SpaceX 刚宣布以 600 亿美元收购 Cursor，没过几天，Cursor 创始团队就在 X 上推荐起一门完全免费的斯坦福课程。

这不是一次普通的课程分享。

Cursor 团队成员 @benln 评价这门课时，只写了一句话：

"Easily the best AI series available."

在此之前，另一位用户 @reva_jariwala 分享了一张讲师阵容图，并感叹：

"How is this a class? Absolutely insane line-up."

这条帖子很快收获了近 5000 个赞。

这门课就是 Stanford CS153: Frontier Systems（前沿系统）。

课程始于 2026 年春季，目前已经全部公开在油管。真正让它出圈的，不单是免费，换个说法几乎很难再找到第二门课程，能把 AI 行业最核心的人物一次性聚到同一个课堂。

讲师名单几乎覆盖了整个 AI 产业链：Sam Altman、Jensen Huang、Satya Nadella、Garry Tan、Ben Horowitz、Andrej Karpathy……

难怪很多网友把它戏称为 「AI Coachella」。

不过，比讲师阵容更值得关注的是课程本身。

它讨论的不是某个模型怎么训练，也不是哪项技术更先进，而是直面 AI 时代真正发生变化的底层规则：从能源、芯片、算力，到模型、应用、组织和决策。

很多人看完之后都有同一种感觉：不要把它一门普通的 AI 课程，这是少数真正把「游戏规则已经改变」讲清楚的内容。

为什么大家都在反复传播这三场？

整门课程有很多精彩内容，但在 X 上，被转发、剪辑最多的，主要集中在三场：

• Sam Altman
• Jensen Huang
• Garry Tan & Diana Hu（Y Combinator）

有意思的是，这三场讨论的并不是同一个问题。

放在一起看，它们刚好对应了 AI 时代最重要的三个层次：创业、基础设施，以及组织。

1. Sam Altman：旧时代的创业方法，已经失效了

在《Scale, AGI, and the Future of Everything》中，Sam Altman 回顾了自己 2014 年在斯坦福教授 CS183 创业课的经历。

他说，有两句话最值得今天的创业者反复思考。

第一句：

"以前需要 100 个顶级工程师才能做到的事，现在一个创始人，只要承担得起 Token 成本，就能做到。"

第二句：

"计算资源的短缺不是周期性的，而是结构性的。因为智能越便宜，人们就会创造出更多新的需求。"

这两句话共同指向了一个变化。

过去，创业公司的核心杠杆是不断扩张团队、招聘更多优秀工程师。

今天，真正的杠杆变成了另一件事：利用越来越便宜的智能，把时间花在真正值得解决的问题上。

创业的瓶颈，正在从「人不够」，逐渐变成「问题选得对不对」。

2. Jensen Huang：真正重要的，不是把 GPU 跑满

很多人以为，NVIDIA CEO Jensen Huang 会分享如何把 GPU 利用率做到最高。

结果恰恰相反。

在《The Compute Behind Intelligence》中，他谈到，自己并不追求 100% 的 MFU（Model FLOPs Utilization，模型算力利用率）。

他更希望系统长期保持相对较低的 MFU。

原因很简单。

如果算力、网络和内存始终留有足够余量，当面对突发的大规模复杂任务时，整个系统会拥有更高的弹性，而不是一开始就跑到极限。

这个观点，也延伸到了决策方式。

他提出了一个名为 DIVE 的决策框架：

• Descend：比别人多挖一层。
• Identify：识别这一层真正揭示了什么。
• Verify：用第一性原理验证判断。
• Execute：在其他人还停留在表层信息时率先行动。

如果说过去比的是谁更快，那么在 AI 时代，越来越重要的能力，可能是谁能看得更深。

3. Garry Tan：AI 真正改变的，是组织

如果说 Sam Altman 讨论的是创业，Jensen Huang 讨论的是基础设施，那么 Garry Tan 和 Diana Hu 谈的，就是组织本身。

他们在课程里说了一句很有冲击力的话：

"You can now boil the ocean."

意思并不是去完成一件不可能完成的事，而是 AI 正在重新定义「不可能」。

过去需要几十个人的大型项目，现在可能只需要几个优秀的人，就能完成。

真正发生变化的，不只是效率，而是团队能力的上限。

不过，他们认为，更大的变化发生在组织内部。

未来的公司，需要逐渐成为一个 closed-loop（闭环）系统。

重要的信息、决策和经验，不应该停留在员工个人的大脑里，而应该沉淀到整个组织，让每个人都能不断复用。

他们还反复强调了另一个关键词：Evals。

很多人把 Evals 当成模型评测工具。

但在他们看来，它真正的价值，是把创始人的判断标准、品味和经验，变成团队能够持续执行、不断验证的工作流程。

AI 可以复制知识，但真正决定组织竞争力的，是能否把优秀的判断力也复制出去。

三场内容，刚好拼出了 AI 时代的新规则

如果分别来看，这三场已经足够精彩。

放在一起，它们又形成了一套完整的认知框架。

Sam Altman 讨论的是：创业的杠杆已经改变。

Jensen Huang 讨论的是：算力和决策方式正在改变。

Garry Tan 讨论的是：组织和执行方式也必须随之改变。

它们共同回答的，其实是同一个问题：

当 AI 成为新的基础设施之后，公司应该如何重新构建自己的竞争力？

这也是为什么，它们会在 X 上被不断引用、剪辑和传播。

很多人以为自己是在看三场独立的分享，其实是在拼一张完整的地图。

为什么现在值得看？

2026 年已经过去一半。

但很多人讨论 AI 时，依然停留在去年的话题：模型参数、排行榜、算力竞争，以及团队规模。

这门课几乎绕开了这些热点。

它讨论的是另一层问题：

不是 AI 会不会改变世界，而是它已经改变了哪些底层规则。

不是继续追逐最新模型，而是重新理解创业、组织和决策应该如何演进。

如果你今年只准备认真看一门 AI 课程，我会优先推荐这一门。

因为它提供的不只是知识，更是一套理解未来几年的思考框架。

课程已经全部免费公开在油管。（或者可以关注本账号，后续将陆续推送）

如果时间有限，可以先从 Sam Altman、Jensen Huang，以及 Garry Tan & Diana Hu 这三场开始。

看完之后，你未必会立刻得到答案，但至少会知道：AI 时代真正发生变化的，到底是什么。