浅友们好~我是史中，我的日常生活是开撩五湖四海的科技大牛天牛宝，我会尝试用各种姿势，把他们的无边脑洞和温情故事讲给你听。如果你想和我做朋友，不妨加微信（shizhongmax）。
2025：一代人冲出战壕
文｜史中
2025 年 11 月，我看到马斯克和黄仁勋搞了一次对谈。
他俩做出了四个预测：
1、人形机器人会成为有史以来最大的产业。
2、人类正经历一场“计算范式迁移”：GPU 不仅会替代 CPU 的“事务性工作”，还会进入 CPU 一直难以胜任的“开创性研究工作”。
3、人类作为一个文明，正（幸运地）处在上升期，对太阳能的利用比率还有大幅上升空间。未来“太阳能 AI 卫星”会让智能的成本大幅下降。
4、随着“AI+机器人”让生产力飞跃，金钱的重要性会逐步下降，工作将成为一种选择，人类彻底消除贫困。
这堪称恢弘的狂想。
不得不说，人类（中的梦想家）已经很久没有这么昂扬了。好像往日阿波罗登月的辉煌，都只配作脚下时代的序章。
放下手机，我突然想起了王兴那个著名预言：2019 年是过去十年中最差的一年，却可能是未来十年中最好的一年。
2025 走到最后，这句话所涵盖的 19 年浩荡，已经被（了不起的）我们挺过了 16 年。。。
必须承认，一场始于世纪之初的浓墨重彩的互联网大戏已近尾声，演员再奋力做派，也只能震下楼板的丝丝灰尘。
锣鼓喧闹，恍若隔世。
但作为普通观众，着实无需入戏太深。转回身，一个百倍宏大的新舞台正在布景。
我们为什么不先去占个前排？
站在 2025 和 2026 的分界点，我有一些关于未来的体验，它们未必是精雕细琢的理论，有些甚至是长久肃立身边的常识，却让我受益良多。
我想勇敢地分享给你。
（一）大航海时代重演
如果你我能穿越。
重回艾萨克·牛顿爵士的英国，咱们有好多事儿可干。
你可以进入热火朝天的纺织厂，亲手改良纺纱机和蒸汽机； 你可以驾船一路向西，在新大陆买下一大片种植园和几百个奴隶； 你可以钻研一种叫“股票”的东西，抢先布局南海公司，狠狠割一把牛爵爷的韭菜。
大航海时代和紧随其后的工业革命时代，人类文明狂奔向上再没回头，源于两个因素：
劳动力数量暴涨
与之配合的工具进步
这里有一个值得玩味的历史细节：先有人口增加释放大量*廉价*劳动力，后有一众工程师改良纺纱机、蒸汽机。
1750 年到 1850 年，英国人口从 600 万到达 1800 万，大陆另一端的大清国人口从乾隆年间 1.8 亿激增到道光的 4.3 亿。
换句话说：“廉价劳动力数量”本身，是人类文明水位的先导指标。
然后呢？
我们在工业革命时代标注这个刻度，再把时间轴叠加到当下“刻舟求剑”一下，可以大致推测我们今天所处的位置。
我们就在新一轮“创生大量劳动力”的时刻！
你可能说：不对啊，生育率这不在下降么？
但谁说劳动力一定要是人呢？（劳动力又什么时候被当成过人呢？）
显然：AI 就是新世界的奴隶。
Agentic AI 是新世界的白领奴隶， 机器人是新世界的蓝领奴隶。
依赖生物学过程制造的劳动力，重要性从未像今天这么低。
从这个角度出发，一切新世界的角色都逐渐明晰：
特斯拉、英伟达之类的公司，就是新世界的“西印度公司、南海公司”；
马斯克、黄仁勋这类企业家，就是新世界的“哥伦布”。（可以称他们为探险家，也可以称他们为殖民者。）
AI 和机器人所创造的一切，就是新世界的“种植园”和“纺织厂”。
由此观之，我们无疑身处“新大航海时代”的开端，新大陆就在那，“奴隶”已经装船，未来几乎锁死。
但时代并非简单重演：
三百年前，劳动力虽然爆发，但总数仍然有瓶颈，是一种需要争夺的资源。
最终只有 1% 最彪悍的人控制了新增劳动力，成为工厂老板、种植园主、资本家。
三百年后， AI 劳动力爆发几乎是无穷的，它的上限是人类对于太阳能的利用率。
这个空间足够让每一个普通人都拥有充足的劳动力。
你无需那么彪悍，也能成为“新世界的种植园主”。
换句话说，2025 年，每个人的人生*可能性敞口*开始迅速放大。如同一条船从河面来到了入海口。
你要做的几乎只是：向前！
可宽阔的海面是自由的诅咒。千帆竞发，我们该用什么策略来开船？
（二）凡事使用乐观之筛
2025 年，使我受益的第一个决策是：乐观。
没错，我花了很多功夫才意识到“乐观可以是一个决策”，而非无可更改的天性。
人住在自己的长期决策里。
我们不妨思考一个极简模型：
每个人都占据了星球上独特的一平米。在每个人的区域，地面高度不同，有的人是山，有的人是谷。
时代和科技进步的红利就像从天而降的雨水。
下雨的地点是随机的，但水落到地面以后的方向并不随机，它总会向低洼地带流淌。
这种“地形”就是极简版的社会结构。
物理定律决定了，在这个结构中高海拔的人会不断补贴低海拔的人。也就是K型分化中的“下位”补贴“上位”。
久而久之，两条线越分越远。
以此观之，想要更多的雨水，不能靠手伸得长。最好的办法就是抄起铲子，挖低自己的高度。
而你的每一次决策，冥冥中定义了你是把脚下的土地挖低一寸，还是垫高一分。
那么，如何确保自己每次决策都让自己的海拔降低了呢？
答案是没有办法保证“每次”。
但我们有办法提高决策正确的概率，这意味着只要决策数量多到一定程度，正确的决策会占据多数。我们就能确定性地“降低海拔”。
这里当然可以有很多复杂的策略，但我生性愚钝，倾向于使用最简单的办法：用“第一性原理”作为筛子，筛选所有备选决策。
有点抽象。我们不妨用投资来举例。
面对一个市场，你可以对做出两类决策：做多、做空。
单次来看，做多和做空都可能盈利。但是如果你身处一个长期上涨的市场里，做空亏损的概率更大。做多盈利的概率更大。
我们可以试着从第一性原理出发来判断经济的长期趋势：在 100 年（大概一个人一生）的长期跨度里，世界的经济是会更繁荣还是更萧条？
不妨用过去 500 年的历史数据回测一下：
假设身处 1492年、 1789 年、1900 年，你分别会做出怎样的判断？（真实结果又是如何？）
结论是：过去 500 年，任何100年的周期，终点全部高于起点，没有例外。哪怕是经历了小冰期、三十年战争、明清交替、全球人口停滞的 17 世纪，依然如此。
而且在工业革命以后，这个增长斜率就越来越快。
任何战争、瘟疫都没有打破这个斜率。
更幸运的是，站在 2026 年，我们身处“过去几年的谷底”+“新大航海时代的开端”，做出乐观判断几乎比任何时候都要容易。
把*长期乐观*的结论作为筛子，你就可以剔除*所有的*做空决策。只在大概率正确的方向上下注，不仅让你的决策篮子变得更轻，还提高了你的预期收益。
不妨对照一下美国股市的历史，在经历 1929 年大萧条、 1941 年偷袭珍珠港、 1947 年美苏冷战、 1973 年石油危机、 2001 年 9·11、 2008 年次贷危机、 2020 年新冠疫情前后的表现，你很容易发现：
使用乐观的投资策略，可以穿越人类有史以来的所有经济危机。
而且！越是在深刻的危机中，乐观越能让你获利！
这是 1871 年到 2025 年标准普尔 500 指数的走势。
你可能笑了，敢说大 A 么？
敢。
你看下面↓↓↓
公认比较怂的上证指数天牛宝，也符合这个规律。（1990-2025）
由此，乐观不仅仅是一种哲学，也很可能是当下最大的实用主义。
巴菲特曾说：“永远不要做空美国”。
这和乐观筛子所做出的结论恰恰吻合。
多说一句，巴菲特的第一支股票就是 1942 年 3 月 11 日买的，当时珍珠港刚沦陷，美国被日本爆锤，中途岛海战还没打。
也许有浅友说，我是 20 后，还年轻，也没啥资本积累，我的“乐观”就无法变现了吗？
其实无论对谁来说，金钱都只是狭义的投资。你的注意力、时间才是更广义投资。
越年轻，意味着你手里未使用的“资本”越多。
你可以在各种决策上使用乐观之筛，例如：把时间用来锻炼而非躺平，把精力用在积极建设而非愤世嫉俗。
我们这个时代的特点是：工具极为丰富。
而“乐观之筛”，是一个简单又好用的万能扳手（和所有工具都能配合）。它像船上的帆，能给你源源不断地提供朝向同一个方向的力。这种力会逐步让你站在 K型分化的上位。
当然，上位并不应该是优越感，它所带来的稳定的资源流入（例如现金流、新工作机会），应被视作一切爱与自由的前提。
之后，我们回到主线：
如果人人都有“AI 奴隶”，我们到底该让它们干点儿啥呢？
当然，AI 可以帮人解决专业领域五花八门的问题，暂且不论。
这里我想聚焦“最大公约数”，作为一个普通人，应当如何利用“AI 奴隶”目前最普惠的形式——ChatBot——对世界建模？
（三）对世界建模：从搜商到 Chat 商
在 2025 年剑桥大学的一次交流活动上，主持人问黄仁勋：你是如何在最艰难的阶段保持信心，坚持到底的？
面对如此宽阔的提问，老黄居然猛地使出了十成功力，给出了（在我看来的）标准答案：
我们用理性去推导我们对未来的判断。 你得一步步推回去，回到计算机科学最基本的第一性原理，或者物理学的基本原理……你能抓住什么原理，就抓住什么原理。一直推到最底层的逻辑原点。 一旦你完成了这个过程，用你所掌握的环境信息和一切已有认知，构建起了对未来的理解与信念，那接下来问题就变成了：你是个“说说而已”的人？还是一个会“真的去做点什么”的人？
他在描述的，就是一个“对世界建模”的过程。
没错，每个人的“世界模型”（有时也被称为“底层认知”“元认知”）都像一个核反应堆，会在一生的跨度内持续输出能量，那才是你是否会对某件事坚持到底的底层因素。
就像一个航海家脑海里的地图↓↓↓
老黄说的是“道”，那么在“术”的层面，究竟应该怎么建模呢？
核心是两个字：数据。
和 AI 训练类似，在颅内对世界建模也需要大量数据。而数据的平均质量最终决定了这个“核反应堆”的输出功率。
在印刷术之前，人们对世界建模的高质量数据来自长辈们口耳相传的故事；
在前互联网时代，人们对世界建模的高质量数据大多来自“书籍”；
世纪之初，伴随互联网发展，人们对世界建模的高质量数据大多来自“搜索引擎”。（当然互联网上的数据良莠不齐，所以“搜商”这个词一度流行。）
在 ChatGPT 出现之后，人们对世界建模的高质量数据将主要来自“ChatBot”。
能深度激发“ChatBot”并且获得高质量信息的能力，应该就叫“Chat 商”。
在细说“Chat 商”之前，我想先讨论一个重要问题：ChatBot 和搜索引擎到底有什么区别？
答案是：搜索引擎在“已知内容”里搜索，ChatBot 在“可能性空间”里搜索。
打个比方吧：
假设我们人类发现的真理就像一个个岛屿。我们已经发现了 1 万个岛屿，然后把它们画在地图上。
你给出任何条件，搜索引擎的答案必须最终落到某一个岛上；
而 ChatBot 可以在岛屿之间的合理位置帮你画上一个新的岛。
这样“乱画”，必然隐含着问题。
在 ChatBot 诞生初期，这个问题尤其明显：
1、AI 帮你画的这个岛，可能位置未必正确。（幻觉） 2、即便正确，也未必准确。也就是它的回答“分辨率”不够。（答案过于笼统，没有指导性）
这个问题，由 GPT-o1 和 DeepSeek R1 开创了解决方向。
你可以这样理解：
GPT-4（及以前模型）所做的事情只有一步：在地图上画岛屿。
但 DeepSeek R1 所做的事情却是两步：1）连续 N 次放大地图；2）画岛屿。
别看仅仅多了一个放大地图的过程，却带来了本质的升级。
原有的 ChatBot 像一个瞭望塔，理论上你可以看到世界的尽头，但实际上远处的细节无法分辨。 现在的 ChatBot 像一艘船，可以开到世界的尽头，在那里无比清晰地调查细节。
这也直接催生了 2025 年最让人兴奋的技术之一：Agentic AI。
给你看一张图：
在过去的大模型中，训练消耗了绝大多数的算力（训练侧的 Sacling Law）；
而在 Agentic AI 上，训练消耗算力占比大幅缩减，越来越多的消耗由推理迭代所消耗。（推理侧的 Scaling Law）
而对推理迭代的形象理解，就是刚才所说的一次次放大地图的过程。
总结一下，刚才说这么多，其实就是三句话：
1）对世界正确建模是生活的基石； 2） 2025 年，我们手上的 ChatBot 能力已经及格； 3）我们应该赶紧用它帮助我们对世界建模。
我们继续回到主线任务：到底怎么建模呢？
深度学习之父理查德·萨顿在《苦涩的教训》中提出训练 AI 的两个关键技术：学习、搜索。
学习是指：根据已有的数据，提取出内部蕴含的知识； 搜索是指：在可能性空间里寻找更优解（不是搜索引擎的搜索）。
Richard S. Sutton
这当然已经成为本轮 AI 爆炸的纲领，不用多聊。
但整个 2025 年，我都在思考万维钢就此给出的衍生方法论：每一个人都应该像 AI 一样去学习和搜索，并且应该在这两件事上花掉*无上限*的功夫。
核心在“无上限”三个字。
因为宇宙具有不可约化的复杂（），所以学习和搜索是不存在边际效益递减的。它能给你的“世界建模”带来线性的新增量。
在我看来，所谓“Chat 商”高，就是：
首先理解“对世界建模”值得花费无上限的功夫；
然后能和“AI 奴隶”之间形成了一种高效的合体范式，一起学习和搜索。
合体范式简单来说就是：
1、人负责处理“不可描述的部分”，例如动机、偏好； 2、ChatBot 负责处理“可描述的部分”，也就是具体向某个方向划行。
你和奴隶虽然都在船上，但奴隶心里只想着海浪，只有你心里怀着远方。
你需要的是“AI 领导力”，或者说“AI 奴役力”。
只要你萌发出一个念头，想让 AI 帮你改善某个行为、研究某类技术、推荐特定书籍都没有问题。
念头不用很明确，但一定要抓住它，开始和 ChatBot 讨论，在讨论过程中，你不断思考有没有值得继续探索的方向。
这种建模不分领域：
可以是功利的，为解决某个实际问题而进行的；
也可以是完全无功利的，纯粹因生活中某个兴趣点驱动。
宇宙的底层规则是通行的，所以任何一个构建于其上的领域都全息蕴含着底层真理。没有白走的路，每一步都算数。
比如。。。我用 Chatbot 自学了本地运行 Z-Image 模型，下面是我的作品↓↓↓
说回来，真正重要的是：
不要认为 AI 在帮你解决具体的问题。
它是在通过解决问题的方法，帮你对世界建模！你需要*刻意*和 ChatBot 共同学习和搜索，让自己的世界模型随着时间推移不断进步。
马斯克认为，为了更深刻地探寻真理，一个把全世界人的意识连接起来的“广场”异常重要。（他指的是 X 平台）
在我看来，ChatBot 也有把人类意识连接起来的功能，只不过是通过“点对点”的模式：
ChatBot 能持续提供稳定、高水平的世界模型。 随着越来越多的人（自觉不自觉）把 ChatBot 作为大脑外挂，人类作为一个整体的世界模型质量将会不可逆地大幅提高。
高质量的世界模型是一切高玩的前提天牛宝。
在此基础上，我们才可以试着做一些“大决策”！
（四）中庸：分配与置信度相匹配的资源
“新大航海时代”的船需要人机共驾。对 AI 的考验很大，对人的考验也很大。
我们不妨继续听黄仁勋怎么说：
你可以选择成为那种“哦，我当时也想过这事”“我也说过类似的话”的人，但你并没有真的行动。 而我更倾向于那种人：我会非常认真地去推理和思考，并且一旦形成信念，我会深信不疑。 坦白说，只要我脑海中能清晰地“看见”它，我就几乎当它已经成真了。其余的，都只是细节问题。
这种行为模式一点儿都不稀奇，你可以在各路大佬身上找到。
我给你念叨两个段永平的例子。
1982 年，段永平从浙大毕业后，分配到北京电子管厂，他努力工作却成效甚微，不断往深层分析，发现一个底层桎梏：计划经济的低效。
这让他推导出结论：待在“计划经济的大本营”不会有太好的结果。
那么计划经济的反向大本营——市场经济最发达的地方——是哪呢？
广东。
这才有了南下广东之后“阿段”的传奇故事。（段永平说按照广东的风格应该叫阿平，但听上去像女的，所以改叫阿段。。。）
1980 年代末的东莞
在 2001 年去到美国后，阿段开始全职投资。
他发现了每股含现金 2 美元的网易股价居然跌到了 1 美元之下，于是仔细阅读财报、请律师分析潜在风险，还试玩了网易游戏和对手的游戏。
然后他决定把所有闲置资金归集 100 万美元，甚至又破例借了100万美元，用来买网易，最终获利 100 倍。
以上两个故事很多人都知道，在故事里段永平决策也用的都是常识。
我敢肯定， 80 年代北京电子管厂也有很多人和段永平有同样的感受，世纪之交也有很多人觉得网易便宜得不真实。
但是差异在于：段永平用极高的规格“款待”了自己的判断。他用自己的职业生涯押注广东，用所有的闲钱押注了网易。
换句话说，他在自己高置信度的方向上下了重注。
简单打个比方：你的判断是 1，而你押注的筹码是后面的 0。
能判断出 1 的人很多，舍得在后面写 0 的人很少。
而真正改变人处境的，不是 1，而是 1 后面跟着的一串 0。
如果预期收益很高，却没有匹配相应的筹码，本质上等于你白白浪费了自己的“世界建模”。成为黄仁勋说的“哦，我当时也想过这事”的人。
这里我引入了一个“预期收益”指标。
我私下认为，一个人的智力很大程度体现为 Ta 是否理解概率， 并且在决策中（自觉或不自觉）应用概率。
预期收益就是一个与概率相关的指标。
简单举例：
如果你认为预期收益是 5，可以投入五个零的资源。如果你觉得预期收益是 8，就可以投入八个零的资源。
注意，这俩可不是线性关系，而是个曲线。
这个曲线参数是可以因人而异修改的。但基本精神就是如此：你必须在预期收益更高的判断上，下更更更大的注。（也被称为凯利准则，凸性配置）
这里有一个技术细节：
如果你发现，面对置信度更高的机会，手中却已经没有足够的资源下更大的注，那就意味着你在置信度更低的机会上分散了过多资源，需要动态调整。
当然，只有涉及时间、空间范围足够广的决策才是预期收益更大的决策，你中午吃盖饭还是炸鸡的小决策不可能有很大的预期收益。
正如巴菲特所说：“你应该有张一生决策卡，卡上只有 20 个孔位。”
我们不妨把这 20 个决策称为“大决策”。
把大决策集合在一起，形成一个组合，然后按照权重为这个池子分配手里的资源额度。
如此，就形成了一个稳固的决策池。（你不用花很大的精力每天去维护它，除非当初用以做出某个判断的条件发生了变化）
由此观之，所谓的“All in”或者“All 不 in”，都是很明显的错误操作。（或者只是一种简化的表达方式。）
我一直认为，中国文化中的“中庸”这个词是对以上策略的最佳概括。
所谓中，就是不偏，不为某个机会匹配超过或少于它权重的资源。 所谓庸，就是在每一天的行动中践行这种匹配。
同一个道理，段永平喜欢用开车打比方：你开车的目标是到达目的地，不是要快，也不是炫技。所以你不应该开快车，更不应该崇拜开快车的人。
为了到达目的地，你的操作应该是：
1）待在车道中央行驶；
2）全程待在车道中央。（不能因为犯困，或者想炫技，或者任何理由而撞上两侧护栏。）
从这个意义上说，“庸”的难度要比“中”更大。
话说人的大脑设计，根本不是为了完成超长时间跨度的任务的。大脑最初只是一个保卫基因传承的生存工具，只要能瞬时帮助生命体摆脱危险，就大功告成了。（）
可是随着社会发展，竞争加剧，生存策略逐渐复杂，大脑被迫在更长的时间里维持策略。
事情渐渐变得反人性。
所以，我们必须找到一些工具来帮助自己践行“庸”。
（五）知行合一：摆脱痛苦的不二法门
电视剧《西游记》里有一个耳熟能详的情节：
孙悟空去化斋前，给唐僧画了个圈儿，叫他不要出圈儿。但最后红孩儿装成受伤，利用同情心诱骗唐僧出了圈儿。（我也是和 ChatBot 聊过之后才知道“画圈儿”这个戏原著里没有，是电视剧独有桥段。）
套用之前的理论：唐僧去西天就是一个时间跨度很长的决策执行过程，这个过程中充满了未知，稍不留神就会做出与风险不匹配的行动。就像开车撞上护栏。
孙悟空给唐僧画的“圈儿”，就是车道线，也叫安全边界。
而保证不出圈，就是纪律。
为了达到目标，需要长期稳定执行策略，为了长期稳定执行策略，你需要纪律。
严格来说，纪律不是为了防止自己犯错，而是为了让自己在框架之内犯错。
所谓框架，其实就是人为设定的“变量合集”。
在框架内犯错，为了两件事：
1、为了控制损失。
在已知变量下，你更容易估算出自己做一件事的最大收益和最大损失。
比如在无人区徒步爱好者中有一个“三人原则”，就是最少要有三人结伴同行。
这样如果有一个人受伤，可以有另一个人原地照护，第三人去求助。最大损失止于受伤。
如果单人徒步，一旦走入没有信号的地区，失足跌落无法行动，最大损失就是死亡。
同理，唐僧不出圈，最大的损失就是同情心遭受煎熬，但西天的未来仍在；唐僧出圈，最大的损失就是被妖怪吃，西天的未来就没了。
2、为了累积策略。
在已知变量下，你更容易判断出此次犯错受到哪个变量影响，从而可以有针对性地改进策略。
如果你在框架外犯错，本质上你都不知道到底有哪些变量，就更不知道哪些变量与自己此次错误相关。那么你不仅承受了错误带来的损失，这个损失还没换来任何“策略的积累”。
你就是最冤的冤大头。
这就是巴菲特所说：只投资自己能看懂的公司。计划你的交易，交易你的计划。
推而广之就是：只做自己能想明白的事情。计划你的生活，生活你的计划。
重复一下结论：
1）做自己想明白的事情，未必不会犯错。 2）但这个错误可以换来策略积累，让你朝着正确的目标迭代。 3）“行至西天”才是你的根本目标。为了其他任何“支线任务”而降低接近西天的概率，都是错误的选择。
但客观现实摆在这里，西天路上真是有很多“魔”。。。唐僧出门就上当，当当不一样，他也不想，但就是会打破纪律啊！
这是人之常情。
我们的思维就像一条河，随着支流不断汇入，逐渐失去的上游的清澈。随着时间推移，我们打破纪律的可能性在不断上升。
危险的是，很多情况下我们无法意识到自己的在打破纪律。
由此，你必须用一套*可操作的*行为准则来保证纪律得到实施。
丹尼尔·卡尼曼在《噪声》中提出了一个“决策卫生”的概念。简单说，他主张做重要的决策时一定要*走流程*。
Daniel Kahneman
这至少有俩好处：
1、走流程会增加你做出决策的成本，从而抑制住过剩想象力引导你做出“轻浮”决定。 2、一旦你真的走流程做出决策，它大概率也是一个高质量决策。
卡尼曼把决策中的噪声分为很多类，其中影响最大的是“稳定模式噪声”。这种噪声来源于你的成长经历所塑造的世界观、行为习惯以及思考偏好。
在我看来，这有点儿像佛教唯识宗里讲的“阿赖耶识”里“有漏种子”的概念。
由于生活经历的复杂性，以及多因素之间的纠缠，要描述自己的“稳定模式噪声”非常难，而且几乎不可能。
所以，最好的抑制噪声的方法就是放弃“端到端输出”，转而尊重“分段流程”。（在“端到端”备受推崇的今天，这是一个有益的提醒。）
一个简单的例子就是量表：
你做一个决策，不能拍脑袋。而是画一张表，它的利弊分别有哪些？列在表上，然后分别对这些利弊打分，然后加起来算总分。
具体到人生只有二十次的那个“大决策组合”。
每当你想做一个新决策时，首先要去判断和既有的“大决策组合”是否相冲突。如果冲突，就要重新评估一下大决策组合里相冲突的决策。
还是举个例子吧：
段永平离开北京，意味着要放弃“北京户口”。这在当时的朋友看来得不偿失。
如果为了户口而留下来，就会和之前的决策产生冲突。
段永平走了一个流程：他评估了一下北京户口的“价格”，当时值 1 万人民币左右。然后他计算了一下自己投入市场经济可能带来的收益，应该是远远大于 1 万人民币。
于是，他维持了原来的决策，否决了新的决策——最终还是去了广东。
这就是决策卫生。
在每一个新决策面前都走一遍“决策卫生”流程，就是在遵守纪律。
正是因为坚持“决策卫生”，巴菲特在很长的时间里一直不投资科技股，现在看来，这个机制让他为错失了非常好的机会，当然也保护他没有撞到护栏。
把自己的行为限定在一个圈子里，在很多时候是违背直觉的，这会带来纯纯的痛苦。
那么，我们就该强行忍受这种痛苦，闭眼待在既有的圈儿里吗？
当然不是。
如果你是唐僧，最好老老实实呆在圈儿里，如果你变成了孙悟空，就不用待在这个破圈儿里了（你的圈儿扩大到了如来佛的手掌那么大了。）
之所以每次都要不厌其烦地走“决策卫生”的流程，而不是简单固守之前的决策，就是因为你走完流程之后真的有可能改变之前的决策。
什么情况下你会改变之前的决策呢？
第一种：你得到了新的信息。
第二种：你的“世界模型”进化了。
实际上，每当你使用“新版世界模型”对之前的决策做校验的时候，无论是否改变策略，你的安全边界其实都是在扩张的。
于是，我们又回到了第三章的内容。你必须通过（和 AI 一起）学习来改进对世界的建模，由此才能扩展安全边界。
反过来说，当你感觉到痛苦的时候，并不是该“出圈”锻炼胆量的时候，而是该“扩圈”，也就是通过输入高质量数据来学习的时候！
巴菲特还有一句名言：我一生中最好的投资不是买了哪只股票，而是不断地投资自己。
这里的心法极为简单：
1）永远保证在安全边界内正确行事； 2）时刻精进自我，扩大安全边界。
只要你真正理解了底层原理，去践行也并不困难。
在中文里，有一个更加优雅的词汇形容这个状态——知行合一。
（六）一代人冲出战壕
最后，让我来实操一把“知行合一”。
我决定就以上几章的思考和 AI 进行一番探讨，看看我是否能在“AI 奴隶”的帮助下，真正对生活方式做点儿改进。
我选择的奴隶是 Grok。
我问它：对于个人来说，《苦涩的教训》中所揭示的 AI 训练方式在日常生活里有哪些实践方案？
他给我想了三个方法：
一、把生活变成“梯度下降游戏”。
具体来说是这样：
1）定义你的核心目标池，例如：金钱、健康、创作、关系。
2）用电子表格把所有的行为的时长记录下来——睡眠、运动、阅读、写作、社交，等等。
3）每 2-4 周让 AI 帮你做一次“损失函数评估”，哪些变量和你的核心目标相关性最高？然后减少低相关性的行为，增加高相关性的行为。
二、把劳动尽可能外包，自己只做“搜索空间设计”。
在日常工作中，你要越来越像一个“AI 训练师”。
你的核心能力变成：定义目标函数 + 提供高质量数据 + 设计奖励机制，而非亲自执行。
例如，把图片制作交给 Midjourney，你来精修；把代码交给 Claude，你来验收；把重复工作交给 Zapier，你只定义触发条件。
三、用“生成-筛选”替代精雕细琢。
让 AI 先做 100个垃圾出来，然后从中挑选 3 个可救的，精修这 3 个。
接受 97% 的产出是垃圾，但剩下 3% 会碾压所有“完美主义者”的 100%。
我把这三个方法也送给你。
作为普通人，进入新大航海时代的广阔洋面，大概都要对现有的生活和工作方式进行巨大改造。而且每个人的改造方式都是个性化的，这意味着巨大的投入、不确定性和不安全感。
但别忘了我们的“中庸”和“知行合一”。
你需要为高置信度的未来匹配相应的资源。（这才是安全的终极来源。）
在我看来，过去 20 年的生活方式塑造了我们太多对“确定性”的执念，它已经无法适应未来的 20 年。
我曾经在中介绍过计算机科学家沃尔夫勒姆的研究：
在复杂系统中，因果关系极为不清晰，甚至可以说不存在因果。
假设你重复在南美蝴蝶煽动翅膀之后观察到一个飓风，那么你不必搞清中间的传导过程（你也大概率搞不清），而是可以直接用模型标定二者的相关性，然后利用相关性达到你的目的。
抖音赖以成功的推荐系统的工作原理就是如此：
一个内容在小规模用户群里收到了大量点赞，就直接推给更大的用户群，如果仍然获得高赞，就推给更大的用户群。
从头到尾，抖音完全不用知道这个视频内容为什么被喜欢，甚至就不用知道视频的内容是什么。（只要它合规，爱是什么是什么。）
正应了“股票大作手”利弗莫尔那句话：看到信号立即采取行动，而不是搞清楚原因再动手。
在一个变幻莫测的大时代：你要训练自己搞不懂“因果”的前提下，可以依赖“相关”继续行事。
这次 AI 浪潮中，美国和中国的科技断崖式地领先于欧洲和日本，在我看来，与这两个国家承继了互联网时代的*工程师思维*密切相关，那就是：尽可能用“相关性”（How）而非“因果性”（Why）来制造系统。
先不预设立场，允许各种形态的创新生成，让子弹飞一会儿，最终再根据顶层意图进行筛选。（而非从一开始就把所有的发展路径都推导清晰。）
这种利用“不确定性”进行经济治理的方式，不和我们利用 AI 大量生成，然后再做筛选-精修的过程完全一致么？
作为地球 Online 的玩家，我们可以期待的最好结局也许是：
人类将会利用能源驱动 AI 和机器人对任何目标发动“饱和式攻击”——所有创意都可以被迅速验证、实施。
在这个结局里，想象力将会成为最后的瓶颈，能源将会成为唯一的限制。
在这种高效熵增机器的加持下，人类也许将要第一次正式冲击卡尔达肖夫尺度中的 Type1 级文明。
说实话，这个好结局未必百分百会被（不靠谱的）人类打出来。。。
但“乐观之筛”强迫我不得不认真思考这个未来。
更具确定性的，也许是未来十年内就会出现的一个 Check Point。
当 AI 顶着生产力拐头向 12 点钟方向行进，大量商品被廉价制造，增发的货币会被稠化，滞涨的天花板被捅破，人类有希望再次进入温和通胀的增长周期。
站在彼处回望，2025 年可能会极为特殊，它是旧剧最后的高潮，新戏锣鼓的初响。
那时，我们或许可以心安理得地追认 2025 为某种“拐点”。
历史可能正在转向，你我都有责任知道这一点。
战壕的存在，是让士兵作为掩体，但没有任何一场战争是靠躲在掩体里赢下的。
当时代凌厉的子弹扫射渐渐减弱，那就是一代人冲出战壕的时刻。
人和AI都在船上
但人心中有远方
再自我介绍一下吧。我叫史中，是一个倾心故事的科技记者。我的日常是和各路大神聊天。如果想和我做朋友，可以搜索微信：shizhongmax。
哦对了，如果喜欢文章，请别吝惜你的“在看”或“分享”。让有趣的灵魂有机会相遇，会是一件很美好的事情。
Thx with in Beijing
道正网提示：文章来自网络，不代表本站观点。
