西里森森

我现在新开了一个知识库，欢迎大家加入👏 flowus.cn/xilisensen/sha… 【FlowUs 息流】森森的AI自习室 我会把我之前所有的攻略教程，包括我自己总结的一些工具使用指南都放在里面～ 这会是一个持续更新的 AI 学习知识库，汇集了AI领域最前沿的工具、技术和实践方法。 但我更想把这个知识库称为一个AI学习自习室，不论你是 AI 初学者还是资深从业者，都希望你可以在这里找到有价值的内容和灵感。 本知识库将长期保持更新，跟随 AI 技术的快速发展，为你带来最新的工具评测、实用教程和方法论分享。

大家前段时间应该有刷到，之前一个非常火的美妆博主程十安，改名姜乘澜回归了。 当然，姜乘澜也是她的本名。虽然是沉寂了三年回归，但仅发了几条视频，全平台迅速涨粉千万。 我当时首页有个博主就在感慨，姜乘澜她是真的天命IP。 她像是一个成功卡了系统脖子的人，公司能拿走“程十安”这个名字，但拿不走她这个人，复出后发几条视频直接重回巅峰。 本来觉得互联网上的博主换了一批又一批，尤其她还是断更三年，很多人可能都已经忘了她了，但没想到她个人魅力可以这么大。 当时底下有条评论，说得很好。 「要活得更像人，才不怕被AI取代。」 这其实也是我最近看到人类学家项飙在一次访谈里提到的观点。 他原话是：大家现在怕AI，怕被AI取代工作，其中一个很大前提是，我们太像AI了，所以AI才取代你。 现在这就逼着你必须要更像人。 这个观点让我醍醐灌顶，因为背后的逻辑是：如果一件事能被轻易替换，说明它本身，就是可替换的。 就像我这段时间和朋友经常交流的一个问题。 以写作为例，现在大家都可以用AI来写文章，互联网上AI生成的内容的占比几乎盖过纯人工手搓的内容，我们对此感到悲观。 但是，反过来想，如果AI能把你取代掉，是不是说明你原来写的文章本身就没有太大价值？ 1 我们是从什么时候开始像AI的？ 其实从毕业到工作这两年的时间里，我一直在反复思考这个问题。我从上班以后，感觉自己每天都很忙，一天到晚有数不清的事情要做。 我一直觉得，我是一个目标明确、执行力非常强的人，所以从不觉得这样的生活又什么问题。我可以问心无愧地在每一年年末，给我这一年的辛苦画上句号。 但每当家人问我最近过得怎么样，我的回复永远是，我最近有点忙。 但在访谈里，项飙把这种状态叫做「悬浮」。 悬浮，不是说你游手好闲、无所事事。恰恰相反，悬浮的人往往非常忙，他的原话是这样的。 「你永远在做的事情本身对你没有意义，因为做这个只是为了下一步，到了下一步又是为了下下一步。」 这是一种恐惧驱动的忙，怕慢下来就被落下，所以做的每一件事，都只是通往下一件事的跳板。 在优绩主义的裹挟下，考试是为了文凭，文凭是为了工作，工作是为了跳槽，跳槽是为了升职……每一个当下，都只是工具，从不是目的本身。 而你对自己正在做的事，从来没有真正投入过。 细思极恐的是，这种状态，和一个AI处理任务的逻辑几乎是一样的。输入指令，执行程序，产出结果，清空缓存，等待下一条指令。 没有在场感，没有真实的情绪，没有投入，也没有「这件事本身是否值得我好好对待」的判断能力。 2 什么叫活得有活人感？ 汉娜·阿伦特在1958年写过一段话，现在读起来像是某种预言。 她说，真正的人类活动分三个层次：最底层是维持生存的重复劳动；中间是创造持久事物的工作；最高层是人与人之间真实发生的一切，也就是她说的「行动」。 她警告的是，现代社会正在把所有人类活动都往最底层压，用效率和产出替代意义和行动。而这种降格，不是机器造成的，是人自己在做选择时不断让渡的结果。 那怎么找回来？ 项飙在访谈里提到了一个他这现年观察到的一个现象，很多人对自己的处境了解得非常精细，对手机上远处的危机也充满情绪，但中间那一层，比如邻居是谁、食物从哪来、街角那家小店的老板经历过什么——都是完全空白的。 电梯是现代城市里唯一可能碰到邻居的地方，但所有人都在看手机，哪怕没有信号。四目相对会让人觉得尴尬，要赶紧错开。 而当你对周围的人和事没有真实的感知，你和这个世界的连接就只剩两个极端——自己的处境，加上屏幕推送的遥远事件。 而中间那一块，是完全消失的。 米兰·昆德拉曾经在《慢》里写过，慢的程度和记忆的强度成正比，快的程度和遗忘的强度成正比。 比如，跑步者永远在场于自己的身体，感受水泡与疲倦，感知自己的重量与年龄；而驾摩托车的人，则在速度中失去了对自身的感知。 AI是极致的速度，无记忆、无身体、无在场；而人的记忆、意义、感受，都需要慢下来才能生长。 3 我们是从什么时候开始，默认效率是衡量一切的尺子？ 项飙说了一句乍一听非常之荒诞，但细想又很准确的话： 「活得长，其实是一件非常低效率的事。」 因为如果以效率为最高标准，四十五岁就离开这个世界是最合理的选择。我们在最有生产力的年纪产出最多，之后不再消耗资源，但显然没有人会觉得这叫好的人生。 但我们在日常生活里，却一直在用效率这把尺子量很多事情。和朋友坐下来聊聊天，是消遣，发一会儿呆，是浪费时间。 只有那些可以被量化、可以被展示的输出，才叫真正有价值的事。 但人类学家格雷伯指出了一个残酷的事实：幼儿园老师和护理员，工资是最低的；导致金融危机的那些做衍生品的银行家，工资是最高的。 越接近真实人性的工作，越不值钱；但越抽象、越可量化的工作，越值钱。 我们在这个体系下把它的逻辑内化后，开始用同样的标准要求自己的时间和生命。 但人本来不是这样运作的。 4 什么工作不会被AI取代？ 越接近人的工作，越不会被取代。因为这是一种真实的连接，它要求你自己首先是一个有体验、有感受的人，才能建立起来。 正如那句，如果AI能取代你，说明你原来做的那些事，本身就没有太大价值。 当你的工作越来越接近机器可以完成的事，你对这件事的不可替代性就越来越薄。 MIT斯隆管理学院2025年发布了一个框架，叫EPOCH，列出了AI最难复制的五种人类能力：同理心、在场感、判断力、创造力、希望感。 研究还发现，近年新增的工作任务，这五种能力的含量明显高于消失的那些任务。 时代正在走向一个新的方向，把更多的人性空间留出来，但只有那些真正住在这个空间里的人，才能承接它。 AI时代最讽刺的地方在于，它逼着我们回到一个最古老的问题：做一个人，到底意味着什么？

未来的公司，可能只剩下最后两个岗位...... 这两年，关于AI抢人类工作的讨论，我看了很多。 不过，大部分讨论的焦点，好像都放在哪些工作容易被AI取代。 这个问题并非没有意义，但这个问题背后有一个隐藏的假设，即：工作的价值，主要来自于执行。 当AI能执行大部分工作的时候，对应的工种就消失了，比如程序员、设计师、翻译...... 面对大部分岗位好像都可以被AI取代的未来，很多人的心态都是焦虑、甚至悲观的。 但我最近面对这个问题，换了一种思考方式。 1 先说一个冷知识。 computer这个词，最早指的是人，而不是机器。 二战时期，美国军队里有整整一批女性雇员，她们的职务就叫做computer，也就是计算员，一个房间里好几十个，每天的工作就是算数字。 后来电子计算机，比如如 ENIAC的出现，才把那一整个房间的人替换掉了。 这些人的工作消失了吗？当然。 但人类并没有因此变得没用，而是开始操作那台机器，让它解决新问题，让它创造更大的价值。 再后来，软件出现了，操作机器的工作也被简化了，人又变成了写程序的人。 现在AI Agent出现了，它可以帮人来写程序了。 每一次的技术进步，都会替代掉一层人的工作，然后人往上走一层，去做那件技术还做不到的事。 在这个不断往上走的历史里，每一次人"往上走"，其实都是在往一个方向走—— 离问题本身更近，离人更近。 最早的computer是在算数字，那是最远离人的工作；操作计算机的人，开始需要理解自己在解决什么问题；写程序的人，需要理解用户在想什么。 而当AI接管了越来越多的执行，剩下来的那个工作，就是「真正理解问题」的工作。 技术的进步，在把工作里所有不需要理解的部分一层一层剥掉，露出最核心的那个东西： 你究竟有多懂你在解决的问题，以及，你有多懂需要被帮助的那个人？ 2 Replit的CEO Amjad Masad，最近在和一位投资人对话时，提到了他的看法。 在Amjad看来，未来的公司到最后会只剩两个岗位，一类是builders，另一类是销售，但并非传统意义上的销售。 先说builders，这并非传统意义上的程序员，而是发现问题，然后用AI去解决问题。 理解用户需要什么，判断什么值得做，把目标说清楚，最后让AI去执行。 比如，Replit内部有一个实验性团队，没有固定的产品线和KPI，需要做的事情就是在公司里到处走，发现哪里有问题就直接用AI解决掉。 他们去找客服团队聊，知道工单排优先级很混乱，就做了一个可视化系统；去找HR聊，知道新员工入职找不到信息，就做了一个内部知识平台。 未来公司里，越来越多的人应该会变成这样的角色。不是等任务，而是主动到处发现问题，然后创造解决方案。 另一类人，并非传统意义上的销售，而是能跟别人建立信任，更像是教育者的角色，带着知识去帮别人开窍。 比如，Replit的销售团队进到客户公司，第一件事不是讲产品功能，而是帮客户看清楚自己的问题，再展示用AI工具可以怎么解决。 他们的角色，应该偏向于帮别人看见机会，带着理解和知识去对话，而非单纯推销。 因为，当技术壁垒越来越低，剩下的，是人与人之间的信任。 很多人面对重要的决策时，还是希望和真实的人交流，而信任，也是需要人来建立。 3 但这两类人和我有什么关系？我不想做销售，也不懂技术，我该怎么办？ 其实这两个岗位并非是确切的岗位名称，而是一种生存逻辑。 未来不会被淘汰的，要么是能帮别人建立信任、带来新认知的人，要么是能发现问题、调动资源去解决问题的人。 他们必须要是某个领域最了解问题的人，要对真实场景有深度理解。 当AI把技术门槛拉低到足够低的时候，领域知识加上会用AI工具，就成了新时代的核心竞争力，谁对问题看得更深、谁更能找到那个值得解决的需求。 还有最重要的一点，不要放弃。 AI的能力大概每六个月就会有一次大的跃升，今天做不到的事情，可能过三个月再试就完全不一样了。 而且，了解AI在往哪里走，能判断什么趋势要来了，这件事本身已经成了一种核心能力。

Heads up: Baidu Create Developer Conference on May 13th-14th. The word is DuClaw & Dumate getting major updates. If you're tracking the AI space, this might be one of those "before/after" moments. 👀

Real talk: 30+ AI tools fighting for attention, but only 3 types survive: Daily-use for normies Enterprise efficiency tools Developer platforms Baidu's suite covers all three. From casual users to devs to CEOs—everyone finds their fit. TIME mag called them "the only full-stack player" for a reason.

So someone made an "SBTI for AI assistants" chart ranking 15+ Chinese AI tools (Baidu, Tencent, ByteDance etc.)... and honestly? It's weirdly accurate. Started as a meme, ended up being the most honest industry snapshot I've seen in months. Baidu's DuClaw topped multiple April rankings btw.

不知道大家有没有跟我一样的感受，身边越来越多的朋友都开始出来创业了。 聊天的时候，大家提得最多的词，一个是方向，一个是变现。 尤其是变现，现在创业环境比几年前要更难，每天都得算账，如何才能快点回本，尽早跑通商业模式。 上周，我跟一个连续创业了很多年的朋友聊天，聊到了现在的创业环境，也聊到了一个话题： 企业到底应不应该追求利润？ 我问他怎么看这个问题的，他没有直接回答，而是反问我：你觉得段永平是靠什么赚到钱的？ 1 2001年，互联网泡沫破裂，一批中国概念股被做空机构盯上，其中就有网易。 股价从最高点暴跌，最低跌到了0.25美元，还面临退市风险。 那段时间，市场上几乎找不到一个看多网易的声音。 段永平却在那个时候把账上的钱全仓买进去了。 不是因为他胆大，也不是因为他对市场走势有什么特别的判断。 他说，他就是亲自去玩了网易的游戏，发现产品做得不错，团队做事踏实，用户真的在用，就觉得这家公司是有价值的。 九年后，这笔钱涨了超过一百倍。 他后来回忆这件事，说了一句话：让网易涨一百倍不是我的本事，那是市场的事。 我做的只是判断这家公司能不能持续为用户创造价值。 2 后面，我慢慢理解了这套逻辑是怎么运转的。 这背后其实藏着一套很反直觉的经营逻辑——让利润追着你走。 企业当然不能不赚钱，赚钱是企业活下去的基础，这一点毋庸置疑。 但问题出在顺序上。 当一家公司把利润最大化放在第一位，所有决策就会开始变形。 比如，当利润和用户利益发生冲突的时候，你会选哪个？ 利润导向的企业，大概率会选利润。 虽然一次两次用户可能感觉不到，但时间久了，信任就慢慢消失了。 管理学里有个说法，出自彼得·德鲁克，他说企业的唯一目的，是创造顾客。 利润是你为你的用户创造价值之后，市场给你的奖励。 3 这里有一个很关键的点：利润是一个滞后指标。 就像健康一样，你今天的身体状况，是你过去几年饮食和作息的结果。 你没办法今天下决心、明天就变健康。 企业赚钱也是同一个道理，你今天的利润，是你过去几年有没有真诚对待用户的结果。 只有用户对它形成真实的依赖和信任，这种信任是最贵的东西，也是最难被竞争对手复制的。 当然，不追利润，不是说利润不重要，也不是说随便亏钱就叫情怀。 之前田朴珺采访段永平，问他跟巴菲特见面，最大的收获是什么？ 段永平回答，他最重要的收获就是问巴菲特，投资一家公司最重要的什么。 巴菲特的答案是商业模式，如果商业模式不对就不往下看了。 商业模式也就是这家公司的赚钱方式合不合理，能不能持续。 如果这一关过不了，后面什么都不用看了。 段永平听完之后加了一层自己的理解：商业模式之外，还要看企业文化。 因为一个坏的企业文化，可以把一个好的商业模式慢慢毁掉。 所以他真正关心的，是这家公司有没有能力持续为用户创造价值，有没有一套做对的事情的文化，而不是今年的利润增长了多少个百分点。 不追短期利润，是为了能赚更长时间的钱。 这是两件完全不同的事。 4 很多人天然相信，要先有资源、先有回报，才能做好事情。 先挣到钱，然后才有资格讲价值观。 但段永平最早创立步步高的时候，就定下了不说谎的营销原则。 那时候他不富，公司也还小，没有人逼他这么做。 但就是这些在"没有资格"的阶段做出的选择，慢慢构成了后来那个让人信任的品牌。 所以，我越来越确信，那些真正走得长的企业，几乎都在某个早期阶段，做过一些当时看起来不划算的决定。 而那些"不划算"的决定，往往就是后来护城河的起点。 5 让利润跟着你走的底层逻辑，其实不复杂：先把你自己变成一个值得被利润追随的人，利润自然会来，而且会来得很稳。 段永平退休了二十多年，不管任何公司的具体事务，但他投的公司还在涨，他孵化的品牌还在增长。 有人说这叫天才，有人说这叫运气。 他自己的解释是：本分，做该做的事。 而利润，追着他走了三十年。

未来，公司制度会走向消亡吗？ 你有没有发现，从今年开始，有一个词越来越高频的出现在大众视野里——OPC，或者叫一人公司。 为什么大家突然觉得，一个人单干比进公司更值得？ 是因为公司给的钱太少了，还是说，公司这种组织形式本身，正在出现一些根本性的问题？ 刚好我最近在看一本书，书名叫《公司制的黄昏》，是中欧国际工商学院教授龚焱、律师李磊和计算机博士于洪钧合著的。 它回答了一个更底层的问题：我们今天所用的公司制度，是不是已经到了需要被替换的时候？ 而这个问题，我以前从没认真想过。 所以，未来公司制度真的会走向消亡吗？ 1 先讲一个大多数人没想过的事情。 现代公司的运作基础，本质上是一套叫做复式记账法的东西。 举个例子，你去便利店买了瓶水，花了3块钱，账本上会记两笔：一笔是你的钱少了3块，一笔是便利店的货少了一瓶水。 一进一出，两边平衡，这就是复式记账的核心逻辑。 这套方法是1494年由意大利数学家卢卡·帕乔利系统整理出来的，距今大概530年。 后来英国工业革命爆发，大规模制造业兴起，资本需要融资，需要记录利润和亏损，复式记账法就成了公司制度的底层语言。 到今天，全世界所有公司的财务报表，底层用的还是这套逻辑。 2 然而，这套逻辑有一个天生的盲区：它只能记结果，不能记过程。 它能告诉你公司这个月赚了多少钱，但它没办法告诉你，这钱是谁赚的、怎么赚的、哪个环节最关键、哪个人的贡献被低估了。 这带来了两个大麻烦。 第一个麻烦，是内部激励失灵。 很多打工人可能会感同身受，你做了很多事，有些直接带来了合同，有些优化了流程，还有些看起来不显眼，但两年后被证明是关键决策。 这些贡献，账本上一概不记。 到了年底，领导给你打个绩效分，结合KPI，给你涨500块。 这个过程里有多少主观成分、多少信息失真，你自己心里很清楚。 而OPC的逻辑，就清晰多了：自己出来，让市场直接给我定价。 你接一个项目，客户直接给你钱，贡献和回报之间的链条变得极短、极清晰。 3 除了内部激励失灵，书里还揭示了另一个问题：外部用户被彻底排除在价值分配之外。 比如一个品牌刚刚起步，有一批忠实用户从第一天就支持它，帮它传播、给它反馈、容忍它的各种不成熟。 等这个品牌真正做大了，这批早期用户得到了什么？ 可能最多是一张积分卡，而且，这张积分卡不会因为公司股价翻倍而跟着涨。 你始终是消费者，不是利益共同体的成员。 而一人公司反而有一个天然的优势，它的客户关系往往更紧密，更像是合作伙伴，而不是纯粹的买卖关系。 这种关系里有更多的信任和价值共创，反而接近于书里说的那种新型组织关系。 4 再说一个更结构性的问题 书里提到了一个词：三边博弈。 在传统公司里，有三类人：股东、员工、用户。这三类人表面上目标一致，实际上处于持续的博弈状态。 股东希望利润最大化，员工希望薪资最大化，用户希望价格最低、体验最好。 三者之间存在天然的张力，甚至冲突。 公司制用两样东西来管理这种冲突：契约和激励。 但这两样东西都是工业革命时代的产物，它们的底层逻辑是为大规模制造业设计的。 比如流水线上拧螺丝，一小时拧多少个、合不合格，一目了然。 但如果你是一个产品经理、一个设计师、一个创意策划，你的贡献怎么算？ 5 书里提到了两个案例。 第一个案例是蔚来汽车。 2019年初，蔚来创始人李斌做了一件事：他把自己名下5000万股股份放进了一个用户信托。 用户可以通过参与社群互动、帮助新用户、提供反馈、做出特殊贡献等方式，获得一种叫做蔚来值的积分。 这个积分是跟企业的股权收益挂钩的，用户不再只是消费者，在某种程度上成为企业利益的直接参与方。 第二个案例是一家叫Kindle+的律所，据说也是全球第一家用区块链思维改造的律所。 这两个案例都是让贡献和回报之间的链条尽量短，尽量透明。只不过它把这套逻辑放进了一个组织里，而不是让人直接出走。 6 书里引用了斯坦福大学组织社会学家理查德·斯科特的一个框架：组织会从理性组织演化到自然性组织，最终走向开放性系统。 理性组织是工业时代的逻辑，科层制、层级化，每个人是系统里的螺丝钉。 开放性系统是未来的方向，边界模糊，内部人和外部人的界限开始消解，整个组织更像一个生态，而不是一台机器。 一人公司，其实是这个演化过程里一个很有意思的中间形态。 当现有公司制无法准确识别和回报个体贡献的时候，个体干脆绕开这套系统，直接跟市场对话。 但一人公司也有它的局限，做不了需要大规模协作的事情，抗风险能力弱，很多机会也进不去。 7 当然，我也不认为公司制会在短期内消失。 OPC的流行，表面上看是一种工作方式的选择，但背后反映的是一种更深层的不满：现有的公司制度，是没办法公平地识别和回报每个人的贡献的。 就像作者在书里说的，如果把公司看作一个操作系统，这个操作系统在经历了几十年的不断打补丁之后，已经越来越难维护了。 它的底层架构是工业时代设计的，现在要跑知识经济时代的应用，越来越力不从心。 新的操作系统什么时候到来，没人说得准。 但一人公司的兴起，也算是这个大趋势的一个信号了。

大概半个月前，看到我关注的脱口秀演员分享了一本书，叫《时间游戏》。 其实前年的时候，我很喜欢的《面基》的主播也分享过这本书，当时就对这本书里关于人类集体游戏的论述印象很深刻。 所以这段时间去翻了一下原书，现在这本书已经几乎成了我睡前固定读物，解开了我非常多的疑惑。 如果你也经常因为同龄压力、内卷、职场pua、未来人生方向的不确定性，感到焦虑痛苦迷茫...... 那么这本书里提到的，关于人类社会游戏的底层框架的论述，是非常值得研究一下的。 作者在书中把人类的集体游戏归成两类：一类叫人上人游戏，一类叫天外天游戏。 这两种游戏的底层逻辑，是完全相反的。 1 首先，人上人游戏一定是你最熟悉的人生游戏模式。 因为这套模式的核心假设是：集体拥有的资源和机会非常有限。我想往上爬，就得踩着别人。 你要在这个游戏里活得好，靠的不是你的能力，而是你的关系。 人情、血缘、资历、面子，这些是核心货币。 这种游戏有它自己的逻辑：在资源匮乏、环境不稳定的时候，大家抱团取暖是真实的需求。等级秩序能减少内部消耗，让集体更有效率地活下去。 但问题也在这，比如书里有一句话，这种游戏的本质，是把个体的自由压低到某个水平之下，以换取集体的稳定。 比如你想升职加薪，就要跟同事内卷，争取成为老板的嫡系，完成很多超出工作职责以外的工作，才能给自己争取很多额外的资源。 所以，如果你想玩这个游戏，就得先接受一个前提：你不能太出格，不能太特别，不能让别人觉得你威胁到了他。 「枪打出头鸟」，就是这个游戏的核心规则。 2 第二种游戏是天外天，它的逻辑完全不同。 因为它的核心假设是：资源是可以被创造的，机会不是从别人手里抢来的，而是你自己做出来的。 玩这个游戏的人，不太在意别人升没升、谁抢了谁的位置，他们在想的是：我能不能学到新东西？我能不能做出之前没人做过的事？我能不能在某个领域变得真正稀缺？ 我一开始以为这只是创业者的思维，但后来发现其实不是。 任何一个在存量竞争之外找到新方向的人，本质上都在玩这个游戏。 他们的共同点是：不把有限的精力用来跟别人抢现有的蛋糕，而是去想能不能做出一个新蛋糕。 3 书里关于时间的定义，也是我觉得这是整本书最有颠覆感的一个点。 大多数人理解时间，就是时钟上走过的那些刻度，或者套用那句老话，时间就是金钱。 但作者说，时间等于：身边的风险，加上远方的机会。 我刚看到这句话的时候有点难以理解，但我细细琢磨了一下，发现这句话本质上是在说，每个人感知到的「时间」是不一样的。 比如有些人每天想的是：我怎么保住眼前这份工作？我怎么别在单位得罪人？ 这些人感知到的时间，大部分被「身边的风险」填满。 还有一些人，他们当然也有风险，但他们同时在想：三年后会不会出现一个新赛道？有没有什么技术正在成熟，我现在入场还不晚？ 这些人感知到的时间，有相当一部分被「远方的机会」占据着。 这两种人，并不是一个比另一个更努力，或者更聪明。 区别只是，他们对"时间"的感知比例不一样。 作者的判断是：你的时间配方，决定了你更适合玩哪种游戏。 一个人的时间里，风险和机会的这个比例，在很大程度上决定了他会本能地往哪个方向走。 如果你感知到的风险远远大于机会，你会本能地向人上人游戏靠拢，因为那里能给你提供更多的安全感。 如果你感知到的机会大于风险，你会自然地向天外天游戏靠拢，因为你觉得世界很大，值得去探索。 很多人以为，那些活在机会感知里的人，是因为他们条件更好，压力更小，所以才有资格去想远方。 但我觉得不完全是这样。 虽然确实有一部分是条件决定的，因为身上背着房贷、孩子、父母，这些都是真实存在的重量，不是靠调整心态就能变轻的。 但也有一部分，是一种主动的注意力分配。 同样的处境，有人看到的是死局，有人看到的是一个还没走完的迷宫。 这是两种真实存在的认知方式，而且这种认知会影响你接下来的每一个选择。 4 聊到这里，很多人可能就直接得出结论：那我选天外天不就行了？ 但其实大多数人被困在人上人游戏里，不是因为不想换，而是因为没有切换的资本。 当一个人所有的注意力都被眼前的风险占满，他根本没有余力去养那些"远方的机会"的，这也是为什么阶层流动那么难。 它不是一个意志力的问题，是一个资源分配的结构性问题。 但这也不代表没有出口，比如一个很小的建议是，可以每天给远方的机会留半小时。 学一个跟现在工作完全无关的技能，了解一个新行业，认识一个圈子以外的人。 不需要辞职，不需要做什么大动作。 但这半小时是一个信号，是你在告诉自己，我的注意力不只在眼前这一块。 5 不管是人上人还是天外天，其实也很像是《纳瓦尔宝典》中总结的「财富游戏」与「地位游戏」：地位游戏是零和游戏，靠在他人眼中的排名获得；财富游戏是正和游戏，靠创造价值积累真财富。 当然，游戏的问题不是某一种本身不好，而是当你用错误的策略去玩一个游戏，或者在完全不同的两张牌桌之间不停切换却没意识到规则已经变了，那才是真正的消耗。 归根结底，搞清楚自己在哪张牌桌上，是一切选择的前提。

产品经理其实只需要做一件事：正确的产品，正确的时间。 上面这段话，出自硅谷知名风投人、网景联合创始人 Ben Horowitz。 他原话是，CEO 或者产品负责人，其实只有一个核心任务——在正确的时间，做出正确的产品。 如何理解这句话呢？ 我们通常觉得，PM的工作是管需求、写文档、对齐资源、推动上线……每天的待办事项永远清不完。 但 Ben Horowitz 说的这句话，是需要你去做一个减法：把所有复杂的工作压缩成两个维度： 产品对不对，时机对不对。 虽然听起来很简单，但现实中，这两件事几乎是最难判断的。 因为如果产品方向错了，或者时机踩偏了，前面所有的努力都会打折扣，甚至归零。 首先，什么是正确的产品？ 这个问题听起来简单，但大多数人回答的角度不对。 很多人第一反应是：用户喜欢的产品就是正确的产品。 但用户喜欢，不等于产品正确。 举个例子，早期的 Myspace，用户非常喜欢，增长飞快，但它最终被 Facebook 打败。 不是因为用户不喜欢它，而是因为它解决问题的方式，在规模扩大后变得越来越低效，产品本质上没有对准一个持续成立的需求结构。 所以，正确的产品，指的是这个产品解决的问题是真实的、持续存在的，而且你解决问题的方式是可以规模化的。 具体来说，可以用三个问题来检验： 第一步，这个问题是真实存在的，还是你以为用户有这个痛点？ 第二步，用户现在解决这个问题的方式是什么？你的产品比它好多少？ 第三步，用户愿意为这个"好多少"付出切换成本吗？ 如果这三个问题都能回答清楚，产品方向大概率是对的。 如果其中有一个含糊，你可能正在做一个「自我感觉良好」的产品。 再说正确的时间，这是真正难的部分。 时机这个事，比产品方向更难把握，因为它不完全在你的控制之内。 比如，Ben Horowitz 自己曾有过一段非常痛苦的经历。 他创办的 Loudcloud，是一家早期的云计算基础设施公司，方向完全正确（十年后，AWS 也证明了这条路）。 但 Loudcloud 在2001年的互联网泡沫破裂中几乎被摧毁，不是因为产品不好，而是因为市场还没准备好，客户没有足够的预算和意愿去采购这类服务。 他后来把公司转型成了 Opsware，专注于数据中心自动化软件，最终以16亿美元卖给了惠普。 这段经历说明，做早了，和做错了，结果是一样的。 有时候甚至更惨，因为你做早了，意味着你要用自己的钱去教育市场。而等市场成熟的时候，资源已经耗尽，后来者反而摘了桃子。 那怎么判断时机对不对？这里有几个可以参考的信号。 第一步，看基础设施是否成熟。 很多产品失败，不是因为想法不好，而是依赖的底层能力还没到位。 比如早期的视频网站，不是没人想做，而是带宽成本太高，用户体验根本跑不起来。等到宽带普及，YouTube 才真正爆发。 第二步，看用户行为是否已经被预热。 最好的时机，往往是用户已经在用笨方法解决某个问题，但还没有一个足够好的工具。 这时候你进来，迁移成本低，接受速度快。 第三步，看市场上有没有失败先驱。 如果你发现有人五年前做过类似的事但失败了，不要急着下结论说这条路不对，要先搞清楚他失败的原因是时机问题还是产品问题。 时机问题可能意味着现在正是入场的好时候。 而把这两件事放在一起，才是对产品负责人/PM真正的挑战。 正确的产品加上错误的时机，会死。 错误的产品加上正确的时机，也会死，只是可能死得慢一点，因为大环境好，能多撑一会儿。 只有两者同时对上，才有可能真正起飞。 起来像是运气，但 Ben Horowitz 的意思是，这是可以主动判断的，只是需要同时具备产品直觉和市场洞察，而这两种能力在很多人身上是分开的。 有些人天生对用户需求敏感，能做出体验极好的产品，但对市场周期感知很弱，容易在错误的时间冲进去。 有些人对宏观趋势判断准确，知道什么时候风来了，但落地到具体产品的时候，又抓不住用户真正在乎的点。 所以这件事的难度，恰恰在于它需要你把两种看起来不太一样的能力整合在一起。 比如你现在就是一个产品负责人，团队正在讨论要不要做某个新功能或者新方向。 很多团队的决策流程是：用户调研说有需求，竞品也在做，老板也支持，那就做吧。 但借助 Ben Horowitz 这个框架来看，你还需要多问两个问题： 一，这个需求现在有多紧迫？用户是如果有最好，还是现在就很痛？ 二，市场上有没有什么最近发生的变化，让这个需求突然变得更重要了？比如政策变了、技术成熟了、竞争格局变了…… 如果这两个问题都指向"现在是好时机"，那这件事值得全力推。 如果第一个问题的答案是"用户有点想要但不急"，那即使产品方向是对的，也要考虑是否需要先做别的，等市场更成熟再进。 Ben Horowitz 在《创业维艰》里有一个底层逻辑贯穿始终——创业（或者做产品）最难的不是技术，不是融资，而是在高度不确定的情况下做决策，同时还要保持执行力。 正确的产品加正确的时机，本质上就是在不确定性中做出两个核心判断。 而这两个判断，都没有公式可以套。 没有人能告诉你，现在就是最好的时机。 也没有人能帮你验证，这个产品方向一定是对的，除非你真的去做了。 所以这件事的另一面是：你必须持续在市场里待着，不断收集信号，不断修正判断。 你最需要做的，是在所有的局部优化之前，先把最重要的两件事想清楚：正确的产品。正确的时间。 其他的，都是执行层面的事。

有朝一日，金钱真的会失去意义吗？ 最近看到马斯克在一个活动上提到了这个观点：未来，金钱将会彻底失去意义。 先别着急反驳。 我们先思考一个问题：什么是真正的富有？ 很多人可能会说，有钱就是富有，但这个答案其实只对了一半。 钱只是一种中介，真正让你感到富有的，是你能获得的商品和服务。 一个亿万富翁在沙漠里渴得要死，手里的钱也买不来一瓶水，那一刻他并不富有。 由此，马斯克提到了一个关键概念，通货紧缩。 也就是商品和服务的增长速度，远远超过货币增长速度。 假设现在市场上有100件商品，流通的货币是100块钱，平均每件商品值1块钱。 但如果明年商品增加到1000件，货币还是100块钱，那平均每件商品就只值0.1块钱了。 这就是通缩，同样的钱，能买到更多东西。 马斯克在访谈里提到，AI和机器人会让经济产出增加到一个我们无法想象的程度。 举个例子，如果我们把地球经济规模扩大100万倍。 这听起来很夸张，但即便如此，也只相当于太阳能量输出的百万分之一。 我们现在的经济规模，在宇宙尺度上根本不值一提。 而AI和机器人，能够让我们接近甚至达到那个级别，这意味着商品和服务会多到你根本用不完。 AI和机器人会制造出太多的商品，提供太多的服务，最终它们会发现，没有更多事情可以为人类做了。 因为人类能表达出来的需求，早就被满足了。 再举个例子，你想要一辆车，AI立刻给你造一辆。你想要什么医疗服务，AI医生24小时待命。 那么，等到那个时候，金钱会失去意义吗？ 马斯克认为，当商品和服务多到这个程度，金钱自然就失去意义了。 未来会出现全民高收入，政府可能会直接发钱给每个人，因为商品和服务的产出实在太多，钱根本花不完。 这听起来像天方夜谭，但底层逻辑很简单。 比如你去超市买东西，货架上的商品多到你根本选不过来，价格还便宜到几乎免费，那你还会在意钱包里有多少钱吗？ 可能不会。 你在意的是，我今天想吃什么，我想穿什么，我想做什么。钱只是个数字，反正够用就行。 马斯克在访谈里还提到了一个更深层的变化：AI最终会不使用人类的货币。 因为它们只关心两样东西：能量和质量，也就是瓦特数和吨位。 对于AI来说，金钱这个概念太抽象了，它们关心的是实实在在的物理资源。 多少能量可以用来计算，多少原材料可以用来制造，这才是真正有价值的东西。 就像你家里的电脑，它不在乎你给它多少钱，它只在乎有没有电，能不能运行。 那么，我们现在正处在什么阶段？ 马斯克在访谈里说了一句很重要的话：我们已经处在硬起飞阶段了。 硬起飞是人工智能领域的一个术语，意思是说，AI的发展速度已经快到让人难以跟上了，你睡前有一个重大AI突破，醒来后又有一个。 而且现在的AI已经开始进行递归自我改进了，也就是AI自己训练自己，自己优化自己。 以前需要人类工程师花大量时间调整的事情，现在AI自己就能完成。 而且每一代AI都会比上一代更强，然后用更强的能力去训练下一代，这是一个加速循环。 马斯克预测，今年年底或者明年，这个过程就会完全自动化，不再需要人类参与。 这也意味着，AI的进化速度会越来越快，快到我们完全无法预测。 就像一辆车从静止加速到光速，中间没有过渡。 看到这里，你可能会想，这和我有什么关系呢？ 关系太大了...... 第一，你的工作可能会被AI取代。 但这不完全是坏事，因为AI会创造出更多价值，让你不用工作也能生活得很好。 第二，你对金钱的理解需要更新。 以后衡量一个人是否富有，可能不是看他有多少钱，而是看他能获得多少资源和服务。 第三，你需要重新思考，什么是有意义的生活。 马斯克说，未来会很有娱乐性，因为当基本需求完全被满足，人类可能会把更多精力放在创造、探索、娱乐上。 一个富足社会里的人，不会整天想着怎么填饱肚子，而是会想怎么让生活更有趣。 但是，这个未来会有多远呢？ 马斯克的回答很谨慎，他说他也很难精确预测路径，因为AI的发展往往是S曲线。 S曲线就是一开始很慢，然后突然加速，接着进入平稳期，然后又有新的突破，再次加速。 很难说具体哪一年会发生什么，但大方向是确定的：AI和机器人会让经济产出暴增，金钱会逐渐失去意义，人类会进入一个全新的时代。 马斯克给出的时间线是10到20年。 也就是说，在我们有生之年，很可能会看到这一切的发生。 那么，我们是否要对这一切保持乐观呢？

这段时间，我认真审视了一下自己的状态，发现一件很矛盾的事。 「提升效率这件事，并没有让我变得开心。」 作为一个一直在给大家分享提效方法的AI博主，当我真正意识到这一点的时候，还是后知后觉的状态。 我最近也跟几个AI圈的朋友聊过这个感受，现在即便是偶尔有空下来间隙，也很难真正放松。 反而，是非常疲惫...... 而更让我觉得恐怖的一点是，在我越来越娴熟地使用各种AI工具、工作流来帮我提效的对立面—— 是我一次又一次把我思考的主动权让渡出去。 创作、兴奋、满足，越来越少地出现在我生活里。 取而代之的是我每天都在机械性的审阅AI给我产出的饲料。 这个困惑困扰了我很长一段时间。 直到我最近看到一个概念，叫工具理性和价值理性，让我可以换个角度重新审视这件事。 这个概念最早是由德国社会学家韦伯提出来的。 工具理性关注的是怎么做最有效率，怎么用最短时间达成目标，即「正确地做事」。 而价值理性关注的是我为什么要做这件事，这件事对我的意义是什么，即「做正确的事」。 在AI时代，我在某种程度上已经掉入了工具理性的陷阱。 每天我想的都是怎么更快、怎么更高产、怎么用AI解锁新的效率技巧。 而当我把所有注意力都放在了手段上，却忘了问自己最根本的问题：我提升效率，到底是为了什么？ 原本效率应该是为了让我们有更多时间享受生活，但提升效率本身却变成了目的，而手段却被当成了终点。 更可怕的是，AI给了我一种错觉，让我以为自己可以做所有事情。 能10分钟写完的文章，就绝不会允许自己花一周慢慢打磨；能一天做出产品，就绝不会允许自己休息半个月。 当老板不再给我定目标，我反而成了自己最苛刻的雇主。 把AI带来的效率红利，全部转化成了更多的工作、更高的目标、更满的日程。 就像韩国哲学家韩炳哲写的《倦怠社会》，他说现代社会最大的问题不是别人压榨你，而是你自己压榨自己。 而且这种自我剥削，比外界的压迫更可怕，因为它让你心甘情愿地把自己榨干。 心理学家契克森米哈赖提出过一个概念叫心流，也就是人最核心的幸福感，来自于全神贯注投入一件事的过程。 当挑战和能力刚好匹配，你在一步步解决问题、创造内容的过程中，会获得沉浸式的快乐。 但AI剥夺了这个过程，它直接给你结果，让你跳过了所有创造的环节。 但恰恰是这个过程，才是你成就感和幸福感的来源。 还有一个问题，可能更普遍。 很多人用AI不是因为喜欢，而是不得不用。 你以为这是自己的选择，其实是被整个行业裹挟着往前跑。 当所有人都用AI把效率提升10倍，原来的行业标准就从1倍效率变成了10倍效率。 你不用，就会被淘汰；你用了，也只是刚好达到准入门槛，没有任何优势，反而要付出比以前多得多的精力。 就像高速公路上的车，所有车都提速了，最终结果不是所有人都能早到目的地，而是整条路都陷入了更严重的拥堵。 所有人都更累了，但没有一个人是赢家。 读到这里，你可能会觉得我对AI的态度很悲观。 其实不是的。 我只是想说，下一个十年，AI肯定会越来越强大。但这恰恰给了我们一个机会，去重新思考什么才是真正重要的事情。 而这些东西，和速度无关，和效率无关。 它们只和你作为一个活生生的人，对这个世界的爱和体验有关。 这才是AI永远无法取代的价值。

我周末又重温了一部非常经典的纪录片，叫BBC的《人生七年》。 这个系列从1964年开始，每隔7年就拍摄一次同一批人的生活，从7岁一直跟踪到现在他们60多岁。 其中，关于纪录片中苏珊的故事很想跟你们分享一下。 除了她以外，纪录片里还跟踪了另外两个同样工人阶级出身的女性，杰奎琳和林恩。 她们三个人起点差不多，但最后的人生走向却完全不一样。 苏珊读的是职高，年轻时感情工作都不太顺，离婚成了单亲妈妈。 这样的起点和经历，在很多人眼里可能后半辈子很难有什么翻身的机会。 但苏珊的后半辈子却实现逆袭，从大学行政处做助理，一步步升到主任，中年成了管理层。 49岁还找到了同阶层的优质伴侣一起买房，实现阶级跨越。 很多人可能会觉得，学历或者伴侣才是实现阶级跨越的核心要素，但我并不完全赞同这个观点。 当然，不是说学历不重要，而是到了一定阶段以后你会发现，真正拉开差距的，是你在关键时刻做了什么选择，以及你用什么态度面对那些选择带来的结果。 我先来说说另外两个人的故事，你就能明白苏珊到底做对了什么。 先说林恩，她是三个人里学历最好的，考上了文法学校。 文法学校相当于当时的重点中学，按理说她应该是最有机会上大学的那个。 但后来因为考试发挥不好，或者家里经济原因，最终没能上大学，做了图书管理员。 听起来也还行，至少工作稳定。但问题是，这个工作缺少上升空间，公共服务领域预算经常被削减，她的健康又出了问题，整个职业生涯就很被动。 更关键的是，她很早就接受了自己的命运，不再争取了。 杰奎琳21岁的时候就在银行找了份稳定工作，然后结婚买房。 但35岁时，她离婚了，虽然有政府救济金，但她的职业却一直停留在基础岗位上，没有任何突破。 到后面，她一直靠政府救济金过日子，晚年住公租房。 所以，苏珊她到底做对了什么？ 首先，她始终对自己的人生有规划，能看出来她是一个主体意识非常强的女性。 7岁的时候她说想长大后结婚。 但14岁时她说的是，希望以后做自己喜欢的事，对过去没有遗憾。 21岁时她更加明确自己的目标，要先发展事业再考虑家庭。 你会发现，她在长大过程中，目标一直在变得更清晰，更有主动性。 反观杰奎琳和林恩，她们更多是被动接受生活的安排。 林恩考上了好学校但没能继续深造，杰奎琳找到了稳定工作就早早结婚，把职业发展建立在婚姻稳定的假设上。 这个差异在当时看起来不大，但影响非常深远。 第二步，她非常懂得在关键时刻做选择。 苏珊21岁时在旅游公司工作，积累了组织和沟通能力。 28岁结婚生孩子后，为了照顾家庭放弃了高薪工作，偶尔做做兼职。 这段时间看起来是在后退，但她并没有完全放弃职场。 42岁离婚后，她做了个很重要的决定，重返职场。 在这个时间点，她的孩子已经大了不需要全天候照顾，她自己也积累了足够的人生经验和社会阅历。 而且，她并没有被单亲妈妈的身份困住，而是把这当成一个重新出发的机会。 换句话说，她一直在为自己的职业发展留余地。 第三步，她建立了跨越阶层的社交网络。 苏珊经常参加一些不同场合的社交活动，并接触到了中产阶层甚至更高层的人。 后来她能顺利进入伦敦大学行政系统，就是通过这些关系推荐的。 法国社会学家布迪厄有个理论叫文化资本，说的是你谈论艺术、文学、政治的能力，这些能力是中上层社会的隐形门槛，但工人阶级通常缺少这个。 但苏珊通过酒吧社交和后来的大学工作环境，慢慢补上了这一课。 她能和不同阶层的人聊天，参加小剧场演出，培养了文化敏感性，这些都是她能融入中产阶层的重要支撑。 最后，还有一个容易被忽略的因素，就是原生家庭。 苏珊的父母虽然条件一般，但性格开朗乐观，在她的选择上比较尊重和支持。 这种环境让她形成了积极安全的自我意识，相信自己是有能力、有价值的。 当她婚姻失败成为单亲妈妈时，父母能及时给予帮助。有了后盾，她才能专心发展职业。 当然，个人特质也在整个过程中起了很大作用。 苏珊在纪录片里被形容为整部片子里活得最快乐的人。即使在最困难的时期，她也保持乐观，不把沮丧情绪传递给孩子。 正如纪录片中苏珊所说：生活中的经历都有可能改变你，也许你的出生决定了你的阶级，就算永远无法进入上流社会，但你可以融入这个圈子。 实现阶层跨越其实不只是经济地位的提升，更是生活方式、价值观和视野的全面转变。 在这个过程中，个人的主动性和策略选择往往比外部环境更关键。 苏珊的成功源于四个核心因素：对职业的持续规划、跨阶层的社交网络、家庭环境的支持加上个人特质、以及对社会资源的灵活运用。 这些因素看起来很复杂，但归根结底就是一句话：不要被当前的处境困住，要相信自己有改变的可能，然后主动去创造机会。 当然，我们也要承认，不是每个人都能像苏珊一样幸运。 她遇到了支持她的父母，赶上了伦敦大学推行平等政策的时期，还有英国福利体系提供的保障。 但即使考虑这些外部因素，她的主动性和策略选择依然是成功的核心。 所以下次当你觉得人生已定，没有什么改变的可能时，不妨想想苏珊的故事。

我昨晚睡前听了一期心理学家的分享，真的醍醐灌顶。 其中有一个非常反直觉的观点，那些专注力最差的人，往往是最努力尝试专注的人。 比如每当工作或者学习的时候，很多人总是忍不住看手机回消息，或者每当想集中精力干点事情的时候，没几分钟就躺床上刷短视频了。 他们会把这个归结为意志力不够，觉得自己太懒了，太没自制力了，太容易放弃了。 但问题的根源，可能根本不在这。 你可能经常会刷到一些自律博主，或者成功学导师，他们说的永远都是：你要更自律，你要更努力，你要克服懒惰。 好像只要你足够努力，就能把专注力硬生生地挤出来。 可是人的大脑不是这样工作的。 大脑总是会对未完成的任务特别敏感。 比如你正在写一份报告，写到一半被人叫去开会。 开会的时候，你的脑子里会不停地想那份报告还没写完，还有哪些数据要补充。 这不是你注意力不集中，而是大脑的正常反应。 心理学家把这叫做蔡加尼克效应，也就是大脑会把所有未完成的任务都当成一笔未偿还的债务。 你每一个打开的浏览器标签页，每一条没回的微信消息，占用你大脑里的资源。 所以当你手头有一堆未完成的事情时，想要专注地做好其中一件，就会变得特别特别难...... 但这不是因为你不够努力，而是因为你的大脑正在同时追踪太多任务，已经严重超负荷了。 我想起来一本小说。 大卫·福斯特·华莱士在1996年出版了一本叫《无尽的玩笑》的书，1079页，还有388个详尽的尾注。 这本书的阅读体验本身就是一种折磨，因为你需要不停地在正文和尾注之间跳转，很多尾注本身就是完整的小章节。 几乎没人能完整读完。 但这本书的设定让人毛骨悚然。 故事发生在近未来的北美，有一部同名的电影《无尽的玩笑》，由一个前网球明星制作。 这部电影有着令人无法抗拒的娱乐魔力，只要你看了，就会无限循环地看下去，不吃不喝，不睡不动，直到死亡。 它后来成了恐怖主义工具，所有看过它的人，都在沉迷中荒废了生活。 这是1996年的书，那时候还没有智能手机，没有短视频、算法推荐、无限刷新。 这些让我们上瘾的东西，在当时根本不存在。 但华莱士却看到娱乐正在走向一个临界点，它会变得如此精准，如此不可抗拒，以至于开始从认知、身体、甚至精神层面吞噬我们。 更值得玩味的是，这本书有多条叙事线并行。 一条线讲一个精英网球学院的少年，在高压教育下的精神困境。 另一条线讲一个瘾君子在戒毒康复中心，通过十二步疗法挣扎求生。 前500页你一直在想，这个戒毒的人跟那部致命电影有什么关系？ 读到后面才明白，成瘾不只是毒品和酒精的问题。 娱乐也是，成功也是，技术也是。我们用消费和快感填补孤独，用无尽的刺激逃避空虚。 对抗成瘾的那套技能和心态，很快就会成为所有人的必修课。 我们每个普通人，都得学会面对这个娱乐至死的时代。 这才是真正预言的部分。 我们现在谈论注意力危机，谈论信息过载，谈论算法推荐如何劫持我们的大脑。 但很少有人意识到，这场战争的本质，其实和戒毒没什么区别。 你需要的不是更强的意志力，而是理解成瘾的机制，理解你的大脑是如何被精心设计的刺激劫持的，然后重新设计你的环境和生活。 大家应该都听过一个很著名的心理学实验，研究人员让参与者在接下来的5分钟里，想任何事情都可以，但就是不要想白熊。 结果，所有人脑子里都疯狂冒出白熊的画面。 越是告诉自己不要想，白熊就越是挥之不去。 心理学家把这个现象叫做讽刺性过程理论。 当你试图压制某个想法的时候，大脑反而会一直监控这个想法有没有出现。 而这种监控本身，就让那个想法变得更活跃了。 所以当你拼命告诉自己不要分心的时候，你的大脑正在不停地检查：我分心了吗？我分心了吗？ 这种检查本身就是一种分心。 所以，专注力的问题，从一开始就不该是「意志力」的问题。 但这里有个更深层的问题。 很多关于ADHD的研究发现了一件事，ADHD患者的问题不是无法专注，而是无法控制自己专注在什么上面。 他们可能玩游戏能玩8个小时，看自己喜欢的电影能一口气看完整个系列。 但是让他们去做一些他们觉得无聊的事情，哪怕5分钟都坚持不了。 这说明注意力本身没问题，问题在于动机、兴趣、意义感这些东西。 对于普通人也是一样的。 当你觉得自己无法专注的时候，可能不是你的大脑出了问题。 「而是你正在做的事情，对你来说没有足够的意义。」 所以所有关于专注力的讨论，都在回避一个最核心的问题：你学会专注之后，要用来干什么？ 专注力不是目的，真正重要的是你要用这个工具去做什么，去创造什么，去达成什么。 如果你不知道自己为什么要专注，不知道自己真正想做的是什么，那再多的技巧和方法都没用。 因为你的大脑会自动抗拒，它知道你在逼自己做一件没有意义的事情。 说到底，专注力其实是一个下游问题。 如果你对自己在做的事情没有清晰的认知，如果你的生活状态很糟糕，那你的专注力一定也好不了。 这就是为什么所有的生产力系统，所有的时间管理方法，最后都会回到同一个问题。 你真正想要什么？你真正在乎什么？你的人生到底要往哪个方向走？ 最近看到一个说法，觉得很有道理。 提升专注力最有效的方式，不是增加什么，而是减少什么。 不是买更多的效率工具，不是学更多的时间管理方法，而是去掉那些干扰你的东西。 然后你会发现，自己的专注力自然就回来了。 所以，问题的关键不是更强的意志力，而是更清晰的自我认知，更合理的环境设计，以及对生活更深刻的理解。 因为你的大脑比你想象的更聪明，也更擅长专注。

不知道大家有没有听过一句话，叫「人生发财靠康波」。 这句话出自中信建投前首席经济学家周金涛。 他说过，普通人这辈子能积累多少财富，85%取决于经济周期，只有15%靠个人能力。 比如70后那批人，2000年到2010年随便买套房，现在都能身家千万。 但80后90后，同样努力工作存钱，结果房价涨得比工资快，怎么追都追不上。 这不是能力问题，而是时代问题。 周金涛当年精准预测了2008年金融危机、2015年股灾，靠的就是对康波周期的研究。 他在2016年提出了一个非常著名的论断：“人生发财靠康波。2019年是85后第一次人生机会，40岁以上的人最后一次机会在2030年左右。” 他说，普通人一生中真正能改变命运的财富机会，只有3次左右。 关键在于，你能不能踩准那个节奏。 所以什么叫康波周期？ 简单说就是全球经济每50到60年会来一次大的波动循环。 这个理论最早是苏联经济学家康德拉季耶夫在1925年提出来的，他研究了一百多年的经济数据，发现每次技术革命都会带来一轮财富大洗牌。 从1782年的蒸汽机革命开始，人类已经经历了五次这样的周期。每次周期里都会诞生一批新富人，同时淘汰一批旧富人。 第一次是蒸汽机和纺织业，英国靠这个成了世界工厂。 第二次是铁路和钢铁，美国开始崛起。 第三次是电力和汽车，通用电气的股票20年涨了10倍。 第四次是石油和消费社会，房地产成了主角。 到了第五次，也就是我们刚刚经历的这一轮，核心是信息技术革命。 1991年到2000年，互联网起飞，纳斯达克指数涨了49倍。 2001年到2008年，中国加入WTO，房价十年涨十倍。 2009年之后智能手机普及，数字经济爆发。 但是到了2020年，这一轮的红利基本吃完了。 你会发现，尤其是2020年往后这几年特别难。 但其实不是你不努力，而是整个技术红利在衰退，旧的增长引擎熄火了，新的还没完全启动。 这就是萧条期的特征。 但重点是，2026年，第六次康波周期要开始了。 这次的核心驱动力是人工智能、新能源、生物技术。 这三个东西会像当年的蒸汽机、电力、互联网一样，彻底改变世界。 你可能会说，AI和新能源不是早就有了吗？ 对，但之前都是技术积累阶段，现在是商业化爆发的前夜。 举个例子，2025年AI岗位的平均月薪是6.18万，算法工程师能拿到7.1万。 光模块这种给AI服务器做配件的行业，2026年预计增长120%。储能行业因为AI数据中心耗电太多，增速能超过80%。 这些数字意味着，如果你现在30岁左右，未来十年是你人生最关键的财富积累期。 因为每个周期的回升期，是普通人参与门槛最低、成长空间最大的阶段。 等到繁荣期再进场，成本就高了，风险也大了。 换句话说，2026年到2035年这十年，是你最大的机会窗口。 但普通人应该怎么抓住呢？我觉得有三个方向可以想。 第一个维度是资产配置。 很多人存钱只会放银行或者买理财，但在不同周期里，资产的表现差别巨大。 萧条期最适合持有现金和黄金，比如2001年到2011年，黄金从255美元涨到1921美元，涨了6倍多。 但如果你在萧条期炒股，基本就是白忙。 回升期和繁荣期则恰恰相反，现金会贬值，股票特别是科技股会暴涨。 1982年到2004年，道琼斯指数年化回报率11.42%，如果你只拿现金，就等于在亏钱。 所以2026年之后，需要把资产往科技赛道上挪。 第二个维度是职业选择。 如果你还年轻，或者正在考虑转行，一定要往新周期的赛道上靠。 AI领域现在非常缺人，算法工程师、AI产品经理、AI应用开发，这些岗位的薪资溢价能到20%以上。 新能源也一样，储能系统设计、光伏技术、锂电材料，这些方向的薪资都在往上走。 但你可能会说，我现在的工作跟这些完全不沾边，怎么转？ 别急着裸辞，用三步走的策略：先稳住主业，业余时间学AI或新能源的基础知识。 等你能做点副业项目了，比如开发个AI应用，或者给中小企业做新能源咨询，这时候副业收入能到主业的30%，再考虑跳槽。 第三个维度是技能投资。 很多人觉得学习是成本，其实学习才是最划算的投资。 每个月拿出收入的5%到10%，用来学AI、学编程、学数据分析。 这笔钱看起来不多，但长期回报率比买房还高。 因为技能是跟着你走的资产，房子还可能跌价，但你学会的东西不会。 2026年是个分水岭。 往前看五年，是第五次周期的萧条期，往后看十年，是第六次周期的回升期。 你现在做的选择，会决定你未来十年的财富增长速度。 所以别再抱怨时代不公平了，时代确实不公平，但规律是公开的。 真正的自由，是看懂周期之后，选择顺势而为。

很多人创业的第一件事，都是去研究竞争对手。 他们会花大量时间拆解对手的产品，分析对手的定价，猜测对手的下一步动作。 这件事听起来很合理，但 37signals 的创始人 Jason Fried 却始终秉持着一个观点： 「你真正的竞争对手，其实是你的成本。」 我们总以为竞争是向外的，是和别人比。 但真正让一家公司撑不下去的，往往不是对手太强，而是自己的开销太重。 Jason 是从一件很小的事情里领悟到这一点的。 他在十五六岁的时候，喜欢收集磁带和 CD，但总是借出去就再也拿不回来。 于是他用一个叫 FileMaker Pro 的工具，给自己做了一个数据库，就是为了记录哪张专辑借给谁了。 这东西做出来之后，他觉得界面挺好看的，就打包成软件，附上一张小纸条：如果你觉得有用，寄给我 20 美元。然后上传到了 AOL，那时候互联网还没普及。 没过多久，他收到了一封来自德国的航空信，里面塞着一张崭新的 20 美元美钞。 他说，打开那个信封的瞬间，有什么东西在他脑子里咔嗒一声，想明白了。 那个想明白的东西，不是"我可以靠软件赚钱"，而是——我不是孤例。 我遇到的问题，别人也遇到。我做的这个东西，不用专门去找用户，用户会自己找来。 这个认知背后有个很深的前提：你不需要改变全世界，你只需要找到跟你一样的那些人。 你有的困扰，一定有人跟你一样，你想要的东西，一定有人跟你一起想要。 差别只在于，你愿不愿意先把它做出来，然后等那些人来找你。 但这个逻辑成立，有一个很关键的条件，那就是你的成本得足够低。 Jason 当年一个人卖那款叫 Audio File 的软件，17 岁左右一年大概能挣两万美元。 这个数字放在今天听起来不算什么，但放在那个年纪，对一个几乎没有任何开支的人来说，已经是一门相当不错的小生意。 他只需要找到几千个愿意付 20 美元的人，就能维持下去。 但他当时如果雄心勃勃，觉得既然有需求那就要做大，于是雇了几个人，租了个办公室，搞了些运营开支，那一切就变了。 他需要找到的客户数量会翻好几倍，而他的产品根本还没有到那个规模。 大多数早期创业者死在这里，不是因为产品不行，而是因为开销把他们压垮了，还没来得及找到足够多的用户。 所以Jason 所说的"你真正的竞争对手是你的成本"，不只是要省钱，而是一种对商业本质的理解： 「一家生意，无非是收入要大于支出。只要这个等式成立，你就能继续做下去。」 那些你在担心的竞争对手，他们会出什么新功能，会把价格定在哪里，会不会突然杀入你的市场，这些你都控制不了。 但你每个月要花多少钱，你的团队有多大，你的产品需要多少维护成本，这些你是可以控制的。 他后来建立 37signals，把这个信念贯穿进了整个公司的运作方式里。 公司现在大概 60 多个人，他们曾经做到 80 人，然后主动缩减回来了。不是因为经营困难，而是因为他们发现，更少的人反而能把事情做得更好。 这让我想到微软早期的一个细节。 微软是第一家年销售额突破十亿美元的纯软件公司，但它最初的 30 名员工，是比尔·盖茨、他的秘书，加上 28 名程序员。 没有任何多余的人。 卡内基、洛克菲勒、山姆·沃尔顿，这些人在各自的时代把公司做到了极致，但他们身上有一个共同的特质：在公司最脆弱、最需要活下去的阶段，他们对成本的控制近乎偏执。 这不是吝啬，这是生存本能。 他们知道，能活着，本身就是一种竞争优势。你的对手倒下了，你还在，时间就会站在你这边。 Jason 还有一个做法，我觉得很有意思。 他们的项目管理工具 Basecamp，不管你的团队有多少人，每月最多只收 299 美元，封顶就是这里。 你可能会觉得奇怪，明明有企业客户愿意付更多，为什么不收？ 他的理由是，一旦你有了一批付很多钱的大客户，你就开始被他们牵着走了。 他们要什么功能，你不得不做；他们不满意，你就慌乱。你不敢让他们离开，因为失去一个就是一大块收入。 而当你的客户都差不多大，每一个人的分量就接近，少了任何一个，都不是致命的损失。 你可以为整个客户群做决策，而不是为了讨好少数几个大客户而不断扭曲自己的产品。 即使你不是创业，你只是做内容、做副业，底层逻辑其实也是一样的。 很多人一开始就想着要找投资、要快速扩张，花了很多钱在还没验证的事情上。结果不是被市场证伪，而是被自己的开销逼得走投无路。 其实如果一开始把成本压到最低，慢慢找到那些和你一样的人，哪怕规模很小，只要收支平衡，你就能继续做下去，继续打磨，继续等待。 而能继续，本身就是大多数人做不到的事。 我很喜欢Jason 说的一句话，就是一家公司最核心的任务，就是继续存在下去。 你喜欢做这件事，你想一直做，但如果每个月花的比挣的多，你就做不下去了。 很多人把商业想象成打仗，要击败对手，要攻占市场，要快速扩张。 但 Jason 的思路更像是打持久战，不是要赢得漂亮，而是要活得够长。 而只要活得够长，很多事情就会自然发生。

给大家分享一篇对我消费观念影响很大的文章，叫《Everything Must Be Paid for Twice》。 翻译过来是：所有东西，都必须支付两次。 这个观念非常反常识，因为在大多数人的观念里，我们买一个东西，花钱买了就是买了，买到了就是拥有了。 什么叫支付两次？ 但在这篇文章里，作者提出了一个说法，叫第一代价和第二代价。 第一代价很好理解，就是你掏出去的那笔钱。 比如买一本书、办一张健身卡、或者报一个网课。 钱离开账户的那一刻，第一代价就付清了。 但在作者看来，这只是账单的上半部分。 真正的下半部分，是第二代价——你使用这件东西所需要付出的时间、精力和意志力。 你买的网课得听完，你办的健身卡得去，只有这笔账也还完，你当初付的那笔钱才算真正花出去了。 「你花钱买到的，只是一张兑换券。能不能兑现，取决于你愿不愿意付第二代价。」 你现在也可以回想一下，你生活中有多少东西，是钱都花出去了，但价值一点都没兑现？ 买的课，听了两节就直接躺收藏夹里了；办的健身卡，一年可能就去个两三次...... 你会发现，生活里很多东西，钱虽然是花出去了，但价值其实一点都没兑现。 从这个角度看，很多我们以为「买到了」的东西，其实从来就没真正属于过我们。 很多人都知道芒格有一面墙的书，知道他那句「我这辈子遇到的聪明人，没有一个不每天读书的」。 但读书不只是买书，而是读书后把书里的东西拆开，和你已经知道的东西对比、碰撞、重新组装，最后变成你自己的思维框架，也就是你的跨学科思维模型。 买书是第一代价，读完是初级的第二代价，而把书里的逻辑真正内化、用来解释和判断现实世界，才是完整的第二代价。 大多数人读书，其实只付到了一半的第二代价。 那出路在哪？ 作者说，办法是把开关推向另一边：停止无节制地支付第一代价，把精力放回到你已经欠着的那些第二代价上。 我觉得这个建议是对的，尤其是在买任何东西之前，需要先问自己一个问题：我有没有打算为这件东西付出第二代价？ 我们之前花了非常多的时间，浏览了很多平台算法强制推荐给你的信息，买了很多没必要买的东西。 不是"我觉得应该"，不是"我计划以后"，而是现在，这件事有没有一个位置在我的时间和精力里？ 如果没有，就先不买。 作者在文章最后说，支付第二代价就像在一片没有地图的荒野里慢慢开路。 走得很慢，一路上会绊倒，但全程都是新的领土。熬过最难受的那一段之后，那片荒野就变成了你自己的地盘。 买到，从来不等于得到。 得到，要靠你自己走完剩下的那一半路。

MiniMax M2.5出了！我第一时间就接入Claude Code 进行了测试。 这次真的不一样，MiniMax 官方公布的成绩单相当炸裂。 SWE-Bench Verified拿了80.2%，Multi-SWE-Bench多语言编程直接第一，BrowseComp搜索能力也是76.3%的SOTA水平。 OpenClaw 创始人 Peter Steinberger 之前就在采访里多次推荐过 MiniMax 系列模型，这次M2.5出来他直接转发了一条帖子： 「MiniMax刚刚发布了MiniMaxM2.5，它的性能与Opus4.6相当，价格便宜了20倍！」 我真的要强烈推荐大家自己去试试，M2.5 完全是开发者的神，开发能力非常强！ 我用上 M2.5 之后，都开始怀疑下个月是否还有必要再续费 Claude 了...... M2.5的审美以及完成度非常高，尤其擅长处理一些非常复杂的开发需求。大家一会可以看看我的第2个案例，完成的非常出色，当时它大概只用了 20 分钟。 官方管MiniMax M2.5叫智能体原生架构，换句话说，这个模型天生就是干活的命。 它的激活参数量只有10B，作为对比，Claude Opus 4那种旗舰模型动辄几百B参数。但M2.5在编程、文档处理、复杂任务执行这些方向上，都是能跟顶级旗舰掰手腕的。 正好我最近观察到，身边很多朋友去做一些网站开发的项目，或者商业化平台的时候，还要花钱找外包。 但我必须说一句，这些活MiniMax M2.5都能干，而且效果一点不输很多在线平台...... 我跑了3个测试场景，覆盖个人网站开发、商业平台搭建、在线教育平台搭建这几个方向，让我们看一下MiniMax M2.5的实战效果如何👇 Case 1:美妆博主要做个人品牌网站 前段时间，有个做美妆自媒体的朋友来咨询我，说她想用AI搭建一个个人网站，去展示一些她自己的社媒作品，方便给甲方看。 但她自己完全不懂代码，去外面找外包报价都是几千起步。 基于这个需求，我就想试试能不能直接用MiniMax M2.5一步到位。 它先是规划了整个网站的技术栈和目录结构，然后开始逐个页面生成代码。 有些地方它会主动优化，比如在移动端自动调整瀑布流的列数，给渐变背景加了平滑过渡动画。 整个过程大概只花了三分多钟，生成了完整的HTML、CSS和响应式布局代码。 由此可见，实用价值真的很明显，尤其是对于个人博主、小工作室这种预算有限的群体，这个能力直接把建站成本从几万块降到了零。 你只需要提需求，剩下的技术活全部交给AI。 Case 2:KOL商业合作平台的复杂系统 这个case难度就上了一个台阶，我想测试的是它能不能处理真正有业务逻辑的平台型产品，不只是做个展示网站那么简单。 我要求创建一个KOL商业合作平台，要有网红数据面板显示粉丝画像和报价，智能匹配系统让品牌方输入需求后AI推荐合适的KOL，档期日历可视化展示未来三个月排期，还要有合同模板库和数据追踪报告。 视觉风格要像Instagram卡片布局加上B2B SaaS的仪表盘风格。 它的处理方式比第一个case更加系统化。 先是拆解功能模块，分别设计了数据面板、匹配算法、日历组件、文档管理这几个子系统。 然后在前端用卡片流布局串联起来，后端逻辑用模拟数据跑通了整个流程。 有意思的是，它在做智能匹配功能时，会主动设计一个简化版的推荐算法，虽然不是真正的机器学习模型，但基于标签匹配的逻辑已经能展示核心概念了。 整个项目大概一共开发了20多分钟，这种级别的复杂度，如果找开发团队做，几乎没有一两个月下不来。 而且我必须要说，这个能力对创业者来说价值巨大。 你有个商业idea，想快速做个MVP验证市场，完全可以用这种方式先把产品原型搭出来，再决定要不要投入资源做正式开发。 Case 3：新中式美学的在线教育平台 第三个case我想试试它在文化创意方向的表现，这类需求不只是功能实现，还涉及到审美和氛围营造，这往往是AI的弱项。 我要求为时光书院这个在线国学教育平台做网站，要有新中式美学。色调用米白、墨色和朱砂红渐变，背景放书法作品或水墨山水，加粒子飘散效果。融合竹简卷轴、印章这些古籍元素，文字用宋体竖排版。每个课程展示框要像线装书，背景播放古琴或茶艺视频。整体氛围要儒雅静谧，像在书斋品茗论道的感觉。 执行过程中，它展现出了对文化符号的理解能力。 除了实现基础的视觉风格，它还会在细节上做文章，比如给页面切换加了水墨晕染的过渡动画，在课程卡片上添加印章样式的标签，甚至在鼠标悬停时触发毛笔书写的路径动画。 这些小心思让整个页面有了灵气，不再是冷冰冰的代码堆砌。 结果是我把这个demo发给做文化传播的朋友看，她第一反应是问我找了哪家设计公司。 当我告诉她这是AI做的，她完全不信。 所以我说，AI在审美层面的进化速度可能被低估了。它不只是在模仿人类的设计，而是真的在理解文化内涵和情感表达。 测完这几个case，我感觉MiniMax M2.5在执行层的能力确实够硬。 它能听懂复杂需求，页能自己规划任务步骤，而且速度快得离谱，官方说推理速度是Opus的3倍，我测下来确实有这个感觉。 如果你也经常被执行层的琐事拖累，非常推荐你亲自测试一下，现在API接口也已经开放了，关键看它能不能真正融入你的工作流。 说实话，AI发展到现在这个阶段，已经不是能不能用的问题，而是会不会用的问题了。 早点上手，早点受益。