高收入并不自动带来自由：消费升级可能迫使人继续劳动，形成难以退出的消费—劳动循环。本期提出三种金钱底层代码，把钱视为生命能量，从消费者切换到投资者，并检查匮乏心态如何影响每笔支出。

适合收入增长却仍感到被工作束缚，或正在重做个人财务决策的人；它帮助你从价格、所有权和零和游戏之外，重新评估消费的使用价值与潜在收益。

这期你会听到

• 消费—劳动循环为什么会让高薪人群也难以获得自由？

• 把金钱理解为生命能量，会怎样改变购买决定？

• 一笔消费来自真实渴望，还是来自身份绑架？

• 消费者与投资者分别如何看待使用价值、所有权和潜在收益？

• 怎样识别匮乏心态，并转向更开放的富足心态？

章节

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

请拿出近期消费记录或投资决定，复盘使用价值、机会成本与匮乏心态。

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。

Trae 产品负责人石扬把 AI 编程划分为不同阶段：重点不只是让模型在 IDE 里多写代码，而是把现有工具变成 AI 的插件，让开发者从执行转向 Review。对话也正面讨论后发产品如何借鉴、追赶并形成自己的产品判断。

适合 AI 编程产品经理、开发者和 Vibe Coder；它帮助你判断 Claude Code、IDE 与 Agent 式工作流分别处在哪个阶段，以及产品应优化生成速度还是 Review 体验。

这期你会听到

• 后发产品如何通过“命题作文”快速追赶，又在哪里形成自己的边界？

• AI 编程为何不应只被理解为在 IDE 中提高敲代码效率？

• Claude Code 为什么被视为模型能力的 Showcase 和过渡产品？

• 把工具 Build into AI，会怎样改变白领软件的交互方式？

• Vibe Coder 与专业程序员之间，真正难以跨越的能力差异是什么？

章节

本期嘉宾

石扬，Trae 产品负责人；本期分享 AI 编程产品的阶段判断、后发团队的产品策略，以及普通用户和专业开发者的不同需求。

相关内容

观看本期视频版

阅读本期文字稿

AI编程的先进实践和底层理解，进化推演，中国团队的优势与劣势，专业开发者和vibe coder的分界，AI编程接下来几年的核心问题，破除套壳论｜石扬访谈完整版_上：

https://youtu.be/ExLFkG1ny1s

加入Superlinear Academy免费社区

带来你用人工智能编程时的生成与审查案例，讨论工作流该优化速度还是可靠性。

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。

Aha 试图把缺数据、难匹配、难定价的达人营销，从依赖人工直觉的“玄学”变成可计算的流程。Kay 解释大语言模型如何结合搜广推框架完成创作者画像、排序和动态定价，以及为什么高质量数据和脏活反而构成护城河。

适合创始人、增长团队和达人营销负责人；它帮助你判断大语言模型适合自动化哪些环节，以及高质量数据、交易信任和执行工作能否形成真实壁垒。

这期你会听到

• 为什么过去的达人营销平台难以同时解决匹配、信任与定价？

• 大语言模型如何借用搜广推的画像、粗排和精排框架？

• Aha 怎样根据匹配度和效果预期进行动态定价？

• CPM 的改善与高质量数据之间是什么关系？

• 最苦最累的执行工作为什么可能成为难以复制的护城河？

章节

本期嘉宾

Kay，Aha 创始人；本期集中讨论 Aha 如何用大语言模型改造达人营销的匹配、定价与交易流程。

相关内容

观看本期视频版

阅读本期文字稿

AI如何解决达人营销难题？平台的定义，创始人的护城河，内容行业洞察，AI与领域的结合｜Aha Kay访谈完整版_下：

https://youtu.be/5fg-AGCzhPY

加入Superlinear Academy免费社区

把营销流程里的匹配难题或脏数据样本带来，拆解自动化边界与冷启动路径。

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。

Aha 创始人 Kay 从高中时期的项目探索，走到 Dora AI 市场负责人，再创办达人营销公司。她拆解了 SaaS 如何寻找中长尾博主、判断内容匹配度，以及年轻人在传统学业、创业热情和未知风险之间如何做选择。

适合正在做 SaaS 出海、达人营销或早期创业招聘的人，也适合考虑非传统成长路径的学生；这期帮助你判断渠道与产品是否匹配，以及何时值得承担创业风险。

这期你会听到

• 没有成熟工具时，怎样用关键词、内容受众和互动数据筛选中长尾博主？

• Kay 为什么在学生时期选择加入 Dora AI，而不是继续沿传统学业前进？

• 早期创业公司具备什么条件时，才敢让年轻人担任市场负责人？

• 创业公司需要的市场负责人，与大公司里经验丰富的营销管理者有何不同？

• Product Hunt、Reddit 等渠道为什么不能脱离客户类型机械套用？

章节

本期嘉宾

Kay，Aha 创始人；她曾在 Dora AI 负责市场，并持续探索 AI、SaaS 与达人营销的结合。

相关内容

观看本期视频版

阅读本期文字稿

辍学创业融资千万的00后，新时代的成长方式，认真做事的回报，达人营销的第一性原理思考｜Aha Kay访谈完整版_上：

https://youtu.be/A8XWmGsQVW8

加入Superlinear Academy免费社区

请带来达人渠道实验和用户反馈，讨论内容匹配、获客成本与创业风险。

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。

田渊栋从表征学习出发，解释神经网络为何会从记忆跃迁到泛化：Grokking 并非神秘时刻，而是数据分布、优化 landscape 与隐含偏好共同塑造出的结果。对话还追问 Scaling Law、Loss Function 和“优雅”在模型学习中的位置。

适合研究大语言模型、关注 Scaling Law，或正在使用 GPT-5 辅助科研的人；它帮助你判断继续扩大数据和算力，与打开黑箱研究表征机制，各自能解决什么问题。

这期你会听到

• Grokking 从记忆到泛化的变化，如何由数据分布和不同表征对应的“山峰”解释？

• 表征学习为什么同时容纳直观学习与抽象学习，而不必二选一？

• 当数据遇到瓶颈，理解模型内部机制能否替代单纯的 data augmentation？

• Loss Function 只是代理时，训练过程中的 implicit bias 如何偏向更简洁、优雅的解释？

• 人类研究员怎样向 GPT-5 注入关键 Insight，并持续识别它的错误与矛盾？

章节

本期嘉宾

田渊栋博士，本期围绕神经网络的 Grokking、表征学习、泛化机制，以及与 GPT-5 协作研究分享观点。

相关内容

观看本期视频版

阅读本期文字稿

田渊栋：模型的顿悟，AI的优雅，模型表征与人类心智模型的关系，优秀研究员的意义：

https://youtu.be/zAzsDHpR4xs

加入Superlinear Academy免费社区

拿出你的模型实验结果或研究疑问，讨论数据分布、优化过程与表征机制。

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。

在腾讯担任管理者期间，主播曾亲手裁掉 4 位同事。本期逐个复盘招聘失误、HC 缩减、降本增效和团队关系如何决定裁员，也说明为什么这些结果未必能被简单归结为个人能力或绩效问题。

适合正在经历裁员、担心职业风险，或需要做人员决策的管理者；它帮助你区分个人责任与组织变化，减少被裁后的自我否定。

这期你会听到

• 绩效问题为什么也可能源自公司把人放错了岗位？

• 从 Manager 转为 IC 的培养承诺，如何被 HC 缩减突然改写？

• 为什么优秀新人和外包同事在降本增效中也可能成为裁员对象？

• 管理者在裁员谈话中为何有真话不能说？

• 被裁之后，怎样接受情绪并重新安排下一步？

章节

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

若正经历裁员或人员调整，请带来具体案例，拆解个人责任与组织变化的边界。

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。

一位曾任微博 VP 的 AI 投资人，以自己将满 17 岁的儿子为案例：不只看成绩，也为他配置 10 个比特币，并把长期选择拆成天赋、资本与连接。本期讨论的不是一套标准答案，而是 AI 时代如何为下一代保留更多选择。

适合正在规划孩子教育、重新设计职业路径或思考 AI 对白领工作的影响的人，帮助你权衡天赋、资本、专业能力与超级连接者角色。

这期你会听到

• 发现天赋时，为什么持续观察比单纯追逐成绩更重要？

• 如何利用 YouTube 推荐算法和课外项目扩展孩子的兴趣？

• 给下一代配置比特币，背后是怎样的资本与选择权判断？

• 运气算法如何通过低成本的“顺手帮忙”增加连接机会？

• 为什么未来人才既需要专业基本盘，也需要超级连接者能力与网络效应？

章节

本期嘉宾

本期嘉宾曾任微博VP，现从事 AI投资；他结合互联网行业、早期投资与培养孩子的经历，讨论 AI 时代的教育、资本和职业选择。

相关内容

观看本期视频版

阅读本期文字稿

AI投资人，前微博VP：十四年内，雇佣制将灭绝，我们需要“资本游戏”的入场券｜Indigo：

https://youtu.be/bZE3LVBfykA

加入Superlinear Academy免费社区

把孩子教育或职业转型中的具体决定带来，讨论天赋、专业能力与连接如何取舍。

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。

Riley Shu 展示了七小时完成的冠军项目 Over Easy，并把多次 Hackathon 经历拆成创意、执行、团队、Networking 与心态五大原则。重点不是炫技，而是在极短时间内做出可演示、能被理解的完整作品。

适合准备参加 Hackathon 的学生、工程师和非技术成员，也适合通过 Build It With AI 式项目实践训练快速执行的人。

这期你会听到

• 一个 Hackathon 创意如何同时满足实用性与创新性？

• 为什么可运行的 Demo 通常比完整 Slides 更能说服评委？

• 2–3 人的团队应如何分工，非技术成员能贡献什么？

• Networking 怎样帮助团队理解评委与赞助商关心的问题？

• 未获奖之后，如何把失败转化为下一次比赛的判断依据？

章节

本期嘉宾

Riley Shu 曾在 YC、Cognition 等 Hackathon 中多次获奖，本期通过 Over Easy 演示和实战复盘，讲解从创意选择到团队协作的方法。

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

请拿出你的创意草图或演示半成品，讨论有限时间该怎样分配给执行与协作。

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。

面试、向上汇报和约会看似不同，却可能被同一种心理拖累：不断审视“我表现得怎么样”。本期用 Facebook 面试经历说明“无我”心态——把注意力从自我形象移到眼前的问题与对方需求。

适合在面试或向上汇报时容易紧张、过度准备或自我监控的人，帮助你判断注意力是否放错了位置。

这期你会听到

• “无我”为什么不是否定自己，而是暂时把自己移出等式？

• Facebook 面试经历如何说明专注解决问题能释放真实能力？

• 为什么懂得越多，反而可能在高压场景中过度审视自己？

• 向上汇报时，怎样从展示成绩转向解决老板关心的问题？

• 面试与约会为什么都会被刻意表现和自我监控破坏？

章节

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

带来近期面试或向上汇报的具体片段，复盘注意力怎样从自我表现转回问题。

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。

Riley 用 GPT Pro 接管重复分析和报表工作，把注意力转向 Deep Dive Analysis；在 Hacker House 与 Hackathon 中，她又从追求稳妥转向接受高失败率。两条经历共同指向 AI 时代更稀缺的 Agency 与 Taste。

适合刚进入产品或数据岗位、长期承担螺丝钉工作的人，帮助你判断哪些任务应交给 AI，以及如何主动寻找更有战略价值的工作。

这期你会听到

• GPT Pro 如何帮助 Riley 判断哪些工作值得投入？

• 怎样用 AI 自动化爬虫、报表和 Tableau 流程，把时间转向 Deep Dive Analysis？

• Hacker House 与 Hackathon 为什么能训练真实的失败承受力？

• 非技术性的营销尝试如何帮助人突破羞耻感？

• 当硬技能更容易被 AI 补齐时，Agency 与 Taste 为什么更重要？

章节

本期嘉宾

Riley 曾在 Fortnite Monetization 从事数据分析，本期分享她如何借助 AI 重塑工作内容，并通过 Hacker House 与 Hackathon 训练主动性、失败承受力和高价值判断。

相关内容

观看本期视频版

阅读本期文字稿

AI加持下，每天只工作四小时，获Andrej Karpathy认可？｜摆脱无意义工作、用AI拓宽能力边界、兼职创业体感、加分思维｜Riley：

https://youtu.be/VS8sPFZFvbs

加入Superlinear Academy免费社区

列出岗位里重复消耗时间的任务带来，讨论哪些可交给人工智能并腾出深度工作。

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。