AI · MM · 001
0-1 团队配比模型
Zero To One Team Composition · zero-to-one-team-composition--caitlin-kalinowski
所属簇 宏观判断与物理 AI
解决什么问题
为"没人做过的东西"(新品类硬件、AI 机器人等 zero-to-one 项目)组建团队:这种岗位不存在"做过一模一样事情的人",该按什么配比招人。
核心内容
配比公式(作者在 OpenAI 组建机器人团队的实际打法):
- 强 generalist 为主体:能把别的领域学到的东西迁移到新领域的通才 + 有大量"动手造过东西"经验的人。学位专业不重要,真正好的机器人设计者都是 hybrid 型人才。
- 两类专才互补:一部分人造过"类似的新东西"(zero-to-one 经验),一部分人把别的东西规模化过(scaling 经验)。两者缺一不可。
- 相邻领域挖人:机器人团队最好的猎场是自动驾驶/AV——同样的 sensing stack、同样的安全权衡、同样的硬核工程。找"相邻领域"而不是死磕本领域存量人才。
- 必须配 AI-native 年轻人:真正把 AI 融进工程流程底层的人基本只在 20-28 岁段,30+ 的人很难做到全流程 AI native。招他们不只是干活,更是让他们教其他人换一种解题方式——他们从头到尾用 AI,解题路径完全不同、明显更快。这直接反驳"AI 让初级岗位消失"的叙事:团队必须同时有 senior 和 junior,只是整体规模变小。
- mission alignment 是黏合剂:AI 研究员和硬件工程师来自差异极大的两个世界,误解频发;对使命的一致认同是让他们朝同一方向使劲的前提。
- 最后一道过滤是"火花":真心想学、以卓越为动机、愿意根据新信息更新观点、want to win。
适用边界
- 针对新品类/新行业团队;成熟产品线的招聘可以更看重对口经验。
- "AI-native 只在年轻人中"是 2026 年时点的观察,会随时间推移失效。
关键引述 · 原话
"It's very hard to find someone who's in their 30s who can be truly fully AI native. And so we need these folks to teach us how to think." — Caitlin Kalinowski
"You want some people who have experience building the thing that you're building that's new and some people who have experience scaling other things." — Caitlin Kalinowski
关联卡片
- Lenny 总结为业内说法 "cracked new grads"(AI 原生应届生),是本播客多期反复出现的招聘趋势。
出处:Caitlin Kalinowski (ex-OpenAI/Meta/Apple 硬件负责人) · 03-podcasts/caitlin-kalinowski.md
提炼自 Lenny Rachitsky 的 Lenny’s Newsletter & Podcast(2019–2026)。本站为个人学习用途的二次创作,与 Lenny’s Newsletter 无官方关联。
provenance · 已核验 · glm-5.2
提炼自 Lenny Rachitsky 的 Lenny’s Newsletter & Podcast(2019–2026)。本站为个人学习用途的二次创作,与 Lenny’s Newsletter 无官方关联。
provenance · 已核验 · glm-5.2