国产在线看不卡一区二区 北大光华院长最新对谈：未来奖学金可以用token发
5月12日晚，北京大学光华管理学院的报告厅内，灯光明亮，座无虚席，一场关于“AI时代的边界探索与人才机遇”的对话正在进行。
北京大学光华管理学院院长田轩与Kimi总裁张予彤相对而坐。一位是深耕创新投资领域的顶尖学者，一位是AI大模型领域的创业者。
AI会带来什么新工作？AI时代的大学生如何规划学业？企业管理者如何应对AI带来的挑战？Kimi到底喜欢什么样的人才？……
围绕这些问题，田轩和张予彤在现场展开了谈话。
“很多人会成为‘超级个体’”
田轩：技术革命似乎总是这样：旧的工作被替代，新的工作不断出现。AI已经替代了大量重复性、标准化的工作，但以我们现在的认知，其实很难想象未来它还会创造出什么全新的工种。同学们该怎么准备，才能更好地拥抱这种变化？
张予彤：核心还是生产力的跃迁。每次生产力大幅提升，人就会从旧工作转向新工作。农业革命时，农民离开土地进入城市，城市里慢慢就有了服务业，有了各种新行业。
这种变化在我们企业内部也很明显。现在有很多同学专门负责模型训练，创造核心数据。他们开玩笑说自己是模型的“爸妈”，因为确实是在持续“喂养”一个不断生长的智能。
从更广泛的角度来看，未来很多人会成为“超级个体”，也就是我们说的“一人公司”。现在一个人能全栈地完成很多事，不再需要庞大的团队。这不仅是生产方式的变化，也意味着更多人有机会去做自己真正想做的事。
“我无法想象在工作中不用AI”
田轩：按照商学院的逻辑，学生是“产品”，企业是“用户”和用工方。按照这套体系，我们该如何调整培养方式，让学生更好地满足AI时代雇主的需求？
张予彤：我觉得要成为AI的“深度用户”（“power user”）。还要能感知每一代模型的能力边界：哪些事它还做不了，哪些已经比人做得更好，哪些需要人与模型共创。接下来会进入一个“agent-human collaboration”的时期，我已经无法想象工作中不用AI了。就像当年我们无法想象没有手机、电脑一样，这些工具本质上是在延伸人的能力，而非替代。被替代的只是工作中可替代的部分，比如重复执行、信息处理、计算编程、部分设计执行。
但现在真正的瓶颈，是评估和验证AI产出的质量。AI可以轻松生成几百万行代码，但人类要消化、理解、检查逻辑关系，反而是更大的工作量。
“用开放的心态去探索AI”
田轩：所以你的建议是，我们的课程设计要让学生学会“运用”和“驾驭”AI？
张予彤：对，“驾驭”这个词很准确。硅谷常说“harness”，就是这种驾驭感。无论是工程与模型，还是人与agent，未来都是协作关系。短期确实有安全、性能等方面的顾虑，但长期看，AI对我们一定是有益的。关键是要开放心态，亲自上手，不要停留在观点和观察层面——很多深刻的认知，是在动手中形成的。
“除了与人共情，还要与agent共情”
田轩：换个角度。如果我是刚入学的大一新生，我知道这个时代和我父辈完全不同。过去把题做好、GPA刷高，毕业出国或找工作都不成问题。但现在AI带来这么多变化，本科这四年该怎么过，才能更好地面对AI带来的挑战和不确定性？
张予彤：可以从大一就来Kimi实习。
大学期间，很大的收获来自与同学相处，建立人与人的深度链接，这非常宝贵。
另外，做任何事都可以多一个视角：如果让AI来做，它会怎么做？除了人与人的共情，还要培养人与agent的共情。从模型视角看，很多我们习以为常的基础设施——聊天、开会、支付、身份验证、数据授权——都是为人设计的，未必是agent需要的。当人和agent的分工被重新思考，“这件事我会怎么做”也会有新的答案，可能也会带来意想不到的突破。
“让公司的每个人实现token自由”
田轩：今天台下还有不少MBA、EMBA的学生，他们本身就是企业管理者。AI时代，国产在线看不卡一区二区管理者要怎么做，才能不被替代？
张予彤：替代企业家，我觉得很难。
田轩：不用客气，我觉得好像也没那么难。
张予彤：说一个实用的建议：给公司每个人增加token预算，实现“token自由”。这样大家都能充分探索AI。如果总担心被替代、心存抵触，反而不利于发展。
AI已经能造就“10倍程序员”，让个人的产出以一当十。当企业给足token，员工自然会重新思考自己的工作模式。
田轩：看来我们也可以考虑不再给学生发奖学金，而是发更多的token。
“你会为一个好想法尝试1000次吗？”
田轩：我做了一些调查，了解到你们有个“Kimi穿越计划”，招人时似乎不看学历、不看专业。那你们看什么呢？
张予彤：我觉得核心就两点。
第一，能不能提出真正好的想法。学历和专业都是标签，但人的特质很难被“标签化”。就像智能不是同质化的，智能是异质化的。在座各位都是北大光华最优秀的学生，但我相信每个人的热情、长板、想做的事，甚至不想做的事，都有非常大的区别。所以不是“我有一个岗位，该找什么样的人来填”，而是“这个人的特质最适合做什么”。这时我们会看一些更抽象的能力：他最近在关注什么话题？对问题有没有本质思考？能不能提出新的、并且是好的想法？这很难，我们公司每年能称得上“好想法”的，其实非常有限。
第二，光有好想法还不够，还需要一点偏执和疯狂。AI和科研都充满不确定性，想做出更好的产品，本身就是一个漫长的、需要大量实验的迭代过程。这个解决问题的过程需要非常强的resilience，因为人在探索中一定会感到frustrated。你会为一个好想法尝试1000次吗？大部分人可能尝试10次就觉得没法做了——当然很多时候这判断是对的，但只有极少数人，既愿意相信这个想法，又能在反复尝试中形成自己的认知。在我们公司里，“能提出好想法的人”和“能疯狂实验探索的人”，都占了很重要的位置。
“我们会看候选人是怎么自我迭代的”
田轩：怎么把这两类人识别出来呢？人确实不能“标签化”，但“标签”可以帮助我们快速筛选，这在经济学里叫“信号理论”。而且研究发现，很多超级创业者是偏执的，甚至孤僻冷漠的，但反过来，偏执的人不一定能成为创新者。
张予彤：更多还是靠深度交流。看他平时关注什么信息、想什么问题、关注什么AI产品，或者行业里哪些变化是超乎意料的。在这些回答中，你能看到一个人的注意力放在哪儿。如果他说出来的还是“2025年的旧认知”——我们有时开玩笑说“AI一天，人间一年”——那他吸收的信息量可能没那么大，兴趣也不在此。至于“执行”层面，相对更容易验证。我们会通过AI测试系统看候选人是怎么迭代的、有没有不同的迭代思路、能迭代多少次。
“我们公司里没有title”
田轩：我们很多学生本身就是企业家，或者未来会进入企业工作。现在有个概念叫“AI原生企业”，比如Kimi。这类企业的特质是什么？传统企业如果想向“AI原生”靠近或转型，最大的障碍是什么？企业家该怎么做？
张予彤：这个问题挺有意思。我认为首先要明确自己做什么和不做什么。每个企业都有自己的选择，比如Kimi不做生活类、娱乐类的产品，我们更专注于生产力的方向和较复杂的任务。
除此之外，我观察到中国很多企业家都特别努力，他们有非常多使用AI、拥抱AI、应用AI的想法。但我注意到的最大阻力其实来自组织内部——很多事情已经定义了边界、合作方式，以及过程中的激励机制。但“AI原生企业”最大的优势在于它可以“从零开始”，按照全新的生产模式来定义组织结构。比如，我们公司内部是没有title的……
田轩：你不是总裁吗？
张予彤：这只是为了对外沟通。我们内部统一的title就是“staff”。整个组织层级非常扁平，公司一共300人左右，员工彼此之间没有很清晰的边界。做预训练的同学也可以做后训练，做算法的同学也可以做数据，做市场营销的同学也可以转到模型评估。这说明人的底层能力是可以触类旁通的。一个人其实可以解决更多问题。
人的很多能力是被AI“赋能”的。比如编程能力，过去可能是三千万人的特权，但今天随着AI编程能力越来越强，这个边界会不断扩张，到未来我们每个人可能都会拥有编程能力。这也是之前从未发生过的。
国产在线看不卡一区二区