Ai神剧《年轻的后妈与继子》 第二集 年轻风骚的后妈做瑜伽时也毫不收敛！ 扭动着曼妙的身体，眼神勾人，充满禁忌诱惑…… 更多精彩视频👉 #AI短剧# #热播短剧# #成人短剧# #免费短剧#

Ai神剧《年轻的后妈与继子》 禁忌之恋！年轻风骚的后妈和继子，私下玩得越来越大胆…… 更多精彩视频👉 #AI短剧# #热播短剧# #成人短剧# #免费短剧#

AI Native：年轻比经验更值钱 互联网公司高层是塔尖的少数人，管理着数百人技术团队或在某项业务上做出过成就，职级高、口碑好、位置稳，得以远离 “35 岁诅咒”。 如今过去的经验失效了。一位曾在字节 Seed 的人士说，刚开始投入大模型时，字节延续惯例，让在业务上做出成就的 “大哥” 负责新业务。这样的负责人换过两三个，带来各自的核心研究员，但效果不如预期。后来更年轻的周畅加入，迅速推动了多模态能力的提升。 “这让我们意识到过去的用人策略不对。” 他说。 如果比资源，DeepSeek 不是动辄投入千亿级的大厂的对手。它的员工人数不到大厂 1/10 ，人均工作时间只有大厂一半，此前没拿过任何投资，但比中国头部互联网公司更早进入全球大模型第一梯队。我们曾梳理参与 Deepseek 三代模型的 172 名研究者中公开可见的 84 份履历，其中超过 70% 小于 30 岁。 字节研究 OpenAI、Anthropic、DeepSeek 3 家 “黑马” 公司后得出的结论之一是，AI 领域，真正决定一项业务进展的是关键研究员，过去的管理经验和业务成就没那么重要。“大哥” 不一定带不好研究员，但一定不会比研究员直接决定做什么更好，不如让聪明的年轻技术人才带队。 一位知情人士说，为了组建 Seed 团队，字节跳动将一位 TikTok 增长产品负责人调来负责 Seed 招聘。招聘逻辑只看投多少钱、有多少产出，招人也是，看给他多少钱、能给公司带来多大增益，过去的职级、薪酬没意义。“原来评级 3-1 的人大都是硕士毕业、工作 5 年左右，今天，校招生也能拿到同等甚至更高的职级。” 新的规则变成谁越 AI Native，谁越有机会。 几位研究员尝试解释这个在大厂招聘启事、融资计划书、创始人演讲中流行起来的概念。一位说，“思维模式和大模型的输入输出完全对齐，遇事先问 AI，且知道下一题该问什么”；另一位打比方，“为什么老年人用智能手机需要学习，小孩不用？因为小孩理解点击屏幕会出现什么。对大模型也一样。” 一位 AI 方向的投资人答得更简单，“年纪越小越好”。他们都是 00 后。 从 2022 年 OpenAI 让大语言模型成为主流，到模型具备多模态、深度推理和编程能力。行业几乎每隔一段时间就会出现新的技术。 不过四年。一位读博时选择报考热门方向 “计算机视觉” 的人，还没毕业，天就变了。如果转方向不够快，他也成了 “上一代”AI 人。 四年以上，工作越久越被动。一位大模型公司 HR 说，他们在 2024 年招 AIGC 文生图、生视频岗位，惯性去找有视觉算法经验的人，很快发现招来的人也有惯性，先用过去验证过的技术方式解决问题，效果好一些就直接用，但应届生、更 “AI Native” 的人不会抄过去的作业，换人后，效果翻了几倍。 “工作五六年的人也许能很快转过来，但公司何必赌？反正有更年轻的。” 十几份候选人简历被拒后，一位和大模型公司合作的猎头领悟了没明说的规矩，“33 岁大概率是上限”。 猎头们有一些筛选技巧。如果候选人问，公司营收怎么样——立刻认定为不够 AI Native。多数 AI 公司还没赚钱，他们更关心算力、模型、数据，营收被视为上一代公司的财务判断指标。 “‘天才’ 管理者只想招同类人。30 岁的技术负责人会想招比自己年龄大、技术差的人吗？” 一位和字节合作过的猎头反问。 她迅速举出几个例子，撑起字节多模态能力的周畅 30 多岁， 杨植麟创办 Kimi 时也才 30 ，阿里千问大模型前负责人林俊旸是 1993 年的，小米 MiMo 大模型负责人罗福莉 1995 年，腾讯混元大语言模型部负责人姚顺雨 1998 年。 何况大部分年轻人更能加班。一位 21 岁的 AI 实习生多数时候从 11 点工作到凌晨 1 点多，中间吃顿饭、转两圈，让头脑清醒，周末也 “干一会儿玩一会儿”。“这和公司没关系，是我对自己的要求。” 他补充，“不然很难在同龄人里突出”。另一位 22 岁的 AI 研究员不觉得这有什么特殊，他有时从晚上 9 点通宵工作到第二天中午，原因是更 “沉浸”。他们离照料家庭的责任和顾虑还很远。

中老年人对AI态度，大概有六类。 第一类（80%的普通中老年人）：算了，AI是年轻人的玩具，跟我没关系，踏踏实实干好手里的活儿，偶尔看看新闻，不要耽误本职工作； 第二类（自以为是的中老年NPD无能狂怒）：AI就是个泡沫骗局、垃圾玩具，这种骗局我们年轻时候见得太多了，人类果然没脑子没记忆力， 不长点教训； 第三类（想跟上但已经跟不上的科技爱好者或者从业者）：AI有这么多新产品新东西，我好想认真学习一下，我也想筛选筛选，挑挑好用的产品，可惜时间和精力都不允许了，唉，人还是要服老，不如年轻人； 第四类（精力依然充沛的中老年终身学习者）：学，折腾，玩，充会员，买coding plan，我操太好玩了，感觉像吃了唐僧肉重返青春了——但凡我要是晚生几年，能年轻个10岁，必然给这个行业搅个天翻地覆； 第五类（位高权重、吃到红利的前浪大缝合怪）：听说token中转站不错，小张，你带两个人做一做，汇报进度给我； 小李，你研究研究AI教育，我觉得AI在线课堂方向不错，你给我写个报告和ppt出来； 小赵，你安排一下，我下周要去AI展会做个演讲，年轻人没有社会经验，我来亲自教一教年轻人用AI； 老张老吴老孙，我在朋友圈看了一篇文章，转载了推特中文二手贩子们机器翻译的Sam Altman和黄仁勋的演讲，我转发到群里了，咱们下周开个会，继续研究一下咱们中国AI发展方向和战略布局； 第六类（永远18岁、永远热泪盈眶的技术先驱），这个不介绍了，这类人太少了，我猜大部分人没见过也没想象过。

观察了一年多，我发现中老年人面对 AI 的态度，大概分成六类。 每一类都见过真人，不是编的。 第一类：与我无关型（最多） "AI 是年轻人的事，跟我没关系。踏踏实实干好手里的活儿就行了，别整那些花里胡哨的。" 这类人不反对 AI，也不关心 AI。偶尔在新闻上看到"AI 又突破了"，点头看完，然后继续原来的生活。他们不是不聪明，是觉得"这件事跟我的日常距离太远了"。 大多数中老年人在这一类。不是因为他们落后，是因为 AI 还没有以一种他们能直接感知的方式影响到他们的生活。 第二类：泡沫骗局型 "AI 就是泡沫，跟当年的 VR、区块链、元宇宙一模一样。这种骗局我们年轻时候见太多了。过两年你看，又是一地鸡毛。" 这类人有强烈的"历史周期感"——他们确实见过太多"这次不一样"最后变成"这次也一样"的故事。所以他们的默认反应是怀疑。 问题不在于他们怀疑——怀疑是健康的。问题在于他们用上一次的经验判断这一次。AI 跟 VR / 元宇宙有一个本质差异——AI 已经在产生真实的商业收入（Cursor 90 亿美金估值、GitHub Copilot 数亿营收、Klarna 用 AI 替代 700 客服每年省 4000 万美元）。这些数字不是 PPT，是 P&L。 但这类人不会去查这些数字。他们的判断模型已经锁死在"泡沫"这个结论上了。 第三类：想学但跟不上型 "AI 每天出新东西，我也想认真学学。但产品太多了、更新太快了、教程太碎了——看了三天就跟不上了。唉，人还是要服老。" 这类人是最让人心疼的。他们的好奇心还在，学习意愿还在，但精力和信息筛选能力跟不上 AI 领域的更新速度了。 AI 领域每周都有新产品、新模型、新框架、新概念——对一个全职在这个领域的年轻人来说都很难全部跟上，更不用说一个还有本职工作、还要照顾家庭的中年人。 他们不是能力不行，是 AI 行业的信息密度超过了他们能投入的时间预算。这不是个人问题，是信息结构问题。 第四类：疯狂学习型（稀有） "学！折腾！玩！充会员！买 Cursor Pro！太好玩了！" 这类人 45-55 岁，精力还在，好奇心未灭，经济上也有余裕。他们装了 Claude、买了 Cursor、折腾了 agent、搭了工作流、甚至开始用 AI 写代码做小项目。 他们最常说的一句话是——"要是我再年轻十岁，必然给这个行业搅个天翻地覆。" 这句话里有兴奋，但也有遗憾。他们知道自己的体力、时间、职业窗口都在收窄。他们能感受到 AI 的力量，但也能感受到年龄的重力。 这类人在任何一个技术群里都是最活跃的——但他们发的 AI 内容在群里往往得不到回应（跟我之前讲的"30 个群炸不起水花"是同一个现象）。他们的热情是真实的，只是周围的人跟不上。 第五类：指挥别人学型 "小张，你带两个人研究一下 AI 中转站，做个方案出来。" "小李，你看看 AI 教育方向有什么机会，给我写个报告。" "小赵，安排一下，我下周去 AI 展会做个演讲，年轻人缺社会经验，我来指导指导。" "老张老吴老孙，我在朋友圈看了一篇文章，是关于 Sam Altman 最新演讲的解读，我转到群里了，咱们下周开个会研究研究。" 这类人通常在传统行业有一定地位——公司高管、行业协会、政府顾问、高校教授。他们的特点是非常敏锐地感知到了 AI 的重要性，但自己不直接接触 AI 产品。 他们的 AI 认知来自三个渠道：朋友圈转发、下属汇报、行业会议。每一个渠道都有信息损耗——朋友圈文章是二手解读的三手转发，下属汇报是经过筛选的正面信息，行业会议是经过包装的 PR 内容。 所以他们对 AI 的判断往往是方向对但细节全错——"AI 很重要"是对的，"我们应该做 AI 教育"可能也是对的方向，但具体做什么、怎么做、市场在哪里、竞争格局怎样——这些他们不知道，也不打算自己搞清楚。 这不是坏事。商业世界里大部分事情都是"上面定方向、下面做细节"。但在 AI 领域有一个特殊问题——AI 的方向判断本身就需要对产品的直接体验。你没用过 Claude Code 就不可能理解 agent 工作流的真实能力边界。这不是靠读报告能替代的。 第六类：技术先驱型（极稀有） 这类人不介绍了。太少了。大部分人没见过，甚至没想象过这类人存在。 他们的特点是——年龄只是生理数字，不是认知边界。他们 55 岁在读最新的 arXiv 论文，60 岁在写开源代码，65 岁在做 AI 创业。 他们的存在证明了一件事：对技术的热情和学习能力跟年龄之间没有因果关系，只有相关性。 大部分人到了某个年龄停止了学习，不是因为"老了学不动了"，是因为生活的结构把学习的空间挤掉了——工作、家庭、社交、健康。学习是第一个被牺牲的。 第六类人是那些在所有挤压下依然保留了学习空间的人。不是因为他们比别人更有天赋，是因为他们比别人更执着于保护这个空间。 这六类人让我想到一件事—— 人们对 AI 的态度，跟 AI 本身无关。 跟他们对所有新事物的态度一致。 第一类人对移动互联网也是这个态度——"跟我没关系"。 第二类人对每一次技术浪潮都是这个态度——"泡沫"。 第三类人对每一个新领域都是这个态度——"想学但跟不上"。 第四类人对每一个有趣的东西都是这个态度——"冲！" 第五类人对每一个新机会都是这个态度——"小张你去研究一下"。 第六类人对每一个技术变革都是这个态度——"让我自己来试试"。 AI 没有改变任何人的认知模式。它只是照出了每个人原本的认知模式。 所以如果你想判断一个人在 AI 时代会怎样——不要看他现在说什么。看他过去 20 年面对新事物的态度是什么。 那个态度，就是他在 AI 时代的命运。 不是 AI 选了谁。 是每个人在 AI 到来之前，就已经选了自己会怎么面对它。

OpenAI 奥特曼的教育变革预判没能兑现，其影响远超 AI 技术迭代。他在斯坦福演讲提到，ChatGPT 推出三年半，AI 能力大幅突破，但全球教育体系仍固守传统作业、考试模式，没有结构性调整。 英伟达黄仁勋也分享案例：大量中学生借助 AI 提升日常作业表现，统考成绩却下降近两成。二人共同指出，传统考核标准，已经无法评估 AI 时代年轻人的真实能力。

一个不知能否成功的，正在尝试的业务扩张计划 1、我通过和 Agent 沟通，解决过无数的业务问题 2、我认为在这里，我所用到的能力，并不是极其稀缺的那种。只要是没被传统行业荼毒过的，有判断力、每天用 AI 的年轻人，大抵都可以完成。因为人只要有撰写 prompt 的能力就好了，大部分推理都外包给了 Agent 暂且给这个角色起一个俗气的名字叫 Agentic Human🤣 3、如果用了 Agent 还有完不成的部分，我肉身充当外挂咨询就好了，我兜底 4、基于此，我认为「团队」可以摆脱「行业」的定位，团队人员没有固定岗位（如果什么都可以干，就不需要定岗位），业务也不限于某个特定「行业」 PS：考虑到我过往每次业务升级的结果都是转行，我也不觉得「行业」这个划分对我有什么意义 5、那么所有想要尝试的方向，就让 N 个 Agentic Human 去尝试就好了，尝试通过建立不区分岗位的 Agentic Human 团队，来解决创业问题，而不是执行问题 6、还没搞清楚的是，Agentic Human 应该领工资，还是拿投资呢？这个正在研究，不过我觉得会有标准答案 把所有工作日志给 Agent，让 Agent 根据分工给一个合适的收益分配比例就好 核心是做大蛋糕，而不是谁服务于谁、谁雇佣谁 7、Agentic Human 如果人数多了，我认为内部会产生极其合理的分工协作 因为传统按照岗位来区分，工作分配常常很不合理。什么人就干什么岗位的活儿，比如 HR 就是用来招人的，有没有可能这一次换另外一个同事来招人，比 HR 效率更高呢？这完全有可能 如果 Agent 拥有 Agentic Human 的所有工作数据，让 Agent 来分配任务就好了，每个人都干自己最适合的事情，而不是符合自己岗位定位的事情 8、高效的分工协作、合理的利润分配机制、智商在线的业务机会判断，加上外部有可以调用的前辈军师，是不是可以做大蛋糕？ 试试就知道了