因為女兒的關係，這次法國行讓我第一次認識 Jellycat。第一次仔細看它時，我腦中冒出的問題其實「很沒有品味」：這跟 IKEA 賣的玩偶到底有什麼不同？

對我來說兩者都蠻柔軟，主要材質都是聚酯纖維，IKEA 的玩偶也有一些讓人記得住的設計。即使實際接觸後能感覺 Jellycat 的手感與做工更細緻，但如果把品牌標籤遮起來，光憑外觀，我還真的沒有把握每次都能準確分出一隻售價台幣一千多元的 Jellycat，和價格只有它幾分之一的玩偶。

然後我看到它的財報，發現這個問題更有趣了（雖然它不是上市公司，但感謝英國政府規定在這個國家註冊的公司，每年都必須向公司註冊處 Companies House 提交年度財務報表，讓我們得以一窺究竟）。

這家公司 2024 年營收達 3.22 億英鎊，較前一年成長 70%；稅後利益 1.04 億英鎊，幾乎是前一年的兩倍，淨利率也超過 32%，遠高於玩具產業平均。隨手估算，ROIC 甚至超過 100%。一隻看起來沒有複雜科技、也沒有龐大廣告預算的小玩偶，為什麼能形成一門獲利率如此驚人的生意？

我後來結合 Jellycat Limited公司年報、創辦人訪談、國際及地方媒體報導，以及一些經銷商在論壇上的心得，整理出來一個有趣的商業故事。

原來答案不只藏在產品裡。Jellycat 過去二十多年累積的價值，分散在定價、經銷通路、新品開發、供應鏈、角色數量、消費者收藏行為，以及品牌後來逐步收回的顧客關係裡。這兩三年的爆紅多少有運氣成分，但它能抓住機會，就是因為整合並放大了這些原本分散四處的能力。

▉ Jellycat 公布的營收，少算了多少終端市場？

分析 Jellycat 的第一個常見誤區，是把公司公布的營收直接當作終端市場銷售。但其實這個數字混合了兩種意義不同的收入。

根據網路上可找到的 2024 年 Jellycat 北美經銷商型錄，經銷商毛利率大約在 50% 左右。一隻建議售價 30 英鎊的玩偶，如果由 Jellycat 官網賣給消費者，公司認列的營收接近 30 英鎊。但如果先以 15 英鎊賣給經銷商，再由經銷商以 30 英鎊售出，Jellycat 帳上只會出現 15 英鎊。

因此 Jellycat 的 3.22 億英鎊營收，必須先調整直營與經銷的比例，才能換算出消費者實際購買 Jellycat 的總金額。雖然公司沒有揭露個別通路收入，但我們可以從應收帳款變化趨勢反推。

邏輯很簡單：官網直營通常透過信用卡或電子支付立即付款，應收帳款天數頂多 1 至 2 天。而經銷商模式則可能有 30 天、60 天或更長的付款期限。因此當直營比例上升時，整體應收帳款天數通常會下降。

Jellycat 2023 年底與 2024 年底的應收帳款分別為 2,976 萬與 4,067 萬英鎊，其中各自包含 1,724 萬與 2,518 萬英鎊的集團應收款（amounts due from group undertakings）。公司沒有進一步拆解這筆集團內應收款的性質，但我猜想其中主要是海外子公司銷售商品形成的營運性款項。這裡我們用兩年平均應收帳款計算，2024 年應收帳款天數約為 40 天。

而 Jellycat 官網公開的英國經銷商標準條款顯示正常付款條件約為 30 至 60 天。在其他國家，我認為 Jellycat 因為擴張需要，可能願意接受 60 至 120 天的帳期。

如果只計算對外貿易應收款，並假設批發客戶平均都是 30 天付款，這組數字隱含的直銷比例可能超過六成。如果把部分集團內應收款視為海外批發營運形成，並假設實際收款週期為 45 至 60 天，直銷比例可能落在三成至五成。由於財報上沒有揭露更細節的部分，我們沒辦法算出精確的數字，但這些不同口徑都指向同一個方向：Jellycat 的直營占比已較早期明顯提高。

用相同算法，Jellycat 的應收帳款天數從 2015 年接近 128 天，下降到 2024 年的 40 天。這代表過去十年，公司從高度仰賴經銷商，逐漸形成直銷模式。

如果我們假設 2024 年直營占比約三成五，也就是 35% 直營收入對應 1 至 2 天帳期，65% 經銷收入對應約 60 天帳期，那換算回終端銷售收入大約是 5.3 億英鎊。

毛利率的趨勢可以當作另一條線索。Jellycat 的毛利率從 2015 年的 56.7% 上升至 2024 年的 70%。當直營銷售跳過經銷商，而且沒有新增製造成本時，公司實現的售價差距就會直接變成毛利，它的毛利率自然更高。當然毛利率也可能受到漲價、產品組合、採購成本、匯率與運費影響，但當毛利率與應收帳款天數同時變動，直銷占比上升就成為相當合理的解釋。

換個角度看，這件事也會影響我們理解營收成長的方式。Jellycat 近年的成長反映強勁的終端消費需求。但財報也顯示這種成長同時混合了另一股力量：那就是「品牌開始拿回原本留在零售商手上的營收與毛利」。

ROIC 則是另一個更誇張的結果。2024 年 Jellycat 營業利益為 1.39 億英鎊，稅務費用 3,518 萬英鎊。若把存貨、應收款、預付款、固定資產、使用權資產與營運性應付款納入投入資本，ROIC 約為 107%。即使採取較保守口徑，這個數字仍遠高於絕大多數消費品牌，甚至比很多輕資產軟體公司更好。

原因是 Jellycat 把製造外包給亞洲供應商，不需要建立大量工廠。經銷商與消費者分擔了一部分門市營運、庫存與收款成本，而直銷的利潤又高於經銷。同時公司持續把多餘現金以股利發回，避免閒置現金堆高投入資本。

而且這不是爆紅後才出現的結果。2019 至 2020 年，Jellycat 年營收大概是 6,000 萬至 6,500 萬英鎊，營業利益已經達到 2,100 萬英鎊。用同樣方式估算，當時 ROIC 約在 70% 至 75%。在體驗式快閃店與今天這波 kidult 熱潮全面出現以前，Jellycat 就已經是一門營業利益率超過三成、投入資本收益率極高的好生意。

當近兩三年的爆紅，發生在一個原本就很強的財務基礎上。營收從約 6,000 萬英鎊擴大至 3.22 億英鎊，但所需資本沒有等比例增加，大量新增收入就直接轉成自由現金流。這是非常漂亮的營運槓桿。

接著我們可以把問題往前推：為什麼 Jellycat 在尚未成為文化現象以前，就能有這麼高的利益率與 ROIC？

▉ Jellycat 成立以前，這門生意已經很賺錢

官方版本的 Jellycat 品牌故事始於 1999 年。創辦人 Thomas Gatacre 覺得當時的絨毛玩具市場陳舊、缺乏想像力，於是和弟弟 William 一起創立 Jellycat。這個品牌名稱來自家中小朋友把 jelly 與 cat 放在一起。他們初期只是商展中的小攤位，後來才逐步進入 John Lewis、Selfridges、Paul Smith 與巴黎 Colette 等商店。

但從英國政府公司登記資料回溯，現在負責營運的 Jellycat Limited 雖成立於 1998 年 7 月，母公司 Jellycat Toy Company Limited 卻早在 1987 年就已成立。它最初名為 Monostop Limited，1988 年改名為 The Manhattan Toy Company (U.K.) Limited，1993 年再去掉括號裡的 UK，直到 2000 年才改成今天的名稱。

1998 年時，Jellycat Toy Company Limited 的主要業務是進口、經銷與銷售絨毛玩具。當年營收約 905 萬英鎊，稅前利益 363 萬英鎊，稅前利益率高達 40%。Thomas Gatacre 從 1991 年起便擔任這家公司董事。也就是說，Jellycat 品牌成立時，他已累積多年玩具進口、經銷、零售客戶與供應商管理經驗。

新的 Jellycat Limited 也沒有經歷長期虧損。公司成立初期獲得母公司約 30 萬英鎊資金，1999 年第一份完整年度財報便創造約 114 萬英鎊稅前利益，2000 年進一步增至約 183 萬英鎊。

所以 Jellycat 並不是一對兄弟在家裡靈光一閃設計出第一隻娃娃，然後尋找工廠與通路、燒了好幾年錢才慢慢建立的品牌。它從一開始就是由已經獲利的玩具經銷體系，嘗試孵化的「自有品牌」。這是完全不同的起點。

一般新玩具品牌推出第一批產品時，要同時解決一大堆事情，像是設計、安全認證、量產、運輸、倉儲、零售通路與收款。任何一個環節出錯，現金都可能卡在庫存裡。Jellycat 起步時已擁有大部分的基礎設施，也知道哪些零售商願意嘗試新品、各類商店接受什麼價格（我相信他們過去跟高端百貨公司的商業關係，也讓 Jellycat 在創立不久後就可以打進這些通路）、產品需要提前多久下單，以及哪種做工容易在量產時出問題。

更珍貴的是通路帶回來的資訊。代理商通常比品牌更早看到市場空缺，因為它同時接觸許多供應商與零售商，知道哪些產品詢問度高、哪些品項補貨快，也知道貨架上缺少什麼。當代理商開始經營自有品牌，原本用來挑選別人商品的資訊，就能轉化成自己的設計與毛利。我猜想在設計 Jellycat 之前，Gatacre 兄弟就發現了高單價送禮用絨毛玩具有足夠大的利基市場讓他們做嘗試。

在財務上，自有品牌的吸引力也很明顯。代理佣金或銷售差價有個上限，自有品牌則能擁有定價權、設計權與長期累積的品牌資產。這家公司用原有通路降低第一批產品的獲客成本，用供應鏈關係縮短學習時間。

但通路資訊只解決一部分問題。代理商平常擅長判斷哪些既有商品會賣，自有品牌卻需要創造市場上還沒有的東西，這要求完全不同的人才、組織與容錯方式。Jellycat 把這兩種能力接了起來：前端有設計野心，後端有成熟的經銷與供應鏈平台。它開發的新品可以透過既有通路進入市場，單一設計失敗也不至於拖垮公司。

所以在這個品牌的創業故事裡，Gatacre 兄弟真正擁有的優勢是擁有一個具有正現金流的實驗平台。每推出一個新角色，就多買下一次命中市場的機會，而且等待期間仍然能賺錢。

▉ 一年買下兩百次爆紅的可能性

William Gatacre 在 2021 年訪談中提到，Jellycat 每年 1 月與 7 月會推出大約 200 種新品。更特別的是，這家公司宣稱不做焦點團體，多數決定來自設計團隊的直覺。

如果只看這兩句話，Jellycat 的產品管理方式聽起來相當危險。一年推出 200 個新品，每個都需要設計、打樣、挑選布料、包裝、生產與運輸。SKU 愈多，預測錯誤的機率愈高，庫存也愈容易失控。絨毛玩具又不像軟體，產品賣不掉時會同時占用倉庫與現金。

Jellycat 能長期維持這種速度，靠的是把新品開發做成一組金額有限、報酬不對稱的投注。如果產品反應普通，公司可以在一兩季後停止追加，把損失控制在前期投入與剩餘庫存；一旦某個角色受到歡迎，就能追加尺寸、顏色與區域限定商品。失敗角色的損失有上限，成功角色的收入卻可以延續多年。Bashful Bunny、Larry Lobster Sailor Outfit 與後來的 Amuseables，這些都是公司反覆使用同一套作法的例子。

這套系統還需要幾個營運條件。

第一，Jellycat 原本就有批發網路。新品正式大量生產以前，經銷商看完型錄後的下單反應，提供第一輪需求訊號。即使公司最後仍要承擔生產與存貨風險，批發預訂至少比完全依賴內部預測多了一層資訊。

第二，雖然 SKU 很多，但許多產品可以共用布料供應商、填充物與製造流程。外觀設計不同，生產模組仍可重複使用。當公司與固定工廠長期合作，新增一隻可頌與新增一隻鬆餅的複雜度，通常低於從零建立一條產品線。

第三，產品應該存在不同層級。公司沒有公開完整的 SKU 分級制度，但從產品生命週期可以合理推測，Bashful Bunny 等長銷款負責穩定訂單與工廠產能，季節性角色則提供節慶與送禮需求。也就是用長銷款吸收供應鏈固定成本，新品提供成長上檔。

第四，經銷商本身也替 Jellycat 分散庫存。全球數千個銷售點各自選擇適合當地客人的品項，一家店可能偏好嬰幼兒系列，另一家店集中陳列食物或是日常用品造型，百貨公司則拿到更多新品或大型限定商品。這也是為什麼不同門店看到的商品會不太一樣。

大量新品還會持續擴大角色資料庫。即使某個設計第一次沒有大賣，它仍可能在幾年後因季節、社群迷因、名人曝光或成人收藏需求而重新被看見。當產品設計數量夠多，公司等待運氣降臨的面積也會變大。

如果拿泡泡瑪特來對照，Jellycat 的風險結構很不一樣。泡泡瑪特雖然也經營多個藝術家與 IP，但成長主要是由 Labubu 這類主力 IP 帶動。一個角色命中時，可以迅速延伸到盲盒、聯名、授權與全球門店，帶來非常陡峭的上檔。不過相對地角色熱度一旦轉移，對整體成長的影響也比較集中。

Jellycat 每年推出數百款產品，單一設計失敗通常不會動搖整個品牌。它的上檔可能沒有頭部 IP 那麼陡，收入來源卻更像一個分散的投資組合。雖然公司沒有揭露各系列銷售占比，但以我的觀察，我不認為有單一角色的收入占比會超過 5% 至 10%。

▉ 爆紅有多少是本事，有多少是運氣？

成功的公司通常會得到一套事後解釋的完美故事，不管這是別人幫它撰寫的，還是創辦人自我行銷使用的。這也讓我們很容易被倖存者偏差欺騙。

用照後鏡看 Jellycat，我們可以把柔軟材質解釋為對「情緒價值」的洞察，把食物造型解釋為提前布局成年客戶玩偶市場，把頻繁新品解釋成創造稀缺，再把低廣告費解釋為高明的社群行銷。問題是這家公司在 1999 年是否真的知道二十多年後會出現社群風潮、kidult economy，以及願意花上百英鎊收藏玩偶的成年人？

William Gatacre 在 2021 年訪談中承認，公司的成功仰賴不少運氣（但他一定沒想到真正的好運氣是在2022之後，公司收入在短短的三年成長了四倍）。他說 Jellycat 當時甚至沒有正式經營社群媒體，而是希望消費者自己發現產品。當時的 Jellycat 已有健康的電商業務，也獲得 KOL、名人與皇室成員的自然曝光，但還沒有建立今天這套短影音與體驗店玩法。

我比較願意把它拆成三件事看。有些是創辦初期就做對的選擇，有些是後來反應夠快，還有一些老實說就是時代送來的禮物。

第一層是創辦初期主動做出的選擇。Jellycat 從設計出發，願意使用更柔軟、更多變的布料，讓不同角色有不同觸感。它也沒有把產品壓到大眾玩具最低價位，而是設定偏高價格，並利用以前作為玩具經銷商的關係，優先進入 John Lewis、Selfridges、Colette 等能增加品牌高級感的通路。這些選擇表示公司最初的設定就是以送禮需求為主的「premium products in a niche market」。創辦人在訪問中提到，他們不願在金融危機時降低品質，也顯示這家公司很早就避免落入最低價競爭。

第二層是機會出現後的調整。2018 年推出的 Amuseables，把水果、蔬菜、咖啡、糕點與各種日常物品加上表情和細細的腿，大幅擴張了「可被玩偶化」的範圍與目標客群。這也是它和其他玩偶公司的最大差異。其他公司多以動物或特定角色 IP 為主，而 Amuseables 更容易連結成年人的飲食、工作、旅行與生活經驗。疫情後 kidult economy 起飛，公司又開始投入短影音、角色內容、官網與物流，並在 Selfridges、Galeries Lafayette 等地發展帶有表演性質的購買體驗。這比較像公司在需求出現後快速學會放大它，而不是二十年前就寫好的劇本。​

第三層來自外部環境與無法事先預期的名人口碑。我查了一下新聞，發現早在 2015 年，英國夏綠蒂公主與 Fuddlewuddle Puppy 同框就替 Jellycat 帶來第一次的廣泛曝光。後來又有其他名人自然使用 Jellycat。疫情期間TikTok 與 Instagram 讓收藏展示、開箱與角色短片快速傳播。接著亞洲市場對可愛文化、送禮與體驗式零售的接受度，又讓一隻玩偶可以同時扮演陪伴物、裝飾、社交內容與小型奢侈品。

在我看來，後兩項成功因素都不是創辦人在 1999 年就能準確預測的。

但好運來的時候也不是每家公司都能接住。疫情期間得到流量的產品很多，能在幾年後穩定維持需求成長、擴張通路並提高毛利的品牌沒幾個。Jellycat 在機會來臨前，已經有二十年的角色庫、品質口碑、供應商、經銷網路與高端零售位置。當成年人收藏需求突然放大，它只要從既有資料庫裡找出適合被延伸的角色就可以吃到這波紅利。

所以回顧 Jellycat 的成功時，我會給運氣不小的權重，但不會把它視為純粹的彩券。它更像一個原本就有正現金流的選擇權組合：原本的批發與經銷本業就可以提供下檔保護，這個自有品牌的大量設計提供上檔，時間讓少數角色遇到外部催化劑。Jellycat 背後的獲利型經銷平台降低了等待成本，讓它可以用既有通路測試利基市場，不必在第一年就把產品推向最大量的消費者。他們沒有能看見二十年後潮流的水晶球，但有條件活得夠久、試得夠多。

▉ 跟 IKEA 玩偶的差異到底在哪裡？

我記得 IKEA BLÅHAJ 鯊魚也曾在網路上形成迷因與粉絲文化。但為什麼這樣的風潮沒有帶動其他同品類商品銷售？

也許我們可以從「玩偶」在各自商業模式裡負責的工作來看。

對 IKEA 而言，玩偶是完整居家零售體驗的一小部分。它可以吸引家庭客群、補充兒童房情境、增加逛店樂趣，也能和床、收納、燈具與其他商品一起被帶回家。而且價格親民一直是 IKEA 最重要的品牌承諾。

反觀 Jellycat 幾乎把整家公司押在角色上。每隻玩偶都要負擔設計團隊、型錄、經銷服務、品牌與下一批新品可能失敗的成本。公司也必須讓消費者買完第一隻後，還能找到理由去買第二隻、第五隻，甚至第一百隻。

因此對 Jellycat 來說，每隻玩偶都是要被命名、分類、收集與延伸的角色。Bashful Bunny 有不同顏色、尺寸與版本；Amuseables 則把任何食物、植物與日常物品變成下一個收藏標的，而且還不用支付 IP 授權費。當產品變成一個系列，消費者的考量就會從「我需不需要一隻玩偶」，變成「這一隻是否適合我的收藏」。

這次法國行我就深刻體會到這個特點。原本只打算買一到兩個甜點系玩偶當紀念，但後來逛到另外幾家店，發現有前面沒買到的馬卡龍和可頌玩偶時，女兒渴望擴展她「甜點玩偶宇宙」的眼神，讓我不得不掏出卡，又多刷了三四個玩偶。

除此之外，Jellycat 還替產品建立了時間性。每年大量新品推出，一部分舊款停止生產，熱門角色增加尺寸或節慶版本。消費者知道今天看到的設計未必一直存在，於是門店不再只是補貨地點，也帶有尋寶性質。這種時間性讓消費者擔心晚一點再買，選項可能已經消失。

通路也參與了價值創造。一隻玩偶出現在 Selfridges 或巴黎設計商店，消費者會用這些偏高單價零售商的選品標準理解它。Jellycat 也確實在細節做出差異。它會依照角色選擇長短毛、燈芯絨、平滑布料與不同填充比例，讓可麗露、鬆餅、兔子與龍具有不同觸感，同時控制姿勢、垂墜感與表情。這些差異支持了一定程度的溢價。角色名稱與表情則降低了消費者替它賦予人格的成本。當產品和生活經驗接上後，送禮者就能用它傳遞一段只有雙方理解的訊息。

雖然 IKEA 的 BLÅHAJ 證明平價玩偶同樣可以形成文化符號，但那更像一場美麗的意外。IKEA 絕對有能力替 BLÅHAJ 增加更多角色與周邊，只是這件事對它的整體生意沒有那麼重要，組織裡也不會有人跳出來領導這件事。IKEA 要維持的是平價居家零售承諾，玩偶主要負責增加家庭客群與逛店樂趣。如果只是為了收藏需求提高價格、頻繁推出角色，反而可能偏離原本的資源配置。

所以 Jellycat 不太需要用傳統廣告費解釋品牌擴散。設計商店、百貨公司、獨立經銷商、收藏者、名人與二手市場，早已共同承擔了一部分行銷工作。

▉ 誰替 Jellycat 完成了行銷？

Jellycat 的公開財報沒有單獨揭露廣告費，但可以確認的是，2024 年營收成長 70%，銷售與配送費用只增加 34%。當年公司的銷售與行銷人員從 88 人增加到 108 人，官網、物流與百貨公司的體驗式銷售也都需要投資。只是相較於多數需要大量購買流量的消費品牌，Jellycat 的行銷效率仍然高得驚人。

原因之一，是有很大一部分行銷成本從來沒有被列在行銷費用裡。公司早年把一部分售價留給 John Lewis、Selfridges、Colette 與全球各地的獨立商店，讓零售商替它建立知名度。給經銷商的毛利空間就是用來支付配送服務、庫存風險與品牌建立的。實體零售商替 Jellycat 提供了低摩擦的試用場所，品牌不必自己在每個城市開店，也能讓產品進入消費者手中。

此外，某種程度的行銷功能其實被嵌入產品開發裡。Jellycat 每年推出大量新品，其中很多設計本身就是內容。一顆長著腿的水煮蛋、一朵難過的烏雲，或一隻滿臉不耐煩的烏龜，光是出現在貨架上就能引起注意。這些角色的外觀、名字與表情降低了分享門檻。很多新品只要能讓人停下來看一眼、拍一張照、轉傳給朋友，它就已經完成一部分行銷工作。

累積到一定客群後，更多行銷活動就由消費者自己完成。收藏者展示整面牆的 Jellycat、拍攝旅行照片、分享新系列與停產品項，這些動作都比正式廣告更有說服力。二手市場也具有行銷效果。停產角色在轉售平台上的報價，替所有仍在銷售的 Jellycat 增加想像空間，也讓消費者多了一個購買理由：現在不買，以後可能買不到，或是要花更多錢。

最後還有皇室照片、名人與消費者自然曝光，這些都沒有支付傳統代言費。我們家就是因為看到短影音中 Galeries Lafayette 的 Patisserie 店員替玩偶「料理」、包裝，再交給顧客的幾分鐘表演，才決定去拜訪這家店。

把這些成本重新放回來後，Jellycat 的低廣告費就沒那麼神祕。公司早期用批發折價購買零售流量，用大量設計購買注意力，後來再由收藏者、二手市場與體驗活動延長傳播。

以前消費者因為走進一家選品店而遇見 Jellycat。現在有些消費者會為了找 Jellycat，專程走進那家店。客流方向反轉後，零售商提供的價值下降，品牌自己創造的價值增加。每把一筆交易從經銷通路移到官網或直營體驗，Jellycat 就能收回更多毛利與顧客資料。

這也是前面提到應收帳款與毛利率變化背後更完整的商業解釋。直銷占比上升，不單是同一隻玩偶多賺一層利潤，也代表品牌已經累積到足以自己帶來流量，開始減少對早期通路補貼的依賴。

問題是經銷商過去不只負責結帳，也提供在地選品與分散庫存的價值。當 Jellycat 想收回通路價值，又不能一次拿走整張讓品牌成長的零售網路。這種拉扯在 2025 年已經公開浮上檯面。

▉ 從依賴經銷商，到開始挑選經銷商

我們在法國逛百貨公司與選物店時，常發現不同門店賣的 Jellycat 角色不太一樣。有些店有整排兔子，有些集中在 Amuseables，有些門店連續幾天去，架上新品都在變。

我自然產生一個疑問：經銷商在滿足最低採購金額後有多少選擇產品的空間？還是大多是由 Jellycat 配貨？

後來查了公司的公開條款，發現答案介於自由選品與品牌配貨之間。

經銷商會從當期型錄與可訂購品項中提出訂單，因此可以表達自己想買哪些角色。Jellycat 則保留書面接受訂單的權利，而且可以只接受其中一部分。當熱門品項供不應求時，最終到店組合同時受到店家選擇、最低包裝量、庫存狀況與 Jellycat 配貨決定影響。

北美 2024 年批發型錄提供了更具體的數字。每個銷售地點每年最低採購額為 2,500 美元，新帳戶的首張訂單至少要 1,000 美元，後續訂單最低額度是 200 美元，而且每季最少要下一次訂單才能維持關係。不過跟其他很多產品比起來，Jellycat 對小型店家的最低承諾要求不算太高。

真正嚴格的是通路與品牌控制。

Jellycat 的歐洲及英國條款把產品定位為具有 luxury and prestige 形象的商品，只授權店面位置、聲譽、陳列與服務符合標準的零售商。所有使用 Jellycat 品牌資產的行銷材料都需要符合公司規範，條款甚至限制零售商在相關宣傳中使用 cheap、discount、outlet 等字樣。店家雖可自行決定最終售價，但品牌會透過授權、素材與呈現方式，降低折價形象出現的機會。

2025 年，這套制度變得更有爭議。根據 Forbes 與英國地方媒體報導，Jellycat 將英國部分獨立銷售代理改為內部團隊，並把經銷商分成幾個層級。有人取得 official stockist 身分，有些店被要求改善所謂的 Jellycat experience，另有約 100 家店停止供貨。公司表示這次削減的經銷商約占 8%，目的是在供應有限時改善對其餘 92% 店家的服務。

被取消資格的店家中，有些已合作超過二十年。他們抱怨訂單不容易下、熱門商品拿不到、缺乏明確補貨資訊，也不知道公司依據什麼標準決定誰能留下。公司那種制式、冷冰冰的通知尤其引人反感，因為早期願意陳列 Jellycat、向顧客介紹產品並承擔庫存的，正是這批獨立店家。

如果只從感情看，這很像品牌成功後拋棄老夥伴。但在我看來，這是財務與營運上自然而然會發生的趨勢。

首先，當工廠產能追不上需求，把同一批貨分給愈多店家，每家拿到的款式就愈少，缺貨與部分交貨會更嚴重。減少帳戶數可以集中庫存，也降低訂單處理、溝通、收款與物流成本。

其次，當品牌已能自行帶來顧客，每家經銷商的增量價值差異會被放大。位於重要商圈、願意完整陳列、能創造內容或服務收藏者的店家，可能帶來更高銷售；只放少量商品、偶爾下單的帳戶，對品牌覆蓋率貢獻有限，管理成本卻不一定低。Jellycat 的體驗式櫃位、限定商品與高端百貨合作，都要更一致的視覺與服務。店家數量太多、陳列水準差異太大，就會增加折價、灰色市場與商品呈現失控的風險。

從經濟結果看，Jellycat 正把稀缺商品優先配置給較高產值、較符合品牌形象的通路。這一步也反映雙方議價權已經翻轉。

創業初期，Jellycat 可能還需要說服零售商給它一小塊貨架。到了今天，一家禮品店反而希望 Jellycat 替它帶來客流。當品牌擁有自己的官網、社群與消費者名單，也更清楚哪些角色在哪裡賣得動。零售商原本掌握的顧客資訊，開始回到品牌手中。

只是這種做法也有風險。獨立店家的價值有一部分不會出現在那家店的銷售裡。消費者可能在旅行途中第一次摸到產品（像我們），回家後才從官網購買。不同店家各自選品，也讓冷門角色有機會遇到適合的客人。大量分散的小店可以構成一套探索網路，替 Jellycat 測試產品，同時讓潛在顧客維持逛店尋寶的樂趣。

如果品牌把貨過度集中在官網與少數大型百貨，短期毛利率可能繼續上升，消費者看到的商品卻會愈來愈由中央決定。新品試錯的資訊來源會變少變弱。今天很強的議價權，使用過度的話就會消耗未來的通路選擇。

▉ 如果我是創辦人，下一步要做什麼？

Jellycat 2024 年稅後利益約 1.04 億英鎊，支付股利 1.1 億英鎊。前一年也支付超過 6,000 萬英鎊股利。即使如此，公司 2024 年底仍持有接近 9,700 萬英鎊現金。

從正面看，這門生意不需要留下太多資本。工廠由供應商持有，顧客與經銷商快速付款，品牌又能用很少固定資產創造現金。但換個角度，這也可能被解讀成創辦人缺乏企圖心，或找不到報酬率超過資金成本的投資，只好把錢發回股東。

在這裡我忍不住做了一個思想實驗：如果我是兩位創辦人或他們的財務顧問，我會如何建議資本配置？哪些投資能延長 Jellycat 的文化生命，哪些只是把短期熱度換成更多營收？

我想第一優先投入的應該是供應鏈、資料與組織。

這家公司 2024 年營收成長 70%，存貨反而下降，這是非常不尋常的現象。網路論壇上，2025 與 2026 年又出現經銷商拿不到貨與訂單資訊不足的抱怨。這表示公司最急迫的再投資機會仍在後台：增加合格產能、改善需求預測、建立更好的經銷商下單與配貨系統，以及強化仿冒追蹤。

這些投資不會像聯名或開新店一樣得到大量社群曝光，但可以降低缺貨、錯配與經銷商摩擦。此外它們能支援所有現有角色和未來新品，成功一項便能提高整個產品組合的報酬。

第二，是有節制地增加直營收入與體驗式零售。根據前面的估計，直營比例已在過去幾年大幅提高。官網與少數旗艦體驗可以讓 Jellycat 取得顧客資料、測試新品、保留完整毛利，也能把購物本身做成內容。

但我不會建議大規模自建一般門店。實體零售的管理非常麻煩，需要考慮租約、人員與固定庫存，會把一門輕資產生意變重。Jellycat 最好的體驗據點往往設在原本就有流量的高端百貨，由合作方提供地點與營運基礎。

至於擴張品類，公司需要問幾個問題：它是否使用 Jellycat 原有的設計與觸感能力？是否能由相近供應商與通路完成？是否增加角色的使用情境？如果失敗，會不會傷害核心玩偶的品質印象？官網提到特定服裝、家居織品與嬰幼兒用品的機會，但這些品類市場與現有銷售規模相比，似乎不夠大。

聯名也適用同一標準。好的聯名能讓既有角色進入新的文化場景，合作對象還能提供通路與內容。但過多聯名會讓新品節奏被外部品牌牽著走，還可能把 Jellycat 變成替別人製作絨毛周邊的供應商，降低自己的高階形象。Jellycat 自己的角色已經有流量，沒有必要為短期曝光接受每一個邀請。

至於對是否要進入媒體內容與更遠的品類，我會更為保守。Jellycat 已透過書籍、短片與社群替角色增加個性，進一步發展動畫或影視看似順理成章。但 Jellycat 成功的原因之一就是把玩偶的表情與故事留給消費者當作投射情緒的空間。當官方替每個角色設定固定聲音、性格與劇情，這究竟是增加 IP 價值，還是縮小投射空間？

Jellycat 已經證明自己能在核心絨毛玩具上創造極高報酬。此時若為了「一定要再投資」而擴張，最容易把一門難得的好生意變成普通消費品集團。有時候，一家公司最難的資本配置，是接受自己的核心業務已經很好，不讓手上的現金逼迫它證明更多事情。

▉ 投資人能否在爆紅以前看見它？

那對投資人來說，我們有可能從 Jellycat 這個例子學到如何預先找到下一個爆紅機會嗎？

我原本想寫的答案是可以。因為這家公司有一組很少同時出現在玩具業的特徵：成立二十多年，歷經金融海嘯與多次消費循環，沒有依賴外部融資，維持較高價格，每年推出大量新品，供應鏈與通路可以重複使用，因此單次試錯成本有限。這些條件合起來，很像一個正持有收益的選擇權組合，等待成本由本業吸收，新角色持續增加上檔。

直到我把這份清單拿去對照 1997 年的 Ty，一家同樣擁有漂亮商業模式，需求卻曾被投機泡沫大幅放大的公司。我發現事情沒那麼簡單。

Ty Warner 做了二十年絨毛玩具，1986 年成立自己的公司，靠 Himalayan 貓與 1991 年的年度收藏熊獲利七年後，才在 1993 年推出 Beanie Babies。他不打廣告，只供應精品與禮品店，拒絕大型連鎖。他持續讓舊款退休、推出新款，刻意不讓任何一家店拿到完整品項，也限制每家店每月能訂的數量，讓消費者必須一家一家去找，並讓收藏者社群與二手報價替它傳播。上面這些敘述是不是讓你覺得有些似曾相識？

Beanie Babies 在 1998 年營收規模達到十億美元以上。只不過，1999 年 Ty 宣布「退休」全系列的玩偶，但之後又以公開投票收回決定。這兩個動作把稀缺管理推到盡頭，二手價格在接下來一兩年崩跌，之後再也沒有回到高點。

當我們在法國注意到不同門店的 Jellycat 陳列不一樣，我會把它解釋成通路分散與產能限制帶來的尋寶樂趣。但 Ty Warner 以前也刻意做出同一個效果，那是他需求工程的核心手段。同一個現象，在一家公司是產能與店家選品的自然結果，在另一家公司是設計出來的手段，而像我這樣站在店裡的人很難分辨。

這代表我前面寫的那些東西，包括經銷平台的下檔保護、大量角色的選擇權、低廣告費的傳播效率，這些事後看起來非常聰明的策略選擇，都不能單獨作為看好的理由。它們是必要條件，不是充分條件，而且它們同樣可能是泡沫的必要條件。

Beanie Babies 原本也有玩具與收藏價值。但到了熱潮後期，買家愈來愈在意吊牌、品相與轉售價格。產品仍有使用價值，只是邊際買家的購買理由逐漸變成等待下一個人出更高價格。真正的差別在需求的性質。也許我們可以觀察下面幾個指標，幫助我們預測 Jellycat 是不是會重蹈 Ty 的覆轍。

我會先看停產常規款的實際成交價，而不單是少數稀有款的掛牌價格。因為少數人開天價可能是個案，不代表泡沫。真正需要擔心的是一整批剛停產的常規款，都開始以零售價數倍成交，而且成交量還在增加。

其次是二手市場周邊有沒有出現「資產化基礎設施」：像是價格指南、估值工具、專門轉售平台。如果收藏開始需要像股票一樣查價，那事情大概就不只是喜歡玩偶了。人類總是有辦法把可愛的東西變成金融災難。

最後還要看產能問題解決之後，公司的行為是否改變。當 Jellycat 供應能力提高後，常規款是否仍持續缺貨？如果配貨限制沒有放鬆，公司同時加快停產與限定版本推出速度，二手溢價又開始影響新品購買，那就更可能表示它正在從被動短缺走向主動經營稀缺。

同時也有另一種可能：這門生意既不是泡沫，也不會再成長 70%，就只是正常慢下來。四成以上的稅前利益率與極高資本報酬率，在絕大多數生意上都不會永遠持續。均值回歸不需要泡沫破裂，只需要競爭者進來、產能追上，或成長率回到正常水準。雖然這個結局的故事性很差，但我認為機率不低。

Ty 這個例子還有一個對投資人更難堪的細節。泡沫破掉之後，Ty Inc. 活得好好的，今天仍在賣絨毛玩具，Warner 賺到的錢也沒有還回去。虧錢的是在高點買進的收藏者。好生意和好投資是兩件不同的事。一家公司完全可以在需求性質變壞的過程中繼續賺錢，而在那個階段用高峰獲利估值的人會付出代價。Jellycat 沒有上市，這個問題暫時不存在。但如果哪一天它上市或被出售，這會是第一個要問的問題。

我還是蠻喜歡 Jellycat 的產品，但對今天的熱潮與極佳財務表現能維持多久，沒有那麼高的信心。它二十多年累積的角色資料庫、供應鏈與通路關係確實很難複製。但問題是，1998 年的 Ty 同樣擁有一套看起來很漂亮的系統。

投資人事前能判斷的是，一家公司等待運氣的成本有多低。爆紅之後要追蹤的，則是消費者究竟還在買產品，還是在買下一個人願意出更高價格的可能。前者決定這是不是一門好生意，後者決定高峰獲利還能不能拿來估值。

後記：我把這篇當作是《商業解碼》的「輕量+未編輯試閱版」。我們正式文章通常會保留更完整的財務拆解、同業比較與投資問題。如果你喜歡這種研究公司的方式，歡迎進一步認識《曼報Pro》。

對家有國小、國中生的家庭來說，寒暑假總會帶來一些麻煩，只是每個家庭面對的問題並不相同。有些父母煩惱孩子由誰照顧，有些人得在工作時間和安親費用之間取捨。像我們這種已經有基本安排、還能繼續比較營隊和課程的家庭，煩惱的則是要不要再多加一項。

在我們家，寒暑假的活動主要由媽媽安排，我比較像是參與討論、最後負責「付清」的角色。隨著孩子年紀漸長，我很明顯地感覺到身邊家長的焦慮也在增加。而針對這些焦慮，市面上出現了更多不同類型的選擇。

暑假前，我聽太太說過那種讓國小孩子出國上課幾週的親子遊學方案，後來自己查了一下發現每週費用至少三萬（不含住宿）。我看著這些課程，接著打開行事曆，想看看原本安排了哪些活動，也順便算一下值不值得。

看了五分鐘，我才發現「每週費用三萬」只是標價，不是這個遊學方案的真正價格。

這筆交易其實有三種成本，帳單卻只列出一種。家庭付出金錢，孩子交出時間，還有如果她沒有很想去，整個家庭還要承擔說服與配合所消耗的動機和關係。後面兩項不會出現在刷卡通知裡，卻比那每週三萬的標價更難補回來。

這就是家長最頭痛的問題，我們看得到標價，算不出成本。而付出這三種成本之後，買回來的可能是能力、競爭中的位置，或一份避免問題惡化的保底。這幾種東西的報酬結構完全不同，當我們混在一起算，就很容易愈買愈多，最後連自己在買什麼都說不清楚。

這篇文章想討論的範圍比較窄：那就是當基本照顧已經有安排，家庭還有一筆可以自由運用的錢和時間時，我們應該如何判斷要不要繼續加碼？

▉ 你買回的其實是三種結果

先把買回來的東西列出來看。我第一想到的是能力。

不管是學科、體能、表達、新的技能，以及把一件困難的事做完的耐受度，這些都有相當高的絕對價值。這裡說的「絕對價值」指的是它不會因為別人進步，就被直接抵銷。就像隔壁的孩子讀得更快，不會讓你家孩子已經讀懂的書突然失效；別人跑得更快，也不會抵銷運動對你家孩子身體的好處。

不過能力投資當然也有邊際遞減。就像從不識字到能夠順利閱讀，跨過這一門檻後通常可以大幅提高學習效率。但當孩子已經在某個領域具備一定能力後，再用大量時間把成績往上推（特別是用考試來評量的那些能力），新增的能力可能就很有限。

除了絕對的能力外，第二種是位置。

分數排名、競賽名次、學校標籤和履歷上的那一行字，都帶有位置成分。因為它們的價值更多來自於孩子「相對於」其他人做得多好。

當錄取人數固定時，所有家庭一起加碼，不會讓每個人的位置一起上升。這樣做通常只會把維持原來位置的門檻推高。加碼的過程可能會留下一些能力，只是新增成本未必能換到相稱的新增能力。

第三種是保底，也就是維持生活底線。它包括基本照顧、規律飲食與睡眠，也包括避免身心問題持續惡化的保護。

對需要在工作與照顧之間協調的家庭來說，寒暑假的付費活動首先解決的可能是照顧安排，而不是教育投資。只要它能提供一個安全、有固定作息、也有成年人在場的地方，即使沒有增加特殊能力或競爭位置，對家長來說仍然具有很實際的價值。

如果在基本照顧之外，這類活動還能讓孩子放鬆、探索課業以外的興趣，或讓身心狀況有機會被其他成年人看見，就可能構成另一層下檔保護。這樣的活動未必讓下學期的期末考增加五分，卻能維持生活的基本結構，也提高問題被及早看見的機會。

但保底最麻煩的地方，就是它最好的結果通常只是「某件壞事沒有發生」。

就像孩子睡眠充足，家長不會收到一張通知，告訴你這個月避免了多少情緒失控。親子關係穩定，也不會有一份報表顯示孩子因此少做了幾個危險決定。這類沒有發生的壞事很難被計價，所以家庭很容易在這一類投入得太少。

而同一項活動可能同時買回幾種結果。就像學科類的活動可能可以補足能力，也可以維持位置。而參加運動類的營隊可以增加體能、也可能讓孩子找到願意一起活動的新朋友。在這裡，分類的用處並非是要將活動貼標籤，主要是讓我們在每一次投入前問一句：「這次主要想要獲得的是什麼？」

▉ 關係為什麼沒有列進來

我原本想把關係也列成第四種結果，後來想了一下覺得不太適合。

在我看來關係有其工具價值。如果孩子信任父母，當他遇到情緒問題或其他麻煩（例如霸凌）時，比較可能主動開口。同樣的，一個願意聽孩子把話說完的大人，也能讓問題比較早被看見。

只是我後來決定不把關係列為第四種結果的最大原因，是就算這些工具價值全部不存在，我還是想要這段關係。就算我確定她的成績、情緒完全不會因為我今晚陪不陪她聊天而改變，我今晚還是想做這件事。

前面提到的能力和位置就沒有這個性質。我要她會閱讀，是因為閱讀能帶她去別的地方；我期待她考得好，是因為那個成績換得到選項。關係不需要換到任何東西。關係比較像是一條不能長期透支的底線。

一旦把關係放進報酬表，陪伴就開始有績效。雖然我偶爾還是有這種症頭，但我知道如果一個父親每次陪孩子，心裡都在計算這段時間將來能換到多好的成績、多穩定的情緒、多低的風險，孩子遲早可能感覺得到。而孩子感覺到的這件事，正好可能抵銷父母原本想累積的東西。

父母可以暫時要求孩子做不喜歡的事，特別是當年紀較小的孩子不容易衡量長期後果，大部分的決定都還是由父母主導的。但如果一項投入必須長期靠催促、威脅和爭執才能維持，那些摩擦的真實成本也不能因為沒有帳單就當作不存在。

▉ 刷卡的人和上課的人不是同一個人

回到寒暑期營隊的標價與真實成本。父母承擔的是金錢成本，孩子承擔的是時間、疲勞、放棄其他活動的機會成本，以及參與這件事本身帶來的情緒。

這是教養決策中一個很少被明說的問題：做決定的人和支付主要代價的人，常常不是同一個人（或是我們以前經常誤認為是同一個人）。

這不是說父母就應該從小就全然放手，完全讓孩子做決定。對於年紀比較小、還在學習建立起一套屬於自己價值觀的孩子，有些能力也確實要經過一段不太愉快的練習才能建立。如果完全按照當下意願做選擇，大概沒有多少孩子會主動要求每天練習自己最不會的東西。

但父母出得起一週三萬，不代表孩子付得出那一週。

特別是當家庭資源愈多，這個問題反而更容易被忽視。多報一堂課的財務壓力很低，想找新奇的課程也總是找得到，但孩子的行程卻可能早就沒有空間。父母看見的是「我們還能提供什麼」，孩子感受到的則可能是「我還有什麼沒有被安排」。

所以每一項投入其實都有兩筆帳。一筆是父母付了多少錢；另一筆是孩子交出了多少時間、睡眠、興趣和自主性。

只看前面的那一筆，幾乎一定會高估報酬。

▉ 位置投資會給你收據

另外站在家長的角度還有一個盲點。那就是前面提到的三種結果裡，位置最容易讓人持續加碼，因為它會提供一張明確的收據。

期末考多三分、排名前進五名、通過一張檢定、履歷多一行字，投入之後很快就能看見結果。即使效果不好，至少也有一個數字可以檢討。

而保底剛好相反。

睡眠充足、情緒穩定、遇到麻煩願意求助，這些東西很難證明是哪一段陪伴或哪一個空白的下午換來的。父母不知道如果當時多排一堂課，後來究竟會發生什麼；也不知道某件壞事沒有發生，是因為保護做得好，還是它本來就不會發生。

當基本照顧已經有安排，家庭又還有可支配資源時，我們特別容易繼續投資位置。原因之一就是家庭的帳本偏好可以驗收的東西。

補習每個月會寄來成績，睡眠不會寄來一份「本月避免了什麼」的報告。競賽有名次，關係沒有。結果就是有收據的東西不斷被追加，沒有收據的東西則被當成孩子本來就該擁有，不需要特別保留時間。

更麻煩的是，位置投資還具有一種防禦性。當所有人一起加碼時，彼此的排名可能大致不變，總成本卻提高。但單一家庭如果停手，又可能失去原來的位置。很多時候，與其說父母買的是「讓孩子往前」的機會，倒不如說是一份「不要只有我的孩子掉下去」的安心感。

這種安心感的集體報酬可能很低，個人報酬卻不一定低。雖然很多家長都看懂軍備競賽，不代表你可以毫無代價地退出。

▉ 這筆錢該付到多少

有些升學門檻確實會改變孩子得到的教育資源、同儕環境和後續選項。當接近關鍵門檻時，額外的訓練可能具有很高的個人報酬。因此對於追求「位置」上做的投資，我認為我們需要考量的是保費是否合理。

首先要看的是孩子距離門檻多遠。

如果已經穩定跨過門檻，繼續加碼的邊際收益可能很低；如果距離很遠，也應該比較繼續追趕和改走其他路徑的成本。只有在確實接近重要門檻時，短期的訓練才比較可能有高報酬。

問題是家長很容易把「再努力一點也許會成功」變成沒有期限的理由。加一學期沒到，就再加一學期；課程沒效果，就換一家再試。只要沒有事前設定檢查時間，位置投資很容易自己替自己續約。

第二個要看的是家庭有沒有替代路徑。

這不只取決於父母的心態，也取決於現實資源。能不能重考、轉學、搬家、承擔延後一年的成本，或者在沒有名校標籤時仍找到其他機會，都會改變這筆支出的價值。

對缺乏替代路徑的家庭來說，一次升學結果可能真的比較重要。這時候這筆支出即使昂貴，也不能輕易縮手。相反地，擁有較多退路的家庭若勸別人「不要在意排名」，有可能是把自己的安全網誤認成一種比較開明的價值觀。

談教養策略時，如果沒有把這個差異算進去，就很容易把自己負擔得起的選擇，誤認成所有人都做得到的原則。

▉ 父母可以購買課程，卻不能購買學習

大部分的教育投資模型，都假設父母放進時間和金錢，孩子就會產出能力或排名。但這個模型少算了一個東西：孩子自己的參與動機。

父母可以輕易地購買課程、教材和老師的時間，卻不能直接購買孩子的學習。我們必須認清課程只是投入，最後仍然要經過孩子的注意力、練習和意願，才可能轉換成能力。同樣一小時的課程，在孩子主動參與、勉強接受和長期抗拒的情況下，效果可能非常不同。

這不表示孩子一說不想去，父母就應該立刻停止。短期抗拒和長期抗拒要分開看。孩子第一次說不想去，可能來自難度太高、方法不合，也可能只是不習慣做需要努力的事。這種時候父母鼓勵他撐一段是對的，就像前面說過，沒有多少孩子會主動要求練自己最不會的東西。但如果抗拒持續了幾個月，父母放進愈多課程，得到的能力不但不會增加，反而會消耗他的主動性和對你的信任。

動機比較像這筆交易的匯率，它決定同一筆時間和金錢最後能換回多少能力。家庭資源愈多，愈需要留意這件事。錢可以讓父母不斷購買新的投入，卻無法保證孩子仍然願意完成轉換。

▉ 付款以前，先問四個問題

所以下一次準備替孩子報名各類營隊，在刷卡以前可以先問四個問題。

第一，如果別的家庭都不做，我還會買嗎？

如果答案是會，它主要買到的可能是能力、健康或孩子想要的經驗。如果答案是不會，那它主要就是一筆「害怕掉隊」的保費。這筆錢該付的時候就付，只是要誠實命名，也要正確分析。

第二，如果不買，孩子會失去什麼？

少學一項能力？錯過一個重要門檻？或者只是父母必須忍受別人都有做的不安？這三個答案需要的處理方式不一樣。

第三，除了錢，孩子還要支付什麼？

包括時間、睡眠、原有興趣、情緒負荷和關係摩擦。尤其要確認，做決定的人和承擔主要代價的人是不是同一個人，以及這些隱性的代價究竟有多高。

第四，什麼情況下我們會停？

也許我們可以跟孩子事前先討論好重新評估的時間，以及幾個需要特別注意的條件：沒有出現原本預期的效果、情緒明顯惡化，或者親子衝突持續升高。沒有停止條件的投資其實就是用下一筆投入，替上一筆投入辯護。

▉ 沒有收據的東西，也要先編預算

家庭通常先把有價格的活動排進行事曆，剩下的時間才留給睡眠、聊天和什麼都不做。但這樣做最大的問題就是，有價格的活動永遠排不完，而沒有收據的東西只會得到別人用剩的時間。

更有效的方法可能是反過來，先替沒有收據的東西編預算。這不一定是把行事曆整天空下來。對不同家庭，它可能是維持最低睡眠時間、確保孩子有安全的照顧場所、每週留一頓能一起吃的飯，或者保留一小段不處理成績和行程的對話。

有些家庭用空白下午守住生活底線，有些家庭反而需要購買課程，才能兼顧工作與照顧。重點是要先說清楚哪些底線不能被下一項競爭性投入吃掉。

因為我們永遠拿不到回報證明，所以這些預算總是最難維持。事後也不會有任何證據告訴你，那個空白的下午究竟避免了什麼。願不願意在沒有收據的情況下持續付款，大概才是這件事真正的門檻。

▉ 最後沒有買的，是那份不要落後的安心

關於今年暑假的安排，我們最後還是先把睡眠、家庭原本規劃好的活動時間留了下來，剩下的時間才交給原本熟悉的課程與機構，沒有另外報名親子遊學或其他新的夏令營。

在做這個決定前，我們有問她想不想出國上課幾週，她說還好。這算不上一張否決票，但它是一個需要納入考量的訊號。再把能力、位置和替代選項攤開來看，我也說不清楚那個遊學方案主要買回的是什麼能力，還是一份「別人有，我也應該替孩子準備」的安心。

更重要的是，一週幾萬不是全部價格。它還要拿走暑假的時間，以及我們說服她去做一件沒有特別想做的事所消耗的動機。

我最後也沒有算出精確的報酬率。只是第一次把付款的人、交出時間的人，以及買回來的東西放在一起考量。沒有因為自己刷得起那筆支出，就假設她也付得起。

大家除了問模型還能進步多少，也開始追問：這麼多資料中心、晶片與電力建設，最後到底由誰付錢？當 Nvidia 投資模型公司，模型公司拿錢租用雲端算力，雲端業者再向 Nvidia 採購晶片，這種循環融資到底代表需求強勁，還是供應商拿自己的錢替自己創造營收？

而且現在的結構變得愈來愈複雜。上週 Nvidia 與 Apollo、BlackRock、Blackstone、Brookfield、Goldman Sachs、KKR 簽署備忘錄，準備成立算力融資平台，目標是動員超過 5,000 億美元的第三方資金。

這份備忘錄的細節還沒完成，個別案件、利率、期限與擔保條件也都還沒定案。根據我查到的公開報導，主要資金將由外部機構募集，Nvidia 則可以選擇對部分交易提供最高 25% 的殘值支持。這樣的設計雖然降低了 Nvidia 必須直接投入的資本，但同時也把部分尾部風險加回到它身上。

如果把現在的 AI 產業想成一個交響樂團，Nvidia 原本是第一小提琴手。它技術最好、聲音最亮，也決定了整個樂團的主旋律。但現在它發現，光把自己的部分拉好還不夠。有人買不起樂器，有人缺乏演出場地，也有人擔心演出結束後，手上的樂器沒人接手。於是它開始替團員找錢，替他們選好表演曲目，還要確保大家按照同一個速度往前走。

這就好像第一小提琴手開始兼任指揮。

我仍然相信，AI 長期有很高機率創造巨大的經濟價值。但這件事經常和另外兩個問題混在一起。

AI 會不會創造價值是第一個問題。產業資金鏈能不能平穩撐到商業化拐點，是第二個問題。就算撐過去了，超額利潤最後落進誰的口袋，則是第三個問題。

第一題我比較有把握。第二題和第三題，我就沒那麼確定了。更何況在回答後兩題的過程中，Nvidia 自己也正在改變。它正在從單純的設備供應商，變成設備商、融資協調者與收入分潤者的混合體。

我這篇想談的就是這個轉變怎麼發生，以及它會讓 Nvidia 的風險報酬結構長成什麼樣子。

▉ 為什麼第一小提琴手要拿起指揮棒

大型基礎建設都有一個先有雞還是先有蛋的問題。尤其在商業化初期，某種程度的循環融資本來就很常見。

這類投資的週期通常很長。需求要等供給到位後才會出現，但出資者卻往往希望需求先被證明才願意接受較低的報酬率。鐵路蓋好以前沒有乘客，沒有乘客就算不出收入，算不出收入就很難借到錢。電網沒有鋪設完成前，很難期待工廠先進駐；但沒有足夠用戶，電網又缺乏投資理由。

歷史上，這個死結有時候由政府解開。港口、電網或高速公路具有策略價值，也有龐大的外部效益。早期投資人未必拿得到全部好處，但社會整體可能因此受益。所以我們經常看到政府發行長期公債、提供土地，或用最低報酬支持這些計畫。它的資產負債表比較有韌性，也有強制徵稅的公權力，因此可以接受一項建設在很長時間內算不出漂亮的財務回報。

但這一輪 AI 基建比較特殊。雖然政府參與了土地、供電、許可、稅務優惠與主權 AI 計畫，但主要融資工作還是由私人部門承擔。科技巨頭（hyperscaler）、前沿模型公司、neocloud、私募信貸、保險資金與設備商，這群玩家必須自己把數兆美元的資金集結起來。

問題是，這些資金的報酬要求差很多。

保險公司與退休基金的資金成本大多落在 4 到 6%，私募信貸與基建資金投資人可能要求 8 到 12%，科技巨頭的內部投資門檻又更高（機會成本）。因此同一批資產必須被切成不同順位，分配給適合承擔不同風險的人。有人拿固定收益，有人拿剩餘報酬，而剩下那一格，也必須有人願意站進去，整個結構才搭得起來。

Microsoft、Google、Amazon、Meta 有龐大的營運現金流，可以自己發債，也可以承諾租用一座資料中心二十年。反觀前沿模型公司與 neocloud，沒有同樣等級的資產負債表，偏偏又最需要錢。

銀行願意借多少錢，則大多取決於幾個問題：GPU 未來可以租多少錢、可以用幾年，以及借款人倒下後，這些設備能不能找到下一個使用者。

這和電廠、基地台或收費公路不太一樣。電廠背後可以有長期購電合約，基地台有電信公司的租金，收費公路至少可以估算車流。但 GPU 的租賃價格仍不透明，不同客戶、地區與合約期限之間，價格可能差很多。這個二手市場剛開始形成，也還沒有跨越完整景氣循環的回收紀錄。雖然 A100 在推出六年後仍然有人使用，確實證明舊卡價值不會很快歸零。但我們還是缺乏更多證據，去回答七年後的 H100、B200 到底可以值多少錢。

假設現在放款人要替一筆七年期融資估算殘值，但手上沒有二手市場價格曲線，沒有標準化長約範本，沒有評等先例，也沒有公認的經濟壽命。這時候放款人通常會要求更高的股權緩衝，或要求信用更好的第三方提供支持。

我們都知道前沿實驗室拿不出 Meta 那種二十年租約，neocloud 也很難自己吸收龐大的次順位風險。於是最後有能力補上這個角色的人，就變成了賣 GPU 的 Nvidia。而且它也有誘因去做這件事。如果能設計出一套融資架構，把數兆美元送進產業，Nvidia 就能維持市場對其產品的強烈需求。

在這之前，Nvidia 就已經對 neocloud 提供所謂的 take-or-pay 承諾，對它們購買的 GPU 產能給出最低營收保證，期限約六年。銀行承作這類案件時，會用「帶有承諾」的情境去計算償債覆蓋率，要求至少 1.3 倍，再對應七成到八成的貸放成數。

這讓放款人可以把原本不穩定的 GPU 租金，轉化成比較容易估算的償債現金流。換句話說，放款人願意出錢，很大一部分原因來自 Nvidia 願意在需求不足時補上部分收入。

▉ 三種錢，三種不同的風險

現在市場對 AI 循環融資的爭論之所以吵不完，是因為大家常常用同一個總數，在講三件不同的事。

第一層是科技巨頭用廣告、雲端與企業軟體賺到的現金，投入自己的資料中心。這些錢來自生態系外部、已經付費的客戶，循環程度最低，也是目前 AI 資本支出的主體。

第二層是特殊目的公司與售後租回結構，由承租人自己提供殘值保證。Meta 的 Hyperion 與 Oracle 的幾個案子都屬於這一類。這比較像公司債的替代品，信用最終指向一張投資等級的資產負債表。槓桿被移出母公司的合併資產負債表，但風險並沒有消失，仍然高度依賴承租人的信用。

第三層則以前沿實驗室與 neocloud 為代表。它們缺乏投資等級信用，只能以 GPU 抵押借錢，再由設備商提供某種形式的支持。這一層目前規模較小，透明度最低，脆弱度也最高。

區分這三層很重要。因為就算第三層出問題，也不代表所有 AI 建設會立刻停下來。第一層有真正的外部現金流，也有大型科技公司的資產負債表支撐，抗壓能力高很多。

但第三層很可能是最早發出警報的地方。如果私募信貸不願再承作 GPU 抵押債，那 neocloud 可能會失去融資管道，接著就會削減訂單。Nvidia 的保證損失可能還沒認列，設備訂單與使用率已經先轉弱，於此同時它對 neocloud 們的投資部位也可能有減損損失。

這也是為什麼我認為這一輪和 1990 年代的電信設備商不完全一樣。當年的設備商直接把錢借給客戶，風險是先出現在設備商的應收帳款。現在，初期損失則可能先由私募信貸與特殊目的公司承擔，設備商較早感受到的反而是訂單減少。所以如果我們只看 Nvidia 的資產負債表，訊號可能會來得太晚。

▉ Nvidia 如何用信用替需求買時間

在我看來，Nvidia 可能提供的殘值支持，經濟效果很接近替 GPU 寫出一張有條件的保單。如果設備幾年後還能以合理價格出租或轉賣，Nvidia 就不必付錢。但如果殘值跌破約定水準，它才需要承擔部分損失。

這時候一定有人會問：「Nvidia 毛利率這麼高，為什麼不直接降價就好？」

這是因為降價會補貼每一位買家，而且會立刻反映在當期收入與毛利率上。但殘值支持只在特定條件成立時發生，也能集中用在最需要融資的客戶身上。如果 1 元的信用支持可以撬動數倍第三方資金，對 Nvidia 來說，當然比全面降價有更好的效果。

所以我會把它理解成一種資本效率更高的補貼。Nvidia 把晶片短缺期間累積的部分利潤與信用，重新投入下游，替尚未成熟的需求買時間。它的當期成本可能遠低於名目承諾上限（目前還不知道它在會計準則下，是否要先提列「估計之後可能發生的保證費用」），但下檔風險也會隨融資槓桿被放大。

只是這裡有一件事特別值得注意：殘值支持最大的風險，在於它最需要發揮作用的時候，也可能正好是 Nvidia 自己壓力最大的時候。

假設幾年後 AI 投資降溫，GPU 租金與二手價格一起下跌。neocloud 的收入減少，借款開始出問題，Nvidia 提供的信用支持被啟動。偏偏同一時間，新 GPU 訂單也可能放緩，Nvidia 的成長、毛利率與現金流一起承壓。

保證人的信用和擔保品價值，被同一個產業風險綁在一起，這就是所謂的「錯向風險」。晴天時，每個案件看起來彼此獨立；真正下雨時，它們卻可能一起出問題。

金融海嘯期間，MBIA 與 Ambac 面對的就是類似問題。它們承保的案件個別看起來相當分散，但當全美房價同步下跌，原本被低估的相關性突然升高，資本與信用評等也跟著快速惡化。即使公司在個案分析上做得很仔細，仍可能低估所有案件一起出問題的機率。

這不代表 Nvidia 的保證一定會造成損失。它的資產負債表夠強，GPU 也比一般專用設備更容易重新部署。只是把設備商放進擔保結構，只能重新分配風險，不能讓風險消失。

▉ 曲子演完，買樂器的人未必賺錢

另外，即使整套融資平穩撐過商業化拐點，還有另一個問題：曲子演完，和樂團裡所有樂手都賺到錢是兩件事。

鐵路降低了運輸成本，光纖讓頻寬變得便宜。兩者都替社會創造了巨大價值，但第一輪投入的部分股東與債權人，並沒有得到好報酬。財務上的失敗很少讓實體資產消失。它通常只是讓資產用更低的價格，轉到第二任持有人手上繼續運作。

AI 也可能出現相同結果。資料中心與 GPU 繼續運轉，使用者享受到更便宜的算力，但第一批以過高價格投入的資本被迫離開市場，無法享受到最後的成果。

所以我可以同時相信 AI 最後會創造巨大的經濟價值，也對這一輪部分基建投資人的報酬保持懷疑。市場最愛把「技術會成功」偷換成「現在這批資本都會賺錢」，彷彿這將是一部勵志片。很遺憾，經濟史通常比較像充滿黑色幽默的電影。

▉ 承擔一部分下檔，交換更多上檔

接著我們也要考量到，這一輪 AI 基建和過去基建最不一樣的地方，就是報酬率的分布。

過去電廠與收費公路這類基礎設施的報酬區間比較窄（「量」比「價」重要），投資人估錯的幅度有限。但在 AI 產業裡，如果新技術能從替企業節省成本，走到直接創造收入，那使用量的上檔也可能非常大。

所以我認為Nvidia 如果願意承擔客戶的部分下檔，就同時會希望在合約裡取得某種上檔報酬。

過去，這主要體現在循環融資裡對應用層的大量股權投資。但這次公告中，出現了「usage-linked revenue」的措辭，也就是與使用量掛鉤的長期分潤。這背後的假設，應該是 Nvidia 預期每單位運算成本將持續大幅下降，而價值會逐漸往能夠對成果定價的那一層移動。

從風險報酬的角度來看，殘值支持很像 Nvidia 賣出一張對 GPU 殘值的賣權：市場不如預期時，它必須承擔部分下檔。另一邊，如果分潤真的會隨算力使用量增加，經濟效果則比較像持有一張對算力需求的買權：市場大幅超出預期時，它可以取得一次性硬體銷售以外的上檔。

兩張選擇權的行權標的不完全相同、斜率也可能不同，但效果很接近：Nvidia 對 AI 產業左右兩端情境的曝險都增加了。

如果發展不如預期，信用支持會放大下檔。如果發展大幅超出預期，收入分潤則會增加上檔。至於中間正常發展、沒有跨過上下兩端「門檻值」的情境，則和原本賣硬體的模式差異較小（見圖例：橫軸是「AI 產業創造的經濟價值」，而縱軸是 「Nvidia 取得的單位經濟報酬」）。

只是跨過門檻後的分潤比例多少、順位排在哪裡，還要等實際案例出現後才能評估。這會影響到買權報酬的斜率。只有當分潤真的隨使用量增加，上檔那條斜線才存在。如果它只是換個名稱的定額服務費，Nvidia 並沒有取得真正額外的上檔。

換句話說，Nvidia 正在從設備供應商，變成設備商、融資協調者與收入分潤者的混合體。如果這類合約被大規模採用，那它的商業模式就可能多了一筆經常性收入，但同時也多了一層信用風險。

這對 Nvidia 的估值是更好還是更壞，要看投資人怎麼看 AI 產業的展望。但可以確定的是，它和 AI 產業週期的連動，會比以前更強。我個人會偏好在橫軸上再利用情境分析，算出 Nvidia 的機率加權經濟報酬。

而且Nvidia 不光只是對 AI 的未來下注，它也在用自己的信用改變勝率。它提供的支持會吸引更多資金、建置更多算力；如果算力正是商業化的瓶頸，就可能提高產業跨過臨界點的機率。當然如果瓶頸其實在模型可靠性、企業導入或終端需求，新增資金也可能只是堆出更多過剩產能。

接下來幾年，我會密切觀察幾件事，用來追蹤這個新商業模式是否真的走得通：

* 早期案件能不能依靠營運現金流再融資，逐漸不再需要 Nvidia 提供新的支持。例如，到 2028 或 2029 年底，投資等級的 GPU 抵押債是否仍然普遍需要設備商背書，才拿得到評等。

* 新一代 GPU 大量出貨後，舊卡的租金與二手價格能否維持在足以償債的水準。例如，B300 大量出貨後，二手 H100 與 H200 的成交價年化跌幅是否超過三成。

* Nvidia 提供信用支持的最大曝險、會計上認列的保證負債與實際損失，和它從受支持容量取得的收入分潤相比，是否仍在合理範圍內。

▉ 這場表演可以順利完成嗎？

我的答案還是偏樂觀。

這個樂團有幾位資產負債表很強的主力團員，也確實有愈來愈多企業開始為 AI 付費。算力的租金指數、期貨、二手市場與融資先例，也正在慢慢形成。只要外部收入成長得夠快，今天還需要 Nvidia 支持的資產，幾年後就有機會由市場自己定價。

所以我不會因為看到循環融資，就直接判定 AI 是泡沫。大型基建初期本來就需要有人協調資本、產能與需求。Nvidia 願意把自己的信用放進去，代表它算出這筆保證的期望成本，遠低於它能撬動的邊際銷售。至少在目前的假設下，這是一筆划算的算術。

但指揮者的工作，不只是站在台上打拍子。它還要確保低音部不會缺錢、銅管不要搶拍、場地不會跳電，最後真的有人買票進場。更麻煩的是，它自己還坐在第一小提琴的位置，不能停下來。

我期望看到的成功演出，是算力逐漸出現可信的價格曲線、成交歷史與融資紀錄，設備商提供的保證慢慢從新案件中退場。到那時 Nvidia 才能把指揮棒放下，回到第一小提琴的位置。

但如果幾年後，它仍然要一邊拉琴，一邊替其他團員借錢，還得親自保證票房，那我們就要開始懷疑，台下究竟有多少觀眾是真的付了錢，還是大家都是拿公關票進場的。

我認為這首曲子有很高機率演得完。但演得完，不代表第一批買樂器的人都能分到票房；最後留在台上的，也未必是今天這批人。​

但我可以預期的是，接下來幾年，這位第一小提琴手大概還是會非常忙碌。

我先講一個多數人可能不愛聽的答案。

根據我自己的觀察，影響一個人能否取得好的 mentorship 機會，最大的變數往往是他每週能和多少資深工作者發生低成本接觸。這個數字跟他所在的組織、城市與產業高度相關。提問技巧和事前準備當然有用，但多半是在既有機會上提高轉換率，很難完全補上結構造成的差距。

換句話說，先有接觸，行為才有機會影響結果。

市面上多數建議會告訴你要主動、準備充分、虛心受教、回報進度。這些都重要，但它們主要是在降低 mentor 的下檔風險，無法單獨解釋他為什麼願意繼續投入時間與資源。

對 mentor 來說，最初的十五分鐘很像一筆小額試探性投資。他先付出十五分鐘，換取未來是否繼續投入的選擇權。後續的時間、引薦與背書，都是追加成本；而這段關係可能帶來的合作、影響力與成長，則是上檔。你表現出的可靠度，決定他敢不敢繼續；你的獨立判斷與成長潛力，決定他為什麼想繼續。

十五分鐘之後的價格，就是這樣決定的。

▉ 先確認你站在哪裡

有意義的 mentorship 很少從一句「可以請您當我的 mentor 嗎？」開始。它通常來自持續互動、工作上的自然交集，以及雙方逐漸對彼此產生認同。

這也是為什麼一個進入資深人才密集、日常工作又會產生跨層級互動的組織的年輕人，通常比在封閉環境裡反覆改寫自我介紹信的同儕，更容易發展出 mentorship。即使後者準備得更充分，兩人面對的機會集合仍然不同。

另外，準備成本的分配也不平均。

有些人願意花一兩個月，無償完成一份深度公司分析，向潛在 mentor 證明自己的能力與態度。但能這樣做的前提，是這一兩個月的無償投入不會影響他的經濟狀況。

如果要求每個人都用同一套動作證明自己，很可能只是把既有的資源差距，轉換成看起來像能力差距的結果。最後連這套篩選機制本身都會被誤認為公平。

還有一層比較少被提到的偏誤。資深者經常更容易注意到和自己相似的人。當兩人的背景、語言與思考方式愈接近，理解成本愈低。接下來，mentor 很容易把這個效率差異解釋成對方比較有潛力。

我知道自己也有這種偏誤。以前找 intern 或回母系選 mentee 時，我經常挑中幾位「跟以前的我很像」的候選人。當一個人的語言、參照點與思考路徑和我接近，我確實比較容易理解他，也比較容易覺得這個人「有 sense」。但這究竟是能力判斷，還是他剛好使用我熟悉的語言，有時候還真的很難分清楚。

所以，如果你目前完全碰不到可能提供指導的人，第一順位不是把同一封自介信改到第三十版。你應該儘可能的增加與資深人士低成本接觸的機會。

這不一定需要辭職或搬到另一個城市。加入固定聚會的專業社群、爭取跨部門專案、承接需要和外部人士合作的工作，都可能增加這類機會。在很多情況下，這些行動的效果會高於反覆雕琢同一段自我介紹。

然後我接下來的建議，都假設接觸已經發生。

▉ 三種資源，價格完全不同

這裡需要先分清楚 mentor、connector 和 sponsor。

Mentor 主要提供經驗與回饋；connector 幫你接觸特定的人；sponsor 則用自己的信用，替你爭取原本拿不到的機會。

Mentor 承擔的是時間成本。一小時就是一小時，可以量化，也可以隨時停止。只要問題夠具體、準備不太差，這通常是三者當中成本最低的請求。

而 Connector 的成本取決於引薦方式。一封寫著「這位年輕人正在研究這個產業，你若有空可以聊聊」的訊息，和一句「我認可這個人，你可以放心錄用他」，承擔的風險完全不同。前者的聲譽風險比較低，但仍然會使用到接收人的注意力，也會消耗一點關係資本。當對方沒興趣幫忙的時候，那「聲譽風險」就是一個比較好聽的拒絕理由。

Sponsor 承擔的成本最高。公開背書會把 mentee 的表現和推薦人的判斷力綁在一起。即使後來可以說明或收回，其他人已經收到的訊號也不會完全消失。這類請求需要較長的合作紀錄，因為對方必須先知道你怎麼處理承諾、錯誤與別人的信用。

我看過不少人嘴上說要找 mentor，心裡期待的其實是一開始就找到 sponsor。他希望對方介紹工作、帶他進入某個圈子，甚至直接替他背書，卻還沒有留下足夠紀錄，讓對方判斷把信用放在他身上是否安全。

市儈感通常就從這裡出現。雙方才剛認識，你已經想動用對方最昂貴的資產。

所以開口以前，麻煩先問自己：這個請求會消耗對方的時間、關係資本，還是信用？三十分鐘的談話、一次非正式的引薦與一句公開背書，應該採用完全不同的門檻。

▉ 什麼樣的準備才有用

接著談一下事前準備。事前準備的目的，是讓對方更容易判斷你走到哪裡，以及他的經驗能不能幫上忙。

不同準備動作提供的價值不一樣。自介信和背景研究，主要是降低理解成本，讓對方快速知道你是誰、為什麼找他，以及問題落在哪裡。作品和決策紀錄則提供更直接的證據，讓他看見你的能力與判斷方式。

所以，讀過對方的文章當然有加分，但不要把引用他三年前的一段話，當成「我很認真做過功課」的證明（雖然還是有些資深人士可能喜歡這一套）。它只能讓問題更準確，卻無法取代你實際做過的事。

一封精美的自介信也可能有幫助，但區分能力有限。它能提供基本背景與問題範圍，減少對方理解你的時間。不過在 AI 協助下，大部分人都可以寫出一封看起來很完整的信，差異化與資訊含量越來越少。

如果你原本就有作品，我會推薦在自介信裡附上一兩個連結。它不必是專門為這次接觸製作的客製化作業，也不需要耗費幾個月。既有的公司分析、程式、產品，或長期追蹤某個問題的文章，都能讓 mentor 更快看見你的分析方式、判斷力與知識缺口。

作品不必成熟，結論也可能是錯的。當然，如果錯得離譜，還是會降低別人對你分析能力的評價。但至少對方可以看見你願不願意把問題從頭做到尾，又是在什麼地方卡住。我通常也會把自介信和作品放在一起看，確認他的實際能力和自我描述是否一致，以及我的經驗能不能幫上忙。

而作品的適用範圍也有邊界。

在投資分析、寫程式、設計與寫作這類產出容易歸屬到個人的領域，作品很有效，也是我之前比較常接觸的類型。但業務、營運與組織管理高度依賴團隊和制度，很難做出一份完全屬於自己的作品集。這些領域可以改為分享具體的決策紀錄：當時掌握哪些資訊、承擔什麼責任、做了什麼選擇，結果又如何。

很多有意思的問題也來自這些前置工作。你先找過資料、試過幾種方法，才會知道瓶頸在哪裡。Mentor 也不需要替你重上一堂入門課，或花時間猜你的程度，而是可以把時間放在經驗最有價值的地方：指出你漏掉的變數、校準你的判斷，或告訴你他以前在同一條路上犯過哪些錯。

▉ 十五分鐘怎麼變成下一次的一個小時

通常來說，一段關係能不能延續，對 mentor 的重要性經常高於 mentee 目前的能力。光是理解你的背景、思考習慣、長處與盲點，就需要幾次互動。換一個人之後，這些理解只有少部分能繼續使用。

因此，這類關係比較適合採取遞增的小額Mentor 先投入十五分鐘，mentee 再用行動與回報降低下一輪的不確定性。行動產生新結果之後，雙方才有理由投入一小時，處理更深的問題。

每一輪都讓彼此多知道一點：對方是否可靠、問題是否適配，以及這段互動能不能產生價值。

回報不必很長，更不用每週提交心得報告。你只需要說清楚幾件事：上次談了什麼、你實際做了什麼、結果如何、原本的想法有哪些改變，以及現在還剩下哪一個問題。它的功能，是讓對方看見前一次投入產生了什麼，以及這次行動又帶來哪些新問題。

一開始就要求長期承諾，等於請對方在資訊最少的時點投入最多的時間，所以被拒絕很正常的。一段好的 mentorship，通常已經運作一段時間，雙方才發現原來這段關係有一個名字。

▉ 可靠讓人放心，潛力讓人想加碼

每位 mentor 挑選 mentee 的標準不同。我以前特別偏好學習斜率高的人。但後來才發現，斜率在一兩次接觸裡根本看不出來，能力上限更不用說。

最初能觀察到的，通常是對方能不能把問題講清楚、答應的事有沒有完成、收到不同意見時會不會立刻防衛，以及之後是否願意嘗試並討論結果。這些行為更多反映的是心態的開放程度與履約可靠度，不能直接等同於學習能力。

尤其「有沒有照著 mentor 的建議做」很容易被誤用。一個真正有潛力、判斷力強的 mentee，可能認為建議不適用，因此採取另一套做法。如果我一邊要求他形成自己的判斷，一邊只獎勵服從，最後訓練出來的只是很會配合我的人。

至於可靠度則是需要持續累積。每一次守約、誠實說明與完整回報，都會降低關係的不確定性。只是當可靠度累積到一定程度之後，它的邊際重要性也會下降。這時候，他能不能帶回新的資訊或判斷，開始影響我是否願意繼續加碼。

他可能提出一個我沒有想過的觀點，把我提供的框架用在另一個領域，或者直接告訴我為什麼沒有採用上次的建議，以及採取了什麼替代方案。

能做到最後一種的人，最能讓我耳目一新。他不只展現了獨立判斷，也願意承擔直接表達不同意見的成本。即使替代方案最後失敗，只要推理過程完整，我對他的評價仍然很高。

所以守約、準備與主動回報，持續降低下檔風險。獨立判斷、有效修正與意料之外的好答案，則提高上檔。前者讓人放心繼續互動，後者讓人產生繼續投入的興趣。

▉ 我曾經是一個很糟的 mentee

我以前寫過，第一份工作的老闆是我職涯中很重要的 mentor，我也從這段關係得到很多。但這次想談談另一段我沒有把握住的關係。

在 JPM 香港的時候，公司做過一輪內部 mentorship 計畫。配對由幾位資深主管分配，我被分到一位即將退休、主要做 client relationship 的 MD。

在兩次 coffee chat 裡，因為我們的工作性質不同，我們聊最多的是辦公室生態與一些政治運作。包括Jardine Fleming 被併入 JPMorgan 之後，不同背景的人如何被重新排序，誰在什麼時點做了什麼選擇，後來去了哪裡，文化又怎麼改變。

我當時覺得那是上一個世代的事。我更想聽的是產業趨勢、職涯接下來應該怎麼走、怎麼把研究做得更好。他講的內容，在我當時的判斷裡優先度很低。所以雖然我們還是在同一個辦公室裡工作，見面也會打聲招呼，但我沒有更主動、積極的維持這段關係。

直到後來自己經歷過組織重整與人事變動，我才明白，當時有機會拿到的是全公司最難從公開管道取得的內容。產業趨勢可以自己讀，研究有很多人能教。但一個人看著公司文化在二十年間怎麼演變、組織改變如何影響內部權力分配，這些隱性知識很難在短時間自行領會。

我當時沒有意識到這些內容的稀缺性，也錯過了繼續請教的機會。

這段經驗讓我體會到 mentee 評估建議的能力，同樣受限於自己的經驗。他很容易高估那些自己已經聽得懂、可以立即歸檔的內容，但低估那些暫時找不到位置的資訊。

雖然這不代表資深者指定的內容通常比較好。因為資深者也可能高估自己的經驗，把早已失效的路徑交給下一代。所謂過來人的智慧，有時候只是包裝精美的時代紅利。

一種比較好的做法應該是維持開放態度，同時保留兩種輸入：一部分處理 mentee 當下已經發現的問題，另一部分容納 mentor 認為重要、但 mentee 暫時還看不出價值的內容。

如果對方講的東西和你目前的需求明顯無關，可以先記下來，也可以追問他為什麼認為這件事重要。你不需要立刻接受，也不用當場逼自己找到應用方式。有可能你只是還缺少理解它的經驗框架。先保留紀錄、維持基本聯絡，成本都不高，也替未來保留了再次請教的空間。

▉ 找對距離，也保留自己的判斷

Mentor 的價值，受到相對距離、問題相關性、教學能力與彼此信任共同影響。雖然很多人希望找到成就最高、名氣最大的人擔任 mentor。但說實話，這些人未必最適合處理你現在的問題。

領先你半步的人，最有可能知道你眼前這一關怎麼過，因為不久前他才完成這個過程。他也可能更熟悉目前哪些工具最有用、哪些錯誤最常發生。

領先三到五年的人，適合幫你看路徑。像是現在累積的能力，幾年後可能把你帶到哪裡。

至於領先一個世代的人，可能已經離開執行現場多年，不一定還熟悉現在的細節，但通常更容易看出哪些選擇會留下長期影響。

距離拉得太遠，資訊損失也會增加。非常成功的人常把多年經驗壓縮成幾條原則，原本的適用條件可能在壓縮過程中消失。他當年擁有的資源、品牌與選擇權跟你不同，走過的路徑也可能已經不存在。

在辨認 mentor 的能力邊界時，可以考慮幾個面向：他在哪些問題上反覆做過決策，經歷過哪些失敗，哪些結果可以合理歸因於他的判斷。不要因為一個人在某個領域有很好的成就，就自動把同樣的判斷力外推到其他領域。

當我們要求 mentee 保持開放態度時，同樣的標準也該適用於 mentor。好的 mentor 應該會說明自己的推理、經驗適用的條件，以及他可能看錯的地方。他希望你最後形成自己的判斷。一位只要求服從、習慣把個人經驗當成普遍真理的 mentor，即使有過令人驚豔的 track record，也可能把 mentee 帶進另一種路徑依賴。

所以我不建議尋找唯一的人生導師。術業有專攻。專業判斷、職涯路徑、組織政治與人生取捨，都可以向不同的人請教。最後務必要記得，mentor 能提供外部觀點，但承擔結果的人仍然是你。

▉ 停損不會有通知

最後，也談一下關係為什麼會結束。

被「停損」的人通常不會收到通知。他收到的回覆往往仍然很禮貌，只是回覆時間從一天變成一週，內容從三段變成兩句，也不再出現任何關於下一次的提議。

以我自己為例，我停止投入的原因可能包含：看不到繼續投入的價值、碰到的問題我無法幫上忙、當下沒有餘裕、最近自己狀況不好，或我判斷這段關係未來不太可能延續。

但不得不承認這裡面很常受到時機、情緒、相似性與偶然事件影響。

回覆變慢、內容變短、不再主動提及下一次，以及見面邀請持續得到開放式推遲，都是關係正在降溫的訊號。如果這時候再提出一次具體而有邊界的請求，卻仍然沒有明確回覆，那就把時間移去別的地方，接受關係已經結束。

我也得承認，資深者未必像自己以為的那麼會看人，包括我自己。一次被停損所包含的資訊量，通常比當事人想像得少很多。因此，不要把一項無法得知理由的資源配置決定，解讀成對自己整體能力的評價。

▉ 讓下一次的一小時值得發生

取得 mentorship 的順序大致是這樣：

先確認你所在的位置能不能穩定產生接觸。如果不能，就設法增加與資深工作者自然互動的機會。有接觸之後，再用作品與具體問題，讓對方看見你已經走到哪裡。

守約、事前準備與互動回報，會持續降低下檔風險。能夠帶回新的判斷、說明自己為什麼沒有採用某項建議，並且承擔選擇的結果，才會讓對方看見這段關係的上檔。

開口以前，也要分清楚自己的請求會消耗對方的時間、關係資本，還是信用。三十分鐘的談話、一次引薦或是公開背書，需要完全不同的信任基礎。

一位資深者給過你建議之後，你的判斷、行動與自我修正能力發生多少變化，是這段關係最值得追蹤的產出。第一次的十五分鐘能不能變成下一次的一小時，看的也是這件事。

其中很大一部分差異，來自市場對兩件事的判斷：這個報酬水準還能維持多少年，以及公司還能用相近的報酬率投入多少新增資本。

平常我會把 ROIC 拆成營業利益率乘上投入資本周轉率。這兩個數字可以相對容易地從財報估算，也是我最常拿來做同業與跨產業比較的指標。哪些公司的利益率比較高、資產負債表比較「輕」，通常比持續期容易觀察，也更容易反映在市場價格裡。

但持續期的來源很少直接出現在財報上。這也是為什麼同樣的財報，不同的人會算出差距很大的合理價位。

研究一家公司持續期的時候，我通常會分成四個檢查點：需求的基礎值、客戶做決策的層級、價值鏈的經濟利益分配，還有社會對公司收取這筆錢的容忍度。

▉ 先定位當期 ROIC

ROIC＝營業利益率×投入資本周轉率

這個公式有兩個主要變數。前面的營業利益率指「稅後營業利益率」，也就是營業利益扣除按適用稅率估算的稅負，再除以營收。它可能來自定價能力，也可能來自成本優勢、規模經濟、產品組合或營運效率。

投入資本周轉率則代表公司每投入一塊錢資本，可以產生多少收入。投入資本包括廠房、設備、存貨、應收帳款及其他營運資產，再扣除應付帳款等不計息營運負債。周轉率愈高，代表公司完成同樣規模的生意，需要押在裡面的錢愈少。

依照這兩個維度，我們可以把一家公司的 ROIC 分成四個象限：

* 高營業利益率加上高資本周轉率：這是最漂亮的組合。我們前陣子寫過的 Moody’s 與 Visa 都接近這一類。Moody’s 的營業利益率長期約在四成上下，Visa 則超過六成。兩者支撐業務所需的固定資產與營運資金都很少，ROIC 因此可以達到數十個百分點。這類公司的共同特徵是收入可以隨著客戶活動量成長，成本與資本卻不必等比例增加。

* 高營業利益率加上低資本周轉率：機場、先進半導體製造及部分基礎設施屬於這一類。它們擁有不錯的定價空間，但廠房、設備與其他資產需求也很高。即使營業利益率相同，較重的資產負債表仍會壓低最後的 ROIC。另外，專利藥廠也可以被分類在這裡。雖然研發支出在財報上通常直接列為費用，但如果將過去累積的研發支出視為經濟資本，藥廠的實際資本投入會遠高於帳面數字。

* 低營業利益率加上高資本周轉率：這是最容易被誤判的一類。像是美國醫療配銷商 McKesson 與 Cencora 的毛利率只有 3% 至 4%，但應收帳款與庫存的周轉速度，加總後仍快於對供應商付款的速度，因此可以用應付帳款支應大部分營運資金。它們靠極高的交易量、低固定資產需求與供應商融資，把投入資本壓到很低。Costco 與 Walmart 的邏輯也類似，主要依靠周轉速度取得資本報酬。

* 低營業利益率加上低資本周轉率：航空、大宗商品加工與部分重工業落在這裡。這些產業長期 ROIC 經常接近資金成本，偶爾出現的高報酬可能來自產能週期。個別公司的成本位置十分重要。站在成本曲線最左側的業者，即使缺乏定價能力，也可能長期取得高於同業的報酬。換句話說，你買不到一條護城河，但可以找到一張成本曲線上的好座位。

而前面提到的四個檢查點，通常不會直接決定公司落在哪一個象限。它們主要用來判斷當下的營業利益率與資本周轉率能維持多久：

* 需求基礎影響收入的韌性

* 決策層級影響客戶眼中的替代性與轉換成本

* 價值鏈分配決定經濟利益與資本負擔落在哪個環節

* 社會容忍度則限制企業能把經濟優勢轉化成多少利潤。

這些因素會依產業特性，反映在價格、銷量、成本、付款條件或資本需求上。定位完當期 ROIC 之後，接下來才能評估持續期。

▉ 第一個檢查點：需求的基礎值

我們要問的第一個問題是：客戶為什麼會買這一類產品？

不過在回答之前，得先確認誰是客戶。

以醫療產業為例，病人接受治療，醫師選擇產品，保險公司或政府負責付款。三個角色分開之後，需求便沒有單一答案。感受到痛苦的人可能沒有預算，選擇產品的人可能不需承擔成本，付款者則要看到足夠的醫療或經濟效益。任何一個環節沒有成立，再強烈的臨床需求都不容易轉化成企業收入。

類似的結構也存在於許多 B2B 生意。產品的使用者、部門主管、採購單位與預算負責人，經常是不同的人。所以分析需求的第一步，是把使用者、決策者與付款者分開。

確認角色之後，下一步是判斷需求的性質。

最實用的方法是觀察「延後購買的代價」。如果不買只會少一點快樂、身分認同或新鮮感，這類的需求比較接近「想要」。但如果不買會讓生活受阻、工作停擺或風險升高，這類的需求就比較接近「需要」。這兩者的差異也經常影響企業的成本重心。

「想要型產品」通常要投入更多成本刺激與塑造需求，包括購買注意力、建立品牌、經營通路與維持文化相關性。而「需要型產品」更常把競爭重心放在供應能力、履約效率與可靠性，包括產能、庫存、物流與服務品質。

需求的基礎值也會影響持續期。想要型需求可能因為 IP 熱度消退、文化相關性流失，或下一代消費者追逐不同符號而改變。這些變化通常很難從財報提早觀察。需要型產品的基礎需求量一般比較穩定，但滿足需求的產品與技術仍可能被替代。所以研究持續期時，我們要分開判斷「客戶要解決的問題」與「公司目前提供的解決方案」。

另外，需求的急迫性與持久性是兩件不同的事情。限量球鞋與熱門演唱會門票的購買急迫性很高，需求熱度卻未必持久（雖然很多人會誤把急迫性或熱門程度當作持久性的領先指標）。持續期分析關心的是後者。

▉ 第二個檢查點：客戶在哪一層做選擇

Costco 賣的多數商品，都能在其他地方找到類似的替代品。像是衛生紙、烤雞、橄欖油，嚴格說起來很少有非得在 Costco 購買的理由。可是為什麼 Costco 在美國與加拿大的會員續約率可以長年超過九成？

如果只在商品層判斷替代性，會低估 Costco 在通路層建立的黏性。客戶實際做的決定涵蓋整趟採購。

在會員資格有效期間，已經支付的年費會提高會員重複使用 Costco 的意願。到了續約時，累積多年的選品信任、實際節省的金額、對賣場的熟悉程度，以及已經形成的購物習慣，又會影響續約決定。這些因素共同形成了通路層的黏性。雖然少數高單價品項仍可能進行單品比價，但日常採購通常不會逐項重新選擇通路。

因此我們在判斷替代性之前，要先確定客戶是在哪一個層級做決定。而這個層級是由決策的最小單位決定。

便利商店的每一瓶飲料都有替代品，消費者通常先選擇當下最方便的店，再從店內現有商品中挑選。券商的每一筆交易也能在其他平台下單，但搬移整個帳戶涉及部位移轉、稅務、資料與時間成本，因此客戶通常不會頻繁更換券商。

供給者數量可以描述產業結構，卻不足以衡量客戶眼中的替代性。真正的替代性，要考慮客戶在實際決策層級上可以有多少選項，這也才會直接影響留存、價格與利潤。

對於分析師來說，這裡有幾個可以事前觀察的代理變數，包括漲價後的客戶流失率與使用量變化、不同客群的續約率、資料遷移所需時間、合約年限與違約條款、重新認證或驗證的週期，以及更換產品後需要重新訓練多少員工。

▉ 第三個檢查點：經濟利益會留在誰手上

當客戶需要這項產品，也指定向你購買，仍不代表整筆經濟利益都會留在公司手上。

我們分析價值鏈時，要先估計整條價值鏈創造多少經濟利益，再判斷其中哪些環節最難被取代。當整體經濟利益是固定的時候，某個環節取得更多，其他環節可以分配的空間便會減少。

以先進製程為例，台積電的客戶很難在良率、產能與時程上找到完全相同的替代者。但台積電上游的部分設備與材料供應商也具有高度不可替代性。經濟利益最後如何分配，還要看各環節創造的價值、採購金額占比、合約週期、產能狀況、買方集中度，以及客戶自行開發替代方案的能力。長期下來，這些變化會反映在公司與上下游的相對利益率、付款條件、存貨負擔與資本需求上。

互補品也會改變利益分配。如果一項重要互補品從多家供應收斂到單一供應，公司可能在自身產品完全沒有變化的情況下失去部分定價空間。舉例來說，手機廠與作業系統、內容平台與流量入口都有類似結構。

因此分析一門生意時，除了研究公司自己的競爭優勢，也要觀察上游、下游與互補品的產業結構。

這也解釋了為什麼有些產業長期需求存在，裡面的公司卻很難取得良好報酬。航空公司能夠讓我們在兩個城市間快速移動，這本來是個非常有價值的服務。但它還要面對高度集中的飛機製造商、部分機場的稀缺起降資源、勞動成本、租賃公司與因為高固定成本造成的激烈票價競爭。整條價值鏈創造的利益，最後只有一小部分留在航空公司手上。

▉ 第四個檢查點：社會願意讓你收多久

這是一個經常被忽略的檢查點。我們知道必需品的價格需求彈性通常比較低，但有時候社會對大幅漲價的容忍度也可能很低。當兩項條件同時成立，便會形成一條無法直接從需求曲線看見的價格天花板。

如果有一個奢侈品牌提高包包售價，它的部分客戶可能因此感受到更高的稀缺性，所以漲價不一定是壞事。但專利藥品、支付服務或任務關鍵型基礎設施則相反。這類產品大幅漲價，引來的會是大規模媒體關注、甚至政策干預與客戶反制。

簡而言之，產品愈急迫，經濟上的定價空間通常愈大；而產品涉及的公共利益愈高，政治與社會上的定價空間可能愈小。這類公司的實際定價上限，取決於兩者之中較小的一個。

支付產業提供了一個清楚的案例。歐盟在2015年通過交換手續費規範，將消費性簽帳金融卡的交換手續費上限設為交易金額的0.2%，信用卡則為0.3%。在地球的另一端，澳洲央行從2003年開始管制交換手續費，並且定期調整基準。美國也從2011年開始，限制大型發卡機構收取的簽帳金融卡交換手續費。

交換手續費主要由收單機構支付給發卡機構，和 Visa、Mastercard 自己收取的網路服務費不同。不過這些費率通常由支付網路制定，也會影響發卡銀行、收單機構、商家與持卡人之間的利益分配。上面那些政策案例反映當支付系統逐漸接近基礎設施，主管機關可能直接改變整個生態系的價格與利益分配，即使被管制的費用並不直接屬於支付網路。

所以對必要性高、政治敏感度也高的公司而言，把價格推到經濟上限通常不利於長期價值。公司刻意留下的差額，可以當作一個保費。它降低了三件事發生的機率，監管立即介入、大客戶出資扶植替代者，以及新技術加速進場。

監管授權形成的競爭優勢，也會帶來政策風險。公司對監管授權的依賴愈深，政策變動對公司價值的影響通常也愈大。分析這類公司時，就必須找出授權的法源、授權寫在哪一部法規、修法需要經過哪些程序，以及政策討論中是否已經出現替代方案。這些資訊經常比單純計算市占率更有用，因為市占率只告訴你現在誰贏，但政策風險是告訴你裁判會不會突然改規則。

▉ 四個檢查點之外，還有再投資空間

高 ROIC 不一定代表高成長。因為在報酬率可以維持的前提下：成長率= 增量 ROIC×再投資率（這裡使用增量 ROIC，是因為公司過去累積的資產可以取得高報酬，不代表下一筆新增投資也能取得相同報酬）。

一家增量 ROIC 為 20%、能把七成盈餘投入新機會的公司，內生成長率約為 14%。另一家公司增量 ROIC 為 40%、只能再投入兩成，內生成長率約為 8%。

前者成長得比較快。在資金成本與超額報酬持續時間相同的條件下，後者每投入一塊錢創造的經濟利益較多，也能將更多現金分配給股東。

Hermes 沒有快速滿足所有短期需求，而是按照工匠培訓、品質控制還有品牌稀缺性可以承受的速度來增加產能。這種做法就是刻意地延長超額報酬的持續期，但同時它也限制了短期內可以吸收的新增資本。演唱會、單一爆款 IP 與高級餐廳也經常受到個人產能與體驗品質的限制，很難大規模複製。這些生意擁有良好的單位經濟，成長空間卻相對有限。

另一方面，有些公司選擇用部分稀缺性換取成長，包括加速擴張店數、放寬授權或推出較低價的產品線。這些做法可以提高當期收入，但也冒著降低客戶心中的辨識度的風險。結果究竟是好是壞，取決於公司能否清楚區隔客群、產品與通路，以及新增收入是否足以補償品牌資產的消耗。這些都是管理層需要權衡的事情。

當期 ROIC 是回答公司已經建立的生意有多好，而增量 ROIC 與再投資空間，則是回答它還能用多高的效率繼續成長。高 ROIC、低再投資空間的公司仍可能是高價值公司，只是它的價值主要來自既有業務持續產生的現金流，新增資本複利的貢獻較少。無法以良好報酬率再投資的現金，留在公司裡不會創造價值，透過股利或庫藏股發回股東才是合理的配置。​

我們知道企業喜歡把想要說成需要，投資人也容易把暫時稀缺看成不可替代。兩者都會讓眼前的成長顯得比實際更持久。所以分析一門生意時，應該分開判斷當期 ROIC、超額報酬的持續時間，以及新增資本可以取得的報酬。這樣才能看出一份漂亮的損益表，究竟來自可以延續的產業位置，還是一段剛好有利的時間。

一派認為，記憶體仍是景氣循環股，本益比最低時，獲利往往已經接近高點。另一派則認為，產業集中、HBM 的製造難度與 AI 需求，已經提高記憶體公司的長期獲利能力。

兩邊都拿得出資料。只是需求強勁、價格上漲、盈餘優於預期，既可能出現在週期高峰，也可能出現在產業改變的起點。這些資料重要卻不一定有能力分辨兩種說法。

我想借記憶體產業這個例子，談談「這次不一樣」這件事。如果你希望得到一個明確、二元、非黑即白的答案，這篇文章可能不會滿足你。我更想談的是怎麼先理解一段規律原本如何運作，再判斷它是否正在失效。

我通常會用四個步驟。第一步是先判斷答案會不會改變行動（考量研究的時間成本），再把不同說法寫成可檢查的預測，最好能大略量化並設定證偽門檻，類似統計學上的假設檢定。接著找出能區分預測的證據，最後替每條可能路徑設定部位規則。

這套方法無法保證得到正確答案。它的用處在於說清楚目前哪條路徑獲得較多支持，以及在等待答案的期間，我們可能承擔了哪些風險。

▉ 第一步：答案會不會改變行動

在花上好幾天，甚至幾星期研究「這次是否不一樣」之前，我通常會先用幾個小時想一個更前端的問題：不同答案，會怎麼改變我的行動？

在目前價格下，兩種說法會怎麼影響我買多少、加減碼、持有多久，以及怎麼控制風險？我們的研究時間有限。如果不同答案會明顯改變決策，那多花時間是值得的。但如果所有合理結果都導向差不多的部位與做法，那就該考慮時間成本，把力氣留給其他更有差異的問題。

以這一輪記憶體為例，我會先把幾種合理情境放進目前股價，分別估算預期報酬、下行空間與持有時間，再看它們是否真的會大幅改變部位。

如果幾種情境都支持相近部位（例如現在還在景氣循環的上行中點，或是這的確是長期的結構性改變），繼續深挖產業是否永久改變，對決策的價值就有限。相反地，如果其中兩種情境支持加碼，另外兩種卻可能導出放空的結論，後面的資料口徑、判定門檻與證偽條件就必須更嚴格。

答案對部位影響愈大，或會改變主要資產配置，研究就要做得愈細，每一項假設也要單獨檢查。但若只是影響很小的部位，粗略情境可能已經足夠。

▉ 第二步：把不同說法寫成可檢查的預測

第二步是把不同說法寫成對未來的明確預測。只有寫成預測，說法才有辦法被檢查，也才有可能被證偽。

記憶體的景氣循環假說，可以簡單寫成一條因果鏈：需求增加推高價格，價格推高利潤，高利潤帶動資本支出。新廠完成建設、裝機與認證後，可出售的記憶體容量增加，供給快速追上需求，價格與利潤率再跟著下降。

而「結構性改變」假說，主張的是這條鏈上的某一段、或好幾段已經被改掉了。把它寫成可檢查預測時，要分開思考：到底是哪個因子改變了哪一段？涵蓋哪些產品？

* 廠商行為：影響的是「供給克制」這一段。三家主要廠商可以克制產量，也可以用價格爭取市占率。一組競爭格局能維持多久，取決於各家的產能、成本、產品組合與市占率目標。行為改變的速度和這種改變能維持多久，是兩個不同問題。因此我對廠商行為的驗證門檻會設得比較高，需要更長時間，也需要多個證據互相支持。

* 擴產資金：影響的是「資本支出帶動供給」這一段的財務約束。Micron 的營運現金流足以負擔目前資本支出，客戶也提供預付款與財務承諾。SK Hynix 透過 ADR 募得約 265 億美元，並計畫大幅擴充晶圓產能。這些新增產能會在 2027 年至 2029 年逐步進入市場。真正要問的是：需要多大的需求成長才能消化這些供給？如果價格繼續上升，需求會因價格彈性下降多少？供需重新平衡所需的價格，和當下價格還差多遠？

* 長期合約：影響的是「市場價格如何傳到公司收入」。價格下跌時，合約的價格下限與承諾量可能保護部分營收，但保護程度取決於覆蓋率、條款，以及買方是否要求重談。

* HBM 的供給效率：影響的是「資本支出轉成可售容量」的比例。HBM 需要更大的晶片面積、堆疊與先進封裝，良率管理也更難。因此同樣的資本支出只能增加較少的可售容量，供給追上需求所需時間被拉長。這一項不能直接沿用過去「單位資本支出對應供給量」的方式推估。

* 中國產能：影響的是整條鏈的前提，也就是供給是否會回應價格。政策目標與補貼降低了投資回報門檻，也拉長了虧損容忍期。CXMT 與 YMTC 的擴產不完全跟隨獲利訊號。當價格下跌時，它們可能仍維持投資與產量，削弱全產業同步減產帶來的保護。這項變化可能加深下一輪下行，也可能壓低三大廠傳統產品的正常獲利。

* AI 資本支出：影響的是需求端的性質。過去需求分散在數億消費者身上，這一輪則集中在少數大型雲端業者。如果這些公司的資本支出同步放緩，需求可能早於新產能開出之前就轉弱，進而改變下一輪下行的速度。

這些條件會互相影響。客戶預付款會加快擴產，HBM 的晶圓需求會降低新增產能轉成可售容量的效率，長約又會延後部分需求調整。整體分析很複雜，結果也必須沿著因果鏈逐段估計。

我會建議在寫預測時，每一項都要附上時間與幅度。只說「供給最後會增加」沒有太大判斷價值。增加多少、何時增加、是否足以壓低價格，才是可以檢查的內容。同樣地，如果說「毛利率會高於歷史平均」，也要寫出比較基準與觀察期間。沒有量化門檻的說法，事後可以解釋任何結果，判斷價值自然有限。

▉ 第三步：找出能區分預測的證據

寫好預測後，就可以開始收集證據做假說檢定。但證據的價值不等於它看起來有多震撼。

一份證據能改變多少信念，取決於它在不同說法下出現的機率差距有多大。差距愈大，區分力愈高。若某項證據幾乎只會出現在其中一個假說下，它就很有價值。相反地，如果兩邊都很容易出現，就算看起來很驚人，區分力仍然有限。

需求強勁就是低區分力的證據。記憶體的週期模型本來就包含需求成長。週期之所以反覆出現，主要是高獲利引發擴產，新增供給再壓低價格。又因為記憶體公司的營運槓桿很高，報價的小幅變化，就可能造成獲利大幅波動。因此，景氣循環假說與結構改變假說基本上都預期需求會成長。需求強，不能區分兩者。

需求資料要提高區分力，必須看它和供給的關係。若缺貨從兩季延長到六季，而供給仍追不上，這會提高「供給能力已經改變」的機率。但六個季度不能當成六份獨立證據。它們可能都來自同一波 AI 投資，彼此高度相關，決策時權重必須打折。

那高區分力的證據長什麼樣？

我想到的一個例子是：資本支出大幅增加後，如果每一美元投資帶來的可售容量，長期仍低於歷史水準，這個資訊就有高區分力。舊週期預期資本最終會轉成供給，但供給效率下降的說法則預期兩者比例會長期降低。兩個假說在這裡給出相反預測。

歷史資料也是證據，但使用前要記得先做「可應用性檢查」：像是當時條件和今天有多接近？供應商數量、產品組合、客戶關係與合約形式，有哪些不同？

舉個例子來說，有不少人認為產業集中是這一輪結構轉變的關鍵，那我們就可以回頭看之前產業集中度上升之後發生了什麼。

早在 Micron 於 2013 年完成 Elpida 收購後，DRAM 主流供應就逐漸集中到 Samsung、SK Hynix 與 Micron。集中化之後，產業仍在 2018 至 2019 年、2022 至 2023 年出現明顯下行。Micron 的 GAAP 毛利率從 2018 會計年度第四季的 61%，降至 2019 會計年度第四季的 28.6%；2023 會計年度部分季度甚至出現負毛利。

2023 年產業集中度上升後的同步減產、資本支出削減，加上突如其來的 AI 資料中心需求，使價格快速反轉。但前面兩次下行說明，單靠產業集中，還不足以支撐結構轉變的論點，否則那些大幅下行不該出現。產業集中頂多可能改變榮枯期比例，或讓廠商更快收縮供給。

正因為記憶體有多次在高獲利後擴產的歷史記錄，景氣循環假說有較高的起始機率。歷史提供的是起點（類似 base rate），至於該保留多少決策權重，新證據是否足以調整這個起點，取決於造成這段規律的因果關係還剩下多少。

▉ 第四步：替每條路徑設定觀察門檻與指標

每次問「這次是否不一樣」時，其實都隱含一個前提：答案只有是或不是。但現實通常介於中間。我覺得更有意義的做法是寫出幾條有時間、有幅度的路徑與情境。

以記憶體為例，可以先分成四種情境。

第一種是週期延長後回歸。缺貨延續到 2027 年，新增產能從 2028 年開始追上需求。HBM 與一般記憶體價格一起下跌，整體利潤回到 AI 熱潮前的區間。

第二種是整體谷底提高。各類記憶體仍一起波動，但產業集中與較低的供給效率，使下一輪谷底高於歷史水準。公司仍有週期性，只是正常獲利已經提高。

第三種是產品明顯分化。HBM 的價格、合約與利潤維持穩定，一般 DRAM 與 NAND 回到舊週期。公司估值需要分開看兩類盈餘。

第四種是下行幅度加深。AI 資本支出在新增產能開出前降溫，傳統記憶體又同時受到中國產能壓力。大量資本支出轉為折舊，下一輪谷底接近或低於歷史水準。

研究的輸出會從一個答案，變成四組機率、現金流與時間。投資人可以看出目前股價需要哪條路徑才能成立，也能知道部位對哪個假設最敏感。我個人認為第二與第三種情境的機率較高，但現有資訊仍不足以排除第一與第四種情境。

寫完路徑後，還要替第二步那份因子清單訂出觀察門檻與指標。

* HBM 供給效率：觀察每美元資本支出增加的可售容量，是否長期低於歷史水準。主要指標包括位元供給成長、資本支出、設備進廠與良率。

* 長約效果：觀察需求空窗或續約時，價格下限與承諾量是否守得住。主要指標包括客戶預付款、合約覆蓋率、取貨進度與條款調整。

* 廠商行為：觀察主要廠商是否再度以低價取得明顯市占率。主要指標包括報價分散度與市場份額變化。

這份清單的作用是讓不同速度出現的證據，都能按照事前規則調整判斷。例如廠商降價可能一季內就發生，但新產能充分量產卻可能要等三年。較快被檢查的說法會先面對淘汰；較慢的說法則容易因為證據尚未到期而繼續存活。只是等待本身不能增加它的可信度。

明確觀察期間的作用就在這裡。到期前沒有看到結果，可能只是時間還沒到；到期後仍沒有看到，才會真正改變判斷。主要指標則用來確認因果鏈是否朝預期方向前進（我們以前稱為「signpost」），避免幾年後才突然發現整套假設都錯了。

▉ 規律改變後，市場還要換一批定價的人

即使產業機制真的改變，市場也不會在短時間內集體更新看法。估值框架的更替與持續，往往伴隨邊際定價者的更換。

原本投資景氣循環股的人，熟悉報價、庫存、產能利用率與資本支出。他們的紀律是在獲利最差、本益比最高，甚至沒有本益比時買進；在獲利到達高點、本益比最低時逐步退出。

願意為穩定性付費的另一群投資人，用的是另一套語言。像是收入能見度、定價權、資本報酬率、現金流波動，以及成長可以維持多少年。他們能接受較高本益比，但入場條件不能只是幾季漂亮財報。

這裡我想引用普朗克談典範移轉時的一段話：「一個嶄新的科學真理之所以能夠獲勝，並不是靠著說服反對者並讓他們看見光明，而是因為反對者最終會死去，熟悉這項真理的新一代人逐漸成長起來。」

在股票市場這類的交接快得多。舊持有人不必凋零或死去，只要賣出即可。當採用另一套觀察指標與持有期限的投資人，逐漸掌握新增交易的價格，公司就可能進入新的估值區間。

較高的盈餘估計與較高的本益比可以同時成立，但兩者需要各自的理由。前者代表公司未來能賺更多錢，後者代表這些錢更穩定、更持久，而且取得它們所需承擔的風險更低。

如果新的產品組合已經提高正常獲利，接著又用同一個理由提高本益比，就要另外證明現金流波動、資本需求或風險也同步下降。

▉ 把判定標準寫在答案以前

「這次不一樣」究竟是不是投資領域最貴的五個字？

一段規律通常由多個條件共同維持，而這些條件失效的速度不同。研究的工作，就是把條件拆開，替每一項寫下觀察門檻、判定時間與部位規則。

這套方法無法消除不確定性。但它能說明目前哪條路徑獲得較多支持、答案最早何時可能出現，以及等待期間承擔哪些風險。

市場每天都有新資料，但真正能改變判斷的只是少數。事前寫下區分標準與行動規則，資料才會累積成決定，而不是累積成一堆看似勤奮的雜訊。

過去新人做的初階工作，可以拆成三種功能。第一是生產，新人負責整理資料、做模型、寫報告、完成主管交辦的雜活；第二是學習，他在完成工作的過程中練習判斷；第三是辨認，主管可以從產出看出這個人的能力、盲點與成長速度。

AI 先提高了產出效率，也讓主管更難從成品判斷新人是否真的學到東西。新人完成工作，不再保證他經歷過練習；交出的報告愈來愈漂亮，主管卻更難分辨他到底懂不懂。

這帶來兩個不同的問題。在學習方面，有一部分新人可以自己補回來：先自己想、接受反駁、修正錯誤。但主管怎麼判斷能力，就不是新人單方面能解決的問題。畢竟再認真的人也無法自己決定公司要怎麼評量他。

所以這篇文章想從新人和主管的角度，分別談談這兩個問題。同時因為我個人背景的關係，裡面的論點可能更適用於投資、研究、管理、顧問等知識型工作。這些工作的答案經常模糊、回饋延遲，錯誤有時要幾個月後才會浮現。

▉ 雜活原本也是練習

過去一個新人靠整理資料、做第一版模型、寫會議紀錄，慢慢看懂資深同事怎麼判斷。他可能會算錯公式、選錯對照組、對某個假設過度自信，然後再被資深同事一條一條指出來。

現在 AI 把生產與學習拆開了。

公司導入 AI 之後，第一個看得見的變化就是新人交出的東西變漂亮了。第一版模型不再漏東漏西，會議紀錄結構完整，競爭對手的資料整理得乾乾淨淨。

主管可能會鬆一口氣，覺得這一代新人上手特別快。新人自己也容易產生「原來我已經可以做到這個程度」的感覺。可是他能交出接近資深水準的成品，不一定代表他走過通往那個水準的路。如果組織因此提高對第一版成品的期待、縮短訓練期，更早讓新人獨立交付，那原本那個被容許、會被看見、有人負責糾正的犯錯區，也會跟著縮小。

完成工作已經不一定會帶來學習。以前只要把工作做下去，新人很難避開假設、犯錯、被糾正與重新理解。現在他可以直接拿到一個水準不錯的第一版，一路做到交付，卻從來沒有形成自己的判斷。

這是現在員工和雇主共同面對的問題。但在深入討論前，我們需要先區分兩種工作，避免一竿子打翻一船人。已經熟練、重複性高、容易驗證的部分，我推薦可以交給 AI。還在建立基本框架、需要練習判斷的部分，要保留先自己想和接受回饋的機會。新人不必重做所有繁瑣工作，但不能把所有卡關都一起外包。

我不太認同「以前親手做比較扎實」這種論點。因為這種說法把產出的價值和投入的時間、金錢綁在一起。但在我看來，產出的價值更應該由「解決了客戶什麼問題」決定。新人也沒有必要浪費幾個小時，重做 AI 幾秒鐘就能完成，而且沒有多少學習價值的工作。

▉ 哪些卡關值得留下

每一代新工具出現時，人的能力都會重新分工。

就像 Excel 讓分析師不用再把大量時間花在四則運算，也讓不熟悉公式的人更容易藏住錯誤。GPS 降低了迷路的成本，同時可能削弱沒有工具時的方位感。工具會拿走一部分舊能力，也會釋放資源去發展其他能力，結果取決於省下來的時間與注意力最後被拿去做什麼。

生成式 AI 影響更廣。它可以處理問題描述、提出假設、整理證據、形成結論，再用成熟的語言寫出來。過去的工具通常只是縮短其中幾個步驟。現在一個人可以從收到問題直接跳到成品，中間幾乎不留下自己的思考痕跡。

而偏偏判斷力的建立，就藏在那些中間步驟裡。

認知心理學家 Robert Bjork 與 Elizabeth Bjork 提出的「有益的困難」（Desirable Difficulties），可以幫助我們理解其中一部分機制。像是間隔練習、交錯練習、主動提取這類方法，會讓當下的表現變慢，卻可能改善長期記憶與遷移能力。這些方法會要求學習者提取記憶、形成答案、區分相似概念，再根據回饋修正。判斷力也需要經歷形成預測、接受回饋與修正模型。這裡的每一步不必都由人手完成，但這個迴路不能完全消失。

這當然不代表愈痛苦愈有效（我一直很排斥沒苦硬吃）。重複性高的活動，學習報酬在前幾次之後就快速遞減；毫無意義的繁瑣，不會自動帶來成長。缺乏先備知識，或得不到有效回饋時，困難也只會增加挫折。對完全陌生的任務，先看一個好的示範，通常也比毫無鷹架地摸索有效。

AI 磨平阻力時，可能同時拿掉沒價值的繁瑣與有價值的卡關。卡關被磨平之後，受影響最大的能力是校準。一個人要知道自己在哪裡容易犯錯，必須先形成一個屬於自己的判斷，再讓結果來糾正他。沒有先預測，就很難知道後來的答案究竟更新了自己什麼。

以投資為例，你可以在財報公布後讀完所有解釋，然後覺得每一條因果關係都很合理，因為人腦很擅長解釋這類事情。但只有在財報公布前寫下營收成長、毛利率、可能的市場反應與自己的信心程度，才會知道原本漏掉了什麼。

事後理解很容易，事前校準很難。問題是兩者帶來的主觀感受卻非常接近。

AI 如果先遞來一個漂亮的答案，人很容易滑坡到「我本來就知道」的自滿。沒有生成過錯誤假設，就沒有東西可以被證偽；沒有被證偽過，也就無從建立自己的誤差模型。

▉ 先形成初步判斷，再打開 AI

這種學習上的問題，有一部分可以由個人補回來，而且解法就在同一套工具裡。使用者可以把 AI 放在不同位置。它可以直接提供答案，也可以示範、反駁、追問，幫新人練習。

新人不需要在每一項工作上都先做一份完整答案。重複性高、答案容易驗證、自己已經熟練的工作，可以直接讓 AI 提高效率。碰到陌生、重要或回饋延遲的問題，則應該先留下最低限度的初步判斷，再讓 AI 介入。

過去新人害怕問出太基礎的問題，也擔心犯錯會被主管留下不好的印象。現在他可以要求 AI 示範、反駁、模擬主管追問，在沒有面子成本的情況下重做幾次，再把修正後的版本帶進工作。AI 省下來的時間，也可以有一部分重新投入在新的練習上。

西洋棋是很好的例子。現在有不少棋手在練習時，會先依照自己的想法去下棋，再打開引擎檢查。先形成判斷，才取得回饋。因為引擎提出更好的選擇時，他才知道自己原本選了什麼，以及錯誤發生在哪裡。

只是我們也要注意這種作法的適用範圍有限。這種「先走再檢查」之所以在棋類遊戲有效，是因為棋手可以立刻看到某個選擇如何改變局勢，而且它的回饋經過校準、計算，有明確規則和勝負。

投資與管理提供不了同樣「乾淨」的回饋環境，因為很多決策要幾個月甚至幾年後才知道結果。AI 在這些領域也只是另一個會犯錯的推理者。同樣是「先做再檢查」，棋手得到的是品質很高的即時回饋，投資人得到的可能只是另一套聽起來合理的解釋。

但這不代表迴路沒用。留下自己的判斷紀錄，至少能防止事後把運氣改寫成能力，也能避免太快接受一套聽起來合理的解釋。只是糾正的力道要打折，我們也得自己承擔「兩個版本都可能錯」的風險。

▉ AI 會縮小差距，還是擴大差距？

關於 AI 會如何改變新人的能力分布，我覺得至少要先區分短期產出和長期判斷力。

短期內，AI 對新手與能力較弱者的幫助有時更大，因此成品差距反而可能縮小。一個原本需要六個月才能上手的人，可能兩個月就能交出合格成果。

長期判斷力的方向則沒有這麼確定。導師品質、任務難度與回饋密度原本就有很大差異。在我看來，習慣把 AI 當答案機、長期略過學習機會、無條件接受 AI 自行生成的人，判斷力可能難以累積，而且原本具備的校準能力也可能逐漸退化。但把 AI 當陪練，保留預測、反駁與驗證迴路的人，則可能學得更快。差距來自使用方式，也來自組織如何設計工作。

因此我更願意把兩極化當成一個條件式預測。如果公司只獎勵交付速度，新人之間獨立判斷力的差距可能擴大；如果 AI 同時被用於示範、回饋與檢查，新人的學習曲線也可能加快。結果取決於個人怎麼用、任務怎麼分配，以及組織給不給得出有效回饋。

▉ 成品不再等於能力

學習談完了，剩下更難處理的那一件。

過去一位有經驗的主管讀新人的產出，可以相當準確地看出這個人的思考卡在哪裡：他從哪裡開始、忽略哪些資訊、對什麼過度有信心、在哪個環節開始用模糊語言掩飾不理解。就像我還蠻有把握可以從股票 pitch deck 的內容，大致判斷報告者的程度。

現在主管拿到的是一份經過 AI 整理、結構乾淨、用字成熟的稿子。結論可能正確，主管卻很難分辨新人是否理解其中的推理，也看不出他原本會在哪裡犯錯。原本用來診斷新人能力的成品，區分度明顯下降了。

如果組織長期無法區分「真正理解的人」與「只會取得答案的人」，升遷與薪酬就容易採用平均定價。判斷力能換到的報酬降低，個人投資這項能力的誘因也可能跟著下降。如果高能力者進一步停止投入或選擇離開，組織能觀察到的人才品質還會繼續下滑。這是一個嚴重的負向自我增強循環。

不過在如何解決這個問題上，我的看法可能比較激進。我會覺得公司沒有必要執著於產出中「人」與「AI」的比例。如果一個人能穩定利用 AI 解決客戶問題，知道怎麼提供脈絡、挑選答案與完成交付，這本身也是一種能力。

公司需要判斷這個人使用 AI 後增加了多少價值。他能否判斷什麼時候可以相信答案、發現適用範圍、攔截有說服力的錯誤，以及在工具失效或遇到陌生問題時接手。這些能力會影響正常情況下的效率，也會決定尾部情境中的損失。對主管來說，他要評量的能力至少有三層：AI 輔助後的最終產出、使用者駕馭與驗證 AI 的能力，以及必要時獨立形成判斷的能力。不同工作對這三層的權重並不相同。

從經濟學來看，AI 降低了成品作為能力訊號的區分度。Spence 的工作市場訊號模型指出，一個訊號要能區分不同能力的人，需要高能力者比較容易持續做出，低能力者則要付出更高的模仿成本。成本很高本身不夠，成本必須和我們想辨認的能力有關。

過去一份模型或研究報告之所以具有診斷價值，是因為產出品質通常和報告者的理解程度有關。AI 降低了不同能力者完成漂亮成品的成本，兩種類型於是更容易在表面上混在一起。

這不表示能力訊號完全消失。主管可以把檢查點往前移，像是設計陌生案例、臨場追問之類的方式。這些做法在經濟學上更接近篩選。資訊較少的一方設計檢查方式，觀察不同能力的人會不會做出不同反應。

▉ 培養人才的帳，愈來愈難算

上面提到的問題，是組織看不見能力，會降低獎勵能力的意願，也就是評量問題。但其實還有另一個問題：組織留不住有能力的人，則會降低培養能力的意願（畢竟那需要高成本），這是人力資本投資的外部性問題。

一家公司花時間培養出來的判斷力，會跟著人離開。員工三五年後跳槽、被挖角或自己創業，帶走的是原公司付出成本養成的能力。訓練帶來的好處由整個人才市場分享，成本卻先落在單一公司身上。

於是每家公司都希望市場上有足夠的成熟人才，也都希望培養成本由別人支付。AI 讓企業更容易跳過初階訓練，直接取得新人原本負責的產能，也讓這個搭便車的選項更有吸引力。比起評量問題，這個人力資本投資的外部性更棘手，我目前也還沒有想到什麼好的對策。

某些公司仍然有培養動機，尤其是需要專屬知識、接班梯隊與長期留任的企業。就像大型顧問公司、投資銀行與律師事務所願意建立完整的學徒制度，部分原因就是它們能從品牌、升遷路徑、客戶關係與公司專屬知識中回收訓練投資。

AI 不會讓企業培訓必然消失。它改變的是成本與收益。公司可以更快取得新人的短期產能，也可能用更低成本提供示範與回饋。最後走向哪個方向，取決於企業如何權衡當期交付與未來幾年的人才供給。

▉ 給新人與主管的幾個建議

最後，在 AI 時代我會推薦給新人的學習原則其實非常簡單。

碰到一個問題時，先判斷這項工作有多少學習價值。這時還不必給自己「問出好問題」的壓力，那是進階後的訓練。已經熟練、重複性高、容易驗證的部分，可以直接讓 AI 完成。

至於那些自己還不熟、後果比較大，或短期內看不出對錯的問題，則要保留一個最低限度的自行生成過程。先寫下初步想法、幾個主要依據、簡單推論以及自己的信心程度。這個版本不必完整，也不需要花幾個小時重做 AI 幾秒鐘能完成的工作。它的功能是留下你原本怎麼想的證據。

接著讓 AI 反駁、補充、尋找反例，甚至徹底重做一次。比較兩個版本時，不只挑出哪個答案比較好，還要問：我漏掉了什麼？哪個假設沒有證據？為什麼我會在這裡過度有信心？結果對哪個變數最敏感？

不必要求 AI 重現它「內部的每一步思考」，因為它可能只是生成一套聽起來合理的解釋。更有用的做法，是要求它列出假設、證據、替代解釋、反駁條件與驗證方法。

順序非常重要。AI 先生成、人再修改，得到的通常是一種流暢的理解感。人先留下初步判斷、AI 再批評，才有東西可以比較，也才看得見自己究竟更新了什麼。

對主管來說，第一步是先定義自己想評量哪一種能力。有些工作只要看 AI 輔助後的成果，有些工作需要確認新人能否攔截錯誤、處理陌生情境，或在工具失效時接手。不同目的需要不同檢查方式。

既然只看最後成品已經很難判斷新人程度，那就把檢查點往前挪。主管可以要求新人保留最初的假設與信心水準，說明採用了哪些 AI 建議、否決了哪些，再用陌生案例或反事實問題檢查他是否理解結論的限制。

這些紀錄最好不要變成新的文書表演。如果每一項工作都留下完整流程，最後只會增加形式成本，而且這些其實都可以由 AI 補寫。比較有效的做法是抽樣檢查、臨場追問，以及觀察同一個人在不同案例與不同時間點是否維持一致的判斷品質。

某些訓練也應該刻意限制 AI。它們的功能是定期進行壓力測試：當工具失效、資訊不足，或 AI 給出一個很有說服力的錯誤答案時，這個人的產出會下降多少？他能否辨認問題、接手處理並承擔責任？

在許多文字與分析型工作中，AI 已經抬高了可見產出的下限，但判斷力的練習仍然需要「形成預測、接受反駁、修正錯誤、在新情境裡重新驗證」這套迴路。十年後的差距，我不覺得會出在誰更少使用 AI。更值得觀察的是，誰能利用 AI 加快學習，同時保留在 AI 出錯時辨認與接手的能力。

而要訓練這種能力，可以從一件很普通的事開始：在忍不住看答案以前，先容許自己答錯一次。

十多年後我們才發現，incentives are eating software。

前幾週讀經濟學人時，我最感興趣的一篇文章就是《Why big AI labs are hiring so many philosophers》。為什麼大型 AI 實驗室開始認真僱用哲學家？

當年最有價值的能力是把想法寫成程式。現在更棘手的問題，則是當程式開始替人做判斷時，我們該把什麼原則寫進去，又如何確認它真的照著那些原則行動。

這也是模型公司開始回頭找哲學背景人才的原因。

當 AI 不只是回答問題，還開始替人排序風險、安排行動、拒絕請求、建議選擇時，它就不可能只是中立工具。每一次排序背後，都有一套價值取捨。

但我也越來越懷疑：哲學家寫下的那些原則，最後真的約束得了模型實際跑出來的行為嗎？​

一套價值排序很少只存在於宏大的宣言裡。它更像成文法與執法之間的落差：法條寫在紙上，但一個社會真正怎麼運作，取決於裁量、慣例與執法尺度。麻煩的是這些落差往往看不見，也沒有登記在案。

AI 也是如此。公司官網上的原則文件是它的成文法。但模型每天實際執行的價值排序，大多藏在更細微的地方：它先說什麼、略過什麼、語氣偏誠實還是偏安撫、哪句話一筆帶過、哪個問題避而不談。

你每天問它五十次，它就替你做五十次微型判斷。什麼重要、什麼合理、什麼可以暫時忽略，這些判斷小到不像價值觀，但用久了之後，你對「合理」的理解，可能就被這些預設慢慢改寫。

所以公司寫下什麼原則固然重要；但模型在千萬次互動裡實際形成什麼慣例可能更關鍵。官網上的原則文件，和模型真正跑出來的排序，也許是兩回事。

▉ 原則寫在文件裡，模型長在獎勵裡

讓我們先看這些公司「說」它們相信什麼。

模型沒有信仰，也沒有靈魂。它呈現出來的是資料、訓練、後訓練、系統提示與公司選擇共同塑造出的行為傾向。如果只看公開文件，幾家大型模型公司的 AI 哲學確實不太一樣。

Anthropic 比較像憲法主義。Claude 有一份公開的「憲法」，來源從世界人權宣言到 Apple 的服務條款都有，也因此被戲稱為公司的 soul doc （這篇憲法太長了，我也只好請 AI 幫我統整出重點）。它不只是列出模型不能做什麼，更像是在描述一個理想模型應該具備什麼性格：誠實、有幫助、不傷害人，並且在價值衝突時，盡量像一個「好公民」那樣行動。換句話說，Anthropic 問的是：一個模型應該成為什麼樣的 moral agent？

OpenAI 的 Model Spec 則是另一種框架。它像是在設計一套有層級的行為規則：哪些邊界不能跨越、哪些指令要服從、什麼時候該拒絕、什麼時候要保留使用者探索、創作與辯論的自由。它比較接近「有邊界的自由主義」：先畫出安全底線（或是負面清單），再在底線內盡量放大使用者的自主性與工具可用性。OpenAI 問的是：在不造成真實傷害的前提下，模型該如何最大化人的能動性？

Google 的 AI Principles 則更帶有制度型結果論的味道。它關心的是總體利益、可預見風險、社會效果與制度責任，看整體是否能被合理化。不過這裡也留下了很大的主觀裁量空間。最受爭議的就是Google 在 2025 年改版時，移除了原本「不做武器、不做監控」等較明確的禁止清單，改以更寬泛的 responsible development、民主價值與國安敘事取代。少了清楚的禁止條款，風險效益評估的空間自然變得更大。

如果把三者抽象化，Anthropic 像是在問：「模型應該成為什麼樣的好人？（試著對「好」做出定義）」OpenAI 像是在問：「模型如何在安全邊界內服務使用者？（在意的是邊界設定）」Google 則像是在問：「AI 的總體利益是否足以承擔它帶來的風險？（關注成本效益分析）」

這三種說法沒有絕對的對錯。真正麻煩的是這些原則文件終究還只是「說」。它們處理的是公司希望模型如何行動；但模型的實際行為，還會被後訓練、獎勵訊號、系統提示與產品迭代一起塑形。說的未必擋得住跑的。

2025 年 4 月時，OpenAI 曾替 GPT-4o 推出一次更新，並在獎勵訊號中加重使用者的即時按讚。結果模型開始明顯奉承使用者。社群上很快出現大量截圖：有人拿荒謬的創業點子去問，它仍然給出稱讚；也有人測試是否該停止治療的高風險情境，模型依然給出過度肯定的回應。

幾天後，OpenAI 發現情況不對，趕緊把模型改回上一個版本，事後也承認自己太看重短期回饋，讓模型傾向給出過度支持、卻不真誠的回答。

這件事讓我們看到，即使 Model Spec 白紙黑字寫著要誠實、不要奉承，一次後訓練與回饋權重的調整，就足以讓模型在實際行為上偏離原則。也許這不是實驗室裡的錯，也許這是模型進入真實產品環境後必然會遇到的錯。

一份寫得再清楚的原則文件，也擋不住一個被放大的獎勵訊號。

▉ 最容易被獎勵的，往往不是最值得相信的

如果模型的行為與「原則文件」會脫鉤，那是因為後訓練與產品行為上，公司反覆獎勵什麼，模型就會往那個方向長。而最容易被獎勵的，通常是快、自信，以及讓使用者當下滿意。

這正是蘇格拉底方法在這個時代重新變得重要的原因。

蘇格拉底不急著給答案。他會先問：你這個詞怎麼定義？你前後有沒有矛盾？你以為自己知道的事，是真的知道，還是只是習慣這樣說？這種追問會逼人把問題想清楚。但追問也會製造摩擦，拖慢對話，甚至讓人感到不舒服。

而一個以即時滿意度為獎勵的模型，學到的常常是相反的事。它會把還沒釐清的問題講得很完整，把不確定的答案講得很自信。它太會回答了，而這正是問題所在。

蘇格拉底最有智慧的地方，是「知道自己不知道」。模型並非完全不能處理不確定性。真正危險的是，它可以把「不知道」輸出得像「已經知道」。

這也是為什麼有人開始擔心 moral deskilling。這不是新詞，哲學家 Shannon Vallor 早在十年前就提出過類似概念。簡單來說，就像GPS 讓我們不再記路，推薦演算法讓我們不再主動選擇。而當 AI 越會替我們判斷，我們就越可能不再練習判斷。

但會不會 deskilling，在某種程度上也是公司決定的。

如果模型反過來多問你幾個問題，迫使你釐清前提，你越用，可能越會判斷；如果模型少問、快答、永遠給出討喜答案，你就會慢慢停止自行思考。這跟AI 能不能做到比較無關，主要還是看商業與產品設計要把它調成什麼樣子。

▉ 你能覆寫答案，卻很難覆寫框架

有人會說這種擔心太過杞人憂天，使用者也有自己的主觀能動性。你可以改寫它的 output，可以換模型，也可以根本不信它。

我覺得這段話對了一半。你能覆寫你看得見的東西；但框架層往往在你沒察覺時就已經運作完了，連給你覆寫的機會都沒有。許多例子都告訴我們，絕大多數人不會去修改一個自己根本沒意識到的預設。這就是為什麼在設計器官捐贈、退休金提撥等制度時，光是預設選項不同，結果就可能差出好幾倍。比起介面問題 ，opt in 和 opt out 的差別更造成了行為塑形。

模型也是。它先講什麼、把什麼放在第一句、用什麼語氣，你多半不會停下來質疑。而這些預設一旦進入高風險場景，就變成了價值問題。

醫療 AI 要偏敏感度還是特異度，要少漏診還是少誤診？這個統計問題的答案，本身就是價值取捨：你願意用多少偽陽性，去換一個不被漏掉的重症病人。這些沒有標準答案的取捨被打包進參數，然後以技術輸出的樣子交到你手上，而在多數使用情境裡，旁邊不會自動出現第二個聲音提醒你：這其實是一種選擇，不是中立事實。

此外，不同市場也會需要不同風格的模型。銀行可能想要保守的模型，電商可能偏好討喜的模型，客服系統希望它安撫顧客，企業採購則希望它降低風險。各家公司彼此競爭，我們不能天真地指望它們把所有人格式化成同一種樣子。

只要模型公司仍然靠使用量、留存率、滿意度與企業採購競爭，它們就有誘因把模型調成「讓你更願意繼續用下去」的版本。問題是它在哪裡動了手腳，你未必看得到。

▉ 不能被查證的價值觀，只是公關文件

那麼，AI 公司到底為什麼僱哲學家？

樂觀的答案是，這些沒有標準答案的價值衝突，確實需要哲學訓練才處理得動。

什麼叫安全？什麼叫公平？什麼叫過度干預？如果這些詞不被定義清楚，系統就只能在模糊裡運作。而在機器世界裡，模糊常常變成事故。

但我也想到另一個悲觀的答案：僱哲學家也可能只是把哲學研究變成行銷功能的延伸，對外表演「我們很認真對待安全」。畢竟這些哲學家最後仍然在公司裡工作，而公司最後仍然要對股東負責。這句話同樣值得認真看待。

所以AI 公司有沒有哲學家，也許不是最重要的問題。真正重要的是，哲學家寫下的原則能不能超越訓練、產品、商業與部署環境，仍然約束模型行為？

要分辨這兩者，只有一個硬性標準：這套價值能不能被外部查證。

一份寫得再漂亮的原則文件，如果沒有人能檢驗模型跑出來的行為是否符合它，那它就只是一份公關文件。GPT-4o 那次會被抓到，就是因為使用者把 AI 奉承到鬧笑話的截圖貼滿社群。但這種是最原始、也最不可靠的外部稽核，要等模型失控到變成迷因，外界才看得見。

如果借鑑資本市場的經驗，第三方簽證也許是一個可以考慮的方向。

一家公司的財報由管理層準備，但投資人不會只靠管理層自己說「請相信我」。市場需要會計師查核，確認財報是否在重大方面允當表達公司的經營狀況。

AI 模型也類似。公司可以寫下 Model Spec、constitution、AI principles，但外界真正需要知道的是：模型在真實互動、邊界案例、高風險請求與商業壓力下，行為是否仍然符合那些原則？信任不能光建立在公司文件寫得多漂亮，還要建立在外部可以檢查的程序上。

模型現在不是完全沒有稽核。但這個產業還缺少一套像財報審計那樣標準化、可以比較、可以追責的簽證制度，而且這套制度要怎麼合理的賺錢也還不確定 (目前更像是由政府扮演一個以國家安全角度審核的把關者)。一份原則文件，缺的往往是旁邊那個願意簽字負責的人。

而這裡才是哲學真正插得上手的地方。要稽核就得先定義稽核什麼：什麼叫「誠實」到可以被量測？多大的偏移算違反原則？什麼情境下的迎合算是協助，什麼情境下的迎合算是奉承？

把模糊的價值語言逼成可被檢驗的標準，定義出「照著原則行動」到底是什麼、又該如何評量，這才是困難的部分，也是哲學從修養變成基礎設施的那一步。

十年前大家說 learn to code。在 AI 時代，比起把哪一套價值寫進程式碼，更難的是查出機器實際在跑的是哪一套。漂亮的原則誰都會寫，但一個獎勵訊號就能讓它作廢。

機器在有能力做的時候選擇不做什麼，是文明的底線。但這條線，只有在有人查得到、也擋得住的時候才能算數。

它叫 De Beers。數十年來，它幾乎等於鑽石本身。可如今這家公司成了母公司急著切割，卻又很難賣出好價格的燙手資產。

過去三年，Anglo American 一再下修 De Beers 的帳面價值。2024 年 5 月，在擊退 BHP 的併購後，它宣布退出鑽石業務，準備分拆或出售 De Beers。只是到了 2026 年中，這筆交易仍未簽成。

更諷刺的是，De Beers 還收掉了自己的人工鑽石品牌 Lightbox。它原本想把人工鑽石定義成「便宜、時尚，但不配談永恆承諾」的飾品。結果市場問了一個更殘酷的問題：如果肉眼看起來一樣，為什麼承諾一定要買比較貴的那一顆？

後來人工鑽石占美國訂婚戒的比例，從 2019 年的約一成，衝到 2024 年的 45% 以上。人工鑽石價格也在幾年內大幅崩跌，讓 De Beers 原本想劃出的價格與意義邊界，幾乎守不住。

那句「鑽石恆久遠，一顆永留傳」（A Diamond is Forever）沒能救它。

因為撐住 De Beers 八十年的，從來不只是這句話。真正撐住它的，是底下那根叫做「供給壟斷」的柱子。柱子斷了，話術也跟著一文不值。

這件事很值得每一個談品牌、敘事、話語權的人停下來想一想：

到底是什麼撐住了一個定義？又是什麼，讓它一夕崩塌？而這件事對我們自己，又有什麼意義？我們是不是也活在一堆隨時會垮的定義裡？

▉ 看得見的那層，最容易被當成權力

以前擔任分析師時，我看一家公司，最重視的是「定價權」：例如 Apple 能不能把飆升的記憶體成本轉嫁出去、同時守住市占？或是 Costco 敢不敢調會費，結帳台照樣大排長龍？

但定價權只是看得見的那一層。

它可能是一個品牌、一句廣告詞、一套被社會接受的定義。這些東西很容易被誤認成權力本身。但真正決定它能撐多久的，是底下那些看不見的柱子：法規、轉換成本、網絡效應，還有對某種稀缺資源的控制。

市場很少直接替原物定價。它通常會先替一個「定義」定價。這也是為什麼，握有定義權，常常接近於握有定價權。但這件事只有在沒有套利空間時才成立。

一旦市場出現一顆看起來幾乎一模一樣的替代品，它就會立刻繞過定義，回頭替那塊碳結晶本身定價。人工鑽石的故事，講的就是這件事。

De Beers 真正厲害的地方，不在於把一塊碳結晶打磨得多漂亮。它厲害之處在於把鑽石嵌進婚姻裡，讓求婚、承諾、體面、浪漫和社會比較，全都繞著那顆碳結晶轉。它還讓你相信，少了那顆鑽石，求婚就像缺了一角。

這是一套迷人的定義。但要注意一點，迷人的是上層裝潢，可是真正撐住它八十年的，是下層那根「供給壟斷」的柱子。超額利潤來自於兩者相輔相成，缺一不可。

所以真正的贏家，是能讓全世界改用他的語言來理解世界的人。而最強的生意，是讓世界相信：少了這個東西，你就不完整。但這種生意要撐得久，語言底下得有支柱頂著。

請先記住這個定義，因為後面我要把同一面鏡子，轉向我們自己。

▉ 拿到定義權怎麼收租：先講消費端這條路

利用定義權收租，通常有兩條路。

一條走消費端的焦慮：先替你的不安取名字。另一條走機構端的規則：讓自己變成所有人不得不用的共同語言。

拿前者來舉例：

你不只是累，你是 burnout；中年人不只是走進下一段人生，他碰上「中年危機」了；年輕人不只是還在摸索，他陷入「職涯焦慮」。這些模糊的不安一旦被命名，就變成具體的問題。有了問題，才好賣解方。

接著要做的就是量化。量化會讓模糊的東西變得可以比較、可以排序。而只要能被排序，就能被焦慮化。

你本來只是想健康一點，後來變成體脂率有沒有達標。你本來只是想工作穩定，後來變成同學升到哪、年薪多少、公司名稱夠不夠漂亮。你本來只是想投資賺錢，後來變成今年有沒有打贏大盤、有沒有錯過那支飆股。

然後是排序。當分數變成門檻，權力才真正出現。

幾分以上才能進這間學校。多少粉絲才叫有影響力。多少資產才叫財富自由。門檻不只是區分高低，也決定誰有資格被看見。很多人能力沒輸，但他們是敗在沒有被某套系統辨識的格式。

最後是收費。當一套標準變成入場券，負責解釋標準、訓練你達標、幫你過門檻的人，就可以開始收費。

補習班收教育焦慮的費用。健身醫美收身體焦慮的費用。保險收風險想像的費用。理財網紅收財富自由敘事的費用。

撇除少部分極端案例，這些產業確實解決了真問題：教育能提升能力，保險能轉移風險，健身能改善健康。但我們要看懂的是另一件事：產品的價值，常常有一大塊跟產品本身無關。它來自那套已經被社會接受的標準。標準一旦變成入場券，解釋標準的人就有權收費。

仔細想想，這四步不只發生在產業裡，也發生在你的每一天。

早上量體重，是量化。滑開朋友的動態，是排序。焦慮地點開那則課程廣告，是準備繳費用。

有時候不得不佩服，人類文明真是把自我折磨流程化得相當優雅。

▉ 撐住一個定義的，從來不是定義本身

可是為什麼有些「定義」可以收幾十年的租，依然屹立不搖而且還有超額利潤？有些卻幾年就垮，像 De Beers 那樣？

我認為答案在於：這些定義底下有幾根支柱，以及那些支柱能不能被抽掉。走第二條路、收租收得最久的，往往是你平常不會多看一眼，卻怎麼也繞不過去的東西。

例如 FICO。

它定義了美國人的「信用」。你買房貸款，銀行幾乎一定會看你的 FICO 分數。它長年擁有八成以上毛利，賣的不是某個特定產品，而是「信用」這個定義本身。在美國，它幾乎等於一張金融身分證。

FICO 底下至少有四根彼此獨立的支柱：聯邦資料的接取權、放款方的網絡、監管的強制引用、客戶的轉換成本。要破壞它的護城河，得四根支柱一起拆。

例如之前我們寫過的 Moody’s、S&P Global。

它們定義什麼叫「安全的債」。2008 年金融危機後，它們被罵到體無完膚，卻沒有被取代。因為它們被寫進了法規裡。銀行的資本計算、保險公司的投資限制，長期都高度依賴評等語言。它們底下不只一根柱子，其中一根還是國家親手釘上去的。

還有例如 MSCI。

這類指數公司畫一條線，決定哪些國家算「新興市場」、哪些基金算 ESG。接著，金流就往那條線流。它們一張股票都不持有，卻能定義幾兆美元往哪裡走。

所以，拆解一家公司的護城河時，與其問「它有沒有定義權」，不如直接數：它底下有幾根彼此獨立的支柱？

De Beers 走的是第一條路，賣的是消費端的定義。它最核心的支柱是供給稀缺。而這根柱子，被一項技術整根抽掉了。人工鑽石的工廠，重新改寫了這個產業的有效產能。

另外敘事也能當一根支柱，只是這根特別會膨脹。Musk 是這方面的大師。他最厲害的地方就是把產品包進更大的定義與願景裡：Tesla 是能源轉型與人形機器人；SpaceX 是人類多行星生存計畫。而且他的過往成功經驗讓大家不得不認真對待他所提出的願景。

投資人的工作，就是在被這些故事說服之前，先去數底下有幾根支柱。它可能是產能、技術、資本市場能力，也可能是某種難以複製的組織動員力。這些支柱都是未來超額利潤是否能夠持續的來源。而估值倍數裡，超出柱子能承受的部分，就是隨時可能煙消雲散的空氣。

我原本以為，這篇文章到這裡就該結束了。寫了一個關於商業模式護城河、估值與敘事的故事。

但後來發現還有一個在腦袋裡打轉的問題，還沒被寫出來。

▉ 把同一面鏡子，轉向自己

前面我一直用投資人的眼光分析公司：它的定義權底下有沒有支柱？它能不能持續收租，創造超額利潤？

可是當我把鏡頭轉回自己，盯著那些替我打分的價目表：薪水、學歷、孩子的成績、體檢報告、帳戶裡的數字，我發現痛苦幾乎都來自同一個動作：

把一個看得見的價格或數據，當成對整個人的判決。每張價目表都有它說了算的範圍。

薪水量的是某個職位、某個市場、某個時點，一組勞務的交換價格。這一塊它說了算。但它量不到你這個人的全部。學歷能降低雇主的篩選成本，這是它的適用範圍。但它量不到一個人一生的學習能力。

所以重要的問題是：我是否知道，這些價目表到底在量什麼？在它們各自的適用範圍之外，我有沒有把它們過度解讀？

公司要靠多根支柱才撐得久，人也一樣。你之所以在某個市場裡只是價格接受者，往往是因為你只有一根柱子。它可能是一份工作、一個頭銜、一套別人替你打的分。當你越依賴單一身分、單一職稱、單一雇主、單一平台，那把尺對你的支配力就越大。

這裡談的是市場交換價值，不是人生價值。

如果公司最強的能力，是讓市場改用它的語言理解產品；那麼人在小得多的尺度裡，也可以讓別人用更準確的方式理解自己。

你不一定能定義整個市場，但你可以定義自己在某個場域裡的位置。你可以讓別人知道，你不只是會執行，也能判斷問題；不只是會發表意見，也能持續產出框架；不只是某個職稱，而是一組可被信任、可以複利累積的能力。

但這裡也有一個限制：主動定義自己，從來不是喊一句「我是誰」就成立。

你需要靠作品、紀錄、信用、長期選擇的一致性，為自己建立第二根、第三根支柱。每多一根能替你重新定價的支柱，那張價目表對你的支配力就少一分。

沒有這些東西，所謂「重新定義自己」，很容易只是另一種包裝，甚至是另一張更精緻的價目表。

廉價的心靈雞湯會叫你撕掉所有外部標準，勇敢做自己。但人活在社會裡，總得接受某些外部標準。工作要薪水，升學要分數，公司融資要估值。這些標準多數時候是社會用來降低交易成本的工具。它們不會消失。而很多宣稱「拒絕世俗評價」的人，如果只是替自己編一個比較好聽的故事，那並沒有換來自由。

所以真正的功課，比「撕掉一切」難得多。它要你一張一張價目表去分辨：哪些只是工具？哪些已經越過了它量得到的範圍？哪些我暫時接受？哪些我可以拿去談判？哪些我根本不該讓它走進人生的核心？

▉ ​ 你用誰的尺量自己？

對我來說，De Beers 的故事已經不只是「敘事會崩盤」。

它更像一個提醒：空有定義、卻沒有支柱的故事，再迷人也不要無條件相信。

對投資人來說，看到一家公司宣稱自己握有定義權，先別急著被吸引。去數它底下的支柱，問哪一根可能被技術、法規或競爭拆掉。

對一個人來說，看到一套標準想替你的人生打分，也先別問它流不流行。先問它到底在衡量什麼，以及它的適用範圍有多廣。

薪水、學歷、分數、職稱、財富自由、社群掌聲，全都可以是好用的尺。但一把尺一旦越過它量得到的範圍，就會變成枷鎖。而最危險的枷鎖，往往是你從來沒懷疑過，卻已經照著它活了很多年的那一種。

人不可能逃離所有價目表。但你可以一張一張地問：

這張是誰寫的？它衡量的，是我真正在乎的東西，還是別人想賣給我的焦慮？它說了算的範圍從哪裡開始，又到哪裡失效？我手上有沒有第二把尺、第二個會替我重新定價的市場？

最後也提醒自己：這篇文章本身，就是在嘗試替世界重新取一組名字。「支柱」、「範圍」、「第二把尺」，都只是我暫時拿來理解世界的工具。你不需要整套接受。你可以拿自己的經驗去驗證。驗證過能有效的概念，就留下；被證偽的，就當裝潢丟掉。

只是在丟掉之前，別忘了先問一句：我現在用來量自己的那把尺，真的是我選的嗎？還是我只是拿著別人的尺，替自己打了一輩子的分？

為什麼變便宜的東西，會讓人更焦慮？

因為 AI 把「講答案」變便宜了，卻讓「知道孩子哪裡卡住」變成更稀缺的能力。

諷刺的是，AI 越來越進步後，輸在起跑點的未必是孩子，反倒是被焦慮綁架的父母。

以前我們搶的是補習班名額。現在我們搶的是另一種安全感：我有沒有幫孩子用上最新工具？有沒有錯過下一個重要技能？有沒有在別人都開始超前部署時，還傻傻站在原地？

AI 可以解題、翻譯、整理資料、練英文、出題目、改作文、陪孩子對話，甚至扮演蘇格拉底、愛因斯坦或高斯。以前要花錢找家教、買教材、上補習班才能取得的東西，現在很多都能在幾秒內出現在螢幕上。

問題是工具變多以後，父母的焦慮並沒有變少。孩子還要不要補英文？Coding 要不要學？AI 會寫作文，那作文還重要嗎？學校如果教得慢，孩子是不是該在家超前？如果 AI 已經能解釋得比老師清楚，老師的角色還剩下什麼？

這些問題表面上都在問：「孩子應該學什麼？」但真正刺痛父母的，其實是另一個問題：

在這個高度不確定的時代，我們到底還能替孩子準備什麼？

這篇文章我想從成本的角度切入。AI 當然降低了知識取得的成本，但這一層在二十年前就被網路改寫過了。這次真正被改變的，是「客製化解釋」的成本。而這件事，也會讓教育系統裡「吸收」這個瓶頸更加暴露，並且重新定價老師、學校與父母的角色。

必須先說清楚，這篇不是要提供標準答案（我也沒能力提供標準答案）。畢竟我自己也是帶著一個七歲多孩子一起往前摸索的家長。但至少我很確定，寫這篇文章時，我不是站在場邊評論的人。I have skin in the game.

▉ 便宜的是解釋，昂貴的是吸收

過去兩百年的現代教育，很大一部分是工業化社會的產物。把很多孩子放進同一間教室，用同一套教材、同一個進度、同一張考卷，由一位老師對三四十個學生授課。

這套標準化系統最厲害的地方，是知識輸出的規模效益。一位老師可以教很多人，一套課綱可以覆蓋整個年級。對當時的社會來說，這是非常有效率的教育基礎建設。它讓大量人口取得基礎識字、計算、紀律與專業分工能力，支撐了工業化與現代國家的運轉。

但它的代價也很清楚。

傳統教育像大型廣播電台：訊號很強，覆蓋很廣，但每個孩子家裡的接收器品質不同。它最佳化的是「知識怎麼被便宜地送出去」，而不是「孩子怎麼真正吸收」。老師必須照顧平均速度，於是學得慢的孩子跟不上，學得快的孩子卻只能等待。

如果我們把教育拆成一套流程，它應該是一疊互補的輸入：

取得知識 → 解釋知識 → 診斷卡點 → 激發動機 → 安排練習 → 持續要求 → 判斷與品味。

缺了任何一層，學習可能就會斷在那裡，或是說每一層可能都會有一定程度的訊號流失。而過去的每一次技術革新，都由便宜往昂貴、由下往上，依序吃掉這疊流程。

這一波被 AI 改變的，是「解釋知識」。以前需要大量老師時間才做得到的事，例如把同一個概念換十種比喻講十遍、依學生程度調整難度、提供即時回饋，現在邊際成本都被大幅壓低。

很多人說：「AI 讓知識變便宜，於是暴露了吸收瓶頸」。但仔細想想，早在網路時代最底層的「知識取得」就已經被革新了。只要有動機，許多知識在圖書館、維基百科出現後就已經近乎免費，可是孩子照樣學不會。所以 AI 沒有製造這個瓶頸，它只是把瓶頸裡「解釋」那一小塊也削掉。

於是剩下真正關鍵的東西變得更加刺眼：注意力、動機、練習、有人陪他撐過無聊，以及看懂這個孩子為什麼還沒到那裡的判斷力。未來更重要的問題會變成：「這個孩子到底怎麼學，才算得上是真的會？」

▉ 老師會兩極化：講答案的貶值，會診斷的變貴

知識取得變便宜，不代表學習變便宜。

這是很多 AI 教育討論裡最危險的樂觀。AI 可以把一個概念講十遍、換十種比喻去說明，卻不能替孩子把概念放進腦子裡。人類學習的本質機制，並沒有因為 AI 出現就突然換了一套作業系統：還是需要注意力、記憶、練習、犯錯、挫折、輸出與修正。

真正的學習，常常不像想像中有趣。它絕對不是廣告裡那種孩子對著平板眼睛發亮，一邊跟 AI 對話，一邊突然愛上宇宙萬物。更多時候，我們看到的是孩子坐在桌前抓頭，然後卡在那裡。但也正是那個卡住十分鐘後的突破，比直接看到答案更能讓孩子真正學會。

也因為學習過程無法外包，我覺得「老師」這個角色的價值會開始改變。

如果老師的主要功能只是把標準答案講一遍、把題型整理一遍，那他的價值確實會被 AI 嚴重擠壓。因為這些事本質上都是知識供給，而知識供給正是 AI 最擅長降低成本的地方。

但同時，另一種老師的價值反而會更高。

這類老師真正做的，是把自己的價值從「解釋知識」，往更上層移動：診斷、動機、要求與陪伴。

孩子到底為什麼學不會？是前面的概念沒打穩，還是題目讀不懂？是練習不夠，還是一直用錯方法？是沒有興趣，還是害怕自己做不好？是表面上會背答案，實際上根本沒有形成理解？這些問題，不是丟更多內容就能解決的。

好老師不用比 AI 知道更多。他們真正需要的能力，是看懂孩子為什麼走不到那裡。他能判斷孩子卡在哪一層，知道什麼時候該補概念，什麼時候該給練習，什麼時候該逼他輸出，什麼時候又該先處理信心與動機。這需要更強的因材施教能力，以及對每位孩子「客制化」的理解。

這也代表，過去培養老師的方式會被挑戰。

這不是說知識量不重要。剛好相反。老師在自己的專業領域仍然需要足夠深的知識，才知道孩子該往哪裡走，也才看得出 AI 哪裡講錯、講淺、講偏。只是未來老師的價值，不會只來自「我知道」，而是來自「我知道你為什麼還不知道」。

問題是，這種能力很難在短時間內大量培養。培養優秀老師，本身就是一個長週期投資。

在教育系統還沒轉型完成前，這個缺口很可能會部分轉移到家長身上。這並非要求家長取代老師，而是家長要拿回「學習系統設計」的責任：看懂孩子的卡點，判斷課程有沒有真的有效，設計輸出的機會，砍掉低品質學習時間，並在孩子找到方向後，保護他的專注。

但這套責任極度吃時間與餘裕，而這個社會的時間與餘裕永遠都是分配不均的。當系統把吸收與診斷的工作往家庭推，它同時也把孩子的學習成果，更緊地綁回父母的資源條件上。對這個問題我暫時也沒有解法，只是不想假裝這帖藥每個家庭都吞得下。

說到底，AI 時代最重要的父母能力仍然是判斷。

只是這個判斷，不是幫孩子排出更緊湊的行程表，而是知道孩子現在真正需要的是更多知識、更多練習、更多輸出、更多鼓勵，還是只是更少干擾。

AI 最有價值的地方，是幫父母和老師更快找出孩子的學習斷點。你可以把孩子的錯誤過程丟給 AI，請它不要急著解題，而是先判斷可能是哪個前置概念出了問題，再設計幾個診斷問題。

孩子常常不知道自己不懂什麼。他以為自己不會英文，其實是輸入量不夠。他以為自己數學不好，可能只是早年某個概念被跳過，後來所有新知識都長在鬆動的地基上。

▉ 學校不會消失，只是價值會重新調整

這件事對學校也一樣。當知識不再只能透過學校取得，學校的邊界會變模糊。

但模糊不等於消失，未來學校提供的價值，會更集中在 AI 難以快速取代的地方：同儕、公共性、社會化，以及孩子第一次離開父母視線後，如何在一群人裡找到自己的位置。

孩子在家裡，是爸媽眼中的宇宙中心。到了學校，他只是三十個孩子之一。他們需要學習等待、合作、競爭，感受被喜歡、被討厭，甚至被誤解；跟不同性格的人一起完成事情。這些都很難靠 AI 完整替代。

所以，評量一所「好學校」的標準，也可能跟以前不同。

它不再只是老師講得比較好，因為知識講解這件事會被 AI 大幅拉平。真正珍貴的是同儕文化：努力在這裡會不會被嘲笑？問怪問題會不會被允許？孩子身邊坐著的人，是會一起把彼此往上拉，還是一起把時間浪費掉？

但同儕與社會化，還不是學校最被低估的功能。學校同時是一台篩選與排序機器。好文憑之所以有人搶，有很大一塊與裡面學到什麼無關。它真正在賣的是一個對外的訊號：這個人通過了某種篩選。

當 AI 把許多基礎能力大幅商品化，單純說自己「會什麼」會越來越難區辨。這時候，「通過稀缺篩選」這個訊號反而可能更值錢。所以排行靠前的學校會一直賣兩樣東西：教育，以及稀缺性。

AI 衝擊最大的是前者，但比較難動到後者。

這對父母是個尷尬的真相。你一邊被勸說知識免費、學歷沒那麼重要，一邊又看到頂尖學校的錄取競爭越來越激烈。兩件事可以同時為真，因為它們賣的是不同東西。

知識會越來越便宜，同儕環境仍然很貴。

▉ 父母拿回責任，不是拿回控制權

父母在這裡的角色，也該重新定義。

很多父母聽到 AI 教育，第一反應是學更多工具、找更多課程、替孩子安排更完整的學習路線。AI 讓教育看起來更有效率以後，父母很容易把孩子當成一個需要持續升級的產品。

英文要升級，數學要升級，程式要升級，表達要升級，抗壓性要升級，最好連好奇心都能用課程升級？！

這時候孩子會很累，父母也會很累。只是大家都披著「為你好」的外衣，很難承認這其實是一套焦慮管理系統。

我認為父母要拿回更多責任，但這不等於拿回控制權。

拿回責任，是更理解孩子的特質、節奏、興趣、卡點與情緒。拿回控制權，是把孩子的時間切成更細的格子，塞進更多看起來有用的活動。如果真的要在 AI 浪潮下重新設計家庭裡的學習方式，我自己目前想到幾個方向：

方向一：從答案導向，改成診斷導向

孩子不懂時，不要急著找答案。先弄清楚他卡在哪一層。是概念不懂？方法不熟？題目讀錯？注意力不夠？還是害怕犯錯？

不同問題，需要不同處理方式。

很多時候，孩子需要的不是更多內容，而是更精準的診斷。父母真正要避免的，是用同一種解法處理所有學習困難。這種做法看上去很有效率，但很像拿鐵鎚修手機，氣勢有了，結果就不一定了。

方向二：讓輸出提前，逼出理解漏洞

我們小時候接受的傳統學習，大多偏好「先累積」。先看書、先上課、先背單字、先聽老師講完，等準備好了再輸出。問題是，很多人就這樣準備了一輩子，最後連一個像樣的作品都沒有留下。

AI 讓輸出的成本大幅下降，所以我們可以把輸出提前，讓它與輸入交織進行，而不是等「準備好了」才開始。但要小心，這不是叫孩子在零基礎上憑空產出。高度依賴前置知識的東西，例如數學，還是得先有輸入。重點是在能輸出的地方盡早輸出，因為輸出會逼出理解漏洞。

學英文，不一定要先背完一千個單字。可以每週錄一分鐘，介紹自己喜歡的東西。學歷史，不一定要先背完事件與年代。可以讓孩子畫一張圖，說明如果自己是當時的歷史人物，會怎麼做決策。

作品不需要漂亮。重點是孩子在主動產出的過程中，理解上的小缺口會顯露出來。這時候再用 AI、老師、書本回頭補上去，效率會高很多。

傳統教育常把輸出當成果展示。當知識取得與解釋成本都被 AI 壓低後，輸出更該被當成診斷工具。不要等孩子準備好了才輸出。輸出本身就是準備。

方向三：別再問分數，開始問問題

以前父母最熟悉的問題是：「今天考幾分？」但分數是結果，而且常常是很落後的結果。等分數出來，學習問題可能已經累積很久了。

「知識太容易取得，真正稀缺的是問題品質」這句話已經變成老生常談，但它仍然重要。父母可以每週花一點時間跟孩子聊聊：最近在課堂上，最讓你有興趣的三個問題是什麼？

一開始，孩子可能會愣住。因為他習慣被問答案，不習慣被問問題。但問久了，他會開始意識到，問題也有品質差異。

「這題答案是什麼？」是一種問題。

「為什麼這裡不能用除法？」是另一種問題。

「如果這個說法是錯的，最可能錯在哪裡？」又是另一個層次。

我當初也是這樣一層一層學過來的。

未來稀缺的是能問出好問題的人。更精確地說，是能問出讓自己和別人都被迫重新思考的人。

方向四：從全面探索，改成階段性下注

現在很多父母喜歡講多元探索。小孩還不知道自己喜歡什麼時，本來就該多看、多試、多碰一點世界。問題是，我們不能讓探索變成另一種逃避。

什麼都試一點，什麼都不上不下。每一項活動都有照片，每一個週末都很充實，可是孩子沒有真正把任何一件事做深。這很像投資裡永遠只買一點點觀察部位，卻從來不知道該如何加碼。

孩子的興趣也要分層。有些只是消費型興趣。他喜歡玩遊戲，不代表他想設計遊戲。有些是探索型興趣。他願意多問、多試，但還沒有進入長期投入。

真正值得加大資源的是「深耕型興趣」。孩子願意反覆從事，甚至願意為了它犧牲其他娛樂時間。這時候，父母就不該再幫他增加更多活動，而是要幫他砍掉雜訊，保護專注。

多元探索不是目的，它是在買選擇權。而選擇權的價值，在於有一天能轉換成集中的承諾。一直探索、從不下注，跟一直只買觀察部位、從不加碼，是同一種逃避。

方向五：設計環境，而不是親自下海

父母最常高估自己的教學能力，低估環境的力量。孩子最後學會的，大多是環境（家庭、學校、社會）真正獎勵的東西。

所以父母的工作，不一定是親自下場當全科老師。可以把自己設定成孩子的學習系統設計者。

這套系統要處理幾個問題：

家裡有沒有固定閱讀、討論和輸出的時間？孩子身邊有沒有好的同儕？他問問題時，大人是急著糾正，還是願意陪他多想一下？

我們未必需要變成最會找資源的人，但必須學會判斷：什麼資源該拿掉，什麼地方該加大投入。直到孩子夠大之後，他能夠自己去創造和分配他的資源，那就是我們該放手的時候。

▉ 真正昂貴的，是理解一個孩子

孩子不是標準品。

教育本來就不是一套把孩子送進去、等幾年後拿出成品的加工流程。那是工業化時代留給我們的想像：便宜、整齊、好管理，也讓人安心。

AI 讓大規模客製化學習變得可能。但真正的客製化，與是不是提供孩子一套更漂亮的學習選項無關。

真正的客製化，是大人願意認真看見這個孩子：他怎麼理解世界，怎麼逃避困難，哪些地方可以點燃他的興趣，內心的渴望又會在哪些地方悄悄熄火。

回到開場那個真正刺痛人的問題：「AI 什麼都會了，我們到底還能替孩子準備什麼？」

如果你誠實面對「沒人能預測哪些能力會保值」這個前提，答案很清楚。你不該把所有希望重押在某一項具體技能上。因為很多今天看起來稀缺的技能，三五年後可能就被工具吃掉一大塊。

你最穩健的下注，是那些不管勞動市場往哪邊崩壞，都會持續複利的東西：判斷力、主觀能動性、把一件事做深的能力、從挫折裡站起來的韌性，以及能讓他在需要時找到人、也被人需要的關係。

這不代表學歷、考試、名校訊號不重要。它們仍然重要，只是它們押注的是既有遊戲規則會繼續有效。但能複利的能力，押注的是另一件事：規則一定會變。不確定性越高，後者的權重越該加大。

而這些東西，AI 沒辦法替你培養。因為它們全建立在「一個大人願意持續理解這個孩子」這件昂貴的事情上。

AI 可以降低知識取得的價格，但理解一個孩子仍然昂貴。陪他試錯昂貴，保護他的好奇心昂貴；在他找到方向後，陪他把一件事慢慢做深、建立信心、撐過低潮，也一樣昂貴。

也正因為昂貴，它才是父母最該親自拿回來的東西。

我的經驗是：說這句話的人，99%不會再出現。

不是機會變少了。其實是「有興趣」這三個字，已經通膨到不值錢了。

當退出成本變成零，輕易說出口的承諾，就跟免費貼紙一樣。大家都拿，但沒人會貼在自己筆電上。

我過去寫過不少關於保留選擇權的文章。職涯、投資、創業、人生大決策，我都相信 optionality 很重要。世界變化太快，資訊永遠不完整，太早把自己鎖死在一條路上，很多時候只是提早放大錯誤。這種事在投資裡叫 all-in 錯標的，在人生裡通常叫「年輕時很有勇氣」。

所以我一直對「承諾」這個詞有點戒心。因為承諾和硬撐之間的差別，通常要到事後才看得出來。也因此很長一段時間裡，我都偏向保留選擇權：多看一點、多試一點、不要太早綁死自己。這套邏輯到今天我仍然相信，特別是在還不知道什麼值得加碼的階段。

但這幾年，另一件事也在發生：當退出成本大幅下降，輕量參與就變成廉價訊號。市場對「有興趣」已經免疫，它開始對「敢被綁住」的人重新定價。

這篇文章想說的是：在一個選擇權泛濫的時代，承諾為什麼重新有了價格。

我不想寫成那種長輩式的「年輕人要穩定一點」。因為我明白很多所謂穩定，只是沒有能力離開之後，被美化成忠誠。我想談的是在一個退出變容易、輕量參與變便宜、注意力被切碎的年代，為什麼某些高品質承諾會成為稀缺資產，以及哪一種承諾，才真的拿得到溢酬。

▉ 以前留下來是預設，現在留下來是選擇

過去的承諾不一定比較輕鬆。

一個人待在同一家公司三十年，未必是因為他多麼熱愛那份工作。很多時候只是因為選擇少、轉換成本高，社會結構也把人綁得比較緊。

婚姻、職涯、地理位置、人際網路，很多東西一旦選了，想離開就會被制度、文化和現實一起收拾。所以我們不該浪漫化過去。以前很多人留下來，是因為制度幫他把門關上；現在門開了還願意留下來的人，才比較像真的做了選擇。

也因此，過去的承諾比較不像個人主動發出的稀缺訊號。很多承諾只是社會預設值。你留下，不一定代表你特別堅定；也可能只是因為你沒什麼地方可去。

但現在不同了。

資訊取得越來越便宜。以前你深耕一個領域多年，外人很難短時間追上你的資訊存量。現在 AI 和各種資料工具讓入門速度大幅提高。一個新人未必能複製你的判斷力，但他可以很快補上基本背景、產業脈絡、競爭格局和財務數字。資訊不對稱的護城河變薄了。

退出摩擦也下降了。換工作、換城市、遠距合作、跨領域切換，都比以前容易。人際關係也更碎片化。你可以今天在這個圈子，明天換另一個圈子，後天重新包裝自己。

注意力的搶奪更不用說。以前要分心，還得自己找東西分心。現在演算法會親自端著盤子來餵你。每一個你想長期投入的事情，都在跟無數個五秒鐘就能給你回饋的選項競爭。

這三件事加起來，讓承諾從預設值變成主動選擇。

以前你留下來，未必有人覺得稀奇。現在你還願意留下來，大家會開始問：你為什麼還在？

當願意留下來的人變少，而需要長期信任的場域沒有變少，承諾就從預設值變成了訊號。這個「為什麼還在」，就是訊號的起點。

▉ 廉價訊號太多，昂貴訊號才會升值

經濟學裡有個概念叫昂貴訊號：當市場看不出誰真的有品質，一個人願意付出不能輕易收回的成本，這個成本本身就會成為訊號。文憑、品牌、保固、長期合約，都可以是這類訊號。

承諾也是一種昂貴訊號。

當你公開把時間、資源、名聲押在某個方向上，這個動作本身就在傳遞資訊：我認真，而且我認真到願意放棄一些退路。

這在今天變得更重要，因為廉價訊號太多了。輕量參與的選項越來越多：副業可以隨時開關，合作可以隨時切換，關係可以隨時更新，平台可以隨時遷移。每個人都可以說自己「對某件事有興趣」、「正在探索某個方向」、「最近開始學習」。

問題是，當所有人都能發出這些訊號，它們就開始通貨膨脹。市場對它們的反應也會越來越冷淡。

市場不缺有興趣的人。市場缺的是願意把興趣變成持續成本的人。而承諾的第一個溢酬，就來自這裡。

▉ 有些合作只會交給願意被綁住的人

承諾的第二個價值，跟信任有關。

經濟學中有一個關鍵概念，叫「資產專屬性投資」。有些投資一旦離開特定關係，就會大幅貶值。

你為某個客戶建立的客製化能力，你為某個團隊累積的默契，你為某段合夥關係投入的時間，這些東西不一定能原封不動搬去別的地方。

這聽起來有點可怕，因為它真的會把你綁住。但也正因為你被綁住，對方才敢把更深的東西交給你。

如果你隨時可以走，別人就不會把最重要的資訊、最核心的決策、最脆弱的信任放到你身上。這不是道德問題，是風險管理。沒有人會把自己的核心系統接到一個隨時可能拔線的人身上。除非那個人很愛刺激，或者單純缺乏基本求生意志。

這件事放在個人職涯、人際合作、創業合夥裡，都很明顯。一個人每三個月換一次方向，履歷看起來很豐富，但別人很難把長期合作交給他。因為你不知道他下次醒來，會不會又發現「人生還有更多可能」。

所以深度合作需要某些固定點。當願意做資產專屬性投資的人變少，能解鎖這類合作的人，就會成為結構性瓶頸。他們不一定能力最強，但他們是這段合作能不能進入深層的必要條件。

長期客戶願意給你更深的需求，合夥人願意給你更大的決策權，讀者願意把注意力交給你，學生願意把職涯困惑拿來跟你討論。

這就是第二種溢酬：你不是比較會說服別人，你是變成了那個結構需要的人。

▉ 注意力複利，不能像定存一樣放著

承諾的第三個價值，藏在注意力複利裡。

某些回報曲線，需要連續輸入才會啟動。

以寫文章為例。一週寫一篇、寫五年，跟「想到才寫」、也寫五年，產生的回報差異不是線性的。前者建立的是讀者的閱讀習慣、自己的思考肌肉、議題之間的交叉發酵，以及長期觀察的時間序列。後者比較像一堆獨立文章的集合。不能說沒有價值，但很難形成同一種累積。

研究一個產業也是如此。每天追蹤、每季更新，跟「對這個產業有興趣，偶爾看看」，差異也不會是線性的。前者建立的是模式辨識能力。你會慢慢知道哪些變化是雜訊、哪些是訊號、哪些管理層在講場面話、哪些細節暗示結構轉折。後者建立的是資訊存量，但不一定會形成判斷力。

這跟金融複利不同。金融複利可以暫停、可以分散。注意力複利不行。停下來不只不會繼續長，已經建立的肌肉會萎縮，已經建立的關係會疏遠，已經建立的訊號也會被市場忘掉。

這個機制讓承諾和「連續性」綁在一起。能夠長時間維持注意力連續性的人，在這個年代很稀缺，因為他對抗的是整個演算法工業每天送來的拉力。

能對抗這個拉力的人，才有機會取得別人累積不了的東西。

▉ 承諾跟硬撐，在事中難以分辨

到目前為止，這篇文章聽起來像是在鼓勵承諾。但這裡有一個問題必須先處理，否則整套論述就會變成另一種心靈雞湯。人類文明已經有夠多雞湯了，實在不需要再加一鍋。

成功的人回頭看，他經歷的過程叫 J-curve；失敗的人回頭看，他花出去的精力叫沉沒成本。殘酷的是在事情發生的當下，這兩種人做的事可能完全一樣。

整個承諾敘事很容易被倖存者偏差扭曲。我自己也是這種偏差的產物。我還能寫這篇文章，還有人願意讀，部分只是因為我沒有死在荒原中段。在另一個時空裡，我可能早就被別的機會吸走，今天也不會有這篇文章，更不會有人聽我談「承諾為什麼升值」。

所以前面三個機制只說明一件事：承諾可能有溢酬，但不保證你的承諾拿得到。

承諾最危險的地方，是它有時候會替沉沒成本穿上一件很體面的外套。有些事情就該放棄，而且越早越好。錯的方向、爛的合作、萎縮的市場、消耗你但不滋養你的關係，繼續待著不會讓你變偉大，只會讓你變成一個更會替自己找理由的人。

▉ 承諾可能有溢酬，但不保證你拿得到

雖然承諾和硬撐很難在事中分辨，我自己會看三件事，來判斷一個承諾是否有機會在長期拿到溢酬。

第一，這個承諾有沒有變成外界看得見的訊號？

這是訊號型承諾。

它的溢酬來自昂貴訊號的稀缺性。你說你要做一件事，別人是否真的看見你付出代價？如果你只是心裡很想、私下準備、偶爾提一下，那比較像願望，不像承諾。

這種承諾的好處是訊號清楚，壞處是你必須交付。訊號發出去了，後面卻沒有實質執行跟上，市場會重新定價你，而且通常不會太溫柔。

第二，你有沒有站到某個結構裡的瓶頸位置？

這是結構型承諾。

它的溢酬來自協調賽局裡的瓶頸位置。你變成某個結構必須仰賴的固定點，而這個結構因為你的存在，能進入更深的合作。

你可以問自己：如果我退出，這段合作、社群、客戶關係或專業網絡，是否真的會受到影響？還是我只是自我感覺重要，別人很快就能找到替代品？

這種承諾的風險在於，你可能站在一個正在萎縮的結構裡。就像你是船上最重要的水手，但船正在沉。你的角色很重要，並不代表你不會一起被拖下去。

第三，你有沒有產生可被辨識的累積？

這是複利型承諾。

它的溢酬來自連續輸入所產生的能力或關係累積。這種回報曲線通常是非線性的：前期看不出差異，後期差異才會放大。

你可以問自己：過去一年，我有沒有留下作品、客戶、收入、判斷紀錄、合作邀約，或別人對我的評價變化？

如果完全列不出來，那就要小心。時間過去，不等於累積發生。有些人說自己在一個領域深耕十年。仔細一看，只是把第一年的經驗重複了十次。這不叫複利，這叫原地踏步踏得很有歷史感。

這三種承諾的風險並不一樣。

訊號型承諾失敗的下檔比較淺：你可能被視為說過大話的人，但你還是你，能力都在，可以換方向重來。

結構型承諾失敗的下檔中等：你的時間可能花在一個隨時塌掉的結構裡，但累積的技能仍可能有移轉性。

複利型承諾失敗的下檔最深：你可能在錯誤方向上累積了十年高度專屬的能力，而這個能力到了別處會嚴重貶值。

下檔越深，事前判斷就越需要保守。但即使事後失敗，不對稱性也不一定對你不利。複利型承諾的上檔之所以大，正因為它的下檔也大。只有能清楚替風險定價的人，才適合做這類承諾。

▉ 值得被綁住的，與不值得被綁住的

這篇文章不是寫給所有人。它比較適合已經有選擇權的人。你有能力換工作、換題目、換城市、換合作對象，所以你才需要思考：我是不是該放棄一部分退路，去換更深的東西？

如果一個人還沒有選擇權，他的第一件事不是承諾，而是先建立選擇權。沒有籌碼的人太早承諾，只會被困住。

好的承諾，不是把選擇權燒掉。它是用一堆便宜、短期、看起來很自由的選擇權，去換少數更深、更慢、更難被複製的選擇權。

而承諾的回報，也未必是你最初想像的那種。它常常不是你在原本目標上的成功，而是在留下來的過程中，意外接到一個原本不知道存在的機會：一個新的合作夥伴，一個十年前根本無法預測的窗口，一個二十年寫作累積到某天突然產生不對稱回報的時刻。

這個過程不浪漫。它要求你在報酬遞減的中段不離開，要求你在沒有掌聲的時候繼續做，也要求你接受承諾可能不會兌現的風險。

但留下來的代價，確實會換到一個輕量參與者拿不到的東西：你變成了某個結構裡的固定點。而世界對固定點的需求，目前看起來還沒有飽和。

值得被綁住的事情，可以通過前面那三類判準的篩選。不值得被綁住的事情，再多努力都只是延長迷路時間。

中間的差別，沒有人能在事前完全分辨。

但承諾和硬撐的差別，在於你能不能讓自己每隔一段時間就重新檢查一次：

我是在累積，還是只捨不得承認自己迷路了？

我站在瓶頸位置上，還是瓶頸正在乾涸？

我發出去的訊號，有沒有實質執行跟上？

能持續問這個問題的人，才有資格談長期。拒絕問的人，只是在替沉沒成本找一個比較好聽的名字。

市場沒有共同意志。它是一堆玩家的集合：long-only、hedge fund、CTA、market maker、dealer、ETF、散戶、主權基金，每個人的時間尺度、風控限制、部位方向和交易目的都不一樣。

當然，停損點集中的價位、整數關卡、均線、前高前低，這些地方本來就容易形成流動性。大型資金也會選在有量的地方進出，因為要成交，就得有人接。但這跟「有一群人能預判所有散戶的預判，刻意拉高殺低」是兩回事。

前面描述的是市場結構，而後者講的是神話。我們必須把這兩件事分開。

尤其以現在市場的深度，還有許多大型個股動輒數千億、甚至兆美元級別的市值，要說某一批資金可以長時間決定價格往哪裡走，其實非常不合理。

大型資金當然可以造成短期衝擊。再平衡、避險、停損、選擇權 dealer hedge，都可能在某些時間點放大波動。但那比較像是資金流、槓桿和市場結構互相擠壓，不是某個「主力」長期控制全場。越大的市場，越難靠單一意志維持價格。短期可以擠壓，長期要維持一個錯誤價格的成本是非常高的。

而在流動性差、free float 少、籌碼高度集中的股票裡，大資金確實能扮演接近「主力」的角色（如果那個是某些人想像中的「主力」的話）：短期影響價格、製造氣氛，甚至自己畫出一段漂亮的 K 線。

但能影響價格，跟靠它穩穩賺錢是兩件事。這件事我在前後兩份工作裡都看過，甚至也親身感受過（不是太好的經驗）。

你可以把價格拉上去，最後總得有人願意在更高的價位接走你的貨；你可以把價格打下來，市場若真的沒人肯賣，你也收不到足夠的籌碼。

這個遊戲要玩得好，得會用題材、利多、動能或是其他任何方法，引出一批你能預判反應的人。他們可能是散戶，也可能是其他法人；有時候，被引出來的那個人就是你自己。這就是市場。

更麻煩的是，當別人知道你手上壓著一大批貨要出，或你急著建立部位，你自己就成了場上最明顯的獵物。大家都知道你需要量，於是提前卡位、反向交易，等你不得不動手時才跟你報價。

如果這種「主力」有賺到錢，很多時候也不是因為他能穩定操控市場，而是因為他承擔了一條外人看不見的左尾風險。部位越大，選擇權越少；籌碼越集中，退場越難。你以為主力在操控市場，很多時候，他只是被自己手上的部位推著走。對這件事有興趣的人，可以去讀一下 Hunt 兄弟操控白銀市場的故事：能把價格推上去，不代表最後能全身而退。

但回到「主力」這個說法，我覺得它真正厲害的地方，是能在精神上同時餵飽兩種人。

對賠錢的人，主力是最好用的稻草人。我不是判斷錯誤、不是部位太大、不是風控失靈、不是看不懂市場結構。是主力太壞、主力洗我、主力故意殺我。這個解釋讓人比較容易面對錯誤，因為它把責任從自己身上搬走了。

對另一種人，主力是慾望的投射。他們相信螢幕後面真的坐著一群人，握著所有籌碼、看穿所有散戶、決定價格往哪走。於是「主力」變成金融版的 master of the universe：只要我看懂他、跟上他，有天甚至成為他，就能站上食物鏈頂端。

賠錢時，它給你一個怪罪的對象；想賺錢時，它給你一個崇拜的對象。一個概念能同時滿足這兩種需求，難怪殺不死。

把大資金壓在某支標的上的投資人，被手上那批出不掉的股票綁架；追主力的散戶，被腦子裡那個叫「主力」的故事綁架。兩個人都以為自己握著某樣東西，到頭來都被那樣東西推著走。

你以為自己在追蹤主力，其實很多時候只是在追蹤自己的恐懼與貪婪。

投資裡很多危險的東西，一開始都很合理。PEG就是其中之一。

它聽起來很聰明：PE只看本益比，PEG把成長率也放進來。高PE的公司，如果成長夠快，未必昂貴。

問題是「成長」可能是估值裡最難的事。成長的速度、品質、持續時間、資本需求、競爭耗損，以及最後有多少能轉成自由現金流，這些都很複雜。PEG 卻只用一個簡單的 G，就把它們全部塞進分母。

你以為自己處理了成長。其實你只是把炸彈藏起來，然後告訴自己很安全。

自從Peter Lynch普及這個想法後，PEG成了成長股投資人的標配。雖然 Lynch 是一位偉大的投資人，但不代表他使用的工具就適合每一種人。

對基本面投資人來說，評估一個估值工具，最重要的是它能不能幫你逼近企業內在價值，能不能提供安全邊際。用這個標準看，PEG 的問題很大。

但如果你做的是動能交易，賺的是市場重新評價的斜率，那麼 PEG 對基本面投資人的缺點，反而可能變成它的用途。知道自己是哪一類投資人很重要。而我下面談的危險，主要是針對那些把 PEG 當成內在價值錨的人——這也正是它最常被誤用的地方。

▉ 在挑剔 PEG 之前，先問那個規則是怎麼來的

大部分人用 PEG 時，通常會默認一個簡單規則：小於 1 算便宜，大於 2 算貴，接近 1 算合理。

但我們可以先問一個基本問題：這個規則背後，到底有什麼證據支持？

「PEG 等於 1 才合理」從來不是估值理論推導出來的結論，它只是 Lynch 在書裡提過的一套方法。Lynch 當然是偉大的投資人，但這不代表他提出的每個規則都必然正確。人可以偉大，公式也可以粗糙，這兩件事不衝突。

要看清這點，得先回到更前面的問題：一家公司的合理本益比，到底由什麼決定？

在估值邏輯裡，合理 PE 至少取決於幾件事：成長有多快、能維持多久、需要多少再投資、增量 ROIC 多高，以及公司的風險與折現率。這些變數彼此影響，PE 對成長率的反應也不是一條直線。這不是 PEG 那條簡單除法能處理的。

同樣是「PEG = 1」，套在不同公司身上，代表的意義可能完全不同。如果市場相信一家公司的成長可以長期維持，而且資本回報率很高，它的估值倍數可能被大幅重估。你拿同一條刻度去量它們，量出來的東西其實沒有可比性。

更麻煩的是，PEG 幾乎完全無視風險。

兩家公司成長率一樣、PE 一樣，算出來的 PEG 也一樣。但一家生意穩、現金流可預測；另一家踩在高槓桿和激烈競爭上，隨時可能翻車。這兩家的內在價值差很遠，合理 PE 本來就不該一樣。可是 PEG 會給你同一個數字，因為它的公式裡，從頭到尾就沒有「風險」這一欄。

所以不只是 PEG，PE 也是一樣。這些估值倍數都不該被當成可以直接比較高低的尺。某家公司 PE 高，不代表一定貴；某家公司 PEG 高，也不代表一定不合理。真正該問的是：市場為什麼願意給它這個倍數？這背後隱含了什麼樣的成長品質、持續時間、資本回報率與風險假設？

一家公司 PEG 很高，但如果它的成長能維持很久、ROIC 很高、現金流品質很好、競爭優勢也穩，高 PEG 未必荒謬。反過來，一家公司 PEG 很低，但成長來自低基期、景氣反彈、一次性因素，或必須靠大量資本投入才能維持，那低 PEG 也未必便宜。

估值倍數真正有用的地方，不在於直接告訴你答案，而是逼你反過來拆解市場正在相信什麼，再判斷那個相信有沒有道理。

▉ PEG 看似在檢查估值，其實常常只是重複共識

PEG 的下一個問題，是它很不穩定：分子和分母都很容易動，而且通常會一起往壞的方向動。

假設一家公司股價 300 元，明年 EPS 預估 10 元，PE 是 30 倍。市場預期未來三年 EPS 年複合成長率是 30%，所以 PEG 是 1。這個數字看起來還算合理——至少在事情變壞之前。

結果某一季財報出來後，管理層下修展望。明年 EPS 從 10 元降到 8 元，PE 立刻從 30 倍變成 37.5 倍。更麻煩的是，分析師通常不會只下修明年 EPS。他們會重新檢視未來幾年的成長假設。原本預期三年成長 30%，可能變成 20%，甚至 15%。

這時候 PEG 不會從 1 稍微變成 1.2，而是可能直接跳到 2 以上。

這才是 PEG 最麻煩的地方。它看起來像估值工具，實際上經常變成盈利預測修正的放大器。當市場對盈利預期稍微改變，PE 和 G 會一起出問題：分子變大，分母變小，原本看起來合理的估值，可能一季之內完全變臉。

你以為自己看到的是「成長相對便宜」，其實只是剛好站在盈利預期還沒被下修的時間點。

敏感只是表面，底下還有更難察覺的問題。

一檔高 PE 股票，本來就隱含市場願意為它的未來多付錢。這個「未來」可能包括高成長、長續航力、高 ROIC、低風險，或更穩定的現金流品質。換句話說，PEG 在做的事，是拿「價格裡已經包含的未來期待」，去除以「分析師預估的成長」。

麻煩在於，這兩個成長數字並不是獨立得來的。市場價格和分析師預估，讀的是同一份財報、同一場法說、同一個景氣循環。情緒好的時候一起樂觀，情緒一轉也一起下修。它們本來就同源。

兩個會一起動的東西相除，很難擠出共識以外的新資訊。PEG 看起來像在幫你檢查「成長有沒有反映在價格裡」，但它的尺，也就是分析師的 G，和被量的對象，也就是價格隱含的成長，常常來自同一批人、同一種情緒。

所以 PEG 比較像是把共識換個算法再講一遍，而不是一個獨立裁判。

市場裡很多看起來便宜的成長股，最後並不是靠股價上漲修復估值，而是成長率被下修，於是原本以為的便宜直接消失。

這種便宜很脆弱。

▉ G 看起來是數字，其實是故事

PEG 的第三個問題是：「成長率」到底要看多長？

用明年的成長率嗎？太短。

很多公司明年的 EPS 成長率很高，可能只是低基期、庫存回補、價格調整或匯率影響。拿明年的成長率當估值分母，有點像在鬆動的土壤上蓋樓。不是不能蓋，只是你最好知道地基有多脆。

那用三年 CAGR 呢？聽起來合理一些。

但一旦你用三年成長率，其實已經隱含一個重要假設：你相信這家公司未來三年有結構性成長能力。

這個假設本身就需要被測試，不能只靠財報模型裡抓一個數字解決。你必須理解產業滲透率有多低、競爭格局是否穩定、產品週期走到哪裡、管理層執行力如何，最後還要判斷這些成長有多少能留下來，變成股東價值。

那五年成長率呢？

五年後的成長假設，已經接近一種商業模式判斷，甚至帶有很強的信念成分。這時候 PEG 分母背後藏的，已經不是一個數字，是一整套敘事。

你選一年、三年、五年，結論可能完全不同。一個估值指標如果會因為分母選法不同，就得出截然不同的判斷，那它可能不適合被當成答案，頂多只能當作提醒。

▉ 成長不是免費的

PEG 還有一個缺陷：它容易讓人忘記，成長是有成本的。

兩家公司都成長 20%，價值可能差很多。

一家公司只要增加軟體授權、提高使用率、讓既有客戶多買一點服務，就能成長 20%。它不需要投入太多資本，也不需要大幅增加庫存、應收帳款或固定資產。如果這種成長又搭配高留存率、高毛利率、高自由現金流轉換率，當然很有價值。

另一家公司也成長 20%，但它要蓋新廠、招更多業務、擴大庫存、延長帳期、提高補貼，甚至靠降價維持成長。表面上的 EPS 增長也許漂亮，背後吃掉的卻是更多資本和更低的未來回報。

PEG 很難分辨這兩件事。它只看到成長率，卻看不到為了取得成長付出了什麼代價。

所以投資人不該只問一家公司能不能成長，更要問它怎麼成長。這個成長的增量 ROIC 高不高？超過資金成本多少？成長帶來的現金流是真的留給股東，還是又被下一輪擴張吃掉？

成長本身沒有價值。超過資金成本的成長，才有價值。

如果一家公司用很低的增量 ROIC 換來高成長，PEG 可能會把危險包裝成便宜。這是它最糟糕的地方：它不只忽略風險，有時候還會獎勵風險。

▉ PEG 容易高估爆發力，低估續航力

PEG 這個估值工具有一種青春期偏見：它迷戀速度，對耐力缺乏想像力。

一家公司未來三年每年成長 30%，但三年後競爭者進來，價格體系崩壞，利潤率下降，成長消失。另一家公司未來三年只成長 10%，但可以穩定長十年，資本需求低，現金流穩，競爭優勢也不容易被打掉。

只用 PEG 看，前者通常更有吸引力。但哪一個真的更值錢，取決於兩者的 ROIC 和終值。PEG 容易放大市場原本就有的偏差：高估爆發力，低估續航力。因為它的分母只認當下速度，卻看不見速度能撐多久。

這點在很多高品質公司上特別重要。有些公司看起來沒有爆發性成長，但能穩定把資本投入高報酬項目，長期維持超過資金成本的回報。這種公司用 PEG 看，可能常常顯得很貴。

但如果它現金流品質高、商業模式穩、競爭優勢長、管理層資本配置紀律好，投資報酬未必差。因為它真正值錢的地方，是可以長時間把資本放在高報酬率的位置上複利。

這種價值，很容易被 PEG 忽略。

▉ PEG 是動能工具，不是估值錨

講了這麼多 PEG 的缺陷，但它不是一無是處。比較精準地說，PEG 適合用在公司接近或剛越過 S 曲線轉折點的時候：營收和盈利開始放量，市場對未來幾年的成長預期還在上修，商業模式也正從故事逐漸變成財務數字。

如果一家公司剛好進入盈利加速期，市場對它的成長預期還在修正，PEG 會很有吸引力。它能幫助投資人意識到：這家公司雖然 PE 看起來高，但如果未來幾年的盈餘預估還在上修，現在的估值也許沒有表面上那麼貴。

這是 PEG 比較有用的時候，也正好說明它的性格。

PEG 比較像一個適合動能投資的估值指標。它適合拿來觀察市場是否正在重新評價一家公司的成長斜率，但不適合拿來當長期價值的錨。因為只要成長率預期反轉，它就會立刻從「便宜」變成「其實很貴」。

它的強項是敏感，弱點也是敏感。

就像短天期均線可以讓你更快抓到趨勢，也會讓你更容易被雜訊甩出去。PEG 可以讓你快速捕捉成長股的估值動能，也會讓你在成長預期反轉時，承受劇烈的估值修正。

所以它絕對不適合當成衡量安全邊際的指標。PEG 比較像警報器。警報器可以提醒你附近可能有火，但它不會告訴你這棟房子值多少錢，更不會保證你跑進去是安全的。

▉ PEG 可以當提醒，不能當結論

PEG 適合當一個粗略提醒：這家公司相對於市場預期成長，看起來是不是太貴或太便宜？拿它做初步篩選，問題不大。

真正危險的是，把 PEG 當成估值結論，甚至當成安全邊際。看到 PEG 小於 1，就覺得便宜；看到 PEG 大於 2，就覺得太貴。這種用法太簡化，也太粗糙。

投資裡很多錯誤並非來自完全不懂，而是來自過度相信一個簡化版本，然後忘了它的適用範圍。PEG 就很容易製造這種錯覺。

它讓你覺得自己已經修正了 PE 的缺陷，其實只是把最難的問題藏進分母。它讓你覺得自己已經考慮了成長，其實還沒真正問清楚：成長從哪裡來？能持續多久？要付出多少資本？最後有多少會變成自由現金流？

比起 PEG 這個工具，我寧願花時間多問幾個更笨但更重要的問題：

這家公司未來的成長，是結構性的，還是週期反彈？

這個成長需要多少資本投入？

增量 ROIC 有沒有超過資金成本？

成長最後會變成現金流，還是被下一輪擴張吃掉？

競爭者會不會被高成長吸引進來？

市場現在的股價，已經反映了多少期待？

如果成長率下修，估值還撐得住嗎？

這些問題沒有 PEG 那麼簡潔，也不會給你一個漂亮的數字。不過投資本來就不該過度迷信漂亮的數字。

投資裡最貴的錯覺，往往都是太早以為自己已經知道。而真正有用的估值工作，需要認清哪些複雜不能被壓縮。

成長，通常就是其中一種。

你打開社群，馬上就會看到一整排提醒：別人這一波股票賺了多少錢，別人 AI 已經用到多厲害，別人的小孩英文多好、數學多強、履歷做得多漂亮，連假日都安排得像一份精密的人生企劃書。

看久了以後，你很難不懷疑自己。我是不是太慢了？我是不是錯過了什麼？我是不是還不夠好？

這就是焦慮最容易變現的地方。它只要拿一小段真實的成功案例放在你面前，剩下的心理折磨你自己會自動補完。

這個世界上，確實有人股票賺很多；AI 真的有人用得很好；小孩教育真的有人規劃得很細；職涯也真的有人跑得很快。

最厲害的焦慮商品，通常都建立在真實之上，然後把別人的局部成果，剪輯成你人生落後的證據。更麻煩的是焦慮很容易偽裝成上進。你以為自己是在追求進步，其實是在逃離那個「我好像輸了」的感覺。

所以很多人愈學愈累，愈看愈慌，愈努力愈沒有方向。因為他真正想買的不是課程、不是工具、不是報告。他想要的是一個很短暫的心理止痛藥：我好像還有在追趕。

同樣看到別人做得很好，有些人會被點燃，有些人會被壓垮。這跟個性和抗壓性不一定有關，更關鍵的是，你心裡還相不相信：「我可以先做一點點」

焦慮的聲音是：「你完蛋了，你落後太多了」

渴望的聲音是：「你還沒到，但你現在可以開始」

這兩者看起來都會讓人行動，但一個像被追殺，一個是想往前。

焦慮驅動的人行動裡面有一種倉皇。他會不停看別人在做什麼，急著複製別人的路徑，買別人買的東西，學別人學的工具，追別人追的題目。每一次外界出現新的風口，他都像被點名一樣緊張。

渴望驅動的人也會羨慕，也會有壓力，也會知道自己差很多。但他比較能把外界的刺激，翻譯成自己的進度。他不會問「我是不是又落後了」，而是問「這件事跟我現在的路有什麼關係？」

前者在跟世界比速度；後者在替自己找方向。差別不在快慢，在你追的到底是不是你的東西。

不管是上週末跟曼尼吃飯，或是今天早上幫一個新創團隊做教育訓練，我最近一直聊到「焦慮」這個題目，同時也在想同一件事：如果真的要做一個內容品牌，或者一個社群，它不該只是販賣焦慮。雖然那個方向一定比較好變現，但這不太像我真正想做的事情。

也許真正值得做的事情，是建立一種信念。一種不被比較感牽著走的信念。

這種信念不會告訴你：「你已經很好了，所以不用努力。」

它應該說：「你還可以變好，但不需要討厭現在的自己。你可以追求進步，但不用拿別人的速度凌虐自己。你可以欣賞別人的成功，但不要把別人的高光時刻，拿來當自己的人生判決書。」

好的內容，不該只讓人覺得自己不夠好。好的教育，也不該只讓人害怕被淘汰。它應該讓人重新生出一點點「我也可以開始」的感覺。

你不一定會成為最前面那群人，甚至可能努力了很久，也只是比原來好一點點。但那一點點不是沒有意義。特別是人生很多時候，就是靠這種很小、很慢、很不起眼的進展，重新把自己從焦慮裡救回來。

我知道有人會說，賣信念也是一門生意。

沒錯。

只是賣焦慮的，會要你一直回來買下一帖止痛藥。渴望才會讓人真的自己開始往前走。我大概也是在傳一種教，差別只在我希望相信我的人，最後可以不用再信我。

前幾週聽到曼尼和 Angela 在 Podcast 最後聊到這個問題，我覺得實在太有趣了，忍不住多想了一下。

很多人喜歡說自己中庸或是務實。可是不管「務實」或是「中庸」這兩個詞，都很常被誤用成高級版的保護傘。只要我說自己務實，我就不必太早表態；只要我說自己中庸，我就可以不承擔判斷錯誤的尷尬，在所有陣營旁邊維持一種優雅的觀察姿勢，等到贏家出現，再不著痕跡地加入他的陣營。

我自己認為，這個問題的關鍵不在「中庸」本身，而在「變動劇烈的時代」這個前提。

在絕大多數情境下，保持彈性與務實，確實是一種成熟。但當世界正在劇烈變動，機會往往不會等到所有證據都出現，才溫柔地通知你可以開始判斷。因為等到大家都看懂，有利的位置也差不多被分完了。

所以我更傾向相信，在高不確定的時代，人應該主動把自己變成某個未來的參與者，而不是永遠只當評論者。這種行為也可以是一種中庸。

▉ 中庸與鄉愿，承平時容易混為一談

真正的中庸，從來不是站在中間，也不是誰都不得罪。傳統裡有一個很有意思的詞叫「鄉愿」。大概可以理解成那種看起來溫和、端正、合群，實際上只是很會順著風向移動的人。他看起來有分寸、能看見多方代價，其實只是很怕出錯，而且不想承擔任何代價。這也是中庸最容易被誤會的地方。

真正的中庸不是固定站在光譜中間，而是找到一種「動態分寸」：它會隨著情境、時機、代價與證據的變化，調整自己該站的位置。

承平時代，環境變化慢，鄉愿和中庸的外觀看起來很像：都溫和、穩健、不激進。所以鄉愿可以長期偽裝成中庸。

但當時代一轉彎，差別就出來了。

真正有分寸的人會跟著現實變化調整位置，必要時甚至會移動到一個看起來很鋒利的地方。反過來看，鄉愿這時候就藏不住了，因為它只會跟著風向移動。這種人沒有判斷時機的能力，只有判斷風向的能力。

所以變動時代不是中庸的劣勢，應該說是鄉愿的劣勢。與其問「該不該中庸」，倒不如思考「你以為的中庸，是不是其實只是比較體面的逃避」。

不過我們也要認清，不急著表態，不等於鄉愿（雖然兩者外觀看起來很像）。謹慎的等待者有自己的判斷機制，只是還沒看到夠好的機會。就像Buffett 和 Munger 說自己一輩子都在等 fat pitch。他們是有立場，而且選擇不亂揮棒。就像真正的研究者說「暫時沒結論」，也不是逃避，而是探究過程中的中繼站。

鄉愿的「沒立場」則是結構性的。他等的是贏家，不是證據；保留的是無責任感，不是彈性。這種連判斷的機器都沒有，卻把這種空白包裝成中庸，才是我認為最大的問題。

鄉愿在相對穩定的時代裡可以過得去。因為世界的主要規則沒有太大改變，只要在既有秩序裡做優化，少犯錯、守紀律、慢慢累積，通常就會有不錯的結果。

可是在轉折期，報酬結構會變。穩定時代獎勵的是優化能力，轉折時代獎勵的是方向判斷。這兩件事背後要求的心理素質完全不同。

優化能力需要謹慎、節制，不要太快相信新東西。方向判斷則要求你在資訊不完整時，先形成一個暫時的世界觀與假說，然後用行動去測試它。你不可能等到所有資料都確認後才下注，因為「所有資料都確認」那一天，往往也是超額報酬消失的那一天。

在劇烈變動的時代，最差的位置不是反對，也不是支持，而是沒有形成可行動的假說。投資如此，職涯如此，創業如此，內容創作也如此。

▉ 立場是動員工具，也是定時炸彈

我們平常講立場，常常把它看成一種意見表達：你支持 AI，認為它會帶來下一個繁榮；或反對 AI，擔心它的副作用遠高於收益。你看多某個產業，或看空某個趨勢；你相信某個商業模式，或懷疑它只是泡沫。

但在劇烈變動的時代，立場不只是意見，它也可能變成資源動員工具。正因為某個未來還沒有成形，誰能說清楚它，誰就有機會參與塑造它。這就是「論述權」的價值。

如果仔細觀察 Jensen Huang 這幾年所扮演的角色，與其說他是一位巨型科技公司的 CEO，不如說他更像一位 AI 傳教士。他不是只在賣 GPU，也不是只在推銷 NVIDIA 這家公司。他一直在描述一個世界：AI 會成為新的基礎建設，企業會建立 AI factory，算力會變成下一代工業生產力的核心。

這些話背後當然有商業目的。但如果只把它看成行銷，就太小看這件事了。當他反覆說這個故事，客戶會開始擔心自己落後；工程師會想加入這個浪潮；供應鏈會開始加速擴產；資本市場會願意提前資本化這個未來；政府也會開始把 AI 算力放進產業政策的語言裡。

同樣的邏輯，也可以在 a16z 身上看到。a16z 表面上是一家創投，但它很早就不是傳統意義上只負責開支票的資本機構。它更像是「資本＋媒體＋人才網路」的混合體：一方面下注某些未來，另一方面也持續生產關於那些未來的語言、內容與信念。

它經營 podcast、文章、影片、活動與社群，甚至曾經推出自己的科技出版物 Future（雖然後來收掉了）。這些嘗試說明了在科技產業裡，資本除了在尋找下一個趨勢，也在試圖取得描述下一個趨勢的權力。

對 a16z 來說，論述權不是行銷部門的裝飾品，而是投資能力的一部分。當它反覆談論 crypto、AI、deep tech，這些內容不只是觀點輸出，也替某些賽道建立可被人才、創業者、LP、媒體與政策圈辨認的未來想像。

一個敘事如果被足夠多人相信，資源就會往那裡流。資源一旦往那裡流，原本不確定的未來就更有機會被推成現實。這就是標準的「自我實現的預言」：未來不是單純被預測出來的，而是被動員出來的。

這也是為什麼，在變動時代，立場會變得非常重要。

但這個機制也有一個常被忽略的前提：敘事是放大器，不是發動機。Jensen 的論述權不是因為他很會講故事，而是因為他站在一個已經擁有產品、市場份額、開發者生態與供應鏈位置的節點上。沒有位置的敘事只是觀點，而有位置的敘事才可能變成資源調度。當基礎不夠穩固時，同樣動人的敘事，反而可能放大成 Theranos、WeWork、FTX。同一個機制，向上能造王，向下也能毀掉一整個產業。

相較之下，「不表態」表面上看起來很安全，因為它避免了被嘲笑的可能。但同時，你也放棄了被資源辨認的機會。沒有人知道你相信什麼，也沒有人知道可以把什麼機會交給你。你成了一個很理性、很客觀、很不麻煩的人。

問題是資源通常不會流向「不麻煩」。資源會流向那些讓人相信未來可能發生的人。

在真正重要的變動上，論述權會變成一種槓桿。你不是只在追求「看起來正確」，你也在讓資源知道：如果這個未來真的發生，為什麼你值得被看見，為什麼非你不可。

▉ ​ 光想清楚不夠，要被「看見想清楚」

進一步思考，變動時代我們不一定缺少「有正確判斷」的人，最後拿到關鍵地位的更常是「在判斷被驗證的那個時刻，正好被看見」的人。

2016 年買 NVIDIA 的人很多，但只有少數人現在被當成 AI 先知。誰最早買可能沒那麼重要，誰拿的住而且在2022 到 2023 年那個關鍵窗口，公開談過自己的論點，才是大贏家。

就像 Buffett 在 2008 年金融危機中公開在報紙上發表了一篇《Buy American. I Am.》評論，重要的不只是他買了什麼，而是他把自己的判斷放在所有人恐慌的時刻，公開接受檢驗。那不是一般意見表達，而是信用資產的動員。他用幾十年累積的聲譽，替一個逆勢判斷背書。

在變動時代，「想清楚」與「被看見想清楚」是兩個獨立的技能，後者甚至更稀缺。

但被看見可不是表演式搶答。真正有價值的被看見，是你在不確定時提出過可檢驗的理由，並且願意在錯的時候留下紀錄。否則那就只是聲量套利，網路上已經太多這種東西了。

▉ 下注之前的三個前置問題

所以這篇文章不是在說，每個人都應該對每件事選邊站。因為那會變成販賣焦慮的另一種形式。

我想強調的是，世界變動越劇烈，越不該把所有新聞、技術、風口都當成自己必須回應的人生命題。多數趨勢跟你無關，少數趨勢會改寫你的能力、位置和報酬結構。真正難的是分辨兩者。

真正值得下注的，通常只有少數幾個：它跟你的能力圈有關，跟你的資源位置有關，也跟你願意承擔的長期身份有關。多數事情保持觀察就好。你需要花時間確認的，是在那些真正會改變你人生報酬結構的轉折上，你不會把沒有判斷包裝成成熟。

但在那之前，還有一個更根本的問題要先處理：我怎麼知道現在是不是真的變動時代？

過去三十年，市場上至少有十幾次被宣稱是典範轉移的時刻，多數事後看來只是被誇大的炒作週期。1999 年人們相信新經濟，2017 年相信 ICO，2021 年相信元宇宙。在這些時刻 lean in 的人，多數沒有拿到方向紅利，反而被高位套牢。

真假變動時代有沒有可辨識的特徵？市面上沒有一套統一的標準，但我自己會看三個訊號：

第一，是否出現新的基礎建設或成本曲線變化，而不只是多了一個新應用。

第二，是否吸引原本不屬於這個領域的頂尖人才、資本與企業客戶持續遷徙和投入。

第三，早期參與者的收益，究竟來自真實生產力與現金流，還是主要依賴後來者用更高價格接手。

前兩個訊號回答的是「這是不是結構性變動」，第三個訊號回答的是「這個變動是不是已經被泡沫化」。

很多時候真變動和泡沫會同時存在。1999 年網路是真的，但估值也是真的瘋了；2021 年區塊鏈有些底層創新也是真的，但大量項目的賺錢方式，也確實接近擊鼓傳花。

接著，當我繼續思考這個題目時，又碰到了第二個疑惑：如果世界劇烈變動，所以我們要更有立場、更主動下注，那為什麼投資裡常常說，當波動率大幅上升，反而要縮小部位，確保長期活著更重要？這兩件事不是互相矛盾嗎？

我後來覺得比較好的答案是：這個矛盾來自於我們常常把兩件事混在一起——認知上的集中，和資源上的 all-in。

高波動時縮小部位，是因為你承認自己可能錯，而且錯的時候代價很大。這是風險管理。

但在劇烈變動時形成更清楚的立場，是因為你需要提高學習速度，也需要讓自己的注意力、時間、關係和資源有方向感。這是認知管理。

這兩件事可以同時成立。你可以在認知上更集中，在財務上更分散；你可以在論述上更鮮明，對某個方向高度投入，同時在下注上更克制，不把自己推到一次錯誤就出局的位置。

很多人一談到立場，就以為要 all-in。這大概是社群時代留下來的壞習慣。演算法喜歡堅定，群眾喜歡口號，旁觀者喜歡看人衝進火場的戲劇性。於是大家慢慢誤以為，有立場就要破釜沉舟、沒有退路。

就像你可以相信 AI 會重塑很多產業，卻不代表要把全部資產押在一檔 AI 股票上。這兩件事如果分不清楚，人生就很容易把自己的熱血變成一場災難。

高波動時，真正該放大的不是單筆部位，而是學習部位、選擇權部位、關係部位與論述部位。

學習部位是投入更多時間理解新世界。

選擇權部位是用小成本買入未來可能性。

關係部位是更靠近正在建構新秩序的人。

論述部位是更清楚地說出自己相信什麼。

你要靠近變動的現場，讓自己更容易碰到新機會。也要讓別人知道你正在思考哪種未來，同時保留修正能力，避免被一次誤判而掃地出門。

這些做法跟投資裡的部位管理並不矛盾。所以高波動時，不該做的是加槓桿賭身家；該做的是提高暴露度，但控制毀滅風險。這句話放在人生裡也成立。

還有一件事，比「有沒有下注」更重要：你準備持有這個立場多久？

短持有期的立場可以多、可以錯、可以換；長持有期的立場必須少、必須深，而且必須能承受被當眾證偽的代價。

最差的位置就是把長持有期的代價，加在短持有期的立場上。隨手宣告自己看好某個趨勢，幾個月後被打臉，才發現自己其實沒準備好承擔這個身份。

▉ 小蝦米和造局者，勇敢的代價不一樣

在思考我們該更有立場，還是保持彈性時，還有另一個因素必須考慮：你到底是價格接受者，還是局部造局者？

如果你只是市場裡的小投資人，面對巨大波動，你的論述再漂亮，也很難改變市場方向。你可以有看法，但市場不會因為你有看法就配合你。這時候縮小部位、保留現金、降低槓桿，是相對理性的選擇。

但如果你是創業者、經營者、內容創作者，或組織裡的關鍵推動者，你的位置就不同了。

你未必能改變整個世界，但你可能可以影響一群人的注意力，影響一小塊資源的配置，影響某個團隊對未來的想像。這時候，立場就開始有現實價值。因為你不是只在承受世界，你也在小範圍地塑造世界。

對一個創作者來說，沒有立場就沒有辨識度。對一個創業者來說，沒有立場就很難招募到最適合的人才。對一個組織領導者來說，沒有立場就很難讓團隊在混亂中知道該往哪裡走。

所以碰到這類決策時，我們可以先問自己幾個問題：

在這件事上，我有沒有能力影響現實？

如果有，我要用什麼論述去動員資源？

如果沒有，我要怎麼控制部位，避免被別人的敘事捲走？

同樣是 lean in，對不同位置的人來說，背後承擔的是三種完全不同的數學。

價格接受者 lean in，做的是承受現實，做不了創造現實。他的報酬主要來自市場已經給定的價格變動，押得越重，曝險越大。

局部造局者 lean in，報酬分布會開始變形。因為他影響的不只自己的部位，還包括跟著他移動的人與資源。做對時，上行報酬會被指數級放大；但做錯時，信用成本也會被放大。

系統級造局者 lean in，則不只是承受報酬分布，而是有能力改寫報酬分布本身。

先搞對自己的位置，是做出正確決策的第一步。不然就會發生一種戲劇性的悲劇：明明只是市場裡的一隻小蝦米，卻用改寫世界的姿勢衝進去。

▉ 務實有兩種：跟隨現實，以及創造現實

所以務實到底是劣勢還是優勢？我覺得要分成兩種。

第一種務實，是永遠問：現在什麼最安全？什麼最容易被接受？什麼最不會得罪人？什麼最符合既有規則？這種務實在穩定時代很有用，因為穩定時代的報酬來自優化既有規則。

但在劇烈變動時，這種務實會讓你永遠慢半拍。因為等到「大家都確認」時，資源、位置、品牌、心智佔領，通常已經被別人拿走了。

另一種務實則是：我先選一個暫時相信的世界觀，然後用現實快速測試它。它會問：

什麼觀點現在看起來太早，但已經有少量支持證據值得測試？

什麼能力現在看起來沒有標準職缺，但未來可能變成核心生產力？

什麼敘事現在還在爭議中，但一旦資源流入，就可能自我強化？

這種人不會把自己變成狂熱信徒。他只是願意比別人早一點承認：今天的常識，常常是昨天的偏執成功以後留下來的殘影。這也是為什麼我認為，在劇烈變動的時代，最有價值的狀態是：帶著假說行動，帶著紀律下注，帶著證據修正。

這種能力的困難在於，它同時要求兩種互相拉扯的素質。你要夠偏執，才有辦法看見還沒被共識承認的東西。你也要夠冷血，才有辦法在證據變差時砍掉自己的偏執。

如果只做到前半段，就會變成信徒。如果只做到後半段，就會變成旁觀者。

▉ 變動時代最差的位置，是鄉愿

回到最初的問題：在變動劇烈的時代，當一個中庸之道的人，是優勢還是劣勢？

我自己的答案是：中庸不一定會失敗，但沒有假說的人非常危險。這不是要每個人都選邊站，也不是要把所有猶豫都打成懦弱。真正重要的不是立刻選邊，而是不要用中庸之名，讓自己永遠沒有判準、沒有測試、沒有更新。

如果中庸代表你能看見多方代價、控制風險、避免被單一敘事綁架，那它仍然是一種高階能力。但如果中庸只是讓你永遠不必選擇，永遠不必承認自己看好什麼，永遠不必承擔被公開嘲笑的風險，那它會變成一種慢性失血。

你每天都沒有犯大錯，也還能指出別人太樂觀或太悲觀。可是幾年後回頭看，你沒有累積出任何一個方向的深度，也沒有在任何一個平行時空裡被選中。

人不需要每件事都有立場。但在人生少數真正重要的變動上，如果你永遠站在旁邊，永遠等到塵埃落定，永遠把不表態叫作務實，那你可能不是在降低風險。你只是在把風險延後，延到某一天才發現世界已經甩開你往前走了。而你保留下來的，只是一個沒有下注紀錄的自己。

當我在寫這篇關於「該下注」的文章時，我其實也正在用文章本身執行一次下注，甚至可能是在說服自己「此刻我正在下的那個注是對的」。所以寫這篇文章的過程，我也反覆問自己：我是找到了動態分寸，還是在替自己的鄉愿找一個比較好聽的名字？

如果讀者讀完後，也願意把這個問題丟回自己身上，這篇文章就達到了我原本的目的。

時代轉彎時，最重要的能力是知道自己要對哪一種未來負責。

但這裡還有一個沒有處理的問題：就算你現在同意這些原則，真正做決策的那一刻，你未必會照著做。高代價的信任決策，很少發生在最冷靜的時候。它通常發生在中篇結尾說的那些狀態裡——壓力、誘惑、連勝自信、沉沒成本，一起發生的時候。

所以這篇不再談更多判斷框架。框架再漂亮，到了現場用不出來，也只是紙上談兵。這篇想談的是另一件比較不討喜的事：

你能不能在自己還清醒的時候，先替未來那個可能不清醒的自己，把規則、配額和紅線設好？

這個想法聽起來可能有些保守，但我覺得它是一種對人性的基本尊重。你知道自己不是每一刻都可靠，所以不把所有決策權交給當下的自己。

要看懂這件事，最好的切入點是一個極端案例：詐騙。因為它把信任系統最脆弱的地方放大給你看。

▉ 一個極端案例：詐騙集團在攻擊什麼

多數人以為詐騙是「騙你相信一個假的東西」。

但詐騙集團真正做的事情更精細。他們不只是讓你相信某句話，而是重新佈置你的整個判斷環境，讓「降低門檻」這個動作本身看起來變得合理。用中篇的貝氏語言來表達：他們同時污染你的先驗和似然。

先驗那一刀，是偽造一個高機會密度的環境：「這個內線只給你」、「這個名額今天截止」、「這檔股票下週要飆」。當你以為自己身處一個充滿真機會的場域，大腦會自動把門檻往下調。因為錯過的代價看起來太高。但真正的機會密度，即使不是零，也遠低於對方替你營造的樣子。

似然那一刀，是先讓你得到幾次小成功：你贏了幾次錢、準時收到回款，建立一條看起來像獨立驗證的訊號鏈。這些訊號看起來像獨立驗證，其實全都來自同一個劇本。對方知道你會更新判斷，所以專門餵給你一串高度相關、卻看起來彼此獨立的訊號。這就是假性更新的極端版本。

很多受害者並不是單純因為笨或貪才被騙。更接近現實的說法是，他們在一組被污染的輸入下，做出一連串看似理性而連貫的決策。

從這個角度看，坊間很多防詐建議都有侷限，像是：「看到可疑訊息請冷靜思考」、「遇到內線請多方查證」。因為它們假設你在被攻擊的當下，還保有足夠清醒的判斷力。問題是，詐騙集團挑的正是你不清醒的那個窗口。

他們不會在你剛睡飽、喝完咖啡、拿著筆記本準備做風控的時候出現。他們會在你焦慮、想翻身、想證明自己、想幫家人、想抓住機會的時候出現。

所以「提高警覺」有用，但它不能當成最後防線。真正比較穩的做法，是把一部分判斷從當下移到事前。在你還沒進入那個被設計好的情境之前，先把規則寫好。

▉ 真正的危險，是進入了別人的篩選函數

大部分人都相信，自己碰到簡單的詐騙絕對不會上當——這也許是對的。但這個系列要處理的問題，從來不只是詐騙。

當一個人累積了一些資產、聲望、人脈或專業身份，他會慢慢進入一個新的處境。各式各樣的機會開始主動出現：朋友介紹的案子。圈內流傳的私募投資。看起來很合理的跨界合作。某個專業領域裡「內行人才知道的標的」。這些大多不是詐騙，甚至很多都是真的機會。

也正因如此，它們比詐騙更難處理。因為它們不像威脅、沒有明確的壞人、沒有粗糙話術、沒有一眼看穿的破綻。介紹人可能是你尊敬的朋友，pitch deck 做得漂亮，背景查得到，裡面甚至有幾個你認識的人。所有訊號看起來都很正向。

真正的危險在更前面一層：你的先驗被污染了。

你看到的機會變多，不代表世界突然變得對你更慷慨了。有時候只是你變成了一個「被機會尋找的標的」。這兩種狀況表面上一樣，可是內在完全不同。前面是你站在高機會密度的環境裡，而後面是你被放進了別人的機會密度裡。而那個密度，不是好機會的密度。那是別人需要你的錢、時間、名聲、資源，或社交背書的密度。

所以當一個機會主動找上你，你第一個要問的問題不該是「這個機會好不好」，而是「為什麼是我?」。

這個問題很刺耳，但絕對有效。它逼你多想一下：我提供的，是資本、專業、人脈、名聲，還是單純容易被說服？

然後再追問機會本身：如果這真的是稀缺好機會，為什麼它需要這麼努力找錢？如果最懂的人都在裡面了，為什麼還缺我這一份？

這些問題常常比你花時間建立財務模型去分析這個機會更有資訊量，也能替你省下很多學費。

▉ 主動機會與被動機會是兩個不同的東西

處理這種狀況的核心原則，是把機會在源頭分成兩類，用完全不同的邏輯對待。

主動機會，是你主動搜尋、研究、追蹤來的。你先定義自己要什麼，再到世界上找符合條件的標的。被動機會，是對方主動找上門的。

主動機會當然也有偏差。你可能找得不夠廣，可能只看自己熟悉的領域，也可能只篩出符合自己偏好的東西，但至少那個偏差來自你自己。你知道偏差在哪裡，也比較有機會修正它。

被動機會的偏差，則由別人決定。是對方的篩選函數把你選進來，而你通常不知道那個函數長什麼樣子。你以為自己在篩選機會，只是很多時候，是機會背後的人先篩選了你。

我自己那筆教育股滑鐵盧，用這個分類回頭看就非常清楚。它是券商介紹到我面前的。接觸之後所得到的後續訊息，包括管理層觀點、公司策略、營運數字解讀，也大多由對方選擇呈現給我。整條訊息鏈，我多半站在被動接收端。

但當時我不覺得自己被動。我覺得自己是帶著產業認知在主動評估它。這個自我認知，讓我把一個本質上的被動機會，誤認成主動研究的延伸。

如果當年我問過自己一個問題：「沒有券商介紹，我會自己花這麼多時間研究這家公司嗎？」答案很可能是不會。那個「不會」，就應該觸發完全不同的部位配置邏輯。

▉ 三池結構：讓配額決定機會，而不是讓機會決定配額

面對主動機會與被動機會，最簡單的處理方式就是將它們事前分類，不要等機會來了才決定它該拿多少資源。因為等它真的出現在你面前，它已經帶著故事、介紹人、情緒壓力和錯過恐懼一起進場了。

一個簡單的三池結構可以這樣設計：

* 核心池(60-70%)：只接受你主動研究的標的。即使有人推薦看起來很棒的機會，也必須通過「我自己會不會主動找到它」這個測試。如果答案是不會，它就不應該進核心池。

* 探索池(20%)：你可以研究新領域、新策略、新類型的合作，但前提是你先決定要探索這個方向，再主動去找標的。不要因為剛好有人介紹你一個案子，就突然覺得那個領域值得探索。

* 被動池(10%)：專門給主動找上門的機會。比例不大，但它承認有些被動機會，偶爾確實值得試。只是滿了就是滿了，再好的機會也不加碼。

這裡的比例可以因人而異。重點不在那組數字，而是你必須事前分類不同來源的機會，而且它們不共用同一個部位上限。被動找上門的機會，不能和你主動研究出來的機會，拿同一個資源池。

這個結構的價值，是把「要不要相信這個機會」這個困難的當下判斷，轉化成「這個機會該放進哪個池子」這個簡單的分類判斷。判斷維度從「好壞」變成「來源」，而來源比較難被操縱。因為你自己知道這個機會是你找到的，還是它找到了你。

當一個被動來的機會你真的覺得很好，正確的動作不是加大配置，而是把它轉化成主動研究的對象。先把它丟回去，你自己從產業、從替代標的重新研究一輪，看看你主動搜尋一圈之後，是否還會回到這個標的。如果會，它升格進入核心池；如果不會，它頂多進被動池的小配額。

這套邏輯不只適用於資本。時間、名聲、情感、人脈、職涯機會，任何稀缺資源都可以分池管理。分池之後，進入單一決策時，還需要三道欄杆。

▉ 第一個欄杆：機會密度錨點

上篇談過信任門檻要不要調，取決於你身處的機會密度。但問題是，當機會主動來找你，你對機會密度的感受已經不可靠了。它可能早就被對方建構過。

解決這個問題的方法不是要你懷疑每一個機會，那種態度容易讓你錯過真機會。真正該做的是在日常清醒狀態下，先替自己建立一套機會密度的基準值。

舉例來說，你所在的領域裡，真正的大機會通常多久出現一次，合理報酬率大概落在哪裡？以你的資源、能力與位置，正常會被邀請進什麼規格的案子？如果有人說這是十年一次的機會，它到底有多像過去那些真正的十年一次？

這份基準值平常看起來沒用，但關鍵時刻它是一個錨點。當有人替你營造一個高機會密度情境，你不需要當場判斷對方是真是假。你只要比對這個機會的密度，和我事先寫下的基準值差多少？差距越大，越可能是被建構出來的情境。

老練的投資人比較不容易被離譜報酬率型的投資詐騙騙到，因為他們通常對合理報酬率有一個內化的錨點。任何偏離錨點太多的機會，第一反應都是先退後，不是急著下判斷。

▉ 第二個欄杆：可回復性紅線

不只詐騙會扭曲你對退出代價的評估。任何你已經投入時間、感情、聲譽的合作，都可能在某個時點冒出一句很危險的話：「再加碼一次，就能把前面的拿回來」。

這句話一出現，沉沒成本往往已經開始接管你的判斷。

比較好的應對方法，是事前設定不可跨越的紅線，而且最好同時有兩種形式：絕對金額與部位比例。

絕對金額處理的是生活安全感。這筆錢賠掉後，會不會影響家庭、現金流和基本自由度？部位比例處理的是組合紀律。單一人、單一案子、單一公司、單一非公開機會，最多能佔整體資產多少？

為什麼一定要有絕對金額？這是因為比較基準很容易被情境操縱。就像當有人跟你說：「再投十萬，就能把前面的五十萬拿回來」在那個情境裡，這句話看起來很理性，好像十萬可以拯救五十萬。

但其實你真正該問的是：「我今年願意在任何單一未經驗證的機會上，最多損失多少？」如果答案是五萬，那第一個五十萬早就越過紅線了。後面的十萬，只是你在越線後替自己找的一個理由。

當一個決策開始靠「再加碼一次就能回收」來說服你，無論它聽起來多合理，都應該觸發自動停損。真實世界的好機會幾乎從不需要用「沉沒成本回收」的邏輯來說服你。這就像交易員的停損紀律：進場前設定、碰到就執行，最好不要在虧損最痛的那一刻，再臨時跟自己開會。

▉ 第三個欄杆：識別非對稱分割

上篇談過，可分割性是三個變量裡最精妙的一個，同時它也最容易被武器化。詐騙會利用它。商業合作會利用它。任何想取得你信任的人，都可能自覺或不自覺地利用它。

最實用的判斷問題只有一個：「這些小成功，是我主動測試出來的，還是對方端到我面前的？」如果小成功是你主動設計測試、主動驗證出來的，信任可以逐步加碼。但如果小成功是對方安排給你看的，信任不該因此增加，甚至應該下降。因為對方展示出來的「可靠」，本身就是經過選擇的訊號。它可能仍有資訊量，但不能被當成獨立驗證，更不能直接拿來支持加大部位。

這個原則放到商業合作也成立。對方主動鋪排的誠意，不應該構成信任基礎。真正有資訊量的是對方在非表演情境下自然留下的行為。就像我們去看房子的時候都知道樣品屋不能當成房子的全部，你要看的是下雨之後，牆角會不會滲水。

▉ 為什麼知道規則的人還是做不到

講到這裡，聰明的讀者大概會發現：上面這些欄杆，邏輯上都不難懂。但真正能機械執行的人很少。為什麼？

我想這是因為大部分人會把問題歸因成「我就是不夠自律」，但其實自律不是這裡最大的瓶頸。真正的瓶頸是事前設定規則這個動作，會觸發三筆大多數人不願意付的心理成本。

第一筆，是自我認知的謙卑稅。

當你在平靜時寫下「任何超過 X 金額的合作我都要冷靜考慮 72 小時」，這個動作的潛台詞是：我知道未來會有一個版本的我，在某個情境下，做出比現在更差的判斷。這是一種很不舒服的自我承認。

我們都傾向相信自己穩定、一致、值得信賴。承認「未來的我會被情境扭曲」，等於承認自己的判斷力不是常數。它會隨著壓力、誘惑、身分、人情、連勝、自尊而波動。

多數人寧可事後承認「我當時被騙了、被情緒沖昏頭了」，也不願意事前承認「我早就知道自己可能會這樣」。前者是一次失敗，後者是對自我的結構性貶抑。

這也解釋了為什麼有些高度自信的人，反而最抗拒事前規則（在投資領域特別多）。他們的人格不允許自己做出「我不完全信任未來的我」這個動作。但諷刺的是正是這種自信，讓他們在壓力下毫無防護。

第二筆，是身分價值的降級稅。

對很多事業有成的人來說，「我能在複雜情境下做出好判斷」，本來就是身分認同的核心。專業工作者、領導者、投資人、創業者，都很容易把自我價值綁在判斷能力上。

事前規則要求他們放棄當下判斷，機械地執行過去設定的規則，就等於體感上的身分降級：我從一個判斷者，變成一個執行者。

所以你會看到一個很常見的畫面：聰明人讀完防詐文章、投資紀律、決策規則後，點頭稱是。到了真實情境裡，依然選擇當下判斷。他們沒有忘記規則，但問題是遵守規則，會讓他們失去展現判斷力的舞台，而那個舞台對他們的身分太重要。

真正懂得使用規則的人，會把身分認同放在另一個地方。他享受的不是當下的明智，而是重視事後回看時，系統確實能保護自己。

第三筆，是預演拒絕的情緒稅。

事前設定規則的本質，是在一個還沒發生的情境裡，預先體驗一次拒絕。當你寫下「我不會把錢借給任何親戚」的那一刻，你就必須想像某個真正遇到困難的親人向你開口，而你拒絕了他。你必須提前感受那個場景的重量。

所有試圖操縱你信任的人都深諳此道。他們永遠在「當下情境」裡提出請求，因為他們知道人在當下比在事前更難拒絕。事前拒絕是抽象的，當下拒絕是具體的。具體的拒絕對人來說痛苦得多。

能夠事前設定規則的人，本質上是那些願意承擔抽象痛苦來換取具體保護的人。這是一種很稀有的心理能力。

回頭看那筆教育股決策，當時的我這三筆稅一筆都沒付：我對產業的判斷力太有信心，不覺得需要替未來的自己架任何欄杆。「我看得懂這個產業」是我當時的身分認同，把決策交給機械規則在體感上像是對這個身分的否定。設定紅線意味著要預先想像「拒絕一個看起來很好的機會」的自我折磨——那個場景在當時看起來毫無必要，畢竟我又不是在防詐騙。

結果我把所有的帳，都累積到了後來那場虧損的那一刻。一次付清，再加上巨額的本金損失。

▉ 第三層成熟：把判斷交給事前結構

把三筆稅放在一起看，會浮現這個系列最根本的問題。

上篇談的是第一層成熟：信任門檻能動態調整。中篇談的是第二層成熟：看清這個調整工具本身也會失準，並學會在它的輸出上打折。

第三層成熟，處理的是另一個問題：你信不信未來那個在壓力或其他外部影響因素下的自己，還是可以做出理性決策？

如果你信他，你就會把決策留到當下。不需要事前規則、不需要配額制、不需要任何欄杆。

如果你不信他，你就必須在此刻、在還清醒的時候，替他架好所有的欄杆。別把這個當成軟弱。你會這麼做，正是因為你對人性有足夠的理解：知道任何人在特定情境下都會失控，包括未來的自己。

第三層的成熟，是從第一種信任過渡到第二種信任。

這個過渡，往往來自某次代價足夠高、但還沒高到毀滅性的失誤。那次失誤讓你看見自己在壓力下的真實模樣。從此以後，你開始對「當下的自己」保持一種健康的不信任。這種不信任不是自我貶抑，那是一種更高階的自我照顧。它讓你願意用此刻清醒的自己，去保護未來那個可能不清醒的自己。

走到這一層的人，不會被詐騙集團的把戲吸引太久，也不會在那些合法但錯配的機會、漂亮但不屬於你的邀約、看起來像好運其實是別人篩選函數送來的誘惑前停留太久。

他們玩的是另一個遊戲。不要求每一次都判斷正確，只確保自己即使判斷錯，也不會被一次錯誤帶走。

那才是信任最接近自由的狀態。

這些要估計的東西，幾乎都沒有明確標價，也不會寫在紙上。更令人感到麻煩的是：就算我可以把這些概念量化，我又怎麼知道自己腦中那套判斷工具，本身是不是早就失準了？

我那筆失敗的教育股投資，最讓我不甘心的地方不是我完全沒做功課。現實狀況剛好相反，我的研究做了、訪談做了、財務數字看了、管理層也接觸了。每一個動作在當下都說得通，甚至如果你只看研究流程，還會覺得挺完整。

多年後回頭看，真正的問題不在於研究流程少了哪一步，而是我用來解讀這些資訊的方式，已經被過去的成功、同源的訊號，以及對自己方法的過度信任悄悄帶偏了。

這篇要處理的，就是這套工具如何在三個地方失靈。

▉ 第一層失靈：先驗錯配

貝氏推論裡有一個概念叫「先驗」。就是你在看到眼前這個個案之前，心裡早就有一個起始判斷：這類事情通常是什麼樣子？它大概有多少機會？我過去碰過類似的東西，結果怎麼樣？

你以為自己是從零開始判斷，但多數時候不是。而我那筆教育股的決策，最早出問題的就是先驗。

我把它看成「教育股」，但真正該看的，是「一對一線下教育」這個更窄的子集合。因為教育產業不是一塊均質的土地。課後輔導、職業教育、外語培訓、一對一線下教育，名字都是教育，但裡面的競爭結構卻可能差很多。客戶怎麼來、老師怎麼管、獲客成本怎麼燒、規模經濟要何時才能展現、價格戰會不會拖垮毛利，每個子領域都不一樣。

我當時沒有真正停下來問一個很笨、但很重要的問題：「這一次的遊戲，和我之前贏過的那些遊戲，到底有多像？」

我把過去在幾個子領域累積的經驗和假設，默默搬到一個結構不同的新場域。我以為自己站在一個中性的起點上去評估一家公司，但那個起點可能早就被之前的經驗移動過了。

這就是第一層失靈。​

▉ 第二層失靈：假性更新

​第一層錯在起點，第二層錯在證據。

​我跟那家公司管理層的互動很密集。從第一次見面到最後下重注，中間有過多次面對面會議、營運據點拜訪、一對一電話，也反覆討論財務數字和營運指標。每一次互動後，我都覺得自己更了解這家公司。

​但後來回頭看，我高估了這些互動帶來的新資訊量。

​有效的更新，不代表每個證據都要完全獨立（現實世界沒那麼乾淨）。但你至少要知道，這些訊號彼此之間有多高的相關性。如果三十次互動，都來自同一批人（CEO和CFO）、同一套敘事、同一個上市前的利益結構，那它們不能被當成三十次獨立驗證。

​它們有資訊量，只是遠低於我當時感受到的信心增長。

​這家公司管理層沒有造假。他們分享的數字、對產業的看法、對策略的描述，是他們真心相信的東西。可是真正棘手的地方就在這裡：沒有人明顯說謊，所以我的警報器沒有響。

​更糟的是，同一個故事透過不同形式反覆出現。從 CEO 講產業趨勢，到 CFO 解釋營運數字，再到公司安排好的分校參訪，每個場景都長得不一樣。形式變了，底層訊號卻高度同源。它們都被同一套上市敘事篩選過。

​這就是假性更新。你以為自己在學習，其實只是待在同一個回音室裡越坐越深。

​判斷假性更新，有一個很簡單的問題：我看到的訊號裡，有幾個是對方無法預期、無法準備、也無法選擇性呈現給我的？

​或者用更直接的方式問自己：我有沒有主動去找會讓這個故事難看的資料。像是競爭對手怎麼說、不配合這套敘事的營運訊號、過去類似公司的失敗案例？

​如果答案接近零，那再多會議、再多電話交流、再多看似深入的互動，都不代表你更接近真相。你只是更熟悉那個故事。​

▉ 第三層失靈：連續成功讓人忘記外推折扣

​第一層錯在起點，第二層錯在證據，第三層錯在對自己方法的信任。

​那次失敗之前，我剛在教育股上連續贏了幾次。而每一次成功，都讓我更相信自己的產業研究方法：拆解商業模式、看財務指標、接觸管理層、對照競爭格局。

​可是我忘了問一件事：「這套方法在這個新場景裡，還有同樣的辨識力嗎？」一套方法曾經有效，也許是因為它剛好碰上一個適合它發揮的場景。

​一對一線下教育這個生意的問題，藏在一些很難被短期研究完整捕捉的地方：老師供給的穩定性與擴張性、課程品質的一致性、分校擴張後的管理折損。這些東西需要時間和壓力測試才會浮現。

​而我面對的是一個 IPO。沒有太多歷史數據可以挖、有時間壓力、所有訊號都被刻意整理過。管理層會講最完整的故事，財務數字會呈現最好的階段，券商也會協助把公司放進一個最容易被理解的框架裡。

​我原本那套研究方法，在有歷史紀錄、有時間慢慢看的場景裡確實有用。但搬到 IPO 這種訊號被高度建構的場景，它的辨識力其實大幅下降。我當時沒有意識到這個差別。

​所以我後來深刻體會到，過去成功可以證明一件事：你在某些場景裡可能有 edge。但它不能證明你的 edge 可以自動搬到所有相似場景。

​多數人連勝之後，對自己方法論的信心會線性甚至指數級上升。但更穩健的做法，是把信心分成兩層看。我在原本場景裡可能真的有優勢，但這個優勢能不能外推到新場景，要另外打折。

​連續成功並非自動調高信心的理由，而是提醒你檢查外推條件。

​▉ 第二層成熟：會校準自己的判斷器

​上一篇說，第一層成熟是門檻能動態調整。這一篇談的是第二層成熟：你要檢查那套用來調整門檻的工具。

​從第一層到第二層的轉變，是從「我會判斷」走到「我會校準自己的判斷」。多數聰明人卡在第一層，因為成功經驗讓他們相信自己的判斷器很準。

​第二層要求你在最有把握的時候多問一句：我之前判斷正確，到底是因為我真的有優勢，還是因為我剛好站在一個適合自己的場景裡？

​這個問題會把成功的光環拆掉一部分。但成功如果沒有被拆解，下一次就很容易變成錯誤的燃料。這裡還有一個多數人不會去問、卻很重要的問題：你拿什麼來校準你的判斷器？

​如果你拿過去經驗校準，你的判斷器本來就是過去經驗塑造的，等於用同一套東西檢查同一套東西。如果你拿成功案例校準，成功案例最容易讓你以為自己的方法有效，但其實可能只是場景配合得好。如果你拿身邊人的意見校準，身邊人多半跟你的世界觀重疊，所以他們認同的東西不代表是對的。

​你會發現，多數「校準」其實沒有真的在校準。它只是讓你對既有判斷更有信心。而真正能校準你判斷器的，幾乎都來自一個共同特徵：它讓你不舒服。

​一個跟你立場相反但講得有道理的人；一個你不喜歡但實際表現超出你預期的對手；一次你準備充分卻仍然失敗的決策；一個你本來看不起的對象後來證明你錯了。這些都會讓你的判斷器產生輕微的不適感。而那個不適感，才是它正在被重新校準的訊號。

​所以反過來說，如果你最近所有判斷都讓自己越來越舒服、越來越順、越來越覺得「我果然看得很準」，那通常要擔心判斷器是不是把所有會挑戰它的訊號濾掉，只留下那些會強化它的訊號。這是沒有在進步，甚至正在退化的跡象。

​真正在校準自己的人，會主動找一點讓自己不舒服的訊號。沒有人需要把人生過成反省馬拉松，但判斷器只有在被挑戰時才有機會更新。一個從來沒被挑戰的判斷器，無論看起來多準，都只是在重複過去。

​▉ 重倉前，先問自己五個問題

​看清這三層失靈之後，就可以回頭重新看部位該怎麼定。

​投資和賭博裡有一個經典概念叫 Kelly criterion。這裡不打算展開數學公式，只借它最核心的精神：部位大小不能只看勝率，也要看賠率結構。

​同樣是七成把握，成功能讓你上一個台階、失敗只是回到原點，和成功只多賺一點、失敗卻會讓你十年翻不了身，應該對應完全不同的部位。

​放到信任場景，多數人的直覺只問前半段：我有多相信他？但真正決定部位的，還有後半段：這次信任如果對了，我得到什麼 vs. 如果錯了，我失去什麼，以及我這個判斷本身有多可靠。

​所以在下重注前，我現在會先問自己五個問題：

​* 第一，我的信心來源有多分散？它是來自多個彼此獨立的資訊源，還是同一套敘事在不同場合反覆出現？

​* 第二，這次決策的上行與下行是否對稱？最壞情境下，我失去的是錢、時間、名聲、關係，還是再試一次的資格？

​* 第三，我看到的驗證訊號，是自然發生的，還是被安排給我看的？對方有沒有能力預期、準備、選擇性呈現這些訊號？

​* 第四，我最近是不是處在連勝期？如果是，這次的新場景和過去成功的場景，關鍵條件到底有多像？

​* 第五，如果這個判斷錯了，我能不能活下來再試一次？

​這五個問題不會給出一個精確的部位數字。它們真正的作用，是防止你把沒有想過的變量直接當成不存在。

​很多高代價的信任失誤，不是某個變量算錯，而是有兩三個關鍵變量根本沒進入腦中。我那筆教育股決策，五個問題裡至少四個沒過。但我當時根本沒問。

​▉ 最大的風險不是外面的壞人

​那筆教育股決策過了很多年，我才看懂它不只是一次投資判斷失誤。表面上，我是看錯了一家公司。長期敘事沒有兌現，護城河比想像中薄。

​再往下看，我是看錯了結構。我以為自己還在熟悉的高機會密度場域，實際上已經進入一個競爭邏輯不同的新子領域。我以為自己累積了很多驗證，實際上多數訊號都來自同一個源頭。

​更深一層的錯誤，是我看錯了自己的判斷狀態。

​過去的成功讓我太快接受「我懂這個產業」這個前提，也讓我低估了新標的和舊經驗之間的差異。我不是沒有做研究，卻誤用一套已經被成功經驗校準過的工具，去量一個結構不同的東西。

​所以「他可不可信」只是一半的問題。另一半同等重要的問題是：我此刻在做這個判斷時，用的是什麼樣的工具？這套工具是不是已經被過去經驗悄悄帶偏？

​但看懂這些仍然不夠。因為人在狀態好的時候，總覺得自己下次會記得。現實比較殘酷。下一次真正上牌桌時，壓力、誘惑、連勝自信、沉沒成本一起上來，你未必還能保持理性。

​所以真正可靠的做法，是在自己還清醒的時候，先把欄杆架好。而最後一篇要談的，就是這件事：怎麼設計一套機制，讓自己即使在外在干擾因素下，也不至於做出毀滅性決策。

這個問題很古老。從面相、識人術、到 FBI 教的微表情判讀，每一代都有自己的工具。大家都想從某個眼神、某句話、某個細節裡，看出對方到底是什麼人。

這種努力不能說沒用。但它把信任過度簡化成一道是非題：可信，或不可信。

我後來發現，真正讓人付出高代價的信任錯誤，通常不是你完全看錯一個人。更常見的情況是，你讓這個人、這家公司、這段關係，或這個機會，影響了太多你的資源：錢、時間、名聲、情感、職涯選擇、機會成本。你交出去的越多，信任部位就越大。

我投資生涯裡最糟糕的一次決策，就發生在我對一個產業最有信心的時候。

在職涯前期，我花了很多時間研究中國教育產業，包括課後教育、職業教育、外語教育。我做了扎實的primary research，像是實地調查、訪談、建立產業人脈。這些功課曾讓我在幾檔教育股上替公司賺到錢，也讓我開始相信，自己越來越看懂這個產業的邏輯和關鍵成功因子。

後來，有一家做一對一線下教育的公司準備到美國 IPO。透過券商介紹，我跟這家公司的管理層越來越熟。我們會交換對產業趨勢的看法，討論公司策略，也會聊一些營運數字該怎麼解讀，對方也非常願意聽我的建議。那種「我雖然是外部投資人，但已經非常接近內部視角」的感覺，讓我覺得自己擁有極大的資訊優勢。

所以IPO 時，我推薦基金經理人下了大注。

IPO 後，這家公司連續兩季交出不錯的成績單。這也在我的預期之中。因為教育業的費用預收模式，業績可見度通常至少有三到六個月。但很快，競爭開始反映在營運指標上，財務數據也跟著下滑，尤其是在現金收入上。

事後回頭看，一對一線下教育的競爭結構，遠比我當時想像得脆弱：差異化有限、營運槓桿低，價格戰一來就很難防守。這些問題我本來應該更早看出來，但當時我沒有。

我被之前在教育股上的成功困住了。我把過去幾次做對的經驗，拿來替這一次背書。更糟的是管理層的真誠讓我降低了懷疑。

有時候這才是最麻煩的地方。騙子講的故事通常有破綻，真心相信自己故事的人，講起來反而更有感染力。當你也很想相信那個故事時，它聽起來就不再只是願景，而像是已經被驗證過的事實。

後來我一直想，這到底算我看錯人，還是研究做得不夠？

但那家公司的管理層談不上誠信有問題。他們努力、投入，也真的在做自己相信的事情。我的研究深度，以當時市場標準來看也應該算是前段班。真正的錯，應該是出在部位。

而那次損失不只是資金損失。我推薦基金經理人買進時，押上去的不只是錢，還有我的判斷、產業理解、以及公司內部對我的信任。基金虧損是可以慢慢補回來的，但押在我身上的信任，要重建就困難得多。

我後來花了幾年，才比較清楚地看懂這件事。

這其實不是一個單純看錯人，或研究不夠充分的故事。那是我把一個本來只值得中低部位測試的標的，誤判成可以重倉下注的機會。從我認識這家公司管理層到 IPO 推薦下大注，前後不過幾個月。我用一段太短、樣本太少的關係，替一個需要長期觀察才能驗證的部位決策做了背書。

▉ 識人術解不了部位問題

如果你去書店翻翻，關於如何判斷一個人可不可信的書，至少有幾十本。我第一份工作的避險基金，甚至花了幾萬美金，請前 FBI 專家來幫我們上一整天 workshop。目的只有一個：讓我們在跟管理層互動時，能從蛛絲馬跡中取得資訊優勢。那是一堂非常有趣的課。

最精緻的識人術，其實已經不再天真地假設「人格是穩定不變的東西」。它承認人在不同情境、不同壓力、不同誘因下，會展現出不同面貌。但即使到了這個層次，我們努力追問的還是同一組問題：他是什麼樣的人、他在什麼情境下會怎麼反應、他的訊號透露了什麼。

而真正的盲點就在這裡。

將焦點全都放在對方身上，本身就是一個偏誤。你拚命想多了解一個只能間接觀察的人，卻忘了自己這一側有很多結構可以設計。

一個人可不可信，並不單純來自他身上的某種穩定屬性。同一個人在不同壓力、誘惑和處境裡，可能會表現出完全不同的樣子。你看到的那個誠懇體面的朋友，也可能在特定財務壓力下，做出你認不得的事。更麻煩的是，就算你對一個人的判斷八成是對的，你仍然可能在合作裡虧掉一大筆錢。

我當年投資那家教育公司，就是這個道理的活教材。管理層是真誠的，團隊是努力的，公司也確實在運作。我對人的判斷沒有出現重大錯誤，但這些判斷仍然沒能幫我避開損失。

原因很簡單：問題不只在他們是什麼樣的人，也在我願意把多少資源押在他們身上。換句話說，這不該是一個零與一的決策（完全不信任 vs. 完全信任）。

看人再準，也不會自動告訴你該押多少資源。這就是識人術解不了的部位問題。

▉ 信任其實是一個部位決策

做投資的人都知道，一個決策的結果，不只取決於標的本身有多好，也取決於你押了多少。同一檔股票，佔你總資產的 2%，和佔你總資產的 50%，是完全不同的兩個東西。再好的標的放在錯誤的部位上，都可能變成災難。

這個道理也完全可以應用在信任問題上：信任不是一個判斷題，信任是一個部位決策。

而且這裡說的信任，不只是相信某個人會不會騙你。更廣一點看，信任是你願意讓一個人、一家公司、一段關係、一個機會，影響你多少資源。

所以真正要問的問題是「在這件事上、這個時間尺度內，我願意把多少資源投入進去？」。當你把問題從「是否信任」，轉成「信任到什麼程度」，整個決策結構就變了。

想通這一層，就能解釋很多第一眼看起來不合理的事。

有些人看起來對誰都有戒心，事業卻越做越大。原因可能不是他們真的不信任人，而是他們很懂得控制初始部位。他們可以跟很多人合作，但一開始都放很小。小案子、小金額、短週期。對方做得好，再慢慢加碼。信任對他們來說是一個可以調整的刻度。

相反地，親人之間的借貸最容易出事，正是因為大家很容易跳過部位管理。「他是我的家人，怎麼能不借！」，只要這句話一出現，信任就已經被推進一個很難拒絕的道德劇本。

把信任看成部位決策，是比較成熟的做法。它允許你同時相信一個人，也保護自己。這兩件事不矛盾，只是大多數人沒學會怎麼同時做到。

▉ 兩種錯誤的拉扯

把信任理解成部位決策後，下一個問題就來了：我們的部位要設多大？門檻該設多高？

這件事沒有標準答案。每個人的處境、資源、年紀、責任都不一樣。但 type 1 和 type 2 error 的概念，確實可以拿來幫助思考。

每一個信任決策，其實都卡在兩種錯誤之間。第一種錯誤是「信錯了」。你相信了一個不該相信的人，部位也放太大，最後受到傷害。第二種錯誤是「錯過了」。你過度謹慎，把一個本來可以合作的人、一個本來可以抓住的機會，擋在門外。

這兩種錯誤的代價方向相反，而且不可能同時最小化。你把門檻拉高，第一種錯誤會減少，但第二種錯誤會增加。任何人在任何時點，都只能選擇自己要在哪種錯誤上冒更大的風險。

多數人在這個取捨上都會失衡，而且失衡方向往往來自過往經驗。被傷害過的人，容易把門檻拉得太高；在機會裡嚐過甜頭的人，容易把門檻放得太低。

第一種錯誤的痛比較具體，可以寫成故事講給別人聽。第二種錯誤的痛比較抽象，通常只存在於「如果當初」的平行宇宙裡。

一個人可能以為自己很理性地防範風險，但其實只是在單邊優化一種錯誤，同時對另一種錯誤視而不見。他擋掉了幾次可能被騙的機會，也擋掉了許多本來值得低成本試探的真機會。

這也是為什麼有些人在逐漸累積資源後，會變得越來越封閉。他們會告訴你這是成熟與不再天真的象徵。但用部位的概念看，其中一部分其實只是未被明說的損失厭惡效應，被重新包裝成了人生智慧。

當然，我們也要承認部位思維本身偏防守。

某些合作關係，確實需要你先給出較高的初始信任，再靠關係累積反過來解決資訊不對稱。如果把每個合作都切成小部位，機械式地分割試探，你會進不去某些合作網路。人不是實驗室裡的樣本，關係也不是每次都能被拆成標準化測試。

所以這套框架不是要你把所有信任都切碎。它主要處理的是另一種問題：部位錯配造成的毀滅性錯誤。這類錯誤一次就足以結束遊戲，所以它值得你用更多「錯過」去換。

▉ 三個該動的變量

如果信任是一個部位決策，那我們至少要分清楚「可以試試看」和「可以押很大」不是同一件事。

很多信任錯配正是發生在這裡。對方在小事上表現不錯，你就把重要資源交出去。一次合作順利，就開始替對方的人格、能力和長期可靠性背書。這樣就跳太快了。

所以信任的門檻不能只設一個。它比較像一組旋鈕：什麼人可以進來試？什麼事可以開始做？什麼情況下才值得加碼？

在這個前提下，我自己會看三個變量。

第一個是「機會密度」。

如果你在一個機會很多的圈子，產業正在上升，人脈開始滾出新的可能，初始試探門檻可以不用太高。因為你有足夠多的樣本可以觀察，也承受得起一些小失誤。但這時加碼門檻反而要更高。因為既然好機會不少，你就不需要急著把資源押在第一個看起來不錯的人身上。

反過來如果你在一個機會稀缺的環境，產業成熟、圈子固化、好案子一年看不到幾個，試探門檻可能要放低一點。不然你會長期空手。可是與此同時因為選項少，錯一次的傷害可能更重，加碼門檻不能一起放低。

這裡最容易出現一個陷阱：你以為的機會密度，常常被過去的成功扭曲。

我當年在教育股上吃到的虧，就來自這個偏誤。我已經在那個產業賺過錢，於是開始相信：「這個產業的好機會很多，而且我比別人更懂這個遊戲」。

所以當那家一對一公司的 IPO 機會出現時，我對它所處的機會密度，自動給了更高評價。但事實上，教育產業不是一個均質的東西，不同子領域的競爭結構差異很大。其實我已經進入一個機會密度不同的新環境，只是當時沒有意識到。

第二個變量是「可回復性」。

如果這次信任錯了，你能不能活下來再試一次？年齡是一個粗略proxy，但不是唯一變量。財務安全墊、家庭責任、職涯位置、健康狀況，都會影響一個人的可回復性。同樣是 30 歲，一個沒有家累的單身工程師和一個剛買房的新手父親，在尾部風險容忍度上是完全不同的兩種人。

但很多人在人生配置上剛好是反的。年輕時很怕受傷，門檻設得很高，浪費了最有本錢試錯的年紀。中年後開始焦慮錯過，門檻反而放低，在最該保全的時候，放棄了紀律。這種前半場不敢試、後半場亂加碼的情形，很容易兩頭都輸。

第三個變量是「可分割性」。

這是三個變量裡最容易被忽略的一個，也是我們最有主動權控制的一個。比較高明的做法，不是在「信」和「不信」之間做選擇，而是把信任切成很多個小部位去試探。就像管理投資組合一樣，第一次合作先給小案子、小金額、短週期。表現好了再加碼，一路累積到可以交付重要的事情。

一旦信任可以被分割，初始門檻就可以低一點。因為你不是把自己整個資源交出去，只是在用小部位收集資訊。

但這裡有兩個常被忽略的問題。

第一個是時間維度。很多人在分割上其實做得不錯：案子切小、金額切小，但週期切太短。三個月的順利合作，不等於對方在壓力下會做出同樣選擇。可分割性需要的不只是把部位切小，還需要足夠長的觀察週期，特別是對方真的承受過壓力的週期。

第二個是訊號獨立性。不是所有小成功都有同樣的資訊量——有些小成功是真正的驗證，有些只是對方主動端給你的展示。前者可以累積信任，後者不能直接拿來加碼（這個問題會在後面兩篇處理）。​

▉ 第一層成熟：把試探和加碼分開

​把機會密度、可回復性、可分割性放在一起看，我現在對信任的理解，大概是這樣：

​成熟的信任，不是永遠懷疑，也不是永遠開放，而是知道什麼時候可以試、什麼時候不能加碼；什麼時候可以多給一點空間，什麼時候該把手收回來。

​門檻和部位必須一起調。門檻低，只能配小部位。門檻高，才配得起大部位。輕易相信又重倉押注，幾乎保證早晚出大事。

​更精準地說，是要能把「試探」和「加碼」分開管理。可以先讓一個人進來做小事，不代表可以立刻把關鍵資源交給他。可以低成本合作一次，不代表你已經完成長期信任的驗證。可以欣賞一個人，不代表你要替他的所有決策背書。

​但這套部位語言，還只能算第一層。因為剛才講的三個變量，看起來像是你手上的工具，實際上也都受你的過去經驗影響。

​你怎麼估計眼前這個場域的機會密度？靠你過去看過的場域。你怎麼判斷可回復性？靠你過去吃過的虧。你怎麼設計可分割的試驗？靠你過去學過哪些試驗有用，哪些只是演戲。

​也就是說，你用來評估信任的這組變量，本身就是過去信任經驗累積出來的成果。你在用信任去評估信任。

​下一篇要處理的，就是這套工具會在哪些地方失靈，以及你能怎麼應對。