王川个体破局篇
范式转移
范式，可以理解为⼀类抽象模型。范式转移，就是抽象模型的⼤变迁。
(存疑，抽象模型是什么？)
1️⃣
“范式”是英文 paradigm 的翻译，也许翻成“思维框架”更好理解。人世间范式不同者的鸡同鸭讲是常态，多数人只理解一两种幼年时被教条化灌输的范式，两个范式不同的人吵翻天完全是浪费时间，包容解读不同的范式可能挖掘出巨大机会.
遇到新技术带来的 paradigm shift ( 范式/思维模式转移）时，为什么很多个人和公司，无法迅速改变，跟上形势？即使真的想下决心去改变，为什么最后还是白忙一场，两手空空？
（值得深思，是不是信息狭隘？有一个亲身的例子，2011高中的时候，当身边人都知道iPhone、安卓的时候，我们和身边所有人为什么没有选择义无反顾加入？没有跟上？）
2️⃣
即使是货真价实的范式转移，在早期也会有各种各样的技术缺陷，让普通的观察者不屑一顾.
1992 年在互联网的牛屎铺 (Newsgroup) 里下载一个几十 KB 的美女图有时也要几分钟，还有各种转码指令的复杂操作，即使是计算机专业的学生也要花很大力气才能搞定。但是 95年浏览器开始慢慢普及, 网速提高后，成人杂志和影视行业首当其冲受到打击.
2007年 iphone 出来的时候，大多数人是不太看好的。价格太贵，屏幕太小，没有键盘，没有什么特别必不可少的应用，总之是除了果粉以外大部分吃瓜群众是完全无动于衷的。这个要到 2010年以后才慢慢的量变发生质变.
（对应今天，区块链技术的crypto开始质变了。钱包难用吗？私钥难记吗？AI还在不理解你，胡编乱造是吗？）
3️⃣
范式转移, 往往意味着完全不同的商业模式, 因为整个时间空间内的玩家，和他们彼此之间的关系全都彻底变了。但大部分人思考的惯性，是拿以前的模式去套用，因而始终不得要领.
微软坐大之前，IBM 没有意识到商业价值早已迁移到软件应用层,而轻易放弃了软件平台的话语权.
（回头想想这是比特驱动的信息平台，极其低成本的就能接触，凡是能极低成本完成某些流程的事物都值得想想为什么，AI还没有完成低成本的获取这一要素，智能摩尔定律继续会发挥作用。智能合约完成的就是这样的一件极其成本优化流程金融价值传递这件事。）
4️⃣
成功的商业模式不是事先计划预测好的，而是摸着石头过河摸出来的。有方法论指导更好，有时就是靠运气。 Evolution is smarter than you. 生物进化的结果比人更聪明.
亚马逊一个原来卖书的公司，从自身建网站的需求中发现了云计算的重要性，反而超越 IT 公司，搞出一个千亿市值的新业务.
（确实，个体要保持尊重，并且明白范式转移这件事，我相信市场充分留给一些耐心者进入的窗口。重要的是你可千万不要不愿意update啊）
5️⃣
作为旁观的投资者，要真正理解这些变化，里面复杂矛盾的逻辑, 需要主动的补充很多新知识，实际体会应用场景，多个角度反复观察. 这需要花功夫，没有捷径，但这是正道. 走通后，长期看是事半功倍，甚至一本万利.
为什么？因为你看到了大多数人在传统思维框架 （范式）内没有看到，无法理解的东西.
6️⃣
阻碍人客观认识新事物的最大障碍之一，是媒体的本能的负面偏见. 为吸引眼球，媒体选择性报道负面消息的篇幅远远大于正面报道，对新生事物尤其如此.
iphone 出来后，媒体开始是嘲笑果粉脑残，然后是攻击手机信号不好，继而又渲染因为iphone 带来的抢劫/谋财害命的孤立事件.
每次特斯拉着火，出车祸，特黑们像打了鸡血一样开心，而没有客观的和别的汽车的事故率进行横向比较.
人们诅咒共享单车的各种问题时，却没注意共享单车正在改变都市人的出行习惯，减少汽油消费，甚至影响房地产价格.
负面消息的长期轰炸，使大部分人根本不可能去真正钻进去，研究新事物背后的整套逻辑.
(这就说到了，如果媒体、自媒体不给大部分人洗脑、负面偏见的传播，怎么给独立思考的价值投资者机会呢。所以你不想被洗脑，那就经常反复问问自己，是不是辜负了高水平事物？是不是跟踪追逐最优秀的信息源？是是不是经常给自己信息消毒？唯有如此，才能减少伤害。)
7️⃣
虚幻的自尊心，也是影响人们正确应对“范式转移”的一大障碍。被你一直不看好的某个新技术，像打不死的小强一样继续蓬勃生长。以前你看不上的猥琐小弟，突然发了，要超过你了。这时候，人的本能反应，是贬损，否定和拒绝面对现实，让自己脆弱的内心保持自欺自洽的状态，而白白错过有可能赶上趋势的大好机会.
（人性的本能、弱点啊，和脑子里的错误观念、偏见一样，难以刮掉。）
插曲：一个王川的教训，和苹果的故事。
8️⃣
通常一个新的范式 paradigm 出现，要全面理解其内涵和潜力，需要深刻理解它后面的五个，十个，甚至更多的相关的概念。这是要花时间，花功夫的。
比如苹果替代超越 iphone, nokia.要认同这个范式需要理解这么几个东西：
第一，iphone 是一个可以开发很多新的，前所未有的应用的软件平台
第二，没有键盘也没有关系，用户很快就会适应
第三，六百多美元的价格，也没有关系，因为这么多有用的功能，用户很快会认识到，和普通功能机相比，物超所值。
第四，竞争者根本没有意识到自己的差距在哪里，只是东施效颦的做些表面文章，像 blackberry 一直坚持自己的以 email 为核心的定位，而没有理解游戏规则变了。所以实际上很难真正抵挡新的范式. 等等.
（这样的一个范式，可以因为它一生万物，今天我看到了什么
第一：AI可以生成更多的智能对象，并且引入到所有已经被数字化的角落。
第二：贵，付费？ChatGPT已经免费了，未来更多更好的token会被免费生成。
第三：写prompt麻烦，文字语言水平不够？未来AI可以懂你所懂。
第四：没有持续收入，人们失望了？那人们还能回去信息爆炸的漩涡中吗？
）
9️⃣
如何判断某个新技术是真正的，还是假的范式转移？一个可以考虑的标准，可能是终端用户的绝对数目，和增长速度。
如果一个你原来不看好不理解的产品，出乎你的意料，迅速获得了超越一百万的付费用户 （或者数亿美元以上的营收），并且还在迅速增长，那么就应当考虑花点时间去研究了. (如果是免费的产品，相对的阈值要高一些.) 如果付费用户超过一千万，那就量变发生质变，不能继续保持鸵鸟政策，视而不见了.
（crypto中有吗？uniswap的前端用户付费也是一个例子，超过6000万美元，用户离一千万还差点。AI已经存在了）
🔟
当趋势已定，确认某个公司是处于一个范式转移的领先地位时，人们常犯的一个错误是嫌贵。他们的估值逻辑还是深深的定格在旧的范式之中。每当我听到有人说，“等腾讯// 跌下来时我就买一点”，我就知道，他可能永远等不到那一天了。
(必须敏感这样的一个转折点的到来，识别到没有偏见，参考上一条标准，如何判断范式转移。不是转折点，只能用先移动部分的过程导向。)
1️⃣1️⃣
范式转移中胜出的公司，往往是其组织架构，公司文化，员工技能和商业模式等等最能适应新的范式下的生态环境的全新的公司.
（OpenAI完全符合，某些协议的DAO完全符合，我靠时刻。）
1️⃣2️⃣
如果这个你不看好的东西，一而再，再而三的超越你的预期，那么有可能你对真相的理解不准确，你的思维框架有局限，就要花时间认真钻进去研究了.
范式转移时， 投资者要跟上形势，修正思维框架，需要补充很多知识，越过很高的壁垒.
先投入极少量的资金，是移动屁股的第一步。步子不能太大，否则会扯着蛋.
没有投入资金之前，你的大脑会坚决拒绝接受，超越你的舒适区的任何论点和证据.
当利益一致时，你的大脑对于有利的证据就会更为开放.
这个 投入资金 => 学习研究 => 加大投入 => 更深入研究 的过程需要下很大功夫，但没有捷径。想不花时间学习就达到理解深度，想依靠别人给你的简单结论的投资者，注定无法走远
1️⃣3️⃣
真正的范式转移，来自那些常常超越你的固有思维框架，给你意外惊喜的公司。你不断发现，原来一个事情还可以这样做，原来还有这样的商业应用，等等。而这些东西，不深入钻研，根本无法理解.
直到有一天，当你的屁股移动得足够远，当你研究得足够深，你终于有信心，飞身一跃，重仓入场.
要始终警惕投资标的可能是个庞式骗局. 预防这个问题，只有全面深入的学习。投资案例见得越多，就有更多东西可以横向比较。不怕不识货，就怕货比货。庞氏骗局在放大镜下的仔细比较后，是不难被识破的.
要定期花时间，听听那些比你在细节上懂得更多的人的分析，这将帮助你进一步认清事实真相，并且微调屁股的位置.
认知的灵活性 (cognitive flexibility)，是一个人最重要的能力之一. 但脑袋的灵活需要屁股的灵活。 始终保持开放的心态，准备随时移动屁股，去迎接下一个范式转移.
1️⃣4️⃣
大部分人早期成长历程，决定了其思维框架和定式，这相对于其早期成长环境是接近全局最优解. 但相对于新的巨变的环境, 可能往往格格不入.
要想获得新的全局最优解，就必须抛弃很多深入大脑的定式，强迫自己承受对于“次优解”的探索.
但大部分成人，已经没有能力，承受暂时的后退，换取新的“退火重生”。他们和冷冰冰而脆弱易断的金属，并没太大区别.
无法重新“退火重生”的障碍有三：
一是思维框架里，根本不相信新环境下别的状态空间内存在好得多的全局最优解。
二是无法承受暂时的，看似后退的变化，和周围人的社会压力，放不下面子。
三是情愿偏爱确定的短期蝇头小利，也不愿接受短期不确定但长期有可观概率的超高回报.
人们成长过程中的主要矛盾，将是日益丰富的思维框架/观察角度/可探索的状态空间，和患得患失/急功近利/缺乏想象力的直觉本能冲动之间的矛盾.
1️⃣5️⃣
拙劣的⼈⽣规划者，不经深度思考随便学了个专业找了个⼯作，⾯对新浮现的经济技术版图时，要被迫推倒再来，再学新的技能和⼆⼗多岁的⼤学毕业⽣在⼀个起跑线上竞争。
(上条可以回答，人生如何解？发现自己如此匮乏，这是一个疑问，也是关于人生勇气的提问。)
思维模型
1/ 有三件事，按照重要性的排序是： 思维模型 ， 提出问题，解决问题。
2/ 思维模型的多样性和灵活性是最最重要的。如果底层思维模型都是错误的或者狭隘的，那么你上面思考和解决的问题都可能失去意义。
6/ 上学的一个思维模型是：从学习知识的角度看，单个大学所能提供的资源现在远不如另外一个增长极快/完全开放/无需考试认证/大部分资源免费的大学：“互联网”， 而且二者的差距正在拉大。大学的一个副作用是，年轻人会把自己个人的身份理念认同和所就读的大学的圈子绑住一起，对大学外的不同圈子和不同思维模型产生本能的排他情绪。对于一个真正内心有极强驱动力的人，对于一个自己可以建立开拓自己圈子的人，大学不再是唯一的选择，名校不一定是个值得拼搏争取的对象。
11/ 人们情愿参加旧思维模型内的确定的，实际利益不大而竞争激烈难度极大的战斗 (竞争的激烈程度正好不断强化暗示这个东西值得争抢)，也不愿追逐新思维模型里的不确定的，但实际利益可能极大而竞争者寥寥难度不大的孤独游戏。”
12/ 同样一件事，在不同思维模型之间的转换，需要新的底层基础设施的完备。 底层基础设施的完备，需要时间，会有波折和反复。当改变在底层悄悄发生时，被旧思维模型洗脑的大多数观察者往往会忽略其存在。
13/ 电动马达技术 1880 年左右就出现了。和蒸汽机相比，它能源效率更高，成本更低，可以安装多个小马达，各自驱动单个机器。 这些马达也可以单独控制开和关。这个技术显然比当时的驱动工厂的笨重的蒸汽机要先进多了。但在 1900年的时候，美国的工厂只有 5% 是电力驱动。 很多建造工厂的创业者在做了各种可行性分析之后，还是选择老的蒸汽机驱动模式。**美国的工厂，花了四十年的时间，才从蒸汽机转型到电动马达。为什么要这么长时间？因为新技术，需要一个完全不同的工厂架构的设计。重新建造设计，不仅成本昂贵，而且一开始该如何建造，并不十分清楚。**电工不懂建筑，工厂的建筑师也不是电工。所以花了整整四十年才积累了足够的知识，来建造电力驱动的工厂。
“15/ 八十年代当电脑开始在办公室普及时，主要应用在于文字处理，电子报表和数据库软件，但是经济数据上似乎没有显示明显的效率提高。 当时所谓的“著名经济增长的思想家” Robert Solow 曾说： “你可以在所有地方看到电脑时代的来临，除了生产效率的统计数据”。 这个看似矛盾的现象有多个原因：第一，电脑最初的应用如文字处理，一开始并不直接影响产出的效率。第二，金融和保险业大量使用电脑，但是其对产出效率的定义方式，并没有能够真正反映出电脑在方便和快捷上的影响。第三，新的电脑系统和旧的纸媒系统同时运营并存的时候，需要更多人力物力去管理协调。第四， 从购买安装调试软硬件系统，到真正经济效益的体现，有长时间的迟滞。 也有很多项目因为当时技术水平限制，无法成功运营，被迫夭折。”
(新系统的全方位更换需要代价切换，不仅仅是人们的思维模型跟不上，而是实实在在的决心、机会成本。电动马达技术是这样一个案例。另外一个案例，电脑进入办公室，人们也看不到比特驱动原子的思维模型。今天是自动驾驶，是智能合约，是AI。)
新技术产业链一旦慢慢打通，越过一个临界点后，会突然爆发蓬勃生机，会实现一些旧模式下无法想象的事情。而老技术的产业链则因此会开始迅速崩溃。作为一个投资者，在此时应当对新模式里的有垄断优势的领先者不断加仓。作为一个新入行的从业者，新技术产业的爆发期产生的红利，容易产生把大环境和个人智商混为一谈的飘飘然的幻觉。
不总结思维模型和其变迁的规律，市场参与者对价值观的理解和追求成为一种下意识的盲目本能。这种本能，会因外界噪音持续制造的巨大焦虑，而自我强化，让人们不断奔波在一个又一个非理性竞争中。
适应性/随机梯度
世界是个巨大的 fitness landscape (适应度地形)，我们本质都是在上面做各种 stochastic gradient descent (随机梯度下降) 计算的小爬虫而已。区别在于，有的爬虫接触数据多，维度高，计算效率高，因此长期的实质性进步更快。有的热锅上的爬虫，看上去很忙爬得很快，但只是在团团转，做无用功而已。
-意识到过去几年自己在不同领域的一些意想不到的进步，本质都是因为有闲暇时间，所以就可以东摸摸，西碰碰，摸索出来一些新的发现，有效提高自己的能力，改善自己的学习或生活环境。
-让自己有很多闲暇时间，本质等于给自己去杠杆。整天忙得昏天黑地，本质等于满仓投机，这样就没有任何冗余，来应付未来注定要发生的各种意外事件
（个人的随机性）
把随机梯度下降算法的概念再拓展一下：天天盯盘，把自己搞得很累，回报一般会更差，不如每天最多看盘十分钟（交易频率要更低）；一天几个小时看手机，不如每天最多看三次，每次限20 分钟，要不眼睛，脖子，手臂，手腕都会酸疼，变成一个废人。
如果你以四年以上的时间长度反思过去的话，会发现一半以上的勤奋都是无脑的重复性自残式内卷，长期整体效果为负；而按照“随机梯度下降”的算法，只要定期随机接触舒适区以外的信息，不断冷静评估调整，即使短期可能还会有表面的倒退，长期迟早可以捕捉到爆发式的增长。而且工作量恒定，人不累。
从这个角度看，只要坚持 sgd (随机梯度下降) 式的摸索，保持恒定工作量，活得足够长，可以足够接近任何宏大目标。 而过度拼命 FOMO 的人往往暴躁的陷在局部极值或者某个鞍点，出不来，早早累死了。