chuan

本文最初于 2016年10月15号发布于笔者的公众号。

---

 (1)

第一次出海打渔的人，可能都会有这样的感受：渔船从港湾驶出后，一开始随着海浪轻微起伏，有一种颇为愉悦的失重的快感.

但好景不长，进入深海后，随着波浪起伏的幅度逐渐增大，晕船的感觉慢慢来临，直到突破一个临界点，就开始一发不可收拾的呕吐.

这一刻，我把它叫做 “我靠时刻”. 英文俗称 WTF Moment.

(2)

海明威在小说 “太阳照常升起”里曾有这样一段对话:

甲：你是怎么破产的？

乙：两个方式。先是渐进的，然后是突然的。 (Two ways, gradually, and then suddenly)

“先渐进，后突然”，这里戏称为“海明威运动定律”.

有的人的反应是，“这不就是量变到质变吗？”.

实际情况比这个更微妙.

技术革命带来的产业巨变，对于大多数旁观者而言，是突然的。但在这突然的背后，是几年，甚至十几年的渐进的演变.

普通旁观者，开始对渐进的演变往往不在意，由于很长时间外表上看不出很明显的改变，慢慢的对各种“狼来了”的叫声变得迟钝和淡漠.

业内人士，感受到了新技术的威胁，但其应对方式多为 ”头痛医头，脚痛医脚, 得过且过“ 的表面功夫。他们没有真正理解，应付挑战，需要的是灵魂深处的自我革新，需要的是摒弃既得利益，立即止损, 拥抱新的技术框架的勇气.

当影响产业格局的几个关键参数越过了临界点，变革是极其迅速的，影响是极其深远惨烈的，大多数人完全措手不及。变革结束之后，产业又进入一个长时间的新的平衡，但上次变革中牺牲的老人们，已经没有能力把这段历史教训，传递给习惯于产业的新常态的傲娇的年轻一代了.

(3)

先看看”海明威运动定律“在最近的几个例子.

美国十年前的次贷危机，实际上在2003-2005年就埋下了种子。 在加州，内华达，亚利桑那的被热炒的投资房在2005年秋季价格就已见顶，但危机引爆市场的真正崩溃，要到2008年九月，雷曼兄弟破产之时。

下图为美国报业广告收入的历史变化. 万维网在1993年的出现, 已经为传统报业的覆灭打下基础, 但真正报业的广告收入的彻底崩溃, 到 2005-2006年才开始。

图片

下图为黑莓手机的单季度销售额的走势图, 苹果 iphone 手机2007年初推出, 但黑莓手机销量的突然崩溃要到2011年才开始.

图片

本着“没有时间表和路线图的讨论就是耍流氓”的精神，笔者下面将要陆续推出多篇“我靠时刻”的系列文章，有关未来的技术发展趋势，敬请关注

 

本文最初于 2016年10月21日发布于笔者的公众号。

---

本文是   王川: 从海明威运动定律，看技术革命的”我靠”时刻 (一） 的续篇。

(1)

笔者一年前曾经写过一篇老文章:    王川: 为什么传统汽车厂商大多很快会倒闭？

这里再简单解释一下电车对汽车的一个根本优势. 电动感应马达一通电，马上就可以产生扭矩和推力, 而且无需换挡。汽车的引擎打着火以后，需要从低档一步步换到高档，逐渐提高转速才能提高扭矩和推力。这就是为什么电车加速普遍比汽车快的根本原因。这也是为什么开过电车的人，几乎都不愿意再回去开汽车.

特斯拉最高配置 P100D 从 0 到60英里只需要 2.5 秒，这个速度已经超过所有现在生产的汽油车，包括许多价格超过百万美元的跑车.

买车的顾客，就好像一个原始部落的育龄女青年，要在一个一点就着的壮汉，和一个需要几分钟预热的病秧子之间选择配偶，答案是毫无悬念的.

(2)

特斯拉的 Model S 2015年，已经在美国大型豪华轿车的市场份额中占到 25%. 同期其它车型的销量普遍比 2014年下降 10%以上.

2016年头九个月，其它大型豪华车的销量又比2015年同期总体下降了 12%，而特斯拉的 Model S销量比去年同期增加 24%，其市场份额已经超过 30%.

换个角度说, 今年头九个月 Model S 在美国的销量 （约 21250） 已经和奔驰 S系列加上宝马七系列的总和 （22650 ）差不多了. 而前者还在增长，后者还在萎缩.

这还是在美国二十多个州限制特斯拉直接销售电车，部分州如密西根甚至禁止特斯拉设立修理中心的情况下。如上图，红颜色的州不允许特斯拉设置直销店。

(3)

价格在三万到七万美元之间的美国中小型豪华轿车市场，2016年头九个月销量六十万四千辆 （折合每月六万七千辆），比去年同期下降 8%。 销量最高的几个车型是宝马三系列，奔驰 C-class, E-class, 雷克萨斯 ES.

这是豪华轿车的重头市场.

让我们先看看几大豪华轿车厂商的数字:

宝马，2015年全球销量约二百二十万，美国销量三十四万 (约 60%是中小型豪华车), 税前利润率约12%.

奔驰，全球销量一百八十七万，美国销量三十四万 (约一半是中小型豪华车)，税前利润率近 8%.

隶属丰田的雷克萨斯，全球销量六十八万，美国销量三十四万.

当底价为三万五千美元的 Model 3 开始量产时，将毫无悬念地对美国中小型豪华轿车市场直接冲击, 就像 Model S 对大型豪华轿车市场的冲击一样.

Model 3 目前已经拥有支付了一千美元定金的三十七万用户。特斯拉预计要从 2017年下半年开始，到2018年中才能完成这些订单的生产.

反对者常常引用 Model X 生产推迟的例子来断定 Model 3 也会推迟。但是他们忘了： 1. Model 3 的零部件数目只有 Model X 的一半， 而且没有复杂的鹰翼门。 2.特斯拉的管理层犯了错会吸取教训。 3. 供应链上的承包商，面对近四十万个已交定金的订单，肯定会努力和乖得多.

Model 3 2018年的年产目标是五十万, 产能每月逐渐上升。可以预见，2018年下半年的某个时刻，Model 3 的月产量将突破四万.

根据以前的经验，新生产的 Model 3 开始70%以上主要投放美国市场，当其月产量突破四万时，大约每月会有三万辆 Model 3 冲击目前月销售六万七千辆的美国中小型豪华市场.

这将是一个零和游戏。现有豪华汽车巨头将被迫让出 40% 多的市场，对于奔驰宝马，这意味着突然各自减少等价于一年八到十万辆的销售额，占其全球销售额的 4-5%.

面对这样的冲击，如果不想坐以待毙拱手让出市场，在自己的新款电车还没出来之前，降价至少 5-10%促销几乎是必然的选择.

如果你看过我的老文章，

王川: 关于特斯拉的十三个 FUD (恐惧,不确定和疑虑) 的反驳 (中)

奔驰和宝马的纯电车最早也要到2019年才出来，价格，性能和产能都还非常模糊. 至于隶属丰田的雷克萨斯，还在氢燃料车的路上摸索，祝他好运.

(4)

当你的税前利润率只有 8-12%，当2018年你的车辆销售数量突然开始下降 4-5%, 当你还要被迫降价 5%以上来去库存，同时为了转型上你还需要加大研发生产的投入，传统豪华汽车巨头可能突然出现利润急剧下滑，甚至亏损的现象.

而豪华汽车降价，势必在新车和二手车市场冲击其它中低端轿车的价格，形成强大的雪崩式的连锁反应.

大戏刚刚开始, 所有不利因素对于汽车公司而言，只会越来越糟.

这，就是汽车工业的我靠时刻.

汽车行业的巨头，没有一刻喘息的时间，下面更沉重的一击, 是全自动驾驶技术的部署实施.

 (5)

2016 年十月十九号，特斯拉宣布，新生产的Model S, X和未来的 Model 3, 将会装备可以实现全自动驾驶的硬件。除了放在网上的演示录像以外，特斯拉还宣布要在 2017年底演示从洛杉矶到纽约的全程自动驾驶（手不需要接触方向盘）.

这个新闻发布有两个很重要的东西.

第一，全自动驾驶的硬件现在已经齐了，以后只需要通过软件升级赋予新的功能. 而不具备全自动驾驶硬件的车, 以后很快就大幅贬值.

第二，一旦监管者放行全自动驾驶，车主可以通过特斯拉的网络出租车来挣钱.

假如你购买一辆全自动驾驶车，单价六万美元，月供六百美元。如果你利用上班时间或者晚上在家里的时间，放自驾车出去运营挣钱，假如一小时挣五美元，一天四个小时，一个月的出租运营收入就可以抵消你的汽车贷款的月供,你的净成本就为零了！ (实际情况要复杂一些。如果过多无人车涌入出租市场，供过于求，可能出现局部路线在特定时段价格极低，接近于零的情况.)

自动驾驶将改变买车的经济模式，甚至价格超过十万美元的 Model X, 都可能因为可以自行出租挣钱，使其整体持有费用极低，而无自驾功能的汽车出现瞬间大幅贬值也没人要的尴尬状况.

自驾车商业运营的推出，是一个渐进的过程。当厂商展示足够多的数据证实自驾技术在统计上的安全性后，监管者可能会一步步放行. 在美国, 一个可能的时间表是:

一，2018年允许高速公路上手离开方向盘的全自动驾驶.

二，2019年允许美国局部区域的全自动驾驶. 局部地区的商业运营可以开始了.

三，2020年后允许美国绝大部分区域的全自动驾驶.

四，在特别复杂的路段，甚至可能修改交通规则，来强行推进自动驾驶，以降低运输物流成本.

如果知道全自驾功能要在2019年可以局部放行，这对消费者购买决策的影响在2018年就会表现出来.

(6)

在这个阿猫阿狗都可以用GPU 做深度学习培训，车上装几个照相机，上高速做自动驾驶的简单演示的时代，要判断汽车巨头在真正的全自动驾驶的商用上的进展，最重要的问题是:

你有多少自驾车在路上测试？

谷歌和克莱斯勒合作，优步和福特/沃尔沃合作, 在美国各自有两三百辆车在路上测试. 大多数其它竞争者和他们还差得很远.

但和已经有十万辆车在路上, 目前月产八千拥有全自动驾驶硬件的新车，自己研发芯片算法，完全垂直整合的特斯拉相比，谷歌优步又是小巫见大巫了.

这里还一个不为大多数人注意的细节: 自动驾驶车，需要通过电脑指令控制，这对车上的电子线控系统 (drive-by-wire) 有一定要求。电车在这方面有先天优势，这也是为什么你会看到许多公司做无人驾驶研发时，大多以电车或油电混合车为测试车.

许多汽车在电子线控系统方面有先天缺陷，在往自动驾驶的转型过程中将被迅速淘汰.

(7)

自动驾驶的技术实施不会是一帆风顺，肯定还会继续有稀奇古怪的车祸，还会有人员伤亡，甚至黑客攻击造成人们对安全的恐慌。

但如果你看过我的这篇老文章，

王川: 从美国的汽车安全管理历史看自动驾驶的未来

以史为鉴，这一切都将过去。科技进步的洪流，无人可挡.

传统汽车行业， 当2018年的我靠时刻来临，将无处躲藏.

有诗为证：”白刃交兮宝刀折，两军蹙兮生死决。降矣哉？终生夷狄。战矣哉？骨暴沙砾“.

至于电车？也许那时该讨论的是，以自驾车为移动平台上的商业新模式了. 可以参考我的这篇老文章

王川: 论”自动车就是房地产”

本文最初于 2018年4月4号发布于笔者的公众号。

---

笔者作为特斯拉的小股东，曾发表过关于特斯拉的一系列的文章。

王川: 为什么特斯拉可以预防忧郁症

王川: 2018, 汽车工业的我靠时刻 (二)

王川: 特斯拉推出能量包，躺枪的却是核电站?

但是我也经常逆向思考特斯拉可能破产的各种原因。每每看到主流媒体各种利空消息，往往茶饭不思，夜不能寐，辗转反侧而怆然泪下。现根据多年研究经验，总结出各种特斯拉可能破产的原因，罗列如下，供大家参考。投资有风险，入市须谨慎！

1/ Model 3 产能上不去，可能导致破产

2/ Model 3 产能上的太快，要花很多钱去扩充产能，也可能导致破产.

3/ Model S/X 均价接近十万美元，太贵了没人买，可能导致破产。

4/ Model 3 最低价只有三万五千美元，太便宜了，无法盈利，也可能导致破产。

5/ 汽车公司根本不屑于造电车，那个东西无法盈利，所以特斯拉会破产

6/ 汽车公司醒悟过来了，现在都过来造电车，个个都是特斯拉杀手，所以特斯拉还是会破产。

7/ 通用的新电车 Bolt 2017年初就上市，一个月销量两千，(Model 3 现在每周产量两千）， 所以特斯拉会破产.

8/ Porsche 保时捷预计2019年上市的 Mission E, 性能会远超 2012年出厂的 Model S, 所以特斯拉会破产

9/ 宝马宣布要停止生产汽电混合车 i3, i8, 改做纯电车，所以特斯拉会破产

10/ 所有这些公司，扩大产能都不需要投巨资建造 Gigafactory 来提供量产的电池，所以特斯拉会破产.

11/ 大众奔驰等公司，宣布要斥巨资开始建造超级电池工厂 （Gigafactory），开始做 2014年特斯拉就已经做的事，所以特斯拉会破产.

12/ 汽车公司，不需要花钱去安装超级充电站，所以特斯拉会破产.

13/ 某公司，号称其未来的新的超级充电技术，会比特斯拉快很多，所以特斯拉会破产。

14/ 特斯拉大卡车 (Semi) 的性能是吹牛，其他汽车公司从不吹牛，所以特斯拉会破产。

15/ Roadster 新跑车的性能是吹牛，法拉利兰博基尼要比 Roadster 贵很多，所以特斯拉会破产。

16/ 奔驰，宝马，大众，丰田干不了这个活，所以特斯拉肯定也干不了，会破产。

17.1/ 马斯克家庭关系不和睦，刚刚离婚了，所以特斯拉会破产。

17.2/ 马斯克又结婚了！去泡二十出头的嫩模，所以会破产。

17.3/ 马斯克又离婚了！。。所以会破产。

17.4/ 马斯克对 Rolling Stone 记者抱怨说现在孑然一身，每晚独守空床，看来处于性苦闷状态，内分泌失调，迟早会变态，然后破产。

18/ 三月二十三号有司机使用 Autopilot 时出车祸而去世，所以特斯拉肯定会破产。 通用汽车点火开关的故障累计死亡一百二十四人，丰田突然加速的事故累计死亡八十九人，但他们不会破产。

19/ 特斯拉一直没有盈利，现金流是负的，所以迟早会破产。

就像所有需要风险投资支持的公司一样，就像 Paypal, Youtube, Uber, 滴滴，摩拜，点评，美团这些没有盈利的公司一样。

至于像雷曼兄弟，安然，MCI/Worldcom，通用汽车，克莱斯勒，太平洋电气等公司，破产之前现金流和帐都做得不错，属于特例，下不为例。

20/ 不管你如何转身，你的屁股总是会对着一些人，他们看你不爽，所以你终究还是会破产。

本文最初于 2018年 7月23日发布于笔者的公众号。截止到2021年十月九号，闪电网络锁定 btc 数目已经突破三千，是2018年七月的三十倍。

---

1/ 许多时候纯粹争论底层技术的优劣，很难得出有效的结论，因为不同的观察者，带着各自的偏见，总是可以找到对自己有利的逻辑，并且可以找到对别人不利的逻辑予以攻击。

2/ 就像 2009年的时候，人们对于比特币的未来预测，可以吵得脸红脖子粗，几天几夜，正方和反方谁也说服不了谁。

3/ 大部分技术，实践操作效果比理论差很多。比特币，是比较少数的技术，实践操作比理论预测要好很多。

4/ 一个简单的判定方法，是对不同技术路线的发展，给出一个预测，需要用一个可以客观测量的公开的标准。隔一阵子再回头来看看。如果实际情况和预测不同，就要修正自己的理论模型。但人通常本能的反应，是拒绝根据客观事实调整观点，而是悄悄的找到新的借口，坚持自己错误的观点。

5/ 就像看空特斯拉的人，开始说 model x 造不出来，造出来又说质量太差，质量稳定后又说 model x 产量不会突破一年五万，突破五万后又说 model 3 2017 年造不出来， 造出来又说 model 3产能无法达到每周五千，突破五千后又说公司无法盈利，估计公司盈利后还会有新的借口看空。人类自圆其说，坚持错误观点的能力，是无止境的。可以参见笔者的老文章

王川：论特斯拉可能破产的二十个原因

6/ 闪电网络，作为比特币支付的二层扩展性解决方案，最早是 2015年底由 Joseph Poon 提出。目前有三个不同的团队写的软件可以支持， 分别是 lnd, c-lightning, eclair.

7/ 前山东督办，民国著名诗人张宗昌老师九十多年前早有诗作《天上闪电》为证：

“ 忽见天上一火链，好像玉皇要抽烟。
如果玉皇不抽烟，为何又是一火链。”

8/ 闪电网络在 2018年三月开始上主网测试。 网络上锁定的 btc 三月底超过 10 个，六月底只有三十多个，过去三周突然产生飞跃，七月二十一日首次突破一百个。目前发此贴时锁定 btc 已经超过 106 个。 市值约八十万美元。

9/ 对于闪电网络不看好的人，也可以举出几十条理由，说这个东西不 work.

10/ 那我们可以设定一个客观标准。预测一下到2018年底闪电网络里锁定的 btc 可以到多少？ 如果这个数字接近或者超过 1000 个 btc （大约每天增长1.9%）, 那么按照目前市值，意味着锁定的 btc 将达到七百万美元。 这个数字就相当于比特币现金，莱特币，和狗狗币每个小时的支付金额的市值，而远远超过达世币每小时的支付量。

11/ 如果这个数字在 2019年七月可以超过一万个 btc 锁定金额达七千五百万美元，而且没有出现严重不可修复的安全漏洞，那么闪电网络相当于其它解决方案的优势基本就大局已定了。我们那时可以说，它的安全级别是七千五百万美元量级的。

12/ 而超过一万之后，一定不会止步于此，突破十万甚至百万也就是时间问题。可以参见笔者的老文章

王川：论指数增长的反直觉性

13/ 在没有涌现到这个数字之前，从技术角度的因果逻辑做预测判断优劣还为时过早，不宜浪费太多时间在上面争论。可以参见笔者的老文章

王川：论投资和涌现 （一）

本文最初于 2018年1月13日发布于笔者的公众号。

---

本文是   王川: 关于区块链的随想 (三）  的续篇.

1/ 一个典型的比特币支付交易的字符串，分为三个部分：
开头和结尾： 10 个字节
输入地址： 148 个字节左右 （ 每个有余额的地址也称作 UTXO )
输出地址： 34 个字节左右 （通常付完钱后余额会转到新的地址，所以一笔交易会有两个输出地址）
普通交易的字符串大小为 10 + 148 + 34×2 = 226 个字节

2/ 通过交易所转币，由于支付来源可能出自多个 UXTO, 每个 UTXO 增加 148 个字节, 如果输入的 UTXO 地址超过六个，单笔交易的大小很容易超过 1000 个字节，而高峰期下一个块 （十分钟内）马上确认的费用可能超过 800 聪/字节，所以整体费用可能接近 0.01 btc, 超过一百美元。这是为什么少数用户的支付费用奇高的原因。

3/ 一个普通的转账交易，226 个字节，最堵的高峰期立刻确认的费用 800-1000 聪/字节，总共费用可能到 0.002 个 btc, 大约 30 美元。

4/ 使用私人钱包支付，如果可以选择等四个小时确认， 高峰期时单位费用可以降到 400 聪/字节以下，整体费用不到 0.001 btc, 不到十五美元。

5/ 交易所的 UTXO 的分散混乱管理，是导致单笔交易的字节过大, 费用过高的主要原因之一。

6/ 网络不堵情况下，下一个块确认的支付费用大约 200-300 聪/字节。 而在全球投机客炒作的高峰期，比特币在各个交易所之间转币数目突然上升，接近系统处理极限，迅速推高单位字节立刻确认的传输费用到 800 聪/字节以上，这是主要原因之二。

7/ 降低交易费用的最重要手段，是批量处理。这相当于大家一起拼车，增加一个乘客，相当于增加一个输出地址，交易的字符串只增加 34 个字节，对整个大小影响甚微，但是大家可以分摊费用。如果有五个人一起拼车，下一个块迅速确认的费用很容易降到原来的五分之一。

8/ 这对于交易所，是最容易做到的事 (low hanging fruit)。一旦普及，大交易所因为转账数目多，有更多人分摊，在降低费用上有天然优势，可能形成用户越多费用越便宜，越便宜就吸引更多用户的良性循环， 甚至最终费用远低于私人钱包转账的现象。

9/ segwit （隔离见证）把交易中的包含数字签名和公钥的那部分字符串，从整个交易中剥离出来。这部分隔离出来的字符串，计算到交易费用时有折扣，可以把整体交易费用至少下降三分之一。但这个功能的推广和对于降低整个网络的交易费用的影响，需要时间。

10/ 可以期待，好的交易所，有可能把高峰期的 btc 转账费用下降到 5 mBTC 以下甚至更低。但在闪电网络推广之前，btc 转账费用降低到一美元以下的期许，是不太现实的.

本文最初于 2017年 9月20号发布于笔者的公众号。

---

本文是   王川: 关于区块链的随想（一）     和    王川: 关于区块链的随想 (二）      的续篇.

1/ 面对新生事物，人们很自然的喜欢用传统概念的类比来理解.

2/ 很多人只是把比特币看成和传统货币对标的数字货币，就好像把汽车看成前面”没有马的马车“， 这是极大的误解.

3/ 比特币是一个可以编程的货币， 是一个软件平台。曾经对 Bitcoin core 代码开发的做贡献的人数超过三百.

4/ 普通比特币使用者大脑里的抽象概念是钱包， 密码，地址，发钱，收钱。但底层代码的结构，是采用所谓 UTXO (Unspent Transaction Output) 的架构。比特币的 script 语言可以开发出很多复杂的功能.

5/ 比特币代码从 2011 年至今，有一百多份公开的 Bitcoin Improvement Proposal （比特币改进建议）.

6/ 比较大的改进有 Multiple signature transaction, Pay-to-script-hash, Hierarchical Deterministic Wallet, Timelock 等等.

7/ 比特币的区块链上，价值超过一百美元的地址数目，到 2017年九月，有大约三百一十万个。假设 20%的用户拥有 80%的地址，80%的用户拥有剩下 20%的地址，这就对应七十八万个人。考虑到很多用户的比特币放在交易所里而没有自己独立的地址，持币值超过一百美元的个人可能接近两百万.

8/ 可以对比的是，微软的视窗软件 （零售价99美元），从 1985到1990年初，五年内累计销量不到两百万份.

9/ 比特币的理解和钱包的使用，即使现在，对于很多人来说也是畏途。反对者通常的抱怨是币值波动太大，确认时间要十分钟甚至更长，支付费用最高有时会超过五美元因此无法用于买咖啡.

10/ 视窗软件，当年使用界面简陋不堪，常常宕机蓝屏.

11/ 苹果电脑因为远比 IBM PC 价格贵，八十年代的市场份额从来没有超过 15%。微软作为 PC 上的操作系统，被乔布斯怒斥为没有品味，window 95 还不如苹果 1989年的产品方便好用.

12/ 但这不重要。 视窗的巨大用户群，与各种第三方应用的兼容性，形成良性循环，确保其长期一家独大. 操作系统的市场，苹果输了。

13/ 世界很多国家，几十亿人，没有银行账户。全球跨境现金汇款平均费用接近 10% （转账加外汇兑换费用），而且往往要四到五个工作日才可以到账。西联汇款 (Western Union) 2016全年营收高达五十四亿美元.

14/ 即使在美国，国内电汇发送方费用要 20-25 美元，几个小时后才可以确认。国际电汇常常有 2-3天的迟滞。更不用说周末不开门.

15/ 与之相比，比特币支付10分钟左右可以得到第一个确认，两个小时内彻底确认，目前平均转账费用低于四美元， 24小时365天营业。

16/ 数字货币领域，需要关注的是谁可以兼容更多的用户，和更多的应用场景。用户多了，会发现一些以前想不到的应用 ； 而这些应用，又推动更多的用户加入.

17/ 没有电脑和软件之前，科学家协作进行复杂工程计算时，是这个样子 （照片来自1961年 NASA)

图片

18/ iphone 出来之后，blackberry 的厂商说，”我们的手机也有软件啊，很多很复杂的软件啊”.

19/ 特斯拉 Model 3 是一个纯软件驱动控制的移动平台. 宝马奔驰会辩解说: “我们也有很多软件和按钮啊”.

图片

图片

20/ 他们真的就是不明白。软件正在吞噬世界. (点击下面连接可以看我的老文章)

王川： 为什么软件正在吞噬世界 （一）

21/ 数字货币实际上是货币软件平台。软件平台的威力，来自于低迟滞，不同模块之间的实时协作沟通，可以供开发者使用的大量工具，和广大第三方应用的高度兼容性，还有巨大的用户群.

22/ 这样一个软件平台不仅可以高效完成现在的工作，而且可以做以前无法想象的事.

23/ 反对者会列出数字货币的种种不是，包括被犯罪分子利用。数字货币的每笔交易，虽然匿名，但在区块链上都是清清楚楚，无法抹去，公开可以查询的信息。

24/ 汽车出现之初，因为噪音大，速度慢，车祸，常常熄火，缺少加油站，缺乏泊油马路等等而长期被鄙视憎恶。等到路修多了，加油站多了，车的质量提高了，交通规则推广了，马车早就被淘汰了。因为某个技术的现在的缺点局限，断定它没有前途，就像因为害怕触电的危险，而拒绝用电继续烧煤油灯一样。

25/ 区块链的精髓是，创新不需要批准和计划。所谓 Permissionless Innovation。 在开放的系统上，唯才是举，论功行赏. 长期看，开放兼容廉价的系统,最终将把封闭昂贵不兼容的系统边缘化。

26/ 2000年时曾经市值过千亿美元的 Sun Microsystem, 拥有自己的 Sparc 处理器和 Solaris UNIX 操作系统，九十年代一直是硅谷工程师的主流开发平台。但它最终被基于开放的 x86 处理器的来自芬兰程序员的开源软件 Linux 所淘汰。2017年九月二号，最后一批 Solaris 开发团队成员，全部被解雇。 今天所有安卓机的软件都是基于 Linux 内核开发出来的。

27/ 全球 ICO 融资总额到今年七月为止，已经突破十三亿美元。融资规模从五月份开始，已经超过互联网行业早期天使和 VC 的融资。

28/ 传统金融公司试图在内部经营的自上而下的，半封闭式的，半中心化的区块链项目，真的有信心面对一个开放环境中涌现出来的软件系统的挑战吗？

29/ 十年前的人们预测未来时，他们可能会预测到人工智能和移动互联网的发展, 但是他们有预测到一个匿名程序员起头搞的开放的加密货币系统，没有总部办公室，历经多国监管机构反复打压，八年后市值超过六百亿美元，全球拥有超过千万的个人用户，每天支持三十万笔支付交易吗？他们有预测到比特币催生了以太坊，而创立不到四年的以太坊催生了 ICO现象吗?

30/ 如果你十年前对任何人描述这个未来，大家会不会把你当成电影 ‘大腕’结尾的那个精神病人?

31/ 如果以前没有预测到，那就必须接受一个可能性，那就是未来数字货币的生态系统内，还将继续涌现出目前多数人无法想象，甚至现在觉得十分荒谬不可行的应用.

32/ 著名软件工程师 Alan Kay 曾说： “看问题的角度，至少价值八十个智商点数”. 软件设计如是，投资如是，人生如是.

本文最初于 2017年9月1日发布于笔者的公众号。

---

本文是  王川: 关于区块链的随想 （一）  的续篇.

1/ 数字货币的潘多拉盒子已经打开，再也回不去了.

2/ 创业者如果在 ICO 市场可以用更优惠的条件募集资金，没有任何道理再求爹爹告奶奶的去和 VC 一个个低效率的交谈磋商。凡是可以 ICO 的，肯定会去 ICO. 无法 ICO 的，才去找天使和 VC.

3/ 和所有创投项目一样，大部分 ICO 项目的结局可能是破产。但是监管者的影响可能有限，因为 ICO 募集资金的对象可以跨越国界.

4/ 监管的冲动，和行政权力的滥用，在世界这个复杂系统里，常常会有反效果。塞浦路斯政府黑掉储户的存款，莫迪废掉印度的大额现钞，委内瑞拉的恶性通胀，每次这类事件的发生，都把大量新用户推向比特币.

5/ VC 如果找不到好项目，可能被倒逼着涌向 ICO 的项目. 关于美国 VC 的窘境，可以参见我的老文章

 王川: 外表丰满, 内在骨感的美国风险资本业

6/ 数字货币带来的流动性，也会慢慢吸引更多对冲基金经理涌入。当比特币过去一年涨了七倍，以太坊一年涨了 32 倍，而很多宏观对冲基金今年还亏钱的话，客户会用脚投票.

7/ 两国开战，如果很难判断谁是胜者，那么提前布局军火商的投资，应当是风险最小的了.

8/ 拥往加州和阿拉斯加的淘金者大部分破产了。但卖铲子的, 卖牛仔裤的和搞服务业的，赚钱了。特朗普的爷爷，1899 年三十岁时跑到阿拉斯加去开妓院，打的广告是 “private box for ladies and parties”，只花了两年，就赚了等价于 2014年五十万欧元的利润.

9/ 长期看，一直长期持有加州核心地带房地产的人也发了，尽管每次买的时候，总是觉得房子贵.

10/ 与其猜测哪个 ICO 项目 （淘金者)有潜力成功，不如分析，在这种趋势下，未来什么资产是最大的受益者, 什么资产是最大的受害者.

11/ 互联网和浏览器在 95年开始风行时，新闻行业没有觉得对他们有什么威胁。但真正的威胁来自于1996年 Craig’s List 成立，报业的本地分类广告收入先慢慢流失。

12/ 纸媒开始拥抱互联网，开始把内容迁移到网站上，但成效有限。而互联网公司则一路迅速成长。AOL 曾经差点两亿美元就把自己卖掉，到了2000年却以一千六百五十亿的价格收购媒体巨头 Time Warner.

13/ 等到谷歌做大后，2004年以纽约时报为代表的纸媒行业，股票全面崩溃.

14/ 脸书出来后，可以更精准更高效的广告投放，传统纸媒基本奄奄一息无力竞争了.

15/ 大量传统媒体人被解雇，屌丝化，这也间接造成互联网上大量假新闻 （Fake News) 的出现.

16/ ICO 之于天使/VC, 可能就好比 Craig’s List 之于传统纸媒. 当风险投资行业还在沾沾自喜在年会上比较不同 VC 五年的项目退出比例的时候, 部分参与 ICO 的投资者可以说: “我们第二天就退出了”.

17/ 传统银行证券金融行业，也在试图拥抱区块链的技术，但当那些野蛮人，那些区块链世界未来的 AOL, 谷歌， 脸书降临时，传统公司真的有能力在新的游戏规则下生存吗？

（未完待续)

本文最初于2017年8月25日发布于笔者的公众号。

---

1/ 现在区块链和 ICO 的狂热，堪比95-96 年互联网的第一波热潮。

2/ 97 年之前上市的互联网公司，除了 Netscape, Yahoo， 绝大多数公司六七年后的终局是：破产或者等价于破产（价格缩水90%以上）.

3/ Netscape 1995年八月上市当天的收盘市值是二十九亿美元，后来1998年十一月被 America Online 以四十二亿美元收购，三年多回报 44%。Yahoo 1996 年上市时 33 美元， 2000年最高时 475 美元 （等价于市值一千两百亿美元）。人们只是被这些上了头条的新闻所鼓舞.

4/ 但破产或者等价于破产的例子是绝大多数。同期上市的如 Excite, Infoseek, Lycos 要么破产，要么被低价收购.

5/ 具有讽刺意义的是，真正赚大钱的是收购大量域名的公司。有域名大亨囤积数十万个域名，2004年时以接近两亿美元的价格出售。可以参见我的老文章.
王川: 域名大亨叶云的传奇 — 为什么投资不只是买股票

6/ 还有硅谷核心地区的房地产，2000年比 1994年底相比，价格普遍翻了一番还多。少数工程师意外的靠买房的收益，补偿了股票期权破灭的损失.

7/ 单个技术或者应用的初创公司能否成功，最初很难预测。这个在区块链和 ICO 上，也同样适用.

8/ 大多数人根本不理解区块链的技术基础，不知道加密算法的不对称性，不知道 merkle tree, 不知道 Proof-of-work (工作量证明），没有看过中本聪的白皮书，很难真正理解区块链的概念，因为这是一个全新的，没有先例可以类比的商业模型。即使是有计算机背景的人，要全面深入理解所有的概念，也要花几个月的时间. 而且每天都有新的发展，要想掌握，没有捷径。

9/ 因为不理解，所以最初给这个东西贴上一个标签 “傻B，骗子”等等是一个很自然的事.

10/ 即使因为好奇而参与购买比特币者，很多要么就是卖得太早，要么就是丢失掉 Private Key 或者钱包被盗，要么就是每次价格下跌50%以上时被迫割肉, 要么就是比特币存在 Mt Gox 拿不回来了。真正长期大量持币坚守到现在的寥寥无几.

11/ 人们对于一个事物可以有多个角度的观察和解读。对于你没有用，并不意味着对于别人没有用。男人觉得一个破包包要几千甚至上万美元毫无道理，女人觉得男人着迷于看足球赛不可理喻，但这对于相应的群体都是客观存在。能够全面理解不同群体在同一时间对同一件事物的不同角度甚至截然相反的解读，非常重要.

12/ 第三世界还有几十亿居民，没有可靠，方便，便宜的金融服务，拉美非洲很多国家常年恶性通货膨胀。一个保值的，加密的，方便的数字货币给了他们新的选择，尽管现在使用界面还很初级，还有各种软件安全问题。这些是很多发达国家居民可能无法理解的.

13/ 这是一个比烂的世界，一个产品即使有各种缺点不足，只要竞争者比他更烂，他就可以脱颖而出。但人们身在其中，往往因为自己的各种缺点看得很清楚，灯下黑，没有横向比较，从而可能过于悲观，得出错误的结论.

14/ 内部网 intranet 在 1996 年很火，一度是投资者追逐的热点，很多大公司把它视为加入互联网转型的捷径。但这类努力大多不了了之。一个系统的活力来自开放的环境，开放环境涌现出来的第三方开发者，要比官僚机构主导的系统高几个数量级.

15/ 大公司或者政府机构主导的区块链开发，必须要保持去中心化的，开放的，吸引大量第三方开发者，建立丰富生态的特性。否则无非就是一个大数据库而已。参与者如果没有足够的，来自系统内在的物质激励，赚不了大钱，最终做鸟兽散.

16/ 大公司和政府的区块链开发，遏制不住的冲动是要中心化，全面掌控，这样做短期看的优点是效率可能非常高。但是缺点是，中心的存在，本质上是和多样化，创新性，鲁棒性是背道而驰的.

17/ 所有的技术开发的选择都有优缺点，trade-off. 根据局部片面的技术优缺点，来断定谁最终会胜出，是幼稚的和危险的。最终的区块链上的赢家，将是生态系统最丰富的，开发者，软件应用，和终端用户数量最多的。而这个赢家很可能技术上平庸，甚至常常因为一些缺点，被许多用户痛骂.

18/ 区块链的最大革命，是通过 Proof-of-work 算法，而不是某个中心机构，实现商业交易的信任。 因为造假和攻击系统的成本远远高于可能的收益。 这在比特币过去五六年的实践中证明可行.

19/ 不再需要通过第三方机构查阅信用分数，不再需要通过中介机构仲裁信任，这将极大降低商业交易成本，更多个体可以迅速融入全球经济。我们现在看到的应用，还只是冰山一角.

20/ 这个领域是如此之新，涉及的知识面要求是如此之广，没有谁是真正的权威。投资的成功，将来自全方位的观察，不断的学习研究。能够看到大多数人看不到，理解不了的东西.

21/ 巴菲特说过，如果你不准备持有一份资产十年以上，那么你根本不应该 （为了炒作获利） 持有它十分钟。这个逻辑对于区块链行业和 ICO 的投资，仍然有重要意义。不花很多时间深入研究，想要一夜暴富者，最后往往两手空空，白忙一场.    (未完待续)

原创 硅谷王川 investguru 2017-05-07

---

本文是  王川: 论兰切斯特方程在商业竞争中的应用 (三)

和   王川: 从兰切斯特方程, 看强者益强和如何以弱胜强 (二)

的续篇.

(1)

物理学中的基本粒子分两类：费米子，或者波色子。电子，质子，中子都属于费米子。一个费米子在某个时间只能够占据一个量子态，而不可能同时与其它费米子共享. (费米是李政道的博士导师, 杨振宁也曾作为助手为他工作一年)

另一类粒子，如光子和包括某些原子在内的复合粒子 (composite particle) 则属于 Boson 波色子，多个波色子可以同时占据同一个量子态.

如果说费米子的世界，好像一夫一妻制的现代社会，那么波色子就类似一夫多妻的社会生态.

一次只能服务一个客户的生意，比如找份工作，咨询服务，类似费米子.

做一件事可以同时服务很多客户的生意，类似波色子，比如演员歌星，大众消费品，等等.

印度物理学家 Satyendra Bose 1925 年首次提出对热力学的经典波尔兹曼分布的改进，认为同等能量的光子彼此完全无法区分，以此假设可推导出普兰克公式,和实验结果吻合。他把论文直接寄给爱因斯坦，得到后者的重视. 爱因斯坦在波色的理论基础上，推导预测超低温下 “波色*爱因斯坦凝聚态” (Bose Einstein Condensate, 简称 BEC) 这种奇妙物质的存在.

波色子在不同能级的分布遵从波色*爱因斯坦统计，公式如下（具体推导和其它细节请参见任何统计物理的教科书, 如果理解有困难可跳过，看定性分析)

 

这个公式的直接结论，就是在极低温的时候，对于大部分能级而言,

kT << ( ϵ – μ )

因此在上述公式里分母远远大于 1, 这些能级的波色子的数目少得可以忽略，而大部分波色子都坠落到能量最低的能级，整个系统变成一个超级大原子, 表现出各种奇妙的宏观量子物理特性.

七十年后的1995 年六月，美国卡罗拉多两名物理学家第一次在实验室超低温状态下冷却两千个铷原子，达到波色*爱因斯坦凝聚态，他们因此获得 2001年诺贝尔物理学奖.

封建社会的皇帝，后宫佳丽三千，而数百万效命疆场的年轻士兵战死时可能还是处男，这算是波色*爱因斯坦凝聚态的一种体现。在动物世界，一个群体内，单个雄性独霸所有母兽的现象, 更是相当普遍.

那么，在一个万物互联的复杂系统内，实现波色*爱因斯坦凝聚态的底层数学逻辑，是怎么样的呢？这要从六十年前的随机图论开始说起.

(2)

1913 年出生的匈牙利数学家 Paul Erdos, 是二十世纪数学界的一朵奇葩。他产出丰富, 一生中发表了 1500 多篇数学论文。他终身未婚无后，生活方式是辗转于世界各地的大学校园，学术会议和数学家的私宅中游学。每到一地，他去敲开当地某数学家的家门，宣布”我的大脑是开放的”，然后要求住在家中讨论研究学术论文。在被主人和家属厌烦嫌弃之前，他会要求介绍下一个探访对象的信息，再收拾行李上路.

Erdos 1959 年和他的合作者 Alfred Renyi 提出了所谓 Erdos-Renyi 随机图模型,解释复杂网络的链接规律:

这个模型有两个内在的假设:

第一， 一个复杂网络的节点的数目是固定不变的.

第二，所有的节点彼此是等价的.

而网络节点之间的链接，是完全随机的. 这个随机的几率, 对于所有节点都是一样的. 下图为一个不同几率情况下 Erdos-Renyi 随机图的演变.

图片

按照这个模型的预测:

大部分人拥有同样数目的熟人，大部分公司拥有同样数目的贸易伙伴，大部分网站拥有同样数目的访问者.

长期看，没有一个网络节点会被偏爱而脱颖而出. 一个链接数目远超或者远低于平均值的网络节点，几率是非常非常低的.

这个模型和他的假设, 长达四十年没有受到人们的挑战.

(3)

但现实生活中，许多复杂网络的不同节点的链接数目的分布，更接近一个幂次定律 (Power Law) 分布，而不是正态分布.

以互联网的不同网站之间的彼此链接为例: 在 Erdos 随机图的模型里, 不同网站的链接数目呈正态分布，如下图左边。但在一个幂次律分布的真实世界，（下图右边）大部分网站只有很少的外在链接指向它们，而有一小撮网站却获得了绝大多数来自其它网站的链接.

图片

匈牙利出生的美国物理学家 Albert-Laszlo Barabasi, 1999年和他的研究生 Reka Albert 提出一个关于复杂网络的新数学模型. (下图为物理学家 Barabasi）

图片

这个模型改变了 Erdos 的两个关键假设:

第一，现实中的网络节点数目，大多是在不断增长的，而不是一成不变的。

第二，网络节点之间的链接，不是机会均等和随机的，而是遵循一个”优先链接“ (Preferential attachment) 的原则。打个比方，人们在选择结交的朋友时，往往更愿意认识那些人脉广泛信息灵通的交际花，而不是孤僻独行的隐士.

尽管个体行为方式很难预测，但统计上， ”优先链接“是客观的规律.

优先链接的后果，导致一个增长的复杂网络里，拥有更多链接的节点，在增长过程中获得更多的链接。换句话说，强者益强，而绝大部分的弱者，因为开始弱，后面就更弱.

以演艺界为例, 好莱坞的演员，如果认识更多业界人士，就可能获得更多的演出机会。获得的机会越多，他就更可能成功，也就认识更多的业界人士.

好莱坞演员工会 (SAG-AFTRA) 2016年的成员数目约十一万六千，但真正”在工作”的演员只有两万多。一年演出一场，也算是”在工作” 了。工作的平均时薪，大约四十美元左右. 至于那些幻想当演员，而不够资格加入演员工会的“洛（杉矶）漂”们，更是不计其数.

真正所谓 A-List 名流演员 （年收入在两千万美元或更多)，全美国只有不超过四十个.

这种情况不只局限于好莱坞. 英国网站 Casting Call Pro 2014年有调查，只有百分之二的演员，年收入超过两万英镑.

(4)

但仅仅是增长和优先链接这两点，就足以准确描绘复杂网络的发展模型吗？如何解释有些人和公司，在起点低的情况下，后来居上？

Barabasi 在他的网络模型之上又增加了一个新的参数: fitness (竞争力).

在一个复杂系统内，竞争力是你相对于其它竞争者而言获取更多新资源的能力:

比如在一个社区你更善于结交新的朋友，在一个公司你更高效的获取新的客户，等等.

其它条件都相同的情况下，竞争力更强的节点, 会获取更多的外界链接, 迟早会后来居上, 超过那些领先但竞争力不够强的节点.

搜索引擎谷歌就是一个典型的例子，它的搜索技术更加优越，尽管 1998 年才成立，但后来居上超越了包括 Yahoo, Excite, Inktomi, AltaVista 等早期领先者.

2000 年，Barabasi 在圣母大学 （University of Notre Dame) 的研究生 Ginestra Bianconi 发现，引入”竞争力” η 这个参数后，网络的数学模型变得和波色*爱因斯坦的数学模型高度相似.

这里每个网络节点，对应于不同能级. 网络节点的竞争力越强，它对应的能级就越低.

网络节点之间的链接，对应于波色气体里的波色子.

在一个增长的网络里，增加新的节点，就好像在波色气体内增加一个新的能级.

而增加一个新的链接，就对应于增加新的波色子.

每个节点的能级 ϵ 等于 η 的对数乘以负一再除以一个常数 β

图片

（这里 β 等价于热力学的 kT )

不同网络节点的链接数目分布，经过很长的时间发展后, 遵循下面的公式:

图片

波色气体的温度低于某一个临界点时，会出现波色*爱因斯坦凝聚态。在一个复杂网络里，当模型参数 β 过了一个临界点之后, 就会出现单个节点一家独大，占有了大部分来自其它节点的链接. 如下图.

图片

来自微观世界量子力学的数学模型，居然和宏观世界的网络链接现象，表现出高度的相似性，这是 Barabasi 和 Bianconi 两位物理学家完全没有意料到的。但这个数学模型所预测的后果，直觉上很难理解:

在一个万物互联的复杂网络里，常会发生赢者通吃的现象。这就和波色*爱因斯坦凝聚态时绝大部分波色子跌落到能量最低的能级一样. 而一旦赢者通吃的局面形成, 除非外在环境发生巨变 ( 对应于温度提高过临界点），否则竞争者想挑战独大的赢家，几乎没有可能.

(5)

现实生活中一个波爱凝聚态的例子，来自于我们常用的桌面操作系统：微软视窗 Windows.

视窗 1985年首次推出，虽然起步晚于苹果公司的图形界面，但它是所有和 IBM PC 兼容的机器的默认软件平台。PC 价格通常比苹果机便宜一半以上, 而且视窗和老的软件，硬件和大量第三方应用兼容。 对于绝大部分普通消费者 （类似波色子），选择什么样的软件平台 （类似波色气体内的能级），是一个完全无需思考的问题.

视窗在桌面操作系统的市场份额很快迅速超越苹果，八十年代末突破80%，九十年代到现在，其份额长期高于90%, 一家独大. 即使 IBM 九十年代每年花费将近十亿美元用于 OS/2 软件平台的开发，试图追赶，也回天乏术.

假设你在八十年代错过了微软，假设你在 1990年五月 Windows 3.0推出 （微软此时早已一家独大）后才投资微软，虽然它在互联网创新上比网景，雅虎等公司慢一拍，虽然它在新世纪错过了搜索，移动互联网，云服务等技术浪潮，股价横盘十多年，但依靠桌面操作系统的垄断，它在2017年的今天又创新高. 而投资者在二十七年下来的累计回报（包含分红）仍然有约 84 倍，年化回报率超过 17%.

这就是网络时代波爱凝聚态的威力。

一次只能接一个客的生意，符合费米*迪拉克统计分布，不管你如何拼命努力，你的时间有限，接客数目有限，无法和竞争者拉大差距.

一次可以同时接很多客的生意，符合波色*爱因斯坦统计分布，在特定环境下 (多接一个新客户的边际成本极低, 趋近于零，类似于超低温)，会出现一家独大而竞争对手用多少财力物力想翻盘, 也完全无法撼动的现象.

这种生意, 让投资者好喜欢, 好喜欢, 好喜欢…

这是你只要不犯大错误, 就可财源滚滚的境界.

这是你动动手指头, 就可将对手灭于萌芽状态的境界.

这是挑战者试图做很多看似更好的产品, 也不得要领无法超越你的境界.

这是竞争者即使财大气粗有金山银山, 也奈何不了你的境界.

这就是强者益强的最高境界， 波色*爱因斯坦凝聚态.

这样的例子还不止一个，请关注下集:

王川投资第四法则: 波爱为王

本文最初于 2017年 4月24日发布于笔者的公众号。

---

本文是  王川: 从抄袭的进化优势, 看强者益强 (一)

和  王川: 从兰切斯特方程, 看强者益强和如何以弱胜强 (二)

的续篇。

 (1)

1974 年, 日本商人竹田阳一初次接触到兰切斯特方程的概念时, 他发现兰切斯特平方律，就是说整体战斗力和人数平方成正比，在商场上也有类似的体现。

为了便于对比, 竹田只研究业务产品较单一的公司. 如果以公司过去三年的人均利润为纵坐标 y，产品的市场份额为横坐标 x，画出来的曲线非常接近一个二次函数的抛物线，
y = a x^2    曲线拟合的程度超过 70%。

用大白话说，A 公司的市场份额如果是 B 公司的两倍，那么它的人均利润就是 B 公司的四倍！

这里，市场份额，等价于战场上的兵力；利润，等价于公司的整体战斗力。高额的利润，使公司有更多资源投入销售和产品研发，进而有更大可能扩展自己的市场份额。丢失市场份额的公司，面临的窘境是如何以更少的资源，抵抗强敌的扩张和市场份额的萎缩.

微观上看，这种现象其实不难理解。传统商业模式公司销售人员的工作，直接推动公司的收入。但销售人员的大量时间，耗费在交通,培训,后台处理这些琐事上. 这些成本很大程度上是固定的.

真正和客户直接互动的时间，对于许多销售人员而言甚至不到 20%. 这 20%的时间是直接对公司创造价值的关键. 如果市场份额增加，单位时间可以搞定更多客户，多增加一倍的收入，利润可能增加三倍.

反之, 如果市场份额缩小, 但固定成本没有相应减少的情况下，公司利润下滑速度将远超市场份额缩减的速度，低过一个临界点时，甚至开始出现亏损.

以日本汽车市场为例，八十年代时, 丰田的市场份额是排名第二的尼桑的两倍，但是人均利润是尼桑的四倍。1990年日本经济开始下滑衰退后, 尼桑每况愈下，债务负担沉重，面临资金链断裂的风险，最后出售37%的股份给法国汽车厂商 Renault 并与其结成战略合作，才避免破产厄运.

 (2)

实际上,更早的时候, 日本学者田冈信夫在六十年代根据兰切斯特方程，提出市场份额 (按销售收入) 强者的几个段位.

这些数学模型是根据六十年代的传统大众消费品行业来估算的，几个数字不一定适用于新兴产业, 但仍有参考价值.

第一级，市场老大份额超过 26.1%, 并且和老二的比例要超过 5：3

这种情况下老大的利润占该市场所有公司的利润的三分之一以上。竞争者突然减少，但是如果老二和老三合并，还是有可能对它形成威胁.

第二级，老大市场份额超过 41.7%, 和老二相比比例超过 5：3. 这时老大的利润占市场所有公司的利润的一半以上，完全不用担心老二和老三合并起来挑战他.

第三级，老大市场份额超过 73.9%， 占据行业利润的 90%以上，其他竞争者基本死光了。在这个阶段继续增加市场份额可能有反作用，因为剩下的客户可能较小, 离得更远, 利润率低很多.

(3)

价值投资者常犯的一个低级错误，就是购买市场上的老二或者老三，仅仅是因为他们看上去便宜，市盈率低。他们对便宜的热爱，和他们对于市场老大的高昂市盈率的厌恶, 一样炽热浓烈. 这种错觉还极为顽固，即使受到若干次伤害还无怨无悔.

然而兰切斯特方程不相信眼泪, 它带来的强者益强，弱者益弱的现象，是市场通行的规律,而不是例外. 看上去便宜的东西，往往会变得更便宜，直到破产.

就像上篇文章    王川: 从兰切斯特方程, 看强者益强和如何以弱胜强 (二)

中提到的美国南北战争: 南军的命运在1862年早已注定，但是三年后才彻底投降. 如果说南军像一个垃圾股，这整整三年, 折磨伤害了多少义无反顾, 飞蛾扑火的价值投资者的心灵.

(4)

竹田阳一 在 “管理学中的兰切斯特策略”一书中提到, 市场竞争中，强者的策略是集中火力主攻满足三个条件的产品：

巨大市场，容易运输的产品，高频使用.

这非常类似战场上的重机枪：

较远的射击距离, 类似于容易运输 (许多互联网的服务也有类似属性),

机枪的巨大载弹量和射击速度, 类似于高频使用的服务，

机枪的巨大杀伤力, 好比拥有巨大市场的产品.

方便面，冷冻食物，糖果，洗衣粉，卫生纸这些大众消费品都有类似属性，所以市场容易被强者占据, 弱者和小公司基本没有机会进入.

有幸成为行业的最强者, 是一件非常爽的事，因为相对于弱者，你有下述优势:

1. 固定成本占公司整体成本的比例更小.

2. 品牌效应，营销活动更容易。

3. 更多客户介绍更多新的客户。

4. 新的竞争者入场前会三思。

5. 更容易招人。

6. 弱的竞争者破产退出后，市场份额大多被市场老大抢去.

如果你还记得我的老文章

巴菲特水牛城历险记和简单粗暴的王川投资第一法则

你一定还记得当他的竞争对手破产关门后，他所拥有的水牛城晚报马上广告涨价,迅速扭亏为暴利.

 (5)

市场的强者还有一个优势，那就是如果潜在竞争者推出新产品挑战其领先地位时，它往往可以迅速模仿推出类似的产品，然后依靠自己的巨大体量, 赶超竞争对手，甚至把对手遏杀于萌芽状态.

1995年网景 Netscape 浏览器推出时，一度占据市场 90%的份额。但是微软意识到网景的威胁后，利用其对 PC 操作系统的垄断，捆绑自己的产品 Internet Explorer，花了两年时间终于超过网景,成了市场的老大.

模仿是只属于强者的策略。弱者出于本能去简单模仿强者，由于数量上的劣势和兰切斯特平方律的作用，只会变成东施效颦，而损耗自身实力.

(6)

但是99%的公司并不是市场的最强者，即使是最强者也必须面对可能局部不占优势的情况，这个时候，他们必须采取的是弱者的策略.

承认自己是弱者一点也不可耻, 但是明明自己是弱者还要鸡蛋碰石头, 和强者硬顶，被自己的壮烈所感动, 白白消耗自身的有生力量，这才是真正的耻辱和愚蠢.

真正的强者, 有着司马懿般的自信，面对诸葛亮送女人衣服来羞辱引诱他出兵的伎俩，发出杠铃般的笑声，而不为所动.

那么商场上的弱者，该采用什么样的策略? 竹田阳一总结到:

第一，坚决避免和强者直接正面冲突，这是亏本的买卖. 打得过就狠狠打，打不过就快快跑.

第二，一定要把产品服务和其它竞争者差异化. 差异化包括产品本身, 开发不同获得新客户的渠道，提高现有客户的留存率，等等。但最好的差异化的办法，还是开发销售一个全新的产品.

第三，寻求在不同地理区域或细分领域的市场，可以先建立局部优势，积累利润和资本. 宁为鸡头，不为牛后.

即使是像通用电气这样的大公司，在 Jack Welch 上台后，也果断把凡是不在或者没有希望进入行业前两名的业务通通砍掉.

但大部分人宁愿去花很多时间装作在勤奋的工作, 尽管很多是与强者以卵击石的亏本的买卖, 也不愿意深度思考，如何建立自己的局部优势，把自己由弱者变成一个强者.

最理想的以弱胜强之路，则是开拓一个你的潜在竞争者无法理解的新产品，乃至于你口干舌燥唾沫横飞地给他们讲解，他们还是不懂而轻率地嘲讽. 等到你真正做大, 就来不及了.

如果你看过我的这篇文章

王川: 亚马逊的云服务将吞噬美国的 IT 产业吗? (上)

亚马逊 2006年推出云服务时，IT 界很多人觉得它很古怪: 云计算是个什么东西? 一个书店做这个? 贻笑大方!

贝索斯的反应是不解释, 而且很长时间财务报告刻意不单独披露云服务的收入. 基本上头六七年他们没有任何竞争. 等到大家意识到云计算乃大势所趋, 已经没有公司可以改变亚马逊一家独大的格局了.

 (7)

强者益强也分不同境界. 简单的以大欺小, 技术含量不高, 吃相也不够雅致.

2000年, 两名美国物理学家, 在研究复杂网络的数学模型时, 意外地发现了自然界存在的一种强者益强的最高境界：波色*爱因斯坦凝聚态.

请关注下集:

王川: 从波色*爱因斯坦凝聚态, 看强者益强的最高境界