商业趋势

笔记君说：

人工智能正以前所未有的速度重塑人类社会的运行逻辑。

过去，需要数小时甚至数天才能完成的很多工作，如今在人工智能的辅助下，往往只需数分钟即可得到 " 答案 " ——从信息检索到内容生产，从软件开发到前沿科研 ...... 人类社会当下发生一切都似乎在预示着，人工智能能

力边界的持续拓展，已然在加速推动我们的文明迈入一个全新的时代。

然而，与 AI 能力同步增长的，是许多人面对现实问题时日益加剧的迷茫感——工具越来越强大，个体的困惑却并未随之减少：如何找到真正适配自身禀赋的职业赛道？如何判断一个商业机会是否具备长期投入价值？

如何在快速变化的不确定性中做出高质量决策？如何平衡职业发展、家庭责任、健康管理与个人成长的多重目标？类似的复杂问题贯穿着我们每个人的人生。

更 " 不幸 " 的是，这些问题没有普适性答案，也不存在标准化的解决路径。更关键的是，它们往往相互交织、彼此影响：一个维度的选择会改变其他问题的约束条件，进一步放大了决策的复杂度。

上述种种迷茫并非源于知识储备不足，而是源于现实问题本身的系统性复杂度：真实世界的问题，与标准化的校园试题存在本质区别——考试题通常具备明确的约束条件、固定的求解目标和唯一的标准答案；

但现实问题往往边界模糊、目标多元，不存在绝对正确的解法，充满动态不确定性，需要综合权衡经济成本、技术可行性、市场周期、法律合规、群体心理、人际关系、社会环境等多重变量。

实际上，尽管人工智能具备强大的知识整合与逻辑推理能力，却无法替代人类完成最终决策。由此，一个深刻的时代矛盾逐渐显现：一方面，人类拥有了文明史上最强大的知识工具——人工智能；

另一方面，面对日益复杂的现实世界，多数人依然缺乏系统的应对框架。

换言之，" 如何理解并驾驭日益复杂的世界 "，才是我们每个人需要解决的核心命题。对此，个体真正需要构建的，已不只是单一的知识储备，而是适配复杂系统的综合能力。

这种能力可概括为三大支柱：培养多元思维模式、构建广泛协作网络、掌握人工智能等前沿技术工具。

一、培养多元思维：

用跨学科视角拆解复杂世界

复杂问题的核心特征，在于无法通过单一学科、单一经验或单一逻辑得到完整解释。前面说过，现实中的绝大多数问题都具备鲜明的跨领域属性。

例如，一个社会问题的形成，往往是经济结构、文化传统、制度设计、技术变革等多重因素共同作用的结果。如果始终以单一思维框架认知世界，必然会陷入认知盲区与路径依赖。

因此，在复杂时代，比深耕单一领域知识更重要的，是搭建多元化的认知体系。

而多元认知的形成，并非依赖天赋，而是建立在长期、多领域的知识积累之上。当前，很多人将精力全部投入 " 立即可用 " 的专业技能，却忽视了通识教育的长期价值。

事实上，作为普通个体，我们大可不必过度追求短期功利性，可以主动涉猎一些看似与当前工作无直接关联的领域。很多看似 " 无用 " 的长期积累，往往会在未来的关键节点发挥决定性作用。

正如古语所言：" 无用之用，方为大用。" 真正具备穿透力的认知，大多源自不同学科思维的交叉碰撞，而非单一领域的重复深耕。

以我为例，我常半开玩笑地说，优秀的投资人需要 " 上知天文，下知地理；前通历史，后观未来；文理兼修，中西贯通 "。

这虽是夸张的表述，却道出了核心逻辑：面对高度复杂且充满不确定性的市场，知识体系越多元，判断的稳定性与抗风险能力就越强。

正是基于此，我始终保持阅读 " 杂书 " 的习惯，从哲学、历史到生命科学、前沿技术及宏观经济，均有广泛涉猎。

这些知识未必能立刻转化为工作产出，却在持续拓宽认知的边界，丰富思考的维度，帮助我在硬科技投资中建立起跨学科的分析框架，从而能够更加全面地理解技术、产业、市场与政策之间的复杂关系。

换言之，跨学科思维的本质，是为大脑建立多套解释模型，避免 " 手里只有锤子，看什么都像钉子 " 的认知偏差。为了更具象地理解掌握多元思维的重要性，我们可以引入一个经典思维模型——崎岖景观模型。

该模型将待解决的问题抽象为一片高低起伏的山地景观，每一座山峰都代表一种可行的解决方案，山峰的高度对应方案的优劣程度。

现实中，我们极少能一开始就站在最高峰，大多只是停留在某座低矮的山丘上，需要持续探索周边环境，判断是继续向上攀登，还是转向另一座更高的山峰。

这个模型的价值，在于揭示了复杂问题的共性：现实中往往不存在唯一的 " 正确答案 "，而是存在多个局部最优解。只有通过持续试错、动态调整，才能逐步逼近更优解，甚至发现全新的高峰。

以职业发展为例。初入职场时，受学历背景、资源禀赋、经验阅历的限制，个体能获得的机会往往只是 " 局部最优解 "。但如果长期安于现状、拒绝探索新方向，很容易陷入同质化竞争的内卷困境；

而保持开放心态、持续跨界探索的人，更有机会找到属于自己的 " 全局最优解 "。

更进一步，基于崎岖景观模型，无论是职业选择还是创业方向，都可以从三个维度系统思考：向外看、向内看、向上看。

1. 在边缘地带寻找增量机会

所谓 " 边缘 "，并非落后与边缘化，而是尚未被主流充分关注的新兴空间。很多具备长期成长性的机会，最初都诞生于主流视野之外。

例如，宇宙中，地球并非位于银河系的核心区域，而是处于相对边缘的宜居带。正因为远离银心频繁的剧烈天体活动，生命才得以在稳定的环境中长期演化繁衍。从这个角度看，边缘地带反而孕育了更多可能性。

商业世界同样如此。亚马逊创立之初，并没有选择与传统零售巨头正面竞争，而是从图书这一细分市场切入。当时，在线卖书只是一个不起眼的边缘业务，远未受到主流市场重视。

然而，正是在这个看似狭小的切口中，亚马逊不断完善物流、支付和云计算等基础能力，最终成长为全球领先的科技企业。

再如英伟达。成立初期，其 GPU 主要服务于游戏显卡市场，在整个半导体产业中属于相对边缘的细分领域。当时，很少有人意识到 GPU 会成为人工智能时代最重要的基础设施。

正是长期深耕这一不起眼的市场，使其在 AI 浪潮到来时占据了关键位置。

人生选择亦是同理。很多人做职业决策时，只盯着当下最热门的行业与岗位，盲目跟风涌入同一条赛道，最终导致竞争过度内卷，难以建立差异化优势。然而，真正值得关注的方向，往往藏在行业交叉地带、新兴细分领域、小众未被满足的需求，以及尚未成熟的增量市场中。这些地方竞争烈度更低，却更容易孕育创新机会与成长红利。

回顾我自身的经历，也曾多次主动选择 " 边缘 " 赛道：本科毕业后，我没有进入当时火热的机械行业，转而投向尚属冷门的光学领域；

攻读博士期间，我没有沿着传统学术路径深耕，而是投身科技成果转化事业，致力于推动实验室技术走向产业落地。

事实证明，当年的 " 边缘 " 领域，后来都逐步成长为新的产业主流。回头来看，这些选择让我避开了白热化的同质化竞争，也获得了专属的成长空间与时间窗口。

2. 锚定属于自己的适应度高峰

向外探索机会之前，更基础的功课是完成清晰的自我认知。这里我借鉴吉姆・柯林斯的 " 刺猬理念 "，提炼出一个简洁的个人定位模型：以热爱为内在内核，以擅长为能力支撑，以社会需求为外部方向，三者的交集就是个体最具竞争力的成长赛道。其中，热爱提供长期驱动力，擅长构建能力壁垒，需求确保价值可落地，三者缺一不可。

很多年轻人初入社会时都会陷入迷茫，不清楚自己真正适合什么。这其实是非常正常的现象：校园教育侧重知识传递，而社会运行需要解决真实问题的综合能力，二者之间必然存在适配与磨合的过程。

我自己也经历过这样的迷茫期。经过反复复盘与实践验证，我逐渐明确：自己真正感兴趣的是前沿科技与产业趋势，也擅长推动科研成果的产业化落地。

锚定这一核心后，我的职业路径愈发清晰——从科技成果转化到硬科技投资，每一步都围绕自身的兴趣与优势展开，形成了持续的正向积累。

完成自我认知之后，就要主动寻找自己的 " 适应度高峰 "：如果你热爱技术深耕，就去寻找真正需要硬核技术突破的场景；如果你擅长组织管理，就去搭建团队、整合人才共同创造价值。

当个人优势与社会真实需求精准匹配时，价值创造、收入增长与社会认可往往会同步到来。

3. 以更高维度降维解决问题

所谓 " 向上看 "，就是跳出眼前的具体问题，从更高的认知维度重新定义与理解问题。

《三体》中有一个经典设定：面对高维文明的降维打击，低维世界几乎没有反抗能力。这虽是科幻设定，却揭示了真实的思维规律——很多在低维度无解的难题，放到更高维度下往往会迎刃而解。

假设在二维平面上，一道深沟阻断了前进路线，无论如何都无法跨越；但进入三维空间后，只需从侧面绕行即可通过，原本看似无解的问题自然不复存在。

人生中的很多困境也是如此。很多时候，真正限制我们的不是问题本身，而是固化的低维思维视角。例如，年轻人做职业选择时，如果只盯着眼前的薪资水平、职位头衔或行业热度，很容易陷入短期攀比的焦虑；

而如果将视角拉升至未来十年的产业周期，甚至国家与社会的长期发展方向，很多选择的优先级就会变得清晰。

局部最优只关注单一阶段、单一岗位的即时收益；而全局最优则着眼于整个职业生涯的长期复利，以及个人发展与时代趋势的同频共振。

当我们能够持续向外拓宽视野边界、向内深化自我认知、向上提升思维维度，就更有能力跨越一座又一座山丘，最终找到属于自己的最优解。

二、构建广泛合作：

没有人能独自应对所有复杂问题

复杂世界的底层逻辑是：没有任何个体能掌握全部知识，也没有任何团队能拥有全部资源。个人能力固然是基础，但真正决定核心竞争力的，越来越是连接资源、整合能力与跨领域协作的水平。

因此，在搭建知识体系、掌握思维方法之后，我们还需要培养另一项同等重要的能力——构建大规模协作网络的能力。

实际上，现代社会的专业化分工，决定了任何重要问题的解决都越来越依赖协同合作——一家企业的成长，离不开管理者、员工、合作伙伴、供应商与客户的协同共生；

一个社会问题的破解，更需要政府、企业、科研机构与公众的多元参与。

这一规律，我们可以先从自然界中得到启发。地球上最高的树木是北美红杉，部分个体高度可达 110 米以上，但它们的根系却并不发达，大多仅分布在地下几米的浅层土壤中。

按常理，如此浅的根系根本无法支撑百米高的树干抵御狂风暴雨。

红杉能够屹立数百甚至上千年，依靠的从来不是单棵树的力量，而是整片森林的共生网络。

它们的根系会不断向四周延伸，与相邻树木的根系相互缠绕，并通过地下菌丝网络连成一体，形成一个庞大的生命共同体。单棵树吸收到充足的水分与养分，可以通过网络输送给周边的同伴；

遭遇极端天气时，整片树林会共同分担外力冲击，而非各自独立承受风险。

此外，地下菌丝网络不仅传输养分，还能传递生物信号，实现整片森林的风险预警与资源调度，是典型的 "1+1>2" 的共生系统。红杉的生存智慧告诉我们一个朴素却深刻的道理：真正强大的未必是个体，而是高质量的连接。

这种规律，同样贯穿人类的演化历程。远古时期，地球上曾共存过多个人类物种。尼安德特人体格更强健，耐寒能力与单兵搏斗能力均优于早期智人，但最终延续至今的人类物种，只有智人。

核心原因并非智人的个体能力更强，而是智人进化出了更卓越的大规模协作能力。

无论是集体狩猎、资源共享，还是组织迁徙、共同防御，智人都能通过语言与共同的想象，建立更大规模、更灵活的协作网络（《人类简史》中提出的 " 虚构叙事 " 能力，正是智人突破百人协作规模限制、实现万人级协同的关键）

。这种协作能力让智人能够持续积累经验、传播知识，在环境剧变中保持更强的适应力，最终成为唯一延续至今的人类物种。

进入现代社会，这一规律不仅没有失效，反而变得更加重要。今天的重大创新，极少依靠天才个体独立完成，更多源自不同领域、不同背景人才的跨界协同。一个人的价值，不仅体现在自身掌握多少知识，更体现在能够连接多少不同的人、整合多少分散的资源、匹配多少差异化的能力。

芝加哥大学社会学教授罗纳德・伯特在研究组织协作网络时，提出了著名的 " 结构洞 " 理论。他发现，那些主动跨部门建立连接的员工，往往比只局限于本部门的员工更具创新活力。

核心原因并非他们的专业能力一定更强，而是他们能够连接原本相互隔离的信息与资源，通过交叉碰撞产生新想法与新机会。

从红杉森林的共生网络，到智人的演化胜出，再到现代组织的创新规律，都指向同一个结论：合作不是简单的人数叠加，而是通过连接实现能力的指数级放大。

未来的竞争，也早已不再是个体与个体的竞争，而是团队与团队、组织与组织，乃至整个生态系统之间的综合较量。

总之，谁能构建更广泛的协作网络、连接更多元的资源要素、协调更多样的能力禀赋，谁就更有可能实现持续创新，也更有能力应对复杂世界带来的各类不确定性挑战。

三、掌握前沿技术：

让 AI 成为个体能力的延伸

除了构建多元思维与协作网络，我们还需要掌握第三项核心能力——善用技术工具放大自身能力。

如果说知识与思维是认知世界的地图，那么技术就是解决问题的工具。地图决定前进方向，工具决定行动效率。

面对越来越复杂的现实问题，仅靠个人经验与勤奋已远远不够，更重要的是借助持续迭代的技术，实现个人能力的规模化放大。

过去，一个人的能力边界主要由知识储备、经验积累与体力水平决定；而今天，个体能力的上限越来越取决于能否熟练运用各类技术工具，尤其是人工智能。

我始终认为，人类大脑的认知能力已接近生物学意义上的极限。短时间内，我们不可能让自身的记忆力、计算速度或信息处理效率实现数量级提升。

但人工智能的出现，第一次让脑力劳动拥有了可持续扩展的 " 外部大脑 "，实现了认知能力的体外延伸。这种 " 认知外包 " 并非削弱人类思考，而是将机械性、重复性的认知工作交给机器，让人类专注于更高阶的创造性活动。

如今，越来越多的人已经开始将 AI 融入日常工作流：让 AI 协助整理资料、分析数据、撰写初稿、编写代码、生成备选方案，再由人类完成价值判断、方案优化与最终决策。

人工智能负责处理大量标准化、重复性的认知工作，人类则专注于提出关键问题、做出价值判断、创造增量价值。

这种变化并非停留在概念层面，而是正在各行业真实发生。

2024 年，麻省理工学院媒体实验室的一项研究显示，当人工智能深度参与知识工作流程时，人们解决复杂问题的平均效率可提升 30% 以上，方案的全面性也显著提高。

这意味着，技术已不只是辅助工具，正在成为人类认知能力的重要组成部分。

这一趋势在科研领域表现得尤为突出。过去，人们普遍认为数学证明、基础科学研究等高度依赖创造力的工作，人工智能难以深度参与。

但近年来，AI 已能够辅助科研人员分析海量数据、提出研究假设、验证理论模型，甚至深度参与数学定理证明与新物质发现。著名数学家陶哲轩就曾公开表示，人工智能已成为自己研究工作中的 " 初级合著者 "。

这意味着，人工智能正从 " 提升效率的工具 "，逐步演变为 " 共同解决问题的协作伙伴 "。

未来，善于利用人工智能的个体，其能力边界将远远突破个人经验与知识的局限；而拒绝拥抱技术、固守传统工作方式的人，则可能在快速变化的环境中逐步丧失竞争优势。

当然，人工智能只是新一轮科技革命的核心组成部分。机器人、自动化、生物技术、新材料、量子计算等前沿技术，也在持续重塑产业结构与社会运行方式。

因此，未来的核心竞争，不只是人与人之间的原生能力竞争，而是人与技术协同水平的竞争。

总之，对大多数人而言，真正重要的并非成为每一项技术的专家，而是保持对技术演进的敏感度，理解各类技术能解决什么问题、会如何改变行业格局、职业形态与生活方式。

但必须强调的是，人机融合的终极目标，从来不是让机器取代人，而是让人更充分地发挥人的价值——提出真正有价值的问题、创造全新的思想与认知、理解复杂的人性与情感、探索未知的世界边界、创造美与艺术、追求真理，并

持续增进人类共同的福祉。这才是技术发展的终极意义，也是人与技术协同共生的核心价值。

四、结语

真正的时代红利，从来不是等待世界变得简单，而是在复杂的洪流中持续构建系统能力，让自己成长为能够适应复杂、驾驭复杂的解题者。