Optionality

从孙宇晨的《一道论证题》，重新理解教育、工作与未来选择权 有时候，一个问题真正有意思的部分，并不在它最初被提出的地方。 我最开始只是偶然注意到，自己用了很多年的 µTorrent，后来竟属于孙宇晨收购的 BitTorrent。2018 年，TRON 完成了对 BitTorrent 的收购；当时的报道将交易描述为约 1.4 亿美元现金，BitTorrent 官方则称其产品在全球有超过一亿活跃用户，其中包括 µTorrent Web 和桌面客户端。1 这让我产生了另一个问题：一个出生于中国、二十多岁的年轻人，为什么已经能坐到这样一张谈判桌前，购买一家诞生于上一代互联网的公司？ 继续往前追，我看到了 TRON；再往前，是 Ripple 和 Bitcoin；再往前，是宾夕法尼亚大学和北京大学；最后，我一路追到一个还没有财富、公司和社会地位的高中生。 在那里，有一篇文章，叫《一道论证题》。重新读到它时，我又想起自己 2018 年写过的《教什么育什么》。两个年轻人，两篇关于教育与人生的文章，相隔大约十年，后来走向了完全不同的地方，却共同逼近了一个我今天越来越关心的问题： 一个人的未来，究竟从什么时候开始发生分化？ 也许不是在他赚到第一百万的时候，而是在他第一次意识到：我不一定只能成为别人替我安排好的那种人。 ...

——从 Problem Awareness、Builder 到短暂的人如何创造持久结构 最近，我越来越强烈地意识到一件平常却很难真正接受的事实：一个人的时间是有限的。 有限不只意味着人生有终点，也意味着我不可能把所有值得学的东西都学完，不可能把所有感兴趣的方向都探索一遍，更不可能把每一种可能的人生活一次。数学、编程、AI、流体力学、投资、写作、工程自动化，每一个方向都足以消耗许多年。继续增加学习清单，无法解决这个问题。我必须选择。 AI 使这种选择变得更加重要。过去，许多想法会因为不会写代码、找不到资料或缺少工具而停下来；现在，我已经可以借助 AI 更快地检索信息、学习 API、搭建原型和整理文章。当“获得一个答案”与“做出第一个版本”越来越容易，稀缺性便继续向上移动：答案仍然重要，但比答案更稀缺的，是发现、定义并长期拥有一个值得解决的问题。 Can I solve this problem? → Is this problem worth solving? 这不是一道只属于科学家或创业者的题。每一个依靠工作生活的人，都在用不可逆的时间换取工资、经验和结果。我们当然要完成眼前的任务，但如果一生始终只由外部任务组织，最重要的资本配置决定就从未真正回到自己手里：我的注意力究竟应该长期投向什么？ 我把这个问题称为 Life Problem。 一、Life Problem 不是一句宏愿 Life Problem 很容易被误解成一句宏大的使命，例如“改变世界”“推动人类进步”或“成为更好的自己”。这些话也许表达了愿望，却很难直接告诉人明天应该做什么。另一个极端，则是把某个几天就能解决的任务当成长久方向，例如“自动完成一个 NX 操作”。任务太小，完成以后牵引力也随之消失。 我寻找的，是处在两者之间的问题：足够大，可以不断展开；又足够具体，能够生成下一项真实行动。 Richard Hamming 在 1986 年的演讲《You and Your Research》中提出了一个直接的前提：每个人只有一次人生，因此值得认真想一想，自己所定义的“重要工作”是什么。他曾反复追问研究者：你的领域有哪些重要问题？你正在研究什么重要问题？但他同时提醒，“重要”不能只看结果听起来多么巨大，还要看是否存在一个可以进入的 reasonable attack。一个完全无法接触、无法检验的问题，还不能组织有效行动。1 这给了我一个很实用的判断： Large enough to organize a life, but concrete enough to generate the next project. Life Problem 不是一个必须一次解决的终极难题，而是一个能够持续生成问题、学习和作品的稳定问题域。它不提供未来二十年的详细路线，却能够不断生成下一步。Purpose 更接近“为什么值得”，Life Problem 则进一步追问：“我准备通过持续理解和改变什么现实，来实践这个为什么？”2 我现在会用七个问题检验一个候选的 Life Problem： 我观察的维度 我会追问什么 Recurrence 它是否在不同年份、工作和项目中反复出现，而不只是一时兴奋？ Depth 解决第一层以后，下面是否还有机制、约束和新的未知？ Attackability 以我现在的能力与资源，能否找到一个真实的下一步？ Generativity 它能否持续生成研究、原型、文章、代码、实验或产品？ Compounding 今天留下的结果，能否让下一次理解和行动更容易？ External Value 对它的理解，最终能否改善别人面对同类问题的方式？ Ownership 我能否合法、合规地保留其中一部分能力、作品、声誉或资产？ 我并不拿它们计算所谓的“人生最优解”。这七个问题只是帮助我排除两个极端：把一句空泛口号当成方向，或者把一个短期任务误认成终身问题。经过这些追问以后，我真正愿意保留的候选问题，通常都能反复进入现实、产生下一项行动，并在时间中留下东西。 ...

——从一场 7:2 的业余台球比赛，到 Simon Ramo、Charles D. Ellis 与 The Worker Investor 今年春节，我和几个朋友去打了一场台球。六个人分成 A、B 两队，每队三个人。我们都很久没有打过，水平其实差不多。就连美式落袋的具体规则，我也是到了现场才重新问 ChatGPT：哪些球属于自己，什么情况下算犯规，什么时候会给对方自由球。 规则几句话就讲清楚了。真正让我记住的，却不是规则，而是比赛过程中发生的一次战略变化。我们一共打了九局，最后 A 队以 7:2 获胜。如果只看比分，可能会以为双方水平存在明显差距，但事实并不是这样。我们没有谁技术特别好，也没有人能够稳定清台。真正拉开比分的，不是谁打出了更多漂亮的进球，而是谁更少把机会直接送给对方。 一、从“大力出奇迹”到不给对手机会 刚开始上场时，我的想法非常简单：尽量用力，把球打进袋。我好像本能地认为，只有进球才叫打得好；力度越大、角度越刁钻，越能证明自己的水平。至于白球最后停在哪里，目标球打丢后会给对手留下什么位置，甚至队友下一杆要面对怎样的局面，我都没有认真考虑。 问题是，我并没有稳定完成这些击球的能力。一杆没有打进，并不只是“少得一分”。如果目标球停在袋口，或者我没有先碰到己方目标球，按照我们当天采用的规则送出自由球，那么这一杆还会直接变成对手的机会。尤其当桌面上的球越来越少时，一次自由球往往就等于把整局比赛交了出去。 打了几局以后，我开始改变策略。我不再要求每一杆都必须进球，而是先守住两条底线：第一，先碰到己方目标球，不轻易犯规，不给对手自由球；第二，如果没有把握进球，就尽量控制白球的位置，把它停在一个让对手不舒服、但让队友下一杆更容易处理的地方。 这时，我思考的对象已经不再只是眼前这一杆。我开始考虑这一杆结束后的桌面，考虑对手接下来能看到什么球，也考虑队友再次上场时会接到怎样的局面。很快，A 队三个人形成了一种默契：不急着证明自己能进球，先不要把容易的机会留给对方。 结果是，B 队为了主动进攻，开始不断出现出界、犯规和送自由球的情况；我们反而从这些失误中得到越来越多的简单机会。当我不再要求自己“一杆取胜”，挥杆压力反而小了，力度更轻，动作更稳定，白球的位置也更可控。 那天我第一次非常具体地意识到： 在一群水平接近的普通人之间，真正拉开差距的，往往不是谁更强，而是谁更少犯低级错误。 二、五十年前，另一位业余球手发现了同一件事 几个月以后，我在 Howard Marks 的一段演讲中听到 Simon Ramo 的名字。Marks 也曾在 Oaktree 的备忘录中，用职业与业余网球解释投资中的“赢家游戏”和“输家游戏”。1 Ramo 不是职业网球运动员，也不是网球教练。他是一位系统工程师，曾参与美国早期洲际弹道导弹系统工程，并与 Dean Wooldridge 在 1953 年共同创办 Ramo-Wooldridge Corporation；该公司后来成为 TRW 的前身。1970 年，他出版了一本很薄的书——Extraordinary Tennis for the Ordinary Player，可以译为《普通球员的非凡网球》。2 他研究的不是职业选手怎样打出更快的发球，而是一个更朴素的问题：普通人究竟为什么会输掉一场网球比赛？ Ramo 观察后发现，看起来使用相同球场、球拍、规则和计分方式的网球，其实存在两种完全不同的游戏。职业选手之间的比赛是 Winner’s Game。双方很少出现低级错误，最终胜负通常由某位球员主动打出的制胜球决定，胜者真正赢得了分数。普通人之间的比赛则更接近 Loser’s Game。大量回合不是因为对方打出了无法回击的好球而结束，而是有人把球打进了网、打出了界，或者发球双误。获胜者未必创造了更多奇迹，只是把球留在场内的次数更多。 Charles D. Ellis 在 1975 年发表的经典文章 The Loser’s Game 中转述了 Ramo 的统计：职业比赛中，大约 80% 的分数是被主动赢下来的；业余比赛中，大约 80% 的分数则是由一方主动输掉的。Ellis 借此区分了 Winner’s Game 与 Loser’s Game：前者的结果主要由胜者的行动决定，后者的结果主要由败者的失误决定。3 ...

——理解时间、穿过迷茫，并为未来保留更多选择 2020 年，我曾在 iDiary 里写下一句话： 今天，是历史的进步，也是进步的历史。 当时更像是一句偶然出现的文字游戏。几年后再读，我才明白它其实包含了两种相反的时间视角。 “历史的进步”，是站在今天回望过去。现在是过去许多选择、条件和偶然共同抵达的一块里程碑。“进步的历史”，则是站到未来回看今天：此刻正在发生的行动，也会成为未来历史的一部分。 前一种视角把现在看成结果，后一种视角把现在看成原因。 我后来慢慢把它写成另一个公式： 现在 = 过去暂时结算的结果 + 未来开始发挥作用的原因 未来当然不会穿越回来，在物理上造成今天。真正提前进入现在的，是我们对未来的想象、承诺、责任和取舍。因为想成为作者，所以今天开始写作；因为不想永远依赖一份工资，所以今天保留现金、学习投资、建设作品；因为希望五年后仍有职业选择，所以今天不把全部能力锁死在一项内部流程里。 过去在身后形成条件，未来在前方提供牵引。一个人的现在，正发生在两者相遇的地方。 心理学家 Dan McAdams 和 Kate McLean 把 narrative identity 描述为一个人不断演化的内在生命故事：它把经过重构的过去与想象中的未来连接起来，使人生获得某种连续性与方向。1 这与我想讨论的问题非常接近。人在迷茫时，未必只是缺少目标，也可能是把“现在”切得太薄，只剩下眼前的情绪和任务，却看不见自己从哪里来，也不知道今天正在为哪一种未来提供条件。 一、现在既是结果，也是原因 沿着普通的因果顺序看，时间从过去流向现在，再流向未来： 过去 → 现在 → 未来 今天的身体、能力、习惯、现金、关系和判断，并不是突然出现的。它们是过去的训练、工作、消费、休息、运气和环境长期作用后的结果。同样，今天读完的一本书、完成的一个项目、存下的一笔钱、写出的一篇文章，乃至一再拖延的习惯，也都会进入未来。 因此，现在具有双重身份。它一边接收过去，一边生产未来。 这听起来像一句常识，却很容易在生活里被忘记。我们会把当下的处境误认为永恒，把眼前的职业当作唯一道路，把一次失败概括成永久缺陷，也会把一个偶然的顺利解释为自己已经掌握了规律。原因在于，我们看见了“现在是什么”，却没有继续追问它是怎样形成的，也没有追问它会把自己带到哪里。 当下不是一张静态照片，而是两个过程的交界面：过去正在这里结算，未来也正在这里取得最初的证据。 二、每个人都需要成为自己的历史学家 向过去寻找结果，不是沉浸在怀念、后悔或自责里，而是做一次个人历史考古。真正要问的，不只是“过去发生了什么”，而是“那些事情今天留下了什么”。 我会把这种考古分成三层。 第一层是事实。过去做过什么选择，完成过什么项目，获得过什么结果，放弃过什么机会？记忆在这里并不完全可靠。自传体记忆研究认为，具体记忆不是从档案柜中原样取出的录像，而是在既有知识与当前目标共同参与下形成的心理建构。2 所以日记、文章、照片、项目文件、聊天记录和财务记录很重要。它们不能替代解释，却能限制我们随意改写过去。 事实 ≠ 记忆 ≠ 解释 第二层是沉淀。过去投入的时间，有多少仍然活在今天？学习可能留下能力，工作可能留下经验，储蓄留下本金，写作留下作品，重复留下习惯，失败留下判断；创伤也可能留下恐惧，错误也可能留下路径依赖。时间是否过去并不是关键，关键是它有没有形成一种今天仍可调用、还能继续参与未来的东西。 第三层是解释。事实不能改变，意义却并不封闭。一次失败在当时可能只有挫败，几年后却可能成为排除错误方向的证据；一段看似绕路的经历，也可能在新的问题里显示出价值。但重新解释过去，不等于强行把一切包装成“最好的安排”。有效的解释必须接受事实约束，也必须能够回答：它究竟改变了什么？留下了什么？今天再次遇到类似情境时，我会怎样行动？ 这里最需要警惕的是结果偏差。Baruch Fischhoff 的经典研究表明，人一旦知道结果，就容易高估自己事前判断出该结果的可能性。3 成功以后，我们会把道路讲得比当时更清楚；失败以后，也会把某些风险说得仿佛早就不可避免。成为自己的历史学家，就是拒绝用今天知道的答案，伪造昨天已经拥有的确定性。 历史学家的问题不是“怎样给过去编一个更好听的故事”，而是： 哪些过去仍然活在我的现在？ 三、三时九向：把时间中的事实、解释与可能分开 过去、现在和未来并不是三个彼此隔离的盒子。人会不断站在一个时间位置上，理解另一个时间位置。把这三种位置与三种对象交叉，就得到九个方向： 站立的位置 / 观察的对象 过去 现在 未来 过去 历史因果 路径依赖 经验外推 现在 回溯理解 状态诊断 预测与规划 未来 结果赋义 目标牵引 长期组织短期 这个表格不是为了把人生变成机械排列，而是帮助我辨认：此刻谈论的究竟是已经发生的事实、对事实的解释、尚未发生的可能，还是现在可以采取的行动。 ...

AI 时代，普通人如何投资自己、积累产品与扩大未来选择权 前段时间，我和 AI 连续聊了很多天，反复讨论成长、投资、表达和未来选择。在这些对话中，我逐渐意识到一件事：很多人拥有经验，也产生过有价值的思考，但这些东西最终只停留在聊天、朋友圈、群聊和头脑中。真正困难的，不只是“知道”，而是把自己知道的东西组织起来，形成一种可以被别人阅读、理解、使用和传播的产品。 一本书，就是思想完成产品化之后的结果。工作一年多以来，我一边参与职场，一边实践股票、基金等金融产品投资。在这个过程中，我逐渐形成了三个长期想研究的问题，它们未来也可能分别成为三本书。 一、自己才是最重要的资本 第一本书要讨论的是：投资自己。 当一个人刚开始接触投资时，注意力通常集中在股票、基金、债券、黄金和房地产等金融资产上。我们会研究收益率、风险、估值和资产配置，也会寻找更加稳定、低成本和可持续的投资渠道。但当这些基础问题逐渐解决后，我越来越意识到：对于大多数普通人来说，人生早期最重要的资本，并不是证券账户里的资金，而是自己。 你的身体状况、职业能力、知识结构、判断力、表达能力、创造力、信誉、关系网络和学习速度，共同构成了你的人力资本。金融资本决定你目前拥有多少可以配置的钱；人力资本则决定你未来能够创造多少现金流、识别多少机会，以及能否在环境变化时重新建立自己的位置。 因此，投资自己不应该只是一句宽泛的口号，而应该像管理一个投资组合一样被认真对待。我们需要思考： 哪些能力是维持生活和职业稳定的核心仓位？ 哪些技能具有较高的增长潜力？ 哪些内容可以被公开表达、传播和复用？ 哪些反思、工具和流程能够持续提高整个系统的效率？ 自己不是一个等待被开发的单一技能，而是一个需要长期配置、持续再平衡的人力资本组合。 二、从打工者到投资者，不只是收入来源的变化 第二本书要讨论的是：一个 Worker 如何成为 Worker Investor。这里的 Investor，并不只是指购买股票的人。 一个人即使拥有证券账户，也可能仍然完全生活在“打工者思维”中：每天出售自己的时间，等待下一次工资结算，再用工资支付生活成本。这种模式最大的问题，不是打工本身，而是劳动没有留下可以持续积累的结果。如果一个人在两次发薪日之间，只完成了被分配的任务，却没有积累新的能力、作品、资产、关系、信誉和选择权，那么他的时间几乎被一次性消耗掉了。 从 Worker 到 Worker Investor 的转变，本质上是一种思维方式的转变：不再只问“这件事现在能给我多少钱”，而是开始问“这件事能否成为未来继续产生价值的资产”。工作当然可以提供工资，但工作还可以被转化为： 对一个行业更深入的理解； 可迁移的方法和标准； 能够重复使用的工具； 有代表性的项目和作品； 对外部世界有价值的内容； 更高质量的职业信誉； 下一次选择时更大的议价能力。 当这些东西逐渐积累起来，一个人获得的就不只是收入，而是未来的潜在选择权。你可能仍然在工作，但不再只能依赖这一份工作；你可能暂时没有创业，但已经在积累未来能够独立创造价值的条件；你可能仍然依靠工资生活，但你的时间、知识和现金流已经开始向资产转化。这才是从 Worker 到 Investor 更深层的含义。 三、真正值得研究的，不只是天才成功以后 第三本书要讨论的是：Before the Genius。 我们通常在一个人成名以后才认识他。我们看到的是企业、作品、奖项、财富、影响力和历史地位，却很少追问：在这些结果出现以前，他经历了什么？一个人的判断力是怎样形成的？他在还没有获得认可时接受过哪些训练？哪些早期经历看起来微不足道，后来却成为关键能力的来源？他经历过哪些失败、误解、绕路和长时间的无人关注？所谓天才，究竟是一种天生属性，还是大量因素在漫长时间中逐渐形成的结果？ 我真正好奇的，不只是 Genius，而是 Before。不是聚光灯照下来之后的那个人，而是聚光灯出现以前，他如何阅读、练习、工作、失败、选择和坚持。研究这些过程，并不是为了复制某一个伟大人物的人生，而是为了理解：一个人的潜力究竟如何被环境、训练、偶然事件和主动选择共同塑造。 四、AI 正在建立一条新的能力基准线 这三个问题之所以值得在今天重新讨论，是因为我们正在进入一个由人工智能深刻改变的时代。AI 首先是一种生产力工具。我们当然应该理解大语言模型的基本原理，但普通使用者不一定需要钻研所有技术细节。更重要的是理解它的基本机制：大语言模型从大量信息中学习词语、上下文和概念之间的关系，并据此预测和生成内容。1 从使用者的角度来看，我更愿意把 AI 理解为一条基于大规模人类知识和表达方式形成的能力基准线。它不等于人类智慧的上限，也不代表每个答案都正确，但可以提供整理、归纳、解释、翻译、改写、比较、生成框架和辅助推理等基础能力。在这条基准线之上，AI 对人的赋能至少有两种方式。 1. 帮助思维凌乱的人完成结构化表达 很多人并不是没有想法，而是不知道如何把想法组织出来。他们可能拥有真实的经历、敏锐的感受和独特的判断，但表达时缺乏结构，最后只能留下零散的句子。AI 可以帮助他们把碎片连接成逻辑，把模糊感受转化为明确概念，把一次聊天整理成一篇文章，把长期思考沉淀为一个框架。这意味着，过去因为表达能力不足而被埋没的经验，现在有机会被保存下来。 2. 帮助表达能力强的人降低整理成本 另一类人并不缺乏表达能力，他们缺少的是时间。他们可以高频地思考、说话、讨论和产生判断，但没有足够精力完成转录、分类、重写、校对和发布。对他们来说，AI 可以承担大量整理工作，让人把主要精力放在真正具有稀缺性的部分：观察、体验、判断、选择和提出问题。 因此，AI 并不是简单地取代某项能力，而是在重新分配人的能力结构。每个人都存在某种“水桶效应”：你可能在专业知识上高于平均线，却不擅长写作；也可能很有创造力，却缺少执行系统；可能表达很好，却不擅长检索、编程或视觉呈现。 AI 的价值在于实现能力互补：对于已经高于基准线的能力，AI 可以帮助你放大优势；对于低于基准线的能力，AI 可以帮助你迅速提高下限。它既可以扩大一个人的上限，也可以抬高一个人的底线。但前提是，人仍然要有自己的经历、判断和问题意识。否则，AI 只能生成一份平均而顺畅的表达，却无法替代真正属于你的洞察。 ...