——从 Daniel Plainview 的行动系统，到 Worker Investor 的 Meta Governance

第一次看《血色将至》（There Will Be Blood），最容易被 Daniel Plainview 吸引的，并不是他的财富，而是他的商业头脑。他有一种极其强烈的行动感：看到信息，迅速判断；判断成立，就立即行动；遇到瓶颈，就想办法穿过去。他很少等待所谓“完美信息”，也很少把问题推给别人。他面对世界的基本姿态是：这里有东西，我要去看看；这里有机会，我要把它拿下来；这里有障碍，我要解决它。

这是一种很强的 agency。

但《血色将至》真正有意思的地方在于，它同时展示了这种能力的两面性。Daniel 几乎把一个 worker 能拥有的执行力、商业判断、资源整合、风险承担和所有权意识发展到了极致；可当这些能力沿着错误的目标函数不断复利时，他最终得到的却不是自由，而是一座更大的监狱。

这也是为什么这部电影非常适合放进 The Worker Investor 和 Human Capital ETF 的讨论中。

一、Daniel 最值得学习的，不是“贪婪”，而是他对现实世界的理解方式

Daniel 所处的是 19 世纪末、20 世纪初美国石油工业迅速扩张的时代。电影从 1898 年的加州展开，至 1911 年 Daniel 已凭石油事业致富；同期的 Spindletop 油田发现也推动了现代石油业的迅速扩张。1 那个时代的很多产业规则尚未完全固化，岗位边界也不像今天这样清晰。摆在一个石油商面前的，不是大学课程表，而是一整条现实世界的问题链：发现石油、判断储量、拿到土地、组织钻井、解决事故、雇佣工人、运输石油、修建管线、寻找买家、控制成本、应对竞争者。

现实不会告诉他：

“这是地质学的问题。”
“这是机械工程的问题。”
“这是金融学的问题。”
“这是法律的问题。”

现实只会问：

你能不能把地下的石油，最终变成能够兑现的经济价值？

Daniel 的真正优势就在这里。他的思考单位从来不是 discipline，而是 problem。

Paul Sunday 找到他，只给了他一条非常有限的信息：某个地方可能存在石油。Daniel 并没有要求先获得一份完美的地质勘探报告，也没有因为信息不完整而陷入分析瘫痪。他做的是：

Information→Expected Value→Action→Verification \mathrm{Information} \rightarrow \mathrm{Expected\ Value} \rightarrow \mathrm{Action} \rightarrow \mathrm{Verification}

这才是他那种“果断”真正值得学习的地方。果断并不意味着鲁莽。真正的果断是：知道哪些信息必须在行动之前获得，哪些信息只能通过行动才能获得。

很多人面对不确定性时，会进入这样的循环：

Need More Information→Need More Certainty→Delay→No Action \mathrm{Need\ More\ Information} \rightarrow \mathrm{Need\ More\ Certainty} \rightarrow \mathrm{Delay} \rightarrow \mathrm{No\ Action}

而 Daniel 的模式更接近：

Enough Information→Make a Bet→Act→Update \mathrm{Enough\ Information} \rightarrow \mathrm{Make\ a\ Bet} \rightarrow \mathrm{Act} \rightarrow \mathrm{Update}

这是一种企业家式的认知方式，也是科学、工程和创业真正共同的底层逻辑：观察、提出假设、行动、获得反馈、更新判断。

二、地球本来就不区分专业

这部电影让我重新思考一个很重要的问题：为什么现代人如此容易被“专业”限制？

因为学校把知识整理成了数学、物理、机械、计算机、经济学、管理学、心理学，我们很容易误以为现实本身也是这样组织的。

但事实恰恰相反。现实先于学科存在，问题先于专业存在。

地球并不知道什么叫“机械工程”，水也不知道自己应该归流体力学管，热量不会因为进入车辆就自动变成“热管理专业”的问题，企业中的沟通摩擦也不会因为它不属于工程学就从系统中消失。

人类文明真正的发展过程更接近：

Problems→Solutions→Patterns→Principles→Disciplines \mathrm{Problems} \rightarrow \mathrm{Solutions} \rightarrow \mathrm{Patterns} \rightarrow \mathrm{Principles} \rightarrow \mathrm{Disciplines}

人类首先遇到问题：物体为什么运动？热为什么传递？怎样预测不确定性？怎样组织稀缺资源？怎样让机器替代重复计算？

在无数代人解决这些问题之后，我们才逐渐把反复出现的规律抽象出来，形成力学、热力学、统计学、经济学、计算机科学。

所以学科不是现实的起点。学科是文明对历史上大量问题和解决方案进行压缩之后形成的知识包。

真正的问题解决者，并不是拒绝学科，而是不让学科反过来限制自己。

Daniel 从来不会问：

Is this my field?

他更接近在问：

What needs to happen?

如果需要了解土地，他就处理土地；如果瓶颈变成运输，他就思考运输；如果利益受到铁路和其他势力挤压，他就寻找新的基础设施方案。

他并不是什么都会。真正厉害的问题解决者也不需要什么都会。

他需要的是：知道问题在哪里，知道自己不知道什么，知道该去哪里获得知识和资源，并且有能力把这些资源整合成结果。

三、Problem Awareness：财富往往从“别人也看见，却没有继续追问”的地方开始

Paul Sunday 是整部电影中一个非常有意思的人物。他的戏份非常少，却做了一件极具 Worker Investor 意味的事情：他知道自己家乡附近可能存在石油，但自己没有资本、设备和组织能力去开采，于是他没有幻想自己突然成为石油大亨，而是识别出自己真正拥有的资产：2

Information \boxed{\mathrm{Information}}

然后完成了一次转换：

Local Knowledge→Information Exchange→Cash→Mobility→Optionality \mathrm{Local\ Knowledge} \rightarrow \mathrm{Information\ Exchange} \rightarrow \mathrm{Cash} \rightarrow \mathrm{Mobility} \rightarrow \mathrm{Optionality}

这件事很值得思考。

Sunday 家族拥有土地，但土地是高度不可移动的资产。Paul 没有资本去开发它，可他发现自己拥有另一种更加 portable 的东西：信息。于是他把 local advantage 转换成 portable capital。

这可能就是“信息价值兑现”最原始的形式。

很多人会看到同样的异常，却停止在：“这里好像有点奇怪。”

Problem-aware 的人会继续问：

为什么？
这里是否存在结构性的低效？
谁有这个问题？
这个信息对谁最有价值？
有没有办法把它转化成解决方案？

很多所谓的信息优势，并不是知道了一个全世界没人知道的秘密。更多时候，它来自于：你比别人多追问了三层。

Everyone sees friction.
Most people complain.
Some people describe it.
A few people model it.
Even fewer build something around it.

价值经常集中在最后两层。

四、Paul 和 Eli：一个选择 Exit，一个选择 Status

Paul 和 Eli 形成了一个极有意思的对照。

两个人来自同一个家庭、同一片贫瘠土地、同一种宗教文化环境，也面对同一场石油财富进入社区的巨大变革；但他们采取了完全不同的策略。

Paul 更接近：

Information→Exchange→Capital→Exit \mathrm{Information} \rightarrow \mathrm{Exchange} \rightarrow \mathrm{Capital} \rightarrow \mathrm{Exit}

Eli 则更接近：

Information→Institution→Authority→Status \mathrm{Information} \rightarrow \mathrm{Institution} \rightarrow \mathrm{Authority} \rightarrow \mathrm{Status}

Paul 似乎在问：这个信息怎样改变我的处境？

Eli 更在意：这场变化怎样提高我在这里的位置？

这两条路径非常不同。Paul 把机会变成 mobility；Eli 把机会变成 status competition。

可以借用一个非常好的框架：Exit / Voice。当一个人处在一个不理想的系统中，他可以努力改变自己在系统里的位置，也可以增加离开系统的能力。Hirschman 用 exit 指离开或转换，用 voice 指从系统内部施加影响、争取改变。3

Paul 做的是 Exit。Eli 做的是 Voice。

这给 The Worker Investor 一个很重要的启发：不要只积累 position，要积累 portable capital。

一个人在公司里的职级可能很高，一个老板可能很认可你，你可能掌握大量内部流程，甚至在组织里拥有很强的话语权。但 Meta 必须不断追问：

如果我离开这个系统，这些东西还有多少价值？

因此，一项 human capital 的质量不能只看：

Current Return \mathrm{Current\ Return}

还必须看：

Portability+Convertibility+Ownership+Compounding \mathrm{Portability} + \mathrm{Convertibility} + \mathrm{Ownership} + \mathrm{Compounding}

数学能力、编程能力、写作能力、公开作品、个人品牌、金融资产、独立收入来源，往往具有更强的 portability。

真正的 optionality，不只是：我在这个系统里混得很好。

而是：我可以继续留在这里，但我也有能力离开。

五、Daniel 完成了 Worker → Operator → Owner 的跃迁

Daniel 早期其实非常接近一个 worker。他亲自下矿井，亲自勘探，亲自参与钻井，亲自处理现场。

但随着事业发展，他逐渐发生了一次非常关键的变化：

Worker→Operator→Owner \mathrm{Worker} \rightarrow \mathrm{Operator} \rightarrow \mathrm{Owner}

这是《血色将至》与 The Worker Investor 联系最紧密的地方之一。

一个 worker 最开始当然应该解决问题。但如果一生只停留在：

I Solve Problems \mathrm{I\ Solve\ Problems}

那么他的价值创造仍然高度依赖自己的时间。

下一步应该是：

I Build Systems That Solve Problems \mathrm{I\ Build\ Systems\ That\ Solve\ Problems}

再进一步：

I Own Systems That Continue Creating Value \boxed{\mathrm{I\ Own\ Systems\ That\ Continue\ Creating\ Value}}

Daniel 不再只问：今天能挖多少油？

他开始控制土地、设备、组织、运输以及整个价值链。

这就是从 labor 到 ownership 的跃迁，也是 The Worker Investor 一直试图回答的问题：

如何让劳动不在工资结算之后归零？

六、但 Daniel 同时证明：Build and Own 仍然不够

如果 The Worker Investor 只是：

Work→Skill→Capital→Ownership→Wealth \mathrm{Work} \rightarrow \mathrm{Skill} \rightarrow \mathrm{Capital} \rightarrow \mathrm{Ownership} \rightarrow \mathrm{Wealth}

那么 Daniel 几乎就是一个完美案例。

可电影偏偏告诉我们：他成功了，而且成功得非常彻底。这正是最可怕的部分。

他的问题不是能力不足，也不是财富失败，而是他的 objective function 本身出了问题。

Daniel 自己几乎已经说出了答案：

I have a competition in me.4

他追求的并不仅仅是财富。他的目标越来越接近：

max⁡(Relative Superiority) \max(\mathrm{Relative\ Superiority})

我要赢。我要拥有更多。我要看见别人输。

这种目标函数最大的问题是：它没有终点。如果目标是“比别人多”，世界永远会产生新的比较对象。

所以：

Income↑⇒Target↑⇒Desire↑⇒Required Income↑ \mathrm{Income} \uparrow \Rightarrow \mathrm{Target} \uparrow \Rightarrow \mathrm{Desire} \uparrow \Rightarrow \mathrm{Required\ Income} \uparrow

最终：

Freedom Never Arrives \mathrm{Freedom\ Never\ Arrives}

他拥有越来越多资产，却越来越失去对自己的治理能力。

因此，《血色将至》给 The Worker Investor 最重要的修正可能是：

Build and own—but know what all this ownership is for.

财富不是终点，ownership 也不是终点。更成熟的表达应该是：

Work→Capability→Surplus→Assets→Compounding→Optionality→Better Choices \mathrm{Work} \rightarrow \mathrm{Capability} \rightarrow \mathrm{Surplus} \rightarrow \mathrm{Assets} \rightarrow \mathrm{Compounding} \rightarrow \mathrm{Optionality} \rightarrow \mathrm{Better\ Choices}

真正的终点不是：

More Wealth \mathrm{More\ Wealth}

而是：

Better Choices \boxed{\mathrm{Better\ Choices}}

七、Human Capital ETF 为什么必须有 Meta

Daniel 是一个非常强的人。如果把他作为一个 Human Capital ETF 来看，他在某些仓位上的表现几乎惊人：执行力、商业判断、风险承担、谈判、资源整合、忍耐、长期主义。

问题在于，他的 portfolio 极度集中。

他持续 overweight：

Ambition、Competition、Control、Execution、Ownership。

而不断 underweight：

Relationship、Meaning、Love、Community、Self-Knowledge、Enough。

于是出现了一种非常危险的情况：他的能力净值一直上涨，但整个生命系统却越来越脆弱。

这正是 Human Capital ETF 中 Meta 必须存在的原因。

Meta 不能只是复盘、时间管理、自动化、流程优化。Meta 更重要的职责应该是：

Portfolio Governance \boxed{\mathrm{Portfolio\ Governance}}

它要不断审计整个 system：

我正在把自己优化成什么样的人？
我的 portfolio 是否过度集中？
我是在积累 capital，还是只是在积累某个系统里的 position？
我追求的是 absolute progress，还是 relative superiority？
我的 ambition 是否仍然服务于我的人生？
如果今天的行为继续 compound 十年，我愿意成为那个未来的自己吗？

可以把这一过程称为：

Trajectory Audit \boxed{\mathrm{Trajectory\ Audit}}

将当前行为向未来投射：

Current Behavior→10 Years of CompoundingFuture Self \mathrm{Current\ Behavior} \xrightarrow{\mathrm{10\ Years\ of\ Compounding}} \mathrm{Future\ Self}

然后反过来问：

Do I want to become that person?

这是 Daniel 没有做的事情。

因此，Human Capital ETF 中一个非常重要的原则应该是：

Meta Capital is the ability to govern your own compounding.

能力越强，杠杆越大，越需要治理。

因为：

More Leverage⇒More Need for Meta Governance \mathrm{More\ Leverage} \Rightarrow \mathrm{More\ Need\ for\ Meta\ Governance}

八、AI：把 Daniel 的时代重新带回个人

Daniel 所处的时代是 industrial frontier。今天我们则处在另一种 frontier：AI。

两者当然不是同一种东西，但它们有一个结构性的相似之处：新的生产能力正在重新组合旧的专业边界。

Daniel 那个时代需要重新组合：

Land+Geology+Machinery+Capital+Transportation+Law \mathrm{Land} + \mathrm{Geology} + \mathrm{Machinery} + \mathrm{Capital} + \mathrm{Transportation} + \mathrm{Law}

AI 时代，一个 worker 可能需要重新组合：

Domain Knowledge+Software+Data+AI+Writing+Product+Distribution \mathrm{Domain\ Knowledge} + \mathrm{Software} + \mathrm{Data} + \mathrm{AI} + \mathrm{Writing} + \mathrm{Product} + \mathrm{Distribution}

因此，AI 最大的意义，不只是让人“工作快一点”。它更像是一个：

Information−to−Asset Conversion Engine \boxed{\mathrm{Information-to-Asset\ Conversion\ Engine}}

过去，一个人发现问题以后，从 insight 到 asset 之间存在巨大的转换成本。Observation、Research、Writing、Coding、Design、Distribution，每一步都需要大量时间。

所以很多好想法最终死于：“以后有时间再做。”

AI 正在大幅降低这种 conversion cost。同一个 insight，现在可以被快速编码成：文章、流程图、数据库、脚本、工具、课程、视频、产品原型。

以前：

1 Insight→High Friction0.1 Asset 1\ \mathrm{Insight} \xrightarrow{\mathrm{High\ Friction}} 0.1\ \mathrm{Asset}

现在可能变成：

1 Insight→AIMultiple Assets 1\ \mathrm{Insight} \xrightarrow{\mathrm{AI}} \mathrm{Multiple\ Assets}

但这里有一个极其重要的前提：AI 不会自动给你 Problem Awareness。

当所有人都拥有类似的模型能力时，单纯“会使用 AI”很快会 commodity 化。真正稀缺的东西重新回到：

What do you notice?

所以 AI 的 leverage 可以简单理解成：

AI Leverage=AI Capability×Problem Awareness \mathrm{AI\ Leverage} = \mathrm{AI\ Capability} \times \mathrm{Problem\ Awareness}

而真正兑现的价值还需要：

Realized Value=Problem Awareness×AI Leverage×Execution \mathrm{Realized\ Value} = \mathrm{Problem\ Awareness} \times \mathrm{AI\ Leverage} \times \mathrm{Execution}

任何一项接近零，最终结果都接近零。

九、Problem Awareness 应该成为 Human Capital Allocation Signal

这也让我重新理解 Human Capital ETF 的学习逻辑。

普通学习模式是：

Course→Knowledge→Maybe Useful Someday \mathrm{Course} \rightarrow \mathrm{Knowledge} \rightarrow \mathrm{Maybe\ Useful\ Someday}

Problem-driven learning 则是：

Problem→Knowledge Gap→Learning→Application→Feedback \mathrm{Problem} \rightarrow \mathrm{Knowledge\ Gap} \rightarrow \mathrm{Learning} \rightarrow \mathrm{Application} \rightarrow \mathrm{Feedback}

后者有一个巨大优势：你知道为什么学。

一个真实问题可能逼着你去学习 Python、数据库、SVD、流体力学、CAD API、统计学、机器学习。

这些知识在大学目录里属于完全不同的领域，但现实世界根本不关心。它们只是同一个问题所需要的不同工具。

所以：

Problem Awareness→Human Capital Allocation \boxed{ \mathrm{Problem\ Awareness} \rightarrow \mathrm{Human\ Capital\ Allocation} }

Problem Awareness 不只是发现机会。它还是 Human Capital ETF 的 allocation signal。

它告诉你：下一单位时间，最值得投资在哪一种能力上。

十、从 Information 到 Asset，需要完成四次转换

一个现代 Worker Investor 如果想真正兑现信息价值，可以把过程拆成四步。

第一步：

Problem→Information \mathrm{Problem} \rightarrow \mathrm{Information}

先意识到这里存在一个别人没有充分解决的问题。

第二步：

Information→Knowledge \mathrm{Information} \rightarrow \mathrm{Knowledge}

理解为什么它会发生，建立 taxonomy、causal model、workflow、rules。

第三步：

Knowledge→Asset \mathrm{Knowledge} \rightarrow \mathrm{Asset}

把理解 encode 成：代码、数据库、模型、文档、文章、课程、工具、产品。

第四步：

Asset→Ownership \mathrm{Asset} \rightarrow \mathrm{Ownership}

这一步最容易被忽略。

如果 AI 只是帮助一个 worker 多完成 30% 的工作，那么最后很可能只是：

Higher Productivity→More Work \mathrm{Higher\ Productivity} \rightarrow \mathrm{More\ Work}

The Worker Investor 必须继续追问：

What portion of the value I create becomes something I own?

当然，这必须尊重公司的知识产权、保密义务和边界。

但很多通用的方法论、能力、抽象后的知识、公开作品、个人品牌和技能，都可以继续沉积。

因此真正重要的转换是：

Labor→Learning→Owned Knowledge→Owned Asset \mathrm{Labor} \rightarrow \mathrm{Learning} \rightarrow \mathrm{Owned\ Knowledge} \rightarrow \mathrm{Owned\ Asset}

否则你的 compounder 每天下班就归零。

十一、The Worker Investor 应该建立自己的 Problem-to-Asset Pipeline

最终，可以把整个逻辑收束成一条流水线：

Observe→Capture→Define→Research→Structure→Solve→Encode→Own→Distribute→Feedback→Reinvest \boxed{ \mathrm{Observe} \rightarrow \mathrm{Capture} \rightarrow \mathrm{Define} \rightarrow \mathrm{Research} \rightarrow \mathrm{Structure} \rightarrow \mathrm{Solve} \rightarrow \mathrm{Encode} \rightarrow \mathrm{Own} \rightarrow \mathrm{Distribute} \rightarrow \mathrm{Feedback} \rightarrow \mathrm{Reinvest} }

然后形成一个真正的飞轮：

Problems→Assets→Audience→Opportunities→Better Problems \mathrm{Problems} \rightarrow \mathrm{Assets} \rightarrow \mathrm{Audience} \rightarrow \mathrm{Opportunities} \rightarrow \mathrm{Better\ Problems}

刚开始，你只能看到自己附近的小问题。

当你开始公开解决问题，写作、发布、做工具、建立作品之后，更多人会向你暴露新的问题。

于是：

Distribution→Better Information→Better Problem Awareness \mathrm{Distribution} \rightarrow \mathrm{Better\ Information} \rightarrow \mathrm{Better\ Problem\ Awareness}

这时候 Human Capital ETF 才真正开始 self-reinforcing。

十二、最重要的不是 Learn More，而是 Encounter Better Problems

这也许是整场思考最终抵达的地方。

传统职业成长总是在问：我还应该学什么？

但一个更好的问题可能是：我正在接触什么级别的问题？

因为好的问题会逼迫你升级。

Better Problems→Better Questions→Better Learning→Better Solutions→Better Assets→Better Opportunities→Better Problems \mathrm{Better\ Problems} \rightarrow \mathrm{Better\ Questions} \rightarrow \mathrm{Better\ Learning} \rightarrow \mathrm{Better\ Solutions} \rightarrow \mathrm{Better\ Assets} \rightarrow \mathrm{Better\ Opportunities} \rightarrow \mathrm{Better\ Problems}

所以衡量一份工作的价值，也不应该只看 salary。

还应该问：

What problems am I being paid to encounter?

一份工作最被低估的回报之一，就是它允许你接触现实中哪些复杂、昂贵、重要的问题。

因为这些问题会塑造你的 human capital。

十三、学 Daniel 的 Operating System，不要复制他的 Objective Function

如果要把《血色将至》最终浓缩成 The Worker Investor 的一个人物案例，我会这样理解 Daniel Plainview。

值得学习的是他的 Operating System：

Observe→Notice→Judge→Move→Learn→Control the Bottleneck \boxed{ \mathrm{Observe} \rightarrow \mathrm{Notice} \rightarrow \mathrm{Judge} \rightarrow \mathrm{Move} \rightarrow \mathrm{Learn} \rightarrow \mathrm{Control\ the\ Bottleneck} }

看见异常。判断价值。进入现场。获取一手信息。找到瓶颈。集中资源解决。然后继续沿着价值链向前。

但在这套 Operating System 外面，必须再包一层：

Meta Governance \boxed{\mathrm{Meta\ Governance}}

否则一个极强的问题解决机器，也可能极其高效地优化一个错误的目标。

Daniel 最终最大的悲剧，不是他没有复利成功。

恰恰相反。他复利得太成功了，只是复利的方向错了。

他不断放大竞争、控制、占有和相对优越感，最终财富越来越多，人生的 optionality 却越来越少。

因此，Human Capital ETF 的 Meta 必须记住一句话：

The greatest risk is not failing to compound. It is successfully compounding in the wrong direction.

最大的风险，不是没有复利。

而是：在错误的方向上，成功地复利了一生。

结语：面对现实世界，而不是专业目录

Daniel Plainview 最值得 The Worker Investor 带走的，并不是一句“要敢于冒险”。

而是更底层的一种姿态。

现实给他一片荒地。

给他一条未经验证的信息。

给他一群不知道地下价值的土地拥有者。

给他一个正在形成的石油时代。

Daniel 没有先问：

Is this my field?

他的第一反应更接近：

Is there something here?

然后：

Go and find out.

这也是 AI 时代真正值得一个 Worker Investor 学习的东西。

Reality comes first. Disciplines come second.

不要围绕学科组织自己的人生。让值得解决的问题，决定你需要学习哪些学科。

不要只是学习更多知识。去接触更好的问题。

不要只是提高 productivity。把解决问题产生的 knowledge 编码成 asset。

不要只是创造价值。学会保留其中的一部分 ownership。

不要只是复利。让 Meta 始终追问：

What is all this compounding for?

最终，一个真正成熟的 Worker Investor，不应该只是越来越 capable、越来越 productive、越来越 wealthy。

而应该越来越有能力做到一件事情：

See valuable problems, solve them with whatever knowledge reality requires, convert the solution into owned and portable assets, and use those assets to buy greater freedom over the direction of one’s life.

这或许才是 Daniel Plainview 留给 The Worker Investor 最值得保留、也最值得警惕的遗产。

参考资料

  1. American Film Institute，《There Will Be Blood》影片条目，影片故事从 1898 年展开并写及 1911 年的 Daniel Plainview；Robert Wooster、Christine Moor Sanders，“Spindletop Oilfield”，Handbook of Texas Online，2019，说明 1901 年 Spindletop 发现对现代石油业扩张的意义。 ↩︎

  2. American Film Institute，《There Will Be Blood》影片条目，Paul Sunday 向 Daniel 提供家族牧场附近油田信息的情节梗概。 ↩︎

  3. Albert O. Hirschman，《Exit, Voice, and Loyalty: Responses to Decline in Firms, Organizations, and States》，Harvard University Press，1970；该书区分离开／转换（exit）与从组织内部施加影响（voice）的不同回应。 ↩︎

  4. Paul Thomas Anderson，There Will Be Blood，Paramount Vantage / Miramax，2007，Daniel Plainview 的台词；影片资料见 American Film Institute Catalog。 ↩︎