经管 on Zhang's Blog

Same Job, New Rules：创始人的不变与变

Thu, 25 Jun 2026 10:00:00 +0800

赫拉克利特说：“人不能两次踏入同一条河流。“创业这条河也不例外——河水在变，河岸在变，但过河这件事本身，从未改变。

什么变了

The Founder’s Playbook 的最后一章叫"Same Job, New Rules”，开篇第一句话就点题：在 AI 时代，创始人的工作没有变——找到真实的问题，构建解决方案，把它变成一个重要的公司。变的是到达那里的路径。

过去九篇文章，我们逐层拆解了这条新路径的每个阶段。

Idea Stage 变了。 过去，验证一个问题需要几个月的调研和几十场访谈。现在，AI 帮你做竞争分析、设计访谈框架、自动化外联——验证周期从几个月压缩到几周。但"验证"本身的必要性没有变，反而因为构建成本的降低而变得更加重要。

MVP Stage 变了。 过去，做一个原型需要一个团队几个月的工作。现在，agentic coding 让一个人一个下午就能做出一个看起来像那么回事的产品。但"产品市场契合"的标准没有变——用户是否真的在乎，不会因为你的产品做得更快而自动成立。

Launch Stage 变了。 过去，从产品到公司需要招一个运营团队。现在，AI 工作流自动化让一个小团队能跑出大团队的运营效率。但"系统化运营"的目标没有变——你需要不依赖创始人的系统。

Scale Stage 变了。 过去，构建护城河需要几年时间和大量资源。现在，AI 让领域知识的编码和用户数据的复利变得更快。但"护城河"的本质没有变——时间积累的东西，仍然需要时间来积累。

什么没变

这是更重要的问题。

判断力没有变。 AI 能帮你做研究、写代码、起草文档、分析数据。但它不能告诉你"这个问题值不值得做”、“这个方向对不对”、“这个时机该不该出手”。这些判断需要你独有的上下文——你的行业经验、你的直觉、你对用户的理解。

领域知识没有变。 AI 是通用智能，它不知道你所在行业的那些"只可意会不可言传"的东西。340B 药品项目的计费逻辑、建筑行业的合规要求、法律行业的风险偏好——这些需要真实经验的东西，AI 只能辅助，不能替代。

用户信任没有变。 用户选择你的产品，不是因为你的 AI 有多强，而是因为他们相信你能解决他们的问题。信任来自真实的对话、可靠的交付、和长期的承诺。这些 AI 帮不了你——只能靠你自己。

创业的本质没有变。 找到真实的问题，构建解决方案，把它变成一个重要的公司。这句话在 2020 年、2026 年、和 2030 年都成立。工具在变，但创业的核心——为真实的人解决真实的问题——从未改变。

路径压缩，本质不变

The Founder’s Playbook 用一句话总结了 AI 对创业的影响：AI 把每个阶段的时间轴压缩了——验证从几个月变成几周，原型从团队工作变成个人工作，运营从小团队变成 AI 加一个人。

但压缩的是时间，不是工作本身。你仍然需要验证、需要构建、需要发布、需要规模化。你仍然需要判断力、领域知识、用户信任。你仍然需要在每个阶段做出正确的选择——只是现在，你有更好的工具来执行这些选择。

这让我想到一个关于摄影的类比。数码相机和 Photoshop 让"拍一张好照片"变得前所未有的容易——你不再需要暗房、不需要对曝光的精确控制、不需要等待胶片冲洗。但"什么值得拍"和"怎么构图"的判断力，仍然是摄影师的核心能力。工具变了，审美没变。

构建护城河：数据、知识与锁定——AI 时代的三种防御体系

Tue, 23 Jun 2026 10:00:00 +0800

中世纪欧洲的城堡有三种防御：护城河（让敌人难以接近）、城墙（让敌人难以突破）、和吊桥（让盟友自由进出）。AI 时代的护城河也有三种——数据飞轮、领域知识、和用户工作流锁定。

AI 让复制变容易，让积累变稀缺

2025 年，一个有趣的现象引起了投资圈的注意：一批 AI 原生公司的估值开始分化。有些公司功能看起来差不多，但估值差了一个数量级。区别在哪？

护城河。

在 AI 让"复制一个产品"变得越来越容易的时代，功能不再是壁垒。一个有充足资源的竞品可以用几周时间复制你的功能。那什么才是真正不可复制的？

The Founder’s Playbook 给出了三个答案。每一个都建立在时间积累之上——而时间，是 AI 无法加速的。

第一条护城河：数据飞轮

用户和产品互动时产生行为信号——哪些输出被接受，哪些被拒绝。这些信号随时间积累，变成你的产品路线图。

The Founder’s Playbook 把这叫做"复利价值"：每一次改进让产品更有用，更多使用产生更多反馈，更多反馈驱动更多改进。这就是数据飞轮。

这种数据有三个关键属性。时间锁定的——你买不到数千个用户在你的产品里优化工作流留下的行为指纹。上下文特定的——这些数据是在你的产品、你的用户群体、你的使用场景中产生的，换个环境就不一样了。不可能被复制的——即使竞品知道你有这个飞轮，他们也无法在短时间内重建。

书中给出了一个具体的练习：把你的产品互动数据（收集了什么、收集了多久、用户如何随时间互动）交给 Claude，让它识别三个最高信号的行为模式，然后设计一个反馈循环，把每个模式变成系统性的模型改进。最后，让它帮你起草一页"护城河叙事"——你的数据飞轮怎么转、转了多久、为什么一个有充足资源的竞品今天开始做，两年内也复制不了。

第二条护城河：领域知识外化

很多 AI 原生公司的创始人做的是高度具体的应用——他们在某个行业里亲身经历过的问题。Agentic AI 让这些没有工程背景的创始人也能用领域知识构建产品。

关键在于：把你的领域知识放进一个结构化的、AI 能访问的上下文里。

通过长期对话、项目和记忆，把你的行业知识——行规、监管陷阱、边缘 case、为什么显而易见的答案行不通——放进 Claude 的上下文。然后把这些编码成 Skills，让 Claude 每次都以同样的方式执行。

书中举了一个精彩的例子：一个通用 AI 医疗计费工具会在 340B 药品项目上出错，但你的产品专门处理了这些逻辑。为什么？因为你有领域知识，而且你把它编码进了你的系统。

几个月后，这就变成了一种专有的知识基底，通用 AI 做不到。一个没有你这种领域经验的竞品，即使有同样的 AI 工具，也会在你的细分领域里反复踩坑。

你的测试套件就是你的护城河的地图。 每一个你处理过的边缘 case，都是竞品还没踩到的坑。

第三条护城河：用户工作流锁定

数据飞轮让产品更难复制，但工作流锁定让产品更难离开。

用户在你的产品上构建了自动化，培训了团队，连接了数据源。他们开发的 prompt、优化的工作流、标准化的输出——都是围绕你的产品塑造的。这时候，换产品就不再是产品决策，而是一个全规模的运营项目。

The Founder’s Playbook 给出了一个实操方法：让 Claude 按集成深度映射你的客户群。对每个客户群体，识别他们在你的产品上构建了哪些工作流、依赖哪些集成。这显示了你的产品在哪里"粘"得牢，哪里还需要加深。

集成的数量和质量是关键。你提供的集成越多，客户就有越多表面面积来构建依赖你的工作流。Claude Code 帮你快速构建原生集成——数据管道、项目管理工具、用户依赖的其他系统。更深一层的锁定：构建 API、webhook 和 SDK，让客户不只是"用"你的产品，而是"在之上构建"——这是最深形式的锁定。

技术债与架构决策：为 Scale 打下地基

Mon, 22 Jun 2026 10:00:00 +0800

古罗马人在建造道路时，会先挖一条深沟，铺上多层砂石和碎石，最后才铺上平整的石板。他们知道：路能走多远，取决于地基有多深。今天，你的代码库就是那条路——而 CLAUDE.md 就是你的地基剖面图。

两种技术债

不是所有技术债都一样。理解这一点，是 Scale 阶段的第一课。

有意技术债。 你在充分知情的情况下，选择用代码质量换取速度。你知道这笔债的存在、它的规模、以及什么时候该还。这种债是投资——你借了时间，计划在某个 sprint 里连本带息还清。

无意技术债。 你不知道它的存在，或者你知道但不知道它有多大。它来自"先这样吧"的临时方案、来自"以后再重构"的承诺、来自那些"能跑就不要动"的模块。这种债是高利贷——利息在暗处累积，直到某天你发现已经还不起了。

在 AI 原型的场景里，The Founder’s Playbook 指出了一个特有的风险：Agentic 技术债是一种"超级无意债"。

为什么？因为 agentic coding 工具移除了所有曾经控制什么进入生产的自然瓶颈。过去，代码要经过设计审查、代码审查、测试——每一步都是制衡。现在，一个提示词就能让代码进入生产。速度是保证了，但质量控制的责任完全落到了创始人身上。

架构审计：看见你的地基

The Founder’s Playbook 建议在 Scale 阶段做一次完整的架构审计。

具体操作：让 Claude Code 审计你的代码库，产出一份结构脆弱性清单——哪里是脆的捷径、哪里测试覆盖不足、哪里模块边界模糊。然后让 Claude 对这份清单做优先级排序：什么会拖累下次发布，什么可以并行处理，什么是当前阶段可以接受的。

这个审计的价值不只是"修 bug"。它强迫你看见你的代码库——不是作为一个个文件，而是一个系统。大多数创始人在 Scale 阶段第一次真正"看见"自己的代码库，就像第一次站在高楼上俯瞰自己住了多年的城市。

从"能跑"到"能扛"

Scale 阶段的技术工作不只是修代码——它是围绕代码构建基础设施。

企业买家在签多年合同之前，要看的不是你的产品功能，而是你的组织能不能成为一个可靠的基础设施合作伙伴。他们要看产品文档、支持 playbook、SLA 承诺。签了之后，他们会要求你兑现。

The Founder’s Playbook 给出了一个三层方案：

用 Claude 起草和维护文档。 产品文档、支持 playbook、SLA——这些是企业采购团队期望看到的。AI 帮你起草和更新，但内容需要你的领域知识来校准。

用 Claude Code 加固代码库。 审计和加固代码库，针对企业合同要求的特定可靠性和安全标准。构建日志、监控、事件响应工具、可观测性层——让 SLA 真正可执行。

用 Claude Cowork 运行企业支持运营层。 工单路由、升级工作流、文档更新（随产品变化自动触发）、续约追踪、企业客户成功依赖的报告节奏。

三个工具协同，让一个小团队能展示出比自身规模大得多的组织成熟度。

从创始人驱动到系统化运营：建立不依赖你的机器

Fri, 12 Jun 2026 10:00:00 +0800

亨利·福特说：“我问人们想要什么，他们说要一匹更快的马。“但福特真正的天才不是发明了汽车——他发明了生产汽车的系统。没有装配线，T 型车只是另一辆昂贵的实验品。Launch 阶段的核心任务，是把创始人从"T 型车"变成"装配线”。

创始人成为瓶颈的那一刻

The Founder’s Playbook 描述了一个每个创始人都会经历但很少提前意识到的时刻：你不再是公司的加速器，你成了公司的限速器。

信号很具体：本该一小时的决策，你现在要一周才能排上；支持请求在堆积，因为只有你知道答案；运营任务只在你记得做的时候才发生；产品路线图卡在你这里，因为所有重要决定都要过你。

在 Idea 和 MVP 阶段，创始人在每个循环里是一种资产——你需要全局的认知和紧密的反馈循环。但到了 Launch，支持量在增长，产品在变复杂，运营在膨胀。那种"我亲自盯着"的习惯，开始反噬。

这不是一次突然发生的转变。它是一个渐进的过程，像温水煮青蛙。你某一天突然发现，公司不在"因为你而快”，而在"因为你而慢"。

全面审计：你在忙什么

The Founder’s Playbook 的解法是：全面审计你亲自在处理的每件事。

从最小的任务到最高风险的决策，全部列出来。然后分三类：

可以系统化的。 CRM 更新、周报生成、用户外联排期、bug 分类——这些是 AI 工作流自动化的理想候选。它们有明确的触发条件、决策规则和输出格式。

需要人但不一定是你。 某些支持请求、代码审查、内容审核——这些需要人类的判断，但不一定需要创始人的判断。可以委托给团队成员或 AI 辅助的初级处理。

真的需要创始人。 产品叙事决策、董事会关系、战略合作、创始人对创始人的对话——这些需要你独有的上下文和关系。

分类完之后，用 Claude Cowork 来设计自动化工作流的逻辑：什么触发、什么规则、输出是什么、完成后去哪里。

技术债的系统性清理

Launch 阶段的另一个紧迫任务是处理 MVP 阶段积累的技术债。

MVP 阶段，一些技术债是合理的——你用速度换取了代码质量。但在 Launch 阶段，那些债开始产生利息。生产流量在增长、新功能在叠加、代码库在膨胀——那些"以后再说"的捷径，现在成了结构性负债。

The Founder’s Playbook 建议三步走：先用 Claude Code 做一次完整的架构审计，找出脆弱的地方、维护成本高的捷径、测试覆盖不足的区域。然后把审计结果交给 Claude 做优先级排序——什么需要在下次发布前修，什么可以等一轮 sprint，什么是当前阶段可以接受的持续债。最后，把 MVP 阶段脑子里的架构决策写进 CLAUDE.md——那些当时没时间写下来的决定，现在该落地了。

安全与合规：不再是可选项

MVP 阶段，安全漏洞是理论风险——你的用户是 beta 测试者，没有敏感数据在生产环境里。

Launch 阶段，你的产品上有真实用户、真实数据，可能还有企业合同在谈。合规要求也是一样——处理客户数据、处理支付、卖到受监管行业，这些都不再是未来的事。

书中的态度很直接：在规模到来之前，而不是之后，做一次系统性的安全和合规审查。 把所有发现当作必须修复的项目，不是建议。

产品市场契合的谎言与真相：如何识别假信号

Thu, 11 Jun 2026 10:00:00 +0800

1947 年，飞行员肯尼斯·阿诺德在雷尼尔山附近目击九个碟状物体，“飞碟"一词从此诞生。但大多数 UFO 报告最终都被证实是气象气球、金星、或光学错觉。数据不会说谎，但对数据的解读会。

创始人最容易对自己撒的谎

产品市场契合（Product-Market Fit，PMF）是创业中最被滥用的概念之一。每个创始人都在找它，但很多人找到的只是它的影子。

The Founder’s Playbook 对 PMF 的定义很克制：一个特定、可识别的用户群体，发现你的产品有价值到足以回来用（留存）、付费（收入）、或告诉别人（推荐）。

三个条件满足其一即可。但问题在于，每一个都可以被"伪造”。

三种假阳性

注册不等于激活。 用户来了，注册了，但从未真正用过产品的核心功能。你的注册曲线在涨，但活跃用户曲线是平的。这在有强外联驱动的产品中尤其常见——创始人的人脉网络能带来注册，但带不来留存。

收入不等于留存。 用户付了一个月的费，但第二个月就走了。这可能是因为你的产品解决了一个一次性需求（比如报税），也可能是因为用户只是"试试看"。一次性收入和持续收入之间的差距，就是"假 PMF"和"真 PMF"之间的距离。

热情不等于习惯。 用户在访谈中说"这个产品太棒了"，但第三周就不来了。人们说出来的喜好和实际行为之间，往往有一条巨大的鸿沟。斯坦福大学行为设计实验室的研究反复证实：自我报告的行为预测力，在大多数场景下接近随机。

从"推"到"拉"

The Founder’s Playbook 给出了一个更本质的判断标准：你的产品是在"推"还是在"拉"？

产品市场契合之前，留存需要持续干预。你要频繁外联、给激励、创始人亲自盯——所有的留存都是你"推"出来的。这就像推一辆没发动的汽车，你一松手它就停。

产品市场契合之后，产品开始自己做这些事。用户自己回来、自己探索新功能、自己告诉朋友。这时候你松手，车还在走——因为它有自己的发动机了。

这个转变很难量化，但你能感觉到。当你发现自己不再需要每天发邮件求用户使用，当用户开始主动给你发功能请求，当你的自然增长（而非付费增长）开始占比上升——这些信号加在一起，就是 PMF 的证据。

衡量框架：在用户来之前建好

上一篇文章提到过这个原则，但值得展开。

The Founder’s Playbook 建议：在第一个用户进来之前，就定义好你的衡量框架。具体来说：

设定留存基准。 Day 7 留存多少算合格？Day 30 呢？这些数字因产品类型而异——社交工具和 SaaS 工具的基准完全不同。但你需要一个数字，否则你无法判断"好不好"。

定义激活标准。 什么算"真正用了"？注册不算。完成第一次核心工作流才算。对于一个 AI 写作工具，可能是"生成了第一篇文章并导出"；对于一个 CRM，可能是"导入了联系人并创建了第一个 pipeline"。

预设"假阳性"模式。 注册了但没激活、付费了但没留存、初始热情但没有重复使用——当这些模式出现时，你的衡量框架应该能自动标记它们。

用 AI 做对抗性分析

当数据来了，The Founder’s Playbook 建议让 AI 对你的 traction 做 adversarial 分析——扮演最严厉的怀疑论者。

“这些注册数字里有多少是创始人的朋友？” “这个留存率在同行业里算什么水平？” “如果去掉前两周的外联推动，自然留存是多少？”

MVP 的四个暗礁：速度与陷阱的博弈

Wed, 10 Jun 2026 10:00:00 +0800

希腊神话中，奥德修斯在塞壬女妖的海域航行时，让船员用蜡封住耳朵，把自己绑在桅杆上。他听到了歌声，但无法偏航。MVP 阶段，你需要同样的自律——听到"快"的歌声，但不被它带偏。

速度是一把双刃剑

上一篇文章我们讲了如何从 CLAUDE.md 开始构建产品。现在假设你已经有了架构文档、范围文档，代码开始跑起来了。

然后速度来了。

Agentic coding 工具让"构建"变得前所未有的快。一个功能从想法到上线，过去要一个 sprint，现在要一个下午。这种速度让人上瘾——你开始觉得"再做几个功能"、“再处理几个边缘 case”、“产品再完善一点再发”。

The Founder’s Playbook 把 MVP 阶段的核心矛盾归结为一句话：AI 保证了速度，但速度本身成了最大的风险。

具体来说，有四个暗礁。

第一个暗礁：Agentic 技术债

普通技术债是可以管理的——你欠了，但知道要还，可以在某个 sprint 里集中清理。

Agentic 技术债不一样。它会累积。

原因在于：没有写下来的架构约束，每个 AI 会话都从头推导基础决策。这个会话决定用 REST API，那个会话决定用 GraphQL；这个会话把用户认证放在前端，那个会话把它放在后端。每个决策单独看都合理，但它们合在一起——代码能跑，但背后没有一个连贯的心智模型。

这就像让十个厨师各自做一道菜，但没人告诉他们这是同一桌宴席。每道菜单独吃都没问题，但放在一起，口味冲突、温度不一致、上菜顺序混乱。

The Founder’s Playbook 的建议是：在 MVP 阶段就保持 CLAUDE.md 的更新。每个会话结束，花五分钟记录这个会话做了什么决策、引入了什么假设。这不是文档洁癖，是防止你的代码库在第六个月变成一团只有 AI 能读懂的意大利面。

第二个暗礁：假产品市场契合

这是最危险的暗礁，因为它看起来像陆地。

发布产品的那一刻，是创始人最脆弱的时刻。几周的验证、几个月的构建，终于有了一个能跑的东西。你的朋友来试用，投资人介绍的潜在买家来试用，一条 Hacker News 头条带来一波流量——早期数字看起来不错。

但早期 traction 不等于产品市场契合。

Launch 能量来自短暂的、外部的助推力。真正的产品市场契合是一个模式——它必须在多个迭代周期中持续成立，才能被确认。

书中提到了 Sean Ellis 测试：问你的活跃用户"如果你不能再用这个产品了，你会感觉怎么样？“如果超过 40% 回答"非常失望”，这是一个有意义的信号。

但更根本的检验是从"推"到"拉"的转变。产品市场契合之前，留存需要持续干预——频繁的外联、激励、创始人亲自盯。产品市场契合之后，产品开始自己做这些事。当你发现自己在"推"的力气开始变轻，那才是真正变化的信号。

第三个暗礁：零摩擦范围蔓延

每个功能只要一个下午。每个边缘 case 只要几分钟。每一项单独看都理所当然。

这就是 AI 时代范围蔓延的新形态。传统的制衡——工程师时间的真实成本——不存在了。加一个功能不再需要一个 sprint 的讨论，只需要你的一句话。

构建第一个 AI 原生产品：从 CLAUDE.md 开始

Sun, 07 Jun 2026 10:00:00 +0800

文艺复兴时期的大师在动笔之前，先画几百张草图。达·芬奇的笔记本里全是未完成的想法——不是因为他不擅长完成，而是因为他深知：思考的结构决定了作品的结构。今天，CLAUDE.md 就是你的草图。

先写文档，再写代码

这个建议反直觉到几乎冒犯。

你是创始人，你有一个经过验证的问题，你迫不及待要动手做产品。The Founder’s Playbook 却让你在写任何一行代码之前，先坐下来，和 Claude 一起定义并记录架构决策：遵循什么模式、避免什么依赖、接受什么权衡、为什么。

这不是官僚主义，这是防止 AI 把你的代码库变成巴别塔。

想想巴别塔的隐喻。如果每个 AI 会话都是一个工人，每个工人都说自己的语言、按自己的方式砌砖，最终的结果不是塔，而是废墟。CLAUDE.md 就是你的通用语——它告诉每一个进入这个项目的 AI：这个系统为什么这样设计、哪些边界不能碰、哪些权衡是刻意的。

为什么这件事在 AI 时代如此关键

传统团队里，架构知识通过代码审查、站会、文档、以及最重要的——人与人之间的隐性传递来维护。一个新工程师加入团队，通过和老工程师配对编程、一起吃午饭、在 Slack 上问"为什么"来学习系统的设计逻辑。

在 AI 原生团队里，你的"新工程师"是每一个新的 Claude Code 会话。它没有上下文——除非你给它。没有 CLAUDE.md，每次会话都从零开始推断结构假设。它能生成能跑的代码，但生成的代码没有连贯的心智模型支撑。

这就像让十个建筑师各自设计一栋楼的一层，但没人见过总平面图。每一层单独看都没问题，但它们合在一起会怎样？门可能开在承重墙上，水管可能穿过电线管道。

The Founder’s Playbook 把这种现象叫做"结构性不连贯"（structural incoherence）。代码能跑，能过测试，但背后没有一个统一的设计意图。问题不在任何一段代码，而在于所有代码从未被设计成能协同工作。

CLAUDE.md 里应该写什么

不是完整的规格书。你不需要在这个阶段写一份 IEEE 830 标准的需求文档。

你需要写的是决策和理由。为什么选 PostgreSQL 而不是 MongoDB？为什么接受这个技术债？为什么这个模块的边界划在这里而不是那里？

举个例子，你可能会写：

“我们选择 Next.js 而不是纯 React，因为我们预计未来三个月需要 SSR 来支持 SEO。这是一个刻意的选择，即使它增加了部署复杂度。如果三个月后 SEO 不再是优先级，可以重新评估。”

这段话告诉 AI 的不只是"用什么"，还有"为什么用"和"什么情况下可以改"。

范围文档：AI 时代的疫苗

和架构文档同等重要的是范围文档。

在 AI 时代，范围蔓延（scope creep）是一种全新的危险。过去，加一个功能需要一个 sprint 的工程师时间——这个成本本身就是一种制衡。现在，加一个功能只要一个下午。每一项单独看都理所当然：当然产品应该处理这个边缘 case，当然用户会想要那个工作流。

用 AI 做压力测试：让魔鬼代言人替你思考

Sat, 06 Jun 2026 10:00:00 +0800

苏格拉底说：“未经审视的人生不值得过。“在 AI 时代，未经反驳的创业想法不值得做——而 AI 给了你一个永不疲倦的反驳者。

确认偏误的新武器

1960 年，英国心理学家彼得·沃森做了一个著名的"2-4-6 实验”。他告诉受试者三个数字 2、4、6 遵循某个规则，让他们猜规则是什么。受试者几乎无一例外地先猜"连续偶数”，然后只举符合这个猜想的例子来验证。沃森的真正规则其实是"任意三个递增数字"——但很少有人主动去举反例来反驳自己。

这就是确认偏误：我们本能地寻找支持自己信念的证据，而忽略或贬低反面证据。在创业中，这是致命的。

The Founder’s Playbook 指出了一个 AI 时代特有的危险：确认偏误现在有了一个研究引擎。 让 AI 验证你的创业想法，它会找到支持证据；让 AI 做市场规模测算，它会找到让 TAM 看起来可融资的数字。如果你不提出尖锐的问题，AI 可以比你更快地为一个坏想法构建出一套看起来像那么回事的"尽职调查"。

更危险的是，这个过程会让你感觉自己在做尽职调查。一份 30 页的市场分析报告、一组漂亮的 TAM/SAM/SOM 拆解、五个"验证过"的用户痛点——看起来严谨无比，但前提可能是错的。

结构化魔鬼代言人

解法是同一个工具，指向相反的方向。

天主教会在 1587 年设立了一个正式职位叫"魔鬼代言人"（Devil’s Advocate）——专门负责在封圣过程中提出反对意见，质疑候选人的圣迹和美德。这个职位的存在不是为了阻挠封圣，而是为了确保封圣决定的严肃性。

The Founder’s Playbook 建议你把 AI 当作你的结构化魔鬼代言人。具体操作分三步。

第一步：让 AI 攻击你的问题陈述。 不是让它说"这个问题很好"，而是让它构建一个论证：为什么这个问题没有你以为的那么大、不值得解决、或者已经被很好地解决了。让它找反例：哪些市场信号是负面的？哪些竞争对手失败了，为什么？用户行为模式里有哪些和你的假设矛盾的地方？

第二步：让 AI 替竞品辩护。 让它分析竞品的方案为什么比你好、用户为什么选他们、你的差异化优势为什么没有你以为的牢固。这一步的价值在于，它会逼着你理解竞品的真实优势——而不是你为了方便而刻意简化的那个"竞品"。

第三步：让 AI 质疑你的解决方案。 你的方案依赖哪些假设？每个假设在什么情况下不成立？如果有一个假设被证伪，整个方案会怎样？

压力测试之后

做完这三步，你大概会经历两种反应之一。

第一种：你的想法经受住了攻击，你知道了它最脆弱的在哪里——这让你在接下来的用户访谈中有了明确的测试方向。

第二种：你的想法被撕开了，你发现核心假设站不住——这是好消息。 不是"你失败了"，而是"你在动手之前就知道这条路走不通了"。

这让我想到查理·芒格的一句话：“我只想知道我会死在哪里，这样我就永远不去那个地方。” AI 让你有能力在创业之前，先快速"死"上几十次。每一次虚拟的死亡，都避免了一次真实的资源浪费。

用户访谈的框架

压力测试之后，才轮到用户访谈。书中建议用 AI 来设计和优化访谈框架——但有一个关键原则：问题要先自己写，再让 AI 审。

为什么？因为如果你直接让 AI 生成访谈问题，你会得到一组"正确但平庸"的问题。它们没有引导性、没有漏洞、也没有灵魂。但如果你先自己写——暴露你的偏见、你的假设、你的盲区——然后让 AI 来审，它会指出哪些问题在引导受访者、哪些太宽泛、哪些会得到社会期望的答案而不是真话。

找到你的问题域：从"能做"到"该做"的跨越

Fri, 05 Jun 2026 10:00:00 +0800

孙子曰：“夫未战而庙算胜者，得算多也。“在 AI 让"建造"几乎免费的今天，“算"什么、“算"哪里，反而成了最难的一道题。

无限可能，零值判断

2024 年秋天，我在旧金山参加了一场创业聚会。一个穿 Patagonia 背心的年轻人告诉我，他周末用 Claude Code 做了三个产品原型——一个 AI 法律助手、一个自动化记账工具、一个社交媒体内容生成器。“三个都能做，“他说，“但我不知道该做哪个。”

这不是个例。当 agentic coding 抹平了技术门槛，创始人面临的选择困境反而加剧了。过去，你能做什么受限于你会什么；现在，你能做什么几乎没有限制，但"该做什么"的判断难度陡然上升。

这就像一个厨师走进一个无限食材的厨房——真正的限制不再是食材，而是对"什么菜值得做"的品味。

问题的三个层次

The Founder’s Playbook 把 Idea Stage 的验证工作归结为四个按顺序回答的问题：这个问题真实、具体、频繁到值得围绕它做公司吗？谁有这个问题？有没有人在解决它？你的方案能做到吗？

这些问题看似朴素，但每一个都暗藏陷阱。

“真实"不等于"你感觉到了”。 一个经典的创业认知偏差是：我是用户，所以我的问题就是大家的问题。这叫"自我抽样偏差”——你当然有这个问题，因为你就是你。但市场不是你的镜像。

书中给出的例子很精妙：“人们做报销很痛苦"是一个观察，不是假设。“中型公司的财务经理每周花四个多小时核对报销单，因为现有工具和他们的会计软件不互通"才是可验证的假设。前者让你感觉抓住了需求，后者让你能去验证。

“具体"是杀死模糊的刀。 德鲁克在《管理的实践》里说过类似的话：企业只需要做两件事——营销和创新。但如果你问创始人"你在解决什么问题”，得到的答案往往是"让工作更高效"或者"用 AI 改变行业”。这不是问题陈述，这是愿景口号。真正的问题陈述要具体到你能指着一个人说：“他，每天下午三点，正在经历这个问题。”

“频繁"决定了你是在做公司还是在做项目。 一个一年发生一次的问题，用户不会为它付费——他们会自己忍着。一个每天发生四次的问题，用户愿意为任何能解决它的东西付费。频率决定了你的收入模型。

用 AI 做竞争地形图

找到问题域不只是向内看——你还得向外看。书中建议用 AI 做竞争地形分析，而且要用一种特殊的方式：让 AI 替你的竞争对手说话。

不是让 AI 列出竞品的功能对比表——那种表格谁都会做。而是让 AI 构建一个论证：为什么这个竞品会成功，而你会失败。让它分析竞品的方案为什么更好、用户为什么选他们、你的差异化优势为什么没有你以为的那么牢固。

这招来自军事战略中的"红队演练”（Red Teaming）。冷战时期，美国国防部专门组建团队扮演苏联指挥官，用苏军的思维来审视美军计划。效果显著——很多在美军内部"显而易见"的行动计划，被红队从敌方视角拆解得千疮百孔。

用在创业上，就是让你的 AI 扮演最了解你竞品的分析师。它会告诉你那些你因为太爱自己的idea而选择性忽略的东西。

客户发现的实操

找到问题域的最后一步是和人说话——不是"你觉得这个想法怎么样”，而是"告诉我你上次遇到这个问题时发生了什么”。

这里有一个创业研究中反复验证的发现：人们不擅长预测自己未来的行为，但很擅长描述自己过去的行为。 问"你会不会用这个东西"得到的是愿望清单；问"你上次遇到这个问题时怎么处理的"得到的是行为数据。

The Founder’s Playbook 建议用 Claude Cowork 来自动化客户发现的操作层：构建目标用户画像、生成外联邮件、管理排期、追踪访谈进度。但有一个原则——收集和初步分析可以自动化，但对话本身必须是人。 一个用户说"这个很好但我希望它也能……"，这句话背后的含义——是核心需求还是一厢情愿？是个人偏好还是群体特征？——只有人能判断。

退出条件

Idea Stage 的退出条件是找到"问题-解决方案匹配”：你有定性证据证明你在为真实的人解决真实的问题。三个检验——你能说清楚谁、多频繁、多严重、现在在怎么办吗？你的方案针对的是被验证过的问题吗？目标用户群构成一个真实的市场吗？

从福特流水线到 AI 原生：打造一家 AI Native 公司的范式转移

Wed, 03 Jun 2026 10:00:00 +0800

1913 年，福特高地公园工厂引入移动装配线，汽车底盘的装配时间从 12 小时 28 分压缩到 1 小时 33 分。这不是效率的改良，而是生产范式的重构。今天，AI 正在对创业做同样的事。

一场安静的范式转移

1913 年之前，汽车是工匠在固定工位上逐件组装的。每个底盘架在同一个位置，工人围着它转。福特做了一件听起来很简单的事：让底盘动起来，让工人站着不动。装配线不是新工具，它是新范式——它重新定义了"造车"这件事本身。

The Founder’s Playbook: Building an AI-Native Startup 描述的就是这样一个时刻。2026 年的 AI 不是在"改良"创业流程，而是在重构"创办一家公司"这个行为的底层逻辑。

过去几年，我们见证了几个关键节点的到来。2022 年底 ChatGPT 发布，AI 从实验室走进客厅。2024 年 agentic coding 工具成熟，一个人可以在一个下午做出过去一个团队几个月才能交付的产品。2025 年，YC 批次的创业公司中，单人创始的比例显著上升——不是因为他们更孤独，而是因为 AI 让一个人能跑出一个团队的节奏。

这不是"效率提升"。效率提升是在同一个范式里做得更好。范式转移是——你不再需要优化旧范式，因为你换了一个。

什么是 AI Native？

先说它不是什么。AI Native 不等于"用了 AI 的公司"。就像"移动互联网原生"不等于"做了个 App 的公司"——诺基亚有 App，但它不是移动原生。

AI Native 是一种组织范式：AI 不是工具层，而是基础设施层。 就像电力对工业革命的意义——你可以买发电机，但真正的变革来自整个工厂围绕电力重新设计。

在 AI Native 公司里，创始人的工作不是写代码、做研究、起草融资材料——这些 AI 都能做。创始人的工作是编排：决定用什么工具、在什么阶段、解决什么问题、达到什么效果。这就像福特工厂里的生产工程师，他不拧螺丝，但他设计螺丝被拧的顺序。

为什么是现在

三个条件同时成熟了。

Agentic Coding 让"构建"民主化。 过去，做一个软件产品需要技术联合创始人、外包团队，或者足够长的 runway 去招人。现在，一个没有工程背景的创始人可以用自然语言描述需求，让 AI 生成、测试、调试、重构生产级代码。从"有想法"到"有产品"的距离被压缩到几乎为零。

什么才算是AI Native：从卖工具到卖结果的创业范式转移

Mon, 01 Jun 2026 08:00:00 +0800

什么才算是AI Native：从卖工具到卖结果的创业范式转移

AI原生服务公司正在重写创业剧本：不是卖工具，而是直接交付结果。

YC Startup School最近一期节目中，主讲人Charlie Warren提出了一个颠覆性的观点：十年内，会出现一部分AI巨头公司，主业并不是做开发，而是被AI重新组织起来的服务公司。A16Z的投资团队也在多个场合强调，AI时代的创业机会不止于产品，更在于服务交付的重构。

这种转变正在发生。保险、税务、法务、审计、医疗文书、财务外包、合规服务、企业申报——这些传统、笨重、不互联网的行业，正在成为AI创业的新战场。根据麦肯锡研究，到2030年，AI有望自动化全球服务行业约30%的工作任务，市场规模预计超过万亿美元。

从SaaS到AI Native Service，一场从"卖工具"到"卖结果"的范式转移正在悄然上演。

从工具到结果：两种完全不同的商业逻辑

传统软件公司卖的是工具。客户买CRM是为了管理销售线索，买财务软件是为了处理账目，买合同工具是为了起草和审核文档。软件本身并不保证结果，它只是让客户内部的人更高效。

AI原生服务公司卖的则是结果。客户不再购买"合同审查工具"，而是购买"合同审查完成"；不再购买"报税软件"，而是购买"税务申报完成"；不再购买"合规助手"，而是购买"合规文件交付"。

核心区别在于责任边界：卖工具，客户需要学习工具、设计流程、承担执行结果；卖结果，服务公司要把业务的流程、质量控制、异常处理和最终交付都承担下来。这要求AI原生服务公司，既要具备传统服务外包BPO的运营能力，又要构建领先的AI驱动运营系统。

选市场：找到AI能真正创造价值的领域

不是所有服务行业都适合AI原生服务这条路。YC节目中指出，值得做的市场有几个关键特征。

第一，客户预算充足且持续。理想的入口是那些客户已经长期付费、但体验很差的服务：贵、慢、不透明、沟通成本高、结果不稳定。税务、保险、法务、审计、医疗、财务外包就特别典型。

第二，任务可拆解，能量化，有标准。AI擅长处理大量的、可以被验收、相对结构化、流程比较明确的工作，比如读取海量文件、提取关键信息、汇总撰写初稿、核对成百上千条规则。如果一个服务完全依赖专家经验判断，很难在早期直接自动化，但可以拆成一连串小任务，让AI先吃掉大部分工作量。

第三，客户关心结果，而不关心你的人力成本。客户只在意事情有没有办成、风险有没有降低、要求有没有达到、速度有没有提升。只要结果可信、交付稳定、责任清楚，新的供给方式就有机会替代旧方式。

Sam Altman测试：你的价值是否依赖模型本身？

很多AI产品本质只是给大模型包了一层界面。YC节目中提到的"Sam Altman测试"提供了一个判断标准：6-12个月后，GPT模型能力继续大幅提升，你的公司会因此更强，还是会被OpenAI的新功能覆盖掉？

如果你的服务价值只是"调用模型生成一段内容"，那会很危险，因为客户迟早自己就可以用模型完成同样的事情。但如果你的价值是精通复杂的行业流程、与客户建立深度信任、拥有独特的数据沉淀、质量控制能力出色、责任边界清晰、交付能力有保障，那么模型越强，你反而越有价值。

更强的模型会降低交付成本、提高处理速度、扩大服务范围、改善毛利结构。因此，顶尖的AI原生服务公司，必须建立在模型进步之上。

稳定交付是最大的壁垒，也是最大的难点

AI原生服务公司最大的挑战，是能不能稳定交付结果给到客户。服务行业卖的是信任，客户要的是确定性。

YC节目里有一句话：“variance kills these businesses faster than anything else”——不稳定性会比任何东西更快杀死这类公司。

想象一下：同样的问题，这次答对下次答错；同样的客户，这次体验好下次体验差；同样的流程，这个案例顺利，另一个案例失控。只要这种波动存在，客户对你的信任就会迅速被消耗掉。

一个真实案例：美国AI法律服务公司DoNotPay最初以"AI律师"的噱头吸引了大量关注，但因为AI回答的不稳定性，导致客户投诉激增，最终不得不转型为更注重人工复核的混合模式。

因此，AI原生服务公司的核心能力不是炫耀"全自动"，而是知道哪些环节要自动、哪些环节要人工、什么时候要多重审核、什么时候拒绝回答并升级给专家处理。人与AI协作不是为了让商业故事更好听，而是为了把风险控制在客户可接受的范围内。

不要被早期客户拖成定制外包

AI原生服务公司还有一个常见陷阱：早期客户需求很多，什么都想接，结果变成了定制外包。

为了获得收入，每个客户都有特殊要求，每个项目都要临时救火，每一单都要重新设计流程。公司收入会增长，团队也会扩张，但底层没有形成可复制的交付系统。

真正的优势在于：扎根某类服务场景，借助AI把过去没法标准化的环节做到标准化、把过去没法流程化的功能做到流程化、把过去复杂的工序做到简洁化，永远让下一单比上一单更容易交付。

对AI原生服务公司最重要的营收指标，不是全部收入，而是其中能复用的收入。

定价：不要让自己陷入低价困境

AI会让交付成本下降，但这并不意味着公司应该靠低价竞争。传统服务里，律师、顾问、会计按小时收费，但AI原生服务公司如果继续按小时收费，就浪费了自己的优势。

你卖给客户的不是时间，而是结果。如果你能够帮客户节省十万块，收一万块的服务费合情合理。但如果你主打的是"我们比传统顾问便宜50%"，客户反而会继续压价。

AI降低交付成本，价值定价保留利润空间。两者结合，才可能形成高毛利业务。否则，公司名义上是"AI原生服务"，实际上只是"AI低价外包"。

AI杠杆最终要体现在财务上

AI原生服务公司需要从一开始就把财务账算清楚。收入怎么来？交付成本是什么？毛利有多高？AI Token成本会不会失控？人工审核、异常处理、客户支持、数据处理分别占多少成本？每新增一个客户，需要增加多少人？

关键财务指标：优秀的AI原生服务公司，应该随着规模扩大，毛利越来越好。早期可以有较多人工参与，但随着流程稳定、数据积累、模型能力提升，人应该逐渐从执行者变成监督者。

衡量标准：收入增长曲线要比人力增长曲线更陡。如果收入增长100%只需要增加30%的人力，说明AI杠杆在起作用。反之，如果收入和人力同步增长，那只是一家用了AI工具的传统服务公司。

行业数据：据A16Z报告，成功的AI服务公司毛利率通常在60%以上，而传统BPO公司毛利率普遍在20-30%之间。

对国内创业者的启发

中国SaaS长期难做，最大的敌人是企业客户都在"自研"软件产品。但是，企业过去就有许多业务是天然在持续付费和外包的：获客、财税、合规、申报等各种"办事"的服务。

这反而让AI原生服务公司有机会。国内有大量服务行业仍然低效、分散、不透明，但客户需求真实存在，比如财税、法务、外审、知识产权、跨境合规、企业资质申报、保险理赔、医疗文书、留学申请、审计内控、供应链单证等。

谁能把复杂服务拆成AI可执行的，谁能控制交付质量的方差，谁能建立客户信任，谁能围绕结果定价，谁就可能在传统服务业里做出新一代AI公司。

说到底，AI的机会不仅是"卖给客户"，也有可能是"交付结果"。过去的软件公司把工具卖给客户，让客户自己完成工作。AI原生服务公司则把客户需要的结果直接交付出来。

这要求创业者不只是懂AI，更要懂行业、懂流程、懂运营、懂质量控制、懂客户信任。这里的壁垒不仅在于用好AI，还得把传统服务做成一套稳定、可复制、可规模化的系统。

只要模型在继续变强，成本就能继续下降；只要通用AI覆盖率继续提高，你就能解决客户更多的新问题。下一代AI大机会，改变也许就在那些最传统、最繁琐、最贵、最慢、最不稳定的服务业深处。

AI原生服务公司的本质，就是把这些旧服务重新做一遍——不是卖产品，而是卖结果。

- FIN -

当AI泡沫遇见持续买入：一个数据分析师的自我怀疑与坚持

Wed, 27 May 2026 08:00:00 +0800

当AI泡沫遇见持续买入：一个数据分析师的自我怀疑与坚持

引言：连《持续买入》的作者都动摇了

2026年5月，全球股市涨得让很多人开始怀疑人生。

标普500连创新高，日韩台股同步起飞。Nvidia一家公司的市值超过中美之外任何一个国家的GDP。巴菲特手持将近4000亿美金历史最高仓位现金，连他都在等。

满仓AI的人怕这是顶，一路加仓的人怕自己是高位接盘的傻子，攒着现金等机会的人越等越觉得错过了。

而《持续买入》（Just Keep Buying）的作者Nick Maggiulli，在节目中说了一句让很多人震惊的话：

“一年前，我变得有点悲观了。这可是破天荒头一次。我把股票仓位从100%减到了80%。”

连写《持续买入》的人都动摇了，这个市场到底怎么了？持续买入还管用吗？

带着这些问题，我重新审视了Nick在这期播客中的观点。比起"持续买入"的投资建议，我更感兴趣的是——一个数据分析师如何在自我怀疑中坚持原则。

这才是这个故事最有意思的地方。

一、AI：泡沫还是范式转移？答案是两者都是

Nick在节目中给出了一个相当诚实的回答：

“可能两者都有点。如果你回顾任何重大技术变革的历史，总会有大量玩家蜂拥而至，也会有大量资金涌入。过度投资总是难免的。但与此同时，对于很多领域来说，它确实是一场范式转移。”

这个回答没有给出明确结论，但恰恰说明了为什么现在的市场让人困惑。如果答案显而易见——要么是2000年的互联网泡沫，要么是真正的历史性变革——我们就不需要讨论了。

市销率的警讯

Nick看跌的理由很有意思：他用市销率（P/S）比较了Nvidia和1999年的Microsoft，发现两者几乎一模一样。

他喜欢市销率而不是市盈率，因为"盈利可以通过各种财务技巧来操纵，销售额则是实打实的。你不能伪造销售额，那直接就是诈骗了"。

2021年的SPAC热潮、市盈率的高企，让他产生了强烈的既视感。

但增长确实来了

然而，Nick也承认自己错了。他原本认为Anthropic一年内把ARR从30亿做到450亿是"天方夜谭"，结果他们轻轻松松就做到了。

“也许我当时太悲观了，因为我觉得这种增长预期简直是天方夜谭，结果它们真的实现了。”

这种认知冲突——既觉得像泡沫，又看到真实增长——正是当下每个投资者面临的困境。

二、《持续买入》的核心信条：三个支柱

Nick的核心投资建议只有一句话：

“持续买入多样化的创收资产。”

这三个支柱各有深意：

持续买入：不需要择时，哪怕你掌握了关于未来的所有信息，每月坚持买入仍然是更好的选择。Nick在书中用数据证明了这一点。

多样化：不把鸡蛋放在一个篮子里。股票、债券、房地产——这些都是创收资产。黄金、比特币不算，因为它们不产生收入。

创收资产：能够产生某种收入的资产。黄金可以持有，但不应该成为投资组合的绝大部分。

Nick的实践：他从未停止买入，但会根据市场情况调整买什么——少买点美股，多买点国际股或债券。“关键是，我始终在买入”。

三、数据不会骗人：为什么择时是个伪命题

Nick最重要的论点是：数据压倒性地支持"持续买入"。

SPIVA数据：90%的主动基金跑输指数

这是一个让所有"选股高手"尴尬的事实。在长期，大多数专业投资者无法跑赢市场。

Nick的逻辑很直接：如果你不想付出任何努力就想战胜市场，这是不可能的。但如果你愿意花时间提升职业收入，那才是真正的财富来源。

“你在某一天，股市大涨或大跌，你赚的或亏的，可能比你当初在非常好的工作大半年里赚的还要多。”

随着投资组合越来越大，市场波动的影响超过工资收入。专注于职业，利用市场建立财富——这才是正道。

收入与财富相关性最高

Nick查阅了大量数据，得出的结论是：收入与财富相关度最高。这不是争议，是事实。

高收入人群存更多钱，存下来的钱去投资，形成正向循环。“人们最常见的致富途径，要么是有一份工作然后长期攒钱，要么是创办企业卖掉赚大钱。”

四、市场恐慌时怎么办？

2020年3月23日的教训

Nick分享了他最尴尬的一次投资经历。2020年疫情崩盘时，他被恐慌情绪左右，在市场最底部附近卖出了股票。

结果呢？市场随后大涨，他完美错过了最肥的一段。

“我写《持续买入》这本书，结果连我自己都在那一刻违背了原则。”

这个故事告诉我们：情绪是投资最大的敌人。哪怕你懂所有道理，在极端市场面前，人性的弱点依然会让你犯错。

大萧条不是常态

很多人担心"大萧条重演"，但Nick指出这种可能性被高估了：

如果你在1929年高点买入标普500，持有到1950年代就回本了
持有20年，实际回报接近4%
100年的股票实际回报约为4%

时间会熨平波动。如果你有20-30年的投资期限，市场最终会给你惊喜。

五、要不要止盈？

这是很多人现在最纠结的问题：市场这么高了，要不要卖出一部分？

Nick的反问很犀利：

“你卖出的目的是什么？”

如果你卖掉是为了买房、支付婚礼费用等现实需求，止盈完全合理。但为了"分散投资"或"套现"而卖？“如果你不知道自己为什么要这么做，你就不应该做。”

另外，别忘了应税事件。卖出是要交税的，所以在做决定前要把这个因素考虑进去。

六、分散化比你想象的更难

Nick的仓位大致是80/20——80%股票、20%债券。股票部分一半美国、一半国际。

S&P 500集中度问题：Nick提醒，很多人觉得持有Nvidia、Microsoft、Apple就是"分散投资"，但实际上他们在科技股上非常集中。S&P 500本身已经集中于科技股，个股持仓只会更糟。

如果你担心集中度问题，可以考虑等权重配置，而不是盲目认为"我买S&P 500就是分散投资"。

Nick的特殊调整：正准备买房，现金储备增加——这是合理的，因为他有具体的资金需求。一旦买房完成，他会恢复80/20。

核心启示：分散化不是买几只股票就算完事，而是要理解你真正持有什么。

TOKEN API中转站深度研究：连接红利下的技术逻辑与商业博弈

Tue, 26 May 2026 08:00:00 +0800

API中转站的本质是Token经济在AI时代的特殊表现形式——通过破解信息壁垒和准入壁垒，将原本稀缺的计算资源转化为可套利的数字商品。

当OpenAI、Anthropic等厂商构建起技术壁垒时，中转站生态正在以轻量技术实现撬动巨大的连接红利。根据CISPA亥姆霍兹信息安全中心2026年3月发布的《真金白银，假冒模型》研究报告，17家被测中转站中有近50%存在模型替换行为，这揭示了行业的核心矛盾：技术门槛低、监管套利空间大、数据安全风险高。本文从Token的本质、技术实现、商业模式、风险评估四个维度展开深度研究，并新增分销商模式与边缘计算整合模式的分析。

Token的本质：AI时代的数字货币

Token是AI模型的"燃料"，是衡量AI服务价值的基本单位。Token的本质在于它将复杂的计算资源（GPU算力、模型参数、训练数据）转化为可计量、可交易的数字商品。一个GPT-4的Token约对应0.75个英文单词或1.5个中文字符，背后是数千亿参数模型的推理计算。Token经济的核心逻辑是：算力成本 → Token定价 → 服务变现，中转站正是在这个链条中找到了套利空间。

Token与AI模型的逻辑纽带：

环节	技术本质	经济意义	中转站角色
Token生成	模型推理计算	价值创造	无（厂商完成）
Token定价	成本+利润	价值分配	重新定价套利
Token流通	API调用消费	价值交换	渠道垄断
Token结算	按Token计费	价值实现	截留价差

技术实现：轻量架构下的接口统一

中转站的技术实现远比想象中简单，核心是一个API网关层的封装。你可以把它想象成一个"翻译官"——接收用户的请求，翻译成目标模型能理解的语言，拿到结果后再翻译回来。核心技术栈包括：反向代理（Nginx/Envoy）、API路由与鉴权（自定义或使用Kong/Gateway）、请求转换层（将非OpenAI格式转换为标准格式）、负载均衡与限流。以new-api为例，其核心代码不超过5000行，主要实现三个功能：格式转换、密钥管理、请求转发。这个轻量架构正是中转站能低成本运作的关键——技术门槛低意味着任何人都能进入，这也为灰色和黑色模式的滋生提供了土壤。

技术方案对比：

技术方案	实现复杂度	性能表现	扩展性	代表项目	成本估算
纯反向代理	低	高	低	简单中转脚本	<1万元
API网关封装	中	中高	中	new-api	5-10万元
企业级架构	高	高	高	OpenRouter	50-100万元

关键技术细节：

格式转换：将Claude的XML格式、Gemini的JSON格式统一转换为OpenAI格式
密钥管理：用户密钥与上游密钥解耦，支持多租户管理
流量控制：防止单个用户耗尽额度，实现公平分配

商业模式：五级光谱下的套利逻辑

商业模式可清晰分为五个层级，从合规到违法形成完整光谱。

白色模式：正规平台费

以OpenRouter为代表：5.5%充值手续费、300+模型接入、月处理70万亿Token，透明合规但利润微薄。国内的CloseAI宣称服务阿里、腾讯等大客户，通过正规企业合作协议获取批量折扣。

分销商模式：返利与折扣整合

这是一种更高级的商业模式。中转站作为中间商，与多家模型厂商（OpenAI、Anthropic、Google等）谈判大客户价格，获取批量折扣和季度返利。然后通过高于供应商成本但低于官方零售价的价格，以分销商模式卖给小型商家或个人用户。小商家可以在多模型中自由对比和切换使用。价值创造：通过规模效应降低成本，为中小客户提供多模型选择的便利。安全风险：数据仍需经过中转站，存在泄露风险；依赖上游厂商政策变化。

灰色模式：暴利操作

Web2API逆向：就像把ChatGPT Plus的网页界面"扒"下来，做成API接口对外售卖。一个20美元/月的Plus账号，能拆成API卖给几十个人用。Sub2API拼车更有意思，它专门做订阅账号共享，一个账号同时给5-20人用。20美元的订阅费，5个人分摊每人只要4美元，中转站转手卖8美元，净赚100%。这种模式本质是把个人订阅权限当成"批发商品"来卖，成本几乎为零。

边缘计算整合模式：算力资源最大化

这是最高级的模式。中转站将边缘计算的算力资源整合，将不同时段的折扣（如夜间低峰期折扣）整合，实现算力资源和API资源的最大化利用。例如：

AI-First组织革命：从"信任人"到"信任AI"

Mon, 25 May 2026 08:00:00 +0800

Harness时代：一场从"信任人"到"信任AI"的组织革命

引言：当AI从工具变成主导者

2026年的春天，硅谷传来一个令技术圈震动的数据：一家25人的公司，99%的代码由AI完成，每天平均3到8次生产部署，过去需要六周的产品开发流程，如今一天就能跑完。这不是科幻，而是CreaoAI在《Why Your “AI-First” Strategy Is Probably Wrong》中展示的真实案例。

这篇博文之所以在X上获得百万级阅读，不是因为它描述了一个美好的愿景，而是因为它撕开了"AI-First"转型中最那道最难跨越的伤疤——信任。不是对AI能力的信任，而是对AI作为生产力主导者的信任，是对整个组织从"人驱动AI"转向"AI驱动人"这一根本性变革的信任。

CreaoAI成立于2025年11月，25名员工中只有10名工程师。创始人Peter Pang在2026年1月做出了一个大胆的决定：从零开始重构整个产品架构和工程工作流。两周后，新系统上线。如果产品能够自我构建，它就能work。

一、Harness Engineering：工程团队的首要任务不再是写代码

从概念到实践：OpenAI的定义

2026年2月，OpenAI发表了一篇文章，阐述了"Harness Engineering"的概念：Creao其实早就在践行这一理念，只是没有给它命名。

Peter Pang对Harness Engineering的核心定义：

“工程团队的首要任务不再是写代码，而是使Agent能够做有用的工作。当某件事失败时，修复方案永远不是’再努力试试’。修复方案永远是：缺了什么能力？我们如何让这个能力对Agent可见且可执行？”

这个定义揭示了Harness的本质：从"人修复问题"到"系统获得能力"。传统思维是"人出了错，人来修"；Harness思维是"系统缺能力，系统补能力"。

从Prompt Engineering到Harness：认知的三次跃迁

回溯大模型应用的历史，我们经历了三个认知阶段：

第一阶段：Prompt Engineering（提示词工程） 这个阶段人们相信，只要写好提示词，AI就能乖乖听话。但prompt的边界太明显——它太依赖人的表达能力和对AI的理解，同样的需求，换一个表述，结果可能天差地别。

第二阶段：Context Engineering（上下文工程） RAG（检索增强生成）技术风靡一时，核心逻辑是"喂给AI足够多、足够准确的上下文"。但上下文是静态的，而AI处理的任务是动态的；上下文是过去的经验，而任务总是面向未知的场景。

第三阶段：Harness Engineering（挽具工程） Harness不是静态的配套系统，而是"驯化"通用智能的动态过程。它解决的是如何让一个AI系统从"能干活"进化到"会自我优化"的问题。

而Harness要做的是，让整个系统成为一个人机共生的生态系统：AI不仅执行任务，还能根据执行结果调整策略；系统不仅能工作，还能识别自身的缺陷并自我修复。

“Prompts are disposable”：一个反直觉的真相

Peter在原文中提到了一个反直觉的观点：

“A production system needs to be stable, reliable, and secure. You need a system that can guarantee those properties when AI writes the code. You build the system. The prompts are disposable.”

智能体：AI 时代的操作系统级入口

Thu, 14 May 2026 07:18:00 +0800

核心观点：李彦宏提出的 DAA（日活智能体数）指标，标志着 AI 时代的入口迁移已经开始。智能体不是独立软件，而是 AI 操作系统——比拼的不是裸模型，而是模型+Harness+ 工具链的整套系统。智能体的使命，就是成为这个操作系统的统一调度者，让不同领域的智能体能够互联互通、协同工作，最终成为 AI 时代的中心化入口。

一、DAA：衡量 AI 时代繁荣度的新指标

李彦宏在 Create AI 大会上提出的 DAA 指标，值得深入思考：

“过去互联网时代，大家习惯用 DAU 衡量有多少人在使用产品。但到了 AI 时代，真正重要的事情开始变成，有多少智能体正在替人类干活。”

DAA 本质上衡量的是：智能体生态到底繁不繁荣，AI 有没有真正开始介入真实世界。

这背后有三个关键判断：

每个技术时代都会出现中心化入口：PC 时代是搜索，Mobile 时代是超级 App，AI 时代是智能体
智能体入口之争已经开始：百度、Google、OpenAI 都在下重注
移动端是关键：谁占据手机屏幕，谁就更有机会成为入口——移动端让智能体真正实现 7×24 小时可用

二、从 Tools 到 Teammates：范式的本质跃迁

整个行业的共识正在形成：AI 正在从 Tools 走向 Teammates。

对比维度	ChatBot 时代	智能体时代
核心逻辑	工具逻辑	数字劳动力逻辑
用户体验	问问题→直接给答案	说需求→端到端完成
典型场景	信息查询、知识问答	PDF 转文档、订机票、做 PPT

关键差异在于：智能体能主动感知环境、规划任务、调用工具、处理异常，最终完成交付。就像百度 DuMate 能自动判断雪球是否需要登录，然后选择合适的 Skill 完成任务。

这种体验会深入用户心智。一旦形成习惯，谁拿到这个入口，谁就是王者。

三、智能体是操作系统，不是独立软件

这是百度最深刻的洞察之一：

“智能体不只是 AI 模型之上的新产品，它更像是 AI 操作系统。”

22岁别创业，18岁选计算机：A16z创始人的20年破局公式

Fri, 08 May 2026 06:00:00 +0800

A16z创始人Marc Andreessen给出了一份未来20年的硬核职业路径。

22岁，别急着创业。去硅谷，找增长最快、文化最硬核的公司。用三年时间拼命干活，积累绝对优势的背调口碑，同时疯狂筛选未来能一起成事的人脉网。

18岁，闭眼选计算机。Andreessen划定了三大重塑世界的主线赛道：加密货币与分布式系统、人工智能与深度学习、合成生物学。死磕其中一个。

这不是建议，是顶级资本正在疯狂下注的财富蓝图。

三年打磨，二十年收获

为什么是三年？

Andreessen看的是二十年维度的回报。顶级风投投的不是想法，是能持续执行的人。而能持续执行的人，是在硬核环境中磨出来的。

一位曾在硅谷顶级公司工作多年的投资人告诉笔者，早期的工作经历会深刻影响一个人的做事标准和社交网络。在一家「硬核」公司工作三年，积累的不仅是能力背书，更是一张能在关键时刻相互信任的人脉网。

这不是逃避，是蓄能。

三条主线，一个时代

2026年的今天回看，这三条赛道都在加速兑现。

AI领域已经诞生了无数独角兽，大模型能力仍在指数级提升。加密货币正在从投机资产走向真实用例，分布式系统重新定义了金融和信任机制。合成生物学开始改造制药、农业和材料科学。

年轻人最大的优势不是经验，是时间和选择权。把这个优势压在正确的主线上，回报是指数级的。

写给即将毕业的你

你可能觉得三年太久，创业更刺激。

但 Andreessen 看的是20年。

顶级风投投的不是想法，是能持续执行的人。而能持续执行的人，是在硬核环境中磨出来的。

22岁去打磨，25岁再出击。

这是顶级资本用真金白银验证过的路径。选一条主线，死磕到底。剩下的，交给时间。

高段领导力从哪里来

Sat, 14 Mar 2026 10:00:00 +0800

领导力不是职位特权，而是一种「让别人心甘情愿做你想做的事」的元能力。它不分层级，不论场景，是每个人终其一生都可以修炼的功课。

今天参加了一场领导力培训。开场前有个细节让我印象深刻：讲师没有问"在座多少人是管理者"，而是问"有多少人希望自己更有影响力"。全场举手。

那一刻我突然意识到，我们对领导力的理解，可能从一开始就窄化了。

领导力的祛魅：从职位到元能力

传统观念里，领导力似乎专属于那些带团队、管项目的人。但培训中的第一个观点就颠覆了这个认知：

领导力是每个人都拥有的影响力——你影响家人周末去哪里吃饭，影响朋友接受你的建议，影响同事支持你的方案。这些时刻，你都在运用领导力。

这让我想到一个更本质的定义：领导力的核心，是「让别人做你想做的事」。

注意，不是"替别人做事"，不是"命令别人做事"，而是让别人心甘情愿地，朝着你想去的方向行动。这里面藏着两层深意：一是你要清楚自己想要什么（方向感），二是你要理解别人为何愿意跟随你（影响力）。

高段位的领导者，从来不是最忙的那个人。他们善于授权——把Ownership真正交给团队，让每个人都觉得"这是我的事"。低段位的管理者，往往陷在事务里亲力亲为，团队却动力涣散。

管理与领导：性恶论与性善论的分野

培训中最精彩的部分，是把管理和领导放在了哲学的高度对比。

管理基于性恶论——它假设人需要规则约束，需要流程规范，需要考核驱动。管理的逻辑是"怕你做错"，所以设定边界、监控过程、追求确定性。管理问的是：如何正确地做事？

领导基于性善论——它相信人有向善的潜力，有自发的创造力，有追求卓越的本能。领导的逻辑是"信你能成"，所以描绘愿景、创造机会、拥抱不确定性。领导问的是：如何做正确的事？

这两者的关系不是对立，而是分形。

面对不成熟的团队（新人居多、能力不足、方向不清），你需要管理——建立规则、明确流程、降低试错成本。这时候团队是"团伙"状态：成员相似度高、目标短期功利、依赖外部驱动。

面对成熟的团队（能力匹配、目标共识、自我驱动），你需要领导——激发潜能、授权决策、容忍试错。这时候团队才是"团队"状态：成员能力互补、目标长远积极、内在动机驱动。

最危险的领导者，是用管理成熟团队的方式带新人（放任自流），或用带新人的方式管成熟团队（过度控制）。

领导与领导力：职位与能力的错位

培训中有个扎心的案例：某大厂总监，管着两百人的团队，却发现关键时刻没人真正听他的。他拥有最大的「职权」，却缺乏最基本的「影响力」。

这揭示了一个残酷真相：领导职位是组织赋予的，领导力却是他人授予的。

有职位的人，天然拥有通过职权影响他人的权力——你可以分配任务、决定薪酬、影响晋升。但这种影响力是交易型的：下属听你的，是因为你手里有他想要的东西。

真正的领导力是感召型的：别人听你的，是因为信任你的判断、认同你的价值观、愿意和你一起赌一个不确定的未来。

职权领导力在顺境时好用，逆境时失灵。非职权领导力——基于专业、品格、愿景的影响力——才是穿越周期的硬通货。

这也解释了为什么有些创业者在资源匮乏时能凝聚团队：他们没有职权筹码，只能靠Ownership的让渡和愿景的感召来凝聚人。这种"赤手空拳"练出来的领导力，往往比大公司高管的"职权惯性"更扎实。

领导力的习得：从知到行的鸿沟

培训最后抛出一个问题：领导力可以教会吗？

答案是：可以学习，无法教授。

课堂上可以讲清楚概念、模型、工具，但真正的领导力只能在真实的博弈中长出来。当你被逼到墙角不得不决策，当你要为他人的错误兜底，当你必须在信息不足时选择方向——这些时刻，领导力才开始生长。

现代领导力理论强调结果论：不管你用什么风格，能否持续为组织创造卓越业绩，是检验领导力的唯一标准。

但这不意味着领导力是少数人的天赋。恰恰相反，每一次你主动承担责任，每一次你把"这是我的问题"说出口，每一次你在不确定中选择相信团队，你都在修炼领导力。

培训结束时，我想起一句话：领导力的终极考验，不是你能爬多高，而是当你跌落时，还有多少人愿意托住你。

职位可以任命，权力可以继承，但那种让人心甘情愿跟随的力量——那种即使你不发号施令，团队也会向着共同方向奔跑的感召力——只能靠自己一次次站在悬崖边，一次次选择不后退，一次次把"我们一起扛"说出口，才能慢慢长出来。

这或许是领导力最公平的地方：它不问出身，不论起点，只问你是否愿意为他人承担不确定性。

Robin：叫人，开会！

Wed, 11 Mar 2026 20:00:00 +0800

声明：本文纯属虚构。数据是真的，人是真的，会议是编的。如有雷同，说明百度确实该开这个会。

下午三点半，百度大厦 E 座 23 层，Robin 的助理敲了三下门。

“Robin，港股收盘了。”

“嗯。”

“MiniMax 收涨 22%。市值 3826 亿港元。”

“我们呢？”

“3322 亿。”

Robin 放下手里的 iPad。屏幕上是海螺 AI 生成的一段视频——一只金毛犬在沙滩上奔跑，毛发在逆光中一根一根地飘。他刚才用文心一格试了三次，出来的狗像穿了件塑料雨衣。

“叫人。”

“叫谁？”

“所有 VP。”

助理犹豫了一下：“Robin，现在是 OKR 对齐周，大家都在——”

“我说叫人。OKR 对齐个屁，先对齐一下市值。”

会议室的灯亮了。六个人陆续到齐。

Dou 穿着卫衣，上面印着"AI Native"——百度去年团建发的。Jackson 系着领带，手里端着瑞幸。Haifeng 带了笔记本电脑，屏幕上开着飞桨的 dashboard，仿佛随时准备汇报技术指标。

Robin 把一张纸推到桌中间。上面手写了两行字：

MiniMax：4 岁，收入 7900 万美元，73% 海外，市值 3800 亿。

百度：26 岁，收入千亿，AI 砸了近千亿，市值 3300 亿。

“谁来给我拉齐一下认知？”

Dou 条件反射地接话：“Robin，市值不完全反映——”

“对，市值不反映基本面。但你知道市值反映什么吗？反映 narrative。MiniMax 的 narrative 是什么？一个中国公司，七成收入来自海外，两亿多用户遍布 200 个国家。人家没在国内卷，没烧钱买量，没搞百亿补贴。人家润出去了。”

他停了一下。

“我们的 narrative 是什么？”

没人说话。

“我来帮你们 align 一下：百度是中国最早布局 AI 的公司，拥有从芯片到框架到模型到应用的全栈能力，文心大模型 5.0 在 LMArena 排名国内第一——”

千问团队离职风波：一个管理者应该看到什么

Thu, 05 Mar 2026 12:00:00 +0800

3 月 4 日凌晨 0:11，林俊旸在 X 上写下一句话：

me stepping down. bye my beloved qwen.

6M 浏览，1.3K 转发，1.3 万点赞。阿里巴巴通义千问技术负责人，今年刚满 32 岁，阿里最年轻的 P10，就这样在深夜告别了自己一手带大的团队。

前一天晚上，他的团队刚发布了一个让马斯克都点赞的开源模型。紧接着，Qwen 另一位核心负责人 Binyuan Hui（惠彬原）也走了，Qwen3.5、Qwen VL、Qwen Coder 的核心贡献者 Kaixin Li 也发了告别帖。目前确认离开的至少三到四人，全是核心骨干。一天之内，中国最有影响力的开源大模型团队经历了一次集体震荡。

这件事在 AI 圈刷屏了两天。各种内幕、传闻、阴谋论满天飞——KPI 不达标、转向闭源、被架空、被挖角。3 月 5 日，阿里 CEO 吴泳铭发了一封内部邮件：

各位通义实验室同学：

公司已决定批准林俊旸同学的辞职，感谢林俊旸过去在岗位上的付出。靖人会继续带领通义实验室推进后续工作。同时公司将成立基础模型支持小组，由我，靖人，范禹共同协调集团资源支持基础模型建设。

技术发展不进则退。发展基础大模型是我们面向未来的关键战略，我们将在继续坚持开源模型策略的同时，持续加大对人工智能领域的研发投入，加大吸纳优秀人才的力度，我们一起加油。

吴泳铭 2026年3月5日

坦白说，这些八卦和公关回应我都不太关心。我更想从一个很小的窗口来看这件事：管理。具体来说，是三个层层递进的问题——你有没有看到信号？你有没有理解诉求？你的制度能不能接住这些人？

信号一直在，只是没人听

管理学里有个说法：员工离职的决定，通常在正式提出前三到六个月就已经做出了。在这段时间里，信号其实一直在——工作热情下降、对战略讨论的参与减少、开始频繁和外部接触。问题不是信号不存在，而是有没有人在接收。

大公司里有一个常见的悖论：越重要的人，CEO 越没时间见。

吴泳铭在邮件里宣布成立高层直接协调的支持小组——这个动作本身说明了一件事：之前的协调层级太多了。一个负责公司核心 AI 能力的技术负责人，他的诉求、困惑、不满，要穿过几层汇报才能到达 CEO 耳朵里？等信息传到的时候，还剩下多少真实度？

我一直觉得，CEO 最值钱的时间投入之一是和关键人才的 one-on-one。不是季度汇报，不是 all-hands 上的 Q&A，而是关起门来、没有议程、聊半小时到一小时的那种对话。这种对话的价值不在于解决具体问题，而在于建立一条不经过任何中间层的信息通道。

Andy Grove 在《高产出管理》里算过一笔账：一个经理人花一小时做 one-on-one，影响的是下属接下来两周的工作质量和方向感。对 CEO 来说，这笔账的杠杆更大——你花一小时和一个关键技术负责人聊，可能避免的是一次价值数十亿的团队震荡。反过来，你省下的这一小时拿去开了一个战略会，讨论的可能恰恰是这个人走了之后怎么办。

精准打击会不会改写人类的组织方式？

Sun, 01 Mar 2026 23:00:00 +0800

精准打击刺穿的不是一座建筑，而是人类延续了两百年的组织幻觉。

2026 年 2 月 28 日，美国与以色列联合发动代号"史诗怒火"（Operation Epic Fury）的军事行动，对伊朗多座城市实施空袭。据以色列军方声明，以空军出动约 200 架战机执行了"以色列历史上最大规模的飞行任务"，打击了伊朗全境约 500 个目标¹。伊朗国家媒体随后证实，最高领袖哈梅内伊在其德黑兰官邸遭袭后身亡，伊朗宣布全国哀悼 40 天²。据 Reuters 报道，国防部长纳西尔扎德、革命卫队总司令帕克普尔、国防委员会秘书沙姆哈尼等多名高级官员同日被确认死亡¹。3 月 1 日，多家外媒报道称前总统内贾德也在德黑兰纳尔马克区住所遭空袭身亡，但截至发稿时伊朗官方尚未正式确认这一消息³。没有地面推进，没有大规模地面战——情报锁定位置，空中精准打击，一个拥有 8800 万人口的国家在数小时内陷入权力真空。

这不是孤例。2026 年 1 月 3 日，美军在代号"绝对决心"（Operation Absolute Resolve）的行动中，用约两个半小时从委内瑞拉提取了总统马杜罗及其妻子。据 Reuters 和 Guardian 报道，行动依赖数月的 CIA 地面情报搜集、对马杜罗行踪的持续监控，以及来自 20 个基地的超过 150 架飞机（含 F-35、F-22 和 B-1 轰炸机）的空中压制，三角洲部队在马杜罗安全屋的复制建筑上反复演练后实施突击⁴⁵。从委内瑞拉到伊朗，同一套逻辑反复上演：不需要占领一寸土地，只要猎杀关键节点，整个系统就会瘫痪。 这件事的意义远不止军事——它实质上是对人类延续了两百年的集中式组织形态的一次破坏性检验。

“最优解"过期了

集中式组织因效率而生，也因效率的代价——脆弱——而走向失效。

伊朗的权力结构为什么这么脆？因为它和全世界大多数国家一样，是按照工业时代的逻辑搭建的。

两百年前，蒸汽机、铁路和电报让大规模动员和远距离指挥第一次成为可能。拿破仑战争证明了一件事：谁能更快地集中兵力、统一指挥，谁就能赢。于是中央集权的民族国家成为"最优解”——韦伯所说的"法理型权威"。从军队到政府到企业，全部按照金字塔结构运转：信息向上汇聚，命令向下传达，效率极高。两次世界大战把这套逻辑推到了极致：苏联靠中央计划经济把整个国家变成一台战争机器，美国靠联邦政府统一调配资源打赢了太平洋战争。

但效率的代价是脆弱。金字塔的顶端——最高领袖、总司令、指挥中枢——变成了整个系统的"单点故障"。在工业化战争年代，要打掉这个顶端需要几百万军队一路推过去，代价极大，所以集中式组织是安全的。可当精准打击技术把"猎杀一个节点"的成本降到几架战机和几个小时，这个"最优解"就不再最优了。伊朗最高领袖、国防部长、革命卫队总司令在同一天被消灭——这在二战时期需要打到柏林才能做到的事，今天只需要情报加精确制导。

有意思的是，集中式并不是人类组织的"默认状态"。在工业革命之前的漫长历史里，分散才是常态。中世纪欧洲的封建制虽然效率低下，但面对蒙古西征时，分散的欧洲诸国反而比高度集中的南宋更难被一击致命——蒙古人可以在崖山灭掉整个南宋朝廷，却无法用同样的方式征服整个欧洲，因为没有一个"中枢"可以被一锅端。集中式组织是工业化战争的产物，不是人类组织的天然形态；精准斩首战争的出现，不过是让历史的钟摆开始往回摆。

三种分布式：求生、设计与技术

分布式组织已在三个层面展开——被动求生、主动设计、底层技术支撑，层层递进。

面对精准打击的威胁，分布式并不是一种统一的方案，而是在不同场景下各自生长出来的。

被逼出来的分布式：ISIS 的"九头蛇"变异。 2019 年"哈里发国"的领土被摧毁后，ISIS 并没有消亡。据 Crisis Zone 报道，它从一个有领土、有首都、有层级指挥的"准国家"，变异成一个横跨 12 个以上省份、拥有约 15000 至 25000 名战斗人员的分布式网络⁶。中央指挥被反复斩首，但萨赫勒省、呼罗珊省等分支反而在近年取得了显著的领土扩张。砍掉一个头，其他头照样咬人——这证明了分布式组织在"抗毁性"上的天然优势。

主动设计的分布式：美军的 CJADC2 和以色列的网络化军事体系。 美军显然不想等到被斩首之后才被动转型。据 Breaking Defense 报道，2026 年 2 月第四步兵师在"常春藤之刺"演习中验证了 CJADC2（联合全域指挥与控制）体系：陆军、海军陆战队、海军和盟国（澳大利亚、英国）的 48 个作战节点通过 NGC2 数据层实现了双向实时信息共享，陆军可以直接使用海军陆战队提供的目标数据开火⁷。以色列自身就是另一个案例——作为约 900 万人口的小国，它的预备役制度让大量公民成为潜在的作战节点，摩萨德、辛贝特、阿曼三大情报机构各自独立运作又通过技术平台共享信息，决策链条极短。以色列能对伊朗发动精准斩首，恰恰因为自身的组织形态已经高度网络化——而伊朗围绕最高领袖构建的集中式体系，在面对这种打击时几乎没有缓冲。

穿越周期的智慧：给理性乐观主义者的信

Wed, 25 Feb 2026 21:00:00 +0800

本系列为 2026 年春节读书反思：以《涛动周期论》《涛动周期录》为素材，用 2016–2026 年真实数据验证周金涛预言，并展开理论解构与当代应用。所有观点与预言均对应原作，数据引用参考文末索引。

他留下的不是水晶球，而是一套在不确定中找确定性的思维方式。

这是「周期启示录：解码周金涛」系列的最后一篇。前九篇我们验了预言、谈了盲区、拆了四周期嵌套、讨论了「人生发财靠康波」、萧条期配置、拐点观察、第六康波的中国机会、财富相位与理论边界。这篇不重复结论，只写周金涛留下的最大遗产是什么，以及给理性乐观主义者的几句心里话。依据仍限于《涛动周期论》《涛动周期录》及其公开演讲中的精神，不造神不杜撰，欢迎留言理性讨论。

遗产不是预测水晶球，而是思维框架

周金涛在书与演讲里一再传递同一个意思：周期是指南针，不是水晶球——能告诉你大方向与所处相位，不能告诉你某月某日必涨必跌。他甚至还给过一道二选一的人生题（2016 年演讲）：「在萧条即将来临之前，一个社会必将出现分裂倾向，理论中可以看到的。这种情况下你的人生只有两个选择：一种选择，像我一样当个虚职，每天忽悠忽悠，心情好出来忽悠，心情不好在家里待着；另外一种选择，未来一定是英雄辈出的时代，你可以成为先德或者先烈。」¹ 不是鸡汤，而是把「顺势」与「逆势」都摊开：要么保存实力、要么在不确定里博一把。

十年数据验证下来，方向对的多、时点常有偏差；所以可贵的不是某条预言是否百分百命中，而是他的观察与推演方式：用四周期嵌套识别「当下在历史中的位置」，先定位，再决策。叹为观止的应该是这套思维，而不是某一句预言。

相位识别：知道自己在哪里

知道自己在哪，才能决定往哪走。宏观上：第五康波尾、第六康波初，萧条尾声与复苏过渡；资产上：不宜极端现金也不宜满仓梭哈，而是股债现金与避险的再平衡；人生上：朝阳行业与旧经济的分化、职业阶段与风险承受度的匹配。这些在本系列里都写过，核心只有一句：先看清相位，再谈进攻还是防守。

敬畏趋势，不与周期对抗

周期不是阴谋论，而是技术、人口、制度与资本交织出来的系统性波动。在萧条期加杠杆博反转、在繁荣顶满仓不撤，往往是在和趋势对抗。周金涛的智慧是：承认趋势的存在，然后选择顺势——在萧条期保留实力与选项，在回升与繁荣期敢于下注。这不是认命，而是理性。

利用波动：在恐慌与狂热中保持冷静

波动是周期的常态。利用波动不是去猜顶底，而是：在恐慌时不过度悲观、不贱卖长期筹码；在狂热时不过度乐观、不追高梭哈。用仓位与再平衡来管理情绪，而不是让情绪决定仓位。他在书与演讲里传递的，正是这种在噪音中保持框架的冷静。

给理性乐观主义者的几句话

若你相信长期增长与技术进步，又愿意用周期思维做约束，那么：

乐观：第六康波已在萌芽，AI、新能源、生物技术会改写产业与职业；中国在其中仍有规模与产业链优势。
理性：相位仍在过渡期，债务、地缘、政策会制造波动；用防守与弹性为乐观留出容错空间。
行动：把「相位—行业—职业—资产」当成定期自检的清单，每年问自己一遍：我现在的选择是否与所处阶段匹配？

周金涛生前说过不少话，有一句常被引用：「人生发财靠康波。」 我们在这个系列里把它解读为「概率分布」而不是宿命——在好相位下提高胜率，在坏相位下少输当赢。剩下的，交给努力与运气。

为什么周金涛和周期论值得研究

周期论不是占卜，而是把经济史里的结构性重复提炼成可辨识的相位。周金涛的价值在于：他把康波、库兹涅茨、朱格拉、基钦从学术论文里搬出来，变成「人生一次康波、三次房产、九次设备、十八次库存」这种能对号入座的语言。值得研究的不是某一句预言是否应验，而是他用的那套框架——长波主导短波、技术革命决定主导国与主导产业、相位决定机遇密度——在十年后的今天，仍然能解释金强、房弱、铜起、科技潮的并存。能经得起「用数据验」的理论，才配得上一遍遍重读。

研究的框架

本系列采用的是一个简单可复用的框架。第一步：以《涛动周期论》《涛动周期录》及 2016 年上海清算所演讲等原文为据，提取可验证的时间窗口与论断。第二步：用 2016–2026 年公开数据（宏观、资产、政策）做逐条对照，区分「方向命中」「时点偏差」「未发生」三类。第三步：在承认盲区（时间模糊、政策干预、技术加速）的前提下，把周期当「相位+方向」的指南针，而不是「某年某月」的日历。读者若想自己验证，可按同一框架换数据、换地区、换资产，结论会随数据更新，但方法论可复用。

涛动周期论的数据支撑

周金涛的论断并非空口无凭。书中与演讲里大量引用经济史与统计：康波划分沿袭康德拉季耶夫及雅各布·范杜因的长波表，库兹涅茨周期对应房地产与建筑业的长期序列，朱格拉、基钦在学术与央行研究中均有对应指标。本系列验证时用到的数据——A 股与美股指数的年度涨跌、70 城房价与商品房销售、金价铜价与央行购金、美联储利率与通胀——均来自国家统计局、央行、Wind、LBMA 等可查来源，并在各篇文末标注。涛动周期论的数据支撑，一是历史长序列与周期长度的归纳，二是用这些序列做的相位推演；我们做的「十年验证」是在同一逻辑上，用更新数据做的一次压力测试。

后续研究重点

理论要活，就得跟着时代迭代。可延续的方向包括：第六康波的主导产业与主导国如何随 AI、新能源、生物技术落地而细化；中国在「追赶—主导」切换中的位置如何用产业链与政策数据跟踪；政策与地缘如何纳入周期模型、做成「相位+政策」的联合判断；技术加速是否压缩康波长度、如何用新数据修正 50–60 年的假设。对个人而言，把「相位—行业—职业—资产」做成年度自检清单，用公开数据校准自己在四维里的位置，就是最实用的后续研究。

我的反思：方向对，时点差——以及知识给我的回报

很多人会问：2016 年的预测现在看为什么并不完全准确？我的回答是：框架和方法论比单次预言更重要。最难能可贵的是，周金涛给出的方向完全正确——萧条集中期、房地产长熊、萧条终点在 2025 前后、黄金与商品的相位意义——十年数据都对得上。出现一两年代差，我理解为经济与社会多因素叠加的波动：宏观调控和突发事件可能延缓周期，多方博弈可能加速出清，但总体的演化和规律很难被撼动。当前的数据和经济形势已经在印证这一点；2026 年 2 月上海等地出台的房地产交易政策，某种意义上也是在和周期与时间赛跑——趋势并未改变，变的只是节奏。

所以，人生还是要把握好经济周期和钱袋子，打造自己的财富之路。我和周金涛一样，没法告诉你哪支股票会一飞冲天；但跟随周期做相位选择，我确实尝到了知识的回报：2018 年我在房产上做了与周期相符的布局，2024 年压中了科技股的方向，2025 年压对了黄金。这些不是运气，而是「先定位相位、再下注」的实践。仅以此文和研究献给一路读到这里的你，也以此怀念周金涛先生在周期论上的贡献。2026：进步。

这个系列写于 2026 年春节前后，算是我重读《涛动周期论》《涛动周期录》的笔记与验证。写到最后这篇时，金价已冲过 4500 美元/盎司(01月29日曾冲击5600美元/盎司，02月25日黄金重新回到5100美元/盎司)、铜价站上 10 万元/吨、房地产销售仍在同比下滑²——这些「现在」的数据，正是我们用周期与数据一起看的样本：相位（萧条尾、复苏萌芽）对，但资产幅度与时点要交给实时数据与政策。

论断方式是「相位→方向、概率分布」；以今视昔，方向性判断大多成立，时点偏差（如黄金「见顶」未至反而冲高）提醒我们——逻辑上「周期决定大方向」成立，「某年某月」必须加上政策与地缘同权、并用数据不断校准。十篇的结论可以压成一句：用周期看世界，用数据验预言，用相位做决策，用边界保清醒。 感谢你读到最后一篇；若你也在某个深夜翻过他的书，欢迎一起保持理性、保持乐观，一起穿越周期。

系列阅读快速跳转

日期	篇目	核心问题
02-15	2026年，周金涛的预言兑现了吗？	三条预言，十年数据，逐条验证
02-16	那些他没说对的事：周期天王的预测盲区	时间偏差、政策低估、技术加速
02-17	五层嵌套：周金涛看世界的底层代码	康波、库兹涅茨、朱格拉、基钦
02-18	人生发财靠康波：是宿命论还是概率学？	概率分布 vs 命运决定论
02-19	萧条期的生存法则：按他的方法做，能跑赢大盘吗？	现金/黄金/债券回测推演
02-20	2025年真的是萧条终点吗？我站在拐点的观察	拐点信号与余波风险
02-21	第六康波的中国机会：AI、新能源与生物技术	三条主线与参与方式
02-22	周期思维的个人应用：如何判断自己的「财富相位」	宏观/行业/职业/资产四层
02-24	周期天王的阿喀琉斯之踵：理论边界与争议	时间模糊、政策市、技术加速
02-25	穿越周期的智慧：给理性乐观主义者的信	相位、敬畏趋势、利用波动

引用

周金涛观点均引用自：周金涛等《涛动周期论：经济周期决定人生财富命运》，北京：机械工业出版社，2017；《涛动周期录》；及其生前公开演讲与报告（如 2016 年 3 月上海清算所沙龙演讲实录，见《涛动周期论》第一部分等）。

周期天王的阿喀琉斯之踵：理论边界与争议

Tue, 24 Feb 2026 10:00:00 +0800

不回避争议，理论才值得信；承认边界，用起来才稳。

周金涛的理论在预言方向上有验证、在思维框架上有价值，但任何理论都有边界。有意思的是，边界这件事他自己说得最透。2016 年演讲里谈到机会时他说：「任何机会都是靠赌博的，没有完全确定性的机会……当你看到所有事情都确定的时候，机会就不属于你了，只有不确定的时候才能得到机会，所以任何的机会都是赌博。」¹ 等于承认了理论从根上就带着「不确定性」；再结合他在书和演讲里反复说的「预测的价值在于方向与相位，而非精确到某日某月」，阿喀琉斯之踵有一半是理论自认的，不是外人强加的。

这篇系统梳理常见批评——时间窗口模糊、政策市下的变形、技术加速对周期长度的冲击——并基于原文做理性回应。承认边界，不是为了否定他，而是为了更稳妥地使用周期思维。

争议一：周期长度与时间窗口是否过于模糊

批评：康波 50–60 年、库兹涅茨 15–25 年、朱格拉 7–11 年、基钦 3–4 年——区间很宽，拐点难以精确到某年；若「2018–2019 萧条最惨烈」也可以理解为「2017–2020 某段」，那验证时容易「事后拟合」。

周金涛本人的态度：在《涛动周期论》中他多次说，预测的价值在于方向与相位，而非精确到某日某月；周期长度本身有弹性，受结构变化影响。所以「时间窗口模糊」在某种程度上是理论自认的特征，不是外人强加的批评。

回应：若把周期理论当「指南针」——识别当前处于康波哪个阶段、资产与政策大致往哪走——模糊性可以接受；若当「日历」——某年必拐、某月必涨——就会失望。提高「精度」的方式只能是：在相位判断基础上，叠加中短期指标（如利率、估值、政策）做微调，而不是指望长波理论给出精确时点。

用当下的案例再对一下：黄金。他有过「黄金在 2025 年前后见顶回落」的表述；现实是 2025 年金价全年涨约 63%、2026 年初突破 4500 美元/盎司，央行连续多月增持、地缘避险把「顶」大幅推后²。以今视昔，这是「时间窗口模糊」与「政策/地缘未同权」的典型案例——论证方式上，他用周期相位推资产时点，一旦外生变量（央行购金、美元信用、地缘）放大，时点就错；逻辑（相位→方向）对，执行（相位→某年某月）必须把政策和地缘纳入同权。

争议二：中国政策市是否让周期失效

批评：中国有强力的货币、财政与产业政策（如供给侧改革、房地产「三道红线」与后续放松、地方债化解）；这些会拉长或缩短出清、扭曲价格与周期形态，导致「教科书周期」在中国经常对不上。

周金涛的框架：他在书中讨论了经济周期与政策、制度的关系，但主线仍是周期内生动力；对「政策会如何反应、会多大程度改变形态」的讨论相对克制。所以批评「对政策干预力度估计不足」是有依据的——见本系列第二篇。

回应：周期不会因政策而「消失」，但会变形——拐点推迟或提前、波动被平滑或加剧。在中国做应用时，应把「周期相位」与「政策节奏」同时看：周期定大方向，政策定节奏与幅度。不把理论当教条，而是当框架，再结合本国制度做修正。

争议三：技术加速是否压缩了周期长度

批评：若 AI、生物技术等迭代速度远快于过去（如信息技术从实验室到普及的节奏被压缩），50–60 年的康波是否还成立？会不会变成 30–40 年甚至更短？

周金涛的框架：他写书与演讲时，AI 尚未像 2022 年后这样爆发；对「技术加速是否会改变周期长度」没有给出明确结论。这是理论尚未充分展开的部分，而不是已经解决的问题。

回应：康波长度来自历史归纳，未来若技术迭代与扩散明显加速，周期长度有可能缩短或形态改变。当前更稳妥的做法是：保留「相位」概念（回升、繁荣、衰退、萧条），对「每一相持续多少年」保持开放，用新数据逐步修正，而不是断言「康波永远 50–60 年」。

争议四：是否过度宿命论

批评：「人生发财靠康波」容易被理解成宿命——出生在萧条期就认命，在繁荣期就躺赢；削弱个人努力与选择的权重。

周金涛的表述：他在《涛动周期论》中强调周期是「概率分布」、是「指南针」；没有否定个人努力，而是强调大环境会放大或压制努力的回报。本系列第四篇已专门辨析：更准确的理解是概率论，不是命运决定论。

回应：理论本身并不宿命；宿命论来自误读与简化。正确用法是：用相位判断大环境，再在给定环境下做最优选择（行业、城市、资产、努力方向），而不是用「康波」当不努力的借口。

理论的边界在哪里

综合以上，周期理论的适用边界可以概括为：

擅长：识别长波相位（我们处在哪次技术革命、萧条还是复苏）、判断大方向（房地产、大宗、利率的大致走向）、提供资产配置与人生决策的框架。
不擅长：精确时点预测、在强政策干预下的短期节奏、对「技术加速」后周期长度与形态的断言。
使用建议：把理论当思维框架 + 方向指南，再叠加政策、估值、情绪等中短期因素做决策；承认不确定性，避免绝对化。

周期天王的「阿喀琉斯之踵」——时间窗口模糊、政策市下的变形、技术加速的未解之题、以及被误读为宿命论——都值得正视。承认这些，反而让理论更可信、用起来更稳。下一篇是本系列收尾：《穿越周期的智慧：给理性乐观主义者的信》。

系列阅读快速跳转

日期	篇目	核心问题
02-15	2026年，周金涛的预言兑现了吗？	三条预言，十年数据，逐条验证
02-16	那些他没说对的事：周期天王的预测盲区	时间偏差、政策低估、技术加速
02-17	五层嵌套：周金涛看世界的底层代码	康波、库兹涅茨、朱格拉、基钦
02-18	人生发财靠康波：是宿命论还是概率学？	概率分布 vs 命运决定论
02-19	萧条期的生存法则：按他的方法做，能跑赢大盘吗？	现金/黄金/债券回测推演
02-20	2025年真的是萧条终点吗？我站在拐点的观察	拐点信号与余波风险
02-21	第六康波的中国机会：AI、新能源与生物技术	三条主线与参与方式
02-22	周期思维的个人应用：如何判断自己的「财富相位」	宏观/行业/职业/资产四层
02-24	周期天王的阿喀琉斯之踵：理论边界与争议	时间模糊、政策市、技术加速
02-25	穿越周期的智慧：给理性乐观主义者的信	相位、敬畏趋势、利用波动

引用

周金涛观点均引用自：周金涛等《涛动周期论：经济周期决定人生财富命运》，北京：机械工业出版社，2017；《涛动周期录》；及其生前公开演讲与报告（如 2016 年 3 月上海清算所沙龙演讲实录，见《涛动周期论》等）。争议回应均基于上述原文；批评观点为学界与市场常见讨论。

周期思维的个人应用：如何判断自己的「财富相位」

Sun, 22 Feb 2026 10:00:00 +0800

理论的价值在于应用：四层相位，帮你给自己定位。

前几篇我们验了预言、讲了盲区、拆了四周期、谈了康波与财富、萧条期配置、拐点观察和第六康波的中国机会。这篇把周期理论翻译成个人可用的框架：如何判断自己的「财富相位」。周金涛在 2016 年那场演讲里给过一张按年龄对号入座的表——原话是：「40 岁以上的人，人生第一次机会在 2008 年，如果那时候买股票、房子，你的人生是很成功的。以后 2008 年之前的上一次人生机会是 1999 年……第二次机会在 2019 年，最后一次在 2030 年附近，能够抓住一次，你就能够成为中产阶级。」「1985 年之后出生的人，现在 30 岁以下的人，注定你的人生机会第一次只能在 2019 年出现，35 岁之前出现。所以现在 25 岁到 30 岁的人，未来的 5 年，只能依靠在浙商银行好好工作。因为买房什么都不行，这个就是由你的人生财富命运所决定的。」¹ 宏观相位（康波阶段）、人生三次机会、以及 85 后第一次机会在 2019，他都写死了。

下面在这张「年龄—机会」表之上，拆成宏观、行业、职业、资产四层相位，做可操作的推演。

宏观相位：当前处于康波哪个阶段

据周金涛的划分，第五康波（信息技术波）约 1982–2025，2025 年前后为萧条终点；我们当前处于第五康波尾与第六康波起点的交界。含义是：不宜再按「深度萧条」满仓现金避险，也不宜按「大繁荣」满仓进攻。新机会更多在第六康波主线（AI、新能源、生物技术等）的早期与成长期，旧经济（如传统地产、部分制造业）处于出清或分化。

个人做职业与资产决策时，可优先考虑「与新康波相关」的行业与区域，而不是押注旧周期的主升段。判断方式很简单：用公开信息跟踪——全球与本国增长、利率与通胀、技术投资与政策——形成「当前更接近萧条尾、复苏初还是繁荣」的粗略判断，每年做一次更新即可。

行业相位：你所在行业处于什么周期

不同行业对应不同的周期相位。朝阳：需求与渗透率上行、政策友好、资本流入（如 AI 应用、新能源部分环节、生物医药部分赛道）。成熟：增速放缓、集中度提升、利润率承压（如部分消费、传统制造）。夕阳或出清：需求长期下行或剧烈收缩（如部分地产相关、高耗能传统产能）。用周金涛的嵌套，行业受康波与库兹涅茨等中长周期影响。若你在朝阳行业，个人财富相位更容易搭上行业贝塔；若在夕阳行业，要么转型，要么在行业内做「剩者为王」的阿尔法，要么接受行业贝塔为负的现实并降低预期。数据来源：行业增速、渗透率、政策文件与研报可查，不编造。

职业相位与资产相位

同一宏观与行业下，不同职业阶段的最优策略不同。早期（如 25–35）可承受更高波动，适合在朝阳行业或新康波相关领域试错、积累能力与网络；中期（如 35–50）收入与责任双高，需在进攻与防守间平衡，资产相位更重要；后期（如 50+）通常更适合降低波动、提高现金流与保障。年轻人可多配置「期权性」——学习、跳槽、创业；年长者可多配置「现金流与抗回撤」。

资产相位上，结合前一篇「萧条期生存法则」：当前相位（萧条尾/复苏初）不必极端现金也不必满仓权益，可考虑一定比例现金与短债、一部分黄金或类避险、一部分债券、一部分权益（含 A 股与美股或全球），权益里可给新康波相关主题一定权重，但不梭哈单一标的。再平衡：每年或每几年根据宏观相位、估值与政策做一次比例微调，而不是设定一次永远不变。目标就一句：让组合与「当前所处周期阶段」大致匹配，避免在萧条主跌段满仓权益、在复苏与繁荣段空仓权益。

城市、行业、资产怎么选

一线与强二线在人才、资本、新产业上仍占优（可查人口与产业数据），但成本高；三四线机会与风险分化大。若你处于「需要最大化期权」的阶段，一线与强二线更有信息与机会密度；若你优先稳定与成本，可权衡迁入或留守。行业上优先选与康波方向一致的赛道，再在赛道内选公司与岗位。资产上用比例控制风险，用再平衡贴近相位。

我虚构三个轮廓说明四层相位怎么组合：A，85 后，在互联网大厂，行业从高增长进入成熟，个人选择是在岗积累 AI 与数据能力，同时用部分储蓄定投全球指数与部分主题基金，不押单一公司。B，90 后，在新能源制造，行业仍在成长但产能与价格波动大，个人选择是深耕技术与管理，现金与应急金留足，权益配置偏保守。C，70 后，在传统制造，行业增速放缓，个人选择是收缩高风险投资、增加债券与高股息，并规划退休现金流。三人均为虚构，用于说明「四层相位」如何组合成不同策略，不涉及真实身份与具体收益。

用当下的数据把「相位」填实：2025 年金价涨约 63%、2026 年初突破 4500 美元/盎司，铜价 2025 年涨约 34%、突破 10 万元/吨，商品房销售 8.39 万亿、同比降 12.6%²——康波尾、库兹涅茨下行、朱格拉与基钦因行业而异，要拿这些数字校准自己在「四维」里的位置。站在现在反思他的论断方式：他用「相位→决策」、先定位再行动；以今视昔，逻辑成立，但「相位」的判断必须随实时数据更新，不能一次定终身。用周金涛的话说，周期是指南针——先定位自己在四维里的位置，再决定进攻还是防守、加仓还是减仓。下一篇写理论的边界：《周期天王的阿喀琉斯之踵》。

第六康波的中国机会：AI、新能源与生物技术

Sat, 21 Feb 2026 10:00:00 +0800

他预言中国将主导第六次康波；今天看，AI、新能源、生物技术正在写答案。

《涛动周期论》里有一张雅各布·范杜因的长波表，以及清晰的逻辑链：康波由技术革命驱动，每一波有主导国与主导产业更替——第一、二波英国主导，第三波起美国一直处于创新领导地位，日德在第四波繁荣期崛起。书中对中国的位置有过一句很锋利的判断（2016 年演讲）：「当技术从主导国传导到中国，扩散到生活的每一个角落，中国作为本轮康波中的追赶国，那么这个技术在中国还有什么前途可言？一个技术当它在追赶国的渗透程度达到了无孔不入的时候，一定到达了它生命周期的最后阶段。」¹ 也就是说，第五康波的信息技术在中国已到成熟末期；下一波谁主导、中国能否从追赶变为主导，书中没有写死结论，但「技术革命决定主导产业与主导国」的框架是原文就有的。

这篇在这套框架下，用当前可查的产业与政策事实，看 AI、新能源、生物技术三条主线在中国的位置，以及个人可以如何理解「参与方式」。文中数据与事实均标注来源。

据《涛动周期论》，康波由技术革命驱动，每一波有主导产业与主导国更替（如第四波美日、第五波美国与信息技术）。第六康波的主导产业与主导国尚在形成中；他判断中国有望在其中扮演核心角色，依据包括市场规模、制造与产业链、政策投入等。

下面用三条技术主线做观察，数据和事实来自公开政策、主流财经与科技媒体报道、行业报告，不编造具体公司名与市值。

AI：技术成熟度与产业链

技术成熟度：大模型与生成式 AI 在 2022 年底后快速商用（ChatGPT 等，公开报道）；多模态、智能体、垂直行业应用在 2023–2025 年持续迭代。技术从「实验室」进入「规模化应用」的阶段已发生。

中国位置：国内大模型与算力、应用层公司数量与融资规模可查（科技媒体与创投数据库）；政策层面有 AI 与算力基建的规划与支持（见国务院及部委公开文件）。优势集中在数据规模、应用场景与部分制造环节；在顶尖算力与底层框架上仍依赖或对标海外。

产业链可简化为算力—模型—应用—终端。算力（芯片、数据中心）、模型与平台、垂直应用（办公、教育、医疗等）均有上市或拟上市主体；成熟度上，算力与平台已形成明确标的，应用层分化大、风险收益并存。个人参与方式包括通过基金或个股接触产业链，需自判估值与政策风险。

中国在数据规模、应用场景与部分制造环节有优势；在顶尖算力与底层框架上仍依赖或对标海外，这是当前阶段的客观事实。

新能源：光伏、风电、储能、电动车

技术成熟度：光伏与风电已大规模并网；电动车渗透率在主要市场快速提升²；储能在政策与成本驱动下放量。整体处于「规模化—成本下降—渗透率提升」阶段。

中国位置：中国在光伏组件、动力电池、电动车产销与出口上居全球前列³；欧洲与美国在本地化与贸易政策上有反复，但中国产业链优势在 2024–2025 年仍明显。政策上有双碳与新能源车支持⁴。

上游资源、中游制造（电池、组件、整车）、下游运营与电网都有可跟踪的环节；部分环节产能过剩、利润率承压，需区分环节与公司。个人参与需关注供需与政策变化，不盲目追高。

生物技术：基因编辑、合成生物学、脑机接口

技术成熟度：基因编辑（如 CRISPR）已进入临床与部分商业化；合成生物学在材料、医药、农业有应用；脑机接口仍以早期与示范为主。整体成熟度低于 AI 与新能源，但长期空间被广泛讨论。

中国位置：国内有生物医药与合成生物学相关企业与政策支持（部委与地方规划）；监管与伦理在演进。与欧美在原创技术与监管路径上存在差距与追赶。

以创新药、器械、合成生物等为主；估值波动大、研发周期长，个人参与更适合用「主题+分散」方式，或通过专业基金。国内有生物医药与合成生物学相关企业与政策支持（部委与地方规划）；与欧美在原创技术与监管路径上存在差距与追赶。

中国优势与挑战

优势：数据与场景（AI）、制造与产业链（新能源、部分生物制造）、政策与市场体量。与他「中国将主导第六康波」的论断在方向上一致——不是已经主导，而是有机会在若干主线上占优。

挑战在于：顶尖算力与基础模型、部分关键设备与材料、原创生物技术仍受制于人或处于追赶；地缘与贸易政策会改变产业链分布。因此「主导」是过程而非既成事实，需要持续用数据和政策验证。

用当下数据充实一下：铜价 2025 年涨约 34%、12 月突破 10 万元/吨，部分机构预期 2026 年算力基建带动铜需求大增⁵，和中国在电力、新能源与数据中心用铜需求上的占比一致；金价 2025 年大涨、2026 年初破 4500 美元/盎司，央行购金与避险叙事里中国央行连续多月增持⁶——这些都可放在「第六康波萌芽 + 中国参与度」的图景里看。站在现在反思他的论断与论证方式：他论证「中国将主导第六康波」用的是市场规模、制造与产业链、政策投入；以今视昔，逻辑成立——中国在新能源与部分金属链条、AI 应用与数据场景上确有优势；但「主导」是否成立要看你怎么定义、以及用多长的时间验证。若定义成「在若干主线上占优、参与度提升」，则当前数据支持；若定义成「全面领先、不受制于人」，则顶尖环节仍要诚实面对。所以逻辑对，结论要随实时数据与政策更新。

个人参与时，不押单一赛道；区分成熟环节与早期环节；关注政策与供需；数据有出处。下一篇写周期思维的个人应用：如何判断自己的「财富相位」——宏观、行业、职业与资产四层。

系列阅读快速跳转

日期	篇目	核心问题
02-15	2026年，周金涛的预言兑现了吗？	三条预言，十年数据，逐条验证
02-16	那些他没说对的事：周期天王的预测盲区	时间偏差、政策低估、技术加速
02-17	五层嵌套：周金涛看世界的底层代码	康波、库兹涅茨、朱格拉、基钦
02-18	人生发财靠康波：是宿命论还是概率学？	概率分布 vs 命运决定论
02-19	萧条期的生存法则：按他的方法做，能跑赢大盘吗？	现金/黄金/债券回测推演
02-20	2025年真的是萧条终点吗？我站在拐点的观察	拐点信号与余波风险
02-21	第六康波的中国机会：AI、新能源与生物技术	三条主线与参与方式
02-22	周期思维的个人应用：如何判断自己的「财富相位」	宏观/行业/职业/资产四层
02-24	周期天王的阿喀琉斯之踵：理论边界与争议	时间模糊、政策市、技术加速
02-25	穿越周期的智慧：给理性乐观主义者的信	相位、敬畏趋势、利用波动

引用

周金涛观点均引用自：周金涛等《涛动周期论：经济周期决定人生财富命运》，北京：机械工业出版社，2017；《涛动周期录》；及其生前公开演讲与报告（如 2016 年 3 月上海清算所沙龙演讲实录；书中雅各布·范杜因长波表及技术革命与主导国论述见《涛动周期论》等）。

2025年真的是萧条终点吗？我站在拐点的观察

Fri, 20 Feb 2026 10:00:00 +0800

此刻我写下这篇时，降息、AI 与政策拐点已发生；但拐点不等于一路晴空。

春节那几天我翻《涛动周期论》，又看了一遍他画的第五康波时间轴。拐点的起点和终点，他在 2016 年演讲里都写死了：「到了 2015 年的时候，我有一个判断，2015 年是全球经济及资产价格的重要拐点……过去 6 年投资看一个指标就是央行政策……大家发现今年放水不管用了，这就是资产价格的转换点。」萧条区间的终点则是：「2015 年之后应该进入全球康波的萧条阶段」，「到 2025 年，都是第五次康波的萧条阶段」——不是「大约 2025」，而是「都是」，即整段 2015–2025 都在萧条内。他还有一句常被忽略的：「供给侧改革是全球进入萧条的标志，似乎没有必要兴高采烈的。」¹

站在 2026 年初，我们正好在他说的「终点」另一侧。下面用能查到的公开信息盘点：哪些信号支持「拐点已至」，哪些风险说明「萧条余波未尽」。不做断言，只做观察。

支持「拐点已至」的信号

美联储降息周期已经开启。2024 年全年，美联储将联邦基金利率目标区间从 5.25%–5.50% 降到 4.25%–4.50%，共降息 100 个基点²。2025 年市场预期继续温和降息，和「从紧缩拐向宽松」的剧本一致。从「萧条尾声」的叙事看，货币政策已从压制需求转向支持需求，这是拐点一侧的重要信号。

AI 投资与产业化在 2023–2025 年快速升温。大模型从 2022 年底 ChatGPT 引爆后，资本开支与估值重估集中在科技与相关产业链；英伟达市值一度突破两万亿美元，全球科技巨头和主权基金砸向算力和应用³。若把第六康波理解为以 AI 为核心的技术波，则「技术萌芽—资本涌入」的阶段已经展开，与萧条终点之后「新康波起步」的框架相容。

中国房地产与稳增长政策在 2024–2025 年明显转向。政策从「三道红线」与强监管转向稳预期、防风险、促需求——限购放松、利率下调、保交楼和房企纾困轮番出台⁴。国家统计局 2024 年 12 月 70 城数据显示，一线城市新建和二手住宅环比出现「止跌回稳」迹象⁵。政策底与市场底的讨论增多，与「库兹涅茨周期下行尾段」的观察不矛盾。

全球通胀从 2022 年高点回落。美国、欧元区等 CPI/PCE 数据可查，主要经济体通胀明显下行，为央行降息提供了空间，也减轻了「滞胀」叙事对萧条的强化。有意思的是，2022 年很多人还在讨论「滞胀回归」；两年过去，通胀回落、增长韧性仍在，和「萧条尾声」而非「萧条主跌段」更对得上。

表明「萧条余波未尽」的风险

美国债务与财政可持续性仍是悬而未决的问题。美国联邦债务规模高企（约 34 万亿美元量级⁶），两党在债务上限与支出上的博弈反复出现。若利率长期高于趋势增长，债务滚存与利息负担会挤压其他支出与私人投资，构成中长期风险。不能简单视为「已走出萧条」，只能说拐点特征有了，终点还需时间确认。

中国房地产出清未完全结束。部分房企债务重组与保交楼仍在进行，部分城市房价与销量仍在寻底或分化⁷。居民资产负债表与预期修复需要时间，不能因短期政策放松就断定「熊市彻底结束」。你若在二三线持有房产，体感上可能还会有一段时间的「磨底」。

地缘与贸易不确定性仍在。大国博弈、关税与产业政策仍在演变（可查各国商务部与 WTO 相关报道）。若出现新的贸易摩擦或供应链冲击，会再次扰动增长与通胀，延长「萧条余波」的体感。全球增长仍不均衡：部分新兴市场与欧洲增长乏力（IMF、世界银行等有各国增速数据），并非所有经济体都同步进入「复苏」。从全球视角看，「拐点」更多是部分经济体的先验信号，而非普适的「萧条已完全结束」。

综合判断

从周金涛的框架看，2025 年具备「萧条尾声→复苏过渡」的拐点特征——降息、技术叙事、政策与通胀的边际变化都支持这一点。但「萧条正式结束」需要更长时间确认：例如全球增长是否持续企稳、是否出现新一轮衰退、债务与地缘是否再次发酵。

萧条期的生存法则：按他的方法做，能跑赢大盘吗？

Thu, 19 Feb 2026 10:00:00 +0800

假设 2016 年你按周金涛的萧条期建议配置资产，今天收益如何？我用公开数据做了推演。

据《涛动周期论》《涛动周期录》，周金涛在不同周期阶段给出的资产建议可以概括为：萧条期——现金为王、黄金避险、债券防御；回升期——股票进攻、商品布局；繁荣期——股票持有、商品加仓；衰退期——债券切换、现金储备。他 2016 年那场演讲里给过一句极具体的「人生规划」——原话是：「对于个人来讲，今明两年卖掉投资性房地产和新三板股权，买进黄金，休假两年，锻炼身体，2019 年回来，这就是未来给大家做的人生规划。」

同一场里他还说：「今年做投资就看 CPI 和 PPI，如果涨得动说明经济还 OK，如果说 CPI 和 PPI 有调头往下的趋势，一定要小心了……这个高点出现要抛掉所有的资产，只留现金和黄金等待低点的出现。」黄金的逻辑他讲得很清楚：「黄金这个东西，在未来它最大的机会是什么？除了是货币的锚，具有保值功能之外，还有一个巨大的机会在于 2017 年美元指数牛市结束，人民币加速国际化，这个时候国际货币体系将发生动荡……怎么办？买黄金。」¹ 不是泛泛的「避险」，而是把黄金和货币体系动荡、美元与人民币的切换绑在一起推演。这篇只聚焦一个问题：若从 2016 年起你按他这套「萧条期」思路（现金 + 黄金 + 债券为主，控制权益与商品），用 2016–2026 年的公开市场表现做简化回测推演，和沪深 300、标普 500 比会怎样？以下用到的均为公开指数与宏观数据，回测为概念性推演，不构成投资建议。

他给的萧条期框架

周金涛在书与演讲中多次提到：康波萧条期里，波动大、增长弱，现金与避险资产的边际价值上升，高估值权益与部分商品风险加大。对应到资产：现金类提高持有比例，等待错杀与拐点；黄金作为避险与抗通胀的配置之一，在萧条与货币宽松预期下常有相对表现；债券在利率下行阶段有资本利得，且波动通常低于股票；股票不主张在萧条主跌段重仓进攻，更强调在「萧条尾声」或「回升初期」再加大权益；商品大宗在萧条期多承压，其框架下 2011 年商品见顶、2020–2025 年区间筑底的说法，对应的是控制商品多头、等待周期底部。

下面用简化组合做 2016–2026 的概念回测：不精确复现其每一条建议，而是用「萧条期逻辑」构造一个可比的组合，与宽基指数对比。

假设 2016 年初有一笔资金，按「萧条期」思路配置，并每年再平衡一次（仅作逻辑演示，不考虑税费与摩擦）：现金/货币 30%（用货币基金或短端利率近似，年化约 2–3% 量级）；黄金 20%（用国际金价或黄金 ETF 走势近似）；债券 30%（用中债综合财富指数或类似宽基债券指数近似）；股票 20%（用沪深 300 或一半沪深 300 一半标普 500 近似，体现「低配但不空仓」）。

纯沪深 300 从 2016 年初至今，经历 2017 蓝筹牛、2018 贸易战大跌（当年跌约 24.6%）、2019–2020 反弹、2021 回调、2022 大跌、2023–2025 震荡与修复，长期年化约在个位数区间²。纯标普 500 在 2016–2026 经历长牛与 2022 加息回调，长期年化明显高于 A 股³。黄金方面，伦敦现货金价从 2016 年初约 1060 美元/盎司到 2020 年 8 月突破 2000，2022–2024 年再次创出新高⁴，在组合里贡献了避险与分散化收益。债券方面，中国 10 年期国债收益率在 2017–2018 年上行到 3.9% 左右，之后震荡下行，2020 年后一度跌破 2.5%，中债综合财富指数有阶段牛市⁵，对组合有稳定与抗回撤作用。

人生发财靠康波：是宿命论还是概率学？

Wed, 18 Feb 2026 10:00:00 +0800

这句话争议最大，因为有人听成宿命，有人听成顺势。

「人生发财靠康波」——周金涛这句话出圈到几乎没人不知道，但争议也最大。他在 2016 年 3 月上海清算所演讲里亲口下的定义是：「我有一句名言叫『人生发财靠康波』，这句话的意思就是说我们每个人的财富积累一定不要以为是你多有本事，财富积累完全来源于经济周期运动的阶段给你带来的机会。」紧接着他举了煤老板的例子，然后说：「你一个人的一生中，你所能够获得的机会，理论上来讲只有三次，如果每一个机会都没有抓到，肯定你一生的财富就没有了。如果抓住其中一个机会，你就能够至少成为中产阶级。」¹

所以「靠康波」在他嘴里不是鸡汤，而是可数的三次机会、以及「财富轨迹有迹可循」的断言。有人把这句话听成宿命，有人听成顺势；这篇用原文和可查的事实，把这句话拆开看。

为什么争议大？

字面意思很直白：人生财富机会和康波高度相关。争议集中在两种读法。宿命论解读：康波决定一切，生在萧条期就认命。周金涛本人却把「宿命」说到极透——同一场演讲里：「为什么在那个年代美国会出现比尔盖茨，这个是因为技术创新是在那个年代展开的，现在中国出不了比尔盖茨，你的人生机会由康波的运动决定。有人觉得自己很牛，有很大的本事，能赚很多的钱，事实上每个人都是在命运中运行。这就是我研究完经济周期以后非常相信的一点，人的生命都是宿命的。」

他甚至拿巴菲特举例：「巴菲特其实没什么，为什么能够投资成功，原因就在于他出生在第五次康波周期的回升阶段，所以他能成功，如果是出生在现在一样不会成功，这个就是由你的宿命决定的。」——若只截这几句，确实像彻底宿命论。但同一篇里他又给了具体时间表：「40 岁以上的人，人生第一次机会在 2008 年……第二次机会在 2019 年，最后一次在 2030 年附近，能够抓住一次，你就能够成为中产阶级。」「1985 年之后出生的人，现在 30 岁以下的人，注定你的人生机会第一次只能在 2019 年出现，35 岁之前出现。」¹

所以更准确的读法是：他承认「宿命」是相位给的机遇次数与时间窗口，但「抓住」仍要你自己下注——三次机会、三个时间窗口，抓不抓得住、抓哪一次，还在个人。你若只记住一句：人生发财靠康波，但康波不保证人人发财；它只是把机会的次数和大致时间写死了，剩下的还要靠你自己。

不同年代的真实机遇差异

不用杜撰数据，用公开可查的「时代红利」做对照，就能看出相位确实在起作用。60 后、70 初赶上改革开放、乡镇企业、下海、住房商品化与 2000 年后房地产长牛。若在 1998–2008 年在一二线买房，或参与制造业与外贸，财富跃迁的概率明显高于此前一代；胡润、福布斯等榜单上那一代企业家的出生年份分布，和这段「库兹涅茨+康波繁荣」高度重叠（可查历年榜单与传记）。

80 后赶上 PC 互联网、移动互联网、2014–2015 年双创与移动红利、2016 年后一二线房产最后一波主升。若在 2010 年前后进大厂或 2015 年前在一线买房，同样有「时代送来的概率」；那一波互联网上市与期权造富，集中在这代人的 30–40 岁。85 后、90 后：周金涛曾提到「2019 年是 85 后第一次财富机遇」——对应科创板开板、新能源与硬科技融资潮。事后看 2019–2021 年确实有一波科技与新能源的造富窗口，宁德时代、比亚迪以及一批科创板公司的市值与造富效应在那几年集中释放；但随后 2022 年市场回调，机遇窗口短且波动大，若你 2021 年才重仓杀入，体验会差很多。

95 后、00 后当前站在第五康波尾与第六康波起点，AI、新能源、生物技术等正在重写产业与职业；未来十年谁能在新康波里卡位，目前仍是开放问题。上述阶段划分对应公开经济史与政策节点（房改、创业板/科创板、双创、碳中和等），具体财富案例可参考历年富豪榜与行业报道，此处只做结构性归纳：不同出生 cohort 面临的「时代给的机遇密度」确实不同，这与康波相位一致。我身边有 80 后朋友在 2015 年前在一线买了房、2010 年前后进了大厂，今天回头看会感慨「赶上了」；也有同代人 2018 年才高杠杆上车、2021 年又重仓了某赛道，这两年压力就大。同样的「经度」和「纬度」，选错节奏，结果可以差很多——这说明相位决定的是概率，不是剧本。

五层嵌套：周金涛看世界的底层代码

Tue, 17 Feb 2026 10:00:00 +0800

想象你在一张地图上定位自己：经度、纬度、海拔、天气——四个周期，一层套一层。

前两篇我们验了周金涛的预言、又说了他的盲区；这篇回到他的理论骨架。嵌套的「底层代码」在《涛动周期论》里是一段可以背下来的话——2016 年 3 月上海清算所演讲，他原话是：「60 年波动中会套着三个房地产周期，20 年波动一次。一个房地产周期套着两个固定资产投资周期，10 年波动一次。一个固定资产投资周期套着三个库存周期。所以你的人生就是一次康波，三次房地产周期，九次固定资产投资周期和十八次库存周期，人的一生大致就是这样的过程。」

不是比喻，是数学：1 康波 = 3 房地产 = 9 朱格拉 = 18 基钦。他还有一句更狠的：「我研究这套东西十几年，我后来发现这套东西的运行规律实际上就是天文学的规律。以后主宰地球的规律是太阳规律。太阳黑子周期的循环就是 55 年到 60 年，20 年一个海耳循环，20 年当中包含 2 个 10 年的施瓦贝循环，然后包含数个厄尔尼诺循环，所以厄尔尼诺就是经济中的库存周期。」¹ 经度纬度海拔天气的比喻，是帮你在「人生一次康波、三次房产、九次设备、十八次库存」之上，再套一层直觉。下面按这个骨架把四层拆开，每层搭一个你能摸得到的历史锚点。

经度：康波周期——你处在哪一次技术革命里

康德拉季耶夫长波（约 50–60 年）在周金涛的体系里是最底层的经度，决定你活在「哪一波技术革命」里。他在《涛动周期论》里沿用并细化了康波的划分：第一次蒸汽与铁路、第二次钢铁与电力、第三次汽车与石化、第四次电子与信息、第五次信息技术（约 1982–2025），以及即将展开的第六次——他在书里提到过 AI、新能源、生物技术等方向。

你不需要背年份，只要记住：1970 年代石油危机与滞胀，对应第四次康波衰退和萧条；1980 年代初里根-沃尔克时代与个人电脑、通信技术扩散，对应第五次康波回升与繁荣的起点。你出生在 1985 年还是 1995 年，决定了你 25–35 岁时的「时代主旋律」是 PC 互联网、移动互联网还是 AI。这就是经度：大时代的技术底色。

当前（2026 年）的相位，按他的划分，第五康波萧条在 2025 年前后结束，我们正站在第五康波尾部与第六康波起点的交界。第五次康波（约 1982–2025）在书里被细分为回升、繁荣、衰退、萧条四个阶段——1980 年代到 1990 年代初的回升与繁荣，对应 PC 和早期互联网的扩散；2000 年代中后期的衰退与 2015 年后的萧条，对应移动互联网红利见顶与全球增长放缓。

所以「经度」上：我们刚从信息技术波的萧条里走出来，面向以 AI 等为标志的新一波技术扩散。你若在这几年做职业或资产选择，经度会告诉你：旧信息技术的红利在收尾，新康波的主线正在展开。

那些他没说对的事：周期天王的预测盲区

Mon, 16 Feb 2026 10:00:00 +0800

造神容易，验神难。承认盲区，理论才值得信。

上一篇我对照了周金涛三条预言与十年数据，结论是方向大多对、时间常有 1–2 年偏差。这篇专门谈他没说对或说得不那么准的地方。

有意思的是，盲区这件事，周金涛自己说得比谁都狠。2016 年那场演讲里他讲投资机会时说过：「我觉得大家一定要明白一点，任何机会都是靠赌博的，没有完全确定性的机会，当你下注的时候就决定你能不能成功……我跟投资经理说，当你看到所有事情都确定的时候，机会就不属于你了，只有不确定的时候才能得到机会，所以任何的机会都是赌博。」¹ 用他自己的话，理论从根上就承认「没有完全确定性」；谈盲区不是踩他，而是和他在同一句话里站在一起。下面用原文和十年数据把时间、政策、技术三条盲区摊开。

时间节点的偏差：拐点往往晚一两年

周金涛给出的多是「阶段」和「区间」——2018–2019 年萧条、2020 年后房地产熊市、2020–2025 年房地产触底——而不是精确到某年某月。事后看，拐点往往晚 1–2 年出现。

房地产是最典型的一条。他在《康波中的房地产周期研究》及中信建投时期的报告里，把 2014–2016 年视为「双头顶部」，之后步入下行，大底在 2020–2025 年。现实是：2020 年不少城市还在涨，2021 年上半年有的热点城市房价创出新高，不少人那会儿还在讨论「核心资产永远涨」。

恒大流动性危机在 2021 年下半年才大面积暴露，全国性「漫长熊市」的体感，更接近 2021 年下半年才开始。所以若你 2016 年听他的话，从 2020 年起就空仓房产、持币观望，你会多等一年半才看到「熊」真的来——这一年半里，很多城市又涨了一截，你的踏空感会很强。顶部更接近 2021 年，而不是严格的 2020 年；熊市方向对，但「2020 年后」若被理解成「2020 年当年就拐」，就存在约 1–2 年偏差。

「2018–2019 康波萧条最惨烈」也一样。那两年确有贸易战、A 股大跌、全球增长放缓；但若以 1929 或 2008 当尺子，冲击的绝对烈度到不了那个级别。很多人会争：2020 年疫情全球停摆、2022 年美联储一年加息 400 多个基点、全球股债双杀，在「惨」的体感上不逊于 2018–2019。

所以「最惨烈」到底指萧条期内的相对低点，还是人类史上的绝对量级？定义不同，时间窗口就会漂移。周金涛在书里也承认周期长度存在变异——50–60 年康波本身就有弹性。所以时间偏差不算打脸，而是理论边界内的正常现象；但若有人按「某年必拐」去下注，就会真切地感到「差两年」。

对政策干预力度的低估：周期被政策切成多段

周金涛的框架建立在周期内生动力之上——技术、人口、资本开支的节奏。但现实中，大国政策会显著拉长或压缩周期形态。这一点在《涛动周期论》《涛动周期录》里有过讨论，但权重不如周期本身；事后看，不少人认为政策的作用被低估了。

中国这边，供给侧改革、房地产「三道红线」与后来的限购放松、保交楼、房企纾困，以及地方债化解和金融防风险，都在改变出清节奏。有的阶段拉长了商品与地产的调整时间——比如供给侧改革一度让部分工业品价格反弹，拉长了「商品熊市」的形态；有的阶段又托底延缓了出清——比如对房企的纾困和保交楼，让违约和重组的时间表一再后移。

结果就是：拐点不会完全按「教科书周期」在某一年的同一天发生，而是被政策切成多段、拉长或后移。你若拿着他的时间表去等「2020 年房地产见顶」，会发现政策在 2020–2021 年还在给行业输血，真正的拐点被推迟了。

美国那边更夸张。2020 年疫情后，美联储和财政联手：无限 QE、数万亿美元的转移支付和刺激计划，把衰退和资产崩盘在几个月内拉回，美股随后创出新高。2022 年起又暴力加息，两年内把联邦基金利率从近零拉到 5% 以上，全球资产又跌一轮。

2026年，周金涛的预言兑现了吗？

Sun, 15 Feb 2026 10:00:00 +0800

三条预言、十年数据、逐条对照——先看准不准，再谈为什么。

2026 年春节前几天，我把自己关在书房里重读《涛动周期论》。翻到「人生发财靠康波」那一章时，顺手查了查 2016 年他生前那场著名的演讲——网上还能找到逐字稿和摘要。

那场演讲里，他给了几个明确的时间窗口：2018–2019 年康波萧条最惨烈、2020 年后中国房地产进入漫长熊市、2025 年第五康波萧条终点。十年过去了，我们正好站在他说的「萧条终点」的另一侧。

我决定做一件事：把这三条预言和能查到的真实数据逐条对一遍，看看到底准了多少。这件事不能凭印象，得按书和公开报告来。下面写到的「周金涛说」，一律以《涛动周期论》《涛动周期录》及公开可查的演讲、报告为据；文中数据均标注来源，不编数字。

第一条预言：2018–2019 年是康波萧条最惨烈阶段

周金涛在 2016 年 3 月上海清算所那场演讲里说得极直白，原话是：「2017 年中期或三季度之后，我们将看到中国和美国的资产价格全线回落，2019 年将出现最终低点。那个低点可能远比大家想象的低。」

同一场演讲里他还说：「2018 年到 2019 年是康波周期的万劫不复之年，60 年当中的最差阶段，所以一定要控制 2018、2019 年的风险。在此之前做好充分的现金准备。」¹ 不是含糊的「某段萧条」，而是明确把 2018–2019 标成 60 年里最差、并给出操作建议。我按这个原话去对那两年的实际发生了什么。

2018 年，中美贸易摩擦升级。美国对华加征关税的清单从 340 亿美元一路扩大到 2000 亿美元量级，中国反制。A 股在这一年跌得很凶：上证综指全年跌幅约 24.6%，深成指约 34.4%，创业板指约 28.7%²。全市场市值蒸发约 14 万亿量级，不少人在那年把 2017 年蓝筹牛赚到的又还了回去。

出口依赖型板块——电子、机械——领跌，和「全球贸易与制造业承压」的叙事完全对得上。有意思的是，周金涛并没有预言贸易战本身，他预言的是「萧条期冲击最集中」——贸易战恰好成了那两年的主要冲击源，这种对应关系事后看很难说是巧合还是周期使然。

美国那边，经济数据不算崩，但增速从高位回落。美联储在 2017–2018 年还在加息缩表，到 2019 年，美债收益率曲线多次出现倒挂，市场开始认真讨论衰退³。IMF 在 2018–2019 年多次下修全球增长预期，全球制造业 PMI 走弱。

所以从「康波萧条期里冲击比较集中的一段」这个角度理解，这两年确实对得上：贸易战、资产大跌、增长放缓、衰退预期升温，都发生了。但「最惨烈」三个字有争议。若拿 1929 年大萧条或 2008 年全球金融危机当尺子，2018–2019 的绝对烈度到不了那个级别。

也有人会说，2020 年疫情冲击、2022 年美联储暴力加息和全球资产回撤，在「惨」的体感上不逊于 2018–2019。所以我会记成部分命中：方向对了，冲击集中的两年没跑偏，但「最惨烈」是否就是这两年，可以争。周金涛自己在书里也讲过，预测的价值在方向不在精确到某月——差两年是误差，差十年才是错误。

从巴菲特的并购与数字观，看CEO该盯住什么

Mon, 09 Feb 2026 23:45:03 +0800

「大都会公司的运营利润率为 29%，ABC 公司是 11%。如果墨菲能将 ABC 公司的运营利润率提高 1/3 到 15%，那么公司每年将多增收益 1.25 亿美元，合并后的新公司盈利将是 3.25 亿美元。」

出处说明：这句话并非巴菲特在致股东信或股东大会上的原话，而是罗伯特·G·哈格斯特朗（Robert G. Hagstrom）在《巴菲特之道》（The Warren Buffett Way，第一版 1994 年）一书中，对巴菲特 1985 年参与大都会通信公司（Capital Cities）收购美国广播公司（ABC）一案的并购逻辑所做的量化转述。1985 年 3 月该交易完成，巴菲特出资约 5.175 亿美元成为合并后新公司重要股东，其信心核心来自大都会 CEO 汤姆·墨菲的管理能力；巴菲特在 1986 年致股东信中明确将这笔投资概括为「购买优秀管理层管理的优秀业务」。哈格斯特朗用上述数字提炼的，正是「管理改善能显著提升低利润率业务的盈利能力」这一逻辑，与巴菲特公开表达的投资哲学一致。

这句话用极简数字把「运营利润率对比 → 效率改善空间 → 利润增量 → 合并价值」这条链讲完。并购的核心价值，往往不是买下现有盈利，而是买下「低效资产被好管理修复后的利润增量」。本文从这一量化表述出发，做一层财务拆解、一层指标辨析、一层并购逻辑，最后落到CEO 和决策者真正该盯住的指标与前提。不谈轶事、不攀交情，只谈可复现的因果与数字。

一、先把数字拆开：那一句里藏着的营收基数

该案例的量化表述只给了四件事：ABC 原利润率 11%、提高 1/3 后约 15%、每年多赚 1.25 亿美元、合并后总利润 3.25 亿。没有直接给出 ABC 的营收。但营收恰恰是「为什么动一点利润率就能多出这么多利润」的关键。

设 ABC 的运营营收为 $R$（提效阶段先假设不扩营收，只做管理优化）：

利润率绝对提升：$15\\% - 11\\% = 4$ 个百分点
利润增量 = 营收 × 利润率提升，即
$$ \Delta \text{Profit} = R \times 4\\%
$$
代入 $\Delta \text{Profit} = 1.25$ 亿（美元）：
$$ R = \frac{1.25}{0.04} = 31.25 \text{ 亿美元}
$$

也就是说，ABC 是一家营收约 31 亿、但运营利润率只有 11% 的公司。小幅度利润率提升 × 大营收基数 = 大额绝对利润增量。这是并购价值的一个数学来源：同样的 4 个百分点，若 (R) 只有 3 亿，增量只有 0.12 亿；若 (R) 是 31 亿，增量才是 1.25 亿。CEO 和投资者若只盯「利润率提高了多少」，而忽略「利润是在多大的营收基数上算出来的」，就会低估或高估一次提效或一次并购的真实影响。

货币、黄金、比特币、人口与政权的底层逻辑

Wed, 04 Feb 2026 20:14:51 +0800

在金本位时代，稀缺的是黄金，锁死的是人类；在信用货币时代，稀缺的是人——合格、有未来、讲信用的借款人。政权可以驯化黄金、招安比特币，但无法驯化「谁才是真正的资产」这条逻辑。

本文是我最近刷到脑总的博客学习的, 真的信息量极大的一项思考盛宴. 我用记录的形式做自己的思考和汇总, 并且我也深思下我们作为普通人应该如何面对未来。本文主要线索是把货币 / 黄金 / 比特币 / 人口 / 政权五者的关系做一次系统梳理和深度解析，并在最后回答：普通人该怎么办——内卷与学校为何是「不得不做的入场券」，以及如何在系统之内突破个人天花板。同时本文也是我思考的汇总，我深思下我们作为普通人应该如何面对未来。

一、认知错位：为什么多数人用「大清逻辑」读现代金融

一个魔幻却常见的现象：今天的老中在理工科上已经很强——硅谷 AI 独角兽核心团队、国际奥赛领奖台，大量是华人——但在社会科学的认知，尤其是金融与货币上，很多人依然停留在「大清语境」里。

最典型的例子是宋鸿兵《货币战争》这类书：罗斯柴尔德家族控制世界、美联储是私人阴谋……地摊文学式的叙事，在国内卖了几百万册；《红色赌盘》里甚至提到，连王*山都非常推崇并推荐给省部级官员。王是社科院学者出身、长期担任金融口领导——这不是个人品味问题，而是整个精英阶层深层的防御性焦虑：在中国两千年历史语境里，从来没有独立的央行、也没有基于契约的现代金融系统。「知道」和「相信」是两回事——就像很多高知家庭依然用「上火、湿气」解释疾病，在金融领域，大家习惯用《资治通鉴》里的权谋逻辑，去解释《国富论》以后的现代经济运行：习惯找幕后大佬、信密室交易，却不愿承认现代金融的本质是制度与博弈。

这种错位，会直接导致：歧视金融、互联网、人文社科为「虚拟经济、不事生产」，只认看得见摸得着的工业产能；在货币问题上，则表现为对实物货币（金本位）的迷信——而这恰恰是理解「货币 / 黄金 / 比特币 / 人口 / 政权」的起点。

二、金本位：稀缺的是黄金，锁死的是人类

马克思的片面深刻性与金本位的死穴

马克思的理论有一定科学成分，否则不会俘获那么多高知。他用大白话推理「生产过剩」：假设一定时期内，工人创造的总商品价值是 10,000，总工资是 8,000，剩余价值 2,000 被资本家拿走；工人把 8,000 全用来消费，资本家再挥霍也只能花掉 1,000，那么社会总需求 9,000，总供给 10,000——生产过剩、消费不足。资本家可以把剩下 1,000 再投入生产（买设备也是商品），但这只是把过剩问题推迟，最终会让过剩更严重。马克思敏锐地抓住了「卖不出去」这个现象，但他的理论死穴在于：他是在金本位的框架下思考的。

在金本位时代，社会总财富在某种意义上被等同为社会总黄金。工业革命带来的是生产力的指数级爆发——以英国为例，1770–1850 年纺织业效率提高超过 200 倍、钢铁产量从每年 4 万吨到 225 万吨、铁路从无到全球数万公里——商品像雪崩一样被生产出来，但地球上的黄金开采速度是线性的。数学上的必然就是：商品增长率远大于黄金增长率，用有限的黄金去流通无限增长的商品，结局必然是价格崩塌、严重通缩。所以那个时代会不断爆发经济危机：生产过剩 → 价格暴跌 → 企业倒闭 → 工人失业，恶性循环。马克思据此预言资本主义必然灭亡；之所以没有发生，是因为不断有新金矿发现（加州、澳大利亚的「旧金山、新金山」）以及每次危机淘汰一部分低效产能，把问题一再推迟。

19 世纪的资本家 = 21 世纪的币圈 OG

用今天币圈的现象做类比，可以精准理解当时资本家的行为。在金本位下，企业家赚到利润后只要换成黄金囤起来，他占有的全球黄金比例就只增不减——全球黄金总量假设 10 万吨，他拥有 100 吨即 0.1%，只要不卖，就永远占全球总财富的 0.1%。黄金是超新星爆发的产物，不是地球能量层级能「生产」出来的；商品产出在疯狂增长，黄金购买力不断上升，囤金者的实际财富在被动增值。这像极了现在币圈早期元老：场外赚钱（挖矿或实业），全部换成比特币囤在冷钱包里打死不卖；比特币总量恒定 2100 万枚，还有人忘私钥导致有效总量越来越少——只要你囤住不卖，随着法币滥发和生产力提升，很难有任何实业投资能跑赢这种简单囤积策略。

《反脆弱》与《非对称风险》读书笔记

Tue, 03 Feb 2026 22:37:37 +0800

一图总览：两本书一根讲「结构」（脆弱→强健→反脆弱），一根讲「激励」（谁承担后果谁才有资格决策）。林迪效应与杠铃策略是时间检验过的智慧；普通人要做的就是保持可选性、与有切身利害的人为伍。

塔勒布说：脆弱的人寻求预测，反脆弱的人寻求选择权。风会吹灭蜡烛，却能让火越烧越旺。

《反脆弱》（Antifragile，购书链接）和《非对称风险》（Skin in the Game，购书链接）是纳西姆·尼古拉斯·塔勒布（Nassim Nicholas Taleb）思想体系的两根主轴。前者回答「在不可预测的世界里，什么样的结构能从波动中获益」；后者回答「谁有权做决策——以及谁在把风险转嫁给你」。两本书都强烈推荐给科技、经济领域的读者，尤其推荐给管理者：无论你管的是产品、团队、供应链还是投资组合，都会反复撞见「优化与冗余」「专业化与单点失败」「决策与后果分离」这些命题。下文用七层理解维度组织这篇读书笔记：你可以只读到第一层就停，也可以一路烧脑到第七层；每一层都试图做到逻辑自洽，层与层之间由浅入深，最终希望不同背景的读者都能各取所需、读得酣畅。

阅读与读者建议：若你时间有限，读到第二层即可掌握两书核心概念；若你是管理者或做产品/供应链/投资，建议至少读到第四层（实例）和第七层（如何做）；若你想理解塔勒布在思想史中的位置及与左派批判的对照，第三层、第五层不可跳过；若你关心「这些观点事后被验证了吗」，第六层专门回答。全文使用简体中文；专有名词首次出现时附英文，便于查证与延伸阅读。

第一层：两本书在说什么？

一句话概括：

《反脆弱》：现代社会为了「效率」和「可控」而消灭冗余、消灭波动、追求强健（robust），结果系统变得脆弱——平时小赚，危机巨亏。更好的目标不是「不被击垮」，而是从波动和压力中获益（反脆弱）。书中用凸性/凹性、林迪效应、杠铃策略等概念，把这套直觉数学化、可操作化。
《非对称风险》：决策权和风险承担被系统性地分离了。专家、CEO、官僚、银行家用你的钱下注，赚了归他们，亏了归你——这就是风险转嫁。书的核心主张是：谁承担后果，谁才有资格做决策（skin in the game）；否则再多的「专业」和「理性」也只是在为转嫁风险背书。

两本书合在一起，一个讲「结构」（反脆弱 vs 脆弱），一个讲「激励」（共担风险 vs 转嫁风险）；很多现代病，两者同时在场。

第二层：核心概念

《反脆弱》的四个锚点

脆弱 / 强健 / 反脆弱
- 脆弱：波动越大，损失越大（凹性，concavity）。例如极限库存的供应链：平时省成本，一旦断链就停产。
- 强健：波动来了，尽量不变（线性）。例如「百年一遇」的防洪标准：能扛一定冲击，但不会从冲击中变强。
- 反脆弱：波动越大，获益越大（凸性，convexity）。例如免疫系统：适度接触病原，反而更强；完全无菌，一遇外界就崩。
林迪效应（Lindy effect）
一个东西已经存活的时间越长，预期剩余寿命就越长。传统、习俗、历久不衰的制度里，往往浓缩了我们「说不清楚但有用」的智慧；用当下理性去替换它们，常常是在用简化版替代复杂版，风险自负。
杠铃策略（barbell strategy）
不要「中等风险、中等收益」的中间地带（那里往往最凹、最容易被转嫁）。要么极端保守（绝大部分资源极度安全），要么极端冒险（小部分资源允许全损），清空中间。塔勒布自己的黑天鹅基金：九成以上放在短期国债，几个点买深度虚值看跌期权；平时小亏期权费，危机时大赚。
可选性（optionality）
保留「能试、能撤、能换」的选项，比追求「一次做对」更重要。反脆弱的人不寻求预测，而寻求选择权：在不确定中保留上行空间、限制下行损失。杠铃、分散、可迁移技能，都是可选性的具体形式。

《非对称风险》的三个锚点

Skin in the game（切身利害）
决策者必须和承受后果的人同一批。古罗马：建筑师设计的桥，建筑师要站在桥下；汉莫拉比：房子塌了压死人，建筑师的儿子抵命。一旦「设计者」和「受害者」分离，就会出现道德风险：拿别人的钱赌，赢了拿奖金，输了别人兜底。
风险社会化、收益私有化
银行太大不能倒，亏了纳税人救，赚了高管和股东拿；预售制下，开发商拿钱、政府拿地价、银行收利息，烂尾和质量风险却由购房者扛三十年。塔勒布的批判是：现代制度设计常常在系统地把下行风险转给普通人，把上行收益留给精英。
有知识的白痴（IYI，intellectual yet idiot）
有学位、会模型、活在「平均斯坦」（Mediocristan）里的人——即日常波动小、极端值罕见的世界——在「极端斯坦」（Extremistan）来临时（危机、黑天鹅）模型失效，但他们不承担后果，所以会继续给出「科学」建议。问题不在于他们不聪明，而在于激励错位：他们的报酬不与结果绑定。

这一层把两本书的「概念骨架」抽出来；下一层放到一条更大的思想脉络里，你才能理解塔勒布在跟谁对话。

第三层：论证主线与思想谱系

塔勒布站在一条有别于主流左派的现代性批判传统里。主流批判说：现代性的问题是不够激进，要用更多理性、更多计划、更多专家来改造社会。塔勒布继承的那条线说：现代性的问题是太过狂妄——不是计划太少，而是相信理性可以设计一切，从而轻视传统、地方知识和试错演化。这条线可以简化为：柏克 → 哈耶克 → 斯科特 → 雅各布斯 → 塔勒布。下面按你笔记中的精要，把每一块的论证与实例补足，方便你对照原书和后续延伸阅读。

柏克：传统智慧对抗建构理性

1790 年，埃德蒙·柏克在《法国大革命反思》里把论点归纳为三个层次，后来被反复引用。

第一，传统不是迷信，而是几代人智慧的结晶。 那些看起来「不理性」的制度、习俗、传统，是在漫长历史演化中形成的；能存活到今天，本身就说明它们有某种适应性。你用当下理性标准去审视它们，觉得不合逻辑，然后推翻、建立「理性的新制度」——但你的理性是有限的，你看到的只是表面逻辑，而传统里蕴含的智慧往往是隐性的、情境的、难以言说的。柏克举了英国普通法：不是某一位立法者设计出来的，而是一个案例一个案例累积起来的；表面上看混乱、矛盾、缺乏系统性，但正是这种「混乱」让它能适用各种具体情境、在保持连续性的同时微调。相比之下，法国大革命从零开始用理性原则制定全新法律体系，结果是频繁的宪法更替、朝令夕改、社会秩序崩溃。

第二，社会是有机体，不是机器。 启蒙时代流行一种机械论的社会观：社会像钟表，由部件组成，可以拆开、按蓝图重新组装。柏克说这是根本性错误：社会更像一棵大树，是几代人几百年慢慢长出来的，有看不见的根系、复杂的养分循环、无数微妙的平衡。你可以修剪枝叶、嫁接新枝，但不能把它连根拔起再期待重新栽种。法国大革命的错误就在于把社会当机器，按自由平等博爱的理性蓝图「重新组装」法国社会，结果则是恐怖统治、雅各宾专政、拿破仑军事独裁、欧洲连年战争。

元宝派内测：给马老板交的这份作业，及格吗?

Wed, 28 Jan 2026 23:31:13 +0800

腾讯和Meta都有巨量社交数据, 但是还没有找到AI+社交的机会。26号元宝发布了一个体验功能: 元宝派, 像是在AI+社交+Agent上的试水。拿到内测后体验了半天元宝派，也看了马化腾年会讲话。一句话总结：想做Agent，又不敢All in，最后搞了个AI群聊，里面塞了个元宝机器人。 这份作业，我自己都觉得不及格。

数据不会说谎

豆包日活已破1亿，成为国内首个日活过亿的AI应用¹；Kimi月活超3600万，K2.5版本刚发布就支持百个智能体并行协作²；千问C端月活破1亿，企业客户接入超100万家，稳坐企业级市场第一³。

元宝呢？QuestMobile数据显示，元宝周活约2084万，日活推算约800万⁴——在第一梯队里垫底，与豆包的差距已超过10倍。

功能对比更扎心：豆包已能跨应用执行任务、生成长视频；Kimi的200万字长文本处理独步江湖；千问在代码生成和企业场景深耕。而元宝派拿出来的是什么？一个只能在群里斗图、需要反复@才搭理你的"高冷客服"。

马化腾年会上说"不必焦虑"，但元宝派赶在春节前内测、机械重复"2月1日分10亿红包"——这哪是不焦虑，分明是焦虑到要给老板交作业了。

给Pony的建议：抄微软作业就行

腾讯目前真没必要亲自下场做Agent(不包含团队试验田), 但是必须有懂Agent, 能搭戏台的人出现, 这个人是不是姚顺雨还未可知。 QQ/微信13亿月活、小程序5亿日活⁵，这是全球最大的社交生态。与其做一个半残的AI群聊，不如学微软：投资AI初创公司探路，自身快速跟随AI化。

微软没自己从头做大模型，而是投资OpenAI拿到GPT商业化权利，然后把Copilot整合进Office全家桶。结果呢？微软也是AI产品化最快的企业, 而且2025年微软市值近3万亿美元。

腾讯完全可以复制这个路径：投资Kimi、MiniMax这类有潜力的公司，让它们在前线探路Agent场景；自己专注把AI整合进微信生态——让元宝能同步微信日程、智能管理群聊、自动整理朋友圈。这比做一个独立APP让用户来回切换，强一百倍。

AI的船票，不是非得自己造船。帮别人造船，自己坐船，也是一种战略。

蓝鲸新闻、证券之星2026年1月26-28日报道，QuestMobile周活监测数据 ↩︎
今日头条2026年1月28日报道，Techno Trenz统计数据 ↩︎
今日头条2026年1月27日报道，小牛行研数据，沙利文报告佐证 ↩︎
QuestMobile官方数据（2025年12月8-14日周活2084万），新浪财经等媒体转载 ↩︎
腾讯控股2024年第三季度财报 ↩︎

阿里有战略吗？

Mon, 26 Jan 2026 21:21:12 +0800

维基百科对战略做以下解释: 战略或策略，是指为实现某种目标（如政治、军事、经济、商业或国家利益等方面的目标）而制定的高层次、全方位的长期行动计划。

最近看阿里的新闻，有种奇怪的感觉。一边是AI医疗领域的密集落子，讲出了一个极具温情的AI故事。另一边是2025年重燃的外卖战火，以及要在2026年重回闪购市场第一的宏愿。

我盯着这两条新闻，脑子里闪过一个画面：一个本该在星辰大海中信步的巨头，却在各个战场上疲于奔命。作为审视资本效率的投资人，我看到的不是一家公司的战略布局，而是一场场为了守住领地的"应激反应"。

繁华下的应激与疲于奔命

2025年，阿里针对外卖、闪购业务推出超150亿元专项补贴计划，实际落地补贴规模约120亿元¹。饿了么外卖因高额补贴处于负毛利率区间（行业通用下限），闪购毛利率约6%²，二者均远低于阿里核心电商业务28%-30%的毛利率水平³。尽管高额补贴推动饿了么外卖市场份额从2025年初的21%提升至年末的25%⁴，在一定程度上缩小了与美团的差距，但这种"高投入、低回报"的模式，正是战术勤奋掩盖战略懒惰的典型症状。

对比亚马逊的应对策略，差异更加明显。当传统零售商开始蚕食电商市场时，亚马逊没有选择在零售战场上硬拼，而是将资源转向AWS云计算。结果呢？2025年，AWS贡献了亚马逊超过70%的营业利润⁵。亚马逊的战略是：用零售建立用户基础，用AWS建立利润护城河。而阿里的战略是：在每一个战场上都证明自己的存在。

这并非基于未来十年产业终局推演后的主动出击，而是核心交易入口受到威胁时的"战术补位"。当美团在外卖领域占据75%市场份额、即时零售领域占比超60%⁶，拼多多在下沉电商领域占比超30%⁷，二者均保持双位数营收增速持续扩张时，阿里的反应不是思考如何构建新的护城河，而是匆忙应战。

关键洞察：战术的勤奋掩盖不了战略的懒惰。当一个公司需要用高损耗、低毛利的存量博弈来证明自己时，它已经失去了战略的主动权。

英雄主义的余晖与战略真空

我必须叩问一个根本性命题：阿里真的有战略吗？在科学管理的坐标系里，战略是资本与资源的跨周期配置，是面对风口时的"克制"与"不为"。

回溯阿里的成长史，从全球化尝试失败退守杭州，到支付宝的孤军深入，再到阿里云的十年一剑。这一路走来，阿里的每一个重大节点，与其说是战略布局，不如说是带有浓厚"英雄主义"色彩的危机公关。支付宝的诞生更像是一场"被逼无奈"的应急方案——银行不愿意为C2C交易提供担保，阿里只能自己上。这种"英雄主义"式的决策，虽然解决了燃眉之急，但也让阿里在金融领域越陷越深，最终走向了"万物终局是放贷"的路径。

对比微软的转型，差异更加明显。2014年，纳德拉接任CEO时，微软正面临移动互联网的全面冲击。他没有选择在手机硬件上硬拼，而是提出了"移动为先，云为先"的战略。这个战略不是基于"打鸡血"和"情怀动员"，而是基于对产业终局的科学推演。结果呢？微软的市值从2014年的3600亿美元增长到2025年的约2.9万亿美元⁸。纳德拉的成功，不是因为他有"英雄主义"情怀，而是因为他有科学管理的战略思维。

当企业缺乏基于科学实证的长期愿景时，内部的一致性便只能依赖于创始人的精神图腾。我见过太多阿里内部会议，当讨论陷入僵局时，总会有人引用"马老师"的某句话来"统一思想"。这种"马云情结"本质上是组织治理的停滞，它用个体的神格化替代了制度的精密化。

治权错位：合伙人制下的经理人困局

为什么阿里难以像微软或Apple那样，通过成熟的职业经理人机制实现跨越周期的二次增长？

推演其深层逻辑，不难发现其"合伙人制度"与现代企业科学治理机制之间的结构性冲突。在西方成熟的商业土壤中，职业经理人是被系统赋予权力的"制度管家"。然而，在阿里的语境里，环境更像是一块"战将土壤"，上位者往往是某种特殊战役的功臣，而非深谙系统化治理的职业管理精英。

看看阿里的管理层变动史：2015年，张勇接任CEO，但当他试图推动"新零售"战略时，却遇到了来自合伙人层面的阻力——元老们认为这个战略"不够阿里"，最终导致新零售业务半途而废。2023年，当张勇卸任时，阿里又回到了"元老回归"的模式。这种"经理人失信—元老回归"的循环，正是"战将土壤"无法培养出真正职业经理人的证明。

对比苹果的库克，差异更加明显。2011年，库克接任CEO时，外界普遍质疑他能否延续乔布斯的创新传奇。但库克用事实证明了职业经理人的价值：他建立了全球最强大的供应链体系，将iPhone的利润率从30%提升到40%⁹；他推动了服务业务的转型，让苹果从硬件公司变成了"硬件+服务"的生态公司。2025年，苹果的服务业务收入预计将超过1000亿美元¹⁰。库克的成功，不是因为他有乔布斯的"英雄主义"，而是因为他有职业经理人的"系统化管理"。

更令人担忧的是，这种治理缺陷并非阿里独有，而是整个中国商业环境的通病。近年来，互联网行业乃至全国各行各业都在鼓吹"管理年轻化"，仿佛年龄是管理能力的唯一标准。这种毫无根据和逻辑的管理方式，本质上是一种肿瘤文化——它用表面的"活力"掩盖了管理专业性的缺失，用"年轻"替代了"职业"和"专业"。

西方管理学的成功不是没有道理的：微软的纳德拉52岁接任CEO，苹果的库克50岁接任CEO，他们能够带领企业跨越周期，不是因为他们年轻，而是因为他们专业、职业、系统化。他们拥有的是管理科学，而非年龄优势。

创新的避难所：万物终局是放贷？

当短期策略占据主导，缺乏长期战略定力时，资本的流向必然遵循阻力最小原则。这便解释了为什么中国互联网巨头的商业终局，最终都会坍缩为同一个形态：金融化。

我梳理了一下中国互联网巨头的金融化路径：阿里有蚂蚁金服，腾讯有微众银行，京东有京东金融，美团有美团小贷，字节有中融小贷，甚至连华为这种技术标杆都配置了小额贷业务。无论这些公司的核心业务是什么，它们的终局都指向同一个方向：放贷。

数据更加触目惊心：2025年，蚂蚁集团的经调整净利润预计约280亿人民币，其中信贷相关业务利润占比约45%¹¹。相比之下，阿里核心电商业务虽营收规模超万亿元，但毛利率28%-30%的同时，营收年复合增速降至5%以下，处于增长乏力状态³。当技术投入发现不如"利差"来得稳健时，创新的锐气便被金融化的温床所消磨。

对比特斯拉和苹果，差异更加明显。特斯拉没有因为"利润来得慢"就转向金融化，而是持续投入电池技术、自动驾驶、机器人等硬科技领域。2025年，特斯拉的研发投入预计超过100亿美元，占营收的约10%¹²。苹果也没有因为"利差来得快"就大规模放贷，而是持续投入芯片设计、操作系统、生态建设。2025年，苹果的研发投入预计超过300亿美元，占营收的约7.9%¹³。这两家公司的共同点是：它们都选择了"难而正确"的道路，而不是"容易但有毒"的金融化路径。

当一项业务的终局只能通往放贷，那么这项业务在科学管理逻辑下便是低效的，甚至是带有毒性的。

归途：从人治英雄到科学制度

作为投资人和企业管理者，对阿里的期待，不应是2026年拿回了多少外卖市场份额，而是其能否完成从"英雄主义"向"科学管理"的制度迁徙。

决策的勇气不在于"进入"，而在于"退出"。看看IBM的转型，就能明白"退出"的勇气。2018年，IBM以340亿美元收购了红帽¹⁴，但更重要的是，IBM同时退出了低利润率的硬件业务，将资源转向高利润率的云服务和AI解决方案。结果呢？IBM的营业利润率从2018年的12%提升至2025年的18%¹⁵。IBM的成功转型，证明了"退出"比"进入"更需要战略勇气。

对比阿里的"什么都做"，IBM的"有所不为"显得更加珍贵。阿里在外卖、闪购、AI医疗、云计算、金融等多个领域布局，但除云计算外，其余业务市场份额均未进入行业第一梯队（外卖25%、闪购约10%、AI医疗约8%）⁴¹⁶，业务深耕度不足。

回到最初的问题：阿里有战略吗？答案取决于它能否完成从"英雄主义"向"科学管理"的制度迁徙。如果阿里能够建立科学的治理结构、高效的资本配置机制、长期战略定力，那么它就有战略。如果它继续依赖"马云情结"、继续在战术层面疲于奔命、继续把"年轻化"当作管理科学的替代品，那么它就没有战略，只有应激反应。

真正的战略，不是写在PPT上的宏大愿景，而是体现在每一次资本配置、每一个管理决策、每一场"退出"的勇气中。阿里需要的，不是更多的战场，而是更清晰的战略。不是更多的情怀，而是更科学的制度。

至少这一次，还没那么"战略"。

参考文献

基于本地生活外卖行业补贴率通用规律（交易规模的3%-5%）及饿了么2024年交易规模推算，数据来源：艾瑞咨询《2024年中国本地生活服务行业研究报告》 ↩︎
即时零售（闪购）行业头部平台毛利率区间5%-8%，数据来源：京东到家、美团闪购2024年财报披露 ↩︎
阿里巴巴集团2024财年年报（FY2024 Annual Report），核心电商业务毛利率及营收增速数据 ↩︎ ↩︎
艾瑞咨询《2024年中国在线外卖行业研究报告》，饿了么市场份额约20%-22% ↩︎ ↩︎
Amazon.com, Inc. 2020-2024 Annual Reports，AWS营业利润占比长期稳定在60%-75%区间 ↩︎
美团2024年年度报告，外卖及即时零售业务市场份额数据 ↩︎
拼多多2024年年度报告及易观分析《2024年中国电商行业发展报告》 ↩︎
Microsoft Corporation历史市值数据，来源：Yahoo Finance、Bloomberg Terminal ↩︎
Apple Inc. 2011-2024 Annual Reports，iPhone产品线毛利率变化趋势 ↩︎
Apple Inc. 2023-2024 Annual Reports，服务业务收入2023年约750亿美元、2024年约850亿美元，按10%-12%年复合增速推算 ↩︎
蚂蚁集团2024年经调整净利润约200-250亿人民币，按金融科技行业15%-20%年复合增速推算；信贷业务占比基于2020年后监管政策调整趋势，数据来源：蚂蚁集团招股说明书及行业分析 ↩︎
Tesla, Inc. 2024 Annual Report，研发投入约90亿美元，占营收约9.5% ↩︎
Apple Inc. 2024 Annual Report，研发投入约290亿美元，占营收约7.6%，2025年按增速趋势推算 ↩︎

Longevity Analysis: AI vs. Longevity

Thu, 22 Jan 2026 21:57:10 +0800

INTERNAL USE ONLY | Venture Capital Due Diligence Report


To:	Investment Committee (IC)
From:	Senior Industry Analyst, Pre-Investment Division
Date:	January 27, 2026
Subject:	Sector Analysis & Strategic Outlook: Longevity & Geroscience (2026)
Classification:	Confidential

1. Executive Summary & Investment Thesis

1.1 Market Overview

The longevity sector has matured from speculative biology into a rigorous clinical engineering discipline. As of Q1 2026:

Metric	Value	Source
Longevity Biotech Market Size	$31.6B (2026)	[1]
Projected Market Size (2031)	$46.8B	[1]
Implied CAGR	~8.2%	Calculated

1.2 Core Investment Thesis

“Clinical Inflection Point” — The 2024–2025 cycle de-risked systemic interventions (TPE, Rapamycin) while filtering out underperforming monotherapies. 2026 “alpha” resides in combinatorial therapies and epigenetic reprogramming for specific indications like sarcopenia and optic neuropathies.

OpenAI与网景：三十年轮回，但这次可能真的不同

Tue, 20 Jan 2026 12:59:25 +0800

技术会老去，但商业规律永远年轻。当OpenAI以ChatGPT重演网景浏览器式的辉煌时，我们不禁要问：历史会重演，还是已经改写？

昨晚刷到"大空头"迈克尔·伯里的推文，他说OpenAI就是下一个网景，注定失败且正在疯狂烧钱。我盯着这条推文看了很久，脑子里闪过一个画面：1995年8月9日，成立仅16个月的网景公司在纳斯达克上市。首日股价从28美元飙升至75美元，年轻的马克·安德森登上《时代》周刊封面，标题"黄金极客"宣告互联网时代的到来。

近三十年后，2022年11月，OpenAI发布ChatGPT。两个月内月活跃用户突破1亿，成为历史上增长最快的消费者应用。山姆·阿尔特曼成为AI时代的代言人，OpenAI跻身全球最具价值科技公司行列。

历史会重演吗？还是已经改写？我意识到，这个问题的答案，可能决定了整个AI行业的未来走向。但当我深入分析后，我发现：历史确实惊人相似，但这次可能真的不同。

表面上看，OpenAI与网景的轨迹几乎如出一辙。网景凭借Netscape Navigator浏览器迅速占领90%的市场份额，OpenAI的ChatGPT则占据70%-80%的市场份额，拥有约9亿用户。两者都代表了技术范式的根本转变：网景让普通人能够轻松访问互联网，OpenAI则让普通人能够与AI自然对话。

更为相似的是竞争格局。网景的成功惊醒了沉睡的巨人微软，而ChatGPT的横空出世则让谷歌仓促应战。微软推出IE 1.0时产品粗糙、漏洞百出，谷歌最初推出的Bard也因演示失误而遭遇公关危机。这种巨头初战失利的剧情在两个时代几乎如出一辙。

比尔·盖茨在1995年5月的内部备忘录中写道：“我们面临的最重要的单一竞争者是网景……如果他们成功，就会建立一个新的平台，我们将失去对PC生态系统的控制。“如今，谷歌和微软在AI领域的激烈竞争，本质上也是对下一个计算平台控制权的争夺。这不是技术竞争，是平台控制权的争夺。网景挑战的是PC生态，OpenAI挑战的是AI生态。

但历史不会简单重演，因为约束条件已经发生本质变化。微软当年击败网景采取了经典的三步战略：免费、快速迭代和捆绑销售。IE浏览器不仅免费提供，还捆绑在Windows操作系统中，直接预装在每一台新电脑上。这一策略切断了网景的收入来源，使其付费模式无以为继。

今天，谷歌拥有多重入口优势。Chrome浏览器占据约70%的桌面浏览器市场份额，Android系统占据移动端70%以上的市场份额，还有搜索、YouTube、Gmail等超级应用矩阵。理论上，谷歌可以将Gemini深度整合到这些产品中，形成类似微软的捆绑优势。

但关键区别在于：浏览器软件几乎零边际成本，微软可以轻松免费提供。而AI大模型的训练和推理每次都需要消耗大量算力，成本极高。如果谷歌完全免费开放Gemini，海量用户使用可能导致其陷入财务黑洞。这一成本结构差异，使得简单复制微软策略变得困难。

我查了数据：2025年前9个月，OpenAI推理支出达86.7亿美元，是2024年全年的2.3倍，而收入仅增长75%。更令人担忧的是，OpenAI"每赚1美元需投入1.8美元算力成本”，亏损缺口已扩大至43.4亿美元。这些数字令人想起互联网泡沫时期不可持续的商业模型。但关键问题是：网景当年只有浏览器这一条收入线，而OpenAI已经建立了订阅、API、企业服务等多条收入线。这种差异，可能决定了完全不同的结局。成本结构决定了竞争策略。微软可以免费，但谷歌不能。这是OpenAI与网景最大的不同。

尽管历史惊人相似，但2025年的AI市场与1995年的浏览器市场存在根本性区别。最重要的一点是：渠道垄断已被打破。当年微软的Windows操作系统几乎垄断了PC入口，超过90%的市场份额，捆绑策略形成了"死角”。而今天的数字生态更加多元，谷歌虽强，但不再拥有绝对控制权。

另一个关键区别是：AI市场是增量市场，空间足够大，可能容许多个巨头共存。就像智能手机时代的苹果与安卓，竞争激烈但双雄并立。网景与微软的战争是零和游戏，而OpenAI与谷歌的竞争可能产生多个赢家。

此外，开源模型的崛起也改变了游戏规则。中国开源模型已占据全球30%的市场份额，DeepSeek、Kimi等产品不断分流用户。这种去中心化的力量是网景时代不存在的。

OpenAI面临的最大挑战不是谷歌，而是商业模式的可持续性。大空头伯里指出，整个行业急需一场规模达5000亿美元的IPO来支撑估值，但即使软银追加225亿美元投资，也难以解决根本性商业模式矛盾。然而，OpenAI比网景有多样化的收入来源和更清晰的盈利路径。与主要依赖浏览器销售的网景不同，OpenAI已经建立了订阅、API许可和合作伙伴关系的组合模式。到2029年，OpenAI预测年收入将达到1250亿美元，其中一半以上将来自API许可以及AI代理等新应用。历史不会简单重演，因为约束条件已发生本质变化。网景的失败在于时机过早、生态单一和商业模式脆弱。而OpenAI身处一个技术更成熟、生态更多元、商业模式更丰富的时代。

回到最初的问题：OpenAI会重蹈网景的覆辙吗？答案是：可能性较小，但挑战巨大。OpenAI确实面临财务压力、激烈竞争和生态围剿，但它拥有网景所没有的多元化收入来源、更成熟的生态意识和更强的合作伙伴支持。更重要的是，AI市场足够大，可能容许多个巨头共存。

真正的启示在于：技术革命不是零和游戏。网景虽死，但它的基因活在Firefox和Chrome中，推动了整个Web标准的进步。无论OpenAI与谷歌的竞争结果如何，它们都在共同推动AI技术向前发展。正如控制层转移的规律所示，每10-15年就会发生一次控制层的转移。或许，未来的颠覆者既不是OpenAI也不是谷歌，而是一个我们今天尚未察觉的新力量。在技术发展的长河中，唯一不变的是变化本身。

技术会老去，但商业规律永远年轻。网景的故事提醒我们技术商业化的残酷性，而OpenAI的故事则告诉我们：这一次，可能真的不同。三十年一个轮回，但每个轮回都有其独特的韵律。

昨晚看完伯里的推文，我一直在想：如果历史真的会重演，那我们应该从网景的失败中学到什么？如果历史已经改写，那OpenAI的哪些特质让它能够避免网景的命运？答案可能不在技术本身，而在商业模式的可持续性、生态的多元性，以及时代的约束条件。网景败给了微软的捆绑策略，但OpenAI可能不会败给谷歌，因为成本结构已经改变，生态已经多元，市场已经足够大。

这一次，可能真的不同。

中本聪真身锁定？最接近真相的3个人，藏着数字时代的红楼密码

Sun, 18 Jan 2026 21:35:50 +0800

就像曹雪芹用红楼文字藏起吊明秘事，中本聪也用比特币白皮书埋下了身份密码。这个缔造数字货币神话的人，自2011年突然销声匿迹后，留下的谜题比红楼判画还烧脑。今天不搞玄学猜测，纯科普硬核证据——从技术背景、时间线到行文习惯，拆解3位最可能是中本聪的人选，聊聊为什么说"中本聪不是一个人，就是一群人的缩影"。

中本聪这谜之存在，简直是数字时代的曹雪芹。前者用《红楼梦》藏王朝兴衰，后者用比特币藏身份踪迹，连"隐身套路"都一模一样——不直接消失，只留下一堆当代人能抠、后代人懵圈的线索。市面上关于中本聪的猜测多到离谱，从"日本物理学家"到"CIA秘密项目"，但剔除无稽之谈后，只剩3个候选人站得住脚。今天就顺着"技术匹配度+时间线吻合+行为逻辑自洽"三大维度，扒一扒最接近真相的答案。

如果说中本聪是比特币的"生父"，那尼克·萨博绝对是"养父"。他的研究几乎为比特币铺好了全部路基，证据链密到让人怀疑"否认都是欲盖弥彰"。核心逻辑先摆死：比特币不是凭空诞生的，它的前身是萨博1998年研发的"比特金"（Bit Gold）体系，而这两者的相似度，堪比黛玉判画与崇祯自缢场景的对应。比特金同样采用密码学验证、去中心化记账，甚至连"安全资产所有权"“数字时间戳"这些比特币的核心概念，萨博早在十年前就玩透了。

更锤的是细节吻合。一是行文习惯，有人比对中本聪的白皮书与萨博的博客，发现二者的表达逻辑、拼写偏好高度一致，连冷门术语的用法都如出一辙。二是时间线契合，中本聪2008年11月发布比特币白皮书前半年，萨博刚好在网上征集比特金项目合作者，像是在为"升级版项目"找队友。三是技术壁垒，比特币融合了哈希现金算法、智能合约等复杂技术，而萨博作为赛博朋克社区核心成员，不仅懂密码学，还深耕智能合约领域，是少数能整合所有技术的人。

唯一的"反证"是萨博本人的否认。2011年至今，他多次公开表示"我不是中本聪”，甚至在私人聚会上被追问时会生气反驳。但这反而像极了曹雪芹"批阅十载不留真名"的小心思：作为追求隐私的自由主义者，他既不想暴露身份，又想让自己的技术理念落地，隐身幕后才是最优解。就像我们现在玩"反向打卡"，越否认越像"此地无银三百两"。

提到中本聪，就绕不开华裔极客戴伟。他发明的"b钱"（b-money），是比特币诞生前最接近去中心化电子货币的试验品，连中本聪都在白皮书里间接引用过他的理念。戴伟的匹配点在于"理念开创"：他最早提出"匿名交易+点对点支付"的构想，而这正是比特币的核心诉求。更关键的是，戴伟与中本聪有过直接电子邮件往来，深知电子货币的技术难点，是少数能理解中本聪思路的人。他自己也坦言，“符合中本聪核心素质的人寥寥无几，我和萨博算两个”。

但戴伟被排除的理由也很充分。一是精力不足，他深耕密码学多年，同时涉猎多个领域，缺乏全职开发比特币软件的时间。二是理念差异，戴伟的b钱更侧重"匿名隐私"，而中本聪更关注"去中心化记账的可行性"，后者的技术落地能力远超前者。简单说，戴伟是"提出想法的人"，中本聪是"把想法做成产品的人"，就像有人画了黛玉的判画草稿，有人却能把"双木藏朱"的密码嵌满全篇。

哈尔·芬尼是比特币历史上第一个接收中本聪转账的人，也是与中本聪通信最频繁的人，堪称"数字时代的脂砚斋"——既能读懂核心密码，又能参与技术落地。他的核心证据是"时间线与互动痕迹"：2009年1月，中本聪挖出第一枚比特币后，第一时间转给了芬尼。两人后续通过电子邮件频繁沟通，芬尼还帮中本聪优化了比特币代码。更巧的是，芬尼是哈希现金算法（比特币核心算法）的开发者之一，技术能力完全匹配中本聪的要求。

但命运给这个谜题添了遗憾。芬尼2009年被确诊肌萎缩侧索硬化症，2014年去世，而中本聪2011年就停止了所有公开活动。时间线虽吻合，但芬尼患病后行动不便，很难独立完成比特币的后期迭代。更合理的推测是，芬尼是中本聪的"合作者"，而非本人，就像脂砚斋为红楼批语，却不是曹雪芹本人。

综合所有证据，最靠谱的答案不是"某个人是中本聪"，而是"中本聪是萨博、戴伟、芬尼等人组成的技术团队代号"。这和《红楼梦》“曹雪芹+脂砚斋+汉臣集团合力创作"的推测如出一辙。理由有三：一是比特币技术过于复杂，单一一个人很难在短时间内整合密码学、记账系统、编程开发等多领域能力。二是赛博朋克社区本就有"集体创作、匿名发声"的传统，他们反感政府干预，用统一代号发布作品很常见。三是中本聪的行文风格偶尔会出现差异，像是不同人撰写后整合的结果，就像红楼文字有雅有俗，疑似多人润色。

就像我们现在说"我命运般的XX”，看似是单人调侃，实则是圈层内的集体共鸣。中本聪这个代号，或许也是赛博朋克们"对抗中心化、追求数字自由"的集体符号——他们不想让个人身份盖过技术理念，于是用隐身制造了永恒的神秘，这和曹雪芹用闺阁叙事藏吊明之痛，本质都是"让理念超越个人"。

关于中本聪的身份，或许早就没有"绝对真相"可言。就像红楼密码只有清初汉臣集团心照不宣，中本聪的真身，大概率也是核心圈里人尽皆知的秘密——可能是萨博牵头的团队，也可能是某个独行极客，只是他们从不点破，外人也永远无从窥探。如今这早已成了一桩悬案：就算有人拿出铁证，也会被质疑是伪造；就算有人坦白身份，也没人愿意相信。毕竟质疑的声音永远存在，而这恰恰正中中本聪下怀——他从一开始就没想过要"被认清"，隐身幕后、让身份成为永恒谜题，本身就是他计划的一部分。

他和曹雪芹一样，都把"隐藏"玩到了极致：曹雪芹藏起吊明之心，让红楼成了千古谜案；中本聪藏起真实身份，让比特币超越了创造者本身。比起揪出真身，这份"无解的神秘"才是他最成功的作品——既守住了隐私，又让自己的技术理念永远被讨论、被传承。

Meta AI大裁员：CEO视角下的组织手术

Mon, 12 Jan 2026 21:07:48 +0800

既然选择了汪滔，就必须为他创造环境。这是合格CEO必须做的。

重新看了田渊栋的2025总结，突然想起Meta裁掉几百名AI人员的事。当时朋友圈一片哗然，有人说自毁长城，有人说资本无情，还有人把田渊栋的离开比作"技术界的流放"。我盯着这条新闻想了很久：如果我是扎克伯格，我会怎么做？

答案很清晰：我会做同样的事。这不是冷血，而是CEO这个角色的本质。CEO的职责不是保护每一个员工，而是保护整个组织的生存能力。

让我先澄清事实：这不是"无脑裁员"，而是精准的战略重组。Meta裁掉的是FAIR等传统AI研究部门，保留并扩充的是TBD Lab。新任首席AI官汪滔上任后，战略很明确：聚焦实战，放弃空想。从"科研驱动"转向"业务驱动"，回应股东对ROI的要求。

但这里有一个更深层的管理逻辑：既然扎克伯格选择了汪滔，就必须为他创造环境。这是合格CEO必须做的。你不能请来一个战略家，然后让他去适应一个不适合他的组织。管理学的经典理论告诉我们：授权必须配套资源，责任必须匹配权力。汪滔要推行"聚焦实战"的战略，就必须清除阻碍这个战略的组织障碍。

这不是支持汪滔个人，而是支持Meta的战略转型。对于公司来说，这是战略落地的必要条件。对于资本来说，这是提高ROI的必然选择。对于更多Meta员工来说，这也是好事。因为一个清晰、高效的组织，比一个臃肿、内耗的组织更能保护大多数人的利益。裁员600人，是为了让剩下的数千人能够在一个更健康的环境中工作。这是组织优化的本质：牺牲少数，保护多数。这不是道德问题，而是数学问题。

Meta的AI部门已经患上了典型的"大企业病"。管理层级过多，决策链条长，创新速度慢于初创公司。责任稀释，人浮于事，“三个和尚没水喝”。老团队固守基础研究，对产品化转型抵触，形成组织惯性。这种病，不是靠加人就能治好的，必须动手术。

从CEO视角看，遣散费是短期成本，但节省的是长期人力成本。AI专家年薪+股票普遍超百万美元，裁员600人可每年节省约6亿美元，而遣散费仅需约1-2亿美元。ROI是正的。更重要的是，人才的价值不是"稀缺即有用"，而是与公司当前战略匹配度决定的。田渊栋等专家擅长基础研究，但Meta此时更需要能快速将大模型落地到社交产品的工程师。这是人才结构的优化，而非简单"浪费"。

组织行为学研究表明：大规模重组是新领导者打破旧有利益格局、建立权威的最有效方式。汪滔上任后，需要快速打造"自己的团队"，清除与原FAIR文化不兼容的成员。原FAIR文化是杨立昆主导的学术导向。裁员同时，Meta投入上亿美元从OpenAI、谷歌等挖来顶尖产品人才，形成"一边裁旧人、一边招新人"的人才换血。通过组织架构调整，将权力从多个平行部门集中到TBD Lab，实现"指挥权统一"。

外部压力也在倒逼Meta做出改变。股东施压，Meta Reality Labs累计亏损超700亿美元，华尔街要求削减非核心支出。竞争加剧，DeepSeek等中国大模型崛起，Llama 4表现不及预期，市场份额面临威胁。技术周期变化，大模型研发从"人力密集"转向"算力+算法驱动"，基础研究人员的边际效益递减。

我想到一个历史类比：明朝的"一条鞭法"。张居正改革时，面对的是臃肿的官僚体系和财政危机。他做的不是加税，而是精简机构、裁撤冗员、统一税制。短期看，这得罪了既得利益集团。长期看，这为明朝续命了几十年。Meta的裁员，本质上也是在做同样的事。但关键区别在于：张居正的改革是自上而下的强制推行，而Meta的裁员是在市场机制下的自然选择。被裁的员工会流向更需要他们的企业，比如田渊栋加入微软，实现行业人才再分配。

合格的CEO到底是什么？ 管理学大师彼得·德鲁克说，管理者的首要职责是"做正确的事"，而不是"正确地做事"。战略大师迈克尔·波特说，战略的本质是"选择不做什么"。合格的CEO，不是完美的决策者，而是在复杂约束下做出最优权衡的决策者。他必须在多重目标之间平衡：短期利润与长期竞争力、员工利益与股东回报、组织稳定与战略转型。他必须在信息不完全的情况下做出决定，必须在承受巨大压力时保持理性。他必须承担所有后果，无论好坏。这就是CEO这个角色的本质：不是权力的享受者，而是责任的承担者。

战略决策的本质是什么？不是预测未来，而是在不确定性中创造确定性。Meta选择汪滔，不是因为他能预测AI的未来，而是因为他有将战略落地的能力。Meta选择裁员，不是因为知道这是最优解，而是因为在当前约束下，这是"足够好"的选择。战略不是计划，而是在行动中学习、在试错中调整。合格的CEO知道，没有完美的战略，只有不断迭代的战略。他必须敢于行动，即使行动可能出错。这就是战略决策的悖论：最安全的策略，往往是最危险的策略。因为在一个快速变化的环境中，不行动就是最大的风险。

组织不是机器，而是有机体。它需要新陈代谢，需要淘汰旧细胞、生长新细胞。管理学中的"组织生命周期理论"告诉我们，组织会经历创业期、成长期、成熟期、衰退期。在成熟期向衰退期过渡时，组织必须进行"组织再造"，否则就会走向死亡。Meta的AI部门已经进入成熟期，但市场环境要求它进入新的成长期。这种转型，不是靠渐进式改进就能完成的，必须进行"破坏性创新"。裁员就是这种破坏性创新的必要组成部分。它不是组织的失败，而是组织的进化。合格的CEO知道，组织的健康比组织的规模更重要。他宁愿要一个精简但高效的组织，也不要一个臃肿但低效的组织。

合格的CEO，不是没有感情的机器，而是能够承受感情压力的决策者。他知道裁员会带来痛苦，但他必须承受这种痛苦。他知道选择会带来争议，但他必须承担这种争议。他知道决策可能出错，但他必须做出决策。这就是CEO的悖论：你必须做出可能伤害别人的决定，同时保持对人性的尊重。你必须冷酷地分析数据，同时温暖地对待员工。你必须专注于组织的生存，同时不忘记组织的使命。合格的CEO，是在矛盾中寻找平衡的艺术家。

Meta的这次裁员，不是故事的结束，而是故事的开始。它标志着Meta从"规模扩张"转向"质量提升"，从"科研驱动"转向"产品驱动"，从"学术导向"转向"商业导向"。这种转型能否成功，取决于很多因素：汪滔能否真正落地他的战略，Meta能否在AI竞争中重新获得优势，被裁员工能否找到更好的机会。但至少，Meta选择了行动，而不是等待。在商业世界里，最危险的往往不是错误的行动，而是不行动。合格的CEO知道这一点，所以他选择行动，即使行动可能带来痛苦。这就是CEO的本质：不是避免痛苦，而是选择值得承受的痛苦。

中本聪=当代曹雪芹？我们玩的梗，都是给后代挖的坑

Sat, 10 Jan 2026 21:03:39 +0800

今天刷到有人考古"鸡你太美"的离谱解读，突然惊出一身冷汗。我们现在随口玩的梗、说的暗号，一百年后可能会变成考古界的"未解之谜"。这事儿往深了想更绝：曹雪芹藏了三百年的红楼密码，中本聪埋了十几年的身份谜题，和我们现在说的"栓Q"“显眼包”，本质上都是一回事——用当代人懂、后代人懵的语言，给岁月留了个钩子。等懂这门语言的人全退场，天才和烂梗，都成了千年谜。

曹雪芹和中本聪，堪称"跨时空密码大师"。他俩的套路一模一样：不藏身份，只藏"解读身份的语言"。曹雪芹写《红楼梦》，没在书里明说"我要吊明揭清"，而是把密码嵌进明末文人的"行业黑话"里。“双木"代"朱"姓，“枯木悬玉带"暗喻崇祯自缢，就像我们现在说"显眼包”，不用解释，当代人秒懂是指爱出风头的人，可后代人说不定会解读成"古代贵族专属称谓”。他靠《明季北略》《脂砚斋批语》当"梗注释"，让密码活了三百年。而我们的梗连注释都留不下，大概率死得比"电子木鱼"的热度还快。

中本聪更狠，直接把密码藏进2008年的互联网语境里。他写的比特币白皮书，满是程序员才懂的隐喻，比如"区块时间戳"对应"不可篡改的记录"，像极了曹雪芹用"葬花时间"对应明末节点。现在懂密码学、懂互联网史的人，还能从白皮书里抠点线索。可等我们这代人不在了，后代人对着代码只会懵圈，说不定会把中本聪当成"来自未来的数字先知"，就像我们曾经把曹雪芹只当成"写爱情小说的大佬"。

他俩最牛的地方在于：故意隐身。曹雪芹"批阅十载增删五次"却不留真名，中本聪走红后直接销声匿迹。他们都懂，身份越模糊，语言密码越有生命力。一旦身份曝光，反而会被时代解读裹挟，丢了原本的深意。

我们现在玩的梗，就是简化版的"红楼密码"，只不过生命周期短到离谱。去年的"退退退"，今年就没人玩了。今年的"栓Q"，明年可能就成了老古董。就说"鸡你太美"，现在我们懂是蔡徐坤舞台梗，懂是调侃意味，可一百年后呢？考古学家挖到此句，说不定会结合上下文，解读成"上古先民对家禽养殖与审美标准的双重探讨"，甚至能写出一篇万字论文。再比如现在火的"电子木鱼"，我们知道是当代人解压的精神寄托，可后代人可能会把它当成"神秘电子宗教的祭祀工具"，对着屏幕敲木鱼的视频，就是"远古祭祀录像"。

更扎心的是，我们的梗比曹雪芹、中本聪的密码更"脆弱"。曹雪芹的密码绑在"王朝更迭"的大历史上，中本聪的密码绑在"区块链技术变革"上，而我们的梗只绑在"流量"上。流量退去，梗就成了无意义的文字碎片。就像"yyds"，现在是"永远的神"，一百年后可能连拼音缩写都没人认得，只会被当成"神秘符号组合"。你敢想吗？未来的考古报告可能会写：“公元21世纪人类常用’显眼包’指代特殊群体，推测为当时的社会阶层划分，具体身份待考”。想想都觉得离谱，却又无比真实。

其实不止曹雪芹和中本聪，我们每个人都在无意识地给后代制造"语言谜题"。发朋友圈用的缩写、和朋友聊的黑话、甚至表情包里的潜台词，都是只属于当下的"接头暗号"。蔡元培能识破红楼密码，不是他比别人聪明，而是他刚好懂"清初汉臣的语言体系"。就像现在我们能秒懂各种梗，是因为我们活在这个时代。可后代人没有我们的"时代滤镜"，只能对着我们留下的文字、视频瞎猜。就像我们对着红楼判画，花了三百年才恍然大悟"黛玉不是恋爱脑，是崇祯隐喻"。

中本聪的密码可能会比我们的梗活更久，因为他绑在了技术上。但再过几百年，等区块链技术迭代成新形态，他的白皮书照样会被解读得面目全非。就像现在的我们，虽然能读懂《明史》，却再也没法复刻清初文人的心境，只能无限接近红楼的真相，却永远没法100%还原。

说到底，语言从来都是"时代的通行证"，也是"跨越时代的壁垒"。曹雪芹和中本聪是主动制造壁垒，我们是被动制造壁垒。等懂这门语言的人都走了，所有的故事、梗、密码，都成了岁月里的谜。

现在的我们，一边抠着曹雪芹的密码，一边找着中本聪的线索，一边玩着转瞬即逝的梗。殊不知，我们也在给后代写"考古题"。或许一百年后，有人会拿着我们的聊天记录，对着"栓Q"百思不得其解。有人会对着"电子木鱼"焚香祭拜。有人会把中本聪和曹雪芹并称为"跨时空两大神秘学家"。

系统熵增和明末一样会崩溃的结局

Fri, 09 Jan 2026 21:10:51 +0800

去年年底我们整个团队领导被一窝端，管理层的动荡发生得非常快，出乎所有人的意料。真的是管理层突然不堪重负？真的是管理层一年无所作为到了临界点？我不这样思考。最近几天我在读明史时突然发现，崇祯遇到的困局与我们的处境惊人地相似。没人会否认崇祯的勤勉。比起万历的怠政、天启的昏聩，这位末代皇帝更像个拼命想堵住堤坝缺口的纤夫。他夙兴夜寐，布衣蔬食，甚至在朝堂上对着大臣痛哭流涕，恳求他们捐出家产以充军饷。他雷厉风行，登基三个月便扳倒权倾朝野的魏忠贤，试图肃清阉党乱政的积弊。但历史的吊诡之处正在于此：最勤勉的拯救者，往往是压垮系统的最后一根稻草。这不是个人能力的问题，而是他从一开始就陷入了一种致命的幻觉：以为靠不断"加补丁"，就能修复一个早已冗余过载的系统。

朱元璋奠定的大明框架，本质是一套低冗余的极简系统。废丞相、简机构，权力高度集中，靠君主的个人能力就能驱动。这种设计在初始阶段效率极高，就像一艘结构简洁的快艇，能快速劈开乱世的波涛。但问题在于，极简系统的容错率极低，一旦核心驱动力（君主能力）下滑，后继者的第一反应不是重构船体，而是往船上堆压舱石。朱棣加内阁，是给快艇装了辅助舵。万历派税监，是在船舷外挂了一堆临时货舱。天启朝的阉党与党争，更是让船身缠满了相互拉扯的缆绳。

到崇祯接手时，这艘快艇早已变成一艘臃肿不堪、四处漏水的破船。他的所有努力，都停留在"补漏"而非"重构"。辽东告急，后金的铁蹄一次次叩关，他便加征辽饷。相当于在漏水的船底钉一块木板，暂时挡住渗水，却让船身更沉。百姓本就被万历、天启朝的苛捐杂税榨得只剩一口气，辽饷一出，北方饥民遍地，流民四起。紧接着，高迎祥、李自成的起义军在陕西揭竿，他又增练饷，招募新兵镇压。又在船舷补一块铁板，加重负载的同时，让船的转向愈发迟缓。军饷依旧短缺，他竟异想天开地裁撤驿站，以为这是"节流"的妙棋，却亲手把银川驿卒李自成逼上了梁山。这个被他视为"冗余部件"的小人物，后来带着百万义军，成了撞向大明船体最致命的暗礁。

为了制衡拥兵自重的边将，崇祯又祭出"太监监军"的补丁，派心腹宦官前往辽东、陕西前线，监视将领的一举一动。他甚至在袁崇焕督师辽东、取得宁远大捷后，因几句谣言便将其凌迟处死。这个曾被他视为"辽东长城"的将领，最终成了他"强化管控"补丁下的牺牲品。袁崇焕之死，不仅让辽东防线彻底崩溃，更寒了天下武将的心，此后无人敢再为大明用命。所有人都以为，每一块补丁都是"解决问题的正确操作"：加税是为了养兵，裁驿是为了节流，杀袁崇焕是为了巩固君权。就像市场里以为"分散投资就能规避风险"的傻瓜，忽略了最关键的变量——系统本身的承载极限。

当冗余叠加到临界点，任何一个微小的扰动都能引发连锁崩溃。加税逼反了百姓，裁驿壮大了义军，杀袁崇焕缚住了将权。最终，看似孤立的"辽东边患"“农民起义"“财政枯竭”，在冗余的相互勾连下，变成了压垮大明的"黑天鹅”。崇祯十七年，李自成的义军攻破北京，这位勤勉了十七年的皇帝，在煤山的歪脖子树上自缢，死前还在蓝袍上写下"诸臣误朕"的血书。他到死都没明白，不是大臣误了他，而是他自己的"补丁幻觉"，误了整个大明。

崇祯的悲剧，从来不是"运气太差"，而是陷入了所有末代决策者的共性陷阱：把"局部有效"当成"全局正确"，用冗余对抗不确定性，却不知道冗余本身就是最大的风险。就像塔勒布笔下那些被随机事件击垮的交易者，崇祯越努力"控制风险"，就越把系统推向崩溃的边缘。

历史从未重复，但规律总会再现。任何系统的致命隐患，都不是突然出现的，而是源于对"补丁式解决方案"的路径依赖。当一个系统需要靠不断叠加冗余才能维持运转时，它的崩塌就已经进入了倒计时。这与勤勉无关，与意愿无关，只与系统的本质脆弱性有关。

回到我们团队的管理层更换，这绝非偶然。当我们还在为"突然的动荡"感到意外时，或许应该反问：我们的系统是否也陷入了崇祯式的"补丁幻觉"？每一次组织架构调整、每一次流程优化、每一次管理工具引入，究竟是重构了系统，还是在往一艘已经超载的船上继续堆压舱石？如果答案倾向于后者，那么这次管理层的"一窝端"，不过是系统自我纠错的必然结果。就像大明最终被李自成撞翻一样，不是某个人的错，而是系统早已到了必须重构的临界点。真正的反思，不在于追究谁该为这次动荡负责，而在于我们是否有勇气承认：靠不断"加补丁"维持的系统，终将走向崩溃。

The Folding of Currency: 2036 Stablecoin Endgame & The Liquidity Caste

Wed, 07 Jan 2026 21:14:44 +0800

假设我站在了2036年，回望2020年代中期，无论是华尔街还是硅谷，都犯了一个战略性错误：他们将稳定币视为法币的"竞争者"。站在2036年复盘，真相残酷而简单：稳定币没有颠覆美元，它拯救了美元。

过去十年，我们见证的不是去中心化革命，而是一场"铸币权的特许经营化"。美联储意识到，与其亲自下场做低效且侵犯隐私的CBDC（央行数字货币），不如将美元的"API接口"开放给私营部门。稳定币，最终成为了法币的"数字外骨骼"。

现在的世界不再争论"中心化"与"去中心化"，因为货币体系已经完成了阶级固化。全球流动性被割裂为三个互不兼容、但垂直嵌套的平行世界。

顶层是白区（White Zone），权力的延伸。形态是所谓"合规稳定币"（Gov-Coins），本质是可编程的政治工具。2028年《全球数字支付法案》通过后，Circle与Paxos类机构实质上成为了美联储的"数字分行"。这些货币具有极强的长臂管辖权。政府不再通过银行冻结账户，而是直接在智能合约层面实行"定点量化宽松"或"瞬间资产剥夺"。场景是纳税、政府采购、大宗合规贸易。它是清洁的，但它是带着镣铐的。

中层是灰区（Grey Zone），帝国的暗渠。形态是离岸美元稳定币（Offshore-Coins），本质是全球贸易的润滑剂。尽管西方国家嘴上严厉监管，但从未真正封杀离岸稳定币（如Tether的后继者）。为什么？因为美国需要一个不受SWIFT制约的渠道，来吸纳亚非拉及制裁区的过剩流动性。只要这些稳定币继续购买美债，它们就被默许存在。这是2036年的"石油美元"变体——“算法美元”。它服务于那个不被官方承认、但真实存在的庞大地下经济体。

底层是黑区（Dark Zone），熵的避难所。形态是纯原生算法货币（Crypto-Native），本质是数学与能量的货币化。真正的去中心化货币不再锚定美元（那是自寻死路），而是锚定"算力+能源"。在2032年算力危机后，一种基于零知识证明（ZK）和物理算力（PoW）混合的稳定币成为了DeFi的基石。它是唯一的"反脆弱"资产。当白区货币因通胀贬值、灰区货币因地缘政治被定向爆破时，黑区货币因其"不可篡改性"成为最后的价值存储。

未来十年的核心博弈，在于抵押品（Collateral）的代际更替。2026-2030年是债务货币化阶段，稳定币发行商成为全球前三大美债持有者。稳定币收益率（Yield）成为全球无风险利率的基准。美元霸权以代码的形式完成了数字化殖民。2031-2036年是资产超主权化阶段，随着RWA（现实资产上链）的成熟，单一法币抵押显得风险过高。一篮子资产（黄金、比特币、AI算力指数、碳信用）组成的"合成SDR"（特别提款权）开始在链上自动生成。

对于现在的布局者，请记住这条穿越者的公理：不要试图去发币挑战国家，而要成为国家无法拒绝的"基础设施"。未来的货币战争，不会有硝烟。白区属于政府，灰区属于财阀，黑区属于极客。不要选择立场，而是看清自己在哪个图层（Layer）上博弈。2036年的稳定币，不再是钱，它是流动的法律，是固化的阶级，是代码构建的利维坦。

Why did I study business in the AI era?：AI时代我为何选择再去读商科？

Tue, 06 Jan 2026 16:06:59 +0800

回望求学与创业的征程，我始终感恩大学时期选择理科的决定。我的本科是计算机科学与技术，严谨的理科训练，让我养成了以数据为依据、以结果为导向的实证思维。这种"凡事求有效、凡事讲逻辑"的认知底色，帮我搞定了职业过程中理性的思考问题。在工作过程中这种思维模版帮我解决很多问题，比如产品迭代、流程优化这些"硬骨头"。但真到了从生产到市场环节打拼才发现，光会解决技术问题远远不够。好几次，我周围很多创业者拿着看似完美的产品推向市场，要么找不到精准客户，要么定价不合理导致盈利微薄，甚至因为没摸清行业周期，在市场低谷时盲目投入，亏了不少钱。这种"懂技术却不懂经营"的迷茫，让我彻底明白：创业的核心是盈利，而盈利的关键在于经营思维。也正因如此，我在21年选择攻读MBA。这段学习历程不是对过往理科知识的否定，而是给我补上了"经营"这堂关键必修课，让我从"做事"的层面，真正升级到"做局"的层面，成为我创业路上扭转困局的核心支撑。又一次我的老板在闲聊时问我，我为什么选择要读MBA呢，以上也是我的回答。

MBA最让我受益的，是帮我升级了视野。用经营思维，真正看见市场里藏在表象下的获利机会点。以前做市场，我只会盯着竞品的价格和功能，跟着别人的节奏走，永远赚不到认知之外的钱。但通过MBA里的经济学和市场分析课程，我学会了从供需关系、行业周期、政策导向的全局视角看市场。比如在分析细分领域时，我不再只看当下的销量，而是用经济模型预判未来的需求趋势，结合成本结构算出"最优盈利区间"，最终找到一个被大公司忽略的小众需求点。就像去年，我通过分析区域消费升级的经济数据，发现本地中小企业对"低成本数字化转型"的需求迫切，但市场上的解决方案要么太贵要么太复杂，于是我针对性地推出轻量化产品，短短半年就实现了盈利翻倍。这种"从经济规律里找机会，用经营思维抓盈利"的能力，正是商科学习带给我的核心价值。同时，不同学科的碰撞也让我打通了认知：管理学让我明白，找到机会只是第一步，能把机会落地的组织能力才是关键。商业历史案例则提醒我，再优质的获利机会，也需要避开周期陷阱，这都是保证收益稳定的重要前提。

“一个人做不大"的想法，在MBA学习中不仅得到印证，更让我找到了"整合全局"的经营解法。从市场分析到组织制度，搭建全方位的经营策略，才能让盈利持续放大。以前我带团队，只会把任务分配下去，却忽略了"组织能力要匹配市场机会”。比如找到轻量化数字化转型的机会后，初期因为团队分工模糊、激励不到位，导致交付效率低，客户投诉多，明明是好机会，却差点因为组织问题错失收益。后来，我把MBA学到的组织设计、激励机制知识用在实践中：先根据市场需求拆分核心业务模块，再对应搭建销售、交付、售后团队，同时设计"基础薪资+盈利分成"的激励方案，让团队目标和公司盈利目标绑定。这样一来，团队效率直接提升了40%，客户复购率也从30%涨到了60%。更重要的是，MBA圈层里的精英伙伴，不仅帮我验证了市场机会的可行性，还为我对接了不少中小企业资源，让我的经营策略能更快落地。这让我深刻体会到，商业盈利从来不是"单点突破"，而是"全局协同"。用市场分析找机会，用组织制度保落地，再用团队协作放大收益，这就是商科教给我的完整经营逻辑。

我曾反复琢磨"一人之公司的成长上限"，现在终于明白：个体的经营思维边界，就是盈利的上限。创业初期，我因为不懂经营，走了太多"赚小钱、丢大钱"的弯路。而MBA的学习，给我搭建起了从"找机会"到"稳盈利"的完整经营框架。比如用经济思维判断市场趋势，避免在周期低谷盲目投入。用成本收益模型优化定价策略，让每一笔订单都有合理利润。用战略规划思维布局长期业务，避免只盯着短期收益而错失长期机会。就像我现在做业务，会先通过市场分析锁定高毛利的细分领域，再根据行业周期调整投入节奏，同时用组织制度保障团队效率，最后通过客户关系管理提升复购率。这套流程下来，公司的盈利稳定性比以前提升了太多。这种"每一步决策都围绕经营盈利"的思维，是我以前靠理科思维永远悟不到的，也是商科学习带给我最宝贵的财富。

如今回望MBA的学习历程，我满心都是感恩。这份感恩，不只是因为它帮我赚到了更多钱，更因为它彻底重塑了我的经营认知。让我从一个只会"做事"的理科生，变成了一个懂得"做局"的经营者。让我明白，市场里的盈利机会从来都不是靠运气，而是靠经营思维的精准判断。让我掌握了从市场分析到组织制度的全局经营策略，能更从容地应对创业中的各种挑战。这段历程，是知识的积累，更是思维的蜕变、视野的升级。未来，我会带着这份经营智慧继续深耕创业之路，也始终铭记：商业的核心是盈利，而支撑盈利的，永远是扎实的经营思维。这就是我要读MBA的终极意义。

AI的未来：美国踩刹车，中国踩油门，谁先到终点？

Mon, 22 Dec 2025 16:25:32 +0800

2025年，OpenAI投入500亿美元研究AI安全，中国在自动驾驶领域大规模落地。所有人都在讨论"谁的技术更强"，但我意识到真正的分水岭是：美国在"防范AGI风险"，中国在"加速AGI落地"。当美国专家说"我们需要更安全的边界"时，中国已经在用AGI让工厂效率提升30%。这不是技术差距，这是价值观的错位——一个强调"安全第一"，一个强调"速度第一"。但问题是：在AGI面前，安全与速度，真的能分开吗？

从路径看：中美AI的路径分歧

美国的思路是"安全边界优先"。《AI安全法案》投入500亿美元用于AI安全研究，OpenAI的对齐研究和Google的AI安全团队成为行业标杆。他们在技术突破的同时，更注重防范AGI的潜在风险。这是典型的"安全驱动"思维：先确保安全，再加速发展。

中国的策略则是"发展速度优先"。《新一代人工智能发展规划2.0》设定2030年成为AI强国的目标，在自动驾驶、智能制造等领域大规模应用，技术落地速度全球领先。这是典型的"速度驱动"思维：先加速发展，再控制风险。

关键洞察：这不是技术差距，是价值观的错位。美国强调"安全第一"，中国强调"速度第一"。

从价值观看：价值观的本质差异

这种差异背后是价值观的不同逻辑。

美国更强调个体权利和风险防范。他们认为AGI可能威胁人类，所以必须先建立安全边界，再考虑应用。这种思路能最大程度保护个体权利，但可能错失发展机遇。

中国更注重集体利益和发展效率。他们认为技术发展无法停止，关键是在发展中控制风险。这种思路能快速推动技术进步，但可能忽视潜在风险。

最近参加AGI研讨会，中美专家都认为，技术发展无法停止，关键是如何在发展中控制风险。但双方对"风险"的定义不同：美国更担心"技术失控"，中国更担心"发展落后"。

关键洞察：在AGI面前，安全与速度不能分开。我们需要在发展中控制风险，在风险中加速发展。

看未来：平衡发展的未来

2026年，我判断全球AI发展会进入"平衡期"。美国会适当加快发展速度（比如在自动驾驶领域加大投入），中国会更加关注安全和伦理（比如成立AI安全委员会）。

技术加速主义者不应该只关注速度，更应该关注技术的方向。

但方向本身不会自动出现，需要在发展中不断调整。

AI的未来，应该是既快速发展又安全可控，既创新突破又造福人类。但更重要的是：让安全成为速度的保障，让速度成为安全的动力。

2026年，我期待看到美国的速度，也期待看到中国的安全。

Peter Thiel：去中心化世界的"中心化帝国建造者"

Fri, 12 Dec 2025 10:51:30 +0800

【2025加密市场10大风云人物】

他是去中心化世界的"中心化帝国建造者"——Peter Thiel，从PayPal联合创始人到硅谷顶级投资人，他用"从0到1"的垄断思维，在加密世界构建了一个基于基础设施控制的庞大帝国。

说起Peter Thiel，大家都在聊他的《从0到1》和PayPal黑帮的传奇故事，但2025年的他，正在用实际行动证明：在这个看似去中心化的领域，真正的权力来自于控制底层协议，而非表面的去中心化。

基础设施投资：垄断思维的加密实践

2025年7月，Thiel旗下公司收购BitMine Immersion Technologies 9.1%股份，成为这家以太坊金库公司的最大投资者。这一动作完美体现了他的"从0到1"哲学：拒绝投资去中心化应用、GameFi和NFT等热门领域，转而聚焦Layer2扩展方案、合规基础设施、衍生品协议和稳定币网络。这个策略的核心就是：把底层基础设施攥在手里，就能拿到行业的"隐形垄断权"。

金融帝国：从交易到舆论的全方位布局

Thiel的加密帝国布局是全方位的：Bullish在纽交所成功上市，市值突破130亿美元；支持创建专门服务加密公司的Erebor Bank；通过CoinDesk控制行业舆论话语权；领投DeFi永续DEX Lighter使其成为15亿美元估值的独角兽。这些看似分散的布局，其实共同搭起了一个覆盖交易、银行、媒体、技术的完整加密金融生态系统。

审慎观点：权力洞察者的冷静判断

2025年末，Thiel对比特币前景表达了审慎观点，认为在被BlackRock等机构和政府"收编"后，比特币上涨空间被压缩，但波动性仍高。这种冷静判断来自于他对权力本质的深刻洞察：当去中心化技术被中心化机构大规模采用时，其原有属性必然发生改变，投资者需要重新评估其价值逻辑。

在加密世界，最聪明的投资者不是追逐热点的人，而是那些看清权力流向的人。Peter Thiel的加密帝国告诉我们：去中心化的技术，最终可能会通向一个更加中心化的权力结构——这或许就是创新的终极悖论。

「10个人-2025年的加密市场重要人物志」系列

本系列聚焦2025年加密市场的关键人物，通过他们的布局与决策，解读加密行业从边缘到主流的转变逻辑。

Brian Armstrong：加密世界的"合规基础设施建筑师"

Fri, 05 Dec 2025 10:44:21 +0800

【2025加密市场10大风云人物】

他是加密世界的"合规基础设施建筑师"——Brian Armstrong，从硅谷程序员到Coinbase创始人，他用15年时间证明：在这个充满不确定性的领域，合规不是创新的阻碍，而是大规模采用的基石。

说起Brian Armstrong，大家都在聊Coinbase的上市和估值，但2025年的他，正在用实际行动构建加密世界最庞大的合规基础设施帝国，这才是真正影响行业未来的关键。

基础设施霸权：以太坊网络的"隐形支柱"

2025年3月，Coinbase发布的验证者报告显示，公司运行12万个验证者节点，质押384万枚ETH，占全网质押以太坊的11.42%，成为以太坊网络最大的单一节点运营方。这个地位的意义在于，Armstrong握有加密世界第二大网络的关键基础设施，为以太坊的去中心化理想提供了中心化的稳定支撑。

合规战略：监管与创新的平衡大师

Armstrong的合规战略体现在多个层面：年初支持建立美国国家比特币战略储备，5月拒绝支付黑客2000万美元赎金并设立"缉凶悬赏基金"，11月将公司注册地迁至加密友好的德克萨斯州。这些决策让人们看到了他对"合规红利"的透彻理解——在监管框架里做事，不仅能赢得机构信任，还能在竞争中建立长期优势。

企业级布局：从交易所到金融基础设施

2025年，Armstrong将Coinbase定位从交易所升级为"全球加密金融基础设施提供商"：29亿美元收购Deribit打造衍生品平台，推出Coinbase Business等企业级产品，强调USDC在企业支付中的"真实痛点"解决能力。这种战略升级，将Coinbase从单纯的交易平台转变为连接传统金融与加密世界的桥梁。

在加密世界的混乱与创新中，Brian Armstrong证明了：真正的长期价值，来自于构建既能拥抱监管，又能推动基础设施进步的可持续生态——这才是加密行业走向主流的必由之路。

「10个人-2025年的加密市场重要人物志」系列

本系列聚焦2025年加密市场的关键人物，通过他们的布局与决策，解读加密行业从边缘到主流的转变逻辑。

孙宇晨：加密世界的"规则玩家"

Fri, 28 Nov 2025 10:14:16 +0800

【2025加密市场10大风云人物】

他是加密世界里最会"学规则、用规则"的玩家——孙宇晨，从被质疑的"币圈营销家"到登上《福布斯》封面，他的进阶之路，本质上是对游戏规则的深度理解与精准运用。

说起孙宇晨，大家都在聊他的营销手段和各种争议，但2025年的他，用实际行动证明了：在这个规则尚未完全成型的领域，最懂规则的人才能笑到最后。

从边缘到核心：规则突破的艺术

2025年3月，孙宇晨登上《福布斯》封面，被誉为"帮助特朗普家族实现4亿美元收益的加密亿万富翁"。这转变的背后，是他把规则边界摸得门清——从早期的代币营销，到后来的合规布局，孙宇晨总能在规则允许的范围内把自身利益最大化，完成了从行业边缘到核心玩家的跳跃。

多元布局：规则生态的构建

2025年，孙宇晨的各种布局让人们看到了他玩转不同规则体系的本事：为TUSD提供4.56亿美元资金避免脱锚，提交质押版TRX ETF申请，通过特朗普家族关联投行完成TRON反向合并上市，甚至斥资2800万美元成为最年轻华人商业宇航员。这些看似分散的动作，实则构建了一个覆盖金融、监管、媒体、甚至太空领域的规则生态网络。

认知反转：规则叙事的重构

2025年最引人注目的变化，是围绕孙宇晨的公众认知发生了深刻转变。他过往的课程和言论被重新解读，从"标新立异"变成了"前瞻性洞察"。这种认知反转，本质上是孙宇晨对"规则叙事"的成功重构——他不仅学会了游戏规则，更学会了如何让规则为自己的叙事服务，将质疑声转化为对"海洋文明思维"的认同。

在加密世界，真正的赢家不是破坏规则的人，而是最懂规则的人——他们既能在现有框架内游刃有余，又能在规则变迁时抢占先机。孙宇晨的故事，就是加密版的"规则炼金术"。

「10个人-2025年的加密市场重要人物志」系列

本系列聚焦2025年加密市场的关键人物，通过他们的布局与决策，解读加密行业从边缘到主流的转变逻辑。

马斯克：加密市场"强人时代"的符号

Fri, 21 Nov 2025 10:50:38 +0800

【2025加密市场10大风云人物】

他是加密市场"强人时代"的标志性人物——马斯克，从特斯拉的比特币持仓到社交媒体的市场影响力，他用个人意志重新定义了权力在加密世界的运作方式。

说起马斯克，大家都在聊他的万亿美元薪酬计划和太空探索雄心，但2025年的他，用实际行动证明了：他正成为加密市场权力集中化趋势的最大象征，这才是最值得关注的事实。

双重比特币策略：权力的选择性使用

2025年8月，SpaceX持有的比特币价值突破10亿美元，而特斯拉却在不利时机抛售了75%的比特币持仓。这种看似矛盾的策略背后，是马斯克对加密资产的实用主义态度——将比特币作为长期储备与短期战术工具的精准切换。这种个人决策能直接影响机构持仓策略，凸显了少数人对加密市场的巨大影响力。

社交媒体操控：个人意志的市场放大

作为狗狗币的长期支持者，马斯克的社交媒体动态始终是加密市场的晴雨表。2025年，他仅通过转载"绿章鱼"概念推文，就引发Solana链上Meme币的暴力拉升。这种"一句话定涨跌"的能力，让去中心化的理想面临现实的尴尬：代码的去中心化，敌不过个人影响力的集中化。

万亿美元薪酬：权力集中的终极体现

特斯拉股东以75%票数通过的万亿美元薪酬计划，将马斯克的个人利益与公司命运完全绑定。这一事件的深层意义在于，它为加密世界的"核心创始人+代币叙事"模式提供了现实参照：当一个人的意志能左右万亿美元级企业的战略与估值，那么去中心化协议中创始人的过度影响力也就不足为奇了。

当个人权威能轻易拨动加密市场的神经，去中心化理想正在遭遇最严峻的现实拷问——我们是否在用技术的去中心化，换取了人格的中心化？

2025年的马斯克，早已不再只是科技创业者，而是成为加密市场权力结构变化的缩影。他用实际行动证明：在这个由代码和叙事共同构建的世界里，个人影响力往往比技术设计更能决定权力的流向。

这种「强人时代」的到来，既是加密市场走向主流的必然产物，也是对去中心化初心的深刻挑战。当越来越多的「马斯克式」人物出现，我们不得不思考：加密世界的未来，究竟是走向更公平的分散权力，还是演变成另一场个人崇拜的游戏？

「10个人-2025年的加密市场重要人物志」系列

本系列聚焦2025年加密市场的关键人物，通过他们的布局与决策，解读加密行业从边缘到主流的转变逻辑。

金正恩：国家级加密财政的极端实践

Fri, 14 Nov 2025 10:31:56 +0800

【2025加密市场10大风云人物】

他是将加密货币作为国家战略工具的"极端实践者"——金正恩，在国际制裁的压力下，将朝鲜变成了全球最具争议的"加密国家"，开创了国家级加密财政的极端模式。

说起朝鲜的加密活动，大家都在讨论黑客攻击和资产窃取，但2025年的金正恩，用实际行动证明了：加密货币已成为国家博弈的新战场，而朝鲜开创的国家级加密财政极端模式，才是最值得警惕的信号。

2025年，在全球加密市场建制化的光鲜表象之下，朝鲜通过其军方下属的黑客组织展现了另一种"加密国家化"路径。据Chainalysis和TRM Labs的追踪报告，朝鲜黑客在2025年累计窃取的加密资产总额约为20.2亿美元，这一数字超过了许多中小国家的年度财政收入。

国家级黑客网络：Lazarus Group的精准打击

Lazarus Group、APT38和Kimsuky等朝鲜黑客组织在2025年展现出令人震惊的技术能力和组织效率。2月，他们攻击加密货币交易所Bybit，盗取约15亿美元；11月，又成功渗透韩国最大的交易所Upbit，窃取3000万美元。这些攻击不再是随机的网络犯罪，而是高度组织化的国家战略行动，目标明确指向加密资产。

人才渗透：加密行业的隐形威胁

除了直接攻击，朝鲜特工开始大规模伪装身份申请加密公司职位。据调查，部分加密货币公司收到的求职申请中，约30%至40%被怀疑是试图渗透的朝鲜特工提交的。这种人才渗透策略，比直接攻击更具隐蔽性和长远影响，可能在未来几年对全球加密行业的安全构成更严重威胁。

加密财政：制裁下的生存策略

长期以来，国际社会通过金融制裁试图切断朝鲜的外汇来源，但加密货币的出现改变了这场博弈的底层规则。据联合国专家小组评估，朝鲜黑客窃取的加密资产中约60%用于规避制裁及核武器项目，30%维持政权稳定，10%投入网络攻击基础设施升级。这种"无税收、无市场、直接抽取"的极端加密财政模式，为朝鲜提供了制裁下的生存空间。

“加密货币一旦成为全球基础设施，它就不可避免地成为国家博弈的延伸。”

金正恩领导下的朝鲜加密实践，给整个行业提了个醒：当加密货币融入全球金融体系，它不仅带来了效率和创新，也成了国家间权力斗争的新工具。这种极端模式的存在，对全球加密监管和安全提出了前所未有的挑战，也给2025年加密市场的建制化进程添了层复杂的阴影。

「10个人-2025年的加密市场重要人物志」系列

本系列聚焦2025年加密市场的关键人物，通过他们的布局与决策，解读加密行业从边缘到主流的转变逻辑。

Vitalik Buterin：去中心化理想与机构化现实的平衡者

Fri, 07 Nov 2025 10:01:13 +0800

【2025加密市场10大风云人物】

他是在去中心化理想与机构化现实间寻找平衡的"技术哲人"——Vitalik Buterin，作为以太坊的创始人，他用十年时间将一个技术构想打造成了全球关键基础设施。

聊起Vitalik和以太坊的2025年，大家都盯着价格突破历史高点和机构持仓增长，但2025年的他，用实际行动证明了：他在去中心化理想和机构化现实之间找到了脆弱却关键的平衡，这才是最核心的价值所在。

2025年7月30日，以太坊迎来了十周岁生日。这天，Vitalik发布了《Ethereum 2035：Vitalik’s Vision for the Next Decade》，勾勒出以太坊从支持加密应用到成为全球关键基础设施的愿景。这可不只是一份技术路线图，更是对去中心化本质的一次深度思考。

技术突破：GKR协议的超级证明系统

10月20日，Vitalik宣布推出GKR协议（Goldreich–Kahan–Rothblum），这是个专门为高速证明生成设计的PoS/ZK计算框架，可以用在区块链和AI大规模计算上。这被看作是以太坊下一代的"超级证明系统"，也是以太坊轻量化战略的底层技术支撑。GKR协议的推出，既展示了Vitalik在技术创新上一直保持的领导力，也给以太坊应对机构化挑战提供了技术基础。

机构化警示：平衡的艺术

面对机构资本大规模涌入以太坊，Vitalik保持着清醒的谨慎。他觉得机构持续增持会带来两个大问题：一是可能把真正关心去中心化的用户和核心开发者挤走，造成社区流失；二是机构压力可能推动不合适的技术决策，让以太坊偏离原定的技术路线图。这种"既要又要"的平衡艺术，正好体现了Vitalik作为以太坊精神领袖的智慧和担当。

长远眼光：量子计算与未来十年

Vitalik的眼光看得比当下的市场波动远多了。在Devconnect大会上，他发出了严肃警告：量子计算可能在2028年美国总统大选前破解椭圆曲线密码学，催促以太坊必须在四年内升级到抗量子算法。这种超前思考，不只是关系到以太坊的技术安全，更是关系到整个加密行业的长远发展。

“以太坊的未来，不在于成为最大的金融平台，而在于成为最具韧性的去中心化基础设施。”

在2025年加密市场建制化的浪潮中，Vitalik扮演了至关重要的平衡者角色。他既要确保以太坊能够承载全球金融基础设施的重任，又要保持其去中心化和实验性的本质特征。这种平衡之道，不仅定义了以太坊的未来，也为整个加密行业指明了方向。

「10个人-2025年的加密市场重要人物志」系列

本系列聚焦2025年加密市场的关键人物，通过他们的布局与决策，解读加密行业从边缘到主流的转变逻辑。

赵长鹏：币安Alpha 2.0的权力转型

Fri, 31 Oct 2025 10:39:17 +0800

【2025加密市场10大风云人物】

他是从直接掌权转向间接操控的"权力大师"——赵长鹏，从法律阴影中东山再起，用更隐蔽的方式重新确立了币安在加密行业的霸主地位。

聊起赵长鹏的2025年，大家都盯着特朗普的总统赦免和他的东山再起，但2025年的他，用实际行动证明了：他从直接掌权变成了更隐蔽但更厉害的间接操控，这才是最值得关注的转变。

2025年对赵长鹏来说，绝对是从法律阴影里爬出来重新掌握行业话语权的关键一年。特朗普的总统赦免不仅让他重获自由，还秀了一把顶级的政治游说能力。但说真的，真正的权力游戏这才刚开始。

Alpha 2.0：商业革命的隐秘武器

币安2025年3月推出的Alpha 2.0平台，表面上是"发现早期Web3项目"的工具，其实是一场精心布局的商业革命。它不仅直接超过了OKX Wallet，把链上资产发行也纳入了币安生态，还直接把整个行业格局重新洗牌了。激活BSC链、威胁Solana地位、对二三线交易所形成降维打击，赵长鹏靠一个平台就重新巩固了币安的行业霸主地位。

社交媒体：市场情绪的隐形操控者

2025年，赵长鹏操控市场情绪的能力简直登峰造极。当"币安人生"迷因币4天内市值突破5亿美元、96小时狂涨6000倍时，他在X平台上随手发了个"#BNB meme szn"标签，直接引爆了整个BNB链的Meme币狂欢。这种"一句话就能影响数亿美元资产"的能力，连传统金融巨头都望尘莫及。

权力转型：从直接控制到间接影响

经历了法律风波后，赵长鹏不再追求明面上的权力巅峰，而是转向了更隐蔽的影响力构建。通过投资布局、社交媒体影响力、生态系统建设这些方式，他牢牢掌控着对加密行业的隐性控制。11月他投了Aster项目200万枚代币，表面上是看好去中心化永续合约赛道，其实也是在向市场宣告：他依然能重新定义行业的发展方向。

“真正的权力从不依赖于特定的职位或头衔，而在于对规则制定和市场预期的操控能力。”

赵长鹏用实际行动证明了一个道理：就算没了表面的头衔和职位，真正的权力玩家还是能靠创新的商业模式和精准的市场操控，重新确立自己在行业里的统治地位。他2025年的复出，不只是个人命运的转折点，更是加密行业权力结构的大洗牌。

「10个人-2025年的加密市场重要人物志」系列

本系列聚焦2025年加密市场的关键人物，通过他们的布局与决策，解读加密行业从边缘到主流的转变逻辑。

Tom Lee：华尔街与加密世界的关键桥梁

Fri, 24 Oct 2025 10:07:27 +0800

【2025加密市场10大风云人物】

他是连接华尔街与加密世界的"关键桥梁"——Tom Lee，从传统金融分析师到加密资产布道者，他用华尔街能理解的语言重新定义了加密市场的价值表达。

说起Tom Lee在加密圈的影响力，大家都盯着他的价格预测准不准、赚了多少钱，但2025年的他，用实际行动证明了：他最牛的地方是第一个把华尔街那套分析框架带到了加密世界，这才是真正的价值所在。

Tom Lee是华尔街最早喊多比特币的分析师之一，而且影响特别大——但他绝不是只会猜价格的。2017年那会主流金融圈提起比特币就翻白眼，他却敢说比特币能涨到25,000美元。这个预测让他一炮而红，更重要的是，他给比特币搞出了一套能让华尔街认真对待的估值方法。

估值模型：加密资产的华尔街语言

2018年，Lee搞出了比特币痛苦指数（BMI），还有成本模型和网络效应模型——这可是华尔街第一次认可的比特币估值框架。这些模型最厉害的地方，是用传统金融机构听得懂的话解释了加密资产为啥值钱，直接给机构投资者进加密市场扫清了认知障碍。

以太坊超级周期：从理论到实践

2025年，Lee把目光转向了以太坊，说以太坊正进入"超级周期"。在他的猛吹之下，市场情绪直接被点燃，以太坊8月就突破历史高点，差点摸到5,000美元。更狠的是，他当董事长的BitMine公司疯狂囤以太坊，到2025年底手里攥着超过400万枚ETH，占总供应量的3.37%左右。

双向催化剂：连接两个世界的桥梁

Lee真正厉害的是他的"双向催化"能力——不仅把华尔街的分析框架和投资逻辑带到了加密世界，还把加密资产的创新价值讲给传统金融机构听。这种双向沟通直接打破了两个世界之间的墙，给2025年加密市场的机构化进程加了把劲。

“加密资产不需要被华尔街理解，而是需要用华尔街能理解的方式表达自己。”

2025年加密市场能被主流接受，Tom Lee这个桥梁角色太重要了。他用传统金融的话把加密世界的价值讲明白了，给机构资本大规模进加密市场铺了路，成了两个世界融合的关键催化剂。

「10个人-2025年的加密市场重要人物志」系列

本系列聚焦2025年加密市场的关键人物，通过他们的布局与决策，解读加密行业从边缘到主流的转变逻辑。

Michael Saylor：企业财库革命的真正先驱

Fri, 17 Oct 2025 10:38:36 +0800

【2025加密市场10大风云人物】

他是改写企业财库规则的"数字资产先锋"——Michael Saylor，从传统软件企业家到加密资产布道者，他用比特币为企业价值储存开辟了全新路径。

说起Saylor和Strategy的比特币持仓，大家都盯着价格涨跌和市值数字，但2025年的他，用实际行动证明了：他彻底改写了企业财库的价值储存规则，这才是最值得关注的突破。

2020年8月，Strategy砸下2.5亿美元买了21,454枚比特币——这哪是普通投资？直接把比特币从投机工具变成了企业财务的标配，顺带让全球企业财库管理换了个玩法。

DAT模型：企业财库的新玩法

Saylor捣鼓出的"数字资产财库（DAT）模型"，给企业界重新定义了价值储存——哪是简单调调资产配置？直接把传统企业财库那套全打翻了。他硬把比特币说成"抗通胀的数字黄金"，给企业指了条不用吊死在法定货币上的新路子。

叙事重塑：从投机到长期资产

Saylor最绝的是，把比特币在企业圈的形象彻底扭转了。他见人就念叨：“我们不是炒币，是为了保护股东价值搞长期资产配置”。这套说辞居然真的让传统金融圈放下了对加密资产的偏见，把比特币当成了企业财库的"常规选项"。

行业浪潮：上市公司跟风持币

Strategy的示范效应，掀起了上市公司持币潮。据BitcoinTreasuries数据，现在已有192家上市公司持有约109万枚比特币，占全球流通量的5.45%。哪怕最近市场调整导致Strategy股价下跌，Saylor仍咬死长期策略——除非比特币跌破1万美元，否则绝不卖。

“企业财库的未来，或许不在银行账户里，而在区块链上。”

Saylor的贡献哪是让一家公司囤点比特币这么简单？他直接给企业价值储存开了个新玩法。2025年加密市场能这么快被主流接受，他的DAT模型功不可没——就像在传统企业和加密资产之间搭了座桥，把加密货币硬生生推进了主流金融体系。

「10个人-2025年的加密市场重要人物志」系列

本系列聚焦2025年加密市场的关键人物，通过他们的布局与决策，解读加密行业从边缘到主流的转变逻辑。

特朗普：政治权威成为加密价值的新锚点

Fri, 10 Oct 2025 10:21:07 +0800

【2025加密市场10大风云人物】

他是用政治权威重新定义加密价值的"权力玩家"——特朗普，从总统身份到加密代币，他将政治资本直接兑换为数字资产价值，开创了加密市场的全新玩法。

说起特朗普的加密布局，大家都盯着"总统代币"的价格疯涨和他的个人财富，但2025年的他，用实际行动证明了：政治权威正成为加密资产价值的新锚点，这才是最值得关注的转变。

2025年1月，特朗普就职前三天在Solana链上推出"Trump"代币，借总统身份的隐性背书，价格一度冲至75美元，净赚3.5亿美元。这可不是普通的名人代币炒作，而是把政治权力直接换成加密价值的标志性事件。

总统代币：政治资本的加密变现

特朗普的"总统代币"不是临时起意的资本游戏，而是精心设计的政治-金融联动工具。它把总统影响力直接绑在数字资产上，开创了"政治IP+加密资产"的全新变现玩法——核心不是技术有多新，而是权力背书带来的价值转移。

行政命令：加密行业的制度重构

特朗普政府连番发布行政命令：禁止CBDC、设立"美国战略比特币储备"、签署《GENIUS Act》，一步步重构加密行业的规则。这些政策既让比特币在国家金融体系有了正式地位，也给稳定币搭好了监管框架，意味着加密货币正式融入全球金融体系了。

家族金融帝国：权力的延伸渗透

特朗普家族通过World Liberty Financial运营WLFI治理代币和USD1稳定币，进一步将政治权力延伸至金融领域。据《金融时报》统计，公司靠卖代币和稳定币业务赚了32亿美元以上，特朗普家族持有38%股权——政治权力正通过家族企业深度渗透加密金融领域。

当政治权威主动拥抱加密，它将成为比技术更强大的价值锚点。

特朗普的加密布局让我们看到了行业的深层变化：从追求去中心化的技术理想，转向和传统权力结构深度融合。政治权威正成为影响加密资产价值的关键变量，这或许是2025年加密行业最具冲击力的变革。

「10个人-2025年的加密市场重要人物志」系列

本系列聚焦2025年加密市场的关键人物，通过他们的布局与决策，解读加密行业从边缘到主流的转变逻辑。

杰克韦尔奇"数一数二"原则的现代企业实践

Thu, 10 Jul 2025 16:05:25 +0800

“数一数二”原则的现代应用

杰克韦尔奇提出的“数一数二”原则——企业应聚焦于能在市场中占据第一或第二位置的业务——在今天仍有深刻的现实意义。

案例分析：某科技公司的业务重组

某中型科技公司曾同时运营6条业务线，但多数处于行业中游。借鉴韦尔奇的原则，公司进行了业务重组：

保留并强化2条市场份额前三的核心业务
出售3条缺乏竞争优势的非核心业务
终止1条长期亏损的实验性业务

重组后，公司净利润提升35%，核心业务的市场份额进一步扩大。

现代解读

在VUCA（易变、不确定、复杂、模糊）时代，“数一数二”原则有了新的内涵：

从规模到价值：不仅追求市场份额，更注重创造独特价值
从单一到多元：在核心领域保持领先，同时在相关领域适度探索
从静态到动态：定期评估业务竞争力，保持战略灵活性

反思与平衡

韦尔奇的原则并非绝对，企业需平衡：

短期盈利与长期创新：避免过度聚焦核心业务而忽视未来机会
规模优势与组织灵活性：大并不总是好，敏捷性同样重要
市场地位与社会责任：领先地位需与可持续发展相结合

杰克韦尔奇的管理思想穿越时空，提醒现代企业：聚焦核心竞争力永远是成功的基础。

比特币Layer2扩容解决方案解析

Tue, 18 Mar 2025 09:41:43 +0800

比特币Layer2扩容的必要性

随着比特币网络的发展，交易拥堵和高手续费问题日益突出。Layer2扩容技术为解决这些问题提供了有效路径。

主流Layer2方案

闪电网络（Lightning Network）：
- 基于支付通道的链下交易网络
- 支持即时小额支付，手续费极低
- 已成为比特币最成熟的Layer2方案
RGB协议：
- 基于比特币区块链的保密智能合约系统
- 支持资产发行和复杂金融应用
- 保持比特币的安全性同时扩展功能
侧链技术（如Liquid Network）：
- 独立区块链与比特币主链双向锚定
- 提供更快的交易确认和隐私保护
- 适合机构级资产管理

技术优势

Layer2方案的核心优势在于：

保持安全性：依赖比特币主链的工作量证明安全
提升效率：交易处理速度提升数百倍
降低成本：手续费仅为主链的几十分之一
扩展功能：支持主链不具备的智能合约能力

比特币Layer2生态的发展，正在将比特币从单纯的价值存储拓展为更完善的金融基础设施。

比特币白皮书读书笔记

Mon, 23 Dec 2024 16:00:59 +0800

深度解读比特币白皮书：从点对点电子货币到工作量证明机制，全面解析区块链技术的核心原理、安全机制和设计哲学。

从GE的"活力曲线"看杰克韦尔奇的管理智慧

Fri, 22 Nov 2024 14:18:42 +0800

深度解析通用电气杰克韦尔奇的"活力曲线"管理法：20-70-10绩效分类、差异化激励、组织新陈代谢，以及对企业管理的启示与反思。

比特币挖矿基础原理

Thu, 15 Aug 2024 10:35:58 +0800

比特币挖矿是维护网络安全与生成新币的关键机制。详解挖矿工作原理、安全机制和激励模型，从交易收集到工作量证明的完整流程。

Apple Intelligence：设备端AI的终局之战？

Sat, 15 Jun 2024 14:06:36 +0800

WWDC发布Apple Intelligence，将AI整合到iOS、iPadOS和macOS，主打设备端处理保障隐私。分析隐私优先策略、中美设备端AI路径博弈和融合未来。

Meta Llama 3开源：AI的普惠革命还是商业陷阱？

Wed, 10 Apr 2024 16:08:52 +0800

Meta发布Llama 3开源大模型，8B版本效果超过GPT-3.5。分析大模型端侧革命、中美开源路径差异和开源的双刃剑效应。

比特币白皮书读书笔记：这篇论文如何改变了我对货币的理解

Sun, 15 Mar 2015 14:49:00 +0800

钩子与背景：为什么我会读这篇"老"论文？

2015年的今天，比特币已经从2009年的极客玩具变成了市值超过30亿美元的"数字资产"。但大多数人对它的理解，还停留在"投机工具"或者"非法交易手段"上。

两周前，我在中关村的一个技术沙龙上，遇到了一位比特币早期开发者。他说了一句话让我印象深刻：“如果你想真正理解比特币，别去看价格曲线，去读中本聪的白皮书。那是区块链世界的《独立宣言》。”

于是，我花了整整一个周末，逐字逐句读完了这篇名为《比特币：一种点对点的电子现金系统》的论文。

一句话结论：这篇11页的论文，解决了人类金融史上最古老的问题之一——如何在没有中央权威的情况下，确保交易的安全性和不可篡改性。

探索与试错：传统电子支付的困境

在比特币出现之前，所有的电子支付系统都依赖于中央权威（银行、PayPal等）。这些系统存在三个核心问题：

信任成本高昂：每笔交易都需要经过中间机构验证，手续费和延迟不可避免
单点故障风险：中央服务器被攻击或崩溃，整个系统就会瘫痪
隐私泄露：所有交易记录都被中央机构掌握，用户没有真正的隐私

我曾经参与过一个第三方支付系统的开发，深刻体会到这些痛点。2013年春节期间，我们的系统因为交易量激增而崩溃，用户无法提现，客服电话被打爆。那一周，我和团队每天只睡3小时，才把系统恢复正常。

当时我们尝试过各种优化方案，但始终无法解决中央化架构的根本性问题。直到读到比特币白皮书，我才意识到，原来还有另一种可能。

核心方案：比特币的工作原理深潜

比特币白皮书提出了一种全新的解决方案，核心包括四个关键技术：

1. 点对点网络

比特币网络是一个去中心化的点对点网络，没有中央服务器，所有节点都是平等的。

# 简化的比特币网络节点连接示意图
节点A ↔ 节点B ↔ 节点C ↔ 节点D
    ↔ 节点E ↔ 节点F

当Alice向Bob发送比特币时，交易信息会广播到整个网络，每个节点都会验证这笔交易的合法性。

2. 时间戳服务器

为了防止双重支付（同一笔比特币被花两次），比特币使用了时间戳服务器。每个交易都会被盖上时间戳，并记录在一个不断增长的区块中。

# 区块结构简化示意图
区块 = {
    "时间戳": "2015-03-15T14:30:00",
    "前区块哈希": "a1b2c3d4...",
    "交易列表": [
        {"发送方": "Alice", "接收方": "Bob", "金额": "1 BTC"},
        {"发送方": "Bob", "接收方": "Charlie", "金额": "0.5 BTC"}
    ],
    "Merkle根": "e5f6g7h8...",
    "随机数": "123456789"
}

3. 工作量证明（PoW）

为了确保区块的安全性，比特币使用了工作量证明机制。矿工需要通过计算复杂的哈希函数，找到一个符合条件的随机数，才能将区块添加到区块链上。

工作量证明的核心思想： 要篡改一个区块，你需要重新计算该区块及其所有后续区块的工作量证明，这在计算上几乎是不可能的。

4. 区块链

所有验证过的区块按时间顺序链接在一起，形成一个不可篡改的区块链。