如果要判断一个厨师会不会炒土豆丝，最有效的方法也许不是看简历，而是给他一个仿真厨房。AI 时代的人才评估同样需要回到真实任务。 本期 Founders Talk 对话 Griting AI 创始人、藤校达特茅斯 AI 博士在读 Josie。我们讨论了 Agentic 时代企业为什么要重做人才评估，如何用真实项目、过程数据和证据链判断候选人的交付能力，以及评估体系如何进一步连接自适应学习、人才孵化和企业招聘。 时间戳： 00:00 Founders Talk 走进硅谷 00:15 Josie 与 Griting AI 00:34 为什么休学创业 01:57 Talent Trust 与 Agentic 趋势 02:37 AI Talent Audit 与证据链 03:47 仿真厨房和炒土豆丝的评估类比 04:28 企业真正需要怎样的 AI 工程人才 06:02 一家 AI 创业公司从 0 到 0.7 08:21 从评估走向自适应学习 10:55 GTM 与五人团队 本期嘉宾： Josie，Griting AI 创始人，藤校达特茅斯 AI 博士在读。 主持与栏目： 主持：王林 Lincoln 栏目：Founders Talk 标签： #人工智能 #人才评估 #硅谷创业 #AI创业 #FoundersTalk

模型和 Agent 会越来越普及，企业真正难以复制的能力，可能不是买了什么工具，而是能不能判断 AI 做得好不好，并把每一次业务反馈沉淀成自己的 Private Evals。 本期要点： - Private Evals 不是模型排行榜，而是企业对 Agent、Skill 和 Workflow 的业务评估体系 - 一个能运行的 Demo，不等于真正理解公司的数字员工 - 销售、客服和合同审核中的每一次人工纠正，都可以成为组织记忆 - 企业需要明确谁来评估、什么叫做好，以及错误如何回到系统 - AI 转型要从买工具，走向建能力 时间戳： 00:00 AI Agent 普及后企业会不会同质化 00:30 纳德拉提出 Private Evals 的启发 01:20 反馈数据如何让 Agent 形成差异化 02:00 过去的人才标准、SOP 和服务细节如何迁移 02:40 把员工脑中的经验蒸馏进 Agent 体系 03:20 Agent 不是工具，而是需要培养的数字员工 04:00 私有化评估体系才是别人拿不走的资产 关键词：Private Evals、企业 AI、Agent、数字员工、AI 原生组织

在斯坦福 AGI Summit 现场，一个反直觉的问题是：后空翻和下楼梯，哪个对机器人更难？这背后连接着 Moravec 悖论，也提醒我们不要被酷炫 Demo 误导，要看机器人能不能处理真实世界的随机性。 本期要点： - 后空翻等预先设计好的动作，可能比下楼梯更容易 - 真实楼梯包含高度、材质、摩擦力、磨损和光线变化 - 机器人能力要在非标准、随机的物理环境中评估 - Demo 成功不等于具备通用能力，也不等于商业成熟 - 更重要的是观察团队如何处理失败、回收数据并持续改进 时间戳： 00:00 斯坦福 AGI Summit 与 Skild AI 的反直觉问题 00:45 酷炫空翻为什么可能更容易 01:30 下楼梯为何进入真实世界难题 02:15 传感器、视觉和运动控制的复杂性 03:00 评估机器人项目：别只看实验室 Demo 03:45 真实问题：成本、耐久性和危险场景 04:30 家庭环境为什么是机器人最难进入的场景 05:15 研发失败、数据反馈和算法改进 06:00 Easy is Hard, Hard is Easy 关键词：具身智能、AGI、Moravec 悖论、机器人、Stanford AGI Summit

数字人可以模仿形象和声音，但真正的第二大脑，要沉淀一个人的记忆、经验、关系、判断和工作上下文，并在真实工作中持续回流。 本期要点： - 数字人和第二大脑的区别，不只是会不会模仿声音 - 可信记忆需要来源、时间、确认状态和版本变化 - 人脉、Inbox 和 Agent 都是个人上下文进入真实工作的入口 - AI 的结果必须经过人的判断，再回流到第二大脑 - 模型可以更换，但个人上下文、经验和判断不能外包 时间戳： 00:00 Digital Lincoln：第二大脑和数字人的区别 01:00 用记忆卡片沉淀观点、经历和方法论 02:00 为什么可信记忆需要来源、时间和版本 03:00 人脉墙：让关系网络变成 Agent 可调用的上下文 04:00 Hermes、飞书机器人和低摩擦 Inbox 06:00 Workbuddy、Codex 如何读取第二大脑协作 07:00 数据回流：让 AI 更像真实的 Lincoln 08:00 唯一的真相：个人上下文不能外包给模型 09:00 建立输入、工作流和反馈机制 10:00 未来差距：谁先积累自己的上下文 关键词：第二大脑、Digital Lincoln、AI 时代、Agent、个人知识管理

这一集，金一粟深入讨论 AI 招聘与 AI 求职之间的博弈：企业用 AI 筛简历，候选人也用 AI 写简历，招聘过程会越来越高效，也越来越需要人的判断。他强调，AI 可以处理前期筛选和信息归纳，但高级岗位、信任建立、候选人与老板之间的 chemistry、背调和组织沟通，仍然离不开人的专业判断。AI 会改变 HR 和管理层的工作重心，但不会简单替代人与人的评估。 时间戳： 00:00 企业用 AI 招人，候选人用 AI 求职 01:00 AI 筛简历只是招聘前期步骤 02:00 高级岗位为什么不能只靠 AI 03:00 简历无法完整描述人的复杂经验 04:00 AI 面试和算法判断仍处在早期 05:00 人是最复杂的非标准化商品 07:00 面试与简历之外，为什么背调重要 09:00 中美背调文化差异：信用与真实评价 12:00 AI 带来的组织扁平化和平台化 14:00 中间层未来的价值：沟通、培训和情绪链接

这一集是金一粟对中国企业出海与创业精神的总结。他认为，出海本质上是在陌生市场重新创业，品牌认知、文化融入、当地团队协作都要从零搭建。企业家既要兴奋和有勇气，也要对不同市场保持敬畏。他也分享了自己 16 年创业路上的感受：创业不易，发展永远是最重要的任务，只有保持 open-minded、持续学习、持续进步，才能带领团队穿越挑战。 时间戳： 00:00 出海是在陌生市场重新创业 01:00 出海最重要的是决心、勇气和敬畏 02:00 张一鸣在硅谷学习亚马逊、Google 和 Netflix 03:00 出海企业要躬身入局理解陌生市场 04:00 创业 16 年：独特且艰难的人生旅程 05:00 创业需要坚持、勇气和开放视野 06:00 发展永远是最重要的任务 07:00 AI 时代机会被摊薄，更要付出 200% 的努力 08:00 人生在于厚度，创业让经历更精彩 09:00 对 Founders Club、FTC 和 BFIN 的祝愿

这一集，金一粟分享了自己创业初期在硅谷行业会议中的一次关键突破。作为行业里少数的东方面孔，他一开始既没有人脉，也很难融入美国同行的社交场域。但他在一次研讨会上抓住机会，用自己的名字 Yisu 和公司 IntelliPro 做了一次让全场记住的自我介绍。他用这个故事说明，在异国创业，勇气往往是第一位的，连让别人认识自己的勇气都没有，就很难真正打开局面。 时间戳： 00:00 创业初期没有行业 connections 00:38 作为唯一东方面孔参加硅谷行业会议 01:00 无法融入老美的 mingle 场景 01:40 给自己一个任务：一定要突破一下 02:20 行业培训中的记住客户信息话题 03:00 借主持人没记住名字完成自我介绍 04:00 Yisu, not an issue：让全场记住自己 05:00 为什么坚持使用中文名字 06:00 IntelliPro 的介绍和全场记住的瞬间 06:40 异国创业最重要的是突破自我的勇气

这一集，金一粟讨论 AI 时代的 OPC、超级个体与企业组织变化。他提到，AI 让第一批快速掌握工具的人变成更高效的个体，也倒逼公司把员工当作合伙人，给予更大的发展空间。传统层级组织会被进一步扁平化、平台化，公司要提供算力、token、品牌和协作场域，帮助超级个体在组织内部冒头、创业和创造更大价值。 时间戳： 00:00 OPC、one-person company 与超级个体 00:30 一个人做出独角兽公司的案例启发 01:00 AI 时代为什么要把员工当合伙人 02:00 传统层级汇报结构正在被重置 03:00 公司平台化：为个体提供资源和品牌 04:00 不拥抱 AI 的组织会被逐渐淘汰 05:00 从分工效率到每个人像一个小 business 06:00 硅谷精神：open-minded，拥抱变化

这一集，金一粟从硅谷和全球人才市场的近距离观察出发，谈 AI 浪潮下的裁员、招聘与产业重组。他认为，大厂裁员只是表面现象，另一面是 AI 原生公司、AI 应用公司、芯片、算力、数据中心和基础设施产业正在大量吸收人才。AI 不是简单减少工作，而是在加速把人力资源重新配置到更有希望的产业方向。 时间戳： 00:00 AI、Agent 成熟与程序员裁员潮 00:45 为什么 AI 反而带来更多人才服务需求 01:30 AI 原生公司、应用公司和基础设施都在招人 02:15 算力、电力、数据中心与基础设施的新机会 03:00 被裁员工如何流向传统行业和创业机会 03:45 AI 加速人力资源向新生产力重组

这一集，金一粟聊到中国企业出海时最关键的人才与组织问题：从服务 Google、Meta、Uber、Adobe 等全球科技客户，到帮助中国企业在海外招聘、雇佣、合规和用工落地，再到海外团队“一把手”到底该派中国人、找华人，还是用当地人。他用自己的全球团队经验解释，出海不是简单复制国内组织，而是在信任、能力、资源和本地化之间做取舍。 时间戳： 00:00 从技术外包到服务 100 多个国家的全球业务 00:52 中国互联网、智能制造、新能源与 AI 制药企业出海 01:33 美国为主，中国业务快速增长 02:20 为中国出海企业提供可落地的直营服务 02:54 招聘、雇佣、薪酬、合规与签证的一体化服务 03:50 海外工厂、蓝领派遣与灵活用工 04:17 当地雇人还是从中国派人：为什么要 case by case 05:17 工程师、销售、市场与管理岗的不同选择 06:24 海外一把手最难的是信任、能力和当地资源 09:14 local for local：当地人管理当地市场

这一集，金一粟回到创业起点：从大厂工程师做 BI 和数据仓库项目，到意识到技术可以帮助更多公司，再到在美国从零开始创业。早期没有客户、没有团队、没有营收，他靠一次次电话、一笔 500 美元的小单、赔钱也要交付的项目，慢慢赢得信任，并在后来成为 Google 的供应商。这是一段关于技术、勇气、信任和商业模式转型的真实创业故事。 时间戳： 00:00 从大厂工程师到创业者：转变从哪里开始 00:24 BI 与数据仓库项目：首年带来 2.4 亿美元营收增长 01:09 为什么选择创业：把技术复刻给更多公司 02:33 创业初期寻找客户：无数电话和拒绝 03:24 刚成立两三个月、只有一个人的公司，如何争取机会 04:12 “我的公司像新生婴儿”：打动第一个客户 05:30 从 500 美元小插件开始积累信任 06:47 两米半储藏间起步，第五六年才搬到更大办公室 07:42 从项目外包 pivot 到 IT outsourcing 08:21 拿下 Google：三份简历全部拿到 offer

本期 Founders Talk，我们邀请金一粟从自己的名字讲起，聊到父亲的古典汉语背景、道家式的处世影响，也回顾了 1997 年赴美、2000 年进入硅谷后的职业起点。作为亲历计算机、互联网、移动互联网与 AI 浪潮的“老硅谷”，他分享了自己对硅谷精神的理解：开放、尊重每一个个体，以及把原创思考落地为商业实践的能力。 时间戳： 00:00 金一粟登场：名字与自我介绍 00:25 “沧海一粟”的一粟：保持谦逊与虚心好学 01:03 父亲的教诲：年轻时没听懂，后来越想越有道理 01:35 1997 年赴美，2000 年进入硅谷 02:06 见证计算机、互联网、移动互联网到 AI 的几波浪潮 02:33 第一份硅谷工作：Siebel Systems 与 Oracle 的故事 03:25 UIUC、清华与留美预备班的历史渊源 05:04 早年硅谷面试：全天白板、算法与脑筋急转弯 07:26 为什么顶尖人才和风投汇聚硅谷 08:03 金一粟眼中的硅谷精神：开放、尊重个体、原创思考

与卫瓴科技的CEO杨总聊AI焦虑症以及年轻人的机会，AI时代走到agent的那一边，成为超级个体才是出路。 00:00:17 AI对销售是有帮助的——让他更专注在最擅长的地方：喝酒、情绪价值、建立信任 00:01:53 "你碰到觉得焦虑的事，最核心的问题是：你能干什么" 00:02:42 "我不跟AI对抗，我只跟它合作，去对抗那些想对抗的人" 00:03:23 "老板也没想清楚，觉得AI很神奇——那这件事情就是空中楼阁" 00:03:50 真实案例：客户要求每天产出4万条视频，人根本做不到 00:05:12 "AI落地的关键只有一个词：需求明确" 00:06:17 "AI是跨行业的，它不需要那么多行业理解——喂点东西注进去，全行业都懂" 00:07:00 "场景优先，而不是行业优先——营销、财务、销售管理都是通用场景" 00:13:41 未来不是超级组织的时代，是超级个体的时代 00:14:11 "这不就是一个超级个体吗？" 00:14:43 理想状态：3天打鱼两天晒网——有了好工具，不用那么拼 00:15:17 "龙虾不是男人最好的玩具吗？你装装它就变成这样，撞撞那个又变成那样" 00:15:58 "面向未来，我们很可能是为兴趣而活，而不是为工作而活" 00:16:45 "Job这件事，在人类历史长河里，其实只是一个很小的时间片段" 00:17:50 "打螺丝这种工作本来就不应该让人来做，应该让机器做，让人释放出来" 00:18:54 "焦虑也追不上，不焦虑也追不上——保持好奇心，当成好玩的事去玩就好了"

很多企业今天看 Token，看的还是“模型调用花了多少钱”。 但真正值得思考的问题不是成本本身，而是：这些 Token 到底换回来了什么？ 这一期，我想聊聊我理解的 Token 经济学。 * 00:00 开场：为什么很多老板还没真正想明白 Token 经济学 * 00:07 反常识判断：如果你还把 Token 主要看成成本，可能已经落后了 * 00:19 Token 的本质：不是买调用次数，而是在买智能、速度、试错空间和结果 * 00:39 第一个例子：过去 10 人 6 个月的软件项目，今天为什么可能几天就能验证市场 * 01:13 关键判断：Token 不能单独看，要放在人力、时间和市场窗口里一起看 * 01:39 第二个例子：会用 AI 的“半摸鱼员工”，为什么可能比埋头苦干的人更高效 * 02:23 一个残酷变化：努力干活，正在输给聪明干活 * 02:45 企业家认知升级：为什么早期不要一上来就限制 Token 使用 * 03:29 Token 经济学带来的三类新商业模式 * 05:14 总结：Token 为什么会成为下一代企业管理方式和商业模式的入口

AI时代，智能体越来越强，但风险也越来越隐蔽。杨总分享了一个真实案例：让AI去做市场调研，它竟然自己登上小红书、索要验证码——你根本没意识到已经开放了多少权限。 这期聊了三件事：AI安全边界在哪、打工人怎么不被淘汰、焦虑了怎么办。 杨总的判断：程序代码每7个月贬值10倍，信息处理类工作面临被AI agent大规模替代——这次不像马车夫时代"被替代的人少"，这回面很广。但他也给出了解法：别做工具人，要升维；OPC时代，一个人配上AI可以干一支团队的活；AI就像正在进入青春期的孩子，麻烦归麻烦，但陪它一起成长才是正解。 🏷️ 标签 #AI时代 #AI安全 #AI Agent #龙虾 #OPC一人公司 #程序员 #职场 #打工人 #AI焦虑 #数字员工 #创业 #职业发展 #科技趋势 00:00:36🔐 "基本上就相当于一个特洛伊木马" 00:01:41😱 AI自己要验证码："把验证码给我"——它已经把你手机号填进去了 00:02:18💳 "今后我可能要单独给它办一张信用卡，就这点额度" 00:03:14🚌 "你如果是乘客，你焦虑啥？大部分人不都是乘客吗" 00:04:00🔄 "传统软件被AI吃掉之前，大部分AI公司，会被新的AI公司先吃掉" 00:04:35⚡ "原来AI迭代是以月为单位，现在恨不得以天为单位" 00:06:01📉 "程序代码这件事情，每7个月贬值10倍" 00:06:12🧠 Ray Dalio同款判断："AI到来后，首先让智力工作大幅贬值" 00:08:08⚠️ "你不要做工具人"——大厂工具人正在被workflow替代00:08:33🔑 "去掉自己的工具人思维，你绝对不能做工具人" 00:08:44📊 杨总亲历：人少20%，但多干了好几件活，产品线从2条扩到3条 00:09:33🌙 员工凌晨1点半搓出skill上线："杨总，已经装进龙虾了，你明天去演示吧" 00:10:54🌀 "这可能是我们未来的常态——量子态，有时想明白，有时又想不明白" 00:12:41👶 AI就像青春期的孩子：能干点事了，但又干不好，你啥事都得操心 00:13:11❤️ "陪伴一个青春期的孩子，共同成长"