Ownership

——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 ...

——从使用 AI，到拥有生产率的残余 在上一篇文章里，我把人类知识比作《火影忍者》中散落在世界各处的查克拉，把不同的大模型比作拥有不同能力、规模和性格的尾兽。这个比喻帮助我理解：模型并不是知识本身，而是一个能够吸收、压缩、重新组织并调用知识的认知容器。 但如果继续追问，就会遇到一个更重要的问题：尾兽的查克拉来自哪里？又是谁拥有尾兽？ 在《火影忍者》的设定中，十尾可以转化为神树，神树的根则会从星球上的生命吸收查克拉。1 今天的大语言模型也呈现出一种相似的结构：它先从人类已经写下的文字、代码、图像和知识中学习模式；进入现实世界以后，又通过评测、反馈和具体工作流程，越来越深入地参与人类如何表达、判断与完成任务。 这不意味着每一次对话都会直接进入下一轮基础模型训练。不同产品、账户类型与隐私设置的数据政策并不相同：以 OpenAI 的公开政策为例，个人服务中的内容可能用于改进模型并允许用户退出，企业产品与 API 的输入输出则默认不用于训练，除非客户明确选择共享。2 更准确的说法是，在获得授权或用户主动提交反馈时，评测结果、错误报告、使用模式和任务分布都可能成为产品改进的信号。 数字劳动研究也提醒我们，价值生产不只发生在传统办公室和正式工时里。一层是数据标注、内容审核、转录和数据处理等有偿却常被外包、拆分的微任务；另一层是用户生成内容、评价、点击与反馈等参与活动，其中一部分会被平台转化为数据和产品改进信号。不过，后一类活动是否应当一概称为“劳动”，本身仍是研究中的争论。3 因此，AI 不只是一只储存知识的尾兽。它正在成为一只学习如何工作的十尾。 现代 worker 真正需要面对的，不只是这只十尾是否强大，而是：当越来越多人的知识、判断和劳动方式被写入系统，这些能力最终会沉淀在哪里？它们会成为劳动者可以携带的生产资料，还是主要成为少数组织拥有的资本？ 这把我们带回马克思关于机器、劳动与资本关系的分析，并由此引出本文的两个问题。需要说明的是，下面两个问法并不是马克思原文中的固定表述，而是我依据他的机器分析所作的当代转写。 一、机器替代部分劳动以后，原来支付工资的资本去了哪里？ 在马克思的分析中，资本并不只是静止的金钱，而是进入循环并追求增殖的价值。本文进一步关心的是：谁控制生产条件，谁又能够对未来产出提出索取。后者是我在 AI 时代对资本关系的延伸理解，并不是马克思对资本的直接定义。4 马克思把生产资本区分为不变资本与可变资本。这里的“不变”和“可变”，不是现代财务会计中的固定成本与变动成本。 不变资本是转化为原料、辅助材料、机器、工具和厂房等生产资料的资本。在马克思的价值理论中，这些生产资料在特定生产过程中把既有价值转移到产品中，却不会凭自身创造超过原有价值的新价值。可变资本则是用于购买劳动力的资本，通常表现为工资支出。它之所以“可变”，是因为劳动力在生产中的使用能够再生产自身价值的等价物，并在马克思的理论中创造超过它的剩余价值。4 因此，在马克思讨论的机器化场景中，值得注意的不只是岗位减少，还有一部分资本形态的转化： 部分可变资本 v → 不变资本 c 马克思在《资本论》第一卷第十三章第六节，用一家假设的壁纸工场说明所谓“补偿论”的问题。工场原有 6,000 英镑资本，其中 3,000 英镑购买原材料，另有 3,000 英镑雇用 100 名工人，每人年工资 30 英镑。引入价值 1,500 英镑的机器后，工场只保留 50 名工人。总资本仍是 6,000 英镑，但工资支出从 3,000 英镑降到 1,500 英镑，机器与原材料所占资本则提高到 4,500 英镑。这个算例为说明理论而构造，也明确省略了厂房、煤等项目，不应被当作现代企业的完整会计模型。5 被解雇的 50 名工人并没有使对应资本自动成为重新雇用他们的基金。原本用于购买其劳动力的一部分资本，已经被固定在机器中： 1,500v → 1,500c 马克思并不否认机器可能在其他部门创造新工作；他否认的是，这种补偿会由原有资本自动、同时并且足额发生。新岗位不必在相同时间、相同地点，以相同技能要求和收入水平出现。即使更便宜的机器释放出一小部分资本，它也不足以自动重新雇用全部被替代者。 这里存在两种完全不同的“释放”。劳动者被从岗位中释放出来，意味着他失去了工资；资本被释放出来重新购买劳动，则未必发生。技术可以释放人的时间，但如果收入没有随着时间一起被释放，所谓闲暇就可能表现为失业、降薪或更激烈的岗位竞争。 把这一结构类比到 AI 时代，机器换了一种形态： 工资预算 → 模型、算力、软件、数据与自动化系统 这不是说模型 API、云服务和软件订阅在会计上都属于固定资产，也不是把每一笔软件费用机械地等同于马克思的不变资本。更准确的观察是：企业可能把一部分原来用于购买劳动时间的预算，转向购买或租用由外部组织控制的技术能力。生产资料不一定以厂房里一台归企业所有的机器出现，也可以成为按调用量、席位或订阅持续付费的“租赁型能力”。 假设一家企业原来需要 100 个人完成某类工作。部署模型、知识库与 Agent 后，60 个人便可能完成相同甚至更多的产出。减少的工资支出不会自动返还给另外 40 个人；它可能被投入模型调用、系统集成和数据治理，也可能变成利润、股息或下一轮资本开支。 ...

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。 ...

The Worker Investor begins by rejecting a false choice. We are often encouraged to imagine that a worker and an investor are two completely different kinds of people. A worker sells time, completes assigned tasks, receives a salary, and lives inside an institution. An investor owns assets, allocates capital, and benefits from systems that can continue operating without his or her direct labor. For most people, however, the transition is not so clean. We do not stop being workers one day and become investors the next. We still need salaries, professional skills, institutions, colleagues, and the structure that work provides. The more realistic question is whether a person can remain a worker while gradually learning to think and act like an investor. ...