伯克利 Challenge Lab:超级智能时代的可持续创业公司
英文原题:Superintelligent Ventures: Building Sustainable Startups That Can Thrive in the Age of AI 出处:scet.berkeley.edu/students/courses/superintelligent-ventures 课程编号:ENGIN 183C-004 | 学期:Spring 2026 | 学分:4 讲师:Vik Thairani(Sterling Keep 管理合伙人) 运营方:UC Berkeley Sutardja Center(SCET)
先说结论:这是 2026 春季伯克利最值得琢磨的一门 Challenge Lab
如果你最近在关注 AI 创业,大概率已经被一种焦虑笼罩——OpenAI、Anthropic 每发一次模型,你辛辛苦苦做的产品就可能直接归零。包裹智能助手、简历优化、文档总结……这些一年前还是独立创业公司的赛道,现在全成了基础模型的自带功能。
伯克利 SCET 在 2026 春季开的这门 Superintelligent Ventures,正是在正面回应这个焦虑。它不教你怎么用 AI 做产品(AI 做产品已经太简单了),它问的是一个更狠的问题:当做产品这件事本身不再值钱,你怎么建一家还能活下去的公司?
这也是为什么我觉得这门课比一般"AI 创业课"高一档——它跳出了"怎么用 AI"的工具层,直接逼你面对"AI 时代公司该怎么定义"的战略层。
课程的核心一问
当每个功能都免费、AI 算力需求前所未有、连工作本身都被自动化掉——你该怎么建一家创业公司?
这句话乍听像哲学口号,但拆开看,它其实在戳 AI 创业者当下三个最痛的地方:
- 功能免费化:你做了三个月的功能,GPT 下个版本直接内置
- 算力饥渴:跑模型贵到小公司根本烧不起
- 岗位蒸发:你招来的人,可能下个季度就被自家的 AI agent 替代
这课就是要把这三个痛点掰开揉碎,让你在课程里就想清楚答案——而不是等创业撞上墙了才发现。
一、AI 时代创业的五重困境
课程的出发点是一个清醒的判断:让 AI 这么强大的力量,正在反噬靠 AI 吃饭的公司。它把这种反噬拆成五层:
| 困境 | 到底在说什么 |
|---|---|
| 功能被商品化(Commoditized Features) | 你以为的差异化功能,基础模型一句话就能复刻 |
| 利润空间塌陷(Collapsing Margins) | 既然大家都能做,价格战直接打到零 |
| 算力成本飙升(Surging Compute Costs) | 推理、微调、agent 循环,每一步都在烧钱 |
| 电网不堪重负(Fragile Power Grids) | 数据中心耗电量大到开始挑战物理基建 |
| 整类岗位消失(Vanishing Work Categories) | 连你招人干的事,本身都不存在了 |
为什么这个拆法值得记——大部分 AI 创业课只聊前三层(功能、利润、算力),顶多加上"替代人类"的焦虑。但这门课把能源和就业也放进来,格局一下就打开了。它其实在暗示:未来的好公司,不是技术最强的,而是能在钱、电、人这三道关卡上都站得住的。
二、可持续性的三个维度:这门课真正的评估框架
如果只能从这门课带走一个东西,我建议带这个——三维可持续性框架。它不光能用来评估作业里的项目,也能直接套到你自己的创业想法上:
| 维度 | 要回答的硬问题 |
|---|---|
| 财务可持续 | 当 AI 把你的核心功能变成免费,你的商业模式还成立吗?换句话说,你的护城河到底在哪? |
| 能源可持续 | 新一代 AI 数据中心的耗电量史无前例。你打算在哪建机房、找谁合作、电从哪来? |
| 就业可持续 | 你能不能建一家创造有意义岗位的公司,而不是一边赚钱一边把人都掏空? |
这里有个容易被忽略的点:第三个维度(就业可持续)其实是这门课的一个隐含立场。市场上大部分 AI 创业者默认"用 AI 替代人"就是终局,但这门课反问——如果你建的公司只是把人掏空,那它凭什么值得存在? 这种带价值观的提问,在工程主导的伯克利是难得的。
三、为什么让学生同时扮演创始人和投资人?
这门课有个设计我很喜欢:你要同时戴两顶帽子。
- 创始人视角:用最新的 AI 工具,以前所未有的速度把公司搭起来,同时时刻警惕这些工具正在取代哪些岗位、哪些公司
- 投资人视角:站到 VC 的位置上,对自己的项目做压力测试——这公司撑得住吗?它会在钱、电、人哪道关上崩掉?
这个双重视角的妙处在于:它逼你跳出"我做的东西很酷"的自嗨。很多创始人失败,不是因为产品不行,而是因为他们从来没站在投资人角度,冷面地审过自己的生意。课程把"自我审视"做成了一门必修动作。
四、三个高潜力的挑战方向
学生跨学科组队,把公司从点子一路做到最终 pitch,聚焦下面三个方向。我逐个说下为什么它们值得做:
1. 模型之外的护城河(Moats Beyond Models)
当基础模型把大多数功能都变便宜甚至免费,什么样的商业模式还能立得住?
这是当下 AI 圈最核心的问题。课程引导你往数据、工作流、信任、监管、物理资产这些模型替代不了的层面去想护城河——而不是还在"我的 prompt 更好"上较劲。
2. 工作的未来(Future of Work)
AI 公司如何创造——而不是抹掉——有意义的工作和技能路径?
这个方向有点理想主义,但也最稀缺。大部分人在想"怎么用 AI 裁员",而这门课让你想"怎么用 AI 重新设计岗位"。做好了,可能就是下一个 LinkedIn 级别的机会。
3. 全球 AI 创业(Global AI Entrepreneurship)
AI 怎样让新兴经济体获得跨越式发展、在全球舞台上有一席之地?
说白了——以前发展中国家要补工业化的课,现在能不能直接借 AI 跳过几步?这个方向对中国创业者尤其有启发,因为它把视野从硅谷拉回到了全球。
五、这门课的核心论点(值得贴在墙上)
OpenAI、Anthropic、Google、Meta、DeepSeek 每突破一次,就有一整类创业公司一夜之间消失。
曾经够撑起一家公司的功能,如今被压缩成几行 API 调用;商业模式还没来得及跑通,就已经塌了。
这场挑战比的不是速度,而是耐力:在一个狂奔向超级智能的世界里,你能不能建一家真正创造持久价值的公司?
这段话基本就是整门课的纲领。它的潜台词是——别再比谁 launch 得快了,那个游戏已经结束了。新的竞争是比谁活得久,谁能在模型迭代的海啸里还能站着。
六、讲师 Vik Thairani:为什么是他来教
Vik Thairani 是 Sterling Keep 的管理合伙人,这家创业工作室专门投医疗健康和金融科技领域的早期 SaaS。
挑几个值得注意的背景:
- 二十年大公司、创业、加速器三栖经历——不是纯学者,是打过仗的人
- 职业起点微软,干了十多年产品、营销、销售领导岗——大公司视角
- 联合创办过数字健康公司 Tine Health,做过 Wearsafe Labs 的 CMO/COO——创业者视角
- 在 Berkeley SkyDeck 当过 Entrepreneur in Residence——投资人 + 加速器视角
这个履历的含金量在于:他同时见过大公司、创业公司、投资人三边的玩法。教一门"怎么建能活下去的公司",你需要的就是这种横跨多个视角的人——而不是只在一个领域待过的专家。
学历:UC Berkeley Haas MBA、UC Davis 经济学学士(辅修 CS)。
七、给不了解的人:Challenge Lab 到底是什么?
如果你没接触过伯克利 SCET 的 Challenge Lab,这里补个背景。
Challenge Lab 是面向所有专业背景学生的 4 学分课程,主打严谨、互动、团队协作、动手实战。它不靠单向讲授,而是用一套叫 Berkeley Method of Entrepreneurship(BMOE) 的教学法,把创业生命周期的早期阶段跑通。BMOE 靠五样东西:
- 游戏(Games)——用模拟降低试错成本
- 行业嘉宾(Industry Guest Speakers)——把一线实战搬进课堂
- 团队练习(Team Exercises)——练协作,这是创业的基本功
- 视频(Videos)
- 实验室(Labs)——真做东西
具体形式是:学生组队,针对企业合作伙伴提出的真实问题或社会挑战,做出技术方案或产品。换句话说,你做的不是作业,是一个可能真的会落到市场上的东西。
八、我的一点小结
把整门课串起来看,它的底层逻辑其实很清晰:
- 承认现实:AI 已经把"做产品"这件事的门槛打到了地板
- 重新提问:既然产品不值钱,那公司靠什么活?
- 给出框架:三维可持续性 + 双重视角
- 指向方向:护城河、工作未来、全球机会
如果你正在 AI 方向创业,或者打算创业,这门课的框架即使你不选,也值得拿来自己审一遍手头的项目——它问的那些问题,正是现在大多数 AI 创业者刻意回避的。
参考链接(References)
| # | 资源 | 链接 |
|---|---|---|
| 1 | 课程官方页面 | scet.berkeley.edu/students/courses/superintelligent-ventures |
| 2 | SCET 全部课程 | scet.berkeley.edu/students/courses/ |
| 3 | Berkeley Method of Entrepreneurship | scet.berkeley.edu/bmoe/ |
| 4 | Vik Thairani 介绍 | Sterling Keep |
| 5 | Berkeley SkyDeck 加速器 | skydeck.berkeley.edu |
| 6 | 相关课程:Climate-Positive Ventures | [[Challenge-Lab-Climate-Connected-Regenerative]] |
| 7 | 相关课程:Connected Life | [[Challenge-Lab-Climate-Connected-Regenerative]] |
| 8 | 相关 PG 文章:Default Alive or Default Dead | [[PG-Default-Alive-or-Default-Dead]] |
术语表
| 英文 | 中文 | 解释 |
|---|---|---|
| Superintelligence | 超级智能 | 超越人类智能的 AI |
| Commoditized | 商品化 | 功能变得无差别、低价 |
| Foundation Model | 基础模型 | GPT、Claude 等大模型 |
| Moat | 护城河 | 公司的可持续竞争优势 |
| Sustainability | 可持续 | 长期存活的能力 |
| Compute Cost | 算力成本 | 运行 AI 模型的成本 |
| Resilience | 韧性 | 抵抗冲击的能力 |
| Endurance | 持久力 | 长期存在的能力 |
| SkyDeck | 伯克利加速器 | UC Berkeley 的官方加速器 |
| EIR | 创业者入驻 | Entrepreneur in Residence |
| Leapfrog | 跨越式发展 | 跳过某些发展阶段 |
| SaaS | 软件即服务 | Software as a Service |