北京时间9月10日凌晨1点，苹果2026秋季发布会即将开幕。

*截自Apple

9月1日执掌苹果15年的库克正式卸任CEO，转任董事会执行董事长。当日凌晨，库克向全体员工发送内部告别信，并写道：

“将公司的掌舵权交给约翰 · 特努斯这样一位才华横溢、出色且卓越的人，也让我感到无比安心。很少人能像特努斯一样，真正理解打造出改变世界的产品需要付出何种努力，我对他的领导充满期待。”

9月1日深夜，约翰·特努斯入驻微博，已涨粉60万+

所以这次比新品更受关注的，还有即将站在台上的那个人——约翰·特努斯（John Ternus），苹果新任CEO。

这是他接棒库克之后的首次公开亮相，全世界都在等他说出的第一句话。

但在这句话说出来之前，我们先做了一件事——

按下倒放键。去盘一盘这位新CEO的本科简历，以及和他同时代那批科技大佬们的来时路。

然后我们发现，这场首秀真正的剧本，不在2026年，而与他们本科时怎么想、怎么做高度相关。

01

苹果新掌门人

倒放回他的1997年，是什么来头？

全球市值最高的公司换了掌门人。大多数人看到的是：新版iPhone、新CEO、新周期。

但我们更想回到“人”身上，回头看看他的来时路。

1997年，宾夕法尼亚大学，机械工程系的毕业设计展上。

当时22岁的特努斯交出的作品，是一只机械喂食臂——为四肢瘫痪者设计，用头部的动作控制，让失去双手的人可以自己吃饭。

是的，特努斯毕业于藤校宾夕法尼亚大学，学的是机械工程，还辅修了心理学。他从一名机械工程师到苹果CEO，走了25年。

二十多年后，他当年设计的那只喂食臂还被全世界的媒体反复讲述。

因为这个作品的三个细节非常值得人注意：

它来自一个真实被看见的问题（瘫痪者怎么自己吃饭），它有一双真的动了手的主人（图纸、代码、齿轮都是他的），它有一个精确到让人记得住的功能（头部动作控制）。

这也奠定了特努斯行事和管理的“老派基因”：

1997-2001年毕业后没去大厂，去了一家初创公司担任机械工程师，设计VR头显产品，干了四年。那时候VR根本没人看好，他就天天调参数、搞硬件，闷头做基础活。

2001年他进了苹果产品设计团队，彼时特努斯就是个小工程师，做结构、调零件，没人注意他。 但他一待就是25年，一直没离开：

2013年升硬件工程副总裁，管iPad、Mac、AirPods；

2020年接iPhone硬件团队，这是苹果最赚钱的生意；

2021年再升，是苹果唯一覆盖所有核心消费硬件的高管。Mac换芯片、iPad往生产力方向改、AirPods和手表一直更新、还有Vision Pro，背后都有他。

2024年，特努斯回宾大做毕业演讲的时非常受欢迎。褪去高管光环，特努斯的成长与处世，也始终保持着低调务实的底色——

他告诉毕业生们自己刚毕业也慌，刚进苹果时也很焦虑，经历过“冒名顶替综合征”，觉得自己的能力不够。

坦白说特努斯这25年没有什么捷径，不是天才，没有伟大的光环，就是一步一个脚印，从小工程师干到CEO。

今天我们看到的特努斯，更像是"工程师的头脑 × 对人的理解"的混合体——他辅修了心理学，主导的Vision Pro是"离人脸最近"的苹果产品。往上追溯，是一个年轻人当年就拒绝把自己活成单一标签。

而作为苹果的第三任领导人，不同于供应链之神的库克，网友们对这位出身工程师的CEO是否会将苹果回归到技术和产品本身，创造新的时代也很拭目以待。

02

同时代的那批科技大佬

同一颗星球上的三个人

特努斯的剧本讲完了。但1994年的那颗星球上，绝不止他一个人。

在同一根时间轴上，还有两个此刻毫不起眼、日后改写整个AI时代的人。我们把如今AI科技潮流中的风云人物们的故事，也一个个拉出来看看。

李飞飞，"AI教母"，斯坦福教授，World Labs创始人。

先看她今天的位置：2026年1月，她创立的World Labs完成新一轮融资，估值50亿美元——一年之内，翻了5倍；

今天你手机里的相册分类、路上的自动驾驶、医院的影像识别，几乎都建立在她的研究之上。

再把镜头倒回34年前——

1992年，一个15岁的北京女孩随父母落地新泽西。走下飞机时，母亲口袋里只剩20美元。她后来回忆形容自己像一棵正在成长的树，在故土已经结出叶子、开出花朵，又一下子被连根拔起，硬生生移栽到另一片土地上。

这棵树的重新扎根，是从一间干洗店开始的。她一边读书，一边帮客人熨衬衫，在隆隆作响的洗衣机旁写作业。1995年，她以数学满分的成绩考入普林斯顿大学物理系，拿到全额奖学金。

在普林斯顿的四年，她的生活与"名校体验"四个字毫无关系：没参加过一次派对，没加入过一个社团，身上穿的，是宿舍洗衣房里被扔弃的二手衣服。她把日程排得满满当当——在公告板上搜寻讲座，从图书馆成堆借书，每周五去高等研究院蹭下午茶，和研究生讨论问题。

也正是在这期间，改变她一生的机会悄然出现。

大二暑假，她申请到加州大学伯克利分校的一个视觉神经研究项目。就在那个夏天，她第一次意识到：如果要理解智能，"视觉"或许是最关键的入口。这个念头一经产生，探索未知的热情也不断涌上她的心头。后来更是长成了她一生的主线。

图源网络|侵删

1999年大学毕业，她收到华尔街的工作邀请，提供高起薪、丰厚福利和晋升机会，足以迅速改善全家贫瘠的生活。但唯一条件是她必须放弃科学研究。

她拒绝了。2000年，她进入加州理工硕博连读，选了一个当时冷门到近乎无人竞争的方向：视觉研究。

然后，命运按下了压力测试键。读博期间，母亲因心力衰竭无法继续工作，她把父母接到南加州，三个成年人挤在一间狭小的宿舍里，处境比初到美国时还难。

她开始怀疑自己"成为科学家是一种奢望，我负担不起"——甚至已经穿着正装、瞒着母亲，去麦肯锡面试了。

是母亲一直坚持，告诉她："我们走到这一步，不是让你现在放弃的。"她相信母亲，继续向前。

2006年，博士毕业的李飞飞回到普林斯顿任教，盯上了一个几乎所有人都反对的问题。当时AI领域的信条是"算法至上"，数据只是供算法训练的消耗品；她却越来越怀疑："如果数据无法反映真实世界，再精妙的算法也只是空中楼阁。"

她想建一个囊括"全世界所有物体"的数据库：2.2万个类别，每个类别1000张图，命名为ImageNet。

她也申请国家科研经费，但一次都没成功。她说当时的"劝阻之声，够我用一辈子了。"全系只有同为华人的李凯教授相信她，主动捐了一套工作站，还送来一个清华毕业的博士生：邓嘉。

两人小队开干，但很快算出一笔绝望的账——照当时速度，完工需要19年。

但眷顾的转机来得巧妙，邓嘉的一位好友带来一条信息：亚马逊有众包服务。引入之后，来自167个国家的4.8万名网民参与标注，完工时间从19年一路缩短：15年、10年、5年、2年……

2009年，ImageNet发布。2012年，基于它训练的算法一战成名，深度学习革命由此引爆，人工智能开始一路狂飙。

也是在这一年，英伟达创始人黄仁勋抓住风口，将公司战略重心从游戏显卡转向AI芯片，由此奠定了在全球AI计算领域的领先地位。

人工智能的发展，依赖数据、算法和算力的三方协同，缺一不可。而李飞飞的ImageNet率先解决了“数据”问题，成为了时代领跑者。2013年她成为斯坦福AI实验室历史上第一位女性主任。

所以，风口没有追她，是风口刮到了她已经站了五年的地方。

黄仁勋：当年那个差点破产的人，后来成了AI时代的王

镜头再从新泽西转向俄勒冈——黄仁勋的本科，读的是俄勒冈州立大学电气工程，一所在中国家长的选校表上基本不会出现的学校。

9岁被送去美国寄宿学校的他，中学时代靠洗碗、打扫赚零花钱；那段岁月教给他的东西，比任何商学院都直接：怎样在一无所有的时候，把事做成。

而回头看他的学术脉络，是一条异常清晰的线：EE硬件 → 图形计算 → GPU → AI算力。

本科毕业后他先在AMD做芯片设计师，再跳到LSI Logic，边工作边读完斯坦福电子工程硕士，主攻计算机图形与并行计算——每一步，都踩在同一条主线上。

1993年，30岁生日那天，他和两位友人在一家丹尼餐厅（Denny's）创立英伟达，目标是为PC带来逼真的3D图形体验。

创业初期的黄仁勋

不过紧随而来的就是连续剧一样的至暗时刻：第一款产品NV1惨败，公司裁到只剩几十人；1995年与世嘉的合作再度失败，濒临破产——他飞去日本坦诚沟通，换来对方继续注资，公司才续命9个月。

那一年，"英伟达撑不过三个月"是硅谷的共识之一。

1997年，RIVA128发布：全面兼容微软标准，性能碾压竞品，4个月销量破百万颗，英伟达起死回生。

1999年，GeForce 256问世，他第一次提出"GPU"这个概念，把图形计算从CPU中独立出来——奠定了此后二十多年的行业标准。

不过真正的豪赌在2006年：他力排众议重金投入CUDA架构，让GPU能做图形之外的海量并行计算——而那正是AI训练天然需要的东西。

这条路连续了十年的超高投入、被无数人嘲讽"不务正业"，但他的回答是那句名言："我们离破产永远只有30天，所以必须不断创新。"

2016年之后，深度学习大爆发，CUDA生态成为全球AI开发的标配，英伟达登顶芯片王座——从A100到H100再到Blackwell，算力全球第一，400多个加速库构成的软件护城河，让开发者"用了就离不开"。

为了等那阵风，他把CUDA这条无人看好的路，整整修了十年。

03

三个没有聚光灯的人

倒过来看，真正的共同点有三条

同一帧画面里，这三个主角的故事中都没有聚光灯，没有掌声，没有排名。

如果1994年有一个"成功人士排行榜"，这些名字一个都不会在上面。

而今天，他们分别是：苹果、World Labs、英伟达的掌舵者，全部都是在全球市值巅峰位角逐的人。

而我们再把三份本科简历并排放在一起：宾大机械工程、普林斯顿物理学、OSU电气工程——有三条共性，会自己浮出来：

第一条：他们的本科，打的不是"职业标签"，是底层能力。

没有一个人本科读过计算机，但机械工程、物理、电气工程教的东西，底层是高度一致：数学、系统思维、把一个复杂问题拆到能动手解决的程度。

20年前，没有人知道"AI工程师"会成为一个岗位。但这批人在本科打下的地基，让他们在任何浪潮打过来的时候都接得住。

专业是标签，地基是能力。就比如六年后最热的专业，今天可能还没被发明出来；但数学和系统思维，永远不会贬值。

第二条：真正让他们与众不同的东西，都不长在专业上。

特努斯辅修了心理学，后来一个工程师对"人"的好奇，藏在了苹果产品的克制里；

李飞飞本科读的课外书是昆德拉和勃朗特姐妹——多年后她说，AI最大的风险是放大人的偏见，所以她发起AI4All，让更多女孩和少数族裔进入这个领域；

黄仁勋从芯片设计读到图形学、再到商业战略，从不肯把自己圈进一个岗位里。

就像苹果的基因，本来就是乔布斯说的那句话：站在科技与人文的十字路口。这也是苹果一直独一无二的内核，并且支撑着这家公司不断攀高。

因此对于人而言，专业只能决定你能推开哪扇门。但让你被记住的，是长在专业上面的那一层。

第三，他们都待够了别人待不住的时间。

特努斯在苹果25年，李飞飞的ImageNet冷了5年，黄仁勋的CUDA熬了10年。他们共同的不是天赋，是长期主义的韧性。

我们不由得想到，判断一个孩子，不能在暂停的这一帧里判断，要看时间轴的方向。

而这三条共性，翻译成申请的语言，其实是同一句话——

这些大佬的本科画像：扎实的能力地基、长在专业之外的人文交叉点、以及一条看得见弧线的长期坚持——这些恰好就是美国顶尖大学招生官在文书和活动里寻找的"全人画像"。

招生官筛选的从来都是完整的人：有地基、有差异层、有时间轴方向的人。

因此，我们需要不断提醒自己本科专业≠人生赛道，要学会祛魅专业焦虑。

大学培养的是底层能力（数学、系统思维、解决复杂问题），不是职业技能。美本"前两年探索、后两年深耕"的机制，正是为此设计的。允许跨学院选课、晚定专业，培养的是T型人才。

而美本高端申请的价值，也应是规划一条"能力主线"，而不是帮孩子定死一个热门专业。

04

从科技顶流中，

看申请和未来

花了那么长篇幅说大佬们的来时路，现在小藤想给大家看看科技大厂们的经济战场给我们的趋势预警。

首先，过去十年科技大厂赚的钱都去哪了——是回购股票，堆现金，钱在体外循环，不进实体；但现在的局面是AI逼着他们把几千亿真金白银砸向电力、土地、建筑、芯片、电缆。

苹果公司2025年宣布未来四年在美国投资超过5000亿美元，并新增2万个就业岗位，其中绝大多数集中在研发、硅工程、软件开发以及人工智能和机器学习领域，这是苹果史上最大规模的投资承诺。

与此同时，李飞飞正在押注下一个方向：空间智能 。

她认为AI的下一阶段突破不在于更好地理解文字，AI下一阶段的重要突破，很可能是理解：三维空间、物体、运动动态、因果，以及真实世界。 这也是李飞飞创办World Labs后重点探索的方向。

由此，我们也看到美国乃至全球科技人才的需求格局，都已经发生了结构性变化。

简言之就是：钱流向哪里，机会就在哪里。

苹果5000亿美元投资计划中最值得关注的是：在得克萨斯州休斯顿建设一座25万平方英尺的先进制造工厂，专门生产支持Apple Intelligence的服务器，预计2026年投入运营。这标志着苹果首次将AI服务器生产迁回美国本土。

背后的经济逻辑更加耐人寻味。美国五大科技巨头公司（亚马逊、谷歌、Meta、微软和甲骨文）2026年将有超过4700亿美元的资本支出，且这些支出将至少包括超过16GW的算力，以及超过300万枚的AI芯片。

美国2025-2028年AI基础设施支出预测，芯片、服务器、数据中心投资预计达2.9万亿美元，将为美国GDP增长贡献至多0.5%。

AI已成为影响宏观经济的结构性变量，而非仅仅是技术圈的热词。

对于准备留学的家庭，这意味着什么？科技大厂的“花钱方向”，就是未来人才需求最旺盛的方向。

当苹果把数千亿美元投向AI服务器、芯片、先进制造，它对相关专业人才的需求必然是爆发式的。

所以，顶尖大学也已经“变脸”：从卷分数到卷AI能力。

加州大学系统2026年申请数据显示，AI相关专业的申请人数出现了“井喷式”激增。

MIT校长Sally Kornbluth在《华盛顿邮报》Live讨论中直言：“大学的核心任务，不是筛选出SAT满分的学生，而是培养出能驾驭快速变化的技术版图的下一代科学家。”

这绝非个别校长的即兴发言，而是顶尖研究型大学的集体战略转向。

MIT经济系迎来了新系主任David Autor——一位研究人工智能与未来工作的顶尖学者。

宾夕法尼亚大学、加州大学伯克利分校、芝加哥大学等名校纷纷新增人工智能专业，或将AI融入原有专业。

一个全A的“好学生”，正在输给一个会调参、会跑模型的“AI少年” ，这成为正发生的现实。

回到就业市场亦是如此，CompTIA（基于美国劳工统计局数据）披露美国AI工程师职位发布量2025年4月达18,138个，单月新增3,440个；科技岗位总数超57.5万个，创三年新高。

而AI岗位中位数年薪166,400美元，比非AI的IT岗位高出约27%。

最后，对未来美本家庭的最大启示就是：

先打地基，别急着买专业"标签"。但是能力养成可以向“AI+”靠拢。

不是"学STEM就好"，是"学什么STEM、怎么学STEM"。先选底层能力：数学、物理、工程，再在高年级往交叉点深挖。

不必再盲目追求卷CS赛道的竞争——

佐治亚理工的网络安全：全美第2，是该院的王牌专业之一

UIUC的高性能计算：全美顶尖，拥有美国国家超级计算应用中心（NCSA）

华盛顿大学的生物信息学与云计算，都是兼具实力和性价比的选择。

对于正在规划美本留学的家庭，最务实的选择不是观望，而是帮助孩子在这一轮结构性变革中找到自己的位置。

END

希望今天的文章能给你带来帮助。

如果您对美本申请选校、专业探索、文书/规划等还有疑问，或者想了解更多美本资讯和服务，可以咨询