帕兰蒂尔（Palantir）CEO亚历克斯·卡普（Alex Karp）最近给Z世代浇了盆冷水。他说AI时代只有两种人能确定自己有未来，而"精英学位"不在护身符清单里。
这话从别人嘴里出来可能是鸡汤，但从卡普嘴里出来得掂量掂量。帕兰蒂尔是美国最神秘的大数据公司之一，帮CIA找过本·拉登，现在市值超过800亿美元。卡普本人更怪——哲学博士出身，练过武术，说话像写诗，但公司财报从不撒谎。
卡普的原话：两种生存路径
卡普的原话是：「基本上有两种方式能确定你有未来。要么你是顶尖工程师，能实际构建AI系统；要么你深刻理解人性，知道技术该往哪用。」
中间地带最危险。会点Python但不精通？懂点商业但不够懂人？卡普暗示这类人会被挤压。他的逻辑很产品经理：AI工具越强大，"半吊子技能"的溢价就越低。
这解释了帕兰蒂尔的招聘怪癖。公司里有大量哲学、历史、艺术背景的人，和技术极客平起平坐。卡普认为数据智能（Data Intelligence）的真正瓶颈不是算力，是"问对问题的能力"——而这需要对人类行为的深度洞察。
为什么"精英学位"被踢出名单
卡普没点名批评常春藤，但意思很明确。他说「学历正在快速贬值，因为知识获取的方式彻底变了」。
过去名校的核心价值是信息垄断——图书馆、教授、校友网络。现在？GPT-4能读完整套法学教材，GitHub上有开源的量化交易模型。卡普认为，当知识变得廉价，"证明自己能学"的文凭就不如"证明自己能做"的作品。
帕兰蒂尔的员工构成佐证了这一点。2024年财报显示，公司技术岗位中约34%没有传统计算机学位，但人均贡献营收超过150万美元。卡普的用人标准更像风险投资：不看简历标签，看"解决过什么问题"。
工程师路径：从"会写代码"到"懂系统"
卡普说的"顶尖工程师"不是指LeetCode刷题王者。他强调「能构建AI系统」——这意味着理解数据管道、模型部署、安全合规的完整链条。
举个例子：现在用大模型写个聊天机器人，高中生抄教程都能跑通。但把同样的模型塞进银行风控系统，处理实时交易流，同时满足欧盟AI法案的审计要求？这才是帕兰蒂尔客户付钱的场景。
卡普透露，公司最缺的不是算法研究员，是"能把AI从实验室搬到战场"的系统工程师。这类人通常有混合背景——比如数学+军事、物理+医疗——能在模糊需求中定义技术边界。
人性洞察路径：技术时代的"翻译官"
另一条路更抽象，但卡普认为价值被严重低估。他说「知道技术该往哪用」的人，本质是能在技术和组织之间做翻译。
帕兰蒂尔有个经典案例：帮某国医疗系统优化疫苗分配。纯技术方案是算最短路径，但实际瓶颈是"村民不信任外来医护"。最终解决方案里，算法只占30%，剩下70%是重新设计接种流程、培训本地志愿者、调整宣传话术。
这类工作需要什么技能？卡普列过清单：人类学田野调查、博弈论、叙事心理学——没有一门是传统MBA教的。帕兰蒂尔内部甚至有"技术人类学家"职位，专门研究客户组织的隐性决策逻辑。
Z世代的现实选择
卡普的讲话在TikTok上被剪辑成各种版本，但原意被稀释了。他不是劝年轻人辍学，而是说「证明价值的方式必须升级」。
具体建议有三条：第一，用项目代替课程——GitHub仓库、Substack分析、YouTube教程，都是比GPA更硬的通货；第二，刻意培养"T型结构"——一个领域钻深，同时跨学科游荡；第三，尽早接触真实决策场景，哪怕是小公司的实习，也比模拟商业竞赛值钱。
帕兰蒂尔自己的校招已经变了。2024年实习生中，约40%来自非传统渠道——Kaggle竞赛排名、开源项目维护、甚至Twitter技术 threads 的 viral 作者。卡普说：「我们不再问'你哪个学校的'，而是'你解决过什么'。」
这话刺耳，但数据支持他。美国劳工统计局2024年报告显示，科技行业"技能溢价"正在分化：顶尖10%工程师薪资涨幅是中间50%的3倍，而入门岗位数量在收缩。同时，"技术产品经理""AI伦理顾问""数字化转型专家"等跨界职位增长47%，但候选人匹配度极低。
卡普的终极判断是：AI不会消灭工作，但会消灭"模糊地带"。要么你能亲手造出东西，要么你能决定造什么——中间状态的舒适区正在坍塌。
问题是，如果两条路都需要十年深耕，而技术迭代周期只有十八个月，年轻人该怎么押注？卡普没给时间表，但帕兰蒂尔的股价过去五年涨了800%——市场已经用真金白银投了票。
热门跟贴