你凭什么还觉得 AI 没有创意和审美？ 大家都在说 AI 没有创意。DeepSeek 创始人的原话是，它的品位和直觉没什么问题 白天在忙，刚把梁文锋那份 42 页的纪要读完，最大的感受不是那些愿景和克制，是投资人问答环节里一句几乎没人转的话。 有人问他，如果以后 AI 能自我进化，那品位、taste、直觉这些东西还重要吗，还是说重要的会是什么。 他的回答很短。AI 现在不缺品位和直觉，它缺的是持续学习的能力。你让它写篇文章，它的品位和直觉，我觉得没有什么问题。 过去两年，中文互联网上最流行的一句自我安慰就是，AI 再强也没有审美、没有品位、没有创意，最后拼的还是人的灵性。做内容的这么说，做设计的这么说，做创意的也这么说。 现在造出全球最强开源模型的那个人，顺口告诉你，那部分早就够用了。 那它到底还差什么。 他给了一个比喻，我觉得是全篇最好懂、也最扎人的一段。 他说，现在这一代 AI，如果你能把一个问题描述得很清楚，给它完整的上下文和指令，它已经超过人类了。注意这个前提，完整的上下文，完整的指令。 但这个前提在现实里几乎达不到。你招一个员工，他花两个月熟悉公司环境和工作，之后就能上手。你跟他说，叫小王过来，他就知道小王是谁。 换成 AI 呢，你得告诉它小王是谁、什么职务、在哪里、怎么去找他、找他的时候注意什么。你得把所有上下文都给它。这种情况下 AI 是能做的，但你不可能给它所有上下文，也不现实。 所以 AI 现在替代不了你的员工。差的不是智力，是它没在你公司待过那两个月。 反过来说就是，一旦 AI 具备持续学习的能力，能像新人一样入职两个月，那就可以替代天下的人了。这是他的原话。 这个比喻的可怕之处在于，它把 AGI 从一个抽象概念，变成了一把每个人都能拿自己岗位去量的尺子。 你现在就可以试一下。把你的工作拆开，问自己一个问题：如果有人把所有的背景、规则、人际关系、历史决策、行业黑话全部原原本本喂给一个模型，它能不能干得比你好。 如果答案是能，那你目前的安全感，来自于"没人有耐心把这些喂给它"，而不是来自于你比它强。 而持续学习要解决的，恰恰就是这个"喂"的问题。 有投资人问他，AGI 的实现是不是一个没有临界点的过程。 他说没有临界点，但它是非线性的。因为他们内部比较相信一个叙事，AI 可以加速 AI 的研究，所以到后面可能是非线性的。 他还专门解释了奇点这个词。他说在很早以前，那些预言家认为这里会有一个奇点，但其实它不是一个奇点，是一个连续的过程，可能是一个比较长的渐变，不是突变，只是习惯性地大家都认为它是个奇点。 所有人都在等 AGI 到来的那一天。而他说，没有那一天。 这句话比"AGI 明年就来"要吓人得多。因为如果有一个明确的节点，人至少还有个准备的靶子。而一个漫长的渐变意味着，等你真正感觉到的时候，它早就已经发生完了。 温水这个词被用滥了，但这确实就是温水。 还有一个细节，我觉得特别值得说。 他说，他们做下一版模型的第一目标，不是让大家用得好用，而是自己用得好用。因为首先得对自己有用，这样开发下一版模型的时候就会更快，这是实现 AGI 最快的方法。他说这个叙事有点奇怪，但公司里很多人就是这么想的。 造工具的人，开始用工具造下一代工具了。 这就是他说的非线性从哪来的。过去所有技术进步的速度上限，是聪明人的数量和他们的工作时长。而一旦这个循环闭合，那个上限就不成立了。 顺带说一个能让人清醒的细节。这么一家公司，他说现在一半的核心研究员在标数据。最前沿的团队，一半最重要的人在干最原始的活。 如果他说的方向是对的，那接下来几年真正会贬值的，是那种"给定完整上下文之后就能做好"的工作。因为在这个前提下，AI 已经超过人了，这是他亲口说的。 而会升值的是两样。一是提供上下文的能力，你能不能把一个模糊的、没人说得清的现实问题，整理成一个可以被执行的东西。二是为判断承担后果的能力，这件事目前还没有任何模型愿意接手。 回到最开始那个问题。人类引以为傲的审美，是不是真的要被替代了。 我的看法是，审美从来不是被替代的那一部分。被替代的是"只有审美"。 当品位和直觉变成一种随时可以调用的、便宜的能力，你光有品位就不再是壁垒了。 壁垒会转移到别的地方去，转移到你知道什么值得做、以及你敢为自己的判断签字这两件事上。

今日美股总结：这只是一次健康的洗盘，AI这轮浪潮才走到一半 今天半导体确实跌得不少，AI基础设施这条线普遍承压，好几只股票盘中跌幅都超过了5%。 看着账户数字一路往下走，谁心里都不会好受，这是很正常的情绪反应，不是你不够理性、不是你操作有问题，我今天的心情跟大家是一样的。 只要这段时间站在多头这一边，日子大概率都不好熬，你现在心里的这些拉扯和难受，此刻场内很多人都在经历同样的事，你不是孤军奋战。 先说结论：这一轮下跌，本质上是涨得太快之后的一次自然回吐 拿费城半导体指数(SOXX)来说，在一段大涨行情中途出现15%到25%的回调，其实是相当健康的现象，个股层面的波动幅度通常还会更大一些。这是趋势内部正常的换手和筹码消化过程，而不是趋势走到了尽头。 更重要的是，如果把AI这一整轮产业浪潮看成一条完整的曲线，我个人的判断是，我们现在大概率才走到一半左右的位置，后面要走的路还很长。 耐心持有，剩下的交给时间去复利 逢低加仓和耐心持有是最笨的方式，但是也是最容易战胜聪明人的方式。 过去两年AI涨得很快，估值中间经历几轮修正，我觉得是很正常的事，甚至可以说是必然会发生的事。 几乎每一次调整，市场都会开始讨论AI trade结束了。泡沫破了。这次真的不一样。可回头看，这些声音过去已经出现过很多次，但AI产业并没有停下来，还是一步一步走到了今天。 至少到今天，我还没有看到任何足以让我推翻原来判断的东西。 云厂商还在继续扩大AI资本开支，企业部署AI的速度还在提升，OpenAI、Anthropic等头部模型公司的商业化还在加速，大模型的Token消耗还在快速增长，数据中心还在不断建设，存储、网络、光互连、先进封装这些AI基础设施环节的需求，也没有因为这两天的大跌突然消失。 给大家举个例子，如果你2019年或者2023年买过并按照4年周期理论持有几年比特币，应该会更有体会 哪怕是在牛市里，比特币中途出现好几次30%到40%的回撤都很正常，山寨币就更不用说了，动辄70%到80%的洗盘也经历过好几轮。 但如果你真的一路拿到2025年那个四年周期走完的时候回头看，会发现美股这个市场其实友好太多了。 拿着美股，在牛市里一年最多经历两三次10%左右的回调，个股波动也大概就是20%到30%这个量级，但只要方向对了，它是持续在往上走的，基本面也一直很扎实，公司在你睡觉的时候都还在替你赚钱，这种感觉是很安心的。 美股现在的基本面依然很好，企业的盈利能力还在不断增强。 美股真的是一个只要你有足够的耐心、大致看得懂周期、知道自己现在处在什么位置，拿着就能稳稳赚钱的市场。因为它背后是稳定的金融制度和稳定的法律体系，还有几大科技巨头也不可能在这个时间点缩减资本开支（今年确定资本开支7250亿，只会更多，不会减少，明年预计1万亿，2028年就不知道了，拐点我预计是在2027年年底） 现在仍然是一场军备竞赛，中美两国也在AI这条赛道上持续竞赛，而OpenAI、Anthropic这些真正的头部模型公司甚至都还没有上市，后面能讲的故事还有很多。 我预判彻底转熊的时候是在2027年年底-2028年中，现在还是在牛市中，只要是在牛市中就放平心态耐心持有，不要上杠杆，尽量买正股或2028年1月到期的leap call，然后在关键均线加仓（这个后面会说）。 所以，希望大家能让逻辑战胜情绪。 接下来把今天具体发生的事情跟大家详细梳理一遍。 伊朗再度点燃霍尔木兹海峡 原本这一天技术面走得还算平稳，芯片股在反弹、标普也在稳步测试高位，直到美国东部时间下午出现一则重磅消息——伊朗在霍尔木兹海峡再次向商业油轮开火，这次目标是三艘属于卡塔尔和沙特阿拉伯的船只，起因是这些油轮改走了美国支持的阿曼通道，触发了伊朗的武力报复。 虽然没有造成人员伤亡，但脆弱的停火协议就此破裂，美国也迅速吊销了此前给伊朗的石油销售豁免许可。 消息一出，原油价格瞬间暴涨超3%，重新站上70美元大关，10年期美债收益率也跟着快速拉升到4.5%以上。 这轮突发的地缘风险，直接打断了原本正在冲高的金融板块行情，大银行和区域银行股在收盘前跳水，最终收在全天最低点。 特朗普此前也放过狠话，称美国可以在一个下午内彻底摧毁伊朗的所有发电厂和基础设施，加上伊朗前最高领袖的葬礼即将在7月9日结束，国内情绪本就高涨，内塔尼亚胡下周还要飞华盛顿跟特朗普会面商讨伊朗问题，这条地缘线短期内很难真正降温。我猜大总统又做多原油了，日线超卖20天该有个技术性反弹，短期阻力位sma 200 74，ema 200 78.4以及缺口84，这大概率只是一个技术性反弹，随后会接着走低，因为vix并没有因此跟着有太大反应。短期可以关注下XLE etf。 三星财报利好出尽，成了半导体大跌的导火索 三星电子公布了历史性的季度财报，营业利润同比暴增19倍，单季利润甚至超过了2025年全年的预期，堪称全球最赚钱的公司之一。 但这份极其亮眼的成绩单在市场上却演变成了一场流动性陷阱。一种解读是，三星的营收虽然达到了市场预期，却没有达到部分华尔街资金私下流传的预期，也就是说100分的财报华尔街原本预期是120分。尽管本季度存货甚至因为需求太旺被卖光、还计划提价20%。另一种更深层的担忧是，三星赚钱赚得太狠，是不是意味着它正在挤压整条AI产业链其他环节的利润空间，这跟此前苹果大赚一度被解读为抢了供应链的钱是类似的逻辑。 结果就是利好兑现即利空，韩国综合指数大跌，三星本土跌幅一度达到7%到9%，SK海力士暴跌超10%，这股抛售情绪迅速蔓延到了美股。不过现在韩国股市算是稳住了，看EMA 50 7800能不能站回去，我觉得sk hynix会有个跌破回踩下跌趋势线和ema 20 2400000再接着回调（图1）。在科技巨头财报前回调完就差不多了，这个月还有sk hynix的财报，财报前压低预期财报后还会涨。 技术面：标普相对抗跌，纳指和小盘股压力更大 标普500当天收盘依然守住了5日均线，全天收出一根十字星，虽然距离历史高点只差不到2%，但当天出现了一次冲击高点下行趋势线失败后重新跌回线下方的假突破。 749到750这一区间是目前的核心多空分水岭，如果能收复750，有望继续冲击752以上；如果短期跌破日内低点(约745附近)，则可能进一步下探740甚至回测6月的阶段性低点723。 更细一层的技术面上，日线级别MACD依然保持向上的看涨形态，说明测试历史高点的通道并未关闭，但30分钟级别出现了MACD和RSI双重顶背离，意味着短期会有一次1小时级别的健康回踩或震荡，可能1 2天再接着上攻上方的压力位。 纳指这边（QQQ）压力更明显一些，短线上虽然也出现了MACD和RSI的底背离，但截至收盘还没有被完全确认，如果能在开盘收出绿色动能柱确认这个底背离，QQQ有机会发动一波1小时级别的反弹去收复5日均线；但QQQ上方堆积了大量机构抛压，重点关注720的压力位。 罗素2000小盘股（IWM）的技术面是三者中最糟糕的，已经确认了日线级别的见顶反转信号，日线图上出现了极为罕见的MACD三重顶背离和RSI四重顶背离，说明此前的拉升动能已经严重耗尽，向下测试月度预期下轨、甚至开启周线级别回调的大门已经打开，目前IWM已经处在2026年年度预期波幅之外的极端高风险区，如果不能形成强力的更高低点，空头大概率会继续牢牢控盘。 板块轮动：资金没有离场，还在轮动 尽管半导体板块承压明显，但市场并没有出现全面崩盘，资金呈现出很明显的轮动特征，通信服务(谷歌、Meta)、医疗保健、消费防御品这些非AI核心板块普遍收绿，能源板块因为油价暴涨表现最好，一度大涨超2.6%。硬件洗盘的同时，软件股逆势上涨。 这种快速的板块轮动虽然让指数看起来稳如老狗，但也让个股层面的操作难度直线上升，追涨杀跌很容易两头挨打。 个股层面几个值得关注的动向 特斯拉当天继续走弱，一度再跌超4%，如果跌破400美元这个重大心理关口，技术面存在向390美元支撑位继续下探的风险，但在财报前大概率还是会表现不错。 7月份可以关注下MAGS财报前的空头回补。 波音相对抗跌，激活了737 Max的第四条最终组装线以提升产能，目前走出了更高低点的上升结构，未来几周有望冲击243到255美元的阻力区间。 能源股XLE ETF在油价暴涨的刺激下集体走强，西方石油大涨近6%，雪佛龙、埃克森美孚也表现强劲。 XLV ETF医疗今天上涨1.54%。 英伟达成了资金的避风港 在血流成河的半导体板块里，英伟达当天走出了独木难支的行情，日内一度低开跌超2%，但很快强行拉涨翻红，跟板块整体表现形成鲜明对比，被资金当成了对冲板块系统性风险的工具。 存储芯片这条线也展现出了不小的韧性，机构明显在逢低死守闪迪、美光、韩国ETF以及AMD这几个标的，尤其是闪迪，尽管近期从高点已经回撤了36%，但在触及55日均线后迅速拉起，日线上几乎收出一根长下影线的十字星，牢牢守住了61.8%的黄金分割位，显示底部买盘支撑相当扎实。 半导体设备三巨头（应用材料、KLA、ASML）也全部精确回撤到了各自的55日均线附近，对于此前踏空的资金来说，这里正是技术派一直在等待的上车点。这里是很大概率是都会有反弹的。 短期半导体指数技术性破位会有点阵痛，但基本面没有被证伪（我用周线图画一下分析，图2） 周线SOXX有个bearish engulfing candle，由于7 8月份有很多半导体公司的财报，财报大概率都不错，财报前被压低预期了，财报后大概率会涨，我觉得周线soxx会形成一个bear flag往上盘整到8月份的某个时候，然后再因为中期选举季节性因素再往下跌跌到9，10月份，SOXX最后9 10月份的目标趋势线的话是在500左右，差不多也是weekly ema 20的位置。我说这些当然不是制造恐慌，图形形态走出来了，我要给大家相应的应对策略，我的应对策略就是分批加仓比如个股sk hynix ema 50和ema 100加仓，存储后面全部换到sk hynix。光的话lite，cohr和nok ema 200和sma 200加仓，glw ema 100。但也要看半导体里个别板块比如说光，光可能7月中-7月底中线级别调整就要结束了，随后就是光的财报季，这种预期被压得很低的时候往往财报后表现会不错，只要稍微超一点预期，空头就要被多头打溃败了。 总结 今天讲了这么多地缘政治、财报解读、技术形态，说到底都是在回答同一个问题现在到底还能不能拿住。 我的答案没有变，短期偏空是事实，账户难受也是事实，但这两个事实并不能推翻AI这轮产业周期还没走完这个更大的事实。 如果你相信的是几年维度的产业趋势，那这两天的波动，本质上只是这条曲线上很小的一段噪音。 真正决定你最后赚不赚钱的不是你有没有精准躲过每一次回调，是在方向没有真正变坏之前，你有没有被短期的恐慌提前甩下车。只要现在还是牛市，你能确定这一点你就不会特别慌了。 耐心持有，剩下的交给时间自己去复利。

今天半导体跌得确实挺狠，AI基础设施这条线几乎全线承压，不少股票盘中跌幅都超过了5%。 这种行情谁都不好受，看着账户一路往下掉，心里不舒服是很正常的反应，我今天也是一样的心情，不用觉得是自己不够理性才导致的。 不要怀疑自己是不是哪里出了问题，为什么明明该止盈没止盈、该止损也没止损。 我想说的是这真不是你一个人的问题。 这段时间只要是多头，日子大概率都不好过，你现在经历的这些纠结和难受，此刻场内的很多人都在同样经历，你不是一个人在硬撑。 每次遇到这种时候，我都会提醒自己一句话：一天甚至一周的股价，定义不了一个几年的产业周期。 过去两年AI涨得很快，估值中间经历几轮修正，我觉得是很正常的事，甚至可以说是必然会发生的事。 几乎每一次调整，市场都会开始讨论："AI trade结束了。""泡沫破了。""这次真的不一样。" 可回头看，这些声音过去已经出现过很多次，但AI产业并没有停下来，还是一步一步走到了今天。 至少到今天，我还没有看到任何足以让我推翻原来判断的东西。 云厂商还在继续扩大AI资本开支，企业部署AI的速度还在提升，OpenAI、Anthropic等头部模型公司的商业化还在加速，大模型的Token消耗还在快速增长，数据中心还在不断建设，存储、网络、光互连、先进封装这些AI基础设施环节的需求，也没有因为这两天的大跌突然消失。 所以在我看来，这是一轮估值修正和中期调整，不是AI大周期已经结束。现在还是AI的牛市，没有看到转熊的迹象。 我对这轮行情的看法是，短期偏空，但长期逻辑完全没有变。 到明年年底之前，我都是坚定的死多头。等到明年年底之后，如果出现真正转熊的迹象，我才会认真考虑离场。 基于这个判断，我自己不管是买正股还是买LEAP Call，行权日期都特意选在2028年1月，因为我是真的相信这轮趋势能走到那个时候，不是随口说说。 举一个BTC牛市洗盘的例子，希望能对你有所启发 如果你回头去看那段历史，在BTC牛市中会发现30%、40%甚至50%的回调都出现过很多次。 当时几乎每一次下跌，都会有人觉得牛市结束了。 大家总结出来4年周期理论，都知道这个理论，这个理论被证实了好几次，如果你每次按照这个理论买和卖，那么你几乎不会出错。但是真正困难的是在一次又一次的大幅波动里，依然能把筹码拿住，非常非常少人能做到这点。因为和我们作对的是人性。你就算知道答案了，还是会被中间的情绪严重影响。 回到AI，如果你当初买这些公司，是因为相信AI会是一轮持续几年的产业趋势，那就不要因为一段时间的波动，轻易推翻自己最初的投资逻辑。 现在市场情绪确实很差，尤其是AI基础设施板块，悲观的声音越来越多。 但市场一直都是这样，情绪往往会比基本面走得更快。 越是在大家开始怀疑整个行业的时候，越要问自己一个问题：到底是情绪变了，还是基本面逻辑变了？ 真正难的是在市场最悲观的时候，还能坚持自己当初做研究得出的判断。 当然，这并不是说什么股票都应该一直拿着。 基本面真的变了，该卖就卖。逻辑被证伪了，也应该重新评估，这是理性投资该有的样子。 但如果只是情绪在变、估值在修正，而公司的长期逻辑并没有真的发生变化，我不会因为几天甚至几周的下跌，就轻易推翻自己原来的判断。 未来大概率还会有很多次这样的调整，甚至可能比这次更剧烈，我也不觉得这次就是最后一次。 但明年年底前或者说最晚2028年上半年前再回头看会发现，真正赚到产业趋势这笔钱的人，未必是每一次都能精准逃顶抄底的人，是那些在趋势没有真正改变之前，没有一次又一次被市场甩下车的人。 真正的大趋势不会一路上涨。 上涨需要新的资金，新的资金需要更合理的价格，而筹码也需要在不断换手之后，行情才能继续向前。 这个过程很折磨，我知道，也理解此刻大家心里的煎熬。 但如果你相信的是产业周期，那么耐心本身就是投资的一部分。 希望大家都能早点休息，不用急着在一天之内，就给一整个AI周期下结论。 大家都不是一个人在扛，我也一样在场内，跟大家一起熬。不说持有到2027年年底，起码要撑到2026年年底。

这两天正好一直在写RWA内容，刚好昨天币安就推出了bStocks，初接触我想很多人和我一样都有一个的问题：它在当前持续增长的链上证券代币化赛道处于什么位置？ 当我把几个竞品横向对比后，突然意识到：bStocks乃至其他类似产品，争的不是“谁是最好的代币化股票”，而是在重新定义“代币化证券应该怎么用” 我昨天写的RWA报告有个数据，链上前十的RWA资产DeFi的实际参与率仅不到2%，RWA喊了几年的“可组合性”，在实操层面仍近似一句空话 也就是说，当前的RWA资产，仅停留在[生息资产]的层面，资产的效益并未被链上的DeFi协议放大 它们只是从传统金融的“定期存单”变成了链上的“定期存单” 既然都转化成代币了，那想把它抵押出去借点钱怎么了？想把它加入LP池赚手续费怎么了？ 从这个视角看，有关这个课题，bStocks有着一个其他竞品无论如何都难以超越的优势(见下文)~因此bStocks也最有可能重新定义“代币化证券应该怎么用”的问题 _____________________________________ 1.从资产的转化动机出发 bStocks是采用了市场上我个人比较认可的方案[股息自动购入]，也就是你的股票转成的代币，股息的派发会自动给你置换成你所持证券代币 即:用户钱包里的bStocks数量会自动增加，不需要点击任何按钮，甚至不需要知道今天是派息日 这意味着即使你把bStocks存入一个借贷协议作为抵押品，它的底层价值也会随着每次派息自动增长。你的抵押品在“自我增值”，潜在清算风险是在自动降低的 本身币安现在就可以直接买美股，那在交易所里面把股票换了代币之后，我想不出不去链上还留在平台干什么 在bStocks这里，进入链上这件事是写入“基因”的 _____________________________________ 2.资金的流量入口 上面说的这个，对比其他的竞品并没决定性的差异，其他竞品也能实现一样的功能，具有决定性意义的是：币安本身的品牌和体量 币安作为第一大所，拥有行业内最多的用户体量，但其中绝大多数用户从未将资产从交易所提到链上参与DeFi等 bStocks提供了一个低心理门槛的入口——用户已经在币安买了美股，只需要点一下“转换”，就能获得一个可以提到钱包、可以存入协议的链上资产 这个“从CeFi到DeFi”的转化路径，比“注册钱包→学习新协议→买代币”的路径平滑太多太多 更无解的是，无论是钱包还是协议，一个币安的APP都配套好了... 把这些设计放在一起，你会发现bStocks本质上是在回答一个问题：如果RWA资产从一开始就是为DeFi设计的，而不是事后才被“塞进”DeFi，会发生什么？ bStocks把“RWA进DeFi”从一个需要用户主动“折腾”的事情，变成了一个“默认开启”的功能，并且在一个地方就能实现，减少了摩擦感 之前我以为BN Wallet将成为这个枢纽，当下我发现bStocks能够再向下一层打通 未来当链上RWA资产的DeFi参与率不再是个位数时，我们回过头来看，bStocks可能会被记住为那个推倒第一块多米诺骨牌的角色 _____________________________________ "RWA的未来，不是一潭静水，而是一条正在加速的河流。而我们才刚刚看到这条河的开始。" @binancezh @heyibinance

从世界历史中学习金融:看完你会比90％的人更懂金融！ 金融从来不是孤立的钱的游戏， 本质就是人性逐利冒险与文明规则约束的千年博弈。 人性要逐利冒险，文明要立规矩防混乱， 正是两者不断拉扯，才长出了今天我们熟悉的金融世界。 其实咱们现在天天纠结的： 该不该买股票？ 利率涨了怎么办？ 本质和几千年前古人遇到的问题一模一样： 借粮食怕还不上，就像现在怕房贷断供； 想多赚点利息，就像现在想靠理财增值。 金融的源头，本来就是人性的真实需求，加上文明为了满足需求搭起的规则框架。 今天我们就顺着时间线，把这场跨越千年的博弈理清楚。 01）金融的起源：信用从泥板里诞生，规则从约束贪婪开始 很多人都觉得一定是先有货币，才有金融。但事实真的如此吗？请看以下这张图，这是公元前2800年美索不达米亚苏美尔文明泥板上的借据——核心两个字：信用。 那时候两河流域还没发明像样的货币，但苏美尔人已经把借贷关系刻在泥板上了。比如一块出土泥板清楚写着：「普兹拉姆从太阳神沙马什那里领了三巴舍克勒白银，收货时连本带利还，利率百分之二十」。 为什么选泥板？因为黏土在当地遍地都是，烧硬了能保存几千年，相当于我们今天的合同——就算双方翻脸，旁人看泥板也能说清谁欠谁。这就是最早的信用凭证：金融的起点从来不是钱生钱，而是「我信你能还，咱们留个证据」。而且泥板上不仅记账，还写清楚了违约规则：还不上就用小麦抵押，实在还不上就当三年奴隶——从一开始，信用就和规则绑在了一起。 只靠熟人信任和简单约定，应付不了复杂情况，总有人把利息抬得离谱，逼得借债人卖儿卖女，整个社会都会乱套。于是文明出手定规矩，就有了我们熟悉的《汉谟拉比法典》——这其实是人类最早的金融监管法。 公元前1750年的古巴比伦，法典专门给借贷定了红线：借谷物，利率上限是33.3%；借白银，利率上限是20%；谁敢超收，直接没收他借出去的东西。为什么定这么严？当时美索不达米亚人爱喝啤酒，40%的小麦都用来酿酒，如果高利贷把农民逼得种不出小麦，不光没酒喝，整个社会的粮食供应都要出问题。所以规则的意义从来不是扼杀金融，而是保护信用不被贪婪破坏，让借贷能长久做下去。 到了古希腊，金融又长出了新玩法——期权的雏形。哲学家泰勒斯其实是个隐藏的金融高手：有一年他通过天文观测，预判来年橄榄会大丰收，就提前付了定金，锁定了当地所有橄榄榨油机的未来使用权。等真的丰收，农民们都要榨油，只能从泰勒斯手里租机器，他一下子赚得盆满钵满。 这操作放到今天就是标准的期权：用少量定金锁定未来资源，按约定条件交易，本质和我们现在买期货期权没区别，支撑这笔交易的核心还是信用——泰勒斯信农民会履约，农民信泰勒斯会付定金。 说到这里我们再想「利息」的起源，其实特别实在：苏美尔语把利息叫「moss」，埃及语叫「ms」，都和「声誉」挂钩；日语里利息的词源，本意是「子嗣带来的利益」。这不是古人浪漫，而是本质就是：借出去一头牛，明年可能多一头牛犊；借出去一袋小麦，明年能多收半袋。利息本来就是对出借方「信用风险和机会成本的补偿」，你帮了我，我得让你不吃亏——这本身就是最朴素的规则。 所以金融的源头其实很清楚：信用是地基，没有信任，没人愿意把钱或东西借出去；规则是承重墙，没有规矩，贪婪会把整个信用体系拆塌。 02）中世纪金融：禁令下的博弈，逼出更灵活的创新 等到了中世纪的欧洲，这套「信用+规则」的逻辑突然被打乱了——基督教直接出台利息禁令：说「时间是上帝的，收利息就是赚上帝的钱」，给刚发展起来的金融套了个紧箍咒。 但规矩是死的，人要做生意要谋生，金融总能绕着禁令找活路，反而在道德枷锁和现实需求的拉扯里，催生出了更灵活的金融玩法。 我们先看看这个禁令有多严：公元325年尼西亚会议就规定，神职人员不能放贷收息；过了500年，到850年直接加码：放贷的人直接逐出教门。可现实呢？国王要打仗，商人要运货，农民要种庄稼，谁都有急用钱的时候。12世纪的意大利，商人运丝绸从威尼斯到布鲁日，光成本就要几千金币，自己拿不出只能借，禁令再严，也不能眼睁睁看着生意黄了。 所以第一个妥协的，反而是出台禁令的教会。1215年第四次拉特朗大公会议上，教会松口了：「要是借债人逾期不还，收点罚金，不算利息」——这其实就是换个说法，本质还是补偿出借人的损失。后来更直接，你放贷赚了钱，买张赎罪券就能免罪，变相承认了利息的存在。甚至教皇克雷芒七世出身的美第奇家族，直接发行教廷公债，每年付10%的利息——毕竟教会要盖教堂、养神职人员，也需要钱。再严的道德禁令，遇到真实的资金需求，也得给现实让路。 那普通人借钱找谁呢？犹太人成了这个领域的主力军。犹太教规矩里有一条：「借给弟兄不能收利息，但借给外邦人可以」。中世纪的欧洲，犹太人是少数群体，不能买土地，不能当公务员，只能靠商业谋生，放贷就成了他们的主要活路——不是犹太人天生爱做高利贷，是规则把他们逼到了这个领域。莎士比亚《威尼斯商人》里的夏洛克，原型就是中世纪的犹太放贷人，他要一磅肉的极端约定，其实也是无奈：犹太人没有土地做担保，只能靠这种极端方式保障自己的本金。 伊斯兰世界的玩法更聪明：伊斯兰教也禁止收利息，但商人想出了「贸易差价」的办法——我帮你买一批香料，你卖掉再给我钱，我多收的服务费，其实就是变相利息；他们还早早搞出了汇票，商人在开罗买货，不用带沉甸甸的金币，开张汇票到巴格达就能兑钱，比欧洲早了好几百年。没办法，横跨欧亚非的商路需要便捷的支付工具，禁令反而倒逼出了更聪明的创新。 除了这些玩法，中世纪还给金融打下了两个关键的技术基础：一个是斐波那契把阿拉伯数字引入欧洲，写了《计算之书》，替代麻烦的罗马数字，算清复杂生意账；另一个是卢卡·帕乔利发明了复式簿记，一笔生意有借必有贷，赚了多少欠了多少一目了然。这看似是数学和会计的小事，其实是金融的基础设施——只有算清账，商人才能攒下信用，才能聚集更多资本做大事。 所以你看，中世纪的金融没被禁令打死，反而在博弈里攒下了一身新本事：有了变相收息的办法，有了跨区结算的汇票，还有了算清账的工具。这些积累都不是白费的，等大航海时代来了，要给哥伦布的探险凑大钱，这些本事正好派上了用场。 03）大航海时代：资本的地理冒险，改变了整个世界结构 大航海时代探险家们敢闯大洋，从来不是只靠勇气，背后是资本在赌一把——赌新航线能带来比陆地贸易高几十倍的利润，这就是一场资本的地理大冒险：敢花钱、敢担风险，为的是赚别人赚不到的差价。 这场冒险最大的诱饵，就是现在我们习以为常的胡椒。在16世纪的欧洲，胡椒比黄金还金贵：欧洲吃的胡椒都从印度东南亚运，中间经过伊斯兰商人好几手倒卖，每过一次价格翻一倍，到欧洲内陆，价格已经是产地的十倍，普通农民根本吃不起。所以商人都琢磨：要是能绕开中间商，直接从产地运，利润不就全归自己了？开辟新航线的需求，本质就是资本想赚差价的需求——没有高利润诱惑，谁也不会拿大笔钱赌远洋航行。 那钱从哪来？我们都熟的哥伦布，其实就是一个找投资的「连续创业者」：一开始找葡萄牙国王，人家觉得他算错了航线，不投；又找法国贵族，人家也不感兴趣；最后磨了西班牙伊莎贝拉女王好几年，还承诺找到新陆地，西班牙分一半收益，女王才咬牙拿出钱。这不就是现在创业公司融资的样子吗？创始人画饼，投资方看收益评估风险，最后才掏钱；而且哥伦布还特别懂「定制方案」：跟西班牙说能找到亚洲捷径，跟法国说能发现新金银产地，这套看人下菜碟的融资逻辑，放到现在风投圈也不过时。 新航线打通之后，资本带来的连锁反应，直接改变了欧洲的社会结构。最典型的就是「白银引发的价格革命」：1545年西班牙人在美洲发现波托西银矿，之后大量白银顺着航线流回欧洲，1595年美洲出口商品里95%都是白银。这么多白银突然涌入，欧洲物价直接涨了四倍——原来一个金币能买一百斤小麦，现在只能买二十五斤。 这一下子就冲击了旧秩序：靠固定地租吃饭的封建主惨了，收的地租还是老价钱，却买不到原来多的东西，慢慢就破产了；商人却赚翻了，用白银进货再高价卖出，差价越赚越大。资本就这么悄悄完成了社会结构洗牌：旧贵族退场，新商人崛起，资本开始主导社会财富分配，这就是大航海给文明带来的最深刻改变。 还有个有意思的小细节：我们现在说「美元」，其实根子能追溯到这场大航海。美洲白银发现之前，欧洲有个「泰勒银币」，用波西米亚山谷的白银铸造，成色足分量准，成了欧洲通用货币。后来这个银币传到西班牙叫「dolara」，传到英国变成「dollar」，几百年后传到美国就成了「dollar」也就是美元，甚至我们人民币的「元」，日元的「円」，都和这个银币有关系。货币从来不是凭空造出来的，都是跟着资本和贸易走的，大航海把银币带到全世界，也为后来的全球货币体系埋下了种子。 当然，这场冒险从来不是稳赚不赔：投资的船队遇到风暴沉了，钱全打了水漂；囤白银赌涨价，结果白银太多价格跌了，反而亏了本——这和现在的风险投资一模一样，高收益必然带高风险，资本愿意冒这个险，只是因为一旦成功，收益能翻几十倍。 大航海能成，本质就是中世纪金融经验的升级：复式簿记能帮商人算清远洋贸易的成本利润，汇票能不用带金币就完成跨洲结算，甚至中世纪的放贷逻辑都用来给船队融资。这些攒了几百年的基本功，才是资本敢闯大洋的底气。但远洋贸易成本越来越高，一趟下来成本是中世纪陆地贸易的十倍，单靠几个商人凑钱根本扛不住，还得有新的组织形式，把很多人的钱聚起来，还能分摊风险——于是，改变现代金融的两个发明就登场了：股份制公司和证券交易所。 04）现代金融基石：公司和交易所，是资本的双刃剑 荷兰人拿出的两个发明——荷兰东印度公司和阿姆斯特丹交易所，被板古敏彦称为「资本的双刃剑」：一边解决了「聚钱+分摊风险」的大问题，让大航海能规模化推进；另一边，也催生出人类第一次全民投机泡沫，告诉我们：再好的制度，也挡不住人性的贪婪。 荷兰东印度公司最核心的制度突破，就是有限责任。在这之前，欧洲的公司基本都是无限责任：你投100吨开公司，万一船沉了欠了500吨债，你得卖掉房子田地凑钱还债，一次投资就赌上全部身家，谁敢轻易投？所以那时候要么是家族小生意，要么是国王特许的垄断商，做不大。 但荷兰东印度公司不一样：明确规定股东只以出资额为限承担风险，你投100吨，最多亏100吨，不用卖房子还债。就这一条，彻底改变了资本的态度：原来只有大富豪敢投资，现在普通工匠、店主都愿意拿出积蓄——反正亏了也不影响生活，赚了能分远洋贸易的利润。公司成立的时候一下子募集了650万荷兰盾，是当时英国东印度公司的十倍，没有有限责任根本凑不齐这么多钱。 它还有个更绝的设计：不按单次航海结算，做长期事业。原来的贸易公司，一趟航海回来就分钱散伙，下一趟再重新凑钱；荷兰东印度公司直接把21年的航海计划打包成长期项目，股东的钱能一直用在开辟据点、垄断贸易上，就像现在的长期基金，能做需要长期投入的大事——建商馆、控制航道，这些都不是一次航海能搞定的。也正因为事业长期稳定，股票才有了交易价值，这就为交易所诞生埋下了伏笔。 阿姆斯特丹交易所的作用，就是给资本找了个公开流动的「菜市场」：东印度公司的股东急用钱，想把股票换成现金，不用挨家挨户问，直接去交易所卖就行。这个交易所不止交易股票，还能做期货、期权：有人觉得明年胡椒涨价，就提前约定价格买东印度公司股票；有人怕股票跌，就花点钱锁定下跌风险；甚至连盐渍鲱鱼都能做期货，鱼还没捞，就先把未来的鱼卖掉，和现在农民提前卖粮食锁定价格逻辑一模一样。 但制度的另一面很快就露出来了——郁金香泡沫。17世纪30年代，荷兰人疯狂炒作郁金香球根：普通球根能卖几十吨，稀有品种「总督」球根能卖两万吨，相当于一个工匠十年的工资。为什么会炒成这样？有限责任让普通人也能进场投机，交易所让球根交易和股票一样方便，大家根本不关心郁金香能不能开花，只关心下一个人会不会出更高价买。结果1637年2月，球根价格突然崩盘，很多人早上还以为能靠球根发财，晚上就血本无归。 这就是泡沫的本质：当制度让交易变得太容易，人性的从众和赌性就会被无限放大，最后把资产价值炒成空中楼阁。不过这场泡沫也不是全没意义：它让人们意识到，光有聚钱的制度不够，还得有防炒作的规则——后来荷兰政府开始限制无实物交割的期货交易，就像现在监管裸卖空一样。而且东印度公司的股票没受太大影响，因为它有真实的胡椒贸易利润支撑——这也告诉我们，有真实收益支撑的资产，才经得起泡沫的考验。 公司和交易所解决了「资本怎么聚、怎么流动」的问题，但还有两个大风险没人扛得住：国家要打大仗，动辄几百万英镑，国王自己掏不起；商船出海，万一沉了被抢了，船主一辈子家底就没了。单个机构和个人扛不住这么大的风险，就需要能把风险拆碎分摊的新工具——于是，国债和保险就诞生了。 05）风险分摊神器：国债和保险，把大风险拆给所有人 国债和保险的核心逻辑其实一句话：不消灭风险，而是把风险拆成小块，卖给很多人——国家把战争风险分给成千上万投资者，船主把海上风险分给成百上千投保人，这就是金融最聪明的「风险分摊术」。 先说说国债：本质就是国家学会了「靠谱借钱」。在这之前，欧洲国王借钱就是一锤子买卖：打赢了可能还点，打输了直接赖账。1672年英国国王查理二世欠了金匠银行家一大笔钱，直接宣布不还，好多银行家直接破产——所以那时候没人敢给国王借钱，谁愿意把钱借给一个说赖账就赖账的人？ 直到1688年英国光荣革命，议会通过《权利法案》，明确国王不能随便征税，也不能随便赖账，国债才真正有了信用。法案写得清楚：没议会同意，国王不能征税——这就意味着国债的还款来源有了保障，不是国王一句话就能改的。1692年英国出台专门的国债法，把原来国王的私债，变成了国家欠所有人的钱，还发明了「统一公债」：没有偿还期限，每年固定付利息，想变现随时能在交易所卖掉。 这下一下子就不一样了：原来投资者怕国王赖账不敢买，现在知道有议会担保，还能随时卖，纷纷掏钱买。英国国债从1739年的4400万英镑，涨到1816年的7亿英镑，全靠这套靠谱规则。国家把战争风险变成了「每年拿利息」的投资机会，投资者自然愿意接。而且设计还特别灵活，曾经发行过「彩票型国债」：买100英镑国债，不光每年拿利息，还能抽奖中额外奖金，一下吸引了很多普通民众，街边面包师都愿意拿出积蓄买，国家轻轻松松就凑够了军费——背后逻辑很简单：风险越大，就要给投资者越多甜头，大家才愿意一起扛。 再看保险：本质就是把「小概率大风险」，变成「大概率小支出」。最早的海上保险雏形古希腊就有了：船主借钱买货，约定船安全到港就还本金加利息，要是船沉了就不用还——其实就是用高利息买风险保障，只是没形成正规制度。真正把保险做成生意的，是伦敦的劳埃德咖啡馆。 1687年爱德华·劳埃德开了这家24小时咖啡馆，水手、船主、商人都爱来这歇脚，慢慢就有人在这「赌船」：船主花点钱，找几个有钱人约定，船安全到了，钱归有钱人；船沉了，有钱人赔船主钱——这些签字画押的有钱人，就是最早的承保人，这就是现在劳合社的前身。那时候承保人要承担无限责任，船沉了得卖房子赔钱，但还是有人愿意干，因为大多数船都能安全到港，保费攒下来就是稳赚的。 这就是保险的本质：大多数人没出事，他们的保费就用来补偿少数出事的人，大家一起扛住单个扛不动的风险。后来保险还扩展到了人寿：苏格兰的牧师们看到同事早逝后妻儿没人养，就搞了「苏格兰寡妇基金」，大家每年交一点钱，有人去世就从基金里拿钱给遗属；他们还聪明地用了哈雷生命表，算清楚平均多少牧师会去世，每年该交多少钱——这就是最早的保险精算，让保险从「凭感觉凑钱」变成「靠数据定价」。 不管是国债还是保险，核心都是「信任+规则」：国债靠议会担保、税收兜底，保险靠精算数据、契约精神，少了哪一样都玩不转。但随着战争规模变大，贸易范围变广，资本永远会跟着「安全+信用」走，金融中心也就开始慢慢转移——从阿姆斯特丹到伦敦，再从伦敦到纽约，每一次转移都是一场信用的较量。 06）金融中心迁徙：资本永远选择最有安全感的地方 金融中心的转移从来不是靠军队抢来的，是资本用脚投票选出来的：谁能给资本安全感，谁能守住还钱的规矩，资本就去谁那里。 第一个转折点，是阿姆斯特丹的衰落。17世纪阿姆斯特丹本来是全球金融心脏，东印度公司股票在这交易，霍普商会能帮瑞典、俄罗斯发国债，但拿破仑战争打碎了一切：拿破仑要征重税，还要把荷兰的黄金运去法国充军费——资本最怕什么？怕被强征、怕没保障。于是阿姆斯特丹的商人连夜打包资产，有的去伦敦，有的去汉堡；1806年阿姆斯特丹交易所交易量，只剩原来的十分之一——没了资本信任，再繁华的金融中心也会变成空城。 接着就是伦敦崛起，它赢就赢在靠谱的规矩和安全的环境。拿破仑战争期间，英国一边打仗，还能让资本安心：第一，英国有统一公债，不管战争打得多凶，每年利息从不拖欠，投资者知道买了不会亏；第二，英镑和黄金稳定兑换，拿着英镑在哪都能换成黄金，比法国法郎靠谱太多；最关键的是，英国议会管住了国王的手，《权利法案》明确国王不能随便赖账，这比任何军事威慑都管用。1803年拿破仑要卖路易斯安纳给美国，美国拿不出1500万美元，最后还是英国的巴林商会帮忙发行债券凑齐了钱——连法国的交易都要靠伦敦资本，伦敦的金融中心地位，还有谁能抢？ 但伦敦的地位，最终还是被两次世界大战打垮了。一战之后，英国为了筹军费，卖了海外资产还欠了美国一大笔钱，从债权国变成了债务国；二战的时候，伦敦被德国轰炸，交易所好几次停市，资本怕被炸没，纷纷跑到纽约。纽约道琼斯指数在战争期间涨了近一倍，伦敦股票市值跌了一半。1944年布雷顿森林会议一开，美元和黄金挂钩，其他货币和美元挂钩，伦敦彻底失去了金融主动权——不是英国不想争，是战争耗光了它最核心的「安全+信用」，这两个恰恰是资本最看重的东西。 而纽约呢？两次世界大战都没烧到本土，还靠帮各国发债积累了信用，布雷顿森林体系又给了美元世界货币的地位，自然就接住了金融中心的接力棒。但掌握主动权不是一劳永逸，纽约成为中心后，现代金融很快就陷入了「规则防贪婪，贪婪破规则」的循环，一次次引发动荡。 07）现代金融的循环：规则永远在给贪婪补课 从布雷顿森林体系崩溃，到日本泡沫经济，再到2008年金融危机，本质都是同一场博弈：规则想给资本划红线，贪婪却总在找漏洞，每次博弈过后，要么是体系动荡，要么是规则升级。 布雷顿森林体系是现代金融第一次认真建规则：1944年四十四个国家约定，美元跟黄金挂钩，其他货币跟美元挂钩，固定汇率做生意，避免二战前汇率乱涨乱跌，让国际贸易安稳发展。结果才运行20多年，就被美国的贪婪打破了：美国为了打越战，搞「伟大社会」福利，印了太多美元，黄金储备根本不够兑换；其他国家拿着美元要换黄金，美国拿不出来，1971年尼克松直接宣布美元和黄金脱钩，布雷顿森林体系一下子就崩了。之后汇率自由浮动，通胀起来，石油输出国因为美元贬值，直接把油价涨了三倍，第一次石油危机就来了——这就是第一个回合：规则想绑定美元信用，美国为了自身利益突破规则，留下烂摊子给全世界收拾。 再看80年代日本泡沫经济，就是典型的「规则跟不上贪婪」。1985年广场协议后日元被迫升值，日本出口不好做，政府就放水降利率，鼓励大家借钱。这下贪婪直接冒头：企业拿着低息贷款不搞实业，全都去炒股炒房；普通人觉得房价只会涨，砸锅卖铁买房；银行也不管风险，有土地担保就放贷。那时候东京的房价能买下整个美国，日经指数从1985年的12000点，涨到1989年的38915点，所有人都觉得泡沫不会破。但日本政府那时候根本没跟上规则：没限制房地产抵押融资，也没管企业脱实向虚，等想加息降温的时候，泡沫已经太大了。1990年股价房价一起崩，日本陷入了「失去的二十年」——这告诉我们，规则要是滞后于贪婪，哪怕是经济强国，也会栽大跟头。 到2008年金融危机，就是「贪婪钻了规则的漏洞」。美国银行把次级贷款打包成次贷债券，还找评级机构给这些高风险债券评AAA级，卖给全世界投资者；银行明明知道这些贷款会坏账，还是拼命放拼命卖，因为卖出去就能赚手续费，风险都是别人的。贪婪到这一步，规则却没跟上：监管机构没查次贷打包的猫腻，也没限制银行的杠杆。最后次贷违约潮一来，雷曼兄弟破产，它的衍生品规模比美国GDP还大，银行倒闭、基金爆雷，全世界都跟着亏——这就是贪婪突破规则的代价，不止自己玩崩，还要拉着全世界买单。 但博弈从来不是只有贪婪赢，规则也会慢慢补课：2008年后，各国推出巴塞尔协议Ⅲ，要求银行提高资本金；美国重启类似《格拉斯-斯蒂格尔法案》的规定，禁止银行一边做储蓄一边搞高风险投机；中国也出台资管新规，打破刚性兑付——这些都是规则在博弈后补上的漏洞。当然这场博弈永远不会停，现在的加密货币、算法稳定币，本质还是有人想绕开规则赚快钱，各国对这些新事物的监管，就是规则在跟上贪婪的新玩法。 08）金融史的永恒真相，听懂就能少踩坑 聊完了千年的博弈，最后我们总结三个不管时代怎么变，都不会变的真相，这些真相藏在泥板里，藏在股票里，也藏在一次次危机的教训里，对我们普通人特别实用。 第一个真相：金融的本质从来不是钱生钱，是信用。最早的泥板借据，苏美尔人愿意借白银，不是因为白银多，是相信刻在泥板上的承诺会兑现；英国统一公债能卖遍欧洲，不是因为军队强，是议会担保、税收兜底，不会赖账；我们现在敢把钱存银行买基金，也是相信银行不会卷款跑，基金公司会按规矩运作。信用看不见摸不着，但一旦没了，再复杂的金融体系都会塌——阿姆斯特丹被法军破坏了信用，资本立马跑光；2008年次贷骗了大家，信用破了整个市场就崩了。对我们来说，不管借钱还是投资，先想清楚「这事的信用在哪」，比先想「能赚多少」重要得多。 第二个真相：泡沫和危机是人性的必然，别指望彻底消灭。从郁金香泡沫里赌球根翻倍的荷兰人，到日本泡沫里买套房躺赢的日本人，再到次贷危机里借高利贷买房的美国人，本质都是同一种心态：「别人都在赚，我不赚就是亏」。这不是制度的错，是人性里的从众和贪婪天生就在，只要有赚快钱的诱惑，就会有人忘了资产本身值多少钱。没人能避开所有泡沫，但我们能做到不栽大跟头：别信「只涨不跌」的神话，别用自己输不起的钱去投机——要是记得郁金香不能吃不能用，只是个观赏品，很多人也不会血本无归。 第三个真相：金融不是洪水猛兽，是文明的加速器。我们总说金融干坏事，但别忘了：没有资本支持，哥伦布到不了美洲，荷兰东印度公司开不了新航线；没有国债，英国打不赢拿破仑，也建不起遍布全国的铁路；没有保险，商船不敢闯大洋，我们也用不上便宜的进口香料。金融的本事，就是把分散的小钱聚成大钱，把没人敢担的风险分给大家——它能帮普通人凑钱开工厂，帮国家修铁路，帮科学家搞研发，关键不是要不要金融，是怎么用规则管住它，不让它变成少数人投机的工具，让它服务真实的需求。 说到底，金融史就是一部「人性和规则的平衡史」： 太放任人性，就会泡沫破裂；太死守规则，就会耽误发展。 我们读金融史，不是为了记住一堆年份和事件，是为了下次听到「某某东西能翻倍」的时候，能想起郁金香的教训； 在所有人都抢着投资的时候，能停下来问问「这东西的信用在哪」。 毕竟，金融本来是为了让生活更好， 不是为了让钱焦虑，这才是学习金融史最该有的收获。

Scaling Law正在被重新Scaling ---openai核心研究员最新论文《Learning Beyond Gradients》解读 过去几年，AI行业几乎默认更大的参数、更多的数据、更长的训练、更强的GPU，就是更强的模型，就是scaling law。 过去几个月，行业开始认为，更多的推理，更多的agent，就能完成更长时、更高价值的任务，就是更强的智能。 这构成了行业对scaling law的理解，而只要Scaling Law继续成立，模型就会不断逼近AGI。 最近的openai核心研究员翁家翌的一篇论文《Learning Beyond Gradients》，提出了一个全新的scaling维度：AI不一定只能通过梯度下降学习，也可以通过heuristic、policy、workflow、strategy、code generation不断修改自己的行为系统。 这是继agentic和harness之后，AI行业可能正在从“Scaling Model”，进入“Scaling System”的阶段一个最新的重要进展。 过去AI的能力飞轮，本质上是：更多数据→更大模型→更强能力→更多用户→更多数据。 但现在，论文要告诉我们的是，新的能力飞轮：更强模型→更强heuristic generation→更强runtime system→更强Agent能力→更多真实世界反馈→更强runtime evolution→反过来增强模型表现。 行业正在加速的从：智能 = weights。过度到：智能 = weights + runtime system。 LLM本质上是输入→Transformer→输出。 模型训练结束之后，能力基本冻结。学习主要发生在梯度下降、反向传播和weight update里。也就是说，learning = 修改参数。 LLM就像人类的大脑，参数就像脑细胞。但现实世界的大量复杂能力，其实并不完全来自参数。 就像人类文明真正强大的地方，也不仅仅是大脑本身。真正让文明爆炸的，是语言、文字、工具、数学、workflow、软件系统、组织结构、科学方法。这些本质上都是“外部heuristic system”。 《Learning Beyond Gradients》，的创新，在于它开始尝试把“学习”从参数空间里解放出来。过去是：reward → gradient → weights。现在开始变成：feedback → heuristic modification → runtime evolution。学习开始发生在program space，而不是parameter space。 heuristic，还有点像专家系统，但极大的增强了其能力：过去的专家系统，规则由人类写；现在，规则开始由LLM自动生成。这是在效率上的从量变到质化。 传统专家系统失败，并不完全因为“规则”方向错了，而是因为人类无法维护超大规模动态规则系统。过去写规则太慢、修改规则太贵、规则之间容易冲突、长尾case会爆炸、系统复杂度会失控，所以专家系统最终被深度学习取代。 但LLM的出现改变了这个约束。现在规则生成成本接近于0。模型不仅能生成规则、修改规则、删除规则、调试规则，还开始能自动生成workflow、tool graph、planner、memory strategy，甚至修复agent行为。 这意味着，AI开始能够修改自己的运行时系统。于是，越来越多能力开始从“模型本身”外溢到memory、planner、search、tool use、verifier、runtime orchestration这些系统结构里。 更大的模型 = 更强的AI，变成：更强的模型 × 更强的runtime system = 更强的AI。这会形成一个新的能力飞轮。 过去AI只有“模型scaling”。未来AI会开始出现：Model Scaling × System Scaling × Runtime Self-Improvement。 我们很可能正在从去年底的scaling law，迈入到现在的heuristic驱动的，结合agent和harness的scaling law的平方。 更重要的是，runtime system的增长现在其实才刚开始。今天很多Agent系统仍然非常早期。memory很弱、planner很弱、workflow persistence很弱、long-horizon task能力很弱，本质上还处于“DOS时代”。 但接下来，同一个基础模型，在不同Harness之下，实际能力可能相差几十倍。因为很多复杂任务的瓶颈，已经不是“模型会不会”，而是“系统能不能持续组织行为”。 这也是为什么，未来最重要的竞争，可能不再只是“谁的参数最多”，而是“谁最先形成：模型 + memory + tool ecosystem + heuristic runtime + self-improving harness”的闭环。 某种意义上，Transformer越来越像“认知内核”。真正的AGI，可能是围绕Transformer构建出来的runtime civilization、heuristic ecosystem、agent society、memory graph、self-improvement loop的组合体。 《Learning Beyond Gradients》最让我兴奋的地方，其实并不是“超越梯度”。而是它开始尝试：把Scaling Law本身，也变成一个可以被继续Scaling的系统。

豆包今天发布了“豆包工作”，它和豆包桌面版应该是同一套程序和模型，但定位变了一个独立的办公 Agent 工作台。 豆包工作体验做的很好，有点像 Codex，能开项目、连接各种办公应用（尤其是飞书），体验后的一点感想： 一、用户的习惯正在发生变化，Agent 正在变成工作的入口 我发现自己处理工作时，下意识先打开的是 Agent，而不是某个应用。打开 Agent 之后，让 Agent 去帮我操作应用，我去验收或者调整 Agent 的操作结果。 这个变化看起来很小，但背后是一次入口的迁移。过去，应用是入口，人在应用里完成工作；现在，Agent 是入口，应用退到了后台，变成 Agent 调用的工具。 这种迁移一旦形成习惯，就很难逆转。就像人们从搜索引擎的首页开始上网，后来变成从微信和短视频开始，入口在哪，注意力就在哪，生态就在哪。 二、办公 Agent 已是红海，护城河可能在上下文 现在的 Agent，除了模型以外，Harness 这一层差距越来越小了，写文档、做表格、生成 PPT、操作浏览器，已经是各家基本功。模型可以换，工具可以接，功能差距会被迅速抹平。 真正的差距还得看 Agent 对组织了解多少，或者说能访问到哪些上下文数据，有最好的上下文，才有最好的企业级 Agent。 举个例子来说，我在《图解 Skill》举了个例子叫“周报 Skill”，如果你的 Agent 接不到任何工作数据，你就得把这周做了什么一条条告诉它，本质上你自己先写了一遍，它只是帮你润色。但如果 Agent 能读到你的会议纪要、你参与的群聊讨论、你编辑过的文档、你的项目看板，你只需要说一句“帮我写周报”，它就能基于你这一周真实做过的事，帮你生成一份有细节、有数据的工作总结。 所以，Agent 的通用能力容易被追平，但一个组织长期使用所沉淀下来的上下文：会议记录、文档资产、项目脉络、协作关系，这些才是别人复制不走的东西。谁拥有最完整的组织上下文，谁的 Agent 就能提供最精准的服务。从这个角度看，像飞书这样本身就是组织信息汇聚地的产品，天然就离这条护城河更近。 三、模型能力决定 Agent 能做多少事，权限决定组织敢让它做多少事 办公 Agent 和个人 Agent 有一个根本区别，很多人忽略了：权限。 个人场景下，你可以很随意。我自己就经常把 API Key 直接扔给 Agent 帮我验证代码，反正出了问题也只影响我自己。但在企业里，就不敢随便这么做了。 想想看，如果一个员工为了让 AI 帮忙写方案，顺手就把客户名单、合同内容、经营数据上传到了某个个人账号的 AI 工具，公司看不见他传了什么，不知道 AI 生成的内容又被转发给了谁，员工离职后这些数据还留在他的个人空间里。这不是假设，这是很多企业真实面对的情况，也是许多公司到今天还不敢放手让员工用 AI 的核心原因。 所以，企业级 Agent 必须解决一个前提问题：它得继承组织现有的权限体系。 员工看不到的数据，Agent 也看不到；未被授权的操作，Agent 也不能做。不是说限制 Agent 的能力，而是让组织敢把能力交给 Agent。 这一点上，那些本身就内建了完整权限和身份体系的协作平台有先天优势。Agent 接入之后，不需要重新搭一套安全架构，直接沿用组织已有的权限规则就行。 四、个人提效 ≠ 组织提效 这是我觉得最值得讨论的一点。现在每家公司都在推 AI，每个环节都有提效数字，但整体交付没快多少。核心原因是组织的流程还是围绕 AI Agent 之前组织架构搭建的，这些流程都是围绕人去设置的，有很多权限、审批都离不开人去做，但对 Agent 来说就会特别低效，Agent 只能在局部帮助提升效率，但是整体还是受制于人去确认审批。 真正的解法是围绕 Agent 重构流程：大部分确认环节交给 Agent 自验证，人只在关键路径上拍板。 但不是说这些确认环节都可以去掉，很多确认环节也都是有过很多教训之后才设立的，还是离不开人的判断，但有些流程是不是可以合并，是不是可以加速，还是值得仔细考虑的。 五、当 Agent 把很多执行的事情都做了怎么办？ 这个问题很多人隐隐在担心，但换个角度看，Agent 把执行层的事做了：写文档、填数据、整理资料、跟进进度。并不是说人被替代了，而是人在往上走：更多精力要花在思考、决策和验收上。 过去，一个项目经理大量的时间花在整理信息、协调沟通、催进度上，真正用来思考“项目方向对不对、这个决策该怎么做”的时间都被挤占了。现在 Agent 把那些琐碎的事情接过去了，项目经理可以把精力放在更有价值地方，比如说：判断、取舍、创新。 回过头看，办公 Agent 的竞争，还得看谁能让 Agent 真正进入组织的工作现场：理解上下文、尊重权限、融入协作、推动流程，最终让人从执行中解放出来去做更有价值的事。 作为多年飞书用户，我一直很喜欢它在产品上的设计，那种想清楚了再做的克制感。这次豆包和飞书合并后，也是第一次看到两者真正融合的产物：「豆包工作」。意料之中，实际体验下来也没有让人失望。豆包的 Agent 能力加上飞书多年沉淀的组织关系、权限体系和协作数据，让人隐约看到了一种不一样的 Agent 形态：一种让 Agent 真正读懂组织、融入组织、为组织所用的形态。

当年在看电锯惊魂的时候，有一个 trap 至今让我印象深刻——Pound of Flesh。 两个受害者被绑着，头上装了会钻进太阳穴的螺丝装置。一共60秒的时间，他们必须用刀从自己身上割肉，放到天平上，谁割的比对方多，谁就能活下来。天平比的不是谁更重，而是比谁牺牲的更多。越是想活，越是拼命，越是下手割自己的人，就越可能赢。 这个场景的残酷之处在于：规则本身就是陷阱。你越努力求生，你越配合这套游戏逻辑，你就越深地陷入它。不参与会死，参与了也在自我毁损——其实我想说的就是如今正在追逐和痴迷AI的我们。 说起 AI，我做了15年的机器学习，从11-13年做MRF，RBM，到14年开始做Deep Learning，可以说相当于科班出生了，所以在22年ChatGPT诞生的那一刻起，我就一直在思考并试图再整些科研边角料，使用 AI 就成了必不可少的一个途径。 那个时候我最爱跟学生们说的一句话（当然也是从网上看来的），是“AI 淘汰的不是人类，而是不会用AI的人类”。 你认同这句话吗？时至今日，我已经不再认同了，你会用，用得再好，结果都是一样的。 即便放眼币圈，AI的使用也已经到达了一个非常普遍化的程度，我们获取和处理信息的水平已经断层领先前几年了，太多人已经像吸毒一样迷上了vibe coding，迷上了成倍放大的创造力和执行力，成为了AI应用层面最前沿的人。 当你驾着CLI，玩着龙虾，心里优越地想着自己并不属于“不会用AI的人群”的时候，可曾想过，恰恰是这群最会用AI，最会训练和发展AI的人，在给AI代替人类（包括他们自己）的进程狠狠加速，并且恰恰还是这群人，怎么都没法停下自己的脚步。 原因吗？集体行动困境、奖励机制错配、技术乐观主义等等，whatever~ 有人还在总结不会被AI代替的职业，包含什么心理医生、作家、特色自媒体等等，我想说得了吧，别对自己太自信。你完全低估了AI的发展速度，或者换个角度，你本质上是完全低估了AI追随群体（or资本）的狂热程度。 在这个死亡螺旋里，被淘汰的人早就被卷进漩涡中心去了。不幸的是，哪怕AI用得再厉害的你，也仅仅只是在漩涡里挣扎而游不出去的那一批人而已。 下文摘自《三体3：死神永生》中人类第一次被二向箔攻击的桥段，不知你能否体会这种绝望感： "可以逃离吗？" "现在逃离，就像在瀑布顶端附近的河面上划船，除非超过一个逃逸速度，否则不论怎样划，迟早都会坠入瀑布，就像在地面向上扔石头，不管扔多高总会落回来。整个太阳系都在跌落区，从中逃离必须达到逃逸速度。" "逃逸速度是多少？" "我反复计算过四遍，应该没错。" "逃逸速度是多少？！" 启示号和阿拉斯加号上的人们屏息凝神，替全人类倾听末日判决，白ice把这判决平静地说出来： "光速。"

聊一下Intel的EMIB-T，这个技术可能在未来两年改变先进封装的竞争格局。 先说背景。AI加速器的封装面积越来越大，一颗芯片装不下的计算和内存，需要把多颗die封装在一起协同工作。当封装面积超过单次光刻曝光的极限，就需要用”局部硅桥”来连接相邻的die。这个思路，TSMC和Intel各自走出了不同的实现路径。 TSMC的CoWoS-L，L代表LSI（Local Silicon Interconnect），用局部硅桥做相邻die之间的高密度互连，全局布线靠InFO RDL扇出层完成，整个工艺在圆形晶圆载板上加工。Intel的EMIB，同样是局部硅桥，但嵌入的是矩形有机基板，全局布线靠基板上的金属层完成。两者底层思路相近，但制造平台和全局布线的密度存在本质差异。 早期EMIB有一个结构性短板。硅桥里没有垂直通孔，电源从基板底部送不穿桥，只能绕路。偏偏最需要电的PHY电路就坐在桥的正上方（信号线越短越好，所以PHY放在die最边缘），电源反而要从die中心横向传过来。路径长，压降大，瞬态响应差。HBM3e时代还能应对，到HBM4接口宽度翻倍、pin速率推到6.4Gbps以上，这条供电路径就成了瓶颈。 EMIB-T就是解这个问题的。T代表TSV，在桥里打铜通孔，电源从基板直接垂直穿过桥送到上面的PHY。同时桥里集成MIM电容和接地铜网格，就地稳压滤噪。供电路径从横向绕行变成垂直直连。 这个改动释放了两层约束。第一层是供电能力，可以支撑HBM4/4e级别的功耗需求。第二层是封装面积上限，Intel目标是2026年做到120×120mm封装、集成8倍光罩面积的硅，2028年推进到120×180mm、超过12倍光罩。 跟CoWoS-L的竞争，核心差异在制造平台。CoWoS-L在圆形晶圆载板上完成全部工艺，面积越大，晶圆边缘的浪费越大，RDL层的均匀性和翘曲控制难度也非线性上升。EMIB-T在矩形有机基板上多放桥，每个桥的工艺独立重复，整体良率虽然也随桥数量指数衰减，但衰减速率稳定可控。封装越大，EMIB-T在成本上的优势越明显，良率的可控性也越高。反过来说，CoWoS-L的InFO RDL层提供了更高密度的全局布线和电源分配能力，加上NVIDIA等客户的设计生态已经深度适配CoWoS工艺，迁移成本极高，这是CoWoS短期内不可替代的护城河。 目前的状态是，标准EMIB量产良率90%，Intel表示已接近传统FCBGA封装水平。EMIB-T验证良率也到了90%，但这是小批量数据，量产目标98%。郭明錤的评价很准确，从90%到98%比从零到90%难得多。2026年EMIB-T进产线验证，2027年可能出现第一批产品（Jaguar Shores），Google TPU等外部客户也在评估EMIB-T方案，2028年才是真正的放量年。当然，Intel近几年的产品节奏有过多次延期，这个时间线能否如期兑现本身就是一个需要追踪的变量。 对TSMC的影响，我的判断是分流，不是替代。NVIDIA跟TSMC的全栈绑定短期内动不了，但Google、Meta这些做自研AI ASIC的客户，以及Apple等寻求封装供应链多元化的厂商，封装面积需求大、成本敏感、又有分散供应链的动力，EMIB-T给了它们一个真实可用的备选。Bernstein估算，EMIB平台封装每颗芯片成本在几百美元量级，而Rubin级别加速器上CoWoS-L封装成本约900到1000美元。即便只从边缘蚕食，打破CoWoS垄断定价权这件事本身，对整个产业链的影响也远超实际转移的份额。 SK hynix这两天也传出在跟Intel合作研发EMIB封装。HBM供应商主动拥抱EMIB生态，说明连它们自己都不想被CoWoS产能卡住出货节奏。 Intel的EMIB-T，正在把先进封装的竞争从”谁的技术更好”转向”谁能在超大面积上同时控住成本和良率”。从目前的市场叙事来看，EMIB-T的结构性优势应该还没被充分讨论。