Capture record
- Canonical URI: https://www.bnext.com.tw/article/92956/sam-altman-mba-career-advice(JSON-LD
url/mainEntityOfPage)。1 - Source class: secondary synthesis/reporting(BusinessNext 轉載經理人月刊文章;文末標註「本文出自經理人月刊」);不是 Stanford GSB 訪談或 Fortune/Futurism 原檔的獨立稽核。1
- 作者/出版者: 經理人月刊(JSON-LD
author.name)/數位時代 BusinessNext。 - 發布時間: 2026-11-06T13:30:00+08:00(
datePublished=dateModified);擷取時間: 2026-11-06T07:07:26Z。 - Retrieval method: Python 標準函式庫
urllib.request直接 HTTP GET 讀取短 URL(HTTP 200、redirect 至 canonical page)之 HTML,並解析 JSON-LDNewsArticle與完整articleBody(2,748 chars;whitespace-normalized 2,740 chars、SHA-2568079b841faf00135970daeec3da4b234f84c3e9fb5c7cdcbcdf2073cfa68a4d3)。未使用 browser、browser process、proxy 或互動式登入。 - HTTP metadata: status
200;responseDate: Fri, 06 Nov 2026 07:07:26 GMT;Content-Type: text/html; charset=UTF-8;HTML 392,856 bytes;HTML SHA-256ce296ce3f5798f9bb431031daeca432a99ab15bf6f6239f8fb2856154ef7203f(頁面含動態內容,重抓 byte 數會變動)。
Faithful summary
OpenAI 共同創辦人暨執行長 Sam Altman(奧特曼)在史丹佛大學商學研究所「頂峰視野」(View From The Top,暫譯)訪談中對 MBA 學生說:「我對 MBA 學生的長期失望在於,他們總是想去做 5 年前很酷的事,而不去嘗試新事物」,並稱「現在正是去做新東西的好時機」。1
個人經歷: Altman 自述大學時身邊最聰明的同學都想進投資銀行,他跟著申請並拿到高盛(Goldman Sachs)紐約實習;今年 7 月他在舊金山科技實習生聚會 Internapalooza 上形容自己「被同儕壓力推著,有點像是被騙進去的」。興奮過後他確定自己不適合,Y Combinator 願意資助他和朋友的專案、負擔整個暑假生活費,他放下投行選擇創業——該專案即定位社群服務 Loopt(YC 第一批扶植的新創之一)。1
什麼才算「新東西」: 主持人反問「現在最酷的不就是 AI 嗎?」引起現場爆笑。Altman 以 OpenAI 複製品為反例:現在再做一個 OpenAI 就是在追 5 年前的熱門、時機很糟;他看好建立在 OpenAI 已推向世界的技術之上的新公司,並表示希望它們的規模會比 OpenAI 大得多、更重要——只是拿 AI 來做事未必算新東西。1
護城河判斷: 回應「模型愈來愈強、軟體公司護城河是否消失」的提問時,Altman 說從商業史看軟體本身很少構成堅固護城河;能長期擋住對手的是網絡效應(如 Facebook)、規模經濟(如 Google)或企業軟體累積下來的數據。評估 AI 點子時可先看它能否累積出模型本身給不了的用戶網絡、規模或獨有數據。1
AI 與就業: Altman 判斷 AI 會大幅改變工作但不會讓工作消失:「我不認為會出現很多人口中的那種就業末日」,但「人們今天所做的大量任務,會由 AI 做得更好、更便宜、更快」。他以數學界對 AI 的反應為例描述調適歷程(Day 0「這是假的」、Day 1「我們完蛋了」、Day 3「AI 開場爛透了」、Day 5 風向大轉彎——數學家發現決定研究方向、理解知識意義、向人類解釋證明仍需數學家智慧);並稱過去 2 年軟體工程師與管理顧問也走過類似歷程,人們還是想跟真人談。1
新人機會: 他認為各領域重新洗牌時正是新人機會:規則改寫時資深者累積的做法有一部分失效、新人和老手差距縮小;「具備高度潛力、幹勁、想法、看事情的新角度和新技能的人,在地面晃動得最劇烈的時候表現相對最好」。1
學習速率: Altman 在史丹佛主修電腦科學、2005 年念完 2 年後輟學,19 歲共同創辦 Loopt(公司後來被收購),2014–2019 年任 Y Combinator 總裁,本人沒有 MBA 學位。他稱新創是「我待過學習速率最高的環境」;學得快的方法是別在準備上花太多時間、先動手試,以刻意練習反覆做實驗並回頭反思修正判斷。1
創業申請數據: 據《財星》(Fortune)報導,美國人口普查局追蹤該數據 20 年來,2025 年新事業申請達 570 萬份、創歷史新高(涵蓋所有申請雇主識別碼的新事業,不少為無聘僱員工的個人工作室或副業);較可能聘僱員工的「高潛力申請」2025 年約 171 萬份、大約占 3 成。Reddit 共同創辦人 Alexis Ohanian 去年接受《財星》訪問時表示,過去 2 年才創業的人一開始就在 AI 時代打造公司、組織 DNA 天生帶有優勢;科技媒體《Futurism》則指出 AI 本身離「5 年前很酷的事」也不遠了(ChatGPT 2022 年 11 月問世時的興奮感如今恍如隔世),且 Paul Graham 曾表示看到創業者用 AI 代寫提案只視為偷懶的訊號。1
Faithful capture(articleBody,whitespace-normalized)
史丹佛大學商學研究所(Stanford Graduate School of Business)的「頂峰視野」(暫譯,原文為 View From The Top)訪談現場,台下坐滿了商學院學生。OpenAI 共同創辦人暨執行長奧特曼談到年輕人的職涯選擇,當著他們的面說:「我對 MBA 學生的長期失望在於,他們總是想去做 5 年前很酷的事,而不去嘗試新事物。」他接著補了一句:「我認為現在正是去做新東西的好時機。」奧特曼對追逐熱門的批評,來自他的親身經驗。他在訪談中提到,大學時身邊最聰明的同學都想進投資銀行,他也跟著申請,拿到了實習機會。銀行請他飛到紐約、招待豪華晚宴,年輕的他一度興奮不已。今年 7 月,他在舊金山科技實習生聚會 Internapalooza 上透露,那是高盛(Goldman Sachs)的實習,還形容自己「被同儕壓力推著,有點像是被騙進去的。」興奮過後,他愈來愈確定自己不適合這份工作。剛好 Y Combinator 願意資助他和朋友手上的專案,負擔整個暑假的生活費,他把這當成宇宙給他的訊號,放下投行選擇了創業。這個專案就是後來的定位社群服務 Loopt,也是 YC 第一批扶植的新創之一。不過,主持人隨即點出了奧特曼邏輯上的矛盾,帶著難以置信的語氣反問:「所以要去做新的事,可是現在最酷的不就是 AI 嗎?」這句回覆引起現場的爆笑和掌聲。 什麼才算「新東西」?當年他放下熱門選項,投入一條少有人走的路。如今他要學生去找的「新東西」,方向也很具體。他先舉了個反例:現在再做一個 OpenAI 的複製品,就是在追 5 年前的熱門,時機很糟。他看好的是建立在既有技術上的新公司:「有許多公司可以建立在 OpenAI 已經推向世界的技術之上。我希望它們的規模會比 OpenAI 大得多,也更重要。」這也回應了主持人的玩笑,AI 本身確實是最熱門的領域,但只是拿 AI 來做事,未必就算新東西。至於怎麼分辨,奧特曼在訪談後段回答學生提問時,給了一個判斷依據。一位做軟體的學生問,模型愈來愈強,軟體公司的護城河是否正在消失。奧特曼回答,從商業史來看,軟體本身很少構成堅固的護城河。能長期擋住對手的,向來是網絡效應(如 Facebook)、規模經濟(如 Google),或是許多企業軟體累積下來的數據。軟體只是讓創業者先搶到時間,把這些壁壘蓋起來。照這個思路,評估一個 AI 點子時,可以先看它能否累積出模型本身給不了的東西,例如用戶網絡、規模或獨有數據。 從數學家到顧問:AI 會吃掉大量任務,但不會有「就業末日」奧特曼敢叫學生現在出發,是因為他判斷 AI 會大幅改變工作,卻不會讓工作消失。他說:「我不認為會出現很多人口中的那種就業末日。」他也不否認衝擊有多大:「人們今天所做的大量任務,會由 AI 做得更好、更便宜、更快,而且方式完全不同,這完全是真的。」衝擊來臨時,一個專業領域的反應往往是先恐慌、再調適。奧特曼以最近數學界的反應為例:第 0 天:「這是假的。」第 1 天:「我們完蛋了,數學領域沒救了,快叫研究生轉系!」第 3 天:「AI 做出來的開場爛透了,如果這是理解數學的代價,我們寧可不要。」第 5 天:風向大轉彎,數學家開始發現,AI 固然能推動數學發現,但「決定研究方向、理解知識意義、如何向人類解釋與呈現證明」,依然需要數學家的智慧。「他們開始意識到,自己將迎來一種不同、但可能更好的數學家職涯。」奧特曼說,過去 2 年軟體工程師也走過類似的歷程,管理顧問也恐慌過一陣子。後來大家發現,即使 AI 做簡報的能力再強,人們還是想跟真人談,沒有人真的想讓一個 AI 顧問跑來告訴自己該怎麼做。在他看來,各個領域重新洗牌的這段時間,正是新人的機會:「如果你現在正要進入這個世界去做些什麼,我認為你會希望在變動程度最高的時候開始自己的職涯,而且你會希望競爭場域是最開放的。具備高度潛力、幹勁、想法、看事情的新角度和新技能的人,在地面晃動得最劇烈的時候表現相對最好。」原因在於,規則改寫時,資深者累積的做法會有一部分失效,新人和老手的差距也隨之縮小。「做一個月新創,等於拿到一整個 MBA」要在晃動的時代中搶到位置,得學得比別人快。奧特曼對這件事的體會,來自當年輟學創業的經驗。他在史丹佛主修電腦科學,2005 年念完 2 年後輟學,19 歲與同學共同創辦前面提到的 Loopt,公司後來被收購;2014 年至 2019 年,他擔任 Y Combinator 總裁。他本人並沒有 MBA 學位。回想輟學,他說:「我當時很難過要從學校輟學,因為我愛學校,我也擔心自己就不會再繼續學東西了。但做新創對我來說最酷的一件事是,它過去是、現在也仍然是我待過學習速率最高的環境。」他轉述年輕創業時聽過的一句話,印象中出自 YC 共同創辦人保羅.葛拉漢(Paul Graham):「做一個月的新創,你會得到一整個 MBA。」接著他自己補充:「我沒有 MBA,所以我無法判斷這句話是不是真的。但我確實很快學到很多關於商業、產品、客戶、銷售,還有其他各種對我後來職涯非常重要的東西,我想那些是我在學校裡學不到的。」學得快的方法,奧特曼表示別在準備上花太多時間,先動手試。前提是刻意練習,反覆做實驗,每次看完結果都回頭反思,修正自己對事情的判斷。他說,人們通常低估了自己一頭栽進去之後進步的速度。不想守舊的人已經在行動,美國創業申請衝上 570 萬份奧特曼的呼籲,在美國已經看得到動靜。據《財星》(Fortune)報導,美國人口普查局追蹤這項數據 20 年來,2025 年的新事業申請達 570 萬份,創下歷史新高。這個數字涵蓋所有申請雇主識別碼的新事業,其中不少是沒有聘僱員工的個人工作室或副業。人口普查局另外標出較可能聘僱員工的「高潛力申請」,2025 年約 171 萬份,大約占 3 成。創業者看好 AI 帶來的優勢。Reddit 共同創辦人亞歷克西斯.歐哈尼安(Alexis Ohanian)去年接受《財星》訪問時表示,過去 2 年才創業的人,一開始就在 AI 時代打造公司,組織 DNA 天生帶有優勢。也有人提醒,熱潮退得比想像中快。科技媒體《Futurism》指出,AI 本身離「5 年前很酷的事」也不遠了。ChatGPT 在 2022 年 11 月問世時掀起的興奮感,如今恍如隔世。輿論很快轉向,企業則拿 AI 來自動化工作、監控員工,甚至當作裁員的理由。連格雷厄姆都說過,看到創業者用 AI 代寫提案,他只會視為偷懶的訊號。這正好回到奧特曼自己的判斷標準。光是用了 AI 還不夠,能累積出模型給不了的網絡、規模或數據,才算得上新東西。(本文出自經理人月刊)
Claim ledger
| ID | Claim | Status | Boundary / Note |
|---|---|---|---|
| C01 | BusinessNext 92956 的標題、作者(經理人月刊)、publisher(數位時代 BusinessNext)與發布時間(datePublished=dateModified=2026-11-06T13:30:00+08:00)。 | supported | 由 canonical page JSON-LD NewsArticle 直接讀取;只支持頁面 metadata。1 |
| C02 | Altman 在 Stanford GSB「View From The Top」訪談中對 MBA 學生說「我對 MBA 學生的長期失望在於,他們總是想去做 5 年前很酷的事,而不去嘗試新事物」,並稱現在正是做新東西的好時機。 | partially-supported | BusinessNext/經理人月刊轉述訪談口徑;owning source 為 Stanford GSB 訪談原檔(影片),本輪未直接讀取。1 |
| C03 | Altman 自述大學時申請並獲得高盛紐約實習、形容「被同儕壓力推著,有點像是被騙進去的」(引述其今年 7 月 Internapalooza 發言);YC 資助他和朋友的專案後他放下投行選擇創業,該專案為 Loopt(YC 第一批扶植的新創之一)。 | partially-supported | BusinessNext/經理人月刊轉述層級;Internapalooza 原檔與 YC 官方紀錄本輪未直接讀取。1 |
| C04 | Altman 稱現在再做一個 OpenAI 複製品就是在追 5 年前的熱門、時機很糟;看好建立在 OpenAI 已推向世界的技術之上的新公司,希望它們規模比 OpenAI 大得多、更重要。 | partially-supported | BusinessNext/經理人月刊轉述訪談口徑層級;屬個人觀點,非事實性斷言。1 |
| C05 | Altman 的護城河判斷:從商業史看軟體本身很少構成堅固護城河;能長期擋住對手的是網絡效應(如 Facebook)、規模經濟(如 Google)或企業軟體累積下來的數據;評估 AI 點子應看能否累積模型給不了的用戶網絡、規模或獨有數據。 | partially-supported | BusinessNext/經理人月刊轉述訪談口徑層級;屬個人商業史觀點,非實證研究結論。1 |
| C06 | Altman 稱不認為會出現「就業末日」,但人們今天所做的大量任務會由 AI 做得更好、更便宜、更快且方式完全不同;以數學界 Day 0(這是假的)→Day 1(我們完蛋了)→Day 3(AI 開場爛透了)→Day 5(風向大轉彎:決定研究方向、理解知識意義、解釋證明仍需數學家智慧)描述調適歷程,並稱過去 2 年軟體工程師與管理顧問也走過類似歷程。 | partially-supported | BusinessNext/經理人月刊轉述訪談口徑層級;「Day N」為文章對訪談敘事的整理,時間點精確度以原訪談為準(本輪未讀取)。1 |
| C07 | Altman 稱各領域重新洗牌時正是新人機會:規則改寫時資深者做法部分失效、新人和老手差距縮小;具備高度潛力、幹勁、想法與新技能的人在地面晃動最劇烈時表現相對最好。 | partially-supported | BusinessNext/經理人月刊轉述訪談口徑層級;屬個人觀點。1 |
| C08 | Altman 在史丹佛主修電腦科學、2005 年念完 2 年後輟學、19 歲共同創辦 Loopt(公司後來被收購)、2014–2019 年任 Y Combinator 總裁、本人沒有 MBA 學位;稱新創是他待過學習速率最高的環境,學得快靠刻意練習、反覆實驗與反思。 | partially-supported | BusinessNext/經理人月刊轉述層級;Loopt 被收購、YC 任期等背景事實未獨立核對 owning source。1 |
| C09 | 據《財星》報導,美國人口普查局追蹤該數據 20 年來,2025 年新事業申請達 570 萬份、創歷史新高(涵蓋所有申請雇主識別碼的新事業);「高潛力申請」2025 年約 171 萬份、大約占 3 成。 | partially-supported | BusinessNext/經理人月刊歸屬 Fortune 對美國人口普查局數據的報導;owning source 為 Census Bureau 原始統計與 Fortune 原檔,本輪未直接讀取。1 |
| C10 | Reddit 共同創辦人 Alexis Ohanian 去年接受《財星》訪問時表示,過去 2 年才創業的人一開始就在 AI 時代打造公司、組織 DNA 天生帶有優勢;《Futurism》指出 AI 本身離「5 年前很酷的事」也不遠了(ChatGPT 2022-11 問世時的興奮感如今恍如隔世),企業拿 AI 自動化工作、監控員工甚至當作裁員理由;Paul Graham 曾表示看到創業者用 AI 代寫提案只視為偷懶的訊號。 | partially-supported | BusinessNext/經理人月刊歸屬 Fortune/Futurism 的轉述層級;Ohanian 訪談原檔、Futurism 原文與 Graham 發言原始出處本輪未直接讀取。1 |
| C11 | Stanford GSB「View From The Top」訪談原檔(影片/逐字稿)、Fortune 對 Census Bureau 數據的報導原檔、Futurism 原文、Internapalooza 活動紀錄。 | unresolved | 本輪僅讀取 BusinessNext canonical page;owning sources 均未直接讀取,未加入 verified。1 |
Evidence boundary
raw-only。本輪直接讀取 BusinessNext canonical page HTML 與 JSON-LD NewsArticle(含完整 articleBody);Stanford GSB「View From The Top」訪談原檔、Fortune/Census Bureau 數據報導原檔、Futurism 原文與 Internapalooza 紀錄均未直接讀取。所有 Altman 發言維持 BusinessNext/經理人月刊轉述層級,統計數字(570 萬份、171 萬份)維持 Fortune 歸屬口徑,未加入 verified。
Rights boundary
BusinessNext/經理人月刊內容受其版權、授權或網站條款約束。本次僅保存 metadata、繁中 faithful summary、articleBody 忠實文字(whitespace-normalized 2,740 chars)、claim ledger、證據界線與來源連結;未保存完整 HTML payload。文中訪談發言之最終依據以 Stanford GSB 原檔為準,統計數字以美國人口普查局原始發布為準。