一年读十本传记，AI 当导师：Jason Calacanis 给年轻人的两剂猛药

关联

人物 Jason

公司 Aristotle · Khan Academy · Brilliant.org

概念 AI 导师 · 客户发现 · 后训练 · 多智能体架构 · 训练数据 · 布鲁姆两个标准差问题 · 企业情报

这期节目分两半。前半段，Jason 在 This Week in Startups 上接听两位年轻来电者：

一位即将入学 Fordham 大学的印度学生，一位 NYU 学生，话题从读什么书、怎么创业，聊到「给你 50 万美元你会怎么花」。

后半段是 Aristotle 创始人 Sean Reddy 的访谈——这家公司做 AI 语音家教，核心判断有点反直觉：AI 越强大，反而越不擅长教学。

【背景】Jason Calacanis 是 This Week in Startups 的主持人。

一年读十本传记，为什么是这个建议？

Agastya 即将进入 Fordham 读金融，问 Jason 在 AI 时代该怎么准备。Jason 开出的方子有两条。

第一条是把自己变成 AI 优先的人：

老师教什么，就先问 AI 怎么用这些知识变成超人，同时自己造一些一对一教学的智能体，超前学习建模等进阶内容。

他还希望有学生在校期间就独立做研究，比如分析 Kleiner Perkins 在 80、90 年代的全部投资，研究它过早退出 Apple 和 Cisco 的决策，算出如果持股到今天回报会是多少 。

第二条更有意思：每月读一本传记，一年十本，听有声书也算数。Jason 开了一份跨行业书单——Michael Ovitz 的 CAA 传记、Bob Iger 的自传、Phil Knight 的《Shoe Dog》、黑泽明自传、Steve Martin 的《Born Standing Up》。

他的理由是：年轻创业者总想约前辈喝咖啡取经，其实根本不需要，传记就是浓缩的经验 。

读得杂一点，你在面试时会比所有同班同学更见多识广，别人给你贴的标签也会自动失效。

白捡 50 万美元，应该怎么花？

第二位来电的 David 在 All In Summit 上认识了一位纽约创业者，对方问他：如果明天给你 50 万美元、没有任何义务，你会做什么？

Jason 的框架很清晰：钱只有几个去处——投资自己的技能、开公司、投给市场或别人当投资人。

但如果回到 1996 年有人给他 50 万，他会直接办杂志，或者干脆当科技行业的天使投资人 。

他特别提醒：别拿钱砸第一个想法去开公司。

更好的做法是做一堆小项目，外包一些环节，把开公司的每个环节都亲手过一遍——从注册公司、发工资到谈保密协议。

因为在老板手下做事，你只会被塞进一个越来越窄的盒子里，永远学不到全貌。真正值钱的是成为什么都能干的人。

而且今天的 50 万其实太多了。他说 2026 年开公司根本不需要这么多，每月一两万美元、加一名员工就够，钱太多反而变成干扰。

做科研工具的人，怎么找到第一个客户？

第三位来电者 Ray 做蛋白质折叠用于药物发现的工具，不熟悉医药行业，问怎么切入。Jason 的答案朴素得惊人：

直接给制药公司的从业者发邮件，约 20 分钟咖啡，任何时候任何地点都行——这叫客户发现，即当面拿真实用户反馈。

他还讲了些更激进的路数：

有人设一个研究机构当幌子，付 100 美元请目标公司的专家做 30 分钟访谈，一次给对方看几个产品（其中一个才是自己的），顺便收反馈。

Jason 说他没干过，但听说过。底线是不碰商业间谍、不诱导别人违反保密协议 。

核心逻辑只有一个：客户调研的每一步，都在为将来卖货铺路，受访者很可能就是你的第一批客户。

AI 为什么反而越来越不会教人？

后半段的嘉宾 Sean Reddy 是 Aristotle 的联合创始人兼 CEO。这家公司做 13 到 18 岁学生的语音 AI 家教，网站是 HeyAristotle.com。

他抛出的判断和大多数人直觉相反：AI 在变强，但在教学上正在变差 。

原因是大厂的路线是把通用智能越做越强，优化方向是长链条复杂推理、企业问答、编程。

这些任务的产物是废话多、回答慢、直接给答案。写代码时，AI 不需要你理解 1200 步里的每一步；

但教学恰恰相反——老师必须让学生自己经历有效的挣扎，每一步都想明白，而不是把活儿全外包给 AI。

Aristotle 的解法是自己建了一套引擎，核心是预测「下一个最优教学动作」。

这个词听起来玄，其实人类好老师天天在做：学生卡住时，有时该讲解，有时该沉默几秒，有时该画图，有时该换一道例题。

语言模型默认只会一种反应——输出文字解释。

Aristotle 训练的模型会判断此时此刻该用哪种方式，还在白板上实时画图，让学生感觉就像坐在真人家教旁边。

一对一教学是千年来最好的学习方式，但只有五十二分之一的人享受过

Sean 提到了教育学的著名研究 Bloom’s Two Sigma：教育学者 Benjamin Bloom 发现，一对一辅导能把学习效果提升两个标准差——也就是从中等生直接变成尖子生。

问题是美国每 52 个学生里不到 1 个有私人家教，所以这被称为一个问题：最好的方法无法规模化 。

这也是 Jason 认为教育系统不公平的根源：有钱请家教的孩子天然碾压其他人。而 AI 家教第一次让这件事有了普及的可能。

商业模式像传统家教：按次收费，8 节课约每月 50 美元，无限使用约每月 200 美元。不便宜，因为质量确实接近真人。

Sean 转述一位家长的话：女儿跟 Aristotle 学 3 小时，比在公立学校一个月学到的还多 。

防御大厂的关键：别人没有的教学数据

Jason 追问了一个尖锐问题：如果只是套壳调用大模型，OpenAI 转身自己做家教怎么办？Cursor 和 Figma 都吃过这个亏。

Sean 的回答分三层。第一，没有任何大厂在做家教模型和家教框架，这个赛道目前只有他们。

第二，他们在自建行业内第一套「什么是一对一好教学」的评测标准——学习科学文献里连启发式规则都没有，因为一个学生说嗯可能是饿了、无聊了，也可能是在思考，必须结合语音和上下文判断 。

第三，他们有一个真人导师团队，人工批注数千小时的教学录音来造训练数据。

这些是 18 岁以下学生的数据，他们承诺绝不外售，只用来训练自己的模型 。

他还透露公司在做后训练：

分别训练擅长出数学题、读白板状态、理解学生语音的多个模型，再组合进教学引擎，而不是指望一个通用模型包打天下。

学校会被替代吗？

Jason 问了所有家长关心的问题：孩子都跟 AI 学了，一天上八小时学干嘛？

Sean 自己毕业于拉斯维加斯一所经费严重不足的公立学校，对美国教育看得很透：

每个学生的支出指数级上涨，数学、阅读等各项成果却在下滑——花的钱越来越多，产品越来越差 。

他的愿景是分工：AI 负责把知识和课程解决掉，按每个学生的节奏个性化交付；

学校则腾出来做 AI 干不了的事——情感、社交、体育教育。

他给老师的类比是：想象有一个深度了解你每个学生的助教，在课外帮他们补课。

他自己的双胞胎在蒙特梭利学校，他相信那种重社交、重真实世界的模式就是方向。

本集带走

• 一年读十本传记（听书也算），是年轻人最划算的自我投资，比约前辈喝咖啡有用得多。
• 拿到一笔钱别急着开公司，先做一堆小项目，把开公司的每个环节都亲手学一遍。
• 模型越强不等于越会教：教学需要判断下一步该讲、该画图还是该闭嘴，这和直接给答案是两条技术路线。
• Bloom 的研究证明一对一辅导效果拔群，但每 52 个美国学生里不到 1 个享受过，AI 家教第一次让它有了普及的可能。
• 垂直 AI 公司的护城河可以是独家数据：Aristotle 靠人工批注数千小时教学录音，造出了世界上不存在的训练集。

我在等某个有野心的年轻人在学校里就做出这样的东西。那会改变你的一切。
I’m waiting for some ambitious kid who does that while they’re at school. And that will change everything for you.
—— Jason · [05:44]

这是有史以来最棒的礼物，因为年轻创始人试图做的事情是，他们试图联系上像我这样的人，或者比我更重要的人，然后试图说：哦，我能约杯咖啡请教一下吗？
This is the greatest gift ever because what young founders try to do is they try to get in touch with somebody like me, more important than me, and they try to say, oh, can I have coffee to learn?
—— Jason · [07:08]

别害怕去读那些和你的行业毫无关系的人的传记。
And don’t be scared to read biographies of people who have nothing to do with your industry.
—— Jason · [07:22]

当我是那个布鲁克林小孩的时候，他们试图把我塞进一个盒子里，然后我直接打破了盒子。我把盒子点着了。
When I was the kid from Brooklyn, they tried to keep me in a box, and then I just broke the box. I lit the box on fire.
—— Jason · [08:14]

因为有时候时间才是你没有的东西。
Because sometimes time is what you don’t have.
—— Jason · [14:10]

你要成为的是不可阻挡的人，你什么都会做，从报税到谈判保密协议，从注册 LLC 到做工资单。
What you want to be is unstoppable, that you can do every single thing, from your taxes to negotiating a non-disclosure agreement, from starting an LLC, doing your payroll.
—— Jason · [17:48]

2026 年谁需要 50 万美元来开公司？
Who needs 500 grand to start a company in 2026?
—— 嘉宾 · [19:32]

你知道，他们在大公司每天真正工作三个小时，然后五点二十九分打卡走人，站在电梯口等着。
You know, they put in three hours a day of work at these big companies and then they punch out at 5.29 and they’re at the elevator banks.
—— Jason · [27:36]

在某个时刻，你会对收到的「不」的次数免疫。
You will be impervious to the number of no’s you get at a certain point.
—— Jason · [28:58]

它来自前沿实验室，他们已经发现，每当他们发布一个版本，说他们的产品强大得不可思议、能入侵系统等等，他们的使用量就会上升。
It’s coming from the frontier labs who have learned that every time they put a release out, that their products are incredibly powerful and can hack a system, et cetera. Their usage goes up.
—— Jason · [34:40]

他们认为自己在制造盒子里的神，而且只有他们才有资格被信任保管盒子里的神。
They think they’re making God in a box and that they’re the only ones who can be trusted with God in a box.
—— 嘉宾 · [35:58]

我从来没有一次在和聊天机器人或 AI 的接触中觉得这东西是活的。
I’ve never once had an encounter with a chatbot or an AI where it made me think like this thing is alive.
—— 嘉宾 · [39:48]

他们处于一种精神失常状态。这是一种可以理解的精神失常。
They’re in a psychosis. It’s an understandable psychosis.
—— Jason · [40:44]

它实际上变得更差了。大型实验室下的赌注是，扩展通用智能就会扩展教学能力。不幸的是，情况并非如此。
It’s actually getting worse. The bet that the big labs have made is that scaling general intelligence is going to scale pedagogical capacity. Unfortunately, that has not been the case.
—— 嘉宾 · [45:55]

模型在教学方面正在变差。
Models are getting worse at teaching.
—— 嘉宾 · [47:32]

我们只是想用软件交付一对一辅导体验，而这种体验在字面意义上的几千年来一直被认为是最好的学习方式。
We’re trying to just deliver in software the one-on-one tutoring experience that has been known to be the best way to learn for literally thousands of years.
—— 嘉宾 · [53:46]

昨天有一位家长告诉我，他们的女儿觉得她和 Aristotle 学三个小时学到的东西，比过去一个月在公立学校学到的还多，这一方面对教育体系来说有点扎心，另一方面对我们的产品来说也真的令人兴奋。
I had a parent tell me yesterday that their daughter feels like she’s learned more in three hours with Aristotle than in the last month of public school, which is, on one hand, it’s kind of damning for the education system and also really exciting for our product.
—— 嘉宾 · [64:08]

公共部门推出的产品在大多数地区都不太好，而且还在变得更糟。
The product that the public sector is putting out there is not great in most geographies and is getting worse.
—— 嘉宾 · [66:42]

所以我们在越来越差的产品上花费越来越多的钱。
So we’re spending more and more on worse product.
—— 嘉宾 · [67:05]