The elk population at Poyang Lake in Jiangxi Province, China, keeps growing, with more than five distinct herds re-established here. 中国江西鄱阳湖的麋鹿种群数量持续增长，已恢复到5个以上种群。 #China# #Jiangxi# #赣出新精彩# #JiangxiScenery#

经常能听到一种看似很有常识的论调：国内打工人之所以这么累、就业这么难、内卷这么严重，是因为人太多，资源和岗位就那么多，不够分。 这纯是扯淡。 把内卷和就业难归咎于人多，是经济学里最典型的存量大饼思维（劳动力总额谬误），但现实数据与底层经济逻辑呈现出来的规律，恰恰完全相反。 1️⃣ 硬核数据：WAP 几乎是宏观里唯一不可逆的确定性指标 宏观经济里绝大多数指标（GDP、PMI、信贷增速）都会被短期的货币政策和情绪扰动，但有一个指标具备物理级的确定性：WAP（Working Age Population，适龄劳动人口每年的净增减 = 每年新进入劳动年龄人口 - 每年新退休人口）。 这个指标之所以硬核，是因为未来二十年会进入劳动力市场的人，今天已经全部出生了；未来二十年要退休的人，今天也已经在工位上了。 看一组日本过去几十年的宏观数据： 如果把 WAP 与失业率拉出来做线性回归，会发现一个极度反直觉的铁律： WAP 净增减与失业率呈强烈的负相关，相关系数高达 -0.79； 失业率波动的 63%，可以完全由 WAP 这一个指标来解释。 也就是说：劳动年龄人口增加时，失业率反而下降；劳动年龄人口减少时，失业率反而上升。 2️⃣ 历史跨国实证：正反两面都在印证这个规律 很多人怀疑这只是单纯的统计巧合，但拉开全球现代经济史，正反两面的跨国实证都在反复证明同一个事实： 正向案例（1950 年代以色列）：二战后大批欧洲青壮年难民涌入。按存量思维，这本该是灾难性的劳动力过剩和就业崩溃；但实际结果是总需求爆发，直接引发全社会严重的劳动力短缺，物资供不应求，政府甚至被迫出台配额限制移民。 反向案例（1995 年后的日本）：日本的 WAP 在 1995 年见顶转负。存量思维以为人少了年轻人找工作更容易，结果日本随即迎来残酷的就业冰河期，青年失业率翻倍，企业停止招正式工，非正规雇佣（派遣工）比例一路飙升至 37%，陷入了长达三十年的通缩死循环。 对照案例（2021 到 2025 年美国）：美国本土 WAP 每年虽为负三四十万，但同期每年涌入两三百万青壮年移民将真实 WAP 强势拉正，直接支撑了过去几年极其强劲的总需求、低失业率与经济增长。 3️⃣ 资产负债表不对称：劳动力供给与信用扩张的杠杆差 为什么年轻劳动力的减少，砸掉的饭碗远不止一个？ 因为人在现代信用货币体系里的角色，从来就不是对称的： 供给端只是线性增加：一个刚步入社会的年轻人，在供给端只贡献 1 份劳动力，是一个普通的劳动要素。 需求端却是带杠杆的信贷扩张：20 到 35 岁是人生唯一且不可逆的资产负债表扩张期。结婚、置业、添置耐用品、育儿，本质上是通过抵押未来几十年的远期收入，在当下集中释放大额资本开支。在贷款创造存款信用货币体系里，每一个主动扩张负债的年轻家庭，都是向上游制造业、基建，向下游消费与服务业注入流动性的原始发动机。 这笔提前折现的长期资本开支，在产业链里通过货币乘数流转，撑起的是一整串上下游企业的现金流与岗位薪资。 反过来的宏观传导是极其残酷的： 当新生劳动力断层、人口结构转入存量博弈时，减少的从来不只是几个岗位竞争者，而是全社会最核心的信贷创造能力。 供给端的劳动力减少是线性的，需求端的信贷收缩却是带杠杆的。一旦没有新的资产负债表愿意进场加杠杆，旧的债务周期就会直接滑入去杠杆的通缩惯性，击穿远超人口减少数量的上下游就业链条。 4️⃣ 人口下行带来的终局：总需求塌陷速度远快于劳动力退出 当适龄劳动人口断崖式减少时，企业面对的是每年永久消失的一大块终端市场： 终端需求崩塌，企业营收见顶，只能打恶性价格战保现金流； 企业的资本开支归零、冻结招聘、裁撤边缘业务，就业岗位减少的速度远远快于劳动人口退出的速度； 留在牌桌上的打工人，面对的是极度缩水的存量残羹。企业为了在极度恶劣的环境中活下去，只能拼命压缩边际成本求生存。 结果就是：人虽然少了，但岗位缩减得更快；每个人不仅没变轻松，反而被要求以更低的报酬去承担更多的活，在更狭窄的存量市场里绝望厮杀。 人从来不是分蛋糕的负担，而是做大蛋糕的手和消化产能的胃。 把内卷归因为人多，不仅找错了靶子，而且彻底掩盖了总需求萎缩带来的真实系统性风险。

学术水平的提高，本质上只有一个指标：你能独立产出别人无法轻易复现的技术结果的能力。其余都是它的副产品。 举个例子，一个人想要穷尽一生，追求非平衡态统计物理，非线性动力学，复杂系统科学，控制论、博弈论的探索。 首先我会看到这些是同一套数学的五个出口。 状态空间上的流，确定性的是非线性动力学，加噪声就是随机过程，加控制项就是控制论，加多个各自优化的主体就是博弈论。 大偏差理论是贯穿一切的热力学形式。Touchette 2009 的综述值得读三遍，它让我们看清熵、速率函数、自由能、Lyapunov 指数其实是同一个东西的不同外衣。 路径积分、作用量表述把随机热力学和随机最优控制缝在一起（Kappen 的 path-integral control 是最漂亮的接口）。 信息即热力学资源，把控制论真正接回物理。 平均场博弈=控制 + 统计物理 + 博弈的合流点。 看清主干，就不会把时间浪费在互相重复的科普层。 数学地基：测度论概率、随机微分方程（Øksendal）、常微分方程定性理论、变分法。 记得导师说，地基不牢，后面全是文学。 主干书目大脑里过一遍。 随机过程：Gardiner 或 van Kampen ，Sekimoto《Stochastic Energetics》，Seifert 2012 综述 ，Peliti & Pigolotti《Stochastic Thermodynamics》 非线性动力学：Strogatz打底，Kuznetsov，分岔，Guckenheimer & Holmes 控制：Åström & Murray《Feedback Systems》，Liberzon《Calculus of Variations and Optimal Control》，Bertsekas 博弈：Hofbauer & Sigmund《Evolutionary Games and Population Dynamics》（这本直接把博弈变成动力系统，是你这个组合的天然入口），然后Sandholm 网络、复杂系统：Newman《Networks》，其余谨慎，这个领域良莠混杂最严重，暂且不提。 然后，选一个窄到令人不安的锚点。 比如“活性物质中的热力学不确定关系”或“有限信息下的反馈冷却”。 我觉得科研水平真正跃升的地方在这四件事。 1.手算 + 数值复现。 拿一篇佩服的论文，从零复现它的图，会发现论文里 80% 的关键细节没写。 这种痛苦，就是水平本身。 2.写。 把以为懂了的东西写成给别人看的推导。写不出来 = 没懂。 这是廉价也最少人做的自检。 3.进入真实的学术共同体。 独自求索在这几个领域几乎必然失败。判断什么问题值得做只能通过和高手的高频摩擦获得。 找到导师、组会、arXiv 上的通信对象。 4.接受长期的技术孤独。 前五年你会觉得自己只是在学别人早就知道的东西。这是正常的。 穷尽一生是个好志向，但一生需要一个营地。 如果是我，我或许会以一个方向为职业性专长，随机热力学或随机最优控制，毕竟两者技术门槛高、饭碗实在、且是其余三者的枢纽，其余作为持续侵入的卫星。