—— 一堂融合心理学、易经与哲学的智慧课
27岁腾讯首席科学家姚顺雨的逆袭之路，堪称ai时代的人才寓言。从清华姚班到普林斯顿博士，从openai核心研究员到行业顶尖科学家，他用一年多时间打破传统职业路径的十年定律，而这一切的核心密码，藏在他那篇刷屏的《ai下半场》中——“ai竞争重心从‘解决问题’转向‘定义问题’”。这堂特殊的课程，将以姚顺雨的成长故事为蓝本，通过和蔼教授与叶寒、秦易等六位学生的课堂对话，拆解“定义问题”背后的心理学认知模型、易经变易智慧与哲学思维本质。我们将看到，当ai已能攻克大部分技术难题，人类真正的核心竞争力如何从“刷题得分”转向“命题立局”，而这种能力不仅适用于ai领域，更能重塑每个普通人的成长轨迹。
课堂正文
（阳光透过阶梯教室的落地窗，洒在摆满书籍的讲台上。和蔼教授端坐在中间，叶寒、秦易、许黑、蒋尘、周游、吴劫六位学生围坐成半圆，桌上摊着《ai下半场》的打印稿，眼神里满是好奇）
和蔼教授： 同学们早上好！今天咱们不谈枯燥的理论，从一个“颠覆常识”的故事开始——27岁的腾讯首席科学家，大家觉得可能吗？
秦易率先举手： 教授，这也太不可思议了吧！我表哥博士毕业进国企，熬了八年才评上高级工程师，首席科学家这种级别的职位，不得是头发花白的行业泰斗？
许黑摸了摸下巴： 我之前看过姚顺雨的报道，他从博士毕业到入职openai，再到成为首席科学家，全程才一年多。这速度简直像开了挂，不会是媒体夸张吧？
和蔼教授笑着摇头： 不是夸张，而是时代变了。就像《ai下半场》里说的，当ai已经能解决大部分技术问题，游戏规则就彻底改写了。叶寒，你平时做ai相关的课题，有没有发现现在的研究和几年前不一样了？
叶寒推了推眼镜： 确实有感觉！前几年大家都在拼模型性能，论文标题全是“在xx测试中超越sota”，就像考试比谁分数高。但现在很多顶会论文，开始关注“该让ai解决什么问题”，比如怎么让ai适应现实中的连续任务，而不是孤立的测试题。
和蔼教授： 说得非常好！这就是姚顺雨提出的核心转折——ai从“每道题从头学”到“掌握通用方法”。这背后藏着一个重要的心理学原理，谁能说说？
蒋尘举手： 教授，是不是认知模型里的“信息处理升级”？就像我们学数学，一开始死记硬背题型，后来掌握了解题逻辑，就能举一反三。ai的预训练不就是让它形成了这种“通用认知”吗？
和蔼教授赞许点头： 蒋尘说得很到位！心理学中的认知模型认为，人类的高级思维不是简单的信息叠加，而是形成了系统性的处理框架。ai的上半场，就像处于“具体运算阶段”的孩子，只能应对特定任务；下半场则进入“形式运算阶段”，具备了抽象思维和通用推理能力。姚顺雨的厉害之处，不在于让ai的“分数”更高，而在于发现了ai认知升级后，真正的稀缺性是什么。
周游疑惑地问： 那这种稀缺性就是“定义问题”？可“解决问题”不是更实在吗？就像考试，能算出答案才是硬本事，纠结“出什么题”有意义吗？
和蔼教授： 问得好！咱们先看个例子——姚顺雨在普林斯顿提出的“思维树”方法。大家玩过24点游戏吧？用四个数字通过加减乘除得出24，传统ai用线性思维链，成功率只有4，但用了思维树后，成功率飙升到74。吴劫，你觉得这差距在哪？
吴劫眼睛一亮： 我知道！线性思维是一条路走到黑，思维树是同时探索多条路径，就像我们做题时会列多种解法再筛选。但这不是“解决问题”的方法吗？怎么和“定义问题”挂钩？
和蔼教授： 关键在于，姚顺雨先重新定义了“ai该如何思考”这个根本问题。传统研究默认“ai要按线性逻辑解题”，这是在“解决已有问题”；而姚顺雨质疑“为什么ai不能像人一样多路径思考”，这就是“定义新问题”。恩格斯说过，全部哲学的基本问题是思维和存在的关系问题 。在这里，“思维”就是ai的思考方式，“存在”就是现实世界的复杂问题，姚顺雨正是先理顺了这种关系，才找到破局之道。
许黑： 我有点明白了！就像当年爱因斯坦追问“如果追上一束光会看见什么”，不是在解决已有物理题，而是定义了新的研究方向，最后才有了相对论。
和蔼教授： 没错！的研究显示，78的突破性成果都源于对现有范式的质疑式提问。这背后其实是易经的“变易”智慧——《易经》六十四卦，核心是“穷则变，变则通”。ai上半场的“刷榜模式”已经走到了尽头，这就是“穷”；而姚顺雨提出“定义问题”，就是“变”，最终实现了“通”。秦易，你研究过易经，能不能具体说说？
秦易： 教授，易经里的“革卦”说“天地革而四时成”，变革才能促成新的秩序。ai上半场的秩序是“分数为王”，下半场的秩序是“价值为王”。姚顺雨的react方法也是如此，让ai“边想边做”，不就是顺应了现实世界“行动中调整”的变易规律吗？
和蔼教授： 太精彩了！react方法让ai像人订机票一样，查航班、比价格、做调整，这正是因为姚顺雨发现了传统ai的核心缺陷——脱离现实场景的“孤立解题”。心理学中的认知模型强调，认知过程是动态适应环境的，现实中的问题从来不是独立的，需要长期记忆和人类互动，这正是《ai下半场》指出的两大评估漏洞。
叶寒： 教授，我有个疑问。姚顺雨的成功会不会只是个例？他的研究成果能成为行业基础，会不会是运气好？
和蔼教授： 不是运气，是必然。我们看看他的成长轨迹：2019年清华姚班毕业，2024年博士毕业，2025年成为首席科学家。这条路径背后，有三个关键特质，正好对应了“定义问题”的能力三要素。蒋尘，你先说说第一个特质是什么？
蒋尘翻看着手稿： 应该是行业影响力吧？他的react和思维树成了ai agent领域的基础框架，《麻省理工科技评论》评价他“开启了一个方向”。这说明他不是在做零散的研究，而是在定义整个领域的发展方向。
和蔼教授： 没错！传统路径靠年龄资历积累，而ai时代靠行业影响力破局。就像易经“乾卦”的“潜龙勿用”到“飞龙在天”，不是靠时间熬，而是靠能力的本质飞跃。第二个特质，周游你发现了吗？
周游： 是理论到产品的快速转化！他的研究不是停留在论文里，而是直接用到了openai的operator和deep research两款产品上，一个能自动操作浏览器，一个能做深度研究，都是解决现实问题的。
和蔼教授： 非常关键！认知模型强调“实践是认知的落脚点”，脱离实践的理论就是空想。姚顺雨的研究从一开始就瞄准“现实世界的问题”，而不是“测试集里的问题”，这就是他能快速脱颖而出的核心。埃森哲的报告显示，善于定义战略问题的企业，ai项目成功率比同行高65，这和个人成长是一个道理。
许黑： 那第三个特质是不是他写博文分享？我觉得这点很特别，很多科学家都闷头做研究，他却主动分享对行业的思考。
和蔼教授： 你说到点子上了！这是一种开放的姿态，也是“定义问题”的必要条件——只有参与行业讨论，才能准确把握时代痛点。哲学上讲“思维与存在的同一性”，人类的认知需要通过交流碰撞才能接近真相 。姚顺雨写《ai下半场》，不是为了出名，而是通过分享凝聚行业共识，这正是“定义问题”的高阶表现。
吴劫： 教授，我现在理解了为什么“定义问题”比“解决问题”更重要。但对我们普通人来说，不是每个人都能做ai研究，这种能力怎么应用到日常中？
和蔼教授： 这正是我想和大家重点探讨的。“从解决问题到定义问题”的思路，适用于任何领域。叶寒，你在做毕业设计，有没有遇到过“为了做而做”的情况？
叶寒不好意思地笑了： 确实有！一开始我跟着网上的教程做模型优化，虽然性能提升了，但不知道为什么要做这个优化。后来导师问我“这个优化能解决什么实际场景的问题”，我才重新调整方向，现在课题进展反而更顺利了。
和蔼教授： 这就是从“解决别人的问题”到“定义自己的问题”。工作中，有人只会执行老板的任务，有人却能想到“团队真正需要什么”；学习中，有人只会刷课程完成度，有人却能判断“什么知识真正有价值”。这背后的本质，是思维方式的差异——前者是“被动响应”，后者是“主动立局”。
蒋尘： 教授，这让我想到您之前说的“认知重构”。心理学里是不是说，改变思维模式才能改变行为结果？
和蔼教授： 完全正确！认知模型认为，非理性的思维模式会导致低效行为，而重构认知框架就能实现突破。姚顺雨的成功，本质上是重构了“ai研究的认知框架”——从“如何让ai做得更好”到“ai应该做什么”。就像易经“鼎卦”所言“革故鼎新”，先打破旧的认知，才能建立新的格局。
秦易： 教授，我发现一个巧合，马化腾创办腾讯时也是27岁。这是不是说明，“定义问题”的能力和年龄无关，只和思维深度有关？
和蔼教授： 太有洞察力了！当你能定义问题时，年龄、资历都不再是门槛。姚顺雨的故事核心不是“年轻有为”，而是“定义问题的能力让年龄失效”。就像《ai下半场》里的核心观点，ai下半场的重心转移，本质上是人类核心竞争力的重新定义——ai负责解决问题，人类负责定义问题。
许黑： 那我们该怎么培养“定义问题”的能力呢？有没有具体的方法？
和蔼教授： 有三个关键步骤，大家可以记下来。第一，多问“为什么”，穿透表面问题找到本质，这是哲学上的“溯本求源”；第二，跳出单一视角，用易经的“全息思维”看问题，考虑现实中的各种关联因素；第三，结合实践验证，就像姚顺雨那样，让理论落地为产品，这是心理学认知模型的“实践反馈原则”。
周游： 教授，我还有个疑问。如果大家都去“定义问题”，谁来“解决问题”呢？会不会导致基础研究没人做？
和蔼教授： 这个问题问得很深刻。“定义问题”和“解决问题”不是对立的，而是层级关系。就像建筑一样，“定义问题”是设计蓝图，“解决问题”是施工建造，两者缺一不可。但ai的出现，让“施工建造”的门槛大幅降低，所以“设计蓝图”的重要性才凸显出来。姚顺雨的研究，其实是为“解决问题”提供了更好的框架，让后续的技术优化更有方向。
叶寒： 我明白了！就像他的思维树方法，不仅定义了“ai多路径思考”的问题，还提供了具体的解决框架，让后续研究者能在此基础上继续优化。
和蔼教授： 没错！真正的顶尖人才，既能定义问题，又能搭建解决问题的框架。这就像哲学上讲的“思维与存在的辩证统一”——既要正确认识世界（定义问题），又要有效改造世界（解决问题） 。姚顺雨之所以能快速晋升，正是因为他同时具备了这两种能力，既能看透行业本质，又能拿出实际解决方案。
许黑： 教授，现在ai发展这么快，会不会有一天，ai也能“定义问题”？到时候人类的核心竞争力又是什么？
和蔼教授： 这是一个非常值得思考的问题。目前来看，ai的“定义问题”还局限于人类设定的框架内，而人类的独特之处在于“无中生有”的创造力——从0到1定义全新的领域，这需要结合人类的情感、道德、审美等多重维度，这是ai短期内无法替代的。就像摩根大通的“ai风险评估九问”，本质上是人类用伦理和安全边界定义了ai的工作范围，这背后是人类独有的价值判断。
蒋尘： 教授，您这么一说，我对未来的职业发展有了新的方向。以前我总想着把技术练到极致，现在觉得，更重要的是培养“发现真问题”的能力。
和蔼教授： 这就是这堂课想带给大家的启发。ai时代，人才的核心竞争力已经从“你会解决什么问题”变成“你能定义什么问题”。姚顺雨的故事告诉我们，年龄、资历、学历都只是外在标签，真正的“简历”是你创造的行业影响力，是你定义的问题边界，是你搭建的价值框架。
秦易： 教授，易经里说“天行健，君子以自强不息”。是不是说，这种“定义问题”的能力，也需要不断学习和迭代？
和蔼教授： 完全正确！时代在变，问题的本质也在变。就像ai从上半场走到下半场，我们的思维也需要不断“变易”。这堂课的最后，我想送给大家《ai下半场》里的一句话：“当ai能解决大部分问题时，人类的价值就在于提出那些ai无法提出的问题。”
（教授顿了顿，目光扫过六位学生，语气意味深长）
和蔼教授： 希望大家以后无论是工作、学习还是生活中，都能多问自己一句：“我是不是在解决别人定义的问题？我能不能定义一个更有价值的问题？” 记住，真正的强者，不是在既定规则里做到最好，而是能制定新的规则；真正的人才，不是能解决更多问题，而是能定义更重要的问题。
结尾考题与互动
和蔼教授： 好了，今天的课程接近尾声，给大家留一个思考题——结合本堂课学到的心理学认知模型、易经变易智慧和哲学思维，分析你所在领域中一个“被误读的问题”，并尝试重新定义这个问题的核心边界。下节课我们一起交流讨论。
（六位学生纷纷拿出笔记本记录，眼神里充满了思考的光芒）
和蔼教授： 这堂关于ai时代人才革命的课程就到这里。如果大家觉得有收获，别忘了点赞分享，下节课我们将深入探讨“定义问题的具体方法论”，看看如何将今天学到的智慧落地为可操作的步骤。
本堂课以姚顺雨27岁成为腾讯首席科学家的经历为切入点，围绕其《ai下半场》核心观点“ai竞争重心从‘解决问题’转向‘定义问题’”展开深度探讨，融合心理学、易经、哲学原理，拆解ai时代人才核心竞争力的转变逻辑。
课堂上，师生通过对话厘清ai发展的上下半场差异：上半场聚焦模型刷分、解决特定任务，下半场依托预训练实现通用能力，稀缺性转向“定义真正有价值的问题”。结合react、思维树等技术案例，点明姚顺雨的突破在于跳出“线性解题”的传统框架，从根源上重新定义“ai该如何思考”，实现理论到产品的快速转化。
课程从跨学科角度解读核心逻辑：心理学层面，对应人类认知从“具体运算”到“形式运算”的升级；易经层面，契合“穷则变，变则通”的变革智慧与“革故鼎新”的发展规律；哲学层面，紧扣思维与存在的辩证关系，强调突破性成果源于对现有范式的质疑与重构。
课堂明确了ai时代人才的三大核心特质：行业影响力取代年龄资历，理论到产品的转化能力创造实际价值，开放分享的姿态助力建立行业共识。课程指出，“定义问题”并非否定“解决问题”，而是更高层级的思维框架，二者是“设计蓝图”与“施工建造”的辩证统一关系。
最终，课堂提炼核心启示：ai时代人才价值的核心，已从“会解决什么问题”转变为“能定义什么问题”，人类独有的无中生有的创造力、价值判断力，是短期内ai无法替代的核心竞争力。