Trump-Xi 峰会的实质是”划分全球势力范围”——中国收缩在中南美洲和南海的影响力，换取美国的技术和能源。
El Niño 正在积累 500 年当量的海洋热能，未来 12 个月将触发粮食危机、大宗商品暴涨和社会动荡。
AI 代理不再只是工具——Mirror 的实时桌面监控将 token 需求放大 1000x，而 Salesforce 已经每年烧 $300M 在 Anthropic 上。
[推断][推断] / [可核实] — 数据来自公开气候模型[个人判断][个人判断][个人判断]| 内容 | 数值 / 时间节点 | 声明类型 | 来源可信度 |
|---|---|---|---|
| 中国承诺购买波音飞机 | 200 架 | [可核实] | 高 |
| Polymarket 台湾安全概率 2026 | 94%（6% 入侵概率） | [可核实] | 高 |
| Polymarket 台湾 2027 年底前事件 | 17% 概率 | [可核实] | 高 |
| 海洋超额热能 | 1100 万 TWh（500 年人类用量） | [可核实] | 高（NOAA） |
| 全球年用电量 | 25,000 TWh | [可核实] | 高 |
| Salesforce Anthropic 开支 | $300M/年 | [第一手] | 中（Benioff 声明） |
| Alpha Zen YTD | +30% | [第一手] | 存疑 |
| El Niño 异常温度 | 比 1877 年最严重 El Niño 还高 | [可核实] | 高 |
| a16z 成最大选举捐赠者 | 2026 选举周期 | [可核实] | 高（NYT） |
| Mirror 实时监控频率 | 每 200ms | [可核实] | 高 |
主要弱点：
| 观察 | 支撑证据 | 可能意味着 | 置信度 |
|---|---|---|---|
| Benioff 多次回避政治立场问题 | 被问及”从民主党转 Trump 阵营”，回答”我是美国人不是党派人士” | 商业利益驱动——作为 CEO 不能得罪当权政府 | 高 |
| Chamath 反复使用”divide the pie”表述 | 至少三次在不同上下文中使用相同措辞 | 这不是临时发挥，而是深思熟虑后的框架 | 高 |
| Friedberg 的 El Niño 预警被其他三人严肃对待 | 没有插科打诨或绕过，Chamath 直接问”怎么解决粮食问题” | 气候风险已进入精英共识 - 不再是可选项议题 | 中高 |
| Benioff 动情回忆 Susan Wojcicki 时其他人都安静了 | 全场唯一没有商业讨论的时刻 | Susan Wojcicki 在硅谷圈的真实影响力远超公开认知 | 高 |
| 无人深入讨论 midterms 的实际政策影响 | 被 Chamath 以”高于我的工资级别”回避 | 中期选举对市场的影响在此刻不确定，不如等尘埃落定 | 中 |
]]>地缘、气候、AI 三条战线同时升温——这期 All-In 的信息密度本身就是 2026 年复杂性的缩影。
债券正在全球性溃败，但股市尚未给出卖出信号——严守系统化方法，不对任何资产有感情执念。
黄金从高点回落 26%、比特币腰斩、白银暴跌——跨资产同步下跌是流动性收紧的典型信号。
当所有人都在讲同一个故事（Bitcoin 2024、Gold 2025），就是已经太晚的时候。
[第一手] — Tamis 展示实时图表印证论点[推断][个人判断][推断] / [可核实][第一手]| 内容 | 数值 / 时间节点 | 声明类型 | 来源可信度 |
|---|---|---|---|
| TLT 跌幅 | -1.5%（单日，债券市场罕见） | [第一手] | 高 |
| 黄金从高点回落 | -26% | [第一手] | 高 |
| 黄金 2025 涨幅 | +110% | [第一手] | 高 |
| 比特币从高点回落 | -50% | [第一手] | 高 |
| NASDAQ 近期回调 | -1.5% | [第一手] | 高 |
| NASDAQ 此前涨幅 | 近 +20% | [第一手] | 高 |
| S&P 500 自 4 月涨幅 | +11% | [第一手] | 高 |
| Alpha Zen YTD 回报 | +30% | [第一手] | 存疑（无法独立验证） |
| 法国偿债利息 | 可能达 1000 亿欧元 | [推断] | 可核实 |
主要弱点：
| 观察 | 支撑证据 | 可能意味着 | 置信度 |
|---|---|---|---|
| 未提及任何止损触发点位的具体数值 | 只说”有 trailing stop”，不说具体参数 | 不想暴露策略核心参数 | 高 |
| 反复强调与基本面分析划清界限 | 多次批评”智能的人亏钱”、”基本面分析师想证明自己是对的” | 商业定位需要——卖的是”系统”不是”观点” | 中 |
| 用个人轶事（澳洲朋友的故事）代替数据 | Wayne/Bitcoin 故事、Rori/ETF 故事 | 增加亲和力，降低专业门槛 | 中 |
| 未讨论震荡市风险 | 只讨论了趋势市场景 | 动量策略的最大弱点被刻意回避 | 中 |
]]>债券正在点亮红灯，但系统还在绿灯——当两者同步变红的那一刻，才是真正撤退的时机。
这是一篇观点综述文章（Letter to the Editor），而非原创实验论文。核心论点：认知科学正从还原论范式——寻找单一因子与结果之间的因果链——转向复杂系统范式，将认知视为多尺度、非线性的涌现属性。AI/ML在这一转型中扮演双重角色：模拟器（simulator）——通过生成行为轨迹探测系统的稳定性、可控性和临界点；估计器（estimator）——从高维时序数据中推断潜在状态、耦合结构和跃迁模式。作者在认知心理学、精神卫生和教育三个领域展示这一框架的应用，并讨论了可信度、伦理和可持续部署的挑战。
关键判断：这不是一篇提出新发现的研究，而是一篇纲领性的跨学科整合呼吁。其价值在于提供了一个统一的框架来理解 AI 如何催化认知科学的范式转移。
作为观点文章，本文没有实验设计。其方法主线上可概括为 「三域一框架」：
本文的创新不在于提出新模型或新数据，而在于正式定式化了一个跨学科整合框架：
新意不足之处：文中涉及的案例（life2vec、Tiny RNN、数字表型化）均为已有工作的引用，本文的作用是整合而非首创。
本文无原始实验数据，所有”结果”均来自引用文献。
整体证据强度：弱—中
这不是对论文质量的批评——作为观点/综述文章，它本就不以原始证据为目的。对读者而言，重要的是将其视为一份研究议程宣言，而不是一份实证报告。
一篇诚实的跨学科整合呼吁：AI 作为模拟器和估计器，为认知科学从还原论到复杂系统动力学的范式转移提供了方法论引擎，但实现这一转移仍需克服模型可解释性、数据治理和跨域验证的根本性挑战。
]]>皮层行波（Traveling Waves, TWs）长期被观察到但缺乏因果证据。本研究开发了行波 tACS（twtACS）——通过多电极相位优化在皮层表面产生定向传播的电场行波——并系统验证了其三个层面上的因果效应：
皮层行波（从后向前或从前向后传播的振荡模式）在多种认知任务中被观察到，但其因果角色一直未能建立。传统 tACS 只能产生空间同步的电场，无法模拟行波的时空动态。本研究的核心动机：能否通过多通道相位控制的非侵入式刺激，定向诱导皮层行波，从而证明 TW 方向对认知功能的因果影响？
三步验证法，从物理到神经到行为：
| 方法 | 用途 | 可迁移性 |
|---|---|---|
| 圆-线性相关（Circular-linear correlation） | 分析电极位置与 MUA 锁相角度之间的空间关系 | ⭐ 常用工具，神经科学中广泛适用 |
| phasor optimization（相量优化） | 确定多电极相位配置以产生目标电场梯度 | 核心创新点，适用于任何多通道刺激范式 |
| 2D FFT + 行波分解 | 从静息态 EEG 分离前向/后向行波功率 | 经典方法，但依赖均匀空间采样的假设可能带来伪影 |
| 实验 | 关键结果 | 证据强度 |
|---|---|---|
| ECoG 验证 | 模拟 vs 实测相位 circular correlation r=0.92-0.99, p<0.05 | ⭐⭐ 强（直接颅内测量，n=2） |
| NHP 电生理 | MUA 空间相位梯度：前向 R=0.55, 后向 R=0.61, 均 p<0.01；标准 tACS 无（R=0.08, p=0.58） | ⭐⭐ 强（直接微电极记录，但 n=1） |
| 视觉注意行为 | 后向 vs 前向：83.7% vs 78.9%（右视野），Cohen’s d=0.76 | ⭐ 中等（n=22，效应量较大但 CI 宽） |
| 记忆行为 | 前向 vs 后向：85.6% vs 82.9%, p=0.005, Cohen’s d=0.62 | ⭐⭐ 中等偏强（n=25，p 值清晰） |
| EEG 变化 | 前向 twtACS 增加正向波功率（p=0.04）；后向改变 alpha 偏侧化（p=0.03） | ⭐ 中等（p 值边缘或仅趋势） |
整体证据强度：⭐ 中偏强。多模态汇聚验证了因果链的每一步，但人类行为实验的 sham 对照组仅为子集（n=10），且 NHP 仅 n=1 限制了可泛化性。
]]>通过相位梯度电场人工制造皮层行波，可以像”方向开关”一样选择性地增强注意或记忆——行波方向不是认知活动的伴随现象，而是其因果控制参数。
这篇论文提出了 epiplexity（epistemic complexity）——一种基于有限计算观察者的信息度量，用以量化数据中可学习的结构性信息，并将其与不可预测的随机信息（time-bounded entropy）分离。作者指出香农信息论和柯尔莫哥洛夫复杂性在解释现代机器学习实践时存在三个”悖论”，而 epiplexity 提供了统一的理论框架来解决这些冲突。这项工作的重要性在于：它为数据选择而非模型选择提供了理论基础，解释为什么某些数据（如文本）比另一些（如图像/视频）能产生更好的 OOD 泛化，以及为什么合成数据、数据排序、课程学习这些看似”违反信息论”的做法在实践中有效。
现代机器学习面临一个根本性困境：经典信息论似乎与直觉和经验相矛盾。
这些”悖论”的核心原因：香农理论和柯尔莫哥洛夫复杂性都假设观察者具有无限计算能力。 当把计算约束加入信息定义，这些矛盾自然消失。
论文通过三条线构建理论框架：
创新类型：理论创新（Theoretical）
创新幅度：高
具体而言：
PRG 创造了大量的 time-bounded entropy，但几乎无 epiplexity：一个 CSPRNG 输出的香农熵 = k，柯尔莫哥洛夫复杂度 ≤ k + O(1)，但在多项式时间观察者眼中 time-bounded entropy ≈ n（满），epiplexity ≈ O(1)。这完美匹配直觉：伪随机数”看起来很像随机数，但没什么可学的”
确定性变换可以创造信息（Paradox 1 的解决）：Theorem 12 证明在有限计算下，PRG 等确定性函数可以大幅增加 time-bounded information。关键是非对称性：正向变换和逆变换的计算代价差异在有限计算下不可忽略
因子分解顺序影响可学得的信息（Paradox 2）：Chess 数据实验显示，(move sequence → board state) vs (board state → move sequence) 两种排序产生不同的 epiplexity。反向排序迫使模型学习更丰富的棋盘表征，提升了 OOD 泛化
归纳（induction）作为 epiplexity 的来源（Paradox 3）：模型为了计算似然，需要学会推理缺失信息（hidden bits），这比生成过程本身更复杂。在”induction easy”实验中，llm 学会了 in-context 推断 Markov chain 的缺失行——这个策略在数据生成过程中根本不存在
文本具有最高的 epiplexity，图像最低：在 1T token 量级用 scaling law 估算，文本数据的 epiplexity 远高于图像和视频。VQ tokenization 显著提升了图像的 epiplexity（去除像素级随机性，保留高层语义结构）
Prequential Coding（前序编码）：将训练过程本身视为一个编码方案——每一步用当前模型编码当前 token，模型描述长度 ≈ 损失曲线下面积减最终损失。直观但非严格的估计方法
Requential Coding（谐振编码）：用 KL 散度严格构造模型编码。学生模型在教师模型生成的合成数据上训练，编码长度为累积 KL(P_t ∥ P_s)。更准确但 2-10 倍更慢
Scaling Law 外推：基于 Chinchilla law ( L(N, D) = E + (N/N_0)^{-α} + (D/D_0)^{-β} )，可以利用损失曲线的形状参数估计大规模数据集的 asymptotic epiplexity
证据强度：中-强
论文提供了充分的实验支撑其理论主张：
主要局限：大部分实验使用小型 transformer（~160M 参数），requential coding 的计算开销限制了规模。
香农信息论说确定性变换不能创造信息，但 AlphaZero 和合成数据的成功告诉我们——在计算有限的世界里，计算本身就是信息的生产力，而 epiplexity 度量了这种生产力的产出。
]]>人类对物体表面光泽（gloss）的感知，并不需要复杂的逆光学推理（inverse optics）。研究发现仅含一个 15×15 卷积核的”极小”神经网络，就能复现人类的光泽判断——其表现甚至优于任何以物理反射率为目标的深度网络。这表明光泽感知可能依赖简单、通用的低级视觉计算。
| 方法 | 作用 | 可迁移性 |
|---|---|---|
| pix2px 回归 CNN | 从像素到连续光泽值的端到端回归——直接将图像映射到感知连续量 | ★★★ 通用范式 |
| 24 折交叉验证（shape-based + lighting-based splits） | 两种分裂方式分别测试泛化到新形状和新光照的能力 | ★★★ 实验设计的标杆 |
| Pearson r + 被试间一致性上限（ceiling） | 用 75.3% ceiling ratio 来衡量模型与人类的接近程度 | ★★ 感知研究常用 |
主要结果：
证据强度判断：强
]]>光泽感知需要的不是深不可测的神经网络，而是一个亮斑检测器——人类视觉可能用极其简单的计算就完成了看似复杂的材质推断。
这篇 Perspective 论文提出了一个大胆的神经环路假说：皮层最深处、长期被认为”无已知功能”的第 6b 层（Layer 6b, L6b）可能是注意力的关键指挥中枢。L6b 位于唤醒信号（orexin/多巴胺等神经调质）与自上而下皮层控制的交汇点，其两个神经元亚型分别负责注意力的触发转移与持续维持，为现有注意力理论提供了具体的环路基质（circuit substrate）。如果这个假说成立，它将重新定义我们对注意力的神经基础的理解，并为 ADHD、发作性睡病、精神分裂症等疾病提供全新的环路靶点。
注意力被认为是高阶丘脑-皮层环路（higher-order cortico-thalamo-cortical, CTC loops）的产物——皮层第 5 层（L5）和高级丘脑（HoT）之间的反馈循环。但一个关键问题长期悬而未决：谁来精准调控这些”注意力环路”？
现有两条通路都有缺陷：
L6b 是一个被严重忽视的候选者。它是皮层最深处的一薄层神经元，在发育中来源于”临时性结构”——subplate（皮质板下区），发育后被认为只是残留物，长期被多数生理学研究绕过。但 Zolnik 等人 2024 年的工作（同批作者发表于 Neuron）首次发现 L6b 能强力驱动皮层状态转换，包括在慢波睡眠中瞬间产生与注意力相关的 gamma 振荡。
作为一篇 Perspective，本文没有进行新的实验，而是对已有证据的整合与假说推导。分析方法论三条线：
创新类型：理论创新（Theoretical）
创新幅度：高
具体来说：
L6b 是唯一的双重靶向神经元：L6b 锥体神经元是已知唯一同时特异性支配 CTC 环路两个节点（L5-ET + HoT）的皮层神经元，且其突触表现出与 CTC 环路相反的易化性（facilitation），能够补偿 CTC 环路自身的突触抑制
L6b = 皮层唤醒汇聚区：L6b 是唯一被 orexin（hypocretin）强力激活的皮层区域，同时汇聚多巴胺、乙酰胆碱、去甲肾上腺素、组胺等所有主要唤醒相关神经调质——相当于一个”唤醒信号汇流板”
毫秒开关：光遗传学实验显示，L6b 激活时 CTC 环路在毫秒级进入活跃状态，关闭后也立即停止——兼顾了快速性（neuromodulator 做不到） 和精准性（cortical feedback 做不到）
两型突触可塑性：L6b 锥体神经元表现出两种时间尺度的易化——短期（秒到十秒）和长期（数十分钟甚至更长），可能在注意力→工作记忆→长期存储的过渡中发挥作用
与皮层下注意力网络的连接：L6b 还投射到上丘（superior colliculus），另一个长期被认为与注意力密切相关的结构，暗示 L6b 可能是一个跨皮层-皮层下注意力网络的协调枢纽
本文作为理论性 Perspective，没有引入新的定量工具，但其假说本质上定量可验证：
证据强度：中（本文是 Perspective 文章，核心假说的大部分预测尚未直接验证）
已有证据：
待验证（作者明确列出）：
12 个开放问题（见 Box 3），包括 L6b 与睡眠、意识、焦虑、致幻剂效应、学习记忆的关系
皮层深处那个被叫了三十年”没用的残留层”可能才是注意力交响乐团真正的指挥——结合唤醒信号与意志控制，精准调度丘脑-皮层反馈环路。
]]>该研究利用 F1 代 SHANK3 杂合缺失（SHANK3+/−）猕猴——更接近人类 PMS 患者基因状态的非嵌合体模型——系统评估了自闭症谱系相关表型。核心发现：突变猕猴表现出 睡眠效率降低、探索行为减少、社交互动异常、多样化的刻板行为、听觉诱发电位（P1/N1/P300/MMN）全面减弱 以及 联想记忆受损，但工作记忆基本保留。通过多任务阵列 + 机器学习（Bagging + SHAP）构建的综合评分系统，能以 88.2% 的准确率区分基因型，并揭示了个体间的表型异质性。
创新幅度判断：高（High）——灵长类疾病模型的改进 + 系统性的多模态评估框架具有显著的转化价值
| 表型维度 | 主要发现 | 统计方法 | 证据强度 |
|---|---|---|---|
| 睡眠 | 夜间活动↑（p=0.0017），睡眠效率↓（p=0.048） | unpaired t test | 中 — 样本量小但效应一致 |
| 社交 | 前 15 分钟社交活跃区停留时间↓（p=0.002–0.007） | multiple t test + FDR | 中 — 行为自动解码降低主观偏差 |
| 刻板行为 | 刻板行为时长↑（p=0.0002） | 重复测量双因素 ANOVA | 中强 — 高自动相关性验证（r 高） |
| 工作记忆 | 多数任务无差异，SOSS 2-square 有差异（p=0.006） | 重复测量双因素 ANOVA | 强 — 多项任务交叉验证 |
| 联想记忆 | 学习阶段第一对（p=0.0098），测试阶段 1-3 对新配对（p<0.002） | 重复测量双因素 ANOVA | 中强 — 效应大但学习曲线多变 |
| 听觉 ERP | P1/N1/P300/MMN 振幅全面降低（p=0.005–0.04） | unpaired t test | 强 — 跨范式（MMN + 四频率）一致验证 |
| 功能连接 | 丘脑全局连接↓，视觉皮层局部连接↑ | 聚类阈值校正(cluster p<0.05, >50 voxels) | 中 — 标准 fMRI 分析管道 |
整体证据强度：中强。主要优势包括跨模态一致性（行为+EEG+fMRI 互相印证）、自动化分析方法减少主观偏差、多任务阵列揭示内部相关性。主要局限是每组样本量（7 vs 8）较小，且尚未进行独立队列验证。
F1 SHANK3 杂合突变猕猴模型系统揭示了从听觉处理缺陷到社交/认知障碍的跨模态表型图谱，并建立了机器学习增强的多任务综合评估框架，为 PMS/ASD 的临床前药物测试提供了可转化的定量终点。
]]>利用高分辨率颅内脑电（iEEG）实现闭环听觉注意解码（AAD）系统，实时放大大脑解码出的关注说话者语音。三个实验 + 听力损失患者验证一致表明：系统显著提升言语理解、降低聆听负担（瞳孔缩小）、受试者高度偏好（75%–95%）。这是首次证明实时脑控听觉系统具有明确行为益处，将 AAD 从理论概念推向了可验证的辅助听觉技术。
嘈杂环境中聚焦单一说话者是听力正常者尚感困难的任务，而现有助听器无法区分使用者意图，只能无差别放大所有声音。AAD（从脑信号解码听者关注的说话者）提出已有十余年，离线解码精度已相当高（>90%），但从未有人验证过实时闭环 AAD 系统是否能真正改善听觉感知。此前仅有的少数实时尝试因精度/延迟不达标反而恶化了体验。核心问题：实时脑控听觉系统能否产生可感知的行为收益？
核心结果：闭环 AAD 系统在多维指标上均表现出显著收益——主观偏好（75%–95%，GLMM P<0.001）、客观理解提升（P<0.05）、瞳孔缩小（聆听负担降低）。证据强度：强。
依据：
局限：样本量小（n=4 iEEG），这是颅内记录的固有限制；但跨受试者一致性高、效应量大，结论可信。
首次以多维指标（理解、偏好、瞳孔）证明实时闭环 AAD 系统能显著改善多说话者环境中的听觉感知，为脑控助听技术建立了关键性能基准。
]]>这是 Koch 家族罕见的公开深度访谈。Charles Koch 此前多通过政治捐赠和思想著作（Market-Based Management）为人所知，而 Chase Koch 则代表了新一代接班人视角，是了解这套原则体系如何跨代传承的第一手资料。
观点一：能力边界（Capability-Bounded）优于行业边界（Industry-Bounded）
观点二：自下而上赋能比自上而下控制更有效
观点三：人的价值观先于技能，技能先于资历
观点四：不上市是保持长期主义的前提
观点五：用”展示”而非”说教”改变社会观念
| 内容 | 数值 / 时间节点 | 来源可信度 |
|---|---|---|
| Koch 价值增长 | 9,000 倍（1961-2026） | 高 — 自述但有外部验证 |
| 员工规模 | 300 → 130,000+ | 高 |
| 覆盖国家 | 60 | 高 |
| 业务平台 | 8 个全资平台 + 4 个投资平台 | 高 |
| Georgia Pacific 收购后扭亏 | 未公布具体数字 | 中 — 定性描述为主 |
| Minnesota 炼油厂产能提升 | 10 倍 | 高 — 具体且可验证 |
| Phoenix 项目复发率 | <10% | 高 — 第三方可验证 |
| Phoenix 服务人数 | 几千 → 100 万（7-8 年） | 高 |
| 最高机密费率 | +12 dB TMR（实验 1） | 高 — 来源于神经解码数据 |
| 注意切换延迟 | 5.1 秒 | 高 — 来源于实验数据 |
整体逻辑强度：强（但更接近商业哲学而非严谨学术论证）。
对”上市”近乎本能的反感：Charles 说”除非我死了”时的语气极为坚定。这可能意味着 Koch 内部下一代或管理层中有相当力量主张上市套现，Chase 的”I don’t want to go public either”更像是一种团队表态而非独立结论。
“价值观先于技能”的潜台词：多次强调”贡献动机”vs.”破坏动机”的二分法，且举了 CIO 无大学学历的例子。这可能意味着 Koch 有意淡化精英教育背景的价值，以保持中西部”生产性工作伦理”的文化认同——同时也是对硅谷”精英主义”的隐性批判。
Charles 对政治的悲观远超采访展现的表面：”如果上帝是公正的，我为这个国家的未来感到绝望”——这不是典型的”政治活跃大亨”的言辞，更像是看到一个系统性崩溃但无力阻止的局内人。Stand Together 的”Show, don’t tell”策略可能正是这种绝望感的产物——放弃说服体系，转向资助孤立但有效的案例。
Chase 的接班叙事：Charles 对 Chase 的评价”他做了我做梦都做不到的事”和”他擅长人我擅长抽象”构建了一个”严苛父亲 + 天赋儿子”的传承叙事。但 Chase 被派去养牛场睡地板的故事暗示了这条接班道路的残酷性——Charles 在测试他是否真的具有”贡献动机”。
关于隐性知识：原则被编码成书和 App，但 Charles 反复说”我们花了 50 年才学到这些”、”我们也一直在违反原则”。这可能暗示真正的核心能力不在书面原则中，而在 Koch 内部数千名管理者积累的隐性判断力——这也是外界最难复制的部分。
能力边界思维框架：创业者应定期问”我的核心能力是什么？不是我的行业标签是什么？”——然后基于能力而非行业想象寻找相邻市场。Koch 从原油到科技的路经是”运营 → 物流 → 贸易 → 能源 → 化工 → 消费品 → 品牌 → 科技”，每一步都有能力逻辑。
“原则先行”的管理系统：Koch 不是靠个人魅力，而是靠一套可教授、可检查、可讨论的原则体系运作。这是任何希望规模化的组织需要考虑的——不是写一本手册，而是建立日常的”原则对话”机制（App 是这一思路的 AI 延伸）。
将失败系统化：每次失败后追问”我们违反了哪条原则？”——将失败转化为原则的校验数据。这比传统的”复盘”更结构化，因为它隐含了一个可测试的理论体系。
自下而上赋能的”换人”门槛：转型需要更换领导层——这是 Kleiner Perkins 和许多 VC 常说的”文化 is 创始人”的另一种表达。如果顶层不换思维，下层无权创新。
Koch Industries 的 9,000 倍增长背后不是资本运作或行业垄断，而是一套持续迭代、可跨行业迁移的原则体系——但它的前提是不上市、家族掌控、以及 60 年如一日的纪律执行，对大多数企业来说可向往难以复制。
]]>