陆奇谈研究型创业者：研究、创新与组织学习

陆奇的 Researcher Founder 公开课讨论研究、工程和市场怎样形成反馈。本文先还原演讲观点，再分析研究、创新与斜率如何变成行动，以及组织学习主张的适用边界。

本文是对奇绩创业公开课 Researcher Founder 系列第一课的分析性总结，不是逐字稿。我更想追问的是：陆奇依据什么得出这些结论，这些判断中哪些最值得创业者重视，又有哪些边界不能忽略。

演讲如何解释研究与生产的关系

很多人从“AI 可以做什么”出发理解这一轮变化：写代码、做设计、生成内容、自动回复客户。但陆奇把分析尺度向上提了一层，从生产力的四个要素观察变化：

生产力要素	过去	正在发生的变化
生产者	开发、市场与运营人员	研究者成为直接生产者，硅基智能承担更多执行
生产过程	开发、运营与商业化	研究本身进入持续生产过程
生产工具	机器、设备与软件系统	算力、模型与智能体成为核心工具
生产对象	原材料、商品、信息与流程	数据同时是投入、过程资产与产出

该观点的前提是研究结果能较快进入工程与用户试验；这一条件需要按行业检查。

例如在软件原型中，资料检索、代码试验和用户反馈可能在短周期内相连；涉及实体试验、审批或供应链时，生成速度提高未必缩短整个验证周期。

这支持研究与应用共同迭代的可能性，不能推出所有成果都能直接投产。

当研究、工程与市场的反馈距离缩短，Researcher Founder 连接技术可能、真实需求与规模化价值。 研究、工程与市场的关系是演讲提出的推演，不表示任何团队都能跨越全部阶段。

NeoLab 同时承担哪些风险

陆奇用 NeoLab，新实验室，描述正在形成的新型前沿组织。

NeoLab 不是传统实验室的公司化，也不是在公司里增加一个研究部门。它要在同一个组织内同时承担四类风险：

• 科学风险： 原理和技术路径是否成立；
• 工程风险： 能力能否成为稳定、可重复的系统；
• 市场风险： 是否存在真实而持续的需求；
• 资本风险： 组织能否获得足够长的时间和资源完成探索。

在传统创新体系中，这四种风险通常由不同机构、不同阶段承担：科研机构负责证明可能，企业负责工程和市场，大公司与资本再负责规模化。但在大模型、AI for Science、脑机接口、具身智能和商业航天等领域，它们已经很难被拆开。

研究需要数据和算力，数据来自真实场景；工程需要产品反馈，产品验证又可能改变研究方向。于是研究、工程、产品、市场和资本必须形成一个高频闭环。

这也是陆奇列举 OpenAI、Anthropic、SpaceX 等公司的真正用意：值得关注的不只是它们拥有某项技术，而是它们证明了，创业公司也可以直接承担过去只有国家实验室、大型研究机构或科技巨头才能承担的前沿任务。

对具体团队，应分别检查这四类风险的负责人、证据和停止条件；将它们放在一个组织内并不会消除风险。

研究型创业者不是一种身份，而是一种能力结构

Researcher Founder 很容易被理解成“科学家出来创业”。但陆奇真正强调的，是一种复合能力结构：既能把问题从“不可能”推到“可能”，又能把“可能”推向真实价值。

这类人既需要科学家的好奇心、第一性原理和研究判断，也需要创业者理解需求、组织资源、承担风险和持续行动的能力。

当原型制作成本下降时，选题与现场验证可能成为新的瓶颈；这不适用于所有技术路线。

可据此检查团队是否具备以下能力：

• 能否提出高质量的问题；
• 能否判断什么值得长期投入；
• 能否理解尚未被准确表达的需求；
• 能否把技术嵌入真实工作流；
• 能否在高度不确定中组织行动。

这也是为什么分享中反复强调从 Book Smart 走向 Street Smart。后者不是世故，而是对用户、交易、预算、流程、组织和价值流动的真实理解。一个人可以非常聪明，却仍然不知道客户为什么付钱、产品为什么进不了工作流，或者组织内部为什么无法推动一个看似正确的方案。

三种思维：研究、创新与斜率

陆奇将研究型创业者需要的底层能力概括为三种思维。

1. 研究思维：选择比努力更重要

研究不能只追求短期新颖性，而要寻找“高水位”问题。

公开课用一个定性表达强调问题价值与持续影响：

影响力 = 问题水位 × 持续时间。

“问题水位”没有统一计量单位，这不是可代入数值预测影响力的公式。观点来源见公开课综述；以下行动建议是本文的转化。

一项工作即使短期热门，如果很快被替代，长期影响力仍然有限；如果它能持续成为后来研究、开发和产业的基础，其价值就会随时间不断累积。

因此，判断一个方向时，不应只问“能不能发表”或“现在热不热”，还应该问：

• 它连接的是局部技巧，还是更大的科学与产业结构？
• 它能否持续产生新的问题、工具和能力？
• 它未来是否具有不可替代性？
• 它可能产生怎样的研究、开发、产业和社会影响？

系统性选方向：禀赋、兴趣、空间，以及从领域走向前沿与空白。

演讲提出的系统性选题方法。来源于奇绩创坛公开内容。 分享进一步把选方向拆成四步：选领域、到前沿、找空白、挖潜力。其核心并不是预测热点，而是寻找个人禀赋、持久兴趣和问题空间的交集。

2. 创新思维：从技术能力回到真实需求

陆奇对创新的定义，不是简单发明新技术，而是用更好的方法满足真实需求。

尤其在 AI 时代，表层功能很容易被复制。真正决定产品价值的，是能否看见功能背后的深层需求。企业可能说自己需要会议助手，但真正需要的可能是更好的感知、判断、协作与执行；个人购买一个看似没有功能价值的产品，背后可能是情绪、身份、关系、审美与归属感。

因此，不能从“我觉得有没有用”判断需求，而要观察真实行为：用户为什么使用、为什么付费、价值在哪里流动，以及产品为什么能进入或不能进入工作流。

这就是“研创一体”的含义：研究阶段就理解未来价值，产品阶段仍然回到科学与技术的第一性原理。它不要求基础研究立刻商业化，而是要求研究者从一开始就拥有更宽的坐标系。

3. 斜率思维：把更新能力纳入观察

陆奇用“斜率”讨论持续更新能力，分为三部分：

• 认知斜率： 学习新技术、理解新产业并更新判断的速度；
• 能动性斜率： 在资源不足、路径不清时推动事情发生的能力；
• 品味斜率： 判断什么值得做、什么足够好、什么具有长期价值的能力。

斜率思维：研究、工程和商业化的结合，以及认知、能动性与品味斜率。

高斜率人才与组织的能力结构。来源于奇绩创坛公开内容。 同样，组织也有斜率。真正的 AI 原生组织，不只是给员工购买 AI 工具，而是让人和 AI 共同形成更快的学习、决策、执行与反馈闭环。

以销售纪要原型为例：研究问题是如何识别被指派人，产品试验是确认后同步 CRM；学习记录则保留哪些错误促使团队改变抽取规则。三者分别检验技术、需求与反馈吸收，不能只用发布次数代表成长。

方法论最终落到三个动作

1. 到“河”对面去

“河”的一边是技术，另一边是用户、产业和真实工作流。

过去技术与开发能力稀缺，创业者往往先在技术一侧做好产品，再把它搬到需求一侧。AI 降低开发成本后，稀缺性开始倒转：技术实现越来越容易获得，对需求和场景的深度理解反而变得稀缺。

AI 时代从技术稀缺转向需求与场景稀缺，因此需要到河对面去。

从技术侧走向需求侧的“过河”隐喻。来源于奇绩创坛公开内容。 FDE，前线部署工程师，只是一个具体角色。更广义的趋势是 FDX：产品、设计、工程、研究乃至组织负责人，都需要更加靠近一线。因为只有进入现场，才能看见问题如何发生、价值如何流动、技术怎样才能真正进入系统。

2. 到“墙”外面去

学校、实验室和大厂能够提供系统训练，但无法完整模拟创业的不确定性。创业只能在行动中学习。

选择大厂还是创业公司，也不应只看平台名气，而应判断哪个环境能提供更真实的问题、更快的反馈和更高的成长斜率。选择的目的不是获得一个标签，而是进入一个更有效的训练系统。

3. 到同行者中去

前沿创业不是个人英雄主义。越是不确定的问题，越需要高密度的人才、信息、反馈和信任。

人脉在这里不是简单的社交资源，而是一张认知网络和行动网络。好的社区真正提供的也不是热闹，而是让判断和行动共同加速的环境。

从演讲中提炼的三个组织假设

判断一：最大的变量，是反馈周期正在缩短

这里讨论的是作者从演讲中提炼的组织学习假设，是否形成竞争优势仍需看真实反馈和经营结果。

反馈周期缩短可能降低部分试验成本，但团队规模和竞争结果也受算力、资金、渠道与人才供给影响。不能把这些变化都归因于学习速度。

检验这一假设，要记录从发现问题到改变决策的时间，同时检查改动是否解决了原问题。

判断二：未来的壁垒，可能是组织学习速度，而不是单点技术

模型会迭代，工具会普及，代码成本会下降。更难复制的是：谁能更早发现高水位问题，更快进入真实场景，更有效吸收反馈，再把这些反馈变成新的研究与工程优势。

在依赖持续实验的业务中，组织学习速度可能影响竞争结果；这不能替代对产品、渠道、资金和执行能力的判断。

判断三：研究与创业的起点都在前移

对研究驱动的创业，问题定义可以早于具体产品形态。

与此同时，研究者也需要更早思考真实需求、工程路径和影响空间。研究与创业不是在某个成熟技术成果出现后才发生交接，而是在问题定义阶段就开始相互影响。

这意味着创业的起点前移到了三个更难的问题：

1. 什么能力正在从不可能变成可能？
2. 这种能力最终会改变什么真实需求？
3. 应该建立怎样的组织，才能持续完成从研究到价值的跃迁？

还需要保留的三条边界

陆奇的方向判断很有启发性，但如果把它直接变成创业口号，也可能忽略几个重要边界。

第一，研创一体不等于让所有研究立即商业化。 过早服从短期客户与收入，也可能让研究被局部需求牵引，失去长期价值。真正困难的是在长期科学价值与现实反馈之间建立循环，而不是简单选择其中一边。

第二，NeoLab 并不天然比传统组织更有效。 它同时承担四类风险，也意味着治理难度、资本压力和利益冲突都会增加。没有高质量判断与长期激励，“研究驱动”也可能退化成昂贵但无法验证的叙事。

第三，不是每位优秀研究者都必须成为创业者。 新时代需要的是研究与创新之间更好的连接，不是让所有人拥有同一种职业身份。研究型创业者更准确的理解，是一种可以由创始人、团队和生态共同完成的能力结构。

用一个实验检查“学得更快”

假设两个团队都发现客户不愿使用自动摘要。A 继续优化摘要措辞；B 观察五次销售复盘，发现客户真正缺的是 CRM 字段同步，于是制作确认后同步的原型，再记录使用率和修正时间。

这个例子说明反馈可能改变问题定义，但不能据五次观察宣布 B 获胜。还要扩大样本、检查长期使用与服务成本。组织学习的证据是哪些假设被修正、哪些决策因此改变，而不只是试验次数更多。

研究型创业专题引用的课件截图来自奇绩创坛公开发布的演讲整理，版权归原作者及发布方所有，仅用于内容评论与学习交流。建议结合演讲全文阅读。