Fragments 0x000B

见了好久没见的彬斌，还从他这儿知道了一些同学的近况。

巧了，差不多正好是 20 年前的这个月从学校毕业。

那时候没有微信，很多人毕业后就失联了。

更巧的是，今天彬斌介绍的浙大老师，聊起来原来当年就住我隔壁的寝室。

于是在小乐惠吃了顿饭，再去现在每个房间都有空调的寝室楼下晃了一圈。

我们那会儿连个独立卫生间都没有，公共浴室远在清真食堂旁边，去一次挺麻烦。踢了球我都是在楼里的洗漱间冲个冷水澡完事：现在想想，杭州冬天那些下雪的日子，如果没有牛健，我是绝对干不出去冲凉的壮举的。

老师说现在寝室条件好了，学生很多时候都待在里面，早上实验室基本没啥人。

他有点焦虑地说，可能再过两三年，社会运转的逻辑发生很大的变化。很多学生却好像还没有发觉，替他们捏把汗。

「AI 变得非常厉害，后面可能就只剩下一头一尾的工作。头上的工作就那么多，尾巴上的工作，说不定浙大的学生和别的学校的学生比，还没有优势：人家的预期和成本都低很多，干得踏踏实实。」

他带的学生不少，博士都两位数。

我想到的是，再过两三年，高校的逻辑会不会也不一样了？这两年去高校，最大的感觉就是老师们普遍同意，如果只是传递知识的话，没有谁可以干过大模型。

在飞机上正好看到 Boris Cherny 讲他处理问题的框架：

他说自己在管理中最常看到的问题就是一些人 3、4、5 特别是 3、4 两步做得不好。

的确，不管是读书、做产品还是做业务，面对开放性的复杂问题，往往要在 3 到 5 步反复循环，通过在这个过程中不断获得新的信息，更新先验的认知，最终解决问题。

段位还没到的同学往往没法做好问题和目标的定义，解决方案方面贡献也会比较有限。所以不论是好的导师还是好的管理者，有个重要的工作就是提高 3、4、5 的清晰度。如果这部分质量比较高，下面的同学们就会专注在「有效的」执行上，带回来的信息质量也比较高，同时，对他们来说最宝贵的是，他们会理解并掌握，这种波动着前进的过程是不可避免的也是健康的。

现实中，很多管理者在这部分是划水的，因为想清楚挺不容易而手里又有划水的权力。比如很多公司对问题的定义是不够具体的：上面的老板们只提「如何提高销量」或者「如何做好留存」这类宽泛的问题，下面的同学在执行中感受到很多的挫败感和混乱，带回的信息质量也很低，没法把问题往妥善解决的方向去推进。

所以我想，AI 时代，学生们真的要好好培养定义问题和定义目标的能力，去寻找值得花时间深入的「真问题」。而老师们在各自领域里经过多年的浸泡后，形成的想法，特别是关于什么问题值得去解决的想法，还是非常宝贵的。这有点类似于陶哲轩说的，和解题相比，提出数学问题可能是更珍贵的，用 AI 去狂轰乱炸有点涸泽而渔。

可能 AI 的能力越强，好的问题就越比好的答案宝贵。

小道一笔：梁圣现在已经和大道在信电系的楼里一起跟叶培建院士平起平坐了。当然，以他在 DeepSeek 的股份，上市之后多半是中国首富，平起平坐好像问题不大。

图 1. 院士、大道和梁圣

我想到的是，我还是不能放弃。说不定我是芒格呢，🙄。