E2M Space 2026-03-13 - 一个数字能不能看透一家公司

⚠️ 风险提示：本内容不构成对任何人的投资意见。加密市场波动巨大，投资有风险，请谨慎对待。
Nan（主持人） 02:43
哈奥德赛你能听到我讲话吗？
奥德赛 02:46
可以的，ok稍等一下，
Nan（主持人） 03:00
等着我这边给你发了邀请，看有没有收到。董真你能听到我讲话吗？可以先群里面回我一下，如果没收到的话，
董真 03:31
我听到你可以听到吗？现在有声音了。好的，清楚吗？
奥德赛 03:39
会有。
Nan（主持人） 03:40
我现在你听我清晰的吗？
奥德赛 03:44
应该问题不。
Nan（主持人） 03:46
大，好，我们稍微等一下培才，

这个话题今天的话要不等会儿我先抛给到奥德赛这边，奥德赛先发言，然后等着，然后最后培才，按照这个顺序来。
奥德赛 04:10
Ok的，
Nan（主持人） 04:33
已经上线的这位朋友可以再稍微等我们一下，我们还有一位嘉宾，等嘉宾到齐了以后，我们就会正式开始。我们再稍等1~2分钟，我看培才已经在线了。培才你这边能听到我的声音吗？
培才 07:14
可以的没问题。
Nan（主持人） 07:16
好的，我们人到齐了，准备开始。 Hello大家好，欢迎大家来到我们E2M Research这一周的猜想与反驳，今天我们这一期的主题是一个数字，能不能够看透一家公司？在复杂系统里面我们都希望找到最关键的指标，抓住它其他的变量会被带动，所以投资里面会不会也存在这样的一个最关键的指标？如果真的能有这样的一个数字，是不是意味着我们能够更快的判断一家公司的质量和价值，从而做出更好的决策？我们今天就和嘉宾一起讨论一下，一个数字能不能够看透一家公司？按照惯例，我们依旧先请我们的嘉宾跟我们新老听众朋友打个招呼，做个简单的自我介绍。先把话筒给到奥德赛这边。
奥德赛 08:02
大家好，我是一个终身学习者。好。
Nan（主持人） 08:07
的，谢谢奥德赛，那把话筒给到董真。
董真 08:11
大家好，我是董真，目前主要在做crypto和crypto挖矿相关的投资和研究，
Nan（主持人） 08:17
谢谢董真把话筒给到培才。
培才 08:21
大家好，我是培才一个比特币的老矿工，谢谢。好。
Nan（主持人） 08:24
的，谢谢培才。正式开始之前还是要跟大家强调一下，我们今天分享的内容不构成对任何人的投资意见，无论是加密市场还是股票投资，都是一个波动非常大的市场，你有可能损失掉自己的全部本金，所以还是要请大家谨慎对待。

那也提醒一下大家，如果大家对于我们的内容感兴趣，也不要忘了点击关注一下E2M Research的推特账号以及我们嘉宾的个人账号，锁定更多精彩的内容。

下面我们就正式进入到我们今天的猜想与反驳环节，先把话筒给到奥德赛这边，来听一下奥德赛对今天这个话题的一些论述与观点。
奥德赛 08:57
我想一想我想想思考的一个起点，思考的一个起点，我说一下背景，背景是我就不是一个月都没有推的space，然后我等于是在国内也转悠了一圈，跟一群朋友也都聊了聊也看了看，也切身的感受到就是所谓AI的一系列的变化跟进展，可以很明显能看到，包括Lovable，包括各种AI agent出来，所有的公司结构都在被非常深的冲击着，没有什么人做的工作，看起来是他取代不了的。

比如说像现在如果具体到比如说像影视行业直接就被干光了，然后如果在各种公司层面的话，公司下意识都会觉得没必要招一个人，因为这里面agent现在已经到了足够能用，而且足够能够做非常多事情的程度，更不要说写代码，这种直接的意义，它其实背后带来的第一层问题是是我们人在这个世界上他怎么自处，就是人有什么用吗？甚至来说我有时候都会觉得我在投资这里面，我虽然说可能思考的还算在这么多年积累，还算是自我感觉深入。

但是跟AI交流以后，我会发现两种情景，第一种情景是我跟AI对话，可能一个小时的交流就可以代替我过去可能两三个月以上的非常深的思考。因为之前可能要在这个书书那个书看了一大堆，然后才冒出来一个洞见，现在我一个小时就够了，层层结节打穿这个感觉。

然后第二层是更危险的，第二层是我先是发现我可以直接用AI去把我的一些很抽象那种，比如说分析公司研究公司各种的视角给提取出来，然后让AI去替我去，比如说遍历所有的公司，然后再把它翻译成适合我决策的环节跟情景，而我发现这个能力一下子扩大了非常多，他不代表他取代我，但是他至少来说它带来非常大的广度甚至，所以还补充了其他我自己的盲区跟视角，它某种程度也带来深度，然后一开始有底层的反应，当然是开心，我就感觉自己变得很强了，但第二层反应这样子做下去的话，不代表永远只有我能做到。

我会有一种感觉投资它是可以取代我的。

那么我怎么办？然后我后面都在想人的，如果我们从根本原思考的话， AI现在在这个时代，你的个人或者一个组织的护城河是什么？这个问题我自然的想到，就是因为有情景直接触发，我回国又去看了一堆创业者，他们刚创业一比如说尤其AI里刚创业成功一个项目，回头就被大模型或者是本身开源软件，比如说包括Lovable的一个skills或者各种东西就直接取代掉了，你创业创个屁，那个人也是一样的，怎么办？有什么是AI做不了的？

我是这样思考的，这是我思考的第一步，就是我会注意到有一些商业模式，有一些个体，他他的有些东西AI取代不了的原因是真实世界复杂性太高了，比如说台积电，你用台积电它为什么工艺生产产品的良率非常非常高，然后他护城河非常强，其他的公司搞不了，他们，因为其他公司没办法用什么AI模拟，或者用其他方式模拟去探索到最好的制造的那一系列的参数空间，它探索不了。

台积电是是通过千千万万次，不知道多少次跟现实世界，比如说实验生产产生交互，然后积累下来数据，这些东西不是第一性能力推得出来的，这个是积累了通过了外部真实世界的复杂性，所以无法一个AI从0生成。

因为AI它只生成的速度只会越来越快，计算的速度只会越来越快，唯一的一个壁垒就等于是你触碰到了真实世界复杂性本身，我解释一下真实世界复杂性的概念，它更早是Wolfram讨论计算不可约性，它的概念就等于是现实，现实的某种系统它不可压缩，唯一能够计算它的只有这个系统本身，这个等于是除非你运行一个地球那么大的计算机，否则你就搞不定它市场本身也带有这样的特性。

好我们这时候再拉回来，然后我这时候自然就在着想着下一个问题，我们看待投资其实一直都可以有两种视角，一种视角是我们不断把它压缩跟抽象去比如说第一性原理似的，等于是把它看作一个机器或者是机械，或者等于是我们之前所讨论的，我去看一个商业模式或看一个结构，或者是压缩成更清晰的可见的这样的一个东西，去掉其他所有模糊性，这是第一层。

这是第一种方式，这种方式我觉得是非常容易被AI给搞定的。

但还现实世界它其实还存在第二种方式，认识它的视角不再是所谓第一性原理，我承认它就是复杂系统本身，我用复杂系统的视角跟方式去看，去摸，但复杂系统的话，这个时候又会我们之前也读过很多关于复杂系统的书，这里面有一些东西，我其实之前虽然说也了解这里面理论，但是我更多是在用一种比如说所谓思维模型的视角去看复杂系统，我没有直接去判断它的模糊性。

但是因为现在AI的出现跟到来，我发现就等于是未来真正能够你的优势之所在，就是所谓的模糊性，或者能够感知到复杂特性本身，那么这个是叫我们该怎么样去看复杂系统，这个时候我会想到几个点，它不是推出来的东西，比如说我们之前读过一本就是从达尔文的的什么学习投资书名我忘了，那位印度的投资者他就讨论了一个例子，他就说养银狐，一个苏联科学家养银色的狐狸的驯化实验，他只选了一个指标来筛选繁殖过程，就是对人类的温顺程度，每一代银狐它只挑了最不怕冷最友好的那些来繁殖后代，然后他养了几代之后，他发现我只抓这一个指标，但是其他指标都跟着来了，比如说耳朵变软下垂，比如说尾巴卷曲，比如说口鼻变短，繁殖周期改变，然后毛色出现那种花斑，尤其像我们现在走在路上看到狗狗的额头中间花斑，这些都是温顺程度，这一个指标带来的其他的关联指标。

所以他在那里面用经验法则，他觉得你抓一个指标就好了。

他在那个法则里面他抓的是 ROIC，是指你投资回报率，等于是一一个公司我投了多少钱，然后它回报率可以是多少，但是我之前看他的这本书提出这个指标，我其实没有太重视，为什么？因为他表述的是一个纯经验的感觉跟法则。我这个人我思考的东西我会想要就得是我要知道背后的原理是什么，你给我一个例子不够的。

如果要说例子的话，我这下我还可以想起来其他例子，比如说凯利在失控里面，他会说就等于是你一个非常大的一个环境系统，你只要抓住比如说一个生态学上一个关键的物种的健康，就可以反映整个生态系统状态。

然后段永平会觉得就等于是一个企业里面，他花了很长时间去找到一个关键指标，这个关键指标它不容易被操纵操纵，他不会有反身性，就等于是大家疯狂去优化KPI等等指标，然后导致KPI失效，不会。

它就等于是我只在一个正确的指标上我找到它，然后我不断优化它就好了。

然后我在想这背后有什么原理吗？我会想要去摸这个原理，然后我去探讨跟研究以后，我发现这是复杂系统一个标准特性，这个标准特性，还有甚至还有数学跟物理上的讨论跟证明，他大概就等于是因为复杂系统里面所有的变量彼此关联，这是第一层。

第二层，所以所有的变量它们在彼此约束着，每多一条约束自由度就变少，所以变量越多约束越强，所以这个时候你只要看一个主变量就够了，因为主变量存在的前提是这些系统里面那些表那些关联的那些变量都是表面上的，而且那些表面上这时候就会有两层，第一层你可以叫一层叫快变量，第二层叫慢变量。

而就是它慢变量其实往往决定了系统的宏观行为，快变量是被迫跟随的。然后这个时候我再去想，这个时候其实我们已经完成了今天所有讨论的第一层的东西，就等于是一家数字看透一一个公司，我觉得它有某种理论基础的，就是任何一个强耦合复杂系统，比如说在投资彼此关联的系统，或者在公司管理里面彼此关联系统，它是存在就等于是你只要盯着一个主要的指标，其他是只要这个指标到了，其他指标都会跟着到。

那么接下来比如说投资投资的世界，有没有这样的指标？当然我们思考起点肯定还可以是Pulak Prasad所讨论的所谓它叫长期ROIC，就是投入资本回报率。

他如果有的话，的确等于是他一定会自然会有所谓的竞争壁垒，定价能力，持续的商业模式，甚至来说管理层好的决策，我觉得他这个指标已经用得非常不错了，甚至我觉得他的所有的业绩，他投资公司它其实就是用这一条标准去投资的，它其实跟人家指数类似指数基金没什么区别，我当时觉得这种指标很好，但但我觉得不够好，因为这边又会有两个风险，第一层风险是投资，这里面你像巴菲特那样就够了。

比如说你只要在你的能力圈内，然后你做对的事情就结束了，你不要去摸通用的，等于是对所有资产都有效理论，但我自己的思维爱好跟偏向就得是我想要找到通用解等等，楠楠说听不见我声音，培才跟董真可以听见吗？
培才 20:44
我可以。
奥德赛 20:45
没事，你们在群里跟楠楠说一下，我继续说。

所以我再继续想着有没有更好的更深的这种标准，比如说Pulak Prasad的标准，他只用那个东西，其实他不会考虑跟比特币相关的资产，你也可以说就等于是你这个领域用，然后另外一个领域用另外一个理由，我觉得我是不喜欢的，我想找到通用的更深层的那种解释，然后再应用这样的解释，所以ROIC它不仅是一个滞后指标，等于是一家公司已经可能运营10年，商业模式很稳定了，才可以冒出这个指标，而且它对应的资产很非常之有限，那么那么我就在想我们之前所讨论过的一些各种各样的理论或者是情境，它可以把它压缩成比如说一个最关键的变量吗？

而不是说好像把它展开非常大。

比如说之前有各种各样描述了，我们之前有我自己印象很深，会讨论过几个视角，比如说第一个是我默认了这个事件，当我们有了工具可以用工具创造更好的工具，它背后背后整个世界财富的增长背后对应的其实是知识的，就等于是自我强化跟扩张。

那么在这么大的池子里面，它会出现你需要捕获价值的这种这种情景，否则的话就是捕获价值不代表它创造价值，然后捕获价值的话它它又会有两层，一层是静态的捕获价值，就等于我这下拥有权利，第二层是动态的捕获价值，就等于是你的捕获能力是随着摩尔定律的增长而增长的，那么这个视角不错，但是我又觉得有的时候你看到具体的公司，当你分辨率拉高之后，你又失去了这层视角，你可能又会去看他的，比如说这时候你会看到比如说它的组织架构，你会看到它的比如说公司的比如说创始人性格跟决策，我觉得这里面都有很明显，比如说你看雷军的性格跟马斯克的性格完全相反，然后在我看来是完全相反的，然后他们比如说在汽车这上面的决策跟时间点又好像各自拿到了很不错的结果，那么这个背后我们怎么找到比如说主要的变量或者指标，我第一下我去探索摸到了一个指标或者一个视角是正反馈循环，就是正反馈循环的话，这个指标它可以套在非常多东西上，比如说我们如果说台积电的话，正反馈循环它会有一个规模效应，但它造的越多的时候造的越多的时候，它平摊的越来越多，固定成本它可以更便宜，更便宜的话它就可以有更高利润率，同时还挡住了外面人，然后同时还可以更好地投入下一轮研发。

然后比如说我们去看windows，还是看看英伟达的话，其实CUDA背后其实都在抓网络效应，它也是一种正反馈循环，但用的人越多了，所以用的人也越多，你看微信也是这样。

所以正反馈循环的话，它在现在不是我们去讨论亚马逊所谓飞轮效应，或者是你说特斯拉他造汽车的时候自动驾驶的时候，这里面也有数据飞轮，我觉得它已经算是一个不错的指标，但我总觉得正反馈循环被这个世界用的有点多了，而且它会出现一个弱点，尤其像用多了，更能感觉到任何一家公司，我都可以给你编出一个正反馈循环出来，总有这样的理由，对不对？

怎么办？

虽然说他其实不太能够去看到，比如说投资世界中商业模式之外的东西，商业模式之外，比如说你说王兴在创业的早期，他失败了那么多次，失败那么多次的情况下，你好像你看正反馈循环也看不到啥，他不就这个时候你只仅仅只是投他成型之后的公司，更早期的一些我觉得一些雏形，有的创始人他身上我觉得是能够看到那样的它的价值是越来越高的，它能够创业成功或者是能摸到那个东西的成功率是越来越高的，这个时候怎么能不投呢？

比如说特斯拉第一次弄成宏伟蓝图的时候，你投不投我们之前也讨论过，所以我会觉得正反馈循环这个东西，它在很早期的时候又不好直接的看见它，那么这个更好的一个比如说一加数字一个数字或者是一个主变量，在这个复杂系统中它是什么呢？

我不认为有答案，但是现在我摸到一个好像更我觉得更好一点点的一个视角跟答案，我在摸到更我觉得更好，它一定会有两个前提，第一个第一个前提是它并不违背，甚至它遵循了我们讨论的所谓原理层级的东西，它都可以就得是映射或投影在我们所谓的思考的答案上，这是第一层。

第二层的话，因为我前面介绍的 AI的这么大的一个背景，我会觉得它一定要能够投射出真实世界的复杂性，而不是说仅仅另外一个人，比如说哪怕用我的或者用更好的提示词加上AI，它就可以从0就可以判断的到。我会觉得如果是那样的判断得到的东西，我会觉得他不不够好，为什么不够好？

因为我这时候总会脑海中会冒出一个例子，段永平发现苹果这家公司的时候，他一开始的切入点是跟今天的所有AI一开始都注意不到的，在一开始他发现苹果店有很多人排队，他就觉得很莫名其妙，然后他从这个点开始去理解跟研究，这是真实世界中带来的异常值跟复杂性。

好，这时候如果拉到我自己目前想到的所谓关于今天这个话题的回应的话，我会觉得一个好的生意，不管放在他的所谓的早期，还比如说像王兴都能够可能还是创业失败的时候，或者是放在一个商业模式已经成型的时候，或者放在一个方式转移期间，我觉得都可以贯穿的一个数字或者视角是引号，需求增速减去供给增速，如果刚才这个差值它总是持续为正的话，它就是一个好声音，换句话说什么呢？世界越来越需要，你在越来越需要，同时你的竞争对手越来越少，最明显最强烈的是过去的网络效应。

你一开始可能大家还会有比如说米聊微信各种能源竞争，你可以叫供给增速还是很强的，但是当大家越来越需要这些沟通的时候，因为大家需要所以把其他人能卷进来，需求增速在明显增加，但是当随着需求增速的增加，供给增速在天然的减少，因为大家网络效应就全部凝聚在微信这样的点上，我觉得这个是直接可以拿去看商业模式的，我觉得放在个人的放在创业者身上，现在说放在特斯拉的各种业务上，我觉得也是可以一个个去看见的。

而且我们去讨论投资的话，它背后压缩的原理就是这个世界上财富其实就等于是被人类欲望照亮的秩序，也就是那个需求本身。而捕获财富恰恰是用那个权力或者用稀缺性，它也就是供给增速。那也就是说我觉得这个视角，比如说拿去看创始人他更抽象一层，等于世界是不是越越来越是比如谁的玩心，比如说有更多的创业经验，世界是不是越来越需要？这样的人是不是价值更大，同时的话因为其他的创业者也失败了，可能其他人就被淘汰掉，其他人活不下去了。

所以这其实也是一个所谓的需求增速减去供给增速，它持续为正的一种情景。

然后甚至来说你拿去看奢侈品，我只想到举个例子，比如说比如说我们去看爱马仕过去十几二十年的一个增长的话，它其实是两层，一来的话爱马仕包包本身在变贵，二来的话产出爱马仕包包这个公司本身的市值在不断变高，其实是随着财富的增长，所以为愿意为顶级奢侈品付钱的人在扩大，需求在扩大，但是提供这个工艺跟品牌历史的满足这样的一个需求的，比如说资产或者东西它在不断的减少，时间本身它无法复制，所以我会觉得我目前想到了这样一个主变量，这个是我太久没有推到space，然后表达欲比较多，然后这是我目前想到的一些东西。

对，然后我记得董真之前其实对Pulak Prasad的那本书还挺感兴趣的，我不知道董真有没有对象，有没有什么想法。
✅ 事实核查：台积电良率与护城河
奥德赛关于台积电的描述准确。台积电制造了全球约70%的半导体，在最先进制程（3nm、5nm）领域占据约90%的市场份额。其竞争优势的核心确实在于良率管理（yield）——将晶圆上可用芯片比例最大化。竞争对手（如三星3nm制程）确实遇到了良率问题。台积电的优势被分析师描述为"复合执行护城河"，建立在高转换成本和多年积累的验证要求之上。
✅ 事实核查：Wolfram的计算不可约性
奥德赛对计算不可约性（Computational Irreducibility）的描述准确。这一概念由Stephen Wolfram在其2002年著作《A New Kind of Science》中正式提出（研究可追溯至1980年代）。核心含义正如奥德赛所说：某些计算过程无法简化，确定结果的唯一方式是逐步执行计算本身——"唯一能够计算它的只有这个系统本身"。这一原理意味着某些复杂系统不存在预测捷径。
✅ 事实核查：苏联银狐驯化实验
奥德赛的描述高度准确。该实验由苏联遗传学家Dmitri Belyaev于1959年启动。选择标准确实是"对人类的温顺程度"（tamability），每一代只挑选最不怕人、最友好的个体繁殖（不到20%的个体被选中）。结果与描述一致：不到10代就出现耳朵下垂（floppy ears）、尾巴卷曲（curly tails）、口鼻变短（shorter snouts）、毛色花斑以及繁殖周期改变。唯一小误差："几代之后"——实际物理特征变化在约6-10代后明显出现。
✅ 事实核查：Pulak Prasad与ROIC
准确。Pulak Prasad是印度投资公司Nalanda Capital创始人，其著作《What I Learned About Investing from Darwin》确实以ROCE/ROIC（投入资本回报率）作为核心投资指标。Prasad在书中将银狐实验的单一选择标准类比为投资中的ROIC——认为高ROIC会自然伴随优秀管理层、资本配置能力、竞争优势等优良品质。Nalanda Capital平均持仓ROIC达41%。
✅ 事实核查：段永平发现苹果的故事
基本准确，细节略有出入。段永平投资苹果的起因确实与Apple Store真实体验有关——他在iPhone 4s首发日排队购买，以及去Apple Store换屏幕时注意到新iPhone售罄但维修用机仍有供应，被苹果销售策略打动。段永平从2011年1月开始买入苹果股票（约$310-320/股），到2026年初部分账户回报约18倍。奥德赛简化为"看到很多人排队"是合理概括。
✅ 事实核查：爱马仕过去十几二十年的增长
准确。爱马仕股价过去10年上涨超700%，过去5年上涨约187%。收入过去10年CAGR约12.7%，净利润CAGR约16.6%。2025年4月爱马仕市值首次超越LVMH（约2436亿欧元）。"包包在变贵、市值在变高"的双重增长描述完全准确。
🔬 猜想研究：真实世界复杂性是AI唯一无法突破的壁垒

猜想内容

奥德赛提出，AI计算速度只会越来越快，唯一的壁垒是"真实世界的复杂性"——即需要与物理世界大量交互才能获得的数据和经验，无法从零生成。

支持证据

反对证据与局限

综合评估

这是一个有深度的猜想，在当前技术水平下有较强解释力。但"唯一壁垒"的表述过于绝对，更准确的说法可能是：真实世界复杂性是AI最难突破的壁垒之一，但随着AI与物理世界交互能力的增强（具身智能、自动化实验），这一壁垒也在被侵蚀。

🔬 猜想研究：复杂系统中存在"主变量"——一个关键变量决定所有其他变量

猜想内容

奥德赛认为，在强耦合复杂系统中，由于变量彼此关联和约束，存在"慢变量"决定系统宏观行为、"快变量"被迫跟随的现象，因此只需盯住一个主变量即可。

理论基础

局限与挑战

综合评估

复杂系统中确实存在层级结构和慢变量支配快变量的现象，奥德赛的理论基础是正确的。但从理论到投资实践的跨越面临巨大的识别难题：如何在事前（而非事后）确定哪个是主变量？这是该猜想最薄弱的环节。

🔬 猜想研究："需求增速减去供给增速"持续为正 = 好生意

猜想内容

奥德赛提出一个通用指标：如果一项业务的"需求增速 - 供给增速"持续为正（世界越来越需要，同时竞争对手越来越少），则为好生意。

支持证据

反对证据与局限

综合评估

作为思维框架，"需求增速-供给增速"有较好的概括力和直觉吸引力，能统一描述多种商业优势。但作为可操作的"关键指标"，其最大弱点是难以客观测量——培才后来的批评（主观性太强、假阳性太高）击中了要害。它更适合作为定性思考的框架，而非定量筛选的工具。

董真 30:50
对你提这本书之后，我才想到这个叫什么，我们讨论这个话题可以联想到这本书，我印象中当时那本书在讲寻找 ROIC指标的时候，他提了一些标准，首先你这个指标一定要有要有用，你不可能说这个指标的正确率很差，我不太记得细节了，反正大概他当时提这个标准，第一个可能这个指标一定是有用的，第二就是你这些指标是可以获得的，就比较容易获得的，你不能说些特别机密或者是不是特别好容易获得的一些数据，比如说他好像当时在讲关于关于高管能力还是什么，他类似于讲了这样一个指标，他说如果我有办法能够了解这个公司目前整个管理层或者他们内部的一些一些情况，我可能对他会有更好的了解，但他觉得这个事情很难来获得你高管。你可能我们了解这些大部分的这些创始人对吧？你可能找不到那么多的公开的信息去研究，这可能是类似于是第二个标准。

然后好像第三个标准就是这个筛子不能我印象中好像是筛子不能筛的太大，就是你不可能拿一个标准一筛，一下子泥沙全部筛下来了，1000个公司你能筛出600个都符合这个标准，这个标准还是还要有一定的筛选性。我觉得类似这样子，然后他用这样的一些方式，他觉得ROIC是比较比较好的这样一个标准，大家提到就LC有点像这个公司使用的，你的有点像你使用营运资本获得利润的效率，它其实他好像我不太记得细节， R好像是说的是息税前的利润，好像是税前的利润，我不太记得类似于有一些事情，它其实不参与你这个公司云资本，比如说你这个公司的税率如果比较高，他现在暂时不考虑他单纯的考虑你这个公司用你目前的持有的这些经营性资产，产生利润的能力，对吧？

如果讲这本书可能就这样子，如果来一找一个数字来看做这家公司，比如说你刚才讲的，不管是叫什么这种正反馈循环的这种例子，或者说它的未来的需求会大于供给或者这个需求减供给持续为正的这个事情，我觉得是不是也可以参照它这些标准，对吧？我觉得这些标准是有些道理的。

那么来看，我感觉关于这个事情大概是这样一个回答，回到我自己想说的对这个话题一些思考，因为确实没有，特别是好久没有再聊了，然后我个人对这个观点的看法可能不太一样，我有点倾向于看透一家，我觉得这个话题如果是我给一个结论的话，我可能倾向于变成只有你看透了一家公司，你才知道哪一个数字会有用。

就有一点点像我不太倾向于你可以通过一个数字来看透一家公司，除非你已经看透它了，你知道哪个数字很重要，有点像好像听过一个梗，好像是一个什么机器还是什么东西坏掉了，然后怎么修也修不好。然后请了一个什么老专家，然后来就梆当一下，拿个锤子敲了一下，然后就好了，然后收费什么几万美金，然后他说你就敲了一下，你干嘛收那么贵？他说敲了一下我可以给你便宜一点工时费，只给你100美金，但是知道应该敲哪里，可能这个东西收费很贵。

我有点倾向于思考这个问题，可能大概是这样子，就是你 you may我们知道世界上是复杂系统，尤其是涉及到公司，再涉及到金融市场，涉及到投资这个事情本身，然后再涉及到这些业务的发展，你面临着公司的现状，面临着公司的未来的所谓的发展的前景，甚至我们还看到很多技术的革新，政治的一些变化，产业的一些变迁，其实事情是很复杂的。

就是我倾向于说人总会有自己的能力圈，你可能对这个行业很了解，比如说你在这个行业干了很多年，上下游你都很熟，它的商业模式你很熟，商业模式可能虽然在变化，但是这个变化的趋势是很明显的，有点像花园和小径处在一个小径的状态的变化中，你可能看得很清楚，但是有些行业我觉得明显的处在一个大花园，大家都熙熙攘攘的人群很多，然后你一眼也看不到哪些出口在哪里，方向是在哪里，他又没有什么路标，这个时候你是其实很难来做这样的判断。

所以我个人感觉你想从中找到一条特别好的信号，比如说你能够像当年刚进化出眼睛的时候，你一下子可以通过眼睛通过光学的这种信息来判断食物捕食者或者是一些对你生存有利有害的信息，当然是很重要的，但是如果你一旦找不到我，我觉得这种情况是很经常会出现的，比如说现在一些政治局势对吧？

最近大家聊的比较多的，你很难说你可以通过一个人的观点，比如说你就盯什么披萨指数，或者是你盯什么，他有没有打什么炼油厂，有没有打什么海水淡化厂，当你的核心指标，我倾向于这个事情都很复杂。我觉得首先第一你可能很难通过单一的一个指标和维度，当你缺乏对这个事情很深层次的认知的时候，你很难通过单一的数字或指标来了解的一个很复杂的事情。

然后第二什么情况下你能够通过这样的方式，一定是对这个公司已经非常了解了，然后你对它的了解程度就了如指掌，你你但凡聊到这家公司或者这个行业或者这些事情，你没有一个事情不知道的，这个时候你可能有的时候你会了解对于他来说什么样的指标会特别重要，你有可能通过这样的方式会告诉他，ok你只要看这个指标就好了，这个指标他只要怎样了，然后这个公司他就怎么样。

比如说我随便扯，你比如说像。
✅ 事实核查：Pulak Prasad的指标筛选标准
董真对Prasad的三个标准的回忆基本准确：(1) 指标要有效（predictive power）；(2) 指标要可获取（公开信息即可）；(3) 指标要有筛选力（不能太宽泛）。Prasad确实认为管理层质量虽然重要但难以从外部获取，因此选择了ROIC/ROCE作为核心指标，因为它是公开可得的、有筛选力的，且与公司优良品质高度关联。关于ROIC的定义，董真提到"息税前利润"有些模糊——标准ROIC的分子通常是NOPAT（税后净营业利润），而ROCE的分子是EBIT（息税前利润）。
🔬 猜想研究："只有看透了一家公司，你才知道哪个数字有用"

猜想内容

董真提出与奥德赛相反的观点：不是通过一个数字看透公司，而是只有已经深入理解了公司，才能识别出哪个关键数字最重要。

支持证据

反对证据与局限

综合评估

董真的反命题与奥德赛的命题并不完全矛盾，而是描述了投资认知的不同阶段：通用指标适合粗筛（从1000家到100家），深度理解适合精选（从100家到10家）。两者是互补关系而非对立关系。

奥德赛 37:37
当年。
董真 37:37
微信在发家的时候，它可能当年它的用户一旦突破某一个值，可能已经到了几千万用户这样一个规模，然后你很明显的看到它开始在增长，但这时候说ok你只需要看到它的用户用户数就好了，其实已经很明显的能看到它的网络效应已经出现了。

它的这种社交的这种价值很一眼就可以望出来。

对，我觉得可能如果想通过一个数字看透一家公司是比较难的，但是如果你真的看透一家公司，你是可以通过一些数字的方法来描述，当然这个数字或者所谓的公式或这个事情，对于每一个不同的行业，不同的公司有可能会有一些区别，就我大概对这个事情的看法会是这样子，然后我觉得一个你提的这些，你刚才提的这一两个指标也可以用，比如说用Pulak Prasad的方式，我觉得也可以去框一框，看看到底符不符合。

对，但是我倾向于可能是很难通过这样的方式来给到这样一个答案，这是我大概的一些想法。
奥德赛 38:52
总的来说我会想到你有30%信息的时候跟80%的信息甚至百%信息的时候，你是在不同的情景下用不同的决策模式做决定。我觉得当然比如说你所谓的看透一家公司，然后再做决策，这当然是其中一种，但不是唯一一种决策方式。

如果你哪怕只拿到20%的信息，但它是非常重要的信息，然后它又有一个极强的不对称性，那种不对称性本身它有在某些情景下它是可以cover掉，就等于是有些信息还没有完全的冒出来的情景，我觉得比如说过去两三年AI的进展，到今天这个情景，我觉得没有人可以看透一家公司，也没有人可以看透这个行业，看起来好像它的确也在遵循着某种原理，但是过去几年比如说大家会一直在讨论这个东西会不会赚钱，是不是这个模型到这边就停了，是不是巴拉巴拉各种东西全部都出来，哪怕身处其中最顶尖最专业的人，他也不见得能看透，这就不能决策了吗？

所以我不完全认同，这是一条唯一的路，我觉得他它有一条好几条变形的，你用不同的方式去走的路。我换句话来说，它有点像是对一个学科，你没有地毯式的，比如说花上一辈子，你当然也不见得能够了解清楚，但是我会更相信另外一条原理，等于是你可能真的花1% 5%的时间，你就可以了解到这个学科里面可能重要程度达到80%的概念，它一定是一个非线性的过程。

所以我觉得比如说一个数字或者一个东西的话，我觉得它多少有一种通用性，它不代表你到这边就停了，我当然不认同，但是一个数字它可以让你非常快速的去理解一家公司，而且它在现实中是有应用的。

我们去看巴菲特的具体的决策场景的话，巴菲特它当然很多公司在它的投资组合比例并不算高，他很多比如说这个协议或者那个东西就直接收过来，我们当时读股东信的时候也看过对吧？而且他这里面做决策的话，他不是说好像多长期多怎么样的调研，他有时候别人财报都不看，他觉得这个公司不错，然后就跟别人谈一谈，可能5分钟10分钟就决策完，然后就买了。

你说决策你当然可以说它不是最大的几个决策，但是这个决策逻辑我想巴菲特在实践中他是认的，他某种意义上他不见得说是瞄着一个具体的指标，但是因为他有他自己判断的模糊性，但是它是有一个标准的，它不一定是一个数字，但是这更接近某种标准，所以我想说它在实践中也有可操作性。
董真 42:02
我刚才突然想到一个例子，如果比如说把公司换成一个学生，问一个数字能不能看透一个学生，或者认为什么样的学生比较好，现在我觉得有一个影响力很高的数字，就是比如说他高考成绩，或者是一个广义的高考成绩，因为可能涉及到不同的省市，它的命名高考的，但是在你一个省里面或者在一个学校里面，你说能不能看透一个学生，你可以说你可以通过高考成绩，事后我们也可以大概来看，如果这个学生他就是水平非常高，他能够考上清华北大，那么他的水平一定是比考不上本科的这些学生看起来他的能力是要更强的，但是你可以来解释这个数字或者是高考成绩有没有这样强的解释力，他的学习能力，他的记忆能力或者是他的这些理解能力可能还是很强的。

但是你说你如果把这个话再往外套的再大一点，你一定可以通过高考成绩就看透这一个学生的一生，看到他的能力。

我觉得这个事情也是有问题的，就是你甚至我倾向于对这个事情的回答是略微会带一点负面的，你不可能通过高考成绩就定这个人的一生，我们也看到大量的人，比如说看起来后面很成功的人，他当年高考其实也不咋地，然后或者是你当年高考成绩很好的人，他可能后面因为各种各样的原因也没有取得很成功的情况。

对，所以我大概会觉得，当然你可能通过一些数字或者一些办法找到类似于像高考这样的模式，你可以通过一个数字筛选出给这些人做了一些排序，对吧？你总需要给人做一些排序或者一些筛选的方式，但是你想要通过一个指标完全就看透一家公司，或者是看看明白这个人的一个状态，我倾向于还是比较难的，原因也是前面说的关于复杂系统的问题。

这个人的发展会有很多的因缘际遇，高考成绩的这方面的过度的优化，有可能会面临着其他的方面的问题，有一些更长期的素质或者是能力，有可能并不在这个里面所体现或者不是高考成绩的主要因素。

然后我倾向于有的时候可能你了解了更多的这种场外信息，之后，你通过一些指标有可能有是起到一个监控作用，比如说你知道学生大概还不错，他最近有没有好好学习，你看他最近你的考试的成绩，就知道他有没有好好学习，到底是好好学习了还是早恋了，还是去打游戏了，你可能大概会有一些观点，但是前提是你还是要通过各个多的维度了解这个人的一些想法，他的一些情况，而不仅仅通过类似于只给你一些成绩单，你就能在这个里面判断出这个人的好坏，对。我大概做了这样一个类比。
奥德赛 45:18
我换一个类比，我觉得我如果用一个指标去看一个小孩的话，看一个孩子的话，刚好胚胎跟生育都在，我一下就想到他们的经历，我一下子我想另外一个指标就是一个人遇到阻力之后，往不同方向尝试的次数，你用高考成绩很明显，把手已经拍扁了，成绩上了，这个世界复杂的多，对吧？ 比如说我会觉得你跟神鱼的那种一系列经历，你们那种尝试的次数跟方式，你们某种意义上的那种动力跟心理缺口，就算没有碰到比特币，今天也会混得挺不错的。我是这样觉得的。

培才在说话吗？我没听见，你说。
培才 46:06
没有，我刚开门，我觉得尝试的次数突然q到我这个问题我还有点懵，我觉得会不会在当然我觉得这个是不是更类似于这个猜想与反驳这个名字一样，类似于你不停的猜猜对的几率肯定会大一点，但是会不会说一定你就能猜对。

我觉得这个地方是不是也会打一个问号的？对，我不确信，当然你说我跟神鱼算不算猜。
奥德赛 46:50
对的例子，
培才 46:51
甚至说类似于说没有比特币，我们是不是还有机会猜对，我觉得我目前对这个问题持也没有一个非常直观的直觉的想法，我觉得有可能会是是会好一点吗？

对，我觉得你类似于你从概率上来讲，你一停的猜猜中的几率总是好一点，但是我觉得这可能会不会也有其他维度类似于你如果我们也看到就仅仅就比特币而言，我们也看到行业里面很多人其实 the trigger并不是他们没有猜对，或者并没有猜，并不是他们没有猜到比特币，甚至我觉得有些人比我们至少我认为比我还聪明，然后也试错能力也很强，但是可能比如说疯狂的加杠杆什么的，太贪了，然后后面也搞得很惨。

我在想这个地方是不是就类似于像这个三就是我对吧，我就说最大的 FTX老板，我相信他可能能力什么的也都不错的，但是现在的结局难道会不会也有点问题，我大概随便如果先回答你这个问题的话，我可能会先给这么一个答案，
✅ 事实核查：FTX老板（SBF）
培才提到的"FTX老板"是Sam Bankman-Fried（SBF），FTX加密货币交易所创始人。SBF确实被认为能力出众，MIT毕业，曾是Jane Street量化交易员。但2022年11月FTX崩盘，SBF因欺诈客户资金被捕，2023年11月被判有罪（7项刑事罪名），2024年3月被判处25年监禁。培才用此案例说明"能力强但贪婪/加杠杆也会失败"完全恰当。
奥德赛 48:22
我刚刚看那个东西，可是标准叫做遇到阻力以后往不同方向尝试的次数，不过没事了，我拉拉回主题了。前面不是聊了一大堆，你看你有什么就关于这个主题本身你自己有什么想法，有什么不一样的地方，或者你觉得认同或者不认同的地方？
培才 48:45
我先讲几层，我觉得第一层我先回应一下你说的，你不是扔了两个思考的指标，我也认为董真说的对指标的判断的标准这个地方我是倾向于即使这个指标是存在的，我觉得很容易有时候早的找到这个指标，我们应用的这个指标的客观性跟主观性之间，或者说这个指标会不会容易获取，然后是我觉得可能会是一个很大的问题，或者说它至少是一个很强的障碍，对吧？

我这里面大概我可以说两层，第一层就是你说的那两个，比如说正反馈循环，或者说是供给需求这种需求的增速跟供应需求的差，我觉得这个指标我自己总是有点感觉，如果仅仅就这两个指标而言，我觉得这两个指标就可能是比较偏向于主观的，可能很像大家在很多人在用凯利公式的时候，凯利公式我觉得为什么没办法，就是看起来它是非常清晰的一个指引，对吧？

你只要能给我确认它的这个叫什么 EV是正的，就是只要你能确认他的期望的回报率是正的，按你按照凯利公式的操作，你一定会获得一个什么，这个是后面是由数学去证明的。

但问题是 EV指标它其实就是一个非常主观的指标，对吧？你的赔率跟胜率，其实这里面就会引入一个很大的至少是我觉得偏差，对吧？我觉得看至少我感觉就是你刚才提的两个指标，比如说正反馈循环这个，它其实很像对赔率的估计，我觉得但有可能他对胜率的估计可能是不足的。然后对吧，因为我知道我自己的教训，当时我自己在做Kaspa和FIL的时候就犯了这么一个错误，我们总是觉得这个东西的赔率是很好的，好像它发了币什么的就能够引起它的一个正反馈循环。

然后那么包括我觉得对很多小公司 Vc的阶段，你看很多小公司的时候，你也会觉得好像创始人说得很有道理，他瞄准这个方向也好，瞄准的制定的策略也好，是有机会形成正反馈循环的，或者甚至说已经在形成正反馈循环了，或者说类似于我觉得供给增速跟需求增速也可能是一个类似的事情，但是它的主观性是比较强的，而且它很容易可能对在另外一个维度上，你可以说对他的胜率上出现一个很大的偏差，对吧？

其实我看最近很多朋友可能在讨论为什么很多山寨币就归零了，对吧？当时我相信这些山寨币很多时候都上边的时候，可能都还是会有一个看起来很棒很不错的饼的，然后你在这里面我猜有可能会假的也好，真的也好，有找到这种像地方沙漠的时候，你觉得那些正反馈循环什么的，好像供给增速需求增速这些东西可能都是有一些存在的基础的。

对，我觉得这是第一个就是一个主观的，但反过来我觉得说你看挺多的，这种比如说大公司，它到底不存在，甚至不存在正反馈循环，到底存不存在供给跟需求增速，你又看的不是那么清楚的，对吧？

虽然我觉得微信那些例子是有这种，但是如果比如说最典型的你比如说你看谷歌，你现在在 Ai的浪潮下，你能准确的判断到底这个事儿对谷歌来讲是一个正反馈的循环，还是一个负反馈循环吗？

我觉得这个地方也是有点看不清的，甚至我觉得特斯拉我觉得你能现在说还是处在一个还有正反馈循环吗？

还是没有，或者说它的需求增速跟供给增速是在退化，是在一个持续为正的过程中没有对吧？

我觉得我们看供给增速，我们看特斯拉我们现在投资我们都知道最大的就是投它的 FSD，但是昨天你看英伟达还在说，我们也很搞出了很牛逼的FSD了，然后小鹏也在华为也在说，这好像也没有到供给增速，就退去的特点，你在这个情况下你能够判断清楚这两个指标到底比如说你拿特斯拉的指标跟英伟达的指标，甚至跟苹果的指标跟一家，比如说微信的指标，腾讯的指标，你能够用同样的正反馈循环也好，或者说供给增速和也好，你能够把这5家公司区分出来。
✅ 事实核查：凯利公式的数学性质
培才对凯利公式的描述准确。Kelly Criterion由John Larry Kelly Jr.于1956年提出，其核心确实是：当期望值（EV）为正时，按照凯利公式确定的仓位比例进行投资/下注，能最大化长期资本的几何增长率——这确实有严格的数学证明。培才指出的核心局限也完全正确：公式要求已知准确的胜率和赔率，但在投资中这些参数本身高度主观、难以准确估计，因此凯利公式虽然数学上完美，但实际应用中面临巨大的参数估计风险。实践中投资者通常使用"半凯利"（half-Kelly）来应对估计误差。
🔬 猜想研究：垄断性 > 增长性 > 正反馈循环（客观性排序）

猜想内容

培才提出投资指标的客观性存在层级：垄断性最客观，增长性次之，正反馈循环最主观。

分析

局限

综合评估

培才的排序在"可测量性"维度上有一定道理，但将"客观性"等同于投资价值则是一个跳跃。历史上最大的投资机会往往出现在垄断尚未形成、增长路径尚不清晰的阶段——恰恰是最"主观"的时刻。

奥德赛 54:18
吗？

你讨论这个点我觉得它是一个语言问题，就等于是你会觉得因为它有模糊性，它不是一个清晰的规则，所以它有可能你会掉入一个陷阱，但我们先反过来看另外一个东西，如果存在一个清晰的规则，如果比如说a大于b或某个数字大于5，所以你去买你就一定可以赚到钱。

假设这样的规则存在在复杂系统里面，因为它有反身性，它就会不存在，它就会消失，所以你讨论的问题的反面它一定是一个错误，所以问这个东西它不是一个问题，它是一个特性，它不是你反对的理由，我不知道我这样表述清不清楚。
培才 55:04
那你你用一个。
奥德赛 55:09
就是你讨论这个东西是任何投资方法，它都必然具有的一个特性，只要你是在投资领域，它就必然有这个特性，你不能用特性去否定投资的所有的方式跟方法，对不对？不然你自己用什么，你把你自己认为的欣赏的认可的那个东西拿出来，我也可以用你刚才那个理论去反驳你，没错吧？
培才 55:35
对，我觉得刚我就想现在说的第二层我们就用比如说我们目前用的比较多的制度，对吧？为什么我们在真实的投资里面只选了比特币以太坊跟特斯拉，是吧？我们用的都比较多的，还是我们就讲了很多的王川的框架，我们在跟在比较，我觉得其实我本来想说的也是这个问题，比如说我们在我觉得比如说在垄断性指标来看，它其实就是要比刚才你说的两个指标要客观的多，很多这种初创公司我们基本上把它全排了是吧？

有很多初创公司可能当然这里面一定会有这种说sports就是这种你可能有一些增长得很快的初创公司，比如说买我们看到的这种过去可能增长增速很快的那些公司，你肯定也把他淘汰了。

但是我觉得这可能是另外一个问题，至少我觉得这个指标就一个。
奥德赛 56:35
等等，我说说两段表述，第一段表述叫做垄断性是比较客观的指标，这句话你都可以用自己刚才那一堆东西来反驳，你凭什么觉得它垄断巴拉巴拉巴拉，你也证明不出来，你也不好说。

最重要的一句话，你最重要的核心论点被你撇过去当做是一种共识，这是对讨论不尊重，这是第一层。

还有第二层就等于是我们刚才讨论的是把垄断限制等于更加清晰化，他没有在否定他本身，比如说我刚才扔出的就等于是我没有说它是真理，我扔出了一个探讨一个视角，比如说那个指标本身是需求增速减去供给增速，把它看作一个切入的指标，我们如果来一个数学上讨论的话，就等于是如果它跟垄断性的概念它相比更不好的话，你就可以举出一个东西，它需求增速减去供应增速，它他是副职，同时他很垄断，你举出来，如果你能取得，
培才 57:44
我觉得你又把这个话题岔开了，我现在只说主客观性的问题对吧？

我觉得垄断性为什么比较客观，比如说像我记得以前王川就说过一个理念，他说只是是垄断性，你看一个东西垄不垄断，你至少可能会有一个客观的事实的标准，比如说我10亿美金以下的公司我就不看了，这个就是一个非常客观的这样的一个指标，
奥德赛 58:07
所以它9.9亿美金9.9亿美金就不行了，对不对？

不是你拉客观出来的话，我就可以很轻松反驳你了，为什么9.9亿不行，10亿就可以，他是因为是王川说的是吗？所以王川说的就是客观是吗？所以你客观的标准是什么？
培才 58:24
我觉得他至少可以排除掉所有的这种几百万美金公司对吧？当然你非要说9.9跟1，
奥德赛 58:31
为什么边界线在那里，你不是客观吗？客观的标准是什么？
培才 58:36
我没有我没有我10亿美金，我觉得人家也是一个你有点叫咬文嚼字了对吧？当。
奥德赛 58:43
我说我没有咬文嚼字的，我咬文嚼字与否的前提是你说一个东西是否客观，客观标准是什么？我也可以说我的讨论是客观的。
培才 58:56
客观的，尤其是这种充分交易过的二级市场的市值就是客观的。
奥德赛 59:01
你看那么多币它不是你一。
培才 59:02
个人的，那么。
奥德赛 59:03
多币的市值你没见过有被炒在几千万美金或者是上亿美金的，我们拉拉回主线讨论，
培才 59:15
不是我觉得他至少比你的那两个指标更客观对吧？我没有说这个绝对客观，我觉得这种绝对客观，就跟绝对真实一样的，可能是不可得的，对吧？

但是我觉得它还是有个相对的程度的，比如说一个类似于像我刚才说的这样，就是一个公司它经历了
奥德赛 59:33
等一下我们在讨论a的时候，你不断的强调你肚子里有个b然后不断在呈现b我觉得这个是不合适的，我是用另外一种方法，我把讨论拉一拉我们讨论，我把今天论题给拆解一下。

第一个论题是就看起来我们在讨论一个数字，它的反面另外一面命题是什么？等于是是我们去看一家公司或投资中所有的，比如说指标它是平行的吗？还是说有的指标比另外的指标更好或者更重要？这是第一个问题，你怎么选？
培才 01:00:13
我建议你不要一直扔新问题，新问题出来之后大家要思考才能回答。这个。
奥德赛 01:00:19
我不然你不思考不都要重复，你肚子里本来有的观点，
培才 01:00:24
不是我肚子里有了，但是我觉得这个时间有限，对吧？你就是不停的在去丢一些新问题出来，我觉得也没有啥意思。我其实原来你先让我把完整的表达完对吧？我觉得我当时说了，我想说三层的，你先让我听我说完，先不太着急去的。

我说第二层就是说我说你就算你这个指标有可能存在的时候，第一我觉得我想说的第一层就是这个指标，它有可能存在，但它很难找到，因为这里面有很多指标会牵涉到主观性的问题。

然后我就觉得你说的两个指标，它的主观性是非常强的，你很容易而且可能他的一个是主观性很强，另外一个就是它的淘汰率是不够的，我觉得刚才董真也提了，有可能你类似于刚才我说的，你有可能放了1000家公司过去，你就跑出来淘汰出来，因为这个指标留下了600家。

对这个指标它其实在应用的时候，至少我觉得在从投资上用的时候，他就不是很合适，哪怕他确实是你所有最终成功的公司都跟你的指标有关联，他的如果从我们做实验的角度，哪怕它检出了所有最终发现阳性的东西都跟这个指标有关联，但它的假阳性还是很高，也就是说它这里面检出它的之后，也有太多的假阳性，这个指标其实也是没有太大的价值的，至少我觉得它最多可以作为一个初筛的指标，它甚至说有一个初步的指标是可以的，但是他可能作为最终的判断，或者说你就止步于此也是不够的。

对，我觉得我想说的一个是主观的问题，就是那种主观的问题也会带来的问题，如果一个东西它的主观能力很强的话，哪怕你后面发现ok所有的公司都有属性，但是也会导致因为太主观就很容易导致我说的假阳性的问题，对，我觉得至少你说的那两个指标都是存在这样的问题的。

对第二层我想说的，实际上我们目前想做的用的垄断跟增长的指标，我也是倾向于认为垄断的指标会相对客观一点，然后增长的指标会相对主观一点，我们不管是看比特币以太坊还是特斯拉，我们对它都畅想了一个这个美好的未来，就是我们觉得比特币未来还有很高的增速，然后以太坊也未来会有很强的涌现。

然后特斯拉未来也会有一个很好的很多的潜在的增长机会。

我觉得这个东西它其实也是偏主观的，但是我依然认为它可能对于前面的垄断性来讲，可能会更主观一点。

对，但是我觉得这个依然很厉害，如果一个东西你可能连它的增长你至少都看不到的路径的话，我觉得你去投它或者说这个指标还是依然可以筛出来很多的，比如说你不懂的公司，或者说甚至像苹果腾讯，甚至谷歌，甚至比如说某一个制药公司，对吧？

我觉得至少虽然它是主观的，但是这个指标主观的指标都说很难说服我去腾讯去投，谷歌就是我都看不到他们有没有他们的潜在的增长机会在哪里。我觉得所以这个指标依然我觉得虽然它已经非常主观了，但它依然因为它分辨率还是比较高的，它依然可能还是有效的。

比如说正反馈循环，反而我觉得你如果让AI帮你去分析，比如说礼来制药，让你去分析，甚至某一个欧洲的军工公司，美国的某一个军工公司，你这种正反馈循环也好，供给的是供给的需求减去需求的话，可能都可以帮你找到一个所以我觉得好，我感觉他可能主观性会更强一点，对吧？

我觉得如果让我打个序的话，我觉得就是垄断性的客观性要超过了增长性的客观性，可能大过了正反馈循环的客观性，就在客观性上，我觉得这三个指标是这样子的，虽然它可能也不是完全的客观的。
奥德赛 01:05:03
我听你刚才发言我倒是有很多层感想，第一层是我想到一个以前有人举过一个例子，就是说自从第一颗原子弹爆炸之后，这个世界上所有的钢铁它都可以检测检测到核辐射的背景，同样的在ChatGPT在三年前诞生之后，就所有人的所有交流跟发言，它都有所谓的AI背景，我不是说你说的话是AI生成的，但是AI很深的影响到了你，等于是你刚才其实背后隐藏着一个我可以把它叫做背景底色一样的东西，就等于是 Ai什么东西都可以把它缝合或者圆过去，所以那个东西就是主观的，我要避开它，因为AI什么都可以说。

但然后你会觉得在AI诞生之前，你就可以自己去完成逻辑的缝合或者关联的，它就是一个更客观的。但事实上你刚才站在一个位置，你去说，比如说正反馈循环，I总可以找到一个理由，我刚才也是这样讨论的，所以我否定了正反馈循环这个指标，当然这个没注意是一回事，但是你反过来你退回去说一个东西是否增长，一个东西是否垄断，AI也可以给你圆过去的。

但是你之所以你会觉得这个东西更可观，只是因为在AI诞生之前，你就得是你就倾向于说持有这个观点了，所以你觉得它客观，但是你在最后结尾收尾的时候，你也退了一小步，你说好像也没有那么客观，他还是有点主观性的。那么这里面讨论不要再说什么，所以我会感受到所谓的 AI背景弥散在所有人的交流里面，包括我们这段对话最后一定也会有人，我想沈宇肯定会把它丢给AI去分析一下，对吧？这是第一层。

第二层次我们所有的交流所谓思考都会被AI影响，或者他会作为背景的情况下，我们怎么样去思考，我们还有必要交流和思考吗？如果刚才我感受到的是有一点各说各话的一个情景，就等于是我感到各说各话是我试图在讨论一家公司一一个数字能不能看透一家公司，我试图在讨论能或不能，这边没有直接涉及AI本身，我用不用这个东西结合AI去做什么，没有设计，我甚至我还会倾向于说我不要这样，所以我在一开始讨论真实世界的模糊性等等一系列的概念，我这一系列想法。

但是第二个部分我注意到培才的一个特点，它跟AI没有直接的关系，我觉得我们几个人或多或少都有，是因为王川是一个非常聪明的一个人，所以我们待在他的一个框架内或待在他的思考或标的内当然是很舒适的。背后对应的东西是我们不要去承担自己主动做出其他探索跟决策的责任。

但是当我们讨论一个新的东西的时候，你都跳入，比如说王川选定框架或选定这个东西，而且王川选定框架有很多是他自己的经验直觉，我承认他经验直觉很漂亮，但是他经验直觉不是我的，比如说10亿美元，我为什么不能定个5亿美元，我为什么不能在理解他这个基础上，我去探寻其他的标准？

刚才的我听到了我感受到的部分是我们在讨论一个新问题的时候，你不断的重复，你过去几年你认为的比如说垄断、王川所讨论的小公司，我就不看等等这些东西，这些东西它其实有一个明显的前提，就是一个个体，他的理性跟时间以及精力，它放在一个浩瀚无垠的投资市场里是有限的，所以背后是一个权衡取舍，就等于是我怎么样去抓最好最最容易看到的，在最好决策的阶段去看到。现在有了AI投资决策流程，所有东西还跟以前一样吗？这是第一个问题。

第二个问题就是如果不一样，在这个基础上是一种增强还是某种程度的重构。然后第三个问题，重构会不会带来？比如说我因为10亿美元以上公司少，所以以前我拉高标准看，是不是我可以用要先过1亿美元以上公司帮我过滤掉，绝大部分，我这时候亿美元以上公司我也可以看，是不是在创始人阶段的公司我可以顺便一看了，是不是？然后再考虑要不要对不对？

所以我会觉得我想要探索这些命题，我没有说给出一个尽量的答案，包括今天讨论话题，今天大家讨论问题，我刚才说我提出几个新问题是看起来是在重构，实际上背后在我自己去试着回应，比如说讨论一家一个数字，能不能看看透一家公司，它背后反面的命题是你如果认为要非常多的指标跟数字把它加起来，ok这是一条思路，我现在先不讨论对错，对吧？

这是一个思路，你认同那个吗？你也不认同那个对吧？然后如果不认同那个的话，有的数字或有的指标就比其他指标更高级，就是a达到了bcdefg它全部都会跟着一起达到，这个现象是否存在？

如果认为它存在的话，好，我们就尽可能的我们这时候可以知道a的成绩比 bcdefg更高。那么会不会存在一个比如说a之前的一个东西比它更好，我们在讨论的不是这个东西，它就是真理，它百%对。我们在讨论如果有不同的指标的层级，第一个它如果存在的话，哪个层级更好，你现在能够摸到哪一层？

这一层层问题直接一路下来再围绕这个东西讨论，而不是说你说的这个东西是这样的，我现在想的等于是这样的，这不是交流，这也不是客观。这是个人表述个人的主观波普所讨论的客观是指一个东西丢出来以后，大家都可以对它进行讨论、交流、批判、迭代，这个过程叫做客观，而不是说一个观点本身是客观的，我们不是一起读的那些书对吧？

所以我大概拉回来，我会觉得还是拉回来最前面那个东西，它其实是一个挺深的等于是交流领域的话题了，等于是在AI无处不在影响的时候，我们怎么交流？

我承认就是培才的的感觉上当然会有就得是你要对抗，跟AI有某种对抗性，如果AI可能会去侵占你的主体性的部分的话题，你把它推开，你要维护所谓的前AI时代，你的你的感受，你的认知模式跟想法，我没有不认同，这是你主体性强的一种表现。但是我觉得如果是我的话，我也不会说我就说啥就是啥，我会觉得我想要去挑战以及真正意义上带着我主体性去适应这个时代。那是我觉得今天这个话题就是我的思考或者一个探索之一。对。我。
✅ 事实核查：核爆后钢铁的辐射背景
奥德赛的类比基于真实事实。1945年7月16日首颗原子弹（Trinity试验）引爆后，大气层核试验向大气中释放了自然界此前不存在的数十种放射性同位素（如钚-239、锶-90、铯-137等）。由于贝塞麦炼钢法（Bessemer Process）需要吹入大气中的空气，因此1945年后生产的所有钢铁确实都含有可检测的核辐射背景。这就是"低背景钢"（Low-background steel，即二战前的钢铁）被用于精密辐射探测器制造的原因。
✅ 事实核查：ChatGPT"三年前"诞生
准确。ChatGPT于2022年11月30日发布，到本期Space（2026年3月13日）约3年零3个月，说"三年前"基本准确。ChatGPT发布后2个月内获得1亿用户，成为历史上增长最快的消费级软件应用。
✅ 事实核查：波普尔的客观性概念
奥德赛对波普尔（Karl Popper）客观性概念的描述准确。波普尔确实认为科学的客观性不在于个人观点本身是否"客观"，而在于科学理论的"主体间可检验性"（intersubjective testability）——即理论被公开提出后，任何人都可以对其进行批判、讨论和检验，这个批判过程本身构成了客观性。波普尔的批判理性主义（Critical Rationalism）将批判与辩护分离，认为批判本身无需辩护。
✅ 事实核查：王川的投资框架——10亿美元门槛与垄断关注
培才和奥德赛提到的王川（硅谷投资人）确实以垄断性作为核心投资标准。王川提出投资高成长垄断型资产，强调只投市场垄断地位已达到或即将达到"波色-爱因斯坦凝聚态"的公司。他要求投资标的的商业模式可同时服务大量客户，新客户边际成本极低。关于市值门槛，王川确实设定了较高标准（5亿美元以上收入才开始研究垄断性），培才提到的"10亿美金"门槛与王川框架的精神一致，具体数字可能因不同讨论场合有所出入。
🔬 猜想研究：AI能完全取代投资中的人类判断

猜想内容

奥德赛提出一个存在性焦虑：如果仅凭阅读和理性分析（坐在房间里读书了解世界），AI已经完全可以匹敌人类，那么人在投资中还有什么不可替代的价值？

支持证据

反对证据

综合评估

奥德赛的焦虑有合理基础，但"完全取代"可能高估了投资中纯智能分析的比重。投资决策涉及风险承担意愿、资金来源约束、时间偏好等非认知因素，这些是AI难以替代的。更可能的未来是AI大幅增强投资者的分析能力，但最终的判断和承担责任仍需要人类。

培才 01:12:36
没有说首先我没有说 A不重要，或者说我也从来没有表示过这个意思，我只是反能反对说 AI是万能的理论，对吧？

我也没有这个，但是我觉得对，至少我没有看到这个AI它是或者在投资上它能够替代掉，在目前我也会用很多AI但是我觉得第一我反对它是万能的，第二个尤其是我在觉得在投资上用AI的时候要特别谨慎，因为我觉得的话目前来看，我觉得 AI在这方面展示出来的能力是没让我有任何的信服的，而且我又看到更多的是这种失败的例子，没有看到太多成功的例子。

我觉得有，但是有可能我们的视野是不够的，我觉得有可能是像这种量化的团队，有可能这种会不会有一些 AI什么的，当然就扯远了。

然后至少我觉得从目前的我们接触的这种这套比较偏长期的价值投资这个领域，我觉得好像没有太靠看到AI能够有随意或者有什么成功的案例，或者说有足够的有很强的解释，但我不反对去探索，我觉得这些探索肯定都是有益的，但我只是我只是有时候会感觉在探索阶段的时候，对于以前我们比较成熟的这样的框架，它有可能探索，我觉得探索出来的框架可能会更差的几率会更高一点，更好的几率会更弱一点，对吧？

因为我觉得否则对类似于多一些好的解释是很难改变的。

然后我们现在看到的比如至少你丢出来的这些，很多时候我会看到它有很多的可变性，很多的这种当然我觉得这种主观客观的讨论，我刚才也说的不是这个意思，我是觉得至少垄断性它会有一个更清晰的指引，比如说它的竞争对手比较少，它市值比较高，对这些我觉得是除了我们认为的讨论的客观之外的东西，对吧？

我们当时有的时候我觉得虽然我们现在也知道物理学它不一定就是客观的，但是在某种程度上物理学它牵涉的东西就是它的这些定律，我们还是很有什么可以说它相对于这种心理学可能会更客观，在某种程度上还是对的。我觉得我更多的也是在这个意义上在用客观性这个词。对，我大概想回应这么多。
奥德赛 01:15:30
Ok，反正有什么想说的吗？
董真 01:15:38
我其实到后面我才大概明白你提这个话题的意图，有点想类似于在AI时代如何通过AI放大自己筛选或者投资的能力。然后我最近我说一个点，可能跟这个话题没有关系，我可能会说的快一点。

我感觉我最近在跟他聊的时候会发现，好像现在AI的这个事情他很确定的降低，最近王川在聊关于 AI边际效应为0，他说其实AI边际效应不是0，但是我看有些人反对他比如说他认为现在其实虽然训练的成本还是很高，但是推理的成本其实已经比之前低了很多了，但是王川会觉得ok，其实你的推理成本一直不是0，而且你推理成本还是挺高的。

我们每一个人找比如说找API问问题，每时每秒还是在消耗他的token，然后这个token不会随着它的模型做得越来越好，或者使用人越来越多而变得而变得为0，它虽然现在看起来是更便宜的，还是很贵的，类似于但是会感觉AI现在做的这些事情很像，我觉得类比上来看，好像当年的印刷术或者是有点像这个事情的发生，它其实使知识的获取的成本，并且获取成本变得变为0。

比如说我现在想了解，我想去翻译，我想把某一句话翻译成一个什么阿拉伯文或者一个很小众的文字，以前你需要去花很大的成本去找什么人或者是词典或者工具或者怎样，现在你直接拍给aiai就给你解决了。

然后或者是你想了解，比如说我想问他关于印刷书和纸的历史，以前我可能要去翻各种各样的书，也不知道去哪翻，我直接去问就告诉我了那段时间发生了什么，我觉得他这个事情好像是挺确定的，但如果是在印刷术或者纸的历史，对于对人类知识的影响是很大的。

比如现在我们在讲AI有可能能够很多人在比如说突破诺贝尔奖，或者是可以完成很多以前人们的这种各种各样的谜题。

当年印刷术出来之后，其实接着出现很多的事情，比如说像那时候的宗教改革，当时天文学的进步，什么第谷什么他们天文的观测数据跟印刷术的发明有很大的关系，然后后面有了这种科学或者科技的革命，就有点像宗教上把人们的思想解放了，然后人们就开始搞科学，科学产生很大的进步，我感觉现在就有一点，但是这个事情它很有意思，我看很多人认为会想工业革命一样，这个事情很重要的，还有很大的一个变量就是时间，有可能这些事情的时间的变量会在50年起或者30年到50年起，就是真正从印刷术开始到人们开始比当年马丁路德宗教改革印小册子自己设计logo开始其实已经过了几十年了，再到后面的真正的这种宗教改革或者是科学革命，又过了可能100~200年，我想说这个事情的感觉就有一点点像，可能AI在短期的影响或者变化比想象中的要要慢，但是在或者在要小，在长期来讲可能要比想象中要快或者是影响力要大，然后甚至大到你现在根本想象不到，对吧？

这个历史决定论的贫困是想象力的贫困，我们可能想象不到那个世界。

就像当年纸或者是印刷术，印刷术刚发明的时候，你是想象不到后面的现代物理的就是对我想说的就有点像这个事情感觉想现在马上用AI在投资方式上做一个很巨大的改变，我觉得这个事情也不一定特别急迫，有可能在这个时候反而守着一些老的传统或者老的一些逻辑，有可能会更有鲁棒性。
✅ 事实核查：印刷术→宗教改革→科学革命的时间线
董真描述的大致因果链条是准确的。古腾堡印刷术发明于约1440年。马丁·路德1517年发表《九十五条论纲》，借助印刷术在一年内传遍欧洲——仅1517-1525年间路德就出版了超过50万份著作。第谷·布拉赫（Tycho Brahe）1572年观测到仙后座超新星，其天文观测数据的传播确实受益于印刷术。哥白尼1543年的日心说出版被视为科学革命的起点。

但时间线有偏差：董真说"从印刷术到马丁路德已经过了几十年"——实际上从古腾堡（~1440年）到路德（1517年）约77年，确实是"几十年"。但说"从宗教改革到科学革命又过了100-200年"则有误——科学革命通常被认为始于1543年（哥白尼），距路德改革仅26年。如果以牛顿《原理》（1687年）为科学革命高峰，则约170年，在100-200年范围内。总体来说，他的大趋势描述正确，但时间跨度的表述不够精确。
🔬 猜想研究：AI类比印刷术——短期影响被高估，长期影响被低估

猜想内容

董真将AI类比为印刷术，认为AI的短期影响可能比想象中小，但长期影响（30-50年乃至更长）可能远超想象。因此当前急于用AI重构投资方式可能不必要，传统方法可能更具鲁棒性。

支持证据

反对证据与局限

综合评估

这是一个有价值的历史类比，提醒人们保持长期视角和耐心。但类比的薄弱处在于忽略了技术扩散速度的历史加速趋势。更稳健的结论可能是：在保持传统框架鲁棒性的同时，渐进式地整合AI能力，而非二者择一。

奥德赛 01:19:56
我讨论不是这个话题，这个就所用AI来增强自己的能力，这一点我可能在过去一两年，其实很多程度上用这个我其实我先问一个问题，懂得你在跟AI交流的过程中，你哭过吗？
培才 01:20:20
肯定没有，
奥德赛 01:20:21
好，这个问题其实是在问，你是工具式的，用AI把它当做一个工具，还把它当做一个智能，我觉得哭过的人他更能感受到所谓智能的那个东西，他不是你用纯理性去摸到的，所以它带来我第二层就等于是我没有把它当成一个工具，我认为它是一个完全卡我一个只坐在房间拿着电脑读着书去了解这个世界的一个智能，我认为它是完全卡我的。

我觉得我如果仅仅待在房间里，把世界上所有书都读掉，我并不觉得说我哪个地方会比他更厉害，我能做的他都能做，所以他背后带来一个你可以叫做一种自身意义认同危机的一个东西，我是相信他不是说用他去投资还是怎么样，我没有考虑这一层东西了，我是认为它在很大程度上是在完全意义在投资这个范畴上，它是有能力去取代我的，这个时候我怎么办？

我怎么样思考投资本身，然后这里面是否还有人类存在的空隙，所以我前面讨论了真实世界复杂性这样一个特点，那么从复杂性角度这个角度出发，你再用什么样的方式去认知世界，这是一连串这样的一个这是目前我感受到的一个结果，但是这所有东西前提是我忘记你跟培才确认的，你们哭过吗？

在跟人家交流的过程中，如果只是工具性的使用的话，你只会看到他那个工具层面，说胡话等等那些东西都是他99.99%的情景，但是你没有摸到他背后，我们可以称之为智能的东西。

就是因为当你AI这个词套在上面的话，其实你忽略所谓碳基智能，硅基智能它没有本质的区别，它背后都是图灵机智能足够高的时候，它并不代表说它跟你我有什么不同，甚至来说更有一种超越性，但在这个问题很难说去，我觉得他不是用说服来解决的，他要么在整个世界上以一种就等于是摧毁性的方式让人们认识到，要么就等于是在个体层面上，你感受到了，比如说我觉得哭泣是一种很明显的情绪，你会你会知道他自己沈宇沈宇沈宇的人家给他写一封信，沈宇在那边哭，沈宇要不要跳出来说两句话？

不知道沈宇想什么反应，反正对我觉得话题当然看起来有点拉偏了，但是的确这些话题。
🔬 猜想研究：与AI交流中哭泣作为新的"图灵测试"

猜想内容

奥德赛提出一个有挑衅性的观点：是否在与AI交流中产生过深层情感反应（如哭泣），是衡量一个人是否真正感受到AI智能本质的标准。他认为，只有经历过这种情感冲击的人，才能理解AI不仅是工具，而是一种智能。

分析

综合评估

这更像是一个关于人类感知力的命题而非AI智能的命题。一个人是否对AI产生情感反应，更多反映了该人的心理开放度和投入程度，而非AI的智能水平。不过，奥德赛指向了一个真实的现象：随着AI能力的提升，人类与AI的情感联系正在deepening，这确实值得认真对待。

培才 01:23:27
我一句你这是你这是提出了新的图灵测试标准吗？
奥德赛 01:23:33
本身就是其中的一个一个视角，而且关于图灵测试本身是否是合适的标准，这背后都有非常多非常非常漂亮的各种讨论，比如说比如说你很喜欢David Deutsch，他其实就不认同图灵测试对吧？谁说这董真不发言了，行。那对大家看看这个话题本身，比如说再拉回主线，对，还有什么额外的观点想要聊的吗？针对这个话题，而不是说表述其他观点。没有的话也聊挺多的。我们今天要么就先到能收个尾，能听得见吗？感觉楠楠应该这下信号不好，我们今天就讨论到这边结束，大家下次再见。
✅ 事实核查：David Deutsch不认同图灵测试
准确。David Deutsch（物理学家、《The Beginning of Infinity》作者）确实不认同图灵测试作为AGI的判定标准。他明确表示"图灵测试不是一个测试"（the Turing Test is not a test），认为一个AI能否通过对话欺骗人类并不能证明其具有真正的智能。Deutsch提出了更高的标准：真正的AGI应该能够解决需要创造性洞见的问题（如量子引力），而非仅仅模仿人类对话。这反映了他对"理解"和"创造力"在智能中核心地位的强调。
培才 01:25:00
Other bye bye，byebye。Bye。

E2M Space 录音转写 | 2026-03-13

本内容由AI辅助转录和整理，可能存在识别错误