今日阅读

文章围绕“巴菲特手握 3973 亿美元现金”这个数字做了几组对比，帮助读者理解这笔现金到底有多大。文章先说明，伯克希尔在 2026 年一季报中的现金储备合计约 3973 亿美元，其中大部分是现金与短期国债。按当时汇率折算，约相当于 2.72 万亿元人民币。

接着，文章把这笔钱放进中国公募基金行业里比较：如果对比公募股票型基金，伯克希尔手上的现金大约相当于全行业股票基金规模的一半；如果把股票基金和混合基金合起来看，也仍然是一个非常可观的比例。作者借此强调，单看“现金”二字很容易低估它的体量，而巴菲特并不是“不会投资”，而是对资本配置保持极强的选择性。

文章还进一步对比了伯克希尔的总资产规模，指出其管理资产已接近中国全部股票型基金和混合型基金的总规模。作者认为，这足以说明巴菲特的价值投资并非过时，而是经过长期验证的成熟方法，值得投资者认真思考，而不是简单以“新世界不需要价值投资”来否定。

随后，文章把视角转向韩国股市。由于韩国股市在 2025 年至 2026 年经历了大幅上涨，许多投资者更倾向于追逐趋势和热点。作者则用韩国 2025 年全年 GDP 来比较伯克希尔的现金规模，指出这笔现金约相当于韩国 GDP 的五分之一以上。文章借此提醒读者：即便面对火热的牛市，巴菲特依然保持克制，不会因为市场情绪而轻易把巨额资金投入高估资产。

最后，文章的核心观点是：巴菲特之所以能长期成为伟大的投资大师，不在于“追热点”，而在于他对价值投资方法的坚定执行与公开分享。对真正的投资者来说，理解并吸收这种方法，比跟随短期市场情绪更重要。

文章摘要

这篇文章围绕 DeepSeek 的商业路径展开推演，核心观点是：DeepSeek 表面上似乎没有像其他模型厂商那样全力做编程订阅、多模态或语音视频应用，但这并不意味着它缺乏商业化方向；相反，作者认为它是在通过模型架构、推理优化与开源策略，推动一整套更宏大的 AI 硬件与算力生态。

文章首先从 KV Cache 的压缩与长上下文成本谈起，强调 DeepSeek 在减少显存压力方面的创新会显著降低长程推理和长上下文智能体的成本。作者认为，这类技术不仅能提升模型推理效率，还会间接扩大 SSD、NAND、LPDDR 等存储与内存组件的需求，因为更便宜、更小的缓存让“把数据转存到更低成本介质上”变得更可行。

接着，文章把这种技术路线放到更大的产业图景里解读：如果模型对 HBM 的依赖下降，那么中国本土的 NAND、LPDDR 供应链就有机会成为 AI 时代的重要受益者。作者认为，DeepSeek 的一系列选择并非单纯为了做应用层收入，而是在降低 AI 使用门槛的同时，推动一套可由中国本土硬件支撑的替代性生态。

文章还提到 DeepSeek 的一些研究方向，例如 MoE、MLA、mHC、CSA/HSA 等，认为这些创新共同指向一个目标：以更低的计算和通信成本提升模型能力，压缩推理开销，并让国产 GPU/ASIC 与网络芯片更“够用”，从而在现实产业中形成联动效应。

最后，作者将这一切总结为一盘“10 万亿美元大棋”：DeepSeek 的目标不只是单一模型产品的收入，而是借由开源、架构创新和推理优化，推动 AI 成本下降，进而带动存储、内存、芯片、封装、网络等上下游产业链的发展，并在中西方 AI 硬件竞争中形成新的力量平衡。

一图流：通胀只是开始的开始

近期，欧美主要经济体的长期国债收益率创下 2008 年大危机以来新高，意味着过去 40 年的利率下行周期大概率已经结束。文章借《买入银行股》中的一段分析，讨论接下来通胀与利率可能进入的“新周期”。

核心判断是：2022 年中期欧美出现的高通胀，很可能不是一轮短暂冲高，而更像是“开始阶段的开始”。作者认为背后有两重周期力量在共同作用。

第一重：世界潮流从效率优先转向公平优先

过去 40 年全球通胀走低，根本原因之一是全球化推动资源按效率最大化配置：

• 中国劳动力
• 巴西铁矿石
• 沙特石油
• 俄罗斯天然气
• 智利铜矿石

这些要素在全球范围自由流动，压低了成本，也压低了价格。但如今西方国家越来越在意工作岗位流失、贫富差距扩大等问题，开始从“做蛋糕”转向“分蛋糕”。

作者认为，这种从效率转向公平的趋势虽然缓慢，却非常坚决，会伤害全球经济潜在增速，并逐步抬升通胀中枢。文中还用银行救助与跨国资本的例子说明：当经济资源必须依附“母国”时，效率损失就可能成为不可避免的代价。

第二重：美国大循环可能从正向转向逆向

另一重力量是美国自身的大循环。作者认为，2008 年以来的美国大循环，可能已经处在从停止到逆转的过程中，只是被更短期的冲击暂时掩盖。

文章从三个角度解释美国仍然具备某种 TINA（“别无选择”）地位：

• 军事安全上，美国仍是西方世界的核心保障
• 政府执行力上，美国仍强于欧洲和日本
• 自然资源上，美国拥有页岩油气等优势

但作者强调，这些支撑美国 TINA 的理由，和过去十几年已经不同，因此不能据此推断美国大循环仍然稳固。更可能的情况是：更长周期的转向已经发生，只是短期冲击还在掩盖它。

文章想传达的结论

作者最终想说明的是，不同周期叠加时，不能用短期波动否定长期趋势。就像一天内气温可能下降，但月度趋势仍在上升一样，通胀与利率也可能处于更大周期的起点。

简而言之，文章的观点是：

• 低利率时代可能已经结束
• 欧美通胀中枢可能正在抬升
• 未来几十年的宏观环境，可能与过去 40 年明显不同

为什么总要谈兴趣

这篇文章的中心意思很明确：在稳定就业越来越稀缺、教育回报结构变化越来越快的背景下，兴趣不再只是“娱乐”或“放松”，而是决定一个人能否持续学习、持续适应的关键能力。

作者先从现实处境切入：不同年龄、不同家庭背景的人，对“吃苦”和“兴趣”的理解完全不同。对一些从小被教育“先苦后甜”的人来说，兴趣常常被误解为不努力、贪玩、甚至不务正业；但作者认为，这种看法忽略了时代已经变化。

1. 稳定就业正在变得更难

作者认为，未来十几年里，高校毕业生数量、无人化技术发展、以及基建地产的饱和，会让本科及以上学历人群获得“曾经那样稳定工作的机会”越来越少。

这意味着，过去那套“先苦读书，拿文凭，再换稳定岗位”的路径，未来未必还能成立。即使是 211、高学历、甚至更高学历，也不一定自动对应更好的就业结果。

2. 兴趣不是奢侈品，而是生存能力的一部分

在这种环境下，作者强调兴趣的价值不在于“让人轻松”，而在于它通常包含三层含义：

• 持续的好奇心
• 探索和钻研的精神
• 自驱式学习能力

也就是说，兴趣不是和努力对立的；相反，真正的兴趣往往会让人更愿意长期投入、更能扛住困难。

3. 只追求文凭，可能反而会丢掉更重要的东西

作者并不是否定学校教育，而是反对为了一个文凭，牺牲掉兴趣、好奇心和自我驱动能力的培养。

文中认为，校内成绩好的学生，往往更容易获得发展兴趣的时间；但成绩不太好的学生，反而更容易被迫放弃兴趣，久而久之形成马太效应。作者希望家长和学生都能意识到：

• 学校教育重要
• 文凭也重要
• 但兴趣与自驱力更不应该被轻易牺牲

4. “吃苦”本身不是目的

文章还反复强调，吃苦必须先问一句：这份苦有没有意义？

如果方向错了、方法错了，吃苦越多，人生可能越苦。作者主张的是一种更现实的教育观：在努力之前，先判断方向；在追求成绩之前，也要保留兴趣、探索和自我成长的空间。

5. 给父母和年轻人的提醒

对父母来说，重要的不是把孩子送进某个“看起来更卷”的环境就算尽责，而是要真正了解孩子的能力、潜力和兴趣，并在成长过程中提供支持。

对年轻人来说，兴趣可以变化，也不必从小就找到“终极人生使命”。更重要的是尽早培养：

• 好奇心
• 学习能力
• 自我完成任务的能力
• 面对变化时的适应力

总结

这篇文章其实是在说：当时代不再保证“努力—文凭—稳定工作”的线性回报时，兴趣就不只是爱好，而是一种长期生存与成长能力。

它决定的不只是“你喜欢什么”，更是“你能否持续学习、持续适应、持续行动”。

柏基AI研究议程

这篇文章围绕柏基投资（Baillie Gifford）2026年的人工智能研究议程展开，核心观点是：在 AI 快速扩张的时代，投资机会不只来自“AI 本身”，更来自 AI 带来的新稀缺性与旧稀缺性的转移。

文章先介绍柏基长期研究的特点：以 10 年为尺度思考，强调跨学科视角、长期主义与“非共识正确”，关注能带来指数级增长的变革型公司，而不是短期利润波动。作者指出，柏基很早就把 AI 作为重点研究方向，今年的研究议程再次把它放在最核心的位置。

文章主要观点

1. 技术革命会把稀缺性重新分配

在 AI 时代，这种变化主要体现在两个方面：

• 信息变得更丰富：生成式 AI 让内容生成、知识获取、软件编写等能力大幅普及。
• 能源与算力更稀缺：训练和运行大模型需要海量 GPU、存储、数据中心、电力与冷却能力，物理基础设施反而更重要。

2. AI 的核心稀缺性在基础设施

• GPU 与处理芯片：仍是训练和推理的核心，需求持续旺盛。
• 高带宽存储（HBM）：AI 对内存和带宽的要求会持续推高存储需求。
• 半导体设备与材料：复杂芯片制造需要少数关键供应商，产业集中度高。
• 数据中心与供电：即便能效提升，电力依然是大瓶颈，数据中心扩张会显著推高用电需求。

文章特别强调，AI 的大规模普及并不只是软件问题，而是数字世界和物理世界更深度耦合的问题。

3. 软件“稀缺性”可能被削弱

当 AI 代理能够自动构建、维护、调用很多系统时，部分软件产品的议价能力可能下降。过去靠“连接买卖双方”“提供工作流管理”形成壁垒的平台，也可能面临被 AI 重塑的风险。

不过，文章也指出，不是所有软件公司都会被替代。那些：

• 具备强数据安全与可信能力的公司，
• 能与物理世界深度结合的公司，
• 能主动利用 AI 重塑商业模式的公司，

4. 投资者要寻找“新的护城河”

• 信任与准确性：例如支付、安全、可信数据等领域。
• 物理优势：能与现实资产、供应链、物流、制造深度连接的企业。
• 适应性：能够快速把 AI 融入产品和收费方式的公司。

换句话说，AI 时代的赢家，不一定是最会“做 AI 的公司”，而可能是最能把 AI 嵌入自身稀缺资源与业务结构的公司。

我的理解

这篇文章的重点不在于预测某个具体公司涨跌，而是在提醒读者：

• AI 会让很多能力变得更便宜、更普及；
• 真正值钱的东西，可能转移到算力、能源、数据中心、供应链和可信基础设施；
• 投资框架要从“软件红利”转向“稀缺性在哪里”来思考。

整体来看，这是一个典型的柏基式视角：不追逐短期热点，而是从长期技术变迁里找结构性的瓶颈和赢家。

这篇文章围绕巴菲特对韩国市场的看法，讲了一个关于“规模、估值和市场沉寂”的投资故事。

作者先指出，中文世界里对巴菲特常有一种简化理解，尤其是把“价值投资”等同于“长期持有”。文章强调，巴菲特更重视的是长期视角，而不是机械地长期不交易；如果价格在较短时间内已经大幅偏离价值，交易本身并不违背价值投资。

接着，文章从巴菲特管理资金规模过大这一现实出发，解释了他为何主要投资美国市场。不是因为他只看美国，而是因为体量太大，很多海外市场容纳不了这么多资金。作者用伯克希尔的总资产和韩国 GDP 做对比，突出这种“想买也买不动”的限制。

文章的重点是巴菲特在 2006 年提到的一段话：如果自己钱很少，他会愿意把全部资金投向三年前的韩国市场。作者借此回溯到 2003 年的韩国股市，说明当时的 KOSPI200 已经多年低迷，估值偏低，资本回报几乎停滞，正是典型的“便宜到极致”的市场。

随后，文章梳理了韩国股市之后的走势：2003 年后指数大幅上涨，2007 年达到高点，金融危机后又反弹；但从 2010 年到 2024 年，韩国市场再次进入长达十余年的沉寂。直到 2025 年和 2026 年，KOSPI200 才又出现爆发式上涨。作者借这段历史说明，股市的低估值和长期停滞往往会相互转换，而投资者面对的核心问题，始终是“质量”和“估值”之间的权衡。

文章最后落到一个结论：资本市场里，沉寂往往孕育喧嚣，喧嚣也可能埋下下一轮沉寂的原因。对投资者而言，“性价比”才是必须反复琢磨的关键。

本文围绕美联储主席更替与特朗普政府的持续施压，讲述了美联储内部权力博弈如何从人事斗争演变成一场制度层面的拉锯战。

文章先交代背景：凯文·沃什被确认出任美联储新主席后，鲍威尔虽然主席任期届满，却利用自己尚未结束的理事任期继续留任，打破了近80年的惯例。这一举动被作者解读为对特朗普阵营的反制，也让美联储内部的分裂公开化。

接着，文章解释了美联储的制度设计：理事任期很长，总统虽然可以提名主席和理事，但不能因为政策分歧随意解雇他们。这种安排原本是为了让货币政策尽量脱离短期政治压力，避免政客为选举需要而操纵利率和通胀。

随后，作者梳理了特朗普对鲍威尔的“三线围剿”：一是以美联储总部翻修费用为由推动刑事调查，制造舆论污点；二是试图解雇拜登任命的理事，冲击美联储的独立性；三是持续施压逼鲍威尔提前离开，为自己安排更听话的接班人。文章认为，这套做法本质上是把司法、行政和政治工具混在一起，服务于对白宫可控货币政策的追求。

但这场施压并没有按特朗普设想推进，反而引发了参议院共和党建制派的反弹。汤姆·蒂利斯公开表示，只要针对鲍威尔的调查不结束，他就不会支持特朗普提名的新主席。由于参议院席位优势脆弱，这一反对票足以卡住提名流程，迫使白宫在撤案与推进任命之间做出选择。

文章的核心判断是：鲍威尔选择“死守”理事席位，不只是个人情绪反击，更是为了阻止特朗普阵营进一步控制美联储内部票数。若他主动离场，特朗普便可顺势补位，逐步改变理事会的力量结构。作者借此指出，美国中央银行“政治绝缘体”的制度外壳，正在被政治内耗和权力争夺持续侵蚀。

这篇文章围绕“异常值”展开，借莫尼什·帕伯莱的一次访谈，讨论巴菲特如何识别真正能改变命运的投资机会。

文中先回顾了伯克希尔·哈撒韦的发展历程：在 58 年里，真正“推动指针”的重大决策大约只有 12 个。虽然巴菲特做过成百上千次投资，但真正重塑公司命运的，往往只是极少数几笔。文章以苹果、日本商社等近年的投资为例，说明真正的高质量机会并不常见，但一旦出现，往往会带来极强的长期影响。

作者把投资比作“在石头底下翻找异常值”：大多数时候，人们找到的只是一些看起来便宜、但并不会显著改变结果的普通标的；真正值得下注的，是那些下行空间有限、上行空间却可能极大的少数机会。它们并不要求每天都出现，但需要投资人长期保持警觉，能在随机出现的好点子面前迅速识别。

文章还强调，华尔街常常把“风险”和“不确定性”混为一谈。某些公司虽然盈利路径难以预测，但如果投资者对其中一小部分案例拥有足够清晰的心智模型，能够判断其现金流下限和内在价值下限，就可能找到一种“低风险、高不确定性”的机会。这类标的往往会因为不确定性被市场低估，反而提供了更好的赔率。

整体来看，文章想传达的核心是：投资的关键不是频繁出手，而是耐心等待并识别少数真正重要的异常值。

这篇文章围绕 对数周期幂律模型（LPPL） 展开，讨论它为什么在金融市场中“看起来很强、用起来却很脆弱”，以及量化投研里该如何更谨慎地理解它。

核心内容

1. LPPL 的吸引力

2. 过参数化带来的万能拟合

• 在随机价格序列上，LPPL 也能拟合出“看起来很像”的曲线；
• 即使样本内拟合优度很高，也不代表临界时间真的存在；
• 参数空间中存在高度不稳定的方向，导致临界时间估计容易漂移。

换句话说，LPPL 往往能“解释”很多走势，但这不等于它真的“预测”到了什么。

3. 显著性的假象

• ADF 的理论临界值基于较简单的自回归假设；
• 金融数据往往存在小样本、非正态、结构断点等问题；
• LPPL 残差和真实市场噪声之间可能发生混叠。

因此，检验“看起来显著”，不代表模型真的抓住了市场中的临界结构。

4. 参数极不稳定

• 不同参数方向的敏感度差异很大；
• 微小扰动就可能让临界时间大幅跳变；
• 滚动拟合时，临界时间今天是 30 天后，明天可能变成 50 天后，后天又变了。

这意味着，任何基于“具体多少天后崩盘”的决策都非常危险，因为那个数字可能只是噪声驱动的产物。

5. 金融市场与物理临界现象不同

• 物理实验可以重复、控制条件、积累样本；
• 金融市场中的临界事件几乎不可重复；
• 资金、预期、制度和行为反馈会不断改变市场结构。

因此，把物理临界模型直接移植到金融市场，往往会面临“理论漂亮、实盘脆弱”的问题。

文章结论

• 稳健性检验
• 替代模型对照
• 样本外验证
• 参数漂移监控

我的理解

在量化交易里，越是能给出具体时间点、具体结论的模型，越需要检查它的稳定性、外推能力和假阳性风险。LPPL 的价值，更多在于帮助我们识别“市场可能处于加速和脆弱状态”，而不是精确押注某一天的崩盘。

这篇文章把 Supabase 描述成“vibe coding 时代默认后端”的代表产品，核心理由是它同时踩中了两个大趋势：一是 Postgres 已经成为 AI/agent 时代最自然的数据库心智模型，二是 coding agent 正在成为新的主流开发入口。文章认为，随着 Claude Code、Codex、Cursor、Windsurf 等工具普及，后端选型越来越不是人类开发者亲自拍板，而是由 agent 在生成代码时自动倾向于成熟、易用、可直接落地的服务，而 Supabase 正好位于这一交叉点上。

文章回顾了 Supabase 的产品定位：它从一开始就是围绕 Postgres 打包 Auth、Storage、Realtime、Edge Functions、Vector 等能力的一站式后端，早期卖点是“开源版 Firebase”和“更简单的一站式 Postgres”。在 AI 时代，这种定位被进一步放大，因为大量模型预训练语料都包含了 Postgres 的官方文档、Stack Overflow、GitHub 示例，导致 agent 在数据库选择上天然更偏向 Postgres；而 Supabase 又是这个生态里最容易直接开箱使用的实现之一。

文章特别强调 Supabase 的分发优势。它不仅被 Lovable、Bolt、Figma 等 vibe coding 平台作为默认后端集成，还逐渐成为各类 coding agent 的推荐后端。作者认为，这不是单纯靠商务合作，而是 Supabase 在社区声量、示例密度、文档完整度、品牌认知上都很强，agent 在“先生成一个能跑的系统”时往往会优先想到它。

在增长与商业化方面，文章给出了一组非常乐观的数据：Supabase 在 2024 年 GA 后进入快速增长，2025 年后又受益于 AI 编程工具爆发，累计用户数和 ARR 都明显上升。文章还提到公司正在推进大额融资，并把 Supabase 视为资本市场中最具代表性的 AI 编程基础设施公司之一。

更重要的是，文章判断 Supabase 的路线图已经从“让人类开发者更容易用 Postgres”转向“让 agent 拥有更强的 Postgres capability”。对应地，Supabase 近年的动作开始偏向底层能力改造：收购 OrioleDB、推进 Multigres、构建更适合 agent 工作流的产品形态，以及推出面向 agent 的轻量化方案，如 PGlite、BKND / Supabase Lite。作者认为，agent 时代里人类友好型 dashboard 的护城河会递减，但底层 capability、可扩展性和默认推荐地位会越来越重要。

文章还分析了 Supabase 的扩展性布局。它承认原生 Postgres 在高负载场景下会遇到写入吞吐、VACUUM 维护、表膨胀、单机容量等限制，因此 Supabase 正在通过 OrioleDB 和 Multigres 两条路径做突破：前者偏向改造存储引擎、降低维护成本；后者偏向把 Vitess 式的水平扩展能力移植到 Postgres 生态，同时尽量不破坏 Auth、Storage 等配套能力。这说明 Supabase 不只是“好用的托管数据库”，而是在试图成为下一代 AI 原生后端平台。

整体来看，这篇文章的观点很明确：Supabase 之所以值得关注，不是因为它只是一个数据库或 BaaS，而是因为它正站在“AI coding + Postgres 标准化 + agent 自动选型”三股力量的交汇点上。它既是 vibe coding 的默认后端，也是 agentic engineering 时代最可能继续吃到红利的基础设施公司之一。

这篇文章介绍了全球最神秘、也最赚钱的交易机构之一 Jane Street，重点解释它为什么能在 2025 年创下极高的交易利润，以及它的赚钱方式为何让普通投资者既依赖又不安。

文章首先梳理了 Jane Street 的背景：它成立于 1999 年，总部在纽约，规模只有约 3500 名员工，却凭借做市与量化交易在 2025 年实现了 390 亿美元级别的交易利润。它低调到几乎不公开接受采访，也没有典型华尔街公司的强层级结构，而是强调扁平化组织和极强的技术文化。

作者指出，Jane Street 的核心业务是做市商：在买卖双方之间提供报价、撮合成交，并通过极小的价差盈利。单笔利润微薄，但在超高频、超大规模的交易中会被放大成惊人的收益。其优势主要来自两点：一是早早切入 ETF 做市，建立了长期技术壁垒；二是依赖数学建模与速度，在多个市场之间寻找瞬时价格偏差并完成套利。

文章还强调，Jane Street 的招聘与华尔街传统金融机构很不一样，更看重数学、逻辑和概率思维，甚至会通过扑克等方式测试候选人的决策能力。它的内部文化也与交易逻辑高度一致：重视在不完整信息下做概率判断，而不是传统意义上的金融经验。

与此同时，文章也讨论了监管和争议。2008 年金融危机后，传统银行受监管限制退出部分自营与做市空间，Jane Street 趁机扩张；但随着它在印度、欧洲乃至中国等市场的影响力扩大，围绕“做市与操纵的边界”也出现了更多质疑。文章认为，Jane Street 的成功说明市场需要流动性，但其盈利模式本身也建立在信息和速度优势之上，因此天然带有争议。

最后，作者总结，Jane Street 不只是一个赚钱很强的交易机构，更像是一套把数学、技术、资本和组织方式结合到极致的市场机器。它既是现代金融效率的代表，也折射出当代市场中普通投资者、机构与监管之间越来越复杂的关系。

文章围绕一个历史假设展开：如果儒家主导的“家国同构”秩序失灵，佛教有没有可能在中国取代儒家，成为新的国家意识形态。

作者认为，佛教在中国历史上影响极深，尤其在魏晋南北朝到隋唐时期，曾经扩张到社会生活、思想文化与政治象征的多个层面，但它的核心关切仍是“解脱”而非“组织社会”。佛教可以安顿人心、解释苦难、塑造慈悲伦理，也能为王权提供神圣性，却很难直接承担税赋、兵役、基层治理、家族秩序和官僚行政这些国家运转所必需的功能。

文章提出，若儒家整合能力崩塌，最可能出现的不是一个完整的佛教国家，而是三种不同走向：

1. 宗教化的碎片秩序：寺院网络扩张，承担救济、超度、地方整合与精神安顿功能，但社会整体会变得更碎片化。
2. 政教合一的佛教王权：在强王权与制度改造条件具备时，佛教可能成为王权合法性资源，形成类似佛教护法王的国家形态，但条件极苛刻。
3. 新的世俗组织原则：从更长时段看，真正取代传统秩序的往往不是另一种宗教，而是现代民族国家、法律、学校、市场与政党等制度化组织原则。

文章进一步解释了为什么真实历史没有走向“佛教国家”，而是走向宋明理学：理学并未简单排斥佛教，而是吸收佛教的心性修养技术，把“明心见性”“去执”“内在觉悟”等资源重新安放回儒家的家国伦理中，使佛教的出世方向被改造为入世修身的工具。这样，佛教被消化为儒家的一部分，而不是成为国家底座。

最后，作者总结说，一种思想要成为国家意识形态，不能只看精神深度，还要看它能否组织社会。儒家的优势在于把家庭、教育、官僚、伦理和政治连成系统；佛教更擅长安顿心灵；现代性则提供了新的社会组织方式。文章借这个思想实验强调，文明之间真正的竞争，表面上是教义之争，深处其实是“谁能组织社会”的竞争。

这篇文章围绕“意识从何而来”展开，提出一个核心观点：意识并不是大脑“无所不能”时自然产生的结果，而恰恰诞生于认知资源的有限性。作者认为，正因为人脑无法把外部世界完整复制到内部，才必须通过选择、压缩、整合与建模，构造出一个带有个人偏好的“主观世界”。

文章首先强调，意识的起点是主观性。所谓主观性，不只是“每个人感觉不同”，而是每个主体都通过自己独特的方式体验世界。作者把这种主观体验理解为一种内部要素彼此约束、动态耦合的复杂系统：大脑并不是模块简单堆叠，而是在神经振荡、前馈—反馈回路、跨区域同步等机制中形成一个持续自洽的整体。只有这种“统一视角”存在，主体感才可能出现。

接着，文章提出更反直觉的判断：主观意识的根源不在于认知资源充足，而在于资源不足。因为资源有限，大脑必须做选择、分层、抽象和重构，不能无差别地处理一切输入；也正因为如此，系统才会形成内部模型、先验偏好和结构化解释。若一个系统真的能毫无成本地理解和处理全部信息，它反而不需要选择，也就难以形成我们熟悉的“意识体验”。

文章还进一步解释了为什么不同的人会有不同的主观体验。作者认为，差异不仅来自基因和环境，也来自大脑作为复杂系统的动态特性：微小的初始差异会被不断放大，不同个体会在相同输入下生成不同的内部模型。意识因此不是被动接收现实，而是在有限资源中主动建构一个“主观宫殿”。

在理论层面，文章把这一观点与整合信息理论（IIT）、全局工作空间理论（GNW）以及预测加工/生成模型等主流意识理论联系起来，认为这些理论虽然路径不同，但都强调了一个共同点：意识依赖于信息整合、动态耦合和主动建构，而不是单纯的信息堆积。

文章最后指出，现代社会的信息过载会进一步强化这种有限性困境：信息越多，主体越需要依靠模型和筛选来维持自我；而如果认知系统被技术彻底增强到接近“全知”，主体感反而可能减弱。作者因此总结，意识是有限性、复杂性与建构性共同作用的结果——它不是“全能”的副产品，而是在限制中闪耀出来的主观光芒。

这篇文章从“看不见的腾讯”切入，重点分析腾讯真正重要却常被忽略的一面：其庞大的投资组合，以及这张万亿级资产负债表如何重塑公司的长期战略。

文章指出，外界往往更关注腾讯的微信、游戏、广告等显性业务，但腾讯 2025 年报中的投资组合账面价值已接近万亿，在总资产中占比接近一半。对腾讯来说，投资不只是财务回报工具，更承担着战略防御、业务赋能和生态卡位等多重作用，是理解腾讯的关键维度之一。

作者将腾讯股权投资的演进分为三个阶段：

1. 2011—2018 年的移动互联网扩张期：腾讯通过流量与资本双轮驱动，重仓京东、美团、拼多多、富途等项目，既获得高额财务回报，也放大了微信支付等生态能力。
2. 2019—2023 年的收缩与兑现期：在反垄断和行业红利见顶背景下，腾讯开始减持部分非核心资产，转向更聚焦的投资策略。
3. 2024 年至今的 AI 与硬科技转向期：腾讯开始明显向大模型、算力、芯片、先进制造、创新药等方向倾斜，试图为下一代技术周期布局。

文章还通过多个案例说明腾讯投资的打法：它倾向于长期持有、深度协同、精选标的，而不是短期投机。无论是京东、美团、富途，还是燧原科技、智谱、MiniMax、摩尔线程等项目，腾讯都在用资本结合场景、云服务和生态资源，强化自身在产业链中的位置。对于一些项目，腾讯获得了极高回报；对于少数项目，也会出现浮亏，但整体成功率相当高。

最后，文章总结称，腾讯的投资版图更像是公司的“战略雷达”和“未来保险单”。在互联网红利逐渐见顶、AI 竞争重新加速的时代，这张看不见的投资清单，正在悄悄决定腾讯还能走多远、下一轮增长从哪里来。

这篇译文围绕一个核心观点展开：对 Claude Code 这类 AI 智能体来说，HTML 往往比 Markdown 更适合作为输出与交付格式。作者首先指出，Markdown 虽然简单、轻便、便于人工编辑，但当文档变长、信息变复杂后，它在呈现力、视觉层次和分享体验上都开始吃亏。相比之下，HTML 能更好地承载表格、CSS、SVG、脚本、交互控件和图像等丰富信息，因此更适合展示高密度内容。文章用多个角度解释 HTML 的优势：它更清晰易读，文档结构更容易通过标签、选项卡和视觉元素组织；它也更容易分享，因为浏览器天然支持渲染。此外，HTML 还能实现双向交互，例如通过滑块、按钮和参数调节让读者直接与内容互动，这对 AI 生成的报告、规格说明和分析页面尤其有用。作者还强调，Claude Code 之所以特别适合生成 HTML，是因为它能摄取大量上下文，并可结合文件系统、浏览器、Slack、Linear、Git 等外部信息源。文章整体观点很明确：如果文档已经不只是给人‘看’，而是要高密度展示、分享、交互和复用，那么 HTML 可能比 Markdown 更合适。