8 min read

AI 时代,最危险的不是做错,而是迟迟不做

Source: http://x.com/i/article/2031028195936571392

今天看到一个很有意思的故事:

一个对冲基金的 Portfolio Manager,管着将近 20 个人的团队,在别人眼里的顶级位置,他却辞了,去创业,从零开始。

https://x.com/systematicls/status/2030986094368432326

外人都觉得他疯了,但他的逻辑链是这样的:

当他看到 AI 能写出有用的代码时,他没有停留在“这还不够好“的叙事里,而是顺着趋势继续往下推了一层:如果 AI 写代码的 bug 率有一天低于人类程序员,那么程序员面对的真正门槛,就不再是”AI 够不够好“,而是”AI 是否已经比你更好“。

这件事什么时候发生,他并没有试图给出一个精确日期,但他判断,几年之内大概率会到来。沿着同样的思路再往前一步,更专业、更依赖知识密度的量化金融,也迟早会被模型公司一步步吃进去,只是速度不同而已。

所以他没有继续等,当很多人还在假装变化没有真正发生时,他已经先动了。

但让我真正在意的,不是他的判断,而是他做判断的方法。

他说了一句话,大意是:在量化交易里,方向正确就够了。你不需要精确预测未来会怎样,你只需要知道大方向往哪走,然后确保自己的下注结构是——错了能活,对了能赢很多。

Asymmetry is the whole game when the future is uncertain. 不对称性,才是不确定时代唯一的游戏。

这其实点中了 AI 时代决策的核心变化。

过去很多人习惯把“信息更完整”当作行动前提,于是做选择时总想再等等,再看看,再收集一点资料,再确认一下市场会不会真的变,再判断一遍技术是不是已经成熟。

这个习惯在很多稳定环境里是有用的,因为稳定世界奖励的是降低误差,减少失误,尽量把判断做得更精密。但 AI 正在改写这套规则,因为当模型不断压缩执行门槛,信息的获取成本持续下降,很多领域里最便宜的东西已经变成信息本身,真正昂贵的东西开始转向另一边:你是否有能力在信息并不完整的时候先完成一次高质量判断,先迈出一个低成本、可修正、但方向正确的第一步。

很多人以为自己的问题是“看不清未来”,其实更多时候,他们看不清的不是方向,而是时间线。

方向经常比人们想象中更早显现,只是大多数人对方向不敏感,对拐点缺乏感受力,于是会把“我不知道它何时完全爆发”误解成“我还无法判断它会不会发生”。原文里提到一个很重要的观察,真正的拐点并不总是事后复盘时才显得明显,很多输入信号在当下就已经可见,只是多数人没有在认真看。

所以,如果你今天在判断一个方向值不值得下注,我更建议你先问自己三个问题。

第一个问题,这件事要成立,需要什么条件?

不要问"这件事会不会发生",而是问"它需要什么才能发生"。

比如你想判断 AI agent 会不会大规模进入企业。你不需要猜时间线,你只需要列条件:模型要够便宜、API 要够稳定、企业要有人愿意试、要有人能部署和运维。然后你看:这几个条件,现在各走到哪了?

第二个问题,这些条件里,有多少已经是可见的?

这是关键。

很多时候,决定已经不缺逻辑,缺的是对现实进度的感知。你会发现,真正重要的条件未必已经全部成熟,但其中最关键的几项,很可能已经在路上,甚至已经局部成立。于是问题就会从“这件事会不会来”变成“它来的速度是不是已经足够快,快到值得我提前布局”。很多重大变化都不是在所有人都确认之后才开始兑现,而是在只有少数人意识到输入信号已经足够密集的时候,就先被下注了。等到所有人都觉得方向清晰,往往已经不再是最好的进入点。

第三个问题,现在动手的成本 vs 等着的成本?

这是最被低估的问题。

大多数人只算"动手的风险":会不会失败、会不会亏钱、会不会浪费时间。

但他们不算"等着的成本":窗口在缩小,竞争在变多,你的知识优势在被模型追平,你的经验壁垒在被快速学习的 agent 侵蚀。等到信号足够明确的时候,trade 已经 crowded 了。

这也是为什么我会特别记住原文中的另一句话:

Being still in incomplete information is decay. Moving towards action is discovery.

在信息不完整的时候不动,本身就是一种衰退;动起来,才会开始发现新东西。

它听起来像一句鸡汤,但其实非常精确,因为它说清了行动和信息之间真正的关系。行动不是结论之后的执行动作,行动本身就是一种认知工具。你一旦开始做,世界就会立刻回给你反馈,这些反馈会修正你的方向,修正过的方向又会带来新的动作,新的动作再带来更具体的信息,于是迭代开始发生。很多人以为自己在“想清楚”,其实只是停在原地消耗时间,而时间往往是高不确定时代里最不能浪费的资源。

我自己对这件事的体会很深。

我做 AI agent 系统,并不是一开始就把多 agent 协作的最佳形态想明白了,然后才按图施工。我是先让一个 agent 跑起来,跑着跑着发现它会犯错,于是给它加记忆;记忆跑久了又发现会污染,于是再去做分层治理;多个 agent 开始协作之后,又出现新的问题,于是再补巡查和健康检查机制。很多后来被我视作“系统设计”的东西,最开始其实都只是对反馈的响应,是跑出来的问题逼着我往前设计,而不是我坐在桌前把所有答案提前推演出来。

每一步都是上一步的反馈推着你继续,而不是等最佳实践先从天上掉下来。

这也是今天很多人最需要调整的一种认知。我们以前太习惯把“充分准备”当成一种安全感来源了,总觉得再研究深一点,再多想几轮,再等别人踩完坑,自己就能以更稳的姿态进入。但在变化速度很快的环境里,充分准备经常只是一种看上去体面的拖,因为外部世界没有义务等你。

模型在变,工具在变,市场在变,用户预期也在变。你不动的时候,并不代表世界静止,很多时候你只是在把自己的位置交给更早出手的人。

所以今天真正拉开差距的人,往往不是信息最多的人,也不是分析最细的人,而是那些能在不确定中先看出方向、先识别条件、先算清等待成本,然后迅速做出一次可逆下注的人。他们不迷信万无一失,也不把完整信息当成行动前提。他们更像交易员,会优先考虑赔率、结构和时机,先确保自己站在一个错了也不致命、对了就足够受益的位置上,然后通过行动继续更新认知。

如果你现在也在犹豫,要不要辞职创业,要不要转向 AI,要不要开始一个项目,要不要做一个看上去还不够成熟的尝试,也许可以先把情绪放一边,只过这三个问题。

它要成立,需要什么条件。

这些条件里,有多少已经可见。

现在动手的成本,和继续等待的成本,哪个更高。

当第二个问题的答案已经接近“多数关键条件都在形成”,而第三个问题的答案变成“继续等下去只会越来越贵”,很多决策其实已经不需要再拖了。你缺的往往不是更多信息,你缺的是承认一件事:在今天这个时代,很多高价值信息,本来就只能通过行动获得。

真正的决策高手,越来越像一类人。

他们不等想清楚了再动手。

他们先动手,然后用反馈把自己推向更清楚的地方。