软件工程方法论本土化 - 西方敏捷方法论在中国出现水土不服 因国内企业文化偏管控型 强调令行禁止的确定性 而西方崇尚试错和自组织[6][12] - 需将敏捷核心思想与本土实践结合 基于第一性原理重新设计适合中国土壤的农具 而非照搬最佳实践[7][14][15] - 华为在落地IPD时做了管理变革和创新 体现本土化必要性[13] - 推出Adapt方法论框架和《敏稳兼顾：数字化研发管理实战》著作 总结规模化敏捷本土落地经验[15] AI对软件工程的冲击 - AI工具存在悖论：对员工是摸魚神器 对老板却是提效神器 两者本质矛盾[9][35] - 生产力变革触及生产关系根基 需解决员工为何使用AI为公司创造价值而非提前下班的管理问题[9][35] - 私域知识质量差是AI应用短板 大多数软件开发项目有独特金融软件或电商系统实现方式等私域知识[18] - 上下文缺失是AI发挥作用的重要阻碍 老系统缺乏历史信息或历史上下文[18][20] - AI在代码补全场景高效 因已有明确修改点和意图上下文 但让AI纯粹处理任务则需大量上下文[19][20] - 短期困难包括AI幻觉和上下文不足 导致团队效率提升数据在10%-20%体感误差范围内[20] Agent专业化趋势 - 不会有通用Agent 最终会分化成专用Agent 如金融Agent 测试Agent 重构Agent[24] - 工程生产线需差异化 如特斯拉造车产线不会用于生产飞机 否则不经济[24] - 开发语言进一步专业化 自然语言编程提升抽象层次 但最终会出现领域特定语言(DSL)[25][26] - 描述和Agent都会分化 形成更专业化生产线[27] 组织管理变革 - 未来组织是1+N模式 即1位人类小队长带领N个AI特工协同工作[35][38] - 需把Agent当成员工管理 建立注册 KPI考核 任务冲突调解等管理机制[24][35] - 考核体系变化 人的效能不再是个人产出 而是带领多少Agent产出多少[38][42] - 兵种主建 战区主战 类似国家军事改革 在职能线上叠加交付型组织[30] - 科技团队不能孤立谈管理 需与PMO 财务等职能部门深度卷入 为整个公司治理服务[47] 技术债与质量管控 - AI可能加速技术债累积 如果过分强调效率或代码行数等指标 会导致低质代码更快产出[53] - 使用得当AI反而减少技术债 如AI生成单元测试能力非常强 形成自闭环[54] - 布设单元测试像铃铛 代码被不该改的地方触碰就会报警[54] - 需传统度量体系感知质量 如交付效率 缺陷修复时间 代码重复度等[53] 工具与平台演进 - 知微工具平台将Adapt方法论理念变为数字化工具 如分层需求体系 多维组织架构[49] - 知微是可配置零代码平台 像高级定制西装 根据客户情况量体裁衣 而非定制开发或盒装软件[52] - 知微会逐渐中台化 大模型也是其用户 通过API调用 成为组织流程资产中心[60] - 未来IDE和CLI是主入口 界面越来越少 因AI改善工具使用 根据工作上下文自动操作[60] 程序员能力重塑 - 未来重要能力是对AI的了解和沟通协同能力 需学会与AI有效沟通[66] - 程序员需放下对AI戒备和抵制 进行心理角色转换 从种地变为地主[77] - 与人沟通和团队协作能力变得非常重要 需补强[78] - 对业务理解至关重要 程序员现在创业更容易[78] - 有技术底色的程序员更具优势 因懂技术细节可不关心 但产品经理压根不懂则难做精准判断[74] - 马斯克 扎克伯格 比尔·盖茨等有编程能力者最终成为顶尖产品缔造者[75] 行业长远展望 - 软件工程终极图景是黑灯软件工厂 AI自主编码 人类负责指挥和规划[9][81] - 软件不会用后即弃 因承担产生数据使命 有长生命周期 形成领域知识[80][83] - 软件行业类比制造业 产能飞跃后可能解决更高阶问题 产生新需求 如星际旅行 可控核聚变 智能医药[82][83] - AI颠覆原有冯·诺依曼架构 LLM是全新概率引擎 从确定性输出变为合理可能结果 拓展软件能力边界[61][62] - 软件边界和形态发生变化 从服务顾问变为直接服务用户 从确定性软件变为能给出不确定结果的软件[63] - 测试和质量过程都需改变 因软件给出不确定结果[64]

字节跳动员工违规事件分析 - 字节跳动第二季度因违规辞退100多名员工 其中18人涉及刑事犯罪及恶意损害公司利益等严重情节 8人被移交司法机关[5] - 违规行为包括接私活套取公司保密信息 匿名诋毁同事及公司政策 过度侵占公司福利资源[6][7][8] 职场人品筛选机制 - 社会存在以人品为底线的隐蔽筛选机制 人品与能力共同构成职业发展的双重要素[10] - 人品被视为参与重复博弈的入场券 是职场长期发展的许可证[12] - 职场允许存在灰度竞争但必须坚守底线 突破红线将导致职业资格丧失[13] 企业风险管控逻辑 - 企业将人品问题视为经营风险 采取风险回避策略排除隐患[21][22][23][24] - 管理者认为人品缺陷带来的潜在破坏力远超能力价值 宁可空缺职位也不录用高风险人员[16] - 典型案例显示 明知学校违规仍招揽45名同乡的求职者因人品问题被否决[26][28][29] 商业成功的人品基础 - 对1000多名企业家的跟踪研究发现 敦厚善良者持续发展 精明者多破产或入狱[31] - 段永平坚持"不该赚的钱不赚"的价值观 全额支付施瓦辛格代言费 反而赢得供应链信任并获更多合作机会[32] - 企业通过"是否泄露前公司机密"的测试题 淘汰所有填写具体信息的应聘者 体现对品德的严格筛选[33] 职场发展核心规律 - 能力决定录用机会 品德决定职业留存周期[34] - 人品被定义为最高学历和职业硬通货 是长期职业生涯的根本保障[35] - 职业竞争力体现在底线坚守而非规则钻营 人品缺陷无法通过能力弥补[19][29]

**全球宏观研究经验与思考 20250905 关键要点总结** **一、行业与公司** * 行业为全球宏观研究领域 专注于自上而下的投资方法论 涉及任何国家、货币、市场和资产类别[1][4] **二、核心观点与论据** * 全球宏观研究价值在于通过数据驱动和科学方法论提高判断准确性 从宏观趋势和全球失衡中寻找投资交易机会[2][4] * 买方有效研究需兼具广度与深度 构建"梯形"结构 横向了解多领域多资产 纵向深入特定领域 并注重实证研究和反馈[5] * 有效市场假说认为市场价格反映所有信息 难以预测获取超额收益 但通过系统化数据驱动方法仍可发现潜在机会[6][7] * 宏观经济判断最重要的是把握方向 例如2023年判断美国经济软着陆而非金融危机 2025年判断资金流向推动中国股市[15][16] * 好的研究方法论包括从好问题开始 系统性思考 严谨对待细节 扎实学术训练和不断接受反馈[17] * 广义货币超发未导致通胀 因货币流通速度下降 利率越低持有货币机会成本越低 进一步降低了流通速度抑制通胀 中国广义货币总量达320万亿但通胀未显著上升[22][23] * 市场研究需逻辑、理论与实证相结合 重视叙事和反馈机制 对自身观点保持严苛 并具备独立研究能力[28] **三、其他重要内容** * 需注意研究中的典型错误和误区 例如美联储2021年误判通胀为暂时性 澳大利亚央行2020年政策承诺不到一年就撤销[3] * 分析问题应采用外部视角（宏观共性）和内部视角（微观个性）结合的方法 先找共性再找个性[9][10] * 进行正确类比需找到最根本驱动力（如人的行为） 避免错误类比（如用1998年亚洲金融危机类比2008年次贷危机）[11] * 简单将中国与日本类比存在问题 因两国市场规模和发展水平不同 1985年日本人均GDP达美国150% 中国则利用庞大市场规模和AI技术巩固产业优势[14] * 油价下跌对中国经济影响较小 国际油价跌20%但国内油价仅下调几个百分点 消费者节省有限 对实体经济带动作用不大[21] * 分析宏观经济问题需系统性思考 包括准确把握概念 同时考虑供给与需求 进行框架性思考 明确传导渠道和细致数据处理[25] * 确保论据可靠性需价格与数量匹配 自上而下与自下而上匹配 流量与存量匹配 区分主要因素与次要因素[27] * 市场研究与学术研究不同 追求共性和深入浅出 需简化内容易于理解[30] * AI在宏观经济分析中有局限性 因数据非独立同分布 样本点少 变量相关性高 无法替代人工判断[31] * 优秀市场研究人员需具备强烈好奇心 掌握系统性思考框架 注重细节和实证 主动寻求反馈[33]

财务表现 - 上半年营收同比大增67.6%至15.67亿元，毛利率高达65.4% [2] - 产品及解决方案业务收入同比翻3.5倍至7.78亿元，出货量198万套，其中中高阶产品解决方案出货量98万套，占总出货量的49.5%，贡献超八成收入 [4] - 软件及授权服务收入7.38亿元，同比增长6.9%，为超30家车企提供算法与软件 [5] - 研发投入高达23亿元，同比增加62%，重点投向城区智驾和云服务 [6] - 运营亏损15.92亿元，净亏损13.33亿元 [6] 业务里程碑 - 征程系列硬件出货突破1000万套，正式跨入千万级芯片出货量行列 [2] - 征程6E芯片已开启量产，首批搭载车型覆盖名爵、荣威、奇瑞等多款热门车型 [6] - 累计获得近400款新车型的定点，其中具有中高阶辅助驾驶功能的车型超过100款 [6] - 上半年有超过15款搭载中高阶辅助驾驶方案的车型成功量产上市 [6] 战略方法论 - 在没有竞争的地方竞争，避开英伟达中心计算领域，聚焦边缘计算如机器人、智能汽车等自主移动设备 [9] - 聚焦芯片细分领域中最难的车规级芯片，工艺难度和严苛远超工业级、消费级 [9] - 不在悬崖边跳舞，花80%精力考虑死门并避免，非常重视现金流，即使在2019年战略聚焦汽车业务、裁撤1200人时，账上依旧保留30多亿现金 [10] 发展历程与愿景迭代 - 2015年成立初期愿景为"成为边缘人工智能芯片的全球领导者"，但缺乏商业敏感，试水智能玩具、智能电器等多领域后处处碰壁 [15][16] - 2019年战略聚焦汽车业务，明确客户为汽车产业，愿景迭代为"让每一辆车都搭载地平线的智能计算方案"，更偏向To B [17] - 2022年底进一步迭代愿景为"打造人人爱用的智能驾驶产品"，更偏向To C的品牌塑造，从功能价值转向情绪价值 [18][19] - 最终目标为"给汽车和机器人时代打造计算平台"，软硬结合，通过软件连接供给和需求 [21] 行业洞察与商业哲学 - 汽车将成为继手机后的下一代智能终端，计算平台是核心基础设施 [17] - 商业的第一原理是明确客户是谁，而非技术本身 [17] - 遵循第一性原理，逻辑上成立的事必然会发生，创业要遵循商业的本质和商业设计的第一性原理 [12] - 软硬结合，通过软件连接芯片供给和市场需求，否则商业闭环无法成立 [21]

文章核心观点 - 化石能源不仅是能源载体 更是现代工业的核心碳源 但地下碳资源不可再生且不可持续 必须寻找替代方案 [3][5][6] - 直接空气碳捕集技术通过工业级人工光合作用 利用空气中的二氧化碳和可再生能源生产有机化合物 可完全替代化石能源的碳源属性 [6][7][17] - 可持续航空燃油(SAF)成为首个商业化落地产品 因欧盟ReFuelEU法规强制混合比例(2025年2%/2030年6%/2050年70%)创造明确市场需求 [9][25][26] - 商业模式突破在于将捕集二氧化碳转化为终端产品(如航空燃油)而非碳封存 通过绿色溢价实现经济价值 最终目标是不依赖溢价实现成本优势 [23][24][33] - 技术成熟度处于中试阶段 2024年底完成千吨级试验 2026年扩建至5000吨级 需攻克不同气候条件下的能耗优化和规模化成本控制 [11][13][32] 碳源的战略价值 - 化石能源承担双重角色：70%全球发电的能源属性+化工/医药/纺织等产业的碳源属性 新能源仅解决能源替代但无法提供碳原子 [5][6] - 空气中二氧化碳是地表最大碳源(与海水碳循环联动) 年排放量达500亿吨 需实现数十亿吨级捕集才能支撑现代文明需求 [6][17] - 工业级人工光合作用原理：模仿植物光合作用 以二氧化碳/水/可再生能源为原料 通过催化剂合成淀粉/燃油/烯烃等有机分子 [7] 商业化路径设计 - 首选可持续航空燃油(ESAF技术路线)因经济价值最高：全球年消耗4亿吨(中国占1亿吨) 2%混合比例即800万吨市场规模 [9][26] - 区别于欧美碳封存模式(依赖自愿碳信用市场) 直接生产终端产品规避政策波动风险 形成可持续商业闭环 [20][21][23] - 成本核心是可再生能源电价(占主要成本)和设备折旧 需通过工艺放大降低能耗 目标使最终成本低于传统石油产品 [11][31][33] 规模化挑战与规划 - 中试阶段聚焦收率与能耗验证：2024年千吨级产线(上海临港) 2026年扩建至5000吨级(中国北部测试低温环境) [11][13][37] - 全球布局需适配不同气候：光伏资源丰富区域优先(中东/澳洲/非洲) 但需综合考虑硬件供应链成本(如美国关税影响) [13][15] - 参照特斯拉规模化逻辑：必须达到百万吨级以上产量才能改变行业格局 最终目标年处理十亿吨级二氧化碳 [17][19] 产业机遇与政策驱动 - 欧盟ReFuelEU法规具全球影响力：所有起降欧盟机场的航司均需遵守 推动跨国界碳溢价机制形成 [25][27] - 技术成熟时机已至：光伏成本过去20年下降90%+ 碳捕集技术经济性在过去1-2年达到商业化临界点 [28] - AI发展加剧能源需求：数据中心耗电激增凸显能源转型紧迫性 碳中和技术与数字经济发展形成协同效应 [35]

特斯拉企业文化 - 采用第一性原理思考方式 拒绝被行业惯例或历史概念左右 将问题追溯回最根本物理原理 [7][9] - 追求做别人认为不可能的事 设定高倍增效目标 包括十倍增长 十倍速度和十倍优越性 [10] - 建立主人翁精神文化 通过全员持股激励员工 创业公司主要以股票吸引人才 [14][15] - 强调快文化 决策速度是关键 犹豫不决会致命 信息必须沿最短路径流动 [16][17][21][44] 人才选拔标准 - 重视第一手经验 深度追问项目细节 未亲历者难以应对 [28][32] - 偏好动手能力 自费投入复杂项目 善于用有限资源解决问题 [28][32][33] - 不看重名校学历 关注特定领域卓越特质或成就 例如高中时期拆解改造汽车 [2][33] - 早期亲自审批每位新入职员工 即使在北京招聘维修工人 [33] 管理实践创新 - 跨界任用人才 苹果零售店专家负责全球销售 五角大楼幕僚长谈判政府补贴 [2][34][36] - 重用年轻人 硅谷不推崇论资排辈 26-27岁创始人占多数 工作经验重要性被高估 [37] - 制造紧迫感 凌晨召开全体会议 采用休假式裁员测试人员重要性 [39][40][43] - 实行扁平化管理 微软经理管幅从6人增至8人 减少中层管理层级 [46][47] 突破性商业实践 - 打破70年行业惯例 在中国建立首家外资独资车企 [4][26][27] - 颠覆航天业成本结构 将部件成本降至原来十分之一 [5][7] - 应用媒体头条法则鉴别创新 赛车安全带用于飞船获赞誉 [23][24][25] - 资源跟随行动 先确定方向再获取资源 不被现有条件束缚 [7][13]

特斯拉企业文化 - 第一性原理思考 拒绝被行业惯例或历史概念左右 将问题追溯回最根本的物理原理 [4][7] - 追求十倍成效 勇于设定高远目标 突破自我思维限制 不被现有资源束缚 [8] - 全员持股激励 创业公司以股票吸引人才 特斯拉工人也有股票 [13] - 主人翁精神 每个人都要像公司主人 [12] 马斯克决策与管理风格 - 决策快是速度关键 犹豫不决会致命 不做决策比错误决策更糟糕 [14][16][18] - 打破行业固化常规 用媒体头条法则鉴别创新与违法 如赛车安全带用于飞船 [21][22][23] - 坚持追求他人认为不可能目标 如打破中国70年未批外资独资车企惯例 [24][26] - 直接沟通文化 信息沿最短路径流动 任何人可跨层级直接沟通 [43] - 扁平化管理 减少信息传递损失 微软从经理管6人增至管8人 [44][45][46] 人才选拔标准 - 看重第一手经验 深度追问项目细节 未亲历者难以应对 [27][31] - 强调动手能力 偏好自费投入复杂项目者 如高中拆解改造汽车 [31][34] - 不看重名校学历 重视特定领域卓越特质或成就 [34] - 亲自审批每位新入职员工 包括北京维修工人 [34] 人才管理实践 - 跨界用人 如苹果零售店专家负责全球销售 五角大楼幕僚长谈判政府补贴 [36][38] - 重用年轻人 硅谷经验重要性被高估 YC创始人多数26-27岁 [38] - 制造紧迫感 凌晨1点开全体会议 [40] - 休假式裁员 测试人员休假期间对公司影响 [43] - 高压环境淬炼人才 赋予极具挑战性任务 [35] 核心成功要素 - 实干和真本事是关键 能上手解题有热爱才是硬通货 [47] - 管理为效率创新让路 敢用外行敢压重担敢破常规 [48] - 敢想敢做文化引擎 用登月目标点燃团队野心 [49] - 对的人在对的机制下朝疯狂但正确目标狂奔 [50]

书籍销售与市场表现 - 儿童财商启蒙绘本《会讲故事的经济学》热销25万套、500万册，登上多个电商平台国内财商绘本品类销量榜首 [1] - 该书由新华出版社出版，获林毅夫、樊登、俞敏洪、周鸿祎等联袂推荐，俞敏洪称赞其"一口气读完"，樊登认为"以寓教于乐方式解决财商教育困惑" [1][3] - 两位大V在抖音等平台荐书为书籍带来巨大流量 [1] 作者背景与创作动机 - 作者羊东为国内知名投资人，清华大学计算机系毕业，曾任职美林证券、软银赛富基金合伙人，投资案例包括知乎、樊登读书会、58同城等文化传播类项目 [1][14] - 创作动机源于观察到创业者普遍缺乏商业思维，认为商业思维能力是现代社会最需要的技能之一，传统财商教育局限于投资理财和勤俭节约，与真正的商业本质认知存在差距 [2] 书籍内容与教育理念 - 全书共20册，通过10大行业（餐饮、零售、物流等）故事体系化讲解分工合作、博弈论、品牌建设、长期主义等商业原理，并融入心理学、数学等跨学科知识 [8][9] - 采用剧本化叙事手法设计矛盾冲突，与传统儿童读物平缓情节形成差异，部分小学已将其引入课外阅读清单 [8][5] - 教育理念强调商业思维与学科知识的关联性，例如台积电的专业分工原理与芯片设计、马斯克的第一性原理与汽车制造 [6] 商业思维培养方法 - 建议家长通过生活场景启发孩子思考，如观察港口城市与金融中心的关系（贸易逻辑）、连锁经营模式（麦当劳案例）、品牌价值（购物时讨论）等 [7] - 书中用"小熊卖鱼"等故事讲解沉没成本等投资概念，认为商业思维需长期培养，如同芒格评价巴菲特"60岁后仍有进步" [12][13] 行业趋势与投资观点 - 认为AI是能力优秀的工具但无法替代人类决策，引用叔本华观点强调"天才能看到AI无法发现的目标" [13] - 分享58同城投资案例，体现从传统分类广告到互联网平台的商业敏感度 [14] - 提出希望各行业专家将专业知识转化为儿童可理解的内容，呼应查理·芒格的多元思维模型理念 [14]

创始人背景与创业动机 - 项与秋在摩根大通拥有10年IPO和并购经验，参与执行400多亿美元项目[1][5] - 因投行层级僵化限制业务发展，2017年离职创立和暄资本，定位中国顶级科技互联网公司投资[1][5] - 公司名称源自唐诗，寓意与被投企业建立温暖长久关系[2] 创业初期发展 - 凭借投行履历1年半内募集超5亿美元并快速完成投资[5] - 坚持16小时工作制，重视与LP沟通，即使面对分析员也精心准备[5] - 投资策略明确拒绝对冲基金套利，专注长期价值[5] 2019年战略转型 - 互联网监管突变及中概股打压迫使公司调整方向[6] - 双轨转型：押注中国硬科技+拓展硅谷投资[6] - 利用摩根大通全球人脉1-2个月打入硅谷科技圈[7] 关键投资案例与回报 - 腾讯音乐投资1.8亿美元，高峰市值达5-6亿美元，2021年精准清仓[9] - Airwallex从10亿估值成长至80亿美元，预测将超千亿市值[16] - 地平线投资5000万美元，2024年成千亿港元港股科技IPO[17] 投资哲学与决策框架 - "第一性原理"：深度参与被投企业，理解行业本质[16] - 失败案例总结：警惕2G依赖症、战略漂移和现金流问题[12] - 新增决策铁规：评估复购率、现金流自洽和产品力[13] 当前战略布局 - All in global AI：锁定LLM和机器人两大核心赛道[19] - 全球+本土组合：投资硅谷大模型公司及地平线等地标项目[19][20] - 管理规模超15亿美元，8年投资33家企业[22] 融合型投资策略 - 结合米尔纳的颠覆性创新、巴菲特的护城河理论和马克斯的周期把握[23][24] - 强调"大钱是等来的"，通过深度陪伴顶级创业者获取长期回报[25]

ChatGPT的成功与核心观点 - ChatGPT已成为超级应用，每周活跃用户超过7亿，企业订阅用户超过500万，ARR收入突破50亿美元 [3] - 成功源于"模型即产品"的迭代范式、对使用场景的极致开放以及追求极致的迭代速度 [4] - 从决定发布到上线仅用10天，行动力是关键，将产品推向真实世界是发现其价值的唯一途径 [6][35][37] 产品开发与迭代策略 - 采用经验主义方法，通过频繁发布产品来发现真相，最大化加速学习过程 [8][37] - 模型和产品没有界限，模型就是产品，需要像迭代产品一样迭代模型 [19][35] - 从发布非常开放的产品开始，密切观察用户行为，在核心使用场景上改进模型 [19][20] - 跨学科协作至关重要，将研究、工程、设计和产品紧密结合 [11] 用户增长与留存 - 用户留存率非常高且持续上升，形成罕见的"微笑曲线"现象 [18] - 增长驱动因素包括：在核心使用场景改进模型(1/3)、研究驱动的新功能(1/3)、常规增长策略(1/3) [21] - 不关心用户在产品中花费的时间，目标是解决用户问题 [6][18] - 免费开放和无需登录使用降低了新用户尝试门槛 [23][21] 定价策略 - 20美元Plus会员价格成为行业标准，200美元Pro会员颠覆SaaS定价逻辑 [3][30] - 定价采用范·威斯坦多普调查法，通过Google表单快速决策 [27][29] - 订阅模式最初是为疏导需求而设计，后来发展成主要商业模式 [23] 企业业务发展 - 企业版业务增长迅速，商业订阅用户从300万增至500万仅用一两个月 [31] - 财富500强公司中实现90%自然渗透，企业需求驱动产品开发 [31] - 同时发展开发者、消费者和企业业务，但需根据不同模型能力调整优先级 [32] 产品愿景与未来方向 - 目标是打造能随着时间真正了解用户的"你的AI"，而非简单的聊天界面 [49][52] - 看好自然语言交互但不看好纯粹的聊天形式，期待更多交互方式创新 [48][49] - 愿景是成为能处理任何任务的智能助手，帮助而非取代人类 [50][53][54] - 强调用户主导权，通过可视化等方式让用户保持掌控感 [54] 技术驱动与产品哲学 - 根据模型能力反向思考产品化方式，而非套用传统框架 [32] - 第一性原理思考至关重要，打破传统产品开发教条 [12] - 在AI领域，速度比打磨更重要，因为发布后才能知道该打磨什么 [13][14] - 真实世界的失败案例对模型改进至关重要 [15]