Olivia
Online
騎山豬上學ฅ´ω`ฅ
@Jaredlin7
理工男
Joined February 2019
272 Following
2 Followers
149 Posts
杨振宁：渗透式学习法与中西教育之别
——由新及旧，框架先行，细节反刍
在AI时代仍是最先进的学习方法，可与AI完美结合
(本条为我今年以来关于杨振宁先生推文的集结)
我最佩服杨振宁先生的3点
1. 对人类作出了巨大的贡献： 杨-米尔斯规范场理论的重要性远远超性宇称不守恒的诺贝尔奖成果
2. 自己活得极其精彩：幸福的原生家庭(父亲为芝加哥大学数学博士，归国担任西南联大教授)、事业上成果迭出；自己的两次婚姻(先娶国军将领杜聿明之女杜致礼，82岁娶翁帆) ，在中美之间的取舍均是显示其智慧和决策水平，没有如邓稼先等同学经历非人考验。
3. 对青少年学习方法和个人成长的洞见超越时代和国别
a) 渗透性学习法
b) 发现/培养/发展自己的兴趣：兴趣->准备->结果
杨振宁是20世纪最伟大的物理学家之一，
戴森认为他的成就和品味仅略低于爱因斯坦和狄拉克，
与费曼比肩。
作为与李政道共同成为首批获得诺贝尔奖的华人，
他打破了国际上对华人/中国人智力次等的印象。
当然他也引起极大争议，毁誉均极强烈；
1. 与李政道的恩怨
2. 国籍转换与中美取舍：35岁获得诺贝尔奖时持中华民国护照、1964年加入美国籍，2005年回归中国籍
3. 与翁帆的忘年恋(82岁vs28岁)
我的个人看法是：他首先是学者，做到对人类的贡献同时追求个人幸福，不能对个体强求过多。
1. 渗透性学习法与年轻人的机会
迅速进阶，从全景反观细节， 不要停留在原地死磕(容易导致见树木不见森林)
2. 机会在新领域：如同挖金矿，新矿容易挖到宝https://t.co/0xCQxRMB5b
2. 杨振宁给年轻人的建议👇
选择有发展的领域， 比单纯聪明或努力更重要。
将你的天线伸得远远的， 结合自己的兴趣和背景
https://t.co/KatkIv3PIx
3. 杨振宁：盯住领域里最牛的那几个人
他们就是方向🧭
https://t.co/9EQbIqxMlr
4. 最好的学习机会
当直觉与书本不一致时
https://t.co/QxqeJxOUYE
5. 杨振宁谈读书：人生有限，“要学会挑重点，跳着读”
https://t.co/TClWj6uyQQ
6. 直觉：如何成为世界顶尖高手
https://t.co/pJQK4bnP7M
7. 中西教育比较
东方教育出来的孩子谨小慎微
美国教育体系更适合聪明孩子：上限高
https://t.co/LhlASO3LBi
8. 直觉先于逻辑
直觉和灵感这类非逻辑思维的"触角可��伸得非常远"，
往往在没完全看清时就抓住了其精神。
https://t.co/Xjq2hW2Oru
9. 杨振宁传记：如何培养杰出的青少年
https://t.co/hB32zN5Nnz
10. 杨振宁高能讲座：个人成长历程和经验教训
https://t.co/JYldjtOFXH
投资读书笔记：《黑天鹅》做好应对，而不是预测！
当下的市场情绪，无论是KOL推还是群友，
都弥漫着一种的盖棺定论之感，
认定本轮牛市行情已经彻底终结，
大盘开启的阴跌，流动性逐渐枯竭，
所有人都在唉声叹气，认定熊市来了。。。
但别忘记了，兄弟们
全网高呼"牛市终结"的声浪越整齐，
K线背后筹码交割的声音就越刺耳。
资本市场永远在绞杀共识中完成财富转移。
——我们作为交易员，做好应对，而不是预测
今天给兄弟们推荐一本书《黑天鹅》
引言：
爱因斯坦说：“复利是世界第八大奇迹”，
巴菲特的两条投资标准“第一，不要亏钱。第二，永远不要忘记第一条”。
持续、稳定的复利增长能够带给持有人更好的持有体验，也是大多数资产管理人追求的目标。
资产管理的核心是风险管理，持续稳定的收益是风险���理的结果，要获得理想的结果不是靠紧盯着记分牌，而是要时刻关注过程是不是正确执行。
风险管理所面对的是世界的种种不确定性，黑天鹅事件似乎越来越多，影响越来越大，可预测性越来越弱，但是尽管如此，却可以做好事前的预案。
纳西姆·尼古拉斯·塔勒布的《黑天鹅》关于随机性和风险的论述堪称一部不朽之作，其中的很多思想，为我们投资提供了极佳的借鉴。
金融市场是极端世界，重大事件的影响超乎想象。本篇读书笔记聚焦于总结书中分析的我们对于世界的认知和未来的预测是如何犯错的，包括证实谬误、叙述谬误、缺乏非线性认识、样本偏差、游戏谬误，通过理解这些犯错的方式，有助于我们在投研工作中尽力避免这些错误，并且能够尽可能全面的考虑更多的可能性，提前做好应对，从而使得我们投研工作中的问题清单更为完备，尽可能的减少犯错，并且把犯错的代价控制的尽可能小一些。
一、平均世界VS极端世界
认清我们所处的环境，是平均的，还是极端的，对于资产管理人来说，是极其重要的。金融市场是极端世界，而不是平均世界。
在塔勒布关于随机性的认知中，他将世界分为平均世界和极端世界。在平均世界中，个体对整体的影响微不足道；而在极端世界中，个体对整体可以产生不成比例的影响。
在平均世界中，个体的单独影响很小，只有群体影响才大。当样本量足够大的时候，任何个体都不会对整体产生重大影响。最大的观察值虽然单独观察起来令人惊讶，但是对整体而言则微不足道。
我们假设某一天上海的某个商业中心中有1万人，如果我们把这些人的身高作为观察样本，那么即便姚明在场也不可能对平均或者总体身高产生多大影响。
在极端世界中，则和平均世界完全不同，个体能够对整体产生不成比例的影响。同样还是在上面的场景中，我们只需要把观察样本从身高变为财富，就会使情况产生根本性的变化，如果碰巧这1万人中有一个是“我对钱从来都没有兴趣”的马云爸爸或者“设定一个小目标，能不能先挣他一个亿”的思聪他爸的时候，单独个体的财富可能超越其他个体的总和，大大提升样本的总值和平均值。
除了财富之外，类似的例子还有“名人”知名度、网络搜索量、地震造成的损失、战争的死亡人数、公司规模等。
在平均世界中，随着样本规模的增加，观测到的平均值就越来越稳定，高斯曲线的分布就越来越集中，越来越窄。也就是说，在平均世界之中，不确定性在平均化之下消失，大数定律行之有效。在平均世界，小概率事件可以被忽略，因为这些事件不会对结果产生翻天覆地的影响。这意味着，如果我们在平均世界之中，追求大概率的事情，随着拉长时间，那么我们就能够取得大数定律所带来的结果。
比如，在一个难有破坏性创新从而导致变化的市场，如果一家公司致力于打造更便宜、更优质、更能够代表身份品味、更有粘性的产品，能够拥有更广阔的渠道，那么他从极大概率上来看，能够持续取得较为理想的市场份额，甚至持续扩大其份额。这就是一种相对较强的确定性。
在极端世界，事情就完全不同了。即便样本持续增加，一次黑天鹅事件的出现，就可能完全改变之前的结果。这和资产管理有什么关系？大家还记得大明湖畔的长期资本管理公司吗？一次小概率事件，让诺奖获得者云集，久负盛名的常胜将军在瞬间轰然倒塌。
2007年5月，Legg Mason基金公司的首席策略分析师做了一个研究，收集了标普500指数30年来的每日价格变化，共有7300个样本数据，30年间指数复合年收益率为9.5%。如果去掉50个业绩最坏的交易日（不到样本总数的7‰），年复合收益率将暴涨到18.2%，比历史平均水平要高8.7%。
如果除去50个业绩最好的交易日，年复合收益率将大幅降低到1%以下，比历史平均要��接近9%。类似的例子，“在过去50年中，金融市场最极端的10天代表了一半的收益。
从上面的例子可以得到一个极其重要的结论：资产管理者所处的世界是极端世界，50个负面黑天鹅的日子和50个正面黑天鹅的日子虽然数量极少，但是足以对整体结果产生超乎异常的影响。另外，依靠择时来做投资似乎不是一个胜率较高的方法。A股市场，上市以来至今上涨超过10倍的股票有215个，占全部A股数量的6.41%。
在美股选择出最佳交易日期的概率比在A股选出市场的10倍股更低，前者的收益率可能还不如后者，并且这还没有考虑方法是否具有可复制性。
平均世界和极端世界的差异极大。平均世界中的事件是没有突破性的，换句话说平均世界中不会产生黑天鹅事件，整体不会受到个体的影响，容易通过观察到的东西做出预测并且推广至没有观察到的部分。
极端世界中的��件是具有突破性的，黑天鹅会从中产生，整体受到少数极端事件的影响很大，很难通过对过去的观察中来做出预测。
均值决定了方向，极值决定了能否留在游戏中，所以要往大概率做投资，往小概率防风险。
巴菲特说：“永远不要忘记，一个身高六尺的人，可能会淹死在平均五尺深的小河里”。金融市场里，往小概率防风险并不是什么风险都不承担，而是要避免那些一旦犯错就无法承担后果的失败，比如左轮枪里只有一颗子弹，对自己开一枪不死就能拿1000万，这本质上和大幅加杠杆All in某看好的公司没有区别（可能最终股价也如期上涨，但是因为在时间的约束下无法承担波动，最终只能遗憾出局）。
二、对事物背后原因理解的局限性，导致我们出现认知错误
证实谬误、叙述谬误、线性外推、样本偏差、游戏谬误都会导致我们对于世界的错误理解或者对不确定性估计不足，从而导致我们无力预测黑天鹅事件。
证实谬误：我们只关注从已观察到的事物中预先挑选出来的一部分，从而推及未观察到的部分���
叙述谬误：我们渴求规律，力图简化，从而“牵强附会”来欺骗自己。
缺乏非线性认识：我们认为世界是线性的，缺乏对于非线性的认识。
样本偏差：我们所看到的并不一定是全部，历史把黑天鹅现象隐藏起来，使我们对于这些事件发生的概率产生错误的观念，造成认知扭曲。
游戏谬误：我们认为世界和设定的游戏一样，有明确的概率分布，而现实世界充满着不确定性。
1. 证实谬误
不能仅依靠过去的经验进行扭曲的判断。
一只每天有人喂食的鸡，每次喂食都会让它相信人类对它是很好的，随时间的推移，会让它更加相信人类是处于友善的目的来喂养它。某个人观察了这只鸡前1000天的生活，然后说：“没有证据表明会发生大事（即黑天鹅事件）”。但是如果不仔细考虑，那么可能会把上面的说法理解为“证据表明黑天鹅事件不会发生”。显然前一种说法是对过去经验的总结，是正确的；但是后一种表述是将过去无限延伸至未来的判断，完全是不同的意思。这就是一种证��谬误。
过去的经验不一定靠谱。对应到资本市场，比如某行业或者某公司过去的估值没有低于过40倍市盈率，因此未来也应该在这个区间；某个公司过去两年的增速是30%（尽管这门生意的ROE只有10%并且没有发生变化），因此公司未来N年都可以保持30%的增长；这些和前面那只鸡的想法好像是一样的。
如果连过去都没有好好总结，那结果自然是更差了。在资本市场，对过去的经验都未好好总结，就开始对未来做出臆想的例子屡见不鲜。比如一个公司开始了一个新业务的布局，需要融资了，开始给资本市场描绘宏大的未来，然后投资者基于美好的预期纷纷买入，股价飙升，皆大欢喜。而实际上，有可能这是一家生在一个好行业但是主业一直没有起色的公司，这可能是历史上第八次转型，前面七次全部以失败告终。
我们可以通过负面例子而不是正面证据接近事实的真相。知道某件事情是错的，比知道某事是正确的有更大的信心。如果我们反过来想，能够证伪一些事情，那就可以避免一些��误，虽然很多时候要证伪也不容易，尤其���对于没有做过实业的金融市场参与者，更容易出现想象无力的情况，但这至少是一种思考问题的方法。
芒格说：“如果我知道我会死在哪儿，那我一辈子都不会去那里”。
2. 叙述谬误
我们渴求规律、力图简化，使得我们无法在不编造理由或者强加一种逻辑关系的情况下观察事实，我们想达到的目的是让自己舒服，而不是理解事实的真相，从而造成了牵强附会。
我们喜欢故事、总结、简化，减少事情的影响因素。作为灵长类中的人类，我们渴求规律，因为我们需要把事物简化，从而便于我们所以为的理解。这种事情总在发生，媒体提出一个原因，好让一条新闻变得容易接受，因为事情看起来更具体了。
两个例子，从概率的角度而言，哪种情况更容易发生？
1、 小明表面上快乐的结婚了。他杀死了他的妻子。
2、 小明表面上快乐的结婚了。他为了得��妻子的遗产而杀死了她。
第二种情形更为具象化，更容易让人觉得顺理成章，但是从概率的角度，显然它只是前一种情况的子集，前者的概率要大得多。看起来更像和实际的事实可能存在比较大的出入。
事后的合理化解释听起来似乎头头是道，好像也很难证伪，当然大多数人忽略了这种事后解释其实很难证实，但是他起到的作用是让我们听起来更容易信服，而不是像他实际那样。比如哪天股价大跌，我们就会从各方去寻求各种理由，而且必须找到说服自己的合理理由才能罢休。短期影响股价的因素有无数，很难每次都正确归因，如果要正确归因，那只能说卖的量比买的量多，至于其他的原因，更大的作用可能不过是安慰剂而已。
2017年初，A白酒公司发布一季报，在此之前wind一致预期A公司小两位数增长，实际情况是A公司增速比一致预期差了3个百分点，结果第二天A公司股价直接跌停。有媒体报道分析A公司的季报有水分；也有人说前面涨多了有人浮赢兑现；与此同时，A公司所处行业的其他很多公司也在当天出现了较大的跌幅，就有人出来解读说市场风格变了。��听之下，好像每个理由或者说故事都合情合理，好像事实就是那么回事。但是细想之下，其实不靠谱的占大多数。比如媒体报道的所谓季报的水分，后来直接被更为专业的卖方分析师打脸，实际原因是春节因素导致的打款时点变化所致。比如业绩不达预期，食品公司B和白酒公司C，均与A公司同一天发布业绩，B公司业绩大幅度低于预期，但是第二天只跌了5%；C公司业绩大超市场预期居然也跌了2%。再比如有人兑现浮赢，别人卖跟公司的经营趋势不一定有关，15年那么多加杠杆买入的也不是都赚钱，这些很难证实或者证伪，关键是跟未来的股价也没什么关系；最后比如市场风格，那就更难在短时间内证实证伪了，连资深的策略分析师估计也难说对市场风格的是否变化有多少信心，所以意识到这些东西超越能力圈最终对投资可能更有帮助。
当然，不是说重仓股大跌的��候什么都不用做，对于基于基本面的投资者来说，及时的跟踪基本面是必须的；对于技术派来说，重新分析K线也是必须的。但是，问题的核心是真正理解背后的因素，而不是让自己沉迷于安慰剂。
实际上，站在当时时点，白酒行业趋势很好，A公司竞争力也很强，业务在持续改善，估值也还非常便宜，后来业绩和股价都创出了历史新高。对于笃信基本面的笔者而言，不愿意花时间去解释这些在自己能力圈以外的事情，更希望好好研究和跟踪好公司的基本面，然后根据估值是否合理来进行投资决策。
避免叙述谬误的办法是注重事实、体验、客观知识，而非故事和理论。人的推理行为大致分为两种思维模式，第一种是快速简单的经验模式，即直觉，受到情绪化影响，非常快速，但是可能犯严重的错误；第二种是认知模式，即思考，是缓慢而有条理的，犯错的概率要比经验模式低。对于我们投资而言就是多看年报，多分析数据，多进行竞争对手对比、上���游验证；少打听小道消息，少听故事。
人际交往中，少一点套路，多一点真诚；研究投资中，少一点事后解释，多一点研究和跟踪。
3. 缺乏非线性认识
我们认为世界是线性的，缺乏对于非线性的认识。曾经有段子说，研究报告表明公司的发展将一马平川，稳健向上，而实际情况是公司的股价跌宕坎坷。
我们的直觉是为线性因果关系设计的。比如，如果每天学习，会预期学到的东西与学习行为或者时间成比例增加，一旦感到什么进步也没有，那么从情感上就会丧失士气。然而真实的现实却是，我们很少获得线性的正面进展。比如有些问题，我们可能一开始没有答案，持续思考了几个月也仍然没有答案；又比如，我们进行某项乐器的学习，可能在中间面临一段时间的瓶颈期，感觉好像没有任何进步；再比如，我们在进行投研工作的时候，也会有迷茫期，觉得不知道自己这一段时间的进步在哪里；这些的根源都在于我们始终认为或者直觉上认为世界是线性的，���实际线性只是美好的希望。
金融市场价格的非线性就更加残酷了。习惯了环境较为宽容的A股的投资者，总觉得一旦出错以后，有的是韭菜接盘，甚至似乎总有人认为自己���以凭借信息优势提前跑路，所以似乎总有办法用一些看似较小的代价去做一些心存侥幸的博弈。但是如果看一下美股和港股市场，那些发生黑天鹅的公司，或者被发现有重大问题的公司，一天可以把过去几年的涨幅跌掉，如果相信未来的A股市场会逐步向成熟市场靠拢，那么这种价格的非线性变化可能迟早会发生在A股市场。如果我们对这种价格的非线性保持敬畏，一直用投资美股和港股的心态和执行来对待我们在A股的投资，我们很大概率可以规避掉一些原本不必要的风险，虽然这同时意味着我们会放弃一些机会。
要想持续的获得理想的结果，正确的过程是唯一的途径，但是结果的呈现并非总是线性。偶尔，倒拿球杆也会打出好球，但这只是偶尔，没有可复制性或者可持续性。如果我们追求持续的成效，只要我们不对上面的种种暂时的徒劳无功的状况感到失望，从而放弃，而是持续坚持做正确的事情，那么某种成果可能会在“突然之间”冒出来。类似的，股价在长期终将是称重机，终将反映企业的内在价值，但是结果的呈现方式并不一定是线性的，否则，一个估值合理每年增长25%的公司，每个交易日的涨幅应该是0.1%，可是现实中这样的股票是不存在的。
4. 样本偏差
我们所看到的并不一定是全部，历史把黑天鹅现象隐藏起来，使我们对于这些事件发生的概率产生错误的观念，造成认知扭曲。
人们渴望成功，所以把精力花在研究成功，而不是研究避免失败，而那些我们没有看到或者忽视的结果，可能更有意义。我们很喜欢那些成功的故事，也有人靠成功学发财，不过《基业长青》中有一句非常经典的话：“如果我们分析那些伟大的公司，会发现他们的办公室里面都有椅子，但是并不是有椅子就能保证公司成为伟大的公司”。飞机机翼的例子更是耳熟能详了，我们在分析问题的时候机翼和椅子可能就是一回事，只是我们有时候并没有能力意识到这一点。中学数学教我们充分条件和必要条件不是一回事，可是我们可能太希望成功了，所以总是在研究成功的公司，有时候我们可能只是在研究抛硬币比赛中最后剩下的那只猩猩，比如某种偶然暴富的机会，比如在15年加杠杆买入某个善于讲故事的公司的股票。
我们衷心希望能有一本“失败学”来指导我们如何避免犯错，而塞思卡拉曼则提出说“价值投资是一种教人避免失败的方法”，芒格说要学会使用问题清单，其实已经给我们指明了通往成功的光明大道。在菜市场买菜，货比三家并不总能帮我们找到最物美价廉的菜品，但是大概率可以帮我们避开明显的高价敲诈行为；在A股的研究和投资中也是类似，货比三家，竞争对手之间的比较和评价，上下游的评价，大概率可以给我们提供更多的关于行业公司更为真实的画像，不断修正我们的臆想。鼓吹“看，我为你做了什么推荐”比“看，我帮助你避免了哪些风险”在情感上更容易接受，但是后者往往做了更有价值的工作，而我们往往也更容易忽视后者的价值（也许我们在对研究员的评估中，需要专门加入风险规避提示这一项，作为我们考核体系的重要问题清单）。
5. 游戏谬误
我们认为世界���设定的游戏一样，有明确的概率分布，而现实世界充满着不确定性。
我们有时候会以为金融资产的价格好像和设定的游戏一样，有严格的因果关系，很多条件都可以简单的进行推导，甚至可能可以归因，但是现实中短期金融资产价格的决定因素如此之多，简单推理不一定都能得到设定的结果。
比如A公司提价，增厚盈利，因此股价会涨，而事实上除了A公司提价之外，还有很多因素可能都能主导短期股价。即便我们再简化的分析这个单一因素，我们也会发现，世界存在着多种可能性，比如提价之后可能意味着市场份额的丧失（参考12年禁酒令之后的某高端酒以及17年提价的厨电公司），又比如提价之后可能已经是周期品的高点不能持续，越是涨价意味着未来的潜在供给将越来越大，周期将拐头向下。从这些因素或者角度去分析，最终都可能得到和最初的简单推导完全不同的结果。
越是多考虑公司是不是值这么多钱，而不是考虑股价能不能涨，就距离犯错越远一些。
三、如果无法预测，那么我们怎么应对
下列方法和建议可能能够帮助我们降低犯错的概率。
1、 越容易变化的事情，越难以预测，聚集那些很难变化的事情。
2、 假设的条件越多，越容易出错，聚焦那些相对简单的事情。
3、 一旦形成一个观点，就很难改变，所以推迟形成观点更有利。
4、 在��确的方向犯傻。
5、 考虑多种可能性，而不只是线性外推。
6、 对所有的可能做好准备，应对比预测重要。
复杂性的增强使得预测极为困难，第二部分提到的种种思想的误区都可能导致我们对未来的预测面目全非，比如青霉素的发现本身并不是为了找到他，但是金融资产价格的变化会使得人们对于自己预测的能力产生错误的幻觉，这个时候地图好像成了世界本身的样子，股价好像变成了基本面本来的样子。
我们以为我们比实际知道的多一点，这一点时不时的会招致麻烦，因为我们低估了不确定性的影响，事件发生的可能性越低，估计错误就越严重。即使是我们生活在大事件很少发生的平均世界，我们仍然会低估极端事件的影响，至于极端世界，我们的预测就更不靠谱了。
越容易变化的事情，越难以预测。“从零到一”变化带来的巨大机会让人如此���醉，但是这样的行业变数极大，具有极高的不确定性，非常难以预测。如果我们不是选择性的只记住我们预测正确的结果的话，会发现在这些领域预测错误的概率极高，知名的风投会有极高回报率的辉煌案例让人铭记，只是更多的失败的血本无归的例子���选择性忽略了。
“从零到一”可能能够带给人短期1-2倍的回报，但是背后是极其高的不确定性，风险收益比可能很差；中国是一个14亿人口的超级大市场，随着竞争力的提升，未来可能是面对全球60亿人口的市场，因此如果选择“从一到十”，胜而后求战，那正确的概率会呈几何级数提高，并且潜在的回报率可能不是1-2倍，而是几十上百倍，只是这需要更长的时间，更多的跟踪，更大的耐心，而我们大多数人不愿意慢慢变富。
这种押注于“从零到一”的思想本质还是以收益为导向，背后更为深层次的因素可能是为了寻求新鲜行业带来的刺激，而不是为了稳稳赚钱。电影《赌侠1999》里面，张家辉饰演的化骨龙跟着刘德华饰演的阿King哥赌马，在经历了几个礼拜反复看马之后，着急的问：“King哥，老是看马太无聊了，为什么不直接下注，那多刺激？”，阿King反问���：“你是想无聊的赢钱，还是想很刺激的输钱？”前者是投资行为，后者是消费行为。作为资产管理从业者，拿持有人的钱去寻求刺激可不是一件负责任的事情。
聚集那些很难变化的事情。如果反过来以规避风险为导向，那我们的行为模式可能会发生比较大的变化。如果我们聚焦于那些很难变化的事情，那么我们所需要的预测就会减少很多，即便我们始终无法摆脱预测，但是可能更多的是在平均世界中进行预测，而不需要面临极端世界的预测，不需要承担那些一旦错误就无法翻身的后果。巴菲特曾经评价箭牌口香糖说：“这是一门我们能够理解的生意，不管互联网怎么变化，不会改变人们嚼口香糖的方式”。国内有一位投资界的前辈说过：“投资要买红烧肉一样的生意，老祖宗传下来的，几千年都不会过时”。难变化的事情，才会有很长的雪坡，否则可能没滚多久雪球就掉坑里了。
假设的条件越多，越容易出错，聚焦那些相对简单的事情。我们在对于行业和公司的未来做判断的时候，会提出很多的假设，当假设条件很多的时候，只要一个条件变化，我们最终的结论可能就难以成立，这是概率论中的比较基本的问题，但是我们在运用的时候，要么就是忘了这一点，要么就总是高估我们的预测能力。同一个产业链的航��和机场，前者需要对需求、供给、油价、汇率这几个难以预判并且变化很频繁的因素做出假设并且保持跟踪，中间有很多扰动都可能使得判断出现偏差，影响投资决策，造成亏损；而后者几乎只需要对需求和政策定价（极度低频）保持跟踪，判断的因素要少很多，把握起来要容易得多，剩下的就是静待时间之花绽放，就投资者付出的时间精力而言，后者的投入产出比可能远超前者。投资中难的不是加大行业和公司的覆盖面，而是在试图努力扩大能力圈的过程中，能够明确知道自己的能力圈是否真正扩大，以及扩大到什么地步，一个知道自己能力圈的人，会比那些能力圈大两倍但是并不真正知道其能力圈大小的人，承担更低的投资风险，长期来看也更容易取得更好的投资业绩。巴菲特和芒格总是说，找那些能够理解的简单的生意，不要去跨七尺的栏杆，而要尽可能找那些一尺的栏杆。二老的跨栏技术是刘翔级别的，但是即便如此，他们也不去挑战那些太高的栏杆。我们这些后辈不论是认知、经验、能力都要差很多，为什么还要去挑战那些难的事情？
一旦形成一个观点，就很难改变，所以推迟形成观点更有利。对于研究的每一个标的，市场上泛泛的、碎片的、贴标签式的研究都实在太多，而这些对把握一个行业和公司长期的趋势基本没有什么作用，对于投资活动的支撑也实在有限。进行深度研究、对比竞争对手财报和产业内评价、上下游调研、持续跟踪，是避免出现错误的最好方法，尤其是对于包装打扮一新、亦或没有其他对标公司的次新股，尤为重要。瞄准的过程做得越好，扣动扳机的时候信心越足；训练的质量越高，比赛时候的状态越有保障；基础研究做的越充分，面对股价波动（尤其是向下波动）的时候越是从容。
在正确的方向犯傻。模糊的正确比精确的错误要好。避免可能损害未来的大主题，在小事上当傻瓜。聚焦在观点可能造成的损害，而不是根据好听的程度来辨别，始终关注风险，而不是盯着最完美的预期。如果能够避免错误的大方向，比如在汽车发明之后还立志当一名优秀的马夫，那么大概率不会获得太差的结果。
考虑多种可能性，而不只是线性外推。如果用线性的方式解释过去，那么只能朝一个趋势继续，但未来对过去的偏离有无数种可能。如果一个人明天还活着，这可能意味着可能长生不老，或者更接近死亡。这两个结论依赖于完全相同的数据。这需要我们对于事物的本质有着更为深刻的认知，所以有时候常识或者说智慧，比对数据的敏感性更重要，但是这些常识的建立需要不断的学习和积累。
对所有的可能做好准备，应对比预测重要。芒格所说的“想象无力”是一种知识和经验的欠缺，当投资的标的发生了事前完全没有预料到的事情的时候，可能会使人手足无措，或者思考和判断的时间不充分，最终匆匆决策，或者错过最好的决策时间。如果能够避免这种错误，考虑到尽量多的可能性，并且做好预案，那么应对的时候则要从容得多。
每一次讲报告，都感觉听的人好像总在有意挑刺，但是随着经验的积累，才慢慢理解，其实这都是老司机在尽可能的避免“想象无力”，尽量把风险估计的充分一些，才能够防范于未然。
越是多思考���何避免犯错，而不是考虑如何获得成功，就距离收获更近一些。
最后，让我们再梳理一下，如果我们把我们的主要精力放在那些容易变化难以预测的事情，对尽可能多的条件进行假设，并且在论证尚不充分的情况下就假设自己都是对的，意识不到世界的发展有多种可能，从而丝毫不考虑其他的可能性，更不要说对种种可能性做好预案和对策，这样的话我们就能够成为一名完美的韭菜。
共勉！
我从来没想过《天涯神贴》可以卖3万6！信息差真是印钞机
永远不要举得自己多聪明，如果你真的那么聪明，该发财的就是你
曾经的国内顶级网站《天涯神贴》确实有很多内容预测了时代的发展，比如kkk大神，股票的“缠中说禅”和房地产的崩溃
你只需要做3步，赚取你的第一桶金：
1、评论区立即保存资源👇
2、上架商品
3、收钱
浙大蒋文华老师讲《博弈论》，用博弈思维破解生活决策难题
⛽：https://t.co/hESEzXCv96
看透世界的经济学秘密！300万播放的B站付费课程 《上海交大陆铭教授的经济学思维课》
上海交大陆铭教授用30期精讲，拆解三百年经济学智慧内核！职场人看懂政策逻辑，创业者把握市场脉搏，大学生建立财富认知
课程用真实案例拆解内卷迷局、投资雷区、职业选择，助你摆脱直觉判断，用经济思维决策人生，收获实战硬核知识体系！
【上海交大陆铭教授的经济学思维课（完结）】
立即保存学习：https://t.co/jOQeOePTBN
鬼谷决
《AI革命的利率分析：无限智能与有限资本》
在过去三百年里，每一次工业革命都重塑了利率的规律。
从蒸汽机到电气化，从互联网到云计算，利率总在技术浪潮中起伏：
初期投资热推动利率上升，随后生产率提升带来成本下降和长期利率下行。
但AI革命可能打破这一历史惯例。
因为人工智能不是一项技术，而是一种能自我复利的智能基础设施。
如果人类对智能的需求是无限的，那么资本的需求也可能无止境。
算力、电力、数据中心与芯片——这些新“工业土地”正成为21世纪的煤炭与钢铁。
一、资本的再物理化
信息革命把资本变成了代码，复制几乎无成本。
AI革命却把资本重新拉回物理世界：
庞大的数据中心、GPU供应链、冷却系统、电力调度……
智能的每一次跃升，都需要真实的硅片、能源与土地。
这意味着投资需求没有自然上限，而资本再次变得“重”。
���这种背景下，利率不再简单反映货币政策或储蓄供给，
而是智能基础设施扩张速度的结果。
AI的边际回报不会递减，而是递增：
算力越强，模型越聪明；模型越聪明，又反过来创造更大的算力需求。
这构成了一个智能资本螺旋——
投资推动智能，智能反过来刺激更多投资。
二、从长期下行到“多峰高原”
过去两百年，利率总体呈下降趋势。（见附表）
但在AI时代，全球利率可能进入“多峰高原”：
每一次AI子革命（算力、自动化、能源、生物智能）
都会带来新一轮资本开支与利率上升，
随后生产率红利释放、风险溢价下降，又令利率回落。
同时，在几乎无限的智能需求和快速智能增长不断提高生产率的情况下，资本的需求不断提升，超出资本供给，而让利率基线不断提升。
所以，利率的“多峰高原”，更可能呈现一个向上的台阶状。
��、智能代理经济的稳态：资本的终极平衡
正如���次工业革命都伴随着金融革命，从而为工业革命提供廉价的资本，
这次ai革命很可能也会伴随新的金融革命
现有的经济模式很可能会被更高效的ai agent 经济所替代。
agent即是资本，也是渠道，还是创造价值的实体。
当AI agent 经济渗透到能源、生物、制造与治理后，
智能的复制速度将接近资本自身的增长速度。
那时，全球经济可能进入“智能稳态”：
生产率保持高增，利率开始稳定。
但到那时，利率很可能也不再是美联储或任何央行可以控制，更多的是链上7x24运行的ai agent之间交易自动形成。
我们可能已经一只脚跨进了ai资本主义时代的门槛。
全套化妆视频教程 1-10 阶段 共242课
⛽：https://t.co/dPrI6AL8n7
微信朋友圈访客查询工具！
这类工具比较少见，需要的转存。
链接：https://t.co/dDVHy6IhcH
缩表如何影响市场流动性
市场更关注利率的变化对流动性的影响，是因为不管扩表还是缩表，其主要的影响还是通过货币市场的利率来影响经济发展和物价水平。而缩表的影响也远不如扩表对金融资产的收益率曲线影响更快速和有效。在利率高企的情况下，减缓缩表无疑又会给市场带来相对积极的信号，甚至会被认为是降息和QE的前奏，会对市场预期、资产价格和收益率曲线造成深刻影响。
扩表是什么？
扩表，顾名思义就是扩大资产负债表。当美联储购买资产时，向银行系统注入新资金，这些资金以准备金的形式存在于商业银行的准备金账户上。商业银行可以利用这些增加的准备金进行放贷，从而通过贷款创造更多的存款货币（M1）。银行通过放贷活动将基础货币乘数化，从而增加广义货币供应（M2）。
而对于负债端来说，准备金增加，流通中的现金增加，财政部发债融资的资金部分存在美联储的TGA账户上也会增加，如此便实现了资产端和负债端的共同增长。（作者已在多篇文章中科普过美联储资产负债表结构，不再赘述。可查阅先前的文章）
图：美联储资产负债表资产端。可以看出，美债始终是美联储的主要储备资产，2008年金融危机后才逐渐增加MBS资产抵押证券：
因此，尽管美联储购买资产确实会导致其资产负债表扩张，美联储扩表本身并不一定会立刻创造基础货币，而更无法直接决定市场上的M2流动性是否增加——这取决于金融机构是否会利用增加的准备金放大货币乘数增加放贷或其他金融活动。
扩表的直接影响是市场对通胀预期，直接反映在实体经济的物价水平中——市场预期流动性将回升，有利于资产价格回升和经济增长，收入提升，因此会更偏向于增加消费，刺激经济发展。
间接影响主要通过货币市场利率和金融资产收益率曲线来传导。美联储通过购买资产，释放更多基础货币，造成市场上美元更易得，压低美元指数，有利美国本土出口型企业发展，降低贸易逆差；银行贷款利率降低，促进更多资金拆借活动；同时，借款人因货币贬值预期而不得不寻找更优投资标的或增加消费，改变其投资偏好，进而改变资产负债表结构；而资产购买计划会影响国债和政府债券的供求，影响无风险利率、流动性溢价和期限溢价，对财政部的融资计划产生影响，影响宏观调控的效果。
以上最终都将反映在实体经济的发���和物价水平上。这也是货币政策传导机制的体现。
市场更关注利率的变化对流动性的影响，是因为不管扩表还是缩表，其主要的影响还是通过货币市场的利率来影响经济发展和物价水平。而缩表的影响也远不如扩表对金融资产的收益率曲线影响更快速有效。
缩表是什么？
缩表，顾名思义就是减少资产负债表。缩表的目的和操作与扩表相反：需要同时减少资产端和负债端。
缩表主要通过三种方式减少资产端资产：停止或减少资产再投资，即不再用到期的国债或MBS的本金来购买新的债券，到期不续或减少购买；公开市场上主动出售资产；或动用逆回购协议，从金融机构借入隔夜资金，同时抵押出国债或其他资产，短期内缩表减少市场上的流动性。
而负债端的缩减要靠利率水平、财政部发债结构、货币市场基金共同配合才能够做到合理且有效。但国债的发行和货币市场基金的操作并不是美联储可以直接操作影响的因子。除此之外，其操作的复杂性，需要考虑市场条件、资产到期结构、市场接受能力等多种因素，减少资产购买可能会导致金融市场流动性紧缩，特别是对长期债券市场产生较大影响。因此，缩表的影响具有广泛性和不确定性。
缩表为什么会造成流动性短缺，对收益率曲线���成何种影响？
通常我们认为加息缩表都是因为市场上流动性过剩，需要货币政策进行收水操作。但是如果对流动性的干预使其对于某些关键角色的供小于求，就会造成流动性的“整体过剩”但“结构性短缺”。
缩表期间导致市场流动性“结构性短缺”的主要原因之一是货币市场基金，我已经在之前的文章中做过分析，我们重温一下当时的结论：
如果货币市场基金承接了财政部发行的新债，则影响美联储的资产负债表结构但不影响市场的流动性（M0），如果货币市场基金未能承接新国债，且美联储仍处于缩表周期，则美联储负债端的准备金余额受到影响，美元流动性将受到冲击走低。
因为利率正常化取决于经济基本面和金融条件；而资产负债表正常化取决于存款机构的准备金的供求平衡。（具体分析请查阅之前的文章：6万亿美元的货币市场基金如何影响美元流动性）
由于货币市场基金的主要投资标的是短期国债，因此，美联储资产端中美债的期限结构比例对美联储缩表的结果也会产生一定影响：
如果美联储更多的抛售短期债券而非长期国债，且假设此时财政部也以发行短债为主，则市场上短债供给增加，因此只有收益率提升才有可能吸引货币市场基金的购买，而不会影响准备金创造流动性。
这也是本轮缩表过程中实际发生的情况——短期国债收益率（无风险利率和流动性溢价）提升，吸引货币市场基金投入，缓解了准备金压力，维持了较为宽松的市场流动性，但是也造成收益率曲线长期倒挂。（流动性溢价是指投资者为了补偿投资于流动性较差的资产所要求的额外收益率）
本轮缩表从2022年6月开始，缩表期间美联储资产端的变化：10年期以上长期国债不降反而有小幅扩张5%，约占资产总额22%；5-10年间的国库券减少36%，约占总资产9%；1-5年国库券减少27%，约占总资产22%；1年期以下短期国债减少34%，约占总资产8%；MBS减少12%，约占总资产35%。
因此，本轮缩表美联储并没有削减10年期及以上长期国债的数量，MBS减少的也相对较少，重点减少的是1年期以下短期国库券和2-10年期中期国库券数量。
根据图表可以看出，财政部从美联储缩表后不久就开始调整了发债结构，从长债为主转为短债为主。
由于短期美债收益率的飙升，这一阶段货币市场基金规模也迎来前所未有的爆发式增长。
我们来看一下缩表开始后短期和长期美债收益率如何变化的：以3个月期国债收益率为例，在美联储缩表开始之前2022年3月开始加息时已经开启上升通道，并于同年10月份（缩表开始4个月后）超过长期国债收益率，形成收益率曲线倒挂至今。
1/2
接下条
真正的狠人是什么样的？
1、情绪稳定。
真正狠的人可能一直显得很温柔。
因为狠不在外表。不是眼神凌厉、肌肉发达、言辞犀利、气势压人才叫狠。那是低级别的斗狠，是胜人。真正成大事的狠人，他们的狠心绝不是好勇斗狠地“狠”，恰恰相反，从表面上看，他们给人的感觉是非常稳的，尤其是情绪上，几乎不会表现出太大的变化，尤其是不会有愤怒、抱怨、暴戾等负面情绪的出现。这是因为他们有着很高的认知和思维，能洞悉世事、洞穿本质，所以，情绪的张力会变弱，即使泰山只崩于前，也能面不改色。
记住，不是打打杀杀才叫厉害。杀最多的棋子不是最厉害，围最多的地盘才是。
2、内核稳定。换句话说就是允许一切发生
专注自身，尊重所有人的生活方式。
内核稳定的人一般目标感很强或者足够平静，知道自己要什么不要什么，做很多事情也就更加高效和完善；相反地，内核不稳定的人容易毛躁，焦虑不安，遇到一点挫折，就把自己变得一蹶不振，给自己施加不必要的压力，然后让自己变得不堪重负。
3、一条永恒的世间的最高法则:
当你内心比任何男人都男人、刚毅勇猛、杀伐果断、勤奋自律、毫不留情。同时，外表比任何女人都女人、明媚温柔、察言观色、心思细腻、以柔制刚。从此，世间没有人是你的对手。
4、不为烂人烂事浪费时间和精力。生而为人，你固然不必让着谁，但也没有必要和烂人烂事纠缠，人生短短几十载，即便是要浪费时间。也应该浪费在美好的人和事物上。
5、零内耗。不会让自己的思维反刍，不会对过么度反思，对未来过度焦虑。过多的关注过去或未来实就是在内耗，能量足的人，都是不纠结不内耗的，即便是反思，也会在吸取教训和总结经验之后停下，不再继续钻牛角尖。
6、永远不抱怨。一个人成熟的标志，就是把“这件事为什么发生在我身上”的怨念，转变成”这件事是为了教会我什么”的觉醒。当你换个角度看世界，你会发现：一切都是最好的安排。
7、100%自控。不好为人师，即没有助人情结尊重他人命运。说服一个人的，从来不是道理，而是南墙：点醒一个人的，从来不是说教，而是磨难。好为人师是极其消耗自身能量的，你永远叫不醒一个装睡的人，何况很多人根本不值得教。
8、永远不要多管闲事。心理学有个著
名"100-1=0"的原则：即便你帮别人做100件好事，但只要有一件事做错了，别人就只会因为你做错的那件事而记恨你，你之前做的好事白费。
职场上，你热心肠帮同事完成工作，本意确实是好的，但会慢慢把这种好当做理所当然，如果你下次没有帮他，别人反而记恨你。
9、很能“熬”。低级欲望，通过放纵来获得；高级欲望，通过自律来获得。只有顶级欲望，需要通过煎熬才能获得。
你必须要独自穿过一段黑暗丛林，在这段黑暗的时间里，你要忍受各种委屈：你的辛苦不被认可，你的隐忍不被理解，你的真心不被接纳，你的付出没有结果。
10、对自己狠，对别人更狠。自己“知行合一”说到做到，拥有超强执行力。对别人也毫不留情，在工作商业的决断上干脆利索，不怒自威。
11、你会发现，能成事的人，都是体内有巨大能量，能够杀伐果断，能量极高的人，肯定不是那些温文尔雅，懂事听话的人。
12、看破不说破
遇到事情不要着急，先看清楚情况，不要轻易发表意见，不要随便指责别人，静观其变，看破不说破。
13、脸皮要厚
不管在什么场合，被人嘲笑、看不起、遭人白眼都不要怕，你越怕，小人就越得意。所以,你只要脸皮厚一点，就能战胜很多困难。
14、不要到处诉苦
这个世界上没有真正的感同身受，不管你经历了什么，不要逢人就说，你说的多了，别人只会觉得你很烦。
15、闷声发大财
做人要低调一点，做事要高调一点，你越炫耀什么，越容易失去什么。真正厉害的人，都是闷声发大财。
花了2万多买的Python教程全套 入门到精通Python全栈开发教程
🔗：https://t.co/Li5t5QYUV5
《普通人逆袭的30堂思维训练课》
打破思维壁垒，掌握逆袭关键，30堂课助你重塑认知，实现人生跨越。
链接：https://t.co/FyBwsgAYnJ
信息差就是印钞机——剪映字幕模版。 在闲鱼、小红书卖了几千件的虚拟产品。500+款热门剪映高级感字幕预设，免费导入教程+支持8.0以上版本
🔗：https://t.co/YGShu1EWqJ
知乎 推荐的13部神级纪录片
🔗：https://t.co/3SrtulGAdy
黑天鹅突袭，这一天终于来了
俄乌战争打响之后欧美制裁了俄罗斯央行，冻结了俄央行大约3000亿美元的外���储备，这说明美元欧元已经武器化，让美元（美债）、欧元（欧债）等丧失了普世货币的特征，加上美国��府的高负债率问题和川普的贸易战，证明美元以及欧元等正在退出全球储备货币的地位，同时也就从全球财富储藏市场中退出，2025年二季度在非美央行的储备中黄金的份额已经超过美债就可以佐证这一点。
此时，作为普世货币黄金白银的历史地位开始加速回归，逐渐成为世界储备货币的主体和财富储藏市场的主体。可当纸币体系中储藏的巨额财富开始源源不断地向黄金白银转移之时，就会对黄金白银产生挤兑效应，此时，承担财富储藏职能的大量黄金白银就会阶段性或永久性地退出流通领域，比如央行购买的黄金储备会在多年中退出流通领域，私人在每盎司2000美元以下所购买的黄金之中，也有相当一部分会退出流通领域，最终就会导致实物黄金的流动性紧张甚至枯竭。
在此特别提醒一点，这其中的逻辑需要所有朋友好好品味，这里体现的就是黄金（货币）与商品的本质不同，由于货币具有财富储藏职能，当纸币体系的财富向黄金转移之时，就注定会带来实物黄金流动性的紧缺。在上面的那篇文章中还特别强调了白银，随着银矿品位的下降导致矿产银产量萎缩，由于白银在太阳能电池、电动汽车、半导体等行业产生了大量的新增需求，让白银的供需关系开始紧张，以至于2021年之后的白银市场每年都会产生巨额的供需赤字，让以满足工业需求为主的工业库存被严重的削弱，当白银的货币职能和财富储藏职能开始回归之时，人们就会尴尬地发现，承担货币和财富储藏职能的白银库存几近于零，包括央行和民间几乎都没有对应的实物白银库存，加上工业库存已经被严重削弱，挤兑就会快速到来，直到以满足货币和财富储藏需求为目的的库存得到重建为止。
原本预计黄金白银实物流动性紧缺的��间点最可能在明年出现，这是看好明年价格的基础，但事实证明，这个时间点来的更早。10月5号加拿大铸币局网站登出了这样一则消息，下图上是原文，下图下是用手机软件翻译出来的简体中文内容。
加拿大铸币局网站上明确说到，黄金供应短缺，而白银库存也已经减少超过80%。在世界各地开业的好市多超市都有黄金和白银的零售业务，但根据加拿大铸币局网站的消息，澳大利亚、越南等地的好市多门店出现了黄金白银实物短缺。这些信息说明实物黄金白银市场的流动性已经收紧甚至趋于枯竭。为什么铜铅锌等一般金属价格即便上涨，也很难出现实物流动性短缺，为什么贵金属这么快就出现了实物的流动性短缺？这应该就是一般商品与货币之间的本质不同。对于一般商品来说，随着价格上涨，无论生产厂家的库存还是商业库存库存就会流动起来，价格上涨的越高流动的速度越快，加上生产企业会加班加点地生产，也因为价格上涨之后会抑制需求，再加上有时还会出现替代效应，此时，一般商品的价格涨势就会受到抑制。所以，在一般商品价格的上涨周期中，起步阶段的涨速相对较慢，然后涨势加速，再然后抑制价格上涨的因素会逐渐发挥作用，导致价格涨速减缓，最终完成整个上涨过程。但贵金属则完全不同，它是一般等价物，也拥有普遍接受性（即被所有人认可），也就没有替代效应，同时，价格启动之后，用于财富储藏的实物就会增加进而退出流通领域，结果就让流通中的实物贵金属数量不断减少，价格涨势就会不断加速，最终以价格暴涨、进行财富储藏的效率大幅下降之后导致库存集中溢出方才逆转原来的趋势，这标志着一段重要的行情结束。从图形上来说，一般商品的价格经常以圆弧来构建顶部，经济危机爆发导致需求减弱成为构筑价格顶部的重要原因，此时往往形成尖顶；但贵金属价格的重要顶部形态则明显不同，一���都是尖顶，而且经济危机爆发时并不会形成价格顶。这或许就是一般商品与贵金属（货币）之间的本质差别，在东大的教��书上一般都会把金银归类于大宗商品，甚至连彭博社也这么做，既然将金银归类于大宗商品，就会按照一般商品的价格运行规律来研究金银价格，最终就只能南辕北辙。也就是这个原因，在2015年有经济学家认为金价还会继续下跌至每盎司800美元才会见底，源于这个价格是当时多数大型金矿企业的生产成本，既然是商品，熊市之时就会按照成本价来测算底部，也只有到了这个时候边际产量才会受到抑制，才会形成价格支撑；也就是这个原因，很多机构会以当时的通胀水平来预测来年黄金价格的涨幅，并不会考虑黄金的财富储藏职能在黄金定价过程中所发挥的作用，这些完全错误的概念当然都会导致严重的错判，这或许就是2023年底和2024年初多数国际机构都无法感知金银价格正处于爆发的前夜这样一个事实。洞察商品与金银（货币）的本质差别最为重要，避免陷入那种误区，也就洞察了目前的实物黄金白银市场出现流动性短缺的原因，这是贵金属具备财富储藏职能、纸币蕴含的财富集中向贵金属转移所带来的结果，这有助于我们判断未来金银价格的走势和形态。
总结我认为的几本尊重读者时间，且不可压缩，并值得反复阅读的 9 本书籍；
1.《纳瓦尔宝典》
2.《反脆弱》
3.《跨越不可能》
4.《人类简史》
5.《原则》
6.《如何阅读一本书》
7.《非对称风险》
8.《真实世界的脉络》
9.《科学发现的逻辑》
排名不分先后。
2025 Q4 我的全部 设计+写作+工具汇总：
飞书+Flomo（L1 缓存）
X（想法输出）
小红书（灵感输出）
公众号（段落输出）
@figma 设计
@jittervideo 动效
@craftworkdesign 素材
@Pinterest 灵感
Demoget 录屏
即梦+Sora+剪映 视频
@ChatGPTapp 豆包 juchats 对话
@Trae_ai Vibecoding 实现
Trends for you
Most Popular Users
Elon Musk 
@elonmusk
241.5M followers
Barack Obama
@barackobama
119M followers
Cristiano Ronaldo
@cristiano
114M followers
Donald J. Trump
@realdonaldtrump
111.8M followers
Narendra Modi
@narendramodi
107.2M followers
Rihanna
@rihanna
98.7M followers
NASA
@nasa
92.4M followers
Justin Bieber
@justinbieber
91.8M followers
KATY PERRY
@katyperry
89.8M followers
Taylor Swift
@taylorswift13
83.7M followers
Lady Gaga
@ladygaga
75.2M followers
Virat Kohli
@imvkohli
73M followers
Kim Kardashian
@kimkardashian
70.8M followers
YouTube
@youtube
68.8M followers
Neymar Jr
@neymarjr
66M followers
Bill Gates
@billgates
65M followers
Selena Gomez
@selenagomez
62.9M followers
The Ellen Show
@theellenshow
62.3M followers
CNN
@cnn
61.8M followers
X
@x
60.7M followers