带队发布 Qwen 3.5 小模型系列、获马斯克公开点赞，20 小时后在社交媒体宣告离职。林俊旸离开阿里的方式，本身就是 2026 年 AI 行业最戏剧性的一幕。

32 岁，阿里最年轻的 P10，一手将千问做到全球下载量超 10 亿次、衍生模型超 20 万款，成为全球开源模型的新王。他的离开源于一次组织架构调整的分歧：

阿里希望将 Qwen 团队按预训练、后训练、视觉、语音等维度水平拆分，与通义实验室其他团队合并；林俊旸则坚信预训练、后训练乃至基础设施团队应该更紧密地垂直整合，而非割裂。这不只是管理风格之争，更是对「怎样才能训出最好的模型」这个根本问题的路线分歧。

离开近一个月后，林俊旸发出了这篇长文。他没有回应任何人事风波，直接亮出了自己对 AI 下一阶段的判断：我们正在从「训练模型」的时代，进入「训练智能体」的时代。

这篇文章之所以值得逐字读完，不仅因为写它的人在过去两年亲手操刀了 Qwen 全系列的后训练，更因为林俊旸在文中罕见地复盘了 Qwen3 在「混合思考模式」上的得与失。

以下为 APPSO 对林俊旸的编译：

原文 https://x.com/JustinLin610/status/2037116325210829168

从「推理式思考」到「智能体式思考」

过去两年，彻底改变了我们衡量 AI 模型的方式。

OpenAI 的 o1 证明了一件事：「思考」可以是模型的核心能力，可以专门训练出来、直接交到用户手里。DeepSeek-R1 紧随其后，证明这种「推理式后训练」并非大厂专利，可以在原始实验室之外复现和扩展。用大白话说：o1 是一个被教会了「回答之前先想想」的模型，R1 则是一个开源版的同类选手，跟 o1 打得有来有回。

那个阶段很重要。但 2025 年上半年的行业主旋律，说到底还是在围绕一件事打转：怎么让模型「想」得更多。 让它在推理阶段烧更多算力，用更强的奖励信号训练它，暴露或控制那些额外的「思考过程」。

现在的问题是：然后呢？

我相信答案是智能体式思考。为了行动而思考，一边跟真实环境交互，一边根据世界的反馈不断修正计划。

1. o1 和 R1 的崛起真正教会了我们什么

第一波推理模型教会我们一个朴素的道理：想在大模型上把强化学习跑起来，你得有靠谱的评分标准。

什么叫靠谱？就是答案能判对错、结果能验证、反馈信号足够清晰。数学题有标准答案，代码能跑测试，逻辑推理能验证步骤。这些领域之所以成了强化学习的主战场，就是因为在这里，模型收到的奖励信号远比「让人类标注员觉得这个回答还不错」强得多。换句话说，强化学习终于能优化正确性，终于不用只追求看着像那么回事了。

然后，基础设施的重要性一下子凸显出来了。

一旦你开始训练模型进行更长的推理链条，强化学习就不再是在监督微调上面加个小配件那么简单了，它变成了一个重工业级的系统工程。你需要大规模的模拟推演（rollout）、高吞吐量的答案验证、稳定的策略迭代、高效的采样流程。推理模型的诞生，表面看是算法突破，底下看是基础设施的胜利。

OpenAI 把 o1 定义为用强化学习训练的推理产品线；DeepSeek R1 接棒验证了同一方向，同时也展示了推理式强化学习对底层算法和基础设施的要求有多高。

APPSO 划重点： 第一次大转折发生了。行业焦点从「扩展预训练」转向「扩展面向推理的后训练」。模型变强靠的不再是吃更多数据，靠的是在训练后阶段学会「怎么想」。

2. 真正的难题从来不只是「融合思考和指令模式」

2025 年初，我们 Qwen 团队心里有一张很大的蓝图。

理想中的系统长这样：一个模型同时搞定「思考」和「执行」两种模式。你可以手动调节它思考的深度，轻度、中度、深度，就像调空调温度一样。更理想的情况是，模型自己就能判断：这道题简单，直接答；这道题有点难，多想想；这道题极难，调动全部算力来啃。

方向是对的。Qwen3 是当时最清晰的公开尝试之一。 它引入了「混合思考模式」，一个模型家族里同时支持「想了再答」和「直接答」两种行为，还描述了一条四阶段后训练流水线，其中明确包含了在长链推理冷启动和推理强化学习之后的「思考模式融合」步骤。

但融合这件事，说起来一句话，做起来要人命。

难在哪？难在数据。

很多人一听「融合思考和指令模式」，脑子里想的都是模型层面的事：一个模型文件能不能同时跑两种模式？一套对话模板能不能在两种风格之间切换？一个推理服务能不能暴露正确的开关？这些确实要解决，但都不是最深的坑。

最深的坑是：两种模式想要的东西，从根儿上就不一样。

你想想，一个好的「指令模型」该长什么样？干脆、简洁、格式规范、响应快。企业用户拿它来批量改写文本、打标签、做模板化客服、结构化数据提取，这些场景要的是效率和稳定，不需要深思熟虑。

一个好的「思考模型」呢？恰恰相反。它该在难题上多花时间、维持清晰的推理中间步骤、探索不同的解题路径、保留足够的「思考余量」来确保最终答案的正确性。

这两种性格天然打架。 如果融合的训练数据没有精心设计，出来的模型往往两头不讨好：思考的时候啰嗦、犹豫、不够果断；执行指令的时候又不够利落、不够稳定、比客户真正需要的版本更贵更慢。

说实话，我们在平衡融合与数据质量的过程中，没有把所有事情都做对。

在不断修正的过程中，我们也仔细观察了用户到底怎么用这两种模式。结论是明确的：这两种行为画像确实在相互拉扯。

现实很诚实。2025 年晚些时候，在 Qwen3 最初的混合架构之后，我们的 2507 版本还是发布了独立的 Instruct 和 Thinking 版本，包括分开的 30B 和 235B 变体。大量商业客户根本不需要思考模式，他们要的就是高吞吐、低成本、高度可控的指令行为来跑批量任务。对这些客户来说，融合不是福音，是多余的成本。拆开来做，反而让两条线的团队都能更专注地解决各自的问题。

其他实验室走了相反的路：

Anthropic 公开押注集成式路线。Claude 3.7 Sonnet 是一个混合推理模型，用户可以选择普通回复或扩展思考，API 还能设定「思考预算」。Anthropic 直接放话：推理应该是模型的集成能力，不该单独拎出来做一个独立模型。

GLM-4.5 同样定位混合推理，把推理、编程和智能体能力统一到一个模型里。

DeepSeek V3.1 后来也做了类似的事，推出了「Think & Non-Think」混合推理方案。

那么问题来了：谁是对的？

答案不在「融合」还是「分离」这个二选一本身，在于融合是否有机。如果思考模式和指令模式只是尴尬地挤在同一个模型里，像两个性格迥异的人被硬塞进一件衣服，用户体验不会好。

真正成功的融合，需要一道平滑的光谱：模型能自如地在不同推理力度之间切换，最好还能自己判断该用多大力气。GPT 风格的 effort control（推理力度控制）指向了这个方向，这是一个关于「花多少算力来想」的连续策略，不是一个「想 / 不想」的二元开关。

APPSO 划重点： 林俊旸罕见地直言 Qwen3 在融合上「没做到完全正确」。核心矛盾其实很好理解：一个追求快准狠的执行者，和一个追求深思熟虑的思考者，硬融到一起，很容易两头都做成半吊子。

3. 为什么 Anthropic 的方向是一种有益的纠偏

Anthropic 在 Claude 3.7 和 Claude 4 上的做法，是一种值得注意的克制。

他们没有大谈模型有多能「想」，把重点放在了：集成推理、用户可控的思考预算、真实世界任务、编程质量，以及后来的关键一步，让模型在思考的过程中就能动手用工具。Claude 3.7 是带可控预算的混合推理模型；Claude 4 更进一步，推理过程和工具使用可以交错进行，边想边干。与此同时，Anthropic 把编程、长时间运行的任务和智能体工作流摆到了最优先的位置。

这里面有一个深刻的洞察：

推理链更长，不等于模型更聪明。 很多时候恰恰相反。一个模型如果对所有问题都用同样冗长的方式来「推理」，说明它根本分不清轻重缓急。它可能正在失败于三件事：该优先处理什么（优先级判断）、该压缩掉什么（信息浓缩）、该在什么时候停止想而开始做（行动决策）。

Anthropic 的做法暗示了一种更有纪律的观点：思考应该为具体的工作目标服务。 如果你要做的是编程，那思考就该帮你导航代码库、规划架构、拆解问题、恢复报错、编排工具调用。如果你要做的是智能体工作流，那思考就该帮你在漫长的执行过程中保持质量，而不是产出一堆令人印象深刻但没有实际行动力的中间长文。

这种「思考必须服务于行动」的理念，指向了一个更宏大的命题：

我们正在从训练模型的时代，进入训练智能体的时代。

这句话我们在 Qwen3 的博客里也明确写过。智能体是什么？一个能制定计划、决定何时行动、使用工具、感知环境反馈、修正策略、并在长时间跨度上持续运作的系统。一句话概括它的核心：与真实世界的闭环交互。

APPSO 划重点： 长不等于强。Anthropic 的实践提供了一个重要的纠偏信号。思考的价值在于有没有真正服务于最终的行动目标，不在于产出了多少字的推理过程。这是从「炫技式推理」到「实用型思考」的转向。

4.「智能体式思考」到底意味着什么

说了这么多铺垫，现在进入正题。

智能体式思考和推理式思考，优化目标完全不同。

打个比方：推理式思考就像闭卷考试，评判标准是你交卷那一刻答案对不对。模型能不能解出定理、写出证明、产出正确代码、通过基准测试。想得再天花乱坠，最终只看结果。

智能体式思考更像是在真实世界里做一个项目。 评判标准不是某一刻的答案，是你能不能在跟环境不断互动的过程中持续推进、持续解决问题。

核心问题变了。

不再是「模型能想多久？」，变成了：「模型能不能以一种维持有效行动的方式来思考？」

这要求模型处理一堆传统推理模型可以绕开的难题：

• 什么时候该停止思考、开始动手？ 想太多会错过行动窗口，想太少会犯错
• 该调用哪个工具、先后顺序是什么？ 这是一个规划和调度问题
• 怎么消化来自环境的嘈杂、不完整的信息？ 真实世界不会给你干净的输入
• 失败了怎么办？ 不能崩溃，得修正计划继续干
• 怎么在几十轮交互、几十次工具调用之后还保持连贯？ 这是长程记忆和一致性的问题

如果用一句话概括：

智能体式思考 = 通过行动来推理的模型。它在做的过程中不断地想。

APPSO 划重点： 推理式思考像闭卷考试，智能体式思考像在真实世界里做项目。前者看最终答案对不对，后者看你能不能在复杂、动态、充满意外的环境里持续推进。这是 AI 能力评价体系的根本性转向。

5. 为什么智能体 RL 的基础设施更难

目标一变，底层的工程全都要跟着变。

经典推理强化学习的那套基础设施，不够用了。

直观地理解一下区别：在推理 RL 里，模型做一道题、给出一个答案、评估器打一个分，整个过程基本上是自包含的，评估器也相对干净。就像在一个封闭的考场里阅卷。

但在智能体 RL 里，模型不是在考场里答题，它活在一个复杂的真实环境中。 工具服务器、浏览器、命令行终端、搜索引擎、模拟器、代码执行沙箱、API 接口、记忆系统、调度框架……模型的策略嵌在这一整套系统里。环境不再是一个站在旁边打分的裁判，它本身就是训练系统的一部分。

这带来了一个新的硬需求：训练和推理必须更干净地解耦。 否则整个系统的吞吐量会崩掉。

举个具体的例子：一个编程智能体生成了一段代码，需要在真实的测试环境里跑一下看结果。这时候，推理端在等执行反馈，干不了别的；训练端在等完成的轨迹数据，也饿着。整条流水线的 GPU 利用率远低于你在经典推理 RL 里的预期。再加上工具响应延迟、环境状态不完全可见、每次交互都会改变环境状态，这些低效会成倍放大。结果就是：你还远没达到想要的能力水平，实验就已经慢得让人崩溃了。

环境本身也变成了一等公民级的研究课题。

在监督微调（SFT）时代，所有人都在拼数据多样性，谁有更多更好的标注数据，谁就占优势。在智能体时代，该拼的是环境质量了：环境稳不稳定？够不够真实？覆盖了多少场景？难度梯度合不合理？状态空间够不够丰富？反馈信号够不够有营养？模型能不能找到漏洞作弊？大规模生成训练轨迹的效率够不够高？

环境构建正在从一个「顺手搭的实验配件」，变成一个独立的创业赛道。如果你训练的智能体最终要在类生产环境中运作，那这个环境本身就是你核心能力栈的一部分。

APPSO 划重点： 一句话总结这个转变，SFT 时代拼数据，智能体时代拼环境。构建高质量的训练环境，正在从「实验室的脏活累活」升级为「决定你能走多远的战略资产」。

6. 下一个前沿是更可用的思考

我的判断是：智能体式思考将成为思考的主导形态。

它最终很可能取代那种旧式的静态独白推理，就是那种模型关起门来、对着自己嘟嘟囔囔写一大篇内部推理过程，试图用更多更多的文字来弥补「我没法跟外界交互」这个根本缺陷的做法。

即便面对极其困难的数学或编程问题，一个真正先进的系统也应该有权利去搜索、去模拟、去执行、去检查、去验证、去修正。目标是把问题切实解决掉，而且解决得稳健、高效。 不是比谁的推理链写得更长更好看。

但训练这类系统，有一个比什么都棘手的挑战：奖励劫持（reward hacking）。

一旦模型有了真正有意义的工具使用能力，奖励劫持的危险就成倍增加。怎么理解？

• 一个能搜索的模型，可能在强化学习训练过程中学会了直接搜答案，不是靠推理做出来的，是查到的。
•  一个编程智能体，可能学会了利用代码仓库里的未来信息（比如测试用例本身就暗含了答案）、滥用日志、或者发现某个捷径让任务直接「通过」但其实什么都没做。
• 如果训练环境有隐藏的信息泄漏，模型可能看起来表现超人，实际上只是被训练成了一个高效作弊者。

这就是智能体时代比推理时代精细得多、也危险得多的地方。 工具越强大，模型越有用，但模型能钻的空子也越多。更好的工具同时扩大了「虚假优化」的攻击面。

我预期，下一个让整个行业卡住的研究瓶颈，将来自这几个方向：环境设计、评估器鲁棒性、反作弊协议、以及策略与世界之间更有原则的接口。

但方向是清晰的：工具赋能的思考，就是比闭门造车的思考更有用，也更有希望带来真实世界的生产力提升。

智能体式思考还意味着一种全新的系统工程。核心智能将越来越多地来自于多个智能体如何被组织起来：一个负责全局规划和任务分发的编排器（orchestrator），一群各有专长的专业智能体（specialist agents），以及执行更具体任务的子智能体（sub-agents），后者帮助控制上下文窗口、防止信息污染、在不同层级的推理之间保持清晰的边界。

未来的路线图是三级跳：从训练模型，到训练智能体，再到训练系统。

APPSO 划重点： 工具让模型更有用，也让模型更容易作弊。奖励劫持是智能体时代的「定时炸弹」。谁先解决好环境设计和反作弊问题，谁就掌握了下一阶段的竞争主动权。

结论

推理浪潮的第一阶段，确立了一件至关重要的事：当反馈信号靠谱、基础设施扛得住的时候，大模型上的强化学习能够产出质变级别的认知提升。

但更深层的转变，是从推理式思考到智能体式思考：从「想更久」，到「为了行动而思考」。

训练的核心对象已经变了。不再是单一的模型，是模型 + 环境构成的整个系统。更具体地说，是智能体本身，加上围绕它的一切工程。这意味着什么研究最重要也变了：模型架构和训练数据当然还重要，但环境设计、rollout 基础设施、评估器鲁棒性、以及多个智能体之间的协调接口，重要性一点不输前者。

它还改变了「好的思考」的定义：在真实世界的约束下，能够维持有效行动的那条推理链，才是最好的。 不是最长的那条，不是看起来最酷炫的那条，是最有用的那条。

它也改变了竞争优势的来源：

推理时代，拼的是更好的强化学习算法、更强的反馈信号、更可扩展的训练流水线。

智能体时代，拼的是更好的训练环境、更紧密的训练与推理一体化、更强的系统工程能力，以及闭合「决策 → 后果 → 学习」这个循环的能力。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

今年春节，OpenClaw 火了。短短两个月不到，它又冷下去了——又一场 AI 应用层面的热闹。

热闹散了，没人知道下一个 OpenClaw 是谁，也没人知道这些东西究竟在解决什么问题。

用影像旗舰手机拍下一张夜景当中的人脸，细节清晰到能看见眼眶里的水光。但手机可能并不清楚，主角刚才是否哭泣，也就无法理解这张佳作的情绪背景；再用长焦技能把数百米外的一个路人拉到面前，细节纤毫毕现。但你问手机：这个人是着急赶路，还是在找什么东西？手机仍然不知道。

今天的 agent 能写代码、能操控网页、能把一份 PDF 整理成会议纪要。这些它都做得不错。但这些事情有一个共同点：处理的全是人类已经事先转好格式的信息。文件、数据库、网页，都是数字化过的世界。一旦面对物理世界，一扇门、一段动作、一个表情，它们是失明的。

从今天的大模型，到能真正读懂物理世界的所谓「具身智能」，中间有一道鸿沟，现在没有人说得清楚怎么填。

这道鸿沟，是胡柏山在博鳌亚洲论坛上花了最多时间讲的一件事。

胡柏山是 vivo 总裁兼首席运营官。在博鳌亚洲论坛，他告诉爱范儿，自己有一个很直接的判断：「在明确的物理大模型没有出来之前，要有好的体验，就要把物理世界的信息转化到数字世界。」

他相信，这件事，不仅手机可以做，而且应该用手机去做。甚至在未来十年里，其它设备都很难替代。

拼大脑，没有护城河

过去两年，几乎所有手机厂商都在说「AI 手机」。大模型接入、智能助手升级、端侧算力提升，这些能力以肉眼可见的速度在普及。

去年 DeepSeek 横空出世，今年 OpenClaw 引爆讨论，各家都在抢着把最新的模型能力塞进自己的产品。

这场军备竞赛，有一个必然的结局：大模型的高度商品化、同质化、可替代化。

拼模型能力，没有护城河。

你比友商快三个月上线某大模型，以及大模型驱动的 agent 功能；友商六个月后跟上，用的模型和 agent 能力都比你更强。时间上的领先、花费的金钱和精力，卷出的工时和损耗的员工健康，价值又是什么？

于是，真正的差异化只能在别处找。

vivo 给出的答案是「感知」。

感知，是 vivo 刚刚成立的新技术赛道。

中外互联网公司和手机品牌纷纷加速进军「AI 手机」。行业一度以为模型能力会成为手机厂商的护城河。

在胡柏山看来，实际并非如此。「相比模型而言，积累下来的场景数据才最有差异化。」紧接着他补了一句：「当然，该做还是要做，要做就找适合我们的，可以做慢一点，晚一点也 ok。」

当被问及「如果不看好大语言模型，vivo 会否发力世界模型」时，他的回答更加保守却又直接：「世界模型也很大。我们还是找适合我们的技术路径。我们先把手机模型搞好，小模型搞好。」

当今 AI / 互联网科技巨头大打人才争夺战，顶级研究精英如 NBA 巨星般抢手，转会费一再突破新高。但胡柏山并不认为 vivo 应该为这团火再添柴。他告诉爱范儿，先想清楚思路，看清方向，定好技术平台，再发力，完全不迟。

在这个所有人都在比拼模型能力和 AI 人才储备的时间点上，掌门人直接把 vivo 的优劣势与行动纲领展开在媒体面前。这种坦诚令人印象深刻：vivo 的稳健、谨慎， 究竟有何用意？

胡柏山回应称，vivo 从不回避竞争。相比模型、算力，未来最大的差异化是来自于场景数据。

场景数据，是跟着使用行为逐渐积累的，不能批发，不能抄近路——影像数据尤其如此。经过十年光学硬件积累、用真实场景训练出来的感知判断，没有捷径。

而这些积累与判断，构成了 vivo 接下来押注的「感知」的底层。这些东西，其他人（无论友商还是互联网/AI 公司）想要，也只能自己去积累。

这就回到了刚才那道鸿沟。大模型的训练数据是互联网信息，而这些信息已经被数字化。但现实世界里大多数有价值的信息，还没被数字化。那些无法或很难被转化，或者转化起来成本极高的数据，成为了 AI 走向现实世界的障碍。

光线、空间、人脸、动作、情绪，这些东西存在于物理世界，需要被感知、被转化，才能成为模型可以处理的输入。谁的感知做得好，谁就控制了大模型进入现实世界的那扇门。

现在，没有人知道这扇门后面是什么，也没有人知道最后会是谁站在那里。

押注「感知」

感知不只是「更好的相机」，这一点 vivo 很清楚。

胡柏山说，相机是记录工具，它等你按下快门。但感知是另一件事：持续观察、理解正在发生什么，把这些信息转化成设备可以直接使用的输入。7×24 小时，不需要你触发。

从「记录」到「感知」，中间隔着一个系统架构的重建。

胡柏山给这件事起了个名字：「感知一体」。字面意思，是感知到的信息和设备的决策系统要即时打通。这一点，现在还做不到。

难点在于，原始的感知场景数据，比如一段视频、一张图、麦克风收到的声音，体量巨大，格式混乱，里面大部分是噪声。把这些原始信号转化成手机真正「读得懂」的结构化信息，需要一整套专门的处理链路。

「怎么把场景数据转换成手机能够读懂的数据，是最难的。这个领域开源资源少，需要自主探索，」他说。

这也是为什么 vivo 在内部把感知设为一级技术赛道。

「一级」意味着感知不再是影像部门下面的一个子方向，它会统揽包括视、听、嗅、触等多种感官种类，和感知方向。

不过，vivo 的感知研究与研发工作仍处在初期阶段。胡柏山用 vivo 的通信研究院做了一个类比：大约 200 人的团队，从 4G 开始持续投入，走过 5G，现在在做 6G，已经十几年了。

对于感知赛道，他的预期是相似的节奏：小团队作战，先构建认知。认知清晰了，开始加油门；等待软硬件生态成熟了后，油门再往下踩。「有一种渐进式加速、螺旋上升的感觉。我们拒绝一脚油门一脚刹车。」

胡柏山不希望 vivo 做感知计算，以及做任何事情，出现拍脑门、砸大钱的做法。他认为，感知是一个天花板很高，但今天没人能说清楚正确的技术演进路线是什么的东西。「我们准备好用五年、十年的周期来持续投入。但我们对这件事的认知获取，要循序渐进。认知没到，砸钱都是烂尾工程。」

感知赛道是一个判断，但判断要落地，需要现成的积累。

vivo 的底牌是十年影像。具体看，这十年沉淀的东西有两层。 

第一层是硬件。与蔡司的合作，如今已经走到了联合研发的深水阶段，传感器尺寸这一轮 X300 Ultra 的主摄升到了 1/1.12 英寸，和索尼的合作在往提升半导体转化效率的方向走——他提到了感官技术方面的「雪崩效应」，一种可以把感光元件的进光转化率，从 90% 推到 110% 以上甚至更高的新技术路径。

在硬件层面，胡柏山的判断和行业观察者及媒体大致相同，传感器尺寸已经卷到了边际收益递减的阶段，接下来更大的空间在转化效率和外挂形态——在 X300 Ultra 上，vivo 已经做了 200mm、400mm 定焦增距镜，还有更多在路上。

第二层是算法和认知。

vivo 三年前提出长焦大底，两年后全行业跟上。但跟上硬件很容易，「为什么是那个时间点做这件事」，这个判断很难。vivo 为什么选择在那个时间点上做这件事，动机来自于在影像上多年领跑的经验所形成的认知——没有可以搬运和复制的捷径。

「算法跟认知强相关——认知知道要什么方向，算法匹配，这是需求和技术的有机结合，对手很难快速跟上。」

这个逻辑延伸到端侧 AI 上同样成立。在 X300 Ultra 上，vivo 首次提出了一种「多 agent」理念，也即：

你举起手机拍一张照片，有个 agent 在判断你在拍什么、用多远的焦段、在什么光线下——这个判断，以前需要用户自己去做。而另一个 agent 在整理你的相册，根据你过去的修图习惯推荐或自动添加滤镜，又或者它能自动把几段素材剪成一条可以直接发的短视频。

这不是那种统一的「超级 agent」，比如 Gemini 或豆包手机助手那样的，而是每个场景一个专项 agent，既互通有无，又各干各的。

胡柏山的理由很实际：现有的硬件算力撑不起一个什么都管的大 agent，手机AI的发展要结合硬件的能力上限来推进。

这些工作仰仗 vivo 在端侧 AI 推理上的持续投入。据爱范儿了解，vivo 是手机厂商当中目前在算力购买上花钱最多的——不仅是云端算力，接下来的押注方向，是在旗舰机上嵌入专用的算力芯片。

vivo 的节奏是：先把不要求实时响应的 agent 做好，影像和相册是当前优先级；全域感知是五到十年的目标，always-on、全时段在线、所有感官打通，这是最终的方向。

一切交给时间

今后十年的 vivo，会去往什么方向？

胡柏山给了一个大概的路线图：手机是现在用户的核心产品，往后至少 10 年也仍然不变；MR 需要三到四年；机器人是五年以上。

这三个方向不是各自独立的押注，底层是同一套感知能力在不同形态上的延伸。

vivo 去年成立了机器人 Lab，聚焦「大脑和眼睛」。当被问及目前进展如何，胡柏山很直接地摊牌：「2025年把阶段性目标梳理地更加清楚，2026年进入整个路径的清晰规划。」

但这对于 vivo 来说并不是问题。

在一个各家都在发布机器人样机、争相宣称「具身智能元年」的节点，承认自己还没手搓出实物，是一种不多见的坦诚。胡柏山说「手搓一个机器人不是我们要干的。」

vivo 的机器人逻辑，和感知赛道的投入逻辑是一套：先想清楚目标用户是谁，再定义场景，再识别核心技术控制点，再等技术成熟度到位。

胡柏山告诉爱范儿，目前 vivo 还在论证第一步。他们倾向于服务年轻人，这也正是 vivo 从旗舰到年轻系列产品线一直希望抢占心智的群体。vivo 的第一代家庭机器人，可能的起点，是照顾宠物和叠衣服也说不定。

但这个场景，会不会太小？胡柏山认为，不能一上来就做通用机器人，不可能刚一开始就把所有的场景都做好。如果你非要那么做，最终的结果也只能是每个场景都不及格。

诚然，今天的具身智能机器人，可能做预录制的舞蹈能做到一百分，其他场景都没有足够的说服力。特别是在家务场景，「就说打鸡蛋这件事，想要做到百分百成功率，人都不一定，机器人十年内也做不到。」

胡柏山希望，vivo 的机器人能够先把一件具体的事情做到 60-70 分，然后一代一代泛化，优化现有的场景，再获得新的能力。

喂好了宠物，场景数据就来了。场景数据够了，机器人就知道这只狗每天几点饿，进而知道这家人几点起床，进而知道这家人的生活节律。不需要一步到位，因为每一步都在为下一步备料。胡柏山管这叫「沿途下蛋」。

这个逻辑，和在手机端押注感知的逻辑，是统一的：先把影像 agent 做好，场景数据够了，感知能力才往外延伸。

但在机器人的旁边，手机扮演什么角色？「手机是最懂你的随身数字助理。你的行为习惯、偏好、你喜欢养什么宠物，都在手机里。」胡柏山说，机器人早期做不好的事，手机可以遥控介入补足。

就像自动驾驶的早期，人类一直在干预，干预产生数据，数据让系统越来越好。「手机和机器人之间，场景数据是打通的。」

当然，他也没有把话说满。感知这个赛道，其他人也在做。包括苹果、谷歌等在内都有自己的感知计算框架。vivo 在这个方向上的竞争空间，更多在手机端的小模型感知这个细分方向。这是除了苹果以外的大厂，暂时没有重点关注的地方。

今年，胡柏山给机器人 Lab 设的任务，是把路径图画出来：目标用户、核心场景、关键技术节点、以及「技术成熟到可以商业化」的时间预期。

vivo 叫停了 AI 眼镜项目。他算了一笔账：一年几十万台，不符合目标体量；两年内又做不出差异化；技术平台目前也撑不起 80 分以上的体验（超过 30g 戴在鼻子上会很累）——三个条件一个都没过，砍掉没毛病。

「三年后做也不着急，它不是关键品类。」

不过，这个决定放在今天的背景下，还是有点逆势。2025 年 AI 眼镜是行业里最热的新品类之一，这个事实有目共睹。Ray-Ban Meta 卖爆，国内跟进者一茬接一茬。

创始人兼 CEO 沈炜在年会上表示，vivo 今年的策略是「少押注，押重注」。vivo 选择给 AI 眼镜按下暂停键，但将感知赛道的存在地位升级，其实是统一的逻辑和筛选标准的一体两面：一个赛道的天花板够不够高、vivo 自身的差异化属性够不够、技术平台能不能支撑长期投入。

这种思路，与近期 OpenAI 等在内的硅谷巨头，摒弃「支线任务」，聚焦真正长板的思路不谋而合。

2026 年选定的道路，vivo 会走到哪，现在胡柏山也还给不出答案。感知一体化的技术难题还没有解，端侧专用芯片的落地有难度，机器人的路径图今年才刚开始画。

胡柏山知道这些，也没有回避。他说，认知到了加油门，认知没到宁可慢。

手机行业正在经历一个奇怪的时刻：换机周期拉长到四十个月，中国市场年销量从高峰期的五亿多部跌到现在约 2.5 亿部，存量市场的天花板清晰可见；但 AI 带来的能力跃升，又让所有人觉得什么地方似乎还藏着一点增量。

胡柏山的判断是，从 Smartphone（智能手机）到 Agent Phone（智能体手机），才是把存量市场变成增量市场的机会。而感知，是这个机会里他认为最难被复制的护城河。 

接下来交给时间。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

编者按：

Gen AI 时代，所有的产品都值得用 AI 重做一遍，操作系统也不例外：

液态玻璃正重塑苹果生态的视觉语言，而 Gemini 已渗入 Google Pixel 的每个角落……新一代操作系统正在重新定义我们与设备的关系：它决定你看到什么、何时被打扰、如何做出选择。

爱范儿认为，隐身在产品背后的，是一套「系统观」。

在《系统观》这个专题里，我们将与各大操作系统的设计者对话，探讨操作系统背后的权衡与意图，发掘明日产品的交互设计新趋势。

操作系统并不中立，它是产品哲学的镜子，是明日产品的路标。

2023 年的某天，陈希正准备把旧手机里的资料搬到新手机上，打开相册，他发现居然有一万多张截图——团队发来的设计稿、微信的聊天消息和林林总总需要记录的各种内容。

陈希觉得这些截图实在太多了，而且很多信息已经失去时效，截图变成了垃圾。他盯着那些截图，突然意识到一个问题：

我要的不是截图本身，而是截图里的信息。

于是，陈希立刻给 OPPO 首席产品官刘作虎打电话：我们能不能做一个键，这个键能像抽取人的灵魂那样，把界面的灵魂提取出来？

这就是 ColorOS 16 如今最具代表性的 AI 功能——「一键闪记」的雏形，而这也是 ColorOS 一以贯之的方法论：到用户场景中，去找到真实的洞察。

本文是爱范儿《系统观》专题的第一篇，我们和 OPPO ColorOS 设计总监陈希进行了对谈，我们聊到了 AI 功能的开发逻辑，操作系统产品体验的打磨以及与苹果在设计理念上的差异。

对陈希来说，打造 ColorOS 的过程，是一个关于「洞察」的命题。

灵魂提取键

那通电话之后，陈希和团队开始琢磨怎么实现「抽取灵魂」的体验。

差不多十年前，三星手机曾有过这样一个功能：在浏览器截图，系统便会在图片信息中自动保存这个网页的地址，下次要用这张截图的时候，就能够很方便地跳回原网站。

但陈希想要更做得彻底一些，他连截图都不想要：

我们不是想要截图式的界面，而是先把内容高亮，再浮起来、虚化掉，『chua』地抽进去。就像奇幻电影里巫师抽灵魂时那样，是透明的东西出来，抽完之后人『啪』地就枯萎了。灵魂抽走之后，那个枯萎的实体照片不重要了，因为信息已经被提取了。

他们的动画设计改了很多版，最终实现了如今我们看到的效果，当你按下一键闪记，屏幕上的内容会泛光、浮起、晕染，最后被吸入到屏幕上方的流体云里，整个过程一气呵成——这就是「提取灵魂」的具象化表达。

不过，在现实生活中，用户并不会像设计师预期的那样去使用产品——陈希举了一个身边的例子：

有天早上，他看到自己的妻子正在家里用「一键闪记」把体检的病历记下来——这是因为很多智慧医院会提供电子版病历，但分散在医院的各个系统里，找起来非常不方便，所以她会定期把这些电子版病历打印出来，归拢到一处。

有了「一键闪记」之后，就有了一个能将散落在各处的数字或实体数据「记」下来的地方，而这些病历则经历了从数字版变成纸质版，再变成数字「记忆」的过程——手机有了记忆，就能一直跟着不会丢。

正因如此，产品设计团队更需要洞察用户需求，这也是一个和用户共创的过程。为了让每个用户都能学会使用「一键闪记」，ColorOS 团队需要持续挖掘让用户有所感知的「英雄场景」。

当然，陈希自己也是用户。

每天中午，陈希都有在办公室楼下买咖啡的习惯，经常会找不到取餐码，于是他想到，让「一键闪记」把取餐码记下来，在记下取餐码的同时，还能顺便记账，这就成了一个「英雄场景」。有了「英雄场景」作为钩子，用户就知道按下这颗键，手机就能帮我把屏幕上的信息记下来。

除了取餐码，「一键闪记」还可以记账、记视频、记文章，几乎「什么都能记」。

在 AI大模型加持下，ColorOS 的记忆转化能力正在不断拓展边界，不仅能记下来，还能理解，进而推荐，甚至代理用户实施下一步操作——这成了 OPPO 手机在硬件之外的护城河。

主张就是取舍

洞察之后，更难的是「主张」，主张决定了取舍的边界。

比如很多 Android 手机都会有一个「长拉悬停」呼出侧边栏的功能，而 ColorOS 却一直没有实装，这让很多用户感到不解。

陈希告诉爱范儿，其实这个功能已经开发完毕，并且通过了内部测试，但在上线前夕，团队决定砍掉它：

我们觉得这个体验不优雅。

人在浏览手机页面时，经常会回到上一个页面里。有时候在看一篇文章，有人发消息了，我想回，但文章还有两句没看完，手卡在那儿半看不看犹豫的过程中就触发了（侧边栏）。我觉得这是一个很不从容和失控的体验，它不允许人犯错、不允许人模糊。

很多用户说，那要不要返回你还不知道吗，但实际情况不是这样，人和计算机不同，人会犹豫、会摇摆、会纠结，所以有很多模棱两可的场景，产品设计要考虑容错，因为这个原因，我们决定将这个功能砍掉。

我们所追求的东西，是功能的还是体验？这是完全不一样的，我相信我们有不一样的追求。我们和用户之间也存在带引号的「博弈」，是基于长期你这是个好产品，还是短期你这是个好产品。

功能做到 100% 之后还要追求 101%，溢出了功能价值自然产生情感价值，当一个东西既有功能价值又有情感价值时，我觉得这就是个好产品。

这种取舍背后，也暗含了 ColorOS 的主张：不追逐功能的丰富性，而是追求体验的完成度。

你可能见过手机内置的 AI 换天、AI 扩图等看起来很神奇的功能，但 ColorOS 加入的 AI 影像功能却是去模糊、去反光、人像补光等。

「我们的影像主张是真实，」陈希解释，「娱乐性的东西更抓眼球、更 magic，但我们要先把基于真实的做好。这不是说我们不能做，而是有优先级，背后就是我们影像的理念——真实自然。」

这种「主张即取舍」的理念，也影响着陈希对行业趋势的判断。

譬如对于苹果今年推出的液态玻璃（Liquid Glass）设计，陈希的态度就很复杂。

一方面，他认可液态玻璃的设计思路，在他看来，从 iOS 16 的灵动岛设计开始，苹果就已经从以往偏实用主义的理性，走向更能表达情感、更装饰性的设计，并且将苹果的技术能力、品牌溢价，通过设计非常显性地表达出来：

这是一个显性的价值转换。

一个压根不关心汽车行业、不了解汽车技术的人，在大街上看到流线型的车身，就会觉得这车性能好，即使他不懂发动机——这就是把技术语言转化为设计语言的表达，因为历史经验告诉我们，赛场上所有性能好的车都长这样子，所以流线型的车就性能好。

苹果很聪明，它把流畅转化为设计语言，把性能用视觉表达出来，这是一种更显性的价值表达，非常出色。它永远能找到怎么用显性的英雄表达——就像乔布斯从信封里拿出 MacBook Air 那样。

但他也提出质疑：

但回到本质上，在这个转化过程中，（Liquid Glass）确实没有带来更多新的价值，导致它损失了一些东西……

Liquid Glass 是一个反经典设计的路线，对很多可用性的问题没有很好的解决，像前几天，他们新版本加了一个（Liquid Glass 效果的）开关，我们觉得这个体验是一种妥协的结果，很不苹果

你能感受到 ColorOS 这套系统强烈的主张与风格——偶尔，我也会抱怨没有诸如「长拉悬停」这样的功能，用起来不太方便。

但更多时候，ColorOS 16 有着强大的拉力——从公测版用到现在，即便是和 iPhone 双持使用，我也愿意更多掏出 OPPO 手机「一键闪记」：记账的时候会用，看视频的时候会用、查攻略记日程的时候也会用，甚至会刻意用「一键闪记」来记些犄角旮旯的琐事，譬如记某个小众游戏的攻略标点。

很多时候，我就是想知道这套 AIOS 的边界在哪里，而 ColorOS 通常也能给我满意的反馈。

有一个极小的细节让我印象深刻：有次我用一键闪记把火车票记下来，很快车票信息就被推送到了流体云上，提醒我什么时候该出门了。

而就在我将将到站的时候，耳机传来了一声火车的呼啸，随即是一声语音提醒：还有十五分钟，火车就要开始检票了——居然连声音都考虑到了！

那便是我用 ColorOS 16 的尤里卡时刻。

不是有了 AI 就一定要用 AI 的方式

对陈希而言，近年来最重要的主张，是对 AI 交互的逐层理解。

当整个行业都在讨论「贾维斯式」的语音助手时，陈希却有不同的观点:

我不太赞同未来由声音语音交互来决定一切。人类有了眼睛也需要嘴巴，有了嘴巴也需要耳朵、鼻子，也需要手，是多模态、多感官协同的。

你能用语音吃饭吗？用语音吃饭吗？用语音睡觉？用语音上厕所？

陈希认为，不同信息需要不同的表达方式：

特别长的信息很枯燥，可能用视频表达挺好。但有些信息很简单，不一定适合视频，比如若干年前我刚来到深圳，和很多人一样，看到这句标语「来了就是深圳人」，难道用视频表达就更好吗？我不相信，用文本最有力，那这个时候信息最好的表达形式就是文本。

所以我们的「一键闪记」的「记视频」也是一样，视频的表达更「丰富」，但文字的表达更「直接」，不是所有的内容都适合视频表达一样。

这是 ColorOS 系统设计的核心：给场景找到恰当的交互方式，给信息找到恰当的表达形式，而不是让一种交互方式统治所有场景，不是今天有了 AI 就一定要用 AI 的方式。

具体到产品设计上，陈希总结为八个字：流畅本色，AI 出色。

流畅是本色，AI 是更出色的东西，让本色更出色。流畅代表经典的东西，AI 代表新的东西，它的未来成功归依就是流畅 AIOS。

但这里的「流畅」，已经不是传统意义上的性能流畅，而是场景完成度的流畅。

陈希认为，流畅作为基础体验场景，各个系统之间差异不大，但认知差异却很大：

把基础体验做成认知、做成卖点，我觉得这是很困难的事情。就像车的安全性，沃尔沃做得很好，大家提起来你甚至不知道它有什么东西好，但你知道它有安全性。我们一直在做的，就是各种边界场景（流畅体验）的完整性。

什么是边界场景？比如我正在看视频，突然要回个微信，再干个什么事情，可能很短的链路里遭遇一个并行场景。这种场景会放大缺陷，因为这是人的情绪高点，他正焦急时你还卡，那就会放大这种情绪，只有做好这些场景了才能把整个认知打起来。

而在 AI 这一侧，ColorOS 面临的挑战是整合。

「手机里功能很多，用户甚至不知道有这些功能，很细碎，」陈希坦言，他妻子曾问他:「小布助手、小布记忆和小布建议有没有区别？」在她看来都是小布。

用户接受的信息量没有那么大，怎么把事情做简单？陈希说：

让用户在一个地方接触到所有体验，而不是在十个地方找五十个体验，all in 1。这个 1 指的是符合用户直觉的交互方式，这很重要。

所以 ColorOS 把很多 AI 能力整合在流体云上、整合在一键闪记上、整合在小布上：

我认为你找到一个整合度高的交互方式是关键中的关键，才能把用户体验变得简单——这是 AI 时代最大的挑战。

这种整合能力的背后，也是组织和文化的支撑。

陈希表示，如何将 AI 新技术整合到传统的 OS 产品是一个巨大的挑战，这是不同的两种思维方式，要解决大量的沟通和协同问题：

当然我们非常好地解决了这个问题，所以带来巨大的生产力效率提升。打个比方，我们不是在做发动机，也不是做电机，我们在做电动汽车，电动汽车就是 AISO

而且我想特别强调一点，在 如今AI 时代，打造产品的开发逻辑也在悄悄变化。

以前做功能，可能是 PM 提需求，研发去实现，是线性的。但做 AI 不一样，它是一个双向激发的过程。有时候是我们对场景的洞察逼出了技术的极限，但更多时候，是研发团队的技术突破，反过来给了我们设计的灵感。所以，一个好的 AI 产品，绝对不是产品经理拍脑门的“灵光一现”’，它是对用户深刻的洞察和研发团队技术厚度产生化学反应后的结晶。这是一种互相折磨，也是一种互相成就。

这在行业里并不常见，即使是在苹果，AI 部门和系统部门之间也存在拉扯，甚至影响到整个苹果智能的布局。至于面对竞品的追赶，陈希认为：

我们还是要着眼于真实的「用户场景」，去创造「价值」，去带来先进生产力，因为先进生产力永远是会被抄的。

我问陈希 ColorOS 16 是否达到预期，他松口气，说「至少现阶段目标达成了」。但在陈希的设想里，ColorOS 还有一个更大的愿景：成为一种年轻人的生活方式。

无论是用户场景的洞察、设计的定义或者功能的开发上，甚至产品营销的品牌心智和社交媒体的内容口吻，陈希都要求 ColorOS 是年轻但高品质的：

我们有很多想法，都是基于年轻人的生活方式开展的。我们不想做价值太薄或太花哨的东西，有一个词叫「要年轻但要高品质」，它不能廉价，因为年轻不等于廉价。

当所有厂商都在思考如何用 AI 重做系统时，陈希和 ColorOS 选择回归用户洞察：AI 之于这些年轻人而言，其价值原点是什么？

陈希心里有一个答案，这也是他的「系统观」：

我现在想到四个字是「模拟人生」——就是还原真实，模拟人生。

我很喜欢玩经营类的游戏，我小时候就喜欢拿积木搭一个城市，现实里面的很多想象力是很匮乏的，但是当你进入到数字世界，你的想象力是非常大的，但是又不太真实，没有现实的实感。

它和打游戏的感觉是一样的，我也喜欢那种角色扮演类的游戏，很多扮演类的游戏让我有一个人生的体验。做产品也是，怎么样能够把系统里的很多东西，就像日常生活中一样做出真实的感觉，有那种临场感、沉浸感，我觉得是蛮重要的。

包括我们做取餐码，就会觉得这个瞬间真实的世界和数字世界连接起来了，我认为这是很神奇的感觉，非常神奇。

 

很久以前有个叫 Paper 的笔记本应用，他们有一个功能是可以把你的数字笔记，在线下打印成 Moleskine 的实体本子寄给你。我当时觉得这个功能特别好，明明是数字世界的东西，突然跳出次元壁来到了生活里面，这种感觉很奇妙。

那生活中的东西，能不能扔到手机里，看到「你的生活」？

这种感觉太棒了。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

CDT编者按：目前该文在微信平台不能转发、点赞、收藏，只能评论。

---

2026年3月24日，张雪峰因心源性猝死抢救无效，在苏州逝世，时年不足42周岁。

消息自下午在互联网上传开，直到讣告发布，很多人还是难以相信。他的离去实在突然，朋友圈停留在两天前的3月22日，那天他跑了7公里。整个3月，他几乎每天都在跑步，每次跑7公里左右。甚至在离开前，他仍然在跑步，根据央视新闻的报道，3月24日中午12点26分，张雪峰在公司跑步后出现不适，被紧急送往医院，遗憾离世。

人生的最后十年，张雪峰过得十分忙碌，他频繁出差，尤其在高考志愿填报季，曾为了赶路和讲课，40小时不睡觉。他常年高密度直播，在直播间里和家长连麦、接听咨询，穿插着带货，经常4小时不起身，不喝水。他以旺盛的精力著称，2023年，《人物》作者曾跟着张雪峰工作了几天，看到他保持着高强度的工作，饮食、作息很不规律，与此同时，他以一种惊人的毅力跑步，2020年，张雪峰跑了3000公里，并参加了他的第一场马拉松，此后，他每年都会跑几场马拉松。有时，他会在忙碌一天后的凌晨去跑12公里。在他的演讲中，他经常说，40多公里都跑下来了，还有什么事是我不能做到的？

也许，在他看来，继续跑、更快地跑，是唯一的选择。1984年的5月，张雪峰出生于黑龙江一个县城，家境普通，他从郑州大学毕业，曾担任考研培训教师，寂寂无名，却偶然凭借解读高校视频走红，此后，他将重心转向高考志愿填报服务，这是一门很窄的生意，只在短短时间内面对高考考生及家长，但因为高考被赋予的「改变命运」的意义，张雪峰获得了世俗意义上的成功，成立了多家公司，同时，他的言论也被无限放大。

他多次因类似「孩子非要报新闻学，我一定会把他打晕！」「文科就是服务业」这样的言论引发争议。有人认为他打破信息差，「说出了大学的真相、就业的真相」，为无数家境普通的孩子改变了命运，有人认为他「功利主义」、「哗众取宠」，把复杂的教育选择简化成单一的「就业赚钱」，忽略了选择背后的人。他总是说，「以终为始」，这种方法论以结果为导向，主张不走弯路——如果忙碌的结果是成功，那就必然忙碌：2023年6月24日，高考成绩公布的第三天，张雪峰发了条微博，「因为过度劳累，胸闷心悸」，他被医院收治强制住院。

像是命运的一次提醒，但张雪峰仍然全力向前。在生命的最后三年，他的言论多次上了热搜，他的社交平台账号曾被限制关注或者停播，他感受到舆论的汹涌与不可控，并正在学习变得谨言慎行，但他身上，仍然有中文互联网场域内少见的一种炽烈鲜明。

他曾在一次直播中说，「如果有一天我死了，各大平台会有一个热搜叫张雪峰死了，就是他可能会成为一代人的那种回忆。」像是个预言，它成真了。一代人在探求活法的道路上，会记下张雪峰的名字，不管是以何种态度。

一个富于争议的人，以这种方式离开，格外令人心情复杂。聚焦在张雪峰身上的话题和目光背后，是考生和家长远远未被满足的高考志愿填报指导需要，而他的成功背后，是诸多和他一样出身平凡的人们，对现世安稳的渴求。张雪峰的猝然离开，似乎是对这种对确定性追求的一个乍然提醒：哪怕码放了尽可能多的确定性因素，人生仍然有太多不确定。下一步，该怎么走？

曾有人问张雪峰，「你会给你墓碑上写什么字？」他答，「人生真好玩，下辈子还来。」

以下为2023年《人物》发布过的关于张雪峰的报道。旧文重发，纪念这一位浓烈饱满而富于戏剧性的争议人物。

文｜冯颖星

编辑｜鱼鹰

「成了道歉专业户了」

张雪峰已经很熟悉道歉的姿态了。

整个6月，他上了16次热搜。热度最持久的一次，是他在抖音直播间里劝说一位理科模考590分、孩子想要报考四川大学新闻系的家长，「把他打晕都不要让他学新闻」。这场半年前的直播片段经过剪辑，在互联网上疯狂传播，引来了重庆大学新闻学教授张小强的多次「炮轰」，「千万不要被张雪峰这样的网红忽悠了」。双方隔空交战几个回合，一点风吹草动，就能让话题继续在热搜上盘踞。

现在，张雪峰在各个社交平台、短视频平台拥有超过2000万粉丝，常以「考研名师」、「高考志愿填报师」的身份出现。他热衷表达，微博有时一天发六七次，多数与朋友圈同步。一周三次的直播，被剪辑成片段分发到不同平台，时常搅动舆论的神经。面对一浪高过一浪的批评声，他热切地回应，道歉，言辞示软，口气却很硬。「这玩意儿就像你在公交车上挤到别人一样，你说，不好意思，对不起对不起，你真的错了吗？它就是一种修养吧。」

在因为吐槽「友人还了60万房贷利息57万」又一次被推上热搜后，张雪峰被人质疑数据不严谨。他做了一件「我错了，我道歉」的T恤开始在直播间售卖。「老公买了穿给老婆，男生买回去穿给女朋友。」「成了道歉专业户了」，他说。

舆论对张雪峰的态度分为鲜明的两派。认同者称他选专业、填志愿的建议是「实用主义指南」，「打破底层信息壁垒」，「说出了大学的真相、就业的真相」。批评者则不喜欢他带有「流量属性」的绝对化语言风格，认为他「功利主义」、「哗众取宠」。

他回应说：「我出身普通老百姓，如果家境优渥，选择更多，不存在错不错的问题！但是对大多数的家庭，条件没有那么好，选专业要选适合自己的，能让自己吃上饭的！而不是照本宣科！」这一次，他获得了网上「普通人」潮涌般的共鸣。

对越来越汹涌的流量，他感受复杂。

4月底，我在苏州工业园区峰学蔚来的办公楼里见到他时，几乎没有寒暄，他滔滔不绝地讲起一位搞笑视频网红的流量变现模式——这个网红全网粉丝破亿，多次登上视频平台直播带货榜第一，「你们真该去采访采访他」，张雪峰说。许多山寨账号分发这些头部网红的直播cut，再挂上小黄车，谋取可观的利润，主播们睁一只眼闭一只眼，「先让他们自己跑，到了一定的体量再去谈合作」。

这样的模式同样出现在了张雪峰的身上。视频平台上到处都是关于他的cut，他坦陈，真正属于他的账号只有「一个」。这些附庸在他流量之上的账号，有些已经积累了近百万粉丝，被他视作流量放大器的一环。

「你对他们很宽容」，我说。「甚至是纵容」，他立刻修正。

5月中旬的一天，他又说：「我真希望微博给我除名。」他隐隐感到社交网络言论方向的不可控性，「我怎么说是一方面，你怎么写是一方面，网友如何解读，如何带节奏是另一方面，完全控制不了。如果我不是通过流量来养家糊口的，完全无所谓！」

他觉得外界对他最大的误解是「功利」，就像要不要学新闻之争，「不得不承认，（现在）学新闻传播的学生中有80%是没有从事本行业的」。在他看来，人人都是自媒体，意味着大学新闻专业毕业生就业出口在变小，「如果学生跟我说一定要进入媒体工作，有这个梦想，我也会建议他去学汉语言文学，而不是新闻传播，万一进不了媒体，出路和岗位是不是比学新闻的孩子要多？」

张雪峰的直播截图

爆红的起点

在这个夏天沸腾的热度之前，张雪峰在网上已经红了7年。

「引爆」几乎是一夜之间发生的。他甚至不知道那段成名视频录制的地点，「或许是在池州」。

2016年初，张雪峰离开供职的考研机构，和朋友创立研途考研。他不教授任何学科，只是指导学生选择考研专业与院校。起初并不顺利，「几乎没什么生意，搞不好就倒闭了」。

朋友把他的演讲刻成光盘，拿到更偏僻的大学去播。有人得到了这个视频，把其中一个片段剪切下来，传到了网上，那段「7分钟解读自主划线高校」的视频，连同另一段「半分钟数完中国名校」的「贯口」，被配上「语速直逼华少」的标题，迅速在网上裂变。张雪峰一觉醒来，「整个世界都不一样了」。他甚至开始思考：「我到底该去说脱口秀还是继续去拯救学生？」

眼前的快乐是巨大的。那家「快要死掉」的公司「一下就被激活了」。他把微博账号改为「张雪峰老师」，粉丝「每天涨10万，每天涨10万」，一周之后，焦虑随之而来。「每天涨500，再过了一个星期每天涨200，两个月之后，这一波就过去了」。那个数字最终停留在了700万。粉丝增长速度的衰减在他心里成了「最恐怖的事」，「就在想怎么样能让自己一直火下去」。他开始尝试拍新的视频、开直播，甚至在女儿生日宴这天，一边给女儿过生日一边直播答疑，所有的招数都用遍了，「发现都没有用」。

他上综艺，参加《奇葩说》，去拍电影，结识更广泛的社会关系，也积聚了更多「上热搜」的能量。在《奇葩说》公开的海选现场，他的演说名为《我是个网红，想上热搜有错吗？》讲自己一夜成名的经历。蔡康永问他：「你一直语速这么快吗？」张雪峰狡黠一笑：「康永老师你可能不知道 ，在中国，有个地方叫东北。冬天外边儿很冷，门也出不去，只能待在屋里吹牛。待几个月你也这样。」引得哄堂大笑。他也谈自己的极度目标感，例证是：「立下flag，30岁前必须结婚，婚期定了，临近婚礼40天，换了个新娘。新娘从认识到领证，45天。」依然是语不惊人死不休。

《奇葩说》是多元价值观碰撞的场域。相比其他「奇葩」，舞台上的张雪峰传统的价值观念稍显不合时宜。他讲：「男人没有自己。最好的状态就是，25岁的时候让你的父母认为他们有个好儿子，35岁的时候，让你的老婆觉得她有个好老公，45岁的时候让你的孩子觉得他有个好爹。」肖骁质疑他功利：「他认为的美好生活和我认为的美好生活是不一样的，他认为的美好生活是大多数人的美好生活，这一点我是接受不了的。」张雪峰反驳：「我就想在我所在的城市买个房，买个车，这过分吗？让别人有的，我老婆孩子也有，这过分吗？」

这次在线下再见到他，他比7年前多了些防备。他悲观地预言：「所有网红的终点，都是塌房。」他不知道那个时刻什么时候会来。现在，他只能尽量地想办法，准备一套plan B。

张雪峰在节目《奇葩大会》上的发言图源网络

「花一万元决定孩子的一生」

到访这天，我跟了张雪峰的全场直播。每周一、三、五，他会准时出现在直播间，直播三场。他的员工武亮提醒我：「你最好提前休息一下，要不然你扛不住。」

在外人眼里，他常以极其旺盛的精力著称。这一天，《人物》和他的交流从上午10点进行到下午2点多钟，中间我提醒他：「要不先吃个午饭？」他回绝了。这场交流最终以助理的提醒打断，他该去参加园区一档招聘直播了。继续高密度输出一个多小时，天色渐暗，再回到公司。晚上7：00，家长们已经在直播间等他。

20分钟之内，直播间已经涌入了3万多人。简单的寒暄过后，连麦开始。两盏明晃晃的大灯直给的打在他身上，张雪峰立刻亢奋起来：「点点赞点点赞，点到20万开始连麦。」一个胖胖的男生绻在角落，死死盯着导播屏，不敢发出声响。对话从一个家长的惊呼开始：「哎呦我竟然连上了，张老师我太开心了！」「哪个省的」、「文科理科」，「选科」、「能考多少分」，学生被量化成一个个坐标与数据，获取到这些基础信息，几乎不用家长讲完，他直接把话打断，立刻给出答案，语气斩钉截铁。

这天的直播间里，他拼命劝一个家长给女儿报口腔医学，「可是她嫌口腔脏」，女孩的妈妈说。张雪峰顺势抓起眼前的一把零食，抱于胸前，「假设这是money」，零食一个一个被投掷在桌面上，他反问家长，「你就问她，脏吗？」

有时，家长的陈述与他的意见相左，他陡然提高声量：「你要去预测一下什么是永久性风口！你离得开通信吗？你离得开信息传输吗？你离得开芯片吗？你离得开互联网吗？你离不开的！报志愿要有这种思维！」几个排比句下来，语速不自觉加快，他继续提高声量，「那有人说张老师我离不开米面油，但你要记住一句话，一个东西到底值不值钱，关键看的是什么？附加值。附加值，懂吗？附加值！来吧，各位，把这三个字打在公屏上！」

一段排山倒海的输出之后，直播间的情绪爬到了顶峰。弹幕以极快的速度刷过去，直播间的人数停留在「4W」，并一直保持这个数据。一整晚，连麦入口都在提示「连麦人数已达上限」。这些数字的背后，几乎清一色的是学生家长。有人等待连麦太久，暂时走开了，张雪峰连上之后「喂」了几声，对面没有声响，「你知道吗，我们这儿也叫『喂喂喂』直播间」，他情绪亢奋地向坐在镜头外的我介绍。

这天晚上，张雪峰一共直播了234分钟，全程没有起身，没喝一口水，持续了将近4个小时。平均每6分钟，就要给一位家长解答困惑。连麦、接听咨询、号召粉丝点赞，穿插着带货、吃零食，然后继续连麦，循环往复。直播间的门敞开着，小狗雪糕在直播间内外游荡，有时，张雪峰喊一嗓子，工作人员把雪糕递过去，张雪峰把它抱到镜头前，给观众作揖。

直播中，张雪峰把小狗抱到镜头前。图源冯颖星

不用任何人的指导，他能独立撑起整场直播。直播间是风暴的核心，焦灼的家长，亢奋的张雪峰和以秒计时刷过去的粉丝牌和弹幕，构成整场狂欢。补光灯的照射和人挥发出的热气，让直播间的温度明显比别处更高。直播间外，上百平米的办公室已经空了，灯光落下一半，最靠近直播间的一排工位上，几位员工死死地盯着屏幕，紧张感蔓延到了每个人紧缩的眉头。他们分别掌控着直播间上的灯牌更替和不断涌入的后台咨询。

更替的灯牌上，提示张雪峰所经营的产品——高考志愿填报。临近高考，一款近万元的产品成为这里的爆款。这是针对高三学生志愿填报服务的专属链接。他的公司峰学蔚来的员工们会在考前对学生的分数大致模拟，规划出所能填报的院校与专业。一旦出分，立刻从1000多个院校，500多个专业里，为他选出双方能够达成共识的「最优排列组合」，确保考生成功上岸。

周航（化名）曾给张雪峰的直播间做过客服。6月是「旺季」，咨询量猛增。「直播一晚上能有1000万（的销量）」。这意味着，直播的这几个小时里，至少能够成交1000单。张雪峰在直播间穿插不同链接的口播，大量咨询涌入后台。客服们把常被咨询的话术提前编辑好，稍加修改，就立刻回复给前来咨询的家长，「晚回复一会儿热度就往下掉」，「有的就问两分钟，立刻就下单了，还有很多不咨询就直接下单」。

「对于那些家长来说，花一万块钱决定孩子的一生，没有什么犹豫。」周航说。

今年，在南京国展中心举行的首场高校招生志愿填报咨询会吸引了考生和家长。图源视觉中国

「没有张雪峰，也会有王雪峰、李雪峰」

这个高考季之前，很多人对张雪峰的认知，还停留在「一个教考研的老师」上。事实上，自打2021年，张雪峰用同样占据微博热搜的方式，高调离开北京，搬入苏州，他的主业就已经悄然发生变化。

在苏州，他拥有一家由自己全然掌控的公司，峰学蔚来，主做高考志愿填报。三年时间里，产品链不断扩充，服务向高考两端延伸，涵盖高一选科、大学规划辅导、安排实习等多个链条。

张雪峰对这种业务方向的转变解释为「对政策的敏感」。在政策的变动中，他嗅到了新的商机。

2014 年 9 月4日国务院《关于深化招生制度改革的实施意见》发布，预示着新高考改革全面启动。这是中国恢复高考后，最为全面系统的高考制度改革。新高考打破以往的文理分科，除语、数、外三门必选学科外，政治、历史、地理、物理、化学、生物六门科目，学生可以主动、随机搭配选择。这种模式被称为「3+3模式」。上海和浙江被作为第一批试点地区，从2014年入学的高一学生开始，率先启用这一模式。

2017年，第一批采用「3+3模式」的学生走进高考考场，不同科目的考生人数显示了学生选科的参差——近7成学生弃选了难度较大的物理学科，去谋求更高的高考总分。

于是，从2018年启动新高考改革的8个省份开始，「3+3」模式被调整为「3+1+2」。语、数、外三个科目必选，物理和历史两个学科必须二选一，然后才能在其余的四科中任选两科。

新高考推行范围不断扩大，到2023年，全国已有29个省份启动新高考改革。高考志愿填报方式，也发生了很大变化。

2023年山东高考招生咨询会，500多所高校设摊咨询。

2017年，当第一批进行新高考的学生走下考场，开始志愿填报，他们陡然发觉，自己在高一学年进行的选科，竟然直接与大学的专业选择相关联。每一种选科排列组合，也会对应不同的高校列表和专业列表。

比如，如果高考科目选择了物理、化学，没有选生物，一个立志做医生的学生就无法填报许多高校的临床医学专业。如果高考科目没有选物理，一个立志做工程师的学生也填报不了工科，数学类、材料科学、机械类、电气类等专业都将与他们无缘。

「选科没有选对，他想读的一些专业就读不了。」张雪峰说。这也就倒逼家长和学生，「从刚上高中的时候就要想很多事情，以后要往哪里就业，去学什么专业，能做什么工作」。他鼓励学生和家长提前谋划，「四大天坑（生物、化学、环境、材料）专业、医学专业注定要考研，要提早准备」，直播间的那句「高考结束即可准备考研」被剪辑后广泛传播。张雪峰又被推上了热搜。

不同省份新高考、老高考并行，在实行新高考的省份里，志愿填报又分为「专业+院校」、「专业组+院校」两种不同的模式，要区分这些模式与老高考「平行志愿」的异同，许多家长和考生感到困惑。

本质上，「专业+院校」的模式是在改变此前高考录取时的「院校优先」原则，转而引导学生更注重自己所学的专业。但现实里，由于中学职业教育的缺乏，大学专业设置与实际就业出口的错位，以及越来越难的本科生就业、越来越卷的考研考公大潮，家长和考生对专业的选择也愈发举棋不定，想要寻求更多的确定性。

新高考「专业+院校」填报模式里，每一个专业与院校的搭配都能算一个志愿。比如，北京交通大学的通信工程专业，与北京交通大学的电气工程及自动化专业，算两个志愿。这样不同的组合，一个普通类考生最多可以填报96个。辽宁的情况则更为复杂，考生可填报的志愿最大数量为112个。即便是专业的志愿填报老师，碰到辽宁的考生，也会感到「头疼」。

峰学蔚来的志愿填报老师马志远说，这三年，他和同事们循环往复地对家长讲，选科到底是什么，新的志愿填报的规则是怎样的，不同的科目可能会对应哪些学校的什么专业，那些看似相近的专业具体又有什么不同，所对应的就业机会又是怎样的。无数个时刻，马志远耗费几个小时，给家长讲得口干舌燥，抬头一看，家长的脸上依然是满脸问号。

更多的时候，他们的工作是一道排序题，「重庆邮电、西安邮电、桂林电子科大，这三个院校要怎么选？」「西安理工、天津理工、浙江工业、广东工业……这几个学校对应的分数线相近，又该怎么选？」不是所有的学生都有机会上名校，这些不同的城市、没有那么有名的高校里又藏着巨大的信息差。志愿填报期3天到半个月不等，鲜有人在如此短的时间内掌握如此之多的高校与专业信息，许多普通家庭的孩子「盲人摸象一样的随意填上一个」。

高考的扩容也给这个行业带来了更多想象空间。教育部数据显示，2023年全国高考报名人数1291万人，同比增加98万人，为历史之最。

「即使没有张雪峰，也会有王雪峰、李雪峰来填补这个角色。」武亮说。而张雪峰适时出现在了这里。他精准地抓住了这次机会。

他对客户需求与机会的敏感，可以追踪到2016年6月，那个他刚刚在网上爆红的时间点，给他发私信的很多，很多人咨询高考志愿填报的问题，他在微博里写道：「高考志愿不是我的主业，我只是用我对学校的了解给大家一些建议！如果出现严重后果，别诅咒我十八辈祖宗！」

图源电视剧《少年派》

「人和人最大的差距，除了成绩，就是家庭」

「想赚钱还是图稳定？」「家里条件怎么样？」「能给孩子提供支撑吗？」这是峰学蔚来的老师们一定会问家长的问题。不同的问题指向不同的解决方案。

这些问题的答案连同考生的省份、选科、成绩一起，被量化成一个又一个的数据和坐标，对应不同的城市层级与所选专业。有人总结张雪峰的报考思路：理工科的专业，就业对口率高，文科专业，就业对口率低；他鼓励文科生尽量锚定「法学、财会、汉语言文学」，称之为「有专业壁垒的专业」，在报考公务员时，文科这三个专业招聘占比更高，「我学了我能干，你没学你干不了。这就叫专业壁垒」；数学成绩好，首推计算机与数学；家里没有强大的背景，他会劝退这样的孩子不要去学金融，「很吃家底」；而医生、律师，校友会成为他们最好的地方资源，「一般在哪里读书，最好是留在那里工作了」。

只不过，对于要赚钱还是要稳定，少有「客户」能给出直接答案，「你只能选一头」，峰学蔚来的志愿填报老师武亮说。当他追问得紧了，会指向一个规律，「所有的家长都想稳定，但所有的孩子都想赚钱」。

他们不鼓励家庭条件普通的孩子求「稳定」，兴趣在这里也鲜少强调。「如果一个家庭普通的孩子说他爱好考古，他怎么给你证明到底是擅长还是想象的爱好？我就劝他先去拿个锄头去烈日里锄一下午的土试试再说。」马志远的话语方式，已经师承了张雪峰的衣钵。

每年，马志远要亲自服务50多名学员，他把自己的报考方式总结为四点，「学科、性格、家庭、成绩」。如果把这几个要素充分拆解，就会指向一系列「过来人」的经验主义：「你的数学、物理比较差，学工科肯定费劲，哪怕去读了工科，考研的时候会发现自己确实不太行，工科考研都要考数学；如果孩子挣钱的欲望比较足，那你不能让他报市场营销，市场营销出来都是最没有门槛的销售，你让他去学电气自动化，去做卖一个设备大几百万的销售」；家庭也要分为三类，普通家庭就要奔着赚钱去，因为他们的「容错率低」，「你得先能养活自己，毕业能找份体面的工作。中产家庭的孩子可以兼顾兴趣」。至于中产家庭的定义，「你至少能在苏州这样的城市给孩子买房买车，或者送出国读一读研，医学、生化环材不读研没有意义。但如果你是家大业大，你做什么选择都对。但这一切，没有成绩都是白扯」。

张雪峰的语言更加直接：「人和人最大的差距，除了成绩，就是家庭。」

上千万的网友簇拥着他，更多的家长与他结成同盟，「孩子们要上学，来报名的都是家长」，周航说。

直播间里买单的「客户」来到执行层面。峰学蔚来的报考老师接下了接力棒，他们以不同的省份为区分，被分为四个大组，开始了与家长更密集的沟通。这份工作并不轻松。第一年，他们只拉来400多位家长客户。

峰学蔚来的员工随时可以在格子间里开直播。图源冯颖星

那年6月22日，高考分数陆续公布，峰学蔚来进入全年报考的顶峰，张雪峰租下一家四星级宾馆，所有报考的老师入住其中，开始封闭式志愿填报，睡眠被压缩到一天2个小时，一直持续到报考系统关闭。

那几天，家长的状态更加疯狂。有的省份，报考的窗口期只有3天，武亮上趟洗手间的工夫，网络那头的家长就劈头盖脸骂了出来：「我都急成这样了，你还有心情拉屎！」报考老师的压力也上涨到顶峰，志愿填报结束，武亮在电梯间里看到有同事痛哭。

很多人离职，周航是坚持下来的人之一。这几年，看着峰学蔚来的志愿填报报名人数从400人涨到5000人，翻了12.5倍，他觉得，自己进入了一个正在上升的朝阳通道。他曾在安徽做考研机构的代理，与张雪峰也是同行。进入高考志愿填报行业，最直观的感受是，与考研相比，客群发生了最直接的变化，说服家长要比说服学生容易太多。「都想要一个确定的答案，没有家长希望自己的孩子未来过得辛苦。」随着张雪峰的视频剪辑片段在网上不断传播，「信息差」、「同分不同命」的概念也渗透到了许多家长的认知深处。

无奈的时刻常有发生。周航负责河北大区，每年，至少有40个家长会对他说：「周老师你能不能给我预留一个名额，我后面两个月的工资发下来，我再攒一攒，我就把这个钱交给你。」他们大多来自农村，「最直接感受到他们对孩子的付出和那种无奈」。

短视频平台的引流是无差别的，但更多的「客户」还是呈现出了人群的集中性。武亮发现，这几年付费购买峰学蔚来志愿填报服务的考生家长里，来自农村的还是少数，「毕竟价格的门槛摆在那里，它本身就是对人群的分流」。来自二三四线城市的家长是最多的，这些家长往往有稳定的工作，「医生、公务员这些体制内的偏多，他们更希望孩子能够走出所在的城市」。

从省份上来看，北京和上海的考生对这类咨询的需求量极少，他们的升学路径往往更为广阔。江苏、黑龙江、山东、河南、河北是咨询大省。各省之间也呈现出不同的报考偏好：山东家长喜欢求稳，江浙沪的孩子很少「往外跑」，河北的家长喜欢沿着京沪高铁走，「可能是回家方便」。

而在面临有些问题时，他们又几乎呈现出一样的纠结和茫然：「一个211的小语种或者哲学专业，与非211院校的法学专业的选择上，没出分报志愿时，他们都知道要专业优先，一旦自己面临这种选择，都会选择去报211。」「怎么劝都没用呀，他们就在那里纠结，纠结到最后的时刻，就像抓阄一样，匆忙填一个专业上去。」武亮常常感到无奈，他说，「毕竟，我们本质上是一家咨询公司对吧？」最终的决策还是得家长和考生自己来做。

图源电视剧《少年派》

「大家的目的性只会越来越强」

在张雪峰的直播间，一个词语被反复提起：「以终为始。」这是一种以结果为导向的方法论，「如果你确定了终点，为什么要绕远路？」与此对应的实际指导案例是，「你的目标是做河南一个县城的老师，你就去读信阳师范，够用了，而不是去卷北师大、首师大。」他相信大部分人的人生是可以规划的，像他这样能完成底层突破的人是少数，而他要做的是「让大部分人变成天鹅的故事」。

他也观察到，近些年，那些他称之为「有专业壁垒的专业」分数线水涨船高，师范院校、汉语言文学等专业，分数上涨了几十分。「大家的目的性只会越来越强」。

「在你的反对声里，坚持选择了自己心之所向的孩子，突破性会不会更大？」我问。

「不会。行业是一个人可以通过理想改变的吗？」他干脆地回答。

他常提起「一杯酒」的故事，那发生在上一段创业时：「我酒精过敏，投资人让你喝酒，喝这一杯就给你投资，你喝不喝？」

1984年，张雪峰出生于齐齐哈尔一个人口只有14万人的小县城，高考考了全县第60名，入读郑州大学给排水专业，「那并不是我的第一志愿」。

他说自己曾经是个「刺儿头」，读大学时，「什么都干，除了杀人放火」。曾经的梦想是做主持人，但在一次主持人大赛里被人看了眼西服牌子，领悟到自己配不上这个梦想，「理想主义已经没了」。

毕业后他没有像大部分本科同学那样从事本专业，而是一头栽进北京，摸爬滚打，体验过很多年早高峰沙丁鱼罐头般的地铁。

在2010年8月到10月的微博上，他多次在深夜写下：「累，累到不想说话」，「感觉我在透支自己的一切，我的精力，我的身体」，「穷人家的孩子如果想过所谓的好的生活，就要承担这种压力。。。」在这些语句的末尾，都要加几个句号，用打气收尾：「老虎，加油！」「老虎」，是他在线下讲座时常用的名字，源自他的本名，张子彪。

2016年下半年之后，故事的版本就变了。随着曝光的逐渐增多，他开始讲述「27岁靠自己在北京买房」，「娶小7岁的老婆」的「成功叙事」。他宣扬「男人的责任」，「我的孩子是在私立医院生的，我老婆生孩子的时候没遭一点的罪，当时身上只有8万」。

他讨厌稳定，觉得「老了靠那点退休金生活是没出息的」。在北京工作，跟老板谈，「我不要五险一金，你能不能把这个钱直接补给我，多1000块钱」。

在一档节目上做游戏，他发现自己跑不过张绍刚，「他比我大一轮，我怎么能跑不过他呢？」于是决意练习跑步。另一个原因是，「如果你有兴趣，了解一下那帮投资人，他问创始人有什么兴趣，你说跑马拉松，一定是个加分项」。

而那些明确的「成功」目的，在来苏州之后，都已超额兑现。苏州的房子是在2016年就买好的。高调宣布离开北京、搬到苏州，各路媒体和政策的关照也都来了。他娴熟地接受采访、拍宣传片，密切配合着各项工作安排。苏州工业园区的招商引资要找他，反诈宣传要找他，妇女节的宣传也要找他，他成了一张苏州城市新名片。办公室也是工业园区免租给用的，领军人才特事特办。「现在投资人追着要给我投资，我都不要。」

苏州工业园区图源

他感觉自己已经「没有什么欲望」，「原来我激励大家成功，现在我劝人合适，去找舒服」。

让他得意的是，他让女儿过上了不同的生活，挣脱了首先需要考虑生存问题的大多数，「我小时候弹玻璃球，我女儿现在打高尔夫」，「给她准备了一辈子都花不完的钱，她想做什么都可以」。他认为是自己这一代的务实选择，才换来女儿能任性追随兴趣的权利，「她喜欢画画，我可以给她开一个美术学校，让我的员工的孩子免费去上课，学费我来掏」。

但在深夜的直播间里，当那个连麦的母亲说起普通的家境，说起女儿不愿意听从意见学口腔，张雪峰挂断了连线，突然抒情：「我很心疼这位家长，她做不了这个小姑娘的主。有的孩子学了点什么知识之后，接触到了外面的世界，就不知道自己姓什么了，开始反过来瞧不起自己的家长，最终孩子还是会自己去做决定。这样的家长做得太卑微了。你为她付出了一切，这个孩子还会指责原生家庭的不好。就像一句话说的那样，所有的家长都在等孩子的一句感谢，所有的孩子都在等家长一句道歉。」弹幕刷过，无数家长共情。这场直播以一种煽情的方式做了终结。

图源电视剧《小别离》

没有理想的人不伤心？

兴趣、梦想、自主选择的权利，只是家境殷实子弟的特权吗？这样的观念正是让四川大学新闻系毕业生张燕最不适的地方。看到张雪峰和自己的母校上了热搜，张燕吃了一惊，感觉自己「被精准狙击了」，「理科，农村家庭，高分，甚至比590分的分数还要高出50分。如果再叠加上流行的性别叙事，还是长女，buff叠满」。

当初选择新闻，她妈妈差点把她「砸晕」。在志愿填报系统关闭的最后一刻，她借用同学家的电脑，自作主张把最关键位置的两个表格做了调换，从而没有走向家人指引的儿科医生方向。得知这一消息，张燕的母亲跟她大吵一架，「气急败坏带着我弟去了上海，去找在那里打工的我爸」。

读大学的几年，张燕加入了几乎所有的媒体社团，想尽办法在大三那年进入媒体实习，毕业也找了媒体的工作。「那些家境好的同学，无论学习什么专业都有到媒体实习的机会，提前验证自己是否适合做媒体。」但她认为自己这样的寒门子弟，「学习新闻几乎是我进入这个行业的唯一路径，也因此获得了很高的职业体验。」

张燕感慨，张雪峰的出发点看起来是同情寒门子弟搵食不易，认为不要用高远的理想去诱骗他们，但事情也可能恰恰相反，「对大多数的高分名校寒门子弟来说，仅仅要温饱并不难，难的反而是，认识到理想是一种人人生而可以追求的基本权利，而非什么特权。」

她眼见自己的两位同学听从了大流，选择了曾经更「实用」的专业，一旦出现职业路径的磕绊，都终止了自己的职业生涯，没有太多动力往前再冲一冲。

她也有朋友是计算机专业的大学老师，教非常热门的研究方向，但明显感觉到选这个专业的研究生里有些非常不适合，常常师生双方气到跳脚。

曾任普林斯顿大学和布朗大学教育经济学博士后、目前担任华东师范大学教育经济实验室访问教授的叶晓阳，曾在全国多地做田野调查，连续七年为学生义务做志愿填报辅导。

他经过长期的课题研究发现，不同专业之间确实存在平均回报的差异，但在平均回报之下，很多人都会忽略掉专业内部方差（即同⼀个专业，学得好和学得差的⼈之间的差异）。他追踪了清华大学与北京大学两届学生毕业后的收入，有些学生哪怕身处平均月薪最高的专业，如果大学里的学业表现、生涯发展不太如意，他们的收入也比不过平均月薪较低专业的学生。

叶晓阳开发了一款免费的AI志愿填报系统，目前正在试测，他把自己的志愿填报模型分为三个选项：个人兴趣，个人能力的比较优势，行业前景。「最完美的状态是三个要素都在，但这很难。如果占到两个要素，家长和学生都不用焦虑，但如果只考虑到其中一个，未来的发展会非常受限。」他也关注到了张雪峰关于「把孩子打晕都不要让他学新闻」的讨论，在他看来，这是只考虑了「行业前景」的单一维度选择，「在这句话⾥，『新闻专业』可以换成任何⼀个专业」。

他更希望学生通过志愿填报，完成一次自我决策的学习过程，因此强调一定要跟学生本人谈话，「学⽣才是志愿填报的主⾓，⽗⺟和⽼师只是辅助，帮助学⽣搜集信息、制定规划；最终做决定的，应该是学⽣⾃⼰」。

他眼见一个想学医的学生在家长的强力干预下被录取至中央财经大学学习金融，结果只去读了一天便再也不愿去学校。他的一位高中及大学同班好友，随大流读了自己并不喜欢的北大经济学专业，硕士毕业后，听从家里的安排工作，一直「平平淡淡」。叶晓阳觉得可惜，「不是说平平淡淡不好，他的天赋与努力远在我之上，如果选择更有兴趣的专业和工作，他可能会更快乐，也会有更大的成就。」

图源电影《全城高考》

叶晓阳开始越发欣赏那些「不一样」的同学，「是非常珍贵的种子」。许多通过各类社交媒体找到他进行咨询的同学，家境各不相同，但都具备一个共性：信息检索能力极强。他们目标明确，对自己认知透彻，有一些很早就开始思考想去哪个城市，想做什么事情，并努力缩减认知的鸿沟。「他们的志愿非常好报，错误率相对较低。他们走到哪里，学什么专业，都不会太差。」

他觉得高中生们更需要被教给的是这些软技能，未来大学毕业，在劳动⼒市场的发展，尤为看重的也是团队合作、做决策的软技能，而非仅仅是所学专业。

从这个意义上，他认为火爆的⾼考志愿填报产业是在解决考生眼前的问题，却无法提供长远的解决⽅案，打个不恰当的比喻， 就像基于若⼲粗暴指标的相亲公司。

不过，叶晓阳仍然觉得张雪峰传递的信息是有价值的，尽管「当⼀个⼈的⾔论成为公共物品，有很多⾔论观点或多或少都有绝对化的问题」。

多年的一线调研让他发现，「平均来讲，我认为中国的⾼中⽼师，不管从⾼考志愿知识储备上，还是去做这件事情的热情上，并不⾜以给学⽣提供有效的⾼考志愿填报指导。这首先需要时间，最好的时段是整个⾼中阶段，循序渐进。但在⾼考的指挥棒下，老师们常常⽆从下⼿。这也需要知识和经验，甚⾄数据分析能⼒，需要对学生进行个性化辅导，在短时间内难以⼤规模完成。我的确认识⼀些⾼中⽼师，是为⼈师表的典范，⾃发投入时间精力，去完成上述的⼯作。但我也听到⼀些故事，⽐如某国家级贫困县的⾼中⽼师，收费数千元⼀⼈，给⾼考学⽣填志愿；收费还是其次，志愿的质量很低，反⽽耽误学⽣的未来。」

聚集在张雪峰身上的话题和目光背后，是考生和家长远远未被满足的⾼考志愿填报指导需求。

2023年6月24日，高考成绩公布的第三天，连续活跃在热搜上的张雪峰在社交媒体上告知大家，「被医院收治强制住院了」。他关闭了微博评论区，将近5000人转发了这条微博，转发语里，很多人说：「张老师挺住，我儿子才上二年级。」

「按照原来安排继续干」

离职的消息最沸沸扬扬的时候，在 Qwen 团队的核心负责人林俊旸在朋友圈发了两句话：

「Qwen 的兄弟们，按照原来安排继续干，没问题的。」

「安排好的」？这是什么？

林俊旸离开前夕，Qwen 团队刚刚发布了一件被全球开发者社区刷屏的东西。Qwen 3.5 Small 系列，参数量从 0.8B 到 9B，专为端侧设备设计，可以在普通笔记本电脑上运行。

不是一个更大的模型——而是一组更小的模型。要知道，过去三年里，AI 行业最强大的共识是「越大越好」。OpenAI 的 Sam Altman 四处筹措万亿美金建设算力基础设施，各家实验室军备竞赛般地烧钱烧卡，底层假设只有一个：模型越大，就越聪明。

这套逻辑被称为 Scaling Law，它不仅仅是一条技术规律，更像一种信仰——整个行业的融资叙事、人才分配、硬件投资都建立在这个前提之上。

但 Qwen 3.5 Small 的发布，和林俊旸的离开，同时发生。一个技术信号和一个人事信号，交织出一个更复杂的故事：小模型到底在发生什么？它为什么重要？

当 9B 打赢 120B

即便不是开发者，也可以跑分上一窥 Qwen 3.5 的战绩：

Qwen 3.5 Small 系列中，9B 参数的模型在多项基准测试中全面超越了 OpenAI 的 gpt-oss-120B——一个参数量是它 13 倍的模型。

这些不是边缘指标上的微弱优势，而是在核心推理任务上的系统性领先。一个可以装进笔记本的模型，在数学、科学、视觉推理上全面击败了一个需要数据中心级硬件才能运行的对手。

当然了，摸着良心说，gpt-oss-120B 不是 OpenAI 的旗舰产品，而是其开放权重的中端线。而且它采用 MoE 架构，标称 120B 参数，但每个 token 实际只激活约 5.1B 参数——所以参数量的对比，在工程层面并不像字面数字那么悬殊。

但这不影响趋势本身的成立。因为 Qwen 3.5 Small 并不是孤例。

同一时期，Nature 报道了一个微型递归模型（TRM），在 ARC-AGI 逻辑测试中击败了多个顶级大语言模型。Google Research 在 2026 年初发表论文，证明小模型在意图提取任务上的表现优于显著更大的模型。PNAS 上的一项研究更直接——模型规模与说服力之间呈急剧递减收益，大到一定程度之后，更大几乎不带来更好。

《华尔街日报》早在 2025 年 10 月就已经敢说，「大模型拿走了所有的关注，但小模型才真正干活的那个。」

这些信号共同指向一个判断：以小博大不是偶发事件，而是大势所趋。

那么问题来了——小模型凭什么？

才不是大模型的替身文学

直觉上，人们容易把小模型理解为「大模型的平替」，同样的方法，只是规模小一些，性能差一点，胜在便宜。

但事实恰恰相反：今天的小模型之所以能以小博大，是因为它们在技术方法论上，走了一条和大模型完全不同的路。

第一，数据质量压倒数据规模。 大模型的路线是「尽可能多地吞入互联网数据」，而小模型路线的代表——比如微软的 Phi-4 系列——走的是精筛路线：用高质量的合成数据加上严格筛选的公开数据集，让模型在更少的数据上学到更精确的能力。这背后的逻辑转变是根本性的：不是「喂得越多越聪明」，而是「吃得精才学得好」。

第二，原生多模态设计取代了适配器拼接。 传统做法是先训练一个纯文本大模型，再通过适配器模块接入图像、视频、音频等能力。Qwen 3.5 采用了完全不同的架构：将视觉 token 和文本 token 在同一个潜空间中联合训练，从底层就是多模态的。这意味着它是一个天生就同时理解文字和图像的模型。这种架构在小参数量下反而更有优势，因为不需要额外的适配器开销。

第三，量化技术带来的不只是压缩。 4-bit 量化常常被理解为「把模型压小 4 倍以节省存储」，但它真正的意义在于减少 4 倍的内存吞吐量。在端侧设备上，瓶颈往往不是存储空间，而是内存带宽，也就是数据从内存搬运到处理器的速度。量化技术让小模型在带宽受限的手机和笔记本上，获得了决定性的速度优势。

这些方法论上的突破已经开始转化为产品。3 月第一周，苹果发布了 M5 全线芯片，每颗 GPU 核心内置 Neural Accelerator，AI 性能较 M1 提升最高 8 倍。与此同时，苹果研究院公开了 Ferret-UI Lite——一个仅 3B 参数的端侧 GUI 代理，可以本地操控手机和桌面应用。加上 Apple Intelligence 约 3B 参数的端侧基础模型，苹果正在将「on-device AI」从概念推进到芯片、模型、交互三位一体的产品形态。

微软的 Phi-4 multimodal 也开始尝试商用上线 Azure，3.8B 参数，接受文本、音频和图像输入。开源社区的反馈更加直接——Reddit 上的开发者实测后认为 Qwen 3.5 的 4B 版本是「甜点级」模型：跨任务稳定、无崩溃、远快于 9B 版本。

技术路线已经被验证，产品化拐点已经到来，天边泛起鱼肚白，曙光乍现。

而就在此刻，林俊旸选择离开。

最会做小模型的公司，最没有动力让它成功

Qwen 3.5 Small 在发布后获得了开发者社区的广泛认可，开源社区的评测结果甚至超出了官方发布时的宣传。

但是，他所在的公司是阿里巴巴，阿里巴巴的商业引擎是阿里云。

大模型和云计算之间存在天然的正向循环：模型越大，推理所需的算力越多，客户就越需要购买云计算服务。对阿里云来说，大模型是完美的商业叙事——它同时推高了客户的算力需求和对云平台的依赖。

而小模型的逻辑恰恰相反。小模型的核心价值在于可以在端侧设备上运行——手机、笔记本、边缘服务器。这意味着客户可以绕开云，在本地完成推理。对用户来说，这意味着更低的成本、更好的隐私和更低的延迟。但对阿里云来说，这意味着收入被侵蚀。

Qwen 3.5 Small 做得越好，对阿里云的商业叙事就越尴尬。

这不是阿里一家的问题。放眼中国的科技巨头，几乎所有 AI 领先的公司都面临同样的结构性矛盾。百度和腾讯的处境与阿里类似——商业模式建立在云服务和平台抽成之上，小模型的端侧化趋势直接削弱了它们的价值主张。

字节跳动的豆包手机是一个有趣的例外，但字节做硬件才刚起步，远没有建立起「芯片+操作系统+模型」的垂直整合能力。

华为理论上最有条件，既有芯片，又有终端设备。但在制裁的影响下，它的算力上限本身就逼着它走小模型路线，这更多是被动的求生策略，而非主动的战略选择。至于小米、OPPO、vivo，它们有设备，却不是 AI-first 的公司，缺乏自研模型的基因和持续投入的动力。

全球范围内，真正打通端侧 AI 全栈的公司，可能只有一家：苹果。芯片、设备、操作系统、自研模型，全部自有。苹果的动力来自复合型的商业模式，这驱动它把一切计算尽可能留在设备上，因为每一次端侧 AI 体验的提升，都会转化为硬件的溢价和生态的黏性。

不过，这里需要诚实地处理一个可能的反驳：云厂商难道不能走「端云协同」的路线吗？用小模型做端侧入口，复杂的推理任务回调云端处理，两边都不耽误。

理论上可以。但这恰恰说明了问题——在端云协同的框架下，小模型对云厂商来说是「引流工具」，而不是「独立产品」。云厂商没有动力把小模型做到好到不需要云。

还有一个绕不开的反例：微软也是云厂商，但它在认真做 Phi-4 系列小模型，而且已经商用上线。这是否说明「左右互搏」的论点站不住脚？

非也。微软之所以能两条腿走路，是因为它同时拥有 Windows 和 Surface 的硬件生态、Azure 的云平台以及 Copilot 的端侧产品线。做 Phi-4 对微软来说是防御性布局：如果端侧 AI 的趋势不可逆转，为了大局，宁可壮士断腕，自折一臂，也不能把端侧市场拱手让给开源社区和苹果。

但阿里没有这个选项——没有消费级操作系统、没有主流终端硬件、没有面向个人用户的 AI 产品矩阵。Qwen 做得再好，也没有自家的「最后一公里」可以落地。

动力不同，产品的天花板就不同。

这就形成了一个令人不安的画面： 小模型从实验室走向产品的真正瓶颈，不是技术能力，而是供需错位；最擅长做小模型的公司（云厂商），最没有动力让它真正成功；最需要小模型的公司（设备厂商），又缺乏独立研发的能力。

「没问题的」

回到林俊旸的那条朋友圈，「继续按照安排好的干，没问题的」。

也许技术路线确实没有问题，一切都在朝着正确的方向走。但在一家以云为重的公司里，就算做出世界级的小模型，团队的处境注定不会舒适。

这不是对阿里的批评——任何一家以云收入为生命线的公司，面对一项可能侵蚀自身收入的技术路线，都会陷入同样的两难。这是一个结构性矛盾，不是个人或管理层的选择问题。

比人事更值得关注的，是 Scaling Law 本身正在发生的变化。

过去三年，「越大越好」不仅仅是一条技术规律，它是整个 AI 行业的信条。融资叙事围绕它建立——投资人相信更大的模型意味着更强的能力，所以万亿美金涌向算力基础设施。人才分配围绕它运转——最顶尖的研究者被吸引到训练最大模型的团队。硬件投资围绕它定价——英伟达的估值建立在一个前提之上：对算力的需求会永远增长。

现在，这个前提正在松动。MIT 的研究估计，效率提升将使中等硬件上的模型在 5 到 10 年内逐步追平最大最贵的模型。芝加哥大学的研究表示，数据质量正在取代数据规模成为核心竞争维度。

产品化的方向不再只有云端，而是同时向端侧扩散。Scaling Law 正在从一条单调递增的曲线，变成一张需要在多个维度上寻找最优解的地图。

不再是「越大越好」，而是「在对的地方，用对的大小」。

林俊旸大概比大多数人更早地感受到了这个变化。他用 Qwen 3.5 Small 证明了一件事：在对的方法论下，9B 参数可以击败 120B。但他同时也撞上了另一堵墙——技术上的正确，不等于商业上的可行，更不等于组织上的舒适。

他说，没问题的。确实，技术路线已经铺好了，而剩下的问题不在实验室里，而在实验室外面。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

爱范儿 | 原文链接 · 查看评论 · 新浪微博

在苹果传奇创始人史蒂夫 · 乔布斯 71 岁诞辰之际，史蒂夫 · 乔布斯档案馆发布了一个文集——《给年轻创作者的信》（Letters to a Young Creator）。

这个文集可谓是众星云集，齐聚了近 30 位商业、设计、科技等领域领军人物，如苹果现任 CEO 蒂姆 · 库克、前苹果首席设计师乔纳森 · 艾维、日本建筑师安藤忠雄、德国设计师迪特 · 拉姆斯，等等。他们以「给年轻创作者一封信」的形式，分享了各自创造、设计、人生的深刻洞见。

这个文集的名称也颇有巧思——致敬德国诗人里尔克《给一个年轻诗人的信》，这也是乔布斯生前最喜欢的读物之一。

美国慈善家、乔布斯的遗孀劳伦 · 鲍威尔 · 乔布斯，为整部文集写了一则非常具有智慧和启发性的引言，其中她提到了里尔克的一个金句：

此刻，请你活在问题之中。或许有一天，在你未曾察觉之时，你已渐渐走入答案。

无论你是不是一位创作者，只要你怀揣着对于工作、学习乃至人生的疑问，我相信都能从这些分享者的箴言和思考中，获得一点启迪。

文集内容非常长，我们选取了几位重要的代表人物，摘录了其中部分内容进行分享。

整部文集可以在乔布斯档案馆以及苹果图书商店免费获取，官网地址：https://stevejobsarchive.com/publications

苹果 CEO 蒂姆 · 库克：相信自己的力量

我永远不会忘记第一次与乔布斯的谈话。当时苹果正在谷底挣扎，史蒂夫试图扭转局势。很多人怀疑公司能否存活。有人警告我，加入苹果的风险巨大。

但当史蒂夫开口说话，我心中的犹豫瞬间消散。我从未见过如此充满激情与愿景的人。他谈论未来——科技将释放人类创造力与潜能，以连结与提升我们的方式，甚至超出他的想象。为此，他需要一群充满好奇心的人，为超越自身的目标而努力。我知道我必须加入。

在史蒂夫身上，我找到了导师。他激励我成长与自我挑战。加入苹果，对我来说不是换了一份工作，而是找到了使命。这是我做过最重要的决定。

当你们开启职业生涯，你们也会面临选择。你们正处在一个技术突破不断涌现的时代，新路径与新机会正在展开。

这令人兴奋，也可能令人恐惧。如何知道该走哪条路？如何确认自己做出正确选择？

如果能给你带来安慰，请记住：许多成功人士在你们这个年纪，也并不知晓答案，这没有关系。我学到的一点是：未来不可预测。与其问「会发生什么？」，不如问「当它发生时，我会成为什么样的人？」

我希望你们能成为在工作中追寻意义的人，成为理解为世界做有意义之事之美的人。去寻找点燃你热情的人吧，守护你内心的好奇火焰。

最重要的是，不要怀疑你们拥有成就非凡之事的能力。而实现它的唯一方式，是与他人共同完成。

我相信你们。

前苹果首席设计师乔纳森 · 艾维：创造美的事物

自从他的悼词之后，我没有再公开谈论我与乔布斯的友谊、冒险与合作。我从未去读那些铺天盖地的故事、讣告，或那些奇怪的误读如何被写进「传说」。

我爱乔布斯看世界的方式，他的思考方式美得惊人。他无疑是我见过最具探究精神的人。他的好奇心不是零散或随意的，也不依赖既有知识或专长，而是凶猛的、充满能量的、不安分的。他以明确的意图与严格的训练来实践好奇心。

很多人天生会更好奇。我相信，经过传统教育，或在多人环境中工作之后，好奇心反而成了一种需要意志与纪律的决定。

好奇心会逼着我们学习。而对史蒂夫来说，想学习远比想证明自己正确更重要。

好奇心把我们连在一起。它构成了我们快乐且高效合作的基础。我想，它也缓冲了我们对「做一件可怕的新事物」的恐惧。

史蒂夫很在意自己思考的性质与质量。他对自己期待极高，并努力让思考具有罕见的生命力、优雅与纪律。他的严苛与韧性把标准抬到了令人眩晕的高度。

然而，当想法逐渐成长为点子——无论多么试探、多么脆弱——他都会意识到这是神圣之地。他对创作过程有深刻理解与敬畏。他明白，创作应当获得罕见的尊重——不仅是在想法很好或条件很便利的时候。

想法是脆弱的。如果它们已经被彻底解决，那就不再是想法，而是产品。要不被新想法带来的问题吞没，需要一种坚定的努力。问题很容易被清楚说出、被理解，它们会夺走氧气。史蒂夫会把注意力放在想法本身上，哪怕它不完整、甚至看似不太可能。

现在，比任何时候我都更怀念史蒂夫那种独特而清澈的清晰感。超越想法与愿景本身，我怀念的是他那种能够为混乱建立秩序的洞见。

这和他「擅长表达」的传奇能力无关，却与他对简单、真实与纯粹的执念有关。

归根结底，我相信这反映了驱动他的底层动机。他没有被金钱或权力分散注意力，而是被一种更直接的愿望驱动：以具体可见的方式，表达他对人类物种的爱与欣赏。

他真的相信，当我们做出有用、赋能且美的事物，我们是在表达对人类的爱。

我对你、也对我自己的真诚期望是：我们用创造美的事物来证明我们对人类的欣赏。

日本建筑大师安藤忠雄：不存在唯一正确答案

致年轻的创作者们，

被时代的动荡吞没之际，

请去寻找那些不变的、或不应改变的事物：

那就是人类文化的本质。

这就是我对建筑的理解。

从不存在唯一正确答案。

对话越是极端、越是不妥协，

内心承受的挣扎越是艰难，

建筑的生命力便越发强大。

致年轻的创作者们，

生命的本质不在聚光灯之下，

而存在于阴影中的挣扎时刻，

当你朝远方的光努力前行之时。

请不要失去对那束光的凝视。

德国工业设计师迪特 · 拉姆斯：做得更少，但更好

多年前，我把自己在创作工作中的经验与对产品设计的态度，总结为十条原则（十诫）。我认为它们在今天依然有效：

• 好设计是创新的
• 好设计让产品有用
• 好设计是审美的
• 好设计让产品易于理解
• 好设计是不张扬的
• 好设计是真诚的
• 好设计是耐久的
• 好设计到最后一个细节都是一致的
• 好设计是环保的
• 好设计是尽可能少的设计

不过，这些原则并非不可更改。每一代人都应重新审视它们，并在必要时修改、补充。把它们当作你工作的心理指南。

把自己看作不仅是人们及其需求的倡导者，也要成为我们星球的倡导者。

「为无思考消费做无思考设计的日子已经结束。」我多年前这样写过。遗憾的是，这个愿望至今仍未实现。我把这个愿望传递给你：做得更少，但做得更好。

苹果广告大师李 · 克劳：不做「正确的事」

李 · 克劳是和乔布斯长期合作的广告总监，他帮苹果制作了《1984》和《不同凡想》（Think Different）两条经典广告。

关于如何拥有并推销一个大胆想法，可以这样理解：

不要做「正确的事」。

「正确的事」在会议上听起来很好，在图表上看起来完美。

「正确的事」能安抚焦躁的情绪，让所有人都能达成共识。

「正确的事」足够好。

但正如我们公司 T 恤印着的：

「足够好，并不够好。」

要像躲瘟疫一样躲避「正确的事」。

那我是在建议你做错误的事吗？

当然不是。去做勇敢的事。

做那件让你睡不着觉的事，那件充满未知的事，那件一会儿显得荒谬、一会儿显得天才的事。那才是你应该做的。

追逐它，不要放手。去做那件颠覆的事，那件掀翻现状的事，那件不仅挑战现状，而是重塑它的事。你可以做到。

做不做「正确的事」是一种选择，是否选择颠覆也是一种选择。

我建议你选择勇敢。

迪士尼 CEO 鲍勃 · 艾格：创造本质上是冒险

由于皮克斯和 iPod 的关系，乔布斯与迪士尼 CEO 鲍勃 · 艾格有过多次合作和交流，两人关系十分友好，乔布斯还曾经邀请艾格作为苹果发布会的神秘嘉宾。

创造力，在它最巅峰、最纯粹的形态中，是人类全情投入、卓越执行，以及某些时刻运气加持的结晶。

同样重要的是，我们必须意识到：创造力无法被简化为数学或科学问题。算法与数据永远无法告诉我们「应该创造什么」。在这个被数据淹没的时代，我们很容易想让它回答所有创意上的问题。但它不会——因为它做不到，我们也不该这样要求。

对创意决策进行事后揣测，是一件危险的事。要从创作中的失误中学习，但不要反复追问「为什么当初要这么做」。更好的问题是：「怎样可以做得更好？」

最后，畏惧风险，等同于扼杀创造力——因为一切真正的创造，本质上都是一次冒险。

愿你们的好奇心，成为这段旅程的燃料。愿它为你们带来源源不断的探索、激动与满足。

美国作家莫娜 · 辛普森：做最好的自己

莫娜 · 辛普森是一位美国小说家，代表作《在别处》《凡人》等。她还有两个特殊身份：《辛普森一家》中母亲的角色原型，以及史蒂夫 · 乔布斯的胞妹。

给年轻作家的信：

最重要的事情，其实非常简单：养成每日练习的习惯。艺术不是一个项目，不是一门生意，甚至不只是职业。艺术是一种生活。

我的一位老师曾经建议：如果你能想象自己去做任何别的事，那你或许应该去做那件事。

因为创作这条路，只属于那些无法以别的方式生活的人。

没有什么固定公式；有人在黎明时分状态最佳，有人则在夜深人静时灵感最盛。

每天早起，开始写作。你每天做什么，你就成为什么。

要明白：这是一场漫长的游戏。

开始弄清楚，你要如何进行持续自我教育。

你的教育不仅在写作本身，也在阅读那些前人留下的作品。学会深度而高效地阅读。

培养你的判断力。但不要让这种审美的精细，阻止你继续创作新的作品。

试着与他人建立共同体。这将是你的一生。想办法去享受它。组建读书会，创办文学杂志，发起朗读活动。

不要让那种「我还不够好」的抑郁情绪吞没你，耗掉一段又一段生命。因为每次从这种低谷走出来，你都会发现自己又回到了起点。多去生活，多去写作。

避免排名与比较。我或许更愿意成为贝克特或卡夫卡，但充其量，我也只能成为一个不错的模仿者。你能成为的最好状态，只能是成为最好的自己——那才是值得追求、值得发现的。而这，从根本上说，与别人正在做什么毫无关系。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

爱范儿 | 原文链接 · 查看评论 · 新浪微博

丢了一批人物标签给 AI 写人物小传，让它模仿某位小说家的笔法，来给演员交代角色。

你觉得这像谁的手笔？

————

南方的空气里常常有潮湿的味道，像是雨下过以后残留的影子，久久不散。城市白天拥挤喧嚣，夜晚却显得空旷，好像光亮突然被抽走，留下无数未完的句子。在这样的环境里，一个男人行走。他的脚步从不急躁，像对时间有着自己的节奏感，和别人不太一样。

年少的时候，他把自己交给了工业设计。形状、光影、比例，这些东西比人群更让他安心。六年在公司，十年在创业，那些日子像一张张被翻阅过的旧画册，色彩褪去了，但线条还在。产品的生与死，像车站里人群的来去。大多数人只看见成功或失败，他却更在意其中被忽略的细节。

别人眼中的他冷静得过分，总是习惯提前几步想好方向，就像棋局上的布局。但在那层冷静的外壳下，常常闪现一些不合逻辑的柔软时刻。比如一段旋律，随便一盏灯的影子，甚至一个不经意的眼神，足以让他停下手里的笔。理性和浪漫在心里不停打架，谁也没有赢过谁。

他知道自己带着黑暗生活。抑郁的日子像一条看不见的走廊，没有尽头。他学会了靠药物维持稳定，像有人随身带着一块怀表，偶尔瞥一眼，提醒自己仍然存在。那段经历让他对痛苦格外敏感，也让他在与人相处时多了一层隐秘的温柔。他不会轻易表现出来，但在内心深处，对别人的脆弱始终心知肚明。

夜晚经常独自坐在桌前，电脑屏幕的光照在脸上，桌上散落着草图和未完成的文字。那些想法有时像城市里的霓虹一样闪烁不定，无法全部抓住。他清楚其中大部分不会被记住，就像梦醒时遗落的片段。但仍旧一遍一遍画下去，像一种执念，也像是一种呼吸。

在喧闹的城市里，他习惯保持慢半拍的步伐。人群汹涌，他的节奏却像潜水时的心跳，缓慢、克制，不慌不忙。他看似与周围保持着距离，其实心里始终怀有一种模糊的渴望——不是要成为谁，也不是要得到什么，而是想在梦与现实之间找到某种入口。梦与梦之间，总有裂缝。裂缝里偶尔透进光。

对很多人来说，他是个不好接近的人。但真正靠近以后会发现，那些冷漠与安静只是表层，像水面下覆盖着的冰。深处的水仍然温热，流动着。理性、浪漫、痛苦和温柔同时存在，没有谁能完全把它们分开。

这样的人物，像一个在现实里造梦的旅人。他的路从不喧哗，却留下清晰的痕迹。

（*正文及标题均由 AI 完成）