楊斌對話Anthropic經(jīng)濟顧問李斯特：創(chuàng)新規(guī)模化，你之前用的法子可能都錯了

從“百模大戰(zhàn)”到“一人公司”，中國企業(yè)對AI的擁抱速度令世界側(cè)目。但一個殘酷的現(xiàn)實正在浮出水面：絕大多數(shù)AI創(chuàng)新項目，在完成了激動人心的從0到1之后，都在從1到N的路上折戟沉沙。小范圍試點驚艷的數(shù)據(jù)，一旦推向更大規(guī)模的市場，便開始急劇衰減——這在經(jīng)濟學上有一個專門的名字，叫“勢能下降”（voltage drop）。

這不是個例，而是一種系統(tǒng)性的困境。從共享經(jīng)濟到社區(qū)團購，從新消費到大模型應(yīng)用層，中國創(chuàng)業(yè)者用驚人的速度跑通了無數(shù)個“0到1”，但能將創(chuàng)新真正推向規(guī)模化、并持續(xù)產(chǎn)生價值的，少之又少。

更緊迫的是，AI正在把這場“規(guī)模化的考試”變成限時賽。當你的競爭對手用AI將邊際成本降到趨近于零，當“一人公司”借助大模型就能完成過去一個團隊的工作量，留給企業(yè)“試錯”的時間窗口正在急劇收窄。規(guī)模化創(chuàng)新，已經(jīng)從一道“加分題”變成了“生死題”。

就在這個關(guān)鍵節(jié)點，兩位身處不同坐標系、卻面對同一個問題的思考者，在北京展開了一場深度對話。

一位是約翰·A.李斯特（John A.List）——芝加哥大學經(jīng)濟學教授、“實地經(jīng)濟學之父”。

他的身份組合在經(jīng)濟學界極為罕見：他既是頂尖的學者，是諾貝爾經(jīng)濟學家加里·貝克爾“極為看好的未來諾貝爾獎得主”，被路透社列為“諾貝爾經(jīng)濟學獎最年輕的候選人”，又先后擔任優(yōu)步（Uber）和來福車（Lyft）的首席經(jīng)濟學家、沃爾瑪全球首席經(jīng)濟學家，并在當今最炙手可熱的AI公司Anthropic擔任經(jīng)濟顧問。

二十年來，他在這些全球最大的商業(yè)平臺上開展大規(guī)模實地實驗，系統(tǒng)性地研究了一個問題：為什么好想法會死在規(guī)模化的半路上？他的答案凝結(jié)在《勢能效應(yīng)》（The Voltage Effect）一書中，正在成為中國企業(yè)界爭相研讀的“規(guī)模化說明書”。

點擊書封，立即入手

另一位是清華大學可持續(xù)社會價值研究院院長楊斌教授，他長期關(guān)注中國企業(yè)的管理實踐，對中國商業(yè)語境中的“試點成功、推廣失敗”有著一線體感。

從“勢能效應(yīng)”的底層邏輯到規(guī)模化的致命陷阱，從“首席經(jīng)濟學家”這一稀缺角色的決策價值到AI對知識工作者的顛覆性沖擊，再到給年輕人和管理者的務(wù)實建議——楊斌教授和李斯特的這場對話，幾乎覆蓋了當下中國企業(yè)在AI時代面臨的所有核心焦慮。

以下為對話實錄，有刪節(jié)。

01

從0到1備受追捧，從1到N呢？——“勢能效應(yīng)”的底層邏輯

楊斌：《勢能效應(yīng)》寫于AI熱潮之前，如今AI模型幾乎每月迭代一個版本，書中的判斷還站得住嗎？

李斯特：好消息是，經(jīng)濟學的基本原理不會改變。這本書的核心模型是關(guān)于試圖解釋過去發(fā)生的事情，但它也應(yīng)當能夠解釋未來。書中的所有內(nèi)容完全適用于現(xiàn)在的AI時代，但這并不意味著我不會想再加一兩章——我們已經(jīng)經(jīng)歷了很多根本性的變化。我反復(fù)回到一個觀點：AI與書中的經(jīng)驗結(jié)合得非常緊密。所以我很自豪這個經(jīng)濟學模型在AI時代之前就已經(jīng)得到驗證，在AI時代依然適用并煥發(fā)活力。

楊斌：您寫了一本可以叫作“AI-proof”的好書，AI對這本書可以說有進一步的加持。但能不能先請李斯特教授用最通俗的語言解釋一下，什么是“勢能效應(yīng)”(The Voltage Effect)？

李斯特：我把 “勢能效應(yīng)” (The Voltage Effect)稱為“規(guī)模化的第一定律”。它的具體含義是：在一個小規(guī)模研究中，你有一套完整的成本收益分析。當規(guī)模化的時候，這個成本收益分析會發(fā)生顯著變化。在絕大多數(shù)情況下，它會下降。這就是“勢能效應(yīng)”——在規(guī)模化的過程中，當初看起來漂亮的投入產(chǎn)出比會大幅衰減。

楊斌：在中國有句老話，“小時了了，大未必佳”，說的是有太多的例子是小時候很出色的孩子長大后卻平平得失去了閃光點和后勁。這句話我想借用一下，用在李斯特教授的理論價值上。對企業(yè)界整體來說，這是一種非常讓人惋惜的情況，在企業(yè)規(guī)模小的時候有奪目的表現(xiàn)，讓人感受的潛力和勢能，怎么就在做大的過程中消失得無影無蹤？我讀李斯特的《勢能效應(yīng)》，我看自己見到的中國企業(yè)的案例，坦率地說，不一定是后來做壞的，好東西沒給做好，好多時候得承認那些“小時了了”其實是假象，注定做不大——越早認識到這一點，敢于抽身，才能有未來，才不會白花精力金錢陷進無望的努力中，更重要的是這種無望會打擊整個組織的整體士氣、信心和未來再探索的勇氣。

最近幾年大家非常推崇“從0到1”。但您這本書著著實實地告訴大家，有了1之后，1怎么變成N、變成10的N次方，一點也不比從0到1來得不重要——甚至更加關(guān)鍵。

李斯特：對。在美國，我們在想書名的時候也糾結(jié)過——到底是應(yīng)該叫“規(guī)模化的經(jīng)濟學”，還是“勢能效應(yīng)”（The Voltage Effect）。“勢能效應(yīng)”字面上的意思就是我所說的“規(guī)模化的第一定律”。最終我們選擇了后者，因為它描述的不只是“會發(fā)生什么”，更是“為什么會發(fā)生”。

02

試點成功≠規(guī)模化成功：三個讓好想法死在半路上的陷阱

楊斌：您在書中講到了“假陽性”——它其實是統(tǒng)計學上的概念，告訴人們不僅要讓數(shù)據(jù)說話，還得看是什么樣的數(shù)據(jù)。能不能給我們講一個具體的例子？

李斯特：我在《勢能效應(yīng)》第一章里探討了這個問題。當我們跟數(shù)據(jù)打交道時，會面臨“假陽性”問題——也就是說，當我們宣稱某個項目有效而事實并非如此時，就必須接受一個錯誤率。理論上，統(tǒng)計學要求我們把這個錯誤率控制在5%。但現(xiàn)實中，由于人們對數(shù)據(jù)的誤用和誤讀，實際假陽性率往往在20%到50%。

我15年前在《美國經(jīng)濟評論》（American Economic Review）上發(fā)表過一篇論文，核心工具是貝葉斯法則——一個幫助人們在獲得新證據(jù)后更新判斷的統(tǒng)計框架。假設(shè)你有一個新想法，事前判斷它只有1%的概率能成功。第一次實驗顯示有效——那該對這個結(jié)果抱多大信心？貝葉斯法則給出的答案是：只有10%到11%。換句話說，那些我們宣稱“統(tǒng)計顯著”的研究發(fā)現(xiàn)，大概只有十分之一是真的。但如果復(fù)驗兩到三次，信心就能從10%猛漲到超過90%。

創(chuàng)業(yè)者常擔心機會窗口稍縱即逝，怕我讓他們復(fù)驗是在拖慢進度。但我不是要他們慢，我要他們跑在正確的方向上。跑錯方向，浪費的是私人資源，也是公共資源。我的做法不是另起爐灶做實驗，而是把實驗嵌入日常業(yè)務(wù)流程。在優(yōu)步，每次有人打開App就要給出價格和時間報價——為什么不趁此測試不同的價格和時間組合？

楊斌：這讓我想到中國企業(yè)界常說的一句調(diào)侃——企業(yè)家表決心的時候拍胸脯，做決策的時候拍腦袋，結(jié)果不如預(yù)期的時候拍屁股走人。這“三拍”恰恰和您倡導(dǎo)的基于證據(jù)、基于因果的決策方式背道而馳。除了假陽性，您還指出了“代表性”這個陷阱——早期用戶并不代表規(guī)模化之后的市場。

李斯特：對，這是我稱為“用戶代表性”的問題。《勢能效應(yīng)》第二章和第三章分別講了“誰”和“在什么場合”。創(chuàng)業(yè)者最容易犯的錯誤之一，就是低估了總可觸達市場的復(fù)雜性。

我講一個經(jīng)典案例。麥當勞在90年代末推出麥至尊漢堡前做了問卷調(diào)查，反饋異常積極。但那些問卷的回答者是主動參與進來的——他們本身就是漢堡愛好者。更微妙的是，受訪者面對“你會買嗎”這個問題，幾乎天然傾向于回答“愿意”——因為站在消費者的角度，你希望市場上有更多選擇，相當于獲得了一個免費看漲期權(quán)。這就是選擇偏差。早期用戶本身就喜歡你的產(chǎn)品，但規(guī)模化真正的挑戰(zhàn)在于后續(xù)用戶。

楊斌：這讓我想到教育領(lǐng)域。著名學校里行得通的做法，放到更大范圍里的大眾學校中卻會翻車。您自己在芝加哥創(chuàng)辦過幼兒園研究早期教育，對此一定有更深體會。

李斯特：是的。我們發(fā)現(xiàn)，孩子成績不好通常只有兩個原因——時間分配不合理，或者“生產(chǎn)函數(shù)”，也就是學習效率有問題。但不同群體的癥結(jié)完全不同。如果所有學校都用同一種教學方式，至少其中一些一定會出問題。你必須探究到底是什么導(dǎo)致孩子無法進步，很多時候原因并不是我們想的那樣。

楊斌：第三個陷阱是關(guān)于成本。您的書里有一個發(fā)現(xiàn)讓我印象很深——很多成本并不會隨著規(guī)模化而被攤薄。不知道有多少中國企業(yè)輸在了這一點上。

李斯特：當一個好想法出現(xiàn)時，下一步就是要非常努力地去想，在規(guī)模化過程中如何盡可能增加回報收益。我在書中舉了一個案例——健康科技公司Arivale（阿里瓦樂），它為客戶提供個性化健康管理方案，商業(yè)模式本身沒問題，但在規(guī)模化時繼續(xù)依賴大量人工顧問，走的是“一個人服務(wù)一個客戶”的線性擴張路子。線性擴張是行不通的，這就是勢能瓶頸。

這也正是AI給我們帶來希望的地方。AI允許企業(yè)先投入一筆高額固定成本，然后以極低的邊際成本進行大規(guī)模擴展。它可以把那些受制于人的產(chǎn)能瓶頸打開，讓普通的商業(yè)模式變得不普通。沃爾瑪和山姆會員店的做法則是另一種路徑——當規(guī)模大到一定程度，你成為超級買方，就能驅(qū)動整個供應(yīng)鏈將成本穩(wěn)定在低位。

楊斌：這讓我想到高等教育的不同維度。課程教學可以擴大規(guī)模，但導(dǎo)師輔導(dǎo)、校園生活、關(guān)系的建立、品格的培養(yǎng)——這些沒法靠技術(shù)規(guī)模化，而這恰恰是未來高等教育的核心價值。

李斯特：我很贊同。我聽到很多關(guān)于AI會取代教師的說法，但我在早期兒童教育方面做過不少研究。我們都知道孩子既需要認知發(fā)展，也需要非認知發(fā)展。如果不是人與人之間的互動，而是AI跟小孩互動，孩子的大腦發(fā)育方式是不一樣的。這并不意味著AI不能在教育中有一席之地——我和妻子正在康涅狄格州做一個全州范圍的“能動型課堂”實驗，讓AI觀察老師和孩子的互動，然后給老師反饋哪些孩子沒得到足夠的關(guān)注。AI不是替代人，而是補充和增強人。

03

從沃爾瑪?shù)紸nthropic：首席經(jīng)濟學家到底在做什么？

楊斌：這次您來訪期間，有一個頭銜讓很多人對您產(chǎn)生很大興趣——除了優(yōu)步和來福車前首席經(jīng)濟學家、沃爾瑪現(xiàn)任首席經(jīng)濟學家之外，您還是Anthropic的經(jīng)濟顧問。在中國，并沒有很多大公司設(shè)置“首席經(jīng)濟學家”這個角色。能不能給大家介紹一下，一個公司里的經(jīng)濟學家到底在做些什么？

李斯特：這是一個很好的問題。我第一次嘗試成為首席經(jīng)濟學家是在2010年，當時杰夫·貝佐斯邀請我去亞馬遜，希望我?guī)退麄冏鼋?jīng)濟決策——比如云服務(wù)的定價、庫存決策等等。但他有一個條件：如果我接受這個職位，就不能再發(fā)表科研論文了。就因為這一點，我決定不接受。

我等了五六年。2015年左右，特拉維斯·卡蘭尼克來找我，說希望我加入優(yōu)步，做他們的第一位首席經(jīng)濟學家。我說我很有興趣，但我必須能繼續(xù)做研究、寫學術(shù)論文。他說完全沒問題。就這樣，我的角色就定下來了——兩件事：第一，改變公司做決策的文化，讓每一個決策都基于可靠的因果關(guān)系數(shù)據(jù)；第二，任何經(jīng)濟議題都必須經(jīng)過我。

在優(yōu)步，我們討論最優(yōu)定價算法、激勵司機和乘客的最佳方式、保險機制的設(shè)計。現(xiàn)在在沃爾瑪，我們面對的是供應(yīng)鏈問題、定價問題、勞工問題、庫存問題。任何時候你需要運用經(jīng)濟學推理或思維，就是你需要首席經(jīng)濟學家的時候。

楊斌：在中國，現(xiàn)在正是高中生高考后報志愿的階段。您剛才是給經(jīng)濟學專業(yè)做了一個大大的營銷——經(jīng)濟學不是小學問，它是我們看待和分析這個世界的重要通用工具。

李斯特：我認為會有越來越多的中國企業(yè)采用經(jīng)濟學思維做決策。因為AI會淘汰掉那些“生成者”——寫代碼的人、做編程工作的人。但公司會轉(zhuǎn)而雇傭“篩選者”——能夠運用批判性思維、基于數(shù)據(jù)做決策的人。經(jīng)濟學家最擅長的，就是看數(shù)據(jù)、判斷哪些數(shù)據(jù)可操作、哪些不可操作。但更重要的能力是：判斷為了對某個商業(yè)決策有信心，我們需要生成什么樣的數(shù)據(jù)。

04

AI時代的勞動力市場：知識工作者第一次站到了被替代的危險邊緣

楊斌：在今年的高校畢業(yè)季，我們發(fā)現(xiàn)有一些噪音出現(xiàn)，演講者大談特談AI對未來就業(yè)的影響，這個現(xiàn)象在美國和中國都是類似的。年輕一代畢業(yè)生既把AI看作幫自己贏得更好未來的工具，也充滿焦慮。您在芝加哥大學做過畢業(yè)演講，對AI和未來勞動力市場的問題，您的看法是什么？

李斯特：這是一個價值百萬美元甚至十億美元的問題。我們應(yīng)該從對人類已有的認知出發(fā)。人類有一種特質(zhì)叫“損失厭惡”——投入幾年教育資本，換來的工作卻可能隨時消失。還有“模糊厭惡”——AI的爆發(fā)帶來了巨大的不確定性，人類天然不喜歡。以及“能動性”——人們想對自己的選擇和未來負責。

我做過兩場畢業(yè)演講，在那個慶祝的場合，我不想觸發(fā)大家的“損失厭惡”或“模糊厭惡”。我講的是技能——那些無論在什么時代都能派上用場的技能。但今年畢業(yè)季，不少演講者似乎就在做相反的事，比如前谷歌CEO埃里克·施密特。施密特的出發(fā)點很好，但選擇那個話題在那個時間點發(fā)表這樣的言論，可能不是最明智的選擇——臺下甚至有人喝倒彩、直接退場。

我不是主張，像火烈鳥一樣把頭埋在沙子里。事實上，恰恰相反，我們正處在人類歷史上最偉大革命之一的前夕，我們必須學會駕馭這種能力，來幫助每個人。

當前，人們熱衷于討論兩個話題：一是勞動力市場上，人類被AI替代的問題；二是AI能給職場帶來的巨大生產(chǎn)力提升——那些人類做不到的事情，AI能做到。這很好，我們應(yīng)該為此慶祝，慶祝這些應(yīng)用場景。但與此同時，我們也應(yīng)該開始討論，人類將如何與AI同行。

那些擁有“能動性”的人，那些沒有什么可失去但有很多可獲得的人，以及那些我們可以幫助其緩解不確定性的人，將在這場變革中占據(jù)優(yōu)勢。可以說，AI是“把蛋糕做大”的力量——我堅信AI最終會把蛋糕做大。但這只是第一步。第二步，蛋糕做大之后，我們要確保蛋糕不會變得更加集中，不是只造就幾個萬億富翁和幾百個億萬富翁，而把其他人拋在后面。

我對社會的發(fā)展方向持樂觀態(tài)度。以Anthropic這家公司為例，其CEO達里奧·阿莫迪已經(jīng)在公開談?wù)撊绾未_保每個人都能受益，每個人都能因AI獲得提升。

我認為在美國，無論政治立場如何，左派還是右派，大家都會同意保證全民基本收入（UBI），都會同意這項技術(shù)應(yīng)該被用來改善每個人的生活——不僅僅是提高職場生產(chǎn)力，還包括拓展生活的意義、工作的意義，提升心理健康和生活質(zhì)量。

在化學、生物學和物理學這些硬科學領(lǐng)域，我們將解鎖前所未有的疾病治療方法。其中很多突破就來自這里，就在北京。過去這幾天，我看到了那些正在解決這些問題的人，那些聰明的、正在利用技術(shù)讓世界變得更好的人。我確實認為，世界各國政府會確保每個人都能搭上這趟車。當然，會有人賺很多錢，但經(jīng)濟蛋糕會足夠大，夠所有人分享，對此我很樂觀。

楊斌：那在您看來，前沿AI實驗室和AI領(lǐng)軍企業(yè)能做些什么來緩解人們對K型分化和貧富差距的擔憂？

李斯特：這正是Anthropic CEO達里奧已經(jīng)公開談?wù)摰摹覀冃枰獮槭I(yè)者設(shè)立基金，幫助重新培訓那些可能失去工作或失去工作意義感的人。

經(jīng)濟蛋糕會足夠大，政府的一個核心角色就是再分配。即使有再分配，企業(yè)家們依然能獲得很多，因為蛋糕在越來越大。但整個過程中，我們絕不能忘記其中的人性面。

我們始終要重視人性。如您所提到的，不平等是一個我們必須解決的真實問題。但我們不能因此而盲目，盲目到阻礙進步。我們必須允許進步，但我們也需要建立保障體系，確保每個人都受益。我想我們還沒有完全做到，但我認為這些討論已經(jīng)是認真而實際的，而且我們知道該怎么做。

這項技術(shù)最大的區(qū)別在于，這是人類歷史上罕見的、直接沖擊白領(lǐng)工作者的技術(shù)。在人類歷史上，此前的技術(shù)進步——軋棉機、蒸汽船、自動化——沖擊的主要是藍領(lǐng)工人。從農(nóng)業(yè)領(lǐng)域的約翰·亨利和他的大錘，到鐵路修建中的自動化替代，我們有過很多讓人工受到?jīng)_擊的技術(shù)進步，我們也嘗試去解決這些問題，而且在很多情況下已經(jīng)有了不錯的解決方案。

現(xiàn)在我們面臨的是同樣類型的問題，但這次沖擊的是精英階層——白領(lǐng)工作者、知識工作者，也就是經(jīng)濟的“大腦”。從這個角度看，這確實是一項全新的技術(shù)，但我還是比較樂觀的，我覺得人類能應(yīng)對好這個挑戰(zhàn)。

05

批判性思維是最后的護城河：給高考畢業(yè)生和年輕人的建議

楊斌：中國的高中生現(xiàn)在面臨兩條路——理科，或者文科、人文社科方向。對這批正在選專業(yè)的年輕人，您有什么建議？

李斯特：我肯定會說選經(jīng)濟學。不過往大了說，學生們最應(yīng)該提升的是批判性思維——創(chuàng)造力包含在其中，因果思維也包含在內(nèi)。我覺得因果思維恰恰是教育中最缺失的一環(huán)。

我們有金融素養(yǎng)，有數(shù)理素養(yǎng)，這些是STEM推動的方向。我喜歡經(jīng)濟學的地方在于它很有意思：既強調(diào)數(shù)學的嚴謹性，也提升技術(shù)能力，同時還融合了批判性思維和因果思維，讓你理解數(shù)理能力，理解所有東西怎么串在一起——而不僅僅是做一個AI可以替代的那種“產(chǎn)出者”。實際上，你應(yīng)當能判斷AI給出的東西對不對。

我兒子主修計算機科學，現(xiàn)在在SpaceX工作。他擔心AI革命會把他淘汰，所以他迫切地想晉升為管理者，以保住自己的位置。所以我不太愿意勸別人去選那種看起來很可能會被AI替代的領(lǐng)域。因為那些領(lǐng)域大致相當于“生成者”，而不是“篩選者”——我覺得這個區(qū)別很重要。

當然，如果你想走學術(shù)路線，想成為一名教授，那我覺得這些方向都可以，我可能會更偏向STEM或工程專業(yè)。但我要說的是，如果我學理科，我一定會確保自己大量攝入批判性思維的內(nèi)容。因為把技術(shù)能力和批判性思維結(jié)合起來，這種組合短期內(nèi)是不會被替代的。但如果僅僅會寫代碼，作為一名程序員或“生成者”，我認為這些工作類型可能會陷入困境。

楊斌：您的書里分享了Theranos“壞血”那個故事——“假裝成功直到真成功”的文化、造假的數(shù)據(jù)和編造的故事。價值觀和倫理對于商業(yè)和公共管理非常關(guān)鍵。您對下一代有什么建議？

李斯特：我剛開始在優(yōu)步做首席經(jīng)濟學家的時候，其實不太相信文化有多重要，覺得那都是虛頭巴腦的東西。我那時候剛從芝加哥大學出來，我覺得沒人會說芝加哥大學的文化是“軟”文化——芝加哥大學比拼的是想法和誰能改變世界，每個人都在談?wù)摻?jīng)濟學，整個芝加哥大學都是這個氛圍。

但到了優(yōu)步，我發(fā)現(xiàn)優(yōu)步的競爭氛圍同樣濃厚，甚至有些競爭是破壞性的。文化這個東西很難后天教——更多的是“選對人”，而不是“改造人”。公司發(fā)展到150人左右的時候，不良行為就開始暴露了。人與人之間的直接互動少了，部門墻出現(xiàn)了，公司也開始睜一只眼閉一只眼。

我前幾天在滴滴演講，做了一場思想實驗：如果你想重新打造一個滴滴或優(yōu)步，不會按現(xiàn)在的方式建——你很可能只需要現(xiàn)在10%的員工，然后讓智能體完成大部分工作。一旦競爭對手用100名員工就能達到你2萬名員工的生產(chǎn)力水平，你必須對現(xiàn)有員工進行重新調(diào)配。因為現(xiàn)在的公司都是靠人力線性擴張的。但新一代職場人不一樣了——他們更在意企業(yè)文化和工作的意義。

楊斌：最后一個問題，也是現(xiàn)在大家都很關(guān)心的——AI 相關(guān)的公司已經(jīng)這么高的估值了，韓國股市也漲得如此亢奮，這種“熱”讓人覺得似曾相識，您怎么看未來的經(jīng)濟形勢？您覺得會不會出現(xiàn)類似1929年那樣的股市大崩盤？

李斯特：作為經(jīng)濟學家，我們都知道什么事都有可能發(fā)生。但我認為，我們在大蕭條這件事上學到了很多——包括怎么用貨幣政策和財政政策來應(yīng)對。但如果說，是否會再來一次1929年那樣的崩盤，我不會下這個注。但過度投資一定會發(fā)生——因為沒人確切知道哪些投資能賺錢，大家只能廣撒網(wǎng)。如果你回顧歷史上類似的技術(shù)革命，幾乎每次都會出現(xiàn)過度投資。每個月格局都在變——有時候是Grok勝出，有時候是Gemini，有時候是DeepSeek，有時候又是Claude。真的很難預(yù)測。如果我是投資人，我會投資一籃子股票，而不是去選具體哪一家。

楊斌：謝謝您今天的分享。從“假陽性”到用戶代表性，再到成本陷阱，再到您剛才談到的宏觀不確定性——整場對話下來，我越來越覺得，《勢能效應(yīng)》里的那些發(fā)現(xiàn)，對今天拼命做大的中國企業(yè)來說，不是參考書，更像是一面鏡子。

按照李斯特教授在《勢能效應(yīng)》中以扎實的學術(shù)研究所揭示的真相，超過九成的企業(yè)在把企業(yè)做大的過程中，都是在“蒙眼”瞎闖，沒有循證，押注僥幸，陷入盲、莽、忙、茫四部曲——盲目、莽撞、忙到飛上天，（最后落個）茫然不知所措。

不想陷入這個怪圈，一定要從《勢能效應(yīng)》中學真經(jīng)，學會分析自己初步獲得的勝利，是否真正有“勢能”，從 1 到 N是否能可持續(xù)，是否能從小勝走向并鎖定勝局？這里面有實實在在的科學，企業(yè)家如今也可以借助 AI 讓李斯特教授這些循證方法直截了當?shù)鼐驮谧约旱墓韭涞亍B 測試、步步為營、透視數(shù)據(jù)，看清成本結(jié)構(gòu)、理解地域、時代差異——讓你的 AI 參與到你的這些實驗設(shè)計和方案選擇中，蒸餾出屬于你的李斯特，激活你的“勢能決策智能體”。

（本文根據(jù)清華大學可持續(xù)社會價值研究院院長楊斌與《勢能效應(yīng)》作者約翰·A.李斯特的公開對談?wù)恚袆h節(jié)。約翰·A.李斯特系實地經(jīng)濟學開創(chuàng)者、芝加哥大學貝克爾-弗里德曼經(jīng)濟學研究所所長，同時擔任沃爾瑪全球首席經(jīng)濟學家及Anthropic經(jīng)濟顧問委員會成員。《勢能效應(yīng)》中文版由湛廬文化出品。）

點擊書封，立即入手

拜托點下“在看”