Skip to content

跟馬斯克工作有多恐怖？前特斯拉總裁親述：從世界首富身上學到的5個成功鐵律！Jon McNeill【邦妮區塊鏈】

📺 来源信息

✨ Highlights

  • 约翰在入职特斯拉之前，以匿名身份连续 6 天试驾 8 家门店，发现全球积压 9,000 次试驾无人回访；他未经授权叫停新试驾，反而换来马斯克的当场录用：“我需要你按我会做的决策行事。”
  • 马斯克找的不是大公司高管，而是“fellow entrepreneur”：会配置资本、能评估风险、每天顶着发工资与生存压力的人。
  • “算法”第一步是质疑每个需求，判断标准只有三条：法律、物理、安全。12 页汽车贷款文件被证实无一页是法律强制，最终压缩成一页签名与一键结账。
  • 乔布斯的 iPod 只有两条需求：能存 1,000 首歌、4 秒内检索到目标歌曲；iPhone 则只有一条：no keyboard。
  • 马斯克的 10x 目标不是为了让人更累，而是逼出突破：即使只实现 50%–60%，也足以甩开对手；特斯拉每个空缺职位都有 7 万人在排队。
  • AI 会把坏流程变得更贵、更快地跑向坏答案；先做白纸重设计，再谈自动化，同时要保护私有数据与 IP，别把商业秘密喂给通用模型。

1. 一次未入职的越权实验

约翰（John）在加入特斯拉之前，已经创办过六家公司，横跨保险、汽车服务等多个行业。他最初与马斯克（Elon Musk）结识，是通过一位共同的朋友：谢丽尔·桑德伯格（Sheryl Sandberg）。桑德伯格的丈夫去世后，她主动牵线，理由很直接：她自认是广告人、不懂制造，而约翰有制造经验，可能更适合马斯克当时要找的人。

两人第一次通话时，约翰问马斯克三个问题：你在找什么样的人、为什么是现在、成功长什么样。马斯克的回答是：我在找一位“fellow entrepreneur”。约翰很意外，因为那时的特斯拉已经有约 18 亿美元销售额，按理说需要的是大公司高管。马斯克解释：企业家知道如何配置资本，知道如何恰当地评估风险，也知道如何每天顶着一片乌云过日子——你永远在担心发不出工资、公司能不能活下去。这种 grit，大公司出身的人往往不具备，因为他们早上醒来不需要面对这种压力。

约翰没有直接答应，而是提出先去看看特斯拉最痛的问题。马斯克告诉他，当前最大的问题是需求。当季向市场承诺销售 12,000 辆车，而问题集中在需求端。约翰受山姆·沃尔顿《美国制造》（Made in America）的影响——沃尔顿会亲自巡店，因为报告和汇报里看不到真实情况——决定亲身体验门店。

他得出的判断是：试驾是整个销售过程的支点。踩下特斯拉加速踏板的感觉像坐火箭，体验过的人通常会下单。于是他连续 6 天、跑了大约 8 家门店，每次用不同身份和邮箱试驾。结果一周过去，没有一个人给他回电。他打电话给特斯拉销售运营负责人肖恩·尼尔森（Sean Nielsen），确认自己没有被系统标记后，调出数据：过去一个月全球有 9,000 次试驾没有回访，而当季才卖了 1,000 到 1,500 辆车。结论很直接：只要把试驾用户回访完，就有很大概率完成季度目标。

约翰随即做了一个“越权”决定：让肖恩在全球范围内暂停新试驾，直到销售团队把过去 30 天的试驾全部回访完毕。约一个半小时后，全球系统执行；10 小时后，亚洲传来大量成交。

做完这一切，他打电话向马斯克道歉：自己还没入职，就已经以 CEO 的姿态做了重大决定。电话那头沉默了很长时间——后来约翰知道，那是马斯克在思考，不是在反应。马斯克最终说：“我觉得你会非常适合这里。我需要你做的，就是基于我会做的决策来行动。”这一刻，约翰还没有正式入职。

2. 招募一个连续创业者

约翰的犹豫有两点：一是规模，他创办的最大公司也只有特斯拉的一半大，不确定自己的技能能否在更大规模上平移；二是他从未给别的领导者当下属，担心自己“生锈”。他提出，想清楚 CEO 与总裁之间“sandbox”的边界，确保职责清晰。马斯克也接受这套讨论方式。

真正的转折来自一次电话。马斯克问他：等你老了坐在门廊上，你会跟孙子们讲你如何影响了世界？你现在这家公司很有意思，但它真的能改变气候吗？约翰的妻子听完这段转述，只回了一句：“别想了，去加入他吧。”

约翰后来把这次经历提炼成招聘方法论：

  • 招聘是最难的销售。说服一个人连根拔起、改变人生，远比卖一辆 10 万美元的车更困难。
  • 招募时要把自己放进对方的鞋子里：对方的价值主张是什么？为什么愿意加入这样的组织或使命？这件事对他个人会产生什么影响？
  • 判断人才不能只看履历，要看特质加证明点。

他筛选人才的核心公式是：好奇心（curiosity）+ 行动偏向（bias to action）+ 影响力（impact）= 值得招。好奇的人会对现状不满，而行动偏向决定他们会不会真的动手改变什么。面试时，他习惯问一个问题：“讲一个你参与过的世界级创新。”这个问题能自然带出洞察从何而来、候选人采取了什么行动、最终产生了什么影响。

这套标准适用于每一个岗位，从行政助理到工程师到销售。他的行政助理阿什莉（Ashley）因为天生好奇、行动力强，一路成长为他的 chief of staff。他面试一个早期公司销售负责人时，对方说自己做销售开发就是不断问客户问题，第一个问题是“你怎么才能升职”——理解了客户的晋升路径，就能帮客户达成目标，从而获得终身客户。约翰说，这种洞察不可能从 web 表单或数字线索里拿到，必须当面聊。

3. 质疑每个需求

“质疑每一个需求”是马斯克式思维的核心。马斯克以质疑一切假设著称，从火箭到电动车都不例外。

  • 火箭最大的成本是机身和发动机。为什么每次发射都要把这两样东西扔进海里？能不能回收复用？人们觉得他疯了，但他持续追问，最终证明这件事极其困难但可行。
  • 电动车也可以用拇指大小的 AA 电池串成动力总成。大多数人默认“不可能”，但很多行业里沿用了数十年的假设，其实是错误的、不完整的，或者只是单纯地“蠢”。

约翰给出了判断需求是否必要的标准：**这项要求是法律的要求、物理的要求，还是安全的要求？**如果三者都不是，那它就是一个候选的删除对象，必须自证其存在必要。

一个典型案例是美国的汽车贷款文件。在美国买车，贷款或租赁文件通常有 12 页，全是保护放款方或出租方的条款。约翰问法务负责人：这些段落里有哪些是法律或监管强制要求的？答案是“没有”。判例法早就规定：不付钱，就可以把车收走。12 页只是在反复重申这同一个规则。于是特斯拉做出一页式贷款说明：车价、期限、利率、月供，签名，完成。在线流程也从 44 次点击降为一次点击的“一键结账”。这在汽车行业史无前例，也成为让用户惊叹的体验：不用在 dealership 里耗几个小时，点几下，车就送到门口；提车时车牌已装好，纸质文件签完，再下载 App 代替车钥匙，直接开走。

约翰强调，今天汽车行业没人这么做，不是因为做不到，而是因为没人问过：“这些段落真是法律要求吗？”这也是“算法”的起点。

4. 删除、加速、最后自动化

“算法”是约翰在特斯拉期间与团队一起打磨的框架，马斯克是核心推动者。它的逻辑顺次是：质疑需求、删除不必要的东西、把流程做到最简、加速周期时间、最后再自动化。

第 2 步“删除”有一个教科书级案例。特斯拉生产 Model 3 时，有一块分隔电池与座舱的大塑料板，制造起来始终有问题：尺寸不匹配、分层、各种故障。马斯克亲自在工厂里研究了好几周，最后转而问第一个问题：这个需求是谁提的？电池团队说是座舱团队要的隔音件；座舱团队说是电池团队的设计。翻出规格文件，上面署名的工程师是一名已经离职的实习生。

换句话说，马斯克花了三周解决一个根本不需要存在的制造难题。这块板既不在法律要求之列，也不关乎物理或安全。删除它之后，制造流程加快，交付不再受阻，公司现金流得到修复。“最好的零件是没有零件。”小决策可以产生巨大影响：一块多余的塑料板，一度拖累一个季度、伤害整个现金流。

第 3 步是加速。速度会暴露新流程的所有瑕疵；没有干净、无质量问题的流程，谈不上速度。所以加速本身是一种“调试”手段——它逼你把新流程打磨到接近完美。

第 4 步是自动化，而且必须放在最后。约翰的比喻是：自动化等于往流程里浇混凝土；一旦浇下去，要改动就只能用电钻凿开。过早自动化，等于给自己制造技术债务。正确顺序是：先确认删除掉的步骤确实不必要，再训练人和机器按新流程运行，跑出高质量、高产出、低成本，最后才上自动化。

5. 产品需求的减法：乔布斯的两条规则

顾客需求同样值得质疑。约翰的做法是不断追问：我们要为客户解决的核心问题是什么？然后把需求强制排序，区分“关键”和“锦上添花”，集中资源只做关键。

他与乔布斯首任幕僚长詹姆斯·希加（James Higa）的一次早餐，提供了一个经典样本。当年开发 iPod 时，乔布斯定下规则：只能选两条需求来设计。希加和乔布斯讨论一周后走出的房间，只带了两个结论：

  1. 必须能存 1,000 首歌——因为顾客想要一个足够厚的曲库。
  2. 必须能在 4 秒以内找到你想要的歌。

工程师的反馈是：当时不存在拇指大小、能存 1,000 首歌的固态硬盘，也不存在足够小且能在一台小设备上完成搜索的芯片和操作系统。乔布斯的回答就是重复：“1,000 首歌，4 秒。1,000 首歌，4 秒。”这逼着团队发明了拇指大小的固态硬盘、足够强的微型芯片，以及一个极简的、基于滚轮操作的 OS。

过程中，工程师拿来三星的播放器说：它有 FM 收音机，我们要不要加？乔布斯的反问是：“那是‘1,000 首歌里的 4 首’，还是‘4 秒里的 1,000 首歌’？”一句话就把需求排序问题解决了。

iPhone 也有同样的逻辑：诺基亚、黑莓所有手机都有物理键盘，乔布斯只留了一条需求：不要键盘。这是直觉与愿景的胜利，也是典型的重构式创新。约翰说，识别信号与噪声，靠的是直觉、数据和信念（conviction）三者的混合。当全世界都朝相反方向走，团队也会本能地想随大流，只有领导者的信念能把组织带过去。

6. 10x 目标与创始人模式

马斯克以设定“不可能”目标闻名：10x、20x。很多人以为这是压榨员工更努力的手段。约翰明确说：不是。

他的逻辑是：向人要 5%–10% 的增长，你只能得到 5%–10%；你该要更大的。要 100% 的增长，现状就完全不够用，团队被迫重新设计产品、重新考虑 go-to-market，甚至重构商业模式。所以“要得大，才能得到大；要得小，只会得到小”。

特斯拉团队对超大目标的标准反应是一种“谦逊 + 信心”的组合，听起来矛盾但很好用：

  • 第一句是谦逊：“我完全不知道怎么做。”
  • 第二句是信心：“但我们会搞定的（We'll figure it out）。”

马斯克自己也清楚，这类目标大概率无法 100% 按时达成。但只要命中 50%–60%，就已经远远领先所有竞争对手。这才是目标设定的真正目的：逼出创新与突破，而不是增加工时。

正因如此，最好的工程师愿意聚集在这种环境里。约翰说，特斯拉每个空缺职位都有大约 7 万人排队应聘。

高强度是必然的。马斯克几乎不需要睡眠、不需要 small talk，永远处于“on”的状态。但约翰特别提到，他同时很有幽默感，两人谈话经常让约翰笑到流泪。约翰把他称为“我们这一代最成功的工业家”：罕见的强度加上独特的智力。

这种强度不是每个人、每个生命阶段都适合。约翰坦言，自己能做到，很大程度上因为孩子已上大学，不再需要每天大量陪伴。如果更早，他不确定自己能平衡。另一个关键条件是伴侣的全力支持。家庭窗口打开后，他才能一周亚洲、一周欧洲、一周北美地连轴转，或者连续几周睡在工厂里。

睡工厂不是作秀。Model 3 生产进入生存级时刻，公司一度游走在破产边缘。工厂会议室里有沿墙的长条椅，高管、工程师、各区域主管带上睡袋，赶在每次换班时在场：早班 6:30 开始，下午班 4:30 开始，夜班午夜开始。这样他们能在每个轮次交接时看到问题的全貌，再逐班叠加解决方案。约翰说，这种模式下，非创始人也能进入“创始人模式”：不是拿汇报和 PPT 当输入，而是真正跳进问题里，因为公司可能真的不存在了，大家对投资人和员工负有责任。

创新文化意味着容忍犯错。约翰的规则是：不能重复犯同一个错误——那很蠢；但如果你是在真诚地尝试解决问题、只是因为探索而犯错，那是积极信号，最终会找到正确答案。

7. 精益与算法的边界

很多管理者熟悉丰田生产方式（Toyota Production System）和精益（Lean）。约翰最初也带着精益工具箱进入特斯拉，处理 Model X 时，精益能带来 5%–10% 的改善，但要取得真正的突破，精益不够用。精益擅长渐进式改进，而“算法”驱动的是一种“量子式”的跃迁。

两者的差别在于：你是在改进已经拥有的东西，还是突破到一个完全不同的新东西。算法框架要解决的是后一种问题：

  • 如何接住正在回落地球的火箭机身？
  • 如何建设全球范围内的超级充电网络，从根本上消解续航焦虑？
  • 如何把 Starlink 变成覆盖全球的卫星互联网？

这些问题都有很多大公司、大团队钻研了数十年。它们不是靠持续改善能攻克的，靠的是重新质疑需求、删掉伪需求，然后把一切极度简化，再寻找突破路径。

8. AI：先重设计，再谈效率

约翰对 AI 应用的态度非常审慎：AI 会让坏流程变得更坏、更贵。把 AI 倒进一个未经重新思考的流程，等于让这个流程更快地冲向坏答案，并且因为消耗 token 而更费钱。

领导者应该踩刹车，先拿一张白纸重做流程，把它设计成最简洁、最优雅的样子，再应用 AI。但他看到大量组织跳过了重设计这一步，因为那是真正辛苦的工作；直接给现有流程接上 AI 显然更省事，但往往适得其反。

这是否意味着人类判断一定优于 AI？约翰不这么认为。AI 是极好的优化器，处理某些问题的速度远超人类；但前提是要清楚 AI 能给特定流程增加什么价值——不是每个流程都适合。

关于数据安全，他引用了 Chamath（查马斯·帕里哈皮蒂亚）和 Alex Karp（亚历克斯·卡普，Palantir CEO）近期在 CNBC 上的观点：公司不应该把大量 token 和关键信息喂给第三方 AI 平台。约翰指出，全球 90% 的信息在防火墙之后，不在公开网络上，OpenAI 或 Anthropic 抓取不到；这些数据往往包含商业机密和知识产权。当你把 IP 和商业秘密交给通用模型，模型会吸收这些信息，并通过推理向全世界分享。在这点上，查马斯和卡普是对的：关键模型应该在封闭环境里运行，不让商业机密外泄。

这也是他看到行业向 open-weight、open-source 模型迁移的原因：在自己的机器和环境里运行模型，既保护数据和 IP，又能获得大模型带来的洞察。

9. 五个筛子：从想法到公司

约翰的 DVX Ventures 采用一种“从零发明公司”的模式。新想法很多，判断哪个值得投入，他用五个标准筛选：

# 标准 说明
1 可证明的巨大 TAM 市场是否有数十亿美元规模，并且可以验证人们真的会买
2 足够高的毛利率 至少要 50% 以上；汽车行业只有 13% 毛利，太难赚钱，NVIDIA 的 80% 才是理想形态
3 技术护城河 是否存在未被解决的困难软件问题，解决后能否形成壁垒
4 竞争强度 如果赛道已经挤满玩家，说明你不够独特，很难突破
5 流动性倾向 这个领域是否有人愿意收购公司

五个条件全部满足，才值得动手。DVX 的做法是：自己先把产品做出来、推向市场、做到 post-revenue，证明初步的产品市场契合（product-market fit），再引入有规模化经验的行业人才，结为合伙人一起放大。

两个典型例子：

  • 网络安全公司。他们质疑一个默认假设：网络安全是否一定等于“从外到内”的渗透测试？如果反过来“从内到外”呢——相当于在屋里放一颗烟雾弹，找到所有漏点，再快速封堵。很多技术挑战是真实存在的，这也是过去没人这么做原因；他们逐个攻克后，做出了一套从内部解决网络风险的业务。
  • ETF 业务。传统 ETF 按市值加权；他们问：能不能不按市值，而是按“资产构建清单”来做 ETF？比如 AI 数据中心基金按数据中心配置构建，电气化基金按电网结构构建。产品出来后，他们又避开传统大型财富管理机构，通过 Reddit、X 等渠道以零成本直接触达零售投资者。最终成为历史上增长最快的 ETF 平台。

10. 给年轻自己的话

约翰对年轻自己的建议只有一句：不要被恐惧束缚。像“没有下行风险”一样去追求机会，这很难做到，但值得练习。

他的经验是：当市场向你发出信号，认真听，然后快速行动。不要花时间盘点所有可能出错的事；要做的恰恰相反——盘点信号本身，然后放大它。带着更多信心，用更快的速度出发。