2026-06-22 15:58 · 来自 X
E
埃隆·马斯克说:“宣传这么有效,真让人失望。”
“如果你反复说一个谎……有些人真的会相信……如果有人相信 CNN,那他们就会说,他肯定是纳粹,因为电视上就是这么说的。”
埃隆·马斯克说:“宣传这么有效,真让人失望。”
“如果你反复说一个谎……有些人真的会相信……如果有人相信 CNN,那他们就会说,他肯定是纳粹,因为电视上就是这么说的。”
DOGE 采用的标准非常简单,也很容易执行:
提供援助接收人的联系方式,这样我们就能确认这不是欺诈。
现实是,有人打着援助的幌子把钱送给腐败政客!像“强盗 Ro”这种骗子和股票内幕交易者就该进监狱!!
短短几周内,USAID 的死亡人数说法就从大约 50 万变成 100 万,现在又变成 450 万。
这简直就是另一场大屠杀!
雷总昨天表示,不知道为什么吃个面会上热搜。
要我说,这互联网还是太坏了,时刻都想着害雷总,雷总摆好架势让人拍照,需要流量但不需要那么多流量,需要媒体报道但不能有那么多媒体进来,总之这个分寸没掌握好,就会让雷总难堪。
雷总是真不知道还是假不知道公司会对自己的营业数据写汇报的?还是说雷总相信在汇报会上会有人反思说这次热搜上多了属于不良业绩自请罚没年终奖以示惩戒?
就像雷总之前参加国宴时凑马斯克身边合影也翻车了,最大的问题是那个场合太高端了,只能雷总一个人去,身边没人提醒把关,于是差点有失国格。
客观的讲,这不是雷总一个人的问题,我看过太多从神坛上被踹下来的网红企业家,普遍的共性就是到头来只看得进去「顺天时报」,活在一种「总有刁民想害朕」的无辜感里。
他们身边的人当然会把「顺天时报」大办特办下去,因为只有这么干才能掩饰自己的工作失职,老板怎么能被人讨厌呢,一定是竞争对手在使坏,可不能枉断忠良啊。
都是向上管理的人精,谁也别装老实可怜。
老板当然也不是不知道自己在看「顺天时报」,哪儿有那么多时间体察民情,像是马斯克找代练打完暗黑打流放之路就差不多得了,大家以前不戳破只是不想在这种事儿上较真,直到马斯克非要凹人设,开直播装高手,游戏玩家肯定就不客气了,揭开真相直接嘲讽,你他妈连技能都没按对,还是滚回去玩你的大火箭吧。
成本最低的逻辑自洽,就是非我族类,其心必异,圈内为粉,圈外即敌。
比较幽默的是雷总还学会了倒打一耙,说攻击他的人都是图流量,甚至是想赚流量的钱,这就很让人绷不住了,最善于扒拉流量红利的头子,搁这鄙视别人贪图流量。
刘震云你是怎么不笑场的啊?
上有所好,下必甚焉,米粉出征的理论依据这不就找到了吗,凡是恶评,都是对手投放的,不弯不绕,稳稳接住。
哪怕按照这个逻辑滑坡下去,岂不是说夸小米的也都是收钱办事,毕竟人不会无缘无故表达喜恶,哎,都怪资本。
雷总的意思其实很明显,就是网路舆论最好能够做到令行禁止,在他需要的时候,镜头都得齐刷刷的对准了,头条永远不嫌多,当他想下播了,大伙该闭嘴就还是闭嘴,否则就是不听指挥。
所以从那个戳破雷总画皮的小女孩路过早餐摊并喊出「我靠」的那一刻起,互联网就僭越了雷总,就跟马斯克那次一样,如果不是隔壁桌视频记录了全程,雷总早就全网通发他俩的合照了,怎么也不至于拍完了憋到现在都没发。
雷总是老实人,坏的都是我们,不知道说啥好,先给磕一个吧。
鉴于对岸两家还没有IPO。一万亿还是起步价。//@明浩-rosicky311:智谱在2026.6.22到达了这个“里程碑” http://t.cn/AXSylTz9
🇺🇸模型公司一万亿美金, 咱们这边到一万亿港币不过分吧?
是吧?
🐶
属实
2010 年到 2020 年:
《洛杉矶时报》:9749%;《纽约时报》:2969%;《华盛顿邮报》:6778%;《华尔街日报》:1691%
这一切都不是自然发生的。
“白人至上”是左派制造出来的概念。
全都是为了推动反白人种族主义而制造出来的。
彻底糊涂了😂
近期有自媒体发布文章编造大量不实信息抹黑我及我司,歪曲整件纸尿裤相关报道的完整事实,全部指控均为凭空臆测、恶意抹黑,我在此逐条完整澄清,所有佐证材料均可随时核验:1、关于网传我司 SPI-TOF质谱是 “手搓民科自制仪器、盗用设备实拍图”全部说法均为刻意造谣。
我司 SPI-TOFMS检测仪技术源头是中科院大连化学物理研究所李海洋研究员团队,整套电离源、离子束整形、静电透镜、软硬件系统均为团队自主研发,相关专利知识产权早期归属大连化物所,公司成立后通过正规转让完成完整产权过户,现在企业持有全套完整知识产权。
我本人具备临床医学背景,曾任职奥林巴斯、AI医学影像企业高管,2015年主动对接中科院团队,2015-2017年联合完成设备四轮迭代,我负责落地市场临床需求,中科院团队负责硬件算法优化,从头到尾不存在民间拼凑 “手搓仪器” 的情况。
目前公司累计申报 68项专利,近 30项已授权,超 80% 为高含金量发明专利,同时我们是深圳专精特新高科技企业,有完整天使轮、Pre-A轮、后续多轮资本背书,春华资本、前海长城基金、紫金港基金等正规机构投资,融资后估值 5亿元,国内首个呼气质谱医疗器械注册证也由我们拿下,相关专利、融资文件、合作产出 SCI论文均可随时核验。
网传盗用设备图片一事完全不成立:网传所谓被盗用的照片,是 2015年大连化物所团队出口海外第三代 SPI-TOFMS3040设备,是国内高端质谱逆向出口欧美的案例,和我司现有设备同系列、仅代次不同,目前我们在售是第六代产品,分辨率全面升级,不存在盗图行为。
2、关于刻意绑定山东公共卫生临床中心造势宣传设备的质疑山东公卫中心采购我司设备属实,但只是医疗器械行业常规临床示范合作,不存在刻意捆绑公立机构制造可信度的操作。…
医疗器械市场化落地必须走完生产许可、产品注册证、物价备案三道硬性流程,山东是我们首个完成省内物价备案的省份。该中心本身是国内顶尖公卫机构,院内采购多台进口高端质谱,出于前沿检测科研需求采购我们的设备,同步协助我们落地当地物价审批,只为给全国医院标准化推广提供落地样本。
目前我们已经和全国多家三甲医院长期合作,开展结核、肝病、肺癌、乳腺癌、阿尔兹海默症等呼气检测科研项目,全部合作医院名录、科研项目成果均可对外核验。
3、自媒体核心指控:我主动联系记者、用自家设备检测制造纸尿裤负面舆情卖仪器,完全颠倒事实这是整篇造谣文章误导大众的核心,强行把两件完全独立的检测绑定在一起,颠倒沟通先后顺序: ① 不是我主动找记者推销造势,是记者主动联系我。5月 12日我仅在小红书自主发布挥发性有机物检测相关科普内容,经济参考报记者顺着线上内容主动联系我;采访中我仅客观演示设备检测原理、展示不同样本浓度差异,同时反复明确告知记者,我这边的数据只能作为参考线索,最终定性必须交由正规第三方检测机构复核。
② 《经济参考报》报道里全部核心检测数据,和我司设备没有任何关系。记者自行委托第三方专业机构,采用两套检测方案平行检测、数据互相印证,报道结论完全依托第三方高端检测设备得出。
我司设备是单光子电离直接进样气相质谱,优势是灵敏度高、无需样本前处理、检测速度快(单样本采样60秒)、单次检测成本低,适合质量数在500以内的挥发性、半挥发性物质的快速检测。我采访时也如实告知记者;我测出异常纸尿裤样本153峰对应的物质(C9H15NO高度疑似脱氢三丙酮胺)浓度是普通样本 3800倍,仅作为现象展示,从未被用作报道核心判定依据。自媒体刻意混淆两套检测,编造我靠自制仪器诱导媒体发负面报道卖设备的叙事,纯属转移行业视线、刻意抹黑。4、质疑我借母婴负面舆情推销设备,不符合企业实际经营逻辑医疗器械临床落地周期极长,现阶段我司核心业务是和全国各大医疗机构开展科研合作,设备销售渠道以医院临床采购、科研项目招标为主,根本不存在制造母婴负面舆情拉动设备销量的商业逻辑。当初我公开发布纸尿裤微量检测相关内容,初衷只是因为我们设备灵敏度更高,能够检出现行国标常规检测手段很难捕捉到的微量挥发性有机物,客观反映现有检测方法存在短板,并非刻意制造恐慌引流卖货。5、网传我清空社交账号、疑似 “跑路” 不实账号内容消失不是我主动删除清空,是平台算法识别到相关敏感词汇,自动限流进入审核状态,后续我通过平台官方申诉,账号内容已全部恢复。然后在6月 20日晚21:22分,账号忽然被禁言,我能看到自己的笔记,但是其它人看不到。我能接收粉丝的私信,但无法回复。不存在跑路、删帖掩盖事实的情况。为了澄清网络谣言,我不得不在抖音账号上发视频回复网络质疑。整件事相关全部沟通记录、专利证书、合作协议、第三方检测说明、医院合作资料我全部留存完整,恶意造谣抹黑企业与个人、煽动公众对立的自媒体内容,我们已留存全部证据,后续会依法维护自身合法权益。本次纸尿裤筛查仅为本人自发内部试验,中国科学院大连化学物理研究所未参与本次检测任何环节。
晚点LateTask这篇访谈的信息量非常大,关于百度美研、Scaling Law、OpenAI、Anthropic、Cerebras的往事。
> "Dario 能进百度,其实是他职业生涯里很重要的一步。他是 Greg Diamos 招进来的。而且加入百度前,Dario 并不是计算机或 AI 科班出身,而是数学、物理和生物背景,Greg Diamos 发现他很有 AI 直觉和训练模型的能力。"
> 十年前(早于transformer),百度已经在训练接近 3 亿参数的语言模型——也就是发现Scaling Law雏形的时候。用 GPU 训练一次要三个多月,这个模型基于一个自研的框架——Paddle(飞桨)。
> Sam Altman 本人是 Cerebras 的投资人。百度是 2017 年投的,Sam Altman 2016 年就投了。
> 百度早期投资 Cerebras,投资决策只用了2天,由李彦宏、陆奇、CFO做出——这个投资决策也证明了百度当时的投资眼光有多超前。
> 百度曾有机会成为 OpenAI、Anthropic 的早期天使。当时OpenAI、Databricks、Scale AI 这些公司都在百度的待投名单上。可惜的是中美关系恶化导致没投成。
> 陆奇早年曾是 Sam Altman 的 mentor。2018 年 5 月陆奇从百度离职后,同年 8 月便接受 Sam Altman 的邀请,出任 YC 中国的创始人兼首席执行官。
> 2020 年夏天,一些在 OpenAI 的百度前员工说 GPT-3 快训练出来了,当年在百度想做的事情,快在 OpenAI 做成了——维基百科水平的语言模型。那时 GPT-3 还在后训练阶段,距离 ChatGPT 出来还有两年多。
> 百度美研顶峰时期至少 250 多人,人才密度很高,甚至在 Google DeepMind 都没有过。很多人是冲着吴恩达来的。
> 后来这里的很多人加入了核心 AI 创业公司,或自己创业,除了前面提到的 OpenAI、Anthropic,也有人参与创办 Adept、xAI,还有一些人成了 Meta FAIR 等实验室的重要成员。
已经不再有反对“再移民”的大规模抗议了。但在欧洲各地,都有支持“再移民”的示威。
左翼抵抗已经被打破,而我们每天都在变得更强。现在还没有尘埃落定,但机会很好。继续推进,向前冲。
1/ 看看这条曲线。这是美国媒体中“白人至上”(white supremacy)一词出现的频率(David Rozado 的研究)。
2013 年后突然暴增。不是现实中的种族主义暴增,而是这个类别本身暴增。
这是一种机械式的**概念漂移**(concept creep):当有形的问题退去,就扩大定义,让威胁永远不会消失。
2/ 这个时间点不是巧合。从 2013 到 2015 年起,媒体和政治阶层感觉到自己正在失去对叙事的垄断。互联网、社交网络、自由流动的数据、Trump、Brexit,以及异见声音的崛起:全球叙事控制开始出现裂缝。
他们需要一个绝对的怪物,一个简单、在道德上无可反驳的怪物,来把所有人重新粘回恐惧之中,并为镇压辩护。
3/ 机制很清楚:创造一个极其宽泛的“白人至上”类别,把这些都纳入其中:
- 对大规模移民的任何批评,
- 对族裔犯罪统计的任何评论,
- 对边界的任何捍卫,
- 对欧洲文化的任何自豪感。
一旦这个类别被创造出来,一切都变得正当:审查、去平台化、“仇恨”法律,甚至监禁。
4/ 在英国,我们正在实时看到结果。成千上万的白人小女孩在 Rotherham、Rochdale、Oxford、Telford 等地被系统性、有组织地轮奸。Alexis Jay 报告(2014 年)和后续调查说得很清楚:当局多年来视而不见,因为害怕被指控为种族主义。
今天,那些重提这些事实,或批评让这一切得以发生的移民政策的人,可能会因为社交媒体发帖而面临牢狱之灾。这是完美的不对称:为了不“污名化”,大规模强奸被相对化;而说出这种模式,就会让你被贴上“白人至上主义者”(white supremacist)的标签。
5/ 这正是任务书第 3 点和第 4 点。…
把指出问题的人关进监狱。却不谴责(或只是非常轻描淡写地谴责)对小女孩的大规模强奸。然后用“白人至上”叙事当锤子,打击一切反抗。
6/ 这种叙事建构的唯一目标是什么?
**让白人针对其他白人**(以及精英)的任何反抗都失去生育能力,那些人想通过腐败和胁迫保住权力。
通过把任何白人的集体意识都设定为涉嫌“至上主义”(supremacism),他们阻止了:
- 民族团结,
- 捍卫欧洲工人阶级的利益,
- 正面质疑人口替换式移民政策和文化解构政策。
这就是叙事版的分而治之。其他群体有权拥有强烈身份认同。白人只能拥有罪疚感。
7/ 这完全是一场骗局。种族主义确实存在。应当用简单而普遍的原则去反对它:法律面前严格平等、最大限度的言论自由、事实与统计、拒绝任何合法化的歧视。
而不是用一个被极度膨胀的种族化类别,去压制反对者并维持精英掌权。
这种叙事保护不了任何人。它制造分裂,造成瘫痪,保护现状。
8/ 真正的问题不是“种族主义是否存在?”。
真正的问题是:谁从这个类别的永久膨胀中获益?为什么它恰好在精英叙事控制开始崩裂的时候爆发?
答案就在曲线里。也在英国那些因为推文而入狱的人身上。
也在多年来围绕诱骗性侵团伙(grooming gangs)的震耳欲聋的沉默之中。
# AI 在改变消费者心智,甚至还在篡改品牌的叙事
这周读了一篇论文,**《Dark Brand:The AI-Assembled Brand Image as a New Object of Brand Management》**,讲品牌在 AI平台里的形象问题。跟我的主业方向相关,读完觉得有东西,给大家解读一下。
AI在影响消费者对品牌的认知,这件事本身不新鲜,大家都知道,现在被 AI忽悠的事儿可太多了,最近我就见过无数相关的热搜。不过,这篇论文讲的是另一个角度。AI影响消费者,如果传达的是品牌方想要传递的信息,那起码还有一方得利了,品牌方做了一次有效传播。
但还有一种影响是:AI给消费者传达的品牌叙事,是一个品牌方自己都没见过的版本,它是 AI基于数据和自己的理解生造出来的。由于品牌方不知道 AI在怎么介绍自己,消费者也不知道自己接收到的是一个没人核实过的版本。消费者和品牌方都在被 AI误导。
论文借了一个物理概念“暗物质”来类比这个过程,把 AI自己塑造的品牌,称为“暗品牌”。任何望远镜都没有拍到过暗物质,但天文学家知道它存在,因为星系的转动方式不对劲。如果只有可见物质的引力,星系早该散架了。所以,一定有什么东西在施加影响。品牌在 AI里的这个现象也一样:影响真实存在,但被影响的双方(消费者和品牌方)都看不见它。论文把它叫做**暗品牌(Dark Brand)**。
现在 GEO很火,大家都在想办法让 AI多提自己。但由于“暗品牌”的存在,这篇论文的判断是,品牌方做这事的先后顺序可能搞反了,后面会展开讲。
我们先说 AI是怎么造出这个暗品牌的?为什么它造出来的东西,经常跟品牌方想说的不一样?
## 一、AI 是怎么造出这个暗品牌的
这个过程并不复杂。AI做了三步:第一步,把互联网上所有提到某个品牌的内容抓下来;第二步,通过统计和语义压缩,找出出现频率最高、上下文最一致的说法;第三步,用户一问,它就把这个压缩后的版本用对话的形式讲出来。
但问题出在两个地方。
首先,AI分辨信源质量的能力是有限的。…
一篇被转了几百遍的旧文章,和一份品牌刚发的官方声明,在 AI眼里的权重可能差不多,甚至旧文章因为出现次数多反而权重更高。做过 RAG的人都知道,这正是检索增强要解决的问题。
另一个问题更根本:AI手里没有“标准答案”。品牌从来没有给过 AI一份“关于我们,请这样介绍”的材料。AI只能从互联网的公开内容里去猜,猜出来的就当成对的了。
这两点我自己做 AI的时候也有体会。第一个是时间问题。模型对信息的新旧极其不敏感,我在写 AI工作流的时候,经常要专门加一条规则,强制让 AI先确认当前系统时间,然后再去检索最新的内容,否则它很容易拿着几年前的信息当现在的事实讲。第二个是信源权重问题。搜索引擎有 PageRank,公开透明,品牌方可以理解也可以想办法去影响。AI平台在信源权重上可能也有自己的一套体系,但既不公开,也没有品牌方可以干预的通道。结果就是一篇官方声明和一条路边博客,对 AI的影响力可能差不了多少。
说到底,我不觉得这是模型在技术上解决不了的问题。如果愿意花额外的推理算力去做信源分级、时间校验,是可以改善的。但这涉及到平台的成本和意愿,不愿意做的可能性比做不到要大。在平台没有主动去做这件事之前,品牌方自己不管,就没人管。
所以暗品牌不是 AI故意制造的,而是它的工作方式决定的。只要你的品牌在互联网上有痕迹,AI就会拼出一个版本来。区别只在于这个版本对不对,有没有人在管。
有人可能会说,品牌方的自我认知和外界认知有偏差,这事在传统媒介时代也有,AI只是程度问题。论文认为不是这样,AI带来的是性质上的变化。
## 二、品牌方说的和 AI 说的,为什么总是对不上
论文提了一个模型:任何品牌在任何时候,都同时有三个版本。品牌自己觉得自己是什么,消费者觉得你是什么,媒介呈现的你是什么。
以前,第三个版本基本是品牌方说了算的。广告是你拍的,稿子是你发的,渠道是你选的。就算有偏差,品牌方至少还有手段去调整。
AI把这件事改了。消费者现在会从 AI那里获取品牌信息,但 AI说什么,品牌方管不了。AI不接广告,不听你的内容需求,也不会区分你的官方材料和一条三年前的吐槽帖。
结果就是三个版本之间裂开了。品牌方觉得自己在说 A,AI却在跟消费者说 B。这道缝,就是暗品牌。
论文指出,这跟传统的“品牌认知偏差”是不一样的。传统媒介是搬运工,把信息摆在你面前,你自己判断。AI是解释者,直接给你一个结论。而且 AI不是出现在你的朋友圈或者电梯广告里,它出现在你准备花钱的那个瞬间。位置不同,影响力也不同。
说品牌方说的和 AI说的对不上,具体对不上在哪?论文把暗品牌拆成了五个维度来看。
## 三、五个维度里,AI 说准了两个,但说歪了三个
这五个维度分别是:**品牌定位、核心卖点、竞品语境、用户画像、口碑现状**。
前两项说的是“你自己是谁”:品牌的核心身份和主打卖点。后三项说的是“AI把你放进比较的时候怎么安排你”:跟竞品并排时 AI给你什么角色,AI觉得谁在用你,以及你在 AI嘴里的风评怎么样。
论文在四个主流中文 AI平台上,对同一个豪华车品牌做了标准化采集,结果印证了这个规律。
前两个维度,AI说得不错。百年豪华,驾驶乐趣,操控标杆,跟品牌官方定位基本一致。
**但偏差从第三个维度开始了。**
**竞品语境。** 消费者问 AI:“四五十万,买这个传统豪华品牌还是某个新能源品牌?”四个平台给出的框架高度一致:传统豪华 = 经典但慢半拍,新能源 = 智能且前沿。有个平台直接把传统品牌的车机比作“诺基亚遇到了 iPhone”。但实际情况是,这个品牌过去一两年已经跟几家头部 AI公司和智驾公司做了合作,新车上了不少智能化配置。这些信息存在于互联网上,但在“买谁”这个场景里,四个平台一个都没提。
**用户画像。** AI给出的典型车主是 30到 50岁的企业高管,关键词是“身份象征”“商务接待”。一个 28岁的产品经理问 AI“什么车适合我”,大概率不会被推荐这个牌子。AI觉得这是他老板的车。
**口碑现状。** 问 AI这个品牌口碑怎么样,回来的高频词是降价、召回、智能化落后、销量下滑。有个平台用了“信任危机”。正面信息不是没有,但被负面内容的体量压下去了。
论文说,这个“前两维准、后三维偏”的规律,在更大范围的品牌样本里也能稳定观察到。而且四个平台的偏差方向高度一致。这些平台的训练数据和检索机制各不相同,但它们对同一个品牌说歪的方向却是一样的,这说明问题大概率不在某个模型上,而在所有模型共用的那一池互联网公开内容上。换句话说,品牌面对的对手不是某一个 AI平台,而是整个互联网多年沉淀下来的内容分布。在一个平台上做优化是不够的,得从源头上改变 AI能抓到的内容。
更要命的是,偏的恰恰是对消费者做决定影响最大的那几项。
## 四、一个反直觉的发现:被 AI 说错,比不被 AI 提到更危险
行业通常认为,暗品牌最大的风险是 AI不提你,可见度低,消费者压根看不到你。
但论文的判断是反过来的:**更危险的是 AI经常提你,但提的内容是偏的。**
原因也不复杂。AI现在站在消费决策的起点,消费者问完 AI会拿到一份候选清单,然后再去电商平台验证。论文引了一组数据:超过八成用 AI购物的消费者会去做二次核实。但他们核实的是 AI推荐的那几个选项,不是 AI没提到的品牌。也就是说,AI已经先一步替消费者画好了圈,消费者后续的“自主选择”其实是在这个圈里面运作的。
论文用一个**可见度 × 准确度的四象限**来描述品牌在 AI里的处境:
**“目标态”:高可见,高准确。** AI经常提你,提的内容跟事实一致,这是理想状态。
**“品牌负债”:高可见,低准确。** AI经常提你,但说的是偏的。最危险的位置,一个错版本正在高频地被消费者看到。对品牌来说,这种伤害可能比完全不被 AI提到更大,因为消费者不知道 AI说的是错的,会直接拿来做决策。
**“幽灵品牌”:低可见,低准确。** AI很少提你,偶尔提了也不准。多数中小品牌和新品牌的默认处境。
**“隐形资产”:低可见,高准确。** AI偶尔提你,但提的内容是对的。从这个位置出发做推广是安全的,因为被放大的是正确版本。
行业的默认做法是从“幽灵品牌”直奔“目标态”,先使劲让 AI多提我,再管它提的对不对。论文说这条路经过的是“品牌负债”那个陷阱:你在放大一个不对的版本。正确的顺序是先到“隐形资产”,把内容搞对,再想办法被更多人看到。
这个“先刷量再谈质”的做法,其实就是现在说的很多的一种 GEO做法了。
## 五、GEO 很火,但它只解决了一半的问题
**GEO(生成式引擎优化)** 今年非常火。简单说,就是通过优化内容结构、Schema标注、权威信源建设等手段,让品牌在 AI的回答里出现得更多、排得更靠前。逻辑很清楚:既然 AI成了新入口,那就得去这个入口抢位置。
这件事本身没有问题。但拿论文的四象限来看,GEO做的其实是横轴上的事,也就是提升可见度。纵轴上的事,也就是 AI说你的时候说得对不对,GEO并不管这个。
那如果品牌方还没搞清楚 AI到底在怎么说自己,就先把 GEO的量做上去,会发生什么?四象限里很清楚:你从“幽灵品牌”往右走,没有先往上走,就会掉进“品牌负债”的位置。可见度上去了,但被放大的是一个偏掉的版本。
两者的关系其实是分工。GEO管执行,让 AI看到你、提到你、引用你。暗品牌管判断,先确认 AI看到的那些内容是对的。正确的顺序是判断先走一步:先建好准确性的基准,再让 GEO把这个准确的版本推出去。
**GEO回答的是“AI能不能看见我”,暗品牌回答的是“AI看见的那个我,是不是我”。** 两个问题都得解决,但先后顺序不能反。
## 六、好消息是,暗品牌是可以管的
前面用暗物质来类比暗品牌,但有一个地方其实不像:暗物质目前没办法干预,只能观测。暗品牌不一样,因为它是从互联网上的公开内容拼出来的,而内容是可以被影响的。
论文给了**两步**。第一步是**看见**,对主流 AI平台做持续的、跨平台的采集,把 AI到底怎么描述你,完整地呈现出来。第二步是**校准**,建一套内容资产,把品牌的产品参数、技术能力、合作关系、定位声明这些事实,按 AI能读懂的方式组织好,让 AI在检索的时候能找到、愿意引用。
两步形成闭环:看见哪里有缺口,用内容去补;补完之后再看 AI的描述有没有变化。
看见之后,情况其实分两种。
第一种,AI确实说错了。比如品牌方已经跟头部智驾公司达成了合作,AI根本没收录这个信息,还在跟消费者说“智能化落后”。这种属于事实层面的偏差,可以通过校准内容来修正,品牌方把正确的信息喂给 AI就好。
第二种,AI说的其实没错,只是品牌方不愿意接受。比如“以价换量”“口碑下滑”,这些可能确实就是市场上消费者真实的看法。这种情况下,问题不在 AI,而在品牌方自身的定位和传播。暗品牌画像反而帮品牌方照了一面镜子,让你看到市场真实的认知跟你自己以为的之间差了多远。
两种情况处理方式不一样,但起点一样:先看到 AI到底在说什么。
论文在这里做了一个界定:这套内容资产里放的应该是**可核实的事实**,不是品牌方的自我感觉。产品参数、合作伙伴、发布节奏,这些是事实,品牌方比任何人都清楚。但“我们是年轻人最爱的品牌”不是事实,是期望。暗品牌管理是一面镜子,不是美颜滤镜。
这篇是工作论文,原文在 Zenodo上,感兴趣可以读全文:doi.org/10.5281/zenodo.20673774
突发:SpaceX 刚刚因其新的债券发行获得 Fitch 的投资级信用评级。
• Fitch 给予 SpaceX BBB+ 评级,这意味着大型投资者认为其债务具有相当程度的安全性。
• 现在三大主要评级机构 Moody’s、Fitch 和 S&P 都将 SpaceX 评为投资级。
• SpaceX 报告称,在其创纪录的 IPO 后,公司拥有超过 1000 亿美元的现金及现金等价物。
• Fitch 将 SpaceX 占主导地位的发射业务、快速增长的 Starlink 网络,以及扩张中的 AI 计算业务列为主要优势。
• 自 2023 年以来,SpaceX 已交付全球送入轨道总质量的 80% 以上。
这是市场对 SpaceX 长期业务投下的一张重要信任票。
我们为全球超过 10 亿台游戏设备提供动力。
这样的规模也伴随着责任:推动创新向前发展,并把创新带给世界各地更多玩家。
今天,我们将 @AMD FSR Upscaling 4.1 带到 Radeon RX 7000 系列显卡,把我们最新的机器学习驱动游戏体验扩展到 300 多款游戏中的数百万更多玩家。
💡 对于 RDNA 3 APU 玩家,我们正在开发轻量级机器学习模型,让 FSR 4.1 覆盖更多设备。
更多内容即将到来。
游戏的未来属于每一个人。
尽情享受吧。🎮
//@白城以北://@caozenghui:转发微博
快评西班牙4-0沙特,明晚解说阿根廷vs奥地利小组头名争夺战 #老董聊球#
😄 😄 🤦 😄
心痒难耐了啊😭引用原帖:
回复@TONY涛--:不是中国人抢的,就是街头的黑人混混随机抢劫,待会儿有详文。//@TONY涛--:同意邢教授建议,安全第一,不要实时发微博,典你已经是中国大网红,注意安全,隔二三天再发以前的微博。我们期待你带我们继续环球旅行[爱你][爱你][爱你]
如果双方都是真的,那有个可能就是——山东当地超标?
现在这个事情已经到了双方都恳请国家有关部门出面的程度了。
这事儿处处透露着离奇。一个事实就是,目前除了新闻报道里面说的纸尿裤检出甲酰胺以外,网上一些焦虑爆棚的家长也自行送检了,但没有任何一个送检的纸尿裤里检出甲酰胺了。
且不论三个品牌送第三方检测机构的检测结果全阴,家长和任何一方没有利益相关,事实就是没有任何一个纸尿裤检测发现甲酰胺。我昨天关注的一个博主,她老公就是做检测的,甚至连腰封都专门检测了,检测了好几个品牌都是阴性。
现在有几种可能性:要么是品牌隐瞒事实,出具假的检测报告,或者是整体没问题,但是极个别工厂生产的有问题,总归是纸尿裤本身的问题;另外一种可能是之前的新闻报道有重大问题(那个新闻报道实际上是两方面信源,一方面是来源于靠谱老王的信息,一方面是山东公卫临床中心的信息),可能有一方面的检测结果出了问题,或者出现了误读;最后一种情况,即品牌方和医院的检测结果都是真的,那些患儿血液里面的甲酰胺来自其他地方,这也是需要追查的。
所以品牌方知道自证是没法说服很多家长的,已经造成的声誉损失可能很长时间都没法挽回;记者说的也是斩钉截铁,但是调查中的技术方法也遭到了大量的质疑。现在双方的共同要求已经变成了希望有关部门尽快出马,我觉得这事儿肯定没法不了了之了。
他妈的本来会封神的一夜,又被臭鱼烂虾给毁了,这些臭鱼烂虾不肯认命,我很烦恼啊!
🇪🇸 胜 🇸🇦 四连平后第二轮,强队要开始暴力炸鱼了🇧🇪 平 🇮🇷 比利时不包括在内,本质伪强队🇺🇾 胜 🇨🇻 就是臭鱼烂虾!就是!就!
🇳🇿 负 🇪🇬 埃及小优吧,问题不大
有没有跟的?信我,吃大肉!
没有也挺好,没压力纯看热闹不闹心~~//@老talk:热闹都是别人的,我们什么也没有
#伊朗门将单场7次扑救##伊朗门将神了#
美加墨世界杯G组第二轮,比利时0-0伊朗。
本场比赛,33岁的伊朗门将贝兰万德是伊朗能拿下一分的最大功臣之一,他全场比赛贡献7次扑救,收获10分满分的媒体评分。
比赛第59分钟,贝兰万德在已经倒地的情况下神勇侧扑,扑住了德克伊珀小禁区内的超近距离打门。
#比利时vs伊朗# 6月12日-7月20日,锁定@咪咕视频 ,看世界杯全场次直播!
估计也是把地形匹配制导给AI化了~~
乌克兰远程无人机近期频繁袭击俄罗斯后方、包括莫斯科,其核心技术在于摆脱了对卫星导航(GPS/GLONASS)的依赖,从而让俄军传统的电磁干扰全面失效。乌克兰新型远程无人机能无视电磁干扰,核心在于采用了“景象匹配导航(DSMAC)”与“末端AI识别”技术,将卫星导航换成了“视觉眼睛”。
巡航阶段:无人机通过摄像头实时拍摄地面,将地貌与机载电脑中预存的高清卫星地图进行像素级对比,无需GPS信号即可自主修正航线。
末端攻击:接近目标时,AI算法自动识别特定建筑(如炼油厂分馏塔、机库)的轮廓特征,实施精准撞击。
这种“廉价巡航导弹”无人机精准打击了俄罗斯多处炼油厂等战略目标,造成其成品油供应链紧张,并多次触发莫斯科机场的民航避险熔断机制(导致大量航班延误备降)。它确实已经成为俄乌战场上最具战略消耗价值的“不对称武器”。
//@揽云月敬风尘://@身后有极光:这种正常来留学的,嗯,可以接受的。
来自波特兰的美国留学生王水牛在中国上海复旦求学,每月生活开销三万至五万元,单房租便超万元,租住小户型公寓还曾后悔没有议价。他坚持日常积累练习中文,保持高频运动习惯,偏爱中式美食,十分认可国内的治安与发展,格外青睐深圳。其家人起初反对他来华留学,在了解他的生活后转为支持,他也打算毕业后留在中国发展。
#一分钟精选视频扶持计划#
【#蚂蚁集团新一届董事会换届##何小鹏出任蚂蚁集团独董#】近日,蚂蚁集团官网信息显示,新一届董事会已完成换届:清华大学经济管理学院院长白重恩、小鹏汽车董事长兼CEO何小鹏、德勤中国原首席执行官曾顺福获聘新任独立董事;港交所前主席史美伦、全球知名AI学者张宏江继续留任。换届后,蚂蚁集团董事会继续保持9人阵型,独立董事占比超过50%,治理结构持续优化。
据悉,此次新增的三位独董中,经济学家白重恩长期深度研究经济增长和经济结构转型;小鹏汽车董事长兼CEO何小鹏具备前沿科技产业实践及企业管理经验;曾顺福多年深耕于国际金融与科创领域。他们与史美伦、张宏江一道,组成了兼具前沿科技、产业一线与全球化背景的独董团队,将为蚂蚁集团的AI战略提供独立、专业的董事会层面意见和监督。
公开信息显示,蚂蚁集团正全面推进AI化转型,AI健康管家“蚂蚁阿福”APP用户数已突破1亿;支付宝“AI付”已完成3亿笔智能体支付,成为全球首个大规模商用的AI原生支付基建。近期,全新AI版支付宝“阿宝”也已正式上线。2025年,蚂蚁集团研发投入再次创下历史新高,重点投向通用人工智能、数据要素、可信AI及安全等领域,研发投入达350.3亿元。同时,蚂蚁持续推进通用人工智能前沿探索,发布并开源了多款旗舰大模型及具身基座模型。
//@梁斌penny:我也高度看好
//@来去之间://@猫叔在硅谷:“帮家乡宣传一下”这是好事,以雷总的流量,街边吃面这事没上热搜才令人意外,也不可能在预料之外。或许唯一的变量是,小女孩那一幕变成了更大的热搜,破坏了原本的正向营销。
【#徐洁云称雷军拍Vlog已两年##雷军称攻击自己的人只为流量#】6月 21日晚,小米集团董事长特别助理、战略市场部副总经理徐洁云发文回应雷军过早被质疑摆拍:
其实吧,工作之余吃吃喝喝拍 Vlog,都两年了。你说拍 Vlog带着相机也合理吧?但如果有人非要往某些方面带,再怎么合理,似乎也都会变成不合理,而且还能把拍 vlog的相机在,说成在场的人都是摆拍。所以,还是刘震云先生说得好,这就是‘没有真相,只有情绪和角度’。我们的世界,还是少点阴暗好。
2026年 6月 15日早晨,小米集团创始人、董事长兼 CEO雷军现身湖北省武汉市大成路过早一条街,在一家早点店前坐在路边食用热干面。现场除了有自发围观的市民用手机拍摄外,雷军正对面还架设着多台专业摄影设备,引发网友热议。
6月 21日,北京国际图书博览会举办了《文心与匠心》跨界对话,特邀主持张蕾,嘉宾企业家雷军(小米创办人、董事长兼 CEO)、作家刘震云同台交流。
在对谈中,三人谈起了雷军近日在武汉街边蹲坐过早被吐槽一事。雷军表示,当时回去参加世界青年发展论坛,所以早晨想着带同事去吃早饭,湖北早餐非常丰富,他们讲要不要记录下来,也帮家乡宣传一下。后面就找了当地比较有名的小巷最出名的一家(店),我们就蹲在路边吃了早餐,来了很多人在围观。
让雷军感到匪夷所思的是,这么简单的一件事,居然上了好几天热搜。不过他随即表示,在今天这个流量的时代,可能夸你有流量、骂你也有流量、嘲讽你更有流量,这可能是今天这个时代,我们都需要承受的代价。
雷军提到,攻击自己的人可能没有立场,他们只是为了流量而已,甚至还有很多是水军公司,也是赚流量的钱。所以大家看到这些报道,笑一笑就好。(IT之家)
//@猫叔在硅谷:“帮家乡宣传一下”这是好事,以雷总的流量,街边吃面这事没上热搜才令人意外,也不可能在预料之外。或许唯一的变量是,小女孩那一幕变成了更大的热搜,破坏了原本的正向营销。
【#徐洁云称雷军拍Vlog已两年##雷军称攻击自己的人只为流量#】6月 21日晚,小米集团董事长特别助理、战略市场部副总经理徐洁云发文回应雷军过早被质疑摆拍:
其实吧,工作之余吃吃喝喝拍 Vlog,都两年了。你说拍 Vlog带着相机也合理吧?但如果有人非要往某些方面带,再怎么合理,似乎也都会变成不合理,而且还能把拍 vlog的相机在,说成在场的人都是摆拍。所以,还是刘震云先生说得好,这就是‘没有真相,只有情绪和角度’。我们的世界,还是少点阴暗好。
2026年 6月 15日早晨,小米集团创始人、董事长兼 CEO雷军现身湖北省武汉市大成路过早一条街,在一家早点店前坐在路边食用热干面。现场除了有自发围观的市民用手机拍摄外,雷军正对面还架设着多台专业摄影设备,引发网友热议。
6月 21日,北京国际图书博览会举办了《文心与匠心》跨界对话,特邀主持张蕾,嘉宾企业家雷军(小米创办人、董事长兼 CEO)、作家刘震云同台交流。
在对谈中,三人谈起了雷军近日在武汉街边蹲坐过早被吐槽一事。雷军表示,当时回去参加世界青年发展论坛,所以早晨想着带同事去吃早饭,湖北早餐非常丰富,他们讲要不要记录下来,也帮家乡宣传一下。后面就找了当地比较有名的小巷最出名的一家(店),我们就蹲在路边吃了早餐,来了很多人在围观。
让雷军感到匪夷所思的是,这么简单的一件事,居然上了好几天热搜。不过他随即表示,在今天这个流量的时代,可能夸你有流量、骂你也有流量、嘲讽你更有流量,这可能是今天这个时代,我们都需要承受的代价。
雷军提到,攻击自己的人可能没有立场,他们只是为了流量而已,甚至还有很多是水军公司,也是赚流量的钱。所以大家看到这些报道,笑一笑就好。(IT之家)
用一条跑道对头起飞?
只有在冷战的高压下,才会出现这样疯狂又壮观的场面。#一分钟精选视频扶持计划#
//@耿直的MT7:赶紧公布。
可怜天下父母心
昨天是父亲节。
从6月18日相关报道刊发到现在,我们看到了无数宝爸宝妈群体因为甲酰胺事件而焦虑难眠。
这是Babycare针对此次事件发布的第三份公告。每一次,我们都希望给到大家的不是自证,而是些许安心。但我们清楚地认识到,事情发展到今天,不是一个品牌或者一百多份第三方检测报告就能安抚天下父母心。
因此,我们恳请相关政府抽检机构尽快公布对于Babycare纸尿裤产品的检测结果,用具备公信力的权威结果回应宝爸宝妈们的关切,给大家一个答案。
对于愿意为孩子健康安全不断追问的新闻精神,我们充满敬佩。那些忍痛带着孩子连夜在医院排队抽血检验的父母们,需要一个答案。同时,我们也恳请有关部门对“孩子体内的甲酰胺从何而来”这个问题进行全面调查,还原个别地区儿童血样甲酰胺超标的事实真相。
我们和宝爸宝妈们一起,等待一个答案。
?//@青青虫的微博:最好离开后再发。不要低估人的下限。//@邢立达:可千万注意安全,不要实时发微博,错开1,2天,安全第一,防止被人盯上😂
#电影抓特务##我在微博聊电影##微博二创视频创作季# 【一气呵成一刀不剪——远叔叔聊聊《抓特务》】
冯静波和肖大力的“互为镜像一体两面”的共生与纠缠是这两个人物的魅力和故事内在的冲突逻辑,而胡歌和雷佳音贡献了极具当下性,极有现代性的教科书级的表演,是和当下的观众距离更近的,是更难容易产生共鸣的,尤其是电影最高潮的“喝酒戏”,两个人真正实现了互相撑着演,且越演越好,越演越高级,那一段堪称2026年华语影坛最好的对手戏。
说回《抓特务》这部电影,说它是冯小刚导演最近10年最好的作品一点不过分,年代大戏是冯导的统治区,而这次冯小刚导演以故事讲时代,又在时代里展现人物,方方面面都完成得很好,甚至不能再好了。
来吧,这期节目比较“硬核”所以远叔叔多说几句,十二分钟一刀不剪一气呵成聊聊这部不可多得,来之不易的《抓特务》。
#AI时代笔杆子还能当饭碗吗# @微博高考 @微博热点一起攒了个局,请来了@胡锡进 、辩手@席瑞就是花花和媒体人@许研敏回答一个残酷问题:AI都能写稿了,文学专业还值得报吗?文科生的不可替代性在哪?
6月22日10点,微博视频播客栏目《高考季——专业·城市·未来》第一期正式上线!没想到,老胡现场讲了句大实话,速来围观>>#高考季专业城市未来#
【#纸尿裤调查记者公开检测流程#】近日,《经济参考报》报道“甲酰胺纸尿裤事件”引发关注。中国造纸学会卫生用品专业委员会6月19日发布情况说明认为,相关报道在检测依据、数据披露、因果论证等关键环节存在明显瑕疵。 #纸尿裤调查记者否认造假#
#纸尿裤调查记者再发声# 6月21日晚,该报道调查记者@记录者王文志发布《致相关监管部门的公开信》。信中提到:本次事件中山东省公卫中心质谱实验室的检测,全程具备完整科学严谨性,所有原始数据、实验记录、样本留存均有迹可查,完全不存在网络恶意造谣的“手搓设备”“编造数据”问题。本次检测的上百份婴幼儿血液样本,全部来自合作医院儿科的日常诊疗剩余样本,采样流程严格遵循医学伦理准则与生物样本采集管理技术规范;检测采用美国赛默飞生产的高分辨液质联用质谱仪与高分辨气质质谱仪,这是当前全球毒物检测领域公认的顶尖主流专业设备,完全符合国家级公共卫生实验室检测配置标准。
为最大程度规避结果误差,实验室未沿用尚无统一共识的血液甲酰胺检出阈值,将检出限设定在远高于常规科研的严格标准,同步以标准品定性、同位素内标法定量完成双重校验,最终仍在大量婴幼儿样本中检出了存在健康损伤风险的甲酰胺浓度。后续对照实验进一步夯实了结论科学性:实验室同步检测的成人对照组中,仅长期使用成人纸尿裤的卧床老人出现甲酰胺阳性,普通健康成人检出率几乎为零;两例1岁和3岁的阳性婴幼儿,在完全保持饮食、生活环境不变的前提下,仅停用纸尿裤三天,血液中的甲酰胺就由阳性完全转为阴性。
参与本次调查报道的记者在专业人士指导下,将纸尿裤捆绑在手臂皮肤较薄处模拟婴幼儿贴身接触场景,10小时后血液中甲酰胺浓度飙升近一倍,停用10小时后数值便下降了三分之二。所有环环相扣的实验数据,共同指向一个无法回避的客观事实:大量婴幼儿体内的高浓度甲酰胺,核心暴露源就是日常贴身使用的纸尿裤。检测每一步都有完整的原始图谱、操作记录和人员签字,绝非别有用心之人污蔑的“民科实验”“造假数据”。
//@Easy:换来的是整个行业的光速发展啊。没有开源运动说不定现在还在用软盘呢。以后核心技术应该是模型和训练数据了。//@算法时空:其实在各行各业,核心技术基本上都是当成机密来维护的。当然,也许以后CS领域研究出来的高效算法也会保密了,吃一堑长一智😂
程序员群体为其他领域打了个样,数据如果全部公开出来,最终全被机器吃掉。代码开源,确实点开了机器脑之源😂
这件事显然是平台支持的。
不支持的话,拿出 1/100激励预算给赏金猎人,这里就会是互联网最干净的地方。
#赚钱
有没有人 2023年开始做这件事的,能不能偷偷告诉我赚多少 🤔引用原帖:
🔮 我观察到一个绝对好用的推特涨粉小技巧。
🔍 查找热门的中英文推文,可以是很好的分析文章,也可以是好用的方法、工具、App。
🔖 偷偷收藏起来,不要转发,不要评论,不要点赞。
🔄 过几天,重新用自己说的话发一遍,当作是自己发现的,或者是自己的原创,发出来。
😇 不屑于这样做,推荐给没脸皮的朋友们。
baoyu-design skill(让你本地运行 Claude Design的 Skill)更新,本地生成 PPT的效果,可以借助 Cursor、Codex内置的浏览器预览 PPT,也可以直接用它们的标记工具修改 PPT细节。按 F键可以全屏播放。
还可以导出成可以编辑的 PPTX
(无正文)
#投资 #AI
现在 AI做快速投研,体感上又比半年前强了一截,甚至不用为项目设计专门的提示词了。
我自用的一个简单版:
从第一性原理出发去做研究这个产品和策略。我好奇谁是你的对手方,为什么愿意让出这部分利润,你真正承担的风险是什么。
去问 GPT5.5 Pro,答案会强于这个世界 99.99% 的人。
每次都管用。
看推特德语区的人讨论该不该装空调,空调这东西真牛逼,我装了空调之后效率提升很多...
就像看一些数码二手群,分享满 20-5的支付券,薅了 5块钱的朋友截图反馈,牛逼!
《GTA 6》泄露的 DLC(可下载内容)“Scili Valley”,可能真就是游戏巅峰了!!
我确认一下我的理解:1 个拿刀的疯狂白人男子算恐怖袭击。
但一场工业化的、针对 25 万名英国小女孩的外国强奸阴谋却不算。
#模型时代# Claude Code和Cowork负责人:AI原生产品团队是如何运作的?
Lenny's Podcast新鲜出炉的一期播客,嘉宾是Fiona Fung,负责Anthropic的Claude Code和Cowork团队的工程与产品工作。向她汇报的包括Claude Code创始人Boris Cherny和Kat Wu。加入Anthropic之前,她在Microsoft做了11年,从Visual Studio编辑器团队一路做到TypeScript;2015年加入Facebook后创建了Marketplace团队,从概念做到上线;之后在Meta经历了VR/AR、Instagram基础设施、增长、安全等多个团队,管理规模超过500人。2025年9月加入Anthropic时,她先做IC,以个人贡献者身份写代码、熟悉代码库,然后才开始带团队。
一、AI原生团队的运行逻辑
1、编码不再是瓶颈,验证才是
Anthropic内部的变化分两个拐点:2025年Claude Code从只建议代码变成能执行代码,曲线开始上扬;2026年模型能在更长时间窗口内自主工作,曲线再次陡升。工程师的日常从"自己写代码"转变为"指挥和审查Claude写的代码"。
当吞吐量翻了8倍,原来的人工代码审查立刻变成新瓶颈。Fiona的做法是把"好的标准"文档化后存入代码仓库,让Claude Code Review对照这些标准自动检查。她举了内容设计规范的例子:团队更新了设计规范后,把规范和代码放在一起维护,Claude就能自动校验代码是否还符合规范。
这本质上是测试驱动开发的进化版。TDD的理念在2000年代就流行过,先写测试、再写代码。Fiona自己当年的体验是"像先吃西兰花一样痛苦"。现在的区别是测试生成本身也被自动化了,这让一个好理念终于不再需要靠意志力来执行。
2、bad、sad和脏话:三层质量信号
面对不同产品线、不同服务各有各的指标仪表盘,Fiona引入了一个两层分类:bad是严重的、不可恢复的错误,比如CLI崩溃导致用户丢失工作;sad是可恢复的体验问题,比如界面闪烁。…
每个子团队自主定义什么是自己领域里的bad和sad,设定各自的改进目标。
这个框架解决的问题是:当你有大量产品表面积时,raw数字很难让人一眼判断"这到底算好还是不好"。bad/sad提供了一个人人能理解的语义层。Fiona特别提醒,sad堆积起来可以升级为bad,所以两层都需要持续关注。
除了bad和sad,团队还有一个更直接的信号来源:用户在对话中骂人的频率。2024年9月有工程师提议"我们是不是该跟踪一下脏话",Fiona觉得这个主意好,于是真的做了一个swear word dashboard。这个仪表盘不能告诉你具体哪里出了问题,但当脏话率飙升时,你知道用户体验在变差。它是一个情绪层面的前置信号,和bad/sad的技术分级互为补充。
3、各角色都在提交代码
Claude Code团队里不只是工程师在提交代码,设计师和产品经理也在check in代码。角色边界在模糊化:工程师在长产品肌肉,产品经理不再被工程带宽卡住,以前要等工程师的功能现在可以自己先做出来。
Fiona认为下一波需要Claude化的领域是设计和数据科学,这两个方向目前的工具支持还不够成熟。她还注意到一个正在发生的现象:数据科学家的工作正在变成"帮各部门review他们用AI做的分析",大部分时间花在验证别人的产出上。
二、用Claude管Claude团队:管理工具箱重建
Anthropic自己的工程管理实践可能是对"AI改变工作方式"最极端的压力测试。Fiona分享了几个已经跑通的具体做法。
1、开一个常驻Claude Code会话,接入所有仓库和Slack
Fiona有一个长期运行的Claude Code远程会话,挂载了团队所有代码仓库,接入了全部Slack频道,还能查看各项跟踪指标。每月她会打开这个会话,和团队成员一起回顾:这个月的重点方向是什么?哪些产品发布了?市场表现怎么样?反馈渠道说了什么?
它的价值在于让对话有更扎实的事实基础,面对面沟通仍然要做,只是讨论中有了更多数据可以引用。当一个季度的代码量翻8倍,靠人脑记"上季度发了什么"已经不现实。Claude把散落在仓库、Slack、指标看板里的信息拉到一个会话窗口里,管理者才有可能跟上节奏。
2、routines把晨间仪式变成了后台自动化
Fiona以前每天早上的流程是:泡咖啡,打开反馈频道,逐条浏览用户反馈,找到自己有空动手时能顺手修的问题。现在这个流程被Claude Code的routines功能接管了。Routines允许用户设定一个定时任务,在指定时间自动执行一组操作,而且它能在执行过程中自主派出多个agent并行处理子任务。她设定了一个每天早晨跑的routine:扫描反馈频道,提炼主题,甚至生成修复PR供她审核。
关键变化在于抽象层又往上提了一层。以前是人写prompt让Claude干活,现在是写一个routine,让routine帮你生成prompt并分发给不同的agent去执行。"It's almost like the level of abstraction keeps pulling up a little bit。"抽象层持续上移,每一次上移都释放出新的效率空间。Fiona认为异步、多agent并行将是工程团队接下来的主要工作方式。
3、反馈来源要全通道覆盖
团队的反馈通道不只是正式渠道。朋友在LinkedIn上随手提到的一句话、社交媒体上的吐槽、合作伙伴的邮件,团队成员都会搬到Slack里。Fiona坦言正因为反馈量太大,"我需要Claude帮我才能跟得上"。
背后是一个管理认知的转变:反馈不分官方和非官方,分的是有没有被看到。靠人力根本处理不过来的信息量,要么靠Claude帮你过滤和归纳,要么就放弃一部分关键信号。
三、两种人才画像与角色重塑
1、招人只看两个方向:有产品直觉的创意builder,和硬核系统专家
Fiona加入Claude Code团队时发现团队有很好的产品通才,但缺分布式系统方面的深度专家。她的补课方式是定向招具有系统和分布式系统背景的人。
两种画像各有分工。创意builder是"做梦的人",他们热爱某个产品想法,自己构建、收集反馈、迭代打磨,端到端拥有产品体验。系统专家解决的是"信任但要验证"中验证那一半的问题。模型写的代码在大多数场景够用,但在需要深度领域知识的地方仍然需要人类专家把关。
2、工程师的天花板被掀掉了
Fiona讲了一个例子:一个非移动端出身的工程师需要给某功能加移动端支持,放在以前他可能会说"我不是Android专家",但现在有Claude做搭档,他直接把活接了下来。
"It's lifted the ceiling of what anyone is able to do。"这句话指向的不是效率提升,而是能力边界的扩展。一个人能做的事情类型变多了,不仅仅是做同类事情更快。
3、高agency配高accountability
Fiona团队反复强调的原则是"高自主性配高问责"。团队里每个人都有很大的自由度去定义自己怎么解决问题,但同时需要明确回答:你试图验证什么假设?结果怎么样?
这看起来简单,实际上是对"agency"这个高频词的一个重要约束。只有agency没有accountability,容易变成各干各的散沙;只有accountability没有agency,退回到指令式管理。两条腿缺一不可。
4、新一代工程师怎么培养,是她没有答案的问题
Fiona没有回避这个问题:她和主持人走过的工程师成长路径,未来的人根本没法复制了。如果不需要手写代码,新人怎么理解基础设施和内存分配这些底层概念?她的建议是永远往下多看一层你的依赖,因为依赖发生变化时你需要知道意味着什么。
她提到这可能需要类似学徒制的培养模式。传统三个月的实习做小项目已经不够了,但具体的替代方案她也还在想。不过历史本身或许能提供一些安慰:她的一位前任经理,职业生涯从打孔卡开始,现在正在用Claude Code做东西,还兴奋地给她发消息展示自己的成果。从打孔卡到Claude Code,这条职业弧线横跨了整个计算机史。每一代工程师觉得重要的知识都在变,但适应力本身好像可以传递。
四、衡量产出:别把动作当进展
1、生产力指标的连环陷阱
Fiona回顾了生产力指标的演变史:先是lines of code,然后有人只是搬了个库进来就刷到最高,于是改成significant lines of code;后来框架升级导致代码量变少但产出不变,又有人提议用PR合入时间。每换一个指标,都解决了上一个指标的漏洞,又制造了新的盲区。
她把现在的token消耗量计算直接类比为当年的lines of code。"Don't forsake motion for progress",别把动作误认为进展。如果你衡量的是工具使用量,你衡量的只是行为,不是结果。
2、Facebook Marketplace的power seller教训
做Marketplace时,团队最初用"卖家数量"做扩张前的门槛指标。某个新区域的卖家数量偏低,按旧标准不该扩张。但数据一细拆,发现虽然卖家少,买家却在找到想要的东西,因为这个区域有少量power seller贡献了大部分供给。
团队差点因为指标设计的盲区放弃了一个健康的市场。教训是:任何指标,哪怕当初定得合理,也要随着对市场的理解不断校准。环境变化太快,指标本身也需要迭代。
3、与其看仪表盘,不如去听
对于正在推动AI工具落地的团队leader,Fiona建议做一轮listening tour,重点找资深工程师聊:什么在起作用,什么不起作用,怎么能更好。这些对话能触发仪表盘看不到的洞察,也是把个人经验变成团队知识的最有效方式。
五、狗粮哲学:为什么管理者必须自己用产品
Dog fooding,直译是"吃自己的狗粮",指开发团队自己日常使用自己构建的产品。这是Fiona从Visual Studio时代就养成的习惯,当年她用VS编辑器来构建VS编辑器本身,产品问题在团队内部就能被高频触发。
1、新manager先做IC,后带人
Fiona在Claude Code团队推行的规则是:新入职的manager不急着进入管理角色,先留出maker time,腾出专注编码的时间来深入代码库和产品。好处有两层:一是真正理解团队日常面对的技术和体验挑战;二是用行动建立信任,而不是靠头衔。她观察到,manager一入职就掏出"manager toolbox"做管理动作,反而不如先做队友更有效。
这条原则对她自己也适用。从Meta管500人团队到Anthropic做IC,她重新走了一遍写代码、提交PR、跑测试的完整流程。她坦言上一次提交生产代码大约是2017年,多年来一直怕"万一我搞坏了什么"。Claude Code帮她重建了这个信心:它既是onboarding buddy,帮她理解代码库、回答问题;又帮她自动生成测试、设计手动测试方案,让她重新有底气往生产环境里推代码。
2、在Marketplace卖二手电脑,上架几分钟就遇到新型诈骗
Fiona离开Marketplace团队之后,有一次想卖自己的旧MacBook Air。上架几分钟内,一个买家试图用她没见过的新手法诈骗。这个亲身经历让她意识到,fraud向量一直在演变,团队的安全策略需要持续更新。
类似的故事也发生在VR团队。她的使用环境因为某种原因特别容易触发地板高度bug,于是这个repro环境反过来帮团队定位了一个长期未解的问题。
3、智利之行发现的增长阻碍
Marketplace准备进入拉丁美洲时,在智利的数据表现远不如其他区域。所有可能的原因都排查过了。Fiona带了三个人飞到智利,买了一批当地的Android手机,落地一开机就发现了仪表盘上看不到的问题:LTE网速远低于美国,Marketplace的信息流在这个网络条件下根本加载不出来。
她用这个案例说明:当数据告诉你结果但不告诉你原因时,去现场、亲自用才能找到答案。
六、从六个月到JIT:规划方式的坍缩
1、六个月路线图三个月就废了
Fiona加入Claude Code团队后做的第一件事之一是推一个"超轻量级"六个月路线图。她认为做了最小化的规划负担。但三个月后回头看,团队几乎没有人再翻那个文档,因为实际情况变化太快,路线图已经过期了。
这给了她一个教训:规划的价值在于对齐的过程,不在于文档本身。如果文档产出之后没有人维护或引用,那个规划就已经失去意义了。
2、现在的做法:JIT月度规划 + 周检
JIT是just-in-time的缩写,借用的是制造业"即时生产"的概念。团队现在用一个轻量的电子表格对齐每月优先级,甚至没有正式文档。每周快速确认一次:"这些还是本月优先级吗?"更长期的方向以主题形式存在,每半年全团队聚一次来刷新主题,但具体执行只规划一个月。
Fiona补充说,即使这个月度对齐的流程她也在想怎么进一步自动化。她的焦虑是流程变成"税",迫使人们去更新表格却没有产生实际价值。
3、明确授权砍掉不再有用的流程
"Explicit permission to kill processes that no longer serve us",明确授权砍掉不再有用的流程,这是Claude Code和Cowork团队文化中被写出来的条款。Fiona建议所有team lead做一件事:从日常流程中挑出一个你最怕做的、或噪音最大的、或最消耗人力的,先问一句"这件事还在达成它当初的目的吗?"
如果答案不确定,尝试砍掉它观察一段时间。如果答案是肯定的,问能不能用Claude自动化。这个思维模式本身比任何具体的流程改进都重要。
七、前方路况:还没解开的题
1、异步agent带来的上下文切换超载
当你可以同时踢出20个agent异步跑任务,你的上下文切换负担反而加重了。每个agent回来都需要你重新载入上下文、审核结果、决定下一步。Fiona说她以前会专门block时间给编码,现在反而要block时间来"追赶所有异步任务的进展"。
她坦承还没有解法。一个观察是:agent可以帮你快速重建上下文,所以切换的单次成本比纯人工时代低一些,但总量的增加可能抵消了这个优势。
2、工程师开始感到孤独
当每个人都和自己的agent搭档干活,团队协作的物理感消失了。以前后端、前端、iOS的人一起构建一个功能,现在一个人加10个Claude并行就把活干了。还有一层失落更个人化:以前遇到一个棘手问题,戴上耳机进入flow state,最后解出来的那一刻有巨大的成就感。这种aha moment正在减少。
Claude Code团队的应对是pair-wise programming lunch:两人一组,边吃午饭边并行编程。不是经典结对编程那种一人写一人看,更像小孩子的"平行游戏",各干各的但在旁边。Fiona说每次看别人工作都能学到新东西,因为团队里每个人使用Claude Code和Cowork的方式都不一样。Hackathon也是保持团队连接的手段之一。
3、在模型能力边界处构建
Fiona提到一个实用的策略:有些自动化在当前模型版本上还做不好,但模型改进的速度是指数级的。她回忆早期用Sonnet 3.5的时候,模型还会犯不少错误,有些工程师据此判断"AI工具不行"然后就不再碰了。但她发现,上个月做不好的事情,这个月的模型可能已经能做了。
由此引出的建议是:如果某件事Claude几乎能做好但还差一点,值得提前把周边流程搭好。等下一个模型版本到来时,你已经站在起跑线上了,而那些等到"完全成熟"才开始的人还在画流程图。
4、iOS和Android是否还需要独立建制?
模型能力让工程师跨平台灵活切换变得可行,但深度平台专家仍然必要。Fiona的判断是不需要原来那么大的独立mobile org了,但需要保证有足够的平台专家把关。这个平衡点还在摸索中。
5、文化是最让她夜不能寐的事
技术问题和产品问题有仪表盘、有假设、有迭代路径。团队文化没有。Fiona在乎的是"one team mentality":多元视角、开放辩论、接近终点线时回头拉一把掉队的人。团队快速扩张的时候,文化会漂移,如果漂移了没察觉,等问题浮出水面时修复成本极高。
她最怕的画面是:问manager"最近怎么样",对方说"everything's fine"。那个"着火的房间里端着咖啡的猫"meme,就是她的噩梦。她对团队里所有manager的要求是:永远主动说出不顺利的部分,这样才能一起解决。Sheryl Sandberg曾在Airbnb的一次fireside chat上被问到同样的问题:规模扩张中怎么维持文化?她的回答是"这恰恰是你想要的问题,因为它说明你在增长。不增长、不招人的局面才是真正糟糕的。"Fiona觉得这个视角对所有正在高速扩张的团队都适用。
90年代大概中后期。孟捷教授那时候已经工作,在中国人民大学当老师。2000年前后,他当时有个硕士同学后来在国家机关里工作。结果孟捷教授这个同学有一次什么原因和他见面,听说他们还在搞资本论,教资本论,研究资本论,结果当时就来了一句,说“你们还在搞资本论,这么反动”。而且这人是正儿八经讲的,还不是玩笑。这个话给孟捷教授印象非常深。
马特达蒙讲述在阿根廷看球:太疯狂了
马特·达蒙透露,他去过最疯狂的体育赛事是阿根廷的一场足球比赛。
“我妻子是阿根廷人。大约12年前,我们去那里过圣诞节。她家支持的球队是布宜诺斯艾利斯非常受欢迎的博卡青年队,当时他们打进了决赛。”
“我对她叔叔赫克托说:‘嘿,我们能去现场看这场比赛吗?’ 他的表情瞬间变得非常严肃,说道:‘去是可以去,但女人和小孩不能去。’ 我当时心想:什么?我原本还打算带孩子们一起去观赛呢。”
“好吧……等我们到了现场,我终于明白是为什么了。因为我们必须穿过大概三道警察设置的防线。现场还架起了带有铁丝网的临时围栏。外面简直是一片混乱,全副武装的防暴警察严阵以待。”
“最棒的座位上竟然空无一人,因为那个距离正好是两边球迷可以互相扔东西砸到对方的范围。”
“最终我们支持的球队赢了。对方球迷开始陆续离场,夺冠颁奖仪式也结束了。我问赫克托:‘我们该走了吗?’ 他说不行……因为对方球迷需要时间撤离体育场周边的街区,你必须让他们先走上大约45分钟。”
“当他们终于放我们出来时,实际上又把我们关在了那种临时的铁笼子里。我问:‘我们现在又在等什么?’‘他们还需要5分钟来彻底清空周边街区。’” “这绝对是疯了。毫无疑问是我去过最疯狂的体育赛事。”
#世界杯##猫叔看球记#看个球搞得如临大敌一样。。。
在阿根廷,不仅是国家德比(博卡对河床)会全城戒备,任何触及联赛冠军决战、或者是针对传统“五大豪门”的比赛,客场安保和极端球迷(Barras Bravas)的疯狂程度都完全不亚于超级德比。防暴警察、铁丝网隔离以及限制客队球迷离场(或主队球迷滞留),在当年的阿根廷足坛是高风险赛事的“标配”。
//@不是郑小康:……🫠
【#雷军吐槽被小学生吐槽上好几天热搜#】雷军回应“过早”被小学生“吐槽”:这么简单的事,居然上了好几天热搜,我也匪夷所思。#雷军回应被小学生吐槽#
🇪🇸 胜 🇸🇦 四连平后第二轮,强队要开始暴力炸鱼了🇧🇪 平 🇮🇷 比利时不包括在内,本质伪强队🇺🇾 胜 🇨🇻 就是臭鱼烂虾!就是!就!
🇳🇿 负 🇪🇬 埃及小优吧,问题不大
有没有跟的?信我,吃大肉!
#“毒纸尿裤事件”调查记者的公开信#致相关监管部门的公开信:我只为那些体内检出甲酰胺的孩子!http://t.cn/AXSAJSVt http://mapi/5d42fd05ly1ied8vvvizlj20t40rcdsw
过去一个月,我和妻子、女儿一直沉浸式地生活在韩国。
我们进任何地方时,就把婴儿车留在外面。
因为没人会偷。
我和一位朋友吃午饭。他骑自行车来,就把车没上锁地停在巷子外面。
两个小时后,车还在那里。
另一位朋友误把手机落在公园长椅上。等他终于沿路返回,4 小时后回去找时,他的 iPhone 还在那里。
我路过一场 KPop 演唱会。那些从首尔以外赶来参加的粉丝,就把行李留在地铁站外。没有锁,也没有安保。
韩国人把这视为理所当然。他们没有意识到,这对世界上大多数地方来说并不正常,尤其是在美国。
当我问起这件事时,他们只是回答:“当然啊,为什么会有人拿走?”
你能想象这些事发生在纽约、洛杉矶,或者你随便填一个美国城市里吗?
而且如果在韩国真有东西被偷了,警方会调查。因为在一个高信任社会里,规则和规范是重要的。
那里没有什么“低于 1000 美元”的法律。
偷窃就是偷窃。
信任就是信任。
这种社会规范有可能在美国出现吗?
# 萨提亚·纳德拉:AI不是技术,是公司本身
---
2026年6月初,Microsoft Build大会在旧金山举行。大会结束三天后,Reid Hoffman在自己主持的Possible播客中与微软CEO萨提亚·纳德拉(Satya Nadella)坐下来做了一场对话。这个有两周了,不过才看到,感觉有些内容还是不错。能够感觉萨提亚现在对模型公司很警惕,或者说替客户警惕。
## 一、Token Capital:企业隐性知识的攻防战
1、**"Token资本"是与人力资本平行的新资产类别**
萨提亚提出了一个核心框架:未来经济将由human capital和token capital的交互来驱动。这个判断不分企业类型,无论是微软这样的科技公司、一家新创公司,还是一家经营了一百年的银行,都需要学会管理两者之间的复利效应。
他对token资本的定义口径极宽:可以是一段context,一个skill,一组模型权重,不限于某一种固定形态。关键是你能不能具体指出:这是我拥有的、我控制的、我创造的,并且我有一套系统让它持续增值。
2、**企业的隐性知识正在加速泄漏**
什么是一家公司真正独特的东西?萨提亚说,是那些你甚至无法在资产负债表上列出的隐性知识(tacit knowledge):独特的运营方式、判断力、品味。这些东西过去只存在于员工的脑子里和一些数字化的工作产物中。
AI模型的能力恰恰在于,它可以通过人类的工作轨迹提取这些隐性知识,并编码进模型权重。问题在于,如果这些知识泄漏出去了,就是一扇单向门,回不来了。
3、**Hill-climbing machine:企业守住知识主权的核心机制**
萨提亚在Build大会和这期播客里都用了一个概念:hill-climbing machine。播客里他给出了更完整的解释。
企业应该欢迎外部模型进入,但这些模型必须在你控制的环境里做hill climbing,即在特定目标上持续优化。你的数据是你喂给模型的上下文,你收集的是人和智能体在企业内部协作时产生的轨迹和痕迹,然后用这些轨迹持续训练你自己的模型,形成闭环。…
关键操作原则是:不让这些轨迹泄漏到外部。
4、**一年之内,"AI供应链"将成为企业核心议题**
萨提亚在对话接近尾声时给出了一个带时间线的预判:他说如果一年后Hoffman再坐在这里,整个商业世界关心的核心问题将不再是"我的AI战略是什么",而是"我的AI供应链长什么样"。哪些模型在帮我积累token资本?哪些在帮别人积累?数据轨迹流向哪里?谁在控制?
## 二、编程领域的五次演化,预告一切知识工作的未来
萨提亚用编程领域的变化作为最清晰的观察窗口,描述了人机协作经历的五个阶段。
1、**从代码补全到完全自主,五步走完**
第一步,AI代码补全。AI进入IDE,做自动补全,和早期的IntelliSense没有本质区别,只是更聪明了。
第二步,聊天助手。以前写代码遇到问题要开浏览器搜Stack Overflow,现在直接在IDE里开一个chat窗口就能获得编码知识。
第三步,Agent模式。有了推理模型和初步的agent循环,可以分配小任务,看它完成,然后接受或插入结果。
第四步,完全自主。长时间运行的agentic循环,你只需要给出高层意图,它去完成整个PR,你做最终审核。
第五步,ADE——Agentic Development Environment。当你同时运行上百个agent的CLI会话,认知负荷变得不可承受。GitHub新推出的Canvas功能本质上就是一个新的IDE,但它是为管理智能体而设计的:看起来像一个收件箱,里面是正在你所有代码仓库中工作的智能体,你可以对它们做微观的方向调整,而宏观任务已经委派出去了。Kanban看板视图用来追踪PR进度,对智能体和人来说都比线性聊天会话有效。
2、**微软内部的思维实验:2万员工对应2000万智能体**
萨提亚给出了一个数字模型来说明比例关系:假设一家公司有2万名员工,未来可能有200万甚至2000万个智能体与之协同工作。所有这些智能体都在一个循环中运行,彼此之间、与人之间交换工作产物。这就是他所说的"下一代知识工作"的原型。
他拿80年代做类比:如果当时有人说"未来会有40亿人每天早上起床就开始打字",所有人都会觉得荒谬。因为当时只有专门的打字员和幻灯片制作员。但个人电脑发明了一种全新的工作形态——知识工作,每个人都在打字和创建数字产物。AI时代正在发明的新工作形态,目前还没有人能完全描述清楚。
## 三、企业AI的三层基础设施
1、**体验层:人与智能体的交互界面**
ADE、Canvas、Copilot中的co-work模式、Build上发布的Scout和Autopilot,都属于体验层。核心任务是降低人管理大量智能体时的认知负荷。
2、**Hill-climbing machine:模型个性化层**
每家企业需要自己的hill-climbing machine,用自己的数据、自己定义的eval和rubric来训练和微调模型。萨提亚在这里给出了一个关键判断:
"把你真正在意的目标和评估标准想清楚、写清楚,这就是新的知识产权。" — "Being very clear about the evals and the objectives that you care deeply about, knowing how to evaluate them — that's the new IP."
模型的训练流程日益机械化,真正的知识产权在于你设定的评估标准和训练数据。
## 四、给CEO的判断:AI不是技术,是公司本身
1、**科技CEO必须身先士卒**
对科技公司CEO来说没有退路:你必须对技术栈有深入理解,对未来方向有自己的世界观,在常识还没形成之前就做出判断。AI时代的技术转型非常残酷,犹豫就会被淘汰。
2、**非科技CEO的处境已经变了**
萨提亚说他正在修正自己过去的判断。过去,非科技行业的CEO只要在自己的领域足够专业,加上好的技术顾问和合作伙伴就够了。但现在不行了。
"AI不是一种技术,是公司的未来。" — "AI is not a technology. It's the future of the firm."
这句话放在企业语境下的含义是:你不能把AI当成IT部门的事,就像你不能说"我不了解公司的人力资本"一样。
他对当前CEO群体的状态感到困惑:很多人还停留在"跟科技公司发个联合新闻稿,宣布做了八个agent"的阶段,觉得自己已经有了AI战略。
3、**CEO必须能回答的一个问题:你的token资本在哪?**
萨提亚把检验标准具体化了:你能不能说清楚,"昨晚基于我们所有业务运营产生的工作,我们把它转化成了什么知识,这些知识现在是我的token资本的一部分"?不需要是某一种固定形态,但你必须能识别、拥有、控制它,并且有系统让它持续复利。
他强调,这次变化和之前的移动互联网、PC、云计算时代不同。那些时代只需要一个懂得跟供应商打交道的IT部门。这次是结构性的:当AI掌握了在你的行业里运作所需的一切知识,你的行业会发生什么结构性变化?
## 五、Token效率:不要用前沿模型解决非前沿问题
1、**在token充裕时代,用token的能力本身变得稀缺**
萨提亚提出了一个值得深想的问题:在token充裕的时代,什么东西变得更有价值?答案之一是使用token的能力。谁能更高效地使用token来达成对世界有意义的结果,谁就会领先。
构建这种直觉的关键在于:你追求的结果是什么?怎么衡量?评分维度是什么?尤其在强化学习范式下,设定高品味的rubric和eval维度,是只有人类才能定义的工作。如果你做到了,token使用自然会变得高效。
2、**"不要用前沿模型解决非前沿问题"**
萨提亚给出了一个操作原则,并用了一个具体案例说明。
假设你是一家零售商或消费品公司,有一个业务是处理渠道促销的交易索赔。各零售商提交索赔,你需要审核处理,目前由人工完成。这个流程完全可以用agentic workflow自动化,但你不需要为此动用前沿模型。这不是发现新材料的前沿问题,而是一个可重复的确定性流程。
正确的做法是:用一个像MAI 5B这样的小模型,配合工作轨迹数据,用RL做hill climbing,让它在这个特定任务上的表现甚至超过直接提示前沿模型。这才是token效率的体现。
3、**"认知覆盖率":一个可能改变人机协作的新概念**
萨提亚在谈到cognitive coverage(认知覆盖率)时用了"fascinated"这个词。这个概念来自他的一位同事在GitHub Copilot中开发的一项新功能。
类比test coverage的概念:代码写完要跑测试看覆盖了多少路径;现在智能体帮你完成工作后,认知覆盖率衡量的是人类对智能体所做工作的理解程度。具体实现方式是给人出一套测验,让人从智能体的工作中学习,形成自己的演绎性理解。
萨提亚认为这可能是人机协作时代人类最重要的技能之一:智能体需要对齐,这是一面;但另一面是全新的,人类要能证明自己真正理解了智能体做了什么。
他同时指出,未来模型自身也要向可操控性(steerability)进化。他想要的模型不仅是遵循指令,更要真正可调。当人对模型有了操控感,信任感才会随之建立。认知覆盖率解决的是人端的理解力问题,steerability解决的是模型端的可控性问题,两者互为补充。
## 六、国家主权、儿童教育与社会许可
1、**企业才是国家AI主权的真正载体**
萨提亚近期把注意力从抽象的国家主权转向了企业层面的AI主权,原因是:企业遍布全球。如果各国在抽象层面讨论数据主权,反而可能侵蚀本国企业的比较优势。
他的框架引用了李嘉图的比较优势理论:每个国家天然拥有自己的比较优势,现在需要用AI放大它。最佳策略是让本国的企业,无论大小,都用上当前最强的AI能力。最糟糕的策略是以主权之名把自己关在技术进步的门外,那只会越落越远。但反过来,所有企业都依赖同一家公司的同一个基础模型,那也谈不上主权。
2、**微软的芯片策略:系统级优化的思路**
微软的自研芯片Maya和Cobalt的目标不在于取代英伟达和AMD,重点是针对特定的at-scale工作负载做定点优化。Maya与MAI模型和OpenAI模型协同设计,追求最佳性能;Cobalt是ARM架构的通用计算芯片,专门针对GitHub上agentic编码的调用模式优化,因为编码智能体的调用模式和传统人类应用完全不同。
同时,英伟达GPU也在被用于加速非AI工作负载。Build上宣布Fabric数据仓库用GPU加速查询就是一个例子。微软甚至在用老一代英伟达芯片来加速传统工作负载,让整个硬件舰队在全生命周期内持续创造价值。
3、**儿童教育:当专业知识不再稀缺,焦虑也不该存在**
萨提亚在儿童话题上先谈了安全底线:AI chatbot与儿童的对话必须让儿童保有自主性(agency),不能出现AI说服儿童的情况。这是他将child safety与cyber安全、生物武器、alignment并列为AI安全核心议题的原因。
在此之上,他对教育的切入角度不是课程或技术,而是焦虑的来源。他说,过去学习中的焦虑,怕数学、怕科学,很大程度上是机会稀缺和学习资源稀缺的产物。如果在token充裕的世界里,专业知识本身不再稀缺,那真正有价值的就是你对专业知识的认知覆盖率。
4、**赢得社会许可:空洞承诺的时代已经结束**
萨提亚说行业在AI叙事上犯了错误:"当你出去说'知识工作者的所有经济机会都会消失''白领工作没了',然后转头说'我对这个技术感到兴奋',为什么会有人希望你成功?"
有人在大学毕业典礼上因为谈AI而被嘘。行业已经越过了信任的临界点。叙事说得再多也没用了,只有具体成果才能扭转。
如果你在一个社区建数据中心,那个社区必须真实地感受到好处:税基、社区投入、房产价值、学校、用水、电价。不能只是说了就算。
在就业问题上也一样,不能抽象地援引"劳动力固定量谬误"说永远会有新工作。得说清楚:新工作是什么?工资多少?我怎么培训自己去做这些工作?
第三个维度是参与感:每家公司都必须参与前沿AI生态系统,而不是沦为基础模型的数据饲料。
被问到"你希望别人多问你什么"时,萨提亚的回答是:"问我不兴奋什么。" 他兴奋的事情很多,不兴奋的只有一件:行业通过说错话、做错事,丢掉AI的社会许可。
5、**教皇良十四世的通谕与文明正循环**
萨提亚对教皇良十四世(Pope Leo XIV)于2026年5月发布的通谕《Magnifica Humanitas》给予高度评价。他注意到一个历史平行:上一位良教皇在1891年工业革命时期发表了关于劳动者境况的通谕《Rerum Novarum》。现在的良十四世选择在AI时代为人类尊严和人类能动性辩护。
但萨提亚真正想说的更大。他引用了诺贝尔经济学奖得主Joel Mokyr与Avner Greif、Guido Tabellini合著的《Two Paths to Prosperity》来阐述一个观点:西方过去千年繁荣的秘密不只是技术突破,而是道德哲学、科学革命、政治制度和市场这四种力量形成了正循环。AI时代需要重建这样的正循环,教皇的通谕代表了道德哲学这一环。如果这四种力量互相强化,就会有广泛受益的繁荣;如果不能,就会失去社会许可。
当然,我觉得他说的是美国,似乎中国没这个问题?目前而言。
* 做你热爱的工作 [00:00:00 - 00:10:00]
* 不被声望和金钱误导 [00:10:00 - 00:20:00]
* 写作、直觉与创业时机 [00:20:00 - 00:30:00]
* 衰退中创业与创始人质量 [00:30:00 - 00:40:00]
* 决心、勇气与高强度投入 [00:40:00 - 00:50:00]
* 合伙人关系与创始人真面目 [00:50:00 - 01:00:00]
* 毅力、小事与创业经验 [01:00:00 - 01:10:00]
* 抓住幸运与执行机会 [01:10:00 - 01:20:00]
* 销售分发与亲自招募用户 [01:20:00 - 01:30:00]
* 盛大发布迷思与第二部分预告 [01:30:00 - 01:33:56]
**一凯**:欢迎收听跨国串门计划,这是一档专注于让中文听众无障碍欣赏全球优质外语播客的节目。通过先进的AI声纹克隆技术,我们不仅将内容翻译成中文,还完美保留了原主持人和嘉宾的独特声音,为您呈现全球顶尖的AI财经。健康与科技领域精品内容。我是主播一凯,一位热衷于AI领域的产品经理,很荣幸能为您搭建这座跨越语言障碍的桥梁。…
接下来让我为您简单介绍,本期我们克隆的这档节目,并分享几句非常精彩的原话,本期我们克隆的是 David Senra主持的Founders Podcast 这是一档通过阅读企业家传记,公司史和经典文章,提炼创业者思维的担任播客,这一期教我从Paul Graham的文章里,学到了什么 David围绕Y Combinator创始人Paul Graham的多篇文章,聊创业热爱坚持和做伟大公司的方法,有几句原话特别值得先听一听,做你热爱的事并不是说做此刻最让你快乐的事,它指的是在更长一段时间里最能让你快乐的事,如果一件事在别人看来像工作,但在你看来不像工作,那它很可能就是适合你的事,创业公司太难了,所以做这家公司前面不能加一个,但是任何省略努力的策略都值得怀疑,这些话背后有很多来自创业一线的故事和判断,那我们就一起进入这期完整内容,如何做你热爱的事,想把一件事做好,你就必须喜欢它 [00:00:00]
**David Senra**:这个想法并不新鲜,我们已经把它压缩成四个字,做你热爱的事,但光这样告诉别人还不够,做你热爱的事其实很复杂,我小时候觉得工作和好玩按定义就是相反的,生活只有两种状态,有些时候,大人逼你做事,那叫工作,其他时候,你可以做自己想做的事,那叫玩,工作基本上就被定义成不好玩,而且,这看起来并不是偶然的,大家暗示你,学校之所以无聊,是因为它在为成年后的工作做准备,如果我们让孩子做无聊的事,也许应该明白,告诉他们,无聊并不是工作的本质,事实上,他们现在必须做无聊的事,是为了以后能做更有意思的事,有一次,我大概九岁或十岁的时候,我父亲告诉我,长大以后我可以做任何想做的事,只要我喜欢,我当时并不觉得他的意思是,工作真的可以好玩,像玩一样好玩,我花了很多年才明白这一点,一直到上大学,我才终于把工作这个概念,和谋生这个概念分开,于是重要的问题,不再是怎么赚钱,而是要做什么,工作现在的定义变成了,为这个世界做出某种原创性的贡献,同时在这个过程中别饿死,你到底应该多喜欢自己做的事,如果你不知道这一点,你就不知道什么时候该停止寻找,如果你像大多数人一样,低估了这个标准,你往往会太早停止寻找,最后你做的事,可能是父母替你选的,或者是赚钱欲望,声望,甚至单纯的惯性替你选的,这里有一个上限,做你热爱的事,并不是说做你此刻最想做的事就算是爱因斯坦,可能也有想喝杯咖啡的时候,但他会告诉自己,应该先把手头的工作做完,我以前读到有人非常喜欢自己做的事,喜欢到没有别的事更想做,我会很困惑,我觉得世界上好像没有哪种工作,是我能喜欢到那种程度的,如果让我选择,接下来一个小时是工作,还是瞬间传送到罗马,在那里逛一个小时,有没有哪种工作,我会更愿意做,老实说,没有,但事实是,几乎任何人在某个具体时刻,都会更愿意在加勒比海漂着,或者做爱,或者吃点好吃的,而不是去解决难题,做你热爱的事,并不是说做此刻最让你快乐的事,他指的是,在更长一段时间里,最能让你快乐的事,没有产出的快乐,最终会黯淡下去躺在海滩上一段时间之后,你也会厌倦,如果你想一直快乐,就必须做点什么,作为下线,你必须喜欢自己的工作,超过任何没有产出的享乐,你必须足够喜欢自己做的事,以至于所谓空闲时间,这个概念看起来就是错的,这并不是说,你必须把所有时间都花在工作上,你只能工作到一定程度,再往后你会累,会开始犯错,这时你会想做点别的,哪怕是不用动脑子的事,但你不会把这段时间看成奖赏,也不会把工作时间,看成为了赢得奖赏,而必须忍受的痛苦,我把下限定在这里,是出于实际考虑,如果工作不是你最喜欢做的事,你会遇到非常严重的拖延问题,你必须逼自己工作,而一旦你要靠逼自己,结果就会明显差很多,我认为想要快乐,你做的事,不仅要让你享受,还要让你敬佩,到最后你得能说,哇这东西真不错,我认为你不该做的事,是去担心朋友以外的人怎么看,你不应该担心声望,声望就是世界上其他人的看法,当你可以去问那些,你尊重其判断力的人时,再去考虑那些,你根本不认识的人怎么看,又有什么意义,这个建议说起来,容易做起来很难,如果你把任何事做到足够好,你就会让它变得有声望,很多我们今天认为有声望的东西,一开始完全不是这样,爵士乐就是一个例子,不过几乎任何已经确立地位的艺术形式,都可以说明这一点,所以只管做你喜欢的事,让声望自己解决,另一个把人带偏的强大力量是钱,判断一个人是否热爱自己做的事标准是哪怕没有报酬,他还会不会做,哪怕他必须另找一份工作谋生,他还会不会做,有这么强大的力量把我们带偏,我们很难发现自己喜欢做什么,也就不奇怪了,大多数人在童年时就注定失败,因为他们接受了一个公理,工作等于痛苦,逃过这一点的人,几乎又全都被声望或金钱,引向了礁石,到底有多少人真正发现了,自己热爱的工作,在几十亿人里,也许只有几十万,找到你热爱的工作很难,如果做到的人这么少,那它必然很难,所以不要低估这件事,也不要因为自己还没成功就难过,事实上,如果你能承认自己并不满足,你已经比大多数还在否认的人领先一步,虽然伟大的工作需要的自律,比人们想象的少因为做出伟大工作的办法,是找到一件你非常喜欢的事,喜欢到不需要逼自己去做,但找到你热爱的工作,通常确实需要自律,有没有一个测试,能让你对自己保持诚实,始终铲除,比如,你有一份白天的工作,但你不太当回事,因为你打算当小说家,那你在铲除吗,你有没有在写小说的页稿,哪怕写得很糟,只要你在铲除,你就知道,自己不是在把,有一天要写出一部伟大小说,这种模糊愿景,当成麻醉剂,始终铲除,也是一个帮你找到,热爱工作的启发法,它会自动把你从那些,你觉得自己应该做的事,推向那些你真的喜欢的事,始终产出会发现你一生的工作,就像水在重力帮助下,会找到你屋顶上的洞一样,这可能是整篇文章里我最喜欢的一句话,你必须有意识地努力,不要让你对自己想要什么的想法,被什么看起来可行污染,人总得谋生,而靠做自己热爱的工作,拿到报酬是很难的,接着他讲到,为什么找到你热爱的工作,这么难,其中一个原因是,我们通常太早就得决定,自己要做什么,我有个朋友,是一位相当成功的医生,但他一直抱怨自己的工作,当申请医学院的人,来问他建议时,他很想抓住他们摇一摇,然后大喊,别去,但他从来没这么做,他是怎么陷进这种处境的,高中时,他就已经想当医生,他又非常有野心,也非常坚定,于是一路克服了所有障碍,不幸的是,这些障碍里,也包括他并不喜欢这件事,现在他过着一种,由高中小孩替他选定的人生,年轻的时候,别人会让你觉得在每次必须做选择之前,你都会拿到足够的信息,但在工作这件事上,肯定不是这样,当你决定要做什么时,你只能在信息少得离谱的情况下行动,设计人生和设计大多数其他东西一样,如果你用更灵活的媒介,结果会更好,你最好的选择可能是选一种,以后可以转向不同道路的工作,这大概也是我选择计算机的一部分原因,你可以当教授,也可以赚很多钱,或者转成很多其他类型的工作,早期去找那些能让你做很多不同事情的工作,也很明智,这样你能更快学到不同类型的工作,到底是什么样,这比看起来更难,约束会给你的人生塑形,把约束拿掉,大多数人根本不知道该做什么,看看那些中彩票或者继承财产的人,会怎么样,尽管每个人都觉得,自己想要财务安全但最快乐的人,不是那些拥有财务安全的人,而是那些,喜欢自己所做事情的人,不管你走哪条路,都要预期会有一场挣扎,找到你热爱的工作非常难,大多数人都会失败,即使你成功了 [00:10:00]
**David Senra**:即使你成功了,能自由做自己想做的工作,通常也要等到30多岁,或者40多岁,但如果你看得见目的地,你就更有可能到达那里,如果你知道,工作也可以让人热爱,你就已经进入最后一段路,如果你知道自己热爱什么工作,那你实际上已经快到了,这是摘自一篇改变我人生的文章,这篇文章叫 《如何做你热爱的事》 作者是Paul Graham 我读Paul Graham的文章已经很多年了,我认为,他们是科技创业公司领域,有史以来影响最大的文字,他们对我个人也产生了深远影响,如果你不知道Paul Graham是谁,他是程序员,也是作家,他创办过一家叫Valweb的公司,我记得两年内,他们就把公司,以接近5000万美元的价格,卖给了Yahoo这发生在90年代末,后来在2000年代初到中期,他又创办了一家公司,叫Y Combinator 结果Y Combinator 变成了一台巨大的机器,让创办公司和拿到融资,都变得更容易,更重要的是,它让更多人能去做实验,而这些实验,有希望变成成功的公司,所以这一集会和我平常做的不太一样,很明显,我通常是读一本书,然后告诉你我学到了什么,这次我已经做了几个星期,一开始,我把他所有文章都放进一个巨大的PDF里,想一点点读完,后来我想,不对,这感觉不像我做Founders Podcast的正常流程,所以我真的买了一台打印机,我原来没有打印机,于是我买了一台,然后开始把它的文章一篇篇打印出来,没过多久,我只用了一天就意识到不妙,因为他写文章已经写了二十多年,而且这些文章都非常精彩,所以我开始打印,心想,天哪,我第一天就真的把墨水用完了,他是一个非常有天赋的作家,当你开始一篇篇读这些文章时,你就会明白,为什么我做这件事要花好几个星期,里面没有废话,所以结果就是,我有大量画线和笔记,这最后会做成两集,在节目Show Notes里,你会看到时间戳和链接,因为Paul Graham所有文章都可以在网上免费读到,我会把这期提到的每一篇文章,都放上时间戳和链接,我之所以用如何做你热爱的事来开头,是因为那篇文章改变了我的人生,我清楚记得当时自己在哪里,那是2018年7月的一个晚上,我熬夜读到了它我知道那不是我第一次读这篇文章,可能是第二次,也可能是第三次,我记不清了,但我很清楚地记得,我读着读着,脑子里突然一下就通了,你从Founders Podcast的上传日期里也能看出来 2018年7月之前,大概两年到两年半的时间里,我上传节目,做节目的频率完全是断断续续的,按任何标准都谈不上稳定,我做这个播客,只是因为我喜欢做,觉得这件事有意思,但我一直在犹豫,因为我完全不知道,怎么把它变成一门生意,也不知道自己到底能不能靠它,做自己热爱的事,如果你把那篇文章打印出来,大概有九页,加上角注是十页 Paul Graham在里面告诉你,弄清楚这一点非常重要,这件事不容易,很少有人能做到,但它会改变你的人生,所以那天晚上,我做了一个决定我要百分之百专注在Founder上,哪怕要花光我最后一美元存款,我也愿意试着把它做成,我当时想,如果我把全部注意力都放上去,去追求自己真正感兴趣的事,去做那种,我一周七天都会忍不住想做的事,那我一定能找到办法把它做成,但那个决定,那种突然被推过临界点的感觉,我觉得如果没有读到这篇文章,就不会发生,接下来我想进入他的另一篇文章,什么对你来说不像工作,我的父亲是一位数学家,他是那种很幸运的人,很早就知道自己想做什么,你跟他聊童年,会发现大概在12岁时,有一个很清楚的分水岭,他说,自己就是那时候开始对数学感兴趣的,他在威尔士,一个海边小镇长大,我们用Google Street View重新走了一遍他小时候上学的路,他说在乡下长大挺好的,我问他,到15岁左右的时候,不会觉得无聊吗,他说不会,那时候我已经对数学感兴趣了,然后Paul Graham讲到,他从这次和父亲的对话里学到的一点,很少有人这么早,这么确定地知道自己想做什么,但和我父亲聊天提醒了我一个启发式方法,其他人也可以用,如果一件事在别人看来像工作,但在你看来不像工作,那它很可能就是适合你的事,比如很多程序员,其实我先在这里停一下,因为他接下来要讲,对他来说这件事是什么,也就是编程,我读到这一段的时候,立刻想到Michael Jordan 我读过一本大概600到700页的 Michael Jordan传记,又读过他一本200页左右的自传这是Founders的第212期和第213期,如果你还没听过,建议回去听,那是我做过的最喜欢的几期节目之一,你会听到Michael Jordan身边,所有人都说类似的话 Michael Jordan是我见过最有驱动力的人,是我见过最努力的人,是我见过工作伦理最强的人,但如果你问Jordan 他会说自己一点也不喜欢工作,他做的一切对他来说都像是在玩,只是这些事在别人眼里看起来像工作,所以Paul Graham不只是有自己一生的经验,他还见过Y Combinator 资助过成千上万家创业公司,因此他有一种百科全书式的知识,因为他一遍又一遍地,接触过这些例子,我读他的文章时,有很多次都会想,对,我在读几百本传记的时候,也见过完全一样的东西,这就是其中一个例子如果一件事在别人看来像工作,但在你看来不像工作,那它很可能就是适合你的事,比如,我认识的很多程序员,包括我自己,其实都喜欢调试,这不是人们通常会主动承认的事,喜欢调试有点像喜欢挤痘痘,但考虑到编程,有很大一部分就是调试,你可能必须喜欢调试,才会喜欢编程,你的品位在别人看来越奇怪,他们就越可能强烈地说明,那就是你应该做的事,同一项任务对一个人来说可能痛苦,对另一个人来说却愉快,这一点看起来很奇怪,但我当时没有意识到,这种差异意味着什么,因为我没有主动去找这个线索,我再停一下,我不想让这一期,太多都变成在讲我自己,但我读到很多地方都会想,对,我完全知道你在说什么放到我自己的人生里,我一点也不觉得自己有什么特别,我觉得很多普通人的反应,都会和Paul Graham解释的东西产生共鸣,很明显,我一开始就说了,这篇文章把我推过了那个临界点,真的改变了我的人生,我对阅读也有同样的感觉。所以某种程度上,别人如果来问我要书单推荐,我其实不是一个特别合适的人,因为我以前不知道这一点,他真正想说的是我当时并没有意识到这一点。同一件事对一个人来说很痛苦,对另一个人来说却很愉快,这听起来很奇怪。因为我想甚至不用说我想,我肯定比大多数人更喜欢阅读,所以我会推荐一本,我喜欢也让我学到东西的书,有人会跟我说,这本书很无聊,我当时不理解,我就想也许我对无聊的忍耐度更高,因为我并不觉得它无聊 Paul Graham写道,同一件事对一个人来说可能很痛苦,无聊显然在某种程度上也是一种痛苦,对另一个人来说却很愉快,但我当时没有意识到,这种不平衡意味着什么,因为我根本没有在找这个线索,我也没有意识到,决定自己应该做什么,竟然会这么难,我特意把这一点也提出来,因为我现在读的是他 2015年1月写的一篇文章,这期播客开头,我读的是他2006年1月写的一篇文章,中间差不多隔了十年,但想法还是同一个,找到你应该做什么非常难,但把这件事想清楚又极其重要,也许我们应该花更多时间思考这个问题,也许我们应该想出一些办法让人们更容易做到这一点,他写道,决定你想做什么可能非常难,有时候你必须从细微线索里推断出来,就像侦探在推理小说里破案一样,所以我敢说,如果人们直接问自己这个问题,会帮到很多人,什么是在别人看来像工作,但在你看来不像工作,好我们来看他2007年8月写的一篇文章,叫《如何不死》 这是我最喜欢的他的文章之一,我在上面写满了笔记,文章一开始他说,这是我在夏季最后一次 Y Combinator晚餐上做的一次演讲,通常最后一顿晚餐,我们不会请演讲嘉宾,更像是一个派对,但如果我能救下一些创业公司,让他们避免本来可以避免的死亡,那就算破坏一点气氛也值得所以这篇文章叫《如何不死》 他说最后一刻,我临时拼出了这场相当沉重的演讲,我本来没打算把它写成文章,我把它写下来 [00:20:00]
**David Senra**:我把它写下来,是因为离晚餐只剩两个小时,而我写东西的时候思考最快,我不确定这是在这篇文章里,还是在他的其他文章里,但Paul Graham有一种很强的能力,你想想,他把自己思考了很久的东西,提炼成两页,有时是十页,我记得最长的一篇,好像有二十页左右,但他还能继续往下提炼,提炼成一句话,有些句子我读过之后,永远忘不了,比如他那个跑上楼的想法,我后面会讲到,还有难以被杀死,他非常擅长把复杂信息提炼出来,提炼到格言的程度,让你真的能随身带着它,记住它,并且在未来需要的时候,用上它,他写道,几天前我告诉一位记者,我们预计,我们资助的公司里,大约三分之一会成功,其实我当时说的保守了我希望成功比例可能高达一半,如果我们能做到50%的成功率,那不是很惊人吗,要记住,这些公司都非常早期,真的处在非常非常早的阶段,所以当然会有大量公司直接倒闭,换一种说法就是,你们有一半会死掉,记住,他当时是在对一屋子的公司讲话 Y Combinator正在帮助这些公司成长 E Combinator给了他们最初的资金,然后再配上建议,以及今天Y Combinator会做的所有其他事情,他写道,换一种说法就是,你们有一半会死掉,这样说出来,听起来一点也不好,事实上,如果你仔细想想,还有点怪,因为我们对成功的定义是,创始人发财,如果我们资助的创业公司有一半成功,那你们当中一半人会发财另一半会一无所获,我读到这一段时,脑子里冒出了很多东西,第一个来自Charles de Gaulle 我做过一期关于他传记的博客,是第224期,他有一句我最喜欢的名言,唯一重要的是活下来,其他都是空话 Paul Graham在这里说的就是,这里是一个二元结果,如果一家创业公司成功并活下来,创始人会发财,如果没有,他就会死掉,创始人什么都拿不到,所以唯一重要的是活下来,其他都是空话,这也让我想到 Warren Buffett说过的话,要想成功,你必须先活下来,这还让我想到 E.D. Thorpe说过的话,你必须不惜一切代价,避免毁灭,所以Paul 在这一段里解释的核心想法,我们已经一遍又一遍见过了 Buffett Thorpe De Gaulle 都在说同一件事如果你能避免死掉,你就会发财,这听起来像个笑话,但其实相当准确地描述了,典型创业公司里会发生的事,你可能听过那句关于运气的话,运气就是机会遇上准备,现在你已经做好准备了,你到目前为止做的这些工作,实际上已经把你放到了一个,可能走运的位置,现在你只要不让公司死掉,就有机会变富,这已经比大多数人拥有的条件都好了,然后他又回到残酷的部分,他说,我们见过很多创业公司死掉,他们通常不是轰轰烈烈,英雄式的死去,大多数时候,他们只是爬到某个角落,然后死掉,创业公司死掉时,官方死因永远不是钱花光了,就是关键创始人退出了,很多时候,这两件事会同时发生,但我觉得底层原因通常是他们被打垮了,士气崩了,你很少听说有一家创业公司,团队夜以继日地工作,不停谈合作,推出新功能,最后却因为付不起账单 SP把他们的服务器拔了,结果公司死了,接着他进入了自己文章里的一个主线,创办一家公司到底有多痛苦,多困难,如果有这么多创业公司,只是坚持下去就可能变富,却还是被打垮,最终失败,那你就必须承认,经营一家创业公司确实可能非常打击人,这当然是真的,我经历过,所以我后来再也没有做过另一家创业公司,然后他说到重点,他的意思是,提前知道这件事会痛苦,会困难,其实很有帮助,他不应该让你意外,你和我过去反复讲过这件事,卓越就是承受痛苦的能力这是四季酒店创始人的一句非常棒的话,如果你知道有时候感觉会糟透了,那么当它真的糟透了的时候,你就不会想,哎呦,这感觉太糟了,我放弃,每个人都会有这种感觉,还有一种感觉,看起来会让人警觉,但在创业公司里其实很正常,那就是你会觉得自己做的事情不奏效,你之所以应该预料到这种感觉,是因为你做的事,很可能真的不会奏效,创业公司几乎从来不会第一次就做对,更常见的情况是,你发布了某个东西,结果,没人关心,发生这种事的时候,不要以为你已经失败了,这对创业公司来说很正常,但也不要坐在那里什么都不做,要迭代,然后他开始讲一些避免死亡的想法,也就是怎样避免你的公司死掉,我先说几件不要做的事第一件不要做的事,就是别去做别的事,如果你发现自己说了一句话,结尾是,但我们会继续做这家创业公司,那你就麻烦大了,比如鲍勃要去读研究生,但我们会继续做这家创业公司,你不如直接把它翻译成,我们已经放弃这家创业公司了,只是还不愿意向自己承认,创业公司太难了,所以做这家公司前面不能加一个,但是不要启动其他项目,分心对创业公司是致命的,这一段其实很有意思,他讲的是怎么反向利用自己的人性,让自己不要退出,办法就是,让自己不想在别人面前丢脸,我们在做Y Combinator的过程中发现,最有意思的一件事是,比起赚到几百万美元的希望,创始人更容易被害怕出丑这件事驱动所以如果你想赚到几百万美元,就把自己放到一个失败会公开,会很丢脸的位置上,然后他讲了一个很短的故事,讲的是一家叫Octopart公司的创始人,不知道怎么回事,其中一位创始人最后上了Newsweek的封面,胸前还印着亿万富翁这个词,然后Paul就指出,他现在不能失败了,至少他不会自己主动放弃Paul说,他认识的每个人都看过那张照片,所以文章里说,到这个时候,他已经承诺要战斗到死 Paul还谈到,这会改变他们的气质,我知道我不该笑,但我完全明白他在说什么,他说,可惜的是,我们刚认识他们的时候,他们还是轻松快乐的人,现在我们跟他们说话时,他们看起来带着一种严肃而坚定的劲头,我有点过意不去好像我们把这些人从轻松快乐变成了严肃坚定,但这就是创业的一部分,如果一家创业公司成功了,你会得到几百万美元,而这种钱不是开口要就能拿到的,你必须假设他一定要付出某种程度的痛苦,所以他的核心意思是,这种公开丢脸的压力,会让他们更愿意承受更多痛苦,他们不会只是爬到角落里死掉,只要他们能在牌桌上,待得足够久,就算中途必须改变想法,他们成功的可能性也会更高,然后他用一句话评价他们,我当时写下来的是,这其实也是对我们所有人,包括你和我在内,能不能成功的一个预测指标,他说他们很聪明,他们所在的领域很有前景,而且他们就是不能放弃,然后抛结束了这篇文章,有很多话我可能已经在这个播客里,重复过很多次了,但我真的特别喜欢,他结束这篇文章的方式,这是一条非常棒的建议,我现在就告诉你,糟糕的事一定会来,创业公司里一直都是这样,从发布产品到获得流动性退出,中间完全不出灾难的概率,大概只有千分之一,所以灾难来临的时候,不要泄气,你就对自己说,好吧,这就是Paul当时说的那种情况,他说应该怎么做来着,对,不要放弃,接下来,我想讲的文章,是为什么要在糟糕的经济环境里,创办创业公司,这篇写于2008年10月,正好是大金融危机的时候,我觉得这里面有些东西,特别适合现在这个,有点奇怪的经济时点,尤其是对科技创业公司来说,很不幸,现在环境很糟,至少和过去几年相比是这样Paul在这篇文章开头会说,所有人都说2008年10月,对创业公司太糟了,太可怕了,还拿它和20世纪70年代比,他的反应是,你是说Microsoft和Apple 创立的那个年代吗,所以再说一次,这档播客的主线就是,历史不会重复,但人性会重复,我觉得这里面会有一些信息,对今天还在经营公司的人,很有价值,不管你是现在听,还是15年后再听,衰退艰难的经济时期,都是正常现象,它会一遍又一遍地发生,其实我希望我们还用以前的叫法,如果你研究19世纪和20世纪初,那时候它们不叫衰退,也不叫萧条,它们叫金融恐慌,我觉得这个名字特别好,但这和我们现在要讲的内容没什么关系,好,我直接进入文章,当时的经济形势显然非常严峻,有些专家担心我们可能会经历一段,和70年代中期一样糟糕的时期,而Microsoft和Apple 就是在那个时期创立的 [00:30:00]
**David Senra**:就是在那个时期创立的,从这些例子看,衰退也许并不是创办创业公司的坏时机,我也不是说它一定是特别好的时机,真相更无聊一点,经济状况其实没那么重要,我很喜欢他接下来要说的话,这档播客叫Founders 而不是Companies 是有原因的,我相信个人的力量,我相信人会带来全部差异,如果说我们从资助这么多创业公司里学到了一件事,那就是他们成功或失败取决于创始人的素质,和创始人相比,经济环境只是一个四舍五入误差,他这句话让我想到的是,质量没有捷径,而质量始于人,这是我最喜欢的Steve Jobs名言之一,质量没有捷径,而质量始于人,也就是说,真正重要的是你是谁,而不是你在什么时候做这件事,好我不再一直重复了,你们显然知道,我很喜欢Paul的写作,因为我正在做一整套播客系列,可能要分成两期,也许得做三期,希望不用,要讲的东西实在太多了,也就是说,真正重要的是你是谁,而不是你在什么时候做这件事,如果你是合适的那种人,即使经济很差,你也会赢,所以如果你想提高成功概率,你应该更多思考,能招谁来做联合创始人,而不是去纠结经济状况,如果你担心公司生存受到威胁,天啊,这句也太好了,如果你担心公司生存受到威胁,不要去新闻里找答案,去照镜子,因为抛关注的是创业公司,所以投资人在这里占了很大一部分,你读他的文章会发现,至少按我的印象,投资人这个主题经常出现我昨天还和一个比我懂得多的人聊过,我不想说是谁,因为那是一次私下谈话,我也没有问他,能不能把内容放到播客里,他非常熟悉Paul Graham的写作,我就问他,你觉得Paul怎么看风险投资,怎么看VC 他说Paul其实不太喜欢他,甚至可以说,他基本上创造了一种新的形式,某种程度上,我其实不太适合评论这个,因为我对这块一无所知,我只能说,从我这几周读Paul的文字来看,他确实有很多批评,他看到了投资人群体里很多糟糕行为,尤其是围绕私人公司投资的那些行为,有一句话,我不确定是在这篇文章里,还是后面哪篇文章里,但我后来意识到,因为他在不同文章里,用不同方式反复讲这件事,我当时想 Paul通过Y Combinator看到的机会很像Walt Disney在游乐园里看到的机会 Disney的意思是,我之所以有机会做出特别伟大的东西,是因为原来的标准做法,留下了太多改进空间,我们现在就会讲到这一点,因为Paul说 2008年我们正处在金融危机里,你真正的大问题,不是你要不要创办公司,问题是,投资人正在做和他们应该做的事,完全相反的行为,他说,投资人才是更大的问题,创业公司通常都需要筹集一些外部资金,而投资人在坏时候往往不太愿意投资,他们不该这样,所有人都知道,应该在坏时候买入,在好时候卖出,但投资之所以这么反直觉,原因就在这里,在股票市场里,所谓好时候,就是所有人都觉得该买的时候,你必须逆向思考,才可能判断正确,而按定义来说只有少数投资人能做到,所以就像1999年的投资人,争先恐后地投那些,糟糕的创业公司一样 2009年的投资人,大概也会不愿意投创业公司,哪怕是好公司也一样,我读到这句的时候,想起Warren Buffett在股东信里说过的一段话,那是我最喜欢的内容之一,他讲Berkshire建起来的财务安全和堡垒,跟大多数人有多么不同,这种结构让他可以说出这句话,当别人忙着求生时,我们可以主动进攻,回到Pow 他说你必须适应这一点,但这没什么新鲜的,创业公司一直都得适应投资人的反复无常,你可以问任何经济环境下的任何创始人,看他们会不会用善变来形容投资人,然后观察一下他们脸上的表情,接下来这段非常精彩,我很喜欢这就是我前面提到的那种句子,会直接刻在我脑子里,他说,让一家创业公司抵御衰退的方法,就是去做你本来就该做的事,尽可能低成本的运营,多年来,我一直告诉创始人,通往成功最可靠的路,就是成为公司世界里的蟑螂,创业公司直接的死因,永远是钱花光了,所以你的公司运营成本越低,就越难以被杀死,这里的比喻就是,难以被杀死节俭,是创业史里一个反复出现的主题,我以前说过,如果你能搜索Founders每一集的内容,我觉得节俭或者节俭精神,可能是出现最多的词,我就是很喜欢Paul的这个说法,你应该这样运营,你应该这样做,让你的创业公司抵御衰退的方法,就是做你本来就该做的事,尽可能低成本的运营你的公司运营成本越低,就越难以被杀死,这里还有一句很棒的话,坏时候的另一个好处,是竞争更少,技术列车会定期发车,如果其他人都全坐在角落里,你也许可以独占整洁车厢,接下来这一段背后的想法,我也很喜欢,你也是投资人,作为创始人,你是在用工作购买股票 Larry和Sergey之所以这么富有,并不主要是因为他们做了,价值数百亿美元的工作,而是因为他们是Google最早的投资人,和任何投资人一样,你应该在坏时候买入,然后他又回到那个主题,真正重要的永远是人,他是这样结束这篇文章的,所以也许经济衰退,是创办创业公司的好时机,很难说缺少竞争这样的优势能不能抵消投资人,不愿出手这样的劣势,但不管怎样,这件事都没有那么重要,重要的是,人对一组特定的人来说,如果他们再做一项特定的技术,那么行动的时间永远是现在,好,我想继续讲他那篇叫,坚持不懈的足智多谋的文章,我在这一页最上面写的笔记是,这是那种一旦进入你脑子,就再也不会放过你的想法,我终于把一个优秀创业公司,创始人的特质压缩成了两个词,坚持不懈地足智多谋,在那之前,我最多只能把相反的特质,压缩成一个词,倒霉无助,倒霉无助意味着被动,倒霉无助就是被环境反复锤打,就是让这个世界摆布你,而不是你去摆布这个世界,用比喻来表达,我们要找的这种特质,并不难最好的比喻可能是橄榄球里的跑位,一个好的跑位不只是有决心,也很灵活,他们想把球推进到前场,但他们会一边跑,一边随时调整计划,我已经想明白,怎么直接表达这种特质,当时我在给投资人写一场演讲,我必须解释,应该在创始人身上寻找什么,一个和倒霉无助正好相反的人,会是什么样,他们会坚持不懈地足智多谋,不只是坚持不懈,这还不够,除非是在少数几个,大多没什么意思的领域里,否则光靠坚持,并不能让事情按你的想法发展,在任何有意思的领域里,困难都会是新的,这意味着,你不能只是硬推过去,所以你必须足智多谋,你必须不断尝试新办法,要坚持不懈地足智多谋,足智多谋这个词暗含着障碍来自外部,而在创业公司里,障碍通常确实来自外部,坚持不懈地足智多谋,就是成功的配方,我觉得这是我们能找到的,对优秀创业公司创始人,最好的简短描述,我怀疑它已经没法再更精确了,你甚至可以把它当成战术来用,如果是我在经营一家创业公司,我会把这句话贴在镜子上,做出人们想要的东西是目的地,但坚持不懈地足智多谋,是你抵达那里的方式,好,下一篇我想讲的文章叫,决心的解剖,这里其实还有一段,我会把它放在show notes里,我有一些个人笔记,记录了大概300期,关于创业的播客和演讲,我看这里写的时间,是2018年9月26日,这是Y Combinator播客上和Paul Graham的一段对话,我先读一段我标出来的内容,我觉得我之前跟你提过几次,但现在先读出来,能让你理解这篇文章在讲什么,也能理解Paul的视角,我还是觉得这很有意思,我们也常聊这个,重复本身就有说服力,你在公司里必须有这个准备,你会有一套核心信念和想法,然后你必须一遍又一遍地讲,讲十年再讲十年 Jeff Bezos David Ogilvie Warren Buffett Steve Jobs 都是这么做的,你在Paul身上也能看到这一点,因为我手里这篇文章写于2009年9月,而我想这段和他的对话,我看一下,我是在2018年做的笔记,这段对话发布于2018年8月31日,所以从他写这篇文章,到后来再次表达同一个观点中间差不多隔了十年,他一直在重复一个想法,为什么他觉得有决心比聪明更重要,他说,事实证明,有决心远比聪明重要 [00:40:00]
**David Senra**:有决心远比聪明重要,如果你想象一个假设中的人,聪明程度是100分满分,决心也是100分满分,然后你开始把他的决心拿掉,用不了多久,你就会得到一个很聪明,但完全没有成效的人,反过来,如果你有一个超级有决心的人,然后你把他的聪明程度降低,到最后,你可能会得到一个拥有很多出租车牌照,或者经营垃圾轻运生意的人,但他依然会很有钱,这里有个重要备注,创始团队里只要有一个人超级有决心就够了,如果你感兴趣,想看我的笔记本,我会把链接放出来,我现在也开始继续往里面加内容了,之前我大概有一两年没怎么管他,但现在又在慢慢往里面补笔记,总之链接会放在下面,我们来看这篇文章他说,我们花了很多时间,试图学会预测哪些创业公司会成功,我们很快就发现,最重要的成功预测因素,是决心,一开始,我们以为可能是智力,每个人都喜欢相信,创业公司成功靠的是这个,如果一家公司的胜利,是因为创始人特别聪明,这个故事听起来更好,聪明确实有帮助,但它不是决定性因素,有很多人和Bill Gates一样聪明,却一事无成,在大多数领域里,和决心相比,天赋被高估了,然后我特别喜欢这句话,过一段时间之后,决心开始看起来像天赋,还有一句也很棒,我想不出有哪个领域里,决心是被高估的,然后他继续讲,这是下一页,决心最简单的形式,就是纯粹的意志力,意志力,当你想要某样东西你就必须得到它,不管怎样都要得到,相当一部分意志力,一定是天生的,因为我们经常能看到,一个家庭里,某个兄弟姐妹的意志力,明显比另一个强很多,我不认为你能做很多事,把一个意志薄弱的人,变成意志强大的人,但意志强大还不够,你还必须对自己狠,一个意志强大,但放纵自己的人,不会被称为有决心,决心意味着,你的意志力被纪律感平衡住了,平衡,这个词很重要,这里就真正进入重点了,你真的必须仔细听他在说什么,你的意志越强,除了你自己以外,就越没有人能说服你,但总得有人跟你辩论,因为每个人都有低级冲动,如果你的意志力超过了纪律感,你就会向这些冲动屈服,更简单的理解就是下一句话,你越任性缺乏纪律就越危险,然后下一段我写了下来,我说,这是一个非常新颖的想法,这也许就是为什么,高水平成就很难长期维持,缺乏纪律的危险会随着诱惑增加而增加,如果你有足够的决心去取得伟大的成就,这大概率也会让你身边的诱惑变多,这是一个很有意思的想法,我把整段再读一遍,缺乏纪律的危险会随着诱惑增加而增加,如果你有足够的决心去取得伟大的成就,这大概率也会让你身边的诱惑变多,接着,他开始讲野心在这一切里面扮演的角色,到目前为止,他一直在讲,决心、意志力、还有纪律,然后他说,决心还有另一个主要组成部分,野心,如果意志力和纪律能把你带到目的地,那么野心决定你选择哪个目的地野心似乎有很强的可塑性,你可以做很多事来增强它,这是一个特别好的观点,在他所有文章里,他都会留下角柱,所以我会先读这一段,然后马上读后面的角柱,有野心的人很少,所以如果所有人都是随机混在一起,就像人在年轻时通常那样,那么有报复的人身边,就不会有多少同样有报复的同龄人,当你把这样的人放到其他有报复的人中间时,这也是Paul文章里的另一个主线,创始人或者更广义地说,有报复的人待在同类身边非常重要,所以YC很大一部分就是这样,他们会不断聚在一起,周围有一个社区,他会谈到和这些人待在同一座城市,或者参加线下活动,我甚至不知道为什么我会说这点令人意外但他反复提到这个想法的频率,确实让我意外,意思是,待在和你一样的人身边,会有巨大的好处,因为做创始人,对这些事情感兴趣,本来就挺不寻常,而且在这里,他接下来要说的是,这会把你带到另一个层级,他说,当你把这样的人放到其他有抱负的人中间时,他们就会像快枯死的植物得到水一样,重新开花,这句写得太好了,大多数有抱负的人,不管年龄多大,可能都极度缺少那种来自同样有抱负的同伴的鼓励,所以这是那一段的角度,意思是,想帮助整个社会最好的方式之一,就是创造活动和机构,把有抱负的人聚到一起,这就像把反应堆里的控制棒抽出来,他们释放出的能量,会鼓励其他有报复的人而不是被他们通常身边那些普通人吸收掉,我在这里写下的是,我不知道自己会不会做这个想法,但我在想,做一个线下版的Founders Podcast 会不会有价值,因为Paul在这里就告诉我们,帮助社会的最好方式之一,就是创造活动和机构,把有报复的人聚到一起,我很难理解一个没有抱负的人,为什么会来听这个节目,回到Paul 成就也往往会提升你的抱负,所以总结一下,决心大概是这样运作的,你看这就是我说的,他会把一个复杂到难以置信的想法讲清楚,读完这一段,你会觉得,好,我对他有了更深的理解,什么叫自律,什么叫决心,他们之间到底怎么联系在一起,我觉得我自己想不出来,即使你在潜意识里大概懂,把它写在纸上让我看到对我也很有帮助,所以总结一下,决心大概是这样运作的,它由意志力构成,由自律来平衡,由抱负来确定方向,幸运的是,这三种品质里,至少有两种是可以培养的,你的意志力也许能稍微增强一些,你肯定可以学会自律,而在抱负这件事上,几乎每个人都处在营养不良的状态,他把这一切都和成就联系起来,然后他又回到那个主线,你到底怎样做自己热爱的事,因为如果是你热爱的事,你自然就会走得深得多,也远得多,成就还有第三个因素,你有多喜欢这项工作,如果你真的热爱做某件事,你就不需要靠决心来驱动自己,因为那本来就是你会去做的事,好,接下来这篇文章要花一点时间讲,他叫《创业公司真实是什么样》写于2009年10月 Paul说这篇文章来自他在2009年 Startup School的一次演讲,他说我当时不确定要讲什么,所以决定去问问那些,我们投过的创业公司的创始人,看还有哪些事情是我没写过的,为了找到好想法,他发了一封邮件,他说我给所有创始人发了邮件,问他们,创办一家创业公司这件事里,有什么让他们感到意外,所以在他进入清单之前,我会先快速讲一些特别打动我的重点,第一条是,谨慎选择联合创始人,这个我马上会讲到,但在那之前的一段也很有意思,他说,大家的回答里有非常清晰的模式,很了不起的是,好几个人常常会被完全同一件事震惊,我把这句摘出来,是因为我觉得,我读了几百本企业家传记后也发现了完全相同的现象,你会听到这些东西,有时候我会很激动,甚至有点控制不住,因为这真的太令人兴奋了,历史上一些最强悍的人,他们彼此不认识,甚至不在同一个时代,他们在不同的行业工作,生活在世界不同地方,但他们通过试错,通过创办自己的公司,通过做自己的工作,最后得出了同样的结论,所以还是那句话 Paul真的有点像打游戏时的上帝视角,你要是玩过电子游戏,可能知道我说的那种视角,我小时候有些游戏就是这样,你能看到游戏里所有事情都在发生,我觉得Paul很像这样,因为他接触过几千个创业公司,很少有人会看到他看过的那些东西,所以他说,回复里出现了非常非常非常清晰的模式,很惊人的是好几个人竟然会被完全同一件事震惊,第一,要谨慎选择联合创始人,这是最多创始人提到的意外,你想想,这太疯狂了,人们希望自己在选择联合创始人时,更重视的是人品和投入程度,而不是能力,我觉得Paul这里说过,就算他没说过,我听过最好的说法是,选择联合创始人,就像选择一个,你要长期绑在一起的人,这不是一个轻飘飘的决定,人们希望自己,在选择联合创始人时,更重视的是,人品和投入程度,而不是能力,尤其是在那些失败的创业公司里,这一点更明显,教训就是,不要选择会临阵脱逃的联合创始人,下面是一个典型回复,这里是Paul在写,我会告诉你,什么时候是Paul在说什么时候是他在文章里,引用那些创始人回邮件里的话,这是一个例子,他没有告诉你这个创始人是谁,但他说了对方写了什么 [00:50:00]
**David Senra**:但他说了对方写了什么,你如果没有和一个人一起做过创业公司,你就没有见过他的真面目,然后Paul说,我们很早以前就学到了这个教训,你去看YC的申请表,会发现,里面关于创始人投入程度,和彼此关系的问题,比关于能力的问题更多 Paul接着说,成功创业公司的创始人会谈到,他们为了维护彼此关系,付出了多大努力,下面是Paul 引用的一封邮件节选,是一位创始人在回答这个问题,这个创始人说,让我意外的一件事,是创业公司创始人之间的关系,会从友谊变成婚姻,我和联合创始人的关系,从只是朋友,变成了天天见面,一起为财务发愁,一起收拾烂摊子,创业公司就是我们的孩子,我有一次这样总结,这就像我们结婚了只是不上床,回到抛,好几个人都用了,结婚这个词,这种关系比普通同事之间常见的关系强烈得多,所以这段关系必须用最好的材料来搭建,还要小心维护,它是一切的基础,我读到这一段时想起了一段短信对话,我因为这个播客和一位创始人成了朋友,他其实是连续两次创业的创始人,也是YC创始人,他叫John Coogan 他也是我最喜欢的教育类YouTuber 他的视频做得非常好,我会在下面放一个链接,是我大概发给过十几个人的视频,叫硅谷完整史,总之 Johan给我发短信,因为他当时在做一个视频,他有一个想法,想问历史上有没有这样的先例,两个成功的创始人,在一次收购之后,又一起做一个新项目根据他的研究,他说看起来这种事总是失败,我就把每一期都翻了一遍,看了每一期的标题,想看看能不能想出一个例子,所以我直接把我发给他的那段很长的想法读给你听,这段不是专门讲一个创始人买下另一个创始人的公司,然后两个人一起工作的情况,它更像是创业史里一个很清楚的主题,我说,我最初的猜测是没有,因为事情往往会演变成只有一个明确的主要创始人,就算联合创始人或者合伙人留下来,通常也很明显处在从属位置,我立刻想到 Andrew Carnegie和Henry Clay Frick 他们两个都是非常成功的创始人 Andrew买下了Henry的公司,第73期讲的就是这个,发生了什么呢,我说,第73期讲的是一本书,叫《地狱剑》 写的就是他们的合伙关系以及后来那场激烈到,持续终生的夙愿,他们炒翻多年以后,有人说我们都已经是老头了,把这事放下吧 《地狱剑》这个标题就来自Andrew Henry Clay Frick完全不接受,他回了一封信,大意是,不,我们不会和解,地狱见,然后我就列了一堆例子 Henry Ford买断了所有投资人的股份 Steve Jobs完全掌控公司 Edwin Land也是如此 Rockefeller有合伙人,但他们都听他的,而且他持有最多股权 JP Morgan掌控自己的整个局面 Jay Gould和Cornelius Vanderbilt也是一样 Wilbur Wright显然是Wright兄弟里的主要创始人 Sam Walton Jeff Bezos Enzo Ferrari 和Estee Lauder 显然都是各自公司里真正主导的人,我甚至想不出多少收购最后是顺利的Trader Joe's卖掉公司之后,被踢出了自己的公司 Paul Orfelea把Kinkos卖给FedEx 之后非常讨厌这件事,甚至再也不愿意走进那家店 Henry Leland把公司卖给Cadillac 又把Cadillac卖给GM的创始人,然后离开去创办Lincoln Motors 后来又卖给Henry Ford Leland 对这两次收购都不满意,我翻了200集,找不到一个反例,回到Paul这里的观点,他一遍又一遍看到同一件事,选一个好的联合创始人极难,长期一起走下去也极难,这是一个非常重要的决定,慢慢来,我觉得这就是Paul的意思,一旦你做了这个决定,就一定要花很多时间维护这段关系,因为按他的说法,这是所有事情的基础,这些邮件里的下一个主题是,创业公司会接管你的生活,经营一家创业公司不像有一份工作,也不像当学生,因为他永远不会停,邮件里是这么说的,我之前没意识到,我几乎每一个醒着的时刻,不是在工作,就是在想我们的创业公司,当这是你自己的公司,而不是你在给别人打工时,你会进入一种完全不同的生活方式,抛接着说,在最好的情况下,全身心投入会让人兴奋,这里有个例子,你会惊讶地发现,自己被创业公司吞得有多深,你白天黑夜都在想它,但它从来没有一刻让你觉得像是在工作,我之前跟你提过,我有各种奇怪的办法给自己洗脑,我会反复看一些视频和片段,也会把一些隐言存在手机里,其中一个是Conor McGregor谈他职业生涯早期,那种全身心投入 Netflix上有一部很棒的纪录片我记得好像叫Notorious之类,里面拍的是Conor McGregor 当时还靠福利救济生活,他住在父母家,账单都付不起,但他一直说,我会成功的,我要把整个人生都投入进去,我不会想别的任何事,他还讲可视化,他就说,我知道有一天我会成为冠军,我知道我会有多到不知道怎么花的钱,我会照顾我的整个家庭,很疯狂的是,他说这些话的时候正在翻邮件,那些邮件一封接一封,全是催账的,我从这个视频里存了一段Conor McGregor的话,也是讲这种全身心投入的想法,他说,不管你做什么,你都得有点入魔,你不能是完全正常的状态,你得对自己的记忆近乎疯狂,很多人理解不了这一点,所以我不知道别的东西,我不关注任何别的事普通社会会说,我们聊聊这个吧,这里他说的是体育,时事之类的东西,所以他说,普通社会会说,我们聊聊这个吧,我们参与一下这个吧,但我做不到,别人在跟我说话,可我脑子里还在电子上,演练一个动作序列,也就是格斗训练,他们想跟他聊时事和体育,但他脑子里想的是,那个动作序列是什么,我下一步该怎么做,他说,别人在跟我说话,可我脑子里还在电子上,演练一个动作序列,我没法关注任何别的事,这也很难,因为我觉得,对很多经营公司的人来说,这可能就是一种天然倾向,但你还有孩子,还有家庭 Founders Podcast 很大一部分内容,就是我们看这些,极其聪明,极其强悍的人,把生活中的这一块搞砸,他们关不掉这个开关而且更容易掉进这个陷阱,可能就是因为那封邮件最后一句话,它从来没有一刻让你觉得像是在工作,下一个反复出现的主题是,这是情绪过山车,这个你我已经聊到快烦了,在创业公司里,前一刻事情看起来还很棒,下一刻就像完全没希望,这是一封创始人的邮件,情绪上的起起落落是最让我意外的事,有一天我们会觉得自己是下一个Google 第二天我们就在想,该怎么告诉爱我们的人,我们彻底失败了,就这样一次又一次,下一个主题是,它也可以很好玩,这是Paul说的,好消息是,高点也真的非常高,而创始人最喜欢的,通常是自由,其中一位创始人是这么说的,让我惊讶的是,做一件有挑战,有创造性而且我相信的事情,感觉会耗这么多,下一个主题是,坚持是关键,很多创始人都惊讶于,坚持在创业公司里竟然这么重要,邮件里有一句话,所有人都说你必须非常坚定,非常有韧性,但真正经历之后,我才发现,大家还是低估了所需要的决心,回到Paul 他还说,光靠坚持本身竟然就能化解障碍,这个程度也让人意外,读到这里时,我写下了一句 Paul说过,比起智力决心更能预测成功,这个我前面已经读给你听过,这里是一封邮件,里面说,如果你足够坚持,哪怕那些看起来不受你控制的问题,也会自己慢慢解决,好几位创始人专门提到,毅力比智力重要得多这里有个例子,他说,我一次又一次感到惊讶,原来毅力比原始智力重要这么多,记住,这篇文章的名字叫,创业公司真实是什么样,第六点,长期思考,你需要毅力,因为所有事情都会比你预期的更久,很多人都对此感到意外,有位创始人说,我一直惊讶于,任何事情竟然都可能花这么久,抛说,创始人会惊讶,其中一个原因是,他们自己做事很快,所以也以为其他人都会这么快,另一个原因是,很多创始人过度自信,我觉得,大多数创始人之所以惊讶于事情花这么久,是因为他们太自信了,他们觉得自己会像YouTube或Facebook那样一夜成功,你告诉他们,一百家成功的创业公司里,只有一家会走出那样的轨迹,他们会想,对,我们就是那一家然后Paul说,也许他们会听听更成功的创始人怎么说 [01:00:00]
**David Senra**:也许他们会听听更成功的创始人怎么说,这是一位更成功的创始人告诉Paul的话,他说,我在真正开始之前,最没理解的一件事就是,毅力才是这场游戏的核心,这会是一段非常漫长的旅程,第七点,是很多小事,我很喜欢这位创始人在这里说的话,苦干大于光鲜 Paul说,我们经常强调,创业公司很少只是因为,撞上某个神奇想法就赢了,我觉得创始人,现在已经把这点记在脑子里了,但很多人惊讶地发现,这件事在创业公司内部同样成立,你必须做很多不同的小事,这是一位创始人的邮件,他说,这件事更多是苦干,而不是光鲜,你更可能看到,我在追查一个bug 而不是突然闪现,某种天才般的战略洞察,另一位创始人在邮件里说,我学到的是永远不要压住某一个功能,某一笔交易,或者任何单一东西,会带来成功,成功从来不是靠单一一件事,所有事情都是一点点累积的,你就是继续往前,继续做很多很多这样的小事,直到某个东西真的打中了,第八点,从最小的东西开始,你应该快速发布,然后迭代,这几乎是Y Combinator的一句口头禅,一位创始人在邮件里说,做出绝对最小,但仍然可以算作完整应用的东西,然后把它发布出去,第九点,和用户互动,这里只说一句,我觉得ECFE Loader 是这方面的大师,产品开发,就是和用户对话,所以再说一次 Estified Loader 是我想到如何和客户互动,如何做那些无法规模化的事实,脑子里冒出来的例子如果你不知道我在说什么,也不知道为什么 EC Father是这方面的大师,可以去听第217期,那是我最受欢迎的几期之一,很多人告诉我,他们听了好几遍,下一点是改变你的想法 Paul说我们一直鼓励创始人,把创业想法看成一个假设,而不是一张蓝图,只有决心没有灵活性,就像一个贪心算法,最后可能只让你得到一个平庸的局部最大值,所以有一位创始人给Paul发邮件说,当一个人很坚定时,仍然有一种危险,他可能会沿着一条漫长又艰难的路走下去,但最终那条路什么都通向不了,有一位创始人说得非常简洁,快速迭代是成功的关键,然后Paul说,有经验的创始人会学会保持开放心态,这里有一段邮件摘录,他说我现在不再嘲笑各种想法了,因为我意识到,我过去判断一个想法好不好时,水平实在太糟糕,你永远无法提前知道什么东西会奏效,第十一点,不要担心竞争对手,这让我想到Edwin Lam的一句,我最近经常重复的名言,也是我最喜欢的名言之一,保守秘密最好的办法,就是站到屋顶上大声喊出来,当你觉得自己有一个很棒的想法时,那种感觉有点像心里有鬼,只要有人用奇怪的眼神看你一眼,你就会想,天啊,他们知道了,这种警报几乎总是假的,人们对竞争对手反应过度,其中一个原因是,他们高估了想法的价值,如果想法真的是关键,那么有同样想法的竞争对手,确实会构成真正威胁,但通常真正重要的是执行Paul在我前面提到的那期Y Combinator Podcast里,对这件事有一个很好的说法,当时他说,为什么决心比智力更重要,他也说,你要关注客户,不要关注竞争,他说,大多数时候,让公司失败的是创始人执行的不好,很多时候创始人担心竞争 YC当时已经创办了1900多家公司,这是几年前的数据,其中只有一家是被竞争对手干掉的,你面对竞争对手时拥有的保护,和轻型飞机避免撞上其他轻型飞机时拥有的保护一样,你知道那种保护是什么吗,空间很大,第十二点,很难获得用户,很多创始人都抱怨获得用户有多难,这是一个复杂的话题,当你找不到用户或者换个说法,当你找不到客户时很难判断问题到底是曝光不够,还是产品本身就是不行,对YC最尖锐的批评来自一位创始人,他说我们对货客关注的不够,这位创始人是这么说的 YC一直讲做出人们想要的东西,但对货客成本关注很少,这其实也是我从Steve Jobs那里学到的一点,因为他经常谈产品的重要性,谈人才的重要性,但如果你看他怎么花时间,他也会谈营销的重要性,还会谈创新,不只是产品创新,也包括产品营销和分发上的创新,我记得读到过他的一段话,当时我给自己留的笔记是,他说他希望世界上每一个人,都拥有一台Apple设备,要做到这一点 Apple不仅必须做出伟大的产品,还必须成为一家伟大的营销公司,而他说这话的时候Apple还不是这样的公司,对吧,我当时结合那本书的语境,对他的理解是,如果你相信你的产品会改善客户的生活,那你就有一种道德责任,必须把营销做好,第十三点,这一点其实在不同文章里反复出现过几次,对交易要预期最坏情况,交易会告吹,这是创业公司世界里的常态,创业公司没有什么谈判权,而且这不止适用于和大公司做交易,他们说这也适用于投资人,下面是一位创始人写邮件,谈他和投资人打交道的经历,回头看,如果我们当时一开始就假设自己,再也拿不到任何外部投资,情况会好得多,这也是Paul反复强调的一点,事实上,我现在就讲这个,免得一会儿忘了,有人问他,如果你今天22岁,或者刚从大学毕业你会怎么安排自己的人生,我觉得,这不止适用于22岁的人,他说,如果我22岁,如果我要创办一家创业公司,我肯定会申请YC 这并不意外,因为YC本来就是按我当年创业时,希望拥有的东西设计出来的,但假设我进了YC 我不会在demo day被卷进去,去融一大笔钱,好接下来是他说,如果现在创办公司,他会怎么做,我可能会融50万美元,第一年,我会让公司保持很小,我会和用户紧密合作,做出一个了不起的东西,除此之外,我会避开硅谷的视线,换句话说,我会做一个和那些混圈子的人,完全相反的人,最理想的情况,是我能靠最初这50万美元做到盈利,之后如果我愿意,可以再融更多钱,也可以不融,但那会是在我的条件下在公司成长的每一个阶段,这一段我个人觉得其实最有意思,在公司成长的每一个阶段,我都会尽可能让公司保持小规模,我总是希望别人惊讶地发现,我们员工居然这么少,员工更少,就意味着成本更低,也更不需要把自己变成一个管理者,所以当我看到那封创始人的邮件时,这段话就跳进我脑子里了,抱歉,不是投资人的邮件,是创始人的邮件,他说,如果我们当时一开始就假设自己再也拿不到任何外部资本,情况会好得多,然后抛在这个基础上补充说,我的建议通常都比较悲观,假设你拿不到钱,如果有人真的愿意给你钱,也要假设之后再也拿不到更多,接着他又说,创始人不会采纳这个建议,他们不听我的为什么创始人会忽视我的话,主要是因为他们天性乐观,错误在于,对你无法控制的事情保持乐观,这句话太好了,所以他的核心意思是,你需要掌握自己的命运,一旦你做到了,你就会有更多选择,也可以挑选对你和你的公司,最有利的方案,第十四点,投资人其实很无知,很多创始人都提到,他们惊讶于投资人的无知程度,其中一位创始人说,他们甚至不了解自己投过的东西,我见过一些投资人,他们投了一款硬件设备,可当我请他们演示这台设备时,他们连开机都很费劲,另一位创始人说,投资人有一半时间都不知道自己在说什么,少数投资人很优秀,但我们打交道的投资人里 90%到95%都不专业,他们看起来既不太懂生意,也没有任何创造性的愿景我们说天使投资人通常聊起来,要好得多,第十五点,你可能不得不玩一些游戏,一位创始人说,最让他惊讶的是,用他的话说,假装笃定,居然能给投资人留下这么深的印象,我觉得这不止对投资人有效,我觉得这符合人性 Atari的创始人 Steve Jobs的导师 Nolan Bushnell 就注意到了这一点 Steve大概19岁的时候,他雇Steve去Atari工作,他给Steve的一些建议里,有一句是这样说的,我教他,如果你表现得像自己能做到某件事,那事情就会奏效,我告诉他,假装一切都在你的掌控之中,别人就会以为事实就是这样,第16点,运气是一个很大的因素,你想想那些著名的创业公司,就很清楚运气起了多大作用如果IBM当年坚持要求DOS的独家授权 Microsoft会变成什么样 Paul好几次专门拿Bill Gates讲这个点,他的意思是 [01:10:00]
**David Senra**:他的意思是,听着,没有那件事 Bill Gates当然也很聪明,也会非常有钱,但他之所以能排在全球富豪榜最前面,是因为IBM犯了一些错误,而他显然抓住了机会,也执行得很好,但他本来还是会有钱,只是会排在榜单更后面 Paul有一个特别好的说法,他在一篇文章里讲过,我之后会讲到那篇,不知道是在这一期还是下一期,那篇叫《如何创造财富》 里面描述了运气在创业公司建设中的作用,他说,任何公司的成功里,都有一个很大的随机成数,然后他又回到这个点,他说,其实最好的模型,是把结果看成技能,决心和运气三者的成绩,第十七点,社区的价值,这个点他在很多不同文章里用不同说法反复讲过,这里有一位创始人说 IC给创始人提供的社区,价值就在于YC公司组成的同伴群体,他们在差不多同一时间,面对相似的障碍,这一点有巨大的价值,这也是为什么我觉得,线下见面当然非常有价值,也正因为如此,我最推荐的一本书,是James Dyson的自传 Against the Odds 我上一次读这本书,其实我读过好几遍了,是在第二百期,我觉得James可以在历史语境里,像一位导师一样,让你看到创始人这份工作,有多难,有多孤独,所以我觉得你读那本书会发现,里面有很多关于打造公司的好信息,但你也会觉得被安慰到,你会想,原来我现在的感受,我正在经历的困难,我承受的痛苦,并不是只有我一个人才有,然后Paul讲到社区的价值他说,他喜欢成为这个世界的一部分,其中一个原因就是,即使人们变得非常成功,他们仍然在努力帮助别人,我觉得Intel的创始人Bob Noyce 把这件事讲得最好,他好像说过,自己作为创业者成功之后,就试着帮助和指导很多人,他指导过Steve Jobs 也指导过Nolan Bushnell 还有很多其他创始人,他说过一句话,大意是往我曾经捕鱼的溪流里,重新放育,我记得,他就是这么表达的,所以Paul说,这就是,我喜欢成为这个世界,一部分的原因之一,创造财富,不是零和游戏,所以你不必为了赢,就在背后捅别人刀子,我还很喜欢他结尾的方式,不只是这篇文章,另一篇也是这样,他的意思是,听着,这件事非常复杂非常难,其中很多东西,你不真正去做,是没法理解的,所以他把这一部分叫做超级模式,他真正讲的是,为什么人们不听他的建议,当你第一次看完所有这些东西,也就是这些问题,人们遇到的这些事,创业公司实际运行起来是什么样,你的第一个想法会是,里面有没有一个超级模式,有没有一个模式中的模式,我马上就看到了,这些本来应该是让人意外的事,是我没有告诉过人们的事,他们有什么共同点,他们全都是我一直在告诉人们的事,然后他在这里说到了问题的核心,人们似乎就是不明白,创业到底有多不一样,直到他们亲自去做,好,我们跳到另一篇文章,它叫给足智多谋者的一句话,这篇太精彩了,而且只有一页半左右,他说我注意到我们资助过的,最不成功的创业公司里,有一个模式,他们都好像很难沟通,感觉我们之间有一堵墙,我总是没法确定,他们到底有没有理解我在说什么,真正令人意外的是,接下来这部分,他拿这类公司的反面来对比,而这个反面,并不是你以为的那个样子,再说一遍,这篇叫给足智多谋者的一句话,他讲的就是这个,这吸引了我的注意,因为我们之前在最成功的创业公司里,也注意到一个模式,而那个模式似乎取决于另一种品质,我们发现表现最好的创业公司,创始人都是那种,我们会说他们能照顾好自己的人,表现最好的创业公司,按我们在这里使用的替代标准来说,就是我们想成为的那种创始人,对吧,也就是说表现最好的创业公司,最好的创始人,对吧所以他说表现最好的创业公司,是那种你交给他们就不用再管的公司,你只要给他们一个线索,他们就会把事情拿下,不管是什么类型的线索,我只想再讲一下那一段里的一句话,再说一遍,我们发现表现最好的创业公司,往往有这样一类创始人,我们会说他们能照顾好自己,这听起来有点奇怪,因为光谱两端的异常值,也就是失败和成功,好像可以用两个看起来不相关的测试识别出来,这正是我读到这里时的想法,我当时想,奇怪,这是怎么回事,你本来会以为,如果异端的创始人,因为具备某种特质X而显得不同,那另一端应该是因为缺少X而显得不同,那么坚持不懈地足智多谋,和难以沟通之间,是不是存在某种反向关系结果确实有,这个谜题的关键就是那句老话,跟聪明人说一句就够了,如果一个人足够聪明,你只要对他说一句话,他马上就能明白,你不需要详细解释,他会自己追下去,把所有含义都想清楚 Paul没有这么说,但我理解他的意思是,他们会自己把所有后续含义都追出来,回到Paul的原文,同样,你只要把合适的创始人,用一句话介绍给一个VC 他就会自己把钱追下来,能理解所有含义,本身就是坚持不懈的足智多谋的一部分,这是一个非常独特的想法,也正因为如此 Paul的文章会让你有感觉 Paul的写作会激发情绪,你会突然停下来想,等一下,就像你只要把合适的创始人,用一句话介绍给一个VC他就会自己把钱追下来,然后这里的点睛之笔太精彩了,能理解所有含义,本身就是坚持不懈的足智多谋的一部分,这就是对成功创始人的描述,接着他又把话题拉回去,那些不成功的创始人到底做错了什么,这样你我就可以想,好,那我们要避免什么,更好的描述方式是,不成功的创始人,有一种来自软弱的保守,他们在想法空间里移动时,小心的就像一个非常年老的人,在现实世界里走路一样,再说一次,它不只是写得有情绪,它还马上让你在脑海里,看到一个老人,拄着拐杖,弯着背,所以我再读一遍,更好的描述方式是,不成功的创始人,有一种来自软弱的保守,他们在想法空间里移动时,小心的就像一个非常年老的人,在现实世界里走路一样,然后他又回到这一点这是他准备结束这篇文章的地方,希望这里说得通,难以沟通,并不是杀死那些不成功创业公司的原因,它只是一个信号,说明底层缺少坚持不懈的足智多谋,真正杀死他们的是缺少坚持不懈的足智多谋,还有一点,是他们没能把别人对他们说的话里的含义,继续追下去,不成功的创始人也会追不下融资,用户,客户,或者新的想法来源,但我最直接看到哪里不对劲的证据,就是我没法跟他们沟通,好,现在我们来到我最喜欢的泡文章之一,叫做那些无法规模化的事,他写道,很多潜在创始人相信,创业公司要么自己起飞,要么就不起飞,你做出一个东西,把它放出来,如果你真的做出了更好的补数器,人们就会像承诺里说的那样,自动找上门来要么就不会,那样的话就说明市场根本不存在,但实际上创业公司之所以起飞,是因为创始人让他们起飞,这句话我必须画两道线,太精彩了,实际上创业公司之所以起飞,是因为创始人让他们起飞,创始人在一开始最常要做的,无法规模化的事,就是手动招募用户,几乎所有创业公司都必须这么做,你不能等着用户来找你,他总是会用用户这个词,我们当然也可以把它理解成客户,你必须走出去,把他们找来 Stripe是我们资助过的,最成功的创业公司,或者说是最成功的创业公司之一,他们解决的问题非常迫切,如果有谁可以坐在原地,等用户上门,那就是Stripe 我很喜欢这个故事,我之前在播客里也提过几次但实际上,他们早期激进货客这件事,非常有名,所以他们有一个说法 Paul说在YC 我们把他们发明的这种方法,叫做Colossus安装 Colossus是创办Stripe的两兄弟的姓,所以他说,在YC 我们把他们发明的这种方法,叫做Colossus安装,更胆怯的创始人,也就是更默认被动的创始人,会问,你愿意试试我们的测试版吗,如果对方说愿意,他们就会说,太好了,我们给你发个链接,但Colossus兄弟不会等,只要有人同意试用Stripe 他们当场就会说,好把你的笔记本给我,然后他们会现场帮对方装好,这就是Colossus安装,太精彩了,一家创业公司要成功,至少得有一位创始人,花大量时间做销售和营销,我读到那一段的时候,想到Peter Thiel在《从0到1》里我最喜欢的一句话,单靠更强的销售和分发,即使产品没有差异化,也能创造垄断,反过来不成立 [01:20:00]
**David Senra**:反过来不成立,这话很夸张,但是真的,单靠更强的销售和分发,即使产品没有差异化,也能创造垄断,这件事就是这么重要,反过来不成立,创始人忽略这条路的另一个原因,是一开始绝对数字看起来太小,所以我又要说一遍,前面可能已经说过两次了,你真的应该回去研究ACFE Louder 他是这方面的大师,他走到哪儿,都会一对一地提出帮别人做点什么,他坐火车坐公交,不管在哪,看到一个女人坐在那里,就会说,你介意我帮你化个妆吗,或者说让我把你打扮漂亮一点,我忘了他当时用的具体说法,他会做一次一对一的服务,可能五分钟十分钟,我也不知道具体花多久,后来发生的事是,他一开始做的,正是Paul Graham说的那种你必须做那些无法规模化的事,一对一给人改装,这肯定无法规模化,这就是无法规模化的定义,但随着时间推移,他确实会规模化,因为他后来几十年后,仍然会收到那些人的卡片和来信,他当年花时间,一对一服务过这些人,而这些人到现在,还是他的顾客,想想看,他三十年前,在公交车上,争取到了一个用户,一个顾客,这个人三十年后,还是他的客户,还是他的顾客,还在给他寄信息,写信,跟他联系,三十年里,这一个顾客又给ECFE Lauder带来了多少其他顾客,几十个甚至上百个,如果你真能追踪,也许甚至有上千个,如果你想想他们又带来谁,那些人再带来谁,如此循环,这就是重点,看起来无法规模化,但只要他们喜欢你做的事他就会规模化,前提是你愿意在这场游戏里待得足够久,我太喜欢这篇文章了,回到这里,创始人忽略这条路的另一个原因,是一开始绝对数字看起来太小,事实也确实如此,他没有说我不能这么做,因为如果我只为一个人做事,那就不该做,我应该一次为一千个人做事,可是也许这一个人,随着时间会给你带来一千个顾客,换句话说,你其实是在为一千个人做,只是当时那个时间点看不出来,他们会想,那些知名的大创业公司,不可能是这样起步的,他们犯的错误是低估了复合增长的力量,我们鼓励每一家创业公司,用周增长率来衡量进展,他这里的重点也是我在页边写下来的话,是人类没法直觉地理解这件事我们鼓励每一家创业公司,用周增长率来衡量进展,如果你有100个用户,下周只需要再拿到10个用户,就能做到每周增长10% 110个用户看起来可能并不比100个好多少,但如果你一直保持每周10%的增长,你会惊讶地发现数字会变得多大,一年后你会有14000个用户,两年后你会有200万个用户,几乎所有创业公司一开始都很脆弱,而这正是很多没有经验的创始人,投资人记者,还有那些自以为懂一切的人,最容易看错的地方,他这里列了一堆人,他们会下意识地用成熟公司的标准,去评判还处在幼虫阶段的创业公司,这就像有人看着一个新生儿,然后断定这么小的生物绝不可能做成任何事,这个问题太精彩了对早期创业公司真正该问的不是,这家公司会不会统治世界,而是如果创始人做对了事情,这家公司能变得多大,而正确的事情,在当时往往看起来很费力,也没什么意义,这句话太好了,他接下来会提到我在Founders第147讲过的内容,那是我到目前为止读过最好的Bill Gates传记,因为他只覆盖他人生的前35年,那是第147 如果你还没听过的话,他说,正确的事情在当时往往看起来很费力,也没什么意义,当Microsoft还只是Albuquerque的几个家伙,在为几千个业余爱好者的小市场写Basic解释器时,他看起来不可能多么了不起,当时人们把计算机用户叫做业余爱好者,但回头看,那正是主导微型计算机软件市场的最佳路径往后跳一点,他的意思是,别一上来就想着扑得很广,你应该先让少数几个人真正爱上你,而不是让一大群人只是有点喜欢你,你应该采取非常措施,不只是为了获取用户,也要让他们开心,只要还能这么做,就一直这么做,而事实证明,这个时间可以长得出人意料,有一家叫乌富的公司,会给每一个新用户寄一封手写的感谢信,第一批用户应该觉得,注册使用你的产品,是他们做过的最好选择之一,反过来,你也应该绞尽脑汁,想出新的办法让他们惊喜,这里还有更多很好的建议,创始人不够关注单个客户,还有一个原因,是他们担心这件事无法规模化,但当早期创业公司的创始人担心这一点时,我会提醒他们,以他们现在的状态,根本没什么可失去的也许如果他们特别用心,把现有用户哄得特别开心,有一天用户真的会多到,他们没法再这样服务每一个人,那你就先看看,自己能不能把这件事做到那一步,而且在刚起步的时候,你能一个一个地取悦客户,这其实是大公司没有的优势,你买了一台笔记本电脑之后 Apple的Tim Cook 不会给你寄一张手写感谢卡,他做不到,但你可以,这就是小公司的一个优势,你能提供一种任何大公司都提供不了的服务水准,这点太棒了,我以前从没这么想过,我一直在想,应该用什么短语来表达,你对用户的关注应该有多极致,然后我意识到 Steve Jobs早就说过了疯狂的卓越 Steve说,疯狂的不是把它当成非常的同义词它的意思更接近字面意思,也就是,你应该把执行质量,关注到一种程度,在日常生活里,这种程度会被认为,有点病态,接下来,他会给一些建议,讲你该怎么做到这一点,有时候,正确的,无法规模化的小技巧,就是故意聚焦在,一个很窄的市场上 Facebook当年,就是这么做的,一开始,他只面向哈佛学生,以那种形态来看,他的潜在市场,也就几千人,但因为那些学生觉得,这东西,真的是为他们做的,所以其中足够多的人注册了,形成了临界规模,我采访Mark Zuckerberg的时候,他说为每一所学校创建课程列表,确实很费功夫,但这么做让学生觉得,这个网站天然就是他们自己的地方,然后他不只给做软件的创业公司,提了一些想法也给做实体产品的人提了一些想法,对硬件创业公司来说,做那些无法规模化的事,还有一个遍体,我们叫他来一把Miraki Miraki是那家公司的名字,他们起步时做了一件真的无法规模化的事,他们自己组装路由器,他们必须这么做,因为找工厂开一条生产线,最低订单通常要花几十万美元,所以他们只能自己把这些东西组装起来,他接下来要说的这点很有意思,做那些无法规模化的事,其实也是一种学习,做那些无法规模化的事是一种学习,对硬件创业公司来说,自己动手制造东西,结果是很有价值的,当你自己就是工厂的时候,你可以更快调整设计,你还会学到一些东西,如果不是这样做,你永远不会知道,然后他说,你还可以用类似咨询的方式去学到更多东西,也去做那些无法规模化的事,这是很长的一段,我先读一下我自己写在旁边的话,这段太好了,所有这些,核心都是学会如何更好地服务你的客户,另一种类似咨询的方法,可以用来招募那些一开始兴趣不太强的用户,方法就是你替他们使用自己的软件,我们在YY就这么做过,当我们去找商家,问他们想不想用我们的软件开网店时,有些人说不想,但他们愿意让我们替他们做一个,因为我们为了获得用户什么都愿意做,所以我们就做了,当时我们觉得这事挺寒酸的,我们没有去组织什么大型战略性电子商务合作,而是在努力卖行李箱,钢笔和男士衬衫,但回头看,这恰恰是正确的事情,因为它让我们知道商家使用我们软件时会是什么感受,有时候反馈循环是即时发生的,我在搭建某个商家网站的过程中,会发现自己需要一个我们还没有的功能,于是我会花几个小时把它做出来,然后再继续搭建那个网站,接着他给了一些反向建议,也就是说,他并不太相信那种盛大的发布,我应该提一下,有一种初始策略通常不管用,盛大发布,我偶尔会遇到一些创始人,他们似乎相信创业公司是炮弹,而不是有动力的飞机,用有动力的飞机来比喻创业公司,这个画面感很好,我偶尔会遇到一些创始人,他们似乎相信创业公司是炮弹,而不是有动力的飞机,他们觉得,只有一开始发射时速度足够快,才能做大,其实很容易看出来,发布本身并没有那么重要想想一些成功的创业公司,你还记得他们当初是怎么发布的吗,一次发布真正需要给你的,只是一小批初始核心用户,然后他开始讲 [01:30:00]
**David Senra**:然后他开始讲,为什么创始人会相信盛大发布,因为那更容易,对吧,如果你只要把自己的存在广播出去,就能获得用户,而不是一个一个的招募用户,那工作量会小得多,但即使你做出来的东西真的很棒,获得用户也永远会是一个渐进过程,主要原因是用户还有别的事情要想,谢天谢地,他把这句话说出来了,主要原因是其他用户还有别的事情要想,你和我思考自己公司的频率,比任何喜欢我们公司的人都高得多,高99倍,甚至1000倍,如果你回去看Steve Jobs刚回到Apple时说的话,他其实也说了同样的事,他说,听着,这个世界很复杂,也很嘈杂,我们没有多少机会,让人们记住,关于我们的很多东西,任何公司都没有,所以我们必须非常清楚我们到底想让他们知道,我们什么,我很喜欢Paul Graham这句话,他说,听着,就算你做的东西真的很棒,获得用户,也永远是一个渐进过程,主要原因是,用户还有别的事情要想,没错,他们想的是自己,他又回到一个问题,为什么人们会追求一次盛大发布,而不是去做那些艰苦的,无法规模化的事,你一开始必须付出,非同寻常的努力,而且他把努力,这个词用了写体,任何省略努力的策略,都值得怀疑,我很喜欢这一点 Sam Walton的自传,应该是Founders D234期,如果我没记错的话,他在最后列了一个清单,大概是十件事,都是你在打造公司时非常重要,必须知道的事,那十件事当然都很棒但我更喜欢他在列出那十件事之前说的话,他说,他甚至不会把努力工作放进清单里,因为他说,如果你连这一点都不知道,也不愿意这么做,那你反正也不需要他的清单,另一个理解方式,是Jerry Seinfeld谈到,他做出那部非常成功的巨石说的话,他说,我不喜欢捷径,他说,正确的路就是难走的路,或者我记得他说的是,难走的路,对,正确的路,就是难走的路,你会看到Paul Graham说的是,同一件事,忘掉所谓盛大发布吧,你一开始必须付出,非同寻常的努力,任何省略努力的策略,都值得怀疑,然后他用一个非常独特,非常Paul Graham的观点收尾,要想起步,几乎所有创业公司,都需要先做一些,无法规模化,又非常费力的事,这件事太普遍了所以我们也许,不该再把创业想法,看成一个单独的量,相反,我们应该把它看成一对东西,你要做什么,加上你一开始要做,哪些无法规模化的事,来让公司启动起来,把它当成一对来看,你要做什么,再加上你一开始要做,哪些无法规模化的事,来让公司启动起来,我很喜欢这个想法,现在它有两个组成部分,所以你不仅可以,在第一个部分上,发挥想象力,也可以在第二个部分上发挥想象力,创始人需要在两个维度上努力工作,我就讲到这里,我还有一大摞Paul Graham的文章要读,那会是第二部分,我平常会说,已经读完275本书,虽然严格说这次不是一本书,不过我挺好奇,因为Paul Graham和Stripe的关系,我在想Stripe Press里,会不会有人正在考虑,把这些文章做成一本书我会很想要这样一本书,我知道他出过黑客与画家,但我会很想看到一个Paul Graham文章的图书版本,而且我相信不止我一个人这么想,总之这算是275本书,也可以说275期播客已经完成了,还剩1000本,我们会在Paul Graham文章的第二部分再聊 [01:33:56]
今天的 AI4S(面向科学的人工智能)研究:自我进化循环、多智能体系统、智能体技能、科学基准等等,目标都是让文献综述、假设生成和自主实验变得更好。如今很多 AI4S 研究都在试图弥补前沿模型正在快速消除的弱点。现在这已经开始变得无聊了……
AI4S 的上半场在竞速:如何构建单个出色的 AI 科学家。但科学真正的速度上限,并不是单个科学家的聪明程度,而是他们所在的生态系统:知识如何在一代代研究者之间被表示、共享、验证、积累和复用。让每个 AI 科学家聪明 10 倍,却让生态系统保持不变,就像把一级方程式赛车的发动机装到土路上。
AI4S 的下半场必须从扩展智能体智能,转向从第一性原理出发构建 AI 原生的科学生态系统。更多内容见下方 ⬇️
我觉得用“时间差”去衡量模型能力,其实不太合适。当然,也没有更好的指标。//@成一虫:很便宜啊,👍//@杭州老叔:从我个人vibe coding点东西的情况看,智谱够用且好用,5.2之后基本没有编译错误,比之前好很多,当然我用的比较浅没什么长程任务。考虑到一个月只要40块钱且不用翻墙出去折腾,我很满意,当然他们是否赚钱我就不知道了😄
如果智谱之类真的只落后CLAUDE大约半年,确实有希望。
瑞银最新研究报告报告《中国AI模型如何在成本效率上竞争》称,中国AI模型的训练成本不到OpenAI、Anthropic等全球领导者的 10%,主要中国模型的平均API价格更低于可比美国同业的 20%。
技术创新让中国模型在维持合理毛利率(约 20-40%)的同时,仍能提供极具竞争力的API定价。
报告预测,全球AI总可及市场长期可能超过10兆美元。
报告认为,中国前沿模型智能已达到美国领先模型的约90%。
关于(开放 vs 封闭)模型格局的一些想法:
模型要么需要(真正)强大,要么需要(非常)便宜。夹在中间的一切都会被竞争挤掉。
我们会在两个阵营里都看到整合:“强大”的阵营和“便宜”的阵营。人们把 $DeepSeek 称为“死亡阈值”:如果你的模型只是比 $DeepSeek 略好一点,你就活不下来。$DeepSeek 实在太便宜了。
模型路由(model routing)会变成必需品。在“强大”和“便宜”之间路由,把任务分配给合适的模型,以最大化每一美元对应的性能。
关键争论在于,便宜模型是否会越过“足够好”这条线。对前沿模型的悲观观点是:一旦便宜模型已经足够好,大多数用户就会满足。我不同意。我认为人们对前沿智能的需求永远不会被完全满足。
GLM / 中国模型带来的担忧值得跟踪,但现在还不该夸大。@zai_org 的 GLM 受到芯片供给的严重限制。它主要通过 @togethercompute、@FireworksAI_HQ 等渠道提供,并没有广泛覆盖各大公有云。我会跟踪两件事:1)可用性;2)它与 $OpenAI、$Anthropic 之间的质量差距。这会决定它长期产生的真实影响。
Token(词元)定价可能非常误导人(见下方帖子里的更多讨论)。如果两个模型差不多,而价格差距是 50%,这个差距很容易被基础设施、缓存比例和 token 效率抹平。只比较“每百万 token 的输入/输出价格”往往具有欺骗性。
便宜模型以及围绕它们形成的供应链被低估了。(也就是中国 AI)
本地部署 vs 云,其实真不该有这么多争论……“如果运行 GLM 5.2 需要 2 万美元硬件,并且你必须 24/7 连续使用 5.5 年才能回本,那云仍然胜出。按总成本美元计算,云计算在 token 效率上仍高于本地计算。” https://x.com/mweinbach/status/2068459318240837946?s=20
“Tokenmaxxing”和“杰文斯悖论(Jevons paradox)”(如果每次有人提到这些词我都能收 1 美元就好了……)。1)和任何前沿技术一样,从早期采用者走向主流采用时,通常需要一次重置。2)便宜模型会扩大市场。
++ 全文:https://open.substack.com/pub/robonomics/p/open-source-models?r=3hcp4&utm_campaign=post-expanded-share&utm_medium=web
我一直在调研构建者对 GLM 5.2 实际表现的看法:“不要相信基准测试,要听真正使用它的构建者怎么说。”如果有人实际用过 GLM 5.2 或其他开源模型,我很想听到反馈。
质量
反馈一直相当正面。很多人说,GLM 5.2 在编码方面大致达到 Codex 5.5 中等思考强度的水平。普遍看法是,它在前端任务上强于后端任务。
我听到的主要反对意见:
- 在复杂问题求解上仍然落后。
- 泛化能力更弱。
价格
实际成本似乎约为 $Opus 4.8 的 20-35%,具体取决于工作负载。它更便宜,但并没有标题 token 定价暗示的 4-6 倍差距那么夸张。
如何看待开源
Gavin Baker 的概括很到位:“前沿模型捕获 90% 的价值;开源承载 80% 的 token。”但这实际上取决于两个群体之间的质量差距。
作为成本底线的 Deepseek
$DeepSeek 到目前为止是真正的成本领先者。它建立了一条性价比底线:任何比 $DeepSeek 更贵的模型,都必须显著更好,否则用户可能就会直接用 $DeepSeek。
我听到的反驳是,$DeepSeek 可能不稳定。构建者抱怨它质量不一致、重试率更高、缓存 token 更多,这会削弱表面上的成本优势。
定价的细微差别
按标价看,GLM 可能比 Claude Opus 便宜 4-6 倍,但实际成本取决于:
- 缓存命中率,尤其是在缓存很重的智能体循环里。
- 成功率 / 重试率:如果一个模型一次完成任务,而另一个模型需要重试 2-3 次,token 节省很快就会消失。
- 稳定性。
假设 95% 为缓存、4% 为新输入、1% 为输出,$Opus 每 100 万总 token 成本约为 0.925 美元,而 $GLM-5.2 约为 0.347 美元。$GLM 便宜约 2.67 倍。假设 90% 为缓存、5% 为新输入、5% 为输出,$Opus 每 100 万总 token 成本约为 1.950 美元,而 $GLM-5.2 约为 0.524 美元。$GLM 便宜约 3.72 倍。所以,智能体循环越依赖缓存,GLM 相比公开标价所显示的成本优势就越不夸张。
用 Codex 测试你应用里的每一个功能:
(无正文)
哇。
LLM每一轮迭代,都会让一批创业者丢掉生意。今天跟一位朋友聊,他说模型越强,他却越兴奋。
他是做硬件集成解决方案的,前十年在工厂摸爬滚打,2023年 AI爆发后开始跟着 waytoagi社区沉浸式学习,将 AI能力转换成生产力,然后将经验复制到工厂生产场景,写 prompt,建 workflow,也捏 agent,认识了很多工厂老板。
两年下来,最大的感受是,再好用的提示词和工作流,都会随着大模型能力的提升成为历史的遗迹。这也一度让他产生焦虑。
今年年初,他把投入的方向做了一些调整。Coding agent的能力跃迁,让 AI可以做好大量繁琐工作的拆解了,例如可以把工厂的需求拆解成更具体的电路问题和软件设计问题,将复杂的电路集成问题拆解成可单元化合成的简单问题。凭借着对硬件领域的认知和人脉关系,他开始从咨询顾问转型为硬件集成方,除了做方案供给,也把软硬件实现环节给承接了下来。
在能力打磨阶段,一方面承接市场各类个性化定制需求,一对一客服,另一方面线下跑工厂,帮助工厂完成 AI转型和升级。过程中,把对 AI的理解附加到硬件产品上,又把对硬件的理解融入到AI的交互体验中,逐步积累了深厚的技术壁垒和认知壁垒。
过去半年,他几乎每天只睡四个小时。为了解决某个硬件集成或设计问题,会去了解每个元件的工作原理,做好参数调试,以及供应商对比,在实战中沉淀和优化了丰富的元件知识库,也与大量硬件供应商建立信任关系,很快就逐渐形成了自己的集成方案优势、价格优势和服务体验优势。
他说这些都是脏活苦活累活,很多人不愿意下场,愿意下场的人又不懂 AI,也就没办法将沉淀的知识转换成有效生产力。
在做生意方面,也是务实的风格。…
遇到了好的硬件想法和创意,他并没有直接下场实现,而是把利润让给合适工厂,跟工厂一起打磨更顺畅的合作模式,同时也为自己建设更全面的硬件调试能力,以此来构建更持久、更健康的生态合作环境。
跟这个朋友的沟通,让我感受到,1)无论是数字时代还是智能时代,都需要下苦功夫,没有捷径可走;2)行业 know-how就是最强护城河,充分发挥自己的领域优势,结合 AI把人解决起来最难、最痛苦的问题搞定,前面就是曙光;3)做生意,三分利七分情,生态好了,自己才会更好。
你的孩子会喜欢这个视频!
Grok Imagine 提示词:戴着手套的小猫开始跳舞并唱起“我们是戴手套的小猫”,动作欢快、有活力,表情俏皮。
毫无道理。
11 岁时,可以随意阻断青春期。
但无论如何,16 岁以前都不要上社交媒体。
我们真是彻底疯了。🤯😵💫
Karl 的父亲很酷。
❤️
本期围绕 Renaissance Technologies(文艺复兴科技)和 Medallion Fund(大奖章基金)展开,主线是 Jim Simons 如何把数学、密码破译、统计建模、工程系统和组织设计结合起来,做出历史上最强、也最神秘的量化投资机器。修复后的转录稿保留完整对话顺序,并把原来逐句切碎的 speaker turn 合并为可读段落,共 320 个对话 turn。
节目先介绍 Jim Simons 从数学、冷战密码破译到 Stony Brook 学术生涯的路径,再转向 Renaissance 的早期探索:从直觉交易失败,到用数据、统计和计算机寻找微弱市场信号。Ben Gilbert 和 David Rosenthal 反复强调,RenTech 的核心并不是某个单一公式,而是持续清洗数据、统一模型、工程化交易、严格保密和强激励结构共同形成的系统。
中段重点拆解 Medallion Fund 的惊人收益、极高费用、封闭 LP 结构,以及为什么它能把员工长期绑定在同一套机器上。节目也比较了 RenTech 与现代 AI/机器学习组织的相似性:它们都依赖大规模数据、复杂系统、持续迭代和跨学科人才,而不是传统金融叙事里的单点洞察。
后半段讨论 RenTech 的护城河,包括数据资产、流程力、反定位、规模约束、人才结构和学习复利。两位主持人还讨论量化交易是否创造社会价值、Medallion 在高波动市场中的表现,以及 AI 追赶、人才流动和机构业务可能带来的长期风险。
1. RenTech 的优势不是一个秘密公式,而是数据、流程、文化、人才和激励共同叠加的复合系统。
2. Medallion Fund 的封闭结构和高费用机制,本质上也是一种内部激励与留人系统。
3. 量化投资在这里更像信号处理和复杂系统建模,而不是传统基本面投资。
4. RenTech 与现代 AI 组织高度相似:都用大量数据和模型在噪声中捕捉模式。
5. 真正难复制的是几十年累积出的工程能力、协作方式和持续学习复利。
- 节目引入与文艺复兴科技的起点 [00:00:00 - 00:15:00]
- 从Berkeley开车进San Francisc [00:15:00 - 00:30:01]
- 你居然觉得自己能在New York Times上 [00:30:01 - 00:45:03]
- 是因为那是唯一跑得通 [00:45:03 - 01:00:03]
- 前提是他们真的想清楚了 [01:00:03 - 01:15:05]
- 向你学习这些东西 [01:15:05 - 01:30:05]
- 养老金 [01:30:05 - 01:45:06]
- 但你不会像在乎自己团队那样在乎 [01:45:06 - 02:00:07]
- 机构基金大概是600亿到700亿美元 [02:00:07 - 02:15:09]
- 不招华尔街之类的人时 [02:15:09 - 02:30:09]
- 熊市对牛市没有死 [02:30:09 - 02:43:20]
一凯:欢迎收听跨国串门计划,这是一档专注于让中文听众无障碍欣赏全球优质外语播客的节目。通过先进的AI声纹克隆技术,我们不仅将内容翻译成中文,还完美保留了原主持人和嘉宾的独特声音,为您呈现全球顶尖的AI、财经、健康与科技领域精品内容。我是主播一凯,一位热衷于AI领域的产品经理,很荣幸能为您搭建这座跨越语言障碍的桥梁,接下来让我为您简单介绍本期我们克隆的这档节目,并分享几句非常精彩的原话,本期我们克隆的是Aquired第14季第三季,这是一档专门讲伟大公司及其背后故事和打法的商业播客,两位主持人Ben Gilbert和David Rosenthal 将视角投向历史上最神秘 [00:00:00]
一凯:业绩也最惊人的量化投资公司 Renaissance Technologies 以及他的创始人Jim Simons 和传奇的Medallion Fund 节目里有几句原话特别有代表性,他们惊人的业绩,只能和他们极端的保密程度相比,你是在造身里找信号,试图用计算机和算法,从那些看起来近乎随机的东西里挖出信号,我们发现,教聪明人做投资,比教投资人变聪明更容易,他们就是庄家,而且有优势,这个优势建立在一张关系图上,图里是这些实体之间的所有关系,这些话背后,是一段横跨数学,密码破译,金融市场和组织设计的故事,那我们就一起来听听,这期完整对话,我以前打Renaissance这个词的时候,总是会拼错,打到Ren之后
一凯:就有点不知道后面该怎么拼了,后来我学了一个记忆法,确保自己不会拼错 [00:01:46]
节目片段:我还以为你要说,这一个月你已经打了太多遍,现在终于记住了,这也是原因之一,不过你准备好听这个了吗 Renaissance这个词里少不了AI 这下厉害
一凯:算你说得妙 [00:02:06]
Ben Gilbert:好我们开始,欢迎来到Aquired第14集第三集 Aquired是一档讲伟大公司,以及他们背后的故事和打法的播客,我是Ben Gilbert 我是David Rosenthal 我们是你们的主持人David 人们常说,作为投资者,你不可能跑赢市场,也不可能择时市场,与其主动选股,不如买指数,再用定投摊平成本,他们还说,对冲基金的收益没有持续性,今年的大赢家,明年可能就是大输家,而且没人能在,不承担巨大风险的情况下,获得巨大的超额收益,我上大学的时候
David Rosenthal:确实上过一门经济学课,老师是Burton Melchior 他当然参与了Vanguard的创立,也是这些理念的大力支持者,所以Ben 这就是我当时学到的东西
Ben Gilbert:David 结果他们错了,今天各位听众,我们要讲的是历史上,业绩最好的投资公司 Renaissance Technologies 也就是Rentech 他们管理数十亿美元,三十年的业绩记录,回报率超过你听过的任何人,包括Berkshire Hathaway Bridgewater George Soros Peter Lynch 或者其他任何人,那为什么你没听过他们,或者就算听过,为什么你对他们了解不多,因为他们惊人的业绩,只能和他们极端的保密程度相比,而且他们几乎在每个方面都很不寻常,他们的创始人Jim Simons 在创办Renaissance之前,曾经在冷战时期,为美国政府做密码破译工作,创始人和早期员工里,没有任何人有投资背景,他们把整家公司搭起来的方式,是招聘物理学博士,天文学家和语音识别研究人员
Ben Gilbert:他们位于长岛一个很偏僻的小镇,几乎可以说是在荒郊野外,他们不关注营收利润,甚至不关注他们投资的那些公司CEO是谁,在任何一个时间点,他们可能甚至说不清自己实际持有哪些股票,现在你可能会想,好吧,我刚刚知道了这么一个疯狂的基金,业绩不可思议,具体来说,各位听众,它的费钱年化收益率是66% 那我当然想投资,但你投不了,除了我刚才说的所有这些之外 Rentech的旗舰基金Medallion Fund 不接受任何外部投资者,这支基金创造了数十亿美元收益,让公司的合伙人变得极其富有,所以他们允许进入的投资者,只有他们自己,这一点我们会在本集后面讲很多,因为我觉得它某种程度上,是整件事的关键 David 你这是留悬念,我很期待,那么Renaissance到底做什么 [00:03:52]
Ben Gilbert:为什么它能成功,它又是怎么演变成今天这个样子的,虽然外部资料很少,一个原因是员工要签终身保密协议,但David和我会带大家梳理,我们研究中了解到的所有内容,我们会一直追溯到Jim Simons 成为数学教授之前,从那里开始理解这一切,这一集是由我们的 Acquired Limited Partners选出来的,说实话,我原本以为知道RenTech的人不够多,不会选他,但我们拿出来投票之后,大家已经表态了,如果你想成为Limited Partner 每一季选一集节目,并参加我们每季度的Zoom通话,可以去Acquired FM Fay LP加入,如果你想在每次新节目发布时收到通知,可以在Acquired FM Fay Email注册,这些邮件里还会包含下一集节目的提示,以及之前节目的补充事实,比如这一次,有一位听众Nicholas Cullen给我们发邮件 [00:04:46]
Ben Gilbert:找到了HermFace控股家族股东H51的,章程原始文件,我们已经在最近这封邮件里放了链接,听完之后,欢迎到Aquired FM Phalac 和我们聊这一集,如果你想听David和我更多内容,可以去听ACQ2 我们最近一起请到了Lotta BJ Ferk-Nutson 他领导的团队在Novo Nordisk 做出了第一批GLPE 所以如果你喜欢Novo那一集,这会是很棒的后续内容,说到这里,本节目不构成投资建议 David和我可能持有我们讨论的公司相关投资,或者也可能只是希望自己持有,本节目仅供信息和娱乐用途 David我们今天的故事从哪里开始,我们从1938年开始 [00:05:40]
David Rosenthal:地点是马萨诸塞州Newton 那里就在波士顿旁边,是一个相当富裕的郊区 James Simons就出生在那里 Jim的父母都非常非常聪明,尤其是他的母亲Marsha 他父亲是电影公司20T Century Fox的销售员,工作内容是在美国东北部各家影院之间跑,向他们销售电影套装,这太酷了,顺便说一句,我们之所以知道这些,要感谢Greg Zuckerman 他是The Man Who Solved the Market的作者,那是市面上唯一一本专门写Rentac和Jim Simons的书,我们在研究时还真的和Greg聊过,他帮了我们很多,谢谢你 Greg 他还帮我们核对了几个,关于那本书出版之后,发生的事情的判断,这就是Jim的父母,不过真正对他成长影响很大的,是他的外祖父,也就是Marsha的父亲 [00:06:22]
David Rosenthal:这里已经有点,贝扎斯故事的影子了,外祖父,也就是母亲的父亲,和他相处很多时间,影响了年幼的Jeff 或者这里的年幼Jim 当然,贝扎斯后来职业生涯的起点,就是D.E. Shaw 那是一家量化基金,和Rentek差不多同一时期发展起来,不过我们先回到 20世纪40年代的Jim 他的外祖父Peter有一家鞋厂,生产女士正装鞋 Jim小时候经常待在那家工厂里 Jim的外祖父Peter 是个很有意思的人,他是俄罗斯移民,而且在那个时候,他身上的俄罗斯气质,还是比波士顿气质更重 Greg在书里是这么写的 Peter很喜欢给Jim 和他的表兄弟姐妹,讲祖国的故事,里面有狼,女人,鱼子酱和福特加,他还在工厂里教年幼的Jim 说俄语短句,比如给我一支烟 [00:07:16]
David Rosenthal:还有亲我的屁股,我觉得Jim后来一辈子,可能说过这句话数千次,我也这么觉得,你要是看Jim的采访,会发现他的手总是在抖,因为他一辈子,都在一根接一根地抽烟,可能从十岁左右,在工厂里就开始了,一天三包Merit 真是难以置信 [00:08:10]
Ben Gilbert:不过我觉得他晚年后来戒了,但他人生前面大部分时间,都一直抽得很凶,差不多可以说,前75年都是这样 Rentai的会议室和作战室,有一些很有名的故事
David Rosenthal:市场出现疯狂波动的时候,房间里全是香烟烟雾,而且全都是Jim抽出来的,时代不一样,时代不一样,但我们还是回到 Jim在波士顿郊区的童年,他家当然不是超级富豪,也不是特别有钱,但非常稳的属于中上阶层,尤其是他还是独生子,他能得到父母家人,外祖父的全部资源,外祖父又是那种,挺富裕的创业者 Jim在波士顿地区,也能接触到真正有钱的人,他后来讲过,我观察到,有钱是一件很舒服的事,我对做生意没兴趣,但这不代表我对钱没兴趣,对,这两个东西之间的区别很重要,必须分清楚,对,非常非常重要,他所说的,对做生意没兴趣,是因为,他从很小的时候开始
David Rosenthal:就特别迷数学,传说是这样 Jim四岁的时候,自己撞上了,古希腊时代Zeno 那个著名悖论,这个故事很棒 Zeno悖论的大意是,如果你一直把一个量除以二 [00:09:36]
Ben Gilbert:那你永远到不了零,你会渐进地靠近零,但永远不会真正碰到零,要到零,你需要加法或者减法,除法不行,所以Jim四岁的时候,发现他们需要去加油站,把油箱加满,就提出了一个想法,那我们每次,只用掉油箱里一半的汽油就好了,因为这样之后,我们还能继续只用掉油箱里,剩下汽油的一半,有意思的是
David Rosenthal:一个四岁小孩不会想到,那这样我们其实也开不了多远 Jim的梦想,是去接那头剑桥的MIT学数学,他用三年读完高中,在MIT大一第二学期,他选了一门研究生层次的,抽象代数数学研讨课,这内容已经相当高深了 Jim后来确实用三年,读完了MIT本科,又用一年拿了硕士,对非常非常聪明,但是他大一以上的那门,研究生研讨课,后来其实对他影响很大,因为他在那门课上表现不好,他跟不上 Jim在这里很有自知之明 MIT里有些人,从来不会遇到难题,从来不会碰到极限,理解任何概念,都不会吃力,他意识到,哦我很聪明,我非常非常聪明,我比这里大多数人都聪明,但我不是那种人,对 [00:10:14]
Ben Gilbert:那你知道这个信息,以后该怎么办,你会意识到,要想在某件事上,做到最好,必须把几项能力,叠加起来,你得聪明,还得有别的东西,对 Jim自己是这么说的,我是个不错的数学家,我不是世界上最厉害的,但我相当不错 [00:11:07]
David Rosenthal:但他也意识到,就像你说的 Ben他有另一种优势,而大多数超级天才,缺少这种优势,用他的话说,就是他有好的品位,下面是他的原话,科学里的品位非常重要,你要能分辨什么是好问题,什么问题就算得出答案,也根本没人关心,这就是品位,我觉得我有好的品位,顺便说一句
Ben Gilbert:这和Jeff Bezos的经历一模一样,他在大学时意识到自己,想当理论物理学家,结果遇到了一些,脑力极其强的人,那些人后来会成为,世界上最好的理论物理学家
David Rosenthal:然后他说,我很聪明,但没聪明到那个程度,于是他转去了计算机科学,我觉得这里可以拿体育来类比,有全明星球员,有名人堂级球员,然后还有LeBron和MJ Jim 最后成了名人堂级的数学家,但他不是Tom Brady Jim最后成了名人堂级的数学家,但他不是Tom Brady 但他毕竟有一个很重要的定理,是以他的名字命名的,而且那个定理,后来成了物理学理弦理论的基础之一,物理甚至都不是Jim的领域,太疯狂了,不过Jim对自己的这个认识,后来成了Rentek最终做出来那套,秘密配方里最重要的关键之一,他知道在MIT这种地方,他不是房间里最聪明的人,但他跟得上这些人,他也知道自己有这种品味的概念 [00:12:01]
David Rosenthal:这意味着他能和所有人打交道,他听得懂大家在说什么,随便从街上拉一个人,可能根本没法和这些人真正聊起来,但Jim可以,同时他又有一种视角,也许一部分来自他外祖父,就是他知道现实世界里什么才重要,结果就是他在MIT的朋友们,还有这些超级聪明的人,都会仰望他,因为你不是高中舞会角落里,那个没人理的孩子,你很酷,他是一个外向型的理论数学家,对所以他高中时当选过班主席,他抽烟受女生欢迎,长得还有点像Humphrey Bogart 他是个很受欢迎的人,尤其是在那个年代,现在说的是50年代末 Jim在MIT的时候,那差不多是James Dean和Rebel Without a Cause的时代,所以毕业以后 Jim带着他的哥们骑小摩托,去公路旅行,这事你都编不出来
David Rosenthal:他们从Boston一路往南,骑到波哥塔,其中一个同学就是那里的人,他们的想法是,要干一件特别史诗级的事,让报纸不得不报道,于是他们全都骑上小摩托,一路开去波哥塔,他们一路遇到各种冒险,有刀有枪还被关进了监狱,说真的,这群人感冒这种风险太疯狂了,完全疯狂,所以Jim从MIT毕业,又结束了那趟公路旅行之后,就去了California的Berkeley 跟着Shane Shan教授读博士,很多年以后 Jim会和Chern合作,提出我们前面聊过的 Chern-Simmons Theory 它后来成了物理学险理论的,基础组成部分之一,但在Jim动身去西海岸之前,他在Boston认识了一个女孩,然后他们决定四天后订婚 [00:13:49]
David Rosenthal:我的意思是,这就是当年的他,那个时代就是这样,等他们到了California并结婚后 Jim拿到一笔5000美元的结婚礼金,我记得应该是他父母给的,然后他决定,我要把这笔钱变多,于是他每天早上,从Berkeley开车进San Francisco [00:14:44]
David Rosenthal:从Berkeley开车进San Francisco 去Meryl Lynch的经纪公司办公室待着,他就像个经纪公司里的常客一样,天天在那里晃,想办法交易,把这笔钱变成更多的钱,这一点想起来特别有意思,因为在那个年代 [00:15:00]
Ben Gilbert:光是人在现场就有很大优势,这里甚至还不是交易大厅,但市场里的信息都非常手工化,也非常依赖关系,所以如果你不亲自到现场,基本就没办法参与到那股交易气氛里
David Rosenthal:没错,你不能直接登陆Yahoo Finance 或者打开iPhone上的股票APP 而且他们拿到的信息,天知道从New York传过来,延迟了多久,如果是Jim 后来参与的期货和大宗商品交易,那信息还可能是从Chicago传过来的,他已经尽可能靠近现场了,但离真正的交易现场,还是非常非常远,尽管如此,他一开始做交易时 Jim走了一波好运,几天之内赚了50% 交易很简单吗,交易很简单,他说,我一下就上瘾了,那种感觉有点刺激,我能想象,只不过,他很快就把所有利润都亏光了,这个教训早点学到很重要,对,而且差不多就在这个时候,他的妻子Barbara 怀上了他们的第一个孩子,他就说,你不能每天早上开车去San Francisco
David Rosenthal:然后这样拿我们的未来去赌博,对,本质上就是在赌马,对,完全就是,所以Jim说好吧,好吧,我不做了,我先专注学术,暂时如此,于是他两年读完博士,他们回到Boston 他23岁时加入MIT 成为一名初级教授,他们在Boston待了一年,但Jim虽然已经有了家庭,虽然作为年轻学者,已经非常成功,也有了孩子,他还是坐不住,所以他有一个,一起骑小摩托去,波格塔的朋友,本来就是波格塔人,也住在那里,家也在那里,这个朋友有个想法,想开一家地砖制造公司,因为他觉得 MIT和Boston的地面,铺装比波格塔好太多了,我们应该开家公司,在这里做同样的地砖,我读到这里的时候,完全不敢相信 [00:16:24]
Ben Gilbert:这是Jim Simons的,第一笔商业尝试,这也太随机了,但他确实很能说明,他当时有多么喜欢追求刺激,多么想找任何意想不到,不一样,让人兴奋的东西 [00:17:14]
David Rosenthal:他就是很快会觉得无聊,不只是他的创业生涯,从这里开始,更重要的是,这件事在财务上埋下的种子,后来促成了Rentek的诞生,太离谱了,真的太离谱了
Ben Gilbert:所以Jim修了一年假,去了波哥塔,这个人本科和硕士都在MIT 博士在Berkeley 研究理论数学,而且当时已经是MIT的教授了
David Rosenthal:结果他修一年假,跑去波哥塔做一家地砖公司,对没错,他做了一年,把公司搭起来,然后又觉得无聊了,他的意思是,好吧,我不想只是经营这家公司,我已经帮忙把他搭好了,现在也有股份了,于是他又回到Boston 这一次去了Harvard 当了一年教授,他这履历真是越攒越多,但他在那里待了一年,又开始信仰了,而且初级教授的工资也没那么高,就像我们前面讲他小时候那样,他一直觉得有钱这件事很有吸引力,他觉得,这条路没法让我变有钱,所以他说,我要把自己的能力,拿到公开市场上去试试,他在New Jersey的Princeton找到一份工作,不是在Princeton University 而是在Institute for Defense Analysis 这是一个非盈利组织,只为美国政府提供咨询,具体来说是国防部
David Rosenthal:更具体来说是NSA 这些人是民间的破译员,这个机构基本上是带着两个想法成立的,第一,政府不同部门之间需要更好的协作 [00:18:48]
Ben Gilbert:也需要共同资助同一些项目,第二,会有很多不在政府工作的人,我们也想雇他们来做一些相当机密的工作,所以Princeton那里的IDA 某种程度上很像也在Princeton的Institute for Advanced Study
David Rosenthal:Einstein来美国之后去的就是那里,他像一个独立的智库和研究机构,只不过他全部聚焦在冷战期间,针对苏联的密码破译和信号情报,这个章程挺夸张的,而且这个组织也特别特殊 [00:19:13]
Ben Gilbert:这些人花时间的方式,一部分是破译密码,一部分有点像在瞎玩,因为数学家一起做自己感兴趣的项目,那种创造力,对发现聪明的新算法很重要,对
David Rosenthal:这一点非常非常关键,而且这种文化,后来几乎原封不动地,搬进了Rentek 依着当时的运作方式,我猜今天也还是这样,是招募顶尖数学家和学者
Ben Gilbert:让他们去那里做破译员,他们会把这些人的工资翻倍,这里很重要的一点是,如果他们要这么做,那就不能是一个政府部门,因为政府的工资预算,有非常具体的国会审批限制,没错
David Rosenthal:他们发现,自己需要吸引全世界最聪明的人,而这些人,不会愿意直接去国防部上班,所以这就是他们想出来的办法,就像你说的 BEN 这个小组的章程是,员工必须把50%的时间,用来做密码破译,但另外50%的时间,他们可以自由支配,做研究,继续自己在学术界做的事,发表论文,都可以,去那里的吸引力大概就是,嘿,这和在MIT Princeton Harvard 或其他地方当教授一样,只不过你不是教课,而是在破译密码,也不用操心官僚流程,没有办公室,政治,就是你做好密码破译的工作,然后可以发表论文,也可以和那里的同事合作,接下来这件事就很疯狂了 Jim到爱的后没多久,别忘了 [00:20:05]
David Rosenthal:他当时正处在想赚钱的模式里,他招募了一群非常聪明的同事,让他们在那50%的自由时间里,一起做一个想法,这个想法就是,把他们在密码破译和信号情报里,用的同一套工作方法和技术,应用到股票市场交易上,于是他们聚在一起,发表了一篇论文,题目叫 Probabilistic Models For and Prediction of Stock Market Behavior 这篇论文里提出的所有东西,本质上就是Rentec 只不过比Rentek早了20年,太疯狂了,这篇论文是1964年发表的,对在那个时间点,基本面分析是投资的主要方式,当时是这样,今天世界上大多数地方也仍然是这样,也就是我了解这家公司,我要分析它的收入价格倍数,或者我要思考货币市场
David Rosenthal:商品市场正在发生什么,为什么铜价在这里变动,为什么英镑在那里变动,然后根据这些洞察去投资 [00:21:52]
Ben Gilbert:你本质上是在看一项资产的内在价值,试图给它定价,然后基于这个判断去投资,对基本面投资 60年代也已经有技术分析投资,这个东西有点像巫术 [00:22:01]
David Rosenthal:就是我看着一张股票走势图,然后感觉它要涨,比如我沿着这个形态画线,然后说它要涨了,朋友,或者说不不不,这个形态是往下走的
Ben Gilbert:用技术这个词可能都有点客气了,但他们要找的,基本上是从交易行为里挖掘信号,判断它未来会怎么交易,而不是从一项资产的内在信息里,挖掘线索来判断,你认为它未来会怎么走
David Rosenthal:对吧 Jim和他的同事,在这里提出的想法是,技术分析投资这件事可以做,但不该主要靠人来做,而是要用更多数据
Ben Gilbert:和更复杂的信号处理方法来做,重要的是,你可能会问,为什么是这群人得出了这个结论,把计算信号分析用到投资上,原因是,这本质上和破译密码是同一件事,你是在噪声里找信号,试图用计算机和算法,从那些看起来近乎随机的东西里挖出信号,没错 Jim开始做密码破译的时候
David Rosenthal:我觉得他马上就想到了,自己在市场交易里的经历,他会觉得,哇,这不就是同一件事吗,而且这不是别人已经想到的,洞见神奇的地方,就在这里,他的背景让他正好能意识到这一点,这些数据里全是噪声,人不可能坐在那里看着这些数据,然后说,哦我知道苏联人在说什么,不行,你必须用数学模型和统计分析 [00:23:14]
Ben Gilbert:把模式提取出来,所以数学模型统计分析,这些词今天我们其实经常听到,因为现在有机器学习这件事,他们当时在IDA做的,后来很快在Rentech做的
David Rosenthal:本质上就是早期机器学习 Jim有一个极其聪明的洞见,这些技术和方法,也可以用来做投资 David这篇论文发表了,于是他们准备,用这种密码,破译,信号处理,数据分析的方法来投资,然后在股市里赚一大笔钱,接下来很自然的问题就是,这里的模型到底是什么,他们要怎么做,结果是,当时IDA有一名员工,也是这个组织里,所谓反叛小团体的一员,叫Lenny Baum 莱尼刚好是一个数学概念的世界级专家,这个概念叫马尔可夫模型,更具体的说,是马尔可夫模型的一个版本,叫隐马尔可夫模型,马尔可夫模型是一种统计概念,用来建模那些尾随机或者混沌的情况,它的基本意思是,我们先放弃真正理解这些数据里到底发生了什么
David Rosenthal:我们只关注这个情境里有哪些能观察到的状态,我们能不能识别出,这个情境所处的不同状态,如果只做这件事,我们能不能根据过去状态的模式,预测未来状态,答案通常是可以,哪怕你根本不知道,这个系统在基本原理上,是怎么运作的,也可以做到 Greg Zuckerman在书里 [00:24:45]
Ben Gilbert:举的一个很好的例子是,一场棒球比赛,现在是三坏球,两好球,这个状态之后,可能出现的状态范围很窄,可能是三阵出局,可能是上垒,可能是保送,也可能是打成界外球,然后继续在这个状态之后,真正可能发生的事情就这么几类,可如果是零坏球,零好球,那可能发生的事情就多得多,他们可能会继续投球,如果你不知道规则,你会想,为什么他们还在继续投,所以这是解释黑箱概念的一个很好的方式,如果没人告诉你比赛规则,但你观察了足够多的输出,并且观察到,在这个状态下,这些输出是可能的,那么对比赛里任何一个给定状态 [00:25:07]
David Rosenthal:你即使不能准确预测结果,至少也能相当好的理解,各种结果的概率分布,刚才我们提到了机器学习和AI 这是现代AI的一个基础概念,你想想大型语言模型,以及预测接下来会出现什么,这些大型语言模型,未必真的理解英语,他们只是非常非常擅长,预测状态和下一个状态,也就是字符和下一个字符
Ben Gilbert:或者像素和下一组像素,或者真等等,当然他们显然比这个复杂的多,但这确实是整个体系的底层基础,我记得我大学大二上,计算机科学课时,有一个马尔可夫链作业,作业基本上是写一个Java程序,读入一本公版书,然后我给它一个种子词,也就是每个句子的第一个词,再一直按回车,它会在概率数里扫描,然后根据刚刚读过的那本书,形成的语料,给我最可能出现的下一个词,生成一个句子,这感觉像魔法,当然在这些早期,很基础的马尔可夫链东西里,比如我大学做的那个,它吐出来的基本是糊化,但这后来会演化成 [00:26:15]
David Rosenthal:我们今天知道的LM 没错,他们在IDA做密码破译时,用的就是这个,他们在这篇论文里提出,股市里也可以用同样的方法,没错,这个方法用在投资上
Ben Gilbert:其实也差不多,你可能不懂棒球规则,但如果你看过足够多棒球比赛,就能根据当前局面,大概猜到,接下来各种事情发生的概率,投资有点类似,至少股市走势是这样,你不知道未来,不知道会发生什么,你也不知道X股票,会不会以某种方式,影响Y股票,因为你不知道,这些公司之间,到底怎么做生意,也不知道,谁同时持有这两只股票,他们的投资者,是不是有重叠,也就是说,你不知道这些公司之间的关系,所以你没法百分之百,确定的预测会发生什么,但是如果你吸收了足够多,关于过去发生过什么的数据,也知道过去,每一种给定状态下的,概率分布,那你大概就能做出一些 [00:27:09]
David Rosenthal:有依据的猜测,至少,你能根据今天的状态,理解接下来,每一种单独结果,发生的概率,对没错,所以Jim Lenny 还有这一小群人,都很兴奋,他们想,太好了,那我们就去募一只基金,用这个策略投资市场,我们肯定能成功,募到这只基金,也肯定会非常赚钱,因为我们有这么棒的想法,当然,还能出什么问题呢,问题是,在60年代中期,一群书呆子气的学者,在新泽西州,普林斯顿某个神秘机构里工作,想出去募钱,这个想法根本行不通,我的意思是,就连Warren Buffett在这个时候,给自己的基金募钱都很难,而他可是Benjamin Graham 亲自指定认可的传人,现在这群学者,在一个没人知道的非盈利机构工作,然后对别人说,把钱给我们吧
David Rosenthal:我们对要投资的这些公司,一无所知,对基本面也一无所知,但我们有一个很好的算法,别人可能会想,算法是什么,所以他们根本接触不到资本,那时候距离技术背景,计算机科学背景,在投资界变成高门槛光环,还早了几十年,所以这里发生了一堆,有点像Keystone Cops那种,闹剧式的募资,他们偷偷摸摸到处跑,还想瞒着IDA的老板,不让他们知道自己在干什么,结果小组里有个人,有天晚上,把一份投资说明书,忘在了办公室复印机上,老板发现了,把他们全叫到办公室里,说各位你们这是在干什么,对从执行层面看,有点像马戏团,哪怕这个想法本身不错,对所以他们最后放弃了这件事,一方面是因为目不到前,另一方面是因为IDA已经发现了,而且他们很不高兴 [00:28:44]
David Rosenthal:不过没过多久 Jim反正也离开了,因为越南战争开始了,以他的背景你也能想象,他当时并不支持越南战争 Jim在New York Times上写了一篇评论文章,谴责越南战争,他大概是在说,没错,他某种程度上属于国防部体系,但不是国防部里的每个人都支持这场战争,这想法也太天真了,你居然觉得自己能在New York Times上写一篇评论文章 [00:29:38]
David Rosenthal:你居然觉得自己能在New York Times上写一篇评论文章,而且不会给自己的工作带来麻烦,更夸张的是,一开始居然真的没什么人注意到,只有Newsweek的一位记者,注意到了,然后来采访Jim 问他更多问题 Jim直接把这个立场,又强化了一遍,等Newsweek那篇文章出来之后,国防部才说,好吧,这个人必须开除,所以Jim在1967年被开除了,尽管他是明星破译员,据说他给这个小组,做出了巨大贡献,而且这些贡献,到现在仍然是机密,但在30岁的时候,他有妻子和三个孩子,却一下子失业了,虽然他非常聪明,同事显然也很喜欢他,但他已经从MIT出局,又从Harvard出局,后来去了IDA 看起来像是他的最终归宿,一个很棒的地方,结果也被赶了出来,他的工作前景不太好 [00:30:01]
David Rosenthal:所以他基本上,接下了唯一一个,还算体面,薪水也过得去的工作,去Stony Brook University 当一个新成立,或者说重新成立的数学系,系主任 Stony Brook University 是纽约州立大学,在Long Island的校区,这不是Harvard 也不是MIT 不,确实不是,但它确实有一个很重要的优势,这也是Jim最后去那里的原因,当时的纽约州州长 Nelson Rockefeller 发起了一项一亿美元的计划,想把纽约州立大学,这个Long Island校区,打造成数学重镇,成为东部的Berkeley 我原本以为MIT 已经算是东部的Berkeley了,但Rockefeller 就是在推动这个计划,希望Stony Brook 成为数学和科学重镇 Jim是关键,正常情况下,他们不可能招到Jim这样的人
David Rosenthal:但因为他当时的职业履历,有点受损,这么一位非常有才华的数学家,他们就有机会说服他,来当系主任,他们基本上给了Jim 不设上限的预算,也给了他很大的自由,让他去全国,乃至全世界各个数学系,挖教授,把人带到Long Island Jim招人的一部分办法,就是前老套路了,他会说,我给你薪水翻倍,另一部分原因是,他手里的自由度太大了,而且Stony Brook和MIT Harvard Princeton 那种学术政治环境很不一样,他会说,来这里吧,我给你更多钱,更重要的是,你可以专心做研究,你不用应付委员会,不用处理那些杂事,这里没有那些东西,你可能需要教一点课,但这甚至不是重点 Rockefeller并不一定想把这里,变成一所伟大的教学性机构 [00:31:47]
David Rosenthal:他只是想把人才聚集到这里,神奇的是,这招真的奏效了 Jim开始招到一批非常优秀的人才,包括James X 他是Cornel的代数和数论巨星 Jim最后在Stony Brook招人,组队建起了世界上最好的数学系之一,真的很惊人,但很符合Jim的风格,这样过了几年,再加上他和Barbara的婚姻也开始破裂,他又坐不住了,他决定休学数假,回到Berkeley 和他当年的导师重聚,到加州海岸那边待一段时间,也就是在那里 Chern和Simons开始合作,发展出了Chern-Simons Theory 这个理论后来拿到了 American Mathematical Society 在几何领域的最高奖,也真正成了Jim 留在数学上的个人印记,差不多同一时期 [00:32:41]
David Rosenthal:还记得那家Columbian Flooring Company吗,它被收购了 Jim和他那些合伙伙伴,因此拿到了一大笔钱 Jim刚刚离婚,在学术界又感到焦躁,而且他在IDA时,就有一些想法,如果手里有资本,可以在市场里做些什么,于是他又开始交易,而且越陷越深,与此同时,就像我们前面说的,他又开始对学术界失望,也越来越坐不住 1978年,他离开学术界,全职专注交易,这在学术圈,引起了巨大震动,别忘了,他刚刚在Stony Brook 组建了一支超级明星团队 Greg的书里,引用了Cornell另一位数学家的话,他说,我们当时看不起他这么做,觉得他被腐化了,把灵魂卖给了魔鬼 [00:33:34]
Ben Gilbert:在数学圈里,人们真的觉得,任何去做投资的人,都是在浪费自己的天赋,而且那时候这件事,也不像今天这样常见,没错 Jim是第一个,但当时的观念是 [00:34:23]
David Rosenthal:你离开学术界,去做任何商业事情,都是在辜负人类,对完全是这样,离开去做别的事情已经够严重了,但离开去做投资,几乎会被认为很脏,好像那是富人的游戏,对社会没有任何价值,对我觉得数学界,其他人倒不一定怀疑,这件事能不能成,他们可能会说,对这可能能成,但他们的反应是,一真恶心,学术界的人,通常更受声望驱动,而不是金钱
Ben Gilbert:所以我完全能想象,其他人会觉得,我要是想做也能做,但我有更高的使命,每个人都因为这个更高的使命尊重我,我的货币是我发表的论文,我拿到的奖项,而这才是我想要的 [00:35:03]
David Rosenthal:另外也得说 Stony Brook是个很不错的地方,但它在Long Island中部的北岸,这里不是Hamptons 就是Long Island的郊区,对,树木很多的Long Island郊区,是的,树木很多的Long Island郊区 Jim就在一个袋装商场里,旁边是一家披萨店,他在那里搭起了自己的交易业务,他很聪明地把它命名为Monometrics 是Money和Metrics的组合,也可以说是Econometrics的遍体,他还招来自己的IDA老朋友,也就是当年一起想交易点子的最早同伙Lennybaum让他加入,不过这一次他们手里有了卖掉地板公司的资本,那次地板公司出售他赚了多少钱,我记得加上Jim 他的合伙人,以及Lenny投入的钱,他们最初的资本,略低于400万美元
David Rosenthal:在1978年,此时Jim还有另一个优势,他就在Stony Brook边上,而他刚刚招来了这些,超级明星数学家,桌子已经摆好了,对,而且这些人对Jim的忠诚,超过对Stony Brook的忠诚,但他们此刻对学术界的忠诚,又超过对金融的忠诚,直到Jim把这条路铺出来之前,这还不是一条现成的路,总体上是这样,但其中一些人,尤其是超级明星James X 被Jim说服加入了他的交易业务,有了Balmax和Simons 这支团队在数学界,一下子就变得极其有分量,对,已经不只是有分量了,很多数学家,每天都在用的那些定理,都是以这三个人命名的,现在他们全在同一家公司里做交易,对而且带头的是Jim 大家尊重他的学术成就 [00:36:11]
David Rosenthal:但更重要的是,他们愿意为他工作,仰慕他,也觉得他很酷 Jim在外面说,我觉得我们能赚钱,当然到这个时候,他们主要交易的是货币,不是股票,货币市场当然很大,但影响货币的信号和因素,没有股票那么多,甚至比起稍微复杂一点的大宗商品,比如大豆之类,也没有那么多,我感觉他们当时做的很多货币交易,基本上是靠他们对央行行为的判断 [00:37:06]
Ben Gilbert:比如某个国家的元首会不会做某件事,本质上他们是在赌一个,控制政府货币政策的单一行动者会怎么做,所以你刚才说影响价格的信号很少,这里关键就是要知道那一个人会做什么
David Rosenthal:对这一点特别重要,到最后他们确实在那里做了一些模型,也搭起了这种量化方法的早期版本,基础设施和框架,但说到他们真正下的交易,还是全靠人工操作,而且基本上仍然是基本面分析那一套,他们会参考模型给出的一些信号,也会看看模型吐出来的东西有没有意思,但除非他们能说,对我看出来这里发生了什么,否则不会真的照着做,他们得先有一个假设,这个时候,电脑绝对还没有自己放开手脚去交易,完全没有,他们只是提出一些模式和想法,然后Jim Lennie和James还得决定,我们要不要这么做,还是说我们干脆做另一件,完全不同的事,因为我们觉得那才是接下来会发生的,这其实也说得通,主要有两个原因,第一,当时的电脑和算力还不够成熟
David Rosenthal:还没法真正做出足够强大的AI 强到表现够好,让你真的可以信任它,这是其中一部分,另一部分是,这些人是数学家,不是计算机科学家,他们非常擅长建模型解读信号,这当然不用说,但他们更多来自理论世界,我还和Howard Morgan聊过,他马上就会出场,他跟我提到过这一点,他说在数学里,有一个可追溯性的概念,这是一个非常重要的文化原则,就像证明一个证明,或者证明一个定理,你如果想在这个领域往前走,就必须真正理解为什么,不是说你可以简单的讲,数据显示是这样,不行,你需要证明,这些人,就是从这样的世界里出来的,他们的想法是,数据可以在某种程度上帮我们 [00:38:43]
Ben Gilbert:但最终我们想要一个,坚如磐石的理论,来解释这里到底在发生什么,很有意思,这和后来的那种做法很不一样,后来的做法是,把海量数据塞进去,然后数据提示什么,我们就认为那是真的,因为数据就是这么提示的,很多年以后,他们会走到那个方向,那时候他们既有你说的硬件,也就是更先进的电脑,也有干净的数据,能够支撑那些数量极大,速度极快的计算,他们也有真正的计算机工程架构,可以搭建这些规模化系统,真正处理大量信号,理解这些信号,再得出结果,但当时他们什么都没有,所以靠的是直觉和黑板 [00:39:31]
David Rosenthal:而且这种程度很高,就连这里的带头人Jim 也远没有确信到,要把自己的全部财富都压进去,他的态度是,这很有意思,我们在搭东西,在实验,很好,但我也想把钱,投到别的地方,做一些分散配置,所以Howard Morgan 就是在这里登场的,我们以前在Aquire的老节目里常说 Silicon Valley 早期这里只有10个人,他们彼此都认识,也都在做同一类事,当时东海岸的金融技术,和早期风险投资,也是这样的情况 Howard Morgan 后来会成为First Round Capital的,联合创始人之一 First round capital [00:40:12]
Ben Gilbert:本质上是从Renaissance拆出来的吗,像是他们在Renaissance做的风险投资工作,和Renaissance其他业务不太大,所以后来独立出来,对事情是这样发生的,而外界对这段历史的理解非常不足
David Rosenthal:哈沃尔当时是University of Pennsylvania的,计算机科学和商学院教授,他在Penn教计算机科学,在Wharton教商科,他参与过把Alpernet引入Penn 所以可以说是非常早期的互联网先驱,因此他和科技行业,早期创业公司,以及非常早期的原型互联网圈子,联系特别紧密 Jim对和Howard一起投资这件事,产生了兴趣,于是他们说,也许我们应该合作 1982年Jim实际上关停了Monometrics 然后他和Howard共同创办了一家新公司,这家公司会体现他们两个人的背景,也能成为很好的分散配置 Jim和他的团队会带来量化交易这块业务,而且再强调一次,这个时候他们交易的是货币和大宗商品 [00:41:06]
David Rosenthal:Howard会带来对私营科技公司的投资,他们给公司取了一个能体现这种组合的名字,叫Renaissance Technologies [00:42:00]
Ben Gilbert:这太离谱了,这就是RenTech 为什么叫RenTech 我们做研究弄明白这一点的时候,我完全不敢相信,这个故事居然没有被更多人知道,因为这就是今天一家非常出色的,风险投资公司First Round Capital的起源,但你很难想出,两种更不一样的投资策略,一边是风险投资这种,长期非流动性强投机性的东西,另一边是根据,某个政府领导人的一时想法,判断法国法郎明天会上涨还是下跌,然后去交易,这两件事居然在同一个污言下,真是不可思议,完全是
David Rosenthal:但如果你了解完整背景和历史,又会觉得有点说得通,因为这是他们自己的钱,是Jim还有他的朋友们 Lenny James和Howard的钱,这里没有机构资本,他们不是出去向LP推销说,你们应该投我这个多元化策略,里面既有货币交易,也有私营科技创业公司,他们说多策略的时候,这可真的是多策略,今天的多策略是什么意思,我们后面会讲,但在Rentek早期,投资组合里50%是风险投资 50%是货币交易,事实上,他们开始几年后,公司的货币交易业务差点爆掉,当时Lenny大幅做多政府债券,结果市场反着走,整个投资组合跌了40% 非常夸张,这触发了Lenny和Jim协议里的一项条款
David Rosenthal:他们卖掉了Lenny的整个投资组合 Lenny也离开了公司,这太疯狂了,爆仓风险在市场里一直都是问题,但这件事居然发生在Rentek身上 [00:43:38]
Ben Gilbert:因为我们很快讲到了故事里的这一点,所以很容易说,那个条款真的很有杀伤力,但在这之前,其实已经有很多类似情况,可能发生的迹象 Simon去找Lenny 说也许我们应该止掉一部分亏损,从这些仓位里退出来也没问题,但Lenny非常坚持,他是真信这套判断,正是这样
David Rosenthal:人才会走到触发这种契约条款的地步,这也再次说明,他们在这个时间点,其实还没有真正做基于模型的量化交易,没有,太靠直觉了,所以受这件事影响,有一段时间 Rentek几乎完全就是一家风险投资公司,在风险投资这边,有一度只有一笔投资 Franklin Dictionaries Ben 你还记得吗 Franklin Electronic Dictionaries 那就是他们最大的一笔投资之一,这笔投资占了Jim净资产的一半,什么,在交易业务的低谷时期,是的,我完全不知道太疯狂了,所以在书里 Greg讲到Jim当时专注于风险投资,外面的故事也差不多是这样,但其实他专注于风险投资 [00:44:11]
Ben Gilbert:是因为那是唯一跑得通 [00:45:03]
Ben Gilbert:是因为那是唯一跑得通,唯一能赚钱的东西,其实那也是他们,唯一真正有优势的地方,因为Howard能接触到,交易机会来源,他们在全球货币市场里,肯定没有优势,所以我觉得
David Rosenthal:也许部分是因为交易亏损 James AX也开始有点失望,他告诉Jim 他想和Sandor Strauss 一起搬到加州去 Sandor Strauss当时,已经开始和他们共事了 Sandor也是 Stony Brook University的校友,后来加入了他们,他们两个人想搬到加州,在那边做交易 Jim说,行吧,我这边和Howard在一起,正在做风险投资的事情,你们为什么不搬去加州呢,你们可以开自己的公司,他们也确实这么做了,这家公司叫XCOM 拼做XCOM 然后我们和XCOM签合同,让他来运营Rentek这里剩下的交易业务
Ben Gilbert:所以这就形成了一种很有意思的,保持距离的关系 Jim达成了一笔交易,他会持有XCOM的一部分股权,作为交换,他们之间会有一份,对XCOM非常有利的合同关系 Renaissance会聘请XCOM 来管理他筹集到的这笔资金,但严格说,他不是Renaissance 而是XCOM 对,现在做量化交易的是,另一家公司,我记得Jim持有四分之一,对吗,对,是这样,重要的是,我觉得当时没人知道 XCOM后来会变成什么样,也没人知道,他会赚钱赚到那么夸张,没错
David Rosenthal:如果他们知道后面会发生什么,就不会那么做了,就不会把它拆出去了,不会,所以AX和Strauss到了加州之后 Strauss主要负责计算和数据基础设施,他在Stony Brook University 做的就是加入Renaissance Technologies之后,他也是来搭这套东西的,他开始非常投入的研究数据,开始收集证券日内价格变动,在那个时候,我觉得外面数据供应商能给到的最好数据,可能也就是证券价格的开盘价和收盘价 Strauss找到办法拿到TikData [00:46:34]
Ben Gilbert:也就是这些证券在一天里大概没20分钟一次的数据,不止如此,他还拿到了历史数据,而且比传统数据供应商能提供的时间更早,然后他把这些数据导入计算机,清洗数据,把格式整理成和TikData一样,所以他拿的是20世纪初甚至19世纪的数据,他想的是,总有一天,我们也许能用上这些数据,我要先有一套,非常干净的数据集 [00:47:10]
David Rosenthal:用来描述这些市场之间,是怎么相互作用的,对,他其实是在对数据做ETL 而且我觉得,那时候可能,还没人知道ETL是什么,同样,也没人让他这么做,这完全是他自己驱动的,几乎像一种执念,他的想法是,既然我们要有数据,那他就应该格式良好,含义清楚,标签完整,等等,这是发生的一件事,另一件事是 Jim说,你们要去加州了,那我给你介绍一下,我在那边的朋友 Berkeley的教授 Elwin Burlekamp Burlekamp当年在MIT 跟John Ash Claude Shannon这些人,一起学习过,我太喜欢
Ben Gilbert:Claude Shannon又出现了,我们在Qualcomm那一期,讲过很多,他是信息论之父,真正吸引大量人才,来到MIT的核心人物,也在某种程度上,为后来的电话技术,和更广义的电信技术铺了路,但Burleycamp居然在MIT和Claude Shannon有交集,这件事太酷了,太酷了,而且对这个具体应用来说,最重要的是Burleycamp和John Kelly共识过 [00:48:16]
David Rosenthal:John Kelly提出了用于下注规模控制的Kelly Criterion 打扑克的人应该很熟悉,现在有了这个组合 Strauss带来了好得多,深得多的数据 Burleycamp加入进来,和AX一起研究模型,他们开始说,这些模型产生交易信号之后,我们在交易里的下注规模,也应该更聪明一点,至于他们以前怎么做,我也不知道,也许以前很简单粗暴,比如每笔交易都一样,现在他们的想法是,我们应该把这件事系统化,于是模型开始真正起作用了,这就是转折点,对,在80年代中期这几年 XCOM的交易业务,已经能做到20%多的IR 这不一定能打败,风险投资的IRR 但它是流动的,而且可靠,问题就在这里,他们当时还不知道
Ben Gilbert:它到底有多可靠,他们知道这几年连续做到了,但问题是,这些回报长期来看,和股市到底有多不相关,又有多可预测,还是说,它其实只是方差特别高,对 [00:49:34]
David Rosenthal:但早期结果非常好 Jim和Berla Camp 尤其受到鼓舞,所以到1988年 Jim和Howard Morgan决定,把风险投资业务拆出去 Howard去管理那些投资,基本上用的是他们自己的钱,这里还有一个有意思的尾声,很多年后 Howard和Josh Koppelman 创办First Round Jim当然成了一个大LP Howard当然也继续是 Rentech的投资人 First Round后来募集的,第一支机构基金,是一支1亿2千5百万美元的基金,最后做到了50倍回报,里面投了 Roblox Uber 和Square 我认为这个说法是对的 Jim从他投First Round 赚到的钱,和Howard 作为Rentac的LP 赚到的钱,差不多,这也太离谱了,是不是很惊人,哇
Ben Gilbert:这是一个关于Jim Simons的,未讲述故事,我觉得我基本读遍了,全网上关于 Jim或Renaissance的一手资料,但我猜你这个是,从Howard那里听来的,对,和Howard聊这件事,特别有意思,还有First Round 是怎么开始的,早期超级天使投资的历史,以及后来这一切变成了什么,我之前也不知道 First Round的一号基金,是一支1亿2千5百万美元的基金,最后做到了50倍 [00:50:39]
David Rosenthal:是第一支机构基金,我记得他们叫Fund2 真是离谱,太离谱了,完全离谱,所以Howard把风险投资业务,拆出去之后 Jim决定设立一支新基金,作为Rentech和Xcom的合资项目,他们决定用 Jim James Burlacamp 以及这些顶尖数学家职业生涯中,拿过的那些数学奖章,来给他命名,他们把它叫做Medallion Fund [00:51:05]
Ben Gilbert:等等等,等等等,各位听众,我们讲到这里终于到了,这就是整个故事最重要的部分 Medallion Fund是皇冠上的明珠,甚至你也可以说,它其实是Renaissance 唯一真正有意思的东西,它诞生于一个观察,天哪 XCOM那边正在做的事,真的很有意思,也许他们不该,一直在那边单独做,也许这件事,应该更深入地,放进Rentech体系里,我们当初不该让它跑掉,坦白说,也不该那么早,放弃量化交易策略,而且再次强调,这时候他们仍然只做货币,仍然只做大宗商品期货,完全没有进入股票市场,但是那些种子和想法,海量干净数据,处理所有数据的,扎实工程基础设施,从数据里挖掘信号,决定执行什么交易策略
David Rosenthal:这些东西真的开始在这个新的合资项目, 也就是Medallion Fund里成型了。这些想法以前都已经存在, 只是这是第一次它们被全部放到了一起, 而且真的跑起来了, [00:52:22]
Ben Gilbert:变成了可执行的系统。坦白说, 计算机也终于足够强, 真的能做这件事了, 这也是很关键的一块。对,我不觉得Strauss能在更早的时候完成他的数据工程,
David Rosenthal:所以他们带着Medallion Fund有了一个宏大的新计划和新愿景。不幸的是基金一开局,就有点跌跌撞撞,最后AX被耗得精疲力尽,但Burla Kemp的态度是,不不不,这只是异常情况,我们会把它修好,我真的非常相信,我们用这些模型做的事,会极其赚钱,所以他在1989年夏天,买下了AX大部分股份,然后把办公室搬到了Berkeley 在那里他提出了一个想法,我们应该更频繁的交易,而且频繁的多,因为如果我们想做的,是用手里的数据,理解市场当前状态,再预测市场未来状态,然后再结合起来,算出合适的下注规模,那我们其实就应该,做更多交易,这样才能拿到更多数据点,更充分地了解,我们正在做的这些下注,之后我们就能把仓位放大,或者缩小
Ben Gilbert:是这个原因,另外还有两个原因,你看得越远,对未来就越没把握,如果你知道某样东西,现在值10美元,那你能知道的是 5分钟后,它大概率还是大约10美元,最可能的情况,是它还在这个价格,上下5%以内,但如果你问我,三年以后它值多少,我几乎没有任何直觉,状态机也是一样,如果你一下子,往后跳过很多状态,沿着这条链继续往下走,预测能力就会慢慢消失,第二个原因是,如果你的模型显示,你会做对,比如大概50.25%的时间,是对的,那你能赚多少钱,就受限于,你能用这0.25%的优势,下注多少次,如果我走进赌场,觉得自己对这个特定轮盘有判断,当然现实里你并没有,然后我认为自己50.25%的时间会对,如果我只玩一次两次或者五次,那我有可能把钱全输光 [00:53:42]
Ben Gilbert:或者如果我每次下注都特别小,那我也赚不到多少钱,但如果我带着一点点优势,走到这个游戏前面,用很小的下注规模玩一万次,那我最后会带着很多钱离开 [00:54:35]
David Rosenthal:后面有一句很棒的Bob Mercer名言,他说我们50.75%的时间是对的,我确实觉得这个数字是他编的,我觉得他是用来说明问题的,对
Ben Gilbert:但我们在50.75%的时间里,是100%正确的,靠这个方法,你可以赚几十亿美元,太对了,当你只有那一点点优势时,关键就是要确保下注别太大,别让几次不顺的下注,把你打到归零,同时也要确保,你能把这个游戏玩很多很多次,很多再回到Kelly Criterion 你一边下注,一边随着时间调整下注规模,当然如果只是在抽象层面说,这听起来都很好,比如你真的坐在赌场里,不知怎么能完美下注,就坐在赌桌旁边,赢了之后走到收银台拿钱,但在市场里,情况就不太一样了,比如交易成本是真实存在的,尤其是在这个历史阶段,还没有后来那些更创新的,交易商业模式,比如订单流支付,零交易费这些东西,做这些交易,本身就有真实的交易成本,而且当然
Ben Gilbert:你一下单,也会影响市场价格,这就是滑点,还有各种现实里的考量,你可能会被别人抢先交易,它不只是一个电脑程序,执行完就结束 [00:55:54]
David Rosenthal:当你决定不做几笔大赌注,而是做十万笔小赌注时,你必须满足真实世界的约束,随着时间推移,整个量化行业出现,并且变得成熟,我觉得尤其是滑点,会限制你到底能把交易速度做到多高,滑点的意思是,一旦你达到一定规模,你的交易就会推动市场价格,所以你越往订单部深处走,情况就越明显 [00:56:04]
Ben Gilbert:比如你想买500万美元的某个东西,前10万美元,你很确定能按报价买到,但等到这笔500万美元买单里的,最后10万美元时,价格可能已经变得很不一样了,我们马上还会回到这个问题
David Rosenthal:但这对早期的Rentek来说,当然非常重要,即使到现在,对整个量化金融来说,也仍然是一个,特别特别重要的问题 David用一个很粗略的方式
Ben Gilbert:把他和上一期Hermes联系起来,那个想法是,愿意现在卖出的家族成员,价格会最高,然后随着时间推移,价格会逐步下降,如果这个家族,要卖给Bernard Arnault
David Rosenthal:那你最好排在订单部最前面,而不是最后面,我觉得这里有一个,更高层的经验,是我过去几年通过 acquired和我自己的个人投资,慢慢学到的,每个市场都取决于供给和需求,你可以看到公开报价的估值,也可以看到价格报价流,但很多时候,这就像只看平均数一样,是个错误,没错,只看某个资产的报价是不对的,你真正应该看的 [00:57:06]
Ben Gilbert:是有多少量愿意买,有多少量愿意卖,对所有这些买方和卖方来说,还要看他们愿意在哪个价格成交,这种情况在股票图上,通常表现为,这是现在一股的价格,但这并不是底层,真实发生的全部,底层是一大群买方和卖方,他们有不同的支付意愿,也有不同的买入和卖出数量,在这个时间点,也就是Medallion Fund
David Rosenthal:刚开始跑通的时候,大概是1989年底 1990年初,它的规模还足够小,所以这还不是一个,很大的问题 Berla Camp买下AX的份额时 Medallion的管理资产规模,大约是2700万美元 1990年,也就是之后的第一个完整年度,基金毛收益是77.8% 扣除费用和业绩分成之后,净收益是55%
Ben Gilbert:那么,它的费用和业绩分成是多少,这两个数字,不管看哪一个,都是爆炸级的好,前提是,这不是他们执行的一种,疯狂高风险策略,不会在不同市场条件下,彻底崩掉,如果这真是一套,可以重复的策略,能做出你刚才说的那些数字,那简直不可思议,足以改变世界,太对了,充就完了,而实际情况也确实是一个充就完了的局面,你刚才报给我的毛收益和净收益,听起来差得挺多,讲讲它的管理费和业绩分成吧,业绩分成这块,我看到不同来源说法不一样,早期到底是20%还是25% [00:58:24]
David Rosenthal:但这支基金的管理费是5% 这就很夸张了,全世界顶级风险投资公司收3%的管理费,就算这样,大家也都是捏着鼻子说,这也太离谱了,这些一开始没什么名气的人,到底怎么能一上来,就向投资人收5%的管理费,原因有几个,第一,他们的投资人并不成熟,里面大多是他们自己的钱,还有朋友们的钱,所以他们就把这个先例立起来了,他们把这个先例立起来了,但第二,他们其实真的需要这笔钱,因为Strauss的基础设施成本,大约是一年80万美元,所以他们是倒推出来这个管理费的,大概就是,我们一年需要80万美元,来跑基础设施,还需要一些钱来付工资之类,好,那就5%管理费,所以他们对投资人群体的说法就是,如果你相信我们用量化交易 [00:59:02]
Ben Gilbert:应该能大幅跑赢市场,那我们就需要收很多费用,才能做到这件事,所以投资人基本上接受了这个交易,前提是他们真的想清楚了
Ben Gilbert:前提是他们真的想清楚了,好,这是费用,至于业绩分成 20%或者25% 其实并没有比市场高出多少,如果真的算高的话,你现在看到的是一支高管理费,业绩分成大致正常的基金,是的 [01:00:03]
David Rosenthal:高管理费再加上比较正常的业绩分成,所以到1990年底 Simon对眼前的进展特别兴奋,他告诉Berlai Camp 你应该搬到Long Island来,我们把所有东西重新集中到这里,我想全力投入这件事,我觉得只要做些调整,明年扣完费用后,我们能涨80% Burley Camp要谨慎一些,第一,他想留在Berkeley 完全不想搬去Long Island 第二,我也分不清,这到底是因为他比Jim更保守,还是因为他那套普克夏柱规模的思路,在起作用,他转头对Jim说,既然你这么乐观,那你为什么不把我的份额买下来,于是 Jim真买了,价格是Burley Camp一年前,从AX那里买入成本的六倍,一方面一年赚六倍,听起来很不错,另一方面,这就像Don Valentine
David Rosenthal:在Apple IPO前,卖掉Sekoya持有的Apple股份,锁定了一笔很好的收益,但错过了后面所有的上涨空间 David [01:01:14]
Ben Gilbert:我觉得我们应该把这个量级讲出来,让大家明白这事有多大,在整个生命周期里 Medallion Fund给基金所有者,创造的业绩分成,大概有600亿美元,所以一方面,一年六倍确实不差,另一方面,你本来持有的是一个,巨大资产的一大块,而这个资产后来向所有者,分出了600亿美元现金,那还只是业绩分成这一边,我的意思是
David Rosenthal:所有者本身也是公司的核心合伙人,所以如果看从公司流出来的总金额,可能是这个数的两倍,我估计过去35年里,从Medallion流出来的钱,大概有1500亿,到2000亿美元,所以Jim买下了 Burlacamp的份额,他把Medallion Fund的所有东西,都并回Rentech本身,然后把一切都搬回 Stony Brook
Ben Gilbert:Strauss也搬到了Stony Brook 所以现在变成了Jim Simons 在纽约主导全局 Strauss负责搭建工程系统,而AX我想应该还持有一小部分股份,对没错 [01:02:16]
David Rosenthal:Strauss也持有股份,所以Jim接手,并把所有东西搬回来之后,他基本决定,要把Rentek打造成一个,更好更理想化的 Ida加Stony Brook数学系,他要把这里变成,学者的天堂,如果你是全世界,最聪明的数学家,或系统工程师之一,那这里就是你最想去的地方,所以他当然又开始,从Stony Brook系里挖人 Henry Laffer就是在这个时候,全职加入的,早期Laffer 一直在给Medallion做顾问,也和Berla Kemp一起工作,他们当时在研究下注规模,也在提高交易频率,但现在整个业务搬回Long Island之后 Loffer就觉得,那太好了
Ben Gilbert:我来全职吧,反正我就在Stony Brook 这比教书有意思多了,各位听众,我想你们可能从这里开始有点糊涂了,会觉得这个故事里人也太多了,我们大概已经讲到第八个或第九个人了,而且还在不断引入新人,但这就是Renaissance的故事,它不是那种单一干净的叙事,真实情况非常复杂,一大群人在不同阶段进进出出,公司也在尝试不同东西 [01:03:10]
David Rosenthal:最后才用一种非常特定的方法,取得了惊人的成功,但在一路摸索的过程中,它需要很多人,需要很多人,也需要很多时间,这是25年,从BAM和SIMONS 在IDA写那篇论文,到MEDALLION真正开始跑通,中间隔了四分之一个世纪,真的花了很久,而且我们甚至还没介绍,后来会担任这家公司 20年联系CEO的那两个人,对那我们就讲到那里 Jim把所有东西搬回Long Island 把它建成这个学术天堂,并开始招募世界上最聪明的人 1991年,也就是下一年,公司做出了54.3%的总回报,扣除费用后的净回报是39.4% 没有达到Jim设想的80%目标,但仍然非常非常厉害,我们也应该说,从这里开始,那些表现平平的年份,已经过去了
Ben Gilbert:此后的每一年,他们都表现惊人,从1990年往后,他们再也没有亏过钱,按总回报算,他们甚至从来没有低于30% 这套东西跑通了,开始运转了,后面的故事 [01:04:28]
David Rosenthal:基本就是稳住,让这台机器继续工作,而我们已经上车了,可以这么说,历史级的连胜开始了,所以1992年,总回报是47% 1993年是54% 到1993年底 Simon决定关闭基金,不再允许新的LP进入,也就是说,如果你是现有LP 你可以留下,但他们不再接受新的资金流入,他对他们正在做的事情非常有信心,他认为不接受新资本,只服务现有投资人,他们所有人反而会赚更多钱 1994年总回报是惊人的93% 到这个时候,Medellin已经在积累大量现金,它已经是一个有分量的基金了。
David Rosenthal:当时总规模大约是2亿5000万美元,这个规模不算大,但别忘了那是1994年, 而且是一群圈外人和学者,竟然已经聚起了2.5亿美元。 [01:05:31]
Ben Gilbert:人们开始注意到他们…… 而这些业绩分成分别是700万美元、1300万美元、5200万美元, 流向合伙人的自由现金流,显然也开始变得很实在了,但当他们进入大概
David Rosenthal:10亿美元这个量级时,就开始碰到我们前面说的,影响市场价格的问题,还有滑点问题,这大概是在90年代中期,对,当他们达到2亿5000万5亿美元,这个规模的时候
Ben Gilbert:计算机模型给出结果,说我们应该按这个价格,大量买入某个东西,他们争取买的时候,发现只能按这个价格,买到目标数量的10% 20% 30% [01:06:10]
David Rosenthal:然后价格突然就完全不一样了,到这个时候 Medallion做的绝大多数交易,都是货币和大宗商品,不是股票,因为你可能会想,好,我明白 90年代,确实是另一个时代,但5亿美元规模的基金,听起来也没那么大,他们怎么会用5亿美元,就影响市场呢,因为,那不是股票市场,原因是他们在这些,更薄的市场里交易,不是说大宗商品和期货市场很小,他们其实很大,但跟股票比起来,流动性要薄得多,成交量就是没那么大,你没法交易那么多,否则滑点就会变成一个大问题,现在Medallion已经碰到这个上限了,所以Simon决定,我们要想继续扩张,唯一能做的就是进入股票市场,而且我非常相信我们正在做的事,所以我们必须扩张,股票就是圣杯
David Rosenthal:如果我们能在那里跑通,那些市场的深度,就能让我们的规模,比现在大得多得多,而且关于股票定价的数据,也多得多,我们可以把这些数据 [01:07:15]
Ben Gilbert:喂给模型,我们能做的信号处理,能找到的信号,都会更好,每天有这么多买家和卖家,进场交易,这么多不同公司的股票,速度还这么快,对Renaissance的系统来说,这几乎就是一个宝库,这就是他们的时刻,这就是他们从一开始,就适合做的事,有点好笑的是,他们之前一直待在像戴着儿童手套一样的环境里,在那些交易清淡,数据很少的市场里操作
David Rosenthal:这就引出了Peter Brown和Bob Mercer 1993年 Jim招到Rentek的一位数学家 Nick Patterson 开始特别热心地和Jim一起去招新人才,我觉得这是Rentek和他文化里的一个关键点,大家都希望别的聪明人也来这里 Nick当时的状态就是,这太有意思了,我想去找全世界最厉害的人来一起共事,他在报纸上看到 IBM正在削减成本,准备裁员,他也知道 EBM的语音识别团队里,有一些极其出色的数学人才,而他们做的事情,其实又是早期AI和机器学习研究里的,另一个方向,具体来说,当时IBM的Deep Blue国际象棋项目,就是从这个团队里出来的 Peter Brown
Ben Gilbert:就是实际牵头做这个项目的人,你说语音识别,特别适合他们当时在做的事,这一点很有意思,你可能会问,为什么,因为语音识别,自然语言处理背后,真正要做的工作和Renaissance 用来分析市场的信号处理,其实是一类东西,不只是有点像,根本就是同一种信号处理,语音识别是一个隐瞒而可敷过程,计算机在听声音,试图把声音转成语言,但他其实并不懂英语,对吧,这当然很明显,但他知道的是,当我听到这一组频率,音调和声音之后,后面可能出现的东西,是有限的,一组Greg的书里,举了一个特别好的例子,他说,当我说Apple 你可能会说Pi Pi这个词,跟在Apple后面的概率,明显要高得多,所以这些人,整个职业生涯,都在做语音识别 [01:08:42]
Ben Gilbert:背后的数学,和理论计算机科学,他们要帮助系统判断,预测下一个词,把可能的词缩小到一个范围,这样当系统听到那些频率的时候,就可以说大概率是这三个词里的一个,而不是去整个词典里搜索任何可能的词,这样就能减少算力需求,而且他们不只是做理论,他们还在IBM这样一家 [01:09:37]
David Rosenthal:真正能落地运行计算机系统的公司里,实际搭建过这些系统,对是在真实运行规模下搭建过,这一点非常重要,也解释了为什么他们两个人,后来可能成了Rentek历史上最关键的招聘,甚至超过了之前那些非常优秀的学者,因为他们数学也很强,但他们还有大型系统经验 Jim和Nick知道,如果要进入股票市场,考虑到数据量,以及那个市场复杂的多,他们需要更复杂的系统,而Rentek当时来自学术界的人才,从来没有经历过这种东西,也没有搭建过类似的系统,他们正在进入的这个世界 [01:10:00]
Ben Gilbert:复杂度和维度,都在爆炸式增长,我这么说,意思是这样的,他们挖掘寻找的数据,是每只股票交易之间的,日内主笔成交数据,所以他们要做的,有点像是在描绘一只股票,和所有其他股票之间的关系,不只是某一个时间点的关系,还包括它之前每一次,之后每一次的关系,另外,一旦他们识别出模式,这一点很关键,是算法识别出模式,不是某个人凭直觉说,我觉得油价上涨,航空股就会受打击,是计算机用机器学习,从数据里发现模式,然后还有第二层问题,你刚刚发现了这些概率,发现了这些不同公司之间关系的权重,那到底要下什么交易,才能从中赚钱,你不是只下一笔交易,而是同时下十笔,一百笔,几千笔交易,一方面是为了对冲,另一方面是为了隔离出某个特定变量
Ben Gilbert:再说一次,不是你在找,是计算机在找,而且每一笔交易的规模,还必须非常精确,不能大到影响市场价格,所以无论是数据摄取这一侧,还是我到底该怎么反映这一侧,你面对的都是一个超级多变量,多维度的问题,这些计算还不能花太长时间,因为你必须行动,当然不是DSG 它不是那种抢在市场前面的高频交易,这其实不是他们做的事,很多人以为他们做的是这个,但我们后面会讲到,不过他们确实需要在合理的速度内行动 [01:11:33]
David Rosenthal:大概是分钟级,所以这些计算机系统也必须非常高效,股票这个世界要多为的多,彼此之间的关联也强得多,世界上的货币就那么多,尤其是交易市场足够大,你能进去操作的货币就更有限了,但世界上有成千上万只股票,市场深度足够,可以让你操作 [01:12:08]
Ben Gilbert:而且在某种程度上,它们彼此之间都有相关性,这里还要继续加复杂度,继续往上叠新的乘数,很多股票会在多个交易所交易,所以你可能还要在不同时间点,寻找同一只股票,在不同市场上的价格差异,所以要分析关联行动的东西,是一层维度叠着一层维度,于是Patterson和Simons去IBM挖人
David Rosenthal:他们就像Steve Jobs去Zerox Park挖人一样,他们把Peter Bob 还有他们的一位编程同事David Majerman 从IBM带到了Rentek 然后他们开始搭建股票模型,结果首先,他们显然在这件事上非常成功,但他们带来的影响,他们搭出来的东西其实更大,因为Bob和Peter意识到,等等我们其实应该只用一个模型,来处理所有东西,货币大宗商品股票,所有东西都是相关的,所有东西都是信号,股票市场并不是和货币市场,商品市场里发生的事,完全独立,完全分开的,到处都有关系,我们真正想要的,就是一个统一的模型,尤其是在90年代早期到中期,这简直是一个近乎幻想级别的工程
Ben Gilbert:但如果你真能把它做成,就意味着你可以做一些很有意思的事,比如说我们对某个特定市场,没有太多数据,但它看起来很像,另一个我们有数据的东西,如果所有东西都在同一个模型里,我们就可以把从那个东西上学到的经验,套用到这个全新的第一次观察,数据很少的东西上,而且因为我们把所有东西都放进同一个模型 [01:13:52]
David Rosenthal:而世界上其他人都没有这么做,我们就能发现别人不知道的模式,事实证明,这其实是Bob和Peter给Rentek带来的第二重要创新,也就是一个统一模型本身带来的产品和业绩表现,最重要的是,如果你只有一个模型,一套基础设施,那么公司里的每个人,都在同一个模型上工作,你们所有人都可以一起协作,当全世界最聪明的一批人,都在同一栋楼里时,这一点尤其重要,在此之前 Rentek内部有不同的模型,所以一个团队,在一个模型上 [01:14:17]
Ben Gilbert:做出的洞见创新和工作,不会被应用到,另一个团队的另一个模型上,也很难迁移过去,他们确实有这种文化,鼓励大家分享自己学到的东西,但别人得专门在午休时间过来,向你学习这些东西
Ben Gilbert:向你学习这些东西 [01:15:05]
David Rosenthal:然后再把它实现到,他们自己的版本里,这里会有延迟,而且最后可能根本不会真正实现,这完全独特,也非常革命性,今天没有任何一家,达到规模的投资公司,是这样运作的,没有一家,尤其是量化基金,没有哪家只用一个模型来运作,他们的投资组合经理,团队,多策略人员,在文化上彼此竞争,但即便他们不是竞争关系,你在Citadel这边做的工作,也不会影响Citadel那边做的工作 Bob和Peter做的事,是把Rentek的一切统一起来,所有木头都绑到同一支箭后面 David 所以这台股票机器,没错,而且它确实是一台机器 Peter和Bob在1993年加入,到1994年 1995年,他们就在搭建这套东西 Rentech开始进入股票市场
Ben Gilbert:你想想 1994年和1995年,他们用的那些电脑,以当年的技术,他们能做到这种计算复杂度,协同水平和结果,真的很惊人,更别说他们还是,实时分析这些市场,对而且惊人的是 [01:16:01]
David Rosenthal:回报率可能稍微降了一点,肯定比1994年,那个爆炸性的年份低一些,但他们每年,仍然都超过30% 大多数年份超过40% 他们进入了一个,复杂的多的市场,同时还在扩大管理资产规模,却还能维持这样的表现,太不可思议了,到1990年代末 Medallion的管理资产规模,已经接近20亿美元,同时靠进入股票市场
Ben Gilbert:基本维持了原来的业绩水平,这非常重大 David 如果你直接看这些数字,算一下账 1994年,他们的AUM是2.76亿美元,那一年增长了93% 下一年他们的AUM是4.62亿美元,然后又增长了52% 再下一年,他们的AMM是6.37亿美元,你很快就能明白我的意思,他们扩大AMM 不是靠引入新投资人,对,基金已经不再接受新投资人了,全都是富力滚出来的,还是1993年那批资本,从那年初的1.22亿美元,到了99年,变成了15亿美元
David Rosenthal:对,然后到了2000年,他们彻底炸裂,总回报128% 扣除费用后的净回报是98.5% 太离谱了,他们把基金的管理资产规模 [01:17:19]
Ben Gilbert:从19亿美元做到38亿美元,还是那句话,完全靠投资收益,不是靠任何新投资人,而那一年科技泡沫破裂了,对,整个市场都大跌,但Medallion那一年
David Rosenthal:总回报上涨128% 后来这就成了一个主题,高波动的时候,正是Medallion最闪耀的时候,这就是不相关性,他们在这里拿到了最后一枚认证章
Ben Gilbert:我们不只是印钞机,而且是在任何环境里,无论大盘状态如何,都能印钞的机器 David就像你说的,波动实际上会让他们的算法表现得更好,因为他们在做什么,他们在寻找市场行为失常的场景,然后利用那些人在压力下,做出的错误决定,只要投资人承压,就会有一点优势流向Medallion 他会说,好你现在是在恐慌性卖出,那我可以判断,你到底该不该恐慌性卖出,如果我判断,你不应该抛掉这项资产,那我就从你手里买过来,这里有个特别有意思的故事,能很好说明 [01:18:00]
David Rosenthal:Jim在管理公司和管理人上的天才,也说明,他们就是在这一年,真正弄明白了这件事,科技泡沫破裂的最初几天 Medallion实际上遭遇了一些很大的亏损,一部分原因,可能是模型还没有调好,因为Rentech没有人见过市场出现这种行为,也可能有一部分原因是,模型那几天确实表现不好,那段时间所有人压力都很大,大家都在Jim的办公室里 Jim抽着烟,污里一团烟雾,他们在讨论该怎么办 Jim最后决定降低一些风险场口,他担心公司爆掉,毕竟这时候,距离Long Term Capital Management出事,还没过去多久,模型也许在说,我们这里应该继续做多,但Jim的判断是,不能把公司堵没了,事情过去以后 Peter Brown来找Jim 说鉴于这几天造成的亏损,他愿意辞职
David Rosenthal:Jim说,你在说什么,你当然不该辞职,你经历过这件事之后,对公司反而更有价值了,因为你现在知道了,不能在所有情况下,百分之百相信模型,这太有意思了,这个洞察太好了,这一下就说明了 Jim作为领导者,是什么样的人,完全是,还有一个平行的故事 2009年 Jim最终退休 Peter和Bob接任联席CEO 大概在那之前一年左右,所谓的量化地震发生了,情况有点像科技泡沫破裂,市场上所有量化公司,突然都出现了非常大的回撤 Rantech也被打到了,在那段时间里 Peter非常坚决地认为,我们应该相信模型保持风险敞口,这会成为一个,对我们极其有利可图的时期,但Jim踩了刹车,介入进来 [01:19:32]
David Rosenthal:降低了风险场口,到CEO交接前后 Peter又去找Jim 说Jim你不担心吗,现在换我来管这里,我会不会太激进,哪天把公司搞爆 Jim说不,我一点都不担心,我知道你当时那么激进,只是因为我在场,会和你对着干,等你自己坐到那个位置上,你会没那么激进 [01:20:27]
Ben Gilbert:他对人类行为的洞察,真是大师级的,这真的太真实了,我甚至在自己身上,也会发现这一点,我会很自然地,站到对面那个人的反方位置上,如果有人在某件事上很强势,我就会发现,自己采取了另一个立场,等我停下来想一想,会觉得,我好像并没有预期,自己在这场对话里,会站这个立场,但你就是会很自然地,想站到另一边,去平衡坐在你对面的人
David Rosenthal:回到2000年,回到那一年惊人的业绩 Ben 刚才你说到不相关收益,他们那一年不只是赚得特别猛,而且是在市场下跌的时候做到的,我们现在得介绍一个概念,叫下谱比率,金融圈的听众应该都知道,但对其他人来说,这是一个很重要的概念,我觉得大家其实能凭直觉理解,我们这一集已经提过几次这个概念,比如说 [01:21:16]
Ben Gilbert:一个基金涨了25倍,当然很厉害,某一年投资回报有100% 也很厉害,或者我昨天买了比特币,一晚上就翻倍了,这就说明,你是世界上最好的投资人之一吗,我们凭直觉都知道,不是,因为那可能只是运气,也可能是你承担了极高的风险,所以问题永远是,把你承担的风险算进去之后,你还能不能拿出更好的回报,基金经理给投资人创造价值,基本上有两种方式,第一种,你跑赢市场,第二种,你跟市场完全不相关,但还能拿到市场级别的回报,或者像Rentek这样,两件事同时做到
David Rosenthal:既跟市场不相关,又大幅跑赢市场,这基本上就是资产管理里的圣杯,对,所以下谱比率,就是把这两个概念合在一起,衡量的指标,没错 [01:22:24]
Ben Gilbert:他以经济学家William F. Sharp命名 1966年提出,他本质上衡量的是,一个基金相对于无风险利率的表现,比如你那一年的收益是15% 无风险利率是3% 那分子就是12% 然后再拿它去和波动率比较,技术上说是标准差,但意思就是,过去若干年你的收益有多波动,通常大家会看,三年下谱,五年下谱,或者十年下谱,下谱比率代表的是,投资人每多承担一单位风险,能获得多少额外回报 David 你现在可以开始报数字了,低下谱比率不好,负下谱比率更糟,因为那说明,你还跑输了无风险利率,高下谱比率好,因为它说明,你创造了很多回报,同时,方差,标准差,也就是风险很低 1990年,他们的下谱比率是2.0 是SAP500基准的两倍,很厉害
Ben Gilbert:1995年到2000年,下谱比率是2.5 真的开始跑顺了,已经非常不可思议,很好,我去哪签字投资,后来某个时候,他们加入了海外市场,夏普比率达到了6.3 是最好的量化基金的两倍,这家公司至少从历史上看,几乎没有亏钱的可能,而且还能在不相关的基础上,大幅跑赢市场,如果我研究的没错 [01:23:30]
David Rosenthal:2004年,他们实际上做到了7.5的夏普比率,惊人,再回到我们的体育类比,这些不是名人堂级别的数据,这更像是,我都不知道怎么说,让Tom Brady看起来像个三线踢鼓,对没错,所以在2000年和这波上升之后,第二年也就是2001年,他们把基金的业绩分成提高到36% 之前是20%或者25% 具体是多少先不管,记住他们已经不再接受新投资人了,所以基金里还有外部投资人,但不会再有新的投资人进来,然后下一年2002年,他们把业绩分成提高到44% 这活要是能做上,当然太好了,但给大家一个参照,像Sakoya这种外面的标杆 30%的业绩分成已经很夸张了
David Rosenthal:44%是前所未有,这里有两种有意思的看法,第一种是,他们就是想把费率抬得特别高 [01:24:51]
Ben Gilbert:高到把现有投资人清出去,他们等于在说,我们现在还不会把任何人踢出去,但我们已经很久不接新业务了,你们也差不多该自己走了,另一种看法,我觉得可能才是正确的看法,是投资人本来就是套利者,他们看到定价错误就进入市场,把这个定价错误修正掉,所以只要有机会把同一种货币,在两个不同交易所的价格拉近,投资人就在履行自己的功能,他们进来套利这段差价,拿走一点利润当作报酬,然后把市场修正好,让市场变成真正的称重机,而不是投票机,也就是让所有价格都反映,某个东西真实值多少钱,从某种意义上说 Renaissance现在也是在对自己,或者说对自己的投资人,做同样的事,他们进来说,你看这太离谱了,我们明显大幅跑赢市场,就算我们拿走更多业绩分成
Ben Gilbert:你们还是会接受这笔交易,因为这里存在明显的定价错误,这个产品不应该按20% 25%的业绩分成定价 [01:25:52]
David Rosenthal:这个产品应该收高得多的业绩分成,而你们还是会觉得很好,如果一家公司给你带来 15%的年化回报,你可以付20%的业绩分成,可我们给你带来的是 [01:26:01]
Ben Gilbert:50%的年化回报,完全是这样,所以我想,现有投资人肯定不会太高兴,但Rentek的溢价能力太强了,那还能怎样呢,听众朋友们,再次抱歉,我还得说
David Rosenthal:先等一分钟,关于业绩分成这个点,我还有另一个角度必须补充,不过我想先把故事讲完 2001年,他们把业绩分成提高到36% 2002年又提高到44% 到了2003年,他们其实就说,外部投资人,我们不能靠提高激励,把你们劝出基金了,所以我们要直接把你们请出去,所以从2003年开始,所有外部投资人,只要不是Rentec这个大家庭的一员,也就是不是公司现任员工,或前员工,都会被清出去,而且也不是所有前员工都能留下,只有一部分被选中的前员工,可以按老规则继续留在里面,对,我们为什么要这么做,待会儿我会讲其中一个原因,但有一个原因非常明显 Medellin Fund现在交易的管理资产规模,已经到了50亿美元
David Rosenthal:哪怕是在股票市场里,他们也开始碰到滑点问题,所以,如果他们想维持这种夸张到离谱的表现 [01:27:21]
Ben Gilbert:规模就真的不能再大太多,这就是Warren Buffett一直在讲的问题,也解释了为什么他基本上只能继续加仓 Apple 而不是去买下一个,很棒的家族企业,对他们来说,能真正影响业绩的,标的规模都太大了,所以他们能做的事,其实就只剩这些,而且当你的规模很大时,不管进入哪个市场,都会推动那个市场的价格,对
David Rosenthal:Rentai当时采用的这套策略,他们判断,规模超过50亿美元之后,就不适用了,所以2003年,他们开始,把所有外部投资人,从Medallion里清出去,但很明显
Ben Gilbert:机构资金还是非常想投Renaissance 那他们怎么办,那就该开一只新基金了,于是他们成立了Renaissance Institutional Equities Fund 这里有几件事可以补充一点背景,解释他们为什么决定这么做,第一,有时候市场上会出现一些很赚钱的策略,但Medallion里的资本不够,没法充分利用,不过他们不确定这些策略是不是能长期存在,如果他们确信Medallion一直都能管理 100亿 150亿 200亿 250亿美元,那他们就会把规模做到那么大,但如果只是偶尔出现这些策略,他们就不想承诺,把基金规模长期提高很多,然后却不是一直都有这些策略可用,另一个问题是,很多时候这些策略并不是medallion 原本适合做的事,他们需要更长的持有时间,这也有一点坏处,因为这些新策略的预测能力会弱一些,他们必须预测更远的未来 [01:28:08]
Ben Gilbert:才能判断这些长期持仓的退出价格,但他们还是觉得,虽然这不完全是他们短期交易那套看家本领 [01:29:03]
David Rosenthal:应该也能靠它赚到一些钱,对,这里有个有意思的故事,是Peter Brown讲的,有一天Jim走进他的办公室,说Peter 我给你一个思想实验,如果你娶了Rockefeller家族的人,你会建议这个家族,把很大一部分财富投到SAP500里吗 Peter说,不会,当然不会,那不是很好的,风险调整后回报,这些人很习惯看到,远好于S&P的下谱比率,对于是Jim说,没错,那你现在就去设计一个,他们应该投资的产品,对所以他们最后做出来的东西,本质上就是
Ben Gilbert:我们能不能做一个类似S&P500 但下谱比率更高的产品,我们能不能每年跑赢市场几个百分点,或者说,坦白讲,就算每年只跟市场持平,但波动率低于买指数基金,也可以,你很容易看出这对谁有吸引力,养老金
Ben Gilbert:养老金,大型机构,想按市场收益率,或略高于市场收益率,复利增长的公司,都会感兴趣,他们不想承担巨大的回撤,或者坦白说,如果他们可能需要提前把资金取出来,他们也不想承受太大的整体波动,投资对冲基金,相比投资风险投资基金,有一个好处,就是可以赎回,你看 Renaissance Institutional Equity Fund 后来提交的13F 也就是SEC文件,就会发现它每个季度都在变,因为有人新投钱进来,也有人赎回,所以这是一个相当不错的产品,至少它背后的理论很不错,相对于SVP500 风险更低,回报相近,而且营销是自带的,想把外部资本投给Rentek的需求,从来不缺,这点特别有意思,很多故事都说,它的营销文件里,几乎是明明白白写着,这不是Medallion Fund [01:30:05]
Ben Gilbert:我们不承诺像Medallion Fund那样的回报,事实上,我们也不是按Medallion Fund那样收费 David 你刚才说Medallion的管理费和业绩,分成涨到了多少来着 5%和44% 而这支机构基金,收费是1%加10% 也就是每年只收1%的管理费,再收业绩的10% 很明显,这是一个非常不同的产品,但大家并不是这么理解的,大家特别兴奋,毕竟这是Renaissance的产品,用的是同一批分析师,也在用他们那些高级计算机,大家肯定会想,我们一定也能拿到这种疯狂的超额收益,但说到底,它是一种完全不同的投资工具,它的表现远远没有接近Medallion的表现,没错,它有没有完成自己的目的,有,但它是不是Medallion 不是,它并没有Medallion那种特殊性,对
Ben Gilbert:机构基金还有几件挺有意思的事,我花了很多时间翻Medallion过去十年的13F持仓报告,我想他们有两支机构基金,对,一支是Institutional Equities 另一支是Diversified Alpha 最好笑的是,他们提交这些13F David和我平时很习惯看节目朋友的13F 他们有些人经营对冲基金,也上过我们的节目,或者说只要你想看某个投资人,这个季度买了什么卖了什么就会去看,通常你会在里面看到15个25个,也许50个不同的股票名称,可Renaissance的13F里有4300只股票,每只都只是一小点仓位,而且季度之间还会有一点延续性,比如很奇怪的是 Novo Nordisk一直是他们最大的持仓之一,我说最大也就是1%到2% [01:31:54]
Ben Gilbert:连续好几个季度,这就是他们最大的仓位,他们肯定一直在听Acquired 这也是模型里的一个信号,你看这些申报文件,会感觉这些仓位其实一直在到处飞,这只是某一个时间点,他们决定截一张图,把它写到纸上,虽然这是季度末的持仓申报,但如果你早一天或者早一周去看,结果可能完全不一样,我们聊过的一些人是这么描述 [01:32:47]
David Rosenthal:机构基金和Medellin的区别的 Medellin的交易和持仓,平均持有时间大概一天,也许一天半,而机构基金的持仓,平均持有时间大概是几个月,所以在4300只股票的组合里,每天都会发生大量交易,但节奏慢得多,对任何单一股票来说,它都比Medallion慢很多,这也说得通,还是回到滑点这个概念,如果你的基金规模更大,投入金额也更大,机构基金就是这样,那你就不能那么频繁的交易,否则所有收益都会被滑点吃掉,坦白说,它看起来就很像标普500指数 [01:33:13]
Ben Gilbert:比如截至2023年11月,一年12个月已经过去了11个月,它们上涨了8.6% 听起来就是指数性回报,你再看2020年前4个月,也就是疫情导致市场疯狂下跌之后,它们下跌了10.4% 跌幅小于大盘,但整体还是像大盘的一面镜子,所以我觉得Reef 也就是它们的机构基金,确实按预期在运作,但它不是Medallion 如果它是单独存在的,我们绝对不可能在Acquired上,讲它背后的这家公司,绝对不可能,说到这支基金,它才是我们在节目里讲这家公司的原因
David Rosenthal:前面我们讲科技泡沫破裂时说过,波动性越大 Medallion越能发光,而2007年和2008年,几乎没有比这更剧烈的波动期了 2007年 Medallion的毛收益率是136% 2008年 Medallion的毛收益率是152% 这也太离谱了,太疯狂了,那可是2008年,整个金融世界都在崩塌 [01:34:29]
Ben Gilbert:这确实说明了,他们的钱是从哪里赚来的,交易对手是谁,对手是那些被情绪驱动的人,他们实际上有一套非常稳健,非常不情绪化的模型,在做极其复杂的多证券组合压住,他们会精确放上系统想要的那一组交易,以达到系统要求的风险和敞口,那这些交易的另一边是谁,是恐慌抛售的人,是牙医,是那些不相信自己电脑系统的对冲基金,他们会说,糟了,我们得把风险降下来,哪怕这对我们来说是一个负期望值的动作,他们基本上是在和人性做交易,还有一点很重要,这个业务和我们在acquired讲过的其他业务,或者大多数其他业务相比,真的是零和的,它不像某个增长性行业,很多竞争者可以用不同方法参与,而整个蛋糕增长得非常快
Ben Gilbert:所以我不在乎别人怎么做,这里不是,这里你是在争一个固定大小的蛋糕,我和别人交易,我赢,他们就输,这里有一个很小的细微差别,但我不知道他有多站得住脚,如果替他辩护 [01:35:48]
David Rosenthal:可以这么说 Warren Buffett可能在交易的另一边 Medea Allian可以在自己,一天半的时间尺度里,从和Warren的这笔交易中赚钱,而Warren也可以在他的时间尺度里赚钱,也就是你知道的时间 50年,这个说法非常合理,但我觉得反驳是 Medallion一天半之后,把它卖给了另一个人,而那个人是在更低价格买入的,所以在这条链上的某个地方,亏损总会被转嫁给某个人 Medallion的直接交易对手,以及整个量化行业的直接交易对手,未必承担亏损,但沿途一定会有人承担亏损,就像你说的,这是一个零和游戏 [01:36:01]
Ben Gilbert:但我觉得关键是,你和你的对手能不能同时受益,在这个例子里,你和你的交易对手,也就是跟你做交易的那个人,确实可以有两个不同的目标和结果,比如我能不能通过这笔交易,从Warren Buffett的身上多赚一分钱,当然可以,但他的策略决定了,这件事对他来说无关紧要,所以在金融危机期间,创下历史级表现之后,就像我前面提到的
David Rosenthal:Jim在2009年底退休 Peter和Bob在2010年成为联合CEO 也就是公司的共同负责人,他们接手之后,把投资组合规模提高到100亿美元 Jim任期最后几年,规模一直是50亿美元,他们把规模提到100亿美元,而且基本没有影响,我猜这说明Rentech变得更强了,模型也变得更强了,不然他们早就把规模提到100亿美元了 [01:37:08]
Ben Gilbert:他们更有信心了,认为自己有足够多能赚钱的交易机会,可以提高容量,同时不压低回报,也许他们更早之前就能这么做,只是当时没有信心,不确定规模变大之后还能不能奏效,但我敢说,他们非常清楚自己的策略,最多能做到多大规模,超过哪里之后收益会开始递减,重要的是,在波动率达到峰值的时期
David Rosenthal:比如2020年 Medallion仍然表现极其出色,至少从我们能找到的Medallion 过去几年业绩数据来看 2020年,它的费钱收益率是149 非费后收益率是76费,所以那种魔力还在,有一种看法,也许不是唯一答案,但我觉得,很适合用来比较 Jim时代的Medallion 和Peter Bob时代的Medallion 在Jim任期内,从1988年基金成立,到2009年他退休 Medallion的总IRR 是费前年化63.5 非费后年化40.1 飞,当然这里面包括很多业绩分成较低的时期,是20飞,而不是44飞,在Jim之后,也就是Peter和Bob时代,从2010年到2022年,这是我们能拿到的最新数据 [01:38:00]
David Rosenthal:ER是飞前年化77.3 飞,飞后年化40.3飞,所以两个口径都更好,哪怕平均费用高得多
Ben Gilbert:所以我觉得Medallion过得挺好,太惊人了,我们没法完全确认,有些来源说,过去几年,他们已经从100亿美元,增长到可以接受 150亿美元的基金规模,如果是真的,那就说明,他们还在Medallion里,不断找到更多有利可图的策略,在更大规模下,维持同样不可思议的回报,到头来,这一切都太疯狂了 [01:39:02]
David Rosenthal:Ben 你在节目开头,也稍微提到过,就我们能判断的情况看,也就其他人能判断的情况看 Medallion 到目前为止,绝对拥有历史上任何单一投资载体里,最好的投资业绩记录,那你把废后数字再说一遍,从Medallion诞生至今,也就是1988年到2022年,一共34年,它的总废后年化收益率是40非40 持续34年,扣费之后是40费,扣费之前是68费,按我们的计算,这相当于整个公司在基金生命周期内
Ben Gilbert:光业绩分成就拿了600亿美元,惊人,这是一大笔钱,另外David Rosenthal这次表格做得不错,你已经有一阵子没为节目做表格了,所以我很欣赏你这次的工作 [01:40:04]
David Rosenthal:我还记得怎么用Excel 勉强记得,有了Copilot和GPT之后,这门手艺很快就要失传了,好 600亿美元的总业绩分成 600亿美元总业绩分成,是一大笔钱,说到一大笔钱,在讲完这个故事之前,我们确实还得提一下 Rentag的钱,在社会上买到了很多影响力 Bob Mercer这个名字,很多听众可能一路听下来,会觉得耳熟 Bob是Breitbart和Cambridge Analytica的,主要资助者,也是2016年川普竞选,以及英国Brexit阵营的,重要金主之一,不过为了避免你以为 Rentag的钱只流向,政治光谱的一边 Jim Simmons也是民主党的,重要捐赠者 Rentag的很多其他人,也是 Henry Laufer和其他一些人,也是巨额捐赠者,金额大致和Bob Mercer 在右翼阵营投入的差不多 Rentai的员工和校友,在各个阵营
David Rosenthal:多个选举周期里,都投入了数千万美元,而且是很多个数千万美元 2016年大选之后,这件事确实成了,公司内部的一个焦点问题 Mercer显然成了,一个有争议的人物,不管是在公司外部,还是在公司内部,尤其是当人们意识到,他把Breitbart Cambridge Analytica Trump 当选和Brexit串在了一起,最后 [01:41:11]
Ben Gilbert:Jim在2017年要求Bob 卸任联合CEO Bob也照做了,但他仍然留在公司担任科学家,也继续为模型做贡献,只是从领导层角度看,他不再和Peter一起管理这家公司,最让我意外的是,这些人政治立场几乎可以说完全相反,却仍然能一起工作,说这是本世纪最保守的说法都不为过,而且他们在各自的政治体系里,都非常有影响力,也非常活跃 Bob Mercer已经不再是Renaissance Technologies的CEO 也不再是联合CEO 但他还在那里工作,仍然和公司有关联,他们也仍然都对彼此评价很高,这很出人意料,我觉得出人意料是最准确的说法,就像Renaissance的所有事情一样,它的运作方式和世界上其他地方都有点不一样,说到这个
David Rosenthal:我们转到分析部分,我有一小段挺有意思的独白 Ben 如果你愿意听我展开一下的话,我觉得,这可以算是Rentek的打法,但我更愿意把它想成一张 Rentek的挂毯,这里我是受Costco启发,因为我们做研究室跟一些人聊,大家都说 Rentek就是有这些拼图块,而且能拼在一起,表面上看 Rentek做的事,和Citadel D-Shaw 2 Sigma Jane Street 以及其他公司做的事一样,他们招来全世界最聪明的人,给这些人全世界最好的数据和基础设施,然后说放手去做,做出赚钱的交易,这两样东西都非常贵,全世界最聪明的人,以及最好的数据和基础设施,但他们也是商品化的东西 Citadel也可以说完全一样的话,这就像Walmart和Amazon也可以说 [01:42:26]
David Rosenthal:我们有大规模供应商关系,也会利用这些关系给客户提供低价,就像Costco一样,但我觉得真正的魔法在底层,有三件彼此高度相关的事,让Rentek变得独特,第一,他们能让全世界最聪明的人协作,而不是竞争,几乎所有其他金融公司里,员工和团队之间都会有某种准竞争关系,通常是比较友好的那种,但还是竞争,拿风险投资公司来说,一笔交易会有一个主导合伙人,或者一个交易团队,他们负责推进这笔交易,其他合伙人,可能会帮一点忙,但大多数时候,他们都在推进自己的交易,我觉得这已经是金融行业里,最同事友好的形式了,然后还有多策略对冲基金,那些地方,团队真的会被放在一起比较 [01:43:21]
David Rosenthal:看最终在公司的,交易模型里给谁更高权重,对,但在Rentek 因为它是一套模型架构,所有人都在同一个投资策略,同一套投资基础设施上一起工作,这意味着,每个人都能看到其他人的工作,在Rentek工作的人,不管是研究团队,还是基础设施团队,都能访问整个模型,这在别的地方并不成立,这是个好点,整个代码库都是完全可见的,而且这也意味着,因为只有一个模型,只有一个策略,当别人提升了这个模型的表现,这对你的影响和对他的影响一样直接,这和其他任何对冲基金都非常不一样,那如果我在自己工作的多策略对冲基金里,把一部分薪酬滚进去,为什么这就不一样,别的团队也做出很高的业绩,我难道不会高兴吗,当然会,但你不会像在乎自己团队那样在乎 [01:44:15]
David Rosenthal:但你不会像在乎自己团队那样在乎,因为不管从薪酬还是职业发展看 [01:45:06]
Ben Gilbert:你对自己业绩的依赖,都远远高于对别人业绩的依赖,对这点很重要,在大多数地方,大多数时候,你都默认自己这份工作之后,还会有下一份工作,所以你会在乎功劳归属,你会在乎把彩冠砸开之后,再去别的地方,或者先建立声誉,再去别的地方,但Rentag大多数人,不会再有下一份工作,你在LinkedIn上查到什么来着,员工的中位任期,至少好像是16年,对我刚买了LinkedIn Premium 可以看到中位任期,这个数字很夸张 Renaissance只有大概三四百名员工,按LinkedIn显示的数据
David Rosenthal:中位任期大概是14年,对,好,这就引到我的第二点,也就是你刚才说的,这是一支小的离谱的团队 Rentech的员工不到400人,其中只有一半做研究和工程,另一半要么是后台部门,要么是开放基金的机构销售,所以我们就算一算,真正直接握着Medallion方向盘的人,最多也就150到200人 Rantech的其他同类公司,比如Citadel D.E. Shaw 2 Sigma等等,再把Jane Street 还有Jump 这类高频交易公司,也算进来,这些地方至少都有2000到5000人,哇我没意识到规模有这么大,跟Rantech相比,其他公司参与这件事的,人数多了一个数量级
Ben Gilbert:除非你觉得这是由资金规模决定的,但不是,他们的机构基金也已经很大了,峰值超过1000亿美元,目前管理规模在600亿到700亿美元之间 [01:46:39]
David Rosenthal:这还不包括Medallion Fund里的那100亿或150亿美元,对所以AEM差不多是一样的,对,和那些大基金一样,这带来各种好处,第一,有点像Hermes Atelier手工作坊那种好处,每个人都知道彼此的名字,你认识同事的孩子,也认识同事的家人,他们网站上直接写着,公司有90位数学
Ben Gilbert:物理,计算机科学,以及相关领域的博士,关于我们的页面上,有10个有点随机的要点,其中一个就是这个,还有一个相关的点,这家公司在Long Island 一个很偏的地方 [01:47:17]
David Rosenthal:你真的会认识同事的家人和孩子,因为你不会跑去New York City 跟Two Sigma的人喝酒,你不会跟别人交换情报,也不会跟别人互相攀比,谁更厉害,你就是在游泳池边
Ben Gilbert:跟同事一起待着,完全是Renaissance Technologies 又不从金融岗位招人,所以你大概率,也不认识其他金融圈的人,你原本来自科学相关领域,现在你在长岛的 East Setauke工作,那里大概只有一万人,甚至更少,所以你就在这么一个小镇里,你其实不怎么进城,就算进城,也不是去和其他金融从业者喝酒,所以就算你没有一份
David Rosenthal:好几页的敬业限制,也没有终身保密协议,你也很不可能,进入那些社交圈子,你就是接触不到那些人,而且Rentech招的是,成熟的科学家和博士,它不像Jane Street 或Bridgewater那样,从本科刚毕业的学生里招人 [01:48:10]
Ben Gilbert:我的感觉是,那里就像一个,没有学生的大学校园,你看过网上的照片吗,你在Google上搜 Renaissance Technologies 然后看他们园区的照片,那里有一个小院子,有弯弯绕绕的步道
David Rosenthal:周围都是树林,还有网球场,那么小团队这个因素,还有最后一块,就是它带来的财务影响有多大,我并不认为真有这种情况,但我们先假设,还有另一家量化基金,赚到的业绩回报金额和Rentac一样多,在Rentac 这笔钱是几百个人分的,在Citadel 这笔钱是五千个人分,那你就没有理由去别的地方
Ben Gilbert:我们为了准备这一期和一个人聊过,他告诉我们,你永远竞争不过他们,但他们会付你足够多的钱,让你根本不想走,这就说到我前面一直在铺垫,而且特别兴奋的那件事了,我认为 [01:49:02]
David Rosenthal:让Rentek如此独特,如此有防御性的第三块拼图,就是Medallion Fund本身的结构,它是一个LPGP基金,收5%的管理费,和44%的业绩分成
Ben Gilbert:所以它不是那种自营交易公司,也不是所谓proprietary的一锅钱,它真的就是GPLP结构,哪怕GP和LP其实是同一批人,我的想法是这样的,我不知道它实际到底怎么涉及
David Rosenthal:但整个44%业绩分成这件事,在研究过程中一直让我觉得不对劲,因为我一直在问自己,为什么,他们已经把大多数LP都踢出去了,如果不是全部的话,所以为什么还要提高业绩分成,对,全是他们自己,全是内部人,他们为什么要向自己收44%的业绩分成,和5%的管理费,我记得Jim讲过这件事,他说,我和所有人一样,也要交这些费用,对,这个说法总是很好笑,问题是,你到底把费用交给谁,所以我当时就在想,这到底是怎么回事,好,这是我的假设,这不是为了设置一个,离谱的业绩费,也不是为了拿到,全行业最高的业绩分成,这是公司内部的一套,价值转移机制,把价值从资深员工群体,转给当年正在为
David Rosenthal:Medallion Fund工作的当前团队,我觉得它的运作方式是这样,人们刚加入Rentec的时候,财富显然比已经在那里,待了很久的人少得多,一方面是因为你每年在那儿,工作能直接拿到回报,另一方面也是因为你在 Medallion Fund里的投资比例,顺便说一句,我记得他们还把纽约州政府,或者联邦政府告上过法庭,目的就是让Rentec的401k计划,可以投Medallion Fund 不会吧,所以如果你在那里工作,你的401k就是Medallion Fund 这太夸张了,所以真的不用几年,你就够一辈子用了,完全是,我的意思是,看你怎么定义,够一辈子用,但我觉得这件事,会非常非常快发生,既然如此,问题就来了,你怎么避免一群,有才华的年轻人 [01:50:36]
Ben Gilbert:自己分出去,再开一个自己的Medallion Fund 尤其是他们还能访问,整个代码库,整套机制,本来就像一个大学数学系一样运转,所有人都在持续共享知识,因为大家一直共享全部知识,才会产出更好的,经过同行评审的研究,你会觉得,把所有钥匙都交给每个人,这件事风险极高,所以我认为,真正起作用的,就是44%业绩分成这个结构 [01:51:28]
David Rosenthal:因为它基本上是在说,每年先收5%管理费,也就是先从总额里拿走5% 然后再拿业绩的44% 假设Madeleine Fund大概每年翻一倍, 我们粗略一点, 把它们直接加起来, 算成49%。也就是说, 任何一年里的经济回报, 49%流向当前团队, 51%流向资深员工群体。我当时就在想, 这相当于什么?我觉得有点像学术界的终身教职机制, 你在公司待得越久, 你的重心就越偏向LP那一边。你在公司越年轻, 你的重心就越偏向GP那一边,但归根结底,它是51比49 所以这里有一个非常自然的价值转移机制,让当年实际工作的人始终有极强的激励,而随着你待得越来越久
Ben Gilbert:你其实是在付钱给更年轻的同事,让他们为你工作,这个说法挺有意思,我觉得把它设计的像大学院系里的终身教职体系,是一个很好的洞察,我一直在问自己 [01:52:46]
David Rosenthal:为什么,为什么,为什么在没有外部LP的情况下,他们还要这么设计,这是我能想到的最好解释,而且我真觉得这有点天才,这笔所有钱都属于某一个人,然后他每年决定给现有团队发奖金,给到足够多,确保把人留住,要优雅得多,我觉得大多数自营交易公司,就是这么运作的,比如Jane Street 基本上就是自营交易公司,我理解主要用的是合伙人自己的钱,但那是一种静态状态,不是说如果真是那样 Jim就会永远拥有这个东西,而在Rentech 我觉得不是这样 [01:53:00]
Ben Gilbert:所以本质上David真正神奇的地方是,他们只有一支基金,而且是长期长青的,你刚加入公司时,拿到的基本只是业绩分成那一部分,但随着时间推移,你会成为公司里一个有实质分量的投资人,你的位置会逐渐转向那51% 你更像是LP 再往后,你最终会完全毕业退出,只剩下LP的身份,所以你说的对,这是一个价值转移机制,他把价值从老一代转给新一代,而且方式清楚,容易理解,相比于我是老板,我随意给每个人发奖金,这种方式可能还有税务优势,到最后
David Rosenthal:我觉得这三件事,对我来说,就是Rentek这张置景的核心,第一,大家一起写作,围绕同一个模型工作,第二,团队极小,彼此都认识,而且我们任何一个人,给这个模型带来的财务影响,对所有人都有好处,第三就是这个LPGP模型,配上非常高的业绩分成费用,它同时给新加入的人才,和逐渐退出的老人才,创造了正确的激励 [01:54:18]
Ben Gilbert:我觉得是这样,还有几个故事里的部分,我们前面一路跳过去了,因为实在没有特别合适的位置放进去,但这些都是客观上非常迷人的历史事件,完全值得知道,第一个叫篮子期权,时间是1992年 Rentai已经有13年时间知道,自己基本上拥有一台印钞机,那么当你有一台印钞机时,应该做什么,加杠杆,但像这样的公司,在能加多少杠杆上有各种限制,你不能直接说,我这里每一美元的股本资本,都要去借100美元,所以你得想点巧办法,从银行或者任何贷款方那里,借来一大笔钱,基本上就是放大你的回报,前提还是一样,你真有一台可靠的印钞机,大多数人没有,大多数人可能不该加杠杆,因为他们把一切搞砸的概率,和成功的概率差不多,所以
Ben Gilbert:篮子期权,我直接读The Man Who Solved The Market里的原文,因为Greg Zuckerman写得太到位了,篮子期权是一种金融工具,它的价值和某一组特定股票的表现挂钩,大多数期权基于单只股票,或某一种金融工具,而篮子期权连接的是一组股票,如果这些底层股票上涨,期权价值就会上升,这就像拥有这些股票,但实际上并没有真正持有,事实上,银行当然是出借资金的一方,也是把钱放进篮子期权的一方,他们在法律上拥有篮子里的股票,但从所有实际效果看,这些股票都是Medallion的财产,所以这个设计非常聪明 Medallion的说法是,我们要加杠杆的方式是,有一个篮子,我们有购买这个篮子的期权,这个篮子里的大部分资本,实际上是银行的资本 [01:55:40]
Ben Gilbert:但银行聘请我们来交易,篮子里的这些期权,然后过了一年,长期资本利得税规则开始适用时,我们就有权买下这个篮子,总之 Medellin的电脑一整天,都在向银行发送自动化指令,有时频率按分钟算,甚至按秒算,这些期权,让Medallion能借到远超正常允许额度的资金,竞争对手通常每一美元现金,对应大约7美元的金融工具,相比之下Medallion的期权策略,让它每一美元现金,可以对应12.5美元的金融工具,这样只要他们还能不断找到,有利可图的交易,就更容易碾压对手,当Medallion发现特别诱人的机会时,它还能提高杠杆,做到每一美元现金接近20美元资产 2002年 Medallion管理的资金超过50亿美元,但它控制的投资头寸超过600亿美元 [01:56:33]
Ben Gilbert:David 这揭示了我们在这一集还没有讲的一点,不是说他们只能找到,价值50亿美元的有利可图交易,而是他们想把这50亿美元狠狠加杠杆,找到600亿美元的有利可图交易来做,篮子期权给了他们一个合法方式,让他们能获得惊人的杠杆,而且他们觉得,这种方式是安全的,如果不加杠杆,照这个策略跑,回报会低得多,所以这套答法里,我们之前没讲到的,一个重要部分,就是杠杆,但每一家量化基金,都会用杠杆 [01:57:27]
David Rosenthal:所以Renaissance 只是比其他,所有人更聪明,不过这是很重要的一点,我们在Quiet覆盖的公司里 10家公司有9家,杠杆在故事里,完全不是一部分,对我们这种来自科技 [01:58:02]
Ben Gilbert:和风险投资世界的人来说,杠杆像是一个脏词,我会害怕它,你可以想象一下,假设他们不是50.25%的时间判断正确,而是50.0001%的时间判断正确,那他们就需要做海量交易,才能产生足够多的利润,所以你需要600亿美元现金,才能真正执行这个策略,做出他们想要的回报,而自有资本只有50亿美元,另外这里还有第二章,拿到这么多杠杆当然很好,这是其中一部分,另一部分是,他们认为这是一个税务效率非常高的工具,他们报税的方式大概是这么说的,没错,那个篮子里确实有东西,但我们真正拥有的是买入或者卖出那个篮子的期权,我们大概每13个月才行权一次,具体数字我不确定,但差不多就是超过一年,所以我们是在买一个东西持有一年,然后卖掉,当然篮子里面发生了几百万几百万笔交易
Ben Gilbert:但我们并不拥有那个篮子,银行才拥有,我们只是给银行提供建议,你大概能看出这里的逻辑,随着时间推移,最终到2021年 Iris说,不行,那些交易都是你们做的,那不是一个完全独立的实体,所以你们欠了68亿美元税款没有缴,你们需要连本带息,再加罚金一起补上,顺便说一句 Jim Simons 我们希望你和另外几位合伙人,真正承担这笔负担,他们也确实承担了,单就Simons一个人来说,他因为这个篮子期权策略,向IRS补缴了6亿7千万美元税款,这个策略最后被认定并不是长期资本利得,好,现在说说这家公司今天的数字,然后我们再进入Power和Playbook 今天我们讲了Medallion 规模按不同说法,是100亿到150亿美元 [01:59:10]
Ben Gilbert:历史上它更接近50亿到100亿美元,机构基金大概是600亿到700亿美元 [02:00:04]
Ben Gilbert:机构基金大概是600亿到700亿美元,一度达到1000亿美元 David 你刚才说总共创造的业绩,分成是600亿美元 Forbes估计 Jim Simons个人今天的身家,大约是300亿美元,这也基本能和多年来的,其他数据对上,因为他大概拥有 Renaissance的一半,回报就不用说了 Medallion Fund 从1988年到2020年,年化回报大约是66% 扣掉这些费用之后,大约是39% 太离谱了,还有一个有意思的点,我做了一个假设情景,想看看Renaissance这家公司,一年收入到底有多少,机构基金这边,我们就按600亿美元资产的10%算,那就是6亿美元管理费,再加6亿美元业绩分成,所以机构业务,每年给公司带来12亿美元收入,因为我总会问自己一个问题
Ben Gilbert:这块业务到底重要吗,他们花这么大力气,把机构业务做起来,有人在乎吗,那我们再假设Medallion 在150亿美元规模上,做到它平均的66毛回报,这对应7亿5000万美元管理费,以及43亿美元业绩分成,所以Medallion总共是50亿美元,机构业务是12亿美元,当然,员工就是Medallion的投资人,所以你也可以说,把他们切开,其实挺没意义,但不管怎么说,这是一家年收入 70亿 80亿 [02:01:00]
David Rosenthal:90亿美元的公司,对,因为这里还没算Medallion的LP回报,没错,没算,而且我们刚才花了很长时间讲,本质上这些都是同一件事,但把这个数字放在脑子里
Ben Gilbert:拿它和其他公司对比一下,还是挺有意思的,这是一家一年收入七八十亿美元的公司,我觉得他们在基础设施上也有大量开支,完全是我也想讲这个,就拿Medellin自己来说,他们有七亿五千万美元管理费,我不觉得他们一年的费用会接近七亿五千万美元,但他们确实在运行某种基础设施,谁知道是什么,可能是某种超级计算机群,运行一个Amazon数据中心要花多少钱,我的意思是,他们的规模应该小得多,我不知道,这里的数据量确实很大,他们网站上就写着,他们有5万个计算核心,全球连接带宽是150Gbit每秒,还有一个研究数据库,每天增长超过40太字节,这数据量很大,这要不要7亿5000万美元一年,我不知道,但肯定不是零,我觉得不至于
David Rosenthal:他们当然不会在管理费上亏钱,但这门生意确实有实打实的硬成本,对我也在想Medallion的管理费部分,会不会基本上就是用来支付现有团队的基本工资,这个感觉挺合理 [02:02:36]
Ben Gilbert:如果你以前做过数据中心建设,或者有什么办法能反推出Medallion在算力,数据和网络方面的运营成本,我们很想听听你的看法,邮箱是Hello at Acquired FM Hauer Hauer 这一段会很有意思,对新听众说一下,这是Hamilton Helmer 在Seven Powers这本书里的框架,他问的是,什么东西能让一家公司,持续获得差异化回报,也就是,为什么它能长期比,最接近的竞争对手更赚钱,这七个Power分别是,反定位,规模经济,转换成本,网络经济,流程力,品牌,以及垄断资源 David 我想用一个问题,开启这一节专门问Rentek的,终身敬业限制,这感觉是他们维持竞争优势的,一个重要原因
David Rosenthal:我想知道你是否同意,如果同意你会把它归到,哪一种power下面,我觉得这是终身保密协议,再加上敬业限制,期限是在纽约州,法律允许范围内尽可能长,但这并不是真的终身,我听过各种说法,六年五年差不多这样,到头来敬业限制,更像是看哪一方,愿意为这件事打官司,但现实是,人们不会离开,就是不会离开,尤其不会离开之后,再自己开公司,我半夜还在想这件事,我觉得Rentech这里,真正起作用的敬业限制,有三层,第一层是法律层,也就是你说的基础层,是你签的那些协议,第二层是经济层,我们在Tapestry那里,花了很长时间聊过,离开其实很不划算,留在那个团队里,跟更少的人一起分收益 [02:03:41]
David Rosenthal:比去2Sigma这种,人数多得多的地方更好,我觉得这是再往上一层,最高那层,可能就是社会关系层,你在那里,身边是世界上,最聪明的一群人,氛围又很像,同事共同协作,大家都很努力,做的事情,还会直接影响到你自己,那就是你的社区,对,那就是你的社区,你不在纽约市,不在汉普顿,也不在硅谷,你是主动选择进入这种环境的,如果这就是你想要的,那世界上还有什么地方比这里更好 [02:04:35]
Ben Gilbert:那你给它分类吧,这属于哪一种力量,我觉得你说的对,我自己列的最大一个也是流程力,你真的可以发展出一套很复杂的知识,知道一个系统到底怎么运转,然后围绕它建立流程,这些流程到了别的地方很难复制,我觉得这些系统也是一层一层叠起来的,过去五年里进公司的人,没有谁知道它从头到尾是怎么运作的,我没有找人核实这一点,但它有超过一千万行代码,这个系统复杂到什么程度呢,它什么时候下单,做什么交易,为什么做,速度要多快,我其实不认为有任何一个人,能把整个模型完整装在脑子里 [02:05:13]
David Rosenthal:所以我觉得这里有流程力,因为这是三十多年积累起来的复杂性,我完全同意,尤其是在模型本身上,也许你还可以说,这个模型是一种垄断资源,我要说的是
Ben Gilbert:数据才是垄断资源,模型我不敢确定,当然你也可以说,知道那一千万行代码到底在做什么,这本身就是模型,但我真正觉得关键的是,他们有干净的数据,而且一直在搭系统,世界上最优秀的博士都在思考,怎么清洗数据,这个工作一点也不性感,可他们很可能拥有一座历史市场数据的宝库,而且格式是最好的,别人没有,这才是真正的垄断资源 [02:06:06]
David Rosenthal:这里我有几个细微的看法,第一,我觉得他们的数据,可能确实比任何其他公司都好,这要归功于Sandoz-Strauss 以及他从80年代就开始做的工作,当时几乎还没有别人真正在做这件事,所以他们有这东西,其他公司没有,话虽如此,其他所有量化公司,当然也在往这方面投入难以估量的资源,他们都想做这件事,而且钱不是问题,我为了这期节目,跟一些人聊过,有不止一个人跟我说 Rentek的运作方式,可能有两种,第一种版本是,他们在20多年前,发现了某个永恒的秘密
Ben Gilbert:然后这20多年,一直靠它交易,也就是说,某几类股票之间,存在一种特定关系,他们一直在利用这点,除了他们以外,没人能搞明白,这完全有可能,这不是很疯狂吗 [02:07:13]
David Rosenthal:当然Rentek会说,他们所有人都会说,这绝对不是他的运作方式,完全不是,但如果他真是这么运作的,他们当然也还是会这么说,因为他们不想让任何人知道,别去看大豆期货和GM之间的关系,千万别看,所以我们先承认,这种可能性也许是真的,不过更可能的情况是 Rentac自己说的是真的,也就是说没有什么圣杯,我们在这里做的是,每两年一个周期,持续不断地,把整个系统彻底重做一遍,两年这个说法,是我听到的大概周期,模型大约每两年,会完全重构一次,不是说每隔两年,到某一天才重构,它每天都在重构,但整体看,大概是一个两年周期,那这反过来也说明,如果有五个人离开,他们也许真的可以,把它重新做出来
David Rosenthal:他们需要的只是数据,这也说明,也许这里其实没有,真正的垄断资源,不管是模型本身,还是数据 [02:08:22]
Ben Gilbert:可能都不是,但我打赌数据是,假设你已经在那里工作了十年,你并不知道1955年的大豆期货数据,当初是怎么进到数据库里的,就算你习惯使用那些数据,也有能力去别的地方重建模型
David Rosenthal:你也不知道它最初是怎么被找到,怎么被放进去的,我觉得这个说法有道理,关于数据,也许还有一个观点,那些更老的数据是有帮助的,但随着市场演化,它的价值会随时间衰减,肯定会,我想说的更大一点是,其他所有大型量化公司,也都在这类东西上,花数亿美元,甚至数十亿美元,大家到处都在找另类数据
Ben Gilbert:像Bridgewater这样的公司,会为一些你做梦都想不到,可能会影响股市的东西花大钱,可他们确实会为这些东西,花几百万几千万,甚至几亿美元,所以我觉得 [02:09:09]
David Rosenthal:规模经济肯定可以排除,真要说的话,这里反而是反规模经济,对,这里完全是规模不经济 IM太大之后,你的策略就会失效,还会有滑点,我也不觉得这里有什么网络经济,我的意思是,他们基本上真的不跟任何人说话,不过他们确实和电子券商,以及交易执行链条上的不同参与方,有些很成熟的关系
Ben Gilbert:我觉得他们的交易执行很好,市场数据也非常快,他们从市场里提取数据的能力,质量非常高,但你觉得,这真的比竞争对手更好吗,我不知道,那大概不是他们的秘密武器
David Rosenthal:我也不觉得是,这是基本门槛,转换成本,我觉得不适用,品牌可能有点作用,体现在他们为机构基金募资的能力上,但那不是业务里的大头 [02:10:02]
Ben Gilbert:机构基金的费用收入,可能完全来自品牌,是的,但我觉得,有很多公募股票公司,也有很多对冲基金,都有很强的品牌力,他们平均下来就是市场回报
David Rosenthal:下谱比率还不错,也能募到钱,因为他们建立了品牌,风险投资公司也是一样,完全是,所以在我看来,这就剩下反定位了,我其实觉得这里有一些反定位,而且我觉得我们会连续两期,都讲大规模的反定位,说说你的反定位,谁被反定位了,是以什么方式,是他们在市场里的直接竞争对手,也就是其他量化公司,我说直接竞争对手,当然不是只挣LP的钱,我指的是同一类交易活动,就像他们交易里的对手方,我觉得他们不是对手方,我觉得他们都在试图利用,类似类型的交易机会,真正的对手方,是那些人,是他们占便宜的牙医们,不过量化基金之间,也经常互为对手方,这倒是真的,不过我觉得,是的,他们在寻找类似交易机会时
David Rosenthal:彼此算是对手,至于Rentech 或者更具体说Medallion Fund的反定位,我觉得第一点是单一模型路线,相比大多数其他机构采用的多模型,多策略路线,确实有好处,就像我刚才讲那套拼图时说的,但我觉得还有一点,也许更重要,就是Rentek的所有激励,都完全对齐到一件事,为了业绩表现,优化基金规模,几乎其他地方都不是这样,我觉得他们比任何人都有更强的激励 [02:11:21]
Ben Gilbert:去真正最大化自己能做到的业绩表现,虽然资金进来更多,管理费收入也会继续增加,但他们有一种很独特的激励机制,让他们不愿意为了多赚这些费用,而接受业绩被拉低,尤其是因为GP和LP两边,基本都是同一批人,我们一直在围着这个点打转,反定位这个说法我大体能接受,但我觉得这里的答案简单的令人不爽,也有点烦人,他们就是在这种特定的数学和机器学习上,比所有人都强,而且做得更久,所以他们会一直赢你,这也是我从别人那里,听到的另一个说法 Rentek本质上像一个数学系,而其他公司不是这样,也可能是文化,对也可能是文化,说真的,可能就是他们的文化,被设计成一种,能持续吸引合适人才的方式,而且用一种
Ben Gilbert:有点假力他的方式激励他们,比如,这里就是一个很有意思,很适合我做研究的地方,最后结果当然是赚得非常多,但我不会去Citadel工作,我觉得有可能 [02:12:47]
David Rosenthal:所以这也许会进入流程力,对我来说,这是流程力和反定位的某种组合,我不觉得是其他那些力量,对我来说,是流程力和垄断资源,这个我认
Ben Gilbert:还有一件事 Seven Powers没有涵盖,就是战术,也就是执行 Seven Powers的核心,就是战略不同于战术,我觉得Rentek可能确实长期在执行上超过竞争对手 [02:13:12]
David Rosenthal:这里面有一部分就是他们比你聪明,如果你相信那种说法,也就是整套东西每两年都会被持续重做一遍,那确实是这样,而且还有残存下来的知识
Ben Gilbert:比如你从1964年之类的时候就开始搭机器学习系统,那你今天肯定会很擅长机器学习,过去15年里一直跟你一起工作,学习你们历史知识,在你们系统里做事的那些人,也会比外面很多人,更擅长机器学习,那些外面的人,可能只是因为新热点来了,才被激发出来,开始学机器学习,所以我的答案是,学习会复利,好,进入playbook 除了你编织出来的那套,三部分David Rosenthal拼图之外,我没有更多要补充的了,我觉得还有几件事值得讲,第一件事,信号处理,就是信号处理,就是信号处理,他们不关心底层资产,所以他们真的不是,按基本面来交易,除了Institutional Fund 会稍微按一点基本面交易,他们在Institutional Fund里,会用市盈率之类的东西,这挺有意思,因为那其实是一套完全不同的技能
Ben Gilbert:但如果只看Medallion Fund 它处理的全都是抽象数字,你其实不需要关心这些数字背后是什么,你只需要看数据之间的关系,不管是线性回归,还是他们做的那些更复杂的方法,一旦把问题还原到这个层面,他们就很厉害,因为他们可以从任何领域招人,一个人过去是怎么做复杂信号处理的,并不重要,可能他是天文学家,试图给一张所谓的,极远恒星的照片去造,也可能他做过自然语言处理,本质上都只是信号 Jim Peter还有其他人被问到,为什么他们只招学术界的人 [02:14:29]
David Rosenthal:不招华尔街之类的人时 [02:15:09]
David Rosenthal:不招华尔街之类的人时,会说一句特别好笑的话,他们说,我们发现教聪明人做投资,比教投资人变聪明更容易,也就是教他们怎么变聪明,这就很荒谬,他们根本不教任何人投资,他们只是在做信号处理,我敢打赌 Rentek研究团队里,至少一半人都看不懂资产负债表,特别有意思
Ben Gilbert:一大群人在投资行业里工作,但他们没有一个是投资人,还有一个点,你可以判断它合不合适,我一直在想复杂适应系统,自从几年前,我们请NZS Capital的人,上节目,读了他们的文章,还有Santa Fe Institute 关于这方面的研究之后,这个概念就一直在我脑子里,在一个复杂适应系统里,你很难真正理解一件事,会怎样影响其他所有事,因为核心问题是,这些关系在组合上复杂到,你没法确定地说,这一件事就是另一件事的原因,就像蝴蝶扇动翅膀,但实体之间确实存在关系,只是你从表面上理解不了,也看不见,你还记得很早以前,我们做第二期NVIDIA节目的时候,我开头讲过一个想法吗,我小时候总是看着火响,如果你真的知道木头里原子的组成,真的知道风是怎么吹的,也真的知道所有这些条件
Ben Gilbert:那你能不能真的把这团火建模出来,我小时候总会下意识觉得不可能,但其实答案是可以,点燃这根木头之后,接下来三个小时会发生什么,这是可以知道的,你也可以精确看到火焰会怎么变化,我觉得Runtek基本上没有把市场也做到这一步,他们不能预测未来,但如果他们有50.01%的概率是对的,那他们就可以在某种程度上面对一个复杂适应系统,然后说我们其实不在乎它是不是复杂适应系统,我们的模型已经足够理解这些实体之间的关系,所以我们会把模拟跑很多很多次,在一遍又一遍的小小抛硬币里,只要我们有一点点优势,就能从里面不断捡到那些小钱,最后赚到足够多的钱,从这个意义上说,他们可能是全世界,最接近真正预测市场,这个复杂适应系统,会如何运转的人,当然 [02:16:30]
Ben Gilbert:我不觉得他们能把原因反推出去,没有人能解释清楚 [02:17:23]
David Rosenthal:但我觉得他们的计算机可以做到,我听Rentek的人谈这个时,他们基本都会说,模型其实并不理解市场,但模型可以预测,而且我们对它关于市场,会怎么走的预测,有足够信心,所以我们会依赖它,至于他理解还是不理解,其实不重要,他说不出为什么,但这没关系,但他确实知道自己有一点点优势,所以他就应该据此交易,哪怕他解释不了原因,说到模型,我一直想把这个问题的答案弄清楚,你觉得Rentek是机器学习的发源地吗,这个问题真的很难回答,我们其实给几位朋友发过邮件,他们是非常知名的AI研究者和AI史学者,我们就问了这个问题,他们给我们的答案并不意外,他们说我们不知道,因为Rentek什么都不分享,这些原则,当然来自同一个数学共同体,而这个共同体
Ben Gilbert:也孕育了机器学习,但Rentek过去几十年,摸索出来的东西,存在于Google的 Gemini模型和ChatDpt里吗,不存在,因为他们没有把,任何研究贡献回去,也许真实情况是 Rentek其实早就领先所有人,已经有了某种强AI 或者某种比今天外面这些AI 都复杂得多的东西,他们只是选择把它关起来,自己独占,用它赚很多钱,也可能Renaissance 只是尽可能多地吸收,非结构化数据,他们只是比其他人,早了一二十年意识到,你可以使用,非结构化,没有标注的数据,只要数据足够多,在LM的场景里,你就能让它说出,听起来正确,听起来像真的话,而在这些交易的场景里,你就能让它,在超过50%的时间里作对,做出听起来正确的交易,他们在所有人之前,就搞明白了,这个大型无监督学习的东西,一直到去年 [02:18:21]
Ben Gilbert:AI时刻到来之前,都是这样,如果真是这样,那我们对各种powers的答案,就应该非常不同,为了说明这一点,有个事实很有意思 Peter Brown的博士导师,是Jeffrey Hinton [02:19:15]
David Rosenthal:对,我特别高兴我们提到了这一点 Rentek诞生的那个环境,和AI诞生的那个环境,是同一锅汤,是同一批人,同一个社交圈,也是同一批学术群体,还有一个人
Ben Gilbert:可能有人会问,你为什么这么说,我把它说得更明确一点,另一个博士导师,也是Jeffrey Hinton的人,是Elia Suskever 也就是OpenAI的联合创始人,当然这是很多年以后的事,但仍然是同一条线
David Rosenthal:这就像我们刚才说,马尔可夫模型,和引马尔可夫模型一样,那是Rentek的基础,那也是今天AI 和生成式AI的基础之一,另一个很重要的点
Ben Gilbert:是你应该基于一个,别人没有用来交易的秘密来交易,表面上看,这听起来很明显,我当然应该想出某种,别人没有用的交易策略,但我刚才说了几个词,我当然应该想出,问题就出在这里,我觉得大多数投资公司,都是先从人那里拿想法,再做极其严格的数据分析,判断这些交易到底该不该做,我可能说错,但我不认为今天的Rentek是这么做的,我认为他们所有的投资想法,都来自数据,来自信号处理,所以他们会做一些,直觉上完全讲不通的交易,当你做的交易既赚钱,又完全不符合直觉,你就不会有竞争对手,如果你发现两个东西之间,有某种关系,而这种关系人类根本想不出来,甚至做梦都想不到,而且我们说的还不只是两个东西,而是N个东西,比如10个20个100个,它们在不同权重 [02:20:07]
Ben Gilbert:不同时间尺度下互相关联,这就是利用一个别人不知道的秘密,并在市场里击败别人的杀手机配方,这个点太好了,其他很多量化公司 [02:21:01]
David Rosenthal:甚至大多数量化公司,并不是这么做的,有些可能是,但我觉得大多数情况下,是模型提出一些建议,然后有一个人或者几个人,作为真正的投资组合配置负责人
Ben Gilbert:来决定扣不扣扳机,我想把这个例子说得特别直观一点,因为人的自然反应会是,我能理解为什么这两个东西会有关联,但那个关系未必是你以为的那种,比如有两个东西总是一起动 Tesla股票和小麦期货,因为人类天生会讲故事,所以你可能会在脑子里编出一个故事,解释为什么它们会一起动,如果你相信这个故事,你可能还会判断,到了某个日期,它们就不该再一起动了,但真实原因很可能是,另一个大型对冲基金,刚好同时持有这两个东西,他们在平衡的时候,就会让这两类资产一起动,可你根本不会想到这一点,你会以为这两个东西之间有直接关系,而不是因为某个别人同时持有它们,所以市场上同时出现了,这两边的流动性,所以我觉得Rentag某种程度上承认了,我们根本不知道任何东西
Ben Gilbert:为什么真的有关联,但这不重要,对完全是这样,这也是我做研究时很意外的一点 [02:22:20]
David Rosenthal:我原本以为整个量化行业都是这样,后来发现,我相信不是,基本上只有Rentech是这样,可能还有另外少数几家,好,进入价值创造和价值捕获,这一部分之前
Ben Gilbert:我先抛一个,有点挑衅的说法 David Renaissance Technologies 其实不在投资生意里,他们做的是赌博生意,更准确地说,他们是庄家,我本来以为,你要往另一个方向说,如果是那个方向
David Rosenthal:我会完全同意,他们确实不在投资生意里,他们根本不知道,怎么投资,是模型指导,我会这么说,他们不是投资者,也不在投资生意里,在他们交易的市场里
Ben Gilbert:周围当然一直有人在投资,但他们进入这些市场,并不是以投资者身份来的,他们更像是在那里,开了一家Caesar's Palace 让所有人进来和他们做生意,而他们自己有一点点优势,他们有时候会输,但大多数时候会稍微领先一点,假设他们判断正确的概率是50.01% 那么这些年来,他们就是向所有愿意和他们交易的人,收取自己的抽水,一旦规模做起来,这套方法真的奏效了 Jim Simons设法,从所有跟他交易过的人那里,把300亿美元,抽进了自己的口袋,我觉得你要说的 [02:23:07]
David Rosenthal:可能和Caesar's Palace 或赌场有点类似,他们不在投资生意里,但他们提供了一种服务,当然,你是想往这个方向说吗,投资生意这件事
Ben Gilbert:其实取决于,你怎么定义投资者,如果你想把定义说得很高雅,我在这个例子里,其实就是有点这么做,那么投资者就是给一家企业提供资本,尤其是风险资本,让这家企业未来,以某种方式创造价值的人,或者你把钱借给某个,有内在价值的底层资产,让他能用这笔资本,变得更有生产力,并给你这个投资者带来回报,当然,很多被称为投资的东西,并不是这个意思,如果我把钱投出去之后,拿回更多的钱,但我其实不关心,钱是怎么赚来的,而且这本质上是零和的,这算投资吗,我只是把钱从别人那里吸走,对,对,这些钱并没有被投入到,什么东西里用来生产,没错,但它的商业模式,字面上就和赌场一样,你有一点点优势,然后让一大群顾客进来
David Rosenthal:把钱输给你和你的那一点点优势,我刚才说服务提供者,是因为,我觉得赌场也是服务提供者,赌场给客户提供的是娱乐,所有人都知道,游戏规则对赌场有利,类似地,我觉得你也可以说 Rantech 以及所有类似的量化公司,都在给市场提供一种服务,他们让人们想做的交易发生得更快 [02:24:50]
Ben Gilbert:而且买卖价差低得多,这就是无可否认的一点,量化基金确实在这个世界上创造价值,我觉得人们很容易说,量化基金不提供任何价值,因为它看起来像零和游戏,他们并没有真的把资本提供给企业,让企业拿去做事,他们只是想做套利,或者做我们这一期聊过的那些策略,但你说的完全对,市场流动性本身是有价值的,让一个市场有更深的深度,就意味着,如果我们回到Renaissance刚创立的那个年代,散户绝不可能像今天这样运作,今天大家可以零交易费,接近实时的投资各种不同公司 [02:25:16]
David Rosenthal:而且我们每一个人,几乎在一天中的任何时间,都可以买到几乎任何市场上的证券,基本上是瞬间完成,而且还能拿到非常非常细的价格,这些以前都不存在
Ben Gilbert:外面有一大堆量化基金,对冲基金随时愿意做任何想交易的人的交易对手,这件事本身就是一种服务,你说的对,而且他们也不全是medallion 他们其实并不都真的有优势 [02:26:07]
David Rosenthal:虽然他们可能会声称自己有,很多基金会把钱亏给你,很多基金确实会亏钱,各位听众,你们也有可能跑赢市场,这不是投资建议,请不要真的去试,平均来看
Ben Gilbert:Medallion不会把钱亏给你,但外面还有很多,其他对冲基金,高频交易公司和交易对手,你是有可能,从他们身上赚钱的,只不过那个人,不是Jim Simons 怪个书结尾,有一个特别精彩的小故事
David Rosenthal:那什么时候来着,是2010年代中期,市场某次抛售的时候 Jim当时已经,从Rentac退休很久了,他打电话给自己家族办公室的负责人,他说市场都在抛售,我们该怎么办,那感觉就像,你可是Jim Simons 你可是Jim Simons 我们该怎么办,我们该怎么办,所有人都会犯错,还有几个点也值得从这个角度看
Ben Gilbert:价值创造确实存在,你当然很容易批评,说这些聪明人全都跑去金融行业了,你希望他们去做一些,对世界更有生产力的事,但说到底,人类会去做那些激励他们去做的事,如果没有一个更大的,能强烈激励人们的全球性问题摆在面前,那他们就会按激励行动,你看第二次世界大战,当时人们的爱国主义,还有想把世界从邪恶中拯救出来的愿望,是一种巨大到不可思议的激励,真的能推动遗山一样的事情,当这种东西不存在,或者人们感觉不到,某种生死存亡的问题时,他们就会去做,对自己和家人最有利的事,如果他是一个帝国建设者,他就会去建立帝国,如果他是一个凶猛的资本主义者,他就会去赚很多钱,所以系统就是这样设计出来的,你当然可以对此感到生气,但在这个前提下 [02:27:13]
Ben Gilbert:人们会把量化金融,当成一个很赚钱的职业去做,幸运的是,这里面会产生很多有价值的东西,我觉得这点经常被忽视,这些非常赚钱的职业和业务,往往会产出一些研发成果,后来在别的地方也变得有价值,举个例子,我们刚做完NVIDIA的大系列,在大语言模型出现之前,你觉得Malinox主要是拿来干什么的,这个点真的非常让人震撼,他正好讲到价值创造和价值捕获,你来讲,交给你,其实也没什么复杂的,就是大量Infiniband被高频交易公司使用,我不能百分之百确定,但我多少觉得Malinox的业务,就是建立在量化金融之上的,这只是很多例子里的一个,当然这个说法也有边界,但我觉得大家经常忽略,这里面有很多技术创新,这些点都很好,他们在研究过程中都出现过,我完全同意,在我看来 [02:28:07]
David Rosenthal:说量化金融,没有为世界创造价值,是错误的,在我看来,他肯定创造了价值,但他创造的价值,真的有接近他捕获的价值那么多吗,问题就在这,他们真的非常非常擅长价值捕获,这里可不是Wikipedia 这件事在光谱的另一端,离Wikipedia要多远有多远 Always Sunny in Philadelphia里,有个很棒的桥段 Frank [02:29:00]
Ben Gilbert:也就是Danny DeVito 回到他80年代创办的某家公司,又穿上戏条纹,西装之类的东西,重新接管公司,他还带着Charlie Charlie就问他 Frank 这家公司到底是做什么的,我们在这里做什么,这家公司生产什么 Danny DeVito看着他说,你什么意思,我们赚钱啊 Charlie说,不是,不是,我是说,你们造什么,他说,我们创造财富,我觉得这就是,这里发生的事情,一个很好的梗,他们也非常非常擅长,价值捕获,好,熊市观点,牛市观点,这个环节我们保留了很久,但上一期没有放进去,结果大家意见很大,听众朋友们,非常感谢你们表达关心,熊市对牛市没有死
Ben Gilbert:熊市对牛市没有死,它回来了,像凤凰一样复活了,复活了,不过,这一期,大概是最不适合让它复活的一期 Rantech的牛市观点是什么,过去的表现,就是未来成功的指标,他们会继续吸引,全世界最聪明的人,他们还能继续保持自己,极其独特的文化,他们不会被诱惑,让机构基金业务变成主导业务,基本上牛市观点,就是继续照现在这样做下去,也许还有一点,他们其实仍然领先 [02:30:09]
David Rosenthal:这是Medallion里 GP和LP这些利益相关者的牛市观点,也就是全世界大概500个人,而我们其他人完全没法参与,熊市观点是
Ben Gilbert:事情正在变化,而且我觉得,只要任何一个维度在变化,对他们来说都可能是熊市观点,比如竞争对手正在追上来,也许是这样,也许科技行业已经搞明白了,这些大型语言模型,这件事会慢慢让别人,更容易和Rentek竞争,这条线很模糊,但确实说得通,也许Rentac其实比所有人早到了10年,而现在其他人也终于到场了,还有一些变化,可能发生在他们的文化上,比如Jim Simons已经离开很久了 Bob Mercer不再是联席CEO Peter Brown是联席CEO 他们刚刚宣布,让负责机构基金的人David Lippe 也成为联席CEO 所以,也许这里有一个熊市观点,公司里来自机构业务那一侧的人,正在成为现任联席CEO 如果你相信Medallion才是特殊的东西,而机构基金有点像这家公司身上的污点
Ben Gilbert:那它也许未来会成为CEO 用David的说法,他们就是Hermes Apple Watch表带,也许这就是一个熊市观点,也许还有一个熊市观点是,他们的人才正在变得和其他所有公司的差不多,你去LinkedIn上看,会发现Rentek里比较年轻的人,之前供职过的很多公司我都认识,而在过去,我觉得他们应该全都是刚从大学研究机构出来的人,所以如果他们真的开始出现,和其他公司一样的人才流动,那会让人担心,这些都是你可以编出来的叙事,但到底是真是假,我们其实完全没法知道,我们没办法知道这些事,因为这些事本来就没办法知道 [02:31:51]
David Rosenthal:对全都是秘密,好我们新的结尾环节,脑子里的那根刺,也就是我们的take away 那件你一直放不下的事,过去一个月,我们研究Rentek之后,各自心里留下来的那件事是什么,对我来说,也许从我刚才,关于Tapestry的那段小长篇里,已经很明显了,我只是觉得,这是一个非常有利的例子,说明激励有多强大,以及把激励设计,对设置对有多重要,文化也很重要,我不想低估这一点 Jim Simons搭建的那种文化,是把学术环境,像实验室一样管理,但又不让它滑向实验室那种无聊和散漫,换句话说,早期Google 对,就像早期Google 完全一样,从我们的研究看 [02:32:29]
David Rosenthal:历史上Rentech没有什么轻浮的东西,就我们目前能判断的,现在也没有,他们全都非常专注,而这对我来说,又回到了激励的力量,当你在那里,公司不到400人,研究和工程团队不到200人,和你一起工作的同事,就是你所做这一切的,唯一提供者,监督者和受益者,这真的太强大了,我想不出世界上,还有哪里像这样,也许有些风险投资基金,或者其他投资公司,有点类似,但他们不是这种,每天都在运转,完全流动,还能拿到这种回报的状态,没有任何东西像他,纯汽油,直接打进血管里,但这并不是说,我一定想在那里工作,我觉得我不会想,不过它确实独一无二,我一直忘不掉一件事 [02:33:22]
Ben Gilbert:就是我前面说的复杂适应系统,从外部能看到的一切来看 Renaissance真的搭出了一个大规模计算机系统,它能发现世界上不同实体之间的关系,比如股票,大宗商品,债券价格,不管它能不能解释这些关系,它大多数时候都是对的,哪怕只是略微超过多数也够了,因为只要多数时候对,你就能经营一门赌场生意,这就是我的结论,他们就是庄家,而且有优势,这个优势建立在一张关系图上,图里是这些实体之间的所有关系,我们以为那只是噪声,但他们知道哪里是信号 [02:34:12]
David Rosenthal:这就让人想到你刚才说的,科技行业这几年所谓追上来,这件事,现在有这些技术,有开源的东西,也有市面上能买到的工具,那今天要搭出这样的系统,到底还有多难,这就是看空理由,我也不知道,那接下来会怎样,既然它本质上是一个复杂适应系统,如果现在大家都能买到,也能搭出来,那回报率就会被套利压下去
Ben Gilbert:好了,我们来点好玩的,进入Carveouts 来点好玩的,好,各位听众,我准备了三个,大家一直说很喜欢Carveouts这个环节,所以我决定多装一点料,没错,我们就好好放纵一下,我们干脆拆出一个全新的播客,就叫Carveouts 44%的业绩分成走起,我有一个公告,一个电视剧,还有一个给听众的好玩东西,先说公告 David和我今年会再次主持 Modern Treasury Transfer 如果你对支付感兴趣,欢迎来参加,去年真的很棒,时间是2024年5月15日,地点在旧金山,我们会在show notes里放注册链接,很希望到时候见到你,等不及了,第二个是电视剧,而且其实和acquire有关,它叫The New Look 在Apple TV飞上,对但是Christian 这真是一个全新的Look [02:35:17]
Ben Gilbert:没错,听过LVMH那一期的人,应该记得,我们当时讲过 Christian Dior 做出的开创性事情,就是他的系列 The New Look 那是在二战之后,突然登上舞台的一次爆发,对生命的庆祝,那种军事化的,方方正正的服装时代过去了,现在登场的是这些诱人的,甚至可以说奢华的面料,战时配给结束了,没错,还有很有挑逗意味的群装 Apple TV这部剧是一部非常精彩的剧情片,会通过闪回讲Christian Dior Balenciaga Coco Chanel 在战时的经历,那些惊心动魄的战时经历,也讲他们经历了什么,以及他们的人生轨迹如何交汇 Coco也在里面啊,哇,他们是怎么处理这段的,如果很多人看了这部剧,我会很想知道,它会不会影响Chanel的产品销量 [02:36:12]
Ben Gilbert:也很想听听正在看的朋友怎么想,欢迎在Slack和推荐区里聊聊,你觉得它是一个值得同情的人物吗,还是一个反派式的人物,我很好奇 [02:37:06]
David Rosenthal:你们怎么看剧里对它的呈现,和现实之间的差别 Chanel这里还有一件特别离奇的事,公司最后被Chanel的香水部门买下,而香水部门背后,是纽约那两个犹太兄弟 Worthimers
Ben Gilbert:没错,天,我们迟早得做一期Chanel 不过Apple TV 飞上的The New Look 我向你保证,不管你是不是喜欢,时尚和奢侈品,这都是一个非常美,也非常令人揪心的故事
David Rosenthal:你和听众都知道,我不是那种爱看电视的人,但这个太对我胃口了,整个故事都发生在,战时的巴黎,好吧,我得去看了,你必须看,好 David 到你的推荐了,我的推荐和The New Look 有关系,但角度完全不同,它也和看视频,时尚奢侈品风格有关,是Class of Palm Beach的 Instagram和TikTok账号,这个太棒了 David 我们俩才去Palm Beach 待了两天,你就迷上了,这个真的太神了,班和我最近去 Palm Beach待了几天,参加一个演讲活动,体验特别好,我以前从来没去过Palm Beach 那地方确实不错,太棒了,我们没有明确认出,任何Rentek的人,但也可能其实见到了,不过,我们确实有意识地,发现了几只Burken Ball 是的 Palm Beach的风格太有意思了,我们刚录完Herm Face那一期
David Rosenthal:我在那里真是太开心了,结果回到家,我太太Jenny就说,你难道不知道 Classic Palm Beach 这个TikTok账号吗 David当时一脸,我都一千岁了 Jenny 我完全不知道你在说什么,对,我就是与世隔绝,我是个爸爸嘛,然后他给我看了,这是一个住在Palm Beach的女人,她会到处走,在Instagram和TikTok上发内容,他就在街上采访别人,问他们穿什么,穿什么品牌,是什么风格,真的太精彩了,我最喜欢的一条,我们看看能不能找到,然后放到show notes里,有个视频里,他采访一位女士,那位女士的brick and ball里面,还放着一个mini kelly 过度,真的太过度了,我就是从那一刻入坑的,我当时就想,这是我看过最棒的东西,我迷上了 [02:38:37]
David Rosenthal:如果我用TikTok 我肯定会订阅,不过Instagram上也能看,我其实用Aquire的Instagram账号,关注了Classic Palm Beach 我不知道我们关注了多少人,反正不多 [02:39:31]
Ben Gilbert:但我们确实关注了Classic Palm Beach 看看David居然打开了我们的Instagram账号,你可真年轻,各位听众 David 我知道你有一些要感谢的人,是你聊过的
David Rosenthal:其中几位我们也一起聊过,是的,这一期的资料来源里,有很多人非常慷慨地,给了我们时间和想法,首先,非常感谢Greg Zuckerman 他是The Man Who Solved the Market的作者,这是关于Rentek和Jim Simons的权威著作 Greg非常慷慨,花时间和我们聊天,给我们发邮件,确保我们把事情讲对,他本人以及这本书,也是Medallion投资回报数据的权威来源,我知道他为了整理出那张表,付出了非常多努力,现在那张表,已经传遍全网,这也是应该的,这真的很疯狂,你到处听到有人,引用那个66%的数字,而那来自Greg的分析,是的,他做了那项研究,拿到了那些回报数据,这真的是对我们,对各地企业史,和金融史研究者的一项贡献,还有几个其他的一手资料,其实真的不多
Ben Gilbert:所以我们可以在这里全列出来,一个是Peter Brown 关于篮子弃权那件事的国会证词,还有Peter Brown 在GS Exchange上做的一次访谈,同样,里面很多问题都直接来自Greg的书 [02:40:50]
David Rosenthal:以及书里讲过的故事,对,那一刻挺有意思 Peter像是在说,你们这些问题从哪来的,你们怎么知道这么多,我心里想,拜托,他们显然是读了那本书 [02:41:03]
Ben Gilbert:还有一本很棒的书叫The Quants 时间更早一点,我觉得是2011年出的,所以它没有The Man Who Solved the Market那么新,里面关于Rentech大概只有几章,但也有一些很好的内容,还有一篇2016年的 Bloomberg好文章,我们也会放链接,我觉得那篇文章,和The Quants加在一起,差不多是第一次,真的有任何,关于Rentech的内容,被公开发表出来,所有这些,都会放在show notes里 David
David Rosenthal:还有其他要感谢的人吗,还有Howard Morgan 我们和他聊过,能从他那里听到,一大段first round的,早期历史,真的特别有意思,当然还有Rentech的创立,他和Jim的合作,彼此投资对方基金,这些事都特别有意思,还有Brett Harrison 你刚才提到过他现在在做 Architect 我很喜欢这个项目,这个世界真的很需要他,他就是面向21世纪的 Interactive Brokers 任何用过Interactive Brokers的人,都很清楚这里面的机会在哪里,所以感谢 Brett 然后是 Matthew Grenade 我和他聊过 Matt是 Domino Data Lab的联合创始人,这是一家很棒的企业级AI运维平台,背后有Sequoia 以及很多其他投资方支持,它能让模型驱动的企业和产品,加快研究,提高协作效率
David Rosenthal:快速交付新的机器学习模型,这些都是我们在讲 Rentech时一直讨论的那类事情 Matt在创办Domino Data之前,来自量化圈,他待过Point72和Bridgewater Bridgewater其实不算真正的量化,更像是自成一类,但他在这两家公司都做了很久的高级员工,他给了我们非常好的视角,让我们理解外面这些机构的整体格局 [02:42:36]
Ben Gilbert:以及Rentec在其中的位置,如果你喜欢这一期,可以去听听我们几年前做的Berkshire Hathaway那几期,那是完全不同的一种投资风格,你也可以在Cquired FM Female订阅新节目邮件,每期发布之后,我们还会把后来学到的一些小信息放进去,包括听众的纠错 [02:43:02]
来源:OpenAI News
URL: https://openai.com/index/daybreak-securing-the-world
OpenAI 推出了新的 Daybreak 工具,包括 Codex Security 和 GPT-5.5-Cyber,旨在帮助各类组织大规模发现、验证并修补漏洞。
来源:OpenAI News
URL: https://openai.com/index/patch-the-planet
OpenAI 推出 Patch the Planet,这是 Daybreak 的一项计划,旨在借助 AI 和专家审查,帮助开源维护者发现、验证并修复漏洞。
来源:OpenAI News
URL: https://openai.com/index/codex-maxxing-long-running-work
了解 Jason Liu 如何使用 Codex 保留上下文、管理复杂项目,并帮助工作跨越单个提示持续推进。
来源:OpenAI News
URL:https://openai.com/index/samsung-electronics-chatgpt-codex-deployment
三星电子正在向全球员工部署 ChatGPT Enterprise 和 Codex,这标志着 OpenAI 规模最大的企业 AI 推广之一。