Quantcast
Channel: 未分类 –懒得折腾

Run Swift on Windows 11 in 2021

$
0
0

Run Swift on Windows 11 in 2021

Swift running natively on Windows 11

Steps:

1 — Install Visual Studio 2019 (or latest version that includes a “x64 Native Tools Command Prompt for VS 20XX” shortcut or the script called “C:\Program Files (x86)\Microsoft Visual Studio\2019\Community\VC\Auxiliary\Build\vcvars64.bat”): https://visualstudio.microsoft.com/downloads/

2 —Download and install Swift Toolchain for Windows 10 (works for W11 too): https://www.swift.org/download/

3 — Add a system variable named SDKROOT with value “C:\Library\Developer\Platforms\Windows.platform\Developer\SDKs\Windows.sdk”

System environment variable

4 — Create your swift file with some code.

5 — Run the shortcut x64 Native Tools Command Prompt for VS 2019 located in “C:\ProgramData\Microsoft\Windows\Start Menu\Programs\Visual Studio 2019\Visual Studio Tools\VC”. This will open a terminal in which we will be able to compile Swift. Do the following inside this terminal, otherwise you might get some nasty errors.

6 — Navigate to your swift file location. Create a “bin” folder and a “src” folder. Move your swift file to “src”. Then create this Makefile:

Makefile to compile and run your swift program.
build: # SDKROOT: C:\Library\Developer\Platforms\Windows.platform\Developer\SDKs\Windows.sdk    swiftc -sdk %SDKROOT% -resource-dir %SDKROOT%\usr\lib\swift -I %SDKROOT%\usr\lib\swift -L %SDKROOT%\usr\lib\swift\windows -emit-executable -o bin/main.exe src/main.swiftrun:    bin\main.exe

7 — Now build it using nmake build , if everything is OK a “main.exe” file will be generated inside the “bin” folder. Now you can run it by doing nmake run . (nmake is a windows tool included with visual studio)

Result of running a Swift program on Windows

Rust + STM32

$
0
0
  1. https://fdi.sk/posts/embedded-life/ use rust + stm32 to develop life game for desktop, raspberry pi, and stm32 (maple mini). https://github.com/simeonmiteff/embedded-life (I2C) stm32f1xx-hal 0.7
  2. https://blog.tonari.no/rust-simple-hardware-project use black pill to develop https://github.com/tonarino/panel-firmware
  3. https://cgit.pinealservo.com/BluePill_Rust/resources/src/branch/master/notes.org. Notes for blue pill
  4. https://deathwish.info/2020/07/19/rust-stm32/ use blue pill to connect bme 280 (I2C) stm32f1xx-hal 0.6
  5. https://jonathanklimt.de/electronics/programming/embedded-rust/rust-on-stm32-2/. stm32f1xx-hal 0.6.1
  6. https://www.anyleaf.org/blog/writing-embedded-firmware-using-rust. STM32L443. stm32-hal2 = { version = “^1.4.0”, features = [“l4x3”, “l4rt”] }
  7. https://bezalel.xyz/posts/blink-in-stm32-with-rust/ blue pill blink in Chinese
  8. https://www.niuiic.top/2021/06/20/develop-stm32-with-rust-stm32f3discovery-can-rtic/. 使用 rust 开发 stm32 stm32f3discovery-can-rtic. https://www.niuiic.top/tags/Stm32/ a series of articles
  9. https://www.gregwoods.co.uk/microcontroller/embedded/rust/stm32/blackpill/bluepill/convert-stm32f1-blink-to-stm32f4/. Converting a Simple HAL-based STM32F1 blinky to STM32F4
  10. https://gitee.com/lupyuen/stm32-blue-pill-rust
  11. http://marekmiettinen.fi/micropong/index.html. https://github.com/marikka/micropong stm32f0xx-hal = {version = “0.14.1”, features=[“stm32f042”]}
  12. https://iotcon.de/blog/iot-konferenz/programming-microcontrollers-with-rust/ lpc8xx-hal = { version = “0.7”, features = [“845-rt”] }
  13. https://dev.to/rubberduck/debugging-rust-arm-cortexm-programs-with-visual-studio-code-336h. STM32F3DISCOVERY board 

L298N

$
0
0

cargo generate

$
0
0

cargo generate –git https://github.com/rust-embedded/cortex-m-quickstart.git

sed -i ‘s/# runner = “arm-none-eabi-gdb -q -x openocd.gdb”/runner = “arm-none-eabi-gdb -q -x openocd.gdb”/g’ .cargo/config.toml
sed -i ‘s/target = “thumbv7m-none-eabi”/# target = “thumbv7m-none-eabi”/g’ .cargo/config.toml
sed -i ‘s/# target = “thumbv7em-none-eabihf”/target = “thumbv7em-none-eabihf”/g’ .cargo/config.toml
sed -i ‘s/”target\/stm32f3x.cfg”/”target\/stm32f4x.cfg”/g’ .vscode/launch.json
sed -i ‘s/STM32F303VCT6/STM32F401RET6/g’ .vscode/launch.json
sed -i ‘s/STM32F303.svd/STM32F401.svd/g’ .vscode/launch.json
sed -i ‘s/# [dependencies.stm32f3]/[dependencies.stm32f4]/g’ Cargo.toml
sed -i ‘s/# features = [“stm32f303”, “rt”]/features = [“stm32f401”, “rt”]/g’ Cargo.toml
sed -i ‘s/# version = “0.7.1”/version = “0.14”/g’ Cargo.toml
sed -i ‘s/cortex-m = “0.6.0”/cortex-m = “0.7”/g’ Cargo.toml
sed -i ‘s/FLASH : ORIGIN = 0x00000000, LENGTH = 256K/FLASH : ORIGIN = 0x08000000, LENGTH = 512K/g’ memory.x
sed -i ‘s/RAM : ORIGIN = 0x20000000, LENGTH = 64K/RAM : ORIGIN = 0x20000000, LENGTH = 96K/g’ memory.x
curl https://raw.githubusercontent.com/posborne/cmsis-svd/master/data/STMicro/STM32F401.svd -o .vscode/STM32F401.svd

Collections of Important String questions Pattern

$
0
0
Last Edit: May 3, 2022 4:42 AM

12.5K VIEWS

Here I have divided string problem in different category if you like please upvote .
Also suggestions are accepted

Parenthesis problem:-

1.https://leetcode.com/problems/generate-parentheses
2.https://leetcode.com/problems/score-of-parentheses
3.https://leetcode.com/problems/valid-parentheses
4.https://leetcode.com/problems/valid-parentheses Easy
5.https://leetcode.com/problems/remove-outermost-parentheses Easy
6.https://leetcode.com/problems/different-ways-to-add-parentheses/ Medium
7.https://leetcode.com/problems/remove-invalid-parentheses Hard
8.https://leetcode.com/problems/minimum-remove-to-make-valid-parentheses Medium
9.https://leetcode.com/problems/maximum-nesting-depth-of-the-parentheses Easy
10.https://leetcode.com/problems/longest-valid-parentheses/ Hard

Counting of substring based on some condition:-

1.https://leetcode.com/problems/number-of-wonderful-substrings Medium
2.https://leetcode.com/problems/sum-of-beauty-of-all-substrings/ Medium
3.https://leetcode.com/problems/maximum-number-of-occurrences-of-a-substring Medium
4.https://leetcode.com/problems/number-of-wonderful-substrings Medium

Check types of string:-

1.https://leetcode.com/problems/isomorphic-strings Easy
2.https://leetcode.com/problems/valid-anagram Easy
3. https://leetcode.com/problems/additive-number Medium
4.https://leetcode.com/problems/buddy-strings Easy
5.https://leetcode.com/problems/longest-happy-prefix Hard
6.https://leetcode.com/problems/increasing-decreasing-string Easy
7.https://leetcode.com/problems/check-if-a-string-can-break-another-string Medium
8.https://leetcode.com/problems/determine-if-two-strings-are-close Medium
9.https://leetcode.com/problems/check-if-two-string-arrays-are-equivalent Easy
10.https://leetcode.com/problems/check-if-word-equals-summation-of-two-words Easy
11.https://leetcode.com/problems/check-if-one-string-swap-can-make-strings-equal Easy

Palindromic string:-

1.https://leetcode.com/problems/palindrome-partitioning Medium
2.https://leetcode.com/problems/palindrome-partitioning-ii Hard
3.https://leetcode.com/problems/valid-palindrome Easy
4.https://leetcode.com/problems/shortest-palindrome Hard
5.https://leetcode.com/problems/palindrome-pairs Hard
6.https://leetcode.com/problems/longest-palindrome Easy
7.https://leetcode.com/problems/longest-palindromic-subsequence Medium
8.https://leetcode.com/problems/find-the-closest-palindrome Hard
9.https://leetcode.com/problems/palindromic-substrings Medium
10.https://leetcode.com/problems/valid-palindrome-ii Easy
11.https://leetcode.com/problems/longest-chunked-palindrome-decomposition Hard 12.https://leetcode.com/problems/break-a-palindrome Medium
13. https://leetcode.com/problems/can-make-palindrome-from-substring Medium
14.https://leetcode.com/problems/palindrome-partitioning-iii Hard
15.https://leetcode.com/problems/minimum-insertion-steps-to-make-a-string-palindrome Hard
16.https://leetcode.com/problems/remove-palindromic-subsequences Easy
16.https://leetcode.com/problems/construct-k-palindrome-strings Medium
17.https://leetcode.com/problems/split-two-strings-to-make-palindrome Medium

Sorting on String:-
1.https://leetcode.com/problems/sort-characters-by-frequency Medium
2.https://leetcode.com/problems/custom-sort-string

Longest and shortest kind of String Problem :-

https://leetcode.com/problems/longest-duplicate-substring Hard
2.https://leetcode.com/problems/longest-string-chain Medium
3.https://leetcode.com/problems/longest-common-subsequence Medium
4.https://leetcode.com/problems/longest-happy-string Medium
5.https://leetcode.com/problems/maximum-length-of-a-concatenated-string-with-unique-characters Medium
6.https://leetcode.com/problems/find-longest-awesome-substring Hard
7.https://leetcode.com/problems/largest-substring-between-two-equal-characters Easy
8.https://leetcode.com/problems/largest-odd-number-in-string Easy
Please give suggestions if you want to make any.

PLEASE UPVOTE IF YOU LIKE IT!

Also check out my Dynamic Programming Pattern list: https://leetcode.com/discuss/interview-question/1986802/Dynamic-Programming

Dynamic Programming Leetcode Questions

$
0
0

Longest Increasing Subsequence variants:
https://leetcode.com/problems/longest-increasing-subsequence/
https://leetcode.com/problems/largest-divisible-subset/
https://leetcode.com/problems/russian-doll-envelopes/
https://leetcode.com/problems/maximum-length-of-pair-chain/
https://leetcode.com/problems/number-of-longest-increasing-subsequence/
https://leetcode.com/problems/delete-and-earn/
https://leetcode.com/problems/longest-string-chain/

Print longest increasing subsequence
Number of longest increasing subsequences
Longest non-decreasing subsequence
Find the longest increasing subsequence in circular manner
Longest bitonic subsequence
Longest arithmetic subsequence
Maximum sum increasing subsequence

Partition Subset:
https://leetcode.com/problems/partition-equal-subset-sum/
https://leetcode.com/problems/last-stone-weight-ii/

0/1 Knapsack (Bounded)
Subset sum
Equal sum partition
Count of subsets sum with a given sum
Minimum subset sum difference
Count the number of subset with a given difference
Target sum: https://leetcode.com/problems/target-sum/

0/1 Knapsack (Unbounded)
Integer Break: https://leetcode.com/problems/integer-break/
Coin Change: https://leetcode.com/problems/coin-change/
Coin Change 2: https://leetcode.com/problems/coin-change-2/
Combination Sum IV: https://leetcode.com/problems/combination-sum-iv/
Perfect Squares: https://leetcode.com/problems/perfect-squares/

Coin Change variant:
https://leetcode.com/problems/coin-change/
https://leetcode.com/problems/coin-change-2/
https://leetcode.com/problems/combination-sum-iv/
https://leetcode.com/problems/perfect-squares/
https://leetcode.com/problems/minimum-cost-for-tickets/

Fibonacci
Fibonacci number
Climbing stairs
Minimum jumps to reach the end
Friends pairing problem
Maximum subsequence sum such that no three are consecutive

BitMasking:
https://leetcode.com/problems/partition-to-k-equal-sum-subsets/

Longest Common Subsequence Variant:
https://leetcode.com/problems/longest-common-subsequence/
https://leetcode.com/problems/edit-distance/
https://leetcode.com/problems/distinct-subsequences/
https://leetcode.com/problems/minimum-ascii-delete-sum-for-two-strings/

Longest common substring
Shortest common supersequence
Minimum number of insertion and deletion to convert A to B
Longest repeating subsequence
Length of longest subsequence of A which is substring of B

Subsequence pattern matching
Count how many times A appears as subsequence in B
Longest palindromic subsequence
Count of palindromic substrings
Minimum number of deletion in a string to make it palindrome
Minimum number of insertion in a string to make it palindrome

Palindrome:
https://leetcode.com/problems/palindrome-partitioning-ii/
https://leetcode.com/problems/palindromic-substrings/

Matrix multiplication variant:
https://leetcode.com/problems/minimum-score-triangulation-of-polygon/
https://leetcode.com/problems/minimum-cost-tree-from-leaf-values/
https://leetcode.com/problems/burst-balloons/

Burst Balloons: https://leetcode.com/problems/burst-balloons/
Evaluate expression to true / boolean parenthesization
Minimum or maximum value of a expression
Palindrome partitioning
Scramble string: https://leetcode.com/problems/scramble-string/
Super Egg Drop: https://leetcode.com/problems/super-egg-drop/

Matrix/2D Array:
https://leetcode.com/problems/matrix-block-sum/
https://leetcode.com/problems/range-sum-query-2d-immutable/
https://leetcode.com/problems/dungeon-game/
https://leetcode.com/problems/triangle/
https://leetcode.com/problems/maximal-square/
https://leetcode.com/problems/minimum-falling-path-sum/

Unique Paths: https://leetcode.com/problems/unique-paths/
Unique Paths II: https://leetcode.com/problems/unique-paths-ii/
Minimum Path Sum: https://leetcode.com/problems/minimum-path-sum/
Dungeon Game: https://leetcode.com/problems/dungeon-game/
Cherry Pickup: https://leetcode.com/problems/cherry-pickup/

Hash + DP:
https://leetcode.com/problems/target-sum/
https://leetcode.com/problems/longest-arithmetic-sequence/
https://leetcode.com/problems/longest-arithmetic-subsequence-of-given-difference/
https://leetcode.com/problems/maximum-product-of-splitted-binary-tree/

State machine:
https://leetcode.com/problems/best-time-to-buy-and-sell-stock/
https://leetcode.com/problems/best-time-to-buy-and-sell-stock-ii/
https://leetcode.com/problems/best-time-to-buy-and-sell-stock-iii/
https://leetcode.com/problems/best-time-to-buy-and-sell-stock-iv/
https://leetcode.com/problems/best-time-to-buy-and-sell-stock-with-cooldown/
https://leetcode.com/problems/best-time-to-buy-and-sell-stock-with-transaction-fee/

Depth First Search + DP:
https://leetcode.com/problems/out-of-boundary-paths/
https://leetcode.com/problems/knight-probability-in-chessboard/

Minimax DP:
https://leetcode.com/problems/predict-the-winner/
https://leetcode.com/problems/stone-game/

DP on Trees
Diameter of Binary Tree: https://leetcode.com/problems/diameter-of-binary-tree/
Binary Tree Maximum Path Sum: https://leetcode.com/problems/binary-tree-maximum-path-sum/
Unique Binary Search Trees II: https://leetcode.com/problems/unique-binary-search-trees-ii/
House Robber III: https://leetcode.com/problems/house-robber-iii/

Misc:
https://leetcode.com/problems/greatest-sum-divisible-by-three/
https://leetcode.com/problems/decode-ways/
https://leetcode.com/problems/perfect-squares/
https://leetcode.com/problems/count-numbers-with-unique-digits/
https://leetcode.com/problems/longest-turbulent-subarray/
https://leetcode.com/problems/number-of-dice-rolls-with-target-sum/

The Catalog of Design Patterns

Web3的底层逻辑:制度经济学视角

$
0
0

Web3的底层逻辑:制度经济学视角

0xA1Bf

August 26th, 2022

3 Collected

TL; DR

  • Web3是一种新的经济基础设施,用于协调和交换。它从根本的产权开始,将对复杂制度的信任从单个组织转移到分散化的结点和可验证的代码上。它具有独特的经济特征,使它有可能补充,并在某些情况下直接与现有机制竞争。
  • 制度经济学是经济学的一个子集,与政治学、社会学或历史学相交叉,用经济学的方法研究制度在社会经济背景下的作用,基本理论工具是交易费用理论和产权理论。
  • Token是一种产权管理工具,可以代表任何现有的数字或物理资产,或对他人资产的访问权限。链上的Token可以实现密码学的产权保护,竞争的产权创新和高效的产权流通。
  • 智能合约是用代码保证自动实施的契约。随着产权制度的细分和完善,经济活动中很多组成部分,包括生产和交易中重复机械性的部分、计算性规则和秩序,可能都将被机器和智能合约取代。

为什么要思考Web3的底层逻辑

现在的Web3/Crypto充斥着各种新鲜的名词,让这个本就晦涩的新行业更令人费解。从技术/应用上的共识算法、Rollup、零知识证明、DeFi、NFT、GameFi、DAO、跨链桥、预言机、DID、SBT,到概念上的密码朋克、主权个人、去中心化、抗审查、无许可、可组合性、创作者经济、分布式治理、价值互联网、永久存储、Code is Law、X to Earn,都让人听得云里雾里,再加上充斥着各类监管禁令、意识形态、骗局、庞氏、低效且反直觉的应用,实在让人摸不清脉络。

A simple guide to the Web3 stack - Coinbase
A simple guide to the Web3 stack – Coinbase

爱它的人说它是未来,是不亚于互联网的一次基础性技术变革;恨它的人说它是概念的堆砌,是风险投资机构生造的资本泡沫,是自由放任主义者的自娱自乐。

专注于细节会阻碍人看清全貌。互联网刚被小部分极客采用时十分虚无缥缈,谁也无法料想未来的发展,满是各类创新、协议和产品,十年后百不存一。技术如搜索引擎的爬虫算法、应用如新闻门户就是套浏览器壳的报纸吗、观念如网络效应如何影响社交媒体,这些问题可能很重要,但不是互联网最核心的逻辑。但只要把握互联网“前所未有地降低了信息流通的成本”这一底层逻辑,就能意识到它将如何大刀阔斧改变社会,并在搜索引擎、社交媒体、网上购物/支付、智能手机、网约车、本地服务、算法推荐出现时识别出来风的动向。

技术进步更多时候是堆叠而非跳跃的,因此预测未来是一件极其困难的事,尤其是在政策、技术都极为初期的当下。今天的Web3依旧非常早期,绝大多数我们现在争论的产品和服务、商业模式、代币模型都会在泡沫破碎中死掉。因此,这篇文章不谈ZK-Rollup的电路设计,GameFi就是套Tokenomics壳的游戏,可组合性如何影响DeFi等等,只讨论最核心的问题:Web3的创新点究竟在哪?它会如何改变这个世界?

Web3是什么?

Web3是区块链或数字资产相关技术建立起来的Web体系。定义是用来认识结构和机制的,这个定义足够完善,但也同样令人困惑。目前对于Web3最公认的陈述是:「Web1对大多数用户来说是只读的,Web2 允许用户既读又写,Web 3 通过区块链赋予了用户阅读-写作-拥有的权力。」

Web3的定义
Web3的定义

但可读可写是人与内容的交互关系,而拥有的本质是社会契约关系。前者是信息,后者是资产,二者处理的维度不一样,因此将Web3单纯看作是Web2的一种延续是视角的错位。人们为什么放着便宜快捷的Web2不用,要用消耗能源、又贵又慢又复杂的Web3呢?

一项创新得以采用只有一个原因,满足人的新需求,或者更好地满足老需求。忍受复杂的助记词、昂贵的手续费、时不时宕机的公链、日常被黑客当作提款机的协议、被钓鱼网站偷光钱包的风险,不是为了将在手机就能做的事放到区块链上重新做一遍,至少现在不是,否则很难解释为什么会有人花几百万买一张所有人都能右键保存、还丑得离谱的图片。

让我们倒回到原点,从白皮书的标题开始:比特币,一种点对点的电子现金系统;以太坊,下一代智能合约和去中心化应用平台。本文将说明,Web3最核心的创新点就在白皮书的标题里:“Token”与“智能合约”。并尝试用制度经济学的视角解释,与其说Web3是类似于“蒸汽机”的技术创新,其更类似于“资本主义”的制度创新

制度与制度经济学

制度经济学

制度经济学是经济学的一个子集,与政治学、社会学或历史学相交叉,用经济学的方法研究制度在社会经济背景下的作用。单个人满足自己愿望的能力是有限的,地球上甚至没有人曾独自生产出一支铅笔。这依赖智利的石墨工人、加拿大的伐木工人、台湾的胶水制造商、德国的生产线制造商、中国的商人以及千百万不知名的人参与合作和作出贡献。在专业化劳动分工精妙复杂的现代社会,人需要与难以计数的陌生人、组织进行交易、合作。人类的相互交往,尤其是经济生活的相互交往,依赖于信任。信任以秩序为基础,而要维护这种秩序,就要依靠各种禁止不可预见行为和机会主义行为的规则,我们称这些规则为“制度”。

为什么人类社会需要制度?主要原因可以归结为以下方面:人的有限理性(主观的智力资源稀缺)、客观环境的不确定性、人的机会主义倾向。制度让人的行为具备可预见性,在大规模的人类协作中减少协调活动的成本,以便有效利用资源。我们之所以能将兢兢业业工作挣来的钱放心交给下一秒就忘记相貌的银行出纳员,将自己的身体安心交给素未谋面的医生,是因为他们都受制于制度。回过神来,人类社会太多理所当然的事实际上都垂悬在由制度编制的信任之网上。

制度是演化而来的,与政策不是一回事,当人们发现有更好的有效率的制度取代现存的制度,就会出现制度变迁的可能。制度规范人与人之间的关系,而人与人之间的关系是一种社会关系之间进行的博弈,利益不一致的情况出现于几乎所有人类活动中,相关各方的最后总目的是通过自己的选择以期实现一个对己方有利的结局。经济学家在把经济过程作为博弈过程处理的同时,不仅把制度看作博弈的规则,也把它作为博弈的结果(均衡)。只要人们反复地发生交易或其他经济关系,就会通过逐步演化或人为的有意识设计产生规则。当我们把时间拉得长一点来看,历史上所有称为革命、改革、复辟、前进、倒退等等这些内容,其中最紧要的实质都是制度演变。

对比法学、政治学、伦理学、文化学及社会学甚至人类学,制度经济学对制度关注的层面及视角不一样。诺思将制度定义为一个社会的游戏规则,制度是人们结成的各种经济、社会、政治等组织或体制,它决定着一切社会经济活动和各种经济关系展开的框架,因此各个社会学科都与制度有着内在的联系,是社会科学的一个共有范畴。

人类社会上的制度包罗万象,从宪法到社交礼仪到红绿灯的协调方式,不同制度的重要性和影响天差地别。制度经济学关心对人类经济影响最深远制度的创造和演变。人类的理性选择将创造和改变诸如产权结构、法律、契约、政府形式和管制这样一些制度,这些制度和组织将提供激励或建立成本与收益,最终这些激励或成本与收益关系在一定时期内将支配经济活动和经济增长。

交易是人类经济活动的基本单位,也是制度经济学的基本分析单位。制度经济学基本理论工具是交易费用理论和产权理论。

  • 交易费用范式构成了制度经济学的理论框架,如果没有交易费用,不论生产和交换怎么安排,资源的使用都相同。交易成本从根本上影响着市场上生产什么和什么样的交换会发生,何种组织得以生存以及那种游戏规则能够持续;
  • 交易的前提是产权,没有产权交易无从谈起。交易和交换不同,不是商品买卖而是权利买卖。产权制度是经济运行的根本基础,有什么样的产权制度就会有什么样的组织、技术和效率;

产权方法和交易成本方法存在差别,前者需要一种对个人诱因的分析,而后者则把个人置于一个更广阔的机构框架内,例如容许把公司作为一个组织起来的实体而加以分析。

产权

产权是财产所有权或财产权利的简称,强调的是财产的所有者对财产拥有的最终控制权。今天全世界所有国家商业上使用的法律都是从罗马法里衍生出来的,而罗马法里产权概念的核心就是控制权。最简单的商品如铅笔,权利与商品本身不可分,而复杂的商品如土地、森林、企业、知识、思想、金融产品,支配和享用它的权利就成为不是简单物品买卖可以处理的事。任何商品或资源的交易只有在产权界定清楚的情况下才能顺利进行,市场价格机制才能起到作用,资源才能有效地得到配置。

私有产权、共有产权和国有产权基本涵盖了产权的范围。不同性质的资源要有不同的产权形式与之配合。产权既是一种利益关系,又是一种责任关系,对应激励与约束。良好界定的产权限制人们使用资产的方式,激励人们最大化资产的价值。

产权作为控制权衍生出来许多其他权利,叫做权利束。包括了占有权、使用权、收益权、处置权;处置权又分成交易权、继承权、赠与权,等等。产权的可分割性可以增加资产的有用性,使具有不同需求和知识的人们将某项独特的资产投入他们所能发现的最有价值的用途上去。例如具有企业家才能但没有资产的人,可以较容易获得他人的资产,以最大化双方的总产出;重大项目和基础设施所需的巨额资本可以通过股份制聚集起来等等。从发展的趋势看,随着生产社会化程度的提高,产权由合一到分解是社会分工的发展在产权权能行使方面的具体表现。

在产权制度的基础上,产生出其他的制度,比如企业制度、市场制度、金融制度、法律制度、政治制度等。现代社会错综复杂的企业结构、金融市场等创新的基础,就是产权制度的创新。在制度变迁和制度创新中,产权都是重要的变量。这一点,经历过市场经济改革的中国应该深有体会。

交易费用

交易费用是经济制度的运行费用,广义上包括制度的制订成本、实施成本、维护成本、变革成本。在现实中,制度或者说交易的规则有各种各样,每一种制度都有交易成本。例如产权制度的成本就是度量、界定、维护和交换产权的成本。

交易费用是制度经济学的核心,用交易费用理论可以研究人类历史上和现实中的各种制度安排。在新古典经济学的完全竞争市场里,交易费用为零,私有产权是健全的,亚当·斯密的“看不见的手”能使资源配置达到帕累托最优,制度、产权、法律、规范等可有可无。在有摩擦的现实经济生活中,很多制度要么是为了减少成本而创造出来,要么是使以前受过高交易成本阻碍而不可能实现的事变成可能。

交易费用的测量是理论的关键和难点,包括两部分:经由市场可以衡量的成本,根据一些估计,现代市场经济中的交易费用占净国民生产总值的50%-60%,这个数字还不包括建立新制度和组织的初始成本;和难以衡量的成本,如获取信息、排队等候的时间、贿赂,以及由不完全监管和实施导致的损失。

具体而言,现实生活中的交易是通过契约完成的。契约是当事人(两人以上)为改进自己的经济状况(至少理性预期)而在交易过程中确立的一种权利流转关系。任何交易总是或明或暗地在一定的契约关系中进行,现代经济学将所有的市场交易,无论是长期的还是短期的,显性的还是隐形的,都看做一种契约关系。一个消费者购买了一张火车票,消费者和铁路公司之间就有一个隐性契约:消费者支付费用,铁路公司在规定时间内将消费者安全送到目的地。

契约的基本功能是维护缔约多方的合作,鼓励缔约方在恪守承诺、承担责任的前提下,谋求新的、更为远大的利益。正是契约制度的这一性质,成千上万个不同的、细微的所有权结合成一个巨大的所有权;同一个所有权又能合理分离,分工合作,构成所有者-经营者-使用者链条上的不同环节。在经济发展的漫长过程中,人们之间的交易行为不断扩展演变,契约也越来越复杂。

从契约的角度出发,具体交易的交易费用应包括:准备契约的成本(信息的采集)、达成契约的成本(谈判、签订)、监督和实施契约的成本。

分析框架

从产权到Token

有效率的产权制度能够把产权从低效的人手中转移到高效人的手中。套用前文中交易费用理论,要达到更有效率的产权制度,需要降低度量、界定、维护和交换产权的成本:

  1. 产权的属性完备,产权属性越完备,产权制度就越有效率
  2. 产权的界定明晰,这是市场机制有效发挥作用的前提
  3. 产权的有效保护,产权保护越好,产权的功能发挥得就越好
  4. 产权的交易成本低,这是产权顺畅交易的基础

产权制度的每一次进步,大都离不开以上几条的创新。无形资产例如专利、版权所有权的界定,让知识所有者能从与人分享知识中获取物质收益;所有权与经营权的分离,导致现代股份制公司的产生;一国的法治化程度、市场化越高,市场就越是高效。对比而言,空气的所有权难以界定,就有了污染问题的市场失灵。

Token 是 Web3 的原子单元,由分布式账本共同管理。Token 起源于比特币,人类第一次尝试用技术的方式取代货币制度,但显然已经宣告失败了,现在比特币变成了一种数字黄金。它的失败是可预见的,因为货币制度是人类经济活动中最为复杂、也最为根本的制度。但比特币已经为我们打开了新世界的一扇门:Token。

在公共基础设施如以太坊上,任何人都可以以极低的成本部署Token。截至写作时间(2022年8月),CoinMarketCap上列出了超过9000个公开交易的Token,这还只是Fungible Tokens的数量。这些FT可以被细分为很多类别,从证券到效用到价值储藏到治理,不同的权利对应现实生活中各种已有产权。

Token的多种角色错综复杂,它好像可以是任何形式的经济价值或访问权(的链上版本):股票、债券、货币、礼品卡、积分、俱乐部会员、身份证、学历文凭、机票等。虽然在新兴领域中缺乏明确定义是很常见的,但这并不代表Token的多种角色是一种错误,而是体现了其在最抽象的意义上代表价值的特性。

任何人都可以用Token来发行任何类型的资产和访问权限,包括全新的资产类别。与前文中产权的概念联系,Token是一种产权管理工具,可以代表任何现有的数字或物理资产,或对他人资产的访问权限。如果你认同前文关于产权重要性的叙述,应该不难理解这件事将有多么深远的影响。

但产权管理为什么一定要是Token呢?为什么一定要放在区块链上呢?支付宝里的数字也是一种产权证明,而且还更高效。仅仅发明概念是不够的,概念的落地需要应用的配套。Token相较于链下产权,核心的优势在于:密码学的产权保护,竞争的产权创新和高效的产权流通。同时底层的产权创新是复杂经济活动,如契约创新(智能合约)、组织创新(DAO)的基石。

密码学的产权保护

只有已经具备了保护产权的背景,人们才可能专门关心在保护产权之下的效率问题和操作问题。现代社会复杂的产权机制,底层的调度依赖国家管理。因为国家具有使其内部结构有序化的相应规则,并具有实施规则和与其他国家竞争的强制力,即与其他组织相比,国家具有“暴力潜能”的优势。

暴力实质上也是一种资源,它既包括军队、警察、监狱等暴力工具,也包括权威、特权、垄断权等无形资产。这里的暴力不带任何贬义的色彩,制度是源于个体相互制约演化而来,现行产权保护的逻辑如此,是因为由国家承担这项职能更有效率。国家暴力资源之所以能更有效的使用,在于它是对付暴力的暴力,它的职能是生产和出售(税制)一种确定的社会产品:安全和公正。如果我们处于无政府状态,所有人都必须抵抗他人以保卫其财产,国家暴力能达到规模效应和防止“搭便车”问题。

但政府保护性职能是有局限性的。在政府的保护性职能中,有相当一部分是通过政府管制来实现的。在政府的保护性职能中存在一种倾向,即喜好强调安全,而不惜牺牲对竞争系统协调能力和控制能力的培育,并因而牺牲繁荣。此外,信息和资本的全球化让跨国间的交易与协作越来越频繁,此时单一国家的保护往往力不从心,在地缘政治冲突加剧时,贸易的往来甚至更加分裂。

区块链/Web3是一种新的经济基础设施,与国家一起用于协调和交换。它使用密码学的方式保护产权的安全,最从根本的产权开始,将对复杂制度的信任从单个组织转移到分散化的结点和可验证的代码上。它具有独特的经济特征,使它有可能补充,并在某些情况下直接与现有的机制竞争。

竞争的产权创新

由于产权制度的牵一发而动全身,历史上产权的演变相当迟缓,但每一次的进步都会带来巨大的影响。当前的链上经济体系和实体经济关联不大,创新也激进许多。Web3用技术的手段保证无准入、低门槛、开源和竞争性,使得基础的Token创新层出不穷。“币圈一天,人间一年”,本意是指Token的涨跌相较传统资产要剧烈得多,这也侧面说明了在这样一个开放的竞争市场中,每天都有新的标准、协议、产品产生并迅速被市场验证和淘汰。

例如产权界定上的,将数字信息资产化的NFT,这类商品在没有Token化之前是不能自由交换的。虽然目前真正的应用仅仅只在看起来纯粹是玩具的头像和数字艺术上,但这是因为当前的ERC-721标准并未将数字信息产权的权利束真正打开,导致按图索骥寻求应用场景,找来找去只能落到了无履约风险、所见即所得的炫耀经济。但不断更新的新协议,如能将NFT所有权和使用权分离的ERC-4907,不可转让的SBT,都在不断探索真正的用例,并将立即被市场优胜劣汰。许多杰出的人才正在探索如何使用NFT创造出更公平的创作者经济、更开放的游戏。

再比如属性界定上的,DeFi协议的可组合性。结合后文会详细叙述的智能合约自动履约特性,新的DeFi应用可以安全地接入已有的DeFi应用,相当于原有Token凭空增加了功能和权利,可以从其他协议中获得流动性,提高资金利用效益。

还比如商业模式上的,各式眼花缭乱的Tokenomics设计。同一个Token可以分出一串权利束,持有ETH即可以支付gas fee,用作和以太坊生态交互的基础货币,又能享受以太坊生态繁荣带来的币价升值,在Merge后还能通过质押享受分红。Token持有者即是客户,又是所有者。将在传统公司制下与业务分割的产权引入业务逻辑,以Token为纽带衔接业务飞轮和金融飞轮,可以在早期激励用户,以加速达到网络效应临界点。虽然有部分模型被诟病为庞氏、死亡螺旋,但此类商业模式的探索是有意义的。

ETH衔接以太坊的金融飞轮和业务飞轮

从契约到智能合约

有了产权,下一步就是交易。智能合约本质是用代码保证自动实施的契约。名字很唬人,但智能合约其实并不智能还有些笨拙,一个bug就会导致巨额资金被攻击。核心的功能类似于用自动售货机代替售货员,用AMM取代中心化交易所,可以降低交易费用、信任成本和流程中人的风险,提高资产流通速度,加速价格发现。

算法可以替代契约吗?回到交易费用理论,换句话来说,算法可以降低准备契约的成本(信息的采集)、达成契约的成本(谈判、签订)、监督和实施契约的成本吗?理想很丰满,简单的转账、超额抵押借贷,用计算机/代码/机器/智能合约执行当然成本最低,但人与人间的经济活动如此复杂,当前的智能合约连最基础的信用借贷契约、雇佣契约(DAO的基石)都无法很好实现。

智能合约的计算性特质导致它更适合处理完全契约。但现实生活中,由于涉及人力资本的契约面临相对物质资本更高的测度成本,大多数契约都是不完全契约。完全契约理论中,契约条款详细地表明了在契约行为相应的未来不可预测时间出现时,每一个契约当事人在不同的情况下的权利与义务、风险分担的情况、契约强制履行的方式及契约所能达到的最终结果。不完全契约理论中,由于个人的有限理性,外在环境的复杂性、不确定性,信息不对称和不完全性,契约当事人和仲裁者各方都知道契约条款是不完全的,同时也需要协调不同的激励约束机制来填补契约中的缺口,纠正扭曲的契约条款和更有效地适应意外的干扰。

随着度量、界定、维护和交换产权的成本不断降低,契约的不完全在一定程度上可以被缓解。在经济活动和契约有很多“计算性”的组成部分,我们过去都在用人力模拟去实现计算。但随着技术进步,今天计算机、尤其是区块链智能合约的发展,更贴近计算性的本质。在储户和银行的存取契约中,复杂的支票校验需要经由银行柜员帮助,随着银行系统和银行卡不断降低监督和实施契约的成本,ATM取代了银行柜员。同样在雇主与雇员的雇佣契约中,雇员的产出成果需要雇主主观评估,随着标准流水线的不断进步,计件工资取代了雇主评估。

机器/代码的契约优于人的地方在于精确、高效。当产权制度足够先进,无论是由于技术进步还是制度进步,计算系统能大幅降低交易成本、提升精度,取代人类成为契约的主导者。从复杂的美团外卖调度系统已经可以看出趋势,庞大的系统将骑手、商家、顾客串联起来,其中涉及多个复杂契约的签订和履行:

  • 准备契约的成本:商家将商品信息呈现在平台供顾客选择
  • 达成契约的成本:顾客使用网上支付签订契约,骑手从系统分配中选择进入的雇佣契约,商家接受订单准备商品
  • 监督和实施契约的成本:骑手/商家评价系统,系统自动计算并结算骑手和商家的收入

契约是当事人不受干预和胁迫地自由选择的结果,它包括签约与否的自由、选择签订契约方的自由、决定契约内容的自由和选择契约方式的自由。任何第三方包括作为立法者和司法者的国家,都应尊重当事人的自由合意。Web3的一大主张就是要打倒Web2巨头是因为它们虽然明面上提供了上述自由,实质上取消缔约成本极大。区块链和智能合约的创造者,是规则的制定者和维护者,本身并不一定是参与方,参与方是世界上互不认识的人。当越来越多的产权被明晰并放在链上,试想一下跑在Web3上,没有美团参与的外卖调度算法,或者说更广义的契约系统。规则的制定和维护公开化竞争化会更公平更高效,减少“外卖骑手被困在系统中”此类平台权力野蛮生长的悲剧。

外卖骑手被困在系统中
外卖骑手被困在系统中

随着产权制度的细分和完善,经济活动中很多组成部分,包括生产和交易中重复机械性的部分、计算性规则和秩序,可能都将被机器和智能合约取代。金融体系产权发达、计算性规则清晰、交易成本昂贵,因此改造难度低,经济效益大,不难解释为什么DeFi是Web3第一个爆发式应用方向。

Web3的未来

逻辑链顺下来,未来我们可能会在链下交往、生产,而经济活动相关契约的制定,履行和监督都在链上,极大降低交易摩擦,提升资源配置效率。听起来有些赛博朋克,畅想未来总是愉快的,但很显然目前的Web3绝对不是上面描述的理想中的Web3,它还只是一个混沌状态。和互联网的信息属性不同,由于它与生俱来的经济属性,赌徒骗子蜂拥而至,又由于它深远的革命意义,爱讲大词的空想家不吝传教。

进步不能靠只讲现实的现实主义者、只有理想的理想主义者,而是需要有理想的现实主义者、和讲现实的理想主义者。Vitalik就是最后一种人,不尽如人意的现象我们都知道,但重点是要解决问题,我们还要做很多工作,这也意味着蕴藏很多商业机会。

  • 加密技术创新,例如更好的共识算法,隐私保护,虚拟机,编程语言,分片,零知识证明,去中心化存储等;
  • 提升用户体验,例如更好的开发者工具,简单易用的钱包,便宜的交易手续费,严苛的资产安全保障等;
  • 与现实连接,例如更精确、更去中心化的预言机,更简单的法币Token转换,更多实物资产的所有权、现实契约上链运作,DID,SBT等;
  • 监管的介入,即使长期可以与现有制度竞争,短期融合是必经之路;

至于应用上的,还有什么权利可以用Token表示?该设计怎样的交易规则降低Token的交易成本?没有编程背景的普通用户怎样简单创建自己的智能合约?建立在产权和契约之上的组织该如何演化?路漫漫其修远兮,还有很多创新值得去探索。

尾巴

在经济发展问题上,“技术决定论”和“制度决定论”是两种有代表性的观点,新古典主义理论认为经济增长主要受制于要素投入和技术进步,制度只是被动或滞后地调整;而制度经济学家认为最根本的因素是制度进步,正是有效率的经济组织以及恰当的激励制度安排,才导致西方世界的兴起和工业革命的爆发。

把制度和技术决然分开是很困难的,它们的关系实际是你中有我,我中有你。这两者所谓决定论最终要与成本联系起来,它们对于社会经济的发展的绩效都可以用成本来分析。将创新看作一个系统,技术创新和制度创新是两个不可或缺的组成部分,唯有组合在一起才互补和互动。

互联网虽然更多是信息技术的创新,但也带来了更扁平和无边界的组织形式。虽然这篇文章通篇都在用制度的视角思考Web3的逻辑,但技术的进步也相当重要。此外,关于更复杂的制度例如组织,合作,企业,甚至国家理论的分析,由于篇幅限制以后有机会再展开。笔者并非制度经济学的专业学者,只是挂一漏万,提供一个新的视角思考Web3,欢迎交流

相关链接

Archive – 文理兩開花

Full archive of all the posts from 文理兩開花.wenli.substack.com


《亚马逊逆向工作法》深度笔记

$
0
0

《亚马逊逆向工作法》深度笔记

这本书为什么值得读?

两位作者是亚马逊高管,在公司成立4-5后即加入,各自见证了亚马逊12-15年的高速成长,把其间亚马逊的创新思考和工作法制总结成书。

亚马逊的工作方法包含哪些内容?

可以分两个方面来看:管人和管事。

在管人方面,首先是设计领导力准则(亚马逊多次迭代后现有16条领导力准则)。其次是建立科学的招聘流程,特别是其独有的抬杆人机制。最后是组织架构,强调独立的单线程领导模式。

在管事方面,首先是沟通,发明了基于六页纸备忘录的会议新模式。其次是从客户最佳体验出发来逆向工作,包括PR新闻稿和FAQ常见问题这样的工具。最后是绩效上管理投入类而不是产出类指标。

亚马逊的领导力准则是怎么来的?

贝佐斯在2015年度“致股东的信”中写道:“你可以把你的企业文化写下来,但你要做的,是发现和挖掘企业文化——而不是创造企业文化。”

基于这样的理念,亚马逊的领导力准则是从与公司内部高效领导者的访谈后总结出来的。比如亚马逊全球消费者业务CEO的杰夫·威尔克(Jeff Wilke)坚持采取数据驱动的决策策略,而这成为领导力准则“刨根问底”的来源。

每一条领导力准则都被严格评审,要求其必须具有普遍性而不是泛泛而谈,否则就会被舍弃。

2005年初,贝佐斯正式向全公司管理者宣布“亚马逊领导力准则10条”。在本书出版的时候,亚马逊拥有14条领导力准则。

亚马逊是如何进行招聘的?

贝佐斯经常说:“我们要的是传教士,不是雇佣军。” 后者只是为了自己快速赚到大钱,不关心组织利益。而前者不但“信奉”亚马逊的使命,还会践行亚马逊的领导力准则。

随意的招聘流程会导致个人偏差,确认偏差,紧迫偏差,群体思维和其他认知陷阱。而错误招聘带来的高管做出的错误决策,会直接影响该公司未来数年的成功。

亚马逊早起贝佐斯参加每一次招聘,他喜欢问高考成绩以及智力题,但人们渐渐发现,这类问题有助于评测应聘者的智力和脑子的快速反应能力,但无法有效地预测他在某个岗位上的能力表现或组织领导能力。

抬杆者的设计原则

  • 抬杆者的理念是:每次招人都抬高标准,团队就会越来越强大,绩效就会不断提高。
  • 抬杆者不能是招聘经理或招聘专员。他们会接受特别的培训,每个面试环节都要参与,并被赋予特别的否决权,可以推翻招聘经理的决定。
  • 抬杆者不会获得绩效加薪或奖金,同时还得完成本职工作。抬杆者获得的唯一荣誉,是公司网站员工名录里的姓名旁有一个标志。

抬杆者参与的招聘流程

  • 职位描述:招聘经理负责拟写,抬杆者可以审查,好的职位描述必须做到明确具体、重点突出。
  • 简历筛选:招聘专员根据他们的简历与职位描述中的职位要求之间的匹配度挑选最有价值的人选。
  • 电话面试:招聘经理在一个小时的电话面试中,重点是提出关于亚马逊某些领导力准则的疑问。
  • 现场面试:招聘经理组织5-7个受过培训的面试官(包括招聘经理、招聘专员和一位抬杆者),进行5-7个小时的现场轮番面试。面试官的职位都应比候选人申请的职位至少低一级,且也不应是候选人未来的直接下属。面试流程最重要的目标是评估候选人过去的行为和工作方式同亚马逊领导力准则的契合度(通常用STAR行为面试法)。而抬杆者在现场要确保面试流程规范,杜绝错误的录用决定。
  • 书面反馈:所有面试官都要在面试结束后立即独立且详细地记录面试情况——尽量逐字记录,还要有事例说明候选人关于相关领导力准则的表现情况。面试官有四个选项:强烈建议录用,建议录用,建议不录用,强烈建议不录用。
  • 汇报/录用会议:现场面试1-2日内由抬杆者组织汇报会,看面试官看完所有反馈后是否要改变投票,并引导对话让所有人/大多数人对候选人是否达到领导力准则达成一致。
  • 背景调查:招聘经理会致电推荐人,进一步询问和核实候选人的技能和以往的工作表现,比如“如果有机会,你还会录用这个人吗?”“在你的下属或同事中,你给这个人的百分位排名会是多少?”
  • 录用通知:招聘经理应该亲自发出录用通知,并向候选人推销该职位和公司。每周联系一次,直到他做出最终的决定。

亚马逊的组织架构的设计原则是什么?

核心理念

  • 创新失败的最佳方式,是让创新成为某人的兼职工作。
  • 团队之间的依赖关系导致需要大量时间去协调,应该减少跨团队沟通而不是加强协调。

失败的新计划启动流程NPI

  • 该流程的出发点是缺乏足够的资源支持好的商业想法。
  • 每个季度,团队提交自己认为值得实施、需要其他团队资源的计划。
  • 所有的NPI申请,都要接受审查小组的筛查。
  • 接下来,人数更少的NPI核心小组会对计划资源和回报估算进行校准,然后决定启动哪些计划。
  • 但问题是很多NPI计划都存在较大的“误差棒”,也就是说,潜在成本和预期收益的范围都很大,没有参考价值。
  • 对很多计划团队而言,最艰难的,是准确地预测消费者行为。
  • 为了提高计划的准确性,我们设立了反馈环节,用以衡量预估结果与实际成果之间的匹配度,从而增加一层责任。
  • 但完成首次计划陈述,一年多以后才会有实际成果,要等待很长时间才能知道需要做出哪些调整。
  • NPI流程不受人欢迎,并使员工士气低落。

不完全适用的解决办法:“两个比萨团队”

  • 将软件工程师重组为更小的、基本自主、联系松散、只在必要时才产生联系的团队。
  • 其实就是现在比较流行的微服务架构,每个团队负责一个服务。
  • 但团队之间依然存在程度不同的依赖性,例如,负责运营中心拣选算法的“两个比萨团队”,公司可能还会要求它为仓库搬运机器人项目提供支持,而订单渠道团队和支付团队必须参与几乎所有的新计划。
  • “两个比萨团队”这个概念对研发重组取得一定成功,但不适用于其他部门。

规模更大、效果更好的办法:单线程领导者

  • 单线程领导模式是指不受竞争性职责束缚的单个人拥有单个项目,并领导一个独立的、基本自主的团队实现其目标。
  • 除了领导者要全职负责目标之外,其团队也享有组织独立性,并不做其他任何事情。
  • 值得思考阿里巴巴建中台又拆中台的组织变动,在效率和敏捷之间取得平衡。

亚马逊是如何高效沟通/开会的?

为什么停用PPT

  • 分析越具有因果性、多变量、比较性、证据支撑性,信息的密度越高,PPT的害处就越大。–《PPT的认知方式:金玉其外、败絮其中》
  • 复杂议题相互牵连,需要探究大量的信息,线性推进的幻灯片不太适合这种分析:幻灯片很难让人相互参考想法;文字稀少,无法充分地表达想法;视觉效果与其说给人启发,不如说让人分心。
  • 而管理者渴望尽快把握问题的核心,他们完全不理会幻灯片,而是不停地向陈述者提出问题,催促他说重点,这样反而会使整个会议远离讨论的主题。
  • 书面的叙述体文本的信息密度,是常见PPT的7~9倍。而人们的阅读速度要比陈述者的说话速度快三倍。

如何用“六页纸备忘录”高效开会

  • 备忘录的目标不只是介绍某个想法,还要表明这个想法是经过仔细权衡和缜密分析的
  • 写4页纸的备忘录,比“写”20张PPT更难,因为备忘录的结构是叙述性的,因而会迫使你深入思考和理解什么更重要,以及想法如何关联。
  • 观点有说服力,其基础是“观点、论据、结论”这六个字的写作箴言。成功的备忘录要为读者理清思路,继而创造有说服力的论证,而不是罗列一堆毫无关联的要点和图片,让听众自己去理清思路。
  • 备忘录可以加两个可选内容:一是我们的提议所依据的假设—它是论证提议的基本出发点,二是常见问题—提前解答可能的反驳观点、争论焦点或容易被误解的语句。
  • 会议一开始,就分发叙述体备忘录,然后所有与会者开始阅读,20分钟后开始讨论。在讨论阶段,还必须有人做记录。这个人最好是非常了解相关领域的人,而且不是主要陈述者。
  • 字节跳动飞书的“飞阅会”模式就是借鉴了亚马逊的这个工作方法。

亚马逊是如何从最佳客户体验出发来逆向工作的?

核心理念

  • 先写“新闻稿”和“常见问题”,再建造产品。这也是一种以终为始的思维方式
  • 其关键原则是:首先思考客户体验,然后由此反复逆向工作,直到团队对要建造的产品拥有清晰的想法。
  • “逆向工作法”的根本出发点,是从内部/公司的视角转变为客户的视角。
  • 这是用于决定何时及如何投入开发资源的一种深思熟虑、全面思考和基于数据的工作法。其真正的好处,是催生和评估伟大的想法。

“新闻稿”的组成部分

  • 标题:以阅读者(你的目标客户)容易理解的方式点出产品的名字。标题为一句话。
  • 副标题:描述产品以及客户使用该产品的益处。副标题只写一个句子。
  • 摘要:首先写明城市、媒体渠道以及计划发布的日期,然后简述产品的情况及其好处。
  • 问题:描述产品要解决的具体问题。一定要从客户的角度写这个部分。
  • 解决方案:较为详细地描述你的产品,以及它如何便捷地解决客户的问题。对于较为复杂的产品,可能需要写两段以上。
  • 引用及购买:引用公司发言人的一句话,再引用假想客户的一句话,表明他们使用你的新产品所获得的各种好处。要表明购买该产品方便、快捷,给出网站链接,以便让客户获取更多信息和购买产品。

“常见问题”的组成部分

  • 客户需求与潜在市场规模(TAM):多少客户具有这种需求或这个问题?需求量有多大?这个问题严重到愿意掏钱解决的程度,这样的客户有多少?他们愿意掏多少钱?在这些客户中,有多少人具有使用这种产品的特征、能力、约束条件?
  • 经济效益与损益表:单位产品的经济效益如何?也就是说,单位产品的预期毛利润和贡献利润是多少?产品价格定位的依据是什么?打造这个产品,人力、技术、库存、仓储空间等前期投入会有多少?
  • 依存关系:我们如何说服快递公司(USPS、UPS、FedEX、Amazon Fulfillment、Instacart等)采用这个设备,而不使用他们现有的标准快递方式?我们如何确保快递员(不为你工作,不受你控制)愿意使用人机交互的Melinda,不嫌麻烦地将包裹放入其中,而不是像平常那样把包裹放在门廊上?快递员用Melinda投放快递,不是比现有的投递方式更花(宝贵的)时间吗?我们需要依赖哪些第三方技术,才能实现Melinda的预期功能?
  • 可行性:我们需要解决哪些有挑战性的工程问题?我们需要解决哪些有挑战性的操作界面问题?我们需要解决哪些第三方依存问题?我们如何管控所需前期投入的风险?

新闻稿PR/常见问题FAQ流程之后

  • 如果领导团队仍然相信这个产品,希望把它变成现实,那他们就已经完全清楚:推出这个产品需要解决哪些问题?团队需要计划如何解决这些问题。
  • 审查PR/FAQ期间,某个团队可能存在不知道如何解决、不知道是否能够解决的难题。但如果解决这些难题可以释放巨大的价值,就应该迎难而上。
  • PR/FAQ呈现出的想法再出色,也不能保证能顺利变成现实,只有少量的想法会被“放行”。

亚马逊是如何通过业务回顾周会来管理绩效指标的?

如何选择绩效指标

  • 关注可控的投入类指标,而不是那些滞后的产出类指标。
  • 投入类指标追踪的是选品、定价、便利性等问题——这些因素,亚马逊可以采取行动加以调控。
  • 产出类指标(订单、收入、利润等)也很重要,但长期而言,这些指标通常是无法直接而持续地控制的。
  • 产出类指标对于趋势原因的指示作用,远远不如投入类指标。
  • 推动亚马逊飞轮的指标就是提升客户体验的投入类指标(选品广度、降低价格、配送速度)。
  • 错误的投入类指标会牵引团队到错误的方向,要不断的测试和纠偏,找到推动产出类指标的投入类指标
  • 对数据测量要“刨根问底”,要能准确地理解数据的收集方式如何有助于发现潜在的问题。
  • 对数据异常要坚持不懈地查明根本原因,反复问为什么,直到找出潜藏的真正“元凶”。
  • 一旦有了健全的指标体系、理解流程运作方式的可靠工具,你就可以投入精力改进流程。
  • 一旦某个流程被清楚地理解,决策逻辑被植入软件或硬件,那它就很容易自动化,比如预测和购买就是亚马逊最终实现自动化的两个流程。

如何进行业务回顾周会

  • 好的业务回顾周会,具有高度以客户为中心、对复杂挑战刨根问底、坚持最高标准和运营卓越等特征。
  • 会议开始时,分发可视化或纸质的数据包,包括当周各项指标的图像、表格快照以及注释说明。通常数据包里的数据要经过财务核准。
  • 会议的参加者应该包括高管团队及其直接下属,以及具体数据的拥有人或讲解人。
  • 要分析趋势,以凸显有苗头的挑战,确保图表纳入前期业绩,进行同类比较。图表要显示两个以上的时间线,比如过去6周和过去12个月。
  • 对超出标准范围或正常范围的数据使用客户故事VOC和异常报告来描述。
  • 体现“刨根问底”这一领导力准则,最明显的地方就是绩效指标(以及客户体验故事)。他们会仔细地审查指标所反映的趋势和变化,审阅意外情况、失败之事和客户故事,考虑投入类指标是否需要某种更新才能改进产出类指标
  • 会议要有基本规则,与会人员限定于业务“主人”和关键的利益相关者,将会议回顾的绩效指标限定于具体的、必要的范围——不相关的指标要予以删除。

客服部门的价值

  • 客服部门会定期收集和整理客户的反馈,并在业务回顾周会上做陈述VOC,被选中的客户反馈,往往不是最常见的那些投诉意见
  • 客户连接(Customer Connection)的培训计划,达到一定层级的公司员工都必须参加。每两年,公司的员工都必须担任几天客服代理。
  • 客服按灯制度:客服代理有权点击控制屏上的“红色按钮”,让“添加到购物车”和“一键下单”按钮从产品页面消失,并通知产品经理解决客户反馈有问题的商品。

本书的下半部分讲了什么?

主要介绍了亚马逊工作法产生的创新成果:Kindle、Amazon Prime、Prime Video和AWS。当然亚马逊也有很多失败,比如智能手机Fire是一个执行流程优秀却成为“哑弹”的失败案例。这些历史故事值得在茶余饭后阅读,加深对亚马逊工作方法的理解。

附件:亚马逊公司层级的三大管理机制是怎么运作的?

年度计划流程

  • 亚马逊的年度计划从夏季开始,团队要花4-8周才能完成。
  • 花这么多时间做计划的好处是,一个糟糕的计划或者没有计划产生的下游成本会高很多
  • S-Team(高层团队,由高级副总裁组成,直接向杰夫·贝佐斯负责)首先为整个公司设定最高层级的期望或目标。
  • 这些最高层级的目标一旦设定,各团队就开始制订自己更为细化的运营计划(OP1),提出“自下而上”的团队方案。
  • 各团队同财务和人力资源部门合作制订出详细的计划,然后呈交给公司的领导小组。
  • 领导小组会调整自下而上的团队目标与该团队需要达成的自上而下的目标之间的差距。
  • OP1流程会贯穿整个秋季,在第四季度的休假高峰期到来前完成。
  • 1月,休假高峰结束后,OP1会进行必要的调整,以反映第四季度的业绩状况、更新业务发展轨迹。这个较短的计划流程被称为“OP2”,它会形成该自然年度的记录计划。
  • OP2会使每个团队都对标公司目标,每个人都知道自己的总体目标,包括营收目标、成本目标和业绩目标。这些指标达成一致后,将被纳入每个团队应完成的业绩目标。
  • 改动是不可避免的,但OP2的任何改动都必须得到S-Team的正式批准。

S-Team目标流程

  • 制订OP1期间,S-Team团队会审阅各个团队的运营计划,并从中选取他们认为最重要的举措和目标。这些被选定的目标,自然就被称为“S-Team目标”。
  • S-Team目标必须符合“SMART”要求,具有三大鲜明的亚马逊特色:数量超多,非常详细,有进取精神。只有约3/4的当年目标可以完全达成。
  • S-Team目标主要是衡量团队当年需要完成的具体活动并能产生理想的商业业绩的那些投入类指标
  • 财务团队会全年跟踪S-Team目标,并给出“绿色”、“黄色”和“红色”的状态来评定是否偏离目标。
  • 每个目标都会接受S-Team的季度审查,会议上领导者会不遗余力地关注执行细节,不断地践行“刨根问底”这一领导力准则。
  • 季度审查期间,S-Team会重点关注最需要关注的“黄色”和“红色”目标,然后开诚布公地讨论问题出在哪里、如何解决问题。
  • 日常工作中S-Team每周都会挑2-4个目标,对它们的进展情况刨根问底

薪酬制度

  • 亚马逊认为,绩效薪酬中的“绩效”必须是指公司的整体绩效,也就是股东的最大利益,而这反过来也最符合客户的最大利益。
  • 因此,亚马逊S-Team成员和所有高管的薪酬都重在几年内获得的股权。
  • 在亚马逊升职获得的加薪,现金与股权薪酬的比例越来越偏重于长期股权。

CocoaPods on M1 (Apple Silicon) fails with ffi wrong architecture

$
0
0

Answering my own question. I fixed the ffi issue by uninstalling my faulty Ruby version and CocoaPods, then I used the -x86_64 arch to reinstall ffi and CocoaPods.

These are the steps I did to get back to a working state (and to apply the M1 workarounds for ffi):

  1. Uninstall Ruby with: brew uninstall ruby --force
  2. Uninstall CocoaPods. At first, try to list all CocoaPods versions / components with gem list --local | grep cocoapods. Then uninstall them one by one, in my case:

sudo gem uninstall cocoapods

sudo gem uninstall cocoapods-core

sudo gem uninstall cocoapods-downloader

etc.

  1. As a next step I was able to reinstall ffi and then CocoaPods with:

sudo arch -x86_64 gem install ffi

sudo arch -x86_64 gem install cocoapods

Once done, I could run pod install as expected. Note that I had the Terminal open all the time in standard mode – no Rosetta required.

Then, run the following command in iOS folder to execute pod install.

arch -x86_64 pod install

Could not build the precompiled application for the device.
Error (Xcode): No profiles for ‘fyi.yuan.receiptBubble’ were found: Xcode couldn’t find any iOS App Development provisioning profiles matching ‘fyi.yuan.receiptBubble’. Automatic signing is disabled and unable to generate a profile. To enable automatic signing, pass -allowProvisioningUpdates to xcodebuild.
/Users/yinhuanyuan/StudioProjects/receipt_bubble/ios/Runner.xcodeproj

“iproxy” cannot be opened because the developer cannot be verified

https://stackoverflow.com/questions/71359062/iproxy-cannot-be-opened-because-the-developer-cannot-be-verified

I finally found this could fix, first switch to the folder of flutter(change the path to your own flutter path):

cd FLUTTER SDK DIRECTORY/flutter/bin/cache/artifacts/usbmuxd

then execute this command:

sudo xattr -d com.apple.quarantine iproxy

DIY CPU

How to Create a Simple AM Radio

有用的 Hooks

汇丰私人财富规划

$
0
0

汇丰私人财富规划

玺越世家·臻享沙龙 上海站

(速记稿)

时间:2024年11月24日

地点:上海浦东文华东方酒店LG1层东方厅

主持人:女士们,先生们,各位尊敬的来宾,我是陈佳昊(音),我是汇丰私人财富规划上海分区总经理,我代表上海汇丰私人财富规划欢迎各位的莅临。

今天有很多新朋友,也有很多老朋友,我在周五的时候问过后台同事报名报了多少了,他告诉我们已经快要接近200人了,但从今天的规模来看,我感觉好像今天的人数还要再超过一些。

当然了,有一些是原先的老客户,也有很多是慕名而来,看到这次邀请的是付鹏先生,所以慕名而来。也有一些新朋友。在付鹏先生上台之前,请允许我对汇丰私人财富规划做简短的介绍。

汇丰私人财富规划是全球的战略重点之一,老朋友都知道,汇丰私人财富规划成立于2020年,距今刚好四年,在四年的过程中集团一直在给我们大力注资,也是集团里最重要的项目之一。

为什么聚焦在中国市场上?大家很多人都明白,中国中产阶级的人数在世界上占有量是最庞大的,随着中国经济的高速发展,中国人财富管理的需求逐步提升到很高的水准。所以,私人财富规划也会变成汇丰的重要战略之一。

介绍一下发展历史,从2020年汇丰私人财富规划成立,先是在上海和广州,总部离这里不远,汇丰总部就在国金,欢迎大家去坐一坐。逐步进入到杭州、深圳、北京、佛山,今年在苏州、成都开立了分支机构。

2020年汇丰私人财富规划才刚刚成立,那汇丰的历史又是怎么样的?汇丰简称叫HSBC,很多人会问HSBC四个字母分别代表着什么,可以跟大家简单介绍一下,H代表的是香港的意思,S代表的是上海的意思。很多人印象中以为汇丰是一家外资银行,但其实大家有所不知,其实汇丰在清朝的时候就在外滩已经设立了总部,现在这栋楼交给了浦发银行。1949年之后,汇丰因为历史的原因退出了中国,在WTO之后回到了中国。

汇丰1865年成立至今已经有100多年了,那时候还是清朝的同治年间,同时已经在全球的62个国家还有3900多名客户,这段历史和这么大的分布也是汇丰很多同事内心的骄傲。我们跟很多客户做沟通的时候,经常会把这段历史拿出来跟大家讲一讲,就像这头石狮子,很多人都见过,但很多人都不知道它的历史,很多人在海报、广告、港元大钞上看过这个石狮子,原来在外滩上也有两座,现在放在上海博物馆里,前一阵儿我在博物馆参观的时候还看到了这两只石狮子,上面还有很多历史的痕迹,比如说战争而留下的弹孔,就在人民广场的博物馆里,大家有兴趣的话可以去看一下。

财富大矩阵与中国内地市场,汇丰集团对于中国私人财富规划业务的重视程度,在大矩阵中承担了很重要的地位。

每100位客户中,会有87位客户将汇丰私人财富规划视作为提供财富重要的主要品牌,提出了很多好评,82%的调研者打出9-10分的高分。

也有一些比较有意思的话,如:“对产品内容的保障满意,公司大有保障;甄汇生活有一定的吸引力,汇丰的产品较贵但也愿意买,因为对汇丰私人财富规划师的认可。”

这两年提出一句比较新的Slogan“懂你关心的,给你安心的”。

今天的活动我们邀请到了一位重量级嘉宾,他曾任职于雷曼兄弟、所罗门投资集团等全球顶尖金融机构,从事对冲基金等相关工作。他就是东北证券首席经济学家付鹏先生。让我们欢迎付鹏先生为我们带来《2024年年终回顾和2025年展望——对冲风险VS软着陆》主题分享,有请付鹏先生!

付鹏:正值年底,虽然刚才汇丰一直强调大家不录音不录像,但大概率你挡不住。我在这儿讲话会谨慎一些,非常小心谨慎,大概率会有人透露出去,放到YouTube上,基本上所有见我都说付总我在YouTube上看过你的视频,我说那都是盗版的,靠盗版发财的也不少。

今天和大家分享的内容基本上都是官方的,回顾会多一点,展望不多,因为这个月展望完了之后下个月怎么办?有些话对我来讲我倒觉得很简单,本质上原来我们是做Hedge Fund出身,所以我们的逻辑框架整体具有极强的延续性,不是说今年去讨论,或者说明年去讨论。

惯性思维从2016年开始,我一直在跟大家强调这个世界已经完全不一样了。当然经历过过去的几年时间,我相信在座各位应该对这番话的理解变得越发深刻。

2016年实际上是美国特朗普的第一次大选,我有一个特点,我的特征是如果我觉得什么地方有投资机会,我可能第一时间去一线调研,我不喜欢看YouTube,我也不喜欢在网上扒。当然你会说,现在ChatGPT很强大了,人工智能好像能帮你解决很多问题,但你们有没有想过,可能广泛流传或者广泛传播的很多信息是错的。这一点在2012年当时我从日本做完调研回来之后,我的感悟是最深的。

当然去日本有一个重要的人物,名字叫本森特,很快大家就会非常熟悉他的,目前来讲应该是特朗普政府提名的美国财长。本森特原来是索罗斯基金实际掌控人,因为索大爷已经年龄很大了,去年的时候才刚刚把基金的业务交给他儿子亚历山大,但在这之前,最主要的几场战役本质上来讲都是本森特在主导。

2012年当时我从北京去香港约朋友们吃饭的饭局上,当时斯索罗斯基金在香港办公室跟我说,本森特从这儿去了日本。我说OK。我经常说一句话“站在巨人的肩膀上看问题。”

当然你知道,网民们最可怕的地方是巴菲特“SB”、索罗斯“SB”,我最“牛逼”。你要记住,他们的所有行为一定有很大的变化,很多人可能都不知道,巴菲特第一次去是2011年,我们正在讲福岛核电站泄漏,核废水污染以后海鲜不能吃的时候,一个80多岁的老头顶着核辐射泄漏去日本吃海鲜了,当然他去日本干吗,这其实很关键。

之后我们跑到日本做完调研回来之后那几年,我陆陆续续跟很多人讲,日本正在发生变化,日本的利率结构都会随之变化的,当然包括日本的证券市场。今年日本股市终于走出这35年了,创下了历史性纪录。

但网上很多人还在说,我从经济数据里好像没看出什么状况来,这就是我们说的“信息差”,因为有时候你知道人的理解,对社会的理解,对经济的理解带有惯性思维。前几年我经常普及的一点是关于日本的理解,很多人总在想经济增长,有没有一种可能性经济不增长也很爽呢?比如说中国过去三四十年改革开放之后我们习惯的就是经济要增长,经济不增长我们就很难过,你有没有想过一种不增长还会把蛋糕吃多的方法呢?答案是分配,你怎么老想着分工、努力、工作、干活儿、挣钱、增长,有没有另外一种可能性是进行再分配?

你对日本的理解为什么要增长?用我的话说在过去30年的时间里保持着这块蛋糕没有变,但现在远端利率抬起来的根本原因是因为年轻人可以吃多了,年轻人为什么可以吃多了?你们知道2012年日本的死亡数据是什么吗?你有注意过他的人口结构变化吗?到了今天为止,你突然之间发现日本现在招聘怎么会是应聘的在下面坐着,招聘的在上面站着?放心,中国现在不是招聘的问题,是HR砍人的问题,这种变化的根因到底来自于什么?其实很多人只是惯性思维,你不一定能看懂世界。

过去40年已经发生翻天覆地的变化了,从2016年开始,中国也不再是过去40年的中国,美国也不再是过去40年的美国,日本也不再是过去40年的日本,东南亚也不再是过去40年的东南亚,你资本运转的逻辑框架都在发生着巨变,而这种时刻下,如果你保持着过去的思维,你并不能理解我在讲什么。

我只能说,大家一切看缘分,我不需要完全说“付总在胡说,我并不认同”,无所谓的,你能听懂你就听懂,你能早理解你就早理解,早理解你就能顺着这条线Get到2016年之后世界发生的巨变。

最新的美国大选,特朗普重新上来,但这次上来跟2016年又不一样了,因为他比2016年变的更加右翼化了,2016年大的政治转变本质上就是逆全球化和右翼化。2016年我把我自己的书稿整理过一版,当年也没空没时间把这个东西出版,去年因为我们家孩子回来以后做了传媒公司,原则上来讲我就把书稿送给他作为传媒公司的一部分出版业务去做,这就是大家后来见到的《见证逆潮》。但这本书不完整,全文将近70万字,你们拿到手的只有50万字,中间差不多有20万字被删减掉了,这20万字其实非常关键,涉及到我们对世界大类资产顶层逻辑的核心框架,金字塔究竟是什么?底层是我们的所有资产和市场,市场其实是在框架中最底层的,大家天天想问的房价的上涨、股票价格,这实际上是金字塔中最底层的。

稍微往上一点有人说宏观经济很重要,尤其是中国2008年次贷危机结束之后,中国的投资人开始发生巨变,2008年金融危机之前,中国大部分投资人讲的是“擒龙大法”,如何抓涨停。但2008年的次贷危机,全球的冲击使得很多从事金融交易、资产交易的人开始意识到,原来全球金融市场是这样的,是联动的。自那一刻起,真正意义上的金融才开始在中国慢慢生根发芽。

稍微有人开始意识到宏观经济的重要性,当然像现在证监会的首经团队中,36个首经里,我一直说我是那个最不正经的,因为我又不是搞学术的,我也不是搞政府出身的,我是市场一线的,我们对很多问题的理解是完全不同的。

前两天的时候,在Fox News上,本森特和几个诺贝尔经济学家在那儿争吵关于关税作用的时候,你就突然间发现,一个站在市场角度上的人理解关税作为一个手段到底起到什么样的作用,和那帮老学究们去讲的,甚至跟在座各位在新闻联播上看到的关税描述“美帝国主义打关税,使得老百姓生活在水深火热中”,你会发现好像你聪明点的话就知道好多东西并不对,这就是差异性。这次特朗普组成的第一是实权派,第二是通杀了,可以理解右翼化已经完全没有牵制了,第三上来的全是实干派。你猜后面的结果是什么?这场仗可不好打,比2016年那一届还难拿。

再往上是什么呢?有人说终于讲到了政治,没错,再往上是政治,民主党、共和党、全球政治的变动。但再往上的顶层,金字塔的最核心是什么东西?实际上是意识形态。

我教很多研究员说你们在研究世界经济的时候别盲目地做简单的对比,我估计很多研究报告都会犯这样的错误,动不动就做对比,和70年代、80年代做对比,这种对比纯粹写报告凑字数的,换成我的角度,我都不会看完直接撕了就扔垃圾桶了,我其实挺心疼这些券商研究员的,为什么呢?是个事儿就得写个报告,写个报告就得好几万字,好辛苦,结果还没人看。

顶层断代,也就是大家经常讲的周期性的断代到底是什么?你记住一点,顶层的断代是意识形态,社会政治的发展本质上是群体性意识形态的周期,也就是大家学过的思想政治课中的“左”和“右”,左倾右倾、左派右派、左翼右翼、集体个体,这些东西的变动才是世界经济周期的最大变动。

当前是什么?大领导讲的那句话很对,百年之未有大变局(百年未有之大变局),基本上就是1929年大萧条到二战后完整一个周期的结束。全球从二战的极端右翼,慢慢发展到中右,再偏向中左,再到差不多这20年左右的极端左翼化,最终导致重新开始右翼,这个世界很有意思,没有任何方向是绝对正确的。

我一直告诫大家,你们不要在网上争吵,我站在左边,你站在右边,PK,非得讨论出谁最牛逼,谁最正确,没有。就好像你想找个女朋友,又漂亮,腿又长,胸又大,腰又细,还有钱,还特别爱你,你想多了,挑一样就行了,完美主义哪儿有?最终的结果就是在运动的过程中对政治造成影响,进而对经济造成影响,进而对金融市场造成影响,一定记住金字塔的逻辑。

大部分时间我们不用Care顶层,因为在过去百年,顶层的方向是固定的,就是从极端右翼不断向左翼在运动,所以顶层方向不变的情况下就会形成下面的一套运转逻辑。

比如说以美国为代表,你们应该看到Ray Dalio关于债务危机的那本书,里面有个利率曲线,二战前我们的利率就是0,到80年代利率达到顶峰,2008年次贷危机到疫情期间利率再次达到0。利率的低点到底是什么意思?为什么在过去的百年历史里,利率的低点总是战争的起点?是有原因的,因为利率的本质实际上就是贫富差距,利率越低的时候,贫富差距越大的,利率越高的时候,贫富差距越小的。

当然,我们每个人都是屁股决定脑袋,比如大家手上拿着一堆金融资产,拿着一堆杠杆,我可以告诉你,你永远高呼的是低利率是对的,就好像大家对于美国的理解一样,永远认为美国在过去的40年的逻辑就是不能加息,加息就崩溃,崩溃就降息,利率永远是低的,美元永远是Carry的借贷方,但你从来没有想过这个逻辑会变的。

几年前我跟很多人讲的时候,我说你记住一点,中国从高利率变低利率,海外从低利率变高利率,所谓的几毛档还动不动说付总说了高利率是多少,4-5都是高利率。低利率是多少?0、1、2有多大区别吗?没有的,这是关键的点。有人说非得纠,把我的话直接变成了付总说的,中国不会加息,永远降息,美国永远加息不会降息,降一点加一点,加一点降一点,这不很正常吗?比如特朗普上来了,明年有没有另外一种意外性呢?比如说降了50,降了25,大概回到4.75,5的水平了,突然间又抬回到5.25了,这不正常吗?4和5的纠结不重要,重要的是他不会再回到0、1、2了,这是很关键的。

对于劳动力来讲,利率是很关键的,如果利率的抬升来自于劳动收入的增长,这是好事情。你想想中国,你把时间拨回到20年前,利率高不高?那时候你难受吗?不难受。现在利率低不低?低,你难受吗?你难受。为什么?所以你要知道是通过劳动获得收入还是通过资本杠杆获得收入的,你对利率的感觉完全是反的。

但是整体社会去讨论贫富的时候,贫富主要讨论来自于劳动价值,简单讲,天天外面送外卖跑滴滴的,他们就是失去的一代,在过去的二三十年里,靠劳动力的就是被淘汰的一代,没办法,这是社会发展的必然结果。但是当这种矛盾压力大了,就会转化成社会矛盾,甚至可以通过选票转化成对政治的影响,对意识形态的影响。所以贫富到极端的时候一定会进行修正,无论是极左的贫富还是极右的贫富,都会最终产生矛盾,这就是社会运转的规律。

过去百年发生的这一轮大周期就是完整的周期,到2016年表面上看叫中美贸易战,表面上看是中美两个大国之间所谓的对抗和博弈,其实是全球各个国家内部的矛盾展示,对内是内部的分配,对外是外部的分配。在这个背景下,战争的风险将加大。

前两天,我们也看到了,人类历史上第一次使用了洲际弹道导弹,无非就是前面没挂核弹头而已,仅此。你觉得这个东西离你还很远吗?我们这一代可以说是幸福的一代,但我们这一代也将经历不常见的百年之未有大变局了。

很多人在思考这个世界的时候,真的不要以为我们现在还能回到过去,回不去了,那个全世界包容融合的,不断左翼化推进的,全球化不断推进的路径,这个时代彻底在2016年已经开始结束了。

2016年很多人判断是错误的,总觉得2016年只是一场贸易战,那时候我从华盛顿调研两周回来以后,我跟很多人讲,不是贸易战,不是说哪个党派,民主党、共和党上来对中国就会温和的,不会的,两党的共识,他两者之间只存在着我比你左一点,我比你右一点,但咱俩都是往右的。美国政治的变化核心在于不管民主党和共和党,对中国的压力都是一样的,只不过是他俩谁压力多一点谁压力少一点,谁在外交上压力多一点,谁在经济上压力多一点,仅此而已。

对中国来讲现在也麻烦,在过去的80年代、90年代,西方在不断包容融合右翼化,同时当时的中国也在不断地往右走,当然此处不是指的中国的右倾。注意西方右翼概念和中国完全反的,你们不要觉得是错误的,如果你觉得错误的,你先了解了解什么是左派右派、左倾右倾、左翼右翼。如果你不能理解这个东西,你肯定对左和右在中国和西方的框架里完全是颠倒的。

中国也是朝着包容、融合的,所以我们才有了非常好的入市、WTO、改革开放等一系列的操作。我经常说家庭中女生是天生右翼,右翼有一个典型特征,右翼可以叫民粹,可以叫国家主义,可以叫爱国主义,极端右翼可以叫纳粹。但右翼的特征很明显,“我没错,都是你的错”,这就是右翼。

家庭中女同志天生带有,当然我不是歧视各位女士,这是你们DNA里带的,两个X里带的,如果家庭中男生是左翼,家庭是幸福的,什么意思呢?“老婆,没事儿没事儿,都是我的错”,男生是个左翼,家庭很好,左+右。

如果男女都是左翼,这简直是幸福无比了,男生回家了,女生把拖鞋一放说“老婆你打会儿游戏,我正做饭呢,一会儿做好了叫你洗手吃饭”,这个男同志真的去打游戏了,吃完饭了说“你歇一会儿,看会儿剧,我来把碗洗了。”你可千万别当个大直男,锅一甩又去玩儿了,不行,时间长了,她会右翼化的。

此时你也表现出左翼特征,你家庭就是融合的。家里如果两个右翼就完蛋了,都是你的错我没错,凭什么说是我的错?就是你的错,就是你做错了。直男碰上女生,一般来讲没啥好组合,两个右翼就是战争,打架到离婚。

不要认为这是在讨论家庭、婚姻,同样在讨论国家,同样在讨论全球。当国家和国家之间的组合出现统统左翼化的时候,就是包容、融合、全球化共同增长的俱佳的历史环境,当全是右翼化的时候,就是战争。

我们现在的大麻烦在哪儿?就在这儿。全世界在过去5、6年时间里已经陆陆续续都在右翼化了,右翼化的特征,政治的重要性已经体现出来了,选票回归传统的特征已经体现出来了,反移民的特征已经体现出来了。

我之前说过,这两年全球著名的交易就是“多美国,空加拿大”,原因就是加拿大的小土豆放了那么多印度裔进来,就完蛋了,加拿大的核心矛盾是什么?经济增长创造了五个蛋糕,原本加拿大的国民可以一人吃一个,现在放了10个阿X进来,加拿大问题是分配,当分配不够的时候,一定会趋于保守,一定会趋于右翼化,一定会趋于反移民。

各国都一样,70年代80年代的时候,英国那时候有过排华,现在又开始反穆斯林了,这正常。世界的动荡不是简简单单表现在单纯的资产上,前两天英国又出台了新的政策,你只要非英国国民的,原则上来讲要交遗产税的,英国政府也要收你的遗产税。我之前跟很多富人说,别天天琢磨避税了,包容融合的时候藏点私房钱是没事儿的,当都右翼化的时候,你再藏私房钱你就完蛋了,现在全世界的大麻烦是什么?找个税率低的地方该缴的缴。当年特朗普上来的时候20%只要你愿意回流美国,全部合法化,你看有多少资本往回回流?所以你们知道左翼和右翼大概的框架和特征,这才是我那本书里的真正精髓,但被删掉了。

你把它理解了,你对应的穿透到经济上,穿透到利率上,穿透到资产上,你会门清儿的,这就是大类资产的精髓,真正的精髓。你要问这东西谁创造的,索罗斯那批人,本森特那批人,整体框架大家都是一样的。

我到底在讲什么?其实我就是在讲回顾,因为从那一刻开始,几个问题就在陆陆续续暴露。美国在进行重构,特朗普上来以后方向继续重构,这里面其实就涉及到民主党为什么是错的,民主党的很多政策为什么是极端左翼,左翼政策不一定是对的,右翼为什么会使得美国进入到增长通胀利率的环境。

包括有些华人带有意识形态,我只能说一句话,我们作为全球投资人,最佳的选择是没有任何意识形态,对我来讲,我非常清楚左有左的问题,右有右的问题,左有左的好处,右有右的好处,我不会站在任何一侧。我的答案是全世界选择往左走,我就知道我的交易路径是什么,全世界选择往右走,我也同样知道我的交易路径是什么,但我绝对不会站队说谁是绝对正确的,否则的话就会压错宝。世界有时候不一定按照我们的意识走,美国的这次大选也是典型的结果,其实我也没想到,美国右翼化的速度会这么快,推进速度会如此迅速。本来想的是民主党还能够撑一撑,但现在来看基本上是完败的。

对于中国来讲,当前我们面临的问题不仅仅是外患的问题,还包括了内忧。综合在一起,会有一个非常奇特的答案,之前很多人问我中国到底和日本一不一样?网上这句话炒的纷纷扬扬的,有人说中国就是会走日本的老路,有人说中国不会走日本的老路,你要问我正确的答案,我会告诉你这个问题没有任何意义,为什么?太泛了,如果拆的细一点我能回答你。比如你要问中国的居民部门和日本的居民部门一不一样?我的答案是一样;中国的企业部门跟当年日本的企业部门一样不一样?我的答案是不一样;中国的政府部门和当年日本的政府部门一不一样?我的答案是不一样;中国的金融机构跟当年日本的金融机构不一样?不一样;中国当前面临的国际环境和当时90年日本面临的国际环境一不一样?不一样。

你说最后的答案是什么?如果站在纯居民角度来讲,我可以告诉你99.99%可以复刻,但如果站在大的国际环境上来讲,可能得到的是完全不同于日本的最终答案。用我的话说,你是说一样还是不一样呢?没有意义。

所以我大部分时间给你们分拆的是日本居民部门和中国居民部门的比对。而日本的企业部门、金融部门、发展模型我也给大家分享过,去年你们应该都知道了,巴菲特买三井、三菱、丸红、伊藤忠商社,大笔发行日元债券购入到日本的三井、三菱、丸红、伊藤忠这些资产中,他到底在干吗?

那时候第一财经找我说付总你去讲讲巴菲特为什么买,我发现很多评论人员单纯在讲三井、三菱、丸红、伊藤忠资产怎么样,稍微聪明点的会讲到当年的商社们是日本的海外资产,是日本Carry trade套息交易的主要收入端。再聪明一点的会讲到巴菲特在参与日本过去40年存量财富的再分配。

我可能明年把我们家小儿子送到日本去,我跟他讲的很清楚,我不需要你去学习人工智能、AI,为啥呢?你好像没那么聪明,也不是IT技术男,你把日语学好,能考上应庆就不错了,那里面都是一些日本传统贵族的姑娘,你娶一个就行了,最好她们家都是80岁90岁的,你就躺赢就行,等她们家80岁90岁的明后年一挂,房是你的,股权是你的,土地是你的,财富是你的,存款是你的,咱们就参与日本存量40年财富再分配。巴菲特是用钱去参与,我们用人参与,本质上都一样,你买股票,我把儿子嫁过去,这都是参与财富存量分配。

你们要明白日本的核心究竟是什么?日本的核心是参与分配,而不是参与增长。很多人不太理解,因为他在国内没参与过分配,永远都是增长处在哪个环节,我距离权力近一点,资源近一点,资本近一点,我就多吃点,卖劳动力的就少吃点。当经济增长增速不够的时候,最底层就没饭吃了。经济增长5,可能各个阶层的体感是完全不同的,所以网上会有些人说经济数据造假,真的造假了吗?也许没有。5代表的是整体的蛋糕,而你的体感仅仅代表你的阶层。

在过去几年中国经济的调研中,我们到底做对了什么?

第一,在2020年疫情后,那时候长白山论坛我跟大家讲的很清楚,我说的非常赤裸裸,中国居民资产负债表出现问题,那时候券商们都很Happy,因为他们永远需要Happy,只能做多。但对于我们做Hedge Fund出身的来讲,我可不能这么做,我这么做我就完蛋了,我的钱在里头。10月8日之后,有人在里头吗?千万别自己麻醉自己,那都扯淡。网上一般来讲,拿所谓的这种东西蒙蒙别人可以,你自己信了就完蛋了,就跟当时“6000点不是梦,1万点刚起步”,记住那话是说给散户听的,你信了那你就完了。核心是什么?从我们的角度非常明确地大家,大家的预期很高,但现实很残酷。

那两年跟各家公募基金每个季度做交流的时候,他们没法去理解现在的经济情况,比如说那时候我跟他们讲网约车司机、外卖,那两年我大量的调研样本参数是底层。经济增长消费扩张升级的时候,调研样本是富人先进五星级酒店,富人先买超跑,富人先吃海鲜,然后你的样本参数是下沉的,到最后是老百姓吃上海鲜,老百姓开上汽车,老百姓进五星级酒店。

但是当经济收缩的时候,倒过来的,第一步先收缩的是底层。我前几年我说每年现在新增几千万的网约车司机,你们都没有想想人从哪儿来的吗?有人说了,农村劳动力进城,我说都啥年代了,还农村劳动力进城,这又不是你当年搞大规模基建城镇化建设的时候缺农民工,把农村劳动力大规模转移过来。现在的农村你去看看,哪儿还有劳动力,除了老弱病残幼以外,还有劳动力吗?你就没想想这两年突然激增的两千万的网约车司机这些人从哪儿来的?答案很简单,中产阶级的陨落。只不过是你的阶层不一样,你看的问题不一样。

很多人的调研很有问题的,很多人说美国通胀导致美国居民部门水深火热,我问他为什么?他说你看我打电话问了我在美国的朋友,他们都很惨。我说那你美国朋友的样本是个什么状态?他一描述,我说那当然惨了,他们以前爽的时候是老公在中国挣着通胀的钱,老婆在那边花着通缩的钱,享受着社会福利保障体系,还不交税。现在倒过来变成了老公在国内挣不着钱了,海外人家上门给你弄个草皮清理一下要多收你50美金一小时,你的钱没增长,花的钱多了,你当然难受。我要是那个铲草皮的,我会告诉你那点通胀算个屁,5块钱的三明治涨到7.5元,翻了50%,对我来讲不重要,重要的是我从你们家弄个草皮,挣50多一个小时,劳动价值提升了。从事劳动的人就很舒服,从事单纯支出的人来讲你就难受了。

你要调研的样本是一样的,前两年的样本收缩的是时候是底层先吃苦,但对宏观经济数据影响不大,你们记住一点。

我就说网约车司机,如果你在广州做调研,他们的特征就是有钱没钱,今天都吃龙江猪脚饭。但注意,北京北四环的网约车司机吃的中午盒饭到多少钱吗?15块钱送瓶水,还带锅包肉,猪肉炖粉条子,耙子肉,嘎嘎香。但你记住一点,千万别问肉多少年,问你就吃不下了,因为基本上都是80年陈酿拉菲,一定是冻肉,一定是冻了20年、10年以上的肉,不然怎么那么便宜。所以你们也不要瞧不起预制菜,我觉得预制菜很好,没有预制菜老百姓日子更苦,有预制菜老百姓好一点,为啥?12块钱能吃饱,还能吃上肉,吃上足够的蛋白质。

你就记住一点,当你都吃12块钱了,你还注意肉多少年吗?现在统计中国在讲需求的时候很有意思,我从来不会用一个数字,从来不会用中国的CPI,中国的CPI一直有一个大的问题,当年宏观经济数据设立的时候中国老百姓第一目标是解决吃穿,解决温饱,所以对我们来讲,物价中的菜价、猪肉价格、粮食价格、油价波动,我们看的比天都大。

那时候一般来讲,领导们下去做慰问的时候,第一件事儿都是去家里掀锅,动作都很标准,打开锅看看你吃啥,这个动作其实就是因为当年我们的重要问题是解决老百姓的吃穿住行,所以我第一件事情就关注你吃的情况。但改革开放下来以后,到现在为止,吃如果都成问题,那就是大问题了。

为什么不用数据?因为数据中这部分的波动很大,这部分的波动已经跟需求没关系了。比如说城市里洪涝,那蔬菜价格那几天就会暴涨,那种变动其实影响已经不重要了。我们现在讲需求,比如中国经济从2019年获得大问题,非常麻烦,你们不要觉得现在的经济问题是现在,是2019年就开始了,在今年是恶化的,所以今年的情况你们都不知道有多严峻,数据里已经告诉你,非常严峻,而在调研的时候更严峻。

8、9月份的时候,必须转向,那时候很多人不理解,因为过去的一年大家都养成了一种习惯,这也是右翼化的特征,右翼化的特征就是我没错都是你的错,我不许你说我错。你想想,家里的老婆你敢说她错吗?到最后男生就是出门抽烟,不吭。

过去几年我们的右翼特征当中体现出来的,大家都有一种习惯,国内经济不许说不行,谁说不行谁就是叛徒,谁说不行谁就是不爱国,谁说不行就网上攻击他。问题是诞生了另外一种生意,什么生意?你们懂得,你只要说这东西遥遥领先,8000块钱的东西就能卖18000。

在我的角度看很简单,这是社会的整体意识形态变动的核心,但是真正可怕的是如果大家都不去讲,到了关键的时间点上,会使得所有的信息反馈形成谬论性错误,最后你们会发现,连决策层都做出错误判断,那就完蛋了。

到最后谁是那个误国误民的,历史会有正确评价。最上头在关键的时刻该做调研,该让你发声,还是要发声的。8、9月份到底中国发生了什么事情?大部分人在当时并不了解,8月27日开始,你们关注一下所有的金融峰会和论坛上,全部让你敞开了讲中国经济的核心问题。

当然只是说我当时在大湾区论坛上讲话时间不够长,大家传播更为广泛,但不是说我胆大讲。当时下午讲完之后,晚上就有朋友发“付总,这能讲吗?”我说“如果能讲,你要想想为啥?”24小时都不到,大概12小时左右,第二天早上易纲同志在上海的外滩金融论坛上马上跟你讲当前中国经济的核心问题,通缩的风险,以及经济有效需求不足,所有人从8月份到9月份,用的词都是一模一样的,中国经济当前核心问题有效需求不足。其实我想说,有效需求从2019年开始就在下降了,而此次的有效需求非常麻烦,可以说是我们改革开放之后的百年之未有大变局。

我在9月初的时候,提的政策建议里,我都没有用“解决”,我用的是“对冲”。9月11日我怕大家对这个事儿理解不深刻,当时演讲的原题目是要注意有效需求问题,赶快出政策对冲,9月11日我把东西又给你写出来,再讲了一遍。

但那时候会发现社会上的整体风气依旧沉浸在“不许说我们不行,我们挺好的”。到现在为止,现实情况是什么?你觉得资本市场起来这一下,猛冲这一下跟经济好有关系吗?恰恰出现的情况是经济差才来了这么一下,而不是经济好。现在出的所有政策有没有达到目标呢?有一讲一,没有。能不能达到对冲的目标呢?我觉得对冲一点点,解决肯定不可能,因为你如果仔细地了解这次有效需求的复杂性,意思是告诉你这事儿挺难,因为里面掺杂了中短长期的因素。其实在疫情后,我们当时就做出中国国内经济的预期很高但现实很差的根因也来自于有效需求背后的矛盾。

有谁记得前两年我在各个公开演讲中,一直跟你强调国内经济的核心变量是什么吗?我老跟你们讲到人口的问题,老跟你讲到老龄化的问题,几年前跟你们讲到现在为止,通过金融市场、资本市场、银行背后的数据大概都能看明白到底发生了什么,老龄化对于中国、韩国、日本都不是好事儿。

西方经济研究中研究移民政策,中国、韩国、日本研究人口出生,因为这几个国家的历史决定了他不会有大规模移民的。你别动不动就来一句,老龄化了人口出生少了,北欧怎么怎么样,好家伙,你这一刀切出去,你玩过《文明》吗?马上《文明》就要上新了,大家可以Steam上下载玩一玩,开局资源要素是不一样的,最后你组成的文明和帝国发展战略也是不同的,别动不动做瞎对比,没用的,这就是中国经济的大问题。

这是所有这次有效需求的组合,包括下面我们对的政策建议,不用看了,意义不大。

核心的就用这两张图够了,很简单。

第一,我不会用CPI这个数字就是因为里面含了实际上已经跟现在有效需求没太大关系的。用的什么呢?把高清大图放大到2007年之后,我们用的是扣除食品和能源以后的通胀。简单讲,我要关心的是老百姓吃饱饭以后没事儿干的价格,你没事儿干的价格高,就说明你的有需求好,你没事儿干的价格低,就说明你有效需求差,就这么简单。至于吃饭这件事情,非常容易解决,龙江猪脚饭。

说实话,你们点20块钱30块钱的外卖,成本价格就4块钱,4块钱你都吃的嘎嘎香,可以想想,食品工业发展到现在为止,防腐剂、添加剂一加,成本是很低的。当然了,做不到既要又要还要,既便宜,又好吃,还健康,还得是厨子现割肉现做,你想多了,你要想吃现割肉现做,你掏50,我去你家做,你就掏5块,那就是预制菜。你们要明白,这是解决吃喝拉撒很重要的因素。有的时候,左右两边不可共同都有,健康和便宜不可能同时存在的,所以健康很贵的。

大家先看放大版的数字,2019年是整个平台的顶峰期,2019年后的典型特征是总需求曲线一直在降。10月份的数字是负的,没有疫情,没有2008年金融危机的外需崩塌,从2002—2024年,长达22年的时间里,在没有任何重大风险的情况下,中国第一次出现了有效需求为负。负数啥意思?非常简单,中产阶级节衣缩食,这个宏观数据就告诉你这个答案。

刚才我讲了,底层老百姓是一点点往上反馈的,不会很快地作用到宏观经济数据里,所以你们在疫情后看到的这个数字大平台还没有快速往下掉,但当时的底层(网约车司机、送外卖)其实一点点在痛苦,但那时候去金融机构做路演,他们都没有这种感觉。今年所有金融机构都觉得很痛苦的原因是啥?因为他们被裁员了,他们被降本增效了,他们被要求奖金退回了,板子打到了他们的阶层之后,他们开始感受到了痛苦。你知道这代表什么吗?今年经济为什么从3月份之后这个数字一路掉下来,答案非常简单,今年的大麻烦是中产阶级陨落。

别说今年了,这两年底层慢慢“拼多多”,现在应该是中产阶级开始“拼多多”,今年最好的样本参数调研应该是隔壁的杭州,其实上海也可以做调研,差不多。3月份降本裁员裁老张,6月份降本裁员裁老李,我就问你老王怎么办?回家跟媳妇开个香槟庆祝一下,老张、老李被裁了,我没被裁,是这样吗?现实的情况是回家赶紧跟老婆算账,国际学校多少钱,孩子多少钱,面膜多少钱,健身房多少钱,该花的不该花的多少钱,房贷欠了多少钱,一算账列一个数字,假设被裁员怎么办?算完跟老婆说,你的面膜SPA中心别去了,李佳琦的直播间拍一个糊脸上差不多。然后你开始节衣缩食收缩,你的收缩是要命的。记住一点,中产阶级的收缩对整个宏观经济是冲击最大的。

底层真的是今天干个活儿,跑跑,有钱挣没钱挣都得吃个龙江猪脚饭,反正也不贵。多挣钱了,跑个单王,跟老板说“龙江猪脚饭加个蛋”,今天各位在外卖平台上给打赏10块钱就是龙江猪脚饭加个蛋来个腿。

我没有太多投资的群,但我会潜伏在全国外卖小哥、网约车司机的群里,因为他们是我广大调研阶层的样本参数。我甚至还有个样本参数是全国最大的美容连锁店的老板,我经常拿他当调研样本,为啥?他背后的2000多家店,以及店后面的那些女人们,那就是标准的消费调研样本参数,他的生意好经济就好,他的生意差经济就差。杭州今年上半年应该有500家美容店要转让,你们有谁要的我给你们搭个线。你们会要吗?你要知道,不管是正宫娘娘还是非正宫娘娘,都没钱了,她背后的男人们都没钱了。

你说消费降级吗?其实不仅仅是降级,你们一定要记住,这个大周期的结束很可怕的,因为这是大部分中国投资人里第一次经历这样的周期。

中国证券市场反应非常精准,不要再看上证综指,那个意义不大的,我们经常讲有结构性行情,一点错没有,结果里对经济、政策的反应非常准确,不是不准确,是非常准确。所以说你真正在这几年对宏观经济的理解,就是告诉你一句话,没有增量,就是结构,对结构怎么把握?这里的结构可不是40年前的结构。

前两天我跟一家公司说了一句话,黑色线是PPI,相信在座各位都明白,PPI是什么呢?简单讲就是企业利润,PPI为负,大家就是在拼命地价格战、竞争,我卷你,你卷我,上游卷完卷下游,下游卷完卷客户,卷到最后就卷到谁能活着,这就是PPI为负的答案。

中国这二十多年来,从2002年开始,我们的经济从来没有遇到大问题的根因非常简单,红色线永远存在,上面的红色线存在。

中国经济的任何供给问题都是有需求在的,有内部需求有外部需求,外部需求是全球化对我们的支撑,内部需求是什么?房地产大佬现在好像在里头踩缝纫机,他当年曾经说过一句经典的话,“什么房地产、供应、需求、土地开发、城镇化,扯淡,就一句话,我们有庞大的80后”。我觉得他说的非常诚恳,因为需求内需到底是啥?本质上就是人口收入的债务函数、杠杆函数。

所以你就知道,中国内需庞大的一代是谁,就是这批80后。是“文革”之后人口基数最大的那批,可以花3个钱的,可以花过去时,上一代人给你留下的6个口袋。可以花当下时,你的企业老板给你的收入函数。可以花未来时,金融机构给你们的杠杆。你们是花三代的钱,一代的人口高峰,那就是中国内需的所有底牌。中国经济的任何问题都可以由这部分人买单,所有债务问题、经济问题均由这代人买,那就不会有真正意义上的经济的风险。

比如说2008年,现在也会发现,有些政策跟2008年很像,房地产放开、限购放开、购置税减免、消费补贴、刺激消费,但你们都会发现,还能产生2008年效果吗?能回去吗?我可以明确告诉你,回不去的。

你们记住一点,那句忽悠了老百姓这几年的一句话叫“做内债不是债”,我不知道谁让这句话传出来的,很多人在那儿喊“内债不是债”,这是我们家祖传对联之一,下句是什么?“内债不是债,只要人还在”横批“万税万税万万税”。任何国家的本币债务就是对自己本国居民的征税权,税等于什么呢?税基×税率,税基等于人口和收入函数,一叠加就是人口收入×税率,这就是税和债务。

中国现在的化债化什么?要么增加税率,要么增加人口,要么增加收入,人口不增,收入不增,答案只有一个,增税率。那你猜你的遗产税跑得了吗?你猜你的房产税跑得了吗?想啥呢,年轻人不生,咱收不着他们了,那就收老年人的,一样的。你要知道,债务不会像你想的“内债不是债”,你想多了,本质是税源。

政府债务驱动的投资行为只要能收到税,所有投资行为理论上都是合理的,2008年两个经济学家在那儿讨论高铁到底应不应该修,当时他们俩的讨论中我站后者,当时应该修,因为修不修就看能不能征到税,但他俩的计算方式是不一样的。其中一个是按照标准的市场经济去计算,市场经济计算税就是这个项目能不能挣钱,杭州到上海这条高铁修完了,成本核算完,二等票需要150元,老百姓能不能承担得起,能承担得起能运营得起就会项目回本。所以他经常挂在嘴边的口号就是如果项目不能挣钱,那原则上高铁是浪费的,就是纯纯的债。他这句话在当年是不对的,因为中国非常奇特,中国的税分为间接和直接的,你刚才所有的成本核算是直接税,但中国的特色是直接税上减免,增收间接税。这就给中国老百姓一种很好的感觉,我们的高铁又快又好还便宜,成本150的票价,我们只需要60就能坐了,老百姓觉得生活便利。

你咋那么天真和可爱呢?我就问你,剩下的65块钱谁掏?然后就来一句,内债不是债,这钱国家掏。咋可能呢?这钱谁掏?你们知道为什么所有基础设施一定跟着城镇化走吗?一定建在新城吗?一定高铁内新城的土地很便宜,圈完了之后,三通一平做完了,十字格一画,土地一卖,盖上房子,80后1万块钱2万块钱买房子,什么意思?这叫间接税,我们是间接收税补直接。

核心是什么?核心就是只要能收上间接税,所有的投资政府基建全能做,间接税收不下来,项目就完蛋了。你们猜中国以后还会有大规模基建吗?我可以明确告诉你不会有了,只有修修补补,因为最大的税源税基没了,这就是2015、2016年中国经济里暴露出来的最大问题。

知道是什么吗?年轻人,你们咋不生了呢?你不生我咋办?你不生税咋办?当时的人口拐点,大规模老龄化开启,年轻人不再生育,这将是巨大的麻烦,因为我们所有债务的兜底没了,谁给我们兜?此时很简单,去海外收税,所以大家就明白,我们要走国际化,国际化的本质就是向海外征税。政府、企业、金融均向居民征税,记住一点,企业征税就是所谓的商品通胀,1块钱的东西卖2块钱,就是向居民部门收1块钱的税,但国内PPI持续为负,代表着企业征不上来税,企业恶性循环,企业债务严峻。PPI为正,代表着企业可以通过通胀、价格转移的方式向居民转移,也就是向你征税。

只要居民部门在,通过供给端的调整,都会带来周期性的PPI恢复,简单讲,供给侧改革一搞,房地产一推,老百姓一买单,企业的债务就不是债务了。所有政府的债务、企业部门的债务、金融部门的债务,只要居民部门能扛得动,都不是债。

你们知道现在的大问题是什么吗?我现在说了某一个行业,你知道有些人犯的巨大错误是什么?到现在为止跟我讲,付总PPI为负很正常,市场化竞争,优胜劣汰,弱者淘汰,强者赢家通吃。我说现在不是的,现在会出现一种情况,都得死。他没懂,在这个图里你们看得懂吗?

一是,看2011—2015年周期里,2008年4万亿基建,加杠杆,把有效需求扩的非常好,那时候政策一出,绝对管用。现在很多官员犯的错误是觉得老百姓还是曾经的老百姓,还用同样的政策。当年的政策是我准备50万孝敬丈母娘准备买房子,结果你跟我说首付只需要40万,那你知道年轻人怎么做吗?40万首付,10万装修,还是花50万。现在的情况是什么吗?告诉他不需要50万,只需要499,年轻人说我不缺那10万,我现在缺那40万。

杠杆到头,消费是完全两个概念,用加杠杆的方式刺激经济,这个手段将失效,我现在唯一投票的全部是降杠杆刺激经济政策,比如说降低存量房贷利率,这是扎扎实实的降杠杆,说白了是银行吐出钱来给在座各位每个月可以少还800、1000。但你还是说降低首付比例,大爷快来,加杠杆哦,我可以告诉你,加不动了,这就是核心。当年产能加上去以后供给过剩,主要是旧产能,出现36个月PPI,企业恶性竞争,破产倒闭,银行压力巨大。我们干了供给侧改革,然后行政性出清一部分产能,其实是转移到新产能上去了,使得供需把需求再一刺激,老百姓买单。

当年的大问题是这儿是一个妹子,白富美,下面是俩小帅哥,俩帅哥在那儿竞争,优胜劣汰,一个把一个淘汰之后,最终迎娶白富美,因为白富美需要一个帅哥,所以你们俩金正,胜者为王。这句话,充分的市场竞争后胜者为王,假设前提是需求不变,经济的这点活儿放到自媒体、网上真的搞坏了。充分的市场竞争后,胜者为王,赢者通吃的假设前提是需求不变,也就是妹子在,你俩竞争。

知道现在的数字啥意思吗?红色线没了,0,PPI如果扣掉疫情期间,持续从2019年之后为负,两个小伙子在那儿PK,目标是胜者为王,最后卷完了,剩下一个,摇头一看,妹子呢?你们等着看吧,这件事情必然是两三年后某些行业必然发生的,会真以为是胜者为王?你的大环境是什么环境?是有效需求面临着中长周期的收缩和调整,这种情况下市场如此恶性竞争和卷是没有赢家的,最后会爆发危机的。我把这话送给某些企业的董事长们。

跟往年不一样,往年任何过剩的市场竞争,最终都胜者通吃的原因是因为居民部门有效需求永远在,永远能加杠杆,永远能为你的企业产能和利润买单。最后只剩下一条路,你们知道是什么路吗?因为这条红色的线只代表着内需,如果国内的姑娘没了,就要迎娶海外白富美,所以他只剩下一条路,出海。这也是网上很多网友们很开心的,我们就是要出海,我们就是要拿下国际市场。

现在国际环境是什么样?是不是20年前、30年前全球往左翼包容融合的大环境,能让你出去迎娶白富美。当然日本的三井、三菱、丸红、伊藤忠等等,在90年之后就是出海迎娶白富美,问题是我们现在能不能?我相信大家心里都有杆秤,“想不想”跟在未来的大环境上“能不能”将形成激烈的碰撞,如果不能,国内没有有效需求给你怎么办?

现在所有经济问题是两个都存在,供给过剩也存在,有效需求不足也存在,我们需要解决问题,答案是必须提振内需,内需的核心就是进行再分配。政府和居民之间进行再分配,贫富之间进行再分配,债务和杠杆之间进行再分配,如果不做,那我们就是35年日本。日本35年周期怎么来的,你们最终知道答案了吧?还不知道,我都把儿子送过去了,你们还不懂再分配是什么意思吗?日本战争后获取所有资源要素(岗位、职务、薪资),战争后的第一代和第二代,到了2012年开始死亡,代际分配,老同志们死了,年轻人吃的蛋糕就自然多了,就这么简单了。

你如果能理解到这个的变动,你就能自然地理解到我在说日本经济的核心到底是什么,是代际分配,不是增长,光增长不分配那就是富着恒富、穷着恒穷。这话翻译到股市上你们知道是什么吗?上市公司不分红没增长的话,答案永远是富着恒富、穷着恒穷。00后指望着炒股来分60后的财产,你想多了,你还不如去萧山当个上门女婿来得更快一点,还不用努力,把自己倒腾的帅帅的,嫁进萧山豪门,财富代际再分配,躺赢,何必要天天炒股累死累活的,心里想着我能干掉60后,那都活成精了,你能干成他?换手跑的比你还快,一边喊着“年轻人快上啊,人生唯一一次机会,此次不all in梭哈,未来就没机会了。”他一边all in着,咱们一边换着手撤,让他们站在高高的山冈上。

市场跟经济是一样的,创造增量的同时也要进行分配,不配没有任何意义。有些事儿都是本质一样的,这就是中国经济当前最大的问题。

2006年供给侧改革,我提醒大家一句,有几个错误的观点特别强调一下。为啥说错误的?这观点用我的话说一定咱们要知道,不一定要让老百姓知道。

举个简单的例子,股票市场创造财富效应,用此来改变国运,这是不是外面经常听到的声音?你想啥呢?房子如果没有收入和租金的回报率和住的功能,那换句话说房子不创造自身价值的情况下,纯换手,依旧答案是富着恒富、穷着恒穷,能创造短期财富效应吗?能,就像2015、2016年我跟你们举过的例子,满仓all in梭哈,融资杠杆伞形都上,然后你发现股票一个涨停一个涨停,账户里全是钱,出门给老婆买了个包,财富效应。

然后呢?跌停的时候你知道你后悔买啥吗?你后悔股票没卖掉,放心股票卖不掉的,因为开盘就跌停了。你真正后悔的是,我没给老婆买这包就对了。我经常劝他们,辛苦你给你老婆买了包,因为她至少还剩个包。你要当时没买这个包,你连这个包都不剩了。

这种换手的游戏只有结果是富着恒富、穷着恒穷,而且后果会越来越差,中国就是典型的这个逻辑。不要把泡沫当成家庭财富去忽悠老百姓,这是扯淡的,背离收入的,背离企业增长和股息分红的,这种东西咱都心知肚明,就是为了来换手的,你把它当成家庭财富配置,会死人的,最后对经济会造成今年这种情况。

换手的时候你看着消费很爽,比如说我这儿给你举的房子,中国的房子上涨幅度最大的真的不是2008—2015年,恰恰是2015、2016年股灾之后房价是最猛的,那时候北京我记得最清楚,2009年炒房的时候,亚运村是17500,2015年年终的时候亚运村房价是25000,2019年亚运村的房价是10万,黑色线是同比上涨,70个大中型城市同比上涨,同比上涨+长时间累计就是房价涨幅最大的时候,所以我们就是2015、2016年那一波,房价带来了大家的消费预期和希望,但从这张图上你们可以非常明显地看到消费背离了收入,这种消费就是大家讲的建立在财富效应上的,但此时的财富并不是收入支撑起来的。

问题就来了,四年前五年前我拍过一些短视频,跟平台合作让我拍些短视频,我当时就讲得很清楚,房子如果纯换手,到底是什么东西?我200万买的房子,600万卖给年轻人,我拿走的就是年轻人未来40年青春的当期现金折现。我可以为我的未来40年潇洒了,他背上这40年的债务,他要还的。如果没有收入的增长,他要硬硬地还40年,他就是失去的,我替他多活40年了,就这么简单。

股票价格也一样,咱们交换的叫时间价值,我是大股东,我现在拿走,我现在Happy,把你套在里面套10年,10年后能不能解套呢?也许解套了,你觉得你开心吗?你丢了10年。金融资产交换成本你们一定要注意时间函数,没有时间函数都是扯淡。

问题就在于,如果收入不增长,纯换,短期内创造的财富效应毕竟等于另外一批人短期内累积的债务。换句话说,我们爽了,他的债务达到一定程度的时候会造成全面的坍塌,整个资产不可能持续的,他买的房子800万买的时候,指望800万买,1000万卖给下一个年轻人,结果发现没年轻人了,下一个年轻人接不动1000万了,此时他的资产负债表就开始恶化了,消费开始出现断崖式的回归,这就是2019年后的结果。2019年后开始逐层断崖往下走,向着真实的收入回归。

千万不敢跟老百姓讲把股票、房子当成家庭财富,过去有年轻人的时候,他才是我们的财富,不管通过股票还是通过房子,年轻人就是所有人财富的来源。说实话,中国的房地产涨了差不多20年的根本原因是啥?有一讲一,凭良心讲,任何的房子年轻人能买走,我们就拿走财富了,我的房子就是他们的负债,咱们所有人在吃的就一条东西,就是居民部门杠杆率,所有人吃的就是这根红色线。

有些研究员说,中国现在居民部门杠杆率比海外低,因为他单纯的对比数字。我可以告诉你不低了,你知道原因是什么吗?我们的杠杆背后没有高福利,高福利国家70%,低福利国家60%,你跟我说60%比70%低,你自己实际的杠杆压力到底是多少,你心里没点数吗?你的教育、医疗、养老,上有老下有小,你需要花多少钱你心里没点数吗?你是社会福利70年代80年代建立起来国家的居民部门杠杆率吗?不是的。从各种现象上去观察,这个杠杆率到头了。

资本市场很聪明,从2002年一直到现在,长达18、20年左右的时间,交易中国的消费升级,不管上证综指是3000点还是3500,不重要,消费板块大周期就是中国居民部门80后加杠杆这一带。

从2019、2020年开始,我对中国消费的所有教育逻辑就是:一是消费会发生结构性的变化,这种变化实际上是代际的变化;二是消费开始降级。

那时候我演讲中讲的那句话,咖啡不再是喝完20喝30,喝完30喝40,喝完40喝50,而是开始喝9.9买一赠一,年轻人开始周四攒个肯德基优惠券。

年轻人开始发生消费型变化,比如我们家孩子喝茶,我看他们喝茶马上告诉我老婆,把囤的普洱的茶饼全甩卖。为啥?我们家姑娘怎么喝茶知道吗?去她办公室,红茶绿茶普洱,你说红茶,东方树叶拿出来拧开,连水都不用,倒壶里,卡哇伊的小杯子往那儿一放,往那儿一倒,请。她不会给你拿个饼搓半天,然后再一泡,那是上一代人。

日本当年经济顶峰期的时候,做日本的清酒和威士忌,结果1990年之后真正火起来的是三得利、Jim Beam嗨棒。年轻人说1000块钱的酒,啥酒?我要的就是10块钱,口味偏甜,RIO喝起来微醺,能醉吗?能,行了。我的社交场景已经变了,我不会有请客吃饭坐在那儿了,我的消费场景已经变成俩孩子往那儿一坐,看电竞比赛直播。

这种年代已经到了,你可千万不要以为没到,你囤的邮票、木头,你记住一点,没得传承的,还囤邮票,我家儿子都不知道邮票长啥样?他倒知道小马宝莉值钱,这就是时代的变化,消费在发生结构性变化及总量上的变化。

中国的资本市场对经济的反应是完全准确的,你们可以看看整个的板块指数,房地产结束了,居民部门的食品、饮料、消费、零售结束了。新能源汽车到底结没结束,我的答案是你们等着瞧。其实现在只有一个板块在扩张,半导体。

你们看懂啥意思了吗?银行的对联叫“只做锦上添花,绝不雪中送炭”,横批“我家银行”。你要是经营不善,我们家第一个干的事儿是抽贷。“内债不是债,只要税还在”,还有一个秘诀是关于中国特色的经济,海外没有的,我们是非市场经济下的“J、Q、K”。

“J”是什么意思?大爷快来。“Q”,大爷,投点钱吧,把钱圈住。“K”是出去,KO。中国能够高速经济发展实际上和这只手有密切关系,大家炒股票都知道,经济越差的时候,你炒的是这只手动不动,有人问中国的股市跟经济到底有没有关系,我可以告诉你,两头是反向关系,中间是正向关系。

两头反向关系就是经济越差,这只手会出动,你会有反向关系,中间一定重新回归到跟经济相关,然后再往那头,过于亢奋了,也是行政关系。举个例子,2015、2016年当时非常典型,我发了个微博,最后一个月,我说你们谁爱玩谁玩,我们要撤了,拜拜了您。当然好处我没做空中国,我做空了香港,我要是做空中国我就回不来了。

那时候我跑到江浙沪调研当时的伞形信托场外融资配置,证监会一出政策,我说很简单,你们谁爱玩谁玩,老子撤了,根本原因这只手才是关键,你现在的市场什么6000点不是梦,10000点刚起步,你哪一条支持了?债务杠杆再一撤,游戏就崩了,赶紧跑。你们不觉得这玩意要出事?那也是手,不是经济,中间这一段才是正常经济发展,而中国的指数编制将决定了大部分时间经济反映出来的是结构,不是增量。现在出来个A500,是想试图让A500类似标普那样能反映总量加结构。

JQK什么意思呢?中国非常奇特,在投资的过程中,只做JQ环节,绝不做K。JQ环节是什么呢?行业有没有崛起呢?没有。行业有没有国家主义的意义呢?有。你们一定要记住一点,我们是右翼,右翼的产业政策全是偏向于国家主义的,所以说国家主义干任何事情不是要挣钱,要的是有,你们记住这句话。所以JQ的所有目的是为了政绩,是为了有。

老股民都懂,看新闻联播炒股的逻辑是啥,你告诉我你看新闻联播是炒经济吗?你看新闻联播炒股就是炒的他哪儿没有他想要,你就投。这时候是没有证伪的,而他会倾注所有资源给你,倾注土地、税收、地方引导基金,倾注一切资源,股市也是资源,用来融资的,会把一切资源给你,你是最爽的。而你一旦做到了遥遥领先,他的政治目的达到以后,就会把你甩到市场上进行市场经济的KO,此时你们就会发现PPI的秘密。你们就会发现PPI的周期性,PPI的周期性很简单,你如果把PPI里的行业再分一下,生产资料、生活资料,再细拆就会发现周期性和政策的关系。

啥东西呢?我没有,就会让PPI为正,我倾注一切资源和方式可以让你在里头挣到钱,而且不需要竞争。但我一旦达到目的,把你扔到市场经济的时候,你们会迅速发展,如果是正式的市场经济,竞争波动会比较温和的,也就是说稍微一有点钱挣,就有人进来了,就会烫平,周期拉的比较长,需要30年才能崛起一个大型企业。

但在中国不是,中国是5年,产业链就要做到全球遥遥领先,在JQ的保护期内,大家都可以活,但同样会造成很多“大家”,一旦保护期一到,扔到市场经济的时候,你们就会发现大家就变成了非自己人,开始PK、竞争、内卷,PPI开始转负,就这么简单。然后一轮产业过剩,开始淘汰,政府驱动再引导新的产业。用这种前浪推后浪的方式,推动整个产业各个环节的周期缩短到五年,但是代价就是很多行业会以很快的速度进入到PPI为负,而所有能到PPI为负的产业,最后能活下来都得感谢有自己的负债端,居民部门能买单,一旦内需不够还这么搞,就会出危机,就是现在这种状态。

老百姓的投资是说你看新能源渗透率到了多少多少了,老百姓开的越来越多了,怎么股票一直跌呢?这就是他的错误,他没有理解政策到底什么时候投资,成熟的时候是不能投的,因为能放给市场的时候一定不那么挣钱了,不放给市场的时候一定是特别挣钱的。

当然,这里面还牵扯到一点就是当年供给侧改革,你们可能都没有人会想到供给侧改革跟当年的股灾和楼市是有高度关系的。当年周兴涛(音)在市的时候,2015年底2016年初在上海搞了个会议让我讲供给侧改革,我说供给侧改革很简单,1997年朱镕基总理翻一下,供给侧改革这个词就来自于那儿。中国这一轮所有的起点是2002年,PPI为正,核心CPI为正,有效需求为正,持续到了2012年,供给开始过剩,但有效需求可以继续加杠杆,在这儿就是供给矛盾,2009年供需双落,这就是中国这一轮从2012年开始的大周期的末端。

上一次末端是什么时间呢?改革开放一直到90年代末,2000年初。出门京东上150块钱买《朱镕基总理答记者问》,三卷本,里面所有的事儿都发生过,房地产泡沫、金融经济危机,鼓励老百姓要有信心。你知道当年怎么鼓励老百姓有信心吗?“心若在,梦就在,大不了从头再来”,刘欢同志从此从那儿活起来的,那就是当年鼓励你们有信心。

把年轻人的失业率不能拉那么高,你们知道当年怎么做的吗?大学本科扩招,因为我们的年轻失业率统计上是不统计在校生的。把你都赶到大学里,失业率就能往后延三年。

今年清北附交本硕的比例是多少吗?1比3,5000本科,15000硕士,当然,当年那种政策最后直接结果造成的什么?曾经本科很值钱,然后本科不值钱。我大概率觉得以后硕士可能也不咋值钱了,如果三年后经济的问题还不基础,我估计开始鼓励你们读博了,读到30岁再开始就业吧。在座家里有孩子的,你孩子不是富二代的,就别卷了,富二代就更不用卷了。用我的话说,想清楚了,后面卷学历没什么太大价值了。

当年还干过啥?银行风险,四大资产管理公司处理不良,供给侧改革,化债,股票和政府化债。如果你想知道股票市场到底用来干啥的,请品品当年。2002—2004年,经济已经恢复了,A股跌到2004年的原因是啥?都有,所以你们知道债务到底怎么化吗?答案非常简单,所有的债务记住上下联,“只要人还在,啥债都能化”。只要人不在,这债怎么化?税率。量收不上来,就抓率。以前有人说中国是高税率,是居民部门高税率,企业部门低税率,因为各种退税、补贴给你的是低税率的,大家要懂得,该抓税率的时候要抓税率,不然是不够的。这一段大周期到现在为止进入到末端,这就是当前最麻烦的点以及外围环境。

海外我就不分析了,因为你倒过去就OK了,你把过去的40年倒过来就是海外正在慢慢发生变化,产业在回归,贸易关系在重塑。我这两天刚从新加坡回来,新加坡、东南亚、马来西亚、印度尼西亚、越南,开句玩笑话说,2016年之后真的是受益于你俩人打架,因为他们在走正向反馈和循环,他的正向反馈循环就是我们转移的。

最后送大家一句话,这张图是全球很重要的,当财政需要扩张,当利率在下降,你们可以想想财政花钱短期内挣不到,国内经济的有效需求不够,储蓄过剩,投资回报率下降,利率下降,在这种背景下,汇率就代表着你的实际回报率以及本币购买力,是减弱的。所以新兴市场一般来讲,如果出现这种状况一是利差会推着汇率贬值;二是政府的债务会推着汇率的贬值,会导致资本流出,会导致你需要加息去应对,但一加息,经济崩,资本进一步流出,这就是新兴市场危机。

注意,新兴市场危机不单纯是美国加息,这是很多人错误的认知。我可以告诉你,中国以前从来不会崩,因为不管老美加到几,中国的投资回报率都远远高于老美的话,我不会有新兴市场危机的,本质上是对内投资回报率和债务。

大家老是讲一句,老美加息就会收割别人。我开句玩笑话说,你如果没有借那么多钱,且投资回报率很强,他加息对你没影响。有一讲一,老讲成阴谋论,不是左就是右了,是偏颇的,我们站在中立的角度看,左有左的问题,右有右的问题,两边都有。

全世界在低利率和政府财政扩张情况下能保证汇率稳定的只有欧美、日本,他采用的模式很简单,自己家里不能挣钱,又要保证自己的信用和币值的稳定,答案就是我可以作为资本方到海外挣钱,这也是全球化必然在当年会发生的路径,拿海外的carry trading套利资产作为背书,支撑汇率。

我可不认为《广场协议》把日本打败了,你去日本访问,他们会告诉你日本当年的官员都是偏国家主义的右翼,因为从二战后过来的,他们在写自己所有回忆录的时候都说,我们日本发展的挺好,我们的政策没有错,都怪美帝国主义。你想想,哪个右翼会写本书说我错了,你们家老婆会说自己错了吗?想多了,怎么着都得说你错了。当年你们看日本官员书的时候,就会形成错误的右翼认知,原来是美帝国主义把日本打败的,而他不会去反思自己的问题。日本中立的这批人相反在做历史分析和回顾的时候,那个答案更准确。

在那个背景下,《广场协议》以后日元大幅度升值,日本形成了低息日元,强势汇率,什么意思?到海外去,购买海外资产吧,日元carry trading套息,到海外去形成,这就是日本的三井、三菱、丸红、伊藤忠,他们承载了日本海外所有财富。而更关键的是日本政府债务用于了对那一代居民的补偿,教育、医疗、养老对你们的支撑。当然,没有增长了,所以他的内心是痛苦的,肉体不痛苦,所以日本是内心痛苦,肉体不痛苦,答案就是抑郁症、焦虑症、自杀森林,如果肉体痛苦,那就不是自杀,那是杀别人。

在这种背景下,财政转向、利率下降,carry trading套息,用海外资产兜住,形成汇率,这就是当年很著名的,日本只要国内有地震,全球资产就会马上出现抛售潮,日元套息交易会迅速支撑日本,重要的就是这部分资产会回流。

美国也是一样,1980年后,美元套息交易,所以全球就形成了低利率美元、借贷美元,永远借贷,美国不能加息,永远降息,美元永远是借贷方,不是投资方。这种背景下,用他的财政扩张和低利率,支撑汇率的就是美元的跨国资产,也就是美股里的所有上市公司和跨国企业。

但是他造成的结果是,三井、三菱、丸红、伊藤忠富了,老百姓穷了,也不叫穷,就是不增长了。老美也是同样的道理,跨国企业高管富了,老百姓穷了,而老百姓最终会用选票红脖子投出特朗普进行逆转。逆转了游戏就颠倒了,低利率就会回归,套利会回归,产业会回归,债务会下降,汇率会走向,就这个逻辑。

中国也想这么干,但做不到,我们现在的问题是利率低又不能低到那么低,财政想帮老百姓又不能真的帮到老百姓,汇率升值,我不知道当年有多少人你们咋想的升到5块6块,不是指2016年,是指这两年突然间有人说人民币将来升到5块4块,你靠啥升?你用什么升?现在说白了就是一种平衡,利率不能那么低,财政不能那么扩,汇率不能那么贬,三者之间找平衡点。比如说2的利率,对应的就是7-7.3的汇率,财政对应的就是能救救地方政府。如果明年打贸易战,变的更加严峻了,那利率可以更低点,比如破2,汇率可以往上放一下,7.3-7.6,7.3-7.8,财政可以再扩一点,这是我们现在手上唯一剩下的牌,怎么可能一次给你打出去呢?咋打,打出去以后没有海外市场给你做背书,我们就是新兴市场了。这个游戏就是现在国内的逻辑,止和稳,没有刺激,靠啥刺激?你对国内所有资产理解透了,大概率也就是明年的一些东西了。

说句实在话,全球这两年战争风险不断加大,某些资产计入的可不是利率、汇率、货币,某些资产在计入的是战争和脱钩,此处请参考俄罗斯。

时间原因,留几分钟给大家提问。

现场提问:付总我问一个问题,您刚才也在报告里提到了,这么大的人口国家,也到了1万美金以上的人均收入,结构性机会会在哪些行业或者哪些领域里有?

付鹏:你就记住一点,你现在要么做富的,要么做穷的,放弃中产吧,这就是答案,做富的不受影响。比如说刚才的奢侈品,富的是啥?各位女士们,记住一点,只买爱马仕,香奈儿、LV、GUCCI、Prada通通放弃,从新品到二手都会崩的,这叫富的。

穷的怎么做?杭州已经开始了,香奈儿一个包一天租金25,二奢已经都玩不转了,现在玩的都是租一天25,干吗呢?租给名媛们拍拍照打打卡,这就是极致的两头。优衣库,要么就往上走,要么就是升级到始祖鸟,要么就往下降级到优衣库,不过现在年轻人更猛,他们都觉得优衣库贵,这都没辙了,我发现优衣库在国内的销售数据在下降。为啥呢?年轻人一问,优衣库挺贵,这没法去理解了,优衣库。就是往两头,中间的部分不做。

第二,年轻人的生意做,老年人的生意做,40多岁中年不做,因为他基本上是上有老下有小,还着债,苦哈哈的中年牛马,这部分放弃。年轻人做就是他的兴趣爱好会发生很大的变化,他们不一样,不管有钱没钱,他们的兴趣爱好完全不一样。比如动漫、游戏、二次元,就像年轻人买包,我们家姑娘买啥包?什么LV、GUCCI、爱马仕统统不买,人家买“痛包”,知道啥是痛包吗?知道里面塞一堆吧唧是啥东西吗?这就是他们那个时代的消费。

老年人你们知道做什么吗?老年人记住一点,人生中最后一刻花钱,一定是最后一个房子,ICU病房。中间60、70岁你也没啥好花的,我一直鼓励中国应该尽早退休,趁着这代人有财富的,能花的时候让他花,把岗位职务让出来给年轻人。你真学日本,老着站着,年轻的上不去,你会发现该花的没花还在工作,该挣的挣不着,时间就拖了,中国也一样,放弃中间。

剩下的是什么呢?国家让你干哪些产业你就干,而且一定干早期,早期干完,后期一定过剩,干早期,达到顶峰的时候就是市场热度极高,要名有名,要利有利的时候,撤。

现场提问:半导体到了吗?

付鹏:没到,很简单,我们还没宣布我们“遥遥领先”,着啥急。会不惜一切代价,哪怕10个公司中有9个是骗子,他都认,这没办法,你必须明白国家主义的特征。

现场提问:感谢付总,想问关于海外资产配置的问题,个人在海外资产美股、美债、新兴市场的债券和股票,有什么建议?

付鹏:新兴市场的债券就是中国,原则上你购买他。比如说你们配置型的会配新兴市场债券,我们投机倒把型的直接在新兴市场放高利贷,任何新兴市场早期第一件事情都进去放贷。2015年去越南,我原来是做小米总代的,干着干着开始放贷,为什么?中国早些年也是放贷的,新兴市场有个特征,金融体系不完善的情况下,央行和银行的利率并不能正确地反映经济周期的资本供应和需求,所以说银行的利率一定低于实际经济的投资回报率。

我们的“搬运工”直接搬到最高的利率上就可以了,放小贷违约率很低的,现在在中国敢放贷吗?

举个例子,在座各位2分有没有人借钱给我,你们大概第一反应是2分,你要我本金的吧?但把时间倒回10年前,2分,开发商问你借,你借不借?那时候你们担心违约吗?不担心,原因跟你放多少息没关系,是对经济的判断,我可以告诉你,新兴市场在这个维度上就是当年的中国。

人家的员工00后就是00后,2015年有一些产业转移跟我们去越南,我跟老板说的很清楚,你不要觉得越南劳动力成本低,不低的。他说这不是挺便宜的,我说加班是要给加班费的,4点59是必须下班的,工会真会罢工的。中国劳动力成本低的原因是啥?牛马可以随便压榨,这才是劳动力低的根因。

这两年又有些企业想往回迁的原因是啥?越南这两年年轻人动不动就罢工,罢工了人家工会就上,你不给加薪人家就不干的,老板拿着没辙的,中国老板很不适应,就想迁回来。我说你也别迁了,因为中国的00后们也很快崛起了,他们整顿职场已经开始了。

这两天香港闹的很凶的是华为的HR招聘,一样的道理,这个时代到了。

新兴市场的债券,本质上确实是高息的,这很好,美股美债就不用说了,美元资产的投资回报率你自然琢磨去,当然美股明年会有点特殊,因为今年创造奇迹了,今年是美股的奇迹年,你们可能都没注意过回报率、波动率、估值,高估值,低波动,高回报,这三种组合理论上不会同时出现的,但今年同时出现了,是绝对异常的。这就是前几年我跟你讲的,你们必须要明白人工智能已经开始了。前几年我说美股会从人工智能的集中到慢慢扩散,很多人说不可能,他对股市结构的理解不够深刻的。

当然今年最辉煌的一仗就是英伟达闪崩之前我们明确告诉国内所有的公募基金,你们要注意英伟达场外杠杆,那天晚上崩了,崩完了之后,第二天晚上马上做了将近8000人的直播,跟各家公募基金说,这就是波动率的高点,因为经济没有问题,市场没有问题,其实就是过低的波动率带来很多人加了杠杆,把这帮人干掉就完了。

当时新加坡有些朋友给我打电话说付总这怎么办?我说你今天晚上把保证金补上,明天就能活,补不上死的就是你。这跟英伟达、人工智能没任何关系,妥妥的就是爆杠杆,爆完了就完了,我们也爆完,去完杠杆,英伟达重新回到3万亿,现在是这种情况。但这种组合明年应该不会持续,高估值、低波动、高回报,不会。明年要么保持着高估值,保持着低波动,回报率就得下降,要么就是保持着高波动,回报率下降,高估值,要么就是直接杀估值,我目前看还看不到杀估值的路径,杀杠杆是有可能的,杀估值的可能性不大,产业的中期早期估值都是偏高的。到明年去看,美股确实不太一样。

但我还是那句话,大部分时间你要琢磨琢磨百年美股为啥都是上涨的,是有原因的。对于老百姓来讲,美股不是因为它高的所以高了,是防止高波动就行了,你只要防止高波动,大部分时间就是让你定投了,这没啥选的。

还有一点,记住,巴菲特是资产管理,不是大散户,老百姓一理解巴菲特持有那么多现金,是不是美股要崩了?现金是啥?是零波动率4.5%股息的股票,你去品品这句话就OK了,在资产组合中你就是评估资值、波动、回报率,当三者之间异常的时候,你的比重会调到0波动率的股息,4.5%的股票上,这就是现金,千万别把巴菲特搞成大散户,说巴菲特买现金说因为美股要崩,做做短视频蒙蒙老百姓可以,咱们自己就别这么干了,这大概就是美股。

主持人:感谢付鹏先生的精彩分享。稍后的自由交流时间,各位有任何咨询或问题,可以和您的私人财富规划师继续交流。活动的最后再占用大家两分钟的时间,麻烦大家扫描屏幕上方二维码,填写调查问卷,我们很期待能收到您对于本次活动的反馈,以便我们在以后的活动中更好的服务于您。

I can now run a GPT-4 class model on my laptop

$
0
0

https://simonwillison.net/2024/Dec/9/llama-33-70b/

Meta’s new Llama 3.3 70B is a genuinely GPT-4 class Large Language Model that runs on my laptop.

Just 20 months ago I was amazed to see something that felt GPT-3 class run on that same machine. The quality of models that are accessible on consumer hardware has improved dramatically in the past two years.

My laptop is a 64GB MacBook Pro M2, which I got in January 2023—two months after the initial release of ChatGPT. All of my experiments running LLMs on a laptop have used this same machine.

In March 2023 I wrote that Large language models are having their Stable Diffusion moment after running Meta’s initial LLaMA release (think of that as Llama 1.0) via the then-brand-new llama.cpp. I said:

As my laptop started to spit out text at me I genuinely had a feeling that the world was about to change

I had a moment of déjà vu the day before yesterday, when I ran Llama 3.3 70B on the same laptop for the first time.

Meta claim that:

This model delivers similar performance to Llama 3.1 405B with cost effective inference that’s feasible to run locally on common developer workstations.

Llama 3.1 405B is their much larger best-in-class model, which is very much in the same weight class as GPT-4 and friends.

Everything I’ve seen so far from Llama 3.3 70B suggests that it holds up to that standard. I honestly didn’t think this was possible—I assumed that anything as useful as GPT-4 would require many times more resources than are available to me on my consumer-grade laptop.

I’m so excited by the continual efficiency improvements we’re seeing in running these impressively capable models. In the proprietary hosted world it’s giving us incredibly cheap and fast models like Gemini 1.5 FlashGPT-4o mini and Amazon Nova. In the openly licensed world it’s giving us increasingly powerful models we can run directly on our own devices.

How I ran Llama 3.3 70B on my machine using Ollama #

I don’t expect that this model would work well with much less than my 64GB of RAM. The first time I tried it consumed every remaining bit of available memory and hard-crashed my Mac! For my second attempt I made sure not to have Firefox and VS Code running at the same time and it worked just fine.

I used Ollama. Install that, then run this command to fetch the model:

ollama pull llama3.3

This fetched 42GB of data into my ~/.ollama/models/blobs directory.

I used my LLM tool to run prompts against the model, since that way both the prompt and the response would be automatically logged to SQLite. First I installed the llm-ollama plugin:

llm install llm-ollama

Then with the Ollama local server running I could run this:

llm models

And see this in the list:

Ollama: llama3.3:latest (aliases: llama3.3)

Putting the model through its paces #

This means I can run prompts like so:

llm -m llama3.3 'Write a letter to the mayor of Half Moon Bay CA advocating for the installation of cosy boxes for Pelicans in the harbor'

And get back a response that started like this:

[Your Name]
[Your Address]
Half Moon Bay, CA [Zip Code]
[Email Address]
[Phone Number]
[Date]

The Honorable Mayor, Deborah Penrose
City of Half Moon Bay
501 Main Street
Half Moon Bay, CA 94019

Dear Mayor Penrose,

I am writing to propose an innovative and unique initiative that would not only enhance the beauty of our picturesque harbor but also provide a safe haven for one of our beloved coastal residents: the California Brown Pelican. I am excited to advocate for the installation of cozy boxes specifically designed for pelicans in the Half Moon Bay harbor. […]

(Deborah Penrose was the mayor of Half Moon Bay for a single year from December 2016 to December 2017—so a hint of some quite finely grained world knowledge there, even if it’s not relevant for the present day.)

Here’s the full transcript, including the response I got when I ran the follow-up llm -c 'translate that to spanish'.

Next I tried a simple coding challenge. I love using Claude Artifacts to build simple single page applications, can Llama 3.3 on my laptop do that too?

llm -m llama3.3 'produce HTML with embedded CSS and JavaScript - no react, no dependencies - for an app that takes a URL to a YouTube video and outputs images along with visible URLs for all known thumbnails for that video'

Here’s the code it produced (the full transcript is here):

<!DOCTYPE html>
<html lang="en">
<head>
    <meta charset="UTF-8">
    <title>YouTube Thumbnail Extractor</title>
    <style>
        body {
            font-family: Arial, sans-serif;
            margin: 20px;
        }
        #thumbnails {
            display: flex;
            flex-wrap: wrap;
        }
        .thumbnail {
            margin: 10px;
        }
        img {
            max-width: 150px;
            max-height: 150px;
            object-fit: cover;
        }
    </style>
</head>
<body>

<h2>YouTube Thumbnail Extractor</h2>
<input type="text" id="youtubeUrl" placeholder="Enter YouTube video URL">
<button onclick="extractThumbnails()">Extract Thumbnails</button>
<div id="thumbnails"></div>

<script>
    function extractThumbnails() {
        const youtubeUrl = document.getElementById('youtubeUrl').value;
        const videoId = getYoutubeVideoId(youtubeUrl);
        
        if (!videoId) {
            alert("Could not parse YouTube video ID from the URL.");
            return;
        }
        
        const thumbnailSizes = ['default', 'mqdefault', 'hqdefault', 'sddefault', 'maxresdefault'];
        const thumbnailsDiv = document.getElementById('thumbnails');
        thumbnailsDiv.innerHTML = ''; // Clear previous results
        
        thumbnailSizes.forEach(size => {
            const thumbnailUrl = `https://img.youtube.com/vi/${videoId}/${size}.jpg`;
            const img = document.createElement('img');
            img.src = thumbnailUrl;
            img.alt = `${size} thumbnail`;
            img.className = 'thumbnail';
            
            const link = document.createElement('a');
            link.href = thumbnailUrl;
            link.text = size;
            link.style.display = 'block';
            
            const div = document.createElement('div');
            div.appendChild(img);
            div.appendChild(link);
            thumbnailsDiv.appendChild(div);
        });
    }
    
    function getYoutubeVideoId(url) {
        const regExp = /^.*((youtu.be\/)|(v\/)|(\/u\/\w\/)|(embed\/)|(watch\?))\??v?=?([^#&?]*).*/;
        const match = url.match(regExp);
        return (match && match[7].length == 11) ? match[7] : false;
    }
</script>

</body>
</html>

Again, we’re illustrating some world knowledge here: it knows that YouTube videos are generally available as defaultmqdefaulthqdefaultsddefault and maxresdefault.

Here’s the hosted page, and this is what it looks like when run against this YouTube URL:

YouTube Thumbnail EXtractor. The URL has been entered and a Extract Thumbnails button clicked. It shows five thumbnails, for default and mqdefault and hqdefault and sddefault and maxresdefault - they are each the same size with a hyperlink to the full version.

It’s not as good as the version I iterated on with Claude, but this still shows that Llama 3.3 can one-shot a full interactive application while running on my Mac.

How does it score? #

It’s always useful to check independent benchmarks for this kind of model.

One of my current favorites for that is LiveBench, which calls itself “a challenging, contamination-free LLM benchmark” and tests a large array of models with a comprehensive set of different tasks.

llama-3.3-70b-instruct-turbo currently sits in position 19 on their table, a place ahead of Claude 3 Opus (my favorite model for several months after its release in March 2024) and just behind April’s GPT-4 Turbo and September’s GPT-4o.

Data table showing AI model performance metrics with column headers for Model, Provider, Global Average plus several other performance categories. Visible entries are: gemini-1.5-pro-exp-0827 (Google, 52.38), meta-llama-3.1-405b-instruct-turbo (Meta, 52.04), gpt-4o-2024-11-20 (OpenAI, 50.64), qwen2.5-72b-instruct-turbo (Alibaba, 50.63), dracarys-72b-instruct (AbacusAI, 50.15), chatgpt-4o-latest-0903 (OpenAI, 50.07), gpt-4-turbo-2024-04-09 (OpenAI, 49.83), llama-3.3-70b-instruct-turbo (Meta, 49.78), and claude-3-opus-20240229 (Anthropic, 48.51).

LiveBench here is sorted by the average across multiple evals, and Llama 3.3 70B somehow currently scores top of the table for the “IF” (Instruction Following) eval which likely skews that average. Here’s the Instruction-Following Evaluation for Large Language Models paper describing that particular test.

It’s worth noting that the benchmarks listed here run against the full-sized Llama 3.3 release. The versions I’ve been running on my laptop are quantized (Ollama’s is Q4_K_M), so they aren’t exactly the same model and likely have different (lower) benchmark scores.

Honorable mentions #

Llama 3.3 is currently the model that has impressed me the most that I’ve managed to run on my own hardware, but I’ve had several other positive experiences recently.

Last month I wrote about Qwen2.5-Coder-32B, an Apache 2.0 licensed model from Alibaba’s Qwen research team that also gave me impressive results with code.

A couple of weeks ago I tried another Qwen model, QwQ, which implements a similar chain-of-thought pattern to OpenAI’s o1 series but again runs comfortably on my own device.

Meta’s Llama 3.2 family of models are interesting as well: tiny 1B and 3B models (those should run even on a Raspberry Pi) that are way more capable than I would have expected—plus Meta’s first multi-modal vision models at 11B and 90B sizes. I wrote about those in September.

Is performance about to plateau? #

I’ve been mostly unconvinced by the ongoing discourse around LLMs hitting a plateau. The areas I’m personally most excited about are multi-modality (images, audio and video as input) and model efficiency. Both of those have had enormous leaps forward in the past year.

I don’t particularly care about “AGI”. I want models that can do useful things that I tell them to, quickly and inexpensively—and that’s exactly what I’ve been getting more of over the past twelve months.

Even if progress on these tools entirely stopped right now, the amount I could get done with just the models I’ve downloaded and stashed on a USB drive would keep me busy and productive for years.

Bonus: running Llama 3.3 70B with MLX #

I focused on Ollama in this article because it’s the easiest option, but I also managed to run a version of Llama 3.3 using Apple’s excellent MLX library, which just celebrated its first birthday.

Here’s how I ran the model with MLX, using uv to fire up a temporary virtual environment:

uv run --with mlx-lm --python 3.12 python

This gave me a Python interpreter with mlx-lm available. Then I ran this:

from mlx_lm import load, generate
model, tokenizer = load("mlx-community/Llama-3.3-70B-Instruct-4bit")

This downloaded 37G from mlx-community/Llama-3.3-70B-Instruct-4bit to ~/.cache/huggingface/hub/models--mlx-community--Llama-3.3-70B-Instruct-4bit.

Then:

prompt = "Generate an SVG of a pelican riding a bicycle, start with <svg>"
messages = [{"role": "user", "content": prompt}]
prompt2 = tokenizer.apply_chat_template(
    messages, tokenize=False, add_generation_prompt=True
)
response = generate(
    model, tokenizer, prompt=prompt2, verbose=True
)

Which gave me:

<svg xmlns="http://www.w3.org/2000/svg" width="400" height="300" viewBox="0 0 400 300">
  <!-- Sky -->
  <rect x="0" y="0" width="400" height="300" fill="#87CEEB" rx="0" />
  
  <!-- Ground -->
  <rect x="0" y="250" width="400" height="50" fill="#964B00" rx="0" />
  
  <!-- Pelican -->
  <g transform="translate(150, 150)">
    <!-- Body -->
    <ellipse cx="0" cy="0" rx="30" ry="40" fill="#FFFFFF" stroke="#000000" stroke-width="2" />
    
    <!-- Beak -->
    <path d="M 0 -40 L 20 -60 L 40 -40 Z" fill="#FFFF00" stroke="#000000" stroke-width="2" />
    
    <!-- Legs -->
    <line x1="0" y1="40" x2="-20" y2="80" stroke="#000000" stroke-width="5" />
    <line x1="0" y1="40" x2="20" y2="80" stroke="#000000" stroke-width="5" />
    
    <!-- Eyes -->
    <circle cx="-15" cy="-20" r="5" fill="#000000" />
    <circle cx="15" cy="-20" r="5" fill="#000000" />
  </g>
  
  <!-- Bicycle -->
  <g transform="translate(200, 220) scale(0.7, 0.7)">
    <!-- Frame -->
    <rect x="-50" y="-20" width="100" height="40" fill="#808080" rx="10" />
    
    <!-- Wheels -->
    <circle cx="-35" cy="20" r="30" fill="#808080" />
    <circle cx="35" cy="20" r="30" fill="#808080" />
    
    <!-- Pedals -->
    <rect x="-45" y="40" width="10" height="20" fill="#808080" rx="5" />
    <rect x="35" y="40" width="10" height="20" fill="#808080" rx="5" />
    
    <!-- Seat -->
    <rect x="-20" y="-40" width="40" height="20" fill="#808080" rx="5" />
  </g>
  
  <!-- Pelican on Bicycle -->
  <g transform="translate(200, 150)">
    <!-- Pelican's hands on handlebars -->
    <line x1="-20" y1="0" x2="-40" y2="-20" stroke="#000000" stroke-width="5" />
    <line x1="20" y1="0" x2="40" y2="-20" stroke="#000000" stroke-width="5" />
    
    <!-- Pelican's feet on pedals -->
    <line x1="0" y1="40" x2="-20" y2="60" stroke="#000000" stroke-width="5" />
    <line x1="0" y1="40" x2="20" y2="60" stroke="#000000" stroke-width="5" />
  </g>
</svg>

Followed by:

Prompt: 52 tokens, 49.196 tokens-per-sec
Generation: 723 tokens, 8.733 tokens-per-sec
Peak memory: 40.042 GB

Here’s what that looks like:

It's not great. Blue sky, brown dirt, then a weird oval with two eyes and an offset triangular yellow hat, next to a bundle of grey circles that is probably meant to be a bicycle

Honestly, I’ve seen worse.

Posted 9th December 2024 at 3:08 pm · Follow me on Mastodon or Twitter or subscribe to my newsletter

More recent articles