Pinned Tweet
很多人觉得来美国很难，要花很多钱；已经在美国的，又觉得政策越来越紧，留下来很难。
但我这几年在硅谷接触的人多了，看到的情况没有那么悲观。很多时候，大家缺的是信息。国内的人不知道有哪些路可以来，已经在美国的留学生，也未必清楚自己还有哪些合法合规的选择。
我现在在硅谷做大学的招生，同时也在创业。之前做过很多年猎头，平时接触最多的，就是全美各地留学生关于 F-1、CPT、OPT、转学和找工作的各种问题。
这几年见过的情况真的很多。
有人国内毕业后一直找不到满意的工作，后来来了美国；有人干脆带着孩子来硅谷，一边读书，一边让孩子在这里上学；也有人在美国被裁，身份眼看要出问题，最后重新找到工作留了下来。
还有学生因为挂科读不下去，紧急转学，换了专业继续读；也有人一开始觉得在湾区找工作就是码农、大厂，后来换个思路，反而找到了更适合自己的机会。
所以每次有人跟我说“现在天变了，美国越来越难了”，我都没那么悲观。
我身边有学历很好的，也有背景很普通的；有二十多岁的，也有拖家带口重新开始的。最后怎么走，每个人都不一样。
我越来越觉得，来美国最难的几件事，其实是信息、签证，还有自己敢不敢迈出第一步。真的到了这里，很多原来想象中很大的问题，反而可以一件一件解决。
下面这个视频，是我采访加州科技大学校长。我把大家平时最关心的一些问题直接拿去问了他。
如果你也在考虑来美国，或者已经在美国，正在为身份、转学、找工作这些事情发愁，可以加我微信聊聊。
微信：bayvena
告诉我你在哪、现在卡在哪，就行。
在美国生活久了，发现一个很有意思的现象。
美国人见面经常问：How are you doing?
很多中国人的回答是：I’m fine, thank you.
然后，就没有然后了。
昨天带孩子去做 Physical Therapy，医生问孩子：What did you do yesterday?
孩子回答：I did some stuff.（做了一些事情。）
然后，聊天直接聊死了。
我在旁边听着，真是哭笑不得。
其实，美国人问你这些问题，很多时候并不是真的想知道你做了什么，而是想找个话题，跟你聊两句。
你完全可以多分享一点：
I went to school, played soccer with my friends, and had a pretty good day. How about you?
美国人的社交有个特点：很多关系不是从谈正事开始的，而是从闲聊开始的。
天气、孩子、宠物、旅行，什么都可以聊。
我在硅谷接触过不少工程师，发现一个现象：
有些人技术非常厉害，但不太会聊天，也不太会主动表达。
而那些能够自然地和别人建立联系、让别人愿意继续交流的人，往往更容易获得机会。
在美国，Small Talk 不是废话，而是一种建立信任的能力。
英语不需要多好，也不需要讲什么大道理。
只要记住一件事：
回答别人问题的时候，多说一句，再反问一句。
这也是我现在特别希望孩子能够培养的能力。
很多时候，人与人之间的差距，不是从能力开始的，而是从有没有机会让别人了解你开始的。
硅谷的工程师给 AI 起名字，真是特别有创意。
今天教授在 Agentic AI 课堂上，介绍了 Google 的 Elephant-Goldfish Model（大象与金鱼模型）。
🐘 大象记忆力好，负责设计方案；🐠 金鱼记忆短，负责独立挑错；人类负责最终决策。
最有意思的是，记得太多反而可能成为负担，什么都不记得的金鱼，却能发现大象忽略的问题。
原来 AI 也需要互相质疑、互相制衡。
未来最厉害的人，可能不是最会使用 AI 的人，而是最懂得如何组织一群 AI 协作的人。
今天在硅谷的大学课堂上，吴教授讲 Agentic AI，提到了 Google 最近开源的一个有趣项目：Elephant-Goldfish Model（大象与金鱼模型）。
名字很可爱，思路却很值得深思。
大象负责设计，金鱼负责挑错，人类负责决策。
举个例子：
假设你想让 AI 开发一个旅行规划 App。
🐘 大象 AI：和你讨论需求、设计功能，形成完整方案。
🐠 金鱼 AI：不参与之前的讨论，只拿到设计方案，专门找漏洞。
景点关门怎么办？天气突变怎么办？酒店涨价导致预算超支怎么办？
金鱼发现问题，大象修改方案，人类审核后，再交给 AI 编程工具执行。
为什么要这样做？
因为 AI 也容易陷入思维惯性。一个 AI 从头做到尾，可能不断强化自己的判断，却忽略最初的错误。
有时候，一个没有参与讨论的 AI，反而更容易发现问题。
这让我想到，未来真正厉害的人，不一定是最会写 Prompt 的人，而是最懂得组织 AI 协作的人。
让 AI 提方案，让 AI 挑毛病，让 AI 执行，人类负责方向和判断。
过去，我们学习如何使用工具。
现在，我们开始学习如何管理一群 AI Agent。
AI 时代，核心竞争力正在从“自己把事情做好”，转向“设计一套能把事情做好的系统”。
这或许才是 Agentic AI 最值得关注的变化。
人到中年，我越来越觉得，35岁、40岁、50岁，其实都可以是人生重新开始的起点。
年轻的时候，我们总觉得人生应该是一条直线：读书、毕业、找工作、升职、买房、养孩子，然后退休。
但到了中年才发现，人生根本不是线性的。
有的人40岁已经实现财务自由，有的人50岁还在重新找工作；有人事业成功，却失去了健康；有人收入很高，却每天焦虑得睡不着觉。
我们习惯用收入、职位和资产衡量一个人，却很少认真评估自己的人生到底过得怎么样。
最近看到一个很有意思的概念：Human 3.0。
它把人生分成四个维度：认知、身体、精神和事业。
我觉得最有价值的，不是这个模型本身，而是它提供了一种重新审视人生的方法。
尤其是在AI时代。
过去，我们遇到人生困惑，可能需要找朋友聊天、找导师请教，甚至花钱请职业教练。
现在，你完全可以把AI当成一个长期的人生顾问。
让它不断向你提问：
你的能力是否还适应未来十年的社会？
你现在追求的东西，真的是自己想要的吗？
如果不考虑过去投入的时间和金钱，你还会选择今天这条路吗？
我在硅谷接触过不少创业者，越来越发现一个现象：真正限制一个人的，往往不是年龄，而是他不愿意重新定义自己。
40岁可以重新读书，45岁可以转行，50岁也可以创业。
过去的经历是资产，但不应该成为束缚。
AI最大的价值，可能不是帮我们提高10%的工作效率，而是让普通人第一次有机会，以极低的成本，持续获得高质量的反馈，重新规划自己的人生。
人生最可惜的，不是起点低，而是明明还有二三十年，却已经认定自己没有改变的可能。
你有没有想过，如果今天可以重新选择，你还会走现在这条路吗？
为什么很多中国孩子成绩很好，到了美国却不敢在课堂上发言？
我在硅谷生活这些年，发现一个很有意思的中美教育差异。
美国孩子从六年级开始，很多学校就实行走班制。每门课自己找教室，面对不同的老师和同学。
老师非常鼓励学生提问、讨论、发表观点，有些课程甚至把课堂参与计入成绩。
而我们很多中国孩子，从小更习惯于寻找标准答案。
怕说错，怕出头，怕被否定。
结果就是：明明有想法，却不敢表达。
这种差异到了硅谷职场，依然非常明显。
我接触过不少工程师，技术能力很强，私下聊天也很有见地，但到了公开会议上，却不太愿意讲话。
反而那些能够清晰表达观点、主动争取资源、敢于在公众面前讲话的人，往往更容易走上管理岗位。
当然，表达能力不等于专业能力。
但一个残酷的现实是：
你的能力再强，如果别人看不见，也很难转化成更大的影响力。
所以我越来越觉得，教育除了教孩子知识，更应该教他们一件事：
不要害怕说错话，不要害怕被否定，更不要因为害怕丢脸，就放弃表达自己的机会。
在 AI 时代，知识越来越容易获得。
但敢于表达、说服别人、推动事情发生的能力，可能会越来越值钱。
硅谷巨头砸下千亿美元搞AI，却发现美国最难搞定的，可能是普通老百姓。
2026年美国中期选举，有一个很有意思的现象。
根据Ballotpedia统计，11月3日全美41项涉及数据中心的地方投票中，40项结果倾向于限制数据中心发展。
唯一的例外，是北达科他州一个叫Harwood的小镇。
当地只有430人参与投票，325人反对增加大型工业项目的审批要求。
这件事让我想到一个很有意思的问题：
在美国，资本、技术和权力，到底谁说了算？
硅谷科技巨头拥有全球最先进的技术、最优秀的人才和惊人的资本。
但当他们要建设数据中心时，却必须面对当地居民最朴素的问题：
电费会不会上涨？水资源够不够？环境会不会受到影响？当地居民究竟能得到什么？
在中国，我们习惯了集中资源办大事。重大基础设施项目往往可以快速推进，效率很高。
而在美国，哪怕是一个小镇，也可能通过地方投票、土地规划、公众听证等方式，影响大型项目的命运。
这种制度当然有代价。
它可能降低效率、增加成本，甚至让一些重要项目迟迟无法落地。
但它也意味着：一个普通人的利益，不一定因为资本足够强大，就必须让路。
我在硅谷越来越深刻地感受到：
技术决定一个社会能走多快，而制度决定它如何在不同利益之间寻找平衡。
AI正在改变世界。
但AI能否真正走进现实，最终考验的可能不只是算法、算力和资本，还有整个社会如何分配技术进步带来的利益与成本。
一个社会真正的进步，不只是让巨头跑得更快，也要让普通人有机会决定自己生活的环境。
这或许是这次美国中期选举中，最值得关注的信号之一。
在硅谷，我发现一个很有意思的现象：很多机会，都是那些“不怕丢脸”的人争取来的。
有一次，我们全家在餐馆吃饭。
我抬头看到一位硅谷知名人士，一直挺想认识他。
于是，我直接走到他的餐桌前，自我介绍，聊了几句，还加上了微信。
回到座位，女儿一脸震惊：
“天哪，妈妈，你好丢脸啊！”
我问她：“那你敢过去认识他吗？”
她说：“不敢。”
我又问：“如果认识这个人，未来可能给你带来很多机会和资源，你愿意吗？”
她想了想：“那我还是愿意的。”
我告诉她：
“你看，阻碍你的不是你不想，而是你害怕。”
我自己创业这么多年，越来越深刻地体会到：
创业最锻炼人的，不只是赚钱的能力，而是让你逐渐不再害怕被拒绝。
你要主动认识陌生人，争取合作，推销自己的想法。
有时候会被拒绝，有时候会很尴尬。
但又怎么样呢？
我问女儿：
“如果妈妈过去，对方不愿意认识我，最坏的结果是什么？”
“无非就是我说声打扰了，然后回来继续吃饭。”
“但最好的结果呢？可能就是认识了一个非常有意思的人，甚至打开了一扇新的门。”
所以我一直鼓励年轻人，多接触创业者，有机会去创业公司工作，甚至自己尝试做点小生意。
不是每个人都要创业成功。
但每个人都值得锻炼自己主动争取机会的能力。
很多时候，人与人之间的差距，不是能力差距，而是谁更敢迈出第一步。
这个世界上，很多机会不会主动来敲你的门。
你得先有勇气，走过去敲别人的门。
中国人最需要改变的，可能不是努力程度，而是思维方式。
我们从小接受的教育是：只要足够努力，就一定能成功。
努力读书，就能考上好大学；考上好大学，就能找到好工作；努力工作，就能过上好生活。
但现实是，很多人拼尽全力，依然没有得到预期的回报。
为什么？
因为努力是线性的，而现实世界是非线性的。
一个人的成功，不仅取决于努力，还取决于方向、资源、机会，以及所处的时代。
方向错了，越努力可能离目标越远。
在硅谷，我越来越深刻地感受到：真正厉害的人，不一定是最拼命的人，而是最懂得判断趋势、利用资源、抓住机会的人。
努力决定你的下限，认知和选择往往决定你的上限。
这个时代，我们最需要的不是继续拼命，而是学会抬头看路。
中国人和美国人，对“成功”的理解，可能从一开始就不一样。
看到这张冰山图，我突然想到一个很有意思的中美教育差异。
在中国，我们从小被教育：
努力读书，考上好大学；努力工作，争取升职加薪；只要足够勤奋、足够自律，就一定能出人头地。
所以，中国孩子特别能吃苦，也特别擅长竞争。
但来到美国，尤其是在硅谷生活之后，我发现另一种思维方式：
努力当然重要，但选择比努力更值得思考。
中国教育往往更强调：如何把一道题做对。
美国教育则相对更鼓励：这道题值不值得做？有没有其他解法？能不能重新定义问题？
这背后，其实是两种不同的思维训练。
一种是在既定规则下，努力做到最好。
另一种是思考规则本身，寻找新的可能性。
这也解释了硅谷一个很有趣的现象：
有些人每天工作十几个小时，收入依然有限。
而有些人发现了一个市场需求，创造了一个产品，几年之后就可能改变一个行业。
不是后者比前者努力一百倍，而是他们创造价值的方式不同。
努力是加法，创新和杠杆才可能带来乘法。
当然，美国并不是人人都有创新精神，中国也从来不缺优秀的创业者。两国教育都有各自的优势和局限。
但我越来越觉得，中国人最值得突破的，不是勤奋程度，而是对成功路径的认知。
我们太习惯问：
“我怎样才能更加努力？”
却很少停下来问：
“我现在努力的方向，真的值得吗？”
冰山下面那些努力、坚持、牺牲和失败，当然值得尊重。
但还有一些看不见的东西，同样决定着冰山最终能露出多高：
认知、方向、资源、机会，以及时代的浪潮。
中国人已经足够努力了。
下一代更需要学习的，也许是如何独立思考、如何做选择，以及如何创造属于自己的机会。
不要只教孩子努力攀登，更要教他们判断，哪座山值得攀登。
这可能才是中美教育最值得我们思考的差异。
美国中期选举，让我看到了一个很有意思的制度设计。
美国总统任期四年，但国会众议院每两年就要全部改选一次。
这意味着什么？
意味着哪怕总统还是同一个人，执政方向也未必能一直按照他的意愿走下去。
两年之后，选民可以通过选票改变国会的权力格局。
如果总统所在的政党失去国会控制权，很多政策的推进就可能受到牵制：预算要谈判，立法要妥协，重大议程可能被迫调整。
总统没有换，但权力的平衡点可能已经变了。
我觉得这套制度最有意思的地方，是它不需要等到四年任期结束，才有机会对政治方向作出回应。
就像一辆行驶中的汽车，方向盘不只掌握在一个人手里。
向左偏了，有力量往右拉；向右偏了，也可能有力量往左拉。
当然，这种制衡也有代价：政治僵局、预算争执、政策效率下降。
但它背后的逻辑值得思考：
一个国家的长期稳定，究竟更依赖掌权者始终作出正确决定，还是依赖一套能够不断纠偏的制度？
这可能比某一次选举谁输谁赢，更值得讨论。
2027年，AI时代创业最赚钱的方向是什么？
今天读了 Dan Koe 的一篇长文，很受启发。
过去创业，最贵的是技术、人才和资金。
未来创业，最贵的可能是客户的注意力。
AI 正在改变一个残酷的现实：
以前，一个创业公司需要程序员、设计师、文案、营销团队。
现在，一个懂商业的人，加上一套 AI 工具，就可能完成过去一个团队的工作。
这意味着什么？
未来最大的创业机会之一，不是开发 AI，而是利用 AI 帮别人赚钱。
帮企业做品牌、做内容、获取客户、建立影响力。
一个人，就是一家微型公司。
但我觉得，Dan Koe 的观点还可以再往前走一步：
流量不等于财富，曝光不等于信任。
AI 可以批量生产内容，却不能批量生产真正的信任。
未来最值钱的创业者，可能不是最懂技术的人，也不是最会制造流量的人，而是能够用 AI 降低成本、用内容建立信任、最终把信任转化为生意的人。
2027年，也许会是超级个体真正崛起的一年。
你觉得呢？