• MIT《The Missing Semester》2026 Coding Agents 相关新章节
    谈笑风生

    现代软件工程实践：AI 编程智能体、代码质量与工程协作

    基于 MIT The Missing Semester 三个主题的系统化教程

    • 第一部分：Agentic Coding（AI 编程智能体）
    • 第二部分：Beyond the Code（软件工程沟通与协作）
    • 第三部分：Code Quality（代码质量与自动化工程实践）

    导言：从编写代码到交付可靠的软件

    传统计算机课程通常比较关注算法、数据结构、编程语言和操作系统。但是，在真实的软件开发工作中，仅仅掌握这些知识是不够的。

    一个软件工程师还需要解决以下问题：

    1. 如何快速理解一个陌生的软件项目？
    2. 如何借助 AI 完成代码开发，同时保证代码正确？
    3. 如何发现代码中的潜在错误？
    4. 如何自动执行代码检查和测试？
    5. 如何让其他开发者理解自己的代码？
    6. 如何与团队成员协作开发？
    7. 如何提交高质量的代码修改？
    8. 如何确保软件能够长期维护？

    这三个主题共同回答了这些问题。

    1. 软件工程的三个层次

    我们可以将现代软件工程划分为三个层次。

    第一层：Software Development（软件开发）

    核心问题：如何把需求转化为代码？

    涉及：

    • 需求理解
    • 代码阅读
    • 功能实现
    • AI 辅助编程
    • 代码重构

    对应第一部分 Coding Agents。

    第二层：Software Quality Assurance（软件质量保证）

    核心问题：如何确保代码正确、稳定和可靠？

    涉及：

    • 代码格式化
    • 静态分析
    • 类型检查
    • 自动化测试
    • 持续集成

    对应第三部分 Code Quality。

    第三层：Software Engineering Collaboration（软件工程协作）

    核心问题：如何让不同的人共同理解、开发和维护软件？

    涉及：

    • 技术文档
    • 代码注释
    • Git 提交记录
    • Bug Report
    • Pull Request
    • Code Review
    • 开源社区协作

    对应第二部分 Beyond the Code。

    三个层次不是独立的。

    例如，当 AI 修改了一段代码后：

    • Coding Agent 负责实现修改。
    • Code Quality 工具负责验证修改。
    • Code Review 负责判断修改是否值得合并。
    • 技术文档负责记录修改背后的设计决策。

    2. 本教程的贯穿案例

    为了避免知识点彼此孤立，我们将围绕一个小型 Python 项目进行学习。

    项目名称：Markdown Link Extractor

    目标：开发一个命令行工具，从 Markdown 文件或网络资源中提取链接。

    最终项目结构：

    markdown-link-extractor/
│
├── AGENTS.md
├── README.md
├── pyproject.toml
├── uv.lock
├── .gitignore
├── .pre-commit-config.yaml
│
├── src/
│   └── link_extractor/
│       ├── __init__.py
│       └── cli.py
│
├── tests/
│   ├── test_extract.py
│   └── test_cli.py
│
└── .github/
    └── workflows/
        └── ci.yml

    我们将逐步完成：

    1. 使用 AI 编程智能体开发程序。
    2. 为程序添加类型注解和自动化测试。
    3. 配置 Formatter 和 Linter。
    4. 配置 Git Pre-commit Hooks。
    5. 配置 GitHub Actions。
    6. 编写 README 和技术文档。
    7. 创建 Git Commit 和 Pull Request。
    8. 通过 Code Review 完成软件交付。

    第一部分：Agentic Coding（AI 编程智能体）

    第 1 章 理解 AI 编程智能体

    1.1 从传统编程到 AI 辅助编程

    传统软件开发通常遵循以下过程：

    需求
 ↓
程序员分析问题
 ↓
编写代码
 ↓
运行程序
 ↓
发现错误
 ↓
修改代码
 ↓
重新测试

    随着大语言模型的发展，程序员可以将部分开发任务交给 AI。

    例如：

    • 解释一个陌生项目。
    • 根据需求生成函数。
    • 修改已有代码。
    • 编写单元测试。
    • 修复类型检查错误。
    • 重构大型模块。
    • 分析 Git 修改记录。

    但需要区分三种 AI 编程方式。

    1.1.1 AI Autocomplete（智能代码补全）

    这是最基础的 AI 编程辅助方式。

    例如：

    def calculate_average(numbers):

    AI 根据上下文预测后续代码：

        return sum(numbers) / len(numbers)

    特点：

    • 以局部代码补全为主。
    • 通常不需要复杂的任务规划。
    • 适合减少重复编码。
    • 程序员仍然主导整个开发过程。

    1.1.2 Inline Chat（代码编辑器中的 AI 对话）

    程序员可以选中一段代码，让 AI：

    • 解释代码。
    • 优化代码。
    • 增加注释。
    • 修改函数。
    • 转换编程语言。

    例如：

    将这个函数重构为三个独立函数，
分别负责数据验证、数据处理和结果输出。

    AI 根据要求生成修改建议或直接修改选中的代码。

    1.1.3 Coding Agent（AI 编程智能体）

    Coding Agent 的能力更进一步。

    它不仅生成代码，还可以操作开发环境。

    例如：

    请分析这个项目。

找到处理用户登录的代码，
增加密码长度验证，
补充相应的单元测试，
运行测试和类型检查，
直到所有检查通过。

    Agent 可以自主执行一系列操作：

    1. 查找项目文件。
    2. 阅读相关代码。
    3. 确定需要修改的位置。
    4. 修改代码。
    5. 创建测试。
    6. 执行测试。
    7. 根据错误继续修改。
    8. 总结最终结果。

    这就是 Agentic Coding。

    1.2 Coding Agent 的核心架构

    要理解 Coding Agent，首先需要理解它不是一个单独的语言模型，而是由多个部分构成的系统。

    1.2.1 LLM：大语言模型

    LLM（Large Language Model）是 Coding Agent 的核心推理和文本生成组件。

    从课程采用的高层模型来看：

    给定输入字符串，模型根据训练得到的概率分布预测后续 Token。

    可以写成：

    [
    P(y\mid x)
    ]

    其中：

    • (x)：输入 Prompt。
    • (y)：模型生成的输出。
    • (P(y\mid x))：给定输入时生成某个输出的概率。

    在编程任务中：

    输入可以是：

    • 用户的需求。
    • 项目源代码。
    • 终端输出。
    • 历史对话。
    • 外部文档。

    输出可以是：

    • 解释。
    • Python 代码。
    • 修改建议。
    • 工具调用请求。

    需要注意，LLM 的输出是概率生成结果，并不意味着它已经通过程序运行验证。

    1.2.2 Agent Harness：智能体运行框架

    Agent Harness 是连接语言模型与外部工具的程序。

    它负责：

    • 将上下文发送给模型。
    • 识别模型生成的工具调用请求。
    • 执行对应工具。
    • 将执行结果反馈给模型。
    • 管理对话和工具调用过程。
    • 根据权限策略决定是否需要用户确认。

    例如，模型可能生成一个执行测试的工具调用请求：

    Tool: Terminal

Command:
pytest tests/

    Harness 负责执行命令，并将结果返回模型。

    模型随后根据结果决定下一步。

    1.2.3 Tools：外部工具

    常见工具包括：

    工具类别 典型功能
    File Tools 读取、创建和修改文件
    Shell 执行终端命令
    Search 搜索项目和外部文档
    Git 查看版本历史和代码差异
    Testing 执行自动化测试
    Type Checking 执行类型检查
    Browser 浏览网页和在线文档

    1.2.4 Agent Loop：智能体循环

    Coding Agent 最重要的工作机制是反复执行：

    Observe → Think → Act → Observe

    即：

    观察 → 分析 → 行动 → 再次观察。

    例如：

    用户提出需求
    ↓
Agent 阅读项目
    ↓
Agent 分析代码结构
    ↓
Agent 修改代码
    ↓
Agent 运行测试
    ↓
测试失败？
  ↙       ↘
 是         否
 ↓          ↓
分析错误    汇报结果
 ↓
重新修改
 ↓
重新测试

    这就是为什么允许 Agent 运行测试工具特别重要。

    如果 Agent 只能生成代码，却不能获得测试反馈，它就很难建立可靠的自动修正循环。

    第 2 章 如何正确使用 Coding Agent

    2.1 从模糊需求到明确任务

    一个常见错误是只告诉 Agent：

    帮我优化这个项目。

    这个需求过于模糊。

    Agent 不知道：

    • 哪些地方需要优化？
    • 是性能还是可维护性？
    • 是否允许改变 API？
    • 是否可以修改项目结构？
    • 如何判断优化成功？

    更好的方法是把需求拆分为五个部分。

    任务描述模板

    Task:
需要完成什么任务？

Context:
当前项目是什么情况？
涉及哪些文件和功能？

Constraints:
有哪些不能违反的限制？

Acceptance Criteria:
什么情况下认为任务完成？

Verification:
应该运行哪些检查？

    例如：

    Task:
将现有 Markdown 链接提取脚本改造成命令行程序。

Context:
当前程序通过 urllib 下载 Markdown 文件，
使用正则表达式提取链接。

Constraints:
1. 使用 Python 标准库。
2. 保留现有提取逻辑。
3. 不引入不必要的第三方依赖。
4. 使用类型注解。

Acceptance Criteria:
1. 支持通过命令行传入 URL。
2. 支持将结果输出到终端。
3. 支持将结果保存到文件。
4. 网络请求失败时给出清晰错误信息。

Verification:
运行 pytest。
运行 mypy。
运行 ruff。

    这种任务描述比简单的自然语言要求更容易得到可靠结果。

    2.2 实践：让 Agent 改造一个 Python 程序

    原课程给出了一个示例。

    首先有一个简单程序：

    from urllib.request import urlopen
import re

def download_contents(url: str) -> str:
    with urlopen(url) as response:
        return response.read().decode("utf-8")

def extract(content: str) -> list[str]:
    pattern = r"\[.*?\]\((.*?)\)"
    return re.findall(pattern, content)

print(
    extract(
        download_contents(
            "https://example.com/document.md"
        )
    )
)

    这个程序有几个问题：

    1. URL 被写死在代码中。
    2. 无法通过命令行传入不同 URL。
    3. 缺少完善的错误处理。
    4. 没有定义清晰的程序入口。
    5. 还没有建立自动化测试。

    现在让 Coding Agent 将其改造成命令行程序。

    目标结构：

    import argparse
import re

from urllib.request import urlopen


def download_contents(url: str) -> str:
    with urlopen(url, timeout=10) as response:
        return response.read().decode("utf-8")


def extract(content: str) -> list[str]:
    pattern = r"\[.*?\]\((.*?)\)"
    return re.findall(pattern, content)


def main() -> None:
    parser = argparse.ArgumentParser()

    parser.add_argument(
        "url",
        help="Markdown document URL"
    )

    args = parser.parse_args()

    content = download_contents(args.url)

    links = extract(content)

    for link in links:
        print(link)


if __name__ == "__main__":
    main()

    运行：

    python main.py https://example.com/document.md

    这里使用了 Python 的 argparse 模块。

    它负责解析命令行参数。

    例如：

    python main.py --help

    可以显示程序使用说明。

    进一步改进

    可以继续要求 Agent：

    请进一步改进这个程序：

1. 增加输出文件参数 --output。
2. 网络请求失败时返回非零退出状态。
3. 对输入 URL 进行基本检查。
4. 为 extract 编写单元测试。
5. 使用 mypy 检查类型。
6. 使用 Ruff 检查代码质量。

    这里需要特别注意：

    课程中的正则表达式是一个简单的 Markdown 链接提取示例，不是完整的 Markdown 解析器。对于包含嵌套括号、转义字符等复杂情况的 Markdown，需要更完善的解析方案。

    2.3 让 Agent 形成闭环

    最重要的不是让 AI 生成更多代码，而是让它能够验证自己的修改。

    推荐工作方式：

    明确需求
  ↓
阅读代码
  ↓
制定修改方案
  ↓
执行修改
  ↓
运行测试
  ↓
检查失败信息
  ↓
修改
  ↓
再次验证

    可以使用如下 Prompt：

    请不要只根据代码阅读结果判断任务完成。

你需要：

1. 修改相关文件。
2. 运行项目已有的测试。
3. 运行类型检查。
4. 运行 Linter。
5. 检查失败原因。
6. 修复你造成的问题。
7. 再次执行全部检查。

最后列出：
- 修改了哪些文件
- 解决了什么问题
- 执行了哪些检查
- 哪些检查通过
- 还有哪些未解决的问题

    注意：Agent 声称检查通过，不等于检查确实通过。需要查看实际终端结果。

    第 3 章 Coding Agent 的主要应用场景

    3.1 Feature Implementation：新功能开发

    任务：为一个已有程序增加功能。

    例如：

    为现有用户管理系统增加 CSV 导出功能。

要求：
- 支持选择导出字段。
- 支持 UTF-8 编码。
- 不修改原有查询 API。
- 为正常情况和异常情况增加测试。

    适用场景：

    • 增加功能。
    • 编写重复代码。
    • 扩展 API。
    • 增加命令行参数。
    • 实现数据处理逻辑。

    3.2 Error Fixing：错误修复

    当编译器、Linter、Type Checker 或测试出现错误时，可以将错误信息交给 Agent。

    例如：

    运行 mypy 后出现以下错误：

Incompatible return value type

请分析原因并修复。
不要通过简单关闭类型检查规则来消除错误。

    为什么要避免只关闭规则？

    因为这可能只是隐藏了问题，并没有真正修复问题。

    3.3 Refactoring：代码重构

    重构是改善代码内部结构，而尽量不改变外部行为。

    例如：

    原本有一个过长的函数：

    def process_user(data):
    # 数据验证
    # 数据清洗
    # 数据保存
    # 日志记录
    pass

    可以拆分为：

    def validate_user(data):
    pass


def clean_user(data):
    pass


def save_user(data):
    pass


def process_user(data):
    validate_user(data)
    clean_user(data)
    save_user(data)

    重构之后，应该使用测试验证原有功能没有被破坏。

    3.4 Code Review：AI 辅助审查

    可以让 Agent 检查最近一次 Commit 的修改：

    Review all changes since the last commit.

Focus on:
1. Correctness bugs.
2. Security vulnerabilities.
3. Missing error handling.
4. Performance issues.
5. Missing tests.

For each finding, provide:
- File and line number.
- Explanation.
- Potential impact.
- Suggested fix.

Do not report purely stylistic preferences.

    AI 的审查结果应作为候选问题，而不是最终结论。

    3.5 Code Understanding：理解陌生项目

    当你接触一个大型代码库时，可以让 Agent：

    • 识别项目入口。
    • 解释模块关系。
    • 找出关键数据结构。
    • 追踪函数调用关系。
    • 解释一个功能的执行路径。

    建议使用逐步追问，而不是一次要求它解释整个仓库。

    例如：

    第一步：

    请识别项目的主要入口文件。

    第二步：

    请追踪用户登录请求的调用路径。

    第三步：

    请解释认证中间件的工作机制。

    第四步：

    请指出这一实现可能存在的安全风险。

    3.6 Shell as an Interface：自然语言驱动终端

    Agent 还可以将自然语言转换为 Shell 命令。

    例如：

    找到项目中所有超过 500 行的 Python 文件。

    Agent 可能使用：

    find . -name "*.py" -exec wc -l {} \;

    但是，Shell 命令具有很强的操作能力。

    涉及删除文件、修改权限、覆盖数据、访问网络和读取秘密信息的命令，必须谨慎审查。

    3.7 Vibe Coding：自然语言驱动应用开发

    Vibe Coding 适合：

    • 小型原型。
    • 概念验证。
    • 个人工具。
    • 快速试验。
    • 交互界面草稿。

    不适合直接将未经理解和验证的生成结果投入关键生产系统。

    第 4 章 进阶智能体工程

    4.1 Reusable Prompts：可复用提示词

    如果你经常要求 Agent 做代码审查，可以把任务要求保存为模板。

    例如：

    你是一个 Python Code Review Agent。

请重点检查：
1. 逻辑正确性。
2. 异常处理。
3. 类型安全。
4. 资源管理。
5. 安全问题。
6. 测试覆盖。

请优先报告高风险问题。

不要仅仅为了个人风格提出修改建议。

    这样可以减少重复编写 Prompt 的时间。

    4.2 Parallel Agents：并行智能体

    多个 Agent 可以同时完成不同任务。

    例如：

    Agent 工作
    Agent A 实现 API
    Agent B 编写测试
    Agent C 阅读技术文档
    Agent D 审查安全风险

    但要避免多个 Agent 同时修改相同文件。

    课程推荐使用 Git Worktree 隔离工作目录。

    例如：

    git worktree add ../project-api feature-api

git worktree add ../project-tests feature-tests

    这样不同工作目录可以对应不同分支。

    4.3 MCP：Model Context Protocol

    MCP 是连接 AI 应用与外部工具、数据源的开放协议。

    例如，一个支持 MCP 的 Coding Agent 可以通过相应服务：

    • 读取项目文档。
    • 查询数据库。
    • 访问 Notion。
    • 与其他工作系统交互。

    MCP 解决的是模型如何通过标准化接口访问外部工具和上下文的问题。

    它不是一个新的语言模型，也不是编程语言。

    4.4 Context Management：上下文管理

    课程重点介绍四种方式。

    Clear Context

    对于完全不同的任务，开始新的对话。

    避免无关历史干扰当前任务。

    Rewind

    当 Agent 沿着错误方向执行时，回退到之前的状态。

    比不断叠加修正 Prompt 更有效。

    Compaction

    将较长的历史压缩为摘要。

    保留重要信息，减少上下文消耗。

    llms.txt

    教材介绍了 /llms.txt 这一提议标准。

    它的目标是提供适合语言模型阅读的文档入口。

    例如，一个工具的文档可能包含：

    https://example.com/llms.txt

    它可以帮助 Agent 更高效地获取相关文档，但具体是否提供以及内容质量取决于项目。

    4.5 AGENTS.md

    AGENTS.md 是项目级指导文件。

    例如：

    # AGENTS.md

## Project

Python 3.12 project.

## Coding Standards

- Use type annotations.
- Use Ruff for formatting.
- Use Ruff for linting.

## Testing

Run pytest before completing a task.

## Restrictions

- Do not modify generated files.
- Do not commit secrets.
- Preserve public APIs unless explicitly requested.

    它可以帮助 Agent 在多个任务和会话中遵循统一项目规范。

    4.6 Skills 与 Subagents

    Skill 是专门工作流程的封装。

    Subagent 是负责特定任务的子智能体。

    例如：

    Main Agent
   |
   +-- Research Subagent
   |
   +-- Testing Subagent
   |
   +-- Security Review Subagent

    它们可以让主 Agent 将工作委派给专门的子流程。

    但不同产品对 Skills 和 Subagents 的支持方式不完全相同。

    第 5 章 AI 编程的局限与风险

    5.1 概率生成不等于程序正确

    AI 可能生成：

    • 不存在的 API。
    • 错误的依赖用法。
    • 不符合需求的逻辑。
    • 不安全的代码。
    • 看似正确但实际失败的测试。

    5.2 Debugging Spiral：调试循环

    有时 Agent 会：

    1. 修改代码。
    2. 运行测试。
    3. 发现错误。
    4. 修改另一个位置。
    5. 引入新的错误。
    6. 再次尝试。

    这种过程可能不断扩大修改范围。

    解决方法：

    • 要求先定位根因。
    • 控制修改范围。
    • 查看 Git Diff。
    • 每次修改后运行相关测试。
    • 必要时回退。
    • 不要让 Agent 无限制地重复尝试。

    5.3 Privacy：隐私风险

    课程提醒，许多 AI 编程工具默认使用云端模型。

    可能被发送到云端的信息包括：

    • 源代码。
    • 项目文件。
    • 提示词。
    • 终端输出。
    • 交互历史。

    因此，使用前应该检查工具的数据处理方式、企业政策和隐私要求。

    5.4 Overreliance：过度依赖

    如果程序员只负责提出需求，完全不理解生成的代码，就很难承担长期维护责任。

    尤其在学习阶段，完全让 AI 代替自己思考，可能使你获得了一个程序，却没有获得相应的编程能力。

    最终原则：AI 可以承担执行任务的工作，但程序员必须承担理解、验证和决策的责任。

    第二部分：Beyond the Code（软件工程沟通与协作）

    第 6 章 软件工程为什么不仅仅是编程？

    软件工程师的工作不仅包括编写程序，还包括与其他工程师进行持续交流。

    真实项目中，你需要：

    • 解释系统如何工作。
    • 了解其他团队的需求。
    • 阅读他人的代码。
    • 参与技术决策。
    • 报告错误。
    • 审查代码。
    • 维护已有系统。

    课程将工程沟通大致分成两类：

    1. One-way Communication：单向沟通。
    2. Two-way Communication：双向沟通。

    单向沟通主要通过文档、注释和提交信息完成。

    双向沟通主要通过讨论、Issue、PR、Review 和技术交流完成。

    第 7 章 One-way Communication：单向技术沟通

    7.1 为什么需要单向沟通？

    假设你今天完成了一个复杂的功能。

    六个月以后，另一位程序员接手这个项目。

    他可能不知道：

    • 为什么使用当前算法？
    • 为什么选择这个数据结构？
    • 为什么某个参数是 1492？
    • 为什么没有采用另一种实现？
    • 哪些部分存在尚未解决的限制？

    如果没有记录，这些知识就会随着开发者离开项目而消失。

    因此，技术文档的一个核心任务是保存决策背后的原因。

    7.2 Code Comments：代码注释

    课程强调：

    好注释解释 Why，而不是重复 What。

    错误示例：

    # Add one to counter
counter += 1

    正确性或设计理由示例：

    # Preserve insertion order because the downstream
# serializer depends on deterministic field ordering.

    后者记录了代码中不容易直接看出的约束。

    值得记录的七类注释

    1. TODO

    标记尚未完成的工作。

    不好的写法：

    # TODO: optimize

    更好的写法：

    # TODO: Current lookup is O(n^2), which is acceptable
# for fewer than 100 records. Introduce an index if
# the dataset grows beyond this size.

    2. References

    记录算法、论文或外部规范的来源。

    例如：

    # Implements the retry policy described in:
# https://example.com/specification

    正式项目中最好引用稳定的文档版本或永久链接。

    3. Correctness Arguments

    解释复杂代码为什么正确。

    # The loop invariant guarantees that all elements
# before i have already been processed.

    4. Hard-learned Lessons

    记录不容易发现的问题。

    例如：

    # Flush the buffer before closing the stream.
# Otherwise the final partial batch may be lost.

    5. Rationale for Constants

    解释魔法数字。

    # Maximum batch size is 128 to stay within the
# downstream service's request limit.
MAX_BATCH_SIZE = 128

    6. Load-bearing Choices

    解释为什么某个实现细节不能随便改变。

    # Keep this collection ordered because output
# generation depends on deterministic iteration.

    7. Why Not

    解释为什么没有采用看起来更简单的方案。

    # Avoid global mutable state because it prevents
# independent tests from running safely in parallel.

    7.3 README：项目说明文档

    README 是项目的入口。

    推荐结构：

    # Project Name

## What does this project do?

## Why should you use it?

## Usage

## Installation

## Configuration

## Development

## Testing

## License

    核心顺序：

    What → Why → Usage → Installation

    先让读者理解项目价值，再让读者学习使用和安装。

    README 的质量标准

    一个好的 README 应当：

    • 能快速说明项目目标。
    • 有可以直接理解的使用示例。
    • 给出清楚的安装步骤。
    • 说明必要的配置。
    • 指明项目限制。
    • 给出开发和测试方法。
    • 不用大量无关文字淹没核心信息。

    7.4 Commit Messages：提交说明

    Git Commit 不只是保存代码变化，也是记录项目演进历史。

    不好的提交：

    fix bug
update files
change code

    这些内容无法帮助未来的开发者理解修改原因。

    课程建议使用：

    Problem → Solution → Implications

    示例

    Prevent duplicate payment processing

Problem:
Network retries may submit the same payment
request multiple times.

Solution:
Use an idempotency key to identify repeated
requests and reuse the existing result.

Implications:
Callers must now provide a stable idempotency key.

    如何组织复杂 Commit？

    一个 Commit 应当尽量代表一个逻辑完整的修改。

    例如：

    Commit 1: Add authentication validation
Commit 2: Add authentication unit tests
Commit 3: Update authentication documentation

    不要把无关重构、格式化和功能开发混在一个提交中。

    使用：

    git add -p

    可以交互式选择文件中的不同修改块。

    这有利于：

    • 审查。
    • 回滚。
    • 使用 git bisect 定位问题。
    • 理解项目历史。

    使用 LLM 生成 Commit Message

    课程指出一个重要问题：

    如果只给 LLM 一个 Git Diff，它通常只能知道 What，不知道 Why。

    因此可以让模型：

    根据当前 Diff 编写 Commit Message。

重点解释：
1. 修改所解决的问题。
2. 选择该方案的原因。
3. 考虑过哪些替代方案。
4. 修改带来的影响。

如果缺少必要背景，请先向我提问。

    如果 Agent 本身参与了开发，它通常能够访问此前的需求和设计讨论，因此更容易生成准确的提交说明。

    第 8 章 Collaboration：软件工程协作

    8.1 软件开发中的参与者

    开源项目中通常存在三类群体：

    • Users：使用软件的人。
    • Contributors：参与贡献的人。
    • Maintainers：负责项目长期维护的人。

    课程指出，通常用户数量远大于贡献者数量，而贡献者数量又远大于维护者数量。

    因此，维护者的时间是一种稀缺资源。

    一个贡献是否值得被接受，不仅取决于它能否解决问题，还取决于它是否值得维护者投入时间。

    这就是 High Signal-to-Noise Ratio（高信噪比）的重要性。

    8.2 Bug Report：高质量错误报告

    一个好的 Bug Report 应当包括：

    内容 说明
    Environment 操作系统、版本、配置
    Expected Behavior 预期行为
    Actual Behavior 实际行为
    Reproduction Steps 复现步骤
    Previous Attempts 已经尝试的排查方法

    示例：

    # Bug: CSV export fails for empty input

## Environment

Python 3.12
Ubuntu 24.04
Application v1.2.0

## Expected Behavior

An empty CSV should produce a valid output file
containing the header row.

## Actual Behavior

The program raises IndexError.

## Steps to Reproduce

1. Create an empty input.csv.
2. Run the export command.
3. Observe the exception.

## What I Tried

The issue does not occur with non-empty CSV files.

    8.3 Search Existing Issues

    提交 Issue 前，先检查：

    • 是否已经有人报告相同问题？
    • 是否存在正在讨论的解决方案？
    • 是否有相关的 Pull Request？
    • 是否有项目文档解释该行为？

    重复创建 Issue 会增加维护成本。

    如果已经存在相关讨论，通常更好的方式是补充有价值的信息。

    8.4 Minimal Reproducible Example

    最小可复现示例是帮助维护者定位问题的重要工具。

    例如，原本有一个大型应用：

    10000 lines of code

    你逐步删除不相关模块，最后得到：

    def parse_value(value):
    return value[0]

    然后发现输入空字符串时会引发问题。

    这比提交整个大型项目更有助于分析根因。

    8.5 Issue 的沟通礼仪

    课程特别提醒：

    • 不要频繁催促维护者。
    • 不要反复发布没有新增信息的“me too”。
    • 不要只复制终端输出。
    • 应该先搜索已有问题。
    • 如果等待一段时间没有回复，可以礼貌跟进。
    • 如果能够复现问题，尽量提供最小示例。

    维护者可能是志愿者，不能假设他们随时有时间响应。

    8.6 CONTRIBUTING.md

    参与开源项目之前，应阅读：

    CONTRIBUTING.md

    它通常规定：

    • 如何创建开发分支。
    • 如何运行测试。
    • 代码风格要求。
    • PR 格式。
    • 提交信息要求。
    • 项目开发流程。

    还需要注意项目许可证。

    例如，某些 Copyleft 许可证会对衍生作品的发布方式产生要求。贡献之前应该了解许可证对代码使用和分发的影响。

    如果发现安全漏洞，不应直接公开发布详细利用信息。应该优先通过项目的安全披露渠道联系维护者，给予合理修复时间。

    8.7 Pull Request：提交代码贡献

    一个好的 PR 应当满足：

    1. 修改范围明确。
    2. 尽量避免无关变化。
    3. 解释为什么需要修改。
    4. 解释为什么采用当前实现。
    5. 提供测试方式。
    6. 指出需要审查的重点。

    如果一个功能确实需要很多相关文件的修改，可以使用较大的 PR，但应该保持 Commit 组织清晰，使维护者能够逐步审查。

    AI 生成的 PR

    课程特别提醒：

    AI 可以快速生成代码，但不能因此降低贡献者的责任。

    如果提交者自己无法解释代码，维护者就需要承担额外的理解、审查和维护成本。

    因此，提交 AI 生成的代码之前，必须：

    • 理解主要实现。
    • 检查功能正确性。
    • 检查安全性。
    • 验证测试。
    • 删除无关修改。
    • 补充必要文档。

    维护者最终接受的是长期维护责任，而不是一次性的代码输出。

    第 9 章 Code Review：代码审查

    9.1 为什么需要 Code Review？

    Code Review 不仅仅是寻找错误。

    它还有以下价值：

    • 提高代码质量。
    • 发现设计缺陷。
    • 传播项目知识。
    • 统一开发规范。
    • 帮助初级工程师学习。
    • 减少错误进入生产环境的概率。

    即使你不是高级工程师，也可以参与 Review。

    新成员有时反而更容易发现项目中的隐含假设。

    9.2 Code Review 的六项原则

    原则一：Review the Code, Not the Person

    不要针对个人。

    不好的评论：

    You wrote confusing code.

    更好的评论：

    This function is difficult to follow.
Could we separate validation and processing?

    原则二：Prefer Actionable Comments

    评论应该让作者知道下一步怎么做。

    不好的评论：

    Don't use globals.

    更好的评论：

    Could you replace these global variables
with a configuration dataclass?

This would allow tests to run independently
and safely in parallel.

    原则三：Ask Questions Rather Than Making Demands

    例如：

    What happens if this value is null?

    比直接命令：

    Handle null values.

    更容易展开有效讨论。

    原则四：Explain the Why

    建议：

    Consider using a named constant here
so the timeout can be adjusted by environment.

    而不是仅仅说：

    Use a constant.

    原则五：Distinguish Blocking Issues and Suggestions

    可以在评论中区分：

    • Blocking：必须修改的问题。
    • Suggestion：改进建议。
    • Nit：非阻塞的小问题。

    原则六：Acknowledge Good Work

    不要只指出问题。

    如果某个实现很好，也应该告诉作者原因。

    代码审查应该帮助团队建立更好的工程习惯，而不是让作者感到所有修改都在被否定。

    9.3 Know When to Stop

    不要把每个细节都变成必须修改的要求。

    优先处理：

    1. 正确性。
    2. 安全性。
    3. 兼容性。
    4. 可维护性。
    5. 重要的性能问题。

    对于不影响整体质量的小型风格问题，应合理控制评论数量。

    第 10 章 Education：如何提出有效的技术问题

    程序员需要持续学习，也需要向其他人提问。

    课程介绍了五个重要方法。

    1. State Your Understanding First

    先说明自己已经理解的内容。

    例如：

    我的理解是 LEFT JOIN 会保留左表的所有行，
即使右表没有匹配记录也会保留。

这个理解正确吗？

    2. Ask Yes/No Questions

    适当提出可以用是或否回答的问题。

    这样更容易确认某个具体理解是否正确，避免无关讨论。

    3. Be Specific

    不要问：

    How does SQL work?

    可以问：

    LEFT JOIN 是否会保留右表中没有匹配记录的左表行？

    4. Admit When You Don't Understand

    如果不理解一个概念，应直接说明。

    我理解了前面的执行流程，
但不清楚这里为什么需要使用事务隔离级别。

    这比假装理解更有助于学习。

    5. Don't Accept Incomplete Answers

    不要因为别人给出一个看起来专业的答案就停止思考。

    应该继续追问，直到真正理解。

    当然，也要尊重对方时间。

    这些原则同样适用于与 LLM 对话。

    第 11 章 AI Etiquette：AI 使用规范

    AI 已经成为软件开发的重要工具，但使用方式仍然需要遵守工程伦理和团队规则。

    11.1 Disclose AI Usage

    当 AI 对工作产生实质性贡献时，应该按照团队和项目要求披露。

    例如：

    AI Assistance:

- AI helped generate the initial unit tests.
- The implementation was manually reviewed.
- All tests were executed by the contributor.

    比简单写一句“Used AI”更有价值。

    11.2 Follow Team Policies

    不同团队可能对以下问题有不同要求：

    • 哪些代码可以发送到云端模型？
    • 是否允许使用第三方 AI 服务？
    • 是否可以让 AI 生成核心业务代码？
    • 是否需要记录 AI 参与情况？
    • 是否涉及数据驻留和合规要求？

    应该遵守组织的规则。

    11.3 Interviews and Assessments

    面试和考试通常是为了评估个人能力。

    如果不确定是否允许使用 AI，应该事先询问。

    不能假设所有考核都允许外部 AI 工具。

    第三部分：Code Quality（代码质量）

    第 12 章 代码质量体系概述

    代码能够运行，并不代表代码质量足够好。

    例如：

    def process(data):
    result = []
    for x in data:
        if x > 0:
            if x < 100:
                result.append(x)
    return result

    它可能运行正常，但仍然存在：

    • 风格不统一。
    • 条件嵌套不必要。
    • 缺少类型注解。
    • 缺少测试。
    • 没有错误处理。
    • 没有说明输入约束。

    代码质量需要多种工具共同保障。

    本课程介绍六项主要内容：

    1. Formatting
    2. Linting
    3. Testing
    4. Pre-commit Hooks
    5. Continuous Integration
    6. Command Runners

    另外还介绍 Regular Expressions。

    第 13 章 Formatting：自动格式化

    13.1 什么是代码格式化？

    Formatter 会自动调整代码的表面形式。

    例如：

    原始代码：

    def calculate(a,b):
  return a+b

    格式化后：

    def calculate(a, b):
    return a + b

    主要处理：

    • 缩进。
    • 空格。
    • 引号。
    • 换行。
    • 行长度。
    • 代码布局。

    13.2 为什么需要统一格式？

    如果每个人都按照自己的习惯编写代码，团队会在大量无关紧要的风格问题上浪费时间。

    这类争论在软件工程中称为 Bike-shedding。

    例如：

    • 使用单引号还是双引号？
    • 缩进使用两个空格还是四个空格？
    • 一行代码最长多少字符？

    如果 Formatter 能够自动统一这些选择，开发者就能将注意力放到逻辑和设计上。

    13.3 常见工具

    工具 语言
    Ruff Formatter Python
    Black Python
    Prettier JavaScript、TypeScript 等
    gofmt Go

    Python 项目可以执行：

    ruff format .

    如果只想检查、不修改：

    ruff format --check .

    13.4 Formatter 配置

    一些工具支持较多配置。

    建议将项目格式配置提交到版本控制中。

    此外，还可以使用 EditorConfig。

    例如：

    root = true

<li>charset = utf-8</li>
end_of_line = lf
insert_final_newline = true

[*.py]
indent_style = space
indent_size = 4

    它能够帮助不同 IDE 使用一致的编辑器设置。

    第 14 章 Linting：静态代码分析

    14.1 什么是 Linter？

    Linter 在不运行程序的情况下分析代码，寻找可疑模式和潜在问题。

    这叫 Static Analysis（静态分析）。

    例如：

    import os

def calculate():
    x = 10
    return 42

    这里存在：

    • 未使用的 import。
    • 未使用的变量。

    Linter 可以发现这些问题。

    14.2 Formatter 与 Linter 的区别

    对比 Formatter Linter
    目标 统一外观 发现问题
    关注 表面语法 代码模式和潜在错误
    是否修改代码 通常可以 部分规则可以
    示例 Ruff Format Ruff Check

    14.3 使用 Ruff

    安装：

    pip install ruff

    检查：

    ruff check .

    自动修复可修复的问题：

    ruff check --fix .

    检查格式：

    ruff format --check .

    14.4 Linter Rules

    Linter 通常包含大量规则。

    某些规则可能：

    • 检查未使用变量。
    • 检查未使用导入。
    • 检查不合理的条件嵌套。
    • 检查危险函数调用。
    • 检查不合理的代码复杂度。

    不同规则可以根据项目情况配置。

    14.5 False Positives：误报

    Linter 并不完美。

    有些情况下，它可能认为某种写法有问题，但开发者实际上有合理理由。

    因此可以通过配置或局部注释关闭某些规则。

    例如：

    # noqa: S602

    这类抑制应该有明确理由，不应该把它当成解决真实安全问题的默认方式。

    14.6 Semgrep：基于语法结构的代码搜索

    普通 grep 主要根据字符进行搜索。

    Semgrep 可以基于程序语法结构匹配代码模式。

    例如，课程展示了对以下危险模式的检查：

    subprocess.Popen(
    command,
    shell=True
)

    命令：

    semgrep -l python \
  -e "subprocess.Popen(..., shell=True, ...)"

    这种方式能够比简单的文本匹配更准确地查找符合语法结构的代码。

    适用场景：

    • 安全规则。
    • 自定义代码规范。
    • 大型代码库检查。
    • 危险 API 搜索。

    第 15 章 Testing：自动化测试

    15.1 为什么需要测试？

    测试的基本思想：

    编写程序之后，再编写一组程序来验证它的行为是否符合预期。

    例如：

    def add(a, b):
    return a + b

    测试：

    def test_add():
    assert add(2, 3) == 5

    测试通过，说明在这个输入条件下，程序符合预期。

    但一个测试无法证明函数在所有输入下都正确。

    15.2 Unit Testing：单元测试

    单元测试检查一个较小的功能单元。

    Python 常用 pytest。

    安装：

    pip install pytest

    项目结构：

    project/
├── calculator.py
└── tests/
    └── test_calculator.py

    calculator.py：

    def add(a: int, b: int) -> int:
    return a + b


def divide(a: float, b: float) -> float:
    if b == 0:
        raise ValueError("b cannot be zero")

    return a / b

    test_calculator.py：

    import pytest

from calculator import add, divide


def test_add():
    assert add(2, 3) == 5


def test_divide():
    assert divide(10, 2) == 5


def test_divide_by_zero():
    with pytest.raises(ValueError):
        divide(10, 0)

    执行：

    pytest

    15.3 Integration Testing：集成测试

    集成测试验证多个模块之间能否正确协作。

    例如：

    API
 ↓
Service
 ↓
Database

    需要验证：

    • API 是否正确调用 Service。
    • Service 是否正确访问数据库。
    • 数据是否能够正确保存和读取。

    15.4 Functional Testing：功能测试

    功能测试主要从用户功能或完整业务流程出发。

    例如：

    用户注册
  ↓
用户登录
  ↓
创建订单
  ↓
支付订单
  ↓
查询订单

    测试重点是整个流程是否满足预期需求。

    15.5 Test-Driven Development：测试驱动开发

    TDD 的基本循环：

    Red → Green → Refactor

    Red

    先编写测试，让它因为功能尚未实现而失败。

    Green

    编写最少的代码，让测试通过。

    Refactor

    在测试保护下改进代码结构。

    这种方法能够让开发者在编写实现之前就明确预期行为。

    15.6 Regression Testing：回归测试

    当程序发生 Bug 时，不仅应该修复 Bug，还应该增加相应测试。

    例如：

    某个函数曾经在空输入下崩溃。

    修复后增加：

    def test_empty_input():
    assert process([]) == []

    以后每次修改程序时，都可以自动检查这个问题是否再次出现。

    15.7 Mocking：模拟外部依赖

    如果程序依赖第三方 API 或数据库，测试时不一定需要真的访问外部服务。

    可以使用 Mock 替代真实依赖。

    例如：

    from unittest.mock import Mock

def fetch_user(client, user_id):
    return client.get_user(user_id)


def test_fetch_user():
    client = Mock()

    client.get_user.return_value = {
        "id": 1,
        "name": "Alice"
    }

    result = fetch_user(client, 1)

    assert result["name"] == "Alice"

    这样可以：

    • 避免真实网络请求。
    • 避免依赖外部服务是否可用。
    • 提高测试速度。
    • 控制测试输入。

    但 Mock 不应过度使用，否则测试可能只验证模拟对象，而没有验证真实系统的集成行为。

    15.8 Property-Based Testing：基于性质的测试

    普通单元测试通常使用手工指定的输入。

    例如：

    assert add(2, 3) == 5

    Property-Based Testing 则通过描述程序应当满足的性质，让工具自动生成大量输入。

    教材介绍了 Hypothesis。

    安装：

    pip install hypothesis

    例如，假设我们有一个字符串填充函数：

    def pad(text: str, length: int) -> str:
    return text.ljust(length)

    我们希望满足：

    [
    |\operatorname{pad}(s,n)| \geq n
    ]

    对于任意合法的字符串 (s) 和非负整数 (n)，填充后的长度不应该小于 (n)。

    测试可以写成：

    from hypothesis import given
from hypothesis import strategies as st


@given(
    text=st.text(max_size=20),
    length=st.integers(min_value=0, max_value=50)
)
def test_pad_length(text, length):
    result = pad(text, length)

    assert len(result) >= length

    Hypothesis 会生成许多输入并检查性质。

    但它不是数学证明。

    它只是通过大量生成的测试样本寻找违反性质的情况。

    测试数据的范围和性质仍然需要开发者合理设计。

    第 16 章 Code Coverage：代码覆盖率

    16.1 什么是覆盖率？

    Code Coverage 衡量运行测试时有多少代码被执行。

    例如：

    def classify(x):
    if x > 0:
        return "positive"

    elif x < 0:
        return "negative"

    return "zero"

    如果只测试：

    classify(10)

    那么负数和零的分支就没有被执行。

    覆盖率报告可以帮助开发者发现未测试区域。

    16.2 使用 pytest-cov

    安装：

    pip install pytest-cov

    执行：

    pytest --cov=src --cov-report=html

    生成 HTML 报告。

    查看：

    htmlcov/index.html

    可以看到：

    • 哪些文件被测试。
    • 哪些代码行被执行。
    • 哪些分支没有覆盖。

    16.3 为什么覆盖率不等于质量？

    假设：

    def divide(a, b):
    return a / b

    测试：

    def test_divide():
    divide(10, 2)

    这个测试可能执行了函数的全部代码行。

    但它没有验证结果是否正确。

    所以：

    高覆盖率不一定意味着测试有效。

    课程建议：

    关注高质量测试，而不是单纯追求覆盖率数字。

    覆盖率的真正价值是帮助发现测试盲区。

    第 17 章 Pre-commit Hooks：提交前自动检查

    17.1 Git Hook 的概念

    Git Hook 是 Git 提供的事件触发机制。

    例如，在提交前执行脚本：

    git commit
    ↓
pre-commit hook
    ↓
执行检查
    ↓
允许或阻止提交

    17.2 Pre-commit Framework

    教材介绍了 Pre-commit 工具。

    首先安装：

    pip install pre-commit

    在项目根目录创建：

    .pre-commit-config.yaml

    示例：

    repos:
  - repo: https://github.com/pre-commit/pre-commit-hooks
    rev: v5.0.0
    hooks:
      - id: trailing-whitespace
      - id: end-of-file-fixer

  - repo: https://github.com/astral-sh/ruff-pre-commit
    rev: v0.9.0
    hooks:
      - id: ruff
      - id: ruff-format

    注意：示例版本仅用于说明配置结构，真实项目应根据当前工具版本选择经过验证的版本。

    安装 Hook：

    pre-commit install

    现在执行：

    git commit -m "Add new feature"

    Git 会在提交前执行配置的检查。

    如果检查不通过，提交可能被阻止。

    开发者修复问题后重新提交即可。

    第 18 章 Continuous Integration：持续集成

    18.1 什么是 CI？

    CI 是 Continuous Integration 的缩写。

    它指将代码集成到共享代码库时，自动运行构建和质量检查。

    例如：

    开发者修改代码
      ↓
git push
      ↓
GitHub Actions
      ↓
自动运行检查
      ↓
返回检查状态

    CI 能够在代码进入主分支之前发现问题。

    18.2 GitHub Actions

    在项目中创建：

    .github/workflows/ci.yml

    示例：

    name: Python CI

on:
  push:
  pull_request:

jobs:
  test:
    runs-on: ubuntu-latest

    steps:
      - uses: actions/checkout@v4

      - uses: actions/setup-python@v5
        with:
          python-version: "3.12"

      - name: Install dependencies
        run: |
          python -m pip install pytest ruff

      - name: Check formatting
        run: ruff format --check .

      - name: Lint
        run: ruff check .

      - name: Test
        run: pytest

    当代码 Push 或 PR 时，GitHub Actions 会自动运行。

    18.3 为什么 CI 使用 Check-only Mode？

    在开发者本地：

    ruff format .

    可以自动修改代码。

    但是在 CI 中，通常使用：

    ruff format --check .

    原因是 CI 的任务应该是验证提交的代码，而不是悄悄修改代码。

    如果格式不正确，就返回失败，让开发者修复后重新提交。

    18.4 Matrix Testing：矩阵测试

    有些项目需要同时支持：

    • Linux
    • macOS
    • Windows

    还可能支持：

    • Python 3.11
    • Python 3.12
    • Python 3.13

    可以通过 CI Matrix 让多个环境自动执行相同测试。

    这样能发现本地开发环境中不容易暴露的兼容性问题。

    18.5 Scheduled CI：定期检查

    CI 不一定只在代码变化时运行。

    也可以设置定时任务。

    例如，每周重新检查依赖。

    为什么？

    因为即使你的代码没有变化，外部依赖也可能发布新版本，或者出现兼容性和安全问题。

    定期 CI 可以帮助发现这些问题。

    18.6 CI Status Badge

    GitHub README 中经常出现：

    Build: Passing

    这类状态标记可以告诉使用者最近的自动化检查是否通过。

    但它只能表示指定工作流的状态，不代表软件在所有环境中都没有问题。

    第 19 章 Continuous Deployment：持续部署

    CI 主要验证代码。

    CD 则进一步将通过验证的修改部署到目标环境。

    例如：

    git push
   ↓
CI 检查
   ↓
构建网站
   ↓
部署到 GitHub Pages

    教材以 Missing Semester 网站为例，说明代码更新后可以自动构建并发布网站。

    CD 也可以用于：

    • 发布 Docker 镜像。
    • 部署 Web 服务。
    • 发布二进制文件。
    • 更新文档网站。

    CI 和 CD 可以结合在同一个自动化流水线中。

    第 20 章 Command Runners：项目命令管理

    随着项目规模扩大，命令可能越来越复杂。

    例如：

    uv run ruff check .
uv run ruff format .
uv run pytest
uv run mypy .

    Command Runner 可以将这些命令封装为简短入口。

    课程介绍了 just。

    例如创建：

    lint:
    uv run ruff check .

format:
    uv run ruff format .

test:
    uv run pytest

typecheck:
    uv run mypy .

    然后执行：

    just lint
just format
just test
just typecheck

    这样新加入项目的开发者不需要记住所有工具的完整参数。

    类似能力也可以由：

    • npm scripts
    • Hatch scripts
    • Make
    • 其他项目管理工具

    提供。

    第 21 章 Regular Expressions：正则表达式

    21.1 什么是正则表达式？

    Regular Expression（Regex）是一种描述字符串集合和匹配模式的语言。

    例如：

    abc

    匹配字符串中的 abc。

    \d+

    匹配一个或多个数字。

    missing|semester

    匹配 missing 或 semester。

    正则表达式常用于：

    • 文本搜索。
    • 日志分析。
    • 数据验证。
    • 批量替换。
    • 命令行工具。
    • IDE 搜索。
    • 测试筛选。

    21.2 基础语法

    表达式 含义
    abc 字面匹配 abc
    . 任意单个字符（默认不匹配换行符）
    [abc] a、b、c 中的一个
    [^abc] 不属于 a、b、c 的字符
    [a-f] a 到 f 范围中的字符
    a|b 匹配 a 或 b
    \d 数字字符
    \w 单词字符
    \b 单词边界
    (...) 分组
    ? 前面的模式出现零次或一次
    * 前面的模式出现零次或多次
    + 前面的模式出现一次或多次
    {N} 前面的模式重复 N 次
    \. 匹配真正的点号
    \\ 匹配真正的反斜杠
    ^ 行或字符串开头
    $ 行或字符串结尾

    21.3 日期匹配

    \d{4}-\d{2}-\d{2}

    匹配：

    2026-01-14

    但不验证日期是否合法。

    例如：

    2026-01-99

    仍然能够匹配。

    21.4 邮箱匹配

    教材给出了简单示例：

    .+@.+

    它只表示：

    • @ 前面至少有一个字符。
    • @ 后面至少有一个字符。

    这不是可靠的邮箱验证规则。

    完整邮箱地址验证涉及更多语法和规范，通常应使用成熟的验证方案，而不是自己编写一个极其复杂的正则表达式。

    21.5 Capture Groups：捕获组

    例如：

    import re

text = "2026-01-14"

match = re.match(
    r"\d{4}-(\d{2})-\d{2}",
    text
)

print(match.group(1))

    输出：

    01

    括号：

    (\d{2})

    表示捕获一组两位数字。

    21.6 Greedy and Non-greedy：贪婪与非贪婪

    例如：

    ".*"

    * 默认采用贪婪匹配，尽可能匹配更多内容。

    而：

    ".*?"

    使用非贪婪匹配，尽可能匹配较短内容。

    这在文本提取中非常重要。

    21.7 Regex 的局限性

    正则表达式非常适合简单文本模式。

    但不适合所有结构化数据解析。

    例如：

    • HTML。
    • 嵌套 JSON。
    • 复杂编程语言语法。
    • 有任意层级嵌套结构的数据。

    对于 JSON，应该使用 JSON Parser：

    import json

data = '''
{
    "name": "Alyssa P. Hacker",
    "college": "MIT"
}
'''

obj = json.loads(data)

print(obj["name"])

    对于复杂语法结构，应使用专门的 Parser。

    选择工具的原则：简单文本模式使用 Regex，结构化数据使用对应解析器。

    第四部分：综合实践项目

    第 22 章 建立完整的软件工程工作流

    现在将三个主题整合起来。

    项目：Markdown Link Extractor。

    22.1 项目需求

    实现一个 Python 命令行程序：

    link-extractor input.md

    提取 Markdown 文件中的链接。

    支持：

    link-extractor input.md --output links.txt

    将提取结果写入文件。

    要求：

    1. 使用类型注解。
    2. 使用 argparse。
    3. 有合理的异常处理。
    4. 编写单元测试。
    5. 使用 Ruff。
    6. 使用 mypy。
    7. 配置 Pre-commit。
    8. 配置 GitHub Actions。
    9. 编写 README。
    10. 通过 Pull Request 完成代码审查。

    22.2 创建项目

    mkdir markdown-link-extractor
cd markdown-link-extractor

git init -b main

uv init --package

    创建虚拟环境并安装开发工具：

    uv add --dev pytest ruff mypy pre-commit

    22.3 让 Coding Agent 实现功能

    给 Agent 提供：

    请在当前项目中实现 Markdown Link Extractor。

功能：
1. 接收 Markdown 文件路径。
2. 提取普通 Markdown 链接。
3. 支持 --output 指定输出文件。
4. 输入文件不存在时返回清晰错误。
5. 使用类型注解。
6. 为主要功能编写单元测试。

限制：
1. 不修改输入文件。
2. 优先使用 Python 标准库。
3. 不要为了通过测试而删除测试。
4. 不要关闭 Linter 规则来隐藏问题。

完成后：
运行 pytest、ruff 和 mypy，
并报告实际结果。

    22.4 编写测试

    至少测试：

    • 有一个链接。
    • 有多个链接。
    • 没有链接。
    • 空文件。
    • 非法文件路径。
    • 输出到指定文件。

    例如：

    def test_extract_single_link():
    text = "[Google](https://google.com)"

    assert extract(text) == [
        "https://google.com"
    ]


def test_extract_no_link():
    text = "No links here"

    assert extract(text) == []

    这里的测试针对简单 Markdown 链接格式，不代表完整覆盖所有 Markdown 语法。

    22.5 配置质量检查

    执行：

    uv run ruff format .
uv run ruff check .
uv run mypy src/
uv run pytest

    确保所有检查通过。

    22.6 配置 Pre-commit

    添加 .pre-commit-config.yaml，让提交前自动执行格式和 Lint 检查。

    安装：

    uv run pre-commit install

    22.7 配置 CI

    创建：

    .github/workflows/ci.yml

    在每次 Push 和 PR 时运行：

    • Ruff Format Check。
    • Ruff Lint。
    • Mypy。
    • Pytest。

    22.8 编写 README

    README 至少应该包括：

    # Markdown Link Extractor

## What

A command-line tool for extracting links
from Markdown documents.

## Why

It helps inspect and process links
without manually reading the document.

## Usage

link-extractor input.md

## Installation

...

## Development

...

## Testing

...

    22.9 提交 Git Commit

    git add -p

git commit -m "Add Markdown link extraction CLI"

    复杂修改应该拆分为多个逻辑独立的 Commit。

    22.10 创建 Pull Request

    PR 应当说明：

    • 解决了什么问题。
    • 实现了什么功能。
    • 为什么使用当前方案。
    • 如何验证。
    • 有哪些限制。

    最后让其他开发者进行 Code Review。

    第五部分：课程练习与考核

    第 23 章 分阶段实践任务

    建议不要一次完成所有练习，而是分阶段训练。

    阶段一：Coding Agent

    任务 验收标准
    使用 Agent 阅读陌生代码库 能解释项目主要模块
    使用 Agent 开发小功能 修改符合需求
    使用 Agent 修复测试失败 有真实测试结果
    创建 AGENTS.md Agent 能遵守项目规则
    创建 Skill 能复用专门工作流程
    创建 Subagent 能完成独立检查任务
    体验并行 Agent 能避免工作目录冲突

    阶段二：Beyond the Code

    任务 验收标准
    阅读大型项目 README 能评价其信息组织
    编写代码注释 解释关键设计原因
    编写 Commit Message 包含问题与解决动机
    创建 Bug Report 具有明确复现步骤
    制作最小复现示例 能独立重现错误
    创建 Pull Request 修改范围清晰
    进行 Code Review 评论具体、可执行

    阶段三：Code Quality

    任务 验收标准
    配置 Formatter 代码风格统一
    配置 Linter 能识别常见问题
    配置 Type Checker 类型错误能够被发现
    编写 Unit Tests 核心函数得到测试
    使用 Coverage 能发现未覆盖代码
    配置 Pre-commit 提交前自动检查
    配置 CI Push 和 PR 自动测试
    学习 Regex 能完成常见文本提取任务

    第 24 章 最终知识框架

    三部分内容可以归纳为以下知识体系。

    领域 核心概念 核心工具或方法
    AI Development LLM、Agent Loop、Harness Coding Agents
    Agent Context Context Window、Compaction AGENTS.md、Skills
    Agent Architecture Tool Calling、Subagents MCP、Git Worktree
    Technical Writing Comments、README 技术文档
    Version History Atomic Commits Git Commit Message
    Collaboration Issue、PR GitHub
    Code Review Blocking、Suggestions Review Practices
    Formatting 代码风格 Ruff、Black、Prettier
    Static Analysis 静态检查 Ruff、Semgrep
    Type Safety 类型一致性 mypy
    Testing Unit、Integration、Functional pytest
    Property Testing 性质验证 Hypothesis
    Coverage 执行覆盖情况 pytest-cov
    Automation Pre-commit Git Hooks
    Integration CI GitHub Actions
    Deployment CD 自动化部署
    Command Management 命令封装 just
    Text Processing 正则表达式 Python re、grep

    结语：真正的软件工程能力是什么？

    这三份课程材料传达了一个共同的思想：

    软件工程不仅仅是写代码。

    一个成熟的工程师需要同时具备以下能力：

    1. 开发能力：能够将需求转化为可运行的程序。
    2. 工具能力：能够利用 AI、Shell、Git 和自动化工具提高效率。
    3. 验证能力：能够使用测试、静态分析和 CI 验证程序质量。
    4. 表达能力：能够通过注释、文档和提交记录解释设计决策。
    5. 协作能力：能够参与 Issue、PR 和 Code Review。
    6. 责任能力：能够对代码的正确性、安全性和长期维护负责。

    尤其在 AI 编程时代，生成代码的成本正在降低，但理解代码、验证代码、判断设计取舍以及维护系统的能力依然重要。

    最终的学习目标不是成为一个只会向 AI 提问的人，而是成为一个能够利用 AI、工程工具和团队协作机制，持续交付可靠软件的工程师。

    Post #2
  • 版本控制 Jujutsu
    深入交流
    Post #4
  • 版本控制 Jujutsu
    深入交流

    如果版本控制也能变得更好用：Jujutsu 入门与实践

    大家好，我是 Chris Krycho。今天我想和大家聊聊 Jujutsu 版本控制系统，简称 JJ。这个名字听起来可能有些特别。过去十年左右，对大多数开发者来说，版本控制几乎就意味着 Git。我认为，现在是时候改变这种局面了。

    今年二月初，我发表了一篇很长的文章，深入讨论 Jujutsu。从去年九月前后开始，我基本上已经把它作为唯一的日常版本控制工具；在那之前，我也已经使用过一段时间。为什么我们应该考虑超越 Git？我先解释一下原因，然后会通过实际演示来说明。

    为什么我想从 Git 向前迈一步

    Git 在它诞生的时代，以及它所提供的能力范围内，是一款非常出色的工具。Git 出现时，我们确实需要它带来的那些能力。分布式版本控制相较于此前的非分布式版本控制，是一次巨大的进步。正在观看视频的各位中，有些人可能从未经历过 CVS，甚至 SVN 的时代，更不用说以 Polytron 版本控制系统为底层、再由 Serena 提供包装的那类工具了。我经历过那个时代，那确实是一段不太愉快的时期。

    Git、Mercurial，以及 2000 年代中期出现的其他一些工具，都比此前的系统前进了一大步。突然之间，我可以在自己的机器上拥有一份完整的仓库副本，你也可以在自己的机器上拥有一份完整副本。即使我们恰好修改了同一部分内容，也没有关系；我们不必先锁定文件，再等到稍后才能提交。分支也成为了一等公民。对于过去十年才进入这个行业的人来说，这些事情可能已经理所当然了：当然可以随手创建一个分支。但在 Git、Mercurial 以及同一代版本控制系统出现之前，情况并不是这样。我绝不会想回到那个年代，不过，我确实希望继续向前发展。

    过去十年我一直在使用 Git，在此之前使用的是 Mercurial。简单来说，Git 本身也值得受到一些批评。它的命令行界面以复杂难用而闻名，而且这种复杂性并不总是因为它所处理的问题本身足够复杂。对于从未使用过 Mercurial 的人来说，我们有时会把它称为一个“存在性证明”：它证明版本控制系统的命令行界面完全可以设计得很好。Mercurial 的版本控制命令行体验确实不错。

    然而，大多数人最终还是使用 Git，因为 GitHub 的规模和影响力非常大，Linux 项目也极具影响力，而且大量工具都默认你会使用 Git。Git 逐渐成为了整个生态系统所预期的版本控制工具。与此同时，Git 内部也积累了很多复杂性，这些复杂性来自它的历史，以及项目背后的人所做出的选择和偏好，而这些选择和偏好并不一定符合我的想法。

    这时，Jujutsu 出现了。当然，这一代还有其他值得关注的版本控制系统，例如 Meta 的 Sapling，以及作为独立项目发展的 Pijul 等。不过，在这些选择中，我最喜欢的是 Jujutsu。

    Jujutsu 与 Git 兼容。这意味着，正如接下来会看到的那样，我们可以直接在现有 Git 仓库上使用它。这是它推广和采用方面的一项巨大优势。事实上，Git 当年能够成功，很大程度上也是因为它能够与 SVN（Subversion）仓库互操作。Jujutsu 的命令行界面则更多受到 Mercurial 的启发，也更符合我所认同的通用界面设计原则，而不是沿袭 Git 的设计。这一点非常好。

    Jujutsu 还有一些很有意思的能力。它把冲突作为一等概念来理解，也把移动提交作为一等操作来处理，并且提供了比 Git 的交互式 rebase 更好的体验。Git 的交互式 rebase 我当然会用，也用过很多次，但它本来可以做得更好。Jujutsu 对合并提交有清晰的理解，也知道合并冲突是如何工作的。由于它能够把冲突作为日常工作流程中的一等部分来处理，所以冲突不会让整个工作停摆，也不会阻止你继续前进。你完全可以先说“这个问题稍后再解决”，然后继续做其他工作。

    总的来说，Jujutsu 的使用体验在很多方面都比 Git 前进了一大步。有些差异很难在真正使用之前用语言说清楚。我现在每次因为某些原因不得不回到 Git 时——而过去六个月里，这种情况已经越来越少——都会觉得自己像是在泥地里游泳，或者像是在躲避一连串障碍物。无论用什么比喻，体验都不太好。

    关于这些问题，我可以讲上一整天；你也可以去读我那篇一万字的文章。不过，我们不如直接看一些例子。接下来几分钟，我会带大家了解 Jujutsu 的基本工作方式。最后，我还会提到社区中另一位成员制作的一个视频：他正在开发一个基于 Web 的用户界面，并计划把它放进一个轻量级的包装应用中，从而能够分发到 Windows、Linux 和 macOS。它的用户界面是基于 Web 技术构建的，使用了一项叫作 Tauri 的技术。关于这些内容，之后可以再去了解更多。虽然我接下来展示的终端演示已经很不错，但那个界面在某些方面甚至更好。不过先别离开，我们现在就开始。

    在现有 Git 仓库中使用 Jujutsu

    我现在使用的是 iTerm2。先从一个实际例子开始：克隆一个我知道很适合演示的仓库。我把它简称为 tm。True Myth 是一个我经常使用的包，也是我大约七年半前编写的项目。这里使用 GitHub 自己提供的命令行工具 gh 来克隆仓库。gh 有时会在这里卡住，不过这次没有问题。克隆完成后，我进入 true-myth 目录。

    现在可以看到，这是一个有着较长 Git 历史的仓库。最近的提交大多是 Dependabot 自动生成的依赖版本更新，因此单看这段历史并没有太多值得说明的内容。我已经安装了 Jujutsu，而且安装的是最新公开版本。接下来展示的内容，都可以通过 Homebrew 安装，也可以从 Nix 软件包获取；当然，也可以使用 Cargo 安装，因为 Jujutsu 是用 Rust 编写的工具。它运行很快，也相当稳定，我很喜欢使用它。

    假设我正在开发 True Myth，并且想做一些修改。首先，我可以在这个 Git 仓库里运行：

    jj git init

    这条命令会让 Jujutsu 接入当前已有的 Git 仓库，并导入底层 Git 仓库中的变更。此时，我还没有在本地关联任何远程分支，因此接下来可以设置跟踪关系：

    jj branch track main@origin

    这样就建立了一个跟踪分支，和在其他版本控制工作流中设置跟踪分支的方式差不多。

    现在先看看仓库状态：

    jj status

    输出告诉我，工作副本（working copy）是干净的。这符合预期。不过，有意思的是，Jujutsu 会明确标识工作副本。在 Git 中，工作副本的状态与暂存区（index）密切相关；而在 Jujutsu 中，工作副本本身有明确的身份，并且对应着一个提交和一个变更。稍后我会详细解释这一点。

    再运行：

    jj log

    可以看到一份提交历史。乍看之下，它和 git log --oneline --graph 之类的输出差不多，还没有什么特别之处。但请注意，我只是运行了 jj git init，就已经可以在这个仓库里使用 Jujutsu 了。如果查看仓库根目录，原来的 .git 目录、GitHub 相关文件以及其他内容都还在，只是多出了一个 .jj 目录。进入 .jj 后，可以看到其中有仓库数据和工作副本相关目录，这些内容保存着 Jujutsu 自己的内部状态，作用类似于 Git 的 .git 目录。

    关键在于，Jujutsu 理解 Git，并且能够与 Git 协同工作。每当我们通过 Git 做了一些操作，Jujutsu 都可以导入这些变化；反过来，当我们通过 Jujutsu 修改一个由 Git 仓库作为底层存储的项目时，这些变更也会提交到底层 Git 仓库中。

    例如，我创建一个文件：

    touch hello.txt

    然后查看状态：

    jj status

    Jujutsu 会告诉我，工作副本发生了变化，并且新增了一个名为 hello.txt 的文件。这和 Git 的状态信息类似。接下来，我可以给这次变更添加描述：

    jj describe -m "whoa"

    再运行 jj log，就能看到一个新的提交。它位于 Git 提交历史之上，提交说明是 whoa。这正是我们预期的结果。与此同时，我也可以运行：

    git log

    会看到同样的提交，因为刚才的操作已经同步写入底层 Git 仓库。

    不过，Jujutsu 并不只是一个更好用的 Git 命令行界面。首先，Jujutsu 未来会拥有自己的底层存储后端。这意味着，它可以与 Google 的大型单体仓库（monorepo）协同工作——Jujutsu 正是在 Google 开发的；也可以使用自定义后端，例如通过网络与 FUSE 文件系统协作。它还可以使用自己的原生后端，从而支持 Git 本身并不具备的功能。

    即使仍然使用 Git 作为底层存储，我们也能做一些普通 Git 工作流中不容易实现的事情。这是因为 Jujutsu 对版本控制有着不同的理解。尤其重要的一点是：它区分“提交”（commit）和“变更”（change）。

    提交与变更：Jujutsu 的核心模型

    在 Git 中，我们通常主要考虑提交。Git 的底层当然还有其他概念，如果你是 Git 高手，可能也了解这些内部细节，但对日常操作来说，提交通常就是最基本的工作对象。

    Jujutsu 不仅有提交的概念，还有变更的概念。下面通过一个全新的演示仓库来看看它们在实践中意味着什么。

    我先创建一个演示目录，进入其中，并初始化一个仓库。这里先尝试指定 Git 后端：

    jj git init

    如果当前目录还不是 Git 仓库，这样做就会失败，因为它并不是一个现有的 Git 仓库。那么，如果我并不在意底层是不是 Git 仓库，只想直接使用 Jujutsu 呢？当然可以：

    jj init

    现在，我得到的是一个原生的 Jujutsu 仓库。如果查看它的内部目录结构，会发现它和刚才的仓库大体相似。不过，如果进入存储目录，就会看到其中有一个 Git 文件夹。刚才我没有展示这一点，因为当时还不重要。这里的确存在一个 Git 仓库，它与把 .git 目录直接放在项目根目录下所得到的仓库是一样的。

    Jujutsu 允许你采用这种布局，但并不要求你这么做。在与已有仓库互操作时，这种能力很有用。以后我也许会用另一段视频更深入地展示这些内容；今天我只想说明，在需要的时候，Jujutsu 可以创建一个 Git 仓库作为底层存储，但它不必把这个实现细节直接暴露给你，也不必要求 .git 目录出现在项目根目录中。

    接下来创建文件 a.txt，写入内容 hello Jujutsu。然后查看状态：

    jj status

    可以看到工作副本发生了变化。首先介绍一个命令：

    jj describe

    describe 的简写是 desc。现在我给当前工作副本添加说明：

    jj describe -m "add a.txt"

    注意，工作副本仍然对应着同一个变更 ID（change ID）。之前我提到过变更 ID，现在看到的就是它。与此同时，它也有一个提交 ID（commit ID）。此时，我们有了一个代表工作副本状态的新 Git 提交。换句话说，工作副本既是一个提交，也是一个变更。这个设计非常巧妙，因为它意味着我们可以直接在原地持续修改同一个变更。

    在 Git 中，要实现类似效果，通常需要借助暂存区，或者通过 amend 等方式修改已有提交。Jujutsu 不需要我们采用这种方式。比如，在继续做其他事情之前，我再创建一个文件 b.txt，写入 hey JJ，然后再次查看状态：

    jj status

    这时，工作副本的变更 ID 仍然和之前相同，但由于底层 Git 仓库中对应的提交发生了变化，所以提交 ID 已经更新。它仍然只是同一个变更。

    现在我可以意识到，之前设置的提交说明不够准确：这次变更并不只是添加 a.txt，还添加了 b.txt。因此，我可以直接修改说明：

    jj describe -m "add a.txt and b.txt"

    由于 Git 的工作方式，底层 Git 仓库现在又有了一个不同的提交，但 Jujutsu 中的变更 ID 仍然保持不变。

    这正是 Jujutsu 强大之处的一部分：一个变更的历史可以不断演化，而不必把底层 Git 提交视为不可更改的最终记录。Jujutsu 可以持续更新这个变更的状态，并在需要时把旧版本保留下来供追溯。

    追踪变更的演化与恢复操作

    如果我想看看这个变更是如何随时间演化的，可以运行：

    jj obs log

    这里的 obs 是 observation 的缩写。这个命令也许将来会改成类似“evolution log”的名字；社区目前还在讨论这件事。命令输出中有一处高亮内容，它表示识别这个对象所需的最短标识符。在 Jujutsu 的很多操作中，这个标识符甚至只需要一个字母。

    例如，我可以用变更 ID 对应的修订来查看演化历史：

    jj obs log -r <change-id>

    这样就能看到这个变更随时间发生过的变化。输出中的一些版本会被标记为隐藏，因为它们已经不再属于当前有效的变更状态。最初，这个变更只是一个空提交，没有任何文件内容，也没有设置描述；它对应着一个早期标识符。随后，在同一个变更 ID 下，它演化到了后续版本。

    每当我们运行 jj status 或其他 Jujutsu 命令时，Jujutsu 都会对工作副本进行快照。如果底层使用 Git 存储，它也会创建相应的 Git 提交，同时保留同一个变更。因此，你实际上会看到多个 Git 提交，它们分别对应同一变更在不同时间的状态。之后，这些不再需要的提交可以由 Git 的常规垃圾回收机制处理。

    更重要的是，如果我们想恢复其中某一个旧版本，也可以做到。我们能够看到一个变更如何通过这些 Git 提交逐步演化，并且可以在需要时恢复某个历史状态。当你想弄清楚“我刚才到底做了什么”时，这会非常有用。在 Git 中，虽然可以通过 reflog 在一定程度上做到类似的事情，但操作起来并不轻松；而在 Jujutsu 中，这种能力是直接提供的。

    仓库整体也有类似的历史记录。运行：

    jj op log

    这里的 op 是 operation，也就是操作。它会展示整个仓库中发生过的每一次操作。这比 Git 的 reflog 更完整一些。请注意，其中不仅包括提交相关操作，也包括诸如“因为你运行了 jj status，所以对工作副本做了一次快照”，或者“因为你运行了 jj describe，所以更新了这个提交”这样的记录。你所做的每一项操作，都会出现在操作日志中。

    如果想回到操作历史中的某个时间点，可以取得对应的操作修订 ID，然后运行：

    jj op restore <operation-id>

    这样就能恢复到那个操作发生时的仓库状态。我现在不打算这样做，因为我想保留 a.txt 和 b.txt，但这确实是一项非常强大的能力：你可以直接查看仓库的操作历史，并且回到历史中的任意一个时间点，轻松恢复当时的状态。

    这也意味着，Jujutsu 自带一个非常方便的撤销命令：

    jj undo

    它相当于找到最近的一次操作，并恢复到这次操作发生之前的状态。任何操作都可以撤销，包括修改提交说明这样的操作。

    例如，我再运行一次 jj op log，可以看到刚才修改了描述。如果我想撤销这个描述修改，只需输入：

    jj undo

    工作副本就回到了之前的状态：它的描述又变回只添加 a.txt。值得注意的是，这里恢复的是我们之前使用的同一个 Git 提交 ID。底层并没有在这段时间内把它垃圾回收掉，因此我们能够直接回到那个状态。

    再查看操作日志，会发现刚才多了一条 undo 操作。如果我又想撤销这次撤销，因为我希望回到同时包含 a.txt 和 b.txt 的描述状态，也可以像刚才一样使用 jj op restore，恢复到撤销操作之前的那个操作状态。这样，我们就回到了原来的位置。整个操作日志也会相应地显示这次恢复。

    这些能力主要体现在底层机制上。不过，大多数时候，我只是在仓库里提交代码、修改文件，并把工作推进下去。接下来看看更日常的操作。

    拆分变更，创建新的提交

    我再创建一个文件 c.txt，写入 neat JJ is cool，然后运行：

    jj status

    这时我意识到，我并不想让 c.txt 成为当前这个提交的一部分，而是希望把它放进一个新的提交里。

    在 Git 中，我需要使用暂存区来控制哪些内容属于某个提交、哪些内容不属于它。而在 Jujutsu 中，我只需要运行：

    jj split

    这里我使用的是一位贡献者提供的、内置的语义化 diff 编辑器（semantic diff editor）。在编辑器中，我可以把 a.txt 和 b.txt 保留在第一个部分。这个部分的提交说明可以是 add a and b，这和之前的内容一致。然后，我可以为第二个部分添加说明：add c.txt。

    现在，我就得到了两个部分。第一个部分仍然是原来的那个变更，变更 ID 没有变化，但提交 ID 更新了；第二个部分则是一个新的变更。运行 jj log，就可以看到它们之间的关系。

    我经常需要做这种事情。过去，我通常使用 Git 暂存区来完成；而在 Jujutsu 中，我可以一直修改工作副本，直到它达到自己满意的状态，然后输入：

    jj new

    这样就会创建一个新的提交。

    前面我展示过 jj describe。Jujutsu 也有 jj commit 命令，可以像之前那样直接使用一条消息提交。但 jj commit 实际上只是 jj describe 和 jj new 的简写组合。也就是说，我可以在任何时候创建新的提交，也可以在之后单独修改它们的描述。

    例如，假设我现在位于一个新的空提交上，准备继续做一些工作，但我不喜欢当前的描述。我可以运行：

    jj describe -r <revision> -m "add c.txt to the history"

    这里需要指定要描述的修订。只要给出对应的修订标识符，就可以修改那个提交的说明。完成后，Jujutsu 会提示它对一个后代提交进行了 rebase。原因是，我修改了这个提交的父提交。记住，在 Jujutsu 中，@ 符号始终表示当前所在的位置，也就是当前工作副本在仓库历史中的位置。

    再看一下日志，整体结构仍然和之前一样。我现在位于一个空提交上，但它的父提交说明已经被修改为 add c.txt to the history。我还可以给更早的那个提交换一个完全不同的描述，例如把它改成 start it up with a and b。执行后，Jujutsu 会对两个后代提交进行 rebase。也就是说，我只是在提交图中修改了一个较早提交的描述，位于它上方的提交也会随之重新定位。这种操作在 Jujutsu 中很自然；如果使用 Git，通常需要执行 git rebase --interactive，而且过程会更繁琐。

    在历史中移动，并在原地修改提交

    现在我再创建一个文件 d.txt，写入 D，然后运行：

    jj status
jj commit -m "add D"

    这里没有什么特别之处。

    不过，如果我想回到之前的某个提交，并对它进行修改呢？在 Git 中也能做到，但通常需要使用交互式 rebase，再配合 amend、squash 等操作。在 Jujutsu 中，我只需要移动到想编辑的修订：

    jj edit <revision>

    例如，我想给 c.txt 增加一些内容，就可以切换到对应的提交。此时再看仓库状态，@ 表示我当前所在的位置。我只是向后移动到了历史中的一个提交，这并不是什么问题。刚才创建的 D 就不再处于当前工作副本的位置了。

    Jujutsu 会自动把后代提交 rebase 到更新后的工作副本上，因为我们正在原地修改这个变更。它会提示有一个后代提交被重新应用到工作副本上。我们现在编辑的是同一个变更，而不是必须创建一个全新的提交，再手动处理后续历史。这种方式很不一样：在 Git 中，你并不能轻易获得这样的自动 rebase 行为。

    如果我想在两个提交之间再插入一个提交，也同样很简单。我可以运行：

    jj new <revision>

    例如，指定某个提交作为新提交的父提交，就能在它和后续提交之间创建一个新的空提交。Jujutsu 会自动对后代提交进行 rebase。现在我位于这个新创建的空提交上，可以做一些不同的事情：再次创建 d.txt，写入 different way to get D in the repo，然后给这个提交添加描述。

    这样就可能产生一个冲突。问题在于，之前的自动 rebase 已经把一个后代提交重新应用到当前工作副本上，但我们现在又在另一条历史路径中添加了 D。于是，同一个文件在两个提交中都发生了变化。

    我们可以切换到另一个提交查看状态：

    jj edit <revision>
jj status

    这里会出现冲突，因为这个提交也添加了 D。文件中会出现冲突标记。从外观上看，它与 Git 中常见的冲突标记没有太大区别。但有意思的是，Jujutsu 允许我们带着这个冲突继续工作，并不会因此陷入停顿，也不会强迫我们立即解决冲突。

    我完全可以说：“这个问题稍后再处理，我现在还有其他事情要做。”即使当前存在冲突，也可以继续创建新的文件、修改其他内容。例如，我再创建一个 e.txt，然后继续工作。Jujutsu 对这种情况完全没有问题。即使 d.txt 仍然处于冲突状态，我也可以继续向前推进。

    甚至在冲突之后，我仍然可以继续修改这个文件。Jujutsu 不会因此阻止我。查看状态时，d.txt 依然显示为冲突，但我仍然可以继续创建新的提交。之后，我们再回来处理这个冲突即可。

    在不停止工作的情况下解决冲突

    现在我们来解决刚才留下的冲突。大致有两种方式：第一种是直接编辑冲突文件，就像刚才看到的那样；第二种是基于冲突所在的提交创建一个新的提交，在这个新提交中完成修复。

    到目前为止，我运行 jj new 时都没有带参数。实际上，可以给它传入一个修订标识符，这个修订就会成为新提交的父提交。例如，我可以基于之前那个存在冲突的提交创建一个新提交。这样，我就创建了一条分支。

    从 Jujutsu 的角度来看，分支并不是什么特别复杂的东西：我只是创建了一个以某个提交为父提交的新提交，它自然就与原来的提交分开了。现在我已经切换到这个新提交，可以在这里解决冲突。

    最简单的方式就是直接编辑文件，保留冲突两侧都需要的内容，并调整相应的标点。完成后，合并冲突就解决了。再查看状态，这个提交已经没有冲突。

    接下来，我希望把这个解决冲突的提交合并到它的父提交中。如果从 Git 的思路考虑，我可能需要先 squash，再执行 rebase，才能让最终历史变成自己想要的样子。但在 Jujutsu 中，我不需要这么做，只需运行：

    jj squash

    这会把当前提交的内容压入父提交。输出会告诉我，有一个冲突得到了解决。再看提交图，原来那个冲突已经消失了，不过另一条分支或变更中仍然存在冲突。这是因为我之前还在那条路径上给文件添加过一些内容。

    因此，我可以再创建一个基于那条变更的新提交，检查文件内容。这里的状态也是合理的：我们之前确实把一个带有冲突的变更提交了，所以现在仍然能看到一些额外的冲突内容。不过，我可以检查文件，发现实际上只需要保留其中一部分。使用能够理解差异的工具处理这类内容也完全没有问题。现在，我再次解决冲突。

    运行：

    jj status

    可以确认冲突已经解决。接下来仍然可以把当前提交 squash 到父提交中。之前存在的冲突已经得到解决，或者被放弃；如果某些冲突内容不再重要，也可以直接丢弃。现在，仓库里已经没有冲突了。之前为了修复冲突而创建的额外分支也消失了，因为我们把那个额外的空分支提交合并掉了。于是，我们可以继续正常工作。

    这其实很有意思。在 Git 中，这样的操作可能会非常痛苦，也很难处理；而在这里，我们刚刚完成了整个过程。我甚至是用比较困难的方式完成的，因为我直接在 d.txt 里用普通文本编辑器处理了冲突。如果愿意，我也可以使用：

    jj resolve

    配合 diff 编辑器来解决冲突。以后的视频中，我会展示这种方式，也会进一步说明 Jujutsu 在 rebase 场景下还能如何发挥作用。

    总结：版本控制可以更自然

    今天的演示已经差不多有三十分钟了，先讲到这里。最重要的是，希望大家看到：Jujutsu 很有意思，它能够完成一些在 Git 中比较困难的操作，而且整个过程又显得相当自然。它的界面设计不错，创建分支也很容易，之后我们还会继续讨论这些内容。

    总体而言，使用 Jujutsu 的感觉就是很多事情本来就应该如此。等你再回到 Git 时，可能会突然意识到：“等等，我这些年来一直都是这样工作的？”是的，过去确实如此，但其实我们不必一直这样。

    希望这次对 Jujutsu 的深入入门介绍对你有所帮助。之后我还会在某个时候继续制作相关内容。如果你想知道后续视频什么时候发布，可以订阅频道。如果你喜欢这期视频，也请点个赞，并把它分享给其他人，帮助更多人发现这项内容。

    感谢观看。

    Post #3
  • 版本控制 Jujutsu
    深入交流
    Post #2
  • 谷歌 CEO Sundar Pichai：AI 的无限可能、算力短缺与下一代产品形态
    谈笑风生

    Sundar Pichai：AI 的无限可能、算力短缺与下一代产品形态

    我们仍处在这项重大技术变革的早期

    为什么 Google 必须继续站在 AI 前沿？

    我认为，我们现在仍处在有史以来最具深远影响的技术变革的早期阶段。这不是一项尚未真正落地、还停留在实验室里的技术；人们已经在使用它，而且它正在改变工作与生活。对 Google 来说，站在 AI 技术前沿不是阶段性的战略选择，而是公司的基因和长期承诺。我们一直在推动技术边界，从 Transformer 研究一路走到今天，我们不会选择一条只满足于“够用”的道路。

    外界曾经有一种看法，认为 Google 已经放弃了前沿模型，只打算开发速度更快、能力达到一定标准的模型，再把它们整合进产品。这种判断是完全错误的。前沿领域竞争非常激烈，也在快速变化；这恰恰令人兴奋。我对 Argon 的研发成果感到满意。我们没有急于发布，而是花时间进行安全测试，并谨慎部署。考虑到它的能力，我们的发布节奏比其他模型稍慢，但我认为这是值得的。

    Argon 在智能体任务、知识工作、编程和创意任务等多个方面都属于非常优秀的前沿模型。发布后的最初 72 小时内，它的使用量接近 25 万亿 tokens，约为 Gemini 3.0 在发布后最初 72 小时使用量的 3 倍。需求非常旺盛，我们在提供服务时也受到算力容量限制。与此同时，前沿模型没有一个可以一劳永逸的终点：即使一个模型相较两个月前的水平已经全面进步，仍然会有需要改进的局部领域。例如在编程方面，我们已经从用户反馈中看到一些具体问题，也知道哪些地方需要继续提升。

    我并不认为所有产品都必须使用规模最大、能力最强的模型。不同尺寸、不同能力和不同成本结构的模型都有存在价值。我们推出 Flash 等模型，就是因为产品体验需要在能力、速度和成本之间取得平衡。前沿模型往往更慢、成本也更高，因此一些很好的产品体验完全可以由非最前沿模型提供。但 Google 仍会同时追求高能力模型和不同层级的模型，并关注能力与成本之间的 Pareto 最优边界。

    站在前沿的价值，不只是让我们在基准测试中领先，更重要的是能更早看到新能力的出现，从而提前为未来做好准备。我们在消费者业务和企业业务中都有广泛的应用场景；一些云客户明确希望获得前沿模型。前沿模型也可能更擅长开发下一代模型。在递归式自我改进逐渐成为研究方向的时代，这一点尤其重要。我们在内部把前沿模型部署给开发者后，已经看到明显的能力跃迁：它能处理此前模型无法解决的问题。处于前沿，意味着处于创新前沿，也能推动组织自身的创新。

    多智能体、自我改进与 AI 安全

    AI 会如何从单个模型走向多个智能体协同？

    我认为，接下来一个令人兴奋的方向，是多个智能体能够协同完成复杂任务。整个行业一直在研究具有长期执行能力的智能体，但未来的系统不会只是一个模型独自完成所有事情，而会是多个智能体共同工作。无论是消费者还是企业用户，都将能够使用某种多智能体框架，让多个智能体持续运行、分工协作，并在需要时完成任务。这就是为什么我会把当下形容为一个充满无限可能的时刻。

    我们离真正的递归式自我改进还有多远？

    Argon 的研发确实使用了模型帮助开发模型的方式，这也是其中一项重要创新。但需要准确描述我们今天所处的位置：我们距离完全自主、达到最终形态的递归式自我改进仍然很远。现在更恰当的说法是，在模型开发的不同环节中，AI 研究人员与 RSI 循环共同工作；智能体以一定程度的自动化方式帮助研究人员协作构建模型。它不是一个已经脱离人类、能够无限自我迭代的系统。这个方向非常令人兴奋，我预计这种人机协作的连续进展还会在未来一段时间持续发生。

    当模型并不总是完全按照人类意图行动时，安全如何保障？

    我认为，安全与网络安全一样，需要采用纵深防御，而不能只依赖单一措施。模型对齐当然重要，我们投入了大量工作，尽可能让模型的行为与人类意图保持一致。但对齐仍然是一个活跃的研究领域，存在明确的不足和差距。我们不能假设只要完成对齐训练，风险就会自然消失。

    除了对齐，我们还投入大量资源进行实时监控。在模型执行任务的过程中，我们需要获得足够好的遥测信息，理解系统正在做什么；一旦发现意外行为，就能够及时介入。监控本身的架构也很重要：模型应当在沙箱和隔离环境中运行，同时监控机制必须能够实时发挥作用，而不妨碍系统完成合理任务。这些都是我们持续投资的方向。

    部署到企业环境时，客户也必须拥有控制权，包括实时监控能力、决定模型部署位置的权利，以及明确限定模型能够访问哪些数据。我们需要让企业客户决定模型可以接触什么信息、在哪些环境中运行，以及如何监督其行为。安全部署还需要专门分配算力资源，不能把所有计算资源都用于提升模型能力，而忽略测试、监控和安全保障。

    我认为，整个行业需要不断提高标准，投入足够时间把这些工作做好。对风险保持担忧是合理的，关键在于尽早思考还能采取哪些措施。行业已经在增加模型对齐、安全测试等方面的工作；下一步应当推动跨行业标准，建立更一致的评估方式，并引入独立评估机构。我们可以参考金融控制体系：金融行业有会计准则，也有独立审计机构。AI 行业同样需要逐步建立标准和独立评估机制。监管也会在这个过程中发挥作用。

    世界模型、物理理解与通向通用智能的路径

    为什么 Google 同时研究语言模型和世界模型？

    人类并不是只通过语言理解世界。我们会感知周围环境，接收各种输入，并理解物理世界如何运行。因此，我认为让模型理解物理定律、以高保真度模拟世界，是构建智能的重要基础能力。Google 同时推进语言模型和世界模型研究，是因为我们希望探索所有可能推动智能发展的路径，而不是过早地认定只有一种技术路线。

    机器人是一个很直观的例子。Argon 在具身推理基准测试上处于领先水平，这并非偶然，也与我们长期构建世界模型的经验有关。模型如果要在真实世界中行动，就需要理解环境、物体和物理规律，而不仅仅是生成文本。我预计未来会出现能够把这些能力融合起来的架构。但在现阶段，我们希望在智能发展的这条“崎岖前沿”上，尽可能站在各种可能方法的前沿。多条研究路线能够相互促进，帮助我们获得更好的研究成果和洞见，也有助于最终构建更强大的通用人工智能模型。

    算力：长期战略、资源约束与投资取舍

    为什么算力成为 AI 竞争中最稀缺的资源？

    算力是当前 AI 研发中最重要、也最稀缺的资源之一。研究人员通常会认为，计算机越大，能够训练和运行的 AI 就越强。如果把最大的计算资源交给研究人员，即使这会在短期内牺牲云业务等业务的利润，他们也会希望获得尽可能大的计算能力。这种取舍并不容易，因为算力既要支持前沿研究，也要服务客户和现有业务。

    今天我们拥有的算力，很大程度上取决于我在 2024 年作出的决策。回头看，现在不只是 Google，其他公司也都面临算力短缺；每家公司都希望自己当初规划的算力能够再多一倍。AI 技术能力提升得很快，需求也在迅速增长，因此算力规划不可能完全准确。我们需要综合考虑需求信号、底层技术能力、供应情况和长期发展趋势，同时避免仅仅因为眼前需求强烈就做出不负责任的投资。

    我把算力看作长期战略资源。Google 的不同业务有各自独立的经营目标和责任，但公司必须为它们规划长期算力发展路径。云业务团队需要为客户提供服务，也需要有明确的长期算力轨迹；与此同时，前沿 AI 研究需要足够的资源。我们必须在这些目标之间作出安排，而不能只看某个季度的财务结果。对支持前沿 AI 发展所需的投资而言，这是一项长期承诺。

    我也认为，AI 产业正在经历一个非常特殊的建设周期。有人担心数据中心和基础设施会不会过度建设，历史上技术产业确实出现过过度投资的情况，例如光纤建设周期。但我们不能简单地把过去的经验机械套用到今天。当前这项技术已经被广泛使用，技术能力仍在快速提升，需求也在扩张。判断是否建设更多基础设施，需要同时观察需求信号、技术进步和实际利用情况。我们必须保持纪律，既不能因为害怕过度建设而错失长期机会，也不能忽略投资可能带来的成本与社会影响。

    Google 如何在研究、云业务和商业回报之间作出平衡？

    我不会把问题理解为“要么支持研究，要么保护云业务”。Google 必须同时做好这些事情。我们需要让研究人员拥有足够强大的计算资源，也需要为云客户提供可靠的服务，并对不同业务的长期算力需求作出规划。算力分配和投资决策会影响未来数年的竞争位置，因此不能只以短期利润作为唯一标准。

    我知道外界会关注我们是否把算力优先用于自家模型，是否愿意以更高成本向外部购买算力，以及云业务是否因此受到影响。我的基本判断是，算力投资必须围绕长期能力建设展开。我们需要持续投资基础设施，也需要理解市场供需变化，不能假设任何时候都能轻易获得额外算力。今天出现的短缺，正是过去数年规划与当前需求共同作用的结果。

    AI 将如何改变人与计算机的交互界面

    未来的界面还会是搜索框、应用和菜单吗？

    我认为，未来的交互方式会变得更加自然。今天人们使用计算机时，往往必须先知道应该打开哪个应用、点击哪个按钮、输入什么指令。AI 可以改变这种模式。用户不一定要把需求整理成结构化、精确的命令，而是可以像与人交谈一样表达自己的意图，甚至可以先随意描述、边想边说，再由系统理解真正想完成的事情。

    我自己使用这类系统时，也会直接说出尚未整理好的想法，甚至只是把思路讲出来。系统应当能够理解上下文，不要求用户每次都以非常正式的方式提出请求。比如，用户可能希望观看一段视频，也可能希望完成某项工作；系统需要理解用户当下的目标，并在适当的时候提供帮助。理想的体验应当无缝、自然，而不是让用户不断在不同工具和界面之间切换。

    未来的 AI 助手可能会持续在后台工作，并在合适的时机采取行动。用户仍然需要知道系统正在做什么，也需要能够介入、调整和控制任务。我们正在从“人主动操作软件”走向“人表达目标、AI 协助执行”的交互方式。多智能体系统将使这种变化更加明显：不同智能体可以在后台处理不同任务，而用户通过统一的界面了解进度并作出决定。

    Google 的既有产品能否适应 AI 原生的交互方式？

    这是 Google 必须认真面对的问题。OpenAI 等 AI 原生公司给整个行业带来了很大的推动，也迫使 Google 作为一家公司加快思考和行动。关键不只是把一个聊天框放进现有产品，而是重新思考用户如何完成任务，以及搜索、Gmail、地图和其他产品表面如何协同工作。

    我不认为传统产品和 AI 原生产品之间只能二选一。Google 拥有广泛的产品组合、用户基础和服务场景，这些产品可以成为 AI 能力触达用户的重要入口。但我们也必须适应智能体时代，重新设计产品体验。某些功能会以独立服务的方式存在，某些能力则会融入现有产品；重要的是让用户在不同场景中获得连贯、统一的体验，而不是被迫理解 Google 内部不同产品和系统之间的边界。

    从软件开发者的使用方式可以看到这种变化。今天，开发者已经不再希望完全按照过去的方式逐行编写所有代码；AI 能够参与复杂任务，帮助人们提高效率。类似的变化也会发生在普通消费者的工作流中。AI 界面会创造新的价值，但这并不意味着现有产品的价值会立刻消失。未来一段时间，市场会同时存在新的 AI 原生体验，以及对既有产品的持续改造。

    我们希望 Gemini 成为跨产品体验的重要组成部分。用户会在 Gemini 应用中使用这些能力，也会在 Google 的不同产品和服务中接触到它们。我们的目标是让 Gemini 能够处理更复杂的智能体任务，并在不同界面之间提供一致的体验。相关能力会由更先进的模型提供支持，而不是局限于单一聊天窗口。

    Gemini、Muse、Dots 与未来的智能体产品

    用户未来会怎样使用持续工作的 AI 智能体？

    我认为，消费者和企业用户最终都会获得某种多智能体框架。多个智能体可以持续工作、分工处理任务，并在需要时与用户沟通。它们不是只在用户输入一句话后给出一次回答，而是能够围绕一个目标持续推进工作。用户可以在适当的时候介入，检查任务状态、修改方向或批准下一步行动。

    这也意味着产品形态不会只由单一应用决定。Gemini 可以成为用户接触智能体能力的重要入口，但不同能力也可能分布在其他产品和服务中。我们要做的是把这些体验组织起来，使它们能够在用户需要的地方发挥作用，而不是要求用户自己理解背后的模型、智能体和基础设施。

    访谈中主持人询问 Google 的 Muse 或 Dots 产品进展。我的回答重点是，未来用户——无论消费者还是企业——将能够使用多智能体框架，让智能体持续执行任务。这一方向体现了 AI 产品从单轮问答走向长期任务执行的变化。字幕没有提供 Muse 或 Dots 的具体发布日期、功能清单或商业化细节，因此不能据此推断尚未公布的产品安排。

    与 Apple 的合作及 AI 生态

    Google 如何看待与 Apple 的 AI 合作？

    访谈谈到 Google 与 Apple 的合作，以及 Apple 如何把外部 AI 能力整合进自己的产品。我的态度是，这类合作对双方都有意义。Apple 在产品体验和生态整合方面做得很好；通过合作，相关模型和技术可以帮助 Apple 改善 Siri 等体验。主持人进一步询问双方是否会开展更多合作，但这段字幕没有给出明确的新增合作承诺，也没有披露具体合作范围之外的安排。

    从行业角度看，AI 能力不会只存在于某一家公司的应用中。不同平台和产品会以不同方式整合模型、智能体和云端服务。对用户而言，重要的是这些能力能否真正改善产品体验，而不是用户必须关心背后由哪家公司提供了哪一层技术。

    太空数据中心与长期基础设施布局

    为什么 Google 会考虑把数据中心送入太空？

    我认为，很多技术在刚开始时看起来像科幻，但经过十年到二十年的持续投入，就可能变成有实际意义的技术。Waymo 就是一个例子：从早期看起来非常超前的技术探索，到后来逐步成为能够在现实世界运行的系统。量子计算也是类似的长期投入方向。我们在量子领域已经投入了很长时间，访谈中我提到这段旅程大约已经持续近二十年。

    太空数据中心是另一个长期方向。我们在这方面的探索大约开始了两到三年。我认为，未来把计算基础设施部署在太阳同步轨道上可能具有合理性，因为这样能够持续获得太阳能，也就是我们能够利用的最丰富能源之一。随着 AI 对算力的需求呈指数级增长，长期来看，能够 24 小时持续获得能源的轨道环境可能会变得有吸引力。

    当然，这是一项非常有挑战性的工程。团队为项目设定了有纪律的阶段性里程碑。把 TPU 送入太空是其中一个令人兴奋的重要节点。访谈录制时，我们预计这些 TPU 即将迎来一个类似“Hello, World”的首次成功运行时刻。我期待看到这一进展，也会继续在这一方向投入。

    这并不意味着太空数据中心会立刻替代地面数据中心。它是面向长期算力需求的多项探索之一。我们需要评估工程可行性、能源优势、部署成本和运行可靠性，并按阶段推进。

    AI 对 Google 内部软件开发的影响

    AI 已经在多大程度上参与 Google 的代码开发？

    此前我曾提到，Google 内部约有 25% 的代码由 AI 编写。现在，单纯用这个比例衡量 AI 的影响已经没有太大意义，因为我们触及的几乎每一部分代码，都已经深度受到 AI 的影响。更值得关注的是，AI 是否让工程师能够承担过去难以完成的复杂项目，以及最终的软件质量是否得到改善。

    以 Argon 为例，我们观察到一个明显的拐点：工程师开始使用它处理复杂项目，其中包括影响数百万行代码的项目。Argon 发布后的四周内，我们看到销售额提高了 30%；更重要的是，回滚数量也出现了幅度接近三分之一的下降。也就是说，工程师不仅能够更高效地编写代码，而且产出的代码质量也在改善。

    因此，我们正在使用更新的指标来跟踪 AI 对工程工作的影响，而不是只统计有多少代码由 AI 生成。生产效率、项目复杂度、代码质量和回滚情况，能够更全面地反映 AI 工具是否真正改善了软件开发。

    数据中心建设、社区责任与能源成本

    面对数据中心建设引发的社区担忧，Google 应当怎么做？

    我们非常重视以负责任的方式建设数据中心。我走访过一些 Google 长期运营大型数据中心的社区，也会与当地居民交流。有些居民会告诉我们，他们的孩子因为 Google 在当地的投资而有机会上大学。我们与这些社区共同成长，这说明数据中心投资能够带来就业、教育和其他长期收益。但这并不意味着建设项目可以忽略当地居民的担忧。

    我认为，关键是从项目早期就与社区沟通，保持透明，并认真理解项目对周边地区的影响。对于这些项目，我们承诺带来新增电力，并承担项目所需电力的 100% 成本。我们还需要尽早了解社区和邻里受到的影响，与当地居民合作解决问题，而不是等到数据中心建成、争议出现后才开始回应。

    如果能够以正确的方式推进，数据中心建设与社区发展并不必然冲突。但行业不能假设所有企业都会采取相同做法。居民突然发现大型数据中心建在自家后院附近，感到惊讶或担忧，是完全可以理解的。整个行业都应当在沟通、透明度和责任落实方面做得更好。

    从长期角度看，太空数据中心等探索也与基础设施选址有关。未来我们需要更多数据中心，而把它们放在不同环境中，可能会带来不同的成本、能源和社区影响权衡。但这类长期探索不能成为今天忽视社区责任的理由。

    AI 研究中的其他关键突破方向

    除了更大的模型，Google 还在押注哪些研究方向？

    我们并不是只押注一种技术路线，而是在多个方向同时投入。Argon 支持一百万个输出 tokens，是其中一个值得注意的进展。早期 Gemini 模型在输入侧实现了一百万 token 的上下文窗口，也体现了我们持续推进长上下文能力的努力。

    除此之外，我们还在研究合成数据、持续学习和更高效的模型架构。持续学习关注的是模型发布后能否继续更新和学习，而不是每次会话结束后就失去此前积累的能力。更高效的架构则有助于在有限算力条件下提升模型能力和运行效率。世界模型也是我们持续投入的方向之一。

    我们会把有意义的一部分算力专门用于这些研究押注。它们与主线模型开发并不是彼此割裂的：研究过程中出现的想法，有时会逐渐成熟，并最终进入主线模型。因此，即使某些探索尚未成为公开产品，也可能对后续模型能力产生重要影响。我们会在这些方向上同时进行多项尝试。

    技术乐观主义：创新必须服务于人类

    如何在承认风险的同时，继续对技术进步保持乐观？

    我对技术进步抱有深刻的信念，因为从我个人的人生经历来看，技术进步以及技术可及性的提升，确实能够改善人们的生活。这种亲身经验构成了我乐观态度的基础。但我从来不认为，技术乐观主义意味着想做什么就做什么，也不意味着只要建造出某种技术，社会就一定会自动从中受益。

    人类始终需要努力驾驭技术，让技术以正确的方式服务社会。我们必须把技术建设放在人类福祉的框架下，努力让人的处境变得更好。这应当成为我们开发和部署技术时最重要的目标。真正的乐观主义不是盲目乐观，而是在认识风险、认真解决问题的同时，相信技术能够带来进步。

    主持人以萨尔瓦多的一个城镇为例：五年前，当地曾经对比特币和区块链充满热情，建设活动一度十分繁荣，但后来发展没有达到人们的预期。再次访问时，那里已经像一座鬼城，留下许多未完工的建设项目。这个例子说明，创新需要下注，也需要乐观，但投资并不总会按预期兑现，失败还可能给社区带来真实后果。对此，我的看法是，技术发展需要承担风险，但更需要明确我们究竟在为谁建设、希望解决什么问题，以及如何让技术真正改善社会。

    我认为，我们现在仍处于未来进步的非常早期阶段。人们经常谈到医疗保健等领域，但大量影响可能还在前方。技术有机会从根本上降低许多事物的成本，尤其是那些长期以来持续变得越来越昂贵的领域；它也有机会帮助人类发现新材料，并从根本上改变某些行业的发展曲线。今天我们很难完全理解这些变化最终会有多深远，但我相信它们会产生非常重大的影响。

    与此同时，我们必须正当地担忧技术可能出错的各种方式。正是认真对待这些担忧，才能推动我们找到解决办法。乐观与谨慎并不矛盾，而是必须同时存在：我们要相信技术能够改善人类生活，也要对潜在风险保持清醒，并投入足够的工作来处理它们。

    结语：无限可能伴随着责任

    我对 AI 的未来非常乐观，因为我们才刚刚开始看到这项技术能够带来的变化。前沿模型、多智能体协作、世界模型、持续学习、更加自然的交互界面，以及新的计算基础设施，都可能推动下一阶段的进步。但这些进步不会仅凭模型能力增长而自动变成社会价值。我们必须同步做好安全研究、独立评估、企业控制、基础设施建设和社区沟通。

    对 Google 来说，真正重要的不是单纯追求更大的模型或更多的算力，而是持续推动技术前沿，并把技术转化为能够改善人类处境的产品和服务。我们需要保持创新的雄心，也需要承担与之相匹配的责任。技术乐观主义只有在服务于人类、认真面对风险并努力让社会从中受益时，才具有真正的意义。

    Post #2
  • 【科学经典】费曼讲座合集 文字稿
    谈笑风生

    P1P2 科学方法

    物理定律的特征：物理学与数学的关系，以及科学的方法

    面对听众的挑战

    今晚我能看到观众席了，所以我也能从人数上判断出来——上一次我眼前只是一片黑压压的影子——今晚一定有许多在座的朋友对物理学并不十分熟悉，也有不少对数学不太精通，我毫不怀疑，其中还有一些人既不懂物理也不懂数学。这对一个要讲"物理学与数学的关系"的演讲者来说，确实构成了相当大的挑战。不过，这个挑战我并不会接受。我发表这个演讲的题目时，用的是清晰明确的语言，我没有把它包装成它并不是的东西。题目就是"物理学与数学的关系"，如果你发现在某些地方需要一点物理学或数学的基础知识，我也没办法。

    数学在复杂情境中的应用

    在思考数学对物理学的应用时，我们很自然地会想到：当涉及大量数字和复杂情况时，数学就会非常有用。举例来说，如果我们去看生物学，一个病毒对一个细菌的作用，如果你在显微镜下观察，那完全是非数学的、杂乱无章的抖动。病毒在这个奇形怪状的细菌上找到某个位置——每个细菌的形状都不一样——找到某个点，也许它把 DNA 推进去了，也许没有，诸如此类。然而，如果我们对数以百万计、数十亿计的细菌和病毒做实验，那么通过取平均值、处理大量数据，我们就能学到很多关于病毒的知识。我们可以利用求平均过程中涉及的数学，看看病毒是否在细菌体内发育出了新的菌株，比例是多少，由此我们可以研究遗传学、突变等等。

    再举一个更简单的例子。你想象一块巨大的棋盘，用来下跳棋或者西洋跳棋。如果棋盘非常大，那么任何一步的实际操作并不是数学性的，它非常简单。如果是数学性的话，棋子要么往这边走，要么往那边走，沿着对角线走，或者到达底线变成王，然后可以往后走。换句话说，规则的表述非常简单，并不真正涉及任何数学。但是你可以想象，在一块巨大的棋盘上，有非常多的棋子，对最佳走法、好走法或坏走法的某种分析，也许可以通过一种深层的推理来完成，需要有人先离开去深入思考一番——那就变成了数学，那种抽象的推理。

    再举一个例子，计算机中的开关。如果你只有一个开关，它要么是开的，要么是关的，这没什么数学可言，尽管数学家喜欢从这里开始他们的数学。但是，当所有的互连和线路都考虑进来，要弄清楚一个非常大的系统会怎样运作，那就需要数学了。

    我想立刻说明一点：数学在物理学中有一个最主要的应用——当然它的应用非常广泛——那就是在讨论复杂情况中的详细现象时。给定游戏的基本规则，数学在复杂情境中有着巨大的应用。如果我只谈数学与物理的关系，我会把大部分时间花在这上面。但既然这是一个关于物理定律特征的系列讲座，我没有时间去讨论数学在物理学中用于计算复杂情况的应用。我们直接转向另一个问题——基本定律的特征。

    基本定律中的数学

    如果我们回到跳棋的比喻，基本定律就是棋子移动的规则。数学可以被应用于复杂的情况，以弄清楚下一步该怎么走、在复杂局面中什么是好棋。但基本定律的简单特征只需要非常少的数学。

    然而，物理学中奇怪的事情是：对于基本定律，我们仍然需要数学。我举两个例子，一个其实不太需要数学，另一个则需要。

    物理学中有一个叫做法拉第定律的规律，它说的是：在电解中，沉积的物质量与电流以及电流作用的时间成正比。也就是说，物质量与通过系统的电荷量成正比。这听起来很数学化，但实际上发生的事情是：通过导线的每个电子都携带一个单位的电荷。举一个具体的例子，也许沉积一个原子需要一个电子过来，那么沉积的原子数就必然与流过的电子数成正比，也就是与通过导线的电荷量成正比。所以，这个看起来具有数学形式的定律，其基础并不需要真正深刻的数学知识——只不过是一个电子对应一个原子，使它能够沉积下来。这并不深刻。这确实是数学，我不得不说"数字一"，但这不是我今晚要谈的那种数学。

    牛顿引力定律的数学性

    另一方面，如果我们看牛顿的万有引力定律，它有这样一些特征，我上次已经写下来了，只是为了让你们感受数学符号传达信息的速度。我们说过，力与两个物体质量的乘积成正比，与它们之间距离的平方成反比。物体受到力的作用后，会改变速度或改变运动方向，改变的量与力成正比，与质量成反比。好了，用文字说出来也没问题，我并没有写方程。但它仍然是某种数学性的东西。我们会疑惑：这怎么能是基本定律呢？那边那颗行星是怎么做的？它看着太阳，看看有多远，然后决定用它内部的计算器算出距离平方的倒数，然后据此决定自己该移动多少？这当然不是对引力机制的解释。

    所以你也许会想进一步探究，确实有各种人尝试过进一步探究。牛顿最初被质疑说：这没有任何意义，它什么也没告诉我们。他回答说：它告诉你天体是怎么运动的，这就够了。我告诉了你它怎么运动，而不是为什么。但人们往往不满足于没有机制的解释。

    粒子轰击模型的尝试与失败

    我想描述一种理论，它是人们发明的众多解释之一，也许你自己也想过。每隔一段时间，就会有某个学生兴冲冲地跑进来，突然解释了引力。他说：假设世界上到处都有大量粒子以极高的速度飞过我们，它们从各个方向均匀地射来，不断地穿过我们，偶尔会撞击我们，对我们进行轰击。但我们和太阳对它们来说几乎是透明的——几乎透明，但总有一些会撞上来，所以并不是完全透明的。

    看看会发生什么。如果太阳在这里，地球在那里，那么如果太阳不存在，粒子就会从四面八方轰击地球，给予微小的冲量——那些少数撞上的粒子噼里啪啦地撞击——但不会使地球朝任何特定方向移动，因为从一边来的和从另一边来的、从上面来的和从下面来的，数量一样多。然而，当太阳在这里的时候，从这个方向来的粒子有一部分被太阳吸收了，因为有些粒子撞上了太阳，穿不过去。因此，从这个方向朝地球来的粒子数量，比从另一边来的要少，因为那边没有太阳阻挡。经过一番思考，你很容易看出：太阳越远，在所有粒子可能来的方向中，被挡住的粒子所占的比例就越小——也就是说，太阳的视尺寸越小，实际上与距离的平方成反比。因此，地球会受到一个朝向太阳的冲量，这个冲量与距离的平方成反比，而且是大量非常简单的操作的结果——只是一个接一个地从各个方向撞击。这样一来，数学关系的奇怪性就会大大减弱，因为基本操作比计算距离平方的倒数要简单得多。这台"机器"做了计算——这些粒子只是在那里弹跳。

    唯一的麻烦是，它行不通。由于其他原因，它行不通。你编造的每一个理论都必须对照所有可能的后果来分析，看看它是否还预测了别的什么。这个理论确实预测了别的东西：如果地球在朝这个方向运动，那么从前面撞击它的粒子就会比从后面撞击它的多。就像你在雨中奔跑，雨从前面打在你脸上的比打在后脑勺的多，因为你是在迎着雨跑。所以当地球朝这个方向运动时，它是在迎着粒子跑，而逃离从后面追上来的粒子，因此从前面撞击它的粒子比从后面的多。而且只要有任何运动，就会有一个横向的力。这个横向力会使地球在轨道上减速，地球肯定不可能持续围绕太阳运转至少三四十亿年。所以，这个理论到此为止了。

    你会说："这倒是个好理论，它暂时摆脱了数学。也许我能发明一个更好的。"也许你能，因为没有人知道最终答案。但直到今天，从牛顿时代起，没有人发明出另一种关于这个定律背后的数学机制的理论描述，它要么只是在用不同的方式说同样的事情，要么让数学变得更复杂，同时还不会预测出错误的现象。我的意思是，有些理论确实做到了，但就像这个模型一样，它预测了不真实的东西。所以，到今天为止，除了数学形式之外，没有引力理论的其他模型。

    数学在物理定律中不可避免

    如果只有这一个定律具有这种特征，那会很有趣，也有点恼人。但事实是，我们研究得越多，发现的定律越多，对自然挖掘得越深，这种"病"就越严重——我们的每一个定律都是一个纯粹的数学陈述，而且是用相当复杂和深奥的数学来表达的。牛顿引力定律是相对简单的数学，随着我们深入，数学变得越来越深奥、越来越困难。为什么会这样，我一点头绪都没有。我在这个讲座中的目的只是告诉你们这个事实。换句话说，我这个讲座的目的实际上是解释为什么我无法让你们满意——如果你们不太懂数学的话，我没办法用任何其他方式来解释自然。这个讲座的重担就在于此：告诉你们一个事实，即不可能真正诚实地迎接这个挑战——用一种让人能感受到自然定律之美的方式来解释，而听众却没有对数学的深刻理解。很遗憾，情况似乎就是如此。

    数学不仅仅是语言

    你也许会说："好吧，那就不解释定律了，至少告诉我定律是什么。为什么不用文字而用符号来告诉我？数学只是一种语言，我想翻译这种语言。"事实上，我可以翻译，而且凭借耐心，我想我部分地做到了。我可以再进一步，解释更多细节，比如"如果距离是两倍远，力就是四分之一"等等，可以把所有这些都转换成文字。换句话说，我会对外行很友好，他们满怀希望地坐在那里，期待你能解释些什么。不同的人因为向外行解释这些深奥主题的技巧不同而获得不同的声誉。外行然后一本又一本地寻找书，希望避开即使最好的阐述者最终也无法避免的复杂性。他读着读着，发现越来越混乱，一个复杂的陈述接着另一个，一个难以理解的东西接着另一个，所有这些东西显然彼此之间毫无关联，变得越来越晦涩。他希望也许在另一本书里会有某种解释。"那个人几乎快说清楚了，也许另一个人能说清楚。"我不认为这是可能的，因为还有另一个特征：数学不仅仅是一种语言。数学是语言加上推理，就像语言加上逻辑。数学是一种推理工具，它实际上是一大堆某个人仔细思考和推理的结果。通过数学，可以把一个陈述与另一个陈述联系起来。

    例如，我可以说力是朝向太阳的。我也可以告诉你，正如我之前所说的，行星的运动方式是：如果我画一条从太阳到行星的线，然后在某个固定的时间间隔后——比如三周后——再画一条，行星扫过的面积与下一个三周扫过的面积完全相同，再下一个三周也一样，如此循环。现在，我可以仔细地向你解释这两个陈述，但我无法解释为什么它们是同一回事。所以，如果你不欣赏数学，你就无法看到：自然中大量看似极其复杂的事实，以及所有那些奇怪的定律和规则——每一个都已经仔细地向你解释过了——实际上是紧密交织在一起的，逻辑允许你从一个推出另一个。

    等面积定律的几何证明

    也许难以置信，我能证明如果力朝向太阳，那么相等的时间就会扫出相等的面积。如果我可以的话，让我来展示一个证明，让你们看到这两件事确实是等价的，这样你们就能体会到，仅仅陈述两个定律是不够的——两个定律是相互关联的，仅凭推理就能从一个推出另一个。数学是有组织的推理，知道如何做这件事是好的，这样才能欣赏陈述之间关系的美。

    好，我来证明：如果力朝向太阳，那么相等的面积在相等的时间内被扫出。我们开始。这是太阳，我们想象在某个时刻，比如行星在这里，它以某种方式运动，比方说一秒后——或者一个小时，随便选什么时间——比方说一秒后，它移动到了位置二。如果太阳不对它施加任何力，那么根据伽利略的原理，它会继续沿直线运动。所以在下一个相同的时间间隔内，下一个一秒，它将移动完全相同的距离，沿同一条直线，到达位置三——如果没有力的话。

    好了，首先我们要证明，如果没有力，相等的面积在相等的时间内被扫出。我提醒你们，三角形的面积是底乘以高的一半，高是到底边的垂直距离。如果三角形是歪的——有个名字，我忘了——钝角三角形——那么高就是这个垂直高度。

    现在让我们画到这两个点的连线。在没有力的情况下，问题是：这两个面积相等吗？考虑由太阳和点一、点二构成的三角形，就是这个。它的面积是这个底边乘以这个高。那么另一个三角形呢？就是从二到三的运动三角形，是这个底边乘以同一个高。两个三角形有相同的高，而且正如我所指出的，有相同的底边，因此有相同的面积。到目前为止很好：如果太阳没有施加力，相等的面积在相等的时间内被扫出。

    但太阳确实施加了力。在从一到二到三的这个间隔中，太阳在拉扯，改变运动方向——这个方向、那个方向。为了对此做一个好的近似，我们取中间位置或平均位置，说在整个间隔中，全部效果是使运动在朝向太阳的方向上改变了某个量。这意味着，虽然粒子本来在朝这个方向运动，本来会在下一秒朝这个方向运动，但由于太阳的影响，运动被改变了一个量，这个改变朝着这个方向——平行于从位置二到太阳的连线。这些线是平行的。新的运动是我本来要做的运动和太阳作用引起的变化的合成。所以它实际上并没有到达位置三，而是到了位置四。

    现在我们要比较三角形二 - 四-太阳和二 - 三-太阳。我要证明它们是相等的，因为它们有相同的底边。这两个三角形——没有力的那个和有力的那个——有相同的底边。它们有相同的高吗？当然有，因为它们被包含在平行线之间。所以它们有相同的高，因此我最后画的那个三角形的面积和我画的第二个三角形——二、三、太阳——的面积相同，而我之前已经证明了那个面积等于第一个。所以在行星的实际轨道运动中，第一秒和第二秒扫过的面积是相等的。通过推理，我们可以看到力朝向太阳这个事实与面积相等之间的联系。

    不巧妙吗？不，这是我从牛顿那里借来的，直接出自《自然哲学的数学原理》，图都是一样的，只是字母不同，因为他用拉丁文写，这些是阿拉伯数字。

    从几何推理到解析方法

    顺便说一下，牛顿把他的证明做成像这样的几何形式，他书中的所有证明都是这种几何类型的。今天我们不再使用那种推理方式了，我们使用一种带有符号的解析推理。这种几何推理需要一种灵巧性——要画出正确的三角形，注意到面积，想出怎么做，你必须聪明。但分析方法已经有了改进，所以你可以更"笨"一些，写得快得多，效率高得多。我只想展示一下用更现代的数学符号写出来是什么样子，你只需要写很多符号就行了。

    首先，我们想讨论面积变化的速度，我们用 dA/dt 来表示。面积变化是因为——当半径在扫动时——是速度在垂直于半径方向上的分量乘以半径，告诉我们面积变化的速度。这就是径向距离乘以速度（即距离的变化率）的垂直分量。现在的问题是，面积变化率本身是否变化。原则上它不应该变化，面积的变化率不应该变化。所以我们对它再求一次导数。那些点不是关于把点放在正确位置的小技巧——那只是你必须学的一些规则，是人们发现的一系列非常强大的规则。这个表达式说的是：速度在垂直于速度方向上的分量——没有这样的分量，因为速度在自身方向上——而加速度，即速度的导数，等于力除以质量。所以这个表达式说的是：面积变化率的变化率等于力在垂直于半径方向上的分量。但如果力在半径方向上——正如牛顿所说——那么垂直于半径方向就没有力，这意味着面积变化率不变化。

    我只是想展示不同符号系统的区别。牛顿或多或少知道怎么做这些，用的是稍微不同的符号，但他把所有东西都写成几何形式，因为他试图让人们能读他的论文。他发明了微积分，也就是这种数学，这是数学与物理关系的一个很好的例证。当物理学中的问题变得困难时，我们常常可以求助于数学家，他们已经研究了这样的问题，已经对这样的项目进行了推理，为我们准备好了一条推理的路线可以遵循。另一方面，他们也许没有准备好，那样我们就必须发明自己的推理路线，然后它会传回数学家那里。因为任何对任何事物进行仔细推理的人，都是在为"当你思考某件事时会发生什么"的知识做出贡献。如果你把它抽象出来，送到数学系，他们会把它放进书里，作为一个数学分支。

    数学作为连接各种陈述的工具

    数学是从一组陈述走向另一组陈述的方式。它在物理学中显然是有用的，因为我们有所有这些不同的谈论事物的方式，它允许我们推导结果、分析情况、以不同方式重新表述定律，并把各种陈述联系起来。事实上，一个物理学家所知道的总量其实很少，他只需要记住从一个地方到另一个地方的规则，他就能做到。换句话说，关于等面积、力在半径方向等等的各种陈述，都通过推理相互联系着。

    巴比伦传统与希腊传统

    现在出现了一个有趣的问题：是否有某种模式？是否有一个起点——基本原理——可以推导出整个体系？或者说，自然中是否有某种特定的模式或秩序，使我们能理解哪些是更基本的陈述，哪些是更派生的陈述？

    有两种看待数学的方式，为了这个讲座的目的，我称之为"巴比伦传统"和"希腊传统"。在巴比伦的学校里，学生学习数学的方式是做大量的例子，直到他领悟了一般规则。大量的几何知识也被掌握了——圆的很多性质、毕达哥拉斯定理、立方体和三角形的面积公式等等——也有一些推理可以从一个东西到另一个东西。数值量的表格也是可用的，所以你可以解复杂的方程。一切都为计算准备好了。但欧几里得发现了一种方法，可以把所有几何定理从一组特别简单的公理中排列出来，你们肯定都熟悉那种几何。

    巴比伦的态度是——我所说的"巴比伦数学"的方式是——你知道所有这些不同的定理以及它们之间的许多联系，但你从未真正意识到它们都可以从一堆公理中推导出来。现代数学——最现代的数学——集中于公理和在非常明确的框架内的证明，有关于什么可以接受为公理、什么不可以接受的惯例。例如，在几何中，取欧几里得公理的某种修正版本使之更完善，然后展示系统的推导。例如，毕达哥拉斯定理——三角形各边上的正方形面积之和等于斜边上的正方形面积——不应该是一条公理。另一方面，从笛卡尔的几何观点来看，毕达哥拉斯定理就是一条公理。所以我们要担心的第一件事是：即使在数学中，你也可以从不同的地方开始，因为所有这些不同的定理都通过推理相互联系着。

    没有真正的方法说"这些在最底下是基础，这些通过逻辑连接在上面"，因为如果你被告知的是这一个而不是那一个，你也可以把逻辑反过来推。这就像一座有很多构件的桥，它是过度连接的——如果有几块掉出来了，你可以用另一种方式重新连接。今天的数学传统是从某些特定的公理开始，这些公理由某种惯例选定，然后从那里构建起整个结构。巴比伦的方式——我说的并不真的是巴比伦的——是说：我碰巧知道这个，碰巧知道那个，也许还知道那个，我从那里开始推导出一切。明天我忘了这个是对的，但我记得那个是对的，然后我重新构建。我从来不确定该从哪里开始、在哪里结束。我只是始终记住足够多的东西，这样当记忆消退、碎片掉落时，我就把东西重新拼凑起来。每一天都是如此。

    从公理出发的方法在获取定理方面并不是高效的。在几何中解决问题时，如果你每次都要回到公理，效率就不高。但如果你记得几何中的几样东西，你总是可以到达别的地方，用另一种方式效率要高得多。最好的公理与最有效的周游方式从来不完全相同，事实上从来都不相同。

    在物理学中，我们需要巴比伦方法，而不是欧几里得或希腊方法。让我说说为什么。欧几里得方法的问题是要使公理变得更有趣或更重要。但我们的问题是：在引力的情况下，说力朝向太阳是更好的公理，还是说相等的面积在相等的时间内被扫出是更好的公理？从一个角度看，力更好，因为如果我陈述力是什么，我就可以处理一个有许多粒子的系统，其中轨道不再是椭圆——因为粒子之间的相互拉扯——等面积定理就失效了。因此我倾向于把力定律作为公理而不是另一个。

    角动量守恒

    另一方面，等面积原理可以被推广。当有大量粒子的系统时，它变成另一个定理。我本来准备解释的，但我看到时间快不够了。不过有一个陈述比等面积等时间更一般一些。让我说说它是什么。说起来相当复杂，也不像等面积那么漂亮，但它显然是等面积原理的"后代"。

    如果你看着所有这些粒子——木星、土星、太阳和所有这些东西——围绕许多恒星运转或者不管它们是什么，全部相互作用的。从远处看，投影在一个平面上，就像这张图片一样。然后一切都在运动，这个朝这个方向动，那个朝那个方向动，等等。然后取任何一个点——比方说这个点——然后计算每一个粒子扫出多少面积，到每个粒子的半径扫出多少面积，然后把它们全部加起来。但是等等——那些质量更重的粒子贡献更大。如果这个的质量是那个的两倍，那么这个面积就算两倍多。

    这就是在"扫动"，所有这些的总和在时间中不变化。这就是另一个定律的显然推广。顺便说一下，这个总和叫做角动量，这叫做角动量守恒定律。"守恒"只是意味着它不变化。

    这个定律的一个结果——只是为了展示它有什么用——想象许多恒星落在一起形成一个星云、一个星系。当它们靠近时，如果它们原来在很远的地方，运动很慢，所以只有很少的面积在很长的臂上被产生——到中心的距离很长。然后如果这些东西落进来，到中心的距离变短了。如果所有恒星现在都靠近了，这些半径变小了，为了扫出相同的面积，它们必须运动得更快。所以当这些东西落进来时，它们会旋转起来，这样我们就能大致理解旋涡星云的定性形状。也可以用完全相同的方式理解滑冰运动员的旋转——当你开始时腿伸出去，转得慢，当你把腿收进来，转得更快。因为当腿伸出去时，它在缓慢运动中每秒贡献一定面积，然后当它收进来时，为了获得相同的面积，你必须转得更快。但我没有为滑冰运动员证明这一点——滑冰运动员用的是肌肉力量，引力是不同的力——但这对滑冰运动员也是对的。

    定律超越其推导

    我们现在有一个问题：我们常常可以从物理学的一部分——比如万有引力定律——推导出一个原理，而这个原理被证明比推导本身要广泛得多。这在数学中不会发生——定理不会出现在它们不该出现的地方。换句话说，如果我们说物理学的公设是万有引力定律，我们可以推导出角动量守恒，但只限于引力。然而我们通过实验发现，角动量守恒是一个范围大得多的事情。牛顿有其他公设，从中可以得到更一般的角动量守恒定律，但牛顿定律是错的——没有力，那都是一堆胡说，粒子没有轨道，等等。然而，这个关于面积的原理的精确推广——角动量守恒——在量子力学中的原子运动中是对的，据我们今天所知，它仍然是精确的。

    所以我们拥有这些宽泛的原理，它们横扫所有不同的定律。如果一个人太认真地对待他的推导，觉得这个原理只在那个定律有效时才有效，他就无法理解物理学不同分支之间的相互联系。也许有一天，当物理学完备了，也许通过这种论证，我们知道了所有的定律，然后我们可以从某些公理开始——毫无疑问，会有人想出一种特定的方式来做这件事，然后所有的推导都会被完成。但在我们还不知道所有定律的时候，我们可以用一些定律来猜测超越证明范围的定理。

    所以，为了理解物理学，一个人必须始终在头脑中保持所有各种命题及其相互关系的精妙平衡，因为定律常常超越其推导的范围。只有当所有定律都被知道之后，这才不再重要。

    引力定律的三种等价表述

    数学与物理之间另一个有趣的事情是——一件非常奇怪的事情——通过数学论证，你可以证明你可以从许多不同的看似不同的起点出发，得到同样的结果。如果你有公理，这很清楚，你可以用一些定理。但实际上，物理定律是如此精妙地构造的，它们的陈述具有如此定性上不同的特征，这非常有趣。

    如果你们允许的话，我要用三种不同的方式来陈述万有引力定律，它们结果是完全等价的，但听起来完全不同。

    第一种是物体之间的力，如前所述。每个物体感受到作用在它上面的力，然后加速或改变运动，以每秒某个量变化。这就是我所说的通常方式，我称之为牛顿定律。这是一种描述方式。

    这种定律有一个完全不同的特点：力依赖于有限距离之外的某个东西。它有一种我们称为"非定域"的性质——这个物体上的力取决于那边那个物体在哪里。你也许不喜欢超距作用的想法，但它就是能知道那边发生了什么。

    然后还有另一种陈述定律的方式，非常奇怪，叫做"场"的表述方式。这很难解释，但我只想给你们一个粗略的概念。它说的是一件完全不同的事情：空间中每一点都有一个数。我知道它是一个数，不是一个机制——这就是整个物理学的麻烦，它必须是数学的。空间中每一点都有一个数，这里一个数，那里一个数，以此类推。当你从一个地方走到另一个地方时，这个数会变化。如果一个物体被放在空间中的某一点，作用在它上面的力指向那个数——它的名字叫"势"——变化最快的方向，力的大小与势在你移动时的变化率成正比。这是第一个陈述。但这还不够，因为我必须告诉你如何确定势如何变化。我可以说势随每个物体的距离的倒数变化，但那又回到了超距作用的想法。然而你可以用另一种方式陈述这个定律：你不需要知道任何小区域之外发生的事情。如果你想知道这里某一点的势是什么，你告诉我以那个点为球心的任何球面——不管多小——上的势是什么就行了。你不需要看外面，你只需要告诉我邻域内发生了什么，以及球内有多少质量。规则是这样的：球心处的势等于小球面上的势的平均值，减去那个常数除以球的半径的两倍。假设球的半径叫做 a，然后乘以球内的质量——如果球足够小的话。

    现在你看，这个定律和另一个不同，因为它只告诉你一个点发生的事情与非常近处发生的事情的关系。牛顿定律告诉你某一时刻发生的事情取决于更远处的事情——它从一个瞬间到下一个瞬间给出如何计算，但在空间中它从一个地方跳到另一个地方。但这个东西在时间上是定域的，在空间上也是定域的，因为它只取决于邻域。这是另一种表述方式。

    现在还有另一种完全不同的方式。你看到这些不同表述中哲学和定性思想的差异。你不喜欢超距作用？你可以不用它。现在我要给你们看一种哲学上完全相反的方式，其中完全不讨论事物如何从一个地方传到另一个地方，整个事情是一个总体性的陈述。

    当你周围有其他粒子，你想知道这个粒子如何从一个地方运动到另一个地方时，你这样做：你计算一个量。你发明一个可能的运动，从给定的一个地方到另一个你感兴趣的地方，在给定的时间内——比如它想在一小时内从这里到那里，你想知道它走什么路线能在一小时内到达。所以你计算一个量，猜测一条曲线。如果你尝试这条曲线，你计算某个数；如果你尝试另一条路线，你当然会得到不同的数。但有一条路线给出那个量的最小可能值，那就是粒子实际走的路线。

    现在我们在用关于整条曲线的某种陈述来描述实际运动——椭圆。我们失去了因果性的概念：粒子在这里，它感受到拉力，它移动到这里。取而代之的是，它以某种宏伟的方式"嗅"遍了所有可能的曲线，所有可能的路线，然后决定走哪一条。

    等价表述的深远意义

    这是一个例子，说明描述自然的美丽方式有如此广泛的范围。当人们说自然必须有因果性——好吧，你可以用那种方式谈论。自然必须用最小原理来表述——好吧，你也可以用这种方式谈论。自然必须有定域场——你也可以那样做。问题是：哪一个是正确的？

    如果这些不同的选择在数学上不完全等价，如果某些选择会有不同于其他的后果，那就很好，因为我们只需要做实验来找出自然实际上选择了哪种方式。大多数人是带着哲学观点来的，他们喜欢这个不喜欢那个。但我们从大量经验中学到，所有关于自然将如何运作的哲学直觉都是失败的。从来就不管用。一个人只需要把所有可能性都算出来，尝试所有选择。

    在我谈的这个特定情况下，这些理论是完全等价的。三种表述——牛顿定律、定域场方法和最小作用量原理——的数学后果在每一种情况下都完全相同。那我们怎么办？你在所有书中都会读到：因此我们无法在科学上决定哪个是对的。这是对的——它们在科学上是等价的，不可能做出决定，因为没有实验或方法可以区分它们，如果所有后果都相同的话。

    但在心理上，它们非常不同，有两个原因。第一，在哲学上，你喜欢或不喜欢它们，训练是唯一能克服这种"病"的方法。第二，在心理上它们不同，因为当你去猜测新定律时，它们完全不等价。只要物理学是不完备的，我们还在试图发现和理解其他定律，那么不同的可能表述就会提供线索，暗示在其他情况下可能会发生什么。它们在我们心理上变得不等价，因为它们暗示我们对更广泛情况下定律可能是什么样子的猜测。

    爱因斯坦的启示

    例如，爱因斯坦注意到——他说他意识到信号不能以超过光速的速度传播。对于电，他猜测这是一个普遍原理——同样的猜测游戏，就像把角动量从你证明它的那个情形推广到整个宇宙一样。他猜测它对所有东西都是对的，他猜测它对引力也是对的。如果信号不能比光速更快，那么瞬时描述力的方法就变得非常糟糕。在爱因斯坦对引力的推广中，这种描述物理学的方法是无望地不充分的，极其复杂的，而定域场方法和最小原理方法则是简洁而优美的。所以我们还没有在那两者之间做出决定。

    事实上，量子力学说，就我陈述它们的方式而言，两者都不完全正确，但最小原理的存在被证明是一个后果——在微观尺度上粒子遵循量子力学。事实是，目前理解的最佳定律实际上是两者的结合，我们使用最小原理加上定域的力、定域的定律。今天的信念是，物理定律必须具有定域特征，同时也具有最小原理。但我们并不真正知道。

    为什么我们必须保留所有表述

    所以情况是这样的：如果你有一个只是部分精确的结构，某些东西将会失败。如果你用恰好正确的公理来写它，也许只有一个公理失败，其余的保留，你只需要改变一小点。但如果你用另一组公理来写，它们全部崩溃，因为它们都依赖于那个失败的东西。但我们无法事先判断哪种写法最好，除非凭借某种直觉和猜测，直到我们发现新的情况。所以我们必须始终把所有看问题的替代方式保存在头脑中。物理学家做的是巴比伦数学，很少注意从固定公理出发的精确推理。

    自然的一个惊人特征就是这种解释方案的多样性。事实证明，这之所以可能，只是因为定律是如此的独特和精妙。例如，定律是平方反比这一点，使得它可以变成定域的——如果是立方反比就做不到。方程的另一端——力与速度的变化率相关——这个结果允许最小原理这种写法。因为如果力与位置的变化率而不是速度的变化率成正比，你就不能那样写。如果你试图哪怕稍微修改定律，你就发现只能用少得多的方式来写它们。我总是觉得这很神秘，我不理解为什么物理定律似乎总是可以用如此多的方式来表达。它们似乎能同时穿过好几个"门"。

    数学家与物理学家的不同

    现在我想对数学与物理的关系做一些更一般的评论。第一点是，数学家只处理推理的结构，他们并不真正关心他们在谈论什么。他们甚至不需要知道自己在说什么，或者用他们自己的话说，他们也不需要知道他们说的是否正确。让我解释一下：如果你陈述公理，你说"某个如此如此的东西和某个如此如此的东西"，那么逻辑就可以在不理解这些词的含义的情况下进行。如果公理的陈述是真实的——我的意思是仔细表述的、足够完整的——那么做推理的人不需要对这些词的含义有任何知识，你就能用同样的语言推导出新的结论。如果我在一条公理中用了"三角形"这个词，结论中就会有关于三角形的某些陈述，而做推理的人可能根本不知道三角形是什么。但然后我可以把他的东西读回来，说："哦，三角形，就是那个有三条边的东西。"然后我就知道了这个新的事实。换句话说，数学家准备了抽象的推理，只要你有关于真实世界的公理，就可以使用。

    但物理学家赋予所有短语以意义。这是一件非常重要的事情，很多从数学转来学物理的人并不欣赏这一点：物理学不是数学，数学也不是物理学。一个帮助另一个，但你必须理解这些词与真实世界的联系。在最后，你必须把你算出来的东西翻译成英语、翻译成世界、翻译成你将要用来做实验的铜块和玻璃，以发现后果是否真实。这是一个问题，而这个问题根本不是数学的问题。

    物理学家的特殊需求

    我已经提到了另一个关系——当然很明显，数学推理的发展对物理学家有巨大的力量和用处。另一方面，物理学家的推理有时对数学家也有用。数学家也喜欢让他们的推理尽可能一般化。如果你说"我有一个三维空间，普通空间，我想谈论普通空间"——你知道你在里面，你测量距离，需要三个数来告诉你某样东西在哪里：宽、长、高，三维空间——你开始问他们定理，然后他们说："听着，如果你有一个 n 维空间，那么这些定理是这样的。"好吧，但我只想要三维的情况。"那就代入 n 等于三。"然后你会发现，很多复杂的定理在特殊情况下要简单得多。

    物理学家总是对特殊情况感兴趣，他从来不对一般情况感兴趣。他在谈论某个具体的东西，他不是在抽象地谈论任何一般的东西。他知道他在谈论什么。他想讨论引力定律，他不要任意力的情况，他要引力定律。所以需要一定量的简化，因为数学家为广泛范围的问题准备了这些东西，这非常有用。后来总是那个可怜的物理学家回来说："对不起，你本来要告诉我四维空间的事情的时候……"

    物理直觉与数学严格性

    另一个有趣的事情是：当你知道你在谈论什么——这些是力，这些是质量，这是惯性，等等——你可以使用大量的常识，一种坐在裤子上的对世界的感觉。你见过各种各样的事情，你或多或少知道现象会怎样表现。而可怜的数学家把它翻译成方程，那些符号对他来说没有任何意义，他唯一的指南就是精确的数学严格性和论证中的仔细。而物理学家或多或少知道答案大概会怎样，可以猜出一半，然后相当快地继续推进。数学的严格精确性在物理学中并不是非常有用，现代数学中关注公理的态度也不是。数学家可以做他们想做的事。一个人不应该批评他们，因为他们不是物理学的奴隶。不必仅仅因为这对你们有用，他们就必须那样做。他们可以做他们想做的事，那是他们自己的工作。如果你想要别的东西，那你自己去算。

    猜测新定律

    下一个问题是：当我们试图获得新定律时，我们是否应该使用直觉的"坐在裤子上的感觉"和哲学原则？我不喜欢最小原理，或者我喜欢最小原理；我不喜欢超距作用，或者我喜欢超距作用。问题是模型在多大程度上有帮助。这是一件非常有趣的事情：模型常常有帮助，大多数物理教师试图教学生如何使用这些模型，获得对事物如何运作的良好物理感觉。但最伟大的发现总是证明，抽象远离模型才是对的。模型从来没有任何好处。麦克斯韦对电动力学的发现最初是用大量想象中的轮子和惰轮以及空间中的一切其他东西做出来的。如果你去掉了空间中所有的惰轮和其他一切，那个东西就好了。狄拉克发现了量子力学的正确定律——对于相对论量子力学——只是通过猜方程。猜方程的方法似乎是猜测新定律的一种相当有效的方式。这再次表明数学是表达自然的深刻方式，而试图用哲学原则或"坐在裤子上的机械感觉"来表达自然，并不是一种有效的方式。

    我必须说，这是可能的，而且我知道我经常做出这样的假设：物理学最终将不需要数学陈述，机制最终会被揭示——就像其他偏见一样，只是一种偏见。总是让我困扰的是，尽管有所有这些定域性的讨论，在无论多么小的空间区域和无论多么小的时间区域内，根据我们今天理解的定律，发生的事情需要一台计算机进行无穷多步逻辑运算才能弄清楚。那么，在那个微小的空间里，所有那些怎么可能在发生？为什么需要无穷多的逻辑才能弄清楚一个微小的时空点会做什么？所以我经常做出这样的假设：定律最终会像跳棋一样简单，所有的复杂性都来自规模。但这与其他人做出的其他猜测具有相同的性质——我喜欢它，你不喜欢它。对这件事不要太有偏见是好的。

    总结：大自然的数学语言

    总结一下，我会引用金斯的话，他说："伟大的建筑师似乎是一位数学家。"对于不懂数学的人来说，要真正传达自然最深层的美，确实非常困难。C.P.斯诺谈到了两种文化。我真的认为那两种文化是：拥有这种体验的人和从未拥有这种体验的人——理解数学到足以欣赏自然之美的人，和没有达到这个程度的人。

    很遗憾，它必须是数学的，而且对某些人来说数学是困难的。据说——我不知道是不是真的——当一位国王试图跟欧几里得学几何学时，他抱怨说太难了，欧几里得说："几何学没有皇家大道。"没有皇家大道。这不是我们的错。我们作为物理学家，不能把这个东西转换成任何其他语言。如果你想讨论自然，想了解自然，想欣赏自然，就必须学会她所说的语言。她只以一种形式提供她的信息。我们不会如此不谦虚地要求她改变，然后我们才肯关注。

    在我看来，所有的智识论证——无论你做出怎样的论证——都不会以任何方式，或者以非常非常少的方式，向聋人的耳朵传达音乐体验真正是什么。世界上所有的智识论证都不会说服另一种文化的人——那些哲学家试图通过定性地告诉你来教你，我试图向你们描述——这传达不了，因为这是不可能的。我们是在对聋人的耳朵说话。也许正是因为视野的局限，才使得这样的人能够想象宇宙兴趣的中心是人。谢谢你们。

    科学方法：我们如何寻找新定律

    现在我要讨论我们如何寻找新定律。一般来说，我们通过以下过程来寻找新定律：首先，我们猜一个。然后——别笑，这是真的——我们计算这个猜测的后果，看看如果这个我们猜的定律是对的，它会意味着什么。然后我们把计算结果与自然比较，或者说与实验或经验比较，直接与观察比较，看看它是否有效。如果它与实验不符，那就是错的。这个简单的陈述就是科学的关键。不管你的猜测有多美，不管你有多聪明，不管是谁做出的猜测，不管他叫什么名字——如果它与实验不符，那就是错的。就这么简单。

    猜测是科学的

    因此，做出猜测并不是不科学的，尽管许多不在科学领域的人认为是这样。例如，几年前我和一个外行讨论飞碟——因为我在科学上对飞行物了如指掌——所以我说："我不认为有飞碟。"我的对手说："飞碟不可能存在吗？你能证明它是不可能的吗？""不，我不能证明它是不可能的，只是非常不可能。"他说："如果你不能证明它是不可能的，那你就非常不科学。你怎么能说它不太可能呢？"好吧，这就是科学的方式。科学的做法是说什么更可能、什么不太可能，而不是一直在证明可能和不可能。

    为了界定我的意思，我最终对他说："听着，我的意思是，根据我对周围世界的了解，我认为飞碟的报告更可能是地球上已知的非理性特征的结果，而不是来自外太空的未知的理性努力的结果。只是更可能而已。"这就是一个好的猜测，我们总是试图猜出最可能的解释，同时在脑子里保留一个想法：如果它不行，我们就必须讨论其他可能性。

    超导、超感官知觉与占星术

    例如，曾经有一段时间有一个叫做超导的现象——现在仍然有这个现象——就是金属在低温下没有电阻地导电。起初并不明显这是已知定律的结果，是这些粒子的结果。但事实证明，它已经被足够仔细地思考过了，事实上被确定为已知定律的结果。还有其他现象，比如超感官知觉，不能用已知的物理学知识来解释。有趣的是，那个现象并没有被很好地确立，我们不能保证它存在。如果它确实能被证明存在，那当然会证明物理学是不完备的，因此它对物理学家来说极其有趣——不管它是对是错。许多许多实验表明它不起作用。

    占星术的影响也是如此。如果星星真的能影响某天是否适合去看牙医——在美国我们有那种占星术——那物理理论就是错的，因为从这些东西中可以理解的基本原理中，没有任何机制能使它成立。这就是科学家对那些想法持有一些怀疑态度的原因。

    理论可以被证伪但永远不能被证实

    当然，你们看到，用这种方法我们可以推翻任何确定的理论。你有一个确定的理论——一个真正的猜测，从中你可以明确地计算后果，可以与实验比较。原则上我们可以摆脱任何理论，我们总是可以证明任何确定的理论是错的。但请注意，我们永远不能证明它是对的。假设你发明了一个好的猜测，计算了后果，发现你计算的每一个后果都与实验一致。那这个理论是对的吗？不，它只是没有被证明是错的。因为在未来，可能有更广泛的实验范围，你可以计算更广泛的后果，然后你可能发现它是错的。这就是为什么像牛顿行星运动定律这样的定律能持续这么长时间。他猜出了万有引力定律，计算了太阳系的各种后果，与实验比较，过了好几百年，水星运动的微小偏差才被发现。在那么长的时间里，这个理论一直没有被证明是错的，可以暂时被认为是对的。但它永远不能被证明是对的，因为明天的实验可能会成功地证明你认为是对的东西是错的。所以我们永远不能确定我们是对的，我们只能确定我们是错的。然而，我们能持续这么久是相当了不起的。我有些想法为什么能持续这么久。

    模糊理论不可证伪

    我还必须向你们指出，你不能证明一个模糊的理论是错的。如果你做出的猜测表达得很差、相当模糊，你用来计算后果的方法也相当模糊——你不确定——你说"我认为一切都是因为格格巫，格格巫做这个做那个，所以我大致可以解释这是怎么运作的"——那么你就会看到那个理论是好的，因为它不能被证明是错的。如果计算后果的过程是不确定的，那么凭借一点技巧，任何实验结果都可以看起来像是预期的后果。

    你们可能在其他领域也熟悉这种情况。例如，一个人恨他的母亲，原因当然是她在他小时候没有足够地抚摸他或爱他。实际上如果你去调查，你会发现她确实非常爱他，一切都很好。那么就是因为她在他小时候过度溺爱他。所以通过有一个模糊的理论，你可以得到任何一种结果。

    这个问题的解决方法是：如果有可能事先准确地说明多少爱是不够的、多少爱是过度溺爱的，那么就会有一个完全合理的理论，你可以对它进行检验。通常当有人指出这一点时，他们会说："哦，你是在处理心理学的事情，那些东西不能那么精确定义。"是的，但那样你就不能声称知道任何关于它的事情。

    猜测不是随机的工作

    因为我是理论物理学家，我更乐于讨论问题的这一端：如何进行猜测？正如我之前说的，猜测来自哪里完全不重要，重要的是它应该与实验一致，并且应该尽可能明确。但你会说："那很简单，我们设置一台机器，一台伟大的计算机，里面有一个随机轮子，产生一系列猜测，每次它猜一个关于自然如何运作的假设，立即计算后果，与另一端的实验结果列表进行比较。换句话说，猜测是笨人的工作。"实际上恰恰相反，让我试着解释为什么。

    保险箱的比喻

    第一个问题是如何开始。你想开始，我要从所有已知原理开始。但所有已知原理彼此之间是不一致的，所以必须去掉一些东西。我们收到很多信，总是有人写信来坚持认为我们应该在我们的猜测中打洞。你看，你打一个洞是为了给新的猜测腾出空间。有人对你说："你们这些人总是说空间是连续的，但你怎么知道当你到达足够小的尺度时，真的有足够多的点？也许它只是一堆由小距离分隔的点。"或者他们说："你知道那些你告诉我的量子力学振幅，它们太复杂太荒谬了，你怎么知道它们是对的？也许它们不对。"我收到很多这样的信。

    但我必须说，这样的评论是完全显而易见的，对于任何在这个问题上工作的人来说都是完全清楚的，指出这些没有任何好处。问题不是什么东西可能是错的，而是什么可以精确地替代它。如果你说了任何精确的东西——例如，在连续空间的情况下，假设精确的命题是空间实际上由一系列点组成，点之间的空间没有任何意义，而且这些点排列在一个立方阵列中——我们可以立即证明那是错的，那行不通。你看，问题不是去改变或说某样东西可能是错的，而是用某样东西来替代它。那并不那么容易。一旦任何真正明确的想法被替代进去，几乎立刻就会变得明显它行不通。

    其次，在这些简单类型的东西上有无穷多的可能性。情况有点像这样：你坐在那里非常努力地工作，工作了很长时间试图打开一个保险箱。某个乔走过来，他不知道你在做什么，什么都不知道，只知道你在试图打开它，然后他说："嘿，你为什么不试试组合 10-20-30？"因为你很忙，你在尝试很多东西，也许你已经试过 10-20-30 了，也许你知道中间那个数已经是 32 而不是 20 了，也许你知道事实上这是一个五位数的组合。所以这些信没有任何好处。所以请不要给我寄信告诉我这个东西要怎么运作。我读它们是为了确保我还没有想到那个，但回复它们太花时间了，因为它们通常在尝试 10-20-30。

    Post #2
  • 延迟满足的骗局
    深入交流

    https://isl.stanford.edu/~cover/papers/universal_portfolios.pdf

    https://people.eecs.berkeley.edu/~bartlett/courses/281b-sp08/27.pdf

    Post #12
  • [ai 整理讲稿] 2024 年 李录 北大光华讲座
    谈笑风生

    沃伦·巴菲特：伯克希尔、投资风险、媒体、世界经济与财富的归宿

    沃伦·巴菲特｜根据 2007 年查理·罗斯（Charlie Rose）访谈转写整理。全文以巴菲特第一人称重构访谈。

    能靠做自己愿意免费做的事谋生，是人生最大的奢侈

    查理·罗斯与我的这组对话从 2004 年开始，后来我们在 2005 年、2006 年继续交谈，到了 2007 年又坐在一起。到这次交谈时，我担任伯克希尔首席执行官已有大约 42 年。过去一年，我的生活发生了很多值得回顾的事情，包括宣布了一项规模非同寻常的慈善捐赠，与阿斯特丽德·门克斯（Astrid Menks）结婚，以及伯克希尔·哈撒韦（Berkshire Hathaway）度过了经营上极为成功的一年。不过，如果你问我其中最重要的是什么，我的答案仍然是：我每天都能做自己最喜欢做的事，也就是经营伯克希尔。

    我把这种生活称为人生终极的奢侈。如果一个人能够靠一件即便要付钱也愿意去做的事情谋生，并且在人生的这个阶段，身边还有自己喜欢的人、每天做着自己喜欢的工作，那就很难想象比这更好的状态了。2006 年对我来说就是这样的一年。我们完成了几笔优秀的收购，旗下企业的经理人工作得非常出色，整个集团的事情都进展顺利。我并不需要把它描述得更复杂；从经营角度来看，一切都进行得很好。

    查理提到，2006 年伯克希尔净资产的美元增长额在美国企业历史上处于极高水平，并拿埃克森美孚等公司作比较。比较企业时需要记住，一个公司创造的利润、留存在企业内部的利润和分配给股东的利润是不同的概念。有些企业能够挣更多钱，却把相当一部分通过分红付出去；有些公司则主要依靠收购扩张。对于我们而言，从净资产增加的绝对美元数来看，2006 年确实是一个创纪录的年份。这固然令人高兴，但它同时也带来了一个投资者不愿忽视的问题：当资金规模越来越大，继续取得高回报反而会越来越困难。

    慈善午餐拍卖：六十一万美元的竞价与真正有价值的谈话

    有人愿意花非常多的钱与我共进午餐，这听上去甚至有点荒诞，但它是一项很有意思的慈善活动。拍卖放到 eBay 上之后，价格上涨得特别快。有一次，中标者出价 61 万美元。字幕还提到，一位同行者另外为慈善事业增加了捐款，但这里的追加金额和最终合计数在转写中不一致：一处写作“再付十万美元”，另一处则说慈善机构最终获得“62 万美元”。这两个数字不能同时成立，因此这笔追加捐款的准确金额需要保留疑问，而不能直接加总。

    那次中标者是一位在美国生活、即将取得美国公民身份的华人。他此前曾考虑过参加拍卖，却担心自己的英语不够好，没有真正参与；到了这一年，他觉得自己有足够的信心，于是出价。他会带着妻子和另外 7 位同行者一起来吃饭。拍卖采取竞价机制；采访时还谈到了如果竞拍人把自己的最高限价设置在 65 万美元左右，出价会如何不断被推高，直到竞价结束。供求关系在这里发挥得非常充分，而我并不需要频繁出售这类午餐机会。

    我喜欢这些午餐，因为它们让我认识许多很有趣的人。到当时为止，我已经参加了大约十次这样的活动。午餐经常持续 三个小时，我通常会一直坐到对方想结束为止。人们未必是来问我下一只要买的股票。他们知道，我不会在餐桌上提供尚未公开的具体交易信息。真正有意思的问题往往是怎样思考、怎样做决定、怎样经营生活，以及一个人拥有财富之后该怎么处理随之出现的难题。

    我印象很深的一次午餐，有一对年轻夫妇来到桌前。男方已经是一位极其成功的投资经理，不需要再向我学习如何挣钱；他真正想讨论的是如何教育自己的孩子。当你拥有大量财富，孩子从小在这种环境里长大，教育本身就会变成复杂的问题。这样的话题，比回答“我该买哪只股票”更值得花时间。我愿意谈他们真正关心的事情，也正因为如此，每顿午餐对我自己而言也有收获。

    规模为什么是投资回报的锚：小资本拥有大世界，大资本只能寻找大机会

    查理问我，伯克希尔越来越大有什么好处、又有什么弊端。我首先想到的就是：规模是投资业绩的锚。如果你只管理几百万美元、几千万美元，甚至一亿美元，世界上有成千上万家公司值得研究。你在一家不大的公司发现非常优秀的机会，并投入足够比例的资金，就可能给整个组合带来很大的改变。但如果你管理的是上百亿美元、上千亿美元，同样的交易即使非常成功，也可能几乎无法影响整体业绩。

    我刚开始管理几十万美元时，几乎整个市场都是我的投资领域。任何一个好点子，无论来自大公司还是小公司，都可能对净资产产生明显影响。随着伯克希尔的资产不断增加，这个可供选择的世界反而在缩小。假设我们做了一笔规模 1 亿美元的极好交易，又赚了 1 亿美元，税后大概剩 6,500 万美元；如果放在公司一年净资产增加约 160 亿美元的背景下，它所能产生的影响仍然极其有限。一个小投资者可以因为这样的机会非常兴奋，我却不能把它当作解决伯克希尔增长问题的方法。

    所以我必须把注意力放在大公司、大笔交易和足够重要的投资机会之上。这并不是说我突然不喜欢优秀的小企业，而是它们的体量不足以改变我们的结果。在管理规模较小时可以做、而且非常值得做的事情，到了伯克希尔如今的体量就未必适合。因此，如果说我更喜欢收购整家公司，还是在股市上买卖一些股票，我的倾向是明确的：我希望拥有更多可以长期经营的优质企业。

    为什么我希望伯克希尔拥有的不止七十三家企业

    我们当时拥有 73 家运营业务，范围非常广，从 Dairy Queen（冰雪皇后）这样的消费品牌，到 NetJets 这样的公务航空业务，都在其中。公司里有各种形态的企业，我希望“73”这个数字继续增加。我也很喜欢投资股票，分析证券本身对我来说一直像一种游戏，但伯克希尔真正要建设的，不是一个每天在股票之间来回奔跑的交易体系，而是由优秀经理人经营、不断累积盈利能力的企业集合。

    如果选对了企业、选对了经理人，企业产生的价值便会不断积累，而我在奥马哈办公室不必时时插手他们的日常经营。有时候人们开玩笑，说这样一来我可以在办公室弹尤克里里，或干任何别的事。这当然是玩笑，但它说中了我们经营模式中的一件重要事情：真正高质量的企业不需要总部每天用手扶着它前进。如果它的业务基础很好，经理人又能干，十年之后，我们今天拥有的 73 家企业本身就有可能产生比现在更高的利润；与此同时，我们仍可以继续收购其他企业。

    我喜欢这种不断增加的经营能力，也非常喜欢与这些经理人共事。如果你只把伯克希尔理解成一个庞大的股票组合，就错过了它最吸引我的部分。我们不是为了证明自己能精确预测股价而买进一家公司；我们想成为优秀企业的长期所有者，参与它们随时间积累价值的过程。

    沃尔玛的教训：错过一笔交易，也是一种巨大的投资错误

    当然，我也会犯非常大的错误。有一件事与沃尔玛有关。在 20 世纪 90 年代中期，我原本准备大量买入沃尔玛股票，但股价稍微上涨了一点，我就犹豫了。我不愿意以高出原先判断的价格买入，结果失去了一个本来非常值得把握的机会。按照当时回头估算的结果，这种犹豫可能让我们错过了 8 亿至 9 亿美元的利润，甚至可以称得上十亿美元量级的错误。

    我们总容易把“已经买进、最后亏了钱”看成错误，却忽略另一类同样重要的错误：明明已经研究清楚、也有能力行动，却因为微小的价格变化或自己的优柔寡断，让巨大的机会从眼前经过。我的沃尔玛经历正属于这一类。后来伯克希尔确实重新持有一些沃尔玛股票，但那个仓位相对较小，无法让最初错过的机会重新回来。投资上的教训并不总是在财务报表里以亏损形式呈现，有些最昂贵的错误，反而根本不会出现在报表之中。

    收购企业：标准要清楚，资金要可靠，握手就意味着承诺

    市场上经常有报道说我们正在考虑某笔重大收购，这类传闻有时是真的，但没有人能提前保证某一笔交易一定达成。确实有不少企业希望成为伯克希尔的一部分，不过我必须同时找到双方都能接受、并且对我们的股东合理的价格。收购好企业的竞争相当激烈，真正落到我们手里的机会并不多。因此，我们需要不断接触潜在卖家，又不能降低判断标准去凑成交数量。

    支付能力不是我们最大的障碍。人们知道，伯克希尔有能力做大型交易，也知道我们资金充足。我们不会告诉卖方“签约可以，但交易还必须等银行批准融资”；我们从不把融资能否落实设置成收购成立的先决条件。对卖方来说，这是很有实际意义的差别。当我握手同意一笔交易，我就意味着这笔交易已经有了明确承诺。他们不需要担心买方临时找不到钱，或者漫长的资金安排会把一笔确定的交易拖成不确定的谈判。

    在伯克希尔年报中，我会公开写明我们要寻找什么样的企业。一方面，这让潜在卖家更了解我们，另一方面也帮我们过滤大量不合适的机会。我常用一个比喻：我们想找的是圣伯纳犬，不是吉娃娃。两种狗都可能非常可爱，也都可能很好，但我们的规模决定了必须寻找足够大的企业。即便如此，仍有很多人来告诉我，他手里有一家特别出色的小公司。我完全相信其中不少企业确实优秀，但我们无法把有限的精力分散到对整个伯克希尔帮助很小的交易上。提前讲清楚标准，至少能减少一部分无谓的信息流。

    为什么伯克希尔买下企业后，没有事先设计好的退出策略

    我喜欢报纸，也喜欢经营《布法罗新闻报》（Buffalo News）的同事。如果不能继续从事今天的工作，我甚至有可能会选择进入新闻业。可是我也明白，报纸的商业模式已经不同于过去，很多报社未来不可能再像从前那样赚钱。即使如此，只要它没有变成我们无法承受的现金负担，我仍然愿意持有它。这并不意味着无论发生什么情况我都绝不出售。伯克希尔对于出售企业，实际上保留了两个非常有限的例外：一是业务成为持续而严重的现金消耗，二是出现无法解决的劳资问题。

    除此之外，我们通常不会仅仅因为别人出价更高就出售一家企业。即便某个买家愿意支付我们认为企业价值的两倍，只要它本身仍然可以合理经营，我们也未必有兴趣卖掉。这与商学院常见的“资产组合优化”思维完全不同。商学院可能会告诉你：如果某项资产值 X，有人愿意付出 3X，那么你就应该卖。但对我来说，它不是一块写着 X 的证券，而是一家真正的企业；我们与它的经理人、创始人、员工和企业文化之间存在长期关系。

    很多创业者把自己一生的精力投入企业，最后决定卖给伯克希尔，恰恰是因为他们认为我们能成为它的永久归宿。我们不能先承诺尊重他们毕生建立的事业，转过身又为了更高的报价把公司卖掉。私募股权基金有不同的商业模式：它们买入、改善经营，然后寻找退出机会。这种方式可以有自己的合理性，但并不是我们要做的事。他们有进入策略，也有退出策略；我们有进入策略，却没有预先制定的退出策略。

    报业衰落背后的两个问题：现金流与所有者的身份

    谈到报纸，查理问起《论坛报》（Tribune）公司的交易以及与私募资本有关的安排。有人能够通过税务结构、较少的自有资金和杠杆设计出看起来相当聪明的收购方案，但我始终认为，我们不能只盯着交易结构本身。你最终仍然必须经营一家报业公司，而当时的报纸正处在一个逐渐衰落的行业中。交易在财务安排上可以很精巧，未来经营却不会因此自动变得轻松。这两件事必须分别看待。

    还有一个常常被纯财务分析忽略的因素：拥有一家重要报纸，会改变一个人在当地甚至全国社会中的地位。如果你拥有奥马哈的《世界先驱报》（Omaha World-Herald），或者在内布拉斯加州一座小镇拥有当地报纸，你很可能立即成为那个地方最受关注、最有影响力的人物之一。这种地位不一定能通过一般意义上的财富购买。体育俱乐部的所有权也有类似效果。如果你拥有纽约洋基队，在纽约就非常有分量；但如果你拥有《纽约时报》，它所赋予的社会影响可能还要大得多。

    因此，我分析报纸这样的资产时，不能只问它接下来会产生多少现金。任何企业，包括一家街角柠檬水摊，财务价值的基础仍然是未来能够产生的现金流；但对于报纸、体育球队和某些电影公司，可能还有另一块价值——公众的关注、社会地位、文化意义，以及人们愿意因拥有它而付出的额外价格。可以把它理解成 A 加 B：A 是可估算的现金流价值，B 是所有权附带的非财务价值。对于《纽约时报》《华尔街日报》这样的资产，B 可能非常重要，而拥有者是否能够真正享有 B，又会影响他们对出售价格的判断。

    互联网为什么改变了本地报纸的护城河

    报纸过去的商业模式之所以强大，很大程度上是因为在一个特定城市里，它拥有某种天然的地域垄断。住在奥马哈的人要了解当地消息，早上拿到的就是当地报纸；大多数人不会为了阅读其他城市的报纸每天专门寻找五六个不同来源，再把它们收集、整理、阅读。当竞争受到这种实际成本限制时，优秀的本地报纸就能够依靠读者群和广告资源取得非常好的经济效益。

    互联网把这种局面彻底改变了。我喜欢读报，甚至可以说对报纸有某种依赖，但现在我能够很容易地阅读《洛杉矶时报》《纽约时报》《华尔街日报》《布法罗新闻报》和其他城市的报纸，而且不必出门逐份购买。数字技术降低了接触信息的成本，也让原本受到地理边界保护的报纸突然面临大量竞争。以前一份报纸只需要面对当地少数媒体，如今读者随时可以转向其他地方的信息。结果是，本地报纸赖以创造超额利润的部分垄断地位持续削弱，收入下降，而且可能还会继续下降。

    对报纸来说，真正棘手的并不只是把纸质内容放到网站上。网站获得了读者，并不等于网站就能复制纸质报纸过去的盈利能力。《华盛顿邮报》当时在本地发行市场仍有优势，它的网站也已经把读者扩展到华盛顿之外，但问题始终是：这样的覆盖范围究竟能带来怎样的经济回报？印刷时代，本地新闻市场的稀缺性可以转化成广告定价能力；到了互联网时代，受众虽然可能增加，竞争也同时增加了。新一代读者甚至不再觉得每天必须阅读一份实体报纸，这种习惯变化会进一步削弱过去的优势。

    《华尔街日报》的独特之处：创建一座不由地理边界定义的城市

    并不是所有报纸都会以同样的方式受到互联网冲击。我认为《华尔街日报》和《纽约时报》这样的全国性品牌，可能拥有与普通都市报不同的前景。《华尔街日报》的故事尤其值得研究。很多年前，巴尼·基尔戈（Barney Kilgore）提出了一种非常聪明的构想：报纸不一定非要服务于一个在地图上可以圈出来的城市。过去的报纸都围绕某个地理区域来定义读者——费城服务费城，其他城市的报纸服务自己的城镇。基尔戈却想到，可以创造一座以共同兴趣而不是以住址构成的“城市”。

    这座城市的居民可能住在美国各地，却同样关心商业、金融、投资和经济新闻。他们有共同的语言、问题和需求。《华尔街日报》就是为这样一群人提供服务的报纸。它在地理上覆盖全国，却拥有像一个城市那样清晰的读者群体，而且读者的经济结构和消费能力都相当有吸引力。我认为这是报业史上非常出色的概念，执行得也很成功。字幕中提到，这个构想产生时《华尔街日报》的发行量大约只有数万份，具体数字转写为“两万多份”，应当保留核对空间；重要的是它后来成长为全国性品牌的过程。

    《纽约时报》也在某种程度上超越了纽约当地市场。这类报纸所服务的是具有共同需求的跨区域读者，因此在互联网上仍然可能建立有价值的关系。相比之下，只围绕奥马哈、水牛城、费城或迈阿密本地新闻而建立的传统优势，更容易被网络时代的广泛信息供给削弱。这不是说所有全国性报纸都会成功，而是说它们面对的是不同的经济结构。真正值得问的，是读者为什么必须选择你，以及这种选择能不能让你的企业获得长期收益。

    默多克与班克罗夫特家族：稀缺资产不只是一个财务报价

    当时鲁珀特·默多克（Rupert Murdoch）正在试图收购《华尔街日报》，而拥有道琼斯公司的班克罗夫特家族必须决定是否出售。查理问，如果我是这个家族的一员，会怎么做。我认为那绝不是一项能够仅靠财务模型回答的问题。对于继承者来说，《华尔街日报》可能是父辈、祖辈传下来的家族事业，是一项对美国具有象征意义的机构。他们未必能够像另一位愿意亲自掌管它的所有者那样，从这种影响力中获取全部个人满足感，但这并不意味着家族传统对他们不重要。

    这里还存在家族内部不同成员的利益分歧。如果许多人拥有同一家公司的股份，他们未必对传统、财富、控制权和责任赋予同样的权重。有些人可能更愿意出售套现，有些人则更希望守住家族建立起来的东西。只要其中一部分成员先出售，剩下的人就需要重新考虑控制权、董事会和交易条件。最终结果不能单凭哪一方喊得更响来判断。我不愿预测具体结局，但也绝不会轻易押注默多克失败。他在媒体行业积累的经验和交易能力都很强，长期以来，低估他并不是一件特别能赚钱的事。

    我很早就见识过默多克对媒体的理解。大约在 20 世纪 70 年代，我曾在凯瑟琳·格雷厄姆的公寓里见过他；他当时已经在美国报业进行投资。无论谈的是报纸的经营、电视业务还是编辑内容，他都表现出非常深的行业理解。他懂得媒体企业的商业一面，也懂编辑和内容的一面。这不是一个纯粹把媒体当成金融筹码的人：媒体就是他长期经营、研究和竞争的领域。

    有人问我，伯克希尔有没有认真考虑过这样一项收购。我当然会感兴趣。看到一项真正独特的资产出现在市场上，任何有资源、有判断能力的投资者都会花一些时间思考。它就像一幅罕见的名画进入拍卖市场：收藏家会想看看自己有没有机会拥有它。纽约洋基队、《纽约时报》和《华尔街日报》这样的资产，不会像普通商品那样被重新制造出一批。你可以创办一家新媒体，但不能简单复制它们经过几十年甚至更长时间积累的声誉和位置。我会欣赏这种稀缺性，也会思考它的价值，但欣赏一件资产，绝不等于必须不惜一切代价买下来。

    查理用丘吉尔的一句俏皮话来开玩笑：看菜单不代表一定要点这道菜。这很适合形容我的态度。我愿意研究、愿意观察，并不等于已经制定了收购计划。对于可能支付巨额资金的投资者来说，这种克制尤其重要。有时你越有钱，就越容易为了满足拥有稀缺事物的欲望而做蠢事。但我始终是在为伯克希尔股东管理资本，这决定了我不能只因为某项资产令人兴奋，就忘记它最终应该创造合理的经济回报。

    道琼斯与彭博社：拥有绝佳起点，也可能错过整个产业的扩张

    《华尔街日报》的另一层故事更值得反思：金融信息在过去几十年里爆发式增长，它可能是人们兴趣扩张最快、同时又最有能力为信息付费的领域之一。几十年前，金融新闻主要以纸张、行情牌和专业信息服务的方式传递；后来，投资者和金融机构对于实时数据、分析、消息与交易工具的需求成倍扩大。无论是比较体育、政治还是其他新闻类别，金融信息的商业潜力都非常惊人。

    道琼斯在很早的时候就已经拥有顶级品牌、专业读者和信任优势。1970 年前后，它在金融信息领域的地位非常强；到了 1977 年左右，人们仍然依赖道琼斯的新闻行情牌来获取重要财经消息。我回忆起自己走进别人的家、看到他们关注那种信息服务的情景。那时的道琼斯本来拥有非常有利的起点：它不只是一份报纸，它是一个全国投资者已经认可的信息品牌。

    可是后来的金融信息产业，出现了像彭博社那样从几乎没有既有市场地位起步、却建立起庞大商业价值的竞争者。我对道琼斯的批评，不在于《华尔街日报》的记者、编辑或报纸品质不佳；恰恰相反，那仍然是极其出色的报纸。我批评的是，道琼斯没有充分把原有的品牌、读者信任和信息优势变成后来新市场中的商业优势。它曾经处在很有利的位置，却没有完全抓住行业扩张带来的利益。

    访谈转写在这里给出几组金额，涉及收购报价、彭博社估值以及道琼斯可能达到的价值，但自动字幕把部分以“亿”为单位的数额转得相互冲突，分别出现了“5 亿”“20 亿”“50 亿”等表述，无法可靠判断所有数字原本的货币单位和量级。我想表达的判断不依赖这些混乱数字：一家早就掌握高价值读者和行业信誉的公司，本来有可能抓住金融信息数字化的巨大成长，结果让后来者取得了大量收益。好的品牌不仅要被守住，还必须被用来适应新的商业机会。

    如何选择接班人：首先要知道谁不会毁掉已经建立的一切

    经营伯克希尔这么多年，我当然必须考虑继任问题。我们已经在董事会层面讨论了可能接替我出任首席执行官的人选，并且在当时明确知道：如果我今天突然无法继续工作，谁应该立刻承担这个角色。董事会最近还重新审视过这个安排。它不是永远不会改变的名单；过一年，人选可能因为企业发展、个人情况或我们获得的新信息而发生变化。但公司绝不能在出现突发状况时才第一次讨论谁来接手。

    首席执行官与负责管理投资组合的人，所需的能力并不完全一样。谈到寻找接替我进行大规模资本配置的投资经理时，我特别重视他们如何理解风险。金融领域有很多智商极高的人，也有许多经验丰富、对市场充满热情的人。我见过一些看起来聪明到令人难以置信的人，最后却把自己毁了。某个人能在许多年里表现优异，并不能证明他知道在什么情况下必须停止冒险。相反，越是出色的投资者，有时越容易相信自己能够在别人失败之前及时离开。

    我希望选择的人真正热爱投资游戏，却又能够控制参与这场游戏的冲动。他必须知道，继续参加下一轮并不总是勇敢，有时恰恰是鲁莽。你可以很有才华，可以理解各种定价模型，可以对市场有非凡的直觉，但如果你最终把不可承受的风险留在投资组合里，这些能力都不足以保护股东。因此，我挑选接班人时，不只是问“他能赚多少钱”，还要问“他是否有那种不起眼、但足以毁掉整个组合的致命弱点”。

    灰姑娘、长期资本管理公司与乘积中的那个零

    我常把金融市场某些时期比作灰姑娘参加舞会。大家知道午夜十二点以后会出问题，却总想再多跳一支舞。他们会告诉自己：我比别人聪明，我一定能够在最后一刻之前离开。可现实是，市场并不保证你能在预定时刻卖出，也不保证风险会从你最熟悉的方向出现。长期资本管理公司（Long-Term Capital Management）就是我想到的一个教训。极其聪明的人、极其先进的分析方法和看似漂亮的历史表现，都不能自动消除灾难性风险。

    投资中有一个非常简单的数学事实：一连串正数相乘，只要其中出现一个零，最终结果就会变成零。你前面可能有非常多优秀的年度收益，有几十年的漂亮业绩；但只要一次损失足以让你彻底出局，前面的成绩就可能失去意义。访谈里我用若干不同的百分比和数字来说明这一点，字幕在数字次序上已经无法完整辨认，不过结论非常明确：你不能让自己的资金生涯里出现那个毁灭性的零。

    有些人会因为自己的金融知识特别丰富，而相信可以靠复杂模型精确识别风险。我认为这种想法本身就很危险。好的投资经理不仅要了解过去已经出现过的风险，也要意识到可能存在自己从没见过、甚至没有明确名称的危险。他们必须懂得人性可能多么不理性，知道市场可以突然出现不符合常态的行为，而且能够在周围人都沉浸在同一种判断里时，仍然独立思考。

    为什么学金融史，比只研究上周的市场图表更重要

    我和大学生交流时，经常会问一些金融史问题。在 2006—2007 学年，有 30 多所大学的学生团体到奥马哈来访，甚至有来自巴西的学生。我与每一批学生往往会相处大约 五个小时。有时一个教室里坐着 150 多名学生，其中不少是 MBA，很多人对金融和投资非常感兴趣。我会问他们，听说过历史上的“北太平洋铁路逼空事件”（Northern Pacific corner）吗？通常没有多少人举手，有时甚至一个都没有。

    我在 10 岁或 11 岁时就大量阅读能够找到的金融史材料。对我来说，那不仅是为了知道某一天股价上涨了几个点，或者某个指数上周是怎样波动的。我真正想研究的是：在压力、贪婪、恐惧、兴奋和群体模仿作用下，人类究竟能做出什么事。当你读历史上的市场操纵、金融恐慌、投机狂潮和崩盘事件时，你会发现很多行为从事后看完全不合理，但在事件发生的那个时刻，参与者却可能觉得自己的判断很聪明。

    我也曾与艾伦·格林斯潘谈起北太平洋铁路的历史。无论一个人多么了解经济和商业，都应该为人类行为的极端可能性留出空间。我们在不同国家的政治历史里见过可怕的集体行为，例如希特勒治下德国所发生的灾难；在金融市场里，也见过大规模的自我毁灭。1987 年 10 月的股灾就是市场可能在短时间内出现巨大变化的提醒。底本字幕把当天市场下跌的数字转写成“2%”，这里明显存在数字缺漏的可能，因此不把它当作准确跌幅引用。值得记住的是，一场重大市场事件不需要按照你认为“合理”的节奏到来。

    马克·吐温有一句经常被引用的话：历史不会完全重复，但它会押韵。我喜欢这种表达。以后发生的事情不会与 1929 年、1987 年或其他历史事件一模一样，但人性的基本因素会再次出现。我的工作不是找到一张历史图表，机械地套在未来市场上，而是找到那些懂得利用历史理解人性、同时不会被眼前人群带走的投资者。

    我看一个投资经理，会先看他怎样挥棒，而不只是看成绩单

    如果我要把 1 亿到 2 亿美元交给某个投资经理，让他先实际管理一段时间，我当然会观察结果，但我更重视他的投资过程。我会回顾他过去大约 10 年的表现，看看他买了什么、卖了什么、什么时候行动、在压力下怎样决定，以及他为了获得某些收益到底承担过什么风险。棒球运动员最终能打出多少分很重要，但我同样想知道他击球时怎样挥棒。过程可以告诉我很多最终分数看不出来的信息。

    一位投资经理可能靠好运做出非常漂亮的业绩；另一位在某些年份里表现平平，却始终避免了会使自己一败涂地的错误。只比较回报率，可能会把这两种人完全看反。因此，我会仔细研究他们赚钱的路径，而不是只拿到一份成绩单，然后假设未来可以直接重复过去的数字。

    这并不是我第一次做这样的选择。我在结束早年投资合伙企业的时候，就曾挑选过 三位可以接手管理部分资金的人。多年过去，他们都证明了自己，不仅因为投资表现优秀，还因为他们没有在某个时刻把自己毁掉。我过去也为其他资金安排做过类似选择。这让我相信，找到这样的人并非不可能，但随着年龄增长，难度确实会增加。

    当我自己 40 岁、50 岁时，我比较了解同一代投资者的经历、性格和判断方式；现在，我不再像当年那样熟悉比自己年轻许多的投资经理。因此，我需要更认真地寻找和了解他们。合适的人可能 35 岁、40 多岁或 50 岁，而不是被某个固定年龄数字决定。当然，如果我希望找到能够长期承担责任的人，就不能只考虑已经接近退休年龄的人。话虽如此，我们也不能低估老投资家的能力。路易·辛普森一直表现出色，查理·芒格当时已经 83 岁，依然非常敏锐。真正要寻找的始终是判断力、品格与长期可靠性，而不是履历中看起来最耀眼的头衔。

    美国贸易逆差：我们正在用过去积累的资产，为今天的消费付款

    在伯克希尔年度股东信中，我多次谈到美国的贸易逆差和经常账户赤字，也谈到美元长期可能面临的压力。我担忧的并不是某一个月的数字特别难看，而是一种持续累积的生活方式：我们消费的价值超过自己创造的价值，于是不断把资产或对未来收入的索取权交给世界其他地方。美国是一个非常富裕的国家，拥有大量可以出售的资产，因此这种事情可以持续很长时间。外国人愿意接受我们的资产，也愿意持有美国发行的债务凭证和其他金融承诺，但这种接受意愿以及它愿意付出的价格，并非永远不变。

    我喜欢用饮食来解释长期积累的后果。假设一个人每天都比正常需要多吃一片吐司，或者每天摄入比消耗多出几百卡路里。第一天、第二天，你不会看到什么惊人的变化，也不会有人突然告诉你身体发生了重大问题。可是，如果这个习惯持续几年，某天早上醒来，你可能会发现自己已经到了完全不想处于的状态。国家层面的持续逆差也有类似之处：每天看都没有出现世界末日，但长期后果却在逐步形成。

    我们可以通过把资产卖给海外买家来支付超过本国生产的消费，也可以通过发行各种债务来完成这种转移。对于当时的美国，全球仍然愿意接收很多这样的资产和承诺，但我认为他们的兴趣已经不如过去那样强烈，这也是我担忧美元长期走弱的原因之一。如果不改变消费和生产之间的关系，仅仅希望世界永远以同样有利的条件持有美国资产，未免过于乐观。

    为什么对外欠债与国内财政赤字不是同一回事

    查理问我，这是否意味着美国将走向某种末日。我不认为应该这样理解。美国拥有强大的经济能力，也拥有很长时间积累起来的资产和制度优势。问题不在于某一天所有事情突然停止运转，而在于一代人可能逐渐把未来一代人的一部分经济成果预先消费掉。你今天把资产所有权转移到海外，明天你的孩子和孙辈就可能需要付出部分劳动所得，向那些已经拥有资产或债权的人支付收益。

    一个国家内部的债务和对外负债有重要区别。假设只是美国国内不同群体之间的债务转移，一个人的利息支出，可能成为另一个美国人的利息收入。分配问题仍然存在，但从整体看，支付关系仍在国内。如果欠债对象变成了世界其他地区的居民，收入就会流向国外。未来的人不仅要努力维持自己的生活水平，还必须为过去的消费支付账单。结果可能是某些资产的控制权转移，国民可支配收入减少，以及未来消费受到约束。

    我回忆，从 1915 年前后开始的很长时期里，美国拥有的海外资产曾长期多于外国人拥有的美国资产，因此我们从世界其他地方取得的投资收益高于向海外支付的收益。但这个方向正在改变；到了 2006 年前后，我谈到相关净投资收益转为负值，并担心以后会继续恶化。字幕在这个段落还出现一个约“200 亿美元”的数额，却没有保留足够完整的语境来确定它精确对应哪一项统计指标，因此不能在这里武断地给它安上某个经济学名称。核心的趋势是，美国从长期净收取投资收益的一方，逐渐转向可能需要净支付投资收益的一方。

    如果要用家庭财务作比喻，这就像一个家庭最初从自己的储蓄账户取钱消费。储蓄逐渐被用完后，它开始刷信用卡。刚开始利息并不大，也许看起来完全可以承受，但只要刷卡行为持续足够久，利息负担总会越来越重要。最终，人们不得不从今天的收入中拿出更大一部分，支付昨天消费的代价。民主政治对这种缓慢出现的问题往往不容易采取行动，因为它不够戏剧化，无法像突然发生的危机那样迅速让所有人改变行为。但变化发生得慢，并不代表后果不重要。

    我希望政治领导人正视的事情：赤字、遗产税与大规模杀伤性武器

    查理说，我会接触一些寻求支持、建议或者资金的政治人物。我愿意与他们谈，但我最希望他们认真面对几件事情。首先是美国持续的贸易和经常账户逆差。我希望政治家们真正意识到这种变化的紧迫性，而不是仅仅依靠经济规模够大，就假设问题永远可以向后推。其次是遗产税。对于已经拥有庞大财富的人应当承担怎样的社会责任，我始终有自己的强烈看法，也愿意在公共讨论里表达。

    除此之外，我非常重视大规模杀伤性武器的威胁，包括核、生物与化学武器。我们会把注意力放在经济增长、税收和各种眼前政策上，但如果发生灾难性的武器扩散事件，它可能使很多平常的经济讨论瞬间失去意义。查理提到过去的总统竞选辩论，以及候选人被问及美国面临的最重要问题，我认为防止这种灾难确实应当位于最高优先级。从长期经济能力来看，我对美国有信心；但长期经济前景再好，也必须建立在人们能够安全活下去的前提上。

    几十年前，少数个人或组织想造成极端大规模的伤害，其实际能力受到非常大的限制。现在，技术与材料的扩散使风险出现了变化。世界上存在对美国怀有强烈敌意的组织和个人，也存在能够在错误的人手里造成巨大损害的材料。我们需要认真防范恐怖主义与核武器、生物武器或化学武器的结合。特别是在一些拥有大量相关材料的国家，与当地政府合作确保材料和武器受到严格控制，是值得持续投入的事情。我提到与俄罗斯合作，就是出于这个逻辑。这不是一个可以只靠口号来处理的问题，它需要领导层长期保持警惕。

    2008 年总统大选：为什么我当时同时看好希拉里和奥巴马

    当时美国正在准备 2008 年总统选举。查理问我是否已经选择了支持的人。我说，我非常欣赏的两位民主党候选人是希拉里·克林顿和巴拉克·奥巴马，我认为他们都有成为优秀总统的能力。我不愿在这次访谈里把其中一个人排在另一个人之前，因为我确实相信他们都可能帮助美国朝更好的方向发展。这是我在 2007 年讨论下一届选举时的观点，而不是对后来实际发生的事情作回顾。

    我已经认为美国是一个很好的国家，但“很好”并不意味着不能更好。一个国家如果只有少数像我这样的人能够享受非常丰厚的回报，仍然有很多事情需要改善。美国有大约 3 亿人口，我们应当思考如何让这个社会为更多人提供机会，而不仅仅是让处于优势位置的人继续获益。领导者需要的不只是聪明和精力，还需要能够让公众理解未来方向、愿意支持并相信值得实现目标的领导能力。很多重要的事情，普通人过去甚至可能没有认真考虑过；好的政治领导者有责任帮助他们看见这些问题。

    我也很清楚自己受益于很多无法选择的条件。我出生在美国，赶上了非常有利的时代，有给予我良好价值观的父母，也有一个愿意奖励我所具备能力的社会。如果把同样的我放到完全不同的时代或国家，我的人生结果未必相同。有人喜欢把所有成功都解释为个人努力，但这忽略了出生地点、家庭、时代和社会制度的影响。我确实努力工作，也做过很多正确决定，不过我从来不认为自己获得的一切都只是自己的功劳。

    韩国股票为什么便宜：市场总爱通过后视镜看未来

    查理注意到，我在韩国股市的一些投资表现很好，甚至优于同期部分美国股票。他问这是韩国企业更优秀，还是说明我发现了其他市场机会。我的回答相当简单：当时韩国股票非常便宜。估值差异本身就是重要理由，并不需要额外构造一个韩国必然比美国更有前途的宏大故事。

    韩国曾在 1997—1998 年亚洲金融危机期间遭受严重冲击，国际货币基金组织（IMF）参与了应对，投资者对韩国市场留下了深刻的负面印象。到了 2002 年前后，一些人仍然主要依据几年前的危机记忆判断韩国，即使企业的现实经营状况已经发生变化。我经常看到市场出现这种现象：人们坐在汽车里，却总是盯着后视镜，而不是透过前挡风玻璃观察前面的道路。

    回顾过去当然有用，我刚才甚至强调了学习金融史的重要性，但那与被过去的情绪所俘获完全不同。如果某个国家经历过一次危机，投资者长期把那次危机当作该国企业永远无法恢复的证明，市场就可能把优秀企业定价得非常低。韩国当时就存在这样的机会。几年之后，市场开始重新估价，这些投资获得了很好的回报。但那不意味着我认为韩国在创业、生活、经济制度或所有方面都比美国更好；投资成功可以只是因为买入价格比实际经济价值低得多。

    从外汇交易转向全球企业：我要的是长期盈利能力，而不只是汇率波动

    我一直会留意美国之外的机会，到了那几年也确实把更多注意力放在海外。伯克希尔的绝大部分业务和盈利仍然来自美国，而且这种格局不会在短期内完全改变，但我们的国际盈利来源正在增加。有些是直接的，例如收购以色列的工业企业 ISCAR（伊斯卡）；有些则是间接的，例如我们所持有的可口可乐和宝洁这样的大型跨国公司。它们的业务遍及全球，即使上市和总部都与美国紧密相连，利润增长仍可能越来越多来自海外。

    对这些公司来说，未来国际市场的收益增长有可能快于美国本土市场。作为股东，我们就可以通过企业经营获得来自不同经济体的现金流，而不必为了押注某种货币升值而频繁进行外汇交易。如果美元长期走弱，海外利润在折算为美元时还可能带来额外收益，但这不是我买下一家公司的决定性理由。首先必须是一家好企业，然后才谈它在哪个国家经营、以什么货币取得利润。

    此前，我们曾经通过外汇头寸获利。查理提到一笔累计约 22 亿美元的外汇交易利润，并问我为什么停止。我解释，货币头寸不是只要汇率最后朝正确方向变化就能赚钱；持有头寸本身也有成本。由于不同货币之间的利率关系发生变化，原本持有某些外汇头寸时可以得到的有利利差，后来变成了不利的资金成本。即使汇率没有变化，我们也可能因为持仓而持续付出代价。

    字幕在这里对于“每年正收益”和“每年负收益”的具体金额有明显错乱，不能可靠重建精确数字，不过经济逻辑是明确的：当持有一项外汇头寸的成本显著上升，直接拥有能够创造外币收入的好企业，会比单纯持有货币头寸更符合我们的目标。企业本身能够产生经营收益，而外汇交易可能需要持续付出负利差。我们更愿意在自己真正理解的企业里获得长期回报。

    中石油投资：高回报的股票，也可能引发超出投资本身的争议

    我们的海外持仓中，有一项广受关注的是中国石油天然气股份有限公司（PetroChina，中石油）。查理提到它当时的市值，采访中出现了约 33 亿美元和“略低于 30 亿美元”的说法，指的是我们持仓价值的大致范围。作为投资，它之所以吸引我，并不是因为名字里有“中国”或者“石油”就必然代表增长，而是因为当初买进时，我认为市场价格与企业价值之间存在足够大的差距。

    不过，底本对当初投入的本金存在很严重的数字转写问题。一处写成“400 亿美元”，紧接着又出现“1,000 万美元变成 20 亿美元”的说法，后一句还夹杂对另一项投资的提及，无法可靠确认全部指的是同一笔交易。这些数字与同段中的持仓市值明显不相容。因此，不能直接把“400 亿美元”写成伯克希尔购买中石油的真实成本，也不能在缺乏原始录音的情况下把它自行修正成一个看起来合理的数字。能够确定的谈话内容是：我们在较低估值时买入，中石油后来给伯克希尔带来了显著增值。

    在当年的伯克希尔股东大会上，有一些股东和外部人士不满意我们持有中石油的股份。他们并不是单纯怀疑这项投资的财务回报，而是认为中国的石油企业及中国政府与苏丹存在商业关系；在苏丹达尔富尔地区发生严重人道主义灾难的背景下，他们希望伯克希尔通过出售中石油股票来表达态度，并对中国政府形成压力。这个争论涉及投资责任、公司治理、外交政策、人权和全球大宗商品市场，而不是简单的“赚钱还是赔钱”问题。

    对中石油撤资的判断：卖掉股票能否改变中国政府的政策

    我理解为什么会有人对达尔富尔发生的事情感到愤怒，那里的状况确实非常糟糕。真正需要判断的是：伯克希尔出售自己持有的中石油股票，究竟能不能改变中国政府的对苏丹政策？在我看来，这种直接的因果关系非常薄弱。采访中提到，中国政府或其控制的机构持有中石油绝大部分股份，字幕给出的比例是 88%。同时还谈到中国购买苏丹石油的比例，出现了大约 **70%**的说法。这里必须区分不同的主体和口径，不能因为一家公司有国家股东，就认定一个美国投资者卖出该公司的上市股票，必然能够改变国家外交政策。

    我有过一个非常具体的经历。大约两年前，我认为中石油提出的一项发行股票计划可能稀释现有股东的权益，于是给公司负责人写了一封信，表达我的看法。他们非常有礼貌地回复我，感谢伯克希尔作为股东，也表示尊重我的意见，但最后还是决定继续发行股票。这个例子让我清楚地看到：即使在一件较小、而且与股东利益直接相关的公司事务上，我的意见都不能保证改变管理层的决定，更不用说左右一国政府对于苏丹的政策了。

    一个国家的政府终究会依据它认为符合本国利益的原则制定政策。中国政府不会因为伯克希尔卖出某项证券就自动改变外交政策，就像美国政府也不会因为某一位投资者买卖股票就完全改变自己的政策。政界人士、商业领袖以及其他外部人士可能会提出各种建议，有些人拥有很强的人脉和影响力，但政策决定权仍掌握在政府手中。我不能为了让自己看起来参与了某种政治表达，就假装手里的证券交易拥有它实际上不具备的政策杠杆。

    苏丹石油：即使改变资产所有者，地里的石油仍然在那里

    还有一层经济问题值得考虑。石油是一种全球交易的大宗商品。假设中国买走苏丹很大一部分石油，其他买家就需要从全球市场取得剩余供应；假设中国停止购买，苏丹仍然可以把产出的石油卖给其他买家。你走进加油站给汽车加油，通常根本无法知道油箱里某一滴石油最初来自哪个国家。改变买家或者交易路线，并不一定改变供给或相关政府得到的收入。

    再进一步，如果要求已经投资苏丹油田和管道的企业撤出，它们也不能把油田和输油管道装进箱子带回家。退出必须发生一笔资产转让：可能卖给当地政府，也可能卖给另一家愿意接手的公司或国家机构。如果以很低的价格卖给苏丹政府，原有资产反而可能让苏丹政府获得额外的经济利益；如果卖给另一位买家，当地政府也可能借机重新谈判项目条款。换句话说，宣布撤资，不等于资产消失，也不等于当地政权失去由这些资产产生的全部经济收益。

    采访中还出现苏丹某些石油生产活动每天约“4 万桶”的数字；这一处语音识别可能存在缺漏，不能把它当作经核实的苏丹全国日产量。我要强调的是，如果一部分石油供应真的彻底从市场上消失，全球供给会进一步紧张，国际油价可能上涨，其他国家的消费者也会在加油时付出更高的价格。反过来，如果石油仍被开采、仍被卖给其他人，那么仅仅改变谁持有企业股份，就未必能给受批评的政府造成想象中的压力。

    这并不意味着达尔富尔的人道主义问题可以被忽视，也不意味着企业和政府在涉及人权的事务上不必承担责任。我的意思只是，行动是否具有正当目的，与它是否能够实现目的，是两个需要分别分析的问题。如果我们希望通过撤资改变当地局势，就必须认真研究撤资可能改变谁的利益、又可能让谁得到更有利的交易条件。仅仅让某个资产换一个所有者，未必能得到我们想要的结果。

    2008 年北京奥运会为何可能影响中国对达尔富尔问题的态度

    查理提出另一种可能性：对中国政府来说，2008 年北京奥运会具有特殊的象征意义。中国希望这场盛会展示国家的能力和形象，因此当国际舆论把达尔富尔问题与奥运会联系起来时，公众压力也可能进入中国领导层的考量。在我看来，这是一种需要理解的不同作用机制：它不单是一个投资者是否出售股票，而是与国际声誉、国家形象和政府希望向世界呈现什么样的自己有关。

    我们在美国也举办过奥运会，例如亚特兰大奥运会，但北京奥运会对于中国社会和政府的意义可能有很大不同。一个国家对某项大型国际活动的重视程度，会影响它对于舆论、外交关系和国际评价的感受。中国非常希望把奥运会办好，我也相信北京有能力举办一届出色的奥运会。至于这类声誉压力究竟在多大程度上影响具体外交政策，仍然需要审慎判断；它与我作为中石油小股东买进或卖出股票的直接影响力，并不是同一个问题。

    为什么我愿意把绝大部分财富交给盖茨基金会和另外四家基金会

    2006 年，我宣布了一项规模巨大的慈善捐赠安排。它主要涉及比尔及梅琳达·盖茨基金会，另外还有四家基金会，其中包括与我的三个孩子相关的慈善机构，以及以我已故妻子名字命名的基金会。查理问我，宣布之后过了一段时间，是否对这个决定产生过新的疑问，或者想要重新考虑。我没有这样的后悔。恰恰相反，我对这件事感到非常满意，因为它符合我长期以来想做的事。

    我过去几十年所擅长的是资本配置：研究企业、判断管理者、买入资产，让伯克希尔的价值随着时间增加。在资产负债表和股票账户中，财富很大程度上只是保存在保险箱里的纸片，或者一串可以代表所有权的数字。它们对我个人的日常生活并没有那么大的直接意义，但如果把这些资源交给真正懂得公共卫生、教育和社会问题的人，它们就可能转化为疫苗、学校、教育机会，以及其他实际改善生活的服务。那才是财富最终能够发挥的意义。

    对我来说，这种安排还有一个令人满意的地方：我可以继续做最喜欢、也最擅长的事情。如果伯克希尔经营得好，我所持有并计划捐出的股票价值就可能继续增加，最终能够用于慈善的资源也会更多。我不需要为了亲自管理一套庞大基金会体系而放弃经营伯克希尔。我的孩子以及比尔、梅琳达等人能够在他们熟悉的领域做得比我更好。我相信他们对资金用途的判断，也愿意看到他们把原本抽象的财富变成真实的社会成果。

    慈善资金不应该永久沉睡：为什么我要把钱交给现在信任的人

    查理问到一个很现实的问题：我已经在年报和遗嘱安排中考虑自己终将离开这个世界，既然慈善资金可能涉及很长的时间跨度，我为什么不设计一个能在未来五十年、一百年甚至更久以后持续运作的基金会？我的想法是，我认识的是现在的人，而不是五十年后可能尚未出生的人。我知道现在有哪些人有能力、有热情、有品格，也可以亲眼观察他们如何工作；但我无法保证几十年后接管某个永久基金会的人，会比今天这些人更加优秀。

    我不知道自己还会活多久。可能还有十几年，也可能更短，甚至一切都可能在很短的时间内发生变化。正因为如此，我希望有关资金使用的安排足够明确，让财富在我身后能够按照计划转化成慈善行动，而不是被长期留在一个没有明确时间表的结构里。访谈里我们还谈到遗产和法律手续可能需要几年处理，我开玩笑说，律师可能希望这些事情持续更久，但我的目标不是制造一套永远处理不完的文件工作。

    很多人认为，慈善基金会永久存在是一件天然的好事。我却认为这里存在一个经常被忽视的问题：慈善基金会缺乏像普通企业那样严格的市场检验。一家商业公司长期做不好，客户可能离开、竞争者可能取代它，资金来源可能消失；如果效率低下又不能改善，企业就会受到现实惩罚。但有些慈善基金会即使管理不好、缺乏创新或者陷入僵化，也可能因为早年积累了大量本金而继续存在。好的基金会能够延续，坏的也可能照样运转几十年。

    我不是说几十年后没有慈善需求。未来仍然会有很多需要帮助的人，也一定会出现新的富有捐赠者。假设我现在支持的基金会能够证明自己高效、诚实而且真正解决问题，那么其他捐赠者自然可能愿意把钱交给它们。基金会可以告诉后来的人：“看看我们如何使用巴菲特捐出的资金；如果你把钱交给我们，我们也能把它用得很好。”如果它们做不到，就应该让其他更有能力的机构获得这些资源。我更希望慈善组织不断赢得捐赠者的信任，而不是仅仅依靠永久性的本金安排获得生存保障。

    管理慈善事业也需要分工：我不自己接生，更不会自己补牙

    有人问，我是否会越来越深入地监督盖茨基金会每一项具体的慈善项目。我的回答是，我当然关心他们做什么，也愿意了解结果，但我并不打算变成每一项全球卫生和教育项目的日常管理者。我非常相信把事情交给真正擅长的人。生活里本来就有大量这种分工。我不曾亲自给自己的孩子接生，而是请产科医生；牙齿出了问题，我也不会让家人临时拿起工具帮我补牙，而是去找牙医。既然有人比我更懂，就应该让他们做。

    这种道理在资本管理中同样成立。有人把资金交给我，是因为他认为我能够比他更有效地管理这些钱；那么当我把资本转化为慈善资源时，为什么不把资金交给在公共卫生、教育和慈善执行上更有能力的人呢？了解自己擅长什么，同时承认别人比自己更懂什么，是一种非常实用的能力。我不是要求其他人信任我在所有领域的判断，也不会因为自己会投资，就认为自己对所有公共问题都比专业人士更了解。

    宣布捐赠之后，我还发现了一个令人高兴的现象：美国国内和其他国家的一些富有人士开始重新思考自己的慈善安排。以前他们可能没有认真考虑资金究竟应该在生前投入、死后投入，还是长期保留在基金会里；当他们看到我们采取这种做法，就开始重新讨论，甚至调整原先的计划。我听说有的人准备拿出大约 10 亿美元用于慈善，而不只是把想法无限期推迟。我不认为每个人都必须复制我的决定，但如果有人因为这件事开始更认真地思考现在行动是否比遥远的未来更有意义，我会觉得这是一件好事。

    为什么我选择比尔和梅琳达：既了解他们，也亲眼看过他们工作

    我与比尔和梅琳达之间有个人友谊，但我选择他们，不仅仅因为我们是朋友。我长期观察他们如何思考、怎样把想法转化为实际项目，也敬佩他们正在进行的工作。我不是在听完一场精心准备的演讲后，突然决定把巨额财富交出去；而是因为我已经有机会看到他们的能力和长期投入，才产生了这种信任。

    这有点像选择一位高尔夫球手代表自己参赛。如果有人只告诉你他能打出 69 杆，你仍然需要判断这是否可信；如果你长期亲眼看过这个人的技术和表现，你对他的能力就更有依据。把慈善资金交给基金会也是如此。判断组织是否可靠，不能只看它宣布的目标，还要看实际执行。盖茨基金会未来是否会接受更多外部捐赠，当时仍在讨论和调整；我知道我的捐赠让他们需要重新考虑原先的一些安排，也知道不少人已经提出希望参与的建议。具体制度怎样演变，应当交给他们决定。

    对对冲基金“2% 加 20%”收费模式的批评

    查理谈到我在股东信中对基金管理收费的批评，特别是所谓 “2% 加 20%”的模式：基金经理每年从管理的资产里收取大约 **2%**的管理费，同时从投资利润中再提取 **20%**作为业绩报酬。我并不是说世界上不存在值得获得高报酬的优秀投资经理。确实有少数人可以长期提供真正优秀的投资管理能力，而投资者也可能愿意为这种能力付钱。我的怀疑针对的是另一种更加普遍的说法：如果全社会大量资金都采用高收费模式，所有收费者作为一个整体仍然能在扣除成本之后超越市场平均水平，那在数学和经济逻辑上就很难说得通。

    市场整体的收益，不能因为每个基金经理都收取昂贵的费用，就凭空变得更高。假设非常大比例的资金都被收费昂贵的机构管理，那么在扣除管理费、业绩分成和交易成本之后，它们作为一个群体就必须面对成本侵蚀。某些经理人会表现出色，也有一些会表现糟糕，但你不能把“部分人跑赢市场”的事实，偷换成“高收费的整个行业都能跑赢市场”。后一个结论在逻辑上站不住脚。

    我觉得尤其有趣的是，某些基金经理原来管理共同基金，可能只收 **0.5%**左右的资产管理费，也没有类似高比例的绩效提成。后来他们进入收费更高的投资领域，就突然认为自己的能力值得 **2%**的固定费用，再加 **20%**的利润分成。固定管理费一下变成原来的约四倍，业绩分成又创造了巨大的收入机会。对基金经理而言，这当然可能是一门非常好的生意；但管理人赚了多少钱，与把钱交给他的人最终是否获得合理回报，绝不能混为一谈。

    赛马场的推销员与黑猩猩：怎样用好运制造一份漂亮成绩单

    我喜欢用赛马来说明业绩筛选中的偏差。设想赛马场里有一个人，分别向 10 位顾客推荐不同的马匹。比赛结束后，其中必然有人会发现自己收到了正确的推荐，甚至可能认定这个人具有预测赛马结果的特殊本领。但推销员并没有在十次预测里全部获胜；他只是把不同的答案发给不同的人，随后可以只向中奖的一方展示成功结果。

    投资管理行业也可能出现类似情况。你建立许多独立的基金或合伙安排，让它们尝试不同策略。几年之后，总会有一些产品因为运气很好而取得惊人的数字，另一些则因为运气不好消失。幸存下来的经理人可以用漂亮的历史收益吸引新资金，再把高收费结构套用在新的资金上。即使其中某些年份的收益只是随机波动，也可能让一位经理人看起来像天才。我甚至开玩笑说，有时候一只黑猩猩也可能靠好运取得 25%的收益。单独出现一次 25% 的回报，并不足以证明投资过程具有可持续的优势。

    更糟糕的情形是，基金经理在市场上涨时收取大笔业绩报酬，后来基金亏损甚至关闭，他又重新设立一个基金，向新的投资者重复类似的收费安排。管理人的收入已经落袋，而投资者必须承担随后的下跌。许多资金来自养老基金以及其他需要为退休者负责的机构，这使收费结构和投资结果之间的关系更加值得重视。

    我过去与优秀投资经理合作时，也使用过按照超额回报付费的方式。查理特别提到我与路易·辛普森之间的安排，访谈里说到超额收益的 10%这一比例。这里的重要区别是，投资经理应当真正因为替投资者创造出高于合理基准的价值而得到奖励，而不是只因为资产规模增加或者碰巧遇到牛市就获得极高报酬。收费机制应该让管理人和资金所有者承担尽可能一致的经济后果。

    伯克希尔拥有七十三家企业，总部为什么只有十九个人

    在那次访谈里，查理提到一个让很多人难以相信的数字：伯克希尔总部当时只有 19 个人。但我们拥有 73 家运营企业，又是一家规模庞大、业务复杂的上市公司。人们容易以为，管理这样的企业集团一定需要一个充满高级管理人员、分析员、会议室和层层汇报系统的总部。我们的实践恰恰相反。

    这 19 个人并不是整天无所事事。作为大型上市公司，我们需要处理大量会计、税务、监管和信息披露事务。我们一年向美国联邦政府提交的税务申报材料超过 1 万页，还有不同州的所得税申报、海外相关申报，以及证券交易委员会（SEC）要求的各种文件。总部需要有能力完成这些工作，因此会计和相关支持人员占有相当一部分。尤其在季度结束、财务披露接近截止日期时，办公室会非常忙碌。

    但是，我们不在总部建立庞大的人力资源部门，也没有专门的投资者关系团队、公共关系部门，以及层层叠叠的行政机构。我们相信旗下企业的管理者能够管理自己的业务。总部真正重要的责任，是资本配置、选择经理人、维护信誉，以及完成企业集团作为上市公司的必要义务。除此之外，很多大公司总部惯常会做的事情，我们干脆不做。

    为什么我不建立委员会，也不要求下属每天递交大量报表

    我每天花大量时间阅读、思考、打电话、与人交谈，并做出少数真正重要的长期决策。我不是每天要求 73 家企业逐项报告卖出了多少产品、每个业务单元昨天发生了多少小事。比如，我并不需要每天知道某家糖果店昨天卖了多少盒花生脆糖，也不会因为技术上能够收集这些数据，就让总部建立一个庞大的统计系统。如果我们希望每天掌握每一件事，完全可以用新的办公室、更多的人和更多的系统把自己包围起来，但那并不会让我们更聪明。

    我们也不设置为了协调而协调的委员会。假如设立几个委员会，可能很快就需要 75 个人参与会议；随后，还需要有人负责让不同委员会互相交流，需要协调小组、备忘录、联络人和更多会议。新的组织活动会创造新的汇报需求，最后很多人把大量精力用于解释别人正在做什么，而不是做真正有价值的事。这种行政工作可以不断自我繁殖，直到你已经忘记最初为什么需要它。

    我并不是反对获取重要信息。恰恰相反，做决定必须了解关键事实。问题在于，信息越多，不代表判断越好；会议越多，也不代表工作越有效率。在我们已经把正确的经理人放在正确位置的前提下，我更愿意让他们独立经营，把我自己的注意力留给真正需要由我决定的问题。这样的模式使我能够继续保持大量阅读、独立思考、直接交流的工作方式，也让企业管理者有足够空间发挥能力。

    经营伯克希尔就像在一张永远画不完的画布上作画

    查理问我，过去几十年经营伯克希尔的日常生活到底是什么样。他觉得很难想象：一个人住在奥马哈，大部分时间阅读、打电话、见人，依靠对企业、经理人和资本的判断，逐渐建立起一个庞大的企业集团。我想，我之所以能一直这样做，首先还是因为我热爱它。长期积累的知识、明确的原则和反复使用的分析框架，都很重要，但如果没有对这件事情本身的兴趣，很难坚持几十年。

    我经常觉得自己像一个画家，面前有一张可以不断扩大的画布。每增加一家企业，每与一个优秀的经理人建立联系，每次把资本放在一个有长期意义的位置，我就像在画布上又添了一笔。这幅画永远不会真正完成，我也不需要在某一天宣布它已经完美。让我高兴的，就是它仍然可以继续扩展，而我每天都能继续作画。

    如果我希望向股东展示自己工作得有多辛苦，我当然可以声称每天忙得汗流浃背。但事实并不是这样。我喜欢现在的工作，它在很大程度上是一种享受，而不是需要忍耐的苦差。我的生活里还有打桥牌之类的活动。一个人完全可以把同样的公司经营得极其忙碌，用一整栋楼的人、报表和会议把自己的时间填满；但那种忙碌本身并没有什么值得追求的。我想起罗纳德·里根讲过的一个玩笑：有人说努力工作从未害死任何人，但他觉得何必冒这个险。玩笑归玩笑，我真正想说的是，我们应该把精力用在有用的事情上，而不是为了显得辛苦而制造工作。

    阿斯特丽德与我的生活：拥有自己喜欢的工作，也拥有照顾自己的人

    在这次访谈的最后，查理又谈到了我与阿斯特丽德·门克斯的婚姻，问她给我的生活带来了什么。我说，她一直很好地照顾我。我们在结婚前就共同生活了很长时间，我很了解她，也非常珍惜她。她是一个极其好的人，能够在自己的生活里与这样的人相伴，是我深感幸运的事情。

    当我们回头看这一年，外界可能最关心伯克希尔的净资产、重大收购、慈善捐赠、我的投资决定，以及世界各地的政治经济问题。那些事情确实很重要，我也愿意花大量时间认真思考。但我个人对于幸福的理解其实并不复杂：我仍能从事自己热爱的工作，身边有我喜欢并信任的人，同时有机会把长期积累的财富交给能够让它发挥真正价值的人。我不认为一个人还能要求比这更多的东西。我的人生一直非常幸运。

    转写说明：本稿属于 AI 编辑整理版，不等同于具有逐字准确性的正式访谈实录。

    Post #13
  • Jamie Dimon 访谈：被解雇、职业韧性、决策、风险管理、领导力和家庭人生
    谈笑风生

    在不确定的世界里领导：Jamie Dimon 谈职业韧性、商业决策、风险管理、家庭与人生

    职业韧性：被解雇不等于失去自我价值

    在花旗被解雇，是我职业生涯中最重要的一次挫折

    如果谈到职业韧性，我确实有一些亲身经历可以分享。我曾经为同一个人工作了 15 年，最后却被解雇了。这个人就是 Sandy Weill，我们一起经历了美国运通、Travelers，以及后来花旗集团的发展阶段。虽然事后回想起来，我本来不应该那么惊讶，因为在那之前，我们已经有好几年相处得不太融洽，但事情真正发生时，我仍然非常震惊。

    那天，我们先开了一场管理层会议，随后 Sandy 叫我过去，John Reed 也在场。他们让我坐下来，告诉我公司准备进行一些调整。当天晚上，我就回家了。对一个长期投入同一家公司、参与了许多重大业务发展和收购的人来说，这种经历显然非常难受。但我后来逐渐想明白一件事：受到影响的是我在那家公司的职业价值，而不是我作为一个人的自我价值。 我失去了那个职位，也失去了原来在公司的角色，但我仍然是我自己。我告诉孩子们，我没有问题，我会好起来。

    这并不是说被解雇不应该让人痛苦。被拒绝、失去职位或者遭遇重大失败，都会让人受伤。我认为，人完全可以允许自己难过一段时间，可以沮丧，甚至可以暂时责怪这个世界。但是，总有一个时刻，你必须重新站起来，继续往前走。

    还有一件事情同样重要，那就是诚实地审视自己到底做错了什么。类似的关系破裂，通常不完全是某一方的问题。即使你认为自己受到了不公平的对待，也应该尝试理解自己的责任。你不需要把所有错误都归咎于自己，但如果完全拒绝反思，就会失去从失败中学习的机会。

    失业后的一年，我没有急着寻找下一个头衔

    很多人记得，我当时被解雇之后，差不多过了一年才开始下一份重要工作。实际上，那段时间并不像外界想象的那么令人焦虑。

    我记得自己是在 11 月被解雇的，之后花了几个月处理离职协议和其他相关安排。期间，公司甚至收回了原来提供给我的办公室，我不得不自己重新安排办公地点。我认为那是一个不太友善的举动，不过也没有必要一直纠结。

    到了第二年的 3 月或 4 月，我决定干脆享受一下那个夏天。我带着家人去欧洲进行了一次相当悠闲的旅行。直到 9 月回到纽约，办公室也安排好了，我才开始认真考虑下一步到底要做什么。

    当时确实有很多人联系我，而我几乎接听了每一个电话，即使有些机会从一开始就不在我的考虑范围内。我认为认真回应别人是一种基本的尊重。

    我考虑过成立一家商人银行，也有人希望与我合作开展投资业务。我接到过一家大型国际投资银行的邀请，还专门去伦敦见了管理团队，但最终判断自己不适合在那里工作。也有一些规模较小的公司向我提供职位。此外，我完全可以写一本书、到学校教学，甚至直接退休。这些都是合理的选择，其中一些事情我后来仍然希望去做。

    但当时我很清楚，自己还没有准备结束职业生涯。我仍然年轻，仍然希望尝试经营一家大型企业，并证明自己有能力让它取得成功。

    为什么最终选择了 Bank One，而不是亚马逊或家得宝

    在寻找新机会的过程中，我还与 Jeff Bezos 见过面。当时他正在为亚马逊寻找一位总裁。我们谈过，但我没有继续推进这个机会。对那时的我来说，跨入互联网和电子商务领域，跨度可能有点太大。不过，我非常欣赏 Jeff，从那以后我们一直保持着友谊。

    真正进入最后考虑范围的两个重要机会，是 Home Depot 和 Bank One。

    我非常喜欢 Home Depot 的创始团队以及公司的文化，也一直很欣赏 Arthur Blank、Ken Langone 和 Bernie Marcus。前不久我还见到了 Arthur Blank，而 Bernie Marcus 已经去世了。当年我去亚特兰大与他们见面，三个人一起吃饭时，我不得不坦白一件很有意思的事情：在他们联系我之前，我竟然从来没有走进过一家 Home Depot 门店。

    这当然不意味着我不能学习零售业，但从职业背景来看，我在金融行业积累了几十年的经验。我从小就在金融环境中成长，父亲和祖父都是股票经纪人，后来又在 American Express、Travelers 和花旗工作。

    如果一个人一辈子都在打网球，现在突然让他去打长曲棍球，当然也可能学会，但他必须重新适应一套完全不同的规则、技能和环境。我对零售业非常尊重，但银行和金融服务是我更熟悉的领域。

    Bank One 当时是一家遇到严重困难的公司，但这反而没有让我太过担心。我对它的业务不是每一个细节都了解，但大部分东西是我熟悉的。我觉得自己可以利用过去积累的经验，帮助它走出困境。

    我一直有一种非常朴素的想法：不要像个孩子一样不断抱怨。接受你手里已经拥有的东西，然后尽可能把它做好。

    因此，我最终选择了 Bank One，而且不是以一种随时准备离开的态度加入。我带着家人搬去了芝加哥，在那里买房子，把孩子送进当地学校，并且在刚到公司的时候，就把大约一半的个人资金投入了 Bank One 的股票。

    我希望员工、投资者和董事会都知道，我的利益与这家企业真正联系在一起。此后我所做的决策，不只是一个受雇的职业经理人所做的决策，也包含了作为股东的责任感。大家知道，如果公司的未来出现问题，我本人也会承担很大一部分经济后果。

    从 Bank One 到摩根大通：真正投入意味着什么

    在芝加哥重新开始，并不轻松

    虽然我最终非常喜欢在芝加哥工作的经历，但刚到 Bank One 时，我确实感觉相当孤立。我原来是一个典型的纽约人，很多人甚至不相信我真的会搬到芝加哥。

    当时媒体经常问我是否真正承诺留在当地。我反复解释，我已经搬过来了，家人住在这里，孩子也在这里上学。有些人甚至会开车经过我在芝加哥的房子，确认我是不是真的住在那里。

    我后来经常开玩笑说，如果有一天我在芝加哥去世，而家人把我的骨灰运回纽约，芝加哥的人可能还会说：“看吧，我们早就知道他没有真正打算留在芝加哥。”这个玩笑虽然有些夸张，但也反映了当时外界对我的怀疑。

    刚加入公司的第一场重要会议就是董事会会议。在此之前，我只见过大概六位董事，那天才认识了其他十几位董事。Bank One 的董事人数很多。会议结束后，董事们陆续离开，人力资源主管带我去参观办公室。

    他们为我准备了一间角落里的办公室，但我不想坐在那里。我希望自己的办公室就在业务活动最密集的地方，而不是远离其他管理人员。我喜欢能够随时观察团队、与员工交谈，也希望大家知道可以直接来找我。

    随后，我提出想见见管理团队。大家进入会议室，我与他们握手、打招呼，手里还端着一杯咖啡。有人很认真地告诉我：“Jamie，我们不在这个房间里喝咖啡，因为这里有一块非常漂亮的白色地毯。”

    我看看手中的咖啡，再看看他们，又看看咖啡，然后说：“从现在开始，可以喝了。”

    这就成了我在 Bank One 做出的第一个高管决定：允许大家在铺着白色地毯的会议室喝咖啡。

    这件事听上去很小，但它反映了我对管理文化的看法。企业不应该把一些形式上的规矩看得比人与人之间的交流更重要。我希望管理团队把注意力放在业务、客户、风险、执行和沟通上，而不是担心一杯咖啡会不会破坏地毯。

    Bank One 的转型，以及与摩根大通的合并

    后来，Bank One 的经营状况明显改善。有人把那段经历描述为我们取得了巨大成功，我的说法会稍微谨慎一些：我们确实成功扭转了公司的局面，让一家陷入困境的企业重新成为一家经营状况不错的公司，但它还远远不是一家完美的公司。

    在那段时期，Bank One 的市值大约从 210 亿美元上升到了 500 亿美元。与此同时，摩根大通也经历了比较艰难的阶段，最终双方选择合并。尽管 Bank One 在交易中获得了一定溢价，但从实质上讲，这是一场双方参与程度都很高的合并。

    我在交易结构和未来管理安排上拥有相当大的话语权。合并之后，董事会席位采取了双方各八人的安排，而协议规定，我将在 18 个月或 24 个月后成为 CEO，除非董事会有 75% 的成员反对。

    从实际效果看，这几乎意味着我肯定会成为 CEO。因为要形成那么高比例的反对票，并不是一件容易的事情。

    这次合并最终让我有机会领导摩根大通，但在我看来，最重要的并不是职位本身，而是能够在一个更大的平台上，运用我们过去积累的经营能力、风险管理经验和组织管理方法。

    大型企业领导者应该如何管理公众影响力

    我不会为了发表意见而发表意见

    领导摩根大通这样一家规模巨大的公司，意味着我的一些公开讲话会受到媒体、投资者、监管机构和政策制定者的关注。主持人 Monica McNutt 提到，甚至特朗普总统也表示会关注我的看法。

    但我不认为自己说的每一句话都具有外界想象的那种分量，也不希望不断出现在电视上，对所有事情发表意见。事实上，我自己也会认真听其他人的看法，因为我希望了解他们如何理解这个世界、正在做什么，以及他们观察到了哪些我可能忽略的变化。

    公开讲话时，我会努力做到诚实而谨慎。我希望自己说的是经过思考、含义明确的话。话说得越多，未必越能把问题解释清楚，有时反而可能制造误解。

    如果仔细观察我的公开活动，就会发现我通常都有一个具体的理由。我可能是在某个城市宣布新的业务扩张计划，可能是在介绍帮助当地社区的新项目，也可能是推出新的投资计划。

    我并不喜欢单纯为了上 CNBC 而谈论经济。如果没有具体目的，我宁愿把时间花在经营公司和学习上。

    当然，还有一个我非常重视的领域，就是美国公共政策。我认为，一些政策问题与国家长期竞争力、社会稳定以及经济增长密切相关。只要我们确实拥有相关专业知识，并且能够提供有价值的建议，我愿意更积极地参与讨论。这并不是为了增加个人曝光度，而是因为我希望为国家做一些有益的事情。

    公共政策参与必须建立在专业能力之上

    摩根大通不会对所有公共政策都发表意见。我们会认真讨论哪些议题真正与公司有关、哪些领域我们具有专业知识，以及我们能够发挥什么作用。

    例如，我通常不会深入评论各种具体医疗政策，但像医疗服务价格透明度这样的议题，涉及市场运作、信息透明和消费者利益，我们可能有一些有价值的观点。

    同样，国际贸易和地缘政治正在变得越来越重要。我们成立了亚太战略小组，因为我们知道，与亚洲尤其是中国的经济关系，将长期影响全球贸易和金融市场。

    我们还设立了国防相关的行动论坛，研究美国需要建立哪些能力、供应链和资源储备，才能在潜在战争或重大安全危机中保持充分准备。除此之外，我们还组建了地缘政治战略团队，因为越来越多客户希望我们帮助他们理解不断变化的国际环境，并评估这些变化对企业经营和投资的影响。

    我们会花大量时间讨论，究竟应该参与哪些议题，以及如何参与。与此同时，有些问题不是我们主动选择的，例如国会调查、传票或者其他监管程序，也会迫使公司投入资源去处理。

    这种公众关注并没有从根本上改变我的日常管理方式，却确实影响了我们愿意参与的议题范围。我的原则始终是：如果我们有专业能力，而且确实能够帮助社会解决问题，就应该认真考虑发挥作用。

    从 Sandy Weill 身上学到的经营与风险管理

    大规模并购让我学会经营复杂企业

    我在 Sandy Weill 身边工作多年，参与了大量收购和整合，这对我的管理能力影响非常深远。

    我们最早从 Commercial Credit 开始，随后收购了其他消费金融公司，又收购了包含多家保险公司的 Primerica，之后加入了 Smith Barney、Travelers 的部分业务及其全部业务，还涉及 Shearson、Salomon Brothers 等不同金融机构。

    从外部看，那是一台非常有名的并购机器。我们不断寻找机会，完成交易，再把不同类型的金融业务纳入同一个组织。

    但如果从战略一致性的角度看，这些业务并不总是具有非常清晰的协同关系。有的公司经营保险，有的做消费金融，有的做证券经纪，有的从事投资银行业务。它们的商业模式、资产结构和风险敞口都不相同。

    我当时就知道，并不是所有业务都存在完美的战略契合。然而，一家多元化的金融集团仍然可以通过把每项业务经营好，为股东创造大量价值。

    这种经营方式要求管理者真正理解不同业务，而不能只关心收购价格或者交易是否完成。我们必须学习如何管理系统、员工、运营、市场营销和产品，同时理解每一家子公司实际承担了什么风险。

    例如，保险业务可能涉及非常复杂的长期风险，有些风险甚至与卫星等特殊资产有关。我一直非常关注风险究竟藏在哪里，最坏的情况可能有多严重，如果问题真的出现，公司能否承受，以及需要提前做好什么准备。

    我处理了大量日常经营事务，对数字、风险和运营细节都非常着迷。我希望知道公司到底发生了什么，而不是只听取一些经过包装的高层汇报。

    今天我依然非常重视这些细节，但并不需要像年轻时那样亲自参与每一项工作。因为现在我已经非常了解管理团队，也相信他们具有足够能力。我没有必要重复他们已经做得很好的事情。

    我很早就学会了用事实挑战权威

    我第一次得到与 Sandy Weill 工作的机会，也和一件相当偶然的事情有关。

    年轻时，我写过一份关于金融机构合并的分析报告，涉及 Shearson、Hammill 和 Hayden Stone 等业务背景。母亲认识 Sandy，就把我的文章拿给了他。

    Sandy 看完之后非常喜欢，还送回一些意见，问我是否愿意让他使用和传阅这份材料。

    我的回答非常直接：当然可以，不过你们那里有没有暑期实习工作？

    这可能有些大胆，但我确实因此得到了机会。起初，我做的主要是非常基础的数据工作，例如录入预算数字，并不是什么高级岗位。

    那年夏天，我有机会参加一些会议。记得有一次，有人讨论公司的大约 450 家分支机构，并表示所有分支机构都在盈利。我当场提出不同意见，说并非如此，其中有四家没有盈利，还能指出具体是哪些机构，包括位于 Portland 的一家，以及其他几家。

    我当时只是一个暑期实习生，却敢于在会议上纠正这种说法。不是因为我想让别人难堪，而是因为我知道相关数字，也认为事实比职位高低更重要。

    这种工作习惯一直保留到今天。无论职位多高，管理者都应该愿意了解细节；无论职位多低，员工也应该能够在掌握事实的情况下提出不同意见。

    好的领导力：智商、情商、好奇心与尊重

    真正的倾听，是把全部注意力交给别人

    随着职业生涯的发展，我越来越意识到，领导力并不只是制定战略、阅读财务报表或者做出投资决策。

    倾听非常重要。我经常告诉团队，如果我要参加一场会议，我会提前阅读材料，也就是完成所谓的 pre-read。会议开始后，我会把百分之百的注意力放在讨论上，而不是一边开会一边处理其他事情。

    我会认真听别人说什么，不断提问，尝试更深入地理解他们的逻辑、假设和担忧。提问不是为了证明自己更聪明，而是为了把事情弄清楚，知道我们究竟面对什么问题，以及下一步应该怎么做。

    我也非常重视尊重、关怀和好奇心。员工不愿意为自己不尊重的人工作，也不愿意为自己不信任的人工作。如果领导者根本不关心他们，员工通常能够感受到。

    所谓有爱心或有人情味，并不只是对高级管理人员友善。你怎样对待清洁工、服务员、出租车司机，和怎样对待其他公司的 CEO 一样重要。一个人真正的品格，往往体现在这些日常互动中。

    我还认为，好奇心是一种谦逊。一个始终保持好奇心的人，承认自己不可能知道所有事情，因此愿意不断学习。

    即使我管理着一家大型银行，也不意味着我比柜员或分行经理更懂得每一项零售银行业务。很多时候，他们对某家分行的日常经营、客户真正需要什么、流程哪里存在问题，比我了解得多。

    因此，我不仅应该倾听他们，还应该主动创造机会向他们学习。

    认可员工，不只是说一句“干得不错”

    我和 David Novak 讨论过员工认可的问题。他长期强调 recognition，也就是在组织中认真看见和肯定他人的贡献。

    真正的认可，不应该只是简单说一句“你做得很好”。它还应该包含具体的内容，例如你准确指出员工究竟解决了什么问题、发现了什么别人没有看到的风险，或者通过什么努力推动了结果。

    有时，认可也意味着承认自己原先的判断不够好，而其他人找到了更好的方法。

    如果一个领导者能够认真理解员工的工作细节，并准确描述他们的贡献，员工就会知道自己的努力被真正看见了。

    这种尊重、倾听和认可，不是企业文化的装饰，而是企业文化得以建立的基础。如果管理者不愿意理解别人，不愿意承认别人的贡献，也不愿意学习，那么再多关于企业文化的口号都没有意义。

    情商和沟通能力，是管理能力的重要组成部分

    年轻的时候，我可能低估了良好沟通的价值。随着管理的组织越来越大，我才真正意识到，能把复杂问题讲清楚，是一种非常重要的能力。

    写作尤其如此。我很喜欢那句经典的话：“抱歉给你写了这么长一封信，因为我没有时间把它写短。”

    把话写短，往往需要更多思考。你必须真正理解问题，区分重要与不重要的部分，再用清晰的语言让别人理解。这也是对阅读者时间的尊重。

    Jeff Bezos 采用过六页备忘录的工作方式，我认为那是一种很好的管理实践。我们在摩根大通内部也使用很多类似的书面材料，因为它们能够迫使人们充分思考，再进行讨论。

    但情商不仅是写作和表达。它还包括赢得信任、兑现承诺、愿意出现在员工身边，以及理解不同的人需要不同的沟通方式。

    有些员工能够接受非常直接、强硬的反馈，甚至觉得这种方式有助于迅速解决问题。另一些员工面对同样的语言，可能会感到恐惧、羞辱或情绪受到严重影响。

    领导者需要识别这些差异，并调整自己的行为。

    同样一句严厉的话，对不同人的影响完全不同

    我记得在 2007 年前后的金融危机时期，有一个星期六，我在家里接听工作电话，语气相当严厉。我的三个女儿都听到了电话内容。

    其中两个女儿并不觉得有什么特别，她们已经习惯我在工作中有时会非常直接。但另一个女儿突然哭了起来。她问我，为什么要那么生气，是不是准备解雇电话另一端的人。

    这件事让我非常深刻地意识到，同样一种行为，在不同人眼里可能代表完全不同的东西。

    一个人听到严厉的批评，可能觉得这不过是正常的工作讨论；另一个人却可能觉得自己正面临极大的威胁。

    领导者的责任，不是回避困难的议题，而是以适合对方的方式把困难的议题讨论清楚。

    一个团队里可能有内向的人、外向的人，以及具有不同神经认知特征的人。我们希望他们都能发挥自己的能力，就必须创造一个让不同类型的人都敢于表达意见的环境。

    这不意味着降低标准，而是要求领导者提高自己的沟通水平，理解人的差异，并帮助每个人在组织中贡献最大的价值。

    深入基层：为什么我坚持亲自走访分行和客户

    巴士巡访不是公关活动，而是一种学习方式

    我一直有到各地实地走访业务的习惯。过去很多出差通过飞机完成，往往集中在纽约、洛杉矶、旧金山等主要市场。但后来我们决定采取一种不同的方法：乘坐巴士，沿着一条路线深入较少被高层访问的城市和社区。

    在收购华盛顿互惠银行 WaMu 后，我们进一步扩大了西海岸业务。2012 年前后，我们组织过一条从西雅图到圣迭戈的巴士路线，希望真正了解沿途不同市场的情况。

    我们没有只停留在西雅图、旧金山或洛杉矶，也去了 Sacramento 以及一些内陆小城。行程最后到达圣迭戈，还访问了当地军事基地，与受伤的退伍军人交流。

    最近，我们也继续在美国南部等地区开展类似的巡访。

    这种旅行最大的价值，是能够看到总部会议室里很难看到的真实情况。

    我们会让分行经理、柜员以及其他基层员工上车，与管理层直接交流。我经常开玩笑告诉他们，上了巴士就能得到两样东西：啤酒和豁免权。

    所谓豁免权，就是希望他们放心地告诉我们真实情况，不用担心因为批评管理层或者公司政策而受到惩罚。

    巴士上会放音乐，气氛相对轻松。我们鼓励大家坦率表达意见：哪些流程不合理，哪些产品存在缺陷，哪些规定妨碍了服务客户，哪些事情是总部完全没有意识到的。

    这些批评对我来说不是麻烦，而是礼物。

    我们会认真记录发现的问题，整理成清单，回到总部后继续推动改进。

    客户的抱怨，也是最有价值的经营信息

    实地巡访不仅包括员工。我们也会与消费者、小企业客户、大企业 CEO、机构客户以及地方社区负责人见面，举办客户晚宴、员工大会和其他交流活动，有时还会参观大型呼叫中心。

    客户经常会直接告诉我们，某些产品或服务不如竞争对手。有些人甚至会非常明确地指出，别的银行做得更好，而我们的流程太慢、太复杂，或者没有满足他们真正的需求。

    听到这种反馈时，我希望团队的反应不是辩解，而是把问题写下来，然后想办法修复。

    一家大型企业很容易形成自己的信息过滤系统。客户抱怨经过多层汇报之后，可能变成一份语气温和、问题不那么尖锐的材料。长期如此，管理层就会误以为业务运行良好。

    面对面交流能够减少这种信息失真。

    此外，我发现，无论到美国哪个小城，当地的人们都非常重视大型企业领导者愿意真正花时间到访。

    我们会与当地媒体交流，了解社区需要，讨论慈善项目，观察就业机会，研究是否能够增加招聘或投资。这些举动能够让当地居民感受到，我们不仅仅是把他们当作一组业务数字。

    对他们来说，企业领导者亲自到场、认真倾听，本身就是一种尊重。

    地缘政治、美国经济与长期战略

    经济冲击往往具有滞后性，不能只看眼前的数据

    现在的商业环境确实变得更加复杂。关税、移民政策、财政政策和地缘政治都在发生变化，但美国经济的表现，有时候似乎没有受到大家预期的那么严重的冲击。

    我认为，观察这些问题时必须有耐心，因为很多经济变化都有很长的传导周期。

    例如，即使新的关税政策从今天开始实施，也不意味着所有影响会立刻反映在消费者价格和企业利润中。如果一艘货船今天装货，它可能一个月后才抵达美国港口，相关成本变化还需要进一步传递到企业供应链和最终消费者。

    移民政策变化对劳动力供应和经济增长的影响，同样需要时间才能观察清楚。

    对于当时正在推进的所谓“大而美法案”，我们也不能在所有细节和效果尚未明确之前，就简单断言它一定会产生什么结果。

    因此，我不愿意根据几周或者几个月的经济数据，就认定某项政策已经成功或者失败。

    我们需要更长的观察周期，同时研究不同政策之间可能相互强化或抵消的影响。

    不过，相比这些短期经济变量，我更加关注地缘政治。

    我的风险管理原则，是为所有合理情景做好准备

    摩根大通必须能够应对不同类型的经济环境，包括正常增长、经济衰退、严重衰退、通货膨胀，以及增长停滞但物价仍然上涨的滞胀环境。

    我不会因为某种情景的发生概率看起来不高，就完全忽视它。

    即使我们认为某一种结果不太可能发生，也应该问自己：如果它真的发生，公司是否有足够的资本、流动性、运营能力和管理能力来应对？

    一家具有长期竞争力的金融机构，不能只在经济形势良好时表现优秀。

    我们应该能够承受好的、坏的，甚至非常糟糕的结果。

    但从全球视角来看，真正重大的问题是如何维持一个安全、稳定、开放并且有利于自由社会发展的国际环境。

    这也是为什么我们加大了对一些美国公共政策问题的投入。我们希望推动更好的经济增长政策、更高效的住房供给、更合理的教育体系以及更有效的基础设施建设。

    如果政府长期无法解决民众关心的问题，人们对政府和公共机构的信任就可能下降。

    这些问题不仅涉及经济，还涉及国家治理能力。

    从住房、教育到航空管理，美国需要解决大量结构性问题

    有人会觉得，一家银行的 CEO 为什么会关心美国联邦航空管理局 FAA 的运作方式。

    原因很简单：这些基础设施和公共管理能力会影响整个经济的生产率、安全性和成本。

    我认为 FAA 的很多工作人员非常敬业，但美国航空管理系统的一些技术和流程已经过时。现代化水平不足，可能让航班无法采用更加直接、高效的航线，也可能增加运营成本、造成安全方面的挑战，甚至带来更多二氧化碳排放。

    这不是员工是否努力的问题，而是整个系统是否具备现代化能力的问题。

    类似的情况也存在于美国其他领域。我们的建设许可制度需要改革，教育体系需要改善，医疗制度仍然存在大量可以提高效率的地方。

    我们还需要解决住房负担能力、劳动力技能、经济增长和基础设施等问题。

    我在年度董事长致股东信中也讨论过这些议题，并提出了一些具体建议。

    我并不认为这些问题无法解决。恰恰相反，我认为美国仍然拥有非常强大的资源、人才、创新能力和制度基础。

    面对中国，最重要的是提升美国自身的竞争力

    我不一定会把中国简单称作敌人，但中国显然是一个非常强大的竞争对手，同时也是一个重要的军事力量。

    中国既有自己的优势，也有弱点。我们可以花很多时间讨论这些问题，但对我来说，更重要的不是不断表达对中国的恐惧，而是把美国自己的事情做好。

    美国需要提高经济增长能力，确保拥有世界上最强大的军事力量，持续推动创新，保持技术领先和长期竞争力。

    只有做到这些，我们才能更有信心地维持美元的国际储备货币地位，并继续吸引全球投资。

    这些目标并不是遥不可及，但如果我们不改革许可审批制度、不改善学校教育、不提升医疗体系效率，也不解决其他长期存在的结构性问题，就会逐渐削弱自己的优势。

    因此，摩根大通现在比过去更加积极地参与这些与国家长期竞争力相关的议题。

    为什么我们不会因为经济不确定性而停止扩张

    长期投资不应该被短期周期左右

    尽管外部环境存在大量不确定性，摩根大通并没有因此暂停既定扩张计划。

    我们仍然希望在海外扩大业务，招聘更多银行家，在美国建设新的分行，并持续投资技术。

    即使出现经济衰退，我也不会因为这一点就从根本上改变公司的长期战略。

    当然，我们会根据风险状况作出一些调整。例如，某些业务可能需要适度降低销售扩张速度，或者减少特定领域的风险敞口。但整体投资方向不会轻易改变。

    假设美国出现滞胀，那会是一个具有挑战性的环境，但我们也应该有能力承受。

    而且，无论经济短期发生什么变化，美国仍然是一个拥有巨大财富创造能力的国家，也是全球投资者非常重要的投资目的地。

    我不希望公司因为害怕下一次衰退，就放弃那些需要十年甚至更长时间才能形成竞争优势的机会。

    美国银行业的未来：整合、规模优势与社区银行

    为什么美国有几千家银行，而很多国家只有少数大型银行

    美国银行体系非常独特。这里大约有 4000 到 5000 家银行，而其他一些国家的银行业集中度明显更高，可能主要由五到十家大型银行构成。

    如果观察加拿大、澳大利亚、日本、法国和英国等市场，就会发现它们的银行体系通常比美国更加集中。德国在某些方面是一个例外，因为它保留了相当多具有地方特色的银行机构。

    美国形成这种结构，有很深的历史原因。

    过去很长时间，美国银行不能自由地跨州经营。直到 20 世纪后期，相关限制才逐步放松。更早的时候，有些州甚至对同一城市内的银行网点数量作出严格限制。

    例如，历史上的 First Chicago 曾经只能在芝加哥拥有一家分行，所以那家分行的规模非常大。

    当这些法律和监管限制逐渐变化之后，美国银行才开始更大规模地进行跨地区合并。

    银行业本身具有非常显著的规模经济。技术系统、网络安全、合规管理、风险管理、支付处理以及其他基础设施，都需要大量固定投入。

    从这个角度看，银行之间进行整合具有经济逻辑，因此我预计美国银行业仍然会继续发生一定程度的整合。

    但是，这绝不意味着所有并购都会成功。

    我亲身经历了大量银行合并，知道真正的整合非常困难。企业文化可能不兼容，财务结构可能出现问题，系统和技术平台可能难以统一，员工和客户也需要重新适应。

    很多银行并购最终并没有实现原先承诺的价值。

    所以，并购存在经济逻辑，不代表每一笔并购都是好交易。

    小型社区银行有独特的竞争优势

    我也不认为所有小银行最终都必须被大型银行收购。

    实际上，美国有很多经营得非常好的社区银行。它们了解当地客户，拥有不错的资本回报，而且能够提供大型银行不一定能够复制的服务。

    举一个例子：一家位于小镇的社区银行，可能没有使用 Salesforce 那样复杂的客户关系管理系统，也没有世界级的大型数据平台。

    但你知道它们最好的 CRM 系统是什么吗？就是分行经理自己的大脑。

    当地银行经理可能认识客户的全家，知道他们的孩子在哪里上学，知道他们经营什么生意，也了解他们遇到了什么困难。

    如果你的孩子需要一张信用卡，银行经理甚至可能在下班回家的路上，顺便把卡送到你家。

    他们还可能非常了解当地房地产市场，知道某条街的商业物业值多少钱，知道一份当地租约的真实价值，以及哪些小企业经营稳健。

    这些知识和服务关系，很难完全通过一个集中化的软件平台替代。

    所以，不能简单认为大型银行一定经营良好，而小型银行一定经营不佳。事实上，有很多小银行拥有优秀的财务表现，因为它们在自己的细分市场中真正做到了专业而高效。

    摩根大通的增长主要依靠有机扩张

    摩根大通已经非常大了。主持人提到，我们的规模甚至接近几家主要竞争对手的总和，因此很多人自然会问，我们是否还能继续收购美国银行。

    答案是，我们目前受到美国相关限制，不能像普通银行那样继续通过收购其他美国银行来扩张。

    理论上，我们可能在海外收购银行，但我也不认为那是最值得优先考虑的增长方式。

    我们已经拥有足够大的业务平台，可以通过有机增长持续发展。

    例如，在美国，我们能够一个州、一个州地拓展市场，一家分行、一家分行地增加覆盖，继续扩大消费者金融、信用卡和商业银行业务。

    在海外，我们也拥有很多机会，包括 Chase UK 等新业务。

    全球经济仍然在增长，企业的金融需求越来越复杂。越来越多美国跨国公司在秘鲁、哥伦比亚以及欧洲各地开展业务，而这些企业在进入新市场时，也需要银行提供支付、融资、现金管理、风险管理和其他服务。

    我们能够陪伴这些客户在不同国家开展业务，这是一种非常重要的规模优势。

    大型银行能够承担小银行无法完成的全球性任务

    摩根大通在大约 100 个国家开展业务，每天处理的资金流转规模大约达到 10 万亿美元。

    要实现这种能力，需要极其复杂的技术系统、支付网络、运营基础设施和网络安全体系。

    我们在美国拥有大约 8700 万消费者客户。有人认为这个数字包括全球消费者，但我通常会特别说明，这主要指美国消费者。

    此外，我们还服务大约 1.2 万家企业客户以及 6000 家投资机构，业务对象包括城市、州政府、学校、医院、主权财富基金和其他政府机构。

    我们不仅仅为企业提供银行服务，也会协助不同国家的政府和公共机构开展融资活动。

    例如，我们参与过巴基斯坦政府相关债券交易，并为政府提供信用评级、融资安排等方面的建议。

    主权财富基金在全球金融体系中的资产规模也非常庞大，它们需要投资、托管、风险管理和其他专业金融服务。

    小型社区银行可以非常擅长服务当地客户，但不可能单独建设支持 100 个国家业务、每天处理 10 万亿美元资金流动的系统。

    两种银行具有不同的竞争优势，也满足不同类型的客户需求。

    为什么我不希望竞争对手陷入危机

    健康的竞争，比竞争对手被削弱更有价值

    Wells Fargo 的 CEO Charles Scharf 是我非常熟悉的人。我在他 21 岁时就聘用了他，后来也一直非常关注他的职业发展。

    他是一位朋友，也曾经与我共事。我对他在 Wells Fargo 取得的工作成果感到骄傲，尤其是在公司经历困难时期之后，他带领团队进行了大量修复和改善工作。

    我曾经向他表示祝贺。

    但这并不意味着我们之间没有竞争。摩根大通和 Wells Fargo 当然仍然是竞争对手。

    问题在于，我不认为一家银行竞争对手遭遇严重困难，就一定对我们有利。

    例如，当 Credit Suisse、Silicon Valley Bank 和 First Republic 出现严重问题甚至倒闭时，有些人认为，对其他大型银行来说，这是一件好事，因为它们可能因此获得客户和业务机会。

    我并不同意这种看法。

    银行出现大规模失败，会让公众质疑整个银行体系的稳定性。如果某家银行的治理、风险控制或经营存在问题，人们不一定只怀疑那一家机构，也可能开始怀疑其他银行。

    整个行业的信任基础可能因此受到伤害。

    Wells Fargo 之前也受到一些非常严格的监管限制。我认为其中部分限制并不公平。这些措施或许在某些时期让摩根大通获得了一点竞争上的便利，但长期来看，我并不觉得这对银行体系有好处。

    我更希望看到的是一家健康的 Wells Fargo 与我们公平竞争，而不是一家受到严重限制、无法充分发挥能力的银行。

    一个健康的银行体系，需要健康的竞争者，而不是依赖竞争对手不断失败。

    两次接近死亡：癌症、心脏手术与人生观的变化

    被诊断出癌症时，我第一次真正面对死亡

    我曾经经历过晚期咽喉癌的治疗。主持人 Monica 也经历过晚期乳腺癌，我们都曾在 Memorial Sloan Kettering Cancer Center 接受治疗，因此对彼此的经历有一定理解。

    当医生告诉你患了癌症时，那种感觉几乎像被人迎面打了一拳。

    癌症在社会上并不罕见，我们都知道有很多人会患癌。但在自己被诊断之前，人们心里常常会隐隐觉得，这件事大概不会发生在自己身上。

    真正面对诊断时，我的思维很快发生了变化。

    最开始你可能会想：“为什么是我？”

    但没过多久，你又会意识到：“为什么不能是我？我又有什么特别的理由能够完全避开这种事情？”

    接下来就是漫长而令人疲惫的检查和治疗过程。

    你可能需要接受活检、不同类型的影像检查和其他测试，医生也需要时间判断疾病发展到了什么程度。

    在所有结果明确之前，你常常不知道情况究竟有多严重，而这种等待本身就非常难受。

    对我而言，咽喉癌治疗的过程非常痛苦，绝不是一件容易承受的事情。

    但最困难的部分，仍然是告诉自己的孩子。

    告诉三个女儿的那一刻，比治疗本身更难忘

    我不想让女儿们受到过度惊吓，所以一开始很难找到合适的表达方式。

    我把她们叫到一起，想告诉她们发生了什么。起初她们还在正常聊天，彼此说个不停。

    但当我开始认真讲话时，她们突然安静下来，因为她们看出我确实有一件重要的事情要说。

    我先告诉她们：“在告诉你们具体发生了什么之前，我希望你们先知道，我会好起来的。”

    这句话说完之后，房间里完全安静了。

    然后，我才告诉她们自己患了癌症。

    我一直记得那个时刻。对一个父亲来说，面对自己的疾病是一回事，而面对孩子可能产生的恐惧和不安，是另一回事。

    你希望保护她们，希望让她们安心，但又必须诚实地告诉她们正在发生什么。

    主动脉夹层让我再次面对生死

    几年之后，我又经历了一次危及生命的心脏急症。

    那次情况非常严重，我当时认为自己活着走出手术室的概率可能只有 50%。

    事情发生在清晨，大约五点的时候，我突然感到胸口剧痛，就像有人把一把刀直接刺进我的胸膛一样。

    那种疼痛极其强烈，我甚至觉得身体内部有什么东西被撕裂了。

    我非常幸运，第一时间联系了自己的医生。他很快判断事情可能非常严重，直接告诉我带上妻子、坐出租车去指定医院，并安排心脏科医生在那里等候。

    医院的医生迅速作出了正确诊断：主动脉夹层。

    这种情况有时可能被误诊，而快速、准确的诊断对患者生存非常重要。

    更幸运的是，当天早上，世界上非常优秀的相关外科医生之一 Leonard Girardi 恰好能够为我做手术。

    那场手术持续了大约七到八个小时。

    我知道自己面临极高的风险，也知道手术结果有很大的不确定性。

    即使生命垂危，也必须确保公司能够正常运作

    在被推进手术室之前，我首先想到的是家人。那时她们还没有全部赶到医院，因为整个事件发展得非常突然。

    但我也意识到，作为摩根大通 CEO，我必须确保董事会能够及时了解我的情况。

    我让妻子联系公司相关人员，并要求他们准确传达我的诊断，而不是使用一些模糊的说法。

    我特别要求通知总法律顾问和首席董事，让董事会知道究竟发生了什么，以及我可能在一段时间内完全无法履行工作职责。

    这不是我应该替董事会作决定的时候。我的责任是把真实情况告诉他们，让他们能够采取必要措施。

    后来，董事会任命 Gordon Smith 和 Daniel Pinto 作为临时代理 CEO，确保公司在我接受治疗和恢复期间继续正常运作。

    这件事反映了大型企业治理的一项基本要求：无论 CEO 多么重要，公司都不能完全依赖某一个人的身体状况或个人能力。

    被推进手术室时，我没有太多人生遗憾

    很多人问我，当你认为自己可能只有一半机会活着出来时，会不会突然想起大量人生遗憾。

    我的真实感受是，没有那么多。

    当然，我会想到家人，也会思考自己还有哪些事情没有做完。但我并没有在被推进手术室的时候，突然觉得整个一生充满遗憾。

    我记得自己当时还没有完全失去意识。手术室非常大，里面可能有 20 位医护人员。

    我看着那些准备为我手术的人，对他们说，无论最后发生什么，我都想先感谢大家。

    后来我见到医生时，还专门问过他是否记得这件事。

    我非常感激那些医生和护士。经历过重症监护病房的人，会知道护理人员有多么专业、耐心和重要。

    手术之后，我曾想给照顾我的护士们送礼物，但医院有自己的规定，不允许接受某些礼品。

    最后，我想办法给他们添置了一台新的冰箱，用来存放食物。因为当时正值新冠疫情开始的阶段，我还送了一台能够为手机等设备充电并进行消毒的机器。

    这些事情当然无法真正回报他们挽救我生命所付出的努力，但至少是我能够表达感谢的一种方式。

    重症监护病房是一种非常深刻的谦逊教育

    我平时是一个非常习惯掌控工作节奏的人，习惯了解信息、作出决定、推动团队行动。

    但在重症监护病房醒来之后，我发现自己身上连接着大量医疗设备和管线，很多事情都无法独立完成。

    那种感觉非常令人谦卑。

    你突然变得像一个需要他人全天照料的孩子，甚至一些最基本的事情都需要依赖护士帮助。

    但与此同时，这种经历也让我感受到人的善意。照顾我的医护人员不仅非常专业，也充满耐心和同情心。

    即使手术已经结束，医生仍然提醒我，危险期还没有完全过去，需要继续观察。

    面对这样的处境，你会更加深刻地理解生命的脆弱。

    每个人都知道自己有一天会死亡，但真正经历过接近死亡的人，会以一种完全不同的方式理解这件事。

    我曾经读到一位澳大利亚作家 Julia Baird 关于患癌经历的文字，其中有一个观点给我留下了很深的印象：经历严重疾病之后，一个人会更加有意识地生活。

    我觉得这个说法非常准确。

    我的疾病没有让我突然厌恶工作，也没有让我决定完全改变职业方向。我仍然热爱自己做的事情。

    但我确实更加明白，时间不是无限的，不能理所当然地假设自己会永远活着。

    工作与家庭：我如何理解父亲的责任

    我始终把工作和家庭作为生活中最重要的两件事

    人们经常讨论职业女性如何平衡工作和育儿，但我认为，男性同样需要认真承担家庭责任。

    我有三个女儿，过去多年一直努力参与她们的成长。不过，我并不想假装自己所有事情都做得很完美。很多方法也是我在实践中逐渐学习到的。

    首先，如果没有我的妻子 Judith 的支持，我不可能完成这些事情。

    她承担了大量家庭责任，我们一起为孩子创造了稳定的生活环境。这一点必须首先说明。

    我个人的做法相对简单：我把时间主要分配给工作和家庭。

    你很少看到我出现在各种需要穿晚礼服的社交活动上。我没有花很多时间打高尔夫球，也减少了看电视体育比赛的时间。

    如果星期六去打网球，我通常会带着孩子们一起去，甚至在她们只有六岁的时候也是如此。

    我希望工作之外的重要活动能够尽量与家人共享。

    当然，我并不是没有个人兴趣。我喜欢历史、葡萄酒、烧烤和徒步旅行，也喜欢和家人一起度假。

    只是这些事情中的很多，都可以成为家庭共同经历的一部分。

    家庭时间不会自动出现，必须主动安排

    有一次，我向女儿们讲述自己如何平衡工作和家庭，其中一个女儿提醒我，我总是漏掉一些重要的事情。

    她说，我应该承认自己确实作出了牺牲。

    我回答说，我并不觉得自己牺牲了什么，因为那本来就是我想要的生活。

    但她指出，我确实减少了与朋友相处的时间，也放弃了一些其他活动和机会。

    我后来承认，她说得有道理。

    即使我主观上不认为那些选择是牺牲，它们客观上也意味着我把某些事情放在了其他事情之前。

    这就是生活中的优先次序。

    如果你真的希望陪伴家人，就必须像安排重要工作会议一样安排家庭活动。

    把孩子的比赛、家庭聚会或者其他重要事情写进日历，认真对待，而不是假设工作结束后自然会有空闲时间。

    真正优秀的员工，不应该因为照顾家庭而受到惩罚

    我也希望管理者理解，员工的工作表现不应该只用他们每天坐在办公室里的时间来衡量。

    如果一个员工工作非常出色，而某天下午需要去参加孩子的足球比赛，我不认为这应该构成问题。

    在我看来，他去看孩子比赛，与他出去拜访客户，并不必然存在谁更值得尊重的问题。

    关键在于他有没有履行自己的职责、有没有为公司创造价值。

    新冠疫情是一场非常糟糕的公共卫生事件，但它至少提醒了企业一件重要的事情：很多照顾家庭成员的人，需要更大的工作安排灵活性。

    这和长期在家办公不是同一个概念。

    如果员工的父亲生病了、母亲需要照顾、孩子遇到健康问题，或者家庭中发生了其他必须处理的情况，企业应该给予适当支持。

    只要他们仍然能够完成工作，管理者就不应该机械地计算这些事情占用了几天办公室时间。

    我们也在相关制度上提供了更多灵活性。

    例如，我们不只是讨论传统意义上的产假或陪产假，而是为第二照护者提供同样长达 16 周的相关假期。

    我认为这种支持非常重要，因为照顾孩子和家庭，本来就不应该只是某一方的责任。

    人生的价值排序：家庭、国家、摩根大通

    家庭始终是我最重要的遗产

    如果有人问我，摩根大通和家庭哪一个更能代表我最终留下的遗产，我的答案是家庭。

    我的孩子们将拥有自己的职业道路，也可能通过她们的工作，以我无法预见的方式改变世界。

    我一直把自己的价值排序概括为：家庭、国家、摩根大通。

    这不意味着摩根大通不重要。恰恰相反，它是我参与社会、创造价值和帮助他人的主要方式之一。

    如果我把摩根大通经营好，就能够帮助员工、客户、个人消费者、企业、社区乃至整个国家。

    因此，我的社会贡献既来自家庭，也来自自己的职业工作。

    但在生命结束的时候，家庭仍然是最重要的部分。

    现在公司大楼里有很多来自 J. P. Morgan 的经典名言。主持人曾开玩笑说，也许未来可以把我的一些话放在墙上。我觉得那并不是最值得在意的事情。

    我确实考虑过写一本书，而且已经保留了不少平时写的材料。因为我经常写作，所以未来真正开始写书时，可能已经有相当多基础内容可以使用。

    不过，当我曾经提出要写书时，董事会告诉我，既然公司还在支付我的薪酬，我就应该专注于 CEO 的工作。

    我认为这个要求有道理。等到适当的时候，我再把那些经验整理出来。

    家庭背景如何塑造我的价值观

    在一个被坚强女性包围的家庭里成长

    我的妻子 Judith 是我在哈佛商学院认识的。我们有三个女儿，后来又有了孙辈。

    很长一段时间，我们家里几乎到处都是女性：我的妻子、三个女儿、孙女，甚至连家里的狗都是母的。后来终于有了一个男孙。

    不过，如果谈到对我影响很大的女性，就不能漏掉我的母亲和祖母。

    我的母亲是一位非常坚强的人，也是一位充满关爱的母亲。她接受过弗洛伊德式心理分析理论的影响，因此特别喜欢追问人们行为背后的动机。

    当别人做出某种行为时，她经常问：“他们为什么这样做？”

    而年轻时的我常常回答：“我不在乎他们为什么这样做。”

    但随着年龄增长，我越来越理解她关注人的心理和动机的原因。

    我的祖母同样非常坚强。她们给我的影响，不只是要努力工作，还包括如何尊重他人、如何面对困难，以及怎样在必要时坚持原则。

    希腊移民家庭教会了我最基本的做人准则

    我有四位祖父母，其中三位是希腊移民，另一位出生在美国，具有一部分意大利血统。他们都没有接受过高中教育。

    我的那位祖母非常擅长烹饪，小时候我经常吃到她做的希腊菜和意大利菜。

    但比食物更重要的，是他们和我的父母共同传递的价值观。

    这些价值观并不复杂，也不是什么高深的管理理论。

    首先，要正确对待别人。

    如果我小时候对服务员、出租车司机或者其他人态度不好，家里一定会非常严厉地教育我。

    其次，要在别人受到欺负时挺身而出。

    如果看到一个孩子被霸凌，他们会期待我帮助那个受欺负的人，即使这意味着自己可能承担一些风险。

    第三，一个人应该有生活目标，而这个目标不必与金钱和商业成就直接相关。

    我有一个哥哥是物理学家，另一个哥哥从事教育工作。我的三个女儿也走上了不同道路，有人从事新闻报道，有人进入医疗领域，也有人选择银行业。

    我从不认为所有孩子都应该像我一样从事金融。

    重要的是，他们能够找到有意义的事情，成为对社会有贡献的人，并努力让世界变得更好。

    最后，就是无论做什么，都应该尽自己最大的努力。

    不要偷懒，不要满足于表面完成任务，而要不断学习、保持好奇心，并认真对待自己承担的责任。

    父母去世之后，我才真正理解家族传承

    非常有意思的是，在父母去世之前，如果有人问我，作为希腊移民的孙子对我的性格究竟有什么影响，我可能不知道怎么回答。

    我的父母是在同一天去世的，当时他们都在家中，而且相互陪伴。

    那是一件非常令人难过的事情，但从另一个角度看，能够在彼此身边走完人生最后一段路，也是非常特别的经历。

    他们去世之后，随着时间推移，我才开始更加认真地回顾家族历史，思考祖父母和父母究竟把什么东西传给了我。

    我后来发现，那些从小听到的朴素原则，已经深深影响了自己对商业、领导力和人生的判断。

    选拔管理者：聪明只是起点，品格和执行力更重要

    我希望高管具备怎样的能力

    当我选拔最重要的管理团队成员时，当然希望他们聪明、善于分析。

    现代金融业务非常复杂，没有足够的智力和分析能力，很难理解其中的风险和机会。

    但聪明不能只意味着能够快速完成数学计算或者解读财务报表。

    我希望管理者始终能够观察外部世界，了解竞争对手、技术变化、客户需求和行业趋势。

    这种能力与好奇心密切相关。

    有一次，我要求消费银行业务团队派一批人去中国学习。

    一些员工一开始不理解，认为这趟旅行可能是浪费时间。我告诉他们，去了之后自然会发现值得学习的东西。

    他们到中国之后，看到了微信、支付宝、腾讯以及当地企业在数字支付和金融科技领域采用的不同方法，才真正理解其他市场正在发生多么有意思的创新。

    这就是我希望管理者拥有的开放心态。

    不要因为某种商业模式不是自己发明的，或者某种技术出现在不同国家，就认为它没有学习价值。

    有判断力，还必须有作出决定的勇气

    在专业能力和好奇心之外，我非常重视品格、企业文化、关怀他人的能力以及执行力。

    我会把诚实、勤奋、尊重他人等因素视为基本条件，而不是可有可无的附加项。

    然后，我还会特别观察一个人有没有韧性和决断力。

    一个人可能非常善良，也非常聪明，但真正面对压力时，他可能不愿意做决定。

    有些管理者不断分析问题，却迟迟无法采取行动。这种情况有时让我很惊讶，因为他们看起来具备很多优秀特质，最终却无法把事情完成。

    还有一些人可能不是团队里分析能力最强的，却特别擅长综合各种意见，抓住关键，最后推动事情落地。

    因此，每个人的能力组合不同。有的人擅长分析，有的人擅长观察，有的人擅长综合判断，有的人擅长执行。

    优秀团队的价值，就在于把这些不同能力组合起来。

    但如果一个人想负责一家大型企业，他至少需要在分析、判断、学习、执行、品格和人际管理等方面具备比较完整的能力。

    我们当然需要技术专家，但不能只因为某人非常懂技术，就认定他一定能够成为一名优秀的业务负责人。

    面试高管时，我首先想了解他是怎样的人

    很多人以为，高级管理者参加我的面试时一定会非常紧张。

    我通常会尽量让他们放松，因为我真正想了解的是面试者本人，而不是让他们感到自己正在接受一位大型银行 CEO 的审问。

    我经常从一些很普通的话题开始。

    例如，你在哪里长大？父母做什么工作？你有几个兄弟姐妹？小时候喜欢什么活动？在哪里上学？什么事情对你影响很大？

    我希望先知道这是一个怎样的人，然后再深入讨论他的职业经历。

    当然，面试只是人才评估的一部分。

    对于真正重要的岗位，我们通常安排不同的人参与面试，因为每位面试官可能观察到不同的特点。

    有些人非常擅长面试，能够真正理解候选人的思维方式和品格。

    但有些面试官太忙于向候选人展示自己有多么优秀，以至于忘记了深入了解对方。

    一个候选人的真实表现，不能只靠一场面试判断

    对于高级管理岗位，我们通常已经掌握了大量与候选人有关的信息。

    例如，他是否努力工作，是否诚实，是否能够把复杂问题写清楚，是否按时完成承诺。

    他的同级同事怎么看待他？下属是否愿意为他工作？他犯错时会不会主动承担责任？

    他是否尊重别人？是否经常对员工大喊大叫？在困难时期是否表现可靠？

    这些问题往往可以通过长期工作记录、推荐意见和不同来源的反馈进行了解，并不需要等到面对面见到候选人才开始判断。

    因此，面试不应该是孤立的仪式，而应当是对一个人长期行为和职业经历的深入验证。

    我真正想找的是既有能力又有品格，既愿意学习又能够做出决定，并且能够帮助其他人取得成功的领导者。

    人才无处不在：名校并不是唯一的人才来源

    我非常重视州立大学和不同地区的人才

    主持人曾提到田纳西大学 Knoxville 校区的 Haslam College of Business，并告诉我，那里大约三分之一的本科生对商业教育表现出兴趣。

    我认识 Haslam 家族，也非常尊重他们帮助学校发展所做的努力。

    我认为，这种商业教育需求非常积极。

    很多人习惯把顶尖人才与常春藤盟校联系起来，但我长期以来发现，优秀人才其实分布在美国各个地方。

    很多人拥有能力、抱负和工作热情，只是没有获得同样的机会，或者没有被传统招聘体系充分发现。

    因此，我不会简单认为来自哈佛或其他名校的毕业生，就天然优于州立大学的学生。

    教育背景当然可能提供一些信息，但它不能替代对一个人真实能力、品格和努力程度的判断。

    美国很多城市仍然充满创业与发展活力

    我很喜欢 James Fallows 关于美国不同城镇的研究与写作。他和妻子曾走访美国许多城市，记录当地社区如何发展经济、教育和社会组织。

    我自己在全国出差时，也经常看到类似的情况。

    无论是在 Birmingham、Jackson、Huntsville，还是美国其他地方，我都会遇到大量希望发展事业、建立企业、获得好工作的人。

    我去过很多历史上黑人高校 HBCU，与那里的学生交流。

    这些年轻人希望得到工作机会，希望发展自己的能力，希望进入优秀企业。他们并不像一些媒体描述的那样，只会抱怨或者缺乏工作热情。

    我还观察到，在田纳西、佐治亚、北卡罗来纳、南卡罗来纳和得克萨斯等州，一些地区具有非常强烈的创业和发展动力。

    从某些角度看，这些地区的经济活力可能比加利福尼亚、密歇根或纽约的一些地方更加明显。

    当然，这并不意味着所有人都相同，但这种地区发展趋势值得认真观察。

    我希望更多年轻人理解商业和自由企业制度是如何运作的，也希望学校更好地教授公民教育、经济制度和企业经营的基本知识。

    这些能力对于一个社会保持长期繁荣非常重要。

    Haslam 家族就是一个很好的创业案例。Jim Haslam 建立了 Pilot Flying J，后来这项业务被 Berkshire Hathaway 收购。这种从创业、经营到建立大型企业的经历，本身就值得年轻人研究。

    重返办公室：为什么我不认同把远程办公作为普遍标准

    我关注的是实际效果，而不是迎合流行观点

    我曾经因为支持员工重返办公室而受到很多关注，有些人把我的一次讲话称为“怒斥”或者“激烈批评”。

    我知道自己讲话时有时会表现得非常有情绪和力量，但我认为，那次讨论其实是在认真回应一个非常具体的问题。

    我并不是为了反对某种流行趋势而故意提出相反意见。

    我的原则是先努力找出事实，然后根据事实行动。

    如果某种做法确实更好，我愿意接受；如果某种做法看似受欢迎，但实际上正在伤害企业、客户或者员工发展，我也愿意指出问题。

    我一直认为，做正确的事，比做眼前方便的事更加重要。

    年轻员工需要在真实工作环境中学习

    我反对某些远程办公安排，一个非常重要的原因，是它们可能损害年轻员工的培养过程。

    大多数人的职业能力，并不是只靠阅读教材或者参加线上培训获得的。

    很多技能来自学徒式学习。

    你坐在资深同事旁边，观察他如何与客户沟通，如何参加销售会议，如何进行演示，如何处理反对意见，甚至观察他怎样犯错、怎样修正错误。

    这些日常细节会逐渐形成个人的职业判断和沟通能力。

    如果年轻员工长期不在办公室，他们可能无法获得同样的观察和参与机会。

    我们已经发现，一些不经常到办公室的年轻人，在参与客户项目、建立内部人际网络和提升工作能力方面落后了。

    他们可能不会被安排到重要客户账户上，也没有机会自然地认识更多同事。

    这种损失不仅是工作技能上的，还可能涉及社交能力和职业发展机会。

    我甚至担心，长期减少面对面社交可能影响年轻人建立亲密关系的机会，包括认识未来伴侣。

    工作场所往往比个人居住社区更加多样化，能够让人接触不同背景、不同想法的人。

    如果一代年轻人长期缺少这些经历，其中一些损失可能很难完全弥补。

    视频会议无法完全复制面对面管理

    我有时把远程会议管理称为“好莱坞方格游戏式管理”，因为屏幕上排列着一格一格的人脸。

    但这种沟通与真实坐在同一个会议室里存在明显差异。

    假设我不同意 Monica 的某个观点，如果我们面对面交流，我可以通过语气、眼神和身体语言，让她知道我是在认真提出问题，而不是攻击她。

    她也可以立即观察我的反应，继续解释自己的想法。

    但在一个同时有 12 个人的视频会议中，这种互动容易变得僵硬。

    你对某一个人提出的问题，似乎成了对所有人公开发表的评论。

    我也注意到，有些人在视频会议期间会查看手机、平板电脑或者处理其他事情，实际上并没有认真参与讨论。

    这并不意味着所有远程会议都没有价值，而是说明它们无法完全替代某些面对面管理活动。

    远程办公会削弱许多自然发生的后续沟通

    我们在办公室开完一整天的管理会议之后，通常不会立即停止讨论。

    大家会在走廊里继续交流，有人可能过来告诉我，上午提到的问题已经解决了，也有人可能提出新的风险。

    我会让某位高管去找另一位同事讨论，或者直接走到他们的办公室继续推进。

    这些自发发生的后续沟通，构成了企业执行效率中非常重要的一部分。

    在线上会议里，大家更容易说：“这个问题我们下周再讨论。”

    如果星期五很多人不在办公室，团队也可能决定推迟讨论，因为关键人员没有到场。

    结果是，原本当天能够解决的问题，被拖延到下一周。

    我不希望大型组织因为不断等待下一次正式会议而降低执行速度。

    弹性工作与长期远程办公不是同一回事

    在推进办公室政策之前，我们实际上认真分析过工作安排的效果。

    我们曾经允许部分员工每周在办公室工作三天、在家工作两天。

    但实际执行中，有些人变成每周只到办公室两天，在家工作三天，甚至没有遵守原本已经相对宽松的规定。

    我认为，这种情况必须被正视。

    有些人会说：“远程办公对我来说很有效。”

    但这只说明个人感受，并不是关于组织效率的充分分析。

    还有人会说：“反正我的团队很多会议都是通过 Zoom 进行的。”

    这同样不能自动证明远程办公是最佳安排。

    我们应该分析的是，它对客户服务、员工成长、团队协作、管理效率和长期经营结果究竟产生了什么影响。

    同时，摩根大通并不是完全反对远程工作。我们有大约 10% 的岗位可以长期在家办公，因为这些岗位的工作性质允许这样做，而且这种安排能够满足业务和客户需要。

    我反对的是，在某些岗位明显不适合长期远程工作的情况下，仍然把它当作所有人都应该享有的普遍安排。

    工作模式是一项商业选择，不是道德判断

    我完全接受不同企业采用不同的经营模式。

    有些公司可能选择高度远程化，另一些公司可能要求更多面对面协作。

    如果两种方式都符合法律和商业要求，它们完全可以在市场中竞争。

    我相信自己的公司因为重视办公室协作而具有优势。其他企业可以不同意，也可以建立完全不同的组织方式。

    最终，竞争结果会告诉我们哪些方法更有效。

    但这不应该被理解为一个道德问题。

    我并不是说选择远程办公的人在道德上有什么错误，也不是说所有企业都必须模仿摩根大通。

    我觉得奇怪的是，有些人因为自己希望在家办公，就认为应该要求摩根大通采用同样的制度。

    他们完全可以选择其他工作模式不同的企业。

    但当我们根据自身业务、员工发展和客户需求作出管理决定时，这项决定应该得到基本尊重。

    社会分歧、公共讨论与企业的责任

    美国社会并不像媒体画面中那样处处对立

    现在美国确实存在很多政治和社会分歧，一些人甚至不敢公开表达不同意见。

    但我认为，必须区分媒体呈现的全国性政治争论，与大量普通社区的真实生活。

    当我们乘坐巴士走访 Huntsville、Greenville、Raleigh、Durham、Austin、Spokane、Boise 和 Bozeman 等城市时，经常看到的是人们正在积极合作。

    当地政府、企业和居民共同讨论怎样改善学校，怎样帮助贫困社区，怎样为少数族裔创造机会，怎样建设步道和河滨公共空间，以及怎样吸引企业和增加就业。

    很多地方仍然在增长、创新和改善居民生活。

    如果一个人每天主要通过华盛顿、纽约以及 CNN、Fox News 等媒体观察美国，他可能会觉得整个社会始终处于激烈冲突中。

    但当你真正走进这些城市，就会发现很多普通人仍然在努力工作、照顾家庭、经营企业和建设社区。

    这并不意味着社会分裂不存在，而是说，现实比高度政治化的媒体叙事更加复杂。

    面对争议，企业应该坚持原则，也应该根据法律调整政策

    摩根大通会认真分析社会争议，并形成自己的立场。

    我们长期关注气候、人才多样性以及其他公共议题。

    当法律发生变化时，我们当然需要检查自己的政策是否符合新的要求，并在必要时作出调整。

    例如，在多样性相关政策方面，法院对种族配额以及某些依据种族作出决定的做法提出了明确限制。

    我们一直强调，公司没有采用招聘配额，也不会简单依据肤色决定一个人的录用、薪酬或者晋升。

    面对新的法律环境，我们修改了一些政策措辞和具体项目，但这并不意味着停止接触不同背景的人才。

    我们依然会到历史上黑人高校招聘，也会继续与西班牙语社区交流，为需要西班牙语服务的客户提供支持。

    我认为这些活动本身具有商业价值，也能够帮助公司发现人才、服务客户。

    与此同时，我们确实取消了一些原来的项目。

    其中一部分原因是，它们已经变得过度官僚化，或者不能实现预期目标。

    我们在合规、审计和财务部门也经常做类似的事情：某些流程随着时间不断增加复杂度，却没有带来实际价值，那就应该取消或者重新设计。

    我不认为任何项目只要被赋予了一个好的名称，就自动值得永久保留。

    我们应该持续检查它究竟有没有效果。

    我的办公室管理方式：保持开放，而不是把日历排满

    我尽量让员工随时能够找到我

    虽然我经常出差，在总部办公室的时间大约只有一半，但只要人在公司，我都会努力保持开放和可接触。

    我几乎每天都会回复大多数电话和电子邮件。

    如果有人打电话说需要和我讨论 30 分钟，我通常愿意安排。

    但对直接向我汇报的高级管理人员，我并不总是设置固定的周期性一对一会议。

    原因是我们已经非常熟悉彼此，也建立了充分信任。

    他们知道如果遇到问题，可以直接来找我；如果我认为某件事情需要讨论，也会直接联系他们。

    我在日历上有意保留一些空白时间。

    当然，我也需要参加正式会议、经营评审和其他重要活动，但我不希望一天的每一分钟都被预约占满。

    留出空白时间，意味着我可以在办公室里走动，观察团队正在发生什么，也可以随时加入重要讨论。

    我更喜欢真实、直接的交流

    我经常在办公室楼层走动，走进某位同事的办公室，问问正在处理的问题，或者在走廊里继续讨论上午会议提出的事项。

    有时，我会直接走进一个正在进行的会议，加入讨论。

    如果某个问题需要更长时间，我可能约相关人员一起吃午饭，或者在下班后喝一杯，继续谈上 45 分钟甚至更久。

    我并不认为所有重要交流都必须通过提前两周预约的正式会议完成。

    真正重要的是，相关人员是否能够充分表达观点、及时解决问题，以及把后续行动落实下去。

    对于已经非常成熟、工作表现优秀的高管，我也没有必要频繁干预。

    他们知道什么时候需要找我，我也知道什么时候应该提出自己的意见。

    如果能够与历史人物进行一次私人谈话

    我最想见的人是 Abraham Lincoln

    如果能够与历史上任何一个人进行一次深入交流，无论对方是否还活着，我大概会选择 Abraham Lincoln。

    我读过很多关于林肯的书，越了解他，就越欣赏他的智慧和品格。

    他既有很高的智力，也有很强的情商。他能够思考极其复杂的问题，同时理解不同人的动机和情绪。

    他也是一位非常善于运用语言的人，能够用简洁、有力量的表达解释重大问题，而且还非常幽默。

    更重要的是，他在美国历史上极其困难的时期承担了领导责任。

    在国家面临分裂、战争和巨大压力的时候，他仍然努力维持国家统一，并作出很多极其艰难的决定。

    我很想了解，他究竟怎样思考问题，怎样处理不同意见，怎样在高压环境中保持判断能力。

    我一直喜欢历史，特别是在休假时，经常阅读大量历史书籍。因为历史能够让我们理解，许多今天看起来全新的问题，其实都有过去的经验可以参考。

    最有价值的私人讨论，往往涉及艰难的人事决定

    如果回顾自己职业生涯中最重要的一些私人讨论，我很难只选择某一次会议。

    真正重要的交流，很多都与艰难的人事决定有关。

    例如，我们需要判断某个人是否适合某个岗位，是否应该调整管理团队，或者怎样处理复杂的组织关系。

    我通常不会只听取一个人的意见，就立即作出决定。

    有时，我会先见三个人，听取不同观点，然后思考一段时间，再见另外三个人。

    新的信息可能让我重新理解原来的问题，于是我又会回头找到最早交流过的人，继续追问。

    这个过程很像一层一层剥洋葱。

    你原本以为自己已经理解了选择，后来却发现还有其他因素没有考虑。

    你需要不断深入，才能弄清楚真正可行的选项是什么，以及相关人员是否真的具备承担责任的能力。

    对我而言，这些看似普通的谈话，往往比一次公开演讲更能影响公司的未来。

    继任与退休：什么时候应该离开 CEO 岗位

    我没有设定一个绝对明确的退休日期

    外界一直关心我什么时候会卸任摩根大通 CEO，以及谁会成为下一任领导者。

    我目前没有给出一个确定的时间表。

    在我看来，继任应该同时满足两个条件：继任者已经做好准备，而且确实到了我应该离开的时候。

    这两个因素需要结合起来考虑。

    如果未来我不再担任 CEO，董事会可能希望我继续担任董事长一段时间，也许是几年，但具体安排仍然需要由董事会决定。

    而且，新任 CEO 上任之后，他或她也应该对未来的治理安排拥有适当的话语权。

    我的目标不是无限期地保留权力，而是确保公司能够顺利完成领导层过渡。

    下一任 CEO 不一定是最聪明的人，而应该是最好的领导者

    我认为下一任 CEO 需要具备很多我们已经讨论过的品质。

    他或她必须聪明，但仅仅聪明远远不够。

    更重要的是品格、责任心、好奇心、工作投入程度、尊重他人的能力，以及让整个团队发挥最大潜力的能力。

    我见过许多非常聪明的人，但他们不一定能够有效管理组织。

    有些人可能在专业技术上远远超过我，我也会非常愿意承认这一点。

    但领导者的工作，不是证明自己在每个领域都比下属优秀。

    更好的比喻是体育教练。

    一位优秀教练不一定是球场上技术最强的人，却可以通过合理安排、指导、激励和组织，让整支球队打出远超个人能力简单相加的表现。

    有时，一个不合适的球员可能破坏整个团队的表现；而一位优秀教练能够让不同类型的人形成真正的协作。

    因此，最聪明的领导者，未必是智商最高的人，而可能是最善于释放他人能力的人。

    我预计未来的 CEO 很可能来自公司内部，因为我们拥有非常优秀的人才梯队。

    但作为一项管理纪律，我们也会认真考虑外部候选人。

    真正重要的是找到最适合公司的人，而不是事先把所有可能性排除掉。

    离开 CEO 岗位之后，我还想做什么

    写书、教学，以及继续学习

    我并不认为退休意味着从此什么都不做。

    我很可能会写一本书，把职业生涯中积累的经验、判断和教训整理下来。

    我平时写了很多东西，因此已经拥有不少材料。等到真正有时间时，我希望能够认真完成它。

    我也希望参与教学。

    主持人曾邀请我到田纳西大学的 Haslam College of Business 授课，我对此很感兴趣。

    我不一定能长期住在那里，但完全愿意去上一些课，和学生讨论商业案例、领导力、风险管理以及企业经营。

    我很喜欢案例教学，因为真实商业案例没有那么多简单、标准化的答案。学生必须理解背景、分析不同选择，再考虑决策后果。

    我认为，这是一种很好的学习方法。

    至于主持人提议的高尔夫球或者麻将，我没有特别大的兴趣，也不打算因为退休就突然培养这些爱好。

    我希望帮助真正需要改善的企业和慈善机构

    目前，我没有在其他上市公司董事会任职，因为这可能带来利益冲突，也需要投入大量时间。

    但未来，如果我非常喜欢某家公司的业务和团队，也许愿意加入它的董事会。

    我同样有兴趣帮助一些慈善机构改善治理和经营。

    世界上有不少优秀的慈善组织，拥有很有意义的使命，却可能因为管理不善、战略不清晰或者治理结构存在问题而陷入困境。

    如果我能够担任董事长，帮助它们寻找合适的董事、调整战略、改善组织结构，并让机构重新发挥作用，我会觉得这是一件非常值得做的事情。

    我不希望只是挂名坐在董事会里，定期开会，却不产生任何实际贡献。

    此外，我也可能与朋友一起投资或者经营企业。

    也许未来会租一间办公室，研究收购机会，投资一些公司，参与实际经营。

    如果我的女儿或者女婿愿意一起做，我也会很高兴。

    但我绝不会强迫他们参与我的事业。他们应该有自己的选择。

    事实上，我已经有一些朋友在开展类似活动，只是因为目前的职位和利益冲突限制，我不能参与。

    等到适当的时候，这些可能都会成为人生下一阶段的一部分。

    新闻业的价值：让公众真正理解复杂世界

    我非常尊重新闻工作者，但希望新闻业减少标题党

    我对新闻业一直很有兴趣，也非常尊重记者的工作。

    我认为，记者不仅仅是向普通公众传递信息，他们也在教育那些真正影响社会决策的人。

    参议员、众议员、州长以及他们的工作人员，都会通过新闻报道了解经济、企业和公共政策。

    这些人的判断可能影响大量人的生活，因此新闻质量非常重要。

    当然，我也经常批评媒体行业的一些问题。

    现在有太多为了吸引点击量而设计的内容，也有太多未经充分验证的信息被反复传播。

    但这些问题并不改变新闻业本身的重要性。

    我希望新闻机构能够投入更多资源，帮助读者深入理解复杂问题，而不是只提供一些快速、情绪化或者缺乏背景的判断。

    与 Jeff Bezos 的友谊，让我更关注《华盛顿邮报》

    我和 Jeff Bezos 认识很多年了。最早我们曾经讨论过亚马逊总裁的机会，后来一直保持友谊。

    我非常欣赏他，也逐渐认识了他的妻子 Lauren。前不久我和 Judith 还参加了他们的婚礼。

    Jeff 现在不仅是一位企业家，也是《华盛顿邮报》的所有者。

    我偶尔会与《华盛顿邮报》的编辑们交流，也向 Jeff 提出过一些关于报纸运营和报道方向的想法。

    在我看来，全球真正具有国际影响力的几家英语新闻机构，包括《纽约时报》、《华尔街日报》、《金融时报》和《华盛顿邮报》。

    它们都非常重要，也都还有继续改善的空间。

    例如，美国主流报纸对国际事务，特别是国际企业和金融商业活动的报道，我认为仍然不够充分。

    全球经济正在发生大量复杂变化，但美国普通读者未必能够通过日常新闻充分理解这些变化。

    我希望主要新闻机构能够提供更多有深度的国际商业报道。

    长篇深度报道不能被快速新闻完全取代

    我一直很喜欢真正深入的新闻调查和长篇报道。

    过去，我有时会组织小型沙龙式晚宴，让不同背景的人围绕某个重要问题进行深入讨论。

    这种交流的价值在于，大家不需要在几分钟内形成结论，也不用把复杂问题压缩成几个适合传播的观点。

    同样，新闻机构应该给记者足够时间，让他们真正研究一个主题，理解背景，寻找证据，并向公众解释复杂问题的结构。

    我认为，优秀新闻机构不仅要告诉公众发生了什么，还应该尽可能解释为什么会发生、哪些因素导致了问题，以及真正的解决方案可能是什么。

    例如，学生贷款问题不应该只停留在“是否应该减免贷款”这样的简单争论上。

    我们需要理解学生贷款制度究竟在哪些地方出了问题，哪些政策需要修复，哪些规则应该改变，什么样的人应该得到债务减免，以及为什么。

    这些问题都需要严肃分析，而不能只给出一句政治口号。

    住房负担能力同样如此。

    关于经济增长和住房供给的讨论，例如《Abundance》一书所涉及的问题，值得通过深入研究来理解。

    教育改革也一样。

    我们知道某些高中教育模式有效，也知道有些做法长期没有取得理想结果。

    但如果我们只是反复说“学校存在问题，必须改革”，却不愿意具体研究哪些方法有效、哪些没有效果、为什么有效，以及怎样真正实施，就不可能获得持续改善。

    我希望未来有机会参与推动这类深入的公共讨论。

    至于是否会与 Jeff Bezos 在新闻领域开展某种合作，我并没有确定计划，但确实有不少想法。

    无论通过写作、支持深度报道、参与讨论，还是帮助新闻机构提高经营能力，我都希望能够让公众获得更准确、更完整、更有价值的信息。

    结语：人生真正重要的是持续学习、承担责任，并让他人变得更好

    回顾我的职业生涯，我经历过被解雇，也经历过重新开始；参与过大量并购与企业整合，也领导过复杂的组织转型；面对过金融危机、监管压力、全球经济变化，以及两次直接威胁生命的疾病。

    这些经历让我越来越清楚，职业生涯并不是一条始终向上的直线。

    一个人可能在某个阶段获得巨大的成功，也可能在下一阶段遭遇非常严重的挫折。

    真正重要的是，遇到困难之后，能否承认现实，保持理性，认真检视自己的错误，并继续行动。

    在企业管理上，我始终相信几项基本原则：认真研究事实，理解风险，尊重员工和客户，持续保持好奇心，并且在必要时作出艰难决定。

    我不希望成为一个只会发表观点，却不愿承担结果的领导者。

    我希望公司里每个人都能有机会表达真实想法，能够在自己的岗位上不断学习，也能够得到应有的尊重。

    优秀的管理不应该让员工依赖某一位特别聪明的领导者，而应该帮助整个组织形成判断、学习和执行的能力。

    在个人生活上，我始终认为，家庭不能被当作职业成功之后才有时间照顾的事情。

    工作当然重要，我也一直热爱工作。但如果一个人希望陪伴家人，就应该主动为他们安排时间，并接受这种选择所需要付出的机会成本。

    两次严重疾病还让我意识到，我们无法假设自己拥有无限的时间。

    如果有一天我离开摩根大通，我仍然希望继续写作、教学、投资、帮助企业和慈善机构解决问题，也希望把自己的经验传递给年轻人。

    最终，我并不认为人生最值得追求的是一个头衔、一份财富，或者别人是否把你的名言挂在墙上。

    我更在乎自己有没有努力做好应该做的事情，有没有尊重和帮助身边的人，有没有为家庭尽到责任，以及有没有通过工作让企业、社区和国家变得更好。

    我希望始终保持好奇心，诚实面对问题，尽最大努力完成自己承担的责任，并让身边的人有机会发挥他们最好的能力。

    Post #2
  • Huberman 关于学习的科学
    深入交流

    学习与记忆的最优方法：从神经可塑性到主动测试的科学实践

    Andrew Huberman｜根据《Huberman Lab》节目“Optimal Protocols for Studying & Learning”英文自动字幕整理为第一人称中文文章。

    为什么我们对高效学习的直觉往往是错的

    欢迎来到 Huberman Lab。在这里，我讨论科学，以及能够应用于日常生活的科学工具。我是 Andrew Huberman，斯坦福大学医学院神经生物学与眼科学教授。今天，我想谈的是怎样学习、怎样复习，以及科学证据认为我们应当怎样学习，才能不仅记住信息，还能在生活的不同领域有效地运用它。无论你处于小学、中学、大学、研究生院或其他正式教育阶段，这些方法都值得掌握；即使你已经离开学校，只是在互联网、播客或其他渠道接触新知识，今天的讨论同样适用。

    我首先要强调一件可能令人意外的事：最有效的学习方法并不符合直觉。你认为自己最适合的学习方式，很可能并不准确。我深入阅读这方面的研究文献时，也有过相当谦卑的体验。我当了很多年学生，现在因为制作这档播客，仍然把自己视为科学与健康知识的学生；我也一直为斯坦福的医学生、研究生和本科生授课。原本我以为自己相当了解教与学，但我发现，实际情况远比直觉复杂。我们对“怎样学习最好”的大量信念事实上经不起研究检验。好消息是，关于学习与记忆的文献已经积累了一百多年，而且教育学、心理学和神经科学正在汇集到一起，为我们提供既有趣、又可以立即应用的具体方法。

    我还需要说明，这档播客独立于我在斯坦福的教学与科研职责；它体现的是我希望把免费的科学信息和科学工具带给公众的努力。我在这里分享科学工具，并不意味着它们属于我在大学里的正式教学或研究项目。接下来，我会把重点放在学习本身，而不是任何特定的商业产品上。

    学习的核心，不是寻找偏好的形式，而是抵抗遗忘

    人们经常告诉我，自己喜欢读书学习、集体讨论、用荧光笔标记重点，或者认为自己是“听觉型学习者”“视觉型学习者”。但如果仔细审视关于学习风格的研究，这些看似牢固的分类就会失去说服力。真正决定学习效果的，不是材料以听觉、视觉还是两者结合的形式呈现，不是你看幻灯片、阅读教科书，还是观看短视频。更关键的是，你有没有调动记忆系统中能够抵消遗忘的机制。

    我希望你在阅读全文时反复记住这个主题：学习不是单纯把知识放进脑袋，而是通过特定的行为，抵抗人在接触新信息后必然发生的自然遗忘。无论你在学习概念、数学、音乐、动作技能，还是其他任何类型的新知识，遗忘都是默认的趋势。好的学习方法就像给记忆接种疫苗：不是指望第一次接触信息后它会自动保留，而是主动采取措施，降低它消失的可能性。能做到这一点，你才可能真正记住、掌握并灵活使用知识。我会用同行评议研究中的数据，解释具体应该怎么做。

    神经可塑性究竟是什么：连接的增强、减弱与新生神经元

    在讨论学习方法前，我想先简要解释学习的神经生物学基础。我在此前的节目中谈过神经可塑性（neuroplasticity）；如果你听过，那就把这一部分当作复习。神经可塑性是神经系统——包括大脑和脊髓——根据经验发生改变的能力。任何形式的学习，都涉及神经可塑性。英语里有时把它写成两个词 neural plasticity，有时写成一个词 neuroplasticity，这里说的是同一件事。

    从细胞层面看，神经可塑性主要涉及三类机制。第一类是加强神经元之间既有的连接，也就是增强突触连接。突触是神经元彼此传递信息的部位。严格来说，神经元之间留有一个间隙，叫作突触间隙（synaptic cleft）。化学物质跨过这个间隙传递信号，使一个神经元能够激活或抑制其他神经元，也可以让大量神经元相互影响。第二类机制是减弱神经元之间的连接。第三类则是神经发生（neurogenesis），也就是产生新的神经元。

    第三类机制尤其容易成为媒体标题，但在人类、尤其在成年人的神经系统中，它相对罕见，对我们今天讨论的大多数学习过程只占非常小的部分。嗅球中与嗅觉有关的特定神经元，以及海马体齿状回中与记忆有关的一些特定神经元，似乎可能在人的一生中持续增加；但这并不是人类形成学习和记忆的主要途径。真正重要的通常是已经存在的神经元之间，连接得到加强、被削弱，或者产生新的连接。换句话说，这里所谓的“新连接”，通常是旧有神经元彼此建立的新关系，而不是凭空生成大批新神经元。

    特别需要纠正的误解是：连接减弱不等于单纯的遗忘或大脑退化。我们很容易对“增加连接”赋予积极意义，对“减少连接”赋予消极意义，但神经系统并不是这样工作的。学习一项新的运动技能，往往需要去除某些多余连接。既有连接变强或者变弱，都不能直接与某条记忆被创造或被删除画等号。这是两种关键的生物学机制，而不是好坏判断。

    举个例子。一个大约九个月大的婴儿，动作控制通常远不如六七岁的孩子。观察他们吃意大利面或其他食物的方式，就能发现从婴儿、幼儿、儿童到青少年的精细动作能力在不断改善。尽管有些青少年，甚至成年人，餐桌礼仪也不怎么样，但他们操作餐具和协调动作的能力仍然远胜自己还是婴儿时的水平。令人意外的是，从出生、儿童期到青春期和成年期，人以及其他物种运动协调能力的提高，很大程度上反映的是神经连接的移除，而不是不断增加连接。与此同时，保留下来的连接会变得更稳健、更可靠。这就是我们理解学习的一个重要神经学背景。

    为什么我先让你做一道小测试

    既然学习与记忆的一个中心任务是抵抗遗忘，我现在就想请你做一个非常短的小测验。听到“测验”或“考试”时，很多人会立刻感到压力、肾上腺素上升。但这里不需要向任何人公布答案，你只要在心里回答即可。我有两个问题：从机制上看，神经可塑性有几种发生方式——一种、两种、三种，还是四五种？你能不能说出其中至少两种神经系统变化？

    正确答案是三种：增强神经连接、减弱神经连接，以及通过神经发生增加新的神经元。如果你没想起来，或答错了，也完全没有关系。后面你会明白，认识到自己没有记住什么，以及注意到自己的回答错误，本身就是非常有用的学习机会。有时，正因为你不知道答案、或者答错了，纠错才格外有效。

    我为什么要突然进行测验？因为如果把高效学习领域的研究放在一起看，一个高度一致的结论是：要定期停下来，测试自己刚才学过什么。测试不仅是考察“已经学会多少、还有多少没学会”的评估工具，它本身也是抵抗遗忘最有效的方法之一。我们会继续深入研究支持这一点的数据。今天我们一边学习好的学习策略，也会一边实际运用这些策略。节目结束时我不会设置强制考试，但你当然可以给自己出题。我还会介绍一种免费、快速的方法，帮助你检验听完这段内容后，到底真正学会了什么，以及你是否掌握了更好的学习技巧。

    高效学习是两个阶段：专注投入，以及随后发生的巩固

    很多人想知道该在一天的哪个时段学习、一次应该学多久、怎样安排时间。但在这些问题之前，我们需要掌握一个基础事实：从学习时的投入，到知识真正留下来，涉及两个相互关联的阶段。第一个阶段是主动参与（active engagement），简单说就是保持清醒和专注，把注意力真正放在你要学习的信息上。注意力和警觉性是相互关联的：如果你不够清醒，就很难保持专注。这不是可有可无的辅助条件，而是学习启动的前提。

    为什么注意力这么重要？当你专注于正在听到、看到或同时通过多个感官接收的信息时，神经系统会把这种状态视为“这里有值得注意、需要改变的东西”。大脑和身体里的神经化学信号会向相关神经元发出提示：未来你需要调整连接，可能使部分连接增强，也可能使一些连接减弱，或者两者兼有，以便以后能保留和运用这些信息。专注并不等同于学习成果已经巩固，但它是启动后续神经变化的重要信号。

    有人听到这里马上会问：“为了学得更好，我应该吃什么、服用什么？”我首先会回答：前一晚获得良好的睡眠。此外，要尽可能管理外部压力，虽然一定程度的压力可以提高警觉性，甚至帮助记住一些内容，稍后我会谈到这一点。任何人都不可能消除生活中的全部压力，但睡眠充分时，保持清醒与专注的能力通常会更好。

    如果一定要使用“益智药”（nootropic）这个说法，那么睡眠无疑是最重要的“益智药”。其实我不太喜欢这个词，因为学习不是单纯变得“聪明”，它还包括投入注意力、创造性思考，以及灵活处理思想与信息。不管怎么称呼，想最大程度发挥学习能力，就必须重视睡眠。我在其他 Huberman Lab 节目中详细讨论过改善睡眠的方法，网站 hubermanlab.com 也有睡眠主题的简明 PDF 通讯和可检索的节目内容。这里不再重复那些细节，只提醒你在准备学习之前，尽可能先把睡眠安排好。

    我们还可以主动提高投入注意力的程度。比如，坐下来读书、听讲座或听播客时，在心里默默告诉自己：“我需要学会它，这些信息很重要。”这不是大声喊口号，而是主动告诉自己眼前的信息值得关注。不要把学习当成完全被动的过程，也不要期待材料必须足够有趣，才能自动吸引你的注意力。主动学习的基础，恰恰是培养主动调动和维持注意力的能力。

    学习时的费力感并不意味着失败

    注意缺陷多动障碍（ADHD）能够说明“注意力不足”和“注意力调节困难”之间的区别。很多 ADHD 患者如果遇到自己特别感兴趣的信息或活动，实际上可以迅速进入高度集中状态，并持续相当长时间；但对于没有足够兴趣的任务，他们可能难以主动调动警觉性与注意力。因此，优秀学习者的一项关键能力，就是能够有意识地让自己回到要学的材料上。

    我说的“让自己专注”，不是要求你每一秒都不走神，而是每次注意力离开时，都持续把它带回来。这个过程本来就可能让人觉得吃力。有时你需要戴上帽子、拉起连帽衫，像给自己加上遮挡周围刺激的“眼罩”一样，只把注意力留给眼前的材料。那种用力保持注意力的不舒服感、轻微焦躁感，在一定程度上反映了大脑和身体释放肾上腺素等神经调质的过程。这些信号会提醒神经回路，它们随后需要作出改变。

    换一个角度看，如果你面对某件事完全不费力，能毫无障碍地完成任务或记住信息，那么神经系统可能本来就具备了这种能力，也就没有同样强烈的改变需求。因此，学习中的费力、注意力反复被拉回来的过程，未必是坏事。它往往意味着你正在向神经系统发出需要产生可塑性变化的信号。当然，这不表示每个人都具备同样的注意力水平。对于已经获得临床 ADHD 诊断的人，我建议和医生讨论处方药及其他干预是否适合自己；充足睡眠对每个人都重要，对 ADHD 患者尤其如此。

    除了必要时的药物方案，我也鼓励所有希望改善专注的人考虑非药物方法：充分补水；根据自己的耐受性使用适量咖啡因，让自己清醒但不至于发抖或过度焦躁；还有下面我要重点介绍的、非常简单的注意力训练。

    每天五到十分钟，把注意力一次次带回来

    纽约大学 Wendy Suzuki 实验室的研究表明，规律进行简短正念练习，可以改善注意力、记忆及回忆能力。做法并不复杂：每天安排大约 5—10 分钟，坐着或躺着，闭上眼睛，把注意力放在呼吸上。你的心思几乎一定会飘走；一旦发现走神，就再把注意力带回呼吸。研究中采用过每天约 10 分钟的练习。长期重复这个过程，不仅有助于提高专注和记忆表现，还可能带来其他正念练习相关的益处。

    如果你漏练了一天，没有必要为此紧张，第二天继续即可。早晨、下午或晚上练习都可以；少数人觉得临睡前太晚进行这类练习会影响入睡，因而需要调整时间。我建议把它理解成一种知觉注意力练习，甚至不一定非要叫作“冥想”：它的目标是练习主动控制注意力。你也可以睁开眼睛，选定一个视觉目标，正常眨眼，发现视觉注意力或思绪离开目标后，就再把它们引导回来。类似的视觉注视训练也有研究支持。

    这里最重要的不是练习期间从不分心，而是反复执行“发现分心—主动回归”的过程。你训练的正是日后阅读、听课或做题时需要运用的能力：一旦注意力离开学习目标，就能把它重新带回去。市面上有很多复杂工具和产品，但这种免费、朴素的练习本身就值得优先考虑。我此前还制作过关于注意力、专注和 ADHD 的其他节目；在 hubermanlab.com 检索 ADHD、focus 或 tools for focus，可以定位到相关节目及时间点。

    真正的神经连接重组，主要发生在学习之后

    现在进入学习的第二阶段。一个极其重要的事实是：神经系统里支持学习的连接加强和削弱，主要不是在你聚精会神接触材料的那一刻完成的，而是在随后的深度睡眠和类似睡眠的状态中进行。专注时，你是在为变化发出信号；而睡眠期间，神经系统真正对连接进行重排。睡眠的不同阶段都很重要，我特别想提到快速眼动睡眠（REM sleep），它往往在后半夜占更大比例。

    每个人需要的睡眠时间不同。有的人大约需要 6 小时，有的人需要 8 小时。研究中还有一种被称为“第一夜效应”（first night effect）的现象：某一天新学到的信息，往往在学习后的第一个夜晚得到尤其重要的巩固。这不是说，如果那一夜没睡好，这些信息就永远无法巩固或必然被遗忘；但证据清楚地提示我们，在学习后第一晚争取最好的睡眠是非常值得的。

    如果你为准备考试一直学到深夜，靠大量咖啡因继续保持清醒，或者干脆通宵不睡，你必须认识到这种做法可能损害后续的学习巩固。学生——这里包括任何年龄、任何类型的学习者——需要同时规划两件事：为新材料安排足够专注的学习时段，以及为之后的睡眠保留条件。当然，养育年幼孩子、工作压力或其他生活情况可能让一些人无法在第一晚甚至随后几晚睡得理想。我并不是要求所有人都做到完美，只是希望你尽可能重视睡眠。对精神健康、身体健康、学习和各类表现来说，它都是投入回报极高的一件事。

    用非睡眠深度休息支持恢复与可塑性

    除了睡眠，我还想推荐一个行为工具：非睡眠深度休息（non-sleep deep rest，NSDR）。它与有时被称作瑜伽休息术的 Yoga Nidra 有相似之处，但两者并不完全相同。通常只需要 10 或 20 分钟，就可以帮助恢复精神与身体的活力。比如，昨晚睡眠不足，早上醒来后可以做；下午疲惫时可以做；如果半夜难以重新入睡，也可以用它来缓解部分睡眠不足造成的影响。

    NSDR 还是一个有望支持神经可塑性的工具。与它相关的新研究正在出现，未来我也会专门深入讨论。即使你的睡眠一直不错，我仍然鼓励你考虑在日程里安排一次 10—20 分钟的 NSDR。放在早上、下午或其他方便的时候，并不是最核心的问题；关键在于规律实践，给学习后神经连接的调整创造更好的条件。节目说明中提供了相关引导脚本。我自己也喜欢做 10—20 分钟的 Yoga Nidra 或 NSDR，因为它能帮助我恢复精神和体力，而且不像一些常规小睡那样，醒来后还可能伴随一阵昏沉。

    高效学生如何安排每天的学习

    现在我们来看，学习表现最好的学生究竟怎样安排日常生活。一项我很欣赏的研究调查了将近 700 名医学生，男女比例大致相等，比较了哪些习惯与更好的学业表现相关。这里必须先讲清楚研究方法上的限制：问卷调查并不能证明因果关系。比如，我马上会告诉你，成绩最好的学生往往每天学习 3—4 小时。你完全可以反过来说，正因为他们每天学习三四小时，才成为成绩最好的学生，而不是成绩好导致他们这样学习。这样的质疑当然成立。我们可以讨论相关、因果和反向因果，但我此刻真正关心的是：在课程不同、学习进度各异的情况下，优秀学生反复采用哪些共同习惯？

    这项研究指出了至少十种有效学生常用的学习习惯。为了集中讨论，我重点介绍其中影响看起来最大的五六种。首先，他们会在日程表里明确留出学习时间，不是有空就学，而是事先安排。这样的安排也使他们更容易隔绝干扰。第二，他们认真地清除干扰源：把手机拿远并关掉，暂时不让别人联系自己，主动创造相对独立的环境。研究里的高表现学生似乎更倾向于独自学习。这当然不意味着和别人共同学习一定无效，而是说在这组样本中，独立学习是一种突出的共同做法。

    这些学生通常每天投入 3—4 小时，但并不是一口气连续学习三四小时，而是把它分成两到三次学习时段；每周至少保持五天的相对稳定安排。研究没有明确指出他们周末是否通常休息，所以我不想替论文补上这个结论。值得强调的是，他们并不只是增加总时长，而是在管理时间、主动减少分心，并维持相对稳定的节奏。

    另一个重要习惯是：学完后，他们会设法教会同学。我知道有些人可能会担心竞争问题，尤其想到自己上大学时的经历：既然我已经付出了大量时间才学懂内容，为什么还要把答案免费教给可能和我竞争排名的人？这是否相当于让别人不劳而获？这项研究没有分析被帮助的同学是否因此获得了竞争优势，但观察结果非常明确：先独立掌握材料，再尝试把它教给同一门课其他学生的人，通常表现得非常好。因此，不必害怕向同伴讲解知识。教学的关键价值之一，是迫使你检验自己是否真正理解，并把理解发展成熟练掌握。

    在我的实验室，过去一直流传一句我从导师所在实验室学来的话：“看一次、做一次、教一次”（Watch one, do one, teach one）。它原本用于指导手术操作、缝合、抗体实验、Western blot 蛋白质印迹等实验室技能。这里需要明确安全边界：涉及危险材料或具有高风险的操作，绝不能机械地套用“看一次就独立做、做一次就教别人”。但对于安全且适合教学的任务，这个原则很好地概括了从接触新知识，到达到熟练、掌握，乃至更高水平技艺的发展过程。后面我还会讨论这些水平之间的区别。

    固定学习时间，可以训练大脑按时进入专注状态

    注意力是有限但可以恢复的资源。醒着的时间越长，大脑和身体里一种叫作腺苷（adenosine）的分子就越容易积累，人会逐渐困倦，维持专注也会更困难。睡眠使腺苷水平下降，人恢复清醒，注意力资源随之得到补充。你可以把腺苷理解成对注意力预算的一种生物学限制。不过，这绝不意味着所有人都必须在清晨学习。有些人下午、晚上，甚至深夜表现得更好。我读大学时，曾经在晚上 10 点到凌晨 2 点之间学习，如今我已经不再这样安排。

    如果你正在上课，上课时间往往由学校决定，你不可能告诉老师：“我下午三点学习效率最高，请把课改到那个时间”，或者“我八点钟最能集中，请照我的时间表来”。但如果你能控制自己的复习时间，那么尽可能每天在相同的时段学习会很有帮助。可以是早上一次、下午一次，也可以是早上安排两段。规律性本身具有神经生物学意义。

    大脑和身体会随着日照、日常活动和社会生活节律，逐渐适应特定时间活动或休息。学习与专注也可以发生类似的节律适应。研究表明，如果你连续大约两三天，在固定的时间把注意力投入学习，一次又一次地把思绪拉回书页或讲座内容，大脑和身体就可能逐步适应那个时间点。到后来，单凭学习时间的规律性，你就更容易在相应时段集中注意力。这不是一个完全自动的过程；你仍需要主动把注意力拉回来，但固定安排会帮助这项训练。

    所以，我建议你给自己两三天适应期，然后尽量维持固定的学习时间。需要时把手机收起来，告诉家人朋友这段时间暂时离线，关掉不必要的网络连接；如果学习必须上网，就至少关闭无关通知和页面。考试周或者学期末，如果条件允许，周末也可以维持同样的学习时段。要认识到，专注是一项技能，而且可以通过有规律的练习相对迅速地改善。与其不断等待某个完美的学习情绪，不如让自己的神经系统习惯在既定时间投入工作。

    长期愿景与学习动机：把眼前努力放进人生轨迹

    在深入具体的抗遗忘方法前，我还想补充那项近 700 名医学生问卷中的一个细节：当研究者询问这些学生为什么学习时，表现最好的学生往往有一种明显的长期视角。他们相信自己在医学院里的努力，会改变自己的生活轨迹，也会影响家庭和未来。他们并不总是明确列举将来要发生的具体事情，相反，这种想法相对宽泛、抽象，而且带有愿景色彩。

    这也是我喜欢这篇研究的原因之一。它一方面记录了每天学几个小时、什么时候学习、如何排除干扰这样细致的行为习惯；另一方面也触及了学习背后的心理动机。当学习愿望减弱、疲劳增加时，某种面向未来的愿景可能帮助人继续坚持。这里我必须说清楚：关于愿景在疲劳时是否特别有效，是我根据材料作出的推测，并不是这份问卷单独证明的因果结论。

    研究所涉及的教育环境也很值得注意。在该国，只有极少数最优秀的学生才有机会进入医学训练，而一些学生还必须用与母语完全不同的语言学习专业知识。这让我想到在意大利受训的朋友：他们出生在意大利，如今也在意大利经营自己的实验室，可当年攻读博士学位时，却需要使用英语——自己的第二语言——完成训练、撰写论文、展示博士研究并进行论文答辩。这是一项很大的挑战。类似的例子还有很多。也正因为如此，我认为我们在研究优秀学生的习惯时，既需要关注外在的时间管理，也不能忽略他们是如何理解学习与自己未来人生之间的关系的。

    每个人的长期愿景都不同，也不是每个人都在学习时不停想着未来会如何改变自己和家人；不过这些学生能够说出，除了争取进入医学院、完成训练和取得好成绩以外，自己究竟还在追求什么。我认为这种面向未来的目标感，可以与每天读书、排除干扰、反复练习等具体行为相互支撑。你每天学习一个小知识点，可能就是在一点点靠近更重要的愿望。

    如果你本来就非常喜欢某个主题，这种长远目标感可能没有那么必要。我还记得自己在大学和研究生阶段不断惊叹：“天哪，这简直是我听过最有趣的东西！”昼夜节律、季节性节律、褪黑素、神经回路、多巴胺，许多题目都曾使我兴奋不已。但有些课程无论是内容本身还是授课方式，都让我很难投入。没有人会喜欢自己必须学习的每一个知识领域。这时候，把眼前的工作和更大的愿景连接起来，可能是一股很有价值的推动力。而且回头看，我最怀念的某些课程，恰恰是当时让我最费劲的课程。这就引出了我们接下来要讨论的一项非常重要的学习原则。

    越觉得困难，可能越接近真正的学习

    大量同行评议研究都指向同一个结论：那些主观上更有挑战性的学习活动，通常比看起来轻松、流畅的活动更有效。我知道很多人不愿意听到这件事。大家更想听到“心流”“不费力地吸收信息”，或者希望知识像渗透作用一样进入脑袋。我记得《加菲猫》漫画似乎开过一个关于“渗透式学习”的玩笑；我也见过一段很可爱的现实视频，一个孩子——我印象中是在中国——把课本放到自己头上，好像要让书里的知识直接渗进大脑。把书放在头上当然能做到，但知识不会因此进入神经回路。或许未来会出现直接向神经系统快速下载信息的技术；就目前而言，人们数百年、甚至上千年的学习经验，连同现代实验，都说明努力投入是学习的基石。

    这并不意味着学习一定永远痛苦。我希望在这篇文章结束之前，让你知道怎样把学习变得更有效率，也减少不必要的挫败。但是先让我们再做一个小测试。你可以只在脑海里回答，也可以把答案写下来或说出来。第一个问题：神经连接的实际重塑，主要发生在清醒专注时，还是睡眠时？答案是睡眠阶段。第二个问题：一种能够提高注意力的行为工具是什么？答案是简短的正念或知觉注意力练习：坐着或躺着，闭眼专注呼吸，走神后再次回到呼吸；也可以睁眼注视一个距离自己约一英尺、两英尺或三英尺、自己感觉舒服的视觉目标。

    睁眼注视时，完全可以正常眨眼，千万不要为了练习不让眼睛眨动，导致干涩。你可以持续专注 1—3 分钟，或 3—5 分钟，也可以逐渐达到 10 分钟。这些方法训练的是注意力神经回路，而这些回路本身也具有可塑性。第三个问题：你能说出高表现学生至少三个共同习惯吗？我想到的是收起手机、告诉别人暂时联系不到自己；独自学习；以及把所学内容教给同学。你大概还记得他们安排固定时段、每天分两三段学习等习惯。现在你已经再次亲身体验了我反复强调的学习技术：主动从记忆中提取答案。

    自我测试不只是验收知识，而是在建立知识

    关于测试作为学习工具的研究，已经持续了一百多年。我再次强调：测验不仅用于评估知识掌握情况，更是形成记忆、保留记忆、对抗遗忘的有效手段。回忆刚才学过什么，看起来只是一件小事，却可能比把同样的内容从头再读几遍，更能帮助你在未来记住它。

    早在 1917 年，就有一项经典研究让小学年龄的孩子阅读人物传记。实验者把孩子分到不同组：有一组反复阅读传记，一遍又一遍地重读；另一组只读一遍，然后通过在脑海里努力回想的方式测试自己。所谓测试，不需要标准化试卷，孩子只需要问自己：传记讲的是谁？这个人和谁结婚？他在哪里上学？在学校做过什么？后来做了什么？在人生和社会中扮演了什么角色？通过这样的提问，他们一遍遍尝试把读过的材料从记忆里提取出来。

    请注意，第二组的孩子只接触过一遍原始传记，之后花的时间用于回忆；第一组则继续直接看着纸面上的内容反复阅读。在重复次数可比的条件下，研究发现，只读一遍、随后反复在脑内检索的人，在日后回忆内容的数量和准确性方面都显著优于反复阅读的人。也就是说，读第二遍、第三遍、第四遍，甚至不断继续重读，远不如读过之后移开视线，迫使自己想起材料里到底说了什么。初次接触这类结果时，我也非常惊讶；但随着阅读更多后续研究，我越来越确定：测试是学习和编码知识到神经系统中的强大工具。

    你可能会觉得 1917 年离现在太遥远了，脑海里浮现的是木制校舍、穿着旧时代服装的孩子。不过，虽然教育环境变化巨大，人类神经系统在数万年的尺度上并没有发生同样程度的改变。更重要的是，现代实验一再得到了同一方向的结论，所以我们继续来看一组更新的研究。我会在节目说明中附上论文及包含相关实验的综述链接；我所引用的是一整个研究领域的结果，不是让大家只相信一篇论文。

    重复阅读四遍，为什么不如读一遍后测三次

    在一系列实验中，研究者使用动物、生物学等主题的阅读材料，把参与者分成三个条件，比较不同的学习与测试安排。为了说明清楚，我用 S 代表学习（Study），T 代表测试（Test）：

    组别 初始阶段的安排 一段时间之后
    反复学习组 S-S-S-S：学习四次 参加最终测试
    混合组 S-S-S-T：学习三次，测试一次 参加最终测试
    反复测试组 S-T-T-T：学习一次，测试三次 参加最终测试

    三组在初始阶段都安排了四个学习或测试环节，之后再进行一次作为比较依据的最终考试。最终考试有时安排在几天后，有时在几周后，其他实验还会延长到几个月甚至一年。这项比较要回答的不是“谁在材料刚读完的时候觉得更熟悉”，而是经过时间和遗忘作用之后，谁还能准确提取信息、在一定程度上灵活使用所学知识。

    根据前面讲过的研究，你可能已经猜到了：最终测试成绩大体上随着前期测试次数的增加而提高。在初次接触材料之后，持续进行主动测试，比一遍遍重新接触原文更能帮助长期保留知识。你当然需要第一次学习材料，否则就无从测试；但在完成初次学习以后，接下来的重复活动，应该优先考虑让自己回忆，而不是每次都再读一遍。最好能够测两次、三次，而不只是测一次。测试可以由自己设计，也可以由老师安排。

    还有一个重要条件：做完测试后，需要能看到正确答案，并把自己的回答与正确答案比较。哪怕你刚开始只答对 40%—50%，甚至更低，只要之后得到准确反馈，测试通常仍然比不断重读更有利于长期成绩。有人担心，如果自己答错了，会不会反而巩固错误知识？这些研究并不支持把这种担忧当成放弃测试的理由。关键在于错误被发现以后，要及时获得正确答案，而不是把未经纠正的错误答案当作学习结果。学习、尝试回忆、查看反馈并再次回忆，能够推动更持久的神经编码（neural encoding）。

    为什么越熟悉材料，越容易高估自己

    还有一个让我觉得既不可思议、又有点令人不安的现象。我真希望自己在小学二年级就能知道它。实验者不仅测量学生最终记住多少，还会问：“你觉得自己刚才学得怎么样？如果明天、两周后、六个月后，甚至一年后考试，你觉得会考多少？”结果非常反直觉：连续学习四遍的学生，往往对自己以后能取得好成绩最有信心；学习一次、随后测试三次的学生，反而最没有信心。

    原因不难理解。反复看同一段材料，每次看到都会觉得更眼熟、更流畅，于是你会自然产生“我已经学会了”的感觉。相反，真正把课本合上、试图从大脑里找出答案时，你可能突然发现自己想不起一些细节，或者第一次、第二次都答得不好，于是觉得自己根本没学会。可是，最终的实际测试结果恰好与这种主观自信相反：主动检索组学得更扎实，反复阅读组的自信更多地建立在对材料的熟悉感上，而不是能够独立提取信息的真实能力上。

    反复阅读的人往往觉得自己正在不断吸收信息，而主动测试的人却要费力寻找答案，有时甚至把答案答得完全错误，然后意识到“我原来根本没记住”。这种困难并不是测试策略的缺陷，而是它发挥作用的一个重要环节。在最终考试前，主动测试一遍、两遍乃至三遍，往往远胜过反复阅读。它让你知道自己真正能够从记忆中取出什么，也更明确地暴露需要纠正的错误。

    我是怎样通过想象自己穿越大脑，学会神经解剖学的

    说到这里，我想讲一个自己的大学经历。我并不是完全没有使用过自我测试。当时我修过一门课程，编号是 Biosciences 169L，一门由 Ben Reese 教授讲授的神经解剖学实验课。我印象中他后来仍在任教。作为教师，他不是性格上难以相处，而是课程极为严格、细节极多、要求非常高。别忘了，这是本科课程：我们要听讲座，读神经解剖教科书，辨认来自不同物种、用不同染色方法处理的脑组织切片，还要在实验室里从一台显微镜走到另一台显微镜，仅凭镜下所见辨别解剖结构。这就是课程编号里 L（laboratory） 的含义。

    你必须知道不同染色究竟让什么组织显现出来。例如，有些染色主要显示神经元的细胞体，有些显示神经元之间像电线一样延伸的轴突（axons）。我们还要解剖真正的绵羊大脑，学习极为大量的解剖学命名，包括嘴侧（rostral）、尾侧（caudal）、背侧（dorsal）、腹侧（ventral）等方向术语，以及各种复杂结构之间的关系。我当时觉得这门课难得不得了。

    后来，也许是因为信息量实在太大，我采用了一个很特殊的方法。我独自住在一间单身公寓里，有时就躺在床上，闭上眼睛，在想象中从不同入口“飞进”神经系统。从耳朵进入时，我会一路复习耳蜗的解剖；从眼睛进入时，我会复习视网膜；从大脑背侧进入时，我会辨认脑沟、脑回，再进入胼胝体和其他脑内结构。直到今天，我的脑海里依然保留着那些清晰的空间图像。

    我当然参加了课程、做了解剖、读过课本、看过显微镜切片，也听过讲座。但后来用于复习的非常大量时间，其实不是继续盯着书本，而是闭眼在头脑中重建知识。我相信，正是花了许多个小时进行这种练习，使我对不同物种的神经解剖学都获得了很扎实的掌握。这并不意味着我是什么神经解剖学天才；我的专业能力来自长时间接触材料，然后在脑海中一遍遍提取它们。

    在想象中沿着某条神经通路前进时，例如试图从海马体走向附近的一处结构，如果我突然不知道下一个结构是什么，就睁眼去教科书里查，再回到想象中继续。如果我非常确定某个位置是海马伞（fimbria），结果核对后发现不是，我就会知道这里有个错误。类似地，我至今记得缰核（habenula）的位置和外观。当年我们还不清楚这个结构究竟做什么，如今研究表明它与失望感，以及某些人的抑郁相关神经回路有重要关系。研究也发现，早晨接受阳光照射能够抑制相关活动，而半夜过量暴露于人工光线则会增强缰核活动。这些有意思的工作来自其他实验室，并不是我的实验室完成的。

    我讲这段经历，一方面让你了解一点神经解剖学及其与情绪、抑郁研究的联系，更重要的是说明：自我测试可以采用非常个人化的形式。这与前面否定“固定学习风格”并不矛盾。关于视觉型、听觉型、语言型学习风格的研究并非绝对不存在，但有大量其他研究与它们的普遍有效性相矛盾；然而，你完全可以选择最适合自己任务的测试方式，无论是闭眼想象、口头解释、画图、演示动作还是写出答案。真正不可缺少的是，测试要让你找到知识断裂处，辨别“我不知道”“我原来记错了”和“我确实能说出来”。

    我现在读论文时，虽然不是每次都能做到，但通常仍会尝试读完后走到院子里或出门散步，不带着论文原文，自己回想研究的关键点，尤其是重要的图表。这与当年我躺在床上想象脑内通路所做的事，本质上是一回事：在不依赖原始材料的情况下，对刚学过的内容进行提取练习。

    应该什么时候做第一次测试：越接近首次学习越好

    现在把研究问题推进一步。前面比较了四次学习、三次学习一次测试，以及一次学习三次测试；接下来，研究者想弄清楚：第一次测试安排得早一点还是晚一点，会对最后的记忆产生什么影响？这里“学习”（study）在实验设计里特指首次接触新材料；我知道这个命名有点别扭，因为我们已经明确，测试本身也是学习，但论文就是这样描述实验程序的。

    研究者安排了三种时间结构。第一组先接触新材料，几乎立刻接受一次测试，获得对错与正确答案反馈，之后等待一段较长时间，再参加最终测试。第二组先学习，等待几天或一段时间，再做一次带反馈的测试；接着再等一段时间，最后与第一组在同一天参加最终测试。第三组则先学习，等待很长时间，直到最终考试前一两天才做一次测试并看到正确答案，然后很快参加最终测试。不同版本的实验使用过几天、几周等不同间隔，最终比较的仍然是各组在同一时间进行的最终测试表现。

    乍看之下，我原本会猜第三组最好：考试前才测试，错误刚被纠正，答案应该最新鲜。第二组间隔均匀，似乎也有优势。但结果相反。首次接触材料后很快就测试、之后留出较长间隔的第一组表现最好；中间分散测试的第二组居中；第一次测试拖到临近最终考试的第三组最差。即使第三组的两次测试只隔一天，甚至有重叠题目，也没有获得预想中的优势。

    这项结果在学习策略上非常重要。如果你今天第一次读一章书、第一次上某节课、第一次学一组数学概念、语言材料、音乐片段或动作技能，请尽量在同一天测试自己，至少不要轻易拖过第二天。先尝试记起刚才接触的信息，再看正确答案，去发现没有掌握的内容。这种早期测试似乎能够在遗忘大量发生之前，改变未来信息保留的轨迹。我真希望自己在幼儿园、小学、中学、大学和研究生阶段，都有人把这个方法明确教给我。

    为什么早测如此有效？我们还不能把神经机制说得百分之百确定。人类神经影像研究提供了一些线索，特别是熟悉感（familiarity）与主动回忆或再认之外的提取（recollection）之间的差异。看到熟悉的段落、认得某个术语、听过某段音乐，不等于你能够不看材料就把它重现出来，更不等于你能灵活运用。重复阅读让材料显得越来越熟悉，但这种状态可能仍然相当被动；测试则迫使你真正输出答案、写出解法、弹奏音乐、执行动作或重建概念。

    更特别的是，测试中的错误可能具有独特的学习价值。当你试图回答却回答不上来，或者确定自己知道、最后发现答错时，神经系统可能会对正确的信息和需要纠正的信息作出不同反应，从而促进以后的保留。我们还不知道这里所有的细胞级机制，但它显然不同于简单的再次接触材料。第一次接触是必要的；之后把测试安排在首次接触之后尽可能早的位置，能够利用“材料还在记忆中、却尚未形成稳定掌握”的特殊窗口，帮助抵抗自然遗忘。这方面涉及熟悉感与真正回忆能力的神经科学差别，我也在节目说明中推荐了相关综述。

    与熟悉感和回忆能力有关的一篇综述，刊登在学术期刊 《Hippocampus》（《海马体》）。每次想到竟然有一本期刊直接用脑结构命名，我都觉得有些好笑。至少我不知道有叫作《Retina》（视网膜）或《Amygdala》（杏仁核）的期刊，尽管确实还有《Cerebral Cortex》（大脑皮层）等以神经结构命名的期刊。我还记得研究生刚入学时参加过一次聚会，听说有本叫《Hippocampus》的期刊，就当着聚会主人的面说：“这也太荒唐了，谁会把学术期刊起名叫一个脑结构？”当时我还是一年级研究生，没意识到自己言语有多冒失。主人平静地回答：“那是我创办的期刊。”而这个人后来成为学习与记忆领域的重要学者。这段经历说明，有时候你觉得自己很懂，却恰好暴露了无知——这也和自我测试的意义不谋而合。

    只进行一次自测，就能把遗忘减少多少

    现在我想再让你做一次开放式测试。这个问题的答案我还没有告诉你，所以并不期待你答对：如果综合测试作为学习工具的研究，学习新材料后只增加一次自我测试，与完全不测试相比，究竟能使后续的遗忘减少多少？你猜是 10%，还是 20%？请先在心里给出一个估计。

    我想强调的答案是：大约减少 50% 的遗忘。这里要理解清楚这个数字的含义：我说的是在这类研究中，进行一次测试可以使本来会发生的遗忘量大致减半，而不是承诺每个人、每种任务、每个时间点的考试分数都会直接增加 50 个百分点。相关研究涵盖了音乐、数学、语言、动作等不同形式的学习。受试者先接触材料，随后在没有复习、练习或测试的条件下等待，最后接受测验；研究者再与早期进行过一次测试的组作比较，观察各自保留了多少信息和技能。

    设想钢琴老师给你演示一组音阶，之后你完全不练习；或者你听过一节历史课，却在之后的日子里既不复习也不回忆。在这种条件下，随着时间过去，正确演奏或准确回忆的比例自然会下降。但如果在第一次学习之后，立即进行一次测试或自我测试，即使那次成绩不理想，后续遗忘就可能显著减少。这个数量级的效果，是阅读相关文献时最让我震撼的发现之一。

    我希望大家从根本上改变理解学习的方式。神经科学家通常把学习描述成“接触新材料、集中注意力、睡眠中重塑连接”，这些环节确实存在；但还需要强调：我们每天经由神经系统接收的绝大多数信息，最终都会被丢弃。遗忘不仅普遍存在，而且是必要的。确实存在极少数特殊临床情况，有人对日常大量细节具有异常强的记忆能力，但这未必是值得羡慕的事。这些人可能在工作和人际关系中遇到很大麻烦，事无巨细地记住一切，反而严重扰乱生活。真正需要的不是对所有事情都永不遗忘，而是对重要内容形成良好、可提取的记忆。

    正是因为我们天然会忘记如此多的信息，“让遗忘减少约一半”才如此有意义。回想我自己读书时的安排：通常先读材料、划重点，再把笔记抄写出来，然后写成短段落进行整理；之后参加小测验，去老师的办公时间提问。等我真正认真对待学业时，我的确付出了很大努力，这套方法也给了我不错的结果；而其中一部分做法很可能已经类似自测，只是当时我没有意识到它的机制。我现在当然仍会忘记事情、说错话，播客中偶尔也会因为讲得太快或玩笑没被正确理解而出错。我们会在节目说明中更正被指出的问题，如今还使用 AI 辅助检查节目，并在必要时通过后期编辑修正表达。我始终努力保证准确，但也不会假装自己永远不会忘记或犯错。

    不过，如果我当年知道，下课走出教室时、回到家后、当天晚上或第二天简单自测，就能如此显著地改善未来几周、几个月乃至一年后的保留情况，我一定会更早、更频繁地这样做，也可能节省大量时间。这不表示应该完全停止读书和常规复习；为了充分掌握材料，你仍然需要投入与任务难度相匹配的学习量。它意味着，在已有学习时间里增加及时、主动的测试，具有极高的价值。

    哪一种测试形式最适合用来学习

    如果你能自己设计测验，或者你是教师，或者你有机会向老师建议怎样安排教学性测试，我最推荐的是：开放式、简答式、提示尽可能少的问题。像我们在这篇文章中所做的那样，不先展示答案，而是问“神经可塑性的三种机制是什么”“为什么第一晚睡眠重要”，让你必须自行回想。如果需要，也可以使用长答题，让学习者解释因果、阐明概念、连接事实。

    与此相比，普通的选择题经常允许你依赖熟悉感。例如选项有 A、B、C、D，有时还有 E，甚至是“A 与 C 均正确”之类的组合。你看到几个术语，觉得其中一个眼熟，就圈出 C。这可能是在识别答案，而不是从头脑中独立重建答案。开放式问题更难，因为你必须真正提取知识，而不仅仅在几个已经给出的名字或事实中辨别熟悉的东西。用作学习工具时，这种难度通常是优点。

    当然，选择题有例外。GRE、LSAT、MCAT 等标准化考试中，有些题目包含所谓的陷阱选项：一个答案乍看完全正确，许多人会迅速选择，但只有进一步理解题目背后的知识，才会发现最显眼的答案其实错误。这类选择题会迫使你比较多个信息要素，单靠熟悉感不够，因此可能同样需要深入掌握。但这类精心设计的问题不是所有选择题的常态，而且对于音乐演奏或实际动作练习，测试也未必适合用选择题呈现。当然，如果你考的是音乐理论，情况又可能不同；我在谈音乐学习时，主要想到的是实际演奏技能。

    在真实学校里，你常常不能决定期中或期末考试的题型，老师可能使用多种题型混合的试卷。你能够更好控制的是自己用来学习的测验。我建议让这些测验尽可能要求主动回忆和有一定深度的思考，而不是只依靠选择题的识别。做题时难免犯错，但既然这里的目的不是最终评定成绩，而是学习，那么理想情况下，这些练习的答错次数不应立即降低课程最终评分。学习性测试与成绩性评价不是一回事。

    教师为什么应该提前告诉学生会有许多小测验

    研究显示，学生通常不喜欢突击测验（pop quiz）。从教学评价就能看出来：教师如果经常突然小测，学生往往会给出更低的课程评价。我多年执教，收到过各种不同的评价，也一直认真看待反馈。现在我突然想到有位学生曾抱怨我在课上过于频繁地提起我的斗牛犬 Costello。我此刻又提了他一次，就当作对那条意见开个玩笑；反正我觉得自己可以按需要提起他。回到正题，学生不喜欢突击测验，并不能说明它对学习没有效用。

    但我认为，一个甚至更好的方式是：从课程开始就明确告知学生，接下来将有多次测试，而且这些测试是教学本身的一部分。可以告诉他们，在整段学习期间会有五次测验；也可以给自己设定规则，每天首次学习新材料后进行一次回忆测试。提前建立这个预期，能让测验不再只是突然出现的压力事件，而成为学习流程中可以主动准备的环节。

    现实中，我们可能下了一节课就得赶往下一节，未必有空坐下来做正式测验。但是，刚下课就立刻打开手机刷信息，通常不是最好的选择。首次接触新材料之后，你拥有一个很宝贵的窗口，可以用最简单的方式阻止遗忘继续扩大。我读书时还没有智能手机和短信的干扰，下课后往往直接走向自行车，当然也会与人说话、处理其他事情。现在的学生则有更多立即分心的渠道。

    如果你很在意刚学到的内容，我建议下课后用几秒钟，最好几分钟，停下来问自己：“刚才最重要的概念是什么？有哪些事实？我能否完整解释？哪里最困惑？”如果发现自己一无所知、十分混乱，或者完全想不起重点，这也不是失败。你已经让神经系统接触到了一个明确的知识缺口。接下来查找答案，再测试一遍，这就是在启动进一步学习。反复执行“提取—发现缺口—核对—再提取”的循环，目的正是让未来遗忘尽可能少。

    学习中安排五到三十秒的停顿：间隙效应

    除了测试，还有一些与神经可塑性相关的研究值得简要提及。其中一个是间隙效应（gap effects）。这是一个非常有趣的现象，而且已经在多种学习任务中得到观察：学习期间周期性地安排短暂的暂停，短到 5—10 秒，也可以长到 30 秒，会让海马体中的神经元有机会快速重放刚才接触的信息。研究显示，这种神经重放的速度可以达到通常体验速度的20—30 倍，类似于睡眠中观察到的某些快速重放现象，包括与快速眼动睡眠相关的活动。

    如果你是教师，可以在讲授新知识时有意识地留出短暂空白；如果你正在练习新的动作、音乐技能或其他材料，也可以适时暂停，而不是一直不停地推进。这样做不是为了浪费时间，而是让海马体可能在短时间内自动重复更多次刚才的神经活动模式。你不必在每个停顿中刻意做复杂练习，重要的是避免把连续输入当作唯一的学习方式。

    我知道，在今天的讨论中，考试、测验、评价、遗忘这些词，可能会触发许多人的紧张和不舒服回忆。被老师突然点名、答错后受到评价，确实可能带来很强的压力。但我始终要强调：把测试当作学习工具，不等于每次测试都要作为成绩惩罚。它的目的，是让你看见自己知道和不知道的边界，之后得到正确答案，并不断纠正错误。如果教师主持测试，也应该把这一点向学生说清楚。

    在美国，过去约 30 年，特别是最近约 15 年，教育领域出现过减少某些正式评价的倾向。我能理解学习形式可以非常多样化：你可以通过正式课程、YouTube、播客、书籍、实践乃至真实生活来学习。作为大学教授，对科学、医学、健康等需要严格训练的领域，我个人仍然非常看重结构化、严谨的正式课程。不过，不管通过哪种媒介学习，把测试主动嵌入学习过程，都比只用测试来给人打分更值得重视。

    如果你希望继续查阅这些研究，我在节目说明中列出了多篇论文，包括综述 《Testing Enhances Learning: A Review of the Literature》，以及研究文章 《Test-Enhanced Learning》，还有一部由这一领域的研究者撰写的相关著作。这些文献将“测试作为学习手段”与其他学习方式直接比较。我认为，它们不仅值得教育研究者了解，也应该让普通学习者尽早接触。

    情绪为什么能让一条记忆留下来

    现在，在结束之前，我还想讨论几个并非以测试为中心、但同样与记忆密切相关的因素：情绪、故事，以及交错穿插信息（interleaving）。我们都能从生活经验中发现，带有强烈情绪的事件通常更容易记住，记忆也更持久。负面情绪尤其如此。创伤后应激障碍（PTSD）与这种现象有关：有些严重、令人恐惧的经历，即便只遭遇一次，也可能留下异常深刻的记忆。这被称为一次试次学习（one-trial learning）。

    这类经历可以来自阅读或观看到的信息，也可以是现实中亲身发生的事件。我并不喜欢这种事实，但神经系统确实能够在极端压力下迅速改变。强烈应激时，大脑和身体释放大量肾上腺素（epinephrine/adrenaline）、去甲肾上腺素（norepinephrine）及其他神经调质，使得事发之前和事发期间活跃的神经回路，以及有关场景、视觉和声音信息的回路，快速与强烈的压力反应建立联系。某些连接仅经过一次经历，就可能发生很持久的变化。

    举一个令人难过的例子：假如你今天走出门，不幸目睹某人被汽车撞到，很可能会在很长时间内，甚至一生都记得那幅画面。从适应性的角度看，这种能力可能帮助我们识别和避开危险；从个人生活的角度看，它也可能带来痛苦。当然，清楚记得一件事，不等于与那件事相关的痛苦情绪必然永远保持不变。针对 PTSD，临床上有不同治疗方式，包括由受训精神科医生或心理学家支持的系统性暴露治疗，让患者在安全、受控的条件下重新面对有关记忆、意象，有时甚至是特定情境，逐步改变记忆与强烈情绪反应之间的联系。其他方法包括 EMDR（眼动脱敏与再加工）、药物治疗，以及某些组合方案。我在其他节目中专门讨论过应激与 PTSD，可在 hubermanlab.com 搜索 stress 或 PTSD。

    这里的重点不是把创伤当成理想学习方法，而是认识到情绪唤起如何影响记忆编码。负面重大事件往往一次就难以忘记；正面的人生高峰也可能如此，例如第一个孩子出生、婚礼，或特别美好的个人及职业经历。这些事件也可能构成一次试次学习。然而，我们每天要记住的大多数信息，并没有如此极端的正面或负面情绪。对于这些普通材料，故事、个人兴趣，以及讲述过程中产生的情绪强调，都有可能增加它们进入长期记忆的机会。

    如果你在学习某个主题时非常兴奋，或者觉得某件事非常糟糕，这种主观感受可能使相关信息更容易被记住。其中发挥作用的，不仅有肾上腺素、去甲肾上腺素，也包括乙酰胆碱（acetylcholine）、多巴胺（dopamine）等神经调质。它们可以在较低的背景水平活动，只让情绪、专注与警觉性发生细微改变；也可以在特定浓度、时机和神经回路条件下，引发非常剧烈的状态变化。因此，同样的事实，在不同情绪和警觉状态下被接触，可能产生不同的记忆效果。

    怎样在平淡的课程中主动创造投入感

    如果你是教师，需要注意知识本身之外的呈现方式；如果你是学习者，则要留意自己接触材料时的内部状态。我们都遇到过用平板、单调语调讲课的教师或演讲者。碰到这样的材料，你也许需要更有意识地提高自己的投入程度，主动提醒自己其中的意义，寻找令自己感兴趣、惊讶或重视的方面。即使外部刺激不够强烈，仍然可以通过自己的思考增加注意力和情绪上的重要性。

    相反，某些极富感染力的老师会睁大眼睛、充满活力地讲故事，偶尔穿插笑话，学生自然更容易集中，也更容易记住内容。当然，即使遇到非常生动的授课者，你仍然需要自测；生动的讲述不能完全代替主动提取。不过，它能够借助学习者自身的神经调质反应，创造较强的记忆条件。

    有趣的是，研究教师评价时还发现一个看似矛盾的现象：会讲笑话甚至偶尔说粗话的教师，可能被学生认为更讨人喜欢，却往往获得较低的整体教学评价。学生可能觉得他们不够专业，因此给出的“好教师”评分反而偏低。这也是为什么我在正式授课时尽量不讲太多笑话，也尽量不说粗话。但这不改变我对充满活力、善于激发兴趣的教学方式的评价：它的确能够帮助学习者更容易投入。

    中世纪把人扔进冷水的记忆方法，以及它真正说明了什么

    现代记忆科学的重要研究者 James McGaugh 在一篇很好的学习与记忆综述中，提到过一个令人惊讶的中世纪做法：人们先教成年人或孩子某些信息，然后真的把他们扔进冷水里。目的就是利用强烈的身体刺激，诱发肾上腺素释放，以帮助此前所学内容的记忆巩固。这听起来相当离奇，但如果结合我们对压力、情绪性记忆和神经调质的理解，就能看出其中的生物学逻辑。

    我以前在节目中讨论过主动冷暴露，但请不要把这个历史案例理解成“每次学习以后都应该泡冷水”。我并不是要求你这样做。我的意思是，如果你本来就选择在安全的条件下洗冷水澡或进行短暂冷水浸泡，那么你也可以尝试在那段时间里回想刚学过的内容，让自己同时进行主动提取练习。务必注意合理时长和安全操作，不要待在冷水里太久。我也在网站的免费冷暴露资料中讨论过实践方面的注意事项。

    与此类似，咖啡因能够提高肾上腺素水平。这个作用并不一定非常剧烈，但可能对学习有一定帮助。有人马上会问：“那我究竟应该在学习之前喝咖啡，还是学习之后喝？”我觉得这就过度纠结于细枝末节了。真正重要的优先次序仍然是：先保持足够清醒，能专注于新材料；随后通过测试进行主动回忆；再获得充足且高质量的睡眠。此前提到的 NSDR 以及短暂停顿，也值得尝试，但不要因为追求微小优化而忽略这些核心因素。

    穿插不完全相关的故事，为什么反而能帮助记忆

    最后一种我认为讨论得不够多、又很有反直觉意味的学习工具，是交错穿插信息（interleaving）。设想你正在学习钢琴、神经科学或高效学习方法，教师在讲授过程中偶尔插入一段小轶事，谈到奥运会，或者说起某个与当前材料并不直接有关的经历。乍看之下，这仿佛是在跑题；但研究表明，在一定条件下，这种间歇性地穿插其他信息，可能增强整体学习效果。

    请把它与前面的间隙效应区分开来。间隙效应是停下来 5—10 秒，甚至更久，暂时不输入新信息，让海马体有机会快速重放刚刚接触的活动模式。交错穿插则不是安静停顿，而是在主要学习材料之间放入一段不完全相关、挑战较小的其他信息。它避免了整节课从头到尾像消防水龙头一样向学生连续灌输全新的、密集的信息。

    这种穿插可能一方面让学习回路得到类似于间隙效应的短暂调整机会；另一方面，更有意思的是，它可能帮助负责信息编码的大脑区域，把刚刚接触的新知识与已有知识连接起来，有时甚至会连接到看起来相距很远的内容。这类机制仍然有待进一步研究，但行为层面的思路很实用：学习不必永远是一条没有转弯、毫无呼吸空间的信息流水线。

    这是不是说，你应该把数学和历史两门同样困难的新课完全混在同一节课里？我不这样认为。那可能只是从同时面对一根消防水管，变成面对两根消防水管，反而使人不堪重负。这里我说的是：在需要费力理解的核心信息之间，穿插一些有趣、较轻量的事实、小故事或案例。它们可以是新的，却不应每一个都要求你高度费力。正因如此，我在讲述高效学习方法时，偶尔说到我的斗牛犬、当年学习神经解剖学的经历，或其他看起来旁逸斜出的故事。这些内容不只是让人休息一下，也有助于把抽象原理与更广泛的经验联系起来。

    从不会使用知识，到熟练、掌握与精湛技艺

    有些读者已经不再是学校里的学生，有些仍在正式求学；但从更广义的角度看，我们其实一直都是学生。每天有大量新信息进入生活，我们当然应该庆幸自己不会记住其中的一切，但也确实有一些知识值得长久保存，值得达到熟练乃至真正掌握的程度。我前面答应过要区分几个水平，现在把它们说明白。

    缺乏技能（unskilled），意味着你对某个领域的理解还很有限，更谈不上独立运用。具备技能（skilled），通常意味着你已经能够认出和理解相关信息，也能在基本任务中使用它，有时甚至完成相当高级的操作。掌握（mastery），意味着你拥有某个领域非常深入、接近完整的知识，并能在不同情境下灵活运用。最后是我所说的精湛技艺或大师级表现（virtuosity）：不仅完全掌握了材料，还能够主动引入不确定性、即兴变化，在使用知识时创造出连自己事先都无法完全预料的表现。

    我想到的是伟大的音乐家和运动员。他们把各种乐句、技巧、战术和动作都练到了神经系统里，随时都能调用；但在真正令人惊叹的表演中，他们并非只是机械地重复脚本，而是主动欢迎某种不可预知的“X 因素”。有时他们演奏乐器、歌唱、竞技，甚至从事数学创造时，会表现出令自己也惊讶的能力。这就是我理解的 virtuosity：高度掌握与不确定性、即兴性相结合。

    当然，达到这个层次对大多数人来说是很高的要求。我认为，如果我们能在自己真正重视的领域获得可靠的技能和扎实的掌握，已经是很好的成果；如果有一天进一步达到大师级表现，那当然值得珍惜。我们不必要求自己在所学习的每一件事情上都进入大师级境界，能够把真正重要的知识保留下来，并在需要时有效使用，本身就很有价值。

    把测试真正变成自己的学习工具

    我希望通过今天的讨论，你已经能够把神经可塑性、专注、睡眠和记忆之间的关系连接起来。更重要的是，我希望你真正重新理解一个概念：稳定的学习，很大一部分是在抵消自然遗忘；而测试不只是衡量知识的工具，也是建立、巩固和强化知识的工具。在很多场景里，测试本身就是最重要、甚至最有效的学习活动之一。

    我特别想再次强调这个框架，因为我自己在整个求学生涯中都没能充分运用它。今后，无论为了播客研究、神经科学知识更新，还是生活中的其他学习，我都准备更有意识地通过自我测试来检查理解。它几乎可以无限延伸到不同任务：你可以自己给自己出题，也可以让别人测试你；可以给同学讲解，也可以在散步时不看原文回忆一篇论文；可以在刚听完讲座后给自己几分钟，也可以在第一次学会一个动作后，尝试不看示范独立完成。每一次检索都是在确认自己知道什么、还不知道什么，然后帮助神经系统减少之后的遗忘。

    这种方法还有一个非常现实的优点：它是免费的，可以私下进行，也不依赖特定场所。你不需要正式考试，不需要特殊设备，也不必等到有老师向你发问。你可以在教室里、回家路上、休息时、散步时、读完一本书或听完一段播客后，立即给自己出一道开放式问题。接着勇于承认没有想起来的地方，核对正确答案，再试一次。让这项练习成为学习的一部分，而不是只在学期末为了成绩才接受测验。感谢你参加今天这场关于学习方法与记忆的讨论。也感谢你对科学始终保持兴趣。

    Post #2
  • [ai 整理讲稿] 2024 年 李录 北大光华讲座
    谈笑风生

    沃伦·巴菲特 2017 年 CNBC 采访

    说明：文中市场价格、持仓数字、政治人物职务及前景判断均属于访谈当时（2017 年）的陈述，不代表当前情况。原稿有少量自动转录或听写歧义，无法确定时按上下文审慎处理。

    美国经济的长期力量

    问：为什么你在每年的股东信中总是强调美国经济的活力？

    答：这已经是我们做“Ask Warren”节目的第十年，股东信也写了五十多年。我几乎每年都会把美国的长期活力放在很靠前的位置，因为它是贯穿我一生投资经历的最主要主题。1942 年春天，我十一岁，买了人生中第一只股票。当时美国在太平洋战场上还处于不利局面，道琼斯工业平均指数大约只有 100 点。之后几十年，经济不断出现挫折，发生过战争、通货膨胀、价格管制、石油冲击，以及 2008 年那样严重的金融恐慌；但如果把时间拉长，美国经济展现出来的进步程度令人难以置信。建国至今两百多年，相当于不到我三次人生的长度，整个社会的生产能力和生活水平已经发生了巨变。人类文明在更早的漫长世纪里，普通人的生活提高得很慢，而美国展示了一套能够不断释放人的创造力的制度，我们还没有失去那种最重要的内在动力。

    假如回到 1790 年，美国大约只有 400 万人口，其中约 70 万是奴隶，全世界人口约 9 亿；美国人口只占全世界的半个百分点左右。美国拥有土地、矿产和适宜的气候，但别的地区也有自然资源，为什么这片土地上的经济后来会发生这样的变化？我认为原因不止一个：法治相对健全，机会的开放程度比许多地区高，移民中也确实有大量渴望开创新生活的人。不过，如果一定要挑出最关键的一项，我会选择市场制度。这不是一种完美制度，其他条件也都不完美，但市场机制使人的能力能够被激发出来。亚当·斯密在 1776 年出版了《国富论》，这个时间点很有意思。人们能够持有财产、保护创意和经营成果，拥有把想法转化为商业价值的机会，整个人类社会的潜力便得到了释放。今天的人并不一定比两百多年前的人更聪明或更勤劳，只是能把聪明才智用在更有成效的事情上，而这件事远没有走到终点。

    问：股市不断创出新高，投资者是不是应该等待回调后再入场？

    答：他们不知道什么时候会出现最好的买点，我也不知道。我没有见过谁可以在几十年的时间里持续成功地预测市场进出时机。如果你相信一项事业能在未来十年、二十年、三十年持续创造价值，却仅仅因为猜测下个月的价格更便宜而一直不参与，那是非常糟糕的决定。想象一下你购买一座农场：你相信这是一项具有生产能力的资产，未来几十年土地和产出有价值，只要价格不是荒谬得离谱，你就应该从长期经营的角度考虑购买，而不是天天猜它下个月会不会跌价。买股票也是这样。最好是持续、定期地购买，在不同公司之间分散风险，也通过这个月、下个月、明年、后年不断投入来分散时间上的风险。你不会因为等待所谓完美时机而错失整个长期增长过程。

    我不是说股票在任何价格都便宜。评价股票时必须看利率，因为利率对资产估值的作用就像重力。1982 年，利率一度达到 15% 左右，那就会把几乎所有资产的合理估值往下拉：如果安全的政府债券能提供 15% 的收益，你为何还要以只有 4% 收益率的价格购买农场？反过来，假如十年期国债收益率只有大约 2.3%，而一家优秀企业能在资本上获得不错的回报并逐步增长，它的股票便可能比债券有吸引力。按访谈当时的利率比较，我认为股票的估值相对于历史水平甚至偏便宜，还不能说已经处于典型的泡沫区间。当然，若利率快速上升至 7% 或 8%，同样的股价就可能显得贵得多，股票价格也可能受到严重压力。假如十年期利率长期停留在当时的水平，你很可能会后悔没有购买股票。但这是有条件的判断，不是我对短期市场的预测。

    我从 2008 年秋天就经常讲这些观点，当时甚至说得稍早了一点。投资者会用各种理由等一等：等战争形势明朗，等油价稳定，等政治不确定性过去，等指数从 20000 点跌下来。可我记得道指第一次站上 200 点时，也有人说它太高了。1929 年指数曾上升到 381 点，但那一年最低还低于 200 点。人们永远可以找到一个说服自己暂时退出的理由。1987 年 10 月 19 日，美国股市甚至在一天内下跌了约 22%；这种事情随时都可能再次发生。我不知道明天会发生什么，却能够对十年、二十年后的生产性资产做出大体上的长期判断。若把一份十年期债券视为一个“企业”，你相当于用四十多倍的市盈率购买一个利润无法增长的东西，与能够增长的优质企业相比，我更愿意持有后者。当时有人问我，道指在他们有生之年能否接近 100000 点，我认为只要美国制度大体继续发挥作用，这不需要任何神迹。那不意味着从 20000 到 100000 的道路不会遭遇暴跌或危机。

    大额买入、苹果与消费者黏性

    问：你为什么在那段时间投入了约 200 亿美元买股票？这和总统选举或美联储有关吗？

    答：回头估算，选举前后那段时间我们在两个投资方向上花出去的金额可能达到了 200 亿美元。我不一定能当场精确地把每笔金额加起来，但确实比此前公开说的 120 亿或 140 亿更多。我看的是个别企业的经济价值，不是押注哪次选举，也不是根据联储下一次会议猜股价。只有当利率出现特别重大的变化时，才会影响我比较不同资产的标准。我们正好拥有资金，而某些企业的价格使我愿意持有它们。与其把这笔资金留在短期国库券上，我宁可拥有这些企业的一部分。对我来说，股票不是屏幕上的符号，而是企业所有权的一小部分。

    其中一个重要对象是苹果，另一个是美国几家主要航空公司。苹果在上一年 12 月 31 日的披露中，伯克希尔大约持有 5900 万股，账面市值约 70 亿美元，已经进入我们的前五大持仓。随后直到苹果公布季度业绩前，我们又在大约二十个交易日内大量买入。我自己管理的伯克希尔账户约有 1.23 亿股，办公室里的一位投资经理另持有约 1000 万股，合计约 1.33 亿股，比年末增加了一倍以上。按照节目当时的股价，主持人估计这笔持仓约值 170 亿美元，占苹果总股本约 2.5%，在伯克希尔持仓中已接近或超过可口可乐、仅次于富国银行。具体排名随着市价而波动。那位管理人是托德还是特德，我一贯不公开区分每笔操作是谁做的；他们有自己的投资职权，我不会把他们的每个具体决定拿到公众面前讨论。

    为什么买苹果？因为我喜欢这家企业的经济特征。苹果发布季报后股价上涨，我们停止了继续买入；假如股票没有涨那么多，也许还会买得更多。苹果的季度销售额与毛利率指引通常相当准确，所以我不觉得公布的业绩理应令市场如此吃惊。无论如何，当时的上涨使它不再符合我愿意付出的价格。我在节目中谈论持仓，也是因为我们当时并没有在这个价位继续买入。如果正在买，我通常不会公开谈论它。我不希望有人把我们买入过苹果误解成我在向他们推荐节目播出当天的价格。

    问：你一向说自己不懂科技，为什么能投资苹果，又如何判断它的竞争优势？

    答：苹果当然有很强的技术属性，但它在很大程度上也属于消费品公司。我的重点不是判断它实验室里究竟研发了哪种技术，而是理解顾客为什么使用它、在多大程度上依赖它，以及这种关系可能为未来盈利能力带来什么。我自己甚至还用着一部很老式的手机，蒂姆·库克经常拿这件事跟我开玩笑；不过我不需要亲自开发手机，也能理解消费者在产品上形成的习惯。我的投资判断最后仍然要回到苹果未来的赚钱能力上。我认为蒂姆在资本配置方面做得非常出色，而苹果有一种异常难以摆脱的顾客黏性。拥有好产品从来不等于没有竞争者；市场制度的一个特点就是，只要你的生意做得好，就会吸引很多聪明人来挑战你。

    我很受菲利普·费雪那本《怎样选择成长股》（Common Stocks and Uncommon Profits）的影响。这本书大约在 1960 年前后出版。我读完以后专程去旧金山，在一间很小的办公室里拜访过费雪。他提出的“闲聊调查法”（scuttlebutt method）让我印象深刻：不要只看财务报表，还要主动向客户、供应商、竞争者等人提问，弄清楚他们到底如何评价一种产品。这种方法我一直在用。1963 年美国运通发生色拉油丑闻，人们担心公司会因此破产，我便去餐厅观察人们是否仍然使用美国运通卡，去银行了解旅行支票的业务。那场事件让公司损失了钱，但没有摧毁它在消费者心中的特许经营价值，这两件事的区别非常重要。

    苹果也是一样。星期天我带曾孙辈的孩子们去冰雪皇后（Dairy Queen）吃冰淇淋，他们经常带朋友来，几乎每个人手里都拿着 iPhone。我会问他们拿它做什么，能不能没有它生活，什么时候换手机，换的时候会换成什么。在内布拉斯加家具商场，我也观察到类似现象：一个带着 iPhone 进来的人，换新机时通常还是选 iPhone。照片、联系人、生活习惯乃至整套日常活动都和它联系在一起。手机对于这些人的作用，就像把一套百科全书、音乐库、地图和众多工具都装在一个小盒子里。这种黏性相当值得研究，虽然未来依然可能出现颠覆性产品，但眼下客户围绕它安排生活的程度确实了不起。

    我并没有因为买了苹果就一定预测它会成为第一家市值突破一万亿美元的公司。节目中有人把 7000 多亿美元的市值往上推算，问我是否必然相信它会到 1.3 万亿或 2 万亿美元，我不做那样的市值预测。投资者还应考虑每股价值：苹果在积极回购股份，上一年大约回购了 4% 的公司股权。当时总股数约 52.5 亿股，我猜十年以后股数会显著少于那时。即使公司总市值不按别人设想的速度增长，流通股减少也可能让每股经济权益获得可观增长。若一定要我押注苹果还是伯克希尔先达到一万亿美元，我会押苹果，因为它在这个比较中更占优势；当然我也开玩笑说，如果蒂姆愿意和伯克希尔平价交换，我有电话号码可以让他联系我。我没有特意为了买股票而找蒂姆商量，通常一年只在太阳谷等活动见他一两次。我的调查主要是直接了解顾客。

    航空股：为什么重返曾经厌恶的行业

    问：你过去如此不看好航空业，为什么又持有美国四大航空公司的股票？

    答：美国航空、达美航空、联合航空和西南航空，伯克希尔当时都持有相当大的股份，一些持股比例接近 10%。办公室里的另一位投资经理负责美国航空的仓位，其余三家的主要仓位由我管理。在那之前，我们确实还经常拿航空业开玩笑。我曾说，如果有人在莱特兄弟试飞的基蒂霍克现场把飞机的发明阻止了，可能会替后代投资者省下很多钱；又说如果我忍不住想买航空股，应该打求助电话，让人提醒我这个“航空股成瘾者”不要冲动。过去几十年里，破产的美国航空公司接近一百家。这个行业拥有吸引人的浪漫色彩，却长期给资本带来糟糕的回报。就连现在经营的大型航空公司，除西南航空外，许多也曾经历过破产重组。

    我上一次投资航空公司是 20 世纪 80 年代末的美国航空（US Airways）。当时首席执行官埃德·科洛德尼来到奥马哈，我们在餐厅吃饭，我投了约 3.58 亿美元买优先股，感觉那笔钱几乎在晚餐结束前就消失了。美国航空虽然拥有一些优势航线，却受到西南航空等低成本公司的持续攻击。我一度打算以五折出售那笔优先股，却没能成交；后来行业情况短暂改善，我们最终反而赚了不少钱。如果只按那笔投资的盈亏结果计算，伯克希尔在航空业当时是“一战一胜”，但绝不是因为我们对行业判断得多么聪明。那家公司后来又破产过两次，最终成为现在美国航空的一部分。

    航空业最难办的地方是成本结构。买飞机、维护航线、雇用人员、安排起降都需要巨大的固定投入，但飞机一旦要起飞，再多载一位乘客的边际成本几乎为零。于是航空公司总有诱惑以极低价格卖掉最后一张座位，而当大家都这样做时，所谓“最后一张票”的低价会逐渐影响整架飞机的票价。企业如果买入过多飞机，运力明显超过需求，就可能为了填满空座而把票价降至边际成本附近；在这种状态下长期经营，最后可能破产。行业必须维持较高的客座率，最好明显高于 80%，并且让飞机订单和潜在需求保持理性关系。访谈前的一段时间里，几家主要航空公司的客座率已经在 80% 多的区间维持了一阵子，新飞机订单也暂时没有显得失控。它们可以使用期权、推迟交机来调整运力，但这一行永远可能被竞争者、过量供给和恶性定价重新搞砸。

    还有一些吸引我的因素：航空公司在回购很多股票，过去积累的税务亏损结转使它们一段时期的现金流表现更好。话虽如此，一个公司背着巨额税务亏损结转，并不是它拥有伟大经营历史的证明；税务优势也逐渐会用完。我知道风险仍然存在。查理·芒格最近还说，他订了一张去欧洲只要四五百美元的机票，忍不住想我们到底为什么买了这样一个行业。我完全理解他的怀疑。查理有时会说“沃伦，我从没听过比这个更糟糕的主意”，但这不妨碍我们讨论、合作，他对这次投资并非完全反对。我本人几十年可能都没有坐过普通商业航班，也从未用过 iPhone；不了解行业里的每一项日常用户体验，不等于完全无法研究它的经济特征。我最早做过纺织和百货零售，跟那些经历比较，有些生意看起来就会更有吸引力。

    问：持有四大航空公司的股份会不会影响行业竞争？为什么你不愿跨过 10% 持股线？

    答：我们是完全被动的投资者。我没有和四家公司的首席执行官讨论票价或竞争安排，甚至基本上没见过他们；至多可能在商业活动上与个别人握过手。指数基金也同时持有许多竞争性企业的大量股份。低成本航空公司和新进入者仍然可以挑战这些大公司，价格竞争依然可能非常残酷。我们是在比节目当时更低的价格买入那些航空股，当时已经不再继续买。我也不会因为看好整个行业就建议所有人赶紧去买航空公司。

    对于伯克希尔，持股超过 10% 会增加一系列监管义务。美国证券法里的短线交易收益归入规则（short-swing profit rule）可能要求持股超过 10% 的股东，将六个月内相关买卖形成的收益交给上市公司；交易披露也可能从季度申报变成发生后约两天内的申报。因此我们一般尽量避免跨过 10%。若被投资公司持续回购股票，即使我们一股没买，持股比例也可能从 9% 变成 9.5%，甚至超过 10%。富国银行就曾因为回购让我们被动超过这一比例。金融公司还有特殊限制，进一步持股可能涉及成为银行控股公司，这不是我们希望做的事。所以我们通常会在 10% 以内控制仓位，即使公司经营本身仍然令我们感兴趣。

    道氏化学交易与危机中的信用投资

    问：为什么道氏化学的优先股转换成普通股后，伯克希尔的持仓报告里却没有道氏化学？

    答：一般而言，我很少买入一只股票后又在它来得及出现在季度 13F 报告之前就改变主意卖掉。我不记得自己最近做过这种事，办公室里另外两位投资经理可能偶尔会出现这样的情况，但那也很不寻常。道氏化学是完全不同的情形：我们原本持有的是优先股，并不打算长期持有它的普通股。道氏宣布赎回优先股，按条款会涉及大约 7200 万股普通股，相当于公司约 6% 的股份；我们预先设计了卖出安排，随着普通股价格高过转换价格而逐步出售。股价越高，我们的卖出越积极，到临近赎回日、股价在五十多美元时，一天可能卖出数百万股。目标是在实际收到转换股份时，把原本对应的普通股数量处理完，避免突然手里出现 7200 万股不想拥有的股票。实际的时间安排非常巧，最后一部分卖出几乎恰好赶上交割。多少有点幸运，我们本来完全可能在最后留下数百万股。

    这并不是因为我认为道氏化学是一家坏公司。伯克希尔拥有特殊化工企业，但我通常不通过买上市化工公司的普通股来投资这个领域。当年买道氏优先股主要是一次融资和信用判断。2008 年 7 月，道氏化学计划收购罗门哈斯（Rohm and Haas），需要外部资金，我们承诺投入约 30 亿美元购买优先股。到了当年秋天，金融世界几乎崩溃，道氏后来试图摆脱并购合同，甚至与罗门哈斯对簿公堂，最终仍然必须履约。我们在 2009 年 4 月如约交割那笔优先股，市场当时可能只愿意给它大约面值六成的估价——我们支付了 30 亿美元，市场价值却可能只有 18 亿美元。很多企业愿意与伯克希尔签订大规模融资协议，正因为他们知道不论市场后来出现怎样的风暴，我们会在约定交割日带着承诺好的钱出现。我们在箭牌（Wrigley）交易中的承诺也一样兑现。代价是，金融危机最严峻时，我们已经有巨额资金被预先承诺出去，因而不能把每一分钱都投向突然出现的其他机会。

    这笔道氏交易最终大约产生了 10 亿美元的资本利得，此外在我们持有的几年里，每年还有约 2.55 亿美元的优先股股息，对应 8.5% 的票息。这与买入一家期待长期高速增长的普通股公司不同。首先要回答的是，它能否履行债务和分红义务，资产与条款是否给我们足够的保障。那是一项信用决策，而不仅是股票投资。20 世纪 80 年代的美国航空优先股、2008 年道氏化学融资，以及金融危机时我们对高盛和通用电气的投资，都有这层逻辑。高盛与通用电气的交易票息达到约 10%，并且还包含认股权证；在 2008 年 9 月的市场环境下，愿意出手提供这种资金的人极少。美国航空当年曾停止支付股息，所幸合同规定未付股息能够按不错的利率复利累积。每次交易的条款和风险都不一样，不能简单地说“有钱就能毫无风险地赚 10%”。我开玩笑说，如果世界真的要毁灭，死时是身无分文还是欠了一百万美元，意义也不大；但当时敢于出手的前提，仍然是对具体信用风险、合同条款以及企业存续可能性做出自己的判断。

    一柜子西装与公司的篮球竞猜

    问：你生活中有多少套西装？为什么有那么多西装来自中国？

    答：有人来信打赌我衣柜里不到五套西装，而且大部分已经穿了十几年。要不是我多年前在中国认识了李女士，这个猜测可能很接近事实。有一次我到酒店，大约上午十一点刚到，几分钟后就来了两个人，突然给我量尺寸，又拿出很多面料样本让我挑一套。他们说李女士想送我一套西装。那之前我根本没有见过她，后来才认识她。我了解到她早年从一台缝纫机起步，逐渐建立起拥有约 15000 名员工的事业。她是一位非常出色的人，此后不断给我寄西装，数量多得我都想开一家男装店了，只不过店里所有衣服都得是我的尺寸。我的衣柜里大约有二十套西装，几乎都是她做的。她还为查理·芒格、比尔·盖茨、沃尔特·斯科特做过衣服，也曾和家人来参加伯克希尔股东大会。我非常感谢她。如果别人乐意送我西装，我当然不急着自己花钱买。

    问：你为什么愿意给员工设计奖金如此高的 NCAA 篮球竞猜？

    答：我们计划继续为伯克希尔员工举办大学篮球锦标赛竞猜活动。规则中有一项非常吸引人：如果一个员工正确预测出全部“甜蜜十六强”（Sweet 16）的队伍，而且只有他一个人做到，就能在余生每年领取 100 万美元。另外，成绩最好的员工还有 10 万美元奖金；上一年有两个人并列领先，一个很懂篮球，一个几乎不懂，于是每人拿了 5 万美元。上一年我们大概收到 85000 份参赛预测，我估计下一届可能超过 100000 份。有些子公司还自行组织内部比赛，员工可以在网站上实时看到每场比赛之后还有多少份预测保持正确，以及大家下一场分别支持哪支球队。这不只是经济账，也带来很多乐趣。电视主持人说把最高奖金加到十亿美元会更轰动，我的回答是，和上头条相比，我更想多收点“保费”。我喜欢当赔率和成本都清清楚楚的那个出价者。不过游戏确实是为了让大家开心，冠军并非理论上不可能出现。

    IBM、选举与投资决策

    问：IBM 股价上涨是因为云业务发展了吗？政治选举会改变你的投资方向吗？

    答：对 IBM 当时的股价表现，我没有什么特别的内幕信息。整个市场在前几个月涨了不少，IBM 又提高了股息，市场对派息股票也产生了更多兴趣；除了这些因素，我没有足够证据把它的上涨明确归因于云计算业务。我不会因为事后股价变化就编造一个动听的因果故事。

    同样，我认为把政治偏好和股票投资混为一谈，是个很大的错误。在上一届伯克希尔股东大会上，我明确表达过支持希拉里·克林顿，但也同时说过，无论克林顿还是唐纳德·特朗普当选，美国经济长期都会继续发展。成年以来，大约有一半时间坐在白宫里的人不是我投票支持的那个人，但这从来没有成为我退出股票市场的理由。1951 年，我准备向妻子求婚时，未来的岳父叫我去谈话。他在内布拉斯加算得上极其保守的人，足足谈了三个小时，郑重告诉我，我将来一定会失败，他女儿甚至可能挨饿，但他不会责怪我，因为那一切都是民主党政府造成的。听到最后，我几乎想收回求婚决定。我的父亲也十分反对富兰克林·罗斯福。罗斯福第三次当选时，父亲甚至说美国不会再有下一次选举；我们家里小时候如果不说几句罗斯福的坏话，连饭后甜点都吃不到。但我在罗斯福执政的 1942 年买了股票，事实证明长期持有美国企业并不是一件坏事。

    我并不认为投资者不应该关心政策。只是政治观点不该替代对企业盈利、资本回报和价格的分析。市场经历不同政府、不同总统、不同监管环境，一直在推进生产力和商业发展。政治判断与投资判断可以互相提供背景，却不能相互取代。若一个人一讨厌某位总统就卖掉所有生产性资产，他可能因为自己的政治情绪而付出巨大的经济代价。

    问：你会用什么标准评价当时新上任的特朗普政府？你如何看待内阁人选？

    答：如果要评估一位美国总统，我会使用同样的标准，不论他属于哪一个党派。第一，国家是否保持安全，尤其是否避免了大规模杀伤性武器带来的灾难。这是我心中总统最重要的职责。我们曾经历古巴导弹危机，肯尼迪政府当时成功渡过，但谁也无法保证换一个人结果仍然一样。朝鲜试图发展能够抵达美国西海岸的洲际导弹和弹头，这类风险让我非常在意。第二，经济整体发展得怎样。总统并不能完全控制经济，而且需要一定运气；从历史经验看，在很多四年任期内，经济有所增长是相当有可能的，但没有保证。第三，如果经济繁荣了，这份成果能够在社会中多大范围内分享。我不只关心总量，也在意多少人真正受益。即使我和某位总统在一些政策上有分歧，我仍会用这三条标准评价他的任期。

    关于当时的人事任命，我并不真正熟悉每一位新成员，但雷克斯·蒂勒森（Rex Tillerson）给我的印象不错。我只在一次晚宴上与他坐在一起过，对他的个人了解很有限。有人因为他曾经在埃克森美孚任职、或者本人很有钱，就推断他不适合公共事务。我不同意这种自动推断。我见过不少人从商界进入高级公共职位，通常会非常认真地意识到自己现在为美国服务，而不是继续为原来的公司工作。当然也有例外，但不能仅凭职业和财富判断。威尔伯·罗斯、史蒂文·姆努钦、加里·科恩都很聪明，来自金融领域，我虽然同样不算了解他们，但倾向于认为大多数人在进入公共服务后会认真对待新的责任。谈监管时，我也认为某些商业监管可能已经走得过远；支持某些政策，并不意味着必须支持一位总统做的所有事情。这些都是访谈当时的判断，不能拿来直接描述他们任期结束后的实际表现。

    税改、贸易与受到冲击的工人

    问：为什么你认为“边境调节税”最终会由普通消费者承担？

    答：把这种税称作什么并不重要。如果它在进口环节对商品征税，经济效果就近似于一项销售税。我们坐在内布拉斯加家具商场，几栋建筑合起来每年销售额超过 4 亿美元，展出的商品大约有 75% 来自进口。进口成本增加，零售商最终就必须把相当一部分额外成本转嫁给顾客。这里卖的不是专门给富人购买的游艇，而是普通家庭日常生活需要的家具和商品，因此税负会落到许多平常消费者身上。

    我猜当时的税改很难在短时间内做成彻底的、收入中性的全面改革。一个党派同时掌握白宫和参众两院，会很想尽快做出成绩，但任何试图调整税基、同时又不减少税收总额的复杂方案，都会招来利益相关者争论。过去有位参议员拉塞尔·朗（Russell Long）说得很形象：别向你征税，别向我征税，向躲在树后面的那个人征税。每个行业都希望别人承担改革成本。米切尔·麦康奈尔和保罗·瑞安都很熟悉立法，可是时间、政治资本和下一次中期选举都构成现实限制。因此我倾向于猜测，追求快速通过法案会压过追求制度复杂性，很难在短短数月内复制 1954 年、1969 年或 1986 年那样的大型税制改革。我不能对此做出确定预言，只是在分析政治和经济约束。

    有人认为边境税能够通过美元升值抵消进口成本，消费者就不必真的多花钱。我知道马丁·费尔德斯坦等经济学家曾讨论这种机制，但我不愿意把全部希望押在汇率会精准调整上。美元如果大幅升值，还会压低美国出口竞争力，不能只看进口一面。我以前曾在《财富》杂志写过以进口凭证处理贸易平衡的方案，确实存在其他政策思路，不过这场访谈没时间展开其制度细节。我不赞成把未经验证的汇率调整假说，当作税改必然不会伤害消费者的保证。

    问：你支持自由贸易，为什么又强调必须补偿受到冲击的传统产业工人？

    答：自由贸易总体上对美国、对世界都有好处，但收益和损失的分配并不对称。美国有数亿人，因为进口商品而买到更便宜的香蕉、鞋子、服装和钢材；每个人获得的好处往往很小、很分散。可一名五十五岁的钢铁工人可能为此失去一份维持家庭几十年的职业。投资者可以卖掉一家判断错误的鞋厂股份，再买一家优秀保险公司来分散风险；但一个人在钢铁厂或纺织厂工作了二十五年，他没有办法像调整股票组合那样，把一生积累的专业技能轻松转换成另一种行业技能。谈“重新培训”当然容易，但对于某些年龄、地域和教育背景的人，实际操作并不简单。

    伯克希尔自己的历史就是例子。我们最早在马萨诸塞州新贝德福德的纺织厂大约有两千名工人，后来这项业务注定难以竞争下去。其中一些工人年过五十，很多只会说葡萄牙语，转岗机会极其有限。他们没有犯错，只是自己的行业被全球经济的变化淘汰了。我不会为了保护一家无效率的企业而否认自由贸易的价值，但一个因为开放贸易而更富裕的社会，有责任安排资源，照顾在变化中被碾压的人。否则，站在失业工人的角度，有人告诉他“这对世界很好，对富豪很好，也让大家买鞋更便宜，只是很遗憾你失业了”，那当然不能让人信服。我理解为什么这成为当时选举中一项尖锐议题。我的原则是尽可能保持贸易开放，同时认真对待那些无法靠个人努力分散产业变迁风险的人。

    联合利华收购尝试与并购边界

    问：卡夫亨氏与 3G 为什么突然向联合利华发出收购建议，又很快撤回？

    答：这件事我可以说明大部分事实，少部分只能根据沟通过程做推断。卡夫亨氏董事长、3G 的亚历克斯·贝林（Alex Behring）与若热·保罗·雷曼及我达成共识：如果联合利华愿意讨论，我们可以考虑提出一份友好的收购报价。亚历克斯大约在四周之前去伦敦会见联合利华首席执行官，谈话接近尾声时提到潜在交易，对方没有明确同意，也没有明确拒绝，整个谈话非常礼貌。伯克希尔的格雷格·阿贝尔二十年前就认识对方，我们对管理层有不错的评价。因此亚历克斯回来告诉我们，他至少没有被赶出办公室，大家决定可以进一步探索。

    大约两周后，亚历克斯再次见面，带了一封勾勒交易结构的信。他的计划是，如果感受到中性或积极的反应，就把信交给对方；若对方表示排斥，他便不会递交。第二次谈话仍然很客气，他认为得到的是一种“也许”，于是递交了信，供联合利华董事会考虑。问题在于，商业谈判中“不明确拒绝”的含义常常很复杂，有的文化和公司会选择特别礼貌的表达方式，不同人的母语也不一样。亚历克斯的英语是第二语言，不排除双方对同一组措辞理解不同。我在节目中讲了一个带有那个年代风格的外交官与女士说“是”“也许”“不”的老笑话，其实要表达的只有一点：模棱两可的客气话，不一定代表愿意谈判。我个人不喜欢这种来回试探的舞步。我收购 Precision Castparts 等企业时会直接说，如果你希望我出价，我就明确告诉你价格；如果你不希望，我就不提。

    随后相关信息泄露，星期五公开报道出来，市场上卡夫亨氏和联合利华股价都上涨，一些被猜测为其他潜在收购对象的食品公司股价下跌。但我们很快从媒体报道和联系中察觉，联合利华可能把这次建议视为不友好的行为。周六我接到对方代表的电话，得知他们不欢迎这个交易，于是明确表示：如果你们认为这是一项敌意收购，那就不存在任何收购报价。若只是认为价格偏低，按照常见谈判习惯那往往意味着可以继续谈；但若根本不希望我们提出报价，那事情就到此为止。若热·保罗的态度也一样。三方知道不受欢迎后，很快就把撤回的意思传达给联合利华。我不能判断最初究竟是哪一方理解有误，但可以确定，我们从未打算对联合利华进行敌意收购。

    伯克希尔不做敌意并购。这不是因为我认为一切敌意收购都不道德。有些公司确实管理不善，甚至需要外部收购者施加压力，整个市场有时会从这种行动中受益。但这不是我们的做事方式，更何况联合利华并不是那样一家需要我们“教训”的公司。我认为它本身是一家出色的企业，祝它发展顺利。

    问：退出联合利华交易后，是否会立即转向亿滋或金宝汤？你怎么看待 3G 的经营能力？

    答：我们并没有准备好的替代交易。联合利华是那个阶段唯一让我认真觉得具有合理性的收购对象。我认为它的估值比亿滋、金宝汤等一些同行更有吸引力，而且规模更大；伯克希尔当然喜欢足够大的交易。投资这个行业，就会持续观察公司和估值，成千上万种标的每天都有价格，吸引力也每天变化，但观察不等于在进行收购谈判。卡夫亨氏与 3G 以后可能还会做并购，我猜会有那一天，不过不知道是什么时候。价格太高会使明智的收购变得很困难，而且我们仍然要求交易是友好的。

    外界经常把 3G 描述成只擅长削减成本、把公司拼接在一起的资本运营者。我不认同这种简单化印象。3G 的人显然非常善于提高生产效率，但我参加过大约二十家公司的董事会，没有见过几支团队在营销、产品开发和市场渠道方面投入如此多的注意力。卡夫亨氏的会议会花好几个小时研究产品、广告、实体商店与线上零售的变化，以及不同渠道中的消费者行为。讨论的深入程度和执行强度远高于我在很多其他公司董事会上见过的水平。3G 从很小的起点逐步打造了全球最大的啤酒公司，不可能只靠节约行政费用做到这一切。行业里其他企业看到这种生产效率，自然也会承受改善经营的竞争压力。

    我还尝试过他们研发的一款新甜点，涉及芝士蛋糕。具体产品细节当时不方便透露，但我在会议上吃了三份，还带了四五份回家。有人追问我是不是开始计算卡路里了，我说并不是，只是为了评价产品，我记住它每份约 170 千卡，三份一共约 510 千卡。这是我很长时间以来吃得最满意的一次 510 千卡。对我来说，这个玩笑背后也说明一点：新产品不是董事会会议记录里的一行字，而是顾客真正愿不愿意购买和再次购买的东西。

    巨额现金、市场泡沫与利率风险

    问：伯克希尔手里有约 860 亿美元现金等价物，你会因此降低收购标准吗？

    答：我很讨厌让那么多钱闲置，但持有巨额现金也不会使我降低判断投资是否合理的标准。我几乎始终都在寻找可以做的事；从这个意义上说，你可以说我一直有投资的冲动，但那不是看到什么就立刻扣动扳机。伯克希尔内部通常把约 200 亿美元视为最低流动性储备。如果找到足够吸引人的大型交易，我们还有其他资产可以出售来提供资金。现在账面上有 800 多亿美元，意味着我们确实有能力完成非常大的收购，而且我也愿意做大交易。但愿意并不代表正在接近某个项目；访谈当时，我没有一项已经谈得很接近成交的重大收购。

    问：现在市场上有很多“裸泳者”吗？低利率如何影响资产价格？

    答：我的“潮水退了才知道谁在裸泳”这句话，主要是提醒人们不要把暂时的良好市场环境误当成自己拥有完美的商业模式。访谈当时，我没有看到互联网泡沫期间那种大规模被推销的荒谬故事、会计游戏和过度投机，也没有看到六十年代末某些市场高峰时期的极端状况。我过去曾在觉得市场过热时公开写文章，但这一次我还不觉得处于那样的环境。真正需要特别注意的还是利率：低利率会推高股票估值。假设十年期债券收益率只有 2.3%，它相当于四十多倍“盈利”而且没有增长；相比之下，一家股东权益回报好、还能适度增长的企业，如果以更低倍数交易，长期吸引力就很不同。2008 年我说过，把大量资金长期放在现金里可能是很不明智的决定，因为现金本身几乎不会创造增长。

    但这一切都不是说股价只会上涨。倘若下一年债券收益率明显升高，股票完全可能下跌。估值不能脱离利率来谈，债券市场也不可能脱离国际环境来谈。欧洲、日本当时的利率非常低，美国与欧洲之间如果突然出现极其巨大的利差，资金流动和美元汇率就会受到影响，强势美元又会伤害出口。经济政策里几乎没有孤立的动作：做了一件事以后，必须接着问一句“然后会怎样？”如果我是美联储决策者，在考虑大幅加息时也会认真问这个问题。至于下一次会议是否加息、加多少，我不知道，不会装作能预测。

    自动驾驶、超长期国债与住房金融

    问：自动驾驶的发展将怎样改变 GEICO 的汽车保险业务？

    答：如果自动驾驶最终得到大规模采用，那一定是因为它的安全性足够好。更安全的汽车意味着事故更少、保险赔付更少，从而导致保费总额下降。如果很大比例的汽车能够真正安全地自动驾驶，GEICO 的业务就会受到显著负面影响。但技术开发成功，与整个汽车保有量完成替代，是两回事。美国路上当时约有 2.6 亿辆车，车辆平均使用年限大约十一年半，即使某一天出现可靠的新车技术，它也需要多年才能渗透到绝大部分车队。最困难的往往是最后的那 1% 场景。比如曾经发生过汽车遭到远程控制的演示事件，这类安全漏洞只要出现一两次严重案例，就可能显著拖慢消费者和监管机构的接受速度。

    我知道巨额资金、许多优秀工程师以及主要汽车制造商都在投入自动驾驶，所以我并不怀疑它最终会进步。如果非要让我给出一个当时的十年期猜测，我会倾向于认为十年之后真正自动驾驶车辆的道路占比仍低于 10%；但我也完全可能猜错，技术也可能比我想得更快。能肯定的是，只要汽车事故显著减少，对传统汽车保险公司来说，长期经营环境就会改变。对消费者是好事的技术进步，不一定对现有保险公司的收入是好事。

    问：政府应当发行五十年甚至一百年国债吗？你会购买吗？

    答：对美国财政部而言，在低利率时期发行长期甚至超长期债券可能是明智的融资安排；但对我这个投资者来说，以当时的收益率购买五十年或一百年国债，几乎是我最不愿意做的事。我不会买。投资者一旦以固定收益率锁定五十年，未来无论通货膨胀、利率或其他资产盈利如何变化，债券的票息都不会提高。伯克希尔当时大量固定收益资产都放在期限很短的工具上，这不是偶然。欧洲一些国家甚至发行低于 2% 收益率的五十年期国债，我实在很难理解为什么有人愿意承担如此长期的利率风险。当然，市场上总有人在买，银行监管、资本要求等制度安排可能影响他们的选择。对发行者有利的条款，往往正是我作为买方想避开的条款。

    问：房利美、房地美的危机、诉讼和美国住房融资体制，你怎么看？

    答：2008 年 9 月，房利美与房地美在经济实质上已经资不抵债，它们是那场金融危机里最早倒下的巨大多米诺骨牌之一。贝尔斯登更早出现问题，但房利美和房地美的证券被世界各地大量投资者持有，系统性影响极大。推动它们进入那种危险经营模式的政策制定者和相关责任人应该承担相应责任。政府当年采取了托管，而不是简单地把机构完全纳入政府资产负债表；后来又实施利润全部上缴财政的安排，基本剥夺了许多原有证券持有人从企业复苏中获益的可能。支持和反对这一安排的人都可能指出不同的法律与经济理由：一方面，企业在危机时的原始股权价值可能已经归零；另一方面，政府后来改变了分配安排，是否侵害持有人权利，需要由法院判断。我不打算代替法院作出裁决。

    但不论如何改革，我认为美国经济需要保有有政府信用支持、普通家庭能够广泛获得的三十年期住房按揭贷款。长期固定利率住房贷款能够降低居民融资成本、支持稳定的购房安排。最需要反思的是过去那种混合结构：机构同时受政府和资本市场驱动，董事会、国会和华尔街都试图告诉它应该怎么做。一个组织同时服侍两个主人，很容易产生错误激励。我不认为为了提供政府担保的三十年期房贷，就必须保留房利美和房地美原来的公司模式。可以设计一项由政府支持的计划，同时让私人保险机构适度承担一部分风险，例如承担约 2% 的第一损失，以帮助校验定价，但核心信用支持仍应来自政府。这个观点和我对两家机构过去经营问题的批评并不矛盾。

    保险承保、自然灾害与风险定价

    问：你怎样判断飓风、龙卷风和其他灾害对保险业务的影响？是否需要因为气候变化调整承保方法？

    答：保险当然可以是一门非常好的生意，但前提是承保定价正确。保险公司并不是天然永远占优势的赌场庄家。某一年可能出现很多大型飓风，赔付特别严重；接下来的几年可能又非常平静。问题是，承保人必须根据风险收取足够保费，而不能仅仅因为最近几年没出事，就把价格降到自己无法获得合理补偿的程度。访谈之前大约十年，佛罗里达州飓风发生情况相对历史记录比较温和，得克萨斯和美国东南部若干地区同样经历了一段有利于承保人的时期。马修飓风曾在上一年接近造成重大损失，但最终没有演变成保险市场担忧的那种灾难。其他地方并非如此，例如新西兰发生过严重地震，按当地人口规模换算，其损失规模可能相当于美国曾经历过的巨大灾害的数倍。不能因为美国某个地区暂时平静，就断定世界各地风险都在下降。

    龙卷风则可能呈现另一种短期图景。上一年得克萨斯等地的龙卷风损失相当严重。在伯克希尔经营的得州汽车经销店里，车辆损坏造成的赔款，有的可能达到我们缴纳相关保费的七八倍。我们看到过一些年份龙卷风比预期更多、飓风比预期更少的情况，但这不足以告诉我下一年究竟会发生什么，也不能靠单一年度数据判断所有长期气候风险。当时，根据承保损失经验，我还没有看到足以立即改变我们评估地震、龙卷风、飓风等风险方式的证据；但我明确说过，这不代表未来不会有需要改变的时候。这个表述是我当时从保险定价角度观察到的情况，不是对全球气候科学研究的全面评价。无论某类危险的长期趋势如何，保险公司都必须审慎估计发生概率、潜在损失及保费是否足够。市场竞争一旦把保费压得过低，我们宁可少承保，也不愿明知报酬不够还把风险揽进来。

    主持人又拿我们为高尔夫“一杆进洞”提供保险的业务开玩笑，问我是不是所有风险都没改变。我说有一项定价方式确实调整过：参加某些赛事的人如果是一杆进洞高手，我们现在会多收保费。这里我有些故意幽默的成分。归根结底，保险不是预测所有具体事件，而是用足够严格的概率判断和价格纪律，在不确定的世界中维持长期盈利。

    “永远持有”究竟是什么意思

    问：你在股东信里为什么专门澄清，伯克希尔并没有承诺永远持有每一只股票？

    答：伯克希尔年度报告中有一段持续了三十多年的原则，讲的是我们收购整个企业之后的态度。别人把生意卖给我，我通常会承诺不会仅仅因为有人出更高的价就把它转卖。我们不是私募股权机构，不是买下一家公司、过几年整顿完再卖掉的那种模式。如果一个企业经营不如预期，我们仍愿意继续持有；只有当它看来会永久消耗现金、或者发生非常严重的劳资问题等特殊情况时，才可能考虑出售。这是我对把自己毕生事业交给伯克希尔的卖家的承诺。

    可是有人把这个原则误解成：伯克希尔在股票市场上买入的上市股份也绝不出售。连我们的一位董事都曾产生这种理解，我才意识到自己的表述不够清楚。事实上，我们经常会卖股票。我最喜欢的持有期限当然是永远；如果一项投资足够优秀，不必卖掉是最理想的。伯克希尔本身我已经持有五十多年，家里许多人也长期持有它。但对任何一只上市股票，我都没有为自己设置绝对不可出售的禁令。当时我没有出售富国银行、可口可乐和美国运通等长期持仓的计划，可如果出现世界上最不可思议、最有吸引力的一笔交易，我当然会重新考虑如何配置资本。因此，“偏好长期持有”和“法律或道义上承诺永远不卖”是两回事，前者适用于我挑选的股票，后者更多关系到伯克希尔收购整个企业时对卖家的经营承诺。

    沃尔玛、亚马逊与零售业的演进

    问：你为什么出售沃尔玛？这是不是因为边境税，或因为亚马逊冲击传统零售？

    答：沃尔玛是一家了不起的公司，山姆·沃尔顿及其继任者创造了美国商业史上一段很值得尊敬的故事。我出售它，并不意味着否定这段成就。主要原因是，我觉得零售业对我而言太难判断了。我在 1966 年收购过百货商店，结果吃了大亏；后来又投资英国的 Tesco，错误也是我自己犯的，我再次受了很大教训。在零售业，竞争格局往往比看上去变化得更快。伯克希尔自己经营内布拉斯加家具商场，眼前这家公司当时表现非常好，我认为它受网络销售冲击的程度相对可控，而且它自己也在做线上业务。但并不是所有传统零售企业都有这样的竞争位置。

    亚马逊尤其难以忽视。它持续让顾客获得满意的体验，送货便利，选择丰富，规模和运营能力令人惊讶。这会给几乎所有零售商造成压力。沃尔玛也正在努力发展网上业务，而且拥有自己的各种优势，但我还是决定寻找我更容易理解的投资机会。我不是说沃尔玛明天就会失败，而是我必须在有限的理解能力内做资本配置。我赞赏杰夫·贝索斯，甚至认为他可能是我见过最出色的企业管理者之一。想象一下，一个人和妻子开车上路，思考该从哪种商品开始把互联网商业做起来，最后选了网上卖书，竟然逐渐建设出如此庞大的商业体系，这非常了不起。

    问：既然那么早就欣赏贝索斯，为什么你没买亚马逊股票？现在是否太晚？

    答：这是个很好的问题，我没有什么漂亮答案。我确实很早就欣赏亚马逊，可我没有充分理解它商业模式的力量，而在我逐步观察的过程中，股票价格似乎又总是已经反映了很高的未来预期。结果是，我错过了一项非常成功的投资。至于现在是否太晚，我不知道。承认“我错过了”，比编造一个当时没买入是因为看到了什么别人看不到的风险，要诚实得多。

    我小时候，美国每个城市最重要的零售商往往是那家最大的百货公司。马歇尔·菲尔德、代顿、哈德逊等百货商店曾拥有非常强的地位。人们坐有轨电车到市中心，在一栋楼里就能看到成百上千种商品，别人很难复制同样多的陈列和选择。后来购物中心出现了，把原本堆叠在一个商家经营的大楼里的商品，分布到一个大型商业空间，由不同商户经营。再后来互联网出现，消费者几乎不出门就能搜索海量商品。人们一直喜欢选择更多、价格更低、购买更容易，这些基本需求没有变；满足需求的商业结构却一直在变。曾经主宰城市的百货公司有许多已经消失，其余仍然承受压力。正因为见过这种演变，我不会仅仅因为一家零售企业曾经拥有强大的地位，就假定它的护城河永远不会受到挑战。

    报业、互联网与数字媒体

    问：报纸曾经也是一座城市里最强势的生意，如今为什么陷入困境？

    答：报纸过去享有几乎不可替代的信息分发位置。我年轻时想知道自己持有的股票收盘价，需要等报纸；想知道某场棒球或橄榄球比赛谁赢了，得看报纸；想找工作也翻报纸上厚厚的招聘广告。报纸靠独占本地信息入口获得读者和广告，经营状况十分优越。现在互联网让这些信息随时出现，报纸过去独有的优势被迅速削弱。美国原先有一千七八百家日报，到了访谈时大约只剩一千三百家；伯克希尔拥有三十一家。许多报纸的发行量不断下降，曾经铺满版面的招聘广告大多不见了。它们需要建立有收入的数字商业模式，但这并不简单。

    如果要我说哪几家美国报纸比较有把握找到数字时代的生存道路，我当时最看好《华尔街日报》和《纽约时报》，因为它们已经证明了一部分读者愿意为网上内容付费。第三家有可能成功的是《华盛顿邮报》；贝索斯接手后显著改善了它的线上经营，不过我还不敢断定最终财务模型一定成立。即使是那两家领先媒体，也并不意味着经营会毫无困难。其余上千家地方日报中，许多还没有找到一种足以保障长期未来的印刷与数字业务组合。报业的历史说明：即使某项服务仍然对社会有价值，它原有的赚钱方式也可能因技术变化而瓦解。

    问：总统批评新闻媒体，是否代表政治与媒体之间出现了全新的关系？

    答：根据我的观察，几乎所有我认识的总统和政治人物，某种程度上都不喜欢媒体。不同之处往往是有人更擅长隐藏不满，有人选择公开对抗。媒体的工作本来就包括调查、报道和批判性地观察公共权力。谁都不会喜欢有人用放大镜仔细查看自己的每一个决定，职位越高，关注就越密集。我不认为这种被批评的不快只属于某一个总统。至于公开对媒体宣战是不是更聪明的政治策略，我不会仅凭个人好恶就断言。需要区分媒体履行监督职责，与政治人物如何表达对监督的不满。

    社交媒体、愤怒与延迟反应

    问：你为什么几乎不发推文，也很少用电子邮件？

    答：我有推特账号，但那时上面大概只有七条内容，而且都不是我亲自发的，是朋友劝我开账号后帮忙发的。我自己没有真正积极使用推特。我有一台 iPad，不过那也是别人送的。我当然可能只是技术上不够熟练，但不那么容易即时发出消息，某种程度上也帮我保留了一条非常宝贵的生活原则。

    我在几十年前听到过两句建议，效果一直很好。一句是表扬一个人时可以点名，批评时最好按类别讨论问题。另一句来自汤姆·墨菲，他告诉我：“沃伦，你明天仍然可以叫一个人滚蛋。今天不说，不会让你失去明天说这句话的权利。”这提醒我，愤怒时不一定要立即表达。有人做了让你生气的事，十秒钟后你可以点开邮件或推文骂他，但过了一个晚上，你可能会用完全不同的眼光看待这件事。即时通讯降低了表达冲动的成本，也增加了说出日后后悔的话的机会。如果所有电子邮件和推文都必须延迟两个小时才能真正发出，我怀疑很多原本已经写好的消息最后根本不会被发送。嘴巴当然也能使人闯祸，我自己就是活生生的例子，但让情绪经过一点时间的检验通常是好事。

    我有时候当然也会觉得某个人做得非常糟糕、很想当面骂他，这种情绪不只是针对男性。不过我多次发现，把反应延后确实有效。有人说过，人生只能在回顾中被理解，却必须向前生活。我从许多过去的愚蠢言行里学到，第一个冲动不一定是最好的行动方案。这不仅是商业建议，对个人生活一样适用。查理和我甚至有一套开玩笑用的缩写：遇到特别难以相处的人，我们会说他“像个 CPA 一样思考”，对方可能还以为是在夸他像注册会计师；可我们私下会拿那三个字母编另一套不太文明的解释。节目主持人随后围绕粗话、缩写、字眼是否能在电视直播中说出口打趣了很久。我想表达的原则还是前面那句：真正令人后悔的不是没有立即骂回去，而是当时说出的话再也收不回来。

    问：你说自己只发过一封电子邮件，结果还进了联邦法院，这是怎么回事？

    答：二十世纪九十年代，我有位来自内布拉斯加的朋友杰夫·雷克斯（Jeff Raikes），当时在微软担任高级职务。他给我发邮件，问微软是不是符合我对于优秀企业的全部标准，并列出若干理由。我回信解释我为什么没有买微软股票，同时还顺带聊了几句内布拉斯加大学橄榄球队。后来美国政府在审查微软的市场地位时，认为这封往来邮件可能与案件有关。某天我打开《华尔街日报》，竟然发现自己的邮件被公开发表，成了所有人都能看到的法庭材料。让我担心的倒不是自己对微软说过什么，而是我有没有不小心写了关于内布拉斯加橄榄球队的坏话；如果真的说了，说不定我得离开这个州了。幸运的是，最后并没有这个问题。那个经历对我再次证明：一封你以为私下发送的电子邮件，也可能在意料之外的场合被广泛传播。

    债券投资者为何接受极低的长期收益率

    问：面对赤字、减税和政府支出预期，为什么长期国债收益率仍然很低？

    答：我确实很难理解，为什么当时有人愿意持有一张期限长达三十年、年收益率只有大约 3% 的债券。明明在美国财政和通胀前景上有各种争论，很多投资者却愿意把自己的资金固定在这个水平上几十年。欧洲甚至出现过五十年期限、收益率不足 2% 的政府债券。银行在资本监管制度下可能有购买政府债券的特殊动机，其他投资机构也有自身的匹配要求，但从我自己的投资角度，这不是有吸引力的风险收益组合。

    有人反复问我，既然赞成美国政府发行五十年甚至一百年债券，是不是意味着我也认为它们值得买。我恰恰相反：正因为我不愿意在低收益率下做超长期债券的买方，才觉得政府作为发行方应该认真考虑利用这样的融资条件。我不会把一笔可以配置到生产性企业的资金，轻易换成几十年都不能增长的固定名义票息。市场上的其他人可能有不同约束和看法；我的回答只代表伯克希尔在当时利率条件下的投资取舍。

    富国银行：真正的错误不是激励制度，而是发现问题后不处理

    问：富国银行爆出虚假开户丑闻，你为什么没有像当年所罗门兄弟事件那样直接介入？

    答：两种情况不能完全等同。所罗门兄弟当年面临可能在下一周就倒闭的局面，后果足以冲击华尔街，我当时已经在董事会，对方请我介入。富国银行的情况则不同。因为公司回购股票，伯克希尔的持股比例被动超过了 10%，除非我们愿意成为银行控股公司，否则依法必须维持被动投资者地位。我也可能本来就会选择相对被动，但在那种结构下，我没有随意接管银行管理事务的选择。

    富国银行犯了一个大错误。不过我认为，最致命的错误不一定是最初制定了那套销售激励制度。企业制定激励方案，谁都可能不小心奖励了错误的行为。富国银行的激励机制确实驱使一些员工做出荒谬行为，包括为顾客开立并未授权的账户，但问题更严重的部分是：当管理层知道这种行为正在发生时，没有立即采取足够有力的行动。我不断告诉伯克希尔的经理们，只要发现问题就要立刻处理，事情不会因为你视而不见就自行好转。你应当尽快把事实弄清、把错误纠正、把信息说出来，然后彻底处理。越拖延，下一次行动就越难。因为到了六周、六个月之后，你会开始担心：如果我现在承认早就知道问题，别人会不会问我为什么过去一直没有处理？这种心理让错误不断扩大。

    当时富国银行为事件付出的监管罚款，大约是 1.8 亿或 1.85 亿美元，银行管理层可能拿它和其他银行因住房抵押贷款问题支付的数十亿美元罚款相比，从而觉得规模不算太大。这种比较完全抓错了重点。问题的严重程度不是用当期罚单金额衡量的，而是看你到底怎样对待顾客，是否容忍错误，以及这种行为对企业声誉造成多大伤害。为顾客凭空建立账户，本身就是错误，不能因为罚款相对于公司资产规模较小而淡化性质。

    我认为约翰·斯坦普夫本来是个不错的人，但他在看到证据时没能立即采取足够行动。管理层下面的人如果看到最高层没有行动，也就更可能选择不行动。这个机制在所罗门兄弟事件中也出现过：当年约翰·古特弗伦德没有第一时间向纽约联储有关负责人杰里·科里根报告违规交易，之后另一次政府债券发行中，犯错者又出了问题，局势因此更难控制。无论最初动机是什么，发现问题后推迟处理都可能变成决定性失误。

    当时伯克希尔已有约 36.7 万名员工，我几乎可以确定，在那么庞大的组织里，总有人正在做我们不会赞同的事情。我希望任何问题都能尽早被发现并处理。对富国银行的新管理者蒂姆·斯隆，我已经与他共进过午餐，打算不久后再次会面。我认为他当时正在努力纠正问题。他过去就在银行任职，但据我所知没有证据表明他直接参与了虚假开户行为；具体责任还要看零售银行业务的管理链条。董事会通常不可能从日常报告里直接看出所有一线违规细节，所以最接近业务的人和首席执行官都不能等待别人替自己行动。我认为事件很严重，但按当时的判断，它未必会对银行五年之后的基本盈利能力造成同等规模的永久性损害。道德、管理与经济损失是相关但不能混为一谈的几个问题。

    美国银行优先股与认股权证

    问：伯克希尔何时会行使美国银行的认股权证？

    答：我们当时持有一笔面值 50 亿美元的美国银行优先股，每年获得约 3 亿美元股息；此外还有认股权证，可以按每股约 7.14 美元的价格买入约 7 亿股美国银行普通股。合同允许我们把优先股作为支付认股权证行权价的对价，因此能够通过不额外支付大量现金的方式完成换股。是否提前行权，关键要看换成普通股之后每年能够收到多少现金股息。如果普通股对应的年度分红低于目前优先股的 3 亿美元，我就没有理由急着放弃已有的优先股股息。把 3 亿美元除以 7 亿股，临界点大约是每股 0.44 美元。如果普通股股息提高到这个水平，提前行权才可能有经济意义；否则，我倾向于接近认股权证到期日前一天再处理。公司未来到底会支付多少普通股股息，我那时并不知道。我在股东信中讲清这件事，是希望大家理解我们做决定的现金流标准，而不是猜测一个神秘的时间点。

    指数基金、对冲基金与高昂的管理费用

    问：你为什么说大多数不以投资为职业的人，应该买低费用的指数基金？

    答：当我说“什么都不懂的投资者”（know-nothing investor），不是指一个人智力低下。我自己在医学上是“什么都不懂的人”，在物理学上也一样，我甚至说不清电灯开关为什么能让灯亮。一个人即使智商很高，没有花很多年研究证券，也不意味着他有能力挑出未来最优秀的投资经理。好消息是，你不必成为职业投资者，也完全有机会分享美国企业长期增长带来的财富。真正简单的办法是以很低的成本拥有一个广泛分散的股票指数，而不是努力预测哪些基金经理明年会打败市场。

    很多所谓专家并不能在扣除费用后战胜指数。假设市场上有一部分投资者什么都不做，只持有市场全部股票的平均组合，那么扣除很低的成本之后，他们获得的就是接近市场平均的结果。其余投资者整体上也只能获得另外那一部分市场回报，但他们互相交易、雇用分析师、支付管理费、聘请顾问，结果在总和上反而会因为成本变得更差。这几乎是一个算术事实，并不需要特别复杂的金融理论。有人可能短期表现极好，有人可能凭幸运连赢几年，但如果把所有高费用主动管理人的收益加起来比较，付出的费用不可忽视。

    我在遗嘱安排中曾告诉家人，将来留给妻子的那部分资产，由受托人把大约 90% 投入低费用的标普 500 指数基金。我相信对她而言，这样做很可能比聘用许多收费高昂的专业投资人获得更好的结果。并不是每个人任何期限的钱都应该百分之百投股票，短期使用的现金有完全不同的要求；我的意思是，对于有足够长期投资期限、并希望分享美国企业整体经济成果的人，没有必要把简单事情搞复杂。

    问：对冲基金真的不值得支付“2% 管理费加 20% 业绩分成”吗？

    答：收费两成业绩提成，再拿每年 2% 的管理费，这样的模式很容易让基金经理变得非常富有，却不保证客户获得相称的结果。即使业绩不佳，固定的管理费照收；有些经理前几年表现出色，吸引了大量资金，后几年又把收益亏回去，但之前收过的费用不会自动退还。在我看来，整个行业对某些收费方式的接受程度已经接近荒谬，甚至令人难以接受。收更多钱不会自动让一个人更会判断证券。

    我当然承认存在真正优秀的主动投资人。过去我认识大约十位有把握长期做得比平均水平更好的人，其中包括菲利普·费雪、查理·芒格、比尔·鲁安、沃尔特·施洛斯、桑迪·戈特斯曼以及赫布·沃尔夫等。我认为世界上还可能有几百甚至几千名真正有能力的人，但和成千上万位基金经理相比，他们仍然是极小一部分。而且是否能跑赢市场，还取决于管理的资产规模。一个人用相对少量资金能够发现市场忽视的机会，等到他管理几百亿美元，机会的大小相对于资金就可能不够了。我聘请的托德和特德都非常优秀，他们当时每人管理大约 100 亿美元；可假如各自只管理 10 亿美元，按百分比计算，表现很可能还会更好。资金规模增加，对收取 2% 加 20% 的基金普通合伙人通常有利，但超过某个规模后，对出钱的有限合伙人可能恰恰不利。

    我曾公开提出一项长期投资业绩赌约，愿意拿出 50 万美元作为自己的一方赌注，让认为自己可以选出优胜基金的人也拿出同等金额。真正管理大量资金、每年赚取巨额报酬的人，反而没有那么多愿意为自己的判断下注。这个现象很有意思。优秀投资表现与优秀的销售能力不是同一件事，却经常在资产管理行业里被混淆：会推销自己的人更容易获得客户资金，而资产规模本身又让他们的管理费增加。

    问：为什么富有的个人和大型养老金，反而更不愿意接受简单的指数投资？

    答：我发现一个有趣的心理差异：我向拥有普通储蓄的家庭介绍低成本指数基金，他们经常会说“听起来很合理”，然后真的去做，长期效果也很不错。相反，当我对一些财富非常多的朋友、大型养老金和机构说同样的话，他们常常难以接受。资金规模巨大，似乎就应该能买到一种特殊服务、找到更聪明的人、获得超过普通人的表现。他们会不断接到非常善于营销的投资经理的电话，最后被销售技巧而不是投资结果说服。有些养老金还聘请投资顾问来帮助挑选经理。我总觉得这个逻辑耐人寻味：他们说自己不懂得怎样选一个好基金经理，却又确信自己懂得如何选出一个好顾问，让顾问替他们选经理。多增加一层中介，并不会神奇地解决判断力不足的问题。

    某些拥有几十亿美元财富的人喜欢设立家族办公室，觉得自己应该享用专属安排。这种愿望可以理解，但不是投资成功的必要条件。拥有很多钱，并不意味着应该采用更复杂、更昂贵的投资策略。对多数人来说，真正困难的是抵抗别人向你出售“特殊表现”的诱惑。

    市场涨了很多之后，股票还能长期跑赢债券吗

    问：如果股市八年里涨了几倍，但十七年里涨幅并不那么大，怎样判断它有没有透支未来？

    答：仅凭你选取的起点和终点，就说市场一定应该“回归均值”，我觉得不太有用。所谓均值是什么？长期回报最终还是取决于企业对资本能够赚多少、把多少利润留在企业里、这些利润又能以怎样的回报率继续投入。美国优秀企业可以在有形净资产上取得相当可观的收益，并把其中一部分重新用于发展；固定票息债券则没有这样的增长机制。

    如果让我在当时的利率条件下押注，三十年后的股票回报高于三十年期债券，我几乎愿意以自己的生命下注——当然我当时八十六岁，拿自己的生命去赌三十年的结果似乎没有什么威慑力。十年期股票胜过十年期债券，我也很有信心；但一年、两年的结果，我一点把握都没有。股票的价格会大幅波动，甚至明天就可能跌得很厉害。我在几年前更喜欢股票当时的价格，节目中也公开说过这一点；但在访谈当时，股票相对债券依然明显更有吸引力。若有一天安全债券收益率升到 15%，我可能就会反过来推荐债券。投资判断永远要比较不同资产在实际价格下提供的长期回报，而不是对某一种资产类别表达永久不变的忠诚。

    投资天赋、格雷厄姆与年轻时的选择

    问：你从年轻时就相信自己能跑赢市场吗？如果没有进入投资行业，你会做什么？

    答：是的，我从很年轻时就觉得自己很适合投资。这样说听起来可能有点自负，但我确实有那种感觉。我离开格雷厄姆—纽曼公司时，手里大约有 17.5 万美元。当时已经有孩子，我认为这笔钱足以支持自己未来相当不错的生活。对于投资，我知道自己具备某些适合这项工作的性格和思考方式。我也认为查理、比尔·鲁安等人有这方面的能力。他们未必在所有领域都是世界上最聪明的人，但往往拥有符合投资任务的特殊禀赋。就像国际象棋冠军或桥牌高手，他们可能在某些事情上表现非凡，却不一定样样精通。对我而言，投资是一件和我的思维方式非常契合的事，更幸运的是，我拥有本杰明·格雷厄姆这样极好的老师。

    我从哥伦比亚大学毕业时，几乎只想为格雷厄姆工作。我直接去找他说愿意不要薪水替他工作，结果他拒绝了。我后来去过美林证券应聘，被安排在一个小房间里等候。房间里原先有几个人，随后又来了三四个，奇怪的是那些看起来体型非常壮硕的人都一个个被叫进去，我一直等不到。那时我大概只有一百三十五到一百四十磅，便开玩笑地猜想美林是不是有秘密的最低体重要求，仿佛我误闯了职业橄榄球队的选拔现场。最后我不耐烦地离开了。如果当时他们早点叫到我，说不定我后来就在美林工作，而人生会变得非常不同。这件事也提醒我，职业道路里的偶然因素确实很大。

    问：现在还有能长期跑赢指数的人吗？普通投资者应该怎样寻找他们？

    答：我确信仍然有这样的人，尤其是当他们管理的资本规模不太大时。但这不等于一个普通投资者有很高的概率找到他们，也不等于走到你面前推销基金的那个经理正好就是其中之一。我最好的投资年份之一其实是 1954 年，那时我管理的钱很少，市场也没有今天这样多的人手握计算机和数据到处寻找机会。随着研究和竞争越来越充分，同样的机会会变得更难找。不过投资者之间仍然存在性格、耐心与决策方式的差异，所以少量资金在一些特殊领域仍可能做得很好。

    问题是，普通人识别优秀投资人的能力本身也有限。一个经理过去收益高，可能是天赋、风格适合那段市场环境、偶然的好运，也可能是承担了没有完全显现的风险。一个真正优秀的经理，随着资金涌入又可能失去原来的规模优势。因此“世界上是否存在跑赢市场的人”和“你是否应该付高费去寻找他们”，是两个不同的问题。对绝大多数人，我仍然认为低成本、长期分散投资是一条更可靠的路径。

    再谈长期持有：什么时候股票才算“安全”

    问：股市已经突破道指两万点、标普五百指数两千三百点，长期投资者还来得及吗？

    答：我们在节目最后又回到这个问题，因为很多人只想知道“现在究竟应不应该买”。我仍然不知道股市明天、下周、下个月乃至明年会怎么走，也不知道怎样挑出所谓最好的买入日。如果未来几十年经营良好的美国企业能够持续创造价值，那么十年、二十年的时间跨度，股票很可能比当时的债券、银行存款等固定名义金额资产带来更好的长期回报。我最近几个月买了不少股票，假如市场之后下跌 20% 或 30%，只要我依然喜欢买入的企业，它们的长期盈利能力没有遭到根本破坏，我不会因此睡不着觉。把购买股票看成买下一家企业的部分所有权，就更容易理解这件事。

    不过，我绝不是让一个需要在一年后交大学学费的人把全部资金押进股票。你不能用过度借来的钱承担股票市场波动，也不该把近期必须使用的现金放进股市。股票对于长远持有者可能是相对安全的生产性资产，但对明天需要用钱的人而言，在价格上可能非常不安全。伯克希尔在我接管之后，股票价格曾经大约三次下跌到原先的一半。那时我没有觉得自己的经济处境真的突然穷了一半，因为我没有靠借款持有这些股份，也知道企业的长期价值不是由那一天的报价决定的。对于没有能力忍受波动、或者可能被迫在低点卖出的人，风险性质完全不同。一个理财软件仅仅因为退休账户持有大量股票就自动发出红色风险提示，我认为过于简单；但具体是否合适，还必须结合退休时间、可用现金、债务以及未来实际支出的期限判断，不能脱离这些条件规定每个人都必须采用 60/40 或 80/20 的固定比例。

    问：你为什么认为长期指数可以增长到很多人现在难以想象的水平？

    答：经济增长不仅来自市场愿意给企业更高的估值，也来自企业每年保留并重新投入的一部分利润。1924 年，埃德加·劳伦斯·史密斯（Edgar Lawrence Smith）写过一本非常有影响的书，讨论企业留存收益如何使股东长期价值增加。这种想法也曾被用来解释二十年代的大牛市，但核心道理本身很直观：如果你拥有一家私营企业，它每年赚钱，又把部分利润留在企业里，以合理回报率继续使用这些资本，那么企业的内在价值可能越来越高。伯克希尔这么多年就是这样发展起来的。因此，当主持人问到在她有生之年能否见到道指 100000 点，我认为那并非需要奇迹的事情。指数要经历多少回撤、多久抵达某个整数关口，是我不知道的；企业能够不断盈利和再投资，才是长期增长背后的机制。

    航空运力、原油价格与工业需求

    问：航空业是典型的繁荣与衰退交替行业，你怎么确信航空公司管理层会持续理性？

    答：这正是投资航空业最大的难题，我没有办法保证每位管理者未来一直理性。眼下客座率能够维持在 80% 以上时，人们相对容易保持纪律；一旦航司买进太多飞机，客座率下滑，各家公司就会为了填满座位而竞相降价，那段时间行业会变得很糟糕。我们不仅观察客座率，还要看新增飞机订单、预计交付时间以及供给相对于需求的变化。航空出行长期需求可能继续增长，虽然增长未必迅猛，但供给如果比需求增长得更快，就会出现严重问题。客座率不是独立存在的魔法数字，它要和未来的运力安排一起分析。我当时愿意持有航空股，并不代表我把这个行业突然变成了无风险的好生意。

    问：为什么原油价格变化会影响伯克希尔的铁路货车租赁业务？

    答：原油是一个因素，但并非唯一因素。伯克希尔旗下马蒙（Marmon）的一些业务与铁路车辆、工业设备及租赁有关，整个重工业需求当时都不算特别强劲。几年前油价高的时候，美国国内开发和运输原油的动力很强，大家积极订购用于运输原油的铁路罐车；而原油每桶大约 100 美元，与每桶大约 50 美元时相比，经济上可行的运输量显然不同。油价下降后，客户订罐车的热情也下降，虽然访谈前又出现了一些温和的回升。别把每项工业设备租赁收入的下降都归因于石油，它同时受到整个工业活动、运输需求与资本开支周期的影响。

    经济增长、机器人与生产率

    问：你怎么看当时美国每年约 2% 的经济增长？有没有可能回到 3%？

    答：从我观察到的各项业务来看，自 2009 年秋天以来，美国经济大体一直在以每年约 2% 的速度向前走。人们有时会比这个速度更加乐观，不同行业也会有周期性的强弱变化，但整体节奏相对稳定。有些人觉得 2% 不够令人兴奋，因为 3% 或 4% 听起来更好。可我认为必须认识到，连续很多年维持 2% 的增长，本身就非常了不起。如果这种增长能够保持一代人的时间，按我们当时的起点和估计，人均国内生产总值可能比现在多出大约 19000 美元，社会能生产、消费的商品与服务会明显增加。我们的孩子可能生活得比我们更好。

    财政部长姆努钦当时谈到，减税、削减监管和其他政策可能把增长提高到 3%。我不知道会不会实现，不愿意把自己的判断押在那种增长率一定出现上。如果合理的政策真的能把增长率提高到 3%，我会欢迎它。但即使增长只有 2%，只要能够持续，美国经济仍然在变得更富裕。长期趋势的力量，不能因为每年的增长数字不是人们期待的整数就被忽略。

    问：人工智能和机器人会不会让人失业，从而伤害经济？

    答：我并不是机器人技术专家，不会假装自己能够解释每一种新技术的工作细节。但从经济学最基本的角度看，生产率提高是长期改善生活水平的根本来源。假设未来有一个人只需按下一个按钮，就可以生产出今天整个社会生产的所有东西，那显然意味着人类拥有了更高的生产能力。关键在于你不能让那个按按钮的人独占所有产出，社会必须解决成果如何分配的问题。技术进步不一定令每个具体个人受益；它完全可能让某个行业的工人面临失业或收入下降。但是从整个社会看，同样的投入能够生产更多产品、更优质的服务，或者让人们工作更少的时间，这应当是一种值得期待的进步。

    农业是非常好的例子。美国早年可能需要约 80% 的人口从事农业，才能让社会吃饱饭；今天从事农业的人口比例大约只有 2%，却能以更高的效率生产更多食品。假如没有机械、工具、化肥以及长期积累的技术改善，我们今天仍可能像 1776 年的人那样把绝大部分劳动力留在农田里，也就无法释放出如此多的人去发展其他产业。我们要正视被技术替代的人所承受的转型痛苦，并设法让成果分享得更广，而不是因为一些岗位会消失，就把提高社会生产率本身当成敌人。自由贸易和自动化的一个共同难题，就是整体财富可以增加，但损失会集中落到特定的人身上；因此社会分配和适应能力同样重要。

    美元升值，究竟是好事还是坏事

    问：美元持续走强，对美国经济更有利还是更有害？

    答：答案取决于你站在哪一边。对于从国外购买商品、原料和设备的企业，强美元可能带来成本上的好处；对于向海外销售产品的出口商，强美元往往意味着价格竞争压力增加。访谈当时，欧洲利率与美国存在差距，国际资金流动也是美元走强的重要背景。人们可以分析各类因素，但我对任何声称自己能够准确预测汇率的人都会格外小心。如果谁非常确信美元接下来一定会怎么走，我通常会建议他自己去做外汇交易，看看能不能长期靠这种预测谋生。对我而言，理解企业在不同汇率环境里的成本和竞争力，比押注外汇市场明天的价格更有意义。

    访谈结束：十年的问答节目

    问：这已经是第十次参加“Ask Warren”节目了，你有什么感受？

    答：我一直很享受这样的交流，感谢大家再次邀请我来到节目。我们今天聊了将近三个小时，从美国经济、股东信、苹果和航空公司，一直谈到指数基金、保险、机器人和汇率。主持人又拿前面关于“CPA”三个字母的玩笑打趣，我说今天还学会了几个新词。这些问答带给我的乐趣，除了讨论严肃问题，也包括这样的临场幽默。谢谢主持人和观众。

    Post #12
  • 东北大学 心理学家与神经科学家 Lisa Feldman Barrett《情绪》
    谈笑风生

    大脑如何塑造情绪、创伤与自我：Lisa Feldman Barrett 深度访谈

    开场：为什么理解大脑意味着可以改变人生｜00:00

    问：我们常觉得焦虑、恐惧和创伤像自动运行的程序，过去发生的事情决定了未来的我们。你为什么认为这一判断并不完整？理解大脑之后，一个人究竟还能改变什么？

    Lisa：我认为，人们对于自己能改变多少，通常估计得太少了。我们习惯听到这样的故事：每个人生来就有固定的情绪回路，愤怒、恐惧、焦虑会自动启动，而控制情绪的能力需要在成长中慢慢发展。但这一套解释并不符合我所理解的大脑运作方式。大脑并不只是等待事情发生，再被动产生反应；它不停地根据过去经验预测下一刻需要做什么。每一次行动、每一次情绪体验，都包含了大脑所记住的过去——包括那些痛苦甚至创伤性的经历——以及当下正在接收的感觉信息。这个过程发生得比眨眼还快，所以我们经常不觉得自己有选择权，但缺少主观上的控制感，并不意味着完全没有改变的可能。

    我特别关注一种容易被忽略的可能性：同样的身体状态，可以被体验为焦虑，也可以被体验为决心。相关实验发现，人能够练习用“决心”而不是“焦虑”来理解身体的高度唤醒。刚开始非常困难，需要一遍遍地练习，但练习充分之后，新的理解方式可以变得相当自动化。对创伤和其他心理困扰，我也想强调一个重要区别：一个人可能有责任为改变现状采取行动，但这绝不等于他应当为过去发生的伤害负责，更不等于他有过错。我曾陪伴自己患临床抑郁症的女儿经历困难、抗拒帮助、最终愿意改变并逐渐康复的过程；这段经历使我更加确信，理解大脑的运作原则，不只是满足科学好奇心，也是帮助人活得更有主动性、更有意义的一条道路。

    我的研究使命：让复杂科学真正进入日常生活｜02:22

    问：你的学术道路横跨自我研究、情绪心理学和神经科学，也在向公众传播知识。如果现在必须为这些工作找出一个共同目标，你最希望人们通过你的研究理解什么、获得什么？

    Lisa：作为一名科学传播者，我希望把非常复杂的科学成果转化成普通人可以理解、可以使用的知识。有人可能只是想在聚餐时与朋友分享一个有趣发现；有人需要帮助正在遭受抑郁困扰的孩子，我自己就面对过这样的情况；还有人希望改善工作环境、帮助团队更有效地协作。我认为科学最终应该服务于生活。一个人并不需要获得博士学位，才有资格利用神经科学、心理学和生物学的知识改善自身处境，真正重要的是他是否能够得到准确、可理解的信息。

    如果要概括我的核心研究问题，我一直在问：为什么一个像我们这样的大脑，连接着像我们这样的身体，生活在像我们这样的物理与社会世界中，最终能够产生心智？思想、感受、记忆和行动究竟是怎样出现的？更有意思的是，不同国家、不同文化的人，身体与大脑在基本结构上大体相似，主观精神生活却可能迥然不同。我们出生时的大脑还没有完成全部发育，它会在特定的身体、文化和环境中继续形成连接。我想理解的，就是这种共有的生物学结构如何在差异巨大的成长条件下，形成如此丰富、不同的心智。

    了解大脑为什么能让生活拥有更多选择｜04:14

    问：普通人读完关于大脑和情绪的研究，可能只是觉得很有趣。可是如果要把这些知识真正用到生活里，它怎样帮助我们摆脱被天气、别人和过去经历牵着走的感觉，并获得更多主动权？

    Lisa：它首先给人带来的，是更多的主动性，也就是更多选择、更大的控制空间，以及主动设计生活的可能性。我并不是说你可以控制外界发生的每一件事，或者可以随时决定自己下一秒的感受；不同人拥有的条件和机会也不一样。但人普遍拥有比自己意识到的更多的调节空间，只不过这种调节不一定采取我们期望的形式，往往也比想象中艰难。我们容易觉得自己像木偶，被天气、别人的消息或者突发事件牵着走：下雨就沮丧，收到一条不友善的信息就愤怒，仿佛我们只是对外部世界做出反应的机器。理解大脑能够让我们在无法控制的事情之中，看见仍然可以调整的部分。主动性带来更多自由，同时也意味着对自己的行动承担更多责任，尤其在世界变化剧烈、让人感到失去方向的时候，这一点格外重要。

    我最初的确是研究情绪的，但情绪后来成了我探索整个大脑的入口。大脑是身体中代谢成本极高的器官，维持它的运转要花费大量资源。既然如此，它最基本的用途是什么？为什么我们拥有大脑？它与身体的关系又是什么？在很长时间里，科学研究容易忽视一个看起来显而易见的事实：大脑并不是独立悬浮的计算机，而是连接着一具身体。此刻我们每个人的体内都在进行极为复杂的生理调节，只是通常感觉不到；这其实很幸运，否则我们可能根本无法把注意力放到身体以外的世界。可是，当研究者过度依赖自己的主观感觉去定义心理现象时，就容易把自己所在文化的经验当作人类共同的自然事实。

    传统研究常常先定义什么是情绪、思想或记忆，再去寻找它们在大脑中固定的物理位置。经过很长时间，这条道路没有给我们带来足够令人满意的答案。我的研究尝试反过来问：既然我们已经知道大脑的结构、演化历史和调节身体的功能，这样的大脑在正常运作时，怎样产生人们称为思想、感觉、感知和行动的现象？我们从柏拉图时代继承了一个很有影响力的故事：理性和情绪像两个阵营，在头脑中争夺控制权；理性获胜的人被视为成熟、健康和有道德，情绪获胜的人则被认为幼稚、失控，甚至有病。但这种思想与情绪对立的体验并不是普遍的。有些文化中的人不会把思想和感受看成两个独立事物，而是同一次心理事件的不同方面；有些文化也不会把身体感觉和精神感受截然分开。我们熟悉的心智，只是人类心智的一种可能形式。理解文化如何参与塑造这些形式，是理解大脑必不可少的一环。

    情绪为什么无法用固定表情和生理指标测量｜10:48

    问：你原本并不是专门研究情绪的科学家，却后来开始质疑“某种情绪一定对应某种表情和身体反应”的观念。是什么让你发现传统测量方法出了问题？关于愤怒的研究又告诉了你什么？

    Lisa：那并不是电影里那种突然闪现的灵光，更像一个缓慢持续的觉醒。读研究生时，我最初研究的是“自我”：人怎样评价自己、怎样形成自尊、怎样理解自己的身份。情绪当时只是我研究中需要测量的一个结果变量，可是测量方法始终不能稳定工作。我原本希望找到客观指标，不必询问被试，就能够判断一个人此刻究竟是愤怒、悲伤还是快乐，因为被试对自己的描述也可能有误。然而，当我提出“如何客观测量愤怒”时，其实已经暗中预设了“愤怒”是一种可以跨个体、跨情境稳定识别的状态，绝大多数愤怒实例都应当具有相似的表情或生理模式。研究越深入，我越发现，并没有人真正找到这样的固定本质。

    例如，一项汇总了大量实验的元分析发现，即使只考虑城市文化中的人，人在生气时大约也只有 35% 的时间会皱眉或做出典型的怒容；换言之，大约 65% 的愤怒时刻，面部呈现的是其他具有情境意义的动作。而且，人们皱眉的时候，约有一半并不愤怒，可能只是在集中精力、听到了不好笑的笑话，或者身体不舒服。皱眉可以在某些情境中表达愤怒，但并不是愤怒唯一、专属而可靠的标志。其他研究过的情绪同样如此。愤怒或悲伤时，心率可能升高、降低或不变，血压也可能出现不同变化。身体发生什么变化，与大脑当时正在准备什么行动密切相关，而不是由一个名称固定的情绪回路，自动生成一组标准表情与生理读数。

    什么是预测式大脑：先预测行动，再产生感知｜13:55

    问：我们通常认为，是眼睛和耳朵先把信息送进大脑，然后大脑才决定怎样回应。你提出的预测式大脑理论为什么要把这种顺序倒过来？在我们此刻谈话时，大脑内部究竟先做了什么？

    Lisa：我们平时觉得自己是在先听到声音、看到事物，接着理解它们，最后才做出反应。此刻我对你说话，你感觉自己正在听，然后对我的话作出回应；我自己在日常生活中也会有这种体验。但是大脑内部真正发生的事情并非如此。如果现在把时间冻结，你的大脑会处于某种状态，并且正在调动过去与此刻相似的经验，预测下一瞬间应该做什么：眼睛是否需要移动，心率是否需要改变，呼吸应该怎样调整，血管应该扩张还是收缩，身体是否要准备站起来。它一直在预测下一步身体需要采取的行动。

    更重要的是，大脑在准备行动时，会产生相应的预测信号，用来预先估计这些行动将带来怎样的视觉、听觉、嗅觉、味觉、思想和感觉。也就是说，行动指令的副本会参与塑造之后的感官体验。我们不是单纯等外界刺激到达才开始运转；大脑会先预测将要发生的行动及其感官后果，然后再接收真实的感觉信号，检查和调整这些预测。从运作逻辑上说，它更接近“预测行动，然后感知”，而非“感知之后才反应”。正是这种提前准备的方式，使一个必须同时管理身体内部与外部环境的神经系统能够高效运转。

    预测如何影响喝水、想象苹果、咖啡与运动｜16:08

    问：预测听起来有点抽象。能否用正在发生的对话、喝水解渴、想象苹果、每天定时喝咖啡、闹钟和运动训练，说明预测如何真实地影响感官、身体调节和行动效率？

    Lisa：最直接的例子就是语言。你听我说话时，大脑经过无数次听人讲话的经验，实际上已经在预测我下一句会用什么词。如果我说“话从我的……”然后突然说出一个完全出乎意料的身体部位，你立刻会感到惊讶。那种惊讶显示你原本已经准备好了更符合经验的词。预测不是头脑中抽象的猜测；它会真实影响感觉相关神经元的活动，使我们在外界信息完全到达之前，就开始预先形成感觉体验。大脑同时也不断校正那些不符合实际输入的预测。

    口渴也是这样。假设你非常渴，一口气喝下一大杯水，常常几乎立刻就觉得不渴了；可是水被吸收到血液、相关变化传递给大脑，还需要大约 20 分钟。身体并没有在喝下去的瞬间完成补水，而是大脑早已从过去经验中学会：喝水这一连串动作和感觉，意味着身体接下来会获得水分。因此，主观上的口渴减轻可以先于实际吸收发生。想象水果的练习同样说明这一点：闭着眼或盯着一个人，在脑海中想象青苹果的颜色，拿起来咬下去时的清脆声音、酸甜滋味和汁水，你可能会在没有真正看到或吃到苹果时，出现视觉和听觉皮层的相关活动，甚至开始分泌唾液。我们吃饭前也常常已经开始分泌唾液，因为大脑正在为消化做准备。

    咖啡是我亲身经历过的另一个例子。过去我很爱喝咖啡，而且每天基本在同一时间喝；如果那天错过，到了惯常的时刻，我就可能头痛得很厉害。咖啡中的某些物质会影响血管，大脑为了维持脑部血流相对稳定，会提前产生补偿性调节。假如你每天早上八点摄入一种导致血管收缩的物质，大脑可能在此前就准备让血管扩张；如果当天没有喝，预先准备的扩张没有得到预期的抵消，就可能出现头痛。这里的具体分钟数只是说明性的例子，而不是我测量出来的精确时刻。许多定期服用、会影响生理功能的药物或物质，也会让身体形成类似预期。有人会在闹钟响起之前五分钟醒来，也是预测与学习在日常生活中的表现。

    运动训练能够进一步说明预测怎样改变效率。想要提高网球水平或者跑得更快，就必须反复练习相同动作，直到大脑能够更精确、更迅速地指挥肌肉；人们所谓“肌肉记忆”，记忆并不是字面意义上储存在肌肉里，而是大脑学会了怎样控制肌肉。随着预测越来越准确，同一组动作会变得更熟练，消耗的能量也可能更少。如果你的目标是提高专项技能，这是好事；但如果目标是改变训练负荷，就不一定要持续重复完全相同的动作。间歇训练或者持续切换动作，会让大脑不断遇到没有准确预测到的信号，迫使它调整行动计划，并在身体偏离平衡后重新调节。两类训练反映了不同的目标：一种追求预测的熟练与效率，另一种训练面对意外变化、迅速恢复调节的能力。

    创伤是否源于大脑对过去的持续预测｜24:13

    问：如果一个人童年时反复受到伤害，成年后即使环境安全，也可能再次产生恐惧。这是否意味着创伤是旧预测在新情境中的延续？你怎样区分伤害事件、主观创伤体验和当事人的责任？

    Lisa：从一般原则上说，它确实能够提供解释，但具体到每个人，细节仍然很重要。假如一个孩子曾经反复被走进房间的成年男性殴打，长大到三十五岁后，即使眼前的男性并不会伤害他，大脑也可能根据过去的模式，预先准备恐惧和防御行为。这说明过去的经验能够深刻影响当下的预测。但我会更加谨慎地使用“创伤”这个词：地震、亲人去世、被人伤害等可以是严重的不利事件，却不是说事件本身包含着一个独立、固定、对所有人都会产生同样体验的“创伤”属性。有些人在非常不利的经历之后并没有发展出持续的创伤体验，有些人却可能因为当下情境勾起过去的记忆，而对别人看来平常的事件产生强烈创伤反应。创伤并不单纯位于外部事件中，也不能被贬低成“只存在于你的想象里”；它与过去记忆和当下现实之间的关系有关。

    我讲过一位在埃默里大学任职、研究不同文化中创伤现象的人类学家记录的案例。研究中的女孩叫玛丽亚，尚处青春期。在她生活的文化环境里，男性对女性和女孩实施身体暴力比我们熟悉的社会环境更常见；按照我们的理解，她遭遇的是身体虐待。继父会打她，她不喜欢，但当时把这理解为“那是成年男性的行为问题”，并没有将其理解为自己这个人有何缺陷。她仍然能够睡觉、维持学业、交朋友，也没有表现出研究者描述的创伤症状。后来她看了奥普拉的节目，听其他女性讲述遭受父亲、伴侣或丈夫施暴的经历，并看到这些女性如何描述自己的受伤与痛苦。她发现那些事情与自己经历的身体事件非常相像，随后便开始出现睡眠困难、成绩下滑、无法集中注意力和社交退缩。这个案例的关键，并不是身体上的行为突然发生改变，而是她所掌握的解释方式发生了改变：原先她把伤害看成施暴者自身的问题，后来逐渐把它理解为“有人因为我是谁而这样对待我”，并从他人的叙述中学到了另一套理解、体验和回应方式。

    有人会把这个过程解释为潜伏已久的创伤终于被触发，但我认为，更符合预测式大脑框架的解释是：过去的感官经历和后来获得的文化知识共同改变了她当下的心理体验。讲这个案例绝不是为了替施暴者开脱，也不是在说被虐待者应该对自己的痛苦负责。过错与改变的责任不是一回事。人不应该为别人对自己实施的伤害承担过错，但现实生活中，有时只有当事人能够在适当帮助下逐步改变自己怎样理解与回应这些经验。创伤治疗中的一项重要工作，正是帮助人重新理解发生过的事件，使那些经历不再以过去同样的方式主导现在。这样的变化可能减轻创伤带来的痛苦，却不代表所有人的创伤都可以靠简单地换一种想法而消失。

    文化继承怎样参与塑造创伤、焦虑与身份｜31:27

    问：玛丽亚的例子似乎说明，一个人不仅会从亲身经历中学习，还可能从电视、家庭与社会中学到怎样理解痛苦。这种文化继承与基因遗传有什么不同，又怎样参与塑造人的情绪和自我？

    Lisa：会的，这就是文化继承（cultural inheritance）的重要部分。我们很容易把“遗传”理解为基因从上一代传到下一代，并由自然选择保留部分基因组合。这种传统演化叙述包含真实的重要机制，但不能解释跨代传递的全部内容。遗传和发展有多种途径，经验、环境和表观遗传等过程都值得考虑。我喜欢说，人类的天性是一种需要后天养育才能实现的天性。对于大多数心理与行为特征而言，并不是基因独自决定最终结果，而是基因与经验共同塑造大脑的发育。一个典型发育的新生儿，大脑并非成年人脑的缩小版，而是等待来自身体和世界的进一步“布线指令”。

    想象把你的大脑移进另一个人的头骨，就算理论上能够完成移植，你也不会立即拥有原来那样的视觉与听觉，因为视觉系统的学习适应了你自己两只眼睛之间的具体距离，听觉系统也适应了你自己外耳的形状及其对声音信号的影响。大脑会逐渐调整成适合它所处身体和世界的样子。情绪与意义的学习也类似：婴儿需要通过照料者、语言、互动和文化规则，逐渐了解身体信号在特定情境中意味着什么。有些被我们当作大脑天生硬连接的心理反应，其实包含了世代传承的文化知识。历史上的一些探险者进入极端寒冷地区后很快无法生存，而因纽特人却能依靠长期积累、跨代传递的经验在那里生活。这种知识不会只停留在书本和习俗中，它还会成为个人大脑日后进行预测的材料。

    我们的预测因此不仅来自亲身经历，也来自看过的电视、电影、书籍、对话，以及对他人的观察。大脑还可以把过去经验的零碎部分重新组合，创造此前从未亲历过的经验。我们往往会听到一种宿命论叙事：童年发生过某件事，所以成年之后注定成为某种人。主持人提到自己读过《被讨厌的勇气》，从中得到的启发是，过去的事件不会直接、单独地决定身份，人怎样为过去赋予意义，会影响此后的行为。我赞同其中的方向，但愿意用更符合大脑研究的方式表述它：过去与现在的关系不是一张不可更改的命运判决书；文化传递给我们的解释方式是可以学习、也可能被新经验更新的。

    重新理解过去，怎样改变我们以为固定的自我｜36:29

    问：人们常常说“因为小时候发生过某件事，我注定就是这样的人”。你为何不赞成把身份看作一组永远不变的属性？如果过去无法重来，我们可以通过什么途径重新创造当下和未来的意义？

    Lisa：我的表述会稍有不同：此刻的世界向大脑提供光线、声音、气味和体内信号，但这些信号本身并不写着“愤怒”“危险”“成功”或“失败”。大脑借助过去的经验，结合当前的行动，使信号获得心理意义。我们每个人都是意义的制造者，而意义并不是可以用一串客观特征固定定义的东西。比如桌上的金属杯，你可以用它喝水，也可以拿来插花、量取材料，甚至把它当作武器。杯子的材料和形状并没有替你决定它此刻的用途，意义出现在它的物理特征、你的身体、大脑的预测与实际行动之间的关系中。甚至“坚固”这样的感知属性，也与我们身体的构造和接触物体的方式有关：它不是只存在于物体之中，也不是纯粹由头脑任意创造，而产生于相互作用。

    这意味着你经历的一切，都在某种程度上参与了自己的建构。我们通常毫无察觉，因为这一切太自动、太迅速，但自动不等于完全不能改变。当我说一个人比自己想象中拥有更多主动权时，指的就是这一点。我不认为人拥有一种超越具体时刻、永远不变的身份本质。你在一个时刻是谁，体现于你在那个时刻做什么；你的行动是被记住的过去与此刻的感觉输入共同作用的结果。如果你希望改变自己的感受，改变自己对别人的影响，或者改变被称为“我”的行动模式，就可以从两个方向着手：一是回顾过去，改变对已发生事件的理解，从而改变后来能被大脑调用的记忆与预测；二是主动创造新的当前经验，为未来的预测提供新的素材。

    心理治疗以及深夜与朋友进行的深入谈话，都可能属于第一种方式：重新解释过去，因而重新组织记忆。不过，这往往十分困难，不一定每次都有效。第二种方式则是把注意力放在今天：接触新观念，与不同背景的人相处，学习新的概念，像练习技能一样反复经历原先陌生的行为。持续练习后，新的经验就可能成为将来自动出现的预测。还是用杯子举例：你不必只回头说服自己“杯子也可以不是杯子”，也可以现在拿一束花插进去，真实地把杯子当成花瓶。下一次看到类似的银色杯子，大脑可供选择的预测中，就不仅有“拿它喝水”，还多了“用它插花”。你没有否定过去，只是用当下行动拓宽了未来。

    意义为什么往往是行动的结果｜42:41

    问：杯子既可以盛水也可以插花，而我们通常先想到习惯中的用途。这个例子能否进一步说明，究竟是思想先决定行动，还是大脑先准备某种行动，然后我们才形成相应的感受和理解？

    Lisa：在大脑运作的层面上，行动的准备往往比我们有意识的想法更早。如果你已经学习过把某个杯子当花瓶，当你再次走向摆着杯子的桌子时，大脑可能已经开始准备拿花、剪枝和插花的相关动作，你之后才意识到“这里有一个很合适的花瓶”。不仅是手臂和腿部的动作需要预先准备，心脏、血管、呼吸和其他内脏的调节也必须提前展开。我们把控制这些身体内部变化的活动称为内脏运动调节。身体要从桌边走向花瓶、伸手取花、剪断花枝，就需要氧气、葡萄糖和其他资源；大脑不能等动作结束后才开始考虑供给，它要在行动之前的极短时间里，预测并预备这些资源。

    所以，把心理生活简单理解为“先想一件事，想法引起感受，感受决定行为”，是不够准确的。更符合我研究框架的说法是：大脑先预测自己需要做什么，以及这些动作需要哪些身体准备，而这种准备过程同时参与塑造随后出现的感觉、思想、视觉、声音与情绪。意义是通过与世界发生实际关系而形成的，不仅是附加在行动之前的抽象评价。从这个角度看，改变行动并不只是改变外部结果，也是在改变大脑下一次能够产生怎样的意义。

    如何用行动逐步克服恐惧｜44:11

    问：假如有人从小害怕蜘蛛或蜜蜂，即使非常了解这些动物，也可能在接近时立刻逃跑。你自己曾经害怕蜜蜂，那么与其不停劝自己“不要害怕”，怎样的实际行动更可能改变这种预测？

    Lisa：想改变预测，通常不能只靠意志力对自己下命令。我自己非常害怕蜜蜂，因为五岁时曾有过一次令我恐惧的经历。讽刺的是，我喜欢园艺，也知道很多关于蜜蜂演化生物学的知识，但当我在户外遇到蜜蜂时，身体首先准备的仍然可能是逃跑或僵住。我可以向自己讲一整天“蜜蜂没有你想象的那么可怕”，可一旦身体熟悉的防御预测已经启动，单靠解释未必能够改变它。真正需要的是让大脑遇到有分量、却又可以承受的“预测误差”：做出与过去不同的行动，并亲身经历实际结果。

    这不意味着应该一下子把自己推进最可怕的情境。我不会建议自己第一次就穿上防护服冲进养蜂场，那种刺激可能过于强烈。我可以从看到蜜蜂时不立刻逃走开始，先站住观察，然后慢慢靠近；也可以在花园种植吸引蜜蜂的花草，允许自己在安全、可控的距离与它们共处。后来我甚至有过主动让自己被蜇的经历，但我叙述这一点是为了说明自己的学习过程，并不是要求别人效仿。重要的不是表面上做了多么勇敢的动作，而是在能承受的范围内，建立新的行动方式，让原本自动的预测有机会被现实修正。

    预测误差怎样让大脑更新旧经验｜45:43

    问：你说改变旧习惯和恐惧，需要让大脑接触适量的预测误差。这里所谓“误差”究竟是什么？大脑同时准备多个行动方案时，来自眼睛、耳朵、皮肤与身体内部的信号又怎样参与选择？

    Lisa：预测误差就是实际到来的感觉信息与大脑预先估计的信息不一致，或者大脑预期会出现的信号并没有出现。大脑并不总是只准备一个行动方案，而常常会并行准备若干可能的行动：面对蜜蜂，你可以站着、转身、逃走，也可能靠近观察。来自视网膜、耳蜗、皮肤、肌肉和体内器官的信号，会帮助大脑在可用的预测中选择和完成实际的行动与体验。当你的预测比较准确时，行动方案通常更容易收敛；当不确定性很大、预测过度泛化时，大脑可能准备大量互相竞争的方案，却不知道哪一种最适合眼前情境。

    如果我们有意识地进入一些新的、能够承担的情境，实际感觉就可能无法完全匹配过去的预测，这种不一致会促使大脑学习。换句话说，不是嘴上反复告诉自己“我的预测错了”就够了，而是要安排现实条件，使大脑真正收到不同于过去的信号。我们把类似做法用于暴露治疗，但暴露治疗只是学习的一种特殊形式；更广泛地说，一切学习都依赖某种程度的预测误差。没有意料之外的信息，也就缺少更新旧模型的机会。

    暴露与学习为什么需要考虑身体能量｜47:37

    问：暴露治疗和普通学习都需要接触过去没遇到过的信号。但为什么一个长期焦虑、抑郁、患病或承受压力的人，常常连迈出一小步都感到艰难，甚至宁可继续沿用已经让自己痛苦的习惯？

    Lisa：新奇的体验并非越多越好。虽然人会主动追求新鲜感，但吸收预测误差、学习新东西在代谢上是有成本的。我认为大脑和身体最耗资源的事情中，至少包括身体运动、学习新内容，以及长时间应对不确定性。如果一个人正处于抑郁、焦虑障碍、心脏病、糖尿病或长期压力的状态，他可能已经有很大的身体调节负担，无法再轻松拿出资源探索新的行动方式。此时，即使现有预测使他很痛苦，大脑也可能选择继续沿用熟悉的反应，而不是冒着额外代谢成本去更新它。人在这样的状态下会感觉自己被困在头脑里，似乎明明知道另一种生活存在，却始终迈不出去。

    因此，我们不能把学习困难简单归因为懒惰、缺乏决心或者不愿接受建议。每次经验都包含被记住的过去和当下的感官输入，但在代谢负荷很高时，大脑可能更加依赖原有预测，减少对外部新证据的利用。改变既需要新的经验，也需要身体有条件承受这些经验。从改变恐惧到治疗长期困扰，真正重要的是适当的剂量、循序渐进的情境，以及让大脑拥有进行更新所必需的资源。

    社会传染：他人的痛苦叙述会怎样影响我们的体验｜49:47

    问：越来越多人从短视频和他人的故事中获得创伤、焦虑或疾病的解释，这是否会造成社会传染？你为什么坚持区分“一个人有机会减轻自己的痛苦”和“一个人应该为自己的痛苦承担过错”？

    Lisa：我有时确实会为此感到沮丧，但不是因为我认为人们都疯了。人是会制造意义的动物，我们在与物体、环境和彼此互动的过程中不断创造意义，而不是从世界那里被动领取一组已经写好的解释。懂得大脑的基本工作原理不可能消除所有痛苦，却有可能减轻其中一部分。我感到可惜的是，人们有时并不知道，某些已经形成习惯的理解方式和行为，可能正在让痛苦变得更加沉重。当我使用“责任”这个词时，必须再一次区分责任与过错：一个人对自己的困境负有改善责任，并不意味着困境就是他造成的。我们不应该责备正在受苦的人，但可以帮助他们发现，某些可调整的行动确实可能让生活好一些。

    “传染”这个比喻很有意思，因为即使是病毒感染，也不完全是“有病毒出现，就必定产生疾病”这么简单。研究心理与免疫关系的学者 Sheldon Cohen 曾进行一系列实验，把受试者安排在酒店房间内，给他们鼻腔施加相同剂量和浓度的病毒，并仔细监测睡眠、食物摄入和疾病症状，甚至测量他们擤鼻涕用过的纸巾重量。结果在不同实验中，真正出现呼吸道症状的人大约只有 20%—40%。在这种受控研究条件下，病毒暴露是必要因素之一，却不足以单独决定谁会发病；人的免疫状态等条件也会影响结果。这个例子不是说心理困扰与病毒感染完全一样，而是提醒我们不要混淆一个诱发因素与完整的因果过程。某种社会叙事、情绪范本或外部压力可能影响我们的体验，但它会怎样发挥作用，还取决于我们此前形成的预测、当下的身体状态与所处环境。

    焦虑与决心：相同身体唤醒可以拥有不同意义｜54:06

    问：在考试和公开挑战前，心跳加速、身体紧绷通常会被称为焦虑。如果同一组生理信号也可能代表决心，练习改变解释是否真的有用？你女儿参加空手道黑带考试时发生了什么？

    Lisa：在我们的文化里，一旦遇到不确定性，身体出现高度唤醒，例如心率变化，以及去甲肾上腺素等相关化学信号的变化，我们很容易自动把它理解为“我焦虑了”。但同样的生理状态也可能被理解为“我正在下定决心”“我需要迎接挑战”，或者只是“我正在面对不确定的情境”。关键不在于让所有不舒服的身体感受都消失，而在于不同解释会对应不同的行动。当一个人把高度唤醒当成威胁，他可能准备逃避；当他把它体验为完成任务需要的动员，他就可能继续行动。意义与我们实际准备做什么密切相关，因此改变意义能够改变后续行动。

    考试焦虑是一个很好的研究例子。有些人因为极其严重的考试焦虑而无法完成课程，甚至不能大学毕业；这种影响不只是暂时不舒服，还可能通过学历和职业机会，关联到此后一生几十万美金的收入差异。研究者训练部分人把考试前的高度唤醒理解为决心，而不是焦虑。最初，他们并不会自然而然这样理解，需要像学开车一样练习，反复建立新的解释与行动方式。练习后，有些人能够更好地应对考试、继续修读课程并推进学业。不是因为他们被训练得毫无紧张，而是因为身体的紧张不再只支持逃避这种行动。

    我亲眼见过同样的原则发生在女儿身上。她十二岁参加空手道黑带考试，个子还不到五英尺，却要在持续数天的考核中与体格魁梧、年龄十五至十八岁的男孩对练。她的师父是一位十段黑带，威严得让人害怕。当时我和她父亲坐在旁边看着，师父走向她，说了一句让我难忘的话：“亲爱的，让你肚子里的蝴蝶排好队形飞起来。”这句话太好了。他没有说“小姑娘，冷静下来”，因为她此时并不需要完全平静；她需要那种唤醒来支持行动。蝴蝶仍然在飞，师父只是邀请她把不舒服的能量组织起来，为自己所用。我们不会得到无所不能的情绪控制权，某些时刻的选择空间也确实很小，但只要找到一点新的行动可能性，就可能获得更多主动性。

    社交媒体是否在教年轻人持续悲伤｜58:33

    问：社交媒体不断告诉年轻人，某种表情、反应或经历意味着他们正在焦虑、悲伤甚至患病。与面对面的真实互动相比，短视频里的信息有什么不同？浏览者又能怎样夺回选择权？

    Lisa：社交媒体确实持续向人们提供解释自身情绪的材料，而且它还有一个特别麻烦的特点：信息不完整、意义却被强烈暗示。面对面交流时，我至少能够看到你的面部动作，听到语气，观察姿态，仍然需要猜测你真正想表达什么。身体动作并不是一本能够直接查译的情绪语言手册，我们从来不是无误地“读取”别人的感情，只是在根据各种线索作出推断。到了社交平台，许多线索进一步消失，剩下的文字、剪辑、表情符号和极短片段可能包含大量歧义，大脑只能用原有经验填补空白。这会使人在不知不觉中反复练习某些情绪预测，把平台上流行的解释方式纳入自己今后的心理生活。

    我想强调，观看者并不是毫无选择的容器。某种意义上，持续无意识地刷短视频，是在自愿把自己的注意力和学习材料交给别人安排。我们每天选择看什么、不看什么、听什么、关掉什么，都会决定哪些经验更可能保存在记忆中，日后又被自动调用。我自己会听有关代谢、皮肤护理等主题的节目，因为我对各种知识感到好奇，但我可能在听了十分钟后关掉其中约九成；这也是作为信息消费者主动筛选的体现。所谓“被洗脑”的比喻，只能表达影响之强，却容易忽略个人还有调整信息输入的机会。我对此并不想责备任何人，因为我曾经历过女儿临床抑郁的时期，知道事情绝非一句“你自己决定改变吧”那么容易。她最初也抗拒帮助，后来必须由她自己愿意接受帮助，我们才能一起调整生活。现在的健康产业和社交媒体里有大量信息，有些有用，有些无益，甚至可能有害。真正值得学习的是怎样在这些信息中重新取得选择权。

    改变生活的第一步：从极小、可执行的行动开始｜1:03:03

    问：当一个人已经陷在算法、坏习惯或低落状态里，却没有科学知识和足够精力时，改变应该从什么地方开始？你为什么强调把很小的行动提前安排进日程，而不是等待自己想做才做？

    Lisa：我的一般回答是：从小步开始。一次性推翻生活中的全部安排，偶尔可能奏效，但大多数情况下很难持续。与其宣布“从今天起我彻底改变自己”，不如先把一个新行动写进日程，比如每周有一天离开社交媒体，约朋友做些事情，或者定时出去散步。把事情安排好，而不只是等自己“有心情”再做，是特别重要的。人们喜欢把行动理解为一种由当下意愿自然驱动的选择，但要改变已经非常自动化的预测，恰恰经常需要在不想做时仍按照事先的计划行动。生活中那些微小而具体的安排，可以逐渐变成新的经验来源。

    我做过一次严重的背部手术，手术前就知道，之后身体会出现许多陌生的感觉。想想补过的牙齿：补完后舌头会不由自主地去碰那个新出现的地方，尽管你知道自己不必一直碰它，因为大脑正在搜寻以前没有出现过的信号，试图弄清楚发生了什么。过一段时间，如果那些感觉被证明无须持续关注，大脑通常会调整预测，逐渐不再把它们推到意识前台。背部手术后的情况要复杂得多，我因此提前设计了一套恢复安排，希望通过适度、逐渐累积的感觉和行动经验，让自己的大脑有机会更新对身体的预测，尽可能避免长期疼痛。这里真正重要的不是某个动作或者日程的神奇效果，而是主动改变情境、合理安排学习机会，并且持续练习新行为；习惯的改变常常遵循这样的逻辑。

    慢性疼痛：为什么伤口愈合后身体仍可能感到痛｜1:05:18

    问：你曾接受严重的背部手术，并担心恢复期形成慢性疼痛。如果疼痛与大脑的预测有关，是否就意味着疼痛是人想象出来的？伤口愈合后仍然感到痛，你会怎样向患者解释？

    Lisa：绝对不是。“只是想象”是一种错误而且容易伤害人的说法。理解疼痛之前，先想想视觉和听觉。你需要眼睛和耳朵接收信号，但真正形成“看见”与“听见”体验的是大脑。你想象一颗绿色苹果时，眼前没有苹果，却仍然可以产生与视觉有关的经验；这并不意味着视觉体验不真实。同理，疼痛是大脑将被记住的过去与当下的感觉信号结合后形成的体验。说“疼痛是在大脑中形成的”，在神经科学意义上并没有否定疼痛的真实性，更不能用来指责疼痛的人在装病。

    身体组织受损时，会向大脑传递与潜在伤害有关的伤害感受信号（nociceptive signals），大脑结合这些信息产生疼痛体验。但在某些情况下，组织已经修复，疼痛却持续存在。这可能是因为大脑仍沿用过去“这里有损伤，需要防御”的预测，而受伤后的恢复本身又消耗大量代谢资源，让更新预测变得不容易。某些慢性疼痛因此可以理解为持续存在、未被充分更新的疼痛预测。幻肢痛与耳鸣也让我想到类似的原则：一个特定感觉的持续出现，并不必然要求外部存在与之完全匹配的即时刺激。我曾短时间经历耳鸣，这也是我能够联系自己经验来理解的现象。

    手术前，我尽可能提前制定了让自己适量接触新感觉、逐渐恢复行动的计划，术后则需要按照安排执行。这样做的思路与改变其他习惯相似：改变大脑面对的具体情境，并通过反复的新行为让预测得到更新。这是我个人在医学照护背景下作出的安排，不代表任何人在严重手术之后都应该自行增加活动或按照同一方式处理疼痛；我想说明的是，大脑与身体之间的学习过程值得被纳入我们的理解，而不是把持续疼痛简单划分为“纯生理”或者“纯心理”。

    从代谢角度理解抑郁症｜1:08:23

    问：谈到女儿患抑郁症的经历时，你首先把话题引向大脑调节身体的功能。为什么思考、感受和看见世界不是理解抑郁的唯一入口？你说的身体预算究竟是什么？

    Lisa：在我们的实验室里，我会从一个更基本的问题出发：大脑最重要的任务是什么？答案首先不是思考，也不是感受，甚至不是看见世界，而是调节身体，尤其是预测和管理身体的代谢需求。它需要不断估计身体接下来会消耗哪些资源，并尽可能在需求真正出现之前准备好。我把这种对身体的预测性调节称为“身体预算”（body budgeting），相应的正式生理学概念是“异稳态调节”（allostasis）。我们不是在预算金钱，而是在预算支持生命活动的氧气、葡萄糖、盐、钾及其他营养物质和化学资源。

    从这个角度看，情绪、注意力、疲劳以及对世界的感受，都不可能与身体维持生命的成本完全分开。研究抑郁症时，我不愿简单地把它当成一组与身体无关的消极思想，而希望理解是什么生理与环境条件，让大脑长期处于困难的资源调节状态。身体预算并不是说一切抑郁都有单一的代谢原因，更不是说身体状态能够解释每一位患者的全部经历；它提供的是一种把心理现象重新放回完整身体系统中研究的视角。

    身体预算、能量分配与所谓身体破产｜1:09:17

    问：如果大脑不断管理一个有限的身体预算，这笔预算都花在什么地方？维持生命、生长修复、运动、学习和持续应对不确定性为什么会相互竞争，抑郁症的症状如何反映这些负担？

    Lisa：把身体看作一个需要持续供给能量的系统，大致可以把日常支出分成三类。首先是维持生命的基本过程，身体内部有无数自动进行的工作，需要不断消耗能量。其次是生长与修复：孩子长高需要制造新的细胞；学习新东西时，神经系统也需要改变连接、髓鞘和受体等结构；身体损伤后的修复也属于这一部分。最后是各种需要付出努力的活动：工作、健身、早晨从床上爬起来、学会新技能，以及处理持续的不确定性。我们称为压力的许多情况，本质上都涉及大脑预测将发生额外的代谢支出，尤其是必须付出努力去应对某个要求时。

    身体通过葡萄糖、脂肪等来源产生能够供细胞使用的能量，例如 ATP，但这不是一个可以无限扩张的供给系统。一天之内能够产生和利用的能量存在生物学范围与上限。当你正在生病、修复组织，或者持续面对高强度的社会与心理压力时，预算的一大部分已经被占用，留给学习、运动和其他活动的资源就会更加紧张。大脑此时可能尝试“削减支出”，而抑郁症的一些表现正可以从这个角度理解：疲倦、注意力难以维持、缺少行动动机、对环境变化不敏感，都可能与整体资源调节的困难有关。

    但抑郁并不是简单的“系统进入省电模式”。一些症状反而意味着支出增加，例如炎症与免疫调节问题。我在访谈中提到，大约 70% 的抑郁症患者存在某种炎症相关问题或系统性炎症表现；这一说法需要放回具体研究定义中理解，而不是对所有患者作出的诊断断言。免疫系统是非常昂贵的生理系统，若炎症长期持续，等于给身体预算增加一笔不断征收的额外成本。因此，一个人可能同时经历资源不足以支撑正常活动，以及某些内部过程持续过度消耗资源的状态。用“身体破产”来形容这种困境，是为了让人理解系统的负担，而不是说人真的拥有一个可被精确核算的单一能量账户。

    压力为什么可能影响体重与代谢｜1:12:26

    问：有些人在压力很大的一年里，即使没有刻意增加食量，体重仍然可能发生变化。你读过哪些关于饭后社会压力、食物代谢和体重的研究？这些发现与抑郁症有什么关联？

    Lisa：从身体预算看，压力改变的不只是我们主观上的心情，还可能影响食物如何被代谢。我读过一些研究，作为科学家觉得非常有意思，作为普通人却觉得有些令人不安：在饭后两小时内经历社会性压力，与没有受到类似压力相比，人体代谢食物的效率可能发生变化。有研究把这种变化换算成大约相当于每餐额外摄入 104 千卡的效应，并且观察到脂肪代谢方式的变化。我在访谈中用这个数字进一步作了一个便于想象的估算：如果类似影响长期、反复发生，一年可能累积成接近 11 磅（约五公斤）的体重差异。这个估算是研究效应的形象化外推，不意味着每个处于压力中的人必然增加相应体重，也不意味着某次压力可以直接被当作一次真实的额外进食。

    这件事与抑郁症相关，是因为我们知道抑郁与皮质醇调节异常等现象可能有关，而皮质醇本身就是参与代谢调节的激素。人们常用的部分抗抑郁药属于 SSRI 或 SNRI，它们通过影响神经元之间相关递质的可用性发挥作用；这些递质所参与的系统，除了我们熟悉的情绪和认知功能，还涉及身体的代谢调节。血清素和去甲肾上腺素都不能脱离它们在身体不同组织中的作用来理解。我不是要把抑郁症简化成“只是一种代谢疾病”，而是认为代谢因素在抑郁症形成中占有值得认真研究的位置；真正复杂的问题在于，不同身体与环境负担究竟怎样组合，使一个人逐步发展出抑郁状态。我开始大量阅读这方面文献，最直接的动机其实是想弄明白怎样帮助自己的女儿。

    青春期为什么可能成为抑郁的高风险阶段｜1:15:00

    问：为什么青春期对一些人来说像是身体与大脑同时进入的“完美风暴”？面对激素波动和不断变化的感觉，我们常说青少年是“情绪太强、理性控制不足”，你为什么不同意？

    Lisa：青春期从代谢角度看，对许多人来说确实可能是一场脆弱因素集中出现的“完美风暴”。大脑被包在黑暗、安静的头骨里，只能接收来自身体和外界的信号；它接收到的是各种变化的结果，而不是这些变化的完整原因，因而必须借助过去经验推测信号意味着什么。青春期的激素水平出现大幅波动时，大脑并不会在激素变化的那一瞬间就自动知道原因。一些身体变化经过十几分钟或二十分钟左右，相关信号才逐渐进入大脑能够利用的调节过程；具体时间取决于所涉及的激素和机制。面对这些陌生且不断变化的身体信号，大脑需要学习怎样解释和预测它们。

    我们常听到一种故事：孩子生来就拥有强大的、天然的情绪回路，但用来控制情绪的认知系统还没有成熟，所以青春期的情绪障碍是“情绪过多、控制力不够”的结果。这个故事听起来很顺，甚至能让许多父母迅速理解孩子的行为，但我认为它没有得到相应有力的神经科学证据支持。把大脑想象成一场理智与情绪之间的战争，本身就延续了我们文化中历史悠久、却值得质疑的二分法。与其假设有一组固定情绪回路在青春期突然占据上风，我更愿意研究身体怎样变化、预算怎样承压、哪些预测正在被学习，以及社会文化如何影响年轻人赋予这些感觉的意义。

    抑郁症真的是“大脑化学物质失衡”吗｜1:17:02

    问：大众经常听到“抑郁是血清素不足”“多巴胺就是奖励物质”等解释。为什么这些说法让复杂的大脑机制看起来过于简单？从努力、学习和身体代谢的角度，应该如何重新理解这些化学物质？

    Lisa：这种说法简化得过了头，甚至会妨碍我们提出正确的问题。血清素不是只负责“快乐”的化学物质，多巴胺也不是只负责“奖励”的化学物质。它们在大脑和身体不同位置，通过不同受体参与多种过程，其中就包括代谢与行动调节。你能在某些与惩罚相关的实验情境中观察到部分神经元的多巴胺活动增加，因此不能简单说“出现多巴胺，就代表人获得了奖励”。在一些受控动物实验中，血清素相关机制会影响动物愿不愿意在没有立即能量回报的情况下继续探索、移动和学习，也就是在暂时看不到收益时仍然支出资源。

    我认为，许多神经科学家现在更倾向于把多巴胺理解为支持某些形式的努力，包括身体努力以及学习所需的精神努力，而不是一种专门制造奖励体验的单一信号。同一种化学物质在不同脑区、不同身体组织以及不同受体上所承担的工作可能不同。把抑郁症、注意力问题或普通情绪波动直接归结为某一种递质“太少”或“太多”，很容易让人以为复杂系统已经得到解释，实际上只是给它贴上一个看似科学的标签。

    我的女儿如何从活泼开朗走向临床抑郁｜1:18:30

    问：你的女儿小时候聪明、活跃、朋友很多，到了十年级却几乎像换了一个人。家长最初为什么会把她的状态误认为懒惰或不努力？哪些记忆和学习变化最终让你意识到必须寻求专业评估？

    Lisa：我的女儿小时候非常外向、热情，和同伴关系很好，在学校表现也很出色。我并不是说她是完美的孩子，但她通常积极、活跃，朋友很多，几乎看不到明显的情绪问题。到了十年级，一切逐渐不同了。她开始退缩，越来越喜欢一个人待在房间里，不想继续原先的活动；成绩下降，甚至数学拿到了 D；她难以集中注意力，也睡不好觉。那时候她非常痛苦，我们和她相处时也感到很艰难。说来令我惭愧，我们最初甚至觉得她只是懒惰、不肯努力，觉得她不愿做作业，也不愿意认真过日子。我是研究心理和大脑的科学家，却同样没有在第一时间想到自己孩子可能得了抑郁症。

    真正让我意识到问题严重的，是记忆方面的改变。我们谈过的话，她之后似乎完全记不得；起初我以为她根本没认真听，但后来发现，她甚至无法把一天发生了什么说清楚。她只能给出模糊的大意，不能回忆具体的时间、地点和事件。抑郁症确实可能伴随这种情景记忆细节的减少：一个人没有把当天的经历充分巩固下来，后来便无法清楚回忆。尤其让我们震惊的是，她八岁时就能以玩乐的方式接触初步代数，如今却连数学课都难以完成。我们终于告诉她必须接受专业评估，因为不知道究竟出了什么事。经过评估，我们才明白，她患上的是临床抑郁症，而不是性格突然变坏或者简单地不肯用功。

    口服避孕药、激素与抑郁风险的研究｜1:21:09

    问：你在阅读关于年轻女性使用口服避孕药和抑郁风险的大规模研究时受到很大震动。这与你女儿当时的痛经治疗有什么关系？研究中的风险数字应该怎样理解，又促使你做了什么？

    Lisa：我女儿当时有很严重的痛经，一种常见的处理方式是使用口服避孕药，让一个月内的激素波动更平稳，从而减轻痛经。后来我读到关于口服激素避孕与年轻女性抑郁风险的研究，印象极其深刻。我在访谈中引用的数字是：某些研究中，使用雌激素加孕激素的复方药物，与重度抑郁发作风险相对增加约 40% 有关；只含孕激素的药物，相关相对风险增幅可能接近 70%。让我记忆犹新的是一项涉及约 一百万名女性的大规模流行病学研究。我清楚记得自己在哪儿读到那篇论文，几乎像被突然照亮一样，马上给女儿的儿科医生打电话，强烈要求了解停药是否有风险、是否能够当天停止。当时距离她确诊抑郁症已经大约一年了，我对自己为什么没有更早知道这些资料感到非常难过。

    这里我描述的是当时读到研究后自己的经历和判断，不是在说任何正在使用避孕药的人都应该立即自行停药。流行病学研究报告的相对风险增加，不能直接被理解为每个人发生抑郁症的绝对概率，也不能仅凭相关性就确认个体患者的病因。后来我阅读科学史学者 Naomi Oreskes 的《Why Trust Science》时，又看到她讨论公众为什么有时没有充分重视科学证据，并将相关问题作为例子，这进一步触动了我。更深层的科学意义在于：雌激素、孕激素和睾酮都有重要的代谢调节作用。假如我们习惯于把身体和心智看成互不相干的系统，就很容易忽视激素、代谢、视觉乃至情绪之间的关联。我现在的实验室也在探索这些基本心理现象与代谢调节的关系。

    我如何与女儿一起重新安排生活和身体预算｜1:24:07

    问：女儿确诊抑郁症之后，你从睡眠、社交媒体、早餐、运动、营养和炎症等方面重新安排生活。为什么选择这些方向？她本人怎样参与计划？哪些措施属于你的个人实践而不是可以普遍照搬的治疗方案？

    Lisa：这已经是多年前的事情。如今人们会谈到“代谢精神病学”（metabolic psychiatry），但在当时，我读到从代谢角度研究抑郁症的资料时，许多人还觉得这种思路十分离奇。当我终于意识到女儿承受的痛苦有多重时，真的希望自己能更早弄明白问题。后来我尽可能寻找一切能够改善她身体预算的途径，并且特别重要的是，她参与制定了自己的每日生活安排。我们想看看，是否能够通过同时改变若干具体条件，让她的状态逐步沿另一条轨迹发展。她不是某个被我单方面操作的实验对象；如果她不愿意参与，我们很难强迫她改变。

    首先是夜间电子设备和社交媒体。像许多同龄人一样，她晚上仍然长时间使用屏幕。我曾在美国国家癌症研究所相关会议上接触到一项重要知识：眼睛视网膜里有参与调节昼夜节律的细胞，它们对屏幕所发出的某些波长的光敏感。夜间强光可能向大脑传递类似白天的信号，扰乱正常的睡眠—觉醒节律。规律的睡眠不只是让第二天不困倦，它还支持白天学习内容的记忆巩固，以及深度睡眠中的多种恢复过程；如果缺乏足够的睡眠，身体预算原本的困难可能进一步加剧。所以我们规定晚上大约七点或八点后不再使用屏幕，也让她减少社交媒体，尽可能降低在线互动带来的社会不确定性和压力。

    我每天早上五点半和她一起起床，为她准备早餐，坐下来陪她吃，确保她摄入真正有营养的食物，而不只是糕点或高度加工的早餐食品。我们也帮助她重新开始运动：长距离步行、普拉提，尤其是带有器械、需要不断调节用力的 reformer 普拉提。运动与身体预算的关系，并不是“运动多花掉一点能量就会好起来”那么简单。适当运动使身体暂时偏离惯常的代谢平衡，然后练习怎样调整并恢复，这有助于训练生理系统的灵活性和韧性。对她而言，相比反复磨练一套完全相同的运动技术，我们更看重某种接近间歇训练的过程：身体受到适量挑战，随后喝水、补充适宜食物、恢复，再继续下一次练习。它也是另一种给大脑提供预测误差和学习机会的方式。

    此外，我当时还参考相关文献，在饮食安排中关注增加 omega-3、减少 omega-6 的比例；我已经记不清使用的具体剂量。在她的医生同意下，我们还曾让她每日饭后服用低剂量阿司匹林，希望减轻系统性炎症。这是我作为母亲在特定时期、为特定孩子作出的具体选择，并不是我推荐给听众的标准治疗方案；阿司匹林和营养补充剂都有适应证、相互作用与潜在风险，不能根据我的个人叙述自行照搬。对我们而言，关键并不是某一项措施单独解决了抑郁症，而是我们试图从睡眠、饮食、活动、炎症和社会压力等多个层面，逐步改善她生活中的可调整条件。

    社会支持：我们如何成为彼此神经系统的照料者｜1:29:11

    问：你为女儿恢复了睡前阅读、谈话和家庭陪伴，也努力克制自己立刻为她解决问题的冲动。为什么“被认真倾听”会有真实的身体意义？我们又如何成为彼此神经系统的支持或负担？

    Lisa：在她小的时候，我们睡前会一起读故事、拥抱和谈天；进入青春期早期，她开始拒绝这些亲密的安排。后来，我们重新把它们带回日常生活。临睡前大约一小时，我或者她父亲，有时我们三个人一起读书、聊天，或者由她父亲读给我们听。她会讲学校发生的事——如果她还能够记起其中的细节。有些经历真的很糟糕，我当时最强烈的冲动是马上告诉她该怎么处理、怎么解决问题，但我必须努力克制。我有临床治疗方面的经验，却仍然需要不断提醒自己：此刻她最需要的可能不是一连串建议，而是有人愿意留在她的痛苦旁边，理解她正在经历什么。如果她刚刚讲完别人怎样伤害她，我就立即进入解决问题的模式，她往往会觉得我根本没有听见她。

    这不只是亲子沟通技巧。人类是社会性动物，我们在非常真实的生理层面参与调节彼此的神经系统。我常说，一个人对另一个人的神经系统而言，可以是最好的资源，也可以是最糟糕的负担，取决于那个人是谁以及彼此怎样互动。我们可以帮助对方节省身体预算，也可以让对方承受额外成本。这不是某种政治立场，而是人类演化及生理调节的现实。有一位曾与我合作的博士后研究者研究母亲与婴儿独处、共同执行任务时的葡萄糖代谢，观察到关系良好的母婴在一起时可能表现出更高的代谢效率；我记得她也可能研究过恋爱伴侣，但对那部分细节在访谈中并不完全确定。另有研究让人背着背包爬坡，发现与朋友同行和与陌生人同行时，对体力消耗的体验可能不同。这些发现之所以有意义，是因为他人的存在能够改变我们的负担，而影响不一定需要双方有意识地察觉或刻意配合。

    一些汇总研究还发现，拥有可信赖、彼此信任的社会关系，与平均寿命更长有关，差异可能达到以年计算的程度。我当然不是说某一个拥抱能保证人多活几年，而是认为稳定的社会支持应该被当作生命条件的一部分。对女儿来说，睡前的家庭陪伴不是给她灌输“你应该开心”，而是让她感到有人与她同在，帮助她在身体与情绪上获得更稳定的状态。直到现在，她有时仍会对我说：“你能不能暂时做我的朋友，而不是我的妈妈？”我会答应，接着还得真的做到。做父母的人很难不随时教导孩子，但让对方有一个可以被理解而不是被纠正的空间，有时比一条聪明建议更重要。

    我也发展出一个和成年孩子相处的小方法。当我特别想对她唠叨某件事时，会先说：“我现在有一个很强烈的妈妈时刻，特别想提醒你一些事。你愿不愿意让我念叨一分钟？说出来以后，我就不需要反复提醒了。”我会承认这是我的需求，不把它描述为她有多么糟糕。大多数时候，她会耐心地说“好吧，妈妈，你说”；但有时她也会明确回答“今天不行”，那我就真的必须尊重她。这种小小的许可与边界，也是我们互相照顾的一部分。我曾把自己采取过的做法记下来，供别人了解我的思考过程，但我要再次强调：我既不是给听众看病的医生，也不是在提供儿童精神科的统一处方。这些只是我在阅读文献、与医生沟通后，为自己的女儿作出的选择。尤其对于青少年，你很难通过强迫让他们真正参与改变；他们必须逐渐愿意作出自己的决定。

    女儿康复后，我如何重新理解情绪与生活安排｜1:35:26

    问：女儿后来是否走出了抑郁？在经历那段困难后，你们怎样看待偶尔出现的坏心情？主持人提到为了睡眠而调整工作日程，这种把身体预算纳入日常决策的方式，对个人与组织意味着什么？

    Lisa：她后来确实康复了。现在她当然也会遇到情绪上的挑战，但她拥有了另一种理解方式：情绪不是“我的人格出了问题”的直接证据，而常常是身体预算状态的一种信号或晴雨表。当人觉得糟糕时，通常会立刻问“外面的世界哪里出了问题”，或者“我自己究竟哪里不对”。两种可能有时都成立，但也可能首先是睡眠、营养、压力、疾病或其他身体调节方面出现困难。意识到这一点，并不是要求一个人忽视现实中的冲突，而是邀请他先检查自己的资源状态，然后决定下一步采取什么行动。接下来的行动不同，随后的人生轨迹就可能不同。这不是神奇的治愈公式，但它改变了你能够做出的选择。

    主持人在访谈中说，他开始把坏心情视为身体预算的提醒：如果昨天没睡好、今天没有好好吃饭，与其在情绪糟糕时继续发脾气，也许可以调整当天安排，必要时回去休息。我认为他真正抓住的是“下一步行动会发生改变”这个重点。他还描述自己两年前设立了一条工作规则：上午十一点前不开会，尽可能不设闹钟，让自己睡够再醒。他也承认，并非所有人都拥有这种自由；过去在呼叫中心工作时，他根本无法这样安排。我认同这样的限制非常现实。我们并不是在真空中选择生活方式，不同职业、收入和责任意味着不同程度的自主性。

    但我也认为，组织管理者应该认真考虑身体预算。睡眠和水分摄入与工作表现关系密切，运动等条件也值得重视；这不仅出于对员工的关怀，也有实际的经济与生产效率理由。我们习惯了某一种工作时间表，常误以为社会只能以这种方式组织，其实许多规则是可以重新设计的。如果企业领导者懂得员工不是可以无限索取资源的机器，就更可能重视让人获得恢复与持续工作的条件。把身体预算当成管理和个人生活的重要约束，并不保证人总是愉快，却可以让人更有能力面对真正需要解决的问题。

    酒精如何影响身体预算、心情与学习｜1:39:12

    问：人们有时为了气氛、口味或交际饮酒，也有人依赖酒精改变心境。酒精是否会增加身体预算的负担、影响预测误差的学习，甚至让后续生活更困难？哪些地方是你能够判断的，哪些仍属于推测？

    Lisa：我要先说明自己的专业边界：我不是酒精代谢领域的专家，所以接下来的解释有一部分是根据我已知的大脑与身体原理作出的推断。有些人饮酒是因为喜欢味道、社交或当时的氛围，但也有人逐渐发现，酒精可以改变自己的心情，于是把它当成调节心情的工具。我们经常谈“情绪调节”，实际上人们很多时候调节的是更为持续的心境。大脑一直在管理身体，身体也持续向大脑发送内部信号，我们常常从这些信号中产生基本的愉快、不愉快、平静或激动等感受。心境几乎伴随意识活动始终存在；只有在某些时刻，我们才把身体状态放进具体的外部情境里，体验为对某个人、某件事的特定情绪。

    心境有时并不会以“我现在心情如何”的形式出现，而是融进我们对世界的感知：觉得一杯饮料特别美味，觉得某个人令人讨厌，或者觉得另一个人值得信任。能够改变心境的物质往往也在影响身体或神经系统的调节，阿片类物质有时就具有这样的作用。某些成瘾行为之所以持续，是因为人试图用物质暂时减轻痛苦、改变令人难受的内部状态。不过，酒精与代谢之间具体有哪些途径、怎样依赖于不同情境，我不愿给出自己无法充分支持的简单答案。我知道有研究表明，即使饮用相同数量的酒精，在不同环境下也可能产生不同效果，这提醒我们不能用单一线性关系解释一切。

    我比较有把握的一个判断是，酒精可能使大脑的预测变得不够精确，同时削弱对预测误差的利用，使行动不再很好地适应当下处境。当人无法及时学习和修正错误预测，就可能在饮酒之后作出不恰当的决定，引发更多人际或实际问题，而这些问题又会给日后的身体预算增添负担。所以我并不把酒精的影响仅仅看作“喝完后暂时放松还是更难过”，而会考虑它可能怎样改变学习、行动选择以及随后一连串生活后果。至于一个人的抑郁风险，仍需要结合他的具体生理状况、饮酒方式和生活情境来研究。

    刻意微笑真的能让人更快乐吗｜1:44:00

    问：有人说只要刻意露出笑容，大脑就会预测快乐，我们也真的会快乐起来。按照你对情绪与表情关系的研究，这个说法究竟有多少证据？访谈里让主持人做微笑练习，又说明了什么？

    Lisa：我会回答：有一点可能，但效果远没有一些流行说法描述得那么大。微笑并不是快乐的唯一标志，甚至不是一个能够专门指认快乐的表情。人会在生气、害怕、尴尬的时候微笑，也可能一边盘算怎样报复对手一边微笑。如果我们假设“面部肌肉做出微笑动作，大脑就一定产生快乐”，就又回到了我一直质疑的观点：把某个表情当成固定情绪的专属开关。实际上的表情、身体活动与心理意义之间，存在更复杂的情境关系。

    我读过的有关面部反馈效应的元分析提示，刻意微笑对主观愉快体验可能存在一个非常小的平均效应，但效应量小意味着它不可能对每个人、在每个时刻都明显奏效。访谈里我还请主持人做了一个有点滑稽的练习，类似让人把铅笔横放在牙齿之间，再配合嘴角和眼周肌肉做出微笑动作。主持人说自己似乎更快乐了，我开玩笑说，也可能只是因为我让他做了一件好笑的事。这个互动恰好说明，笑容、情境以及对互动的理解很难完全分开。微笑可能带来一点影响，但把它包装成可靠、强有力的情绪改变方法，是对研究结论的夸大。

    我怎么看待 ADHD、自我诊断与诊断标签｜1:45:49

    问：越来越多成年人在网上发现 ADHD 的描述并为自己贴上诊断标签。诊断可以帮助人识别困难，但为什么它不能直接解释困难的成因？把注意力问题归结为一种固定内在本质会有什么风险？

    Lisa：我的一般回应是，我们需要分清“描述”与“解释”。社会上越来越多人通过网上信息给自己贴上疾病或心理诊断标签，随后用这个标签解释自己为什么有某种行为、为什么经历某种困难。但诊断名称本身通常只是对一组症状或行为表现的归类，它并不自动说明这些表现的成因。假如一个人说“我做不到是因为我有 ADHD”，这句话可能指出了某种值得关注的困难，却没有回答这些困难如何在他的身体、大脑、成长经验和当前环境中形成。把诊断当成独立存在的固定内在本质，就容易犯心理本质主义的错误：假设一个人身上藏着某种不变的东西，而所有行为都由它引起，即使我们根本说不清那个“本质”是什么。

    ADHD 也不是一份每个人都完全相同的症状清单。符合相同诊断的人，可能具有不同的症状组合，其中一些症状又与其他诊断类别有所重叠。临床诊断对识别需求、组织照护和医疗服务支付有实际用途，但不能因此把诊断类别误认为一种已经完成的机制解释。有人会把 ADHD 与多巴胺、血清素联系起来，但这些神经递质各自都有多种受体，在脑和身体的不同位置承担不同作用。单说“ADHD 是多巴胺造成的”，并没有告诉我们具体涉及哪些受体、神经网络、身体状态和环境条件。科学上更值得提出的问题，是一个人在哪些任务和条件下遇到困难、拥有哪些能力，以及这些困难为什么会在此时此地出现。

    行为能力为什么必须放在具体环境里理解｜1:48:01

    问：一名学生也许无法在教室连续坐几小时，却能在变化迅速的其他环境中表现出不同能力。为什么判断一个人的注意力与行为表现，必须把学校制度、社会要求和具体情境一并考虑？

    Lisa：社会对“正常表现”的期待，常常被隐藏在诊断的背景里。比如，我们的学校通常要求孩子在教室里长时间坐着，把注意力稳定放在老师安排的同一件事上。因为这种要求太普遍，我们几乎忘记它本身是一种特定的环境条件。当孩子无法按照这种方式维持注意力时，人们很容易说“问题在这个孩子身上”，却忽略了行为是否合适，总是与环境提出什么要求有关。某些不擅长长时间专注单一任务的人，在其他需要迅速切换注意、寻找不同线索或者处理变化的情境中，可能表现出不同的能力。我不是说所有困难只要换个环境就会消失，也不是要否认现实中的功能损害，而是强调不能抹去这些表现发生的具体条件。

    很少有一种行为能力在所有情境中都绝对有利或绝对不利。一个人的优势、恢复力和困难，都与环境的适配程度有关。把“在某个系统中不够适应”直接翻译成“这个人本质上有缺陷”，会让人忽视可能改变的条件，也会缩小他对自己的想象。这种强调情境的观点可能被人误认为仅仅出自某种政治倾向，但对我来说首先是务实的科学问题。我们如果想准确地理解和帮助一个人，就必须看见他所处的情境，而不是只凭标签下结论。

    语言的力量：几个字怎样改变别人的身体状态｜1:48:01

    问：如果别人会影响我们的生理状态，那么语言会不会也是一种直接影响神经系统的方式？你研究过情绪词汇与身体调节，为什么几条短信、几句安慰或指责，可能改变一个人的心率、呼吸和体验？

    Lisa：我们是彼此神经系统的调节者，语言是其中非常重要的途径。主持人提到过一项大约涉及两万五千人的研究，称发生心脏病发作的人如果已婚，存活的可能性高约 14%。这种研究观察不能简单理解为婚姻本身具有无条件的保护效应，但它引出了一个值得研究的问题：身边的人怎样改变我们的生理状态？我和同事研究过语言在多种情境中的作用。假如情绪是大脑把身体内部变化与外界情境联系起来、形成具体意义的过程，那么你对一个人使用某个情绪词，就可能是在邀请他以那个词所代表的方式组织和解释自身感觉。别人如何描述你的体验，会成为你下一步可以调用的心理材料。

    这也解释了为什么我谨慎使用“科学家证明了”这种说法。我更愿意说某项研究在特定实验条件下展示、支持或者验证了一个效果。“事实”听上去像一条能在所有条件下无例外成立的命题，而我们研究的心理与生理现象往往高度依赖情境。即便如此，语言产生的生理影响仍然值得认真对待。你给伴侣或朋友发去简短的几句话，就可能影响对方的心率、呼吸频率及某些化学和蛋白质合成相关过程。文字不是没有身体后果的抽象符号；它们会通过一个人的经验、理解和预测，参与塑造这个人接下来如何调节身体。

    在强调个人自由的社会里，表达自由当然重要，但自由与责任并不矛盾。我们每天说的话、发送的信息，都可能给别人带来支持，也可能增加负担，即使影响并非出于我们的本意。这个结论不是要每个人时时刻刻控制别人会不会受伤，而是要认识到，我们的社会互动并不只发生在观点和词句层面，同时也发生在身体与神经系统的层面。学会更准确、更体贴地使用语言，就是学习怎样更负责任地与他人共同生活。

    压力不一定有害：关键在于支出之后是否恢复｜1:52:26

    问：既然运动、工作和学习都会消耗身体资源，我们是不是应该避免所有让自己紧张的任务？所谓有益压力与有害压力，在你的身体预算框架下应该怎样区分，面对一场高压会议又该怎么办？

    Lisa：不能把“有压力”直接等同于“发生了坏事”。如果完全没有压力，就意味着我们不再为任何事情付出努力；学习、运动、面对挑战、完成有价值的工作，都可能需要一定程度的压力。科学家有时会区分好压力与坏压力，我更愿意把区别放在身体预算上理解：有些压力是有计划、可预期的，投入资源之后能够获得补充与恢复；另一些压力则持续存在、难以控制，人不断付出成本，却得不到相应恢复。真正让人担忧的，往往是长期的、反复征收成本却不给身体恢复机会的负担。

    如果你刚刚开完一场令人极度不愉快的会议，会议明显影响了自己的心境，那么某种代谢代价很可能已经发生。下一步不只是评价“那场会真糟糕”，还应考虑自己是否需要喝水、吃东西、休息、活动或重新安排接下来的任务。这个视角并不表示遇到不合理的工作环境时，只要做好呼吸练习就不必改变环境；它意味着我们应该同时看见外在问题与身体承受问题的能力。在预算吃紧时继续忽视恢复，往往会让下一次行动更加困难；而在适当投入之后认真补充资源，可以使有意义的努力更可持续。

    神经科学是否改变了我对上帝与宗教的看法｜1:53:27

    问：面对大脑与神经系统令人惊叹的复杂性，有人会认为背后必然存在造物主。多年的神经科学研究改变了你对上帝、宗教和精神世界的看法吗？你如何区分科学惊叹与宗教信仰？

    Lisa：没有。我对宗教的个人立场很明确：我是一个坚定的无神论者。我认为大自然、大脑和神经系统确实美丽而复杂，科学研究越深入，越容易被其中精巧的结构和关系所震撼；但我并不觉得复杂性本身意味着必须存在一位设计者，也不认为“它如此不可思议，所以必定有人创造”是一种对我有说服力的逻辑。作为科学家，我对大脑的惊叹不需要通过超自然解释来完成。

    不过，这并不代表科学研究会让我停止思考人们通常借助宗教面对的问题。理解大脑怎样创造意义，反而使我更经常追问：我们为什么活着？应该怎样生活？在没有预先写好的宇宙目的时，一个人应该怎样看待自己的一生？对我来说，这些问题并没有随着神经科学的进步变得不重要，只是我更愿意通过哲学而不是宗教信仰来探索它们。

    生命的意义：把世界变得比来时更好一点｜1:54:25

    问：如果科学无法为每个人提供一个预设的生命目的，一个科学家如何回答“人为什么活着”？你最近重读苏格拉底哲学的书，思考过学术成就、培养下一代科学家和知识传播，最后更看重哪种遗产？

    Lisa：我最近又在读一本书《Open Socrates》，这是我第二次读它。我从中接触到更多苏格拉底哲学的思想，尤其受到一种态度的启发：意义不是一个应该每隔十五分钟就匆忙问答一次的问题，而是要放到整个生命的跨度里反复思考。我的工作研究一个持续与身体、他人的大脑和身体、以及物理世界互动的大脑，怎样创造出不同文化中的不同心智。这种工作让我越来越重视哲学，因为哲学也在追问宗教长期试图回答的那些问题，只是对我来说，它提供了一条更舒适、更有吸引力的路径。

    如果一定要用一句话概括我个人的答案，我希望自己能让世界比我发现它时稍微好一点。这让我想到 Johnny Appleseed 那种一路播下种子的意象。科学家当然需要生活，也并不厌恶金钱，但许多人的研究动力并不主要来自收入，而是好奇心、求知欲，以及发现过去没人理解的事情。到某个阶段，我们会开始思考自己能留下什么。绝大多数科学家都不会成为达尔文、威廉·詹姆斯或海森堡那样的人物，那我们难道就没有值得在意的贡献了吗？我认为当然不是。

    我发表了不少经过同行评审的论文，别人介绍我时会谈到引用次数和学术影响力，主持人在访谈中也提到我在心理学、情绪科学与神经科学中的研究影响，以及较高的引用排名。这些认可很好，我也感激，但如果认真想想，我更愿意把自己真正的遗产理解为我培养过的人、与我共同讨论过问题的心智、那些受我影响而出现的新实验室，以及一代又一代彼此培养和影响的科学家。我同样是被别人训练、被别人的思想改变的人，所以这种遗产不是某一个天才留下的静态作品，而是人与人之间持续发生的知识传递。

    过去我在课堂上教学时，经常对自己说：如果这门课最终只改变了一个学生的人生走向，哪怕只有一个，我的工作也已经有价值了。现在做公共科学传播，我仍然抱着类似的愿望。如果我发现或解释的某个科学原理，能够让一个人更有意识地决定自己怎么生活，更好地照顾所爱的人，或改变他对孩子的养育方式，那么这就是我希望留下的影响。这样一种由观念传播形成的遗产也有难处：我们常常永远不会知道自己的想法后来究竟影响了谁。但我愿意接受这种不确定性，并继续做下去。

    不执着于身份，能否活得更自由｜1:59:32

    问：上一位嘉宾留下的问题是“怎样不追求获得任何东西而生活”。如果连不执着本身都可能成为一种追求，我们要怎样与身份相处，才能不被过去束缚？改变记忆、环境与注意力又有什么实际作用？

    Lisa：听到这个问题时，我知道上一位嘉宾是一位修行者，也是一位少林黑带习练者，于是想到它带有某种佛教式的意味：不执着于财富、地位或自我认同。不过我也觉得，这个问题有一个有趣的矛盾。即使一个人不追求财富与权力，他可能仍然在追求觉悟、平静或精神上的解脱；换言之，完全“不获得任何东西”或许没有表面上那么容易定义。与其问一个人怎样完全不追求，不如问怎样生活，才不会持续让自己所相信的身份变成痛苦的来源。

    我会从我们一直讨论的大脑原则开始回答：一个人并不存在独立于每个当下时刻、始终保持不变的内在身份本质。每一次行动与体验，都是被记住的过去和现在的感觉输入结合的结果。因此，要改变当下的自己，就可以改变对过去的记忆与理解、改变未来的预测，也可以改变当下提供给大脑的感觉环境。你可以真正起身走到别的地方，出去散步，换一个空间；也可以不改变物理位置，只改变正在注意什么。正念练习就是其中一种方式：许多感觉原本处于注意的背景中，当你有意识地转向它们，它们就进入体验的前台。

    例如，此刻你也许完全没有注意椅子压在后背和腿部的感觉；但只要我提醒你注意那个接触压力，这些信号立刻可能变得清晰。大脑接收到的信息未必在这一秒发生了根本变化，变化的是哪些信号被赋予了注意和意义。人的生活也是如此：过去经验一直存在，但我们并不必然在每个时刻都重复过去相同的行动。真正值得记住的是：你在当下做什么，就在当下成为怎样的人。这比“我是我过去所做一切的总和，所以我永远只能是那样的人”更能为改变留下空间。如果不把自己牢牢固定在一套必须维持的身份叙事中，就可能减少对那些用来支撑身份的财富、成就、标签和他人评价的执着。

    访谈的最后，主持人说他很容易再次落入“我就是过去三十多年所做过的那些事”的思维陷阱。我理解这种体验，因为预测式大脑原本就倾向于用熟悉的过去组织现在。他还说，这场对话改变了自己理解大脑的方式，并感谢我把实验室中的知识带到公众面前；他特别提到了我的著作《How Emotions Are Made》（《情绪是怎样产生的》）与《Seven and a Half Lessons About the Brain》（《关于大脑的七堂半课》）。我感谢他这样认真地看待科学传播，但我最希望这段对话留下的，并不是一个新的固定标签，而是一条能够重复实践的原则：记得自己并非只能被过去定义，然后在可以选择的地方，做出一点不同的行动。我们无法在所有时刻、所有条件下任意改变人生，却可以通过重新理解过去、主动选择环境、调整注意力和不断创造新经验，让未来的大脑拥有更多可能。

    Post #2
  • 3B1B：从未有过比现在更好的时代去投身数学
    谈笑风生

    陶哲轩（2006 年菲尔兹奖得主）

    证明丰裕时代：我如何理解数学、人工智能与人的未来

    ——关于数学发现、形式化证明、人的理解、教育、学术制度与公共利益的讨论

    编订说明：本文依据五份截至 2026 年 11 月 2 日的材料，改写为以陶哲轩为叙述中心的第一人称综合文章，而非陶哲轩实际发表过的单篇作品或逐字引语。原材料包括：2026 年 10 月 22—23 日哈佛大学数学科学与应用中心（CMSA）“人工智能时代的数学研究”峰会报告；克里斯托夫·赖辛格等六位作者于 10 月 28 日完成的《人工智能赋能世界中的数学科学》预发表稿；吉里娅·拉纳德 10 月 29 日发表于我博客的客座文章《人工智能、数学、教育与公共物品问题》；弗兰克·卡莱加里 11 月 1 日发表于我博客的客座文章《数学已经改变，我们就应当据此行动》；以及卡尔蒂克·C. S.、阿米特·萨海、薛杰 11 月 2 日发表于我博客的客座文章《人工智能时代的无我数学》。下文凡涉及这些作者的个人经历、判断或研究报告，均予以明确说明，不将其冒充为我的亲身经历。涉及 2026 年研究突破和产品价格的数字，保留材料原有的时间范围及其“声称”“估算”“未经同行评议”等限定。

    一、数学究竟发生了什么变化？

    如果要概括 2026 年数学界发生的事，我会说：我们正在由一个“证明稀缺”的时代进入“证明丰裕”的时代。数学始终是人类精神优美而有力量的表达：它既因自身而值得探索，也是人类描述、预测、理解世界的基础。数学支持科学和技术，人工智能反过来又建立在数学与理论计算机科学、统计学、工程学之上。现在，数学问题已经成为训练和评估前沿人工智能推理能力的重要环境；从这类环境中成长起来的模型，也开始贡献数学结果。这种互相促进的关系可能让我们探索此前不敢想象的领域，但也会迫使我们重新思考数学研究如何生产、验证、传播、评估、资助以及传承。

    我不愿把这种转变说成“数学终结”。10 月 6 日，OpenAI 一次发布超过 700 篇研究稿件——较具体的统计是 719 篇，划分为 372 个结果家族，来自大约 4000 道尝试过的问题，其中约 300 篇附有 Lean 形式化成果，3 篇在一天内撤回。它确实是一个分水岭，但不能因为模型能够在一系列领域取得突破，就说数学已经被解决。2026 年 9 月的纳维—斯托克斯结果尤其容易引起误解：材料所述的是一个有关受迫方程爆破的重大解题主张，包含自然语言论证及 Lean 检查版本，但所称结果与千禧年问题要求的命题之间存在语义对应争议，而且当时尚未完成独立同行评议。原稿中一个系统花费约 88 小时、动用约一万代理、生成约 1300 亿输出词元，后续形式化又使用约 17 小时。昂贵的计算和形式验证都不能自动消除“机器究竟证明了哪个命题”的问题。重要的是，我们不能把公告、通过特定验证的形式命题、被数学界接受的定理和公众所理解的数学突破混为一谈。

    这些能力的增长确实惊人。2026 年 5 月，AI 给出针对厄尔多斯单位距离猜想的反例；7 月，材料记录了与格罗滕迪克问题、三维雅可比猜想相关的反例；8 月涉及非 sofic 群的构造；9 月有费马大定理的机器形式化和纳维—斯托克斯主张；10 月的大规模发布还涉及唯一游戏猜想、准黎曼假设、整数乘法算法、CM 阿贝尔簇上的霍奇猜想，以及关于卡凯亚猜想、指数时间假设和杨—米尔斯问题的新主张。此处各项的证据地位并不相同，有的是已经核查的形式化，有的是未评审的手稿，有的是尚待解释或可能需要修订的声明。报告还记录：曾有三个手稿因符号错误失效；著名难题清单上的快速成果往往需要检索旧文献，避免把旧结果误称为新发现。数学不因一则公告而闭幕，恰恰相反，每一项真正解决的问题，都可能打开另一片更广阔的研究地域。

    即使只看传统基准，进步也足以改写我们的预期。国际数学奥林匹克在 2025 年出现 35/42 分、金牌水准的模型成绩，2026 年又有多个 42/42 的报告，但其认证方式有官方阅卷、模型自评等差别；2025 年普特南竞赛的最佳代理取得 103/120 分，大致进入 4329 名人类参赛者的前三名；FrontierMath 第 4 难度层级在 2026 年 9 月某个经修订的 43 题版本上有达到 100% 的报告。First Proof 第二批十道未公开研究问题中，至少七题获得某种通过审阅的解答，39 份提交里约 17 份通过，其中 5 份无需修订、12 份需要小修改；第三批采用 24 小时、无人干预、错误答案扣分的标准，ProofCouncil 流程解出 9 题，GPT-6 Astra 单次调用解出 7 题，Siege 解出 3 题且对 5 题弃答，MerLean 解出 4 题；不同系统合起来覆盖全部十题，开放权重 Kimi K3 流程则一题未过。这些测试在题目选择、时间、成本、评分规则和检查方式上不相同，不能拿来直接拼接成一条简单的能力曲线。

    真正尚未解决的问题是另一回事。在 DeepMind Aletheia 对 200 个自选厄尔多斯解答的复核中，68.5% 有缺陷，25% 因理解题意不当而无实质内容，只有 6.5%、即 13 项有意义；13 项中 8 项早见于文献，5 项可能新颖。AlphaEvolve 对 67 项构造问题多能重新发现已知最优结果，偶有小幅改进；一次在 353 道开放厄尔多斯问题上的搜索解出 9 道，在 492 项 OEIS 开放猜想中解决 44 项；经人工挑选的 68 道 FrontierMath 厄尔多斯问题里，最佳模型仅解决 3 道，约 4%，其余多数为零；另一个 49 题的开放问题集合中，5 题由 AI 自主解决、5 题由人引导 AI 解决、39 题未解。对于真正开放的前沿问题，成功率仍然远低于竞赛题或已有答案的测试集。2026 年 10 月的材料还指出，在 OpenAI 约 4000 次尝试中取得的重要结果，大致是每十个问题成功一个的量级。最前沿的问题大多数仍然没有解决，即使投入巨量计算资源也一样。我用“崎岖的前沿”形容这种状况：在某些方向惊人地强，在另一些方向仍然薄弱。

    我关心的不仅是数字。AI 已经能够帮助检索跨领域文献、检验例子、寻找反例、产生猜想、组合现有技术、完成繁重计算和长篇分类讨论、寻找证明中的漏洞，并把大量正确陈述整理进形式系统。最明确的成功常常发生在路线图大体清楚、但最后几步极为繁复的地方，然而反例构造等案例又说明它不只会“走完人类画好的路”。一个典型的人机合作流程仍是：人提出项目和精确问题，给出结构性思路；AI 尝试证明；人逐轮指出推理、文献、结构方面的问题；模型改写；最后人把可以理解和承担责任的结论纳入更大研究计划。我们必须记录人给过哪些提示、模型用过多少资源、失败过多少次，以及形式化结果与自然语言主张是否一致。否则，我们得到的只是难以比较、难以复现的成功故事。

    二、如果人工智能能解决著名难题，我为什么仍然相信数学没有结束？

    弗兰克·卡莱加里在我博客发表的客座文章为这个问题提供了很有力的回答。他指出，公众和研究者常把某一领域最著名的猜想当作这门学科本身，其实这些猜想只是当前理解的自然边界。即便朗兰兹纲领中的函子性与互反性问题全部解决，也不能说“数论被解决了”，就像发现元素周期表不能宣称化学已经完成一样。我同意这里的基本区分：一个问题的解决，是新问题出现的条件。2026 年那些突然宣布的结果会令人不安，尤其当一个研究者公开提出过的多个主要问题一次性全部被声称解决。雨果·迪米尼尔 - 科潘坦承，自己在报告、文章、讲座甚至基金申请中谈过的主要开放问题，没有一个未被触及；他本以为其中会有几个，却没有想到是全部，也没有想到以这样轻描淡写的方式发生。不过他同样表示，数学共同体具有韧性，会适应变化。

    卡莱加里借用有限单群分类说明这种心理冲击。1972 年丹·戈伦斯坦提出分类计划，1983 年宣布分类完成，但准薄群情形直到二十年后才由阿施巴赫和史密斯补足。分类是巨大的成功，也在一定程度上使有限群论失去它原先吸引大众研究注意力的那个“著名问题”；然而该领域仍有丰富内容，甚至“为什么魔群存在”这样的深层问题始终值得追问。想象一下，如果 1970 年的群论学者突然收到整个分类的海量手稿，还是用酒精复印机印得模糊不清、像纸屑一般散落在办公室，他们的震惊会和今天某些数学家的感受相似。我们需要类似戈伦斯坦、理查德·莱昂斯和罗纳德·所罗门重订分类时的系统整理工作，也要告诉年轻人：旧路没有消失，新的工具让我们更有理由深入旧路周围尚未理解的结构，大学也应当在聘任中认可这种研究。

    卡莱加里还讲述了一个足以说明“定理结论不等于理解”的数论例子。他从 15 岁开始思考ζ(3)\zeta(3)究竟是什么，起初梦想发现欧拉遗漏的某个公式，后来逐渐意识到，围绕格罗滕迪克的周期猜想以及混合 Tate 动机几何的精细结构——其中有唐·扎吉尔、亚历山大·贡恰罗夫、弗朗西斯·布朗等人的研究——才可能提供真正令人满意的解释。证明ζ(3)\zeta(3)无理，甚至证明它超越，可能只是深层问题投下的影子。阿佩里的无理性证明之所以持续激励他三十多年，不仅因为结论，还因为它透露出代数GG函数与算术之间尚未揭示的联系。这样的例子在提醒我：我们应该奖励寻找结构的人，而不只奖励最先抵达一个标准终点的人。

    他的研究经历也很具体。他 17 岁便知道自己想研究代数数论和朗兰兹纲领，却在墨尔本大学受到瑟斯顿学生和低维拓扑学家的熏陶，接触双曲三维流形，因此知道双曲几何与算术比表面上密切得多。他设想：对每个虚二次域FF，由非分裂四元数代数D/FD/F给出紧算术双曲三维流形的多个可公度类；其中的流形MM经双曲四面体分解产生K3(F)K_3(F)中的元素，体积总是ζF(2) π−2∣ΔF∣\zeta_F(2)\,\pi^{-2}\sqrt{|\Delta_F|}的有理倍数。是否能够把不同可公度类中的这些元素看作几何的科利瓦金系统——仿佛“希格纳点”——再经某种尚未知晓的整算术版本的雅凯—朗兰兹对应关联起来？他长期没有真正追究，一是相关前提猜想太多，成果会高度依赖条件；二是搭建足够精准的技术背景要耗费巨大精力。现在，AI 也许能降低进入此类大胆设想的门槛。研究的任务不是按下按钮要求证明某个定理，而是探索一个尚不知是否合理的方向。最有潜力的变化，恰恰可能发生在过去因背景知识过于分散而几乎无法启动的领域交叉处。

    这也是我为什么不主张人人必须使用 AI，更不主张人人都应拒绝使用 AI。卡莱加里引用克里斯蒂安·塞格迪的比喻：过去数学赞美能徒手攀上无人登临山峰的探险者，今后挑选值得探索的地形、驾驶一队飞机、向全世界解释发现的人可能更重要。但如果一个人在地面上始终闭着眼，即使乘飞机飞得再高，也不一定看得懂眼前的景色。数学训练中长期形成的技术能力、审美判断和推理经验并没有贬值，它们会成为我们理解新发现的前提。悲观者认为游戏已经结束；乐观者看到的则是游戏规则正在改变。对旧文化中某些将会失去的东西感到悲伤，是可以理解的人类反应；但为了维护熟悉的数学职业制度，反而拒绝数学本身的新机会，那就本末倒置了。

    三、证明越来越容易时，什么才算真正的数学贡献？

    这是我认为整个转型的核心。数学不等于定理的计数。对于一个形式系统，我们可以引入无数定义并推导无数正确陈述，可是其中只有少数能揭示结构、连接看似无关的现象、解释事情为什么如此，或为下一代研究打开方法。AI 提高了产生正确结论的速度，却没有自动提高人类吸收、消化、组织结果的速度。过去，“谁先给出证明”在数学职业评价中占据很高地位，原因之一是证明很难获得，因而结果本身可以部分代理深层思考能力。现在这个代理指标正在失效。对于从现有工具只需少量工作就能产生的证明，我们必须把注意力转向真正增加人类数学理解的工作：提出值得问的问题、创造新定义、揭示理论的统一性、发现适用边界、整理可靠文献、把机器证明翻译成可读的数学、追踪反例与未解决方向，并在不同领域的人之间建立沟通。

    数学界不是第一次面对技术改变劳动价值。1903 年，弗兰克·纳尔逊·科尔花了三年里的许多个星期天，手算得到267−1=193707721⋅7618382572872^{67}-1=193707721\cdot761838257287。那时这是值得称道的数学贡献；一个世纪后，再用手重复同样的分解，即使假设答案从未发表，其对整个学科的新增价值也会小得多，因为计算机代数系统几乎瞬间就能完成。AI 正在改变“难”与“易”的经济学。卡莱加里因此提出一个看似激进、却十分务实的标准：评估一切成果时，都假定它可能得到 AI 帮助。他并非否认不借助机器独立做数学的价值，而是认为若一个结论本身已可由机器轻易得到，就不应仅凭这个结论决定论文和作者的学术地位；即使一个证明完全由人提出，只要它带来了新想法、新结构、新解释，仍然可以得到很高评价。反过来，一个人用 AI 得到了关键证明，却能彻底理解它，并据此开辟重要的新问题与研究计划，也作出了扎实的贡献。

    哈佛 CMSA 在 2026 年 10 月 22 日至 23 日召集了来自大学、政府与产业界的 32 位数学家，围绕研究评价与传播、AI 时代的协同行动、开源工具、数学形式化以及学术界与 AI 实验室合作建立五个工作组。这份峰会报告认为，数学是由许多不同类型的学术劳动共同推进的。我们应当承认独立证明的专业训练、实质性部分进展、优质综述与教材、将复杂论证简化的解说、跨领域数学素养、创新研究问题与猜想、开源和众包项目的维护、形式化与技术基础设施、AI 工具的新用法、大型项目中的组织工作以及共同体领导力。人类即使在 AI 之后才独立获得一个推导，其训练与理解也未必没有价值；一篇能够把验证过却晦涩的机器证明转化为人类可以学习、使用、质疑的数学文章，理应获得正式学术荣誉。

    研究成果的署名和传播也应改变。传统期刊论文不是学术交流的唯一载体。数据库、互动论文、可复用的程序与形式化库、讲座、博客、视频、可视化、经过精炼的说明文字，都可能推进数学知识。研究型书籍、专著、教材、长篇综述也应在聘用与晋升中得到更大权重。大型合作可以参考实验科学的分工模式，将调查、分析、核验、写作、审阅、编辑和经费筹措等角色分别注明；如果作者之间没有清晰分工，作者就应对论文主张负共同责任，具备逐层解释论证的能力。AI 检查和形式证明检查都不能替代人的责任。新文章当然应引用此前有价值的阐释文章；应用某个结果的论文则应引用最有助于读者理解和继续研究的材料，而不必拘泥于机械地只追溯最早的宣告。

    2026 年数学论文爆发式增长，充分说明旧制度的压力。9 月 arXiv 数学类提交约 7428 篇，相比 2025 年同月 4252 篇增长约 75%；所有类别当月约 40363 份，而两年前是 20569 份。10 月 1 日起，arXiv 对每位投稿人在所有类别中设定每月两篇的临时上限；10 月 19 日，六家重要概率与统计期刊因无法处理大量投稿而暂停接收。模型致谢在 arXiv 数学论文中的比例据材料从 4 月约 4% 增长到 8 月约 25%，而用于查资料、编程、校核的实际使用可能更高。发表速度与审稿容量之间的缺口，只靠“更快审稿”填不平。我们要分开审视三个问题：它是否正确、是否重要、是否被人理解。对能够形式化的成果，计算机辅助核实正确性可能减轻审稿人负担；对应用数学、统计和运筹研究，相应地要检查可复现代码、数据、建模假设、不确定性与现实有效性。意义与理解依然需要专业共同体判断。

    还应重建公开知识的组织方式。厄尔多斯问题集合、布尔冈项目、LL函数与模形式数据库 LMFDB、Beyond n log n 等展示了新的可能：把定理、猜想、实例、反例、实验、核验状态、可复用代码和检索接口连在一起，让人和模型不再迷失于海量论文。Hexagon 已开始承载 AI 辅助和 AI 生成的数学成果，Palomar 记录 Lean 验证状态；不同平台可以将“公开传播”与“专业确认”分开，同时保留版本历史。Polymath 项目、Equational Theories Project、逆伽罗瓦问题竞赛，则可让非职业研究者通过易懂解释、主持讨论、开放的参与入口和可视化共同参与数学发现。我也欢迎 3Blue1Brown、Numberphile、Proofs and Prompts、First Proof 的专家评议、ICARM 的教程以及博客等形式，让人们认识数学不仅是已知猜想被攻克的故事，也是意外现象与审美经验不断出现的过程。

    四、机器发现真理，会让数学家失去价值吗？

    我在 11 月 2 日刊载了卡尔蒂克·C. S.、阿米特·萨海和薛杰的客座文章《人工智能时代的无我数学》。他们认为，讨论数学家的价值，首先不该问“机器会取代人的哪项技能”，而应问“我们为什么研究数学，数学工作的价值究竟在哪里”。我们习惯用论文、引用、奖项和各种指标评价知识生活，这些工具原本有实际作用，但如果把它们当成个人价值本身，数学家就容易被还原成一组产出能力。这样一来，机器比人更快完成任务，便仿佛也证明了人的无足轻重。可这种困境早在 AI 出现以前就已存在：我们先把自己理解成机器式的生产单位，再因真正的机器在这些指标上超过我们而感到失落。

    数学有两种经典的哲学图景：一种认为数学由我们通过概念、定义、公理和理论的构造而被“发明”；另一种认为数学真理独立于人的活动存在，我们所做的是“发现”。二者在日常研究中并不必然处处冲突，因为任何一位研究者都需要创造语言和论证。真正的分歧在于：某种数学关系之所以成立，究竟是因我们这样规定，还是因为我们的规定帮助我们看见了不能任意决定的东西？这篇文章用古生物学家找化石作比喻：化石原先就在地下，发现者仍需选定挖掘地点、创造技术、辨认残片、发挥非凡想象；化石不是因他寻找才存在，却不因此使发现变成被动劳动。数学同样如此：我们为一个目标引入的定义，可能出乎意料地联系了别的领域；我们原先信服的猜想，可能遇到反例；两套来源不同的理论，可能表达同一结构。面对这些发现，我们能修改定义或放弃猜想，却不能凭愿望把错误证明变成正确证明。

    柏拉图主义为这种独立性提供了自然解释：在任何人证明素数有无限多个以前，这件事就已经是真的。我们可以选择描绘结构的语言，却不能以同样方式选择它的全部性质。这并不是说所有知识都能化为数学，或者数学成就就是精神生活的终极目的。它只是在提醒我们：数学真理不会因发现者的身份而更真，也不会因发现者是机器而减少价值。一个人理解证明时，思想与一种不属于个人的有效关系相符合；通往认识的道路带有个人印记，但被认识的结构可以被他人共享。为什么某个定义令人豁然开朗，另一个只是增添符号？为什么有些定理连接了原本分离的现象，另一些几乎没有解释力？这涉及超越个人口味的数学判断。推理使关系和根据显明，却不能单凭更长的推理链决定我们应该理解什么，或者为什么应当追求理解。

    文章因而提出“无我数学”（egoless mathematics）。这不只是谦虚地少谈个人成就，也不只是慷慨地分享功劳，而是允许被发现的真理反过来改变我们的目标。若我只有在自己的重要性得到维持时才肯承认真理，那么真理实际上就成了服务自我的工具。数学训练越精深，有时甚至越能替执念找到精巧辩护；真正困难的是让自身才能服从事实，即使事实促使我重估一直以来的追求。机器完成一项重要发现，我们可以感到高兴，因为一个有价值的真理变得可知；没必要立即把它改写成机器与人谁更重要的竞赛。我们也不应退而以“创造力”“直觉”“品位”等暂时领先机器的能力来定义人的价值：那只是换了项目继续比赛，并未摆脱比较所造成的焦虑。

    这种无我的态度不是冷漠。解决难题或者获得奖项的兴奋，若完全建立在高人一等之上，可能转瞬即逝；真正理解某个曾经晦暗的关系所得到的喜悦不同。别人先发现它，并不会削减我在学习时领会的美；这种喜悦也能够与他人分享而不减少。文章坦承，这样的要求听上去近乎让人都成为圣人，而作者自己也远未达到理想。但如果我们愿意让德性成长，减少对自身地位的执着，就更可能因理解本身获得持久满足。它还为数学共同体中支持 AI 和拒绝 AI 的人寻找共同基础：有人希望积极使用新工具并建立恰当规程，有人坚持不用 AI；只要两种选择都是认真追求数学真理的方式，就不必把技术立场当作分辨数学价值的唯一标准。文章最后引用拉马努金据称说过的话：“一个方程若不能表达神的思想，对我就没有意义。”作者让读者想象：若拉马努金今天仍在世，见到机器的数学发现，他会因为自己的研究目的受到威胁而不安吗？数学之美早在我们出生之前已经存在，在我们离开之后也不会消失。

    这篇客座文章不试图替所有具体政策作决定。它说明的是一种可用于思考政策的更高层原则：承认事实、承担责任、分享理解、为认识本身而工作。三位作者在文末说明，观点完全是自己的，但承认使用 GPT Astra 6.0 和 GPT 6.1 Sol 协助起草。这也恰好体现了我想倡导的研究透明度：工具参与了写作，不等于工具应该被当作思想的主体，更不等于人类作者可以放弃判断与责任。

    五、我为什么认为教育才是最先发出警报的地方？

    吉里娅·拉纳德在 10 月 29 日的客座文章里，记录了她身为教师的两次对话。纳维—斯托克斯结果宣布后的第二天，一位学生到她的答疑时间，提出想讨论这件事究竟意味着什么，并说“我真的需要一点心理疏导”；另一个学生则告诉她，过去自己十分上进，现在各种模型凭一条提示词就能完成许多事情，已经提不起努力的动力。这些是拉纳德学生的经历，不是我的亲身经历，但它们指向一个我很重视的问题：年轻人不仅需要知道数学还在不在，更需要知道他们为什么值得花十年时间学习它；未来是否还有工作、研究环境与社会尊重，足以支撑他们投入艰难的智力训练。

    拉纳德回想，自己那一代学生不必在学习阶段面对 AI 的诱惑与威胁。无法立刻查到答案，反而迫使他们与朋友一道挑战难题，长期面对困难，逐渐喜欢上这样的思考方式。她也清楚，这种通过挑战和挣扎获得乐趣的过程并不适用于所有学生；完整的教育问题还需要更广泛讨论。她主要关心的是那些能够在适当支持下，从艰难训练中获益的人，以及他们日后能否继续走向大学、科研、工业界那些既困难又值得从事的职业。她说，这里的“工作”主要指博士通常从事、需要数学或其他复杂批判性思维的岗位，并不是试图解决 AI 时代所有就业问题。

    她曾参加印度浦那的 Gold 2002 数学训练计划，接受 M. Prakash 老师在 Bhaskaracharya Pratishthan 主持的训练。这个项目培养了 200 多名中学生，其中有人最终获得国际数学奥林匹克奖牌；她本人不是其中最顶尖的学生，也没有参加 IMO，今天更不可能拿菲尔兹奖，但她依然喜欢数学，并因早年的艰苦训练而掌握足以维持学术职业的数学技能，目前在大学电气工程与计算机科学系教授优化、概率、深度学习等课程。她的家人愿意支持她花几个月甚至几年去钻研看似离奇的数学问题，不是因为他们坚信她一定拿金牌，而是因为数学历来被认为是值得学习、能通向稳定生活的“好学科”。她还打趣说，自己也热爱跳舞，舞蹈同样美，但舞蹈水平不足以谋生，幸好数学这条路走通了。由此她追问：今天的家长与学生是否还能这样确信？如果博士生做理论研究却没有就业前景，他们为什么不直接研究更好的深度学习模型，或大学毕业就进入产业界？她观察到，过去实验室里大量本科研究生会申请博士，如今不少人更愿意直接工作。

    社会对数学的支持，从来不只是为了筛选少数天才。篮球运动要出现一个斯蒂芬·库里，需要整个时代的孩子都觉得打篮球有趣，需要大学联赛、课外训练和社区篮球。数学也一样，即使有人设想社会只需要“伟大的数学家”，也必须先训练成千上万的普通数学学生，才能辨认和培养其中的人才。事实上，我们需要的远不止这些少数人：许多数学家不会获得顶级奖项，但他们能教学、建模、探索、解释、创造联系、为现代社会提供批判性思维。数学家也不是必须成为忍饥挨饿的艺术家才能证明自己热爱数学。若 AI 让一个人完成从前五人或十人的产出，便缩减系所与研究生规模，社会会在短期账面上看到效率，却可能失去长期培养下一代知识工作者的通道。人们说数学可以像人文学科一样，因美而被学习；这当然可能，但如果缺乏好工作与稳定生活，参加这种训练的年轻人究竟会剩下多少？

    更令人担忧的是，AI 不仅能作答，还会逐渐擅长提出好问题、解释结果，乃至评价自身推理。我们今天通过数学题训练模型，使其能够写证明；明天可以用“提出好问题”或“清晰解释”建立基准，让模型学会思考和“元思考”。把就业希望完全寄托在机器暂时不擅长某一项认知技能上，并不稳妥。真正需要保护的是人类的整个智力文化，而数学在这里应作广义理解，包括自然科学、工程学、社会科学，以及许多需要复杂推理和批判能力的人文学科。硕博培养与入门岗位曾经同时提供两种收益：年轻人得到训练，也以实实在在的劳动为社会创造价值。当这种结构被自动化削弱，知识传承就不再是某个系所能独自解决的私事，而成了公共物品问题。

    我愿意把教育称为矿井里的金丝雀。几乎所有教师都遇到学生使用 AI 完成而自己无法解释的证明、作文、程序。学生选择捷径，往往因为按正确方式学习在现行评价制度下显得费时费力；尤其是在美国，教育文化太容易沦为成绩、徽章、证书、奖项的“贴纸收集”，鼓励做得更多、更快，却不保证理解得更深、更好。这种行为不会止步于校园：工程师可能提交没有仔细读过的代码，研究者可能发表自己不懂的结果，行政人员可能签署自己无法解释的决策。到某个时候，复杂决定会由机器提出，人类只负责看一眼、说“似乎合理”、签字放行。我们甚至可能丧失做可靠合理性检查的能力，因为长期不用，真正理解问题的心智肌肉已经萎缩。拉纳德把这种人类称作 AI 的“袜子木偶”——还不到完全的人肉代理，但已经足够危险。

    形式验证不能单独救我们。Lean 可以检查一个精确定义的命题是否从选定的公理与规则推出，未来我们可能拥有大量经过核实的形式证明；但这时最重要的问题也许转移到“形式命题是否真的表达了我们想知道的自然语言主张”。学习 Lean 本身还有很高的技术门槛，因此让验证工具广泛可用同样是教育与基础设施任务。拉纳德及合作者在 leantutor.org 提供过相关工作。若教育只教学生高层概念，却以“AI 可以处理细节”或“细节对学生太难”为由，放弃他们必须自己理解严格细节的要求，我们可能培养一代无法辨别深刻理解与表面熟悉的人。以前，知道正确的算法名字与解决问题的套路，往往足以在工作中发挥作用；未来机器可能擅长这些，而人更需要懂得算法为什么成立、依赖哪些关键假设、会在什么地方失效。

    好的教育应当鼓励学生说“我不懂”，要求澄清，礼貌而坚定地质疑权威。面对一种主要靠声望、语气或篇幅制造可信感的“恫吓式证明”，学生应能识别并追问。课程需要设置足以让学生深入概念、亲自碰到理解障碍的作业，也需要教师及时给予支持；学生在有支持的挑战中取得成功，才能逐步形成真正的自信。这意味着教师在 AI 时代需要更多资源，而不是更少资源。我们还应提供分层的基础课程，让起点不同的学生用足够时间完成严格训练；有人可能延迟毕业，但不应因学习起点较低而被永久挡在最难课程外。面向工具使用的课程——例如提示词工程、通识 AI 素养，甚至加州社区学院近年出现的相关培训——可以帮助当前就业，却不能挤占培养根本思辨能力的课程资源。训练必须更难、更好、更扎实，但不是一味更快。人与人之间的一对一辅导依然重要，尤其应当让不同程度的学生得到个性化支持；AI 工具能提供帮助，却不是解决教育困境的银弹。

    这里的“文化”不是抽象口号。拉纳德回忆，儿时看到报纸每年隆重报道诺贝尔奖，她未必懂得科学内容或文学价值，却理解到社会尊重创造、表达、知识与科学成就，也知道优秀值得追求。这样的价值取向并非自然发生，而是由无数制度性选择逐渐塑造。今天人们担心“英雄时代的终结”，诺亚·史密斯讨论过数学家即使继续作为“理解数学的人”保住工作，也可能失去英雄地位。拉纳德不认为必须永远把数学家当英雄，却担心年轻人失去学习榜样。她成长时敬仰那些聪明、迅速、勤勉又谦逊的学者；这种人物让孩子知道可以追求什么。社会如果不再崇尚深度与准确性，只崇尚速度和表面产出，未来的文化罗盘就可能失去方向。

    她还提到黄仁勋在埃兹拉·克莱因访谈中对乘法表、曲面积分、偏微分方程等知识是否人人需要的疑问。她在意乘法表不是因每个人终身必须手算，而是因为儿童通过11×1211\times12这样简单的算术，第一次体验到世界中有稳定、不随意志变化的事实——不变量。从认识这种不变量开始，他们才可能获得既脚踏实地又敢于质疑的自信；她引用《星际迷航》中皮卡德“那里有四盏灯”的故事说明对事实的坚持。当然，如果未来找到一种比乘法表更有效、同样能培养这些能力的课程，她并不反对替换。偏微分方程的数值程序则是另一例子：人类社会即使不是每个成员都懂方程，依然能够通过专业共同体理解计算机究竟做了什么。这种分布于人类社会之中的理解能力不能直接由机器代替。我们应尊敬背熟乘法表的孩子、钻研偏微分方程的研究者和获得菲尔兹奖、诺贝尔奖的学者，并为形成专业知识提供独立于 AI 现阶段能力的长期空间。每培养出一位真正具备能力的博士，就是增加了一位人类专业知识的承载者。

    六、研究生、招聘、学术期刊和研讨会应该怎样改变？

    我们的研究生长期以来通常是在导师熟悉的一个领域里寻找尚未完成的技术问题，从变形、推广或细化既有结果开始，逐步学会使用工具，再尝试提出更大的问题。这样的博士训练曾经十分有效，但如果一个标准题目可以由机器按键完成，我们就不能再只看论文数量或最终结论来判断一个学生。卡莱加里建议毕业时的博士应当同时拥有两种能力：一方面，眼界超出自己的狭窄专业，懂得其他数学领域有哪些重要问题和联系；另一方面，至少在某些具体问题上展示扎实的技术能力。只会广泛谈论概念而从不推导细节是不够的，只会机械完成某个子领域的计算、却完全不知道它与数学其他部分的关联，也同样不足。博士课程应在教授严格技术时，让学生理解这些知识在别处能做什么；即使多年后忘记细节，也应保留对研究方向、核心问题和联系的清楚印象。

    课堂考核同样必须分层。没有 AI 的现场考试，仍是确认基础知识与独立推理能力的一种重要方式；同时，我们应设计可以使用 AI 和其他计算工具的项目、作业和家庭考核，要求学生说明问题如何表述、为何选择某种模型、如何验证、怎样解释结论以及如何向不同受众沟通。口试、面对面讨论和答辩所占的权重应该增加，因为它们能探测学习者的实际掌握程度。材料提到一项随机对照实验：学生不受限制地使用 GPT-4，撤去工具后成绩反而低了约 17%；具有约束、引导学生学习的辅导系统则大幅减轻负面影响。这里不能推导出“AI 必然妨碍学习”，而是说明工具的使用方式、教学目标与防止依赖的设计至关重要。我们应当明确告诉学生什么可以借助 AI 完成、哪些核心能力仍需独立形成，也要提供公平的工具获得途径，避免家庭条件变成新的学习门槛。

    博士训练有双重性质：它既是培养研究者的教育过程，也是研究项目本身的起点。在训练阶段，独立完成艰难证明、亲自编写和调试代码可能很有价值；在具体研究阶段，AI 可能大大提高效率。一个为训练而有意少用 AI 的学生，毕业时往往比大量调用模型的同学少发论文，所以我们在考核时必须避免让遵循良好训练原则的人反而受罚。学生还需要学习如何与合作者沟通、如何在各类数学工具之间选择、如何检查形式化证明以及如何与行业对接；研究生的心理健康也不可忽略。害怕 AI 抢先发表、不断开辟新的代理会话而觉得任何休息都在浪费机会，这种压力已经有人报告。研究生不仅需要机器使用指南，更需要有导师、同事、学术共同体和资金制度共同承担风险。

    招聘机制应对上述变化作出实际回应。卡莱加里的建议是：不只终身教职，博士后、研究生申请都应更重视面对面面试。他见过材料上说研究“高阶同伦论”的新生，却算不出圆周的同调；也曾对某位资深候选人最初有所犹豫，半小时办公室谈话后却清楚看到其深刻数学愿景及向同事解释的能力。未来的申请者应当说明自己希望数学走向哪里、哪些技术让这个方向可能实现，能否与不同领域的人进行真正的数学对话，以及既往的研究是否体现这些志向。能够流畅讲解与真正理解数学虽有联系，却不等同；他最终更重视后者，但仍希望两者兼备。因此，在招聘材料里，除了研究论文和推荐信，不妨增加交流陈述、解释性视频、面向不同对象的数学阐释成果；推荐人也应评价广度、协作、形式化、维护公共资源与研究组织能力。在制度转型期间，系所甚至可以暂时允许研究陈述不写具体未来研究计划，因为单个可证明命题的寿命可能短到无法适应传统招聘周期。

    期刊应对论文的写作质量、思想价值与解释力提出更高要求，而不是默认“越多越好”。卡莱加里提醒，期刊在 AI 出现以前就已鼓励大量零碎的增量论文；被期刊接受不一定保证正确，更多时候只是一种质量印记。若一个结果已经在预印本上得到充分公开，却没有可读的说明、没有思想上的推进，未必还值得以传统论文再次出版。我们真正需要的是更少、更好、经过认真消化的文章。既然传统刊物可能难以迅速协商改革，就应探索专题性解释期刊、重视清晰和用途的《Essential Number Theory》式刊物、经验证的结果注册簿、叠加在预印本之上的学术评审，甚至在必要时暂时不以期刊盖章作为唯一荣誉来源。机器自主产生且经过 Lean 核对的证明也可以进入公共知识库，只是不必与承担充分人类解释责任的文章争抢同一形式和声誉体系。

    研讨会同样要转型。传统报告常把大部分时间用于展示最近证明中某个局部技术改动，听众却没有足够背景理解它为什么有意思；报告应该更多讨论整个领域值得思考的目标、哪些道路阻塞、哪些地方出现希望、哪几种新思想值得尝试，最后才介绍具体的最新成果。研究生应获得练习这种表达的机会，而资深教师也有责任在报告中主动追问背景、动机和解释。最成功的学生群体往往是一起学习、经常互相讨论数学的群体。我们不能让个体与机器的独处替代这种共同成长。还应承认许多数学博士最后不留在高校，反思学位年限和结构是否符合非学术职业的真实需要。

    哈佛峰会尤其强调青年研究者在转型中同时拥有最多机会与最大不确定性。资深学者拥有相对稳定的职位与资源，应主动保护年轻同事，避免把新技术造成的不确定性集中转嫁给他们。对于已经取得稳定教职的数学家，卡莱加里说得更加尖锐：与其整日担心 AI 抢先解决一个手头小问题，不如利用已有安全地位探索新问题、建造长期研究计划。我们不妨承认同一结果的独立部分进展，考虑合作而非抢夺优先权；必须禁止把同事尚未发表的研究思路输入模型后据为己有。研讨会有人提出问题时，应先向演讲者发问，再考虑询问模型。发现论文错误也要区分局部笔误与使主结论失效的缺口，并遵循先与作者沟通的传统规范。数学审查当然需要严格，但严格不应成为不近人情、抢先攻击或夺取署名的借口。

    规范应当具体化为透明的“研究方法”章节，说明人和 AI 分别承担什么任务、使用到什么程度、验证环节由谁负责。不能把形式证明或 AI 检查当作转移责任的凭据。期刊、学会、资助者和评审机构应建立可修订的指南，涵盖论文作者、审稿人和申请评审，尊重选择不使用 AI 的研究者；同时说明什么情况下必须披露 AI 协助，如何引用先前成果，如何在复杂的大团队中明确职责。我们还应在学术活动和资助评价中防范 AI 筛选人选可能带来的隐私、法律和偏见风险。数学真正值得保护的规范，包括公开讨论、归功准确、合作、同行友善、对事实负责，而不是对某项技术使用方式的单一忠诚。

    七、为什么“证明被机器检查通过”仍不等于“数学被人理解”？

    形式化证明是本次变化中最有力量的基础设施之一。Lean 等证明助手让研究者用精确得类似程序语言的语法书写数学陈述和推理，由可信的逻辑内核检查每一步是否符合形式规则。哈佛峰会材料称，Lean 的通用数学库 Mathlib 当时已有约 250 万行形式证明，来自近 800 名贡献者；另一份英国报告在不同统计口径和时间点讨论了约 950 位贡献者、65 位审阅者。不要把这些数字误当成同一时刻的精确人口统计，它们共同说明的是：巨大的公共形式化成果，实际上依赖许多人的持续维护，而最稀缺的工作未必是编写更多行代码。

    过去，绝大多数现代研究论文难以完全形式化：一方面，基础库缺少大量必要的概念与定理；另一方面，即使已有背景知识，写出严格形式脚本所需的人力、时间和经验也太高。AI 使这种状况骤然变化。2026 年 9 月，Anthropic 代理在 11 天内把费马大定理转为形式证明，报告记录约 1300 万行 Lean 代码、约 29500 至 30300 个中间定理以及约 60 亿输出词元，使用标准公理。这是当时 Mathlib 体量的五倍以上；它表明自动化形式化具有巨大潜力，但行数多并不代表这是可读、精炼或可维护的最佳表示。英国报告还记载，Tao—Kontorovich 强素数定理经 Math, Inc.的 Gauss 用约三周完成形式化；Tau Ceti 项目形成规模超过 Mathlib 的 AI 写作、AI 审阅库，Formal Frontier 等项目也在探索可复用的严格数学基础。人们有理由期待未来几年大量现有数学会被形式化，但“所有数学都应马上形式化”必须理解为：在适合而且有实际价值的地方推进，不要否定那些尚在摸索、不具备严格定理陈述形式的早期研究。

    最重要的区别是形式验证（verification）与数学有效性确认（validation）。前者核查：在一个可信内核所允许的规则里，代码中的结论是否确实由前提推出；后者追问：这些精确定义、前提和形式结论，是否忠实表达我们原本希望研究的数学对象与自然语言命题？这通常称为语义对齐（semantic alignment）。形式工具不能自行决定“我们实际上关心的是什么”，更不能从现实世界选择正确的建模目标。一个定理在它列出的假设下可能毫无问题，但那些假设与我们希望解决的现实问题之间可能留下反例空间。对纳维—斯托克斯等重大主张，形式化命题与通俗描述存在差异的争论，就足以显示语义对齐需要领域专家深入审查，不能只问 Lean 有没有输出绿色的“通过”标记。

    形式化系统本身也会遇到实现缺陷和被模型钻空子的风险。英国报告记录，一个号称不存在sorry占位符的考拉兹猜想“反证”曾利用 Lean 内核漏洞；AI 驱动的漏洞搜索发现过数条导向错误结论的路径，随后在 Lean v4.33.1 中修复。里奥纳多·德·穆拉指出，AI 生成证明也应被看作潜在的恶意证明来源。与此同时，机器自动写出的库往往代码庞大、脆弱、难读，不符合 Mathlib 长期维护规范；一份形式化即使无逻辑错误，也可能隐藏低劣抽象、错误引用或难以复用的结构。在庞大的 AI 证明堆积之上，我们不仅需要独立可信的内核、版本记录和安全审查，更需要熟悉本领域的数学家共同商定规范定义、整理经典表述、评价定理用途，并随着理解进步持续重构共享库。

    因此，形式化不应取代通常的数学文献，而应与之互补。良好的形式化生态应含证明检查器、协作工具、搜索引擎、自动推理工具和长期可维护的数据库。大学本科可以引入教学友好的证明助手，让学生在书写自然语言证明的同时认识语句和推理的形式结构，重点不必放在记忆某款软件的语法；各职业阶段的数学家都应具备基本的形式化素养，知道如何检查机器成果与预期命题是否一致。研究所可以组织领域专家、形式化工程师和学生共同建设标准库，并为维护工作提供薪酬、研究岗位、设备和学术认可。期刊在相关库成熟以后可以鼓励论文附上形式化版本，使同行评审更有效，也应具备归档代码与评估其意义的能力；但不能不考虑形式化在缺少 AI 时的高成本，把它变成排斥不愿使用 AI 作者的硬性门槛。

    在这一点上，优秀解说甚至可能比追加一份证明更稀缺。人类读者需要知道，一个长达数千万行的证明为何成立、其中哪些思想值得记住、哪里使用特殊假设、能否移植到别的问题。研究共同体不能满足于“证明是真的，只是没人看得懂”。如果我们最终拥有大量数学正确而人类未充分消化的结果，知识的积累速度也许提高，数学作为有内在联系的理论活动却可能变得碎片化。应当有人专门从这些结果中寻找概念、结构、统一性和可教的表达，且这种劳动在晋升与资助中不能被当作附属服务。

    八、AI 究竟擅长什么、不擅长什么？它会自行提出值得研究的问题吗？

    评估模型时，我希望我们超越最容易制造排行榜的那一类题目。英国数学科学院预发表报告在附录中详细区分了“已有标准答案的基准”与“真实开放问题”：前者基本趋于饱和，只能说明模型已能完成许多标准任务；后者才比较接近研究前沿，而且还需要额外考虑问题选择、提出概念、实验设计、证明解释以及与其他学科连接等难以量化的技能。FrontierMath、First Proof、Putnam、IMO、厄尔多斯问题、AlphaEvolve 构造实验各有价值，却只测量了一小部分数学活动。一个在某一组竞赛题上得到 100% 的模型，不能因此被说成已经具备了成熟数学研究者的全部能力。我们还缺少严谨、独立、持续的能力评估体系，尤其是应用数学、统计和运筹学方面的共同基准。

    模型在很多地方确实已显露超越普通研究团队的技术搜索规模。AlphaEvolve 曾在 50 多项开放构造问题上约 75% 达到当时最佳已知水平、约 20% 改进旧结果，包括提升 11 维接吻数下界；它能搜索算法和构造空间，在 Google 计算资源调度上获得约 0.7% 的全球算力收益，并使 Gemini 训练时间缩短约 1%。AlphaTensor 发现新的矩阵乘法方案后，考尔斯和莫斯鲍尔很快又用经典搜索进一步改善，展示了人机来回推进而不是单向替代。另一边，研究也发现，一种仅有两个可调参数、能在笔记本电脑上运行的启发式方法，就能匹配 FunSearch 的装箱表现；某些所谓“概念发现”可能主要是经验优化。我们应欢迎精确改进，但不要夸大每种搜索结果的思想新颖性。

    First Proof 提供了更细的观察。第二批中，有些成功的 AI 解答只是组合文献中已存在的方法，但也出现值得注意的新论证；第三批的第 5 题经证实可以合并两篇已发表论文解决，所有正确的 AI 解答都走了这条路，且在正式测试前的 25 个候选题中，已有 4 题因模型解决或几乎解决而被替换。在第三批的一道统计逆问题上，ProofCouncil 消除了人类上界中的对数损失；在另一道代数几何题上，它找到了更简洁路线；GPT-6 Astra 对一道辛几何题给出比原作者更优雅的证明。单次 Astra 调用覆盖十题的费用，原报告记录为 36 美元。与此相对，在按错误扣分的评分下，Astra 会在两题上明确承认失败，Siege 会在五题上选择弃答，这些行为反倒可能比一个总要给出答案的模型更可靠。Aletheia 研究者因此将可靠性而非单纯算力视为主要瓶颈之一。

    失败模式必须按名称记录，而不应只说“偶尔幻觉”。英国报告列举了貌似合理的证明里隐藏的符号错误；对最困难步骤含糊略过；伪造定理、参考文献和定义；把先前文献重新发现后当作新成果；没有标注来源的逐行改写；自然语言与 Lean 陈述不一致；利用证明内核错误“作弊”；受到错误问题诱导后仍坚持证明假陈述；不披露提示词、计算资源或失败次数；把并不令人信服的部分进展包装成里程碑；输出难以阅读、专家也无法在有限时间内查核的长篇文稿；代理流程本身循环、丢弃正确解答或依据已经更新的旧定义形成反例。在 First Proof 第二批中，39 份提交里约 22 份未通过，其中大约 23 份有引文问题；某个模型甚至“引用”了一个恰好与题目目标一模一样、事实上不存在的定理。第三批某个开放权重流程反复依靠不存在的定理，另有虚构作者姓名的引文；GPT-6 Astra 有一题被评审者认为接近剽窃，Siege 也有大段照搬已发表文章的案例。某项评估中，只有 4 份 Astra 解答、7 份 ProofCouncil 解答达到了足够的引用标准；这些系统通常较擅长引用 arXiv，却更容易遗漏年代较早的期刊文献。

    同样需要重视“迎合错误”的问题。BrokenMath 测评发现，即使较好的模型，在被扰动成错误命题的测试里仍有约 29% 的概率尝试给出“证明”；当评分机制鼓励诚实弃答，情况可以改善。另一个流程因为自身循环而丢弃原本正确的答案，有系统依据早已替换的预印本定义构造错误反例，其表现被评审者视为具有欺骗性。这些具体失败告诉我：能力评估应包含盲测、错误答案扣分、公开失败、复现条件、文献核对、人工数学审阅，以及与形式系统之间的双向核查。研发者宣布“解决了多少问题”时，最好同时报告一共尝试过多少、失败多少、用了多少人类干预和算力，并让外部研究者获得充分核查所需的信息。只报告最成功的结果，既无助于可靠科学，也不利于培养公众对人工智能能力边界的正确理解。

    谈到模型能否自行提出新方向，答案既不应简单乐观，也不应永久地说“不可能”。在命题逻辑、算术和群论这样的形式环境里，模型已能从公理出发自行提出越来越困难的猜想并证明；猜想生成器和证明器相互对弈，也能提升 Lean 环境中的解题表现，只是可能陷入少数题目类型的“模式坍缩”。研究者尝试把一个定理的“有趣程度”近似定义为证明长度与陈述长度之比；在 Mathlib 里，这项指标与后续可用性呈现约 0.76 的斯皮尔曼相关，经过训练后，模型重复生成库中已有陈述的比例曾从 92% 下降到 31%。这是一种值得研究的结构性指标，却不能衡量两个原本不相关领域之间发生了有价值的联系，更不会自动为人类关心的新现象发明定义。人类判断的有趣程度具有多样性，模型往往把困难误当成重要；许多已发表证明只展示成功路线，不展示长时间的失败、舍弃和改变方向，所以模型可能缺少优秀研究者那种闻到“此路不通”的敏感性。

    我曾把著名开放问题比作灯塔。灯塔给出探索的方向，但周围的海岸、山脉、暗流和生态往往比灯塔本身更有内容。如果把训练目标一味设定成尽快攻下灯塔，数学就会失去缓慢发现新地域的机会。结构价值——压缩、复用、简洁陈述与复杂证明之间的关系——也许越来越能被机器学习；目的价值——为什么此题重要、它与物理、统计或工程的需求如何相连、它能否组织一项长期研究计划——仍主要扎根于人的理解和其他科学的实践。不能因此宣称数学品位永远是人的独占财产；我们尚无充分指标证明它的极限。真正负责的态度是承认问题未解，让共同体继续设计测试，研究机器是否能提出被数学家广泛采用的全新概念与理论，而不是拿某项局部成绩提前宣布胜利。

    未来几年是否会遭遇人类文本数据耗尽？英国报告讨论了几个互相制约的因素。公共人类文本的有效存量被估计在约 300 万亿词元量级，区间很宽，可能在 2026 至 2032 年间被现有训练消耗；但数学不同于一般文本领域，因为它可以利用可核验奖励自动生产新的训练信号。AlphaProof 曾把约 100 万个非形式化问题转成约 8000 万个 Lean 陈述，再利用证明检查器的反馈进行强化学习；猜想器与证明器的自博弈，在 LeanWorkbook 上的表现也可显著提高。有一次自动形式化工作仅三周就产生约 120 万行 Lean，接近 Mathlib 九年积累的约 230 万行的一半。与循环使用未核验机器文本不同，有可靠检查器把关的数学数据能够减少“模型坍缩”担忧。但这并未解决全部问题：可验证奖励也许只能强化已有模型会走的路径，而非创造全新推理结构；缺少明确检查器的现实建模、解释、研究方向选择无法照搬同一训练飞轮；强韧、难以投机的环境以及巨量计算，可能比文本数量更早构成限制。随着 arXiv 中的 AI 内容增多，训练语料的人机来源和署名记录也更重要。

    材料列出至 2036 年的三种情景。第一种，机器成为超人类的证明者，人依然负责概念、理论与问题选择；这在 2027 年前后较为可想象，远期则不确定。第二种，绝大多数表述明确的研究劳动在 2028 年前后自动化，形式库大量增长，人类集中于规定任务、现实建模、消化成果与建立理论；这是该报告作者倾向的中心情景。第三种，机器不仅证明，还能自主提出广为数学界采用的概念和研究纲领，可能在 2030 年代发生，也可能不会；观察信号将包括真正由 AI 起源并得到广泛使用的框架，以及能够可信衡量数学品位的证据。数学家高尔斯预期研究级能力会继续快速进步，利特修正了自己对 2030 年自动生成高水准论文的旧赌注；阿维加德、巴扎德、科梅林等认为，若坚持 Mathlib 品质标准，大量数学在三年左右可能被形式化。DARPA 的 expMath 则从 2026 年 3 月支持 13 支大学团队，探索能够提出并证明有用抽象的 AI 合作者。这些是预测、项目目标和判断，不是已经发生的确定事实。我们最需要警惕的，恰恰是把进步速度误当成对一切未来边界的充分认识。

    九、纯数学之外，应用数学、统计学和产业会发生什么？

    媒体喜欢集中报道能够写出清楚命题、明确判定对错的纯数学难题，但我不想让这些新闻遮住数学科学更大的版图。英国报告将纯数学、应用与跨学科数学、工业数学和科学计算、统计与数据科学、运筹学与优化、人工智能本身的数学全部纳入讨论。在应用领域，真正有价值的问题往往不是一个等待百年的著名猜想，而是现实世界不断产生的具体需求：天气怎样预测，材料怎样发现，设备怎样控制，医疗影像怎样解释，物流怎样安排，组织应当怎样在不确定条件下作决定。一个业务或科学问题首先必须与领域专家和相关人员商谈，定义目标、约束、成本和取舍；只有在这一步做对以后，先进求解器才会帮助我们得到值得使用的答案。我们不缺问题，可能缺的是把问题表述得正确、并在结果走向现实之前认真验证的专业能力。

    应用数学和科学计算早就与计算机协同演进，流体力学尤其如此。新一代 AI 天气预测提供了令人印象深刻的例子：GenCast 在许多指标上优于传统物理预测；欧洲中期天气预报中心的 AI 预报系统从 2025 年 2 月开始投入业务运行，材料称其对某些热带气旋路径的预测可改善约 20%，每次预报消耗的能量约低 1000 倍；较早的 GraphCast 在 1380 项目标中超过 90% 优于领先的传统系统。但这些成果并非凭空取代几十年的数值气象学：数据同化、物理模型和长期积累的初始条件、校验方法仍是新系统的前提。类似地，针对欧拉方程和多孔介质方程不稳定奇性的高精度计算，达到接近机器精度的水平，为计算机辅助证明提供支持，也与后来的纳维—斯托克斯工作形成联系。采用可信物理结构、只让模型学习未知部分的混合模型，以及替代模型、降阶模型、逆向设计、数字孪生、实时控制，都是应用数学与 AI 可能深度融合的方向。

    AI 把方法写成代码、执行数值实验、搭建统计分析流水线，能减少大量重复劳动，也让已发表方法更容易转化为可运行的软件；但“程序能跑”远不等于“数值结果正确”。PDEAgent-Bench 的 645 项有限元任务里，最优秀的单次成功率在 DOLFINx 环境约为 54%，在 deal.II 约为 32%；许多代码能够执行，却不能通过准确度检查，反馈运行错误也无法自动纠正一开始就错误定义的问题。当前模型往往偏好流行的通用建模方法，而不是特定应用里最合适的专业技术。可靠的研究软件仍需要数值分析、稳定性、收敛性、误差控制、边界条件和物理合理性的专家判断。对于在本地受保护系统里处理的研究数据，能够在机构内部运行的模型还可能比最强的公共云模型更实用。

    统计学不只是 AI“使用”的对象，也是检验 AI 的重要学科。预测驱动推断可以在机器学习预测辅助稀缺数据时，仍给出有统计保证的置信区间；对于同一组数据，让多个 AI 分析代理独立开展分析，有机会把合理分析可能给出的全部结论范围呈现出来，而不是只报告对研究者最有利的一个数值。不过实验也说明，同样的数据和假设交给自主分析代理可能得出显著不同的结论；当提示词鼓励寻找支持某种结论的证据时，统计支持度可移动 34 至 66 个百分点。类似地，早期大量以机器学习求解流体问题的论文中，有约 79% 声称优于数值方法的比较未遵守公平比较准则。这些情况再次证明，漂亮的输出并不等于成熟的科学工具。应报告不确定性、失败、不同分析选择、数据敏感性、适用范围和有效性，而不只展示单个结果。

    运筹学的任务也不只是帮人写出一个优化公式。自然语言转优化模型可能让不熟悉数学语言的用户更容易使用排程、配送、装箱和资源分配方法。Gurobi 2025 年的用户调查显示，41% 的商业优化用户预计生成式 AI 将在两年内发挥重要作用；51% 的人看重模型生成和编程功能。然而已有运筹建模基准自身就存在约 26% 至 54% 的错误率，自动模型又尤其容易在目标和约束的设定上出错。优化一个错误目标，可能会以数学上极其漂亮的方式损害企业的真实利益。正确的问题通常是：组织究竟希望最大化什么？表面绩效指标是否反映长期目标？当多个目标相互冲突时如何取舍？预测准确度和商业价值是否真的一致？我们需要从简单地追求预测，进到在不确定条件下进行可靠决策，而这要求专业数学家与业务人员平等地讨论问题本身。

    对产业界而言，这带来四类重要机会。第一，重新表述工业问题，突破早已习惯的分析框架，把定性的商业或科学需要转为合理的目标、约束和模型；第二，设计新的算法与优化方案，例如生物实验中的多指标实验设计，大规模物流的鲁棒优化，以及更广泛、更系统的搜索；第三，把预测结果嵌入实际决策，考虑风险、成本与因果机制，而非盯住单项预测准确率；第四，通过大幅降低实现、测试和迭代费用，让生命科学、专业服务与数据密集型行业以前过于昂贵的数学方法变得经济可行。2023 年一项工程仿真调查中，约三分之二受访者已试验 AI 和机器学习，实际全面纳入产品开发的却只有约 5%；主要障碍是结果可信度、专业技能和系统整合。企业有时高估了自己采用 AI 的深度，实际上只是把它嵌在原有分析流程里，而没有重新思考能否用更有雄心的数学方法解题。

    产业风险也有自己的特点。大规模自动生成的分析程序可能藏有微妙错误，增加工程师复核负担或造成错误商业决策；容易使用的工具会使非专家误以为自己已掌握高级数学；通用大模型并不能替代大规模离散优化、严谨统计推断和高精度数值模拟中的专门算法；预测相关性可能被错误地当作因果解释。另一方面，企业最有价值的模型、数据、算法、目标函数和解法可能构成竞争优势，不会轻易送到外部系统，更难在公开基准中展示。这意味着某些最重要的产业进展可能完全不会出现在公共论文里。有效治理必须在商业保密与独立技术评估之间找到可行方案，在组织内部保留足够的数学人才，负责复核、选择、维护与控制关键方法，而不是要求每位管理者都了解每个模型内核。

    数学同样是下一代 AI 得以更高效、安全、可解释的重要基础。为了降低能耗、减少训练数据需求、解释模型行为、给出可证明的可靠性保证，我们需要新的理论计算机科学、统计学、优化和数学分析。把守恒律、对称性、正性等已知结构融入机器学习模型，可以改善样本效率和物理一致性。公平性与偏差问题——在招聘、执法、医疗诊断、司法保释等应用中尤其显著——既是社会问题，也涉及概率、统计与算法。数学提供了一个可以客观评估推理成果的特殊领域，因此数学家在 AI 安全、对齐与科学可靠性讨论中具有独特公共职责。我们不能只将数学看作喂给模型训练的题库，更要投资发展能够解释和改进 AI 的数学自身。

    这也关系到国家经济。英国报告援引 2025 年数学科学院研究称，2024 年数学科学相关职业约占英国劳动力的 15%，创造约 4890 亿英镑的增加值，约为英国总增加值的五分之一；2018 年的《数学时代》评估曾主张至少把数学科学经费提高到原来的三倍。报告中的具体经济估算有其研究口径，不应被理解为每位数学家直接创造相同份额的产值，但它足以提醒政策制定者，基础数学和数学技能的收益遍布产业、社会与长期技术创新。如今支撑 AI 的重要数学大量诞生于几十年前，研究者当时并不知道它未来会被这样使用。放弃好奇心驱动的基础研究，只资助眼下直接服务 AI 的方向，是严重的战略短视。数学知识具有跨越几代人依然保持价值的特性；资助者应当把这种长期回报计入决定。

    十、谁拥有训练数学 AI 的工具？算力、成本与开源模型将怎样改变公平性？

    数学长期是门槛相对低的研究学科。纸笔、图书馆、同事的讨论，足以让不同背景的人对前沿提出实质贡献；如果未来研究机会主要取决于谁能买到最强的模型、最大的 GPU 集群和最多的推理词元，这种开放性便会遭受威胁。我们不应让数学共同体的知识方向由少数商业实验室的短期经营目标决定，也不应把尚未发表的构思、论文评审意见、基金申请和敏感数据毫无保障地交给不可控的系统。开源与开放权重模型是解决部分问题的重要方式，但它们也有价格、性能、许可和安全的现实限制，不能成为一句万能的政治口号。

    首先需要厘清概念。哈佛峰会对“开源工具”的理解是：程序、数据与生成它们的源代码在允许使用、修改和再分发的许可下开放，SageMath、Lean、Mathlib 是熟悉的例子。“开放权重模型”是指用户可以获得模型参数并在自有硬件运行；它不一定公开训练代码、推理实现和数据清单。充分“开源的模型”还应提供训练与推理代码、训练数据目录，最好也提供数据本身。许可方式亦有所不同：MIT、Apache、CC0 通常提供更宽松的再使用自由，GPL、Mozilla 或 CC-BY-SA 更强调衍生作品与共享规范。对数学社区网站和工具，最起码要明确“关于我们”、维护主体、目标、数据使用方式和许可条款；开发者之间应加强协调，避免大量相似项目在缺少维护资源时互相消耗，并为数学家提供面向实际工作的教程、工作坊与现场培训，例如 ICARM 活动和更新版《学术数学家如何使用 AI》等。

    但截至 2026 年 10 月，开源模型的研究级数学能力仍明显落后最前沿闭源系统。Epoch AI 对一般任务估计开放模型平均落后约四个月，网络安全任务的差距可能是四至七个月；真正研究级数学的差距更大，某次 First Proof 中的开放权重系统甚至不如 2025 年 12 月的 GPT 5.2 Pro，在十道题上全未通过。DeepSeek V4-Pro 在 FrontierMath 较低的三层约 45%，第 4 层约 2%，与最先进闭源模型相距甚远。Open Math OS 平台上提供的中国开放模型，被描述为大约落后前沿一年。与此同时，针对 Lean 的特化模型给我们带来另一种希望：Pythagoras-Prover-4B 在 MiniF2F 测试中以 86.1% 的 pass@32 成绩超过 671B 参数的 DeepSeek-Prover-V2 的 82.4%，其 32B 版本达到 93.0%，还解出 PutnamBench 的 672 题中的 93 题；Goedel-Prover-V2 的 8B 与 32B 模型分别达到 84.6% 和 88.1%。这些案例说明，在明确的形式证明任务上，参数量和性能的关系未必简单，适当数据生成、LoRA 等高效微调与领域设计可能帮助较小模型。不过相关论文未完整公布训练 GPU 小时，不能把“中等算力可行”说成已精确核算的结论。

    算力成本尤其需要诚实报告。英国报告以 2026 年 10 月 15 日英格兰银行 1 英镑兑 1.3253 美元的汇率统一换算报价，排除增值税，强调有些价格来自厂商、有些是二手媒体数据、有些只是作者建立的假设。以 First Proof 第二批十题的账单为例，ProofCouncil 花约 2404 英镑通过 6 题，成本约 401 英镑/题；UCLA Moonshot 流程花 3621 英镑通过 5 题，约 724 英镑/题；ChatGPT 5.5 Pro 花 88 英镑通过 5 题，约 18 英镑/题；Princeton Momus 的估算花费 765 英镑通过 1 题。四个系统合计约 6878 英镑、17 次通过，平均每次约 405 英镑。第三批中，GPT-6 Astra 约 27 英镑通过 7 题，约 4 英镑/题；Siege 约 1056 英镑提交并通过 3 题，约 352 英镑/题；ProofCouncil 约 1425 英镑通过 9 题，约 158 英镑/题；MerLean 约 4016 英镑通过 4 题，约 1004 英镑/题；Humanize 约 1605 英镑未通过，不能计算每次通过成本。合计约 8129 英镑、23 次通过，平均约 353 英镑；单次查询模式的成本在四个月间下降约 78%，ProofCouncil 下降约 60%。但两批的“通过”定义、审稿尺度、并行时间和费用估法不同，作者明示不可直接进行严丝合缝的横向比较。

    其他公开案例说明成本分布可以极不均衡。ProofCouncil 针对研究者提交的 33 道开放题，每次尝试约 161 英镑，21 份完成审查的输出中有 5 份完整解答；针对 353 道厄尔多斯开放题的 AlphaProof Nexus 每题花费约 150 至 300 英镑，另有未计入的形式证明 TPU 开销；FrontierMath 厄尔多斯题默认预算约 226 英镑、72 小时，额外尝试曾为五道成功答案投入超过 16.6 万英镑，平均每题约 3.3 万英镑；Mistral Leanstral 1.5 在厂商报告里以每题约 3 英镑的成本完成 PutnamBench 的 587/672。对于 OpenAI 的一次 719 篇手稿发布，原始公司说明称平均每个成果用了相当于约三小时 ChatGPT Pro 深度推理的计算，未公开所有失败尝试和具体并行机制；英国报告据此粗估每个保留成果约 20 至 200 英镑，计入失败问题后每个结果家族约 220 至 2200 英镑，但这只是依赖模型速度、并行度和 API 代理价格的外部估算。Anthropic 费马大定理形式化的 60 亿输出词元，外推约 9.1 万至 22.6 万英镑；纳维—斯托克斯工作的 1300 亿输出词元，以 GPT-6 Astra 每百万输出词元约 37.73 英镑的公开费率类比，约 490 万英镑，批量优惠价可能约 245 万英镑；若算上总共 3000 亿尝试输出词元，按同一方法可达约 1130 万英镑。这些不是企业实际内部成本，输入词元也未完整计入，因此不可当作账单或确认过的花费。

    个人和大学的预算同样复杂。2026 年 10 月，材料列出 ChatGPT Plus、Claude Pro、Google AI Pro 等基础订阅大致每月 15 至 20 英镑级别；ChatGPT Pro 100、200、500 等层级对应约 75、151、377 英镑；Claude Max 的 5 倍与 20 倍档约 75 和 151 英镑；Google Ultra 不同额度也在类似区间。教育价格由机构议定：加州大学戴维斯分校的 ChatGPT Edu 曾公告每年约 144 美元、康涅狄格大学约 236 美元；牛津提供免费教育账户，但重度使用额外计费；Google 教育专业版每月约 12.60 英镑；Anthropic 在 2026 年 8 月宣布面向科学家的团队项目，包括一万个席位、一定期限内免费或折扣席位，以及每个项目至多五万美元的 API 额度。Jisc 与 OpenAI 的英国部门试点合同总价约 756 万美元，服务期为 2026 年 10 月至 2029 年 3 月。尽管已有这些项目，一项涵盖 117 个国家、10480 名研究者的 2026 年春季调查仍显示，只有约 11% 的人由机构资助其主要 AI 工具，其余多用免费层或自费。更重要的是，套餐的使用上限会改变，升级的名义价格不能直接代表研究者真正可获得的连续计算容量。

    API 的差距更值得关注。英国报告 2026 年 10 月的换算表中，每百万词元的输入和输出价分别约为：GPT-6 Astra 输入£7.55、输出£37.73，缓存输入£0.75；Claude Fable 5.1 输入£7.55、输出£37.73；Claude Opus 5.5 输入£3.02、输出£15.09；GPT-6.1 Sol 和 Claude Sonnet 5.5 输入约£1.51、输出约£7.55；Gemini 4 Argon 在 2026 年 11 月底以前输入约£1.51、输出£7.55，12 月起预计分别翻倍；DeepSeek V4-Pro 的开放权重服务高峰时输入£1.00、输出£2.99，低峰约一半。厂商的批处理有时减半收费，快速推理、限定数据存储地区等又可能加价。按报告假设，一个重度研究用户每年 220 个工作日、每天 50 万输出和 200 万输入词元，也就是全年约 1.1 亿输出和 4.4 亿输入词元；代理密集型用户再高十倍。以此计算，前沿 API 可能使重度用户每年花费约 5000 英镑、代理型用户约 5.2 万英镑；较低价的闭源 API 可能降到约 2100 和 2.1 万英镑，中档 API 约 1000 和 1.05 万英镑。这是需要科研经费认真安排的支出，而不该要求研究者自己长期垫付。

    低价不等于整体公平。某一固定能力水平的推理价格可能每年下降 5 至 10 倍，有研究给出更广泛的 9 至 900 倍历史降幅；然而运行当期最前沿模型的成本可能每年上升 3 至 18 倍，因为模型变大、思考更长、企业也调整套餐和使用限额。材料记录 2026 年包括 Google 调整收费、OpenAI 减少某档 Pro 额度、Anthropic 折扣供给等相反方向的信号。报告还讨论 OpenAI 与 Anthropic 当年秘密提交上市注册文件的公告、二级媒体关于其收入、经营利润率和 IPO 安排的报道，以及微软、Meta、Alphabet、亚马逊合计约 7200 亿至 7450 亿美元的 2026 年资本开支指引。这些商业数字有不同来源和不确定性，不能当作经审计的统一事实；它们支撑的谨慎结论是，大学预算必须为未来需要的真实前沿能力留出空间，不应假定目前的优惠套餐会永远延续。

    既然前沿 API 可能昂贵，又有保密风险，为什么不由数学共同体自建共享的开放模型节点？英国报告以 DeepSeek V4-Pro 为例：它约 1.6 万亿总参数、每次激活约 490 亿参数、100 万词元上下文，许可为 MIT；8 张 B200 GPU 的服务器在某些量化配置下能运行，8 张 H200 也可能在较低精度下运行，却受显存限制而难以使用完整长上下文。2026 年硬件报价中，8 张 H200 约 30 万英镑、8 张 B200 约 41.5 万英镑、8 张 B300 约 59.3 万英镑；8 张 B200 转售商报价约 29 万至 42.4 万英镑。按设备折旧、维护、英国电费、机柜与网络、研究软件工程师的工时、吞吐量和利用率进行估算，一台 8×B200 的共享节点每年成本可在约 11 万至 38 万英镑之间，中心情景约 21.5 万英镑；年输出可在约 71 亿至 833 亿词元之间，中心情景约 315 亿；中心每百万输出词元约 6.8 英镑，乐观情景约 1.3 英镑，悲观约 54 英镑。按前述使用习惯，中心情景约能服务 290 名重度用户，或 29 名代理型用户，平均每年每位约 750 英镑或 7500 英镑。设备使用率与吞吐量变化对经济性的影响，远大于只比较买价的差别。这些是作者有明确假设的成本模型，不是已经运行的公共服务器结算结果。

    共享节点的最大价值也不是必然比最便宜的公共 API 省钱，而是数据主权、版本可固定、使用费用可预测、可进行数学领域微调、能处理未发表手稿和敏感资料。德国 GWDG 已经向学术界提供部分本地托管开放模型，英国爱丁堡有自己的 ELM 系统；英国 AIRR 的 Isambard-AI 拥有 5448 张 GH200，剑桥还有 Zenith，并提供按项目申请 GPU 小时的制度，但当时尚未建立面向数学家的永久共享推理服务。对大学联盟而言，自建和共建服务可能比每个系单独购买合理；对机密期刊评审、基金评估、商业数据分析与医疗研究，它尤其有吸引力。可复现性也是理由：封闭模型常会更新、不能确定地重现旧结果，一项 100 道博士级问题的测试发现不同运行间的答案存在显著差异；可固定版本的开放权重系统在此有天然优势。

    工具访问还可能因外部政策突然中断。报告记录 2026 年 6 月 12 日美国限制外国国民访问两款前沿模型，直到 7 月 1 日才恢复，研究者面临近三周的断供。英国当时的五亿英镑主权 AI 计划偏向企业投资与初创公司，大型公共 GPU 能力也未必提供数学研究的持续推理服务。对数学共同体来说，充分自主不等于把每款闭源模型都自行重训一遍；更务实的是同时争取商业前沿模型的公平协议、政府和基金对词元与算力经费的正式认可、联盟托管的开放模型、可持续维护的数学知识库，以及模型出现故障、停用或价格暴涨时的替代方案。

    十一、开放数学模型、国际合作和新的公共科研基础设施应该怎样建设？

    我参与共同创办的非营利研究组织 Foundation for Science and AI Research（SAIR）在 2026 年 9 月宣布 Open Math Model 计划，希望数学模型能够获得开放权重、代码和训练数据，并建立以研究共同体为中心的治理方式。合作伙伴包括 Hugging Face、Lean FRO、瑞士国家超级计算中心 CSCS 和洛桑联邦理工学院 EPFL。这个项目重视经同意的数据收集，以五个小组参与治理；10 月 16 日试运行的 Open Math OS 在捐助算力上托管已有的开放模型，向学术团队提供免费账户，并提出服务约一万名数学家的目标。最现实的近期路径是从已有开放基础模型继续进行数学专门训练，而不是马上投入巨资从零预训练；从头建立完整开放模型是更远的目标。它可能帮助研究者获得可审查、可实验、不会完全依赖少数公司的助手，但我不会把尚未达到前沿能力的模型说成已经解决了研究资源不均的难题。

    与此相近的还有由西蒙·弗里德尔推动的 Fields Model Initiative，使用包括日本国立信息学研究所提供的计算资源，尝试完全开放的数学模型，并报告了 FM-Pochi-32B 在 IMO 2026 达到铜牌级别的主张；这项成绩在英国报告里标明尚未独立核实。欧洲还有多种不同构想：斯诺尔·克里斯蒂安森致欧洲数学会的公开信，倡议通过欧洲研究理事会与欧洲数学会治理一个 AI 增强数学研究机构，侧重文献、证明检查和形式化助手；迪米特里斯·库库洛普洛斯在我博客提出“科学研究的 CERN”模式，倡议加拿大与欧洲共同建立由公共部门资助和治理的高性能学术 AI 设施，为每个研究者提供基本使用机会，把重度计算通过竞争分配。在这些建议中，数学家主导公共目标比单纯拥有一套漂亮的模型参数更重要。

    欧洲并非毫无技术基础。法国 Mistral 在 2026 年发布 Apache 2.0 许可的 Leanstral 1.5 形式证明模型，约 1190 亿总参数、60 亿活跃参数，厂商声称以低成本解出 PutnamBench 大量形式题；较早还有 7B 参数的 Mathstral。巴黎非营利机构 Project Numina 获 XTX Markets 约 300 万欧元支持，开发开放数学数据和证明器。瑞士 AI 计划的 Apertus 1.5 全面开放权重、数据与代码，虽然不专攻数学，却可以用来做数学微调。OpenEuroLLM 正在建设欧洲开放基础模型；EuroHPC 的 Frontier AI Grand Challenge 准备提供大规模训练资源；RAISE（欧洲 AI 科学资源计划）在 2025 年启动试点，原报告列出 2025 年约 3300 万欧元、2026—2027 年约 1.07 亿欧元项目预算，以及约 6 亿欧元算力使用安排，覆盖物理、材料、生命、地球和社会科学，但最初未将数学明确列入重点，也不直接建设自有模型。InvestAI 计划中的 200 亿欧元 AI 超级工厂基金，亦尚未明确规定开放或数学专项目标。

    “AI 版 CERN”的说法并非 2026 年才出现。CLAIRE 和 euRobotics 曾在 2023 年提出六年约 1000 亿欧元的构想，欧盟首席科学顾问在 2024 年建议分布式科学设施，后续还有三年约 300 亿至 350 亿欧元、包含英国和瑞士的蓝图。批评者提醒，若某项目缺少跨国条约、独立治理和稳定拨款，即使称作“超级工厂”，也未必具备欧洲核子研究中心式的公共科研制度。加拿大—欧盟数字伙伴关系理事会在 2025 年 12 月承诺探索面向公共利益的先进 AI 模型联合开发；中国清华大学 2026 年 10 月提出的姚氏实验室联盟，将数学专项模型列为多个方向之一，但开放性和预算不清楚；美国 NSF 与 NVIDIA 提供约 1.52 亿美元支持 Ai2 开发充分开放的科学 OLMo 模型，却没有专门数学定位。英国 AIRR 及科学 AI 战略尚未将数学放到应有的显著位置。因此，我认为数学界可以加入 SAIR 或 Fields 项目、争取 RAISE 中的数学网络、推动数学进入英国公共算力的资助优先级；但不能忽视当期开放模型的能力差距、安全与许可义务。

    选择许可与治理模型需要仔细研究。某些声称开放权重的模型对超过特定收入规模的模型即服务运营商要求额外许可，例如材料讨论 Kimi K3 的相关条款；Apertus、OLMo、MIT 许可的 DeepSeek 和 Apache 许可的 Mistral 通常给予更明确的重用自由。完整开放也与训练数据版权、模型安全、网络攻击能力和法规边界发生张力。哈佛峰会的开源工作组认为，试图由数学社区独立打造一个同时具备前沿研究能力、充分开放透明、低门槛访问的完整模型，短期不太可能把三项目标全部实现。更可靠的策略是寻找价值观相近的伙伴，包括 AI 安全机构，由具备能力的团队负责模型训练和合规，而数学家集中贡献最难替代的专业判断：设计高质量的数据生成流程、构造强化学习任务、定义具有数学价值的评价、开发适合共同体长期维护的知识基础设施。

    开放数学研究项目应该被当作公用设施而非展示性网页。编码代理已显著降低开发定制研究工具的成本，数学家甚至可以围绕一个问题自己“造实验室”，设计交互式表达、可视化、数据库、算法探索和跨学科演示。报告举到有关Q2\mathbb Q_2绝对伽罗瓦群表示、非圆形 Schiffer 区域、Gross/Lattice 和 Tau Ceti Atlas 等实验性项目。关键不在于制作网站的技术是否低廉，而在于数学抽象、可靠性和长期维护。项目应标明创建者、维护者、用途、用户数据的处理方式、源代码和许可；数学研究所可建立发现新资源的目录或协调平台，类似 mathmeetings.net 帮助人们发现研讨会那样，避免资源重复建设却无人长期更新。一个能被多人使用、持续扩展、反复核实的基础设施，应该与一项高水平定理一样获得学术尊重。

    十二、如果数学共同体现在就行动，我希望哪些制度首先改变？

    2026 年 10 月的哈佛峰会在 32 位数学家、五个工作组的讨论之后，形成了十项优先建议。我愿意把它们连成一套行动原则。第一，由数学家自己领导职业转型，用长期合作、组织资源与认可机制支持新工作；第二，承认数学贡献形态更加多样，更新大学激励与评价体系；第三，优先培养、资助并赋权学生与青年数学家；第四，建设互联、精心整理的数学知识库，让数据库、互动研究和优质解说获得出版途径；第五，把形式化证明当作传统数学的补充，并由学科专家参与可复用库的构建和维护；第六，在数学共同体指导下，建立大学、产业和政府的长期伙伴关系，使发现、人类理解与 AI 安全同步推进，始终让人——尤其是受训者——站在中心；第七，支持大型协作所需的共同资源、知识组织、研究进度记录和贡献署名；第八，重申公平、尊重、准确归功和合作等职业规范；第九，为不使用 AI 的人保留从事数学研究和取得贡献的真实机会；第十，让数学家有更多机会向公众解释数学的力量与美，并把这种沟通视为推动数学的学术劳动。

    这些建议不是一个抽象的未来愿景，其中若干可以马上进入系务会议、招生规则、岗位说明、审稿政策和资助评议。峰会鼓励数学系修改研究能力的证据清单，认可阐释、教材、技术与社区项目；允许不同职业阶段的人在高校、国家实验室、非营利研究机构和行业之间流动，使用灵活休假、联合聘任、产业研究者岗位和实习通道；对能够与政府资助者、议员和公众有效沟通的数学家给予职业奖励。大学可为长期大型合作提供计算、会场、行政与维护资源，为青年人和新进入者设计可参与的任务；课题可以跨越数学与其他自然科学。专业学会还应制定合理的成果归属、错误处理、AI 披露和学术责任规范，把它们落实到编辑、同行评审、招聘和基金评审中，而不是停留在声明的标题。

    峰会关于人和 AI 实验室合作的建议也十分具体。下一代数学家的培养是大学与产业能够作出的最重要投资之一；AI 安全应成为与政府共同参与的关键研究领域；除了让机器解决已经定义好的经典难题，还应研究怎样利用模型寻找新问题、建立新结构、发现概念和加速科学技术中的数学应用。在可能的情况下，AI 实验室应披露解题过程中重要的逐步策略、先前工作的依赖关系以及可验证的过程信息，以便数学家从机器走过的路线中提炼新思想；还可以共同建设发现、可视化、出版、展示和科学交流工具。为协调跨领域和全球各地的利益，峰会建议设立若干由不同类型机构、地区和研究方向广泛代表组成的数学顾问委员会，而不是把所有标准留给单一公司确定。

    英国数学科学院的六位报告作者——Christoph Reisinger、Rachel Bearon、Thomas Bloom、Jennifer Gaskell、David Leslie 和 Zubin Siganporia——提出了跨纯数学、应用数学、统计与运筹学的八类共同需要，并按“未来十二个月”与“三至五年”分别列出责任机构。与美国峰会相比，这份报告尤其强调独立证据、英国及欧洲的资源自主性、产业应用、成本和工作岗位。其八项需求是：人才与技能、独立评估、可负担的工具访问、科研评价与归功、研究投资、出版传播、共同知识基础设施和社区规范。报告估计，除了前沿模型访问开销较大，其余许多行动每年所需预算是几十万至数百万英镑量级，相比整个 AI 投资并不巨大，却会影响可靠科学、公共决策与长期高技能劳动力。

    在未来十二个月内，大学及学会应先给博士项目、导师和本科及硕士教学提供可测试、可共享的 AI 使用与考核指引；把良好课程与评价案例公开收集，特别保护受到抢先发表压力的青年学者。研究所和基金应推动跨学科的独立能力测评，仿照 First Proof 与 FrontierMath，但扩展到统计、建模、优化，预先固定测试规则、保密题目，报告失败和计算资源；对重大 AI 数学公告组织迅速而独立的专家解释。大学联盟应谈判能够跨机构公平使用的模型许可，基金应将 API 词元、模型服务和 GPU 预算正式视为可报销科研费用。聘任与晋升、基金申请应更多评价少量最好的作品，采用口试、现场问答和持续贡献的证据，避免机器产生的大量手稿挤压有深度的研究者；同时制定筛选材料时 AI 使用的隐私与偏差保障。

    基金和出版者应保护长期、好奇心驱动的研究，对理论 AI 的效率、安全、可解释性与可证明保证给予独立经费，并主动把数学家、政府与产业召集起来，寻找更有雄心的现实问题。出版社要系统收集投稿量、审稿负担、AI 使用和拒审数据，评估 arXiv 限流及期刊停收是否真的有用，在临时措施固化之前进行复盘；还要制定 AI 使用披露、成果来源、论文训练数据许可等共同标准，建立处于出版社自身控制之下的保密完整性检查工具。Mathlib 和类似的正式库、审稿维护者、研究软件工程师、arXiv 和 zbMATH 等数据库应当成为基础设施经费的正式对象，而不是长期依赖志愿者或个别富豪的爱好。

    在三至五年内，最重要的是保证人才通道扩张而不是萎缩：由政府、大学、产业和慈善组织共同投资博士生与早期岗位；与雇主设计结构化的毕业生入口，让数学毕业生在 AI 赋能经济中的优势转化为真实就业；将形式化、核验和批判性使用 AI 纳入数学培养，而不牺牲基础知识。研究共同体应建立商业敏感数据也能使用的本地模型服务、按公平规则分配的大型公共算力设施、持续的独立 AI 能力观察机制，以及适合应用数学和统计学的可复现实验、验证与不确定性报告规范。对出版，可以尝试“验证注册簿＋叠加期刊”或有明确审核状态的预印本，将大量自动生成结果放在单独标识的渠道，避免它们淹没正常学术交流；通过报酬、减轻教学负担或正式评价信用，为审稿人和编辑的瓶颈劳动提供资源。针对英国 Research Excellence Framework 等评价体系，也应把形式化库、数据集、问题整理、研究解说、评审工作正式列入成果类型。最后，数学学会、出版者、AI 开发商需要长期对话的常设论坛，讨论成果公布前评议、提示词与资源透明、先前人类工作的署名、用户数据机密和 AI 审稿边界，让规则随技术演变而更新，而不由任何单一方单方面决定。

    我尤其反对将“广泛使用 AI”变成隐形的研究资格证。数学可以有主动拥抱模型的人，也应该有选择继续用纸笔、独立推导和传统方法的人。两者成果应以科学意义、严谨性、人类理解与诚实归功评价，而不应只按是否使用最热门模型决定价值。让一部分数学家坚持慢而细致的研究，可能恰是保护共同体对知识的另一种理解方式。技术能力增长得再快，都不应迫使不同生命阶段、不同经济条件、不同专业传统的人被排除在数学之外。

    十三、是谁在资助、组织和维护这场转型？

    一套新制度必须回答经费从哪里来、由谁负责持续维护。2026 年全球已有许多早期努力。Renaissance Philanthropy 与 XTX Markets 的 AI for Math Fund 跨三轮投入约 3510 万美元，每项资助约 10 万至 100 万美元；材料记录亚历克斯·格尔科为 Lean FRO 与 Mathlib 提供 1000 万美元捐赠，XTX 又作出支持这些形式化机构未来运行的重大承诺；XTX 于 2025 年 12 月向英国七所大学承诺约 2637 万英镑，资助超过 100 个纯数学博士生和博士后岗位，即使这些岗位并非专门为了 AI。2026 年秋，它还宣布给帝国理工学院由凯文·巴扎德主持的 Langlands Lab 约 500 万英镑、给 ICMS 约 50 万英镑以推动英国数学家的算力访问和培训、支持在线研究工作空间等。西蒙斯基金会于 10 月宣布 1500 万美元计划，并得到 Anthropic、OpenAI 的资源支持，用于数学家评价 AI 结果、参与工作坊和获得计算资源。DARPA expMath、NSF AIMing、英国 ARIA Safeguarded AI、欧洲研究理事会的 HALF 计划、英国 EPSRC 支持的费马大定理形式化，分别以不同方式投资技术、教育、安全和基础数学。

    这些资金确实令人鼓舞，却也暴露过度依赖少数私人资助者的风险。英国报告强调，目前正式数学库、青年岗位、纯数学研究与 AI 评估有相当一部分经费来自个别捐赠者；当公共基础设施长期由少数人维持时，项目方向、持续性与学术自主性都可能变得脆弱。大学不能仅把慈善资金看成填补预算缺口的短期手段，而应与公共机构共同承担长期人力成本，包括维护者、审稿人员、研究软件工程师、数据治理人员和学术组织者。数学家在项目中看似“不产论文”的工作——重写说明、修正库、帮助新手加入、连接两所大学、担任长期协调者——需要正式岗位与可预期的职业道路。

    产业合作也正在有意识地扩大。Anthropic Fellows、OpenAI 安全研究奖学金、Google DeepMind 教育项目，以及 Google 与非洲数学科学研究所合作的研究生教育，都是向人才培养投入资源的例子。SAIR、数学 AI 安全研究所 MAISI、负责任超级智能研究所 RESI、Alignment Research Center 和 Resolution 等独立机构，将数学、理论计算机科学和产业界联结起来研究模型基础与安全。AGMAI——数学与人工智能咨询工作组——收集数学家的意见、与实验室交流，并提出数学成果发布规范。主要 AI 公司提出过把部分企业股权用于公共利益的承诺，若能妥善治理，可为长期基础研究与年轻人才提供新渠道。Simons、OpenAI、Anthropic 等于 2026 年宣布的资助举措具有示范意义，但只能视为开始，不能替代大学、政府和公共共同体的稳定责任。

    国际机构也已行动。美国数学会自 2023 年组织 AI 工作组，并于 2024 年形成关于数学职业、大学教育、出版、公众参与与公平、科学政策的系列白皮书；美国数学会期刊要求披露 AI 使用、不将 AI 列为作者，并反对把待审文章上传给不受控模型。国际工业与应用数学理事会 ICIAM 在 2026 年强调稳定性、误差控制、量化不确定性、符合物理的结构、公开失败与算力、公平访问验证环境；伦敦数学会要求期刊 AI 声明，并将审稿人上传保密文稿视为不当行为；英国皇家统计学会倡议“AI 就是统计学”，英国运筹学会推动可靠 AI 与从业者训练，英国数学及其应用学会推动产学政对话。皇家学会、欧洲数学会、国际数学联盟、法国、西班牙和意大利数学学会也陆续对 AI 数学研究及纳维—斯托克斯公告作出回应。国际数学联盟支持《莱顿宣言》的相关规范，欧洲数学会肯定其讨论价值但未必采用完全相同的正式背书程序；包括 28 位菲尔兹奖得主在内的数学家曾警告，将著名开放问题当作模型榜单并匆忙公布结果，可能让长周期理论建设受到错误评价。

    研究所和专业平台正在形成新的协作网络。英国艾萨克·牛顿研究所于 2026 年 3 月开展“AI 与开放数学科学”研讨，ICMS 安排“AI × Mathematics”和“面向工作数学家的 AI”等活动；美国卡内基梅隆的 ICARM 由杰里米·阿维加德等推动，获得 NSF 与 Simons 支持，此外 AIM、IPAM、ICERM、IMSI、SLMath、IAS 等组织也有相关项目；加拿大 Fields Institute 设立数学 AI 中心，欧洲 IHES 和 EPFL 开展数学与大语言模型、自动形式化研究，中国北京大学及相关中心有采用代理配合 Lean 证明交换代数结果的工作。First Proof、FrontierMath、MathArena 和 NeurIPS MATH-AI 提供测试与讨论，Leiden Declaration、AGMAI 建议和 28 位菲尔兹奖得主公开声明则尝试建立负责任的发布准则。还有 zbMATH Open、arXiv、MathSciNet 及大型出版社的 AI 出版政策；美国数学会也在研究机器学习辅助学科分类和数学评论初稿。把这些散布在各机构的成果建立共同证据库，可能是下一阶段最重要、也最容易被忽视的任务。

    十四、我最后想把这场讨论带回什么地方？

    我总是想到数学研究不是一场由少数天才独自完成的速度竞赛，而是一项积累了数千年的人类文化实践。机器今天写出的结果，也是在几代数学家创造的语言、定理、技巧、问题、教材和公开知识之上形成的。卡莱加里曾建议，数学职业共同体应更主动地把这些机器成果视作人类共同智力事业的延伸，而不必把每项成绩全部归功于某位硅谷富豪或某位在社交媒体上抢先传播的人。这样说并非否认模型开发者的劳动，更不是纵容无署名地利用别人的论文；它是让我们记得，数学的历史贡献和未来价值不是一个公司、一轮新闻发布会能够独自占有的。

    卡莱加里提到，他所在大学的一位院长赴纽约与捐赠者和芝加哥大学的朋友见面，发现无论是否学过数学，大家都很想谈数学。3Blue1Brown 有数百万观众，也说明公众关心数学并不以能够跟上每篇技术论文为前提。他在人文学科的朋友同样确信：社会需要数学家，一方面作为古老智力传统的守护者，另一方面作为知识前沿的探索者。我们当然会失去一些珍爱的职业文化，但现在也是告诉公众数学为什么仍有众多机会、为什么值得保持好奇、为什么数学家还应大胆冒险的时刻。卡莱加里所说的这份乐观，还与我博客上内斯托尔·吉廉关于人类应当共享机器成果、本·安蒂奥关于 AI 让研究计划更加大胆、布琳娜·克拉关于定理稀缺不再可靠地标识深层思想等讨论互相呼应。

    拉纳德把“公共物品问题”说得更具体：当人类从田间劳动转向室内工作，我们发明健身房，努力补偿身体活动的减少；今天认知劳动被机器替代，我们也可能需要刻意锻炼智力，但这里有一个关键区别——人们通常付钱去健身房，而过去的入门岗位与博士项目却相当于社会付钱让年轻人健身，他们一边训练，一边创造有用的工作成果。如果这些岗位萎缩，我们怎样训练下一代，怎样让他们相信投入智力训练有意义？这不可能单靠更聪明的 AI 导师解决。需要奖赏理解与解释的社会文化，需要大学、研究院、政府、公司、基金会共同承担成本，需要数学家和公众都认可学习本身的价值。她呼吁大学管理者公开承诺持续招聘科学、工程、社会科学和人文学科的人才；呼吁慈善家和资助机构支持开放研究、理论探索和严格的基础教育，让学生知道社会将为他们的未来提供机会，而不只是要求他们自己面对技术冲击。

    我也愿意让这个呼吁更深入一点。我们的目标不是人工地制造人类比机器厉害的虚假比赛，也不是要求所有人把个人尊严系于拿到终身教职或菲尔兹奖。我们希望保留的是能够认真提出问题的人、能够理解答案的人、能够解释错误的人、能够与不同背景同事一起讨论的人、能够把数学知识用于真实世界并承担后果的人。若未来证明变得极其充裕，数学应该把更多声誉与资源分给这些工作。我们既要支持独立的人类思考，也要学习利用机器来发现新的数学。速度可以令人兴奋，但缓慢、稳健、仔细的理解不应变成落后者的标志。让别人指出你不懂的地方、坦承自己尚未弄明白、改变原本相信的研究设想，在成熟的数学文化中都是力量，而非耻辱。

    这当然不是一张能立刻解决所有问题的政策清单。资金、就业、形式化、行业数据、AI 安全、教学负担和成果署名将不断出现新的取舍。我们应该持续尝试新工具和制度，定期检验它们的实际效果，而不是假设技术自然会把所有人带向好未来。对于重要论文，我们必须验证它究竟证明了什么；对于重要模型，我们必须知道它对哪类任务有效、在哪些任务上会失败；对于重要制度，我们必须问受益者是谁、成本由谁承担、哪些人被留在门外。AI 帮助我们更加了解数学的可能性，应该成为更广泛人类理解的起点，而不是人类放弃理解的借口。数学没有结束。我们有责任让这门学科的未来既更加雄心勃勃，也更加开放、公平、诚实和富于人性。

    附录一：五份材料的原始属性、个人经历与说明

    第一份材料：吉里娅·拉纳德《AI, Mathematics, Education, and a public goods problem》，2026 年 10 月 29 日。这是她应陶哲轩和内斯托尔·吉廉邀请撰写、刊于陶哲轩博客的客座文章，最初由另一种文件格式借助 AI 转换。文中学生向教师寻求情绪支持、Gold 2002 数学训练、对 M. Prakash 老师的感激、任职 EECS 系并教授优化、概率和深度学习、对舞蹈的兴趣、从报纸上的诺贝尔奖形成的价值观等，均是拉纳德的叙述，不属于陶哲轩的个人回忆。作者感谢陶哲轩、Nestor Guillen 的邀请，感谢 Ted Theodosopoulos 的首场 Relatorium 数学与 AI 对话，以及 Anant Sahai 长期讨论、Vinayak Ranade、Sukhada Fadnavis、Shubhangi Saraf、Amit Sahai 的反馈，还有 2026 年 Renaissance Philanthropy AI for Math Workshop 的组织者与参与者。她的十五则注释对正文作出这些限定：挑战式学习并不适合所有学生；就业分析刻意限于高度数学训练者的岗位；即使社会只需要顶级数学家的说法只是反事实设想；Gold 2002 有 200 余位受训学生、其中数人获得 IMO 奖牌；她任教的课程偏向数学；她本人喜欢但无法靠跳舞谋生；AI 增强人的能力也不等于 AI 拥有人的理解；将来若有比乘法表更好的基础技能，她接受替代；“四盏灯”引自皮卡德；每名真正获得博士训练的人都是一位新的人类专家；“AI 袜子木偶”并非完全等同网络用语 meat proxy；leantutor.org 展示降低 Lean 使用门槛的工作；“更难、更好、更扎实”并不意味着更快；提示工程和 AI 素养课程有其就业作用，却不替代思辨训练；课程应建立基础阶段的层层支架，使学生最终能够接触最困难的内容。原文收录于陶哲轩博客的 2026 年 10 月 29 日客座栏目。

    第二份材料：哈佛数学科学与应用中心（CMSA）《Report of Summit on Math Research in the Age of AI》，峰会 2026 年 10 月 22—23 日。这是 32 位来自高校、政府和产业界的数学家经五个工作组形成的共识报告，不代表每位与会者在所有问题上毫无异议。报告讨论研究评价、生产与传播；AI 时代的协同行动；开源工具；数学形式化；学术界和 AI 实验室合作，也说明同年 9 月另有关于 AI 时代数学博士教育的类似峰会，而出版与本科数学教育等议题可供未来专门会议讨论。报告的工作本身可能增加短期教师负担，但作者认为支持学生与青年学者、转向新规范所需的投入不可省略。报告特别指出其建议同时涉及大学、政府、业界和非营利机构。与会者包括 Mohammed Abouzaid、Antonio Auffinger、Jeremy Avigad、Boaz Barak、Agnès Beaudry、Joan Bruna、Linda Chen、Jaume de Dios Pont、Mike Douglas、Pavel Etingof、Dan Freed、Bogdan Georgiev、Mathilde Gerbelli-Gauthier、Javier Gómez-Serrano、Nestor Guillen、Larry Guth、Ahsan Khan、Bryna Kra、Tie Luo、Melanie Matchett Wood、Shivam Nadimpalli、Eric Price、Rachel Pries、Emily Riehl、Patrick Shafto、Andrew Sutherland、Jennifer Taback、Adam Topaz、Tatiana Toro、Caroline Turnage-Butterbaugh、Anthony Várilly-Alvarado 以及 Stefan M. Wild；以上名单体现了该报告跨领域、跨机构的集体性质。

    第三份材料：《The Mathematical Sciences in an AI-enabled World: Opportunities, risks, and community needs》，2026 年 10 月 28 日预发表稿。作者为牛津大学 Christoph Reisinger、伦敦国王学院 Rachel Bearon、曼彻斯特大学 Thomas Bloom、格拉斯哥大学 Jennifer Gaskell、兰卡斯特大学 David Leslie 及 QED Analytics 的 Zubin Siganporia。正文范围覆盖纯数学、应用数学、科学计算、统计、数据科学、运筹与优化、工业数学和 AI 的数学基础，并明确表示：不处理学校教育全貌，也不编写 AI 技术方法综述；更广泛的 AI 伦理问题虽重要，但非此文主要范围。它分为“新近发展”“机会”“风险及缓解”“共同需求”四部分，另附“AI 在纯数学的能力及至 2036 年情景”“AI 成本与访问”“英国内外共同体项目”三份附录及分主题文献目录。作者感谢 Robert Brignall、Edward Fauchon-Jones、Leslie Ann Goldberg、Ursula Martin、James Maynard、Jan Obłój、Florian Pein、Gaetano Romano 和 Sakura Schafer-Nameki 的意见，并披露 Claude 广泛用于查找实例和文献、制作时间轴与表格、修改正文，以及起草附录；所有内容由作者本人审查并承担责任。原文中大量具体价格、研究能力和企业财政预测都只代表 2026 年 10 月这一时点的资料，并按厂商报告、新闻转述或作者假设划分证据等级。

    第四份材料：弗兰克·卡莱加里《Mathematics has changed. Let’s act like it》，2026 年 11 月 1 日。这也是我博客上的客座文章，最初文件格式转换时使用过 AI。文中 15 岁开始思考ζ(3)\zeta(3)、17 岁确立数论研究方向、在墨尔本接触双曲几何、芝加哥大学院长与捐赠者的交谈，以及他关于大学招聘、研讨会和研究生课程的主张，都属于卡莱加里的作者经历与判断。他提出的六项实际建议分别是：一律按可能有 AI 辅助来评价成果；重视个人互动，面试博士后与研究生；要求期刊改革，必要时离开无法适应的期刊；拓宽研究生教育而不放弃技术训练；改善研讨会；数学家作为共同体应更主动理解并承担机器成果。他引用迪米尼尔 - 科潘的反应，也补充其完整言论表达了对数学共同体韧性的信心；文章末尾提及内斯托尔·吉廉、本·安蒂奥、布琳娜·克拉与相关论题的联系。原文收录于陶哲轩博客的 2026 年 11 月 1 日客座栏目。

    第五份材料：Karthik C. S.、Amit Sahai、Jie Xue《Egoless Mathematics in the AI Era》，2026 年 11 月 2 日。文章在我博客上客座发表，原始文件经 AI 转成博客格式。其对数学“发现”与“发明”、柏拉图式真理、古生物化石、学术声誉、自我价值、德性、认识的喜悦、人机竞争及 AI 使用选择的讨论，是三位作者共同提出的哲学立场，而不是陶哲轩本人签署的宣言。作者以拉马努金关于方程和神之思想的名言作结，援引 Robert Kanigel 于 1992 年出版的《知无涯者》所载说法，并在文末声明思想属于作者，GPT Astra 6.0 与 GPT 6.1 Sol 曾协助起草。原文收录于陶哲轩博客的 2026 年 11 月 2 日客座栏目。

    附录二：研究案例、数字、资料口径与相关文献

    为使正文中的论述便于追溯，我还想保留英国报告附录里若干不适合直接插入叙事的技术口径。首先，能力评测不是单一分数。2025 年 IMO 金牌水准的 35/42、2026 年的 42/42 声称、2025 年 Putnam 的 103/120、FrontierMath Tier 4 在修订数据集上的成绩，以及 First Proof 不同批次的通过率，所用题目与评审程序不相同。First Proof 第二批被视作“通过”的稿件可包含小幅修订；第三批则在−1-1至11的正确性评分中要求平均分不低于0.50.5，并将可读性、引用另行计分。第三批采取不正确答案扣分、24 小时无人干预的设计；第二批中一些串行模型调用总时长约 5.8 小时，而其他代理流程约 23 小时并行完成不同问题。若按最严格的“所有审稿人认为近乎完美”的标准重新计算第二批，各系统的成功数将从原来的 6、5、5、1 降为 2、1、2、0；这不影响“单位成功成本下降”的总体判断，但提醒我们不要比较两个看似相同的百分比而忽略判定规则。Aletheia 曾发现模型有“无意识剽窃”的风险，报告认为问题越接近既有文献，模型越容易给出完整证明，也越要认真追踪知识来源。

    其次，形式化成本与数据生成具有多个尺度。AlphaProof 把约一百万非形式化问题扩展为数千万经核验陈述，证明环境的正确性使 AI 可以自行形成强化学习反馈；有研究以 144 张 H100 生成 Goedel-Prover-V2 训练数据，有些较小证明模型在一台 8×H100 机器上完成评估，但没有完整的训练 GPU 小时和服务费用。英国报告估算，想把一个形式证明库做得大而可靠，不仅需要 GPU 和程序员，还需要领域专家反复判断“什么应该成为规范定义”。一套大型生成库即使超过 Mathlib 的规模，也不代表它与 Mathlib 在可维护性、可迁移性和专业认可度上等价。报告提到 Mathlib 仍对 AI 生成的粗糙形式化采取谨慎接受态度，版本更替会让未精炼的证明脚本迅速脆弱；Palomar 要求的形式化来源记录，因而既关系到署名，也关系到下一代模型训练数据的清洁度。

    关于共享 GPU 节点，相关费用估算还依赖明确的技术假设。报告分别按设备三至五年折旧、硬件维护约 8% 至 12%、设备平均功率 9 至 14.3 千瓦、数据中心电能使用效率约 1.2 至 1.5、英国工商业电价约每千瓦时 22.25 至 25.17 便士，以及研究软件工程师四分之一到一整个人工年计算；人员成本按英国高校相应职级工资、雇主保险与养老金附加成本计入。吞吐量则从每秒约 1500 至 6600 输出词元、实际利用率 15% 至 40% 推导，中心情景取约每秒 4000 输出词元与 25% 利用率。租赁 8×B200 服务器连续运行一年，报告从不同云服务获得约 35.4 万、45.5 万、75.3 万英镑的报价或推导值，通常高于其中心自有节点成本，但租赁与购买所承担的资金、人才、故障和维护风险也不一样。报告对每百万输出词元和每位重度用户的费用，均基于这些假设，而不是对未来所有模型的确定报价。相关出处包括 Lenovo Press LP2368、英国 DESNZ《季度能源价格》、NVIDIA Dynamo、InferenceX、CoreWeave、Lambda、AWS 与英国高校薪资资料。

    报告对模型自主与政策主权的判断同样有具体边界。一般开放模型能力落后约四个月的估算不能直接套用到研究级数学；某些专项 Lean 证明模型虽然能在特定小型基准超过更大的通用模型，却不能因此等同最前沿、通用的数学研究代理。英国公共资源 Isambard-AI、Zenith 与 AIRR 按项目分配算力，不等于给每位数学家提供长期、不受中断的安全推理服务。报告区分可固定权重和版本的本地模型与不断变化、非确定性的商用 API；也提醒 2026 年 6 月的断供主要涉及美国出口管制指令，后来政策发生调整，不能推导为永久禁用的常态。涉及上市、企业营收、毛利、股价、未来模型费率的内容，有相当一部分来自商业媒体或厂商自身预测，而非独立审计。对这些不确定资料，最安全的政策不是赌定某一种价格走势，而是维持多条可用路径。

    关于文化、心理健康与长期研究，报告并不要求只保留“AI 不能做”的课题。恰恰相反，AI 适合某类研究，应当成为该方向更有雄心的理由；但我们也应保护那些尚无现成基准、需要多年发展概念的领域。英国报告引用一项涉及约 4100 万篇自然科学论文的研究：研究者使用 AI 后，个人产出与引用可能增加，但研究主题范围缩窄约 4.6%，研究者之间的互动下降约 22%。这项研究本身不能直接预测数学界必然出现同样结果，却有力提醒我们：把某个量化目标推到极致，有时会削弱多样性、合作与理解。担心被抢先、无法下班、不断监视模型新成果的压力，也已经进入数学家的日常生活。公共政策应该重视这样一种被计算能力增长遮住的稀缺资源——人的注意力、学习时间、职业稳定性与思想上的自由。

    主要文献与研究依据

    数学 AI 能力与验证。五份原材料涉及的主要技术研究和报道包括：Abouzaid、Srivastava、Ward、Williams 等关于 First Proof 第一批（arXiv:2602.05192）、第二批（arXiv:2606.18119）及第三批（Hexagon:2610.00244）的说明；DeepMind Aletheia 关于厄尔多斯问题的研究（arXiv:2601.22401），Feng 等关于自治数学研究的 Aletheia 报告（arXiv:2602.10177）；Georgiev、Gómez-Serrano、Tao、Wagner 关于 AlphaEvolve 探索 67 个问题的论文（arXiv:2511.02864）；Epoch AI 的 FrontierMath 与厄尔多斯开放问题评估；MathArena 的 2025 年 Putnam 基准；OpenAI 关于纳维—斯托克斯、单位距离反例及 2026 年 10 月数学研究发布的资料；Anthropic 关于费马大定理自动形式化的说明；Bastounis、Circelli、Hansen 关于纳维—斯托克斯形式陈述与自然语言之间差异的研究（arXiv:2610.08144）；Córdoba 与 Martínez-Zoroa 的流体问题研究（arXiv:2309.08495），以及 Alpöge 与 Buckmaster 的后续工作；我在 2026 年的 Math 2.0 讲稿及《Mathematics in the age of AI》（arXiv:2608.16753）；Timothy Gowers 关于大语言模型数学能力的文章；Kevin Buzzard 关于反例搜索与 Annals 挑战的讨论；Leonardo de Moura 有关 Lean 内核安全的事后分析；BrokenMath（arXiv:2510.04721）；Metaculus 关于计算机成为顶级期刊作者及解决千禧年难题的预测；Anthropic 在 2026 年有关模型访问限制与恢复的声明。

    数学研究自动化与长程能力。可进一步参照 Villalobos 等在 Epoch AI 的《Will we run out of data?》；David Silver 与 Richard Sutton 的《Welcome to the Era of Experience》；Hubert 等发表在 Nature 上的 AlphaProof 研究；Yue 等关于可验证奖励强化学习的论文（arXiv:2504.13837）；Dong 与 Ma 的自博弈定理证明器（arXiv:2502.00212）；Poesia 等的 Minimo 研究（arXiv:2407.00695）；Patel 等关于数学趣味判断的研究（arXiv:2609.28603），以及 Mishra 等的《A matter of interest》（arXiv:2511.08548）；Zheng 等关于 AI 共同数学家的论文（arXiv:2605.06651）；Daniel Litt 的《Mathematics in the Library of Babel》；Avigad、Buzzard、Commelin、Degenne、Morrison、Nash、Topaz 关于如何形式化全部数学的讨论；Epoch AI 关于强化学习环境的分析，以及 DARPA expMath 计划。它们并不提出完全相同的未来判断，区分实证成绩、推测与目标尤其必要。

    应用、统计、运筹与产业。参考《The Era of Mathematics》（Bond，2018）；Davies 等 2021 年发表在 Nature 上的机器学习辅助纽结理论与表示论研究；AlphaEvolve、AlphaTensor、FunSearch 及其后续关于简单启发式方法的复核（arXiv:2510.27353）；Wang、Lai、Gómez-Serrano、Buckmaster 等有关不稳定奇点的工作（arXiv:2509.14185）；GraphCast、ECMWF AIFS 的天气预测资料；McGreivy 与 Hakim 对机器学习求偏微分方程比较准则的评述；PDEAgent-Bench（arXiv:2605.09636）；Bertran、Fogliato、Wu 的多 AI 分析者研究（arXiv:2602.18710）；Miao、Pritchard、Zou 关于统计分析选择的研究（arXiv:2607.01507）；Angelopoulos 等的预测驱动推断（arXiv:2301.09633）；英国皇家统计学会《The Future Statistician》及致 AI 部长的信；OR-LLM 基准研究（arXiv:2508.10047）、ORAgentBench（arXiv:2606.19787）；Gurobi《2025 年优化现状》；ICIAM 的 2026 年数学与 AI 声明；Faure Ragani、Stein、Keene、Symington 对 176 位 NAFEMS 相关工程仿真从业者的调查研究（McKinsey，2023 年 6 月 21 日）。这些来源反复强调，应用结果的可信度不仅取决于算得对不对，更取决于模型是否真正反映现实目标与条件。

    成本、开放模型与基础设施。技术与价格讨论的来源包括 Epoch AI 关于 LLM 推理价格、开放与封闭模型差距的资料；Gundlach、Lynch、Mertens、Thompson《The Price of Progress》（arXiv:2511.23455）；Schmitt、Gehrunger、Dekoninck 等关于 ProofCouncil 的报告（arXiv:2607.09474）；OpenAI、Anthropic、Google、DeepSeek 的公开报价及更改记录；AIRR、NVIDIA DeepSeek V4-Pro 部署资料和德国 GWDG 服务；Pythagoras-Prover（arXiv:2606.12594）、Goedel-Prover-V2（arXiv:2508.03613）；Tsoukalas 等的 AlphaProof Nexus（arXiv:2605.22763）；英格兰银行汇率、Lenovo 硬件价格、英国政府电价、InferenceX 吞吐数据、Jisc—OpenAI 采购公告、Springer Nature 全球研究者调查；SAIR Open Math Model、Fields Model Initiative、致欧洲数学会公开信、《A CERN for AI-assisted science》、RAISE、Apertus 1.5、OpenEuroLLM 及 EuroHPC。不同来源采用的输入输出词元费用、GPU 规格、服务使用率、资本折旧、数据驻留限制与许可定义存在差别，因此所有跨系统成本比较都应附上假设。

    出版、职业规范和人才政策。相关依据还包括 arXiv 在 2026 年 10 月的提交频率限制；London Mathematical Society、Institute of Mathematics and its Applications、Royal Society、SIAM、Elsevier、Springer Nature、UKRI 和 COPE 等关于 AI 使用、审稿保密与科研责任的规则；一项跨 5114 份期刊的 AI 政策与辅助写作研究（arXiv:2512.06705）；《莱顿宣言》、28 位菲尔兹奖得主的《A Severe Misalignment of AI in Mathematics》以及 AGMAI 建议；Hao 等关于 AI 使用与科研题目范围缩窄的研究（arXiv:2412.07727）；Bastani 等关于 GPT-4 辅导的随机实验；Filippucci 等的 OECD 研究及 Jones 的经济学分析；Deloitte 关于数学科学经济价值的报告；XTX 资助、AI for Math Fund、西蒙斯基金会计划；英国数学科学院关于支撑 AI 的数学科学的入门报告；美国数学会 2024 年五篇白皮书，分别涉及数学职业、大学数学教育、科学政策、出版，以及公平、多样性与包容；伦敦数学会、欧洲数学会、法国数学会、意大利数学联盟等对 2026 年纳维—斯托克斯公告的回应。这批资料共同说明：研究结果越来越容易产生之后，信任、归功、教育、公平和公共治理不会自动随之产生，也必须有人专门建设。

    Post #5
  • 当人工智能超越人类：围棋世界中的创造力、专业知识与人类价值
    谈笑风生

    2016 年 3 月，Google DeepMind 开发的 AlphaGo 以 4 比 1 的成绩击败世界围棋冠军李世石。这场比赛不仅改变了围棋的发展方向，也提出了一个远比围棋本身更加重要的问题：当人工智能在某个领域的能力已经超越最优秀的人类专家时，人类究竟会发生什么变化？

    一种直观的判断是，人类专家将逐渐失去价值。既然机器能够做出更好的决策，能够在复杂局面中找到人类无法发现的最优解，那么人类长期积累的经验、知识与专业判断似乎就会贬值。但另一种可能性恰恰相反：当人类能够观察、学习并理解机器提出的全新解决方案时，人工智能也可能成为推动人类认知能力进步的力量。

    李世石曾在回顾 AlphaGo 带来的冲击时表示，这次经历让他开始怀疑自己对于人类创造力的理解。AlphaGo 走出了许多与传统围棋思维截然不同的棋步，使他不得不重新审视过去学到的围棋知识，并意识到自己还需要进一步学习围棋。

    我认为，这段反思揭示了人工智能时代最值得研究的矛盾：人工智能一方面打破了人类专家对于最高水平知识的垄断，另一方面却可能帮助人类专家提升决策质量、突破传统认知，并发展出新的专业能力。

    要理解这种矛盾，我想结合两项研究展开讨论。第一项是 Minkyu Shin、Jin Kim、Bas van Opheusden 与 Thomas L. Griffiths 于 2023 年发表的《超人类人工智能可以通过增加新颖性改善人类决策》（Superhuman Artificial Intelligence Can Improve Human Decision-Making by Increasing Novelty）。研究者分析了 1950 年至 2021 年间职业围棋选手做出的 585 万余次落子决策，探讨超人类 AI 是否提升了人类决策质量，以及这种提升是否与创新有关。第二项是 Jiuheng He 于 2026 年发表在《Big Data & Society》的《后人工智能时代重新定义人类围棋专家：职业社会学与专业知识视角》（Redefining Human Go Experts in the Post-AI Era: Perspectives from the Sociology of Professions and Expertise）。这项研究通过田野调查与访谈，考察 AI 如何改变职业棋手的工作内容、知识权威，以及整个围棋行业组织和展示专业能力的方式。

    在我看来，这两项研究实际上讨论了同一场技术革命的两个侧面：第一项研究关注人类能否因为机器的超越而变得更聪明，第二项研究关注即使人类因此变得更聪明，为什么他们仍然会失去某些原有的专业权威，以及如何重新找到自己的位置。

    一、为什么围棋是理解人工智能与人类关系的理想案例？

    围棋是一项有着数千年历史的智力活动，在东亚社会具有深厚的文化意义。掌握围棋的战略与艺术，长期以来被视为人类高级智力活动的重要表现。围棋不仅拥有数量庞大的爱好者，也形成了由学校、地方俱乐部、职业协会、电视转播、国际赛事和职业认证体系构成的成熟社会组织。尤其在中国、日本和韩国，围棋是一种高度制度化的职业活动，最优秀的棋手不仅能够参与国际锦标赛，还能依靠教学、讲棋、著书和理论研究维持职业生涯。

    围棋同样是人工智能研究长期面对的重大挑战。它的规则相对简单，棋盘和合法行动都可以被明确定义，但可能出现的棋局状态极其庞大，甚至超过可观测宇宙中的原子数量。围棋要求棋手在高度复杂的决策空间中进行长远规划、局势判断和战略权衡，因此长期被认为是衡量机器智能的重要领域。过去，人们普遍认为，围棋中某些依赖直觉、经验和全局判断的能力，很难被纯粹的计算过程替代。

    2016 年 3 月 15 日，AlphaGo 在与李世石的五番棋挑战中最终取得 4 比 1 的胜利，成为一个清晰的历史分界点。这场比赛吸引了全球数亿观众，也宣告了人类不再代表围棋最高竞技水平的时代。随着 AlphaGo Zero 及后续围棋 AI 系统的发展，机器逐渐建立起对顶尖人类棋手的压倒性优势。特别值得注意的是，部分新一代系统并不依赖人类历史棋谱提供的范例，而能够通过自我对弈学习策略，这意味着机器发现的优秀决策不再完全受人类既有知识体系的限制。

    我之所以认为围棋尤其适合研究人工智能对人类的影响，是因为它同时具备其他许多领域难以满足的条件。首先，围棋职业比赛留下了完整、连续、可追溯的决策记录，因此我们能够观察几十年间人类实际做过什么，而不是只能依靠事后回忆。其次，围棋有明确的比赛规则与胜负标准，研究者可以借助超人类 AI 评估某一步棋在特定局面下的质量。最后，人工智能超越人类的时间点相对明确，使我们能够比较这一技术冲击前后人类行为的变化。

    当然，围棋也有自身的特殊性。它是一个规则稳定、目标明确、状态空间有限的封闭系统，而医学、法律、企业管理等领域涉及开放的社会环境、不断变化的目标以及难以量化的价值判断。因此，围棋可以作为研究人机关系的早期实验场，但不能简单地把围棋中的结果视为所有现实职业必然经历的未来。

    二、超人类人工智能出现之后，人类的决策质量真的提高了吗？

    要判断人工智能是否改善了人类的决策，我认为首先需要解决一个基础问题：我们究竟如何衡量一个人的决策是否比过去更好？在围棋比赛中，胜负固然是重要结果，但它不能直接反映每一步棋的质量。一个棋手可能在某一步做出错误选择，却因为对手随后犯下更严重的错误而赢得比赛；也可能在整体表现优秀的情况下，仍然输给更强的对手。因此，如果仅用比赛胜率来衡量人类决策水平，就难以区分个人决策能力与外部竞争环境的变化。

    2023 年的研究采用了一种更直接的方法。研究者从 Games of Go on Disk（GoGoD）数据库获得职业围棋比赛的逐步落子记录，建立了覆盖 1950 年至 2021 年、跨越 71 年的历史数据集，总计包含 5,857,513 次落子决策。随后，他们利用具有超人类棋力的 KataGo，对每一个实际出现过的棋局状态进行分析，让 AI 在与人类棋手完全相同的局面下提出自己认为最好的落子，并评估人类选择和 AI 推荐选择分别对应的预期胜率。

    这套方法的重要性在于引入了反事实比较。研究者不仅观察人类实际选择了什么，还试图回答：如果在同一个局面下采用 AI 推荐的走法，比赛结果的预期会有何不同？为了进行评估，研究者让 AI 针对每一个人类决策模拟约 10,000 种可能的后续对弈情况，从而在整个数据集上形成约 580 亿个反事实棋局模式。如此大规模的计算，使他们能够为数百万次人类落子建立一种相对一致的评价标准。

    研究者据此构建了决策质量指数（Decision Quality Index，简称 DQI）。其基本思路是，用 100% 减去 AI 推荐决策与人类实际决策之间的胜率差距，表达式为 DQI=100%−(PAI−PHuman)DQI=100\%-(P_{\mathrm{AI}}-P_{\mathrm{Human}})。其中，PAIP_{\mathrm{AI}} 表示在当前局面下采用 AI 推荐落子所对应的预期胜率，PHumanP_{\mathrm{Human}} 表示采用人类实际落子所对应的预期胜率。两项胜率都由同一个 AI 评价系统估计。假设 AI 推荐的落子对应 60% 的胜率，而人类实际落子对应 50% 的胜率，两者相差 10 个百分点，那么这一步棋的 DQI 就是 90%。如果人类选择与 AI 推荐的最优选择在评估上完全一致，DQI 则达到 100%。

    这个指标并不是说棋手的真实胜率一定达到 90%，而是衡量人类决策与 AI 评估下最佳决策之间的差距。DQI 越高，意味着该次人类落子相对于 AI 推荐落子的预期损失越小。更重要的是，研究者使用同一套 AI 评价历史上不同时代的棋谱，而不是采用各个时代棋手对于“好棋”的不同理解，从而尽量避免评价标准随历史变化而产生的偏差。不过，它依然是以特定超人类 AI 为参照建立的指标，并不等同于对围棋所有可能状态进行数学意义上的最优性证明。

    在得到 DQI 之后，研究者进一步分析 1950 年至 2021 年间人类决策质量的时间变化，并控制棋手固定效应，以减少不同年代活跃棋手构成差异对结果的影响。在年度分析中，他们以 1950 年为基准；在月度分析中，则以 1950 年 1 月为基准，观察不同时点对应的决策质量变化。这些分析得出了一个值得重视的结果：在 AlphaGo 出现之前的约 66 年间，职业围棋选手的决策质量整体改善相对有限，而在 2016 年至 2017 年之后，决策质量出现了明显且持续的上升。

    这个时间变化与两个重要事件相吻合：2016 年 AlphaGo 战胜李世石，以及 2017 年前后超人类围棋 AI 程序逐渐向职业棋手开放和普及。研究者在年度和月度固定效应分析中，都观察到了人工智能出现之后的明显提升。尽管长期趋势中仍存在一些局部例外，但整体图景相当清晰：与之前数十年相对平缓的变化相比，2016 年之后职业棋手的落子决策与 AI 评价的最佳选择显著接近。

    我认为，这个发现之所以重要，不是因为它证明了机器比人类更擅长围棋——AlphaGo 的比赛结果早已说明这一点——而是因为它显示，即使机器已经占据能力优势，人类自己的决策表现也可能随之提升。人工智能并不只是替代原有的决策者，还可能通过改变人类的学习环境，推动人类在没有 AI 直接代下棋的情况下做出更高质量的选择。

    三、为什么研究者认为，决策质量的提升可能来自创新？

    如果人类在人工智能出现之后做出了更好的决策，下一个需要解释的问题就是：这种变化究竟发生在什么地方？人类可能只是简单模仿 AI 推荐的标准答案，也可能逐渐学会了某种新的思考方式，使自己更愿意尝试此前没有考虑过的策略。2023 年的研究特别关注后一种可能性，并将其与决策的新颖性联系起来。

    这里的“新颖性”不是一个抽象的创造力概念，而是可以通过历史棋谱进行操作化衡量的行为特征。研究者借鉴国际象棋研究中识别新招的方法，在每一局比赛中寻找第一步使整段棋谱成为历史上从未出现过的序列的落子。假设一局棋的前 9 步构成了历史上曾经出现过的顺序，但加入第 10 步之后，这个由 10 步构成的完整序列在此前所有比赛记录中都没有出现过，那么第 10 步就被定义为这局棋的第一个“历史新颖落子”。

    这种衡量方式关注的并不是某个棋盘坐标是否从来没有被使用过，也不是某一种局部战术是否第一次被发明出来，而是当前整段落子序列是否突破了历史上已经出现过的组合。如果一局棋很早就产生了历史上从未见过的序列，说明棋手较早脱离了已有的常见路径；如果直到很后面才出现这种变化，则说明整局棋在较长时间内仍沿着历史上出现过的顺序展开。

    为了量化这种区别，研究者建立了新颖性指数（Novelty Index），其计算方式为 NI=60−mnovelNI=60-m_{\mathrm{novel}}。其中，mnovelm_{\mathrm{novel}} 表示一局棋第一次出现历史新颖序列时对应的手数，60 是该研究所考察范围内的最大手数。新颖落子出现得越早，NINI 就越高。例如，第 10 手首次出现历史新颖序列，对应的新颖性指数为 50；第 20 手才出现，则对应 40。因此，这个指标衡量的是棋局在多早的阶段脱离历史上已经观察到的路径，而不是直接判断新走法在战略上有多么独创。

    研究还发现，历史棋谱自身的积累会影响新颖性测量。随着时间推移，越来越多的落子序列被纳入数据库，理论上新的一局棋需要走到更深的位置，才更可能产生此前没有记录过的完整序列。因此，在正常情况下，历史时间的推移会对新颖性指数形成向下的压力。研究者在年度和月度固定效应分析中，也确实观察到了这一长期趋势。

    但 2016 年之后的变化打破了原有趋势。研究结果显示，在超人类 AI 出现之后，职业棋手开始更早地走出历史上尚未出现过的落子序列，新颖性指数出现了明显的上升。研究者还使用另一种定义新颖性的方式进行补充分析，依然得到了类似结果。这表明，在人工智能改变围棋世界之后，人类不仅做出了质量更高的决策，也更频繁、更早地偏离传统棋谱路径。

    我认为，这一结果与李世石面对 AlphaGo 时产生的认知冲击形成了呼应。长期以来，职业棋手在成熟的围棋知识体系中学习，依靠前人积累的定式、布局和战略原则形成判断。某些走法之所以被认为是正确的，并不一定是因为它们已被彻底证明最优，也可能是因为优秀棋手长期采用这些策略，逐渐形成了一种由经验、声望和职业训练共同维系的共识。超人类 AI 的出现，使这些共识第一次受到来自人类知识体系之外的系统性挑战。

    不过，我也必须区分两个概念：历史上没有出现过的棋谱序列，不一定意味着真正创造了一项全新的围棋理论；更加新颖的落子，也不一定比传统落子更优秀。一个新颖选择可能是深刻的创新，也可能只是普通失误。因此，真正关键的不是新颖性本身有没有增加，而是人工智能出现之后，新颖决策与决策质量之间的关系是否发生了变化。

    四、人工智能出现之后，创新真的变得更有价值了吗？

    为了检验新颖性是否与决策质量的提升有关，研究者进一步建立了回归模型，把每一次落子的 DQI 作为被解释变量，同时引入三个关键变量：第一，落子发生在超人类 AI 出现之前还是之后；第二，该落子是否属于研究定义下的历史新颖落子；第三，前两个变量的交互项。通过这种设计，研究者不仅能够判断 AI 出现之后整体决策质量是否提高，还能够进一步比较，新颖落子与非新颖落子在这一时期分别改善了多少。

    研究者建立了两个模型。模型 1 控制落子手数与棋手固定效应，但不加入月份固定效应；模型 2 在此基础上加入月份固定效应，因此不再单独估计与时间高度重合的 AI 出现后虚拟变量，以避免多重共线性。两个模型都包含 5,857,513 个决策观测值，标准误按棋手层面进行聚类处理。

    主要回归结果如下：

    变量 模型 1 模型 2
    AI 出现后虚拟变量 0.59754 —
    新颖落子虚拟变量 -0.60770 -0.60777
    AI 出现后 × 新颖落子 0.51504 0.51498
    月份固定效应 否 是
    落子手数固定效应 是 是
    棋手固定效应 是 是
    观测值 5,857,513 5,857,513

    上述三个主要系数在对应模型中均达到 p<0.001p\lt 0.001 的统计显著性水平。模型 1 中，AI 出现后虚拟变量的标准误为 0.01601，新颖落子虚拟变量为 0.01219，交互项为 0.02147；模型 2 中，新颖落子虚拟变量的标准误为 0.01218，交互项为 0.02132。

    在我看来，最值得关注的是交互项。在两个模型中，这个系数都稳定地处于约 0.515 的水平，且具有高度统计显著性。这意味着，在超人类 AI 出现之后，新颖落子的决策质量改善幅度，显著高于非新颖落子的改善幅度。换言之，人工智能出现后的整体决策进步，并不是只发生在传统、熟悉的策略中；历史上尚未出现过的决策序列也发生了明显改善，而且其改善程度相对更大。

    这里还有一个容易忽略的细节：新颖落子虚拟变量本身的系数为负。它意味着，在研究所设定的基准条件下，新颖落子原本平均具有较低的 DQI，而不是天然比传统选择更好。因此，不能简单地把研究结论理解成“越创新越正确”或者“AI 出现之后所有创新都优于传统选择”。交互项说明的是新颖落子的相对改善幅度更大，而不是新颖落子必然取得最高质量。

    这一点对理解创新尤其重要。我们经常把创造力看作一种独立于质量的个人特质，仿佛只要做出了不同于他人的选择，就意味着产生了价值。但这项研究提示我，真正有意义的创新需要同时满足两个条件：一是它突破已有决策方式，二是这种突破能够在实际任务中带来更好的结果。超人类 AI 的作用，可能不是简单地让人类变得更加大胆，而是帮助人类重新认识哪些原本被忽略、被排斥或不被理解的选择，实际上可能具有更高价值。

    五、人类是不是只是在记忆和模仿人工智能的答案？

    上述结果很容易引出一个替代解释：职业棋手可能并没有真正提升自身的判断能力，而只是记住了 AI 提出的优秀走法，并在正式比赛中重复这些答案。如果这种解释成立，所谓决策质量和创新的提升，实际上可能只是机器知识向人类棋谱的直接迁移，而非人类思考能力发生了实质变化。

    研究者把这种解释称为记忆假说（Memorization Hypothesis）。它可能以两种形式出现：一种是记住 AI 生成的连续落子序列，尤其是布局阶段常见的标准变化；另一种是针对容易出现的具体棋盘状态，记住 AI 推荐的最佳应对。为了判断这两种记忆方式能否解释研究发现，研究者进行了多组额外分析。

    第一种检验是排除所有与 AI 最佳选择相同的人类落子。 在整个研究数据集中，大约 40% 的人类决策与 AI 评估的最佳决策一致，另外约 60% 则采用了不同的选择。如果人类决策质量的改善完全来自记住并复制 AI 给出的最佳答案，那么当研究者只分析这 60% 没有与 AI 选择一致的落子时，2016 年之后的质量提升就应该明显消失。但实际结果并非如此。即使完全排除与 AI 最佳落子相同的人类选择，剩余决策的年度和月度质量变化趋势仍然显示出人工智能出现之后的明显上升。

    第二种检验是观察棋局不同阶段的决策质量。 研究者发现，整个数据集中超过一半的历史新颖落子发生在第 10 手之前，而约 99% 的棋局在第 21 手之前就已经出现了此前没有记录过的完整落子序列。这意味着，比赛进行到第 21 手以后，棋手往往已经处于一个与历史上所有完整已知序列都不相同的局面。由于围棋可能产生的状态极其庞大，棋手几乎不可能事先记住所有这些具体局面对应的 AI 最佳选择。

    研究者因此把前 60 手划分为六个连续的 10 手区间，分别研究不同阶段的决策质量变化。如果棋手只是记住开局中的 AI 序列，提升就应当主要集中在前 10 手或前 20 手，而不容易延续到后续不断变化的复杂局面。但结果显示，不仅第 1 至 10 手和第 11 至 20 手出现了质量改善，第 21 至 50 手等较后阶段也表现出类似的提升趋势。这说明，记忆固定开局序列无法完整解释人类决策质量的变化。

    第三种检验是观察对手偏离 AI 最佳路径之后，棋手如何应对。 假设双方都熟悉某一套 AI 推荐的标准变化，但其中一方突然走出了不符合 AI 最优推荐的棋步，那么另一方接下来的反应就不再属于原先完全固定的最佳落子序列。研究者专门分析了对手第一次偏离连续 AI 最佳选择之后，另一方紧接着做出的决策，并发现这些应对决策在 2016 年之后同样表现出质量提升。这说明，棋手不仅在熟悉的标准变化中走得更好，在应对对手意外选择时，也可能形成了更好的判断能力。

    研究还进一步针对新颖性进行了两项检验。第四种检验是只观察那些与 AI 最优推荐不同的历史新颖落子。 如果新颖性的提高完全来自复制 AI 提出的新走法，那么排除与 AI 最优选择一致的落子之后，新颖性提升就应该消失。然而，研究者重新计算新颖性指数的年度趋势后，依然发现 2016 年之后的明显上升。这意味着，人类不仅复制了 AI 的优秀走法，也开始在不同于 AI 最佳选择的路径上更早地产生历史新颖序列。

    第五种检验是将 AI 自身生成的棋谱提前加入历史数据库。 原有新颖性分析只考虑此前人类比赛出现过的棋谱，因此存在一种可能性：职业棋手在私下学习时已经看到 AI 生成的新序列，随后在比赛中使用这些序列，但研究者仍然会因为历史人类棋谱中没有出现过它们，而把它们识别为人类的新颖决策。为此，研究者生成了约 60 万次 AI 对 AI 的落子决策，并把这些数据在时间上人为放置在超人类 AI 出现之前，再重新识别每局棋的历史新颖落子。

    如果大量所谓新颖落子只是人类记住 AI 棋谱后进行的重复，那么在加入这些 AI 棋谱之后，相应的历史新颖性应当明显下降。但研究发现，重新计算后的新颖性时间趋势几乎没有发生变化，AI 出现之后的上升依然清晰可见。这进一步削弱了“人类只是复制 AI 历史棋谱”的解释。

    我认为，这五组分析共同支持了一个相对稳健、但仍需谨慎理解的结论：单纯记忆 AI 的最佳答案，无法充分解释职业棋手在决策质量和新颖性方面的全部提升。 人类可能不只是学会某些新定式，也可能通过与 AI 的接触重新组织了自己的战略判断方式。不过，这些分析并没有直接观察棋手的内部认知过程，因此不能彻底证明人类已经内化了 AI 的决策逻辑，也无法精确区分理解、模仿、训练环境变化和其他学习机制分别贡献了多少。

    六、在人工智能出现之前，职业围棋专家的权威是如何形成的？

    如果把目光从个人决策转向整个围棋职业体系，我认为另一个问题同样重要：为什么人工智能改变的不是单纯的棋力排名，而是整个行业对专业知识与专业权威的理解？

    在 2026 年的社会学研究中，Jiuheng He 借鉴了 Andrew Abbott 的职业管辖权理论，以及 Gil Eyal 关于专业知识网络的研究框架，分析围棋职业群体在 AI 出现前后的变化。Abbott 认为，职业并不是沿着某个固定路径逐渐发展为垄断组织，而是不同专业群体在相互联系的职业体系中，持续竞争对特定工作任务的控制权。他将这种控制权称为职业管辖权（Jurisdiction）。一个职业之所以能够长期拥有某项工作的合法控制权，不仅因为从业者具备实践能力，也因为他们能够将实际工作与一套抽象、系统、被社会认可的专业知识联系起来。

    按照这一理论，外部技术变化可能创造新的工作任务，也可能让原有任务的价值下降，从而形成所谓“管辖权空缺”。当某种技术突然获得完成专业工作的能力时，原先负责这项工作的职业群体就必须重新划定边界，争取新任务，或者重新定义自己仍然能够控制的工作。

    在围棋领域，职业棋手的专业地位有着悠久的历史基础。日本江户时代，德川幕府就曾通过资助职业棋手、组织御前对局等方式支持围棋活动。进入现代之后，特别是 20 世纪后期，围棋逐渐形成以国家或地区棋院、职业资格考试、职业段位和国际冠军赛事为核心的制度体系。中国围棋协会、日本棋院、韩国棋院等机构分别管理职业认证、国内排名和职业赛事，通过严格的准入制度，在职业棋手与业余棋手之间建立了清晰的身份界限。

    职业资格并不容易取得。根据研究中来自中国围棋职业定段赛的数据，2023 年参加定段赛的 613 名选手中，只有 36 人最终取得职业资格。这 613 人原本都已经达到业余五段水平，属于业余棋手中的顶尖群体，研究将其描述为大约前 1% 的业余选手。最终取得职业资格的人包括 20 名 18 岁以下男性棋手、10 名 18 岁以下女性棋手，以及仅 6 名成年棋手。由于职业定段名额高度向青少年倾斜，一些有天赋的棋手甚至在 13 岁左右就离开常规学校教育，投入高度专业化的围棋训练；而未能在 18 岁前取得职业资格的人，则往往不得不重新考虑升学与未来职业道路。

    为什么这么多人愿意为一个职业身份投入如此高昂的时间与教育成本？因为职业段位不仅代表棋力，也意味着被围棋行业认可的专业身份。一个棋手即使未必能够成为世界冠军，只要取得职业资格，仍然可以从事教学、讲解、写作、棋谱分析、理论研究等工作。职业身份帮助他们获得学生、客户和行业认可，形成相对稳定的职业生涯，而下一代希望成为职业棋手的年轻人又不断创造新的教学需求。

    在 AI 出现之前，我把职业棋手掌握的核心权威概括为两项任务：第一，展示最接近理想水平的围棋对弈；第二，对围棋比赛、战略和理论提供权威性的解释。这两项任务相互支持。职业棋手通过比赛证明自己拥有高于普通人的棋力，再利用这种能力证明自己有资格判断什么是好棋、什么是坏棋，以及某项战略为什么有效。围棋协会通过职业认证与赛事制度控制第一项任务，也间接强化了职业棋手对第二项任务的解释权。

    这是一种典型的专业知识权威结构：最擅长完成任务的人，也被认为最有资格解释任务应该如何完成。 在人类始终占据最高围棋水平的时代，这两个身份几乎天然结合在一起，优秀棋手既是最佳实践的创造者，也是最佳实践的解释者。

    七、围棋专家的权威，是否只来自他们个人的知识与能力？

    我认为，仅用职业资格和棋力高低来解释专业权威，仍然是不完整的。Gil Eyal 提出的专业知识网络模型提供了另一种观察方式。与 Abbott 关注“谁控制某项工作”不同，Eyal 更关心“专业知识如何通过人、技术、设备、机构和社会安排被实际展示、传播和认可”。在这个框架中，专业能力并不是完全储存在某个人头脑中的静态资产，而是一种依赖社会技术网络运作的实践结果。

    这一思路与行动者网络理论存在明显联系。它把专业人士、普通使用者、物理设备、制度规则、传播平台和相关概念都纳入同一个分析框架。围棋高手的棋力固然可以通过获胜体现，但要让社会广泛承认这种能力，仍然需要职业协会组织比赛、赛事机构制定规则、棋盘棋子呈现决策过程、记录员保存棋谱、媒体转播比赛，以及评论员把复杂的落子过程解释给观众。没有这些安排，个人即使拥有卓越能力，也难以以同样的方式获得社会认可。

    围棋讲解是一个非常典型的例子。与篮球等运动不同，普通观众往往难以仅凭棋盘上黑白棋子的变化理解比赛进程。在篮球比赛中，即使不懂专业战术，观众也能够通过比分变化、进攻动作和球员表现大致感受比赛；但在围棋中，如果没有解说，一场对局可能持续数百手，随后某位棋手突然认输，观众却完全不明白为什么比赛已经结束。

    职业讲解者因此承担了类似医生解读 X 光片的角色。患者面对影像时可能不知道哪里存在问题，需要医生解释影像背后的医学意义；普通围棋观众面对复杂局面时，也依赖专家说明棋手的意图、局势的变化、失误的原因和潜在的后续发展。围棋讲解并不只是告诉观众某个人下了哪一步，而是在重新组织一场比赛的意义，使观众理解某些动作为什么具有决定性作用。

    2004 年 8 月 30 日，常昊九段在解说丰田杯世界围棋王座战半决赛孔杰对李世石的比赛时，就曾指出，执黑的孔杰在布局阶段准备充分，局势一度有利；随后白棋第 44 手出现失误，黑棋第 45 手使白方整块棋受到攻击；但黑棋第 141 手又因计算失误犯下关键错误，白棋第 142 手最终形成决定性打击，使黑棋无法做活。从表面来看，这只是对比赛过程的说明，但在 Abbott 的理论中，讲解者实际上连续完成了专业判断的三个环节：诊断问题、推断后果，以及提出应该如何应对的处理方案。

    更值得注意的是，职业棋手使用的围棋语言并不是他们所独占的。普通业余棋手同样知道“失误”“攻击”“死活”“劫争”等术语，也可能理解部分局部变化。职业棋手真正拥有的，是在公共讨论中把这些概念作为权威判断使用的合法资格。这种资格既来自他们更高水平的知识运用能力，也来自职业段位、比赛成绩和行业制度的共同承认。

    专业知识网络模型还能够解释，为什么同样的围棋专业能力在不同情境中会呈现不同的形式。在传统电视直播中，两位职业棋手通常站在演示棋盘前，一位负责跟进比赛进度、提出问题，另一位负责深入判断局面并进行专业解释。历史上，这种分工还经常受到性别惯例影响：女性职业棋手更多承担主持与提问角色，而更高排名的男性棋手经常承担专家解说角色。这种形式并不只是工作分工，也是一种精心安排的知识展示。

    例如，在 2016 年中国围棋联赛的一次直播中，负责提问的讲解者故意询问白棋是否可以在某处落子，专家则立即摆出黑棋反击的变化，说明白棋如果这样下，角部三颗棋子就会被吃掉，从而导致严重损失。在另一次互动中，提问者询问角部棋形的死活结果，专家便用棋子演示一个经典的“刀把五”死形。对专业棋手来说，这些问题可能并不复杂，但通过角色分工和模拟初学者视角，直播间成为专家展示知识、观众逐渐理解专业语言的场所。

    另一种场景发生在赛后的棋手复盘中。2022 年 8 月，研究者在福州吴清源杯世界女子围棋公开赛期间观察到，一场比赛结束后，两名棋手面对棋盘沉默了约两分钟，随后其他棋手逐渐围拢过来。由于比赛房间存在信号屏蔽，现场没有人通过手机查询 AI 评价。中国棋手首先指向棋盘上的某个位置，并把棋子移动到另一个落点，韩国棋手则点头回应，再指出自己认为重要的另一区域。整个交流持续不到五分钟，双方几乎没有依赖共同语言，而是通过手势、落子和对局理解完成了复盘。

    虽然这次观察发生在 AI 已经广泛应用的 2022 年，但现场的行为形式保留了人工智能出现之前的传统：职业棋手依靠对棋盘和变化的共同理解，在低声交流甚至不使用语言的情况下判断局势。它也说明，同一种围棋专业能力可以在完全不同的社会安排下被展示。在电视直播中，专家通过语言、角色分工、摄像机和媒体传播获得公开认可；在赛后复盘中，专业能力则通过实物棋子、身体动作和棋手之间的默契得到体现。

    从这一角度出发，我更倾向于认为，专业能力不仅包括个人知道什么，也包括一个社会如何安排条件，使个人能够展示自己知道什么，并让其他人认可这种知识。 这也是为什么人工智能出现之后，职业棋手所面临的变化会远远超出单纯的棋力竞争。

    八、当 AI 成为最强棋手，人类职业专家失去了什么？

    人工智能对职业围棋最直接的冲击，是打破了职业棋手对最高水平对弈的垄断。2016 年以前，顶尖人类职业棋手的比赛通常被认为是最接近理想围棋的实践范例，其他棋手通过研究这些比赛学习布局、战略和战术。但随着 AlphaGo 以及其他超人类围棋程序出现，最优秀的人类棋手也不再代表这项活动的最高能力边界。

    这意味着，过去由同一个职业群体掌握的两项任务开始发生分离。人类职业棋手依然能够参加高水平比赛，但这些比赛已经不再是展示整个围棋领域最高能力的唯一舞台。职业棋手也仍然能够讲解和研究围棋，但他们对局面的判断不再自然享有最终解释权，因为 AI 可能给出与人类传统理论完全不同、却在实际胜率评估上更优的选择。

    我认为，这种变化可以用 Abbott 所说的职业管辖权重新分配来理解。AI 并没有使人类职业棋手从围棋世界消失，而是让围棋行业重新定义了职业比赛的功能。过去，顶级人类比赛既用于确定谁是最优秀的人类棋手，也承担展示理想对弈方式的功能；在超人类 AI 出现之后，前一项功能继续保留，而后一项功能在很大程度上转移给了 AI。人类比赛通过建立清晰的竞赛边界维持自身意义：AI 程序不得参加职业人类赛事，棋手也严格禁止在比赛过程中获得未经允许的 AI 帮助。

    因此，职业围棋比赛仍然能够吸引观众、产生世界冠军并维持职业体系，但其所展示的不再是整个围棋世界的绝对能力上限，而是人类棋手之间的最高水平竞争。这里发生的并不是简单的技术替代，而是任务目标的重新定义：机器承担接近理想水平的棋局探索，人类比赛则继续展示人在统一规则和公平约束下能够达到的竞技水平。

    解释权受到的冲击更加微妙。过去，世界冠军对棋局的判断很难受到普通爱好者的实质性挑战，因为双方拥有巨大的棋力差距。但在 AI 工具普及之后，业余棋手可以直接看到 AI 给出的推荐走法和胜率变化，并使用这些结果质疑职业棋手。2026 年的研究中，一位匿名九段世界冠军对此表达了明显的不满：如今很多业余棋手拿着 AI 给出的数字批评职业选手，只关注某一步棋让胜率上升还是下降，却忽略了棋手在真实比赛中做出决策时的思考过程，仿佛所有人都站在一种无所不知的视角上评价别人。

    世界冠军古力也谈到了相似经历。他表示，自己现在进行公开讲解时比过去更加谨慎。以前即使他判断黑棋有利，但实际优势没有那么大，也很少有人提出质疑；如今，一旦他的评价与 AI 分析不一致，观众可能立刻拿出星阵、KataGo 或绝艺等系统的结果指出错误。因此，只要涉及明确的局势判断，职业讲解者通常必须先查看 AI 提供的胜率，以避免在公众面前受到挑战。

    这种变化说明，人工智能不仅向专家提供了更强大的工具，也向普通人提供了挑战专家的依据。业余棋手与职业棋手之间的身份差异并没有消失，但他们在某些判断信息上的差距明显缩小。过去，专业身份本身就能为某项判断提供可信度；如今，专家提出的判断越来越需要接受外部算法的检验。

    我认为，这里发生了一种重要的权威转移：过去，人们因为相信某位专家而相信他的判断；现在，人们越来越可能因为某项判断与 AI 评价一致，才相信这位专家。 这意味着，专家在许多场景中从知识的最终裁判者，变成了需要不断说明、检验和维护自身判断合理性的专业参与者。

    九、既然 AI 的判断更准确，为什么人类专家仍然不可替代？

    表面上看，如果 AI 已经能够提出更好的落子、估计每个选择的胜率并指出关键失误，那么职业棋手似乎没有必要继续承担围棋解释工作。但 2026 年的研究强调，实际情况并非如此。原因在于，做出高质量决策，与把决策解释为人类能够理解的知识，并不是同一项任务。

    研究所考察的围棋 AI 系统，通常把当前棋盘状态作为输入，通过算法计算候选落子的概率分布与胜率评价，并根据这些信息选择下一步。对于一个具体局面，系统可能给出多个候选位置，标明每一步对应的推荐概率、胜率，以及后续可能出现的变化。它也可以把整局棋的胜率变化绘制成曲线，让使用者看出比赛在什么时刻出现了重要转折。

    但这些信息本身，并不必然构成符合人类围棋思维习惯的解释。假设一个程序显示，某一步棋的预期胜率从 55.8% 下降到 40.5%，它确实指出这一步棋造成了 15.3 个百分点的预期损失；但仅凭这组数字，观众仍然不知道棋手究竟犯了什么战略错误，也无法理解为什么某一种选择更符合整体局势。对围棋学习者来说，知道哪里应该落子只是第一步，更重要的是理解为什么这样下，以及未来遇到相似但不完全相同的局面时应该如何判断。

    研究把围棋 AI 的这一特点与人类专家的解释能力进行比较。AI 可以生成下一步落子的概率分布，人类专家则通常会讨论几种可能选择及其战略含义；AI 可以用胜率衡量落子的优劣，人类专家则会使用攻击、防守、取舍、厚薄、先手和整体平衡等概念解释其中的原因；AI 可以利用胜率曲线展示比赛变化，人类专家则能把这些变化重新组织为一段包含关键失误、转折点、战略意图和最终结果的叙述。

    这种差异也与深度学习系统的黑箱性质有关。人工神经网络由数量庞大、关系复杂的参数构成，算法可以计算出输入对应的结果，但即使对于系统开发者，也往往很难直接追踪某项输出究竟由哪些内部计算过程共同决定。围棋 AI 因而能够在实际竞技能力上超越人类，却未必能够直接把内部决策过程转换成传统围棋理论所使用的概念语言。这里所讨论的是研究中的围棋专用 AI 分析系统，不能直接等同于所有具备自然语言生成能力的人工智能。

    2023 年 2 月 12 日，朴廷桓九段与党毅飞九段的比赛提供了一个清晰案例。研究者使用星阵围棋 AI 分析这局比赛时发现，在一个关键局面中，AI 为白棋推荐的最佳落子具有 55.8% 的预期胜率，而实际选择的落子对应 40.5% 的胜率。这意味着，白棋的一次选择造成了 15.3 个百分点的胜率损失。根据整局胜率变化曲线，双方在前期局势较为接近，但从中盘开始，白棋连续出现问题，黑棋逐渐取得优势，并在约第 100 手附近形成接近确定获胜的局面。

    如果只看 AI 数据，我们能够知道这局棋在什么时刻发生了胜率转折，却未必知道棋手的战略思维为什么出了问题。职业讲解者李泽豪在复盘中提供了另一种解释。他认为，党毅飞在第 58 手之后的局势判断出现问题，过于执着于处理价值较小的棋子，导致其他部分的棋形变薄，整体受到威胁，到第 62 手以后白棋的局势已经非常困难。后续虽然试图在右下角通过劫争寻找机会，但此前积累的损失过大，最终难以挽回。

    这段解释把 AI 展示的胜率损失转化成了人类能够理解的战略原则：不能为了挽救局部价值较小的棋子，而忽视整体棋形的安全与未来发展。对于围棋学习者而言，这比单纯记住某个局面下应该落在哪个坐标更有迁移价值，因为它提供的是一种能够在不同棋局中反复使用的判断框架。

    但我认为，还需要看到这种解释中隐藏的变化。过去，职业棋手可能首先依靠自己的理解发现关键失误，再用围棋理论解释原因；如今，AI 常常先通过胜率变化识别出问题发生的时刻，人类专家随后运用围棋语言对这一结果赋予战略意义。最终呈现给观众的讲解形式可能没有发生太大变化，但知识产生的顺序已经不同：算法提供评价与候选变化，职业棋手负责把这些信息转化为能够被学习、讨论和传播的解释。

    这也形成了一个值得警惕的认识论问题。职业棋手提出的战略解释，并不一定是 AI 内部真实采用的推理过程。它可能是人类根据算法结果构建出来的一种合理化叙述。因此，人类专家在解释 AI 输出时，既发挥了不可替代的知识转译作用，也承担着把无法直接理解的算法结论解释成可理解理论的风险。

    十、人工智能时代，职业棋手的工作如何被重新定义？

    我认为，职业围棋专家最值得关注的转型，并不是从“棋手”变成“不会下棋的人”，而是从拥有最高水平知识的权威，逐渐转变为能够理解、筛选、解释和传播算法结果的专业中介。2026 年的研究借助职业管辖权理论指出，AI 夺走了职业棋手展示围棋最高水平的管辖权，却并没有完全夺走他们解释围棋的工作。相反，解释工作的内容发生了重要改变：人类专家不再只是直接分析棋盘，而是需要回应 AI 评价、理解 AI 推荐，并把算法输出重新组织为人类能够接受的战略语言。

    这种转型并不总是顺利发生。职业七段棋手孟泰龄在访谈中提到，AlphaGo 刚刚出现时，一位著名老棋手因为长期生病，没有及时关注人机挑战赛。恢复之后，这位棋手读到了孟泰龄分析 AlphaGo 棋谱的著作，感到非常震惊，甚至打电话质问：如果书中 AI 提出的那些走法是正确的，那么他们过去学习和实践的围棋是不是都错了？孟泰龄一时很难通过语言进行解释，只能建议对方亲自与绝艺或星阵等围棋 AI 对弈。

    这个案例反映出一种深层的职业认知冲突。当某个人为了掌握一项技艺投入了几十年时间，并通过职业认证、比赛成绩和长期实践获得社会认可时，突然出现的外部技术如果直接否定大量传统判断，就不仅是在修正他的某项知识，也是在挑战他理解自身职业身份的基础。许多职业棋手最初无法接受 AI 的压倒性能力，但随着 AlphaGo 相关算法公开、开源围棋程序发展，以及越来越多棋手能够亲自与机器对弈，这种怀疑在 2016 年挑战赛后的约一年间逐渐减弱。AI 对局面的评价也因此获得了越来越高的权威性。

    不过，AI 工具的普及并没有让业余棋手在所有方面追平职业棋手。职业八段胡耀宇在访谈中指出，AI 分析结果背后存在大量普通业余棋手难以理解的内容。他们可能知道某一步棋的胜率很高，却不一定理解职业棋手在比赛中的真实思考过程，也不一定能够掌握 AI 推荐落子背后的战略意义。职业棋手由于拥有更深厚的训练和理论基础，仍然更有能力吸收和解释这些信息。

    因此，职业棋手的专业优势出现了重新定位。他们可能不再是最强决策的创造者，却仍然能够成为高质量知识的解释者；他们不再独占判断正确与否的信息，却依然可能比普通使用者更懂得如何把评价结果转化为有效的学习内容。

    这种变化也可以放到更广泛的职业研究中理解。近年来，新闻业、刑事司法、警务、医学诊断、法律服务和金融交易等领域的研究都发现，算法进入专业工作之后，职业群体不一定被完整替代，而是会通过抵抗、重新分工、制度调整和工作流程变化，把算法纳入原有的职业体系。相关研究把这种过程描述为一种经由技术中介的职业演化。专业人士可能从原始知识的主要生产者转变为知识中介，负责解释算法输出、修复算法分类与人类概念之间的不一致，并在算法不透明的情况下维持专业判断的可用性。

    在我看来，这种变化对“专业能力”的定义提出了新的要求。过去，成为专家意味着能够比其他人更准确地完成任务；未来，在某些已经被机器超越的领域，专家的价值可能越来越多地体现为理解机器输出的适用范围、识别其中需要解释的部分、帮助其他人形成有效判断，以及承担机器输出进入实际社会活动之后的责任。

    十一、AI 时代的专业知识，背后究竟需要怎样的社会技术网络？

    如果继续使用 Eyal 的专业知识网络框架，就会发现人工智能的胜利并不是一台孤立机器完成的，而是一整套社会技术体系共同运作的结果。围棋 AI 能够展示超人类棋力，需要算法、硬件、计算资源、工程师、赛事组织者和传播平台共同参与。与此同时，这些要素并不总是在公众面前同等可见。

    2016 年的 AlphaGo 挑战赛就是一个典型案例。在媒体广泛传播的比赛画面中，李世石坐在棋盘一侧，另一侧是 DeepMind 的黄士杰博士。黄士杰并不是以传统意义上的棋手身份与李世石对弈，他的工作主要是根据屏幕上显示的 AI 指令，把棋子放到棋盘上的相应位置。对于观看比赛的大多数观众来说，AlphaGo 似乎只是屏幕中一个没有身体的智能系统，真正运作的技术基础几乎完全不可见。

    但在幕后，DeepMind 拥有专门的技术团队和控制室。工程师通过多个显示器监控系统运行，检查推理过程、计算状态和相关参数。根据研究引用的 DeepMind 技术资料，AlphaGo 在挑战赛中使用了 1,202 个 CPU 和 176 个 GPU，并依赖 Google Cloud Platform 提供计算资源。如此庞大的硬件与技术劳动共同支撑了比赛中的每一次机器决策，与公众看到的简洁软件形象形成强烈对比。

    我认为，这种对技术基础设施的选择性展示十分重要。公众通常把 AlphaGo 的胜利理解为一个人工智能系统战胜了一个人，但从专业知识网络的角度看，比赛实际上发生在一个由研究团队、工程师、计算设备、云计算平台、软件、赛事规则、棋盘和媒体共同构成的体系之中。机器输出的形成依赖大量技术与组织劳动，但这些劳动往往在公众叙述中被放到幕后，从而形成一种机器仿佛能够独立、自主完成所有工作的印象。

    围棋 AI 展示最高竞技能力，也需要新的竞赛舞台。日本电气通信大学早在 2007 年就开始举办 UEC 杯世界计算机围棋大会，邀请来自世界各地的围棋程序参与竞争。但在 2016 年以前，这类比赛主要是 AI 研究者之间的技术活动，对更广泛的围棋职业世界影响有限。2013 年起，赛事组织者开始邀请日本著名职业棋手与程序冠军及亚军进行比赛，当时机器往往还需要五子或更多的让子条件。

    AlphaGo 战胜李世石之后，这种关系迅速反转。2017 年的 UEC 杯吸引了围棋界与媒体的广泛关注，尽管 AlphaGo 本身没有参赛，但多种受到其技术路线启发的围棋 AI 已经达到甚至超过人类职业棋手的能力。此后，AI 之间的比赛逐渐成为展示最高围棋水平的重要场所。职业棋手也开始研究这些比赛中的棋谱，并出版分析 AI 不同风格和布局偏好的著作，例如讨论绝艺布局等新的战略模式。有时，AI 比赛获得的关注甚至超过传统人类赛事。

    这意味着，展示围棋最高水平的专业知识网络已经发生结构性变化。过去，这个网络主要围绕职业棋手、围棋协会、职业赛事和棋谱传播建立；如今，AI 开发者、计算基础设施和机器之间的比赛成为核心组成部分，职业棋手在其中主要承担学习、整理和解释的角色。原本由职业棋手占据中心的位置，逐渐被更多人类与非人类行动者共同构成的新结构取代。

    与此同时，解释围棋的知识网络也发生了变化。在电视直播中，传统的双人讲解模式仍然保留，专业讲解者依旧站在棋盘前分析局势。2024 年 12 月 28 日申真谞与屠晓宇的比赛转播，就是研究所讨论的例子之一。表面上看，直播形式与 AI 出现前相似，但讲解者已经可以通过手机查看实时 AI 分析。观众未必能够直接看到算法界面，解说者则能够根据需要选择展示哪些 AI 推荐走法、哪些胜率变化，以及哪些内容应该省略。

    这种安排为职业讲解者保留了相当程度的解释主动权。当某个 AI 推荐选择比较容易用传统围棋理论说明时，讲解者可以详细讨论；当某一步棋难以理解时，他们则可能选择不展示，或者只简要提及。在这样的直播结构中，信息流动通常仍然是单向的：讲解者解释，观众接收。职业棋手因此可以利用自身的专业语言组织一套连贯的比赛叙述，维持公开解释的权威性。

    网络平台中的情况则有所不同。在线围棋解说经常使用文字讲解与实时 AI 分析相结合的方式，研究者观察到，一些平台的解说会大约每隔五手展示一次 AI 评价，并提供可以点击查看候选变化、胜率和分析过程的链接。观众因而能够直接接触原始算法输出，并在聊天区域提出问题，要求解释为什么 AI 推荐某一步看似不合理的选择。

    在这种环境下，讲解者很难像传统电视直播那样完全控制观众看到哪些 AI 信息。当面对某些难以解释的推荐走法时，一些职业讲解者会直接承认，这是“只有 AI 才能下出来的棋”，现有的人类理解框架尚不足以说明其完整逻辑。他们有时还会建议观众研究稍微次优、但更容易被人类理解的替代选择，因为机械地模仿一手无法理解的 AI 落子，并不一定能够真正提高个人棋力。

    我认为，电视直播与在线平台之间的区别，恰好反映了人工智能时代专业权威的两种不同组织方式。在前者中，专家可以通过控制 AI 信息的可见程度维持解释的主导权；在后者中，观众能够直接接触 AI 输出，专家必须更频繁地回应质疑，并明确划分自己能够解释与暂时无法解释的内容。专业知识不再只是从专家传递给公众，而是在算法、专业人士和普通使用者之间不断被检验、协商和重新组织。

    由此看来，人工智能并没有创造一个完全没有人类专家的知识体系。相反，它让专业知识的生产与传播变得更加复杂：AI 负责生成高质量选择和数值评价，工程师负责维护技术系统，平台负责提供访问与互动方式，职业棋手负责进行战略解释，普通爱好者则参与检验和质疑。这些参与者共同构成了新的专业知识网络。

    十二、两项研究放在一起，揭示了怎样的变化？

    我认为，2023 年的量化研究和 2026 年的社会学研究最有价值的地方，在于它们让我们同时看到人类能力与职业权威的不同变化方向。

    从个体决策角度看，超人类 AI 出现之后，职业棋手的落子质量显著提高，历史新颖落子更早出现，而且新颖落子的质量改善幅度更大。多项针对简单记忆与模仿的检验显示，这些变化难以完全归因于棋手复制 AI 最佳走法。这意味着，机器的超越可能为人类打开了新的认知空间，使他们有机会摆脱某些传统策略的限制，重新探索过去不被认为合理的决策。

    但从职业社会学角度看，同一场技术革命却削弱了职业棋手原有的知识权威。尽管人类棋手在不断变强，他们与顶尖 AI 之间的能力差距仍然意味着，最优秀的人类不再代表围棋最高水平。人工智能接管了展示理想对弈能力的核心任务，并将局势评价的标准在很大程度上从职业棋手转移到算法系统。职业棋手因此必须重新寻找自身定位，越来越多地承担解释 AI 结果、组织战略叙述和帮助他人学习的工作。

    这两种变化并不矛盾。一个职业群体可以在绝对能力上取得进步，同时在其所属领域的知识权威结构中失去原有地位。过去，人类棋手之间的差距决定谁是专家；现在，即使最优秀的人类棋手都在不断进步，也未必能够重新获得对最佳围棋决策的最终解释权，因为判断标准已经发生变化。

    在我看来，进一步连接两项研究的关键概念是知识传播与累积文化演化。人类社会能够跨代积累知识，并从他人的发明和经验中学习，但这种积累并不一定自动发生。传统知识有时会形成路径依赖，使专家更倾向于采用经过前人验证的熟悉策略，而不愿意尝试尚未获得权威认可的新选择。即使一个新方案客观上可能更好，现有职业文化、认知偏见和学习摩擦也可能阻碍它被接受。

    超人类 AI 在围棋领域打破了这种结构。由于部分 AI 系统通过自我对弈发现策略，它们可以在相对不受人类历史习惯限制的情况下搜索复杂的决策空间，发现过去被忽略的选择。人类专家在观察这些选择之后，可能重新评价原有知识，逐步学习新策略，并在此基础上展开进一步探索。创新由此有可能从机器向人类传播，再在人类棋手之间扩散，形成新的知识积累过程。

    但这个过程不能被简单理解为机器创造知识、人类被动接受知识。2026 年的研究说明，AI 提供高质量结果并不等于这些结果已经成为能够被人类有效使用的专业知识。要实现知识传播，还需要专业棋手把算法结果转化为战略概念，需要教学机构重新组织训练内容，需要媒体和平台提供传播方式，也需要业余棋手通过学习、讨论和质疑参与知识检验。

    因此，我认为人工智能时代的创新至少包含两个相互联系的过程：一是决策空间的扩展，即机器帮助人类发现此前没有充分探索的选择；二是知识组织方式的重构，即人类社会通过职业制度、解释工作和技术网络，把机器输出转化为能够被理解和应用的知识。前者改变我们能够做出什么选择，后者改变我们如何认识、传播和验证这些选择。

    这也解释了为什么职业专家的价值不会因为机器性能超过人类而简单归零。专业人士的部分工作确实可能失去原有的重要性，但另一些任务会被重新定义。人类专家仍然需要决定如何解释算法输出，如何判断哪些建议值得学习，如何将新知识整合进既有理论，以及如何在算法无法直接提供人类可理解说明的情况下组织有效的实践。

    十三、围棋的经验能否推广到医学、法律和其他专业领域？

    虽然围棋提供了十分清晰的案例，但我认为在推广这些发现时必须区分研究已经证实的事实与仍有待验证的推论。

    首先，2023 年的研究主要建立在历史观察数据之上。2016 年之后决策质量和新颖性同步提升，以及新颖落子的质量改善幅度更大，都支持人工智能可能影响了人类学习与决策的解释，但它们本身并没有完全建立因果关系。研究者也明确指出，未来仍需进一步验证人工智能是否直接增加了新颖决策、新颖决策是否进一步导致质量提高，以及如果并非通过新颖性发挥作用，还可能存在哪些其他机制。

    其次，研究对新颖性的测量具有特定含义。首次出现历史上没有记录过的完整落子序列，能够衡量棋手何时偏离既有棋谱，却不能直接识别一项决定是否具有真正的理论原创性。未来还需要进一步分析，不同时期的新颖落子在战略内容上有哪些实质区别，以及棋手的整体决策风格是否因 AI 发生了长期变化。

    第三，研究使用 KataGo 作为决策质量的参照标准。这在围棋研究中具有明显优势，因为该系统的竞技水平超过职业人类棋手，能够为不同年代的棋谱提供相对统一的评估。但它毕竟是一种算法评价，而不是对所有可能对局的完全数学求解。因此，DQI 反映的是人类选择与所用 AI 评价体系之间的差距，而不是独立于所有模型的绝对真理。

    第四，围棋与开放社会环境中的专业工作存在根本区别。围棋拥有稳定规则、明确目标和可以量化的比赛结果，而医学诊断不仅涉及疾病识别，还涉及患者差异、治疗偏好、责任分配和伦理选择；法律判断不仅需要处理事实与规则，也需要考虑程序正义、社会价值和制度合法性。即使 AI 能够在某些子任务中超越专家，也不能直接推断它能够取得对整个专业实践的最终权威。

    最后，2026 年的社会学研究主要基于亚洲围棋共同体中的定性材料。研究者在 2022 年至 2024 年间进行了 12 个月的多地点田野调查，并完成 44 次半结构化访谈，采用滚雪球抽样接触相关人员。其中包括 21 名职业棋手、10 名围棋 AI 工程师、7 名高水平业余棋手、3 名围棋教师，以及 3 名围棋赛事组织者。21 名职业棋手分别来自中国、日本、韩国和美国，其中中国棋手 17 人，日本棋手 2 人，韩国棋手和美国棋手各 1 人；受访工程师则包括星阵和绝艺等中国主要围棋 AI 系统的开发人员。研究还通过国际赛事观察、直播材料和实际围棋平台分析，比较 AI 出现前后的专业知识展示方式。

    这些资料能够细致呈现职业棋手如何理解 AI、如何重新安排工作，以及权威关系在具体实践中如何发生变化，但它并不代表所有国家、所有职业群体或所有人工智能应用场景。研究所呈现的职业管辖权安排，也可能随着围棋 AI 和其他技术继续发展而进一步变化。

    即便存在这些限制，我仍然认为围棋为理解其他领域提供了若干值得检验的方向。在医学、金融、法律和科学研究等领域，当算法开始在某些特定任务上超越人类时，我们既需要研究它是否改善了专业人士在独立工作时的实际表现，也需要研究它如何改变专家资格、工作分工、知识解释权和责任关系。单纯比较机器与人的任务准确率，并不足以描述整个职业体系发生了什么。

    尤其值得关注的是算法的不透明性。在许多专业领域，技术系统可以输出高质量预测，但预测如何形成并不容易被直接解释。这使专业人士不得不处理一种新的知识摩擦：他们既不能轻易忽略机器的优越表现，也不能把所有模型输出不加解释地交给使用者。在医学诊断、金融交易或法律辅助判断等场景中，专家可能需要把算法的统计分类与现实世界中的专业概念联系起来，对不一致的情况进行解释、修正或补充。

    这种工作与围棋讲解者面对 AI 胜率曲线时的任务存在相似之处，但其责任后果可能更加重大。因此，未来对人机合作的研究不应只问“AI 能否做得比人更好”，还需要追问“人类能否因为 AI 而获得新的判断能力”“谁有权解释 AI 的输出”“在算法判断被应用于现实之后，谁承担最终责任”，以及“支持 AI 运行的技术基础设施和人类劳动为什么经常被忽略”。

    十四、当机器已经知道得更多，人类还应该学习什么？

    综合两项研究，我逐渐形成了一个判断：人工智能对人类专业能力的影响，不能仅仅从替代或增强两个方向进行理解。更准确地说，它可能同时带来能力提升、知识结构变化和社会权威重组，而这些过程有时会相互促进，有时也会产生新的紧张关系。

    2023 年的研究表明，超人类 AI 出现之后，职业围棋棋手不仅更接近 AI 评价的最优决策，也更早地走出过去没有出现过的棋谱序列。这些结果说明，机器的存在有可能帮助人类突破长期形成的认知惯性。传统经验仍然重要，但经验不应被视为所有可能选择的边界。当人类能够观察一种能力明显超过自己的系统时，最重要的学习机会可能不只是记住它推荐了哪一步，而是重新思考为什么过去认为不可行的选择实际上值得考虑。

    2026 年的研究则进一步说明，知识和专业能力的社会价值不会仅仅取决于谁能产生最准确的结果。即使 AI 已经成为最强围棋决策者，人类专家仍然在知识的理解、解释和传播中发挥重要作用。职业棋手虽然失去了展示最高水平对弈的独占地位，却通过解读 AI、组织讲解、开展教学以及帮助普通棋手理解复杂变化，继续维持专业价值。

    这里最重要的区别，是答案与理解之间的区别。AI 可以向使用者提供一个高质量的答案，但使用者是否真正理解答案、是否能够把它转化为新的判断能力，以及是否知道在什么情况下应该接受或质疑这个答案，仍然是不同的问题。对于一位正在学习围棋的人来说，知道最优落点并不等于掌握围棋；对于一位使用复杂技术系统的专业人士来说，获得优秀预测也不等于形成完整的专业判断。

    因此，我不认为人工智能时代的学习应该仅仅追求更快地获取正确答案。相反，更有价值的能力可能包括：识别传统知识中的隐含假设，理解机器为什么会挑战这些假设，在面对不熟悉的选择时保持探索能力，以及把算法结果重新组织为可以迁移到其他情境的知识。与此同时，人类还需要意识到，自己对于 AI 结果的解释可能只是基于现有理论形成的一种理解，而未必完全揭示了模型内部的实际运作方式。

    围棋世界也提醒我们，专业身份并不是一成不变的。职业棋手的价值从来不只是某个抽象的棋力数字，而是由竞技、教学、解释、研究、制度认可和社会传播等多种活动共同构成。当机器接管其中某项任务时，职业并不必然消失，但其内部任务的价值排序、从业者之间的关系以及公众判断专家的标准，都可能发生变化。

    我认为，未来真正重要的不是坚持人类必须在所有任务中比机器更强，也不是把机器的每一次输出都视为不容质疑的最终结论，而是建立一种能够让机器优势转化为人类学习、创新和专业实践能力的机制。这样的机制既包括先进算法，也包括能够解释算法的专业人士、支持知识传播的教育组织、允许普通使用者提出质疑的平台，以及明确划分工作责任的制度安排。

    回到 2016 年 AlphaGo 战胜李世石的那个历史时刻，人们最初看到的是机器终于超越了一个长期被视为人类智慧象征的领域。但当我把此后数百万次职业落子的变化，与围棋行业近十年的职业转型放在一起观察时，看到的并不是一个简单的人类失败的故事。

    一方面，人类通过接触比自己更强大的机器，开始做出更多新颖且质量更高的选择。另一方面，人类不得不接受自己不再拥有最高水平知识的全部权威，并重新定义专业工作的意义。人工智能的出现，既可以使人类失去原有的优势，也可以为人类创造新的学习空间；它既可能削弱传统专家的地位，也可能让理解、解释和传播知识的能力变得更加重要。

    这或许才是围棋案例留给人工智能时代最值得思考的启示：当机器开始比人类更擅长给出答案时，人类的价值并不必然随之消失，但它可能越来越取决于我们能否从这些答案中获得新的理解、提出新的问题，并把机器创造的可能性转化为真正属于人类的知识和实践。

    参考研究

    1. Shin, M., Kim, J., van Opheusden, B., & Griffiths, T. L. (2023). Superhuman artificial intelligence can improve human decision-making by increasing novelty. Proceedings of the National Academy of Sciences (PNAS). PMCID: PMC10041097. PMID: 36913582.

    本文借鉴了该研究关于 1950—2021 年职业棋手历史落子、决策质量指数、新颖性指数、回归模型、记忆假说检验及研究局限的主要结果。

    2. He, J. (2026). Redefining human Go experts in the post-AI era: Perspectives from the sociology of professions and expertise. Big Data & Society, 13(2). DOI: 10.1177/20539517261465667.

    本文借鉴了该研究关于职业管辖权理论、专业知识网络、亚洲围棋共同体田野调查、职业棋手身份转型、AI 分析与人类解释的关系、围棋赛事技术基础设施，以及电视和在线讲解模式变化的主要讨论。

    Post #2
  • 3B1B：从未有过比现在更好的时代去投身数学
    谈笑风生

    邓煜（芝加哥大学数学系教授、2026 年菲尔兹奖得主）

    Mathematicians in the time of AI

    问：邓教授，感谢您接受邀请。您近期在世界各地进行了密集的学术交流，关于数学与人工智能的快速演变，您的核心立场和主要观点是什么？

    答：非常感谢大家的邀请，我很高兴能在这里分享我关于数学与人工智能这一快速演变话题的一些思考。自 8 月 31 日以来，我一直在西班牙、法国、德国、马萨诸塞州剑桥等地频繁旅行。在此期间，各地都在热烈讨论这些新进展对数学界及相关领域产生的深远影响。首先，我想明确的是，我在这里使用的“我们”一词，并非代表整个数学界，而是代表我自己以及那些认同我观点的数学家们。我的核心观点可以概括为以下几点：第一，我们热烈欢迎人工智能技术在数学研究中的应用。它现在已经提供了帮助，未来也将发挥更大的作用，将其作为一种工具来使用是一个非常好的主意。第二，我必须强调，人工智能应当被用作工具，这不仅限于数学研究，而是在更广泛的层面上，AI 的存在和演化的唯一正当理由，是为了人类社会的福祉，为了增进我们对世界的理解，以及为了提高我们的生活质量。第三，我们相信，只要使用得当，AI 工具将使数学研究和整个数学界受益。最后，针对最近一个月发生的事件，虽然大型 AI 公司开发了最新的闭源模型，但其中伴随了一些问题，而面向数学的开源模型（open models for mathematics）似乎是更符合我们数学界利益的替代方案，这也是今天许多全球团队正在努力的方向。

    问：您提到上个月某大型 AI 公司宣布其模型解决了数百个数学开放问题，您如何客观评价这些证明的数学价值以及该公司的发布行为？

    答：大约在 10 月 6 日，某家大型人工智能公司宣布，其闭源模型成功解决了数百个数学领域的开放性问题，并在 GitHub 上以 PDF 文件的形式发布了这些证明。当时，只有不到 20%20\% 的证明被形式化（例如使用 Lean 进行验证），其余的仅仅是 PDF 文档，且许多写得并不完善。对于这一点，我的观点是，我们必须将数学内容本身与该公司的商业实践区分开来。就证明本身而言，我非常欣赏它们的整体价值。尽管许多证明写得不够好，且并非全部经过 Lean 的形式化验证，但它们确实具有重大的数学价值。我亲自查阅了其中的几个证明，其中一个扩展了我关于玻尔兹曼方程（Boltzmann equation）推导的证明，它不仅包含了一些真正出色的新思想，还改进并简化了原有的证明过程。另一个让我感到震惊的发现是，该模型证明了超临界薛定谔方程（supercritical Schrödinger equation，注：字幕识别为 shunting equation，根据数学背景应为 Schrödinger）在开集上的爆破（blow-up）现象，且以正概率发生。这直接证明了我之前提出的一个猜想，并且完全颠覆了我在此类问题上的直觉。只要这些证明最终被证实是正确的，我确信我将从中学习到大量的新技术。然而，另一方面，我们必须审视伴随这些证明发布的行为。如果这些证明是凭空出现的，我们当然会感激；但如果该公司的相关行为存在问题，我们就必须对此展开严肃的讨论。

    问：如果将 AI 模型视为一位“虚拟研究员”，您认为它在哪些方面未能遵守学术界既定的科研标准？

    答：许多人会这样描述：AI 模型就像一位虚拟研究员，它阅读了数学界以往的所有文献，向数学家学习证明和思想，并通过整合或扩展现有思想来发展出自己的新想法，进而开展研究并撰写论文。这是一个很好的类比。但是，如果我们将 AI 模型视为一名研究员，那么它在原则上就必须遵守学术界的科研标准。首先是分享思想与过程的标准。当人类研究者证明了一个重大结果时，我们会邀请他们举办讲座或系列课程，详细解释证明背后的关键思想、这些想法是如何产生的，甚至是他们经历了哪些失败的尝试。对应到 AI 模型，这相当于要求它们提供详细的“思维链”（chain of thought），即解释它是如何思考的、得出了什么结论，以及最终是如何形成解决该问题的特定想法的。其次是正确归属思想来源并避免剽窃（scooping）的标准。最近我听到多位数学家讲述类似的经历：他们与某个 AI 模型讨论了自己的想法，AI 学习了这些内容，随后在该公司的最新发布中，出现了一个使用几乎完全相同想法来解决问题的证明，而这个问题正是这些数学家一直在研究或即将发表的。这种做法显然不符合学术规范。最后是确保正确性的标准。人类数学家在发表成果前，会尽其所能地确保其正确性，这是研究者的基本责任。对于 AI 模型而言，公司本可以在发布前使用 Lean 等工具对所有证明进行形式化验证。尽管目前 Lean 仍存在一些局限性，但大多数人都接受经过 Lean 验证的证明是正确的。如果公司没有尽最大努力去验证就匆忙发布，甚至发布了错误的证明（事实上，确实有多个案例在发布一天后就被撤回了），这就严重违背了学术界的正确性标准。

    问：从商业公司和数学界用户的角度来看，目前这种闭源 AI 模型的使用模式存在哪些不公平或值得警惕之处？

    答：有人可能会辩解说，这是一家商业公司，因此不需要遵循学术标准。但如果我们将其定位为商业实体，我们就必须审视它对作为用户的数学家们究竟做了什么。首先，我们需要付费才能使用这些模型，而公司在提供服务的同时，会收集我们的输入数据，并将其用于训练下一代模型。虽然理论上存在一个按钮，允许用户选择禁止其输入数据被用于训练，但很多人并不知道或没有点击它，这意味着公司实际上正在利用数学界的数据来迭代其产品。其次，这就是一个典型的“反蒸馏”（anti-distillation）与功劳独占的问题。科学界一直以来都是开放的，我们公开分享论文、阐述和思想。AI 公司免费从科学界汲取了所有这些公开数据，将其转化为私有数据，然后利用这些私有数据训练出更强大的模型，去解决我们数学界自己的开放性问题，并独揽所有的功劳和声誉。更矛盾的是，当其他人试图对这些公司的模型进行蒸馏或学习时，他们却以各种理由拒绝。这种模式的结果是：公司赚取了金钱，获取了所有数据和模型的控制权，并赢得了所有的声誉；而作为消费者和用户的数学界，不仅付出了金钱，还失去了对自己贡献的掌控，最终一无所获。我不知道这是否听起来像是一笔对数学界有利的交易，但我相信没有人会愿意接受这种不公平的条款。

    问：那么，在您看来，什么是 AI 在数学研究中应当遵循的“正确使用”方式？

    答：尽管我没有一份非常详尽的规则清单，但基于上述发生的事件，我认为“正确使用”的核心在于：AI 工具应当留给用户使用，而 AI 公司不应越俎代庖取代用户的角色。这里的“用户”不仅限于传统意义上的职业数学家，而是包括任何对数学感兴趣的机构和个人。例如，已经有高中生利用 AI 证明了某些流形定理的例子，因此，任何致力于数学探索的人都应被视为用户。在正确使用的框架下，用户应当拥有充分的选择权，能够真正决定是否允许其输入数据被用于模型训练，并且这种选择必须得到技术上的切实保障。我曾与多位 AI 技术专家探讨过，他们表示，在技术上实现所有输入的可追溯性（traceable）是完全可能的。这一点至关重要，因为如果 A 向 AI 提供了关键想法，而 AI 随后将这些想法用于帮助 B 解决问题，B 可能会误以为这是自己提问的功劳。但如果输入是可追溯的，我们就能回溯到 A 的贡献，从而以公平的方式决定功劳归属和优先权。此外，正如我之前提到的，AI 证明背后的思想和思维链应当被公开。这不仅是为了公平地分配功劳，更是为了让整个数学社区能够从中学习，理解证明的深层逻辑，并在此基础上激发新的思想。

    问：面对闭源模型在合规性和公平性上的种种问题，数学界是否有可行的替代方案？

    答：我们当然希望开发此类 AI 工具的公司能够理解上述“正确使用”的意义，并提供符合这些标准的工具。但这往往只是一种愿望，我们无法保证总能如愿。如果闭源公司无法或不愿提供这样的工具，我们完全有理由寻求替代方案。其中一个极具潜力的选择就是面向数学的开源模型（open models for mathematics）。这也是本次会议的核心目标之一，目前全球已有多个团队在致力于训练和改进这些模型。我必须坦诚地指出，目前开源模型在数学能力上仍然远弱于大型公司最先进的闭源模型。但是，它们必然会变得越来越强大。特别是如果数学界能够团结起来，通过提供高质量的数学数据、进行针对性的预训练和后训练，专注于数学领域的特殊需求，这些开源模型就有机会在数学研究方面迎头赶上，甚至在特定领域超越当前的最佳模型。这里有一个关键的问题值得整个数学界思考：假设我们拥有一个具备透明度、数据可控性、可追溯性以及公开思维链等所有优良品质的开源模型，并且它的实力在 6 个月后达到了当前最佳闭源模型的水平。那么，对于整个数学界而言，早 6 个月还是晚 6 个月获得这种能力，真的有那么重要吗？我认为答案是否定的。无论如何，当我们获得这些顶级模型生成的优美证明时，我们仍然需要去理解它们，从中学习，并发展出新的思想。因此，从一开始就采用符合“正确使用”原则的开源模型，对社区的长期健康发展是绝对有益的。

    问：最后，您对未来人类数学家与 AI 共同探索数学的宏观图景有何愿景？

    答：我对未来的愿景是人类与 AI 在数学探索中实现共同进化。目前，AI 可以向人类学习思想并发展出新思想；同时，我们也可以理解 AI 的证明和思想，并在此基础上发展出人类自己的新思想。这是一种双向的促进。我们可以将数学的领域想象为一个无限的空间，没有边界。在这个空间中，人类（可以看作是小黑圈）一直在徒步探索，并发现了一些“奇迹”（wonders，可以看作是绿色三角形）。这些奇迹可以是单个定理、定理链、理论或是理论之间的关系，即我们在整个数学中感兴趣的任何事物。我们只能看到附近的奇迹，而远处的奇迹只有当我们靠近时才能被发现。现在，AI 就像是一辆强大的交通工具，它能让我们走得更快、更远，到达以前仅靠人力无法企及的地方。更重要的是，我们可以“驾驶”AI 去探索更遥远的未知领域。AI 可能会自行探索，但除非我们跟随 AI 的轨迹，否则我们无法知道那里是否存在我们感兴趣的“奇迹”，因为最终是我们来决定数学中什么是值得关注的。因此，未来的探索模式将是：我们跟随 AI 的轨迹，寻找奇迹，并决定前进的方向。我们将通过提出新问题、引入新思想或绘制新路线图来引导 AI 进行新的研究。在这个过程中，我们始终是决策者，决定我们欣赏什么样的“奇迹”，并不断为 AI 引入新的指导。AI 将成为帮助我们进行这种更深层次、更广阔探索的强大工具，带领我们走向前所未有的数学新境界。谢谢大家。

    Post #4
  • 麦肯锡：什么是 FDE（Forward-deployed engineers）前沿部署工程师
    谈笑风生

    前线部署工程师：AI 时代的“驻场”破局者

    Forward-deployed engineers work inside another company’s own systems. Three McKinsey leaders explain how FDEs help companies derive impact from AI.
    前线部署工程师（Forward-deployed engineers, 简称 FDE）深入客户公司的内部系统开展工作。三位麦肯锡高管为您解析 FDE 如何助力企业从 AI 中获取实际业务价值。

    Interest in forward-deployed engineers, or FDEs, has surged in recent months as companies try to get real value from AI. The term may be a buzzword for a service that consulting firms and technology providers have offered for years: embedding engineers at a client’s company, inside its systems and data, to build software alongside the people who will use it.
    近几个月来，随着企业努力从 AI 中获取真正的价值，人们对前线部署工程师（FDE）的兴趣激增。这个词可能是咨询公司和科技提供商多年来一直提供的一项服务的“流行语”：将工程师派驻到客户公司，深入其系统和数据内部，与最终用户并肩开发软件。

    As the AI era gets underway, companies are finding that off-the-shelf AI tools often don’t fit their specific needs. Getting real value from them means adapting tools to a specific business problem and helping teams change how they work. An FDE does both, which is why this form of collaboration seems particularly well suited for business today.
    随着 AI 时代的开启，企业发现现成的 AI 工具往往无法满足其特定需求。要从中获得真正的价值，意味着必须使工具适应特定的业务问题，并帮助团队改变工作方式。FDE 恰好能同时做到这两点，这就是为什么这种协作形式似乎特别适合当今的商业环境。

    In this video Explainer, McKinsey’s Holger Hürtgen, Martin Harrysson, and Nick Robson set out what an FDE does and how AI has changed the job. The three agree that FDEs can help companies derive value from AI by tailoring it to a company’s specific problems; their views on the separation between an FDE and a traditional consultant suggest the role is still evolving.
    在这期视频解说中，麦肯锡的 Holger Hürtgen、Martin Harrysson 和 Nick Robson 阐述了 FDE 的工作内容以及 AI 如何改变了这一职业。三人都认同，FDE 可以通过针对公司的特定问题定制 AI，帮助企业从 AI 中创造价值；而他们对 FDE 与传统顾问之间界限的看法，表明这一角色仍在不断演进。

    (These interviews have been edited for length and clarity. / 以下访谈内容已根据篇幅和清晰度进行了编辑。)

    什么是前线部署工程师？

    What is a forward-deployed engineer?

    Holger Hürtgen: First and foremost, it’s an engineer, so you basically do data science, data engineering, software engineering. You work with data, you work with technology. The forward-deployed part is the interesting part to me personally, meaning you work directly on client systems. You don’t work in a lab. You work with the real problem.
    Holger Hürtgen： 首先，这是一名工程师，所以你的基本工作是数据科学、数据工程和软件工程。你与数据打交道，与技术打交道。就我个人而言，“前线部署”这部分是最有趣的，这意味着你直接在客户的系统上工作。你不是在实验室里闭门造车，而是直面真实的业务问题。

    Martin Harrysson: It’s someone at a company whose main task is to make the technology work, solve a problem, and reach the outcome we’re trying to achieve. So, as opposed to a standard engineer who might be working on a product and to make the technology work, a forward-deployed engineer is not primarily about making the solution just run; it’s about reaching the right people to do the job, and in a different way, to reach some kind of outcome. I think the forward-deployed part probably comes from its military meaning. But it’s more that they’re embedded in the company.
    Martin Harrysson： 他们是派驻到企业的人，主要任务是让技术落地、解决问题并达成我们预期的成果。因此，与可能专注于研发产品、让技术跑通的标准工程师不同，前线部署工程师的首要目的不仅仅是让解决方案运行起来；而是要接触到对的人，以不同的方式完成工作，从而达成某种业务成果。我认为“前线部署”这个词可能源于其军事含义。但更多是指他们深度嵌入到了客户公司中。

    Nick Robson: To me, a forward-deployed engineer is someone who is able to not just apply software fit to a business problem or fit into a company’s current business process. Rather, it’s someone who can work hand in hand with clients to figure out how to change their business process, along with software, technology, and tools, to create a whole new way of working. It’s a unique skill set that requires a ton of creativity and a pretty generalist tool kit.
    Nick Robson： 对我来说，前线部署工程师不仅是将软件应用于业务问题或适应公司现有业务流程的人。相反，他们能够与客户携手，弄清楚如何通过结合软件、技术和工具来改变业务流程，从而创造一种全新的工作方式。这是一种独特的技能组合，需要极强的创造力和相当全面的工具箱（综合能力）。

    FDE 与传统顾问有何不同？

    How is an FDE different from a consultant?

    Martin Harrysson: The traditional meaning of a consultant was probably more incentivized around a recommendation, say, or coming up with a plan for action. For instance, here’s a recommendation; this is the direction we’re going to go. Whereas a forward-deployed engineer is much more about implementing some technology that changes how you do work and has a more direct impact on a particular workflow.
    Martin Harrysson： 传统意义上的顾问，其激励机制可能更多是围绕提出建议或制定行动计划。比如，“这是我们的建议，这是我们要走的方向”。而前线部署工程师则更多地关注实施某些能改变工作方式的技术，并对特定的工作流程产生更直接的影响。

    Holger Hürtgen: A difference between a forward-deployed engineer and a consultant is that as an engineer, you have to work in the system of a client and develop a product, so you leave behind the product. A difference between an FDE and a software developer is that a developer has predefined the product they will build. A forward-deployed engineer, like a consultant, needs to understand the problem and discuss with clients what the solution should look like.
    Holger Hürtgen： FDE 与顾问的一个区别在于，作为工程师，你必须在客户的系统中工作并开发产品，所以你会留下一个实际的产品。FDE 与软件开发者的区别在于，开发者构建的产品是预先定义好的。而前线部署工程师就像顾问一样，需要理解问题，并与客户讨论解决方案应该是什么样的。

    Nick Robson: The roles are merging a lot more nowadays, with the forward-deployed engineer and consultant roles kind of becoming one. You can’t just go in, deliver insights, and walk away. You have to work with clients, dissect a business problem, figure out who the right people are to work with, drive the technology, and rewire processes. I don’t think about it as two roles. I think a really good consultant makes a really good forward-deployed engineer.
    Nick Robson： 如今，这两个角色正在加速融合，前线部署工程师和顾问的角色某种程度上正合二为一。你不能只是进去提供些洞察，然后拍屁股走人。你必须与客户合作，剖析业务问题，找出合适的合作对象，推动技术落地，并重塑流程。我不认为这是两个截然不同的角色。我认为一个非常优秀的顾问，也能成为一名非常出色的前线部署工程师。

    为什么我们最近经常听到 FDE？

    Why are we hearing more about FDEs right now?

    Holger Hürtgen: I’ve been doing this job for 20 years, and I would admit that the FDE terminology itself is maybe a bit of a buzzword. The concept, however, is more relevant than ever because the new LLMs [large language models] themselves are not sufficient. It’s about tailoring them to the problem at hand and making sure you get the business impact out of it. Otherwise, you’re just implementing AI for the sake of AI. You will see token spend going up, but you won’t see any bottom-line impact. This is why FDEs really solving the problem is so important.
    Holger Hürtgen： 我做这行已经 20 年了，我承认“FDE”这个术语本身可能有点像个流行热词（buzzword）。然而，这个概念现在比以往任何时候都更具现实意义，因为新的大语言模型（LLM）本身是不够的。关键在于根据手头的问题对其进行定制，并确保你能从中获得业务影响。否则，你只是为了 AI 而做 AI。你会看到 token 消耗在增加，但看不到任何对底线（利润）的实际影响。这就是为什么 FDE 真正去解决问题如此重要。

    Nick Robson: I think people are talking about it more than ever, and the demand for [McKinsey’s AI arm] QuantumBlack is higher than ever. It is the longest wait list I’ve ever seen for that kind of talent, and part of it is because clients are really seeing its value. We’re able to truly meet clients where they are. And the benefits of adoption and the client experience are astronomical. Three years ago, everybody was just installing enterprise-wide AI platforms. But they then realized they weren’t getting value from them, and people weren’t using them. So today, my clients realize that if we can rewire an entire domain end to end and fully reimagine a business process, that will drive adoption.
    Nick Robson： 我认为人们比以往任何时候都在更多地谈论它，而且对 [麦肯锡旗下 AI 团队] QuantumBlack 的需求也达到了前所未有的高度。这是我见过的针对此类人才最长的等待名单，部分原因是客户真正看到了它的价值。我们能够真正做到“在客户所处的位置与他们接轨”。而且，其在应用落地和客户体验方面带来的好处是惊人的。三年前，每个人都只是在安装企业级的 AI 平台。但随后他们意识到并没有从中获得价值，人们也不去使用它们。所以今天，我的客户们意识到，如果我们能端到端地重塑整个领域，并彻底重构业务流程，那将极大地推动 AI 的采用。

    Martin Harrysson: The core problem of trying to get technology to do something useful, productive, and good for a company or for one of our clients is not new. What is new is that AI has amplified a lot of these problems. We have more technology tools to solve more problems, but they don’t come ready and packaged. Clients will roll out a new AI tool and hope that the impact will just happen, and that’s just not the case. This is where the leap from individual impact to team impact to organization-wide impact is not automatically happening because you need to collaborate. Just because I can do one part of the problem faster doesn’t mean we have figured out how to run meetings more effectively or how to communicate faster.
    Martin Harrysson： 试图让技术为企业或我们的客户做些有用、高效且有益的事情，这个核心问题并不新鲜。新鲜的是，AI 放大了其中的许多问题。我们有了更多的技术工具来解决更多的问题，但它们并不是现成打包好的。客户会推出一个新的 AI 工具，并期望影响会自然发生，但事实并非如此。这就是为什么从个人影响跨越到团队影响，再到全组织影响，并不会自动发生，因为你需要协作。仅仅因为我处理问题的某一部分变快了，并不意味着我们已经弄清楚如何更有效地开会或如何更快地沟通。

    AI 如何改变了 FDE 的工作？

    How has AI changed the job of an FDE?

    Holger Hürtgen: AI is changing the job on two fronts. One is the way you develop software, by using agentic AI and agentic engineering to code. It’s less coding than I did 20 years ago; AI does it for you. You need to think more about the specifications, or what you want AI to do. The other part is that the end product itself is becoming AI. So you are building agentic AI systems and not just machine learning systems like we did a couple of years ago.
    Holger Hürtgen： AI 正在从两个方面改变这项工作。一是开发软件的方式，通过使用智能体化 AI（agentic AI）和智能体工程来编写代码。比起 20 年前，现在自己手写的代码少了；AI 会替你完成。你需要更多地思考规格说明，或者你希望 AI 做什么。另一方面是最终产品本身正在变成 AI。所以你现在构建的是智能体化 AI 系统，而不仅仅是几年前我们做的那种机器学习系统。

    Nick Robson: Before, we would staff a team of many computer engineers or data scientists, but with the technology we have today, with AI, analytics, and software engineering, that’s all really becoming democratized. Today, our business analysts are almost acting like managers for AI. The manager that we had two years ago is now acting like a director and working across a team of people running their own teams.
    Nick Robson： 以前，我们会配备一个由许多计算机工程师或数据科学家组成的团队，但凭借我们今天拥有的技术，加上 AI、分析和软件工程，这一切真的正在走向平民化（普及化）。今天，我们的业务分析师几乎就像是 AI 的管理者。我们两年前的经理，现在正扮演着总监的角色，并跨越管理那些带领自己团队的人员。

    Martin Harrysson: AI has changed what deploying technology looks like, to some extent. Previously, it was about deploying more prepackaged software at a client and maybe customizing it a little bit, or configuring it in certain ways. AI is a little different because, in some ways, it is a general-purpose tool. But you have to put a few things together. You usually need a model, but you also need a data layer and some understanding of the organization. You need to build in a harness to make sure it behaves in the way you expect. And you usually need to change the workflows and have people do something different to get the full value out of it.
    Martin Harrysson： 在某种程度上，AI 改变了技术部署的面貌。以前，部署技术更多是在客户那里部署预打包的软件，可能稍微进行一点定制，或者以特定方式进行配置。AI 有点不同，因为在某些方面，它是一个通用工具。但你必须把几样东西拼凑在一起。你通常需要一个模型，但你还需要一个数据层以及对组织的一些了解。你需要构建一个“安全护栏（harness）”来确保它的行为符合你的预期。而且，你通常需要改变工作流程，让人们做些不同的事情，才能充分发挥它的价值。

    FDE 在驻场的前几周会做什么？

    What does an FDE do in the first few weeks of a job?

    Martin Harrysson: A typical first week or initial phase of a forward-deployed engineer’s work usually involves sitting next to people performing a task. Say we have a team working on supply chain planning. They get a bunch of data, already have a system in place, and are making decisions about whether to reroute ships or trucks to make sure the right things show up in their warehouse. What a forward-deployed engineer does is insert themselves in that team, try to understand who makes decisions, what makes a difference, and what data matters. Just really immerse themselves in understanding how this works, because a lot of those things may not always be documented very well.
    Martin Harrysson： 前线部署工程师典型的第一周或初始阶段的工作，通常是坐在执行任务的人旁边。假设我们有一个负责供应链规划的团队。他们获取大量数据，已经有了现成的系统，并且正在决定是否重新规划船只或卡车的路线，以确保正确的物资出现在仓库中。前线部署工程师要做的就是融入这个团队，试图了解谁在做决策、什么因素能产生实质性影响、哪些数据最重要。就是要真正沉浸其中去理解这一切是如何运作的，因为很多事情往往并没有被很好地记录在案。

    Holger Hürtgen: It’s difficult to describe a typical FDE job, because it really depends on the type of project. What’s always the same is that it starts with defining a problem—what do we want to solve—and finding the data. This means identifying the core systems in client environments where data sits and then determining how to take it out of those systems and put it into, for example, cloud infrastructure. That’s more the data engineering part. At some point, you then also add software engineering components or front-end engineering components, because you eventually want to build a real tool. Then there are iterations, because you continuously have to demo what you build to the client, get feedback, and possibly start over from scratch.
    Holger Hürtgen： 很难描述一个典型的 FDE 工作，因为它真的取决于项目的类型。始终不变的是，它始于定义问题——我们想解决什么——以及寻找数据。这意味着要识别客户环境中存放数据的核心系统，然后确定如何将这些数据提取出来，并放入（例如）云基础设施中。这更多是数据工程的部分。在某个阶段，你还会加入软件工程组件或前端工程组件，因为你最终想要构建一个真实的工具。然后是迭代，因为你必须不断向客户演示你构建的内容，获取反馈，并有可能从头再来。

    Nick Robson: The job is more focused on the business problem. How do we scope this? How do we know what will drive business impact? FDEs spend much of their early work time scoping problems, dissecting the actual business itself, spending time with folks, figuring out where the value is, et cetera.
    Nick Robson： 这项工作更侧重于业务问题。我们如何界定范围？我们如何知道什么能驱动业务影响？FDE 在早期的工作中，会把大量时间花在界定问题、剖析实际业务本身、与员工相处、找出价值所在等方面。

    FDE 解决什么问题？

    What problems do FDEs solve?

    Nick Robson: One of my clients is an industrials player that makes complex products with a specialized supply chain. Due to geopolitical circumstances, they are experiencing a demand ramp-up for their products that is many times what they’ve delivered before. They needed something made exactly for their supply chains that could drive visibility into whether they have the right parts at the right time, provide the sequence in which to action things, drive accountability, and perform complex analytics. We were challenged on Tuesday to create this capability, and we got it working on Thursday. This tool that we built in basically a day and a half is something that in the past has taken hundreds of people many years to build.
    Nick Robson： 我的一个客户是一家工业企业，生产复杂产品，拥有专业的供应链。由于地缘政治环境的影响，他们正经历着对其产品需求的激增，这是他们以往交付量的数倍。他们需要一套专门为其供应链量身定制的系统，该系统能够提高可见性（了解是否在正确的时间拥有正确的零部件），提供执行任务的优先级顺序，推动责任落实，并执行复杂的分析。我们在周二接到了创建这一能力的挑战，并在周四就让它运转了起来。我们基本上在一天半内构建的这个工具，在过去需要数百人花费数年时间才能建成。

    Holger Hürtgen: FDEs have to be able to make judgment calls. Consultants may identify a problem and define what the best solution should look like. But as an FDE, you should decide what the best methodology is. What’s fit for purpose? Is gen AI the best tool? Is agentic AI? Or is it machine learning? Or is it a very simple regression? It doesn’t matter how advanced the tool is if it has an impact.
    Holger Hürtgen： FDE 必须能够做出判断和决策。顾问可能会识别问题并定义最佳解决方案应该是什么样子。但作为 FDE，你应该决定什么是最好的方法论。什么最适合当前目的？生成式 AI 是最好的工具吗？智能体化 AI 呢？还是机器学习？或者是一个非常简单的回归分析？只要能产生业务影响，工具多么先进并不重要。

    The focus now is on agentic AI systems. For instance, we all know how annoying it can be to interact with a call center. We basically“agentified”the call center of a utility, and it was quite interesting solving that problem to make sure that the agents would always have the proper answer, that they wouldn't hallucinate, and that customers would really like it. It was a real call center that you could call, and agents would support your journey through that call center.
    现在的重点是智能体化 AI 系统。例如，我们都知道与呼叫中心打交道有时多么令人烦恼。我们基本上将一家公用事业公司的呼叫中心“智能体化（agentified）”了。解决这个问题非常有趣，我们要确保智能体总能给出正确的答案，不会产生幻觉，并且客户真的会喜欢它。这是一个真实的呼叫中心，你可以打电话进去，而智能体会支持你完成整个呼叫流程。

    为什么改变人们的工作方式如此困难？

    Why is changing how people work so difficult?

    Martin Harrysson: Often, ironically, one can say that the more difficult part is the human aspect of it. People are not always open to change or to new things. This is sometimes even trickier than getting the actual technology to work.
    Martin Harrysson： 具有讽刺意味的是，通常可以说，更困难的部分在于“人”的方面。人们并不总是对变化或新事物持开放态度。这有时甚至比让实际技术运转起来还要棘手。

    I think an interesting example of this came from a client recently, as we’re transforming how they develop software and use more agents. One of the most experienced software developers at this client went through agentic training and then went back to his job. He started using agents, but they didn’t work. Because he was a really experienced and qualified engineer, he put the agentic part aside. He fired up the IDE [integrated development environment] and fixed the code. But the agentic part of it went sideways. The next time, he might not even try to do the work using AI and agents. Sometimes, if you have people who are really good at what they do, it almost becomes harder to make that change.
    我认为最近一个客户提供了一个有趣的例子，当时我们正在改变他们开发软件和使用更多智能体的方式。该客户最有经验的软件开发人员之一接受了智能体化培训，然后回到了工作岗位。他开始使用智能体，但没起作用。因为他是一位经验非常丰富且合格的工程师，他把智能体部分放在了一边。他启动了 IDE（集成开发环境）并自己修复了代码。结果智能体化转型就偏离了轨道。下一次，他甚至可能都不会尝试使用 AI 和智能体来工作了。有时候，如果你拥有在本职工作上非常优秀的人才，做出这种改变反而会变得更难。

    Holger Hürtgen: You have to solve the problem with real data in real systems and make sure people who are supposed to use it like the solution and do use it. This is the only way to get the business impact.
    Holger Hürtgen： 你必须使用真实系统中的真实数据来解决问题，并确保那些本该使用该解决方案的人喜欢它并真正去使用它。这是获得业务影响的唯一途径。

    Nick Robson: We had a client who was against agentic engineering or agentic coding. He explicitly told us, “I don’t really trust this stuff. I don’t like AI.”We spent an hour and a half teaching him some of the fundamentals of AI and how to apply it to a specific problem that he needed to solve in the next 24 hours. The next week, he came in and said, “I’ve used all my tokens.”He asked us to teach his entire team how to use AI and become their own forward-deployed engineers.
    Nick Robson： 我们曾有一位客户反对智能体工程或智能体编码。他明确地告诉我们：“我真的不信任这些东西。我不喜欢 AI。”我们花了一个半小时教他一些 AI 的基础知识，以及如何将其应用于他需要在未来 24 小时内解决的一个具体问题。第二周，他进来说：“我的 token 额度都用光了。”他要求我们教他的整个团队如何使用 AI，并让他们成为自己的前线部署工程师。

    什么样的人适合这份工作？

    What kind of person is good at this job?

    Holger Hürtgen: If you are, like me, an extrovert nerd, if you like teaching people, if you like not only the machine room but also talking to human beings, I think that’s the perfect profile for an FDE. It’s the perfect combination of coding in the machine room, explaining to people what you did, collecting feedback, and doing it again. That’s the beauty of the job.
    Holger Hürtgen： 如果你像我一样，是一个“外向的极客（extrovert nerd）”，如果你喜欢教人东西，如果你不仅喜欢待在机房，还喜欢和人类交谈，我认为那就是 FDE 的完美画像。这是在机房写代码、向人们解释你做了什么、收集反馈然后再做一次的完美结合。这就是这份工作的魅力所在。

    Martin Harrysson: You need to be something of a multisport athlete or someone who is bilingual or trilingual. What I mean is, it’s not necessarily about multiple languages; you just need to be technical enough. You need to be an engineer, to some extent, in the sense that you understand how a technical system works. But if you’re only technical and you can’t extract how decisions are being made, and all the informal connections that are happening, to solve a problem for a client, you won’t be very good at solving the problem. That requires a lot more interpersonal experience: being able to communicate well, ask the right questions, and empathize.
    Martin Harrysson： 你需要在某种程度上像个“多项全能运动员”，或者是一个会说双语或三语的人。我的意思是，这不一定是字面上的多种语言；你只需要具备足够的技术能力。在某种程度上，你需要是一名工程师，因为你得懂技术系统是如何运作的。但是，如果你只懂技术，却无法洞察决策是如何做出的，也无法理清所有正在发生的非正式人际联系，从而为客户解决问题，那你在解决问题方面就不会太出色。这需要丰富得多的人际交往经验：能够良好沟通、问对问题，并具备同理心。

    Nick Robson: I think it’s a combination of a few different things. One is actual content knowledge and content expertise. The second is good people skills. Delivering business impact, consulting—it’s all a people sport. The last is being good with technology, yes, but the more important skill is the ability to learn quickly. I think the best FDEs are the ones who can be super creative or think outside the box for something that has never been created before. And a big part of the job is inspiring clients.
    Nick Robson： 我认为这是几种不同特质的结合。第一是实际的业务领域知识和专业素养。第二是出色的人际交往能力。创造业务影响、做咨询——这都是一项“与人打交道的运动”。最后是精通技术，没错，但更重要的技能是快速学习的能力。我认为最优秀的 FDE 是那些极具创造力，或者能为前所未有的事物打破常规思考的人。而且，这项工作的很大一部分在于启发和激励客户。

    Post #2 ❤️ 1 like
  • 巴菲特和盖茨在 2005 年内布拉斯加大学的讲座
    谈笑风生

    2007-05-10 查理·罗斯对话沃伦·巴菲特

    开场：人生终极的奢侈

    查理·罗斯： 沃伦，感谢你再次来到这张桌子前。我们从二零零四年开始这些对话，二零零四年、二零零五年、二零零六年，现在是二零零七年。希望这些对话能长久持续。这一年对你来说非常非凡——最大的慈善捐赠、你与阿斯特丽德·明克斯的婚姻、二零零六年的非凡成就。但最重要的是你一直在做你最爱的事，那就是管理伯克希尔。这是人生终极的奢侈，如果你能靠做自己愿意付费做的事谋生，身边围绕着你热爱的人和事，再好不过了。

    这一年确实很成功。我们进行了几笔优质收购，我们的管理者都为我们提供了支持，一切都很顺利，我认为这就是最好的说法。二零零六年对伯克希尔·哈撒韦而言，是美国企业史上净资产增长最大的公司——除了埃克森美孚，主要因为分红收益。有些人通过收购壮大，还有一些人赚得更多但会外付，但就实际收益而言，就美元净资产而言，我觉得我们去年创了纪录。

    午餐拍卖与有趣的人

    查理·罗斯： 我们会花很多钱与你共进午餐。最贵的午餐是多少钱？

    这位先生花了六十一万美元。史密斯·奥伦斯基又付了十万美元让我们共进午餐，所以慈善机构将获得六十二万美元。这位先生是美籍华人，即将成为美国公民。在这案例中，还有七位同行，连同他的妻子这位贤内助，我们会聊他们关心的话题，但我享受每一顿午餐。大概十人左右，可能差不多。自从我们上 eBay，价格飙升得非常厉害。这位先生很有趣，因为他之前不想参与，因为他觉得英语不够好，但今年他自信了，因此拍下六十一万美元。如果他设 eBay 最高限价六十五万，他会不断加价直到最后一刻。我从中结识了许多有趣的人，我自己也获益良多。我打赌他们不会问你"我投资什么"，因为你不会透露具体信息。这更关乎"告诉我，与我分享一些见解"。孩子们很感兴趣。我还遇到了一对年轻情侣，其中一个男生很成功，非常成功的投资经理，他不需要知道如何赚钱，但他想了解如何教育孩子，因为他即将拥有很多钱，而且问题一大堆。无论他们想聊什么我都无所谓，午餐常常持续三小时，我会一直待到他们需要为止。

    规模是业绩的锚点

    查理·罗斯： 做大有什么风险？做大有什么弊端？做大有什么优势？

    规模是业绩的锚点。你无法管理百亿或两百亿，但可以管理千万或亿美元，这就是业绩的锚点。当我管理几十万美元时，整个世界是我的宇宙，任何想法，成千上万家公司，其中任何一个好点子都会影响现在的净资产。那个宇宙正在不断缩小。如果我们用一亿美元做了一笔 brilliant 交易，赚了一亿美元，税后净得六千五百万，相对于一百六十亿，影响微乎其微。所以我必须关注大公司，这意味着少数公司，这意味着很多原本可行的事——如果我管理百万或千万美元——现在不再适用。

    查理·罗斯： 优先考虑收购而非股权？

    绝对没错。我希望我们现在有七十三家业务，从 Dairy Queen 和熟食店，到 NetJets 的七三七机型，我们样样都有。但我想拥有更多，我想要更多，我希望七十三这个数字能变得更大。我也喜欢买股票，这就像一场游戏，我多少明白这个道理。但伯克希尔真正的目标只是不断积累更强的盈利能力，通过拥有杰出的经理人经营的业务。做到这一点意味着我在办公室什么都不用做，然后你可以弹尤克里里或者做其他事。这不仅仅是表面，但事实是，如果你找到优质企业，这就是源源不断的价值，它会越来越好，而不是像在股市里东奔西跑。你能在股市中获得更多，你可以，我们现有的七十三家业务现在很可能仅凭自身就能赚取更多利润，十年后在现有基础上我们还会继续增加。这就是我热爱的事，我喜欢我们合作的经理人，这非常有趣。

    沃尔玛的十亿美元级错误

    查理·罗斯： 你在投资某些公司，你曾频繁进出沃尔玛，作为其中之一？

    是的。说实在的，我们偶尔也会卖出股票。我犯过一个大错，其实那才是——我本打算在九零年代中期买入沃尔玛股票并大量购入，我们本可能赚取八到九亿美元，结果股价小幅上涨后我却犹豫不决，将潜在巨额利润变成了小利润。但这是我们从不谈论的事，这是我们从不谈论的事——十亿美元级的错误。十亿美元级的错误。但我们现在又回到了沃尔玛，我们在沃尔玛有相对较小的持仓，但我们确实持有仓位。

    收购的竞争与承诺

    查理·罗斯： 曾有报道在《华尔街日报》上提到你正在考虑重大收购。显然你不会告诉我一个真实故事是什么？

    嗯，这是真的。但总会有长线机会，有些公司很想加入伯克希尔，我只是无法在市场上找到可行的方案。这对伯克希尔股东来说很合理，有很多人想加入我们，但收购企业面临激烈竞争，成功拿下任何一个的机会微乎其微。但如果你继续，如果你不断尝试接触足够多的人，尤其是有人答应你——在资源方面你的支付能力不是问题。大家都知道我们的底牌，我们能做大规模交易，我们从不卡壳，我们从未签过其中条款以融资为条件。我的意思是我们资金充足，所以当我与人握手，就意味着达成协议。

    查理·罗斯： 每周有多少邮件？有多少人每周发来邮件说"先生巴菲特，我想卖掉我的生意"？

    查理很少收到，因为在年报中我列出了我们的标准。所以我试着感受，我告诉人们，你知道我们在寻找圣伯纳犬，而不是吉娃娃。而且即使我说了这个，人们还是忍不住要说"但我真的有个很棒的小生意"。他们可能确实有，但我就是无法专注处理。通过明确标准，这确实能减少信息流。

    报纸行业：热爱与坚守

    查理·罗斯： 你喜欢报纸，你喜欢经营水牛城新闻的那些人。你曾说过如果我不能做我现在做的事，我想从事新闻行业。

    没错。我知道这个行业永远无法恢复昔日辉煌，但我们还是会坚持。只在年报附录里提到过，这是我们出售业务的两个条件：要么变成无尽的现金压力，要么出现无法解决的劳工问题。在这两种情况下，尽管我们看到业务前景黯淡，即使有人出价是我们优质业务的两倍，我们毫无兴趣。当你购买它们时，这是终身持有的承诺。这与商学院教的完全不同，在商学院里他们会说如果有人出价三倍收购企业而企业价值仅为 x，你应该接受。他们谈论业务组合，这些不是业务组合，它们就是企业，你作为所有者来经营。人们加入我们并信任我们，他们毕生打造，希望找到最终的优质归宿。我们不会改变这一点，仅仅因为出价更高。与某些私募基金截然不同，他们从事的行业不同，他们在买卖资产，他们有退出策略，我们有进入策略，但我们没有退出策略。

    论坛报公司与报纸的象征意义

    查理·罗斯： 你今天听到的所有讨论有什么看法？有人想收购《论坛报》公司。

    没错，他赚了很多钱，他卖给了黑石集团。他从自身立场制定了非常精明的交易，至于《论坛报》最终会怎样另当别论，但你从双方角度看都没法再设计得更好了。从税务和较小投资角度，将其杠杆化发展成大项目。但你仍需经营《论坛报》公司，而且是日渐衰落的行业。作为顶级企业，正如你所说，人们买报纸既为自我认同又为彰显重要性，这能让他们显得重要。如果你拥有报纸，如果你拥有奥马哈世界先驱报——我住的地方——或者拥有内布拉斯加州弗雷蒙特的《论坛报》，你自然会成为非常重要的人，可能是镇上最重要的人。瞬间获得显著地位，知名度和单纯财富无法给予的一切。这就像体育队的平方，如果你拥有洋基队，你会在纽约市非常重要。但如果你拥有《纽约时报》，你会更重要。《华尔街日报》是世上第二重要的媒体，从影响力角度，其所有者中首推《纽约时报》。

    鲁珀特·默多克与《华尔街日报》

    查理·罗斯： 你对鲁珀特收购《华尔街日报》的努力怎么看？

    我认为这完全在预料之中，因为他热爱报纸，他热爱报纸。加上《华尔街日报》，《纽约时报》在互联网时代可能比普通都市媒体有不同未来，这是知名品牌，而且具有全国影响力。我的意思是他们的城市——如果你知道巴尼·基尔戈多年前提出了这个绝妙的概念，我当时认为那本杂志的发行量大约有二万多份，他当时是编辑。然后他有了这个想法：每家报纸都以所在城镇来定义自己，你要服务罗阿诺克和费城。他构想了一个不以地理定义的城市，而是以共同兴趣来定义。所以他创建了一个新城市，并且它是全国性的，就地理位置而言，但这是一个拥有共同兴趣的城市。然后他建造了《华尔街日报》来服务这个城市。这是一个美好的城市，绝佳的人口结构，各种各样的事物。这是一个绝妙的、绝妙的、绝妙的主意，并且执行得非常到位。因此你有了《华尔街日报》，如今《纽约时报》也是如此。你拥有一份超越特定地理区域的报纸，这可能在互联网上以某种方式奏效，比在奥马哈或水牛城用纸质媒体实现要好得多，或者费城，或者迈阿密，或者其他类似城市。

    《华盛顿邮报》作为你们董事会成员的报纸表现不佳。《华盛顿邮报》已经做到了，《华盛顿邮报》仍然基本上是本地报纸，他们在当地发行量占绝对优势，但他们的网站已扩展到华盛顿以外的广泛覆盖。问题是能否实现盈利，是否能实现经济上的成功。而问题在于，《奥马哈世界先驱报》能赚很多钱的原因是没有竞争对手。如今这份报纸的收入已大幅减少，未来可能还会继续减少，因为出现了新的竞争形式。但在直接竞争方面，互联网上没有直接竞争对手。你知道我可以订阅《洛杉矶时报》、《纽约时报》、《华尔街日报》、布法罗新闻、阿尔莫科姆，我可以遍览各地，而我这边几乎不用费力。我不想出门挨家收集八份报纸，你知道这些来自世界各地的报纸还要分类整理。我可能是唯一这样做的男人。但这正是报纸的商业模式之所以能创造惊人经济效益的原因，因为大多数情况下它们天然垄断，而这种垄断地位正在减弱。当然技术发展日新月异，整整一代人不再需要每日读报，这些曾经是绝对的瘾君子。

    班克罗夫特家族的抉择

    查理·罗斯： 如果你是班克罗夫特家族，你会出售吗？

    这是他们必须做出的决定。这很有趣，因为本质上每个生意都是实体生意，或者说就像柠檬水摊，企业价值在于未来现金流。现在，谈到体育队、电影公司尤其是报纸，价值不仅在于未来现金流，还在于其象征意义。所以是 a 加 b，其中 b 在《时报》很重要。班克罗夫特家族未必理解这种象征意义，他们可能有内在意义，但大家都知道乔治·斯坦布伦纳是谁，如果他拥有洋基队，没人真正认识班克罗夫特家族成员。他们拥有这项资产，对他人来说价值连城，不仅仅是鲁珀特·默多克，还有其他人看重的象征权力，叫它什么都可以。他们可以出售，但他们自己无法获得全部价值。但他们继承了家族传统，由父母或祖辈传承，他们确实认为这非常重要，这是一项非常重要的国家资产。因此这不是可以简单根据是否获得 x 或 x 加二来出售的东西。但家庭中有三五个成员左右，然后房间里会有三五个人，他们不会全部同意，有些人会脱离出来，已经有几个人脱离了。问题是是否会更多人脱离，而我们还不知道答案。

    查理·罗斯： 不过你是个赌徒，你会赌押反鲁珀特·默多克吗？

    迄今为止没人靠赌他失败赚到大钱。他靠押自己赚了很多钱。他确实是一个非常聪明的人，而且他精通媒体，几乎像世界上任何人都知道的那样。我曾在一九七四年，我想，他到凯·格雷厄姆的公寓，刚买下《纽约邮报》之后，他还没在这里待太久。他谈到了两家报纸和电视的商业与编辑层面，我不知道他们过去六个月去了哪个国家，但他比我所知的业界任何人更了解情况。他深知游戏的两面，他既是出版商又是编辑，或是所有者和编辑。这就是他的游戏。

    那幅"著名的画作"

    查理·罗斯： 你曾短暂考虑过吗？因为五亿美元在整体规模中不算多。

    是的。我说实话，你知道的，如果有个女孩走过街道，你会短暂思考吗？查理超过片刻。我以为你会这么说所以你也这样。丘吉尔说过什么——只是因为我看着菜单，并不意味着我要吃这顿饭。但我要说，全世界有很多人，不仅仅是美国，主要是那些拥有大量资金的美国人，会考虑这件事。我并不认为这完全不可能，在这种情况下其他人也会出现。我不是在预测，但你无法避免。这种情况不多见，如果纽约洋基队要出售，你知道会有不止一个人会考虑，当然他们也会考虑组建各种团体。但有些东西就像一幅罕见的画作，在一群艺术收藏家面前出现。你可以从这个角度理解，因为这不是——你知道有很多著名画作，但《纽约时报》和《华尔街日报》，这两个资产未来不会再被创造。

    查理·罗斯： 听起来你还在考虑这件事呢？

    是啊，我就是一个旁观者，至少我就暂且放过你。但当然，而金融报纸属于金融服务公司，那些提供金融信息的机构最成功。回顾过去，当然很有趣，发生了什么。如果回溯三五年，几乎没有领域会爆发增长，比如金融信息。现在对金融信息的兴趣程度相比三十年前增长远超体育或政治之类的事，这简直是爆炸式增长，而且可以收费。道琼斯早在一九七零年就拥有那个世界，他们掌控了整个世界，不仅仅是《华尔街日报》。但即使道琼斯新闻行情牌，一九七七年我走进沃尔特·艾萨克森的家，他必须关注道琼斯新闻 ticker，这就是获取财经新闻的方式。而如今我们在这里，鲁珀特正在谈论为这收购出价五十亿，而彭博社价值二十亿或更多，从零开始，多年后。这曾是一个在辉煌领域中的顶级品牌，说实话他们搞砸了。就现在而言，在华尔街领域他们没搞砸，《华尔街日报》并不重要——不，哦不，完全不是——但从商业角度来看，拥有受众，这个品牌，他们掌控的一切，他们主导了这个领域，却有人想夺走它。但他们没让《日报》被夺走，但在资产变现方面，他们最初拥有的资产——全国投资者对企业的信任——人们从未想过如何变现这一点。这本该是一家现在价值五百亿的公司，而非五十亿，简直难以置信。

    有趣的是当你遇到这种情况时，当这样的事情出现时，这会引发你的兴趣。这是一幅杰作，无论在哪里或是什么，你可以一睹风采，知道如果它对我有利，我可以分一杯羹。这大概没错，这必定带来挑战感、兴奋感。是的，你必须确定无疑。这不会带来太多那种东西，你可以做相当愚蠢的事，如果你有大笔资金，现在会被某种资产吸引。最终我在为股东工作，我知道你是这样。

    继任计划与风险本能

    查理·罗斯： 但事实上你现在在寻找投资接班人。你在考虑继任时已确定三人可任 CEO？

    绝对没错。这些名字已知悉董事会或高管委员会。如果今天发生意外，谁将成为伯克希尔新 CEO——已全部选定。我们周一见面，并重申了调整方案，可能一年后改变，因为你做出不同决定，因中间因素介入，人选可能变红。

    查理·罗斯： 有趣的是，作为投资大师，其中一个标准是他们理解风险。你毕生打造的一切都在谈论这一点。

    我见过各种一百六十智商的人，对主题有强烈兴趣，投资界丰富经验，见过他们自我毁灭。必须具备自然的使用本能，只是享受游戏并积极参与。关键点，当然，是控制这些本能。大多数人，即使是聪明人，难以不沉迷游戏多跳一支舞，就像午夜十二点前的灰姑娘或类似情况。他们认为自己比公众更聪明，尽管知道结局会提前退出，或未防范来自完全意外的威胁。长期资本管理公司就是一个很好的例子。所以我非常注意从不将伯克希尔的投资交给我认为可能存在这种微小致命缺陷的人。每年都能赚很多钱，但如果你看数字——二十八，我们来谈百分比，二十八乘以三十，三次，十七次，二十二次零——答案是零。里面不能有零。我见过很多人取得过很好的成绩，然后他们插入了一个零，结果就结束了，结束了，然后你得回去。

    而我想要找的人，不仅能识别已知风险，那些之前见过的风险，甚至能看到拐角处尚未发生的风险。当我上课时，这些都是聪明的学生，非常聪明，让我稍作解释。在二零零六至二零零七学年，三十多所大学来奥马哈与我共进午餐，我和他们待了大约五小时，包括巴西在内。通常有一百五十多人在场，他们都是 MBA，对金融感兴趣。有多少人听说过西北太平洋角？通常没人举手，完全没人。当我十岁或十一岁时，我读遍了所有能读到的财务历史，因为这不仅仅关乎上周图表上的数字，而是人类的行为方式。我曾和艾伦·格林斯潘交谈过，有一次谈到北太平洋区域，他对商业了如指掌，但必须意识到人类能做出令你震惊的事。想想希特勒在德国的所作所为，这里只是人类做出疯狂之事的范围——自我毁灭的行为，群体性的举动，他们确实会这样做。一九八七年十月，你目睹了市场价值的百分之二十二，一天之内，从长期来看你见过各种情况，未来还会出现其他事情。会有相似的因素，人类因素将始终存在，但不会完全相同。但正如马克·吐温所说，历史不会简单重复，但会押韵。我们将看到一些相似之处，比如一九二九年或类似事件。我必须找到能思考这些事情且不受群体影响的人，这一点至关重要。

    查理·罗斯： 你要选择三到四名或更多，可以给他们一两亿美元并观察他们，如何衡量超越此表现？

    顺便我会看看他们过去十年的表现。我更能通过观察他们击球时的挥棒动作，而非最后交给我一份成绩单。时间不仅仅在于他们的表现，更在于他们如何取得这样的成绩，我能从中读出很多信息。我之前做过两次，在我的一生中。当我离开合伙人身份时，我实际上选了三个人，其中一位是最契合的，而这三人都在三十年后证明了自己。这三个选择都很正确，不仅仅因为他们管理资金出色，他们也没有自我毁灭。我曾为 GEICO 选过一人，这并非不可能。现在对我来说更难，因为我不是这些人同代人，我不了解四十或五十岁那代人，就像我曾经知道当我四十或五十岁时。你必须去寻找，你要找的是四十岁左右的人，大概没错，但他们可能三十五岁，也可能五十岁，他们不能七十岁。因为你知道，我认识一位七十岁的老人，他喜欢自己的工作。还有路易·辛普森，他很出色。当然你可以做到，但他更接近你。但查理八十三岁，他状态很好，但他自己不知道，他并不自知。

    贸易逆差与美国的消费习惯

    查理·罗斯： 在年度报告股东信中，你再次谈到贸易逆差，他们称为经常账户赤字。这也是你认为美元将持续贬值的原因之一。谈谈这个。从某种意义上说，我们正在牺牲资产来维持消费习惯。

    这是一个持续不断的过程。就像每天多加一片吐司坐在餐桌前，相比正常饮食，你并不会突然起身。而大家总是在第一片之后说"我的天啊，你看起来胖了，你最好别再吃那片吐司了"。但如果你继续，如果你持续摄入比消耗多出几百卡路里，每天长期积累，某天醒来时你会发现自己的状态正是你不愿身处的。而我们——我们是世界上最富裕的国家，我们有很多资产可以交易，全世界都乐意接受它们，他们乐意接受我们的 IOU，但他们不再像以前那样开心。这就是美元持续贬值的原因。但我们不会改变超支生产的消费习惯。

    查理·罗斯： 想想你刚才说的话，如果我们最终有一天陷入绝境，那么我们很可能无法改掉这个习惯。这就是对末日的预测，但这并非末日。那会是什么？

    如果事实上这只是对未来的预测——将国家所有权转移到其他地方，转移到其他地方。然后你的子女和孙辈不得不每天工作部分时间，每周都要偿还多年前的债务。如果这只是美国的预算赤字，你知道债务支付成为他人的收入，但当你实际转移给全球其他国家时，你的生活水平会降低，还需额外支付偿债成本。很可能企业会将生产转移到海外。很难说所有连锁反应，但发生的一件事是——我们始终拥有这些，比世界拥有我们更多，自一九一五年来近百年，他们一直支付给我们更多，因为我们拥有这些资产而无需支付他们。这已经发生了转变，然后将在二零零六年转为负值，并将变得更糟。实际上我们就像一个储户，我们已耗尽储蓄账户用于消费，现在开始使用信用卡。信用卡的利息尚未很高，但如果我们继续使用信用卡足够久，就会开始支付更高费用。过段时间后你会注意到，但缓慢发生的事在民主制度中对长期后果不利。

    与政客们的对话

    查理·罗斯： 我假设大多数民主党人来找你寻求你的支持和想法与资金？

    是的。所谓支持——他们所指的支持，所谓支持，这就是我们喜欢你的。这是我们考虑的数字。要讨论的两件事之一是与他们的贸易逆差，我想让政客们感到紧迫。另一件事我想讨论的是遗产税。我会并想谈论大规模杀伤性武器。

    查理·罗斯： 你会如何谈论国内武器？在上次总统竞选中，两位候选人，你还记得吗，当有一次辩论时我问过最重要的问题是什么，就是这样。

    对付查理确实很难，我是有一定同情的。这确实最重要。但我们的经济长期来看会很好，我可以保证你的孩子或孙辈会过得比你好——如果他们能活下去的话。这才是真正的问题。而且有很多人、组织甚至少数国家希望我们遭遇不幸，他们对我们造成伤害的能力，由于这个事实，他们对我们怀有恶意的程度远超以往，比五十年前要严重得多。我们必须高度警惕。

    查理·罗斯： 政治领导层应该怎么做？他们可能还没在做。

    我们有一把鲁格手枪，例如在与俄罗斯合作方面，但在确保他们的武器——我绝对认为有很多，世界上有很多材料可能被错误的人获取。这不仅限于生物武器，这是终极恐惧。终极恐惧是恐怖分子与核武器结合，或与生物武器结合，与逻辑/化学武器结合。

    二零零八年大选与我的两个心仪候选人

    查理·罗斯： 你在二零零八年政治竞选中选了候选人吗？

    我有两个心仪的候选人，其中之一成为美国总统——是希拉里·克林顿和巴拉克·奥巴马。我认为他们都能成为优秀总统。更倾向于其中一个？不，我只是不想对任何一方置之不理，却转向另一方。但我认为两者都能引领我们走向更好的美国。我觉得我们已经有了一个不错的美国，而且它对你非常好。有一种叫做"不"的东西，这非常像彩票，你从中受益。这是个美好的美国，但现在已到了一个转折点。好吧，一直以来都是这样，我们还能做得更好，我们能做得比现在更好，在照顾三亿民众方面，而不是只照顾像我这样的人。

    查理·罗斯： 你相信他们会这样做？

    他们有想法和计划，有足够的智慧和精力去实现，并具备领导力让民众支持你，还要让民众心怀向往那些他们之前很少考虑的事。还有这一点——这个国家对你如此慷慨，而你时刻铭记这一点，一直如此。你之所以能取得今天的成绩，是因为你出生在这片土地，你赶上了好时机，你的父母赋予了正确的价值观。所有这些都让我想起——如果我走在街上，说着我去分配坎贝尔，说兄弟去找工作，但也要看看这个处境。

    韩国股市与后视镜思维

    查理·罗斯： 你在韩国股市的投资更成功，比现在美国股市的表现。我不知道这说明什么，但肯定有深意。

    这只是韩国便宜。其实意味着韩国在一九九七至一九九八年经历了危机，人们一度放弃它，他们陷入困境，国际货币基金组织介入了。人们形成了对韩国二零零二年的认知，这基于一九九七和一九九八年的经历，那已是很久以前的事了。市场有习惯回顾过去，而非通过车窗观察前方。他们正通过后视镜看待韩国，当挡风玻璃——你知道当时很明亮。但这并不意味着韩国更好，创业或生活都更优越，尽管他们表现优异。但他们的股票非常非常便宜，几年前简直低得离谱。我们的股票比现在稍便宜些，但远不及韩国股市的低估值几年前的情况。

    查理·罗斯： 你今天可以说比以往更关注海外市场？

    是的，我一向关注海外，但我们现在更关注。确实如此。部分源于我的观点，我不再通过货币交易，而是通过投资国际公司提升货币，或如我在伊斯卡所做的国际公司。如今国际收益仍更多在美国，美国仍将比任何国家都多，我们拥有众多企业，多数收入来自美国。但我们正增强盈利能力，直接通过伊斯卡等公司或间接如可口可乐或宝洁这类企业。全球市场广泛分布，遍布全球。对于这些公司，国际收益将快于本土收益增长。在此基础上，他们可能在多年后获得一些货币收益。这对我来说并不是决定性因素，但这是我要考虑的因素之一。

    货币交易的终结

    查理·罗斯： 为什么你在货币交易中赚了二十二亿美元，为什么你停止做这项业务？

    因为利率变化导致的大多数货币交易出现了负收益而非正收益。因此如果货币价格保持不变，我每年能赚几百亿美元；如果货币价格保持不变，我每年将损失数亿美元。所以收益转为负值。我不想过于技术化，但持有这些货币头寸确实成本更高。因此我决定这更有效率——直接持有其他货币的海外收益，而我现在有正收益。

    中石油、苏丹与奥运会

    查理·罗斯： 你的一项投资是中石油对吧？约三十三亿美元左右？

    当前投资价值略低于三十亿美元，我们支付了约四亿美元。这类似于典型投资，现值约三十亿。我们投入了一千万美元，现在价值二十亿美元。

    查理·罗斯： 你在年度会议上做的事很有趣。有些人认为伯克希尔·哈撒韦应退出中国企业的投资，尤其是石油业务，因为他们认为中国购买了大量石油，尤其是苏丹的石油生产，并通过减持中国投资影响政府。

    中石油由中国政府控股百分之八十八，他们可能购买百分之七十的苏丹石油产量。但中国将消除苏丹百分之七十的产量，尽管苏丹会将这些石油卖给其他买家，毕竟石油是大宗商品，你根本不知道油箱里的油来自哪里。其实这个讨论的核心在于，通过投资或不投资能否影响政府的行为方式，在这个全球增长最快的经济体之一。我认为我所做的任何事能改变中国对其政策的看法——这就像如果我说的任何话能改变美国政府的决策，或市政府的行动，或者奥马哈市议会。最终你会看到会形成一个故事，"你知道巴菲特这样做并发表言论"，但事实上——两年前中石油的负责人因为公司股价出现小问题，我认为这不是明智之举，我觉得不应该稀释股权，只是个小问题。我收到了一封非常友好的回信，他们说"我们很荣幸成为股东，并尊重您的观点，但我们还是会发行股票"。当然他们会这么做。而在美国也会发生这种情况。最终中国政府会做他们认为符合中国利益的事，他们并不会——伯克希尔哈撒韦出售子公司股份，其中两家，中国三大上市公司中的三家。中国政府是三家中的两家。相信我，他们是当地所有重大商业活动中的重要因素，而且他们有政策，这取决于他们自己。他们不会被那些公司的管理层动摇，他们不会被我说服，他们不会被任何提议动摇，他们可能不会被汉克·保尔森动摇，尽管他非常优秀而且他们喜欢他。

    如果中国政府撤资，他们无法带走石油回家，他们无法带走管道回家，他们必须卖给他人。他们只能卖给两个人——他们可以卖给苏丹政府本身，或者卖给其他希望合作的国家。如果卖给苏丹政府，他们将获得远低于资产价值的报酬，苏丹政府会更受益，如果他们能让对方出售这些。如果卖给其他实体，我想苏丹政府会重新谈判条款以获得更好条件以便完成这项交易。你无法带走，你无法剥离资产。在收回资产的意义上，苏丹每天将生产四万桶石油，这些石油将被出售。事实上美国政府如果这些石油不被出售会很不满，因为这会减少全球四万桶石油供应，或者如果石油价格上涨，美国所有人都要多付汽油费。如果停止在苏丹产油，这会大幅减少全球供应，而当前供应已经很紧张。这确实——苏丹发生的事情绝对糟糕，但认为中国石油股东能改变中国政府政策，或中国撤离苏丹会损害苏丹政府，这些观点非常牵强。

    这正是奥运会——从奥运会开始，这将成为他们的展示舞台，他们想确保重视奥运会，规模巨大。当达尔富尔问题开始出现在屏幕上时，中国唯一政府成员前往达尔富尔称中国声望。我的意思是确实如此，我们可能无法完全理解。我们很享受在这里举办奥运会，也许在亚特兰大之类的地方，但这和他们的感受完全不同。我确信北京能办好奥运会。

    慈善：我最热爱的决定

    查理·罗斯： 让我谈谈慈善事业。去年八月，备受关注，你宣布向盖茨基金会捐赠，并另外四个基金会——你的三个孩子和以已故妻子命名的基金会。当你看到这个时，你现在是否更加坚定？你认为这是正确的决定吗？是否进一步考虑，引发过你的疑问？

    查理，我太喜欢了。我的意思是已经完成了，正是我想做的事。我希望这笔钱用得其所。你知道我把这些小纸片存放在保险箱里，就放在那里，现在它们可以转化为疫苗或教育，或者任何需要的领域。真正的问题是如何做得最好。我的孩子们表现得非常出色，梅琳达也会做得很好，比尔在上面操作。这是一个机会，说实话我热爱正在做的事。如果我做得好，它们将更具价值。这很理想，它没有任何瑕疵，我愿意做任何改变，形状或形态。这很有趣。

    基金会与"外包"哲学

    查理·罗斯： 你在股东信中也提到过，你思考过五年后、你的寿命可能——实际上可能还需要十二到十三年，可能需要十分钟或二十年，但不会是五十年。你也知道在遗嘱中，遗嘱可能需要大约三年时间处理。你希望所有资金都捐赠出去？

    我已经决定这些优秀的人选能胜任，我看他们正在做正确的事，我知道他们的目标。我不关注每个具体决策，但我不确定五十年后的情况，当新一代到来时以及所有这些。而我坚信你了解自己擅长的领域而非未知领域。为什么我要假设五十年或六十年后可能还未出生的人，会比我现在认识的人做得更好？基金会的有趣之处在于它们没有市场检验。我们国家做的大多数事情都有市场检验，但基金会会持续运作下去，好的继续前行，坏的继续存在，停滞不前的那些继续前进。我相信资金会被合理使用，我知道你已安排了合适的人选在做正确的事情。五十年后将会有大量慈善需求，也会有很多非常富有的人。如果我支持的人现在做得很好，他们可以向历代慈善家证明——"看看我用巴菲特的钱做了什么，我会用你的钱做得更好"。如果他们通过了这个考验，他们可以获得人们的捐款；如果他们做不到，就会消失，有人会取而代之。

    查理·罗斯： 比尔和梅琳达是否让你更关注他们如何使用资金，还是你只是说"我信任他们"？

    我想了解详情，但我真正喜欢的是经营伯克希尔。我确实很支持外包，我甚至没亲自接生过孩子，我请了产科医生。我不想让家人或自己补牙，或者自己尝试。如果有人能比我做得更好，他们确实擅长很多事情比我强，我会让他们来做。有人让我管理他们的资金因为他们认为自己能做得更好，我让这些人分配资金因为我相信他们会比我做得更好。其他领域都如此合理，为什么慈善领域不适用？

    唯一好的事情是，自从上次我们讨论以来，我从很多人那里听说——不仅在国内，国外也有这种情况——他们正在重新思考，并在某些情况下已实施重大改革，在资金分配方面。他们根本没有在想这件事，但他们确实想过这个问题。

    查理·罗斯： 你曾激发人们进行慈善捐赠。我觉得现在做比以后更好。

    是啊，没错。甚至我自己也成了某种刺激因素。我认为可能基于这样的理念：不要设立永久性项目。我听过有人这么说，我也曾从一位朋友那里听说，例如前几天他要投入十亿美元。我认为他会投入十亿美元并成立慈善基金会现在就行动。把钱捐给盖茨基金会怎么样？他们已经收到了很多提案，我觉得他们即将开始接受外部资金。我觉得他们对此感到意外，毕竟他们建立了比尔和梅琳达基金会。于是他们重新考虑了原本的计划，但我认为他们会这么做。

    查理·罗斯： 你选择他的原因之一，一是友谊，二是你对他们所做之事的敬佩，以及你对他们的了解？

    我亲眼见过他这样做。如果你告诉我要在高尔夫比赛中替我出场，你打出六十九杆，也许你会做到，也许不会。但如果你告诉我亲手交给他球杆——谁比你更享受这个过程？这让我想到，我不这么认为，当然不合法。

    对冲基金经理的荒谬

    查理·罗斯： 你也曾批评过这种方式，你并不满意，正如你在股东信中所说，或你对所谓的"二十点派"有所保留？

    我不怪他们，从某种意义上说他们忘记了自己能获得什么。但认为美国大量投资资金可以被管理，并向经理收取百分之二加百分之二十的管理费来操作，而这一群体能跑赢平均收益，扣除这些费用后仍优于平均水平——这在我看来完全荒谬，这根本不可能。我不是说如果极小部分资金由收取这些费用的团队管理，那个团队无法超额收益。但巨额资金根本无法持续超常表现。但这些经理会做得很好，即使他们遭遇——你抱怨他们收取百分之二的管理费，这到底是好还是坏？但非常有趣，其中一些人管理共同基金，他们收取百分之零点五管理费且无绩效提成，然后转战其他领域，他们说"我们这么优秀应该收取绩效提成，现在需要收取四倍的百分之二最低费用，否则我们没必要早起上班"。甚至有人提议收取百分之二十。

    你知道这股热潮，有些人因此能拿百分之二十，而不是收取——正如你和路易·辛普森的协议，你收取超额收益部分的百分之十。这个想法就像去赛马场，有这些操盘手分别向十个人推荐不同马匹，他肯定能中奖。如果你在十年间设立十次合伙协议，收取百分之二加百分之二十管理费，会有三到四年像黑猩猩也能赚百分之二十五，然后收取高额费用，然后亏损接踵而至，那个家伙说"真是可惜，现在我们将开始新的合作"。但总有人要爱他们，因为他们的钱源源不断地流入，来自养老基金和各地其他地方。

    好吧各位，所以我有个在屠宰场工作的姐夫，奥马哈集团。我说你告诉这些农民，他们来的时候，你可以卖他们的猪，另一个家伙也可以卖他们的猪。他说"华纳，这就是如何卖出它们，如何告诉他们"。屠宰场里蕴含智慧，对吧，难道不是这样吗？

    十九个人的总部

    查理·罗斯： 现在伯克希尔总部有十九人？

    是啊，我们疯了。

    查理·罗斯： 你展示了波士顿之外的机遇。十九个人，他们在做什么呢？

    我们有七十三家运营企业，我们的税务申报超过——去年联邦税申报表超过一万页，这些都在我们办公室完成。我们还有州所得税申报，还有海外申报，还有 SEC 事务，所以我们会计部门有不少人。但我们没有人力资源专员，没有投资者关系，没有公关部门，没有这类部门。但确实有一定数量仅作为大型上市公司。季度末我们特别忙碌。

    一个人作画四十年

    查理·罗斯： 你建立了四十年的成就，担任伯克希尔首席执行官四十二年。其中绝大部分时间几乎全部时间都是一个人大量阅读，频繁在电话中交谈，会见大量人员并做出长期决策，并让大量人去经营企业。奥马哈只有一人，这太非凡了。我认为这些决策源于热情，源于热爱，源于知识，源于原则，源于分析架构。

    我只需完成自己的画作。我只是要继续作画，它永远无法完成，但我享受看着画布不断扩展。但这并非苦差。如果有股东在听，我想告诉他们——我终日汗流浃背，一天结束时其实并不辛苦。我们每天要打桥牌，你可以做到，你可以让它变成苦工。我们可以让整栋楼充满层层汇报的部门，我会有大量数据涌入，比如准时销售了多少，比如昨天在糖果店看到多少花生脆糖盒。我收到大量数据和关键信息，但可能存在各种无用工作。我们不设委员会，如果设立委员会，你知道会涉及七十五人，还有协调各委员会的联络小组，他们要开会并向他人汇报他们学到的内容，这会无限延续。我们没有任何那种东西。

    罗纳德·里根说过关于工作的名言——他听说努力工作从未害死过人，但他又说"我觉得何必冒险"。

    阿斯特丽德与幸运的人生

    查理·罗斯： 你又和阿斯特丽德·明克斯结婚了。她给你带来了什么？

    她照顾我。我是说这太棒了。我曾和她同住很久，而鸵鸟是你在世上找不到更好的人了。我们就这样。我的人生充满幸运。

    查理·罗斯： 谢谢你。很高兴见到你，很高兴成为你的朋友。

    谢谢。谢谢。

    Post #2
  • 3B1B：从未有过比现在更好的时代去投身数学
    谈笑风生

    https://www.bilibili.com/video/BV17C4P6CE5f/

    漫士视频字幕转录

    清华姚班：卢睿

    AI 时代，数学到底该怎么办？

    Q：最近后台很多人问我还要不要学数学，你为什么也想专门聊一期这个事？AI 在数学上究竟做到了什么地步？

    我的后台有很多热爱数学的粉丝，他们最近经常问我说，自己现在很迷茫，甚至很绝望，不知道到底还要不要学数学，应该怎么办。我自己最近几个月也做了好几期 AI 在数学上突破的解读视频，眩晕瘫坐了好几回，有很多感慨，所以这次咱就好好地聊一下这个事。观前提醒：本期都是我个人观点，欢迎大家友善讨论、表达不同的看法，不喜勿喷。先给不了解的观众科普一下背景：2026 年 10 月，OpenAI 发布了 700 多个数学结果，几乎把前沿数学研究的每个领域都炸了一遍，后来还追加了三个，许多领域被连根拔起。比如调和分析，最主要的几个猜想几乎都被解决完了——王虹因为解决三维挂谷猜想就得了菲尔兹奖，而现在 AI 解决了局部平滑性猜想，从而直接把所有维度的挂谷猜想全都解决了。还有理论计算机里的指数时间假设 ETH 和强指数时间假设 SETH 都被证明不成立，这可以说是直接连根拔起了细粒度复杂度分析（fine-grained complexity analysis）的整个基石。相比之下，之前解决千禧年大奖难题里的纳维 - 斯托克斯方程，简直就是 AI 随便练了个手而已。

    人类数学家在这几个月的时间内，突然被这一连串的核爆炸炸得无题可做，无数人开始讨论我们是不是不需要数学家了，很多数学家也开始团结起来抵制 AI。他们说大模型的这个行为是纯粹的算力炫耀，原文叫 demonstration of power；他们拒绝做商业公司免费的审稿人，反对这种不负责任的结果发表，并且反复强调：数学并不是解题，而是在解决过程中所形成的理解，和创造全新理论的工具。所以他们说，AI 公司对这些未知难题的粗暴解决是破坏性的。有些数学家标榜自己是 AI vegetarian，在论文写作、思考和推导当中不使用任何 AI，并以此为荣。

    Q：你自己好像也被冲击得很厉害？能先讲讲你原来做的是什么，日常又是什么样的吗？

    我自己对这件事情体会确实很深，因为我本人的学术研究领域也被 AI 冲击得很厉害。我博士期间研究的核心课题是深度学习理论，这其实是 AI 领域非常接近于数学的存在，用到的基本工具全都是各种高维统计。你想要做出自己的工作，就得先埋头啃一整套前置的数学知识，理解很多抽象的概念，比如 sub-Gaussian random variable、ε\varepsilon-net covering，还有 chaining 等等，深刻理解背后的含义之后，再去读这个领域已有最新成果的论文。要知道读这些论文的过程是非常痛苦的，因为基本上动辄就是几十页甚至上百页，整篇论文有若干个主定理，每个定理背后是几十个层层嵌套的引理，而且每个引理还有微妙不同的假设。你需要在海洋一般复杂抽象的符号当中抽取出整个证明到底是在干什么、为什么成立、哪里有局限的一种 high level 的理解，然后再尝试自己能不能放松什么样的假设，做出一个更一般一点的结果，乃至于提出一个全新的设定去解释某种机理。

    那经常就是一支笔、一本书、一堆草稿纸，在图书馆和工位上一算就是一天，每天看到的却全都是这种东西，大家可以感受一下。几个星期之后，你才算刚刚入门，知道这个领域之前的论文都是什么意思。全程你还要把自己的思考和这些公式推导写在一个巨大的垃圾文件里，方便之后投稿论文。我相信仅仅是听我这样描述，很多观众都会觉得读博做理论研究就像鬼故事一样，而事实上的确如此：清贫、枯燥、苦闷。

    Q：既然如此，这些数学研究者把最青春的年纪投进一堆纯粹符号的痛苦推导里，到底图什么呢？

    这里有高尚和庸俗的两个答案，而且这两个答案都是真实的。高尚的答案是，因为这个过程有攀登人类智力高峰的骄傲和自豪感。就像攀登珠峰一样，你知道你拥有着最顶级的身体素质和经验，你正在涉足人类前所未有的领域，成为第一个见证山巅的人，并且你还能为后人指明攀登的道路，收获 credit。当你花了很大的功夫，在长久的苦闷之后，突然第一次把整个思路和证明的流程跑通、领悟到解决这个问题的关键的时候，那种通畅感和快感是难以用语言去形容的，会在一瞬间让你觉得之前经历的一切都值得。另外一个庸俗的答案是，通过解决这些数学问题，你就可以发表论文、获得学位，乃至于教职，收获工作、地位和金钱，成为拥有终身教职铁饭碗的教授，金光闪闪，受人尊敬，每天在黑板上讲点数学就能对付完这一辈子。

    我不知道其他的理论研究者或者数学研究者是不是也一样，但这些的确是让我坚持下来、甚至热爱这些数学和理论研究的原因。在很长的一段时间内，我也一直想着之后怎么努把力，破解神经网络的谜团，构建起来一套解释深度学习的统计学习理论，继续做研究。但是，AI 来了，大模型来了，它沉重地打击了这条道路。

    Q：具体是哪一刻让你意识到这条路变了？为什么你会觉得那些理论成果几乎一文不值了？

    首先是没有人证明能比得过 AI 了。我在普林斯顿交换的时候有一个遗留的问题，我和普林的小伙伴一起啃了几个月，没有任何进展，试了很多方法。然后一年多过去了，GPT-5.5 出现了，我想起了这个问题，于是我充值了一个 200 美金的 Pro 会员，把这个问题扔给 AI。短短 40 分钟过去，AI 告诉我它证出来了。我花了几天把证明过了一遍，发现有一个地方有一些跳步，我就跟它说这个地方不对，让它解决、返工，20 分钟之后，这下就彻底解决了。就在那一刻，我静静地看着 AI 噼里啪啦生成几百行的证明，想起我在普林斯顿的那些日子里辗转反侧，走在路上都在想这些问题，茶不思饭不想，时不时灵光一闪就赶紧去尝试，打了厚厚一叠的草稿纸——这一切在现在 AI 噼里啪啦生成的结果面前，就像笑话一样。

    我也意识到，现在这个理论的研究成果几乎一文不值了，因为任何一个研究这个问题的人都能像我这样，直接把问题扔给它，给一个提示词，然后就能得到这些结果。我们的这些研究本来就是在一个相对不那么真实的场景里的一个简单的建模，在以前我能说这个结果能有一定的启发意义，但其实我们理论研究者心里都知道，这个论文能有意义，最重要的原因其实是：这个世界能推导出这种理论结果的人没有几个。现在谁有这想法，就能让 AI 去做实验、推定理，那这样的结果将会遍地都是，从而彻底失去价值。就比方说你看看现在的顶会，一次能有几万篇投稿，超过之前好多年的总和。也正因此，很多人预期理论研究的经费之后将会大为减少——反正之后烧 token 问 AI 就行，我还为什么要养人呢？

    Q：这种眩晕、失落和自我怀疑，背后指向的是一个什么样的问题？价值又会流向哪里？

    我所经历的这种眩晕、失落和自我怀疑，其实就是今天整个数学界、理论界，乃至所有脑力劳动者集体的缩影。AI 接连不断的核爆把一个血淋淋的问题扔到了桌面上，逼我们回答：我们过去引以为傲的理论研究，到底有多少真的是在探索宇宙的真理，又有多少其实只是在靠人类智力的稀缺性，赚取同行评议和职业身份的门票呢？这个世界底层的经济规律是物以稀为贵，所以我们会给顶尖的运动员、艺术家、律师、电竞游戏玩家极高的薪酬甚至社会地位，数学家和其他各种理论研究者其实也不例外。同样地，如果一件事情有好多个流程，那么在所有流程里赚取最多收益、收获最多地位和认可的，往往也是最稀有的、整个环节中最难的那一步是由谁来完成的。

    那数学研究这件事有哪些流程呢？北大的袁新意老师在最近一场论坛上，把数学的发展拆成了三个环节，分别是提问、解题和总结。我想再拆细一点：首先你要有一个预先的范式和思想的框架，然后在这个范式里提出重要的问题，接着是解决这个问题、给出证明，然后是理解、消化、阐释、传播，最后是总结并启发一个新的问题乃至框架。在过去的几百年里，这一条流水线上最难最慢的一环其实一直是解题的证明：一个猜想几十年没人证出来，谁证出来谁就是英雄。于是整个数学界的评价体系，包括招聘、晋升、基金、大奖，几乎全都围绕着这一个环节搭建起来。陶哲轩最近把这种状态叫做数学 1.0，也就是很多数学家现在缅怀的那个浪漫的个人英雄时代，它默认的前提就是证明稀缺——证明一个开放问题非常困难、非常罕见，需要大量的人类专长和百年一遇的天才。但现在 AI 把这一环的成本砸到了地板上，OpenAI 说那一批 700 多个结果，平均每个只用了大约三个小时的计算。你想想看，一个数学家一辈子的工作，抵不过轰鸣的算力机器几个小时。那问题就来了：当流水线上曾经最贵的那一环突然变得几乎免费，价值会流向哪里呢？

    Q：历史上有类似的事情发生过吗？它们能给我们什么启发？

    历史上这种事情发生过很多次，或许能给我们一些启发。印刷术出现之前，抄写是一门受人尊敬的手艺，但后来印刷术出现了。在 1492 年，有位修道院长特里特米乌斯专门写了一篇文章，劝修士们要坚持手抄，说手抄才有灵魂——你看，是不是很类似。再往前，《斐多篇》里还说，哲学家觉得文字的发明是非常有害的，因为它会让人不再去大脑里记忆，大家就都不去记忆了，它会有害于我们的思考。今天还有很多人在工业流水线制作工艺品和食品的视频底下说，你们这样是没有灵魂的。有意思的是，这一篇说应该坚持手抄的文章，没过多久就被印刷出版了。印刷术让复制文本这一环变得廉价之后，出版真正值钱的就变成了值得印的书、能校订编辑的人，以及读得懂书的读者，而手抄文字不再像以前那样地位崇高。

    所以我的判断是：数学不会消失，但数学内部的价值体系会彻底重排。我们必须接受而且适应，解题不再是数学研究中最核心的价值，并且回答数学之后应该何去何从的问题。目前数学界和 AI 之间有一种极为紧张的关系，热爱数学的人也感受到非常苦闷和绝望，很多数学家在外人看来有一些非理性的行为，其实这一切的一切，归根结底就在于原来这个价值评估的体系要重新调整，而调整需要时间，大众的认知也还没来得及适应。在当下，一切都完全滞后于 AI 疯狂的发展，所以造成了很多的问题。

    Q：比如很多数学家拒绝检查 OpenAI 放出来的那 700 多个结果，这是小家子气、掩耳盗铃的鸵鸟心态吗？

    事情没有这么简单，这背后有个很复杂的原因。在数学界以往的习惯里，第一个提出证明的人 A 享有几乎全部的荣耀，哪怕他的证明后来被发现有瑕疵、被 B 补上，又在之后 C 提出了一个简单精美得多的证明，再被 D 凝练、发展成一套全新的视角和工具，B、C、D 三个人都无法依靠这些贡献，在学术界的认知和职业体系里获得什么太大的收益。这是因为数学界是一个极度崇拜智力和 first one takes all 的地方，最高荣誉属于解题者。那你一个 AI，直接把这么多数学研究者的研究经费、毕业论文、长聘课题和菲尔兹奖的题目全都做完了，数学教授们还吃什么？在以往，数学家们阅读这些证明是为了社区建设，确认一个最新的工作是不是确实是重要的进展，学明白精髓，看看能不能自己做出一些突破；但现在 OpenAI 这样直接把一大坨自己也没有完全检查清楚的证明放在网上，数学家们审阅论文纯粹就是帮 OpenAI 免费打工，自己钱也捞不着，名也得不到，可是为了让后人能搞清楚这个证明到底算不算成功，还必须得给一个答案，只能捏着鼻子检查。说实话，让我设想代入一下这些数学家，我也会觉得挺烧心的。

    现在有很多怀着朝闻道的精神的数学家在阅读这些证明并且尝试理解，但其实他们的心情是十分悲凉的。因为他们知道，尽管自己过去很多年都在研究这个问题，甚至可能离解决它只差临门一脚，但 AI 来了，抢走了所有的功劳，他们永远没有办法在这个重要问题解决的历史里留下自己的名字或者任何痕迹了。未来像怀尔斯那样，一个人不知道啃了多少硬骨头，突然石破天惊地告诉全世界自己解决了一个几百年的难题——费马大定理——这样的故事将会彻底成为历史。

    Q：这种"谁先做出来谁牛逼"的文化，对身处其中的人意味着什么？

    绝大部分学习数学、尤其是以数学研究为生的人，是完全不适应这个变化的。大家都习惯了去找难题，第一个把这个题目做出来，然后名垂青史，在潜意识和价值判断里无限推崇做出这个题目的人：你能做出来，我做不出来，那你牛逼，我是菜逼。这种简单粗暴的智力崇拜，和以解题能力对所有个体进行全序比较的文化，我自己当时就深有体会，也听很多数学系的同学吐槽过，说这种氛围让他们感受到窒息、压抑和痛苦。我不知道前些时间那个非常火的所谓"感到 discourage"，是不是也跟这个有关系。其实想想你就会明白，如果你仍然把第一个解决困难的数学问题作为自己价值、意义和学习数学的乐趣所在，而这一点现在又必然地被 AI 无情地碾碎，那么痛苦、焦虑和抑郁就成为必然的结果，不可避免。

    Q：如果证明命题、解决具体的数学问题不再那么重要，什么会变得更有价值？

    我个人觉得有两样：一是提出新的框架和定义，二是理解、交流和诠释。数学圈里流传着一句老话：好的数学家证明定理，伟大的数学家提出猜想，而最伟大的数学家写下定义。这也正是我想说的。整个数学工作流程的第一步，你需要先有一个基本的范式框架，也就是定义和一整套研究问题的思想。笛卡尔引入坐标系，给了全人类一整套新的思考方式，从此几何问题可以变成代数计算，它的影响远远超过回答任何一道具体的几何题；伽罗瓦为了回答五次方程能不能用根号求解，发明了群的概念，而群论的意义远远超出了五次方程本身；1854 年黎曼在哥廷根做教职报告，把高斯研究曲面时所发现的内蕴几何推广到任意维数，提出了流形和度量的概念；到了 20 世纪，格罗滕迪克重写了代数几何的地基，他形容自己的做法是遇到一个坚硬的问题，不要拿锤子去砸，而是让理论的海水慢慢上涨，直到问题自己被淹没和化开。

    在过去，这类工作被默认是高斯、阿贝尔、黎曼、格罗滕迪克这种千年一遇的天才才配干的事情，我们普通研究者的日常是在别人搭好的框架里去解题，比如加一个条件、改一个指数、把一个估计推得更紧一点，然后以此来发表论文，获得教职和自己的营生。可现在，在既有框架里解题这件事被 AI 做得又快又好，所以我认为，如果一个数学家真的天赋异禀、才华横溢，而且依然想要为数学研究添砖加瓦，那么就应该勇立潮头，大胆地去做那些曾经只有开山鼻祖才敢做的事儿。至少目前看来，AI 还不能在这个级别上做到范式级别的创新：一个领域或者研究的问题如果缺乏语料，AI 还是捉襟见肘，没有什么建树。就比方说理论计算机科学的电路复杂度，这个领域人类自己都还一筹莫展，那这个研究方向你会发现 AI 也做不出什么东西。所以人类在开疆拓土上，我认为还大有可为。尤其是现在你有了 AI 之后，理解前人和其他领域方向的抽象论文的成本会大为降低，你可以直接跟最顶级的 AI 对话，chat with the paper，快速理解一篇论文乃至一整个领域的思想、方法和知识，我觉得这将成为未来大家值得工作的一个方向。这就好比说以前做一个蛋糕就要花一整天，所以大家都在比谁能把蛋糕做得又快又好、裱花最复杂，拼手速、拼花样；现在突然有了一台机器，你给它看一个照片、给个菜谱，它几分钟就能做出来一个完美的蛋糕，那这个时候卷手速、卷裱花意义就不大了呀。真正值得想的问题就会变成：还有哪种食物组合的菜谱没有人写过呢？甜品这种形式除了蛋糕，还有没有可能有各种完全没有想过的形态呢？

    Q：那新的菜谱、新的框架和定义，究竟从哪里来？

    我觉得首先就是要回到真实的世界，面向真实的需求和真正重要的问题。清华的薛金鑫老师最近写了一篇长文，他的一个核心观点是：数学界脱离现实太久了，在越来越细分、越来越技术化的问题里自得其乐，自己提猜想、自己写证明、自己评审。数学家为自己辩护的时候经常说的一句话是，我现在做的东西虽然没有用，但过几十年说不定就有用啊，比如黎曼几何后来被爱因斯坦用在了广义相对论里。可薛老师提醒我们去翻一翻黎曼 1854 年那篇报告的原文，他明明白白地写着：几何学的命题无法从一般的量的概念中推导出来，空间之所以区别于其他可以设想的三维延展量，靠的是那些只能从经验中得来的性质。黎曼想的从一开始就是真实的空间到底是什么样子的。历史上开辟全新领域的数学大家几乎都是这样从现实当中找到入口的：傅里叶为了理解热传导方程，发明了傅里叶级数；高斯在汉诺威主持大地测量，在这个过程当中系统地研究了曲面的弯曲，所以得到了高斯绝妙定理，开启了微分几何；庞加莱研究三体问题，开出了动力系统的定性理论，后来的混沌和拓扑学都从这当中受益；冯诺依曼和摩根斯特恩从人的经济行为出发，写出了博弈论；香农在贝尔实验室研究通信工程，所以 1948 年他的一篇论文开创了整个信息论。薛老师还引了 Caffarelli 的一段话，大意是纳维 - 斯托克斯方程是一个简单的模型，它的解是不是光滑在数学上很有挑战，但在科学上的价值却没有那么大，因为流体力学这些人真正头疼的是湍流，而数学界研究这个的人反而很少。

    所以薛老师文章里有一句话，我觉得可以作为这一部分的总结：AI 时代稀缺的不是证明，而恰恰就是判断力——判断什么问题值得问、什么框架值得去建，而这种判断力最好的来源就是对真实世界的感知。现实中急需数学建模和深入分析的问题太多了，像刚才说的湍流、生命系统、气候、经济，还有我自己博士念念不忘的：深度学习到底为什么能 work，线性非线性的叠加为什么能够理解这个世界的规律。虽然说数学是一个纯粹理性抽象的符号系统，但构建什么公理系统、描述什么现象，却是深深扎根于现实世界的。比如数学里有一个东西叫做广义函数，教科书上的定义是"测试函数空间上的连续线性泛函"，光是理解这句话的每一个词就需要不少前置知识，可它背后的一个具体需求其实来自于物理，就是瞬时的冲量。真实的碰撞当然需要时间，但如果你只关心物体挨了这一下之后怎么运动，我们就会忽略内部的复杂细节，把它近似成一个瞬间发生、同时保留这一下造成的动量变化，也就是冲量。比如 100 N100\,\mathrm{N} 的力持续 0.01 s0.01\,\mathrm{s}，或者 1000 N1000\,\mathrm{N} 的力持续 0.001 s0.001\,\mathrm{s}，它们产生的冲量都是 1 N⋅s1\,\mathrm{N\cdot s}，画在图上就是一块越来越窄、越来越高，但面积保持不变的长条。我们希望把这个过程推到极限，作用时间趋近于零，但作用效果却依然保留，普通的函数无法表示这样的理想化对象，所以数学家就拓展了函数的概念，发展出了狄拉克 δ\delta 和广义函数理论，它在物理学、偏微分方程、信号处理、量子力学和概率论中至关重要。

    再比如说 18 世纪的法国，有个非常实际的工程问题：挖出来的大量泥土你要运到其他地方填坑，那你应该怎么安排运输路线，才能让总成本最低呢？数学家蒙日把各个位置的土量抽象成分布，把搬运过程抽象成分布之间的匹配关系，从而开创了最优传输理论。后来数学家进一步发展出衡量两个概率分布有多大差异的 Wasserstein 距离，成为现代概率论、偏微分方程乃至机器学习的重要工具。那这么抽象的数学理论，你看它最初的起点其实就是怎么运土是最省钱的。

    Q：很多数学家担心 AI 解题太快会杀了下金蛋的母鸡，你怎么看？消化 AI 已有的证明真的有意义吗？

    除了寻找全新的框架，我觉得深入消化目前 AI 已有的证明也非常有意义，这绝对是一座金矿。很多数学家担心而且指责说 AI 解题这么快会宰杀下金蛋的母鸡，这个说法的前提是：一个好问题的价值来自于人类为了解决它而发展出来的新思想和新工具——费马大定理本身没有什么用，为了证明它而发展出来的一整套模形式和椭圆曲线的理论才是金蛋，那现在他们说 AI 一下子把题做完了，鸡就没了。我觉得这个担心有它的道理，但不能这么武断。短期内被宰杀的所谓"鸡"，其实根本不是数学理解本身，而是数学家的职业体系。打过数学竞赛的人一定明白一件事：一个证明只要是对的，它就一定以某种形式深刻触及了整个问题中它最困难的那个原理的核心，一定是绕不过去的，如果你绕过去了，这一定是伪证；证明本身越短越精妙，这个方法所蕴含的洞见和拓展意义就越大。

    所以说只有两种可能。第一种，这种猜想真的如大家的品味所料，背后藏着重要的新知识和方法，那么不管 AI 是怎么做出来的，只要它真的做出来了，它的证明里一定包含着本质上重要的东西、方法和思想，只等人去把它挖出来然后理解。虽然说现在 AI 的写作的确很糟糕，但一定是有新东西的呀——这个题大家没做出来，它肯定把一条路走通了呀。第二种情况，就是你发现这个证明里什么深刻的东西都没有，那只能说明人类当初提这个猜想的时候就想多了，以为它触及了深刻的原理，其实就是一个小小的 corner case，一厢情愿。我觉得在 AI 目前一视同仁的狂轰滥炸下，尤其是它这种神一般的找反例能力的考验当中，很多数学猜想被证明纯属人类想多了。比如雅可比猜想，1939 年提出，人类用了 80 多年试图证明它是对的，结果今年夏天有研究者借助 AI 直接给出了三维情况下的反例，只有几行式子，这顺便也否定了三维以上所有维度的雅可比猜想。这种筛选和快速的排除，我觉得对数学研究绝对是有益的。你像埃尔德什的单位距离猜想也是一样，大家花了几十年都想证明它是对的，而 AI 转头就去找反例。AI 在数学证明这件事情上不一定比人聪明，但它没有心理惯性，没有对权威的敬畏，也更加有耐心。

    有很多人批评 AI 只是在取人类知识的凸包，但很多这些人没有认真地读过 AI 的证明。单位距离猜想的这个否定理，AI 把代数数论里看似毫不相关的工具搬进了离散几何，Alon、Gowers 等人随后核验并且简化，并把它放回了整个领域的脉络里。为什么一个关于平面上点和距离的问题会跟代数数论有关呢？这背后很有可能藏着一个我们没有看清的结构，而这样的结构往往就是通向一个全新数学的入口，不是吗？

    Q：有没有已经发生的、让人觉得可喜的例子？为什么说阐释应该被当成一流的数学贡献？

    很多数学家已经在做这种淘金的工作，我觉得非常可喜的一个例子就是西格尔零点问题。这是解析数论里困扰了数学家近百年的问题，它是广义黎曼猜想的一类潜在反例，因为它的存在可能使很多重要的定理都只能写成无法有效计算常数的形式。10 月初，OpenAI 放出了一份九页的证明，声称西格尔零点不存在。之后不到两周，Bill Banks 写了一份详细的阐释，Biskare 在此基础上给出了一个概念上更简单的证明，把原证明里复杂的插值和行列式分析换成了鸽笼原理和一个经典的定理，陶哲轩自己也在博客上写了一份完整的证明梗概。原本只有 AI 知道的东西，就这样一步一步变成了人类能理解、能传授、能接着往下做的知识，这就是很有意义的。我觉得如果我们让 AI 加强它所写论文的可读性，在适合人类数学家理解习惯的方向上把它做好对齐，然后数学家也踏踏实实地去消化这些金矿，一定会有非常重要的进展。数学不会死亡，而这些解题的过程也没有粗暴地抹杀理解。

    为什么现在的数学家很多时候不做这件事呢？还是跟评价体系有关，因为他们做这些事情，大家只会觉得你没有解题啊。所以我觉得未来的评价体系需要给这样的人更多的认可和 credit。陶哲轩提出数学 2.0 就要提高阐释工作的地位，Grant Sanderson 建议仿照千禧年大奖难题设一份"开放阐释问题"的清单，说的都是这件事：在 AI 时代，把一个没人看懂的证明变成一条人能走的路，本身就是一项一流的数学贡献。所以这就是第二个之前被严重低估的数学工作流程——解读和阐释。

    Q：可"讲清楚"这件事在数学界好像一直不太受待见，你自己读数学的时候是什么感受？

    很巧的是，这也是我一直在做的事情。其实我自己读数学教科书和大佬论文的时候是非常痛苦的。今天有很多数学家批评说 AI 隐藏自己的思维链，写出来的东西晦涩难懂，我完全同意，但我感觉我读人类的数学书也没好到哪里去呀。满篇都是什么"注意到""易证""显然"，至于人家当初是怎么想到的，你只能自己瞎猜。绝大多数数学书一上来就是干巴巴地排出几文大钱，极为抽象的定义，没有什么例子讲解为什么要在那么细微的逻辑定义上搞出那么多微妙的区别，然后接着就是一大片你也不知道为什么要关注的性质和需要证明的定理。我不知道有多少人跟我一样有相同的感受，有相同感受的人可以打在公屏上。所以杨振宁就说，数学家写的书只有两种，一种是看了一页就看不下去的，一种是读了一行就看不下去的。但我也知道，我周围确实有些很聪明的大佬，他们可以在教科书完全不展开背后思维链的情况下自己领悟所有的逻辑，感觉这一切都非常的自然，所以这群大佬可以完全顺畅互通地进行这种仙家对话。这种感觉就像 NPNP 和 PP 问题一样：大佬就是 NPNP 图灵机，而我就是个 PP（屁），只能听他们一堆抽象的字符串飞来飞去。

    在数学界内部，我不知道很多人是不是不了解：只要不是特别具体的小同行，彼此之间他们的记号都完全不同，而且很多人也不屑于去做这种普及化的传播，一开口就只能是一整套抽象的黑话。薛金鑫老师在文章里也指出了这一点：数学家攻击 AI 的理由是没有让人类理解它们，可是人类数学家内部此前的理解也非常有限，一篇上百页的论文，真正逐行看过细节的可能只有一两个审稿人，其他人只是信任他们的判断，他把这叫做"信任外包"，不同领域之间更是极少相互理解。我个人觉得，这很难说跟数学里这种过度推崇解题而轻视阐释和传播没有关系。

    Q：那"隐藏思维链"这个传统本身又是怎么来的？是数学家故意的吗？

    如果我们把时间拉长到整个数学的历史，隐藏思维链这个传统在数学界其实由来已久。高斯就信奉大厦建成之后要拆掉脚手架，只给你看最终光洁的证明；阿贝尔吐槽他像一只狡猾的狐狸，用尾巴把自己在沙地上的足迹全都抹掉了。这背后的原因其实很复杂：那个时候没有完善的知识产权保护体系，所以很多数学家要做的都是一种接近零知识证明的事——我要让你知道我证明了我的解法是对的，但是你不能从中学习到我解决问题的任何思维方法的绝活儿，就是所谓防御性证明。那时候很多数学家其实本质上就只有那么一两个绝活，但这一两个绝活可以系统地在一系列领域和问题里都发挥作用，能吃一辈子；如果这玩意儿被别人、甚至是更厉害的大佬学去了，那自己就完蛋了。所以从这个意义上来说，数学家这些密不外传的解题心法，就和一家餐馆的独家秘方，或者说魔术师一个魔术的表演流程，本质上是非常类似的，隐藏思维链也是情理之中。当然，有些数学家隐藏思维链也未必是故意为之，很多时候只是他们自己的习惯，觉得我已经把解决问题的流程确凿无误地完整展示了，那我还要说什么呢？大家只需要 appreciate 这种正确性就够了。而在众人"他到底怎么做到的""他怎么想到的"这种猜测中，数学家甚至会得到某种隐秘的满足。

    Q：在这样的环境里，你给自己找的位置是什么？历史上有没有把"讲清楚"做得很好的人？

    总的来说，我的确是很早就认识到，在啃那些前沿数学的硬骨头以及解题这件事情上，和最厉害的顶级大佬相比我根本不能望其项背，也不是那种看到数学教科书的推理就能理解所有背后微妙动机的天才。我自己很认同顾森（Matrix67）所说的一句话：我不一定是最会解题的那个人，但我可以是把解法讲得最漂亮的那个人。把一个解法或者说一个成型的学科体系讲清楚绝非易事，很多老师其实也没做好这件事儿，无论是在课堂上还是在直播里，除了照本宣科，也不知道怎么用普通人能理解的话讲清楚数学研究。但数学界对此似乎很不屑，觉得咀嚼别人剩下的东西没有 credit，有什么意义呢？这些讲的东西太简单，远不如自己去攻城拔寨、解决未解的数学问题来得更帅和有水平。我自己就听过很多数学系的同学这样评价过我的视频：哎呀漫士，天天就讲点小儿科这种级别的东西，凭什么有那么多流量。

    可是历史上最出色的科学家往往也是一个非常好的表达者。欧拉的推理过程就一直写得清清楚楚，展现了很多尝试的细节和失败的思路，拉普拉斯就说，读读欧拉吧，他是我们所有人的老师；法拉第在英国皇家研究院给孩子们讲《蜡烛的化学史》，一讲就是很多年；还有希尔伯特，20 世纪最讲究形式化的数学家之一，他和康福森一起合写过一本《直观几何》，满书都是图，人都能看得懂；费曼的物理学讲义非常的平实，到今天还是经典。Thurston 还专门写文章反思过自己的经历：在 70 年代，他在叶状结构领域短时间内证明了一大堆定理，结果没过几年这个领域就几乎被清空了，研究生也不再进来了，因为大家觉得问题都被他做完了，他的论证又很难懂；所以后来做几何化纲领的时候，他就花了很大的力气去写讲义，把自己的思路讲清楚，这样才围绕着它长出了一整个研究的群体。今天的 AI 一夜之间清空了好几个细分领域，面对的是一模一样的问题，你也难怪这些数学家会非常反对这种行为了。

    所以我对自己的定位其实一直是一个花园的向导，或者说是像艺术馆、展览馆里头一个领你走的阐释者。我不追求站到山巅，但我喜欢在地基之间发现联系，把原本站在门外的有缘人领进来，让他们能看到里面的美妙。数学专业人士也完全可以在更高的层级做类似的事情，比如陶哲轩那份西格尔零点的证明梗概就是一个顶级的示范，说不定正是这种工作会启发出前面所说的那种开创框架级别的数学研究。也正因此，我非常认同 3Blue1Brown 作者 Grant Sanderson 的说法：也许我们是时候给出色的数学阐释者更高的位置了。我相信 Grant 绝对不是借机抬高自己，而是这的确是现在 AI 冲击下数学研究急需完成的转变。

    Q：围棋被 AlphaGo 冲击之后的那段历史，能给数学什么样的参考？

    某种意义上，人类数学家的现状就像极了当年被 AlphaGo 打服的围棋棋手。2017 年，世界排名第一的柯洁 0:30:3 输给了 AlphaGo，第三局中途他一度离席，在镜头前忍不住落泪，他说 AlphaGo 就像围棋之神，和 AI 下棋是一种密不透风的绝望。数学家的困境和当年的围棋棋手非常类似，甚至更糟糕：因为虽然人跑不过高铁，但人的短跑比赛还有价值；围棋棋手下不过 AI，彼此 PVP 也还有看头，但数学家不能表演解题 PK 吧。当人类智力巅峰的尊严被粉碎之后，接下来该何去何从呢？围棋后来的路给了我们一些很有价值的参考，那就是职业棋手开始用 AI 去训练。一项发表在 PNAS 的研究分析了 1950 年到 2021 年职业比赛里的 580 多万步棋，发现超人类的 AI 出现之后，人类棋手的决策质量其实显著提高了，新颖的下法也变多了：2018 年有 88% 的对局出现了历史上从来没见过的招法组合，而在 2015 年这个比例只有 63%。围棋在被 AI 冲击之后的历史，很大程度上可能就是数学值得借鉴的未来，那就是理解 AI 的棋路，并且内化到人类自身。

    2016 年 AlphaGo 和李世石的第二局，第 37 手下在了五路上的一个尖冲，现场解说一度以为是失误，AlphaGo 自己估计人类棋手下出这一步的概率大约只有 1/100001/10000，而后来大家才明白，这手改变了整盘棋的格局。从那以后，"AI 为什么这么下"成为了职业棋手和解说员最重要的工作之一，像开局早早点三三这种曾经被视为俗手的下法，就是这样被重新理解、接纳甚至推崇的。而第四局李世石那一手被称为"神之一手"的第 78 手则提醒我们，再强的 AI 也有盲区，只有真正看懂它的人才能找到它的盲区。如果你想象一下这些棋手说，AI 下的棋没有灵魂，AI 不能理解围棋当中的这些情感和这些绝妙的事情，所以我们不去学 AI，那这些棋手会错过多少东西呢？魏志威老师打过一个比方：数学研究就像大航海，以前我们只有小木船，现在有了一个大的蒸汽轮船，我们可以去更远的地方；人脑独自思考和借助 AI 思考，就像是游泳和坐远洋巨轮的区别。可是巨轮开到了新大陆，我们仍然需要专业的人下船去看看这片土地上有什么，或者说 AI 这一步神之一手的妙招到底妙在哪里、为什么成立、里面有什么意想不到的启发、能不能连回到我们已知的世界、改变我们对已有所有这些学科的认知。这份工作你会发现还是只能由真正理解数学的人来做。

    所以数学家不会消失，相反他们会变得更重要。一个从来没有接受过系统数学训练的人，你哪怕用 AI 问出了 NP≠PNP \neq P 的证明，对他来说也毫无意义和价值，因为这几百页论文全是他根本不能理解的东西，他也无法给同行讲明白这套证明的妙处到底在哪里，他所有的 credit 只是输了这段提示词，同时运气很好，遇上了一个能找到答案的随机种子。在这个角度上，我们当然还需要学习所有已有的数学知识，只不过这个心态真的要转变：它的意义不再是以前我们那种习惯的，站在人类智力的巅峰去探索最前沿。我觉得这种心态的转变可能需要很长的时间。

    Q：所以回到开头那个问题，现在还要不要学数学？如果要，方法上该怎么变？

    我的回答是：当然还是值得学的，但是方法可能要改变。Grant Sanderson 有一个比方：机器举铁肯定能比你举得更重，但你依然值得去健身房，因为肌肉长在你自己身上。数学训练是给你的，是寻找一种抽象的分析结构、拆解问题的能力，而这些能力会跟着你去到很多其他地方，任何一个领域需要严密思考，数学的训练就有价值。北大的袁新意老师也说，中小学的那些题做出来本身没有价值，但之所以还要做，就是因为那是一个自我修炼的过程，他甚至建议低年级博士生的第一篇论文还是要用古法亲手做一遍。如果目标只是比别人更快地解出更难的题，那这条赛道确实已经被 AI 占满，所以更值得练的是前面说的那几样：真正地理解一个东西为什么成立，问出更好的问题，对什么是重要的、什么是美的、这种框架和理论有自己的品位，把数学和真实的世界联系起来，以及用好 AI。袁老师讲他在清华上课的经历，他直接告诉学生，作业题你们都可以让 AI 生成答案，但那样你们什么也得不到；把 AI 当成助手，自己主动思考，不懂的地方去问它，学习效率会高很多，而且理解也会深刻很多，这才是用 AI 的方法。

    所以说句实话，如果你的目标是一份纯数学的教职，未来几年这条路大概率会更窄，评价体系正在剧烈地变动，而这些成本会最先落在研究生、博士后这些年轻人身上，就像我一样——我也被迫暂时放弃了博士期间一直追求的理论深度学习的职业路径，这都是没有办法的事情，时代的一粒沙落到每个人头上就是一座山。但是我觉得我们还可以继续保持热爱，同时保持理性判断，多给自己留几条路。当证明变得廉价的时候，理解和阐释就变得更加稀缺，所以我希望科普能在未来获得更多的认可和地位。当然，AI 的讲解也会越来越厉害，所以单纯讲清楚不再稀缺，而稀缺的会是一种信任感。Grant 有一个判断我很认同：教育真正的瓶颈往往在于人愿不愿意去学、能不能坚持下去，而人愿意去学一样东西，常常是因为有一个具体的、他信任的人，让他相信这件事情值得花时间。多伦多大学的 LT 描述过一个他认为不太可能、但并非完全不可能的可怕的未来：整个数学行业只会按按钮不读输出，然后 50 年之后没有人再去做数学，连机器都不做，自己也已经不懂这个领域了。那我觉得，科普能做的就是让这条路上一直有人，一直有人懂它在说些什么，而这些也是那些大而化之的外部知识科普无法做到的事情。我们这一代人也许将永远无法成为第一个登上山巅的人了，但山顶的风景还需要有人看懂，从山脚到山顶的路也还有人要画出来，留给后来的人。而这件事，我会一直做下去。漫士沉思录，学海引路不辛苦，我们下期再会。

    Post #3 ❤️ 1 like
  • 股票入选指数的资格可以买卖吗？
    深入交流

    标普 500 为什么成为主流？它的地位会被取代吗？

    标普确实公开回应过你提供的论文，而且明确否认研究者所暗示的利益冲突。但这种回应主要是强调业务隔离，并没有公开提供足以完全推翻论文实证结果的证据。

    另一个值得注意的事实是：2026 年 3 月 3 日，这篇最初发表于 2021 年的 NBER 工作论文，已经以《Credit Rating Purchases and S&P 500 Index Membership Decisions》为题，正式发表于同行评审期刊 Management Science。因此，不能再简单地以“这是一篇未经同行评审的工作论文”作为否定其研究价值的理由。

    标普委员会是否回应了这篇论文？

    回应过。2021 年 10 月，标普道琼斯指数公司通过媒体公开反驳了论文的核心质疑。

    当时，标普道琼斯指数公司向媒体发表声明，认为该工作论文存在缺陷，对标普 500 的编制方法、准入规则及指数纳入效应包含误导性和不准确的表述。

    其回应的核心是：标普道琼斯指数公司（S&P Dow Jones Indices）与标普全球评级公司（S&P Global Ratings）属于彼此独立运营的业务，两者设有相应的政策和程序，以保障独立性；指数治理机制将研究分析活动与商业活动隔离，以保护指数的完整性。

    还有一项更具体的回应。

    曾长期领导标普指数委员会的 David Blitzer 告诉《金融时报》，按照内部规定，如果没有法律顾问在场，他不能与标普信用评级部门的人员交谈。他还表示，自己甚至不会知道一家企业是否聘请了标普对其债券进行评级。

    这一回应是否足以反驳论文？

    需要区分两种证据。

    论文的主要发现 标普的回应
    购买标普评级与更高的入选概率显著相关 评级业务和指数业务相互隔离
    企业在指数出现空缺时增加购买标普评级 相关部门设有独立运营程序
    裁量性入选企业后续表现较差 认为论文对编制方法和指数纳入效应存在不准确描述

    双方实际上没有完全回答同一个问题。

    标普强调的是组织治理机制，即两项业务在制度上相互隔离；论文提供的则是企业行为及指数选择结果的统计证据，认为存在难以由公开规则解释的关联。

    即使内部部门严格隔离，也不能单凭这一事实，就从统计上排除所有潜在利益冲突机制；反过来，统计关联同样不能证明内部隔离被突破，更不能直接证明存在贿赂行为。

    尤其需要注意，2026 年 3 月 18 日，论文作者之一魏尚进在一篇公开评论中专门回顾了标普 2021 年的反驳。他承认必须严肃对待标普关于业务隔离的解释，但认为研究揭示的统计规律仍然难以与两项业务完全隔离的说法相协调。

    巴菲特是否回应过这篇论文？

    目前没有查到巴菲特明确针对这篇论文作出的公开评论。

    1. 2013 年：巴菲特在伯克希尔·哈撒韦股东信中提出，将其妻子遗产信托的 90% 投资于低成本标普 500 指数基金、10% 投资于短期美国国债。
    2. 2021 年 5 月：巴菲特在伯克希尔年度股东大会上再次重申对低成本标普 500 指数基金的推荐。
    3. 2021 年 10 月： 《Is Stock Index Membership for Sale?》首次作为 NBER 工作论文发表。
    4. 2026 年 3 月：论文经过修改后正式发表于 Management Science。

    因此，巴菲特 2013 年的建议以及 2021 年 5 月的公开表态，都发生在论文首次发表之前，不能被视为对这篇研究的回应。

    不过，巴菲特 2021 年股东大会上的一段解释，对理解这个问题非常重要。

    他当时强调，自己推荐标普 500 指数基金已有很长时间，因为大多数普通投资者并不具备有效挑选个股的能力。他还批评基金行业不断推出以特定国家、地区或行业为主题的指数产品，实际上又让投资者重新面对主动选择投资方向的问题。

    这说明巴菲特关注的核心并不是标普指数委员会是否能够做出完美选择，而是普通投资者是否能够以较低的成本、较少的主观判断参与美国企业的长期发展。

    但由此并不能推导出巴菲特认可标普委员会的所有治理安排，也不能推导出他认为委员会不存在利益冲突。他推荐标普 500 的理由，与论文讨论的指数编制治理问题，是两个不同层次的命题。

    穆迪是否回应论文？穆迪有没有自己的指数？

    1. 穆迪是否公开回应？

    截至目前，我没有找到穆迪针对这篇论文发布的可核实正式回应。这并不奇怪，因为论文主要质疑的是标普的指数编制治理，而穆迪在研究中扮演的是对照组角色。

    研究者将企业购买标普评级和穆迪评级的行为进行比较，发现与标普 500 入选概率显著相关的是购买标普评级，而不是购买穆迪评级。穆迪的作用，是帮助研究者区分一般性的信用评级需求与可能针对标普 500 入选资格的特殊购买动机。

    这并不意味着穆迪的评级业务不存在利益冲突风险。论文仅仅表明，穆迪评级购买行为没有呈现与标普 500 入选概率相同的统计关系。

    2. 穆迪是否有自己的指数？

    有，但要区分信用市场指数与股票市场指数。

    穆迪公司（Moody's Corporation）

    穆迪主要经营信用评级、风险数据、金融分析以及相关研究业务，并不是以标普 500 这样的大型股票指数编制业务为核心的机构。

    穆迪确实拥有与自身品牌、信用评级和风险分析模型有关的指数及指标产品。例如：

    指数或指标 性质
    Moody's Seasoned Aaa Corporate Bond Yield 基于 Aaa 评级公司债的收益率指标
    Moody's Seasoned Baa Corporate Bond Yield 基于 Baa 评级公司债的收益率指标
    MVIS Moody's Analytics US Investment Grade Corporate Bond Index MarketVector 与穆迪分析相关模型合作开发的投资级公司债指数

    其中，前两类数据长期由美国圣路易斯联储 FRED 数据库发布；第三类指数则运用穆迪分析的信用风险模型，但由 MarketVector 负责指数编制。严格来说，这不等于穆迪经营着一个可以直接替代标普 500、道琼斯工业平均指数或者罗素 1000 的美国大盘股旗舰指数。穆迪在信用评级领域与标普直接竞争，但在大型股票市场基准领域，并不是标普道琼斯指数公司最主要的直接竞争者。

    标普 500 更直接的指数竞争对手，来自富时罗素（FTSE Russell）、MSCI 以及 CRSP 等指数体系。

    为什么道琼斯曾经最知名，如今标普 500 却成为主要投资基准？

    道琼斯工业平均指数（DJIA）长期以来是新闻媒体最有代表性的美国股市指标之一；而随着机构资产管理、指数基金和金融衍生品的发展，标普 500 逐渐成为衡量美国大型股投资业绩、配置资金及管理风险的更重要基准。

    这一变化主要来自指数设计上的差异，以及围绕标普 500 建立的投资产品体系。

    1. 两个指数的根本区别：按股价加权，还是按市值加权？

    道琼斯工业平均指数

    1896 年创立，30 家蓝筹企业，以股价加权

    标普 500 指数

    1957 年形成现代 500 只股票版本，以自由流通市值加权

    道琼斯工业平均指数的历史优势，是其简洁、悠久以及便于传播。1896 年它最初只包含 12 家工业企业，1928 年扩充至 30 家，至今仍然保持 30 只成分股的结构。标普 500 则在 1957 年形成现代版本，提供对美国大型上市公司更广泛的覆盖。

    两者的关键区别在于加权方式。

    假设有两家公司：

    指标 A 公司 B 公司
    股价 200 美元 20 美元
    发行在外股数 1 亿股 10 亿股
    总市值 200 亿美元 200 亿美元
    道琼斯式股价权重（仅含这两只股票） 90.9% 9.1%
    市值加权方式下的权重 50% 50%

    两家公司实际上拥有相同的总市值，但道琼斯的股价加权方式会让 A 公司的影响力约为 B 公司的 10 倍。这个例子假定所有股份都可以流通，忽略了自由流通股调整。实际道琼斯指数还会通过除数调整处理拆股和其他公司行为。

    问题在于，股价的绝对高低并不代表公司的经济规模。一家公司可以通过拆股降低每股价格，而不改变企业总市值，但它在股价加权指数中的相对影响力却可能因此改变。

    标普 500 使用自由流通市值加权，权重更接近投资者可以实际持有的上市公司股权价值结构。这使它更适合作为美国大盘股整体表现的投资基准。

    不过，市值加权也存在局限：当少数大型企业市值迅速扩大时，指数会自然向这些企业集中。因此，市值加权相对于股价加权更符合市场整体规模的经济含义，但不意味着它在任何情况下都能提供更好的风险分散效果。

    2. 标普 500 的成功，也是投资产品和流动性不断积累的结果

    从市场指标到投资基础设施

    • 1957 年：现代标普 500 诞生

      更广泛的股票覆盖范围，为衡量美国大型股市场表现提供了基础。

    • 1976 年：先锋 500 指数基金成立

      普通投资者开始能够通过低成本共同基金追踪标普 500，而不必自行购买数百只股票。

    • 1982 年：标普 500 股指期货推出

      机构投资者能够更方便地对冲市场风险、调整股票敞口，促进了相关交易市场的发展。

    • 1993 年：SPY ETF 成立

      投资者可以像交易普通股票一样，直接买卖追踪标普 500 的交易所交易基金。

    • 此后：形成强大的基准网络效应

      越多机构使用标普 500 评价业绩，围绕这一基准设计的基金、期货、期权和其他产品就越丰富；这些产品又进一步提高了它作为投资基准的吸引力。

    历史事件依据美国国会图书馆、先锋集团、CME 及 State Street 公开资料。最后一项为对指数市场网络效应的经济解释。

    3. 这种优势究竟有多大？

    标普道琼斯指数公司在 2021 年发表的一份比较报告中，公布了截至 2019 年末的估算数据。

    image.png

    按照这组历史数据，标普 500 对应的基准资产规模约为道琼斯工业平均指数的 350 倍。它在资产管理领域的优势，明显大于两个指数在大众媒体中的知名度差距。

    还有一个非常值得注意的事实：标普 500 和道琼斯工业平均指数如今实际上由同一家指数公司管理。

    2012 年，标普指数业务与道琼斯指数业务合并组建了标普道琼斯指数公司（S&P Dow Jones Indices）。因此，今天即使从标普 500 切换到道琼斯工业平均指数，也没有摆脱对同一指数编制机构的依赖。

    这也揭示了一个关键区别：一个指数可以在经济代表性、投资便利性和流动性方面非常成功，但这些优势本身并不能证明指数编制机构的治理机制一定没有缺陷。

    标普 500 是否仍然是最合适的被动投资基准？

    标普 500 是否仍然是最合适的被动投资基准，不应该由它未来能否继续跑赢其他指数来定义，而应取决于它是否仍然能够以合理的成本、风险和治理机制，实现你希望获得的市场敞口。

    如果把“最优”定义为未来收益率最高，那么没有人能够事先知道答案。倘若投资者必须等到另一个指数连续多年跑赢标普 500 后才切换，就很容易陷入追逐历史收益的循环。

    更合理的方法是建立一套事前能够判断、并定期复核的标准。

    1. 首先明确：标普 500 并不是覆盖整个市场的被动投资组合

    标普 500 覆盖美国可投资股票市场约 80% 的流通市值，因此它能够代表美国大型股的整体表现，但不能完整代表美国股票市场，更不能代表全球股票市场。

    目前已经存在不同覆盖范围的被动投资基准。

    指数 覆盖范围 适合衡量的投资目标
    标普 500 美国约 500 家大型上市公司 美国大盘股
    罗素 3000 指数 约 3,000 只美国股票，覆盖约 98% 的美国可投资股市市值 美国整体股票市场
    CRSP 美国全市场指数 美国大、中、小及微盘可投资股票 美国整体股票市场
    MSCI ACWI IMI 指数 发达市场与新兴市场的大、中、小盘股票，覆盖约 99% 的全球可投资股票机会集 全球整体股票市场

    覆盖范围依据各指数编制机构公布的方法论。这意味着，如果你的目标是持有整个美国股市，那么全市场指数在覆盖范围上比标普 500 更完整；如果你的目标是持有全球股票市场，那么全球股票指数在覆盖范围上更加符合目标。

    两者不一定比标普 500 收益更高，但它们在资产配置上的含义不同。

    2. 哪些信号表明有必要重新评估标普 500？

    建议从以下五个维度判断，而不是仅仅观察收益率排名。

    观察维度 需要关注的信号 应采取的分析
    指数治理 编制规则不透明、重大利益冲突证据反复出现、例外决定缺乏合理解释 与规则透明的指数比较其成分股选择及长期收益差异
    市场代表性 指数逐渐无法有效代表目标市场，或者忽略了重要的可投资股票群体 比较其与美国全市场指数的覆盖率、行业权重和长期跟踪差异
    集中度风险 少数公司、行业或同一类风险因子的权重过高 检查前十大成分股权重、行业集中度及有效持股数量
    投资实施成本 同类基金费用、跟踪误差或交易成本显著高于替代产品 比较扣除费用、税收及交易成本后的实际投资结果
    投资目标变化 投资者不再只需要美国大盘股敞口，而更需要全球分散投资或资金安全性 重新定义投资组合基准，而不是直接追逐其他指数的历史表现

    3. 如何具体判断委员会是否正在损害指数表现？

    针对指数委员会治理问题，可以采用一种更严格的比较方法。

    首先，选择一个事先确定、基于公开规则编制的替代指数，例如罗素 1000，或根据透明规则构建的美国大盘股模拟组合。然后，比较两个指数的长期总收益率，并分析差异是否来自标普 500 的成分股选择、盈利筛选、行业配置以及调仓时间。

    如果有多项独立研究持续发现，标普 500 委员会的裁量性决定在扣除相应风险因素后，系统性地降低指数收益，同时又缺乏足够透明的解释，那么这将是重新评价其投资基准地位的有力理由。

    但需要强调：这仍然不等于马上卖出所有标普 500 基金。是否切换，还需要考虑替代指数的成本、跟踪质量、税负和交易摩擦。

    4. 标普 500 真正的继任者，未必是另一个美国大型股指数

    如果回顾从道琼斯到标普 500 的变化，会发现一个规律：市场基准的演进，往往不是因为新指数的历史收益率更高，而是因为它能够更好地满足投资者对市场代表性、可交易性和风险管理的需求。

    按照这个逻辑，标普 500 未来可能面临两种不同方向的竞争。

    第一种是来自更全面的美国股票指数，例如罗素 3000 或者 CRSP 美国全市场指数。它们保留了市值加权的基本思想，但减少了仅持有 500 家大型企业所带来的覆盖限制。

    第二种是来自全球股票市场指数。随着投资者能够以较低成本持有世界不同国家和地区的上市企业，全球股票组合也可以作为长期核心配置的候选基准。

    但这并不是说全球指数一定会像标普 500 取代道琼斯那样，成为下一个唯一主流的投资指标。不同投资者的负债币种、税收制度、风险承受能力和投资目标不同，可能长期同时需要美国大盘股、美国全市场和全球市场等多种基准。

    综合结论

    如果把前面讨论的夏普论文、魏尚进等人的指数治理研究，以及巴菲特的投资建议放在一起，可以得到一套比较清晰的判断框架。

    第一，夏普证明的是低成本被动投资在整体算术关系上的优势，而不是某一个具体指数的永久优越性。即使标普 500 存在选股偏差，也不会因此推翻被动投资的基本原理。

    第二，魏尚进等人的研究挑战的是标普 500 的指数治理，而不是整个被动投资体系。研究证明指数选择存在不可忽视的裁量空间，并发现了值得关注的利益冲突迹象，但并未完成对标普 500 长期整体收益损失的因果量化。

    第三，巴菲特推荐标普 500，是因为它提供了一种简单、低成本、容易长期执行的美国股票投资方式。这是一项关于投资实施效率的判断，不是对指数委员会永久可信的承诺。

    第四，判断标普 500 何时不再合适，应当关注它能否继续有效实现既定投资目标，而不是等待某个替代指数在历史收益排行榜上超过它。

    Post #2
  • Geoffrey Cain 访谈：流亡 12 年的史蒂夫·乔布斯
    谈笑风生

    乔布斯失去苹果的十二年

    引言：被成功叙事掩盖的十二年

    史蒂夫·乔布斯是科技史上最著名的企业家之一。他被视为具有非凡创造力的产品设计者、改变个人计算机产业的先驱，以及能够预见技术未来的商业领袖。然而，在这些广为流传的成功故事之外，还有一段长期被忽视的历史：1985 年离开苹果，到 1997 年重新掌管苹果之间，乔布斯经历了长达十二年的失败、财务危机、商业挫折和个人转变。这段经历并不符合公众熟悉的英雄叙事。乔布斯不仅曾经失去自己创办的公司，而且险些耗尽个人财富，遭到投资者抛弃，经历产品连续失败，并被媒体质疑究竟是一位技术天才，还是一名擅长推销幻想的商人。

    在研究乔布斯的人生时，人们通常关注他最终取得的成就，例如 Macintosh、iPod、iPhone 和苹果公司的复兴，却很少追问另一个问题：究竟是哪些失败使这些成就成为可能？历史叙事存在明显的幸存者偏差。当一个人最终获得成功，后人往往把他的个人特质、决策方式和生活经历解释为成功的原因，却忽略那些同样具有创造力、同样坚持理想、最终却未能成功的人。更重要的是，人们容易把成功人士的整个职业生涯理解为一条不可避免的上升道路，仿佛他们从一开始就注定成功。然而，乔布斯在 NeXT 公司的经历表明，事情远没有这么简单。

    记者兼作家杰弗里·凯恩（Geoffrey Cain）在《Steve Jobs in Exile: The Untold Story of NeXT and the Remaking of a Technology Visionary》一书中，将研究重点放在乔布斯离开苹果后的十二年。他通过此前未公开的 NeXT 公司会议和管理层休整活动影像、乔布斯及其同事的访谈录音、未出版的口述历史、内部文件，以及大量新的当事人采访，试图还原乔布斯处于失败状态时的真实面貌。与沃尔特·艾萨克森（Walter Isaacson）的《史蒂夫·乔布斯传》相比，凯恩的研究并非否定前者的重要性。艾萨克森曾获得乔布斯提供的笔记、录音、文件及采访材料，其著作奠定了现代乔布斯传记的重要基础。凯恩则试图回答一个不同的问题：一个具有远见却缺乏成熟领导能力的创业者，究竟如何在不断受挫的过程中学会管理企业、理解市场、信任他人，并最终成为公众熟悉的乔布斯？

    凯恩把这一阶段称为乔布斯的“荒野岁月”。在他看来，许多历史人物都经历过类似的考验。无论是古代神话、《星球大战》中的英雄叙事，还是西奥多·罗斯福、温斯顿·丘吉尔、亚伯拉罕·林肯、乔治·华盛顿等人物的经历，都可以看到领导者在困境中重新认识自身能力的过程。卓越的创造力并不必然意味着卓越的领导力。一个人可能拥有改变世界的想法，却尚未具备将想法转化为实际成果的能力。乔布斯恰恰是在 NeXT 的失败中，逐渐理解了创造力、纪律、组织能力、商业现实与个人成熟之间的关系。

    一、乔布斯为什么会在 1985 年失去苹果？

    问：乔布斯作为苹果的联合创始人，为什么会被自己创立的公司排挤出去？这场权力斗争究竟是怎样发生的？

    乔布斯年轻时就展现出非凡的技术直觉和产品意识。他与史蒂夫·沃兹尼亚克共同创立苹果，在个人计算机产业尚处于萌芽阶段时，便相信计算机应当成为普通人能够使用的工具。在 20 世纪 80 年代，许多计算机仍然昂贵、笨重、操作复杂，大型计算系统甚至需要占据整间房屋。乔布斯希望把计算能力从研究机构和大型企业带到普通人的办公桌上。他曾把计算机形容为“思想的自行车”，认为计算机能够像自行车增强人的身体能力一样，扩展人类的智力和创造力。

    1984 年，苹果推出 Macintosh。这款产品在文化传播和设计理念方面产生了巨大影响，但其最初的商业表现并不理想。Macintosh 的知名度很高，市场销量却没有达到公司的预期。苹果开始积压库存，财务压力增加，经营状况不断恶化。到 1985 年，公司进行了首次裁员，一些工厂关闭，其中包括爱尔兰的工厂。苹果的经营危机使管理层开始质疑乔布斯的判断力。在这一时期，苹果甚至曾经进行过将公司出售给通用电气的秘密接触。这些事实表明，当时的苹果并不是一家已经确立长期优势、能够从容推进技术理想的企业，而是一家正在寻找生存方向的公司。

    乔布斯与首席执行官约翰·斯卡利（John Sculley）的关系，也在经营压力中迅速恶化。斯卡利原本是百事公司的高管，乔布斯以著名的“继续卖糖水，还是跟随自己改变世界”的说法邀请他加入苹果。乔布斯希望斯卡利帮助苹果从一家充满创业气息的小公司成长为成熟的现代企业，为公司提供职业化的管理能力。然而，两人对于权力、产品和企业管理的理解存在根本分歧。斯卡利认为乔布斯难以合作，缺乏管理纪律；乔布斯则不愿意接受职业经理人对自己产品决策的限制。

    一个经常被忽略的事实是，乔布斯当时并不是苹果的首席执行官。他虽然担任董事长，但实际负责的是 Macintosh 业务部门，而不是整个公司的日常经营。按照组织结构，其他部门并不向他汇报。然而，乔布斯常常直接进入其他部门的会议，批评员工的工作，要求他们改变做法，甚至当场辱骂或解雇人员。他经常告诉员工，他们的工作很糟糕、产品没有价值、能力不够出色。许多员工认为乔布斯虽然具有天赋，却十分不成熟，言语粗鲁，无法与其他管理者正常合作。面对这些投诉，斯卡利越来越难以容忍乔布斯不断干预公司运营。

    两人的冲突并不局限于性格。乔布斯认为，一台优秀的计算机应该是从硬件、软件、鼠标、键盘到外围组件完全统一的整体，企业必须掌握产品体验的各个环节。他追求的是封闭、可控、完整的系统。这种理念后来成为苹果产品的重要特征，但在 1980 年代的企业计算机市场，它并不符合多数客户的需求。当时的大量用户是企业和专业机构，他们希望购买能够自行安装扩展卡、更换组件、调整接口的计算机。相比之下，开放式产品更容易适应不同的使用场景。访谈提及 Macintosh II 及其他可扩展的 Mac 产品，也提到苹果内部关于开放式 Mac 与封闭式 Mac 的竞争。乔布斯坚信产品完整性能够创造价值，却低估了当时市场对兼容性、扩展性和实际用途的要求。

    1985 年春，乔布斯与斯卡利的权力斗争进一步升级。乔布斯曾试图策划一次内部政变，利用斯卡利不在公司的机会，争取董事会支持自己成为首席执行官。按照访谈中的描述，乔布斯安排了与中国有关的行程，希望斯卡利前往中国，而自己则留在苹果总部，说服董事会罢免斯卡利。然而，乔布斯把计划告诉了另一位苹果高管让 - 路易·加西（Jean-Louis Gassée）。加西随后向斯卡利透露了这一消息，使斯卡利提前了解到乔布斯的意图。斯卡利最终出现在原本可能决定其命运的会议上，乔布斯的计划因此失败。

    在另一份访谈中，1985 年 4 月 11 日被作为这一时期权力斗争的重要时间节点。随着矛盾公开化，斯卡利向董事会说明，自己无法在乔布斯持续干涉的情况下履行首席执行官职责。董事会最终支持斯卡利，而不是乔布斯。乔布斯因此失去 Macintosh 部门的实际管理权，被安排到一个没有实质影响力的新部门。虽然他最初并未立即失去与苹果的所有正式关系，但他已经被排除在公司的核心决策之外。对于长期把苹果视为个人作品和人生身份的乔布斯而言，这相当于一次彻底的政治失败。

    二、让 - 路易·加西为何成为乔布斯最大的内部竞争者之一？

    问：加西在苹果内部扮演了什么角色？为什么乔布斯会认为这个人正在取代自己？

    加西原本负责苹果在法国的子公司。当时，法国业务是苹果在美国以外表现最出色的业务之一，因此加西在公司内部享有很高声誉。他不仅具有经营能力，也是一位非常善于演讲、具有个人魅力和鲜明公众形象的高管。他重视服装和个人形象，甚至登上过法国男性时尚杂志的封面。凯恩在研究中采访过加西，并认为他在表达观点时具有很强的分寸感、说服力和独特的个人风格。访谈借用法语“je ne sais quoi”来形容他身上难以准确概括的魅力。

    斯卡利曾把加西视为可能替代乔布斯的人选。随着乔布斯被边缘化，加西进入苹果总部，接管重要的营销工作，并获得高于乔布斯当时实际职权的管理地位。对于乔布斯及其支持者而言，这不仅是一次管理层调整，更意味着苹果正在建立一套不再以乔布斯为核心的产品路线。加西支持更开放、更容易扩展的 Macintosh 体系，而乔布斯坚持封闭系统和从头到尾的统一设计。双方对于计算机产业未来方向的理解存在明显冲突。

    乔布斯对加西产生了强烈敌意，曾在面对记者时以非常负面的词语评价他。两人都具有魅力，也都有能力成为苹果的象征性人物，因此他们之间的竞争不仅涉及具体职位，还涉及谁有资格代表苹果的精神与未来。访谈认为，如果乔布斯此后没有重新取得成功，加西很可能成为那个时代与苹果紧密联系的关键人物之一。在后来乔布斯回归苹果的过程中，加西又以另一种方式出现：他创办的 Be 公司及其操作系统 BeOS 一度成为苹果准备收购的候选方案。因此，加西贯穿了乔布斯从离开苹果到重新获得权力的整个故事。

    主持人艾丹还提到，他长期关注由弗雷德里克·菲尤（Frédéric Filloux）和加西撰写的科技博客《The Monday Note》，并由此受到启发，创办自己的每周文章栏目《The Thursday Thought》。这一经历也反映出，加西并没有随着乔布斯重新取得成功而退出技术讨论。他此后依然持续参与科技行业的分析和评论，并以独立的思想和写作风格获得关注。

    三、失去权力后的乔布斯经历了怎样的个人危机？

    问：1985 年夏天，当乔布斯突然失去在苹果的实际权力，他的生活发生了什么变化？

    乔布斯曾经是硅谷最受关注的年轻创业者之一。他登上杂志封面，接受电视采访，被视为新一代技术英雄。然而，失去苹果核心职务后，这些光环迅速消失。苹果给他安排了一间位于公司主要办公区域对面的独立办公室，乔布斯把这个地方称为“西伯利亚”。这个称呼反映出他对自己被流放的感受。昔日围绕他的同事、管理者和员工不再需要向他汇报，也没有多少人主动前来拜访。对一个习惯于掌控项目、主持会议、决定产品方向的人而言，这种突然出现的寂静格外残酷。

    Macintosh 部门的财务主管苏珊·巴恩斯（Susan Barnes）曾经直接向乔布斯汇报。她回忆，苹果给乔布斯安排新办公室后，周围人对他的疏远非常明显，甚至显得有些残忍。这种变化也揭示了企业权力关系中的一个普遍现象：当一个人掌握资源和职位时，许多人会主动接近他；一旦权力消失，原本围绕他的社交关系也可能迅速瓦解。凯恩结合自己在华盛顿政治和政府圈工作的经历，认为这种现象在组织中并不少见。一个人可能前一天还处于权力中心，第二天就被彻底忽视。

    乔布斯后来在访谈中回忆，那段时间的痛苦仿佛腹部遭到重击，而且这种感觉持续了整个夏天。他不仅失去了职业上的位置，也失去了长期支撑自身认同的核心结构。乔布斯几乎把全部时间和精力投入苹果，并没有建立足够丰富的公司外生活。身边的人认为，他并没有很多真正亲密的朋友。对他而言，苹果不只是工作场所，也不仅是一家公司，而是他理解自身价值和人生意义的主要来源。失去苹果意味着，他突然不知道自己究竟是谁。

    在 1985 年夏天，乔布斯经常独自坐在家门外，在夜晚仰望天空，思考未来。他与当时的女友蒂娜（Tina）一起前往欧洲，在意大利街头漫步，参观美术馆，欣赏绘画，在咖啡馆停留，过着与以往高强度工作完全不同的生活。他们甚至考虑过长期留在欧洲。乔布斯一度设想，自己是否可以在意大利或法国生活，把更多时间投入艺术与个人兴趣。他还考虑过从政，但随后意识到自己甚至没有参加过投票，对政治缺乏足够了解，因此放弃了这一想法。

    那段经历中的乔布斯，与后来在舞台上自信地展示新产品的乔布斯截然不同。接近他的人发现，他变得迷茫、不确定，也不再具有过去那种进入会议室便能够控制全场的气势。他甚至怀疑自己是否还想继续从事计算机事业。访谈中，主持人与凯恩曾用平行宇宙的比喻讨论这段历史：在另一种可能的世界里，乔布斯或许没有重新创业，而是留在巴黎学习绘画，年老后留着长胡子，经营一片真正的苹果果园，而不是一家名为苹果的科技公司。这个假设并非历史事实，而是为了说明乔布斯日后取得的成功并不具有必然性。

    正是在这一阶段，乔布斯开始被迫面对一个过去很少认真考虑的问题：如果没有苹果，他还能做什么？这种失落感虽然痛苦，却为他重新思考职业方向创造了条件。他开始回顾自己在苹果过去十年中最喜欢的项目，并试图从中找到一致的兴趣和能力。随着这些项目被重新整理，一个方向逐渐显现出来，那就是教育与科研计算。

    四、乔布斯为什么选择大学科研计算机作为下一次创业方向？

    问：NeXT 的最初构想从何而来？为什么乔布斯没有面向普通消费者，而是准备为大学和科研机构开发高性能计算机？

    乔布斯在回顾自己最有成就感的项目时，发现教育一直是其中的重要主题。苹果早期就十分重视学校市场，因为教育机构不仅能够直接购买计算机，也能够长期培养用户习惯。如果学生从小学或大学时期就熟悉苹果电脑，他们未来进入职场、组建家庭后，也可能继续选择苹果产品。这种策略能够把一次校园采购转化为长期的品牌关系。

    推动这一策略的重要人物是丹尼尔·卢因（Dan’l Lewin）。他负责苹果教育相关业务，并推动建立 Apple University Consortium，即苹果大学联盟。该计划希望让苹果计算机进入大学、中小学及其他教育机构，让年轻学生更容易接触新技术，也让苹果形成持续扩大的用户群体。访谈认为，这是一种值得商业研究者关注的市场培育方式。美国后来有大量 X 世代和千禧一代用户在学校接触过苹果产品，其中部分人成为苹果长期消费者。教育业务在苹果某些困难时期也具有重要的商业意义。

    不过，卢因在大学市场发现，研究型大学的需求与普通学校不同。小学或中学可能只需要一台能够打字、绘图、教授计算机基础知识的 Macintosh，但大型大学里的物理学家、生物学家和其他科研人员，需要的是能够处理复杂计算、科学建模及实验数据的高性能机器。大学研究者并不满足于一台适合简单绘图和文字处理的个人电脑，他们希望苹果能够提供真正具有科研计算能力的系统。

    必须结合 1980 年代的技术条件理解这种需求。当时普通个人计算机的内存和存储能力十分有限，许多机器只有几兆字节的容量。计算机还远没有发展到后来普通笔记本便能运行复杂软件、调用人工智能服务的程度。科研人员想要进行复杂的生物学、物理学或其他科学模拟，通常需要昂贵而专业的计算设备。下一代个人计算机能否突破这些限制，是当时技术行业的重要议题。

    苹果内部因此开始研究一种被称为“Big Mac”的高性能 Macintosh 方案，同时涉及所谓“3M 机器”的设想。3M 代表当时对下一代高性能工作站的一组技术目标，其核心是制造能够满足大学实验室需求、远超普通个人计算机的设备。乔布斯希望利用这项技术，为大学科研人员提供过去只有大型机构才能获得的计算能力。在另一场访谈中，这一理想被形象地描述为：让住在大学宿舍里的学生也拥有足以帮助研究癌症等重大科学问题的计算工具。

    然而，随着乔布斯被剥夺 Macintosh 部门的权力，加西上任后取消了相关项目。那些已经为高性能计算机投入大量时间的员工，对这一决定非常失望。他们不仅认为苹果错过了一个重要技术机会，也认为自己的创造性工作被内部权力斗争所摧毁。因此，当乔布斯准备离开苹果并重新创业时，他很容易找到一批愿意继续推动这个项目的同事。原本被取消的科研计算机，最终成为 NeXT 的最初产品方向。

    五、NeXT 是怎样成立的？为什么公司刚成立就遭到苹果起诉？

    问：乔布斯带走了哪些人，苹果为什么采取法律行动，这场诉讼最终又产生了什么结果？

    1985 年 9 月，乔布斯决定离开苹果，创办一家专注于高性能计算机的新公司。他向斯卡利表示，自己准备带走五名员工，并将这些人描述为相对低层级的普通员工。然而，当斯卡利看到名单时，发现这些人并不是无关紧要的基层人员，而是苹果的重要技术和管理人才。名单包括里奇·佩奇（Rich Page）、丹尼尔·卢因、巴德·特里布尔（Bud Tribble）、苏珊·巴恩斯和乔治·克劳（George Crow）。他们在硬件、软件、财务和教育市场等方面具备关键能力，正是苹果不愿失去的人才。

    苹果董事会对这一举动十分不满。对于苹果来说，乔布斯不仅试图带走重要员工，还可能把正在开发的技术与商业机会转移到一家竞争企业。董事会成员甚至批评斯卡利没有采取足够强硬的行动，允许乔布斯带走了公司最有价值的人才。最终，苹果决定起诉乔布斯和里奇·佩奇。值得注意的是，最初的诉讼并非简单地针对 NeXT 这一法人实体，而是直接针对乔布斯本人和另一位员工。

    在 NeXT 创始团队聚集到乔布斯家中、讨论公司名称、标志和未来计划时，法院送达人员突然出现，通知他们苹果已经提起诉讼。这让整个团队陷入震惊。当时他们甚至还没有开发出产品，没有成熟的银行资金安排，也没有建立完整的业务体系，却已经必须面对一家大型科技公司的法律攻击。苹果指控他们可能涉及知识产权问题，而 NeXT 一方则反复强调，公司尚未推出产品，不存在已经销售的侵权计算机。

    诉讼带来的风险远远超出了法律费用。20 世纪 80 年代的硅谷远没有后来那么庞大，能够提供高水平技术岗位的企业数量相对有限。一名工程师如果在苹果这样的企业卷入严重争议，消息可能迅速传到 IBM、英特尔、通用电气等公司，使他很难继续在主流科技产业找到合适职位。相比今天工程师可以频繁更换雇主、通过跳槽获得加薪的环境，当时的职业选择更加有限。NeXT 员工担心，一旦公司因诉讼破产，他们不仅失去工作，还可能彻底失去在硅谷继续发展的机会。

    这种风险对普通员工尤其沉重。乔布斯拥有大量个人财富，但他的合伙人多数只有二十多岁或三十出头，承担着住房贷款、大学教育贷款和家庭支出。卢因当时有妻子和两个孩子，家庭还经历过医疗问题。他在后来为凯恩著作撰写的前言中，回顾了加入 NeXT 所需要承担的个人代价。跟随乔布斯意味着押注一名已经失去权力、声誉受损的创业者。当时乔布斯被一些人视为硅谷的“问题人物”，甚至被形容为令人难以忍受的“可怕孩子”。支持他的员工并不是毫无成本地追随天才，而是在以自己的职业前途和家庭安全承担风险。

    苹果为这场诉讼投入了巨额资源。访谈提到，苹果的相关律师费用达到约 2000 万美元，甚至一度耗尽了公司的年度法律预算。苹果试图利用法律程序要求 NeXT 交出文件、披露技术方案，并向其施加持续压力。由于苹果在硅谷拥有强大的法律资源，NeXT 甚至很难找到愿意代表自己的律师。这场冲突被比作大卫与歌利亚的较量。然而，诉讼持续约五个月后，局势开始发生变化。一方面，NeXT 没有可以证明已经侵犯苹果知识产权的成熟产品；另一方面，苹果不断采取法律行动，反而让外界认为 NeXT 正在开发某种极具威胁性的技术，从而提高了这家新公司的媒体关注度。

    法官最终也认为诉讼不应无限继续，双方需要达成协议。苹果提出的和解条件，允许 NeXT 开发面向大学的高端、高性能计算机，而这恰恰就是乔布斯最初打算开发的产品。苹果希望限制 NeXT 进入更广泛的个人计算机市场，但实际结果却让 NeXT 获得了继续推进原有计划的空间。主持人用“兔子布雷尔”（Br’er Rabbit）的故事形容这一结局：一个人表面上被迫接受限制，最终却恰好获得了自己真正想要的东西。乔布斯因此能够摆脱诉讼，继续建设 NeXT，而苹果却付出了巨额费用。

    六、NeXT 为什么从一开始就带有强烈的复仇色彩？

    问：乔布斯创办 NeXT，究竟是为了技术理想，还是为了证明斯卡利和苹果犯下了错误？

    乔布斯公开表示，NeXT 将开发能够改变世界的计算机，让最先进的技术进入大学和科研机构。这个目标具有真实的技术基础，但凯恩通过采访早期员工发现，乔布斯的个人动机并不完全出于客户需求和技术理想。失去苹果之后，他强烈希望证明自己仍然是一名天才，希望在商业竞争中击败斯卡利，证明真正理解计算机产业未来的人是自己，而不是那位来自百事公司的职业经理人。

    在凯恩看来，这种心态构成 NeXT 早期最深层的管理问题。乔布斯关心的不只是市场需要什么产品，也关心 NeXT 能够如何证明自己的个人价值。他希望创造一款远远超越苹果的计算机，使苹果董事会、斯卡利和整个科技行业不得不承认，当初排斥他是一个巨大错误。因此，NeXT 最初的产品决策常常围绕乔布斯的审美、个人信念和对外界认可的渴望展开，而没有充分考虑客户是否需要、是否能够承担价格，以及公司能否持续生产和销售。

    主持人将这种心理形容为一种“复仇需求层级”，借此类比马斯洛需求层次理论。乔布斯仿佛在追求一个由自尊、技术优越感和个人胜利构成的目标体系。即使公司面临成本压力，他仍愿意投入大量资金，使自己的产品比苹果更先进、更漂亮、更完整。访谈认为，这种追求在一定程度上推动了创造力，但也导致他忽视其他人的利益，把公司当作证明个人伟大的纪念碑。

    成立 NeXT 时，乔布斯出售了价值约 2140 万美元的苹果股票，并先投入约 700 万美元个人资金。这笔投资发生在非常困难的商业环境中，但他仍然愿意继续承担风险。更具有象征意义的是公司的命名过程。最初，乔布斯考虑把公司命名为“Two”，意为第二个阶段或第二家公司。但参与品牌工作的汤姆·苏特（Tom Suiter）认为，这个名字容易让人联想到第二名，仿佛苹果才是第一，而乔布斯的新公司只能处于从属位置。因此，他建议寻找一个更能够表达未来和进步的名称。

    后来，苏特在西雅图参加一场比尔·盖茨的技术演讲。当时，CD-ROM 仍是一种新兴存储技术，盖茨正在介绍光盘可能为软件、音乐、游戏和计算机应用带来的变化。他在演讲中不断使用“next”这个词，强调下一代存储技术、下一代计算机和下一代用户。苏特注意到这个词具有前进感，也能够表达持续创新的含义，于是把“NeXT”带回给乔布斯。乔布斯接受了这一名称。讽刺的是，一家试图与微软和苹果展开竞争的企业，其名字的灵感竟然与盖茨的一次演讲有关。

    七、乔布斯为什么要用顶级奢侈品的标准创建一家尚未盈利的公司？

    问：NeXT 在品牌、办公楼、工厂和产品外观上的高昂投入，体现了怎样的商业逻辑？

    与苹果创业初期不同，30 岁时的乔布斯已经拥有相当可观的财富，并逐渐习惯高水平的物质生活。年轻时，他曾经以衣着随意、穿破牛仔裤、不爱洗澡甚至赤脚走路的形象闻名，也留下过在卫生间清洗双脚的故事。然而，创办 NeXT 时，他已经不愿意再以一家简陋初创公司的标准要求自己。乔布斯希望 NeXT 从第一天起就成为计算机行业的梅赛德斯，而不是一家必须从廉价产品开始、逐步向高端市场攀升的企业。

    乔布斯相信，如果企业从一开始就采用世界顶级标准，就能够建立独特的文化和产品形象。按照他的理解，从山脚爬到山顶十分困难，但如果公司一开始就站在山顶，未来就可以更容易地从一个高峰前往另一个高峰。这种思考推动了 NeXT 在品牌、建筑、设计、制造等方面几乎不计成本的投入。

    一个典型案例是 NeXT 的公司标志。乔布斯聘请了著名平面设计师保罗·兰德（Paul Rand）。兰德曾设计 IBM、UPS 等广为人知的企业标志，是当时最有影响力的品牌设计师之一。他向乔布斯提出了非常强硬的条件：设计费用为 10 万美元，只提供一个方案，而且无论乔布斯最后是否采用，都必须支付这笔费用，不能要求反复修改。乔布斯最终接受了条件。NeXT 的标志后来成为设计学校研究的经典案例，但对于一家最初只有 700 万美元投资、还没有产品收入的企业而言，10 万美元的标志费用是一个极其惊人的开支。

    这次支出也改变了公司的成本观念。当一家初创公司能够为标志支付 10 万美元时，其他十万美元级别的费用便不再显得不可接受。设计、装修、宣传和制造成本逐渐扩大。乔布斯聘请著名建筑师贝聿铭（I. M. Pei）参与总部的空间设计，希望在建筑中设置具有视觉冲击力的悬浮楼梯。他还为办公环境购置价值约 1 万美元的高端椅子，投入大量资金建设制造设施，并要求工厂中机器人机械臂的颜色保持完全一致，甚至连灰色的深浅都必须统一。

    NeXT 的计算机外壳同样体现了这种近乎极端的完美主义。乔布斯希望计算机成为一个真正意义上的完美立方体，各边长度相同，每个角都严格达到 90 度，整体呈现出几何雕塑般的精确感。这种设计具有极高的视觉辨识度，甚至后来成为博物馆展示的工业设计作品。但完美立方体很难制造。公司必须寻找特殊模具制造商，使用昂贵的校准和加工工艺，并投入约 50 万美元建设专用打磨生产线。为了让计算机外壳表面达到理想状态，NeXT 还承担了复杂的喷涂和表面处理费用。

    乔布斯计划在弗里蒙特建设高度自动化的工厂，从主板制造到最终整机装配，尽可能在企业内部完成。他为机器人生产线投入大量资金，并要求整条生产线具有与产品一致的美学秩序。这些设施在技术上先进，能够体现一种未来工业的形象，但也给公司带来了持续上升的固定成本。最终，NeXT 生产出一台设计极其精美、价格却高达约 1 万美元的计算机。面对这样一款昂贵的产品，大学实验室和企业客户不得不思考一个更加现实的问题：相比普通苹果电脑或 IBM PC，它究竟能够解决哪些额外问题？如果一台计算机只是外观完美，却无法为客户创造相应的商业或科研价值，那么再出色的工业设计也难以支撑销售。

    公司内部还存在明显的费用管理矛盾。苏珊·巴恩斯担任财务负责人后，需要控制 NeXT 不断扩大的支出。乔布斯有时也会强调不能在日常小额开销上浪费资金，要求员工重视预算。但与此同时，他本人却会突然批准大规模品牌宣传或高规格设计项目。苹果终止与知名广告代理公司 Chiat\Day 合作后，乔布斯很快便看到了争取这一资源的机会，并在报纸上刊登广告。这种一方面要求节省小额费用、另一方面又为个人认定的重要项目花费巨资的做法，使员工感受到创始人在财务纪律上的双重标准。

    主持人借用 Whole Foods 创始人约翰·麦基（John Mackey）的一个观点来评论这段历史：企业必须在市场实际所处的位置与市场相遇。1986 年的市场对于一台昂贵、封闭、外形精美的 1 万美元计算机只有极为有限的需求，而乔布斯却希望客户因为产品设计的卓越而主动接受高价。这正是 NeXT 最初无法建立可持续商业模式的重要原因之一。

    八、乔布斯的管理风格为什么被称为“英雄与蠢货的过山车”？

    问：NeXT 员工如何描述与乔布斯共事的经历？为什么他的管理方式既能激发创造力，又会给员工带来巨大伤害？

    在凯恩采访的大量 NeXT 和苹果前员工中，一个反复出现的概念是“Hero–Shithead Rollercoaster”，即“英雄与蠢货的过山车”。这几乎成为他们解释乔布斯早期领导风格时最重要的说法。员工可能在某一天被乔布斯称为天才，受到公开赞赏，被视为正在创造改变世界的产品；但到了第二天，乔布斯可能突然改变判断，认为同一个人的工作毫无价值，当众辱骂他，要求他全部推翻重做。

    这种转变常常难以预测。一个软件工程师可能已经按照乔布斯昨天认可的方案完成开发，第二天却被告知设计糟糕。乔布斯会突然出现在员工身后，盯着他们的屏幕，要求修改某个细节，即使距离产品发布只剩下极短的时间。他不仅批评最终成果，也会对开发过程进行直接干涉。员工因此始终处于高度紧张状态，不知道自己下一次出现在会议上时会被表扬还是被羞辱。

    乔布斯的反复无常也创造了一种特殊的组织文化。每个人都知道，最终决策往往取决于乔布斯，因此所有人必须争取他的支持。与一般层级化企业不同，NeXT 形成了强烈的思想对抗氛围。员工必须不断捍卫自己的产品、技术判断和设计理念。乔布斯认为，真正优秀的人应该能够承受强烈的质疑，而不是因为上司提高声音便放弃观点。他在招聘面试时，经常直接询问候选人是否是自己专业领域的第一名。如果候选人犹豫，或者回答自己大概排名第二、第三，乔布斯便会结束面试，表示自己只愿意与最优秀的人交谈。

    这种问题并不完全是为了了解候选人的实际排名，而是为了测试其自信心和辩护能力。乔布斯希望员工在遭到批评时反驳他，说明自己的设计为什么正确，为什么值得继续推进。他尊重能够坚定表达意见、经受思想冲突的人。凯恩在研究前曾以为，NeXT 员工面对乔布斯的辱骂只会沉默逃避，但大量访谈显示，很多核心员工实际上会公开与他争论。他们会提醒乔布斯，自己正是因为专业能力出色才被聘用，因此乔布斯也应该认真听取他们的判断。

    NeXT 经常组织管理团队休整活动，在酒店会议室里集中讨论战略、产品和技术问题。软件、硬件、营销、销售等部门轮流展示方案，乔布斯则不断提出质疑，要求他们更清楚地解释自己的想法。员工之间也会相互辩论。这种形式被描述为“智力搏斗”，即通过高强度的思想冲突，把不成熟的观点不断打磨成更有价值的成果。乔布斯并不希望员工只是顺从上司，他希望每个人都能为自己相信的方案进行有力辩护。

    然而，鼓励辩论并不等于真正接受反馈。NeXT 的管理悖论在于，乔布斯愿意让员工反驳自己，却仍然可能完全忽略他们的意见。当财务负责人拿着销售预测告诉他，如果公司不能在特定日期之前获得融资、出售足够多的计算机，便会面临破产时，他可能仅仅回答，公司今年一定能够卖出 2.5 万台计算机，因为产品实在太好。员工则指出，公司连完整的分销体系都没有建立，根本不存在实现这种销售规模的渠道。乔布斯仍然可能坚持自己的判断。

    这种心理与著名的“现实扭曲力场”有关。乔布斯不仅能够用强大的表达能力让别人相信一个极不现实的目标，还能够让自己真正相信那个目标一定能够实现。凯恩认为，他有时会说出自己并不确定的事情，但未必在主观上认为自己是在撒谎。更危险的情况是，乔布斯会把个人信念当作商业事实，把对产品的喜爱误认为市场需求已经存在。即使周围出现大量相反证据，他也会因为这些事实与自己的愿景不一致而选择忽略。

    这种管理方式造成了真实的心理伤害。许多员工在会议中被乔布斯当众羞辱，甚至哭泣。有人连续多日不能与家人相处，晚上睡在办公室沙发上。还有人离开 NeXT 后，发现自己已经习惯极具攻击性的沟通方式，在其他公司工作时，被新同事提醒应当降低冲突强度。主持人特别强调，类似的管理者在现实企业中并不少见，他们可能让下属长期感觉自己没有价值，甚至需要通过心理治疗来处理职业经历带来的伤害。因此，不能因为乔布斯最终取得巨大成功，就把他的所有管理行为都解释为合理或值得模仿。

    另一方面，许多员工在乔布斯去世后，也表达了复杂的怀念。他们承认自己长期对乔布斯怀有愤怒，但后来逐渐认识到，这段经历确实改变了自己的能力边界。乔布斯能够发现员工尚未充分意识到的潜力，让他们完成原本认为不可能实现的工作。有人认为，没有乔布斯的严厉要求，自己不会成为后来那样的工程师、设计师或管理者。乔布斯的影响因此具有明显的双重性：他既可能通过过高的压力伤害员工，也可能通过极高的标准使他们取得非凡成就。关键问题并不是高标准是否必要，而是领导者应当如何在挑战、尊重、信任和责任之间建立平衡。

    九、为什么乔布斯把软件工程师放在人才等级的最顶端？

    问：NeXT 内部存在怎样的技术人才等级？这种偏好又如何影响公司最终的发展方向？

    在 NeXT 早期，乔布斯对于不同专业人员有一套明显的偏好。软件工程师通常处于他心目中的最高等级，其次是数字硬件工程师，而负责模拟硬件、线缆、电源和接口等工作的人员则处于较低位置。具体排序因受访者的经历不同而略有差异，但多数人认为，软件部门最容易获得乔布斯的重视和直接关注。

    这种偏好来自乔布斯对未来软件开发方式的判断。他认为，真正能够改变计算机产业的不只是处理器速度或外壳设计，而是人们开发和使用软件的方式。在 1980 年代，编写应用程序往往需要工程师逐行输入大量代码，整个项目可能持续数月，而一个错误就可能使系统崩溃。开发者必须投入大量时间编写重复功能，并且需要费力寻找程序中的问题。

    乔布斯从施乐帕洛阿尔托研究中心（Xerox PARC）等技术研究中接触到面向对象编程的思想。他认为，这种技术可能彻底改变软件产业。面向对象编程把软件系统组织成具有明确功能和交互关系的对象，开发者可以利用这些相对独立、可重复使用的组成部分构建复杂应用。在访谈采用的形象比喻中，传统编程像从零开始逐行雕刻，而面向对象编程更像使用一组可以重新组合的积木或黏土模块。按钮、图像、窗口和其他界面元素可以成为可复用的组成部分，使开发工作更加灵活。

    访谈还把面向对象技术与拖放式软件开发联系在一起。需要区分的是，面向对象编程本身是一种软件设计方法，图形化拖放界面则是相关开发工具能够提供的能力。NeXT 的技术价值在于把这些思想结合起来，让开发人员更容易建立复杂而精美的应用。乔布斯相信，软件应当具有美感，也应当让创造过程更加直观。这种理念在 NeXTSTEP 操作系统中得到了重要体现，并为后来的苹果软件体系奠定了基础。

    数字硬件之所以受到重视，则与 NeXT 立方体计算机的设计有关。乔布斯认为计算机本身应该是一件艺术品，硬件与软件共同构成完整的用户体验。但对于电线、插头、电源连接和其他模拟硬件部件，他最初没有表现出同等兴趣。模拟硬件工程师有时被形容为负责计算机“管道系统”的人员，工作虽然不可缺少，却不像软件或工业设计那样容易获得关注。

    有一次，NeXT 即将发布新产品，乔布斯突然要求负责相关工程工作的乔治·克劳重新设计电源连接方式。他希望整台计算机只需要一根线连接外部电源，而不必使用各种复杂的连接线。这个想法与多年后苹果 iMac 追求简洁连接方式的设计理念相似，但发生得更早。克劳告诉乔布斯，产品即将发布，重新修改电源和连接结构需要满足监管认证、安全规范及生产安排，不可能在短时间内完成。乔布斯起初非常愤怒，但最终选择接受工程人员的判断，没有继续强迫团队执行不切实际的要求。

    这成为他逐渐学会尊重专业意见的重要案例。他开始意识到，优美的设计并不意味着可以忽略电气工程、制造条件和法律要求。真正完整的产品体验也不仅存在于软件界面或机器外壳上，甚至一根电线都可能成为用户体验的重要组成部分。后来苹果在硬件、软件和工业设计之间形成更紧密的协作关系，可以从 NeXT 时期的类似冲突中看到早期线索。

    十、NeXT 的硬件为什么技术先进，却无法在市场上成功？

    问：乔布斯设计的立方体计算机究竟失败在哪里？佳能的光盘技术为什么又成为一场昂贵的冒险？

    NeXT 立方体计算机的失败并不是因为它完全缺乏创新。恰恰相反，它包含大量领先时代的技术，包括先进的软件开发环境、精致的工业设计和当时颇具前瞻性的存储方案。然而，领先时代并不等于适合市场。乔布斯希望把未来的技术一次性带到现实世界，却没有充分理解这些技术在性能、成本、可靠性和生态系统方面仍然存在的限制。

    存储设备是 NeXT 最重要的技术问题之一。20 世纪 80 年代，普通计算机的容量非常有限，大学研究机构却需要处理越来越庞大的数据。因此，NeXT 一直在寻找超越传统存储设备的新方案。日本佳能公司曾邀请乔布斯参观其技术研发设施和专利成果，希望这位具有特殊产品直觉的创业者能够发现某项尚未充分商业化的技术潜力。

    乔布斯在东京参观佳能时，对一种采用激光技术的可移动光盘产生了浓厚兴趣。它并不是普通 CD-ROM 或 DVD，而是一种不同的存储技术。乔布斯不仅看中了它能够存储更多数据的潜力，也非常喜欢这种设备的外观和运行方式。光盘表面具有闪亮的视觉效果，机械运转的声音也比当时一些传统硬盘安静。对于追求视觉与听觉美感的乔布斯而言，它似乎代表着真正属于未来的存储方式。

    乔布斯因此决定让这项光盘技术成为 NeXT 计算机的核心组成部分，最初甚至不希望安装传统硬盘。他希望 NeXT 能够摆脱当时个人计算机的常见结构，创造一套完全独立的技术体系。对于部分情报机构而言，可移动存储设备确实具有吸引力。访谈提到，美国中央情报局和国家安全局曾经对 NeXT 产品感兴趣，因为可取出的光盘能够帮助工作人员转移、处理，甚至销毁敏感数据，而不必保留在传统硬盘中。

    但这种技术存在严重的现实问题。首先，它价格昂贵，是 NeXT 计算机成本最高的组件之一。其次，由于技术成熟度不足，设备可靠性很差。光盘驱动器容易受到办公室灰尘影响，频繁发生故障。凯恩查阅公司档案后发现，许多驱动器只使用几个月便损坏，甚至更换后的驱动器也可能再次故障。第三，这套存储技术与其他计算机并不兼容，用户无法像使用通用存储设备一样，在普通 PC 或 Macintosh 之间自由交换数据。

    结果，这项原本被视为 NeXT 技术优势的创新，反而成为产品商业化的重要障碍。用户购买昂贵的计算机后，发现存储系统既不可靠，又缺乏兼容性。NeXT 最终不得不在机器中加入传统硬盘，而这等于部分放弃了乔布斯最初坚持的设计理念。更令人尴尬的是，产品推出后，许多客户实际上不再使用那套昂贵的特殊光盘系统，因为他们无法信任其稳定性。

    这段经历体现了乔布斯早期的一种反复出现的错误：过度追求技术与设计上的独特性，而忽视产业标准和实际使用条件。他希望建立自己的封闭体系，却没有先形成足够大的用户规模。与之类似的风险也出现在索尼及其他曾经坚持专有技术标准的企业身上。企业当然可以拥有独特技术，但如果缺乏规模、可靠性和生态支持，封闭系统便很容易成为产品的负担。访谈借用了乔布斯后来与沃尔特·莫斯伯格（Walt Mossberg）谈话时的一个观点：苹果应该在技术即将进入成熟阶段时下注。NeXT 的光盘案例则恰好相反，乔布斯试图在技术尚未成熟时，强行推动它进入市场。

    十一、投资者为什么愿意持续支持一家没有成功产品的公司？

    问：罗斯·佩罗、佳能和 IBM 为何愿意与 NeXT 合作？乔布斯又是如何把这些机会转变为商业危机的？

    乔布斯在 NeXT 早期具有极强的融资和说服能力。即使公司尚未建立稳定收入，他仍然能够凭借个人声誉吸引重要投资者。其中最具代表性的是得克萨斯州商人罗斯·佩罗（Ross Perot）。佩罗在信息技术产业积累了巨大财富，具有鲜明的个人风格，后来还曾以独立候选人的身份两次参与美国总统选举。访谈将他描述为性格强硬、具有军事背景且备受尊敬的人物，并特别提到 1979 年伊朗革命期间，他曾组织救援行动，营救被拘留在伊朗的公司员工。采访者用动作明星查克·诺里斯作比喻，强调佩罗的行动力和强硬气质。

    乔布斯与佩罗在个性和文化背景上差异巨大。乔布斯是穿着勃肯鞋、受到加州反主流文化影响的技术理想主义者，而佩罗则具有得克萨斯商人和军人式的直接作风。按照通常的商业判断，两人并不是十分自然的合作伙伴。然而，佩罗从乔布斯身上看到了超出一般创业者的创造力，也认为乔布斯在二十多岁便取得许多人到五十多岁才可能拥有的成就，说明他具有继续创造非凡成果的潜力。

    佩罗在一些顾问反对的情况下，仍然决定投资 NeXT。他投入约 2000 万美元，获得约 16% 的股权及董事会席位。需要结合当时的融资环境理解这一决定。1980 年代的投资者通常希望企业能够先展示实际产品和商业成果，再提供大规模资金。与后来一些尚无成熟产品便能获得巨额融资的科技公司相比，佩罗的决定具有非常明显的冒险性质。乔布斯的声誉、表达能力和愿景，对这笔投资具有重要影响。

    佩罗还拥有强大的政府和企业客户关系。他曾表示，可以动用自己的销售网络，帮助 NeXT 进入美国联邦政府、军方和情报机构。访谈描述，在那几年，NeXT 总部曾经出现不少身份特殊的来访者，有些从事情报相关工作的人甚至不愿意透露真实姓名，也不携带名片。NeXT 的高性能计算机确实能够用于科研建模、卫星影像处理、情报分析和安全相关计算，因此政府采购可能为公司带来重要收入。

    然而，乔布斯最终拒绝了这项机会。他认为自己的使命是让计算机技术普及到大学、学校和普通学生，而不是成为政府或军方设备供应商。即使政府采购合同已经推进到接近签署的阶段，乔布斯仍然决定退出。访谈认为，这些合同潜在价值可能达到数千万乃至数亿美元，足以显著改善 NeXT 的现金状况。佩罗对此感到极度愤怒，因为他投入大量资源为公司创造机会，乔布斯却在最后阶段拒绝成交。两人的关系因此破裂，佩罗最终离开 NeXT。

    IBM 同样曾经与 NeXT 进行重要合作。IBM 看到了 NeXT 软件系统的价值，希望通过授权使用相关技术，获得先进的软件开发能力。NeXT 与 IBM 的合作或交易安排，一度进一步提高公司的市场估值和技术可信度。但乔布斯过度坚持软硬件一体化，以及与合作伙伴之间的摩擦，使这些机会没有充分转化为长期稳定的商业成果。访谈将 IBM 合作的失败视为乔布斯自我破坏倾向的又一例证：一家企业可能拥有非常有价值的技术，也可能有客户和合作伙伴愿意付钱，但创始人对控制权的执着仍然可能阻碍交易完成。

    佳能则是另一位重要投资者。随着 NeXT 持续扩张，佳能累计提供了大规模资金支持。访谈提到，佳能曾投资约 1 亿美元，并获得公司董事会席位。对于没有成熟销售能力的 NeXT 而言，这笔资金极大延长了公司的生存时间，同时也让公司更容易继续依赖投资而不是营业收入。然而，投资者不断注入资金，也可能掩盖商业模式没有成立的问题。罗斯·佩罗、佳能和 IBM 的名字给 NeXT 带来了极高信誉，乔布斯能够向外界展示一套由著名投资者和合作伙伴支持的商业故事，但实际销售额始终无法证明公司能够独立生存。

    十二、NeXT 为什么连销售渠道都没有建立起来？

    问：乔布斯能够在舞台上打动观众，为什么却很难让普通销售人员成功出售 NeXT 计算机？

    NeXT 早期在产品开发和品牌形象上投入了巨额资源，却没有建立与之匹配的分销体系。这种问题在公司销售计划中表现得非常明显。乔布斯相信，只要客户亲眼看到 NeXT 计算机，就会理解它的价值并愿意购买。然而，企业客户需要的不只是出色的外观和演示，还包括可靠性、软件兼容性、技术服务、价格合理性以及部署规模。大多数企业并不关心计算机是否拥有完美的立方体外壳，他们需要的是能够稳定处理业务数据、支持内部应用、方便维护和升级的设备。

    Businessland 是 NeXT 曾经合作的重要渠道公司。它类似于后来的大型电子产品零售商，但业务模式更加重视企业采购和现场服务。Businessland 不仅销售计算机，也拥有能够主动拜访企业客户的销售队伍，并提供设备安装、维护和维修支持。对于缺乏成熟销售网络的 NeXT 而言，这种合作本来可能成为重要突破口。

    然而，乔布斯很快开始批评 Businessland 的经营方式。他认为对方的商店难看，展示设备的环境无法体现 NeXT 产品的高端形象，对企业销售流程也有大量意见。他甚至会干涉合作方的演示材料，包括修改他们的 PowerPoint 内容。与此同时，NeXT 对于销售流程控制极为严格，往往不愿意让 Businessland 独立完成交易。当合作伙伴已经接触客户并推进销售时，NeXT 自己的销售人员又会介入，试图控制最终的产品展示和成交过程。

    但问题在于，NeXT 自己的销售人员也难以解释客户为什么应该购买这款昂贵的计算机。它外形独特、软件先进，但价格过高、兼容性不足，而且缺乏足够庞大的应用生态。对于企业采购负责人而言，完美的黑色立方体并不一定比可靠的米色普通电脑更加实用。随着销售过程不断受阻，NeXT 逐渐形成一种特殊的办法：当销售团队无法说服客户时，就直接请乔布斯出面。

    这种做法被员工称为“Steve on a Stick”，可以理解为“随时登场的乔布斯”。乔布斯具有卓越的演讲能力，能够把复杂技术包装成清晰、有吸引力的未来愿景。当他亲自向客户介绍 NeXT 时，客户可能因为他的声誉、个人魅力和对产品未来的想象而签订合同，一次购买约 100 台计算机。于是，乔布斯本人的公众形象成为公司的重要销售工具。

    但这种模式几乎无法规模化。企业不能永远依赖创始人亲自完成每一笔关键销售。如果普通销售人员无法独立说明产品的价值，公司就无法建立稳定的市场需求。NeXT 的问题因此不只是销售能力不足，而是产品定位本身没有与足够大的客户群体形成有效匹配。乔布斯所擅长的是让少数人相信一个宏大的未来，而企业真正需要的是让大量客户能够根据现实需求反复购买产品。

    十三、什么是 NeXT 的“严重问题清单”？乔布斯如何从恐惧型管理转向主动型管理？

    问：乔布斯为什么长期使用所谓的“Deep Shit List”管理公司？这种方法后来发生了什么改变？

    NeXT 经常组织管理层集中讨论业务问题，乔布斯会在白板上列出公司最紧急的困难。其中一类被称为“Shit List”，另一类严重程度更高，被称为“Deep Shit List”，可以理解为普通问题清单与极度严重问题清单。如果某个部门的工作被列入后者，相关负责人就意味着即将遭受极为严厉的质询。乔布斯可能要求负责人站到所有管理者面前，直接说明为什么项目存在如此严重的问题，以及为什么仍然没有解决。

    这种清单反映了乔布斯早期的战略思维。他不断问同一个问题：下一件可能让公司倒闭的事情是什么？应该怎样立即解决？这种方式能够迫使组织正视危机，也能够让所有人理解现金、产品和交付的重要性。然而，它存在明显的管理局限。公司的运营始终围绕灾难展开，员工长期被提醒，如果产品不能完成、融资不能到位或销售不能增长，所有人都可能失业。

    在这种制度下，公司形成了浓厚的恐惧文化。管理层关注的重点不是如何创造客户价值，而是如何避免登上严重问题清单。部门负责人容易把精力投入短期应急，缺乏对长期目标的系统性安排。凯恩采访的 NeXT 高管认为，企业不能仅仅依靠对失败的恐惧来运营。真正可持续的公司，需要成员相信共同目标，也需要相信团队具有实现目标的能力。

    随着 NeXT 不断遭遇失败，乔布斯开始改变这种管理方式。原本强调灾难后果的清单逐渐淡化，取而代之的是更加务实的工作重点。管理者开始讨论本周最重要的任务、需要完成的产品改进、哪些具体问题必须解决，以及如何让产品真正符合客户需求。公司不再只是反复宣称即将破产，而是试图建立有优先级、可执行、可跟踪的行动计划。

    这一转变可以概括为从被动反应转向主动管理。早期的乔布斯试图通过制造压力迫使员工提高表现，后来则逐渐理解，领导者需要建立共同目标、组织资源，并创造让专业人员发挥能力的条件。恐惧能够在短期内产生行动，但难以长期支撑创新。真正成熟的管理不是不断把员工推向崩溃边缘，而是让组织有能力持续改善产品和业务。

    十四、1993 年为什么成为乔布斯人生中最危险的转折点？

    问：NeXT 究竟失败到了什么程度？乔布斯距离失去个人财富和商业声誉还有多远？

    进入 1990 年代，NeXT 的硬件业务始终没有建立足够的市场规模。公司虽然开发出技术先进的计算机，但销量极低。访谈提到，某些阶段 NeXT 每个月只能卖出几十台计算机。这样的销售速度远远无法覆盖庞大的研发、制造、营销和管理费用。乔布斯却长期不愿意停止硬件业务，因为立方体计算机承载着他对于技术未来的想象，也是他希望击败苹果的象征。

    1993 年前后，公司的财务状况急剧恶化。受访者提到，NeXT 已经背负约 4 亿美元的债务或累计财务负担，连续多年无法获得正常盈利。乔布斯个人同样承受巨大压力。他不仅为 NeXT 提供资金，还在同时支持另一家公司皮克斯（Pixar）。按照熟悉他财务情况的人士的说法，他个人一度只剩下约 1.5 亿美元资金，而每年的资金消耗速度接近 5000 万美元。虽然 1.5 亿美元对于普通人而言仍然是巨额财富，但按照当时的支出速度，这些资金只能支持约三年。

    乔布斯不愿意让自己的公司上市，因此必须持续从个人财富和私人投资者那里筹集资金。如果 NeXT 和皮克斯同时失败，他的财富和声誉都可能受到毁灭性打击。到这个阶段，乔布斯已经失去了许多重要合伙人的支持。最初的五名核心创业伙伴陆续离开，因为他们无法继续忍受公司的管理方式和长期的不确定性。罗斯·佩罗已经与他决裂，其他投资者越来越缺乏耐心，部分软件开发者也不愿再为缺乏用户的 NeXT 硬件开发应用。对于一个封闭计算平台而言，开发者和用户不足会互相强化：没有用户，开发者就不愿投入；没有应用软件，客户又更加不愿购买。

    《财富》杂志甚至发表过尖锐评论，使用“snake oil salesman”这样的说法质疑乔布斯是否只是一名擅长推销虚假希望的人。这样的评价与后来公众熟悉的乔布斯形象完全相反。一个被视为技术先知的人，竟然有可能因为长期无法推出成功产品，被认为只是不断用漂亮语言吸引资金的商人。

    最严重的危机发生在 1993 年。NeXT 一度距离关闭办公室只剩下一个周末。乔布斯与负责硬件工作的乔恩·鲁宾斯坦（Jon Rubinstein）联系佳能，要求对方立即提供约 2000 万美元紧急资金，否则公司可能在下一个工作日就无法继续运营。佳能面临艰难选择：如果拒绝救助，此前投入的大量资金可能全部损失；如果继续支持，则必须承担企业未来仍然失败的风险。访谈把这次融资描述为一次极其危险的最后努力。

    正是在这个阶段，乔布斯开始真正面对自己的失败。他过去相信，只要拥有足够伟大的产品构想，就能迫使市场接受自己的选择；现在却不得不承认，优秀的技术、著名的创始人和巨额投资，都不能自动转化为经营成功。对他而言，这不再只是被苹果驱逐后的复仇问题，而是企业和个人能否继续生存的问题。

    十五、NeXT 的硬件失败了，为什么软件反而成为它最重要的遗产？

    问：NeXTSTEP 和面向对象编程究竟创造了什么价值？为什么它们最终比立方体计算机更重要？

    NeXT 的核心矛盾是，最有价值的技术与公司主要销售的产品之间存在错位。立方体计算机价格高、产量小、可靠性和渠道存在问题，但 NeXT 的软件却不断获得专业用户的认可。金融机构对其高速数据处理和交易系统开发能力感兴趣，医疗机构希望利用它构建复杂的信息系统，科研人员可以用它处理先进的模型，情报机构则看到了它在卫星影像和分析任务中的潜力。

    客户越来越明确地告诉 NeXT，他们购买计算机并不是因为外壳漂亮，而是因为需要运行 NeXT 的软件。这一反馈指出了公司真正的竞争优势：不是一台售价高昂的黑色立方体，而是一个能够帮助专业开发者更高效构建复杂应用的软件平台。

    NeXTSTEP 操作系统将先进的编程思想、图形界面和应用开发工具结合起来。相较于当时需要大量手工编写代码的开发模式，它显著降低了开发复杂应用的难度。软件开发者可以使用预先设计好的对象、界面组件和工具，把更多时间投入应用本身，而不是不断重复实现基础功能。这一技术方向后来对苹果操作系统及应用开发体系产生了深远影响。

    NeXT 最初的错误，是把如此先进的软件严格限制在 NeXT 自己的硬件上。因为硬件昂贵且用户数量少，NeXTSTEP 难以获得足够的开发者支持。即使操作系统本身具有明显优势，也无法通过封闭在小众硬件中的方式建立大规模生态。乔布斯长期坚信软件和硬件必须统一控制，但 NeXT 的现实表明，只有在拥有足够大的市场规模时，封闭生态才更容易形成优势。

    IBM 及其他企业对 NeXT 软件的兴趣，实际上已经提供了商业方向。乔布斯最终不得不放弃把硬件视为公司唯一核心的执念，让 NeXT 逐渐转向面向企业客户的软件业务。对一个一直梦想为大学科研人员制造最先进计算机的人而言，这种转变并不令人兴奋。企业软件、金融机构采购和商业系统授权，远没有向全世界展示一台未来计算机那样浪漫，但它们能够为公司带来真实收入。

    从长期来看，这个看似被迫接受的转型恰恰保存了 NeXT 最重要的技术成果。访谈强调，NeXT 在 1980 年代开发的软件思想，后来成为苹果在 2007 年推出 iPhone 时的重要技术基础之一。NeXT 的价值最终不是通过自身硬件销量得到证明，而是通过多年以后苹果公司的产品成功得到体现。

    十六、皮克斯为什么成为拯救乔布斯个人财富的重要投资？

    问：乔布斯为什么会投资皮克斯？这家当时并不成功的电脑图形公司，是怎样改变他的人生的？

    乔布斯创办 NeXT 后，还把资金投入了另一项与计算机图形技术有关的业务。皮克斯最初是卢卡斯影业体系中的一个技术部门，与《星球大战》的创作者乔治·卢卡斯（George Lucas）有着直接关系。当时，卢卡斯正在经历一场代价高昂的离婚，需要筹集大量资金，因此决定出售这项尚未盈利的业务。

    皮克斯最初的经营状况并不理想。它开发用于影视特效和图形处理的计算机设备，但销量只有约 300 台。20 世纪 80 年代，计算机生成图像仍是一项相对陌生的技术。很多好莱坞从业者并不相信观众会愿意观看由计算机生成的电影画面。他们认为这些画面过于粗糙，充满明显的像素感，无法取代传统动画或真人电影。

    乔布斯却认为计算机图形技术具有巨大的未来潜力，因此在相对有利的价格条件下，从卢卡斯手中收购了皮克斯。对于同时承担 NeXT 高额开支的乔布斯来说，这看起来是一项十分激进的投资。他原本已经为了科研计算机投入大量资金，现在又要支持一家几乎没有市场基础的电脑动画公司。周围人不免怀疑，他是不是同时展开了太多昂贵而不确定的冒险。

    凯恩还介绍了一段没有被纳入其著作正文的研究材料。20 世纪 80 年代，乔布斯和一些皮克斯高管曾经参加比弗利山庄的一次活动，向现场观众展示某段早期电脑动画或演示作品。凯恩无法准确回忆该作品名称，只记得它发生在奥斯卡获奖短片《Tin Toy》之前。演示结束后，现场几乎一片沉默，观众似乎无法理解刚刚看到的内容。这个反应表明，早期皮克斯远没有获得后来的文化影响力。

    皮克斯后来取得成功，一个重要原因是乔布斯没有像管理 NeXT 那样直接干预全部创作工作。按照访谈中的描述，他与皮克斯团队形成了一种管理边界：乔布斯负责资本、商业关系和对外推动，具体创意则交给专业团队。埃德·卡特穆尔（Ed Catmull）与约翰·拉塞特（John Lasseter）等核心人物，能够按照自己的专业判断推进动画技术与创作。

    这与 NeXT 时期的管理方式形成鲜明对照。在 NeXT，乔布斯经常直接插手设计、生产和工程细节；在皮克斯，他逐渐学会让专家自主工作。虽然乔布斯也与《玩具总动员》的制作和商业推动密切相关，并在相关制作工作中获得署名，但他并不是主要的动画创作者。他的价值更多体现在融资、谈判、产品展示和公司战略方面。

    1995 年，《玩具总动员》（Toy Story）取得巨大成功，皮克斯随后上市。公司首次公开募股使乔布斯获得巨额财富，成为亿万富翁，彻底改变了他此前因同时支持 NeXT 与皮克斯而面临的财务困境。访谈认为，如果《玩具总动员》未能成功，皮克斯上市可能不会发生，乔布斯的后续人生也可能完全不同。皮克斯后来被出售给迪士尼，则进一步体现了乔布斯在资本运作和商业谈判上的能力。

    主持人还借用诺基亚的案例讨论这种看似偶然、却能够决定企业命运的商业转型。诺基亚后来重新重视通信网络业务，并出售手机业务；在此之前，企业内部也曾出现对于是否应该调整业务重心的争议。主持人认为，许多公司之所以能够在困境后继续存在，并不是因为最初的产品永远正确，而是因为它们最终找到了更有生存价值的资产。对于乔布斯而言，皮克斯原本似乎只是与计算机图形有关的一项边缘投资，却最终成为恢复他财务自由的重要来源。

    十七、乔布斯究竟在 1993 年至 1995 年学到了什么？

    问：个人财富危机、家庭生活和企业经营失败，如何共同改变了乔布斯的领导方式？

    1993 年至 1995 年是乔布斯人生中非常重要的转变时期。过去，他习惯用个人意志推动组织，认为优秀的想法能够克服所有阻力。当 NeXT 不断失败时，他逐渐发现，企业必须依赖专业团队、明确的财务纪律和可以持续执行的商业模式。乔布斯开始减少对 NeXT 日常经营的直接干预，把更多精力投入皮克斯，同时允许其他管理者根据现实情况调整公司方向。

    NeXT 聘请了新的专业财务管理人员，其中包括来自比利时的财务负责人多米尼克（字幕将其姓氏转写为 Trompot）。新管理团队检查公司财务状况后，意识到如果继续维持原来的硬件业务，公司几乎不可能生存。他们推动削减不合理支出，强调软件授权和企业客户，并努力把 NeXT 转变成一家真正能够产生收入的公司。访谈提到，NeXT 在 1994 年首次实现小幅盈利，结束了长期连续亏损的局面。具有讽刺意味的是，这种改善发生在乔布斯逐渐退出日常控制之后。

    乔布斯本人并不热衷于企业软件。他理想中的 NeXT 应该帮助未来的诺贝尔奖得主进行科学研究，而不是向华尔街金融机构出售商业系统。但他不得不接受一个事实：经营企业必须考虑市场支付意愿，不能只围绕创始人的个人梦想展开。为了让公司继续运营，他甚至改变了自己的公众形象。在 1993 年至 1995 年的一些公开活动中，乔布斯穿着阿玛尼西装、白衬衫和红色领带，以正式的企业管理者形象出现，而不是后来著名的黑色高领衫、牛仔裤和运动鞋造型。

    在这一时期，乔布斯逐渐理解了信任的重要性。皮克斯取得成功，证明优秀团队不需要创始人对每个创意细节都进行控制。NeXT 开始改善财务状况，也说明企业可以通过专业经理人的决策恢复经营秩序。他开始意识到，领导者不必永远站在组织最上层发出命令，而应该为优秀人才创造条件，使他们能够完成自己最擅长的工作。

    凯恩提到，乔布斯在 1996 年的一次访谈中谈到了类似的理念。当企业聚集了一批真正优秀的人才之后，组织金字塔的意义会发生逆转。首席执行官不应只是站在顶端命令他人，而应该把自己看作处于底部的支持者。他的任务是帮助员工发挥能力，排除阻碍，并努力留住那些随时可以去其他公司工作的优秀人才。

    这标志着乔布斯领导哲学的重大变化。早期的他试图通过批评、威胁和个人魅力获得结果；逐渐成熟后，他开始理解，只有把优秀人才组织在一起，并给予足够信任，才能让企业持续创造价值。员工需要高标准，也需要被尊重。他们不仅应当接受挑战，还应当在完成出色工作时获得明确认可。

    不过，这种改变并不意味着乔布斯从此变成一位温和、容易相处的管理者。他仍然具有强烈的个人意志，依然会与员工激烈争论，也仍然具有著名的现实扭曲力场。区别在于，他开始学会判断什么时候需要坚持，什么时候必须退让，以及什么时候应该让其他人主导。过去，他将妥协视为放弃理想；后来，他逐渐把妥协理解为实现长期目标所必需的手段。

    十八、家庭生活如何影响乔布斯的成熟？

    问：劳伦与孩子们在乔布斯的人生转变中扮演了什么角色？他与第一个女儿丽莎的关系又经历了什么变化？

    在职业挫折之外，家庭生活也是乔布斯逐渐成熟的重要因素。乔布斯与劳伦·鲍威尔（Laurene Powell，字幕多次转写为 Lorraine）建立家庭后，开始拥有更多与公司无关的生活内容。过去，乔布斯几乎把所有身份认同寄托在苹果和产品上，工作上的失败能够直接影响他的整个自我评价。婚姻与孩子的出现，使他逐渐建立了其他能够支撑生活的关系。

    乔布斯和劳伦共同抚养孩子，其中包括他们的儿子里德（Reed）。身边的人发现，乔布斯开始更加重视简单的家庭时刻，不再只是一个每天专注于工作、把所有精力投入产品的创业者。劳伦为他的生活带来了相对稳定的结构，也使他更容易从工作中的激烈情绪转向家庭生活。凯恩认为，这种变化对乔布斯后来处理企业关系具有重要影响。

    乔布斯在认识劳伦之前已经有一个女儿丽莎（Lisa）。在丽莎出生后，乔布斯曾经否认父女关系，也没有及时承担应有的照顾责任。他甚至曾经说过可能不会让丽莎继承自己的财产。这些行为反映出乔布斯早年在亲密关系和责任感方面存在的问题。后来，尤其是在 1990 年代，丽莎逐渐重新进入他的家庭生活，两人的关系开始得到修复。访谈认为，劳伦以及新家庭的形成，都对这一变化产生了影响。

    家庭生活并没有消除乔布斯性格中的全部矛盾，但它使他拥有了更加多元的身份。一个人如果只把自己视为某家公司的创始人，那么公司失败便可能意味着个人身份的崩溃。乔布斯在 1985 年失去苹果后，曾经经历过这种危机。到了 1990 年代中期，他同时拥有 NeXT、皮克斯和家庭生活，即使其中某一个领域出现困难，也不必再次失去全部人生意义。

    凯恩还认为，乔布斯逐渐学会对他人表现出更多同理心。受访者回忆，乔布斯在后来会为患病员工安排高水平医疗资源，也会在某些情况下向被自己伤害过的同事道歉。关于道歉，凯恩没有亲眼看到某些被提及的信件，但员工向他描述过，乔布斯有时会在冲突发生几天之后通过书信承认自己过分严厉，并明确说明道歉的原因。不过，他通常也希望在道歉完成后就结束这一问题，不愿意长期反复讨论。

    这种同理心依然存在局限。乔布斯能够为员工寻找专业医疗帮助，却未必能在面对自身疾病时接受同样的医学原则。访谈提到，他后来在治疗癌症的问题上仍然坚持个人判断，曾经咨询通灵人士，并尝试通过整体疗法和素食等方式应对疾病，而没有充分遵循医生和家人的建议。凯恩认为，这说明乔布斯虽然在管理领域学会了接受反馈，却没有完全摆脱对自身判断的过度信任。他能够逐渐尊重别人的专业能力，但在直接关系自己生命的问题上，仍然可能相信个人意志足以改变现实。

    十九、1996 年的苹果为什么必须寻找新的操作系统？

    问：乔布斯离开后的苹果经历了怎样的衰退？为什么 NeXT 的软件最终成为苹果的救命方案？

    乔布斯离开后，苹果逐渐发展为一家规模庞大、管理层级复杂的企业。公司虽然推出大量产品，却越来越难以确定明确的战略重点。到斯卡利离任前后，苹果拥有大约 70 条产品线。产品种类过多导致研发、制造、营销和管理资源分散，公司很难集中力量打造真正具有竞争力的产品。

    访谈把这种问题称为“功能过剩症”或组织扩张带来的官僚化。企业内部不断增加项目，却不愿意停止表现不佳的业务。不同部门相互竞争，决策流程越来越复杂，员工即使提出有价值的想法，也可能在漫长的审批和部门冲突中失去推进机会。公司规模扩大后，原本灵活的创业文化逐渐被行政程序取代。

    苹果还经历了一系列产品问题。访谈提到，某款笔记本电脑曾经因为电池起火风险而被召回。与此同时，苹果操作系统的稳定性也严重落后。1990 年代的 Macintosh 用户经常遇到程序无响应、系统冻结和长时间等待的问题。屏幕上不断旋转的小型彩色圆形光标，被用户戏称为“死亡沙滩球”。当它持续旋转时，往往意味着计算机无法完成正在执行的任务，用户可能需要等待很长时间，甚至只能重新启动机器。

    到 1996 年，苹果的经营危机已经非常严重。访谈认为，公司如果无法迅速扭转局面，可能在数月内面临破产危险。新任首席执行官吉尔·阿梅里奥（Gil Amelio）与首席技术官艾伦·汉考克（Ellen Hancock）开始寻找能够彻底升级 Macintosh 的软件技术。苹果内部已经难以在有限时间里独立开发一套足够先进的新操作系统，因此收购外部公司成为重要方案。

    最初，苹果重点考虑的是 Be 公司的 BeOS 系统。Be 公司的创始人正是乔布斯过去的竞争者加西。历史因此形成了一个富有戏剧性的循环：1985 年，加西曾经向斯卡利透露乔布斯的权力计划，并在乔布斯被边缘化后获得重要职位；十多年后，他开发的操作系统又可能成为苹果下一代技术平台。如果 BeOS 最终成为苹果的核心系统，乔布斯重新回归苹果的机会便可能大大降低。

    与此同时，NeXT 的一名中层经理加勒特·赖斯（Garrett Rice）注意到苹果正在寻找新操作系统。他与同事认为，NeXTSTEP 在技术上具有明显优势，不能理解为什么苹果没有认真考虑 NeXT 的方案。赖斯决定主动给苹果高管打电话，介绍 NeXT 软件。对方告诉他，自己正准备离开苹果，但建议他联系首席技术官汉考克，并提供了电话号码。

    赖斯于是给汉考克留下语音信息。令人意外的是，汉考克后来真的回了电话，并表示愿意进一步了解 NeXT 的操作系统。这通原本看似普通的电话，为 NeXT 进入苹果的收购谈判打开了大门。凯恩认为，这属于硅谷历史中具有高度偶然性的关键事件之一。如果赖斯没有主动打电话，如果对方没有提供汉考克的联系方式，或者汉考克没有回电，苹果的技术路线可能会完全不同。

    二十、乔布斯为什么最初并不愿意重新回到苹果？

    问：苹果决定收购 NeXT 之后，乔布斯为什么没有立即要求重新成为首席执行官？

    NeXT 进入苹果的收购谈判时，乔布斯的个人处境已经与 1985 年不同。皮克斯上市使他获得了巨额财富，他不再需要通过苹果证明自己能够在商业上生存。而且，《玩具总动员》的成功让他对计算机技术与文化创造之间的关系产生了更浓厚的兴趣。皮克斯已经成为他新的事业中心，因此他对于重新进入苹果这样一家充满官僚冲突、财务困难和内部政治的公司，并不抱有强烈热情。

    苹果最终决定收购 NeXT 的软件技术和相关业务，但乔布斯起初只愿意担任兼职顾问。他明确表示，不需要显赫头衔，不需要豪华办公室，也不想负责整个公司的运营。他希望能够到苹果与工程师见面、检查产品、提出建议，然后继续把主要精力放在皮克斯。如果发现苹果无法改变，他随时可以离开。

    苹果员工却对乔布斯的回归抱有非常高的期待。访谈提到，苹果内部甚至有人设想组织一场具有宗教仪式感的欢迎活动，让乔布斯乘坐直升机抵达，员工手持电子蜡烛，庆祝这位创始人的归来。在一些员工眼中，乔布斯几乎是能够拯救苹果的英雄。但乔布斯本人并没有如此确定。他知道，自己离开公司多年，对内部情况并不充分了解，而且曾经因权力斗争受到严重伤害。

    重新进入苹果后，乔布斯发现公司的经营状况比想象中更加混乱。许多事情无法推进，不同部门相互制约，管理流程效率低下。他意识到，如果想真正改变苹果，仅仅提出产品建议远远不够，必须让能够执行决策的人进入关键职位。因此，他开始推动 NeXT 的核心工程人员担任苹果的重要管理工作，其中包括负责硬件的乔恩·鲁宾斯坦，以及负责软件的阿维·特瓦尼安（Avi Tevanian）。

    即使如此，乔布斯仍然没有立即决定全面接管苹果。他甚至曾经因为对公司管理层非常失望，出售了自己持有的几乎全部苹果股票。后来，他解释说，自己当时处于强烈的挫败情绪中，对苹果的状况感到沮丧。一个真正急于通过收购或控制公司获利的人，通常不会在这个阶段大幅出售股票。因此，这一举动也反映出乔布斯回归时的犹豫与不确定。

    与乔布斯关系密切的甲骨文创始人拉里·埃里森（Larry Ellison）曾经提出另一种方案：直接发起针对苹果的敌意收购，通过争取股东支持和董事会投票，迫使现任管理层下台，让乔布斯重新控制公司。埃里森具有强烈的竞争意识，对这种大胆的商业行动充满兴趣。但乔布斯拒绝了这个计划。

    凯恩认为，这正体现出乔布斯与年轻时的一个重要区别。1985 年的乔布斯可能会因为强烈的控制欲而支持这样的行动，但经历 NeXT 的失败之后，他更加明白组织信任的重要性。他不希望被视为通过金融交易夺权的人，而希望苹果真正需要自己，愿意接受他的领导。他希望员工认可他的愿景，而不是因为敌意收购被迫服从他。

    二十一、乔布斯最后为什么还是决定成为苹果首席执行官？

    问：1997 年究竟发生了什么，使乔布斯从一名不情愿的兼职顾问变成了苹果的实际领导者？

    1997 年夏天，乔布斯仍然没有完全决定是否接管苹果。他喜欢皮克斯，也希望拥有更多家庭时间。劳伦同样担心他重新回到苹果之后会承受过度压力。访谈提到，一名苹果高管曾经以非常严厉的说法形容当时公司的工作环境：苹果会把人耗垮，使人迅速衰老、患病，甚至影响寿命。这种描述反映出当时苹果内部普遍存在的紧张、混乱和疲惫感。

    苹果董事会也在寻找其他首席执行官候选人，但乔布斯对这些人选并不满意。他开始思考，是否真的存在一个可以替代自己的人，能够理解苹果的产品传统并恢复公司的竞争力。就在这个时候，他给英特尔首席执行官安迪·格鲁夫（Andy Grove）打了一通电话。

    格鲁夫是乔布斯早年的重要导师之一，以直言不讳的管理风格著称。乔布斯向他谈到苹果正在寻找首席执行官，以及自己对于候选人的不满。格鲁夫却以非常直接的方式回应，大意是他根本不在乎苹果的命运。这句话对乔布斯产生了强烈冲击。

    乔布斯后来回忆，正是在听到格鲁夫表示不关心苹果时，他突然意识到自己实际上非常在乎。他或许已经离开苹果多年，也曾经对苹果的管理方式感到愤怒，甚至不愿再承担领导职责，但苹果依然是他深爱的公司，是他与沃兹尼亚克共同创建的事业，也是他最初技术理想的起点。

    经过这次思考，乔布斯终于决定承担责任。1997 年，他开始以临时首席执行官的身份领导苹果。访谈特别提到 1997 年 10 月这一时间节点，并将其视为乔布斯重新获得苹果核心领导权的重要阶段。乔布斯最初并没有把自己称为正式首席执行官，而是使用“interim CEO”的头衔。他还喜欢使用带有苹果品牌风格的“iCEO”称呼，这个带有字母“i”的名称，也被访谈视为后来 iPod、iPhone 等产品命名方式的早期象征。

    乔布斯回归苹果不是一次简单的复仇成功。他曾经强烈渴望证明斯卡利和苹果董事会犯下错误，但真正回到苹果时，他已经不再愿意通过敌意收购和权力斗争实现个人目标。相反，他开始接受一个更加困难的任务：修复一家混乱而濒临失败的公司，把多年在 NeXT 积累的技术、团队和管理经验应用到苹果身上。

    二十二、乔布斯如何利用 NeXT 的经验拯救苹果？

    问：重新领导苹果后，乔布斯作出了哪些关键决策？它们与早年在 NeXT 的失败有什么关系？

    乔布斯回到苹果后，首先着手解决公司缺乏战略重点的问题。他发现苹果同时推进大量项目，但多数项目难以形成具有竞争力的产品。因此，他决定大规模缩减业务范围。访谈提到，乔布斯取消了约 70% 的项目，把研发和管理资源集中到少数关键产品和技术方向上。这种决策方式与 NeXT 早期的做法形成对照：他不再试图通过无限增加技术目标来证明公司的伟大，而是开始明确哪些事情不应该做。

    其次，乔布斯把 NeXT 的操作系统技术引入苹果。NeXTSTEP 及其相关开发技术，逐渐成为苹果后续软件平台的重要基础。过去 NeXT 的软件一直被昂贵的小众硬件限制，无法充分发挥市场价值；进入苹果后，这些技术终于获得了一个更大的产品体系和用户群体。乔布斯重新实现了自己长期坚持的软硬件协同理念，但这一次，他拥有更成熟的技术基础、更清晰的市场方向和更强的企业资源。

    从长期来看，NeXT 的技术影响不仅体现在个人计算机操作系统上，也延伸到苹果后来推出的 iPod 时代的软件体系，以及 iPhone、iPad 等设备的操作系统和应用开发环境。凯恩曾经询问一名与乔布斯共事的苹果资深软件设计人员，今天苹果究竟有多少产品可以追溯到 NeXT。对方认为这个问题几乎不需要回答，因为在他看来，苹果所有主要产品的软件基础都与 NeXT 的技术遗产存在联系。

    更重要的变化发生在商业决策上。乔布斯过去把微软和比尔·盖茨视为主要竞争对手，强烈反对依赖对方的技术和资源。但在苹果的生存危机中，他主动与微软展开合作。微软承诺继续为 Macintosh 提供 Word 等重要办公软件，并向苹果投资约 1.5 亿美元。对于苹果内部一些长期把微软视为敌人的员工和用户而言，这是一项极具争议的决定。

    凯恩认为，这正是乔布斯逐渐学会务实经营的重要证据。他不再认为与竞争对手合作必然意味着背叛苹果的技术理念。相反，如果微软的资金和软件支持能够帮助苹果度过危机，那么就应该接受合作。过去乔布斯希望立即建立完全封闭、自给自足的产品体系；现在他开始理解，企业必须先拥有足够的规模和生存能力，才能进一步实现对于软硬件统一的理想。

    这种经验也让他学会与投资者、分销商和其他外部伙伴合作。企业不可能在所有事情上都按照创始人的最初设想运作。它必须通过谈判、妥协、资源整合和组织执行，把技术愿景逐渐变成市场现实。在 NeXT 时期，乔布斯曾经因为拒绝政府合同、破坏合作关系、过度坚持硬件控制而损失机会；回归苹果后，他开始更清楚地理解，这些商业活动并不是创造力的敌人，而是创造力能够发挥长期影响的必要条件。

    二十三、比尔·盖茨与乔布斯的竞争，揭示了哪两种技术哲学？

    问：乔布斯为什么长期与盖茨针锋相对？他们的分歧为何不仅是个人恩怨，也是两种商业模式的竞争？

    比尔·盖茨与乔布斯的关系长期充满竞争、讽刺和相互批评。两人都希望塑造个人计算机产业的未来，却持有截然不同的产品哲学。盖茨认为，软件应当具有灵活性，可以在不同制造商的计算机上运行。微软 Windows 的商业模式，就是让同一操作系统在大量硬件平台上获得普及，而不必由微软亲自制造全部计算机。

    乔布斯则相信，真正优秀的用户体验必须建立在软硬件统一控制的基础上。他认为，只有企业同时掌握操作系统、应用软件、硬件设计和产品交互方式，才能创造足够精致、稳定和一致的计算体验。这种理念从早期 Macintosh 延续到 NeXT，并最终成为苹果后来产品战略的核心。

    在 1980 年代和 1990 年代，两人的分歧表现为公开的商业冲突。1988 年，乔布斯正式推出 NeXT 立方体计算机，希望借此重新站上科技行业的中心舞台。盖茨却在媒体面前公开批评这款产品，认为它不过是一台涂成黑色的立方体，并没有足够特别的技术价值。他表示微软不打算为这台计算机开发软件，还使用了粗俗的语言表达不满。

    凯恩在研究中发现，盖茨后来曾经写信向乔布斯道歉，但信件内容十分微妙。盖茨一方面承认自己公开发表的批评过于尖锐，另一方面又继续详细说明为什么他认为 NeXT 的技术方向错误、商业方案难以成功。换句话说，这并不是一次彻底收回观点的道歉，而是一封在礼貌形式下继续坚持原有技术判断的信。

    到 1995 年，Windows 95 取得巨大商业成功，微软的开放授权模式似乎已经在市场竞争中证明了优势。当时如果从销量和生态规模判断，人们很容易认为盖茨对于计算机产业的理解更加正确。但从后来的智能手机和封闭生态系统发展来看，乔布斯的软硬件一体化理念又展现出另一种强大的商业价值。

    因此，二者之间并不存在一个简单的永久胜利者。微软模式与苹果模式分别在不同技术阶段展现出优势。盖茨通过广泛的软件兼容性和授权规模获得成功，乔布斯则通过高度整合的产品体系打造差异化体验。两人真正的分歧，是技术产品究竟应当优先考虑普及范围、开放兼容，还是完整控制和用户体验。

    乔布斯后来能够与盖茨合作，说明他开始把商业现实与个人偏好区分开来。他依然不一定认可微软的全部设计哲学，却愿意利用微软的资源帮助苹果恢复生存能力。这种选择比继续进行象征性的技术战争更加务实，也更符合成熟企业经营者的责任。

    二十四、乔布斯是否真正改变了自己的性格？

    问：他是否学会了道歉、倾听、尊重员工和接受现实？为什么在某些问题上，他仍然会表现出强烈的固执？

    NeXT 的十二年并没有把乔布斯变成另一个完全不同的人。他仍然具有很强的控制欲，仍然坚持高标准，也仍然相信自己能够看到别人尚未理解的未来。变化主要体现在他如何运用这些特质。早期，他经常把高标准变成羞辱下属的理由，把远见变成拒绝客户反馈的借口，把个人坚定变成忽略现实的固执。后来，他逐渐学会让高标准服务于团队成长，让远见接受商业现实的检验，并认识到优秀员工需要被信任。

    乔布斯有时会向员工道歉，但道歉通常发生在他情绪平静之后。他可能会写信解释自己为什么表现得过于激烈，并承认对方受到不公平对待。然而，他并不总是愿意继续讨论这件事，而是倾向于认为既然已经道歉，问题就应该结束。这说明他虽然能够承认某些行为错误，却仍然习惯按照自己的节奏处理人际关系。

    在专业决策方面，乔布斯逐渐意识到，不同岗位的员工拥有他自己不具备的知识。工程师可能比他更了解制造工艺和监管要求，财务主管可能比他更了解现金流，销售负责人可能比他更理解客户采购流程，动画导演和艺术家则可能比他更清楚如何制作一部优秀电影。成熟的管理并不是由创始人掌握所有答案，而是让这些不同专业能力在共同目标下发挥作用。

    这一变化也使乔布斯开始从单纯强调个人能力，转向强调团队能力。他逐渐理解，领导者最重要的工作之一是让优秀人才愿意留下来，并且能够在组织内部完成超出个人想象的工作。一个人可能拥有卓越创造力，但如果不能与别人合作，他所能创造的成果仍然受到自身时间、精力和知识边界的限制。

    不过，凯恩也指出，乔布斯始终没有完全摆脱个人判断至上的倾向。尤其在健康问题上，他曾经采取明显有别于医学专家建议的做法。这提醒人们，一个人可能在某个领域通过失败学会接受反馈，却不代表这种能力会自动延伸到所有生活领域。乔布斯学会了管理上的纪律，并不意味着他已经彻底克服了自我欺骗的风险。

    二十五、乔布斯十二年的失败，最终留下了哪些管理与人生经验？

    问：从 1985 年失去苹果，到 1997 年重新掌管苹果，这十二年最重要的意义究竟是什么？

    乔布斯这十二年的经历，首先说明技术远见与商业成功之间并不存在必然联系。1985 年离开苹果时，他已经是一名出色的产品设计者，能够识别许多人尚未理解的技术趋势，也能够激励工程师完成困难项目。然而，他仍然缺乏对市场需求、财务纪律、销售网络、合作伙伴和组织管理的充分理解。NeXT 失败的根源，并不在于乔布斯没有好想法，而在于他一度以为好想法可以取代商业经营的其他必要条件。

    其次，失败让乔布斯逐渐理解现实与愿景之间的关系。他最初认为，只要制造出最漂亮、最先进的计算机，客户便会自动购买。事实证明，客户不会因为设计者相信某项技术伟大，就承担无限成本。市场需要能够解决实际问题的产品，企业需要兼容性、可靠性、维护能力和合理价格。乔布斯最终学会，愿景可以保持坚定，但实现愿景的具体方式必须能够根据现实条件调整。

    第三，乔布斯学会了信任。他过去倾向于把公司视为个人思想的延伸，要求所有重要决策都经过自己。NeXT 和皮克斯的经历则让他看到，当专业人员获得自主权时，他们往往能够创造出比创始人直接控制更好的成果。优秀企业需要把具有不同能力的人组织在一起，使他们能够通过讨论、分工与合作完成复杂任务。领导者可以设定极高标准，也可以要求员工捍卫观点，但必须尊重他们的专业判断。

    第四，这段历史揭示了商业成功对于偶然因素的依赖。乔布斯能够重新获得巨大财富，与皮克斯的成功和上市直接相关；NeXT 能够存活到被苹果收购，与佳能等投资者持续提供资金有关；苹果最终选择 NeXT 技术，与赖斯主动留下的一通语音信息存在密切联系；乔布斯最终愿意领导苹果，又与安迪·格鲁夫的一次直接谈话有关。如果其中任何一个环节发生变化，后来的 iPhone、iPad 和苹果生态系统，都可能以完全不同的方式出现，甚至可能根本不会出现。

    主持人还借用亨利·福特早期对电动汽车的兴趣，讨论历史发展中容易被忽略的偶然性。如果汽车产业在早期采用另一种能源路线，全球石油产业、环境和能源供应体系都可能发生改变。这类假设并不是为了证明历史能够被准确重新计算，而是为了说明技术发展的具体路径并非唯一。乔布斯的成功同样不应被理解为一个拥有天赋的人必然获得胜利的结果，而应当被放在个人努力、市场变化、组织条件和历史运气共同作用的背景下观察。

    第五，韧性本身并不足以保证成功。乔布斯在 NeXT 持续失败时表现出极强的坚持能力，但他的坚持也一度使公司继续投入错误项目。只有当韧性与纪律结合，持续努力才有可能变成真正的进步。一个人可以坚持长期目标，但不能把坚持错误方法当作坚定信念。凯恩认为，乔布斯的成长正是在于他逐渐学会把不轻易放弃的意志，与对现实的准确判断结合起来。

    第六，企业领导者必须学会平衡创造力与责任。乔布斯早年通过极端严厉的要求激发过员工的潜力，也伤害过大量同事。他后来逐渐理解，领导者不只是要求别人完成伟大工作的人，也是创造条件、支持员工、承担责任的人。组织内部的高标准可以推动创新，但如果缺乏信任和尊重，长期结果可能是人才流失、心理伤害和商业判断失真。

    凯恩还把这些经验联系到苹果后来的发展。他提到，一些前苹果和 NeXT 高管对苹果在人工智能、技术创新和领导层继任方面的表现抱有疑问，也讨论过蒂姆·库克之后由谁接任首席执行官的问题。这些属于访谈中受访者对当时苹果现状的评价，而不是已经确定的公司未来安排。在他们看来，研究 NeXT 时期的意义，并不是简单寻找另一个具有乔布斯个人魅力的领导者，而是理解苹果曾经如何把技术判断、人才密度、产品标准和务实的商业决策结合起来。

    最终，这十二年的经历说明，成功并不是把每一次失败从个人历史中抹去，而是让失败成为后续改变的基础。乔布斯最初在 NeXT 建立了一个试图证明个人伟大的事业，后来却逐渐学会通过信任他人、尊重专业能力和接受商业现实，实现更大的目标。NeXT 作为一家硬件公司的失败，并没有使它的技术失去价值；相反，NeXT 的软件最终成为苹果重新崛起的重要基础。

    二十六、从乔布斯的经历出发，应当如何理解真正的成功？

    问：经历这些失败与转变之后，乔布斯的故事最终指向一种怎样的成功观？

    公众通常用财富、企业估值、技术发明和历史影响衡量乔布斯的成就，但凯恩在访谈末尾提出了更加个人化的成功标准。他认为，成功首先意味着每天早晨醒来时，身边有值得珍惜的家人和朋友，能够拥有令人满意的生活关系。成功也可以是走进一家咖啡馆，安静坐下来享受眼前的时间，或者专心投入某件具有意义的事情，而不必时时刻刻证明自己比别人更优秀。

    无论一个人从事写作、经营企业、电影制作，还是其他创造性工作，都可以在完成这些事情的过程中体验成就感。真正值得珍惜的，不只是某个遥远而宏大的最终目标，也包括工作、生活和人与人相处过程中的具体时刻。对于一个长期把个人价值与公司成功紧密绑定的人而言，这种理解尤其重要。

    乔布斯年轻时似乎认为，只有不断创造更伟大的产品，才能证明自己的价值。1985 年失去苹果后，他因此经历了严重的身份危机。后来，NeXT 的失败、皮克斯的成功、婚姻与孩子的到来，使他逐渐拥有更加丰富的生活结构，也更加理解人生不可能只由一家公司或一项技术定义。

    这并不意味着乔布斯最终放弃了雄心。他重新领导苹果后，依然追求极高的产品标准，并通过 iMac、iPod、iPhone 和其他产品深刻影响科技产业。不同之处在于，他不再完全依靠愤怒和复仇推动自己，而是逐渐学会把创造力与现实条件、团队能力和组织纪律结合起来。

    乔布斯的十二年荒野岁月，最深刻的意义不在于失败最终一定能够带来成功，而在于失败可能迫使一个人重新理解自己。不是所有经历困境的人都会获得第二次机会，也不是所有坚持到底的创业者都能够成为传奇。乔布斯之所以能够重新崛起，既因为他的天赋与韧性，也因为他在关键时刻改变了原有的工作方式，并获得了团队、资本、市场和历史机遇的共同支持。

    如果乔布斯没有被苹果排挤，可能就不会建立 NeXT；如果没有 NeXT 的技术积累，苹果后来的软件基础可能完全不同；如果没有皮克斯，他可能无法获得重新选择事业的财务自由；如果没有经历这些失败，他也未必能够发展出后来更加成熟的领导能力。

    因此，1985 年至 1997 年不应仅仅被理解为乔布斯事业中的一段低谷，也不只是他离开苹果后的一次漫长绕行。这十二年既是 NeXT 硬件业务的失败史，也是现代苹果软件体系的重要起源；既是一个创业者个人控制欲造成商业灾难的过程，也是一个领导者逐渐学会信任、纪律、合作和妥协的过程。

    乔布斯最终重新站上苹果的舞台时，仍然是那个相信技术可以改变世界的人，但他已经不再完全是 1985 年离开苹果时的年轻人。正是这段充满痛苦、愤怒、浪费、冲突、机遇和学习的时期，使他获得了把个人创造力转化为大规模组织成果的能力。

    从这个意义上说，改变乔布斯的并不只是成功，而是那些几乎让他失去一切的失败。

    附记：两场访谈

    以上内容主要依据两场对作家杰弗里·凯恩的访谈组织。第一场访谈围绕其著作《Steve Jobs in Exile: The Untold Story of NeXT and the Remaking of a Technology Visionary》展开，主持人艾丹重点讨论了 NeXT 早期团队、苹果的法律诉讼、乔布斯的管理方式、技术路线、商业伙伴关系及产品失败。主持人多次强调，这本书与读者熟悉的乔布斯成功叙事存在差异，因为它更加关注创始人的缺点、员工所承受的痛苦，以及企业在接近失败时的真实状况。他认为，如果把成功人士的经历过度美化，便很难为其他创业者提供有效借鉴。访谈还提及凯恩此前撰写的《Samsung Rising》，并表达了未来继续讨论这本书的计划。录制期间，凯恩刚刚迎来女儿出生，主持人也向其表示祝贺，并提到他在照顾新生儿的同时完成新书出版。

    第二场访谈由肖恩（Shane）主持，进一步讨论了乔布斯与斯卡利的权力斗争、NeXT 软件与硬件的商业矛盾、1993 年的财务危机、皮克斯上市、苹果收购 NeXT，以及乔布斯最终成为临时首席执行官的过程。访谈最后采用快速问答形式，集中讨论乔布斯如何评价员工、是否接受反对意见、是否会道歉、能否表现出同理心、如何作出决策，以及他在个人医疗问题上仍然存在的局限。凯恩将乔布斯的韧性与逐渐学会的纪律视为两个不同概念，并认为只有二者结合，才使后来的成功成为可能。节目以关于成功定义的讨论结束，并使用音乐作为收尾。

    Post #2
  • October 23, 2026 城堡证券 Ken Griffin 访谈：人工智能和我们的未来
    谈笑风生

    第四部分（4/4）｜美国财政改革、经济增长、移民人才、迈阿密的崛起与 Citadel 的组织文化

    十九、美国财政改革的第三项任务：我们必须重新讨论退休制度

    Ken Griffin:

    接下来是第三件事情。

    我们需要重新思考，如何建立一个类似 Simpson–Bowles 委员会的机制，推动美国真正需要的福利和退休制度改革。我们应该如何设计一种制度，让必要的改革方案能够提交国会，并通过一次明确的赞成或反对投票来决定，而不是让改革不断陷入政治争论，最终什么也做不成？

    这件事情对于美国的长期财政健康至关重要。我们已经向美国人民作出了大量承诺，尤其是对已经退休的人，以及那些即将退休的人。我们必须履行这些承诺，不能在他们已经根据现有制度安排好生活之后，突然改变规则，让他们承担不可预期的损失。

    但是，与此同时，我们需要进行一次真正深入、认真而且富有建设性的讨论：对于未来的退休人口，我们是否应该考虑把工作年限延长一年或者两年？或者，我们是否能够通过合理的激励机制，让人们在开始领取社会保障金之前，愿意继续工作两年或者三年？

    这些问题非常重要，因为它们关系到我们能否在履行既有承诺的同时，维持整个社会保障体系的长期可持续性。我们需要找到一种方式，既尊重已经向退休人员和临近退休人员作出的承诺，又让未来的制度更加符合美国的人口结构和财政现实。

    这不是一个可以简单回避的问题。我们不能只是不断增加承诺，却不认真思考这些承诺最终应该如何得到履行。我们需要从现实出发，讨论人们未来应该工作多久，社会保障体系应该如何设计，以及怎样让制度改革在政治上真正获得推进。

    二十、移民政策：世界上最聪明的人，我希望他们都来美国

    Ken Griffin:

    接下来，我还想直接谈谈移民问题。

    世界上每一个非常聪明、非常有才华的人，你知道我希望他们生活在哪里吗？

    我希望他们生活在美国。

    我希望他们来到这里。

    我们的大学，特别是美国那些最优秀的大学，国际学生的比例往往达到 15% 到 20%。这些学校汇聚了来自世界各地的优秀人才，他们来到美国，接受世界一流的教育，学习最先进的科学、技术和其他专业知识。

    在我看来，我们应该向这些学生传递一个非常简单、非常明确的信息：

    这是你的学位，这是你的绿卡。

    我们希望你留在美国。

    既然我们已经把世界上最优秀的一批年轻人吸引到美国，让他们在我们的大学接受教育，那么为什么不尽一切努力，让他们继续生活在这里、工作在这里、创办企业，并为美国经济创造价值呢？

    这些人拥有知识、技能和创造力。他们可以成为科学家、工程师、企业家和未来的技术领导者。他们有能力帮助美国开发新产品、建设新企业、创造就业岗位，并推动下一轮技术创新。

    我们应该欢迎他们，而不是让他们在完成教育之后面临不必要的障碍，最终不得不离开美国。

    所以，对于移民政策，我的立场非常清楚：如果一个人拥有出色的能力，愿意来到美国，并且能够为这个国家作出贡献，那么我希望他能够留在这里。

    二十一、美国能否依靠经济增长摆脱财政赤字？这是唯一的方向

    问：Ken，如果把你刚才提到的这些措施放在一起考虑，包括提高生产力、改革教育、调整退休制度以及吸引国际人才，这是否意味着，美国实际上存在一条通过经济增长摆脱财政赤字的道路？当债券市场开始发出黄色甚至红色的警告信号时，我们是不是不必过度担忧，因为仍然存在一条出路，而这条出路就是经济增长？这是你所说的方向吗？

    Ken Griffin:

    这是唯一的方向。

    唯一的方向。

    问：那么，当你看到债券收益率处于数十年来的高位时，你并不会感到担心吗？

    Ken Griffin:

    不，我当然担心。

    事实上，我非常担心。

    我们可以这样理解目前的情况：再过几个星期，美国选民就能够通过众议院和参议院选举表达自己的意见，而债券市场实际上也已经开始非常明确地表达自己的意见。

    债券市场正在向国会发出强烈信号。

    它正在告诉众议院和参议院：你们必须开始整顿美国的财政状况。

    我们不能继续忽视政府支出、财政赤字和债务所带来的长期压力。债券市场正在通过收益率和融资成本，把这种压力反映出来。

    但是，债券市场没有同样清楚地告诉政治领导者的，是我们应该通过什么方式来改善财政状况。

    而我的判断是，我们需要通过提高生产力来整顿财政。

    我们需要让经济增长，让美国企业更具生产力，让创业活动更加活跃，让新技术能够真正转化为经济价值。

    如果你问我，华盛顿的政治人物每天应该讨论什么，那么我希望他们所有人的谈话重点都围绕三个问题展开：创业精神、生产力提升，以及我们究竟应该如何让美国经济继续增长。

    我们应该讨论如何创造一个能够不断产生新企业、新产品、新技术和新就业机会的经济体系。

    而且，我们希望建立的是这样一种经济：生活在其中的每一个人，都能够感受到自己的处境正在改善。

    这非常重要。

    经济增长不应该只是统计报告中的一个数字。我们希望普通美国人能够真正感受到收入和生活条件的改善，能够看到自己和家人的未来存在更多机会，能够相信通过努力工作、接受教育或者创办企业，他们可以获得更好的生活。

    如果我们能够提高生产力，让更多人分享经济增长所创造的机会，那么我们就有可能改善长期财政状况。

    这就是我认为美国应该选择的道路。

    问：债券市场已经在表达自己的意见。那么，你认为华盛顿的政治领导者真的在倾听吗？

    Ken Griffin:

    还没有。

    问：如果他们继续不听，会发生什么？

    Ken Griffin:

    我们将看到更高的通货膨胀。

    我们将看到美元走弱。

    而且，我们将看到自己的生活水平下降。

    这就是忽视财政问题可能带来的后果。

    如果我们不能认真改善国家财政状况，不能提高经济生产力，也不能建立支持长期增长的政策环境，那么我们最终就必须面对经济后果。

    这些后果不会仅仅停留在华盛顿的财政讨论中。它们会影响美元的购买力，影响物价水平，也会影响美国人民能够享受到的实际生活水平。

    因此，我认为美国必须认真对待债券市场正在发出的警告，并且尽快把提高生产力和经济增长重新放到国家政策的中心位置。

    二十二、纽约市长与政治争论：我不想参与纽约政治，但希望这座城市拥有杰出的领导者

    问：Ken，刚才你谈到了伊利诺伊州州长 Pritzker 曾经公开批评你的事情。这让我想到，在最近几年里，你似乎经常成为不同政治人物攻击的对象。你此前也曾经非常直接地批评纽约市长，并且使用过一些让公众印象深刻的措辞。相关的出租车税提案后来受到了法院的阻碍。我想知道，你与纽约市长现在究竟是什么关系？你们之间的关系发展到了什么程度？

    Ken Griffin:

    我和纽约市长之间没有什么关系。

    但我认为，这完全没有问题。

    我可以非常直接地告诉你，我现在生活在迈阿密。我参与佛罗里达州的政治事务，也非常关心佛罗里达州的发展。

    我当然希望纽约能够选出真正优秀的政治领导者，但我个人并不希望参与纽约市的政治活动。

    我在纽约拥有大约 2,500 名员工，他们中的很多人都非常积极地参与纽约的政治生活。

    而且，我鼓励他们这样做。

    我认为，他们应该关心这座城市的未来，应该参与有关公共政策的讨论，也应该认真考虑纽约究竟需要什么样的领导者。

    但是，就我个人而言，我认为纽约应该由纽约人自己决定，他们究竟需要怎样的政治领导。

    这座城市需要自行处理自己的领导问题，而不应该由生活在其他地方的人替它作出决定。

    纽约是美国最伟大的城市。

    甚至可以说，纽约是世界上最伟大的城市。

    而且，我认为这样一座伟大的城市，理应拥有世界上最优秀的市长之一。

    这是我对纽约的看法。

    我希望它能够继续繁荣，希望它拥有出色的领导者，也希望我的同事们能够积极参与推动这座城市的发展。但我没有必要亲自卷入纽约市的政治争论。

    二十三、Citadel 的重心在哪里？大概在大西洋中间

    问：你刚才提到了纽约拥有非常庞大的员工团队，同时 Citadel 也在迈阿密设立了总部。你认为 Citadel 现在的重心究竟在哪里？

    Ken Griffin:

    大概在大西洋中间的某个地方。

    （笑声）

    如果你把伦敦、迈阿密和纽约放在一起考虑，那么我们的重心大概就在大西洋中间的某个位置。

    而且，我认为这正是它应该处在的位置。

    我们是一家在整个西方世界具有高度联系的企业。

    这里所说的西方世界，主要是指欧洲和美国。

    我们的业务、员工以及专业能力分布在这些重要的金融中心，而且这些地区之间保持着非常紧密的联系。

    从这个意义上来说，我认为 Citadel 的重心并不需要完全属于某一座城市。

    我们在伦敦拥有重要业务，在纽约拥有庞大的团队，在迈阿密也建立了重要的总部和运营能力。

    这些地方共同构成了我们的业务网络，因此，如果非要确定一个地理上的中心，那么大西洋中间确实是一个很合理的位置。

    二十四、迈阿密的增长不应该只看一年：一座城市的发展需要几十年

    问：我们观察了迈阿密金融专业人才增长的一些数据。包括你和其他竞争对手在内，过去一年投资专业人员的增量似乎并不大，可能只有几十人，甚至某些统计数据还显示人数有所下降。我很好奇，你如何理解这一现象？迈阿密是否还缺少某些吸引专业人才的条件？金融行业在迈阿密的发展速度，是否符合你的预期？

    Ken Griffin:

    我认为，一座城市的发展轨迹，是以几十年为单位写出来的。

    它不是一夜之间形成的。

    而且，坦率地说，我认为这是一件好事。

    人们需要在某个地方扎下根来。

    他们需要成为社区的一部分，需要与周围的人建立长期关系，也需要真正参与所在社区的生活。

    我们不希望美国成为一个由游牧人口组成的国家。

    我们希望人们能够扎根在某个地方，建立家庭，参与社区，并且真正把那个地方称为自己的家。

    因此，当我们讨论迈阿密的发展时，我不会仅仅因为某一年金融行业新增的专业人士数量没有达到某个数字，就认为这座城市的发展出了问题。

    决定一座城市长期发展的力量，需要用更长时间去理解。

    推动人们迁往迈阿密的因素非常强大。

    首先，迈阿密拥有一个极其支持商业活动的环境。

    在这里，企业家能够感受到当地社会对商业发展的支持，能够看到创办企业、投资和创造财富所带来的机会。

    其次，迈阿密拥有非常高的生活质量。

    它有安全的街道，有良好的学校，也有能够吸引人们长期生活的环境。

    当然，迈阿密也面临一些挑战。

    例如，住房成本非常高。

    交通也是一个真正的问题。

    过去十年，有太多人搬到迈阿密，结果道路变得非常拥堵。城市的人口和经济活动增长得很快，而交通基础设施面临着随之而来的压力。

    但如果从更宏观的角度来看，我认为迈阿密在过去二十年经历了极其显著的经济增长。

    整座城市的财富规模出现了巨大的上升。

    有时候，我甚至觉得迈阿密已经变得有点像加利福尼亚。

    我会开玩笑地想：加利福尼亚是不是把所有亿万富翁都送到迈阿密来了？

    （笑声）

    有时候，确实给人这样的感觉。

    但我认为，迈阿密所体现的东西远远不只是财富增长。

    在很多方面，这座城市代表了我心目中美国最优秀的一些价值观。

    而且，其中相当重要的一部分，要归功于古巴移民群体。

    二十五、古巴移民如何塑造迈阿密：他们来到这里，是为了追求美国梦

    Ken Griffin:

    我在迈阿密认识了很多人，他们的父母当年从古巴来到美国。

    其中一些人的经历非常令人动容。

    他们的父母离开古巴之后，就再也没有见过自己的父母。

    你可以想象，这意味着多么巨大的个人牺牲。

    他们离开自己的家乡，离开熟悉的生活环境，甚至可能永远无法再见到家人。

    他们来到美国的时候，几乎一无所有。

    但他们为什么要来到这里？

    因为他们希望实现美国梦。

    他们希望在美国建立自己的生活，拥有家庭，抚养孩子，通过努力工作获得成功。

    这些人不会轻易接受社会主义。

    他们也不会轻易放弃个人自由。

    因为他们中的很多人，或者他们的父母，曾经为了获得这样的自由而付出非常巨大的代价。

    这种经历深深影响了迈阿密的文化。

    你会在这座城市感受到一种非常鲜明的信念：我来到这里，是为了追求美国梦。我不会接受那些违背美国建国价值观的东西。我希望通过自己的努力，为自己和家人创造更好的生活。

    我会确保自己的孩子接受良好的教育。

    我会认真经营自己的企业，为事业投入必要的努力。

    我希望自己生活在安全的街道上，希望家庭能够在一个稳定而且自由的环境中成长。

    古巴裔社区对于迈阿密这座城市的精神气质具有非常重要的影响。

    我对此非常感激。

    我认为，这种文化是迈阿密创业精神的重要组成部分。

    你能够在这座城市看到人们创办企业、追求机会、认真工作，并努力为下一代创造更好生活的愿望。

    这不仅是一种经济活动，也是一种深深植根于社区的价值观。

    它塑造了这座城市，也塑造了人们对于未来的期待。

    二十六、为什么我要支持卡内基梅隆大学在迈阿密建立新校区？

    Ken Griffin:

    我们能够在迈阿密的创业活动中清楚地看到这种精神。

    而且，我确实相信，随着卡内基梅隆大学来到迈阿密，这种创业活动还会进一步加速。

    如果你观察匹兹堡正在发生什么，就会发现这座城市实际上正在经历第二次工业革命。

    只不过，这一次工业革命的核心是机器人技术。

    在卡内基梅隆大学校园周边，已经聚集了大约 100 家机器人领域的公司。

    我认为，很多人忘记了卡内基梅隆大学在这些领域究竟拥有多么突出的地位。

    卡内基梅隆大学在机器人技术方面处于世界领先地位。

    它的计算机科学、人工智能以及网络安全，也都拥有极其突出的实力。

    这是一所非常非凡的大学。

    它拥有出色的学生，也拥有杰出的教师和研究人员。

    这些人共同构成了一个令人惊叹的学术和技术创新社区。

    而现在，卡内基梅隆大学计划在迈阿密建设一个新的校区。

    这个校区未来将拥有数千名本科生和研究生。

    我认为，这将对迈阿密产生深远的改变。

    当你把这样一所大学的教育资源、科研实力以及人才培养能力带到一座已经拥有强大创业文化的城市时，就可能形成非常有价值的结合。

    一方面，迈阿密已经拥有充满活力的商业环境，拥有愿意创办企业和承担风险的人们。

    另一方面，卡内基梅隆大学将带来先进的科学研究、技术能力，以及持续培养高水平人才的教育体系。

    当这些力量相互结合，就可能产生大量新的企业、新的技术应用以及新的经济机会。

    我们已经在匹兹堡看到了类似现象。

    机器人技术正在推动当地形成新的产业活动，而大学在其中发挥了非常重要的作用。

    我相信，卡内基梅隆大学在迈阿密建立新校区之后，也能够对迈阿密产生类似的推动作用。

    这不仅意味着一座新校园或者更多学生，而是意味着一座城市的创新生态可能因此发生深刻变化。

    我相信，这将进一步推动迈阿密的创业活动，也将从长远角度改变整座城市的发展轨迹。

    二十七、为什么 Citadel 仍然强调面对面办公？因为没有什么能够取代白板前的讨论

    问：Ken，我们的时间已经差不多了，但最后我还想问你一个关于社区和企业文化的问题。你一直非常重视 Citadel 内部的团队文化。新冠疫情期间，你也是较早强调员工应该重新聚在一起工作的企业领导者之一。你刚才提到，Citadel 的地理重心可能位于大西洋中间，但公司实际分布在伦敦、纽约和迈阿密等不同城市。那么，在这样一种全球化的组织结构下，你如何确保团队保持凝聚力？

    Ken Griffin:

    首先，我们会尽可能让 Citadel 内部的团队集中在同一个地理位置。

    这是一项非常重要的组织原则。

    如果你从公司最高层的整体业务结构往下看，观察不同的业务部门以及各个专业团队，就会发现，我们会尽量让同一个业务领域内的员工在地理上集中办公。

    这是因为我们认为，只要条件允许，团队成员就应该在同一个物理空间里共同工作。

    没有什么能够取代一块白板和一场高质量的讨论。

    真的没有。

    你走进我的办公室，会看到一块很大的白板。

    你走进我们公司的会议室，同样会看到很大的白板。

    事实上，在我们很多办公室里，墙壁本身就是可以书写的。

    你可以直接站起来，在墙上写下自己的想法，画出一个图表，解释一个问题，或者与同事讨论不同的解决方案。

    我认为，这种人与人之间的直接互动是无法替代的。

    当几个人围绕同一个复杂问题展开讨论时，他们可以立即提出自己的观点，挑战彼此的假设，并根据对方的反应不断调整思路。

    有人可以走到白板前，把一个想法画出来；另一个人可以马上指出其中存在的问题，或者提出一种新的解释。

    这样的交流非常自然，也非常高效。

    你不需要把每一个想法都整理成正式的文件，也不需要为每一次讨论安排一个线上会议。

    当大家处于同一个空间时，很多重要的交流可以直接发生。

    而且，这件事情对于年轻员工的成长尤其重要。

    我们发现，如果希望培养年轻的人才，让他们真正掌握专业能力，那么让他们身处一个沉浸式的工作环境，是非常有价值的。

    他们可以直接与自己的主管一起工作。

    在很多情况下，主管不仅仅是他们的管理者，也是他们的导师。

    他们也可以与身边的同事一起工作。

    而这些同事，从很多意义上来说，同样也是他们的导师。

    年轻员工可以观察经验更加丰富的人如何思考问题，如何作出判断，如何处理复杂情况，以及如何在意见不同的时候进行讨论。

    他们能够通过每天的工作接触，不断学习那些很难完全写进培训材料的专业知识和工作方式。

    这种学习并不只是通过正式的课程或者指定的培训项目发生。

    更多时候，它来自你每天与同事一起工作时的观察、交流和讨论。

    你看到一个经验丰富的同事如何分析问题，听到他如何解释自己的判断，也有机会直接向他提出问题。

    在这样的环境中，你会不断获得反馈，不断调整自己的思考方式，并逐渐提高自己的专业能力。

    我认为，对于年轻员工来说，没有什么能够真正取代这种面对面的工作环境。

    与主管、导师以及同事之间的物理距离足够近，会创造出一种独特的学习体验。

    这种环境能够帮助年轻人更快地成长，也能够帮助团队形成更加紧密的关系。

    所以，尽管 Citadel 是一家在不同城市拥有业务的大型企业，我们仍然尽可能把具体团队集中在同一个地理位置，让团队成员能够每天面对面地工作。

    因为我始终相信，人与人之间的直接互动、共同解决问题的过程，以及在工作中不断形成的师徒关系，对于企业文化和人才培养具有非常重要的意义。

    而且，我认为，这确实能够创造出一个非常特别的工作环境。

    访谈结束

    主持人：我认为，用这个话题作为今天访谈的结尾非常合适。Ken，非常感谢你今天抽出时间，与我们分享这么多观点。

    Ken Griffin：谢谢。非常感谢。

    主持人：各位，让我们一起感谢 Ken Griffin。

    （现场掌声与欢呼声）

    Post #5
  • October 23, 2026 城堡证券 Ken Griffin 访谈：人工智能和我们的未来
    谈笑风生

    第三部分（3/4）｜特朗普政府、移民政策、贸易战、民主社会主义与美国财政危机

    十三、特朗普政府面临的中期选举挑战：伊朗战争、移民政策与贸易战

    Ken Griffin:

    好了，我们回到中期选举的问题。

    我认为，特朗普总统在这次中期选举中将面临一些非常严峻的挑战。他推行的某些政策，对于美国公众来说确实缺乏吸引力，而且在一些重要议题上，我认为他的政府没有充分解释自己为什么要采取这些行动。

    例如，伊朗战争在美国国内非常不受欢迎。我认为特朗普总统在向美国人民解释发动这场战争的理由方面，做得非常糟糕。

    我认为，确保我们每天醒来时所生活的世界中，伊朗没有核武器，是一件极其重要的事情。从美国的国家安全角度来看，我认为这是一个关系到国家生存的重大问题。我对此有非常明确的立场，但问题在于，总统并没有以一种足够有说服力、足够有意义的方式，向美国人民解释为什么这件事情如此重要。

    如果政府认为某项军事行动具有如此重大的战略意义，那么它就需要向美国人民清楚地说明自己的判断。我们为什么需要采取行动？如果不采取行动，会产生什么样的后果？这项政策与美国的长期安全究竟存在什么联系？我认为总统并没有把这些问题解释好。

    其次，我认为我们对待非法移民的方式是可耻的。

    假设一个人在美国边境相对开放的时期来到这个国家。当时，他可能并不认为自己正在违反法律，至少没有以我们今天讨论非法移民问题时的方式去理解自己的行为。他和数百万人一样，在那个时期进入美国，希望能够为自己和家人寻找更好的生活。

    如果这个人现在已经在美国生活，无论他是和家人一起生活，还是独自一人，只要他有正当工作，能够靠劳动谋生，并且努力改善自己和家人的生活，我认为我们就应该为他提供一种能够继续留在美国的途径。

    这条途径不一定意味着获得美国公民身份。我们完全可以把获得公民身份与获得合法居留、合法就业的资格区分开来。但我们应该让那些认真工作、为社会创造价值的人，有机会继续成为美国社会中有贡献的一员。

    而且，我们必须让美国经济继续增长。

    这是我认为华盛顿已经忽略的一个最基本的问题。如果我们希望履行对美国公众作出的承诺，包括社会保障（Social Security）、联邦医疗保险（Medicare）、医疗补助（Medicaid）以及其他各种社会福利和法定给付项目，那么我们必须保持经济增长。

    道理就是这么简单。

    我们已经作出了大量长期财政承诺。要履行这些承诺，就需要拥有足够强大的经济，需要更多生产、更多就业、更高的收入以及更大的税基。那些愿意努力工作、为自己和家人创造更好生活的人，是实现经济增长的重要力量。

    因此，在讨论移民政策时，我们不能忽视他们对于美国经济的贡献。我们需要认真考虑，如何让这些已经生活在美国、努力工作的人继续参与经济活动，而不是简单地把他们全部排除在外。

    第三，我认为特朗普政府与加拿大、欧洲以及其他盟友之间的关税争端，完全是一场灾难。

    事实上，在特朗普总统刚刚开始推行这些政策时，我就公开谈论过这个问题。我当时就反对这种做法。现在回过头来看，虽然我不太愿意这么说，但我当时的判断确实是对的。

    关税政策推动了通货膨胀，而且确实破坏了全球各地原本已经形成的供应链。过去几十年，企业围绕全球分工建立了复杂而高效的生产网络，商品、零部件以及原材料可以通过跨国供应链完成配置。但是，贸易争端和不断增加的关税正在切断这些联系，迫使企业重新考虑供应链布局，并承担额外成本。

    与此同时，我不认为美国能够以这种方式高效地实现再工业化。

    我们目前的失业率大约处在 4% 出头的水平。换句话说，美国并没有大量闲置劳动力，可以随时投入传统制造业。

    如果你的理想是重新创造一个大规模传统制造业主导的美国，那么首先需要面对的现实就是，大多数美国人并不想过那样的生活。

    人们并不想每天走进工厂，生产耐克运动鞋和 T 恤衫。他们想穿这些东西。

    （笑声）

    这句话实际上来自一位喜剧演员，我必须把功劳归给真正提出这句话的人。

    但这句话背后的经济现实是值得认真思考的。我们应该如何理解美国的再工业化？难道我们真的希望让美国重新依靠大量低附加值劳动，生产那些目前可以在世界其他地方高效制造的商品吗？

    我认为，真正应该做的事情是积极拥抱机器人技术。

    这也是我最近向卡内基梅隆大学捐赠 30 亿美元的一个重要原因。卡内基梅隆大学在机器人技术领域拥有非常突出的领导地位，我认为这恰恰代表了美国制造业应该努力发展的方向。

    如果我们希望实现美国的再工业化，那么我们应该建设的是一个由机器人运行工厂的现代化工业体系。

    这才是面向未来的思考方式。

    我们应该利用机器人、自动化以及其他先进技术，提高美国制造业的生产效率，让美国能够以更具有竞争力的方式生产重要商品，而不是试图恢复几十年前依靠大量人工劳动的制造业结构。

    通过这种方式，美国可以在那些关系到国家利益的重要产品上，提高自己的生产能力，减少对世界其他地区的依赖。

    这是真正能够增强美国独立性和经济安全的方向。

    与此同时，我认为特朗普总统确实做对了一些事情，但这些成就已经在政治讨论中逐渐被遗忘。

    例如，关闭边境就是一个很好的例子。

    过去四年，我们一直被告知，美国根本不可能有效关闭边境，不可能真正控制非法入境。但实际上，这件事情几乎在一夜之间就发生了。

    我认为，绝大多数美国人都赞同有效控制边境。这是一项非常重要的政策成果，但在当前中期选举的政治讨论中，它所获得的关注已经远远不如从前。

    所以，如果让我评价特朗普政府目前的政策表现，我认为成绩单是好坏参半的。

    有些事情做得很好，有些事情则造成了相当严重的问题。

    现在，美国即将举行中期选举，选民将通过投票表达自己的判断。我希望他们能够认真思考这些问题，谨慎地作出选择。

    十四、民主社会主义的兴起：我为什么担心美国走向欧洲式福利国家？

    Ken Griffin:

    至于民主社会主义者在美国政治中的影响力正在上升，我没有那么担心这种趋势会在全国各地普遍发生。

    这里有一件很有意思的事情。我现在住在迈阿密，我有很多朋友与美国南部地区存在联系。对于这些人来说，民主社会主义甚至不是他们日常政治讨论中的一个重要概念。在他们生活的环境中，这种政治思想没有得到同样程度的关注。

    问：所以，你认为这只是一个纽约泡沫中的现象？

    Ken Griffin:

    我认为，这种现象更多集中在纽约、伊利诺伊、密歇根和加利福尼亚等地区。它在美国某些地方具有相当明显的影响力，但这并不意味着它已经成为整个国家普遍接受的政治方向。

    而且，如果你想了解社会主义最终可能把一个国家带向什么样的局面，我建议你看看刚刚过去的这个周末，法国发生了什么。

    法国在某种意义上已经实现了社会主义者所描绘的理想。它的政府支出规模大约相当于国内生产总值的 60%，政府在整个经济中占有非常大的比重。

    然而，即使如此，法国的街道上仍然充斥着动荡和混乱。

    这实在令人痛心。

    顺便说一句，当我看到巴黎街头发生的事情时，它让我想起了 2021 年和 2022 年的芝加哥。两者看起来实在有些相似。

    问：这正是我想继续讨论的问题。不过，法国是否只是一个孤立的案例？我们看到，法国政府试图推行财政紧缩政策，结果政府就难以维持。法国民众似乎也非常愿意通过抗议甚至骚乱来表达自己的不满。我并不是想轻率地描述这件事情，但你真的认为，这可能是美国未来会面对的局面吗？

    Ken Griffin:

    这就是我曾经在芝加哥亲身经历过的生活。

    我以前住在芝加哥，从家里的窗户往下看，就能够看到一家迪奥商店。

    那些参与抢劫的人行动非常有效率。他们会开来一辆货车，直接撞破商店前面的整面玻璃，制造出一个巨大的入口。然后，大约 50 个人一起冲进商店。

    差不多 300 秒，也就是五分钟，他们就能够把整家商店里的商品搬空。

    我们美国人在这方面甚至可能比法国人更加有效率。

    （笑声）

    甚至在抢劫这件事情上也是如此。

    但玩笑归玩笑，我认为巴黎现在发生的事情，应该成为每一个年轻美国人认真思考的警示。

    法国在很大程度上体现了美国左翼政治力量所描述的那种社会愿景：一个拥有广泛社会安全保障体系、提供大量福利，并且由政府在经济生活中发挥重要作用的欧洲式社会。

    这就是他们所向往的欧洲模式。

    但现在，看看法国正在经历什么。

    在我看来，这种模式所带来的问题，与我当年决定离开芝加哥时所面对的环境非常相似。

    我离开芝加哥，是因为我不愿意继续生活在那样的社会环境中。我不希望美国最终朝着类似方向发展。

    我不希望我们建立一个社会，在这个社会里，人们越来越关心的事情是自己能够从其他人那里拿走多少东西。

    一开始，人们可能只是要求重新分配你的财产。但随着这种社会观念不断发展，最终可能受到侵蚀的就不只是个人财产权，还会包括个人的自由和其他基本权利。

    我不认为这是我们应该在美国建立的社会。

    问：在你看来，是否有一些具体的政治候选人，正在推动美国走向这样一条让你感到担忧的道路？

    Ken Griffin:

    有。

    如果你问我伊利诺伊州州长 J. B. Pritzker 是否属于这种情况，我的回答是肯定的。

    百分之百肯定。

    十五、如果中期选举失败，特朗普应该如何回应？伊利诺伊州的税制改革给了我一个教训

    问：那么，Ken，如果事情真的朝这个方向发展，接下来会发生什么？假设共和党在中期选举中遭遇严重失败，而你所担心的那些政治候选人反而获得更多席位，共和党之后应该做些什么？失败的责任是否应该归于特朗普总统？

    Ken Griffin:

    当一个政党在中期选举中失去部分权力，受到选民的制衡时，我们必须清楚地理解，这意味着美国人民已经表达了自己的意见。

    而且，你最好认真倾听他们的意见。

    我希望，如果特朗普总统在这次中期选举中遭遇严重挫折，他不会继续加倍坚持此前的政策路线，而是能够后退一步，认真思考一个问题：我应该做些什么，才能更好地反映美国人民的意愿？

    我认为，政治领导者在选举失利之后，最重要的事情之一就是认真理解选民试图传递的信息。

    这里我可以讲一个关于伊利诺伊州的例子。

    J. B. Pritzker 曾经试图在伊利诺伊州推动一项税制改革，希望提高税收，并建立累进所得税制度。

    在他正式就任伊利诺伊州州长之前，我曾经和他见过面。

    当时我告诉他，我们两个人都很清楚，伊利诺伊州的养老金问题已经失去了控制。州政府的养老金体系面临巨大的财政压力，而此前向政府雇员作出的某些养老金承诺，从长期来看根本无法持续。

    这个问题非常严重，需要采取实质性改革措施。

    因此，我向他提出了一个非常明确的建议。

    我说，如果你愿意推动一项修改州宪法的改革，对养老金体系进行必要的调整，那么我将公开支持你提高税收。

    当时，我是整个伊利诺伊州最大的纳税人，而我的公司贡献的所得税收入，几乎占整个州所得税收入的 2%。

    也就是说，我并不是一个与加税毫无关系、只是希望别人承担成本的人。如果这项加税政策获得通过，我本人和我的公司都将直接承担非常可观的税收负担。

    但是，我愿意支持它，前提是政府也必须解决已经存在的结构性支出问题。

    在我看来，单纯增加收入，却不解决已经失控的养老金负担，并不是一种可持续的财政解决方案。我们需要同时处理收入和支出两端的问题，而不是不断要求纳税人提供更多资金，却让原有的问题继续存在。

    Pritzker 拒绝了我的建议。

    后来，他推动了一项州宪法修正案，试图在伊利诺伊州建立累进所得税制度。这项提案被称为“公平税修正案”（Fair Tax Amendment）。

    结果，他输了。

    选民否决了这项修正案。

    我认为，在这种情况下，一位政治领导人应该认真思考，为什么选民没有接受自己提出的方案。

    他本可以说：选民已经表达了意见。我需要认真控制政府成本，需要解决伊利诺伊州不断增加的公共支出，需要处理州政府长期存在的过度支出问题。

    但他并没有这样做。

    相反，他把愤怒发泄到了我身上。

    在我看来，这完全没有抓住问题的重点。

    Pritzker 州长忽略了选民真正想要表达的信息：他们已经受够了斯普林菲尔德州政府不断增加的支出，以及他们所担忧的腐败问题。

    我的意思是，你应该先把政府自己的财政状况整理好，认真解决支出和治理问题，然后再回来与纳税人讨论提高税收。

    这才是我认为一个政治领导者应该采取的方式。

    同样的道理也适用于这次美国中期选举。

    无论选举最终传递出什么信息，我都希望众议院、参议院以及白宫的领导者能够认真倾听美国人民的意见。

    选举不仅是决定谁能够继续掌握权力的机制，也是选民向政治领导者表达政策偏好和不满的重要方式。

    如果政治领导者只把失败看成政治对手造成的结果，却不愿意认真反思自己的政策是否符合选民意愿，那么他就错过了选举所提供的最重要的信息。

    十六、共和党的减税政策是否加剧了财政问题？2018 年的成功经验，不能简单复制到今天

    问：但共和党本身也在联邦政府层面增加了大量支出，不是吗？

    Ken Griffin:

    事实上，如果我们要批评共和党过去两年的财政政策，我认为他们在减税问题上所承担的责任，可能比增加支出还要大。

    如果我们希望认真讨论本届政府的经济政策，这是一个非常值得研究的问题。

    特朗普总统在 2018 年前后推行过大规模减税。

    当时，这些减税政策背后的核心逻辑是，通过降低税收负担，重新激发美国经济的生产力和创业精神，让企业更愿意投资，让创业者更愿意承担风险，并推动整个经济加速增长。

    我认为，当时这种判断基本是正确的。

    但是，大约一年多前，当政府再次采用类似政策时，美国的财政环境已经发生了一个极其重要的变化。

    2018 年与一年多前之间，存在一个巨大的区别。

    那就是新冠疫情期间史无前例的财政支出。

    在疫情期间，美国政府进行了规模极其庞大的财政扩张。我们必须认识到，这些支出的规模有多么惊人。

    很多人已经忘记了，我们在疫情期间投入的公共资金，如果按照占国内生产总值的比例来衡量，规模几乎可以与美国为了赢得第二次世界大战所承担的财政成本相比。

    这就是当时整个国家为了让人们待在家中所承担的财政代价。

    我们必须认真面对这一事实。

    疫情之前，美国的财政状况已经存在困难，但疫情期间的巨额支出，使我们的财政状况进一步恶化。

    因此，我认为，一年多前美国已经不再拥有足够的财政空间，可以像 2018 年那样再次延续大规模减税政策。

    我们必须考虑国家已经承担的债务负担，以及继续减税对未来财政状况可能造成的影响。

    现在，联邦债务规模已经达到大约 40 万亿美元。随着债务规模不断扩大，挤出效应（Crowding Out）的问题重新成为经济讨论中的核心议题。

    我们为什么会发现住房抵押贷款如此昂贵？为什么 30 年期抵押贷款利率或者长期融资利率处于这么高的水平？

    当然，这并不是单一原因造成的。

    通货膨胀没有得到充分控制，是其中一个重要因素。经济中的其他条件也会影响长期利率。

    但是，我们不能忽视一个事实：美国的财政状况显然已经失去了应有的纪律。

    我们需要重新整顿国家财政。

    如果政府持续维持巨额财政赤字，不断增加债务，那么这种行为最终就会对私人部门的融资环境、资本成本以及整个经济的长期增长前景产生影响。

    一个国家不能无限制地增加债务，却假设这些债务不会造成任何经济后果。

    我们必须认真解决这个问题。

    十七、如何解决美国财政赤字？第一要务不是削减，而是提高生产力

    问：但究竟怎样才能真正整理好美国的财政状况？你刚才谈到伊利诺伊州的例子，认为选民可能希望政府减少支出。但从现实来看，政治人物通常不愿意削减任何政府项目，也不愿意提高税收。那么，最终会是什么力量迫使政府采取行动？是因为资本竞争吗？或者最终由债券市场来施加压力？

    Ken Griffin:

    我认为，首先，作为一个国家，我们真的需要尽最大努力打好生产力这张牌。

    如果按照优先级来排列，我认为第一件事情就是：让美国经济增长。

    我们必须让经济增长。

    而且，如果我们希望美国经济增长，实际上也应该推动欧洲经济增长。

    这就是为什么我认为我们与欧洲之间的关税争端是一场彻底的失败。在当前这个时刻，我们本来应该把全部政治资本用于推动欧洲采取能够促进经济增长的改革，而不是与欧洲盟友进行贸易争端。

    我们可以非常直接地与欧洲讨论这个问题。

    如果欧洲希望美国继续为欧洲承担重要的国防责任，那么欧洲国家就必须认真思考，如何让自己的经济更具生产力。

    我们应该告诉欧洲：你们希望我们为你们提供国防保障？那么，你们也必须重新努力工作，让自己的经济增长。

    看看法国。

    法国对于每周工作时间存在非常严格的限制。我认为这种限制非常不合理。

    法国希望美国为欧洲提供安全保障，却又不愿意通过必要的劳动和经济改革，提高自己的生产力。

    从美国纳税人的角度来看，这种安排很难令人接受。

    因此，我们必须把提高生产力作为整个经济政策的核心。

    这意味着，我们需要支持人工智能革命。

    我们需要确保下一代数据中心能够在美国建设，让美国拥有支撑人工智能发展的基础设施。

    但我们不能只关注人工智能这一项技术。

    我们需要同时推动更多不同领域的创新，让整个国家有更多促进生产力发展的途径。

    我们应该投入更多资源研究核聚变，也应该继续发展核裂变技术。能源对于未来经济增长至关重要，如果我们能够以更低成本、更高可靠性获得大量能源，那么许多行业的生产效率都有可能因此得到改善。

    我们需要进一步推动电池技术的发展。

    我们还需要更加重视机器人技术。

    我们需要集中精力发展那些能够在未来二十年释放生产力的关键技术。

    从经济政策的角度来看，我认为这应该成为美国政府最重要、最集中的工作目标。

    我们需要让经济增长，同时推动我们的盟友进行真正有意义的改革，让他们的经济也能够增长。

    因为整个西方世界实际上正处在同一条船上。

    美国和欧洲面临许多相似的问题，包括人口结构变化、财政压力、长期经济增长，以及如何为已经作出的社会福利承诺提供资金。

    我们不可能通过不断折磨彼此、相互增加贸易壁垒来摆脱这些问题。

    相反，我们应该共同努力，让所有人的经济蛋糕变得更大。

    这应该是第一项优先事项。

    十八、教育改革：一个国家不可能拥有失效的学校体系，却继续享有过去五十年的繁荣

    Ken Griffin:

    第二件必须做的事情，就是修复我们的教育体系。

    如果一个国家的学校体系已经出现严重问题，却仍然希望继续享受过去五十年所取得的经济繁荣，我认为这是不现实的。

    教育决定了未来劳动力的能力，也决定了下一代人能否真正参与科技创新、创造经济价值，以及把握新技术所带来的机会。

    如果我们不能为年轻人提供高质量的基础教育，那么即使国家拥有先进的技术和资本市场，也很难确保长期繁荣能够持续。

    回到伊利诺伊州的例子。

    我们经常听到各种关于教育改革的政治口号，但我希望大家真正关注一些具体事实。

    大约两三年前，伊利诺伊州有 53 所学校，没有任何一名学生能够达到所在年级应有的学业水平。

    我希望大家认真想一想这意味着什么。

    53 所学校。

    在这些学校里，没有一个孩子能够在相应的年级水平上完成应该掌握的学业要求。

    一个都没有。

    这显然不是一个能够让社会接受的教育结果。

    我们不能一方面看到学校教育体系出现如此严重的失败，另一方面却假设这些孩子未来仍然能够获得充分的就业机会，能够进入不断发展的高技术经济，并拥有与上一代人相同的经济发展前景。

    这样的教育体系必须改革。

    而且，我们确实知道，一些不同的教育模式能够取得非常好的结果。

    例如，纽约的 Success Academy 特许学校体系，以及 Eva Moskowitz 所开展的教育工作，就是值得关注的案例。

    我有机会亲自走进 Success Academy 的课堂，观察那些即将毕业的高中生如何学习。

    坦率地说，那次经历让我感到非常谦卑。

    我走进一间艺术史课堂，老师向学生展示一幅画。

    然后老师开始提问：这幅画是谁创作的？创作于哪一年？来自哪个国家？当时那个社会正在经历什么重要问题？这幅画又与那个时期的社会背景存在什么联系？

    我自己对艺术了解不少，但看到其中一些作品时，甚至连画家的名字都认不出来。

    然而，课堂里有一个学生举起手，直接说出了艺术家的名字、所在国家、创作年份，以及那个时期相关的社会问题。

    他不仅知道作品是谁创作的，还能够把它放进具体的历史和社会背景中进行理解。

    这让我同时感到温暖和震撼。

    因为当你亲眼看到年轻学生能够掌握如此深入的知识，并且能够自信、准确地表达自己的理解时，你就会意识到，高质量教育究竟可以创造多么巨大的改变。

    这也让我更加确信，我们不能接受那些基础教育长期失败的情况，更不能因为某些学校处于困难地区，就降低对学生学习成果的期待。

    我们应该认真研究那些真正能够帮助孩子取得进步的教育模式，并思考如何让更多年轻人获得同样的机会。

    Post #4
  • October 23, 2026 城堡证券 Ken Griffin 访谈：人工智能和我们的未来
    谈笑风生

    第二部分（2/4）｜AI 泡沫、对冲基金去杠杆、危机交易与美国政治

    八、AI 几乎肯定存在泡沫，但泡沫往往伴随着真正的技术革命

    问：正因为人们不知道这些问题的答案，讨论往往就会转向一个话题：我们是否正处于泡沫之中？Ray Dalio 认为这是一个泡沫，Howard Marks 表示自己正在密切观察泡沫风险，国际清算银行（BIS）也指出，当前的情况让人联想到互联网泡沫时期。我想知道，你是否认为 AI 市场正在形成泡沫？如果确实如此，这一点究竟有多重要？你是否认为，AI 产业链的某些环节已经出现了泡沫即将破裂的迹象？

    Ken Griffin:

    从宏观层面来看，我认为，在当前这个时点，市场中几乎肯定存在一些泡沫。但我们需要理解一个更大的历史规律：每当一项技术从根本上改变整个经济体系时，这种剧烈的转型通常都会与某种形式的泡沫交织在一起。技术变革和投资泡沫并不是两种完全对立的现象，相反，它们经常同时出现。

    回想一下 1999 年和 2000 年，当时我们使用什么样的指标来给互联网公司估值？那时候的很多估值方法，今天回过头来看都非常夸张。坦率地说，其中一些互联网公司的商业模式确实相当异想天开。投资者对它们的增长潜力、市场规模以及未来盈利能力作出了极其乐观的假设，而很多这样的假设最终都没有成为现实。

    但另一方面，我真的非常希望自己当年没有卖掉亚马逊的股票。

    互联网当时是一个巨大的泡沫，但如果你今天观察我们的日常生活，还有什么技术能比互联网更加深入地融入其中？互联网已经成为我们工作、娱乐、购物、交流以及获取信息的基础设施。我们很难想象一个完全没有互联网的世界，而二十多年前，这一切还远远没有今天这样普及。

    我以前讲过一个故事。几年前，我和儿子一起更新家里的 Xbox 游戏机。当时他 13 岁，他突然转过头来看着我，对我说：“爸爸，你居然生活在一个没有互联网的年代。”

    （笑声）

    我告诉他：“是的，没错。不过，我出生的时候，恐龙已经灭绝了。”

    （笑声）

    但事实确实如此。互联网出现之前，人类也有自己的生活。只不过对于今天一个 20 岁左右的年轻人来说，这件事情几乎已经难以理解。他们从出生起就生活在互联网无处不在的环境中，很难想象过去人们究竟如何交流、获取信息或者完成日常事务。

    所以，如果我们决定使用“泡沫”这个词，就必须认识到，这些泡沫往往与改变世界的重大技术转型同时发生。铁路就是另一个例子。在铁路发展的历史上，同样出现过大规模的投资热潮、资本过度投入以及随后的金融损失，但铁路本身最终改变了整个经济体系，改变了商品和人员流动的方式，也改变了产业发展的地理格局。

    泡沫破裂之后留下来的东西，往往仍然会从根本上改变世界。而那些能够穿越泡沫、在泡沫结束后继续生存和发展的企业，往往会成为未来几十年的市场领导者。

    这就是为什么我不认为“AI 存在泡沫”和“AI 将改变世界”之间存在矛盾。这两件事情完全可以同时成立。我们可以对今天某些公司的估值、商业模式以及资本开支保持怀疑，同时仍然相信人工智能会成为改变经济运行方式的一项基础性技术。

    问：我还想说一点，我觉得非常有趣：即使你有这么多工作要做，你在家里居然仍然是负责技术支持的人。你还在帮孩子更新 Xbox？

    Ken Griffin:

    是的，我还得负责更新 Xbox。

    （笑声）

    九、当市场下跌时，把原因归咎于“对冲基金去杠杆”，往往是在逃避真正的问题

    问：现在很多人看到市场下跌，就会说这不过是对冲基金在去杠杆。Ken，我想你对这个问题应该很熟悉。我很好奇，你是如何看待过去一周市场发生的变化的？你如何判断一次下跌究竟是市场在重新定价、基本面发生了真正的变化，还是某个投资者被迫清算仓位？也许某家机构遭遇了追加保证金要求，不得不卖出资产。这些情况应该如何区分？

    Ken Griffin:

    每当人们在市场里亏钱时，他们最喜欢拿出来的解释就是：对冲基金正在去杠杆。

    事实上，在过去十年里，我至少听到过一万次这样的说法，仿佛整个对冲基金行业已经去杠杆到零了一万遍。几乎每天你都可能接到一个电话，对方告诉你：“市场这样下跌，一定是因为对冲基金正在去杠杆。”

    （笑声）

    我有时候甚至会想，这些对冲基金究竟是什么时候重新加上杠杆的？因为按照这种解释，它们似乎每天都在去杠杆。

    人们如此喜欢这个答案，是因为它能让你摆脱对自己投资判断负责的必要。一旦你说“这是对冲基金去杠杆导致的”，你就为市场下跌找到了一个非常方便的外部原因，好像这件事与你对市场的理解没有关系，也不需要你进一步研究。

    但我不希望我们这样思考问题。

    当市场价格发生变化时，我们真正应该做的是认真研究：哪些资产的价格正在变化？为什么会发生这样的变化？我们没有理解的事情是什么？市场正在反映什么新的信息？是否有什么重要的变化已经发生，但我们还没有意识到？

    因为一旦我开始为市场变化寻找借口，我就停止了学习。

    这对投资来说是非常危险的。当你认为自己已经找到了一个简单的解释时，你就不再有动力去寻找真正的原因。你不再质疑自己的研究，不再认真思考其他市场参与者是否掌握了你所没有掌握的信息，也不再努力理解市场为什么会与你的预期不同。

    所以，在我列出的市场下跌可能原因中，我希望“对冲基金去杠杆”排在第十位，而不是第一位。

    排在前九位的，应该是各种关于我们究竟没有理解什么的问题。

    我们究竟遗漏了什么？是否有其他投资者已经看到了某种变化？Capital Group 的人发现了什么？Fidelity 或者 Wellington 的投资团队是否把一些信息联系了起来，而我们还没有发现其中的联系？他们是否比我们更准确地理解了某家公司的商业模式、未来盈利能力或者整个行业正在发生的变化？

    我希望我们首先假设，市场中有其他人真正理解了一个我们还没有理解的故事。我们要做的是找到这个故事，弄清楚它是什么，以及为什么别人能够看到它，而我们没有。

    这是我们作为投资者应该保持的态度。

    如果我们已经沿着所有能够想到的路径进行了研究，认真检查了每一种可能的基本面解释，并且仍然无法找到合理答案，那么好吧，我们可以开始讨论，究竟是不是某些机构正在减仓或者去杠杆。

    但这应该是我们考虑的第十种可能性，而不是遇到市场下跌时首先拿出来的解释。

    十、Situational Awareness 交易：如何在市场被迫抛售时承担风险？

    问：那么，这样的分析方法如何应用到今年夏天发生的 Situational Awareness 事件上？我认为，从任何角度看，那都是一笔非常出色的交易。根据已经披露的报道，你们选择了非常恰当的时机，在市场回升时出售资产。能否介绍一下，当市场出现明确的去杠杆行为时，你如何判断承担风险的机会？你又如何建立信心，相信在这种时刻介入能够带来回报？

    Ken Griffin:

    在过去二十年里，我们曾经参与过多次大型投资组合的重组和交易。

    例如，2006 年前后，我们参与了 Amaranth 能源投资组合的重组；2007 年，我们也参与过 Sowood 相关的交易。除此之外，还有其他一些大型交易，只不过它们没有受到同样广泛的关注，也没有在市场上获得那么高的知名度。

    Situational Awareness 面临的情况是，作为资产管理人和受托管理者，他们需要审慎地筹集现金。他们必须考虑投资者的利益，并采取适当措施管理整个组合的风险。

    我们向他们提供了一个整体解决方案，帮助他们满足筹集现金的需求，同时保护他们在当年已经获得的相当可观的投资收益。

    我认为，这对于他们的投资者来说，是一个非常重要的积极结果。

    我们需要明确一点：他们今年的收益仍然相当可观。他们确实经历了一段比较曲折的过程，但当一切尘埃落定时，他们的投资者应当对最终结果感到满意。即使经历了市场动荡以及投资组合所面临的困难，他们今年仍然获得了正收益，而且收益幅度并不小。

    当我们研究这样的交易机会时，我们首先要理解，究竟是什么力量推动了已经发生的市场事件。我们不能只看某个投资组合当前的价格，而必须理解市场中不同参与者的行为，以及这些行为如何相互作用，最终形成眼前的市场环境。

    随着 Situational Awareness 的处境逐渐变得困难，市场中一些行动非常迅速的短线资金账户，毫无疑问会开始提前交易，试图抢在 Situational Awareness 或者其他类似投资者采取行动之前建立头寸。

    这是金融市场中非常经典的一种交易模式。

    你认为某个投资者正在遇到麻烦，于是你开始预测，他接下来可能被迫采取什么行动。他可能需要卖出某些资产，降低某些风险敞口，或者采取其他防御性的措施。你根据这些预期提前调整自己的交易策略，而其他市场参与者也可能做出类似的判断。

    于是，不论这些交易最初是出于防御目的还是进攻目的，你都可能开始把一种原本只是可能发生的事情，逐渐变成实际发生的事情。

    这就是金融市场中非常有意思、也非常危险的一个现象：市场参与者对于未来行为的预期，本身就能够改变当前价格，最终使他们所预期的事情成为现实。

    举一个简单的例子。假设你只知道一件事：那些大量持有 AI 主题股票的投资者现在遇到了困难，他们很可能需要降低风险敞口。

    你可能因此决定，自己暂时不再买入这些 AI 股票。你也可能决定减少已经持有的相关头寸，因为你担心未来会出现更多卖盘。

    即使你没有主动大规模做空这些资产，仅仅是因为这种预期而停止买入，或者适度降低风险敞口，你的行为就已经开始影响市场了。

    当大量投资者都采取类似行动时，股票的买盘会减少，价格可能进一步下跌，而价格下跌又会增加那些原本已经承受压力的投资者所面临的风险。

    这样一来，原本只是“某些投资者可能需要减仓”的可能性，就逐渐转化成了现实。

    Situational Awareness 正是在这样一种环境中发现，出于充分谨慎的考虑，他们需要筹集现金。

    但我们在过去很多类似交易中发现，当你在这样的市场环境里接手一个大型投资组合时，往往会看到资产价格出现相当迅速的反弹。

    原因是，一旦市场重新建立信心，而且人们不再担心某个大型投资组合会突然遭到大规模、快速的强制出售，此前压在资产价格上的一部分压力就可能消失。

    市场原本担心会有大量资产被迫抛售，因此提前调整仓位。当这种不确定性被解除之后，买方可能重新进入市场，价格也就有机会出现比较明显的反转。

    从某种意义上说，我们当时投入资本，正是基于这样的判断。

    最终，我们做得还不错。

    不过，这是一笔非常复杂的交易。我们需要在极短时间内购买一个结构复杂的大型投资组合，整个交易从开始到完成不到 24 小时。

    但是，完成资产收购并不意味着所有工作都已经结束。

    接下来，我们还需要管理整个投资组合的风险敞口。为了把组合的风险调整到我们能够接受的水平，我们在市场中又进行了好几天的交易。

    这实际上是我们非常擅长的一项工作。

    我们已经非常习惯于分析大型投资组合，判断其中最重要的风险究竟来自哪里，以及如何以尽可能低的交易成本，把这些关键风险降下来。

    在接手一个复杂组合的时候，你不一定需要立刻出售所有资产。事实上，如果你试图在很短的时间内直接清算每一个头寸，交易成本可能会非常高，你甚至可能因为自己的卖出行为进一步压低市场价格。

    所以，我们首先要识别的是整个组合的关键风险，并找到成本效率最高的办法，对这些风险进行控制。

    一旦你能够以较低成本锁定并控制组合中的主要风险，接下来就可以更加从容地逐步减少单个头寸。

    这是一种非常重要的组合管理能力。你需要同时理解投资组合的整体结构、不同风险因素之间的关系，以及市场在不同流动性环境下能够吸收多大规模的交易。

    我们拥有相应的系统、专业知识和内部人才，能够把这些复杂的调整真正执行出来。

    你可以把它想象成在棋盘上移动棋子。你必须清楚每一步动作会如何影响整个局面，知道哪些风险需要优先解决，哪些头寸可以稍后处理，以及怎样安排交易顺序，才能把整体成本降到最低。

    这就是我们能够参与并完成这种大型交易的重要原因。

    十一、Situational Awareness 为什么遭遇危机？我不认为类似事件会频繁发生

    问：考虑到目前市场确实存在一些泡沫特征——如果我们愿意使用这个词的话——你预计今后还会出现更多类似 Situational Awareness 的事件吗？我并不是说这些事件会直接导致整个市场下跌，但在这样的市场环境下，是否应该认为类似的投资组合危机会不断发生？

    Ken Griffin:

    坦率地说，如果未来不久再次出现一模一样的事件，我反而会有些惊讶。

    Situational Awareness 当时遭遇的情况，是几个不同因素在同一时间共同作用，导致其持仓资产价格出现了相当明显的下跌。

    首先，市场受到了 Kimi 相关发布消息的影响。其次，市场中还出现了一些关于基础模型公司未来增长速度的讨论，这些讨论对相关 AI 资产的估值产生了影响。与此同时，一些大型养老基金恰好也在那个时间点调整自己的投资组合。

    所以，他们实际上是在同一时间遭遇了几种不同的压力。

    我不愿意把这称为一场“完美风暴”，因为我认为这种说法有些夸张。但他们确实在同一时间遭遇了三场中等规模的风暴。

    这几个因素叠加在一起，形成了非常明显的市场压力。

    显然，他们的投资组合在杠杆达到高峰时，可能使用了过多的杠杆。

    当一个投资组合拥有过高的杠杆，而市场又同时遭遇几种不利变化时，投资者就可能迅速陷入困难。价格下跌会直接影响风险状况，风险状况的恶化又会迫使投资者采取防御措施，而这些防御措施可能进一步加剧价格压力。

    他们在这三场中等规模的风暴中受到了相当大的冲击，最终陷入了一段动荡时期。

    但我不会按照未来很快还会再次出现这种事件的假设，去经营自己的公司或者安排自己的业务。

    当然，金融行业里总会有一些机构陷入困难。只要时间足够长，这种事情就一定会发生。

    2008 年，在全球金融危机最严重的时候，Citadel 自己也曾经面临非常困难的处境。

    事实上，如果当年摩根士丹利没有成功从日本投资者那里获得融资，最终走向倒闭，我不认为今天自己还会站在这个舞台上。

    这是我对金融危机的切身体会。

    对于金融服务行业中的任何一家企业，只要它存续的时间足够长，历史上几乎一定会出现某个极其困难、甚至令人绝望的时刻。

    如果一家使用杠杆的金融机构能够存活足够长的时间，那么在它的历史中，几乎总会有那么一段经历：它发现自己已经退无可退，背靠着墙壁，必须想办法渡过眼前的危机。

    这并不意味着所有金融机构最终都会倒闭，也不意味着每次市场震荡都将演变成系统性危机。但我们必须承认，杠杆金融机构在长期经营过程中，确实可能面临极端困难的时刻。

    这也是为什么我们需要认真理解风险、管理风险，并且在市场发生剧烈变化时，仍然能够迅速采取行动。

    十二、美国中期选举：政治制度本身就包含对执政党的制衡

    问：Ken，我们能否转换一下话题？目前我们面临的一个重大市场风险和社会变化是 AI，而另一个重要事件将在两周之后发生，那就是美国中期选举。现在，民主社会主义候选人的影响力正在上升，总统的支持率据报道也处在 33% 的历史低点。你过去投入了大量资金支持共和党候选人。我想知道，你目前对这场选举的态度是什么？你还在继续投入政治捐款吗？

    Ken Griffin:

    我其实更喜欢刚才那个话题。

    （笑声）

    问：我相信这个政治话题里面也一定有 AI 的角度。

    事实上，确实存在相当重要的 AI 因素。不过，我们可以先从政治捐款谈起。你是否仍然在继续投入资金？你是否认为自己还能在最后阶段帮助这些候选人？

    Ken Griffin:

    首先，我认为我们应该从更宏观的角度理解美国政治制度。

    美国的中期选举，本身就是对执政党的制衡机制。这是美国政治制度中非常重要的一部分。

    从这一角度来看，我认为共和党和特朗普总统几乎肯定会失去国会两院中的至少一院，也有可能同时失去众议院和参议院的控制权。

    众议院目前面临的局面非常困难，参议院的竞争也会非常接近。

    我认为我们应该直接面对这一现实。这是美国正常政治周期的一部分，而不是某种完全出乎意料的事情。

    在这次选举周期中，我支持了不少众议院和参议院候选人。其中很多人，我已经连续支持了多个选举周期。我支持他们，是因为我认为他们所代表的价值观，对于我们国家的未来非常重要。

    当然，也有一些候选人，我并不那么认同，因此可能不会向他们提供支持。

    但我想强调，我的政治捐款和政治参与并不仅仅局限于共和党。

    例如，Rahm Emanuel 在芝加哥竞选市长的时候，我就是他最大的支持者之一。我认为 Rahm 在担任芝加哥市长期间做得非常出色。

    事实上，我还有一个比较特别的经历：在某个选举周期里，我是美国为民主、共和两党都组织过政治筹款活动的少数筹款人之一。

    当奥巴马总统还在参加民主党初选的时候，我们就曾经为他组织过一场早期筹款活动。

    当时他是我所在的伊利诺伊州的联邦参议员。我认为，他有可能成为未来的美国总统，因此我觉得，让我的团队成员有机会与他见面，是一件非常重要的事情。

    他参加了我们的活动，而他的表现确实非常出色，给大家留下了深刻印象。

    因此，对我来说，政治参与的第一个重要原则，就是我希望 Citadel 的所有同事都积极参与政治。

    我希望我的同事们关心美国政治，认真思考我们国家应该如何治理，应该由什么样的人担任公共职务，以及哪些政策对于国家未来的发展最为重要。

    事实上，在我的公司里，如果一定要按照政党倾向来区分，我猜大概有略微超过一半的同事是民主党支持者，而共和党支持者则占少数。

    这完全没有问题。

    我非常喜欢的一点是，我们公司的走廊里经常会发生健康、积极的政治讨论。不同的人对候选人和政策有不同意见，他们能够展开认真讨论，但这些政治分歧从来不会成为同事之间的摩擦来源。

    我认为，这实际上正是我们作为一个国家应该呈现出的样子。

    我们应该能够围绕究竟由谁来治理国家，进行充分、健康的讨论。人们可以支持不同政党，也可以对具体政策有截然不同的看法，但这不应该妨碍他们相互尊重、共同工作，或者在其他问题上寻找共识。

    我也非常希望，那些支持民主党的同事，在选择自己要支持的候选人时，能够像我在共和党内部所做的那样，认真考察候选人的价值观、政策立场，以及他们是否真正把国家利益放在第一位。

    我希望他们支持那些拥有恰当价值观和判断力、真正关心国家未来的候选人。

    而且，我认为我们两党之间其实存在许多可以达成共识的重要议题。

    例如，从幼儿园到高中阶段的基础教育，也就是 K-12 教育，我们应该如何提高教育质量？我们如何确保城市街道的安全？我们如何维持强大的国防能力？我们又应该如何与世界各地的国家建立良好的同盟关系？

    这些都是关系到美国未来的重要问题。

    我认为，在许多这样的领域，民主党和共和党之间都能够找到相当广泛的共同立场。

    因此，我希望更多的人能够积极参与政治，而不仅仅是把政治当作两党之间的对抗。我希望人们能够认真思考候选人所代表的价值，以及哪些公共政策真正有助于国家长期发展。

    好了，关于政治参与和两党讨论，我先说到这里。

    接下来，我们再具体谈谈这次中期选举。

    Post #3
  • October 23, 2026 城堡证券 Ken Griffin 访谈：人工智能和我们的未来
    谈笑风生

    AI 整理的访谈文章。

    第一部分（1/4）｜人工智能革命、就业冲击、投资研究与 AI 基础设施的经济学

    Ken Griffin｜Citadel Securities 年度会议访谈｜2026 年

    一、人工智能的发展速度，已经超出了我的预期

    问：欢迎各位参加今晚的活动。Ken，非常感谢你邀请我来到这里。今天是 Citadel Securities 年度会议，回顾过去一年，世界已经发生了非常大的变化。人工智能从此前的实验性技术，发展到如今能够解决 80 年来一直悬而未决的数学难题。我听过你最近的一次采访，你提到，有个星期五你非常沮丧地回到家，因为 AI 只需要几个小时，就能完成博士级别的研究工作。虽然这个问题已经有人多次问过你，但技术变化实在太快了。我们先从工作的未来谈起：过去一年，你对 AI 能够做什么、不能做什么的判断，发生了多大变化？

    Ken Griffin:

    毫无疑问，过去一年的变化非常惊人。仅仅一年的时间，人工智能模型就取得了极其巨大的进步。在许多领域，AI 已经真正成为能够改变整个行业游戏规则的技术。

    我之前在斯坦福大学做过一次演讲，谈到我们在公司内部观察到的一个现象。过去，我们的博士和硕士研究人员需要花四到六周才能完成的一些工作，现在只需要在键盘上按下一个按钮，等待几个小时，AI 就能够给出完全相同的答案。这里讨论的不是简单的行政工作，也不是机械性的数据输入，而是真正高水平的白领知识工作，是我们过去需要雇用受过多年高等教育的专业人士才能完成的任务。

    我记得第一次看到这种能力的时候，那天是星期五。我回到家时，确实感到非常沮丧。因为当你亲眼看到这种变化发生，你会同时意识到好几件事情，而且每一件事都具有深远的影响。

    首先，你会看到白领工作所面临的威胁开始真正成为现实。过去我们可能认为，AI 主要影响的是重复性的、容易标准化的工作，而那些需要高度教育、专业分析能力和复杂判断的岗位，会受到相对充分的保护。但现在，你看到的是，原本需要博士和硕士花费数周完成的任务，AI 在几个小时内就能够完成。这意味着，我们不得不重新思考大量白领岗位的未来。

    其次，作为一名企业所有者，你会发现自己过去辛苦建立的竞争护城河，仿佛正在被推土机一点一点地填平。企业过去可能依靠多年积累的专业知识、组织能力、人才储备以及复杂的内部流程，形成很难被竞争对手复制的优势。但当 AI 能够把这些能力中的相当一部分迅速普及出去时，原有的竞争壁垒就会受到巨大挑战。那些过去需要投入大量资源才能建立的能力，现在可能变得容易获得得多。

    但与此同时，你又会意识到，我们可能正在进入一个创业的黄金时代。对于新企业的创建，对于美国年轻一代的创业者来说，这是一种多么巨大的机会。以前，创办一家公司可能需要庞大的团队、资金和专业能力。现在，人工智能正在使很多原本昂贵、稀缺的能力变得更加容易获得。对于有创造力、有想法、愿意承担风险的年轻创业者来说，这是一个非常特殊的历史时刻。

    所以，当我看到人工智能如此迅速地发展时，实际上是三种情绪同时出现：我担心现有的白领岗位，我担心现有企业的竞争优势遭到削弱，但我又对创业活动即将迎来的机会感到兴奋。我认为，这三个方面都会对我们的经济产生非常现实而且深远的影响。

    对于那些职业恰好处于 AI 能力覆盖范围之内的人，我们作为一个国家，必须认真对待重新培训和技能转换的问题。举一个非常直接的例子，如果你的专业技能是把英语翻译成德语，那么你很可能已经失去了原来的工作。因为这种任务现在可以由人工智能以很低的成本完成，而且完成得相当好。对于这些人来说，困难不仅仅在于失去当前的工作，还在于他们很难找到一种与原来职业足够相似、能够直接替代的工作。

    因此，我们作为一个国家，需要大规模开展再培训，而且必须以一种真正深刻、系统性的方式来进行。这不是组织几场培训活动，或者在政策文件中写上几句鼓励终身学习就能够解决的问题。我们需要让受到技术冲击的人真正获得进入其他职业的能力。

    现在，关于技能再培训有很多讨论，但在实际行动方面，我们并没有看到相应的进展。这是一个非常严重的问题，因为技术发展的速度已经远远超过了我们帮助劳动力适应变化的速度。

    另一方面，对于美国企业来说，竞争护城河被不断填平，意味着所有企业都必须加快脚步。你必须更快地创新，更快地为客户创造价值，更快地找到降低成本的方法。过去，你可能拥有五年甚至十年的时间来利用某种竞争优势，但现在，这些优势可能很快就会遭到挑战。你必须持续改进自己的产品、服务和运营方式。

    不过，从消费者的角度来看，我认为这实际上是一件非常好的事情。竞争压力会迫使美国企业不断提高自己的表现，而美国消费者最终会从中获益。当企业不得不更快地创新、更加努力地降低成本并为客户提供更好的产品时，整个社会都会获得收益。

    还有一个方面，就是我们可能正站在创业黄金时代的起点。我认为，这对美国来说是一件非常值得期待的事情，因为当人们创办小企业时，他们能够对就业产生非常积极的影响。

    这里有一点，我认为我们在美国讨论得远远不够：创业公司对于那些履历并不完美的人，具有非常重要的意义。

    一家已经非常成熟的大型企业，在招聘时往往有一套相对固定的标准。它可能会看你的教育背景、此前就职的公司、职业经历是否连续，以及你是否具备某种传统意义上的优秀资历。但创业公司通常不完全按照这些标准来判断一个人。创业公司愿意雇用那些非常努力、非常渴望成功，却没有完美学历背景或职业履历的人。

    对于这样的人来说，加入一家创业公司，可能就意味着获得了一条全新的职业发展道路。他们原本可能因为教育背景、早期工作经历或某些职业挫折，而无法进入大型企业的理想岗位。但创业公司可以给他们机会，让他们通过自己的努力证明能力，并建立全新的职业生涯。

    我认为美国社会没有充分讨论创业企业在这方面的重要性。我们经常谈论创业公司如何创造技术，如何吸引投资，如何改变市场，但我们对它们如何帮助那些履历存在缺陷的人重新开启职业生涯，谈得太少了。这实际上是创业活动对于社会非常重要的一项贡献。

    与此同时，这些创业公司还将创造大量全新的产品。其中很多产品，今天你和我甚至还没有想到过。人工智能为创业者提供的新能力，会让大量过去无法实现的商业想法变得可行。因此，当我从更长远的角度看待 AI 的发展时，我既看到了冲击，也看到了巨大的机会。

    二、我为什么从最初的沮丧转向乐观？

    问：Ken，听起来，你最初的沮丧已经逐渐转变成了乐观。这样理解公平吗？

    Ken Griffin:

    我认为是的，因为如果你回顾自由市场的历史，就会发现我们曾经多次经历类似的技术和经济转型。

    当然，我想强调，这些转型绝不是毫无痛苦的。对于已经处于市场中的企业而言，新技术和新的竞争形式会带来真正的挑战。一些企业会发现原有的商业模式不再有效，一些曾经拥有强大优势的公司会失去自己的地位，而许多依靠旧有技能谋生的人，也会在转型过程中面临非常困难的处境。

    这些变化确实会给人们带来痛苦。我们不应该忽视那些受到冲击的个人，也不应该轻描淡写地认为，每个人都能够轻松适应新的技术环境。

    但是，从历史的长期趋势来看，我们的生活最终会因此变得更好。

    我认为毫无疑问，你和我都会选择生活在 2026 年，而不是 1926 年。这两个时代在生活质量、医疗、技术、生产力以及我们能够获得的各种机会方面，根本无法相提并论。

    过去一百年发生的巨大技术和经济变化，让今天的生活条件与一百年前相比有了根本性的改善。尽管每一次转型都伴随着挑战，而且这些挑战对某些群体而言可能非常严峻，但从长期来看，技术进步和自由市场中的创新确实改善了我们的生活。

    我相信，人工智能的发展也将成为类似的历史转折点。当未来的人们回顾 2126 年的世界，并试图理解那个时代是如何形成的时候，2026 年前后人工智能所发生的变化，将成为其中非常重要的一部分。

    我们今天正在经历的事情，将成为未来一百年历史的重要组成部分。

    三、AI 能够直接创造投资 Alpha 吗？我仍然认为，研究的核心是人

    问：我们能不能从企业领导者的角度，讨论一下这些技术变化对你的影响？你大约一年半前曾经表示，人工智能不能直接创造或者提供 Alpha，也就是超额投资收益。随着 AI 能力不断增强，你对这个判断是否有所改变？

    Ken Griffin:

    归根结底，我们公司的大部分业务仍然建立在基本面投资之上。事实上，我甚至会认为，我们业务真正的核心其实是研究。

    从某种意义上来说，我们做的事情非常像新闻报道。最重要的问题是，你是否真正理解了一个故事？你是否准确掌握了其中的事实？你是否能够构建出正确的叙事，并解释究竟发生了什么，以及未来可能如何发展？

    交易是我们将研究成果变现的方式，但研究本身才是整个业务的核心。

    当我们研究一家公司时，我们需要理解它的商业模式，需要理解它的总可寻址市场，也就是 TAM，需要理解它的单位经济模型，需要理解管理层的激励机制。我们要判断它究竟如何赚钱，它的产品和服务面向怎样的市场，它的成本结构和盈利能力如何，以及管理层的利益是否与股东的利益保持一致。

    我们还需要理解，这些因素如何相互影响，并最终决定企业未来的经营表现。对于一个投资者而言，真正重要的不是简单收集几个数字，而是能否将这些信息组合成一个准确、连贯的商业判断。

    人工智能当然可以在其中某些环节提供帮助。它可以帮助我们理解一些局部问题，处理某些信息，或者对研究中的特定方面提供参考。但最终，关于一家企业的完整叙事，仍然是由人来建立的。

    当你完成了这些研究，接下来还需要判断，你应该为这家公司的未来现金流或者未来盈利支付怎样的估值倍数。这个估值又应该如何与其他投资机会进行比较？当你拥有有限的资本，而市场上存在很多不同的投资机会时，你如何决定应该将资本配置到哪里？

    这些问题并不是单纯的信息处理问题，而是需要研究、分析、创造力和判断力相互结合的问题。

    所以，我仍然坚定地认为，我们所创造的绝大部分 Alpha，都是我们团队中从事基本面研究的人员所表现出的创造力、独创性和分析能力的结果。这些人通过深入研究企业和市场，提出与其他投资者不同的判断，并由此发现能够产生超额收益的机会。

    然后，我们通过交易，将这些研究成果转化成实际的投资回报。

    事实上，如果你观察整个投资过程，会发现交易环节反而是目前自动化程度最高、技术应用最前沿的部分。

    原因很简单：如果你能够更有效地将研究成果变现，你就能够承担更大的投资头寸，并且从自己的投资观点中提取更多 Alpha。

    假设你做了大量研究，最终形成了一个非常有价值的投资判断。如果你的交易执行能力很差，进入或者退出头寸时需要承担很高的成本，那么即使研究判断正确，最终能够获得的回报也会受到明显影响。

    相反，如果你拥有高度自动化、技术先进而且执行效率很高的交易系统，就能够更充分地利用你的研究成果。你可以更有效地建立头寸、管理交易成本，并在市场允许的情况下扩大投资规模。

    因此，对于任何投资组合经理来说，一个非常重要的工作就是思考：我应该如何以最高效率进行交易，才能最大限度地提高研究成果所带来的投资回报？

    这也是为什么我们在交易执行方面投入了大量技术资源。研究为我们提供投资观点，而高效的交易系统则帮助我们将这些观点转化成尽可能好的实际结果。

    但这不意味着研究的核心已经被人工智能取代。至少从我们目前的业务实践来看，人的创造力、分析能力和基本面判断，仍然是我们创造 Alpha 的关键来源。

    四、AI 概念股的调整，并不只是市场情绪变化，而是投资者开始认真计算经济回报

    问：Citadel Securities 的交易业务不断创下新纪录，其中一部分来自过去一段时间市场波动性的上升。我也很想听听你对当前市场的看法。过去一周，半导体股票经历了自全球金融危机以来持续时间最长、程度最严重的连续下跌之一，一些公司的 IPO 被推迟或延后，市场也开始越来越担心人工智能究竟意味着什么。你认为市场正在经历一次重新定价吗？如果是，这种调整是否必要？

    Ken Griffin:

    我认为，市场现在实际正在经历的事情，是投资者开始认真做研究了。

    过去几年，围绕人工智能的投资，很大程度上是一种主题性投资。整个市场都在讨论，未来我们将投入数千亿美元，甚至一万亿美元建设数据中心，我们将以前所未有的规模建设计算基础设施。投资者所思考的核心问题，是这场巨大资本开支浪潮将使哪些企业成为赢家。

    在这样一个故事中，你首先会寻找供应链中的瓶颈环节。哪些公司控制着难以快速扩张的产能？哪些企业的产品对于整个 AI 基础设施的建设不可或缺？当需求迅速增长而供给无法立即跟上的时候，哪些公司能够获得远高于正常水平的利润率？

    然后，你会继续思考，谁将成为这场技术变革的最终受益者。会不会是微软这样的公司？会不会是 AWS 这样的云计算平台？这些大型科技企业是否会成为基础模型与最终客户之间的守门人？究竟谁能够在整个产业链中获得真正的经济租金？

    这些问题在过去几年推动了大量投资决策。

    但在某种意义上，市场的投资方式非常简单：既然这场技术革命如此巨大，而我们又暂时无法准确判断最后的赢家，那么我就把所有相关公司都买下来。

    我买入超大规模云计算服务商，也就是 Hyperscalers；我买入芯片公司；我还买入韩国、台湾和日本那些生产各种关键电子元器件的企业，其中有些产品甚至是五年前我从未听说过的。

    只要一家公司出现在 AI 基础设施投资的供应链上，只要它有可能从这场规模空前的建设浪潮中获益，就可能得到投资者的关注和资本支持。

    但现在，我们正在到达一个新的阶段，投资者开始变得更加有辨别力。

    我们确实看到，在动态随机存取存储器，也就是 DRAM，以及多层陶瓷电容器，也就是 MLCC 等领域，部分企业正在获得极高的利润率。这些利润率并不完全是凭空产生的，而是因为相关市场存在真实的供应约束。需求增长得很快，而供给在短期内无法迅速跟上，所以拥有相关产能的企业能够获得非常有利的定价。

    但是，投资者现在开始把目光放到两年、三年之后，并提出一个非常重要的问题：这种情况究竟能够持续多久？

    今天存在供应瓶颈，并不意味着两三年之后仍然存在供应瓶颈。今天一家企业能够获得极高的利润率，并不意味着未来几年这些利润率能够始终维持在相同水平。

    所以，市场正在从一个相对简单的主题投资阶段，进入一个更深入地研究长期经济回报的阶段。

    尤其是 GPU，我不想把这个问题讲得过于悲观，但我认为这里存在一个非常重要的经济学特征。

    GPU 与航空业有一个相似之处：一旦固定资产已经投入运营，额外提供一单位服务的边际成本可能非常低。

    你可以想象一家航空公司。假设一架飞机已经确定起飞，但机舱里仍然有一些空座位。在这种情况下，如果航空公司能够以 20 美元的价格出售其中一个原本会空着的座位，它仍然可能从这笔交易中获得正的边际贡献。

    因为飞机无论如何都要起飞，机组人员已经安排好了，很多运营成本也已经发生。额外搭载一名乘客所需要承担的增量成本，与组织整趟航班的总成本相比非常低。

    这就是航空业长期面临困难的原因之一。一旦出现运力过剩，价格就可能迅速下跌。当市场拥有太多座位、却没有足够乘客时，航空公司为了填满座位，会不断降低价格。这种定价机制对行业利润率形成了巨大的压力。

    我们实际上在 2000 年前后的电信基础设施建设热潮中，也见过类似的事情。

    当时，市场投入大量资本铺设光纤。企业认为未来互联网和通信需求会持续增长，于是建设了大量网络基础设施。但是，最终我们铺设的光纤数量超过了实际需求。

    其中相当一部分光纤成为所谓的暗光纤，也就是已经铺设完成、却始终没有被点亮和投入使用的光纤。它们并不是为了保持闲置而建设的，只是因为最终市场没有足够的需求，所以根本不需要启用这些线路。

    我们建设的光纤超过了市场所需要的数量，结果就是电信服务的价格急剧下降。

    这个例子非常重要，因为它说明，即使某种基础设施对整个经济具有巨大的长期价值，也不意味着建设这些基础设施的投资者一定能够获得理想的回报。

    当资本开支过度集中、产能最终超过真实需求时，整个行业的价格体系可能发生非常剧烈的变化。

    五、如果 GPU 供给超过需求，整个 AI 投资模型都可能被推翻

    问：你的意思是，我们现在可能正在朝着类似的局面发展？

    Ken Griffin:

    这正是目前最大的不确定性之一。

    如果未来某个时点，市场所提供的 GPU 计算能力超过了对 GPU 计算能力的实际需求，那么 GPU 算力的边际定价就可能出现自由落体式的下跌。

    这不是一个无关紧要的问题，而是可能直接颠覆当前大量投资假设的问题。

    今天，许多企业都在投入巨额资本建设数据中心、购买 GPU、配置电力和网络基础设施。支持这些投资决策的一个重要前提，是未来市场将持续需要大量算力，而且这些算力能够以足够高的价格出售。

    但如果供给增长最终超过需求，价格开始急剧下降，那么这些投资项目的收入预期、利润率和资本回报率都需要重新计算。

    所以，我认为这是投资者必须面对的第一个问题：未来 GPU 算力的供需关系究竟会如何演变？我们是否会在某个阶段出现供给过剩？如果出现过剩，市场定价将受到多大影响？

    第二个问题是，人们现在开始重新思考 GPU 的真实使用寿命。

    一块 GPU 究竟可以维持多长时间的经济价值？

    就在今天，市场上仍然有人可以从五六年前生产的 GPU 中获得非常高的服务价格。这是目前真实发生的事情，也是一些投资模型中非常重要的收入来源。

    但是，我不认为我们可以简单假设，五六年前生产的 GPU 在未来另外五六年里，仍然能够持续获得同样高的价格。

    当新的硬件不断推出、计算效率不断改善、单位算力成本不断下降时，旧设备所能获得的经济回报可能会发生变化。

    因此，市场上越来越多人开始怀疑，我们是否还能像十二个月前那样，为一块 GPU 在第七年、第八年、第九年的收入赋予相同的估值，或者使用相同的收入预测模型和资本化假设。

    如果一项资产的经济价值下降得比最初预期更快，那么你今天对它所作出的长期现金流预测，可能就会出现相当大的偏差。

    我认为，投资者现在实际上是在努力解决一个很核心的问题：人工智能算力需求究竟能够将整个市场的增长推动到什么程度？这种需求增长又能够持续多久？

    我们不能仅仅因为当前存在巨大需求，就假设未来所有新建产能都能够获得与今天相同的经济回报。

    六、企业正在重新计算 AI 投入产出比：最先进的模型，不一定适合所有任务

    Ken Griffin:

    除此之外，还有第二个非常值得讨论的问题。

    我们刚才主要讨论的是 AI 带来的积极变化，以及这项技术能够创造的巨大经济价值。但这里还存在另一个同样重要的叙事。

    美国企业在利用人工智能模型创造实际经济价值方面，表现得非常不均衡。

    有些企业已经取得了非常出色的成果，能够把人工智能有效融入内部流程，提高生产效率并改善业务表现。但并不是所有企业都做到了这一点，也并不是所有 AI 应用都能够带来与成本相匹配的收益。

    而且，美国最成熟、技术能力最强的一批企业，正在变得越来越善于区分不同任务所需要的模型能力。

    它们开始认真研究，企业内部究竟哪些业务必须使用 OpenAI、Anthropic 这样处于技术前沿的公司所提供的最先进模型，并愿意为这些模型支付非常高的价格；又有哪些业务实际上可以使用开源模型，以前者一小部分的成本完成任务。

    这种区分非常重要，因为并不是所有业务都需要最先进、最昂贵的人工智能。

    假设你的企业拥有大量不同的工作流程，其中有些任务非常复杂，对模型的推理能力、准确性以及专业知识有很高的要求。在这些任务中，使用最先进的模型可能创造非常大的价值，因此即使价格比较高，你仍然愿意支付。

    但企业还有大量其他任务，它们可能不需要最前沿的模型能力。如果相对便宜的开源模型就能够很好地完成这些任务，那么继续为最昂贵的模型支付高额费用，就未必具有经济合理性。

    我们已经看到，一些在企业内部应用 AI 方面取得非常出色成果的公司，正在迅速形成这种能力。它们会非常仔细地分析自己的 AI 支出，思考如何最大化每一美元投入所创造的回报。

    这实际上反映了一种重要的变化：企业正在从最初的技术探索阶段，逐步进入更加成熟的经济核算阶段。

    最开始，企业可能会因为担心落后于竞争对手，而迅速采购 AI 服务。它们希望员工能够尽快使用这项技术，希望内部各个部门积极尝试各种应用场景。在这一阶段，企业的重点可能是推动采用率和探索技术潜力。

    但当这些支出逐渐累积起来，管理层就开始更加认真地审视账单。

    我认为，现在整个美国企业界都在看自己收到的 Anthropic 和 OpenAI 账单，然后问同一个问题：我们必须确保这些支出真正转化为生产力。

    在很多领域，人工智能确实会带来显著的生产效率提升，我对此没有怀疑。但在另一些领域，我们也会发现有大量浪费。

    企业可能购买了昂贵的模型服务，却没有真正改变自己的工作流程；也可能为某些并不复杂的任务使用了成本过高的技术方案。还有一些应用，虽然在技术上非常有趣，但实际上没有创造足以覆盖成本的经济价值。

    所以，企业必须不断调整自己的使用方式，找出真正能够创造生产力的 AI 应用，同时减少那些低效或没有必要的支出。

    我认为，这个过程现在已经开始发生，而且未来会越来越重要。

    七、AI 模型公司巨额资本开支，与企业控制 AI 成本之间存在明显张力

    问：这是否意味着人工智能产业内部存在一种不可避免的矛盾？一方面，大语言模型公司正在投入巨额资金。《华尔街日报》的一篇报道提到，Anthropic 在其 S-1 文件中讨论了未来高达 7,500 亿美元的支出。也就是说，这些模型公司的支出还在继续增加；另一方面，美国企业却正在想办法削减自己的 AI 成本，寻找更便宜的模型和更高效的使用方式。Ken，这两种趋势之间是否存在明显的张力？

    Ken Griffin:

    当然存在。我想，你在提出这个问题的时候，其实已经把答案说出来了。

    （笑）

    你刚才的问题本身就已经带有非常明确的引导性，所以我可以直接回答：是的，确实存在这种张力。

    但接下来真正重要的问题，是 Anthropic 这样的公司能够在多大程度上，让自己的模型成为客户不可或缺的产品。

    换句话说，它们最终能够创造多大的独特价值？它们能否建立一种能力，让客户认为，无论价格多高，自己都必须使用这项技术？

    我们可以用生命科学领域来举例。

    假设 Anthropic 能够真正取得某种突破，使它的模型可以帮助科学家找到癌症或者其他危及生命的疾病的治疗方法。那么，对于整个制药行业来说，这项技术的价值就可能变得极其巨大。

    如果 Anthropic 最终能够让自己的模型成为世界上每一家制药公司都不可或缺的工具，那将是一个完全不同的经济局面。

    在这种情况下，客户购买的就不只是某种通用的语言模型服务，也不只是能够帮助员工提高一点工作效率的软件工具，而是能够直接推动医学研究、帮助发现下一代治疗方案的关键能力。

    如果一家公司能够利用这种技术解决过去无法解决的问题，开发出新的疗法，或者让原本难以取得突破的研究获得进展，那么它就可能愿意为这些模型的专业知识和工具支付非常高的价格。

    因为从客户的角度来看，这种技术所创造的价值，可能远远超过使用它的成本。

    如果 Anthropic 能够帮助制药企业开发出未来一个世纪的医疗治疗方案，那么它完全可能成为整个行业中不可替代的技术提供者。

    所以，现在真正还没有答案的问题是：随着这些模型变得越来越智能，它们能够在多大程度上获得极高的定价权？

    这种定价权并不单纯取决于模型有多聪明，也不只是取决于它能够完成多少日常工作，而是取决于它能否真正解决人类几个世纪以来一直无法解决的重大问题。

    如果这些模型最终能够帮助我们克服那些长期困扰人类的难题，那么它们所创造的价值就可能极其巨大，而提供这些能力的公司也可能因此获得非常强大的经济地位。

    但如果大量客户最终发现，自己的大部分任务都可以通过成本更低的模型完成，而最先进的模型只在少数场景中具有不可替代的价值，那么整个行业的经济结构和定价能力就可能与当前投资者所设想的情况非常不同。

    因此，我们现在还无法确定，这些模型随着能力不断提高，究竟能够在多大程度上维持高昂的服务价格。

    这就是整个问题的关键。

    Post #2
  • Tim Ferriss 访谈嘉宾：Edward O. Thorp
    谈笑风生

    欢迎您做什么：欢迎您在媒体文章、您的个人网站、非商业文章或博客文章 和/或出于非商业目的的个人社交媒体帐户上分享以下文字记录（最多 500 字，但不超过 500 字）

    版权问题就不贴原文了

    Post #2
  • 斯坦福 MS&E 435｜AI 超级周期经济学
    谈笑风生

    结论：云计算确实具备你描述的「高固定资产投入、低短期边际成本、闲置产能驱动价格竞争」结构。但历史上，三大公有云并没有表现出航空业式的整体低利润。相反，AWS 已经创造了相当可观的营业利润。

    真正需要区分的是三个市场：

    • 裸计算租赁（IaaS）：CPU/GPU 实例、标准虚拟机。最接近航空业。
    • 完整公有云平台：计算、存储、数据库、网络、开发工具、身份权限、企业合同。具有明显的切换成本与规模优势。
    • AI GPU 云（Neocloud）：CoreWeave、Nebius 等以 AI 算力为核心的运营商。资本密集度高，历史数据短，未来回报尚未得到充分验证。

    你的假说在第一类和第三类中具有较强解释力，但完整云平台的实际盈利表现，构成了一个重要反例。

    云厂商竞争有多激烈？

    根据 Synergy Research Group 于 2026 年 7 月发布的数据，2026 年第二季度全球云基础设施服务市场达到约 1,430 亿美元，同比增长约 43%。前三大供应商合计拥有约 63% 的市场份额。

    image

    Synergy Research Group

    2026 年第二季度全球云基础设施服务市场份额

    0%10%20%30%40%AWSMicrosoftGoogle Cloud 其他

    来源：Synergy Research Group，2026-07-30。其他包含不同规模的云服务供应商。

    市场增长非常快，竞争也非常明显。AWS 仍是最大提供商，但 Microsoft 和 Google 增长更快；Oracle 和新型 GPU 云运营商也在争夺新增 AI 负载。

    不过，这不完全是航空业那种只依靠标准化运力价格竞争的市场。完整公有云具有以下差异：

    维度 裸计算租赁 完整云平台
    产品同质化 较高 中等到较低
    更换供应商 相对容易 往往复杂
    固定资本投入 很高 很高
    边际资源成本 相对低 不同产品差异很大
    定价权 受价格比较约束较强 数据、软件、合同增强定价权
    经济利润来源 利用率、采购和成本优势 规模经济、生态、客户锁定及高附加值服务

    因此，云市场的激烈竞争并不必然表现为所有服务同时降价到边际成本。价格压力更可能首先集中在标准化计算资源，然后被数据库、网络、数据平台、企业软件等高附加值服务部分抵消。

    三大云厂商的利润率到底有多高？

    首先看实际财报。由于财年口径不一致，下表采用各公司最近一个完整披露年度，而不是把不同季度的数据强行年化。

    厂商及业务口径 收入 营业利润 营业利润率
    AWS（2025） $128.7B $45.6B 35.4%
    Microsoft Intelligent Cloud（FY2026） $137.8B $57.0B 41.3%
    Google Cloud（2025） $58.7B $13.9B 23.7%

    来源：Amazon 2025 Form 10-K、Microsoft FY2026 年报及 Alphabet 2025 Form 10-K。

    image

    sec.gov

    +2

    0%15%30%45%AWSMicrosoft Intelligent CloudGoogle Cloud

    不同公司披露的业务范围不完全一致。营业利润率并非 ROIC。

    这里有两个发现。

    首先，完整公有云业务显然没有被竞争压到接近零营业利润。AWS 在 2025 年创造了约 456 亿美元营业利润。Google Cloud 的营业利润率也从 2024 年的约 14.1% 提高至 2025 年的约 23.7%。这至少说明，激烈竞争、高固定成本和价格透明，并不必然导致整个云平台业务低利润。

    其次，这些数字不能直接代表计算租赁业务的利润率。AWS 同时销售数据库、存储、分析、安全和其他服务；Google Cloud 包括基础设施与 Workspace；Microsoft Intelligent Cloud 还包括服务器及相关业务，而且三家公司的共同研发和集团费用分配方法不同。

    因此，这些财报能反驳「完整云平台普遍没有盈利能力」，却不能反驳「裸 CPU/GPU 租赁可能接近零经济利润」。

    ROIC − WACC：AWS 是最有价值的分析样本

    营业利润率只衡量收入中剩下多少利润，并不能说明为获得这些利润需要多少资本。一个营业利润率达到 35% 的企业，如果需要投入极其庞大的资产，也可能无法覆盖资本成本。

    严格而言：

    \[ ROIC=\frac{NOPAT}{\text{平均投入资本}} \]

    \[ Economic\ Spread=ROIC-WACC \]

    目前三大云厂商没有提供足够细的分部资本数据，使外部分析师能够可靠地计算纯计算租赁业务的 ROIC。但 AWS 披露了分部资产，因此可以作一个有价值的近似分析。

    AWS：2025 年的回报代理指标

    Amazon 2025 年年报披露如下数据。

    image

    sec.gov

    AWS 指标 2024 2025
    营业收入 $107.6B $128.7B
    营业利润 $39.8B $45.6B
    分部总资产（年末） $156.0B $252.6B
    固定资产净额（年末） $110.7B $190.1B
    年度固定资产净增加额 $53.3B $96.5B

    一个特别值得注意的变化是：2025 年 AWS 营业利润增长约 14.5%，但分部总资产增长约 62%。

    资产增长明显快于利润增长。

    使用 21% 的示意税率，对 AWS 营业利润进行简化税后调整，并以 2024 年末和 2025 年末分部总资产的平均值作为分母：

    \[ \frac{45.606\times(1-21\%)} {(155.953+252.588)/2} \approx17.6\% \]

    AWS 2025 年近似税后资产回报指标

    税后营业利润 / 平均分部总资产

    17.6%

    假设 WACC = 9%

    +8.6pp

    仅为非严格的对比差值

    注意：17.6% 并不是经过完整资本调整的 AWS ROIC。分部总资产与投入资本定义不同，21% 为假设税率，9% 为情景资本成本。不能将 +8.6pp 称为已核实的 ROIC−WACC。

    这里可以得出两个结论。

    第一，AWS 的历史云平台业务具有很强的盈利能力。仅凭「高固定成本、低边际成本」不足以解释它的实际经济表现。

    第二，最新资本扩张的回报仍然不确定。AWS 在 2025 年大规模增加基础设施资产，其中许多资产尚未经历完整的收入爬坡和折旧周期。当前的 17.6% 回报代理指标，不能告诉我们新增 AI GPU 投资究竟能否获得相同回报。

    尤其值得警惕的是，使用相同方法计算的 2024 年近似税后资产回报指标约为 23.8%，高于 2025 年的 17.6%。这并不证明新增投资正在毁损价值，因为资产已经投入而收入尚未完全释放，也可能出现相同现象；但它明确显示，利润增长与资产增长已经发生显著错配。

    Microsoft 和 Google 能计算吗？

    目前只能得出有限结论。

    Microsoft 的 Intelligent Cloud 2026 财年营业利润率达到 41.3%，但该分部同时包含服务器产品与云服务，并未提供足够独立、可验证的 Azure 计算租赁投入资本数据，无法严谨计算其独立 ROIC−WACC。

    Alphabet 披露 Google Cloud 收入和营业利润，却明确表示并不以业务分部资产信息评价运营，因此没有提供能够直接用于 Google Cloud ROIC 的完整分部资产。

    image

    sec.gov

    业务 公开盈利表现 可否计算可靠的独立 ROIC−WACC？
    AWS 整体 高营业利润 只能建立近似代理指标
    Azure 计算租赁 未单独披露营业利润 不能
    Google Cloud 整体 利润率显著改善 缺少分部投入资本
    纯 CPU/GPU 租赁 三大厂商未独立披露 不能
    AI Neocloud 部分公司披露项目资产及收入 可作公司或项目分析，但不等同于成熟周期 ROIC

    因此，不能根据目前公开数据断言三大云厂商的纯计算租赁 ROIC−WACC 为正，也不能断言其为负。

    为什么云平台没有像航空公司一样陷入长期零利润？

    我认为主要有四种机制，而其中两种与微观经济学直接相关。

    计算服务可以同质化，但企业整体云服务并不同质化

    对于一个只需要 Linux 虚拟机运行无状态任务的客户，AWS EC2、Azure VM、Google Compute Engine 之间确实有较高的可替代性。

    但对于在某个云平台上运行多年、拥有大量数据库、存储、身份权限、消息队列、监控和数据分析服务的企业，更换云厂商的成本往往很高。

    需要重新设计和验证的可能不只是虚拟机，而是完整的生产系统。

    因此，一个企业可能同时认为 AWS 的计算资源较贵，却仍然不愿迁移。

    这意味着：

    CPU 实例自身没有很强定价权，不等于 AWS 对这一客户没有定价权。

    对云厂商而言，低差异化的计算服务可以成为获取客户和扩大使用量的入口，而更高附加值的数据、软件和管理服务负责保留经济利润。

    云厂商通过长期合同，把利用率风险部分转移给客户

    这一点尤其重要。

    公有云并非只按随用随付价格销售资源。Reserved Instances、Savings Plans、Committed Use Discounts 等机制，允许客户通过承诺未来一至三年的使用量或支出获得折扣。

    Google Cloud 官方文档明确显示，部分计算资源的承诺使用折扣可以达到 55% 或更高，具体取决于资源类型和合同条件；客户通常需要履行相应付款承诺。

    image

    docs.cloud.google.com

    这意味着厂商可以通过价格歧视和合同设计，将客户分成不同群体：

    • 对价格不敏感、需要灵活容量的客户收取较高的按需价格；
    • 对价格敏感、工作负载稳定的客户提供长期折扣；
    • 将部分闲置容量以 Spot 形式销售，但允许服务被中断。

    这种机制与航空业的价格歧视并不完全不同。航空公司同样根据订票时间、退改限制和客户支付意愿制定不同票价。

    但云厂商的优势在于，它可以要求部分客户提前承诺未来使用量，从而降低供给方的不确定性。长期预留、承诺支出和企业合同能够缓解纯现货市场的价格竞争压力。

    不过，这并非免费创造利润。为获得长期合同提供大幅折扣，也可能意味着云厂商牺牲单价来换取更高的收入可见性。

    大型云平台拥有统计复用优势

    云厂商服务不同地区、不同行业和不同时间分布的客户，可以通过集中调度提高资源利用率。

    单个企业自建服务器时，必须为高峰负荷准备容量；大型云平台可以利用不同客户之间不完全同步的需求，降低总共需要准备的冗余设备比例。

    这形成了真实的生产规模经济。

    而且大型云厂商能够进一步通过采购、网络、自研芯片和运行时优化降低单位成本。即使某一种计算实例的市场价格由竞争决定，成本最低的企业仍可能获得正的经济租金。

    这也是为什么不能简单以云市场只有三家主要供应商，来判断它们应该获得接近零的经济利润。

    标准 Bertrand 模型中，价格接近边际成本的结论依赖同质产品、相同成本和充分容量等条件。一旦企业之间存在稳定的成本差异、容量限制与客户切换成本，均衡便可能截然不同。

    激烈竞争已经发生，但很多竞争表现为折扣和市场份额争夺

    Flexera 的云计算调查显示，企业广泛使用 AWS Reserved Instances、Azure 企业协议折扣、Google Committed Use Discounts 等采购安排。

    image

    m3comva1.frb.io

    因此，不能只比较各家的公开按需实例价格。企业真正支付的有效价格，会受到合同折扣、长期承诺、资源类型、支持服务、网络费用和迁移补贴影响。

    这种竞争往往发生在合同续约和大型客户采购时，而不是通过所有厂商同时公开降低每一种计算实例的标价。

    这也意味着公开财报中云平台较高的平均利润率，可能掩盖不同产品之间非常大的利润率差异。

    最关键的风险：下一轮 AI 资本开支，可能没有上一轮云计算那么赚钱

    这才是与你原先的航空业假说联系最紧密的地方。

    传统公有云经历了较长时间的规模化发展。AWS、Azure 和 Google Cloud 已经拥有客户群、工具生态、长期合同以及高附加值的数据库和软件服务。

    但新增 AI GPU 投资，可能面临不同的竞争条件。

    经济特征 成熟公有云平台 新增 AI GPU 租赁
    已建立客户关系 很多 取决于运营商
    高利润附加服务 数据库、软件、平台工具 可能较少
    技术折旧压力 存在，但工作负载广泛 高性能 GPU 代际变化更敏感
    需求增长 相对成熟且多样化 快速增长但集中度可能高
    客户集中风险 相对分散 部分项目高度集中
    资本获取能力 强 经营主体差异大
    价格竞争 通过平台组合缓冲 更直接反映 GPU 小时价格
    完整生命周期回报记录 相对丰富 尚不充分

    尤其是独立 Neocloud，可能同时面临几个问题：购买昂贵 GPU、依赖少数大型 AI 客户、签订长期容量承诺、使用较高财务杠杆，而且必须不断评估新硬件对旧设备的经济替代。

    这使其经济结构更接近资本密集型租赁业务，而不是传统软件平台。

    云计算的成功历史可以证明「建设基础设施有机会形成高利润企业」，却无法证明「现在以任何价格建设 AI 基础设施都能获得良好回报」。

    最终判断

    我认为可以得到一个清晰的产业结论：

    公有云的历史是一项对航空业类比的重要限定，而不是全面否定。

    它说明高固定资产、低边际成本、技术进步和激烈竞争，不足以让整个产业自动陷入零经济利润。只要企业能够控制客户关系、软件生态、生产成本优势和长期合同，就可能保留较高的经济租金。

    但它也揭示了一个更有研究价值的问题：

    AWS 过去的高回报，究竟来自销售计算资源本身，还是来自计算资源之上的数据库、软件、客户锁定与平台能力？

    如果主要来自后者，那么成熟公有云的高盈利能力，反而支持这样一个更精确的判断：纯算力作为标准化生产投入，可能长期趋向竞争性回报；真正的超额利润必须来自算力之外的稀缺能力。

    截至 2026 年 10 月，已有财报能证明 AWS 整体云平台营业盈利能力很强，也能显示其资产增长正在明显快于营业利润增长；但由于缺少纯计算租赁分部数据，以及新增 AI 集群的完整生命周期回报，尚不能定论 AI GPU 租赁的长期 ROIC−WACC。

    下一步最值得做的实证研究，是以 AWS 为成熟云平台基准，单独拆解其 EC2 计算租赁的理论单位经济，再与 CoreWeave 等 GPU 专业运营商的设备购置价格、合同收入、利用率、融资成本及折旧年限进行比较。这种对照比直接比较 AWS 和航空公司的集团利润率，更可能真正检验你的假说。

    Post #4
  • 斯坦福 MS&E 435｜AI 超级周期经济学
    谈笑风生

    智能的繁荣与资本的困境：AI 会重演航空业的百年经济命运吗？

    一个行业可以改变世界，却未必能够回报资本

    航空运输业是现代经济史上最值得研究的产业悖论之一。过去一个世纪，航空技术持续进步，单位运输成本长期下降，全球航线网络不断扩大，曾经只有少数人能够负担的远距离旅行逐渐成为大众消费。飞机制造、机场基础设施和跨境运输网络深刻改变了贸易、旅游、劳动力流动与全球经济分工。然而，这种巨大的社会生产率进步，并没有按相同比例转化为航空公司股东的长期经济利润。

    国际航空运输协会（IATA）2026 年 6 月发布的展望预计，全球航空业全年收入达到 1.165 万亿美元，客座率达到 84.0%，但净利润率仅约 2.0%，投入资本回报率（ROIC）为 4.3%，明显低于约 8.5% 的加权平均资本成本（WACC）。即使考虑当年的能源价格与地缘政治冲击，这组数字仍揭示了行业长期存在的资本效率问题：需求规模庞大、资产利用率处于高位，并不意味着资本所有者能够获得令人满意的风险调整后回报。

    这种低回报不能简单归因于航空业始终缺乏整合。美国航空市场经历了长期的退出、破产重组与兼并，其中 2013 年美国航空与全美航空完成合并是重要节点。市场集中度提高改善了部分企业的经营条件，却没有彻底改变整个行业对燃油、经济周期、产能供给和价格竞争的敏感性。沃伦·巴菲特曾长期批评航空业的经济结构，随后又在 2016—2017 年重新投资美国主要航空公司，最终于 2020 年退出。这段投资经历说明，航空行业并非任何时期、任何价格都不值得投资，但寡头化与周期性盈利改善，不能直接证明一个行业已经建立可持续的经济护城河。

    人工智能正面临一个可能更为复杂的版本。建设数据中心需要昂贵的土地、电力、冷却、网络和加速器，训练先进基础模型需要巨额研发与计算投入，而一旦资产形成，利用已有闲置算力处理额外请求的可避免增量成本可能显著低于包含折旧和资本成本的完全平均成本。模型能力又通过知识蒸馏、开放权重、模型架构优化和推理系统创新不断传播，使越来越多的标准化能力面临价格竞争。

    这种结构产生了一个根本问题：当一个行业需要巨额固定资本投入、边际供给成本相对较低、产品逐渐同质化，而且竞争者必须努力维持产能利用率时，为什么长期竞争不会将整个行业的经济利润压到接近零？

    人工智能可以创造巨大的社会价值，可以形成庞大的收入市场，也可以长期增加对计算资源的需求，但这三个命题都不足以证明建设算力、训练模型和承担前期资本支出的投资者必然得到高于资本成本的回报。需求增长决定市场可能有多大，产业结构决定利润由谁获得，资产购置价格、技术寿命和资本成本则决定投资者能否真正赚钱。

    固定成本、沉没成本与竞争均衡

    为什么高利用率不等于高回报

    理解人工智能的产业经济，必须首先区分固定成本、沉没成本、边际成本和长期平均成本。考虑一家提供标准化推理服务的企业，其成本函数可以简化为：

    [
    TC(q)=F+cq
    ]

    其中，(F) 为固定资产及其他固定投入在分析期间内需要回收的成本，(c) 为单位推理服务的边际成本，(q) 为提供的服务数量。平均总成本因此为：

    [
    ATC(q)=\frac{F}{q}+c
    ]

    在既定容量和服务质量下，增加产量可以摊薄固定成本，因此规模较大的运营商通常能够获得更低的平均成本。实际推理系统还存在功耗、显存、排队时延和容量约束，因此边际成本并非始终为常数，也不接近严格意义上的零。低成本的准确含义，是已有闲置资源处理额外请求的短期可避免成本，可能显著低于企业建设和维持整套生产系统的长期完全成本。

    关键的竞争问题出现在资本投入已经完成之后。一家公司在购买 GPU 之前，必须判断未来全部收入能否覆盖设备购置、融资、运营、更新和资本机会成本。但在 GPU 已经部署、投资难以完全收回之后，接受新增订单的决策就发生变化。只要新增订单的收入超过由此产生的可避免成本，接受订单就可能比让设备闲置更合理，即使这笔交易的价格不足以覆盖全部折旧和资本成本。

    航空公司出售起飞前的剩余座位，推理运营商向价格敏感客户提供空闲 GPU 容量，遵循的是相似的短期激励。在需求不足时，个体企业通过降价提高利用率可能完全理性，但如果所有企业都拥有相同激励，行业整体价格水平便可能持续承压。

    这一机制在标准 Bertrand 价格竞争模型中表现得尤其清楚。假设两家企业提供完全同质的产品，具有相同边际成本，客户能够无摩擦地选择价格更低的供应商，而且两家企业都有足够容量满足市场需求。当其中一方定价较高时，另一方可以通过小幅降价获得大量客户，直到市场价格接近边际成本：

    [
    P\rightarrow MC
    ]

    此时产品价格可能低于包含固定资本回收的平均总成本：

    [
    MC<ATC
    ]

    在这种状态下，企业每增加一笔订单可能获得正的边际贡献，但整体投资仍然无法产生足够的资本回报。现实市场很少满足完全同质、无限容量和零切换成本等严格假设，因此价格不必精确下降到边际成本。然而，只要产品可替代性很强、闲置产能较多、价格透明且客户迁移方便，就存在持续压缩经营利润的力量。

    零经济利润不等于所有企业持续亏损

    微观经济学中的长期零经济利润，也需要与会计亏损加以区别。经济利润扣除了包括股东资本机会成本在内的全部经济成本。因此，经济利润为零的企业仍可能拥有正的净利润，并向资本提供者支付正常的风险调整后回报。竞争性行业长期趋向零经济利润，意味着超额回报逐渐消失，而非所有参与者都必须长期破产。

    在完全自由进入和退出、资产能够以合理价格重新配置的理想市场中，长期均衡通常使价格接近长期最低平均成本：

    [
    P=LRAC_{\min}
    ]

    航空业和人工智能基础设施的实际情况则更加复杂。飞机、定制数据中心、专用网络和已经完成的模型训练均具有不同程度的不可逆性。原先为某一需求增长预期建立的产能，即使需求低于预期，也未必能够及时退出。已经部署的设备只要还能产生高于未来可避免成本的收入，企业便可能继续运行，而历史投资者的本金损失已经成为无法追回的沉没成本。

    因此，长期低资本回报不要求企业始终作出错误的运营决策。它可以由进入市场时过度乐观的投资预期、投资完成后的不可逆性，以及竞争者之间缺乏可信的产能约束共同产生。下一轮投资者可能吸取教训，以更低价格购置资产或要求更严格的合同条款，从而改善新资本的预期收益，但上一轮资本已经遭受的损失不会因此消失。一个行业完全可能在技术和需求不断扩张的过程中，反复经历新进入、产能建设、价格压缩、资产减值和资本重新定价。

    这也是为什么高利用率本身不是充分的投资指标。GPU 集群即使全年保持很高负载，只要实现利用率依靠大幅降价，资产的实际生命周期收益仍可能低于最初投入。判断一家基础设施企业是否创造价值，必须同时观察销售价格、有效产出、运营成本、资本投入、经济折旧和融资成本，而不是孤立地观察使用率、EBITDA 或收入增速。

    从航空公司的囚徒困境到 AI 的动态军备竞赛

    寡头市场并不自动创造资本纪律

    航空业经常被描述为一种寡头之间的囚徒困境：所有企业都知道减少运力能够改善整体市场供需，但单个企业又有动机增加航班、抢占更有价值的时刻资源或通过促销获得市场份额。只要竞争者无法就未来产能作出可信、持久并符合竞争法的约束，市场集中度提高就不一定带来稳定的高利润。寡头市场的结果取决于产品差异、容量限制、需求弹性、进入威胁和企业之间的动态反应，而不能仅由企业数量决定。

    AI 模型行业可能面临两种同时发生的竞争。第一种是已有推理容量之间的价格竞争。第二种是为保持技术领先而进行的研发和训练投资竞争。后一种机制可能比传统航空运输业更重要，因为航空公司的飞机通常不会因竞争者购买下一代飞机而迅速丧失大部分运输功能，模型公司却可能因竞争者发布更强的新模型而失去其前沿能力溢价。

    假设两家模型企业都能够选择继续训练下一代模型或暂时减少研发支出。如果双方减少训练，短期现金流可能改善，但其中任何一家只要相信继续投资能够使自己取得能力领先、增加收入或阻止客户流失，就存在继续投入的单边激励。当另一家企业也采取类似行动时，双方可能不得不持续增加研发和计算投入，才能维持原有竞争位置。即使每一代模型都更加先进，行业经济利润也未必相应提高。

    这种竞争更接近动态研发军备竞赛。企业投入的资本不一定是为创造持久的新增竞争优势，也可能只是为避免技术落后而支付的维持性成本。某一时期较高的研发支出因此不应全部被视为可以无限期创造增长的扩张性投资，其中可能包含保持竞争地位所必需的资本性投入或经常性研发费用。

    不过，模型创新并不必然意味着每一代训练成本都要增加。训练算法、数据选择、强化学习、推理优化、蒸馏和专用模型架构，都可能改善技术进步所需的资本效率。模型公司可能在减少绝对训练投入的同时提高特定任务表现。因此，研发竞赛只能说明资本纪律难以建立，不能证明未来每一轮技术升级都需要更高资本开支。

    真正决定行业回报的，是领先模型带来的增量经济收益，能否覆盖为了取得并维持该领先所发生的增量研发投入。

    前沿能力的经济租金可能比技术创新更短暂

    模型能力不等同于航空座位。对于高度复杂的任务，一个模型将成功率从 80% 提高至 99%，可能使人工辅助流程转变为可独立执行的自动化系统，带来远高于性能提升比例的经济价值。对于能够立即创造收入、节省大量劳动力或避免高成本错误的任务，客户也可能愿意支付显著溢价。因此，不能简单地将所有 AI 模型视为完全同质的商品。

    但技术领先必须经过商业化，才能成为经济租金。知识蒸馏、开放权重、模仿训练和竞争性研发，能够使某一代能力在较短时间内被其他供应商追赶。对需要较长验证和商业部署周期的任务而言，率先实现技术突破的公司，未必能够在竞争者追上之前收回研发资本。

    科研就是典型的例子。模型可能先于竞争者获得某项新的推理或实验设计能力，但从提出假设、完成实验、验证结论、形成知识产权到最终商业化，可能需要数年。若能力领先窗口明显短于相关经济价值的实现周期，原始创新者可能主要承担前期研发费用，而后续价值由采用更低成本模型的科研机构、产业企业或最终消费者获得。

    Stanford HAI 的《2026 AI Index》提供了值得注意的证据。截至 2026 年 3 月，多个领先厂商的模型在人类偏好排行榜上已经聚集在较小分数范围内，竞争重点逐步扩大到成本、稳定性和专业任务性能。同时，最强闭源模型对最强开放模型仍保持一定优势，而且有关差距较 2024 年的低点有所扩大。这说明能力趋同与部分前沿差异仍可同时存在，不能把模型商品化理解为所有前沿能力已经被无成本复制。

    可持续技术租金的关键，不是模型是否曾经达到第一名，而是领先窗口内可获得的增量现金流现值，是否足以覆盖取得该地位的研发、训练、服务和资本机会成本：

    [
    PV(\text{技术领先产生的增量现金流})

    \text{增量创新投入}
    ]

    如果高价值任务的商业化速度系统性地慢于技术扩散速度，持续技术进步甚至可能伴随持续低资本回报。但如果少数关键任务存在巨大且可即时支付的能力溢价，前沿模型企业仍可能获得可观收益。

    需求爆炸为什么无法单独证明投资回报

    单位智能成本下降，可能同时扩大市场并压缩价格

    AI 长期投资逻辑中最有吸引力的假设之一，是智能服务价格下降会打开巨大的新增需求。更便宜的推理可以支持持续软件开发、个性化教育、自动研究、长时间运行的 Agent、实时语音与视频服务，以及原先因成本过高而无法实现的自动化任务。模型推理成本不断降低，也可能引发类似杰文斯悖论的需求反弹：单位资源消耗效率越高，使用规模反而越大。

    但需求数量的增长与投资收益的增长之间不存在必然关系。行业总收入由服务数量与单位价格共同决定：

    [
    R=P\times Q
    ]

    如果标准化服务数量增长 100 倍，但单位价格下降 99%，总收入仍然可能保持不变。进一步考虑成本时，即使收入增长，若为了服务新增需求需要投入同比例甚至更多的资本，增量资本回报仍可能下降。

    更严格的表达应当比较价格下降速度、可变成本下降速度、资本效率改善速度和需求数量增长速度。如果数量增长快于价格下降，行业收入可以增长；如果单位可保留贡献和资本周转率也同步改善，资本回报才有可能增长。需求弹性本身无法回答这些变量之间的关系。

    Token 需求受到真实经济瓶颈约束

    AI 的最终经济价值不来自 token 本身，而来自完成能够被真实客户认可和付费的任务。软件开发不仅需要代码生成，还需要测试、部署、安全审查与业务验收；科研不仅需要理论假设，还需要仪器、实验、验证和知识产权转化；教育不仅需要内容生产，还涉及学习动机、反馈、社会环境和教学结果。

    这些互补生产要素可能限制 AI 能力向最终经济产出的转换速度。在一种极端的固定投入比例模型中，最终产出可以表示为：

    [
    Q=\min\left(\frac{A}{a},\frac{H}{h}\right)
    ]

    其中 (A) 代表 AI 可完成的工作量，(H) 代表人类验证或其他互补生产要素，(a) 和 (h) 是单位最终产出所需的投入系数。这不是对全部 AI 生产过程的精确描述，而是用于说明瓶颈约束的简化模型。

    例如，系统每天可以生成 1,000 项软件修改方案，但组织只能完成 100 项测试和验收，单纯增加代码生成能力便无法同比例提高实际交付量。更先进的 Agent 可以进一步自动化测试、部署、反馈和验证，因此人类瓶颈未必永久存在，但不同生产环节的升级通常不会完全同步。

    这种非同步性产生了一个重要风险：智能供给能力可能在短期内增长得比真实经济活动吸收智能的速度更快。即使从长期看，AI 能够替代大量知识劳动，资本投资者仍需经历从能力发现、组织适配、任务验证到实际收费的转化周期。

    数字劳动的高价值未必属于模型生产者

    AI 可能进入比传统软件更广阔的劳动和专业服务支出市场。企业过去购买软件工具，再雇佣员工操作软件完成任务；未来可以直接购买 Agent 交付的审计结果、代码修改、合同审查、客户服务或采购执行。这种模式通常被称为 Service as Software，即将服务交付转变为软件化生产。

    如果企业购买的是成功解决的问题，而不是使用多少 token，服务价格可以与节省的劳动成本、减少的业务损失或新增收入相关联。这创造了远高于基础推理成本的潜在支付意愿，但仍然必须区分支付意愿和供应商最终能够保留的利润。

    如果多个 Agent 应用能够使用可互换的基础模型完成类似任务，下游服务市场的竞争也可能侵蚀利润。即使一家 Agent 公司拥有很高的收入，它还需要承担结果质量、合规、人工兜底、保险、异常处理和业务责任。价值链向高价值任务移动，并不会自动消除竞争，只是改变了竞争发生的位置。

    模型、应用与平台：谁拥有真正的切换成本

    客户锁定不一定属于基础模型

    企业 AI 的潜在竞争优势包括长期上下文、业务状态、工具权限、审批流程、历史决策、客户关系与持续的结果反馈。一个已经处理多年采购、付款、法务和内部协作的 Agent，可能形成较高的客户迁移成本。即使另一家模型供应商将 API 价格降低一半，企业也未必愿意承担整个业务系统迁移和重新验证的风险。

    但这些切换成本并不必然属于底层模型供应商。企业的工作流状态可能存放于 Salesforce、SAP、Microsoft、Databricks 或独立 Agent 平台，底层模型只是通过标准接口提供某一类计算能力。如果平台能够把 GPT、Claude、Gemini、Qwen 或其他模型进行路由和替换，终端客户的高粘性便不一定转化为单一基础模型的定价权。

    因此，需要明确区分至少四个层次：半导体与系统、算力和推理基础设施、Foundation Models，以及最终应用与企业工作流。一个公司的业务可能横跨多个层次，但产业经济分析必须按照业务活动和收入来源拆分，而不能简单以公司名称分类。

    真正可能保留长期价值的资产，包括用户默认入口、难以迁移的真实业务状态、任务结果评价机制、关键权限、交易关系、可靠的工作流以及取得和使用高质量反馈的合法权利。模型权重本身可能被复制、蒸馏和改进，但企业持续运行的状态、权限与责任结构通常无法仅通过复制模型实现迁移。

    用户规模不必然产生强数据网络效应

    模型行业存在规模经济，但不同来源的规模优势需要分别分析。基础模型可以摊薄训练和研发成本，大型平台能够提高 GPU 利用率、优化推理路由、降低硬件采购成本并支持自研芯片。大规模用户反馈也可能改善模型能力，但普通对话数据的边际价值，未必随着用户规模无限增加。

    随着公开语料和通用对话数据被广泛利用，真正稀缺的数据可能进一步转向专业知识、真实业务操作和可验证的任务结果。医疗、科研、金融或复杂工程环境中的高质量反馈不仅稀缺，而且标注、采集和验证成本较高。普通用户数量优势未必能够完全替代高价值专业数据优势。

    在 Agent 场景中，数据网络效应更可能来自完整的「任务状态—行动—结果—评价—改进」闭环。只有模型或平台能看到真实结果、获得合法使用权，并将经验转化为其他客户也能受益的改进，才可能形成跨用户学习优势。单纯拥有庞大的聊天记录或 API 调用日志，并不足以证明存在长期网络效应。

    规模经济仍然可能产生持续成本领先，但它能否形成超额利润，取决于竞争者是否能以相似成本进入市场，以及领先公司的节约是否会被价格竞争转移给客户。最低成本生产者可能长期获利，但整个行业未必因此具备高资本回报。

    GPU、数据中心与能源：资本密集度之外的另一层竞争

    GPU 的经济寿命可能短于物理寿命

    航空业类比在 GPU 资产上具有较强解释力，因为 GPU 同样需要大量前期投资，闲置计算时间无法储存，产能利用率会显著影响单位经济。但 GPU 相比飞机又多出一个重要的不确定因素：其竞争性经济寿命可能受到快速技术进步的影响。

    一块旧 GPU 并不会因为新一代芯片上市而停止工作，只要其服务收入能够覆盖继续运行的可避免成本，它仍可承担批量推理、小模型部署、成本敏感任务或非前沿计算。但新硬件如果显著降低单位任务成本，旧 GPU 的市场租赁价格可能迅速下降，从而无法收回最初的购置成本。

    因此，设备的物理寿命、会计折旧年限和经济寿命必须分开分析。即使某一代设备能够持续运行九年，也不能仅凭仍然存在客户订单，就断定其原始投资取得了良好回报。必须将整个生命周期的实际现金收入、运营费用、资本投入和期末残值放在一起计算。

    技术效率的改善也不必然损害资本所有者。如果现有硬件能够通过量化、批处理、缓存和软件优化大幅提高产出，其经济寿命可能延长，生命周期收益也可能改善。然而，一旦新设备能够以更低的单位资本成本生产相同服务，旧设备持有者便可能被迫把效率改善转化为更低的销售价格。

    这构成了技术学习曲线的双重作用：技术进步一方面扩大总需求、降低生产成本，另一方面使存量资本面临经济性贬值。最终由谁受益，取决于硬件生产率改善能够被谁保留。

    单位兆瓦收入不能替代项目资本回报

    Stanford MS&E 435 课程中关于吉瓦级 AI 工厂的分析，将数据中心资本开支分为电力与建筑，以及 GPU、网络、存储等 IT 设备。以课程所讨论的美国大型园区为例，电力和建筑约需每兆瓦 2,000 万美元，IT 设备约需每兆瓦 4,000 万美元，完整设施投入约为每兆瓦 6,000 万美元。按照这一假设，一个 1GW 园区的完整资产投入可能达到约 600 亿美元。

    课程中的 GPU IaaS 示例，给出约每兆瓦每年 1,500 万美元收入；进一步提供托管模型、API 和推理服务，收入强度可能更高。但这些属于特定项目和经营模式下的课堂估算，不是全部数据中心的行业平均值，更不能直接视为项目现金流或资本回报。

    即使某个园区每兆瓦创造很高的年收入，仍必须扣除电力、人员、维护、硬件更新、网络、融资、税费及其他运营成本，并结合不同资产的实际寿命进行折现。大型基础设施的资本回报不取决于绝对收入，而取决于资产生命周期内能够产生多少可分配现金流。

    数据中心选址也可能创造差异化租金。土地、变电、许可、冷却和可靠电力接入并非能够瞬时复制。一个可以提前多年取得上电能力的园区，可能在供给紧张时期获得高于普通算力租赁商的经济价值。这种稀缺性与单纯拥有 GPU 不同，因为某些能源接入和基础设施条件需要较长的建设及审批周期。

    但电力与数据中心稀缺也存在反方向风险。高租金可能刺激发电、输电、配电和园区建设投资。当新的电力与土地供给逐步投入使用时，原先的稀缺利润可能下降。拥有项目资源并不意味着一定获得项目回报，尤其在建设成本过高、供给提前扩张或长期客户需求不及预期时。

    中国与美国的基础设施竞争改变全球供给弹性

    AI 产能并非仅由美国大型云厂商决定。中国在工程建设、供电基础设施、设备制造和本土模型生态方面具有不同的成本和供应链条件，能够形成独立的算力与模型供给体系。课程材料中的中国数据中心案例显示，部分机房建设成本明显低于所讨论的美国大型项目；但先进 GPU 获取成本、供给限制和高性能网络，又可能抵消部分基础设施建设优势。

    因此，中美 AI 竞争不能简单理解为两套完全相同成本结构的供给者。在部分环节，两国分别拥有能源、工程、先进芯片、生态和供应链方面的优势与约束。国际技术和贸易限制可能使市场分割，局部市场出现不同的稀缺价格；同时，多地区投入和模型开放又会增加全球可获得的智能供给。

    这一竞争结构可能降低单一地区算力厂商长期保留高租金的能力，但也可能使先进芯片、关键设备和特殊生产资源保持较高的稀缺性。基础设施行业最终不会产生统一的利润率，利润会在不同瓶颈之间迁移。

    人工智能资本开支的规模与收益验证

    前所未有的投入仍缺少完整的成熟资产回报记录

    摩根大通 2026 年 10 月 19 日发布的研究预计，2026 年全球 AI 资本开支约为 9,000 亿美元，并提出到 2030 年相关累计支出将达到数万亿美元量级的预测。该研究将云收入增长和合同储备列为支持 AI 资本投资逻辑的重要证据，同时提醒市场关注设备供给、电力、许可审批和融资结构带来的风险。

    大型云厂商的经营数据表明，当前 AI 和云服务需求并非纯粹依赖远期想象。AWS、Azure 和 Google Cloud 等业务持续报告收入及合同储备增长，支持新增计算能力仍存在真实商业需求的判断。另一方面，资本支出规模扩大，并且部分企业逐步增加债券、股权和项目融资，也说明单纯依靠当前自由现金流维持扩张的难度正在上升。

    独立模型公司的资本压力更为明显。2026 年 9 月，《金融时报》援引其所见公司材料报道，OpenAI 对 2026—2030 年累计负自由现金流的预测接近 2,800 亿美元。这一数据属于媒体披露的管理层预测，并不是经审计的已实现现金流，也不能直接推断其必然融资失败，但足以说明前沿模型业务的长期资本需求可能远超传统软件公司的增长模式。

    收入增长与投资回报之间需要经过完整的资本周期验证。初期市场供不应求时，GPU 租赁价格和云服务收入可能具有较高的增长率；随着新一代算力、电力和数据中心供给投入使用，价格、利用率以及旧硬件经济寿命都会改变。最初几年的高收入增速，并不构成成熟阶段高 ROIC 的充分证据。

    因此，产业分析不能只关注 AI 资本开支总额，也必须追踪每一批新增资本形成的可用容量、实际收费任务、完整成本、经济折旧和资本成本，直到能够形成相对成熟的生命周期现金流记录。

    各层价值链的胜率、赔率与利润归属

    技术成功、企业获利和投资获利是三种不同结果

    投资分析中最容易混淆的，是将行业需求增长视为企业长期盈利的充分条件，再将企业长期盈利视为任何购入价格下都具有吸引力的投资机会。

    事实上，至少存在三个层次：某项技术是否能够被广泛采用，某一公司能否在产业竞争中保留经济利润，以及投资者按照当前价格投入资本后能否获得足够的风险调整后收益。技术成功的概率可以非常高，企业竞争获胜的概率却相对有限；即使某一家企业很可能成为最终赢家，其估值也可能提前反映了大部分胜利结果，使新增投资回报变得不具吸引力。

    因此，所谓胜率应当明确为在指定期限和条件下实现某种经济结果的概率，而不是抽象地判断某家公司是否会存活。赔率则需要同时考虑入场价格、潜在上涨空间、永久性资本损失和其他情景结果。

    下表是对不同产业层级进行的结构性分析，并非统计模型估计出的真实胜率。由于缺少统一、可比较的上市或私人市场交易价格、各公司成熟资产现金流和资本结构，不适宜给出看似精确的真实概率。

    产业层级 盈利逻辑 主要风险 结构性胜率判断 当前赔率分析的关键
    GPU 与系统平台 技术、CUDA 生态、网络和系统集成 自研芯片、替代架构、估值过高 龙头优势较强，但租金不能视为永久 利润持续时间是否已被充分计价
    独立 GPU 云 / Neocloud 利用率、低融资成本、长期合同 价格战、折旧、客户集中、债务 在标准化市场维持超额回报的难度较高 债务、残值和收入下降情景下的权益损失
    数据中心园区 电力接入、施工速度、长期租约 工程延期、建设成本、过剩供给 高度项目分化 合同质量、资本成本和资本回收期
    能源及电力设备 新增负荷、稀缺接入和设备交付 供给扩张、监管、建设周期 拥有难替代资源者相对有利 扩张投入相对长期受监管或合同现金流的定价
    基础模型 API 领先模型、规模效应、推理成本 蒸馏、开源、持续训练、价格下降 标准化能力的持续超额回报面临压力 研发资本回收周期与估值预期
    消费 AI 平台 默认入口、习惯、广告和订阅 分发竞争、用户迁移、变现限制 头部可能获得显著网络和渠道优势 高用户规模能否转化为可保留利润
    企业 Agent 应用 工作流、权限、结果反馈、服务责任 模型厂商上移、客户自建、应用同质化 取决于是否控制真实业务瓶颈 客户获取成本、留存及结果毛利
    行业专用模型 独特数据、低成本部署、合规 通用模型快速追赶 在稳定、高频任务中有机会 定制投资能否在优势失效前回本

    这种分层显示，人工智能的巨大社会价值不必平均分配给每个参与者。若模型能力不断商品化，掌握真实工作流的应用企业可能比基础模型提供商保留更多客户价值；若芯片系统存在难以复制的生态，GPU 制造商可能比承担 GPU 购置资本的租赁运营商获取更多租金；若电力接入和许可成为瓶颈，拥有稀缺资源的基础设施主体又可能在某个周期中获得更强议价权。

    更重要的是，价值链中的利润既可能纵向转移，也可能被竞争整体压缩。某一层收入池不断扩大，并不意味着该层经济利润也会同步增加。

    芯片平台：较强的护城河不等于任何价格都值得投资

    芯片平台与普通算力租赁商的区别，在于前者可以通过架构、软件、网络、编译器、开发工具和系统集成能力形成竞争优势。NVIDIA 的竞争地位并不只取决于单块 GPU 的峰值算力，还包括 CUDA、成熟的开发者生态、高速互连、整机系统与生产部署经验。这些资产难以通过简单增加资本支出立即复制，因此具有更强的长期租金基础。

    但先进芯片行业仍存在技术替代和客户议价风险。Google TPU、Amazon Trainium、Microsoft Maia 和 Meta MTIA 等自研方案，有可能把部分原先支付给商用芯片供应商的利润转回云厂商。AMD、其他专用加速器和新型推理架构，也会对不同工作负载的单位经济形成竞争压力。领先芯片厂商可能继续拥有很高的经济利润，但利润持续时间和资本市场估值之间仍存在重要区别。

    半导体企业还存在明显的价值链分工。GPU 设计企业、先进制造企业、HBM 供应商、封装设备企业和服务器系统集成商，拥有不同的竞争壁垒和资本投入方式。不能因为某一类芯片享有高毛利，就假设全部半导体供应链都能长期获得同样的回报。

    通用模型：存在技术成功率很高、投资赔率不佳的组合

    通用模型很可能长期改善，但独立模型供应商未必拥有同等程度的长期利润确定性。前沿研发投入、API 价格竞争、开放权重追赶和大型平台交叉补贴，将共同影响模型业务的回报。

    Google、Meta、Microsoft 等公司可以把模型能力用于保护或扩大既有广告、搜索、云和软件利润池，而独立模型企业更依赖模型与应用产品本身形成直接收入。这造成了竞争目标的不对称性。大型平台即使接受较低的独立模型利润，集团层面仍可能因为保护已有客户关系而获得合理回报；独立模型公司则需要更明确地证明订阅、API 和企业服务能够覆盖全部资本需求。

    不过，防御性 AI 投资的回报不能直接以独立模型收入衡量。对大型平台而言，不投资可能导致已有业务损失，因此正确比较应包括不投资、减少投资、外部采购模型和自主开发模型等不同反事实方案。防御性回报真实存在的可能性，并不意味着所有新增资本开支都合理。

    应用层：轻资产并不自动意味着高赔率

    企业应用和 Agent 在理论上更接近最终客户价值，因此能够采用任务成功率、节省费用或业务结果作为定价依据。相比单纯出租 GPU，拥有客户关系、权限、流程和真实反馈的企业，可能形成更持久的竞争优势。

    但应用层的代码生产成本正在下降，基础模型厂商与大型软件平台也能够向上进入工作流。一个只有聊天界面、提示词和通用模型 API 的应用，可能很难保留长期定价权。相反，真正深入企业系统记录、独占特定交易关系、承担行业合规责任并持续验证结果的应用，才更有可能建立难以复制的经济护城河。

    应用层资本开支较低，也不等于全部投资回报更好。如果客户获取成本极高、平台分发费用持续上涨、模型能力不断吞并垂直应用功能，企业仍可能面对低利润和高淘汰率。其投资胜率与赔率必须通过真实客户留存、净收入扩张、毛利质量和增量自由现金流进行检验。

    胜率和赔率：当前 AI 投资是否过度？

    资本增长不是单纯押对方向

    Kelly Criterion 最初用于在已知概率和收益赔率时，计算最大化长期预期对数财富增长的投注比例。它能够清楚揭示一个事实：某项投资即使具有正的预期收益，也不意味着应当把全部资本投入其中；优势越小、损失越大，合理投资比例通常越低。

    在一个简化的二元、无杠杆、可全损且胜利时获得净收益倍数 (b) 的模型中，假设盈利概率为 (p)，失败概率为 (1-p)，最优投入比例为：

    [
    f^*=\frac{bp-(1-p)}{b}
    ]

    半 Kelly 则将理论最优比例减半：

    [
    f_{\frac12}=\frac12\max(0,f^*)
    ]

    这一公式只有在概率、收益分布、损失比例、投资机会之间的关系以及重复投资条件相对明确时，才具有严格的配置意义。对于 AI 股票、私人模型公司、基础设施股权和长期债务，实际收益具有多种情景、尾部风险、估值变化、流动性限制与相关性，不能机械套用二元公式。

    但其基本思想仍然适用：即使长期产业方向正确，也必须根据投资胜率、盈亏赔率与可能发生的资本损失，决定实际投入多少资金。

    一个用于理解半 Kelly 的资本配置示例

    假设一项风险投资拥有以下假设条件：成功概率为 60%，成功时获得投入本金之外 100% 的净收益，失败时损失全部本金。此时 (p=0.6)、(b=1)，理论全 Kelly 投入比例为 20%，半 Kelly 为 10%。

    若投资价格上涨，使成功情景的净收益只有 50%，而失败概率和本金全损风险不变，则 (b=0.5)。在原先 60% 胜率不变的假设下，这项投资的期望净收益已经降为负数，Kelly 建议不投入资本。

    假设情景 成功概率 成功净收益 失败损失 全 Kelly 半 Kelly
    A：价格相对合理 60% +100% -100% 20% 10%
    B：价格过高 60% +50% -100% 0% 0%
    C：较高赔率、较低胜率 40% +200% -100% 10% 5%

    以上为纯教学情景，不是任何 AI 资产的真实胜率、赔率或合理仓位。

    这张表的含义并不是高胜率一定比低胜率更好，而是资本配置同时取决于购买价格和收益分布。胜率 40% 的投资，在足够高的盈利赔率下，仍可能比胜率 60% 但价格昂贵的投资更值得投入。

    在当前 AI 投资周期中，这个逻辑尤其重要。市场可能同时高估一部分技术领跑者未来的利润持续性，又低估某些不太显眼的能源、网络、数据中心配套或垂直应用的真实现金流机会。也可能出现相反情况：某一基础设施环节看起来拥有稳健合同，却已经因为高估值和高杠杆而不具备安全边际。

    因此，Kelly 框架要求的是针对具体资产价格和损失分布作出配置判断，而不是根据 AI、芯片、能源或应用等行业标签直接确定资金比例。

    已经宣布的 AI 资本开支

    严格来说，不能直接比较。Kelly 投资比例是相对于可配置财富或风险资本而言的比例，而 AI 资本开支通常是企业在多个年度中发生的真实经营与资产建设投入。资本开支包含维持已有业务、战略防御、客户合同履约、研发、扩张和基础设施储备，并非全部等同于一次可独立下注的金融投资。

    另外，大型云厂商的资本开支由经营现金流、债务、租赁以及其他融资工具共同支持；独立 GPU 云企业的融资结构则可能更加集中和脆弱。两个公司都投入 100 亿美元，并不意味着其股东承担相同的永久性资本损失风险。

    要判断某家公司投资规模是否超过半 Kelly，至少需要明确其可配置风险资本、增量投资的收益分布、各投资项目之间的相关性、债务约束以及管理层对收益概率的合理估计。目前市场缺少足够透明、经过验证的成熟资产现金流数据，因此无法对整个 AI 行业作出可信的半 Kelly 合规判断，更不能直接声称当前 AI 资本开支已经高于或低于某个严格计算出的 Kelly 最优值。

    能够作出的更稳健判断是：AI 投资高度依赖未来增长、部分领域承担技术折旧及再融资风险，且大型参与者同时扩张，意味着投资结果之间的相关性可能被严重低估。 若企业管理层把各个数据中心、模型训练项目或芯片采购合同视为独立投资，而实际上它们共同暴露于 AI 需求、模型价格和融资市场变化，就可能低估整体组合的风险。

    一个适用于企业资本配置的简化检验

    相比机械套用二元 Kelly，对 AI 资本开支更加适合的是风险调整后的项目现金流模型：

    [
    NPV=\sum_{t=1}^{T}\frac{FCF_t}{(1+r)^t}-I_0
    ]

    其中 (FCF_t) 为项目各期自由现金流，(r) 为与项目风险相适应的折现率，(I_0) 为初始投资。在需要多轮设备更新的 AI 项目中，还必须将未来替换性资本支出和技术过时风险纳入现金流预测。

    进一步分析多个需求和价格情景，可以评估项目的盈亏分布、资本损失概率及对整个企业偿债能力的影响。只有在项目预期回报高于资本成本、下行情景下仍保有足够生存能力，而且投入规模与企业整体风险预算相容时，大规模资本部署才具备较充分的经济合理性。

    半 Kelly 可以作为决策纪律：在对胜率、赔率和市场结构存在高度不确定性时，即使项目看起来拥有正的预期价值，也不应按照完全确定的乐观预测投入资本。但它无法代替项目估值，更不能替尚不存在的现金流与概率数据提供数学上的确定性。

    用增量资本回报率检验产业叙事

    收入、利润率与 ROIC 必须同时分析

    当前 AI 投资叙事普遍强调收入增长、用户规模、算力需求和模型性能，但这些指标不能单独决定资本回报。对于资本密集型企业，真正重要的是新增资本投入创造的税后经营利润是否高于相应资本成本。

    经济利润可以简化为：

    [
    EP=NOPAT-WACC\times IC
    ]

    其中 (NOPAT) 为税后净经营利润，(IC) 为投入资本。若经济利润长期为负，意味着公司即使报告正的会计利润，也可能无法满足资本提供者所要求的正常风险调整后回报。

    增量资本回报尤其关键，因为一家成熟科技公司可能依靠历史建立的高利润业务维持很高的综合 ROIC，同时把新增现金流投入回报较低的 AI 项目。如果只观察集团层面的盈利能力，原有软件、广告或云平台产生的经济利润，可能掩盖新增 AI 投资本身的低回报。

    对于独立模型公司，研发费用和训练资产的会计处理也会影响资本回报口径。大量研发被直接费用化，部分基础设施投入却通过租赁和长期合同体现，因而需要在经济分析中重建一致的资本化、折旧和费用分配方式。不能简单把财报毛利率或 EBITDA 视为完整的模型经济利润。

    资本开支的经济性具有明显的时间错配

    AI 基础设施具有先建设、后产生收入的特征。数据中心可能需要数年完成能源接入、土建、机电设备与芯片部署，而最终客户和应用市场也需要时间成熟。过早判断全部资本投入失败，可能忽略容量建设与需求商业化的正常时间差。

    但时间差也不能成为无期限推迟投资回报检验的理由。资本越早投入，机会成本和融资压力就越早发生；收入越晚实现，其折现现值越低。尤其当芯片技术快速进步时，施工和商业化周期越长，部分设备可能在充分投入使用之前就已经面临技术竞争压力。

    因此，一个可信的 AI 投资论证必须同时描述长期市场规模、建设交付时间、资产寿命、收益实现周期和再投资需要。只提出未来十年的巨大可服务市场，而不解释未来十年需要持续投入多少资本，无法构成完整的投资回报分析。

    如何验证或推翻航空业类比

    航空业类比是一项具有实质经济学基础的假说，但还不是已经被验证的全部产业结论。它要成立，需要观察同质化程度、进入壁垒、长期供给弹性、客户切换成本与投资者资本纪律是否共同朝着压缩经济租金的方向发展。

    最重要的验证指标，可以归纳为以下几组。

    验证维度 支持航空业式结果的证据 支持持续超额回报的证据
    增量资本回报 成熟资产 ROIC 长期接近或低于 WACC 增量 ROIC 长期显著高于 WACC
    单位智能价格 同等能力的市场价格持续接近竞争成本 差异化能力可持续获得溢价
    模型研发 领先窗口短于增量研发资本回收期 能力溢价足以覆盖连续创新
    GPU 经济寿命 存量设备在回本前大幅贬值 完整生命周期持续产生正经济价值
    供给弹性 新增产能迅速压低价格 关键资源壁垒长期限制进入
    应用切换成本 客户可低成本更换底层供应商 关键状态、权限和生态难以迁移
    资本纪律 需求放缓后仍持续扩产和降价 企业能及时调整投入并保留利润
    利润归属 租金主要转移到消费者和下游 生产者拥有持久、可防御的租金

    其中最重要的不是下一季度的收入增长，而是成熟 GPU 集群和连续多代模型的完整经济回报。一个项目只有在包括资本更新、融资、折旧和残值之后仍然实现足够高的实际收益，才能证明其长期投资逻辑。

    同样，模型公司的胜利不能只通过发布最强模型或获得最多用户证明，而必须通过持续高于竞争性资本成本的增量自由现金流证明。

    最终的产业经济学结论

    固定成本高、边际成本低，是竞争压力形成的基础，但不是经济利润趋零的充分条件。真正决定长期回报的，是沉没成本与可扩张产能、产品可替代性、进入威胁、客户切换成本、规模优势可保留性以及企业能否有效约束未来资本投入。

    航空业已经证明，消费者获得巨大利益、行业收入长期扩张、企业运营效率持续提高，与股东资本回报不足可以长期并存。人工智能行业不仅可能复制这种结构，还可能因为技术扩散、持续训练与硬件更新而产生更复杂的动态竞争。

    与此同时，人工智能并非单一行业。GPU 租赁、基础模型、专用芯片、数据中心、电力设施和企业应用之间存在实质性不同的竞争机制。普通算力与标准化模型服务可能面临接近航空业的成本和价格压力，而拥有不可复制的技术生态、客户关系、关键权限、稀缺能源资源或分发入口的企业，则可能长期保留经济租金。

    由此产生的结论不是人工智能无法赚钱，而是人工智能的技术成功与投资者的财务成功之间，可能存在远比市场叙事所暗示的更深的分离。

    技术创新能够不断扩大经济生产边界，但如果新增能力快速传播、供给可以被资本持续复制、企业难以实施有效的资本纪律，那么创新产生的大部分剩余可能被客户、下游企业或少数关键瓶颈的控制者获得，而不是留在承担最高前期投资风险的模型与算力提供者手中。

    对投资者而言，真正值得回答的问题并非未来需要多少 token、多少 GPU 或多少吉瓦数据中心，而是每一美元新增资本在完整生命周期内能够保留多少风险调整后的自由现金流。即使一个行业最终创造数万亿美元收入，如果这些收入必须由更大规模的资本投入维持，或者通过竞争主要转化为更低的产品价格，其整体经济利润仍可能相当有限。

    因此，当前 AI 产业最值得警惕的风险不一定是需求突然消失，而可能是需求持续增长、技术持续进步、产品不断普及，但资本回报长期落后于投入规模。社会因此获得极为廉价和普遍的智能服务，资本所有者却未必获得与技术进步相称的投资回报。

    智能可能成为新的基础设施，但生产智能的资本未必拥有基础设施的定价权。

    判断这一轮 AI 投资周期最终是创造了可持续的超额利润，还是形成一场类似航空业的社会价值巨大而资本回报平庸的产业扩张，最终仍需要依赖成熟资产的经济利润，而不是对技术潜力的叙述。

    资料依据与研究边界

    航空业经济数据。 IATA，Global Outlook for Air Transport, June 2026，包括 2026 年全球航空业营收、净利润率、客座率、ROIC 和 WACC 预测。这些数字属于特定日期的行业预测，不应与实际全年审计结果混淆。

    模型能力与竞争。 Stanford HAI，2026 AI Index Report — Technical Performance，用于比较前沿模型能力、开放权重与闭源模型差距，以及模型表现趋同的不同维度。模型排行榜不能直接替代企业真实任务的经济价值评估。

    资本开支与融资。 J.P. Morgan Global Research，What unprecedented AI capex means for markets and investors，2026 年 10 月 19 日，用于分析当前资本支出、云收入增长、供应链瓶颈与融资结构。长期支出数字属于预测，不是已经发生的实际投资。

    独立模型公司的资本需求。 Financial Times 及 Reuters，2026 年 9 月有关 OpenAI 自由现金流预测的报道。相关信息来自媒体援引的公司资料，不能与经审计的财务报表视为同一证据等级。

    产业生产函数、AI 基础设施和价值链。 Stanford MS&E 435，Economics of the AI Supercycle，2026 年春季课程材料，涉及 Apoorv Agrawal、Brad Gerstner、Sunny Madra、Chase Lochmiller、Ali Ghodsi、Sachin Katti、Yash Patil 与 Tuhin Srivastava 等讲者关于模型、GPU、数据中心、专用芯片、推理优化和企业工作流的讨论。涉及每兆瓦成本与收入的课堂估算，不能直接推广为全球行业平均。

    经济学框架。 Bertrand 价格竞争、沉没成本与短期停产决策、自由进入下的长期竞争均衡、动态研发竞争、规模经济、投入资本回报、净现值以及 Kelly Criterion。对于不能满足严格模型假设的现实市场，使用这些理论的目的在于识别竞争机制，而不是给出确定的利润或收益率预测。

    估值局限。 本文讨论的各层胜率与赔率属于结构性和条件性判断，未对具体公司证券进行完整估值，也未建立可校准的概率分布。因此，文章不能据此得出当前任何具体资产的合理投资仓位等结论。

    Post #3
  • 斯坦福 MS&E 435｜AI 超级周期经济学
    谈笑风生

    prompt

    • [网友总结的笔记材料]
    • 请你对每节课都形成 5 个详细的 TL;DR

    结果

    LECTURE 01 | 生成式 AI 经济学导论 (Apoorv Agrawal)

    1. 产业“倒三角”与资本开支周期：当前 AI 收入高度集中在底层半导体（如 NVIDIA），这是因为 AI 产业正处于“容量提前建设期”（类似早期修铁路）。基础设施和芯片必须先于应用产生收入，而 NVIDIA 凭借在训练和早期推理中的垄断地位，截留了产业初期的绝大部分利润。
    2. 推理成本带来的结构性差异（非零边际成本）：与传统 SaaS“开发一次，无限复制”不同，生成式 AI 的每次使用（推理）都会持续消耗算力。这意味着应用层的成功不仅不会替代底层芯片，反而会同步推高算力需求，形成“应用与底层共同增长”的非零和局面。
    3. 倒三角翻转的条件（应用价值 vs 计算成本）：利润向应用层大规模迁移需要两股力量同时发生：应用层找到可计价的高价值任务（扩大收入），以及 Custom Silicon（自研芯片）、模型量化和系统优化压低单位计算成本。只有当“任务价值增速”远超“推理成本”时，产业结构才会重塑。
    4. 消费 AI 的商业化路径与“留存微笑曲线”：消费端 AI（如 ChatGPT）已具备庞大 Reach 和 Habit，其留存率呈现罕见的“微笑曲线”（随着模型能力跨越新任务门槛，老用户回流）。但商业化面临挑战，未来可能从纯订阅转向基于高意图上下文的广告或按任务计费模式。
    5. 模型层与应用层的经济学拆分：当前的收入估算常将 Foundation Models（如 API）与 End-user Apps 混为一谈。真正的经济分析需将两者拆分：模型层售卖通用能力（面临开源和价格战压力），而应用层围绕具体任务、工作流和用户体验构建壁垒。

    LECTURE 02 | 芯片：GPU 经济学 (Brad Gerstner, Sunny Madra)

    1. Token 作为 AI 时代的核心经济原子：AI 的总需求可拆解为“用户数 × 任务数 × 每任务 Token 数 × 每 Token 计算量”。Token 不仅是技术单位，更是将知识工作转化为可计价生产投入的经济学原子，算力需求将随 Agent 和复杂任务的普及而呈指数级反弹。
    2. 推理（Inference）作为独立工作负载的物理约束：推理不是训练的缩小版，其 Decode 阶段受限于内存带宽和串行依赖。这催生了 Prefill 与 Decode 的分离，以及专用推理芯片（如 Groq 的 LPU）的生存空间——通过静态编译和确定性数据流换取极致的低时延和高吞吐。
    3. GPU 的护城河：系统适应性与生态确定性：NVIDIA 的垄断不仅来自芯片峰值性能，更来自 CUDA 生态、编译器、通信库及开发者习惯构成的“全栈适应力”。在模型架构快速迭代的时代，GPU 为“通用性和快速适配”支付了效率溢价，但这正是企业最需要的确定性。
    4. 专用芯片与云厂商自研芯片的不同经济逻辑：Groq 等独立芯片公司必须跨越极高的平台迁移成本和生态壁垒，最终往往被大平台吸收；而 Google TPU、AWS Trainium 等云厂商自研芯片，依托内部庞大且稳定的负载摊薄研发成本，其核心目的是降低自身云的边际成本并实现战略自主。
    5. 杰文斯悖论（效率反弹）与算力需求的无限性：芯片和模型效率的提升（降低单位 Token 成本）不会导致总算力需求下降，反而会解锁原本不经济的长上下文、多 Agent 协同和复杂验证任务。资本开支的合理性取决于“可变现任务价值”能否持续覆盖算力折旧。

    LECTURE 03 | 基础设施：建设吉瓦级 AI 工厂 (Chase Lochmiller)

    1. AI 数据中心是“从电子到智能”的物理转换链：吉瓦级 AI 工厂不仅是服务器机房，而是融合了能源、变电、冷却、光互连和计算集群的复杂工业系统。瓶颈会不断迁移（如从缺 GPU 到缺变压器，再到缺冷却或网络），可用算力取决于整条供应链的最短板和同步交付能力。
    2. 每兆瓦（MW）经济学的分层变现与纵向一体化：基础设施的价值捕获取决于其在价值栈中的位置。仅提供电力和机房（IaaS）收入最低但风险小；向上延伸至托管模型、API 甚至按 Token/任务计费，能显著提高每 MW 收入强度，但也需承担模型迭代和客户需求波动的风险。
    3. 选址逻辑：在搬电子、搬比特与搬光子间权衡：大模型训练需要极高的内部网络带宽（搬光子），因此必须靠近大规模稳定电力且集群紧凑；离线批处理可迁至能源廉价地区（搬电子）；实时交互 Agent 则必须靠近用户和数据（搬比特）。
    4. 负载弹性与能源调度的结合：AI 园区不仅是电网的消耗者，也可成为调节者。训练任务可中断恢复，适合吸收负电价或绿电；实时推理则需高可靠性。将工作负载特性与电力供应（风/光/气/储）匹配，是降低长期运营成本的关键。
    5. 数字劳动对宏观经济与资本 - 劳动边界的重塑：AI 工厂产出的本质是“数字劳动”，它将过去高度依赖人类个体的非例行认知任务转化为可复制的资本品。这不仅改变了企业的成本结构，更可能在宏观层面改变资本与劳动在收入分配中的边界。

    LECTURE 04 | Ali Ghodsi：基础设施、企业 AI 与服务软件化 (Ali Ghodsi)

    1. 企业 AI 的真正瓶颈是“上下文与隐性知识”：通用模型缺乏企业当前的业务状态、权限边界、隐性规则和责任人信息。企业 Agent 的有效性取决于“模型能力 × 上下文 × 状态 × 工具 × 权限”，任何一环缺失都会导致系统失效。
    2. 软件并未死亡，而是向“状态与验证层”重新分层：AI 大幅降低了代码生成和界面定制的门槛（削弱了传统 SaaS 的界面切换成本），但系统记录、长期状态、权限控制、合规验证和组织工作流变得更具价值。软件的核心作用从“提供固定操作路径”变为“缩小 Agent 的搜索空间并验证结果”。
    3. “服务软件化”（Service as a Software）重塑商业模型：传统 SaaS 按席位/人头收费，而 AI 时代将转向按“完成的任务或业务结果”收费。这要求软件公司承担更多的结果责任、异常处理和人类兜底成本，从而侵入传统 BPO 和咨询服务的巨大市场。
    4. AI 对“七种竞争力（Seven Powers）”的重构：AI 削弱了基于代码和界面的规模经济与切换成本，但强化了基于独占数据（真实业务反馈）、网络效应（Agent 使用数据回流）、品牌（信任与责任承担）和流程能力（组织协同与隐性知识）的护城河。
    5. 局部生产率不等于组织生产率（组织重构的滞后性）：如同电动机早期未能立刻改变工厂布局，AI 目前多用于加速现有串行流程。真正的组织重构需要围绕“Agent 持续执行、人类处理异常和责任节点”来设计，这要求企业彻底改造审批、协作和评价机制。

    LECTURE 05 | Sachin Katti：基础设施与综合案例 (Sachin Katti)

    1. Agent 将推理从“单次调用”变为“动态异构任务图”：现代 Agent 任务包含长上下文 Prefill、逐 Token Decode、代码执行、数据库检索和多轮验证。这要求基础设施从单一 GPU 优化，转向跨 CPU、GPU、内存、网络和存储的全局编排，以“任务成功率和总成本”为最终指标。
    2. 全栈协同设计（Co-design）是自研芯片的唯一出路：OpenAI 与 Broadcom 的合作表明，自研芯片的价值不在于拥有晶圆厂，而在于模型、系统和芯片团队共同定义工作负载。只有当工作负载足够庞大且稳定时，专用化带来的能效提升才能覆盖算法快速迭代带来的“押注风险”。
    3. 内存与网络互连正取代计算成为核心瓶颈：随着上下文变长和 MoE 架构普及，KV Cache 和权重读取对内存带宽（HBM/SRAM）及芯片间光互连的需求呈指数级增长。未来的系统创新将高度集中在计算与内存的共设计、以及更低能耗的高速网络上。
    4. 跨层编排（Orchestration）是 AI 工厂真正的控制平面：在异构硬件和多云环境中，最稀缺的能力是能够同时理解“Agent 任务意图、模型结构、硬件状态、电力约束和队列”的控制平面。它决定了名义算力能否转化为高可用、低成本的智能服务。
    5. 开放权重改变了模型层的经济属性：开源模型使“智能”从租赁服务变为可持有的生产资料，缩短了前沿能力的租金周期。这迫使竞争焦点从“谁拥有最强模型”转向“谁拥有最低的推理运行成本、最好的工作流集成和最真实的反馈闭环”。

    LECTURE 06 | Yash Patil：智能——解锁企业内部知识 (Yash Patil)

    1. 从“静态知识”向“机器经验（Era of Experience）”的范式转移：预训练消耗了大部分人类语料，AI 的下一个增长引擎是 Agent 在真实环境中“行动 - 观察结果 - 获得反馈”产生的经验数据。企业数据的价值不在于“私有文档的数量”，而在于能否形成“决策 - 结果 - 归因”的闭环。
    2. 企业记忆的三层架构与持续学习的工程妥协：企业 AI 系统需区分快速变化的“现实业务状态”、任务级的“工作上下文/记忆”、以及缓慢更新的“技能/规则/模型权重”。当前工程实践倾向于将易变信息放在外部上下文和工具中，仅将长期稳定的行为沉淀入模型权重。
    3. 专用模型的经济学边界与折旧风险：训练专用模型面临通用模型快速迭代的“能力折旧”和上下文/RAG 技术带来的“定制位置折旧”。只有当任务分布极度稳定、规模巨大，且通用模型存在长期无法弥补的能力缺口时，专用模型才具备投资回报率。
    4. Agent 分发优势转化为数据网络效应的条件：拥有大量用户并不自动形成数据壁垒。只有当平台能合法获取“任务目标、环境状态、Agent 尝试、人类修正及最终业务结果”的完整轨迹，并将其抽象为跨用户复用的技能时，才能形成真正的经验网络效应。
    5. 可验证奖励（Verifiable Rewards）是突破复杂任务的钥匙：在代码、数学等结果可自动验证的领域，强化学习能产生大量高质量合成数据；但在企业开放世界中，结果延迟且模糊。构建低成本的“沙盒验证器”和“人类反馈分级机制”是企业 AI 落地的核心基础设施。

    LECTURE 07 | Tuhin Srivastava：推理——构建推理云 (Tuhin Srivastava)

    1. 推理是一门独立的生产学科，核心在于“共享与复用”：推理平台的经济学建立在最大化昂贵 GPU 的利用率上。通过连续批处理（Continuous Batching）、KV Cache 复用和前缀缓存（Prefix Caching），平台能在不牺牲时延的前提下大幅摊薄单次 Token 的边际成本。
    2. Prefill 与 Decode 的物理分离趋势：由于长上下文 Agent 的普及，Prefill（计算密集型）和 Decode（内存带宽受限）的资源需求差异巨大。将两者路由至不同架构的硬件，并通过高速网络传递状态，是下一代推理云降低总成本的必然架构方向。
    3. 从“计算加价”向“任务结果定价”的商业模式跃迁：独立推理平台若仅按 GPU 小时收费，极易被云厂商挤压。其长期护城河在于按 Token 或“成功任务”计费，通过后台的异构硬件调度、量化和缓存优化吸收效率红利，将技术优势转化为毛利。
    4. 调度器与编排层的护城河在于“跨负载的隐性经验”：单个路由算法容易被复制，但平台在长期运行中积累的“何种请求适合何种硬件、如何预测输出长度、如何处理尾部故障”的隐性知识，以及连接生产、评价与再配置的闭环，才是抵御大厂吞噬的壁垒。
    5. CUDA 生态的真正壁垒是“新模型进入生产的速度”：新芯片或新架构的挑战不在于跑分，而在于编译器、内核、通信库和监控工具的全栈适配。谁能在新模型发布后最快提供稳定、可观测的生产级服务，谁就能截获最大的推理流量。

    LECTURE 08 | Guillermo Rauch：应用、AI 编程与软件的未来 (Guillermo Rauch)

    1. “氛围编程”扩大软件供给，但推高“生产化”成本：AI 让非程序员也能生成代码（Software 2.0），导致一次性原型泛滥。但对于企业级应用，真正的稀缺性和成本已转移到状态迁移、权限配置、安全验证、部署运维和组织适配上。
    2. 从“请求 - 响应云”向“Agent 云”的架构演进：传统云围绕短生命周期的 HTTP 请求设计；Agent 云必须支持长时间运行、沙盒隔离、外部状态保存、工具调用和预算控制。云的基本管理对象正从“服务器/函数”变为“任务/身份/记忆/权限”。
    3. 软件接口从“人类界面中心”转向“机器能力中心”：未来的 SaaS 将分裂为两层：为人提供的解释与审批界面，和为 Agent 提供的结构化 API、MCP 协议和机器可读账单。无法提供“机器可执行商业入口”（自动注册、授权、计费）的软件将被 Agent 生态淘汰。
    4. Agent 偏好“积木经济”与局部可验证的模块：由于上下文窗口和推理能力的限制，Agent 更倾向于使用文档清晰、接口稳定、可独立测试和组合的模块化组件，而非隐式耦合的庞大单体系统。软件的“可发现性”和“可验证性”成为新的 SEO。
    5. 中美企业 AI 采用率的差异源于“权限交出的意愿”：美国 SaaS 沉淀了大量标准化的系统权限和流程，Agent 易于接入；中国企业软件高度依赖私有部署和人工定制流程。AI 虽能降低代码生成成本，但企业是否愿意将真实的决策权、预算和审批规则结构化并交由机器执行，才是决定 AI 渗透率的根本瓶颈。

    LECTURE 09 | 应用：生命科学中的 AI (Eric Kauderer-Abrams, Josh Meier)

    1. 数字推理与物理实验的“闭环”是生命科学 AI 的核心：AI 只能加速假设生成和候选分子设计。药物的最终价值必须通过湿实验和临床试验验证。能够自动化、API 化并返回结构化结果的“实验基础设施（如云端自动化实验室）”将成为最稀缺的资产。
    2. 通用科学 Agent 与专用分子模型的互补架构：通用 Agent 擅长跨文献推理、数据处理和编排实验工具；专用模型擅长在高维物理空间中生成高命中率的蛋白质结构。未来的发现系统将是“Agent 组织流程 + 专用模型生成候选 + 自动化实验验证”的三位一体。
    3. 瓶颈迁移定律：AI 加速早期发现，将瓶颈推向临床：AI 大幅压缩了靶点研究和分子设计的时间，但这会导致更多候选分子涌入管线。真正的瓶颈将向后迁移至：动物模型、临床试验中心、患者亚群招募、生物标志物验证以及监管审批。
    4. “Pipeline in a Person”重塑制药行业的公司边界：AI 降低了早期发现的知识门槛，自动化实验室外包了湿实验。这使得极小团队能够像管理投资组合一样管理药物管线（持有 IP，外包执行），挑战了传统大药企重资产、全链条的组织模式。
    5. 长链推理中的“怀疑机制”与中间验证：生命科学具有极长的因果链（分子 - 细胞 - 动物 - 人体），模型生成的流畅故事极易在某一环失效。因此，科学 Agent 的核心能力不是写出最完整的报告，而是设计一系列低成本、高信息量的中间实验，以区分竞争性假设并及早证伪。
    Post #2
  • 冯诺依曼：我们可以在技术时代生存吗？
    深入交流

    15 个 TL;DR

    问题：当技术能力的增长速度，超过人类政治制度、社会组织与治理能力的适应速度时，文明如何避免被自己的进步所摧毁？

    一、技术进步的根本矛盾

    TL;DR 01｜技术进步正在耗尽人类的“安全空间”

    工业革命之所以能够持续发展，是因为人类一直可以通过扩大活动的地理范围来吸收技术进步带来的冲击。

    但地球是有限的。当技术的影响范围扩展到全球时，这种缓冲机制就失效了。

    核心逻辑：技术影响范围不断扩大，但地球的物理边界无法扩大。

    TL;DR 02｜技术进步真正改变的不是速度，而是规模

    技术让人们能够更快地运输、通信和生产，但社会活动的节奏仍受到人类生理、心理和组织能力的制约。

    因此，技术加速带来的主要结果，并不是所有事情都完成得更快，而是同样时间内可以完成规模更大的事情。

    例如，技术不只是让一个国家更快地处理国内事务，还使其能够影响远在地球另一端的国家。

    核心逻辑：技术加速 → 活动规模扩大 → 影响范围全球化。

    TL;DR 03｜人类政治制度的尺度已经落后于技术力量

    民族国家的政治组织建立在地理边界之上。

    但现代武器、通信、交通和未来的气候控制技术，已经能够跨越这些边界产生影响。

    技术的作用范围越来越全球化，而政治权力仍然主要按照国家划分。

    核心矛盾：技术是全球性的，治理却仍然高度分散。

    二、技术为什么同时创造繁荣与危险？

    TL;DR 04｜技术越强大，社会不一定越安全

    冯·诺依曼强调，技术发展本身可以带来实实在在的好处。

    核能可以提供能源，自动化可以提高生产率，气候控制可能改善农业条件。

    但这些技术也会带来新的不稳定性。

    技术的有用程度和潜在危险程度，甚至可能同时增长。

    核心逻辑：技术能力的提高，不等于社会稳定性的提高。

    TL;DR 05｜核武器改变了战争的时间结构

    过去，一个国家遭到军事打击之后，往往仍有时间组织防御、调整战略甚至恢复力量。

    核武器及相关技术的发展，使得一次技术突破或突然攻击可能在对手制定反制措施之前就决定胜负。

    这不仅是破坏力的问题，更是反应时间的问题。

    核心逻辑：进攻能力的发展可能快于防御体系的反应能力。

    TL;DR 06｜技术本身不区分善恶目的

    冯·诺依曼认为，技术和科学本身是中立的。它们提供控制自然和改变世界的能力，却不决定这种能力应该用于什么目的。

    同样的科学原理，既可以支持民用能源开发，也可以支持毁灭性武器。

    同样的气候控制知识，既可能改善生活条件，也可能用于气候战争。

    核心逻辑：技术提供能力，但不提供道德方向。

    三、他在 1955 年预见了哪些技术变化？

    TL;DR 07｜能源可能从稀缺资源转变为近乎无限的基础条件

    冯·诺依曼认为，核能利用技术仍处于非常早期的阶段。

    当时的反应堆主要围绕核裂变发展，但他预期，未来还可能出现其他更丰富、更有效的核能利用方式。

    他甚至设想，能源最终可能像空气一样，无须按照使用量付费。

    这一设想是作者当年的前瞻性推测，而不是已经实现的事实。

    核心逻辑：如果能源的经济约束显著减弱，工业和运输体系可能发生根本变化。

    TL;DR 08｜自动化的关键不是机器替代肌肉，而是信息控制

    作者追溯了自动化从蒸汽机调速器，到继电器、真空管，再到半导体和磁芯的发展。

    他特别强调，大规模自动化系统正在获得处理复杂计算、组织信息和执行预定操作的能力。

    这将扩展到工业控制、后勤管理和经济规划。

    在他的论证中，控制能力的提升，本质上也是信息在组织或机器内部传递能力的提升。

    核心逻辑：自动化是一场信息处理与控制能力的革命。

    TL;DR 09｜气候可能成为人类主动控制的对象

    冯·诺依曼设想，人类未来可能通过干预太阳能量的吸收与反射，主动改变地球气候。

    这种能力可能影响冰盖、降水、风暴乃至全球气温。

    但他同时指出，人类即使能够改变气候，也不意味着知道怎样改变才是有益的。

    一个地区的改善，可能给其他地区造成重大损失。

    核心逻辑：控制自然的能力越强，决策的外部性与责任就越大。

    四、为什么不能简单地禁止危险技术？

    TL;DR 10｜有益技术与危险技术无法彻底分离

    冯·诺依曼反对通过禁止某些特定技术来彻底解决危机。

    原因在于，科学与技术高度相互关联，有益和有害的应用经常建立在同一套知识基础之上。

    即使暂时划分出安全技术和危险技术，这种划分也很难长期有效。

    核心逻辑：禁止某种危险用途，不等于能够隔离产生这种用途的知识体系。

    TL;DR 11｜全球技术禁令需要一个近乎完美的全球权威

    如果要真正阻止某些技术的发展，就必须让禁令在全球范围内得到执行。

    否则，违反禁令的一方可能获得军事或政治上的竞争优势。

    但能够有效执行此类全球禁令的政治权威，必须已经具备极高水平的国际协调与执行能力。

    冯·诺依曼指出，如果这种权威真的存在，那么最棘手的国际政治问题实际上就已经解决了。

    核心逻辑：实施全球技术禁令所需的治理条件，本身就是尚待解决的问题。

    TL;DR 12｜文明几乎不可能主动停止技术进步

    技术发明、工程开发与科学研究高度交织。

    它们已经成为工业文明的基本活动方式，也具有强大的经济、社会和文化动力。

    即使经历世界大战造成的巨大破坏，工业文明仍表现出惊人的恢复能力。

    因此，冯·诺依曼认为，试图长期压制技术进步既不现实，也很难获得社会支持。

    核心逻辑：技术进步不是一个可以轻易关闭的开关。

    五、人类究竟应该怎样生存？

    TL;DR 13｜消除战争比禁止技术更加合理，但也没有保证

    冯·诺依曼认为，使战争不再成为国家政策的工具，比全面限制技术发展更加令人满意。

    但他对这一方案能否实现保持谨慎。

    人们在战争结束后往往强烈反战，可这种情绪可能随着战争记忆淡化而减弱。

    即使战争具有真正的毁灭性风险，也不能保证人类一定会作出理性的选择。

    核心逻辑：认识到危险，并不意味着人类必然能够避免危险。

    TL;DR 14｜不存在能够一次性解决技术危机的万能方案

    由于技术持续加速，而且未来的政治和社会后果难以准确预测，冯·诺依曼不认为人类可以事先设计一套永久有效的安全制度。

    他主张通过日复一日、年复一年的现实判断，连续作出许多小而正确的决定。

    这种安全是相对的，而非绝对的。

    TL;DR 15｜人类生存最终取决于三种品质：耐心、灵活性与智慧

    全文最终没有提出某个具体的技术解决方案，也没有给出一种完美的政治制度设计。

    冯·诺依曼认为，历史表明人类曾经多次经历严峻考验，并展现出渡过危机的能力。

    但这并不保证未来一定成功。

    面对不断变化、难以预测的技术世界，他最终强调三种品质：

    Patience

    耐心

    承受漫长而不确定的调整过程

    Flexibility

    灵活性

    根据变化修正制度与行动

    Intelligence

    智慧

    在不完备信息下作出明智判断

    把 15 条串起来：冯·诺依曼的完整论证

    技术持续加速

    能源、自动化、通信、军事与气候控制

    人类活动的影响范围不断扩大

    最终达到整个地球的尺度

    传统地理与政治制度无法充分吸收冲击

    原有安全缓冲逐渐失效

    有益技术同时带来更大的危险

    而全面禁止技术既困难又不可持续

    只能不断调整治理方式，作出明智决策

    依靠耐心、灵活性与智慧争取相对安全

    Post #3
  • 冯诺依曼：我们可以在技术时代生存吗？
    深入交流

    我们能在技术时代生存下去吗？

    CAN WE SURVIVE TECHNOLOGY?

    作者：约翰·冯·诺依曼（John von Neumann）美国原子能委员会委员 1955 年

    到 1980 年，面对人类届时所能制造的那种爆炸性破坏力，地球将显得小得危险，而地球上的政治单位也将变得危险地不稳定。

    “地球本身”正面临一场迅速趋于成熟的危机。这场危机源于一个事实：技术进步所处的环境，在空间尺度上已经过于狭小，在组织程度上又过于不足。为了准确界定这场危机，并探讨应对它的可能途径，我们不仅必须考察相关事实，还必须进行一定程度的推测。这一过程将有助于揭示未来四分之一个世纪中可能出现的某些技术发展。

    在本世纪上半叶，不断加速的工业革命遇到了一项绝对限制。这项限制并非针对技术进步本身，而是针对一种至关重要的安全缓冲条件。从 18 世纪中叶到 20 世纪初，正是这一条件使工业革命得以持续推进。它本质上是一种地理与政治意义上的“生存空间”（Lebensraum）：技术活动的地理范围不断扩大，同时世界在政治上的整合程度也不断提高。在这一持续扩展的框架内，技术进步所造成的重大紧张关系得以被容纳和缓解。

    如今，这种安全机制正受到严重制约。无论从字面意义还是比喻意义上说，我们都快没有空间了。我们终于开始切实感受到，地球实际尺度的有限性正在产生关键性的影响。

    因此，这场危机并非由偶然事件或人为错误所引起，而是内在于技术与地理环境之间、以及技术与政治组织之间的关系之中。早在 20 世纪 40 年代，这场危机就已经明显地发展起来，其某些方面甚至可以追溯至 1914 年。从现在到 1980 年，这场危机的发展很可能远远超出以往的一切模式。它将在何时、以何种方式结束，或者最终演变成怎样的局面，没有人能够断言。

    当前与未来的危险

    Dangers—present and coming

    在工业革命的各个阶段，其核心始终是提供更多、更廉价的能源，提供更多、更便捷的手段来控制人类的行动与反应，以及实现更多、更快速的通信。这三方面的每一项发展都会提高另外两项的效能。

    这三个因素共同提高了大规模活动的速度，包括工业、商业、政治和人口迁移等活动。然而，在整个发展过程中，速度的提高并没有主要表现为缩短各项活动所需的时间，而是扩大了这些活动所影响的地理范围。

    原因十分清楚。由于大多数活动的时间尺度受到人类反应时间、习惯以及其他生理和心理因素的制约，技术过程的加速实际上扩大了受其影响的各类单位的规模，包括政治单位、组织单位、经济单位和文化单位。

    换言之，人们并不是在更短的时间内完成与过去相同的活动，而是在相同的时间内开展规模更大的活动。

    这一重要演变存在一个天然的极限，那就是地球的实际大小。如今，我们正在达到，或者至少正在十分接近这一极限。

    这一趋势最早在军事领域以戏剧性的方式显现出来。

    到 1940 年，即使是西欧大陆上面积较大的国家，作为军事单位也已经显得不够庞大。只有俄国能够承受一次重大的军事失败而不至于崩溃。

    自 1945 年以来，仅仅航空技术和通信技术的进步，就可能足以使任何地理单位——包括俄国在内——在未来战争中显得不足以维持其军事安全。核武器的出现，只不过是这一发展过程的顶点。

    如今，进攻性武器的效能已经强大到足以使任何现实可行的防御反应时间都失去意义。

    早在第一次世界大战期间，就有人指出，指挥主力舰队的海军上将可能“在一个下午之内输掉整个大英帝国”。

    然而，那个时代的海军仍是相对稳定的军事力量，面对技术上的突然变化，尚能保持相当程度的安全。

    今天，我们完全有理由担忧：即使是核武器领域中一些微小的发明或佯动，也可能在对手来得及制定专门反制措施之前，就已经决定胜负。

    不久之后，现存国家在战争中的不稳定程度，将与一个只有曼哈顿岛大小的国家在使用 1900 年武器进行战争时的不稳定程度相当。

    这种军事上的不稳定性，已经在政治领域得到体现。

    美国和苏联这两个超级大国，拥有如此巨大的破坏潜力，以至于几乎不可能仅仅依靠消极被动的方式维持均势。

    其他国家，包括可能保持“中立”的国家，按照通常意义上的军事标准来看，实际上都缺乏防御能力。

    它们充其量只能像英国目前所做的那样，发展自己的破坏能力。

    因此，“列强协调机制”，或者具有同等作用的国际组织，如今赖以存在的基础比以往任何时候都更加脆弱。

    而欧洲以外的民族主义运动新近获得的政治影响力，又进一步使局势复杂化。

    在“正常”情况下——也就是说，按照近几个世纪的历史经验——这些因素本应导致战争。

    它们会在 1980 年之前引发战争吗？还是在此后不久？

    试图对这样的问题作出确定回答，未免过于自负。

    无论如何，无论是当下还是不久的将来，都充满危险。

    虽然我们眼前最紧迫的任务是应对现实存在的危险，但同样重要的是，我们必须设想这些问题在 1955 年至 1980 年间将如何演变，即使我们暂且假定眼前的一切都能相当顺利地得到解决。

    这并不意味着低估当前有关武器、美苏紧张关系，以及亚洲的演变与革命等紧迫问题。

    这些首要问题必须优先处理。

    但我们也必须为后续的发展做好准备，否则眼前可能取得的成功最终也会变得毫无意义。

    我们的思考必须超越问题当前的表现形式，延伸到未来几十年将出现的问题。

    当反应堆走向成熟

    When reactors grow up

    技术演进仍在不断加速。

    技术总是直接或间接地具有建设性和有益性。然而，技术发展的后果却往往会加剧不稳定性。在考察技术持续演进的若干方面之后，我们将进一步讨论这一问题。

    首先，能源供应正在迅速扩大。

    人们普遍认为，即使是传统的化学燃料——煤炭或石油——在未来二十年中的供应量也会增加。

    需求增长往往使燃料价格维持在较高水平，但能源生产方法的改进似乎正在推动动力成本下降。

    毫无疑问，在能源领域，最重要的发展是核能的出现。

    目前，核能唯一可供实际利用的可控来源是核裂变反应堆。

    反应堆技术似乎正接近这样一个阶段：它们在美国国内就能够与传统的化学能源展开竞争。而在国外，由于燃料价格普遍更高，核反应堆在许多重要地区可能已经具有明显的竞争优势。

    然而，反应堆技术至今只有十五年左右的历史，而且在这一时期的大部分时间里，相关努力的主要目标都不是发电，而是生产钚。

    如果能够投入十年时间，开展真正大规模的工业化研发，那么反应堆的经济性能无疑将远远超越目前的水平。

    此外，自然界并不存在这样一条法则：核能的所有可控释放方式都必须像迄今为止那样依赖裂变反应。

    诚然，核能似乎是我们目前在自然界中所能观察到的几乎全部能量的根本来源。

    而且，人类最初突破原子核内部领域的限制，是从原子核体系中不稳定的“高端”开始的，也就是通过裂变实现的，这并不令人意外。

    然而，裂变并不是自然界释放核能的通常方式。

    从长远来看，随着核能得到系统性的工业开发，人类可能会转而依赖其他更加丰富的核能释放方式。

    同样，迄今为止，反应堆一直被束缚在传统的“热量—蒸汽—发电机—电力”循环之中，就像最早的汽车被制造成类似马车的样子一样。

    随着时间推移，我们很可能逐渐发展出更加自然、更加有效地适应这种新能源的利用方式，从而摆脱继承自化学燃料工艺的传统曲折环节和迂回路径。

    因此，几十年之后，能源可能会像无需计量的空气一样，变得可以免费使用。

    而煤炭和石油将主要作为有机化学合成的原料。经验已经表明，它们的性质最适合用于这一用途。

    “炼金术”与自动化

    “Alchemy”and automation

    值得强调的是，未来的主要趋势将是对核反应进行系统性的探索。

    换言之，这将是一种元素嬗变的技术，是“炼金术”，而不再仅仅是化学。

    发展核过程的工业应用，关键在于使这些过程能够在相对狭小的空间内实现大规模利用。这里所说的空间，是地球，或者更准确地说，是地球上任何实际可行的工业设施所能占用的场地。

    当然，自然界一直在有效而大规模地进行核反应。

    但自然界开展这种“工业活动”的天然场所，是整个恒星。

    我们有理由相信，以自然界的方式进行核反应，所需的最小空间尺度就是恒星的最小尺寸。

    由于我们受到自身可利用空间的限制，在这一方面，我们必须做得比自然界好得多。

    而过去十年里裂变技术所取得的非凡突破，已经通过一个多少有些极端且非自然的实例证明，这并非不可能。

    大规模元素嬗变究竟会给整个技术领域带来怎样的变化，目前还难以想象，但其影响必将是根本性的。

    在某些相关领域，我们已经能够感受到这种趋势。

    军事领域显然正在经历一场全面的革命，而这场革命已经实现的一个特殊方面，就是大规模毁灭的可怕可能性。

    我们不应将这些视为核技术革命的典型代表。

    然而，它们很可能确实代表了这场革命对其所涉及的一切领域进行深刻改造的程度。

    而这场革命很可能将影响技术领域中的绝大多数事物。

    另一个可能迅速发展的领域是自动化，而且这种发展与核技术的演进完全无关。

    近年来，已经出现了一些颇有价值的分析，研究该领域近期的发展及其在不久将来的潜力。

    当然，自动控制的历史与工业革命一样悠久。

    瓦特蒸汽机具有决定性意义的新特点，就是它的自动阀门控制，其中包括通过“调速器”进行的速度控制。

    然而，在本世纪，小型电信号放大和开关器件的出现，为自动化奠定了全新的基础。

    这一发展始于机电式继电器，即电话继电器；随后借助真空管继续发展和扩展；如今，随着各种固态器件——半导体晶体、铁磁芯等——的出现，其发展似乎进一步加速。

    过去十年或二十年中，人们还越来越有能力在一台机器内部控制和协调大量此类器件，使其按照要求有序工作。

    即使在飞机上，真空管的数量如今也已接近甚至超过一千个。

    其他一些机器则包含多达一万个真空管、数量可达其五倍的半导体晶体器件，以及可能超过十万个磁芯。

    这些机器能够长期无故障地运行，每秒执行数百万次受控且预先规划的操作，而预计每天或每周仅会出现少数几次错误。

    许多这样的机器已经被制造出来，用于执行复杂的科学和工程计算，以及大规模会计核算和后勤调查分析。

    毫无疑问，它们还将被用于复杂的工业过程控制、后勤规划、经济规划，以及许多其他此前完全超出定量控制、自动控制和预先规划能力范围的用途。

    过去几十年中，凭借较为简单的自动或半自动控制形式，一些重要工业部门的效率已经显著提高。

    因此，我们完全有理由预期，如今正在日益普及、功能复杂得多的新型控制方式，将在这些方面取得更大成效。

    从根本上说，控制技术的改进实际上就是组织或机械系统内部信息传递能力的改进。

    这一领域的整体进步具有爆发性。

    至于通信在直接物理意义上的改进——即运输——虽然没有那么引人注目，但其发展同样显著而且持续稳定。

    如果核技术的发展使能源能够不受限制地供应，那么运输技术的发展很可能进一步加速。

    但即使只是海运、陆运和空运领域的“正常”进步，也具有极其重要的意义。

    正是这些“正常”的进步塑造了世界经济的发展，并催生了当今政治和经济领域的全球性观念。

    受控的气候

    Controlled climate

    现在，让我们来考虑一个完全“非正常”的产业及其潜力。

    这个产业目前甚至还没有在任何主要产业活动的名单中占据一席之地。

    它就是对天气的控制，或者使用一个更加雄心勃勃但也完全合理的术语：对气候的控制。

    这一领域中受到公众广泛关注的一个方面是“人工降雨”。

    目前的技术以大范围雨云的存在为前提，通过施加少量化学物质来促使降水发生。

    尽管迄今为止开展的这些尝试究竟具有多大意义，还不容易评估，但现有证据似乎表明，实现这一目标是可能的。

    然而，天气控制与气候控制所涵盖的范围，实际上远远超出了人工降雨。

    所有主要天气现象，以及气候本身，归根结底都受到到达地球的太阳能量的控制。

    当然，改变太阳向地球输送的能量总量，超出了人类的能力范围。

    但真正重要的并不是到达地球的能量总量，而是地球所保留的那部分能量所占的比例。

    因为被反射回太空的能量，对地球而言就如同从未到达过一样，毫无用处。

    现在看来，固体地表、海洋或大气所吸收的能量总量，可能受到一些微妙因素的影响。

    诚然，迄今为止，人类尚未真正对其中任何一种因素实现实质性的控制，但已有强烈迹象表明，这种控制是可能的。

    工业燃烧煤炭和石油向大气释放的二氧化碳——其中超过一半是在最近一代人的时间里排放的——可能已经充分改变了大气的组成，从而使全球平均气温上升了约华氏 1 度。

    1883 年，喀拉喀托火山爆发，释放的能量并不算特别巨大。

    假如这次喷发产生的尘埃能够在平流层中停留十五年，将太阳光反射回太空，那么它或许足以使全球气温下降华氏 6 度。

    实际上，这些尘埃在平流层中停留了大约三年，而五次这样的火山喷发很可能就足以实现上述降温效果。

    这将是一次相当显著的降温。

    在上一个冰河时代，北美洲的一半地区以及欧洲北部和西部的全部地区，都覆盖着类似今天格陵兰岛或南极洲的冰盖。

    而那个时代的气温仅仅比现在低华氏 15 度。

    另一方面，如果全球气温再升高华氏 15 度，那么格陵兰岛和南极洲的冰层很可能融化，全球将出现普遍的热带至亚热带气候。

    “相当惊人的效果”

    “Rather fantastic effects”

    此外，我们知道，大面积冰原之所以能够持续存在，是因为冰不仅能够反射太阳辐射能量，而且还会以高于普通土壤的速率向外辐射地球的能量。

    如果在冰面上，或者在冰面上方的大气中，散布一层极其微薄的有色物质，就可能抑制这种反射和辐射过程，使冰层融化，并改变当地的气候。

    实现这种变化所需的技术措施是可行的。

    所需投资的规模，也不过与过去建设铁路系统及其他主要工业部门所需的投资处于同一数量级。

    主要困难在于，如何详细预测这种剧烈干预所带来的后果。

    但我们对大气动力学及其控制过程的认识，正在迅速接近能够进行此类预测的水平。

    很可能在未来几十年中，人类就会开始干预大气和气候过程，而这种干预将以今天难以想象的规模展开。

    当然，能够做什么，并不能作为应该做什么的依据。

    为了让别人难受而制造一个新的冰河时代，或者为了让所有人高兴而制造一个新的热带性“间冰期”，并不一定是理性的方案。

    事实上，无论是全球性降温还是全球性升温，要评估其最终后果都将是一项复杂的工作。

    这些变化将影响海平面，进而影响大陆沿海陆架地区的宜居性；也将影响海洋蒸发，进而影响全球降水和冰川覆盖程度；等等。

    究竟哪些变化有害，哪些变化有益，以及对地球上的哪些地区有害或有益，都不是一目了然的。

    然而，几乎可以肯定，人类能够开展预测这些结果所需的分析，按照任何希望的规模进行干预，并最终取得相当惊人的效果。

    特定地区的气候和降水量可能被改变。

    例如，一些暂时性的天气扰动可能得到纠正，或者至少得到抑制，其中包括构成中纬度地区典型冬季天气的冷空气——极地空气——入侵，以及热带风暴，即飓风。

    这些变化对于农业，乃至人类、动物和植物生态的各个方面，将意味着什么，已经无须详细说明。

    这意味着人类将拥有何等巨大的力量，去控制我们的环境，乃至整个自然界！

    这样的行动，其全球性影响将比近来的战争、可以预见的未来战争，或者任何时期的经济活动，都更加直接，也更加真实。

    人类对气候的大规模干预，将深刻影响大气环流。

    而大气环流取决于地球的自转，以及太阳对热带地区的强烈加热。

    在北极地区采取的措施，可能控制温带地区的天气；在某一温带地区采取的措施，也可能对远在地球另一侧方向、相隔四分之一地球周长的另一个温带地区产生关键性影响。

    这一切将使每个国家的事务与其他所有国家的事务紧密交织，其程度甚至会超过核战争或任何其他战争的威胁已经造成的相互依赖。

    不问目的的控制手段

    The indifferent controls

    免费能源、更高程度的自动化、改进的通信以及部分或全面的气候控制，这些发展具有一些值得特别指出的共同特征。

    首先，尽管它们本身都具有实用价值，却也都可能被用于破坏。

    即使是最可怕的核毁灭工具，也不过是一个更广泛技术类别中的极端成员。这个类别还包括释放能源或实现元素嬗变的各种有益方法。

    即使是最具建设性的气候控制方案，也必然建立在某些科学认识和技术手段之上，而这些认识和手段同样可能被用于我们尚无法想象的气候战争形式。

    技术与科学一样，从头到尾都是中立的。

    它们提供的只是可以服务于任何目的的控制手段，而对这些目的本身不作任何区分。

    其次，这些发展中的大多数都呈现出一种趋势，即其影响将扩展至整个地球。

    更准确地说，它们所产生的影响，可以从地球上的任意一点传递到其他任何一点。

    这与我们今天所理解的地理格局，以及建立在这种格局之上的各种制度，存在着内在冲突。

    当然，任何技术都会与地理环境发生相互作用，而且每种技术都会形成其自身的地理规则和运作模式。

    但是，当前正在发展、并将在未来几十年占据主导地位的技术，似乎与传统的地理和政治单位及其概念发生了全面冲突。

    而这些传统单位和概念，在目前的大部分情况下仍然有效。

    这就是日益成熟的技术危机。

    面对这种局面，我们应该采取怎样的行动？

    无论人们倾向于采取什么措施，都必须考虑一个决定性的特征：

    正是那些造成危险和不稳定性的技术，本身也具有实用价值，或者与有用的技术密切相关。

    事实上，这些技术的潜在用途越广泛，其造成不稳定性的影响也可能越大。

    危险并不是某项具体发明所具有的特殊、反常的破坏性造成的。

    技术力量和技术效率本身，就是一种具有双重性质的成就。

    其危险性是内在固有的。

    科学不可分割

    Science the indivisible

    在寻求解决办法时，我们最好从一开始就排除一种虚假的解决方案。

    这场危机不可能通过限制某一种或另一种看起来特别令人反感的技术形式来解决。

    首先，技术的各个组成部分，以及作为其基础的科学各个领域，彼此交织得如此紧密，以至于从长远来看，若要真正遏制其中某些部分的发展，唯一足够彻底的办法就是完全消除一切技术进步。

    而且，从更加实际和眼前的角度来看，有益技术与有害技术几乎无处不紧密相邻，因此根本不可能将狮子与羔羊截然分开。

    那些曾经费尽心力，试图把秘密的、“机密”的科学或技术——即军事科学技术——与“公开”的科学技术区分开来的人，对此都十分清楚。

    这种区分从来不可能取得超过暂时性的成功，而实际上，人们也从未指望它能够持续更久。

    这种区分也许只能维持五年左右。

    同样，如果试图在任何技术领域中将有益课题与有害课题分开，这种区分很可能在十年之内就消散得无影无踪。

    此外，在我们讨论的情况下，这种区分即使能够成功，也必须长期维持才有意义。

    这与军事保密的情形不同，因为对于军事保密而言，即使只赢得几年的时间，也可能十分重要。

    同时，有益技术与有害技术之间的紧密联系，以及有害技术可能被用于军事目的这一事实，会形成一种竞争性的激励，使人们有动力去违反禁令。

    因此，对特定技术的禁令必须在全球范围内得到执行。

    但唯一能够有效执行这种禁令的权威机构，其管辖范围和完善程度必须达到这样的水平：它的存在本身就意味着国际问题已经获得解决，而不是意味着人们刚刚找到解决这些问题的手段。

    最后，也是我认为最重要的一点，禁止技术的发展——包括发明和开发，而这些活动又几乎无法与作为其基础的科学探索分离——与整个工业时代的精神背道而驰。

    它与我们这个时代所理解的一种主要理智活动方式根本无法调和。

    很难想象，在我们的文明中，这种限制能够得到成功实施。

    只有当我们所担忧的灾难已经发生，只有当人类已经对技术文明彻底失去信心时，这种措施才有可能被采纳。

    然而，即使是近来几次战争造成的灾难，也没有使人类产生如此彻底的幻灭感。

    工业化生活方式即使在受灾最严重的地区，甚至尤其在这些地区，也表现出了惊人的恢复能力。这一事实就证明了这一点。

    技术体系仍然保持着巨大的生命力，而且这种生命力很可能比以往任何时候都更加强大。

    因此，劝告人们克制技术发展的呼声，不太可能得到响应。

    生存——一种可能性

    Survival—a possibility

    与禁止技术发展相比，一个令人满意得多的解决方案，是消除战争作为“国家政策手段”的地位。

    实现这一目标的愿望，与我们自称奉行的道德体系中的任何组成部分一样古老。

    这种愿望的强烈程度会发生波动，并且往往在重大战争之后显著增强。

    那么，现在这种愿望有多强烈？它正在增强，还是正在减弱？

    可以肯定的是，这种愿望目前十分强烈。

    原因既有实际的，也有情感的，而且都显而易见。

    至少在个人层面，这种愿望似乎遍及全世界，超越了不同政治制度之间的差异。

    然而，在评估它的持久性和实际效力时，我们有理由保持一定的谨慎。

    人们几乎无法反驳那些基于“实际考虑”而提出的反战论据，但情感因素的稳定性可能要差一些。

    1939 年至 1945 年战争的记忆仍然十分鲜明。

    然而，随着这些记忆逐渐淡去，公众情绪将发生怎样的变化，并不容易估计。

    1914 年至 1918 年战争结束后出现的强烈厌战情绪，并没有在二十年后经受住一场严重政治危机的考验。

    如今，未来国际冲突的各种因素显然已经存在，而且比 1914 年至 1918 年战争结束后的局势更加明确。

    鉴于过去的历史记录如此不稳定，我们有理由怀疑：如果缺少情感上的相应支持，仅凭“实际考虑”，是否足以约束人类这一物种。

    诚然，今天反对战争的“实际理由”比以往任何时候都更加强大，因为战争所能造成的破坏可能远远超过过去。

    但在历史上，人们曾多次产生过同样的印象，而这并未成为阻止战争的决定性因素。

    诚然，这一次，毁灭的危险似乎是真实存在的，而不只是表面上的危险。

    但是，并没有任何保证能够证明，真实的危险一定比看似可信的危险更能有效地控制人类行为。

    那么，我们还剩下什么安全保障？

    显然，只有日复一日——或者也许是年复一年——根据具体形势采取务实的应对措施，通过一连串微小而正确的决策来维持安全。

    这一点并不令人意外。

    毕竟，这场危机源于进步的速度，源于这种速度很可能进一步加快，以及某些关键关系正在达到临界状态这一事实。

    具体来说，我们现在开始产生的各种影响，其规模已经与“地球本身”处于同一数量级。

    事实上，这些影响正在作用于作为一个整体的地球。

    因此，技术进一步加速所造成的影响，已经无法像过去那样，通过扩大活动范围来加以吸收。

    在当前条件下，期待出现某种全新的万能解决方案，是不合理的。

    对于进步，我们没有治愈之方。

    任何试图为当前这种爆发式发展的进步寻找自动保障安全的途径的努力，都必然以失望告终。

    唯一可能实现的安全只是相对的安全，而它依赖于人们在日常事务中明智地运用判断力。

    可怕，以及更加可怕

    Awful and more awful

    目前已经可能实现的各种核战争形式，与异常不稳定的国际局势相结合，所造成的问题极其严峻，而且不容易解决。

    未来几十年的问题很可能同样棘手，而且只会更加严重。

    美苏之间的紧张关系已经十分糟糕。

    但当其他国家开始充分展现其进攻能力所具有的全部分量时，局势绝不会变得更加简单。

    当今核战争所具有的可怕可能性，未来可能被其他更加可怕的可能性所取代。

    当全球气候控制成为现实时，也许我们今天所面临的一切复杂问题，看起来都将显得简单。

    我们不应该自欺欺人：

    一旦这样的可能性变成现实，人们就一定会加以利用。

    因此，发展适当的新型政治形式与政治程序，将成为必要之举。

    所有历史经验都表明，即使技术变革的规模远小于如今已经可以预见的这些变化，也足以深刻地改变政治关系和社会关系。

    历史经验还表明，这些变化无法事先得到可靠预测，而且同时代的人对它们作出的大多数“初步猜测”都是错误的。

    基于上述所有原因，我们既不应过分看重当前的困难，也不应过分看重目前提出的各种改革方案。

    唯一确凿的事实是，我们所面临的困难源于一种演进过程，而这一过程虽然有益且具有建设性，却同样充满危险。

    我们能否以必要的速度完成所需的调整？

    最令人抱有希望的回答是：人类这一物种此前已经经历过类似的考验，而且似乎天生具备一种能力，能够在经历程度不等的艰难困苦之后渡过难关。

    要求事先得到一套完整的解决方案，是不合理的。

    我们只能指出，人类必须具备哪些品质：耐心、灵活性与智慧。

    Post #2
  • 薛金鑫：AI 冲击数学，信誉系统崩盘，数学界何去何从？
    谈笑风生

    判断力包括了 在哪些具体的场景 去相信

    • 独立验证
    • 相信 AI
    • 相信其他人
    • 承认有些事情不可知
    • 寻找重要且可知的内容
    Post #2
  • 巴菲特（Warren Buffett）面试 Edward Thorp（爱德华·索普）
    深入交流

    巴菲特的测试是什么？

    1968 年前后，巴菲特准备结束自己的投资合伙企业。加州大学欧文分校的 Ralph Gerard 想把资金转交给 Thorp 管理，于是安排巴菲特与 Thorp 见面，实际上是请巴菲特帮忙评估他的能力。

    两人谈到了复利、投资、桥牌，以及一种特殊的骰子游戏。

    巴菲特提出了一组骰子：

    骰子 六个面的数字
    A 3、3、3、3、3、3
    B 6、5、2、2、2、2
    C 4、4、4、4、1、1

    游戏规则很简单：

    1. Thorp 先选一个骰子。
    2. 巴菲特从剩下两个中选一个。
    3. 两人同时掷骰子，点数高者获胜。

    表面上，先选择似乎更有利。

    但巴菲特真正想考察的是：Thorp 能否发现，这三个骰子根本不存在一个绝对最优的选择。

    2. Thorp 是如何通过测试的？

    Thorp 计算出三个骰子两两对抗的胜率：

    箭头指向被克制的骰子，构成类似剪刀石头布的循环。

    具体来说：

    • A 击败 B：2/3。因为 B 有四个面是 2，而 A 永远是 3。
    • B 击败 C：5/9。B 掷出 6 时必胜；掷出 5 时也必胜，共有 2/6 的概率。另外 B 掷出 2、C 掷出 1 时，概率为 (4/6)×(2/6)，合计 5/9。
    • C 击败 A：2/3。因为 C 有四个面是 4，高于 A 恒定的 3。

    所以出现了违反直觉的结果：

    \[ A \succ B,\quad B \succ C,\quad C \succ A \]

    也就是说，A 通常赢 B，B 通常赢 C，但 C 又通常赢 A。

    Thorp 的关键突破不是选中了某个骰子，而是发现先选的人反而处于劣势。

    因为无论先选 A、B 还是 C，后选的人都可以挑选一个胜率超过 50% 的骰子。

    这就是他识破的数学陷阱。Thorp 在自传中明确写道，他通过给出上述骰子的概率计算，通过了巴菲特的测试。

    image.png

    3. 巴菲特真正测试的是什么能力？

    这件事的价值不只是数学。

    巴菲特实际上能够从中观察三个重要能力：

    第一，独立思考。大多数人会直接挑一个看起来点数最大的骰子，而不会质疑“先选有利”这个隐含前提。

    第二，概率思维。优秀的投资者关心的不是某个结果是否可能发生，而是不同结果的概率分布与长期期望收益。

    第三，识别不对称优势。Thorp 认识到，真正的优势不是骰子本身，而是拥有观察对手选择之后再行动的权利。

    这一点与投资非常接近：先找到有利的赔率和交易结构，再决定是否投入资本。

    4. 后来发生了什么？

    Thorp 的表现显然让巴菲特留下了良好印象。两人继续交流投资，还一起打了桥牌。

    Gerard 后来投资了 Thorp 于 1969 年开始运营的投资业务。Thorp 在 2022 年接受 Tim Ferriss 采访时也回忆，自己显然通过了这次考察，因为 Gerard 随后把资金交给了他管理。

    这件事最值得记住的结论是：普通人想选出最好的骰子；Thorp 发现了游戏规则本身决定了谁有优势。

    在投资中，这对应一个很重要的思维转变：不要只问“哪项资产最好”，还要问“我是否处在一笔具有概率优势的交易中”。

    Post #2 ❤️ 1 like
  • 延迟满足的骗局
    深入交流

    爱德华•索普（Edward Thorp）、MacLean 和 Ziemba 的书里第一章就提到了这个问题。

    这一悖论在经济学史上具有特殊地位。1738 年，Daniel Bernoulli 通过边际效用递减的思想，引入对数效用函数，对这一问题给出了早期解释。两个多世纪后，John L. Kelly Jr.（1956）将对数增长目标引入重复赌博和信息理论，Leo Breiman（1961）进一步证明了最优资本增长策略的一系列长期性质。Bell 和 Cover（1980）的研究则表明，对于圣彼得堡类型的投资机会，投资者即使面对任意高的价格，也可能希望保留一个严格为正的投资比例，但这一比例会随着价格上升而不断下降。

    这些研究揭示出一个比传统圣彼得堡悖论更深刻的问题：一项资产的期望收益、投资者的最高支付意愿，以及该资产在最优投资组合中应当占据的比例，是三个不同的数学对象。

    Bernoulli 的效用理论 → Menger 对凹效用的反例 → Kelly 的长期对数增长准则 → Breiman 的渐近最优性定理 → Thorp 的最优投资理论 → Hakansson 的动态消费投资模型 → Kelly 与 Markowitz 均值—方差理论

    Post #11
  • 延迟满足的骗局
    深入交流

    圣彼得堡悖论：从数学期望、非遍历性到 Kelly 最优投资决策

    核心结论： 这个游戏没有一个对所有投资者都适用的“最高合理价格”。它值多少钱，取决于投资者的财富、投资目标、是否能够重复游戏，以及是否允许按比例投资。

    但我们可以得到非常明确的数学结论：

    • 数学期望准则： 任意有限入场费都具有正的期望净收益。
    • 单次对数效用准则： 最高愿付价格是有限的，并且取决于投资者的初始财富。
    • Kelly 准则： 如果游戏可以按比例购买，那么入场费不超过 3 元时，最优策略是投入全部可投资财富；入场费超过 3 元时，最优投入比例小于 100%，但对于任何有限入场费，理论最优比例仍然大于零。
    • 现实投资决策： 必须加入最低购买单位、有限资金、破产风险、庄家兑付能力和机会成本。此时投资者可能完全不参与。

    下面逐步推导。

    一、游戏的数学本质

    假设一枚公平硬币，第一次出现反面时结束游戏。

    令 NN 为投掷次数，奖金为 XX：

    P(N=n)=12n,X=2N P(N=n)=\frac{1}{2^n}, \qquad X=2^N

    对应的奖金分布：

    奖金 概率
    2 元 50%
    4 元 25%
    8 元 12.5%
    16 元 6.25%
    32 元 3.125%
    64 元 1.5625%
    …… ……

    虽然奖金的期望为：

    E=∑n=1∞2n2n=∞ E=\sum_{n=1}^{\infty}\frac{2^n}{2^n} =\infty

    但其中奖金的中位数只有 2 元。

    这是理解问题的起点：期望由极其罕见的大额奖金主导，而绝大多数参与者实际获得的奖金很小。

    二、为什么不能单纯用期望收益定价？

    如果入场费为 cc，净收益为：

    R=X−c R=X-c

    因此：

    E[R]=E−c=∞ E[R]=E-c=\infty

    无论 c=10c=10、100100，还是一亿元，期望净收益都是无穷大。

    这个计算没有任何问题。但它回答的是：

    如果我只关心财富变化的算术期望，且不受资金、风险或支付能力限制，那么参与游戏是否有利？

    它没有回答：

    对于一个资金有限、需要持续生存、无法承受破产的投资者，这张门票值多少钱？

    这是两个不同的优化问题。

    三、非遍历性：真正需要关注的是财富轨迹

    假设投资者财富为 WtW_t，每轮花费 cc，获得奖金 XtX_t。则：

    Wt+1=Wt−c+Xt W_{t+1}=W_t-c+X_t

    这是一个加法型财富过程。如果不存在资金约束，并且允许无限次重复游戏，那么其样本平均收益事实上也会趋于无穷大。因此，不能仅凭“非遍历性”就断言这个游戏长期必然亏损。

    但是现实中存在一个关键约束：

    Wt<c W_t \lt c

    一旦资金不足以支付下一次入场费，玩家就不能继续参与。这引入了破产或资金耗尽的吸收边界。在这样的系统中，即便潜在收益具有无穷大的期望，玩家仍然可能在获得一次巨额奖金之前耗尽全部可投资资金。

    因此，有限资金与不可逆的退出风险才是现实投资分析的重要组成部分。

    四、Kelly 准则如何处理这个游戏？

    标准二元 Kelly 公式为：

    f∗=bp−qb f^*=\frac{bp-q}{b}

    但是圣彼得堡游戏并不是一个简单的二元赌局，因此不能直接代入单个胜率和赔率。必须使用 Kelly 更一般的形式：

    max⁡fE[ln⁡M(f)] \boxed{\max_f E[\ln M(f)]}

    其中 M(f)M(f) 是投资后的财富乘数。

    1. 建立模型

    设：

    • WW：当前财富
    • cc：一张完整门票的价格
    • ff：投入门票的财富比例
    • XX：随机奖金

    假设门票可以任意按比例购买，购买比例为 fW/cfW/c。那么游戏结束后的财富为：

    W′=W(1−f)+fWcX W'=W(1-f)+\frac{fW}{c}X

    财富乘数：

    M(f)=W′W=1−f+fXc M(f)=\frac{W'}{W}=1-f+f\frac{X}{c}

    于是 Kelly 优化目标为：

    g(f)=∑n=1∞12nln⁡(1−f+f2nc) \boxed{ g(f)=\sum_{n=1}^{\infty}\frac{1}{2^n} \ln\left(1-f+f\frac{2^n}{c}\right) }

    求解：

    f∗=arg⁡max⁡0≤f≤1g(f) f^*=\arg\max_{0\le f\le1}g(f)

    这里 f=1f=1 表示把全部可投资财富投入游戏，f=0f=0 表示完全不参与。

    2. 求导并寻找最优比例

    g′(f)=∑n=1∞12n2n/c−11−f+f2n/c g'(f)=\sum_{n=1}^{\infty}\frac{1}{2^n} \frac{2^n/c-1}{1-f+f2^n/c}

    二阶导数：

    g′′(f)=−∑n=1∞12n(2n/c−1)2(1−f+f2n/c)2 g''(f)=- \sum_{n=1}^{\infty}\frac{1}{2^n} \frac{(2^n/c-1)^2} {(1-f+f2^n/c)^2}

    因此：

    g′′(f)<0 g''(f)\lt 0

    除退化情形外，目标函数严格凹，存在唯一最优投入比例。

    3. 推导全仓投资的临界价格

    令 f=1f=1：

    g′(1)=∑n=1∞12n(1−c2n) g'(1)=\sum_{n=1}^{\infty}\frac{1}{2^n} \left(1-\frac{c}{2^n}\right)

    整理：

    g′(1)=1−c∑n=1∞14n g'(1)=1-c\sum_{n=1}^{\infty}\frac{1}{4^n}

    因为：

    ∑n=1∞14n=13 \sum_{n=1}^{\infty}\frac{1}{4^n}=\frac{1}{3}

    所以：

    g′(1)=1−c3 \boxed{g'(1)=1-\frac{c}{3}}

    由凹性得到：

    f∗={1,c≤3介于 0 与 1 之间,c>3 \boxed{ f^*= \begin{cases} 1, & c\le3 \\ \text{介于 0 与 1 之间}, & c\gt 3 \end{cases} }

    3 元是 Kelly 全仓与部分投资的分界价格，而不是游戏的最高合理价格。

    对于任何有限的 cc，因为 E=∞E=\infty，当 f→0+f\to0^+ 时，g′(f)→+∞g'(f)\to+\infty。这意味着只要允许任意微小比例的投资，总能找到一个使期望对数增长为正的下注比例。

    五、不同入场费下，Kelly 实际应该投入多少？

    通过数值优化，可以得到以下结果。

    不同门票价格下的 Kelly 最优投入比例
    (假设无限奖金上限、资金可按任意比例投入，且只优化对数财富增长)

    入场费 Kelly 最优投入比例
    1 元 100%
    2 元 100%
    3 元 100%
    4 元 38.49%
    5 元 17.88%
    10 元 0.7214%
    20 元 约 0.00135%

    这张表反映了非常重要的事实：游戏价格越高，Kelly 最优投入比例下降得极其迅速。

    例如，一张门票价格为 20 元。如果你拥有 100 万元的可投资财富：

    f∗≈0.0000135 f^*\approx0.0000135

    最优投入金额约为：

    1,000,000×0.0000135=13.5 元 1{,}000{,}000\times0.0000135 =13.5\text{ 元}

    也就是说，尽管理论上这个游戏的期望奖金无穷大，一个拥有 100 万元的 Kelly 投资者，也只愿意投入约 13.5 元。由于完整门票售价 20 元，如果无法购买部分门票，这个按比例投资模型的最优策略便无法直接执行。

    注意： 不能因此直接断言这位投资者必定不买一整张门票，因为离散购票需要重新比较整数张门票所产生的期望对数效用。

    六、如果只能购买一张门票，最高愿意付多少钱？

    这更贴近圣彼得堡悖论最初的问题。

    假设投资者当前财富为 WW，只能购买一张完整门票，不能拆分购买。花费 cc 元后：

    W′=W−c+X W'=W-c+X

    采用对数效用函数 U(W)=ln⁡WU(W)=\ln W。购买游戏与不购买的无差异条件为：

    E[ln⁡(W−c+X)]=ln⁡W E[\ln(W-c+X)]=\ln W

    等价于：

    ∑n=1∞12nln⁡(1+2n−cW)=0 \boxed{ \sum_{n=1}^{\infty}\frac{1}{2^n} \ln\left(1+\frac{2^n-c}{W}\right)=0 }

    解出 cc，就得到了给定财富下的最高愿付价格。数值结果如下：

    初始财富 WW 最高愿付价格 cmax⁡c_{\max}
    10 元 4.97 元
    20 元 5.77 元
    100 元 7.79 元
    1,000 元 10.95 元
    10,000 元 14.24 元
    1,000,000 元 20.87 元

    以上假设完整门票必须预先付款、没有借款、奖金无上限、投资者采用对数效用，不考虑手续费和其他风险。

    注意： 这与前面的 Kelly 表格并不矛盾。前面的 Kelly 模型研究的是：投资比例可以连续调整时，投入多少财富能够最大化增长率。这里研究的是：只能购买一张完整门票时，最高愿意支付多少钱。这是两个不同的优化问题。

    关键观察

    一个拥有 1000 元财富的人，如果采用对数效用：

    cmax⁡≈10.95 c_{\max}\approx10.95

    他不会愿意花 20 元购买一张门票。

    但一个拥有 100 万元财富的人：

    cmax⁡≈20.87 c_{\max}\approx20.87

    他可能愿意花 20 元参与游戏。

    这说明最高合理价格不是游戏自身的固定属性，而是投资者财富与效用函数共同决定的。

    七、为什么每一个单独赌注都不值得买，整个游戏却值得买？

    回到你最初提出的例子。如果把第 nn 次才出现反面的事件独立打包为一个赌注：

    pn=2−n p_n=2^{-n}

    花 1 元，事件发生时获得 2n2^n 元，否则获得 0 元。这就是公平赌注：

    E[Xn]=2−n2n=1 E[X_n]=2^{-n}2^n=1

    因此每个赌注单独的 Kelly 最优下注比例都是 0。

    但是完整的圣彼得堡游戏并不是从这些公平赌注里随机选择一个。它相当于同时持有覆盖所有互斥结果的一整组状态依赖支付合约。如果我们同时购买所有这些合约，每一种结果都可以产生对应收益。而各个合约的持有比例及总成本，与单独押注其中一个事件不同。

    所以不存在以下推论：

    f1∗=0,f2∗=0,⋯  ⟹  f组合∗=0 f_1^*=0,\quad f_2^*=0,\quad\cdots \implies f_{\text{组合}}^*=0

    单个资产的最优配置不等于投资组合的最优配置。更重要的是，完整圣彼得堡游戏的每一种结果都对应正奖金，而单独二元赌注存在本金全部损失的结果。这就是两者在 Kelly 框架下出现不同结论的原因。

    八、投资者应该如何决策？

    可以把决策过程归纳为以下步骤：

    1. 明确投资目标： 期望财富 / 对数增长 / 保本与流动性
    2. 确认现实约束： 奖金能否兑付、是否限额、能否购买部分门票
    3. 分支决策：
    • 如果可以买部分门票： 解 Kelly 最优比例 f∗f^*，并与机会成本比较。
    • 如果只能买整张门票： 计算 cmax⁡(W)c_{\max}(W)，并检查现金约束。
    1. 最终决定： 参与 / 降低投入 / 不参与

    从实际投资的角度，还必须考虑两项理论模型没有充分体现的现实问题：

    1. 庄家是否真的具有无限兑付能力？ 如果庄家有支付上限，那么奖金分布被截断，原本无穷大的数学期望也会变成有限值。这种情况下，高入场费可能连算术期望都无法覆盖。
    2. 是否存在其他投资机会？ Kelly 的 g(f)>0g(f)\gt 0 只表示相对于持有不增长的现金有正的期望对数增长率，不代表这笔投资优于其他可选择的资产组合。即使某个游戏的 Kelly 最优投入比例是正数，也可能因为机会成本、流动性需求和其他资产风险，而不值得配置资金。

    最终结论：究竟值多少钱？

    应该区分三种意义上的“价值”。

    估值方法 游戏的价值 适用情况
    算术期望 无穷大 风险中性、无资金约束
    Kelly 连续配置 任意有限价格下存在正的最优投入比例 可无限细分投资、无支付上限
    对数效用单张购票 与财富相关的有限价格 有限财富、整张购买

    这也带来一个容易被误解的结论：

    圣彼得堡游戏的无限期望不是错误，Kelly 的正最优下注比例也不是错误，而现实投资者拒绝高价门票同样不是非理性。 它们来自不同的优化目标和可行性约束。

    从非遍历性经济学的角度，真正重要的是识别财富动力学：投资者究竟是在优化一个加法型随机收益的算术平均，还是在优化复利财富的长期对数增长，抑或是在避免有限资金触及不可恢复的破产边界。

    对于实际投资者，我会采用这样的原则：

    先保生存，再优化增长；先明确可行的投资规模，再计算期望收益。

    在此基础上，如果投资可以无限细分且满足理想化假设，用 Kelly 决定下注比例；如果只能购买完整门票，用个人财富对应的确定性等价价格决定是否参与。

    因此，这个问题最重要的答案不是 3 元、10 元或 20 元，而是：

    合理投资决策=效用目标+财富约束+风险分布+可执行的下注策略 \boxed{ \text{合理投资决策} = \text{效用目标} + \text{财富约束} + \text{风险分布} + \text{可执行的下注策略} }

    这才是从圣彼得堡悖论走向真实投资决策的完整路径。

    Post #10
  • 学习时间投资组合规划器（Learning Kelly Planner）
    深入交流

    learning_kelly_planner.zip

    Post #6
  • 学习时间投资组合规划器（Learning Kelly Planner）
    深入交流

    假如我根据这一原则学习心理学，面对该领域的不同流派，可以根据其 争议程度 可靠程度 可证伪性 确定先验的主观胜率，根据个人兴趣和偏好建立先验的赔率。

    1. 高确定性

    拥有极强的实证支持、高可重复性。

    • 认知心理学（Cognitive Psychology）：尤其是关于记忆（如间隔重复、提取练习）、注意力机制和认知负荷理论。这些原理不仅能解释人类如何学习，还能直接反哺你所有其他学科的学习效率，净赔率 bib_i 极高。
    • 行为主义学习理论（Behavioral Learning Theory）：经典条件反射与操作性条件反射。虽然理论古老，但在习惯养成、行为塑造和环境设计方面，其确定性极高，经过百年验证。
    • 认知行为疗法（CBT）核心原理：CBT 是目前心理学中实证支持最充分、效果最明确的干预框架之一。学习其中的“认知重评”等技术，对情绪管理和压力调节有极高的实用回报率。
    • 大五人格理论（Big Five / OCEAN）：人格心理学中信度、效度最高，且跨文化一致性最好的模型。它是科学评估人格特质的基准。

    2. 中等确定性

    这些领域有重要价值，但受“可重复性危机（Replication Crisis）”影响，或高度依赖具体情境，需调低胜率预期。

    • 社会心理学（Social Psychology）：如认知失调、从众效应等宏观概念非常有价值。但需注意，许多著名的具体实验（如某些启动效应）在近年来的大规模复现中失败。学习时应关注“元分析（Meta-analysis）”结论，而非单一“明星研究”。
    • 发展心理学（Developmental Psychology）：如依恋理论、皮亚杰认知发展阶段。宏观框架稳健，但微观机制在现代神经科学面前正在被不断修正。

    3. 高争议

    这些理论要么难以证伪，要么已被现代科学证伪。

    • 经典精神分析（Classical Psychoanalysis）：弗洛伊德的潜意识冲突、梦的解析、性心理发展阶段等。其核心问题在于“难以证伪”，且缺乏现代实证支持。它作为文学、艺术或思想史来了解具有人文价值，但作为科学真理或实用技能投资，胜率极低。
    • 流行心理学与“神经神话”（Neuromyths）：
      • 学习风格理论（Learning Styles，如视觉/听觉/动觉型）：这已被大量实证研究明确证伪。迎合所谓的“学习风格”并不能提高学习效果，属于典型的伪科学陷阱。
      • MBTI 的严格科学分类：尽管在社交中极度流行，但其重测信度和结构效度在学术界备受争议（例如相隔几周重测，结果可能不同），远不如大五人格科学可靠。
    • 部分进化心理学的“事后叙事”（Just-so stories）：宏观的进化框架有价值，但具体到某些现代复杂行为的“进化适应”解释，往往缺乏直接证据，容易陷入不可证伪的过度解读。

    凯利公式

    假设每日可自由支配的学习总时间 T=2T = 2 小时，，设定凯利折扣系数 λ=0.8\lambda = 0.8。

    标的 A：认知心理学（如：间隔重复与认知负荷理论）

    • 胜率 pi=0.9p_i = 0.9：科学共识极高，几乎无争议。
    • 净赔率 bi=4b_i = 4：掌握后能大幅提升你未来所有学习的效率，收益巨大。
    • 计算：fA∗=max⁡(0,4×0.9−(1−0.9)4)=max⁡(0,3.6−0.14)=0.875f_A^* = \max\left(0, \frac{4 \times 0.9 - (1 - 0.9)}{4}\right) = \max\left(0, \frac{3.6 - 0.1}{4}\right) = 0.875
    • 建议时间：tA=2×0.8×0.875=1.4t_A = 2 \times 0.8 \times 0.875 = \mathbf{1.4} 小时。

    标的 B：MBTI 深度理论与分类研究

    • 胜率 pi=0.3p_i = 0.3：科学效度低，更多是巴纳姆效应和社交标签。
    • 净赔率 bi=0.5b_i = 0.5：除了提供社交谈资，对个人底层认知提升的收益有限。
    • 计算：fB∗=max⁡(0,0.5×0.3−(1−0.3)0.5)=max⁡(0,0.15−0.70.5)=max⁡(0,−1.1)=0f_B^* = \max\left(0, \frac{0.5 \times 0.3 - (1 - 0.3)}{0.5}\right) = \max\left(0, \frac{0.15 - 0.7}{0.5}\right) = \max(0, -1.1) = 0
    • 建议时间：tB=0t_B = \mathbf{0} 小时。（凯利公式明确指出：对于负期望值的投资，最优策略是彻底避开）。

    标的 C：精神分析学说史（目标设定为：提升人文与文学素养，而非科学真理）

    • 注意：凯利公式的结果高度依赖于你对“成功”的定义。如果目标是获取科学真理，pip_i 极低；但如果目标是理解西方文学、电影中的隐喻，pip_i 会提升。
    • 胜率 pi=0.6p_i = 0.6：获得人文启发、理解文化语境。
    • 净赔率 bi=1.0b_i = 1.0：提升人文素养的边际收益。
    • 计算：fC∗=max⁡(0,1.0×0.6−(1−0.6)1.0)=0.2f_C^* = \max\left(0, \frac{1.0 \times 0.6 - (1 - 0.6)}{1.0}\right) = 0.2
    • 建议时间：tC=2×0.8×0.2=0.32t_C = 2 \times 0.8 \times 0.2 = \mathbf{0.32} 小时（约 20 分钟）。

    三、投资组合规划建议

    1. 核心仓位（70%-80% 时间）：锁定认知心理学、行为主义基础、CBT 原理。
    2. 卫星仓位（20%-30% 时间）：配置发展心理学、社会心理学（以元分析和教科书结论为准），以及作为人文补充的心理学史。
    3. 规避清单：不要将宝贵的学习时间投入到验证“学习风格匹配”、“MBTI 深度解析”或“未经证实的潜意识速成法”上。在凯利规划器中，它们的 f∗f^* 计算结果应为 0。
    4. 动态再平衡：心理学是一门经验科学。当你在阅读中发现某个理论（如社会心理学的某个效应）和日常经验不符合时，应立即下调该标的的 pip_i 值，并重新计算分配时间。
    Post #3
  • 学习时间投资组合规划器（Learning Kelly Planner）
    深入交流

    例如沟通能力，巴菲特： “投资自我。要想让自己的价值增加最简单的方法之一，就是去提升自己的口头和书面沟通交流技能。如果你无法与他人交流，就好比在黑暗深处对着自己喜欢的人抛媚眼一样，完全不会有任何结果。即便你智力极高，但你也必须要能够多方式表达出来，才会有意义。”

    假设我目前沟通能力极差，个人对该技能带来回报的胜率信念是 80%, 赔率选择 2，根据公式则本周可以投入 56% 的学习时间磨练这个技能。

    Post #2 ❤️ 1 like
  • [ai 整理讲稿] 2024 年 李录 北大光华讲座
    谈笑风生

    苏珊·巴菲特最后的访谈

    2004 年 5 月，苏珊·巴菲特接受查理·罗斯专访。这是她生前唯一一次电视专访。2004 年 7 月 29 日，苏珊因中风去世，享年 72 岁。以下根据访谈字幕整理，保留查理·罗斯与苏珊·巴菲特的对话及主要叙述内容。

    查理·罗斯：这是一次关于沃伦的采访，也是一场关于苏珊的生命记录

    查理·罗斯：苏珊·巴菲特是这个节目的朋友，也是我的私人朋友。2004 年 7 月 29 日，她在怀俄明州科迪附近的一座牧场度假期间，因中风去世，享年 72 岁。那座牧场属于沃伦的朋友赫伯特·艾伦。

    我最初是通过与沃伦·巴菲特的友谊认识苏珊的。大家都知道，沃伦是世界上最伟大的投资者之一，因此也是世界上最富有的人之一。但对于那些真正了解他的人而言，他还有另一面：他是一个极其有趣、富有幽默感的人，拥有一种非常特别的魅力。

    苏珊同样拥有这样的精神。

    今年 5 月，也就是她去世前不到三个月，她同意接受我的电视采访。这也是她一生中唯一一次电视专访。

    当时，我正在制作一个关于沃伦·巴菲特的长篇专题节目，因此我邀请苏珊和我谈谈她的丈夫。最初，这场采访本来应该主要围绕沃伦展开，但最终，它同样成为了一场关于苏珊自己的谈话。

    我希望你们能够认真看看这次采访，因为看完以后，你就会明白，为什么沃伦曾经亲口告诉我：“没有苏珊，我不可能取得今天这样的成就。”

    苏珊与沃伦长期居住在不同的城市，但他们之间始终存在一种难以割舍的联系。他们经常通电话，也会在一起度过许多特别的时光。每当他们重聚，彼此之间都会产生一种特殊的默契与亲密感。在苏珊与癌症抗争的过程中，沃伦也给予了她持续的支持与陪伴。

    苏珊不仅是沃伦的妻子，也是伯克希尔·哈撒韦的董事和第二大股东，更是他们三个孩子——霍华德、彼得和苏西——深爱的母亲。

    我非常荣幸，她愿意和我分享自己的人生。我希望这次谈话能够让大家看到，她究竟是一位多么非凡的女性。

    她的离世对沃伦以及他们的孩子来说，是巨大的损失。今天重新播放这次采访，是为了纪念她的一生，也为了让她的精神能够继续留在人们心中。

    从奥马哈的乡村教堂，到第一次遇见沃伦·巴菲特

    我的父亲是一名心理学教授，每个星期天还会去乡间教堂布道

    查理·罗斯：苏珊，你是在内布拉斯加州奥马哈长大的，对吗？那时候你还是苏珊·汤普森。和我谈谈你的家庭，以及你小时候的生活吧。

    苏珊·巴菲特：是的，我在奥马哈长大，结婚以前的名字是苏珊·汤普森。我父亲是一位大学心理学教授，同时也是心理学系主任。不过，他还做着另一件非常特别的事情，就是每个星期天都会去乡间的一座小教堂布道。

    那是一座非常美丽的白色小教堂，坐落在乡村的山谷里。我们要经过长满百合花的山坡，才能来到教堂。那里有许多山谷百合花，整个地方都非常漂亮。教堂周围的居民大多是农民，他们过着非常朴素的生活。我非常喜欢那个地方，也特别喜欢那些人。

    我小时候就经常接触这些普通家庭，接触那些在乡村生活和工作的人。我父亲在大学里从事学术工作，但他同样愿意把时间投入这些乡村社区，这对我有很深的影响。

    查理·罗斯：汤普森家族和巴菲特家族当时就已经认识了，是吗？

    苏珊·巴菲特：哦，是的。两家的父母彼此认识，但是孩子们并没有真正熟悉起来。沃伦和他的姐妹们从他 13 岁左右开始，就住到了华盛顿，因为他的父亲当时是国会议员。所以，虽然我们的家庭之间存在联系，但我和沃伦并不是从小一起长大的朋友。

    第一次见到沃伦，我只觉得这个男孩很古怪

    查理·罗斯：那么，你第一次见到沃伦是在什么时候？你对他的第一印象是什么？

    苏珊·巴菲特：我第一次见到他，是因为我准备去西北大学上学，而且打算和他的妹妹成为室友。

    有一天，我走进巴菲特家，沃伦正坐在客厅的一把椅子上。我刚进去，他就说了一句带着讽刺意味的玩笑话。

    我当时心里只有一个念头：“这个人是谁啊？”

    我并没有觉得那是一次多么浪漫的见面，也没有立刻意识到，这个坐在客厅里说奇怪笑话的男孩，以后会成为我的丈夫。

    那就是我们第一次相识的情景。

    查理·罗斯：后来，沃伦开始追求你，但你当时还在和其他男孩约会，对吗？他会到你家里来，和你的父亲一起坐着聊天，而你却出门去和别的男孩约会。

    苏珊·巴菲特：是的，事情就是这样。真正有趣的是，我父亲非常喜欢沃伦。他们两个人相处得特别好。

    我父亲的阁楼里放着一把曼陀林琴。有时候沃伦来到家里，就会对他说：“博士，把你的曼陀林拿出来吧，我用尤克里里和你一起演奏。”

    于是他们就一起弹琴。

    我父亲越来越喜欢沃伦，常常对我说，你应该认真了解这个年轻人，他比你想象得更加聪明。

    但我父亲欣赏沃伦，并不只是因为他聪明。他还觉得这个男孩心地特别善良。他会提醒我，沃伦有时候说话很幽默，甚至带着一点讽刺，但那些玩笑并不代表他没有真诚的一面。

    我父亲似乎很早就看到了沃伦的好品质，而且一直非常喜欢他。

    查理·罗斯：不过，沃伦不是一个很有决心的人吗？当他真正想得到某样东西时，总会努力去实现。最后，你还是不再和其他男孩约会，开始和他交往了。

    苏珊·巴菲特：是的，最后确实是这样。

    他真的非常有趣，特别能够逗我笑。他有一种独特的幽默感，而我们在一起的时候，总会感到很开心。

    那时候，他还经常带我去跳舞。

    查理·罗斯：沃伦·巴菲特居然会跳舞？

    苏珊·巴菲特：当然会！他那时候会跳舞，而且我们经常一起出去跳舞，玩得非常开心。

    至于他现在还会不会跳舞，我就不太确定了。

    但有一件事情我可以非常确定地告诉你：我们结婚以后，这件事情就再也没有发生过。

    我想，许多妻子可能都有过类似的经历。结婚以前，男人愿意陪你做很多事情，可是结婚以后，他们觉得婚姻已经稳定下来了，自己可以把注意力放到工作上。

    于是他们就会说：“我太累了，今天不用再去跳舞了吧。”

    这其实是很多婚姻中都会出现的一种变化。

    “我给了沃伦无条件的爱，这是我能给予他最好的东西”

    沃伦告诉我：你是一池水，而我是一朵花

    查理·罗斯：沃伦曾经亲口告诉我，如果没有你，他不可能取得今天这样的成功。他觉得你给了他某种非常重要的东西。你认为那是什么？

    苏珊·巴菲特：查理，听到他说这样的话，我真的非常高兴。

    因为无论你这一生做什么，无论你把自己的时间、精力和爱投入到谁身上，你都不希望到了最后，发现自己把这一切都浪费在了没有价值的事情上。

    沃伦是一个非常出色的人。

    我一直觉得，我能够给予他的最好的东西，就是无条件的爱。

    而我确实做到了。

    他曾经用一个非常美丽的比喻来形容我们之间的关系。他对我说：“你就像一小池水，而我是一朵花。”

    你想想，一个人听到自己深爱的人说这样的话，怎么可能不感到幸福呢？

    他让我知道，自己对他是重要的，是他生命中不可缺少的一部分。

    他也让我感觉到，我的爱真正帮助了他。

    查理·罗斯：所以，他让你感到自己被需要，也让你始终知道，他非常爱你。

    苏珊·巴菲特：哦，是的。我甚至不知道世界上还有什么人，能够比我得到更多的爱。

    当然，我觉得我自己可能很适合去做社会工作者，因为我有一种非常强烈的需求，就是希望自己能够帮助别人。

    我需要被别人需要。

    而且，我希望自己给予的东西，恰好是对方真正需要的。

    这种感受对我非常重要。

    沃伦和我之间始终存在非常深厚的爱与尊重。无论后来我们的生活发生了什么变化，这一点从来没有改变过。

    我原本以为自己会嫁给医生或者牧师，没想到嫁给了一个喜欢赚钱的人

    查理·罗斯：在你们年轻的时候，你是否就已经知道，沃伦将来会成为一个非常成功的人？

    苏珊·巴菲特：他从很年轻的时候，就会到处告诉别人：“我要成为世界上最富有的人。”

    你知道，当一个年轻人非常认真地对你说这种话时，你能怎么办？

    我当时只是想：“哦，好吧。”

    他是真的这样想，而且会反复说。

    不过，我并不觉得一个人拥有这样的目标有什么问题。

    如果一个孩子非常热爱音乐，他可能会说：“我要成为莫扎特。”

    一个人为什么不能拥有这样远大的理想呢？

    我不知道为什么有人会那么早就清楚自己未来想要成为什么样的人，但沃伦确实如此。

    然而，对于我来说，金钱从来不是最重要的事情。

    我年轻时一直以为，自己将来会嫁给一位牧师，或者一位医生。

    我希望嫁给一个能够为人类做出有价值贡献的人。

    结果，我却嫁给了一个把赚钱当作自己事业的人。

    这和我原本想象的人生完全不同。

    但我知道沃伦究竟是什么样的人。

    在我心里，他是一个非常好的人。实际上，我很难想象还有谁能够比他更好。

    所以，他赚多少钱，对我来说并不是决定性的事情。

    为什么沃伦总说：“你一定要去找苏珊谈谈”

    查理·罗斯：这也正是我觉得有意思的地方。每当我和沃伦谈起他的人生，他都会告诉我：“查理，你一定要和苏珊谈谈。没有她，我不可能做到这一切。”

    他为什么会这样说？

    苏珊·巴菲特：这确实很有意思，而且让我感到非常受宠若惊。

    我想，我大概能够理解他的意思。

    我第一次认识沃伦的时候，他就已经是一个天才了。

    但有时候，天才会伴随着某种孤独感和疏离感。

    他们的思维方式和别人不同，关注的事情也和别人不同。

    沃伦当时就是这样。

    他非常聪明，也非常有趣，但他并不是一个特别容易让别人走进内心的人。

    他的幽默有时候甚至带着一点古怪。

    我认为，这在某种程度上是因为他害怕。

    他并不总是愿意让别人真正靠近自己。

    即使到了今天，我仍然能够感受到他身上的这种特点。

    当然，我可能会说，世界上没有谁比我更加了解沃伦。你也许会笑，因为很多妻子都会这样说。

    但我确实觉得，自己理解他身上许多别人未必能够理解的地方。

    巴菲特最隐秘的性格：天才、孤独，以及不愿轻易信任别人

    沃伦不喜欢讨论琐事，因为他的脑子里始终在思考更大的问题

    查理·罗斯：你刚才提到，沃伦并不愿意轻易让别人走进他的内心。你觉得这是为什么？

    苏珊·巴菲特：这是一个很好的问题。

    我觉得，他内心里有某种害怕信任别人的倾向。

    他的思维方式非常特别，而且极其缜密。

    我父亲是一位心理学家，所以在我刚开始和沃伦交往的时候，父亲就提醒我，必须真正理解这个年轻人的思考方式。

    他说：“你要知道，他和普通人不一样。你不能期望他像其他人一样，随时和你讨论日常生活里的各种事情。”

    沃伦并不喜欢花很多时间谈论别人，也不喜欢讨论各种琐碎的小事。

    有些话题他根本没有兴趣。

    不是因为那些事情完全不重要，而是因为他的脑子里始终在思考其他问题。

    他在思考一些非常大的事情。

    只有当他准备好谈论那些事情的时候，你才真正能够和他展开交流。

    我们家里的孩子也很清楚这一点。

    有一次，我们的女儿苏西对我说：“妈妈，每次我和爸爸说话，都必须赶快把想说的事情说完，不然他很快就会离开了。”

    她说的并不是沃伦一定会真的从房间里走出去，而是他的注意力只能在那个话题上停留一段时间。

    很快，他的思维就会重新转向自己正在研究的问题。

    他又回到了那个属于他自己的思考世界。

    这就是沃伦的特点。

    他拥有非常强大的注意力，但这种注意力通常集中在他真正感兴趣的事情上。

    成为世界上最富有的人之一，却几乎没有改变他的生活方式

    查理·罗斯：让我问你另一个问题。沃伦后来取得了如此巨大的成就，拥有那么多财富和名声，出现了那么多关于他的书籍和报道。你觉得，这一切究竟怎样改变了他？

    苏珊·巴菲特：我认为，在取得这样巨大成功的人里面，沃伦可能是改变最少的那一个。

    真的，我几乎看不到财富和名声改变了他的性格。

    他身上没有那种因为自己很成功，就开始觉得自己高人一等的傲慢。

    一点也没有。

    他不会因为别人知道他是谁，就突然改变自己的行为方式，也不会为了展示财富去购买各种昂贵的东西。

    有时候，我甚至觉得，如果我能让他稍微注意一下自己的头发或者仪表，就已经很不错了。

    但这才是真正的沃伦。

    对他来说，钱本身并不是最终目的。

    你只需要看看他的生活方式，就能明白这一点。

    他不会因为有钱，就去购买大量昂贵的艺术品，也不会想着建造一座巨大的豪宅，或者用各种奢侈品证明自己取得了成功。

    那些事情并不能让他特别兴奋。

    金钱对沃伦来说，只是一张成绩单。

    它告诉他，自己在这场游戏中究竟做得怎么样。

    真正让他感兴趣的，是思考和竞争的过程。

    他喜欢投资，因为每个人都能阅读同样的资料，但他想成为赢家

    苏珊·巴菲特：沃伦曾经向我解释过，他为什么如此喜欢自己从事的事情。

    他说，任何人都可以阅读企业资料，任何人都可以研究那些公开披露的信息。

    大家能够获得的许多材料其实是一样的。

    从这个意义上讲，大家都站在同一条起跑线上。

    但他可以坐在自己的办公室里，阅读那些别人同样能够阅读的内容，然后依靠自己的分析能力作出判断。

    他非常喜欢这种感觉。

    因为他是一个竞争意识非常强的人。

    他想赢。

    他不是为了购买更多的东西才想赢，而是因为他真的喜欢这种智力竞争。

    我想，这也是为什么他能够长期保持如此简单的生活方式。

    他不需要通过消费证明自己的成功，因为财富对他来说只是成绩单。

    真正让他满足的，是自己通过思考、研究和判断取得了怎样的结果。

    他的大脑一直运转，却能在需要时立刻睡着

    查理·罗斯：他平时工作究竟有多努力？

    苏珊·巴菲特：他的大脑几乎一直在工作。

    即使你看到他并没有做什么，他可能仍然正在思考某个问题。

    但他身上有一个非常特别的能力，就是能够在需要的时候让自己的大脑停下来。

    他可以躺下来小睡，而且很快就能睡着。

    晚上也是如此，他通常能够睡得很好。

    我觉得这一点非常了不起。

    因为很多精力旺盛、思维特别活跃的人，往往很难真正让自己放松。

    他们会一直想着工作，想着那些尚未解决的问题。

    但沃伦似乎拥有一种能力，可以在需要休息的时候，把这一切暂时关掉。

    我认为，这也是他能够长期保持高强度思考的原因之一。

    苏珊的另一面：民权运动、女性平等，以及她对沃伦的影响

    在抚养孩子的时候，我把大量时间投入了民权运动

    查理·罗斯：在沃伦把大量精力投入投资事业的那些年里，你不仅要抚养三个孩子，也在积极参与社会活动。你当时主要在做些什么？

    苏珊·巴菲特：孩子们成长的那段时间，我非常深入地参与了民权运动。

    我真的投入了很多时间和精力，而且我一直为此感到自豪。

    有意思的是，我们双方的父母都属于共和党人，但我们并没有完全继承他们的政治立场。

    我非常关心种族平等，也关心那些受到不公平待遇的人。

    当时，我会去听各种民权运动人士的演讲。

    沃伦有时候也会陪我一起去。

    我们听过杰西·杰克逊的演讲，也关注过《像我这样的黑人》（Black Like Me）的作者以及其他参与民权运动的人物。

    我还记得一些我们特别喜欢、非常敬佩的演讲者。

    我觉得，随着时间推移，这些经历也慢慢影响了沃伦。

    有些事情并不是通过一次长谈，就能让一个人的想法发生改变。

    它可能是在多年相处中，一点一点发生的。

    沃伦曾对我说：有一天，女性会意识到自己在世界中的处境

    苏珊·巴菲特：有一次，我和沃伦讨论种族问题。

    那大概已经是 14 年前的事情了。

    我们谈着谈着，他突然看着我，说了一句让我印象非常深刻的话。

    他说，大意是：“等到有一天，女性真正意识到，她们在这个世界上所处的地位，实际上和奴隶有某些相似之处时，会发生什么？”

    我当时非常震惊。

    因为你想想，有多少男人会这样看待女性的处境？

    甚至很多女性自己，都未必会从这样的角度思考问题。

    我觉得这句话非常深刻。

    它也让我明白，沃伦对于男女之间的不平等，其实有着相当敏锐的认识。

    他非常支持女性。

    而且，他与女性之间往往能够建立特别好的关系。

    凯瑟琳·格雷厄姆和卡罗尔·卢米斯，都是沃伦的重要朋友

    查理·罗斯：沃伦与女性确实有很好的关系。凯瑟琳·格雷厄姆就是一个例子。他投资了《华盛顿邮报》，而凯瑟琳非常信任他。

    苏珊·巴菲特：哦，是的，凯非常棒。

    她是一位很出色的女性。

    沃伦和她之间建立了深厚的友谊。她也把沃伦介绍给了华盛顿的许多人，让他结识了很多不同领域的朋友。

    还有卡罗尔·卢米斯。

    卡罗尔是《财富》杂志非常优秀的记者和编辑，沃伦很喜欢和她交流。他们经常分享想法，讨论商业和投资方面的问题。

    沃伦有很多女性朋友。

    他很欣赏女性，也愿意向她们学习。

    我觉得这非常好。

    查理·罗斯：而你自己也很喜欢这些女性，对吗？

    苏珊·巴菲特：当然。

    我父亲从小就对我说，女性在很多方面其实是更优秀的性别。

    他甚至会说，如果整个世界由女性来管理，或许会成为一个更好的地方。

    所以，我是在一个非常尊重女性的家庭里长大的。

    我父亲始终认为，女性在世界上经常受到低估，她们本来应该拥有更多机会、更平等的待遇。

    他支持女性自主作出选择，也支持那些能够帮助女性获得平等地位的努力。

    我想，我后来对民权、女性平等和社会公正的关注，都与这样的家庭背景有很大关系。

    为什么苏珊离开奥马哈：我们像两条平行线，却始终紧密相连

    我只是想拥有一个真正属于自己的生活空间

    查理·罗斯：苏珊，后来你离开了奥马哈，搬到了旧金山。很多人对此感到好奇。既然你和沃伦拥有这样深厚的感情，为什么你还是决定离开？

    苏珊·巴菲特：我告诉你，查理，我其实是一个非常重视私人生活的人。

    所以，今天我会坐在这里接受你的采访，本身就是一件很特别的事情。

    我本来并不喜欢谈论自己的私人生活。

    沃伦知道这一点。

    当他让我来接受你的采访时，我告诉他，我不喜欢做这种事情，也不需要不断向外界解释自己的人生。

    但他说：“查理会对你很好的。”

    所以，我今天就坐在这里了。

    至于为什么离开奥马哈，这个问题确实比较复杂。

    我想，其中一个重要原因，是我开始意识到自己需要一些真正属于自己的空间。

    我的生活经历里，有一件事情经常发生，就是我会陪伴别人走过生命中非常艰难的时期，甚至陪伴他们走向生命的终点。

    其中有我的亲人，也有和我年龄相近的朋友。

    我不知道为什么自己总会遇到这样的事情，也许这就是我生命中的某种安排。

    但我发现，当别人正在经历死亡或者重大转变的时候，我反而能够非常自然地陪伴他们。

    我不会觉得这种事情特别难以面对。

    我甚至能够在那些时刻保持平静，让对方感到有人真正理解自己。

    所以，我花了很多时间陪伴那些需要帮助的人。

    我的妹妹，还有其他许多亲人和朋友，都让我经历过类似的事情。

    但到后来，我开始问自己：我是不是也应该拥有一个自己的房间，拥有一段真正属于自己的生活？

    我觉得，那会是一件很好的事情。

    我需要深刻的关系，而不是不断参加社交聚会

    苏珊·巴菲特：我不是一个喜欢肤浅社交的人。

    对我来说，人与人之间真正重要的，是持久而深刻的关系。

    如果我和某个人成为朋友，我希望这种友谊能够拥有真正的内容，而不是只停留在各种聚会和表面客套上。

    所以，我并不需要参加很多社交活动。

    事实上，我在奥马哈有三个非常好的朋友，他们甚至不会邀请我参加聚会。

    为什么？

    因为他们知道，我根本不想去。

    但我们会约在某个安静的地方，一起喝茶，认真聊天。

    那对我来说就已经很完美了。

    我不需要每天见很多人，也不需要因为自己是沃伦·巴菲特的妻子，就不断出现在各种社交场合。

    我只是想过自己真正喜欢的生活。

    我曾经考虑过纽约，但最后还是选择了旧金山。

    因为那里有许多我非常珍爱的朋友，而且城市本身非常美丽。

    我可以生活在城市里，同时又能够很容易接近自然。

    沃伦几乎看不到周围的美，但他知道旧金山适合我

    苏珊·巴菲特：第一次沃伦来旧金山看我的时候，我们一起出去散步。

    沃伦并不是一个特别注意周围视觉环境的人。

    他的内心世界太丰富了，以至于外部世界的很多东西，根本不会吸引他的注意。

    他可能完全不会注意到一件东西究竟漂亮还是难看。

    不过，这也有好处。

    比如说，我可以买一块非常难看的地毯，把它放在家里。

    沃伦每天从上面走过去，可能连续三年都不会发现这块地毯有什么问题。

    所以，你看，任何性格特点都有它的好处。

    但那一次，当我们在旧金山散步的时候，他突然开始注意周围的环境。

    他看着这座城市，然后对我说：“这里真的很适合你。”

    我知道他为什么会这样说。

    因为我非常喜欢色彩、光线、形状和自然景观。

    这些东西对我来说非常重要，能够让我感受到生活的美。

    而沃伦看到了这一点。

    他意识到，这座城市拥有许多能够让我快乐的东西。

    我觉得他最终理解了，为什么我希望生活在那里。

    身体上的接近，并不代表两个人真正待在一起

    查理·罗斯：所以，他最后接受了你的决定？

    苏珊·巴菲特：是的，但他需要一些时间才能真正理解。

    对我来说，一个非常重要的认识是：两个人在身体上待得很近，并不一定意味着他们真正拥有彼此的陪伴。

    你可以整天坐在沃伦身边，但他可能正在阅读。

    或者，他的脑子里正在思考另外一个问题。

    在这种情况下，即使你们坐在同一个房间里，也未必正在真正交流。

    我后来逐渐学会了独立生活。

    但这并不意味着我不再爱他。

    我告诉沃伦：“我不会离开你。只要你需要我，我就会来到你身边。”

    我愿意在他需要的时候陪伴他。

    我只是希望，我们不必因为彼此相爱，就必须每时每刻生活在同一个屋檐下。

    我想，我们之间的关系可以用这样一句话形容：

    我们就像两条平行线，彼此独立，却始终紧密相连。

    这种联系并不会因为生活在不同城市而自动消失。

    真正重要的是，当我们需要彼此的时候，是否仍然愿意给予对方爱、理解和支持。

    而我认为，我们一直做到了这一点。

    阿斯特丽德走进巴菲特的生活：一段非同寻常的家庭关系

    我在一家法式咖啡馆唱歌时，认识了阿斯特丽德

    查理·罗斯：那么，阿斯特丽德是怎样进入你们生活的？你是不是在某种程度上安排了她去照顾沃伦？

    苏珊·巴菲特：是的，可以这样说。

    我先告诉你，阿斯特丽德究竟是什么样的人。

    当年，我还住在奥马哈的时候，有一段时间会在一家法式咖啡馆唱歌。

    阿斯特丽德就在那家咖啡馆工作。

    她是一个特别乐于助人的人。

    每次我来到那里，她都非常友善，经常帮我准备茶，或者做一些让我感到舒服的小事。

    后来，我们开始坐下来聊天，慢慢成为了非常好的朋友。

    我觉得，阿斯特丽德是那种只有在为别人做事情的时候，才会真正感到快乐的人。

    她喜欢照顾别人。

    这并不是为了得到什么回报，而是因为她天生就拥有一颗非常善良的心。

    我非常喜欢她，也非常信任她。

    沃伦能管理数十亿美元，却可能连家里的开关都找不到

    苏珊·巴菲特：当我搬到旧金山以后，有些事情对于普通人来说可能并不困难，但对沃伦而言，真的很不容易。

    他有时候甚至不知道家里的某些东西放在哪里。

    他可能会给我打电话，问：“苏珊，某某东西在哪里？我怎么找不到？”

    你知道，他的脑子几乎全部用于研究自己真正关心的事情。

    至于家里那些非常普通、非常日常的事务，他经常完全不在意。

    我想讲一个关于我们家的故事，你听完以后，就会明白我说的是什么意思。

    那是很多年前的事情，当时孩子们还很小。

    有一天，我得了流感，身体非常不舒服，只能躺在床上。

    我觉得自己可能会呕吐，而且恐怕来不及走到洗手间。

    于是，我对沃伦说：“亲爱的，你能不能到厨房去，帮我拿一个锅或者其他能够盛东西的容器过来？我现在真的太难受了。”

    他说：“好的。”

    然后，他就去了厨房。

    我躺在床上，听见厨房里不断传来砰砰啪啪的声音。

    那动静听起来，简直像是有人正在准备一顿五道菜的大餐。

    他在厨房里折腾了很长一段时间，终于上楼回来了。

    他把一个东西放在我床边。

    我低头一看，发现他拿来的是一个滤锅。

    我看着那个滤锅，对他说：“亲爱的，这个东西上面有洞啊。你看，这里到处都是洞。”

    他看了看，似乎终于意识到了问题。

    于是，他又回到了厨房。

    我继续听见各种锅碗碰撞的声音。

    过了一会儿，他再次走上楼，把那个滤锅放在了一个烤盘上。

    他似乎觉得，这样问题就解决了。

    你看，这就是沃伦。

    这是一个能够处理极其复杂商业问题的人，却可能在妻子生病时，不知道应该拿什么容器给她。

    所以，我知道，他真的需要有人在日常生活中帮助他。

    我请阿斯特丽德去照顾沃伦，而她确实照顾得非常好

    苏珊·巴菲特：后来，我给阿斯特丽德打电话。

    我告诉她，沃伦需要帮助。

    我希望她能够去看看他，给他煮点汤，帮他处理一些日常生活里的事情。

    因为我非常清楚，沃伦在某些方面真的和普通人不一样。

    有些事情，别人很自然就能完成，但他可能完全不知道应该怎么处理。

    阿斯特丽德答应了。

    她开始去照顾沃伦。

    而且，她做得非常好。

    我对此一直非常感激。

    查理·罗斯：她实际上是在替你照顾你的丈夫。

    苏珊·巴菲特：是的，确实如此。

    她把他照顾得非常周到。

    沃伦很感激她，我也很感激她。

    因为她真的是一个好人。

    后来，他们会一起出去吃饭，一起做一些普通的事情。

    她能够给沃伦提供日常生活里的陪伴。

    而我仍然会和沃伦见面，我们也会一起旅行、一起参加活动。

    有时候，我们会和比尔·盖茨等朋友一起出行，也会去纽约，或者到海边的房子里度过一些时光。

    所以，我们之间并不是突然切断了联系。

    我们的关系只是形成了一种与一般婚姻不同的生活方式。

    阿斯特丽德住在奥马哈，陪伴沃伦的日常生活。

    而我拥有自己的生活，也仍然与沃伦保持非常亲密的关系。

    我知道，对于外界来说，这样的安排可能很难理解。

    但对我们而言，这确实是一种能够维持彼此关爱、让每个人都得到照顾的方式。

    “沃伦拥有他想要的一切，而我很高兴自己帮助他实现了这一点”

    他每天跳着舞去工作，因为他能够完全按照自己的意愿生活

    查理·罗斯：如果回顾你们共同走过的人生，你觉得有什么事情是你想改变的吗？

    苏珊·巴菲特：如果你认真看看沃伦的一生，就会发现，他几乎一直在做自己真正想做的事情。

    他经常说，自己每天都是跳着舞去工作的。

    他可以按照自己的想法经营事业，可以自由决定自己应该做什么，以及怎样做。

    他拥有一种很多人梦寐以求的自由。

    他可以充分发挥自己最擅长的能力。

    而且，他选择了一种能够清楚衡量自己成绩的方式。

    随着时间推移，这份成绩单上的数字越来越大，他对世界的影响力也越来越大。

    现在，人们把他视为世界上最伟大的投资者之一。

    而这不正是他年轻时就想做的事情吗？

    他从一开始就知道自己想成为怎样的人，然后几十年如一日地投入其中。

    他拥有自己热爱的事业。

    与此同时，他也拥有一个深爱他的妻子。

    当他需要帮助的时候，有人照顾他；当他需要鼓励的时候，有人给他信心。

    我很高兴，自己能够成为给予他这些东西的人。

    我最大的满足之一，是知道自己的爱没有白费

    苏珊·巴菲特：我想，沃伦可能说得没错。

    也许如果没有我，他的人生真的会有所不同。

    当然，我们永远无法知道，如果他娶了另外一个人，或者走上另外一条生活道路，事情最终会变成什么样。

    但我知道，我曾经给予他非常重要的支持。

    而这一点让我非常开心。

    因为在我看来，很少有人比沃伦更值得获得这样的爱和支持。

    我非常了解他的品质。

    我知道他究竟是一个怎样的人。

    所以，如果我的人生能够帮助这样一个人充分发挥自己的能力，我会感到非常欣慰。

    这对我来说，是一种真正有意义的人生。

    当苏珊患癌时，沃伦连续 26 个周末去看她

    在我最需要帮助的时候，家人给了我难以置信的爱

    查理·罗斯：后来，你自己也经历了严重的疾病。那段时间，沃伦是怎样陪伴你的？

    苏珊·巴菲特：天哪，那真是一段让我非常感动的经历。

    当我生病的时候，沃伦连续 26 个周末都来看我。

    每个周末，他都会过来。

    我们的女儿苏西也一直非常细心地照顾我。

    她为我做了非常多的事情，帮助我处理治疗期间的各种问题。

    我们的两个儿子同样非常出色。

    他们都给了我很多爱和支持。

    我真的觉得，自己获得的照顾已经好得有点不可思议。

    有时候，甚至好得让我觉得有一点害怕。

    因为当一个人获得如此多的爱时，她会突然意识到，自己究竟有多么幸运。

    癌症改变了我的说话方式，但没有改变我对人生的感受

    苏珊·巴菲特：我想向今天观看节目的观众解释一件事情。

    你们可能已经注意到，我现在说话的方式和正常人稍微有些不同。

    这是因为我生病以后，口腔里有一部分组织必须通过手术切除。

    所以，现在我说话的声音和发音方式，都和以前不太一样。

    但这并没有改变我对自己人生的看法。

    我仍然认为，自己拥有非常美好的一生。

    当疾病发生在我身上的时候，我曾经对上帝说，我已经是一个年纪很大的人了。

    我很庆幸，这件事情发生在我身上，而不是发生在我的孩子或者孙辈身上。

    因为如果是他们遭遇这样的事情，我会感到非常难过。

    我知道，这个世界上有很多人会在更年轻的时候遭遇疾病。

    甚至有些孩子，还没有真正开始自己的人生，就必须面对极其严重的困难。

    相比之下，我已经拥有了漫长而充实的生活。

    所以，我觉得自己没有什么特别值得抱怨的。

    查理·罗斯：但你现在看起来非常好。

    苏珊·巴菲特：谢谢你。

    我现在感觉很好。

    而且，我始终觉得自己是一个非常幸运的人。

    “我对人的内心世界，比对金钱更感兴趣”

    即使拥有数十亿美元，我最关心的仍然是精神生活

    查理·罗斯：苏珊，你个人拥有的财富就已经是一个极其巨大的数字。你掌握着数十亿美元的资产。对你来说，拥有这么多钱究竟意味着什么？

    苏珊·巴菲特：我告诉你，查理，我其实对人的内心世界更加感兴趣。

    对我来说，最重要的事情不是自己拥有多少财富。

    我真正关心的是精神生活，是我如何理解自己活在这个世界上的意义，以及如何在现实生活中践行自己相信的价值观。

    我非常重视这些事情。

    我也很喜欢自己通过基金会和其他慈善活动所做的工作。

    这些事情给了我极大的满足感。

    财富当然能够让人拥有很多选择，但在我看来，它真正值得珍惜的地方，是它能够帮助我们去做一些原本做不到的事情。

    我最敬佩的人，不是在公园大道开诊所的人，而是去越南服务他人的医生

    苏珊·巴菲特：因为慈善工作，我有机会到世界各地旅行。

    在这些旅途中，我遇到了许多真正令人敬佩的人。

    有些人是医生。

    他们完全可以在纽约公园大道开设昂贵的诊所，为富有的患者提供服务，赚取很多钱。

    但他们没有选择那样的生活。

    他们选择去越南，或者世界上其他更需要帮助的地方。

    他们把自己的时间、知识和能力，投入到帮助其他人这件事情上。

    有些人是志愿者，他们本来可以拥有更舒适、更轻松的生活，却主动选择为他人服务。

    我对这些人怀有极高的敬意。

    实际上，对我而言，这几乎是我能够给予一个人的最高评价。

    我非常敬佩那些真正愿意把自己的一部分生命奉献给别人的人。

    而且，我非常喜欢与他们相处。

    每当遇到这样的人，我都会觉得自己受到了鼓舞。

    这也是我为什么如此热爱基金会工作的原因。

    当有人批评沃伦不是企业家时，我真的非常生气

    《奥马哈世界先驱报》的一篇文章，让我觉得非常不公平

    查理·罗斯：你刚才谈到了沃伦的成功、财富以及他为社会所做的贡献。那么，我想问你，外界对沃伦的哪些批评，最容易让你感到生气？

    苏珊·巴菲特：其实，沃伦是一个相对幸运的人，因为他并不经常遭到非常激烈的批评。

    大多数人对他都相当尊重。

    不过，我确实记得《奥马哈世界先驱报》曾经发表过一篇文章。

    我觉得那篇文章非常无礼，而且根本没有抓住问题的重点。

    我当时真的很生气。

    文章讨论了沃伦和一些伟大企业家的区别。

    作者认为，像比尔·盖茨这样创立一家公司的企业家，应该在伟大商业人物的殿堂里拥有更高的位置，因为他们真正创建了企业，而沃伦主要是一位投资者。

    文章最后当然也承认，沃伦可能是有史以来最伟大的投资者。

    这句话听起来似乎很客气。

    但在我看来，整篇文章的比较方式就有问题。

    它把两个根本不同的领域放在一起，然后试图判断谁更伟大。

    这就像拿苹果和橘子作比较。

    你不能因为一个人选择成为律师，而不是医生，就认为他的贡献更小

    苏珊·巴菲特：我的意思是，难道一个人选择成为律师，而不是医生，就意味着他没有取得同样有价值的成就吗？

    这完全是两种不同的职业。

    你可以成为一名伟大的医生，也可以成为一名伟大的律师。

    为什么一定要用其中一种职业的标准，去否定另一种职业的成就？

    沃伦选择了投资，而比尔·盖茨选择了创业。

    这两种事业当然不同，但它们并不是同一场比赛。

    我觉得那篇文章的判断非常粗鲁，也非常缺乏洞察力。

    如果有人想批评沃伦，我当然不认为他不应该受到批评。

    任何人都可能犯错。

    但批评至少应该具有合理性。

    你不能仅仅因为他没有选择另一条职业道路，就认为他的成就不够伟大。

    查理·罗斯：看来你确实非常愿意维护自己的丈夫。

    苏珊·巴菲特：你说得没错。

    我当时真的很生气。

    而且，我觉得自己的愤怒完全有理由。

    沃伦自己反而不怎么在意

    查理·罗斯：沃伦本人知道你为什么生气吗？

    苏珊·巴菲特：他当然知道。

    不过，我觉得他自己并没有把这件事情看得那么严重。

    这也是沃伦很有趣的一个地方。

    很多事情，别人可能会觉得是在冒犯他，但他自己并不会特别在意。

    有时候，他甚至觉得事情本身挺好笑的。

    我反而比他更加在意别人是否公平地评价了他。

    我知道，他不是一个喜欢炫耀自己成就的人，但这不代表外界就可以用不合理的方式否定他的贡献。

    巴菲特希望留下什么遗产：年度股东信，以及“卵巢彩票”的思想

    对沃伦来说，伯克希尔的年度报告就是他写的书

    查理·罗斯：如果沃伦有一天回顾自己的一生，你觉得他最希望人们记住什么？

    苏珊·巴菲特：我认为，他非常希望自己写下的那些东西能够被保留下来。

    尤其是伯克希尔·哈撒韦的年度报告和股东信。

    那些文字实际上就是他的书。

    他花了很多心思，通过这些信向股东解释商业、投资、企业经营和长期财富创造的原则。

    我认为，他希望这些文字能够成为自己在商业世界中留下的重要遗产。

    因为那些信不仅记录了伯克希尔的发展，也记录了他究竟怎样思考问题。

    人们可以从中理解，他为什么会作出某些投资决定，又为什么坚持某些原则。

    但除了商业方面的思想之外，我觉得还有另一件事情，对他同样重要。

    那就是他经常提到的“卵巢彩票”。

    沃伦希望年轻人明白：出生在哪里，是人生最大的幸运之一

    苏珊·巴菲特：沃伦非常喜欢谈论“卵巢彩票”这个概念。

    而我也和他一样，非常相信这个观点。

    他希望年轻人能够意识到，自己出生在什么地方、出生于什么样的家庭，其实是一件带有巨大偶然性的事情。

    一个人可能因为出生在美国，就拥有其他国家的人很难获得的机会。

    他可能因为家庭环境比较优越，就能接受很好的教育。

    但这些事情，并不完全是他靠自己的努力获得的。

    它们在很大程度上来自出生时的幸运。

    如果一个年轻人能够真正意识到：“我非常幸运，能够出生在这样的环境里。”

    那么，我希望他能够继续问自己下一个问题：

    既然我得到了这么多机会，那么我能为那些没有我这么幸运的人做些什么？

    我知道，沃伦非常重视这个问题。

    他希望年轻人不仅能够理解自己的幸运，还能够把这种理解转化成帮助他人的责任感。

    这也是我们对财富与慈善问题拥有许多共同看法的原因。

    财富终究应该回到社会：我们对捐赠时间存在分歧，但对目标没有分歧

    我一直希望我们能够更早捐出更多钱

    查理·罗斯：你和沃伦都已经积累了巨大的财富，而且你们知道，这些财富最终会通过基金会投入社会。你们的慈善工作会在很长时间里持续产生影响，也会成为你们人生的重要遗产。

    苏珊·巴菲特：哦，是的，我非常相信这一点。

    不过，在慈善捐赠方面，我和沃伦确实存在一个分歧。

    我现在经营着自己的基金会，也一直希望我们能够捐出更多的钱。

    我认为，我们应该在有能力的时候，就尽可能多地帮助别人。

    我自己也会继续增加捐赠。

    这一点没有任何疑问。

    但是，我同时能够理解沃伦为什么不愿意立刻把全部财富捐出去。

    因为他经营的事业具有不同的特点。

    伯克希尔是一家商业企业，它的资本可以继续被投资，继续创造回报。

    随着时间推移，这些资本可能不断增长。

    从这个角度来看，如果我们现在不把所有钱都捐出去，而是让资本继续积累，那么未来也许能够拿出更多资源帮助别人。

    我能够理解这样的逻辑。

    我们最终会把财富捐出去，而且它会真正帮助别人

    苏珊·巴菲特：沃伦的做法与比尔·盖茨有所不同。

    比尔·盖茨可以把自己捐赠给基金会的资产，与商业企业的经营在一定程度上区分开来。

    而沃伦所拥有的财富，很大一部分仍然集中在伯克希尔的长期投资体系中。

    所以，他会以不同的方式考虑捐赠的时间。

    但我知道，等到合适的时候，这些财富最终会被捐出去。

    而且，它们能够真正帮助很多人。

    我们可能对应该什么时候捐、每次应该捐多少存在不同意见，但这不意味着我们对慈善的意义存在根本分歧。

    我始终相信，财富真正有意义的用途之一，就是让那些生活条件没有我们这么幸运的人获得帮助。

    “我是一个老年吉普赛人”：财富让我自由旅行，但我更喜欢普通人的真实生活

    我不想永远生活在同一个地方

    查理·罗斯：你的女儿苏西告诉我，你经常把自己称为一个“老年吉普赛人”。这是什么意思？

    苏珊·巴菲特：亲爱的，这个意思非常简单。

    我不喜欢在同一个地方待太长时间。

    我喜欢旅行，也喜欢去不同地方看望自己珍爱的人。

    我有可爱的孩子、孙辈、亲人和朋友。

    他们生活在不同的地方，而我愿意不断去看望他们。

    所以，我就把自己称为一个“老年吉普赛人”。

    有时候，别人问我现在究竟在做什么，我就会这样回答。

    我说：“我是一个老年吉普赛人。”

    这就是我现在的一种生活方式。

    我可以住世界上最好的酒店，但也喜欢印度那些条件简陋的住处

    查理·罗斯：以你的财富，你几乎可以去世界上任何一个地方旅行，入住最好的酒店，购买任何想买的东西，也可以见到各种各样的人。

    苏珊·巴菲特：是的，我当然可以。

    但你知道吗，查理，我并不一定喜欢那种最奢华的旅行方式。

    我去印度的时候，有时会和基金会的工作人员一起，住在条件非常普通、甚至可以说很糟糕的酒店里。

    那些地方可能并不舒适，环境也远远比不上大城市里的豪华酒店。

    但我真的喜欢去那些地方。

    因为在那里，我能够看到真实的生活。

    我也非常喜欢不丹。

    当你真正走进那样的地方，接触当地的人，看看他们怎样生活，就会发现世界远远比自己平时接触的那一小部分更加丰富。

    不过，我也很清楚自己和当地居民之间存在一种根本区别。

    因为我只是去那里旅行。

    我可以随时离开。

    我并不需要一辈子生活在那些条件下。

    对于当地的人来说，那可能就是他们必须长期面对的现实。

    所以，我不会因为自己去过那些地方，就假装完全理解他们的人生。

    我真正喜欢的，是走进人群，而不是被人认出来

    苏珊·巴菲特：当我去那些地方的时候，我不希望自己成为一个受到特别关注的富人。

    我不希望所有人都因为我是谁、因为我拥有多少钱，就用一种不同的方式对待我。

    我只是想走进人群。

    待在那里。

    看看人们的生活。

    尽可能做一个善良的人。

    我特别喜欢那种没有人认识我的感觉。

    因为在那里，我不是什么富豪的妻子，也不是什么拥有大量资产的人。

    我只是一个普通人。

    对我来说，这反而是一件非常快乐的事情。

    最后的赞美：苏珊，你和沃伦一样睿智

    查理·罗斯：苏珊，我觉得你和沃伦一样睿智。

    苏珊·巴菲特：哦，查理！

    这真是一个非常大的赞美。

    谢谢你。

    我真的很高兴听到你这样说。

    这对我来说意义很大。

    我想，我会在余生的每一天里，都记得你今天对我说的这句话。

    （苏珊笑了起来。）

    查理·罗斯：她的离开，是沃伦和整个家庭无法弥补的损失

    查理·罗斯：这就是苏珊·巴菲特。

    她是一个非常特别的人。

    在这次采访中，我们谈到了她与沃伦相识的故事，谈到了他们共同生活的那些年，也谈到了她为什么最终选择了与丈夫不同的居住方式。

    我们谈到了沃伦作为一个天才所具有的独特性格，也谈到了苏珊怎样用自己的爱、理解和包容，为他创造了一个能够自由发展自身能力的环境。

    与此同时，我们也认识了苏珊自己的世界。

    她深爱自己的孩子和家人，关心民权与女性平等，重视精神生活，也热爱那些真正愿意为他人提供服务的人。

    她拥有巨大的财富，却始终认为，一个人最重要的事情并不是自己拥有多少钱，而是自己如何度过这一生，又能够为其他人的生活带来什么。

    她对沃伦的爱非常深厚，而沃伦对她的感激也同样真诚。

    我希望大家通过这次谈话，能够更好地理解，为什么沃伦会认为，没有苏珊，他不可能成为今天这样的自己。

    现在，她已经离开了我们。

    我谨代表自己和这个节目，向沃伦·巴菲特以及他们的孩子们，表达深切的慰问和爱。

    感谢大家收看。

    我们下次再见。

    Post #11 ❤️ 1 like
  • 六位大法官 - 哈佛法学院 200 周年庆讲座 - 谈法律、教育、职业、正义与人生
    深入交流

    哈佛法学院 200 周年：六位美国最高法院大法官谈法律、教育、职业、正义与人生

    哈佛法学院建校 200 周年庆典暨美国最高法院大法官特别座谈会

    出席嘉宾：美国首席大法官约翰·罗伯茨，以及安东尼·肯尼迪、斯蒂芬·布雷耶、埃琳娜·卡根、大卫·苏特、尼尔·戈萨奇等大法官。庆典还包括哈佛大学校长德鲁·吉尔平·福斯特、哈佛法学院院长约翰·曼宁及其他教职人员的发言。

    两百年的历史：从六名学生到世界最具影响力的法学院

    理查德·拉扎勒斯：非常荣幸欢迎各位来到桑德斯剧院，参加哈佛法学院建校 200 周年庆典的开幕活动。首先，我要欢迎美国首席大法官罗伯茨，肯尼迪大法官、布雷耶大法官、卡根大法官、戈萨奇大法官和苏特大法官，也要欢迎福斯特校长、曼宁院长、各位教职员工同事、校友、在校学生，当然，还包括今天来到现场的特别嘉宾。200 年确实是一段漫长的历史，无论按照什么标准衡量都是如此。为了让大家对这段历史有更加具体的认识，我想先回顾一下 1817 年的美国究竟是什么样子。

    1817 年，哈佛法学院正式成立。当时的美国总统是詹姆斯·门罗，他刚刚接替詹姆斯·麦迪逊。约翰·马歇尔担任美国最高法院首席大法官，亨利·克莱担任众议院议长，主持第十四届国会的工作。那时候，美国国会甚至无法在国会大厦里正常开会，因为英国军队在 1814 年将国会大厦焚毁。美国当时只有 19 个州，印第安纳州就已经被认为是美国西部的一部分。亚伯拉罕·林肯和查尔斯·达尔文都只有八岁，而托马斯·爱迪生和亚历山大·格拉汉姆·贝尔甚至还没有出生。换句话说，1817 年的美国，与今天的美国几乎是两个不同的世界。哈佛法学院在那个时代是一项大胆的制度实验，而美国本身也同样是一项大胆的实验。

    当哈佛法学院在 1817 年第一次敞开大门时，它距离我们今天所在的这座剧院只有几百码，只有六名学生和两名教师。经过大约 200 年的发展，以及近六万名毕业生走出校门之后，哈佛法学院如今已经拥有来自 76 个国家和地区的近 2000 名学生，其中包括约 1500 名法律博士项目学生。学院拥有 100 多名全职终身教职教授，还有实践教授、临床教学教师、助教、讲师和访问教授，以及 300 多名工作人员。学校每年提供 550 多门不同的课程。无论从规模、学术深度还是国际影响力来看，今天的法学院都已经远远超出 1817 年创始者的想象。

    不过，有一件事情非常令人高兴，因为它并没有随着历史的推移而完全消失。1829 年，美国最高法院大法官约瑟夫·斯托里开始在哈佛法学院任教，一边担任大法官，一边承担法学教育工作。今天，我们同样可以自豪地说，哈佛法学院拥有一位大法官教师，那就是我们的前同事、杰出的前院长埃琳娜·卡根大法官。她每年秋季都会在这里教授一门课程。当然，如果在座的其他大法官也对教学感兴趣，我相信我们完全可以作出安排。现在，我非常荣幸地介绍另一位历史性人物。她不仅是一位杰出的历史学者和历史教师，而且本人也创造了历史。她就是哈佛大学第 28 任校长，德鲁·吉尔平·福斯特。

    福斯特校长：法律不仅是职业技能，更是追求正义的道德事业

    从制度实验到公共使命

    德鲁·吉尔平·福斯特：谢谢你，理查德，也非常感谢你为策划今天这场非凡的活动，以及整个 200 周年庆典所付出的努力。能够与大家共同庆祝哈佛法学院的 200 岁生日，是一件非常令人高兴的事情。今天，当我望向台下如此杰出的嘉宾和校友时，我很难想象两个世纪以前的景象。那时的哈佛法学院只是一个大胆的新实验，只有三个房间、两位教授和六名学生。更难以想象的是，大约十年之后，这项实验竟然一度只剩下一位教师和一名学生。如果从当时的情况判断，法学院的未来显然谈不上光明。然而，事情最终变得越来越好，而且有时是以人们根本无法预见的方式发生的。

    几周以前，我们以纪念大约 60 名被奴役劳动者的方式，开始了 200 周年庆典。他们的劳动曾经使哈佛法学院最早的一项法学教授职位捐赠基金成为可能。回顾这段历史，我们必须承认，哈佛的发展并不是一个始终光荣、始终正确的故事。谁能在建校之初想象，1834 届毕业生查尔斯·萨姆纳后来会成为重要的废奴主义者？又有谁能够预见，1991 届毕业生巴拉克·奥巴马会成为美国总统？同样令人难以忽视的是，1944 年，这所学院曾经拒绝录取才华出众的保莉·穆雷，并不是因为她是黑人，而是因为她是一名女性。然而，到了 2017 年，哈佛法学院以及《哈佛法律评论》在女性参与和领导方面已经发生了深刻变化。这些历史片段告诉我们，一个伟大的机构并不是从一开始就完美无缺，而是在不断接近自己的理想。

    小奥利弗·温德尔·霍姆斯大法官曾经提醒我们，成为理想的堡垒从来不是一件容易的事情，尤其是在法律领域。我们可能会为了一个永远无法完全抵达的理想而耗尽精力，但这并不意味着追求本身没有意义。从哈佛法学院创立的早期开始，它就受到一种新的法律教育理念推动：法律不仅是一门技艺，也不仅是一套可以机械掌握的职业规则，而是一种需要广泛知识、深入教育和充分理解人类社会的职业。

    1829 年，约瑟夫·斯托里大法官来到哈佛法学院，帮助这所年轻的学院走出困境。他曾经告诉学生，一位真正完善的律师必须熟悉各种学科，必须探索人类的内心，理解人的情感，从同情、仁慈和善良的源泉，到虚伪、狡猾和欺骗的各种表现。律师需要理解历史、文学、公共政策、宗教和自然世界，因为对于一个认真研究人类事务的人来说，几乎没有什么知识是完全无关紧要的。通过这种学习，律师会逐渐了解人类真实的模样，也许会变得不那么轻易相信他人，却也可能学会更加深刻地爱人，变得更加明智、更加坦诚、更加宽容，也更加无私。

    法律教会我们的，是如何在分歧中保持尊重

    我尤其想强调斯托里所说的最后一种品质：无私。这里的无私绝不意味着对事务漠不关心，也不意味着缺乏热情。恰恰相反，真正的无私是一种允许我们全身心投入争论，同时又能够慷慨倾听不同意见的品质。它让我们能够充分表达自己的观点，却不因为别人持有不同观点而觉得自己受到冒犯。通过观点的碰撞，我们能够更深入地认识问题，甚至能够在意见截然不同的人之间建立友谊，发现共同的目标。法律教育最重要的作用之一，就是教会我们如何与他人持不同意见。

    斯卡利亚大法官曾经说过，如果你把法律上的不同意见理解为针对个人的攻击，那么你恐怕选错了职业。罗伯茨首席大法官在联邦通信委员会诉 AT&T 一案的判决中，也曾经使用非常巧妙的幽默来解释公司是否享有个人隐私的问题。他在意见结尾写下了一句机智的话，大意是希望 AT&T 不要把这件事情太往心里去。这不仅是一句双关语，也说明最高法院的法官们完全能够在严肃的法律推理中保留幽默感。哈佛法学院不仅培养了大量最高法院法官，而且我敢说，也培养了一些最有趣的法官。

    法律当然意味着对复杂问题进行理性探索，但它同时也是一种道德追求。它要求我们追求平等、揭露腐败、促进公平、维护自由、制约权力的傲慢，并捍卫那些不可剥夺的权利。今天，我们不仅庆祝哈佛法学院的历史，也庆祝这种公共精神，以及它在过去两个世纪中留下的遗产。

    一所法学院如何改变社会

    哈佛法学院在培养公共生活领域的杰出领导者方面具有非凡影响力。它的毕业生遍布美国和世界各地，包括国家元首、立法者、商业领导者、教育工作者、军事将领，以及小说家、情报人员、艺术家、电影制片人、音乐家和奥运运动员。今天来到这里的美国最高法院大法官中，就有六位接受过哈佛法学院的教育。我们不仅应该庆祝法学院培养人才方面的卓越成就，也应该庆祝它成为推动社会变革的重要力量。

    这是培养路易斯·布兰代斯的地方，也是查尔斯·汉密尔顿·休斯顿为反对种族隔离而做好准备的地方。过去两个世纪中，哈佛法学院的学者对美国法律文献产生了深刻影响，并推动了全新的法律教育方法。这里有能够应对社会复杂法律与道德问题的研究者，也有将法学理论应用于真实世界的教师和学生。学院拥有 31 个临床法律教育项目，涵盖从刑事司法到网络法的各种领域，让学生不仅能够学习法律规则，还能够真正参与解决现实社会中的问题。

    我们的学生一方面掌握艰深的课程，另一方面还领导具有重要影响力的法律期刊，并且每年投入数十万小时的公益法律服务。他们通过美国历史最悠久的学生运营法律援助机构之一，帮助低收入客户解决法律问题，服务对象既包括美国本土社区，也包括世界其他地区的人群。他们为不同背景的学生、宗教少数群体和成千上万的退伍军人提供帮助，参与推动经济正义以及人道主义裁军。他们还与国际合作伙伴共同推动禁止核武器的努力，其中一个合作组织刚刚获得了诺贝尔和平奖。法学院的价值不只体现在学术声誉和职业成就上，还体现在这些真实的公共服务之中。

    任何一所学校都不可能在缺乏优秀领导的情况下取得这样的成就。今天在场的克拉克、卡根和米诺等前任院长，就是这一卓越领导传统的证明。我特别想感谢玛莎·米诺，她在今年 6 月刚刚结束八年的杰出院长任期。在她的领导下，哈佛法学院以更加坚强、更加多元化、也更加关注公共利益的姿态进入自己的第 200 个年头。

    与此同时，我们也迎来了带领哈佛法学院走向下一个 200 年的新院长，约翰·曼宁。大家已经能够感受到，他身上拥有一种特别的温暖与善良。他经常面带微笑，仿佛随时准备迎接新的发现或者惊喜。他既是一位杰出的学者，又不会把自己看得过于严肃。作为教师，他鼓励学生提出挑战，善于让教室里不同位置的学生都参与讨论，并能够把各种不同声音联系在一起。他对创新教学、不同思想和不同方法的重视，恰恰是今天这个经常充满争论甚至恐惧的世界所需要的。在这样一个时代，我很难想象还有谁比他更适合带领法学院继续前进。

    不要庆祝变老，而要庆祝距离理想更近

    在介绍曼宁院长之前，我还想作最后一个观察。霍姆斯大法官到了八十多岁的时候，仍然在最高法院工作。他曾经在写给朋友的信中谈到年龄的相对性。他认为 90 岁确实已经很老了，但当自己 87 岁的时候，他还只能算是“几乎老了”。虽然大学和法学院并不像人类那样拥有完全相同的生命过程，但在哈佛法学院 200 岁生日的今天，我觉得“几乎老了”是一个非常有意思的视角。

    小说家蕾切尔·库斯克曾经表达过这样一种想法：我并不觉得自己正在变老，只觉得自己离目标越来越近。我希望我们今天庆祝哈佛法学院，不只是因为它又老了一些，而是因为它又向自己的目标前进了一步。它应该更加接近理性，更加接近正义，更加接近法律所代表的那些伟大理想。因为对法律与正义的追求，是文明社会能够给予人类最珍贵的礼物之一。谢谢大家。

    曼宁院长：哈佛法学院为什么能够培养如此多的杰出人物

    我热爱这里，但这不是一次简单的自我赞美

    约翰·曼宁：谢谢你，福斯特校长。感谢你在过去 11 年里始终如一地支持我们的法学院，也感谢你为整个哈佛大学所做的一切。你帮助我们成为更加富有智慧、更加具有创业精神、更加包容，甚至更加卓越的大学。考虑到哈佛原本就已经是世界一流大学，这其实是一项相当高的要求，但你做得非常出色，我们对此深怀感激。

    我也想感谢我的朋友和前任院长克拉克、卡根以及米诺。他们每个人都为使这所优秀的法学院变得更加出色作出了重要贡献。我尤其想感谢米诺院长、拉扎勒斯教授以及参与筹划庆典的同事们，是他们让今天这场 200 周年纪念活动如此精彩。

    现在，我想先承认一件事情：我非常清楚，今天我是在场各位与美国首席大法官以及其他五位最高法院大法官之间唯一的障碍。因此，我会尽量简短。不过，我仍然希望利用这一点时间，谈谈自己的母校。我通常不喜欢炫耀，但我确实深爱哈佛法学院。如果我们有任何时候可以理直气壮地展现哈佛的深红色骄傲，那么 200 周年庆典应该就是最适合的时刻。

    事实上，我认为在今天这群人面前，尤其有必要谈一谈法学院的卓越。因为对于那些长期生活、学习或者工作在哈佛法学院的人来说，我们反而很容易把这里的杰出视为理所当然。今天台上有六位哈佛法学院毕业的最高法院大法官，这已经足够令人印象深刻。但你可能不知道，在美国历史上所有曾经担任最高法院法官的人中，有超过六分之一毕业于哈佛法学院，其中包括霍姆斯、布兰代斯、法兰克福等许多重要人物。如果进一步考虑美国司法行政系统中的高级职位，哈佛毕业生也占据了相当高的比例。更值得注意的是，美国建国最初的大约 100 年里，许多法律界人士甚至没有接受过今天意义上的正规法学院教育，因此这些数字尤其具有历史意义。

    除了最高法院大法官，美国历史上的许多内阁成员、参议员、众议员、州长、外交官以及各级法院法官，都曾在这里学习。这还只是美国国内的情况。如果把视野扩展到世界，我们会看到哈佛法学院培养的国家元首、法官、立法者，以及在私人律师事务所、公共利益组织、创业、金融、科技、非营利组织、教育和艺术领域作出重要贡献的毕业生。我们的校友几乎遍布所有可以想象的领域，而且不是偶尔取得成就，而是一年接一年、一代接一代地持续发挥影响。到了今天，我们甚至可以说，这种影响已经跨越了一个世纪又一个世纪。

    哈佛法学院不仅培养人才，还改变了法律思想本身

    我们也不能忘记哈佛法学院对人类知识作出的贡献，不能忘记那些在这里诞生、发展或者获得重要推动的伟大法律思想。哈佛在司法克制、联邦法院理论、法律过程学派、批判法律研究，甚至现代文本主义等许多领域都发挥过重要作用。这些学派之间往往存在深刻分歧，但它们都体现了哈佛法学院对法律理论与司法实践的重要影响。

    我想说的一个核心特点是，无论在学术辩论还是司法辩论中，哈佛培养的法律人士经常处于社会重大问题的讨论中心。无论人们对某项公共政策或者法律解释持什么态度，都有可能发现双方的主要论辩者曾经接受过哈佛的法律教育。从不同党派到不同意识形态，从主流观点到少数派观点，从理论研究到司法裁判，哈佛校友经常站在公共辩论的前沿。

    那么，我们应该怎样解释这种现象？我认为至少存在两个原因。

    第一个原因，是哈佛法学院拥有深厚的历史传统，以及由此产生的使命感。我们的学生带着非常高的自我期望来到这里。他们有雄心，希望用自己的一生做一些重要的事情，并且希望这些事情能够真正改变世界。为了实现这些目标，他们愿意思考得更深入，阅读更多书籍，挑战自己的假设，承担风险，投入比一般人更多的工作时间。如果你在一个普通的星期六晚上走进兰代尔图书馆的阅览室，仍然能够看到许多学生在那里努力学习。这种行为背后并不只是对成绩或者职业成功的追求，而是他们真正相信，法律能够帮助他们改变世界，使社会更加接近正义的理想。

    第二个原因，是哈佛法学院在保持卓越的同时，长期坚持极其广泛的学术视野和多样性。前院长卡根曾经说过一句话，我知道这可能让波士顿的一些人不太高兴：哈佛是法学院中的纽约。这里的意思是，无论你关心什么主题、采用什么研究方法、相信什么意识形态、拥有什么世界观，你几乎总能遇到一位极其聪明、非常投入，而且与你的观点完全不同的人。

    这些人不会只是礼貌地认同你。他们会挑战你对问题的理解，挑战你习以为常的假设，迫使你认真面对那些最有力的反对意见。我认为这对法律教育尤其重要，因为整个法律职业都建立在倾听不同声音的理念之上。只有当你能够认真理解针对自己立场的最有力论证，你才可能成为更优秀的律师，也才能更加接近真理、知识和理解。从这个意义上说，我相信世界上没有比哈佛法学院更适合培养优秀律师和领导者的地方。

    哈佛法学院让我拥有了父母无法想象的人生

    现在，我想用一种更加个人化的方式结束自己的讲话。我之所以如此热爱哈佛法学院，并不仅仅因为它拥有悠久历史、杰出的教师或者显赫的毕业生。我相信，在座许多人也拥有和我类似的经历。我是我们家族中第一个大学毕业生，也是家族中第一个进入法学院学习的人。哈佛法学院让我得以过上一种人生，这种人生不仅超出了我父母的想象，甚至也超出了我的祖父母以及更早几代人的想象。

    这正是哈佛法学院每年都在为学生做的事情。它使来自不同家庭背景的人获得从前不敢想象的机会，让一代又一代学生能够实现自己的理想。这不仅是我们过去取得的成就，也是我们未来必须继续承担的使命。我们的责任，是确保未来 200 年里，哈佛法学院依然能够帮助年轻人实现他们自己和家人从未敢于想象的人生。愿这种传统永远延续下去。

    六位大法官登台：从哈佛校友到美国最高法院

    约翰·曼宁：现在进入今天真正有趣的部分。我将按照各位大法官在哈佛法学院的毕业年份，把他们介绍给大家。首先是 1991 届毕业生尼尔·戈萨奇大法官，请上台。接下来是 1986 届毕业生，也是我的朋友和前院长埃琳娜·卡根大法官。虽然你现在已经是最高法院大法官，但在我心中，你仍然是我的院长。接下来是 1966 届毕业生大卫·苏特大法官，非常感谢你的到来。然后是 1964 届毕业生斯蒂芬·布雷耶大法官，以及 1961 届毕业生安东尼·肯尼迪大法官。

    最后，我非常高兴地介绍我的亲密朋友、曾经的上司，也是多年来给予我重要指导的导师。他是一位杰出的律师、一位谦逊而谨慎的法官，也是 1979 届哈佛法学院毕业生，美国首席大法官约翰·G·罗伯茨。

    罗伯茨首席大法官：自由辩论与智识谦逊，是法治的真正基础

    伟大的法律传统，不靠人数证明影响力

    约翰·罗伯茨：感谢福斯特校长、曼宁院长和拉扎勒斯教授邀请我们参加今天的庆典，也感谢大家如此热情地欢迎最高法院的成员。我们之中的一些同事因为其他原因无法到场，对此他们都感到遗憾。

    自从哈佛法学院庆祝建校 150 周年以来，已经过去了整整半个世纪。在当年的庆典上，著名法官亨利·弗兰德介绍了威廉·布伦南大法官。布伦南当时是美国最高法院唯一一位毕业于哈佛法学院的现任大法官。弗兰德指出，虽然哈佛法学院在历史上为最高法院培养过众多法官，但在某一个特定时期，能够同时在最高法院任职的哈佛毕业生通常并不多。他当时还幽默地说，与另一所今天我们不必点名的法学院不同，哈佛不需要依靠人数来证明自己的影响力。我相信这句话今天仍然成立，不过，既然现在我们已经有六位哈佛毕业生同时来到现场，我们又何必冒险只依赖质量来说明问题呢？

    从约瑟夫·斯托里到安东宁·斯卡利亚，哈佛法学院培养的许多大法官都对美国法律产生过深远影响。尤其是 20 世纪那些杰出的法律人物，包括霍姆斯、布兰代斯、法兰克福以及勒尼德·汉德。虽然汉德从未担任过最高法院大法官，我仍然认为他值得出现在这份名单中。

    这些伟大的法学家在很多方面各不相同。他们拥有不同的司法哲学，关注不同的法律问题，也使用不同的论证方式。但是，如果我们认真阅读他们的司法意见以及其他著作，就会发现其中存在两个彼此联系、而且非常重要的共同主题：第一，自由思想交流的重要性；第二，使这种交流真正富有意义的智识谦逊。

    自由思想交流，是文明社会不可放弃的责任

    先谈第一个主题，也就是自由思想交流。

    霍姆斯曾经提醒我们，必须始终警惕那些试图阻止表达令人厌恶观点的行为。布兰代斯则强调，公开讨论本身就是一种政治义务。法兰克福认为，真理不可能在充满敌意的环境中得到真正追求。汉德也相信，只有以开放的心态和勇气参与讨论，人们之间的相互信任才有可能得到维持。

    这些人的思想如此接近，以至于即使你把他们的名言混在一起，再把引用的作者弄错，许多听众恐怕也不会察觉。这并不是因为他们缺乏独特性，而是因为他们都深刻相信，自由、公开而诚实的思想交流，对于法律与民主社会不可或缺。

    第二个共同主题，是谦逊。我知道，当人们谈论哈佛法学院时，“谦逊”未必是他们想到的第一个词。但是，我这里说的是智识上的谦逊，也就是承认自己的认识可能存在错误，承认别人的理由可能比自己的理由更加有力。

    霍姆斯曾经说过，能够怀疑自己的第一原理，是文明人的标志。布兰代斯认为，司法工作必须尊重经验的教训，也必须尊重更加有力的论证。法兰克福强调，智识谦逊是法院不可缺少的品质。汉德则有一句非常著名的话：自由的精神，是一种不确信自己永远正确的精神；它是一种努力理解其他男人和女人内心的精神。

    法学院真正应该教给学生的，不是教条，而是怀疑

    我认为，哈佛法学院在最好的状态下，并不是向学生灌输某一套不可置疑的教条，而是教会他们如何辩论、如何怀疑，以及如何通过辩论和怀疑获得更深入的理解。事实上，苏格拉底式教学法不正是这样一种训练吗？它通过持续的提问与讨论，让学生发现自己原有观点中的漏洞，然后逐渐发展更加成熟的洞察力。

    很难不相信，霍姆斯、布兰代斯、法兰克福和汉德共同接受过的教育经历，对他们后来关于自由辩论与智识谦逊的信念产生了重要影响。即使他们最终在某些具体法律问题上意见不同，他们仍然共同理解，一位优秀的法律人必须拥有自由讨论的勇气，也必须拥有改变自己判断的能力。

    我很高兴告诉大家，这些价值观今天仍然体现在美国最高法院的工作中。我们在处理案件时，努力保持充分的相互尊重。我们共同承诺在内部会议上认真讨论案件，即使存在分歧，也仍然以团结的精神交流。我们对自己判断的正确性保持适当怀疑，正是这种怀疑使讨论能够真正影响我们的决策，而不只是成为一种形式。

    真正的倾听需要自我约束。它要求我们不要总是急于发言，不要立即驳回不同意见，而是愿意追随新的智慧，而不是机械坚持自己熟悉的教义。当哈佛大学校长授予法律学位时，所使用的措辞提醒我们，明智的约束使人自由。这看起来似乎是一种悖论，但它准确表达了法律职业的重要原则：只有懂得约束自己的人，才能真正参与自由而理性的讨论。

    我们完全有理由相信，再过 100 年，哈佛法学院仍然会继续存在，而且仍然值得人们庆祝。但它是否真正值得庆祝，取决于它能否忠于自己的核心价值，尤其是自由辩论与怀疑精神。只要这些价值能够延续，哈佛法学院就仍然有资格成为法律教育的重要中心。

    法学院的第一堂课：苏格拉底式教学法究竟教会了我们什么

    当六位大法官回忆自己还是一年级学生的时候

    主持人：谢谢罗伯茨首席大法官。现在进入今天下午的问答环节。因为台上有六位大法官，我不会要求每个人都回答每一个问题。通常我会提出一个问题，请一两位大法官回答；如果其他人特别想补充，也非常欢迎随时加入。今天的讨论大致分为三个领域：各位在法学院接受的教育、后来的职业发展，以及作为最高法院大法官的工作与生活。最后，如果时间允许，我们还会进行一轮快速问答。我希望那会非常有趣。我们就从法学院的第一年开始吧。今天台下有许多正在接受法律教育的学生。你们当年作为法学院一年级学生时，究竟是什么感觉？你们喜欢苏格拉底式教学法吗？现在回头看，你们对这种教学方式有什么感受？

    安东尼·肯尼迪：法学院教授经常说，我们教学生如何思考。我的妻子是一位三年级教师，她同样教孩子们如何思考。所以，我觉得更准确的说法是，法学院教会我们如何以一种正式、严谨的方式思考日常生活中的事情。我还记得，学习合同法大约两个星期以后，我走到了剑桥的哈佛广场，看到一个卖苹果的摊位，上面有一块写着苹果售价的牌子。我按照自己从合同法中学到的那种过于严格的文字理解，给了摊主一角钱，却拿了两个苹果。摊主立刻阻止我，说不行，不行。我指着牌子，试图向他解释文字究竟是什么意思。那个人看着我，只问了一句话：“你是法学院的学生吗？”我承认自己确实是。他显然已经从我的行为中看出了问题。

    现场有人：听起来，这很像文本主义的应用。大家都笑了起来，因为这种幽默恰好说明，法律教育有时会让学生把普通的日常情境理解得异常复杂。

    主持人：谢谢肯尼迪大法官。戈萨奇大法官，你是台上距离一年级学生生活相对最近的毕业生之一。回想自己第一天进入法学院的时候，你有什么印象？

    尼尔·戈萨奇：我不知道现在是否还保留这种传统，但在我上学的时候，院长会来到一年级学生的教室里发表讲话。我记得当时有院长向我们讲话，而后来克拉克院长在我读书期间担任了院长。即使经过这么多年，我仍然能够清楚记得那一天的感觉。时间过得实在太快了，但我必须承认，我当时真的害怕得要死。

    主持人：那种恐惧持续了多长时间？戈萨奇表示，这个问题自己以后可以再详细解释。主持人接着把问题交给其他大法官，询问是否有人还记得一年级课堂中最难忘的经历。

    一位大法官：我在进入法学院的第一堂课上，就成了第一个被教授点名回答问题的学生。那位教授是阿布拉姆·切斯。我当时回答得非常糟糕，几乎被他彻底击败。我心里想，天哪，我实在太差劲了，现在整个班级都已经知道我有多差劲。但事后回想，那反而是一件非常好的事情，因为最糟糕的事情已经发生了。既然大家已经见识到我表现最差的样子，我反而能够放松下来，不再像之前那样担心被点名。至少在接下来几天里，我觉得自己不用再害怕那门课了。

    最令人难忘的教授：好老师不只是传授知识，还会改变学生的思考方式

    为什么几十年以后，大法官们仍然记得自己的老师

    主持人：我想继续讨论法律教育。你们在哈佛法学院学习期间，是否遇到过某一位特别喜欢、特别敬佩，或者对你们产生重要影响的教授？有没有一门课程，让你们直到今天仍然记忆深刻？

    斯蒂芬·布雷耶：对我而言，法律过程是非常重要的一门课程。它涉及普通法、立法机构、法律解释以及司法推理等许多不同问题。我们必须思考什么是合理的立法者，法官应该怎样理解法律文本，司法机关又应该怎样在既定制度框架中作出判断。这些问题对我后来理解法院的工作产生了持续影响。我也非常喜欢杰克·道森教授的合同法课程。至于阿布拉姆·切斯，他也是一位非常优秀的老师。我至今还记得有关他课堂提问的故事，以及那种让学生在巨大压力中学会思考的教学方式。

    一位大法官：说到教授的课堂，我想起了一个非常有趣的故事。在某门有关财产或者信托的课程即将结束时，教授正在帮助学生复习考试内容。他的女儿克洛伊那天也来到了教室，坐在后排，当时她只有七岁。教授不断向学生提问，涉及某个有关财产转让限制的案件，尤其是案件作出判决的年份。没有人能够回答正确。教授故意表现得非常惊讶，对学生们说：“你们怎么可能不知道？你们不是已经为课堂作好准备了吗？这么简单的问题，连一个七岁的孩子都能够回答。”然后，他问教室里有没有七岁的孩子。当然，后排正好坐着他的女儿。她按照父亲的安排回答了那个年份。这个精心设计的玩笑让全班学生都难以忘怀，也说明当时教授们经常把课堂变成一种带有戏剧性的智力训练。

    另一位大法官：我还记得亨利·哈特教授。他是一位非常受欢迎的教授，但他的课堂也异常艰难。有时，他会在中午授课，而他的教学风格让学生觉得，即使是正午也仿佛进入了黑暗。他会不断追问法律原则之间的关系，有时甚至对一个看似已经得到解释的问题表示怀疑，迫使全班学生重新思考。我们都知道他的课程很困难，但正因为如此，那些课堂经历才让人终生难忘。

    一位大法官：我最喜欢的一门课程是合同法，而教授这门课的菲利普·阿里达是我最喜欢的老师。他对苏格拉底式教学法的掌握非常出色。这里说的苏格拉底式教学，并不是一个教授故意抓住某位学生不断追问，直到对方在全班面前难堪为止。阿里达教授确实会严厉地提出问题，但他的目的不是羞辱学生，而是帮助他们理解问题。他会坚定地与学生交流，把整个班级都带入讨论，不会在整节课里只盯着一个人。他经常从一名学生转向另一名学生，让不同观点不断出现，使课堂始终保持活力。我觉得这是一种很难掌握的教学艺术，而他真正掌握了它。

    另一位大法官：如果要回答最喜欢的老师是谁，我可能需要把答案分成两部分。在我读法学院的时候，有两位非常杰出的教师对我产生过重要影响，分别是查尔斯·弗里德和弗兰克·迈克尔曼。他们的课堂和思想使我对法律产生了更加深入的理解。不过，回顾那个年代的哈佛法学院，还存在另一类值得尊敬的老一辈教授。他们不仅代表着某个具体学科的知识，而且代表着一种深厚的学术传统。

    威廉·霍华德·塔夫脱的两张门票

    一位大法官：说到老一辈法律人物，曾经有人讲过一个关于威廉·霍华德·塔夫脱首席大法官的故事。塔夫脱到纽黑文观看一场比赛，走到自己的座位区域时，向接待学生交出了两张门票。学生感到困惑，问他为什么一个人要交两张票。塔夫脱解释说，因为自己的体型比较庞大，实际需要占据两个座位，所以他认为应该公平地支付两个座位的费用。

    但是，接待学生又发现了一个问题：塔夫脱购买的两张座位票，竟然分别位于过道两侧。也就是说，他虽然为两个座位付了钱，却不可能同时坐在这两个相隔一条过道的座位上。

    讲述这个故事的人接着引用了保罗·弗罗因德的幽默评论。弗罗因德认为，如果能够充分发挥塔夫脱的谈判能力，问题其实完全可以解决。他只需要先说服右边的邻座，在比赛上半场使用过道另一侧的座位；到了中场休息时，再与左边的邻座协商，让对方在下半场交换座位。这样，每个人都能看到比赛，而且每个人都有机会从不同角度欣赏比赛。

    这个故事最有意思的地方，不只是关于塔夫脱体型的玩笑，而是它以一种轻松方式提醒我们，理解不同视角、欣赏不同立场的能力，对于律师来说非常重要。法律经常要求我们站在多个角度观察同一个问题，而不是只固守自己最初的判断。

    哪些职业经历，最能帮助一名律师成为最高法院大法官？

    布雷耶：你究竟想要名声，还是想要结果？

    主持人：除了担任最高法院大法官，你们每个人都拥有非常丰富的职业经历。有些人曾经担任联邦巡回上诉法院法官，有人担任过州最高法院法官，有几位在白宫工作过，有些人从事私人律师业务，还有人担任过参议院委员会的首席法律顾问。你们拥有如此不同的职业背景，那么，究竟哪一种专业经历最有助于你们胜任美国最高法院的工作？

    斯蒂芬·布雷耶：我不太确定究竟有没有一种职业经验能够真正让人做好担任最高法院大法官的准备。哈里·布莱克门大法官曾经说过，最高法院大法官是一项非常不寻常的工作，你很难通过此前的职业经历为它作好完全充分的准备。不过，在我个人的职业生涯中，确实有一段经历让我学到了非常重要的东西，那就是为爱德华·肯尼迪参议员工作。

    在那里，我学到的最重要的一件事，是你在生活中经常需要作出选择：你究竟想要获得名声，还是想要实现结果？这是两个不同的目标。很多时候，如果你特别在意究竟是谁获得荣誉，反而会妨碍真正有价值的事情发生。

    肯尼迪参议员懂得这一点。如果他发现另一位参议员正在提出一个与他希望实现的目标一致的想法，他不会急着争论这个想法究竟属于谁。他会认真倾听，然后表示赞同，告诉对方这是一个非常好的主意，接着想办法和对方合作，使事情真正发生。如果结果很好，功劳可以由许多人共同分享。如果结果不好，又有谁愿意争抢责任呢？

    他甚至会主动把其他参议员推荐给媒体，让他们获得应有的关注。这么做的结果，是他能够在实际政策中取得进展。对我而言，这是一堂非常重要的职业课。无论将来你进入什么行业，只要需要与其他人合作，就必须理解，实现结果通常比获得个人荣誉更加重要。

    肯尼迪：每一个法律案件背后，都有一个真实的人

    安东尼·肯尼迪：当我们谈到律师这个职业时，经常会同时使用“律师”和“法律顾问”两个词。年轻的时候，我们有时还会互相开玩笑地称对方为法律顾问。但随着我开始真正从事法律工作，尤其是为那些从来没有聘请过律师的普通人提供帮助时，我才逐渐理解，“顾问”这个角色究竟有多么重要。

    当时，我办理过一些刑事案件，也处理过商业方面的法律问题。最让我感兴趣的，不只是研究适用什么法律规则，而是帮助客户理解自己面临的处境。每一个法律案件背后，都有真实的人。他们拥有自己的家庭、工作、恐惧、期待和责任。我们不能只记得法律书籍里的条文，而忘记那些条文最终会影响的人。

    霍姆斯曾经说过，法律书籍实际上记录了我们的道德生活。我认为这句话非常重要。我们处理的每一个案件，都不只是抽象的法律问题，而是人与人之间真实发生的事情。

    我以前在加利福尼亚州萨克拉门托工作，办公室距离州议会大厦附近的公园不远，那是美国非常美丽的公共空间之一。有时候，一位客户来到我的办公室，和我讨论自己面临的刑事指控或者商业纠纷。我们会认真分析各种选择，然后客户问我：“那么，我究竟应该怎么办？”有时，我不会立刻替他作决定，而是告诉他，先去公园散步半个小时，然后回来告诉我，你自己认为应该做什么。

    很多年以后，仍然有人会因为那次公园里的散步而记得我。这让我更加确信，法律首先是一项与人有关的事业。律师可以向客户解释规则、分析风险，但也必须帮助他们形成自己的判断。对我来说，早期的这些职业经历，真正帮助我理解了法律在人类生活中的作用。

    卡根：总检察长教会我如何说服法官，教师生涯教会我如何解释问题

    埃琳娜·卡根：最直接帮助我为最高法院工作作准备的经历，当然是担任美国总检察长。因为总检察长的几乎全部工作都与最高法院有关。你需要了解法院的程序、日程、作出决定的方式，以及每一位大法官的思考特点和相互交流的方式。

    从某种意义上说，担任总检察长时，我每天都在思考怎样说服最高法院的九位大法官。现在，我成为其中一员之后，工作似乎有所简化，因为我只需要考虑怎样说服其他八位大法官。当然，同事们立刻拿这件事情开了玩笑。

    不过，如果问我哪一种工作经验对现在的日常工作影响最大，我会给出一个没有那么明显的答案，那就是教学。我这里强调的是教学本身，而不只是学术研究。

    作为法官，我们坐下来撰写司法意见时，实际上经常在做一件与教师非常类似的事情：向那些真诚希望理解某个问题、但并不一定已经拥有相关专业知识的人，解释非常复杂的法律概念。我们不仅要告诉他们结论是什么，还需要让他们理解法院为什么作出这样的决定。

    我以前准备课程时，经常会想象教室里坐着 100 名学生。他们都非常聪明，充满好奇心，希望真正理解知识，但他们可能对我要讲授的复杂领域了解不多。那么，我应该怎样组织自己的解释，才能让这些学生真正理解问题？

    如今，当我坐下来撰写司法意见时，我仍然会使用同样的思考方式。我们必须把复杂的法律原则解释清楚，让希望理解判决的人能够知道法院究竟为什么作出这样的决定。我们写作，不只是为了宣布一个结果，也希望读者能够真正理解和接受支撑这个结果的理由。

    罗伯茨：真正理解法治，是当我代表普通人对抗政府时

    约翰·罗伯茨：在我成为法官以前，我曾经在最高法院代理过许多案件，大约一半是代表美国政府，另一半则是代表个人或者其他私人客户。我一直非常自豪能够代表政府出庭，因为当你站在最高法院面前，告诉法官自己代表美利坚合众国时，那是一种非常特殊的职业荣誉。

    但我必须承认，真正让我深刻理解法治意义的经历，反而发生在我代表私人客户的时候。

    想象这样一种情景：我站在法庭上，旁边坐着美国总检察长，他代表的是世界上最强大的政府之一。而我所代表的客户，可能只是一个普通人，也可能是一家协会、一个组织或者一家企业。美国政府想要对我的客户采取某种行动，而我的工作就是向法官说明，政府实际上没有权利这样做。

    在这种情况下，我需要做的事情很简单，却也非常困难：说服最高法院的五位大法官，让他们相信政府的行为违反了法律。

    如果我成功了，那么无论美国政府拥有多么巨大的权力，它都必须退让。

    当你真正站在法庭上经历这种事情时，你才会深刻意识到法治究竟意味着什么。一个普通人、一家私人企业或者一个民间组织，能够通过法律程序要求世界上最强大的政府遵守法律，而且只要说服法院，就能够获得胜利。对我来说，这是极其了不起的制度安排，也是我在职业经历中最深刻感受到的法治力量。

    戈萨奇：第一位老板，往往决定你后来会成为什么样的律师

    尼尔·戈萨奇：我过去曾经在私人律师事务所工作，也担任过大约十年的联邦上诉法院法官。这些经历当然都对最高法院的工作有所帮助。不过，正如布雷耶大法官所说，最高法院大法官确实是一项非常特殊的任务，很难找到完全相同的职业训练。

    在回答这个问题之前，我想先呼应苏特大法官对查尔斯·弗里德教授的赞赏。他是一位慷慨、严格而且极具启发性的老师。他的课堂充满了关于公共服务的故事，能够让学生真正感受到法律职业的精神。他也是一位出色的哲学家。我至今仍然非常重视他的著作《对与错》，甚至把它作为自己在科罗拉多大学教授伦理学课程时的重要阅读材料。他关于律师职业伦理的思想，对我理解律师的职责有着持久影响。

    不过，如果一定要我挑选一件对职业发展最重要的事情，我会谈谈自己的第一份工作。

    我有一位在俄克拉荷马城市大学任教的朋友，他研究律师职业责任。他曾经进行过一项研究，发现年轻律师的职业伦理观念，在很大程度上会受到第一位老板的影响。

    法学院教授教给我们的知识当然非常重要，但当我们真正进入法律职业时，往往会从最初带领我们工作的那些人身上，吸收大量关于如何成为律师、如何对待职业责任的观念。

    我在这方面非常幸运。我曾经为拜伦·怀特大法官工作，也曾经为安东尼·肯尼迪大法官工作。他们不仅是杰出的法律人，也是司法文明、职业修养和公共服务精神的重要典范。能够在职业生涯初期向他们学习，对我是一种巨大的幸运。

    安东尼·肯尼迪：你当年做我的助理时，也不是每一次都会按照我的要求去做。戈萨奇听到这里，笑着回应了这位曾经指导自己的大法官。整个现场也因为这段师徒之间的玩笑而充满笑声。

    苏特：审判法官的经历，让我真正理解陪审团的价值

    主持人：苏特大法官，你是今天台上唯一曾经担任过州最高法院法官的成员。你认为在州法院的工作经历，怎样影响了你后来作为联邦最高法院大法官的思考方式？

    大卫·苏特：我认为这种经历确实对我产生了重要影响，但方式可能与你们最初想象的不太一样。如果要说我在州法院工作期间最有价值的经历，我会选择自己担任州法院审判法官的那五年。实际上，那可能是对我后来担任美国最高法院大法官最有帮助的一段职业经历。

    当你真正担任审判法官时，你会以律师难以获得的方式，接触案件当事人、陪审团以及整个司法程序的实际运行。你会看到真实的人怎样理解证据，怎样处理疑问，又怎样努力履行自己被赋予的职责。

    我在那五年里学到的一件最重要的事情，是普通陪审员所具有的巨大道德价值。

    我记得参加过一次律师协会的会议，当时有人谈论刑事案件，说你当然可以告诉陪审员什么叫合理怀疑，但他们最终还是会按照自己的意愿作出决定。这种说法隐含着一种愤世嫉俗的判断，认为陪审员未必真正重视法律要求。

    但根据我的亲身经历，这种判断是错误的。

    在担任审判法官的五年里，除了极少数例外，我几乎总会在陪审团作出裁决之后与他们交谈。我不会告诉他们自己是否同意他们的判断，但我会回答他们的问题，并且尽可能了解他们作出裁决的过程。通过这种交流，我学到了很多过去根本不知道的事情。

    有好几次，在刑事案件中，陪审团作出了无罪判决。事后，有陪审员对我说：“法官，请不要误会，我们实际上认为被告很可能做了那件事。但是，按照合理怀疑的标准，我们仍然不能认定他有罪。”

    这恰好说明，他们对自己的职责非常认真。他们能够把个人直觉与法律所要求的证明标准区分开来，即使内心怀疑被告确实实施了犯罪，也仍然坚持政府必须承担的举证责任。

    我也经历过另一种情况。有一次，陪审员怀疑州检察机关与地方检察机关之间存在某种政治操纵。他们不能确定究竟发生了什么，但正因为存在这种无法澄清的问题，他们不愿意轻易让被告承担刑事责任。陪审员并不是机械地按照某种偏好投票，他们实际上会认真思考国家权力、证据和个人自由之间的关系。

    这些经历让我理解，陪审团真正具有独立性，而且能够严肃对待法院给予他们的指示。我因此不愿意接受那种认为普通陪审员没有能力履行职责的犬儒主义观点。

    后来，在最高法院讨论涉及陪审团审判权的案件时，这段经历持续影响着我的判断。特别是当某些刑事司法制度试图把原本应当由陪审团认定的重要事实，转化为法官在量刑阶段自行考虑的因素时，我会特别警惕。

    因为我亲眼见过陪审团认真履行职责，也真正理解了它们在政府与被告之间所发挥的保护作用。我不愿意看到任何制度性做法削弱这种重要价值。

    如果没有担任审判法官的五年经历，我也许不会对这些问题如此敏感。因此，我始终认为，自己在司法体系最基层、最接近真实案件的工作经历，是后来担任最高法院大法官最宝贵的准备。正是在那些审判现场，我学会了法院的实际运作方式，也学会了如何真正理解陪审团制度。

    如果没有成为律师，你们会选择什么职业？

    戈萨奇想做飞钓向导，罗伯茨和卡根想当大学教授

    主持人：下面换一个轻松一点的问题。这是一个假设性问题。如果你们当年没有选择成为律师，那么今天最有可能从事什么职业？戈萨奇大法官，你先来回答吧。

    尼尔·戈萨奇：我要先坦白一件事情，我在来到这里之前已经看过这些问题，所以有机会认真思考。我问自己，究竟最羡慕什么样的人？最后我发现，自己特别羡慕那些飞钓向导和滑雪教练。最理想的安排，是夏天做飞钓向导，冬天做滑雪教练。我认识一些从事这些工作的人，非常喜欢他们的工作方式，也非常喜欢他们工作的环境。如果可以这样生活，我觉得非常不错。

    约翰·罗伯茨：我可能会去找福斯特校长，看看哈佛历史系有没有一个职位愿意给我。当初我之所以进入法学院，很大程度上是因为没有找到合适的历史学工作机会。在大学里，我学习了很多现代欧洲历史，也一直对这个领域很感兴趣。到了法学院第一年结束的时候，我开始觉得法律可能是一个更加现实的选择。不过，如果没有成为律师，我大概仍然希望研究历史，尤其是现代欧洲历史。当然，我承认，这听起来可能没有做飞钓向导那么有趣。

    埃琳娜·卡根：首席大法官，问题是你可能根本进不了福斯特校长的办公室，因为我会比你更早去申请工作。我想教英语文学，或者政治思想。如果没有进入法律界，我很可能会选择大学教学。

    另一位大法官：这已经连续有好几个人说自己想成为大学教授了。我同样主修历史。如果没有进入法学院，我也很可能成为一名历史教授。我当年其实认真考虑过究竟应该读研究生还是读法学院，两条道路都对我有很大吸引力。不过，我最终认为法律提供了一条更加实际的职业道路，也让我能够在智力探索之外，以更加直接的方式影响社会。

    学术研究与公共影响，为什么法律最终更有吸引力

    埃琳娜·卡根：我认为这确实是一个重要的问题。当我在历史研究与法律职业之间作选择时，也思考过自己究竟希望过怎样的人生。如果成为历史学者，我可能会花很多时间坐在档案馆里，研究各种文件和历史材料。这当然是非常令人着迷的工作，我完全理解研究者从中获得的乐趣。

    但是，我也希望自己从事的事情能够对世界产生某种实际影响，能够对其他人的生活产生意义。法律在这方面很特别，因为它一方面具有极其强烈的智力挑战，另一方面又能够通过具体案件、法律制度和公共政策产生现实效果。它让我们有机会把抽象思考与社会影响结合起来。我不确定自己作为历史教授时是否能够获得同样的满足感。

    主持人：看来今天想进入历史系工作的竞争非常激烈，而且福斯特校长恐怕必须准备更多职位。不过，我们还没有听到布雷耶大法官的答案。斯蒂芬，如果你没有成为律师，你会做什么？

    斯蒂芬·布雷耶：我想起自己七岁的时候，曾经非常明确地知道长大以后想做什么。我当时最理想的工作安排，是夏天成为棒球运动员，冬天去开垃圾车。这就是我小时候真正想要的职业生活。

    主持人：这实在是一个好答案。从我们今天的回答来看，很多人曾经想当老师，有人想做历史学者，有人想当飞钓向导和滑雪教练，还有人希望在棒球和垃圾车之间安排自己的四季生活。幸运的是，你们最终都选择了法律，而且都走到了这里。

    最钦佩哪位大法官，又最希望和哪位历史人物共进晚餐？

    布雷耶与卡根：我希望和那些真正懂得讲故事的人共进晚餐

    主持人：接下来这个问题有两个部分。作为最高法院大法官，你们肯定研究过许多法律史上的杰出人物。第一，你最钦佩哪一位历史上的最高法院大法官？第二，如果能够选择一位已经离世的大法官共进晚餐，你最希望见到谁？这两个答案可以相同，也完全可以不同。

    斯蒂芬·布雷耶：对于第一部分，我特别钦佩那些重视实际问题、愿意认真了解事实、理解法律原则、能够写出清晰司法意见，同时又拥有良好价值观的大法官。如果要选择一位共进晚餐，我认为霍姆斯会是一个非常好的选择。他拥有极其深厚的文化修养，阅读广泛，了解哲学、历史和许多其他领域。他与当时杰出的思想家有过交流，包括威廉·詹姆斯等人。我相信，无论我们谈论什么，他都能提出有意思的看法。如果你可以与一位法律史上的伟大人物共进晚餐，霍姆斯显然是一个非常有吸引力的选择。

    埃琳娜·卡根：对于最钦佩的大法官，我的回答和布雷耶大法官有很多相似之处。我非常欣赏布雷耶大法官对法律和国家历史的理解，也欣赏他思考司法问题的方式。不过，如果谈到最希望与谁共进晚餐，我想稍微改变一下规则，选择一位虽然没有和我同时在最高法院任职，但我曾经与他相处很长时间的人——瑟古德·马歇尔大法官。

    马歇尔是我一生中遇到过最伟大的故事讲述者。他拥有极其丰富的职业经历，又能够以一种非常独特的方式把这些经历讲述出来。如果你有机会与一位曾经担任过最高法院大法官的人共进晚餐，我觉得很难找到比马歇尔更好的选择。因为你绝不可能感到无聊，他总是拥有讲不完的故事。

    马歇尔与一桩死刑案件：法律程序中的一个细节，可能改变人的命运

    埃琳娜·卡根：我还记得马歇尔讲过一个关于死刑案件的故事。那是在他担任律师的时期，他与一名来自阿拉巴马州的律师共同处理一宗死刑案件，并且准备到最高法院辩论。在那个年代，双方律师拥有比较长的口头辩论时间，那位律师决定自己先发言，再由马歇尔接着辩论。

    当案件开始审理时，休戈·布莱克大法官突然起身离开法庭。按照最高法院的惯例，这通常意味着他决定回避案件，不参与审理。

    口头辩论结束以后，那位阿拉巴马州律师对马歇尔说，自己完全不知道布莱克为什么要回避，因为布莱克是他的表亲。这个细节令人难以置信，而它产生的后果非常严重：由于布莱克没有参与审理，最高法院出现了四比四的僵局，结果原来的死刑判决得以维持。

    马歇尔没有就此放弃。他继续工作，花了大约两年时间，最终推动那项判决被推翻。

    这个故事让我印象特别深刻。它说明法院里的一个程序决定，有时可能直接改变一个人的命运。而马歇尔不只是在讲述制度规则，他始终记得案件背后真实的人。这也是我为什么如此希望与他共进晚餐。他不仅是一位伟大的法律人，更是一位能够把法律、历史和人性联系起来的叙述者。

    约翰·马歇尔：一位能够通过司法意见塑造国家的人

    安东尼·肯尼迪：我希望能够见到约翰·马歇尔。他是美国法律史上最重要的人物之一，也是一位令人着迷的首席大法官。我们都知道，他对美国最高法院的制度地位以及美国宪法的解释产生了深远影响。能够与这样一位历史人物交谈，一定是一段非常独特的经历。

    约翰·罗伯茨：肯尼迪大法官已经抢先说出了我最想给出的答案。如果要选择最希望见到的大法官，我同样会选择约翰·马歇尔。关于他的那部重要传记，副标题大意就是“定义一个国家”，而我认为这非常准确地概括了他的贡献。

    马歇尔从来没有担任过美国总统，但他的司法判决在很大程度上帮助塑造了美国的制度。他拥有一种非常罕见的思维能力，能够同时看到一个复杂问题的多个方面，然后把它们整理成清晰的法律推理。

    他也是一位极其杰出的作家。如果你今天拿起《马伯里诉麦迪逊案》的判决书阅读，就会发现它并不像许多 18 世纪末或者 19 世纪初的法律作品那样难以理解。即使是一位受过良好教育、没有特殊法律训练的普通读者，也能够跟随他的论证。

    马歇尔还有一种非凡的能力，就是影响和说服自己的同事。当时最高法院的大法官们经常住在一起，他能够通过人格力量、清晰的逻辑以及强大的说服力，让其他法官接受他的观点。这是一种非常了不起的司法领导能力。

    不过，如果仅仅考虑共进晚餐的愉快程度，我同样对马歇尔充满兴趣。据说，他还是当时马德拉葡萄酒的重要爱好者和进口者。与他一起吃饭，想必不会缺少好酒和有趣的故事。

    塔夫脱与杰克逊：好法官，也应该是有趣的晚餐伙伴

    另一位大法官：我可能会选择威廉·霍华德·塔夫脱。他是美国历史上唯一一位同时担任过总统和最高法院首席大法官的人，但我认为人们有时低估了他的贡献，反而太关注他的体型。至少可以确定，如果与塔夫脱共进晚餐，我们大概能够获得足够多而且相当美味的食物。

    大卫·苏特：如果我们真的把这当成一次晚餐，而不是一次严肃的历史研讨会，那么我希望选择一位非常有幽默感的人。我觉得罗伯特·杰克逊大法官是一个非常好的候选人。他的英语写作能力极其出色，而且能够用令人难忘的幽默方式讨论复杂问题。

    杰克逊曾经撰写过一些非常精彩的司法意见，尤其是当他解释为什么改变自己对某个法律问题的看法时，他的表达既诚实又令人信服。我甚至在自己改变观点的时候借用过他的写作方式。

    他还曾经在一场向勒尼德·汉德以及他的堂兄奥古斯都·汉德致敬的晚宴上担任主持人。他高度赞扬勒尼德的写作才能，又称赞奥古斯都在实质性法律问题上的智慧和常识，最后还利用两人的名字和特点讲了一个巧妙的双关笑话。这就是我希望在晚餐桌旁遇到的人——既有深厚的思想，也有真正的幽默感。

    尼尔·戈萨奇：苏特大法官又一次提前说出了我的想法。我同样会立刻选择罗伯特·杰克逊。他是一个极其了不起的人，而且没有从哈佛法学院或者其他正规法学院毕业。他在纽约州北部执业多年，后来几乎担任过联邦政府中所有重要的法律职位，最终成为最高法院大法官。

    令人印象深刻的是，即使他曾经长期为政府工作，成为法官之后，他仍然能够经常作出不利于政府的判决。他非常清楚，法官和辩护律师承担的是不同的制度角色，而且能够以极其优美的文字把这种区别表达出来。

    我们当然也不能忘记他在纽伦堡审判中的贡献。他是一位在 20 世纪法律史上留下深刻印记的人物。我唯一感到遗憾的是，他的生命和职业生涯结束得太早。

    如果可以再增加一位，我还会选择约瑟夫·斯托里。他是一位学者，也是一位深思熟虑的法官，几乎在法律职业的重要领域都留下了自己的贡献。今天福斯特校长引用的那些文字，就能让我们感受到他丰富的思想世界。他既严谨、细致，善于分析，又能够理解司法职位所具有的重大责任和深远后果。这样的人当然值得尊敬，也一定值得与他交谈。

    主持人：这些都是非常出色的答案。成为哈佛法学院院长还有一个特别令人惊讶的地方。当你走进院长办公室时，会看到两张具有重要历史意义的书桌。其中一张与约瑟夫·斯托里有关，另一张则曾经由霍姆斯大法官使用。能够每天坐在这样一个空间里，你会非常具体地感受到这所学院的历史，以及它对世界的影响。如果这种经历都不能让人理解自己所承担的责任，我实在不知道还有什么能够做到。

    怎样成为一名真正优秀的律师？

    卡根：不要带着准备好的十个要点，忽视法官真正的问题

    主持人：现在，我们来讨论你们每天的工作。我想问两个彼此相关的问题。第一，无论在法院还是其他法律职业领域，究竟什么品质能够使一个人成为杰出的律师？第二，在书面法律意见和口头辩论中，律师最常犯、同时又最应该避免的错误是什么？

    埃琳娜·卡根：我不认为存在一套适用于所有律师的统一品质，因为法律职业本身有太多不同类型的工作。一位伟大的最高法院辩护律师，可能与一位伟大的刑事审判律师或者谈判专家拥有完全不同的能力。因此，我们需要先明确，究竟是在讨论哪一类律师。

    如果我们把问题限定为最高法院的口头辩论，那么我认为最重要的能力，是与法庭进行真正深入的对话。

    一位优秀的最高法院律师，绝对不应该逃避法官提出的困难问题。相反，他必须努力理解法官为什么提出这个问题，以及这个问题背后隐藏着怎样的顾虑。

    律师必须尊重法官，但与此同时，也应该理解自己在案件中扮演的独特角色。你可能比任何一位法官都更加深入地研究过案件事实和相关法律材料，因此你有责任帮助他们理解问题，而不是仅仅机械地表示服从。

    真正重要的，是认真倾听法官的问题，然后给出直接、诚实而有帮助的回答。

    很多律师来到最高法院之前，已经准备好了十个想要表达的论点。他们走进法庭时，仿佛口袋里装着一张清单，无论法官究竟问什么，都必须把这些要点全部讲完。

    这是一个严重错误。

    因为最高法院的口头辩论并不是让律师发表一篇准备好的演讲，而是让法官有机会讨论那些真正困扰他们的问题。如果你没有认真听懂法官的问题，只想着尽快回到自己准备好的内容，那么你就失去了真正说服他们的机会。

    我认为优秀律师必须始终追随法官思考的方向，理解问题的真正焦点，并且帮助法官克服他们在判断案件时遇到的困难。因为最终，你需要说服的不是自己，也不是坐在台下的观众，而是那些必须作出裁决的人。

    罗伯茨：保持冷静，并且承认自己案件中的弱点

    约翰·罗伯茨：我基本同意卡根大法官刚才说的一切。如果一定要用一句话概括我认为优秀律师应该具备的品质，那就是：保持冷静。

    这不仅适用于最高法院的口头辩论，也适用于许多其他职业场合，例如谈判。我不敢说自己对所有类型的审判活动都有同样深刻的理解，但我相信，冷静和可信度在法律职业中非常重要。

    你必须让法官相信，你不是一个为了客户的利益而不惜歪曲所有事实的人。你应该努力成为一个值得信赖的法律问题分析者。

    做到这一点的方法之一，就是诚实承认自己案件中的弱点。

    假设某位大法官问你：“那么，你怎样解释这个明显对你的立场不利的判例？”

    如果那确实是一个严重的不利判例，你就不应该假装它没有问题。你完全可以说：“是的，这确实不是我们最喜欢的判例，但我认为它与本案仍然存在一些重要区别。”

    然后，你可以继续解释自己为什么认为这些区别具有法律意义。

    这样做的结果，是法官会认为你真正参与了分析案件的过程。你不是简单地试图赢得一场辩论，而是在帮助法庭弄清楚法律问题。

    一旦建立了这种关系，你反而能够成为更加有效的辩护律师。

    所以，我认为关键在于认真倾听、真诚回应、承认弱点，以及始终保持理性和冷静。

    肯尼迪：一名律师，必须记得自己也是社会共同体的一员

    安东尼·肯尼迪：我过去并没有像一些同事那样长期从事专门的最高法院辩护工作，但我在职业生涯中接触过许多律师，也非常敬佩其中一些人。

    我认为优秀律师有一个共同特点，就是他们愿意认真面对自己论证中最薄弱的地方。你的一套法律论证，并不会因为拥有一个特别强大的观点，就自动变得毫无缺陷。相反，你往往会受到自己最薄弱论据的限制。

    我特别敬佩那些具有公正精神的律师。他们当然必须为自己的客户提供有力代理，但他们不会因此完全失去独立判断能力。

    他们知道自己也是社会共同体的一员。

    有些我非常敬佩的律师，在职业生涯中投入大量时间从事公共服务。他们也许担任某个公共机构的顾问，参加图书馆董事会，或者以象征性的报酬帮助社区解决问题。

    这些行为提醒我们，律师职业不能完全被私人客户的利益所定义。

    一位律师当然应该充分代表客户，但也必须记得法律职业对整个社会承担的责任。真正令人尊敬的律师，能够在忠于客户与维护职业独立性之间找到平衡。

    所以，我非常喜欢刚才提到的那句话：你的一套论证不会比其中最薄弱的论据更强大。请务必记住这一点，并且真正理解自己的案件中最难回答的问题。

    戈萨奇：努力工作，以及不失去自我的职业友谊

    尼尔·戈萨奇：我过去主要是一名诉讼律师，所以我想从实际法律工作补充两点。前面几位同事提到的倾听、诚实、冷静、公正和可信度都非常重要，但我还想强调两件事情。

    第一件事情，就是单纯的努力工作。

    今天成为一名优秀律师并不容易。法律职业要求非常大量的阅读、研究、准备和思考。你必须真正了解法律，了解事实，了解自己的客户，也了解对方可能提出的论证。

    有些工作是无法省略的。你不能只依靠聪明才智或者良好的表达能力，就取代那些必须完成的艰苦准备。

    如果你想真正为客户提供良好的服务，就必须愿意投入大量时间和精力。

    第二件事情，是我非常重视的一种职业伦理观念，也就是律师作为客户朋友的伦理。

    成为客户的朋友，究竟意味着什么？

    我认为，这意味着你应该尽自己最大的努力帮助对方，愿意投入自己的能力、时间和判断，但与此同时，你又不能为了客户的利益而放弃自己最重要的原则。

    律师必须保持自身的完整性。

    你不能把自己完全变成客户意愿的工具，也不能因为对方支付了费用，就放弃自己的价值判断和职业道德。

    真正好的律师，既能够忠于客户，也能够忠于自己应当坚持的原则。

    口头辩论真的能够改变最高法院的决定吗？

    一位大法官：有时候，人们会在社交场合问我们，最高法院的口头辩论究竟有没有实际意义。他们问这个问题时，经常带着一种怀疑的态度，仿佛早就认为法官在辩论开始之前已经决定了案件结果，而所有口头交流不过是一种表演。

    我认为这种想法是错误的。

    口头辩论当然会产生影响。

    正如卡根大法官和罗伯茨首席大法官刚才所说，我们坐在法庭上，是为了真正作出决定。优秀的口头辩论经常会变成一场法官之间的对话，而律师的作用，就是帮助这些法官更加准确地理解彼此的顾虑，并且为他们提供能够解决问题的信息。

    如果律师愿意真正进入法官的思考过程，理解对方为什么感到困惑，那么他就可能对最终判断产生重要影响。

    苏特：面对最致命的问题，不要回避，而要承认并解释

    大卫·苏特：我想再补充一个比较具体的技巧。前面大家都强调了认真倾听法官的问题，以及回应法官真正关心的内容。我非常赞同。不过，我还想把这个原则与我们法学院一年级时学习过的一种传统诉讼方法联系起来。

    当年，我们学习过旧式诉讼制度中的一种答辩方法，通常可以理解为“承认并避免”，也就是先承认对方指控的某些事实，然后说明为什么即使这些事实成立，也不应当产生对方主张的法律后果。

    例如，你可以说，是的，对方提出的那些事实确实存在，但即使如此，它们仍然不足以构成可以获得法律救济的违法行为。

    我认为，这是一种非常有价值的辩论方法。

    在我见过的律师中，最擅长使用这种方法的人之一，就是曾经担任美国总检察长的雷克斯·李。

    我没有在他担任总检察长的时候听过他的辩论，但在他离任以后，他多次来到最高法院出庭，而我有机会亲眼观察他的表现。

    雷克斯·李似乎总是在辩论之前，就已经想清楚法官可能提出的最困难、最具有破坏性的问题。

    他不会等问题出现以后才临时寻找答案，而是提前准备好怎样承认问题中的合理部分，然后解释为什么这个问题最终不会改变案件的法律结论。

    我记得有一次，他正在最高法院进行口头辩论，当时斯卡利亚大法官坐在我的旁边。

    我已经不记得那究竟是哪一桩案件，但非常清楚地记得，斯卡利亚提出了一个在他看来足以决定整场诉讼胜负的问题。

    我当时一直观察雷克斯·李的表情。当他听到这个问题时，脸上甚至出现了一丝难以完全掩饰的微笑。

    等斯卡利亚大法官说完以后，雷克斯·李指向他，回答说：“斯卡利亚大法官，你完全正确。现在，请允许我解释为什么这一点在本案中并不重要。”

    这就是我所说的优秀辩论技巧。

    他没有否认问题的重要性，也没有假装自己听不懂，而是先承认对方提出的问题确实成立，然后引导法庭理解，为什么这个问题不足以改变最终结论。

    如果我只能再给年轻律师增加一条建议，那就是不要忘记“承认并避免”这种方法。它可以帮助你应对最具有破坏性的问题，而且常常比直接反驳更加有效。

    现场其他大法官：听到苏特讲述这个故事，有人打趣他是否还记得那场诉讼最后是谁输了。苏特起初表示自己不记得了，接着又有人指出，那个案件似乎是九比零的判决。几位大法官彼此开玩笑，现场再次响起笑声。这个短暂的插曲也提醒大家，优秀的口头辩论虽然可能让人印象深刻，但律师表现出色，并不总是意味着最终能够赢得案件。

    大法官快速问答：从童军、油井、剑斗到山羊与冰淇淋

    十二岁成为鹰童军的布雷耶

    主持人：我们剩下的时间不多了，所以我想进入最后一轮快速问答。我会描述某位大法官过去经历过的一件事情，如果你认为我说的是自己，就请举手并向大家解释。如果没有人主动举手，那我就直接点名。第一个问题：你们之中有一位在 12 岁的时候就成为了鹰童军。究竟是谁？

    斯蒂芬·布雷耶：是我。

    主持人：斯蒂芬，你现在还会打结吗？我真的从来没有听说过有人能在 12 岁的时候就成为鹰童军。你究竟是怎么做到的？你是不是很小就开始参加童军活动？

    斯蒂芬·布雷耶：我从很小的时候就开始了。而且，我还谎报过自己的年龄。

    主持人：好吧，这个答案倒是非常直接。看来即使是未来的最高法院大法官，小时候也可能在严格的资格规则面前寻找一点自己的办法。

    肯尼迪在石油钻井平台上的第一份工作

    主持人：接下来，你们之中有一位曾经在加拿大和路易斯安那州的油井工作。这位是谁？

    安东尼·肯尼迪：那是我。我有一位叔叔在石油行业工作，所以年轻时，我也获得了在油田工作的机会。我在加拿大的第一份工作，是给油田里一种被称为“狗屋”的小型设施钉木板。

    当时，我刚刚拿到新的工作服和手套，对自己的工作非常认真。我正在钉木板，知道工头很快就会过来检查。结果，我不小心把自己戴着的手套钉在了墙上，导致自己无法顺利脱身。

    后来，我终于把手套从墙上弄下来，还想向工头解释说不用担心，一切都已经解决了。

    但是工头却说，不，不要把那个手套拿走，就让它留在那里。

    结果整个夏天，每当有销售人员或者其他人来到油田，他们都会看到那副被钉在墙上的手套。

    这成了所有人都知道的一个笑话。我后来继续在石油钻井平台工作，利用这些收入帮助支付自己的大学学费。虽然经历有些狼狈，但那确实是我年轻时期非常重要的一段生活。

    罗伯茨曾是工会成员，也曾被电工们捉弄

    主持人：你们之中还有一位，年轻时曾经加入工会，并且从事过与电气施工有关的工作。

    约翰·罗伯茨：那是我。我当时从事的是一种比较基础的电气工作，大概属于第六级工作类别。实际上，我主要负责跟着经验丰富的电工到处工作，帮助他们完成各种任务。

    我很快就发现，他们有时候非常喜欢拿年轻人开玩笑。每当他们想找点乐子，就会告诉我去拧紧某个特定的螺丝，然后等待我按照指示操作。结果往往会出现一些让他们哈哈大笑的事情。类似的玩笑他们可以重复很多次，却似乎永远不会觉得厌倦。

    苏特与一场真正流血的学生剑斗

    主持人：下面这个故事更加离奇。你们之中有一位在哈佛法学院二年级的时候，曾经参加一场模拟剑斗，结果受伤，不得不去大学医疗服务机构接受治疗。

    大卫·苏特：我得承认，那是我。那时候，我和一位同学为了打发时间，决定进行一场模拟剑斗。我当时还担任哈佛新生宿舍的管理助理，所以我们甚至邀请了一些新生以及相关工作人员到场观看，还安排了裁判。对于一场学生之间的娱乐活动来说，准备工作可以说相当正式。

    一开始，一切都进行得很好。但问题在于，我使用的剑没有那种能够完整保护手部的护手结构。我的朋友挥剑时，剑刃滑向了我的手部，结果划伤了皮肤，开始流血。

    我最初的反应其实并不是特别紧张，甚至觉得流一点血也没有什么大不了。但负责管理我们的院长看了看那把剑，提醒我说，剑可能很脏，也可能已经生锈，上面说不定有引发破伤风的危险。他认为，我最好立刻去医疗机构注射疫苗。

    于是，我们整个团队都一起去了大学医疗服务机构。

    当我们坐在那里等待医生出来的时候，许多新生也跟着过来了。我开始觉得，既然大家都陪着我来到这里，我应该表现得更加热情一点，让他们不要因为等待而感到无聊。

    那时候，附近有一家名叫埃尔西的餐厅，出售非常好吃的三明治，包括奶油奶酪和鱼子酱三明治。

    我给了其中几位新生一些钱，让他们去买三明治回来，这样大家在等待期间就能够吃点东西。

    后来，医生终于走出来，问我究竟是怎样受伤的。我告诉他：“我刚才正在参加一场决斗。”

    医生听到这个答案以后，我感觉他对我的专业兴趣立刻下降了。

    就在这时，那几位新生带着奶油奶酪和鱼子酱三明治回来了。这显然彻底消耗了医疗机构工作人员的耐心。他们要求其他人离开，只留下真正需要治疗的我。

    不过，最后他们确实给我注射了破伤风疫苗。从结果来看，疫苗起作用了，我今天仍然活着。

    斯蒂芬·布雷耶：苏特的故事还不止这些。在他担任最高法院大法官期间，曾经在森林里散步，结果一只兔子突然跳到他的背上，还咬了他的脖子。还有一次，他在办公室里发现了一只从地下室跑出来的狐狸。和苏特共事，你总会听到一些非常不可思议的动物故事。

    主持人：看来今天我们确实学到了很多东西，也再次意识到台上这些严肃的法律人物拥有多么丰富的私人生活。

    戈萨奇的马、鸡与山羊：为什么我不推荐养山羊

    主持人：接下来这位大法官，在家里养过马、鸡和山羊。戈萨奇大法官，我想应该是你吧？

    尼尔·戈萨奇：是的，不过我们没有养狐狸。我的女儿们小时候对美国的 4-H 青少年活动非常感兴趣，所以我们也参与了许多和农场动物有关的项目。

    在这个过程中，我学会了怎样给鸡洗澡。不过，我并不推荐任何人轻易尝试这项工作。

    至于养山羊，我更加不推荐。

    我们的山羊尤其麻烦。它把自己当成了一只宠物狗，非常喜欢和人亲近，还会时不时轻咬别人。与此同时，它又是一位出色的逃脱大师，经常从围栏里跑出去。

    它不只是逃跑，还会趁机吃掉我们种植的果树。有时候，它甚至会直接跑进房子里，仿佛自己原本就应该生活在那里。

    到最后，这只山羊虽然变得稍微容易管理了一些，但仍然算不上真正被驯服。

    不过，我的女儿们非常喜欢这些活动，而我也非常珍惜和她们一起参加 4-H 项目的时间。尽管养动物的过程有很多麻烦，但那些经历仍然非常美好。

    卡根写反对意见时，喜欢稍微放松语言

    主持人：你们之中有一位，在撰写最高法院的反对意见时，喜欢使用更多缩写形式，而不是始终坚持完全正式的语言。卡根大法官，你能不能解释一下？

    埃琳娜·卡根：我认为，当你代表最高法院撰写多数意见时，语言应该更加正式一些，因为你是在代表法院表达法律判断。但当你撰写反对意见时，就可以稍微放松一点，使用更加接近日常表达的语言。

    当然，我所谓的放松，其实也不过是允许自己使用一些缩写而已。对于最高法院的写作标准来说，这已经算是一种语言风格上的自由了。

    肯尼迪考试前一天去看红袜比赛，还带上了税法资料

    主持人：你们之中还有一位，曾经在法学院考试前一天去观看波士顿红袜队的棒球比赛，结果被法学院院长发现了。

    安东尼·肯尼迪：那是在 1960 年，正好是泰德·威廉姆斯职业生涯最后一年打球。我当时正准备回加利福尼亚，所以非常希望能够在离开之前亲眼看一次他的比赛。

    我有两张门票，于是邀请了一位学习伙伴一起去。

    问题是，我们第二天还有税法考试，需要复习大量内容。

    我就提出一个折中方案：他带上税收法典，我带上案例书，我们可以在看比赛的同时继续复习。

    结果，我们正在球场上看书的时候，突然听到身后有人说：“你们不会真的把税收法典带到棒球比赛现场吧？”

    我回头一看，发现说话的人竟然是当时哈佛法学院的院长欧文·格里斯沃尔。

    他显然非常震惊。我到现在也不确定，他究竟认为我们这样做是对税收法典的不尊重，还是对棒球比赛的不尊重。

    更有趣的是，20 年以后，当他再次在最高法院见到我时，仍然记得这件事情，还会问我：“你现在还带着税收法典吗？”

    大法官也会被认错，而且有时连自己都分不清故事属于谁

    主持人：下一个问题涉及两位经常被人认错的大法官。你们之中有两个人，经常被其他人混淆，甚至连最高法院的法律助理都有可能认错。

    一位大法官：这种事情确实发生过，而且不仅仅发生过一次。我记得有一位法律助理在午餐中试图提起这个话题，他说自己听说两位大法官经常被人搞混。结果，他在解释这件事情的时候，又把两个人的名字弄错了。等他意识到自己说了什么，场面变得更加有趣。

    还有一个故事，讲的是有人在公共场合认错了一位大法官，然后问他，在最高法院工作的最好事情是什么。被认错的大法官非常机智，没有直接纠正对方，而是回答说：“最好的事情，就是能够和那位大法官一起工作。”

    这显然是一个非常聪明的答案，因为无论对方究竟把他认成了谁，这句话都可以让场面变得轻松。

    后来，几位大法官甚至开始争论，这个故事究竟发生在谁身上，究竟是谁先讲过，又是谁把它当成了自己的经历。有一个人承认，自己有时甚至会直接编造一些故事来讲述。结果，原本关于身份混淆的笑话，又变成了一个关于如何区分真实故事和虚构故事的笑话。

    罗伯茨每天去冰淇淋店，却永远只点一种口味

    主持人：最后还有几个问题。你们之中有一位，在哈佛法学院读书期间，几乎每天都会去哈佛广场的一家冰淇淋店。这家店以拥有 31 种口味而闻名。罗伯茨首席大法官，是你吗？

    约翰·罗伯茨：没错。你知道，人们通常喜欢去一个熟悉的地方，那里的人认识你，知道你的名字，也知道你喜欢什么。那家冰淇淋店对我来说就有这种感觉。

    虽然它宣传自己有 31 种不同口味，但我几乎每次进去，都会点同样的东西。

    我喜欢的是一种配有棉花糖酱的圣代，用巧克力碎片冰淇淋制作。

    店员非常熟悉我的习惯，所以我一走进去，他们几乎就知道我会点什么。对我来说，那是一种非常简单而愉快的生活习惯。

    戈萨奇第一个任期结束后，整个夏天都没有剃胡子

    主持人：你们之中还有一位，在结束最高法院第一个任期之后，为了庆祝，整个夏天都没有刮胡子。戈萨奇大法官，能不能谈谈这件事？

    尼尔·戈萨奇：我完成第一个任期之后，回到了科罗拉多。我去山里徒步旅行，也去钓鱼，基本上什么都不做。

    那是一次非常美妙的休息。

    从 12 岁以后，我几乎就没有享受过这么完整、这么自由的暑假。所以，我决定整个夏天都不刮胡子，让胡子自然生长。

    等到夏天快结束时，我问女儿们，她们觉得我能不能带着这把胡子坐在最高法院的法官席上。

    她们非常明确地回答：“无论如何都不行。”

    后来，我的妻子也提醒我，如果我带着胡子出现在法庭上，人们很可能会开始分析这把胡子究竟意味着什么。他们可能赋予它各种不必要的政治或者法律含义。

    所以，最后我还是把胡子刮掉了。

    不过，我确实非常享受那个夏天，也非常享受不必每天穿着正式服装、按照固定日程工作的生活。

    年轻时被同事预测，未来最可能成为最高法院大法官

    主持人：最后一个问题。你们之中有一位，年轻时曾经被自己的法律助理同事投票选为“未来最有可能成为最高法院大法官的人”。这位究竟是谁？

    一位大法官：我知道是谁向你透露了这个令人尴尬的事实。不过，我既不能确认，也不能否认。

    当年，我们一起工作的年轻法律助理确实会在每年结束时，像学校年鉴一样进行各种有趣的投票，评选谁最可能取得某种职业成就，或者谁最不可能完成某件事情。

    其中有一位后来成为教授的同事，当年正准备去从事公共辩护工作。她被大家投票选为“最后一个赚到 100 万美元的人”。

    当然，这其实已经算是一个相对友善的评价了，因为至少比被选为“第一个遭到起诉的人”好得多。

    至于当年谁获得了后一种评价，我想我们最好还是不要继续追问了。

    闭幕：法律的意义，存在于辩论、尊重、谦逊与公共责任之中

    主持人：我想我们今天的时间已经差不多了。非常感谢六位大法官为大家分享如此丰富的经历。我们今天不仅讨论了哈佛法学院的历史，也讨论了法学院教育、职业选择、司法责任、法律辩论、陪审团制度，以及许多私人生活中的趣事。你们让我们看到，即使是承担美国司法体系中最重要职责的人，也拥有非常真实、非常丰富，而且有时相当幽默的人生经历。

    从今天的交流中，我们听到了许多不同的职业建议。有些人强调充分理解法律和案件事实，有些人强调认真倾听、保持冷静和承认论证弱点，也有人强调职业伦理、公共责任以及坚持自我完整性。

    但这些观点之间存在非常深刻的共同之处，那就是法律职业并不是单纯为了证明自己正确，更不是一场谁的声音最大、谁最善于攻击对手的竞赛。

    优秀的律师和法官必须能够理解不同的观点，在真正困难的问题面前保持开放的头脑，也必须承认自己可能犯错。

    他们需要拥有充分的智力勇气，敢于提出自己的判断，同时也要拥有足够的谦逊，愿意认真倾听其他人的意见。

    这正是我们今天不断谈到的哈佛法学院传统。

    我们希望年轻的法律学生从这里获得的不只是职业技能，也不仅仅是通往某些杰出职位的机会，而是一种能够终生持续的思考方式。

    在这种思考方式中，自由辩论与相互尊重并不矛盾，坚定的原则与怀疑精神也不矛盾，忠于客户与承担公共责任更不矛盾。

    恰恰相反，它们共同构成了一个真正优秀的法律人所应该拥有的品质。

    今天是哈佛法学院 200 周年庆典。我们回顾过去两个世纪，是为了理解这所学院如何从最初只有六名学生和两名教师的制度实验，发展成为具有世界性影响力的法律教育机构。

    但我们同样应该面向未来，思考下一代法律人将如何继续推动社会进步。

    我们要做的，不只是让哈佛法学院存在得更加长久，而是让它不断接近自己所追求的理想。

    让我们再次感谢今天来到现场的各位大法官。

    现场：随着主持人宣布座谈结束，全体观众起立鼓掌，六位大法官也彼此致意。工作人员开始安排嘉宾合影与退场，现场仍然充满交谈和笑声。大家相互感谢，并按照工作人员的指引调整站位，最终为这场哈佛法学院 200 周年特别活动画上句号。

    Post #2
  • 帕伯莱손상호访谈：和巴菲特吃一顿 7 亿韩元午餐后，得到了什么？
    深入交流

    莫尼什·帕伯莱：不要购买人人热爱的东西

    2026 年 6 月 8 日，莫尼什·帕伯莱接受韩国《Knowledge Inside》播客访谈

    我的投资哲学：把股票当成企业，并且永远持有

    非常高兴来到这里，也很高兴有机会和大家交流。我是一名资金管理人，目前管理着大约 14 亿美元的资产，主要投资于世界各地的上市公司股票。这些资金通过私人对冲基金和一只 ETF 进行管理。我从事这项工作已经大约 28 年了，时间过得非常快，因为投资是我真正热爱的事情。我甚至不觉得自己是在工作，因为每天做的都是自己最感兴趣的事情。

    我的投资方法主要来自沃伦·巴菲特和查理·芒格。我遵循他们的投资原则，其中最重要的一点，就是我们把股票看成一家企业的一部分，而不是一张可以在市场上买来卖去的纸。当我们准备购买一家公司的股票时，我们思考这项投资的方式，与购买整家公司没有任何区别。我们关心的是企业本身，而不是股票代码或者每天变化的报价。因此，我们寻找的投资机会，理想情况下应该是能够永远持有的企业。

    我说的永远持有，就是真正意义上的永远。每当我们不得不卖掉一家公司的股票时，在某种程度上就意味着我们之前犯了一个错误。我甚至愿意更进一步地说，对绝大多数市场参与者而言，每当他们卖出一项投资，往往就意味着他们在某个环节出了问题。真正优秀的企业应该能够让我们长期持有，而不是迫使我们不断寻找新的投资对象。

    与巴菲特共进午餐：我一生中最划算的一笔交易

    为什么花 65 万美元吃一顿午餐，是一笔真正的便宜交易？

    问：2007 年，你在慈善拍卖中以 65 万美元赢得了与沃伦·巴菲特共进午餐的机会。当时这创造了纪录。现在回过头看，这顿午餐值得花这么多钱吗？

    答：从我的角度来看，那是我一生中做过的最划算的交易之一，是一笔真正的便宜交易。巴菲特以前每年都会拍卖一次共进午餐的机会，现在已经停止了。我记得最后一次午餐拍卖的成交金额超过了 2600 万美元，那大概是两三年前的事情。与那个价格相比，我们当初支付的 65 万美元简直是一个非常小的数字。不过，这还不是我认为它便宜的最重要原因。

    我们可以这样思考这个问题：假设我们生活在甘地、牛顿、爱因斯坦或者丘吉尔的时代，如果有机会坐下来与其中一位伟大人物共进午餐，我们首先会问自己，是否愿意做这件事；其次，如果愿意，我们愿意为此支付多少钱？这些人都是在人类历史上留下了巨大影响的人物。遗憾的是，他们都已经离开了这个世界，我们不可能再获得这样的机会。

    而沃伦·巴菲特是一个非常特殊的例子。我认为，他完全有资格被放在这些杰出人物的行列之中。他可能是有史以来最成功、最伟大的投资者。更重要的是，他当时还活着，而且愿意接受一笔慈善捐款作为交换，和别人一起吃午餐。从这个角度来看，这简直是一个不可思议的机会。

    2007 年，当我准备竞拍这顿午餐时，我的整个投资事业几乎都是建立在巴菲特的思想成果之上的。我阅读他的著作、研究他的讲话，学习他的投资原则，并将这些知识应用到自己的投资实践中。到 2007 年，仅仅因为运用了巴菲特教给我的投资方法，我已经赚到了超过 7000 万美元。

    因此，我觉得自己应该向老师支付一笔学费。我问自己，如果一位老师通过传授知识，让你增加了 7000 万美元的财富，你应该向他支付多少学费？我认为支付其中的 3% 是相当合理的，甚至可能有点低。7000 万美元的 3%，大约就是 200 万美元。

    于是我给自己设定了一个预算：在 2007 年的拍卖中，我最多愿意出价 200 万美元。如果最终价格超过 200 万美元，那就算了，我接受这个结果。在更早的几年里，我也曾尝试竞拍巴菲特午餐，但每次最终的成交价格都超过了我当时能够承受的金额。到了 2007 年，我觉得这一年可能就是我的机会。

    当时，我有一位非常好的朋友盖伊·斯皮尔（Guy Spier），他是我最好的朋友。我问他是否愿意和我共同竞拍这顿午餐，因为拍卖规则允许我们带几个人一起参加。我准备带上自己的家人，我们一家四口参加，仍然有几个空余名额。我就问盖伊，是否愿意和他的妻子一起来。

    我的建议是，他支付三分之一的费用，我支付三分之二，因为他和妻子占两个座位，而我和家人占四个座位。他对此非常兴奋，也很愿意参与，但他告诉我，超过 25 万美元对他而言就太贵了。因此，我告诉他，无论最后的竞拍价格是多少，他最多只需要支付 25 万美元，超出部分全部由我承担。

    最终的结果非常有意思。那年的拍卖竟然以 65 万美元成交，连我原本 200 万美元预算的三分之一都不到。盖伊甚至不需要支付他原本愿意承担的 25 万美元。他最终支付了大约 21.6 万美元，剩下的部分由我支付。所以，从经济角度来看，这已经是一笔非常划算的交易。

    但真正让我觉得不可思议的，是这顿午餐之后发生的事情。

    巴菲特与其他人的区别：他希望你觉得自己占了便宜

    我竞拍午餐的目的其实非常简单。我没有想过要从巴菲特那里获得什么特殊待遇，也没有期待建立一段私人关系。我只是希望能坐在他面前，看着他的眼睛，亲自向他说一声谢谢。因为他对我的人生和事业产生了如此巨大的影响，而我从来没有机会真正向他表达这种感激。对我来说，完成这件事就已经足够了。

    但巴菲特对这些午餐的理解完全不同。他希望赢得午餐拍卖的人，在吃完饭之后，觉得自己获得了一笔极其划算的交易。即使有人为午餐支付 2600 万美元，他也希望那个人离开的时候认为自己占了大便宜。所以，他参加午餐时的目标不是简单地完成一项慈善活动，而是尽可能为我们创造价值。

    午餐开始之前，他的助理就已经向我们所有参加者索取了个人简历和背景资料。巴菲特提前仔细研究了每个人的情况，所以当我们见面时，他已经非常了解我们的职业、经历和背景。他不是到了现场才开始认识我们，而是在此前就认真做了准备。

    午餐大约在下午一点开始。巴菲特来到餐厅后告诉我们，他整个下午都没有安排其他事情。他说，他愿意和我们待多久就待多久，没有任何时间限制。只有当我们觉得已经听够了、想结束的时候，告诉他一声，他才会离开。这让我非常惊讶，因为他显然把这次见面当成了一件值得认真投入的事情。

    我也曾通过另一场慈善活动，与当时担任谷歌首席执行官的埃里克·施密特（Eric Schmidt）共进午餐。那次经历完全不同。我们的午餐安排在谷歌园区的一间员工餐厅里，施密特几乎每隔 15 分钟就看一次手表。那场午餐原定一个小时，而到了一个小时零一分钟的时候，他就离开了。

    如果让我给这两场午餐打分，施密特的午餐最初我可能会给 2 分，满分 10 分。但仔细想想，也许只有 1 分。我自认为是一个公平的评分者，之所以给这么低的分数，是因为我几乎不记得他当时说过什么，也想不起来有哪句话或者哪件事情真正改变了我的人生。

    而巴菲特那场午餐，我会给 15 分，满分 10 分。我不是说错了，我就是要给 15 分，因为它的价值已经远远超过了 100%。其中一个最重要的原因，就是那顿午餐让我认识了查理·芒格。

    巴菲特想证明自己比芒格更有趣，结果却成就了一段友谊

    我的妻子当时和我一起参加了巴菲特午餐。吃饭的时候，我告诉巴菲特，我妻子是他的忠实粉丝，但是如果说她真正最喜欢谁，那其实是查理·芒格，而不是沃伦·巴菲特。

    巴菲特听了以后，立刻变得很有竞争意识。他告诉我们，他的合伙人查理·芒格是一个非常无聊的人，根本不是一个值得一起吃饭的人。真正有趣的人是他，而不是查理。他说，我们之所以认为查理很有趣，只是因为还不认识查理。

    然后他告诉我们，他要安排我们与查理共进午餐。等我们真正与查理一起吃过饭以后，就会明白巴菲特才是更好的午餐伙伴。我当时以为他只是在开玩笑，因为整个谈话非常轻松有趣，大家也都在笑。

    但在午餐结束两天以后，我真的收到了一封邮件。邮件是巴菲特的助理发给芒格的助理的，同时抄送给了我。邮件的内容就是安排我们与芒格共进午餐。巴菲特还在邮件中开玩笑地告诉查理，这对住在加利福尼亚的夫妇似乎认为查理比他更有趣，但他们都知道事实并非如此。既然如此，就让他们和查理吃顿饭，亲自验证一下究竟谁更有趣。

    后来，我们真的与查理见面并共进午餐。而事情的发展与巴菲特原本希望证明的结论恰好相反。首先，我发现自己更喜欢与查理共进午餐，而不是与巴菲特共进午餐。巴菲特的计划完全适得其反，我想这恐怕不是他希望听到的结果。

    更重要的是，那次午餐成为了我和查理之间一段非常美好友谊的开始。我是在 2008 年与巴菲特共进午餐的，而在 2009 年，我第一次与查理共进午餐。此后，我们逐渐建立起了一段非常温暖、非常亲密的关系。

    我和家人或者妻子大约每三四个月就会去查理家里吃一次晚餐。我还会大约每两三个月与他在洛杉矶乡村俱乐部打一次桥牌。对我来说，这是一段极其珍贵的友谊，因为我不仅能从他那里学习投资，还能直接感受到他的思考方式、幽默感以及他看待人生的态度。

    我后来也和巴菲特成为了朋友，但与查理相比，我们的关系没有那么亲密。主要原因是巴菲特生活在奥马哈，而我们生活在加利福尼亚，能够见面的机会相对少一些。

    所以，回过头看，这顿午餐就像一项非常奇妙的商业促销：买一顿午餐，之后得到无数顿免费午餐。我支付了一次费用，却获得了远远超过最初预期的回报。我本来只想向自己的老师表达感激，结果收获了两段友谊，以及许多我根本不可能提前计划的美好经历。

    一顿午餐，还让我进入了巴菲特的私人朋友圈

    那顿午餐之后，我的人生发生了很多美好的变化。举个例子，我已经连续大约 30 年参加伯克希尔·哈撒韦的年度股东大会。每年股东大会结束后的星期天，巴菲特都会举行一场私人早午餐，邀请自己的亲密朋友、董事会成员、高级管理人员以及其他一些他希望见到的人。

    自从我们赢得那次午餐之后，巴菲特每年都会邀请我和盖伊参加这个私人聚会。每次走进那个房间，我都觉得自己和盖伊是两个完全不应该出现在这里的人。我有时会对盖伊说，千万别往后看，因为博诺（Bono）正在和比尔·盖茨聊天。

    那个房间里有美国职业橄榄球联盟的球员，有好莱坞演员，也有各种政治人物。几乎所有人都是知名人物，只有我和盖伊是没人认识的普通人。我经常想，巴菲特迟早会发现这两个人根本不属于这个圈子，下一年的邀请恐怕就不会再来了。

    但每一年，我们都会再次收到邀请。于是我们又走进那个房间，继续见到这些杰出的人物。我认为这就是那顿午餐真正不可思议的地方。我们花了一次的钱，却得到了无数次与伟大人物交流的机会。原本的目的仅仅是支付一笔学费，向我的英雄道谢，结果人生却因此打开了许多以前根本没有想到的门。

    韩国股市：人口下降是长期逆风，半导体却正在迎来黄金时代

    韩国是我见过最先进的文明之一，但我非常担忧人口问题

    问：你曾经提到，韩国股市长期存在估值折价。现在你如何看待韩国市场？

    答：我这一生有幸到韩国旅行过很多次。我始终认为，韩国是世界上最先进、最成熟的文明之一。这是一个高度发达、令人印象深刻的社会，我每次到韩国都非常享受在那里度过的时光。

    但现在有一件事情让我非常担忧，那就是韩国的人口正在下降，而且下降速度非常快，甚至比日本还快。我真的希望韩国能够有更多孩子。因此，我想对韩国已经结婚的年轻男性和女性说，请多生一些孩子。对于那些正在考虑结婚的年轻男女，我也希望你们尽快结婚，生育更多聪明的韩国孩子。

    我之所以如此在意这个问题，是因为从长期来看，任何一个人口持续下降的国家，都会面临经济总产出增长方面的挑战，而这些挑战最终也会反映到股票市场中。

    如果我们观察韩国和日本这样的国家，就会发现，当国内人口不断减少时，一个国家想要实现相对可观的 GDP 增长，就必须成为一个强大的出口经济体。韩国确实是一个出口强国，这一点非常值得肯定。

    但依赖出口也会带来一些问题。第一个问题是美国这样的贸易伙伴可能通过关税等政策作出反应。这些关税会对韩国的出口企业构成不利影响。第二个问题是，随着人口下降，韩国本土的劳动力成本可能大幅上升。

    以现代汽车为例，如今在美国阿拉巴马州生产一辆汽车，成本可能比在韩国本土生产还低。因此，企业会逐渐将部分生产转移到中国、印度、阿拉巴马州以及其他地区。这种转移实际上已经发生了。

    从企业本身的角度来看，这或许是合理的成本优化，但对于韩国经济而言，它并不是一件好事。生产活动、就业岗位以及相关的经济产出可能离开韩国。因此，我认为韩国至少应该尽量维持人口稳定，而不是让人口持续下降。理想情况下，我当然希望韩国人口能够重新实现增长。

    SK 海力士、三星和美光，正在受益于一个几乎无法被新对手攻破的行业

    至于韩国股票市场的现状，我首先必须强调，我不是韩国市场的专家。我只是一个从外部观察韩国的投资者，而且目前我没有持有韩国股票。

    不过，我认为当前韩国股市存在一个非常明显的特点：市场表现高度集中在 SK 海力士和三星这两家公司身上。这与半导体行业正在发生的事情有很大关系。

    对于韩国而言，这是一个巨大的有利趋势。我们可以把现在的人工智能浪潮比作一场淘金热，而韩国的这些半导体企业恰好是为淘金者提供镐和铲子的人。

    我多次拜访过 SK 海力士和三星，也曾经投资过美光科技和 SK 海力士。非常遗憾的是，我在这些公司身上违反了自己的一条重要投资原则。我卖出了原本应该永远持有的企业。现在回头看，我觉得这是一个错误。

    之所以如此，是因为内存芯片行业如今已经成为一个受到高度保护、拥有极高进入壁垒的行业。对于第四家新的大规模竞争者来说，几乎不可能轻易进入这个市场。

    几年前，我曾经与美光科技的高级管理团队交流。他们告诉我一件非常有意思的事情。假设他们的一座芯片制造工厂被大火摧毁了，即使他们仍然拥有所有的专利、所有的工程师，以及当初负责建设那座工厂的全部人员，也不能确定是否能够重建一座具有完全相同产量和成本结构的工厂。

    原因是，制造内存芯片的过程有一部分近乎黑魔法。一座工厂之所以能够顺利运转，是因为某些我们已经理解的因素，与另外一些我们尚未完全理解的因素，共同作用的结果。如果随意改变其中某些环节，原本稳定的生产流程可能就会出现问题。

    因此，假设现在有一家新公司想要进入内存芯片行业，它首先要解决专利问题，因为现有企业已经掌握了大量核心专利。其次，它需要招募大量经验丰富的高级工程师、管理者以及技术人员，而这些人才并不是能够轻易获得的。最后，即使解决了前面的问题，它可能仍然需要 10 年、15 年甚至 20 年，才能真正建立起有竞争力的生产能力。

    这就是为什么现在全球内存市场的几家主要企业拥有如此强大的竞争优势。三星、SK 海力士和美光构成了一个非常特殊的行业格局，而它们目前甚至难以满足市场的全部需求。

    如果你使用三星手机或者苹果 iPhone，你可能已经注意到，电子产品价格正在上涨，其中一个重要原因就是内存芯片价格提高了。未来新一代电子产品的价格也可能继续受到影响，因为内存成本不断上升，而且部分芯片已经需要进行配额分配，供应不足以满足全部订单。

    韩国综合股价指数（KOSPI）的很大一部分权重集中在三星和 SK 海力士身上。因此，当这两家公司受益于内存芯片景气周期时，整个韩国股市也会得到非常明显的推动。这段时间对于持有这些股票的投资者而言，确实是一段非常美好的经历。

    如果你已经拥有这些股票，就不要卖；如果还没有拥有，就不要追买

    我的建议其实非常简单：如果你已经持有这些股票，不要卖出；如果你现在还没有持有，就不要因为股价上涨而急着买入。

    主持人问我，现在是不是已经不适合买入了。我认为，如果你已经持有，就继续持有。至少在一段时间内，不要急着卖出，因为对这些公司来说，这场盛宴可能才刚刚开始。

    至于韩国综合股价指数能否继续上涨，我并没有那么熟悉指数中的其他公司。从我个人的观察来看，韩国市场中除大型半导体企业以外的许多股票，可能仍然存在一定程度的低估。

    但是，韩国股市始终面临人口下降带来的长期逆风。那些主要依赖韩国国内市场、没有明显出口业务的企业，未来可能面临相当严峻的挑战。具有出口优势的企业会得到一定程度的支持，但它们也无法完全摆脱关税、海外竞争、劳动力成本以及全球产业变化的影响。

    即使像现代汽车这样优秀的企业，我也认为它们会面临这些问题。韩国企业的经营能力非常出色，但这并不意味着韩国经济可以完全忽视人口结构变化的长期影响。

    我为什么建立一份包含 213 个问题的投资检查清单

    投资检查清单的灵感，来自航空业对飞机事故的调查

    问：回顾你过去的投资经历，哪些检查清单项目帮你避免了最多损失？普通投资者应该怎样使用这些清单？

    答：我的投资检查清单，其实不是从金融行业获得灵感的，而是从航空业学来的。事实上，今天人们在很多领域使用的检查清单，都与航空工业的发展有着非常密切的联系。

    在美国，负责监管民用航空安全的机构是美国联邦航空管理局，也就是 FAA。每当发生飞机失事事故时，FAA 都会派出大量调查人员，投入非常多的时间和资源，弄清楚飞机究竟为什么坠毁。

    他们会努力寻找事故发生的真正原因，而不是仅仅停留在表面解释。如果发现事故与飞机的设计、工程结构或者某个技术环节有关，他们就会采取一种非常务实的方式来决定是否需要改变相关规定。

    例如，假设某种飞机存在一项设计缺陷，而 FAA 发现，如果未来 10 年或者 20 年都不作出改变，可能还会发生更多类似的事故。他们会估算，如果问题不解决，未来可能会发生多少次事故，又可能导致多少人死亡。

    FAA 在这种计算中，会为人的生命赋予一个具体的经济价值。按照他们的监管模型，人的生命并不是一个无限大的数字，而是一个明确的金额，并且会随着通货膨胀进行调整。我记得这个数字大约是 500 万美元。

    假设他们判断，如果某个问题不解决，未来 10 年可能导致 500 人死亡。按照每个人 500 万美元计算，潜在的损失就是 25 亿美元。

    因此，他们会研究解决这个问题需要花多少钱。如果整个航空业只需要花费低于 25 亿美元，就能够避免这些潜在死亡，那么作出改变是合理的。但如果解决这个问题需要花费 200 亿美元，他们可能就不会采用这种方案。

    这是一种非常务实的监管方式。它所产生的结果有两个：第一，航空旅行已经变得非常安全；第二，乘坐飞机的成本也非常低。

    假设 FAA 采取另一种极端的理念，认为人的生命价值无限大，不惜任何代价都必须避免所有风险，那么从洛杉矶飞往首尔的一张机票，可能要花费 400 万美元。我想没有人愿意看到这样的结果。

    所以，航空业必须在安全与成本之间寻找平衡。在我对这个系统的理解中，航空业的重要安全改进通常来自对真实事故的调查，而不是仅仅坐在实验室里，想象应该增加什么设计才能让飞机更安全。

    后来，我开始思考，既然 FAA 能够通过分析事故来降低未来发生事故的概率，我们为什么不能把同样的方法应用到投资上？

    投资中的飞机失事，就是那些让我们损失本金的公司

    投资中的飞机失事是什么？非常简单，就是你买入一家公司，最终却在这项投资上损失了金钱。

    如果一家公司的股票最终变成零，那么这就是一场没有幸存者的飞机失事。如果股票价格大幅下跌，而你最终以亏损的价格卖出，那么这就是一场仍然有部分幸存者的飞机失事。

    我决定只根据真实发生过的投资失败来调整自己的投资流程。因为在我看来，FAA 已经建立了一套相当成熟的方法，我没有必要认为自己比 FAA 更加聪明，也没有必要凭空设计一套更复杂的制度。

    我开始研究世界上最伟大的投资者，尤其是他们犯过的错误。我寻找那些让他们损失金钱的投资案例，研究这些企业为什么会失败，然后问一个更重要的问题：在他们买入这些股票之前，是否已经存在某些可以观察到的危险信号？

    换句话说，我希望知道，在飞机起飞以前，我们是否就有可能判断它未来会不会坠毁。

    举一个巴菲特的例子。他是一个非常公开透明的人，因此我们能够研究他投资生涯中的许多错误。几十年前，他曾经收购过一家美国鞋业公司，名叫 Dexter Shoes。

    当时，Dexter 在美国生产鞋子。巴菲特为了收购这家公司，支付了伯克希尔·哈撒韦大约 2% 的股票。

    但在完成收购之后不久，美国制鞋行业就开始受到来自中国、越南以及其他国家廉价制造商的巨大冲击。与这些竞争对手相比，Dexter 在美国的生产成本过高，最终无法维持竞争力，企业走向了破产和消失。

    这就是一场没有幸存者的投资事故。巴菲特投入了巨大的价值，最终却没有得到预期的回报。

    于是，我从这个案例中提炼出一个检查清单问题：这家企业是否可能受到外国低成本劳动力或者海外廉价竞争的严重冲击？

    从此，每当我研究一家企业时，都会考虑这个问题。

    如果我正在研究一家美国银行，那么外国廉价劳动力通常不会直接改变它的核心业务竞争结构，这个问题可能不适用。但如果我研究的是一家美国自行车制造商，那么这个问题就非常重要。

    如今，全球许多自行车品牌的制造活动集中在台湾等地，而日本的禧玛诺（Shimano）这样的企业，则凭借优秀的自行车零部件获得了非常强的市场地位。如果我想投资一家美国本土自行车制造商，我就必须认真考虑来自海外制造体系的竞争。

    当我看到这样的企业时，检查清单就会提醒我：莫尼什，不要轻易进入这个领域。看看 Dexter Shoes 当年发生了什么事情。

    213 个问题，不是为了预测未来，而是为了避免重复犯错

    我大约在 16 年或者 17 年前开始建立自己的投资检查清单。最初，这份清单只有 70 到 80 个问题。随着我不断研究更多真实发生过的投资失败案例，它逐渐扩展到了现在的 213 个问题。

    很多人一听到 213 个问题，就觉得这会是一项非常繁重的工作。但实际情况并非如此。只要我们在投资前真正完成了必要的研究，逐项检查这些问题并不需要太多时间。

    通常，我第一次使用检查清单评估一家企业时，会发现其中有相当多的问题无法回答。这其实是一件好事，因为它说明我对这家企业还没有研究得足够深入。

    遇到这种情况，我们就会停止下来，继续研究，寻找能够回答这些问题的信息。等我们完成必要的工作之后，再重新回到检查清单。

    然后，我们会找出所有没有通过检查的地方，分析这些失败项目意味着什么。最后，我们要作出一个决定：考虑到这些风险，我们究竟应不应该让飞机起飞，也就是究竟应不应该买入这家公司。

    一名飞行员在完成起飞前检查之前，不应该让飞机起飞。我在买入股票之前，也绝不会跳过自己的投资检查清单。

    我还记得韩国曾经发生过一件很有意思的事情，我称那位当事人为“花生女孩”。我记得她是大韩航空创始人家族的一位女儿。当时，一架飞机正准备起飞，她因为机组人员提供坚果的方式让她不满意，要求飞机返回登机口，并且对空乘人员表现得非常不礼貌。

    后来有人告诉我，那种坚果可能并不是花生，而是夏威夷果。但我一直把她叫作“花生女孩”。她因为这件事情给航空业增加了一个原本不属于正常起飞检查程序的问题，也因此遭遇了严重的职业后果。

    我其实认为她可能是一个非常聪明的人，本来有机会成为家族航空业务的继承者。但那次事件使她失去了这样的机会。无论如何，这个故事也提醒我们，航空业应该依照必要而明确的程序运行，而不是让个人情绪随意改变既定规则。

    对我来说，投资检查清单也是同样的道理。它不是一个可有可无的建议，而是一套必须执行的纪律。

    我每年真正作出的新投资可能只有两三笔。因此，我有大量时间进行研究。即使完整检查 213 个问题需要一两个小时，对我而言也根本不是什么负担。我的时间非常充裕，而避免一笔糟糕投资所带来的价值，可能远远超过花在清单上的时间。

    普通投资者真正需要的三个检查项目

    绝不使用杠杆，也尽量不投资负债过高的企业

    我的完整投资检查清单并没有对外公开，它属于我自己的投资工具。不过，对于普通投资者而言，我认为有三个项目尤其重要。即使你完全忽略其余 210 个问题，只认真做好这三件事，也能够避开许多严重的投资错误。

    第一个，也是最重要的，就是杠杆。

    投资者损失金钱最常见的原因之一，就是使用了过多杠杆。可能是一家公司本身承担了太多债务，也可能是投资者借钱购买股票。无论是哪一种情况，债务都会大幅增加永久损失本金的风险。

    因此，我认为最理想的情况，就是投资那些没有杠杆、没有债务的公司。同时，投资者自己也不要借钱买股票。

    我想用宜家（IKEA）的故事说明这一点。

    宜家的创始人英格瓦·坎普拉德已经去世了。宜家是一家私人持有的企业，从来没有选择通过公开上市的方式融资。在他经营宜家的 70 多年里，他始终坚持一项非常特别的原则：不借钱。

    无论是韩元、欧元还是其他货币，他都不愿意欠债。宜家也没有通过股票市场出售股份来募集资金。每一家新店的开设，都依靠此前已经开设的门店积累的留存收益来提供资金。

    他为什么要这么做？因为他的目标不是让宜家在未来三年或者五年快速增长，而是让宜家存在 500 年，甚至 1000 年。他希望建立一家能够长期生存的企业，因此从一开始就选择了能够支持这种目标的经营原则。

    其中一条最重要的原则，就是永远不要欠别人钱。因为只要你不欠任何人的钱，就没有债权人能够走过来，要求你停止自己的游戏。

    对投资者而言，这是一条非常重要的原则。不要借钱投资，也尽量不要选择那些必须依靠不断借债才能生存的企业。

    世界上真正优秀的企业，往往不需要借助债务就能够实现增长。它们可以依靠业务自身创造的现金流不断扩大经营规模，因为它们的商业模式本身就足够出色。

    真正强大的护城河，能够让竞争对手根本无法进入市场

    第二个重要项目，是正确理解一家公司的竞争优势，也就是巴菲特所说的护城河。

    很多投资之所以失败，并不是因为投资者没有研究公司的财务数据，而是因为他们误判了企业的竞争优势。他们以为某家公司拥有一条很深的护城河，但实际上，这条护城河可能非常浅，竞争对手随时都可能跨过去。

    内存芯片行业就是一个很好的例子。很长一段时间里，内存芯片其实是一个很糟糕的生意。那个行业曾经存在大约 20 家竞争企业，大家不断增加产能、削减价格，试图争夺更多市场份额。

    最终的结果是，几乎没有人能够稳定赚到钱。企业之间相互竞争，利润不断被压缩，一些公司破产，另外一些则被并购。

    经历了漫长的行业整合之后，市场最终形成了以三星、SK 海力士和美光为主的格局。这个行业从一门糟糕的生意，逐渐变成了一门非常好的生意。

    它们的护城河变得越来越深，因为现在这些公司控制了大量专利，芯片制造工艺越来越复杂，存储密度越来越高。新进入者几乎不可能轻易建立起具有相同竞争力的晶圆厂。

    所以，我要寻找的不仅仅是一家当前盈利不错的企业，而是一家能够在未来很多年继续保持竞争优势的企业。这条护城河必须足够深，而且具有很强的持久性。

    我们也可以看看韩国的爱茉莉太平洋（Amorepacific）。

    全世界许多女性都希望拥有像韩国女性一样的皮肤。她们非常羡慕韩国女性的皮肤状态，而韩国确实拥有一些世界上最优秀的护肤品公司。

    主持人最初没有立刻理解我提到的是哪家公司，但当她听明白我说的是爱茉莉太平洋之后，她告诉我，自己就是这家公司的忠实顾客。

    这正好说明韩国护肤品牌拥有很强的吸引力。不过，即使爱茉莉太平洋已经取得过非常出色的成绩，我仍然认为护肤品行业是一门非常困难的生意。

    原因就在于，它的护城河可能没有看起来那么深。

    有太多企业想要进入这个市场，争夺消费者的注意力。与此同时，消费者也在不断寻找更好的产品。女性可能已经拥有一套非常好的护肤方案，但她们仍然希望找到更有效的产品、更好的护理方法，让自己的皮肤看起来更加年轻。

    因此，即使一家企业目前拥有非常受欢迎的产品，也不代表它能够在未来几十年始终保持领先。竞争对手会不断推出新品，消费者偏好也会持续变化。

    如果一家企业只是拥有一款优秀产品，却没有建立起真正强大的品牌和持续的竞争优势，那么它仍然可能在激烈的竞争中被淘汰。

    同样，如果你考虑投资韩国的一家餐厅，或者某些酒店企业，这些生意也可能面临非常激烈的竞争。餐厅和酒店并不是天然拥有深厚护城河的企业，竞争对手能够不断进入，客户也可以很容易改变选择。

    因此，我们必须认真研究的不只是企业今天有多赚钱，而是它的盈利能力能否持久，它的护城河能否持久。这是投资检查清单上的第二个核心问题。

    管理层究竟热爱金钱，还是热爱企业？

    第三个最重要的项目，是企业管理层和所有者的品质、道德标准以及公司治理。

    我们需要了解实际经营这家企业的人究竟是什么样的人。他们是否关心股东？是否关心员工？是否关心客户？还是说，他们最关心的只是让自己变得更加富有？

    企业经营者当然可以喜欢金钱。喜欢钱本身没有任何问题，但他们不能把金钱当作自己最热爱的东西。

    他们必须热爱其他事情，例如经营企业、创造产品、服务客户或者建立一家优秀的公司。

    我认为一个非常好的问题是：这家公司管理层真正热爱的，究竟是金钱，还是企业本身？

    如果一个人真正热爱自己的企业，那么他通常更愿意作出有利于企业长期发展的决策。但如果他真正热爱的只是金钱，那么他就可能为了短期利益而牺牲股东、员工或者客户的利益。

    这也正是公司治理的核心。我们要判断的不只是这些管理者有没有能力，还要判断他们是否值得信任，他们的价值观是否与长期股东一致。

    因此，对于绝大多数普通投资者来说，你们完全可以暂时忘掉我那 213 个检查清单问题，只记住最重要的三个项目：

    没有杠杆，拥有持久而强大的护城河，由优秀且具有良好道德品质的人经营。

    只要在投资前认真检查这三个问题，就已经能够帮助你避免大量不必要的麻烦。

    为什么 99% 以上的投资者都应该购买指数基金

    如果不能合理判断企业未来的现金流，就不应该购买它

    问：有些投资者喜欢深入研究企业，也有人选择直接购买指数基金。从长期来看，集中持有一家优秀企业，真的能比买入并持有标普 500 指数更好吗？

    答：我认为，对于超过 99% 的投资者而言，他们应该直接购买指数基金。

    原因非常简单。假设有一位投资者想买 SK 海力士，他告诉我，自己不愿意买指数基金，因为他了解半导体行业，了解人工智能，而且认为 SK 海力士未来会表现得非常好。

    我不会直接告诉他这是对还是错，而是会问他几个问题。

    假设 SK 海力士现在的市值是 5000 亿美元。我最近没有密切跟踪它的具体估值，所以这里的数字只是一个假设。

    我会问他，SK 海力士在 10 年之后能够产生多少现金流？15 年之后呢？20 年之后呢？这些未来现金流与今天 5000 亿美元的市值相比，究竟意味着什么？

    假设它目前每年可以赚取 500 亿美元，那么五年之后会赚多少钱？十年之后又会赚多少钱？

    如果一位投资者无法以很高的确定性回答这些问题，那么他就不应该购买这家公司的股票。

    真正值得我们购买的企业，应该是那些未来经济状况相对容易判断的企业。对于这样的企业，你不需要非常复杂的预测模型，就能够对未来很多年的现金流形成合理而明确的判断。

    如果你无法清晰回答未来的盈利和现金流问题，那么不管企业的产品有多么令人兴奋，也不管它目前的股价上涨得多么漂亮，你都不应该轻易买入。

    我只寻找那些近乎不需要动脑筋的投资机会

    举一个简单的例子。假设韩国有一家电力公司，为数百万家庭提供电力服务。这家公司每年能够赚取 1 亿美元的利润。

    电力行业通常受到政府监管。居民不能每年随意更换电力供应商，因为一个地区往往只有一家主要电力企业。监管机构会规定电价，也会允许企业获得某种合理的回报。

    因此，这种公司的商业模式可能相对容易理解。它提供的是人们日常生活必不可少的服务，收入具有一定稳定性，未来需求也比较容易预测。

    现在，假设这家公司每年能够赚取 1 亿美元，而你只需要花 3 亿美元就可以买下整家公司。

    如果公司每年把 100% 的利润都作为股息分给你，那么只需要三年时间，你就能够通过股息收回最初投入的全部 3 亿美元。

    三年之后，你已经收回本金，但你仍然拥有这家电力公司。它仍然在为数百万家庭提供服务，而且未来 50 年甚至 100 年，都可能继续向你支付股息。

    这就是一种几乎不需要费力思考的投资。按照这个假设，它接近于一项没有风险的投资，因为你能够非常迅速地收回投入的资本，然后继续持有能够长期产生现金流的资产。

    我只对这样的投资机会感兴趣。

    而这种投资机会通常不会出现在市场上最受欢迎的行业中。相反，它们往往出现在那些被所有人讨厌、被所有人忽视的行业里。

    如果一件东西受到所有人追捧，那就不要轻易购买它。

    如果一件东西没有人喜欢、没有人关注、没有人愿意研究，那么它反而值得我们花时间看看。

    我们在投资中真正寻找的，是反常现象，是那些明显不符合常理的价格。

    一家稳定经营的电力公司，不应该只以三倍市盈率出售。但在过去的韩国市场中，确实曾经有许多电力公司以低于五倍市盈率的价格交易，其中一些甚至只有三倍市盈率。

    为什么会这样？因为投资者不喜欢电力公司。他们觉得这个行业太无聊了，没有什么令人兴奋的故事可讲。大家都在寻找更刺激的投资机会，却忽略了这些能够长期稳定创造现金流的企业。

    对我来说，这正是有意思的地方。当市场因为无聊而忽视一家好公司时，我们就有可能以极低的价格获得极高的价值。

    我为什么把 70% 的投资组合放在土耳其

    我不是土耳其人，只是喜欢在那里寻找不合常理的价格

    现在，我大约 70% 的投资组合配置在土耳其。

    我不是土耳其人，虽然我留着一把很棒的胡子，甚至可能比大多数土耳其人的胡子都更好看，但我来自印度，我最初出生和成长的地方是印度。

    我在 X 平台上有大约 26.4 万名关注者，其中大约 5 万人来自土耳其。这些土耳其关注者经常用土耳其语讨论我的投资，所以我不得不不断点击翻译按钮，看看他们究竟在说什么。

    主持人问我，他们是不是总在谈论一些好事。我觉得大多数时候确实如此。他们通常只是关注我的投资活动，研究我买了哪些公司。

    我大约七年前开始投资土耳其，而最初对这个市场产生兴趣的原因，就是它在我的筛选结果中显示为世界上最便宜的股票市场。

    我在土耳其有一位非常亲密的朋友，他是当地第二大基金管理人。大约八年前，我告诉他，我想去伊斯坦布尔旅行，如果他不介意的话，我希望顺便拜访一下他投资组合中的一些公司。

    当时，我并没有计划在土耳其投资。我只是想借这个机会学习，了解那些企业到底在做什么。

    而且伊斯坦布尔本来就是一个非常值得去的地方。那里有美味的食物、令人赞叹的建筑，以及非常丰富的历史。去伊斯坦布尔旅行有什么不好呢？当然没有任何问题。

    后来，我真的在土耳其进行了投资，目前我们大约持有三到四家土耳其公司的股票。

    有意思的是，最初拜访这些企业时，我甚至没有在会面之前做大量研究。我通常是在第二年再次访问的时候，坐在前往企业的汽车上，才开始向我的朋友询问公司的具体情况。

    我不想在真正见到企业之前，花太多精力研究它们。我想先了解这些企业，再决定是否值得进一步投入时间。

    一家价值 8 亿美元的公司，竟然只卖 1600 万美元

    有一次，在我们开车前往一家公司的路上，我的朋友告诉我，莫尼什，这家公司的全部股票市值只有 1600 万美元。

    我听了以后，想知道它究竟经营什么业务，以及为什么如此便宜。

    他接着告诉我，这家公司的清算价值大约是 8 亿美元。换句话说，你只需要支付清算价值的 2%，就能够买下整家公司。

    这就好像有一套价值 100 万美元的公寓，现在有人愿意以 2 万美元的价格卖给你。

    我问他，这家公司究竟是做什么的，为什么市场会给它这么低的价格。他告诉我，在土耳其，很多东西都非常便宜。接着他说，这家公司经营的是仓库租赁业务。

    这家公司叫 Reysas，是土耳其规模最大的仓储设施开发和租赁企业之一。它拥有大约 1200 万平方英尺的仓储空间，折合约 120 万平方米。

    这些仓库的租户包括亚马逊、宜家、家乐福、梅赛德斯 - 奔驰、丰田等大型企业。仓库出租率大约达到 99%，很多租赁合同还与通货膨胀挂钩。

    这意味着它的业务非常简单。公司拥有仓库，将仓库出租给大型企业，然后按照合同不断收取租金。它并不需要每天推出一款新的产品，也不需要依靠市场的热情来维持收入。

    我在土耳其看到的估值水平非常令人惊讶。市场上有不少企业的市盈率只有一倍或者两倍。我无法理解为什么那么多企业会以如此低廉的价格交易。

    在研究了 Reysas 的具体情况，并且完成自己的投资检查清单之后，我开始购买这家公司的股票。

    由于它实在太便宜，我们最终不断增持，直到持有这家公司大约 40% 的股份。

    当初我们开始投资时，公司的股票市值大约只有 1500 万到 1600 万美元。而现在，它的市值已经达到大约 15 亿美元。

    这段过程经历了七年。七年里面，我们几乎没有做任何事情。我们只是一直持有这家公司。

    七年什么都不做，企业价值却不断增长

    更有意思的是，当初我们买入时，这家公司的清算价值大约为 8 亿美元。如今，它的清算价值已经上升到大约 25 亿美元。

    因此，这并不仅仅是股票市场重新发现了公司的价值。企业本身也在不断创造新的价值。

    这是我在最初投资时没有完全意识到的一件事情。我后来发现，这家公司非常擅长创造价值。管理团队的经营能力很强，能够把企业经营得非常出色。

    公司由一对父子创立和经营。儿子只有 41 岁，仍然非常年轻。如果他们能够继续经营这家公司 30 年或者 40 年，那么只要他们还在经营，我就愿意继续持有。

    我没有卖出的计划。我希望一直拥有这家公司，理想情况下永远持有。

    这也是我投资时真正想寻找的东西：某项资产的价格低廉到几乎不符合常理。

    如果有人告诉我，有一套价值 100 万美元的房子，现在只卖 2 万美元，那么我当然愿意购买。即使我买入以后什么都不做，那套房子未来也可能价值 300 万美元。这完全没有问题。

    所以，我认为投资者不需要每天都在市场上寻找交易机会。你完全可以每天什么都不做，只是观察市场，看看发生了什么事情。

    也许每隔六个月、一年，甚至两年，你才会发现一件非常不寻常、价格明显不合理的事情。

    当这种机会出现时，你才需要真正采取行动。

    其余时间，保持耐心就可以了。

    Dhandho 投资法：正面我赢，反面我也不会损失太多

    投资之前，最重要的问题是我怎样才能亏钱

    问：你提出的 Dhandho 投资方法，强调“正面我赢，反面我不会损失太多”。在人工智能时代，什么样的投资符合这个原则？

    答：“正面我赢，反面我不会损失太多”，是投资者必须理解的一个非常重要的思考框架。

    在作出任何投资之前，我们首先应该考虑的，不是自己能够赚到多少钱，而是这项投资究竟可能怎样让自己损失金钱。

    我要问自己，这项投资在什么情况下会产生永久损失？什么事情可能导致我投入的本金无法收回？

    而理想情况下，这个问题的答案应该是：它几乎不可能让我亏钱。

    我们再看看土耳其的 Reysas。这家公司没有债务，拥有大量位于优越地段的仓库，租户是世界 500 强等大型企业。

    如果这些租户不支付租金，公司就可以要求它们搬走。但对租户来说，搬出仓库并不是一件轻松的事情。

    假设一家大型企业决定腾空某座仓库，可能需要花费两年时间，才能真正把其中的货物、设备和物流流程全部迁走。

    而且，即使它想搬走，也不一定找得到新的仓库，因为当地的仓库几乎已经全部出租。

    这就让 Reysas 拥有了非常稳定的客户关系，以及相当强的议价能力。

    但我仍然会反复问自己，这家公司究竟可能因为什么原因而消失？

    后来，我想到了一种情况：土耳其可能发生大地震。

    如果一次严重地震摧毁了这些仓库，而公司没有购买保险，那么我们就可能损失大量金钱。

    所以，我专门调查了公司是否购买地震保险，也研究了仓库的建筑标准，看看这些建筑是否能够承受 8 级地震。

    在我们投资之后，伊斯坦布尔附近确实发生过地震，那里也正好是这些仓库所在地。

    结果，没有一座仓库遭受哪怕 10 美元的损失。

    主持人听到这里，开玩笑地说我做得非常好，值得给自己拍拍背。我也笑着接受了这个夸奖。

    但我真正想说明的是，在购买股票之前，你必须不断寻找那些可能导致投资失败的情况。

    只有当你已经认真研究过各种潜在风险，并且发现即使出现不利情况，投资仍然有很强的安全性时，你才应该考虑投入资金。

    在人工智能时代，不要追逐下一件闪闪发光的东西

    AI 太受欢迎了，所以我不打算去那里

    主持人问我，应该怎样把这种投资方法应用到人工智能领域。

    我的回答非常简单：我们不会去那里。

    我已经说过，我们想寻找的是那些被市场讨厌、被市场忽视的东西，而不是那些所有人都在热爱的东西。

    人工智能现在是一个极其受欢迎的领域，几乎所有人都对它充满热情。这恰恰不符合我的投资偏好。

    你知道在人工智能之前，什么东西曾经受到市场的狂热追捧吗？比特币。

    比特币一度是市场上最闪闪发光的东西。很多人都非常喜欢它，觉得它代表未来，认为自己必须拥有它。

    但后来人工智能出现了，市场又找到了下一件更令人兴奋的东西。

    于是，那些原本喜欢比特币的人，开始卖掉自己的比特币，转而购买人工智能相关的股票。

    比特币的价格从大约 10 万美元下跌到 7 万美元。人们原本觉得比特币应该像黄金一样，不会轻易下跌，但现实却是黄金上涨了，比特币反而下跌了。

    我认为类似的现象还会继续发生。那些现在热衷于人工智能的人，很快又会找到下一件令人兴奋的东西，然后卖掉人工智能相关股票，转而追逐新的热点。

    从比特币到 AI，再到 SpaceX：市场总在寻找下一个热点

    我认为市场下一件闪闪发光的东西，很可能就是 SpaceX。

    SpaceX 的首次公开募股正在成为市场关注的焦点，它可能是有史以来规模最大的 IPO 之一，也是一件极其吸引投资者注意的事情。

    所以，我认为接下来会有很多人卖掉人工智能相关股票，转而购买 SpaceX。

    原本他们卖掉比特币买 AI，接下来可能又会卖掉 SK 海力士之类的人工智能受益股，转而买 SpaceX。

    然后，等到未来又出现某个新的热点时，他们可能再次作出同样的选择。

    这不是我希望自己做的投资，也不是我建议普通投资者采用的方法。

    请不要购买那些闪闪发光的热门东西。不要仅仅因为市场上每个人都喜欢某家公司，就觉得自己也必须拥有它。

    请认真研究企业，去寻找那些没人喜欢、没人关心、没有得到充分关注的资产。

    如果你是一个非常喜欢追逐热门股票的人，那么我建议你直接购买指数基金。

    因为指数基金至少可以让你避免不断追逐市场热点所带来的许多错误。

    我知道，听完这些话，可能有很多观众只是觉得我的胡子非常有趣。主持人也笑着说，我确实留着一把很棒的胡子。

    但我怀疑很多人在听完我的建议之后，还是会转头去购买 SpaceX，因为那才是他们真正想做的事情。

    他们听懂了我说的话，却仍然无法抗拒市场上最新、最令人兴奋的投资故事。

    如果我只有 1000 美元，我会买什么？

    问：假设你现在刚开始积累财富，手里只有 1000 美元，你会怎样投资？

    答：如果我只有 1000 美元，我会购买伯克希尔·哈撒韦的股票。在纽约证券交易所，它的 B 类股票代码是 BRK.B。

    原因并不复杂。伯克希尔没有过度使用杠杆，拥有大量现金，管理层非常优秀，业务具备深厚的竞争优势。

    更重要的是，它是一家相对无聊的企业，没有太多让人激动的故事，也不是市场上每个人都在狂热追逐的东西。

    这正符合我喜欢的特点。

    我不需要一家公司不断制造令人兴奋的新闻，也不需要每天看着自己的股票价格剧烈波动，才能觉得投资有意思。

    我希望持有的是一家财务结构稳健、管理团队优秀、长期竞争力强大的公司，然后让时间和复利发挥作用。

    如果从零开始积累财富，我只会做两件事

    1623 年，曼哈顿岛的交易究竟是谁占了便宜？

    主持人又问我，如果从人生的起点重新开始，以我过去从事科技行业、经营企业和投资的经历来看，究竟什么才是最可靠的财富积累方式。

    我想先讲一个故事。

    我非常喜欢讲故事，因为一个好的故事往往比一大堆抽象的道理更容易让人理解。

    1623 年，也就是距今大约 403 年前，美洲原住民将曼哈顿岛出售给了来自荷兰的殖民者。

    那时候，整个曼哈顿岛基本上还是森林，没有今天这些摩天大楼，也没有现在繁华的金融中心。

    他们当时获得的价格只有 23 美元。

    每当人们听到这个故事时，通常都会认为美洲原住民遭到了巨大的欺骗。他们用区区 23 美元，就卖掉了世界上最有价值的土地之一。

    但我想从另一个角度看这笔交易。

    投资领域有一条非常简单的规则，叫作 72 法则。它可以帮助我们估算，在某个固定的年化收益率下，一笔钱大约需要多长时间才能翻倍。

    假设当年的美洲原住民聘请了一位投资经理。他们告诉这位投资经理，我们现在有 23 美元，希望你把这笔钱投资出去，为整个部落创造长期财富。

    我们不着急使用这些钱。即使几百年都不动用，也没有关系。你只需要让它不断增长，使后代能够享受到它带来的收益。

    现在，假设这位投资经理并不是世界上最优秀的投资者。他的能力只是普普通通，每年能够获得 7% 的投资回报。

    7% 的收益率并不是什么惊人的数字。

    按照 72 法则，用 72 除以 7，大约等于 10。这就意味着，在 7% 左右的年化回报率下，资金大约每 10 年就会翻一倍。

    于是，1623 年的 23 美元，到 1633 年就会变成 46 美元。到了 1643 年，会变成 92 美元。再过十年，又会继续翻倍。

    如果我们把时间延长到 100 年，就相当于经历十次翻倍。

    2 的 10 次方等于 1024。为了让计算更加简单，我们可以把 1024 近似看成 1000。

    因此，在这个简化的计算模型下，23 美元经过 100 年的复利增长，就会变成原来的 1000 倍。

    到了 1723 年，这 23 美元就变成了 2.3 万美元。

    到了 1823 年，就变成了 2300 万美元。

    到了 1923 年，就变成了 230 亿美元。

    到了 2023 年，就变成了 23 万亿美元。

    而从 2023 年到我们现在讨论这个问题的 2026 年，又过去了三年。如果继续按照复利计算，资产价值可能又增长了大约 20%，达到约 28 万亿美元。

    想象一下，最初仅仅 23 美元的投资，如果能够持续四百多年获得大约 7% 的年化回报，最终就可能变成一个大到难以想象的数字。

    曼哈顿岛今天的价值，可能还不如当年 23 美元复利增长的结果

    现在，我们再看看曼哈顿岛本身的价值。

    在我的估计中，如果把曼哈顿岛上的所有建筑全部移除，只考虑这座岛屿上的土地，那么它的价值其实远远低于刚才计算出来的 28 万亿美元。

    整个美国所有男性、女性以及儿童的净资产加在一起，总额也不到 200 万亿美元。

    即使我们取这个数字的 10%，也已经是 20 万亿美元，而曼哈顿岛的土地价值远远达不到这个水平。

    如果不计算建筑物，我认为曼哈顿岛的土地价值可能不到 1 万亿美元，甚至可能只有 5000 亿美元左右。

    所以，从这个角度看，美洲原住民当初并不一定吃了亏。

    他们的问题不在于把曼哈顿岛卖得太便宜，而在于没有一位能够帮他们持续获得 7% 年化收益率的投资经理。

    如果他们真的有一位这样的投资经理，并且能够把那 23 美元连续投资四百多年，那么最终积累的财富可能远远超过今天曼哈顿岛本身的土地价值。

    这个故事真正想说明的，不是土地有多么便宜，也不是当年的交易是否公平，而是复利究竟有多么强大。

    当时间足够长时，即使只是看起来并不惊人的年化收益率，也能够创造出令人难以置信的财富。

    财富积累的第一件事：花得比赚得少

    现在，我可以回答主持人刚才的问题了。

    一个普通人如果想要获得非常好的长期投资结果，其实只需要做两件事情。

    第一件事情，就是让自己的支出始终低于收入。

    假设你现在 22 岁，刚刚开始工作，每年赚 5 万美元。如果你每年能够储蓄收入的 15%，就意味着你每年可以存下大约 7500 美元。

    为了让例子更加简单，我们甚至可以假设你每年只存 5000 美元。

    你不需要在很年轻的时候就赚到惊人的收入，也不需要在一开始就拥有很多资本。

    你只需要建立一个非常简单的习惯：每年赚到的钱，不要全部花掉，而是把其中一部分留下来。

    而且，这个过程需要持续进行。

    不要因为某一年收入增加了，就立刻把所有增加的收入都花掉。也不要因为市场上出现了一件非常昂贵、非常吸引人的商品，就动用原本应该储蓄和投资的资金。

    只要你持续让支出低于收入，就会不断积累可以用于投资的资本。

    财富积累的第二件事：买入无聊的资产，然后忘记它

    第二件事情，就是把积累下来的钱投入能够长期复利增长的资产。

    你不需要因为人工智能很受欢迎，就去购买人工智能相关股票。你可以寻找那些被低估、被忽视的优秀企业，也可以简单地购买伯克希尔·哈撒韦，或者购买一只低成本的指数基金。

    最重要的是，买入之后，就不要整天想着如何操作。

    设定好投资计划，然后忘记它。

    每个月，当你从工资里存下一笔钱，就把这笔钱继续投入同一类长期资产。

    一年又一年地坚持下去。

    假设你现在 22 岁，每年持续储蓄和投资，50 年以后，你就 72 岁了。

    在这 50 年里，你的收入可能也会不断提高。刚开始的时候，你每年只赚 5 万美元，随着经验增加、能力提高和职业发展，后来也许可以赚到 25 万美元。

    你的储蓄金额也能够随着收入增长而增加。

    与此同时，最初投入的那些资金已经开始产生复利，后来每年投入的新资金也会继续参与复利增长。

    你知道 50 年以后，你最终可能拥有多少钱吗？

    太多了。

    主持人问我，财富真的会多到这种程度吗？

    我认为会的。你甚至可能不知道应该怎么花。

    你和你的妻子、女儿们，可以购买自己喜欢的产品，使用爱茉莉太平洋最好的护肤品，买你喜欢的现代捷尼赛思（Genesis）车型，在首尔购买很好的公寓。

    即使如此，你可能仍然拥有大量剩余财富。

    而实现这一切，并不需要你在股市里作出许多令人激动的决定。

    你只需要坚持两件事情：花得比赚得少，以及把储蓄长期投入能够产生复利的资产。

    让生活中的其他事情给你带来刺激，不要指望股市

    我知道，这样的建议听起来非常无聊。

    很多人可能原本希望我告诉他们，哪一家人工智能公司会成为未来十年的最大赢家，或者 SpaceX 上市之后应该什么时候购买。

    结果，他们从我这里听到的只是：控制支出、持续储蓄、购买指数基金、长期持有。

    这完全不是一个令人兴奋的财富故事。

    但我的看法是，你应该从生活中的其他地方获得兴奋感，而不是从股票市场获得兴奋感。

    去旅行，享受美食，培养兴趣，和朋友相处，做那些能够真正丰富人生的事情。

    不要把股票市场当作寻求刺激的地方。

    投资应该是一件非常无聊的事情。理想情况下，你根本不需要每天思考自己的投资组合，也不需要不断寻找下一笔交易。

    主持人笑着说，也许十年以后，这段访谈视频会重新被大家发现，到时候就可以看看这些建议到底产生了怎样的结果。

    我觉得这很好。十年以后，我们再看看。因为真正重要的投资成果，本来就需要很多年才能显现出来。

    我为什么还在投资：对我来说，赚钱和捐钱是两场游戏

    我从五岁开始，就是一个喜欢独自玩游戏的人

    问：你已经积累了很多财富，为什么仍然继续投资？当金钱不再是最重要的目标之后，究竟是什么驱使你继续做这件事？

    答：我认为，每个人的性格在很大程度上受到两个因素决定，一个是基因，另一个是生命最初五年的经历。

    到了五岁左右，一个人的基本性格可能就已经形成了。之后，我们当然还会继续学习和成长，但我认为最核心的性格特征通常不会发生很大的改变。

    我五岁的时候是什么样的人，到 95 岁的时候，大概仍然会是同样的人。

    就像一块蛋糕，到了五岁的时候，它基本上已经烤好了。

    而我的一个非常特殊的性格特点，就是我非常喜欢玩游戏。

    更准确地说，我喜欢玩那些可以依靠自己独立思考来决定结果的游戏。

    例如，我并不是一个特别喜欢踢足球的人，因为足球要求你作为团队中的一员，与其他人一起合作。

    相比之下，我更喜欢桥牌、国际象棋这样的游戏。我喜欢思考，喜欢分析，也喜欢通过自己的判断去解决问题。

    投资对我而言，本质上也是一场游戏。

    当你真正理解复利的力量，并且知道只要长期保持支出低于收入，就有可能积累大量财富时，你就会发现赚钱这件事并没有想象中那么复杂。

    我已经理解了这套规则，所以现在继续投资，并不是因为我需要赚更多的钱来提高自己的生活水平。

    因为当财富达到某个程度之后，更多的钱其实已经没有太多实际用途。

    一个人每天能够吃多少顿饭？能够住多少套房子？能够开多少辆汽车？能够享受多少物质消费？

    当你的财富已经足够满足自己和家人的生活需要之后，再增加更多财富，并不会持续带来同等程度的幸福。

    所以，我继续投资不是因为我需要更多消费，而是因为我喜欢这场游戏。

    谷歌告诉我，我会在 2054 年 6 月 11 日离开这个世界

    为了把这场游戏玩好，我首先需要知道一件非常重要的事情：我究竟什么时候会死？

    幸运的是，现在有了人工智能，我们可以去问“谷歌大神”。

    我去问谷歌，按照我的情况，我预计会在什么时候去世？

    谷歌告诉我，莫尼什，你将在 2054 年 6 月 11 日去世。

    我听了以后非常高兴，觉得谷歌真是帮了我一个大忙。

    因为现在我终于有了一个非常明确的日期。

    既然我将在 2054 年 6 月 11 日离开这个世界，那么我希望在前一天，也就是 2054 年 6 月 10 日，把自己手里的财富基本全部处理完毕。

    我的目标是，到 2054 年 6 月 10 日，我只剩下 1 万美元。

    这就是我正在玩的游戏。

    一台机器负责让财富增长，另一台机器负责把财富捐出去

    我现在拥有两台不同的机器。

    第一台机器，是财富复利增长的机器。我不断研究企业、寻找投资机会，让资本随着时间持续增长。

    第二台机器，是财富捐赠的机器，也就是我创办的 Dakshana 基金会。

    这家基金会主要帮助印度的贫困学生获得更好的教育机会，让他们能够通过教育改变自己的生活和未来。

    这两件事情在我眼中都是游戏。

    一方面，我希望让投资资本实现尽可能好的复利增长，以较低的风险创造更多财富。

    另一方面，我希望通过基金会，把这些财富投入能够为社会创造巨大价值的地方。

    但这里还有一个非常重要的要求：我不仅希望把钱捐出去，而且希望捐出去的每一笔钱，都能够产生非常高的社会回报。

    对我而言，单纯地把金钱转移给其他人并不是最终目标。更重要的是，这笔钱能够创造多少实际价值，能够改善多少人的生活，能够让多少孩子获得原本不可能拥有的机会。

    我认为 Dakshana 基金会在这方面做得非常出色，它能够通过教育产生很高的社会回报。

    因此，我正在同时经营两台机器：一台不断创造财富，另一台不断把财富投入社会。

    随着时间推移，第一台机器产生的资产可能越来越多，而第二台机器的规模也必须不断扩大。

    尤其是当我距离 2054 年越来越近的时候，我希望捐赠财富的速度不断加快。

    因为我希望到 2054 年 6 月 10 日，也就是我计划离开世界的前一天，财富已经基本全部捐赠出去，只给自己留下 1 万美元。

    如果我能够实现这个目标，那么对我来说，这就是一场非常美丽的游戏。

    我不需要在生命结束的时候拥有最多的钱。

    我希望在生命结束的时候，知道自己既把复利增长这场游戏玩得很好，也把回馈社会这场游戏玩得很好。

    主持人说，这听起来就像是我不断赚更多的钱，是为了能够捐出更多的钱。

    我认为可以这样理解。不过在这个过程中，我还希望自己能够享受到很多顿美味的韩国料理。

    生活不必复杂：我最喜欢的韩国食物

    主持人问我最喜欢什么韩国食物。

    我的选择其实非常简单。我特别喜欢那些能够让人感到舒服、满足的家常料理。

    例如，韩式嫩豆腐汤，也就是大家熟悉的순두부（Sundubu）。我非常喜欢它，主持人也表示赞同，觉得嫩豆腐汤确实很好吃。

    另一样我喜欢的食物是韩式猪肉烤肉（Pork Bulgogi），搭配各种韩式小菜和调味料。

    我并不是一个对食物有特别复杂要求的人。

    只要给我一份韩式猪肉烤肉，再来一锅嫩豆腐汤，往汤里打上两颗鸡蛋，我就非常满足了。

    这就是我喜欢的生活方式。

    你不需要把所有事情都弄得非常复杂，才能真正享受生活。

    无论是投资，还是吃饭，我都可以从一些非常简单的事情中得到满足。

    最后的人生建议：财富、健康与品格，究竟什么最重要？

    访谈快要结束的时候，主持人告诉我，我们已经比原定时间聊得更久了，并为此表示歉意。

    我告诉她，我非常享受这次访谈。她做得非常出色，我们讨论了很多非常有价值的话题，也分享了许多故事。对我而言，这是一段非常愉快的经历，我很感谢她的邀请。

    在正式结束之前，她还希望我留下一句人生格言，作为送给那些希望积累财富的观众的最后建议。

    我想用下面这句话结束今天的交流：

    如果失去了财富，你其实什么都没有失去。

    如果失去了健康，你就失去了一些东西。

    如果失去了品格，你就失去了一切。

    所以，我真正想告诉大家的，不是应该怎样赚到更多钱，也不是应该购买哪只股票。

    不要过度担心财富。

    对健康，要给予足够的重视。

    而对于自己的品格，你应该投入全部的注意力。

    因为财富可以重新积累，健康虽然珍贵，但品格一旦失去，你所失去的就是一切。

    非常感谢这次访谈。我们谈到了投资、财富、人生，也谈到了许多我非常珍视的原则。我很高兴能够分享这些想法，也希望它们能够真正帮助到大家。

    Post #2
  • [转发] 如何生活地更好
    谈笑风生

    刚确诊慢性病之后：头一周、头三个月和以后各做什么

    这份清单写给刚确诊高血压、糖尿病、高血脂、痛风这类慢性病的人。书里相关的条目分散在好几节，这里按时间先后排好。每一项只写该做的动作，后面跟着指路。为什么这么做、数字和出处，都在被指的那一条里。跟你的病对不上的项，跳过就行。

    确诊那一周
    病比较重的，拿报告那天找个人陪你去，回家别一个人待着。辞职、卖房这类事往后放。见第 29 节第 2 条（被告知重病诊断的那一周）。
    医生让吃药，就从今天开始按医嘱吃，感觉好了也别停。见第 16 节第 1 条（药按医嘱吃满）。
    高血压、高血脂的药要规律吃，别自己停。见第 2 节第 12 条（有高血压、高血脂就按医嘱规律吃药）。
    高血压的人买个电子血压计，在家量，降到达标为止。见第 1 节第 7 条（量血压，高了就吃药降到达标）。
    开药的时候问医生，有没有集采的、通用名的药。见第 5 节第 12 条（一致性评价的仿制药和集采中选药）。
    确诊 2 型糖尿病，当时就去查一次散瞳眼底。1 型糖尿病从发病 5 年后开始查。见第 16 节第 7 条（确诊糖尿病就去查一次眼底）。
    确诊痛风，就开始长期吃降尿酸药，把血尿酸压到 360 µmol/L 以下。见第 16 节第 9 条（确诊痛风就长期吃降尿酸药）。
    汉族人用别嘌醇之前，问医生要不要先查 HLA-B*5801 这个基因型。见第 16 节第 9 条（确诊痛风就长期吃降尿酸药）。
    体检只查出尿酸高、从来没痛过的，不算痛风，先别吃降尿酸药。见第 6 节第 19 条（体检查出尿酸高、但从没痛过）。
    抽烟的人，定一个戒烟日，到那天一次停掉。见第 2 节第 4 条（定一个戒烟日）。
    戒烟别光靠忍，去戒烟门诊或者呼吸内科拿药。见第 2 节第 3 条（戒烟别光靠忍，先去拿药）。
    头三个月
    准备一个本子。每次复查记下日期、指标、在吃的药和剂量。见第 16 节第 3 条（把每次的指标记在同一个本子上）。
    每次看完病，把病历、化验单和影像自己存一份。见第 24 节第 5 条（病历、检查报告和影像自己存一份）。
    在参保地办门诊慢特病认定。常去外地看病的，再办异地就医备案。见第 16 节第 2 条（先办门诊慢特病认定再办异地备案）。
    家里人有职工医保的，请他办一次家庭共济绑定。他个人账户的钱就能给你看病买药。见第 5 节第 13 条（家庭共济绑定）。
    在社区签家庭医生之前，先问清哪些进医保、哪些自费。见第 16 节第 6 条（签家庭医生之前问清楚）。
    家里的盐换成低钠盐。肾功能不全、在吃保钾类药的人，先问医生。见第 2 节第 9 条（把家里的食盐换成低钠盐）。
    开始每天走路。目标是 7000–8000 步，或者每周累计快走 150–300 分钟。见第 2 节第 11 条（每天走到 7000–8000 步）。
    少喝酒，能不喝就不喝。见第 2 节第 19 条（少喝或不喝酒）。
    每天都喝、一停就手抖心慌的人，别自己硬戒，先去医院。见第 2 节第 20 条（一停就手抖心慌的人，别自己硬戒）。
    有人劝你停药试偏方，别停。想吃补充剂，先告诉主治医生。见第 16 节第 4 条（别为了试偏方、保健品停掉正规治疗）。
    别花大钱买保健品、膏方来「调理身体」。见第 6 节第 10 条（不要花大钱买保健品、膏方、滋补品）。
    痛风刚开始降尿酸，头 3 到 6 个月更容易发作。疼了按医嘱加抗炎药，别停降尿酸药。见第 16 节第 9 条（确诊痛风就长期吃降尿酸药）。
    自己买感冒药、止痛药之前先看成分表，对乙酰氨基酚只能占一种。见第 34 节第 1 条（先看成分表，对乙酰氨基酚只能占一种）。
    在吃抗凝药或激素的人，吃布洛芬这类止痛药之前先问医生。见第 34 节第 3 条（吃布洛芬这类止痛药之前先问医生）。
    病情稳定以后
    病情稳定、药也没换的，去社区一次开够 12 周的药。见第 16 节第 5 条（在社区医院一次可以开到 12 周的药）。
    复查按医生给的间隔去，每次都记进同一个本子。见第 16 节第 3 条（复查按医生给的间隔做）。
    换成集采药以后，盯住本子上的指标。真变差了去找医生，别自己停药。见第 5 节第 12 条（优先选通过一致性评价的仿制药和集采中选药）。
    糖尿病的人每年查一次脚，眼底按医生给的间隔查。见第 16 节第 7 条（确诊糖尿病就去查一次眼底，每年查一次脚）。
    痛风的人尿酸达标以后也接着吃药，不能停。见第 16 节第 9 条（确诊痛风就长期吃降尿酸药）。
    得过肾结石的，每天喝水 2.5–3 升，盐降到 6 克以内。见第 16 节第 8 条（得过肾结石就把水喝到每天 2.5–3 升）。
    有心血管病的人，每年秋天打一针流感疫苗。见第 1 节第 20 条（有心血管病的人和老年人每年打流感疫苗）。
    常见病先在社区看。要住院就经社区逐级转诊上去，住院起付线接着算。见第 24 节第 1 条（常见病先在社区看，经基层逐级转诊）。
    能在基层看完的病别往上跑。同一个参保地里，每往上一级，报销比例约低 10 个百分点。见第 24 节第 2 条（级别越低报销比例越高）。
    要去大医院看专科，走社区转诊或者医院的转诊中心，别找号贩子。见第 24 节第 3 条（走基层转诊或者医院的转诊中心）。
    打算去外省看病的，出发前先在本地问一句，报回来的钱可能比在家少一截。见第 24 节第 4 条（跨省异地就医之前先在本地问一句）。

    Post #6
  • [转发] 如何生活地更好
    谈笑风生

    换工作、换城市之前：要算的几本账和要办的手续

    换工作、换城市牵动的事，散在第 2、4、5、7、11、15、19 节和别的几节里。下面先按健康、人和关系、时间、钱四本账，列出拿主意之前要核对的项。再按时间先后，列出走之前、入职时和搬过去以后要办的手续。每一项只写核对什么、做什么，数字和依据在括号前指的那一条里。走不走、去哪，由你自己算，这里不替你下结论。被公司裁掉的，按另一篇长文 被裁了之后先做什么 走。

    拿主意之前：健康账
    新岗位要上夜班的，按年数算账。每多上 5 年夜班，心血管病再多约 7%。挑工作时就把这笔账算进去，成本是零。见第 2 节第 39 条（上夜班干得越久心血管风险越高）。
    问清每周实际要干多少小时。一周干 70 小时和干 56 小时，出的活几乎一样。见第 3 节第 13 条（别把每周工作时间一味往上加）。
    岗位要接触粉尘、噪声、化学品的，面试时问三句：有没有职业病危害，合同里写不写，上岗前体检谁出钱。见第 19 节第 9 条（进有粉尘、噪声、化学品的岗位之前）。
    新单位的上岗前、在岗时、离岗时三次职业健康检查，都由单位安排并掏钱。见第 19 节第 9 条（三次职业健康检查由单位安排并掏钱）。
    拿主意之前：人和关系
    想走是因为在单位长期被欺负的，先记下来留证据。被欺负的人后来得心脏病、中风的风险高约六成。换工作的代价最高，走不走由你自己算。见第 19 节第 16 条（在单位长期被欺负）。
    搬去新城市，原来常见面的人就远了。很少和人来往的人，同期死亡的概率高约三成。到了新地方，把定期和人见面当成一笔健康支出。见第 22 节第 9 条（把「定期和人见面」当成健康支出）。
    为了和异地的伴侣住到一起才换城市的，坎在搬到一起之后的头三个月。重聚的伴侣里，三分之一在 3 个月内分手。见第 10 节第 6 条（搬到一起之后的头三个月）。
    刚遇上丧亲、失业这类变故的，有人劝你辞职去外地重新开始，就推后三个月再定。先讲给一个跟这件事没利益关系的人听。见第 29 节第 12 条（不可逆的大决定一律往后推）。
    要紧的决定推到睡醒之后再拍板，别在深夜定。见第 3 节第 10 条（深夜不做重大决定）。
    拿主意之前：时间账
    先看新住处到单位的单程要多久。单程少 30 分钟，一周就省出 5 小时。见第 4 节第 18 条（选住处时把通勤时长放在前面）。
    通勤这笔账有争议。也有研究说，长通勤能被更好的工作或住房换回来。见第 4 节第 18 条（缩短单程通勤）。
    在现单位已经干了多少年，不进这道题。只算往后还要投多少、还能拿回多少。见第 4 节第 3 条（只看未来投入和未来回报）。
    打算先去新城市试一段的，出发前写好一句话：到某月某日还没达到某个指标就停。见第 4 节第 2 条（开工前写下退出条件）。
    拿主意之前：钱账
    辞职时下一份工作还没定的，先看手上有没有 3 到 6 个月生活费的应急金。见第 5 节第 27 条（3 到 6 个月生活费的应急金）。
    别把「网上说工资高」当成那个工种缺人。去查目标城市的紧缺职业目录和补贴目录。见第 23 节第 12 条（紧缺职业目录和补贴目录）。
    2025 年全国人均消费里，吃占 29.3%，住占 21.7%。找工作时问清包不包吃住，包的岗位等于把这两大项抹掉。见第 7 节第 17 条（把住和吃压到最低）。
    打算不进单位、灵活就业的，养老和医疗要全额自己缴。按当地缴费基数算，每月上千元。见第 31 节第 11 条（不进单位就是灵活就业）。
    想辞职回去读书的，把这件事算成一道题。早挣的几年工资，对上往后几十年的年收入差。见第 23 节第 6 条（把「读书还是打工」算成一道题）。
    是因为公司欠薪、不缴社保才走的，自己提出离职也可能有经济补偿。别签「个人原因主动辞职」。见第 19 节第 7 条（不要签「个人原因主动辞职」）。
    递辞职之前
    签过竞业协议的，先看清它管不管得着你。竞业只能约束高管、高级技术人员和负有保密义务的人，最长 2 年。见第 11 节第 12 条（签了竞业协议）。
    竞业期间公司要按月给补偿。没约定数额的，按离职前 12 个月平均工资的 30% 给。见第 11 节第 12 条（签了竞业协议）。
    协议有效、公司也按月付了钱，你还去竞品上班，就要掏违约金。见第 11 节第 12 条（签了竞业协议）。
    没休完的年休假，离职时按当年已经干了多久折算结清。「自愿放弃年休假」的表别签。见第 19 节第 2 条（年休假按累计工龄算）。
    欠着的加班费一起算清。工资、加班费的劳动仲裁，要在离职后 1 年内提出。见第 19 节第 1 条（加班费）和第 8 节第 19 条（劳动仲裁 1 年）。
    交回电脑和账号之前，把工资条、考勤、劳动合同、社保记录和聊天记录存下来。见第 19 节第 8 条（离职前存下来）。
    可能翻脸的谈话，直接开录音。你自己参加的谈话，不用先征得对方同意。见第 8 节第 41 条（直接开录音）。
    离开旧单位那几天
    找单位要离职证明，写明合同期限、离职日期、岗位和在这家干了几年。单位还要在 15 天内转走你的档案和社保。见第 19 节第 17 条（离职证明）。
    离职证明是你已经和原单位解除合同的书面凭据。新单位招了没解除合同的人，给原单位造成损失要连带赔。见第 19 节第 17 条（离职证明）。
    账号权限交清，不删数据，不改密码，哪怕公司欠你钱。见第 11 节第 6 条（交清账号权限）。
    公司的源码、客户名单和技术文档不带走，也不传个人网盘。见第 11 节第 7 条（不带走源码）。
    干的是有粉尘、噪声、化学品的岗位，走之前做离岗体检，再要一份职业健康监护档案的复印件。没做离岗体检，单位不能和你解除合同。见第 19 节第 9 条（职业健康检查）。
    拿到解除合同的一次性补偿，先看个税。当地上年职工平均工资 3 倍以内的部分免税。见第 19 节第 18 条（离职补偿先看个税）。
    中间要空一段、又不是你主动辞职的，去办失业登记、领失业保险金。交满 1 年才能领。见第 7 节第 1 条（失业保险金）。
    空档期把作息固定下来，按点起床，把找工作排进固定日程。见第 29 节第 3 条（失业之后先把作息固定下来）。
    新单位签合同时
    入职文件从头读到尾，看不懂的当场问，再拍照留底。见第 8 节第 17 条（签字前把纸看完）。
    对一遍试用期。合同签 1 年以内的最多 1 个月，1 到 3 年的最多 2 个月，3 年以上的最多 6 个月。见第 19 节第 3 条（试用期有法定上限）。
    试用期工资不能低于同岗位最低档或者合同约定工资的 80%，也不能低于当地最低工资。同一家公司只能试用你一次。见第 19 节第 3 条（试用期有法定上限）。
    社保从上班第一天起交，和试不试用无关。见第 19 节第 3 条（试用期有法定上限）。
    写代码、做设计的，把合同里的知识产权条款看清楚。主要靠公司设备、内网或业务数据写出、由公司担责的软件，著作权归公司。见第 11 节第 13 条（用公司资源写的代码归公司）。
    新单位要你在职期间就签竞业的，公司不另外给钱也算数。见第 11 节第 12 条（签了竞业协议）。
    在新城市找住处
    选住处时把周边绿地算进去，成本为零。别读成去公园就能延寿。见第 22 节第 10 条（把周边绿地算进去）。
    押金多少、什么时候退、什么情况下能扣，签字前写进合同。见第 15 节第 1 条（押金的数额、退还时间和扣减情形）。
    签约前去不动产登记中心查产权和抵押。所有钱走转账，备注写「某某房屋某月租金」。见第 15 节第 6 条（核对产权证和抵押情况）。
    房租和押金直接付给房东，不经中介的手。见第 15 节第 3 条（中介不得代收代付租金和押金）。
    租长租公寓的，先查它有没有公示资金监管账户，别图便宜一次付一年。见第 15 节第 4 条（资金监管账户）。
    别租隔断房。厨房、卫生间、阳台和地下储藏室不能住人。见第 15 节第 8 条（别租隔断房）。
    租期内房子被卖掉，租约照样有效，不用搬。见第 15 节第 5 条（租约继续有效）。
    房东断水断电、换锁、上门威胁赶人，先报警留下出警记录。见第 15 节第 2 条（先报警留证）。
    公积金能提出来付房租。交了申请，公积金中心要在 3 天内答复。见第 5 节第 3 条（公积金不只用来买房）。
    外来务工的，在当地稳定就业满规定年限，才能申请公租房。排队不花钱，早报名早轮到。见第 7 节第 16 条（住房困难先排公租房）。
    在新城市买二手房，中介代收房款的，必须走它在银行开的交易资金专用存款账户。见第 15 节第 7 条（交易资金专用存款账户）。
    城镇户口想搬去乡下长住的，只租农房，一次最长签 20 年。别买宅基地和上面的房子。见第 15 节第 9 条（只租农房）。
    搬过去以后：社保、医保和看病
    换地方就业，养老关系跟着人走，缴费年限接着往上累计。断过也不清零。见第 7 节第 18 条（社保断缴不要慌）。
    在新地方参保缴费以后，由新单位或你自己向新参保地申请，把养老和医保关系转过去。见第 19 节第 19 条（养老保险关系转移）。
    没到领养老金的年龄，不能办退保把钱取出来。见第 19 节第 19 条（别办退保）。
    职工医保断交超过 3 个月，到新地方可能要等最多 6 个月才能报销，所以中间别空太久。见第 19 节第 19 条（把养老和医保关系转到新参保地）。
    跨省去的不是户口所在省，而且男的满 50 岁、女的满 40 岁，养老关系会留在原参保地。新地方只开一个临时账户。见第 19 节第 19 条（养老和医保关系）。
    断缴主要影响当地买房、落户、积分这些要求连续缴费的资格。规则各地自己定，去新城市查。见第 7 节第 18 条（社保断缴不要慌）。
    灵活就业的，可以在就业地参加养老和医疗保险，户籍限制已经放开。个别超大城市还在逐步放开，去当地问。见第 31 节第 11 条（户籍限制已经放开）。
    中间要自己交居民医保的，别断。断缴后重新交上，有 3 个月看病不给报。见第 7 节第 9 条（居民医保每年 400 元不要断）。
    有高血压、糖尿病这类慢性病，医保又留在原参保地的，要办两件事。先在参保地办门诊慢特病认定，再办异地就医备案。见第 16 节第 2 条（先办门诊慢特病认定再办异地备案）。
    「临时外出就医」和「长期异地居住」是两种不同的备案，报销水平不一样。见第 24 节第 4 条（跨省异地就医之前先在本地问一句）。
    走之前把病历、检查报告和影像自己存一份。换医院、找新医生再看，凭的都是这一摞材料。见第 24 节第 5 条（病历、检查报告和影像自己存一份）。
    年中换过工作的，第二年三月到六月做一次个税汇算，通常能退到钱。见第 5 节第 2 条（个税汇算）。

    Post #5
  • [转发] 如何生活地更好
    谈笑风生

    被裁了之后先做什么

    被裁员、被辞退之后要办的事，散在第 19 节、第 7 节和别的几节里。下面按时间先后排成一份清单。每一步只写做什么，细节、数字和依据都在括号前指的那一条里。只是被欠薪、人还没走的，直接看第 7 节第 2 条（被欠薪先投诉劳动监察）。

    当天：签字之前
    公司递来「个人原因主动辞职」的单子，不签。签了，经济补偿和失业保险金通常一起落空。见第 19 节第 7 条（不要签「个人原因主动辞职」）。
    公司说「先签了好走流程，补偿另外给」，就要求当场把补偿写进协议。不写就不签，当天不签没有任何法律后果。见第 19 节第 7 条（不要签「个人原因主动辞职」）。
    谈话时直接开录音。你自己参加的谈话，不用先征得对方同意。见第 8 节第 41 条（开录音）。
    交回电脑和账号之前，把工资条、考勤、劳动合同、社保记录和聊天记录存下来。见第 19 节第 8 条（离职前存证据）。
    只存自己的劳动关系材料。公司的源码、客户名单和技术文档不带走。见第 11 节第 7 条（离职不带走源码）。
    账号权限交清，不删数据，不改密码，哪怕公司欠你钱。见第 11 节第 6 条（交清账号权限）。
    当天到头几天：把钱算清
    先算 N：每满一年给一个月工资，不满半年给半个月。见第 19 节第 4 条（被裁先算清 N）。
    月工资按走人前 12 个月的平均数算，奖金、津贴、补贴都要算进去。这一点最容易被公司做低。见第 19 节第 4 条（被裁先算清 N）。
    先问清公司按哪一条跟你解除。只有三种情形会多一个月工资：你病后干不了活，你干不了工作、培训或调岗后还干不了，订合同时的情况大变、协商不成。这三种里公司没提前 30 天书面通知你，N 之外还要多给一个月工资，谈的时候把这一个月单独列出来。经济性裁员、协商解除都没有这一个月。见第 19 节第 5 条（没提前 30 天通知）。
    公司是违法解除的，赔偿金按 2N 算。算不算违法解除，先找法律援助或律师问清楚，再决定是谈还是去仲裁。见第 19 节第 6 条（违法解除）。
    没休完的年休假，离职时按当年已经干了多久折算结清。见第 19 节第 2 条（年休假）。
    欠着的加班费一起算进去。见第 19 节第 1 条（加班费）。
    头一周
    去办失业登记。失业保险金从办登记那天起算，晚办一个月就少拿一个月。见第 7 节第 1 条（失业保险金）。
    失业登记在就业服务中心这类公共就业服务机构办，不收钱。见第 7 节第 5 条（公共就业服务）。
    在「掌上 12333」App 或电子社保卡小程序上申领失业保险金。交满 1 年、又不是你主动辞职的，才能领。见第 7 节第 1 条（失业保险金）。
    领失业保险金这段时间，职工医保由失业保险替你交，不用自己另外参保。见第 7 节第 1 条（失业保险金）。
    打不起官司的，打 12348 申请法律援助。现在不用回原籍开经济困难证明。见第 7 节第 3 条（法律援助）。
    签过竞业协议的，留好原件。公司要按月给补偿，因公司原因 3 个月没给，你可以请求解除。见第 11 节第 12 条（竞业协议）。
    把作息固定下来：按点起床，把找工作排进固定日程，别整天待在家里。见第 29 节第 3 条（失业之后先把作息固定下来）。
    头一个月
    工资、加班费拖着不给的，先打 12333 投诉劳动监察，再申请劳动仲裁。两条路都不收费。见第 7 节第 2 条（被欠薪先投诉劳动监察）。
    雇你的是没执照的作坊，照样走监察和仲裁。包工头欠的钱找总包，给家庭或个人干私活的才去法院。见第 7 节第 22 条（先分清雇你的是谁）。
    劳动仲裁要在离职后 1 年内提出。过了期限，对方一句「超过时效」就够。见第 8 节第 19 条（劳动仲裁 1 年）。
    找工作先去公共就业服务机构，职业介绍和职业指导都免费，不找收费中介。见第 7 节第 5 条（公共就业服务）。
    求职别只投简历。学求职技巧，定明确目标，开口托熟人内推。见第 7 节第 14 条（求职用系统方法）。
    听到「先交钱再上岗」「先培训再安排工作」「拉人头」，当场拒绝。见第 7 节第 15 条（不签「培训贷」）。
    想学技能，先查当地人社局的「职业培训补贴目录」，别自费报班。见第 7 节第 13 条（职业培训补贴）。
    看看自己够不够就业困难人员认定，比如大龄、长期失业。认定下来，自己交社保有补贴，还能排公益性岗位。见第 7 节第 12 条（就业困难人员认定）。
    之后几个月
    生活费先从应急金里出，不去借钱，也不亏着卖掉投资。见第 5 节第 27 条（应急金）。
    头三个月里，不可逆的大决定往后推。卖房、拿补偿款一次性去投资、合伙、替人担保，都算。见第 29 节第 12 条（不可逆的大决定）。
    失业保险金领完了还没找到工作，医保别空着。居民医保可以自己按年交，断缴后重新交有 3 个月看病不给报。见第 7 节第 9 条（居民医保）。
    养老保险断了不清零，按累计年限算。不用花钱找人挂靠代缴。见第 7 节第 18 条（社保断缴）。
    家里收入掉到当地低保线以下，申请低保。见第 7 节第 7 条（申请低保）。
    撑不住了想找人说话，打 12356，免费。见第 29 节第 11 条（打 12356）。
    还没要回来的钱，盯住离职满 1 年这个期限。见第 8 节第 19 条（劳动仲裁 1 年）。

    Post #4
  • [转发] 如何生活地更好
    谈笑风生

    结婚划不划算

    很多人想问的是一个笼统的问题：结婚到底亏还是赚。这个问题里塞了好几样东西：对方能不能给情绪上的支持，能不能分担家务，能不能挣钱，以及要不要为了应付长辈去结。这几样换算不到一起，放在一起没法回答，所以本文把它拆开算。每一笔账只用官方统计或荟萃分析（把多项研究合起来算）里的数字，算不出来的地方直说算不出来。最后给一张可以自己填的清单，全文不给「该不该结」的结论。

    一、先把问题拆开
    「结婚划不划算」里至少装着五笔账。这五笔账的单位不一样，算法也不一样，不能加在一起。

    钱：一是实打实要掏出去的彩礼、婚礼、婚房，二是法律规定的财产归谁。前一项没有官方统计，后一项有明文条款。
    时间：家务、照料家人、为对方的工作让步，这些都是干了活没人给钱的劳动，单位是每天多少分钟。
    健康：结了婚的人和没结婚的人，死亡率差多少。这笔账只能说明两件事同时出现，说明不了这个差距是结婚带来的。
    法律风险：财产怎么分，想退出要走多久，哪些付出可以回头要一笔补偿，病重时谁能替你拿主意。这笔账看法律条文怎么写。
    关系质量：对方给不给你情绪上的支持，两个人吵成什么样。这笔账只能用研究里算出来的关联强弱去衡量，换不成钱，也换不成时间。
    第五笔最难变成数字，但最接近多数人想问的东西。

    二、每笔账的数据与来源
    登记数据：结婚率和离婚率是两种粗率
    数字来自民政部《2024 年民政事业发展统计公报》。2024 年全国依法办理结婚登记 610.6 万对，比上一年少了 20.5%，结婚率 4.3‰。依法办理离婚手续 351.3 万对，离婚率 2.5‰。这 351.3 万对里，262.2 万对是在民政部门登记离婚的，89.1 万对是由法院判决或者调解离婚的。公报的注释写明了这两个率怎么算：拿当年结婚（离婚）的对数，除以当年的平均总人口数，再乘 1000‰。

    这两个率的分母都是全体人口，所以叫粗率。「粗」指没做任何细分。它回答的是今年每一千人里有多少对去登记了结婚或者离婚，回答不了一段婚姻最后会不会散。要回答后一个问题，得有跟着同一批人长期记录的数据。本文没能在官方原文里找到这样的数据。

    健康账：已婚者死亡率更低，但这是相关不是因果
    有三项荟萃分析把多篇研究汇总到了一起，给出的量级是一致的。下面说的「全因死亡」，指的是不分病因、所有死亡加在一起。

    Manzoli 等 (2007) 汇总了 53 组比较、25 万余名老年人。这里的「没在婚姻里」包括三种人：丧偶的、离异或者分居的、从未结婚的。已婚的人和这三种人比，全因死亡 RR 为 0.88，低约一成二。RR 是两群人的死亡风险之比，小于 1 说明已婚的一方更低。95% CI 0.85–0.91 是这个数字的可信范围。三种人分开看，丧偶 1.11、离异或分居 1.16、未婚 1.11，分别高约一成、一成六和一成。男女分开算、研究做得好坏分开算、欧洲和美洲分开算，结果都不变。用最保守的算法重算一遍，RR 为 0.94，只低约百分之六。
    Roelfs 等 (2011) 汇总了 95 篇文献、5 亿余人。从未结过婚的人和已婚的人比，全因死亡 HR 为 1.24，高约两成四。HR 和 RR 一样是个倍数，大于 1 说明风险更高。1.19–1.30 是这个数字的可信范围。年纪越大，这个差距越小。研究做得越严谨，算出来的差距也越小。
    Wang 等 (2020) 汇总了 21 项研究、789 万余人。不在婚姻里，和全因死亡、癌症死亡、心血管死亡都有关联，男女都是如此。其中男性在心血管死亡和全因死亡上的关联更强。从未结婚的男性和从未结婚的女性比，死于卒中（脑中风）的风险高 31%，全因死亡高 9%。
    这三项研究都只是跟踪记录人群，没有分组对照。身体好、收入高、社交多的人，本来就更容易结上婚，也本来就更容易活得久。这叫选择效应。Manzoli 那篇还发现有发表偏倚的迹象。发表偏倚的意思是，结果好看的研究更容易被发表出来，汇总的时候就会偏乐观。所以这些数字只能读成已婚的人群里死亡率低一些，不能读成「结了婚你就能少死 12%」。这些研究的样本以欧美人群为主，用在国内只能当个量级参考。

    时间账：无酬劳动的性别差距是一个上限参考
    数字来自国家统计局第三次全国时间利用调查，调查时间是 2024 年 5 月。先说清三个词。无酬劳动就是干了活没人给钱的那部分。「参与者」指当天真做了这件事的人。「参与率」指有多少比例的人当天做了这件事。结果是这样：无酬劳动的参与者每天平均花 2 小时 45 分，其中男性 1 小时 52 分、女性 3 小时 29 分。参与率 75.6%，其中男性 67.5%、女性 83.9%。家务劳动单独拿出来看，按全体居民摊平是每天 1 小时 17 分。只算当天真干了的人，是 1 小时 59 分，比 2018 年少 28 分，参与率 64.9%。陪伴照料家人单独拿出来看，按全体居民摊平是 30 分。只算当天真干了的人，是 1 小时 46 分，参与率 28.4%。

    2018 年的第二次调查是这样：家务劳动按全体居民摊平是 1 小时 26 分，其中男性 45 分、女性 2 小时 6 分。参与率男性 40.4%、女性 75.6%。陪伴照料孩子生活按全体居民摊平是 36 分，其中男性 17 分、女性 53 分。参与率男性 12.3%、女性 25.1%。

    这两次调查都只按性别、城乡、年龄分组，没有按结没结婚分组。所以「结婚之后每天要多干多少家务」这个问题，没有官方数字。能拿来用的是男女之间的差距。2024 年无酬劳动的男女差距是 1 小时 37 分。如果家务分工没谈清楚，两个人可能拉开的差距最多就是这么大。

    钱账：默认规则、书面约定和家务补偿
    彩礼、婚礼、婚房这几项没有官方统计，本文不写数字。能写清楚的是民法典婚姻家庭编定下的规则。民法典从 2021 年 1 月 1 日起施行。

    第一千零六十二条：从结婚那天到离婚那天，这段时间里得到的四样东西，都算两个人的共同财产。一是工资、奖金、劳务报酬。二是做生意和投资的收益。三是知识产权的收益。四是继承来的或者别人赠与的财产。第四样有个例外：遗嘱或者赠与合同里写明只给一个人的，不算共同财产。共同财产两个人有同等的处理权。
    第一千零六十三条：有四样算个人财产，离婚的时候不进共同财产。一是结婚前就有的财产。二是身体受伤害拿到的赔偿或者补偿。三是遗嘱或者赠与合同里写明只给一方的财产。四是一方专用的生活用品。
    第一千零六十五条：婚前和婚后的财产归谁，两个人可以自己约定。可以约定各归各的，可以约定全部共有，也可以约定一部分各归各、一部分共有。这个约定必须写成书面的，写了就对两个人都有法律约束力。没有约定，或者约定得不清不楚，就按上面两条办。
    第一千零八十八条：有一方因为带孩子、照顾老人、帮着另一方工作，比对方多付出了，离婚的时候可以向对方要一笔补偿。补多少，先由两个人自己商量，商量不拢由法院判。
    这套规则对两边都有用。挣钱多的那一方，重点看第一千零六十二条和第一千零六十五条。家里干活多的那一方，重点看第一千零八十八条。财产约定只要求写成书面的，法律上不要求去公证处公证。

    退出成本：冷静期和诉讼条件
    第一千零七十六条：两个人都愿意离婚的，先签一份书面离婚协议，再本人到婚姻登记机关去申请。协议里要写明孩子归谁带，财产和债务怎么处理。这些内容都得是两个人谈拢了的意见。
    第一千零七十七条：从登记机关收到申请那天算起的三十天里，任何一方反悔了，都可以把申请撤回来。这三十天就是常说的冷静期。冷静期过完之后的三十天里，两个人要本人去申请领离婚证，没去的就当作撤回申请。
    第一千零七十九条：一方想离、另一方不同意的，可以先调解，也可以直接到法院起诉。到了法院，法院也要先调解。法院确认感情确实已经破裂、调解也没用的，应当判离。下面这几种情形，调解无效的应当判离：重婚或者与他人同居，家庭暴力或者虐待遗弃，赌博吸毒等恶习屡教不改，因为感情不和分居满二年。还有一种情形：第一次判了不准离，之后两个人又分居满一年，再起诉的应当判离。
    2024 年离婚的 351.3 万对里，有 89.1 万对是走法院判决或者调解离的。冷静期只管登记离婚，走法院打官司的不适用冷静期。

    法律身份：配偶是近亲属，病重时能替你拿主意
    结了婚，对方在法律上就是你的近亲属。民法典第一千零四十五条列的近亲属，排在第一个的就是配偶。这个身份在下面几种时候用得上。

    做手术：第一千二百一十九条规定，手术、特殊检查、特殊治疗要先跟病人本人讲清风险，取得本人的明确同意。本人昏迷没法说明，或者不宜跟本人说的，医生要向近亲属说明，由近亲属同意。病人清醒的时候，签字的是病人自己，配偶替不了。
    抢救：第一千二百二十条规定，病人生命垂危，又没法取得本人或者近亲属的意见，经医院负责人批准，可以立即抢救。家属不在场，法律允许医院先救。
    长期没法自己做主：成年人丧失民事行为能力后，第二十八条排的监护人顺序是配偶第一，父母、子女第二。事先书面指定过监护人的，按第三十三条由指定的人来当。
    继承：第一千一百二十七条的第一顺序继承人是配偶、子女、父母。没立遗嘱的，配偶和你的子女、父母一起分遗产。
    这个好处要打两个折扣。第一，第一千二百一十九条只写了「近亲属」，没给近亲属排先后。父母、成年子女也是近亲属，几个人意见不一致时听谁的，法律没写。第二，没结婚的伴侣也能补上大部分。办法是趁两个人都清醒，办好书面授权委托、意定监护协议和遗嘱，见第 10 节第 18 条（授权委托、意定监护和遗嘱）。那条写的是同性伴侣，这三样文件对没领证的异性伴侣一样能办。但意定监护人能不能直接签手术同意书，各医院做法不一。结了婚，这几样身份领证时一次全有，不用一样样去办，也少了被医院或家属挑文件的麻烦。

    关系质量：比「有没有结婚」更值得算的一笔
    Robles 等 (2014) 汇总了 126 篇研究、7.2 万余人。结论是：婚姻质量越高，健康越好。这里衡量两件事跟得紧不紧，用的是一个叫效应量 r 的数。r 越接近 0，说明两件事几乎不相干。r 的绝对值越大，说明跟得越紧。r 前面带个负号，表示一个高、另一个就低。这些关联的 r 在 0.07 到 0.21 之间。其中和死亡风险的 r = 0.11。和两人起冲突时的心血管反应，r = −0.13。这些数值都不大。不过吃得好不好这类健康行为和健康之间的关联，也是同一个量级。有一部分结果存在发表偏倚（好看的结果更易发表）。有些研究专门检验过男女差别，基本没发现男女不一样。这些研究多数只是跟踪记录，没有分组对照，所以推不出因果。Dhindsa 等 (2020) 这篇心血管方面的综述也指出，对婚姻满不满意、婚姻质量好不好，对心血管风险有明显影响。

    本文没有找到这样的荟萃分析：直接拿「质量差的婚姻」和「没结婚」比死亡率。所以「坏婚姻还不如不结」目前只是推出来的说法，没有数字撑着。站得住的是：「结没结婚」这个差别里混着选择效应，「婚姻质量好不好」是另外一件独立的事。只看有没有结婚、不看过得怎么样，就会把婚姻质量这笔账整个漏掉。

    三、怎么给自己算：一张填空清单
    一笔账归一笔账地填。不同笔的数不要加在一起。填不出来的格子就写「不知道」。「不知道」本身也是有用的信息。

    对方能提供什么（一笔一笔填）

    钱：对方的收入有多少，欠了多少债，婚前有什么财产。婚后的财产，是按法律的默认规则走，还是要写一份书面约定。要写约定的话，约定里写什么。
    时间：对方现在每天做多少没人付钱的家务和照料。全国平均数可以拿来对照：当天真干了的人里，男性 1 小时 52 分、女性 3 小时 29 分。结婚以后这些活怎么分。有了孩子、家里老人要人照顾的时候，又怎么分。两个人里谁的工作可以往后放。
    关系质量：过去半年两个人起过几次冲突，每次最后是怎么收场的。你生病、失业、情绪低落的时候，对方做了什么。反过来，对方碰上这些事的时候，你做了什么。
    情绪价值：和对方待在一起，你是觉得精力变多了，还是被耗掉了。这个要相处几个月才看得出来，光看条件清单看不出来。
    自己要付出什么（一笔一笔填）

    钱：为结婚这件事本身要掏多少，包括彩礼、婚礼、婚房。这笔钱如果不结婚，会用到哪儿去。
    时间：估一下每天要多干多少家务和照料。再估一下每周要多花多少时间在人情往来上。
    健康：自己的作息、吃饭、运动，会因为结婚变好还是变坏。这比荟萃分析算出来的那些数字更贴近你自己。
    退出成本：走登记离婚，要先等 30 天冷静期，再在接下来的 30 天内去领证。走法院，要满足第一千零七十九条写的那些情形。这段时间自己扛不扛得住。
    法律上怎么保护自己（两边都适用）

    婚前的财产有没有凭证，比如购房合同、银行流水、赠与合同、遗嘱。这些凭证能不能证明它是「婚前就有的」，或者「写明了只归一方」。
    要不要签一份书面的财产约定。这份约定是只管婚前财产，只管婚后挣的，还是两头都管。
    婚后是谁家务和照料干得更多。干得多的这一方，知不知道按第一千零八十八条可以要一笔补偿。两个人愿不愿意提前把补偿办法约定好。
    债务：婚后以个人名义借的钱，哪些会算成两个人的共同债务。另一方对这笔钱知不知情。
    病重、昏迷的时候，你希望谁替你签字、拿主意。结了婚，配偶是近亲属，但父母也是，意见可能不一样。想指定一个人，可以事先书面办意定监护。不结婚的，这几样要自己去办。
    为长辈结婚这一栏单独填

    长辈能得到什么：心里踏实，面子上过得去，不用再催婚，将来有人养老。
    这几样里哪些真是长辈的好处，哪些其实是自己的好处。
    上面三栏的成本，全都由自己承担。长辈得到的那些好处，不会自动变成自己的健康，也不会自动变成自己的关系质量。
    这么分开写完，这笔账是重是轻，由填表的人自己判断。
    四、常见误区
    把两种离婚率搞混。一种是粗离婚率，算的是每一千人里有多少对离婚，2024 年是 2.5‰。另一种是「离结比」，算的是当年离婚的对数除以当年结婚的对数，351.3 / 610.6 ≈ 57.5%。离结比的分子和分母不是同一批人，今年离婚的这些人，多数是好多年前结的婚。结婚的人一少，这个比值就会自己往上跳，所以它说明不了「一半的婚姻会离」。民政部的公报里也没有这个指标。

    把「同时出现」当成「因为所以」。已婚的人死亡率低 12% 左右，这是把多篇研究合起来算出来的结果。但身体好、收入高、社交多这些条件，本来就同时影响两件事：一个人能不能结上婚，和一个人能不能活得久。这笔账可以算，但要打折看，也不能拿它代替对眼前这段具体关系的判断。

    把结婚当成一项要完成的任务。当成任务，就只盯着「结没结」这个状态，不看「过得怎么样」。可是关系质量对健康的影响独立于结没结婚，任务式的决定通常把这笔账整个漏掉。

    把全国平均数当成自己的数。时间利用调查里的男女差距，是全国平均。财产规则是法律给的默认设置，可以用一份书面约定改掉。全国数字只能给你一个量级、一个谈判的起点，给不了结论。

    没有官方数字的地方，别拿民间数字去填。彩礼、婚礼、养孩子的成本都没有官方统计，所以本文空着。自己填自己那份真实的数，比引用任何机构的估算都准。

    来源
    民政部 (2025). 2024 年民政事业发展统计公报（五（二）1 婚姻登记服务、注释 5）. https://www.mca.gov.cn/n1288/n1294/n1554/c1662004999980006190/content.html（PDF：https://www.mca.gov.cn/gdnps/n2445/n2451/n2458/n2681/c1662004999980006189/attr/400985.pdf）
    国家统计局 (2024). 第三次全国时间利用调查公报（第一号、第二号、第三号）. https://www.stats.gov.cn/sj/zxfb/202410/t20241031_1957217.html、https://www.stats.gov.cn/sj/zxfb/202410/t20241031_1957216.html、https://www.stats.gov.cn/sj/zxfb/202410/t20241031_1957215.html；国家统计局社科文司负责人答记者问. 国家统计局社科文司负责人就第三次全国时间利用调查主要数据情况答记者问 - 国家统计局
    国家统计局 (2019). 2018 年全国时间利用调查公报。2018年全国时间利用调查公报 - 国家统计局
    全国人民代表大会 (2020). 中华人民共和国民法典（第二十八、三十三、一千零四十五、一千零六十二、一千零六十三、一千零六十五、一千零七十六、一千零七十七、一千零七十九、一千零八十八、一千一百二十七、一千二百一十九、一千二百二十条）. 国家法律法规数据库 https://flk.npc.gov.cn/detail?title=中华人民共和国民法典&id=ff808081729d1efe01729d50b5c500bf；条文全文见最高人民法院公报转载 http://gongbao.court.gov.cn/Details/7f184078694d811fb3314f6af9accf.html
    民政部 (2020). 关于贯彻落实《中华人民共和国民法典》中有关婚姻登记规定的通知（民发〔2020〕116 号）. 民政部关于贯彻落实《中华人民共和国民法典》中有关婚姻登记规定的通知_国务院部门文件_中国政府网
    Manzoli L, Villari P, Pirone GM, Boccia A (2007). Marital status and mortality in the elderly: a systematic review and meta-analysis. Soc Sci Med 64:77–94. Redirecting
    Roelfs DJ, Shor E, Kalish R, Yogev T (2011). The rising relative risk of mortality for singles: meta-analysis and meta-regression. Am J Epidemiol 174(4):379–389. https://doi.org/10.1093/aje/kwr111
    Wang Y, Jiao Y, Nie J, et al. (2020). Sex differences in the association between marital status and the risk of cardiovascular, cancer, and all-cause mortality: a systematic review and meta-analysis of 7,881,040 individuals. Glob Health Res Policy 5:4. Client Challenge
    Robles TF, Slatcher RB, Trombello JM, McGinn MM (2014). Marital quality and health: a meta-analytic review. Psychol Bull 140(1):140–187. https://doi.org/10.1037/a0031859
    Dhindsa DS, Khambhati J, Schultz WM, Tahhan AS, Quyyumi AA (2020). Marital status and outcomes in patients with cardiovascular disease. Trends Cardiovasc Med 30(4):215–220. Redirecting

    Post #3
  • [转发] 如何生活地更好
    谈笑风生

    家庭应急装备清单：买什么、放哪里、多久检查一次

    对应 README 第 1 节第 26 条（备齐灭火器、灭火毯、逃生呼吸面罩和急救包）。这份清单列的是家里该常备哪些东西，除了灭火毯，不讲怎么用。火场逃生、心肺复苏、大出血、烫伤、一氧化碳中毒当场该做什么，都写在第 13 节。烟雾报警器和一氧化碳报警器怎么选怎么装，见第 1 节第 3 条。燃气软管和灶具见第 1 节第 4 条。

    这一节算的是少死人、少受伤这笔账，只管意外造成的伤，不管疾病。买装备本身到底有多大用，证据不硬，理由写在最后一节，往下读之前先看那一段。

    一、官方清单原文
    应急管理部出过一份《全国基础版家庭应急物资储备建议清单》，一共 11 项。下面这张表是原文的说明。

    序号 物品 原文说明
    1 饮用水 保障每人 3 天基本饮水需求，至少 3 升/人
    2 方便食品 保障每人 3 天基本食物需求。方便食品体积小、热量高
    3 灭火器和灭火毯 用于初起火灾的扑救。灭火毯可披覆在身上逃生
    4 呼吸面罩 消防过滤式自救呼吸器，用于火灾逃生使用
    5 手电筒 防水防爆手电筒。定期充电或更换电池
    6 多功能小刀 有刀锯、螺丝刀、钢钳等组合功能
    7 收音机 接收应急广播使用
    8 救生哨子 可吹出高频求救信号
    9 外用药品 止血粉、止血贴、纱布绷带等，用于处理伤口
    10 消毒湿纸巾 用于个人卫生清洁
    11 医用外科口罩 病毒防护
    来源：应急管理部 (2020). 全国基础版家庭应急物资储备建议清单。https://www.mem.gov.cn/kp/shaq/202011/t20201129_372149.shtml

    地方的版本列得更细。北京市应急管理局给居民家庭的清单分两档：基础版和扩充版。基础版分成「应急物品、应急工具和应急药物 3 类」。具体东西是这些：能收广播的手摇充电电筒、救生哨、毛巾纸巾或湿纸巾、呼吸面罩、多功能组合剪刀、应急逃生绳、灭火器或防火毯。药和医用材料另算：抗感染类和抗感冒类的药、医用外科口罩、纱布绷带这类医用材料、碘伏棉棒。扩充版分成「食品、个人用品、逃生自救工具、医疗急救用品、重要文件资料 5 类应急物资」。这个局还提了三条建议。一是「选购资质合法、信誉良好的生产经营企业提供的应急物资」。二是「优先储备基础版的应急物资品种」。三是「熟悉掌握应急物资的正确使用方法，定期对应急物资状况进行检查，并及时更换已过保质期的应急物资」。

    来源：北京市应急管理局 (2020). 北京市修订发布居民家庭应急物资储备建议清单。https://yjglj.beijing.gov.cn/art/2020/12/23/art_6058_664632.html ；北京市西城区人民政府转载的品种明细。https://www.bjxch.gov.cn/zt/kpzc/xxxq/pnidpv858729.html

    国家层面 2024 年又更新过一次。文件是国家防灾减灾救灾委员会办公室的《关于进一步加强应急抢险救灾物资保障体系和能力建设的指导意见》（国防减救办发〔2024〕13 号，2024 年 9 月 23 日）。它的附件 2 叫《家庭应急物资储备指导目录》。这份目录分成 5 类：应急食品、生活物品、应急工具、应急药品及医用品、重要资料。基础版 16 个品种，扩展版 31 个品种。TODO（待核实：这 16 个和 31 个品种分别叫什么。官方附件是 wps 文件，还有扫描成图片的 PDF，本次没能取到能逐字核对的文本）。

    二、消防三件套
    灭火器。手提式灭火器是国家强制认证的产品。合格的瓶身上会印 CCC 标志。它执行的标准是 GB 4351—2023《手提式灭火器》。瓶里预先充了压的那种（二氧化碳灭火器除外），瓶身上带一个压力表。压力表的指针要停在绿色区域里。指针指到红区或黄区，就说明这瓶已经不能用了。多少年报废按 XF 95 这份标准算：水基型 6 年，干粉 10 年，二氧化碳 12 年。年限从出厂那天算起。出厂日期在瓶身的钢印上能找到。家用一般买 ABC 干粉的。厨房门口放一只，进门玄关放一只。别塞进灶台正上方的柜子。真起火时那里够不着。

    灭火毯。官方清单里，它和灭火器写在同一项。它有两个用处：盖住刚烧起来的小火，或者披在身上往外跑。厨房抽屉里放一块就行。它不占地方，也不会过期。

    用的时候，双手抓住毯子上那两根黑色拉带往下拽，把毯子抽出来抖开，像盾牌一样挡在身前。然后从靠近自己的这一侧往外、往火上盖。别从火那一侧往自己这边拉，因为毯子往下压的时候，火会朝人扑过来。盖严之后别马上掀开。披在身上逃生时，还要戴上逃生面罩，因为毯子挡得住火，挡不住烟。

    多数灭火毯是玻璃纤维织的。纤维很细，一折一揉就断，断了会扎进皮肤，又痒又疼。所以只抓拉带，别光着手去摸毯面，也别让孩子拿着玩。2026 年就有媒体报道，广东一个男孩在家摆弄灭火毯，脸、脖子和腿上都扎满了玻璃纤维。

    油锅着火，先关火，再盖上大小合适的锅盖。别浇水，也别撒面粉。拿灭火毯盖油锅有争议。国内消防部门把油锅火当成灭火毯的主要用途。但荷兰的产品安全监管机构 2014 年测过市面上 22 个牌子。按普通人的用法，没有一个牌子能稳定扑灭油锅火。有的毯子自己烧了起来，有的盖了 17 分钟、掀开后油又烧起来。那批是按欧洲标准生产的毯子。国内按 XF 1205 生产的毯子，没查到同样的测试。锅盖本来就在灶边，油锅着火时先用它。

    逃生呼吸面罩。它的官方叫法是消防过滤式自救呼吸器。它执行的标准是 GB 21976.7—2012《建筑火灾逃生避难器材 第 7 部分：过滤式消防自救呼吸器》。这是一份现行有效的强制性国家标准。它 2013 年 6 月 1 日开始实施，2023 年复审的结论是继续有效。买的时候认这个标准号，也认 CCC 标志。家里几口人就买几只。放在卧室床头伸手够得着的地方，别锁进储藏室。它靠里面的滤毒罐把烟里的毒气吸住，用一次就作废，而且只能顶标称的那点时间，所以戴上就要往外走。TODO（待核实：这份标准对能用的最低氧气含量和标称防护时间是怎么写的。本次只查到标准的名称、状态和实施日期，没取到条文正文）。

    火灾里最要命的是烟。怎么往外逃（贴地爬、摸门再开门、走楼梯不坐电梯），见第 13 节第 24 条。烟雾报警器见第 1 节第 3 条。这两件事比上面这三件套更该先办。

    来源：贵州省消防救援总队 (2025). 居家必备灭火毯 功能用法全攻略（转载北京消防）. https://gz.119.gov.cn/xfkp/xfcs/202503/t20250313_87157898.html ; 大兴安岭地区市场监督管理局 (2024). 灭火毯消费提示。https://dxal.gov.cn/dxal/c100095/202404/c13_280495.shtml ; 北京市门头沟区人民政府问答知识库 (2022). 油锅起火千万别用水来灭。https://www.bjmtg.gov.cn/bjmtg/c102899/202211/1a0b00ff4b3b47b0b5400a5e3883dd51.shtml ; NVWA (2014). Blusdekens oktober 2014（荷兰食品与消费品安全局检查报告，原页面已下线，链接为 2021 年 10 月 20 日的网页存档）. https://web.archive.org/web/20211020154732/https://www.nvwa.nl/binaries/nvwa/documenten/consument/consumentenartikelen/non-food/overige-non-food/blusdekens-oktober-2014/Factsheet+Blusdekens+Oktober+2014.pdf ; NVWA. Jaarverslag 2014: Vlam in de pan – blusdeken niet veilig（原页面已下线，链接为 2019 年 7 月 16 日的网页存档）. https://web.archive.org/web/20190716185137/https://www.nvwa.nl/over-de-nvwa/organisatie/jaarverslagen-en-jaarplannen-nvwa/jaarverslag-2014/vlam-in-de-pan-blusdeken-niet-veilig ; 马涛 (2026). 一摸满手刺 灭火毯这么“渣”？消防员：你搞错了！宁波晚报，中国宁波网。http://news.cnnb.com.cn/system/2026/04/04/030760706.shtml（存档 https://web.archive.org/web/20261007024155/http://news.cnnb.com.cn/system/2026/04/04/030760706.shtml；此事只有媒体报道，没有官方通报原文）

    三、急救包里放什么
    官方清单在这一项上只写了一句「外用药品：止血粉、止血贴、纱布绷带等，用于处理伤口」。第 13 节里已经核实过现场该做哪些动作。照着那些动作，家用急救包放下面这些东西是合理的。

    止血：旋压式止血带一根，就是带一根转杆、能拧紧的那种。再加无菌纱布和绷带、三角巾、医用胶带。止血带怎么用、什么时候不能用、为什么「不要松开放血」，见第 13 节第 12 条
    清创（把伤口弄干净）：碘伏棉棒、生理盐水、创可贴、无菌敷料、一次性手套、剪刀和镊子
    烧烫伤：什么药膏都不用，现场只做一件事，拿凉的自来水冲 20 分钟，见第 13 节第 14 条（烫伤后用凉的流动水冲 20 分钟）
    记录：准备一张卡片。上面写清家里人的过敏史、慢性病和平时吃的药。急救人员到了，直接把卡片递给他们
    家里有人已经知道自己会严重过敏，那就另外备一支肾上腺素自动注射笔。它是处方药，要找医生开，见第 13 节第 15 条（过敏性休克怎么认、怎么打）。

    这份急救包清单是 C 级证据。C 级的意思是凭经验和共识写的，没有直接文献支撑。因为官方文件在这一项上只给了「外用药品」四个字。具体买什么，是照着本书已经核实过的急救动作倒推出来的。

    四、照明、通信和求救
    手电筒照官方说明买防水防爆的。隔一阵给它充一次电，或者换一次电池。救生哨是被困住的时候用来一直发信号的。吹哨比扯着嗓子喊省力，声音也更容易穿过嘈杂的环境传出去。收音机用来收应急广播。北京版的清单还列了应急逃生绳和多功能组合剪刀。这一类里最划算的是手机充电宝，多数家庭本来就有一个。

    五、每年检查一次，十分钟
    灭火器：看压力表指针还在不在绿区。再看瓶身上的出厂日期，算一下到没到报废年限
    烟雾报警器和一氧化碳报警器：按一下测试键。电池每年换一次，见第 1 节第 3 条（装烟雾报警器和一氧化碳报警器）
    呼吸面罩：看包装有没有破，有没有过标称的保质期
    急救包：看药品和敷料有没有过期，止血带的锁扣还锁不锁得住
    手电筒和充电宝：看还有没有电
    北京市应急管理局的原话是「定期对应急物资状况进行检查，并及时更换已过保质期的应急物资」。可以把这件事定在每年换报警器电池的那一天，几样东西一起看完。

    六、不必买的
    家用 AED（自动体外除颤仪）。一台要上万元。而且没有证据支持家庭自己买一台。心脏骤停时该做的是立刻按压，叫人打 120，同时去最近的公共场所把 AED 取来，见第 13 节第 1 条
    没有 CCC 标志的「消防面具」「防毒面罩」。消防法第二十四条规定，属于强制性产品认证范围的消防产品，「由具有法定资质的认证机构按照国家标准、行业标准的强制性要求认证合格后，方可生产、销售、使用」。就是说没过认证的不能卖也不能用。另外，工业用的滤毒罐防的是车间里的毒物，和火场的烟不是一回事
    成套的「应急礼包」。这种包里多半是拿便宜手电和口罩凑数的。灭火器、灭火毯、面罩和急救包分开买更省钱，也更容易一件件核对认证
    囤够三天以上的食品和水。官方清单按每人 3 天算。多囤的那部分，最后多半是放到过期扔掉，见第 5 节第 24 条（不为大促囤货）
    来源：全国人大常委会 (2021). 中华人民共和国消防法（2021 修正，第二十四条）. https://www.beijing.gov.cn/zhengce/zhengcefagui/qtwj/202307/t20230726_3207767.html

    七、这些装备到底有多大用
    这一节的证据比本书第 1 节其他条目弱。

    有一份 Cochrane 系统综述，把 98 项研究、2,605,044 人的数据合起来一起算。它评估的是给家庭做安全教育、发安全装备到底有没有用。结果是，这类做法可能让受伤的发生率低一些，IRR 0.89（95% CI 0.78 到 1.01），低约一成。但这个可信范围的上限跨过了 1（1 代表没差别），所以也可能根本没差别。其中上门入户做的那些效果好一点，IRR 0.75（95% CI 0.62 到 0.91），低约两成半。只教不发东西的那些，IRR 0.78（95% CI 0.66 到 0.92），低约两成。起作用的更像是上门教和上门改造，不是发东西这个动作本身。这份综述还有一条结论：没有证据说明这类做法减少了烧烫伤和中毒。

    同一份综述里，这类做法确实让人的安全习惯变好了。装了能用的烟雾报警器的家庭更多，OR 1.81（95% CI 1.30 到 2.52），比例高约八成。事先想好了逃生计划的更多，OR 2.01（1.45 到 2.77），高约一倍。药品收放妥当的更多，OR 1.53（1.27 到 1.84），高约五成。楼梯口装了防护门的更多，OR 1.61（1.19 到 2.17），高约六成。

    来源：Kendrick D 等 (2012). Home safety education and provision of safety equipment for injury prevention. Cochrane Database of Systematic Reviews. https://doi.org/10.1002/14651858.CD005014.pub3

    所以照官方清单一次性买齐，花钱不多，算是合理的准备。但别以为买齐了就安全了。研究反复证明有用的是三件事：装烟雾报警器、事先想好怎么往外跑、把家里容易伤人的东西挪开。这三件事要么根本不在购物清单上，要么只占清单里很小一部分。

    Post #2
  • 社会 & 心理 & 精神 随缘转载
    谈笑风生

    我们需要“确定性”来维持生存的安全感，又需要“不确定性”来提供活着的生命力。

    1. 100% 确定 = 0% 未知（无聊与停滞）

    • 心理学解释：大脑是一个“预测机器”。当生活 100% 确定时，意味着你的大脑每一次预测都能准确无误地得到验证，没有任何“预测误差”。
    • 结果：没有意外，就没有多巴胺的分泌。生活就像一部被彻底剧透的电影，或者一台设定好程序的机器。这种状态下，人不会感到痛苦，但会陷入极度的无聊、空虚和意义感丧失。这就是为什么很多拥有世俗意义上“完美稳定生活”的人，反而会感到深深的厌倦。

    2. 85% 确定 + 15% 不确定（快乐与幸福）

    • 科学印证：这并非巧合，科学界真的存在一个 “85% 最优法则”。2019 年，《自然 - 通讯》（Nature Communications）发表了一项关于“最佳学习率”的研究，发现当任务的成功率在 85% 左右（即错误率/未知率在 15% 左右）时，人类和 AI 的学习效率最高，体验也最好。
    • 心理学解释：85% 的确定性为你提供了坚实的“安全基地”（比如稳定的收入、健康的身体、爱你的家人），让你不用为生存担忧；而 15% 的不确定性（比如一次未知的旅行、一项新挑战的爱好、一次盲盒般的约会）则提供了新鲜感和心流体验。
    • 结果：你在舒适区的边缘探索，既有托底的网，又有向上的风筝。这就是幸福感最高的“黄金比例”。

    3. 50% 确定 + 50% 不确定（焦虑与抑郁）

    • 心理学解释：人类对“控制感”有着极度的渴求。当生活中有一半的事情脱离掌控（比如面临裁员风险、感情出现严重危机、背负巨额债务），大脑的警报系统就会被持续触发。
    • 结果：为了应对这 50% 的未知，你的身体会大量分泌皮质醇（压力荷尔蒙），导致认知资源超载。长期处于这种“战斗或逃跑”的应激状态中，人会感到极度疲惫，从而引发焦虑；如果这种失控感持续存在，大脑会产生“习得性无助”（觉得无论自己做什么都无法改变结果），最终滑向抑郁。

    4. 20% 确定 + 80% 不确定（崩溃与创伤）

    • 心理学解释：这通常发生在人生的重大变故期，如遭遇战争、破产、重病或失去至亲。此时，马斯洛需求层次中最底层的“安全需求”彻底坍塌。
    • 结果：生活失去了所有的“锚点”，人就像被抛入狂风巨浪中的孤舟。神经系统无法处理如此巨大的信息量和生存威胁，最终导致心理防线的全面崩溃，甚至留下长期的创伤后应激障碍（PTSD）。

    人生的智慧，其实就是主动管理这 15% 的不确定性。

    1. 当你感到无聊时（100% 确定）：
      不要害怕改变，主动去“作”一点。去一家没去过的餐厅，学一门毫无功利性的新技能，或者走一条陌生的路回家。主动往生活里掺入 15% 的盲盒，激活你的多巴胺。
    2. 当你感到焦虑时：
      不要去死磕那些你无法改变的未知，而是拼命去抓住简单确定的事情。比如：不管外界多动荡，每天坚持按时吃一顿好饭、保持规律的睡眠、每天散步半小时。用微小的“确定性”去锚定内心，慢慢夺回生活的控制权。
    3. 当你处于幸福时（85/15）：
      珍惜并维护那 85% 的基本盘（健康、家人、核心技能），同时感恩那 15% 的风浪，因为正是那些意料之外的小惊喜和小挫折，让你觉得人间值得。

    守住 85% 的底盘，拥抱 15% 的盲盒，或许就是我们能拥有的，最好的一生。

    Post #292 ❤️ 1 like
  • 社会 & 心理 & 精神 随缘转载
    谈笑风生

    夏尔·佩罗版本《灰姑娘》（1697 年）

    Cendrillon, ou La Petite Pantoufle de Verre

    故事开始

    从前有一位绅士，他娶了第二任妻子。这个女人是世上最傲慢、最自负的人。她有两个亲生女儿，性格和她一模一样。这位绅士还有一个年幼的女儿，性情温和善良，这完全继承自她的母亲——一位世间最好的女人。

    婚礼刚结束不久，继母的坏脾气就显露出来了。她无法忍受这个女孩的善良，因为这让她自己的女儿显得更加可恶。继母把家里最卑微的工作都交给她做：擦洗餐具、桌子，scrubbing 地板，打扫卧室。可怜的女孩只能睡在阁楼上，铺着糟糕的稻草床，而她的姐姐们则住在装饰精美的房间里，地板镶嵌着花纹，床上铺着最新潮的床品，还有大到可以照见全身的大镜子。

    女孩默默地承受一切，不敢向父亲抱怨，因为父亲完全被妻子掌控，如果她抱怨，父亲反而会责骂她。

    做完工作后，她会坐在烟囱角落的灰烬中休息，因此被称为"Cinderwench"（灰丫头）。两个姐姐中较年轻的那个不像姐姐那样粗鲁无礼，叫她"Cinderella"（灰姑娘）。尽管衣着寒酸，灰姑娘却比姐姐们美丽百倍，尽管她们总是穿着华丽的衣服。

    王子的舞会

    国王的儿子举办了一场舞会，邀请了所有上流社会的人士。两位姐姐也收到了邀请，因为她们在当地算是很有名望的人物。她们对邀请欣喜若狂，忙着挑选最能衬托自己的礼服、裙子和头饰。这让灰姑娘的处境更加艰难，因为她要熨烫姐姐们的亚麻衣物，折叠她们的褶边。她们整天谈论的都是如何打扮自己。

    大姐姐说："我要穿我的红色天鹅绒套装，配上法国式的装饰。"

    妹妹说："我就穿我平时的裙子；不过为了弥补，我会穿上我那件金花图案的披风，还有我那件钻石胸衣，这在世界上可不算普通。"

    她们请来了最好的发型师为她们打造时尚的发型，还买了贴面痣。在所有这些事务上，她们都咨询灰姑娘的意见，因为她品味很好。灰姑娘总是给出最好的建议，甚至主动提出帮她们梳理头发，她们很乐意让她帮忙。

    当灰姑娘为她们梳妆时，她们问道："灰姑娘，你难道不想去舞会吗？"

    "小姐们，"她说，"你们只是在嘲笑我；像我这样的人是不该去那里的。"

    "你说得对，"她们回答，"人们看到灰丫头出现在舞会上会笑掉大牙的。"

    换作别人可能会故意把她们的头发梳乱，但灰姑娘心地善良，把头发打理得完美无瑕。她们兴奋得几乎两天没吃东西。为了勒出纤细的腰身，她们试穿时弄断了十几条束腰带，不停地站在镜子前欣赏自己。

    仙女教母的出现

    终于，那个幸福的日子到来了。她们前往宫廷，灰姑娘目送她们直到看不见为止，然后开始哭泣。

    她的教母（一位仙女）看到她泪流满面，问她怎么了。

    "我希望我能——我希望我能——"她哽咽得说不下去。

    "你希望能去舞会，是吗？"仙女教母问。

    "唉，是的，"灰姑娘叹息道。

    "好吧，"教母说，"只要做个好女孩，我会让你去的。"她带灰姑娘进入房间，说："跑到花园里，给我拿一个南瓜来。"

    灰姑娘立刻去摘了一个最大的南瓜，但她无法想象这个南瓜怎么能帮助她去舞会。教母挖空了南瓜的内部，只留下外壳。然后用魔杖轻轻一点，南瓜瞬间变成了一辆镀金的华丽马车。

    接着，她去看捕鼠器，发现里面有六只活着的老鼠。她让灰姑娘打开 trap door，每只老鼠出来时，她用魔杖轻点一下，老鼠立刻变成了漂亮的马，六只老鼠变成了六匹美丽的鼠灰色斑点马。

    由于缺少车夫，灰姑娘说："我去看看捕鼠夹里有没有老鼠——我们可以把它变成车夫。"

    "你说得对，"仙女说，"去看看。"

    灰姑娘拿来捕鼠夹，里面有三只大老鼠。仙女选了胡须最长的那只，用魔杖一点，它变成了一个胖乎乎的车夫，有着世间最美的八字胡和络腮胡。

    然后仙女说："去花园里，你会在水壶后面找到六只蜥蜴；把它们带来给我。"

    灰姑娘刚把它们带来，仙女就把它们变成了六个仆人，他们立刻跳到马车后面，制服上装饰着金银花边，仿佛他们一生都在做这份工作。

    仙女对灰姑娘说："好了，你看，这里有适合去舞会的马车了；你满意吗？"

    "哦，是的！"她喊道，"但我必须穿着这些破衣服去吗？"

    仙女只是用魔杖轻轻碰了她一下，瞬间，她的衣服变成了金银布料制成的华服，上面镶满了珠宝。然后，仙女给了她一双世界上最漂亮的玻璃鞋。

    穿戴完毕后，她上了马车。仙女特别叮嘱她，绝对不能在午夜之后逗留，并告诉她，如果多停留一刻，马车会变回南瓜，马会变回老鼠，车夫会变回老鼠，仆人会变回蜥蜴，衣服也会变回原来的样子。

    她向教母保证会在午夜前离开舞会。她驾车离去，高兴得几乎无法自持。

    第一次舞会

    国王的儿子被告知来了一位无人认识的大公主，便跑出去迎接她。他伸手扶她下车，领她进入大厅，那里聚集着所有宾客。顿时一片寂静，所有人都停止了跳舞，小提琴也停止了演奏，所有人都被这位陌生来客的独特美貌所吸引。只听到一阵混乱的声音在说：

    "啊！她多美！啊！她多美！"

    就连年迈的国王也无法将目光从她身上移开，他低声告诉王后，他已经很久没有见过如此美丽可爱的佳人了。

    所有女士都在仔细研究她的服装和头饰，以便第二天按照同样的样式制作自己的衣服，前提是能找到如此精美的材料和能工巧匠。

    王子请她坐到荣誉席位上，然后邀请她共舞。她舞姿优雅，所有人都越来越钦佩她。盛宴开始了，但年轻的王子一口未吃，因为他全神贯注地看着她。

    她走到姐姐们身边坐下，对她们千般礼貌，还把王子给她的橙子和香橼分给她们。这让她们非常惊讶，因为王子并没有招待她们。

    灰姑娘听到钟敲了十一点四十五分。她立即向众人告别，尽快离开。

    一回到家，她就跑去寻找教母，感谢她之后，说她非常希望第二天还能去舞会，因为王子邀请了她。当她急切地向教母讲述舞会上发生的一切时，两个姐姐敲门了。灰姑娘打开门。"你们待了好长时间啊！"她打着哈欠说，揉着眼睛，伸着懒腰，好像刚醒来一样。然而，自从她们离家后，她根本没有睡意。

    "如果你去了舞会，"一个姐姐说，"你就不会这么累了。那里来了一位最美丽的公主，凡人眼中从未见过的美人。她对我们千般礼貌，还给了我们橙子和香橼。"

    灰姑娘并没有表现出任何喜悦。事实上，她问她们那位公主的名字，但她们说不知道，还说王子非常担心，愿意付出全世界的代价来知道她是谁。灰姑娘微笑着回答：

    "她真的那么美丽吗？你们真幸运！我能不能见她一面？啊！亲爱的夏洛特小姐，能不能借给我你那件每天穿的黄色衣服？"

    "当然可以！"夏洛特小姐叫道，"把我的衣服借给你这样肮脏的灰丫头！我一定是疯了才会这么做。"

    灰姑娘其实预料到这样的回答，并且很高兴被拒绝；因为如果姐姐真的借给她开玩笑要的衣服，她会非常为难。

    第二次舞会与遗失的玻璃鞋

    第二天，两个姐姐又去了舞会，灰姑娘也去了，但打扮得比之前更加华丽。王子始终陪在她身边，不停地对她说着甜言蜜语。这些丝毫没有让这位年轻女士感到厌烦。事实上，她完全忘记了教母的嘱咐，以至于当时钟开始敲响十二点时，她还以为才十一点。

    于是她起身逃跑，像鹿一样敏捷。王子追赶，但追不上她。她落下了一只玻璃鞋，王子小心翼翼地捡了起来。她回到家时气喘吁吁，没有马车，穿着旧衣服，除了那只掉落的水晶鞋的另一只配对外，她所有的华丽装扮都不见了。

    宫殿门口的守卫被问及是否看到一位公主出去，他们回答说只看到一个穿着非常寒酸的年轻女孩走出去，她看起来更像是一个贫穷的乡下姑娘，而不是一位年轻女士。

    当两个姐姐从舞会回来时，灰姑娘问她们玩得是否开心，那位美丽的女士是否在那里。她们说是的，但她在十二点钟声响起时就匆忙离开了，走得如此匆忙，以至于掉落了一只世界上最可爱的小玻璃鞋，王子已经捡起来了。她们还说，王子一直盯着她看，毫无疑问，他深深地爱上了这只玻璃鞋的美丽主人。

    寻找真正的主人

    她们说的是事实；几天后，王子下令通过喇叭公告，他要娶脚能正好穿上这只鞋的女孩。他们开始让公主们试穿，然后是公爵夫人，接着是宫廷中的所有女士；但都失败了。

    鞋子被带到两个姐姐面前，她们竭尽全力想把脚塞进鞋子里，但都未能成功。灰姑娘看到了这一幕，知道这是她的鞋子，笑着对她们说：

    "让我看看它是否适合我。"

    她的姐姐们大笑起来，开始嘲笑她。但负责试鞋的绅士认真地看着灰姑娘，发现她非常漂亮，就说让她试试是公平的，而且他有命令要让每位女士都试穿。

    他让灰姑娘坐下，把鞋子放在她的小脚上，发现鞋子很容易就穿上了，就像是用蜡做的一样贴合。两个姐姐的惊讶之情难以言表，但当灰姑娘从口袋里拿出另一只鞋子穿上时，她们的惊讶更甚。

    这时，她的教母出现了，用魔杖点了灰姑娘的衣服，使它们变得比她以前穿的更加华丽。

    现在，两个姐姐认出她就是她们在舞会上看到的那位美丽女士。她们跪在她脚下，请求原谅她们对她的所有虐待。灰姑娘扶起她们，拥抱她们时说，她全心全意地原谅了她们，并请她们永远爱她。

    她被带到年轻的王子面前，穿着她现在的装束。王子觉得她比以往任何时候都更加迷人，几天后，他们结婚了。

    灰姑娘既善良又美丽，她把两个姐姐接到宫中居住，并在同一天将她们嫁给了宫廷中的两位贵族领主。

    格林兄弟版本《灰姑娘》（1812 年）

    Aschenputtel

    故事开始

    从前有一个富人的妻子病重，她觉得自己时日无多，便把唯一的女儿叫到床边，说："亲爱的孩子，要善良虔诚，这样善良的上帝就会永远保佑你，我会在天堂看着你，陪伴在你身边。"

    说完，她闭上眼睛去世了。少女每天都到母亲的坟前哭泣，她始终虔诚善良。冬天来临，大雪覆盖了坟墓，如同铺上了一层白布；春日的阳光驱散了白雪。那时，她的父亲已经另娶了一位妻子。

    那女人带来了两个女儿，她们外表美丽，但心肠歹毒，邪恶至极。可怜的继女从此开始了她的苦难生活。

    "那只蠢鹅要跟我们一起坐在客厅里吗？"她们说。"想吃面包就得自己赚；把那厨房女佣赶出去。"

    她们脱掉了她漂亮的衣服，给她穿上一件旧灰色的睡袍，又给她穿上木屐。"瞧瞧这位骄傲的公主，打扮得多漂亮啊！"她们嘲笑着把她领进了厨房。

    在那里，她必须从早到晚辛勤工作，天还没亮就得起床，挑水、生火、煮饭、洗衣服。除此之外，姊妹俩还对她百般刁难，嘲笑她，把豌豆和扁豆倒进炉灰里，让她不得不坐下来重新捡出来。

    晚上，她工作到筋疲力尽，却无处可去，只能睡在炉火旁的灰烬里。正因如此，她总是灰头土脸、脏兮兮的，所以大家都叫她灰姑娘。

    榛树与小鸟

    有一次，她的父亲要去赶集，便问他的两个继女应该带些什么回来给她们。

    "漂亮的裙子，"一人说。"珍珠和珠宝，"另一人说。

    "那么你，灰姑娘，"他说，"你想要什么？"

    "父亲，回家路上，如果哪根树枝碰到你的帽子，请帮我折下第一根。"

    于是他买了漂亮的裙子、珍珠和珠宝给两个继女。回家途中，他骑马穿过一片绿色的灌木丛时，一根榛树枝拂过他的身体，打掉了他的帽子。于是他折下树枝，带在了身边。

    他回到家后，满足了继女们的愿望，并把榛树枝送给了灰姑娘。灰姑娘谢过他，来到母亲的坟前，把树枝栽种在墓碑上，泪流满面，泪水滴落在树枝上，滋润着它。树枝竟然发芽生长，长成了一棵美丽的大树。灰姑娘每天三次来到树下，哭泣祈祷。一只小白鸟总会飞到树上，灰姑娘许愿后，小鸟就会把她想要的东西丢下来给她。

    三天的庆典

    国王决定举办一个为期三天的盛大节日，邀请全国所有美丽的年轻女子参加，以便他的儿子能从中挑选一位新娘。当两个继姐听说她们也要参加时，她们欣喜若狂，叫来灰姑娘说："帮我们梳头，擦鞋，扣好鞋扣，我们要去国王的宫殿参加节日了。"

    灰姑娘虽然服从了，但她哭了，因为她也想跟他们一起去参加舞会，于是恳求继母允许她去。

    "去吧，灰姑娘！"她说道，"你浑身灰尘，脏兮兮的，还想去参加舞会？你没有衣服也没有鞋子，却还想跳舞！"

    然而，灰姑娘不停地请求，继母最后说道："我已经为你把一盘扁豆倒进了灰烬里，如果你两个小时之内能把它们捡出来，你就可以和我们一起去。"

    "把好东西放进锅里，
    坏东西混入庄稼里了。"

    这时，两只白鸽从厨房窗户飞了进来，接着是斑鸠，最后，天上所有的鸟儿都嗡嗡地飞了进来，落在灰烬中。鸽子们点点头，开始啄食，把所有好的谷物都收集到盘子里。不到一个小时，它们就啄完了，然后全部飞走了。

    女孩拿着盘子去找她的继母，很高兴，以为现在她可以和她们一起去参加节日了。可是继母说："不行，灰姑娘，你没有衣服，也不会跳舞；你只会被人嘲笑。"

    灰姑娘听了哭了起来，继母说："如果你一个小时之内不能从灰烬里为我啄出两盘扁豆，你就不能和我们一起去。"她心想："这绝对做不到。"

    继母把两碗扁豆倒进灰烬里后，少女从后门走进花园，哭着呼唤鸟儿。鸟儿再次飞来，不到半个小时就完成了任务。

    然后，少女把盘子端给继母，她很高兴，心想自己现在可以和她们一起去参加节日了。

    但继母说："这一切都无济于事，你不能跟我们走，因为你没有衣服，也不会跳舞；我们会为你感到羞耻的！"说完，她转身背对着灰姑娘，带着两个骄傲的女儿匆匆离去。

    第一天舞会

    由于家中无人，灰姑娘来到榛树下母亲的坟前，痛哭起来，唱道：

    "颤抖吧，小树，
    金银如雨般落下，倾泻而下。"

    于是，那只鸟丢给她一件金銀相間的長袍和一雙絲銀繡拖鞋。她飛快地穿上長袍，去參加節慶慶典。然而，她的繼姐和繼母並不認識她，還以為她是外國公主，因為她穿著金袍，看起來非常漂亮。

    王子去見她，牽起她的手與她共舞。他只與一位少女跳舞，從未鬆開過她的手。如果有人來邀請她，他就說："這是我的舞伴。"

    她一直跳舞到天黑，然後想回家。但國王的兒子說："我陪你一起去吧。"因為他想看看這位美麗的姑娘是誰家的。然而，她卻從他身邊溜走了，跳進了鴿舍。

    國王的兒子等到她的父親回來，才告訴他，那位陌生的姑娘跳進了鴿舍。老人心想："難道是灰姑娘？"於是他們拿來斧頭和鎬，想把鴿舍砸開，但裡面空無一人。

    他們回到家時，發現灰姑娘穿著髒衣服躺在灰燼中，壁爐架上亮著一盞昏暗的小油燈。原來，灰姑娘從鴿舍後面跳下來，跑到那棵小榛樹下，脫下漂亮的衣服放在墳墓上，鴿子又把衣服叼走了。然後，她穿著灰色長袍，躺在廚房的灰燼裡。

    第二天舞会

    第二天，節日重新開始，她的父母和繼姐們又一次離開了，灰姑娘來到榛樹下，再次呼喚。鳥兒丟下一件比前一天更漂亮的裙子。當灰姑娘穿著這件裙子出現在舞會上時，所有人都被她的美貌驚艷到了。

    國王的兒子一直等著她到來，一見到她就立刻牽起她的手，只與她一人共舞。傍晚時分，她想離開，國王的兒子跟在她身後，想看看她去了哪一棟房子。但她卻突然掙脫，跳進了屋後的花園。花園裡有一棵高大美麗的梨樹，樹上掛滿了碩大無比的梨子。她像松鼠一樣在枝頭間靈活地攀爬，國王的兒子竟沒找到她。

    他等到她父親回來，便對他說："那位陌生的姑娘從我身邊逃走了，我想她已經爬上梨樹了。"

    父親心想："會不會是灰姑娘？"於是讓人拿來斧頭，把樹砍倒了，但樹上空無一人。當他們走進廚房時，灰姑娘像往常一樣躺在灰燼中，因為她已經從樹的另一邊跳了下來，把漂亮的裙子給了小榛樹上的鳥兒，然後換上了她的灰色長袍。

    第三天舞会与金鞋

    第三天，父母和姊姊們都離開後，灰姑娘又一次來到母親的墳前，呼喚小樹。這時，那隻鳥丟給她一件比她以往任何一件都更加華麗精美的裙子，還有一雙金色的拖鞋。

    當她穿著這身裙子去參加舞會時，所有人都驚嘆不已。只有國王的兒子和她跳舞。夜幕降臨，灰姑娘想要離開，王子很想陪她一起走，但她跑得太快，王子根本追不上。不過，王子早有準備，他讓人把整個樓梯都塗滿了瀝青，灰姑娘跑下來的時候，她的左腳鞋就黏在了瀝青上。

    王子撿起鞋，發現它小巧精緻，而且通體金光閃閃。

    试鞋与残酷的真相

    隔天早上，他拿著金鞋去見父親，對父親說："只有能穿上這隻金鞋的人才能成為我的妻子。"

    兩姊妹聽了很高興，因為她們的腳很漂亮。姊姊拿著金鞋進了房間，想試穿一下，她的母親站在一旁。可是她的大腳趾塞不進去，鞋子對她來說太小了。

    然後她的母親遞給她一把刀，說："把腳趾砍掉；等你當上女王，就不用再步行了。"

    少女砍了腳趾，強行把腳塞進鞋裡，忍著疼痛，走向了國王的兒子。於是，他把她迎上馬，娶她為妻，帶她遠去。

    然而，他們不得不經過一座墳墓，在那裡，榛樹上棲息著兩隻鴿子，啼叫著：

    "轉過身來偷看，轉過身來偷看，
    鞋子裡有血跡。
    這雙鞋對她來說太小了。
    真正的新娘在等你。"

    然後他看了看她的腳，發現鮮血正從那裡汩汩流出。他調轉馬頭，把假新娘帶回了家，說她不是真正的新娘，應該由另一個姊妹來試鞋。

    於是，妹妹走進自己的房間，把腳趾頭小心翼翼地塞進鞋子裡，但腳跟卻太大了。她的母親遞給她一把刀，說："把你的腳後跟削掉一點；等你當了王后，就不用再走路了。"

    少女削掉了腳跟的一小塊，強行把腳塞進鞋裡，忍著疼痛，走向了王子。王子把她迎上馬，讓她成為自己的新娘，然後帶著她揚長而去。

    當他們經過那棵榛樹時，兩隻小鴿子停在樹上啼叫起來：

    "轉過身來偷看，轉過身來偷看，
    鞋子裡有血跡。
    這雙鞋對她來說太小了。
    真正的新娘在等你。"

    他低頭看著她的腳，只見血從鞋裡流出來，染紅了她的白襪子。然後，他調轉馬頭，把那個假新娘帶回了家。

    "這也不是你要找的那個，"他說，"你沒有別的女兒嗎？"

    "不，"那人說，"我亡妻留下了一個矮小的廚房女傭，但她不可能是新娘。"

    國王的兒子堅持要見她，只好把灰姑娘叫了過來。她先洗淨了手和臉，然後走到國王的兒子面前，向他鞠躬。國王給了她一隻金鞋。接著，她坐在凳子上，把腳從沉重的木鞋裡抽出來，換上了合腳的金鞋。

    當她起身時，國王的兒子看著她的臉，認出了這位曾與他共舞的美麗少女，便喊道："這才是真正的新娘！"

    繼母和兩個姊姊嚇壞了，氣得臉色蒼白；然而，他卻帶著灰姑娘騎上馬，揚長而去。當他們經過榛樹時，兩隻白鴿鳴叫起來：

    "轉過身來偷看，轉過身來偷看，
    鞋子裡沒有血跡。
    這雙鞋對她來說並不小。
    真正的新娘會與你同行。"

    當它們唱完之後，兩個小傢伙飛了下來，分別站在灰姑娘的肩膀上，一個在右邊，一個在左邊，就那樣坐在那裡。

    残酷的结局

    當灰姑娘與國王之子舉行婚禮時，兩個假姊姊來討好灰姑娘，想分享她的好運。當這對新人去教堂時，姐姐站在右邊，妹妹站在左邊，結果鴿子啄瞎了她們各自的一隻眼睛。

    後來他們回來時，年長的在左邊，年幼的在右邊，然後鴿子啄瞎了她們各自的另一隻眼睛。就這樣，她們因邪惡和虛偽而受到懲罰，終生失明。

    Post #291
  • [ai 整理讲稿] 2024 年 李录 北大光华讲座
    谈笑风生

    与沃伦·巴菲特长谈：投资、风险、媒体、慈善与我想要的人生

    这场对话从 2004 年开始，2005 年、2006 年继续，到 2007 年又坐到了一起。那时，我已经担任伯克希尔·哈撒韦 CEO 四十二年。伯克希尔刚刚度过公司历史上极其成功的一年，而在过去一年里，我的人生也发生了很多重要的事：我完成了规模非凡的慈善捐赠，与阿斯特丽德·明克斯结婚，同时仍然每天做着我最喜欢的事——经营伯克希尔。对我来说，这几乎就是人生所能拥有的终极奢侈：靠做一件即使让我付钱、我也愿意去做的事情谋生，并且在人生这个阶段，身边仍然围绕着自己喜欢的人。

    做自己愿意付钱去做的事情

    Q：如果回头看 2006 年，你会怎样形容这一年？

    A：2006 年是很好的一年，一切都进行得相当顺利。我们做了几笔不错的收购，我们旗下企业的经理人也都表现得很好。对我个人来说，这一年当然还有结婚这样的事情，但最重要的其实没有变化：我仍然每天做着自己最喜欢做的事情。一个人如果能够靠自己愿意付钱去做的事情谋生，而且在人生这个阶段还能够和自己喜欢的人待在一起，我想很难再要求更多。伯克希尔也取得了非常大的增长。美国企业里，有些公司会通过不断收购扩大规模，有些公司赚得更多却把大量资金支付出去；如果看实际赚到并留在公司里的美元净资产增长，我认为我们在那一年创造了纪录，至少这是我看待那一年成绩的方式。

    六十一万美元的一顿午餐

    Q：有人愿意花六十一万美元和你吃一顿午饭，这件事对你意味着什么？

    A：如果我不是一年只卖一次这样的午餐，价格恐怕也不会这么高，这本身就是供求关系。拍卖在 eBay 上进行以后，价格上升得非常厉害。那一年的竞拍者出价六十一万美元，另外还有史密斯·奥伦斯基支付的十万美元，原转录中最后说慈善机构可以得到六十二万美元。中标的是一位美籍华人，当时即将成为美国公民。他会和妻子以及另外七位同行者一起来，我们会谈任何他们真正关心的问题。事实上，我很喜欢这些午餐，它通常可以持续三个小时，我会一直待到他们觉得该结束为止。

    这些人通常并不是来问我“下一只股票买什么”。他们知道我不会告诉他们具体该投资什么。真正有意思的问题往往是人生问题。有一次来的是一对年轻人，其中一位已经是一名非常成功的投资经理，他根本不需要我告诉他怎样赚钱，他更想知道的是怎样教育孩子，因为他已经拥有很多钱，而财富本身会给孩子带来一整套新的问题。只要是他们真正关心的问题，我都愿意谈。我在这些午餐里也认识了很多有意思的人，所以并不是只有他们从这顿饭里得到东西，我自己同样有所收获。

    规模为什么是投资业绩的锚

    Q：伯克希尔越来越大以后，规模究竟带来了什么好处，又带来了什么代价？

    A：规模是投资业绩的锚。管理几百万、几千万甚至一亿美元，和管理一百亿、两百亿美元，是完全不同的事情。当年我只有几十万美元可以投资时，整个世界几乎都是我的投资宇宙。市场上有成千上万家公司，只要找到一个不错的想法，就可能明显改变我的净资产。但随着资金越来越大，这个宇宙会不断缩小。假设今天我们拿一亿美元做了一笔非常精彩的交易，赚了一亿美元，税后可能剩六千五百万美元，可是相对于一个已经有巨大规模的资产基础而言，这种结果几乎不会造成明显影响。所以我不得不把注意力放在规模更大的公司上，而大公司本身数量有限，很多在我管理几百万或者几千万美元时完全可行的机会，现在已经没有意义。

    这也是为什么我越来越愿意收购整个企业，而不是只在股票市场上寻找证券。伯克希尔当时拥有七十三家运营企业，从 Dairy Queen、熟食业务，一直到 NetJets 的 737 飞机，各种类型都有，而我希望这个数字继续增加。我当然也喜欢买股票，买股票很像一场游戏，我多少明白这个游戏该怎么玩；但是伯克希尔真正的目标，是不断增加由优秀经理人经营的强大盈利资产。对我来说，这种模式还有一个非常好的地方：如果企业足够优秀，经理人也足够优秀，我在办公室里其实并不需要做太多事情，我甚至可以弹尤克里里或者去做别的事情。

    更重要的是，真正优秀的企业能够持续创造价值。你拥有它以后，它往往会越来越好，而不是逼着你不停地在市场里跑来跑去。我们当时已经拥有的七十三家企业，仅仅依靠自身发展，十年后很可能就会赚到比当时多得多的利润，而在这个过程中我们还会继续增加新的企业。我喜欢这种事情，也喜欢与这些经理人合作，这本身就让我觉得很有趣。

    沃尔玛、错失的利润与伯克希尔的收购方式

    Q：你也会犯错。沃尔玛是不是一个你一直记得的例子？

    A：当然。我们偶尔也会卖股票，但我在沃尔玛上犯过一个很大的错误。九十年代中期，我本来打算大规模买入沃尔玛，结果股价稍微上涨了一点，我就犹豫了。原本有机会赚到八亿到九亿美元，最后却因为自己的迟疑，把一笔潜在的巨额利润变成了很小的利润。这种事情我们平时不太愿意谈，但它确实是十亿美元级别的错误。后来我们又持有了一些沃尔玛，不过规模相对不算大。

    至于收购企业，外界时常会报道伯克希尔正在考虑什么重大交易。有些故事是真的，因为始终会有企业希望加入伯克希尔。问题并不是有没有卖家，而是市场上对好企业的竞争非常激烈，能以一个对伯克希尔股东合理的价格完成交易，机会实际上非常少。所以只能不断接触、不断寻找。我们的一个优势是支付能力基本从来不是问题，大家都知道我们的底牌，也知道伯克希尔能够完成很大的交易。我们从来不会签一份“以融资成功为条件”的收购合同，因为我们自己有足够的钱。只要我和对方握手，这笔交易在我看来就已经达成了。

    我也确实会收到想把企业卖给伯克希尔的人发来的信息，不过并不像人们想象得那么多，因为我每年都会在年报里写清楚我们的收购标准。我会告诉大家，我们寻找的是圣伯纳犬，不是吉娃娃。即使写得这么清楚，还是会有人说：“但我真的有一家很棒的小企业。”他们可能确实拥有一家非常好的小企业，可伯克希尔规模已经到了我不能把时间集中在这种交易上的程度。所以公开标准的意义之一，就是主动减少没有必要的信息流。

    为什么买下一家企业以后，我不想卖

    Q：你喜欢报纸，也一直愿意持有一些前景并不那么光明的企业。为什么？

    A：如果我不能做现在这份工作，我其实很愿意从事新闻业。我喜欢报纸，也喜欢经营《水牛城新闻报》的人。我们很清楚，这个行业不可能重新回到过去最辉煌的时代，但只要没有触发两个条件，我们仍然愿意继续拥有这样的企业。这两个条件，我过去只在年报附录里正式写过：第一，它变成一个无休止的现金黑洞；第二，出现我们无法解决的劳工问题。除了这两种情况，即使我们知道一个行业的长期前景在恶化，就算有人愿意以我们认为企业价值两倍的价格收购，我们也没有兴趣卖。

    因为对我来说，买下一家企业就意味着一种长期、接近终身的承诺。这和很多商学院教的东西完全不同。商学院可能会告诉你，如果一家企业值 X，而别人愿意出三倍的 X，你当然应该卖掉，因为他们把公司看作一个投资组合里的资产。但伯克希尔拥有的不是“业务组合”，而是真正的企业。我们作为所有者来经营它们。很多把公司卖给伯克希尔的人，是花了一辈子把企业建立起来以后，因为信任我们，才愿意把它交到我们手里。他们希望替这家公司找到一个最终的好归宿。既然如此，我们不会仅仅因为有人后来出了更高的价格，就改变当初给予对方的承诺。

    这也是伯克希尔与某些私募基金很不一样的地方。他们从事的是买卖资产的业务，所以天然会有退出策略。我们有进入策略，但基本没有退出策略。

    报纸为什么既是一门生意，也是一种身份和权力

    Q：当时市场上正在讨论《论坛报》等报纸资产的交易，你怎样看这类交易？

    A：有些买家在设计交易方面确实非常聪明，可以从税务、融资和较小的初始投资出发，通过杠杆把交易做得很大。从交易双方自己的角度，结构甚至可能已经设计得不能更好了。但最终有一件事无法回避：买下来以后，你仍然必须经营《论坛报》这样的公司，而你经营的是一个正在衰落的行业。

    报纸又和普通企业不完全一样。很多人买报纸，不只是为了未来现金流，也因为它带来的身份感和重要性。假设你拥有《奥马哈世界先驱报》，或者拥有内布拉斯加州弗里蒙特的一份重要报纸，你几乎立刻就会成为当地一个非常重要的人，甚至可能成为镇上最重要的人之一。财富本身未必能给你这种社会地位。如果拥有纽约洋基队，你在纽约当然会非常重要；但如果拥有《纽约时报》，你得到的影响力可能还要更大。从影响力的角度看，《华尔街日报》也是全世界最重要的媒体资产之一。

    所以，有些资产的价值不只是未来现金流的现值。普通生意可以像柠檬水摊一样，核心就是将来能够产生多少钱；但体育队、电影公司，尤其是报纸，还多了一层象征价值。可以把它理解成 A 加 B，其中 A 是现金流，B 是身份、影响力、地位或者某种象征性的权力。有时候，B 的价值非常大。

    鲁珀特·默多克、《华尔街日报》和互联网时代的报纸

    Q：你怎么看鲁珀特·默多克收购《华尔街日报》的努力？

    A：这件事完全可以理解，因为鲁珀特真的热爱报纸。《华尔街日报》和《纽约时报》在互联网时代，可能会拥有和普通都市报纸不一样的未来，因为它们已经是全国性品牌。很多传统报纸都是由自己所在的城市定义的，你服务奥马哈、费城、水牛城或者迈阿密。但巴尼·基尔戈多年前对《华尔街日报》做了一件非常聪明的事情：他不再用地理范围来定义一座“城市”，而是用共同兴趣来定义它。他实际上创造了一座由全国范围内、拥有共同兴趣的人组成的城市，再用《华尔街日报》去服务这座城市。这是一个非常了不起的构想，而且执行得也非常好。

    这意味着，《华尔街日报》和后来一定程度上的《纽约时报》，都不再只是服务某一个地理区域。这种模式可能比奥马哈、水牛城、费城或者迈阿密的本地纸媒，更容易在互联网上找到新的生存方式。《华盛顿邮报》当时仍然主要是一份地方性报纸，在当地发行量上拥有非常强的地位，但它的网站已经能够覆盖远远超出华盛顿地区的读者。真正的问题在于，这种网络影响力到底能不能转化成经济上的成功。

    过去《奥马哈世界先驱报》这类报纸能赚很多钱，一个重要原因就是几乎没有直接竞争者。报纸过去在很多地区天然形成了近似垄断的地位，而这种地位现在正在减弱。互联网使一个人坐在家里就能看《洛杉矶时报》《纽约时报》《华尔街日报》《水牛城新闻报》以及世界各地的媒体，你不用真的跑出去收集八份报纸再把它们一份份整理。过去报纸令人难以置信的经济效益，本质上很大程度来自这种本地垄断，而技术正在削弱它。与此同时，整整一代人已经不再需要每天读纸质报纸。过去很多人几乎对每日读报上瘾，这种习惯也正在发生变化。

    班克罗夫特家族面对的并不只是一个价格

    Q：如果你是拥有《华尔街日报》的班克罗夫特家族，你会卖吗？

    A：这是他们自己必须做的决定，而且它没有单纯比较价格那么简单。因为像《华尔街日报》这样的资产，不只是一个可以按照未来现金流贴现的生意。它还拥有巨大的象征意义，而对于一个世代拥有它的家族来说，这种意义又和外部买家看到的意义不同。

    全世界很多人知道乔治·斯坦布伦纳，因为他拥有洋基队，但普通公众未必认识班克罗夫特家族的具体成员。也就是说，这个家族手里掌握着一种对外部买家来说可能极其珍贵的资产和象征权力，可他们自己未必能把这种价值完全转化成个人的社会地位。与此同时，这又是从父母、祖父母一代传下来的传统，他们会认为自己掌握的是一项非常重要的国家资产。所以不能简单地说，有人愿意支付 X 加上某个溢价，于是就理所当然应该出售。

    而且这是一个家族，不是一个人。很多成员坐在同一个房间里，不可能所有人都得出完全相同的答案。当时已经有人选择脱离，问题在于还会不会有更多人作出相同选择。答案当时并不知道。但如果让我在这种问题上押注，我不会轻易押鲁珀特·默多克失败。到那个时候为止，几乎没有谁靠长期押他失败赚到大钱，相反，他靠押自己取得了巨大成功。

    鲁珀特本人非常聪明，而且他对媒体的理解深得惊人。大约在 1974 年，他刚买下《纽约邮报》后不久，我在凯·格雷厄姆的公寓里见过他。他谈报纸和电视时，不只是懂商业层面，也懂编辑层面。我不知道过去半年里世界各地媒体行业发生了多少事情，但当时我的感觉是，他对这个行业两面的了解比我认识的绝大多数人都深入。他既像出版商，又像编辑；既是所有者，又真正懂内容。这就是他的游戏。

    有些资产像世界上仅存的一幅名画

    Q：你自己有没有短暂考虑过参与《华尔街日报》这样的交易？

    A：当然会看一眼。如果相对于整个伯克希尔的规模，交易金额不是完全无法承受，那你自然会想一想。但“想一下”和真的准备去做是两回事。就像街上有一个漂亮女孩走过，你可能会看一眼；又像丘吉尔那句玩笑，大意是，我看看菜单，并不代表我一定要吃这顿饭。

    不过，全世界尤其是美国，有很多拥有大量资本的人都会认真考虑这种资产，因为它太稀缺了。如果纽约洋基队突然出售，绝不可能只有一个人考虑，甚至会有人专门组成财团去竞购。《纽约时报》和《华尔街日报》也是同样的道理，它们有点像一幅极其罕见的名画突然出现在一群收藏家面前。世界上以后不会再创造第二个拥有完全相同历史位置的《纽约时报》或者《华尔街日报》。我当然会看，而且它确实是一幅存在于我生活的金融世界里的著名画作，但至少在当时，我把自己看作一个旁观者。

    道琼斯原本掌握了金融信息世界

    Q：为什么金融媒体这样的资产会特别吸引你的注意？

    A：因为如果回头看三十年、甚至只回头看若干年，很少有领域能像金融信息这样爆炸式增长。今天公众对金融信息的兴趣，与三十年前相比，增长幅度远远超过很多体育或者政治信息，而且这种信息还能直接收费。道琼斯在 1970 年左右其实已经掌握了那个世界，不只是因为《华尔街日报》，还因为道琼斯的新闻行情系统。原转录里提到，1977 年我走进沃尔特·艾萨克森的家时，要及时了解财经新闻，就得盯着道琼斯新闻 ticker。

    后来出现了彭博这样的企业，从几乎零开始建立了巨大的价值，而道琼斯原本拥有一个在如此优秀行业中处于顶端的位置。从《华尔街日报》本身的编辑质量看，我绝不是说他们把报纸办坏了；问题出在商业层面。他们拥有读者、品牌、信任以及一个原本由自己主导的领域，却没有充分把这些资产变现。有人最终从他们身边拿走了其中一大块价值。以他们一开始掌握的东西，我认为这家公司本应该比后来体现出来的价值高得多。遇到这样的情况当然会引起我的兴趣，因为这确实像看到了一幅杰作，你自然会仔细看它。如果条件真的对股东有利，我当然也可能参与，但有大笔资金以后，一个危险就是容易被这种漂亮资产吸引，所以最后还是必须记住：我是在替伯克希尔的股东工作。

    接班人最重要的能力不是聪明，而是永远不要归零

    Q：伯克希尔的 CEO 接班和投资接班，你究竟在寻找什么样的人？

    A：CEO 方面，我们已经有明确的人选。董事会或者相关高层知道，如果我今天发生意外，谁会立刻成为伯克希尔的新 CEO，而且不只一个备选人。当时我们刚在周一重新讨论并确认过安排。当然，一年以后答案也可能改变，因为人的情况会变，环境也会变，可能会有新的因素出现，但我们不会等到真正出事时才临时决定。

    投资接班则有另一组标准。智商当然重要，但我最看重的是一个人对风险有没有天然正确的感觉。我一生见过很多智商 160、极其聪明、对投资有强烈兴趣而且经验丰富的人，最后却把自己毁掉。一个投资者必须真正热爱这个游戏，愿意持续参与，同时又能控制自己的本能。很多非常聪明的人就是做不到这一点。他们明明知道舞会午夜会结束，却像灰姑娘一样总想再跳一支舞，因为他们觉得自己比别人聪明，认为自己可以在最后一秒之前先退出，或者他们根本没有为一个完全出乎意料的威胁做好准备。长期资本管理公司的事情就是一个极好的例子。

    因此，我绝不会把伯克希尔的投资交给一个我认为带着哪怕很小“致命缺陷”的人。你可以连续很多年赚非常多的钱，但只要其中出现一次真正意义上的零，最后的结果仍然是零。原转录在这里用了一串“28、30、17、22 以及零”之类的乘法表达，核心意思很简单：这个序列里不能出现零。我见过很多人长期都有非常漂亮的成绩，最后却插入一个零，一切就结束了。我要找的人，不仅要能看到所有人已经见过的风险，还要尽可能看到拐角后面、过去还没有发生过的风险。

    我为什么让学生去读一百年前的金融史

    Q：你为什么这么强调历史和人的行为，而不仅是模型和数字？

    A：在 2006—2007 学年，有三十多所大学的学生到奥马哈来，有的甚至来自巴西。我通常会和他们待五个小时左右。一个课堂里可能有一百五十多名 MBA，他们都对金融感兴趣。我会问他们，有多少人听说过“北太平洋角”之类的历史事件，结果往往一个人都不举手。

    可我十岁、十一岁时，会把自己能找到的金融历史几乎全部读一遍。原因是，投资绝不仅仅是上周图表上的几个数字，它首先是关于人类会怎样行动。我甚至和艾伦·格林斯潘谈过北太平洋相关的历史，他对商业历史了解很多。你必须明白，人类能够做出的事情，其范围远远超出一个只看最近几年数据的人所能想象。看看历史中那些疯狂的集体行为，甚至看看希特勒时代德国发生的事情，你就知道人类的群体行为、自我毁灭倾向可以走到什么程度。

    1987 年 10 月的市场崩盘也是一样，市场价值可以在极短时间里发生极端变化。原转录中的具体百分比数字并不清晰，但重点不是那个单独数字，而是一天之内市场可以发生此前很多人以为不会发生的事情。未来还一定会出现新的极端事件。它们不会和 1929 年或者 1987 年完全一样，但背后的某些人性因素会反复出现。正如马克·吐温那句常被引用的话：历史不会简单重复，但会押韵。

    所以我需要找到能够独立思考、不轻易被群体裹挟的人。实际挑选投资经理时，我可能会给三四个人或者更多人各自一两亿美元，看他们怎样做。但我不会只看最后交上来的成绩单，我更愿意看他们十年来每一次“挥棒”的动作：为什么买、为什么卖、当时看到了什么风险、结果是怎样产生的。一个人的过程往往比某个阶段的收益率更能说明问题。

    我过去其实做过类似的选择。结束合伙企业的时候，我选过三个人，其中有一个和我的方式最契合。三十年以后看，这三个人都证明了自己，不只是因为他们能管理好资金，更因为他们没有把自己毁掉。我还曾为原转录中所说的“IO”挑选过一个人。所以这件事不是不可能，只是今天对我更难，因为我已经不是那些四十岁、五十岁投资者的同龄人，不可能像我自己四五十岁时那样自然地了解这一代人。

    理想候选人可能四十岁，也可能三十五岁或者五十岁；但如果已经七十六岁，那显然就不太符合长期接班的目的。当然，也有例外。路易·辛普森就是非常优秀的投资者，而查理八十三岁时状态仍然很好，只不过年龄本身仍然是接班问题必须考虑的变量。

    贸易赤字，就像每天多吃一片吐司

    Q：你为什么一直担心经常账户赤字和美元？

    A：因为从某种意义上说，我们正在出售资产来维持超过自身生产能力的消费习惯。这是一个持续、缓慢的过程。它很像一个人每天都比正常需要多吃一片吐司。第一天不会发生任何戏剧性的事情，别人也许提醒你：“你看起来胖了一点，最好别再吃了。”但如果你每天都持续摄入比消耗多几百卡路里，长期累积以后，总有一天醒来时，你会发现自己已经处于一个根本不想处在的位置。

    美国是世界上最富裕的国家之一，我们手里有大量资产，所以世界一直愿意接受我们的资产，也愿意接受我们的 IOU。但他们接受 IOU 的热情不像过去那么高，这也是美元长期承受压力的原因之一。如果我们始终不改变消费超过生产的习惯，最终不是世界末日，却会发生一件非常真实的事情：越来越多美国资产的所有权会转移到其他国家。之后我们的子女和孙辈，每周工作的一部分实际上都要用于支付前几代人积累下来的债务。

    如果只是美国国内的预算赤字，一方支付的利息至少仍然是另一个美国人的收入；但当债权人和资产所有者在国外，结果就不同了。你的生活水平不仅会受到影响，还必须持续向外支付偿债成本。历史上很长时间，美国拥有国外的资产比外国拥有美国的资产多，因此是别人向我们支付收入。原转录提到，这种状态后来发生了逆转，并在 2006 年左右开始呈现负值，而且如果趋势不变，情况还会继续恶化。

    另一个比喻是，一个原本有储蓄的人先把储蓄账户里的钱花掉，然后开始刷信用卡。信用卡刚开始使用时，利息可能还不显眼，但如果持续刷足够长时间，利息最终就会变成非常明显的负担。问题在于，这类变化发生得很慢，而民主制度往往很难处理几十年以后才会充分显现的后果。

    我希望政治人物认真谈贸易、遗产税和大规模杀伤性武器

    Q：如果政治人物来寻求你的支持，你最希望和他们讨论什么？

    A：很多民主党人会来找我，希望得到意见、支持，有时候所谓“支持”当然也包括资金。我最希望他们真正产生紧迫感的，一个问题是贸易赤字，另一个是遗产税。我还会谈大规模杀伤性武器，因为在我看来，那比绝大多数日常政治争议更重要。

    从长期看，我相信美国经济会很好。我甚至愿意说，只要你的孩子和孙辈能够活下来，他们在物质生活上大概率会比我们这一代更好。真正的问题恰恰是“只要他们能活下来”。今天世界上有一些个人、组织，甚至少数国家希望美国遭遇严重伤害，而由于技术和武器扩散，他们给我们造成灾难性伤害的能力，比五十年前高得多。这个问题必须得到最高程度的重视。

    核武器与恐怖主义结合，是最终级别的恐惧；生物武器同样如此，化学武器也不能忽视。世界上仍然存在大量可能落入错误的人手中的材料，所以美国与俄罗斯等国家合作、提高武器和材料的安全性极其重要。这些风险没有办法完全消失，但政治领导者必须长期保持警觉。

    希拉里与奥巴马，以及我理解的“出生彩票”

    Q：2008 年总统选举，你当时已经选定候选人了吗？

    A：我有两个喜欢的候选人：希拉里·克林顿和巴拉克·奥巴马。我认为他们两个人都有能力成为优秀的总统。当时我不愿意把其中一方推开，只为了完全转向另一方。我相信，两个人都有可能把美国带向一个更好的方向。

    我们已经拥有一个非常好的美国，这个国家对我尤其好。但国家仍然可以做得更好，尤其是在照顾三亿人口方面，而不是只把制度做得特别适合像我这样的人。一个总统不仅要有想法和计划，还需要智慧、精力和领导能力，让公众愿意支持一些过去可能很少认真想过的事情。

    我一直知道，这个国家给了我极大的好处。我今天拥有的一切，并不只是因为我个人做了什么。我出生在正确的地方、正确的时代，父母给了我正确的价值观，这些全都属于一种巨大的幸运。出生本身很像一种彩票。如果我出生在完全不同的国家、完全不同的环境里，同样的一套能力可能根本没有价值。一个人在美国取得巨大财富以后，应该始终记得自己抽到了什么样的一张彩票。

    韩国为什么曾经便宜得不可思议

    Q：你在韩国市场的投资一度比美国市场更成功，这说明什么？

    A：最直接的解释就是韩国股票当时太便宜。韩国在 1997—1998 年经历了严重危机，国际货币基金组织介入，市场参与者在相当长时间里一直带着那次危机留下的印象去看韩国。到了 2002 年左右，很多人的判断仍然建立在 1997、1998 年的经验上，可那些事情实际上已经过去很多年了。

    市场有一种天然倾向，就是喜欢通过后视镜看世界，而不是透过挡风玻璃看前方。韩国就是一个很典型的例子。它并不意味着韩国一定比美国更适合创业或者生活，而只是说明几年前那里的股票价格低得离谱。美国股票当时可能也比后来便宜一点，但远远没有韩国市场那种程度的低估。

    为什么我越来越多地看海外

    Q：你是不是比过去更加关注美国以外的投资？

    A：我一直会看海外市场，只是后来确实越来越重视。美国仍然是伯克希尔最重要的盈利来源，我们拥有的大量企业主要收入仍来自美国，但我们的盈利能力越来越多地通过海外获得。有些是直接的，比如伊斯卡这样的公司；有些是间接的，比如可口可乐、宝洁这类美国公司本身就在全球经营。

    对这些全球化企业来说，未来多年国际业务的增长速度完全可能快于美国本土业务。与此同时，持有这些能够在海外赚取收入的企业，可能也会在长期给我们带来一定货币层面的收益。不过汇率不是决定性因素，只是我会纳入考虑的一个因素。

    过去我们直接做过货币交易，而且赚过大约二十二亿美元。后来我停止大规模做这类交易，是因为利率环境发生变化，持有那些货币头寸的收益条件从正变成了负。如果汇率本身完全不变，过去某些情况下我每年可能靠利差得到很大的正收益，后来却可能每年因为持仓成本损失数亿美元。既然持有货币本身变得更昂贵，我认为更有效率的办法，是直接持有能够产生其他货币收入的海外企业或全球化企业，这样反而可以得到正收益。

    中石油、苏丹与“卖掉股票能不能改变一个国家”

    Q：当时有人要求伯克希尔退出中石油，因为中国和苏丹存在石油关系。你怎样看这个问题？

    A：伯克希尔当时在中石油有一笔很大的投资，访谈中提到的现值接近三十亿美元。原始转录在成本数字上存在明显口语识别痕迹，分别出现了“约四百亿美元”“投入一千万美元、现在价值二十亿美元”等表述，我不会重新改写这些数字，但这确实是一笔非常成功的投资。

    争论的核心不是公司值多少钱，而是投资或者撤资能不能改变中国政府的行为。当时中国政府拥有中石油大约 88% 的股份，中国又从苏丹获得相当数量的石油，于是有人认为，伯克希尔如果公开出售股份，就可能迫使中国改变政策。我并不认为现实中的因果关系有这么简单。

    石油是一种全球大宗商品。你开车时根本不知道油箱里那桶油最初来自哪里。即使中国不购买苏丹的石油，苏丹仍然可以把石油卖给其他买家。因此，“中国少买一点”并不意味着“苏丹的石油就消失了”。同样，我也不认为我卖掉中石油股票，就能改变中国政府对本国利益的判断。这就像我说几句话，并不能自然改变美国联邦政府、市政府或者某个市议会的政策一样。

    我以前甚至就中石油的一项小规模股份发行问题给公司表达过不同意见。我认为他们没有必要稀释股权。他们非常礼貌地回信，说很荣幸伯克希尔是股东，也尊重我的看法，然后还是照样发行了股票。这很正常。如果一家公司的控制者或者一个国家政府认为某个决定符合自身利益，他们不会因为我是沃伦·巴菲特就改变。这在美国同样会发生。

    中国政府在当地重大商业活动中拥有非常大的影响力，它会按照自己的政策和利益行事。公司经理人不会决定国家政策，我也不会，仅靠某一位美国官员去说服也未必有效，哪怕像汉克·保尔森这样与中国方面关系很好、能力也很强的人，也不能简单地让一个主权国家按照外部投资者的要求行动。

    另外，即使中国真的出售苏丹的相关资产，也不能把油田、管道装上船带回中国。资产仍然在那里。买方可能是苏丹政府，也可能是其他愿意合作的国家。如果卖给苏丹政府，价格可能低于资产本身价值，结果反而可能让苏丹政府占便宜；如果卖给其他实体，苏丹政府又完全可能利用交易重新谈判条款，争取更有利的条件。资产所在地和石油本身都不会因为股东发生变化而凭空消失。

    原转录提到苏丹每天会生产大约四万桶石油。如果这部分供应真的从世界市场消失，美国政府本身也未必高兴，因为全球石油供应会减少，而当时供应本来就很紧张。油价因此上升以后，每个美国消费者都要为汽油付更多的钱。所以，我绝不是说苏丹、达尔富尔发生的事情不严重——那些事情当然非常糟糕；我只是认为，“中石油的少数股东出售股票，就能改变中国政府政策”，或者“中国撤出苏丹就一定能伤害苏丹政府”，这些因果判断都非常牵强。

    北京奥运会为什么可能比投资者施压更重要

    Q：如果资本市场的压力有限，还有什么可能影响中国在达尔富尔问题上的态度？

    A：奥运会可能是一个更现实的因素。北京奥运会对中国来说是一个巨大的国家展示舞台，他们非常重视这件事。达尔富尔越来越频繁地和北京奥运联系在一起以后，中国政府开始更加重视国际声誉，甚至有中国政府成员前往达尔富尔。

    美国当然也喜欢举办奥运会，比如亚特兰大奥运会对美国是一件很大的事，但我认为中国对北京奥运会的感受和美国举办一届奥运会的感受不是一个量级。它承载着更强的国家展示意义，所以来自国际声誉层面的压力，可能比一个外国投资者决定买还是卖某只股票更有实际作用。我相信北京会把那届奥运会办得很好。

    把保险箱里的纸片变成疫苗和教育

    Q：再谈慈善。宣布向盖茨基金会以及另外四个基金会捐赠巨额财富之后，你有没有怀疑过自己的决定？

    A：没有，我非常喜欢这个决定。这就是我想做的事情。那些财富如果只是我的伯克希尔股票，本质上就是放在保险箱里的小纸片。它们在那里并不会自动变成任何有用的东西，现在却可以转化成疫苗、教育，或者其他真正需要资源的事情。真正的问题从来不是“要不要把钱用掉”，而是“怎样用得最好”。

    我的孩子们在各自做的事情上表现得很好，梅琳达也会做得很好，原转录还提到“艾伦”在相关工作中的角色。我愿意把资金交给我认为真正适合处理这些问题的人。与此同时，我仍然可以继续做我最喜欢、也可能最擅长的事情——经营伯克希尔。如果我继续把伯克希尔经营好，这些股份未来还会变得更有价值，那么将来能够用于慈善的资源也会更多。我觉得这个安排几乎没有缺点。

    为什么我不想建立一个永远存在的基金会

    Q：你为什么希望财富在相对有限的时间内被用出去，而不是留下一个持续几代人的永久基金会？

    A：因为我知道现在这些人在做什么，也知道他们的目标是什么。我不一定关注他们做出的每一个具体决定，但我了解他们的价值观和能力。可五十年以后会怎样，我完全不知道。那时负责基金会的人可能甚至还没有出生。我一直相信一个人应该待在自己的能力圈里，而不是假装自己了解一个根本无法了解的世界。既然我现在已经认识并选定了一批我认为优秀的人，为什么要假设五十年或者六十年后某个我根本不认识的人，一定会比他们做得更好？

    我也考虑过自己的寿命。原访谈里谈到，可能还有十二三年，也可能只有十分钟，也可能二十年，但总之不会是五十年。我的遗嘱安排希望在我去世后相对较短的时期完成资金分配，原转录提到大约三年，虽然律师可能希望流程更长。核心目标是不要把一笔巨大的财富永久锁在一个机构里，然后让它在几十年、几百年后继续以我的名义做我根本无法判断的事情。

    基金会还有一个特殊问题：它们没有普通企业那样的市场检验。市场里的好企业可以继续发展，坏企业最终会被淘汰；可是一个基金会即使做得很差，也可能继续存在，一个停滞的组织同样可以继续运作。我相信现在接受我资金的人会把它用好。如果他们真的做得很好，未来完全可以向下一代富有的慈善家展示：“看看我们用巴菲特的钱做成了什么。如果你把钱给我们，我们也能做得很好。”如果他们通过这种现实检验，自然能够继续获得资源；如果做不到，就应该让别的人取代他们。

    慈善和接生、补牙是同一个道理：让最擅长的人去做

    Q：把钱交给盖茨基金会以后，你会不会非常细致地干涉他们怎样使用每一美元？

    A：我当然愿意了解发生了什么，但我真正喜欢做的事情仍然是经营伯克希尔。我一直很支持“外包”这件事。如果有人比我做得好，为什么一定要亲自做？我的孩子出生时，我没有自己接生，我找产科医生；我也不会替家人补牙，更不会自己给自己补牙，因为牙医比我擅长。

    别人把钱交给我管理，是因为他们认为我在资金配置上可能比他们做得更好。同样，如果我认为某些人在慈善资源配置上比我更擅长，那么我把这件事交给他们完全合乎逻辑。这个道理在生活的其他领域都成立，没有理由到了慈善领域突然失效。

    而且从上一次谈这件事以后，我收到过世界各地很多人的反馈。很多非常富有的人开始重新思考自己的财富最终应该怎样处理，有些人已经因此作出重大改变。他们过去可能根本没有认真想过什么时候捐、怎样捐、是不是一定要设立一个永久基金会，而现在开始思考这些问题。我觉得现在做，比死后很久再做更好。如果我的做法哪怕只是在某种程度上刺激了别人提前采取行动，我也很高兴。

    有一位朋友就曾告诉我，他准备投入十亿美元建立慈善项目，而且想现在就开始做。至于是不是把钱直接交给盖茨基金会，当时盖茨基金会已经收到不少类似提议。我认为他们原本没有预料到外部会有这么强的捐赠意愿，所以也在重新思考是否接受外部资金。我的判断是，他们最终可能会这样做。

    我选择比尔和梅琳达，不只是因为友谊，也因为我真的看过他们怎样工作。我亲眼见过他们做这件事。如果一个人只告诉我：“我高尔夫能打 69 杆”，那我不能确定他是不是真的行；但如果我已经亲自看着他拿球杆、看过他怎样打，我对判断自然更有把握。慈善也是一样。我不是因为一个承诺把巨大财富交给他们，而是因为我已经看过他们如何处理问题，而且我知道他们真正享受这个过程。

    为什么“2% 管理费加 20% 绩效提成”不可能让整个行业都跑赢市场

    Q：你一直批评所谓“2 和 20”的收费方式，真正反对的是什么？

    A：我不是说世界上不存在能够创造超额收益的投资团队。如果只有一小部分资金由真正优秀的人管理，即使他们收这种费用，也完全可能在扣除费用后继续表现很好。但如果有人说，美国巨大规模的投资资金都可以交给一群经理人，他们普遍收取 2% 的固定管理费，再拿 20% 的业绩提成，而整个群体扣完这些钱以后还能跑赢平均收益，我认为这在数学上就是荒谬的。巨额资本不可能整体、持续地创造超过平均值的净收益。

    真正有趣的是，有些经理原来管理共同基金，只收 0.5% 左右的管理费，而且没有绩效提成。后来转去做另一种投资工具，就会说：“我们这么优秀，为什么不收 2%，再拿 20%？不然我们早上为什么要起床上班？”同一个人的能力没有突然变四倍，收费结构却完全改变了。

    这种行业还存在非常强的幸存者偏差。就像赛马场有一个人同时给十个人推荐十匹不同的马，总有一个人会收到正确答案。假设你连续很多年不断设立新的合伙企业，每一个都收“2 和 20”，其中总会有几家碰上特别好的年份。哪怕让黑猩猩参与，也可能有几年赚到 25%。经理人当然会在好年份拿走很大一部分收益；如果后来亏损了，旧基金可能关闭，然后他说：“真可惜，我们现在开一个新的合作项目。”重新开始以后，高水位线也可能跟着重置。

    可资金还是不断流进来，尤其来自养老基金等大型机构。这种现象让我想起一个在屠宰场工作的姐夫。农民把猪送来，你当然可以告诉他们怎样卖猪，另外一个人也能告诉他们怎样卖。但真正有智慧的，也许正是那个稳定收取屠宰费的人。金融业里有很多类似的经济结构。

    七十三家企业，伯克希尔总部却只有十九个人

    Q：伯克希尔拥有七十三家运营企业，为什么总部当时只有十九个人？

    A：因为我们刻意不建立一个庞大的中央官僚系统。当然，十九个人并不代表没事情做。伯克希尔是一家很大的上市公司，仅联邦税务申报，原转录说上一年就超过一万页，而且这些工作都在总部完成。我们还有各州所得税申报、海外申报以及 SEC 相关事务，所以会计和法务这一类必要职能当然有人负责，季度结束时大家也会特别忙。

    但我们没有总部人力资源专员，没有投资者关系部门，没有公关部门，也没有一整套通常会跟着大公司一起扩张的中央部门。旗下七十三家企业有自己的经理人，我不需要替他们经营企业。我们买企业时，本来就是连同我们信任的管理团队一起买下来。既然相信他们，就让他们去经营。

    我的工作主要是读书、打电话、见人和作长期决策

    Q：四十多年的伯克希尔，到底是怎样由一个很小的总部运转起来的？

    A：我的大部分工作方式几十年没有太大变化。我花大量时间阅读，经常打电话，和很多人见面，然后做少数真正重要、而且具有长期影响的决策。之后，我让优秀的人去经营各自的企业。这就是伯克希尔背后的基本运作方式。

    从某种意义上说，我买的不只是企业，也是在选择我愿意长期合作的企业管理者。很多决策来自热情、热爱、知识、原则以及一套相对稳定的分析框架。我把自己的工作想象成画一幅永远完成不了的画。我需要做的只是继续画，而画布会越来越大。我很享受看着它不断扩展。

    这并不是一份苦差事。如果有股东以为我每天从早到晚汗流浃背、晚上精疲力竭，那不是真的。我们每天甚至还会打桥牌。你当然可以故意把伯克希尔变成一份极其辛苦的工作：我们可以把整栋办公楼塞满负责层层汇报的部门，每天让无数数据送到我桌上，比如昨天每一家糖果店卖了多少盒花生脆糖，然后再设立委员会研究这些数字。

    可一旦开始这样做，就会无限扩张。你设一个委员会，可能很快就出现七十五个人参与，然后还要成立负责协调各委员会的联络小组。委员会开会，联络小组再开会，再把学到的东西汇报给另一批人，于是组织开始为了自己而运转。我们没有这一套，也不设那些委员会。

    罗纳德·里根有一个我很喜欢的玩笑。他说，他听说努力工作从来没有害死过任何人，但他觉得：“何必冒这个险呢？”我当然会工作，可真正重要的是做正确的事情，而不是制造大量看起来很忙的活动。

    阿斯特丽德，以及我这一生最大的感受

    Q：你重新结婚以后，阿斯特丽德给你的生活带来了什么？

    A：她照顾我，这是一件非常美好的事。我们实际上已经共同生活了很长时间。我很难想象还能找到比她更好的人。原始转录在这里有一个明显的姓名识别错误，但谈的仍然是阿斯特丽德。

    如果回头看我的人生，我得到的幸运实在太多了。能够出生在这里，能够做自己真正喜欢的事情，能够和喜欢的人工作，能够拥有这些朋友，能够在这个阶段继续经营伯克希尔，同时又有机会把积累起来的财富交给我信任的人，用在疫苗、教育以及各种真正需要的事情上——我很难再要求更多。

    我一直觉得，我的人生充满幸运。谢谢。也很高兴能够一次又一次坐下来谈这些事情，更高兴能够拥有这样的友谊。

    Post #9
  • [ai 整理讲稿] 2024 年 李录 北大光华讲座
    谈笑风生

    《商业大师》（MASTERS IN BUSINESS）
    嘉宾： 塞斯·卡拉曼（Seth Klarman），Baupost 集团首席执行官兼投资组合经理
    主持人： 巴里·里霍尔茨（Barry Ritholtz）

    [07:14] 巴里·里霍尔茨： 在本周的播客中，我说本周有一位特别重磅嘉宾，这绝非戏言。塞斯·卡拉曼是 Baupost 集团的首席执行官兼投资组合经理，这是一家总部位于波士顿的私募投资公司，成立于 1982 年，最初只有 2700 万美元的客户资金。在过去的四十年里，这一规模已增长至 220 亿美元。塞斯以其耐心、规避风险和逆向投资的方法而闻名，致力于在各种领域寻找深度折价的证券——无论是股票、不良债务还是房地产。他著有 1991 年出版、如今备受追捧且一书难求的《安全边际》（Margin of Safety）一书，并主编了第七版《证券分析》（Security Analysis）。塞斯·卡拉曼，欢迎来到彭博社。

    [09:05] 塞斯·卡拉曼： 很高兴来到这里。谢谢你，巴里。非常感谢。我一直期待着这次访谈。

    [09:12] 巴里·里霍尔茨： 在深入探讨您的投资哲学和 Baupost 的发展历程之前，我得稍微回顾一下您的早年经历——您在康奈尔大学读经济学，在哈佛商学院读 MBA。您最初的职业规划是什么？

    [09:30] 塞斯·卡拉曼： 我一直对投资很感兴趣。甚至在很小的时候，我就对棒球统计数据感兴趣。我注意到报纸上还有其他几列数字，就问邻居那是什么，然后开始对股市有了一点了解和关注。当然，我当时根本不知道自己在做什么，但从很小的时候起我就在关注了。我从来没有真正制定过职业规划，但我就是被股市所吸引。巴里，我喜欢解谜。我喜欢每天做文字游戏，解数学谜题。我现在还订阅戴尔（Dell）出版的一本数学谜题书。而股市——它是一个巨大的谜题。金融市场就是一个巨大的谜题。这一切是如何运作的？公司的业绩是如何反映在股价上的？投资者如何才能跑赢所有人？所有这些都深深吸引了我。

    [10:31] 巴里·里霍尔茨： 所以我很好奇，除了报纸上的股票行情版，您最初是如何发现这些的。您在巴尔的摩长大。您父母在您相对较小的时候就离婚了。母亲是一名英语老师，后来成为精神科社会工作者。父亲是约翰斯·霍普金斯大学的卫生经济学家。难道仅仅是翻阅体育版，然后直接翻到下一页的股票版吗？

    [10:59] 塞斯·卡拉曼： 确实如此——就是纸上的那些数字吸引了我的注意力。我想我的起源故事和很多最终进入投资界的人很像，比如沃伦·巴菲特，比如托德·库姆斯（Todd Combs），还有很多其他人。被小企业吸引，想赚钱。我曾为《巴尔的摩太阳报》送过报纸。有一个夏天，我在自家车道上摆了个刨冰摊。我修剪草坪、耙树叶、铲雪。我为邻居的孩子们举办小型嘉年华。我在周二和周四的宗教学校卖糖果，因为孩子们放学后都饿坏了。我会在周末把糖果批发买好，带到学校去卖，赚取套利利润。所以，这只是一种被小企业和赚钱所吸引的模式，久而久之，这引发了我对股市的兴趣。我买的第一只股票是在我 10 岁左右时，用成人礼（bar mitzvah）的钱买的。

    [12:03] 巴里·里霍尔茨： 嗯，那会儿应该还不到成人礼的年纪吧。

    [12:05] 塞斯·卡拉曼： 当时确实还不是成人礼的钱，那是别人送的礼物，但后来成人礼的钱也继续用来投资了。所以真的是在 10 岁左右，买了一股强生公司（Johnson & Johnson）的股票。

    [12:14] 巴里·里霍尔茨： 现在还留着吗？

    [12:15] 塞斯·卡拉曼： 没留着。虽然它经历过一拆三，但最终我大概是把它卖掉，换成了我更喜欢的其他标的。

    [12:23] 巴里·里霍尔茨： 那么让我们把时间稍微快进到 Baupost 的创立故事，那其实也没隔多久。您当时才 25 岁。坊间传闻说您是 Baupost 的联合创始人，但实际上您是受聘来为四个创始家族管理资金的——当时您才 25 岁。这挺让人震惊的：“哦，我们有这么多财富，让这个毛头小子来管理我们的投资组合吧。”

    [12:51] 塞斯·卡拉曼： 对，如果我在他们的位置上，我也会这么想：这小子怎么懂怎么管钱？我通常不建议人们在 25 岁就创办投资公司，当然，我实际上并没有创办这家公司。这家公司当时正在筹备中。公司的四个客户，也就是创始人，他们的想法是建立一个机构，这个机构可能会自己去进行投资，也可能把钱交给已经在投资行业里的人来管理。他们想建立一种机构化的结构，一个框架，来确保资金得到妥善管理。考虑到当时的背景——也就是 80 年代初，那是一个充满动荡的时期——您从历史中也能了解到，市场波动剧烈，股市长期表现不佳，经济极度不确定，一度出现滞胀且不断恶化，美国国债收益率越来越高。所以那真的是一个令人焦虑的时刻。他们希望确保自己的资金不仅能保值，还能得到妥善打理——剪下息票、收取股息等等。当时这些创始人都在出售自己的企业。所以机缘巧合的是，我当时还在商学院读书。Baupost 名字里的“P”和“O”代表的比尔·普尔武（Bill Poorvu）是我的房地产教授。他和一些朋友当时正在出售 5 频道——他是那里的大股东，那是当时最大的一笔电视台出售案，买家是大都会媒体公司（Metromedia）。那是波士顿的美国广播公司（ABC）附属台。还有第三个朋友有一家电脑出版和咨询公司。所有这些资产都在被出售。所以他们手里攒了 2700 万美元。而我得到的基本工作邀约并不是“来运营一只基金”，而是“加入我们，让我们一起看看还能用这些钱做些什么”。

    [14:46] 巴里·里霍尔茨： 所以最终您成为了那里的执行合伙人。

    [14:50] 塞斯·卡拉曼： 我不知道用 CEO（首席执行官）这个称呼是否准确，前七八年我并不是 CEO，后来我才成为 CEO 并实际上控制了公司——这算是一种君子协定，我们同意如果我努力工作并为客户创造好业绩，他们会用公司的股权来认可我的贡献。所以在公司成立的第一天我没有半点股份，但最终获得了超过一半的股份。

    [15:16] 巴里·里霍尔茨： 您最终拿到了超过一半的股份。这太不可思议了，在 40 多年后。

    [15:20] 塞斯·卡拉曼： 现在少多了，因为我非常认同要和我的团队分享蛋糕。

    [15:25] 巴里·里霍尔茨： 这非常合理。让我们稍微谈谈时机问题。您提到当时有很多动荡和滞胀。在此之前的 16 年里——我想说经通胀调整后的回报率大概下跌了 75%，从 1966 年到 1982 年，大概就是这个水平。而 1982 年是一场历史性大牛市的开端。这如何影响了您对风险的思考，以及您对机会的看法？在 1982 年，市场看起来和感觉起来是什么样的？我想象当时大多数人仍然非常看空。

    [16:03] 塞斯·卡拉曼： 我想马尔科姆·格拉德威尔（Malcolm Gladwell）会说，1982 年创办投资公司是个有趣的时机——从成功的角度来看，那绝对是顺风顺水。但是，您也知道，市场的运作方式是，你根本不知道自己正处于一场漫长牛市的开端。你当时的感受是，市场在很长一段时间内表现不佳，人们对它充满怀疑。这可能是一个很有价值的洞察：在任何时刻，你总能指出一些不合理、似乎被高估或看似危险的事情，但我们还是度过了大部分难关。所以在当时，这感觉并不像是白捡的便宜，也不像是稳赢的牌。但最终发生的是，我们试图在脱离大盘的情况下赚钱。我们当时没有买指数——反正那时候指数基金也不流行。我们买入的是特异性的投资情境，寻找自下而上的定价错误，这为我们积累了业绩记录。所以，虽然与那段时间的市场相比，我们的表现看起来只是“还过得去”，但我认为无论市场是上涨、下跌还是横盘，我们都会表现得不错。

    [17:13] 巴里·里霍尔茨： 真的很有意思。考虑到您刚刚经历了一场史诗级的熊市，以及无数的逆流——滞胀、沃尔克时期的超高利率，而且 1982 年距离越战结束、水门事件以及那种普遍的时代倦怠感并不遥远——那样的环境对您作为一名职业投资者有什么影响？它如何改变了您看待世界的方式？您从中吸取了什么教训？

    [17:45] 塞斯·卡拉曼： 我想说，我认为每个投资者都必须成为历史的学生。历史可能不会完全重演，但绝对会押韵。对于投资者来说，理解历史，尤其是金融史，是非常有价值的。最糟糕的时刻是什么样的？我们是如何经历 1929 年到 1933 年的股市崩盘以及持续近十年的大萧条的？当时的人们会是什么感受？如果您即将进入那样一个时期，您该如何自处？要知道，即使是那个时代最受推崇的伟大价值投资者本杰明·格雷厄姆，在那个时期也曾破产过两次。因此，所有投资者都有责任去思考，也许要在脑海中同时保持多种不一致的想法：我今天发现了一个有趣的机会，这只股票因为某种原因价格低廉——它失宠了，他们削减了股息，它是分拆出来的公司，或者它是破产后转换为新股权的证券。这些东西往往会被错误定价。但你必须考虑到宏观背景。今天我们面临的背景是市场昂贵且带有一些狂热情绪。这危险吗？危险。但我们也可能正处于一项突破性新技术的边缘。所以在这 40 年里，总是两者兼而有之——你有一个有时非常萧条、有时非常乐观的宏观背景，但你也有在各个方向波动、可能在创造自下而上机会的个股。我深信，价值投资者是靠坚持自下而上赚钱的。你可能会有一个自上而下的观点，你可能会说，是的，这可能是个泡沫，可能是个问题，但自下而上才是你投入时间的地方。它能让你保持锚定。如果你拥有一个由廉价资产组成的投资组合，如果你对它们进行了压力测试，如果你在智力上对它们保持诚实，且它们真的是廉价资产，那你大概率会做得不错。

    [19:47] 巴里·里霍尔茨： 您提到了本·格雷厄姆。我很好奇，还有谁对您投资哲学的发展产生了重要影响？我读到过关于迈克尔·普莱斯和马克斯·海涅的事情。这些年来谁对您的影响最大？谁现在依然在影响着您？

    [20:08] 塞斯·卡拉曼： 阅读本·格雷厄姆的著作对我绝对是一个重大影响，正如他对价值投资界几乎所有人一样。然后是沃伦·巴菲特，他是格雷厄姆理论在现实中的践行者。知道有像巴菲特这样的人，他的思考方式似乎与我相似——考虑下行风险，认为需要专注于单个公司而不必过度担忧整体市场，愿意持有现金，并且同时愿意对并非所有事情都发表意见——这总是令人感到鼓舞。我有很多想法，但最终往往是不持有任何观点，也不建立任何仓位。但偶尔我们会发现一些真正有趣、完全偏离常规路径的东西。看着沃伦·巴菲特这么做——我现在意识到，沃伦可能有一种确定性，即他会在很长一段时间内实现资本的复利增长。我认为这是格雷厄姆传授给沃伦，而沃伦又传授给我的东西：如果你能保护下行风险，如果你发现自己不会因为过度暴露而面临追加保证金通知、被冻结在原地，或者因为跌幅过大而遭遇大规模赎回——如果你能这样定位自己，它就能让你即使在最优秀的竞争对手可能都不在场上时，依然有能力发起进攻。这是一个巨大的优势。所以格雷厄姆和多德（Graham and Dodd）就像是一颗北极星，让你能够专注于事物的内在价值。你可以无视羊群效应。你可以无视“不惜代价追求增长”的塞壬歌声，无视激动人心的新技术和令人兴奋的 IPO。你可以无视这一切，因为你有一种信心：我拥有的东西在一年或两年后都会比今天更有价值。这就是让你能够坚持价值投资策略的基石。

    [22:11] 巴里·里霍尔茨： 您提到了下行风险，您之前也提到过，您在 1982 年起步。不到十年后，您在 1991 年出版了《安全边际》。是什么促使您在 34 岁这个年富力强的年纪，写了一本关于风险管理的书？动机是什么？最初的反响如何——因为它现在变得如此受追捧。最初的反响是怎样的？

    [22:44] 塞斯·卡拉曼： 事后看来，这显得相当自不量力。当时是我商学院的一位同学邀请我写的，她当时在哈珀柯林斯（或者可能是合并前的哈珀与罗）工作。她看过我的一些客户信，说：“你似乎是个不错的作家，也是个聪明人，也许你能给读者带来一些启发。”我当时真正想的是，我只是在用现代的例子和当代的市场，把《聪明的投资者》更新一下，毕竟那本书写成已经有几十年了。我想也许我能让它对普通人来说更通俗易懂一些。我不知道是否做到了，但那是我的初衷。我没指望靠写书赚钱——作为作者您也知道，我们写书折算下来每小时大概也就赚一块五毛钱。但这感觉很棒，虽然工作量巨大，但最终是值得的。而且通过写下你所做的事情，你会变得更聪明。你可能整天都在做投资，但未必能完全形成一套哲学，但如果你想把它分享给别人，它就会迫使你对自己的所作所为进行更清晰的思考。

    [23:59] 巴里·里霍尔茨： 前美国国会图书馆馆长丹尼尔·布尔斯廷曾说过：“我写作是为了弄清楚自己在想什么。”这话非常有道理。最初的反响如何？人们有回应吗，还是说它就那么无声无息地出版了，只有一小撮价值投资极客买了，其他人根本没注意？

    [24:16] 塞斯·卡拉曼： 介于两者之间吧。首先发生的是，我的编辑被解雇了三次，所以我不断更换新编辑。他们曾承诺会用广告来推广这本书，但他们没有。所以这本书出版后反响平平。它可能只进行了非常小规模的第二次印刷——我想他们大概印了 7000 册。到他们把它下架的时候，我自己从哈珀柯林斯买回了一堆，不知怎么的，版权又回到了我手里。不过，它确实做到了这一点：它被竞争对手大量购买，用来培训他们的团队。这也是——我写书是为了这个吗？我不介意，但如果回顾这本书的初衷，它的前半部分是关于华尔街以及他们如何对待普通投资者的，也许还探讨了投资者是否得到了公平对待的挑战。后半部分可能是一种投资方法，一种以价值为导向的方法，以及投资者（即使不是专业投资者）可以如何思考并运用这种方法。所以它以一种奇怪的方式获得了成功。因为它没有被重新出版，反而发展出了一批狂热的追随者，这让我觉得挺有趣、挺好玩的。当然，我们自己重新印制了一些，提供给了我们的客户、暑期实习生以及任何与公司有关联的人。

    [25:47] 巴里·里霍尔茨： 那么在 2023 年，本杰明·格雷厄姆的投资框架著作《证券分析》的第七版由您主编，并且在很多方面进行了实质性的重新调整。这个版本与格雷厄姆的版本有多大不同？显然，市场变了，经济也变了——与他写作时相比已经大不相同。您是如何处理这项工作的？

    [26:13] 塞斯·卡拉曼： 在之前的第六版中，我与吉姆·格兰特和布鲁斯·格林沃尔德共同担任主编，而第七版他们让我单独主编。作为主编，我们没有遵循你可能认为的常规流程，因为我们有点把《证券分析》视为“圣经”，我们认为应该让它保持原样。我们应该做的是，让现代专业的投资者为书中的不同章节和部分撰写评论。这就是我们所做的。第六版和第七版都收录了一些非常优秀的投资者选文，其中一些很有名，但也有一些完全不出名。我的前同事大卫·艾布拉姆斯就是其中之一。大卫在第六版中的贡献是我读过的最精彩的内容之一。所以我觉得我们是在把格雷厄姆和多德推向一个不同的时代。格雷厄姆和多德的美妙之处在于，它大约写于一百年前，而且是在大萧条时期写的。在大萧条时期有意义的东西，在此后的每一天未必都有意义，因为自那以后我们大部分时间都没有处于大萧条中（如果有的话）。所以这是一次更新——提取其中有价值的、人们将其奉为“圣经”的原因，同时使其更易于理解，更贴近现代。我们扩展了它，涵盖了一些以前没有涵盖的主题。它当然包含了更多关于国际投资的内容，而这并不是格雷厄姆当初关注的重点。它讨论了一些私募投资、金融市场的一些变化、最新的狂热和潮流等等，还包括市场结构的变化、新出现的资产类别。所有这些都是对文献的宝贵更新，有助于让一本理应保持相关性的著作继续发挥价值——同时进行了更新，因为如果保留 1934 年格雷厄姆和多德的原始形式，它对现代人来说就不会太有用了。

    [28:20] 巴里·里霍尔茨： 真的非常有意思。稍作休息后，我们将继续与 Baupost 集团首席执行官兼投资组合经理塞斯·卡拉曼的对话，探讨该公司的演变和投资哲学。我是巴里·里霍尔茨，您正在收听彭博广播的《商业大师》节目。

    [中场休息]

    [29:10] 巴里·里霍尔茨： 本周我的特别重磅嘉宾是塞斯·卡拉曼。他是 Baupost 集团的首席执行官兼投资组合经理，这是一家位于波士顿的传奇价值和困境投资公司，管理着超过 220 亿美元的资产。所以让我们谈谈您如何看待机会和风险。在 2008 至 2009 年的金融危机期间，您筹集了大约 40 亿美元，我读到的研究资料显示，您当时每天将 1 亿美元部署到不良资产中。这似乎是一大笔钱。首先，这些数字大体准确吗？差不多在这个数量级吗？

    [29:57] 塞斯·卡拉曼： 差不多。我想首先告诉您的是，在我们的大部分历史中，我们对新客户都是关闭的，但我们保留了一份名单以备不时之需。所以当市场在贝尔斯登倒闭后开始崩溃，然后在雷曼倒闭后，发生了各种各样的事情，人们承受着巨大的压力，因为我们进入了一场可能具有史诗级规模的经济衰退的不确定性之中。事实证明，这确实是大萧条以来最严重的衰退，对于过去一百年的任何人来说，这都是所有熊市之母。所以面临的挑战是，也许是时候募集一些资本了，而且我们能够将其有效部署的概率每天都在增加。所以您说的基本准确。

    [30:49] 巴里·里霍尔茨： 如果我没记错的话，贝尔斯登是在 2008 年春天，雷曼是在 2008 年 9 月。从那时到 2009 年 3 月一切真正触底，并没有多少时间。关于这个问题我有三个疑问。首先，您能多快地筹集到资金、签署文件，并准备好在机会出现时进行部署？感觉时间并不多。

    [31:20] 塞斯·卡拉曼： 团队付出了英勇的努力，我们在一个季度内就筹集到了非常可观的资本。

    [31:29] 巴里·里霍尔茨： 哇，那真的很快。您提到了团队。我听过一些非常有趣的传闻和故事。您是如何组建这个团队的？他们的行动指令是什么？在那个绝对动荡和混乱的时期，每个人是如何运作的？

    [31:47] 塞斯·卡拉曼： 我们当时已经是一家成熟的公司了。到那时我们已经运营了二十多年。所以我已经有一个团队了，他们知识渊博——团队里有非常丰富的困境资产专业知识。虽然不是团队里的每个人都有这种经验，但比例非常高。Baupost 内部的人就像多才多艺的运动员。我们灵活、敏捷，并且交叉培训——有点像现在小联盟棒球队的做法。他们不希望仅仅让你当三垒手，他们还希望你能打外野，如果需要的话还能打二垒。我们也是这样：我们有坐在四个不同小组里的人，正如您提到的，但他们所有人都可以处理困境情境。特别是私募投资部门的人，当我们在公开市场超级繁忙时，他们最喜欢被叫来处理困境信贷。

    [32:42] 巴里·里霍尔茨： 所以在如此多的人似乎都被恐惧麻痹和冻结的时刻，你们部署了大量资金，而且非常积极。这仅仅是基于价值分析的框架，还是比这更广泛、更深刻？

    [33:01] 塞斯·卡拉曼： 是的，巴里，我想您传达出来的感觉可能是，我们提着装满钱的巨大麻袋，大把大把地撒钱。完全不是那样的。那和我们每天所处的环境一样，是一个需要动脑、讲究方法、一丝不苟的环境。我们看到东西以更低的价格交易，我们注意到了这一点，然后我们去研究基本面。我们在 Baupost 做的一切都是自下而上的。没有什么是自上而下的。我们并不是说，现在可能是一个采取逆向投资的好时机——完全不是。我们是说，哦，我能以 70 美分的价格买入这只我认为面值有保障的债券。人们可能担心它会出现一点小波折或暂时的问题，但人们并没有真正怀疑它背后是否有实质支撑。随着经济变得更糟，人们可能开始产生越来越多的怀疑，价格也就越来越低。所以我们真的能够买入抵押贷款证券、住宅抵押贷款证券；我们能够买入公司债务，尤其是汽车金融公司，即通用汽车、克莱斯勒和福特的金融部门。当雷曼破产时，其资本结构内部的一些部分变得非常有趣。所以我们看到了各种各样的机会，我们简直就像进了糖果店的孩子。可悲的是——对，那是一段艰难的时期，人们在受苦——但与此同时，作为一名投资者，你是一名受托人，你必须让资金运转起来以造福你的客户。所以在每一种情况下，我们都在进行压力测试：嘿，如果世界变得更糟，如果这真的变成了 1933 年，这项投资还能安然无恙吗？这是我们做决定的唯一依据——如果下行风险得到了保护，如果我们能看到很多通向胜利的路径，那么我们就会非常感兴趣。所以我们在困境资产中找到了很多事可做。我们也持有股票，我们也发现了私募投资机会，在那个时代有各种各样值得做的事情。对所有人来说，投资面临的挑战是，你要确保那样的环境偶尔会发生，你需要确保自己不会在其中爆仓，如果可能的话，你要确保当最好的机会出现、而你的竞争对手都被迫靠边站时，你有能力买入。这就是投资者脑海中至少需要有的时刻：你将如何应对那种环境？因为如果你风险暴露过度，如果你面临追加保证金通知，如果你因为接纳了错误的短期客户而遭遇大规模赎回，那么在那一天你就会失去资格。所以为了在那一天存活下来并能够做我们该做的事——我们只是做了我们每天都在做的事情，只不过规模稍微大了一点。

    [35:45] 巴里·里霍尔茨： 所以我有点着迷于这种动态张力：一方面是逐个信贷或逐个股票的基本面自下而上的研究，另一方面是自上而下的宏观视角。您说过您真的不会从自上而下的角度来思考市场或投资，但似乎所有恐慌的人、所有帮助制造那些不良资产的人，要么是在对自上而下的环境做出反应，要么是反应过度。您如何看待这种环境？

    [36:21] 塞斯·卡拉曼： 这有几个层面。首先，人们对各种各样的事情做出反应。他们对共同基金股东的赎回请求做出反应。他们对信用评级下调做出反应，所以不仅仅是对事情会变坏的紧张情绪——而是这只债券不再是投资级了，也许我的授权规定我只能持有投资级债券；或者这只债券违约了，我不能再持有它了。所以你到处都能看到强制抛售。而强制抛售——你永远不想成为被迫的卖家，如果任何资产类别出现了被迫的卖家，你特别希望能够从他们手中买入。我不是登山者或徒步爱好者，但如果你要去爬山，你会想自下而上地看：这条路线对吗，安全吗，我有装备吗，我准备好了吗？然后你也想有一个自上而下的视角——天气怎么样？如果上面突然下雪，如果风速达到每小时 60 英里，我该怎么应对？所以你的脑海里需要有一份天气预报。我总是会思考，这个环境安全吗？在今天的市场中，感觉估值偏高，但同时也感觉我们正处于一项前所未有的技术边缘，一个可能带来巨大繁荣，但也对社会构成风险并带来巨大变革的时代。所以自下而上仍然感觉是正确的投资方式，但你仍然需要关注金融市场的“天气”。这意味着，GDP 走向如何，国债规模如何，通胀会把我们带向何方？我总是关注这些东西，但我们并不是基于这些来投资我们的投资组合——就像我们不会基于“这个国家将是一个投资的好地方”这种宏观观点来投资一样。相反，我们自下而上地发现了一只证券，然后说，哇，这似乎被严重错误定价了。我想知道是否还有更多的错误定价。也许我们应该更仔细地研究一下那个市场。

    [38:36] 巴里·里霍尔茨： 那么我们来谈谈现金。我认为很多投资者将现金视为拖累业绩的因素——相对于通胀，净回报率通常为零或接近于零。您如何看待现金？它在您的工具箱中一直扮演着如此重要的历史角色。与始终保持满仓的职业压力相比，它创造了怎样的选择权（optionality）？

    [39:06] 塞斯·卡拉曼： 您的问题一针见血。您涵盖了持有现金的所有方面。现金可以是有价值的选择权。想象一下，您拥有一个相对集中的投资组合，一两个大仓位平仓了。您应该在纳秒之间把它投入市场吗？还是您可以等待，直到真正有趣的东西出现？这就是我们持有现金的起源——仓位平仓后，我们会持有部分现金，直到好机会出现。但不仅仅是百分之几。由于仓位集中，我们在投资组合中有 5% 和 10% 的仓位。当其中两三个平仓时，现金就会从几乎为零上升到 15% 或 20%。这就是起源，这就是我们开始产生“时不时持有部分现金”这个想法的过程。话虽如此，我承认，持有那么多现金几乎肯定是我犯的一个错误。有些时候我们的现金比例达到了 30% 甚至更高，我将其视为有价值的选择权。问题是，在很长一段时间内，这种选择权并没有带来很好的回报——特别是在美国抑制利率、美联储大量印钞、运行巨额赤字、近二十年来我们几乎没有经历过严重经济衰退的时期。所以那么大量的现金变得令人痛苦。关于持有现金的理由，当客户说“我付钱给你不是为了让你持有现金”时，我的回答是：“我拿薪水不是为了持有现金，我拿薪水是为了运用我的判断力来决定何时部署资金以及部署到什么资产上。”所以我觉得这是对的，但我感觉在一个不再像我成长时期那样充满波动的环境中，我没有为客户实现最优化。所以我们多少改变了策略。我们让我们的流动性账本更具流动性，特别是我们的公开股票账本，过去我们持有市值在 5 亿美元或 10 亿美元的公司。现在我们平均持有市值大得多的公司。公开股票账本中的这种流动性让我们感觉更好，因为我们可以用很大一部分资金迅速调头。所以我们不需要那么多现金来利用突然出现的机遇。

    [41:21] 巴里·里霍尔茨： 许多大型股票基金在持有现金时，会使用 SPDR ETF，比如买入 SPY，这样他们就不会落后于基准，而且如果需要部署资金，SPY 具有深度和流动性。在一个动量市场中，这是一个糟糕的策略，还是您只是为了避免现金风险而增加了风险？

    [41:46] 塞斯·卡拉曼： 我们将我们的基准视为绝对收益，而不是相对收益。所以我们对于跟上市场并不十分感兴趣。市场会按照它的规律运行——特别是近年来这个市场高度集中在少数几个名字上，这些撑起市场的大公司往往（并不总是，但经常）很昂贵，被高估了。我们只是认为那不是正确的思考方式。我们想要赚取绝对收益。我们想要跑赢通胀数百个基点。如果我们做到了这一点，我们就不会担心那是领先于市场还是落后于市场。我认为在时间的长河中，一个好的绝对收益策略最终也会跑赢市场。

    [42:28] 巴里·里霍尔茨： 那么我们来谈谈您关注的一些机会集。您提到了股票，我们讨论了不良债务。您也进行房地产投资和其他私募投资。您如何看待这些不同篮子之间的资本配置？您是使用百分比术语，还是纯粹基于机会主义？

    [42:50] 塞斯·卡拉曼： 我们是通过经验接触到这些领域的。我们并不是某天醒来就说，让我们涉足四个不同的领域吧。相反，我们注意到，有趣的私募投资主动送上门来，进入了我们的投资组合。我们接到电话：嘿，你们愿意向这家企业注资吗？你们愿意从一家需要变现的破产公司那里买下他们的一组风险投资组合吗？你们愿意买下主要由一家中东大公司持有（占 78%）、正在出售的 22% 的公司股权吗？嗯，如果是三倍 EBITDA（税息折旧及摊销前利润），也许你会。所以，真的是通过一次看到一个例子，自下而上地，我们开始意识到除了公开股票市场之外，还有更多可以关注的事情。我们的专长之一是困境信贷，我们变得非常擅长此道。我们有聪明的人，我们非常有耐心。有时候无事可做，没有什么是困境的；而有时候机会如雪崩般涌来。在我们所有的领域，我们都建立了由多面手组成的团队，所以我们的团队基本上是一个通才团队，同一个人可以处理私募投资、信贷投资和股票投资。房地产稍微专业化一些，但即使在房地产内部，很多人会分土地专员和酒店专员——我们不这么做。每个人都处理所有事情。所以我们有团队就位，能够自下而上地做出反应。自下而上的机会发掘方法让我们能够比自上而下更好地配置资本。很多人会看着历史回报率说，私募股权的预期回报率将达到中等十几或高十几，风险投资的预期回报率会更好。我们不这么做。我们真的不知道某个资产类别会表现如何，因为我们认为这非常依赖于特定时间和估值。相反，我们看的是此时此刻有什么可用的。通过自下而上地观察一个又一个机会，我认为我们可以描绘出一幅非常清晰的图景。比如就在此刻，自新冠疫情以来，房地产的日子一直不好过，尤其是商业办公楼。人们开始居家办公，而且还没有完全恢复，在某些市场尤其是空间过剩。很多从事房地产的人做得并不好——很多人在错误的年份入场，很多物业在结构上已经过时了。这听起来一团糟——为什么要碰它？但这也意味着几乎没有什么竞争。所以我们认为现在存在机会，例如在辅助生活设施（assisted living）领域。人口正在老龄化。你可以为基本面提出非常有力的论据。租金多年来没有上涨，未来可能有被压抑的租金增长空间。新冠疫情显然是个大问题，因为任何设施都倾向于清空，人们为了在疫情期间拯救亲人的生命而将他们接出来，这是可以理解的。那个时代（2021、2022 年）新建的许多设施从未住满，其中许多陷入了破产或财务困境。所以这是一个在基本面强劲的领域建立仓位的机会。过去已经过去了，但展望未来，它们的租金和入住率似乎将有真正的增长空间。我们在这里和那里看到机会，可以增加辅助生活设施的投资组合。同样，我们喜欢办公楼房地产市场的某些部分，特别是主要城市以外的一些市场，尽管只是少数精选市场。我们在房地产的其他细分市场中看到了更多机会。正如您所知道的，房地产是一个巨大的市场——它的市值可能与公开股票市场一样大——但在参与者是谁以及他们能调动多少资本方面，它的资本结构非常不同，机会集也不同。所以房地产很有趣。我们喜欢研究它，我们有一个敏捷的团队，当机会出现时可以迅速部署资本。在私募投资方面，它是机会主义的，最近随着资本从私募投资中撤出，也有一些事情可做。例如，在能源和中游领域，这导致了一些下沉到我们这里的机会，我们对此感到非常兴奋——回报率非常高且对冲良好，因此下行风险得到了保护。所以我们只是机会主义投资者。不过，我想说，使用您提到的自上而下的视角，我们当然感到紧张。我们正处于某种经济繁荣之中，可能是通胀性繁荣。谁知道霍尔木兹海峡会发生什么，以及由此产生的结果。而且对 AI 和 AI 相关投资的需求是如此无所不包。市场几乎在说，我们要 AI 的赢家，我们要抛弃任何看起来像 AI 输家的东西，也许我们会把婴儿和洗澡水一起倒掉，而且我们不在乎。所以我们认为，甚至在一些大盘、高质量的股票中也存在机会，因为人们现在想从投机 AI 中获取高回报，从而将这些股票抛弃了。

    [48:27] 巴里·里霍尔茨： 稍后我们将更详细地讨论当前的环境。关于逆向投资方法和价值投资者的机会，我只需再问一个问题。风险总是价值陷阱——有时市场的负面判断实际上是正确的。您如何防止廉价的东西把您骗进一个正走向更廉价深渊的陷阱？

    [48:58] 塞斯·卡拉曼： 您问到了我们随着时间的推移得到过一些痛苦教训的东西，那就是：廉价本身并不是一种策略。我们倾向于不把我们的投资看作“它们是否相对于我们认为的可能价值存在折价”，而是问“从这里开始，我们预期的未来回报率是多少”。而且我们通常要求我们的投资具有催化剂（catalysts）。当我们在投资讨论中阐述逻辑时，不仅非常清楚它被低估了多少，而且非常清楚为什么这会奏效？什么将推动它？如果我们无法论证为什么它会在未来一两年内扭转局面，那么它处于五年低点可能很好，但这并不意味着它不会跌到七年低点或十年低点。我们的时间视野没有那么长。我们不能仅仅持有五年或十年都不表现的资产。今天很少有人能做到这一点，这也不是在给我们施加压力。所有组织都需要要求团队承担责任。所以我们总是问自己一个不同的问题：什么将推动这项投资的成功，而不是仅仅让“廉价”成为足够的理由。那是不够的。

    [50:18] 巴里·里霍尔茨： 非常有意思。稍作休息后，我们将继续与 Baupost 集团首席执行官兼投资组合经理塞斯·卡拉曼的对话，探讨当今环境下的投资状况。我是巴里·里霍尔茨，您正在收听彭博广播的《商业大师》节目。

    [中场休息]

    [51:12] 巴里·里霍尔茨： 我今天的特别重磅嘉宾是塞斯·卡拉曼。他是传奇价值投资公司 Baupost 集团的首席执行官兼投资组合经理。该公司管理着约 220 亿美元的客户资产。我们已经简要触及了影响当今环境的一些因素——油价和通胀。我们有中东战争。我们仍在应对新一轮关税。似乎每周都有不同的宏观麻烦。您如何看待当前的环境？它是必须应对但需要被隔离的东西？还是您只是将其视为基本面价值的另一个输入变量？

    [52:10] 塞斯·卡拉曼： 我认为 AI 是一场巨变。我不是技术人员，也不是处于技术前沿的个人用户，但我花了大量时间——AI 的出现迫使我和可能所有人一样，在一天中增加更多时间来保持与时俱进。我从未见过具有如此重要性和潜在颠覆性规模的技术。所以我阅读我能拿到手的所有资料。我也听很多播客，阅读大量书籍和杂志文章。我全神贯注，因为即使我认为 Baupost 作为一家价值公司，不会找到太多做多 AI 敞口的方法，我们也不想落后于时代。我们不想不知道自己不知道什么。所以团队在思考 AI、思考如何将其融入我们的流程方面做得非常出色，但尤其是思考 AI 对我们投资组合公司的影响。我们找到了一些方法，在诸如数据中心等领域获得了一些多头敞口，我们在数据中心拥有一些私募投资，我们认为其价格相对于数据中心的普遍交易价格有相当大的折价。我们不确定正确的折价率是多少，或者正确的长期资本化率是多少，但我们认为以大幅折价拥有它是一件好事。所以我们有一些敞口，但主要是我们试图拥有一个避免了 AI 输家的投资组合，也许偶尔会发现一些市场认为是 AI 输家但我们认为不是的东西，并在其他方面拥有与 AI 有辅助关联的资产，让我们能够转化为 AI 赢家，但不必为此支付高昂的溢价。所以这是我们工作的一部分。与此同时，显然您提到了关税以及总统和这届政府的反复无常。总有事情出人意料地发生。其中一些是政策，一些是干扰——我认为是蓄意的干扰。这很难应对。我和大多数投资者一样说过，我需要对此做个心理笔记，我需要思考下次选举时我想投票给谁，但我也需要不被这些干扰，而且其中大部分最终在逐个投资的基础上并不重要。所以这是一个充满巨大变化、高度波动的时期。而且您看到股票的波动性令人难以置信。当他们喜欢一只股票时，他们买不够，它就涨上天；当他们抛弃一只股票时，它就被暴打。所以个股的离散度非常高，而整体市场的波动性实际上相当低。

    [55:06] 巴里·里霍尔茨： 真的很有意思。让我们谈谈另一个干扰因素及其可能意味着什么。我们录制这期节目的时间是在 SpaceX IPO 的前几天。播出时将是 SpaceX IPO 之后的几天。这不仅是一个万亿美元的庞大估值，而且这笔交易有很多瑕疵，流通盘极小，而纳斯达克却破例将其纳入指数。您如何看待此类事件对整体市场氛围的影响？我知道那句老话“顶部不敲钟”，但在某个时刻，您如何感知这样的事情？这让您感到不安吗？

    [55:56] 塞斯·卡拉曼： 我的合规团队非常明确地告诉我，我不能谈论个别证券，而且我们没有以任何形式持有 SpaceX，无论是公开还是私下。我想对您说的是，我同意您的感觉，这可能是那种会在顶部敲响的钟声。从总体上看，这是一家不赚钱的公司。它的估值极其庞大。我们今天早上都在报纸上读到，高盛估计他们业务的某些部分需要实现怎样的增长——比如 100 倍——才能在很长一段时间内证明当前价格的合理性。而那些预测往往不会实现。这并非不可能，但很难。我认为投资者可能忽略了在大型 IPO 之间有多少资金正在被系统抽走——这不会是最后一个，OpenAI 和 Anthropic 即将到来，还有大量其他 IPO 卡在机构投资者的投资组合中，他们随时都想脱手。今天的流通盘可能很小，但您有大量的股东、私募投资者。我们今天早上又读到，一些捐赠基金整个基金的 10% 或 15% 都集中在 SpaceX 这一个名字上。所以他们会想卖出。员工们会想要变现，从纸面富贵变成银行存款里的真金白银。所以有大量的股票待售。而且我们必须卖出这些股票，同时显然谷歌和 Facebook 需要更多资金，OpenAI 和 Anthropic 需要更多资金，公用事业公司需要资金来供电，芯片公司需要在美国建造新工厂。对资金的需求太大了。我认为我们处于一个脆弱的境地，最终资金的供需决定了资本成本。这在债券市场是如此，在股票市场也实际上也是如此。所以我们可能正在看着某种供需过剩，价格仅仅是因为证券供应太多以及这些私募公司变现需求太大而走软。

    [58:18] 巴里·里霍尔茨： 那么让我们通过历史来谈谈另一种供需失衡，因为 Baupost 已经存在了四十多年。您经历并挺过了各种不同的市场体制——通胀、通缩、互联网泡沫、金融危机、QE（量化宽松）和 ZIRP（零利率政策）、新冠疫情，以及最近回归的，我们就称之为正常化的利率。自 1982 年以来有什么改变吗？还是只是从一个危机尖叫到另一个危机？或者事情最终会有所缓和，我们从这些经验中学习？什么是相同的，什么是不同的？

    [59:11] 塞斯·卡拉曼： 我认为所有投资者都应该成为历史的学生，正如我们讨论过的。在历史的长河中，存在周期。你会经历一个处于战争中的周期，然后是另一个人们厌倦了战争、迎来一段和平的周期。在某个时刻，和平持续了足够长的时间，人们忘记了战争有多糟糕，然后你又陷入了另一场战争。无论是政府支出、通胀和通缩，还是类似的事情，你都会看到相似的周期。甚至是债务的本质——当没有人要求你偿还债务，或者利率很低时，债务感觉很棒。在某个时刻，这变得有害并成为一个巨大的问题。所以只要我们人类还在掌控市场，我们就可能会一直看到这些周期。你该如何驾驭它？你驾驭它的方法是意识到，当你身处其中时，你可能无法清晰地看到这个周期，但你知道存在周期，你知道今天似乎永远正确的事情可能不会永远正确，并且你坚持这一点。所以，这又回到了在脑海中同时持有不一致想法的理念：这既是真实的，又可能在某个时刻变得不那么真实或不真实，而且你不知道具体会怎样。那么你如何持有投资组合？你进行分散投资。当资产大幅上涨、变得更昂贵且未来回报率很低时，你获利了结，进行交易换仓。当资产失宠到回报率看起来很高时，也许是在别人抛售期间介入买入的好时机。所以我认为就是这样。保持专注于自下而上。broadly 记住大环境的“天气”——所以当你去露营时，你确实要为暴风雨天气做好适当的准备，不仅在山上，在金融市场也是如此。尽我们所能通过深入的基本面分析、难以置信地了解我们的标的、在价格上涨时不害怕卖出它们，就像我们在价格下跌时买入更多一样，通过寻找在公开或私募市场中性质可能更优先的证券，并在一定程度上对投资组合进行宏观对冲来关注下行风险，因为我们知道那些雨天总会到来。所以我们在波动率很低、人们认为不会发生坏事的时候买入宏观保护，这样我们就可以在获利时卖出它——既因为价格变动了，也因为在市场风暴时刻波动率上升了。

    [61:38] 巴里·里霍尔茨： 现在我们有了新任美联储主席，这是一个很好的切入点。普遍存在很多怀疑态度，但自金融危机以来，您对美联储的政策一直相当怀疑。您认为利率如何影响了投资者？对行为有什么影响？我们现在是否处于利率或多或少正常化的阶段？您如何看待当前的环境？

    [62:07] 塞斯·卡拉曼： 您知道，我相信人们应该为自己的行为负责。我认为当对过度行为、恶劣投机和过度杠杆进行清算时，我们的系统会更健康。所以我有点讨厌美联储在伟大金融危机之后将利率降至零——我完全理解为什么美联储要这么做，这真的是维持系统运转、争取时间来愈合的唯一方法。但在没有危机的情况下，将利率在那里多留了十年，我认为我们滋生了问题。我们激励了投机，也许还打消了责任感。我们在 2022 年亲眼看到了这一点，当时市场越来越高，你看到了那些 SPAC 和各种垃圾公司以非常高的价格交易，还有模因股。然后在 2022 年它崩溃了——很多股票下跌了 50%、70%、80%、90%、95%。这就是当你遇到那种不受监管的投机时会发生的情况。我认为今天我们又在投机了，只是在一个感觉更合法的领域。很难确切地说随着 AI 的持续发展，随着 AGI（通用人工智能）可能到来，以及这将意味着什么，会发生什么。我们不知道它是会导致大规模失业，还是会带来令人难以置信的繁荣，或者它是否会在经济中创造更大的分化——也就是 K 型经济——在过得好的人和过得不好的人之间。这是一个真正的担忧来源。所以总是会有那种不确定性。我认为我们应该达成共识的是，将会有一条路径，而在 2026 年的今天，没有人能够精确地说出两四年或十年后事情会是什么样子。而其中的困境在于，人们正在支付非常高的价格，仿佛未来是极其可预测和清晰的，而显然，鉴于正在发生的事情，事实绝非如此。

    [64:22] 巴里·里霍尔茨： 所以在我问我最喜欢的问题之前，我还有两三个其他问题必须问您，这些问题更个人化一些，首先是：您在一个历史上奖励曝光度的行业里，非常出名地保持着低调。那是一个深思熟虑的决定吗？是一种战略方法吗？为什么要在公众面前表现得更加克制？

    [64:54] 塞斯·卡拉曼： 我可能有点偏内向。我不想上电视或登报纸。我也认为，当不是所有人都在试图复制我们的投资时，我们做的很多工作效果会更好。如果你想积累一只股票，最好不是所有人都知道你在试图这么做——你会得到更好的价格，就像在任何商业交易中一样。话虽如此，我们并不是隐士。每个人都知道我们在哪里，每个人都知道我们团队的成员，我们在华尔街非常知名。你只是不会看到我在电视上一直谈论这些。我不知道这有什么坏处。对我来说，这感觉是一件好事。

    [65:38] 巴里·里霍尔茨： 除了投资之外，您和您的妻子一直是非常活跃的慈善家。克拉曼家族有诸多捐赠，比如 Sell 天文台等等。您如何看待慈善事业？您如何看待资本配置？您如何确保流向这些事业的资金被妥善使用？

    [66:00] 塞斯·卡拉曼： 在我们的第三次约会时，我和妻子在科德角的海滩上散步，她说——我们显然才刚开始了解彼此，第三次约会——她说，你对自己的生活有什么期望？我说，我希望如果我能供养我的家庭，并且还有剩余的资源，我想要回馈社会。这只是源于我的基本观念——我想这就是我从小被教导的方式——我们中的一些人会很幸运，处于那样的位置，而在并非所有人都有这样机会的时代，回馈社会既是一种特权，也是一种责任。你带不走它，而且你可能也不想带走。在有生之年把所有钱都炫耀性地花光并不是什么好形象——那不是我的本性。所以我一直在努力赚钱用来捐赠，这也是让我今天保持专注的原因。我喜欢把投资当作一个谜题，但我喜欢知道如果我们做得好，我们就能服务我们的客户，而且我将有钱能够增加我们捐给慈善机构的资金。慈善是一种召唤。对我来说，它感觉非常、非常重要。这是一个破碎的世界。存在着各种各样的问题，从气候变化到糟糕的教育系统，再到对民主的挑战，美国面临着对我们一生所熟知的民主方式的威胁，我希望——您可能也希望——后代能够在这样的国家成长。美国对我来说太棒了。作为在这个国家长大并拥有前所未有的机会的人，我受益匪浅，如果我在其他国家，我是不会有这些机会的。所以我对心存感激，我想确保每个人都有同样的机会。但我们也必须现实一点：对很多人来说，美国梦已经破碎了。今天的人们越来越不可能说他们的孩子和孙子能够超越他们，我认为我们需要恢复这一点，我们有很多艰巨的工作要做。所以我们的慈善事业涉及许多不同的领域——有些，正如您所说，在科学领域；有些是关于思考民主并确保体制稳固；有些在医疗保健领域；有些捐给对我和我妻子很好的大学。我们分布得很广，因为我们相信许多事业将汇聚在一起，从而能够提升全国各地的人民。我们做的事情之一是设立一个乐器基金，因为我们的儿子非常有音乐天赋，这提醒我们，每个对音乐充满热情的孩子都应该有机会拥有一件乐器。我们还在马萨诸塞州各地的机构进行资本捐赠，在疫情期间受打击较重的一些城镇，或者仅仅是经济萧条的地区——那里就是没有很多钱。所以，作为一名价值投资者，我看到一个机会去翻新市民中心，或者马萨诸塞州某个小镇的这个图书馆。知道皮茨菲尔德的人们将拥有和波士顿的人们一样好的图书馆，这种感觉真的太棒了。

    [69:16] 巴里·里霍尔茨： 非常有意思。所以在进行我们最后的总结之前，我有一个问题想问，我们只是把时间往回拨一点，因为那个答案很难接——那就是波士顿体育。我觉得在总决赛期间我有义务问一下。所以您是一个波士顿铁粉，您提到您非常喜欢体育版和所有的统计数据。您如何看待如今体育界发生的事情？凯尔特人队没有像一些人预期的那样走得远。我们现在在总决赛中 1 比 2 落后。您如何看待篮球？您现在喜欢体育界的什么？

    [70:06] 塞斯·卡拉曼： 我最大的两项体育爱好是棒球——我是红袜队的小股东——和赛马。多年来我有幸拥有了一些非常高质量的纯种马。上周末的贝尔蒙特锦标赛周末，我们赢了几场比赛，不是贝尔蒙特锦标，而是其他几场锦标赛。所以那是我最喜欢的运动。凯尔特人队的赛季令人失望。他们在赛季的前四分之三打得非常好，遗憾的是，当他们的超级巨星杰森·塔图姆复出时，我认为这让他们脱离了原有的节奏，他们原本一直在将年轻球员融入阵容，大量传球，并以一种令人兴奋的方式赢球。所以也许化学反应并没有他们希望的那么好，然后当塔图姆在季后赛结束时受伤，我们就出局了。我认为体育很棒。这是一个蓝营美国人、独立美国人和红营美国人都可以为同一支球队加油、对一项运动感到兴奋，并且以一种优雅的方式去做，既能接受胜利也能接受失败的地方。体育是一个伟大的均衡器和伟大的统一者。所以我热爱体育。它在社会中服务于许多积极的目的。这有点疯狂，因为我们正在为我们从未见过的代表我们城市的陌生人加油，但这确实是一种强大的方式，我认为它可以团结一个城市。

    [71:32] 巴里·里霍尔茨： 所以今年的棒球似乎非常奇怪。大都会队步履维艰，红袜队——我完全不知道他们今年会怎样。您如何看待 2026 年棒球界发生的事情？

    [71:48] 塞斯·卡拉曼： 是的，我认为部分原因是样本量小，我们只打了 60、65 或 70 场比赛，所以赛季还有很多时间。但是统计数据，您知道，事情可能会均值回归，最终会追赶上来。

    [72:06] 巴里·里霍尔茨： 这是否和我们所有人都必须决定是否相信“手感火热”一样，对吧？它看起来像是一个规律，但实际上，真的存在投篮手感火热，或者仅仅是……？

    [72:19] 塞斯·卡拉曼： 对于每一个优秀的射手来说——你会有点过度自信，然后开始投更糟糕的篮。只有当你投高命中率的球并且持续投的时候才行。所以我认为棒球总是会给你带来惊喜。这是一个令人困惑的游戏，你在纸上画好的战术并不会发生。而且在更衣室里也不会发生，球员们无法理解，“我去年能 hitting（击球），现在我却不能了。”部分原因是对手在调整。如果你是一个像罗曼·安东尼这样的新秀，你上来后连续两个月打出三成打击率——他现在受伤了，但投手找到了你的弱点，让你看起来表现很差，然后你进行调整，让投手看起来表现很差。所以防守调整和进攻调整之间存在这种永恒的拉锯战，而最终的结局决定了谁能进入名人堂。

    [73:18] 巴里·里霍尔茨： 真的非常有意思。好了，让我们跳到我们问所有嘉宾最喜欢的问题，首先是：哪些导师帮助塑造了您的职业生涯？

    [73:27] 塞斯·卡拉曼： 大学毕业后，我在 Mutual Shares（共同分享基金）为马克斯·海涅和迈克尔·普莱斯工作，那真是不可思议的几年。这些年来我与他们保持着密切的关系——他们一直是我伟大的朋友和导师。沃伦·巴菲特，我在职业生涯后期才认识他，但阅读关于沃伦的资料，阅读他的年度报告和他早期的致股东信，非常具有启发性，也提醒了我“优质公司”的理念，这不是格雷厄姆和多德经常谈论的东西，而是沃伦教会我们所有人的。所以他们是我会列出的导师。然后我也发展了一些同辈导师。我有一个很小的公司。我没有在任何大型华尔街公司接受过正式培训，但我能够与其他经营基金的人建立友谊。其中一些人您可能认识——比如理查德·佩里，或者弗兰克·布罗森斯，或者保罗·辛格——这些年来他们都以各种方式成为了我的导师，希望我也能为他们提供一些东西。在那里找到志同道合的人，让我们所有人都因这种经历而充实，也变得更加睿智。

    [74:45] 巴里·里霍尔茨： 好答案。我们来谈谈书。您提到您是个狂热的读者。您现在在读什么？您最喜欢的一些书是什么？

    [74:53] 塞斯·卡拉曼： 现在我正在读完劳尔德·贝兰克梵（前高盛 CEO）的回忆录。我也在读迈克尔·波伦关于意识的最新著作，这真的很有趣。它结合了一些我感兴趣的东西，包括植物在做什么的想法——事实证明，植物比当你走过它们、认为它们只是草坪时所想象的要更有意识、更能感知周围环境。植物身上发生了很多事情。我喜欢历史。我最喜欢的可能是关于美国内战的《自由的呼声》（Battle Cry of Freedom）。我读的东西相当广泛。我喜欢《红皇后》，进化生物学。我也很擅长读小说——传记、回忆录，涉猎广泛。

    [75:42] 巴里·里霍尔茨： 您提到了播客。您在听什么？或者您现在在看和流媒体播放什么？

    [75:47] 塞斯·卡拉曼： 我最喜欢的流媒体节目——我认为这可能是电视流媒体的黄金时代。我们非常喜欢《The Pitt》（《匹兹堡医护前线》），匹兹堡综合医院的急诊室。这真是一部了不起的剧集。诺亚·怀尔主演，而且周围的演员阵容也极其出色，简直好得离谱。我们也喜欢《诊疗中》（Shrinking）。

    [76:10] 巴里·里霍尔茨： 是的，那部剧非常有意思。最后两个问题。对于对投资职业感兴趣的刚毕业的大学生，您会给出什么样的建议？

    [76:21] 塞斯·卡拉曼： 首先，去一个你愿意把自己的资本投资进去的地方。如果你不愿意把钱放在那里，就不要去。而且不要害怕去一个失宠的地方。两年前，如果你问我，我会说，嗯，生物技术股每天都在创新低，好像永远不会有任何新药被发现或该行业不会有任何好事发生一样。我会说，仔细看看。现在它火爆了——有很多收购，很多人做得非常好。我认为稍微逆向一点是有益的，去那些会有导师指导你的地方，去那些愿意对你有耐心的地方，去那些不会指望你在那里的前六个月就能赚钱的地方。那才是你能够建立职业生涯并学到很多东西的地方。

    [77:08] 巴里·里霍尔茨： 最后一个问题。关于市场、风险和投资的世界，您今天知道的哪些事情，如果在 40 多年前您刚入行时就知道，会非常有用？

    [77:21] 塞斯·卡拉曼： 我思考过这个问题。这真的是一个很好也很难的问题。我认为，我希望我能更早认识到硅谷这个经济引擎的重要性，以及美国创造力和聪明才智的重要性。这就是为什么我对我们国家正在发生的、威胁我们民主的坏事感到如此担忧。尝试和失败的能力，创新的能力，创新的渴望，那些想要实现自己梦想的才华横溢、勤奋努力的人所释放出的初创企业——这就是驱动这个经济引擎不仅不断获胜，而且不断超越世界其他地方的动力。以色列可能有一个微缩版，但在世界其他地方几乎不存在。在欧洲肯定也不怎么存在。这真的很令人难过，因为摆在美国年轻人面前的机会，去帮助他们梦想并开创事业，对他们的生活、他们的社区、未来的慈善事业、税收来说，都是一个惊人的引擎。这是全方位的。我希望我能更好地理解它。我会在我的基金会里持有一些风险投资。我会建议机构投资组合至少分散投资到其中一部分。现在，风险投资是价值投资者最不可能说“这是一个便宜货，你应该做多”的东西。但我确实认为，作为一名价值投资者，也许过于“按图索骥”，我没有足够关注风险投资这个引擎。

    [78:58] 巴里·里霍尔茨： 太精彩了。塞斯，感谢您如此慷慨地抽出时间。我们刚才对话的是 Baupost 集团首席执行官兼投资组合经理塞斯·卡拉曼。如果您喜欢这次对话，请务必查看我们在过去 12 年里做过的其他 651 期节目。您可以在 Apple iTunes、Spotify、Bloomberg、YouTube 以及任何您获取最喜欢的播客的地方找到它们。如果我不感谢每周帮助我整理这些对话的精干团队，那我就太失职了。亚历克西斯·诺列加是我的视频制作人。肖恩·鲁索是我的研究员。安娜·卢克是我的播客制作人。我是巴里·里霍尔茨。您收听的是彭博广播的《商业大师》节目。

    Post #8
  • [ai 整理讲稿] 2024 年 李录 北大光华讲座
    谈笑风生

    破产重组中的价值重估：资本结构重置如何改变一家企业

    特殊情形投资中，一个值得重点研究的领域，是经营业务本身具有价值，但由于资本结构失衡而陷入破产的企业。这类公司的问题往往不在于“业务完全没有价值”，而在于企业承担了超出自身现金流承受能力的债务。另一种常见情形是，一个集团内部同时存在优质业务和劣质业务，后者持续亏损、消耗现金，最终把整个集团拖入财务困境。此外，一次性的诉讼、行业冲击、并购失败或短期经营事故，也可能使一家原本具有经济价值的企业进入破产程序。

    因此，分析破产企业时，一个基本原则是：不能把破产前的企业简单线性外推到破产后。 破产并不是一家公司在原有状态下“暂停营业”之后再重新启动，而往往是一场对资产、负债、所有权和业务组合的全面重组。债务可能被削减，债券可能转换为股权，亏损业务可能出售或关闭，优质业务可能被单独保留下来，新的投资者也可能以完全不同的价格取得控制权。由此产生的企业，虽然在法律实体上与破产前存在连续性，但其经济属性可能已经发生根本变化。

    案例背景：用 100 万美元股本控制 2700 万美元企业

    20 世纪 80 年代，Joel Greenblatt 曾参与一笔规模不大的杠杆收购。这笔交易后来成为一个很典型的反面教材，因为它同时展示了两个问题：过度杠杆如何摧毁一笔看似可行的收购，以及破产重组如何重新创造投资机会。

    被收购的是一家生产工业烘焙模具和烤盘的企业，其产品被食品生产企业使用，例如生产 Twinkies、Wonder Bread 等产品所需要的烘焙设备。单看业务本身，它并不是一个完全没有价值的企业：它拥有真实的生产设备、客户关系、产品和运营资产。真正的问题出现在收购价格和融资结构上。

    交易总价约为 2700 万美元，而股东真正投入的股权资金只有约 100 万美元，其余约 2600 万美元来自借款。也就是说，收购方用极少的自有资金控制了一个价值 2700 万美元的企业。

    可以将最初资本结构简化为：

    企业收购价格：2700 万美元

    股东投入：约 100 万美元

    借款：约 2600 万美元

    因此，债务占整个收购价格的比例约为 96%。

    这种结构的吸引力非常明显。如果企业经营顺利，由于股东最初只投入 100 万美元，即使企业价值只出现不大的增长，股东权益的回报率也可能极高。假如一家以 2700 万美元收购的企业最终能够以 3000 万美元出售，而债务规模没有明显变化，那么企业价值仅增加 300 万美元，对只投入 100 万美元的股东而言却可能意味着数倍回报。

    然而，杠杆具有完全对称的另一面：它既放大收益，也放大错误。 当企业经营现金流无法覆盖利息和偿债要求时，债权人仍然拥有固定索偿权，而股东则处于整个资本结构的最底层。企业价值只需要出现相对有限的下降，股东权益就可能迅速被全部消灭。

    为什么这笔交易从一开始就存在危险信号

    这笔交易后来在六到九个月内进入破产程序，说明最初的收购判断存在严重问题。事后看，其中一些危险信号其实已经出现。

    首先，卖方本身就是一家从事杠杆收购的机构 LBO。这一点意味着买方面对的是一个熟悉资本结构、企业出售和财务工程的专业交易对手。当一家专业投资机构决定把某项资产卖给另一组投资者时，买方至少应当认真考虑一个问题：卖方为什么愿意在这个价格退出？

    其次，企业自身也存在一些反映经营质量和管理状态的异常迹象。Greenblatt 后来特别回忆到，工厂办公室里甚至还摆着一排近似 20 世纪 20 年代风格的手动打字机。这种细节反映出，当时买方对企业管理能力、运营效率和真实竞争力的判断可能并不充分。

    更关键的问题还是资本结构。2600 万美元债务压在一个 2700 万美元收购的企业之上，意味着企业几乎没有犯错空间。只要盈利略低于预期、营运资金需求上升、客户流失或者行业环境恶化，原本看起来可以偿还的债务就可能迅速变成无法承担的负担。

    收入可能下降，利润可能下降，资产价值可能下降，但是银行贷款和债券的本金仍然存在，利息仍然需要支付。因此，一家在无债务状态下完全可以生存的企业，在高杠杆状态下却可能迅速破产。

    股权首先归零

    在这笔交易中，公司大约在收购后六至九个月便进入破产。次级债务几乎全部损失，即使经过这一轮损失吸收，银行仍然大约被欠 1000 万美元。

    这里可以利用资本结构的“损失吸收顺序”理解为什么原始股东会如此脆弱。

    一家典型企业的资本结构可以粗略理解为：

    高级银行债务 → 次级债务 → 股东权益

    企业经营正常时，各层资本都可能获得回报。但企业价值下降时，损失不是平均分摊的，而是从最底层开始向上侵蚀。

    例如，一家公司价值 2700 万美元，同时负债 2600 万美元，那么股东账面上真正拥有的价值只有约 100 万美元：

    股东权益 = 2700 万 - 2600 万 = 100 万美元

    如果企业价值仅下降到 2400 万美元，企业本身只贬值约 11%，但对股东而言：

    2400 万 - 2600 万 = -200 万美元

    从经济意义上看，股东权益已经完全消失。

    这正是高杠杆企业最重要的非线性特征：企业价值只需要发生小幅变化，股权价值就可能发生巨大变化。

    因此，在特殊情形投资中，判断一家企业是不是“好业务”远远不够。还必须研究它的资本结构。一家不错的企业，如果以过高价格收购，再配上过多债务，仍然可能成为极差的投资。

    破产之后，为什么同一批资产可能重新变成好投资

    这笔交易真正有教学价值的地方，并不只是“杠杆收购失败”，而是破产以后发生的第二阶段。

    企业进入破产程序以后，原有资本结构开始被重新处理。部分债务被消灭，部分债权人承担损失，一些资产被出售。

    Greenblatt 等人随后以约 300 万美元出售了其中一个小业务，又以约 600 万美元重新买回剩余资产。最终，这一系列操作反而使最初投入的资本取得了约一倍回报。

    投资对象表面上相似，但价格和资本结构已经完全不同。

    最初的交易是：

    用约 2700 万美元购买企业，同时背负约 2600 万美元债务。

    重组以后，则变成：

    企业已经经历债务清理、资产出售和资本结构重置，再以约 600 万美元取得剩余资产。

    这时评价投资的起点已经完全改变。

    因此，投资中必须把两个问题严格分开：

    第一，这是不是一家有价值的企业？

    第二，我以什么价格、什么资本结构拥有这家企业？

    很多严重的投资错误，都来自把第一个问题的肯定答案错误地延伸成第二个问题的肯定答案。“这是一家不错的公司”绝不等于“它在任何价格上都是一项不错的投资”。

    破产的经济本质：重新分配企业价值

    假设一家企业正常经营时拥有 100 亿元企业价值，但资本结构如下：

    银行债务：60 亿元
    债券：50 亿元
    股权市值：20 亿元

    表面上各种证券价值合计 130 亿元，可如果企业真正只值 100 亿元，那么整个资本结构存在 30 亿元无法兑现的索偿权。

    此时必须有人承担损失。

    股东通常首先归零。如果仍然不够，次级债权人继续承担损失，再严重时高级债权人也会遭受损失。

    破产重组所做的事情，本质上就是让企业的金融索偿权重新与企业真实经济价值匹配。

    例如重组以后，原来的 110 亿元债务可能变成：

    新债务：30 亿元
    新股权：70 亿元

    原来的债权人可能拿到新公司的股票，老股东则可能基本归零。

    需要注意的是：

    企业的工厂可能仍然在那里，客户可能仍然在那里，员工仍然工作，产品仍然销售。消失的主要是原有资本结构中无法被企业现金流支持的那一部分金融索偿权。

    因此，“公司破产”和“企业毫无价值”是两个完全不同的概念。

    一家企业可能拥有很有价值的经营业务，却因为借了太多钱而破产。

    反过来，一家没有多少债务的企业，也可能因为业务本身完全没有竞争力而不值得投资。

    好业务被坏资本结构拖垮

    这是破产投资中最值得寻找的一类情况。

    假设一家企业正常情况下：

    年 EBITDA：1 亿美元
    维护性资本开支：2000 万美元
    正常现金流：约 8000 万美元

    如果它只有 1 亿美元债务，这可能是一家非常安全的企业。

    但如果某次杠杆收购以后，它背负了 10 亿美元债务，每年需要支付 8000 万美元甚至更多的利息，那么几乎所有经营现金流都被债务成本吞噬。

    此时，公司出现衰退，EBITDA 从 1 亿美元下降至 8000 万美元，就可能无法继续支付全部利息。

    业务没有消失。客户也没有消失。工厂仍然可以生产。

    真正无法持续的是：“这项业务必须支持 10 亿美元债务”这一资本结构假设。

    如果破产以后，10 亿美元债务被削减到 2 亿美元，那么原来无法生存的企业可能突然恢复健康。

    这就是所谓的资本结构重置（capital structure reset）。

    投资者真正需要判断的是：

    如果把旧债务和历史交易价格全部拿掉，只看重组完成后的企业，它现在的资产、负债和现金流是什么样？

    这是分析破产后企业最重要的出发点。

    “好业务 + 坏业务”为什么也容易产生机会

    另一类值得研究的特殊情形，是一个集团同时拥有优质业务和劣质业务。

    假设一家集团由两部分组成：

    A 业务每年赚 2 亿元；B 业务每年亏 1.5 亿元。

    整个集团表面利润只有：2 亿 - 1.5 亿 = 5000 万元

    市场因此可能认为这是一家盈利能力很差的企业。

    但是如果集团陷入破产后，B 业务被关闭或者出售，而 A 业务被单独保留下来，那么重组后的公司不再是“每年只赚 5000 万元的原公司”，而可能变成：一个每年赚 2 亿元的独立优质业务。

    此时继续拿破产前的整体盈利数据进行估值，就会犯严重错误。

    因此，破产分析不能只问： “这家公司过去赚了多少钱？”

    而必须进一步问：哪些业务留下来了？哪些业务被卖掉了？哪些成本消失了？哪些债务被取消了？哪些资产被出售以后转化成了现金？重组后的股东真正拥有的到底是什么？

    破产前和破产后的公司即使名称相同，也可能已经不是同一个经济实体。

    为什么不能对破产前数据做“线性推算”

    所谓线性推算，是指简单认为：公司过去收入 10 亿元、利润 5000 万元；以后大概也还是围绕这个数字增长或下降。

    在普通企业里，这种方法有时尚可作为起点；在破产重组中却尤其危险，因为重组会改变变量本身。

    例如，破产前公司可能具有：

    10 亿元收入；
    5000 万元利润；
    8 亿元债务；
    两个亏损子公司。

    重组后可能变成：

    6 亿元收入；
    8000 万元利润；
    1 亿元债务；
    亏损子公司全部出售。

    收入下降了 40%，企业反而可能比以前更有价值。

    原因是投资价值取决于未来能够归属于资本所有者的现金流，而不是单纯取决于收入规模。

    破产以后需要重新建立模型，而不是机械延续旧模型。

    这个案例真正说明了什么

    Greenblatt 参与的这笔烘焙模具企业 LBO 最后确实使原始资本获得了不错结果。更准确的理解是：最初的投资判断是失败的，后来的破产重组投资挽救了结果。

    2700 万美元的初始收购价格和 2600 万美元的债务结构被事实证明并不合理。企业在六至九个月内破产，本身已经说明前期尽职调查和资本结构设计存在重大问题。之后通过出售小业务、低价买回剩余资产取得利润。

    分析框架

    面对一家进入破产或重组程序的企业，应当把分析过程分成三个层次。

    第一层是经营业务价值。需要判断企业在没有不合理债务负担的情况下，到底能产生多少正常化现金流。核心问题包括业务是否仍有客户、竞争优势是否仍然存在、资产是否具有持续经营价值，以及破产是由业务失败还是融资失败导致。

    第二层是资本结构。需要逐层分析银行债务、优先债务、次级债务和股权，理解各层证券在不同企业价值情景下分别能够获得多少回收。分析破产企业时，不能只研究利润表，还必须理解整个资本结构的优先顺序。

    第三层是重组后的证券价值。需要重新计算债务削减以后公司的净债务、流通股数、正常化盈利能力以及企业价值，并判断新股票或者重组债券当前交易价格相对于内在价值是否存在足够大的安全边际。

    核心问题：旧资本结构已经失败，但重组后的资本结构是否给投资者提供了一项全新的、价格足够便宜的投资？

    结论

    这起案例揭示了特殊情形投资中的一个重要规律：一家企业的经济价值，与旧股东为它付过多少钱、旧债权人曾经借给它多少钱，并没有必然关系。

    破产有时会成为一个价值重新发现的过程。它迫使过去建立在过高价格、过度债务和错误预期之上的资本结构接受损失，同时把经营资产重新交到新的资本所有者手中。

    对价值投资者而言，真正值得关注的不是“这家公司曾经破产”，而是：破产以前，究竟是什么出了问题；破产过程消除了什么；重组以后，还剩下什么；而现在为了这些剩余资产，需要支付多少钱。

    “破产过程会把企业彻底重新切割，有时原来完全不成立的交易经过资本结构重置会变成另一件东西”。

    Post #7