本科两年，我最深的感悟：认知复利

站在大二结束的节点回头看，我入学时对未来的全部规划，和今天眼前的路，几乎已经完全不一样了。

刚上大学的时候，我笃定要走纯学术路线，北美直博，一路沿着象牙塔往上爬。那是我基于当时掌握的所有信息，能做出的最合理的判断。而现在，我即将加入字节跳动 Seed 实验室做预训练相关的研究，同时也接触到了学界、业界乃至早期创业方向的各种可能性。

这种状态并不是我一开始规划出来的，也很难归结于单纯的运气。我始终相信一句话：伟大是无法被计划的。我不是说自己终将成就什么，而是认知复利本身就有这样的特点——当利滚利的效应真正启动之后，最终的收益量级是你站在起点完全无法预料的。你很难照着一个预想的结果去倒推每一步该怎么走，因为在起点上，你根本不知道后续的发展会展开到什么程度。

这两年我最深的感悟也是这样：不用费尽心思去把未来的每一步都卡死，只要认准长期且有价值的事情坚持去做，剩下的交给时间就好。今天能做出什么样的选择、站在什么样的位置，从来不是某一次单点努力的结果，而是过去所有认知、经历与外部连接像滚雪球一样持续叠加出来的形态。

我很喜欢用泰勒展开打这个比方。你在任何一个时间点对未来的判断，都相当于在那一点对人生这条函数做展开。你手里掌握的认知维度越高、信息越充分，相当于你拥有的导数阶数越高，还原出的全局曲线也就越贴合实际。如果手里只有低阶的信息，最多只能做一个线性的外推，看起来路径笔直清晰，但稍微走远一点，就会和真实的发展偏差得越来越大。

刚入学的我，手里基本就只有那点有限的先验，所以很自然地把直博当成了唯一的路。这不是当时的我眼界短视，是任何人站在那个起点上，做出的推断大体都是如此。所谓认知的复利，关键在于你的本金从来不是固定的。你每学到一点新知识、每认识一位优秀的同行、每经历一件刷新认知的事，带来的都不只是单次的收益，而是会直接并入你的底层认知，成为下一次做判断的新基准。每增加一个维度的有效信息，对未来的判断精度就会跃升一级。

回过头看，这件事的起点其实是大一刚入学时的一个决定。

2024 年 9 月刚进大学，书院鼓励学生自发开展学术活动，我顺水推舟牵头做了学校第一个深度学习研讨班。当时完全没去设想后面会延伸出什么，纯粹是觉得这件事有意思、值得做，就着手去办了。

办研讨班的过程中，我认识了校内的两位青年教师，一位带我开启了校内科研实习，另一位促成了我后续的远程学术合作。也因为研讨班在校内受到了一些关注，我结识了西交许多优秀的同辈和前辈，其中包括一位很有想法的学长。他本科毕业后在北大读博，后来在读期间出来创办了一家 AI + 医疗的公司，这也是后来的故事了。

那段时间我慢慢养成了一个习惯，就是保持规律的公开输出。最开始是把研讨班每期自己主讲的录播整理上传到 B 站，后来逐渐过渡到写技术博客，把我感兴趣的算法原理、前沿思考和推导整理成文章。很多想法并不一定适合写成正式的学术论文，但又有很实在的分享价值，博客就是最合适的载体。

这些输出在当时并没有任何即时的回报，既不计入绩点也不参与评奖，还要占用很多课余时间。但随着时间推移我发现，只要持续、认真地写，这些内容就会变成长期留在网络上的专业凭证与思考沉淀。不少文章在技术圈里引发了讨论，也让很多业内同行注意到了我。它们构成了我投进认知复利里的第一笔本金，悄无声息地在往下扎根。

随后的事情开始一环扣一环地推进。

大一下学期结束时（2025 年 7 月），我前往杭州参加机器学习学术会议，第一次在线下见到了之前线上合作的老师，也接触到了清华、上财等高校的研究者，算是真正迈进了学术交流的圈子。几乎在同一时期，因为 B 站的录播和个人网站上的技术积累，中国人民大学高瓴人工智能学院的老师联系到我，邀请我合作开展顶会论文的研究。我也因此顺利加入高瓴的研究团队，开始参与大语言模型机理的研究。

到了这个阶段，我开始隐约意识到，很多机会并不是刻意求来的，而是前面做过的所有事情累积到某个临界点后，自然给出的反馈。

真正带来认知跃迁的，是 2025 年寒假去高瓴线下交流的那一个月。

北京最显著的特点在于其极高的人才密度、信息密度与实践经验密度。在常规的校园环境里，可能需要隔很久才能遇到一次真正拓宽视野的深度交流；但在北京，几乎每天都能接触到来自不同背景、身处行业前沿的人。相当于同样的认知本金，在这里接触到的信息速率和反馈频率被成倍放大，认知迭代的速度也随之加快。

去北京之前，我写了一篇从数学视角梳理 Scaling Law 的博客发在社交平台上，恰好被字节跳动 Seed 实验室 Pre-Train 组的技术负责人看到，直接联系我发出了实习邀请。由于当时已经安排好高瓴的线下日程，我便将实习时间商定在了 2026 年暑期。

在人大高瓴的那段时间，我认识了组里的师兄师姐，也结识了来自复旦以及九坤投资等机构的朋友。在和九坤的朋友交流时，他提到一个很务实的视角：如果毕业在业界能拿到极具竞争力的回报与前沿资源，完全可以先去工业界历练两年，之后如果有意向读博，再回到学界也不迟。

这番话给了我很大启发。在此之前，我潜意识里一直把直博视作唯一合理的单行道，认为必须沿着象牙塔一路读上去才算走在正轨上。但那次交流让我意识到，现实中的路径从来不是单一的。目前 AI 领域大量最前沿的算力、工程和大模型探索，本身就高度集中在工业界一线。先入场积累一线的大规模集群训练与工程实证经验，再做长远的研究规划，视野反而可能更开阔。

这就是我所说的高阶信息对判断的影响。多掌握了一个真实的维度，整条路径在眼中的形态就会随之改变。

从那时起我越发明确了一点：不要死守一套一成不变的规划，而要根据新获取的信息高频更新自己的认知。特别是在变化极快的 AI 领域，技术演进和行业格局每隔几个月就会刷新一次，如果一直拿着过去的一套预设来做今天的决定，很难跟上真实的发展节奏。

随后的进展越来越快。

2026 年 4 月，董科含的团队通过社交平台找到我，沟通早期合作的可能。第一次交流我有些犹豫，觉得当时自己还没完全准备好。但几天后他们再次联系我，我意识到这是一个能近距离观察早期技术创新团队决策逻辑的难得机会，便决定深入交流。

在线下聊完后我决定参与其中。很重要的一个原因是，能和一群站在行业前沿的探索者共事，近距离观察他们的技术判断、研究品味和下注逻辑，这种成长速度远不是自己一个人琢磨能比的。遇到这样的机会，自然没有理由错过。

通过这一契机，我结识了 MiniMax、DeepSeek、月之暗面、腾讯混元等团队年轻的核心研发人员，也有机会和具备 DeepMind、Anthropic 背景的前辈面对面交流。每一次深入的讨论，都在丰富我对行业和技术细节的理解，也让后验判断更加客观。

4 月在北京期间，我还见到了大一办研讨班时认识的那位西交学长。他创办的 AI 医疗公司已完成数亿元融资，致力于用 AI 打通生命科学从基础研究到蛋白质合成及药物研发的全流程。

我们聊了一个多小时。我问他，在当前的大环境下，读博是不是依然是一个好的选择。我当时的预设是，只要跟对好导师读博就不会有问题，遇到阻碍主要是因为导师或者课题方向不合适。但他反问了我一句：就算跟了好的导师，就一定没有其他维度的困境吗？

这个问题让我沉思了很久。我意识到自己过去的认知还是过于简单了，学术体制本身的周期和现实约束同样是客观存在的。结合近期了解到的行业信息，我更加坚定了暑假先去字节跳动 Seed 实验室实习、积累真实工业界经验的想法。很多选择并不存在抽象的绝对优劣，关键在于是否适合当下的自己，而做出这种判断的前提，是掌握足够丰富且真实的客观信息。

回过头看，这位对我影响很深的学长，最初的连接依然来自大一刚入学时牵头办的那场研讨班。这正是积累奇妙的地方：很多当下随手而为的决定，可能在很久之后依然以意想不到的方式产生深远影响。

2026 年 6 月初，在与字节跳动 Seed 实验室敲定暑假实习细节时，团队提到正好在北京有一场闭门的技术分享，问我是否在场。我当时人在西安，几乎没有犹豫就订了往返机票和住宿。

因为能现场了解最前沿的预训练思路，并与团队核心成员当面探讨，这种交流带来的价值远超眼前的差旅成本。

那趟北京之行的收获确实超出预期。我听到了一手未公开的研究进展，与 Ziming Liu 交流了很久，也见到了 Seed 实验室的核心研发成员。随后我也按正规流程顺利完成了面试与入职手续。

主动走进高密度的人才圈子，参与高价值的专业讨论，很多原本看似偶然的机遇就会逐步收敛为清晰的确定性。

入职消息公开后，在社交媒体上引来不少同行和前辈的关注，其中很多是我之前单方面关注了很久的人。更有意思的是，刚办完入职没几天，月之暗面的招聘团队就联系到我，说看到了我此前写的那篇《重听杨植麟：Bet on Scaling、第一性原理和长期主义》，觉得分析得很有见地，想约一次交流。

那篇文章最初只是我听完播客后随手记录的思考，写的时候我完全没想过会被当事团队看到。但这正是公开技术记录的特质：只要你认真写下来并公开，它就会作为长期沉淀的信号留在那里，持续向外传递你的技术审美与思考深度。它不会过期，也不会失效，总会在特定时刻为你建立起意料之外的高质量连接。

虽然我已经确定了去 Seed 实习，但我依然赴约聊了一次。这种与顶尖从业者的交流，目的从来不是急于拿到一个新的机会，而是为了获取更前沿的产业视角、验证自己的思考。这些输入都会成为未来判断的基础储备。

聊到这里其实就能发现，我今天走出的路，并不是大一刚入学时就能预先规划好的。我只是认准了人工智能是未来最值得深耕的大方向，然后在这个方向上，遇到有价值的事就去做，遇到值得交流的人就去认识，遇到能拓展认知的机会就认真抓住，具体的执行路径始终保持开放。

网上常有人问：你现在这样选择，四、五年后怎么办？

我每次看到这类问题都会觉得，四、五年后的技术格局和行业变化，绝非当下的我们能精确预知的。如果拿着自己目前有限的认知，非要去替数年后的自己把每一步路都固定死，往往并不现实。外部世界是动态演进的，个体的认知也必须随之动态校准。真正可靠的规划，应当是大方向坚定明确，而具体路径保持灵活敏捷，始终用当下最全面、最高阶的认知去做最新的判断。

很多人理解的复利，是被动等待收益的自然增长。但认知复利并不是被动的，它要求你始终保持一种开放而敏锐的状态，主动融入高密度的环境，快速吸收、快速验证、高频迭代。在学习和成长的早期阶段，认知基数尚小，每一次有效认知更新带来的边际收益往往是最大的，试错的成本也远低于犹豫不决带来的机会成本。有好的想法就去实践，不要把时间耗在无谓的纠结上。

当然，这一切都有一个根本前提：公开输出的内容必须与个人的真实技术积累相匹配。公开记录与同行交流绝不是空洞的包装或社交钻营。只有当写出的分析推导、做出的技术实践都建立在扎实的硬实力和深度思考之上时，建立起来的外部连接才是稳固可靠的。流于形式的表面包装，无法支撑长期的专业信任，更无法进入良性的积累循环。

认知积累的曲线，在早期往往显得平缓而漫长。你做了很多事，可能很长一段时间都看不到立竿见影的反馈，甚至会觉得进展缓慢。但只要你在持续输入、持续输出、持续与高水平的同行建立连接，突破瓶颈的节点终会到来，先前积累的势能也会在某个时刻集中显现。

两年的大学生活只是一个起点。理解了这种积累的节奏，我就不再急着要一个立竿见影的答案。

慢慢来，认知会替你算账。

引用

如果您需要引用本文，请参考：

@article{zou2026cognitive-compounding,
  title={本科两年，我最深的感悟：认知复利},
  author={Zou, Jiaxuan},
  journal={Jiaxuan's Blog},
  year={2026},
  url={https://jiaxuanzou0714.github.io/blog/2026/cognitive-compound-interest/}
}