即刻App年轻人的同好社区
下载
置顶写个自我介绍。
我是jason, 澳门人, 99年。
一个小学就开始研究写外挂，到中学就留级+开始在游戏里赚钱，到高中完全摆烂不读，靠游戏赚了几十万，但在我们那的高考(联考)裸考还考得还行，拿奖学金进了个本地的大学。
大三辍学前，后大大小小瞎折腾小打小闹式创业了十几次，赚过钱，做过很多错误的决定，试过网赚构建出来最高日入3000的被动印钞机，也试过平台一天改规则归零，也试过被攻击，也试过信错人创业失败归零。
至少近几年甚少提到以前这些我这些现在看来比较幼稚的经历，但这些经历都属于和我现在的主轴相关性很大的事情。后面会说。
大三的时候，疫情开始。我已经慢慢觉得澳门呆不下去，完全没办法，一度开摆。还记得20年放水，21年加密货币爆火，我被defi "普惠金融"的敍事给骗进去了。在我研究明白之前，我觉得这东西就该是这样的，就该是平权的。当然后面我也发现了都是假话。
我在21年，一个人去了杭州，和朋友整了了个小作坊，做做量化交易套利，管了一点小钱。一边进了一个初创团队做顾问近距离看别人是怎么创业的。前者，一直都是印钞般的收益，套利，几乎没有日内回撤。但都在22年的一波黑天鹅里一波大回撤了 (25%)，然后我在思考过后，就把钱都退回去了。后者，答应了不能多说，但真的是学到了很多东西。
在22年前几个月我一直都想再做一个黑天鹅的盘子，但那时没有支持我的人，但塔勒布的书深深的影响了我。在面对那次黑天鹅之后，我人麻了。我几乎一个月甚么都没干。在那之前我是一个在自己的领域极度卷的人，INTJ，天天不睡觉。我发现了以往理性至少外还有很广的世界，複杂性的世界。
一方面觉得自己是傻逼，以前的日子白活了。一方面很高兴，有一种站得更高看以前自己的清晰度。以前的我一直活在各种各样的变化之下，被更高维度的变化玩弄。在22年8月，我决定，比起像以前那种，比起对眼前"好机会"一直追逐。我要给自己找一个我看得见难度最高，看得最远，最不变的事情来做。其他短平快的机会，全都不碰了。我要重新爬山，爬一万米的山。
之后我便开始了做我现在的项目，细节不能多说，但简单说几个节点。22年10月开始我们立项的demo便是一个基于知识图谱的youtube DID插件。当时用的gpt3, keybert, 关键字共现这些那时没甚么在乎的东西，来把用户在youtube被标识的画像，自己也记录一份。在上线前，chatgpt出来了笑死，然后投资人就开始有点想法。要我们追风口去，然后结局就是，投资人答应的2/3的钱就没下文了。
然后我们就进入了自己磨钱bootstrapping的路线，这一年多，搞了几个小项目。养活团队是主轴。但在盯着眼前铜板子下，我的预测能力几乎派不上用场。贼难受，这一年几乎就是做着完全逆完自己以往性格的事情在做。用MBTI的语言来说就是极I变E，极N变S。我整个24岁的状态，可以说是用(又)生意失败(又)爬回来也不为过。
这大概就是我的经历。
===
我基本从初中开始我基本保持了10几年超高强度的讯息吸收，平均下来一年会看3-5万条youtube视频，习惯了3倍速，看动漫，听书，看文章等就没怎数。导致我的讯息，知识量级都是没有甚么对手... 只要聊嗨了就会被说我很跳跃，某程度是因为对方不可能有这些跨科的联想context，
同时我也比较爱学一些杂七杂八的，技能组属于横向面很多，但并没有说哪方面有很大的结果，所以很难一句话介绍自己。从小就被当成偏科极客天才啥的。但可能我更想成为是通才型的人，所以我到现在算是全科都会深度去学和做。
(最近一个比较开心的事情是在hopfield noble prize前一个月我在深度学习HNN)
最近接触很多一週目的创业者，会让我很想帮他们，但又觉得其实还是得事教人。即刻也是adx那时开始写的，希望可以找到更多孤独的共呜创业者。
我现在做的事情叫branche，大概的TLDR就是：
1. 帮每个人拿回自己被平台採集的数据
2. 让人了解有自己的数据和没有甚么区别
3. 让人可以运用自己的数据创造价值
4. 把握本来被算法控制的选择和权利
5. 一套帮用户可以脱离平台的撮合系统
6. 重构以谁流量大谁牛逼的信用体系
更多的东西在bento里，就不展开了。我的整个主轴也几乎是在面对一个个被设计好的不公平游戏之中。所以我一直都很想和更多直视这个不公平的世界的人结缘。整个创投圈，web3，基本都享受虚假，包括青年人。
我想认识诚实并追求超越的人，而不是混title喊大佬的假人。几篇即刻我知道得罪了人，但说实话不在乎。我在乎的是智力上诚实的人，是较真的人。假人我几乎的态度就是，放弃助人情结。真人我会很想帮助，不求回报，只想结缘。
数据主权
00_绪论：数据主权的新纪元.mp3
web.okjike.com
01_数据囚笼：我们如何沦为自己数据的奴隶.mp3
web.okjike.com
02_数据主权宣言：你的数据应该属于你.mp3
web.okjike.com
03_确权革命：当数据有了不可侵犯的所有权.mp3
web.okjike.com
04_自主算法：当AI站在你这一边.mp3
web.okjike.com
05_去中心化撮合：信息匹配的新范式.mp3
web.okjike.com
06_信任网络：不依赖中介的信用系统.mp3
web.okjike.com
07_数据解放之路：从意识觉醒到价值重塑.mp3
web.okjike.com
我是jason, 澳门人, 99年。
一个小学就开始研究写外挂，到中学就留级+开始在游戏里赚钱，到高中完全摆烂不读，靠游戏赚了几十万，但在我们那的高考(联考)裸考还考得还行，拿奖学金进了个本地的大学。
大三辍学前，后大大小小瞎折腾小打小闹式创业了十几次，赚过钱，做过很多错误的决定，试过网赚构建出来最高日入3000的被动印钞机，也试过平台一天改规则归零，也试过被攻击，也试过信错人创业失败归零。
至少近几年甚少提到以前这些我这些现在看来比较幼稚的经历，但这些经历都属于和我现在的主轴相关性很大的事情。后面会说。
大三的时候，疫情开始。我已经慢慢觉得澳门呆不下去，完全没办法，一度开摆。还记得20年放水，21年加密货币爆火，我被defi "普惠金融"的敍事给骗进去了。在我研究明白之前，我觉得这东西就该是这样的，就该是平权的。当然后面我也发现了都是假话。
我在21年，一个人去了杭州，和朋友整了了个小作坊，做做量化交易套利，管了一点小钱。一边进了一个初创团队做顾问近距离看别人是怎么创业的。前者，一直都是印钞般的收益，套利，几乎没有日内回撤。但都在22年的一波黑天鹅里一波大回撤了 (25%)，然后我在思考过后，就把钱都退回去了。后者，答应了不能多说，但真的是学到了很多东西。
在22年前几个月我一直都想再做一个黑天鹅的盘子，但那时没有支持我的人，但塔勒布的书深深的影响了我。在面对那次黑天鹅之后，我人麻了。我几乎一个月甚么都没干。在那之前我是一个在自己的领域极度卷的人，INTJ，天天不睡觉。我发现了以往理性至少外还有很广的世界，複杂性的世界。
一方面觉得自己是傻逼，以前的日子白活了。一方面很高兴，有一种站得更高看以前自己的清晰度。以前的我一直活在各种各样的变化之下，被更高维度的变化玩弄。在22年8月，我决定，比起像以前那种，比起对眼前"好机会"一直追逐。我要给自己找一个我看得见难度最高，看得最远，最不变的事情来做。其他短平快的机会，全都不碰了。我要重新爬山，爬一万米的山。
之后我便开始了做我现在的项目，细节不能多说，但简单说几个节点。22年10月开始我们立项的demo便是一个基于知识图谱的youtube DID插件。当时用的gpt3, keybert, 关键字共现这些那时没甚么在乎的东西，来把用户在youtube被标识的画像，自己也记录一份。在上线前，chatgpt出来了笑死，然后投资人就开始有点想法。要我们追风口去，然后结局就是，投资人答应的2/3的钱就没下文了。
然后我们就进入了自己磨钱bootstrapping的路线，这一年多，搞了几个小项目。养活团队是主轴。但在盯着眼前铜板子下，我的预测能力几乎派不上用场。贼难受，这一年几乎就是做着完全逆完自己以往性格的事情在做。用MBTI的语言来说就是极I变E，极N变S。我整个24岁的状态，可以说是用(又)生意失败(又)爬回来也不为过。
这大概就是我的经历。
===
我基本从初中开始我基本保持了10几年超高强度的讯息吸收，平均下来一年会看3-5万条youtube视频，习惯了3倍速，看动漫，听书，看文章等就没怎数。导致我的讯息，知识量级都是没有甚么对手... 只要聊嗨了就会被说我很跳跃，某程度是因为对方不可能有这些跨科的联想context，
同时我也比较爱学一些杂七杂八的，技能组属于横向面很多，但并没有说哪方面有很大的结果，所以很难一句话介绍自己。从小就被当成偏科极客天才啥的。但可能我更想成为是通才型的人，所以我到现在算是全科都会深度去学和做。
(最近一个比较开心的事情是在hopfield noble prize前一个月我在深度学习HNN)
最近接触很多一週目的创业者，会让我很想帮他们，但又觉得其实还是得事教人。即刻也是adx那时开始写的，希望可以找到更多孤独的共呜创业者。
我现在做的事情叫branche，大概的TLDR就是：
1. 帮每个人拿回自己被平台採集的数据
2. 让人了解有自己的数据和没有甚么区别
3. 让人可以运用自己的数据创造价值
4. 把握本来被算法控制的选择和权利
5. 一套帮用户可以脱离平台的撮合系统
6. 重构以谁流量大谁牛逼的信用体系
更多的东西在bento里，就不展开了。我的整个主轴也几乎是在面对一个个被设计好的不公平游戏之中。所以我一直都很想和更多直视这个不公平的世界的人结缘。整个创投圈，web3，基本都享受虚假，包括青年人。
我想认识诚实并追求超越的人，而不是混title喊大佬的假人。几篇即刻我知道得罪了人，但说实话不在乎。我在乎的是智力上诚实的人，是较真的人。假人我几乎的态度就是，放弃助人情结。真人我会很想帮助，不求回报，只想结缘。
数据主权
00_绪论：数据主权的新纪元.mp3
web.okjike.com
01_数据囚笼：我们如何沦为自己数据的奴隶.mp3
web.okjike.com
02_数据主权宣言：你的数据应该属于你.mp3
web.okjike.com
03_确权革命：当数据有了不可侵犯的所有权.mp3
web.okjike.com
04_自主算法：当AI站在你这一边.mp3
web.okjike.com
05_去中心化撮合：信息匹配的新范式.mp3
web.okjike.com
06_信任网络：不依赖中介的信用系统.mp3
web.okjike.com
07_数据解放之路：从意识觉醒到价值重塑.mp3
web.okjike.com
244 4591
#流形：扰沌第四阶段的内在分化
很多时候，我们理解一个公司的生命周期，会习惯用线性的方式去看待：创业期、高速增长期、成熟期、衰退期。它像一条曲线，有上升、有平台、有下降。
但如果从复杂系统的角度看，企业并不是沿着一条简单的曲线运动，而更像是在一个不断变化的流形（manifold）上演化。
所谓流形，可以理解为一个系统内部隐藏的结构空间。表面上看，企业是在竞争市场中增长，但实际上，它是在多个力量场之间寻找稳定状态：资本、用户、技术、组织、生态、政策，这些因素共同塑造了一条动态路径。
而在复杂系统里，最有意思的阶段往往不是崩溃本身，而是崩溃前的那个瞬间：系统内部开始出现新的分化。
我把它称为：**扰沌第四阶段的内在分化。**
---
一个企业通常会经历四个阶段。
第一阶段，是成长期。
这个阶段的核心是扩张。企业找到了一种有效的价值创造方式，然后不断复制。
例如互联网平台早期，通过网络效应快速积累用户；芯片企业通过性能提升扩大市场；AI公司通过更多数据和算力提升模型能力。
这个阶段，企业内部目标高度一致。
所有人的方向都是：
增长。
更多用户，更多收入，更多市场份额。
组织像一个高速进化的生命体，不断吸收外部资源。
---
第二阶段，是平台期。
企业开始拥有自己的生态位。
它不再只是提供一个产品，而变成了一套基础设施。
平台期最大的变化是：
企业开始从创造价值，转向管理价值流动。
例如搜索引擎控制信息入口，电商平台控制交易入口，云厂商控制计算入口。
这个阶段，企业拥有巨大的优势。
但同时，一个隐藏的问题开始出现：
它过去成功的原因，会逐渐变成限制未来发展的边界。
因为平台越成功，越依赖现有结构。
组织内部开始出现一种惯性：
保护已有利益。
创新不再是为了创造未来，而更多是为了维护现在。
---
第三阶段，是衰退期。
很多人认为衰退来自外部竞争。
实际上，很多巨头真正的问题不是外部出现了敌人，而是内部的奖励函数发生了变化。
公司内部开始出现多个不同目标的智能体。
基层部门关注：
今年的收入、GMV、用户增长。
中层管理关注：
部门规模、资源预算、绩效指标。
最高层关注：
未来十年，公司是否还能存在。
这三个目标并不完全一致。
于是出现一种非常奇怪的现象：
每一个人都在做正确的事情，但整个系统正在走向错误的方向。
这就是复杂系统最危险的地方。
它不是因为错误而崩溃，而是因为大量局部正确叠加后，产生整体错误。
---
到了第四阶段，也就是我认为最值得研究的阶段：
**崩溃期。**
这个阶段最明显的特征是：
垄断者开始出售能够杀死自己的工具。
它开始主动制造自己的替代者。
这听起来非常反直觉。
为什么一个拥有巨大资源的公司，会帮助未来的竞争者？
因为在这个阶段，企业已经无法阻止变化。
它只能选择：
参与未来，或者被未来淘汰。
---
例如英伟达与AI产业的关系。
英伟达今天最大的商业模式，是出售计算能力。
大量AI公司购买GPU，训练越来越强大的模型。
短期来看，这是完美的增长飞轮。
但如果未来某家公司真正实现了高度智能化的新架构，大幅降低对于GPU的依赖，那么英伟达今天卖出的计算资源，可能正在帮助培养降低自身价值的技术。
它卖出的，某种意义上就是未来可能吊死自己的绳子。
但它不能停止。
因为如果它不卖，别人会卖。
市场竞争迫使它参与这个过程。
---
Waymo和Uber的关系也是类似的。
Uber拥有巨大的交易网络。
它拥有：
乘客需求。
订单数据。
城市交通场景。
这些都是自动驾驶公司最需要的训练环境。
所以Waymo通过合作进入Uber生态。
对于Uber来说，这是增长。
更多车辆，更多订单，更高GMV。
但对于Waymo来说，目标可能完全不同。
它不是想成为Uber的一部分。
它想重新定义交通。
如果自动驾驶最终成功，那么未来的交通网络可能从：
乘客 → Uber → 司机 → 汽车
变成：
乘客 → 自动驾驶系统 → 自有车队
中间的平台层价值会被重新压缩。
Uber今天提供的数据和交易场景，可能正在帮助培养未来替代自己的系统。
---
这就是第四阶段最深层的矛盾：
**资本奖励短期增长，而生存需要长期迁移。**
公司的下层系统负责优化当前世界。
公司的上层系统负责适应未来世界。
但当一个企业足够大以后，上层往往无法直接控制下层。
于是出现了一种奇特状态：
企业像一个生态系统。
旧物种正在利用资源培养新物种。
最终，新物种会改变整个环境。
---
从复杂科学角度看，这其实是一种内在分化。
系统没有突然死亡。
它是在内部产生新的可能性。
旧结构提供能量，新结构吸收能量，然后逐渐形成新的稳定状态。
这和自然界中的演化非常相似。
恐龙时代并不是因为恐龙突然犯错而结束，而是在环境变化中，新的生态位被哺乳动物占据。
旧系统创造了新系统成长所需要的条件。
---
所以，真正伟大的公司，并不是避免被自己创造的未来淘汰。
因为这是几乎不可能的。
真正伟大的公司，是主动完成自我替代。
苹果从电脑公司变成移动生态公司。
亚马逊从电商公司变成云计算基础设施公司。
Netflix从DVD租赁公司变成内容平台。
它们不是阻止自己的死亡。
而是在旧生命结束之前，提前孕育新的生命。
---
从这个角度看，企业的崩溃并不是失败的开始。
它往往是一个系统无法完成自我迁移的结果。
最大的危险，不是竞争者出现。
而是一个组织依然拥有巨大的资源，却只能用这些资源强化过去。
当一个垄断者开始出售能够杀死自己的绳子时，说明它已经进入复杂系统的第四阶段。
问题不再是：
“如何保持领先？”
而是：
“能不能在自己制造的新世界里，重新找到自己的位置。”
这也是所有技术革命中最残酷的一条规律：
**旧世界提供燃料，新世界完成替代。**
而真正的文明进步，往往发生在这种内在分化之中。
很多时候，我们理解一个公司的生命周期，会习惯用线性的方式去看待：创业期、高速增长期、成熟期、衰退期。它像一条曲线，有上升、有平台、有下降。
但如果从复杂系统的角度看，企业并不是沿着一条简单的曲线运动，而更像是在一个不断变化的流形（manifold）上演化。
所谓流形，可以理解为一个系统内部隐藏的结构空间。表面上看，企业是在竞争市场中增长，但实际上，它是在多个力量场之间寻找稳定状态：资本、用户、技术、组织、生态、政策，这些因素共同塑造了一条动态路径。
而在复杂系统里，最有意思的阶段往往不是崩溃本身，而是崩溃前的那个瞬间：系统内部开始出现新的分化。
我把它称为：**扰沌第四阶段的内在分化。**
---
一个企业通常会经历四个阶段。
第一阶段，是成长期。
这个阶段的核心是扩张。企业找到了一种有效的价值创造方式，然后不断复制。
例如互联网平台早期，通过网络效应快速积累用户；芯片企业通过性能提升扩大市场；AI公司通过更多数据和算力提升模型能力。
这个阶段，企业内部目标高度一致。
所有人的方向都是：
增长。
更多用户，更多收入，更多市场份额。
组织像一个高速进化的生命体，不断吸收外部资源。
---
第二阶段，是平台期。
企业开始拥有自己的生态位。
它不再只是提供一个产品，而变成了一套基础设施。
平台期最大的变化是：
企业开始从创造价值，转向管理价值流动。
例如搜索引擎控制信息入口，电商平台控制交易入口，云厂商控制计算入口。
这个阶段，企业拥有巨大的优势。
但同时，一个隐藏的问题开始出现：
它过去成功的原因，会逐渐变成限制未来发展的边界。
因为平台越成功，越依赖现有结构。
组织内部开始出现一种惯性：
保护已有利益。
创新不再是为了创造未来，而更多是为了维护现在。
---
第三阶段，是衰退期。
很多人认为衰退来自外部竞争。
实际上，很多巨头真正的问题不是外部出现了敌人，而是内部的奖励函数发生了变化。
公司内部开始出现多个不同目标的智能体。
基层部门关注：
今年的收入、GMV、用户增长。
中层管理关注：
部门规模、资源预算、绩效指标。
最高层关注：
未来十年，公司是否还能存在。
这三个目标并不完全一致。
于是出现一种非常奇怪的现象：
每一个人都在做正确的事情，但整个系统正在走向错误的方向。
这就是复杂系统最危险的地方。
它不是因为错误而崩溃，而是因为大量局部正确叠加后，产生整体错误。
---
到了第四阶段，也就是我认为最值得研究的阶段：
**崩溃期。**
这个阶段最明显的特征是：
垄断者开始出售能够杀死自己的工具。
它开始主动制造自己的替代者。
这听起来非常反直觉。
为什么一个拥有巨大资源的公司，会帮助未来的竞争者？
因为在这个阶段，企业已经无法阻止变化。
它只能选择：
参与未来，或者被未来淘汰。
---
例如英伟达与AI产业的关系。
英伟达今天最大的商业模式，是出售计算能力。
大量AI公司购买GPU，训练越来越强大的模型。
短期来看，这是完美的增长飞轮。
但如果未来某家公司真正实现了高度智能化的新架构，大幅降低对于GPU的依赖，那么英伟达今天卖出的计算资源，可能正在帮助培养降低自身价值的技术。
它卖出的，某种意义上就是未来可能吊死自己的绳子。
但它不能停止。
因为如果它不卖，别人会卖。
市场竞争迫使它参与这个过程。
---
Waymo和Uber的关系也是类似的。
Uber拥有巨大的交易网络。
它拥有：
乘客需求。
订单数据。
城市交通场景。
这些都是自动驾驶公司最需要的训练环境。
所以Waymo通过合作进入Uber生态。
对于Uber来说，这是增长。
更多车辆，更多订单，更高GMV。
但对于Waymo来说，目标可能完全不同。
它不是想成为Uber的一部分。
它想重新定义交通。
如果自动驾驶最终成功，那么未来的交通网络可能从：
乘客 → Uber → 司机 → 汽车
变成：
乘客 → 自动驾驶系统 → 自有车队
中间的平台层价值会被重新压缩。
Uber今天提供的数据和交易场景，可能正在帮助培养未来替代自己的系统。
---
这就是第四阶段最深层的矛盾：
**资本奖励短期增长，而生存需要长期迁移。**
公司的下层系统负责优化当前世界。
公司的上层系统负责适应未来世界。
但当一个企业足够大以后，上层往往无法直接控制下层。
于是出现了一种奇特状态：
企业像一个生态系统。
旧物种正在利用资源培养新物种。
最终，新物种会改变整个环境。
---
从复杂科学角度看，这其实是一种内在分化。
系统没有突然死亡。
它是在内部产生新的可能性。
旧结构提供能量，新结构吸收能量，然后逐渐形成新的稳定状态。
这和自然界中的演化非常相似。
恐龙时代并不是因为恐龙突然犯错而结束，而是在环境变化中，新的生态位被哺乳动物占据。
旧系统创造了新系统成长所需要的条件。
---
所以，真正伟大的公司，并不是避免被自己创造的未来淘汰。
因为这是几乎不可能的。
真正伟大的公司，是主动完成自我替代。
苹果从电脑公司变成移动生态公司。
亚马逊从电商公司变成云计算基础设施公司。
Netflix从DVD租赁公司变成内容平台。
它们不是阻止自己的死亡。
而是在旧生命结束之前，提前孕育新的生命。
---
从这个角度看，企业的崩溃并不是失败的开始。
它往往是一个系统无法完成自我迁移的结果。
最大的危险，不是竞争者出现。
而是一个组织依然拥有巨大的资源，却只能用这些资源强化过去。
当一个垄断者开始出售能够杀死自己的绳子时，说明它已经进入复杂系统的第四阶段。
问题不再是：
“如何保持领先？”
而是：
“能不能在自己制造的新世界里，重新找到自己的位置。”
这也是所有技术革命中最残酷的一条规律：
**旧世界提供燃料，新世界完成替代。**
而真正的文明进步，往往发生在这种内在分化之中。
0 60
从价格到意义：AI Agent 如何重启市场的价值发现
过去几百年的经济学，都建立在一个非常重要的假设之上：人类虽然有限理性，但市场可以通过价格机制，把分散在无数个体脑中的信息汇聚起来。
哈耶克曾经提出，价格是一种伟大的信息压缩机制。一个商品价格上涨，背后可能意味着资源稀缺、需求增加、生产成本变化。没有任何一个中央机构需要知道所有人的想法，只要价格变化，市场中的参与者就会调整自己的行为。
但随着社会复杂度不断提高，我们开始发现，价格虽然能够传递信息，却只能传递一部分信息。
它可以告诉我们一瓶可乐多少钱，却很难告诉我们：这瓶可乐背后的生产方式是什么？它是否支持了某种价值观？购买它会不会强化一个我们并不希望看到的系统？
这也是经济学家罗伯特·弗兰克在《达尔文经济学》中讨论的问题。
他借用了达尔文演化理论中的一个核心思想：在自然界中，个体为了提高自己的生存概率，会不断竞争优势。但当所有个体都采取同样策略时，最终可能形成一个所有人都付出更多，却没有获得真正改善的状态。
经济竞争也是如此。
一个人购买更大的房子，可以获得相对优势；但当所有人都购买更大的房子，结果就是房价整体上涨，每个人都需要承担更高成本。
一个公司投入更多广告获得市场优势；但当所有公司都疯狂投放广告，整个行业的获客成本提高，消费者也被更多噪音包围。
这就是典型的“个体最优导致集体次优”。
弗兰克提出的方法，是通过改变激励结构，例如对位置性消费增加税收，把个人竞争产生的成本重新转化为公共收益。
这个思路有其合理性，但我一直认为，它仍然停留在工业时代的治理框架里。
因为它默认一个前提：个体无法理解复杂系统的长期后果，所以需要一个更高层的机构，通过规则设计帮助人们修正行为。
但如果未来每个人都拥有一个属于自己的智能代理呢？
如果我们的 AI Agent 不只是帮我们搜索商品，而是能够理解我们的长期价值、消费历史、社交关系，并模拟一次选择可能带来的系统性影响，那么市场是否会出现一种新的可能？
过去，我们购买一个商品，本质上只是在回答一个问题：
“它多少钱？”
未来，我们可能会问：
“我购买它，实际上在支持什么样的世界？”
这会产生一种全新的市场结构。
假设现在有两个人卖同样的一瓶可乐。
一个卖3块钱，但他的供应链来自不透明工厂，长期存在欺诈风险；另一个卖5块钱，但他可能是朋友创业的品牌，生产过程透明，并且与你长期认同的价值观一致。
传统经济模型会认为，第一个选择更加理性，因为它降低了成本。
但如果你的个人 Agent 能够理解更多维度的信息，它可能告诉你：
“虽然第一瓶便宜2块钱，但它带来的长期信任成本、风险成本，以及与你价值体系的不匹配，会让它的真实成本更高。”
于是，价格不再是唯一的信息。
市场开始从“价格排序”，进入“语义排序”。
这其实与奥斯特罗姆关于制度设计的研究有着深层联系。
奥斯特罗姆发现，人类社会并不是只有两种组织方式：要么依靠自由市场，要么依靠中央权力。
很多复杂系统实际上依靠的是分布式治理。
社区中的渔民可以通过共享信息、建立信任、形成规则，共同管理公共资源。
关键不在于有没有一个强大的中心，而在于系统中的参与者是否拥有足够的信息，以及是否能够形成有效反馈。
AI Agent 的出现，可能正是在增强这种分布式治理能力。
过去，一个普通人的决策半径非常有限。
我不知道一家公司的供应链，不知道一个品牌背后的历史，不知道我的消费选择如何影响未来。
所以市场只能把复杂世界压缩成一个数字：价格。
但未来，如果个人拥有自己的数据主权和智能代理，我们可以把过去隐藏的信息重新带回决策过程。
消费不再只是一次交换，而是一种投票。
每一次购买，都代表你希望什么样的企业存在，希望什么样的价值被奖励。
市场不再只是资本效率竞争，而成为不同价值网络之间的动态演化。
当然，这里面也存在一个更深的问题：
如果每个人都有自己的价值体系，那么谁来定义正确答案？
我的 Agent 可能认为环保最重要，你的 Agent 可能认为低价格最重要，另一个人的 Agent 可能认为社区关系最重要。
但这并不是问题。
复杂系统本来就不应该追求唯一答案。
真正健康的市场，不是让所有人拥有同一种价值，而是让不同价值体系能够共存，并通过透明的信息交换不断协调。
未来的经济，也许不会是一个由少数平台掌控的信息系统，而是由无数个人 Agent 组成的语义网络。
每个人拥有自己的数据，每个人拥有自己的认知代理，每一次交易都携带更丰富的信息。
从这个角度看，AI 的意义可能并不只是提高生产效率，而是重新恢复人与市场之间的连接。
过去，平台替我们决定什么值得关注；未来，我们可能重新拥有决定什么值得关注的能力。
过去，价格代表价值；未来，价值本身可能重新进入价格。
这可能是下一代经济系统最重要的一次变化：
市场不再只是资源交换的机器，而会逐渐成为一个由个人智能、信任关系和价值选择共同驱动的生命系统。
过去几百年的经济学，都建立在一个非常重要的假设之上：人类虽然有限理性，但市场可以通过价格机制，把分散在无数个体脑中的信息汇聚起来。
哈耶克曾经提出，价格是一种伟大的信息压缩机制。一个商品价格上涨，背后可能意味着资源稀缺、需求增加、生产成本变化。没有任何一个中央机构需要知道所有人的想法，只要价格变化，市场中的参与者就会调整自己的行为。
但随着社会复杂度不断提高，我们开始发现，价格虽然能够传递信息，却只能传递一部分信息。
它可以告诉我们一瓶可乐多少钱，却很难告诉我们：这瓶可乐背后的生产方式是什么？它是否支持了某种价值观？购买它会不会强化一个我们并不希望看到的系统？
这也是经济学家罗伯特·弗兰克在《达尔文经济学》中讨论的问题。
他借用了达尔文演化理论中的一个核心思想：在自然界中，个体为了提高自己的生存概率，会不断竞争优势。但当所有个体都采取同样策略时，最终可能形成一个所有人都付出更多，却没有获得真正改善的状态。
经济竞争也是如此。
一个人购买更大的房子，可以获得相对优势；但当所有人都购买更大的房子，结果就是房价整体上涨，每个人都需要承担更高成本。
一个公司投入更多广告获得市场优势；但当所有公司都疯狂投放广告，整个行业的获客成本提高，消费者也被更多噪音包围。
这就是典型的“个体最优导致集体次优”。
弗兰克提出的方法，是通过改变激励结构，例如对位置性消费增加税收，把个人竞争产生的成本重新转化为公共收益。
这个思路有其合理性，但我一直认为，它仍然停留在工业时代的治理框架里。
因为它默认一个前提：个体无法理解复杂系统的长期后果，所以需要一个更高层的机构，通过规则设计帮助人们修正行为。
但如果未来每个人都拥有一个属于自己的智能代理呢？
如果我们的 AI Agent 不只是帮我们搜索商品，而是能够理解我们的长期价值、消费历史、社交关系，并模拟一次选择可能带来的系统性影响，那么市场是否会出现一种新的可能？
过去，我们购买一个商品，本质上只是在回答一个问题：
“它多少钱？”
未来，我们可能会问：
“我购买它，实际上在支持什么样的世界？”
这会产生一种全新的市场结构。
假设现在有两个人卖同样的一瓶可乐。
一个卖3块钱，但他的供应链来自不透明工厂，长期存在欺诈风险；另一个卖5块钱，但他可能是朋友创业的品牌，生产过程透明，并且与你长期认同的价值观一致。
传统经济模型会认为，第一个选择更加理性，因为它降低了成本。
但如果你的个人 Agent 能够理解更多维度的信息，它可能告诉你：
“虽然第一瓶便宜2块钱，但它带来的长期信任成本、风险成本，以及与你价值体系的不匹配，会让它的真实成本更高。”
于是，价格不再是唯一的信息。
市场开始从“价格排序”，进入“语义排序”。
这其实与奥斯特罗姆关于制度设计的研究有着深层联系。
奥斯特罗姆发现，人类社会并不是只有两种组织方式：要么依靠自由市场，要么依靠中央权力。
很多复杂系统实际上依靠的是分布式治理。
社区中的渔民可以通过共享信息、建立信任、形成规则，共同管理公共资源。
关键不在于有没有一个强大的中心，而在于系统中的参与者是否拥有足够的信息，以及是否能够形成有效反馈。
AI Agent 的出现，可能正是在增强这种分布式治理能力。
过去，一个普通人的决策半径非常有限。
我不知道一家公司的供应链，不知道一个品牌背后的历史，不知道我的消费选择如何影响未来。
所以市场只能把复杂世界压缩成一个数字：价格。
但未来，如果个人拥有自己的数据主权和智能代理，我们可以把过去隐藏的信息重新带回决策过程。
消费不再只是一次交换，而是一种投票。
每一次购买，都代表你希望什么样的企业存在，希望什么样的价值被奖励。
市场不再只是资本效率竞争，而成为不同价值网络之间的动态演化。
当然，这里面也存在一个更深的问题：
如果每个人都有自己的价值体系，那么谁来定义正确答案？
我的 Agent 可能认为环保最重要，你的 Agent 可能认为低价格最重要，另一个人的 Agent 可能认为社区关系最重要。
但这并不是问题。
复杂系统本来就不应该追求唯一答案。
真正健康的市场，不是让所有人拥有同一种价值，而是让不同价值体系能够共存，并通过透明的信息交换不断协调。
未来的经济，也许不会是一个由少数平台掌控的信息系统，而是由无数个人 Agent 组成的语义网络。
每个人拥有自己的数据，每个人拥有自己的认知代理，每一次交易都携带更丰富的信息。
从这个角度看，AI 的意义可能并不只是提高生产效率，而是重新恢复人与市场之间的连接。
过去，平台替我们决定什么值得关注；未来，我们可能重新拥有决定什么值得关注的能力。
过去，价格代表价值；未来，价值本身可能重新进入价格。
这可能是下一代经济系统最重要的一次变化：
市场不再只是资源交换的机器，而会逐渐成为一个由个人智能、信任关系和价值选择共同驱动的生命系统。
7 22
我发现，互联网上最自信的一群人，既不是数学家，也不是交易员，而是一群张口闭口「价值投资」「长期主义」「概率思维」的知识博主。
他们拿着几张 K 线图，背几个市盈率、市淨率、夏普比率，再搬出巴菲特、芒格、黑格尔、查理·孟德斯鸠——反正名字越多越好——最后告诉你一句话：
「只要坚持长期主义，时间会奖励你。」
每次听到这句话，我都想笑。
因为这句话翻译一下，其实是：
「只要世界永远不变，你就一定能赢。」
问题是，世界什么时候不变过？
这帮人最大的毛病，不是数学不好，而是把数学当成宗教。
他们总喜欢用一堆漂亮的统计学语言，把市场包装成一台巨大的机器。彷彿只要找到那个神秘公式，就能穿越週期、战胜波动、实现财富自由。
但塔勒布十几年前就说过一句话：
真正重要的，不是事件本身，而是你对事件的响应。
市场不是牛顿力学。
市场不是钟錶。
市场甚至不是科学实验。
物理学研究的是不会看论文的石头，而金融研究的是会刷抖音、会看财报、会买课、会互相欺骗的人。
价格从来不是一个可以稳定统计的东西。
价格，是一场混沌。
昨天有效的策略，今天可能失效；今天有效的模型，明天可能因为所有人都知道它而崩溃。
这就是很多所谓「量化大师」最大的笑话。
他们把相关性，当成因果；把因果，当成规律；最后再把规律，当成预言。
问题是，相关从来不等于可预测。
下雨天外卖订单更多，这是相关；但你不能因此预测下一场雨。
股票和利率过去二十年一起涨跌，这也是相关；但你不能保证下一个二十年还是这样。
因为市场最大的特徵，就是规则本身会变。
球证会下场。
央行会印钞。
监管会改规则。
战争会爆发。
平台会封禁。
技术会颠复。
昨天你统计的，和明天你要面对的，可能根本不是同一个游戏。
这帮人最爱说的另一句话，叫「长期来看，一切优质资产都会上涨」。
听起来是不是很有智慧？
但你仔细想想，这句话到底建立在什么假设之上？
它假设国家永远存在。
假设货币永远稳定。
假设产权永远安全。
假设企业永远不会被颠复。
假设战争永远不会来。
假设规则永远不变。
这就像牛顿力学假设真空没有摩擦一样。
可问题是，现实世界最大的特徵，就是所有常数，最后都会变成变量。
今天你觉得人民币值钱，明天呢？
今天你觉得美元安全，五十年后呢？
你每天拿着一把会自己伸缩的尺子量世界，最后却告诉我，你测出了永恆真理？
更荒唐的是，这帮人还特别喜欢谈概率。
一开口就是「从数学期望来看」。
好，那我们就聊数学。
假设有一个游戏。
赢了，你赚百分之五十。
输了，你亏百分之四十。
数学期望是正的。
于是老师站在台上，指着 PPT 告诉你：「这是一个好游戏。」
可他没告诉你的是，如果你真的一直玩下去，你大概率会死。
这叫遍历性问题。
统计平均，不等于时间平均。
一万个人里面，九千九百九十九个人爆仓，一个人赚到天上去，平均收益依然是正的。
但对那九千九百九十九个人来说，结局只有一个：
出局。
而金融最残酷的地方就在于——
物理学允许你做一万次实验。
人生不允许。
爆仓一次，就没有第二次。
所以塔勒布才说，真正重要的从来不是收益，而是别死。
你以为那些投资博主在教你赚钱，其实很多人教你的，是如何优雅地走向破产。
他们最大的共同点，就是过度归因。
牛市赚钱了，是自己聪明。
踩中了风口，是自己眼光毒辣。
吃到了时代红利，是自己认知超前。
从来不提流动性，不提槓杆，不提运气，不提倖存者偏差。
庄子早就看透了这种人。
井蛙不可语海，夏虫不可语冰。
一个人在顺风里待得太久，就会把时代的浪潮，错当成自己的翅膀。
最后，他们开始卖课。
开始贩卖确定性。
开始向你兜售某种更高级、更深刻、更底层的秘密。
但真正理解黑天鹅的人，第一件事不是教你如何预测未来。
而是告诉你：
未来不可预测。
真正的智慧，不是找到公式，而是承认公式的边界。
真正的高手，不是相信自己永远正确，而是先设计好自己错了以后，还能活下来。
因为市场从来不是考试。
它是一场没有标准答案、规则随时改写、输一次就可能永远退场的生存游戏。
而那些一边高喊长期主义，一边向你兜售财富秘笈的人。
要么蠢。
要么坏。
要么，只是还没轮到他们。
他们拿着几张 K 线图，背几个市盈率、市淨率、夏普比率，再搬出巴菲特、芒格、黑格尔、查理·孟德斯鸠——反正名字越多越好——最后告诉你一句话：
「只要坚持长期主义，时间会奖励你。」
每次听到这句话，我都想笑。
因为这句话翻译一下，其实是：
「只要世界永远不变，你就一定能赢。」
问题是，世界什么时候不变过？
这帮人最大的毛病，不是数学不好，而是把数学当成宗教。
他们总喜欢用一堆漂亮的统计学语言，把市场包装成一台巨大的机器。彷彿只要找到那个神秘公式，就能穿越週期、战胜波动、实现财富自由。
但塔勒布十几年前就说过一句话：
真正重要的，不是事件本身，而是你对事件的响应。
市场不是牛顿力学。
市场不是钟錶。
市场甚至不是科学实验。
物理学研究的是不会看论文的石头，而金融研究的是会刷抖音、会看财报、会买课、会互相欺骗的人。
价格从来不是一个可以稳定统计的东西。
价格，是一场混沌。
昨天有效的策略，今天可能失效；今天有效的模型，明天可能因为所有人都知道它而崩溃。
这就是很多所谓「量化大师」最大的笑话。
他们把相关性，当成因果；把因果，当成规律；最后再把规律，当成预言。
问题是，相关从来不等于可预测。
下雨天外卖订单更多，这是相关；但你不能因此预测下一场雨。
股票和利率过去二十年一起涨跌，这也是相关；但你不能保证下一个二十年还是这样。
因为市场最大的特徵，就是规则本身会变。
球证会下场。
央行会印钞。
监管会改规则。
战争会爆发。
平台会封禁。
技术会颠复。
昨天你统计的，和明天你要面对的，可能根本不是同一个游戏。
这帮人最爱说的另一句话，叫「长期来看，一切优质资产都会上涨」。
听起来是不是很有智慧？
但你仔细想想，这句话到底建立在什么假设之上？
它假设国家永远存在。
假设货币永远稳定。
假设产权永远安全。
假设企业永远不会被颠复。
假设战争永远不会来。
假设规则永远不变。
这就像牛顿力学假设真空没有摩擦一样。
可问题是，现实世界最大的特徵，就是所有常数，最后都会变成变量。
今天你觉得人民币值钱，明天呢？
今天你觉得美元安全，五十年后呢？
你每天拿着一把会自己伸缩的尺子量世界，最后却告诉我，你测出了永恆真理？
更荒唐的是，这帮人还特别喜欢谈概率。
一开口就是「从数学期望来看」。
好，那我们就聊数学。
假设有一个游戏。
赢了，你赚百分之五十。
输了，你亏百分之四十。
数学期望是正的。
于是老师站在台上，指着 PPT 告诉你：「这是一个好游戏。」
可他没告诉你的是，如果你真的一直玩下去，你大概率会死。
这叫遍历性问题。
统计平均，不等于时间平均。
一万个人里面，九千九百九十九个人爆仓，一个人赚到天上去，平均收益依然是正的。
但对那九千九百九十九个人来说，结局只有一个：
出局。
而金融最残酷的地方就在于——
物理学允许你做一万次实验。
人生不允许。
爆仓一次，就没有第二次。
所以塔勒布才说，真正重要的从来不是收益，而是别死。
你以为那些投资博主在教你赚钱，其实很多人教你的，是如何优雅地走向破产。
他们最大的共同点，就是过度归因。
牛市赚钱了，是自己聪明。
踩中了风口，是自己眼光毒辣。
吃到了时代红利，是自己认知超前。
从来不提流动性，不提槓杆，不提运气，不提倖存者偏差。
庄子早就看透了这种人。
井蛙不可语海，夏虫不可语冰。
一个人在顺风里待得太久，就会把时代的浪潮，错当成自己的翅膀。
最后，他们开始卖课。
开始贩卖确定性。
开始向你兜售某种更高级、更深刻、更底层的秘密。
但真正理解黑天鹅的人，第一件事不是教你如何预测未来。
而是告诉你：
未来不可预测。
真正的智慧，不是找到公式，而是承认公式的边界。
真正的高手，不是相信自己永远正确，而是先设计好自己错了以后，还能活下来。
因为市场从来不是考试。
它是一场没有标准答案、规则随时改写、输一次就可能永远退场的生存游戏。
而那些一边高喊长期主义，一边向你兜售财富秘笈的人。
要么蠢。
要么坏。
要么，只是还没轮到他们。
15 33
《银行劫匪穿搭：一种已经消失的匿名美学》
从20世纪70年代到90年代初，银行劫匪的穿着意外成为那个时代日常时尚的缩影。与电影里夸张的伪装不同，现实中的许多劫匪并不会刻意打扮成另类人物，而是选择最普通、最容易融入人群的服饰。他们穿着长风衣、西装外套、百褶西裤，戴着墨镜、礼帽、手套，手提公文包或皮包，看起来更像普通上班族、商务人士或路过的旅客。这种低调到近乎隐形的穿搭，如今回看反而形成了一种独特的视觉风格。
这些监控照片之所以令人着迷，并不是因为犯罪本身，而是它们真实记录了当时街头最自然的服装状态。那个年代没有高精度监控和人脸识别技术，一副墨镜、一顶帽子，配合宽松剪裁的西装，就足以在保持自然的同时降低辨识度。匿名并非依赖复杂伪装，而是建立在与周围环境融为一体之上。
如今，这些影像已经成为一份无意间保存下来的时代档案。宽大的肩线、宽松的廓形、克制的色彩和经典剪裁，不仅展现了20世纪末的审美潮流，也映射出那个信息尚未全面数字化的年代。抛开犯罪行为本身，这些照片更像是一段关于服饰、社会环境与身份隐匿方式的历史记录，让人看到时尚、实用主义与匿名文化曾经短暂交汇的独特瞬间，也成为一种再难复制的时代风景。
Src: PUBLICRADIO公共電波
从20世纪70年代到90年代初，银行劫匪的穿着意外成为那个时代日常时尚的缩影。与电影里夸张的伪装不同，现实中的许多劫匪并不会刻意打扮成另类人物，而是选择最普通、最容易融入人群的服饰。他们穿着长风衣、西装外套、百褶西裤，戴着墨镜、礼帽、手套，手提公文包或皮包，看起来更像普通上班族、商务人士或路过的旅客。这种低调到近乎隐形的穿搭，如今回看反而形成了一种独特的视觉风格。
这些监控照片之所以令人着迷，并不是因为犯罪本身，而是它们真实记录了当时街头最自然的服装状态。那个年代没有高精度监控和人脸识别技术，一副墨镜、一顶帽子，配合宽松剪裁的西装，就足以在保持自然的同时降低辨识度。匿名并非依赖复杂伪装，而是建立在与周围环境融为一体之上。
如今，这些影像已经成为一份无意间保存下来的时代档案。宽大的肩线、宽松的廓形、克制的色彩和经典剪裁，不仅展现了20世纪末的审美潮流，也映射出那个信息尚未全面数字化的年代。抛开犯罪行为本身，这些照片更像是一段关于服饰、社会环境与身份隐匿方式的历史记录，让人看到时尚、实用主义与匿名文化曾经短暂交汇的独特瞬间，也成为一种再难复制的时代风景。
Src: PUBLICRADIO公共電波
18 13
暴君之所以诞生，往往并非出自纯粹的恶，而是源于对秩序的极端渴望。
当一个人无法承受周遭人的独立意志，无法忍受下属的偏离、朋友的拒绝、伴侣的改变、子女的叛逆，他便会逐渐把「协调」变成「管理」，把「劝说」变成「命令」，最后把「责任」变成对一切的接管。强制于是诞生了。
放任他人的自由，看似宽容，实则是在为自己累积灾难。一个家庭里，父母放弃对孩子行为的约束；一间公司里，管理者拒绝建立规则；一个社群里，人们把一切冲突都交给「各自选择」来解决——短期看来，这像是一种开明；长期而言，却是在将秩序的成本推迟到未来。
自由从来不是没有代价的。每一个人拥有更多行动空间，也意味着整个系统的不确定性随之上升。别人的错误会波及你，别人的短视会拖累你，别人的失控会迫使你承担后果。
自由并非一种静态的权利，而是一种需要共同维护的制度安排。当共同体缺乏责任、契约与边界，自由便会迅速滑向混乱，而人们又会在混乱中重新呼唤暴君。
于是，人类社会始终被困在一个古老的摆盪之中：一端是强制，一端是放任；一端是暴君对秩序的迷恋，一端是乌托邦对自由的幻想。
自由从来不是「想做什么就做什么」，而是接受他人拥有与自己不同的意志，同时建立足够清晰的责任边界，使他人的选择不至于摧毁整个共同体。
当一个人无法承受周遭人的独立意志，无法忍受下属的偏离、朋友的拒绝、伴侣的改变、子女的叛逆，他便会逐渐把「协调」变成「管理」，把「劝说」变成「命令」，最后把「责任」变成对一切的接管。强制于是诞生了。
放任他人的自由，看似宽容，实则是在为自己累积灾难。一个家庭里，父母放弃对孩子行为的约束；一间公司里，管理者拒绝建立规则；一个社群里，人们把一切冲突都交给「各自选择」来解决——短期看来，这像是一种开明；长期而言，却是在将秩序的成本推迟到未来。
自由从来不是没有代价的。每一个人拥有更多行动空间，也意味着整个系统的不确定性随之上升。别人的错误会波及你，别人的短视会拖累你，别人的失控会迫使你承担后果。
自由并非一种静态的权利，而是一种需要共同维护的制度安排。当共同体缺乏责任、契约与边界，自由便会迅速滑向混乱，而人们又会在混乱中重新呼唤暴君。
于是，人类社会始终被困在一个古老的摆盪之中：一端是强制，一端是放任；一端是暴君对秩序的迷恋，一端是乌托邦对自由的幻想。
自由从来不是「想做什么就做什么」，而是接受他人拥有与自己不同的意志，同时建立足够清晰的责任边界，使他人的选择不至于摧毁整个共同体。
18 12
