Ownership

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 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。 ...

——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。 ...

——从一次智能管路 PMI 标注实践谈起 很多人工作几年以后，会发现一个令人不安的事实：自己明明做过很多项目、处理过很多问题、加过很多班，但当准备换一个岗位、进入一个新的行业，或者试图独立做一点事情时，却很难说清楚自己究竟积累下了什么。 工作完成了，项目交付了，工资也发放了。但那些经验，真的成为资产了吗？ 工作时间与个人资产之间，并不存在自动转换关系。一个人可能工作了十年，却只是把第一年的流程重复了十次；也可能参与过很多项目，却没有留下任何能够迁移、复用和证明的成果。 这与工资有些相似。工资是劳动在当期的结算。如果工资被全部消费，劳动的价值便主要停留在当期；只有其中一部分被保存、投资并转化为存量，过去的劳动才有机会继续参与未来。 经验也是如此。经验只有经过保存、提炼和转化，才可能从一次性的劳动流量，变成能够继续调用的能力存量。 这是《The Worker Investor》一直希望讨论的问题。所谓 Worker Investor，并不是要求每一个工作者都去炒股票，也不是让所有人辞职创业。它首先意味着一种身份意识的变化： 我不仅是在出售今天的劳动，也在投资未来的自己。 最近，我在实际工作中尝试解决了一个具体问题：将原本依靠人工完成的管路识别、长度测量、信息整理和工程标注流程，逐步转化为一套智能化的 PMI 标注工作流。 工程师选择对应的管路对象后，系统自动识别对象、读取名称、计算长度，并按照统一格式生成三维标注。 出于保密和知识产权边界的需要，本文不会讨论具体产品、企业数据、内部模型、对象编号和源代码。但这个过程本身，为我们提供了一个很好的案例：一次具体的工作产出，在什么条件下，才可能转化为一个人的长期资产？ 我的答案可以归纳为三个条件。 一、你解决的不是一次任务，而是一类问题 在传统工作模式中，我们很容易把注意力集中在“把这一单做完”。收到一个任务，完成一个任务；遇到一个问题，临时解决一个问题；制作一份装配规范，再继续制作下一份装配规范。 这种方式当然能够产生结果，但它产生的主要是一次性交付。一次性交付的特点是：任务结束，价值也随之结束。 以管路装配规范为例，原来的流程大致包括：工程师在三维模型中寻找对应管路，识别对象名称，测量管路长度，调整模型视角，截取图片，再将名称、长度和装配信息整理到工程图或外部文档中。 如果只有一根管路，这些操作似乎并不复杂。但当对象数量增加、车型发生变化、模型版本更新以后，问题就会变得明显： 同一类操作需要不断重复； 不同工程师可能采用不同的数据口径； 模型发生变化后，原有结果需要重新确认； 标注信息与模型对象之间缺少稳定关联； 大量时间消耗在查找、测量、复制、核对和整理上。 这时，真正值得解决的问题就不再是： 怎样把眼前这根管路标注完成？ 而是： 为什么这一类管路，每一次都需要重新寻找、测量和整理？能不能建立一种机制，让它们按照统一规则被识别、测量和标注？ 这两个问题看似接近，实际上属于两个完全不同的层级。前者是 Task Completion，完成任务。后者是 Problem Ownership，拥有问题。 Task Completion 关注的是眼前的交付。Problem Ownership 关注的是问题为什么反复出现、哪些环节可以被改变，以及怎样让同类问题以后不再以相同成本发生。 当一个 Worker 开始从“完成别人分配的任务”，转向“定义并解决一类反复出现的问题”时，他才真正进入了资产积累的起点。因为资产并不来自工作量本身，而来自对问题结构的理解。 你需要看见： 哪些步骤在反复发生； 哪些判断具有稳定规律； 哪些信息可以从系统中直接获取； 哪些错误来自流程设计，而不是个人不够认真； 哪些环节适合交给工具； 哪些判断和责任必须继续由工程师承担。 一个人处理过一百次相似任务，不一定拥有一项资产。如果他从未提取其中的共同结构，这一百次工作可能只增加了熟练度，却没有形成新的系统。 但当一个人能够看清这一百次任务背后的共同结构时，经验才获得了跨项目复用的可能。因此，不要只问怎样把这次工作做完，还要问： 为什么这类工作每次都需要重新做？ 二、把隐性经验转化为可以重复运行的系统 工作经验最初通常存在于人的脑海中。一个熟练的工程师可能知道： 哪一种对象是真正需要标注的管路； 哪一种对象只是接头、阀件或支架； 从哪里能够找到中心线； 怎样判断某一段长度是否可信； 名称应该从几何对象、组件还是属性中读取； 哪些标注应当显示在模型中； 哪些信息应当进入工程图； 哪些情况应该由系统提示异常。 这些知识非常有价值。但如果它们只存在于个人经验中，就仍然是一种脆弱的资产。 隐性经验通常存在几个问题： 很难完整传递给其他人； 很难在不同项目中保持一致； 很难被软件直接调用； 很难证明它究竟解决了什么； 每次执行仍然需要本人投入注意力； 一旦本人离开，经验可能随之消失。 因此，经验要成为真正的资产，就必须经历一次 Externalization，也就是外化。它需要从： ...

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。 ...