晓辉博士，华中科技大学本科、清华大学城市规划博士（研究复杂系统与涌现），毕业后创业五年做房地产 SaaS——近 20 人、未融资、靠咨询养团队，最终收不回款而收场；之后进腾讯研究院做产业研究与 AI 转型研究，是两个孩子的母亲。2025 年她主动离职，创办「新可能实验室」，主业是企业 AI 转型培训与咨询。

2025 年 10 月至 2026 年 11 月，她在 B 站更新 144 条视频、合计约 24.3 小时：日更节奏，单条多在 3–10 分钟，穿插徐建、张笑宇、TCL 孙力、任鑫、宋超等 1–2 小时长访谈。内容不追热点，三条线并行——个人怎么用 AI、产业与模型怎么变、人怎么活。

一、AI 协作方法论：从「会用」到「会验收」

这是她投入最多、迭代最快的一块：上半年讲提示词、上下文、四个象限；年中收敛为 harness engineering（驾驭工程）与「复利工程」；下半年整体转向 loop——人退出执行，只保留定方向与验收。而 loop 的前提被她反复指认为：验证。

硬数字给了底气：Anthropic 内部约 26% 的前沿模型研发工作可由 AI 承担，三万多 agent 每天在跑，但这是 L4 不是 L5；METR 以「平均驻场时长」折算约相当于 2.5 名研究员，能力提升速率比去年同期快约 1.9 倍；实验室人均同时指挥 19 个 agent，全岗位平均 6 个。由此提出 verification tax（验证税）：活能交出去，但验收要额外吃掉 30%–40% 的时间，等于没解放注意力；skill 达不到交付标准就让它自迭代，只会产出更多「AI slop」。

对策是把验收做厚。Greg Brockman 团队的 verification skill 分两块：feature map（工作流地图与上下文入口）与 CLI 封装（把可复用能力做成命令行模块，避免重写、顺带省 token）；验证分五层，代码库/好样例与形式化脚本检查属强验证，「代码本身一团乱，AI 只会写得更乱」。另外四件工具已成体系：上下文四象限用来诊断「这次为什么不顺」；复利工程把上下文、决策依据、偏好逐次写进记忆，不必反复交代；评测体系先裸跑建 benchmark、再把自己当变量对照（若从 70 分到 75 分要一两天，就接受 70 分，80 分后每分成本是此前的 10 到 100 倍）；token 经济提供核算语言——5% 的 token 产生 80% 的价值，集中在编程、客服、短剧与 AI for science。最难磨的是审美类 skill：视频剪辑的封面、气口、镜头衔接「自己操作时有明确感觉，放进对话就说不清」，护栏无法像代码那样定义，只能在真实交付里一轮轮调。

  • 《想让AI自己迭代先把验证做好》（BV1Lk4e6dE3Q，2026-11-06）——验证税 30%–40%，verification skill = feature map + CLI。
  • 《让你的Agent等你，而不是你等Agent》（BV1miHF6PEw3，2026-10-27）——只定任务与停止条件，让 agent 自己 loop，人不等 agent。
  • 《高效跟AI协作的四个象限》（BV1dDM36jEND，2026-07-09）——四象限定位摩擦点，目标是把未知持续挪进「已知的已知」。
  • 《AI进阶协作的有效方法：建立你的评测体系》（BV1ETNS6JEkS，2026-07-13）——裸跑建 benchmark、自己当变量、对高价值任务做工程化。
  • 《打磨一个Skill没有那么容易》（BV1jmp167EMC，2026-10-14）——审美类 skill 的护栏无法像代码那样定义，只能在真实交付里磨。
  • 《分享3个帮你省Token的AI协作小窍门》（BV125EA6NEfJ，2026-06-05）——本地 ASR 替代云端、确定性任务写脚本、便宜模型先写 index。

二、AI 产品与模型解读：不看发布会，看成本结构

DeepSeek 开源自用推理框架是最典型样本。她把 KV Cache、prefill/decode 分离、推测解码、128 卡下用 CPU 给 GPU 排队削峰串起来，然后落到钱上：缓存命中 0.003 美元/百万 token、未命中 0.15（约 50 倍差）、输出约 0.6，折合每 GPU 每小时约 38 美元收益，128 卡集群一年约 4000 多万美元——外界第一次看到「卖推理」能持续赚钱。Anthropic 招股书则被读成一本成本账：营收 2023 年 4100 万美元、2024 年 3.86 亿、2025 年 45 亿+、2026 上半年 163 亿（Q2 单季 115 亿、盈利 9.7 亿美元），基本每年 9–11 倍；已盈利仍要上市，因为与 Amazon、Google 各签了约 1100 亿美元的多年期算力采购。

GPT-6 Astra 的视觉跃升被她解释为环境 scaling：不是世界模型路线，而是 GUI + 强化学习，把每台电脑、每个软件当作 RL 环境，用「目标—操作—奖励」反复试错。推论很锋利：scaling 的对象从数据、参数、算力转到了「可试错、可规模化的环境」，因此「AGI 已在数字世界电脑操作层面部分实现」。模型层另一条主线是分化：Fable 5 输入 10 美元、输出 50 美元每百万 token，科研盲测领先，但「同样找出 13 个植入 bug，国产模型花零点几美元，Fable 5 要几到几十美元」；Mythos 5 因漏洞能力过强，公开版加三重防护，上线一两天即因「越狱」举报被要求限美国公民使用，Anthropic 索性对所有人停用。她的判断是前沿模型可能与民用模型分化成「两个物种」。

  • 《DeepSeek为什么把自用的推理框架开源了？》（BV16TH36XEeH，2026-10-25）——缓存命中 0.003 美元/百万 token，每 GPU 每小时约 38 美元。
  • 《Anthropic上市招股书解读》（BV1sns96REt1，2026-10-29）——Q2 单季盈利 9.7 亿仍上市，为撑住千亿美元级算力承诺。
  • 《GPT-6 Astra为什么视觉能力暴涨？从模型Scaling到环境Scaling》（BV1zvY86iEon，2026-09-10）——GUI + RL 把软件变成训练环境。
  • 《为什么Instinct的Agent能估值100亿刀？》（BV1gLa26hEDb，2026-10-02）——不做 App，用电话短信邮件做入口，本质是「授权」。
  • 《如何评估当前AI市场的泡沫情况？》（BV1m6smzoEMz，2025-10-27）——Coatue 40 个标的、30 次泡沫、6 个维度，约 2/3 概率是大繁荣。

三、企业组织转型：先拆工作流，再谈工具

她的核心主张反直觉：不存在「AI 转型」，只有「AI 原生」；但两者是连续谱系，所以大公司里也能长出 AI 原生团队。落地顺序也被固定下来——不是买工具、不是全员培训，而是先把工作流拆到可计数的颗粒度。

最完整的样本是深圳一家近 200 人、95% 无 IT 背景的韩妆代运营公司（对谈徐建）。2026 年 3 月 31 日 WorkBuddy 打通企业微信，4 月 1 日就把 IT 团队从 2 人扩到 10 人；此前全员学 Claude、学 Python 的尝试「螃蟹吃得不太成功」，原因是工具独立于企业微信、金蝶，改变使用习惯的成本被严重低估。关键机制是 FDE：10 人各负责约两个部门「上门服务」，答辩三条标准——会建「专家」、会建「技能」、把自己每项日常工作讲清如何被 AI 替代。全公司梳理出 1400 多条日常工作、400 多条工作流，按耗时加权算出 77% 的工作时间可由 AI 承担；原预估 20% 的人跟不上，实际只有 5%。二阶段先试 Ontology 失败，转而提出「目的论优于本体论」——组织的第一性原理是目的而非对象与关系。

组织形态上她给两个抓手。一是智能体基建：agent 与人「是完全不同的物种」，不确定性强、可控性弱，所以先做沙箱隔离，再补存储、可观测性（何时出错、钱花在哪、用了哪个模型，「像开车有仪表盘」）、token hub（按能力差异路由）。二是最小三人单元：PM、执行、审核；支付团队的版本是 CEO、销售、合规，因为两者立场不同必须相互制衡。最激进的案例是 Block：裁员 40%、股价反涨 20%——「裁掉的 40% 省的是信息上传下达的时间精力，不是人被人替代的故事」。招人一侧则从「因岗定人」转向「因人定岗」。

  • 《企业AI转型先拆工作流》（BV1khpC6nESq，2026-10-14）——1400 条日常、400 条工作流、77% 可替代，实际仅 5% 掉队。
  • 《Agent越来越多企业怎么管? 聊聊智能体基建》（BV1ic4w6eErG，2026-11-02）——沙箱、存储、可观测性、token hub 四件套。
  • 《裁员40%的公司Block推进AI组织变革背后的逻辑》（BV1fFDiBdE13，2026-04-08）——层级制源于 3–8 人管理幅度，AI 接管协调中枢。
  • 《分享下《从超级个体到超级团队》的研究》（BV13QLr6CEzu，2026-05-20）——AI 原生是连续谱系，planner 与 judge 必须最强。
  • 《AI公司都在怎么招人？招什么样的人？》（BV1aVYu6cEzg，2026-09-10）——被传统 HR 筛掉的「偏执」人恰好有独特品味。

四、行业落地：卡点从「能不能做」挪到「能不能交付」

行业侧她反复给出同一观察：AI 只加速了「生产」这一段，后面那些环节反而成了新卡点。这个判断在六个场景里几乎逐字复现。

游戏（科隆开发者大会，200 多场分享）三个变化：从谈合规与边缘提效转向系统性解决工程管线；评价标准从「demo 能否复现」变成「能否编辑、能否进引擎、成本与稳定性如何」。世界模型被她分三路线：无骨（Genie 3 式直接生成可交互画面，长时一致性差）、有骨（World Labs 的 Marble，一张图生成带几何与碰撞的 3D 场景）、软骨（腾讯 IEG 的中间态，要求「场景里所有钟的时间必须一致」）。

智能终端（对谈 TCL 孙力）三条范式：AI 加到现有产品、AI 催生 AI-native 硬件、能力原子化开放（CLI 化）——第三条才是最大变化。价值必须回到产品本质：空调核心是压缩机耗电，用天气、户型、使用时间轴做小模型优化，仿真阶段省 20%、整机综合工况首年省 40%，云端强化学习再挤 18%；电视把模型蒸馏到 4B，一个用户一年成本仅 3 分钱。传感器选择很硬：睡眠场景因隐私绝不能用摄像头，改毫米波雷达；机器人先做陪伴型，不做金属 humanoid。

数学是 OpenAI 一次发布 700 多份成果、覆盖 4000 多道未解命题中的 700 多道、约 200 多道给出 Lean 形式化证明；陶哲轩联合 25 位菲尔兹奖得主谈「错位」，并提出 Math 2.0——稀缺的不再是「第一个给出证明的人」，而是消化、讲清楚、教学生。SaaS 侧实证更冷：一家知名制造企业已基本不再采购外部 SaaS，连 IM 都自建，理由是上下文沉淀。财务侧 63% 的决策者已用 AI，真正落地仅 11%。

  • 《AI在游戏产业落地到什么程度了？》（BV1bV416LE9t，2026-08-29）——AI in production 与 game play 两条线，游戏是训练 AI 的基础设施。
  • 《从家电、眼镜到机器人，AI如何走进生活？》（BV1CUpg6fEhW，2026-10-10）——空调 20%/40%/18% 三级省电，能力 CLI 化是最大范式变化。
  • 《AI冲击数学界对我们有什么影响？》（BV1biph6bEPv，2026-10-09）——700 多份成果与 200 多道 Lean 证明，Math 2.0 把价值挪到「讲清楚」。
  • 《AI做软件这么强了，SaaS何去何从？》（BV1DopR6wEvA，2026-10-12）——制造企业自建 IM 保上下文，SaaS 只剩按效果付费与合规牌照。
  • 《AI剪视频方便到什么程度了》（BV1EfHm69EFF，2026-10-08）——不必再雇初级剪辑，成本在校准审美，标准沉淀后可无限复用。

五、职业与人生：把人生当实验，但先要现金流

她的职业叙事不美化创业，也不把离职讲成英雄故事。第一次创业做房地产 SaaS，5 年、近 20 人、没融资、靠咨询养团队、最后收不回款；头号错误是「招人太快」——模式没跑通就招到 20 多人。第二次改口径为「做生意而非创业」，先要现金流。离职是「带娃、上班、做自媒体」三选二，决定是跟 AI 聊了四五次聊出来的；AI 把她身上「女性、俩娃妈、大厂、AI、城市规划」几个标签汇成一句「破局者」。

方法论叫把人生当实验：实验室允许失败，所以第一天就知道可以失败。落地动作很务实——先做三件确定性的事（买保险、做体检、锻炼加调作息），再谈商业模式；坚持多元化经营以保留「选择权」。

求职建议三条指向同一个结构性机会：用人单位正在「换血」，想招 AI native 的人。一是极大扩搜索面（像 hunter，先拿 offer 再挑）；二是贴 AI 标签——不是「用过 ChatGPT」，而是能把 AI 与真实产业任务结合、大规模指挥 agent 交付；三是做出一两个拿得出手的作品——HR 往往不知道今天的 agent 能干什么，这是信息差。

关于选择，她引兰小欢：我们高估选择与判断的影响，决定人生节奏的是你是什么人、你的习惯与状态；确定性来自过去而非未来。所以高考不是决定命运的选择，「选城市比选大学更重要」。热爱与赚钱被她讲成一句生意话：先卖，再做——AI 让「把东西做出来」贬值约 100 倍，「找到人买东西」升值；她的实验是产品一行代码没写就先卖，5 万元、四周、每周 2 小时，做不到全额退款。编程分两条路：谋生型会像打字员一样收缩到 10%–20%，精进型长期也被侵蚀，但理解系统、把经验变复利是可迁移的。

  • 《不确定的时代把人生当实验》（BV1qWx962Eyn，2026-11-04）——两次创业复盘，离职后先买保险、体检、调作息。
  • 《给找工作同学的三点建议》（BV1W14G65ECz，2026-11-03）——扩搜索面、贴 AI 标签、做出作品，认知差就是机会。
  • 《有了AI，怎样把想法做成生意？》（BV1fbH96BEgr，2026-10-08）——先卖再做；5 万元四周先收钱，验证的是「需要一个大师」。
  • 《AI时代的超级个体：把热爱做成可持续的事业》（BV1x8HD63EvA，2026-10-08）——先砍成本、再想赚钱、最后才融资；先活着。
  • 《高考二十年后关于人生自主性的思考》（BV1PNES6ZE3E，2026-06-10）——人与 AI 最大的区别是有自主选择并承担后果的能力。

六、生活与成长：身体是前面那个 1

她的生活内容更像一份自我实验记录，几乎每条都能追到一个身体信号：晨间心率 100+、录制时 119 次/分；跟 AI 反复调教到凌晨 1 点、6:40 还要叫孩子起床；搬家半天「前额叶报废」。

4:30 早起是最完整的一次实验：7 天完成从夜行到晨行的切换，第 7 天睡满 7 小时；核心换算是早晨 2 小时约等于晚上 3–4 小时——晚上认知已疲劳、没有「认知盈余」，「晚上像活在昨天，早晨像活在未来」。睡眠被她称为最被低估的生产力投资：执行变便宜、判断就变贵，睡眠不足会诱发「认知投降」——AI 说什么就是什么。冥想有可量化证据：每天 15 分钟一周后静息心率从 75 降到 66，附带变化是叫孩子起床不再催吼、改成「要不要抱一下」。

注意力是重复最多的关键词：切换任务后仍有 20%–30% 的注意力留在上一件事上；解法是「脑倒空」（早晨用语音把待办倒给 AI，估时、排序、占住时间段）、先关掉「底层不确定性」的后台进程、不并行不相关任务。新西兰提供另一组参照：奥克兰 100 万人、深圳 2000 万，图书馆一次可借 20–30 本，代价是网速慢、市场太小难 scale。育儿侧最锋利的一句来自创新学校校长：「从 30 分到 70 分 AI 很容易，70 到 90 非常难」——那一段必须人投入注意力打磨；按着写作业能保住基本功，却磨掉了自主性。

  • 《晚上不跟 AI 聊了，我改4:30起床了》（BV1JGnz6cEU8，2026-10-21）——7 天切换、21:30 睡，早晨 2 小时是唯一无人打扰的整块时间。
  • 《冥想对缓解AI焦虑真的很有效》（BV1BTD7BuEoV，2026-04-09）——静息心率 75→66，先察觉紧张才谈得上不被牵着走。
  • 《如何用AI帮你减少注意力消耗？》（BV1gBRtBYExk，2026-05-07）——把重复判断变成结构，三个月规划是最重要的一件事。
  • 《AI时代的学校会变成什么样？》（BV19enF6rEMX，2026-10-20）——「人类保护区」与「附近」，70 到 90 分那一段才是人的地盘。

贯穿主线：五个反复出现的判断

一、验证先行。 这是全部方法论的底座：AI loop 起来之前先把验收标准写出来；RSI 没实现的真正瓶颈是 verify；「验证怎么写」会是接下来工程层的核心议题。程序员写测试，知识工作者同理。

二、超级个体 → 超级团队。 不是「一个人干掉一家公司」，而是「个体能力溢出之后，组织才有存在价值」。最小单元是三个人（PM/执行/审核，或 CEO/销售/合规），因为需要不同立场相互拉扯；团队的作用是稳定注意力、彼此承担风险。

三、AI 是杠杆，不是替代。 她引杨斌的「AI 次方」：AI 对人的作用不是乘积而是指数——你本身是 1.1，平方立方后放大倍数惊人，所以判断力更关键。对应动作是 raise the ceiling：把重复脑力外包，腾出时间提升架构能力、审美与判断，而不是「把流程写好就去喝茶」。

四、把人生当实验。 《为什么伟大不能被计划》是理论底稿：目标规划覆盖不了现实可能性。所以「新可能实验室」、4:30 早起、日更、离职，都被她当作可失败、可复盘、可公开的实验，而不是必须成功的项目。

五、注意力是最稀缺的资源。 token 每年降 5–10 倍，注意力的价格反向上涨。她的所有建议最终都收敛到同一句：优先选做什么，比投入多少时间更重要。

局限与存疑

  • ASR 误差：全部转写为语音识别产物，专有名词错讹较多，文中已按上下文校正并对无法确认者保留「存疑」标注（METR、Fable/Mythos、Instinct、Tripo、DeepSeek-Infer 及部分人名公司名）。
  • 观点非事实：营收、估值、提效比例多为她转述招股书、报告或内部消息，口径未必一致（同一指标出现 77%/76% 并存、26% 的内部口径不明），引用前应回到原始来源核实。
  • 样本偏差：企业案例集中在她参与或对谈的公司（徐建的韩妆代运营、TCL、Block），成功叙事偏多，失败披露相对少。
  • 长访谈已压缩：1–2 小时对谈（徐建 1:43、张笑宇 1:40、任鑫 1:53、宋超 1:28、巨蟹爸 2:00）只保留结论与关键数据，论证过程与反例被省略，直接引用易失真。
  • 时间性：模型版本与市场数据在 2026 年内快速变化，本文只反映 2025-10 至 2026-11 的快照。