社区

把 “不可能” 变成 “可能”，把可能变成价值。

晚点专栏作者丨奇绩创坛

新思维

新时代也要求创业者的底层思维发生变化。Researcher Founder 需要三种新思维：研究思维、创新思维和斜率思维。

1. 研究思维

近年来，一些诺奖获得者很能说明这个时代正在发生的变化。

戴维·贝克（David Baker）、德米斯·哈萨比斯（Demis Hassabis）、杰弗里·辛顿（Geoffrey Hinton） 这三个人都是创业者，这三个人做的研究工作离诺奖距离都很短，但这只是一个开始。

未来很有可能一个博士生，等到他博士毕业时，可以拿诺奖，还有可能财务自由，因为他也可能同时是创业者，这是这个时代可以有的机会。

重新理解科学、技术和需求的关系

要形成新的研究思维，需要重新理解科学、技术和需求的关系。

科学的本质就是可解释、可预测的自然现象，它研究 “why”。技术则是把科学原理封装成可用的手段，去满足需求，它解决 “how”。如何制造一台机器、训练一个模型、合成一种材料、把一种理论转化成工具……这些都是技术问题。

需求则来自人类社会。人要活得更久、更安全、更自由、更高效，企业要更好地感知、决策和行动，国家和社会要解决安全、能源、医疗、教育、产业升级等问题。

科学、技术和需求不是彼此孤立的。真正有生命力的科学往往会不断靠近重要需求；真正重要的技术也往往来自对科学规律的深刻理解。

因此，科学的本质不仅是解释现象，也是为人所用。这里的 “为人所用” 不是狭义功利，而是指科学最终会进入人类文明，成为理解世界、改造世界和创造价值的能力。

对 Researcher Founder 来说，这一点非常关键。科学恒久的驱动力仍然是好奇心和想象力，但 Researcher Founder 还需要考虑，它能为后来者提供什么基础？它能不能最终创造价值？

选择研究方向，是一个战略问题

选题是研究思维的关键能力。一些科学方向之所以长期活跃，是因为它们不断靠近重要问题，不断产生新的工具、新的解释和新的能力。科学本身也是一个进化体系。很多重要创新不是从零开始凭空出现，而是在已有元件、已有理论、已有工具、已有数据之上，重新组合、重新解释、重新推进。

Researcher Founder 要学会选择研究方向和观察科学发展的生命力。

好的研究方向，往往有几个特征。

- 第一，它足够高水位。它不是一个很快会被替代的小问题，而是连接着更大科学问题、技术趋势或真实需求。

- 第二，它有足够长的影响空间。一个好的方向不会在短期内被做完，而是能持续展开，带来新的问题、新的方法、新的数据、新的工具或新的产业可能性。

- 第三，它和研究者自身的禀赋、兴趣有关。伟大的工作通常很难，靠短期热情无法持续。如果一个方向只是热门，但你并不真正让一个人好奇，他也很难长期坚持。

高度活跃、有生命力的科学，则通常有两个共同特征：第一，它持续解决真实的人类需求；第二，它能创造规模化、长期不可替代的价值。

从这个角度看，研究选题不只是学术问题，也是战略问题。Researcher Founder 选择科研方向时，不能只问 “这个问题能不能发论文”，还要问：“这个问题是否足够重要？它是否可能产生长期影响？它是否连接未来真实需求？它是否值得我投入很多年？”

AI 时代更新迭代速度更快，低水位、短周期、容易被替代的研究会更快失去影响。真正值得投入的，是长线、宽面、高水位的问题。

方向选对了，努力才会积累成复利。这就是新的研究思维。

好选题的例子：姚顺雨、哈萨比斯、伊利亚

好的科研选题，不是追逐热点，而是找到长期不可替代的高水位问题。

姚顺雨是一个典型案例。他早期围绕语言模型、工具使用、推理与行动等方向进行研究，后来这些问题成为大模型和智能体时代的关键议题。他的 ReAct 工作，本质上连接了推理和行动，后来成为理解 Agent 能力的重要基础之一。（注：ReAct 即 Reasoning and Acting，一种让语言模型同时进行推理和行动的智能体方法）

他的研究理论基础很强，但每次交流，他都在思考未来的工程体系与产品形态。聊模型，必然谈产品。在腾讯，他可以模型、产品一起推进——这与他当初选博士论文时埋下的种子一脉相承。ReAct 是关于如何选题的一个极有说服力的案例。

德米斯·哈萨比斯的路径也很典型。他早期关注海马体、记忆机制和强化学习，后来将这些研究积累带入 DeepMind，持续推动从游戏智能到科学发现的探索。这不是简单追逐热点，而是围绕智能的本质问题长期推进。如今 DeepMind 的技术路径与发展思路，皆与其博士论文选题密切相关，这也表明他的选题很宽、触达很远。

伊利亚·苏茨克维（Ilya Sutskever）的路径同样说明，高水位问题往往需要长期判断。他参与 AlexNet（2012 年被提出的深度卷积网络模型，是图像识别领域的突破性工作），深度参与 Scaling Hypothesis（规模假说）和 Scaling Law 相关方向。他做的博士论文主题和他在 OpenAI 时代坚信 “模型只要足够深、足够宽，数据的 scaling 可以导致智能的涌现” 有关。这改变了世界。

中国科学家中也有很多类似案例。潘建伟、袁隆平、钱学森、屠呦呦，他们都在 “Go high”，在一个领域中做得很高很高，而不是堆砌。屠呦呦通过青蒿素改变全球抗疟体系，潘建伟推动量子通信与量子计算前沿，袁隆平开创杂交水稻育种体系，钱学森奠定现代控制科学与航天理论。这些工作共同说明，真正重要的科研，不是停留在局部技巧，而是连接了长期重大需求，并在很长时间里持续产生影响。

真正一流的科学家，不靠数量堆砌，而靠高度制胜。

系统性地选好方向

选好方向，也有系统性方法。

第一步，是选领域。找到一个你愿意长期投入的领域。这个领域最好与你的禀赋相关，也就是你擅长什么；与你的兴趣相关，也就是你对什么问题有超乎常人的好奇心；同时也要有足够大的探索空间。

第二步，是到前沿。选定领域之后，要尽快读完关键论文、了解重要人物、理解核心问题、掌握新的研究模式。不到前沿，就很难判断什么问题已经被解决，什么问题仍然存在，什么地方有真正空白。

第三步，是找空白。真正有价值的问题，往往不是一眼看上去最大的问题，而是那些看似小、但背后连接更大结构的问题。要对现实保持敏锐，观察哪些地方有矛盾、缺口、低效、未被解释的现象。

第四步，是挖潜力。很多伟大发现不是一开始就被看见为伟大，而是在持续挖掘中显现出结构性价值。一个小问题，如果连接了大空间，就值得深入。

这里有三个关键维度：禀赋、兴趣、空间。

禀赋决定你在哪些问题上更容易形成优势。兴趣决定你是否能长期坚持。空间决定你做出来之后，是否有机会形成伟大影响。

而贯穿其中的核心动力，是好奇心和热情。

高影响、高胆识：Go High 才能 Go big

影响力可以理解为 “高水位 × 持续时间”。很多短期论文的总量，并不等于真正高影响力。

假设一篇论文只是在某个训练算法上提升了 5%，短期看可以发表，但很快就可能被新的方法替代。一旦被替代，它对后来者的影响就停止了。

相反，像 ImageNet（由李飞飞团队推动建设的大规模图像识别数据集和竞赛，推动深度学习在计算机视觉领域取得突破）这样的工作，它的意义不只是一篇论文，而是成为一个时代的基础设施。它影响了大量算法、论文、产品和产业方向，推动了计算机视觉和深度学习的发展。即使后来有新的数据集和方法出现，它的历史影响也已经被长期积累下来。

牛顿和爱因斯坦的工作更是如此。它们在数百年甚至更长时间尺度上持续影响人类理解世界的方式。

所以，高影响工作的关键，不是短期热度，而是时间积分。能影响越多人、越多方向、越长时间，价值越大。

做高水位问题，需要胆识。

很多真正重要的问题，在早期都不容易判断。它们不一定符合现有评价体系，也不一定有立刻可见的回报。选择这些方向，需要更早进入不确定性，承受更长时间的孤独和压力。

有两条路径都值得走。

一条路径，是在已有路径上做别人做不出的事。这要求极强的能力、训练和执行力。你知道这个问题重要，大家也知道这个问题重要，但真正能做出来的人很少。

另一条路径，是开辟新路，走别人不敢走的方向。这要求更强的判断、勇气和长期主义。因为在早期，没有太多人能证明你是对的。

Researcher Founder 要以高胆识追求这样的高影响，找到高水位、长周期、不可替代的问题。只有 Go High，才能 Go Big。

2. 创新思维

什么是创新

创新的核心定义，是用更好的方法满足需求。

创新不一定意味着 “全新的东西”。旧的技术、产品和能力，如果被放进一个新场景，用新方式满足了需求，也是一种创新。真正重要的，不是它看起来是否足够新，而是它是否用了更好的方法，把需求满足得更好。

因此，创新的关键不是追求表面的 “新”，而是理解需求、把握需求，并找到更好的满足方式。

这一点对理工科背景的同学可能反而是个挑战。因为很多技术训练，会让人习惯于从技术、功能和实现出发。但真正的创新，往往不是从 “我能做什么” 开始，而是从 “人、企业和社会到底需要什么” 开始。

理解需求

首先是个人需求。个人需求有很多层次，人的内在需求几乎没有终点。

睡觉的需求被满足好了吗？并没有。人们仍希望睡得更深、更稳定、更容易恢复精力。吃饭的需求被满足好了吗？也没有。人们仍然会追求新口味、新体验、新的健康方式和社交场景。

所以，做功能性产品，如果只是停留在 “解决一个明确功能” 的层面，机会会越来越有限。真正值得挖掘的，是功能背后的深层需求：情绪、身份、关系、表达、陪伴、掌控感、归属感和自我实现。

一个创业者不能因为自己不理解，就否定一个需求。泡泡玛特就是一个很好的例子。

我过去不理解泡泡玛特，觉得这些产品似乎没有什么 “实际用途”。但后来我在北京、上海的地铁里观察，发现越来越多女生的包上挂这类产品，接着男生也开始挂。这说明它背后一定有某种真实需求：情绪价值、身份表达、审美认同，或是社交符号。无论形式如何变化，创业者真正要研究的，始终是底层的需求。

这就是创新思维的起点。不是从 “我觉得有没有用” 出发，而是从真实行为中理解需求如何发生。

企业需求同样如此。真正深入企业需求的，目前走在前面的是 Palantir（美国数据分析与企业软件公司，长期服务政府和大型企业，近年来重点推动 AI 在企业业务流程中的落地）和 Anthropic。今天大多数产品只满足表层需求——搬运信息、辅助开会。但开会只是手段，企业真正需要的是更好的决策、更好的文化、更持续的创新能力。企业的需求也是永无止境的。我们要做的就是挖掘更深的需求，这是创新的思维。

研创一体

Researcher Founder 还需要以终为始，形成研创一体的思维。

选博士论文，我常建议同学选宽一些、延伸空间长一些的课题。因为真正有活力的研究，最终一定要创造价值。

从科学第一性原理看，科学探索、技术开发、市场需求、社会需求、国家战略需求，这五个层次始终相互连接。清华创业大赛、资源对接平台、耐心资本、孵化加速，以及像今天这样的交流场合，有机会就去参与、去结识朋友。

无论做什么学问，都要以终为始，研创一体。

从 Book Smart 到 Street Smart

一流学府的学生，Book Smart 肯定很强，考试、书本、科研样样出色。我自己也类似，过去以 Book Smart 为傲。但到了今天这个年龄，我意识到，真正的 Smart 是从 Book Smart 到 Street Smart。Street Smart 是对真实世界的理解。它不是书本里的静态知识，而是对人、市场、组织、交易、预算、流程、关系和价值流动的理解。

Street Smart 不是天生的，它来自大量观察、实践和反馈。最重要的是身体力行：去嵌入价值的流通过程。通俗地说，在做科研的过程中，要留意钱是如何合法地从一个口袋流到另一个口袋。哪里有钱在流动，哪里就有生命力和创造力。不断观察、不断理解、不断融入，逐步把 Book Smart 变成 Street Smart，你的 Smart 才能成为真正有生命力的知识。

邓锋，清华校董，就是一个从 Book Smart 到 Street Smart 的例子。他在清华期间便已开始做生意与创业。他是 NetScreen（美国网络安全公司，2001 年在纳斯达克上市，2004 年被 Juniper Networks 以约 42 亿美元收购）的创始人——华人在美国创办的第一家上市公司。

这个案例想说明的是，真正一流的创业人才，不能只有书本里的聪明，真正要做创业，就必须把这些能力放到真实世界中打磨。

这不是从学术转向世故，而是从抽象转向创造。它要求一个人不仅能理解复杂理论，也能理解复杂现实；不仅能回答问题，也能发现问题；不仅能提出方案，也能推动事情发生。

3. 斜率思维

三条斜率

AI 是认知的加速器，这个时代，重要的不是你今天有多强，而是你的斜率有多陡。

三条斜率：认知斜率、能动性斜率、品味斜率。

- 认知斜率。不光认知要高，还要保持认知更新的速度。经典榜样是爱因斯坦。

- 能动性斜率。指的是搞定复杂事情的能力越来越强。经典榜样是 007：什么都难不倒他，任何复杂的事情都能想办法解决。

- 品味斜率。不管做什么，都要有高品味。做药，要知道哪个靶点未来买单的人更多；做材料，要知道哪个下游供应链需求会更强。品味从大量的数据、大量的体验中得来。

高斜率的组织

AI 会放大个人斜率，也会放大组织斜率。

在 AI 原生组织里，碳基人与硅基系统不是简单分工，而是共同迭代。人负责目标、判断、品味、需求定义和关键决策；AI 负责信息处理、规划辅助、执行生成、持续反馈和流程自动化。一个组织如果能把这套循环建起来，它的整体迭代速度会显著提高。

因此，个人成长不只取决于自己有多努力，也取决于自己是否处在一个高斜率组织里。

高斜率组织有几个特征：问题足够难、反馈足够快、人才密度足够高、AI 使用足够深，组织能持续自我进化。在这样的组织里，一个人每天接触的问题、反馈和判断都会推动成长曲线变得更陡。

重要的不是起点，而是系统迭代深度。对年轻人来说，进入一个高斜率组织，往往比停留在一个舒适但低反馈的环境里更重要。

斜率思维的例子

分享一个高斜率人才的案例——沈亦晨，他创立的曦智科技 2026 年 4 月刚刚上市。

沈亦晨是麻省理工学院博士，博士论文研究通过控制电压让光子完成 2×2 矩阵运算，发表于 Nature 正刊。我与他有过一次半小时的交流，是我认为奇绩历史上最精彩的半小时。我问他最关键的问题：毕业时，美国一流高校与顶级科技公司的 offer 悉数在手，为什么选择回国创业？

他的回答是：我最在意的，是把光计算、光存储真正产业化，把这件事做出来。

他分析了三条路径：一、去高校任教，需要不断申请资金、培养学生、发表论文，实现目标需要时间。二、去谷歌或微软，则需要逐级说服上级、副总裁、资深副总裁、总裁，乃至董事会，才能推动自己的方向落地。三、回国创业，只需要说服沈南鹏。

这个判断背后，是对创新生态的清醒认知：耐心的资本就应该押注这样的团队，加速他们的成功。

他之所以想得如此透彻，与他的高斜率密不可分。他在美国的 mentor 是 Ray Stata——麻省理工学院的 Stata Center（麻省理工学院计算机、信息科学与人工智能等相关院系和实验室所在建筑）正是这位先生捐赠建造的。高斜率，我们都有机会去找到别人来帮我们。

4. 新思维总结

- 研究思维：核心是高水位、高影响力（研究、产业、社会综合价值）和不可替代。

- 创新思维：核心是研创一体和需求导向，是以科学方法解决真实需求。

- 斜率思维：高迭代和高成长，长期持续进化。

这三种思维合在一起，才构成 Researcher Founder 真正需要的底层能力。

新实践

从 -1 到 1 不是只靠理解就能完成的。Researcher Founder 必须走出熟悉的环境，进入真实需求、真实场景和真实同行者的网络之中。

实践的核心，是三个方向：到 “河” 对面去，到 “墙” 外面去，到同行者中去。

1. 到 “河” 对面去：从 FDE 到 FDX

人类的进展，本质上是一个扩散过程。

过去，技术和需求之间隔着一条河。河的一边，是研发、产品、技术、算法和工程；河的另一边，是客户、用户、市场、销售和真实需求。很多时候，技术团队觉得自己的技术很好，只是市场不会卖；市场和销售又觉得研发团队没有真正理解客户，也没有解决最重要的问题。但今天，所有真正创造价值的人，都越来越需要过河。

第一个到河对面去的公司是谁？是 Palantir，这家公司 20 多年前就开始到河对面去了。Palantir 提出了 FDE（Forward Deployed Engineer，前线部署工程师）这个概念。

为什么会发明这个概念？这和他们的产品有关——给美国中央情报局提供软件，他们必须到河对面去。

一开始他们也不想过河，说先去调研需求。美国情报局的人就说，你开什么玩笑？难道我会告诉你我怎么当间谍的？你要调研需求，得跟我一起当间谍啊。所以他形成了一个全新的文化，就是驻场开发。

AI 正在让很多原本稀缺的技术能力变得更容易获得。代码可以生成，信息可以检索，分析可以自动化，很多过去需要大量工程人力完成的工作，正在被新的工具重构。技术本身仍然重要，但只停留在技术这一边的人，会越来越难真正发挥价值。

今天，从 Anthropic 开始，Vibe Coding 正在让代码生成变得越来越容易。过去只停留在写代码、做技术实现的人，价值会越来越被压缩。要真正发挥作用，就必须到 “河” 对面去。

这也是 FDE 的意义：工程师要过河，进入客户现场、真实场景和具体问题中去。

Anthropic 现在已经有 Claude Design，设计师很快也要过河，成为 Forward Deployed Design。产品经理也很快要过河，成为 Forward Deployed Product。市场和销售本来就更靠近河对面，但未来所有真正创造价值的人，都要到河对面去。

未来的研发、产品、设计、市场和销售，都要更靠近真实场景。工程师不能只在办公室里写代码，产品经理不能只在会议室里写需求，设计师不能只在界面上打磨体验，研究者也不能只在论文和实验室里理解问题。

更广义说，未来每一种关键角色都需要 Forward Deployed，可以把 FDE 扩展成 FDX。

做科研，也要到企业里去，甚至驻场做科研。做生命科学，就到医院去、到药企去；做材料，就到下游公司去，或者到上游供应商去；做工程系统，就到真实产业现场去。只有真正去到那边，才能知道什么问题长期存在，什么能力真正稀缺，什么方向值得自己持续投入。找到自己真正感兴趣的领域，到河对面去思考和研究问题。

2. 到 “墙” 外面去：创业，只能边做边学

研究可以在墙内学，但创业只能边做边学。

加入一家真正优秀的创业公司，进入一线，去看一个想法如何变成产品，一个产品如何找到用户，一个团队如何在资源有限的情况下持续推进。胆子大一点，自己创业，直接把自己的研究、技术判断或问题意识放进真实世界中验证。

未来，你可以选择继续做科学家，也可以选择成为企业家。但无论走哪条路，素质都必须变得更综合。即使在大学任教，也需要企业家的素质；即使选择创业，也需要科学家的内涵。这是这个时代科学范式带来的必然。

3. 到同行者中去：进入高密度创业社区

第三件事，是到同行者中去。

Researcher Founder 尤其需要社区。因为从 -1 到 1 是高不确定性的过程，传统路径不够清晰。一个好的社区，可以帮助他们更早连接技术、市场、资本、人才和产业资源。同时也能让自己进入一个更高人才密度和更多高质量反馈的成长环境。在这里，早期判断可以被认真讨论，也可以被及时挑战；不成熟的想法可以被打磨，重要的问题可以被持续推进。

这也是为什么奇绩一直强调要创建一个创业者社区。

新机会

1. 研创新时代

产业创新的机会，往往来自拐点。

1995、1996 年的互联网，是一个重要拐点。第一波进场的公司，很多都活了下来，今天不少重要的科技巨头，也是在那个时间窗口里开始的。

2022 年 11 月，ChatGPT 发布，是新的拐点。它让 AI 从实验室和专业系统中走出来，成为所有人都能使用的生产工具。今天，Agentic AI 正在带来更大的相变：AI 不再只是回答问题、辅助工作，而是开始进入长期任务、复杂执行和组织流程。

下一个拐点，Physical AI 也正在到来。智能将进一步进入物理世界，进入机器人、制造、能源、交通、医疗、供应链和更多真实系统。产业创新的机会，会因此被重新打开。

AI for Science 是另一个巨大方向。AI 可以帮助科学家发现新材料、设计蛋白质、加速药物研发、模拟物理系统、优化实验流程。过去很多科学问题受限于实验成本、计算能力和搜索空间，今天开始有机会被新的模型系统推进。

还有一个重要变化，是新全球化。

过去，做全球化技术公司，更多是硅谷的特色。今天，中国拥有更完整的软件、硬件、数据和供应链基础，也拥有强大的工程能力和丰富的产业场景。新一代中国技术创业者，有机会从第一天起就面向全球市场，定义全球产品，组织全球资源，创造真正有世界竞争力的技术公司。

这些拐点共同指向一个判断：Researcher Founder 的机会正在变大。

2. 走出第一步

对每一个年轻的 Researcher Founder 来说，如何走出第一步？

- 第一，你已经在某个领域有一定的专业能力，正在成为专家。你不一定已经是这个领域最顶尖的人，但你要在路上，you are on your way to be an expert。

- 第二，你已经开始动手开发，开始做一些东西了。

- 第三，你已经开始找人，尝试组合团队。

如果你这三件事情都有了，启动你的历程。

3. 奇绩创业社区

奇绩创坛的使命是在源头最大化驱动创新，愿景是建设源自中国的最大、最活跃的创业者社区。目前已经搭建了奇绩创业营、算力、创业公开课、前沿信号等体系，系统性支持 Researcher Founder。

奇绩希望建设的是一个面向年轻技术创业者、Researcher Founder 的创业社区。真正重要的，不只是投出几家公司，而是持续发现、支持和加速那些有可能改变未来的人。

今天的 Researcher Founder，可能还只是一个学生、一个博士、一个工程师、一个研究员，或者一个刚刚开始思考创业的人。但在新的时代里，每个人都有机会从一个高水位问题出发，进入真实世界，找到同行者，组织资源，把 “不可能” 推进到 “可能”，再把 “可能” 推进到 “价值”。

这就是从 -1 到 1。

也是 Researcher Founder 真正要走的路。

题图：陆奇在 5 月底于清华大学讲授创业公开课。来源：奇绩创坛

本文为晚点外部投稿专栏，内容整理自奇绩创坛创始人陆奇 5 月底在清华讲授的创业公开课。此前，该栏目曾发布昆仑万维创始人周亚辉的投资笔记、五源资本合伙人孟醒的投资观察等。