1/很多时候，我们必须忍耐过程的不完美和粗糙。我们不是一下子到了目的地 C，而是先通过疯狂地膨胀 A，再通过竞争、淘汰、清理而衰落到 B，最后在 A 与 B 的反复波动中形成了 C。

2/要做成一件大事，其路径不是在一开始就避开很多的陷阱、扼杀人性的贪欲，而是一个先放任其野蛮生长、再对其做治理的过程，就如「石头汤」的故事一样，如我国的改革开放政策一样。

为了促进自主积极性，你需要把地方财政的自由度放到最大，中央只是少量获取一点点分成。等到经济成果明显好转，再重新制定分成规则、迫使地方做出新的创新。

（由此视角，你应该随时去检视自己的事业到底处于「时势」的哪个阶段。没有永远的暴利，暴利只被允许存在于新生事物的野蛮生长期。当混乱的局面逐步稳定下来时，对应的行业也就该功成身退、为未来的新生事物让出道路、让出资源。完成了历史使命的行业、个人，必将会被天地不仁的客观规律清场出局。

如果你想拉动一个地方的经济，又不愿意承担一开始野蛮生长的代价，那几乎是不可能的。你没办法一开始就做到最好，就像素描也需要在一开始画出很多最终不会出现的辅助线。你没办法绕过「脚手架」而建成最后的房子。

不要总是避开坑，有些弯路是......

当分析足够充分时，预测和结论将会自动显现。某种意义上来讲，fundamental analysis 并不能做出什么神奇的预测、更无法影响分析对象的未来轨迹，它只能如实地将「确定性」的部分同「不确定性」的部分分离，然后以一些“相对可确定的”「假设条件」作为基石，去看一看确定性的部分到底能够从这个基石上衍生出什么结论。

例如，如果你能从一门生意的增长原因中分离出确定性的部分、且这个确定性的部分恰好又是增长的核心，而这个核心依赖于国家/城市的某个人口结构，那么，以“这个人口结构可以继续保持 10 年”为假设条件去推衍增长核心的保持，或许就是相对恰当的。

很多人对分析与预测的误区在于：以为某种技术能够实现超自然、超认知、超脱于物理世界和物理规律的未卜先知。进而在潜意识中产生出一种跳脱的逻辑：似乎预测是基于未来的，而不是基于现实/历史的。

但事实是，没有未卜先知、没有超现实的魔法，有的只是基于现实/历史而不是未来的把“现实”拆分得更清晰、拆分得更准确的分析。

那是否存在不可拆分或者难以拆分的「分析标的」呢？当然存在！在这种情况下，你唯一可以得出的结论就是“我不知道”，然后放弃对该标的物的无知预测，放弃基......

Who leads the market？

小时候我时常在想，那些引领时尚的公司真是可恶，你说要卖这一个款式的衣服，大家就得跟风模仿，你说要卖那一个款式的鞋子，大家就得屁颠屁颠地跟风吹捧。我 tmd 才不要当跟风者，我要当那个可以定义规则的领头羊

我同时又在想，就算我要当一名跟风者，我也要当得比其他的跟风者更出色。这些跟风者多傻啊，为啥不紧追时尚前沿的公司，把它们的产品线都逐个模仿呢？如果消费者不买呢？哈哈哈，那是因为消费者的信息还比较滞后，他们最终会像逃不出地球引力的苹果一样，乖乖地回到我这超前模仿的款式上来。

这样的看法当然幼稚可笑，但如果认真研究一番，上述看法也不是全无道理。但这种看法依托一个大前提，就是你如何理解 who leads the market 这个问题。

与之相似的看法是，在金融市场中，我要跟庄家、我要跟政策，是监管机构定义了股市的价格（这很容易让人联想到半年前的一条新闻，有老百姓因为股市下跌而在监管机构门口举横幅抗议......

我们太容易想当然地认为有一个类似于上帝的 rule maker 来决定市场的走向，而完全忽略了市场就是由你我组成的。而市场的价格和趋势就是你我......

Michael Lewis 的这本 The Undoing Project（牛头不对马嘴的中文名是《思维的发现》），其价值不在可读性与 story 的铺陈，而在于其内容的独特性。Daniel Kahneman 的 Thinking Fast and Slow（中文名叫《思考，快与慢》）当然因为他获得的 2002 年的 Nobel Prize 而家喻户晓。无数的人在讨论这本书，无数的人在追捧这本书，但对于我来讲，这本书带给我更多的是无数的疑问，而不是热门宣传语中所谓的震撼思考。

可能因为我第一次接触「行为经济学」不是通过 Thinking Fast and Slow 而是通过 Dan Ariely 的 Predictably Irrational，所以 Thinking Fast and Slow 在我的心目中并未留下什么光环效应，而是不禁让我思考，它到底有何不同？为什么这本书的文字诘屈聱牙，却能获得那么多的赞赏呢？仅仅是因为它的作者是诺贝尔奖得主吗？我百思不得其解。

在这个问题上的第一次些许进展源自于我意识到我是在阅读中文翻译，而不是英文原著。相比于 Predictably Irratio......

了悟不二」之后的最大一次困惑，或许来自于因为「随机性」而被再次放到了一个被自己判定为「虚妄」的 position 上。不可否认，这个 position 在了悟之前还是具有一定的吸引力，至少是某些“长远目标”的中转站。但是，当连那些所谓的具有吸引力的“长远目标”已经不再有吸引力时，那些途径的中转站又有什么意义。人的幸福不来自于外部的成就，而来自于自己的立志（巴菲特称之为内部积分卡）。当所得并非志向之所求时，又该如何自处？当透彻通悟之后、不被一般人所看重的境遇 A 被一般人所看重的、但却对个人毫无意义的境遇 B 所强制替换时，又该如何自处？

所谓心安即是归处，好不容易将一块荒芜之地耕种出了些许硕果，却又被随机性抛掷到另一块荒芜之地时，又该如何理解这种荒诞与愤懑？是怨怼逃不出“所求非所得”的试炼吗？还是在嘲笑自己所谓的「了悟」吗？又还是说，已经一退再退、不负所求了，只求不受打扰、不求有所成、不求有所得了，命运却还是依依不饶地要用你所摒弃的东西把你拽起来，用辛辣的笔法将你狠狠嘲弄一番？亦如 Michael Corleone 的那句愤恨的 just when I thought I was out, they pull me back in

我曾以为，这样的矛盾只是在逻辑层面，并不会影响到日常的生活。但我似乎远远低估了它的影响力。这份所求非所得的挣扎、这份无端地将你从打扫好的荒地扔到另一片荒地的毫无缘由，让精神承受着巨大的撕裂，让生活被无味的白蜡所塞满。这些强行涌入的 nonsense，把曾经的欢乐与内涵全部挤压出去、强制性地消耗自己最宝贵的时间和精力。你不得不竭尽全力地去处理这些 nonsense、被这些 nonsense 所摆弄，然后挪腾不出任何的时间与精力投入到你所在意的 something 上。

这份折磨，在其深层次......

我想，大部分人看到这个题目会非常疑惑，「决策的好坏」如何评价不是一件很显然的事情吗，为什么还需要讨论通过什么样的「视角」去评价呢？能够取得好的结果的决策，那就是好决策；无法取得好的结果的决策就是坏决策。所谓「事实胜于雄辩」，这不就是评价「决策好坏」的唯一标准吗？

我想，以「结果」作为「决策质量」的评价，是大部分人陷入「决策混乱」的一个重要原因。而它之所以难以理解，其本质来讲，是因为人们无法正确理解「随机性」。通常，我们在学校被教授的「随机性」来自于「概率论」。「概率论」当然是处理「随机性」的一个重要工具，但教授我们的数学教材往往提供的仅仅是「概率」相关概念（如期望、方差、分布）的计算技巧，而不是以「概率」的方式去看待世界，以概率的视角做出决策。

而「技巧的习得」和「视角的缺失」形成了大部分人对「随机性」扭曲的认知状态：大部分人因为升学考试的缘故都能成为娴熟的概率计算匠人，但却无法以概率的方式去思考问题和处理决策。更糟糕的是，如果此时有人告诉你，你其实不懂概率、不懂随机性，你只会将其理解为对自己人格和智商的侮辱，毕竟，当年你数学试卷上的概率题目可从来都是满分。

概率论 / 随机性的重要性，不来......

机缘巧合知道了「孟岩」以及他所写的投资实证」系列，其第一反应是，这个想法真是妙到毫巅！将自己的跟投记录毫无保留地公布出来，并且每周做一次 investment memo 的回顾，既是梳理自己的投资业绩，更是用来记录自己对投资的新理解、体悟和反思。但从我的视角来讲，这不仅仅是单纯的投资记录，更是一场「行为艺术」，通过能够让任何人检测到的投资轨迹，来间接反映一个真实的人的变化。这是一本正在书写的动态小说，也是最为刺激的、随时可以被打脸的真人实战游戏。

本着对孟岩老师「投资实证」这个 idea 的认同，以及对他在 memo 中所记录的珍贵思考的感谢，我决定用真金白银去做出一定的支持。于是，下载了他已经离开但却耕耘了很久的产品「且慢」。出于 developer 先用小数据跑通流程、先用测试数据搞清楚游戏规则的做事方式，在午餐时随手购买了「且慢」上 500 元的基金产品，然后就继续吃饭，该干嘛干嘛去了。

到了晚上，我突然意识到，虽然只投入了区区 500 元（这个数目远不及以往一次性「几万 +」的投入，甚至这个数目不及我一个月的咖啡钱），我隐隐感觉到大脑中总是有一根潜意识的进程在思考关于「基金」的问题，关于它如何筛选、如何判定，以及如何挖掘到比今天所投资的标的更优质的产品。而我在 iPad 上阅读（电子书 + 公众号）的注意力，也会下意识地被引导到关于投资 / 商业的信息。甚至，我会对相关信息所涉及到的曾经只会一笔带过的「技术细节」萌发更多的「好奇心」与「集中力」。

是的，这种种现象和生理反应都在显示：我的 risk 相关的「应激性」和「非理性」已经不由自主地被调动起来了。

WTF！！！为啥区区 500 元就将......

1/一个可能反人性的投资策略是：不是去寻找那些大概率可以赚钱的生意，而是去寻找那些大概率会赔钱的生意（因此你需要控制自己的损失比例），可一旦没有发生赔钱的事件，却会给你带来极大回报的生意。

因此，你需要做的是将钱分成很多分，能够让你多次地扔到这样不同的赔钱生意中去。

但这种押注「逆向黑天鹅」的事件，很有可能同不断地「买彩票」相混淆。因为从数字上讲，不断地购买彩票，也是不断地在投入损失有限而收益无限的逆向黑天鹅事件。是的，「买彩票」其实也是「逆向黑天鹅」事件，只要你买的不是太多的话。

但这里的一个巨大区别是，你需要进一步去挖掘，你所做的「押注」是纯随机事件，还是一项「情绪共识」的脆弱事件。「买彩票」本身是一项极端客观的纯随机事件，这种事件的均值高度确定，并不是一个好的押注对象。

真正好的押注对象，除了它本身的赌注结构必须是「逆向黑天鹅」以外，还需要它的「随机分布」建立在更为脆弱的逻辑上，如：情绪共识，而非掷骰子、买彩票那样的客观的、不受主观影响的刚性逻辑事件。

你永远只应在他人情绪错误的时候开始交易，而在开始交易之前，你必须确保自己真正弄清楚了交易背后的内部细节，你得知道你买的是什么。你的「理性正......

通常，当我们谈论「货币」为什么而存在时，总是会引入如下故事：在原始的「以物易物」的社会，「交易」是一件难以标准化、极其混乱的事情。随着时间的流逝，人类逐渐意识到可以通过一种物品，如：贝壳、白银、黄金，来作为一切交易的媒介。于是，「货币」的概念也就应运而生。即：其存在是为了减少「交易」成本，让大家能够更高效地做交易。

这样的主流叙事，如果不做仔细推敲，其实很难发现「货币」还可能存在另一面的故事。因为「货币用于降低交易成本」这样的叙事，在逻辑上是如此的自然、简洁和流行，你很难在这样基石性的叙事下提出其它的见解。

但是，让我们稍微细致地考察一下这种货币叙事背后的逻辑。如果「货币」的存在仅仅是为了降低交易成本，那么，从作用上来讲它更加靠近于「锦上添花」而不是「雪中送炭」的角色。再来是，「货币」是整个经济大厦的基石，其规则的制定能够影响到生活中的方方面面，这就必然会引发各种不同利益诉求的冲突。既如此，从利益角度讲，每个小团体都更加会倾向于发行自己的「圈内货币」。即便是有所在国的「法币」存在，如果仅仅从「减少交易成本」的角度讲，那么使用特定组织内部发行的货币岂不是更加便捷？

从这些考察可以看到，如果「货......

从字面意思上讲，「移动互联网」显然是不同于「传统互联网」的。但是究其根本，它们的不同到底是哪里不同？如果这样的「不同」真的是那么明显的话，那么为什么即便是到了现在这样一个「移动互联网」中后期，很多公司对「移动端」产品版本的开发与支持，依旧是非常粗糙甚至是幼稚地将「大屏幕」的内容缩小展示成「小屏幕」的内容？

或许，这个「不同」并没有我们想象中的那么显然。可如果我们稍加仔细分析又会发现，这个「不同」又是那么的显然，甚至有点” 答案就在谜面上 “的感觉。

考察伟大的「公司」，就需要考察它所在的伟大的「时代」。而一个「时代」能够被称之为伟大、能够时势造英雄，那一定是因为那个时代出现了某种「生产要素」的巨大变革。如果一个时代没有重大的生产变革要素，那么，那样的时代一定无法产生伟大的公司。因为伟大的公司需要依赖于能够影响「全民体量」的优质需求，而如果某项需求能够对「全民体量」产生影响，就必然是搭乘在时代的「生产要素变革」的趋势上。

一家公司想要变得伟大，首要需要” 幸运地 “出生在具备「巨大生产要素变革」的伟大时代。然后是这家公司能够识别出那个伟大时代的「巨大生产要素变革」是什么，并能找到具体的「业务」......

「商业模型」与「财务报表」任意拿出其一来讨论，都是极其繁复而艰深的话题。但比起各自学习它们本身的艰辛来讲，以什么样的视角来应用它们、又以什么样的方式来组合它们，可能是更为艰难的事情。

对于专业人士来讲，要么容易过分执着于「财务报表」而变成了狭隘的会计，要么容易过分执着于「商业模型」而成为了产品经理或者 PPT 融资小能手。而对于装 X 人士来讲，念叨几句「商业模型」是用来吹嘘自己可以指点江山的气魄与眼界，而蹦出几个「财务报表」的词汇则是用来彰显自己在细节上的专业，而实则可能两者都不大懂，只是在向外界制造光环效应。似乎很少有人对 “如何真正结合二者，脚踏实地洞察出一些不同的东西” 感兴趣。

完整的商业分析至少要包含两方面：定性分析与定量分析。「定性分析」由「商业模型」所包揽，它相当于战略部署、代码实现前的技术设计，用于确定自己是否在做「正确的」事情，可以划归到「方向性」的范畴。而「定量分析」由「财务报表」包揽，它更多的是在充当被动的 check list，用于检验「商业模型」中提到的各种理念是否得到了切实的实施，而不是充当主观的方向判定、战略判定。

也即是：你不该从「财务报表」中去判定一家公司是否走在了正确的方向上，是否在战略部署上有精巧系统的设计；也不该被公司所宣传的理念与战略部署迷惑双眼，而应该在「财务报表」上搜寻是否有具体的数字来体现和支撑对应的商业逻辑。

这同 developer 调试问题是极为相似的：你不该从「日志」中去寻找代码逻辑和代码模块的组织架......

ByteDance 的偶然与必然》主要分析了 ByteDance 的「今日头条」崛起的原因，而对「抖音」并未做细致的论述。从原理上讲，两者崛起所凭借的方法论都一样：将「增量竞争」暗度陈仓在了「存量竞争」的游戏中。由于原理相同，所以也就在上篇文章中对其一笔带过。但有朋友说还是想看看对「抖音」的梳理，也就有了本文。

虽然「抖音」同「今日头条」的战略方法论有相似之处，但两者所依赖的具体的变革「生产要素」、所凭借的「时势」却并不相同。如果说「今日头条」所处的时间段是「移动互联网」的兴起时期，那么「抖音」出现的时间段则是「移动互联网」开始走向成熟的时期。

相比于「移动互联网」新兴时期的野蛮生长，在走向成熟的时期里攻城略恐怕要更为艰难。面对更加剧烈的行业竞争和更加复杂的竞争格局，选择什么样的产品形态来奠定自己在「移动互联网」时期的坚实地位，则更加考验创始人对时势、方向的判断力。

比起「长视频」来讲，「短视频」领域的增长依赖了更为微妙的变革因素。

首先，在「4G」和「高清手机屏幕」这两个关键性的变革生产要素组合下，其必然会催生的「信息媒介」就是视频。在非 4G、非高清手机的年代，大家只能退而求其次地使用文字、图片来作为承载信息的媒介，无法在手机上流畅地享受视频服务。

而「4G」与「高清手机屏幕」的出现，不得不归功于当时以小米 / OPPO/VIVO 为首的厂商，将物美价廉的高品质手机在全中国疯狂普及。下至最为普通的老百姓，也都能够有条件、有资格享受到「4G」与「高清手机屏幕」的服务。当广大群众的手机同时满足了高网......

ByteDance 的如日中天以及对流量的绝对掌控，会让人产生一切都是自然而然的错觉，以至于会让人忘记去仔细梳理它的过往，特别是曾经那个让它起步、带入大众视野的产品「今日头条」。对 ByteDance 的研究，容易简单地将其归因为人性成瘾的迎合、信息分发效率的提高。ByteDance 对流量神一般的操控光环是如此之绚烂，以至于每每提及「今日头条」早期融资各种受挫时，都只是为了凸显投资人的见识浅薄，而忘记去掰扯其中的细节，忘记去追求天人之际的分界线。

对「今日头条」投资受挫、投资人各种悔恨的最传奇描述，当属对红杉中国沈南鹏、徐小平、周鸿祎的一次访谈。各个投资大佬之间相互比惨，相继叙述自己是如何错过了「今日头条」这只独角兽。

这已是好多年前的事情，但依旧抹不去其传奇的独角兽光环。但如果我们稍微剥开那层非理性的独角兽光环，稍微再理性一些，用心去分析一下当初出这些投资大佬们不看好「头条」的理由，就会发现很多有意思的细节。

如果今天有一个人来告诉你，他要创建一款比微信的功能多得多的聊天 App 来创业，你可能会惊讶不已：还有这样的产品初阶选手吗？将商业简单地归因为技术和功能的多寡，这几乎是 PC 时代......

美团的 VP 王慧文在清华的产品课中，将产品经理（PM）分为两大类：创业型 PM 和业务性 PM。创业型的 PM 主要解决产品本身的生死存亡的问题，解决它为什么而存在的问题。而业务性的 PM 则是在已经解决上述问题之后，如何在局部模块中精雕细琢、甚至是按流程搬砖（提供、设计基本的交互流程、提供流畅的使用体验）。

这样的划分方法，其实同 developer 的划分有很高的相似性。对于初 / 中阶的 developer 来讲，其主要重心是放在对一个函数、一个模块的精准实现，掌握基本的软件工程方法和技巧。而到了高阶阶段，则不再仅仅停留于技术的吸收，而是要解决技术为什么而存在（分为纵向的技术底层知识和横向的业务领域知识）、技术选型对未来的生死存亡的问题。如同一位 developer 所说：” 虽然工程师需要具备一些开发者的技能，比如写代码，但从根本上，工程师的能力，和代码无关。

产品的设计，远远早于其着手开始，是从产品经理作为经济学家的实现者开始就已经决定了的，就像成熟的 developer，其写代码的时间占比或许只有 20%，而开头 80% 的准备工作，才是决胜千里之外的胜负手。很多产品的生死与未来规模，早已在着手设计之前就已经决定。这是创业型 PM 真正的胜负手。

产品是为 business 而存在的：通过「产品」这个媒介为用户交付需要的「效用 / 需求」，以此获得相应的报酬。

那么，这里就存在两个问题

1. 你的产品所服务的 business 盈利前景如何？
2. 你服务的用户的需求（wants/needs）是什么？......

Finance 领域多以绚烂、浮夸的方式呈现在世人面前，它似乎是纸醉金迷的代名词、是不劳而获的捷径、是实现 money easy come easy go 的最佳途径。无数人想要投身其中妄图在名利场中分得一杯羹，也有无数人在里面碰得头破血。它是公开的赌场，又是经济建设的重要杠杆。无数矛盾的名词都在刻画这同一个领域，让人雾里看花。我们不禁要问，它到底是什么。

要弄清楚是什么，就必须追溯到它存在的意义。如果它是为了「赌性」而存在，那为什么国家不直接开设赌场？如果它是为了经济建设而存在，那为什么充斥其中的却又是各种赌徒的喧嚣？为什么让大批的民众在里面任人宰割？

要回答这些矛盾而微妙的问题，需要大量细致的讨论与分析。千里之行始于足下，我们不妨从一个小问题开始。

Q1：如果有人告诉你，他有一个很好的、特别赚钱的项目，但他现在没有钱，想让你先帮他干活，等到项目赚钱了（假设 1 年后），再把薪酬支付给你。那么，你很可能会踹他两脚。那么，有没有方法能够完成这样的 mission impossible 呢？

有的，还不止一种方法

• 最简单粗暴的，莫过于武装压迫，通过武力强迫你付出生产劳力。
• 再来是 imaginary story 的洗脑，通过灌输各种「信念」「信仰」，让人被「使命」所环绕，以大无畏的革命精神来无私地奉献自己。
• 较为微妙的就是 print money 的 paper game 了。例如，通过 cen......

计算机（computer science，CS）领域的学习之难，不同于数学，会在某条逻辑链上逼到极致，给出极其抽象、繁复、艰深的逻辑推导，而在于那些如蝗虫一般密密麻麻向你涌来的各种知识概念（knowledge node）。如果仅仅是数量繁多，那么其实问题不大，只需要按部就班地将它们一一习得即可。但 CS 的困难，在于这些 knowledge node 之间会相互纠缠、相互依赖，对某个 node A 的理解会依赖于好几个别的 node B/C/D，而 node B/C/D 又可能在经历了好几个 node dependency 的关系之后，如依赖到 node R，这个 node R 的理解又会反过来依赖 node A 的理解，即出现循环依赖的问题。这直接导致「仅掌握单个 knowledge node」对学习者毫无实质性用处，不得不在掌握一片 knowledge network 之后，才能有些许实质性的领悟。

相比起来，作为科学的皇冠的数学，它虽然是大部分人学习生涯中的噩梦，常常被诟病为过分抽象、繁复和艰深。但如果从 learning task pattern 的角度讲，数学的知识体系要直观明了得多。如果按照 learning task pattern 的难度等级来划分的话，我会将其划归到最底层：level 1。

Level

之所以将数学放在 level 1，是因为它的每一个 knowledge node，都可以被拆解出一条学习链，顺着这条链能够追溯到一组最简单、最直观、且一定正确」的 knowledge nodes，即：公理、定义。你可以很容易地从这组 root nodes 逻辑推演出整个体系。

在这样的 task pattern 之下，无论其知识有多么繁复，你只需要拆解出一条条相互独立的学习链，对每条 learning chain 一步步地向前追溯它的 root task。找到并学会这组 root task 后，你将不仅能习得这条 learning chain 上的所有 knowledge node，还能将一大片的「相关推论」一网打尽，可谓是性价比最高的学习方式。

所......

评价 / 分析任何一件事情，其基础是要弄清楚：你需要给出「好」与「坏」的标签，在其根本上所依赖的东西是什么。例如，分析数学的一条分支，就需要知道这条分支所依赖的「定义」与「公理」是什么；要评价一款软件的性能，就需要知道在它在计算机的三大支柱（CPU/Memory/IO）上的操作与体现是什么。

那么，如果要评价、分析一门生意，它所依赖的不变基石，应该是什么呢？这就需要我们回到最原始的出发点，即：我为什么需要关注一门生意？

显然，你关注一门生意的根本出发点，是为了能够从中获得收益，即：你投入资源 A，能够通过 business 这样一台神奇的 machine，换回收益 B，并且你期望的是 （B - A) 越大越好。这是你关心生意的根本出发点。你关心一门生意，不是为了寻找伴侣、不是为了绘制 PPT、不是为何制作艰深的会计报表、不是为了吹嘘炫耀，而就是简单的，能够获取最直接的收益：cash flow。

（你当然可以说你不止关注 cash flow，任何「值钱」的东西你都关注。但本质上讲，如果这个「值钱」的东西不能通过自由交易的市场转换为 cash flow，这个「值钱」就只不过是你自己的一厢情愿或者说信仰。这不在本文对客观 business 的讨论范围内。

如此，评价自己对「生意」的分析是否透彻、是否真的懂得这门生意，其标准就是：自己......

mmap（memory mapped file）从字面意思来看，似乎是在节省每次同 disk 做 I/O 的巨额开销（expensive overhead），通过把 main memory 作为 cache 来提升 disk I/O 的效率。

但这样的认知完全是错的，因为OS（operating system）已经为 disk I/O 提供了 page cache 这样的机制，来实现上述基于 main memory 的 cache 优化。

如此，我们不免要进一步地追问，那 mmap 到底为何而存在？它能提供哪些优化？在什么样的场景下，mmap 会为 program 带来更好的性能？而什么情形下引入 mmap 反而会给 program 带来更大的 overhead ？

如上所述，由于 page cache 的存在，mmap 所提供的 cache 功能并不能作为其 performance 由于 disk I/O 的理由。于是，我们需要分别考察这两种机制的 data pipeline。

对于 mmap 来讲，它通过 system calmmap()将 disk partition 映射为某段 virtual memory address。需要注意的是，mmap 采用了 copy-on-write 的 lazy execution 优化机制，并不会在第一次的 mapping 阶段就分配出 physical memory address。它要等到第一次对这段 virtual memory address 的访问时，通过引发 page fault 这样的 system exception，来间接触发 physical memory address 的分配。

也即是，每一次对新的 disk part 的映射，都会在它第一......

李录同他的老师 Bruce Greenwald 在「13th Annual Columbia China Business Conference」上做了非常精彩的在线对话，再一次谈到了他的投资哲学以及对当前世界的一些看法。如同李录在谈话中所说，the philosophy is relatively simple. The practice is really hard。虽然其中谈到的 investment philosophy 是老生常谈，但每次谈论这些 philosophy 的视角和示例的不同，都能让人对同样的思想有更为深刻与不同的理解。就像不自欺」是很简单的一句话，但随着岁月的流逝，你会慢慢从「态度」中看到需要培养的「技能」，看到「技能」中需要承载的「反思」。

李录在这次对话中有相当多的真知灼见，我仅摘录我最喜欢的一段，来发表一些个人的 comment。

1/ 李录在这里的论述极为务实，他两次提到，在这漫长的、经年累月的研究中，大部分他「想要弄清楚的问题」都没有答案。于是，他只能继续坚持去学习、去寻找，直到找到为之。找不到，就绝不投资。

这像极了有追求的 developer 对技术细节的探究，不断地在网络上找答案，在各种 blog post 和 paper 间穿梭，找寻有用的只言片语。有时候，甚至还不得......

理性投资」就是运用逻辑、摆事实讲道理，按照事物运行的客观规律来制定投资策略。那么，最直观和基本的结论便是：不懂不投、收益风险比不高不投。

以理工科从业者的视角来看，这样的方法论是如此的直观和显然，为何很大一部分人都是以嘲讽的眼光在看待这样的方法论呢？长久以来，我一直不得其解。但在最近的一些阅读中，我逐渐意识到，这其中的根本分歧，可能就在于「知道自己不懂」。

对大部分人来讲，「不懂不投」是等价于 gambling 的废话。因为对他们来讲，判断自己「懂不懂」、知道什么是自己不懂的，就像「预测情绪」一般，是玄学、是赌博。以这样的视角来看，表面上「不懂不投」似乎特别有道理、符合逻辑，但如果「判断不懂」这件事情本身就是玄妙的，那后续的工作再怎么理性，这整件事也成了非理性的玄学之事，而不会将其当做是 down to earth 破除迷信的科学方法论。

或许，这是理工科（如数学、计算机科学）从业者的幸运之处，他们所在的专业领域给了他们无数多的机会来清晰地分辨：什么是自己懂得的、什么是自己不懂的；什么情境下、什么特征出现时、什么直观建立时，才可以被划归为「I know I do know」，而在什么情形下又只能被划归为「I know I don’t know」。这些训练，是各种「逻辑题目」与「现实反馈」的残酷鞭笞与训练（如数学中挑剔的 p......