第十一部 用方法看事件
第十一部·第四十二章
把方法用在新闻上
我看新闻，不是为了追着热点表态，而是想弄清一件事怎么发生、钱怎么流动、最后落到谁身上。所有公开行为都有它的生意和立足点。我能做的是提供信息、推导和适用边界，不保证每一次都正确。读者仍要自己判断，尤其要分清哪些是已知事实，哪些只是我当时的看法。
先看谁受益
一件商业新闻出现后，我先看产品离不离得开用户，再看各方的收益与劳动是否匹配。某个案例里，价格从二十八元变成五十八元，多出的三十元流向了已占据优势的人，用户和创作者的收益却没有按劳动同比增长。这类项目能否起来，个人努力可能只占两成，用户偏好与时代风口更重要。这些信息来自自媒体，我只拆逻辑，不替它的真实性背书。
再看志愿咨询。它是刚需，所以一定会长出供给，资本既可向学生收费，也可向企业收费。如果前两年的选择与去向大数据能公开，家庭就会有更透明的依据。不能因为听到“商业化”就先下负面定义，问题在于低质供给大量涌入后，行业信任被消耗，资源逐渐向龙头集中，普通人的路反而变窄。
把身份、合同和承诺拆开
商业争议不要先站队，要先辨身份。员工想在公司之外获得收益，就需要把雇佣身份切换为合作身份；公司也不能超越合同，宣称占有一切。直播带货依赖不可复制的头部个人品牌，它与旧雇佣逻辑必然产生冲突。一方真的拥有商业资本，就该回到谈判桌，而不是靠道德标签代替合同。
卖课直播常用“包就业”“国际大咖”“高价值证书”做承诺，我会把每句话落到可核验的数字上。真实就业率可能只有百分之五到百分之十；七八千元的课程请来的所谓大咖，自身变现能力也可能有限；证书能否给升学或就业加分，需要正式依据。课可以卖，但比例、路径和成功方式应该说清楚，尤其不该向低收入者和年轻人隐去关键信息。
某预付款机构在开学前还在大量营销收费，之后却停业。它是否早就准备停业，只是我的猜测。可以确定的是，销售人员只看底薪和提成，不会主动砸掉自己与同事的饭碗；预付款模式靠后续资金维持，接续不足就会出问题。溯源跟踪技术并非做不到，只是项目未必真想用它解决问题，有时它只是宣传。
初衷不是证据
“初衷是好的”不是论据。一个中心化组织如果谈公平，付钱的人和实际受益的人就该有话语权，决策也应该有多方参与。企业负责人批项目，核心看的是盈利与风险，不是口头慈善。机构的执行流程对外部人常是黑箱，社会也没有一套可无条件复制的完整方法。我不盲黑，也不盲赞，只看可见结果。改变要由明确目标驱动，姿态本身不是目标。岗位决策仍会受熟人与情感影响，能力也只有在真正懂它的人面前才容易被看见。
金融新闻有一类问题，我不替任何人回答：某个金融品到底能不能买。我也不在活动里鼓励投机。快速致富的故事会冲击读书与工作的正常激励，圈外人往往连合约地址都不熟悉，还会遇到大量仿盘。靠运气赚到的钱，往往又会因能力边界而亏回去。
维权新闻要先算当事人会失去什么。版权标记可能被变声、换画面绕过，事实全貌也很难由外人掌握。当事人需要长期承担自证和损失，旁观者却很快就会离场。即使最后胜诉，也可能付出十五万元律师费和大量时间，普通人未必耗得起。所以商业首先要能盈利，并提前用注册、备案、专利、标准、版权和合同搭起保护框架。
商业中的真情很珍贵，但不能替代等价交换。实习生不是大公司的核心，加班更多是满足组织需要。我曾期待前辈带领，实际上却常被用来完成他们的绩效。我也曾在高校协会与五百强企业合作时主动让利，最后只是被免费使用。对方是否继续合作，根本上取决于我能否带来更多收益。
先找句子的真实主语
解读一句话时，先找它的真实主语。“上大学应该衣食无忧”这句话，如果后文紧接着谈兴趣和改变世界，它指的很可能是被寄予厚望的人才，不是所有普通学生。处在高位的人向下了解容易，处在低位的人向上想象却很难。不先校正这个维度，后面的解读很可能全部偏离。
再看样本与可比性。城乡叙事的爆款视频有明显的幸存者偏差，离开县城的人本来就更可能认为它不好。大城市的小房子与县城的大宅不能直接比幸福。我接触富人，也不代表世界都是富人。2022 至 2023 年，人均年收入大约在二点八万到三点二万元。短期打工的感受，与三十五岁后的抗风险能力和自主收入，也不在同一个维度。
描述户口差异是事实，把一线户口定义成上等人、把三线户口定义成下等人，却是在事实上加入侮辱和煽动。不模糊放大，不一刀切，不给人贴身份标签。是在讲问题还是在煽动，要看它是否就事论事，是否给出了见解与方案。
平台改规则，先看基因与服务
平台要变现没有问题，但时点、长处、既有积累和用户画像不匹配，路线就会失败。每个平台有自己的基因，硬搬通用模式，会洗掉旧创作者和长期沉淀。更健康的办法，是从其他渠道获取收入来补贴创作者，而不是只把费用向普通用户转移。
价格档位也要对应真实的服务差异。仅靠内容本身，用户很难感知三十元和五十元的价值差，更容易感知的只是免费与收费。如果三十元对应视频，五十元对应直播，七十元对应线下，档位就有了可辨认的服务基础。在旧模式中突然插入价格层级，只会变成一个尴尬功能。
教育新闻，要分清下限与上限
我对教育的看法是保住下限，不强逼上限，不为面子卷学校和学历。未来更重要的是解决问题、独立思考、提问、总结和复盘。应试训练容易抹平人格与天性。讨论高考是否公平，也不能直接回答毕业后如何就业、如何赚钱。
当分流政策被澄清后，我仍判断大规模选拔不会消失。社会若不认可某些职业路径，分流只是把人推向更难的路，同时催生新的补习产业。统一筛选会把大多数人做成标准品，但学校规则与社会规则并不相同，高学历位置也很有限。一项制度调整后，还可能出现承担同样功能的新机制。
当新闻里出现榜单与分配数字，不要把它直接当成个人路径。财富长期可能呈现百分之五掌握百分之九十五的格局，但这不表示个人只能挤在同一条路上。高考不是绝无出路，问题是大量普通人都在抢同一个入口，辅导过程又主要供养机构。除了竞争已知位置，还要学会另辟蹊径。
大环境新闻，先找个人可控范围
大环境是无数个体选择的总和，但个体选择又受长期灌输影响，并不完全独立。就像一头大象从小被告知自己只有某一种用途，它后来很可能把这个定义当成自己的选择。规则制定者更能影响趋势，普通人主要能改变自己。社会不是平面金字塔，而是多维相互制衡的立体结构。未理解规则就谈改变，容易只留下想象。固化不是个人能解决的，个人可做的是认清事实，然后立即改变自己。
学校更像一个加成，只会放大已有认知和习惯。房地产、自媒体、直播、拆迁与福利带来的财富，都深受时代影响。与其追求抽象的财务自由和圈层，不如真正做业务，接触不同的人，给自己创造新机会。在谈改变大环境前，先看个人月收入、现金流和抗风险能力。
抗争与商业赚钱是两套评价。抗争先要知道自己要什么，并且在无数细节中坚持做自己，它看重过程与真实行动，不是宏大姿态。商业却首先看结果，看能否建立可持续的收入。把这两套标准混在一起，就会既误读行动，又误判生意。
最后还要查说话人的位置。我没有职位束缚，业务覆盖个人、企业、高校与政策，也因此接触不同层级的人。如果我坐在某个具体职位上，就可能要鼓励读书、创业、生育，并反复强调经济向好。每个人的话都有位置与利益驱动，某项政策存在不等于个人就有机会，政策不存在也不等于机会必然消失。
从 2022 到 2024：不把局部当整体
2022 年，微软裁掉元宇宙业务的一个部门，不等于整个技术失败。要看设备、增长、商业闭环与真实痛点，还要分开一线与低线、国内与海外。媒体可见的百分之五到百分之二十，不能代表全部。后来区块链少被提及，也可能是因为新基建已经布局。名字不是关键，共识和智能合约系统是否运转才是关键。
2023 年，餐厅排队也不等于经济已恢复。互联网从普惠走向垄断和透支，投入一百元的产出可能从九十元一路降到一分钱。当时的消费可能来自疫情催化，也可能是人们暂时放弃规划未来、用消费发泄情绪。年轻人压力很大时，水面上最显眼的百分之二十，可能恰恰是反向信号。
2023 年下半年，我看到的另一个信号是竞争开始螺旋下坠。竞争本该是把东西做得更好，但有人转向举报、抄袭与营销搅乱。平台追逐收入并进一步头部化。用生成工具一天发一百条低质内容，即使下架八十条，仍有二十条能淹没每周一条的精品。受众看到的可能只是球场上的百分之一，自己却属于其余百分之九十九。我曾遭遇品牌公关威胁，因此信息披露也有安全边界。
2024 年 3 月，预算下降已非抽象感受。一些项目连外地专家的差旅都无法承担，高校百万级订单降到几十万、十几万，价格降一半甚至三分之二，要求却更多。五万元报价会遇到五千元竞争，乙方内卷和甲方乱价都说明市场缺钱。没有合同、要求先白干、又只给很低分成，属于假合作。但困难市场也给普通人留出了缝隙，因为市场转好时，竞争者只会更多。
2024 年的某场舆论争议牵涉大厂、成年人与未成年人三方。性别、年龄、死亡结果或媒体放大，都不能单独确定谁是受害者。我遇到过合作方为活动夸大头衔，最后有人因此离职，而各方都认为自己受害。舆论背后有流量利益，更稳妥的方法是让信息再跑一会儿，保持冷静，等待更完整的因果链。对一件无收益、无控制力的事急于评价，往往没有意义。
技术不应该替人背锅。错误与误导在 AI 出现前就存在，公众常只看表面，情绪高潮七天后又会被新热点替代。国家和个人发币的故事一旦打开快速赚钱的盒子，就可能削弱劳动激励，加快个人损失与社会不稳定。面对更快的分层，行动顺序应该是先补齐与世界的信息差，再找可行方法。
2025：把宏观变成现金流判断
2025 年，来问关税影响的人，既有生活拮据者，也有家庭传统生意过亿者。我当时判断各行业的细节价格会上涨，影响也可能持续很久，但这个看法并未经过多人验证。两极分化开始体现在衣食住行的每个细节上，赚钱机会减少、价格上涨、压力增加。黑天鹅环境里，长远规划很容易失效，现金流更重要。一线之外的投资信息还可能滞后或失真，不能直接照搬。
某场 AI 会销免费报名，前排却约三千四百元；现场延误四十五分钟，前一小时都在讲工业革命与管理，与 AI 关系不大。听众多是微商、MCN、电商和传统业主，对 AI 的理解有限。课程价格九千八百或八万，看似高价，却不是在赚真正富人的钱；我对这个群体的判定是年收入千万以上。几百人的场子当然会成交，但高价课已经出现免费座位，本身就说明市场很难。
看哈佛与美国政府的资金争议，要先补全时间线。当时先审查九十亿美元，后冻结二十二亿美元拨款和六千万美元合同，随后又取消四点五亿美元，哈佛提起诉讼并回应。如果评论只讲教育的神圣，却略去资金与治理链，就没有条件站到第三方位置上判断。
看不见穷人、三十五岁失业者和年长从业者，不等于他们不存在。朋友曾在人均一千到两千元的餐厅里，看到窗外有人翻找废弃物，两个生活世界只隔了一块玻璃。未来的网络可能被商单、带货、AI 模板和抄袭大量填满。商业人性没有变，只是我们从不知道变成知道。底层之间的相互排斥在增加，真正行动的人与沉迷攻击的人也在分化。
AI 新闻，先看信息差、供给和收益上限
到 2025 年下半年，贫富差、知识差和信息差都在扩大，AI 又加快了这个过程。我从 2023 年起的输出方式没有大变，但仍不保证结论正确。就业市场可能变成百分之五的高薪岗位与百分之九十五的低薪岗位，中间层被 AI 大量填补。两三千元的工作仍会很多，但向上的入口更少。个人需要同步全球信息，了解海外并尝试海外业务；涉及投资，只做自己真正懂、且能长期控制操作的部分。
消费难回暖，一是没钱，二是没有多少真正值得消费的东西。我当时对未来十到十五年的建议是保持现金流，高风险配置只占百分之五到百分之十五，其余百分之八十五放在相对低风险部分，长期持有好过频繁折腾。2025 年 12 月，网民约十一点二五亿，初中及以下占百分之六十四点八，超过七点二八亿。这才是市场的真实受众。AI 的赚钱效率，当时也不如早期房地产。
AI 没有创造财富集中，只是可能把两百年的过程压缩到二十年。全民入场常常已到周期尾部。承认个人能力边界很重要，因为即使只有百分之一的毁灭性风险，一旦发生也无法承受。想在风险中获利，前提是自己真有抗风险能力。
AI 可以生成大量代码和文档，但人的审核成本很高，再让 AI 总结仍需要人审，很容易形成循环。窗口期里能靠 token 赚钱就是能力，不能只感叹成本收缩。出版社只愿意接一两个月能卖一万本的确定流量，就是同一个道理。热点往往先经历泡沫，再回到产业盈利，每个阶段都有切入方式，关键是不要跟着市场情绪摆动。
中美用算力和模型抢市场，本身已是竞争，不必等到冲突出现在门口才承认。今天的困难，也可理解为 2000 年以后二十年过得相对顺利，高预期遇到多重冲击时，感受才更强。中小微企业难以承担，大公司更能支撑，普通人承受最后的冲击。能控制的事只有三件：守住现金流，保持低风险配置，只做能看见现金流的业务。
AI 很难精准预测与人性有关的目标。出海也不是把国内的一复制成 N，而是从零到一重新创业；很多中国企业出海是为了生存，不是锦上添花。我更愿意先把 AI 看成金融产业，它继续发展才会成为战略产业。投资者更谨慎，是因为感觉市场接近临界点。股市与宏观泡沫能维持多久没人知道，但各方都会在它破裂前尽量获利并回报股东。
技术大战之前，先看补给。AI 竞争首先抢的是电力与芯片，个人则要判断自己的哪些地方真能用上它。巨头会借 AI 扩大已有优势，宏观金融也会因此形成泡沫。我不是在断言危机时间，只是认为已有信息指向一个风险节点。
2025 年末：烧钱终将走向盈利检验
一个产业会从烧钱走向节约，再走向必须盈利。国际形势一天一变，金融泡沫还在增长，我当时判断破裂可能比想象中快，但无法确定时间。国内供应链生态可以自循环，公司什么时候上市并非最重要，上市之后能否证明盈利，能否用正现金流收回早期巨额投入，才是检验。
2010 年前后就有智能眼镜，但手机仍是最大载体。AI 拐杖、眼镜与耳机有价值，但更多是锦上添花，未必解决核心痛点。国际环境按周、按月变化，个人制定耗时很长、效率很低的计划，还未完成就可能过时。我当时长期看好贵金属三年以上，同时认为泡沫破裂会拖累它，实物交割又很难，因而不适合随意投资。这只是当时观点，不是不受时间影响的结论。
上市本身就可能包含泡沫。资金风险首先集中在国家层面，最后由小微企业和普通人承受。全球变化很快，黑天鹅可能突然出现。我当时会观察两家头部 AI 公司的 IPO，以及某家航天公司八月解禁。外部触发器也可能来自美国、日本或韩国，不要只盯着内部。
从 2020 年起，地方数据局与交易所的推进仍然有限。高杠杆泡沫可能还有半年到一年的狂欢，但会挤压实体和非科技业。它很像 2010 年后初创企业烧钱抢市场，用户曾经可以两元喝咖啡、五元打车，习惯形成后补贴就会消失。今天的便宜，不等于长期受益。
经济更像一栋脆楼，AI 上市、航天公司解禁、地区冲突与高温等因素会叠加，不能只用通胀或通缩概括。我当时推测影响可能持续十五到二十年，这是推测，不是定论。AI 采用率榜单上没有中国，如果以十四亿人为分母，采用比例确实可能不高。中美是主要模型玩家，美国路线偏高价高质，中国路线偏平价、快速可用，第三国会在两者之间寻找平衡。
公共服务涨价可以用人性或刺激经济的目的解释，但兜底范围可能继续扩大，刺激也未必成功。小幅波动也可能形成多米诺骨牌，所以目的不能代替结果，需要持续观察。AI 上升到战略与军事高度后，已经不由个人控制。中国在低成本路线和电力基础设施规模上有优势，可以支撑 token 与算力。个人要看的，是这些优势中哪一部分真能被自己利用。
2026 年初：跟结果，不跟表态
2026 年初，出海也已经很卷，内需低迷还可能持续。强硬、一刀切的方式，从社会稳定的角度看可能更稳定。这是对机制的描述，不是对它好坏的评价。出海不是自动出口，只把地点换掉，不会让竞争和环境问题自动消失。
我没有去当时的 AI 大会，信息来自与他人沟通，不保证真实。我听到的情况是流程较乱，具身机器人很多，最大展位却是消费品广告。公开大会的演讲只能做宏观表态，预期不宜过高。流水线式加微信没有用，参会目的要么是学他们如何包装和营销，要么就不设预期地学习。行业蓬勃发展，与它能否给个人带来收入，是两件事。
当 AI 已经上升到战略高度，投入越多，未来的泡沫也可能越大，破裂的代价最后仍会落到普通人身上。韩国股票市场已显示出联动风险。某个谈判消息可以短期拉动市场，但我更愿意跟踪股价等结果，而不是跟着表态下结论。
中美 AI 按天迭代，行业仍不成熟，个人不能用很长的准备期拖延行动。无论开源还是闭源，当时都没有形成足够的自我造血。一个可能性是两年繁荣之后进入十五到二十年的低迷，头部公司仍能赚钱。海外对美国的排斥，可能为中国 token、远程外包和技术支持带来短期风口，但持续多久未知。
裁员与召回人员是一个钟摆。企业认为 AI 能替人时会裁员；当 token 成本过高，又无法完成初级任务，就会重新找人。长周期可能仍在早期，短周期却可能接近临界点。我当时不看好 AI 短期盈利，但未来无法确定，更值得在两家公司 IPO 后继续观察。全球就业都不乐观，海外未必比中国好。海外抵制与 IPO 逐利、就业威胁和高 token 成本都有关，可能在 IPO 前达到高潮，但时间仍然未知。
最后看融资新闻。我认为美国通过通胀回暖的逻辑可以说通，但不对后续下结论。当时多数 LP 没有钱或正在退出，资金进一步集中到头部。即使新闻说市场有钱，个人仍要落到两个判据：这笔钱能否到自己的收入里，自己是否真的知道它走过来的路径。
所以，我把方法用在新闻上，始终是同一套顺序：先找真实主语，再看钱、劳动和风险如何分配；分清事实与推测，再查样本、时间线和可比性；最后查说话人的位置，并把宏观结论落到个人可控的现金流和行动上。热点会过去，判断方法却可以重复使用。