Home

04.14.25: 智能无法改写历史

最近花在 Coding 上的时间越来越多。真正沉浸在一件事情里之后，就会把它慢慢变成一个观察世界上所有事情的滤镜——这并不是说这是一件好事，但它的确可能会带来一些之前没有想到过的角度。

从春节后，我其实一直在为一个想法写代码。到现在，已经断断续续有两个月的时间了。这期间，由于我基础知识的匮乏，总是写到一定阶段之后，就因为各种原因，出现了崩溃性的问题。表现为：系统中错误的数量太多，以至于改了这里，那里冒起来，即便 AI 还是在勤奋的解决问题，但我的人类大脑已经很难处理这么多的信息。

我发现，造成问题的原因倒不是任何一步的实施：每一个任务都做了相应的检查，Cursor 还会添加单元测试，但部分之和不等于整体。Agent 的确有自主性，但它也会因为自己专注于达成当下的目的，受到上下文的局限，最终顾此失彼。

我是在这里真正意识到 Gemini 百万级上下文的价值：配上 2.5 Pro 的强大推理能力，真的可以坐拥全局，谋定后动。

在这样的情况下，时间并不是你的朋友。我意识到，事物的生命周期一定会遵守某种命定的规律。一旦混乱开始发生，就很难把魔鬼再装回到瓶子里去。我看着终端里的错误信息，发现一个看起来很微小的不足，最终会在长链条中滋长成一个要命的逻辑错误，而解决问题的方法很可能是一个打补丁的权宜之计。一次两次下来还好，多了以后，内心的系统洁癖就要发作。

于是想要重构。但当系统已经出现混乱征兆时，重构很像是一场外部震荡（就像 Trump 的关税冲击），它想要用自上而下的方式来解决自下而上的问题，结果一定是在意外的地方难以收场。

经验丰富的工程师朋友告诉我：最好的办法就是从头开始。

到这一周，是我第三次从头开始。

检验对一件事是不是真的有 passion，是不是愿意重头开始，是一个好办法。

听上去很可怕，但是从头开始其实不是从零开始。每一次推倒重来，都还留有上一次的基础。我提早预判了“坑”在哪里，也就知道在一开始就有意避免往那里去。在第三次开始的项目文档中，我告诉 Cursor，请限制项目在这个范围内，至于某个功能，虽然可能很常见，但我们不要在这个阶段做。

于是，每一次重头开始，都更轻装上阵，只保留最精简的需求，只选择最简单的技术栈。如非必要，勿增实体。

这让我回想起，在互联网公司中，其实并没有这样的奢侈。业务不可能停下来，也不可能推到重做。用户需求从四面八方涌进来，每一个意见都很重要。增加功能容易，但减少功能却一定会挨骂。结果就是系统持续熵增，混乱在看起来四平八稳的表面下面累积。

试想一个情况：我们得到一个需求，需要在某个界面上展示一些用户可能关心的数据。要增加这个数据，就需要在某个接口中增加这个数据。这可能意味着，历史上很多的数据都追溯补全，很多数据类型要重新定义。

这个情况其实很常见。在公司里，这可能意味着很多的跨部门沟通，每个请求都要有人提出，有人同意，有人实施。但在 Agent 的世界里，一个请求在几十毫秒的时间里就被响应了，人类甚至没有足够的时间思考。有人说，AI Coding 会带来 更多的技术债，合理。

我意识到，智能再强大，也无法改写历史，也无法对抗时间的流逝。它做出响应的瞬间，决定了它能影响的时间点，而在此之前的都是历史，无法改写。当我们看到一件事情变好的时候，它在历史上就是“更坏”的，反之亦然。而当“变好”越来越多，越来越快的发生——这是“智能”和一切技术所承诺的，我们就必须更频繁的面对断裂的历史和未来。

本周的延展阅读包括了 6 篇文章。由于关税政策的反复摇摆，大量关于短期预测的判断都已经失去意义。我尽量选择了一些更可能在长期中值得参考的文章，他们的观点大体一致，但仍然在细节上有所分歧。

历史不能被改变，但这其实是一种可以借助的力量，我们总可以从中汲取经验，如果运用得当，总能避开危险。

Recessions Accelerate AI Adoption, and It Will Be Painful

本文来自 John Hwang。他的背景复杂而有趣：曾经是 Morgan Stanley VIX 指数交易的负责人，还在 Amazon 担任过从产品到 GTM 的一系列职务。

本文的核心观点是：经济衰退而非技术本身的突破，正成为企业大规模采用人工智能（尤其是 AI 代理）的主要催化剂。面对成本压力，企业将利用 AI 作为裁员的“借口”和实现新运营模式的“推手”，这一转变虽然痛苦，但旨在重塑工作流程，并最终提升人均营收。

这一轮由经济周期驱动的 AI 浪潮，其价值可能会高度集中在少数模型和平台层公司（如 OpenAI、Anthropic 等），而对更广泛的就业市场和传统的 SaaS 供应商带来冲击。作者认为，经济下行压力迫使高管们将 AI 从实验阶段推向核心运营，以在增长停滞时改善利润率。Shopify CEO 近期强制员工使用 AI 的内部邮件可能只是冰山一角。

我相信（Shopify）备忘录的时机和基调与迫在眉睫的经济衰退息息相关——Tobi 想通过他的 AI 指令抢占先机。我预计其他 CEO 们在未来几周和几个月内也会效仿。这呼应了我在《企业 AI 趋势》中一直探讨的一个观点——最近一次是在当前纳斯达克崩盘之前：经济衰退将成为不可避免的催化剂，推动AI 在多个层面（个人、组织、行业甚至国家）的采用。但即将到来的转型形态可能比大多数人预期的更为严峻。AI 正迅速成为裁员的借口和推动者：一个为裁员辩护的简洁叙事，同时也是填补裁员后运营缺口的真实工具。

"I believe the timing and tone of the memo have everything to do with the looming recession—and Tobi wanted to jump the gun with his AI mandate. I expect other CEOs to follow suit in the coming weeks and months. This echoes an idea I’ve been writing about on Enterprise AI Trends—most recently before the current Nasdaq meltdown: recessions will act as an inescapable catalyst for AI adoption across multiple levels—individuals, organizations, industries, and even countries. But the shape of the coming transition may be darker than most expect. AI is quickly becoming both the excuse and the enabler for layoffs: a tidy narrative to justify cuts, as well as a real tool to fill the operational gaps left behind."

AI 的普及并非纯粹的技术驱动，而是与宏观经济周期紧密相连。衰退的压力为企业采用 AI 提供了一个“正当理由”，将那些原本可能因内部阻力而进展缓慢的变革强行推进。AI 同时扮演了两个角色：一是为艰难的人事决策（裁员）提供了一个面向未来、技术驱动的“体面”解释；二是作为工具，实实在在地填补了裁员后留下的工作空白。

但这背后还有一个更阴暗的层面：AI 现在既是重组的借口，也是推动者。借口：AI 为领导层本就想做的人事决策提供了一个清晰的叙事。他们不再需要提及绩效不佳、团队臃肿或规划不当，而是可以将裁员重塑为前瞻性转型的一部分。“我们不是在裁员——我们是在实施 AI。” 这更容易向投资者、董事会甚至员工传达。注意，这正是 Klarna CEO 在 2024 年所做的。推动者：AI 也填补了裁员造成的运营缺口。在过去的周期中，裁员意味着服务质量下降、产出减慢或目标无法达成。但如果 AI 代理能如宣传般运作，公司至少在理论上可以提高人均营收。这使得比几年前更为激进的组织重组得以循环发生。

"But there’s an even more sinister layer to this: AI is now both the excuse and the enabler for reorgs.

这种“借口”与“推手”的双重作用，正在成就 AI 在企业战略中日益核心的地位，尤其是在经济下行期。它不仅被视为提升效率的工具，更被用作一种战略手段，来推动那些在“正常时期”可能难以实施的组织变革。Klarna 的案例被提及，暗示这并非孤立现象，而可能成为一种新的管理范式。

然而，要真正释放 AI 的潜力，仅仅将其作为现有流程的附加层是远远不够的。这涉及到对工作方式本身的彻底改造。

要全面采用 AI 代理，公司不能仅仅将其叠加在现有工作流之上。他们需要重新布线（re-wire）工作方式。这意味着重新思考职责、合并职能、并废除为不同时代构建的遗留流程。但你无法在引擎运转时对其进行重新布线。 所以，你会选择关闭部分引擎。 在这种背景下，裁员不仅仅是为了削减成本——它们是为新运营模式腾出空间的一种机制。进行重组不仅仅是为了省钱，而是为了消除旧结构的束缚。换句话说，裁员——虽然对个人来说是痛苦和颠覆性的——常常被战略性地用来为新的 AI 驱动的运营模式创造空间。

"To fully adopt AI agents, companies can’t just layer them onto existing workflows. They need to re-wire how work gets done. That means rethinking responsibilities, collapsing functions, and tearing out legacy processes that were built for a different era. But you can’t rewire an engine while it’s running. So instead, you shut parts of it down. Layoffs, in this context, aren’t just cost-cutting—they’re a mechanism to make space for new operating models. The re-orgs are not done just to save money, but to remove the constraints of old structures. In other words, layoffs—while painful and disruptive for individuals—are often used strategically to create space for new AI-driven operating models."

这个“引擎运行时无法重布线”的比喻非常形象，它点明了深度整合 AI 所需的代价：必须打破现有的、围绕人类设计的流程和组织结构。裁员在这里被赋予了更深层次的战略意义——它不是目的，而是手段，是为了“清场”，以便引入全新的、以 AI 为核心的运营模式。这种视角解释了为何一些看似激进的重组和裁员，在企业看来是拥抱未来的必要步骤。

这种由 AI 驱动的效率提升一旦实现并被证明有效，其影响可能是深远且持久的。

一旦这种效率被证明，就几乎没有动力再回到过去。 那些为给 AI 腾出空间而被削减的职位不会被重新填补。并非出于恶意，而是因为它们不再必要。这可能导致劳动力永久性减少，呼应了我们在 2008 年后看到的模式，当时许多失业工人从未完全重返劳动力市场——不是因为缺乏意愿，而是因为那些职位本身消失了。无法保证会有新工作出现来取代旧工作。与以前的技术变革不同，AI 不需要庞大的支持生态系统。它不是在构建一个新的互联网；它是在压缩我们已有的互联网。创造的大部分价值将流向少数主导者——OpenAI、Anthropic 和主要的云服务提供商。与此同时，失业的工人将被告知要“重新学习技能”，但这些技能对应的职位可能并不存在于有意义的规模上。

"And once that efficiency is proven, there’s little incentive to go back. The roles that were cut to make space for AI won’t be refilled. Not because of malice, but because they’ll no longer be necessary. This may lead to a lasting reduction in the labor force, echoing patterns we saw post-2008, where many displaced workers never fully returned to the labor market—not due to a lack of willingness, but because the roles themselves vanished. There’s no guarantee that new jobs will materialize to replace the old ones. Unlike previous tech shifts, AI doesn’t require a large supporting ecosystem. It’s not building a new internet; it’s compressing the one we already have. Most of the value being created will accrue to a few dominant players—OpenAI, Anthropic, and the major cloud providers. Meanwhile, displaced workers will be told to “reskill,” but into roles that may not exist at meaningful scale."

Hwang 在这里提出了一个令人警醒的观点：AI 引发的变革可能不同于以往的技术革命（如互联网）。互联网创造了大量新的就业岗位和生态系统，而 AI 的特点更像是“压缩”现有结构，提高效率，导致价值高度集中于顶层的少数玩家。2008 年金融危机后的就业市场复苏模式被用来类比，暗示这次 AI 驱动的结构调整可能导致一部分工作岗位永久性消失。“重新学习技能”（reskill）的口号可能面临“学了之后无处可用”的现实困境。

面对这种结构性变化，对个体从业者的要求也在发生深刻转变。仅仅“会用”AI 工具已经不够了。

仅仅‘使用’AI 工具是不够的——人们将被期望改善工作流程，自动化常规任务，并展示杠杆作用。这不一定意味着要学习编程，但确实意味着要理解系统。能够识别价值在何处创造，以及效率可以在何处引入。本质上，顶级的 AI 用户将是那些能够构建和管理 AI 自动化，以取代其部门大量工作的人。 这些举措显然会在同事中非常不受欢迎，但这正是趋势所在。更多公司将开始奖励那些能够自动化自己工作的员工。提示工程（Prompting）只是基本要求。 能够茁壮成长的人将是那些能够构建和运行集成到实际业务工作流中的 AI 代理的人。这不一定意味着编写代码——但它确实意味着理解系统。以流程方式思考。交付自动化成果。你不再仅仅因为使用而被评判。你是因为杠杆作用而被评判。

"It won’t be enough to “use” AI tools—they’ll be expected to improve workflows, automate routine tasks, and demonstrate leverage. That doesn’t necessarily mean learning to code, but it does mean understanding systems. Being able to identify where value is created, and where efficiency can be introduced. In essence, the top tier AI users will be the ones capable of building and managing AI automation that replaces swaths of work in their department. These initiatives will obviously be very unpopular among colleagues, but that’s where things are headed. More companies will start rewarding employees who are capable of automating themselves. Prompting is table stakes. The people who thrive will be the ones who can build and run AI agents that integrate into real business workflows. This doesn’t necessarily mean writing code—but it does mean understanding systems. Thinking in processes. Shipping automation. You’re not just being graded on usage. You’re being graded on leverage."

未来的职场评价体系正在悄然变化。“使用”AI 只是门槛（table stakes），真正的价值在于利用 AI 实现“杠杆作用”（leverage）——即识别、设计并实施能够自动化任务、优化流程、提升部门乃至整个组织效率的解决方案。这需要员工具备系统思维、流程意识和交付自动化成果的能力，即使不直接编写代码。能够“自动化自己”或团队部分工作的人，将在新的评价体系中脱颖而出，尽管这可能带来组织内部的紧张关系。衡量标准正在从简单的“使用”转向更复杂的“创造价值”和“提升效率”。

OpenAI’s CPO on how AI changes must-have skills, moats, coding, startup playbooks, more | Kevin Weil (CPO at OpenAI, ex-Instagram, Twitter)

本文来自于 Lenny's Podcast 对 OpenAI 首席产品官 Kevin Weil 的深度访谈。

理解 OpenAI 产品策略的关键在于其「模型至上主义」（model maximalism）的哲学。Weil 解释道，这是一种信念，即 AI 模型将以极快的速度改进，因此与其围绕当前模型的局限性构建复杂的脚手架，不如直接为那些刚刚萌芽的能力进行设计。

OpenAI 的模型至上主义哲学——即 AI 模型将以如此之快的速度改进，以至于最好是为刚刚出现的能力进行构建，而不是围绕当前的局限性进行大量的脚手架搭建。这种方法承认，今天的 AI 模型是“你余生将使用的最糟糕的模型”，其能力呈指数级增长，而成本则以数量级下降。改进的速度惊人——模型迭代之间曾经需要 6-9 个月，现在 O 系列模型已加速到 3-4 个月，每一次都代表着能力的巨大飞跃。

"OpenAI’s philosophy of model maximalism—the idea that AI models will improve so quickly that it’s better to build for capabilities that are just emerging rather than extensively scaffolding around current limitations. This approach acknowledges that today’s AI models are “the worst you’ll ever use for the rest of your life,” with capabilities increasing exponentially while costs decrease by orders of magnitude. The pace of improvement is staggering—what once took 6-9 months between model iterations has accelerated to 3-4 months with the O-series models, each representing a substantial leap in capability."

这意味着：我们今天使用的 AI 是“有生以来最差的”，但其能力正呈指数级增长，成本则以数量级下降。模型迭代速度的惊人加快（从 6-9 个月缩短到 O 系列模型的 3-4 个月），意味着基于当前限制的决策很快就会过时。这要求开发者具备极高的适应性和对未来的远见，优先考虑那些能随模型进化而扩展的架构和产品方向，而非过早地锁定在当前能力的“局部最优解”上。这是一种与指数级技术浪潮共舞的策略。

这种哲学也体现在 OpenAI 构建其 AI 系统的方式上：并非依赖单一的通用大模型，而是采用“模型集成”（ensembles of specialized models）的策略。Weil 将其类比为人类组织的运作方式：

OpenAI 将其 AI 系统构建为专业模型的集成——类似于人类组织的运作方式。他们不是依赖单一的通用模型，而是部署多个协同工作的专业模型（有些针对特定任务进行了微调，有些则因速度或成本效益而被选中）来解决复杂问题。这反映了公司如何作为拥有不同技能和成本的专家集合来运作。OpenAI 在内部应用这种方法，仅用 30-40 名员工就处理了超过 4 亿用户的客户支持。

"OpenAI structures its AI systems as ensembles of specialized models—similar to how human organizations work. Rather than relying on a single general-purpose model, they deploy multiple specialized models (some fine-tuned for specific tasks, others chosen for speed or cost efficiency) working together to solve complex problems. This mirrors how companies function as collections of specialists with different skills and costs. OpenAI applies this approach internally to handle customer support for 400+ million users with just 30-40 staff members."

这种架构的精妙之处在于它承认“术业有专攻”。通过组合不同专长、速度和成本效益的模型，OpenAI 能够更高效地解决复杂问题，如同一个由专家组成的团队。Weil 提到，他们内部正是利用这种方法，仅用 30-40 名员工就支撑了超过 4 亿用户的客户服务。这不仅是技术选择，更是一种组织和资源优化的体现，暗示着未来 AI 应用可能更多地依赖于这种协同智能而非单一“万能”模型。

随着 AI 能力的提升，构建和管理 AI 产品所需的技能也在发生深刻变化。Weil 指出，一项核心新技能正在浮现：编写有效的「评估测试」（evals）。

编写有效的评估（evals）正成为构建 AI 产品的产品经理和团队的核心技能。这些结构化测试衡量模型在特定任务上的表现，帮助团队了解模型在哪些方面表现出色（99.95% 的准确率）与哪些方面存在困难（60% 的准确率）。这些知识从根本上塑造了产品设计决策。评估的质量有效地限制了 AI 产品的潜力，因为模型只能针对你能很好衡量的方面进行优化。

"Writing effective evals is becoming a core skill for product managers and teams building AI products. These structured tests measure model performance on specific tasks, helping teams understand where models excel (99.95% accuracy) versus where they struggle (60% accuracy). This knowledge fundamentally shapes product design decisions. The quality of evals effectively caps the potential of AI products, as models can only be optimized for what you can measure well."

Eval 不仅仅是技术指标，更是连接模型能力与产品价值的桥梁。它们迫使团队清晰地定义“成功”，并将模糊的用户需求转化为可衡量的模型性能目标。Weil 强调，Eval 的质量直接决定了 AI 产品所能达到的高度——你无法有效衡量，就无法有效优化。这预示着未来产品管理的角色将更加偏向于严谨的实验设计和结果解读，成为模型迭代和产品改进的关键驱动力。

关于 AI 的交互方式，存在许多关于聊天界面是否只是过渡形态的讨论。但 Weil 提出了一个引人深思的反驳，认为聊天可能具有持久的生命力。

尽管许多人认为聊天是一种将被取代的原始界面，Kevin 认为它恰恰可能是 AI 最理想的交互模型。聊天的非结构化、灵活的特性以结构化界面无法实现的方式最大化了通信带宽。它模仿了人类自然的交流方式，并且能够适应从基础到超智能系统的任何智能水平。这种灵活性使其成为“一个可以容纳你想向模型表达的任何可能事物的万能接口”。

"While many dismiss chat as a primitive interface that will be superseded, Kevin argues that it may be the ideal interaction model for AI. Chat’s unstructured, flexible nature maximizes communication bandwidth in a way that more structured interfaces cannot. It mirrors how humans naturally communicate and can adapt to any intelligence level—from basic to superintelligent systems. This flexibility makes it a 'catchall for every possible thing you’d ever want to express to a model.'"

Weil 的观点挑战了追求更“结构化”界面的普遍趋势。他认为聊天的非结构化和灵活性，使其能够最大限度地扩展与 AI 的沟通带宽，适应从基础到超智能系统的任何智能水平。这种“万能接口”的特性，使其在需要表达复杂、微妙或不断变化的需求时，具有不可替代的优势。这提醒我们，最优的交互不一定是最“图形化”或“结构化”的，而可能是最能模拟人类自然交流、信息密度最高的那个——而聊天，恰恰是其中的佼佼者。

面对快速迭代的模型和不断变化的理解，OpenAI 的产品开发方法也体现了极强的适应性。他们拥抱一种“迭代部署”（iterative deployment）的方法论。

OpenAI 拥抱一种“迭代部署”的方法，倾向于尽早发布产品并在公开场合进行改进，而不是在内部将其完善。这种与用户的协作进化承认了每个人都在共同学习模型的能力。这种哲学延伸到 OpenAI 如何处理路线图规划——他们设定方向性的一致，但期望计划随着技术的发展而改变，专注于规划过程本身，而不是僵化地遵循计划。

"OpenAI embraces an “iterative deployment” approach, preferring to ship products early and refine them in public rather than perfecting them internally. This collaborative evolution with users acknowledges that everyone is learning about model capabilities together. This philosophy extends to how OpenAI approaches roadmapping—they set directional alignment but expect plans to change as technology evolves, focusing on the planning process rather than rigidly following the plan itself."

这种“边飞边造飞机”的策略，强调速度、用户反馈和共同学习。它承认在 AI 的前沿领域，没有人拥有所有答案，与用户一起探索是最高效的路径。这也重新定义了「规划」的意义——重点在于规划过程中的方向校准和学习，而非死守计划本身。这对于任何在快速变化的技术领域中航行的团队，都具有深刻的启示：计划是指南针，而非地图；过程比静态的蓝图更重要。

The case against conversational interfaces

设计师 Julian 在他的文章《反对对话式界面的理由》中，并没有全盘否定对话式界面（Conversational Interfaces, CIs），而是提出了一个更细致、更具建设性的观点：它们并非要取代我们现有的计算方式，而更应作为一种强大的补充层而存在。

自然语言虽然“自然”，但在人机交互中作为数据传输机制，其速度和效率远低于现有的图形用户界面（GUI）、快捷键和手势等方式。AI 的真正潜力在于通过一个操作系统级别的“命令元层”（command meta-layer）来增强现有工作流，让用户能用语音等自然方式触发操作，而无需中断当前任务。未来不是替代，而是增强，旨在实现更毫不费力的人机交互。

Julian 首先指出了科技界一个反复出现的模式：

对话式界面有点像一个“迷因”（meme，网络流行语）。每隔几年，当一项闪亮的新 AI 进展出现时，科技界的人们就会惊呼：“就是它了！下一个计算范式来了！我们以后将只使用自然语言！”但随后，什么实际变化也没有发生，我们继续像往常一样使用电脑，直到几年后这个争论再次浮现。

"Conversational interfaces are a bit of a meme. Every couple of years a shiny new AI development emerges and people in tech go 'This is it! The next computing paradigm is here! We’ll only use natural language going forward!'. But then nothing actually changes and we continue using computers the way we always have, until the debate resurfaces a few years later."

在评估一项新技术时，区分其长期潜力与短期内的实际用户采纳路径至关重要。科技史上，“下一个大事件”的宣告往往比其真正落地要频繁得多，对话式界面的周期性热潮正是这一现象的体现。我们需要思考，为什么这次会不同？或者，更关键的是，这种模式揭示了对话式界面本身的哪些固有特性？

Julian 接着从根本上剖析了自然语言作为交互媒介的效率问题，将其与人类思维的速度进行了对比：

为了更直观地理解写作和说话的速度，要知道我们形成想法的速度是每分钟 1000 到 3000 个词。自然语言也许自然，但它是一个瓶颈。

"To put the writing and speaking speeds into perspective, we form thoughts at 1,000-3,000 words per minute. Natural language might be natural, but it’s a bottleneck."

尽管自然语言对我们来说“自然”，但在人机交互的数据传输效率上，它远低于我们大脑处理信息的速度，甚至也显著慢于我们通过键盘、鼠标或触摸屏输入命令的速度。这为我们理解对话式界面为何难以取代现有高效交互方式（如快捷键、图形界面操作）提供了量化视角。

这种效率差异并非空谈，它直接解释了为什么像 Siri 和 Alexa 这样的早期语音助手未能成为主流交互方式。Julian 认为，问题不仅仅在于当时的 AI 不够“聪明”：

我们一直告诉自己，像 Alexa 或 Siri 这样的早期语音界面之所以没有成功，是因为底层的 AI 不够智能，但这只说对了一半。核心问题从来不是输出功能的质量，而是输入功能的不便：一个像“嘿 Google，今天旧金山天气怎么样？”这样的自然语言提示，所花费的时间就是比在主屏幕上点一下天气应用要长 10 倍。LLM 并没有解决这个问题。它们的输出质量正以惊人的速度提高，但输入方式相比我们已有的却是退步。当我可以直接按一个按钮或快捷键时，为什么非要用自然语言来描述我想要的操作呢？请直接把那该死的黄油递给我。

"We keep telling ourselves that previous voice interfaces like Alexa or Siri didn’t succeed because the underlying AI wasn’t smart enough, but that’s only half of the story. The core problem was never the quality of the output function, but the inconvenience of the input function: A natural language prompt like 'Hey Google, what’s the weather in San Francisco today?' just takes 10x longer than simply tapping the weather app on your homescreen. LLMs don’t solve this problem. The quality of their output is improving at an astonishing rate, but the input modality is a step backwards from what we already have. Why should I have to describe my desired action using natural language, when I could simply press a button or keyboard shortcut? Just pass me the goddamn butter."

将失败仅仅归咎于 AI 能力不足是片面的。核心在于输入的不便性——对于许多目标明确、操作简单的任务，语音指令在时间效率上远不如直接操作。即使是今天强大的 LLM，虽然理解和生成能力大幅提升，也无法绕开这个物理交互层面的效率鸿沟。

基于以上对效率瓶颈和历史教训的分析，Julian 提出了他的核心论点，为对话式界面的未来指出了一个更具建设性的方向：对话式界面的不便和较低的数据传输速度，使其不太可能取代现有的计算范式——但如果它们作为补充呢？

julian-chat-as-secondary-input.png

Julian 将这一思考延伸到我们该如何看待 AI 的整体影响，强调了“补充”而非“替代”的重要性：

我们花了太多时间思考 AI 作为替代品（替代界面、工作流和工作岗位），而太少时间思考 AI 作为补充品。进步很少遵循简单的替代路径。它解锁的是新的、以前无法想象的事物，而不仅仅是取代已有的东西。

"We spend too much time thinking about AI as a substitute (for interfaces, workflows, and jobs) and too little time about AI as a complement. Progress rarely follows a simple path of replacement. It unlocks new, previously unimaginable things rather than merely displacing what came before."

技术的进步往往不是简单的推倒重来，而是通过融合与增强，开辟出前所未有的可能性。对于正在构建或投资未来的我们来说，这是一个至关重要的思维模式转变——从执着于寻找“下一个颠覆者”，转向思考如何利用新技术增强现有能力，创造新的价值组合。

American Disruption

Ben Thompson 作为科技战略分析领域的标杆人物，其独特之处在于能将看似孤立的事件置于宏大的理论框架和历史脉络中进行解读。在本文中，他再次运用 Clayton Christensen 的颠覆理论，为我们理解过去几十年美国制造业的变迁以及当下地缘政治的紧张态势，提供了一个极具穿透力的视角。

Thompson 的分析框架建立在颠覆理论之上。Christensen 对颠覆的定义简洁而有力：

“颠覆”描述了这样一个过程：资源较少的小公司能够成功挑战成熟的在位企业。具体来说，当在位者专注于为他们要求最高（通常也是最有利可图）的客户改进产品和服务时，他们会超出某些细分市场的需求，并忽略其他细分市场的需求。事实证明具有颠覆性的进入者，最初是通过成功瞄准那些被忽视的细分市场来站稳脚跟的，他们提供更适用的功能——通常价格更低。在位者为了在要求更高的细分市场追求更高的利润，往往不会积极回应。然后，进入者向上游市场移动，提供在位者主流客户所需的性能，同时保持其早期成功的优势。当主流客户开始大量采用进入者的产品时，颠覆就发生了。

"'Disruption' describes a process whereby a smaller company with fewer resources is able to successfully challenge established incumbent businesses. Specifically, as incumbents focus on improving their products and services for their most demanding (and usually most profitable) customers, they exceed the needs of some segments and ignore the needs of others. Entrants that prove disruptive begin by successfully targeting those overlooked segments, gaining a foothold by delivering more-suitable functionality—frequently at a lower price. Incumbents, chasing higher profitability in more-demanding segments, tend not to respond vigorously. Entrants then move upmarket, delivering the performance that incumbents’ mainstream customers require, while preserving the advantages that drove their early success. When mainstream customers start adopting the entrants’ offerings in volume, disruption has occurred."

ben-thompson-distruption.png

这个理论框架为理解美国制造业，特别是电子制造业，如何以及为何将重心转移到亚洲，提供了一个强有力的解释模型。这不仅仅是关于公司竞争，更关乎产业和国家层面的动态演变。Thompson 追溯了这一趋势的源头，发现它始于硅谷诞生之初的半导体产业。看似高科技的芯片，其部分生产环节很早就开始了“向下颠覆”并迁移至亚洲：

在那之后六年，Fairchild Semiconductor 在香港开设了一家工厂，用于组装和测试半导体。组装需要手动将导线连接到半导体芯片上，这是一项劳动密集且单调的任务，在美国当时约 2.50 美元/小时的工资水平下难以经济地完成；而香港的工资仅为美国的十分之一。四年后，德州仪器在台湾开设了一家工厂，那里的工资为 0.19 美元/小时；又过了两年，Fairchild Semiconductor 在新加坡开设了另一家工厂，那里的工资为 0.11 美元/小时。换句话说，你可以认为硅谷的经典故事并不完全真实。芯片确实有边际成本，但这个边际成本，在硅谷成立后的短短几年内，就被转移到了亚洲。

"Six years after that Fairchild Semiconductor opened a facility in Hong Kong to assemble and test semiconductors. Assembly required manually attaching wires to a semiconductor chip, a labor-intensive and monotonous task that was difficult to do economically with American wages, which ran about $2.50/hour; Hong Kong wages were a tenth of that. Four years later Texas Instruments opened a facility in Taiwan, where wages were $0.19/hour; two years after that Fairchild Semiconductor opened another facility in Singapore, where wages were $0.11/hour. In other words, you can make the case that the classic story of Silicon Valley isn’t completely honest. Chips did have marginal costs, but that marginal cost was, within single digit years of the founding of Silicon Valley, exported to Asia."

这些具体的工资数据（时薪从 2.5 美元骤降至 0.11 美元）正是早期外包决策背后的成本算计。这正是颠覆理论的体现：在位者（美国本土生产）专注于高利润环节，而低利润、劳动密集型的组装测试环节则被寻求更低成本、更“够用”解决方案的模式所取代，并由此开启了向亚洲的转移。

随着个人电脑等行业的兴起，模块化和商品化进一步加速了这一进程。Thompson 指出，除了 Christensen 理论中强调的定制化和低价，规模（Scal）——在颠覆理论中并未充分讨论——在亚洲制造业崛起中扮演了至关重要的、甚至可能被低估的角色：

这正是发生在个人电脑等类别上的情况：所有东西都变得模块化、商品化和低利润——因此跟随芯片测试和组装转移到了亚洲。然而，Christensen 理论中讨论不足的一个方面是规模，它比定制化更重要。客户能够使用任何他们想要的芯片，其重要性远不如大量客户想要使用相同的芯片。此外，这个规模点适用于整个产业链上下游，包括零部件和组装商。还要注意规模对于上述新市场颠覆的重要性：虽然技术让外包变得更容易，但很难比在本地工作更容易；克服这些协调成本的最佳方法是大规模运营。这有助于解释为什么亚洲的制造业与我们几十年前记忆中的美国制造业有着根本的不同：中国拥有的是能够适应各种订单的柔性工厂，而不是拥有特定产品工厂的公司，从而实现了 Christensen 所谈到的速度、便利性和定制化。

"This is exactly what happened to categories like PCs: everything became modular, commoditized, and low margin — and thus followed chip test and assembly to Asia. One aspect that was under-discussed in Christensen's theory, however, was scale, which mattered more than the customization point. It was less important that a customer be able to use any chip they wanted than it was that a lot of customers wanted to use the same chip. Moreover, this scale point applied up-and-down the stack, to both components and assemblers. Note also the importance of scale to the new market disruption above: while outsourcing got easier thanks to technology, it's difficult to be easier than working locally; the best way to overcome those coordination costs is to operate at scale. This helps explain why manufacturing in Asia is fundamentally different than the manufacturing we remember in the United States decades ago: instead of firms with product-specific factories, China has flexible factories that accommodate all kinds of orders, delivering on that vector of speed, convenience, and customization that Christensen talked about."

亚洲，尤其是中国，之所以能成为世界工厂，不仅仅是因为低成本，更是因为其无与伦比的生产规模和灵活应变能力。这种大规模、柔性化的生产模式，能够有效摊薄协调成本，满足全球多样化、快速变化的需求，形成了与过去美国专业化工厂截然不同的制造生态。这是市场力量和规模经济的极致体现，也是理解为何“中国制造”难以简单替代的关键。

Christensen 观察到，成功的公司很难主动“向下移动”进入低利润市场。Thompson 将这一洞察应用到国家层面，质疑将低端制造业大规模迁回美国的可行性：

三个因素——向上游市场利润的承诺、许多公司客户同时向上游市场移动，以及削减成本以实现向下游市场盈利的困难——共同构成了向下移动的强大障碍... 现在，在美国的背景下考虑这一点：这个国家的每一份工作，即使是按过时的联邦最低工资 7.25 美元/小时计算，也比 iPhone 工厂流水线工人的收入高得多。

"Three factors — the promise of upmarket margins, the simultaneous upmarket movement of many of a company’s customers, and the difficulty of cutting costs to move downmarket profitably — together create powerful barriers to downward mobility... Now consider this in the context of the United States: every single job in this country, even at the obsolete federal minimum wage of $7.25/hour, makes much more money than an iPhone factory line worker."

这不仅仅是工资差异的问题。对于像美国这样的高收入经济体，试图大规模恢复低附加值、低工资的制造业岗位，面临着结构性的障碍。这触及了一个更深层次的问题：在一个富裕社会，是否有足够的人愿意从事这类相对低薪、重复性的劳动？颠覆理论在这里再次提供了深刻的解释力：向上移动容易，向下兼容困难，无论是对公司还是对国家经济体。

然而，Thompson 强调，不能仅仅因为最终组装环节的直接经济价值低、工作条件差，就忽视其战略重要性。最终组装扮演着“重心”（center of gravity）的角色：

与此同时，必须指出的是，这种枯燥的最终组装工作是实际需要组装的零部件的重心，而这些零部件的价值要高得多，并且更有可能通过自动化生产... 从美国的角度来看，这意味着一系列从智能手机下游的技术和能力——也就是说几乎所有的电子产品，包括那些具有重要军事应用价值的产品，如无人机——都在中国发展。

"At the same time, it is important to note that this drudgerous final assembly work is a center of gravity for the components that actually need to be assembled, and these parts are all of significantly higher value, and far more likely to be produced through automation... From the U.S.'s perspective this means that a host of technologies and capabilities downstream from the smartphone — which is to say nearly all electronics, including those with significant military applicability like drones — are being developed in China."

这是 Thompson 分析中的一个关键转折点：最终组装虽然本身附加值不高，但它像一块磁铁，吸引着更高价值的零部件生产、相关的技术研发和供应链能力聚集在其周围。苹果等公司出于经济效率考虑，客观上加速了整个电子制造生态系统向中国的转移，这对美国而言，意味着关键技术和能力（尤其在无人机等军民两用领域）的潜在流失，触及国家安全的核心。这提醒我们，看待产业不能只看环节本身的价值，更要看它在整个生态系统中的结构性位置。

基于以上分析，Thompson 尖锐地批评了特朗普提议的全面高额关税政策：

这些关税的问题在于，它们的规模和不加区分的性质将产生破坏需求和破坏发展替代供应能力的效果... 我猜想，如果唯一的目标是伤害中国，那么打断自己的腿... 也是你可以选择的一种策略，但这对于本应是主要动机的目标——巩固美国国家安全基础——毫无帮助... 颠覆的最后阶段是，从底层起步的实体变得独一无二地有能力提供新范式所必需的东西，而这正是电子产品普遍发生的情况，尤其是在无人机领域。

"The problem with these tariffs is that their scale and indiscriminate nature will have the effect of destroying demand and destroying the capability to develop alternative supply... I suppose if the only goal is to hurt China than shooting yourself in the foot... is a strategy you could choose, but that does nothing to help with what should be the primary motivation: shoring up the U.S. national security base... The final stage of disruption is when the entity that started on the bottom is uniquely equipped to deliver what is necessary for a new paradigm, and that is exactly what happened with electronics generally and drones specifically."

Thompson 认为，这种“一刀切”的关税如同“伤敌八百，自损一千”，甚至可能“自断双足”。它不仅无法逆转颠覆的进程，反而会通过打击需求、增加成本，阻碍美国培育替代供应链（如在本土或友岸发展）的努力。这是一种缺乏战略眼光、未能对症下药的政策，无法有效应对颠覆最终阶段（中国在某些领域已具备独特优势，如无人机）带来的真正国家安全挑战。政策制定需要基于对产业动态的深刻理解，而非简单的政治口号。

最后，Thompson 将这场关于关税和制造业的争论置于一个更宏大的背景之下：互联网发展阶段的演变。他认为我们正从一个经济逻辑主导的时代（Internet 2.0）进入一个政治逻辑优先的时代（Internet 3.0）：

互联网 1.0 是关于技术的... 互联网 2.0 是关于经济的... 这对跨坐于技术世界的美国来说是一个巨大的福音... 不幸的是，来自这个地位的价值没有一项被计入贸易统计数据... 互联网 3.0 是关于政治的。在这个时代，国家会出于无法用美元和美分衡量的原因做出经济上次优的选择... 但现在反而是美国可能让其他国家别无选择，只能对美国科技进行报复。

"Internet 1.0 was about technology... Internet 2.0 was about economics... This was a massive boon for the U.S... unfortunately none of the value that comes from that position is counted in the trade statistics... Internet 3.0 is about politics. This is the era where countries make economically sub-optimal choices for reasons that can't be measured in dollars and cents... instead it is the U.S. that may be leaving other countries little choice but to retaliate against U.S. tech."

这一观察点出了当前技术和地缘政治格局的根本性转变。贸易战、科技脱钩等地缘政治博弈，正迫使各国（包括美国自身）做出许多“经济上次优”但符合其政治或安全目标的决策。这标志着一个新时代的到来，技术的发展不再仅仅由市场和效率驱动，而是越来越多地受到国家意志和安全考量的塑造。这对在 Internet 2.0 时代占据主导地位的美国科技业，可能带来深远的反作用力。这是一个令人不安但必须正视的现实。

Ben Thompson 本周还有另一篇分析关税的文章 Trade, Tariffs and Tech：特朗普的关税政策虽然有其理由，但风险太大，回报不确定。美国与中国的贸易关系复杂，影响了全球供应链和经济稳定。重建美国制造业的目标需要更有效的策略，而不仅仅是关税。

My Thoughts on Tariffs, Economic History, and the Market Decline

本文来自 Morgan Housel。作为一名出色的财经作家，他很少关注市场的短期波动，但在这篇长文中，他罕见地评论了时下的热点——关税问题。

Housel 开宗明明义地指出，关税是一个“糟糕透顶的主意”，对经济有害无益。这篇分析不仅限于关税本身，更是借此契机，深入探讨了经济史、自动化对就业的影响，以及在市场动荡中保持长期视角的重要性。Housel 缠上从历史视角切入现代叙事，以此来探讨美国制造业就业岗位流失的问题，指出自动化是比外包更重要的因素：

我最喜欢的例子是，我十年前写的，我得从一篇旧文章里把它找出来，是关于印第安纳州加里市的一家美国钢铁厂。1950 年，这家工厂用 3 万名工人生产了 600 万吨钢。到 2010 年，它用 5 千名工人生产了 750 万吨钢。所以在此期间，他们增加了钢铁产量，却减少了 2 万 5 千名工人。他们从 3 万工人减少到 5 千人。我认为这个故事，在过去 50 年里，几乎可以复制到美国乃至全世界生产的每一件东西上。

"My favorite example of this, I wrote this 10 years ago, I had to go fish this up from an old article that I wrote is about a US steel factory in Gary, Indiana. In 1950, this individual factory produced 6 million tons of steel with 30,000 workers. In 2010 it produced seven and a half million tons of steel with 5,000 workers. So during this period, they increased the amount of steel that they were making, and they did it with 25,000 fewer workers. They went from 30,000 workers to 5,000. That story, I think, can be repeated across virtually everything that is made in the United States and around the world over the last 50 years."

这个钢铁厂的案例是“用数据说话”的典范。它清晰地展示了生产效率提升（自动化、技术进步）对劳动力需求的巨大影响，挑战了将制造业就业减少简单归咎于全球化的流行叙事。这提醒我们，在讨论技术和经济转型时，必须区分不同驱动力的相对重要性。

作者也承认并解释了人们对美国上世纪中叶制造业黄金时代的怀念，点明了其独特的历史背景：

二战结束时，即 1945 年，欧洲和日本被摧毁成一片废墟。而美国，当然，所有的制造能力都完好无损，并且有所有这些退伍军人回家。1945 年有 1600 万退伍军人回家，他们有所有这些被压抑的需求去购买房屋、洗衣机、汽车和所有新玩意儿。而且因为欧洲和日本处于废墟之中，美国基本上独占了全球制造业。它当时几乎垄断了全球制造业，因为欧洲和日本仍在努力从战争的破坏中重建自己。

"At the end of World War II in 1945, Europe and Japan were decimated into rubble. Whereas the United States, of course, had all of its manufacturing capacity intact and had all these gis coming home. There were 16 million GIs who came home in 1945 and had all this pent up demand to buy homes and washing machines and cars and all the new gadgets. And because Europe and Japan were in rubble, America, by and large had global manufacturing to itself. It had like a monopoly on global manufacturing at the time because Europe and Japan was still trying to build themselves back from the devastation of the war."

Housel 点明了战后美国制造业的“垄断”地位是特定历史条件的产物，他含蓄地指出，那种“黄金时代”是不可复制的。理解这一点，有助于我们更现实地看待当下的经济结构和未来的可能性，避免陷入对过去的过度美化。

在同情那些感觉被现代经济抛弃的工人的同时，作者也指出了美国文化中一种可能被忽视的力量——一种强大的、有时甚至是非理性的乐观主义：

我认为美国的一个长期优势，这几百年来一直如此，听起来有点疯狂，但我认为是真的。那就是对可能并非真实的事物抱有坚定的信念。这一直是美国的力量所在。这可以追溯到早期定居者和殖民者的时代，他们在欧洲被告知美国是一片富饶无比的土地。当你到达那里时，会有河流里流淌着黄金等等。而实际上，当他们到达美国东海岸时，那里更像是疟疾肆虐的沼泽。但我们相信，一直相信，这里是应许之地。正是这种信念吸引了人们前来。即使他们来到美国定居之后，也是这种信念在起作用。美国一直以来都极其乐观，尤其是在个人层面，这就是为什么我认为我们在创业方面如此出色。

"I think one of America’s strengths over time, this has been true for hundreds of years, is this sounds kind of crazy, but I think it’s true. A firm belief in things that are probably not true. That has always been a strength of the United States. This goes back to the very early days of the settlers and the colonizers, whom back in Europe were told that America was a land of absolute abundance. And when you got there, there would be just, you know, rivers overflowing with gold and whatnot. And actually it was like a malaria swap when they got to the East coast of the United States. But we believed it was always believed that this was the promise land. That was what brought the people over. And even when they came to the United States and settled. It was that belief too. America has always been so unbelievably optimistic, particularly at the individual level, and that’s why I think we’re so good at entrepreneurship."

最后，面对关税可能引发的市场动荡和经济不确定性，Housel 强调了保持冷静和理性决策的重要性，他引用了拿破仑的名言：

拿破仑对军事天才的定义是，“当周围所有人都失去理智时，能够做平常之事的人。”我要重复一遍，因为这句引言实在太棒了。军事天才是指当周围所有人都失去理智时，能够做平常之事的人。这在投资中完全一样，要成为一个长期优秀的投资者，你不需要做出很多天才的决策。你只需要在别人都在做错误决策时，保持一般的水平就行了，就像很多人现在正在做的那样。

"Napoleon’s definition of a military genius was quote, the man who can do the average thing when everyone else around him is losing his mind. I’m gonna repeat that because it is such a ridiculously good quote. A military genius is the man who can do the average thing when everyone else around him is losing his mind. It is the exact same in investing to be a good investor over time. You don’t need to make a lot of genius decisions. You just need to be merely average when everyone else is making bad decisions, as many people are."

9/11's Impacts on Critical Infrastructure

Chris Gillett 的文章《9/11 对关键基础设施的影响》(9/11's Impacts on Critical Infrastructure)，通过整理袭击发生后几日《华尔街日报》的即时报道，为我们提供了一个罕见的“地面视角”，观察一个极端“黑天鹅”事件如何瞬间瘫痪并重塑现代社会的关键系统。在这个时间选择阅读这篇文章能够帮助我们复盘极端事件发生时的连锁影响。

袭击发生后，最直接、最震撼的反应来自天空。美国联邦航空管理局 (FAA) 采取了史无前例的措施，这是国家系统的一次紧急刹车：

美国领空关闭。美国联邦航空局于上午 9:25 下令全国范围内的飞机停飞。上午 9:42，他们命令所有飞机降落。飞往美国的国际航班要么掉头，要么在美国境外降落。计划在美国境内或飞往美国的航班被取消。官员们表示，美国领空最早要到 9 月 12 日中午 12:00 才会开放。事实证明，领空直到 9 月 14 日才基本重新开放。

"US airspace closed. The FAA ordered a nationwide groundstop at 9:25 am. At 9:42 am, they ordered all planes to land. International flights en route to the US either turned around or landed outside the US. Planned flights in or to the US were canceled. Officials said that US airspace would open no earlier than 12:00pm on September 12. As it turned out, airspace would be largely closed until September 14."

这不仅仅是航班延误，而是整个国家空中网络的瞬间凝固。成千上万吨的金属悬停在空中，然后被强制引导至地面，整个系统陷入停滞。这种物理和心理上的隔绝感是前所未有的。几天之内，这种停滞催生了新的常态，安全措施被迅速、甚至可以说是仓促地推出：

美国联邦航空局宣布新的安全规定。规定禁止携带任何种类的切割工具，即使是塑料刀也不行。路边值机服务被取消。登机区域仅限持票乘客进入。乘客登机前飞机将进行搜查。客机将不再运载货物。机场附近无人看管的汽车将被拖走。这些规定遭到了空乘工会的质疑，他们认为新规无法阻止劫机事件的发生。

"FAA announces new security rules. The rules banned cutting instruments of any kind, even plastic knives. Curbside check-in was ended. The boarding area became restricted to ticketed passengers. Airplanes would be searched before passengers boarded. Passenger planes would no longer carry freight cargo. Unattended cars would be towed away from airports. The rules were met with skepticism by the flight attendants’ union, who said the new rules wouldn’t have prevented the hijackings."

这些规定迅速出台，标志着现代航空安检体系的开端，尽管当时伴随着效率和效果的质疑。这恰恰展示了危机如何迫使系统进行快速——有时甚至是反应过度——的调整，将安全置于便利性之上，深刻改变了全球旅行的面貌。这是系统在极端压力下的应激反应，其影响延续至今。

天空的静默迅速传导至地面，暴露了全球化经济中那些看似高效但实则脆弱的连接点：

由于供应链中断，制造商放慢生产。依赖即时制造系统的航空运输停摆，以及入境口岸的严重延误，迫使一些制造商因必要投入品运输缓慢和库存耗尽而放慢生产。福特汽车公司和通用汽车公司经历了周期性的零部件短缺，导致一些通用汽车工厂的生产延迟一到四小时。一些钢铁制造商也放慢了生产。位于密西西比州哥伦布市的 Eka Chemicals Inc. 表示，一批从加拿大运往宾夕法尼亚州一家纸浆厂的重要化学品因安全原因被铁路扣留。

"Manufacturers slow production due to supply chain snarls. The grounding of air transport, relied upon by just-in-time manufacturing systems, and major delays at ports of entry forced some manufacturers to slow production as necessary inputs are slow to arrive and inventories are depleted. Ford Motor Co. and General Motors Corp. experienced periodic parts shortages, delaying production at some GM plants from one to four hours. Some steel makers have slowed production. Eka Chemicals Inc., Columbus, Miss., said an important chemicals shipment from Canada to a pulp mill in Pennsylvania was held up by the railroad for security reasons."

“准时制 (Just-in-time)”生产的效率神话在边境延误和空运停滞面前瞬间破灭。通用汽车工厂的停产，化学品运输的受阻——这些具体的例子说明，一个节点的瘫痪将通过供应链网络放大，冲击看似遥远的经济活动。这不仅是纽约和华盛顿的问题，而是整个依赖精密协调的工业体系受到了震荡。

与此同时，民众的反应也呈现出复杂而深刻的景象，零售数据捕捉到了这种矛盾：

爱国主义热潮在零售数据中显现。周二，沃尔玛售出 116,000 面美国国旗，而去年同日为 6,400 面。该连锁店周三售出 200,500 面国旗，而去年同期为 10,000 面。全国所有商店的国旗都销售一空。“God Bless the USA” 成为电台播放次数最多的歌曲。沃尔玛全国销售额下降了 10%，纽约和华盛顿特区则下降了 30-40%。到周末，购物模式恢复正常。

"Surge of patriotism visible in retail data. On Tuesday, Wal-Mart sold 116,000 American flags, compared with 6,400 the same day a year earlier. The chain sold 200,500 flags on Wednesday, compared with 10,000 a year earlier. Every store in the country sold out of flags. “God Bless the USA” is the most played song on the radio. Wal-Mart’s sales were down 10% nationwide and 30-40% in the New York and Washington, DC areas. By the weekend, shopping patterns would return to normal."

一面是经济活动的短期冻结（沃尔玛销售额下降），显示出恐惧和不确定性对消费的抑制；另一面是强烈的爱国主义表达（国旗售罄、爱国歌曲流行），体现了危机时刻的社会凝聚力。这种对比提醒我们，重大危机不仅是物理或经济事件，更是深刻影响集体心理和行为的社会文化事件。

信息和金融网络，作为现代社会的神经系统，同样在这次冲击中承受了巨大压力，暴露了其极限：

东北部数百万人的手机服务中断。通话量激增以及曼哈顿下城电信设备的损毁，导致整个东北部的手机网络瘫痪数小时。美国电话电报公司 (AT&T) 表示，其长途网络平均每五分钟处理四百万次通话，是正常通话量的两倍，纽约和华盛顿的通话量最大。Sprint 表示，在最初爆炸发生后的一小时内，有 75,000 个电话被阻止。英国电信表示，其客户每 15 分钟尝试向美国拨打 250,000 个电话，是平均水平的 10 倍。

"Cell service disrupted for millions in Northeast. A spike in call volume and the destruction of telecommunications equipment in lower Manhattan jammed cellphone networks throught the Northeast for hours. AT&T said its long-distance network carried an average of four million calls every five minutes, double the normal call volume, with traffic heaviest in New York and Washington. Sprint said that 75,000 calls were blocked within an hour after the initial explosion. British Telecom said its customers attempted to make 250,000 calls to the US every 15 minutes, 10x the average."

物理基础设施的直接损毁（世贸中心的基站被毁）和网络容量在需求激增下的崩溃（通话量翻倍甚至十倍）。在信息不明、人心惶惶的时刻，最基本的人类需求——沟通和确认安全——变得异常困难。这种“失联”感加剧了危机本身的恐慌。

而作为经济引擎的金融市场，则采取了更为彻底的行动，其关闭本身就具有强大的象征意义：纽约证券交易所上一次因物理损坏而关闭是在 1835 年纽约市大火期间。该交易所上一次非计划性关闭是在 1994 年尼克松总统的葬礼期间。

关闭所有金融交易所，这是自大萧条以来最长的休市。将其与 1835 年纽约大火相提并论，更能凸显事件的严重性。这不仅是因为物理上的接近和通讯中断，更是因为需要时间来评估损失、恢复系统，以及最重要的——稳定信心。金融市场的暂停，是整个系统为应对冲击而采取的“休克疗法”。

当市场准备在数日后重新开放时，监管机构采取了非常规措施，试图为系统注入信心，这本身就是一场关于预期的管理：

美国证券交易委员会 (SEC) 豁免规则以鼓励购买。一些对股票购买的次要限制被取消。公司内部人士可以自由购买自己公司的股票，无论他们上次交易的时间。公司回购限制被提高。另外，美联储悄悄通知银行，如果它们向其证券交易商附属机构贷款（这通常是受限制的做法），美联储将表示“非常理解”。禁止卖空的建议被断然拒绝，因为它会迫使许多对冲策略退出市场。

"SEC waives rules to encourage buying. A number of minor restrictions on stock buying were lifted. Corporate insiders could freely buy their company’s stock no matter when they last traded. The corporate buyback limit was raised. Separately, the Federal Reserve quietly informed banks that it would be “very understanding” if they lent to their securities-dealer affiliates, a practice normally restricted. A suggestion to ban short selling was rejected out of hand as it would force many hedged strategies out of the market."

这些措施，如放宽内部人交易和公司回购限制，以及美联储对银行提供流动性支持的暗示，显示了监管层在极端情况下愿意打破常规，以维护市场稳定和流动性。这不仅是技术性调整，更是试图管理市场情绪和信心的“心理战”。值得注意的是，尽管压力巨大，但禁止卖空的建议被否决，表明即使在危机中，维护核心市场机制（如价格发现和对冲能力）的完整性仍被认为是重要的。

← Back to Newsletter Archive