Writing

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。 ...

——复利、流量与 The Worker Investor 的完整逻辑 最近看到一个人在讲复利。 他说，阅读有复利，写作有复利，存钱有复利，运动也有复利。只要每天做一点正确的事情，坚持足够长的时间，微小的投入就会被时间不断放大。 这种表达并没有错。它比追求即时回报更接近长期成长的真实规律，也能帮助人摆脱“做一件事马上就要看到结果”的焦虑。但听完以后，我想到的不是怎样把这些好习惯坚持得更久，而是另一个问题：阅读、写作、存钱和运动为什么会产生复利？只要长期重复一件有益的事，就一定叫复利吗？ 如果一个人每天阅读，却没有留下任何概念、判断和知识结构；每天写作，却从不整理、发布或再次使用；每月存钱，却让现金长期闲置并不断损失购买力；持续运动，却因为错误训练、睡眠不足和过度透支损害身体，那么“长期坚持”显然不会自动产生复利。 我们经常把持续投入、线性积累、能力形成、成果资产化、正向反馈和真正的复利混在一起。也正是从这个问题出发，我进一步理解了 The Worker Investor 所要回答的核心问题： 一个主要依靠工资生活的普通 Worker，怎样才能不让自己的劳动一次次发生、一次次结算、一次次消失，而是逐渐把它转化为存量、资产、所有权和未来选择权？ 在《让今天的劳动继续参与未来》里，我从复利的历史出发，讨论时间如何进入债务、估值、投资与个人成长。这篇文章继续追问：如果离开金融公式，究竟什么样的个人系统才真正具有复利结构？ ...

我越来越强烈地感受到，知识只有从一个人的脑海进入另一个人的脑海，才真正完成了它的社会流动。 阅读、思考和学习，首先改变的是我自己。但如果这些理解始终停留在我的脑海里，它们就只是一种私人体验。只有当我尝试把它们写下来，将模糊的感受转化为语言，将零散的问题组织成结构，将个人经历放进更大的知识背景中，它们才可能成为别人可以理解、借用和继续思考的东西。 从这个意义上说，知识输出并不是简单地“把我知道的东西告诉别人”，而是完成一次认知转译：把散落在书籍、论文、互联网和个人经验中的信息，重新组织成一种适合特定问题、特定处境和特定读者的表达形式。 把理解写出来或解释给别人，也可能反过来促进学习。教育研究发现，在明确的学习任务中，围绕学习内容写作，以及为讲授而准备和实际讲授，平均都能改善知识掌握；不过，这些收益依赖任务设计与解释方式，不能被扩展为“任何输出都会自动带来成长”。1 一、需求产生于现实与可能性之间的距离 人为什么会产生需求？最直接的答案是：因为某种状态尚未得到满足。 人会因为生存、工作、收入、健康和关系而产生现实需求，也会因为渴望成长、理解世界、获得自由和实现自我而产生更高层次的需求。但需求并不仅仅意味着“我缺少某件东西”，它更深层地意味着：一个人已经隐约意识到，自己现在所处的位置，与自己希望到达的位置之间存在距离。 问题在于，人往往能够感受到不满，却无法准确描述问题；能够意识到生活不对，却不知道究竟哪里出了问题；希望改变，却不知道存在哪些可行路径。因此，很多需求最初并不是以清晰的问题出现，而是以焦虑、困惑、挫败、羡慕、疲惫或者反复失败的形式出现。 一个人可能会说：“我不喜欢现在的工作。”但他真正面对的问题，可能是技能无法迁移、收入结构单一、劳动成果无法积累，或者个人价值完全依附于组织评价。一个人可能会说：“我想学习。”但他真正需要的，可能不是更多课程，而是一套判断什么值得学习、如何把学习变成能力、如何把能力变成作品的方法。一个人可能会说：“我想投资。”但他真正缺少的，可能不是股票代码，而是对现金流、风险承受能力、时间跨度以及自身人力资本的理解。 需求开始成形，常常意味着一个人意识到：现实可以不是现在这个样子。 二、知识的价值，不在于被知道，而在于降低改变的难度 互联网并不缺少信息。关于职业、投资、学习、写作、健康和个人成长，人们几乎可以找到无限多的内容。真正稀缺的，不再是信息本身，而是以下几种能力： 识别自己真正面对的问题； 从海量信息中找出与问题相关的部分； 理解不同知识之间的关系，而不是把它们当作互不关联的碎片； 将抽象的知识翻译成自己现实条件下可以采取的行动。 许多人并不缺少阅读能力，也不一定缺少学习意愿。他们真正缺少的是一个能够帮助自己完成“信息—理解—判断—行动”转换的中间结构。 因此，一篇文章的价值，不仅在于它是否提供了新知识，更在于它是否完成了某种转换： 把说不清的感受转化为可以讨论的问题； 把孤立的经历放进一个更大的解释系统； 把专业概念转化为普通人能够理解的语言； 把宏大的理论转化为现实中的判断框架； 把“我应该改变”进一步推进为“我可以从哪里开始改变”。 真正有价值的内容，不只是增加读者知道的东西，而是降低读者理解世界和改变自己的成本。 三、内容创作者不是知识的搬运者，而是问题的组织者 一个人不需要发明所有知识，才能创造有价值的内容。事实上，很多重要思想都建立在前人工作的基础上。新的价值往往并不来自创造一条前所未有的信息，而来自重新提出问题、重新选择材料、重新建立联系，并将已有知识放进一个新的现实情境之中。 不同的人面对同一批知识，会产生完全不同的作品，因为每个人的经历、问题意识、价值判断和现实约束都不同。 我从投资亏损出发，重新理解人力资本、工资、现金流、风险与长期积累，于是逐渐形成了 Human Capital ETF。我从普通职场人的现实处境出发，思考一个劳动者如何保存自己的劳动成果，如何避免全部价值都随着工时结束而消失，于是逐渐形成了 The Worker Investor。 这些概念并不是凭空出现的。它们来自经济学、投资学、教育学、组织理论和个人经历的交汇。但真正使它们形成独立价值的，不是其中某一条知识，而是我所提出的问题：对于一个缺少资本、资源和确定性的普通劳动者，什么才是最值得长期配置的资产？ 问题一旦改变，知识的组织方式也会改变。因此，我所做的并不是把互联网上的信息重新排列一遍，而是以自己的现实问题为中心，对已有知识进行重新筛选、重新组合和重新解释。这是一种带有立场的知识组织，也是一种带有责任的认知设计。 四、AI 降低了知识组织的成本，但不能替代人的出发点 AI 的重要意义，不只是提高写作速度。它更深层的价值在于，降低一个普通人调动知识、比较观点、寻找线索、检查逻辑和组织表达的成本。 至少在特定的职业写作任务中，随机实验已经观察到这种成本下降。Noy 与 Zhang 对 453 名受过大学教育的专业人士进行预注册实验，发现使用 ChatGPT 后，平均完成时间减少 40%，输出质量提高 18%。不过，这些任务较短且相对自包含，结果不能直接外推到所有知识工作。2 另一项针对 758 名顾问的随机实验呈现了更清楚的边界：在一组适合模型能力的咨询任务中，AI 提高了速度与质量；在一项超出模型能力边界的任务中，AI 使用者正确作答的比例反而更低。工具能够扩展搜索与表达，却不能取消核验和最终判断。3 过去，一个人产生一个问题之后，可能需要阅读大量书籍、搜索大量资料，才能初步知道这个问题在人类知识体系中处于什么位置。现在，AI 可以帮助我生成检索线索、比较不同观点、寻找潜在的相关概念与反例，并协助检查结构和组织表达；其中涉及事实与出处的内容，仍然需要回到原始资料核验。在我的实践中，它使个人能够以更低成本，整理过去往往需要更多时间或协作才能处理的信息。 但 AI 不能替代最关键的部分。它不知道什么问题真正困扰着我，不知道哪些经历改变过我的判断，也不能替我决定什么值得说、什么不应该说、什么结论需要保留边界。它可以提供材料，却不能代替我的问题意识；可以生成表达，却不能代替我的真实经历；可以提出许多可能性，却不能代替我的判断与责任。 因此，人与 AI 之间更合理的分工是：人提供问题、经历、立场、判断和最终责任；AI 提供检索线索、比较、扩展、组织和表达杠杆。人的价值不是与 AI 比拼信息量，而是决定信息应该围绕什么问题被组织，以及这种组织最终要帮助谁。 五、从一篇文章到可复用的知识资产 当这些思考被持续写成文章时，它们就不再只是一次性的内容，而会逐渐形成一种可以被检索、引用、连接和重复使用的公共知识资产。 我曾把个人网站比作一座公开的思想档案馆。但档案的价值不只在于保存，也在于为读者从模糊需求走向清晰问题提供入口。一篇文章可能只解决一个很小的问题，许多文章长期连接起来，却会逐渐形成一套解释系统。 读者可能先从“工资为什么难以复利”进入，随后理解劳动成果为什么需要被保存；再进一步理解人力资本为什么需要配置，普通劳动者为什么需要建立 Growth、Distribution 和 Meta；最终，他开始重新看待自己的工作、学习、收入和未来。 ...

最近，我读到了 Paul Graham 的一篇文章，题目叫《How to Earn a Billion Dollars》。文章来自他在 Oxford Union 的一次演讲。Paul Graham 试图回答一个看起来有些夸张的问题：一个人究竟怎样才能赚到十亿美元？ 他给出的解释并不复杂。一家创业公司最终能够成长到多大，主要取决于两个变量：它的增长率，以及这种增长能够持续多久。增长率取决于产品是否足够好，好到用户愿意主动把它推荐给朋友；增长能够持续多久，则取决于市场中还有多少尚未被满足的需求。如果一家公司能够在一个足够大的市场里保持指数增长，那么它的价值就可能在很短的时间里迅速上升，创始人所持股份的价值也会随之增长。 Paul Graham 之所以熟悉这个问题，是因为他长期处在创业公司的世界里。他是一名程序员、写作者和投资人，早年参与创办了 Viaweb，后来又与 Jessica Livingston、Robert Morris 和 Trevor Blackwell 共同创办了 Y Combinator。自 2001 年开始，他不断在个人网站上发布关于编程、创业、财富、教育、写作和人生的 essays。但真正吸引我的，并不只是他对十亿美元、创业公司和指数增长的解释。读完这篇文章以后，我产生了另一个问题：用户愿意付费，是否就意味着社会变得更富有？ Paul Graham 在文章中建立了一条非常有说服力的因果链：一家公司做出了用户真正需要的产品；用户因为喜欢这个产品而主动传播；传播带来持续增长；增长进入足够大的市场；公司最终变得非常有价值。从企业和创始人的角度看，这个逻辑是成立的。但如果把视角从一家公司的增长，进一步拉远到整个社会，我觉得还有一个问题没有得到回答：一家公司的高速增长，可以证明它发现了某种强烈需求，但它是否必然意味着社会生产率得到了提高？换句话说，用户愿意使用和付费，证明产品拥有私人市场价值，却不一定自动证明它扩大了整个社会的生产能力。 我开始想象一个最简单的小岛。假设岛上只有两个人。一个人捕鱼，另一个人种椰子。他们原本各自生产食物，然后进行交换。后来，其中一个人花费很长时间开发了一款软件。这款软件不能帮助他们捕到更多鱼，也不能种出更多椰子，不能降低运输成本，不能减少劳动时间，更不能帮助他们制造新的工具。它唯一的功能，是向另一个人提供情绪陪伴。另一个人很喜欢这项服务，愿意用二十条鱼购买它。 那么，小岛的 GDP 是否因此增加了？小岛是否真的变得更加富有？这款软件究竟是在创造新的价值，还是只是在重新分配原来已经存在的鱼和椰子？这个问题看起来简单，但继续推演以后，我发现它迫使我们区分几个经常被混在一起的概念：收入、GDP、生产率和社会福利并不是同一件事。 小岛上的三种情况 第一种情况是，一个人只是无条件把二十条鱼送给另一个人，而后者没有提供任何新的商品或服务。这只是财富转移。一个人少了二十条鱼，另一个人多了二十条鱼。岛上的鱼没有增加，椰子也没有增加，总产出没有变化。支付和转移本身并不创造 GDP。只有新的商品或服务被生产出来，才形成新的产出。 第二种情况是，软件确实提供了一种真实的情绪服务。购买者从中获得了陪伴、娱乐、安慰或者审美体验，并认为这种体验值得二十条鱼。这时，软件服务可以被视为一种新的最终服务，因此可能被计算进 GDP。GDP 本来衡量的就是一定时期内生产出来的最终商品和服务的市场价值，而不只衡量工厂、机器和生产工具。但这仍然不意味着小岛的生产率提高了。生产率所讨论的是投入与产出之间的关系。例如劳动生产率通常衡量每小时劳动能够生产多少产出。只有当同样的劳动时间可以捕到更多鱼、种出更多椰子，或者生产同样数量的食物所需时间更少时，我们才可以说生产率提高了。情绪软件可能增加了一种消费体验，却没有扩大原有的物质生产能力。 第三种情况则更加复杂。假设种椰子的人原本每天可以生产一百个椰子。为了开发和维护这款软件，他减少了用于种植的时间，最终只能生产六十个椰子。小岛因此少了四十个椰子，却多了一项价值二十条鱼的情绪服务。在这种情况下，即使软件产生了收入，社会仍然付出了真实的机会成本。如果损失的椰子价值高于新增服务创造的价值，小岛的实际产出和生活水平甚至可能下降。 因此，用户愿意付费只能证明一件事：对这个具体用户而言，情绪服务的边际价值高于他为此支付的二十条鱼。但这不能单独证明整个小岛的生产能力因此得到了提高。 GDP 增长不等于生产率增长 这个小岛实验让我逐渐意识到，我们至少需要区分三种不同的价值。第一种是 private value，私人价值。用户是否愿意购买、订阅、使用和推荐产品？公司能否因此获得收入和增长？这是市场能够直接观测到的部分，也是 Paul Graham 在《How to Earn a Billion Dollars》中主要讨论的层面。 第二种是 productive value，生产价值。产品是否让社会用更少的劳动、资本、能源和材料完成更多事情？它是否减少了等待、浪费和错误？是否让原本闲置的生产要素获得了更高的利用率？第三种是 social value，社会价值。把消费者福利、长期能力、健康、注意力、环境影响、分配问题和各种外部性全部考虑进去以后，这个产品是否让社会整体变得更好？ 这三种价值有时会重合，但并不总是重合。一款优秀的工程软件可能同时拥有三种价值：企业愿意付费，因为它减少了成本；它提高了工程师的生产率；它也减少了材料浪费和安全事故。一款娱乐产品可能具有很高的私人价值和社会福利价值，却不明显提高生产率。音乐、电影、文学和游戏没有必要把每个人变成效率更高的劳动者，才有资格被称为有价值。 还有一些产品可能拥有很高的收入和估值，却没有创造与之匹配的社会净价值。它们的商业模式可能依赖注意力劫持、成瘾机制、信息不对称、虚构稀缺性或者地位竞争。用户花费了更多时间和金钱，公司也获得了增长，但社会并没有因此积累更多能力、知识或者选择权。所以，市场增长是一个非常重要的价值信号，却不是社会价值的完整证明。 Paul Graham 所说的“财富”还可以继续细分 事实上，Paul Graham 很早就讨论过 money 与 wealth 的区别。在《How to Make Wealth》中，他认为金钱不是财富本身，而是一种移动和交换财富的媒介。真正的财富是人们想要的东西：食物、房屋、工具、旅行、健康，以及各种能够改善生活的产品和服务。他还特别指出，财富可以在没有被出售的情况下产生。科学知识和开源软件可能不直接带来交易收入，却可以让许多人变得更安全、更健康、更有能力。 ...