课代表立正

课代表立正（孙煜征）
  • 0.0（0）
  • テクノロジー

《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/

  1. 1日前

    E527. 2026年，硅谷创投，几乎不看AI应用了？｜硅谷一线投资人周楠

    完整版1小时50分钟：https://youtu.be/BseWUBpOHY4 2017—2018 年，当不少出资人还把 AI 看成“不靠谱、太烧钱”的赛道，周楠参与筹备的一支 AI 基金，待投项目里已经有 OpenAI、Databricks 和 Cerebras。基金最终没有募成，这些机会也就这样错过。在那前后，她早期投资了 Cerebras；几年后，又参与了 Scale AI 投资。她由此形成了一条很硬的投资纪律：一定要在共识形成之前下注；等所有人都看懂，往往只剩更高的价格和更小的空间。 但“在共识之前看见”并不等于凭感觉押注。周楠会看非常具体的信号：为什么八十多位创始工程师、六十多位博士愿意再次追随 Cerebras 创始人；自动驾驶退潮之后，Scale AI 如何迅速转向公共部门；Alexander Wang 又如何用一段 28 分钟的视频，把公司的历史、客户迭代与未来愿景讲清楚。所谓投资直觉，背后其实是对工程、市场、团队和执行风险的一层层拆解。 这期对话也回答了几个创业者更直接的问题：技术团队很强，为什么 VC 可能五分钟就决定不投？AI Agent 即使能赚钱，为什么仍未必是一家适合风险投资的公司？垂直数据不再天然构成优势之后，真正的机会为什么更可能藏在完整、复杂、高价值的工作流里？机器人怎样跨过 Demo、部署、数据闭环与 ROI 之间的鸿沟？以及大厂技术人创业，最容易犯的三个错误是什么？ 嘉宾： 周楠：硅谷科技投资人。录制本期时任高通创投投资合伙人；曾在百度从事 AI 与芯片投资，是 Cerebras 早期投资人，并参与 Scale AI 投资。 章节： 00:00 精彩预告 00:47 为什么共识形成以后再下注已经太晚 04:49 基金规模如何决定投资打法 06:43 十年前注意到 Scale AI，为什么没有立刻投 10:30 Scale AI 如何穿越自动驾驶退潮 14:48 Cerebras：Transformer 之前的算力下注 20:38 投资直觉如何经由风险拆解验证 22:32 什么才是足够大、足够难的问题 25:31 技术很强，为什么 VC 五分钟就会拒绝 30:09 OpenAI、Databricks 与那支没募成的基金 36:53 垂直 Agent 真正还剩什么机会 39:15 Physical AI：Demo、部署与数据闭环 42:32 Token 如何改写硬件商业模式 44:40 能赚钱的产品，为什么未必值得 VC 投 45:35 从 Demo 到量产：什么是“暂时的 PMF” 47:12 这一轮 AI 接近收割，下一个周期在哪里 52:44 为什么正确的建议也可能毫无用处 55:26 大厂技术人创业的三个误区 57:48 什么样的创始人真正 coachable 59:42 不追热点，AI 时代谁不容易被淘汰 1:00:41 现在还该创业吗？一定要拿 VC 钱吗 1:01:50 怎样讲出能打动一线 VC 的故事 #AI投资 #创业 #风险投资 #OpenAI #ScaleAI 欢迎加入我创办的AI社区「超线性学院」，里面已经有两万多AI Builders，700多个项目。在里面，你能看到最新的技术进展，和不同背景的人如何用AI解决自己的问题。我在腾讯、美团、小红书等公司的企业培训，在社区里也可以免费看。 访问 https://www.superlinear.academy，或搜索App超线性学院。

    E527. 2026年，硅谷创投，几乎不看AI应用了？｜硅谷一线投资人周楠

  2. 5日前

    E526. Hypothesis Testing Explained｜假设检验详解：Alpha、Beta、Power、MDE与样本量

    假设检验详解（Hypothesis Testing Explained）：从第一性原理理解Alpha（α）、Beta（β）、统计功效（Power）、MDE、标准误与样本量。视频为英文讲解，已提供简体中文字幕；内容也涵盖原假设/备择假设、第一类/第二类错误与临界值。 中文技术伴读（含公式、视频截图与常见误解）： https://www.superlinear.academy/c/posts/hypothesis-testing-alpha-beta-power-mde 【为什么重新上传】 这期视频最早由我和Statsig数据科学团队在2024年共同制作，并发布在Statsig的YouTube频道。后来Statsig不再使用那个频道，原视频也不再在线，所以我把最终版本重新上传到自己的频道，方便需要的人继续观看。 Hypothesis testing explained visually and from first principles: null and alternative hypotheses, standard error, Type I and Type II errors, alpha, beta, statistical power, minimum detectable effect (MDE), critical values, and sample size. Many textbooks blur Fisher’s significance testing with the Neyman–Pearson decision framework. This tutorial separates the two, then reconnects the concepts into one coherent experimental design. You’ll learn: • Null vs. alternative hypotheses • Standard deviation vs. standard error • Type I error, alpha, and critical values • Type II error, beta, and statistical power • How sample size changes power and MDE • Minimum Detectable Effect (MDE) • Common misconceptions about p-values and “accepting” H₀ This video was originally produced with the Statsig data science team in 2024 and refined through six versions. 00:00 Why hypothesis testing matters 02:46 H₀, alpha, and the critical value 06:41 H₁, beta, and statistical power 09:26 Statistical power in three views 11:23 MDE, standard error, and sample size 14:26 Common misconceptions and practical takeaways 15:41 Conclusion Presented by Yuzheng Sun, PhD.

    E526. Hypothesis Testing Explained｜假设检验详解：Alpha、Beta、Power、MDE与样本量

  3. 6日前

    E525. 让心自由，才能更好地活着｜对话《金刚经50讲》王路

    完整版+文字解读：https://www.superlinear.academy/c/recording/wanglu 如果 AI 不会真正地痛苦，它就谈不上“成佛”；如果钱已经够了，我们仍然放不下成功，真正驱动我们的可能也不是钱。 这两个看似很远的问题，在这场对话里被王路用“无我”和“应无所住”串到了一起。在他看来，AI 是否可能成为佛教所说的“有情”，要看它是否拥有无法无损复制的经验和真实的痛苦；而人能否看清自己对成功的不甘，则要先分清收入、流量、title 等代理指标，与被认可、被尊重或创造价值这些更深层的需求。 我们从经、律、论和阿毗达磨讲起，梳理部派佛教、大乘、中观、唯识、如来藏与禅宗之间的关系，也追问：大乘经典即使并非佛陀的逐字原话，为什么仍可能延续了他没有被充分写下的精神？“应无所住”为什么不是把心擦成一面干净的镜子，而是不要把持续变化的人和世界钉死在某一个切片上？ 讨论也落到了一些很具体的生活问题：普通人读《金刚经》到底有什么用；轮回如何作为一种无法证伪、却能改变行为的叙事；禅修为什么不应该以“灵魂出体”等特殊体验作为进步的标准；把商业包装成“发愿”会给自己带来什么问题；以及简历、人设和个人品牌如何既帮助传播，也可能把变化中的人固定成一个标签。 嘉宾： 王路：学者、作者，得到《金刚经》课程主讲人；长期写作佛教议题，主要研究说一切有部阿毗达磨。 章节： 00:00 精彩预告与嘉宾介绍 01:19 阿毗达磨与佛教谱系：大乘如何继续解释佛陀 13:52 “应无所住”：不要把变化中的世界定格 21:28 普通人读《金刚经》有什么用 24:37 唯识、AI 意识与“有情”的边界 30:00 阿罗汉、涅槃与人为什么需要宗教 35:26 禅修为何不该追求特殊体验 42:46 法布施、发愿与人的混合动机 50:58 标签、人设与“凡所有相皆是虚妄” 59:29 内卷、成功焦虑与真正的需求 欢迎加入我创办的AI社区「超线性学院」，里面已经有两万多AI Builders，700多个项目。我在腾讯、美团、小红书等公司的企业培训，在社区里也可以免费看。 访问 https://www.superlinear.academy/，或下载App：超线性学院。 频道周边：https://shop.lizheng.ai/

    E525. 让心自由，才能更好地活着｜对话《金刚经50讲》王路

  4. 8月24日

    E524. 为什么多数赚钱好生意，不会被你看到？

    一门生意可以持续赚钱，为什么拿了 VC 的钱以后仍然可能“不合格”？因为融资不是给好生意盖章，而是换了一套成功标准：市场必须足够大、增长必须足够快，最终还要形成可以退出的企业价值。如果不参加这套游戏，长期服务好一群真实客户并持续盈利，本身也可以是一种完整的成功。 我曾参与 Facebook Marketplace 的业务，也在后来被 OpenAI 以 11 亿美元收购的 Statsig 工作。见过高增长 startup 最耀眼的结局后，我自己的选择反而是不拿天使和 VC 的钱，经营 AI 社区、课程、企业培训与咨询。不是因为融资不好，而是 VC-backed startup 和盈利型生意使用两套不同的计分板，也会把创业者带向不同的生活方式。 两条路的共同起点都是 Product-Market Fit：市场是否真的需要你创造的价值。一次与 1Password 的深入沟通，让这种差别变得很具体——此前谈了几轮，对方一直不温不火；当我讲到 AI 企业培训的案例，还没讲完两页，对方就坐直了，开始追问什么时候能开始、多少人参加、具体怎样交付。真正的 PMF 不是你觉得产品很难、技术很强，而是客户会主动跨过摩擦来获得它。 找到 PMF 后，两种模式才开始使用不同的数据。Startup 看市场天花板、增长、retention、ARR 和退出；盈利型生意看成本与售价、复购、LTV 和信任。视频也用“每月新增 1 万用户、月流失 10%”的例子解释：如果留存没有做好，增长只是在更快地耗尽市场。AI 可以降低小团队和一人公司的运营成本，但不会替你找到真实需求。 章节： 00:00 AI 时代，为什么更多人会重新考虑创业 01:31 这期要回答的三个问题 02:27 盈利型生意与 VC 创业，区别到底是什么 04:36 两条路共同的核心：PMF 06:16 1Password 沟通：真正的需求是什么感觉 09:43 技术难度为什么不等于市场价值 11:22 Startup 的计分板：增长、ARR 与退出 13:28 留存如何决定增长上限 15:07 盈利型生意靠什么持续增长 16:40 VC 节奏、一人公司与生活方式 欢迎加入我创办的AI社区「超线性学院」，里面已经有两万多AI Builders，700多个项目。在里面，你能看到最新的技术进展，和不同背景的人如何用AI解决自己的问题。我在腾讯、美团、小红书等公司的企业培训，在社区里也可以免费看。 访问 https://www.superlinear.academy，或搜索App超线性学院。

    E524. 为什么多数赚钱好生意，不会被你看到？

  5. 8月21日

    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。

    E523. 我们把一个世界级的AI大会带到了上海！

  6. 8月20日

    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。

    E522. AI能“帮”你成为超级个体，但顺序别搞反了

  7. 8月17日

    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。

    E521. 吐槽大厂，做成七位数生意｜The Tech Roast Show访谈

  8. 8月12日

    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。

    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
すべて見る（527）

番組について

《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/

情報

  • クリエイター
    课代表立正（孙煜征）
  • 配信期間
    25年 - 26年
  • エピソード
    527
  • 制限指定
    不適切な内容を含まない
  • Copyright
    © 2026 课代表立正（孙煜征）
  • 番組のWebサイト
    课代表立正

その他のおすすめ