他靠一件“免费”的事闯入风投圈，也提前看懂了 Web3 的走向

如果你以为进入风投、看懂 Web3 需要人脉和背景，这期视频会直接打脸。Greg Isenberg 讲了一个反直觉的路径：不投项目、不写代码，只靠“混 Twitter”，却拿到了风投入场券，也由此形成了他判断 Web3 的核心方法论。

最反直觉的起点：混 Twitter，竟然是职业跃迁的捷径

视频里最值得反复回味的一段，并不是对 Web3 的预测，而是 Greg 讲自己怎么“入行”的。

一句原话几乎可以当作金句：“你在业余时间做的那些事——认识人、写东西、在线讨论——如果你在风投行业，都是会被付钱的。”给他这个建议的人只说了三步：选一个行业、在 Twitter 上关注最聪明的人、长期观察。

这不是简单的刷信息流。Greg 把 Twitter 形容成“直接往聪明人脑子里打 IV”：你能看到他们读什么、写什么、跟谁来往、空闲时间在琢磨什么。几周之后，你会对一个行业形成极强的鸟瞰视角——谁是真专家，谁只是热闹。

关键在于结果：正是“上 Twitter”这件几乎零成本的事，直接帮他拿到了第一份风投工作。这为后面所有 Web3 判断埋下了伏笔——真正的早期信号，往往不在报告里，而在人的行为里。

聪明人集体辞职，才是加密世界最强的信号

另一个极具冲击力的片段，来自他在斯坦福背景下的观察。疫情期间，他发现一个异常现象：自己“最聪明的朋友们”，开始成批离职，转向 crypto。

这不是 FOMO，而是一种人才流向的变化。Greg 的判断逻辑非常朴素：如果一个领域只是投机，聪明人会兼职；但当他们愿意放弃稳定工作，全职跳进去，说明他们看到了长期结构性机会。

他没有立刻下场，而是花了几个月做“深度潜水”：阅读、聊天、观察社区文化。最后得出的结论是，如果想真正理解 Web3，就不能把它当副业。于是他选择全职投入，用速度换理解。

这一点对 AI 从业者尤其刺耳：你是通过“看新闻”理解一个新范式，还是通过观察“谁愿意为它赌上职业”？这两者给出的答案，往往完全不同。

Work-to-Earn：不是概念升级，而是激励结构的重写

在讨论具体方向时，Greg 提到一个关键词：Work-to-Earn。这并不是简单的“打工发币”，而是对传统平台经济的一次底层挑战。

Web2 的逻辑是：平台赚钱，用户贡献内容；Web3 试图反过来，让“工作本身”成为资产积累的方式。你参与社区、做治理、拉新、写文档，理论上都能获得所有权的一部分。

Greg 对这个方向的态度并不狂热，但他强调了一个关键点：真正的难点不在技术，而在激励设计。很多项目失败，不是因为链不行，而是奖励机制短期化，最终只吸引套利者。

这也是为什么他多次强调“building”的重要性——不是迎合听众，而是设计出能长期自洽的系统。这种对激励结构的敏感度，恰恰是 AI + Web3 时代稀缺的能力。

判断未来的核心方法：看生态，不看故事

整期视频串起来，其实是一套非常一致的方法论：不要迷信宏大叙事，而要观察生态细节。

Greg 反复提到，他更关心的是：人们在做什么，而不是他们在说什么。谁在周末自发贡献？谁在社区里承担脏活累活？谁在没有代币激励的情况下持续输出？

这套方法同样适用于 AI 领域。真正重要的信号，往往出现在：开源社区的活跃度、开发者的迁移路径、工具链的成熟速度，而不是发布会上的 PPT。

从这个角度看，Web3 不是一个“预测未来”的故事，而是一种训练你如何更早识别未来的方法。

总结

如果只带走一个 takeaway，那就是：未来不是被预测出来的，而是被“先参与的人”创造出来的。Greg 的路径提醒我们，低成本地嵌入一个高密度信息网络（比如 Twitter、社区、开源项目），比任何行业报告都更有价值。

对 AI 从业者来说，你可以立刻行动的不是“转行 Web3”，而是问自己三个问题：我在关注谁？我在哪些地方长期参与而不是围观？如果这个方向真的重要，我是否愿意投入到足以看清真相的深度？

真正拉开差距的，从来不是知道得多，而是下场得早。

关键词： Web3， 风投， 加密货币， Work-to-Earn， 人才流动

事实核查备注： 需要核查：视频完整时长；Greg Isenberg 获得第一份风投工作的具体时间；Work-to-Earn 在视频中的原始表述语境；Nat Friedman 被提及的具体上下文。