今日阅读

这篇文章讲的是美国交易商骑士资本（Knight Capital）在 2012 年 8 月 1 日发生的交易事故及其连锁后果。文章先从 CEO Thomas Joyce 接到纽交所异常成交电话写起：公司下单量突然飙升，订单数量和行为都极不正常，所有交易几乎都在高位买入、低位卖出，导致资金以极快速度亏损。

事故的核心原因出在交易系统 SMARS 里一个早已停用但没有彻底删除的功能模块 Power Peg。这个模块原本用于拆单和控制子订单执行量，后来被停用，但相关代码仍残留在系统中。2005 年时，骑士资本又把这段代码切回到了一个更早的版本，而这个版本缺少必要的追踪与停止机制，一旦触发就可能让子订单无限循环执行。这个隐患在系统中潜伏了多年，始终没有暴露。

转折点出现在 2012 年。纽交所推出零售流动性计划（RLP）后，骑士资本决定参与，但距离上线时间很紧。开发团队为了给 RLP 新增标记位，复用了原本废弃的 Power Peg 标记位，并试图通过新代码覆盖旧逻辑。然而在 7 月 27 日部署脚本执行时，出现了关键失误：脚本在某台服务器 SSH 连接失败后直接跳过，没有重新部署，也没有报警确认，最后却向外报告“部署成功”。结果，其中一台仍然运行旧版本代码的服务器在 8 月 1 日开盘后率先触发异常交易。

事故发生后，IT 团队在没有迅速定位根因的情况下，又将其余服务器切回旧代码，反而让旧版 Power Peg 在更多机器上被激活，造成更大规模的失控下单。短短 45 分钟内，骑士资本对大量股票执行了数百万次交易，成交量占到市场总量的巨大比例，持有了规模庞大的多空仓位，最终形成约数亿美元级别的巨额损失。文章也回顾了这场事故中本可避免灾难的多个节点：旧代码没有彻底清除、部署脚本存在跳过失败节点的缺陷、部署失败邮件无人处理、异常发生后缺少应急机制、以及在未查明原因前贸然全量回退等。

最后，文章提到 SEC 认定这些成交属于有效交易，无法撤销。骑士资本只能在市场中被动平仓，最终在极短时间内亏损严重，股价也随之暴跌，随后被竞争对手收购。整篇文章本质上是在讲一个典型的“技术债 + 部署失误 + 风控缺失”共同酿成的金融灾难案例。

这篇文章梳理了 2026 年伯克希尔股东大会的核心信息：巴菲特首次退居幕后，阿贝尔正式进入“压力测试”，伯克希尔也开始以更制度化的方式展示接班后的治理结构。

文章重点提到几件事：巴菲特看好阿贝尔的接班能力；伯克希尔仍坚持少数核心持仓和长期主义；对 AI 的态度是“有用才用”，不会为了 AI 而 AI；同时也强调了 AI 带来的网络安全风险和数据中心用电需求。

整体来看，这场股东大会传达出的信号是：伯克希尔会继续保持资本配置纪律、现金安全边际和人类判断优先的原则，只在能创造真实价值的地方谨慎使用 AI。

文章用“熵增”来解释帝国和文明的衰退：当一个系统长期依赖内部复杂化、利益固化和资源攫取，而不再通过外部扩张或技术创新获得新动能时，繁荣就会逐渐变成停滞。

作者借明朝、漕运、八旗、苏联和美国等案例说明：系统越庞大，维持成本越高，财富和权力越集中，内部冲突就越强，最终会进入周期性的衰落阶段。明末财政失衡、土地兼并、党争和军费压力，被用来类比今天美国的债务、贫富分化和政治极化。

整篇文章的核心判断是：理解历史周期的位置，才能看清货币、黄金、石油和大国竞争的走势。作者认为，开放和外部“负熵流”能延缓衰败，而封闭和内卷则会加速系统走向崩溃。

中国商务部对美国涉伊朗石油制裁发布阻断禁令，要求国内企业和机构不得承认、执行或遵守美方相关 SDN 制裁。文章把这件事解读为中国大陆首次对外国对中资企业制裁采取阻断措施，意味着中美在制裁与出口管制上的博弈进一步升级。

文章的观点很明确：出口管制和经济制裁本质上是实力较量，不是单纯的法律问题。美国过去对伊朗制裁之所以没有彻底掐断，部分是出于避免局势直接升级；而这次把更多中资石化企业纳入制裁名单，被作者视为打破默契、将矛盾推向更复杂的 G2 级别冲突。

文章进一步强调，中国的制造业、军工、AI 和法律界过去都在不同层面突破美国长臂管辖，但要让这些努力真正形成合力，金融系统也必须跟上。作者主张，未来需要形成一个非美元循环的“金融-实体”体系，才能更有效地保障自身安全与利益。

这篇文章围绕伯克希尔 2026 年股东大会总结了几个重点：阿贝尔正式接过更多公开职责，巴菲特继续强调长期持有、资本纪律和现金安全边际，伯克希尔则保持以少数核心持仓为锚的投资策略。

文章还强调了 AI 在伯克希尔的使用原则：只在真正创造价值的地方部署，不追求概念化跟风；同时也承认 AI 会带来网络安全风险，以及数据中心和电力需求带来的新增长机会。

总体来说，这篇文章表达的是一种很典型的伯克希尔风格：审慎、克制、重视人类判断，接受技术变化，但不为技术本身而改变基本原则。

本文介绍了 DeepSeek 被撤下的一篇多模态新论文《Thinking with Visual Primitives》。文章的核心观点是：当前多模态大模型面临的不只是“看不清”，还包括“引用鸿沟”——即模型即使识别出了图像内容，也很难在推理过程中稳定、精确地指向图中的具体对象。

作者把问题拆成两个层面：一是感知鸿沟（Perception Gap），即模型看图分辨细节的能力；二是引用鸿沟（Reference Gap），即模型在思考时能否准确把注意力锚定到图中的某个点或区域。前者过去两年主要靠高分辨率、裁切、分块等方式改进，但后者更像是视觉推理真正卡住的地方。

DeepSeek 的思路很朴素：给模型“装一根手指”。具体来说，就是让模型在推理过程中输出点和框等空间坐标，把它们当作认知锚点，模拟人类“边指边想”的方式。文章用“数手指”作类比，说明当目标很多、空间关系复杂时，仅靠语言描述很容易丢失上下文，而点选/框选可以让推理更稳定。

文章认为，这篇论文之所以引人关注，不只是因为它提出了一个可能有效的新路径，也因为它暗示多模态模型的下一阶段竞争，未必只是更清晰地“看见”，而是能否更准确地“指认”与“定位”。

本文介绍了五一国际劳动节的由来，重点说明这一节日与工人运动、争取八小时工作制等历史背景有关。文章梳理了劳动节从国际工人斗争逐步演变为世界许多国家共同纪念的节日的过程，强调它并不只是一个普通假期，更是对劳动者权益、劳动价值和社会进步的纪念。

文章还提到，不同国家和地区庆祝劳动节的方式与时间细节可能略有差异，但其核心精神一致：向辛勤工作的普通劳动者致敬，并提醒人们关注劳动条件、劳动保护与公平待遇。

本文整理了桥水基金创始人达利欧的最新观点，围绕美股新高、地缘冲突、美联储政策以及人工智能的影响展开。文章核心在于：当前市场表面繁荣，但背后同时受到高估值、宏观政策不确定性和地缘政治风险的共同影响。

在美股方面，达利欧强调高位市场并不等于低风险，投资者需要警惕估值偏高与情绪过热带来的波动；在货币政策方面，美联储的利率路径仍是影响市场的重要变量，降息预期、通胀走势与经济韧性彼此牵制。

文章还提到地缘冲突对全球资产定价和供应链的扰动，以及人工智能对生产率、产业结构和资本市场的长期重塑作用。整体来看，这是一篇从宏观与资产配置角度解读当前市场环境的评论，强调在不确定性上升时要保持分散和谨慎。

这篇访谈围绕 Karpathy 对 AI 编程范式变化的判断展开。

他认为自己在 2025 年底明显进入了“Vibe Coding”状态：让模型持续生成、修改、调试代码，自己很少再逐行纠错。

更重要的是他把 LLM 看成 Software 3.0：真正的编程不只是在代码里，而是在 prompt、context window、工具调用和外部环境之间组织给模型执行的上下文程序。

他用 MenuGen 说明一个典型变化：很多原本需要多步骤 App 才能完成的任务，可能会被模型原生能力直接吞掉，旧式中间层不一定还有存在价值。

在能力边界上，Karpathy 强调 LLM 是“锯齿状智能”：它可以重构大规模代码、做出高难度推理，也可能在非常基础的常识题上出错。

因此，Agentic Engineering 的重点不是盲目外包思考，而是理解系统结构、把控质量、安全和责任边界，并学会正确指挥 Agent。

他对未来的想象是：神经网络可能逐步成为主进程，传统 CPU/软件成为协处理器，产品形态会围绕模型的理解和生成能力重新组织。

这篇文章记录了作者连续刷了几天红果短剧后的直观感受。

核心结论是：红果短剧的产品体验和内容分发逻辑，和常见长视频平台不太一样，短剧并不是单纯“更短的剧”，而是一种更强刺激、强钩子、强转化的内容形态。

文章从剧情节奏、题材偏好、推荐机制和用户停留等角度，分析了红果短剧为什么容易让人停不下来。

它背后体现的是平台对用户注意力的高效捕获：开场密集冲突、不断抛钩子、快速反馈，让观看过程更接近“连续刷刺激点”而不是传统追剧。

作者的观察也隐含一个判断：短剧已经形成一套相对成熟的内容工业和商业模型，值得作为一个独立赛道来看，而不是把它简单等同于影视内容的缩水版。

这篇文章围绕彼得·沃德的“稀有地球”观点展开，核心议题是：复杂生命为什么如此罕见，而多样性又如何帮助生命规避灭绝。文章先从寒武纪爆发切入，指出动物在极短时间内突然出现大量新的形体构型，这与“缓慢渐变”的传统印象并不一致，也让达尔文式演化面临化石记录上的难题。

随后，文章把“集群灭绝”作为理解生命演化的关键变量来讨论。作者强调，地球历史上多次大灭绝事件会重置生态系统，让旧有优势类群退场，为新类群腾出空间；但从更宏观的角度看，灭绝总体上对生物多样性是净损失，而不是天然的进步机制。尤其在寒武纪这类复杂生命刚起步的阶段，环境条件的微小变化都可能造成整个类型或“门”的消失。

文章的一个重要结论是：复杂性本身会增加脆弱性。简单生物往往能更长久地存活，细菌和古菌几乎不需要显著改变形体就能适应环境；相对而言，复杂后生动物的演化寿命更短，灭绝风险更高。作者据此认为，生物要对抗灭绝，关键不在于不断变复杂，而在于提高多样性——也就是在一个高等分类群内部发展出足够多的物种和形体储备。

文章最后把这一逻辑归结为一句话：多样性是对抗灭绝的最好方法。一个类群如果拥有足够多的物种，即使局部遭遇灾难，也更有可能凭借少数幸存者重新扩散、恢复生态位。换句话说，生命不是靠单一“最强者”赢得未来，而是靠广泛而分散的多样化储备，来穿越一次次随机而残酷的环境冲击。

文章从美伊冲突引发的市场噪音切入，讨论在高不确定性环境下，投资人最稀缺的能力并不是获取更多信息，而是“心理降噪”。作者指出，当地缘政治、油价波动和客户情绪同时涌来时，投资管理人往往会把恐惧、焦虑和自我防御误当成判断本身，真正需要处理的是心理噪音压过了判断力的问题。

为说明这一点，文章回顾了精神分析学家亚伦·斯特恩进入老虎基金的故事。斯特恩把心理学和临床观察带进对冲基金，不只是帮助投资人管理情绪，更重要的是识别“用感受替代现实判断”的防御机制。朱利安·罗伯逊请他设计选人体系，最终形成了一套长达 450 题的测评，重点不是智商，而是外向的竞争性、通才能力，以及在压力下仍能与现实保持连接的能力。

文章还通过老虎基金的兴衰说明，正确的宏观判断并不总能转化为结果：罗伯逊对科技泡沫的判断大体正确，但管理规模仍在委托人赎回中急剧缩水，最终基金关闭。这个案例强调，职业投资人的难点不只是看对市场，还要承受客户的焦虑，并避免把“如何向客户交代”当成决策依据。

最后，作者把斯特恩的方法总结成三问：我感受到的是现实还是恐惧？噪音下真正改变了什么？我是在为市场还是为委托人的情绪做决定？文章认为，心理降噪不是一次性的危机应对，而是一种长期训练——知道什么时候是市场在说话，什么时候是自己在喊叫。对于职业投资管理人来说，这种清醒比更复杂的模型或更多的信息更重要。

文章围绕 Nick Maggiulli 的《财富阶梯》展开，用“净资产”而非“收入”来理解财富层级，并将家庭财富划分为六层：从不足 1 万美元到 1 亿美元以上。作者指出，财富增长并不是线性爬升，而是十倍十倍地跨越，不同层级对应的生活自由度也不同：第二层接近“超市自由”，第三层接近“餐厅自由”，第四层接近“旅行自由”。

文章的核心观点是第四层存在一个“无人之地”：净资产在 100 万到 1000 万美元之间的家庭，20 年后仍有 64% 停留在这一层。原因并不只是运气不好，而是时间窗口不足、资产类型断层以及激励结构翻转。到第四层之后，继续用高风险进攻策略不一定划算，因为一次大亏损可能再也没有足够时间弥补。

作者进一步强调，不同财富层级需要不同策略：第二层的重点不是研究投资，而是提升能被市场付费的技能；第三层要依靠持续买入多元化生息资产，让复利真正起作用；到了第四层，则要从进攻切换到防守，更多考虑分散、税务与风险控制。文章还提出“0.01% 法则”，把消费和净资产的日回报对应起来，让人可以在合适的层级上安心花钱。

文章后半部分将这一框架放到中国语境里讨论，指出中国家庭资产高度依赖房产，流动性差、再投资能力弱，因此“无人之地”可能更早出现。许多看似体面的中产家庭，可能因为学区房、面子房和高月供而压缩现金流，导致净资产增长停滞。真正拉开差距的，不是单纯的收入高低，而是收入增长能否持续快于支出增长。

最后，作者认为停在第四层并不一定是失败，对大多数人来说这反而是数学规律下最合理的落点。比起执着于继续向上，成熟的财务规划更重要的是回答“我可能要为谁、为什么、支付多少”这个问题，并在新的时代里重新分配时间、能力和注意力。

这篇文章把当前 AI 竞争描述成一场“看不见终点的蒙眼狂奔”。作者认为，真正困扰人的不是 AI 能力本身有多强，而是整个社会、公司、个人和投资人都被卷入一个开放终局的囚徒困境：任何单个主体都很难停下来，因为一旦停下就可能被别人超越。

文章指出，AI 竞争已经从“工具增效”进入“生产函数替代”和“组织结构重写”的阶段。很多团队表面上做了更多功能、烧了更多 token、用了更多 agent，但并没有同步带来营收、PMF 或真正的商业兑现，这说明 token 消耗并不等于生产力落地。

作者进一步提出，今天的焦虑并不是普通的进步焦虑，而是基因层面的不确定性焦虑。人类面对食物、猛兽、部落等风险时，风险边界是清晰的；而 AI 时代的风险是世界模型本身不稳定，技能半衰期变短，努力的回报路径也变得不再可靠。

文章把这种局面拆成多层囚徒困境：公司担心不 AI-native 会死，员工担心不学 AI 会被替代，投资人担心错过下一轮范式，国家担心在竞争中落后。于是大家都在不断加速，但这种加速更多是恐惧驱动，而不是明确的理性乐观。

在员工视角里，最残酷的悖论是：为了避免被替代，人必须用 AI 提升自己；但提升自己的过程，又会把经验显性化、模板化，反过来加速岗位压缩。过去“努力—积累—升值”的稳定逻辑正在变成“学习—被吸收—再学习”的循环。

文章也批评了资本市场的失锚：不投 AI 怕错过，乱投 AI 也可能踩空，于是估值框架、风险偏好和行业叙事都被焦虑牵引。作者认为，当前的虚无感并不只是情绪问题，而是一个重要的社会信号，意味着 AI 叙事正在从惊叹和追赶，走向焦虑、反噬和制度重构。

最后，文章强调真正的解法不是跑得更快，而是重新建立控制感。与其试图消灭不确定性，不如构建一个能够持续更新的世界模型，把状态识别、证据更新、反证机制和行动路由系统化。未来真正稀缺的，不是会不会用工具，而是在持续变化中仍能保持判断、节奏和主体性的精神结构。

这篇文章围绕塞斯·卡拉曼（Seth Klarman）的投资思想展开，核心主题是：在投资里，真正有价值的不是所谓的“确定性”，而是不确定性被市场充分折价之后留下的安全边际。作者借 2008 年金融危机和 2009 年卡拉曼的年度信件说明，当市场极度恐慌时，最重要的不是预测底部，而是区分“基本面真实恶化”和“恐慌性过度反应”这两种下跌。

文章认为，很多投资者在市场大跌时会本能地等待“确定性”，希望看到经济好转、政策见效、情绪恢复之后再出手，但这种做法往往意味着错过最肥美的一段反弹。底部通常不是在所有人都确认底部时出现的，而是在最悲观、最混乱、成交最稀薄的时候悄悄形成。作者用 2020 年全球疫情后的 V 型反转、2024 年初 A 股的流动性冲击等例子说明，真正的机会常常出现在大家最不敢下手的时候。

文章还强调，投资者能控制的东西其实很少，市场走势、宏观周期、政策变化都无法掌控，唯一能控制的是自己的投资哲学、流程和纪律。卡拉曼把投资比作奥运比赛：顶级运动员不会在场上临时思考金牌，而是专注把训练好的动作做对。对应到投资上，就是要守住流程，不被短期排名、情绪和市场噪音带偏。

作者进一步批评了“确定性幻觉”：当市场对某类资产过度追捧、把确定性价格化到极致时，安全边际已经被压缩殆尽。文章用 2020—2021 年 A 股核心资产抱团、2021 年互联网龙头高估值，以及 2022 年之后的暴跌作为例子，说明“最确定”的东西往往也是最贵的，最容易在情绪反转后遭遇最剧烈的回撤。

最后，文章回到价值投资的原点：市场先生只是交易对手，不是导师；股票本质上是企业部分所有权，而不是屏幕上的涨跌数字。作者把卡拉曼的观点总结为一种非常反直觉但有效的投资原则：不是因为确定才买，而是因为承认不确定、因此要求足够的安全边际，才更可能在长期里获得更好的结果。