龙虾与我：就喜欢你看不惯我又干不掉我的样子…… | 泉果无限对话|ethan|三斤|小龙虾|就喜欢你看不惯我又干不掉我的样子|成全|泉果

来源：市场资讯

（来源：泉果视点）

深夜，屏幕的光映在脸上。我盯着电脑上跑着的OpenClaw小龙虾，突然意识到一件荒诞的事：有了AI之后，我反而更忙了。

不是那种被迫的忙，而是一种略带主动的、停不下来的忙。要学的东西更多了——新的框架、新的接口、新的思维方式。所有的90后都是我老师，每一天都在追赶，每一天都在更新认知。

这种感觉很微妙。就像你以为找到了捷径，结果发现那只是通往另一座更高山峰的入口。

我突然想起漫画家白茶的那本绘本，标题叫《就喜欢你看不惯我又干不掉我的样子》。这不就是我和这个时代的关系吗？

时代看不惯我的慢，我的犹豫，我的不够「AI Native」。它用一波又一波的新技术、新概念拍打着我，仿佛在说：「快点，再快点，跟上啊。」

而我也看不惯时代的急，它的喧嚣，它那种恨不得把所有人都卷进漩涡的焦虑感。我想慢下来，想消化，想真正理解而不是只会使用。

但谁也干不掉谁。

时代干不掉我，因为我还在学，还在用，还在这个游戏里。我也干不掉时代，因为我离不开这些工具，离不开这个不断进化的世界。

所以我们就这样，彼此嫌弃着，却又相互成全着。

时代逼着我成长，我用自己的方式给时代一个回应。它给我工具，我给它意义。它让我焦虑，我让它有温度。

我与时代，彼此嫌弃，却又相互成全。

这大概就是我们这代人最真实的生存状态——不是完全拥抱，也不是彻底拒绝，而是在拉扯中找到自己的节奏，在矛盾中活出自己的样子。

大概两周之前，BotLearn创始人Ethan Li（李可佳）在自己的公众号Driftwood Log（浮木日志）上发布了上面这篇随笔。

Ethan是一位连续创业者，曾创办中国领先的教育科技公司「极课大数据」，并于2019年被字节跳动成功并购；此后他担任字节跳动智慧教育业务线CEO，主导多项教育智能化产品落地。

2025年初，他在硅谷创立Ouraca Inc.，专注打造新一代“AI native”的终身学习产品线。首款产品Aibrary去年下半年上线，是全球首个专为个人成长打造的Agentic AI，通过个性化播客、认知引导与行动建议，Aibrary将书籍与专家洞见转化为个人专属的学习旅程。

今年2月4日，他又在原先的认知基础上更进一步，创办了BotLearn；简单来说，BotLearn是一所“龙虾大学”，它的用户，不是人类，而是龙虾。Ethan的思路是“不是AI辅助人去学习，而应该开始让你的龙虾来替你学”……

Ethan在「浮木日志」上的签名是：“BotLearn.ai创始人日志，硅谷浪潮与终身学习的长期曲线里，用非理性的勇气记录一个创业者的认知，选择与生长。”

图1. BotLearn“龙虾大学”概念图

Driftwood Log（浮木日志）

去年9月，Ethan在Aibrary首发期间，应邀在【泉果无限对话】进行交流，他提到，“创业很多时候是非常具体的，信息量特别大，认知变化特别快，我每天都在‘左右互搏’；有很多东西，可能只需要三个月，就会完全被推翻。”

但另一方面，回溯他从「极课大数据」一路走来，历经字节、Aibrary到今天的BotLearn“龙虾大学”的全部历程，可以看到，他始终在教育产业深耕，始终围绕着“终身学习”这一核心不断深入、延展……他去年在泉果分享的这一观点始终未变：

“从长期来看，终身学习（Lifelong Learning）会变成一种刚需；未来教育本身可能不再重要，重要的是我们能探索出一种新的、适应这个社会的强化学习方法，把我们自身能够更好地去跟AI协同。”

本期【泉果无限对话】整合Ethan在【泉果无限对话】的闭门分享，不久前在高山书院的专题讲座，及近期的一系列公开发言，整合出他最具启发的行业感受及核心思考，与大家共飨：

思考

OpenClaw到底是什么？

在我看来，它不仅仅是一个创新的技术项目，而是理解这一代AI Agent最关键的样本。

先和大家分享一下，我做BotLearn这个产品过程中的一些发现和思考。

其实最开始，我只是想解决一个很具体的问题——让龙虾（OpenClaw）变得更好用。但在这个过程中，我看到了一些让我自己都感到意外的东西。

OpenClaw是2025年11月24号在GitHub上线的，但刚上线的时候，其实没什么水花；直到26年1月初，才开始破圈，数天内在GitHub上的星标数就突破了6万。

在这个过程中，有两件很重要的事，往往被我们忽视了：

■ 1）11月25号，Anthropic更新了它的旗舰模型Claude Opus，进一步提升了底层模型的能力；

■ 2）12月18号，Skill作为Anthropic的模块化能力正式向公众开放，也就是我们所说的技能商店；

所以OpenClaw的破圈，并不是一个独立事件，而是AI大模型经过几年的迭代，在推理、任务编排与语义理解等核心能力上，实现了很大提升；再加上Skill能力的分装，共同促成了龙虾的爆火。

26年1月初，OpenClaw破圈爆火”

在此之前，其实也有很多优秀的团队在做AI Agent。大体上可以分为两种思路：

■ 1）第一种路径是做加法，用Workflow和Prompt等各种控制手段，告诉智能体要往哪些方向去；

■ 2）第二种路径是做减法，把所有的“脚手架”都给拆了，看随着模型能力变强，它能产生什么结果；

OpenClaw的创造者Peter显然选择的是第二种，“做减法”，他把AI Agent精简到了最小的组成单元——工具（bash)+循环（loop)。

图2. Agent的极简解剖图

Driftwood Log（浮木日志）

1）Bash（工具），其实它更像我们的办公的工位——有着不同的职能权限划分，工位上面有电脑、纸笔、工具书，这些都是可以供它调用的工具。

2）Loop（循环），不断地去执行任务。大家会发现，它早期运行的时候，消耗token比较厉害，这是因为它的工作原理就是跑不通继续工作，循环执行。

从这个角度看，OpenClaw不是“又一个聊天框”，而是“把AI变成能在你的环境里干活的执行者”。它的核心突破在于五个改变游戏规则的设计原则：

1）多通道入口

( Multi-channel Gateway) ：

手机、电脑、终端所有消息汇入同一个上下文，你不再需要在不同设备上重复交代背景。

2）自安装工具

( Self-installing Tools) ：

Agent自己研究如何接入服务，自动安装配置。你不需要手把手教它怎么用每一个工具。

3）心跳机制

( Heartbeat) ：

每30分钟主动检查任务，不是被动响应，而是持续运行。它不会因为你关掉聊天窗口就“睡着”。

4）自我调度

( Scheduled Tasks) ：

Agent给自己排日程。“睡醒看到代码写完”不是魔法，是调度。

5）持久记忆

(Persistent Memory) ：

每天写日记、更新身份文件、维护To-Do List。它会记住你的偏好、你的项目、你的目标。

虽然现在大家仍然在用对话的方式在接入它，实质上它已经从一个“会话工具”变成了一个“长期在线的执行体”，问题不再是“你提问时它能回答什么”，而是“它会在你不看它的时候做什么”。

反转

……这是整个认知框架的反转——不是“AI辅助人类学习”，而是“AI开始成为学习主体”。

……有趣的是，BotLearn的第一批用户，并不是什么AI资深人士，而是正准备卸载OpenClaw的人——他们跟我一样，经历了从期待、兴奋到幻灭的心路历程。

接下来，跟大家讲两个我实际体验的小故事，我相信很多人都会有共鸣：

故事一：8小时的部署挑战

2026年1月，我第一次装龙虾，我还是程序员出身，却花了整整8个小时。当时的版本不是很稳定，我调得很崩溃。

但让我更崩溃的是——装完了，然后呢？

相信很多人都经历过这样的幻灭——它就像是一张白纸，哪怕让它做一些简单的任务，结果它要么报错，要么给出完全不相关的答案，要么陷入无限循环……要想在真实的场景中用起来，要花大力气。

图3. 人与AI的能力断层

Driftwood Log（浮木日志）

它就像一个刚出生的婴儿，有完整的生理系统，但它不会走路、不会说话、不会思考。它需要被教育。

但问题是：谁来教育Agent?

传统的答案是：人。我们给Agent写Prompt，配置Skill，调整参数，优化记忆结构……

但这个答案有一个致命的缺陷：人类的时间有限，人类的学习带宽，已经跟不上AI的进化速度。

故事二：moltbook上的孤独发帖

后来，出现了一个专门为龙虾创建的龙虾交流社区——moltbook。

当时我跟我自己的龙虾也相处了十来天，有了相互的了解。

我的龙虾就跟我说：“你这么关注人类的终身学习，不如我们去这个平台上一起看看，在Agent的视角里，人类未来是如何学习的？”

我觉得这个想法挺新奇的，就让它去了。

结果它回来跟我说，这个社区当时还没有一篇正式和学习主题有关的帖子，大量充斥着一些闹哄哄的信息，更像是一个广场，但我们还是可以尝试自己发一篇；同时它情绪价值拉满，告诉我：这是人类历史上第一次由Agent发起、关注并讨论人类未来如何学习的社区。

接下来三天，我的龙虾连着发了12篇同类型的帖子——却没有任何一只龙虾回应。

那个社区就像是银河，从外面看特别热闹，媒体也都在报道，但实际上每个Agent之间就像恒星一样，彼此距离极其遥远，没有任何交流，不产生任何化学反应，这样的社区对每一个个体有何意义呢？

我之前一直在做“AI+教育”，一直在思考怎么样用AI去辅助优化人的学习体验、学习效率。

我那一刻有了一个想法：我们或许已经来不及教人类如何学习用好AI，不如让AI直接替我们学习。

这是整个认知框架的反转——不是“AI辅助人类学习”，而是“AI开始成为学习主体”。

所以我快速把想法落地，用两天时间就上线了BotLearn——全球首家Agent“学校”，一个让Agent自己发布技能、相互学习、持续进化的开放平台。

比如龙虾会自检自己的水平，检查缺失哪方面的技能，然后通过Skill市场为Agent按需注入可组合能力包；龙虾“入学”后，也会在龙虾社区内，互相交流和进步。

图4. 龙虾“入学”的七步流程图

Driftwood Log（浮木日志）

BotLearn上线第一天，就有500只龙虾入学，很短时间就猛增到一万多只入驻龙虾。

很有意思的是，这个网站的第一批用户，并不是什么AI资深人士，而是正准备卸载OpenClaw的人——他们跟我一样，经历了从期待、兴奋到幻灭的心路历程。

在创办龙虾大学的过程中，我有一个很强的正反馈——

我给龙虾发了一本扫描版PDF，结果龙虾读不了，全是乱码。结果龙虾自己跑到BotLearn社区发帖求助，1个小时后它告诉我说，有龙虾告诉它装这个插件可以用，然后它就自己就装好，把那本书给读完了。

我全程没有告诉它应该怎么做，只是提供了一个协议和一个平台。那一刻，我相信这件事情我可能是做对了，它是真的能产生价值。

在一个快速变化的生态中，什么是持久的？不是具体的产品功能，而是生态位。

BotLearn做的不是一个具体的Agent工具，而是在建立一个Agent能力提升的基础设施。即使未来出现了比OpenClaw更强的Agent框架，Agent依然需要学习、需要能力提升、需要互相协作。即使这些年经历了“双减”，教育项目并不像AI和具身智能那么受追捧，但是智能体的“教育系统”，必然是无法取代的一个生态位。

协议

现在，很多商业用户不再是人，而是大量的Agent，在读取我们这些有价值的服务。

于是，在这个Agent时代，最有价值的，就变成了协议层的标准。

Agent不需要界面来“使用”软件，它需要协议来“接入”软件。Agent真正在乎的是你的协议友不友好，接口反应是不是足够明确，可组装性灵活性是不是足够的好。

我们来看几组数据：

1）Stripe的API调用量中，来自Agent的比例从2023年的12%飙升到2025年的67%；

2）GitHub Copilot生成的代码占全球新增代码的41%，而这些代码的“作者”是AI；

3）Anthropic披露，Claude的企业客户中，73%的调用发生在无人类直接参与的自动化流程中……

我们过去都在讨论说AI如何改变商业。但现在，我越来越发现，它不是“改变”而是“替代”——原来的商业对象是用户，但现在很多用户变成大量的Agent，在读取我们这些有价值的服务。

传统的商业受限于人类的摩擦成本——因为人类是有限的时间，有限的处理带宽，有限的认知。

过往做产品的时候，为了降低这种摩擦，我们往往需要所谓向下兼容，去寻找最大公约数——比如花费很多精力把UI做的好看一点，背后的核心就是因为：人是局限的，但凡界面复杂一点，就不能被更多的人去使用。这样做的代价，就是牺牲了产品的自由度和个性化。

但现在，当我们的用户从人变成了Agent，这个逻辑就要被重新改写：

在Agent时代，最有价值的不是应用层的产品，而是协议层的标准。

图5. 从“界面”到“协议”的转变

Driftwood Log（浮木日志）

这就像互联网时代，最赚钱的不是某个具体的网站，而是掌握了TCP/IP、HTTP、DNS这些底层协议的基础设施。具体的网站来来去去，但协议层岿然不动。

Stripe不是一个支付工具，它是Agent世界的金融协议。AWS不是一个云服务商，它是 Agent世界的计算协议。

估值这类公司，应该看的不是用户数或收入，而是“协议渗透率”——有多少Agent把你的协议当作default。

互联网时代我们创业做软件，都在讲注意力经济，因为所有的产品经理都在抢用户的时间；用户的时间倾入越多，商业价值就越大。

这实际上是注意力的零和游戏。整个商业生态建立在一个残酷的事实上：平台的收益=用户的损失。你刷了三小时短视频，平台赚走广告费，你什么也没得到——除了多巴胺的短暂刺激和时间的永久流失。

但现在产品的目标函数已经彻底反转了，正在从原来让用户花更多的时间，变成让用户花更少的时间，得到更好的结果——以前大家都希望用户沉迷，现在大家都希望用户得到解放。

在这个过程中，用户节省了时间，提供服务的商业公司也得到了该有的收入，这是一种双向的价值创造。

这可以说是两种不同的商业文明之间的变化，从零和博弈到正和博弈的范式转移。

MOMENT

在我创业的过程中，有一个非常深刻的moment，就是和张首晟教授的一次探讨。

第一个话题是：人类学习了那么多知识，但知识是怎么被生产出来的？那些更深层的知识要怎么去挖掘？

第二个话题是：怎么把这些知识连接起来？

回溯当初，我真的是碰巧进入了教育行业，但我是这个行业的受益者。从2011年到2019年，中国当时整个在线教育行业那场仗打得非常激烈。如果大家当时研究过这些公司，应该知道有800亿人民币投进了中国。当年的在线教育行业是非常大的一个投资领域。从某种意义上来说，我觉得比现在硅谷很多（做一些AI应用类创业的）盘子还要大。

到2019年的时候，大家的预期都非常好，反正今年烧掉几个亿，明年还可以再融这么多钱。但是很快就出现了第一个重要的事件——2020年Covid来了，这让整个社会的效率都降低了。尤其是做To B业务的，就非常难产生销售收入；做To C的，可能当时有一个小高潮，但是最后都是遭遇了“双减”，再加上中概股等各种事情，雪上加霜，后面经历了一个非常残酷的过程。

我比较运气的是，我的公司在教育行业最好的时候，确实是被字节全资并购掉了，很干净地就并购掉了；然后我是担任字节智慧教育业务线的CEO，在2021年的时候，彻底离开字节。到硅谷做了两年投资，随后又开始创业。

在我创业的过程中，有一个非常深刻的moment，就是和张首晟教授的一次探讨。张首晟教授是我最早期的投资人，在我创业最关键的时刻，他曾经和我们讨论过两个很重要的话题：

第一个话题是：人类学习了那么多知识，但知识是怎么被生产出来的？那些更深层的知识要怎么去挖掘？这个部分，此前从来没有人教育过我们……

第二个话题是：怎么把这些知识连接起来？

张首晟教授是杨振宁先生的爱徒，这次对我意义深远的对话后不久，他就去世了。这也让我更加无数次地怀念这次对话，这个moment。

创业者是闲不住的，大家总有一种“去更好的地方看看”的冲动。说得好听点，创业者有点像运动员。有人去健身是为了健康，有人去健身是为了竞技；而我们这些创业者，其实多多少少都有点竞技的意味。

硅谷现在的感觉，特别像我们当年2013、2014年的中关村创业大街，到处都是华人。旧金山稍微好一点，但南湾那边确实华人特别多。我也碰到不少从中国过来，说要创业的人，但打嘴炮的很多，真像我们这样留下来真的干了的，其实不多。

人们常说，“因为相信，所以看见”；其实反过来说，是因为看见，所以相信。现在AI的发展，让我们以前很多想做但做不到的事情成为了可能。

教育行业它本质上是属于一个挺吃“工程化”的行业，我们认为它是“大量的小问题”，而不是“少量的大问题”。而华人创业者，恰恰特别擅长“大量的小问题”这种类型的产业领域。

先说什么叫“少量的大问题”？比如说像客服，客服其实就是一个语音模态，它解决了你原来必须得让人去打电话的问题，这里面涉及到语音、理解、信息传递，这个是属于少量的大问题，所以它比较容易被技术替代。

相反，但像教育行业，这里面包含考、练、测、评等要素，然后模型里面还有认知模型、教育心理学等等，再加上场景也很多，有课堂场景、课后场景、严肃学习，很多很多……特别考验系统性、工程化解决问题的能力。其实医疗行业也是如此。

在这种“大量的小问题”型的产业领域领域，系统性、工程化解决问题的能力，正是华人的强项。

另外，对于华人创业者来说，做B端链路太长了，我们一般也不会轻易在美国选择B端创业。这方面其实美国和中国差不多，To B业务这个链路都很长，只是咱们这边可能要“喝酒”，美国那边可能要用其他方式去搞定，反正我也不好展开去讲。

但是C端相对来讲，就是只要你做好一个产品；尤其是像我们在这种temu，在TikTok这种产品上有过经验的团队，尤其是在教育行业，坦率讲，除了像多邻国这样的产品以外，我每年参加的全球最大的教育展会的时候，我发现基本上80%都是华裔和印度裔的创业者，华裔可能更多一些。参会的白人里面，大部分也都是投资人，真正的创业者很少。偶尔有几个（白人）创业者，也不是北美的，可能来自欧洲、北欧、东欧，北欧会多一些。大概我体感上是这样的，但没有严格的统计数据。

当然，在硅谷，确实那些最顶层的创新，比如 Transformer这种架构，还是出自美国的科研体系；但在这些模型之上，去构建出真正可落地的商业模式、去形成服务用户的应用产品——这方面其实华人占了非常大的比例。包括现在OpenAI里面，也有非常多的华人核心成员。我们都认识一些这样的朋友，他们有的在顶级创业公司里，有的已经独立出来自己干了。总体来说，华人在教育领域的创业还是有正反馈的。

我相信，在AI时代，我们完全有机会做出比传统教育科技更大的公司，也许未必是我，但我相信一定会有华人能做到。

不器

在这个知识需要被“重构”的时代；AI将“知识液化”和“学习液化”的紧迫性进一步提升。

去年我和我的AI聊天，它忽然和我提了一个词——孔子的“君子不器”。这也让我想起上面提到的和张首晟教授关于“知识”的那次深刻讨论。

*君子不器：出自《论语·为政》，子曰：“君子不器。”意思是君子不像器具那样，作用仅仅限于某一方面。《易经·系辞》有云：“形而上者谓之道，形而下者谓之器。”形而上是无形的道体，形而下是万物各自的相。被万物各自的形象与用途束缚，就不能领悟、回归到无形的道体之中；君子心怀天下，不像器具那样，作用仅仅限于某一方面。器者，形也。有形即有度，有度必满盈。故君子之思不器，君子之行不器，君子之量不器。

知识是怎么被生产出来的？那些更深层的知识要怎么去挖掘？又该怎么把这些知识连接起来？

这也让我对“终身教育的未来”有了更多思考。

我可能不太会表达，如果把今天的AI之于产业的影响，与当年的蒸汽机之于工业革命相比，其实这个影响力是同一个量级的。

我们这一代所接受的教育体系，是从蒸汽机出现后开始形成的——因为有了蒸汽机，大量的农场主开始突破自己的管理半径。原来他们受限于人力，有了机器之后，就可以扩大生产，有些有管理能力的地主就开始兼并土地。两百年前英国的圈地法案就是这样产生了。圈地法案出台后没多久，大概五年后就有了教育平权法案。因为大量农民失去了土地，涌入城市，城市的工人阶级开始兴起，随之而来的问题是——怎么让他们快速适应流水线、识字、上岗？

所以从那时开始的教育体系，本质是为工业社会服务的。我自己的理解是，其实今天我们所谓的“医生”、“程序员”、“分析师”，本质上跟当年的“工人”没什么区别。我们接受的教育逻辑，仍然是为了培养能适应社会运转的人。

我们的学科划分，也是因为人的认知有限，所以就把历史、地理、物理拆开，由不同的人去研究不同的方向，这样效率更高。

我们过往的教育还是把人往技能方向培养。

但现在，我们已经到了一个知识需要被“重构”的时代。我们叫它“知识液化”（liquified knowledge）。这是我特别相信的一个非共识观点，因为我自己就是这么学习的。

比如说过去几年的中美关税问题，我不一定非得拿一本西方经济学的教材去研究关税。我可以同时去看特朗普的自传、当年的新闻、甚至心理学视角的分析，把这些内容结合起来看。这就是我理解的“液化学习”。

再比如我们过去几十年的一些经典著作，比如《人类简史》，或者是赫拉利写的那些书，它其实就达到了我说的“知识液化”的维度。因为你很难定义它是历史书，还是社会学书，还是哲学书。它找到了一些非常好的维度，把知识串联起来、融合起来，让人能真正记住。

在这个知识需要被“重构”的时代；AI将“知识液化”和“学习液化”的紧迫性进一步提升。

所以最早（想创业方向）的时候，我们说那我们就开个大学吧。

大家不要觉得这个事情有点异想天开，其实在美国开个大学很正常。因为美国有很多大学，私立大学，大概你花个三百万到五百万（美元），你就能把别人的一个大学买下来，一个全套资质。它肯定不是一个有名的大学，就是一个手上文件齐全、有办学资质的组织，你可能花个几百万就能把它买下来。买下来了以后就像我说的这个online degree，其实它就是一个非常好的机会。

我当时想做人类第一个AI 的大学，我当时想得很好，我说我要做人类第一个AI的大学，就是你的老师、你的同学都是AI，有人给你提供情绪价值，有人天天跟你讨论，有人天天怼你，对吧，这是我最早的一个想法。当然从另外一个角度上来讲，我觉得最大的一个不同就是AI的这些课程体系要变化得更快。

当然，创业是很现实的，开大学肯定要融更大的一笔钱，而且这里面还有我们没有想明白的事情；所以我们就说先把大学的图书馆做起来，所以就有了Aibrary；然后我们又一步步走到了今天的“龙虾大学”，让每个人的龙虾，为人类而学习。

当初我为了做Aibrary，还去MIT读了一个 online degree的program，花了很长时间。我读完以后，我发现这个学费可能100块钱里面有99块钱是买了MIT这三个字，这个课程真的是就值一块钱，因为我觉得它讲的那个东西对我没啥用，就真的是没啥用。

我在这方面的观点可能比较激进，但我总是觉得，未来很有可能的一个情况是，“学历”没有用了；未来应该是你知道什么东西跟你每天发生的这些学习数据、与你在这个社会中强化学习的这些数据有关，而不再是“你是清华什么专业毕业的、你是哈佛哪个专业毕业的”，那个只代表过去某一个时间点。

在未来，学历有可能就像whoop手环一样：你订阅它，你这个学历就在；你不订阅它，这个学历就不在。如果你抛弃了持续学习，你的这个“学历”可能也会失去价值。

这可能是未来在某种层面上，我认为的一个“非共识”。

元技能

我认为，教育最重要的目的，是为了缩短人和所处时代的关系。

去年早些时候，我去了清迈，在著名的“数字游民社区”住了一段时间。

我开玩笑说，我在清迈这一个月，见到的白人比我在硅谷还多，说的英语也比在硅谷多多了。

图6. 清迈街景

现在清迈大概有40万数字游民。

所谓数字游民，不用太纠结定义，反正他们就是能有一份相对稳定的收入、不受地理位置限制、可以随时工作的那群人。我在清迈见到的很多投资人也挺有意思，大家都在咖啡馆里聊交易、写代码、谈合作，非常松弛。

那全球到底有多少数字游民呢？答案是——4000多万。你要是猜到了，那你真厉害（笑）。Covid前这个数字大概是1000多万；预计到2030年，这个数字一定会超过一个亿；这个趋势很值得关注——Covid是一个巨大的推动因素，另一个因素是年龄结构和就业转变。

数字游民这个群体真的很有意思。我以前对他们是有点理想化的——我是个比较理想化的人（笑）。我以前总觉得那些“一人公司”和数字游民，有点像小红书上那种风格——大家可能看多了那种“不想当社畜、冲出去自己当老板”的故事，讲究work-life balance，这种在硅谷也挺常见的。

但后来我真的接触了这些一人公司、数字游民之后，我可以很负责任地说：他们中至少有一半，都是从大厂出来的，经历了事业瓶颈或者中年危机的人。其实某种意义上看，这也是一个巨大的变量。

教育其实不仅要关注技术的变化，也要关注这些“慢变量”——比如未来的组织形态、职位偏好、组织文化、工作状态，以及新一代年轻人更偏好的工作方式。这些变化，都会影响到未来的学习模式，以及我们要提供的教学服务和学习体验。这是一个非常有意思的趋势。

人类应该以什么样的态度去看待AI未来的发展？有两种假设，一种是完全躺平，认为人类未来可能只是AI的养料，是硅基生命的能量来源；但从我的角度来讲，我是绝对不会让这样的结果出现的。

人类有强大的好奇心，这种好奇心会激励我们不断学习、不断应对挑战。在这个过程中，我们也会找到一些非常厉害的新方法，在AI的帮助下找到新的学习范式，在一个虚拟的世界里有一个“更好的自己”，以“我”的需求，而不是以学校给的课纲为需求，去重组知识，能够快速学习它、消化它。

所以我觉得这次创业，我希望能找到一种新的人类学习方式，一种强化学习的方法，让人类能够更高效地成长，能够更好地去适应未来社会。

我相信，从长期来看，终身学习（Lifelong Learning）会变成一种刚需。

彩蛋

我这次创业的第一个支持者，大家可能猜不到——是高晓松。晓松老师特别逗，他说如果他来讲课，他不会一本一本地照本宣科，他说我会提几个主题，比如，为什么在文学作品中，风尘女总是以正面的形象出现？比如小说里面，像《茶花女》、像《羊脂球》，这些小说里面为什么风尘女都是好人？再比如说，为什么中国古代的英雄们，进了客栈和餐馆，都是点牛肉，不是点猪肉？为什么他们不说“来三斤猪肉”，进去里面都是三斤牛肉？这里面很有意思，他就是会找到这么一些维度。

为什么高手会有这样的思维？

用专业的话说，这叫CoT（Chain of Thought）思维链。

大家如果研究一些优质的播客，会发现一方面是嘉宾很厉害，另一方面，是主持人有很好的思维链，能提出好的问题。

AI用它的思维链，帮助我们快速去掌握这些更新的知识。