在百年前，人類絕大部分的勞動人口必須從事農業以生產足夠的糧食來養活大部分的人口。而饑荒和戰爭以及疾病同樣使得人類面臨各種週期性的衝擊。人類的每次技術革命都讓人類的存活率以及壽命帶來巨大的提升。

而真正的投資機遇存在於所有的技術變革，當然這需要投資者卓絕的投資眼光以及耐心。透過這次疫情，最重要不是我們去遺忘這中間的經驗，而是嘗試從這個經歷中淬鍊出更多對於人類社會脆弱性（fragility）的深入理解，而人類社會由於科技的存在，以及數字化的應用，使得我們得以在家中辦公，那麼我們該如何理解全球如今的科技現狀？

這篇文章的作用在於分享我的思考，同時做點拋磚引玉，讓我們可以更加思考未來。畢竟真正創造財富的方法不是坑蒙拐騙，也不是忽悠，而是解決問題，你解決的問題越大，你提供的方案越高效，這意味著市場給你的回報將更為豐厚，而這個才是資本主義的核心。

PROBLEM~SOLUTION.

You dont create problem to generate wealth, you generate solution to create wealth.

我們不是透過創造仇恨，矛盾以及問題創造財富，我們透過提供更好的解決方案來創造財富。

共同的財富。

正如古騰堡印刷術(Gutenberg)所給抄寫員帶來的被取代的恐懼一樣，事實上西歐的活字印刷術並未使大部分的人失去工作，而這部分受教育的抄寫員逐漸變成了不同的工種，書本的編輯工作以及印刷技術和裝訂。

同樣社交網路（social media）以及Youtube這類數位化得媒介開始取代傳統的媒體，無論是紙媒還是傳統的電視臺。正如歷史以有趣的方式重複自己一樣，重資產的電視臺在covid19的時代中正以前所未有的速度被替代。曾經的影片拍攝剪輯，後期製作到主持需要多人團隊，同時需要非常昂貴的器材，同時培養一名主持人的成本也是非常高的。而強大的智慧手機,軟體的越發強大使得專業的youtuber一人甚至可以完成節目的設計，製作和後期的剪輯。

Twitter改變了人們的交流方式，這個模仿鳥叫的名字的軟體成為了總統以及各類ZZ人物發聲的重要場地，一個資訊可以在短短數十分鐘內傳遍全世界，同時我們的轉賬以及加密貨幣的誕生使得我們得以匿名地在不同地方轉賬甚至是完成各種支付動作。

UBER的核心並不是共享汽車，而在於其預測需求，並且滿足需求的演算法。UBER將打車這個問題視為一個數學問題。甚至UBER團隊透過熱度圖來測算不同街道，不同城區，某個具體時刻需要多少空車，同時預測在這個時段（比如下班時段）將有多少客戶將非常願意，甚至願意花上額外的錢以打車。當一個乘客在UBER客戶端上傳送了請求，如果這一請求在3分鐘，甚至是10分鐘內無法獲得相應，無法匹配到對應的空車，這意味著這個app的死亡。

同樣的，外賣行業也是一個匹配的演算法。A傳送餐點請求，B餐廳接受請求，C作為平臺建立機制安排配送。而這個就是ZERO MARGIN SOCIETY的雛形，那就是零邊際社會，這意味著市場的供需將透過演算法更高效率的形成匹配機制。

這樣的演算法創造了一個生態，那就是在UBER打車軟體中，司機的收益是浮動的，因為行車高峰時段明顯和低峰不一樣，試想一下，為什麼繁華的紐約市中心或是上海陸家嘴打不到車，那是因為計程車司機是打表收費，而為了去接這樣一個客戶，收入是固定的，同時中間會有堵車高峰甚至是事故高發段，對於計程車司機來說，他們正在承擔這個風險。

而UBER匹配司機的方式在於為司機提供溢價，這意味著他們的風險將被定價，而更高的潛在收益直接代表著更高的動機。而更高的付費同時也會給使用者更好的體驗，當然在這個過程中，計程車司機的利益會受到直接的衝擊，事實上這也是一個抄寫員是否要餓肚子的經典問題。

Youtuber想要獲取流量和收入，同時也是內容的提供者，Youtube公司提供平臺和良好的軟體工具以及一套獎懲機制，用現金獎勵更好的內容，用封鎖來懲罰不當的內容。而廣告主要投放廣告獲得客戶，而三者之間的利益處於一個動態的均衡。這就是演算法所締造的生態系統。

這並不算是真正的創新，因為從經濟學的角度來看，這些應用本身不是第一個推出的，他們擁有後發者優勢。

因此演算法正在統治我們如今的社會，而未來佔領演算法的企業將獲得最高的市場估值。

人類社會正在劇烈的改變。駭客以及極客已然成為這個時代的魔法師，而交易員從某種層度上說，因為交易員對於金錢以及高度數字化的金融市場的敏感，使得交易員成為了現代的鍊金術師。

谷歌獲得巨大商業成功的原因在於谷歌事實上透過RANKING algorithm 也就是排序演算法來壟斷了網際網路的流量入口。這個排序演算法如下：

同樣的演算法也在佔據華爾街。

演算法已經成為人類社會的分配中樞，這些演算法無時不刻匹配著我們的需求，搜尋，包括所有資訊獲取的排序以及推送。而人工智慧將會在更復雜的問題中佔據更重要的地位。

那就是資訊的彙總，以及預測到最終形成決策，人工智慧AI或許無法在短期內形成複雜的強人工智慧，然而在特定領域的應用有巨大的作用。下圖展示了基本的演算法和AI驅動的演算法模型之間的巨大差異。這意味著人工智慧能夠被訓練處理擁有非常多變數，在難以得出一個最佳方案的議題上將具有更加重要的作用，比如溫室效應等涉及社會各階層，各領域的重大議題。

在足夠多的資料訓練下，AI的潛能非常巨大，這並不意味著AI在各個方面比人類強，這意味著人類將有更加強大的“參謀“以及工具去最佳化自己的決策以及預測。

比如我們如何訓練AI選股？

訓練這些AI成為基金經理？甚至透過訓練AI來取代我們這些交易員？