AI 削薄入门岗位，a16z 办学校用作品集换掉学位
给 5 万美元算力、搭上 OpenAI 与英伟达的 a16z 系学校，不发学位也不保工作
安德森·霍洛维茨（Andreessen Horowitz）周二推出了 Horowitz Andreessen Academy —— 一所位于旧金山的营利性全日制学校，面向那些宁愿动手造东西、也不愿去读四年制大学的高中毕业生。这所由 a16z 孵化的学校已融资 4200 万美元，其中 3500 万来自这家风投机构；它同时开放了一个免学费、约 50 人的创始班 Fellowship 申请，项目 2027 年 9 月开课。
这所学校出现在 AI 就业市场的一个特定时刻。斯坦福数字经济实验室 8 月的报告称，在最受 AI 影响的职业里，22 至 25 岁人群的就业水平，比「如果跟上了受影响较小的同龄人」应有的水平低了约 19%，这道缺口主要由企业减少招聘年轻人造成。这所学校的十家创始合作方里有 Anthropic、OpenAI、谷歌和 Meta —— 正是那些模型在重塑入门工作的公司。如今它们在帮着设计一条用作品集和人脉替代学位的通道，不过按学校自己的说法，没有任何一家承诺录用固定数量的毕业生。
这让这所学校与其说是大学的替代品，不如说是想重建被 AI 磨薄的初级人才入口。提前批申请截止于 2026 年 11 月 5 日。
Horowitz Andreessen Academy 给 2027 届开出的条件
学校由创始人兼 CEO Gagan Biyani 领导，他联合创办过在线课程市场 Udemy，后来又创办了同期学习创业公司 Maven，该公司拿过 a16z 领投的 2500 万美元融资。马克·安德森和 a16z 普通合伙人 Erik Torenberg 与 Biyani 一同进入董事会。除 a16z 外，这 4200 万美元还来自一批个人投资者：Quora 联合创始人 Adam D'Angelo、Shopify CEO Tobi Lütke、DoorDash CEO Tony Xu、不久前任 OpenAI 应用业务 CEO 的 Fidji Simo、Y Combinator 的 Garry Tan、Alpha School 的 Joe Liemandt，以及 Palantir CTO Shyam Sankar。
这个为期一年的 Fellowship 有固定日程。学生从 9 月到次年 4 月在旧金山校区做项目，5 月出国游学，6 月到 8 月进入一家科技公司做 co-op 实习。做什么是开放的，可以是创办公司、训练模型，也可以是写一本书，进展每周向同伴和从业者汇报。
每名学生从合作方获得价值 5 万美元以上的算力额度和技术资源，外加 5000 美元的旅行与探索预算。十家创始合作方是 Anduril、Anthropic、Coinbase、谷歌、Meta、英伟达、OpenAI、Palantir、Replit 和 Stripe；学校称另有 40 多家公司签约成为招聘合作方，包括 Databricks、Cognition、Notion 和 Applied Intuition。
首页列出的讲师和导师包括 Sam Altman、黄仁勋、萨提亚·纳德拉、Mira Murati、李飞飞、Ali Ghodsi、Dylan Field、Travis Kalanick 和 Naval Ravikant，更广的网络里还列了约 240 个名字。本·霍洛维茨用工业化的措辞解释了理由，他说为工业革命打造的那套培养方式「没法完美映射到 AI 革命上」。
以作品定录取，取代的是文书，不是成绩单
录取权重偏向申请者「造过、发布过、挣到过」什么。第一阶段申请要交个人作品网站、一段短视频、联系方式、考试成绩和高中成绩单。这一阶段不要文书、不要推荐信，但成绩单和分数仍需存档。
资格按学历而非年龄界定。申请者需在 2027 年 8 月前拿到高中文凭或同等学历；若届时已完成超过一年的全日制大学学业，则失去资格。未满 18 岁者可由父母或监护人共同签署后申请，美国国籍不是必需，不过学校表示无法保证签证获批。发布稿里另有一句说，多数学生会直接来自高中，或者「在一所精英大学读了一到两年之后」前来 —— 这个说法比那条正式的「一年上限」宽松，申请者应当直接向校方核实。
学校展示了几位早期申请者来标明门槛：一位设计并造了一条六轴机械臂，一位做了个年经常性收入六位数的 AI 图书索引工具，第三位做的运动类应用有 8.3 万名用户，第四位为一家酶工程创业公司融到了 10 万美元。这些是学校自选、未经核实的目标画像样本。
AI 课程里装的是什么：推理、评测和智能体框架
课程从两天到四周不等，由从业者而非学者讲授。公开的课程目录列了 62 门课与方向。除了创始人亲自做销售、股权结构表这类创业常规课，AI 相关的课程紧跟着应用 AI 工程这两年的移动方向。
其中一门《AI 推理工程》讲的是语言模型的服务侧：怎样在生产环境里又便宜又快地跑一个训练好的模型。这块工作包括把多个用户请求批到一块 GPU 上、缓存中间的注意力计算以免重复上下文被反复算、把模型权重量化到更低精度以省显存，以及按延迟目标挑硬件。对多数建立在基础模型之上的创业公司来说，决定毛利率的是推理成本而不是训练成本。
另一门《构建与评测 AI 产品》由 Hamel Husain 和 Bryan Bischof 讲授，两人以 LLM 评测方面的工作闻名。评测就是 AI 软件的测试套件。因为模型的输出每次运行都会变，团队要做带评分的数据集、自动裁判和错误分类法，才能衡量一次改动是不是真的让行为变好了。没有这些，产品演示看着很强，却会在真实输入的长尾上悄悄失败。
第三门《框架工程：为可靠智能体设计运行层》瞄准的是模型周边的脚手架：工具定义、记忆、上下文管理、权限校验和重试逻辑 —— 正是这些把一个聊天模型变成能做多步工作的智能体。到 2026 年，智能体的可靠性取决于这一层的程度，已经不亚于取决于底层模型，这也是各家实验室和开发者工具公司如今都自带框架的原因。
延伸阅读：英伟达开源了一个自主的智能体框架优化器
在研究这一端，《AI 研究与模型》方向把李飞飞和 Yann LeCun 列为讲师，《算力、基础设施与安全》方向则有 Daniel Gross、Naveen Rao 和 Palo Alto Networks CEO Nikesh Arora。整套课程把 AI 当作一种要去部署、评测和放大的建筑材料，而不是一门要从第一性原理钻研的学问。这个取舍反映了学校在 a16z 的发布文里写明的前提：如今的青少年可以「早上构想一门新生意，日落前就挣到收入」。
5 万美元算力额度，约等于几个月的 H100 机时
5 万美元的算力额度是这个包里最实在的 AI 资源，值得算一算。按 2026 年的价格调研，在专业云和部分超大规模厂商那里，按需租用一块 英伟达 H100（仍是微调和推理的主力加速卡）的价格大约在每 GPU 小时 2 到 4 美元之间。照这个价，5 万美元能买到约 12500 到 25000 个 H100 小时，相当于一台八卡服务器连续跑两到四个月。
对一个学生来说，这是相当可观的容量。它足以支撑数百亿参数级开源权重模型的反复微调、小模型上的强化学习实验、训练紧凑的机器人或视觉策略，以及智能体产品的大量 API 调用。但它离前沿预训练还差得远 —— 那要跑在数万块 GPU 的集群上。这些额度还是「来自学院合作方」并与「技术资源」打包在一起的，所以实际价值多半取决于各家合作方的条款、平台和有效期规则，而学校没有细说。
这笔额度同时也是分发渠道。一个学生在密集的一年里用某家合作方的云、模型 API 或开发者平台做出第一个产品，很可能成为长期客户。各家云厂商的创业额度计划，以及 a16z 自家的 speedrun 加速器（每家公司打包 500 万美元以上的额度），用的是同一套逻辑。
入门招聘萎缩之际，AI 实验室合办了一所学校
发布当天的报道大多围着硅谷的辍学神话打转。但劳动力数据指向一个更实际的驱动因素。斯坦福数字经济实验室更新版的《煤矿里的金丝雀》论文使用截至 2026 年 6 月的 ADP 薪资数据，没有发现全经济范围的 AI 岗位替代，却发现软件开发、客户服务等受影响职业中年轻劳动者的缺口正在扩大。就绝对水平而言，受影响最深的两个五分位里，22 至 25 岁人群的就业从 2022 年 11 月到 2026 年 6 月下降约 11%，而受影响最小的五分位中同一年龄段增长了约 10%。研究者把这道缺口主要归因于年轻人招聘减少而非裁员，并发现下降集中在 AI 替代任务、而非补充劳动者的地方。
这个发现描述的是一级断掉的梯子。进入科技业的经典路径 —— 先拿计算机科学学位，再在大公司边干边学几年 —— 依赖的是企业肯付钱让初级员工去做如今 AI 工具就能处理的活。该论文第一作者 Erik Brynjolfsson 主张，雇主将不得不更明确地去培训年轻人，而不是指望他们在日常工作中自行吸收技能。
这所学校提供的正是那种明确培训的私人版本，用 co-op 实习顶替第一份工作。它的创始合作方同时也是潜在雇主，其中几家正是那些让初级工作面貌改变的 AI 开发商。Biyani 对《财富》说，合作方的承诺「各不相同」，招聘合作方承诺的是面试或考虑学生，而不是录用固定人数。学校也确认，co-op 名额和全职工作都不保证。
劳动力方面的证据并未成定论。Iscenko 与 Millet 2026 年的一项分析发现，在高度受 AI 影响的职业里，初级与资深岗位的招聘数自 2022 年春天以来大致同步下降，这对「AI 专门冲击入门岗位」的说法构成挑战。但无论如何，传统入口确实变窄了，而这所学校的位置正好接住那些本来要去争抢更少初级空缺的人。
夹在蒂尔奖学金与 Y Combinator 之间，还带个价签
TechCrunch 把这所学校形容为 Y Combinator 与彼得·蒂尔奖学金的杂交体。这个类比的用处，主要在于它显示了钱是怎么流的。创办于 2011 年的蒂尔奖学金给 20 到 30 名年轻人两年共 20 万美元的资助，让他们跳过或离开大学，其校友包括 Figma CEO Dylan Field —— 如今他也在这所学校的讲师名单上。Y Combinator 投的是已经存在的公司。a16z 自 2023 年起自办的加速器 speedrun 则先以 50 万美元换 10% 股份、后续轮次再投 50 万，并称已投出 250 多家公司。
这所学校站在这三者的上游。它瞄准的是还没有公司的人，不拿股份，并表示学生保留自己创造的全部知识产权。它也不设收入分成协议、不持有优先受让权，a16z 除了顺理成章的引荐之外，对学生的创业项目没有任何特殊主张。而那个计划中的两年制项目，则把蒂尔模式反了过来：不是付钱让学生离开大学，而是打算从 2028 年秋季起收取「与精英私立大学相当」的学费，前提是监管审批通过。
对 a16z 来说，这所学校延长了一条本来就从媒体和播客、经 speedrun 一路通到种子轮与成长轮的人才漏斗。值得注意的变化是时点。风投机构历来是在公司注册之后才找到创始人；这个项目在他们 17、18 岁时就见到了他们，而且是在这家机构自己组织的网络里。Y Combinator 掌门人 Garry Tan 也在个人投资者之列，这说明更大范围的创始人挖掘生态至少目前把这所学校视为互补而非敌对。
免学费不等于免成本：一所营利性学校的经济账
创始年不收学费，但学生要自付旧金山的住宿、伙食和生活开销。学校给出的典型价位是：合住宿舍每月 1600 到 1800 美元，单间 2300 到 2600 美元。按十二个月算，光住宿就要大约 1.92 万到 3.12 万美元，还不含伙食。面向生活费的助学金「可能提供」。该项目不参与联邦或州助学计划，529 大学储蓄账户也不能免税用于此。
学校的商业模式押在那个计划中的两年制项目上。Biyani 对《财富》说，高等教育是个 2 万亿美元的行业，把它「做成一门成功生意的路子很多」，还说学校会随时间看学生怎么支付。他也主张营利性身份「逼着我们对客户交付」。把 4200 万美元融资摊到 50 个创始班名额上，约合每名学生 84 万美元。这个数字不是支出速率，但它显示出第一届相对于任何要交学费的未来，被补贴到了什么程度。
所以定价测试是核心。这所学校必须证明，最有能力的少年建造者和他们的父母，愿意为一个不发学位的项目支付精英大学级别的学费，换来的是导师、同伴网络、做项目的时间，以及一条更快进入科技公司的路。Biyani 说过，对多数学生而言大学仍是正确的路，这所学校是为一小撮特定的人设计的。
不发学位，不保工作：学校自己列出的边界
学校明确写着它没有获得认证，这个 Fellowship 不授予学位、不发证书，也不给可转换的大学学分。学生带走的是一份作品集，用来向雇主、合作者和投资人展示自己做过什么。co-op 被描述为在硅谷「通常」有薪，但薪酬并不保证，招聘合作方走的是各自标准的面试流程。
接触导师的机会也比头部名单显得的要窄。学校称部分导师一年只开几次办公时间，学校做完引荐之后，关系要靠学生自己去经营。
这个模式还带着集中度风险。如果某家合作方放缓招聘、如果品牌褪色、或者 AI 工具继续压缩早期技术工作的价值，学生手上没有一纸学位可做退路。一个为了来读而推迟大学入学的学生，能否保留那个名额，取决于该大学的延期政策是否允许 —— 而学校说这一点它控制不了。
录取成色、合作方承诺和 2028 年的审批，是接下来的三场考试
未来两年有三个里程碑会检验这个模式。第一是录取成色：提前批 11 月 5 日截止，第二阶段结果在 2027 年 1 月底前出，有多少被录取者会放着精英大学的 offer 不去，将显示这套价值主张是否立得住。第二是合作方的具体承诺。学校没有公布每家创始合作方各自提供什么，而来自 Anthropic、OpenAI、英伟达或谷歌的有约束力的 co-op 或录用承诺，会实质性地改变这份条件。第三是监管：两年制项目取决于目标定在 2028 年秋季的各项审批，这条路怎么走，将决定这所学校究竟能不能授予一纸被承认的凭证。
这所学校押的是：在被 AI 重塑的劳动力市场里，对一小撮学生而言，已经证明的动手能力加上与招人公司的近距离，会压过一纸四年制学位。斯坦福的数据显示旧的入口正在变窄，这支持了那个前提。没有答案的部分是风险由谁承担。对创始班来说，学费由学校和它的投资人吸收；而一旦两年制项目开始按精英私立的价格收费、却既不给学位也不保工作，风险就转移到了 18 岁的年轻人和他们的家庭身上，届时合作方愿不愿意把 co-op 转成正式 offer，将决定这笔交易值不值。