今日阅读

这篇文章围绕 GARCH 模型在量化风控中的局限展开，核心问题是：为什么很多时候模型在样本内表现正常，但一遇到剧烈波动，真实亏损仍会大幅超出预测？

文章首先从“波动率聚集”讲起：市场经常呈现大波动跟着大波动、平静跟着平静的特征，因此 ARCH/GARCH 这类条件异方差模型成为描述波动动态的重要工具。它们相比固定波动率模型更贴近现实，也因此长期被用于 VaR 估计和风险管理。但作者指出，GARCH 主要解决的是“波动随时间变化”的问题，并没有真正解决收益率的肥尾问题。即便把分布改成更厚尾的学生 t 分布，极端行情下的损失仍经常超出模型给出的风险边界。

接着文章把矛头对准“标准化残差”的隐含假设。理论上，标准化残差应该用真实波动率来除，但实际计算时只能用模型估计的波动率，这里面同时包含模型设定误差和参数估计误差。于是，当真实波动率快速上升或下降时，估计值往往滞后，导致标准化残差的分布被“污染”：在波动骤升时，普通下跌会被模型误判为极端事件；在波动骤降时，真正的风险又可能被低估成小波动。作者认为，这正是很多 VaR 回测失败的重要隐藏原因。

为了进一步刻画尾部风险，文章讨论了极值理论（EVT）的用法：先用 GARCH 过滤出标准化残差，再对尾部超额损失用广义帕累托分布（GPD）建模。然而，这套方法也有明显问题。首先是阈值怎么选：阈值太低会把非尾部样本混进来，太高又会让样本过少、估计不稳。其次，GPD 的形状参数在小样本滚动窗口里经常剧烈波动，难以判断究竟是尾巴变厚了，还是只是样本噪声。作者因此建议把极值理论更多当作稳健性检验，而不是唯一的精确答案。

文章随后讨论贝叶斯收缩。它可以把局部估计往长期均值上拉，降低参数抖动，但新的问题是先验怎么选、先验窗口多长、先验是否本身也是时变的。尤其在局部样本很短时，后验结果高度依赖人为设定，主观性并不比阈值选择更少。作者因此倾向于把贝叶斯收缩当作辅助检验，而不是最终结论，并建议与滚动历史分位数等更朴素的方法交叉验证。

在期权数据部分，文章引入了“波动率偏斜”这一视角。尾部风险升高时，价外看跌期权隐含波动率往往高于看涨期权，偏斜能反映市场对尾部风险的即时定价。但作者提醒，这个信号的回归关系很不稳定，日内噪声也很大，难以直接作为精确输入。更可行的方式是把它作为辅助预警：当偏斜超过历史高分位时，适当上调 ES 估计；若没有高质量期权数据，也可以用历史已实现波动率的偏度做交叉参考。

最后文章回到金融建模的根本限制：从巴舍利耶的正态随机漫步，到曼德勃罗的厚尾，再到 GARCH、极值理论和波动率微笑，模型一直在修正旧框架，却始终无法彻底预测极端状态。作者强调，所有基于历史数据的 VaR/ES 模型都有一个共同前提——历史会以某种连续方式重复。但当出现极端流动性枯竭或历史上未曾出现的新状态时，模型会整体失效。因此，除了统计模型，策略还应该设置一条不依赖回测证明的硬性风控线，确保在未知状态来临时仍能存活。

文章的落点也很明确：与其执着于寻找一个“终极更优”的风险模型，不如承认预测的边界，把更多精力放在准备与防守上。

这篇文章讲的是 Cherry Studio 创始人王新铭（Yinsen）的创业经历，以及他为什么不介意把自己定义成“套壳”创业者。文章的核心观点是：在大模型能力由底层算力、数据和生态决定的前提下，真正重要的并不是谁能“发明模型”，而是谁能把模型能力转化成普通人可用的真实生产力。

文章先介绍了 Yinsen 的背景：他 1990 年生于山东临沂，早年经历过邮局柜台、PPTV、喜马拉雅、字节、依图、黑鲨等多段职业路径，最终在 2024 年开始创业 Cherry Studio。Cherry Studio 一开始就是从“套壳”大模型出发，做一个把多家模型 API 接进来的 Chatbot / AI Workspace。作者强调，Yinsen 并不认为“套壳”是贬义词，相反，这代表了一种极强的产品化能力：当底层模型本身已经足够强时，真正创造价值的是如何把能力组织起来、让用户高效使用。

文章大量描写了 Cherry Studio 的创业细节：早期办公室在上海嘉定南翔，一个老厂房里几十平米的空间，租金很低，椅子不够还得拿露营椅凑数；团队里除了创始人和合伙人，还有一些研究生开发者，Yinsen 甚至会给他们报销模型订阅费和外卖费，以此提高迭代速度。团队最初的扩张也不是靠大规模销售，而是靠“超级个体”自传播——那些需要 AI 工具维持专业度和生产力的人，会成为自然的使用者和推广者。

文章还回顾了 Yinsen 的前职业经历，尤其是他在邮局工作的阶段。他原本可能会走一条更传统、更稳定的道路，但一部 2011 年买的小米手机改变了他：他在手机上安装各种应用、给开发者提建议，逐渐被互联网公司注意到，人生轨迹也随之转向。后来他在依图科技接触到上一代 AI，更清楚地看到那种以监控识别为核心的 AI 和当下“大模型 + 工具”方向的差别：前者偏管理和结构化，后者更接近解放生产力、让普通人变强。

文章也讨论了他对行业的判断。Yinsen 认为，Claude Code 的出现标志着 Agent 进入了“原生时代”，也说明原生工具与底层生态深度集成的重要性；同时他不太认同一些团队声称做出“比 Claude Code 更强 Agent”的说法，认为这是违背技术演进常识的幻觉。作者把这种态度总结为一种“弱者思维”的技术信仰：不去给 AI 架拐棍，而是做一个能随水位上涨的小木板，让工具本身成为生产力的一部分。

最后，文章把 Yinsen 归为那种“不太会讲给 VC 听，但很会讲给人听”的创始人。他的创业故事里有很多现实细节、职业转折和个人感受，形成了一种更像“to human”的叙事。整篇文章的结论很清楚：大模型时代真正值钱的，未必是模型本身，而是把模型能力产品化、工具化、生态化的那一层。

这篇文章用一个偏理论化的模型，讨论“什么行为创造财富”。作者先把财富分成两类：物质财富和金融财富，并强调金融财富本质上是对物质财富的索取权，因此金融财富必须建立在物质财富之上，不能脱离实体生产独立存在。

文章通过一个“买房—分拆索取权—交易定价”的极端模型来说明这一点。假设小红用贷款买下一套房子，这一行为本身并没有改变房子的物理属性，但房子被赋予了金融价值；如果再把这套房子的未来收益索取权切分成许多份，市场参与者不断交易这些凭证，那么房子的名义市值就可能在货币扩张与交易博弈中被不断抬高。作者想说明的是：房子的物质属性没有变，变化的是围绕它的索取权定价。

在这个基础上，文章进一步把同样的逻辑推广到企业：企业的价值，本质上也可以拆分成两个层面——一是企业实际创造物质财富的能力，比如制造汽车、芯片或其他产品的能力；二是这种创造能力对应的索取权在金融市场上的定价。前者由技术、组织和生产能力决定，后者则强烈依赖边际交易者的认知、预期和资金条件。换句话说，企业的“实际财富创造能力”和其“市值”并不完全同质，二者可以相互关联，但不能混为一谈。

作者最后给出两个结论：第一，生产行为本身会创造财富；第二，对物质财富索取权凭证的交易，有时也可能促进财富创造，因为它能帮助组织资源、扩张产能，但索取权凭证的价格不能简单等同于物质财富本身。文章还推导出一个更激进的推论：如果未来实体生产路径清晰、并且货币与信贷持续扩张，那么某些资产的名义价格就可能不断加零。整体上，这是一篇偏宏观思辨的文章，核心在于区分“真实财富”与“金融定价”，提醒读者不要把市值直接当成生产本身。

这篇文章是一篇围绕国信证券、金融工程团队与“瑞金证券”构想展开的回忆与访谈整理。作者以播客访谈为线索，讲述了国信证券金工团队从无到有、从被质疑到成为行业标杆的历程，也补全了其对国信企业文化与组织理念的观察。

文章开头先回顾了中国卖方研究的发展背景：在基本面研究已经成为主流的年代，金融工程仍是冷门领域。国信证券在较早时期就开始布局金工，2005 年葛新元以个人名义拿下新财富金工第一，随后在 2009 年重建金工研究团队，并迅速在 2010 年冲到新财富第一。作者通过董艺婷的回忆说明，当时金工卖方的处境并不轻松：路演对象少、买方不理解、很多人甚至会直接质疑“如果这个东西能用，那还要我干嘛”。但也正是这种“先被怀疑、后被接受”的过程，让金工逐渐展示出技术输出能力，比如定制指数、算法交易系统等，成为券商研究中少见的“技术供应商”式存在。

文章接着把视角转向国信的管理文化，重点落在胡继之身上。作者通过多位老员工的回忆，描写胡继之在招聘、路演、管理上的细节：他敢于用高薪招揽优秀分析师，把这视作公司形象与人才战略的广告；他在陪同路演时会提前到场、整理领带、做笔记、给分析师反馈，表现出对专业的尊重和对细节的重视。作者由此提出，一个券商的文化并不抽象，而是由一代代从业者对公司细节的共同记忆构成。

文章后半部分进入最重要的主题：瑞金证券的设想。作者提到，2020 年曾有关于胡继之筹建瑞金证券的报道，当时自己并不以为然，认为这个构想过于理想化，且与行业现实趋势不符。直到与董艺婷深入交流后，他才发现自己低估了这件事。董艺婷拿出了当年筹备团队保存的架构图与 PPT，介绍了瑞金证券背后的三个“遗憾”：一是优秀员工离开公司，没能成为更紧密的利益共同体；二是现有组织架构无法充分计量一个人跨前台、中台、后台的综合贡献；三是券商往往只服务了客户的某一个环节，而没有把客户视作完整主体去提供全方位金融服务。瑞金证券的设计，正是希望通过更扁平、合伙人化、轨道并行的组织形式，去弥补这些遗憾。

但作者最终仍然认为，瑞金证券几乎不可能在现实中落地。不是因为设计不够先进，而是因为董事会、合规、监管、组织惯性等现实障碍太大。它在理念上非常前瞻，但在当时乃至可预见的未来，都难以真正成形。尽管如此，作者并没有把这当作失败，而是将其理解为一种理想主义的尝试：旧模式终将走到尽头，而改变往往总是由理想主义者推动。

文章最后回到更广泛的行业与人生主题。作者认为，自己以后或许不会再继续写国信证券的历史，因为“瑞金证券”这条故事线已经足够补全他对国信文化的理解。更进一步，文章也借这一段券商史提醒读者：行业发展并不只由制度和趋势决定，同样由具体的人、具体的坚持、具体的记忆构成。国信证券的“文化”，就在这些细节里被一代代人传承下来。

这篇文章围绕彼得·蒂尔的“确定的乐观主义”展开，核心是在讨论人应该如何理解未来、如何安排自己的行动，以及“把每一天当作最后一天”与“把每一天当作永远”这两种时间观的区别。

文章先从乔布斯和彼得·蒂尔的两种说法切入。乔布斯强调把每天都当成生命中的最后一天来过，而蒂尔则反过来主张：应该把每一天都当作会永远持续下去来过。作者认为，这反映出蒂尔哲学中的核心概念——“确定的乐观主义”。在这个框架下，未来不是被动等待的结果，而是可以通过明确设计和长期执行主动塑造的对象。

文章进一步用一个“四象限”模型来解释人们对未来的态度：确定的乐观主义、 不确定的乐观主义、 确定的悲观主义、 不确定的悲观主义。作者解释说，蒂尔批判的主要对象是不确定的乐观主义，也就是“未来会更好，但我不知道怎么让它更好，所以保持灵活、分散、等待机会”的思维方式。在他看来，这种心态对应的是金融化时代：人们更习惯做资产重组、做多样化、做期权思维，而不是去真正创造新事物。

与之相对，确定的乐观主义则意味着相信未来会更好，并且相信自己知道如何让它变好。它强调的是“设计”而不是“运气”，强调长期工程、发明创造和高度聚焦。文章列举了阿波罗计划、州际公路系统、iPhone、火箭等例子，说明这种世界观下的人更倾向于 build，而不是 bet。蒂尔还反对过度分散和所谓的“多元化”，认为那只是无知的保护伞；如果你真的知道哪里有潜力，就应该 All-in，而不是东碰一点、西沾一点。

文章也提到蒂尔对“精益创业”的批评。蒂尔认为，过度依赖 MVP 和快速试错，反而说明创业者缺乏对未来的清晰信念；真正的确定性乐观主义者应该有更明确的愿景，并花时间把它扎实地实现出来，而不是被市场反馈牵着走。作者对此也做了补充说明：蒂尔强调的是一种积极的态度，但并不意味着抛弃概率和分析，而是要在明确目标之上使用工具。

最后，文章把这一切和“把每一天当作永远”联系起来，认为这其实是一种对长期主义的时间观表达：如果你相信未来仍然会持续，就不会把人生过成短期消费，而会更认真地设计自己的路径、项目和关系。整篇文章的结论是：真正的乐观不是盲目乐观，而是知道自己想去哪里，并愿意为那个未来持续投入。

这篇文章介绍了 UIUC 团队提出的 LangFlow，核心目标是让连续扩散模型在文本生成上真正接近甚至追平当前最强的离散扩散模型。作者认为，过去连续扩散在语言建模里一直“打不过”离散扩散，根本原因不只是模型结构本身，而是理论、实现和技巧三个层面都存在缺口。

首先是理论层面。文章指出，之前的连续扩散语言模型在训练、采样和评估之间并不自洽：训练目标常常与流场学习没有严格对齐，评估困惑度时又依赖较弱的随机下界，导致研究者甚至难以判断模型优化到底有没有变好。LangFlow 通过 Bregman 散度把离散 token 的交叉熵损失与连续流匹配统一起来，并进一步推导出基于 ODE 的负对数似然上界，使训练、采样和评估能够放在同一个理论框架中，从而解决“训练和采样两张皮”的问题。

其次是实现层面。过去的连续扩散在语言任务上常常直接照搬图像扩散的经验，使用均匀的时间噪声调度，但作者发现这在语言任务中效率极低：大量中低噪声区间几乎没有学习价值，模型很容易就能预测正确 token。LangFlow 因此改用对数噪信比（logNSR）作为条件变量，并提出信息均匀原则，让每一个训练步都尽量承载等量信息。作者还用 Gumbel 分布来设计可学习的噪声调度器，把原本浪费在低价值区间的算力重新分配到更关键的高信息区域。这个改动显著降低了生成困惑度。

第三是技巧层面。文章重点讨论了 self-conditioning 在连续扩散中的作用。此前很多研究延续了离散扩散的习惯：在评估 PPL 时关闭 self-conditioning，因为离散扩散里它常常存在“生成变好、似然变差”的权衡。但 LangFlow 通过实验发现，连续扩散中 self-conditioning 没有这种 trade-off，反而会同时提升生成质量和似然表现。因此它在训练中以一定概率开启 self-conditioning，并在评估和采样时全程启用，从而进一步压低 PPL 和 Gen.PPL。

实验结果上，LangFlow 在 130M 参数的设置下取得了很强的竞争力，在 LM1B 等基准上首次让连续扩散在核心指标上追平甚至超过了最强离散扩散模型。文章也提醒，当前结果仍有边界：模型规模还不大，长上下文和工业级场景是否成立仍待验证；而连续扩散是否真有离散模型无法替代的独特优势，也还没有被完全证明。

总体来看，这篇文章的结论很明确：LangFlow 让连续扩散在文本建模上第一次真正建立了统一、可比、可优化的理论与工程框架，说明连续扩散并非天然不适合语言任务，只是过去的方法还没把关键环节补齐。

这篇文章的主题是“与自己和解”。作者以 2019 年跨年为契机，回顾自己从年轻时的锋芒、执拗与理想主义，逐渐走向成熟、克制和自我接纳的过程。文章并不只是讲个人感悟，也借此梳理了“发现世界—改变世界—与自己和解”这三重人生境界。

核心观点

1. 人生可以分成三重境界

作者借王国维的“三重境界”与高晓松的说法，提出自己对人生的理解：

• 第一重：发现世界，追求“事实”
• 第二重：改变世界，追求“态度”
• 第三重：与自己和解，学会“放下”

他认为，年轻人往往停留在前两层，越到后来越会发现，第三重才是真正的成熟。

2. 成熟不是更强硬，而是更能接受不完美

文章反复强调，世界本来就不完美，人也一样不完美。真正成熟的人，不是非要把一切改造成自己想要的样子，而是承认自己的有限，接受自己的软弱与无知。

3. 见得越多，越能理解他人的局限

作者通过刘德华、马化腾、罗振宇、甚至普通人的生活习惯与认知差异，说明一个道理：你以为的“常识”，对别人可能根本不是常识。世界的真实面貌远比精英视角复杂得多。

4. “与自己和解”也意味着放下不切实际的宏愿

作者坦言，自己早年希望“带领亿万理财小白走向财务自由”，后来意识到这是妄念。人群分布、能力边界、社会现实都决定了，不可能靠一个人改变所有人的命运。对他来说，和解就是承认这一点。

5. 未来的重心是做自己真正擅长的事

2019 年他准备把工作重心收缩到少数几件事：写书、完善定投策略、做好会员服务、推进理财训练营，同时更多旅行，去看更真实的中国。他认为，这样才能持续接近“事实”，而不是沉迷于虚幻的自我想象。

总结

这是一篇很典型的年度自省文章。它讲的不是激烈的成功学，而是一个人在经历了表达、扩张、尝试改变世界之后，如何慢慢学会承认边界、接纳自己、并与现实和解。文章最后落在一句非常朴素的话上：与自己和解，接受不完美，才是最重要的人生智慧。

这篇文章围绕“与世界和解”展开，实际上讨论的是一个人如何在认识到世界并不完美之后，逐渐放下傲慢、愤怒与对抗，转向理解、宽容和接纳。

核心观点

1. 人生的第三重境界，是与世界和解

作者把人生理解为三个阶段：发现世界、改变世界、与自己和解；而“与自己和解”进一步延伸为“与世界和解”。文章认为，真正成熟的人，不再执着于世界必须符合自己的期待，而是承认世界本来就充满缺陷。

2. 不完美的世界，也值得被理解和善待

文章强调，世界的不完美并不意味着我们要冷漠或愤怒地否定它。相反，教育、成长和修养的意义之一，就是学会在知道世界有虚伪、丑陋和不堪的一面之后，仍然保持善意和宽容。

3. 许多“看不惯”，其实来自视野和经历的差异

作者借刘德华、马化腾等例子说明，一个人的社会地位、财富、认知未必决定其对他人的尊重；而当你看到的世界足够大时，会发现很多你以为的“常识”，对别人来说并不是常识，只是因为处境不同、经历不同。

4. 对世界的理解，会随着年龄和经验而改变

文中回顾自己年轻时血气方刚、愤世嫉俗、喜欢用嘲讽的方式看待他人；但随着年龄增长，越来越理解普通人的局限、无奈和不易，也越来越能接受很多过去不认同的事情。

5. 理财教育与社会现实的落差

文章还从理财、教育和中国社会的现实切入，指出很多人对基础知识、金融认知、消费习惯、地域差异都远比城市精英想象得复杂得多。作者借此说明：如果把自己的见识当成全世界的共识，就容易陷入傲慢。

6. 接纳，不等于放弃判断

作者并不是主张无原则地妥协，而是强调：在非原则性问题上，可以用更柔和、更变通的方式与世界相处。与世界和解，不是认输，而是承认现实、理解现实，并在此基础上继续前行。

总结

这篇文章是一篇带有明显人生感悟色彩的随笔。它真正想表达的不是“世界应该变成什么样”，而是“当世界没有变成你想要的样子时，你如何继续和它相处”。答案是：少一点傲慢，多一点理解；少一点愤怒，多一点宽容。

这是一篇超长的旅行榜单文章，作者用大量 AI 辅助检索与个人经验，整理出“全球最值得一看的 500 景点榜单”，并进一步筛出 100 强。文章的主线并不只是推荐景点，而是借旅行这件事讨论“如何理解世界、理解文明、理解人类历史”。

文章核心

1. 榜单的筛选标准

作者给景点设了三条标准：

• 知名度高，属于全球地标
• 独特性强，要么世界唯一，要么世界之最
• 中国优先，中国景点在同类中会获得更高权重

因此，这篇文章并不是严格意义上的“客观排名”，而是结合知名度、独特性、旅行体验和作者偏好形成的一份“私房榜单”。

2. 中国景点被大幅优先

文章用大量篇幅说明中国为什么能在榜单里占据很高比例：

• 历史连续，文化层次丰富
• 山川地貌类型多样
• 既有自然奇观，也有人文奇观
• 很多景点在世界范围内都具有独特性

作者特别强调北京、西藏、新疆、四川、陕西、云南、山西等地在中国旅游资源中的地位，也对一些常见热门地标做了取舍。

3. 世界范围内的文明中心：欧洲、亚洲、美洲、非洲各有代表

文章按地区和国家梳理了大量世界级地标，包括：

• 欧洲的教堂、广场、博物馆、古城、宫殿
• 亚洲的古文明遗址、宗教圣地、自然奇观
• 美洲的现代城市地标、古文明遗存和自然地貌
• 非洲的古国遗址、殖民与反殖民历史景观

作者并不是单纯列景点，而是在解释每个景点背后的文明脉络，比如埃及、伊朗、土耳其、意大利、美国、日本等国家为什么会有这么多高密度的地标。

4. 很多景点背后其实是文明史

文章最有意思的地方，是把景点和文明史直接连接起来：

• 埃及代表古代文明高峰，但近三千年逐渐式微
• 伊朗代表波斯文明的延续与多朝代兴衰
• 土耳其位于欧亚交汇处，是多种文明重叠的结果
• 以色列/耶路撒冷则是世界宗教冲突与交汇的中心
• 中国的故宫、石窟、古城、寺庙、博物馆，则体现了连续文明的积累

5. 文章不仅谈美景，也谈苦难与历史

榜单里不仅有“好看”的景点，也有很多纪念屠杀、战争、核灾难、集中营、纪念馆之类的地点。作者认为，旅行不应只看风景，也要理解人类历史中的暴力、伤痛和反思。

6. 旅行是手段，不是终点

文章最后回到作者自己的旅行观：

• 旅游是放松身心
• 旅行是带着目的去理解世界
• 看世界、学知识、见自己，才是更深层的意义

作者认为，真正的旅行不是打卡，而是通过行走去拓宽认知、减少偏见、理解文明、最终更接近自己。

总结

这篇文章本质上是一份“旅行榜单 + 文明史导览 + 个人世界观”的长文。它表面上在排全球最值得一看的景点，实际上是在借景点讲历史、讲地理、讲宗教、讲现代文明，也讲一个人如何在不断见识世界的过程中，慢慢理解世界、理解历史、理解自己。

这篇文章围绕凯文·沃什（Kevin Warsh）可能代表的美联储改革方向，讨论了一个更大的问题：美联储面对的已经不只是周期性波动，而是结构性环境变化。

核心观点

1. 这不是一场普通的听证会讨论

作者认为，围绕联储独立性、降息与否之类的问题，表面上很热闹，但真正重要的是：联储所处的宏观环境已经变了，不能再简单沿用过去几十年的框架来理解今天的问题。

2. 过去40年的低通胀环境，正在发生根本改变

文章把1980年代以来的全球化、新自由主义和金融自由化，看成一个共同塑造低通胀环境的历史阶段。中国等新兴市场加入全球供应链，提高供给、压低价格，形成了长期的“大缓和”时代。作者认为，这个基础正在松动。

3. 美联储的资产负债表扩张是一种路径依赖

作者重点讨论了 QE、资产负债表扩张和金融机构对宽松环境的依赖，认为联储在低通胀时代形成的工具惯性，到了供给不再充裕、供应链频繁受扰的年代，可能开始显得不合时宜。

4. 沃什的思路更偏向“结构性改革”

在作者看来，沃什并不只是一个传统鹰派，而是想借助科技进步、放松监管、缩减资产负债表等方式，对联储做结构性调整。这里既有周期判断，也有改革冲动：他想面对的是联储和经济更深层的风险，而不只是短期通胀数据。

5. AI 被视作可能的通胀缓冲变量

文章提到，沃什可能相信 AI 能带来生产率提升，从而在结构上压低通胀。作者本人对此保留，但认可把 AI 视为长期技术变量、而非短期政策噱头的思路。

6. 更大的背景是中美竞争与制度重构

文章最后把视角扩大到文明竞争：当世界进入高波动、强对抗阶段，不同国家都会从自身历史制度中寻找改革灵感。作者把美联储改革、中国财税改革等，放进一种更宏观的“结构性应对”框架中。

总结

这是一篇偏评论型的宏观文章，主旨不在于预测某一次利率决议，而在于强调：联储所面对的不是单纯的周期问题，而是全球化退潮、供给结构变化、技术进步和制度惯性共同造成的结构性挑战。文章对沃什的评价是：他至少看到了问题，并且想做结构性改变。

这篇文章提出了一个很有“脑洞感”的核心设想：如果货币计量总是会遇到物价、汇率、购买力平价等比较难题，那不如进一步跳出信用货币体系，尝试用“能量”作为更底层的计量单位。

文章主线

1. 制造业和科技为什么看起来“反 ROE”

作者先从资本回报率切入，认为制造业和科技扩张会带来一个悖论：产能变强、供给变多，对消费者是好事，但对资本回报率却未必是好事。因为当供给能力远超需求时，行业利润率会被摊薄，扩产不一定带来更高的资本回报。

2. 信用货币让“资本稀缺”变成了可调节变量

文章指出，历史上的贵金属货币受储量限制，资本天然稀缺，因此投资会集中到少数高利润行业；但现代信用货币不同，只要中央银行愿意，货币供给可以大幅扩张，资本不再是绝对稀缺资源。这使得很多现代产业的扩张路径和古典经济学时代已经很不一样。

3. GDP 和 PPP 仍然有比较失真问题

作者接着批评了用单一货币衡量 GDP 的方式，也提到 PPP 虽然更合理，但在采样、权重和细分项目上仍有很多不确定性。不同国家、不同地区的物价结构差异很大，单靠货币或统计指数，依然很难完全反映真实生产与消费能力。

4. 用“能量点”替代货币计价的脑洞

文章最核心的设想是：既然吃饭、交通、住房、制造过程，本质上都可以映射到能量消耗，那是不是可以把能量作为终极计量单位？比如用“度电”来衡量一个人一天的生存消耗、一辆车的行驶成本，甚至某些服务消费的交换价值。

作者认为，能量比信用货币、黄金更接近宇宙层面的“硬通货”，因为在星际航行等极端场景里，真正有价值的是可用能量，而不是账户余额或金属储备。

5. 进一步引出“电力人民币”设想

基于这个逻辑，作者延伸出一个更具体的想法：如果人民币和更底层、更可验证的电力供应挂钩，会不会增强国际接受度？也就是通过“你拿人民币，我就保证你能拿到某种形式的电力资源”来增加其底层可信度。

文章风格与结论

这篇文章的风格比较像一篇带有强烈个人色彩的经济学随笔，逻辑上并不是严格的学术论证，但讨论角度很跳脱，也很有启发性。它试图说明：

• 货币只是上层计量工具；
• 更底层的生产与消费，本质上可以归结到能量；
• 如果未来要寻找一种更通用、更稳定的价值锚，能源可能比传统货币更接近答案。

一句话概括：这是一篇把宏观经济、货币体系和能源哲学揉在一起的“超展开”文章。

这篇文章把近期中东局势、全球油价波动与中国新能源产业放在同一框架下讨论，核心观点是：外部世界越动荡，越能反衬中国在能源安全与产业布局上的“战略定力”。

主要观点

1. 伊朗事件与油价：冲击存在，但不至于伤筋动骨

文章先从油价入手，认为中东局势升级会带来全球油价上行，但中国的直接损失有限，更多是宏观层面的转移支付而不是系统性打击。作者强调，判断油价影响不能只看局部运输通道，而要放到全球原油市场和各国能源结构里看。

2. 能源自给能力比“储备天数”更重要

作者认为，评估抗风险能力时，结构比数字更关键。中国的一次能源自给率较高，煤炭、新能源、电气化产业链都提供了缓冲空间；相比之下，日韩虽然表面上储备天数更长，但自给率低、可腾挪空间小，真正的抗风险能力反而有限。

3. 新能源的价值不仅是成本效率，更是“发电不求人”

文章提出一个很重要的判断：新能源的战略价值长期被低估，其真正的核心不是单纯的微观成本，而是“发电不求人”。在作者看来，一旦新能源被赋予战略属性，原本只属于效率竞争的产业，就会上升为能源主权与安全竞争。

4. 中国新能源产业可能重塑全球能源格局

作者用“几年造一个沙特”的比喻，强调中国在光伏、风电等领域的扩张能力，认为新能源有潜力形成与旧能源世界分庭抗礼的新秩序。旧能源世界越动荡，新能源世界越受益，而中国在新能源链条中的地位会持续上升。

5. 从伊朗局势看全球“后危机时代”

文章进一步把视角拉高，认为当下世界仍处于2008年危机后的长尾阶段，表现为逆全球化、社会撕裂与区域冲突外溢。作者把东欧、中东视为全球“铁锈带”的延伸，认为这些地区的长期失衡是冲突频发的重要背景。

6. 中国的“阳谋”体现在能源、供给和硬科技三条线

文章最后把中国的长期策略概括为一种可被外界观察到的“阳谋”：

• 在能源上，通过新能源、管道、煤化工等多路径扩张供给；
• 在宏观上，通过供给侧调整、产业升级与经济安全建设增强冗余；
• 在科技上，持续推进硬科技和新质生产力。

作者认为，这些并非零散政策，而是一套围绕“经济安全”和“战略定力”展开的长期布局。

总结

这篇文章的写法很像一篇兼具时评、宏观分析和产业判断的长文。它的主线不是单纯讨论战争或油价，而是借伊朗局势说明：全球旧能源体系越不稳定，中国在新能源与产业安全上的布局就越显得有远见。整篇文章的结论可以概括为一句话：外部世界越躁动，越能验证中国的战略定力。

这篇长文提出了一个核心判断：互联网正在从“流量 1.0”进入“流量 2.0”时代，而这场变化的根本驱动力是 AI 智能体的普及。文章认为，过去互联网的价值逻辑建立在人的点击、停留和注意力之上；而未来的价值逻辑，则会转向智能体的行为、词元消耗和意图完成。

主要观点

1. 流量 1.0 的逻辑正在见顶

作者回顾了流量 1.0 的演变：从电信时代的装机量和通话时长，到 PC 时代的 PV/UV，再到移动时代的 DAU/MAU，以及算法时代的时长、留存和 LTV。文章认为，这套体系在用户规模、使用时长、获客成本和隐私监管上都已经接近极限，增长越来越依赖存量博弈，边际收益持续下降。

2. 流量 2.0 的本质是“智能体行为”而不是“人的行为”

文章最重要的概念转换是：流量的监测对象不再只是用户，而是智能体。未来的关键指标不再只是 PV、DAU、MAU，而是词元消耗、智能体调用量、意图完成率、智能体/用户比等。也就是说，用户可能只说一句话，但背后会触发多个智能体、API、工具链和支付动作，真正产生价值的是智能体完成任务的过程。

3. Token 将取代比特，成为新的流量基本单位

作者认为，AI 时代的基础计量单位是 Token，而不是传统互联网时代的点击、时长或比特。Token 代表的不只是算力消耗，更是智能体工作量和任务复杂度。随着模型价格下降、智能体数量增长，Token 消耗会像当年的移动流量一样，变成刚性支出和商业化入口。

4. AI 原生产品的打法与传统互联网完全不同

文章强调，AI 原生产品不再主要靠界面、漏斗和留存，而是靠对用户意图的理解与对智能体执行过程的编排。传统产品是“人适应机器”，AI 原生产品更像“驯服和组织智能体”。因此，产品能力、评估体系、上下文管理、记忆系统、工作流编排，都会成为新的护城河。

5. 新商业模式从“卖注意力”转向“卖意图完成”

文章把流量 2.0 的变现模式归纳为几类：

• 智能分级订阅 + Token 超额计费
• Agent-as-a-Service（AaaS）
• 意图即交易（Intent-as-Transaction）

也就是说，用户不再只是为软件使用权付费，而是为任务完成结果、生产力提升和智能体执行能力付费。

6. 不同互联网场景进入 2.0 的速度不同

作者将消费互联网场景分成几类：

• 最先升级：搜索、广告、办公
• 蓄力转型：电商、本地生活、医疗、金融、内容
• 时机未到：游戏、智能终端、政务、社交

其中搜索和办公最容易被 AI 重构，因为它们本身就接近信息处理和任务执行；而社交、游戏等领域则更受关系链、版权和产品形态限制。

7. 智能体网络会催生一批全新的基础设施和新入口

文章认为，2.0 不只是把旧场景 AI 化，还会诞生一批 1.0 时代不存在的新物种，例如：

• Skill 市场
• 智能体工作环境/沙盒
• 面向智能体的信息服务
• 智能体支付与身份安全
• 智能体记忆与上下文持久化
• 数字员工
• 智能体培训与能力定制

这些构成了流量 2.0 的原生入口，也构成了新的基础设施层。

8. 对平台、云厂商和 SaaS 的影响非常大

文章认为，云厂商将从“为人服务的云”变成“为智能体服务的云”；大型平台要同时做 1.0 的 AI 增强和 2.0 的原生产品；中小 SaaS 则会出现明显分化，只有那些掌握独特数据和流程知识的产品才能活下来并升级为技能包或智能体服务。

总结

这篇文章的核心结论是：互联网的下一个时代，不是简单地把 AI 加到旧产品上，而是整个流量、产品、商业模式和价值链都要围绕智能体重构。过去争的是人的注意力，未来争的是智能体的调用入口、任务执行能力和词元经济。文章把这场变化描述为一次范式升级：从“流量 1.0”走向“流量 2.0”。

这篇文章是一篇围绕“涌现”展开的长篇科普/演讲整理，核心是试图用复杂系统、信息论和因果分析来解释 AI“思考”背后的科学逻辑。

文章从“涌现”这个概念的直觉出发，先讨论了鸟群、蚁群、神经元网络、木星大红斑等现象，说明宏观层面的秩序并不是简单把微观个体相加得到的，而是在局部交互中“长出来”的。作者认为，理解生命、意识和 AI 时，涌现是一个很重要的视角，因为它能帮助我们从系统本身而不是某种神秘解释出发。

在 AI 部分，文章把“大模型能力突然出现”的现象和“涌现能力”联系起来。意思是：模型规模、数据量和训练强度增加时，某些能力并不是线性增长，而是在跨过某个阈值后突然出现。作者借用了“More is Different”的思想，认为这说明“整体大于部分之和”这句朴素说法虽然有道理，但还不够精确，真正重要的是要说清楚，到底是整体的什么属性，超出了部分属性的简单相加。

为了把涌现变得可度量，文章引入了信息论。比如把鸟群看成一个复杂系统，单个个体的状态可以用熵来描述，而多个个体之间的共享信息可以用互信息和总相关性来衡量。这样一来，就可以用比较严格的方式去量化“系统内部到底整合了多少关联”。文章强调，信息论给了涌现一把可以跨系统使用的“尺子”。

但作者也指出，仅靠信息和相关性还不够。因为有些系统看起来很整齐，却并不是涌现，比如提前编排好的机器人集群表演；而鸟群的协调则是没有中心控制、依靠局部交互自然形成的。要分辨这两类“整齐”，还必须把因果关系带进来。文章因此进一步讨论了“因果涌现”视角：真正的涌现，不只是宏观上看到秩序，还要看这种秩序是否是系统内部因果结构自然生成的。

文中还给出一些生活化例子，比如感冒、机器故障等，说明宏观事件背后的原因不一定能在微观层面一眼看清，但这并不意味着没有因果，只是因果可能需要借助更合适的层次和框架去识别。由此，文章逐步把“涌现”从一个模糊的哲学词，变成一个可以在信息、统计和因果框架下讨论的科学问题。

整体来看，这篇文章的主线是：AI 的“思考”并不是孤立现象，而是复杂系统中涌现的一种特殊表现。要理解它，不能只看模型参数和结果，还要看系统内部的相互作用、信息结构和因果组织方式。

这篇文章讨论 CTA 因子挖掘中最常见的一组方法论选择：到底更适合做时序因子，还是做截面因子。

文章先把两者的核心差异讲得很清楚：时序因子是拿品种自己的历史和自己比较，关注的是价格相对历史分布的位置，典型逻辑是趋势跟踪或均值回复；截面因子则是把同一时刻的不同品种放在一起比较，关注的是相对强弱，典型逻辑是多空对冲或横截面排序。

在收益来源上，文章认为两类因子依赖的市场结构不同。时序因子更依赖价格序列的自相关性，趋势行情越明显，越容易赚钱，但在震荡市里会不断被假信号消耗。截面因子更依赖品种之间的相对关系和分化程度，在波动率较低、品种间相关性较稳定时更容易发挥作用；一旦遇到系统性冲击或相关性突然升高，多空结构就可能失效，出现“两头受伤”的问题。

文章特别强调了波动率对两类策略的不同影响：时序因子往往是波动率的受益者，波动越大，趋势幅度越容易被放大；截面因子则更像波动率的空头，低波动、强分化更适合它，高波动、强相关则不利于它。作者据此引出一个很实用的判断：选择时序还是截面，本质上也是在判断自己对未来波动率环境的看法。

在应用层面，文章还讨论了频率问题。低频截面更依赖板块内部的逻辑一致性，比如黑色系、化工、农产品、有色等；而在更高频的层面，微观结构因素会让更广泛的品种池具备可比性。相对地，时序因子在频率变化上更像是参数周期的调整，逻辑框架本身没有那么大的范式切换。

最后，文章给出的结论不是“谁更强”，而是“谁更适合你的约束条件”。时序策略要接受收益不均匀、参数敏感和震荡磨损；截面策略要接受品种池局限、多空双杀和交易成本。作者认为，更重要的是理解每类策略的适用环境和边界，而不是试图寻找一个能包打天下的万能因子。

整体来看，这是一篇偏方法论和实战框架的文章，适合做 CTA 因子研究时作为选型参考：如果你更看重趋势、容忍波动和长等待，时序可能更合适；如果你更看重相对强弱、组合平滑和对冲结构，截面可能更合适。