油价狂涨与看跌BTC（更多被当成风险资产）其实是一个逻辑，随着伊朗小电驴在社媒上曝光的增加，外界对美国是否会陷入战争泥潭的担忧也在增加。 Trump在 3 月初表示军事行动将持续 4-5 周。到 2026 年 4 月初，如果伊朗政权未如预期般迅速瓦解，而国际油价持续维持在 110 美元以上，Trump可能会面临巨大的TACO压力。 高油价推高了通胀预期，使得美联储在制定利率政策时陷入两难——如果为了抗击通胀维持高利率，可能会进一步压制已经疲软的就业市场；如果为了刺激经济降息，则可能导致通胀失控。如果两者的结合搞出“滞胀”（Stagflation）来就更可怕了。 当然Crypto也与Trump家族利益息息相关，如果真的BTC去45000，他们家的币圈布局一样会受大损失。 我倾向于Trump会近期就找个合适的机会表达作战“圆满成功”，然后快速结束这场战争。

油价冲击+Warsh不救市，AI繁荣会终结吗? 没有人知道AI泡沫什么时候破。 但有一件事，几乎没有人在讨论。 一、有些数据值得我们关注 美国卡车司机去年初加柴油，3.55美元一加仑。 现在，5.60美元。 涨了56%。 这不是抽象的经济数据，这是每一辆卡车、每一条供应链、每一件网购商品背后，正在悄悄实实在在发生的事。 美国运输业全年燃料成本，从1550亿美元涨到了2500亿美元。 多出来的这950亿，会去哪里？ 波斯湾每天影响全球1750万桶油当量的供应。这条线一旦持续受压，卡车油费可能只是开始。 二、这次通胀，和你想的一样吗 货币型通胀是因为钱印多了，东西变贵，但经济还在转。 供应冲击型通胀：价格涨，同时产出跌，GDP就会被两头夹击。 经济学上叫stagflation——滞胀。上一次大规模发生，是1970年代石油危机。那一次，美股跌了将近50%，持续了将近十年。 如果这次是供应冲击，美联储会怎么做？ 三、Warsh，会和你期待的一样吗？ 过去十几年，市场养成了一个习惯： 一旦出事，美联储会救市 2008年救了2020年救了市场大跌，流动性就来了。 但下一任美联储主席候选人Kevin Warsh，被市场称为”稳健货币派”。他的逻辑：能源价格上涨是供应问题，不是需求问题。用放水对抗供应冲击，只会让通胀更烈。坚持正的真实利率，让市场自己消化。 这次，美联储还会来救吗？ 四、然后让我们来看看AI这个数字 2025年，美国企业投资增长里，AI和数据中心的资本支出占了82%。 剔除AI，真实的非住宅投资，其实在收缩。 英伟达的估值、微软的数据中心、OpenAI的融资逻辑——建立在同一个前提上： 钱，会一直便宜。 如果这个前提变了呢？ 五、三件事同时发生 油价在涨。供应链成本在积累。 美联储换人，新掌门人风格截然不同。 AI投资占企业增长82%，但剔除AI的真实经济在收缩。 单独拿出任何一件，都可以解释为”暂时性风险”。 三件叠在一起—— 会怎么样？ 六、1970年代，没有AI这个变量 上一次滞胀，最惨的是能源密集型产业和高估值成长股。 历史不会简单重复。 但往往会押韵。 你怎么看？

今天谈谈学术近亲繁殖。 十年前，我特别羡慕本硕博八年贯通的人。 那时候觉得，在一所学校从青涩呆到成熟，校园里每一棵树、每一栋教学楼都刻满回忆，甚至连食堂阿姨都认识你，是一件极其浪漫且幸福的事情。 看着国内很多高校推行的长周期培养项目，总觉得这种长情的陪伴代表着学术的极致深耕。 直到后来，本科到美国的学术体系里，才慢慢发现，本硕博都在同一个学校对于学术层面其实是一个极其明显的隐性扣分项。 现代科学作为一套全球化生态，有着它非常冷酷且底层的运行逻辑。 本硕博如果都在同一个系甚至同一个课题组，你大概率会完美继承导师的思维盲区、研究范式，甚至连说话的腔调都如出一辙。 科学的突破往往发生在不同知识领域的交叉碰撞边界，长期的近距离同质化，会把一个人的学术视野牢牢锁死在舒适区里。 你可能会问：苏姿丰不就是MIT本硕博吗？ 其实，学术界，尤其是高校教职招聘对学术血统纯正性的焦虑，很多时候是为了防止圈子固化和思想近视。 而工业界，像芯片研发这种极度看重工程落地与执行力的领域对出身的教条没那么敏感，它只认你能打出什么样的硬仗。 在北美学术圈层，招聘市场的硬性排他上的局限是存在。因为在顶尖大学的教职招聘中，名校普遍遵循避嫌和引血原则，即极少直接留用自己的博士毕业生。 委员会更看重你是否有过多重异质环境的生存能力（比如本科在A、博士在B、博后在C）。 如果简历从头到尾只有一个校名，往往会被默认缺乏跨圈层交流和独立开辟新阵地能力。 从系统论角度，科学研究本质上是一个抗拒熵增、追求信息持续输入的系统。 人类，天然喜欢低熵的熟悉感，本硕博留在原地确实省去了所有社会适应成本； 但我想，一个具有生命力的学者，必须不断把自己扔进未知的、充满异质性的外部环境中，去对抗思维的僵化。 一个人的知识来源、导师网络、评价体系、合作网络和研究范式长期来自同一个局部生态，是很危险的。 不过我之前跟同学聊，比如一个人本硕博都在 MIT，但期间： 本科做理论物理； 博士转 CS； 去 Stanford 做博后； 与欧洲实验室长期合作； 最后研究一个完全不同的问题； 他的学术基因可能比一个本科 A、硕博 B、但一直在同一个课题组的人更加多样。 反过来，一个人本科 A、博士 B、博后 C，但每一步都沿着同一个导师网络、同一个范式走，也未必真正实现了 intellectual diversification。 所以我会把学术近亲繁殖重新定义为知识与评价机制的局部闭环。 我不知道大家是否观察到现在的一种非常普遍的情况：所有人都非常聪明，但所有聪明人都在同一个坐标系里聪明。 这和之前谈非平衡系统时的思路非常接近。 我认为，一个局部系统如果没有足够的外部扰动，就会越来越接近自己的稳定吸引子。 这里，我也想引入我那位朋友的观点。 她认为近亲繁殖也并非全是坏事，因为科学进步同样需要高度连续性。 假设一个人本科四年换一次范式，硕士换一次，博士换一次，博后再换一次，所有东西都浅尝辄止。他的 entropy 很高，但未必有 deep work。 她的论据是，伟大的科学家往往需要在一个问题上连续投入十年、二十年。 所以学术成长其实存在一个很漂亮的张力，即局部深耕与外部扰动的动态结合。 没有深耕，只有漂泊，会没有理论积累。 没有扰动，只有深耕，容易形成范式锁定。 其实到这里，我觉得学术圈和演化系统很像：mutation 太低，stagnation；mutation 太高，无法积累。 判断一个系统是否有生命力，其实需要看它是否在稳定遗传与持续变异间维持动态平衡。 一个具有生命力的学者，必须不断把自己扔进未知的、充满异质性的外部环境中，去对抗思维的僵化。 或者，我会更进一步，把它理解成一种更一般的科学观： 优秀学者，要去主动寻找能够让自己暴露于认知误差的环境。 本科 → 硕士 → 博士 → 博后 → 教授 上面这个路径只是表象。 具有原创性的人，人生轨迹应该是： A领域 → B领域 → 某个偶然问题 → C领域 → 又回到A → 创造此前不存在的交叉点。 他的大脑里存在多个互相竞争的模型，而一个现象出现的时候，他不会只有一种解释框架。物理学家可能用动力系统看它；计算机科学家可能用算法复杂度看它；生物学家可能用演化看它；经济学家可能用激励机制看它。 而原创性经常就产生于这些模型在同一个人的脑子里发生碰撞的瞬间。 回到我最初的议题，关于本硕博在一个学校和学术近亲繁殖问题。 其实本硕博同校不好只是表象。 我要强调的是，科学需要积累，但科学家不能只继承。知识来源过于单一，以至于一个人逐渐失去了发现自己认知边界的能力的情况，是需要随时警惕的。 从这个意义上说，学术近亲繁殖，其实是一个知识系统的遗传多样性问题。