Human Capital

The Worker Investor 是如何开始的 The Worker Investor，中文名为《工资之外》，首先是一个常识，其次是一种 Mindset。这个常识是：对于绝大多数普通人而言，走出校园、进入社会后的原始身份，不是资本家、企业家或投资者，而是一名 Worker。在可以预见的未来，我们中的大多数人也将长期处于这种状态：不断投入技能、劳动，以及生命中最重要且不可再生的生产要素——时间，换取一份名为“工资”的生存资料。这是 Worker 的现实，也是 The Worker Investor 无法回避的现实。 但 The Worker Investor 并不是为了简单地区分 Worker 与 Investor，也不只是号召人们面对同一种现实，采取一种更加积极的心态。它真正试图回答的是：一个普通的 Worker，应该如何看待自己的 Work？又如何从现有的工作、工资和时间出发，逐渐成为一名 Worker Investor？这个问题不是我坐在书桌前凭空构造出来的。它来自我参加工作第一年经历的两次失败：一次是对时间的配置失败，另一次是对金钱的配置失败。The Worker Investor 的开始，就是我试图重新取回这两种配置权的过程。 从一名被动的 Worker 开始 2025 年 1 月 7 日左右，我以应届毕业生的身份正式参加工作。刚进入职场时，我几乎什么都不懂。面对陌生的软件、流程和任务，我常常每点击几下鼠标，就要停下来询问同事下一步应该做什么。经过一年多真实项目的训练，我逐渐掌握了完成工作的知识、技能与流程，也从一名不断接受安排的职场新人，成长为一名能够相对独立解决问题的熟练 Worker。在这个过程中，我开始频繁思考一个问题：除了每个月定期获得一份工资，我还能额外留下什么？ 工作当然给了我现金流。它让我能够支付房租、饮食、交通、订阅和日常生活，也让我第一次拥有可以自由配置的收入。但如果工作的全部结果，只是在每个月固定日期收到一笔钱，然后将这笔钱用于消费、储蓄和等待下一次发薪，那么过去一个月投入的时间是否真正改变了下一个月的起点？如果答案是否定的，那么工作就很容易退化为一种循环：投入时间，完成任务，获得工资，支付生活成本，然后再次出售下一段时间。在这个循环中，工资是必要的，却未必是充分的。它能够解决当下的生存问题，却不会自动创造未来的选择权。 我并不反对工作，也不认为一个人必须辞职、创业或逃离组织。我反对的，是把重复劳动当成人生的全部，把机械完成任务视为一个人进入社会后的唯一答案。机器可以重复执行指令，但人之所以区别于机器，正在于人能够理解现实、识别问题，并尝试对现实进行持续改造。人不仅能够完成流程，也能够改进流程；不仅能够消耗时间，也能够让过去投入的时间在未来继续产生价值。然而，在工作的第一年，我并没有真正做到这一点。 第一次失败：时间被消耗，却没有被保存 参加工作后，我首先失去控制的并不是金钱，而是下班后的时间。有些时候，我需要经常加班。完成一天的工作回到住处后，身体和注意力已经接近耗尽，很难再进行长期、系统的学习。另一些不加班的晚上，我又会在互联网上漫无目的地探索，在不同的信息、视频、工具、观点和可能性之间不断跳转。 这种探索并非毫无意义。它满足了我的好奇心，也让我接触到很多以前不知道的事物。但它始终是碎片化的。我看过许多内容，却没有形成稳定的研究方向；产生过许多想法，却很少把它们落实为持续项目；试用过许多工具，却没有建立能够长期运行的工作系统；投入了大量时间，却没有留下多少可以被重复调用的作品、能力或方法。一天结束以后，这些探索往往也随之结束。第二天醒来，我又回到几乎相同的起点。 现在回头看，这是我的第一次资产配置失败。我没有把时间配置给真正重要的事情，也没有为自己的时间建立记录、复盘和再平衡机制。时间虽然被使用了，却没有被保存；信息虽然进入了大脑，却没有转化为判断、能力和作品。我曾经以为，只要自己保持好奇、持续探索，就一定是在成长。但后来我逐渐意识到，没有方向、行动与沉淀的探索，也可能只是另一种注意力消费。如果阅读没有改变判断，学习没有形成能力，能力没有进入项目，项目没有成为作品，那么所谓的成长很容易停留在一种精神上的自我安慰。 第二次失败：我开始投资，却没有真正成为投资者 拿到工资后，我开始尝试金融投资。这是许多普通 Worker 很自然的一步。工资来自劳动，而投资似乎能够让劳动所得继续增长。相比把钱放在账户里，股票市场向我展示了另一种可能：只要能够找到优秀的公司，或者抓住未来的增长趋势，资金就可能实现复利。 最初，我配置过指数基金，后来又逐渐购买了一些个股。我希望通过自己的判断获得高于市场平均水平的收益，也希望证明自己能够找到真正具有增长潜力的公司。但当投资从分散配置转向个股集中之后，我得到的并不是想象中的复利，而是持续而直接的负反馈。我的 IBKR 账户出现了明显浮亏，一些个股仓位一度接近三成亏损。 真正值得反思的，并不只是股价下跌了多少。更重要的问题是：我希望通过判断少数公司的未来获得超额收益，却没有建立与这一目标相匹配的研究能力。我没有长期、系统地阅读财报，没有形成稳定的估值框架，也没有足够的信息优势，更没有投入专业投资者所需要的持续时间。很多时候，我购买的并不是一家经过充分研究的企业，而是一个关于未来的想象；我持有的也不只是一只股票，而是自己不愿意承认判断错误的情绪。 我会关注新闻、股价和市场叙事，却未必真正理解公司的商业模式、竞争优势、现金流质量和估值边界。这种行为表面上是在投资，实际上却更接近于用有限信息对不确定未来进行集中下注。这成为了我的第二次资产配置失败。第一次失败中，我错误配置了时间；第二次失败中，我错误配置了工资。更准确地说，我不仅损失了资金，也把大量注意力投入了一个自己并不具备明显优势的领域。市场价格的波动无法由我控制，但它却能够轻易牵动我的情绪。 ETF 教会我的，不只是如何投资金钱 持续的学习、阅读和实际亏损，让我逐渐认识到：对于大多数没有稳定研究体系、信息优势和充足时间的普通投资者而言，减少个股集中，通过低成本 ETF 进行分散配置，并根据风险承受能力定期再平衡，往往是一条更加稳健的路径。ETF 的价值，不只是购买了一篮子股票。它背后是一种资产配置思想：承认我们无法准确预测每一个单独资产的未来，不把整个组合重仓押在一个单点判断上，而是通过分散、权重控制和定期再平衡，在保留增长可能性的同时降低单点失败的风险。 但真正改变我的，并不是“以后多买 ETF、少买个股”这个结论。我开始意识到，自己在生活中也犯了与重仓个股相似的错误。如果我把全部未来押在一份工作上，那么岗位变化可能让过去的积累迅速贬值；如果我把全部能力押在某一项具体工具上，那么技术迭代可能使它失去价值；如果我只输入而不输出，那么大量阅读最终可能只停留在个人记忆中；如果我不断追逐新的方向，却不复盘和再平衡，那么所谓的成长也可能只是频繁换仓。 我开始提出一个新的问题：既然时间、工资和注意力都是稀缺资源，我应该如何配置它们，才能使今天的投入真正改变明天的起点？这也是 Human Capital ETF 的思想起点。 我不是一件等待提高收益率的物品 有一次，我向 ChatGPT 提出了一个问题：假如我每个月投入 100 美元，但不允许用于股票、基金或其他金融产品，而是用于非金融性投资，应该如何配置？回答并不复杂，大致包括书籍阅读、AI 工具订阅、技能学习、项目实践和持续输出内容。但这次看似普通的对话，让我开始重新审视“投资”这个词。 ...

——我为什么提出 The Worker Investor 与 Human Capital ETF 最近，我在 Twitter 上读到一位创作者重读《从0到1》后的笔记。原帖只是触发器；真正留在我脑中的，是书里几个彼此相连的问题：人能否用明确计划塑造未来，而不是把未来当成彩票？为什么新项目应当从一个足够小的市场开始？什么尚未成为共识、却可以被证据检验的“秘密”值得追寻？为什么产品之外还必须重视销售与分发？1 这些问题表面上属于创业，真正击中我的却不是“我要不要创办公司”，而是一个更基本的问题：一个人能否主动设计自己的未来，而不是只在别人设计好的结构中提高执行效率？ Peter Thiel 把创业公司理解为围绕一项明确计划组织起来、并有机会主动设计未来的一群人。许多 worker 的日常处境则不同：我们负责完成任务，却很少决定任务为何存在；我们参与项目，却通常不拥有项目的最终方向；我们创造价值，却主要获得当期工资；我们不断提高生产率，却未必能把生产率的增长保存为自己的长期资产。 也正是在这个意义上，《从0到1》并不只属于创业者。它迫使我重新思考：我的职业究竟在累积什么？ 我后来把答案拆成两个相互嵌套的框架：The Worker Investor 是普通劳动者保存劳动成果、建立资产与选择权的身份和方向；Human Capital ETF 是其中用 Core、Growth、Distribution 和 Meta 配置时间、精力与能力的内部方法。前者主要回答“劳动结束以后留下什么”，后者主要回答“怎样配置那个持续产生劳动成果的人”。 一、一个越来越高效、却不必然更安全的 worker 现代职场最矛盾的地方在于，worker 拥有了比过去更强的工具，却不一定因此拥有更稳固的位置。自动化、数字化和 AI 提高了个人能够完成的工作量，但效率增长不会自动转化为个人收入、时间自由或长期所有权。 国际劳工组织 2026 年发布的十年回顾显示，全球劳动收入份额从 2015 年的 53.0% 降至 2025 年的 52.6%。这不意味着每一名 worker 的绝对收入都下降，也不能用来衡量某个人的具体贡献；它说明的是，在劳动与资本之间的功能性分配中，流向劳动的相对份额在这十年里略有下降。2 AI 可能进一步改变这种分配，但方向并不单一。一篇 IMF 工作论文使用英国家庭数据和任务模型进行分析，结果显示：如果 AI 替代高收入岗位中的任务，工资差距可能缩小；如果 AI 与高收入劳动高度互补，较高收入者的生产率和劳动收入反而可能增长得更快。与此同时，在模型中，AI 带来的资本需求和资本回报上升，会因为资产持有本来就高度集中而扩大财富差距。换言之，AI 对工资差距的影响取决于替代与互补的强弱，对财富差距的影响则与谁拥有资本密切相关。3 于是，一个 worker 可能出现一种奇怪的处境。假设他借助 AI 完成了过去需要两个人才能完成的工作，他并不会自动获得两倍工资或一半工作时间，反而可能迎来更高的产出标准。工具增强了 worker，却不一定增强 worker 对增强结果的所有权。 技能组合也在持续重组。世界经济论坛《Future of Jobs Report 2025》的雇主调查显示，受访雇主平均预计，到 2030 年，worker 现有技能组合中 39% 将发生转变或变得过时。这是企业对未来五年的预期，不是已经观察到的统一折旧率，但它仍然说明：仅靠一次教育形成的能力组合，很难覆盖完整职业生涯。4 ...

面对大约一年的金融投资亏损，我最初提出的问题与大多数投资者并没有区别：怎样把亏掉的钱赚回来？是继续持有，等待市场反转；是趁价格下跌追加仓位；还是研究更多公司，寻找下一项能够弥补损失的投资？这些问题如此自然，以至于我一开始没有意识到，它们并不是由亏损这个事实自动产生的，而是由一套既定框架产生的：既然损失发生在金融市场，补偿也必须发生在金融市场；既然过去投入了时间和金钱，就应当继续留在原来的赛场；既然退出意味着承认判断错误，就应该尽可能证明过去的自己最终是对的。 后来，我开始提出另一个问题：为什么我一定要在同一个地方，以同一种形式，把这笔亏损赚回来？ 我真正想获得的究竟是账户回本，还是长期资产、所有权与未来选择权？如果我的最终目标并不是证明自己能够预测市场，而是让今天积累的价值能够进入未来，那么金融投资是否只是实现这一目标的众多工具之一？写作、专业能力、技术工具、个人网站、内容渠道和长期作品，能不能同样构成资产？当我开始这样提问时，亏损并没有消失，但它已经不再是原来的问题。 这可能就是人与人面对同一种困境，最终却进入不同世界的原因：困难本身不会自动使人成长，真正改变一个人的，是他最终学会了提出什么问题。 一、我们常常不是找不到答案，而是被原来的问题困住了 人们通常把问题看作一种中性的存在，仿佛它只是对现实的客观描述。事实上，每一个问题都预先规定了一部分答案。当一个人问“我怎样才能在公司里得到更高的工资”时，他默认的解决空间是提高绩效、争取晋升、切换岗位或者更换公司；但如果他问“我怎样才能让今天的劳动在工资支付之后仍然产生价值”，写作、知识沉淀、工具开发、作品建设、股权和独立渠道才会进入视野。前一个问题研究的是组织如何提高对我的定价，后一个问题则开始研究：除了接受外部定价，我能否形成某种自己拥有的东西？ 这并不意味着第二个问题必然比第一个问题高尚。工资增长对普通人非常重要，主业现金流也是其他尝试能够持续的前提。真正重要的是意识到：问题不是现实本身，问题只是我们对现实的一次切割。 不同的切割方式会突出不同变量，也会隐去不同可能。 例如，投资亏损可以被描述为“我选错了一只股票”，于是行动重点是改善选股；也可以被描述为“我的仓位与风险承受能力不匹配”，于是行动重点变成资产配置；还可以被描述为“我把过多时间投入了一个不具备比较优势的领域”，于是需要比较金融研究与职业成长、写作、技术开发之间的机会成本；进一步，它还可以被描述为“我过去对资本的定义过于狭窄，只看到了可以交易的金融资本，却没有看到能力、作品、渠道和判断力”。 这些解释未必只有一个正确答案。它们更像从不同高度绘制的地图：比例尺越大，局部细节越清楚；比例尺越小，结构关系越完整。问题意识不是永远追求更宏大的解释，而是知道自己正在使用哪一张地图，以及这张地图遗漏了什么。 所以，当一个问题长期没有得到解决时，我们或许不应立刻问：“我怎样才能更加努力？”我们可以先问：“我现在努力回答的，究竟是谁提出的问题？这个问题默认了什么目标、什么身份和什么赛场？” 二、所谓“Transformer 式的动作”，不是积极思考，而是重新表征问题 我愿意借用 Transformer 作为一种认知隐喻，但必须说明：人的思考当然不等同于人工神经网络。这个隐喻有价值，是因为 Transformer 的关键并不是把序列中的元素彼此隔离，而是在上下文中重新计算它们之间的关系。2017 年的《Attention Is All You Need》提出了以注意力机制取代循环与卷积的 Transformer 架构：它通过自注意力直接建模序列中不同位置之间的关系，并用位置编码保留顺序信息。1 类似地，真正的视角转换也不是给同一个事实换一种更乐观的说法，而是改变事实之间的关系、重要性和解释位置。一次亏损放在“账户回本”的上下文中，注意力会集中在买入价格、当前价格和未来反弹；放在“个人资本配置”的上下文中，注意力会转向本金规模、职业阶段、时间成本、风险暴露、知识优势和替代机会；放在 The Worker Investor 的上下文中，问题又会变成：一个依赖工资的普通人，应该如何同时配置金融资本、人力资本和能够形成所有权的作品资产？ 因此，一次真正的认知变换通常会改变五件事。它会改变分析单位：从一只股票扩展到一个人的全部资本；改变参考系：从买入价与现价的比较，转向不同资源配置之间的机会成本；改变时间尺度：从什么时候回本，转向五年或十年以后什么仍然存在；改变目标函数：从证明过去的判断正确，转向扩大所有权、选择权与抗风险能力；改变行动者身份：从一个寻找优质资产的人，转变为一个既能购买资产、也能创造资产的人。 这是不是意味着，只要换个角度，任何问题都能解决？当然不是。视角转换不能取消损失，也不能代替专业能力。它真正提供的是一种新的搜索空间：旧框架下没有资格成为答案的事物，在新框架中开始变得可见。 三、为什么同样面对亏损，有人坚持，有人退出，有人重新创造？ 我们很容易把不同选择解释为性格差异：有人坚强，有人脆弱；有人理性，有人冲动。但这种解释过于简单。面对同一笔亏损，继续持有可能是长期纪律，也可能是沉没成本；退出可能是清醒止损，也可能是无法忍受波动；转向写作和投资自己可能是发现了更高回报的路径，也可能只是用一套更漂亮的语言逃避投资复盘。外在动作本身不能证明一个人的选择是否正确。 真正需要问的是：他究竟在保护什么，又在建设什么？ 当投资与自我认同深度绑定时，账户下跌就不只是资产表现不佳，而会变成对人格与判断力的质疑：如果我现在卖出，是否说明我不够聪明？如果这只股票最终上涨，我是否会后悔没有坚持？如果我承认判断错误，过去的研究、时间和损失是否全部失去意义？前景理论把许多风险选择描述为相对于参考点的收益与损失评估，而不只是依据最终财富水平；同一结果的不同表述框架也可能改变选择。这一理论为多种偏离期望效用理论预测的行为提供了描述性解释。2 于是，加仓可能包含两种完全不同的行为。一种是重新分析企业、估值和风险之后，仍然认为当前预期回报值得扩大仓位；另一种则是因为不能承受“过去的我可能错了”，用更多资金维护旧叙事。前者是资本配置，后者是自尊保卫战。区分二者，有一个简单而残酷的问题：假如我从未持有这项资产，今天仅根据现有信息，我还会以当前仓位买入吗？ 如果答案是否定的，过去的投入很可能正在替未来作决定。 我之所以能够较快转向，并不意味着我天然比别人更理性。一个更实际的原因是，金融投资并不是我唯一能够确认自我价值的身份。我还是工程师、阅读者、写作者、学习者和技术实践者。这些身份当时并不成熟，却为注意力和资源提供了其他去向。如果一个人只有一种身份，某个领域的失败就容易扩散为整体失败；如果他拥有若干能够相互支持的能力与项目，一个仓位的失效便可能触发再平衡，而不是摧毁整个组合。 但身份多元也不是越多越好。一个人今天学编程，明天做视频，后天研究投资，每件事都只停留在开始阶段，这不是组合，而是碎片。真正有价值的多元身份必须围绕某个更高层的问题逐渐汇聚。对我而言，工程训练、金融投资、阅读、写作、AI 和内容创作最终开始指向同一个问题：普通人如何配置自己的时间、能力与资产，使今天的劳动不在发薪日以后归零？ 四、历史上的重要突破，往往不是回答得更好，而是把默认前提变成研究对象 达尔文一开始面对的，也是当时许多人共同面对的自然史材料：不同地区存在不同物种，化石与现存生物之间有相似之处，岛屿生物又具有特殊差异。真正发生转变的地方，是他逐渐不再把物种视为静止不变的本质，而把“物种是否会发生转变”作为工作假设，并开始收集能够解释这种变化的证据。到 1837 年 3 月中旬，达尔文已把物种可变视为工作假设，并在 1837 年 4 月至 1838 年 9 月间写满数本笔记；1838 年 9 月阅读马尔萨斯后，他获得了解释物种变化的关键因果机制。3 问题由此从“每一种生物为什么具有固定形式”，变成“个体差异如何在种群、环境与漫长时间中累积”。他没有只是发现更多物种，而是改变了研究生命的基本单位与时间尺度。 这给普通人的启发是什么？当我们问“我是不是一个不适合投资的人”时，我们把自己理解为一个具有固定本质的对象；但如果换成演化视角，问题会变成：这次环境淘汰了我的哪些判断？哪些能力应当保留？哪些策略需要变异？我怎样通过一系列成本可控的实验，让自己的能力组合逐渐适应更大的世界？失败不再是对人格的最终判决，而是一种选择压力。 卡尼曼与特沃斯基完成的是另一种转换。面对现实中大量不符合传统经济学理性模型的行为，他们没有停留在“人为什么总是犯错”，而是追问：会不会是原来的模型没有真正描述人如何判断与选择？由此，偏差不再只是需要被谴责的缺陷，而成为具有规律、可以研究的认知机制。2 对个人而言，这意味着我们不应只研究外部对象，也需要研究作为决策者的自己。金融市场不仅检验我是否看懂了公司，还会暴露我如何对待损失、如何选择参考点、如何保护身份，以及是否会把希望误认为概率。 Intel 的案例更接近这篇文章的核心：组织同样会被原来的问题困住。1968 年，戈登·摩尔和罗伯特·诺伊斯创办 Intel 时，半导体存储器不是产品组合中的普通一项，而几乎就是公司对“我们是谁”的回答。1970 年推出的 1103 DRAM 推动半导体存储器取代磁芯存储，并在次年成为当时全球销量最大的半导体器件。存储器由此承载了 Intel 的创业历史、工程荣誉和组织身份。要求 Intel 离开 DRAM，不像关闭一条表现不佳的产品线，更像承认：曾经创造自己的那项能力，已经不能继续定义自己的未来。4 ...

今天谈到复利，人们通常会想到股票、指数基金、养老金，以及那条最常见的指数增长曲线。复利被描述为长期投资的奖励，也被包装成一种简单的人生智慧：只要开始得足够早，坚持得足够久，时间就会帮助我们积累财富。 但复利并不是从证券市场开始的。它最初也不是一套帮助普通人实现财富自由的方法。恰恰相反，人类最先感受到复利力量的地方，很可能是债务。它首先回答的问题不是“我的资产将来会增长到多少”，而是：如果一笔债务没有被偿还，它会随着时间增长到多少？ 从古代的谷物和牲畜借贷，到中世纪商人的账簿，再到年金、保险、企业估值和指数基金，复利经历了漫长的观念演变。它逐渐从一项债务计算技术，发展成现代金融的基础语言，最后又被扩展为一种关于学习、能力、作品和人生选择的隐喻。复利的历史，实际上也是人类如何把时间纳入价值计算的历史。 一、在人类学会投资以前，已经开始计算债务 在现代货币出现之前，人们借出的通常不是纸币和账户余额，而是谷物、种子、牲畜和其他生产资料。借出一袋种子，经过耕作以后可能收获更多粮食；借出一头牲畜，牲畜可能繁殖出幼崽。因此，在一些古代社会的观念中，利息并不只是一个抽象数字，它可以被理解为生产资料在一段时间之后产生的“后代”。 这也解释了为什么“利息是否合法”在古代并不是一个简单问题。牲畜和土地可以生产新的财富，但货币本身会不会生产？如果货币只是一种交换媒介，那么一个人为什么可以仅仅因为暂时让渡了货币的使用权，就要求得到更多货币？亚里士多德以及后来的许多宗教思想家都曾对这种“钱生钱”的现象保持警惕。中世纪基督教传统长期反对以确定收益为目的的放贷，但如果资金提供者共同承担商业风险，利润分配通常更容易被接受。这一区别已经隐约包含了现代金融中的一个重要原则：风险承担者可以获得回报，但仅仅利用债务人的困境获取确定收益，可能产生严重的道德问题。12 古代社会对复利的警惕并非毫无理由。当债务无法按时偿还，利息又不断进入本金时，债务会以非线性的方式扩大。对于缺乏储蓄、收入不稳定的借款者来说，时间并不会带来财富，反而会不断削弱其土地、劳动和未来收入。 因此，复利从一开始就拥有两张面孔。对于债权人，它意味着资产增长；对于债务人，它意味着义务扩大。对于拥有生产性资产的人，时间可能成为盟友；对于背负高成本债务的人，时间也可能成为对手。时间本身既不奖励人，也不惩罚人。它只是放大一个人已经进入的结构。 二、巴比伦人已经发现，时间并不是线性的 现存的一些古巴比伦泥板表明，约在公元前第二个千纪，人们已经能够处理与复合增长相似的问题。其中一类问题是：如果一笔本金按照固定比例逐年增加，需要多长时间才能翻倍？1 这并不意味着巴比伦人已经建立了现代复利理论，但至少说明，古代书吏已经意识到：重复增长不能通过简单加法理解。 如果每年增加的金额始终根据最初本金计算，增长是线性的；如果前一年的新增金额也进入下一年的计算基础，增长就会逐渐加速。这两种结构看起来只相差一个步骤，却代表了两种完全不同的时间观。 单利意味着，每一年都在重复同一件事情。复利意味着，过去发生的结果改变了下一轮的起点。这也是复利最深层的结构：不是单纯的“利息产生利息”，而是结果被保存下来，并重新成为投入。 三、Fibonacci 帮助欧洲人学会比较今天与未来 1202 年，意大利数学家 Leonardo of Pisa——后来被称为 Fibonacci——完成了《Liber Abaci》。今天，人们主要通过斐波那契数列认识他。但这部书实际上并不只讨论兔子繁殖和数字序列。它的大量篇幅服务于商业实践，包括货币兑换、商品定价、合伙利润、贸易套利、利息、几何级数和现金流估值。 更重要的是，Fibonacci 不只研究一笔钱未来能够增长到多少，也开始系统处理相反的问题：如果未来能够收到一笔钱，那么这笔钱今天价值多少？这就是现值分析的核心。3 复利从今天走向未来： FV = PV(1 + r)n 贴现则从未来返回今天： PV = FV / (1 + r)n 两者本质上是同一种时间关系的两个方向。一旦人们接受“未来的一元钱不等于今天的一元钱”，就可以比较原本无法直接比较的交易：一次性付款与分期付款哪一种更有价值？一项年金今天应该卖多少钱？某笔贸易未来的回款，是否足以补偿今天投入的本金？借款利率是否超过了商业活动能够创造的回报？ Fibonacci 的贡献不仅在于提供了若干计算方法，更在于把时间引入商业决策。现代金融中所谓的时间价值、现值、终值和贴现现金流，都可以在这种早期商业数学中找到思想源头。从这一刻开始，复利不再只是债务如何扩大，也开始成为衡量机会的工具。 四、从商人的秘密表格，到可以复制的金融知识 在没有计算器和电子表格的时代，复利计算是一项非常烦琐的工作。如果利率、期限和付款频率稍有变化，就需要反复进行乘方、除法和级数计算。掌握准确的利息表，因此可能成为商人和银行家的竞争优势。 现存最早的一组复利表见于 Francesco Balducci Pegolotti 的商业手稿；原作可能形成于约 1340 年，现存抄本写于 1472 年。商人可以通过查表，迅速知道一笔本金按照不同利率持有若干年后将增长到多少。1494 年，Luca Pacioli 在《算术、几何、比例与比例关系大全》中记录了后来被称为“72 法则”的近似方法：用 72 除以年收益率的百分数，可以估算本金翻倍所需的年数。1 例如，按照 6% 的年增长率，翻倍大约需要： 72 ÷ 6 = 12 年 72 法则的意义并不只是简化计算。它把一个抽象的百分比转化成了普通人可以直观理解的时间尺度。6% 不再只是一个数字，而意味着大约十二年的翻倍周期；12% 则意味着大约六年的翻倍周期。人们由此开始用“翻倍需要多久”理解增长，而不只是观察某一年的收益。 ...

——从《火影忍者》的尾兽，到大模型时代的人类能力重构 小时候看《火影忍者》，我一直觉得尾兽是一个很有意思的设定。九大尾兽承载着远超普通个体的查克拉与力量。有人看到它们，只觉得那是无法控制的怪物；真正强大的忍者却会追问：怎样理解这种力量，与它建立关系，并把它转化为自己的能力？ 最近思考 AI 时，我突然意识到，今天的大模型很像《火影忍者》中的尾兽。它把人类文明长期积累的知识，压缩成了一种普通人可以调用的外部智能。我们正在进入一个近似“人柱力时代”的阶段：越来越多人可以接触巨大的力量，但拥有力量，并不等于会使用力量。 一、知识一直是人类文明创造的“尾兽” 如果把人类文明看成一个巨大的知识体系，那么每一个成熟领域，都像一只尾兽。物理学包含经典力学、电磁理论、热力学、相对论和量子力学；生命科学连接细胞、遗传、进化、神经与生态；金融涉及货币、银行、市场、资本配置与风险；工程制造则横跨材料、机械结构、自动化、软件和供应链。 这些知识不是任何一个人的财富，而是无数代人共同积累的结果。过去真正的障碍，不是知识不存在，而是调用知识的成本很高。一个人需要经过长期教育、阅读、训练和实践，才可能掌握其中一小部分。人的时间、注意力和经验有限，而文明积累的知识早已超过任何个体能够独立容纳的范围。 知识这只“尾兽”一直存在，只是大多数人很难靠近它，更难在需要时迅速调动它。 二、大模型改变的，是人与知识的连接方式 大模型并不是凭空创造知识，也不是一本按照页码保存事实的超级百科全书。它更像是把大量文本、代码和其他资料中的模式压缩成一个可交互的模型，再根据提问生成、重组和连接内容。它可以帮助人发现关系、形成草稿和探索方案，也可能产生错误、遗漏条件，甚至以很自信的方式给出不可靠的答案。 在过去，一个人通常需要先找到书籍和资料，再理解知识、形成能力，最后尝试解决问题。现在，人可以先描述问题，让模型协助检索思路、解释概念、比较方案、生成代码或整理表达。互联网和搜索引擎曾经降低了寻找信息的成本，大模型又进一步降低了初步理解、连接和转化信息的成本。 它没有让学习失去意义，而是改变了学习的重点。人的任务正在从收集零散知识，迁移到建立框架、提出问题、验证结果并把知识用于真实情境。 这仍然像鸣人与九尾的关系。九尾的存在没有自动让鸣人成为强者。他仍然需要理解力量、约束力量，并让它与自己的经验、判断和意志协同。真正属于鸣人的，不是体内存在多少查克拉，而是他最终能够把这些力量用来做什么。 三、拥有尾兽，不等于成为强者 AI 时代一个常见的误区是：“既然 AI 可以回答这么多问题，学习还有什么意义？”这就像认为鸣人体内有九尾，因此不再需要修炼。外部智能提高的是一个人的能力上限，却不能替他建立专业基础、理解现实约束，更不能替他承担决定的后果。 工业时代的机器放大了人的体力，计算机时代的软件接管了大量标准化计算与信息处理，现在 AI 又开始参与语言、代码、分析和内容生成。随着常见知识的获取成本下降，以下四种能力会变得更重要： 问题定义能力。 AI 可以回答问题，也可以协助寻找问题，但什么值得解决，取决于人的目标、处境与价值判断。 跨领域连接能力。 单一领域的知识越来越容易调用，真正困难的是把工程、金融、写作、心理学和商业放进同一个现实问题中。 判断与责任。 AI 可以快速生成许多方案，却无法替人决定哪些假设可信、哪些风险不可接受，以及谁来承担结果。 创造与执行。 一个答案只有被测试、修改、交付并接受现实反馈之后，才可能变成价值。生成内容不等于完成创造。 因此，未来人与人的差距，不只在于谁能获得更多答案，而在于谁能形成一个完整闭环：提出值得解决的问题，调用合适的知识，识别错误，把结果用于现实，再从反馈中继续修正。 四、用 Human Capital ETF 训练驾驭外部智能的能力 这也让我重新理解 Human Capital ETF。过去，我们常用学历、技能和工作经验衡量人力资本；AI 时代，一个人的竞争力更像一组需要长期配置和持续再平衡的资产： Core 是健康、现金流、专业能力和基础认知。它决定一个人是否拥有理解问题的底座，以及能否持续行动。 Growth 是学习、AI、编程和跨领域迁移能力。它帮助一个人扩大能力边界，但应该放大 Core，而不是成为逃离专业积累的借口。 Distribution 是写作、表达、社交网络、个人品牌与内容渠道。它把私人的思考和人机协作结果，转化成可以传播、被反馈和长期保存的作品。 Meta 是思考、复盘、时间配置、风险管理和重新平衡的能力。它决定我们为什么使用 AI、把注意力放在哪里，以及什么时候应该质疑或停止。 AI 使用能力主要属于 Growth，但它不能孤立存在。没有 Core，模型的输出容易脱离专业约束；没有 Meta，人可能只是更高效地走向错误方向；没有 Distribution，再好的想法也可能停留在一次私人对话里；没有健康和稳定的现金流，长期积累也很难持续。 未来真正有竞争力的人，不一定是拥有最多知识的人，而是能够持续调用外部智能，并把一次次调用沉淀为专业能力、工作成果、作品、关系和长期资产的人。 五、成为自己的“人柱力” 每一次技术革命都会替代一部分旧任务，也会重新划分人和工具的边界。AI 可能重组岗位、改变专业分工，并让一些原本昂贵的能力变得普遍，但它的影响不能只用“是否取代人类”来概括。更直接的变化是，一个普通人能够调动的知识、分析和创造能力正在迅速扩大。 成为 AI 的使用者，不是被动接受它给出的第一个答案，也不是把目标、判断和责任一并外包。它意味着知道什么时候调用它，什么时候质疑它，什么时候回到现实中验证，以及怎样把结果变成自己的能力和资产。 如果知识是尾兽，那么 AI 正在让更多人有机会接近这些尾兽。真正的问题不再只是“我有没有 AI”，而是“我是否有能力与它协作，同时保留自己的判断”。 ...