「夜晚我回到居所，進到我的書房。進門前，我把骯髒、沾滿泥土的衣服脫掉，換上莊嚴的袍子。穿著合適後，我就進入了古人的殿堂。在那裡，我受到熱情的歡迎，我大口吞食只屬於我的食物。我就是為這個地方而出世。我和他們交談，問他們行為處事的理由，一點都不害羞、懼怕。他們則用最慈祥、包容的態度，回答我的問題。因此，四個小時內，我一點都感受不到煩燥、困擾，我忘記了所有的煩惱。貧窮不讓我害怕，死亡也無所畏懼。我完完全全地變成他們的一員。」 馬基維利的這段「風簷展書讀，古道照顏色」，在AI的時代，出現了全新的詮釋。 我到圖書館借了本從來沒看過的書，有關一個我沒有一點認識的歷史人物。我打開我的iPhone，一次掃描十頁，我用iPhone的捷徑，把掃描的書頁，轉成語音檔。我的iPhone在我運動、做雜事、開車的時候，唸這些書頁給我聽。然後，每聽了一百頁，我就把這一百頁，上傳到NotebookLM，請它做一個一小時的Podcast，再把故事整理，重講一次給我聽。我的古人殿堂，比馬基維利的殿堂更生動，我不再需要在風簷下讀書，我在AI的世界裡，有了全新的讀書體驗。 當落後的人們，不斷地擔心AI取代人類的工作時，我徜徉在AI的世界裡，享受人類歷史迄今都不可能的境界，我迫不及待想要知道，AI還可以幫我們做什麼。

在我們之前，早就有廠商會邀請女優來參加活動了。 . 2006年，光華商場的店家邀請來了「吉崎直緒」來舉辦簽名會，那也是我第一次參加女優的活動：其實活動很簡單，就是拿個東西給吉崎簽，然後簡單和她聊兩句，互動完就可以離開了—但我記得自己緊張的不得了，在排隊的時候就東張西望深怕被熟人看見、輪到自己的時候一句話都講不出來草草結束⋯ . 然後輪到我們自己辦活動的2010年，我發現，來參加的朋友很多也超緊張，畢竟片子裡的女優就在自己面前，緊張和興奮的心情混在一起真的會讓人陷入不知道該怎麼辦的狀態ー那個時候的我們辦活動其實沒有想那麼多，就只是為了和心儀的女優見一面，想不到10幾年過去了，現在台灣已經成為女優發展的重鎮，現在香港、澳門、泰國等地都有非常成熟且頻繁的女優活動，最近日本業者還打算前進韓國，希望能在那兒舉辦更多的活動： . 這一切，都是十多年前第一次舉辦活動的我們所想像不到的⋯（明天續） . #吉崎直緒#

如果你经常使用豆包，这30条指令，让豆包写得比我还像人！（亲测有效，建议收藏，也适用于其他AI大模型） 别再骂AI写的东西像“机器人念经”了，别说豆包写的文章的AI味很重了！其实问题不在豆包，在于我们给她的指令到底像不像人味。 我见过太多人，对着豆包输入“写一篇职场文章”“写一个带货文案”，然后看着输出的干巴巴、冷冰冰、全是套话的内容，摇摇头说“AI根本不行”。 其实不是AI不行，是你根本不会给它像人的指令。 同样是用豆包，有人写出来的东西没人看，有人靠AI日更10篇，篇篇10万+，评论区全是“太真实了”、“说到我心坎里了”。 我的好友莉莉用豆包写了3个月内容，从一开始写啥都像机器，到现在我看她写的文章，都说“你写的东西比真人还真”。莉莉小姐姐则跟我说，她全靠整理的这30条“拟人化指令”。 今天我把她深藏的30条拟人化的指令，毫无保留分享给大家，只要复制粘贴，你也能让豆包写出有血有肉、有情绪、有温度的文字。 先搞懂一个核心：为什么AI写得不像人？ 答案很简单：你只告诉了AI“写什么”，却没告诉它“以什么身份写、用什么语气写、写给谁看、要达到什么效果” AI是个超级听话的执行者，但它没有自我意识。你给的指令越模糊，它写出来的东西就越通用、越没有灵魂。 反过来，你给的指令越具体、越细节，它写出来的东西就越像一个活生生的人。 下面精选出来的最常用、最有效的6大类30条指令，你可以直接拿去用。 一、身份代入指令：让AI变成“具体的人” 这是所有指令里最重要的一条，没有之一。 不要让AI当“万能专家”，要让它当一个有年龄、有职业、有经历、有缺点的普通人。 ✅ 直接复制用： 1. 请你扮演一个在工厂打工10年的70后大叔，用你朴实的语言，写一篇关于攒钱的文章，不要讲大道理，只说自己的真实经历。 2. 请你扮演一个刚辞职创业失败的95后女生，用你和闺蜜吐槽的语气，写一篇关于创业踩坑的帖子，情绪可以低落一点，但不要太消极。 3. 请你扮演一个退休在家带孙子的60后阿姨，用你唠家常的口吻，分享3个带娃的实用小技巧。 4. 请你扮演一个月薪5000的北漂打工人，写一篇关于周末宅家的日常，加入吃泡面、追网剧、不想上班这些细节。 心得：用了身份代入后，文章的评论率直接提升了3倍。读者喜欢看的不是专家的说教，而是和自己一样的普通人的故事。 二、语气风格指令：写出不同的“说话感觉” 同样的内容，用不同的语气说出来，效果天差地别。 ✅ 直接复制用： 1. 用“过来人语重心长”的语气，给刚毕业的大学生提5个忠告，不要说教，要像哥哥姐姐一样说话。 2. 用“怼人不带脏字”的语气，反驳一下“年轻人就该多加班”这个观点，要犀利但不要骂人。 3. 用“碎碎念”的语气，写一篇关于女生出门前的准备工作，加入各种纠结和小抱怨。 4. 用“严肃认真”的语气，写一篇关于食品安全的提醒，要让读者感觉到事情的重要性。 5. 用“幽默搞笑”的语气，写一篇关于减肥失败的经历，让读者看了能笑出声。 三、细节填充指令：让内容“有血有肉” AI写的东西空泛，最大的问题就是没有细节。 人会注意到豆浆的温度、油条的酥脆声、老板递餐时手上的油渍，而AI不会，除非你告诉它。 ✅ 直接复制用： 1. 在描述场景的时候，加入视觉、听觉、嗅觉、触觉的细节，比如饭菜的香味、下雨的声音、风吹在脸上的感觉。 2. 不要只说“我很开心”，要通过动作和神态来表现，比如“我激动得跳了起来，手里的奶茶都洒了一半”。 3. 在文章里加入1-2个具体的小例子，不要全是理论。比如写省钱，就写“我昨天买青菜，对比了三家超市，最后省了5毛钱”。 4. 加入一些生活化的口语和语气词，比如“哎”“对吧”“说实话”“你懂的”，但不要太多。 四、情绪共鸣指令：写出“真情实感” 能打动人的永远是情绪，而不是道理。 ✅ 直接复制用： 1. 在文章开头加入一个自己的亲身经历，引出主题，让读者一开始就有代入感。 2. 在描述困难的时候，加入一点无助和委屈的情绪；在描述成功的时候，加入一点喜悦和感慨。 3. 不要写完美的人，要写有缺点、会犯错的人。比如“我当时也犯了一个很傻的错误，现在想起来都后悔”。 4. 在文章结尾，说出大多数人心里想说但没说出来的话，引发共鸣。比如“其实我们努力工作，不是为了大富大贵，只是为了能过上普通人的生活”。 五、平台适配指令：专门写给头条用户看 不同平台的用户喜好不一样，指令也要跟着变。 ✅ 头条专属指令： 1. 按照头条爆款文的结构写，开头用痛点引入，中间分3-5点，每点配一个真实案例，结尾引导评论互动。 2. 标题要包含数字和结果，比如“我靠这3个方法，一个月涨粉1万”。 3. 段落要短，每段不要超过3行，手机阅读体验好。 4. 多用加粗和小标题，突出重点，让读者一眼就能看到核心内容。 5. 结尾一定要加一个互动问题，比如“你有没有过这样的经历？评论区聊聊”。 六、改稿润色指令：把“机器文”变成“真人写的” 如果你已经有了一篇AI写的初稿，用下面这些指令，一键改成真人风格。 ✅ 直接复制用： 1. 把下面这段文字改得像一个普通人在分享自己的亲身经历，去掉所有书面化的表达和专业术语。 2. 把这段文字里的所有“笔者”“我认为”改成“我”，加入一些口语化的词，让它更自然。 3. 给这段文字增加一些细节和情绪，让它更有感染力。 4. 把这段长文拆成短段落，加上小标题，适合在头条发布。 最后说几句： 真的，AI不是洪水猛兽，它是普通人最好的工具。 以前写一篇文章要花3个小时，现在用对指令，10分钟就能搞定，而且质量比自己写的还好。 不要再说自己文笔不好、不会写东西了。在这个时代，会用工具，比会写文章更重要。 你平时用AI写东西遇到过什么问题？评论区说说。

一个巨大的阴谋 今天一登录后台看到留言里各种好奇宝宝，你们不是第一天看公众号，也不是第一天关注我，我过去十几年坚持日更，生病了也会上来请个假。有些事没必要问，问了也没答案，有答案也不会说， 今天黄金白银又一起凸凸了，我写文章这会黄金最新价格4330，离2个月前的历史最高价（4381）只有1%的距离，也许今晚一个哆嗦就能刷新记录。 我黄金的仓位一分都没卖，并且过去2个月我一直在定投加仓，我想明白了，家庭资产长期配置黄金5%是有必要的，所以在完成这个比例之前我都会逐步买入。 至于投资黄金的形势，我依然坚持rwa类标的是最好的，但这个现在风向收紧我不展开说了。之前我多次推荐黄金etf，但我最近发现一个问题，就是这些黄金etf的底层资产都是交易所的黄金期货合约，我看了一下黄金合约目前处于升水的状态，比如au2612合约（983元）比au2601合约（969元）升水1.4%左右，也就是说你持有一年会因为合约升水损失1.44%，短期交易无所谓，但如果打算长期持有的话这个持仓损耗就会滚雪球。 本来我一直觉得买金条现货屯放家中是一个笨重的投资方式，但如果真奔着10年20年去的话也蛮有性价比的。（更新：抱歉这一段我看错了，底层资产是现货合约，不是期货合约，所以没有升水损耗。所以投资etf没毛病，每年就0.2%管理费+托管费损耗。） ps:黄金期货不一定未来10年一直升水，但历史上大部分时间呈升水状态。 比黄金涨更多的是白银，今晚已经逼近65美元，厉害的是看白银的k线还没有很明显的乖离或超涨，也就是说目前是有节奏的爬坡推仓，还没到最后图穷匕见，血腥逼空的冲刺阶段。 这几天有不少读者留言问我国内有没有投资白银的品种，有的，场内有一个白银lof，161226，但是你们可以用红色火箭小程序去看，这个基金目前被抢疯了，溢价超过20%，风险巨大。 我们说买美股的qd基金溢价还可以理解，毕竟外汇限额，你不溢价就抢不到。但是这个白银lof的底层资产也就是国内白银期货合约，量大管够，你想投资白银直接去开ag多单就行了，何必去抢20%的溢价，因为无知所以才不害怕吗。 我查了一下161226目前限购，额度100，你们实在无聊的可以去申购套利，一天挣个十块八块的就当薅羊毛了。 …… 这周很多读者还留言让我讲冯小刚之前拍的某部电影，这个话题已经涉敏被哔掉了；还有留言让我讲最近很火的明清话题，什么1644史观，我想了想这个倒是可以点评一二。 你们知道吗，最近这一波国际金价的行情背后，蕴含着一个巨大的阴谋。 什么阴谋呢，请看国际金价，只要再涨3%就是4461，4461看明白了吗，那就是1644倒过来的数字啊，1644就是崇祯在煤山上吊，我大明朝亡掉的年份。 这是巧合吗？当然不是！国际金价这一波持续4年的行情，从1000多美金涨到现在4000多吗，这一切会无缘无故发生吗，绝对不可能！这背后是有多股势力推波助澜，最终目标就是把金价打到4461，用这种特殊的方式来悼念明朝。告诉这个世界，我们没有被蒙蔽，我们一直心系大明。 这一波世界级的金价牛市，就是我们这些自豪的皇汉子民，用脚投票重铸荣光。以后走在大街上看到彼此脖子上、手腕上的金饰，我们都可以会心一笑，都是志同道合的家人们呐。 看高兴了吗，这样的解读我一拍脑门就能写一段出来，现在皇汉民族主义在互联网上很有市场，但我迎合不了一点，因为但凡多读点书都不会坚持那么狭隘的历史观。 汉族不是一个特定的民族，而是所有选择主动忘记来源，主动选择融入华夏文明的各族统称。我以前说过我族谱里写着祖上是陇西李氏，倒也不是想蹭李唐的光，当时唐朝政府为了笼络周边少数民族，大量赐姓李，所以我祖上有可能也是边塞融入中原文明的夷狄羌戎，要把我拉去验dna来鉴定一下含汉量吗？ 不要在互联网上突然听到个暴论就觉得发现了新世界，如果真的对历史好奇，还是自己去主动阅读和学习吧。 周末愉快诸位～

为什么 MLCC 又重要了？ 本文专注于三个问题，大家各取所需： 1. 为什么现在MLCC变得重要了？ 2. 为什么是高端MLCC？ 3. 为什么本次更像是结构性短缺而非补库存周期。 请注意，本文的逻辑您可以直接复制给你们的AI，AI会告诉你基于本文描述的情况还能找到哪些其他的产业，或是在中国A股有什么标的。 本文不赘述此处，但是欢迎大家评论区留言讨论。 觉得大家有点价值，欢迎大家画一刀点个订阅。 ---------TL:DR--------- 1. 为什么现在MLCC变得重要了？ 过去看MLCC，会把它当成一个手机、PC、汽车电子周期品。 手机出货好，MLCC好；消费电子差，MLCC差。这个理解不能说错，但在AI服务器时代，它已经不够用了。 因为AI数据中心正在把MLCC从一个“普通被动元件”，重新推回到一个非常关键的位置：Power Delivery Network，也就是供电网络。 AI服务器的核心问题，不只是GPU够不够多，HBM够不够快，光模块够不够密。还有一个更底层、更物理的问题： 这么大的电流，如何稳定、低损耗、快速响应地送到GPU/ASIC核心？这就是MLCC重新变得重要的原因。 现在的数据中心供电架构正在发生变化。传统服务器时代，12V供电已经用了很多年。但AI rack功耗暴涨之后，行业正在往48V/54V，甚至±400VDC/800VDC演进。 Google、Meta、Microsoft推动OCP Diablo 400；NVIDIA也在推800VDC AI factory power stack；TI、Vertiv、ABB、Delta这些公司也都在围绕800VDC架构布局。 但这里有一个容易被误解的点： 高压供电解决的是远距离传输效率，不是芯片核心附近的供电问题。800V也好，48V也好，最终到GPU/ASIC核心，仍然要变成不到1V的核心电压。 而一个1000W级别的AI芯片，如果核心电压约1V，意味着它附近要处理的不是几十安培，而是数百到上千安培的瞬态电流。 这才是真正可怕的地方。 AI芯片不是一个稳定耗电的灯泡。它的负载会快速跳变。某个计算任务起来，电流需求瞬间拉高；电源网络如果响应不够快，电压就会下陷，也就是voltage droop。droop太大，轻则降频，重则错误、宕机、可靠性下降。 所以越靠近GPU/ASIC，越需要大量电容作为局部电荷缓冲，压低PDN阻抗，抑制噪声和电压波动。 这就是MLCC在AI服务器里的真实作用。 它不是“板子上随便贴一堆小电容”。它是在帮GPU/ASIC维持高速运行时的供电稳定性。 2. 为什么是高端MLCC？ 但这里必须强调：真正重要的不是所有MLCC，而是高端MLCC。 为什么？ 因为AI服务器需要的不是普通消费级规格。它要的是：高容量、小尺寸、低ESL、低高度、高可靠、高耐压、耐高温，甚至要能放在package附近、land-side、die-side，或者参与嵌入式PDN设计。 普通MLCC解决不了这个问题。因为在高频场景下，电容不是只看容量。ESL，也就是等效串联电感，会变得非常关键。ESL太高，电容在高频下就不像电容，反而会失去去耦效果。 所以AI服务器真正需要的是低ESL、短电流路径、大电流截面积、能贴近芯片的MLCC。 这就是为什么村田在AI服务器供电指南里，不是泛泛而谈“MLCC需求增加”，而是专门讲die-side、land-side、低ESL、低高度、小型高容量，以及PDN仿真和元件摆放。 这背后的意思是：高端MLCC已经不只是材料问题，而是供电架构问题。这也解释了为什么这轮更像“结构性短缺”，而不是普通周期补库存。 3. 为什么本次更像是结构性短缺而非补库存周期？ 普通MLCC并不一定短缺。手机、PC、一般消费电子需求并不强，很多标准规格并没有进入全面紧缺。 但AI服务器用的高端MLCC是另一回事。 它受限于几个东西： 第一，需求增长不是单纯来自AI服务器数量增加，而是每块AI baseboard、每个power module、每个GPU/ASIC附近的电容用量和规格都在上升。 第二，高端MLCC产线不是普通产线随便切一下就能做。小型化、高容量、低ESL、高耐压、高温可靠性，都涉及良率、工艺、材料和测试能力。 第三，AI服务器客户认证周期长。进入GPU/ASIC供电网络的元件，不是今天报价、明天替换。它要和主板、封装、电源模块、热设计、仿真模型一起验证。 第四，头部供应商不太可能为了短期需求疯狂扩普通产能。经历过多轮MLCC周期后 村田 (村田製作所, Murata 太阳诱电(太陽誘電, Taiyo Yuden 三星电机 (삼성전기，Samsung Electro-Mechanics TDK ( 这些厂商更倾向于把产能分配给高端、高可靠、高利润规格，而不是重走低端过剩路线。 所以我们看到的可能不是“MLCC全行业普涨”，而是： 低端松，高端紧。消费级松，AI服务器紧。普通规格松，高容量/高耐压/低ESL/低高度规格紧。 这就是结构性短缺。 还有一个问题：硅电容会不会替代MLCC？ 我的理解是，不是简单替代，而是分工。越靠近die、越高频的位置，硅电容会更有价值。它可以进入封装，interposer、die-side附近，处理极高频瞬态。但板级、power module、48V输入输出、land-side、中高频去耦，仍然需要大量高端MLCC。 所以硅电容的出现，并不是否定MLCC逻辑，反而说明同一个趋势： AI芯片附近的电源完整性，正在变成新的价值池。 未来不是某一种电容通吃，而是MLCC、硅电容、聚合物电容、嵌入式电容基板一起分工。 因此，MLCC这条线最重要的判断，不是“会不会像2018年那样全行业大缺货”。 我认为更正确的问题是： AI服务器高端MLCC会不会持续紧？ 我的答案是：大概率会。 因为AI rack功耗还在继续上升，48V/54V只是当前阶段，±400VDC/800VDC是下一阶段，但不管远端电压怎么升，最终芯片核心附近都必须面对低压、大电流、高瞬态、高热密度的问题。 只要这个问题存在，高端MLCC就会继续重要。 短缺也更可能出现在这些方向： 高容量、小尺寸MLCC 低ESL、低高度MLCC land-side / die-side 用MLCC 48V电源系统里的高耐压MLCC 高温、高可靠、服务器级认证规格 能参与PDN仿真和客户协同设计的高端料号 所以这不是简单的“被动元件涨价故事”。 更准确地说： MLCC正在从消费电子周期品的一部分，变成AI基础设施供电网络的一部分。 这也是为什么它值得重新研究。 AI产业链的利润池，不只在GPU、HBM、光模块。 当算力继续堆高，瓶颈会自然扩散到供电、散热、互联、存储这些底层物理环节。 而MLCC这一次站上的，正是“供电完整性”这个位置。 这才是这轮高端MLCC行情最值得重视的地方。

两个变量 周末闲聊，把前段时间想说又没得说的话补充一下。 首先关于段永平专访，他行事低调难得露脸说那么多话，很多网友就试图通过采访内容来学会投资秘籍，我想说没那么简单。 投资这件事和两个变量有决定性的关系，第一个变量是投资者的性格，比如有些人极度风险厌恶，有些人得失心很重，有些人严重情绪化，有些人抗压能力差，一挤就爆，这些都是天生的，后天通过训练可以少少纠正，但人和人之间的差异极大。 很多人的性格其实就不适合炒股，只是他们在撞到头破血流之前往往意识不到这一点。 第二个变量是投资者的财富规模，你的投资策略和你有多少钱是息息相关的。江湖上有句烂马路的话，穷人要拼命，富人要稳定，说的就是这个意思。很多人炒股的目的是变成有钱人，而段永平在刚刚开始炒股的时候就已经非常有钱，很多散户需要在生存和财务压力下做交易选择，这样的情况段永平是从来不需要面对的。 性格不一样，财富规模不一样，投资路径就很难去类比参考。如果只是想了解段永平对个股的看法，那他管理的基金持仓是公开的： 苹果60.4%，伯克希尔17.8%，拼多多7.7%，西方石油4.4%，阿里巴巴3.4%，谷歌3%，再往下就是一些可以忽略不计的mini仓。段永平的交易频率不高，你每个季度根据信息披露抄作业，差不多能做到80%跟踪。 但抄作业的人永远也做不成段永平，因为他现在在管的基金有150亿美元规模，他的持仓是基于这个量级资金的选择。如果他是个年薪10-20万的打工族，还在为买房买车养老婆孩子奋斗，我认为他很可能就不这么买了。 总之投资思考的逻辑可以向市场里的赢家学习，但具体的方向和路径，每个人最好根据自己的性格习惯和财富规模去个性化摸索，投资这事千人千面，按图索骥容易走进死胡同。 …… 还有很多读者问我这趟玩的怎么样？ 11月是浙江气候最好的月份，最近半个月杭州和台州的白天温度都在13-16度，加个薄外套就能在西湖和古城墙爽玩，爽歪。唯一需要注意的是浙江今年搞了中小学放秋假制度，旅游之前记得查公告错峰，别和人潮撞了。 我这次带老婆去灵隐寺还吐槽，这么有钱的寺庙还要收2道门票（景区票45元+灵隐寺门票30元），佛门圣地铜钱味道太重。结果今天就看到12月1日起灵隐寺改为免费开放，以后不再收费卖票。所以我两是最后一茬被割的韭菜，你们不着急的再等几天。 话说这次还发现一个细节，灵隐寺的牌匾是长者题的，癸未年，问了下ai是2003年，当时我还在杭州上学。 我以前写过杭州西湖和临海古城墙的游记，这里就不复述了，接下来重点讲讲去张家界的体验。 张家界是中国第一个国家森林公园，也是中国第一批申报的世界自然遗产，由此可见在官方看来张家界是中国最有特色，也是在世界上最拿得出手的自然景观。 它的特点就是以张家界命名的石柱峰群地貌，别说在中国，哪怕全球也很罕见。网上宣传的照片很多，我发几张我拍的，没滤镜，100%原图 可能有些读者看后第一反应是，就这？好像也没有很惊艳。 坦率讲我在现场的观感也觉得差点意思，我找了找网上张家界的景点宣传片，很快就发现了重要区别，就是宣传照里通常有云雾点缀，衬的石柱峰群仙气飘飘。我来的这两天没下雨，没有雨雾，景区能见度极好，所以就是照片里的样子 没有云雾也有好处，石柱峰看得更清楚，我多次惊叹于大自然的鬼斧神工。那么高、那么细的石柱，就像神仙搭的积木，一个个矗立在那里。 它们会倒吗？会的，但时间单位是百万年，大概500-2000万年后大部分的石柱都会被风化侵蚀、倒塌，但以人类短暂的一生去观察，它们几乎是纹丝不动的。 武陵源景区很大，极其费腿，我日均接近2万步，景区故意引导你从东面看，从南面看，从西面看，动辄就要走2-3公里的山路，但其实看的是同一组石柱峰的不同角度。 后来我发现，那些爬来爬去的观景台，都不如缆车里观景位置好，极近距离，相当于无人机视角，看爽了。我和老婆坐缆车下山看一遍，再从出口回到入口，上山再看一遍，反正淡季人少，就来回来回的看。 请欣赏我在缆车里拍的视频，窗户拉开，手伸出去拍的，风吹的我手都麻了，但为了给你们出片我忍了。 顺便的，关注一下视频号，以后有啥事还能在那里通知一下。 哦对了，张家界景区的外国人好多，肉眼可见的（欧美）就很多，肉眼看不出来的（韩国）的还有很多。我在中国玩的地方也不少了，含外率像张家界这么高的，印象里只有故宫和兵马俑。韩国人迷之喜欢张家界，据说孝敬老人的标杆就是带父母来张家界玩一趟，也不知道是谁给他们洗的脑 就聊这些吧，其实.....我觉得后面去的天门山更有特色，回头再分享。 舅酱。

1939年,剑桥大学一间教室里坐着三十个学生。 讲台上的人叫维特根斯坦。 台下第一排坐着一个二十七岁的年轻人,叫艾伦·图灵。 维特根斯坦那年五十岁。 他在讲数学的基础。 他说,数学家不过是在玩一种游戏。 游戏的规则是人定的。 规则之外,没有"真"和"假"。 图灵不同意。 他举手。 维特根斯坦说:"请讲。" 图灵说:"如果数学只是游戏,那么一座桥能不能架起来,也是游戏吗?" 维特根斯坦笑了一下。 "是的。" 图灵说:"如果工程师算错了,桥塌了,人死了。这不是游戏。" 维特根斯坦说:"那也只是说明——这个游戏的规则没有被严格地遵守。" 图灵说:"不。这说明数学不是游戏。数学是真的。" 维特根斯坦从讲台走到他面前。 "你认为'真'是什么?" 图灵说:"能让桥架起来的那种东西。" 维特根斯坦说:"桥架起来,是因为石头和钢的性质。和数学符号没有关系。" 图灵说:"那为什么我们能算出它?" 维特根斯坦说:"因为我们造了一套和石头钢铁恰好契合的游戏规则。但我们也可以造另一套不契合的。" 图灵沉默了几秒。 他说:"那为什么我们造的规则恰好和现实契合?" 维特根斯坦说:"这就是你应该问的问题。但这是一个哲学问题,不是数学问题。" 整间教室没有人说话。 那一年的对话被一个学生记下来。 后来出版成了《维特根斯坦关于数学基础的讲义》。 二十年后,维特根斯坦死了。 图灵也死了。 但他们那天没有解决的那个问题—— 数学为什么能描述世界—— 今天还在被追问。 诺贝尔物理学奖得主维格纳写过一篇文章。 题目叫《数学在自然科学中不合理的有效性》。 文章里说: 我们不知道为什么数字能描述世界。 我们用它了几百年。 它一次也没失败过。 图灵或许是对的。 数学是真的。 但他们都看见了一件相同的事—— 人类用自己脑子里的符号, 预言了星星的位置。 谁也不知道这件事为什么会发生。 谁也不敢说它一定不会停下来。