《用 CPV 理论重新理解王阳明的“知行合一”》 王阳明提出： “未有知而不行者。知而不行，只是未知。” 这句话一直被理解为一种道德修养方法：知道正确的事情，就应该去实践。 但如果从 CPV（Cognitive Positioning Value，认知定位价值）理论重新审视，会发现王阳明讨论的其实不是简单的“道德执行力”，而是一个更底层的问题： 一个认知结构如何真正影响一个系统的行为。 
 ⸻ 
 一、信息不是知识，结构才是“知” 人类每天接收大量信息。 我们知道： 熬夜伤身体； 运动有益健康； 长期学习能够提升能力； 情绪化决策容易带来损失。 但大量“知道”的东西，并不会改变行为。 为什么？ 因为这些只是信息进入了大脑，却没有进入人的认知结构。 CPV 理论认为，一个完整的认知结构包含： 我如何定位自己； 我如何理解环境； 我如何判断价值； 我如何预测未来。 真正的“知”，意味着一个人的世界模型发生变化。 例如： 一个人知道抽烟有害健康。 这只是信息。 另一个人经历亲人因肺癌离世，他对抽烟的理解发生改变： 抽烟不再只是“一个坏习惯”，而变成： 这是正在损害未来生命价值的行为。 此时，认知位置改变，价值权重改变，行为自然改变。 这才是王阳明所说的“知”。 
 ⸻ 
 二、不行动，说明结构没有完成 很多人困惑： “我明明知道，却做不到。” 按照传统解释，这叫缺乏自制力。 但 CPV 提供另一种解释： 人的行为不是由表层知识直接驱动，而是由整个认知结构决定。 一个人的行为可以看成： 认知位置 ↓ 价值排序 ↓ 未来预测 ↓ 行为选择 如果最终行为没有改变，说明前面的结构没有真正改变。 比如： 一个人知道学习重要，但每天刷短视频。 表面看： 他缺少毅力。 深层看： 他的 CPV 结构仍然认为： 即时娱乐价值 ＞ 长期成长价值。 所以他的行为符合他的真实模型。 他不是“不知道学习重要”，而是他的系统内部，学习还没有成为更高价值。 
 ⸻ 
 三、知行分离，本质是多个模型竞争 人的内部并不存在一个统一的“理性自我”。 更多时候，是多个模型同时存在。 例如： 语言模型： “我要早睡。” 即时奖励模型： “再刷十分钟视频。” 长期价值模型： “健康很重要。” 短期情绪模型： “今天太累了，放松一下。” 所谓“知而不行”，就是不同层级的模型发生竞争。 最终控制行为的，是权重最高、连接最深的模型。 王阳明认为： 真正的知，会统一这些冲突。 因为当一个认知结构足够深入，人的行为会自然符合它。 
 ⸻ 
 四、高手的执行力来自结构，而非意志力 很多人观察优秀的人，会认为他们拥有强大的自律能力。 但从 CPV 看，很多高手并不是每天都在和自己战斗。 他们只是拥有不同的认知结构。 普通人： “我要不要努力？” 高手： “这个事情本来就应该做。” 普通人： “失败怎么办？” 高手： “失败是反馈的一部分。” 普通人： “为什么我要坚持？” 高手： “这是我的系统运行方式。” 同一个行为，在不同 CPV 结构中，心理成本完全不同。 低 CPV 状态： 行动需要不断消耗意志力。 高 CPV 状态： 行动成为结构的自然输出。 
 ⸻ 
 五、知行合一是一种认知闭环 从系统角度看，王阳明的思想接近现代控制理论中的闭环系统。 低效系统： 外部信息输入 ↓ 记忆存储 ↓ 行为没有改变 ↓ 继续重复 这是开放的信息接收。 高效系统： 现实反馈 ↓ 模型更新 ↓ 认知位置改变 ↓ 价值重新排序 ↓ 行为调整 ↓ 新的现实反馈 这才是真正的学习。 智能的本质，不是拥有更多信息，而是不断通过反馈调整自己的结构。 
 ⸻ 
 六、知行合一与人工智能的启示 从这个角度看，今天的 AI 也面临类似问题。 大语言模型可以知道： 编程规范； 商业规律； 科学知识。 但如果没有真实环境反馈，它只是拥有大量信息。 真正的智能需要： 模型预测现实； 现实反馈修正模型； 模型调整行为。 这与王阳明的“知行合一”高度相似： 不能改变行为的知识，只是数据。 能够改变系统运行方式的知识，才是真知。 
 ⸻ 
 结语：知，是结构形成；行，是结构展开 用 CPV 理论重新表达王阳明： “知”不是知道某个答案，而是在认知系统中形成一个足以改变价值排序和行为预测的结构；“行”不是额外执行，而是这个结构在现实中的自然展开。 所以： 未有知而不行者。 因为真正的知，本身已经包含行动倾向。 知而不行，只是未知。 因为没有进入结构的信息，还没有成为真正的认知。 王阳明几百年前提出的心学问题，本质上是在探索一个现代科学仍然研究的问题： 一个系统如何通过建立有效模型，让自身的行为与现实结构实现一致。

《用 CPV 模型预测 AI 技术演进》 过去几年，AI 领域几乎每天都有新概念出现。 Prompt Engineering、RAG、Memory、Agent、MCP、J-space、Tool Use、World Model…… 大多数讨论都围绕一个问题展开： 下一个热点是什么？ 我更关心另一个问题： 为什么热点会依次出现？ 如果一种理论只能解释已经发生的事情，它的价值有限；真正有价值的理论，应该能够预测未来。 CPV（Cognitive Positioning Value）提供的，正是这样一种视角。 它关注的不是某项技术，而是反馈最终作用到了系统的哪一层。 ⸻ AI 的发展，本质上是反馈不断向深层沉淀 CPV 将反馈划分为五个层级： CPV1：行为（Action） CPV2：状态（State） CPV3：模型（Model） CPV4：结构（Structure） CPV5：边界（Boundary） 越往下，反馈改变的对象越深。 AI 技术的发展，几乎就是沿着这五层不断推进。 ⸻ CPV1：改变输出 这一阶段的代表是 Prompt Engineering。 Prompt 改变输入。 模型改变输出。 任务结束，一切恢复原状。 模型没有成长。 它只是完成了一次推理。 后来出现的 Prompt 自动优化、思维链（Chain of Thought）、提示模板，本质上仍然属于这一层。 它们提高了完成任务的能力，却没有改变模型本身。 ⸻ CPV2：改变状态 随后，人们发现一个新的问题： 模型什么都记不住。 于是，Memory 出现了。 长期记忆、用户画像、上下文管理、会话历史…… 反馈终于开始影响模型的运行状态，而不是一轮对话。 模型开始拥有“今天的自己”。 但这里仍然存在明显的局限。 Memory 越来越长。 越来越混乱。 越来越互相矛盾。 于是，新的结构压力出现了。 ⸻ CPV3：改变模型 真正的成长，不应该只是不断累积记忆。 而应该修改世界模型。 例如： 昨天认为用户喜欢苹果。 后来连续半年都选择安卓。 系统不应该同时保存两条冲突的信息，而应该形成新的理解： 用户真正偏好的是开放生态。 这里发生变化的已经不是 Memory，而是模型本身。 未来的 AI 一定会越来越重视： 记忆巩固（Memory Consolidation） 经验抽象（Experience Abstraction） 世界模型更新（World Model Revision） 它们共同指向同一个方向： 反馈开始改变模型，而不是继续堆积数据。 ⸻ CPV4：改变结构 随着模型越来越复杂，另一个瓶颈出现了。 一个网络承担所有能力，越来越低效。 于是开始出现： Planner。 Executor。 Memory。 Vision。 Reflection。 Safety。 它们逐渐成为不同的功能模块。 MoE、Tool Use、Agent、MCP、多智能体协作，都可以看作这一趋势的不同表现。 未来 AI 更像一个组织。 而不是一个越来越大的 Transformer。 反馈开始重组系统结构。 ⸻ CPV5：改变边界 这是最深的一层。 今天，人们谈论 AI，通常想到的是： 一个模型。 未来，AI 的边界会不断扩展。 浏览器。 手机。 电脑。 机器人。 汽车。 摄像头。 传感器。 云端。 其他 Agent。 这些都会成为 AI 系统的一部分。 到那个时候，我们讨论的不再是一个模型，而是一个持续运行的智能系统。 它的边界不断重新定义。 人与 AI 的关系也会随之改变。 ⸻ 为什么 CPV 能预测未来？ 因为每一层都会产生新的结构压力。 Prompt 足够成熟之后，系统开始需要记忆。 记忆足够丰富之后，系统开始需要学习。 模型足够复杂之后，系统开始需要重新组织。 结构足够完善之后，系统开始突破自身边界。 技术演进并不是热点随机切换。 而是上一层已经无法继续承载反馈。 新的层级因此诞生。 这是一种复杂系统普遍存在的演化规律。 ⸻ J-space 给了我们一个验证 Anthropic 最近公开的 J-space 研究，让人们第一次能够观察模型内部的工作空间。 很多人关注的是： AI 是否拥有了类似意识的东西。 我关注的是另一件事。 J-space 解释的是： AI 此刻如何思考。 CPV 解释的是： AI 为什么会演化到下一阶段。 两者回答的是不同的问题。 前者研究计算过程。 后者研究反馈如何不断向更深层沉淀。 它们并不冲突。 反而共同构成了一幅更完整的智能演化图景。 ⸻ 一个理论真正的价值 未来几年，还会不断出现新的技术名词。 也许叫 Workspace Editing。 也许叫 Self Evolution。 也许叫 Autonomous Organization。 名字会不断变化。 但如果这些技术仍然停留在同一层反馈，它们只是同一类问题的不同实现。 真正值得关注的，不是名字。 而是它让反馈深入了哪一层。 能够回答这个问题，才能真正理解 AI 为什么会这样发展，以及下一次技术跃迁会发生在哪里。 CPV 的意义，不在于解释某一项 AI 技术。 它试图描述的是： 所有能够持续学习的复杂系统，都遵循着同一种反馈演化规律。 因此，它不仅可以解释 AI，也可以预测 AI。

讲一下存储/内存板块今天为什么集体大跌？ 导火索是 Broadcom $AVGO 博通的财报指引。AVGO 本身不做 memory，但它是整个 AI 硬件资本开支的风向标之一。它给的 Q3 AI 营收指引略低于市场预期，而且 CEO 拒绝上调年度 AI 目标。在一个对“AI 需求只会更强”已经 price in 到极致的市场里，这种“没有更好”本身就等于利空。于是抛压从 AVGO 蔓延到所有沾 AI 的半导体，memory 首当其冲。 为什么 memory 跌得尤其凶？因为这个板块 YTD 普遍翻倍、走的是抛物线。涨得越陡，筹码越不稳。市场根本不需要基本面被证伪，只要一个像样的获利了结理由就够了，AVGO 正好递了这个理由。 最能说明“这是情绪不是基本面”的证据在韩股，HBM4 和二代 SOCAMM 的份额赢家SK海力士和三星。今天反而跌得比费城半导体指数(SOX)还狠，海力士盘初一度 -7%+。按”谁赢份额谁抗跌”的逻辑这说不通。真相是：恐慌日里整个板块相关性会直接拉满，跟个股基本面强弱没关系。这就是 positioning flush拥挤交易的反向踩踏。 另外有一条慢变量值得单独记下，别和今天的情绪盘混为一谈。昨晚出了个新闻说SemiAnalysis 称英伟达把 Rubin NVL72 每机架的 SOCAMM 容量砍了约一半(改用 96GB 而非 192GB 模块)，借此压低系统成本。 但我们要注意，砍的是 SOCAMM(挂在 Vera CPU 上的 LPDDR5X 系统内存)，不是 GPU 上的 HBM。HBM 才是 AI 内存里最高价值、最高毛利的部分，这次没动。 而且在极度缺货的背景下(行业库存只够约 4 周、历史低位)，英伟达砍单机架容量更像是对“稀缺 + 涨价”的配给反应。量被砍掉一部分，会被持续上行的 ASP 对冲掉，所以净影响是模糊的，不是单边利空。缺货对 memory 厂本身就是定价权。 所以把两条线分清楚: 今天的跌是因为sentiment 和估值 de-rating。SOCAMM 那条需要持续跟踪的中期基本面变量。而真正的基本面到目前没断，也就是库存历史低位、合约 ASP 还在涨、主要厂商长协锁单。这更像洗筹码，而不是超级周期见顶。再加上6月股市风险较多，市场有一定避险情绪，所以跌幅会被放大。 往后要注意两个信号，一是 NVDA 能不能接住整个 AI 板块的情绪 (它昨天被 AVGO 带崩后有低位买盘进场、收涨 +1.94%，是个偏正面的迹象)。二是美光 $MU 6/24 财报对 product mix 和 ASP 的指引，那才是板块下一个真正的 catalyst。

聊聊沃什可能的政策路径和节奏，前两天聊了川普提名的美联储新主席沃克的政策主张，但是我们也需要明白一点想做的、能做的、实际能达到的，这每一步都有着巨大的鸿沟。现实的政治约束、市场压力、以及联储内部的羁绊，都会影响沃什政策主张落地的节奏以及实际得效果。从当下来看：“能做的比想做的重要的多，政策的节奏比政策主张对市场影响更大。” 沃什的政策主张在引用的推文里聊了很多，这里更多的聊聊他能做的和可能的节奏。 1、先还是要回到一个重要问题川普为什么选择沃什？ 这一点很多人都有聊到，相比哈塞特的激进和对川普的忠诚，沃什相对更是站在白宫和华尔街的中间，过往的政策主张更能体现出独立性，就像前两天华尔街日报一篇长文报道了沃什如何胜出里描述“对于遴选新任美联储主席、川普专注如何恢复市场对美联储决策信心这一点”更像是事后来找初心，但是至少让市场认为沃什不那么靠近川普，有独立性可言。 但是川普最怕什么？其实川普最怕的就是重蹈鲍威尔覆辙：一旦提名通过就跟他渐行渐远，甚至对立。这一点川普之前也多次说过，那为什么还要选沃什？ 还是之前聊到的除了沃什看上去主张更中立之外，沃什岳父跟川普的关系以及沃什根贝森特得关系（都有同一个导师喝贵人德鲁肯米勒），应该会让川普放心：未来沃什上任美联储主席后，他们之间有两条可以密切沟通或者说影响到沃什决策的渠道和纽带。 2、对于沃什来说面临的约束是什么？ 1）中期选举 这是今年川普面临的最大的挑战，在年初展望的推文里有聊过历史上美国总统所在执政党输掉中期选举是大概率（85%以上），近几十年两次特例就是98年的克林顿时期经济超级繁荣，以及02年小布什时期（911之后美国人民要给总统最大的权力去反恐），这其实就是川普今年中期选举要获胜的两大借鉴：要么经济搞的足够好，要么地缘搞出大事来让美国人民同仇敌忾。现在看起来川普首选还是前者，最近一个多月他的很多政策措施都是围绕民生、物价等可负担性问题来展开的、先不买实际效果，至少政策的主张和方向都是指向可负担性的。 沃什自然很清楚川普的挑战，作为在小布什时期曾经担任过总统经济政策特别助理和国家经济委员会执行秘书的他来说，很清楚政治压力并不是抽象概念而是每天都要面临的现实变量。上面第一个问题聊过他跟川普有两条密切联系的渠道和纽带，那么很难说他上任后就完全不考虑川普的诉求。 2）市场流动性的现实压力 25年四季度以后，ONRRP隔音逆回购使用量基本降至0，SOFR-ONRRP息差上升至25bps的历史高位，SRF使用量也持续高于0，这些信号均表明美国银行间市场流动性状况已经由过剩（abundant）变成略显紧缺（just above ample）。这也是为什么联储在12月份开启了RMP储备管理购买的操作、用技术性手段改善市场流动性。这是流动性的现实压力和约束 3）回归稀缺准备金框架的法律约束 沃什主张美联储要回归“稀缺准备金框架”（scarce reserves regime，即危机前美联储通过公开市场操作微调储备供给来控制联邦基金利率的模式），确实需要对现有的银行监管框架进行重大调整，甚至是“彻底改写”。 这不仅仅涉及美联储内部的政策工具切换，还会触及国际标准（如Basel III的流动性覆盖比率LCR）、美国国内立法（如Dodd-Frank法案的相关条款，包括压力测试和RLAP - Resolution Liquidity Adequacy and Positioning），以及银行内部在过去20年形成的自我监管约束（如LoLCR - Local Liquidity Coverage Ratio或类似内部流动性管理框架）。 这些变革确实在很大程度上超出美联储主席的单方面权限，因为涉及国会立法、国际协调和银行行业的渐进适应 4）债务体量规模尾大不掉 美国的高债务、高利率，已经让川普承受了很大的压力，所以现在美国财政滚动债务基本上90%左右都靠发T-bills和T-notes这种短债，毕竟利息能低点，这也是川普力主美联储降息的主要原因。降息可以压短端利率，但长债利率就是压不下来，个人认为主要原因还是规模实在太大了，仅靠市场无法消化，至于需求端的“去美元化”叙事，的确也有部分原因、其实并不关键。 3、那沃什能改变什么？ 1）联储决策的出发点 鲍威尔的特点是灵活、数据依赖、风险管理，出发点在于这样做能不能稳住局面。所以鲍威尔能在18年Q4市场暴跌后的转向、20年3月的史无前例的救市、22年6月在blackout期间临时决定加息75bps、24年9月因一份就业数据而单次决定降息50bps等等。 而沃什更考虑的是这算不算央行该做的事情，他更在意的是角色、边界和长期制度成本。你看他反复在问的一句话是美联储是不是在做了太多本该不该由央行承担的事情 链上美股新玩法，从Bitget开始：