph 认为，choosing，也就是选择，指的是在没有客观标准的情况下，依然要做出判断。它不是推导，而是一种取舍。这些判断无法被计算，因为它根植于你的价值观、你的经历，甚至你对他人痛苦的感受能力。
他举的例子就是法官判刑。你可以把案件和作案事实输入机器，但最后决定一个人的生死，决定一个人是否要坐牢，还是要交给人。
所以我觉得，AI 时代的老师不要摒弃判断能力，而应该继续培养学生的判断能力。判断能力在教育学上，更像是一种元能力，一种 meta skill。
就像“如何学习”一样，这种技能本身是一种元能力。经过任何时代，人的元能力不会改变，但外面的包装纸要改变。工具要持续进化，教育也需要随之改变。
我在想，也许从 2026 年开始，NYU 会有大量老师提倡使用 AI 来解决问题。那很有可能，考试题就不再是以前的笔试，而可能是口试；你的创作空间也不一定是在纸上，而可能是在给 AI chatbot 的输入框里。
你创作的可能是 prompt，而不是最后那篇文章。比如 NYU 刚刚成立了一个新的学院，主打 AI；Stanford 也把之前很著名的一门 coding 课，改成了 web coding 课。基本上，大家都在做出相应的改变。
泓君
我觉得我们刚刚讲到，如何检测大家有没有掌握一门课程时，可以使用很多 AI。但我有一个感受：AI 只能帮你放大能力，快速完成任务，但是不会加速你的理解过程。
比如你花同样的时间阅读一整篇论文，和让 AI 快速给你很多问题的答案，你的大脑在单位时间里能够学习的东西其实是有限的。
侯泰宇
我有一个相反的观点，泓君。AI 来了之后，第 1 件事就是信息爆炸了。我每天有大量信息要看，但人的认知带宽是有限的，所以 AI 可以帮我筛选出我应该先看什么、后看什么。
很多时候，AI 还可以告诉我，什么对我当前这个 context 最有利，可以先看什么。这其实是在辅助、加速我的理解过程。
泓君
这一点我同意。它是在宽度上增加了效率，但我说的是一个特定问题的理解深度。
比如你学习应用心理学的课程，踏踏实实地把一个课件消化掉，不管你用什么方法，让大脑真正理解它的深层原理，还是需要那个单位时间。AI 并不能让你的大脑加速，它只能提供更好的资料。
当你非常清楚自己的问题是什么，就是要把某一个问题弄清楚，而且是非常深度地弄清楚时，我觉得 AI 很难加速这个过程。因为那是你的大脑处理速度，你就是得学。
这也是为什么我非常认同 Alfred 刚才说的，博雅教育非常重要。我们对每件事情，包括对哲学、法律的历史理解和它的由来，都非常重要。最后，这也会反过来决定你能把 AI 用到多深。
侯泰宇
我想尝试一种和传统学习不一样的方法。传统教育更像是 bottom up、自底向上的，先打基础，再往上走。问题是，大多数人走到一半就迷失了，他们不知道为什么要打基础，也不知道最终想走向哪里。
但如果回到刚才说的，AI 能够直接给你答案，那么你就拥有一个优势：你能够看到一个真实的锚点。
我通常会这样给 AI 写 prompt。第 1 步，我先学习在这个问题上最顶级的人是怎么想的。
比如我想学习某个概念的原理，我可能会直接问 AI：“这个概念一般你觉得谁解读得最厉害？它的发源人是谁？”
我先接触大量顶级作品，训练自己感知好坏的差异，然后再开始动手。所以我觉得，这还是源自评估。你得先给自己建立一个最高的评估标准，让自己不断见证更高水平的卓越，然后在这个基础上进行深度学习。
如果你的生产能力还没有建立起来，但已经有了鉴赏能力，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持续迭代。
但问题是，你该怎么找到这种好的感知？我给自己的一个提醒是：要找关键的区分点，而不是学全部。
我觉得 top down 最大的陷阱，就是你看见了顶点，以为需要学会顶点的所有东西，然后被信息量压垮。但真实情况是，顶点和次顶点之间，往往只有少数几个关键决策点不同。
泓君
能举个例子吗？
侯泰宇
比如你想学习 Transformer 的原理。传统路径是先学数学，再学 linear algebra，再学 machine learning。
但我当时学习的时候，让 AI 帮我组织了一个顶级专家团，可能包括 Geoffrey Hinton、Yann LeCun，还有 John McHenney，让他们帮我讲明白 Transformer 的原理有哪些。
然后我直接针对里面不懂的问题，让 AI 给我最好的定义，再给我一个例子。关键区分点不是顺着别人预设好的路径走，而是直接顺着自己的感觉走。你的目的就是理解那个答案，中间哪块没理解，就直接问那个问题。
在问问题的过程中，我会做两件事。第 1 件，因为你得判断它给的答案是不是对的，所以我一般会让它上网搜索，给我一个可以验证的链接。
第 2 件，我会去问真实的人。比如 Transformer，我可能自己上网查，也可能问身边真正懂的朋友，让他们给我一个可以验证的答案。
所以，你要先有一个顶点。这个顶点由专家给你，然后你从中找到个性化的、不懂的关键区分点，不断提问，利用网络和身边的专家去验证，判断自己是不是应该继续往前走。
我觉得，这样产生的学习路径，和正向路径完全不同。正向路径是教材设计者认为合理的路径，而逆向路径更加个性化，是你达到具体目标所需要的最短路径。
泓君
聊到这里，我想问一下 Jack。你跟 Alfred 和 Clanto 不一样，你是 2020 年入学的，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？
饶杰武
我其实在 2022 年底就开始用 AI。因为那个时候我在帮纽约大学的一位教授做科研项目，需要做一个前端网站出来。但我当时学的是数据科学，数据科学课程里其实没有教计算机科学相关的内容。
当时 GPT 正好出来，非常惊艳。我就正好用 ChatGPT 一起把这个网站做出来。我记得很长一段时间，ChatGPT 是我唯一使用的 AI 工具，直到后来 Claude 和 Perplexity 这些产品出现。
最近我用 coding Agent 比较多。当然前段时间也会用一些更通用的，比如 Manus 和 Genspark。最近用 Claude 最多，包括 Codex 也会用。
因为最近在做一些跟创业相关的事情，所以也会用一些更全站的工具，包括设计类工具都会接触。
泓君
数据科学和计算机感觉是最相关的行业了。那你的同学使用 AI 的比例高吗？
饶杰武
我觉得挺高的，但是他们的使用可能比较单一。特别是跟非数据科学、偏文科的同学相比，他们绝大多数还是用 ChatGPT 更多。
泓君
你觉得你有多少作业或者论文是 AI 帮你写的？
饶杰武
我觉得是 99%。
泓君
那 1% 不能完成的是什么？
饶杰武
1% 不能完成的，其实也不是 AI 完全不参与。比如我要录一个 presentation，只能我来说。AI 未来可能连说话都能帮我完成，但现在还没有特别好的工具能把这件事做好。
但这个作业本体，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。
饶杰武
我觉得不能说是 AI 写的，而是 AI 在其中占了很大的比例。可能从 2022 年底、2023 年初开始，AI 的参与就非常重了。
我觉得实在是太好用，可能是我的切入点比较合适。因为我当时做一些 CS 相关的事情，比如做网站，或者写一些代码量比较大的项目。
现在基本上有任何作业、任何课题、任何内容，我都会先问一下 AI，看看它有什么想法。
泓君
老师或者教授对学生用 AI 交作业，是什么样的态度？
饶杰武
我觉得肯定有一定的转变。最开始他们其实非常抵触这件事，直到最近一两个学期，很多教授开始接受，说你可以 consult with LLM，但最后要为自己的产出负责。
泓君
会有教授使用 AI 反作弊软件，监测大家是不是用 AI 写论文、写报告吗？
饶杰武
其实一直都有。像 Turnitin，我觉得每个大学都算标配，可能还有更多类似工具。以后可能会有更加细分、更加好的 AI 监测工具。
但这不会让人完全停止使用 AI，也不会让人重新远离 AI。它可能只是为了让人更好地和 AI 协作完成任务。
泓君
你觉得怎么样才是一种更好的使用 AI 的方式？能举一个例子吗？
大家可能都会用 AI 写作业，但 AI 写出来的作业水平也有好有坏，这该怎么判断？
饶杰武
我觉得作业可能分两种。一种是可验证的作业，比如写一道数学题，它有标准答案。
更多任务是不可直接验证的，比如写一篇论文或者做一个网站。教授批改的时候，不会说你这是对的、这是错的，往往只会说这个比较好，或者那个比较差。
如果是这种作业，我会先问模型：“这是我的课程，这是作业要求，你觉得我们应该从什么角度思考这个问题？”先做作业的需求拆解。
做完这些之后，我大概就知道第 1 件事要做什么、第 2 件事要做什么。如果有些课题我比较熟悉，我可能就先开始自己的流程。
比如之前有一些机器学习课程，需要写一些轻量代码，我会很自然地打开 Google Colab，切换运行时，做好设定。
但有些任务我对课程本身不是特别了解，我可能就需要更大程度地依赖 AI，先帮我把前置工作做好。
始终没有变的是，在思考过程中，以前我可能更愿意翻书或者上网搜索。但这些过程有些并没有让我成为更好的学生，只是在花时间。AI 只是更快地帮我把一些信息提取出来，我觉得这提升了效率。
泓君
所以现在从同学提交的开放性任务水平、作业成绩和论文成绩来看，你觉得大家比拼的是真正的学术能力、底层思维，还是使用工具的能力？
饶杰武
我觉得现在还算是两者都有，关键看你有没有对这个东西进行价值判断的能力。
可能我根本没学这门课，也不知道 AI 写出来的是对还是不对，就直接交上去了，那大概率不会是一个特别好的产出。
如果一个学生特别会使用某个 AI 工具，同时又非常了解这门课程，那么他从 AI 产出的内容，大概率已经很可用了。如果他再把 AI 味去掉，能够通过最后的 AI 检测，那交上去可能就是 80 分、90 分，甚至更高。
所以我觉得这还是一种综合能力。
泓君
基础前提还是大家对自己所学课程的理解，对不对？
饶杰武
对，理解深度。你理解得深，不管是手写还是 AI 写，都能写得更好。但如果你不懂，其实不知道 AI 给你的对不对，它可能是在胡说八道。
这也是 AI 现在的一个现状。它可能给你几个选择。比如让它写一个网站，它给你 3 个甚至 10 个方案，各有各的好。
这个时候你问：“那你帮我挑一个吧。”它可能每一个都说是好的。所以最后的价值判断，还是会落到人身上。
泓君
有了 AI 以后，你用于自己学习和思考的时间，以及跟 AI 交互的时间，会发生什么变化？你会把更多学习和思考的时间交给 AI 吗？
饶杰武
不会。留给我学习和思考的时间反而更多了。
以前有很多时间浪费在搜索信息上。信息可能藏在互联网深处，要花很长时间才能找到正确答案。但有了 AI，很多事情我问它一下，它马上就能帮我找出来，而且现在肯定会越来越准确。
我在一些无关紧要的步骤上省下了时间，就可以拿来思考，甚至跟 AI 交流、做头脑风暴。反而让我学习和思考的时间更多了。
泓君
现在已经是 2026 年了，AI 工具进化得非常快。大家要不要各自讲一下现在在用什么 AI 工具？从去年年底到今年以来，在 AI 的使用方式、思维转变，甚至工具给你的冲击上，最让你震撼的一点是什么？
Jack，你要不要先来？
饶杰武
对我来说，最近用得比较多的，模型层面可能是 Claude 和 OpenAI 的 Codex 这些 coding Agent。我日常有很多时间需要写代码、做设计，比如做一些动画。
我最近经常用一个叫 Variants 的工具，它可以单独生成几个动画方案，然后直接把代码拿下来继续使用。
还有 Typeless，它是一个语音输入工具，我觉得非常好用，尤其适合 Web Coding 场景。很多时候，我没办法像写精准 prompt 一样，一下把需求写清楚，可能只是支支吾吾地说出大概想要什么。
但如果有 Typeless 在中间传递一层，它往往能把我的意图，以书面上更规整的形式放进 prompt 里给 AI。我觉得这一点非常好。
我越使用它，它越了解我，我的个性化体验也会越来越好。之前还用过 Dify 来做工作流，我觉得它对探索场景非常适用。
比如以前读论文时，论文里有一些架构，这时候就可以拿 Dify 做一些实验。
泓君
那 Alfred？
林童宇
我分成 3 大类，分别是 chatbot、提效类和 long-horizon agent。
Chatbot 我最常用的是 Gemini 的网页应用。提效类有 Typeless 和 Recast。
Typeless 有一个很棒的地方。比如今天我在微信里想回复一个比较长的信息，按住语音输入之后，如果我说得没有那么有结构，它可以把从 unstructured 到 structured 的过程非常丝滑地融入产品体验。
泓君
所以它算是一个输入法，对不对？在手机和电脑上都可以使用的语音输入法。以前我们跟电脑交互，都是直接打字；现在可以跟它说一大段语音，它会从语音里挑重点，再输入进去。它可以帮我们写邮件、写 prompt。
林童宇
对。可能今天我说了很多内容，但我知道里面有很多冗余的口水词，甚至说的时候也没有重点。Typeless 在这个过程中就像一座桥梁，把口头表达以非常丝滑的方式转成书面表达，不论是写 prompt 还是写邮件。
泓君
太适合帮我回邮件了。
林童宇
第三个是 long-horizon agent。我主要使用 3 个。
第 1 个是 OpenClaw，它会作为我日常高频生活问题的处理工具，同时也是一个 agent orchestration layer，会调度其他 long-horizon agent。
第 2 个是 Manus，主要做 deep research 和 designing。第 3 个是 Claude Code，用于软件开发。
泓君
你每个月大概会在这些 AI 产品上花多少钱？因为 OpenClaw、Manus 加上 Claude 都挺贵。我记得你刚刚说，2022 年、2023 年每个月 20 美元对学生来说就已经很贵了。
林童宇
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，一个月可能在 200 美元以上。
但我现在愿意为它花 200 美元，不仅仅因为我是一个希望亲自上手实践新 AI 产品的人，更重要的是，它每个月能带给我的效益，大于 200 美元。
泓君
那 Clanto？
侯泰宇
我有一个很直接的答案：Claude Cowork。我认为没有任何 AI 超越过它，至少去年它是无敌的产品。
但我想讲另外两个也让我比较惊艳、只是比不过 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。
侯泰宇
我前两天还在用它做我们创业项目 landing page 的主题曲。我觉得它比我之前用的 V1、V2 强很多，现在用的是 V5 Preview，非常强。
因为我自己参加过很多音乐考级，也自己写歌。以前我觉得这个东西没什么用，最多给我一点灵感，后来甚至觉得它连灵感都不太能给。
但这次它不但能给我灵感，而且对不同风格的音乐，在识别 prompt 方面极度准确。包括我上传别人写过的歌，即使是比较小众的，它也能直接识别出来，说这是别人写过的歌，说明它接入的数据源更多了，也更不会犯侵犯版权的问题。
另一个是 Gemini 的功能 Dynamic View。有点像给它一个 prompt，它可以生成一个生成式 UI 界面，非常炫酷。它当时 launch 过一段时间的 preview，我觉得比我用过的任何 Web Dev Agent 做出的前端页面都更惊艳。
第三个是前两天上线的 Mercury-2，由 Inception Labs 发布。它有意思的地方是特别快。它自己公布的数据是，比 GPT-4o mini 快大概 10 倍。
泓君
结果怎么样？好看吗？
侯泰宇
还可以。因为它使用的是 Diffusion LM，是一种新的架构。这个东西最早应该是 Google 提出来的，Google 有一个叫 Gemini Diffusion 的东西。
我觉得它以后也许能够打破速度和质量之间“鱼与熊掌不可兼得”的悖论。
泓君
刚刚大家都提到了 Manus、Genspark，但在 OpenClaw 出来以后，尤其是 Alfred，你刚刚提到会使用 OpenClaw，你们还会使用 Manus 和 Genspark 这样的 Agent 吗？
林童宇
我个人还是会用。比如一个网站的交互设计做得特别好，我就会让 Manus 去浏览器上看一下它是怎么做的。
我觉得像 Manus 和 Genspark 这样的 Agent 产品，把很多技术打包好，变成用户更友好的产品，我可以马上用起来，不需要自己配置很多东西。
虽然 OpenClaw 出来了，但很遗憾，在特定任务上，它的表现、最后交付的结果，以及执行任务的效率，都不如现有的成熟 Agent 产品。
但它的可交互性、在 IM 窗口里的即时性，最关键的是它的记忆，又让你可以很丝滑地在不同垂直任务之间切换，调用对应的 Agent 去承接和执行任务。
所以 OpenClaw 出来以后，我使用这些 Agent 产品的频率甚至更高了。
泓君
Clanto？
侯泰宇
我暂时不会用 OpenClaw。
第 1 个原因是，我很明确自己有哪些工作流，也知道在不同工作流上应该使用什么 AI。OpenClaw 更像一个端到端的解决方案，是 AI 帮你把所有事情做完，但这并不符合我的需求。
第 2 个原因是，OpenClaw 会消耗大量 API。我不信任除了 Claude 之外其他模型的表现，而 Claude 又特别贵，所以我不想消耗这个钱。我会选择使用自己已经订阅的工具。
所以一个是出于成本考虑，一个是出于效果考虑。我不会使用 OpenClaw，这也不会降低我使用其他 AI 的频率。
泓君
那现在有哪些 2026 年你已经放弃使用、但之前经常用的 AI？
侯泰宇
我刚才其实认真想了一下，感觉我放弃使用的是 GPT 和 Gemini。也就是说，我已经完全转向 Claude 了。
举个简单例子，前两天因为我们大量使用 Claude 做 coding，我买了 200 美元的 Max Plan，结果把 Claude 的额度用完了。当时是周六，我要等到周日、周一、周二下午 7 点才能重新 reset，我特别难受。
没有 Claude Code，我就开发不了。我可以去用 Claude 的其他工具，也可以尝试 Gemini CLI，但我完全不信任它们，觉得效果太差，导致那两天我都不知道该干什么。
泓君
你现在不用 AI，已经到了一个很难受的程度，比去年还要更难受。
侯泰宇
对。还有一个趋势，Claude 的 API 不管是 token in 还是 token out，费用一直在上涨。但我们反观国内产品和其他产品，大家都在做促销、降价，提倡低价格高收益。
Claude 一直在涨价，但大家还是愿意为它付钱。我觉得这其实是检验一个 AI 产品是否好、是否被大家认可的指标。
泓君
我今年也把 ChatGPT 弃用了，现在也是用 Claude，但还不会弃用 Gemini，因为它的生图功能太好了。
我觉得 Anthropic 最大的问题就是生图实在太差了。不过它的排版很好，整个生图功能还是不太行。
林童宇
其实跟泓君差不多。很遗憾，2023 年陪伴我经历第 1 波 AI 浪潮的战友 ChatGPT，我现在已经完全退订了。
但不得不承认，Codex 目前也是一个非常好的产品。我也经常遇到 Codex 挂掉，或者 quota 用完，需要等待 refresh 的时候，那我就很难受。
因为我做 coding 的时候，会持续写 task.md，或者叫 progress.md，然后把 progress.md 给 Codex，让它继续干活。它更像是 24 小时工作，Claude Code 休息一段时间，Codex 再顶上来。
当然，针对不同场景也会分配不同任务。比如 Jack 说的，Codex 如果在后端做得更好，那可能就把后端任务交给它。
泓君
这个结论跟我意想中不太一样。我开始以为，大家今年会弃用很多 Agent，没想到大家最开始弃用的都是 ChatGPT。
我觉得这还挺有意思。Manus 刚出来的时候，很多人都说它只是套壳，没有护城河、没有壁垒。但快一年了，到现在我用过的 AI 产品中，至少在用户体验层面，我觉得没有一个比 Manus 更好。
林童宇
我现在用 Manus 最多的两个任务，第 1 个是 deep research。
Deep research 不仅仅是通过简单的 search API 搜索，尤其是今天针对 GUI 任务，需要操作浏览器的时候，我已经可以感受到，Manus 是我认为现在世界上最好的 deep research 调研工具。
比如今天我要查一款产品在 Reddit 和 X 上用户的评价，Manus 可以打开我本地浏览器上的标签页，登录我的账号，浏览我想获得的信息，然后把这些信息整理汇总成一份 deep research 报告交给我。
这个过程是目前我没有看到其他 Agent 产品可以做到这么好的。
第 2 个是 design。Manus 大概在下半年推出了 Canvas 工具，可以比较自由地完成设计工作。它提供了一个比 Gemini 生图更好的体验，我更愿意在这个平台上使用 Nano Banana 的能力。
反而最先被放弃的是那些我认为很鸡肋的产品，比如 ChatGPT。论对话质量，它可能不如 Claude 或 Gemini；论 Agent 能力，不如 Manus；论 coding 能力，Codex 可以打；论 ChatGPT App，它也不如 Claude Code。
它会成为一个在所有任务上都不那么擅长的存在，处在三不管地带，最后很遗憾地被遗弃。
泓君
Clanto，我可以直接设一个问题，这对现在每个大学生来说都很实用：应该怎么订阅这些 AI 工具，又应该用它们做什么？
侯泰宇
如果拿 GPT、Claude 和 Gemini 做例子，大家都可以找到它们的 Education Plan。GPT 应该会给你 Plus，Claude 会让你使用 Sonnet 4.6 或 Open 4.6，Gemini 则应该会给你最高版本，也就是带 Thinking 的 Pro。
我会把它们放在不同的工作流里。
如果你要做头脑风暴，首先要想好怎么给 AI 第 1 个 prompt，以及给 AI 的 plan。所以我会先让 GPT 帮我想。
这里有一个技巧：我会关闭 Gemini 和 Claude 的 memory 功能，但一定会打开 GPT 的 memory 功能。GPT 等于是在被我“养号”，它会越来越懂我。
但 GPT 我不会用来做任何和实际决策、实际执行相关的事情，因为它已经被我的记忆污染了，活在一种信息茧房里。
我会让它帮我上网搜索，做更快的信息整理，然后把它写好的 prompt 扔给 Claude，让 Claude 开启 extended thinking mode，用最新的模型做 execution。
中间回到刚才泓君提到的 Gemini，我觉得它唯一擅长的地方就是视觉上的东西，不管是 Nano Banana Pro 还是 Dynamic View。做完东西之后，再把它插回 Claude 的整个工作流。
这基本上就是我使用这 3 个模型的方式，但其中花钱最多的还是 Claude。
泓君
你刚刚提到，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模型。
我自己也有这种感受。我很早就把记忆功能关闭了，因为如果不关闭，它最后会把你放进一个越来越紧的信息茧房里，给你的回答，甚至它的英语，都可能变成 Chinglish。
Clanto，你觉得在学习专业课的时候，AI 是让你的专业基础打得更好了，还是更不好了？
侯泰宇
我从两个层面看。
一个层面是考试成绩。我花更少的时间拿到了更高的分，因为 AI 可以当你的个性化老师，随时、及时地给我反馈。
第 2 个层面是，AI 在学校专业课基础上，帮助我探索出更多对这个世界的好奇，以及我对这个领域和 AI 结合的好奇点。
比如期末的时候，我在研究一个叫依恋类型的东西。很多人是回避型依恋，很多人是焦虑型依恋，也有人是安全型依恋。
我就在想，依恋类型会不会影响一个人使用 AI 的模式？以前依恋类型更多是人与人之间的关系，但我当时觉得，AI 会不会也能够充当一个人的角色？每个人和其他人的依恋类型，会不会影响他和 AI 之间的关系？
所以我期末就写了这样一篇论文，也是在 AI 的辅助下做研究、理解这种关系。
不管是考试成绩，还是课外对兴趣的探索，都有比较大的提升。
泓君
我可以用设计举一个例子。我们经常要设计视频封面图，AI 可以做出很漂亮的封面，但我们依然会使用设计师，而且不会在意设计师是不是用 AI 做的。
我觉得，一个好的设计师能做出好图，和他能不能用 AI 做出好图是成正比的。原因在于，他的设计和审美都是有技巧、有积累的。
我可以培养一个人，告诉他这个地方应该设计成什么样，但我没有办法直接培养出审美。有时候字体排版只差一点点，但在整体审美上的表现差异非常大。
当然这是一个没有标准答案的问题。但整体上，如果一个人的设计基础非常好、审美非常好，传统的那部分学习得非常扎实，那么不管是自己画，还是用 AI 做图，都能交付更高质量的图片。
如果一个人完全没有学过设计，也可以用 AI 做图，但这又分两种情况：如果他有很好的审美，也能做出好的图片；如果他既没有好的审美，又使用 AI 工具，那就做不出好的图片。
AI 只是一个工具，它是在人的能力上进行放大或者缩小。它可以让你获得以前达不到的能力，但如果你的 foundation，也就是基础，打得不够好，那么工具出错时你没有办法判断，也没有办法把工具引导到更高、更好的品位上。
所以我想问的是，大家的课程基础打得更扎实了，还是没有以前好了？我想知道，使用 AI 工具之后，它对你们原有认知能力的影响是多少？你觉得自己的原有认知是变强了还是变弱了？
饶杰武
有了 AI 之后，我可能会觉得自己在很多课程上的基础更加扎实，或者更快抓住事物的本质。
但如果从编程来说，现在的模型，特别是在代码量比较大的程度上，很多事情做得并不好。比如用 Gemini coding，它有时会忘记写括号，让你觉得非常匪夷所思。
它可以连续工作几个小时、20 几个小时，甚至 30 个小时，但连括号都忘记写了，可能还改了几十行代码。有时明明应该把旧版代码替换掉，它却非要写一份新的代码，再给你增加一个分支，逻辑非常奇怪。
所以我觉得，泓君刚才表达得非常好。对于设计师来说，作为设计师的客户，我们不在乎设计师用的是 AI 工具，还是手绘，我们只在乎最后的产出物是不是好。
但对设计师来说，他必须知道，不管是拿笔画、拿鼠标画，还是拿 AI 画，都要在关键点上进行纠正，才能引导出最好的产出。
如果一个人对代码不熟悉，就让 AI 任意发挥，很多时候 AI 写出来的东西会特别奇怪。
泓君
Clanto，假设你刚才提到 Claude 额度用完以后，会有一种非常难受的感觉。你会有一种 AI 上瘾的感觉吗？
侯泰宇
这个必须得有，就是疯狂上瘾。
有一天我找 Jack，说我感觉没有 Claude 活不了了，非常夸张。你会很难去做一些深度的执行类工作，或者说更快速的执行类工作。
因为 AI 对我来讲，最大程度是节省时间，其次 30% 是给我灵感。如果没有 Claude，那 30% 的灵感没了，70% 的执行也没了，就很难受。
泓君
比短视频更上瘾？
侯泰宇
我觉得是的。因为我没有任何一天不用 AI，但我可以有一天不看短视频。
林童宇
如果一下子抽离所有 AI，我们可能全部退回到一个非常原始的状态，很多事情都没有办法正常展开。
泓君
比如什么事情？你觉得现在如果脱离 AI，有哪些事情是你之前能做、现在做不了的？
林童宇
比如写论文，就会非常痛苦。
我看到很多顶尖程序员都跟我说，他们已经不再手写代码，甚至觉得手写代码会降低生产效率。这意味着，这可能已经成为一个自运行的生产环节。也许人类在其中所谓的 human in the loop，只是我们人类的一厢情愿。
我们身边很多人其实非常乐观，但我大概在 2024 年意识到这一点，同时读了尤瓦尔·赫拉利的一本书《智人之上》Nexus，我开始意识到，这件事可能比我们想象中严重得多。
只是我们现在还在享受它带来的红利。它帮我们完成以前不可能完成的任务，带来正向激励，但我们没有意识到其中的问题。
如果在这个思想实验里完全抽离这些工具、完全抽离 AI，我们还剩下什么？我们还能做什么？
我觉得这件事未来会越发严峻。可能人类现在面临的最大问题就是，正如泓君讲的，我们的大脑带宽有限，还是一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来的，但我们却拥有了一个和我们一样聪明、甚至比我们更聪明的技术。
所以我还是会感到很担忧。
饶杰武
我可以总结成，如果现在不用这些编程工具，本来大学里学了 CS，应该是会写代码的，反而会觉得自己不会写了，或者会不适应从一下子能写很多代码，突然大幅降速。
另外，我不知道你们在日常生活中有多大程度使用 AI。我一天基本上都会和 AI 共存。
比如今天有这样的日程安排，我会请 OpenClaw 帮我在 Google Calendar 上安排日历，请它读我的 Gmail，帮我写好回复草稿。进行程序开发时，我会使用 Claude Code。
很大程度上，AI 已经在日常和生活中成为一个不可或缺的存在。
泓君
所以你也会有刚才 Clanto 提到的 AI 上瘾的感觉吗？
林童宇
会有。这种上瘾更多来自于，你减少了很多痛苦的思考和左右互搏的过程，同时还拥有创造出原本无法想象的内容和产物的快感。
我很喜欢一位作者，维纳。他提出过控制论，写过一本书叫《人有人的用处》，大概是在上世纪中叶写的。
书里提到，人拥有机器无法比拟的可塑性、学习能力和适应性。那人的用处和价值是什么？就是提出正确的问题，进行价值判断，并承担最终责任。
从某种程度上讲，我确实被 AI 侵蚀掉了部分能力，但我需要更加注重那些 fundamental、更基础、更原初的认知能力。
泓君
假设现在不让你用 AI 工具写代码，你觉得你还会写代码吗？
饶杰武
我觉得会。
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？
饶杰武
在 AI 工具出来之前。
泓君
这算是你和 Alfred、Clanto 一个很大的区别？
侯泰宇
我的答案是，如果没有 AI，我写不了代码。
因为我上大学第 1 天就在使用 AI，所以现在让我直接写，肯定非常困难。
代码这件事，我是在高中毕业后有大概半年的空闲时间，开始学习的。当时学的是 Python，因为它最通用。但我只会写 Python，所以如果完全抽离 AI，确实很难开展我现在正在做的事情。
泓君
Jack，你读大学的时候 GPT 还没有出来。
饶杰武
对，我是 2020 年入学，GPT-3.5 是 2022 年年底出来的。
泓君
你是什么时候开始学写代码的？
饶杰武
大概 2018、2019 年，读大学之前就已经接触了。
所以我觉得这个区别还是挺明显的。如果没有 AI，很多事情我还是会用第二方案。比如今天 Claude Code 突然断 24 小时，我可能明天就回到 Stack Overflow，重新看一些最早的静态网站是怎么写的。
我觉得我还是能做，只是能忍受。如果 AI 断了，我不会觉得特别难受，但也没得选。它断了，我就必须使用次优方案。
但这个次优方案是我以前经历过的，所以没有那么痛苦。与其什么都不做，我还是愿意做点什么。自己写论文也是可以的，不一定非要 AI 写论文。
泓君
这也是必须具备的能力，或者说必须拥有的准备。
你觉得自己会有 AI 上瘾的感觉吗？
饶杰武
我觉得会。现在让我最上瘾的就是用 AI 写代码。
AI 很多时候能把事情变得非常具象。像 Claude Code 在写代码之前，可以先写到真实代码库里。我可以让它先建几个 HTML 方案出来，让我先从视觉上看一下。
它把文字变成 GUI，让你从视觉上可以评判。一切都变得非常清晰，画出来之后就豁然开朗。
泓君
我们之前说短视频上瘾，是人在工作太累、太无聊、不知道要干什么的时候刷短视频，刷到停不下来。
但我不知道大家怎么描述这种 AI 上瘾的感觉。听起来你们都是在用 AI 干活，是干活上瘾，还是无聊的时候也会有上瘾的感觉？大家可以描述一下吗？
林童宇
纯干活上瘾。因为每天都有很明确的事情要做。好比电脑断网了，其实也是很难受的。
我觉得 AI 就是下一个时代的电脑，所以对我来讲，这类似于断网，没办法做很多生产力上的事情了。
泓君
Jack？
饶杰武
对我来说也是。因为我更把 AI 看作一种效率工具。我个人用娱乐类 AI 比较少，不管是陪伴，还是 AI 游戏，都比较少。
当我看到一件事情本来要花 10 个小时，现在半个小时就能完成，我会觉得很爽。它帮我省下很多时间，剩下的 9 个半小时可以去做自己想做的事情，包括娱乐，这可能也是一种变相的快感。
泓君
所以大家不干活的时候不会想 AI，也不会想手机和电脑，只有在干活的时候才会有这种感觉，对吧？
饶杰武
对。如果没有一个明确的事情，我可能不会打开 Claude。除非有什么问题，否则我不会天天跟它聊天。
侯泰宇
我的感受有点不一样。我不会把工作分得那么开。平时我使用 Claude、GPT，很多时候是因为我想学习。
如果没有 AI，我的很多问题也没有人给我解答。它可能不是为了工作，而是为了某种程度上的自我实现，或者我对这个世界的好奇。
泓君
所以你是学习上瘾？
侯泰宇
对，我觉得有点类似学习上瘾。我特别喜欢问 Claude，期待它能给我什么样的答案。
我会问它特别复杂的问题，而且一般会采用语音输入，直接乱七八糟地说一大堆，让它理解我的意思，再给我答案背后的 insight。
我觉得这既算学习上瘾，也算聊天上瘾，因为你在期待它的回答。
泓君
我想设置一个实验。去年有一个组织叫 METR，他们做了一个随机对照实验，邀请了 16 名 senior engineer，基本上都有 5 年以上的开发经验。他们随机分配了 200 多个真实任务，一半可以使用 AI，一半不可以。
最后的结果是，使用 AI 的人比不使用 AI 的人慢了 19%。最有意思的不是这个数字，而是开发者自己觉得使用 AI 快了 20%，所以感知和现实整整差了 40%。
METR 把这个现象叫作“生产力安慰剂”。AI 的及时反馈让你产生正在飞速前进的幻觉，但实际上，验证、调试和返工的隐性成本并没有被计算进去。
他们的结论是，减速最严重的其实是那些专家，也就是本身非常懂 AI coding 的专家；初学者反而得到了显著的生产力提升。所以他们把这个现象称为“资深悖论”，也就是 seniority paradox。
专家已经建立了大量高度优化的工作流，因此 AI 的泛化建议反而是一种噪音。对新手来说，AI 是一个 24 小时、7 天在线的老师，能够疯狂补充他们在语法、设计模式等方面的知识空白。
这个实验给我最大的 insight 是，或许在高中、大学阶段就有 AI 的学生，反而处在一个黄金时期。他们正好处在 AI 能最大程度帮助你的阶段，也就是什么都不会。
这件事在 AI 时代可能会从劣势变成优势。好处是你不受经验主义约束，可以更快速地学习。坏处可能是，拿掉 AI 之后你就不会用了。
但我不觉得这是一个极大的坏处。就像有了电脑之后，你可能也不会手写代码；拿掉 Excel，你可能也没办法直接做一个 DCF model。时代演进带来的是工具的快速迭代，但人的学习能力、知道如何学习的能力，依然存在。
林童宇
我觉得，无论技术怎么演进，它更像是人与主体、环境之间的关系。环境包括技术、社会文化、国际关系、政治经济。
在这个过程中抽象出来的一个关键能力，就是作为主体的人适应环境的能力。这个适应环境的能力，在当下是更加重要的能力。
我们相信，所有感受和结论都是基于过去和现在。但往未来看，我所看到的未来，一到两年一定会继续狂奔。
在这种情况下，我们对未来的认知肯定没办法线性外推。环境一定会发生巨变。
以我为例，我成长的环境是一个非常稳定的环境，我是 00 后。到了现在，我会感觉自己的世界观确实在慢慢解构，因为环境变化得实在太快。
不仅是技术层面，当然 AI 的发展是整个环境变动中的一个巨大变量。我有一种预感，这种变化并不是可以线性外推、可以提前预知的，它会是混乱的、混沌的。
在这个过程中，个人如何适应，不仅包括比较功利的学习能力，更重要的是内心的 conviction、坚定，以及 belief。这些东西可能会越来越突出。
泓君
大家会对今年找工作有什么顾虑吗？
林童宇
我不太适合回答这个问题，因为我更倾向于创业。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，而是被那些比你更会使用 AI 的人替代。也就是说，如果这么多人都会使用 AI，那么招聘的门槛显然会变得更高。
泓君
那 Jack 和 Alfred 呢？
饶杰武
我现在也在做创业相关的事情。但在投递简历的过程中，我会感受到，大家对于如何定义一个会使用 AI 的人才，其实很模糊。
大家都在说要找一个很会用 AI 的人，要实现降本增效，但好像没有很好的途径。对于大多数申请者来说，包括现在的企业端，也没有特别统一、一致的标准。
泓君
Alfred，你也是要创业吗？
林童宇
对。我大概两年前就 all in 这件事了，所以这两年里看论文、学代码、做项目，我全部都做过一遍。
所以在当前这个节点去求职，我有很多先天积累的优势，个人没有遇到特别大的求职困境。
但我发现身边，尤其是法学院的同学，确实会发现现在找到一份和 3 年前类似的工作，困难了很多。这也让很多人思考，现在最蓬勃增长的行业是什么？什么行业有增量？
他们看到了 AI，所以都会尝试转型，从法学院转到 AI 工作。
泓君
专业对口的工作不好找了。
林童宇
对，确实不太好找。比如律所、法务，还有一大部分人选择公检法。这是一个非常稳定，但同时竞争也变得更加激烈的工作类型。
我在美国看到的情况更加明显。我看到一直有一类人，他们是计算机背景毕业，但都在做一件事：找创业公司的工作。
因为现在整个北美的大厂，很多招聘名额，尤其是软件开发工程师的名额都被冻结了。他们面对现在的就业市场非常困难，唯一看到的一根救命稻草，就是很多创业公司可能还有这样的需求。
所以还是非常两极分化。
泓君
你未来的工作方向，是偏 AI、偏法律，还是两者结合？
林童宇
大概两三年前，我就非常确定自己不会做任何和法律相关的职业工作。
未来我有一个大的方向，就是 emancipation，也就是解放。如果今天大家真的能被解放出来，不用承担工作也能获得最基础的生活保障，同时去做真正喜欢、愉悦的事情，我觉得那会是一件很棒的事。
当然，这个过程里有很多挑战，包括社会制度、经济结构，也包括现在的技术还完全不成熟。但整体上，我觉得会往这个大方向走。
泓君
今天非常精彩，我们聊的东西也非常丰富。谢谢 3 位。
这集节目是我在今年 2 月份录的。因为 AI 发展得实在太快，所以有一些信息，在今天的 AI 语境下，思想上已经稍稍显得有些落后。
录完之后，我偶然参加了一个硅谷高中生的聚会。聚会上提起了这集节目，我跟他们聊起，最早用 AI 学编程的那批大学生，离开 AI 之后反而不会写代码了。
我记得现场有一个高中生立刻反驳我：“为什么要做这个假设？我们不会离开 AI 了。”
我大致记得他说的是：这就好比你是手机的原住民，你的父母是电视的原住民。但你不会问“如果没有手机了怎么办”，对不对？因为这个问题对你来说根本不成立。
这群高中生比这一期节目里采访的 3 位大学生还要年轻三四岁，但他们的想法似乎比我们这一期访谈还要超前。
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 AI 完成，评估体系被解构，AI 比短视频更上瘾，上大学只是为了拿一张文凭。这听起来像是这一代大学生的思考。
但他们也让我意识到另一件事：在这场关于什么有用、什么不可替代的考试里，这是新时代向我们每一个人发出的考卷，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，大家如何看 AI 时代的教育？欢迎在小宇宙、Spotify、哔哩哔哩、YouTube 和小红书上给我们写评论、写留言。这里是硅谷幺零幺，我是洪君，感谢大家的收听。