蔡崇信香港大学演讲精华：小白程序员必备，学会这些让你的机会“下限可控，上限无限”！快收藏！

蔡崇信在香港大学分享了做决策、创新、竞争、商业模式、管理和个人成长等方面的见解。他强调机会要能承受下限但看不到上限创新要紧跟客户需求竞争要利用系统优势稀释劣势商业模式要开源核心能力在周边服务盈利管理要找比聪明的人并依赖他们个人成长既要看懂世界也要看懂人心。这些观点对想要抓住新时代机遇的小白和程序员们具有启发意义。最近蔡崇信在香港大学做了一次演讲。对就是你知道的那位阿里巴巴联合创始人、集团主席蔡崇信。当年他放弃了据说70万美元年薪跑去和马云创业每个月只拿500块薪水。他一手搭建了阿里的财务架构被称为“马云背后的男人”。现在他甚至还是NBA布鲁克林篮网队的老板。多年来蔡崇信一直很低调。但这次面对台下的学生他却聊了很多。关于如何做选择关于如何管理关于在新时代该掌握什么技能。那我们能从中学到些什么蔡崇信的思考和观点又能带给我们什么启发1、关于选择好的机会就是“能接受下限但看不到上限”很多人都知道那个故事。1999年蔡崇信在香港做着投资机构的副总裁拿着百万年薪。而马云在杭州的湖畔花园连公司都还没注册。但蔡崇信居然选择辞掉了工作跑去杭州和马云创业。哪怕只拿500块的月薪。为什么事后看很多人会说这是因为蔡崇信眼光好会看人有情怀。但蔡崇信说没那么复杂我只是算了一笔账。如果去了最差会怎么样不过是回到原点。即使阿里倒闭了我还有耶鲁法学学位我还懂投资。大不了回香港继续做律师继续做投资。但如果阿里真的做成了呢那可是一家可能改变世界的互联网巨头。这就是非对称风险。用极小的、可控的代价去搏一个无限的未来。普通人做决策喜欢只看上限顶多想想概率。这事到底能有几成把握做好但对于下限往往关注的不够多。可做决定最重要的是确定下限。只有确定自己可以承受最差的结果才能立于不败之地。所以当你下次面临跳槽、创业或者一个重大决定的时候记得问自己1如果输了这个最坏的结果我能接受吗2如果赢了这个最好的结果能大到改变我的处境吗如果两个答案都是Yes。那就不要犹豫。2、关于创新紧跟客户需求不要为了创新而创新主持人问了蔡崇信一个问题阿里巴巴这20多年是怎么一步步走过来的对啊。从最早的B2B站点后来的淘宝再到支付宝、阿里云、人工智能。每隔5年、10年阿里就好像换了一家公司。是有什么全知全能的顶层设计吗但蔡崇信说那没有。我们只是做到了一件事紧跟客户需求。最早的时候阿里只是一个B2B网站。因为很多小企业开了工厂做了东西但不知道卖给谁。为了面向全世界的买家阿里还做了英文的网页。后来阿里开始做支付宝也不是想做金融科技而是因为当时的网购缺乏信任。买家说我不认识你我不敢先付钱。卖家说我也不认识你我不敢先发货。那怎么办阿里说别吵了。我搞个叫支付宝的东西钱先放我这。再后来开始做阿里云也不是因为看到了AI的机会而是因为淘宝要处理的交易数据太多了。IBM的服务器、Oracle的数据库、EMC的存储都太贵了。如果继续用赚的钱还不够养供应商的。所以阿里只好自己搞研发、写代码。发现没阿里的每一次创新都不是一群聪明人在会议室里憋出来的而是被具体的、痛得受不了的需求逼出来的。所以如果你要搞创新别总想着收购、追风口。回到业务里看看客户在哪里卡住了。看看报表自己在哪里痛得受不了了。当你把最痛的问题解决掉回头一看可能就完成了一次伟大的创新。3、关于竞争正面战场赢不下就用系统优势稀释单点劣势现在全世界都在讨论AI。大国之间的竞争也在围绕AI展开。可是美国有OpenAI有谷歌有最先进的GPU芯片。这仗要怎么打但蔡崇信觉得到底AI能不能带来实打实的经济增长要看用的人多不多。那么中美之间谁的AI渗透率会高那就要看谁的成本更低了。而中国的AI成本一定会比美国低。这是结构性的成本优势。首先是电。AI的尽头是能源。跑模型、算数据都是巨量耗电。过去十几年中国在电力传输上做了大量的努力。每年的投入足足有900亿美元而美国只有300亿。这就导致中国的用电价格比美国要便宜40%。还有基建。在中国建一个数据中心造价大概要比美国便宜60%。最后是大量的工程师。AI竞争到最后需要的是体系落地是大量工程这都需要人。只有便宜才能普及。而只有普及才是真正的胜利。这对无数创业者来说也是一样。对手可能技术比你强但如果你的运营成本、获客成本、交付成本能做到比他低那你就有了用系统级的低成本去稀释单点劣势的机会。然后在更长久的发展上获胜。真正的竞争优势从来不是单点的强大而是系统的高效。4、关于模式把核心能力开源在周边服务上盈利正如你所见阿里开源了大量的模型。目的之一就是为了在不同场合赢过其他竞争对手。如果中东想要发展人工智能那么相比在OpenAI那里花钱开一个接口API拿阿里的开源模型继续开发无疑是隐私和可控的更好选择。可是阿里毕竟花了上百亿招了那么多科学家好不容易做出了AI模型结果却免费开源怎么赚钱蔡崇信说阿里不靠AI赚钱而是靠云服务赚钱。你想用AI好我的模型免费给你用随便拿去改随便拿去装。但是要跑这个模型你需要算力需要存海量的数据更需要网络安全防护。这些东西自己搞工程量太大不划算。你得找个地方买。找谁既然模型是用阿里的那用阿里的云服务是不是最顺手、最兼容当“免费”成为最大的护城河“依赖”就是最好的收银机。很多创业者死在“获客”或者“复购”上。要么没人买。要么没人继续买。如果你也是如此或许可以换个思路把“核心能力”开源但把“周边服务”卖贵。比如你是做咨询的。你就可以试着把你的核心方法论写成文章拍成视频免费公开。这样当客户感觉你的方法有道理但自己落地太费力的时候你就可以提供陪跑和落地服务。比如你是做设计软件的。你就可以把自己的软件直接免费公开但某些服务收费。例如把设计图存在云端和团队5个人协同编辑用独家的高清素材库。这就是把“可能性”免费送出去把“确定性”卖出高价。5、关于管理找比你聪明的人然后依赖他们现场有个很有意思的提问阿里和NBA布鲁克林篮网队管理起来有什么区别蔡崇信说其实没什么区别。在他刚买下篮网队的时候很多热心人跑来劝他说Joe你根本不懂职业体育。这里全是明星你那套公司管理的逻辑行不通。但其实商业世界与职业体育世界之间管理的核心都是找人。找比你聪明的人。蔡崇信说在篮球上我不是专家。所以我必须请最好的总经理最好的教练。他们必须在篮球这件事上比我懂十倍、百倍。无论是签约球员还是销售门票、赞助、球迷基础发展他们都能搞定。如果你不信任自己的团队那你就是团队最大的瓶颈。可是怎么才能留住这些比你强的人靠情怀吗靠画饼吗这就要靠钱了。蔡崇信说我有件非常重要的工作就是说服董事会给这些人发高薪。因为值。这就是蔡崇信眼中管理的所有秘密请那些比你聪明的人来给他们足够的钱然后听他们的话。6、关于成长既要看懂世界也要看懂人心有学生问蔡崇信在这个AI时代我们到底该掌握什么技能学什么专业蔡崇信给了一堆建议学编程、学数据科学、学心理学、学生物学、学材料科学……听起来是不是有点乱其实蔡崇信只讲了两件事。看懂世界、看懂人心。什么叫看懂世界看懂世界就是1快速掌握知识2分析问题得到结论。时代变化太快了。所以最要紧的不是你已经掌握了多少知识而是当一个新东西出现时你能不能在最短的时间内把它搞懂变成你的工具。而掌握知识之后你还要学会建立分析框架。否则你就会今天觉得这个对明天觉得那个对没有自己的结论。这也是为什么蔡崇信建议大家学习编程的理由。当你开始琢磨如何把模糊的需求拆解成一步步指令时就是建立分析框架的过程。而商业的本质永远是和人打交道。所以你还得了解人性。所以蔡崇信在提到建议大家学习的专业时除了材料科学、数据科学还提到了心理学和脑科学。你要懂大脑是怎么工作的你要懂情绪是怎么产生的。只懂逻辑、不懂人心做不出好产品。只懂人心、不懂逻辑看不清大趋势。如何学习大模型 AI 由于新岗位的生产效率要优于被取代岗位的生产效率所以实际上整个社会的生产效率是提升的。但是具体到个人只能说是“最先掌握AI的人将会比较晚掌握AI的人有竞争优势”。这句话放在计算机、互联网、移动互联网的开局时期都是一样的道理。我在一线互联网企业工作十余年里指导过不少同行后辈。帮助很多人得到了学习和成长。我意识到有很多经验和知识值得分享给大家也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限很多互联网行业朋友无法获得正确的资料得到学习提升故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】为什么要学习大模型我国在A大模型领域面临人才短缺,数量与质量均落后于发达国家。2023年人才缺口已超百万凸显培养不足。随着AI技术飞速发展预计到2025年,这一缺口将急剧扩大至400万,严重制约我国AI产业的创新步伐。加强人才培养,优化教育体系,国际合作并进是破解困局、推动AI发展的关键。大模型入门到实战全套学习大礼包1、大模型系统化学习路线作为学习AI大模型技术的新手方向至关重要。 正确的学习路线可以为你节省时间少走弯路方向不对努力白费。这里我给大家准备了一份最科学最系统的学习成长路线图和学习规划带你从零基础入门到精通2、大模型学习书籍文档学习AI大模型离不开书籍文档我精选了一系列大模型技术的书籍和学习文档电子版它们由领域内的顶尖专家撰写内容全面、深入、详尽为你学习大模型提供坚实的理论基础。3、AI大模型最新行业报告2025最新行业报告针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估以了解哪些行业更适合引入大模型的技术和应用以及在哪些方面可以发挥大模型的优势。4、大模型项目实战配套源码学以致用在项目实战中检验和巩固你所学到的知识同时为你找工作就业和职业发展打下坚实的基础。5、大模型大厂面试真题面试不仅是技术的较量更需要充分的准备。在你已经掌握了大模型技术之后就需要开始准备面试我精心整理了一份大模型面试题库涵盖当前面试中可能遇到的各种技术问题让你在面试中游刃有余。适用人群第一阶段10天初阶应用该阶段让大家对大模型 AI有一个最前沿的认识对大模型 AI 的理解超过 95% 的人可以在相关讨论时发表高级、不跟风、又接地气的见解别人只会和 AI 聊天而你能调教 AI并能用代码将大模型和业务衔接。大模型 AI 能干什么大模型是怎样获得「智能」的用好 AI 的核心心法大模型应用业务架构大模型应用技术架构代码示例向 GPT-3.5 灌入新知识提示工程的意义和核心思想Prompt 典型构成指令调优方法论思维链和思维树Prompt 攻击和防范…第二阶段30天高阶应用该阶段我们正式进入大模型 AI 进阶实战学习学会构造私有知识库扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架抓住最新的技术进展适合 Python 和 JavaScript 程序员。为什么要做 RAG搭建一个简单的 ChatPDF检索的基础概念什么是向量表示Embeddings向量数据库与向量检索基于向量检索的 RAG搭建 RAG 系统的扩展知识混合检索与 RAG-Fusion 简介向量模型本地部署…第三阶段30天模型训练恭喜你如果学到这里你基本可以找到一份大模型 AI相关的工作自己也能训练 GPT 了通过微调训练自己的垂直大模型能独立训练开源多模态大模型掌握更多技术方案。到此为止大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗为什么要做 RAG什么是模型什么是模型训练求解器 损失函数简介小实验2手写一个简单的神经网络并训练它什么是训练/预训练/微调/轻量化微调Transformer结构简介轻量化微调实验数据集的构建…第四阶段20天商业闭环对全球大模型从性能、吞吐量、成本等方面有一定的认知可以在云端和本地等多种环境下部署大模型找到适合自己的项目/创业方向做一名被 AI 武装的产品经理。硬件选型带你了解全球大模型使用国产大模型服务搭建 OpenAI 代理热身基于阿里云 PAI 部署 Stable Diffusion在本地计算机运行大模型大模型的私有化部署基于 vLLM 部署大模型案例如何优雅地在阿里云私有部署开源大模型部署一套开源 LLM 项目内容安全互联网信息服务算法备案…学习是一个过程只要学习就会有挑战。天道酬勤你越努力就会成为越优秀的自己。如果你能在15天内完成所有的任务那你堪称天才。然而如果你能完成 60-70% 的内容你就已经开始具备成为一名大模型 AI 的正确特征了。这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】