斯坦福，一堂课，改变人生。这样的说法听起来很大。但早上看了一个视频之后，我觉得，这堂课真正有力量的地方，是它把一个我们习以为常的前提掀翻了：我们真的有能力，先把未来判断清楚，再决定要不要行动吗？
视频讲到，一位斯坦福教授给学生分享了三个故事。主角分别是扎克伯格、乔布斯和马云。今天看，这三个名字几乎自带成功的光环。可在故事发生的时候，他们正在做的事，看起来远没有那么确定。
更有意思的是，教授见过他们、研究过他们，却一个也没有看好。
他看了三次，也看错了三次
以下三个故事按视频的转述整理；人物交谈以大意叙述，不作为逐字引语。配图为 AI 情境插画。
扎克伯格：这个年轻人，能成吗？
硅谷 · 一个还没有被世界看懂的项目
第一个故事发生在硅谷。扎克伯格搬到这里，继续推进自己的创业项目。教授身在斯坦福，离这些创业者很近，于是去找他，希望把这个年轻人正在做的事情写成教学案例。
在视频的讲述里，教授不只看了项目，还和扎克伯格有过接触，邀请他到斯坦福给学生分享。按理说，这是比大多数旁观者更好的观察位置：人见到了，事情听明白了，也有机会当面交流。
可看完之后，他的判断依然是：这个人，以及他正在做的这件事，大概都成不了。
今天我们知道后来的 Facebook。但故事里最值得停一下的地方，恰恰是把这个结局暂时拿掉。如果不知道后来发生了什么，我们真的会比教授看得更准吗？
乔布斯：回来以后，路在哪里？
1997 年 · 一家需要重新找到方向的苹果
第二个故事，是乔布斯重返苹果。
1997 年，乔布斯回到自己参与创立的公司。那时的苹果处境艰难，产品线和经营都需要重新梳理。教授又去找他，希望研究这个案例。在视频的叙述里，教授看到的是一家陷入困境的公司，以及一个还需要把下一条路走出来的人。
我们今天很容易把 iMac、iPod、iPhone 排成一条顺理成章的线。但当时没有这张已经画好的地图。重返公司是一回事，让公司重新活过来，是另一回事。
教授因此不看好这次回归。可后来，乔布斯通过聚焦产品、调整公司，再一步步推出新产品，走出了那条当时看不清的路。这里的“找方向”，也并不意味着苹果放弃电脑；重整电脑产品线，本就是这次回归的重要工作。[1]
这个故事让我想到：我们常常拿眼前的困境，给一个尚未展开的未来下结论。
马云：没有信用卡，交易怎么发生？
中国互联网的早期 · 一道看起来绕不过去的门槛
第三个故事，教授来到杭州，采访马云。马云英语好，交流比较方便。听到团队想做淘宝、进入 eBay 所在的那类交易市场时，教授立刻看到了一个问题：支付。
在他熟悉的美国市场，信用卡已经是很重要的支付基础。但当时的中国，没有同样普及的信用卡使用条件。买家如何付钱？陌生人之间如何完成交易？如果这一关过不了，后面的生意又从哪里来？
这套推理听起来很合理。教授于是再次得出判断：这件事很难做成。
可我听到这里时想到的是：今天缺少一个条件，和这个条件永远无法被创造出来，是两回事。用一套已经成熟的市场经验去衡量新市场，确实能发现障碍，也可能把障碍误认成终点。
讲完三个故事，真正的课才开始
按照视频的讲述，三个故事讲完，已经过了很久。下一节课，教授问学生：听完之后，你们最大的收获是什么？
大家面面相觑。听起来都是大人物、大公司，可自己到底学到了什么，一时还真说不出来。
教授最后把答案指向了自己：连他这样长期研究商业、能够近距离接触创业者的斯坦福教授，判断都可能错得离谱。
一个人有知识、有经验、有观察位置，
也不等于他能提前看懂未来。
我不觉得这意味着我们应该放弃判断。它提醒我的，是对自己的判断少一点迷信。尤其面对新事物时，别太快把“我看不懂”，翻译成“它不可能”。
我们究竟在做哪一种事？
如果判断力没有想象中可靠，那我们应该怎样选择？视频里接下来讲到的四象限，让这件事变得清楚了一些。
横轴，是一件事当时有没有共识；纵轴，是它最终被验证为对，还是错。这里的对错，指一个方向是否成立、是否实现了目标，不是对人的道德评价。
共识与结果，是两条不同的轴
被低估的机会
早期不被理解，价值尚未被充分发现。
拥挤的赛道
方向较清楚，竞争与进入成本也可能更高。
探索的代价
判断落空。还能否继续，取决于投入的边界。
集体的误判
大家都相信的事，也可能让风险悄悄累积。
横轴：当时的认可程度 / 纵轴：事后验证的结果
有共识，也正确：很多人正在同一条路上用力
大家都知道它是好事，也都知道它有价值，于是资源、人才、资本一起涌进去。等你进去，价格可能已经很高，位置可能已经很挤。做同样的事，你需要比别人多付出很多，才能多得到一点。
这很像我们熟悉的内卷：方向没有明显问题，人却越来越累。当然，这里也有可靠的工作、稳定的需求和长期的积累。问题是，当我想寻找一次明显不同的机会时，最拥挤的地方未必最适合我。
有共识，却错了：最重的负担，有时来自“大家都这么做”
比如，把“房价会一直涨”当成不需要验证的前提。周围的人都在买，社会也不断告诉你应该买。即使你心里没那么认同，还是背上了远超承受能力的债务。
然后再安慰自己：反正是自住，涨跌无所谓。可每个月的还款不会因为这句话变轻，生活的选择也可能因此越来越少。真正让我在意的，是一个人把别人的期待，变成了自己长期承担的成本。
非共识，最后对了：价值可能还没有被充分看见
多数人不认为它能成，你却发现了一点别人没有认真看的东西。如果这个判断最终成立，早期的投入就可能随着价值被看见而放大。
但没有人能在起点就保证自己站在这里。“别人不认可我”本身，不构成“我一定是对的”的证据。
非共识，最后错了：给探索付一笔学费
你认真试了，结果证明不成立。可能损失钱，可能花了时间，也可能被人笑话。面子往往是最容易被放大的那一部分，但实际损失也不能忽略。
如果代价是事先限定的，你仍然有调整和继续的余地。可一旦把所有资源都押上去，即使起点再独立，也可能把一次试验变成无法回头的重注。
我们都想走进“非共识而正确”的象限。
困难是：出发的时候，没有人替它贴好标签。
把错误全筛掉，
会不会也筛掉了机会？
听到这里，很自然会冒出一个想法：那就去找非共识的事情，同时尽量排除错误，只留下正确的，不就行了吗？
我觉得，整个分享最精彩的地方，就是对这个想法的追问。
当你试图消除一切犯错的可能，
也可能同时减少做对大事的机会。
这句话之所以打动我，是因为在一件新事物还没有被验证时，机会和风险往往混在一起。你当然可以研究、比较、排查明显的问题。但如果最后的筛选条件变成“只有确定能成，我才开始”，很多值得试的事情就连第一步也没有了。
收紧结果的范围，两端都可能变少
A / 给不确定性留出空间
可能遇到较差的结果，也保留了较大突破的空间。
B / 只追求很窄的确定性
在这个模型中，结果更集中，左右两端的可能性同时减少。
所以，我从这里得到的启发，是把问题换成：即使判断错了，我能不能付得起这个代价？我还能不能再试一次？
这就把注意力从“提前猜中”，转移到了“怎样验证”。我未必要一开始就知道最终答案，但可以先找到一个最值得验证的问题。
让错误来得更早
先碰那个最关键、也最可能让事情失败的假设。不要把简单的准备工作都做完了，才去问有没有人真正需要它。
让反馈来得更快
尽早让真实的人使用、选择、拒绝和付出。一个模糊的夸奖，和一次真实的使用，给出的信息很不一样。
让每次尝试更便宜
把第一步缩小，事先限定时间和投入。能用一个小样验证的事，就先做小样；能用一个短周期看清的事，就先跑一个短周期。
让下一次有所不同
把失败换成信息，再据此调整。证据支持，就继续；关键假设被推翻，就改方向或停下来。重复同一种错误，并不会自动积累成成功。
- 提出假设
- 小规模验证
- 观察反馈
- 调整或停止
边界：单次损失要可控，累计的时间、金钱与精力也要承担得起。
比如，我想做一个新产品。可以先花一点时间，把最核心的使用场景做出来，让几个真正有这个问题的人试用。有人愿意反复用，再加投入；没人愿意用，就去搞清楚，是需求判断错了，还是解决方式不对。
这些小动作看起来不宏大，却让我有机会从想象走到现实。从“我觉得它会成功”，走到“我知道了一个具体的问题，下一步可以验证”。
我愿意坚持的是持续探索，也愿意让现实改变我的方案。
共识是怎样长出来的？
一件原本不被看好的事情，为什么后来会获得越来越多人的支持？我理解，是因为它逐渐拿出了新的证据。
产品开始能用，成本开始下降，用户开始增加。原本只能靠语言解释的可能性，慢慢变成别人也能观察到的事实。于是，认可、人才和资源，才有机会跟着进来。
特斯拉：从少数人的玩具，到改变汽车行业
把时间拨回起点，一辆价格高、产量低的电动跑车，很容易被看成少数人的昂贵玩具。它能让人好奇，却未必让人相信：电动车有一天会走进普通家庭，改变整个汽车行业的竞争方式。
后来，从 Roadster 到 Model 3、Model Y，特斯拉把电动车从小众的尝鲜，推向了大众的日常。它推动行业重新思考，一辆车应该怎样设计、怎样通过软件持续更新，以及怎样围绕电动化组织生产和使用。
资本市场给出的反差更加醒目。按 2026 年 9 月 26 日查询的 CompaniesMarketCap 汽车公司榜单，特斯拉市值约为 1.469 万亿美元，高于该榜单其余 59 家上市车企合计约 1.360 万亿美元。在这份榜单的范围内，它一家公司的市值，已经超过其余车企的总和。[4]
特斯拉的早期路线就很有代表性。它在 2006 年公开的计划里，选择先从高端跑车切入，再向价格更可负担、市场更大的车型推进。高成本的新技术，需要找到一个能够开始的市场，再通过后续研发和规模化不断前进。[2]
找到切入口→后续车型
扩展市场→研发与规模化
争取降低成本
这条路当然不轻松。造车也不是一个普通意义上的低成本试验。我从中看到的，是分阶段推进的价值：把一个很远的目标拆成可以被检验的进展，每过一关，外界就多一点重新判断它的依据。
如果进展能够持续，它就可能形成正向循环：产品更成熟，愿意使用的人更多，愿意参与的资源也更多，这些资源又支持下一步研发和交付。所谓飞轮，就是这样一点点转起来的。
英伟达：从游戏显卡，到 AI 时代的基础设施
英伟达让我想到的，则是另外一种时间尺度。
很多人最早认识 GPU，是通过显卡和游戏。它能让画面更流畅、更逼真。但一种技术最先被广泛认识的用途，并不一定就是它最终的边界。
在许多人的理解里，它最初只是电脑里让游戏跑得更好的一个部件。后来，这种擅长并行计算的能力，连同围绕它建立的软件工具和开发者生态，逐渐成为 AI 大模型训练的重要基础设施。一个曾被限定在游戏画面里的角色，走到了改变世界的技术浪潮中央。
市值的变化，把这种尺度的跃迁变成了直观的数字：2016 年底约 575 亿美元，到 2026 年 9 月 25 日约 5.43 万亿美元。从几百亿美元的公司，长成了五万亿美元级的超级巨兽。[5]
但这个结果不是一夜之间出现的。把过程展开，才能看到它是怎样一点点走到这里的。
从图形与游戏出发
英伟达创立，面向游戏及多媒体的 3D 图形市场。
CUDA：把并行能力打开
让开发者将 GPU 用于更广泛的计算任务，逐步建设工具与生态。
深度学习带来新的验证
AlexNet 的突破，让 GPU 在神经网络训练中的价值受到更多关注。
通向更广泛的 AI 计算
硬件、软件、开发者与应用需求相互推动，技术的用途持续展开。
这些节点背后，是跨越多年的研发和投入。英伟达官方的发展时间线，把 CUDA 和 AlexNet 都列为关键节点。[3]这让我更愿意把它理解为一段持续建设、不断遇到新应用的历程。
外界的理解在变，技术本身也在变。一开始看起来用途有限的能力，因为工具更好用、需求更明确、生态更成熟，逐渐拥有了更大的舞台。市值反映的是资本市场对未来的定价，也会波动；真正让我感兴趣的，是这种从小众用途走向广泛基础设施的变化。
非共识走向共识，
是越来越多的人开始看见证据的过程。
当然，成功者的故事不能替所有尝试做保证。还有很多没有走出来的公司和项目。它们提醒我，独立判断之后仍然需要验证；坚持也需要边界。活得足够久、学到足够多，只是在给机会留位置，不能把结果预订下来。
回到自己，我越来越愿意给一些暂时没有共识、但自己看到了具体价值的事情，留出时间和空间。
别人说不靠谱，我想先听清楚：到底是哪一个环节不成立？这个问题有没有办法用一次小尝试验证？我手里有没有一点不同的信息、经验或观察，值得认真做下去？
我不会因为大家都反对，就觉得自己一定正确。可我也不想仅仅因为暂时没有人支持，就把一件可能有价值的事提前放弃。
先做一点，让现实给我反馈。错了就改，代价太高就缩小，证据不成立就停下来。把时间和资源留给那些越来越有依据的方向。
让错误来得更早一点，
更快一点，更便宜一点。
也让自己始终有能力，
开始下一次尝试。
赖升