UnDefined对话商业

蹭个热点，其实更直白地蹭是“从刚过会的长鑫存储和暴涨的SK海力士聊起”。 但内容确实是这个行业更底层、更本质的技术——材料研发。这次采访对我本身理解存储市场的火热也帮助很多。 一方面当越来越多行业开始被 AI 改写时，新材料研发依然停留在一个高度依赖经验、反复试错的阶段。一个新材料方向，可能试几年；关键经验装在少数工程师脑子里；真正值钱的配方与工艺，又天然高度封闭。 另一方面，过去，材料研发很少进入公众讨论，但随着 AI 算力竞争升级，它们开始被推到更前台。 能提供AI训练和推理所必需的HBM（高带宽存储）SK海力士，几乎成为 AI 浪潮最大的受益者之一，就是最典型的例子。 GPU是AI大模型的基础；但GPU的上限，越来越取决于HBM、先进封装与热管理系统；这些能力再往下拆，会回到材料。 所以，本次播客对话邀请了新研智材联创兼CTO南凯。 新研智材锚定的方足够本质——聚焦技术壁垒高、长期面临卡脖子风险的半导体先进封装材料，如CPO（共封装光学）关键光学粘接材料、GPU/HBM等高性能计算所需的导热界面材料，以及最前沿的光刻胶、前驱体等高壁垒电子化学品。 南凯告诉我，他们的能力有两个，一个是面向材料研发的 Agent，一个是自己下场做材料。 当然，他们刚刚融了数千万人民币，并且估计又涨了好几倍……可见AI材料的重要性。 分享了AI+材料领域创业的行业现状、业务路径、个人职业经历与创业选择，核心讨论了材料领域AI落地的难点、路径以及实际落地效果。 文字版：当一个30岁的物理博士创业做AI4S，他的尝试、等待和野心 | 对话新研智材CTO南凯 本期音频由视频版直接扒下来的，所以如果要看视频版：https://weixin.qq.com/sph/AuQZIMrlM https://www.youtube.com/watch?v=rUlVTYakYLM&t=1874s 00:01:49 同样是AI4S，AI+材料为什么不如AI+生物医药受关注 00:03:06 AI主导研发，工程师做辅助，同时可以把工程师积累的经验提取到AI体系中，反而能帮助企业更好地保护知识资产。 00:04:41 AI+材料行业的路径争议 当前行业没有达成共识的问题包括：短时间内不会出现类似AlphaFold的通用大模型，也没有确定先做平台还是先做垂直领域。新研智材的判断是：现阶段从算力、数据、行业发展来看，必须先打通垂直细分材料形成闭环，才能逐步拓展成平台。如果一上来就做通用平台，变量太多，公开数据不足，不同细分领域需求差异大，很难落地。生物医药行业的发展也验证了这个路径，头部玩家最后都聚焦到细分赛道。 00:07:02 公司业务与产品定义 00:07:50 借用自动驾驶分级概念划分了三个AI与人的配合模式 00:08:51 Synmat agent的工作流程，将1000次的实验降低到20次。 00:12:42 数据隐私信任问题的解决策略 00:16:34 废弃数据的利用与软硬件布局 00:17:55 学术界和工业界导向不同 00:19:22 新研智材的落地规避方案：聚焦，关注工业 00:22:04 AI能研发出材料，但人类无法解释其原理的情况，最终变成既具备解释性又不具备解释性的状态。 00:24:56 选择半导体材料作为切入点的原因 00:27:43 AI研发新材料的定义与传统模式对比 00:28:22 ※材料对算力发展的作用 00:31:04 创业公司资源有限，怎么做两个业务？公司团队由AI、材料、science三类背景的人员构成。 00:37:38 推动整个行业开放数据，新研智材这类初创商业化AI公司是最合适的定位 00:40:26 10天辞职回国创业的故事 00:41:11 AI对自身工作流的优化 00:42:13 博士阶段PRL论文研究经历 南凯博士阶段发表了两篇PRL论文，PRL是物理学顶刊，很多诺奖得主都在此发论文。 00:53:22 从材料研究转向AI创业的路径 00:57:37 AI可解释性的挑战 00:59:02 天大精仪实验班经历对现在的影响 01:05:45 个人长期目标 南凯提到，自己的目标是：5年后公司上市，10年后推动整个AI+材料行业发生大的变化，20年后让公司的AI技术影响更多领域，不仅仅局限在材料领域。 AI+材料领域的行业现状与落地难点 * 行业整体状态：AI+材料是刚起步的新兴行业，目前没有明确的行业定式与成熟商业逻辑，全行业都在摸索阶段。 * 材料企业对AI的接纳难点：材料行业是结果导向，材料企业的配方、工艺是核心护城河，对数据泄露的接受度为零，完全不接受SaaS云端部署，要求所有数据存储在本地服务器。 * 行业数据积累现状：材料领域公开数据源远少于生物医药领域，企业不愿意共享任何配方相关数据，失败的无效数据也被留在企业内部，无法被AI训练利用。 AI+材料行业的发展路径共识 * 不支持现阶段做通用平台：由于当前算力、数据、行业发展条件都不支持，材料领域变量多、需求分散，需要先打通垂直细分领域形成闭环，再逐步拓展成平台。 * AI落地的正确分工：提出以AI为研发主体，人类工程师做辅助的L3阶段分工，AI主导研发管线规划，工程师将实验数据返回给AI迭代，最终实现降本提速。 * 数据隐私问题的解决策略：采用本地部署或混合部署方式，提前做好合规认证，先做POC验证逐步获取信任，明确划分自身业务与客户业务边界，打消客户疑虑。 为什么选择半导体材料作为切入点 * 长远逻辑符合发展趋势：当前AI产业革命对芯片材料提出了更高要求，半导体材料领域有充足的市场需求和发展空间。 * 团队基因匹配：团队本身半导体相关的材料背景积累更深，更容易在垂直领域快速打通形成闭环。 * 场景扩展性好：半导体材料已经覆盖了有机、无机、复合材料三大类，为后续拓展其他材料领域打下了基础。 同时做AI工具和自研新材料的商业逻辑 * 两者本质是同一件事：AI agent是研发新材料的工具，自研新材料相当于用自身产品验证工具效果，给客户做示范。 * 分阶段推进符合初创公司需求：软件层面可以快速变现，解决初创公司活下去的问题；自研新材料可以打开公司成长天花板，目标是成长为AI主导的材料巨头。 * 不同阶段匹配不同业务：在公司规模较小时先聚焦做AI agent，当前具备能力后再衔接自研新材料业务，后续再逐步打通工厂和销售环节。 学术研究与工业落地的差异 * 核心导向不同：学术界偏向成果导向，追求技术突破；工业界偏向结果导向，要求解决实际问题。 * 学界成果的落地痛点：类似MetAI这类学界成果，只给出材料结构不提供合成落地指导，对工业界而言没有完整解决问题，因此引发争议。 * 新研智材的规避方式：聚焦垂直细分领域减少变量，团队有大量材料背景员工，更懂工业界实际需求，只做能落地产生实际价值的产品，不做技术先进但离应用遥远的研究。 非标玩家UnDefined是一档商业人物访谈播客，致力于让世界看到中国商业和科技力量，只影响1%的商业决策者。 欢迎有认知的商业决策者联系、合作~

硬件创业，在想不到的地方简单，在想不到的地方复杂。 这段时间，我在策划一个系列选题。 找了三位一直深耕科技行业的一线猎头，分别来自京津冀、长三角、珠三角。他们每天都在处理最真实的人才流动：谁在招人，谁在离开，什么岗位火热，什么人才失宠。 很多时候，我们是通过新闻、融资、产品来理解一个行业，但这些信息都有滞后，并且都带着各方的身份立场，很难真的真实客观中立。 所以，我想到了猎头，尤其是我采访的这几位过去陪伴现在的大厂成长、也在AI这波做的风生水起，他们是少数能同时看到三件事的人：公司在想什么、市场在变什么、人正在往哪里流。 所以我想通过这个系列来和各位听众一起探索： 在AI这波浪潮里，人才结构到底发生了什么变化。 本期《非标玩家UnDefined》，我们邀请到拥有 20 年 HR 与猎头经验、服务过上百家硬件与机器人创业公司的「大湾区猎头一姐」楠姐，聊聊她眼中的 AI 硬件创业真相： 为什么很多公司反而更喜欢“创业失败过的人”？ 大厂人什么时候出来创业最合适？为什么是 28 岁和 38 岁？ 深圳真的能几天做出一款 AI 眼镜？ 为什么有人说：“我敲钟那天，公司不会超过 50 人。” 联创为什么总在离开？什么时候该体面分手？ 今天最值钱的人才，到底是算法工程师，还是更懂用户的人？ 以及：怎么找到 “十年前的大疆”？ 如果你正在创业、考虑加入创业公司，或者想看懂 AI 硬件的人才迁徙，这期会很有启发。 * 文字版，我会在三期一起发布之后一起出一篇梳理行业的文章，发布在公众号。 嘉宾： 楠姐：跟人才和组织打了20年交道，也是一名创业者。服务过当下最红的几家硬件公司，陪伴他们从幼年成长，有太多案例和故事可以源源不断输出。视频号@大湾区猎头一姐，小宇宙@大湾区猎头一姐 主持： 与桐：人才流动是了解行业变化的重要渠道，所以我也建议每个身在职场的人都要跟几个猎头保持好关系。公众号@非标玩家UnDefined，YouTube@非标玩家UnDefined 时间轴 00:00 AI 硬件创业，为什么突然成了新风口？ 02:14 从“人跟着业务跑”到“人跟着 AI 跑” BAT 人才流动逻辑，彻底变了。 03:54 为什么很多公司更喜欢“创业失败的人”？ 06:10 00 后创业者，为什么反而更松弛？ 07:09 大厂人什么时候创业最合适？ 楠姐给出两个关键年龄：28 岁、38 岁 09:28 做一个 AI 硬件公司，团队到底该怎么搭？ 10:38 深圳硬件创业有多夸张？ “采访结束，你就能做出自己的 AI 眼镜。” 12:00 AI 时代，创业公司还需要那么多人吗？ “我敲钟时，公司不会超过 50 人。” 15:39 AI 硬件创业越来越像：硅谷脑子 + 深圳身体 17:05 一个基督教 AI 戒指，怎么卖到北美？ 20:09 品牌 vs 白牌：AI 硬件创业的两条路 22:06 什么样的创始人，一看就知道能成？ 云鲸、普渡早期故事。 29:25 创业公司最离谱的招人需求有多离谱？ 35:47 创业者最大的错觉：我想找个“蔡崇信” 问题是：你是马云吗？ 37:21 为什么创业者最容易被“大厂光环”骗？ 40:14 联创为什么总在离开？ 45:32 联创不合适了，怎么体面分手？ 53:04 AI 硬件创业，为什么最好扎在深圳？ 55:58 大疆和 Insta360，喜欢的人为什么完全不一样？ 59:53 今天的大厂光环，为什么从 BAT 变成了大疆？ 01:01:13 怎么找到“十年前的大疆”？ 01:06:35 应届生该去软件公司，还是硬件公司？ 01:10:46 AI 硬件最值钱的人才，可能不是工程师 01:13:55 AI 人才抢夺战到底有多夸张？ A 公司谈完，B 公司已经在门口等。 相关链接 05在硅谷做AI狗狗项圈：别把供应链当优势，别把众筹当市场？对话Traini创始人Arvinhttps://www.xiaoyuzhoufm.com/episode/69c0d1e33c625cc5aeae1d2c?s=eyJ1IjogIjY1OGE2N2U3ZWRjZTY3MTA0YTBhNDc4ZCJ9 （Arvin这期真的很好，分享比例和收听率都是最高的，想了解硬件创业的人一听要听这期） 11-猎头沈嘉揭秘：想拿到AI圈的350万年薪，先得知道AI人才趋势的变化https://www.xiaoyuzhoufm.com/episode/6a0448b11b7bd50295139b1f?s=eyJ1IjogIjY1OGE2N2U3ZWRjZTY3MTA0YTBhNDc4ZCJ9 （AI浪潮下的人才趋势的第一期） 非标玩家UnDefined是一档商业人物访谈播客，致力于让世界看到中国商业和科技力量，只影响1%的商业决策者。 欢迎有认知的商业决策者联系、合作~

当我听说了校招生拿到350万年薪，实习生也有4800一天的薪资时，谁不想当个AI牛马呢…… 本播客为「非标玩家UnDefined」AI人才系列首期。 我找了三位一直深耕科技行业的一线猎头，分别来自京津冀、长三角、珠三角。他们每天都在处理最真实的人才流动：谁在招人，谁在离开，什么岗位火热，什么人才失宠。 很多时候，我们是通过新闻、融资、产品来理解一个行业，但这些信息都有滞后，并且都带着各方的身份立场，很难真的真实客观中立。 所以，我想到了猎头，尤其是我采访的这几位过去陪伴现在的大厂成长、也在AI这波做的风生水起，他们是少数能同时看到三件事的人：公司在想什么、市场在变什么、人正在往哪里流。 所以我想通过这个系列来和各位听众一起探索： 在AI这波浪潮里，人才结构到底发生了什么变化。 这是第一期，我们从上海开始。 （粤港澳的下周发，京津冀的下下周发，请期待~） 这一期，我邀请从业20年的AI猎头沈嘉，围绕AI浪潮下的人才市场变化、岗位需求、求职创业建议展开深度讨论，覆盖从应届生到职场老人、从大厂到创业公司的多维度问题，分享了最新的行业观察与行动建议。 * 文字版，我会在三期一起发布之后一起出一篇梳理行业的文章，发布在公众号。 嘉宾： 沈嘉：21年猎头，上海人，曾经服务过某宇宙App工厂，某原来做海淘现在做内容社区的厂，六小龙里的几小龙，若干科技创业公司。小宇宙@HuntNEXT猎头早知道 主持： 与桐：人才流动是了解行业变化的重要渠道，所以我也建议每个身在职场的人都要跟几个猎头保持好关系。公众号@非标玩家UnDefined，YouTube@非标玩家UnDefined shownotes 22分钟到77分钟，是求职者/候选人/打工人视角 77分钟之后，是企业主/管理者/创业者视角 大家可拉动进度条，自取所需 00:00:03 开场与节目介绍 播客节目「非标玩家」推出AI人才系列选题，邀请三位分别来自京津冀、长三角、珠三角的一线科技猎头，从人才流动视角解读AI浪潮的行业变化。本期为第一期，邀请从业20年、从2022年锚定AI方向、已服务超过800家AI相关公司的猎头沈佳，分享上海地区的AI人才市场观察。 00:03:22 嘉宾自我介绍与业务范围 沈佳介绍个人背景：拥有3年技术相关工作经验，从事高科技招聘20年，2021年创业成立面向科技创业者的猎头公司，从数据和机器学习方向平滑转型到人工智能领域，已经和国内外创业社区、技术核心角色建立长期联系，目前服务的AI相关公司数量接近800到1000家。 00:04:26 印象深刻的AI创业者与人才观 沈佳分享了三位印象深刻的创业者：第一位是DeepSeek的梁文峰，其团队在上一代AI时代完成商业化迭代，在新的大模型浪潮中对人才、组织、产品的定义符合第一性原理，值得研发同学参考。第二位是陈天桥，从盛大到脑科学前沿研究再参与AI浪潮，代表了有前沿思考和强执行力的领导者类型。第三位是追觅创始人，能够在时代趋势下利用自身优势做好技术和产品。三位创业者的共性是坚持能力大于经验，更关注解决从未有人做过的新问题。 00:10:38 2026年猎头业务的变化 2026年猎头业务核心逻辑不变，依然是寻找关键核心人才，但核心人才的关注方向发生变化：2023年关注大模型基座，2026年关注Agent，需求范围从少数人扩展到更多人，但真正掌握Agent能力的依然是很小的群体，始终只招聘两类人：奥赛出身的天赋型选手、有大量实践经验的熟手。 00:12:01 2023-2026年AI人才市场年度总结 * 2023年：大模型浪潮起步，核心叙事是大模型基座创业，市场需求集中在有大模型开发经验的从业者。 * 2024年：多个大模型发布并推广免费使用，市场对基础设施infra的需求变得非常突出。 * 2025年：DeepSeek带动强化学习RL完成商业化验证，推理能力的提升加速了AI全民普及，市场对强化学习侧技术人才需求大幅增长。 * 2026年：Agent（养虾）成为主叙事，大厂和硬件云厂商推动全民Agent，需求覆盖云计算、容器、存储、记忆等多个领域，范围扩展到产品、运营、增长等非技术岗位。 00:17:13 2026年Agent领域热点人才分析 2026年年初以来，Agent领域两类人才价值快速上升：第一类是非技术背景但有大量Agent实践经验的用轮子实践者，第二类是提前搭建过多智能体框架的工程人员。当前行业需求全站化人才，产品经理需要会写代码，工程人员需要懂算法，提示词工程是基础能力，这类全站Agent工程师的价值上升速度比大基座算法工程师更快。这类人才主要被两类企业招聘：一类是大厂改造传统业务做内部提效，另一类是大厂创新业务和AI原生创业公司搭建新业务。 00:21:18 AI对工作替代的核心逻辑 沈佳提出核心观点：模型会吞噬整个数字世界，所有工作的形态都会发生变化，AI不会直接替代人，更擅长使用AI的人会替代不擅长使用AI的人，AI替代是渐进过程，会经历很长的硅碳共生阶段，不会在短时间内彻底颠覆。目前客服领域已经完成初步替代，只有高价值用户才能直接接入真人客服，真人一对一服务的价值会越来越高，和成衣与高定的关系类似。 00:25:19 开发团队会被AI替代吗？ 基础工程师做功能实现、bug修正的工作会最先被替代，需要大量协同的产品、运营岗位替代速度稍慢，但也在被替代过程中。同时产品经理也会长出新的能力，现在AI coding可以帮助产品经理快速生成产品demo，很多产品经理已经可以完成自闭环的全流程工作。两端的工作同时在被替代：数字领域的基础开发工作和物理世界的简单重复劳动，比如林场植保、矿山自动驾驶、仓储堆栈卸货等，最终都是被更会用AI的人替代。 00:29:29 中美AI产业发展的差异 中国产业的迭代速度远快于美国，核心原因是中国数字化渗透率更高，渗透速度更快，国内市场加外贸市场规模大，分工足够细，产业全链路闭环速度是美国的6倍到10倍以上，比如华强北的电子产业、重庆的摩托产业都是全站闭环，迭代速度远快于美国。哪怕大模型的核心突破最早出现在美国，中国AI应用的普及速度也会远快于美国。 00:35:11 工程师岗位的变化趋势 AI coding加速了全站工程师的普及，原来大厂分工精细只了解自己细分领域的工程师，会被上下左右全领域通透的工程师替代。工程师群体也在扩展能力边界，原来需要找产品、设计协同的工作，现在可以通过AI coding直接在数字世界完成，工程师的工作边界在扩展，同时也在被AI重构。初级边角料学徒工程师、大厂边缘业务的中年工程师（比如大龄P6、P7）受到的冲击最大，这类人群再就业难度较高，更多会转向数字化渗透率较低的传统产业寻找机会。 00:40:43 需求下降的岗位与应届生就业现状 现代服务业的基础技能岗位需求下降非常快，比如四大的基础审计岗，工作量被AI大幅压缩，岗位大幅减少。AI相关岗位总量相比前三年快速膨胀，但是竞争难度也同步快速上升，早期大模型公司招人难度低，现在哪怕普通岗位也很难通过简历筛选，头部大模型公司的HR每天处理海量简历，已经接近人力处理的边界。 00:46:00 当前火热的岗位与薪资水平 技术层面数据、算法、基础架构会持续火爆，应用层面产品、运营、增长需求非常大，覆盖投放、素材生产、监测分析全增长链路。2026届头部校招中，优秀同学可以拿到100万-200万现金年薪，最高可到350万-380万不含期权，核心岗位实习工资可达4500-4800元一天，头部薪资主要由大厂提供，创业公司相对较少，头部效应非常明显，现在候选人选择offer不仅看薪资，更关注团队和细分赛道的成长性。普通院校的年轻同学如果有较长的AI实践工龄，哪怕非技术岗位薪资差异也会拉的很大，学生没有负担，迭代速度比资深从业者更快，更容易拿到不错的薪资。 00:52:40 低薪高潜力的方向：情绪价值提供者 当前薪资不高但未来价值会很高的方向是情绪价值提供者，比如细分方言脱口秀、特定人群的情绪陪伴、女性向游戏剧情等，AI解决了物质生产效率问题后，人们会愿意为情绪价值付费，情绪价值目前很难定价，但未来价值会快速增长。 00:56:18 大厂 vs 创业公司：给求职者的建议 沈佳做猎头20年，不会主动给候选人做选择建议，只会分享分析框架和所有可能性，最终由候选人自己决定。从比例上看，创业项目跑出来的概率非常低，通常会劝阻大部分人加入创业，真正想创业的人会直接行动，不需要咨询猎头。S级人才要么去大厂核心部门，要么自己创业，A+级人才两条路都可以选，最终选择取决于个人的价值观。现在初创和大厂之间人才流动形成旋转门，创业者可以去大厂创新业务获取资源，大厂人才也可以出来创业，双向流动越来越频繁。 01:04:47 大厂光环还存在吗？ 大厂光环早就祛魅，大家不会神话大厂背景，只会理性判断价值。大厂光环只存在于明星业务团队，雇主买的是团队已经交过的学费和前置经验，大厂边缘业务的背景没有额外光环。AI native带来所有范式重构，市场更关注候选人的实际能力，不会单纯看厂牌，厂牌的溢价越来越少。 01:08:21 好机会的变化：顶尖人才 vs 普通人 显性的好机会越来越少，职场非共识的差异快速拉大，选择变多导致竞争变得更激烈，好机会的竞争强度比过去大很多。非共识的隐性好机会确定性其实更高，但需要候选人自己判断，普通人拿到显性好机会的概率越来越低。 01:12:47 非技术/大龄转AI来得及吗？ 任何时候转AI都来得及，核心取决于个人对自己下手的狠度，和年龄、原来的背景无关。文科生不需要焦虑，文科生原本就擅长人和人的对话，AI时代对话能力会成为核心能力，只要找懂技术的朋友补足技术短板就可以，核心是提升自己的迭代速度，跨界跨产业招聘现在非常多，行业区别没有想象中大，核心看个人的迭代速度能不能匹配业务需求。 01:17:33 创业公司看重的候选人特质 创业公司招人要求一直没变，都是既要也要：要求学校好、有大厂经验熟悉成熟体系、有创业经验懂0-1搭建、绩效好同时ego不能太高。现在候选人简历发生了明显变化，越来越多候选人会在简历上增加正职工作之外的个人项目，比如自己做的小产品、内容产出，越年轻这种情况越多，00后中占比约50%，这种方式能直观展示自驱能力，降低组织摩擦，更容易通过筛选，这种变化和区域无关，是年轻一代自我意识觉醒的体现。 01:26:07 创业公司怎么和大厂抢人 创业公司不需要和大厂拼现金，可以采用灵活雇佣模式，比如聘用兼职顾问满足需求，不需要全职招人。核心岗位招聘要长期跟进观察，不要仓促做决定，初次创业很容易招错核心岗位，因为旧经验不适合新业务，招聘错是大概率，需要谨慎决策。推荐试工一天的背调替代方式，试工提前谈好报酬，设置具体任务，当面协同完成，能直观判断候选人能力。 01:32:36 海内外公司招人风格差异 海外人才供给相对不足，大部分区域更明确区分工作和生活，非工作时间一般不沟通工作，文化上对职场边界、专业性、公平性要求更高，现在全球细分赛道人才跨区域流动的比例越来越高。想做全球产品的创业者，不需要一开始就建海外物理团队，核心是先搭建符合全球化协作的内部机制，适配不同地区的工作习惯，而不是单纯在海外开办公室招人。 01:38:11 国内不同城市人才差异 国内不同城市的人才差异核心源于产业集群的不同：北京海淀是AI核心聚集地，杭州有电商集群，武汉有汽车和半导体集群，成都有文创、游戏和航空产业，深圳有硬件制造集群。同时不同区域的文化差异也会影响产业发展逻辑，每个区域都会慢慢形成自己的产业定位，不同定位吸引不同特质的人才。 01:47:14 传统企业AI提效的判断 AI确实可以帮助企业实现用更少的人做更多的事，AI coding提升工程效率是最容易落地的方向，现在很多传统企业都在找专家探讨AI coding的提效空间。AI coding的发展速度非常快，未来18个月内，全球新产生的代码中95%-98%都会由AI生成，工程团队的工作形态和组织形态都会发生巨大变化，所有企业都必须面对这个必选题，只是时间早晚的问题。 takeaway AI对就业的整体影响判断 * AI替代规律：AI会按数字化渗透率顺序逐步替代工作，数字化程度越高的工作越先被替代，所有工作最终都会被改变形态。AI不会直接替代人，更擅长使用AI的人会替代不擅长使用AI的人。 * 硅碳共生阶段：AI替代不会是0-1的颠覆性革命，会经历很长的硅碳共生阶段，这个过程的长度和业务数字化渗透率、AI供给能力直接相关。 * 18个月AI代码预测：未来18个月内，全球新产生的代码中，95%-98%以上都会由AI coding驱动生成，总量会远超人工手写代码。 AI浪潮下历年人才需求变化 * 2023年人才需求：2023年AI浪潮初期，市场核心关注大模型基座人才，主要需求是有6B模型相关开发经验的算法从业者。 * 2024年人才需求：2024年模型落地推广阶段，因为模型尺寸变大，对基础设施infra的需求变得非常突出，覆盖训练和推理全链路。 * 2025年人才需求：2025年随着DeepSeek带动RL强化学习商业化验证，市场对强化学习侧技术人才的需求大幅增长。 * 2026年人才需求：2026年Agent（养虾）时代到来，需求覆盖云计算、容器、存储、记忆等全链条，范围从技术岗扩展到产品、运营、增长等非技术岗。 2026年Agent（养虾）热点人才类型 * 价值快速上升的两类人才：一类是非技术背景但有大量Agent实践经验的用轮子实践者，另一类是提前搭建过多智能体框架的工程人员（脚手架搭建者）。 * 全站化人才趋势：当前Agent领域需求全站化人才，产品经理需要会写代码，工程人员需要懂算法，提示词工程能力是基础要求，这类人才被称为全站Agent工程师。 * 招聘主体与方向：这类人才主要被两类企业招聘，一类是大厂对传统业务做AI提效改造，另一类是大厂创新业务和AI原生创业公司做新产品建设。 不同人群的就业冲击与机会 * 对工程师群体的影响：基础功能实现、bug修正类的初级工程师工作会最先被替代，只了解自己细分领域的大厂工程师也会被全领域通透的工程师替代，初级小白工、大厂边缘业务的中年工程师受到的冲击最大。 * 需求明显下降的岗位：现代服务业里依赖基础技能的岗位消失速度非常快，比如四大的基础审计岗，工作量被AI大幅压缩，岗位需求大幅减少。 * 应届生就业现状：AI相关岗位总量相比前三年快速膨胀，但竞争难度也同步快速上升，头部大厂核心岗位简历投递量已经超过HR处理边界。 * 当前头部校招薪资水平：2026届头部校招中，优秀同学拿到100万-200万现金年薪非常常见，最高可到350万-380万（不含股票期权），核心组实习工资可达4500-4800元/天。 差异化的岗位价值判断 * 持续火爆的岗位方向：数据、算法、基础架构这类技术核心岗位会持续火爆，同时Agent应用方向的产品、运营、增长等岗位需求也非常大，覆盖从投放、素材生产到数据分析的全增长链路。 * 低薪高潜力的方向判断：当前薪资不高但未来价值会很高的方向是情绪价值提供者，这类岗位针对特定人群提供情绪共鸣，目前很难定价，但随着物质生产效率提升，人们对情绪价值的付费意愿会快速增长。 求职者选择建议：大厂 vs 创业公司 * 猎头分享的原则：猎头不会主动给候选人做选择建议，只会分享分析框架和所有可能性，最终由候选人自己做决定。 * 创业成功概率判断：从比例上看，创业项目能跑出来的概率非常低，猎头通常会劝阻大部分人主动加入创业，真正决心创业的人会直接行动，不需要找猎头咨询。 * 当前人才流动趋势：初创团队和大厂之间的人才流动已经形成旋转门，不是对立关系，创业者可以去大厂的创新业务获取资源，大厂人才也可以出来创业，双向流动越来越频繁。 AI转型的可行性与路径 * 转型时间判断：任何时候转AI方向都来得及，核心取决于个人对自己下手的狠度，和原来的背景、年龄无关。 * 非技术背景转型机会：非技术、文科背景的人不需要焦虑，文科生原本就擅长人和人的对话，AI时代对话能力会成为核心能力，只要找懂技术的朋友补足技术短板即可，核心是提升自己的迭代速度。 创业公司招人相关建议 * 创业公司看重的候选人特质：创业公司始终要求候选人既有大厂经验熟悉成熟体系，又有创业经验懂0-1搭建，要求候选人学校好、绩效高，同时ego不能太高。 * 00后简历新趋势：现在越来越多00后候选人会在简历上增加正职工作之外的个人项目，比如自己做的小产品、内容产出、开源贡献等，越年轻的候选人这种情况越多，00后中占比约50%，这种方式能更好展示自驱能力，降低组织摩擦，更容易通过筛选。 * 创业公司抢人策略：创业公司不用和大厂拼现金，可以采用灵活雇佣模式，比如聘用兼职顾问，同时要长期跟进候选人，核心岗位招聘需要长期观察，不要仓促做决定，建议采用试工一天的替代背调方式，试工提前谈好报酬，能更直观判断候选人能力。 不同区域人才与招人差异 * 中美产业迭代速度差异：中国产业的迭代速度远快于美国，优势在于数字化渗透率高、渗透速度快，市场规模大，分工细，全链路闭环速度是美国的6倍-10倍以上，AI应用普及速度会远快于美国。 * 海外公司招人风格差异：海外人才供给相对不足，大部分区域更明确区分工作和生活，晚上非工作时间一般不沟通工作，文化上对职场边界、专业性、公平性的要求更高，当前全球范围内细分赛道人才跨区域流动的比例越来越高。 * 国内不同城市人才差异：国内不同城市的人才差异核心源于产业集群的不同，北京海淀是AI产业核心聚集地，杭州有电商集群，武汉有汽车和半导体集群，成都有文创、游戏和航空产业，深圳有硬件制造集群，同时不同区域的文化差异也会影响产业发展逻辑。 传统企业AI落地相关判断 * 减人提效的结论：AI确实可以帮助传统企业实现用更少的人做更多的事，AI coding提升工程团队效率是最容易落地的方向，所有规模的企业都必须面对这个必选题，只是时间早晚的问题。 非标玩家UnDefined是一档商业人物访谈播客，致力于让世界看到中国商业和科技力量，只影响1%的商业决策者。 欢迎有认知的商业决策者联系、合作~

大家一起来查查哪家大模型公司的领英粉丝最多~ 老友不闲聊来了！ 我和非标玩家合伙人雨洁，一起去跟我们的老朋友徐作彪聊了聊AI设计、软件出海、Linkedin生态的问题。 徐作彪本硕毕业于清华，在2021年创立了AI设计软件Nolibox，在国内积累了大量tob的大客户。他很快发现，如果在国内做 AI 标品软件，又没有 10 亿级融资，大概率是死路一条。 在2024年他们开始C端设计工具出海，最开始是产品定位是青少年，跑了几年后发现欧美老钱才是他们的客户。 在2025年，为了更好地做出海，徐作彪两次飞往硅谷，共呆了50天，他发现了一个机会：出海绕不过LinkedIn，因为LinkedIn在硅谷是一个创业者的数字名片，空白的LinkedIn会让人觉得不可被信任。 所以他开始做 Dynal，一个帮创业者、公司高管、出海团队生成 LinkedIn 内容、经营个人品牌的 AI 工具。 这一期我们聊了很多实操内容，包括一个本土创业者怎么在硅谷找到机会，一个工具在producthunt上怎么打榜，LinkedIn在硅谷到底意味着什么，为什么只做国内市场的工具就是死路一条。 这一期适合： * 正在做 AI 产品的人 * 想出海的创业者 * 对 LinkedIn / Twitter 运营感兴趣的人 * 想理解 AI 工具创业真实难度的人 * 对“为什么中国 AI 工具卷不过大厂”感兴趣的人 嘉宾： 徐作彪：AI设计工具Nolibox和LinkedIn内容生成工具Dynal.AI的创始人，贵价钢笔持有者。日聊Claude800次，不辞长作岭南人。Linkedin@Alex Xu 刘雨洁：非标玩家UnDefined的梅林和莫甘娜，网球博主，主业品牌管理，曾经的ProductHunt日活用户。Linkedin@Lorraine Liu 王与桐：接话很快是ADHD的初始设置，更新很慢是因为我在深度思考。公众号@非标玩家UnDefined，YouTube@非标玩家UnDefined，LinkedIn我还没开始更新抱一丝。 节目中提到的照片：徐作彪在两次到达硅谷住的同一间房间，左边是第一次想到可以做LinkedIn生成内容产品写下的idea，右边是带着已经做好的产品回到故地。（日子好起来了，从白开水变成了红酒） shownotes： 03:27 中国 AI 工具出海，为什么可能有 50~100 倍机会？ 06:36 2021 年做 AI 设计时，所有投资人都觉得这是伪需求 12:32 在国内，融资 10 亿人民币以下做标品 AI 工具，基本是“大厂的棋子”。 20:41 硅谷 50 天体感：当对方 LinkedIn 履历丰富且专业，而你只有寥寥几句时，你就像个“假人”。 26:03 “如果 LinkedIn 没做好，你可能都不算真正进入出海圈” 36:19 玩法总结：出海人如何立人设？频率、信息源、文风的一致性是核心。 42:16 Dynal 怎么帮用户建立自己的“Brand DNA” 44:45 差异化竞争：不做 All-in-one，只做垂直领域的 Top 1 53:18 定价心理学：为什么 Dynal 卖 40-60 美金一个月，老外反而更愿意买贵的？ 56:14 海外用户到底敏不敏感？AI SaaS 要不要打价格战？ 01:01:12 为什么“国内开发 + 海外品牌”可能是最强 AI 出海组合 01:03:21 怎么在 Product Hunt 打榜，实操经验分享 01:12:18 认知修正：AI 时代产品是“廉价”的，知名度和增长才是“稀缺资源”。不要轻信“靠产品自增长”的神话。 01:16:34 吐槽正确的废话：别再问我什么是“真需求”和“PMF”了。只要是一个理性人感知的痛点，就是真需求。 01:26:02 一天上线多个 AI 产品的人，到底是怎么思考的 01:32:42 在硅谷融资，最有用的东西其实是“熟人引荐” 01:34:52 赛博监工：给 AI 设定特定的提示音，听声音就知道它任务跑完没。 01:38:07 认知偏差：我们以为用户是年轻人，结果付费主力是 50 岁以上要办正式派对的美国精英。 关于出海的其他播客： https://www.xiaoyuzhoufm.com/episode/69c0d1e33c625cc5aeae1d2c 05在硅谷做AI狗狗项圈：别把供应链当优势，别把众筹当市场？对话Traini创始人Arvin 关于AI生成的其他播客： https://www.xiaoyuzhoufm.com/episode/69b123769b893f69c72c51f4 03当AI生成一切，人类只剩下审美，和FansAI David 聊硅谷工作、回国创业和开放世界 https://www.xiaoyuzhoufm.com/episode/699d73bfde29766da95cf3bd 01-98年准博士，1人0投放，做出几万月收的AI教育产品