清华MBA闭门研讨会 · 参会材料

以终为始：MBA 教育的 AI 次方

基于杨斌教授的理论框架 · 结合产业实践观察 · 提出一些延伸思考

杨斌教授的理论框架

杨斌教授在四篇文章中构建了完整的理论体系，以下用原文串联核心逻辑。

核心公式：xAI

将AI置于指数位而非加号后。底数x代表各行各业，AI在指数位产生范式跃迁——不是赋能，而是重构。

底数必须质变：x → α

AI在指数位的前提是底数本身必须系统性跃升。否则指数效应反而加速旧底数的价值塌陷。

“AI与x之间不是物理反应、加和关系，而是范式跃迁，对x甚至会产生脱胎换骨的大改变。”
——杨斌教授，《不是AI+，AI该放在指数位置上》
“AI的迅猛发展，带给底数上的x很大挑战，如果不变革升华，则此刻的底数可能出现价值塌陷。”
——杨斌教授，《底数得质变》
第四种经验阻断器

杨斌教授提醒：青少年滥用AI代劳可能直接替代思考过程本身。AI应“启发、训练而非代劳、包办”。

K型分化

底数>1的能力被AI指数放大，底数<1的能力迅速坍缩。能力的两极分化将加速。

有限 vs 无限游戏

多数组织陷入“用AI优化旧脚本”的有限游戏。真正的突破属于投身无限游戏的组织。

“AI的使命，不应是从起点就代劳，而应在青少年达到‘心求通而未得’的思维拉伸临界点时，给予恰到好处的启发与引导。”
——杨斌教授，《青少年成长的第四种经验阻断器》

底数质变的路径探讨

杨斌教授提出“底数必须质变”这一深刻判断。我们想进一步探讨：在AI高速迭代的背景下，质变的路径可能是什么？

杨斌教授的框架

人/组织是底数，AI是指数。底数通过提升认知、能力、品位来实现质变。建议审慎使用，先筑牢基础。

来自实践的观察

在AI技术高速迭代、尚未形成稳定知识体系的阶段，认知可能需要在实践中形成，而非先学后用。

王煜全（海银资本）在3月27日演讲中的一个判断值得借鉴：
“大家不要满足于做一个中间状态的受益者，而要努力去做未来真正的新物种、真正的终极赢家。”
——王煜全，《AI变革时代的大机会》2026.03.27

王煜全区分了“过渡物种”和“终局赢家”——如果只是用AI优化旧流程，看似领先，实际上只是站在旧范式向新范式过渡的走廊里。这与杨斌教授“底数得质变”的判断高度一致。

共识与延伸：
共识——底数是人，质变是关键，AI是放大器。
可进一步探讨——当顶级大模型每周更新2-3次，许多实践者发现：AI协同能力和审美判断在“用”的过程中自然培养。“用”本身是否就是质变路径的核心？

产业端的变化信号

杨斌教授指出底数可能出现“价值塌陷”。以下产业数据为这一判断提供实证。

一个值得关注的现象：多家头部企业在营收增长的同时大幅调整人才结构，且资本市场给予正向反馈。
企业调整规模背景市场反应来源
Oracle约3万人(18%)AI基建重组+5%Reuters 2026.04
Block4,000(40%)CEO: AI改变了运营方式+24%Fortune 2026.02
Amazon3万白领(10%)AI驱动效率提升创新高Reuters 2025-26
Meta约1.58万(20%)AI资源重配正向Reuters 2026.03
Microsoft1.5万CEO: 30%代码AI编写正向tech.co 2025
“Intelligence tools have changed what it means to build and run a company. Within the next year, the majority of companies will reach the same conclusion.”
— Jack Dorsey, Block CEO, 2026.02.27 致股东信
值得注意

Amazon 2025年营收$7169亿(+13%)，Block毛利+24%。这些调整不是因为经营困难，而是AI正在改变组织所需的人才结构和工作方式。

同时高速增长的岗位

AI Agent Architect · Forward Deployed Engineer · CAIO。AI技能薪资溢价56%（PwC）。近半AI工程师经验不足2年。

Deloitte · PwC · LinkedIn 2026

“这不是一个只要上了AI就都能赢的时代，而是一个‘用了AI之后，你站在哪一边’决定结局的时代。你是借AI守住旧模式，还是借AI建立新模式？”
——王煜全，《AI变革时代的大机会》

人才市场的结构变化

斯坦福CS 2026届

394名毕业生中仅23人获全职offer。127人无薪学徒，89人自费上培训班，103人从事临时工作。同期斯坦福捐赠基金+437亿美元。

陈凯丰 Kevin 03.29 · GovTech · Stanford Study

能获得机会的共同特征

被称为“cracked engineers”——拥有产品作品集和实际研究经历的人。与杨斌教授的K型分化高度吻合：有实战产出的人被放大，没有的人被边缘化。

“Stanford CS graduates are struggling to find entry-level jobs. That’s been a dramatic reversal from three years ago.”
— Jan Liphardt, 斯坦福大学副教授
王煜全关于AI教育的判断：
“真正好的AI教育，不是替孩子把所有困难都抹平，而是能够长期理解孩子、识别孩子兴趣、为他匹配资源和挑战，让他在克服困难中建立热爱。教育才不是‘更高效地灌输’，而是‘更持续地点燃’。”
——王煜全，《AI变革时代的大机会》

这一判断与杨斌教授“具心学习”的理念相互呼应——学习的核心在于激发内在的探索欲，而非替代思考过程。

实践中的案例

以下真实案例或许可以为“底数如何质变”提供一些具体参考。

姜穆然 · 14岁 · AI大赛双料冠军

2023年随父亲学编程并开始使用AI。2026年1月使用OpenClaw，不到3个月获得ClawFounder与ClawGuard双料一等奖，20万元奖金。用AI工具2天完成校内课程，其余时间投入AI技能研究，已组建10余个Agent的协作团队。

傅盛直播 · 猎豹移动 · 中关村AI大赛

一位小学生的AI作品集实践

用一学期进行AI项目实践，积累了涵盖文档、网页、视频、音频、游戏等多种形态的作品集。处理问题的思路自然融入AI协作。制作阅读器项目获金鹏科技创新大赛一等奖。

这些案例引发的思考：

一位14岁的实践者，3个月内取得的成果超越了许多成年从业者。一位小学生已经建立了多形态的AI作品集。他们的底数质变，恰恰发生在深度使用AI的过程中——而非在“学好基础”之后。

“未来真正厉害的人，不是‘更辛苦的人’，而是‘更能驾驭大规模智力系统的人’。这意味着大家不能只学一门技能、守一个专业，而要开始学会像将军、像总经理、像指挥系统那样工作。”
——王煜全，《AI变革时代的大机会》

六点延伸思考

基于杨斌教授的理论框架与产业端观察，提出以下思考供研讨。

一、质变路径或许需要“做中学”

在AI高速迭代、知识体系未固化的阶段，认知可能更多需要在实践中形成。王煜全也指出：“真正的大机会属于那些敢于重新定义工作本身的人。”

二、课程体系本身值得深层追问

杨斌教授提出的“第三种阻断器——木匠思维”或许是更根本的课题。当学生用AI对付作业时，值得追问的也许是：为什么这份作业没有激发出真正的探索欲？

三、评价体系值得重新审视

如果AI产出能通过评审，可能说明评价标准需要升级。未来的评价或许应从“知识掌握度”转向“问题定义能力”和“实战产出质量”。

四、有经验的人面临巨大机遇

对MBA核心人群而言，AI是真正的技术平权。懂业务的人融合AI协作后，可以实现杨斌教授所说的“底数>1”的指数级放大。

五、个性化教育正在成为现实

在Agent模式下千人千面的学习路径已具备技术可行性。王煜全指出：AI教育的核心是“更持续地点燃”，而非“更高效地灌输”。

六、产出正在成为新的信任凭证

斯坦福的数据与14岁冠军的案例共同指向一个趋势：竞争力正从“学了什么”转向“做了什么”。Show, don’t tell。

“AI时代的价值，不是让人多写几篇文案、多做几份表格，而是让人的智力服务、决策能力、协作能力被整体放大。工业革命放大的是人的体力，AI革命放大的不只是人的脑力，也包括人的协作力。”
——王煜全，《AI变革时代的大机会》

研讨会发言思路

基本立场：认同杨斌教授的理论框架，从实践角度做延伸探讨。

开场

“非常认同杨斌教授提出的‘底数必须质变’这一核心判断。想从实践观察的角度，和各位探讨底数质变的路径问题。”

板块一 · 产业信号

Oracle/Block/Amazon等企业在营收增长的同时调整人才结构。斯坦福CS 394人仅23人拿到offer。→ 传统底数正在经历“价值塌陷”

板块二 · 逆势案例

14岁姜穆然3个月双料冠军。AI岗位+300%。近半从业者经验<2年。→ 实践中的“做中学”或许是质变路径

板块三 · 深层问题

杨斌教授的第三种阻断器（木匠思维）可能是更根本课题。AI让问题更加凸显。→ 解法或在用AI推动课程质变

落脚点

“底数质变的路径，在AI时代也许需要新的回答。王煜全说这是‘福特时刻’而非‘瓦特时刻’——关键不在技术本身有多强，而在谁先把模式跑通。让学习者从一开始就深度参与AI协作实践，在产出中积累真正的能力——这或许就是MBA教育底数质变的‘福特时刻’。”

所有引用均标注出处 · 仅供研讨会内部交流