一個 92 後的創業教育：從曾國藩到 Waymo，再到放棄千萬美元期權

本文整理自《張小珺Xiaojùn Podcast》2026 年 2 月播出的單集。

{{< youtube c-ZVu-Cr1FQ >}}

{{< spotify "episode/6T1c1ruXCHKhoSA0fIU58N" >}}

{{< apple-podcast "tw/podcast/132-%E5%AF%B9%E6%98%9F%E6%B5%B7%E5%9B%BE%E5%88%9B%E5%A7%8B%E4%BA%BA%E9%AB%98%E7%BB%A7%E6%89%AC%E7%9A%843%E5%B0%8F%E6%97%B6%E8%AE%BF%E8%B0%88-%E9%B2%B6%E9%B1%BC-%E6%9B%BE%E5%9B%BD%E8%97%A9-waymo%E4%B8%8Emomenta%E7%9A%84%E4%B8%A4%E9%9D%A2-%E4%B8%80%E5%8F%AA%E7%8B%BC%E4%B8%8E%E8%AE%B8%E5%8D%8E%E5%93%B2%E7%9A%84%E7%A6%BB%E5%BC%80/id1634356920?i=1000749574835" >}}

---

主持人張小珺見到高繼揚（Gao Jiyang）的第一反應是驚訝：她一直以為對方是 80 後，直到見面前查資料才發現他是 1992 年生的。高繼揚笑著說，可能跟創業有關，也跟面相偏老有關。但聽完三個小時的訪談你會發現，讓他看起來比同齡人成熟的，不是皺紋，是他在每一個人生階段做選擇的方式。

這篇文章整理他從石家莊普通學生到具身智能創業者的完整路徑。不是為了寫一篇勵志故事，而是因為他的每一段經歷，都精準地為下一段做了準備。這種「階段性全力投入」的節奏感，本身就是一套值得拆解的方法論。

---

歸納總結：一個從小學用到創業的方法論

高繼揚不是天才型選手。他自己說得很坦白：在石家莊二中省理科實驗班學物理競賽的時候，有些同學做一遍題就會了，他就是想不到那個解法。到了清華，差距更明顯。同屆的楊植麟（Kimi 創辦人）是他口中「高不可攀的大神」，同班的韓衍隽寫的作業他看不太懂，得換一個人的作業參考。

但他有一個武器：歸納總結。物理競賽的題型能映射到什麼考點，他一道一道歸納；別人刷兩遍題，他刷四遍。2010 年全國物理競賽拿到全國二等獎，正好那年清華二等獎也能挑專業，他就這樣保送進了清華電子系。

這個方法論後來被他用在了所有場景裡。讀博士的時候，他先給自己定目標：四年畢業（正常要五到六年），需要 4-5 篇頂會論文。然後他把頂會論文歸納成三類套路：第一類是挖坑型，提出一個新問題、建立基準；第二類是提升性能型，在已有問題上做得比前人好；第三類是降低成本型，用更少的數據達到類似性能。幾乎所有論文都能套進這三類。他按照這個框架排時間表、分配想法給實驗室同學合作，最終三年半就拿到了南加大的博士學位。

---

曾國藩時刻：從清流到務實的轉折

大三暑假，高繼揚去史丹佛參加暑期實習計畫。實習結束後申請博士，他想去的學校全部落榜。問題出在那位教授給他的推薦信不夠強，而他沒讓那位教授寫推薦信的幾所學校（包括 USC、UCSD）反而都給了 Offer。

這是他人生中第一次真正的挫敗。他的反應不是怨天尤人，而是看書。他有個從小養成的習慣：遇到低谷就去讀歷史傳記，從別人的困境裡找靈感。

那段時間他讀到了曾國藩。一個二十多歲的儒家清流，到了四十歲變成能帶領大軍、在亂世中拿到結果的人。高繼揚從這個轉變裡看到了自己的映射：想走學術路線去最好的學校，這條「清流」之路走不通了。那還能做什麼？曾國藩的答案是：去真實世界做事，調動資源，帶領團隊，把事情做成。

高繼揚說，這個頓悟讓他不再把申請到頂尖學校當成目標，而是從底層重新思考：我未來到底要做什麼，以及我需要為此做什麼準備。他本來就想創業，這次挫敗反而逼他提前想清楚了方向。

---

騎車頓悟：AI 的魔力

從曾國藩那裡獲得的務實轉向，很快就找到了落點。大四的時候，商湯科技創辦人湯曉鷗在清華辦了一場小範圍交流，高繼揚拿到了一個實習機會。他當時什麼都不會，從來沒訓練過神經網路。

但四五個月的實習徹底改變了他的方向。有一天他從實習地點騎自行車回去，腦子裡轉著剛訓練完神經網路的感受。突然他想通了一件事：以前寫程式，是人去歸納規律、寫成 if-else 規則；現在神經網路可以自己從數據裡提煉規律，整個過程全自動。

他回憶這個瞬間的原話是：「我就在騎自行車，突然想到，感覺這以後神經網路可以代替人在數據當中發現規律，這個事太牛了，我以後得做這個。」

這個判斷發生在 2014 年底到 2015 年初。那時候 AlphaGo 還沒問世，深度學習在大眾認知裡幾乎不存在。但高繼揚已經確定了自己的長期方向：物理世界的 AI。不是做搜尋廣告那種「有 AI 更好、沒有 AI 也行」的行業，而是「沒有 AI 就不存在」的行業。他用這個標準過濾了所有選項，最後只剩下自動駕駛。

---

Waymo：工程師的系統性訓練

2019 年加入 Waymo 之後，高繼揚做的不是埋頭寫程式。他花大量時間讀 Waymo 的程式碼庫，不只看最新版本，而是從歷史紀錄一路讀到現在，看一個工程體系怎麼迭代演化。他跟聯合創始人趙行（Zhao Xing，清華大學助理教授）在 Waymo 第一次合作，一起做了 VectorNet 這篇論文，用圖神經網路和 Self-Attention 處理地圖向量化的問題，後來被業界廣泛使用。

但他對 Waymo 的評價很坦誠。他說在 Waymo 學到的東西比他對 Waymo 的貢獻要多。Waymo 教會他的是工程師思維：怎麼拆解問題、怎麼測量、怎麼系統性地理解一個複雜系統。Google 體系下的工程基礎設施和人才密度，在當時幾乎無人能及。

這段經歷對他後來創業的影響，不是某個具體技術，而是一種做事的方法。進入一個新領域，先把歷史文檔讀一遍，再把程式碼讀一遍，從過去看到現在，找到迭代的邏輯和 Know-how。他後來在 Momenta 橫跨感知、定位、規控、NOA 多個模組的時候，用的就是同一套方法。

---

Momenta：以客戶為中心的殘酷訓練

如果說 Waymo 是工程師天堂，Momenta 就是戰場。核心算法團隊每天到晚上 12 點，一週六天打底。國內車企客戶的文化很直接：做得不好就罵，罵完要你把老闆叫來解釋。高繼揚被問到有沒有被罵過，他說那是很平常的事，他不太在意。

但 Momenta 給他的訓練是不可替代的。他被曹旭東（Cao Xudong，Momenta 創辦人）以「鯰魚」的角色引入，在感知、定位、泊車、規控多條線輪轉，最終主導了 NOA（領航輔助駕駛）的量產交付。從 Demo 級產品變成能向上汽這種 B 端大客戶交付的商品，這中間的差距遠比外人想像的大。

他說在 Momenta 學到的最底層的東西，是「以客戶為中心」的真義。不是客戶說做什麼就做什麼，而是站在客戶的角度理解他的需求，甚至幫他挖掘他自己沒意識到的需求，然後提出更好的方案。這不只適用於對外客戶，公司內部的上游團隊面對下游團隊，也是同樣的邏輯。

他高度評價曹旭東的戰略能力：很早就判斷出量產自動駕駛加飛輪效應再到 Robotaxi 這條路線，然後在過程中不管遇到什麼波折都不動搖。高繼揚後來把這種「戰功文化」直接帶進了星海圖。

---

放棄一千萬美元的決策

2022 年底，高繼揚 30 歲生日。幾件事同時交織在一起：ChatGPT 讓全社會重新相信 AI，量產自動駕駛證明端側智能可行，機器人所需的端側算力和感測器已經 Ready，特斯拉正式宣布做人形機器人。他判斷所有要素到位了。

但他沒有立刻離職。他先把手上的 NOA 量產交付做完，親自試駕了國內幾乎所有帶 NOA 功能的車，確認品質還不錯，然後在 2023 年 5 月提了離職。放棄的期權大約一千萬美元。

張小珺問他心疼嗎。他的回答很乾脆：一點都不心疼。他說他最在意的事是自己想做的那件事，跟這件事比起來，錢的價值不大。而且日常也花不了多少，吃飯正常夠了。

這不是在裝清高。從他整段成長路徑來看，每一次選擇都遵循同一個邏輯：找到那個「絕對變量」，然後全力投入。六年級暑假全力備考分班考試，高中全力衝物理競賽，博士全力壓縮時間拿學位，Waymo 全力學系統，Momenta 全力學量產，創業全力做整機和數據。每一段都是階段性的 All-in，每一段結束都毫不猶豫地進入下一段。

---

理想主義的保質期

高繼揚身上有一個不容易被注意到的矛盾。他的長期願景非常理想主義：讓訓練機器人像培訓員工一樣簡單，通過少量示範和自我演練，機器人就能在真實場景中穩定地自主完成任務。但他實現這個願景的方式極其務實：先花一年補整機和供應鏈的課，再花一年做數據體系和基礎模型，第三年才開始場景落地。

他對這個矛盾有自覺。訪談結尾他說：理想主義是對的，但理想主義不能變成空想。理想主義能實現的基礎，是我們每天都要去算 ROI。

從曾國藩那本傳記開始，這條線索就一直沒斷。一個想做大事的人，最重要的不是理想有多宏大，而是在真實世界裡能調動多少資源，帶多少人一起把事情做成。高繼揚 20 歲讀到這個道理，30 歲開始實踐。他的故事不是天才創業的傳奇，而是一個普通聰明人如何用歸納總結、階段性全力投入、和對「絕對變量」的執著，一步一步走到今天的位置。