Y11
4个月前
多数人缺乏系统教育,大学教育又过于狭窄。如何通过自学系统性地提高自己的认知? 答案简单却深刻:自学的核心是阅读经典。 但阅读并非盲目堆砌数量,而是要像“投资”一样筛选优质信息——分析其价值,判断是否值得纳入思维模型。 大多数人阅读是为了“获取事实”,但真正的智慧需要“理解”。 比如读一份投资报告,若仅记住数据却无法拆解逻辑,便只是完成了信息编录; 唯有追问“数据背后的原理”“作者观点的前提”,才能将知识转化为洞见。 圣约翰学院的学生通过“伟大著作阅读计划”证明:精读原著而非二手解读,是培养独立思考的最佳路径。 二、阅读的四个核心问题:从“浏览”到“共鸣” 伟大的阅读者始终带着四个问题审视书籍: 1. 整本书讲了什么? (快速浏览前言、目录、索引,判断主题与框架) 2. 细节如何支撑观点? (通读时聚焦核心论证,标记关键逻辑链) 3. 内容是否真实? (验证数据、证据来源,区分事实与主观观点) 4. 作者的目的是什么? (分析其立场、隐含假设,思考“这对我有何意义”) 这一方法适用于所有读物。对非虚构类(如哲学、科学、投资),需拆解原理、验证逻辑;对文学类(小说、诗歌),则需感受人物命运与人性洞察——正如多蒂(投资总监)所言,文学能让我们“与书中人物同呼吸,从他人的经历中学会敬畏与共情”。 三、从经典到侦探小说:阅读的多元价值 经典著作:如《金融家》《战争与和平》,传递对人性与社会的深刻思考,为投资提供“反脆弱”视角; 侦探小说:如福尔摩斯、布朗神父,展现“从细节推理真相”的思维模式,与分析师“从数据还原企业本质”的逻辑相通。 圣约翰学院的毕业生(如投资委员会负责人博林)强调:经典阅读培养的“拆解论点”能力,与基金经理筛选核心逻辑的工作高度重合。而侦探小说带来的“逻辑闭环”体验,能训练“从线索重构真相”的直觉。 四、如何开始:以“慢读”替代“快餐式吸收” 选对书:优先读经典(如《如何阅读一本书》《物种起源》),或行业标杆(如《聪明的投资者》); 做笔记:用自己的语言总结核心观点,比对不同作者的立场; 联系现实:读《傲慢与偏见》时联想市场情绪的非理性,读《人类简史》时思考技术变革的本质。 “阅读不会直接给你财富,但会让你成为‘不可替代的思考者’。”唯有当你能从文字中提炼普世原理,并内化为思维格栅,才能在投资与人生中真正“洞见本质”。
Y11
4个月前
在加州大学洛杉矶分校的实验室里,洪哲教授和他的团队用0.75秒的时间,观察到了两个意想不到的“合作者”——两只小鼠和两个AI智能体。 当研究人员设置任务:只有同时将鼻子伸进同一洞口才能获得奖励时,小鼠们开始自发地互相碰鼻子,仿佛在确认“准备好了”; 而AI智能体在训练后,也发展出了类似的“等待-互动”策略。 这一幕揭示了一个值得深思的问题:合作行为,究竟是生物独有的智慧,还是智能体的普遍能力? 从生物到AI:合作行为的“神经密码” 在小鼠实验中,研究团队发现前扣带皮层(ACC)是合作的关键。 这个大脑区域就像“协调官”,当小鼠等待对方时,ACC神经元会变得活跃; 一旦活动被抑制,小鼠的合作效率会骤降,原本0.3秒就能完成的动作,变得笨拙而耗时。 这说明,生物的合作不仅依赖行为策略,更有明确的神经机制在调控。 更有趣的是,研究团队将目光转向了AI。 他们开发了两个基于循环神经网络的智能体,让它们在模拟环境中协作完成任务。 经过训练,AI智能体也逐渐学会了“碰鼻子”般的信号传递,甚至其内部神经元的活动规律,也与小鼠的ACC表现出高度相似性。 这印证了一个猜想:生物与AI的合作行为,可能共享着相似的“神经密码”——通过特定脑区或网络的活动,协调个体目标与集体收益。 为什么要研究“合作的共性”? 合作,是社会的基石。从人类分工到公司协作,从生态共生到国家联盟,合作能力决定了系统的效率与韧性。 而AI要实现更复杂的任务——比如自动驾驶车队协同、医疗AI多模态诊断——也离不开“合作智能体”。 洪哲教授的研究,正是在寻找这种底层规律:如果知道生物如何通过神经机制驱动合作,或许就能为AI设计更鲁棒的协作算法。 更深层的意义在于,这种跨物种的比较,让我们重新理解“智能”的本质。 过去,我们常将AI视为“模仿生物”的工具; 而现在,研究发现生物与AI在合作行为中展现出惊人的相似性,甚至部分神经机制可以互通。 这意味着,未来的AI不仅能“像人一样思考”,更能“像生物一样协作”,而生物学的智慧,可能成为AI突破的关键。 从“知其然”到“知其所以然” 这项研究耗时四年,期间曾遇到过挫折——最初将任务时间设为3秒时,小鼠会“投机取巧”,完全不需要合作就能拿到奖励。 直到调整为0.75秒的限时任务,它们才被迫发展出真正的协作策略。这像极了AI的训练过程:只有在“压力”下,智能体才会进化出更优的行为模式。 如今,研究团队正在探索前扣带皮层如何接收、传递信息,以及不同脑区如何协同调控合作。 他们希望通过解开这个“神经密码”,为AI设计出更接近生物的协作系统——既能像小鼠一样灵活适应环境,又能像人类一样理解“共赢”的意义。 写在最后 当AI开始学习“碰鼻子”的信号,当生物神经机制被用来优化多智能体算法,我们看到的不仅是技术的突破,更是对“智能”本质的重新定义。合作,或许不是生物独有的天赋,而是智能系统从简单到复杂的必然选择。而科学家的工作,就是找到这条路上最底层的规律,让未来的AI与人类,真正实现“1+1>2”的协作。
Y11
4个月前
各位同学,现在我们来聊聊就业这件事。2025届毕业生有1222万,这个数字本身就说明了竞争的激烈程度。 数据显示,今年秋招的求职竞争指数是99,意味着平均99个人抢一个岗位,比去年更紧张了。 不过,也有一些行业在升温,比如人工智能、高端制造,招聘需求很旺盛。 一些服务行业,像运动健身、家政维修,岗位需求也在上升,人工智能工程师尤其热门。 这届年轻人常说“躺平”,但又在拼命卷大厂、考公,他们到底想要什么? 其实这并不矛盾。 在社会转型期,年轻人面临着经济放缓带来的不确定性,他们在求职时会考虑双重保障: 大厂的高薪能抗风险,国企的稳定能减少焦虑。 同时,“躺平”更像是一种情绪出口,帮他们缓解失败的压力。 这背后,是他们在传统成功路径和新时代价值观之间寻找平衡点。 为什么会出现“有人没活干,有活没人干”的情况? 比如计算机专业学生找工作难,AI公司却招不到人。这主要是就业结构的问题。 新兴行业发展太快,需要大量高端、复合型人才,但高校培养周期长,专业设置跟不上市场变化。不过好在国家和高校都在调整,通过校企合作等方式,让人才培养更贴近市场需求。 2025年AI技术爆发,催生出不少新职业。 比如人工智能讲师,招聘增长112.4%,月薪超1.5万; 数据标注员需求增长55.7%,是训练AI模型的基础岗位; 算法工程师增长44.3%,月薪过万。 这些岗位前景好、薪资高,但都需要一定专业技能。 企业招人,更看重沟通能力还是创新能力? 其实都重要,现在更需要复合型人才。 不同岗位侧重点不同:产品经理创新能力权重超50%,但沟通能力也不能少;技术研发岗创新能力占60%-70%;运营管理岗对沟通能力要求高,占50%-60%。 新兴赛道人才缺口大,比如数字人才缺口2500-3000万,无人机岗位需求也很大。这些行业确实发展快,但传统行业也有新机会。随着老龄化加剧,银发经济、养老服务的人才需求会越来越大,相关专业值得关注。 一线城市和三四线城市,哪里更适合就业? 最近人才流动趋势在变化,二三线城市有政策优惠,家乡发展机会也增多,越来越多学生选择去新一线城市,甚至回到三四线城市。 数据显示,三线城市毕业生在本地工作的比例从76%升到79.2%,四线、五线城市也在提升。追求生活舒适度、想离家近,三四线城市其实是不错的选择。 给毕业生的建议是:先找准兴趣和职业定位,多参加实习、社团活动,在实践中明确方向。简历要针对岗位需求,突出优势。同时要保持终身学习,关注行业动态和政策,让自己成为复合型人才。 就业是人生的重要一步,希望这些分享能帮到大家。祝大家都能找到适合自己的舞台。
Y11
4个月前
在投资领域,超额收益的本质是认知能力的变现。 无论是价值投资还是量化策略,卓越基金经理的核心竞争力,都可以归结为一套从“深度认知”到“精准执行”的完整体系。 这一体系既需要对市场规律的深刻理解,更依赖方法论的持续迭代。以下六大维度,或许能为我们揭示其中的关键: 一、认知突破:在共识之外找机会 市场的有效性是动态的,当大部分人形成一致预期时,往往隐藏着被忽视的机会。 优秀的基金经理擅长用“逆向思维”打破思维定式。 比如2008年金融危机前,有人看到次贷市场的繁荣,而保尔森却通过拆解底层资产的现金流,发现银行对违约风险的低估,最终通过做空获利。 这种能力的核心在于:穿透表象看本质——不依赖评级机构的结论,而是从资产本身的逻辑出发; 反脆弱思维——在市场狂热时寻找尾部风险; 长期视角——愿意承受短期波动,等待价值回归。 实证数据显示,当市场情绪指标进入极端区间(如低估值、高融资余额)时,逆向策略的胜率显著提升。 二、信息处理:从数据中提炼“非对称价值” 信息的价值不在于“有没有”,而在于“怎么用”。 普通投资者纠结于“有没有内幕消息”,而卓越基金经理更擅长对公开信息进行深度加工。 比如: - 传统信息的挖掘:有人只看财报的“研发费用绝对值”,而优秀基金经理会计算“研发资本化率”,判断技术转化能力; 有人跟踪白酒销量,而聪明的投资者会通过“商超库存周转天数”预判行业拐点。 - 非结构化数据的创新应用:通过卫星图像判断港口集装箱量,用文本分析扒开上市公司公告中的“信心指数”,这些看似小众的方法,却能让信息利用效率实现降维打击。 中国社科院的研究表明,基金的超额收益更多来自对公开信息的“加工能力”,而非私有信息。 三、策略迭代:让因子“活起来” 无论是量化还是主观策略,“一招鲜吃遍天”的时代早已过去。卓越基金经理的策略体系,本质是“动态进化”的: - 经典因子的升级:价值因子不再是静态的PE/PB,而是结合“预期差”(如EVE/EBITDA与增长率的比值);动量因子会根据市场环境切换——趋势市用短期动量,震荡市用中期反转。 - 新兴因子的布局:ESG因子已从“加分项”变为“必需品”,数据显示ESG评分高的公司长期ROE比低的高3.2个百分点; 产业链分析则通过“关键设备国产化率”等指标,提前锁定细分龙头。这种“新陈代谢”的能力,让策略始终保持对市场的适应性。 四、执行落地:把策略变成“确定性收益” 再好的逻辑,若执行不到位,也可能“纸上谈兵”。 卓越基金经理的交易体系,核心是“精细化运营”: - 微观执行优化:大额订单用算法拆分(如VWAP降低冲击成本),高频交易用TWAP控制时点;通过Level-2数据预判主力动向,优化买卖时机。 - 风险动态管理:单行业持仓不超过20%,个股不超过5%,避免“黑天鹅”冲击;市场波动加大时,用期权对冲Beta风险。某量化私募通过优化执行,将冲击成本从0.8%降至0.3%,相当于为组合多贡献0.5%的收益。 五、能力圈:在“专精”与“跨界”间找平衡 投资的“护城河”往往来自“T型结构”的能力圈——垂直领域有产业级深度,跨领域能迁移方法论。比如: - 垂直深度:医药基金经理跟踪临床试验进度、CRO订单量,预判创新药上市节奏; - 跨界广度:用物理学“熵增原理”分析企业管理效率,用社会学“社群理论”理解消费品牌的用户粘性。研究发现,能力圈覆盖行业超过15个时,超额收益会下降,而聚焦3-5个领域的基金,往往更能抓住结构性机会。 六、体系化:从“个人英雄”到“团队作战” 顶级机构的超额收益,越来越依赖“体系而非个人”。贝莱德、桥水等机构的核心竞争力,在于: - 数据中台:整合宏观、产业链、上市公司的多维数据库,AI助手自动处理研报、财务数据,让研究员从基础工作中解放; - 流程协同:“金字塔式”研究架构(基层验证数据→中层推演逻辑→高层决策策略),避免单一视角局限;跨行业“主题小组”(如新能源小组由电力、化工、汽车研究员共同组成),让投资更立体。 结语:超额收益的本质是认知的“持续进化” 无论是孙蒙管理的中证500增强基金,还是姜诚聚焦传统行业的稳健投资,本质都是将认知转化为收益的过程。 这需要三点支撑:深度认知(看透事物本质)、广度认知(知识跨界连接)、迭代认知(持续更新体系)。未来的投资,将更依赖“数据驱动的认知升级”与“人性洞察的深度结合”——这既是基金经理的挑战,也是资产管理行业从“经验驱动”走向“科学驱动”的必然方向。
Y11
4个月前
在小红书上,不少人会被类似“00后男友香腌入味”“200元搞定未来婆婆礼物”的标题吸引,点进去后发现是产品种草帖,再看评论区“好特别”“很出片”的引导,不知不觉就下单了。 这背后,是一群被称为“郑州帮”的小红书运营者,他们靠批量生产“木马笔记”,用低投入获取“免费流量”,甚至让不少河南年轻人想应聘这份工作。 “郑州帮”的核心是一套成熟的“流量方法论”。 他们的培训课件里,标题要“数字+利益点”“痛点+解决方案”,比如“和我一样头发油的人在哪里”; 内容要结合“5W+1H”,像秋季、户外、打工人、防晒霜这些元素组合,容易被算法推荐; 照片则要好看、高清、像人拍的。靠着这套“行活”,哪怕是汽车维修专业的人,也能写出符合要求的笔记。 他们的“生产线”效率极高。 在郑州,很多新媒体运营人员每天能写五六篇笔记,还有人负责评论区互动,用“蚂蚁雄兵”的方式覆盖流量。 赵照的公司就曾用这种方法,让一款49元的博物馆文创干发帽一个月卖了4900多单。 这些运营人员大多是河南的年轻毕业生,月薪3500元左右,虽然基础工资不高,但有提成,让他们觉得“比考公考研更有奔头”。 不过,这种模式也引发争议。平台认为他们搞虚假营销,而“郑州帮”则觉得自己是帮白牌商家打开销路。郑州大学王茜副教授指出,这本质上是人与算法的角力——算法推荐机制让“郑州帮”的笔记更容易被看到,而人们对“大家都在用”的信任,又让产品更容易被接受。这种现象在互联网中并不少见,比如有人为了避免“杀熟”发机票降价笔记,有人为偶像刷话题,都是在利用算法规则。 如今,“郑州帮”的模式被更多人了解,甚至带动了河南相关培训和招聘的热度。但这种“靠内容吸引流量”的方式,也让一些人担忧社区生态。未来,随着平台治理加强,“郑州帮”或许需要调整策略,但它所展现的“用精准内容抓住用户心理”的思路,可能会成为更多中小商家的选择。对于像琪月这样的年轻人来说,这可能是一条在现实压力下的生存路径,只是如何在流量与真实之间找到平衡,仍是个值得思考的问题。
Y11
4个月前
真正的掌舵者从不会等待别人递来救生圈。马云和张一鸣这样的行业领袖,他们的故事里从没有"救世主"的角色。 每当站在关键的转折点,他们看到的不是风口或机遇的馈赠,而是自己脚下的这片土地——无论它看起来多么崎岖,多么需要被改变。 这不是说要独自硬扛。 而是要清醒地认识到:能决定你最终落点的,永远只有自己。 当面临困境,与其等待别人出手,不如先问自己:"如果此刻只有我一个人,我会怎么做?" 这种向内寻求力量的姿态,往往是破局的开始。 就像阿里巴巴创立初期,马云带着团队在杭州的公寓里敲代码,没有资本,没有先例,所有的资源都得靠自己一点点争取。 他说过"今天很残酷,明天更残酷,后天很美好,但绝对大部分人死在明天晚上",这背后不是悲观,而是对现实的清醒认知——没有人能替你走完这段路,能坚持到最后的,一定是那些始终对自己负责的人。 真正的成长,往往伴随着"打碎重来"的阵痛。 字节跳动从成立到成为全球互联网巨头,张一鸣和团队经历过多次战略调整和产品迭代。 从最早的"内涵段子"到后来的抖音,每一次转型都意味着要放弃已有的成绩,甚至推翻曾经深信不疑的东西。 这种"牺牲"不是失去自我,而是在认清方向后,主动剥离那些阻碍你驶向更远的"行李"。 就像爬山,只有放下多余的负担,才能攀登更高的山峰;就像种子破土,必须先突破种皮的束缚,才能看见阳光。 这三个简单的道理,其实是所有持续成功者的共通密码。 它告诉我们:命运从不是一场等待被拯救的被动漂流,而是一场需要主动掌舵的航行。你站在船舵前的每一个选择,每一次对责任的承担,每一次对自我的重塑,都在悄悄改写着最终的航向。当你真正明白"救世主"只能是自己时,反而会生出最强大的力量——这种力量,能让平凡的人,走出不平凡的路。
Y11
4个月前
在技术领域打拼3-5年,你或许已成为团队里能独立攻坚的骨干,但薪资总在“高级工程师”区间徘徊。 这往往不是因为能力不足,而是你的价值表达停留在“技术实现”层面,没能让面试官看到你作为“技术决策者”的潜力。 要冲击8年经验的薪资,关键在于用CTO的视角重构简历——把技术细节转化为商业价值,让每一段经历都成为你身价的证明。 一、你的简历是“零件清单”还是“增长引擎”? 很多工程师的简历像一份技术零件清单:“我用了Spring Cloud、K8s、微服务”“我负责XX系统开发”。 这些描述只体现了“我做了什么”,却没说明“我创造了什么价值”。在CTO眼中,这样的简历只能定位为“执行者”——高效但不可替代,薪资自然被限制在执行层的上限。 真正有竞争力的简历,应该是一台“增长引擎”:技术能力解决业务问题,技术决策支撑商业目标。 比如,同样做系统重构,普通工程师写“优化了代码性能”,而高手会写“通过架构升级,支撑了新业务3个月内用户量翻倍,带来200万新增收入”。前者是技术结果,后者是商业结果,后者的价值完全不在一个量级。 二、价值分层:你的薪资由什么决定? 技术人才的价值可分为三个层级,对应不同的薪资天花板: L1执行层:按需求交付代码,薪资对标3-5年经验。简历关键词是“技术栈”“负责模块”,比如“用Java开发支付接口”。 L2优化层:通过技术优化提升局部效率,薪资对标5-6年经验。简历会体现“量化指标”,比如“将系统响应速度提升50%”“减少30%运维成本”。 L3战略层:技术决策直接驱动业务增长,薪资对标8年+经验。简历会说明“技术如何支撑公司战略”,比如“通过架构升级让新业务GMV增长500%”“技术中台复用率提升40%,降低跨部门协作成本”。 结论:薪资上限不取决于工龄,而取决于你能否跳出“技术细节”,用商业视角定义自己的价值。 三、STAR-C模型:3步把技术经历转化为商业价值 用STAR-C模型重构简历,能帮你清晰呈现技术与业务的关联。这个模型在经典STAR(情境-任务-行动-结果)基础上,增加了“商业影响(Commercial Impact)”,让价值闭环更完整。 1. S(情境):说清“为什么做”的业务背景 不要只写“公司需要开发XX系统”,而要说明:这个技术项目解决了什么战略问题? 例:“公司新业务线上线后,原系统无法支撑高并发,导致下单时页面卡顿,用户投诉率上升20%”。 2. T(任务):明确“要做到什么程度”的量化目标 技术目标需关联业务指标,避免“提升性能”这种模糊表述,要量化结果。 例:“3个月内将页面加载时间从3秒降至500ms,同时支撑未来半年用户量翻倍”。 3. A(行动):突出“技术决策的底层逻辑” 写清楚你做了哪些关键选择,以及为什么这么选(体现架构思维)。 例:“放弃了直接加服务器的短期方案,选择微服务拆分:通过领域驱动设计(DDD)划分订单、支付、库存模块,用Kafka解耦异步流程,虽然初期开发周期延长1周,但避免了后期系统崩溃风险”。(体现“权衡思维”和“长期价值”) 4. R(结果):用数据证明技术落地效果 结果要与任务对应,且体现“技术对业务的直接影响”。 例:“页面加载时间降至280ms,用户投诉率下降80%;系统成功支撑了双11期间10倍流量峰值,零故障”。 5. C(商业影响):用“业务结果”反推商业价值 这是最关键的一步,要把技术结果转化为财务或战略价值。 例:“直接带来新业务3个月内用户量突破100万,GMV增长300%;系统沉淀为公司技术中台,后续新业务接入周期从1个月缩短至3天,节省跨团队协作成本60%”。 四、实战案例:同一份工作,两种写法的价值天差地别 普通简历版本(5年薪资) 负责电商订单系统开发,引入Kafka消息队列,解决了峰值流量导致的订单延迟问题。 STAR-C重构版本(8年薪资) 项目名称:电商核心交易链路高并发架构升级(技术负责人) - S(业务背景):公司直播电商业务爆发,原单体订单系统无法支撑每小时10万+下单峰值,导致大促期间5%用户下单失败,直接损失GMV约800万。 - T(目标):3个月内将系统峰值处理能力提升至5倍,确保99.99%可用性,同时让新业务(直播带货)接入周期从2周缩短至3天。 - A(行动): - 主导拆分为“订单主流程-库存-支付”微服务,用DDD划分边界,避免服务间耦合; - 拒绝“临时扩容服务器省开发成本”的方案,坚持引入Redis集群缓存热点商品数据,用RocketMQ异步处理物流信息,虽然前期投入增加20%,但从根本上解决了“业务依赖技术”的问题。 - R(结果): - 订单系统峰值TPS从2万提升至10万,下单成功率达99.99%,用户投诉下降90%; - 直播带货新业务接入周期压缩至3天,首月GMV突破500万。 - C(商业影响): 技术中台沉淀的“高并发订单引擎”成为公司核心竞争力,后续6个月内新增3条业务线复用该架构,整体技术投入回报率达300%,直接推动公司年度营收增长15%。 五、AI工具:让简历升维更高效 即使掌握了STAR-C模型,梳理多年经历并提炼商业价值仍需技巧。推荐使用AI工具辅助: - 挖掘价值:AI会像资深CTO一样追问你:“这个架构升级最终让哪个业务增长最快?带来了多少收入?”帮你找到技术与商业的连接点。 - 自动重构:输入你的工作描述,AI直接生成STAR-C格式的简历,重点突出商业影响。 - 对标分析:对比目标岗位JD,AI会指出你的价值表达差距,比如“缺少对ROI和战略目标的描述”,并给出优化建议。 结语:你的价值由“被看见”决定 技术人最珍贵的不是写了多少行代码,而是你的技术决策如何影响公司的增长。简历升维的本质,是让你从“技术执行者”转变为“业务价值创造者”——当CTO看到你不仅能解决问题,还能通过技术支撑战略时,8年经验的薪资自然水到渠成。 停止堆砌技术细节,开始用商业语言讲述你的故事。你的下一份Offer,或许就藏在你对“价值”的重新定义里。
Y11
4个月前
最近和一些专注于硬科技投资的朋友聊天,发现一个挺有意思的变化:大家对“教授创始人”的热情,似乎不像几年前那么高了。 前阵子,华东一家人民币基金的王渊(化名)跟我吐槽,他们四年前投了个高校教授的新材料项目,当时对方描绘的“两年商业化”蓝图很吸引人。 可现在,项目迟迟没能量产,后续融资也困难重重,基金老大只能天天催着他赶紧找接盘侠。 这种夹在中间的压力,他说最近挺常见。 梅花创投的吴世春也公开说过:“我发誓,再也不投那些带着光环的教授。”他讲了个真事:之前投过一个大厂首席科学家的项目,账上还有几百万美金,创始人却说“我不适合创业,要回美国当教授了”。 吴世春很不解:“你如果不适合,当初为什么出来?为什么要融我们的钱?” 这确实不是个例。 有投资人沈海(化名)也栽过跟头。他们机构早年投了个高校教授的AI项目种子轮,教授是“创业+终身教职”两头抓,每周花在项目上的时间有限。 一开始还行,可随着公司扩张和行业竞争,问题就来了,量产更是一拖再拖。 最要命的是,教授因为高校工作,错过了关键融资节点,资金链一断,项目就倒了,前后投入的钱都打了水漂。 现在,他筛选项目的第一条就是:不投没脱离高校职位的教授。 为啥会这样?我观察下来,主要有几个原因。 一是心态问题。 有些教授把创业当“副业”,一旦和学校主业冲突或者不顺心,就立马“回归本位”。还有些教授,看不懂融资条款,却特别在意估值,觉得“不能比师兄师姐低”,好像创业是为了“面子”。 二是管理和团队问题。 有些项目是“教授+学生”模式,团队全是教授的学生,不愿意引入懂市场的合伙人,决策全看教授脸色,像个“学术界家族企业”,最后往往一地鸡毛。 三是商业化思维的缺失。 很多科学家创始人痴迷技术突破,把公司当“实验室”,忽视市场真实需求,缺乏从实验室到市场的“鸿沟穿越能力”。 就像元生创投的李克纯说的,有个清华老教授的超声手术刀项目,技术能力顶尖,拿证也早,可教授排斥销售团队的“吃饭送礼”,认为“有违学术原则”,结果核心团队跑了,项目停滞。 当然,也不是所有教授创业都不行。像陈天石(寒武纪)、汤晓鸥(商汤)这些成功案例,也证明了科学家创业的潜力。问题在于,资本需要更理性地看待“教授光环”,不能盲目迷信。 现在大家更看重的是:教授是否真正脱离了高校职位,全身心投入? 团队是否有懂市场、会管理的“非学术背景”合伙人? 项目是否解决了真实的市场痛点,而不是单纯追逐技术热点? 就像施一公院士说的:“人不可能一边做大学教授,一边做公司管理人员,一边还要管金融。”创业是九死一生的事,需要背水一战的决心。如果教授们能放下“光环”,踏踏实实地从市场需求出发,组建互补的团队,或许还是能闯出一片天的。但前提是,他们得明白:创业不是“学术研究”,更不是“面子工程”,需要的是“满脚带泥、双手沾灰”的实干精神。
Y11
4个月前
我们总以为成功靠的是拼命往前冲——多做一个项目,多熬一个通宵,多抢一秒时间。 但马云曾说:“真正的领导力,是你能管理好自己的精力。”而睡眠,正是管理精力最核心的密码。 10年的经验告诉我,一个人能否掌控自己的人生,往往从睡眠中就能看出端倪。 张一鸣在字节跳动推动“健康计划”时曾强调:“高效不是靠硬扛,而是靠系统。”睡眠,就是这个系统里最基础也最关键的一环。 为什么它如此重要? 因为睡眠像一位幕后指挥家,默默调控着我们的意志力、行动力和情绪。 当我们睡够7-8小时,大脑的前额叶皮层会变得活跃,帮我们抵御诱惑、保持专注; 而睡眠不足时,这个“指挥官”就会罢工,我们很容易被负面情绪裹挟,对挫折变得敏感,甚至在“即时满足”的诱惑前溃不成军——那些让你忍不住刷手机到深夜的“ addiction economy ”,正是利用了睡眠缺失时我们意志力的薄弱。 我见过太多人熬夜赶工,以为能“弯道超车”,结果第二天效率低下,情绪暴躁,反而把事情搞砸。 就像机器需要定期保养,人的大脑和身体也需要睡眠来修复和充电。那些看似“省下来”的时间,其实是透支了未来的精力。 马云在阿里提倡“健康工作法”,张一鸣也要求员工“每天睡够再上班”。他们都明白:睡眠不是浪费时间,而是投资未来。 当你清晨醒来,带着充沛的精力迎接挑战,你会发现,那些曾经让你焦虑的“setbacks”(挫折)不再可怕,“haters”(质疑声)也无法动摇你的决心。 所以,与其羡慕别人的成功,不如先为自己的睡眠“掌舵”。 从今晚开始,放下手机,早点睡。当你养成规律的作息,会发现精力更充沛,决策更清晰,人生的每一步,都能走得更稳、更远。这或许就是那些顶尖人物保持高效的秘密——他们都懂得:真正的强大,是先管理好自己的睡眠。
Y11
4个月前
掌握任何技能的快速路径,其实可以用几个简单的步骤概括:先停止无意义的知识堆砌,然后用一个项目把技能框架搭起来,接着动手去做。 过程中必然会遇到难题,这时就针对性地去查资料、学方法,解决一个问题就往前迈进一步,直到完成整个项目。 很多人之所以在技能学习上停滞不前,总说“一直在学但没成果”,其实是陷入了“教程陷阱”。 就像我们看了很多烹饪视频,却从未真正下过厨炒菜;学了很多编程教程,却没写过一个完整的小工具。知识本身没有价值,只有用起来才有意义。 真正的学习发生在解决问题的过程中。 当你带着明确的目标去动手做一个项目时,遇到的每个坎儿都是学习的契机。 比如学写作,与其读十本写作理论书,不如先写一篇短文,写完后发现逻辑不通,再去研究怎么调整结构; 学设计,与其刷大量设计案例,不如先试着做一个简单的海报,遇到配色问题再去学色彩原理。 项目就像一座桥梁,连接着理论和实践。 它能帮你过滤掉无关的知识,聚焦最核心的部分。而且完成项目本身就是一种反馈,你会知道自己哪里做得好、哪里需要改进,这种“完成感”会让你更有动力继续深入。 所以,别再纠结“学够不够”,先找个小项目开始吧。哪怕一开始做得很粗糙,只要动手去做,就已经赢过了那些只停留在“学习”阶段的人。解决一个实实在在的问题,比读一百本理论书更能让你快速成长。
Y11
4个月前
启动一个项目,比单纯看教程学到的东西要多得多。 我见过很多人喜欢在网上找各种教程,跟着一步一步做,以为这样就能学会一个技能。 但实际上,当你真正动手去做一个项目时,你会遇到很多教程里没有提到的问题。 比如,你可能会发现一个按钮的位置不对,或者一个数据的格式有问题,这时候你就需要自己去查资料、想办法解决。 在这个过程中,你会学到如何把一个大目标分解成小步骤,如何制定计划,如何管理时间。 你还会遇到各种各样的困难,比如技术难题、资源问题、团队合作中的矛盾等等。 这些困难会让你反思自己的方法,调整自己的思路,慢慢变得更加成熟和有韧性。 而且,通过做项目,你会对一个领域有更深入的理解。 教程可能只教你表面的操作,但项目会让你看到背后的逻辑和原理。 你会明白为什么要这么做,怎么做效果更好,如何优化流程,如何提高效率。这些经验是书本和教程无法完全传授的,只有亲身经历才能真正掌握。 另外,做项目还能锻炼你的沟通能力和团队协作能力。 如果你是一个人做项目,你需要自己和自己沟通,明确目标,克服惰性。如果你是和团队一起做项目,你需要和团队成员交流想法,分配任务,解决冲突。这些都是非常重要的软技能,对未来的发展会有很大的帮助。 当然,做项目也会有失败的风险。 但即使失败了,你也能从中学到很多东西。你会知道哪里错了,为什么错了,下次如何避免。这种从失败中学习的能力,比成功本身更有价值。 所以,不要只是停留在看教程的阶段,勇敢地开始一个项目吧。即使这个项目看起来很小,也会给你带来意想不到的收获。在实践中学习,在解决问题中成长,这才是最快的进步方式。记住,真正的知识不是看出来的,而是做出来的。
Y11
4个月前
纳瓦尔(Naval)曾说过一句很实在的话:“人们总以为成功需要一万小时的投入,其实不是,真正需要的是一万次迭代。 让你变得更好的不是时间本身,而是你经历了多少次反馈循环。迭代得越快,你学得就越快。” 这句话的核心,其实是在说“迭代”比“重复”更重要。 我们总觉得,只要坚持做一件事足够久,自然就会成功。比如练字要练够一万小时,学英语要背够一万个单词。 但现实中,很多人坚持了很久,却依然没有明显进步。为什么?因为他们只是在重复做同一件事,没有从过程中获得有效的反馈,也没有根据反馈调整自己的方法。 就像小孩子学走路,他不是靠“一万小时”就突然会走了,而是每次摔倒后,都会从妈妈的眼神和自己的感受中得到反馈,然后调整自己的姿势,再尝试,再摔倒,再调整。这个过程中,“迭代”的次数非常多,每一次尝试和调整,都是一次反馈循环。正因为这样,他才能快速学会走路。 对于成年人来说也是一样。无论是工作中的项目,还是学习新技能,甚至是个人成长,道理都相通。如果你只是不断重复同样的动作,而不关注结果,不总结经验,不调整方向,那你可能只是在原地打转,甚至会越走越偏。 真正高效的成长,应该是小步快跑,快速试错,快速调整。每完成一个小目标,就停下来看看效果,收集反馈,然后思考哪里可以改进,哪里可以做得更好。这个过程,就是“迭代”。你迭代的次数越多,接触到的新问题、新情况就越多,从中获得的经验和教训也就越多,自然就成长得越快。 比如,一个程序员写代码,他不会指望一次就写出完美的程序。他会先写出一个简单的版本,然后测试,发现问题,修改,再测试,再修改。每一次修改都是一次迭代,每一次迭代都让程序更完善。 再比如,一个创业者做产品,他不会一开始就投入巨大的精力去做一个功能复杂的产品。他会先做一个最小可行产品(MVP),让用户去试用,收集用户的反馈,然后根据反馈不断优化产品,一次又一次地迭代,直到产品真正满足用户的需求。 所以,与其纠结于“我做了多久”,不如关注“我迭代了多少次”。把时间花在思考和调整上,而不是单纯地重复劳动。当你学会在行动中不断迭代,不断从反馈中学习,你会发现自己的成长速度远超想象。 这不仅是一种做事的方法,更是一种思维方式。它告诉我们,成长不是一蹴而就的,而是一个持续优化的过程。只要方向是对的,每一次迭代都会让你离目标更近一步。
Y11
4个月前
在当下这个充满变数的时代,我们常常谈论“吃苦”,但这个词在不同人眼中的分量,其实天差地别。 有人觉得,每天拿着不高的薪水,起早贪黑地重复着机械劳动,为了柴米油盐精打细算,这就是吃苦的全部。 这份辛劳确实值得尊重,它关乎生存的压力和对家庭的责任,是许多人在现实中默默承受的重量。 这种“吃苦”,更像是一种生活的常态,一种为了安稳而付出的努力。 但在真正经历过风浪的人看来,真正的“吃苦”远不止于此。 它可能是在你全力以赴冲刺一个目标时,遭遇了意想不到的背叛与算计,甚至被曾经信任的人捅刀子;可能是在你试图突破自我时,被竞争对手用各种手段恶意打压,前路一片荆棘。 这些经历,会让你感到挫败、痛苦,甚至怀疑自己。 然而,正是这些“难”,迫使你不得不冷静下来思考:错在哪里?为什么会发生?如何反击?如何保护自己?在一次次的碰撞与反思中,你的认知边界被拓宽,解决问题的能力被锻造,抗压能力也变得越来越强。 这不是简单的体力消耗,而是心智的磨砺。 还有一种“吃苦”,是反人性的坚持。 比如,为了养成一个好习惯,你需要对抗惰性,每天在疲惫时依然强迫自己学习新知识或锻炼身体; 比如,在长时间看不到明显成果、甚至受到质疑时,你依然选择相信自己的判断,默默耕耘。 这种“吃苦”没有即时的回报,没有旁人的喝彩,更像是一场孤独的修行。 但正是这种“自讨苦吃”,让你不断突破舒适区,积累内在的力量,最终实现蜕变。 说到底,能真正磨练人的,是那些让你痛、让你思考、让你不得不成长的“苦难”。而那些仅仅让你感到“难受”的经历,比如暂时的失利、一时的不被理解,若不能引发深刻的反思,就只是情绪的波动,难以带来真正的成长。 无论是马云创立阿里巴巴时面对的无数质疑与资金困境,还是张一鸣带领字节跳动在激烈竞争中杀出一条血路,他们所经历的,都是这种能磨练心智的“吃苦”。这种吃苦,不是为了生存的苟且,而是为了心中的热爱与使命,在绝境中寻找生机,在困境中锤炼自我。这或许就是优秀的人之所以能不断向上的原因——他们懂得,真正的吃苦,是让自己变得更强的必经之路。
Y11
4个月前
对很多人来说,写作更像一场与自己的深度对话。当指尖敲击键盘或笔尖划过纸张,那些藏在脑海里的碎片、困惑和感悟,会顺着文字的脉络慢慢浮现。 就像在深夜的房间里摸索,你会突然找到散落的拼图,看清那些曾经模糊的想法——原来自己真正关心的是什么,纠结的症结在哪里,未来的方向又该指向何方。 这种感觉很奇妙。我们总说"想不清楚",而写作就像一把手术刀,帮你剖开混沌的思绪,把零散的认知串联成清晰的逻辑。 当你写下第一句话,再用第二句话去解释它,第三句话去支撑它,你会发现曾经觉得理所当然的观点,可能存在漏洞; 那些一闪而过的灵感,或许藏着更深层的意义。 这个过程不是为了写得多好,而是逼着自己去直面内心: 我真的理解这件事吗?我想表达的到底是什么? 更重要的是,写作让我们跳出"当局者迷"的困境。 我们每天被信息淹没,却很少有机会系统梳理自己的认知。 而当你试图把一个复杂的问题转化为文字时,你会不自觉地去观察、去分析、去寻找规律。 比如写一篇关于行业趋势的文章,你需要查阅资料、访谈案例,甚至拆解别人的观点。这个过程中,你不仅加深了对事物本质的理解,还会发现自己认知的盲区——原来世界比想象的更立体,别人的视角也值得借鉴。 有人把写作比作"用文字搭建脚手架"。 当你开始动笔,那些抽象的概念会变成具体的框架,那些模糊的感受会变成可触摸的细节。 你会发现,写作不是简单的记录,而是主动构建认知体系的过程:你在为自己的思考建立坐标系,在为现实世界绘制地图。每一次修改,都是在完善这张地图;每一次分享,都是在邀请别人走进你的世界,和你一起探索未知。 说到底,写作是一种"刻意练习"。 就像运动员通过重复训练提升技术,我们也在通过写作打磨思维能力。 你可能会写得磕磕绊绊,会推翻重写,会被质疑批评,但这些都没关系。重要的是,你在这个过程中不断校准认知,强化对世界的理解。久而久之,你会发现自己越来越能看清事物的本质,越来越能从容面对复杂的问题——这大概就是写作最珍贵的礼物。
Y11
4个月前
视觉设计常被低估,甚至有人认为它简单无需刻意练习。但事实上,那些成功的产品——无论是Airbnb、Duolingo还是Stripe——都在视觉细节上倾注了大量心血。 提升视觉设计能力并非一蹴而就,需要系统性的方法和持续的实践。以下是经过验证的核心步骤,帮助你从入门到精进: 一、夯实基础:掌握UI设计的底层逻辑 在开始实践前,先吃透四大核心要素: 1. 排版:字体选择、字号层级、行高间距如何影响信息传递效率 2. 色彩:主色/辅助色/中性色的搭配原则,对比度与可读性的平衡 3. 层级:通过大小、粗细、颜色区分内容优先级,引导用户注意力 4. 布局:利用网格系统、留白和空间关系构建清晰的视觉秩序 推荐资源:《The Box Model》详解界面元素的空间关系,《Spacing Systems》掌握间距设计原则,这些基础是后续提升的基石。 二、研究设计语言:建立行业认知框架 主流操作系统和设计驱动型公司都有成熟的设计语言体系,值得深入学习: - Apple Human Interface Guidelines:极简设计哲学,注重交互直觉与视觉精致度 - Material 3:强调动态效果与包容性设计,色彩系统灵活且具扩展性 重点关注:它们如何定义组件规范(按钮、表单、弹窗等),如何处理导航逻辑,以及交互模式的设计逻辑(如模态框vs全屏页的使用场景)。 这些知识能帮你建立"设计系统思维",而非孤立看待单个界面。 三、临摹与重构:培养肌肉记忆 没有什么比动手实践更有效。推荐三个优质灵感库: - Mobbin:提供大量真实App界面,适合移动产品学习 - Appshots:聚焦界面细节,帮助观察视觉处理技巧 - Pageflows:展示完整用户流程,理解多页面间的逻辑关联 实践方法:每周选择一个产品,完整临摹其核心流程。从布局开始,逐步细化到间距像素、色彩值、字体样式,甚至动效细节。对比原设计思考"为什么这样设计",这比单纯模仿更有价值。 四、迭代旧作:在反思中成长 3个月后回看自己的旧设计,往往能发现明显的进步空间。此时可以: - 检查色彩统一性:是否存在过多不和谐的颜色组合 - 审视排版层级:标题与正文的区分是否清晰 - 优化视觉节奏:通过留白和元素密度调整页面呼吸感 这个过程能帮你将学到的理论转化为实际直觉,理解"好设计"如何在实践中逐步演进。 五、跳出舒适区:拓展设计边界 持续在同一领域工作容易陷入思维定式。建议定期尝试不同类型的设计: - 业务产品vs消费产品(如从工具类App转向社交平台) - 极简风格vs图文并重(如从卡片式设计转向杂志风排版) - 不同行业垂直领域(电商、医疗、教育等) 这种跨领域实践能帮你吸收多元设计理念,形成更全面的审美判断。 视觉设计是技术与艺术的结合,既需要对细节的敏感,也需要系统的方法论。 每天花30分钟研究优秀产品,每周进行一次临摹练习,每季度迭代旧作,持续积累就能看到明显提升。 最好的设计师不是天赋异禀,而是在实践中不断打磨细节、反思优化的普通人。
Y11
4个月前
每个企业都希望更多潜在客户转化为付费用户,而理解营销漏斗是实现这一目标的基础。 无论你是初创公司还是成熟企业,营销漏斗都能帮你梳理客户从初识品牌到成为忠实拥护者的完整路径,找到转化中的关键节点,优化资源分配。 什么是营销漏斗? 简单来说,营销漏斗是客户旅程的可视化模型,展示了人们如何从“发现问题”到“做出购买决策”,再到“推荐他人”的过程。 它像一个漏斗,越往下,客户数量越少,但都是最有可能转化的高质量用户。 漏斗的核心价值在于: - 简化复杂旅程:客户决策往往分散在多个渠道,漏斗帮你聚焦关键阶段。 - 定位流失点:通过分析哪里客户“中途退出”,针对性改进策略。 - 数据驱动优化:用数据验证每个阶段的效果,避免盲目投入。 常见的营销漏斗类型 根据行业和目标人群,漏斗可分为不同形态,以下三种最具代表性: 1. 基础漏斗(3阶段模型) - 认知(ToFu):客户首次意识到你的品牌或问题。 - 考虑(MoFu):客户开始寻找解决方案,对比选项。 - 转化(BoFu):客户决定购买,成为付费用户。 例:演唱会周边销售中,新粉丝(认知)→ 对音乐感兴趣的粉丝(考虑)→ 愿意购买周边的铁杆粉丝(转化)。 2. AIDA模型(4阶段模型) - 认知(Awareness):让客户知道你能解决什么问题。 - 兴趣(Interest):激发客户对产品/服务的好奇。 - 欲望(Desire):让客户相信你的方案是最佳选择。 - 行动(Action):促使客户立即下单或采取行动。 这是经典的“吸引力-兴趣-欲望-行动”路径,适合快速抓住客户注意力,传递明确的行动指令。 3. 精细化漏斗(5+阶段模型) 如果客户决策周期长或需求复杂,可细化为更多阶段: - 认知:了解品牌存在。 - 考虑:对比产品/服务优劣。 - 转化:完成购买。 - 忠诚:重复购买并成为回头客。 - 拥护:主动推荐给他人,成为品牌大使。 这种漏斗更适合高价值产品(如企业服务、奢侈品),通过长期互动培养客户忠诚度。 分阶段运营策略:让每个客户都“走到底” 不同阶段的客户需求不同,需要匹配不同的沟通策略: 阶段1:认知(ToFu)—— 建立品牌存在感 客户刚意识到问题,此时需传递“你能解决他们的痛点”,而非直接推销。 - 核心目标:让更多人知道你的品牌。 - 关键动作: - 定义目标人群:通过数据分析(如Google Analytics的用户画像)明确客户特征(年龄、兴趣、痛点),避免“广撒网”。 - 内容引流:用“信息型内容”吸引自然流量,比如写一篇“如何预防失眠”的文章(而非直接卖床垫)。这类内容通过SEO(关键词优化)或社交媒体传播,让潜在客户主动找到你。 - 渠道选择:优先布局目标人群活跃的平台(如小红书适合年轻女性,知乎适合职场人群),用干货内容降低营销的“推销感”。 阶段2:考虑(MoFu)—— 建立信任与差异化 客户已认可你的品牌,需要说服他们“选择你而非对手”。 - 核心目标:消除疑虑,突出优势。 - 关键动作: - 提供决策支持:用对比指南、案例研究等内容解答客户疑问(如“不同价位床垫怎么选?”),展示你的专业性。 - 管理口碑:及时回应客户评价(尤其是负面反馈),在Google、大众点评等平台维护良好评分,降低客户决策风险。 阶段3:转化(BoFu)—— 促成购买 客户已准备下单,需减少购买阻力。 - 核心目标:提高转化率。 - 关键动作: - 优化落地页:确保页面清晰展示产品价值(如“30天无理由退换”),减少无关信息干扰,突出“立即购买”按钮。 - 精准复购:对浏览未下单的客户,用“限时优惠”“专属折扣”等方式促单;对已购买客户,发送感谢短信或使用指南,加深好感。 用数据驱动优化:漏斗不是“一次性”的 营销漏斗不是固定的流程,需要持续用数据迭代: - 追踪核心指标: - 认知阶段:页面浏览量、社交曝光量、点击率(CTR)。 - 考虑阶段:内容停留时间、咨询量(如在线客服对话数)。 - 转化阶段:下单率(转化率)、客单价、复购率。 - 工具推荐:用Google Analytics追踪流量转化,用Semrush监控关键词排名和竞品动态,及时调整策略。 总结 营销漏斗的本质是“以客户为中心”的旅程设计——从他们的需求出发,用合适的内容和时机引导他们做出决策。无论是马云说的“客户第一”,还是张一鸣强调的“用户价值”,核心都在于理解客户、服务客户。 漏斗的终点不是“卖完货”,而是让客户成为品牌的长期拥护者。用数据细化每个阶段,用真诚连接每个客户,才能让营销真正创造价值。