以下是一个包含八个问题的常见问题解答(FAQ),详细阐述了播客里的主要主题和思想:
1. Naval Ravikant 提出“用头脑赚钱,而不是时间”是什么意思?
Naval Ravikant 提出的“用头脑赚钱,而不是时间”,并非指不努力工作,而是强调工作效率和策略的重要性。他指出,每周的时间有限,无法通过简单地延长工作时间来超越他人。真正的优势在于更聪明、更巧妙地运用时间和精力。这涉及到做出正确的重大决策,例如选择合适的行业(如科技行业和湾区被认为是“作弊码”)、选择合适的工作内容以及最重要的,选择与最优秀的人合作。这种理念的核心是利用复利效应,让每一个正确的决策都能带来更大的回报,而不是仅仅依靠投入固定的时间。
2. 对于一个21岁、没有钱但时间充裕、有互联网连接的实习生,Naval Ravikant 会建议如何利用他们的时间?
对于这样的实习生,Naval Ravikant 的建议围绕着几个关键点:
- 选择正确的地点和行业: 处于科技行业前沿的湾区被视为一个巨大的优势,因为它汇聚了世界上最聪明、最有动力的人。
- 选择正确的工作内容: 寻找自己有天赋、感兴趣,并且能提供独特竞争优势或“秘密知识”的领域。
- 选择正确的合作者: 这是最重要的决策之一。人们常犯的错误是只与身边的人合作。他强调,人生是一个搜索功能,必须不断筛选和策展合作对象,寻找那些你真正尊重、有才华、求知欲强、正直且有远见的人。
- 享受工作: 他认为,如果你不享受你正在做的事情,你就不可能做好。这不是因为“旅程就是奖励”之类的陈词滥调,而是因为享受会带来卓越。
- 通过工作建立联系: 避免空泛的社交。最好的联系方式是通过实际工作,例如参加黑客马拉松或小型项目,找到那些真正承担责任、推动项目进展的人,并努力让自己变得有用。
3. Naval Ravikant 职业生涯早期的经验教训,以及他现在的动机是什么?
Naval Ravikant 回顾自己的职业生涯早期,坦承自己犯了几个错误:
- 合作对象的标准不够高: 他倾向于与偶然遇到的人合作,而不是积极寻找最优秀的人。
- 工作内容的标准不够高: 早期他更看重“成为创始人”这个标签,而不是真正享受或好奇工作本身。后来,他的动机更多地围绕金钱和影响力,但这也不是最纯粹的。
现在,他的动机已经超越了金钱和地位。当物质欲望得到满足后,他意识到真正的目的是自我实现——成为最好的自己。这意味着:
- 创造而非消费: 他希望创造一些美丽、自己热爱并想使用的东西,这些东西如果他不投入努力就不会存在。
- 与尊重的朋友合作: 他希望与那些他真正尊重、欣赏并享受与之共度时光的朋友组成团队。
- 遵循内心好奇心: 他发现自己最成功的项目都是源于真诚的好奇心,跟随自己的求知欲去探索和解决问题,这带来了意想不到的良好投资和创业成果。
4. 为什么湾区是一个“作弊码”,以及如何有效利用在湾区的机会?
Naval Ravikant 将湾区称为一个“巨大的作弊码”,原因如下:
- 无与伦比的赚钱能力: 尽管生活成本可能很高,但湾区的赚钱潜力是无与伦比的。
- 未来生活: 在这里你可以体验到未来的技术和创新,如 Waymo 无人驾驶出租车、无人机等。
- 最高智商密度: 最重要的是,湾区汇聚了世界上最聪明的人,是地球上智商密度最高的地方之一。他将其比作人类历史上几个“魔法之地”,如古希腊的雅典、罗马帝国鼎盛时期的罗马或工业革命时期的曼彻斯特。
要有效利用在湾区的机会,他建议:
- 寻求赢得尊重的人: 避免空泛的社交。真正应该寻找的是那些你深切尊重、有才华、求知欲强、性情良好、自我意识不强且有远见的人。同时,也要努力通过自己的贡献赢得他人的尊重。
- 通过工作建立联系: 最好的匹配方式是通过实际工作。他建议参加黑客马拉松或小型项目,观察谁是真正能承担重任、推动项目进展的人,并努力让自己成为那样的贡献者。
5. Naval Ravikant 如何组建他的新公司 Impossible Computer Company 的团队,以及他对管理和公司文化的看法?
Naval Ravikant 组建 Impossible Computer Company 的团队主要通过以下方式:
- 长期积累和共同尊重: 他提到一些团队成员是他多年前就认识并一直合作的,另一些则是在之前的公司遇到的优秀人才。团队成员的加入大多基于相互尊重。
- 共同创始人独特的品味和人脉: 他的共同创始人拥有极佳的技术品味,能够发现并深入理解那些非主流但出色的产品、研究或技术,并主动与这些创造者建立联系、提供帮助、贡献代码,从而吸引了一批杰出的艺术家和工程师。
- 创造者文化: 团队成员不局限于传统的角色定义(如工程师、设计师),而是自视为“创造者”,愿意学习任何必要的技能来创造东西。AI时代使得这种自学能力变得前所未有的容易。
他对管理和公司文化的看法是:
- 特立独行的领导力: 随着年龄增长,他更有信心按照自己的方式做事。例如,他反对“蜂巢式”的办公环境,为每位员工提供舒适的私人办公空间,因为他认为这更符合人性,能带来更高的效率,而不是虚假的“忙碌文化”。
- 慢招快解: 他雇人非常慢,但解雇人非常快。
- 高薪高产: 他的理念是“薪水翻倍,但期望产出十倍”。他强调在创意领域,一个正确的决策的价值是无限的。
- 人人都是“桶”(Barrel)而非“子弹”(Bullet): 借鉴 Keith Rabois 的比喻,他认为在一个小型公司里,每个人都应该是提供方向和决策的“桶”,而不是被指挥执行的“子弹”。他反对因为年龄或经验而将人归类为“子弹”,即使是19岁的员工也被视为平等的“桶”。
- 通过执行解决分歧: 在技术领域,分歧通常通过执行来解决。如果有人说某事做不到,那么就由其他人实际去做来证明。在产品名称等更模糊的领域,他们会依靠公司内少数几位品味最好的人来投票决定。
6. Naval Ravikant 如何看待“倦怠”(burnout),以及何时应该停止一个项目?
Naval Ravikant 对“倦怠”的看法与普遍观念不同。他认为:
- 倦怠是深层信号: 他不相信“倦怠”是一种暂时的现象,可以通过休息一段时间来恢复。相反,他认为倦怠是“一个更深层次的信号,表明你可能应该做其他事情了”。
- 享受是关键: 当人们真正享受他们正在做的事情,并且项目有明确的、有意义的进展时,即使工作时间很长,他们也不会感到倦怠。而那些在不明确方向、没有进展的项目上工作的人,即使工作量不大,也更容易感到倦怠。
- 适时止损: 如果你不再享受某项工作,就应该停止它。这可能意味着你需要休息,但更重要的是,这可能预示着你该转向下一个更有意义、更能激发你热情的事情了。
7. 对于未来的“极端”趋势,以及“护城河”(moat)的演变,Naval Ravikant 有何见解?
Naval Ravikant 认为未来的趋势将是“极端”的,主要体现在以下几个方面:
- 杠杆(Leverage)的指数级增长: 杠杆是工作成果的倍增器。从劳动力、资本、媒体到代码,再到如今的AI、代理、机器人、供应链和3D打印,各种形式的杠杆都在以前所未有的速度增长。这将导致“一人公司也能创造十亿美元价值”的现象更加普遍(如 Minecraft 的 Notch、比特币的 Satoshi Nakamoto)。
- 社会适应不良: 社会尚未准备好应对这种非线性回报的增加,导致贫富差距(实际上是“聪明且善用杠杆者”与“其他人”之间的差距)引发争议。
至于“护城河”的演变,他认为:
- 设计是永恒的护城河: 好的设计需要好的品味和眼光。在AI可以生成任何东西的世界里,平庸和极端都将泛滥。此时,核心任务变成了“编辑、选择和策展”。培养判断力和品味变得至关重要,这意味着要不断学习,保持求知欲,理解是什么造就了伟大的事物。
- 深科技(Deep Tech)的护城河: 尽管深科技更难、成功率更低,但它往往能提供更深的护城河。在AI时代,深科技的复杂性和高门槛使其更难被复制或商品化。
- 利用独特技能组合: 他强调不要弥补自己的弱点,而是要专注于并加倍发挥自己的长处。通过与那些在自己弱项领域强大的人结盟来弥补不足。真正的才能往往是两三个看似不相关的技能的交叉点(“技能栈”),当这些技能结合起来时,别人会觉得困难,而你却乐在其中。
8. Naval Ravikant 对大学生在校期间的学习和社交有何建议?
对于大学生,Naval Ravikant 提供以下建议:
- 挑战高难度科目: 回顾自己的大学经历,他认为最有价值的是完成了极具挑战性的任务(如编写编译器),这培养了他未来面对难题的信心。他建议学生深入学习物理和数学,突破这些障碍。
- 理解底层原理: 学习计算机网络、计算机架构、半导体等底层知识非常有用,即使最终从事软件编程,理解底层抽象也能提供巨大优势。他认为“不需要学习软件工程”是无稽之谈,甚至应该更深入地学习芯片和物理学。
- 重视实际反馈: 他建议选择那些你的学习成果会受到“自然法则或自由市场”检验的学位。如果你的成果是可编译的程序、能在现实世界中运行的产品,或是在市场中能被买家接受的东西,那么这是有价值的技能。
- 远离“虚假”学位: 如果你的主要反馈来源是教授打分、颁奖或同行评审论文,他认为那是一种“扯淡的学位”(bullshit degree),因为你可能没有真正学习到什么,只是在进行一种社交游戏。他甚至建议非工程专业的学生考虑转专业。
- 积极社交,建立有意义的联系: 他坦承自己年轻时过于内向,没有充分投资于与聪明人建立联系。他建议学生主动与那些杰出的、未来可能成为合作伙伴或导师的人建立并维持关系。
总而言之,他鼓励学生在大学期间不仅要努力学习能够接受现实世界检验的硬技能,还要积极与优秀的人建立联系,并从中找到未来的合作者。
内容源:youtu.be

