chuanus

本文最初于 2018年7月24日发布于笔者的公众号。

1/ 多数人对于私人时间的保护是非常不够的。不熟的人约吃饭或者见面，就随随便便赴约，然后浪费大量时间在交通和闲扯上，把自己搞得很累不说，也不会被别人尊重。

2/ 其实要推掉也很简单，有事在手机上说，不一定要见面。我遇到过几次想约见面的人，就告诉他们有事先在手机上讲，结果他们又说不出什么事来。这不是浪费时间吗？这和谋财害命也没啥区别。

3/ 对于有些非常想执着见面的请求，应当要求收咨询费。真正有诚意的人，是会非常乐意付费的。有些人听到收费的回复，反应似乎是自己受到莫大的侮辱，那是他们的问题，你对他们不存在任何义务。就好像你对微博微信上的粉丝不存在任何义务，取关就取关，关你 P 事，正好淘汰掉一些和你不匹配的社交联系。

4/ 香奈儿创始人 Coco Chanel 说: “所谓风格，就是知道你自己是谁，知道你想说什么，然后不在乎别人怎么看 (not giving a damn )”

5/ 你的价值，永远来自那些认可你的极少数支持者出的最高价。

王川：财富取决于认可者愿支付的最高价

6/ 对于其它冷嘲热讽的捣乱者要迅速拉黑， 这样可以保持良好的心情。可惜很多聪明人还是忍不住，会浪费时间在社交媒体上和不认识的捣乱者吵架，非常替他们觉得不值。

王川：论“非常挑剔”和“非常自由”

7/ 有些廉价品牌的包经常搞年终降价促销， 导致很多消费者都等到降价才买,从来不原价买。爱马仕, 香奈儿和 LV 对自己的品牌就保护得非常好，一直涨，绝不降价促销。其品牌商品本身就有一定投资价值。

8/ 爱马仕的 Birkin 包，从八十年代初推出后，价格年均增长率达 14.2%，表现超过同期美国标准普尔指数。限量供应，对品牌的悉心维护，是其价格增长的重要因素. 在 2015年的一次拍卖会中，一只Birkin 包卖出了创纪录的二十二万美元的天价。

9/ Coco Chanel 还说过: “最有勇气的行为仍然是独立思考。(再把所想的)大声说出来。。。 要想不可替代，必须始终与众不同”

10/ 你是选择做爱马仕, 香奈儿, 还是其它廉价品牌 ？ 选择很简单，但需要坚持，执着，和丰富知识体系之上的无比自信。

11/ 年轻人，没有经验阅历时很难守住底线，被不熟或者没有对等付出的人忽悠去浪费时间精力，把自己降格成常常促销的廉价品牌, 而放弃了实现自身价值变成爱马仕/香奈儿的大好机会。

12/ 提升自己创造价值是成功的一半，但有时守卫自身的价值甚至更重要。如果你自己都不愿意严格守卫你的价值，你觉得陌生人的善意能给你从天上带来馅饼吗？你觉得别人可以信赖你帮助他们严格守卫他们的财富价值吗？

13/ 在这个事情上不能保持纪律的人， 在体重，健康，事业，投资等其它各个领域上，也无法指望其保持高度纪律性。

14/ 智慧地利己，才能智慧地利人，才能智慧地利那些值得利之人。

本文最初于 2018年7月22日发布于笔者的公众号。

1/ 很多人有个错误的认识： 财富只是金银，房产，矿产，存款，股票等等静态资产。

2/ 实际情况：财富是个动态的概念。任何可以给世界增加创造价值的能力，只要创造的价值高于成本，就是财富。

3/ 创造价值的本质在于建立连接。任何可以低成本建立大规模，全新的，有独特价值的连接的能力或体系，就是巨大的财富。可以参见笔者的老文章

王川：做一个大规模并联者

王川：论数量就是质量

4/ 财富的价格，和绝大部分第三方观察者的主观认定没有关系，而是取决于世界上认可其价值的少数人所愿意支付的最高价。

5/ 你主观认为 **包， **酒， **钻石，**表等等是骗局不值钱，对其长期客观存在没有任何影响。

6/ 反之，任何静态资产，如果涌现出同样（广义上的）使用价值的更好或更便宜的替代品，也可能瞬间跳跃性地贬值缩水。

7/ 以自已价值观和有限视角，去做空他人追捧的资产，是狂妄，危险和脆弱的.

8/ 腾讯很大一部分收入来自于游戏道具的购买者，他们的消费观普通人难以理解，但他们是公司估值的重要支持者，并让其它人受益 ； 同理，淘宝百度谷歌的广告竞价，都是通过少数认可者支付的最高价，来支撑其估值。

9/ 拉黑恶意的捣乱者，聆听善意的建设性的评论。但只把绝大部分时间精力花在用金钱认可你的少数支持者身上。

10/ 把时间精力或其它稀缺资源，无原则地分享给不相干的“免费搭车者”（free rider), 这是对自身价值的极大破坏。这是为什么博佰利 (Burberry) 销毁了价值两千八百万英镑的自己品牌的消费品，而类似的做法在成功的品牌商中相当普遍。维护了品牌的价值，也维护了品牌产品拥有者的财富，也是最终维护生态系统可持续运营的必要措施。

11/ 这也是为什么你要把自己的时薪设定一个高价，残酷无情地执行，不要让不相干的人浪费你的时间。

12/ 就这样了，这类商业模式可以抽象成下面几个步骤：

不断创造新的工具，内容或者服务， 在最广阔的世界里，以最低单位成本建立最大规模的独特连接 ；

这种连接可以是人对人，人对机器，机器对机器，等等 ；

少数 （1%， 也许 0.1%） 被连接者，会发现并认可其价值 ；

限制连接过程中的某个稀缺资源，让最高价从认可并愿意支付者中涌现出来 ；

严防“免费搭车者”对于稀缺资源的侵蚀。

把获得的价值反哺于生态系统和品牌的建设，进一步增加其价值，获得更多认可者，并形成良性循环。

13/ 作为旁观者，也可以通过直接购买这个稀缺资源，享受其升值的红利； 这在物理世界可以是一线城市核心地区的房地产，在虚拟世界可以是某个域名或者其它稀缺资源，等等。

14/ 反直觉的一点是，只顾埋头拉车，不理解底层机制，不去创造或者拥有高溢价的最稀缺的资源，往往是忙了半天为他人做嫁衣。

15/ 这个抽象模型可以解释很多过去和将来的成功商业模式，也可以指导个人的自身品牌建设。理解它，利用它，则无往而不利。

本文最初于 2018年7月18号发布于笔者的公众号。

1/ 线性思维的人，无法理解且很难扭转的一个思维误区是：当某个指数发展事物的指标第一次超过某个线性缓慢增长的事物后，马上就会发生显性的巨变。

2/ 一个荷花面积每天翻倍的池塘，经过 29 天才覆盖荷塘一半，但是只要再多一天，就会覆盖整个荷塘。

3/ 贝索斯1995年创业二十二年之后，财富才超过巴菲特和盖茨成为世界首富，但一年之后的今天，其财富已比这两位多了 50%以上。不出意料的话，未来五到十年贝索斯的各种创业理念和励志书籍大卖，在知名度上也会全面超过巴菲特。（直到他被未来另外一个完全不同行业的新的指数曲线所超越）可以参见笔者的老文章：
王川: 被误读的亚马逊帝国 – 只剩下一颗小石头才能阻止贝索斯了
王川: 亚马逊的云服务将吞噬美国的 IT 产业吗? (上)
王川: 亚马逊的云服务将吞噬美国的 IT 产业吗? (中)
王川：亚马逊的云服务将吞噬美国的 IT 产业吗？(下）

4/ 因为大脑已经习惯了被观察对象前期长时间的默默奋斗而看不出什么表面上的差别，所以人们对于超过临界点之后的短时间迅速跃迁和质变，完全无法理解，顽强地抗拒，总是依靠直觉认为这是不正常的泡沫，会最终 revert to mean 回归原来的均值。即使我今天这么说，如果不常常写出来，常常提醒自己，也会犯同样的错误。

5/ 这种场景在各行各业还会不断重复。

6/ 全世界人口 1500年时大约5.8 亿， 1800年时大约 9.8 亿，1900年 十六亿，1950年青霉素普及后达到二十五亿，完全打破了马尔萨斯人口论的魔咒。全世界人口过去十年 2008-2018 的增量 （约六亿）和 1700 年全世界人口的总量 （七亿）相差无几。这个巨变的影响，是无法依靠过去历史经验的直觉来正确理解的。

7/ 贝索斯老师说，整个太阳系未来可以支撑至少一万亿人口，那么可以涌现至少一千个爱因斯坦，然后技术进步会以难以想象的速度发展。以目前技术条件，地球本身承载十倍人口其实没有问题，这就是七百亿。如果在海底或者地下建造隔离出的定居点，那就可以至少再翻番。然后还有火星，木星或者土星的卫星，还可以造大型空间站，等等。

8/ 人口越多，市场越大，扩展性越好。未来所有的巨富都将是在做扩展性最好的生意，现在的富人也根本无法望其项背。所以发财不要急，等到太阳系人口到一万亿那一天。:)
可以参见笔者的老文章            王川：论“扩展性” （一）                  和                 王川：论数量就是质量

9/ 人生的一大悲剧是，在投入毕生精力的事业刚刚越过临界点，指数发展开始显性的飞跃时，过早套现而放弃了绝大部分劳动果实的收获，仅仅是因为自己疲惫不堪，伤痕累累，缺乏对未来的想象力和对指数增长的深刻理解。 这也是为什么，很晚才上市的阿里巴巴的员工，财富自由者远多于很早就上市的百度和腾讯的员工。

10/ 抬杠者会举一些伪指数增长然后又破灭的泡沫来证明自己的观点。反驳其实很简单，第一，只关注全世界范围内最大的四到五个指数增长机会，这样就把大部分庞氏骗局和噪音过滤掉了。第二，经过这样的过滤之后，即使仍有一半归零，剩下的一半大概率有十倍以上的成长，那么整体收益仍然十分可观。

11/ 悲观者的另外一个问题是一根筋单线思维，对于指数增长的多维度可能性缺乏理解。比如摩尔定律的发展历史中，当 CPU 时钟频率提速走到尽头时，人们在内存的架构，内核并行度，组件之间传输数据的带宽，系统的并行度上找到新的增长方向。可以参见笔者的老文章

王川: 摩尔定律还能走多远? (六) – 有钱能使鬼推摩(尔定律)

王川: 摩尔定律还能走多远? (五)　– 这都是为了钱

王川: 摩尔定律还能走多远? (四) — 并行计算的威力

王川: 摩尔定律还能走多远? (三) – CPU 的内存瓶颈

王川: 摩尔定律还能走多远? (二)

王川: 摩尔定律还能走多远? (一)

12/ 每一个指数增长的现象，都是以被其取代的，另外一个或者几个传统行业的迅速倒塌为代价的，不要螳臂挡车，逆技术潮流而动。

王川: 从海明威运动定律，看技术革命的”我靠”时刻 (一）

13/ 悲观者会习惯用他们固有的抽象思维模型来吹毛求疵。不禁想起一个笑话，一万年前两个山顶洞人的假想对话：”我们呼吸着新鲜空气，吃着有机食物，每天打猎捕鱼，运动好几个小时，为什么大部分人还是活不过三十岁?”

14/ 贝索斯最终会被哪条指数曲线上涌现出来的新贵超越？马斯克？中本聪？或者是个我们现在都无法想象的人或组织？甚至以一种无法用金钱衡量的方式超越？目前很难预测。但我知道，那一天来临之时，大概率是代表某一个技术或者商业体系的指数增长曲线的开始，而不是完结。那一天来临之时，我会早已准备充分，把身体练得棒棒的，精神抖擞地顺着这条指数曲线，向前飞奔。

本文最初于 2018年7月12日发布于笔者的公众号。

最近有位年轻人向我咨询一些职场发展的问题，有点感触，总结如下：

1/ 不要怕适度冒险，不要太多顾虑。最坏就是丢个工作而已，最坏就是损失一两年的收入而已。生死之外，都是小事。为小事而焦虑，患得患失，不敢行动去追求大的机会，过十几年后再回头看，会觉得很可笑。

2/ 在比较不同职位时，优先考虑那些可以给公司增加收入的职位，所谓 profit center. 避免那些后台打杂的，搞风控或者 QA 的职位，这些是 cost center, 都是公司希望压缩成本的职位，前途不大。没有哪个老板会排斥能够给公司创收的人。但经济不好时，老板首先想要裁剪的就是后台 cost center 的员工。

3/ 优先考虑整个市场增长速度快，在市场涌现出来的领先甚至有垄断优势的公司。这实际上排除了绝大多数早期的没有营收的，没有被市场证明的小公司。抬杠者当然总是可以举某个成功的小公司的反例，但这并没有统计上的意义。

4/ 职场遇到发展瓶颈时，不要头痛医头，脚痛医脚。要从一个更高的角度，寻找问题的本质和根源，然后去解决问题。长痛永远不如短痛，不解决本质问题，它迟早还是会回来找你麻烦。

5/ 要花时间打造个人品牌，让更多人知道你的存在，知道你的才能，而不是偏安在某个公司的岗位上长期默默无闻。在社交媒体上长期发表有干货的文字，是一个有效手段。你会发现潜在市场比你的想像要大的多，市场的真实需求也和你的臆想有很多不同。潜在客户不断从你想不到的地方来找你，和你四处发简历找工作，是两个完全不同的体验。 可以参见笔者的老文章

王川：为什么大部分求职者的管理之道荒唐且低级

6/ 当你接触真实的世界和市场时，会发现有些赚钱的机会和主流媒体上宣传的完全不一样。有些被人忽视误解的领域有赚大钱的机会，但是周围人一直不理解。有些被主流认为有面子有钱赚的职位实际很苦逼。你会困惑很长时间。但最终要相信自己长期实地的体验，而不要被媒体的虚假宣传或者错误认知误导而丧失主见。

7/ 从老板的角度而不是技术人员的局部角度思考理解问题，很多困惑就一下子清楚了。把老板当成一个生意上的合作伙伴，要尊重，要合作，要思考如何为他增加价值，但不必事事唯唯诺诺。老板如果不能为你的贡献回馈相应的价值，就必须寻找更好的合作伙伴。

8/ 要立足于自己的特长，寻找建立属于自己的与众不同的局部优势，然后越滚越大。大部分你看到的别人成功的案例你无法复制，原因之一是你并不具备他们一开始就有的局部优势。

9/ 没有正确的选择，只有(涌现出来的)最不坏的选择。在知识面，接触面还很狭窄的情况下讨论对错得失没有太大意义。见得多了，好的选择自然涌现。把时间精力投入到学习各种优秀知识，接触各种优秀的人上面，好的结果自然涌现。

王川：论投资和涌现 （一）

10/ 没有捷径，需要长期不懈的努力构建自己的体系，just do it。

本文最初于 2018年7月8日发布于笔者的公众号。

1/ 科学研究有还原论 （reductionism) 和涌现论 (emergentism) 之分. 还原论讲究的是，把事物拆分为更细微的结构，然后根据微观结构推导出因果关系和宏观的规律。还原论在物理和其他很多学科中取得巨大的成功。

2/ 涌现论的基本逻辑则是，在一个开放复杂的系统内，各个零部件之间的互动，存在很多随机性，即使知道所有微观细节，也无法推导预测宏观现象。甚至即使回到当初的初始条件，再来一次，也无法保证演化的结果和上次一样。假以时日，复杂系统内会涌现出微观层面完全无法预料推导出来的新奇的行为特征。

3/ 在投资领域，很多人分析投资，看项目，各种考察，本质上用的是还原论的逻辑。

4/ 而被动的指数投资，本质上采用的是涌现论的逻辑。

5/ 来自一个叫 credio 的公司的关于美国共同基金 (mutual fund)的表现的数据：2005 年到 2015年十年间，扣掉管理费和销售佣金 (sales load) 之后，美国两万五千个 mutual fund 里面，只有约 45 个基金的年均回报率超过 7.5%。 而同期大盘标准普尔指数基金 (S&P 500) 包含分红的年均回报率是 7.5%.

这 45 个基金的年均回报率主要分布在 7.5% 到 12%之间。只有一个基金年均回报率高达 14%, 但这是两万分之一的概率。

6/ 至于美国风险投资业的回报，更是惨不忍睹，可以参见笔者的老文章
王川: 外表丰满, 内在骨感的美国风险资本业

7/ 人性对于还原论的因果逻辑非常执着，因为看到成功案例多了，同时放电的神经元连接在一起 (neurons fire together wire together)，误把相关性当作因果性. 每个人都觉得自己可以成为索罗斯，巴菲特。

8/ 1988年丹*奎尔作为美国副总统候选人参加辩论时被对手质疑太年轻。他拿肯尼迪 44岁就当上总统一事来辩护。民主党候选人本森说，“参议员，我认识杰克*肯尼迪，他是我的朋友。你算不上杰克*肯尼迪”.

9/ 年轻人爱拿索罗斯狙击英镑一事，来勉励自己看到好机会要加杠杆重仓。但是以绝大部分人的阅历和哲学底蕴，完全无法望索罗斯项背。每一个索罗斯成功狙击英镑的励志故事背后，都有无数个不为人知的加杠杆爆仓的人生悲剧。

10/ 还原论适合于孤立的，局部有限时空的，变量极少的场景；涌现论适用于开放的，广阔时空的，多变量的场景。还原论的误区在于，支持局部孤立现象背后的因果关系，在多个不同节点组成的复杂系统里，并不具有必然性。

11/ 一个企业家过去的成功，归因为“靠谱，专注，all-in”, 但在新的科技浪潮来临时，这也可以说成是“赌徒孤注一掷带来的自我毁灭” 。 曾经在山里称大王的猴子，把成功归因为可以灵活地在树林里上蹿下跳，但外面的老虎来了后只得抱头猴窜。

12/ 开放系统带来的外部因素，可以随意摧毁所有局部经验积累的似是而非的逻辑。还原论式的投资者的误区在于，当外部环境变化了，自己的选择被市场证明是错误的时候，还死死咬住原来的错误因果逻辑，直到被市场彻底抛弃。

13/ 对于更高维度的观察者而言，还原论者永远是井底之蛙，当然在井尚未被新的外部因素冲击之前，其逻辑的局部合理性也是事实。

14/ 涌现论的操作特点是，根据涌现出来的最突出的标的来调整仓位，而不拘泥于某个特定因果关系的逻辑。所有因果关系都是基于某个抽象模型的简化设定，而任何主观的简化设定迟早会和新的客观事实产生巨大的错位。

王川：抽象者劳心，被抽象化者劳力 (一）

15/ 旧的抽象模型和新的客观事实产生错位之时，对于新人是巨大契机。对于顽固的老人，则是死亡螺旋的开始。

16/ 涌现论的实践者，也无法避免被各种噪音所干扰，也会有各种回撤和曲折，但是它的内在的自我纠错的能力，可以避免某一次偏离正道太远而彻底毁灭。

17/ 数亿股民痴迷于技术分析K-线图而无法自拔的一个主要因素，可能是相关的信息很容易获得，操作简单，虽然其有效性是个大问号。类似，还原论的操作方法，虽然大多表现不如指数基金，但被多数人认可，是因为它容易理解，大家都觉得自己可以成为少数聪明的可以长期超越市场指数的赢家。

18/ 有哲人最近提出这样两个严肃的问题：是什么力量让人相信按摩胸可以让胸变大，按摩脸可以让脸变小？是什么力量让散户相信十几年前2700点，十几年后还是2700点的股市能挣钱？最终，人们相信他们愿意相信的东西。随他们去吧。

19/ 很难事前预测非洲树上的一群丑陋的猴子中涌现出智能生命而 99.9%的其它物种全部灭绝， 很难预测欧洲边缘的一个偏远岛国里涌现出工业革命而不是在其他人口密集的地区，很难预测一艘破船上一群饥民组成的拓荒者中涌现出世界强国，很难预测炎热的北加州的大片果园中涌现出集成电路和硅谷，很难预测一个匿名程序员创造的复杂系统涌现出了风靡全球九年不倒的比特币。 没有任何事情是命中注定，太多因果逻辑在更长的时间段上更广阔的空间里观察，则完全经不起推敲。

本文最初于 2018年7月5号发布于笔者的公众号。

1/ 抽象，有人把它定义为对客观世界单纯提取某些特性加以认识的思维活动。抽象思维，可以理解为一种信息压缩的过程。

2/ 抽象的艺术，在于受个体的资源限制下，能够始终抓住事物的最主要的特征和矛盾，用高效节能的方式和外界环境发生交互；并且能够根据环境的迅速变化，灵活调整适合新环境的抽象模型。这里的关键词是：主要矛盾，高效节能，外界环境，灵活调整。

3/ 抽象的艺术 (art of abstraction) 和抽象艺术 （abstract art) 是两个完全不同的东西，但前者比后者要重要千万倍。人和人之间的鸡同鸭讲，可以看成是彼此对世界理解的抽象出来的模型不一样不匹配而已, 虽然他们的模型在特定时刻对于各自所处的局部环境都有其合理性。

4/ 另一种情况，即使是一个类似的抽象模型，大家如果完全是在不同层面在讨论，也可能毫无交集。同样是上网浏览，普通人看到的是网页的信息，软件工程师看到是背后的 html 和 javascript 代码，网络工程师看的是路由器如何传输数据，硬件工程师思考的是CPU 芯片如何高效读取数据。

5/ 如果你在前人设计的抽象模型和语境里思考分析，一开始你就把自己限定了，很难比前人有突破有超越。所有的抽象模型，都是对现实的一种简化的设定。技术进步，会不断把各种简化设定给打破，创造新的抽象模型。这也是机会所在。打破的越彻底，机会就越多。

6/ 范式，可以理解为一类抽象模型。范式转移，就是抽象模型的大变迁。

王川: 范式转移的随想 （一）

王川: 范式转移的随想 (二）

王川: 范式转移的随想 （三）

王川: 论移动屁股和改变脑袋的艺术 — 范式转移的随想 (四)

王川: 适应度地形和模拟退火 – 范式转移的随想 （五）

7/ 最悲剧的是在某个抽象模型中的一个模块，辛辛苦苦做了很多事，一旦经济的抽象模型变了，老的模块和相关的知识体系不需要无用了，瞬间就会价值归零甚至是负的。

8/ 大学里设定的各种专业，可以看成是旧知识体系里抽象出来的人为的概念。专业过窄，和外界应用的接口过少，出来谋生的选择就越窄。做销售的可以看成是万金油，好的销售可以和任何新的应用接口，（至少目前还）不会被新技术抛弃，但是这么重要的知识，大学里居然缺乏系统性的课程来培训。

9/ 能够灵活和低成本地迁移到各种新的应用场景的抽象模型，是强大的抽象模型。

10/ 面向对象的编程 （object oriented programming), 就是一种典型的抽象的艺术。只需要知道调用对象 （object） 的方法 （method），无需理解对象底层功能如何实现。场景变化时，只需要（别人）增加新的底层方法的代码，而（自己的）软件抽象架构无须改动。

11/ 面向对象编程的 polymorphism 就是指 object 的方法可以灵活应对多种应用场景。 比如一个“开”字，可以开车，开飞机，开船，还有开窍。不管技术如何变化，老司机 （抽象化者）只需要调用“开”字，底层方法的代码实现自有别人 （被抽象化者）代劳实现，成本极低。

12/ 拙劣的项目经理，为了图省事不去要求程序员建立长期有拓展性的抽象架构，面对新的应用场景时则往往被迫要把程序完全推倒重写，成本代价极高。可以参见笔者的老文章：

王川: 亚马逊的云服务将吞噬美国的 IT 产业吗? (上)

13/ 拙劣的人生规划者，不经深度思考随便学了个专业找了个工作，面对新浮现的经济技术版图时，要被迫推倒重来，再学新的技能和二十多岁的大学毕业生在一个起跑线上竞争.

14/ 被抽象化，可以理解为被外界限定了输入和输出，然后自己就按照这种设定的输入和输出来做事。找工作，本质上都是找的都是被别人抽象化出来的任务。被抽象化，长期看会导致利润微薄，因为第一你最终会有很多竞争者，第二因为输入和输出被限定，你就无法发挥创造力，发掘自身潜力和价值。这也是为什么硬件公司利润长期看远低于平台级软件公司的原因之一。

15/ 从抽象者的角度看，定义好输入和输出之后，其思考角度就会聚焦在不断限制压缩被抽象化的模块的成本上。这是被抽象化者的宿命。

16/ 智者要顺应时代的经济技术趋势，发挥自己的创意，重新抽象化这个世界，定义新的输入和输出。这需要长期持续的投入摸索和一些运气，但其自由愉悦的境界是甘于被抽象化者所无法理解的。

17/ 借用古话：抽象者劳心，被抽象化者劳力。

18/ 所谓软件吞噬世界，本质上是“软件的抽象化 + 零边际成本 + 规模效应” 吞噬世界。

王川： 为什么软件正在吞噬世界 （一）

19/ 话语权和叙事 (narrative) ，可以理解为不同的抽象模型的竞争。这是战略层面的竞争。在这个层面放弃努力，而甘于在他人抽象化的旧模型里奋斗，再怎么跳也出不了如来佛的手掌。

本文最初于 2018年6月28日发布于笔者的公众号。

1/ 很少有人会因为花钱在奢侈的吃喝玩乐上而破产。

2/ 多数人破产来自于错误冲动的投资决定，比如高杠杆期货股票或者房地产投机； 或者为了挣点钱而对身体健康一而再，再而三的长期忽视。

3/ 现实中，很多人在吃喝玩乐的花费上会犹豫而计算半天，原因之一是因为这本身就很好计算。其代价是显性的。

4/ 很多人被各种腰酸背痛神经衰弱的疾病困扰，但不愿多掏一两千美元去把跨洋飞行的机票升级到商务舱，以换取十几个小时的一百八十度平躺的安静睡眠。

5/ 而对于一拍脑袋的投资决定，用命博钱的交易，则不会太多迟疑。原因是一旦被蛊惑后，非理性的那部分大脑被周边群体的情绪所激励，被各种发财的想象带来的快感所淹没，而完全忽视隐性的不对称的下行风险。

6/ 本质上，凡是不频繁而有上限的消费，对个体财政状况的负面影响，长期看都是可以忽略的。不要在这上面吝啬而牺牲生活品质。

7/ 高杠杆且有巨大下行风险的投机，以命博钱的工作和创业，是脆弱的，遇到一次打击就可能满盘皆输，这是要三思而竭力避免的，是不能只看到贼吃肉而忘记了贼挨打的。

8/ 凡是投入恒定，但有内在的杠杆效应 （指一个人可以影响 N 个人，做一件事可以帮助以后的 N 件事），下行风险有限，上行回报不可限量的行为，要多去践行。

9/ 比如读书，一年在亚马逊上买四百本书也就大约四千美元。可以获得世界上最聪明的四百个人的宝贵思想和经验。

10/ 比如写开源程序, 或者写作, 或者公开演讲，可以让自己的作品被成千上万的人看到并且得益。

11/这就是反脆弱。

王川：论弱关系的重要性 – 反脆弱的随想 （四）

王川：无处不在的不对称性 — 反脆弱的随想(三)

王川: 反脆弱的随想 （二）- 机会成本和选择权

王川: 反脆弱的随想 (一)

12/ 反脆弱的行为方式，下行风险有限，因此可以不断累积，越滚越大。爱因斯坦说，”复利是世界的第八大奇迹，理解它的人会获得复利，不理解它的人会支付复利“。(Compound interest is the eighth wonder of the world. He who understands it, earns it … he who doesn’t … pays it. )

13/ 但还需要补充一个定语，”反脆弱的复利“，才是世界第八大奇迹。

14/ 脆弱的行为，幻想一劳永逸可以获得海市蜃楼般的回报，最后不断被迫变本加厉地付出新的或隐性的代价，即使侥幸获利后又可能在某一天全部吐出, 成为复利的支付方。

15/ 反脆弱的行为，愿意付出不菲的，看得见的，有上限的代价；但最终得到的则是意想不到的，源源不断的，没有上限的复利。

本文最初于 2018年6月26日发布于笔者的公众号。

（1）

在美国的主要大城市 （如纽约，旧金山，西雅图等等）街头，常常会遇到一些无家可归者，并看到他们为了乞讨而树立的各种标语牌。看牌子上写的内容，是一件有意思的事。大部分文字是直白而没有技术含量的：

”失业了，需要帮助！“

”失业了，家有多个孩子嗷嗷待哺！“

“伊拉克老兵需要帮助，上帝保佑你！”

偶尔稍微会有点艺术范的：

“太正直了，所以不去偷窃；太丑陋了，所以不去卖身 (yin)”

但是这些标语的最大问题是，完全自说自话，没有从潜在施舍者的角度，撬动对方内心深处的开关。真正的高手，一句巧妙的标语，可以把获得的施舍金额提高一个数量级。

（2）

微信上常常有人加我，试图兜售各种产品，服务或项目。但很多人完全缺乏基本的沟通常识。这表现在：第一没有任何自我介绍，甚至拒绝透露真实姓名和所在机构；第二，没有任何对于个人实力和可信度的证明 ； 第三也是最关键的是，在对我的背景兴趣和需求缺乏基本了解时，就开始自说自话地销售，显得极不专业甚至招人反感。

有的时候我常常有一种冲动，想去好好教育这些人如何去正确地介绍自己，如何正确地去做销售。但后来转念一想，实在没有时间一一回复，就等待优秀的人自发涌现，把平庸的人自动过滤掉吧。否则一个人没有内在的源动力，永远是扶不起的阿斗。

偶尔我会得到个别读者的私信让我眼前一亮。除了礼貌的自我介绍之外，可以感觉他们是真正用心的研究过我的许多文章，了解我的兴趣所在，并且时不时主动给出一些非常有针对性的信息和建议，可能会对我有帮助。这种人，很容易让人印象深刻，那么我在适当的时机和力所能及的情况下，很自然的也会给他们以更大的回馈。

（3）

Connect, 中文翻译为连接。但真正的 connect, 是双方内心深处建立更加默契密切的连接，和自说自话鸡同鸭讲差了十万八千里。

美国著名励志作家 Sean Stephenson 讲述前总统比尔*克林顿和他人沟通的几个秘诀：

第一， 讲故事，可以让听众感同身受，更容易 connect。

第二，记住对方的名字，说出对方的名字。因为我们每个人都喜欢听到自己的名字。

第三，适度肢体接触，轻拍对方肩膀或手臂。

第四，对话时两眼始终直视聚集关注对方，不要讲几句话就往别处看。

第五，征求对方的意见见解，让对方觉得被重视。

第六，抓住任何机会公开表扬他人。

第七，言辞的精准运用。

第八，会根据和对方沟通的默契程度调整说话的音量。

第九，面部表情的丰富应用。

Stephenson 讲述了到白宫的访客的所谓的“洗车现象”：许多访客从东门进之前对克林顿的看法是不友好，不信任甚至相当鄙视的，进了白宫和克林顿交谈了几十分钟后，从西翼出来时就换了一个人。这就好像洗车一样，克林顿把他们脸上的阴沉沉的表情，换成了完全不一样的彻底放松的面容。

也许有人会攻击克林顿非常虚伪。但是如果连这种试图建立默契连接的努力都不去尝试，总是以自我为中心，还要大言不惭地指责别人虚伪，那才是真正的可笑之至。

（4）

如果你看过笔者的老文章，

王川：如何做一个超级连接者

你一定记得一百多年前阿Q跪拜吴妈，自说自话的那个经典场景。

阿 Q了解吴妈内心深处的主要痛点吗？他如何证明可以给吴妈独特而远超其他求爱者的解决方案？他在展示自己时，是否呈现出视觉上的简洁和美感 （而不是猥琐的下跪），并有外在气氛的烘托？

阿 Q 这辈子完全沉浸在自己大脑构建的场景中，而丝毫不会从别人的角度理解分析问题。

自说自话的人是可耻的，自说自话而不自知的人是可悲的。

（5）

人脑的构造主要分三大块：最外面是新皮层 (Neocortex),负责理性的思考。中间是所谓边缘系统 (Limbic system)，主要调节和产生大脑的情绪，负责感觉。最里面的是所谓爬虫脑 （Repetilian Brain) ，它会吸收其它两块大脑的信息，但它才是最终决策者。

爬虫脑的历史有四亿多年，与之相比，人类的文字出现也只有一万年的历史。爬虫脑负责的是生存和斗争这样最关键最基本的决策。

正因如此，爬虫脑最关心的首先是自己的生存和福祉，始终以自我为中心，任何有关自我的信息都会率先引起它的注意，情绪和理性思考只能交给别的地方处理。

一个好的沟通者如果不能把注意力完全聚集在对方身上而是自说自话，就很难有效影响对方的决策。

（6）

回到第一段的故事，如何在乞讨中打出合适的标语，大大提高单位时间的收益？

美国营销专家 Patrick Renvoise 在他的著作 “Neuromarketing” 一书中讲述了自己的亲身经历：

他把一个旧金山街头乞丐的标语牌改为 “What if YOU were hungry” (如果是 ** 你 ** 在挨饿，会怎么办？）。标语中的“你”字特意用大写来突出。乞丐平时的收益每个小时从两块到十块不等，但换成新的标语后两个小时得到了六十美元的施舍。这个标语的效果是如此之好，以至于乞丐坚持要分给他十美元的收益。

而尊敬的读者，倘若有一天你浪迹天涯，但仍能应用本文的知识挥洒自如，那就是对笔者最大的慰籍了。

本文最初于 2018年5月31日发布于笔者的公众号。

最近看到斯坦福大学神经生物学专家，骆利群教授的文章 (中译文参见公众号“神经现实”）

“为何人类大脑如此高效？”

有感而发。(骆教授是科大少年班 81级校友，笔者的同系师兄，现为美国科学院院士. 英文原文来自于 “Think Tank: 40 neuroscientists explore the biological roots of human experience”一书, 原文标题 “The Brain Achieves Its Computational Power through a Massively Parallel Architecture – 大脑通过大规模并行架构实现其计算威力”, 编辑者 David Linden)

1/ 大部分人的工作方式是类似串联系统。学一个专业，有一个雇主，走一条路，或者同一个时间只能服务一个客户。

2/ 有许多客户的公司类似并联系统，有几千/几万/几百万甚至更多客户的公司/明星就是大规模并联。

3/ 串联者的体验，和大规模并联者是两个截然不同的世界。虽然孤立地观察，他们好像在做同一件事。

4/ 串联者关心的是，其串联路径上的某个连接会不会断掉，因此想方设法去维护与其连接节点的关系。遇到困难瓶颈时会不断内省，而不是思考在外部建立新的连接绕过去。

5/ 大规模并联者关心的是，如何在耗费同样能量的情况下，建立更多有机连接。因此，他第一关心的是连接节点的群体特征，而不去迎合单个节点的特殊需求。第二关心的是，如何在单位时间内同等能耗下，提升连接的效率。第三关心的是，外界环境涌现出什么新的东西，可以建立新的大规模连接。可以参见笔者的老文章：
王川：如何做一个超级连接者

6/ 串联系统的最大问题是，任何一个连接点上的误差，会在连接步骤中叠加放大。不管你在任何单一连接上做得多好。

7/ 智能大脑来自于神经元大规模并联的连接。“哺乳动物神经元平均有数以千计的输入和输出. 与之相比，单个晶体管总共只有三个输入和输出节点…单个神经元表达的信息可能是嘈杂的（精确度为1/100）。通过从100个带有同样信息的输入神经元中取均值，下游的神经元伙伴可以提取精确度更高的信息（约千分之一） ” — 摘自骆利群教授的 “The brain achieves its computational power through a massively parallel architecture” 原文

8/ 大规模并行的连接，因为其高并行度，导致下游的信息更加精准。这是其相对于串行计算系统的能耗低很多的重要原因之一。

9/ 同理，拥有大规模并联的连接者，可以获得来自外部世界的精度更高的信息，因而更加真实地理解认识客观世界。而不是像串联者那样，被少数样本的不具代表性的信息变本加厉地误导。这也是为什么高手看似举重若轻，新手疲于奔命却总不得其法的根本原因之一。

10/ 串联者是脆弱的，少数连接被切断会导致其整个世界的塌陷，因此其内心是常常焦虑的.

11/ 大规模并联者是反脆弱的，部分连接被切断，只会自然推动他把精力转移到在别处建立新的大规模连接。因此其内心是平静的，对未来是不断好奇和憧憬的.

12/ 大脑神经元放电频率最多每秒 1000次，对应计算速度每秒一千次。现在普通 PC 的计算速度可以超越每秒一千亿次 （ 十万 MIPS）。大脑能耗 （约十瓦） 也只有普通 PC 的十分之一。但除了一些明确定义的计算任务之外，大规模并行处理的人脑之抽象学习思维能力，是以串行计算架构为主的能耗高得多的电脑目前无法比拟的.

13/ 大脑之所以是大规模并联的架构，不是来自某个主观设计，而是因为其它的架构都在自然选择中因为能耗过大，精度太低，过于脆弱而被淘汰掉了。

14/ 神经元的大规模并行连接，自发涌现出大脑这样复杂的系统。同理，可以高效率建立大规模并联关系的社会，可能涌现出和大脑一样复杂的东西。

15/ 大规模并联，可以彻底弥补个体能力的短板。与其把个体的某个专项能力做到极致，不如把与外界的大规模并行连接做到极致。在同等能耗的情况下，超大规模的并行连接，可以高效实现一些在个体缺乏与外界连接时，完全无法想象的事情。

16/ 高效建立大规模并联的一个方法，就是坚持把自己的深度思考付诸文字，通过各种社交媒体传播出去。

王川：论写作的六大好处和一个坏处

17/ 数量就是质量，巨大的连接数量带来的是新维度上的完全不同的东西。

王川：论数量就是质量

18/ 财富，知识，力量，大脑的自我意识，本质上都是一个从外界高效吸取能量的，开放的，大规模并行网络。聚焦在培育开放网络的大规模有机增长，好的结果自然发生，没有上限。只关注局部几根线的连接或者某个静态的目标，而忽视网络的培育和建设，很容易被外界环境的波动所摧毁，或者被新涌现出来的发展方向所抛弃。

19/ 做一个大规模并联者，从今天开始。

本文最初于 2018年5月25日发布于笔者的公众号。

1/ 很多我们以为的非常困难的质量问题，本质是数量问题，因为数量不够，差好几个数量级。

2/ 数量就是最重要的质量。大部分质量问题，在微观上看，就是某个地方数量不够。

3/ 贫贱夫妻百事哀，主要是因为钱不够，而不是其它鸡毛蒜皮的小事。

4/ 很多商家搞市场开发，东西卖不动，实际上不是质量性能的问题，而是没有找到大规模匹配的市场。很多人觉得赚得不够多，是自己工作不勤奋，但实际问题是对外连接太少，无法发生大规模价值交换.

5/ 一般人觉得微博没啥用，那是因为粉丝数不够 （笔者体会大约两万是个临界点），自说自话时没人评论，无法产生有趣的信息交换；

6/ 很多人觉得投资太难，那是因为经历和吃亏太少，经过两三个牛熊周期，（低成本地）犯完一百个错误，很多问题就弄通了。

7/ 常有人哀叹世态炎凉，遇人不淑，本质上还是接触人太少了，因此没得选。

8/ 深度学习/人工智能的崛起来自于计算速度的几个数量级的提升，可以参见笔者的老文章

王川: 深度学习有多深? 学了究竟有几分 (三)

9/ 高科技正在各个领域把数量的增加变成一个软件算法的游戏，而其数量增加的速度远远超过其它传统行业。电话花了七十五年才普及到五千万用户，收音机花了三十八年，电视花了十三年，脸书花了两年，YouTube 十个月， PokemonGo 十九天。追踪数量增速最快的维度，在这个维度上寻求开拓新机会，是个重要的思路。可以参见笔者的老文章

王川投资第三法则: 增速为王

10/ 人们目前还无法理解大脑意识的机制，于是很多隔靴搔痒的玄学甚嚣尘上。

11/ 但实际上问题本质在于对于大脑和人体的模拟计算的能力，和实际情况的复杂度，还差几个数量级。大脑神经元数目接近一千亿，每个神经元对外连接数目超过一千，神经元之间连接突触 synapse 约一百万亿。 神经元之间连接的机制，通过所谓的神经递质 （neurotransmitter），这个递质又有至少几十种，用简单的数字逻辑抽象化还不够。大脑和耳朵，眼睛，鼻子，皮肤的信息输入等等有不同的接口，这个接口的很多参数又因每个人的身体特征变化而异。而且人脑对能量的需求只要十瓦，比超级计算机所需要的能耗 （兆瓦）要低五个数量级。

12/ 最大的误区是，明明是数量不够的问题，因为错误地以为瓶颈在于质量，幻想在不增加数量的前提下，用某种奇技淫巧，偷工减料达到目的。这时候玄学，迷信和各种无病呻吟就出现了。数量不够，底子不够厚时，很多事情是做不到的。即使有时看似有捷径，因为缺乏数量和后劲，欠的帐迟早是要还的。

13/ 另一方面，所有的问题和疑惑，在数量上去了之后，迟早可以解决。假设目前最复杂的超级计算机可以模拟一千亿个神经元的连接，假设计算能力每五年增加一个数量级 （实际情况可能更快，通过各种方法加大计算的并行度，也许三到四年），那么到一百万亿最晚需要到 2033 年； 假设模拟不同的 neurotransmitter 需要再增加两个数量级的算力，那就到 2043 年 ； 假设模拟不同器官从外界环境的输入信息，需要再增加两个数量级的算力，那么最晚到 2053 年，超级计算机应当有能力全面模拟人脑自我意识的计算。

14/ 这个应当是最保守的估计，有可能在这下面 35 年内，出现别的方面的进展，可以提前实现目标，并且达到超越这个目标后，可以做更多有趣而现在无法想象的事情。

15/ 数量就是质量，更多导致不同。全面发展各个维度上的数量，重点追随数量增速最快的维度，超乎想象的好结果会自然发生。