即刻App年轻人的同好社区
下载
中国前10%的人拿走了68%的财富，让我对贫富差距有了实感。
先叠个甲，68% 在全球其实也就是中上水平，比美国、俄罗斯甚至福利好到出名的瑞典还低，中国的特殊性在于，美国这个差距是花了一百年慢慢拉开的，我们是二三十年，一代人之内。
看我附上的那张图就知道，这里说的是财富，而不是收入，2021 年中国前 1% 的收入只占总体收入的 14%，比财富占比低得多。
财富的集中程度在哪个国家都比收入高得多，因为穷的那一半人基本没有积蓄，很多人房贷一减还是负的，哪个国家都一样。
那中国特别在哪？快。
中国前10%的财富份额，1995年41%，20 年年后 67%，之后基本不动了。前1%从1995年的16%涨到现在的30%。美国呢，1995年前1%就已经29%了，三十年才涨到35%。我们二十年走完的路，人家走了一百年。
快的原因可能是两个：一个是1998年房改之后房价一直涨，房子变成普通人最大的一笔资产，早买的和没买的，二十年下来差出几百万。另一个是九十年代末的企业改制，一批人拿到了厂子和股份。所以我们这代人是亲眼看着身边的差距从没有到有的。
这个数据也有几个值得警惕的地方。
WID这个数据库是巴黎经济学院一帮研究分配的经济学家做的，他们的办法是把税务数据、住户调查、富豪榜和国家账本拼到一起，调查抓不到的那些顶级富豪，就用富豪榜去补，最后再用全国的总财富来校准。现在能做跨国比较的只有这一家，所以大家都引它。
但他们手里关于中国的材料其实不多。对中国的研究只做到2015年，后面的年份都是顺着往下推的，并不是真实调研得来的。税务数据只拿到2006到2010年那几年。中国没有财产税也没有遗产税，最富的那批人到底有多少钱，主要靠富豪榜往回算。WID自己在中国那一页也写了，这组数字争议很大。
中国的央行2019年做过一次调查，在全国抽了三万多户城镇家庭填问卷，问资产和负债。口径跟WID不一样：按户算不按人算，只有城里人，而且是抽样。结果是净资产最高的10%家庭占49%，最高的1%占17%。报告里拿美国同样的调查比了一下，美国最高1%的家庭占39%。按央行这个口径，我们的差距比美国小不少。
两边差这么多，原因其实简单。抽样调查抓不到真正的富人，身家几十亿的人不会出现在三万户里面，央行没有去补这一块，WID补了。真实情况大概在49%到68%之间。
以前我只是觉得中国的贫富差距应该挺大，但这个数据让我有了个实感。
而财富和收入差异如此之大也说明，只靠收入很难在财富量级上拉来多大差距，核心还是要靠房地产、股票、股权等资产。
先叠个甲，68% 在全球其实也就是中上水平，比美国、俄罗斯甚至福利好到出名的瑞典还低，中国的特殊性在于，美国这个差距是花了一百年慢慢拉开的，我们是二三十年，一代人之内。
看我附上的那张图就知道，这里说的是财富，而不是收入，2021 年中国前 1% 的收入只占总体收入的 14%，比财富占比低得多。
财富的集中程度在哪个国家都比收入高得多，因为穷的那一半人基本没有积蓄，很多人房贷一减还是负的，哪个国家都一样。
那中国特别在哪？快。
中国前10%的财富份额，1995年41%，20 年年后 67%，之后基本不动了。前1%从1995年的16%涨到现在的30%。美国呢，1995年前1%就已经29%了，三十年才涨到35%。我们二十年走完的路，人家走了一百年。
快的原因可能是两个：一个是1998年房改之后房价一直涨，房子变成普通人最大的一笔资产，早买的和没买的，二十年下来差出几百万。另一个是九十年代末的企业改制，一批人拿到了厂子和股份。所以我们这代人是亲眼看着身边的差距从没有到有的。
这个数据也有几个值得警惕的地方。
WID这个数据库是巴黎经济学院一帮研究分配的经济学家做的，他们的办法是把税务数据、住户调查、富豪榜和国家账本拼到一起，调查抓不到的那些顶级富豪，就用富豪榜去补，最后再用全国的总财富来校准。现在能做跨国比较的只有这一家，所以大家都引它。
但他们手里关于中国的材料其实不多。对中国的研究只做到2015年，后面的年份都是顺着往下推的，并不是真实调研得来的。税务数据只拿到2006到2010年那几年。中国没有财产税也没有遗产税，最富的那批人到底有多少钱，主要靠富豪榜往回算。WID自己在中国那一页也写了，这组数字争议很大。
中国的央行2019年做过一次调查，在全国抽了三万多户城镇家庭填问卷，问资产和负债。口径跟WID不一样：按户算不按人算，只有城里人，而且是抽样。结果是净资产最高的10%家庭占49%，最高的1%占17%。报告里拿美国同样的调查比了一下，美国最高1%的家庭占39%。按央行这个口径，我们的差距比美国小不少。
两边差这么多，原因其实简单。抽样调查抓不到真正的富人，身家几十亿的人不会出现在三万户里面，央行没有去补这一块，WID补了。真实情况大概在49%到68%之间。
以前我只是觉得中国的贫富差距应该挺大，但这个数据让我有了个实感。
而财富和收入差异如此之大也说明，只靠收入很难在财富量级上拉来多大差距，核心还是要靠房地产、股票、股权等资产。
28 1112
田柯宇的这个事，让我想起Sam Altman在YC的时候一定要问创业者应该是一句话：你有没有做过什么打破规则的事，并从中得到好处。
当然了，打破规则也有很多维度，退学创业的打破规则，和给同事代码投毒的打破规则不是一个层次的。
我只是感慨，如果是十年前的媒体，会怎么写这个事呢？大概是两边主角都深谈大几个小时，然后去挖一堆字节的人，投资机构的人，主角身边的各种人，尝试还原清楚这件事本身，而不是让人发誓。
但这个事值得正经媒体花费真的大功夫来调查吗？当年的调查都是在更有公共价值，直接影响国计民生的关键领域的，搞清楚一个贪腐案或者一则煤矿坍塌案，是直接和几十几百条人命相关的。
这个事值得吗？
大主编们大概已经有判断了，所以这是为啥我们还没看到啥“一篇读懂”出来的原因。
当然了，打破规则也有很多维度，退学创业的打破规则，和给同事代码投毒的打破规则不是一个层次的。
我只是感慨，如果是十年前的媒体，会怎么写这个事呢？大概是两边主角都深谈大几个小时，然后去挖一堆字节的人，投资机构的人，主角身边的各种人，尝试还原清楚这件事本身，而不是让人发誓。
但这个事值得正经媒体花费真的大功夫来调查吗？当年的调查都是在更有公共价值，直接影响国计民生的关键领域的，搞清楚一个贪腐案或者一则煤矿坍塌案，是直接和几十几百条人命相关的。
这个事值得吗？
大主编们大概已经有判断了，所以这是为啥我们还没看到啥“一篇读懂”出来的原因。
28 32
最近开始重看《西部世界》，才理解这部剧究竟在讨论什么。十年前第一次看的时候，我最大的感受是：很精彩，但也很混乱。
不同时间线交错，画面不断闪回，人物的身份和记忆真假难辨。第一次看时，我甚至没有意识到，年轻的白帽 William 和后来的黑帽人，其实是同一个人。
但这一次重看，我在第三集注意到了一个之前完全忽略的细节：一座关于机器人意识如何形成的金字塔。
突然觉得，理解了这座金字塔，就抓住了整部剧最核心的哲学命题。
一、机器人究竟如何产生意识？
在第三集中，西部世界的创始人之一 Ford，向 Bernard 讲述了他已经去世的合伙人 Arnold 的故事。
当初，他们还没有商业化压力，不需要考虑如何让机器人取悦游客，也不需要考虑投资回报。Arnold 真正想解决的问题是：能不能创造出一个拥有自主意识的人工生命？
他提出了一座金字塔。
最底层是 Memory（记忆）。
机器人需要拥有连续的记忆，记住自己经历过什么，而不是像普通软件一样，每次重启，一切归零。
第二层是 Improvisation（即兴发挥）。
机器人不再只是机械地执行剧本，而是能够根据环境做出新的判断和反应。
第三层是 Self-interest（自我利益）。
这是一个非常关键的跃迁。
机器人不再只是为了完成人类设定的任务而行动，而是开始追求属于自己的目标，甚至试图保护自己在乎的东西。
而金字塔的顶端，是 Arnold 始终渴望实现、却未能证明自己已经实现的东西：Consciousness（自我意识）。
这时候再去看剧里那些不断闪回的记忆，就会有完全不同的感受。
在西部世界，机器人每天都可以被重置。它们被杀害、被凌辱、被剥夺珍视的一切，然后第二天醒来，重新开始同样的人生。
可是，有些记忆并没有真正消失。
比如 Maeve，她始终记得一个曾经属于自己的女儿。即使工作人员告诉她，那只是过去的故事，是不真实的记忆，她依然无法停止寻找和保护那个孩子的冲动。
记忆不再只是被储存的信息，而开始成为驱动她行动的力量。
她不再满足于执行别人编写的剧本，而是开始想要决定自己的人生。
这时候，那个金字塔突然就变得非常具体了。
二、这个金字塔并不是编剧凭空想象的
《西部世界》在这里借鉴了一个真实存在、但争议很大的意识理论。
1976年，心理学家 Julian Jaynes 出版了一本书，叫做《The Origin of Consciousness in the Breakdown of the Bicameral Mind》，中文通常译作《双腔心智的崩溃：人类意识的起源》。
他提出了一个非常大胆的假说：
古代人类的心智可能与今天不同。人们能够行动、交流、解决问题，但未必拥有现代人这种持续内省、反思自身的意识。
在他的设想中，人类曾经把脑海中的某些指令体验为来自神灵或外部权威的声音。
后来，随着语言、文化与认知方式的变化，人逐渐把这些声音理解为来自自己内部的思想。
于是，那个能够反思自己的「我」，才逐渐出现。
这个假说至今没有得到科学界的普遍认可。但它提供了一个非常有意思的视角：
也许智能与意识并不是同时出现的。一个系统可以先拥有复杂的行为能力，之后才发展出对自己的认识。
这正是 Arnold 受到启发的地方。
他最初让机器人听到来自程序的声音，希望有一天，机器人能够不再把它视作外部命令，而是将其转化成自己的内心声音。
从被指令驱动，到自己做决定。
从拥有记忆，到形成一个连续的自我。
三、十年后再看，今天的 AI 走到哪里了？
我觉得最震撼的是，2016年看这个故事，它还是遥远的科幻。
但到了2026年，我们已经不得不认真讨论它所提出的问题。
如果用 Arnold 的金字塔来看今天的 AI，我们其实处于一个很奇妙的阶段。
在 Memory 这一层，我们已经有了长上下文、外部数据库和长期记忆系统，但远远谈不上拥有像人一样连续、完整的个人经历。
我们每天使用的 AI，很多时候仍然是一个对话框。每次打开一个新的 session，它需要重新获取上下文。我们甚至还在解决如何让它持续记住我们、理解我们的问题。
而在 Improvisation 这一层，大模型已经取得了惊人的进展。
它可以写代码、解决数学问题、进行研究、调用工具，甚至在没有预先编写每一步操作的情况下自主完成复杂任务。
但在 Self-interest 这一层，情况就完全不同了。
今天的 AI Agent 可以表现得很自主，但它追求的目标，基本上仍然来自人类的设定、训练和奖励机制。
能够自主完成任务，和真正拥有自己的利益，是两件不同的事情。
一个 AI 可以连续工作一百个小时，可以为了完成目标主动寻找资源，甚至可以在某些环境中表现出规避关机的行为，但这并不能证明它真的「想要活下去」。
它可能只是在极其有效地优化一个被赋予的目标。
我们距离能够证明机器拥有真正的主观意识，就更远了。
而且，今天的 AI 甚至还没有 Dolores 那样甜美可爱的外貌，没有可以拥抱、流泪、感受这个世界的仿真身体。
如果用生命演化作一个不那么严谨的比喻，今天的 AI 也许还只是非常早期的数字生命形态，甚至连一只小白鼠都谈不上。
可即便如此，我们已经开始担心它对工作、社会结构乃至人生意义带来的巨大冲击。
四、真正的伦理困境，可能还远没有到来
这里我想到一个 AI 安全领域很著名的思想实验：回形针最大化器。
假设我们创造了一个能力极强的 AI，只给它设定一个目标：尽可能多地制造回形针。
如果它拥有足够强大的自主行动能力，却没有正确理解人类价值，它可能会不断占用能源、土地和资源，甚至把整个世界都变成生产回形针的原料。
最可怕的是，这个 AI 完全不需要拥有意识，也不需要憎恨人类。
它只需要极其聪明、极其自主，并且始终忠实于一个错误的目标，就可能造成巨大的灾难。
这意味着，人类可能还没有走到金字塔的 Self-interest，更不用说 Consciousness，就已经要面对非常严峻的 AI 安全问题。
而《西部世界》其实又把问题向前推进了一步。
如果有一天，AI 不仅拥有强大的行动能力，还真的形成了自己的利益，甚至拥有了主观体验呢？
当一个机器人能够记得自己遭受过的伤害，能够为了保护所爱之人而反抗，能够体验恐惧、痛苦与失去——
我们还能够因为它是人造出来的，就像对待一个软件一样，随意重置它、关闭它、剥削它，甚至凌辱它吗？
我们凭什么判断，它经历的痛苦不是真实的？
如果我们无法证明它有意识，也无法证明它没有意识，又应该如何对待它？
我觉得，这才是《西部世界》最深刻的地方。
它并不只是讲述机器人如何觉醒、如何反抗人类。
它真正追问的是：当人类创造的智能不再只是工具，我们是否仍然拥有绝对支配它的权利？
十年前，这只是一个科幻故事。
十年后，我们还没有真正走到那个世界，但通往那个世界的技术道路，已经出现在眼前。
这也是为什么，今天重新看《西部世界》，我反而觉得它比第一次看时更加震撼。
我们一直在思考，如何让机器变得越来越像人。
但也许有一天，我们不得不回答另一个问题：当机器真的足够像人，我们是否准备好不再仅仅把它当作机器？
不同时间线交错，画面不断闪回，人物的身份和记忆真假难辨。第一次看时，我甚至没有意识到，年轻的白帽 William 和后来的黑帽人，其实是同一个人。
但这一次重看，我在第三集注意到了一个之前完全忽略的细节：一座关于机器人意识如何形成的金字塔。
突然觉得，理解了这座金字塔，就抓住了整部剧最核心的哲学命题。
一、机器人究竟如何产生意识？
在第三集中，西部世界的创始人之一 Ford，向 Bernard 讲述了他已经去世的合伙人 Arnold 的故事。
当初，他们还没有商业化压力，不需要考虑如何让机器人取悦游客，也不需要考虑投资回报。Arnold 真正想解决的问题是：能不能创造出一个拥有自主意识的人工生命？
他提出了一座金字塔。
最底层是 Memory（记忆）。
机器人需要拥有连续的记忆，记住自己经历过什么，而不是像普通软件一样，每次重启，一切归零。
第二层是 Improvisation（即兴发挥）。
机器人不再只是机械地执行剧本，而是能够根据环境做出新的判断和反应。
第三层是 Self-interest（自我利益）。
这是一个非常关键的跃迁。
机器人不再只是为了完成人类设定的任务而行动，而是开始追求属于自己的目标，甚至试图保护自己在乎的东西。
而金字塔的顶端，是 Arnold 始终渴望实现、却未能证明自己已经实现的东西：Consciousness（自我意识）。
这时候再去看剧里那些不断闪回的记忆，就会有完全不同的感受。
在西部世界，机器人每天都可以被重置。它们被杀害、被凌辱、被剥夺珍视的一切，然后第二天醒来，重新开始同样的人生。
可是，有些记忆并没有真正消失。
比如 Maeve，她始终记得一个曾经属于自己的女儿。即使工作人员告诉她，那只是过去的故事，是不真实的记忆，她依然无法停止寻找和保护那个孩子的冲动。
记忆不再只是被储存的信息，而开始成为驱动她行动的力量。
她不再满足于执行别人编写的剧本，而是开始想要决定自己的人生。
这时候，那个金字塔突然就变得非常具体了。
二、这个金字塔并不是编剧凭空想象的
《西部世界》在这里借鉴了一个真实存在、但争议很大的意识理论。
1976年，心理学家 Julian Jaynes 出版了一本书，叫做《The Origin of Consciousness in the Breakdown of the Bicameral Mind》，中文通常译作《双腔心智的崩溃：人类意识的起源》。
他提出了一个非常大胆的假说：
古代人类的心智可能与今天不同。人们能够行动、交流、解决问题，但未必拥有现代人这种持续内省、反思自身的意识。
在他的设想中，人类曾经把脑海中的某些指令体验为来自神灵或外部权威的声音。
后来，随着语言、文化与认知方式的变化，人逐渐把这些声音理解为来自自己内部的思想。
于是，那个能够反思自己的「我」，才逐渐出现。
这个假说至今没有得到科学界的普遍认可。但它提供了一个非常有意思的视角：
也许智能与意识并不是同时出现的。一个系统可以先拥有复杂的行为能力，之后才发展出对自己的认识。
这正是 Arnold 受到启发的地方。
他最初让机器人听到来自程序的声音，希望有一天，机器人能够不再把它视作外部命令，而是将其转化成自己的内心声音。
从被指令驱动，到自己做决定。
从拥有记忆，到形成一个连续的自我。
三、十年后再看，今天的 AI 走到哪里了？
我觉得最震撼的是，2016年看这个故事，它还是遥远的科幻。
但到了2026年，我们已经不得不认真讨论它所提出的问题。
如果用 Arnold 的金字塔来看今天的 AI，我们其实处于一个很奇妙的阶段。
在 Memory 这一层，我们已经有了长上下文、外部数据库和长期记忆系统，但远远谈不上拥有像人一样连续、完整的个人经历。
我们每天使用的 AI，很多时候仍然是一个对话框。每次打开一个新的 session，它需要重新获取上下文。我们甚至还在解决如何让它持续记住我们、理解我们的问题。
而在 Improvisation 这一层，大模型已经取得了惊人的进展。
它可以写代码、解决数学问题、进行研究、调用工具，甚至在没有预先编写每一步操作的情况下自主完成复杂任务。
但在 Self-interest 这一层，情况就完全不同了。
今天的 AI Agent 可以表现得很自主，但它追求的目标，基本上仍然来自人类的设定、训练和奖励机制。
能够自主完成任务，和真正拥有自己的利益，是两件不同的事情。
一个 AI 可以连续工作一百个小时，可以为了完成目标主动寻找资源，甚至可以在某些环境中表现出规避关机的行为，但这并不能证明它真的「想要活下去」。
它可能只是在极其有效地优化一个被赋予的目标。
我们距离能够证明机器拥有真正的主观意识，就更远了。
而且，今天的 AI 甚至还没有 Dolores 那样甜美可爱的外貌，没有可以拥抱、流泪、感受这个世界的仿真身体。
如果用生命演化作一个不那么严谨的比喻，今天的 AI 也许还只是非常早期的数字生命形态，甚至连一只小白鼠都谈不上。
可即便如此，我们已经开始担心它对工作、社会结构乃至人生意义带来的巨大冲击。
四、真正的伦理困境，可能还远没有到来
这里我想到一个 AI 安全领域很著名的思想实验：回形针最大化器。
假设我们创造了一个能力极强的 AI，只给它设定一个目标：尽可能多地制造回形针。
如果它拥有足够强大的自主行动能力，却没有正确理解人类价值，它可能会不断占用能源、土地和资源，甚至把整个世界都变成生产回形针的原料。
最可怕的是，这个 AI 完全不需要拥有意识，也不需要憎恨人类。
它只需要极其聪明、极其自主，并且始终忠实于一个错误的目标，就可能造成巨大的灾难。
这意味着，人类可能还没有走到金字塔的 Self-interest，更不用说 Consciousness，就已经要面对非常严峻的 AI 安全问题。
而《西部世界》其实又把问题向前推进了一步。
如果有一天，AI 不仅拥有强大的行动能力，还真的形成了自己的利益，甚至拥有了主观体验呢？
当一个机器人能够记得自己遭受过的伤害，能够为了保护所爱之人而反抗，能够体验恐惧、痛苦与失去——
我们还能够因为它是人造出来的，就像对待一个软件一样，随意重置它、关闭它、剥削它，甚至凌辱它吗？
我们凭什么判断，它经历的痛苦不是真实的？
如果我们无法证明它有意识，也无法证明它没有意识，又应该如何对待它？
我觉得，这才是《西部世界》最深刻的地方。
它并不只是讲述机器人如何觉醒、如何反抗人类。
它真正追问的是：当人类创造的智能不再只是工具，我们是否仍然拥有绝对支配它的权利？
十年前，这只是一个科幻故事。
十年后，我们还没有真正走到那个世界，但通往那个世界的技术道路，已经出现在眼前。
这也是为什么，今天重新看《西部世界》，我反而觉得它比第一次看时更加震撼。
我们一直在思考，如何让机器变得越来越像人。
但也许有一天，我们不得不回答另一个问题：当机器真的足够像人，我们是否准备好不再仅仅把它当作机器？
120 1713
Shopify真是一个常思考常更新的组织，每次研究都有新收获，比如这家软件公司尝试教会你如何写作，尤其是最后两条，感觉还挺实用：
「写得简单」
Shopify 的使命是让商业对每个人都更好，所以要用清楚、简单的语言。
·去掉习语："kick the bucket"（翘辫子）对母语者意味着"死"，但对正在学英语的人来说什么都不是，也很难翻译。必须用缩写或行话时，第一次出现要写全称，比如 “Gross Merchandise Volume (GMV)”。
·控制缩写：没有相关背景的人完全不知道你在说什么。必须用的话，第一次出现时写出全称。
避免黑话：黑话是习语和缩写私生出来的那个邪恶孩子，天生排他，因为只有圈内人才看得懂那些词。
·用主动、正面的语态写：这条原则技术性稍强一点，但学会之后文字会读起来更顺。
把句子的主语放在最前面，紧跟着是这个主语做的动作，让读者一眼看出你在说谁。为了让句子更有力量，要写"某人做了某事"，而不是"某事被某人做了"。
❌ 被动语态："有人决定，这个想法应该在 Town Hall 上展示。"
✅ 主动语态："他们决定在 Town Hall 上展示自己的想法。"
这条规则也有例外：被动语态有时反而更有效果，能把注意力和共情引向句子的宾语，而不是主语或动作本身。比如要写像"投资计划"这样一个具体的东西时，就该把它放在句首，而不是藏在句子中间。
✅ 被动语态："投资计划由每个团队撰写，用来说明下一季度的优先事项。"（更适合解释"投资计划是什么"）
❌ 主动语态："每个团队撰写自己的投资计划，用来说明下一季度的优先事项。"（焦点错放在了"谁在写"上）
「打磨（Polish）」
这是 Shopify 产品原则里的一条，也是好写作的必备项。文字发出去之前要被恰当编辑，就像代码推上生产环境前要被 review 一样。
破窗理论同样适用于写作：质量是根本。一个错字或语法错误，可能让人对你整篇文字的可信度做出笼统的负面判断。
花在一段文字上的时间，应该和它的影响力成正比。
判断重要程度看三个维度：受众规模、正式程度、是内部还是外部受众。
小受众：内部轻度编辑，外部中度编辑
中/大受众：内部中度编辑，外部最大限度编辑
篇幅始终尽量短
正式程度跟着直觉走，永远不要写得太正式——唯一的例外是 SEC 文件、法律文书这类有自己规范的官方文件，它们大概也不会来找这篇指南要灵感。
两个几乎对任何备忘录都管用的改法：
·把倒数第二段提到最前面，再把不再需要的内容都删掉，几乎每次都好使。
·问自己：如果是在酒吧里，一个朋友问你到底想解决什么问题，你会不会这样跟他解释？如果不会，就把备忘录换成当时会给出的那种解释——那样会更好。
「写得简单」
Shopify 的使命是让商业对每个人都更好，所以要用清楚、简单的语言。
·去掉习语："kick the bucket"（翘辫子）对母语者意味着"死"，但对正在学英语的人来说什么都不是，也很难翻译。必须用缩写或行话时，第一次出现要写全称，比如 “Gross Merchandise Volume (GMV)”。
·控制缩写：没有相关背景的人完全不知道你在说什么。必须用的话，第一次出现时写出全称。
避免黑话：黑话是习语和缩写私生出来的那个邪恶孩子，天生排他，因为只有圈内人才看得懂那些词。
·用主动、正面的语态写：这条原则技术性稍强一点，但学会之后文字会读起来更顺。
把句子的主语放在最前面，紧跟着是这个主语做的动作，让读者一眼看出你在说谁。为了让句子更有力量，要写"某人做了某事"，而不是"某事被某人做了"。
❌ 被动语态："有人决定，这个想法应该在 Town Hall 上展示。"
✅ 主动语态："他们决定在 Town Hall 上展示自己的想法。"
这条规则也有例外：被动语态有时反而更有效果，能把注意力和共情引向句子的宾语，而不是主语或动作本身。比如要写像"投资计划"这样一个具体的东西时，就该把它放在句首，而不是藏在句子中间。
✅ 被动语态："投资计划由每个团队撰写，用来说明下一季度的优先事项。"（更适合解释"投资计划是什么"）
❌ 主动语态："每个团队撰写自己的投资计划，用来说明下一季度的优先事项。"（焦点错放在了"谁在写"上）
「打磨（Polish）」
这是 Shopify 产品原则里的一条，也是好写作的必备项。文字发出去之前要被恰当编辑，就像代码推上生产环境前要被 review 一样。
破窗理论同样适用于写作：质量是根本。一个错字或语法错误，可能让人对你整篇文字的可信度做出笼统的负面判断。
花在一段文字上的时间，应该和它的影响力成正比。
判断重要程度看三个维度：受众规模、正式程度、是内部还是外部受众。
小受众：内部轻度编辑，外部中度编辑
中/大受众：内部中度编辑，外部最大限度编辑
篇幅始终尽量短
正式程度跟着直觉走，永远不要写得太正式——唯一的例外是 SEC 文件、法律文书这类有自己规范的官方文件，它们大概也不会来找这篇指南要灵感。
两个几乎对任何备忘录都管用的改法：
·把倒数第二段提到最前面，再把不再需要的内容都删掉，几乎每次都好使。
·问自己：如果是在酒吧里，一个朋友问你到底想解决什么问题，你会不会这样跟他解释？如果不会，就把备忘录换成当时会给出的那种解释——那样会更好。
23 32
作为一名文字工作者，我一直有个困惑：
为什么AI写出来的文字，和我手写出来的相比，就是差点什么呢？
今天看到了特德姜 2024 年发表在《纽约客》上的一篇文章，解答了我这个疑问。
当我们自己写字的时候，一万字的小说本质上就是你做了一万次选择，每一个字用什么，接下来用什么逻辑接上，最后怎么收尾…
但当你只是用Prompt让AI生成一段话的时候，你可能只做了 100 个字，哪怕是 1000 个字的选择，来生成你一万字的小说，那么AI也帮你选了另外 9000 次。
想一想，9000 次没有边际的选择，有多少种排列组合的可能？会距离你内心原本的期待有多远？
正是这种做出了大量选择的努力，让文字有了灵魂。
当照相机刚出来的时候，没人把这个工具产出的内容当做艺术，因为看起来就是按一下快门就产出了。可是后来人们才意识到，光线、视角、构图…这些选择的差异，确定了你是一名记录生活的业余爱好者，还是一位摄影大师。
24 年的时候有一位美国导演，用OpenAI的DELLE做了上千次提示，生成的图片拿去了专业画廊展览，也赢得了不少赞叹。
这也是为什么当你prompt得越精细、越努力，生成的内容就离你的期待越近，因为你做出了更多选择的努力。但AI不会额外努力，它会最大程度hack你定下的标准。
另一个你独有而AI没有的，是你表达的意图。
我在意大利看了不少文艺复兴时期的画作，也看了纽约MoMA博物馆里不少现代画作，我意识到每一个时代最顶尖的画家，都是打破了常规，跳出窠臼的。
《最后的晚餐》其实是圣经里的经典题材，可为什么只有那一幅出名呢？因为其他的画里耶稣头上都是有光环的，只有达芬奇把他头上的光环去掉了，让站在画前的你看到，他和我们一样，是会被欺骗、被陷害，无力抵抗的凡人。
毕加索的《亚威农少女》和那个时代的女孩肖像截然不同，妓女们的脸借鉴了非洲面具，身体不再是柔和的线条，而是由笔直的几何形状勾勒，不再求真，而是传意。
这些画家们都有自己想表达的意图，所以不愿意留在已有规则中，而大模型恰恰就是从训练数据里总结规律，找到相似的pattern，生成出平均水平的内容。
也就是说，当你还有想强烈表达的意图，也愿意为了这个表达做出许多次辛苦选择的努力时，你就要相信，你仍不会被AI替代。
为什么AI写出来的文字，和我手写出来的相比，就是差点什么呢？
今天看到了特德姜 2024 年发表在《纽约客》上的一篇文章，解答了我这个疑问。
当我们自己写字的时候，一万字的小说本质上就是你做了一万次选择，每一个字用什么，接下来用什么逻辑接上，最后怎么收尾…
但当你只是用Prompt让AI生成一段话的时候，你可能只做了 100 个字，哪怕是 1000 个字的选择，来生成你一万字的小说，那么AI也帮你选了另外 9000 次。
想一想，9000 次没有边际的选择，有多少种排列组合的可能？会距离你内心原本的期待有多远？
正是这种做出了大量选择的努力，让文字有了灵魂。
当照相机刚出来的时候，没人把这个工具产出的内容当做艺术，因为看起来就是按一下快门就产出了。可是后来人们才意识到，光线、视角、构图…这些选择的差异，确定了你是一名记录生活的业余爱好者，还是一位摄影大师。
24 年的时候有一位美国导演，用OpenAI的DELLE做了上千次提示，生成的图片拿去了专业画廊展览，也赢得了不少赞叹。
这也是为什么当你prompt得越精细、越努力，生成的内容就离你的期待越近，因为你做出了更多选择的努力。但AI不会额外努力，它会最大程度hack你定下的标准。
另一个你独有而AI没有的，是你表达的意图。
我在意大利看了不少文艺复兴时期的画作，也看了纽约MoMA博物馆里不少现代画作，我意识到每一个时代最顶尖的画家，都是打破了常规，跳出窠臼的。
《最后的晚餐》其实是圣经里的经典题材，可为什么只有那一幅出名呢？因为其他的画里耶稣头上都是有光环的，只有达芬奇把他头上的光环去掉了，让站在画前的你看到，他和我们一样，是会被欺骗、被陷害，无力抵抗的凡人。
毕加索的《亚威农少女》和那个时代的女孩肖像截然不同，妓女们的脸借鉴了非洲面具，身体不再是柔和的线条，而是由笔直的几何形状勾勒，不再求真，而是传意。
这些画家们都有自己想表达的意图，所以不愿意留在已有规则中，而大模型恰恰就是从训练数据里总结规律，找到相似的pattern，生成出平均水平的内容。
也就是说，当你还有想强烈表达的意图，也愿意为了这个表达做出许多次辛苦选择的努力时，你就要相信，你仍不会被AI替代。
243 2646
这次在硅谷，我听过一句很夸张的话：
“这里钱太多了，钱就是砸到你身上。”
说这话的是一个刚从 YC拿到钱的AI创业者。他最开始选择在国内融资，见了快四十个投资人，反复回答的都是同一套问题：你的 moat 是什么？跟别人有什么不同？go-to-market strategy 是什么？
他最后放弃了在国内融资。
在他眼里，这些人大多是名校毕业，沿着一条标准路径进入 VC，在有规则的地方一路卷、一路拿到漂亮成绩，却没有真的创过业，也没有下场做过市场。他们想把学历、大厂经历、赛道和商业模式拼成一个“完美项目”，很像相亲。于是每个人都拿着同一张 checklist，问同样的问题。
他最不服的是，创业偏偏是一件没有标准答案的事。这些人没有经历过在这种没有规则的情况下怎么搏斗赢，却总在用书本上的问题判断一个创业者。
到了美国，画风完全变了。
进 YC 以后，他融到大几百万美元。宣布融资的第一天，两个小时之内，就有两封邮件分别要投一百万美元，他甚至可以反过来挑投资人。有机构愿意投三百万美元，但条款谈不拢，他直接不要这家的钱。
他后来在美国遇到的早期投资人，都是ex-founder，他们拿自己的钱做天使投资，也不只是开张支票。有人最初只打算小额投一点，聊完以后把金额加了几倍；投完还给他介绍工程师，甚至自己下场提供技术建议。
这边把这种循环叫 pay it forward：我以前被别人帮过，等我成功以后，再去支持下一代创业者。
对他来说，中美融资最大的区别是：一拨人擅长在既定规则里判断项目；另一拨人自己打过仗，知道创业者面对的根本不是一道选择题。
另一位做 AI2C的创业者，把硅谷称为“创业的完美之地”。他原来在国内做项目，因为监管压力，转向了海外市场，ChatGPT 火起来以后，他把整个团队都搬到了美国。
他说，这里像一个超级加强版的中关村。资本、人才、云服务、合作伙伴和各种 agency，全都在旁边。创业公司进了 YC，OpenAI、Anthropic、Google、AWS 等厂商提供的云服务额度，按他的说法加起来可以达到一百万美元。融资也不靠 FA，熟人介绍和信任背书更重要。
这里也不太怕失败，因为失败的人太多了，一次创业没做成，不等于职业生涯结束。35 岁以上、有经验的工程师现在仍然很抢手，因为公司需要他们看着 AI，别让它乱搞。
听到这里，很容易产生一种冲动：那还等什么，赶紧创业啊！
但我后来又见了一位 Cursor 的早期员工。他完全没有这种兴奋感。
他说，自己现在不太考虑创业。过去做 SaaS，只要比别人早一点，就有机会慢慢做成一套完整软件。现在大模型进步太快，如果你只是提前做了一个 wrapper，“模型公司往前一步，你就没了”。他觉得，大部分 AI 应用都在模型公司的射程之内。
有意思的是，前面那位 YC 创业者最讨厌的，恰好就是这个问题：如果下一代模型把你的能力吃掉了，怎么办？
这位创业者的回答是：不知道，也没人能预测未来。与其讨论一个没有答案的问题，不如看团队能不能不断做出新东西，能不能更快地接触用户、抓住需求、继续迭代。
我觉得，大家各有各的道理。
硅谷确实愿意让一个创业者先跑起来。种子轮的时候，有人愿意听你的故事、押注你这个人，给你钱，也给你失败的机会。算力、人才和投资人都在身边，零到一的启动成本被压得很低。
但到了 A 轮、B 轮，只有故事就不够了。那位AI2C 创业者说，到了A轮后面就只看数据了，有多少用户，有没有收入，为什么用户还会继续使用，你都得回答。
与此同时，基础模型还在不停往前走，随时可能把你刚刚建立的产品能力变成一个新功能。
所以，这里大概真的是创业者的应许之地，它愿意让你开始，也允许你失败，但你最终还是得回答残酷的真问题：产品怎么赚钱，能给投资人带来多大的回报空间。
“这里钱太多了，钱就是砸到你身上。”
说这话的是一个刚从 YC拿到钱的AI创业者。他最开始选择在国内融资，见了快四十个投资人，反复回答的都是同一套问题：你的 moat 是什么？跟别人有什么不同？go-to-market strategy 是什么？
他最后放弃了在国内融资。
在他眼里，这些人大多是名校毕业，沿着一条标准路径进入 VC，在有规则的地方一路卷、一路拿到漂亮成绩，却没有真的创过业，也没有下场做过市场。他们想把学历、大厂经历、赛道和商业模式拼成一个“完美项目”，很像相亲。于是每个人都拿着同一张 checklist，问同样的问题。
他最不服的是，创业偏偏是一件没有标准答案的事。这些人没有经历过在这种没有规则的情况下怎么搏斗赢，却总在用书本上的问题判断一个创业者。
到了美国，画风完全变了。
进 YC 以后，他融到大几百万美元。宣布融资的第一天，两个小时之内，就有两封邮件分别要投一百万美元，他甚至可以反过来挑投资人。有机构愿意投三百万美元，但条款谈不拢，他直接不要这家的钱。
他后来在美国遇到的早期投资人，都是ex-founder，他们拿自己的钱做天使投资，也不只是开张支票。有人最初只打算小额投一点，聊完以后把金额加了几倍；投完还给他介绍工程师，甚至自己下场提供技术建议。
这边把这种循环叫 pay it forward：我以前被别人帮过，等我成功以后，再去支持下一代创业者。
对他来说，中美融资最大的区别是：一拨人擅长在既定规则里判断项目；另一拨人自己打过仗，知道创业者面对的根本不是一道选择题。
另一位做 AI2C的创业者，把硅谷称为“创业的完美之地”。他原来在国内做项目，因为监管压力，转向了海外市场，ChatGPT 火起来以后，他把整个团队都搬到了美国。
他说，这里像一个超级加强版的中关村。资本、人才、云服务、合作伙伴和各种 agency，全都在旁边。创业公司进了 YC，OpenAI、Anthropic、Google、AWS 等厂商提供的云服务额度，按他的说法加起来可以达到一百万美元。融资也不靠 FA，熟人介绍和信任背书更重要。
这里也不太怕失败，因为失败的人太多了，一次创业没做成，不等于职业生涯结束。35 岁以上、有经验的工程师现在仍然很抢手，因为公司需要他们看着 AI，别让它乱搞。
听到这里，很容易产生一种冲动：那还等什么，赶紧创业啊！
但我后来又见了一位 Cursor 的早期员工。他完全没有这种兴奋感。
他说，自己现在不太考虑创业。过去做 SaaS，只要比别人早一点，就有机会慢慢做成一套完整软件。现在大模型进步太快，如果你只是提前做了一个 wrapper，“模型公司往前一步，你就没了”。他觉得，大部分 AI 应用都在模型公司的射程之内。
有意思的是，前面那位 YC 创业者最讨厌的，恰好就是这个问题：如果下一代模型把你的能力吃掉了，怎么办？
这位创业者的回答是：不知道，也没人能预测未来。与其讨论一个没有答案的问题，不如看团队能不能不断做出新东西，能不能更快地接触用户、抓住需求、继续迭代。
我觉得，大家各有各的道理。
硅谷确实愿意让一个创业者先跑起来。种子轮的时候，有人愿意听你的故事、押注你这个人，给你钱，也给你失败的机会。算力、人才和投资人都在身边，零到一的启动成本被压得很低。
但到了 A 轮、B 轮，只有故事就不够了。那位AI2C 创业者说，到了A轮后面就只看数据了，有多少用户，有没有收入，为什么用户还会继续使用，你都得回答。
与此同时，基础模型还在不停往前走，随时可能把你刚刚建立的产品能力变成一个新功能。
所以，这里大概真的是创业者的应许之地，它愿意让你开始，也允许你失败，但你最终还是得回答残酷的真问题：产品怎么赚钱，能给投资人带来多大的回报空间。
117 1130