KeyFrame內部研究專用

当智能不再稀缺,人与人的差距为什么反而更大?

课代表立正46 min中文
觀看原始影片

三句話摘要

AI時代職場生存與發展的核心能力——不再比較傳統的IQ和EQ,而是需要兼具TQ、強度和眼球注意力。 AI時代成功的關鍵不在於預測學什麼職業,而在於打造自己的TQ(會用AI)、強度(做事的密度和專注),以及抓住他人注意力的能力——跟著興趣走,用AI放大優勢,速度比以前任何時代都重要。 IQ需要重新定義:不只是智力(Intelligence),更要加上強度(Intensity)。在AI時代,光聰明不夠,做事的專注度和推動力決定速度。一個有強度的人和沒強度的人,在AI輔助下的產出速度可能相差10倍到1000倍——因為AI讓反應周期從幾個月縮短到幾小時。

重點整理

  1. IQ需要重新定義:不只是智力(Intelligence),更要加上強度(Intensity)。在AI時代,光聰明不夠,做事的專注度和推動力決定速度。一個有強度的人和沒強度的人,在AI輔助下的產出速度可能相差10倍到1000倍——因為AI讓反應周期從幾個月縮短到幾小時。

  2. EQ從情商擴展成吸引力商數:除了傳統情商(Emotion),還要加上「眼球商數」(I-Bow,即能否抓到他人注意力)。AI能生成無限內容,但人們的注意力有限,誰能有效傳達價值給他人,誰就贏。

  3. TQ是AI時代的基礎能力:Token Quotient代表真正用好AI的能力。大多數人的TQ還停留在20-30分(滿分100),就像每個人身邊有50位博士但沒用好。TQ不只是會用工具,更要懂模型能力邊界、會設計高質量提示詞、會分解複雜任務給AI。

  4. 思維方式轉變比學什麼都重要:未來職業走向難以預測,關鍵是Mindset(思維方式)改變。從「工具思維」(AI幫我做X)轉變為「團隊成員思維」(如何讓AI團隊成員發揮最大價值),從「工業時代分工」轉向「個人多面手」。

實用技巧與重點

  • IQ新定義:Intelligence + Intensity Quotient
  • EQ新定義:Emotion + I-Bow (眼球) Quotient
  • TQ新定義:Token Quotient(AI使用能力)
  • 時間對比:PC時代需要15年適應期 → AI時代只有3-7年調整空間
  • 人數配置:VM Ware團隊從8人擴展到數百人;作者社區從1人→2人能賺3-5倍;招到3人後考慮12人上限
  • 組織結構變化:扁平化、垂直壓縮,Agent和人混合組織成為可能
  • Radiologist工資變化:十多年前大家說放射科醫生沒前途,實際上現在薪資漲到原來的2-4倍
  • 咨詢公司轉型:Forward Deployed Engineer (FDE)——從在公司寫代碼→派駐客戶現場完成工作
  • AI原生代定義:進大學時GPT剛出現或未出現的學生,他們思考問題時原生融合AI視角

結論

AI時代成功的關鍵不在於預測學什麼職業,而在於打造自己的TQ(會用AI)、強度(做事的密度和專注),以及抓住他人注意力的能力——跟著興趣走,用AI放大優勢,速度比以前任何時代都重要。

完整解析

徐老師認為,AI革命徹底改變了職場生態,但大多數人還沒認識到這一點。過去我們用IQ和EQ衡量人才,但AI時代需要新的框架。

首先是IQ的重新定義。傳統IQ只看智力,但在AI大幅提升生產力的時代,「強度」(Intensity)變得同等或更重要。強度體現在對工作的專注度、持續推進的能力、做事的密度。當AI能在一晚上讓一個團隊成員(無論是實習生還是總監)的能力邊界清晰可見時,強度低的人再聰明也會被拖累。徐老師親身經歷中,VMware初期團隊在8人時以為再加一個人就夠了,結果最後擴到數百人——這反映人性的無止盡性,而非技術必需性。

其次是EQ的重新定義。傳統EQ關乎情感管理,但AI時代資訊過載、內容泛濫。理論上AI能生成無限高品質視頻、圖片、文字,但人類的注意力沒有增加——一天還是24小時。這就產生了新的競爭維度:誰能有效吸引和抓住他人的注意力(I-Bow眼球商數),誰就能突出重圍。

最重要的是TQ(Token Quotient)。這不只是會用ChatGPT,而是真正理解大模型的能力邊界、知道如何分解問題、設計高質量的上下文給AI。大多數人把AI當工具(「幫我做X」),但真正高TQ的人把AI當團隊成員(「怎麼讓這50位博士最有效地為我工作」)。

第二個大變化是時間緊迫性。PC時代用了15年才普及和成熟,人們有充分時間調整思維。AI時代可能只有3-7年。這意味著思維轉變必須快速而刻意——不是自然發生,而是需要高強度的自我迫使。

第三個洞察是AI原生代的優勢常被低估。大學新生已經在AI時代出生長大,他們不用從舊思維轉換。編程為例,老一輩程序員問「怎麼用AI幫我寫代碼」,但AI原生程序員問「讓AI盡可能多地寫,我只負責調整和決策」——思路完全不同。用5-10年視角看,這代人競爭力會非常強。

最後,關於組織結構。有人說AI會導致「一人公司」激增,但徐老師不同意。短期可能有這個現象,但長期人性會主導——人是群聚動物,只要能養活團隊成員就會去招人。一個人如果跟合作者能產生3-5倍的乘數效應,為什麼要堅持一人?Google這樣的大公司不是因為必須那麼大,而是能養那麼多人。未來組織結構仍會成長,只是決策速度和效率大幅提升。

12 min
企業管理中文10月8日

The Most Important Skill for Entrepreneurs Can't Be Taught—A Conversation with Yu Ying, Vice Dean...

凯莉彭 Kelly Peng看原片 ↗
  • 反思能力決定成長天花板:講者發現職場只有兩種人——遇到問題時,一種向外求(怪環境),一種向內求(找自己的因)。前者無論如何調整職位都不會進步,後者才有迭代與改善的機會。這種能力在青少年階段仍可塑,成人後幾乎無法逆轉。
  • 審美感必須靠大量接觸累積:審美是不可替代的創業必備素質,但不是天生的。看過百件、兩百件產品後自然能感知共性。此能力需要浸潤式學習,短期內無法突擊。
11 min
AI 技術中文10月8日

2026年10月8日|24小時世界AI新聞台-重溫|OpenAI 合約 AI 測試、Reka Rho-1、Google Earth AI

文恩澄 Rannes Man看原片 ↗
  • AI 代理從輔助進化到流程參與:OpenAI 與 Ironclad 的研究表明 AI 代理已能設定表單、建立審批規則並確保多步驟工作流合規,但人工監督仍不可或缺。這標誌著 AI 在企業軟件中的角色從簡單任務輔助升級到複雜業務流程的參與者。
  • 多模態統一正成為主流方向:Reka 的 Rho-1 展示單一模型處理文字、圖像、影片和動作的可行性,減少使用者在不同工具間切換的負擔。但技術仍面臨長時間生成穩定性與跨影片物件定位的挑戰,目前輸出解析度上限為 672×384 像素。
13 min
AI 技術中文9月26日

万亿美元AI资本开支的回报在哪里 | 黑石Jon Gray | 数据中心 | AI算力 | 工业革命 | 投资回报 | 超大规模云厂商 | 芯片短缺 | 电力基础设施 | 生产率 | AI应用场景

最佳拍档看原片 ↗
  • AI不是泡沫,而是範式轉移:喬恩·格雷用1870-1900年工業革命類比今日AI浪潮,強調這是勞動生產力翻倍、GDP與製造業產出成倍增長的機遇期,但並非所有公司都能從中獲利。
  • 投資報酬率已被驗證:黑石旗下公司已看到實際案例——印度鑽石公司提效、通訊鐵塔公司租約處理快五倍、軟體編碼模型每投1美元回報18美元,證明AI開支的合理性。