——从美国“失去的十年”、日本“失去的三十年”，到 Human Capital ETF 当我们谈论投资时，脑海中最先出现的通常是股票、基金、债券、黄金和房地产。我们关心收益率、回撤、估值和资产配置，却很少追问一个更基础的问题：对于一个主要依靠工作获得现金流的普通人来说，他真正拥有的资产，只有证券账户里的钱吗？ 我过去也习惯把“投资”理解为把工资的一部分转入金融市场。直到经历个股亏损、重新学习交易型开放式指数基金（exchange-traded fund，ETF）和资产配置之后，我才逐渐意识到：金融账户当然重要，但对一个刚工作几年的年轻人来说，它往往还不是资产负债表中最大的一项。真正决定未来十年处境的，可能是身体是否健康、职业能力是否增长、工作经验能否迁移、知识能否沉淀为作品，以及劳动成果是否逐渐转化为自己拥有的资产。 要理解这一点，最好的起点不是一句“投资自己”的口号，而是两段真实的金融史。 一、当金融市场失去的十年，恰好是你的黄金十年 假设你在 2000 年初刚满 25 岁，第一次拥有可以长期投资的钱。你没有追逐小盘妖股，没有使用杠杆，也没有频繁交易，而是买入代表美国大型企业的标准普尔 500 指数（S&P 500），随后长期持有。 这听起来几乎符合后来所有主流投资教育的建议。但你进入市场的时间是 2000 年。 根据纽约大学教授 Aswath Damodaran 整理的年度总回报数据，以 1999 年末和 2009 年末的累计价值复算，标准普尔 500 指数在 2000—2009 年的含股息累计回报约为 -9.1%，年化回报约为 -0.95%。这十年中，投资者先后经历了互联网泡沫破裂和全球金融危机，两次刚刚恢复希望，又重新遭遇重挫。1 这就是美国股市后来所说的“失去的十年”。真正令人不安的，并不只是账户少赚了一点钱，而是市场的十年与人的十年并不等价。对指数来说，十年只是走势图上的一个区间；对一个人来说，25 岁到 35 岁可能是学习能力最强、职业路径开始分化、家庭责任逐渐增加，也最适合进行长期积累的一段时间。 你可以等待市场最终恢复，但你无法把自己的 25 岁重新过一遍。 定投解决了入场问题，却没有取消时间问题 有人会说，只要坚持定投，就不会遭遇这样的结果。定投当然有价值。市场越低，同样的现金流能够买入越多份额；在 2008—2009 年仍然保持收入和投入纪律的人，也为后来的反弹积累了更多低成本资产。定投削弱了单一入场时点的影响，降低了投资者在顶部一次性投入全部本金的风险。 但定投并没有让“失去的十年”消失。它改变的是资金进入市场的路径，不能保证回报恰好在你需要的时候兑现。这就是金融投资中常被忽视的人生窗口风险：历史长期回报率是几十年乃至上百年数据的平均值，但每个人真正经历的，永远只是其中某几个不可重来的十年。 二、“失去的十年”并不是所有资产的失去 2000—2009 年并非一切资产都表现糟糕。根据同一组数据复算，美国小盘股中的底部市值组同期年化回报约为 9.0%，十年期美国国债约为 6.3%，黄金约为 14.1%。1 这些结果不能证明它们未来仍会重复，也不能证明投资者能够提前识别赢家，但至少说明：美国大型股的失去十年，并不等于所有资产的失去十年。 因此，这段历史首先给出的并不是“不要投资股票”，而是一个更传统、也更可靠的结论： 不要让整个金融未来依赖单一国家、单一风格和单一估值周期。 这里也必须尊重历史条件。今天的投资者可以用很低的成本买入覆盖整个美国市场乃至全球市场的 ETF，但这样的工具体系在 2000 年还没有完全形成。Vanguard Total Stock Market ETF（VTI）成立于 2001 年，覆盖全球发达市场和新兴市场的 Vanguard Total World Stock ETF（VT）则直到 2008 年才成立。23 ...

——从查尔斯·庞兹到麦道夫：一个 Worker Investor 对庞氏骗局的重新理解 开始工作以后，我第一次拥有了一笔可以被称为“资本”的钱。它不是从家庭继承而来，也不是创业融资，而是我用时间、劳动和职业能力换来的工资。也正因为如此，当我把工资投入市场并遭遇亏损之后，我开始意识到：一个普通劳动者进入金融世界时，首先需要学习的可能不是如何获得更高收益，而是如何判断自己究竟进入了什么地方。 这是真实的市场，是一个负期望的赌局，还是一个披着投资外衣的骗局？ 股票下跌不等于被骗。只要资产真实存在、交易真实发生，价格波动就是市场风险的一部分。但庞氏骗局不同：投资者看到的收益，从一开始就不是资产创造出来的，而是从后来者的本金中搬运过来的。研究庞氏骗局，实际上是在研究一个更基础的问题：钱究竟是怎样产生的？ 只要这个问题无法回答，所有收益率、账户余额和盈利截图，都可能只是精心设计的舞台布景。 一、什么是庞氏骗局？ 美国证券交易委员会（United States Securities and Exchange Commission，SEC）面向个人投资者的网站 Investor.gov 对庞氏骗局的定义非常直接：它是一种使用新投资者资金向早期投资者支付所谓“收益”的投资欺诈。由于系统几乎没有真实利润，它必须持续获得新资金；一旦新增资金减少，或者大量投资者要求退出，整个结构就会崩溃。1 从资金结构上看，真实投资和庞氏骗局之间存在一条清晰的边界： 结构 投资者收益来自哪里 企业股权 企业利润、现金流及未来增长 债券 借款人的经营收入与偿付能力 房地产 租金、土地及建筑物的使用价值 商品 真实供需与资产价格变化 庞氏骗局 后来投资者交进来的本金 因此，庞氏骗局最根本的问题并不只是“收益率太高”，而是： 系统内部没有足以覆盖承诺收益的外部现金流。 它可能持有少量真实资产，也可能进行部分真实交易，但如果支付给投资者的主要资金来自新增本金，那么它在经济结构上仍然是一个庞氏系统。 二、庞氏骗局并不是庞兹发明的 “Ponzi scheme”以查尔斯·庞兹命名，但类似机制至少在 19 世纪已经出现。1869 年，德国演员阿黛尔·施皮茨德在慕尼黑开始经营私人金融业务，以高额月息吸收资金，并依赖新资金支付早期参与者；这套系统在 1872 年崩溃，被视为有记录以来最早的一批庞氏型骗局之一。2 1879 年前后，美国波士顿的莎拉·豪创办了“女士存款公司”，主要面向未婚女性吸收存款，并承诺约 8% 的月度利息。早期储户获得的利息实际上来自后来者的存款；随着报纸展开调查，这套骗局在 1880 年被揭露。3 这段历史给我留下的第一个重要印象是：骗局通常不是凭空制造需求，而是进入一个真实存在的制度缺口。19 世纪的欧洲和美国正在经历工业化、城市化和金融普及。越来越多普通人开始拥有少量储蓄，但他们获取正规银行服务和投资信息的能力仍然有限。骗子并没有简单地告诉人们“把钱给我”，而是把自己包装成正规金融系统没有充分提供的替代方案： 更高的利息； 更容易理解的产品； 更亲切的人际关系； 对特定群体的照顾； 一种“终于轮到普通人致富”的希望。 这也是后来所有庞氏骗局不断重复的模板：先发现一种没有被满足的愿望，再用一个不可持续的资金结构去满足它。 三、查尔斯·庞兹：一个真实套利故事如何变成骗局 1919 年，生活在波士顿的意大利移民查尔斯·庞兹收到一封来自西班牙的信，信中附有一张国际回信券（International Reply Coupon，IRC）。这种回信券可以在一个国家购买，再到另一个国家兑换邮资。第一次世界大战后，不同国家的货币和邮资换算关系剧烈变化，理论上确实可能通过低价购入回信券、在美国兑换邮票并出售邮票，获得一定的套利利润。4 庞兹的故事之所以具有迷惑性，就在于它并非完全虚构：底层逻辑有一小部分是真的。真正的问题在于规模。即使单张回信券存在套利空间，也很难在短时间内购买、运输、兑换和出售足够多的回信券与邮票，从而支撑他承诺的巨额收益。 但庞兹没有向投资者展示采购记录、兑换凭证、交易对手和实际利润。他声称自己拥有遍布欧洲的代理网络，同时以“商业机密”为由拒绝解释具体过程。事后对其公司资产的审计只发现价值约 61 美元的国际回信券。5 庞兹最初承诺投资者在 90 天内获得 50% 的收益，后来进一步缩短为 45 天。第一批投资者确实按时收到了钱，于是他们成为最有说服力的广告。销售代理还可以从新投资中获得佣金，最终约有 4 万人卷入其中。5 ...

前段时间，我在学习文本向量化时重新读到 OpenAI 的 CLIP 论文。读着读着，我突然想起张首晟谈比特币的一场演讲。 一个是分布式账本。一个是把图像与语言放进同一套表示空间。它们解决的显然不是同一个技术问题，却让我反复想到同一个词：共识。 比特币试图让分散的节点对交易历史形成可验证的共同记录。CLIP 则从海量图文中学习：一张图片通常会和什么语言相遇。一个处理协议中的共同历史，一个处理数据里的语义对应。它们之间不存在可以直接画等号的证明，但这种距离很远的相似，改变了我理解 AI 的方式。 我开始追问：如果模型越来越擅长吸收那些已经被反复表达、记录并进入训练数据的模式，那么一个人的长期价值，究竟应该建立在哪里？ 一、共识并非没有成本，只是成本记在不同科目里 比特币白皮书要解决的核心问题，不是让世界从此不再需要信任，而是在没有单一可信第三方处理每笔支付的情况下，防止同一笔数字货币被重复花费，并让参与者接受一份共同的交易历史。它把交易写入持续增长的工作量证明链。想改写过去，就要重做那个区块及其后续区块的工作，并追上网络正在延伸的工作量证明链。1 这并没有让系统脱离一切依赖条件。它只是把对单一中心机构的依赖，换成了对公开协议、密码学证明、软件实现和诚实算力占优这一前提的依赖。 在工作量证明中，成本非常直白：CPU 时间和电力。张首晟曾用热力学中的熵来解释这件事：一个局部系统要维持有序，就必须把代价释放到别处。2 这个类比很有启发性，但我现在不会再把它写成一条由物理学证明的社会定律。热力学照亮了问题，却不能替代分布式系统的证明。 我由此得到的不是一条关于所有共识机制的定律，而是一个工程提醒：共识成本不会凭空消失，只是不同系统把成本记在不同科目里。 有的支付计算，有的支付通信和等待，有的依赖抵押、身份，或者对部分参与者的信任。稳定的共同状态不是一句“大家同意”就会自动出现，它需要一套可以持续校验、处理分歧并约束改写的机制。 二、CLIP 学到的不是世界，而是世界留下的图文痕迹 这里也必须把比特币与 CLIP 之间的距离说清楚。比特币用协议和资源成本，让节点收敛到一份共同历史；CLIP 不建立这种协议共识，它通过统计训练，从人类已经留下的图文配对中提炼规律。两者共享的不是机制，而是一条观察：分散的信息只有被组织成可以反复调用的结构，才会从噪声变成能力。 过去的视觉模型往往依赖预先定义的标签体系。ImageNet 就建立在 WordNet 的概念层级上：研究者先按类别收集候选图片，再通过众包判断图片是否真的呈现了目标概念。它把一套经过人确认的视觉分类体系扩展到了极大的规模。3 CLIP 换了一种做法。研究团队从公开互联网来源构建了约四亿组图文配对，让模型在一批候选中判断哪段文字和哪张图片真正配对。通过这种训练，图像和文字被投射进同一套表示空间，模型由此获得了跨任务迁移的能力。4 四亿组数据听起来仿佛足以覆盖世界。但它们并不是“世界本身”。公开网络、从英文 Wikipedia 高频词、部分条目标题和 WordNet 同义词集扩展而来的约五十万个查询词，以及后续的采样和平衡方法，共同决定了什么有机会进入训练集。CLIP 的预训练没有被锁死在 ImageNet 那样的固定类别表里，但人仍然通过语言、查询和采样方法参与塑造它的边界。 所以，我所说的“语义共识”不是 CLIP 论文里的技术术语，也不是比特币意义上的协议共识。它是我对这类模型的一种理解： CLIP 不是直接从世界读取意义。它从人类留在互联网上的图文配对里，学习视觉与语言如何相遇。 模型看到的世界，已经被人拍摄、筛选、命名、描述和上传过。它学到的不只是物体外观，也包括这些物体在特定网络语境中通常怎样被谈论。这些反复出现的对应关系，像一层沉积下来的意义基础设施。模型越能吸收它们，我们调用公共知识的成本就越低。 但一张足够大的地图，仍然不是全部领土。 三、MNIST：共识存在，却没有以模型熟悉的形状出现 CLIP 在许多自然图像任务上迁移得很好，却在机器学习入门者非常熟悉的 MNIST 手写数字上只有约 88% 的零样本准确率。论文作者检查预训练数据后发现，其中几乎没有外观类似 MNIST 的图片；甚至一个直接处理原始像素的简单逻辑回归模型，也能胜过零样本 CLIP。4 这件事最初让我兴奋，因为它似乎证明了：模型在高频区域强大，在共识稀薄的边缘失灵。 但这个说法并不够严谨。0 到 9 恰恰是人类最稳定的公共符号之一。MNIST 暴露的不是“数字缺少共识”，而是这份共识没有以黑底、低分辨率手写数字的形态，大量进入 CLIP 的训练分布。 所以，我今天所说的“共识密度”只是一把思考工具，不是一个可以从论文里直接读出的指标。它提醒我追问：一种经验有没有被记录，记录是否与语言形成了可学习的配对，最后又是否进入模型的数据分布。CLIP 的研究者在比较不同预训练数据时也谨慎推测，不同数据集上的性能差异可能反映相关数据在预训练材料中的相对密度。4 这支持了我的直觉，却没有把它变成一条普遍定律。 更准确的说法应该是：规模能够扩大模型覆盖的地图，但规模本身无法消灭地图的边界。 四、稀有不是价值，承担后果才是 张首晟在谈 AI 与数据时，设想过这样一个场景：如果一个模型已经有 90% 的准确率，要继续提高到 99%，真正需要的可能不再是更多相似样本，而是与已有数据差异足够大的信息。2 这不是一个已经被证明适用于所有模型的定律，却是一个很有力量的追问：当常规样本已经足够多，下一条重要信息会从哪里出现？ ...

整理 Kindle 笔记时，我发现自己在 The Millionaire Fastlane（《百万富翁快车道》）里留下了 637 条高亮。它是全部五十五本书中标注最多的一本，甚至占到了全部笔记的四分之一左右。这件事并不难理解。这本书准确击中了我参加工作以后逐渐感受到的不安：如果收入始终依赖我继续投入时间，那么无论工资怎样提高，我的生活是否仍然没有脱离同一种结构？ 《百万富翁快车道》把传统的财富道路概括为：找到一份工作，保持节俭，把钱投入市场，等待几十年以后退休。DeMarco 认为，这条道路把太多希望寄托在个人无法控制的就业市场、股票市场和漫长时间上；他提出的替代路径，是建立满足真实需求、具有控制权、进入壁垒、时间脱钩和规模潜力的商业系统。1 我认同它提出的问题，却没有完全接受它给出的处方。我仍然是一名 worker，仍然需要工资，也仍然从工作中获得专业训练、现实经验和最初的本金。对我而言，真正的问题不是怎样尽快证明上班是一条错误道路，而是：一个暂时离不开工资的普通 worker，能不能在继续工作的同时，逐步获得属于自己的杠杆？ 这正是 The Worker Investor 与《百万富翁快车道》开始分岔的地方。 一、我同意它的诊断：时间绑定是一种真实风险 工资最常见的结构并不复杂。劳动者投入时间、技能、注意力和责任，组织支付工资。提高专业能力、晋升或进入更高价值的行业，可以提高单位时间的价格，却不能自动解除收入与劳动的联系。如果一个人的全部收入、医疗保障、职业身份、社会关系和未来想象都依赖同一个岗位，那么他面对的并不只是“工资够不够高”的问题，而是一种集中风险。 今天完成工作，今天获得结算；下个月仍然需要收入，就要继续出售下一段时间。过去的工作当然会留下经验，但经验不会自动变成可以跨越组织的能力、作品或所有权。一个人可能工作很多年，却依然在重复同一条循环： 出售时间 → 完成任务 → 获得工资 → 消耗工资 → 再次出售时间 《百万富翁快车道》的价值，是强迫读者看见这条循环，而不是只讨论怎样在循环内部提高工资。它还提出了另一个重要判断：真正能够改变收入结构的，不只是更加努力，而是控制权、所有权和规模化。一个人的劳动如果只能被出售一次，价值就会受到个人时间的约束；如果它被写进产品、代码、媒体或可以重复运行的系统，就可能在最初劳动结束以后继续产生影响。到这里，我与 DeMarco 并没有根本分歧。 二、我不同意的是：看见工资的边界，不等于必须立刻逃离工作 问题出现在下一步。当工作被归入“慢车道”，创业被归入“快车道”以后，一个复杂的现实容易被压缩成一次身份选择：继续上班，还是建立企业；继续缓慢积累，还是尽快获得规模。 但对于普通 worker，工作并不只是束缚。它还是现金流、训练场、社会协作、行业入口和风险缓冲。一个人在没有现金储备、没有经过验证的产品、没有分发渠道，也没有承担失败的能力时离开工作，并不会自动获得自由。他可能只是把对雇主的依赖，换成对客户、平台、债务和不稳定订单的依赖。 创业当然可能创造就业、产品和新的所有权，但它不是没有代价的出口。美国劳工统计局对雇主型新设机构的跟踪显示，不同出生年份的企业五年存续率会随经济周期变化；其列出的 2006—2018 年若干企业群组，五年后仍然存续的比例约为 49.8%—57.3%。这些数字只描述美国有雇员的经营机构，不能直接等同于每位创业者的成功率，却足以提醒我们：建立企业是一种有价值、也有真实淘汰风险的路径。2 因此，The Worker Investor 不把 worker 和 entrepreneur 设成非此即彼的身份。它承认工资的边界，也承认工资的作用。工资不是自由本身，却可以成为现金储备和投资本金；工作不是最终归宿，却可以产生可迁移能力、问题素材、职业信誉和对真实系统的理解。真正需要改变的，不一定是立刻离开工作，而是劳动成果的流向。 三、一个 Worker 其实早已在使用杠杆 现代 worker 并不是完全没有杠杆。我在公司里完成一项工程工作时，背后可能已经有组织的品牌、资本、软件、设备、数据、供应链、客户关系和同事协作。没有这些条件，个人即使拥有同样的知识，也未必能够完成相同规模的任务。换句话说，我每天都在使用杠杆，只是其中大部分并不属于我。 公司给了我进入真实项目的机会，也让我借用一套个人难以独立建立的生产系统。但当职位、项目或雇佣关系结束时，这些杠杆中的大部分也会离开。我不能带走公司的数据、代码、客户、设备和商业秘密，也不应该把组织的成果误认为个人资产。 这让我意识到，“有没有杠杆”并不是最准确的问题。更重要的是区分三种东西： 借来的杠杆，是组织暂时提供的品牌、资本、设备、渠道、团队和权力。它们能放大我当下的产出，却不一定改善离开组织后的起点。 可携带的杠杆，是工作过程中逐渐沉淀在个人身上的专业能力、判断力、解决问题的方法、合作信誉和对行业的理解。它们不能与个人分离，却可以跨越岗位继续使用。 拥有的杠杆，是个人合法拥有并能够持续配置的金融资产、公开作品、网站、通用工具、内容渠道、知识产权和自动化系统。它们可能失败，也需要维护，但至少不会在一次组织关系结束时自动归零。 因此，The Worker Investor 的任务不是拒绝使用组织的杠杆，而是在认真完成组织任务的同时，逐步积累合规、可迁移并最终能够拥有的东西。 Worker 使用组织的杠杆完成工作；Worker Investor 还会检查，这段工作为自己的未来留下了什么。 四、普通人的第一层杠杆，是提高单位时间的价值 我不认为所有杠杆都能让人立即脱离时间。专业能力通常只是提高一个小时的市场价格。工程知识、行业经验、英语、沟通和解决复杂问题的能力，都可能让劳动者获得更高收入和更多职业选择，但身体停止工作以后，这些能力通常也会暂时停止产生现金流。从“收入是否与时间脱钩”来看，它还不够理想；从普通人的现实路径来看，它却往往是无法跳过的第一层。 更高质量的专业能力可以增加工资、缩短任务时间、提高议价能力，也能为后续投资、试验和创作提供本金。它的意义不只是“成为更好的员工”，而是扩大一个人能够配置的剩余。 ...

我越来越强烈地感受到，知识只有从一个人的脑海进入另一个人的脑海，才真正完成了它的社会流动。 阅读、思考和学习，首先改变的是我自己。但如果这些理解始终停留在我的脑海里，它们就只是一种私人体验。只有当我尝试把它们写下来，将模糊的感受转化为语言，将零散的问题组织成结构，将个人经历放进更大的知识背景中，它们才可能成为别人可以理解、借用和继续思考的东西。 从这个意义上说，知识输出并不是简单地“把我知道的东西告诉别人”，而是完成一次认知转译：把散落在书籍、论文、互联网和个人经验中的信息，重新组织成一种适合特定问题、特定处境和特定读者的表达形式。 把理解写出来或解释给别人，也可能反过来促进学习。教育研究发现，在明确的学习任务中，围绕学习内容写作，以及为讲授而准备和实际讲授，平均都能改善知识掌握；不过，这些收益依赖任务设计与解释方式，不能被扩展为“任何输出都会自动带来成长”。1 一、需求产生于现实与可能性之间的距离 人为什么会产生需求？最直接的答案是：因为某种状态尚未得到满足。 人会因为生存、工作、收入、健康和关系而产生现实需求，也会因为渴望成长、理解世界、获得自由和实现自我而产生更高层次的需求。但需求并不仅仅意味着“我缺少某件东西”，它更深层地意味着：一个人已经隐约意识到，自己现在所处的位置，与自己希望到达的位置之间存在距离。 问题在于，人往往能够感受到不满，却无法准确描述问题；能够意识到生活不对，却不知道究竟哪里出了问题；希望改变，却不知道存在哪些可行路径。因此，很多需求最初并不是以清晰的问题出现，而是以焦虑、困惑、挫败、羡慕、疲惫或者反复失败的形式出现。 一个人可能会说：“我不喜欢现在的工作。”但他真正面对的问题，可能是技能无法迁移、收入结构单一、劳动成果无法积累，或者个人价值完全依附于组织评价。一个人可能会说：“我想学习。”但他真正需要的，可能不是更多课程，而是一套判断什么值得学习、如何把学习变成能力、如何把能力变成作品的方法。一个人可能会说：“我想投资。”但他真正缺少的，可能不是股票代码，而是对现金流、风险承受能力、时间跨度以及自身人力资本的理解。 需求开始成形，常常意味着一个人意识到：现实可以不是现在这个样子。 二、知识的价值，不在于被知道，而在于降低改变的难度 互联网并不缺少信息。关于职业、投资、学习、写作、健康和个人成长，人们几乎可以找到无限多的内容。真正稀缺的，不再是信息本身，而是以下几种能力： 识别自己真正面对的问题； 从海量信息中找出与问题相关的部分； 理解不同知识之间的关系，而不是把它们当作互不关联的碎片； 将抽象的知识翻译成自己现实条件下可以采取的行动。 许多人并不缺少阅读能力，也不一定缺少学习意愿。他们真正缺少的是一个能够帮助自己完成“信息—理解—判断—行动”转换的中间结构。 因此，一篇文章的价值，不仅在于它是否提供了新知识，更在于它是否完成了某种转换： 把说不清的感受转化为可以讨论的问题； 把孤立的经历放进一个更大的解释系统； 把专业概念转化为普通人能够理解的语言； 把宏大的理论转化为现实中的判断框架； 把“我应该改变”进一步推进为“我可以从哪里开始改变”。 真正有价值的内容，不只是增加读者知道的东西，而是降低读者理解世界和改变自己的成本。 三、内容创作者不是知识的搬运者，而是问题的组织者 一个人不需要发明所有知识，才能创造有价值的内容。事实上，很多重要思想都建立在前人工作的基础上。新的价值往往并不来自创造一条前所未有的信息，而来自重新提出问题、重新选择材料、重新建立联系，并将已有知识放进一个新的现实情境之中。 不同的人面对同一批知识，会产生完全不同的作品，因为每个人的经历、问题意识、价值判断和现实约束都不同。 我从投资亏损出发，重新理解人力资本、工资、现金流、风险与长期积累，于是逐渐形成了 Human Capital ETF。我从普通职场人的现实处境出发，思考一个劳动者如何保存自己的劳动成果，如何避免全部价值都随着工时结束而消失，于是逐渐形成了 The Worker Investor。 这些概念并不是凭空出现的。它们来自经济学、投资学、教育学、组织理论和个人经历的交汇。但真正使它们形成独立价值的，不是其中某一条知识，而是我所提出的问题：对于一个缺少资本、资源和确定性的普通劳动者，什么才是最值得长期配置的资产？ 问题一旦改变，知识的组织方式也会改变。因此，我所做的并不是把互联网上的信息重新排列一遍，而是以自己的现实问题为中心，对已有知识进行重新筛选、重新组合和重新解释。这是一种带有立场的知识组织，也是一种带有责任的认知设计。 四、AI 降低了知识组织的成本，但不能替代人的出发点 AI 的重要意义，不只是提高写作速度。它更深层的价值在于，降低一个普通人调动知识、比较观点、寻找线索、检查逻辑和组织表达的成本。 至少在特定的职业写作任务中，随机实验已经观察到这种成本下降。Noy 与 Zhang 对 453 名受过大学教育的专业人士进行预注册实验，发现使用 ChatGPT 后，平均完成时间减少 40%，输出质量提高 18%。不过，这些任务较短且相对自包含，结果不能直接外推到所有知识工作。2 另一项针对 758 名顾问的随机实验呈现了更清楚的边界：在一组适合模型能力的咨询任务中，AI 提高了速度与质量；在一项超出模型能力边界的任务中，AI 使用者正确作答的比例反而更低。工具能够扩展搜索与表达，却不能取消核验和最终判断。3 过去，一个人产生一个问题之后，可能需要阅读大量书籍、搜索大量资料，才能初步知道这个问题在人类知识体系中处于什么位置。现在，AI 可以帮助我生成检索线索、比较不同观点、寻找潜在的相关概念与反例，并协助检查结构和组织表达；其中涉及事实与出处的内容，仍然需要回到原始资料核验。在我的实践中，它使个人能够以更低成本，整理过去往往需要更多时间或协作才能处理的信息。 但 AI 不能替代最关键的部分。它不知道什么问题真正困扰着我，不知道哪些经历改变过我的判断，也不能替我决定什么值得说、什么不应该说、什么结论需要保留边界。它可以提供材料，却不能代替我的问题意识；可以生成表达，却不能代替我的真实经历；可以提出许多可能性，却不能代替我的判断与责任。 因此，人与 AI 之间更合理的分工是：人提供问题、经历、立场、判断和最终责任；AI 提供检索线索、比较、扩展、组织和表达杠杆。人的价值不是与 AI 比拼信息量，而是决定信息应该围绕什么问题被组织，以及这种组织最终要帮助谁。 五、从一篇文章到可复用的知识资产 当这些思考被持续写成文章时，它们就不再只是一次性的内容，而会逐渐形成一种可以被检索、引用、连接和重复使用的公共知识资产。 我曾把个人网站比作一座公开的思想档案馆。但档案的价值不只在于保存，也在于为读者从模糊需求走向清晰问题提供入口。一篇文章可能只解决一个很小的问题，许多文章长期连接起来，却会逐渐形成一套解释系统。 读者可能先从“工资为什么难以复利”进入，随后理解劳动成果为什么需要被保存；再进一步理解人力资本为什么需要配置，普通劳动者为什么需要建立 Growth、Distribution 和 Meta；最终，他开始重新看待自己的工作、学习、收入和未来。 ...