你上一次為了搞懂一件事情而真正痛苦，是什麼時候？

我說的不是期末趕報告那種疲累，那只是身體的消耗。我說的是你碰到一個完全陌生的概念，腦子裡一團漿糊，怎麼想都想不通，你試了一條路，不對，再試另一條，還是不對，然後在某個瞬間，什麼東西突然接上了，你終於搞懂了。那種混沌之後的清明。那種碰壁之後的突破。如果你已經很久沒有體驗過這種感覺，這篇文章會讓你不太舒服。但我相信它對你有用。

今天你可以在三十秒內讓AI寫出一份完整的商業提案。輸入幾個關鍵詞，它幫你生成一封專業的求職信。問它任何財務分析的概念，它用漂亮的邏輯一步步拆給你看。截至2026年初，全球已經有九億人每週在使用AI聊天工具。78%的企業已經在日常運營中使用AI，一年前這個數字只有55%。知識的獲取門檻，前所未有地低。你只要會打字，就能得到一個看起來相當不錯的答案。

所以一個很自然的念頭就冒出來了：AI都來了，我還需要那麼辛苦地學嗎？

這個念頭不丟人。它甚至非常合理。但這篇文章想告訴你，它也非常危險。

我會用三個框架來拆解這個問題。

第一個來自經濟學，是最基礎的生產函數。它能幫你看清AI在整個經濟結構裡到底扮演什麼角色，而你作為一個即將進入職場的人，你的價值究竟由什麼決定。

第二個來自認知科學，是UCLA的學習與遺忘實驗室研究了超過三十年的成果。他們發現一件反直覺的事：讓學習變得更輕鬆，反而會讓你記得更少、理解更淺。AI正在把學習變成一件「無痛」的事，但認知科學的證據指向一個令人不安的結論。

第三個方法論來自一位諾貝爾獎物理學家的學習習慣，核心洞見極其簡單：如果你不能用自己的話把一件事解釋清楚，你就還沒有真正理解它。這個方法在AI時代比以往任何時候都更重要，因為AI最擅長做的一件事，就是讓你「看起來懂了」。

三個框架結合起來，會得出一個對每一個正在求學或即將進入職場的年輕人都至關重要的判斷：學習的重要性，在AI時代非但沒有降低，反而被徹底重新定義了。遊戲沒有結束，規則改變了。而那些以為可以躺平讓AI代勞的人，正在一場他們看不見的淘汰賽中，悄悄出局。

接下來，我會用具體的數據和研究證據一步步解開這個邏輯。你會看到全球就業市場正在發生什麼，認知科學怎麼定義「真正的學習」，以及在一個所有人都擁有相同工具的世界裡，真正的護城河到底長什麼樣子。如果你是商科學生，如果你即將畢業找工作，如果你正在焦慮AI會不會搶走你的飯碗，這篇文章會給你一個框架，幫你把焦慮轉化為策略。

以下為完整內容

一個等式，看懂你在AI時代的位置

經濟學有一個最基本的等式。所有學過入門經濟學的人都見過它：

Y= F(K, L)

產出（Y）是資本（K）和勞動力（L）的函數。聽起來抽象，但它描述的是世界上所有生產活動的底層邏輯。一家公司能產生多少價值，取決於它投入了多少資本和多少人力，以及這兩者如何結合。

我想請你用這個等式回看歷史。

兩百年前，K裡面有一個巨大的組成部分，是動物。馬拉貨車，牛耕田地，騾子馱重物。整個經濟體系的運轉，高度依賴動物的肌肉力量。然後蒸汽機來了。鐵路來了。內燃機來了。K端發生了質變。機器可以做馬能做的一切事情，而且更快、更持久、更便宜。

馬怎麼辦？馬沒辦法。馬不能轉型，不能學習新技能，不能說「好，拉車這件事機器做了，那我去學點別的」。馬就是馬。所以馬被淘汰了。工業革命衝擊的是K裡面的動物勞動力，用機器徹底替代了它。

現在，AI來了。這一次被衝擊的不是動物。是人。是L裡面的人類勞動力。

AI可以寫報告、做分析、寫程式碼、翻譯文件、生成商業策略，這些全都是過去只有人類大腦才能完成的工作。根據研究，到2030年，全球將有9200萬個工作崗位被取代。一些分析更為驚人，AI有可能自動化目前人類所做工作的30%。這不是在取代馬的肌肉了。這是在取代你的大腦。

那問題就變得非常尖銳：你會不會成為這個時代的「馬」？

馬被淘汰，因為牠的能力是固定的。但人和馬有一個根本性的不同。人可以學習。人可以升級自己。人可以從只會執行的L，變成能夠判斷、決策、創造的L。馬做不到這件事，但你做得到。

這就是為什麼學習在AI時代不是變得可有可無，而是變成了生死攸關的事。

AI替代的是什麼樣的L？是那些做標準化工作的L。研究顯示，AI可能替代超過53%的市場調研分析師的工作任務，以及67%的銷售代表的工作任務，但管理層的自動化風險只有9%到21%。你看到規律了嗎？越是執行層面、越是可以標準化的工作，越容易被替代。越是需要對未知情境做出判斷、做出決策的工作，越難被替代。

一項研究發現，自從AI聊天工具大規模普及以來，22到25歲、處於最容易被AI影響職業中的年輕勞動者，就業率出現了顯著的相對下降。年資更深的從業者受到的影響反而更小。為什麼？因為資深者有一樣東西是AI替代不了的：在真實場景中積累的判斷力和對複雜問題的直覺。而初出茅廬的年輕人，如果只會做那些AI也能做的事情，那你跟一匹面對蒸汽機的馬，處境沒有本質區別。

但你不是馬。你可以選擇進化。

進化的方式只有一條：學習。不是那種讓AI幫你寫完作業然後抄一遍的「學習」。是真正地、痛苦地、深入地去理解一個領域，建立起AI模仿不了的認知深度和判斷力。世界經濟論壇估計，到2030年，59%的勞動者將需要重新培訓技能，是超過一半的人!! 這意味著你今天在學校裡學到的具體技能，可能5年後就不夠用了。唯一不會過時的，是你學習新東西的能力本身。

回到那個等式Y=F(K,L)。工業革命升級了K，淘汰了動物。AI革命正在淘汰L裡面不會進化的人。你要做的，不是跟AI比誰更快地寫出一份報告，而是讓自己變成一種AI替代不了的L：能判斷、能提問、能在不確定性中做出決策的L。

而這種L，只有通過真正的學習才能鍛造出來。

知識民主化的喜悅與殘酷

先承認一件好事。AI帶來的知識民主化是真實的，也是偉大的。

過去你想學寫程式碼，你要修一整個學期的課。現在你可以把需求描述給AI，它幫你寫出來，你看著它的程式碼學。過去你想做一份像樣的財務模型，你需要先花幾十個小時學Excel的高級功能。現在你跟AI說「幫我做一個DCF模型」，幾秒鐘它就搭好了框架。寫報告、做PPT、翻譯文件、分析數據，所有這些曾經需要大量訓練才能掌握的技能，現在人人都能借助AI完成。

AI正在成為一股民主化的力量，把那些過去昂貴或專屬的能力，比如動畫製作、職業規劃指導、稅務諮詢，變成更廣泛的人群都能接觸到的東西。

這是解放。這讓很多人鬆了一口氣。

但這裡有一個很殘酷的邏輯。

當一個工具只有少數人擁有的時候，它是競爭優勢。當所有人都擁有它的時候，它就不再是競爭優勢。它只是基線。就像一百年前會打字是一項了不起的技能，到了今天，不會打字你連簡歷都投不出去。打字不會讓你勝出，它只是入場券。

正如研究者警告的，一旦AI變得無處不在，它就不再能為企業提供超越對手的優勢。AI工具也是一樣。當你的同學、你的競爭對手、你面試時坐在隔壁的那個人，全都在用同樣的AI，那AI能幫你做的那些事情，就不再是你的加分項了。

問題來了：那什麼才是加分項？

有人會說：不用焦慮，AI會創造新的工作機會。這句話從統計意義上是對的。但這裡有一個巨大的陷阱：這些新崗位和舊崗位之間不是一對一的交換，它們不在同一個地方、不面向同一群人、不要求同樣的技能。舊的工作幾乎一夜之間消失，新的工作需要完全不同的能力組合。

而且衝擊最大的，恰恰是你們這一代人。年資更深的從業者受到的影響反而更小。為什麼？因為資深者有一樣東西是AI替代不了的：在真實場景中積累的判斷力和對複雜問題的直覺。而初出茅廬的年輕人，如果只是會用AI做一些基礎性的工作，那AI可以直接做得比你更快、更便宜。

越是執行層面、越是可以標準化的工作，越容易被替代。越是需要判斷、決策、對未知情境做出反應的工作，越難被替代。

所以知識被拉平了，但競爭沒有。有人的地方就有競爭。工作機會是稀缺的，好的機會更加稀缺。競爭不會因為工具民主化了就消失。它只是轉移到了另一個維度。

新的篩選機制

如果過去的篩選標準是「誰知道得更多」，那AI時代的標準是「誰能問出更好的問題」。如果過去比的是「誰更努力」，現在比的是「誰有更好的判斷力」。

這聽起來像是空話。讓我講得更具體。

「問出更好的問題」是什麼意思？它的意思是，你需要有足夠的知識基礎，才知道什麼問題值得問，什麼方向值得探索。AI可以給你答案，但它不知道你應該問什麼問題。兩個人用同一個AI工具，一個人問「幫我寫一份商業計劃書」，另一個人問「這個市場裡消費者的隱性需求是什麼？我的產品跟競品相比，在定價心理學上有什麼可以利用的空間？」後者得到的回答，質量會高出一個量級。而後者之所以能問出這樣的問題，是因為他真的學過、想過、在腦子裡搭建過這些知識之間的連結。

「更好的判斷力」又是什麼意思？AI會犯錯。它會一本正經地編造不存在的論文，用完美的語法寫出邏輯上完全站不住腳的分析。如果你自己沒有扎實的知識基礎，你根本看不出來哪裡有問題。你會把AI生成的錯誤當成正確答案，然後在會議上、在報告裡、在決策中犯下你自己都意識不到的錯誤。判斷力來自真正的理解，而真正的理解來自你自己痛苦的學習過程。

分化的關鍵，已經從「誰能接觸到工具」轉向了「誰能更好地應用工具」，從「執行速度」轉向了「判斷品質」，從「自動化能力」轉向了「策略的精密度」。這些優勢來自放慢腳步、專注於自己的手藝、在需要的時候選擇親手操作以獲取更深的理解，以及積累那種獨特到AI無法通過模式匹配來複製的知識。

學習，從來沒有像今天這樣重要。

「無痛學習」的陷阱

AI讓獲取答案變得毫不費力。你不需要翻書，不需要推導，不需要經歷那個「想不通」的階段。你問，它答，乾淨利落。沒有掙扎，沒有困惑，沒有痛苦。

這感覺很好。但有一個問題：沒有痛苦的學習，還是學習嗎？

認知科學已經研究這個問題超過30年了。1994年，UCLA的一位認知心理學家提出了一個概念叫做「理想困難」（desirable difficulties），認為學習過程中適當的困難和挑戰，反而能夠幫助學習者形成更強的記憶連結。所謂「理想困難」，就是指那些需要學習者付出相當的努力、但因此能夠改善長期表現的學習任務。

這個概念的核心洞見極為簡單卻又違反直覺：讓學習變得更困難，反而能讓你學得更好。研究顯示，困難的任務雖然會在短期內讓學習速度變慢，但長期的收益遠大於簡單任務。從長期來看，費力的學習在效果上比輕鬆的學習高出大約60%。

為什麼會這樣？因為大腦的記憶機制跟肌肉有點像。頭腦就像肌肉，負重越大，生長越多。就像舉太輕的啞鈴不會增加多少肌肉量一樣，不需要太多思考的任務也不會促進思維發展。當你輕輕鬆鬆就得到答案的時候，你的大腦根本沒有被迫進行深層加工。信息進來了，但它只是路過，沒有紮根。

很多學習方法會給人一種「我在學習」的錯覺，只是因為完成起來很容易。比如反覆重讀筆記或教材，是一種常見的學習策略，但研究已經證明它的效果不如用抽認卡自測。學生在第二遍或第三遍閱讀時會覺得內容更熟悉了，就以為自己學會了。但熟悉不等於理解，流暢不等於掌握。這就是學習中最大的錯覺。

AI把這個錯覺放大了無數倍。你問AI一個問題，它給你一個漂亮的、邏輯清晰的答案。你讀了一遍，覺得「嗯，我懂了」。但你真的懂了嗎？你只是讀懂了AI的表述，你的大腦進行了最低限度的加工：識別文字、跟隨邏輯、點頭表示同意。你沒有犯過任何錯，你沒有走過任何彎路，你的理解沒有經過任何壓力測試。

大多數大學生本能地選擇更輕鬆的方式。AI只是把這條輕鬆的路鋪得更寬、更平、更誘人了。研究顯示，理想困難帶來的高度努力感和「感覺自己沒在學」的負面主觀體驗，會讓學習者特別抗拒使用這類策略。學習者往往意識不到這些困難的好處，他們感受到的只是痛苦和低效。

所以人的天性是迴避痛苦的。而AI讓迴避變得前所未有地容易。你甚至不需要主動迴避，AI已經幫你繞過了所有可能的痛苦。

零錯誤等於零學習

讓我把話說得再清楚一點。

你已經知道的東西，不叫學習。你反覆閱讀已經看過的材料，不叫學習。為什麼？因為在這個過程中你不會犯任何錯誤。你會覺得一切都很順暢，一切都很熟悉，感覺良好。但零錯誤等於零學習。

學習，是走進你不知道的領域。你不知道的東西，恰恰是你需要學的。但你不知道的東西，也恰恰是你會犯錯的地方。所以，犯錯的地方，才是學習真正發生的地方。

研究者特別強調，錯誤是理想困難的關鍵組成部分，應該把錯誤視為學習過程的一部分，而不是失敗。儘管錯誤和失敗是學習過程中不可或缺的一部分，目前的理論模型和實證研究仍然不足以提供一個全面的視角來看待從錯誤中學習這件事。

痛苦，是一個信號。它告訴你，你正在接觸新的東西。你的大腦正在被迫擴展它的認知邊界。沒有痛苦，就沒有擴展。沒有擴展，就沒有成長。

AI把痛苦拿走了。順便也把學習拿走了。

在AI時代，如何真正地學

如果你接受了上面的邏輯，下一個問題就是：那我到底應該怎麼學？

有一個方法，來自一位二十世紀最傑出的物理學家理查·菲利普斯·費曼（Richard Phillips Feynman)。他的名言是：

如果你不能把一件事用簡單的語言解釋清楚，你就還沒有真正理解它。

這個方法後來被整理成一套學習技術，核心思路是這樣的：當你想學會一個概念的時候，試著用你自己的話，假裝你在向一個完全不懂這個領域的人解釋它。不看書，不看筆記，不看螢幕，純粹用你自己的語言。你會在解釋的過程中發現，有些地方你以為自己懂了，但說不出來。那些說不出來的地方，就是你真正的知識缺口。然後你回去重新學，學會了再試著解釋，直到你能流暢地用最簡單的語言把它講清楚。

這個技術的核心是一種用來簡化複雜資訊的心智模型和學習策略。研究者使用了實驗設計來檢驗它的效果，結果顯示，使用這套方法的實驗組在後測成績和學習增長上都顯著優於對照組。另一項研究同樣證實了這種學習策略的有效性。使用這種方法的學生在後測和學習增長上都超過了對照組，正向的結果可以歸因於它的建構主義和自主學習方法。對概念的深層理解加上高度的自主性和自我調節能力，使學習者能夠更有效地掌握知識。

這套方法的理論基礎建立在主動學習、後設認知和認知心理學三個原則之上。雖然目前沒有專門針對這套完整方法的單一研究，但支撐它的每一個底層原則都有大量的研究證據。神經科學研究表明，當學習者試圖向別人解釋概念時，大腦中會有更多的神經通路被激活，形成更強的記憶痕跡。這種以輸出為導向的方法能顯著提升知識留存率，研究顯示其效果可以是被動閱讀的5到10倍。

現在你可能已經看到了，在AI時代，這個方法為什麼變得加倍重要。

AI最厲害的能力之一，是讓你「看起來懂了」。它給你一個完美的答案，你讀了，你覺得自己理解了。但那是AI的理解，不是你的理解。那些知識在AI的模型裡，不在你的腦子裡。你做了一場消費，以為自己做了一場學習。

所以，下次AI給你一個答案之後，暫停一下。把螢幕翻過去。然後用你自己的話，試著把那個概念解釋一遍。不看螢幕，不看任何參考資料，就用你此刻腦子裡有的東西。如果你說得出來，說明你真的懂了。如果你說不出來，你就找到了你的知識缺口。然後回去重新學。

這個過程會很痛苦。你會發現你以為自己懂的東西，其實你說不清楚。你會在解釋的過程中卡住、搞混、前後矛盾。

這就對了。

那些卡住的地方，就是學習正在發生的地方。

你的護城河長什麼樣子

如果你未來想成為一個有競爭力的商業人才，你需要理解一個概念：護城河。

企業的護城河是怎麼建立起來的？它來自對未知領域的探索。新產品、新市場、新商業模式。沒有人在已知的、確定的、安全的領域裡建立過真正的護城河。護城河永遠在邊界之外，在那些別人還沒去過、或者去了但失敗了的地方。

探索未知就意味著一定會犯錯。這是一個等式，沒有例外。任何試圖消除所有錯誤的策略，都會同時消除所有真正的創新和突破。

你的個人護城河也是一樣的。它不在於你用了什麼AI工具，因為所有人都用一樣的工具。它在於你對一個領域理解的深度，在於你面對不確定性時做出判斷的能力，在於你能看到別人看不到的問題、問出別人問不出的問題。而這些能力，全部都來自於你自己走過的那些痛苦的學習過程。

有研究者觀察到，在AI商品化的時代，可持續的AI優勢更多地來自技術本身之外的三個因素：策略性的問題選取與框架設定、專有的數據積累，以及卓越的整合能力。對個人來說道理是一樣的。你的優勢不在工具本身，在工具之外。

所以我的建議是：擁抱痛苦。不要害怕犯錯。追求真正的理解。

AI是你的工具，用它來放大你的能力，但不要讓它替代你的思考。用它來加速資訊的獲取，但不要讓它替代你的學習過程。用它來檢驗你的理解，但先讓自己痛苦地思考過一輪，再去看AI的答案。

這個世界上最容易的事情，就是讓AI替你做所有的工作，然後以為自己變強了。最困難的事情，是在擁有了所有捷徑的情況下，依然選擇走那條更難的路。

但那條更難的路，才是通往真正競爭力的路。

遊戲沒有結束。規則改變了。而新規則之下的贏家，是那些在所有人都放棄思考的時候，依然堅持用自己的頭腦去碰壁、去犯錯、去搞懂的人。

期中考試前兩天，你的組員還沒開始寫他負責的那部分報告。你已經催了三次，對方說「放心，我會搞定的」，然後繼續打遊戲。你看着deadline逼近，心想：算了，我幫他寫吧，反正我也不想因為他拉低分數。

於是你熬了一個通宵，把他的部分也寫完了。報告交了，分數還不錯。你覺得自己做了一件好事。

但你有沒有想過，這個組員下一次分組作業會怎樣？他已經學到一件事：只要拖得夠久，總有人會幫他收拾殘局。你用一晚的辛苦，買到了一個成績，同時也為他未來的懶散買了一張保險單。

你不是在幫他。你在訓練他。

類似的場景在商學院裏每天都在上演。你看到朋友正在追一段明顯不靠譜的感情，你想拉他一把。你看到室友花錢大手大腳，信用卡賬單堆成山，你想坐下來跟他算一筆賬。你看到同學放棄投行面試去追一個你覺得不切實際的創業夢，你恨不得搖着他的肩膀說：醒醒吧。

你出發點是好的。你關心他們。你覺得自己看得更清楚，走過的彎路可以讓他們少走。

但如果你在經管學院待了超過一個學期，你應該已經隱約感覺到一件事：你學的每一門課，從微觀經濟學到公司金融，從博弈論到行為經濟學，都在用不同的模型和案例反復告訴你同一個道理。

好的意圖加上強行的介入，往往製造出比問題本身更嚴重的問題。

整個經濟學史上最昂貴的教訓，幾乎都來自某個人、某個機構、某個政府，看到了一個「問題」，然後決定用力去「修好」它。結果呢？問題沒有消失，反而長出了新的頭。有時候長出來的頭比原來的還多。

這篇文章會用你在課堂上學過的框架，把這個道理講透。你會看到經濟學裏的「眼鏡蛇效應」怎樣把一個完美的激勵方案變成一場災難。你會看到金融危機中的道德風險怎樣從銀行的會議室一路蔓延到你幫室友交的那份作業。你會重新理解 Goodhart 定律那句著名的話：當一個衡量指標變成了目標，它就不再是一個好的衡量指標。你也會看到租金管制這個經濟學課本裏的經典案例，怎樣用最善意的出發點，製造了最諷刺的結果。

然後我們會離開教室，聊聊更切身的事情。學術研究發現，直升機父母養出的孩子，職業適應力更低，對自己的職業方向更迷茫。你可能會想，這跟我有什麼關係？你想想你上次強行幫朋友做的那個決定，你跟直升機父母之間的距離，可能比你以為的近很多。

最後我們聊聊職場。你即將進入或者已經進入的那個世界裏，因果的邏輯比校園裏更殘酷也更清晰。那些什麼事都替下屬做的管理者，帶出來的往往是最弱的團隊。那些銷售業績考核指標設計得不好的公司，員工一定會找到方法把指標做得漂亮而不是把事情做好。

如果你現在的生活裏正好有一個你很想「拉一把」的人，或者你自己正在被別人強行「拉」，我建議你留出時間閱讀。

這可能是你在經管學院學到的最有用的一課。偏偏沒有一門課會直接教你。

Read more

事後回看，這家銀行的死因結構並不複雜。疫情期間科技業資金湧入，它的存款從620億美元暴漲到1,240億美元。管理層把大量存款配置進長期國債和抵押貸款支持證券，鎖住了低利率時代的收益。但聯儲局在不到一年內把聯邦基金利率從0.25%拉到了4.75%。這些長期債券的市值隨之大幅縮水。與此同時，科技行業遇冷，初創企業開始消耗存款。更致命的是，這家銀行高達86.4%的存款超過了25萬美元的聯邦存款保險上限。一旦信心崩塌，擠兌就成了理性選擇，因為每個存戶都知道：聯邦保險根本覆蓋不了自己的錢。

久期錯配、流動性風險、客戶集中度、無保險存款佔比過高，這些概念，你在商學院一年級就全部學過。

但我想問你一個問題。假設你現在坐在一家投行或者資管機構的面試桌前，面試官問你這家銀行為什麼會在48小時內倒閉，你能不能在60秒之內，從宏觀利率環境講到資產負債表結構，再講到擠兌的博弈論機制，層層遞進，邏輯乾淨？

大多數人做不到。

你會記得一個模糊的印象，「好像是因為加息」，你會記得教授PPT上某一頁的標題，甚至還能想起你用熒光筆劃過的那行字。但在面試那種高壓環境裏，這些碎片化的「印象」根本沒辦法組裝成一條完整的邏輯鏈。你的大腦會卡住。就像那家銀行在擠兌面前一樣，帳面上有2,090億美元的資產，但就是拿不出現金。

問題出在哪裏？

如果用經濟學的語言來說：你正在經歷一場嚴重的「資源錯配」。你的時間，作為一個大學生最稀缺的資本，正在被大量配置到回報率近乎為零的學習策略上。

我在港大經管學院教書，每年都能觀察到一個令人困惑的現象。不少商學院學生的努力程度毋庸置疑：圖書館裏一坐就是十個小時，筆記抄得比教科書還厚，熒光筆把每一頁課本塗得像彩虹一樣。但到了考試或者面試的關鍵時刻，很多人的表現和他們投入的時間完全不成正比。

認知心理學對這個現象有一個非常精準的診斷，叫做「流暢感錯覺」（fluency illusion）。

當你把同一份筆記讀了第二遍、第三遍的時候，大腦會產生一種讓人上癮的感覺：「嗯，這段我知道了，下一段我也知道了，讀起來好順暢。」你會覺得知識正在一點一滴灌進你的腦袋。

但如果你做過任何形式的投資，你應該對這種感覺不陌生。

想想2021年前後的市場，科技股一路狂飆，幾乎所有人都覺得自己眼光很好。股價在漲，你覺得是自己判斷正確；周圍的人也在賺，你覺得這就是大勢。一切都感覺那麼順暢、那麼理所當然。直到泡沫破裂的那天，你才發現那種「我真的很懂投資」的信心，從頭到尾都是被市場的上行行情餵養出來的幻象。

你在讀書時那種「我已經掌握了」的舒適感，本質上和市場泡沫裏的虛假自信是同一回事。你覺得自己的知識在增長，但實際上只是你的眼球在教科書表面反覆滑行了幾遍，大腦根本沒有做過任何深度加工。

認知心理學的研究已經反覆驗證了這一點。有一個經典實驗讓兩組人做比較：一組把同一份英語詞彙配對表整整讀了六遍，另一組完全沒有接觸過這些材料。最後測試時，兩組人的學習曲線幾乎完全重合。六遍的重複閱讀，在你真正需要從記憶裏調取知識的時候，貢獻約等於零。

為什麼會這樣？因為重複閱讀從頭到尾沒有迫使你的大腦去做最關鍵的動作：提取。你只是讓眼球重新掃描了幾遍，大腦收到的信號是「這個東西我見過，挺眼熟的」，但它完全沒有建立起一條可靠的神經回路，讓你在壓力環境下能快速把這些知識調動出來。

金融業有一個制度叫做壓力測試（stress test）。銀行壓力測試的意義，不是在風平浪靜的日子裏拍拍胸脯說我資本充足率達標了。它的意義在於：模擬極端情境，利率暴漲、信用違約連環爆發、流動性枯竭，然後看看你在那種環境下到底還能不能撐住。那家矽谷銀行之所以在擠兌面前毫無招架之力，一個重要原因就是它的風險敞口在太平日子裏從未得到充分測試。它的首席風險官在2022年4月離職，直到2023年1月才任命了繼任者，恰恰是利率急速上升的那段時間。

你的學習也需要壓力測試。每次合上書本，強迫自己去回憶剛才讀了什麼，哪怕你只記得三成，哪怕「想不起來」的那種感覺讓你很挫敗，你都在做一件比重讀課本重要一百倍的事情。你在逼你的大腦從記憶深處把知識拽出來。認知科學管這個過程叫做「檢索練習」（retrieval practice）。每一次痛苦的提取都在強化對應的神經回路。下次需要調用時，速度更快，路徑更穩。

有一所美國中學做過一個設計精巧的對照實驗：同樣的課程內容，一部分讓學生正常複習了三輪，另一部分則用三次低風險的小測驗來替代複習。一個月後的大考結果是：複習組平均分C+，測驗組平均分A-。同樣的孩子，同樣的老師，同樣的知識點，唯一的差別在於學生有沒有經歷過「被迫從記憶裏提取答案」的那種掙扎。一個字母等級的差距，僅僅來自於方法的不同。

如果你理解了檢索的邏輯，接下來的兩個概念會非常直覺。

第一個叫「間隔練習」（spaced practice）。你應該都會算複利。每個月往帳戶裏定投一小筆錢，年化收益10%，幾十年後你帳戶裏的數字會遠遠超過本金的簡單加總。複利的威力在於時間和頻率之間的乘法效應。學習也遵循同樣的邏輯：把練習拆開，中間留出間隔，讓自己先稍微遺忘一點，再強迫自己重新回想。每一次「差點想不起來」的掙扎，都是大腦在給你的記憶加包一層保護膜。小額、高頻、長期的學習投入，認知回報是指數級的。而考前通宵突擊呢？那就像把全部身家一次性押進一張短期期權，短期也許有用，但時間價值衰減之快，會讓你的知識在考完試的第二天就蒸發乾淨。

有一項針對外科住院醫生的研究能把這個道理說得很清楚。研究人員教他們做一種極高難度的顯微手術：把活體老鼠的微小血管重新縫合。一組醫生在一天之內上完所有四節課，另一組每週上一節，中間隔開一整週。一個月後的實操考試，一天學完的那組醫生手法遲緩、動作多餘，其中有16%的人直接把老鼠的血管弄壞了，手術徹底失敗。而每週學一課的那組，全員通過，各項指標全面領先。

你看，連受過頂級教育的外科醫生都會被「集中突擊帶來的流暢假象」所欺騙。那我們商學院學生用考前通宵的方式去學金融衍生品定價或者宏觀經濟分析框架，結果能好到哪裏去？

第二個叫「穿插練習」（interleaving），它的邏輯和投資組合理論裏的分散化幾乎完全一致。

大多數人學東西的方式是：先把第一章死磕透，再磕第二章，最後磕第三章。這就像把所有資金集中押注在一支股票上，看起來很專注、很有紀律感，但風險調整後的回報往往遠不如分散配置。有實驗讓兩組大學生學習計算不同幾何體的體積。一組先集中練某一類題型再切換到下一類，另一組把不同類型的題目全部混在一起。練習階段，集中組正確率高達89%，穿插組只有60%，看起來差距非常懸殊。但一週後的正式考試，集中組的正確率崩盤到20%，穿插組穩穩地保持在63%以上。提升幅度高達215%。

為什麼？因為集中訓練只教會了你「已經知道這是什麼題的時候怎麼解」。一旦脫離了那個可以預測下一題類型的練習環境，你就失去了依靠。而穿插練習逼你做了一件更難也更值錢的事情：在面對一道題的時候先判斷「這到底是什麼類型的問題」。這種辨別力，才是面試和真實工作場景中最稀缺的認知能力。面試官扔給你一個案例，不會提前告訴你「這是一道關於DCF估值的題」，你需要自己從混亂的信息裏提取結構、識別信號、排除噪音。這種能力只有在混亂的練習中才能長出來。

說到在混亂中識別結構這件事，1990年代末有一個金融史上的經典反面教材值得一提。當時有一家對沖基金，由諾貝爾獎得主領銜，團隊裏匯聚了華爾街最頂尖的量化交易人才，使用極其精密的數學模型來做套利交易。前幾年的回報非常亮眼，1994年賺了20%，1995年43%，1996年41%。所有人都覺得這群人不可能輸。他們的模型在歷史數據上回測得太好了，表現太「流暢」了，以至於對模型的信心變成了一種無人質疑的信仰。這家基金在資本金僅40億美元的基礎上持有了約1,250億美元的資產負債表內資產，槓桿率大約是30倍。如果加上表外業務，名義本金規模接近一萬億美元。

然後1998年，俄羅斯主權債務違約引爆了全球市場恐慌。這家基金在不到四個月內虧損了46億美元。到了九月底，基金的淨值從月初的23億美元暴跌到只剩約4億，但負債仍然超過1,000億美元，有效槓桿率飆升到了250比1以上。最終需要14家金融機構在聯儲局的協調下注資36.5億美元，才避免了一場可能拖垮整個金融系統的連鎖崩潰。

事後分析顯示，市場風險利差的擴大程度和持續時間，遠遠超出了這家基金和其他市場參與者的風險模型所預估的概率。多個原本不相關的市場出現了同向衝擊，使得看似分散化的投資組合實際上高度集中。他們的模型在正常環境下看起來無懈可擊，但從未被真正的極端情境壓力測試過。當你最需要模型給你答案的時候，模型給不了你任何東西。

這和一個在考前把課本讀了六遍、面試時卻說不清楚邏輯的商學院學生，犯的是完全同一類認知錯誤，你在舒適環境裏建立了一套「感覺自己懂了」的幻象，但從來沒有在壓力環境裏測試過它是否真的能用。

我想在這裏暫停一下，跟你聊聊「認知升級」這個概念。

商學院教給你的金融理論和經濟學框架，本身都是極好的思維工具。但有一個層次的東西，課堂上很少有人提及，就是「如何學習」本身。你花了三四年時間去學宏觀經濟、公司金融、投資組合理論，但你有沒有花過哪怕一個下午的時間，去認真審視一下你自己的「學習系統」到底有多高效？你在用什麼方式把信息輸入大腦，你用什麼方式把它存儲在長期記憶裏，你又在用什麼方式把它在高壓環境下提取出來？

投資界有一個概念叫做「阿爾法」，超出市場基準的超額收益。在就業市場上，你的「阿爾法」從哪裏來？不太可能來自於你讀的教科書，因為你的同學也在讀同一本。也不太可能來自於課堂筆記，因為你們上的是同一門課、聽的是同一位教授。真正能讓你在面試桌上脫穎而出的，是你處理信息和提取知識的速度與質量。

面試官在30秒內就能分辨出：一個人是「讀過這個概念」還是「真正吃透了這個概念」。前者會停頓、會含糊、會說「那個……我記得好像是……」；後者的回答是即時的、有結構的、有層次的，因為這些知識早就被編碼進了長期記憶裏，隨時可以調用。

這種差距的源頭，大多數時候跟智商無關，跟學習策略有關。認知心理學幾十年的研究歸結起來指向一個結論：真正有效的學習方法，會讓你在過程中感到困難和不舒服。如果你學習的時候感覺像在溫水裏泡澡，每一頁都看得懂、每一段都很順暢，那大概率說明你的大腦正在偷懶。只有那些讓你覺得「我怎麼想不起來了」「剛才讀的到底是什麼」的掙扎時刻，才是認知真正在升級的信號。認知科學家管這個現象叫「必要難度」（desirable difficulty）。

用你熟悉的框架來理解：健身的時候，如果你舉重舉得輕飄飄毫不費力，那說明你根本不是在長肌肉。你的大腦也是同樣的道理。只有在你強迫自己去面對那些還沒掌握的知識、去回答那些讓你出汗的問題時，神經回路才會被真正重塑。舒適區裏不長肌肉，舒適的學習裏也不長認知。

這篇文章接下來的部分，會把這套認知科學的框架系統地展開。

你會看到一套完整的「知識資產管理」方法論，我會用金融和經濟學的語言重新詮釋它，如何像管理一個投資組合那樣管理你的認知資源，如何識別你學習過程中隱藏的「沉沒成本陷阱」，以及如何把你最寶貴的時間從零回報的策略裏抽出來，重新配置到高回報的方向上。

你會深入理解「心理模型」（mental models）的構建邏輯，這和你做行業研究、構建投資論點（investment thesis）的思維過程幾乎是同構的：從碎片化的信息裏抽取結構，在大量噪音中識別出真正的信號，然後把這些零散的洞察整合成一套可以在高壓環境下快速調用的決策框架。掌握了這種能力的人，在面試中能做到即時反應、邏輯分明、舉一反三；沒有這種能力的人，哪怕背了再多的案例，遇到一個稍有變化的問題就會當場卡住。

你還會看到「成長性思維」為什麼不只是一碗心靈雞湯，以及它如何在實際層面影響你學習新技能的速度和深度。我會分享幾個今天就可以開始使用的具體工具，操作門檻非常低，甚至不需要你增加任何學習時間，你需要調整的，只是你投入時間的方式。

如果你是一個正在準備投行、諮詢、資管面試的商學院學生，或者你只是想讓自己這幾年的教育真正轉化為長期的認知資本，而不是一場「考完就忘的一次性消費」，我認為接下來的內容值得你讀完。

你的知識帳面價值和清算價值之間的巨大缺口

在金融學裏有一組非常基本的概念：帳面價值（book value）和清算價值（liquidation value）。一家公司的帳面價值可能很高，資產負債表上列了幾十億的固定資產、商譽、長期投資，但如果有一天這家公司必須在壓力環境下被迫出售所有資產，能拿回來的錢往往遠遠低於帳面數字。2008年金融危機期間，很多持有大量抵押貸款支持證券的金融機構就面臨了這個殘酷的現實。房地產泡沫時期發行的這些證券，最初提供了比政府債券更高的利率和看似優質的信用評級。但當底層資產品質惡化、房價開始下跌，到了2006年底，美國房地產市場的泡沫開始破裂，房價下滑，那些超出自身還款能力的次貸借款人再也無法避免違約。那些帳面上價值連城的結構性產品，清算價值瞬間崩塌。

你的知識儲備也存在同樣的問題。你花了一個學期讀完了公司金融的教科書，筆記本上記了三百頁，期末考試前還做了兩套模擬題。從帳面上看，你的「知識資產」相當可觀。但如果有人在一個高壓環境裏，比如面試、比如實際工作中的一次分析任務，要求你即時調用這些知識，你能「變現」多少？

大多數商學院學生的知識資產組合，帳面價值和清算價值之間存在巨大的缺口。你以為你擁有的知識，其實只是一堆在正常市場環境下看起來不錯的帳面數字。一旦壓力來襲，它們大量減值。

認知心理學能幫你理解這個缺口為什麼存在，以及如何縮小它。

檢索練習——給你的知識組合做壓力測試

先回到那個核心武器：檢索練習（retrieval practice）。

你現在知道重複閱讀效果很差。但你可能還不完全理解為什麼主動提取效果這麼好。讓我用一個你更熟悉的框架來解釋。

在金融經濟學裏，你學過「價格發現」（price discovery）這個概念。市場上一項資產的真實價值，不是由某個分析師寫在報告裏的目標價決定的，而是由買賣雙方在實際交易中不斷博弈、不斷出價還價的過程中「發現」的。同樣的道理，你對一個知識點的真實掌握程度，不是由你讀了幾遍書、畫了多少條高光線來決定的。它只能在你嘗試從記憶中提取這個知識點的過程中被「發現」。

當你合上書本，問自己「剛才這一章到底講了什麼」，你其實就是在對自己的知識進行一次即時的價格發現。你會立刻知道，哪些東西你真的掌握了（流動性好的資產，可以立刻變現），哪些東西只是「看起來眼熟」（帳面上有但清算價值存疑的資產）。

更重要的是，每一次痛苦的提取嘗試，本身就在改變你大腦的物理結構。認知科學的研究顯示，當你費力地從記憶深處把一個知識點拽出來的時候，對應的神經回路會得到強化。科學家管這個過程叫做「重新鞏固」（reconsolidation）。就像鍛煉肌肉一樣，你在健身房舉鐵的時候，肌肉纖維其實在微觀層面上發生了撕裂，而正是這種撕裂和修復的過程讓肌肉變得更強壯。你的記憶也遵循同樣的邏輯：遺忘和重新提取之間的張力，才是記憶變得更強韌的根本機制。

回到文章開頭提到的那所美國中學的實驗。同樣的老師、同樣的學生、同樣的知識點，唯一的區別在於一組學生經歷了低風險的小測驗，另一組只做了傳統的複習。測驗組的期末成績高出了一整個字母等級。更有意思的是，這些測驗本身不計分、不排名，老師甚至會走出教室以避免讓學生感到壓力。學生們用遙控器選ABCD，按完立刻看到正確答案。整個過程更像是一場低壓力的互動遊戲。但就是這種看似輕鬆的「考試」，因為逼迫學生在那幾秒鐘內從記憶裏搜索答案，產生了遠超傳統複習的學習效果。

這給了我們一個非常清楚的行動指引：從今天起，你每讀完一個章節，在翻到下一章之前，先合上書，花三到五分鐘問自己幾個問題。這一章的核心概念是什麼？它和上一章學的內容有什麼關係？如果面試官現在問我這個知識點，我能不能用自己的話把它講清楚？

在這個過程中你會頻繁地體驗到一種非常不舒服的感覺：「我剛剛明明看過，怎麼想不起來了？」記住，這種感覺是好事。這是你的大腦正在進行壓力測試，正在發現你知識組合裏那些帳面價值虛高的「資產」。只有通過這種主動的價格發現，你才能知道你真正擁有什麼，以及你還欠缺什麼。

間隔練習——學習中的複利效應

如果檢索練習是壓力測試，那麼間隔練習（spaced practice）就是複利。

在前面的引子裏我已經用過這個類比。現在讓我把它展開。複利之所以強大，是因為它利用了時間維度上的乘數效應。愛因斯坦據說把複利稱為「世界第八大奇蹟」，不管這句話是否真的出自他之口，背後的數學邏輯是不可辯駁的。同樣一筆錢，如果每年只投入一次，和每個月定投一次相比，幾十年後的差距是驚人的。

學習也是一樣。同樣四個小時的學習時間，如果你在考前一天一口氣全部砸進去，效果遠不如把它分成四次，每次一小時，分散在一週的不同日子裏。原因在於：每次間隔之後，你會自然發生一些遺忘。當你在間隔之後再次回來複習，你必須重新從記憶裏把那些開始模糊的知識點提取出來。這個提取過程，正如我們剛才討論的，會強化對應的神經回路。而如果你一口氣連續學四個小時，中間沒有間隔，也沒有遺忘，你的大腦就缺少了那個「先忘後憶」的強化循環。

用建築的比喻來說：砌牆的時候，你必須等每一層水泥乾透了才能砌下一層。如果你不停地堆疊、不給水泥固化的時間，整面牆會垮。間隔練習就是在給你的記憶留出「固化」的時間。認知科學家管這個過程叫做「鞏固」（consolidation），它在生理層面上需要幾個小時甚至幾天的時間才能完成。

回憶一下前面提到的外科住院醫生的實驗。一天學完所有課程的醫生，在一個月後的實操考試中表現全面崩潰，16%的人直接把手術搞砸了。而每週學一課、中間留出一整週間隔的醫生，全員通過。如果連操刀動手術這種高度精細的技能都服從於間隔練習的邏輯，那你學習資產定價模型或者宏觀經濟政策分析，當然也不可能例外。

具體怎麼操作？這裏介紹一個操作門檻極低、但極其有效的工具，叫做萊特納盒子（Leitner Box）。你只需要準備一疊空白卡片和四個分區。分區一放你完全不會的卡片，每天都要複習。分區二放你稍微有點印象的，每三天複習一次。分區三每週一次。分區四每個月一次。規則很簡單：複習的時候，如果你答對了，這張卡片往後移一個分區，間隔變長；如果你答錯了，不管它原來在哪個分區，一律打回分區一，從頭開始。

這個系統的精妙之處在於：它自動幫你實現了間隔練習的最優配置。你已經掌握的知識，複習頻率自動降低，不浪費時間；你還沒掌握的知識，自動獲得更高頻率的強化。這就像一個自動化的資產再平衡系統，把資源從回報已經趨於平緩的部位抽出來，重新配置到最需要強化的部位。

如果你嫌實體卡片麻煩，市面上有一些間隔重複軟件（spaced repetition software, 例如ANKI）遵循的是完全相同的原理。核心邏輯是一樣的：你越熟的東西，間隔越長；你越生疏的東西，間隔越短。

穿插練習——認知的分散化投資

穿插練習（interleaving）的邏輯，在前文已經用投資組合的分散化做了類比。現在讓我用一個金融市場的真實事件來把這個概念推到更深的層次。

2010年5月6日下午，美國金融市場經歷了一場被稱為「閃崩」（flash crash）的事件。股票指數在幾分鐘之內暴跌，道瓊斯工業指數盤中一度下跌近1000點，跌幅約9%，隨後在很短的時間內又大幅反彈。在不到半小時的時間裏，市場市值蒸發了約一萬億美元，其中大部分損失發生在不到五分鐘之內。

這場閃崩的觸發機制值得細看。事後調查顯示，一家位於美國堪薩斯城的共同基金公司使用了一個自動化算法，大規模拋售E-Mini標普500期貨合約，總價值約41億美元。問題在於，這個算法被設定為按照前一分鐘交易量的9%的速率來執行賣出，但沒有設定任何關於價格或時間的限制條件。當市場流動性因為恐慌而急劇萎縮時，算法依然在機械地按照預設的速率賣出。高頻交易商開始在彼此之間互相拋接這些合約，像「燙手山芋」一樣，缺乏足夠的外部需求，高頻交易商之間互相交易這些合約，進一步壓低了價格，而巨量的交易又反過來迫使那個賣出算法以更快的速度、更低的價格賣出，期貨市場的流動性迅速枯竭，又觸發了股票市場的算法平倉。

這個事件的教訓和穿插練習的邏輯高度相關。那個導致閃崩的賣出算法，本質上是一個只會執行單一任務的系統，它知道怎麼賣，但完全不具備在變化的環境中進行判斷和調整的能力。它的程式裏沒有「如果市場流動性突然消失，我應該怎麼做」這個模塊。它從來沒有被訓練過「在混亂中做決策」的能力。

集中訓練培養出來的人，和那個算法犯的是同一個錯誤。當你死磕一類題型的時候，你學會的只是「已經知道這是什麼題的時候怎麼解」。一旦真實環境變得混亂，而真實環境永遠是混亂的，你就會像那個算法一樣，失去了適應和判斷的能力。

穿插練習的價值，在於它逼你做了一件更難也更有價值的事情：辨別（discrimination）。在混亂的信息裏分辨出「這到底是一個什麼類型的問題」，在噪音中識別出真正的信號。回到前文提到的大學生幾何體實驗：穿插組最終考試成績比集中組高出215%的根本原因，不在於他們的計算能力更強，而在於他們被訓練出了一種集中組完全不具備的能力，在看到一道題的時候，先判斷「我應該用哪套工具來解」。

對商學院學生來說，這種辨別力就是你在面試和實際工作中最稀缺的認知技能。一個案例分析題擺在你面前，面試官不會告訴你「這是一道DCF估值題」或者「這是一道關於市場進入策略的題」。你需要自己從混亂的信息裏抽取結構，判斷哪個框架適用，然後展開分析。

所以，當你做練習的時候，不要按照教科書的章節順序一章一章地刷題。把不同章節、不同類型的題目打亂，混在一起練。你會覺得練習過程更混亂、更不舒服、正確率更低，但記住，這種不舒服才是你的大腦在建立真正有用的認知結構的信號。

心理模型——從碎片信息到結構性洞察

現在讓我們把層次再拉高一級。

到目前為止，我們討論的三個武器，檢索、間隔、穿插，主要解決的是「如何把知識牢固地存儲在長期記憶中」的問題。但在真實世界裏，僅僅記住知識點是遠遠不夠的。你需要把這些零散的知識點組裝成一個有結構的思維框架，認知心理學管這個叫做「心理模型」（mental model）或者「結構建造」（structure building）。

想像你拿到一盒散亂的樂高積木，沒有說明書，讓你拼出一座城堡。低水平的構建者會迷失在每一塊積木的細節裏，這塊是紅的、那塊是長的，結果腦子裏一團漿糊。高水平的構建者會自動忽略那些無關緊要的噪音，迅速抓住核心結構，哪些是地基、哪些是承重牆，先把框架搭起來，再把新的信息填進去。

金融分析的本質就是這個過程。當一個分析師面對一家上市公司的年報，幾百頁的財務數據、管理層討論、風險披露，低水平的分析師會被數據淹沒，抓不到重點。高水平的分析師腦子裏有一套預先建好的框架：先看資產負債表的結構，然後看收入來源的構成和趨勢，再看現金流量表驗證盈利品質，最後把這些信息放進行業和宏觀環境的語境中去理解。他們不是在逐行閱讀年報，他們是在用一個既有的心理模型去「過濾」和「組裝」信息。

這種結構建造能力怎麼訓練？答案仍然在於我們前面討論的那些原則，但需要加上一層更高階的操作。

第一層叫做「闡述」（elaboration）。當你學到一個新概念的時候，不要停留在死記定義的層面，而是要去主動尋找它和你已有知識之間的連結。比如你在學習期權定價的時候，不要只背公式，而是去想：這個模型的底層假設是什麼？它和我之前學的資本資產定價模型有什麼邏輯上的聯繫？在什麼樣的市場環境下這個模型的預測會嚴重偏離現實？每找到一個連結，你就是在給你的心理模型增加一條新的神經通路。

第二層叫做「生成」（generation）。這個概念更加反直覺：在得到答案之前，先嘗試自己去解決問題。比如在學一個新的經濟模型之前，先看它試圖解決的問題是什麼，然後問自己：如果讓我來解決這個問題，我會怎麼構建模型？你很可能會想錯。但研究顯示，哪怕你猜錯了，只要你事後得到了正確答案的反饋，你對這個知識點的記憶會比直接看答案的人更牢固，因為你的大腦先建立了一個「知識缺口」，然後正確答案剛好填進了這個缺口，那種契合感會讓記憶變得格外深刻。

第三層叫做「反思」（reflection）。每天學習結束後，花十到十五分鐘，回想今天學了什麼、哪些地方卡住了、如果下次遇到類似的問題我會怎麼處理。這就像一個飛行員在每次飛行結束後做的任務回顧（debrief），不是回憶那些順利的部分，而是去復盤那些差點出錯的環節。

認知心理學的研究記錄過一位頂級神經外科醫生的習慣。他每次做完手術回家後，都會坐在椅子上，強迫自己回想手術的每一個細節。他不是回憶那些順利的環節，而是去想那些「如果」，如果出血量更大怎麼辦？如果我的操作角度再調整一下會怎樣？正是這種日復一日的反思練習，讓他在面對一個教科書上從未記載過的手術危機時，能夠在幾十秒內做出一個全新的、救命的操作方案。因為他在腦海中早就把各種可能的災難場景演練過無數遍，當真正的危機來臨時，他的大腦不需要從零開始思考，而是調用了一個早已建好的心理模型。

把這個邏輯遷移到你的場景裏：每次做完一個案例分析的練習，不要急著翻到下一個案例。先停下來問自己：我剛才的分析框架是什麼？邏輯鏈上有沒有斷裂的地方？如果改變案例中的某些條件，比如把行業從科技換成消費品，或者把市場環境從擴張期換成衰退期，我的結論會怎麼變？這種主動的「假想演練」就是在幫你構建一個更複雜、更有彈性的心理模型。

為什麼你不知道你不知道——認知偏差和勝任力錯覺

到這裏，我需要跟你談一個讓人不太舒服的話題：為什麼這些低效的學習方法能夠存活這麼久？為什麼那麼多聰明人，包括商學院的學生，會持續使用明顯低效的策略，卻渾然不覺？

答案藏在一系列深刻的認知偏差裏。

首先是「流暢感錯覺」，這個我們前面已經討論過了。你的大腦是一個非常狡猾的編劇，它會把「眼熟」包裝成「理解」，把「看過」包裝成「掌握了」。

更深層的問題是所謂的「勝任力錯覺」。這是一種被稱為「達寧—克魯格效應」的認知偏差，描述的是能力較低的人在特定領域系統性地高估自身能力的傾向，這一現象最早由兩位心理學家在1999年描述。他們在大學裏做了一系列測試，發現在邏輯推理、語法和幽默感測試中得分最低的那四分之一學生，嚴重高估了自己的表現，雖然他們的實際成績排在第12百分位，但他們自我評估的排名卻在第62百分位。

這個發現為什麼重要？因為它揭示了一個雙重詛咒：缺乏能力的人不僅會做出錯誤的判斷和糟糕的選擇，他們的無能還會剝奪他們認識到自己無能的元認知能力。用白話說：你不知道你不知道。而且，即使把正確答案擺在他們面前，能力較低的那組人仍然不會改變自己的自我評估，他們依然無法識別出其他人的能力優於自己。

這和你的學習有什麼關係？關係太大了。

當你用重複閱讀的方法「學習」了一個知識點，你的大腦產生了流暢感，你覺得自己懂了。但因為你從來沒有通過檢索來測試自己到底懂了多少，你缺乏一個客觀的外部基準來校準你的自我評估。你活在一個勝任力錯覺的泡沫裏，就像2008年金融危機前那些評級機構，從2000年到2007年，最大的評級機構之一對將近45,000只與抵押貸款相關的證券給予了評級，其中超過一半被評為三A。但到了2008年底，按市值計算，80%被評為三A的CDO產品被降級至垃圾級。所有人都覺得自己的評估是對的，直到現實給了他們一記重擊。

諾貝爾經濟學獎得主的行為經濟學研究把人類的認知系統分為兩套：系統一（System 1）是自動的、快速的、基於直覺的；系統二（System 2）是緩慢的、需要努力的、基於邏輯分析的。問題在於，系統一是一個控制狂，只要它覺得「我懂」「我見過」，它就會立刻接管決策權，把那個正在慢慢思考的系統二踢到一邊。更糟糕的是，系統一是一個出色的故事編劇，它無法忍受「不知道」的狀態，所以它會自動腦補、自動填充，讓你產生一種「一切盡在掌握」的虛假安全感。

怎麼對抗這些偏差？只有一個辦法：建立外部的反饋機制。

在航空業，這叫做「飛行儀表盤」，飛行員不能僅憑身體感覺來判斷飛機的姿態，必須盯著儀表盤上的客觀數據。在金融業，這叫做「風險管理系統」和「壓力測試」，不能僅憑直覺和歷史回報來判斷組合的安全性。在你的學習中，這個外部儀表盤就是定期的自我測驗。每一次你合上書本、強迫自己回答一個問題、然後對照正確答案，你都在校準你的自我認知。你在用一個客觀的基準來打破勝任力錯覺的泡沫。

這也是為什麼我強烈建議你在做完測試之後，不要立即看答案。研究顯示，延遲一小段時間再看反饋，效果反而更好。因為在那段不知道對錯的「懸空」時間裏，你的大腦會被迫進行更深度的加工。太快看到答案，就像拄著拐杖走路，你覺得自己走得很穩，但你依賴的是拐杖而非自己的平衡感。做完一整套練習題再對答案，永遠比做一題對一題要好。

成長性思維——不只是心靈雞湯

你可能在某些場合聽過「成長性思維」（growth mindset）這個概念，也可能覺得它只是另一碗勵志雞湯。但認知心理學的實證研究給了它相當紮實的支撐。

心理學家做過一個非常精巧的實驗，能說明固定型思維（fixed mindset）和成長性思維之間的差別有多大。研究人員先讓兩組孩子做一些簡單的拼圖，所有人都做出來了。然後對第一組孩子說：「你真聰明！」對第二組孩子說：「你一定非常用功。」

接下來，研究人員拿出了一套根本解不開的難題。被誇「聰明」的那組孩子徹底崩潰了。因為在他們的認知框架裏，「失敗」等於「我不聰明了」。為了保護這個「聰明」的標籤，他們開始迴避挑戰、選擇簡單的任務，甚至在後續面對能力範圍內的正常難度問題時，表現也大幅下滑。而被誇「努力」的那組孩子，面對同樣的難題，反應截然不同，他們甚至覺得有趣，因為在他們的認知框架裏，「做不出來」只是意味着「我還沒有努力夠」，而不是一個關於自身能力的判決。

這個實驗對商學院學生的意義是什麼？

很多從小成績優異的人，商學院裏這種人比例很高，其實深陷固定型思維的陷阱。他們習慣了「聰明」這個標籤，習慣了輕鬆把事情搞定的感覺。一旦遇到真正困難的東西，比如面試被連續追問到答不出來、比如第一份實習時發現自己的分析框架完全不夠用，他們的第一反應不是「這是一個學習的機會」，而是「我是不是不夠聰明」。這種焦慮會吃掉大量的認知資源，讓你的工作記憶被「我是不是搞砸了」的念頭佔滿，根本沒有帶寬去處理眼前的問題。

成長性思維在這裏發揮的作用，不是讓你「感覺良好」，而是讓你把有限的認知資源從焦慮和自我懷疑中釋放出來，重新投入到問題解決中。當你相信能力是可以通過努力提升的，而且認知科學已經非常明確地證實了這一點，大腦的神經可塑性意味着它確實可以在任何年齡段繼續改變和強化，你就不會被失敗嚇住。你會把每一次考試失利、每一次面試被拒都看成是一次壓力測試的數據反饋，而非一份關於你能力上限的終身判決。

傳統上，專業能力往往通過經驗年限、聲譽和對知識技能的感知掌握程度來評判。但近年的研究表明，這些指標與實際觀察到的表現之間的相關性很弱。事實上，觀察到的表現並不一定隨着更多的專業經驗而提升。真正決定你能走多遠的，是你有沒有主動參與刻意練習，一種專門針對特定任務的改進而設計的訓練方式，包含即時反饋、問題解決和評估的時間、以及反覆練習以精進行為的機會。

這就是為什麼有些人工作了十年，只有一年的真正經驗，因為他們的後九年只是在重複第一年已經學會的東西，從未刻意去挑戰自己的弱點。而有些人只工作了三年，卻擁有遠超同齡人的認知深度，因為他們每一天都在主動尋找自己的薄弱環節，然後用痛苦的刻意練習去強化它。

規則學習——穿透案例看到底層邏輯

我想在最後討論一個對商學院學生尤其重要的概念：規則學習（rule learning）。

很多人學東西，學的是「案例」。比如你學了一個經典的併購案例，記住了交易結構、估值方法、整合策略的每一個細節。下次遇到一個幾乎相同的案例，你可以照搬。但如果案例的行業背景、交易結構稍有變化，你就卡住了，因為你只是記住了「例子」（examples），沒有抽象出背後的「規則」（rules）。

規則學習者做的事情不一樣。他們看完一個案例之後，會問自己：這個案例背後的底層邏輯是什麼？它和其他表面上看起來完全不同的案例，有沒有共同的結構？

讓我給你一個非常具體的例子。假設你學了矽谷銀行倒閉的案例，你記住了久期錯配、流動性風險、無保險存款佔比過高這些具體因素。但如果你只停留在這個案例的具體細節上，你下次遇到一個看起來完全不同的案例，比如1990年代末那家由諾貝爾獎得主領銜的對沖基金的崩潰，你可能就看不出它們之間的共通結構。

但如果你是一個規則學習者，你會看到：兩者的底層邏輯其實高度相似。它們都是在低波動環境下積累了過度的風險敞口，一個是利率風險，一個是信用利差風險。它們都高度依賴於歷史數據的穩定性假設。它們都在極端情境發生時發現自己的資產流動性遠不如預期。它們的風險管理系統都未能充分考慮「尾部風險」，那些在正態分布模型裏概率極低但影響極大的事件。

一旦你抽象出了這套規則，「過度集中的風險敞口 + 對歷史穩定性的過度依賴 + 極端情境下的流動性枯竭」，你就擁有了一個可以遷移到幾乎任何金融危機分析中的思維框架。你不需要把每一個歷史案例的細節都死記硬背，你只需要掌握那幾條反覆出現的底層規則。

怎麼訓練這種能力？每學完一個案例或者一個理論模型，問自己三個問題：這個案例背後的核心機制是什麼？我能不能用一兩句話把它的底層邏輯抽象出來？這個邏輯在哪些看起來完全不同的領域裏也適用？

這就是從「學案例」到「學規則」的認知跳躍。面試官在考察你的時候，考的從來不是你記住了多少個案例，他們考的是你能不能從一個陌生的案例中快速識別出底層結構，然後調用正確的分析框架。這種能力只能通過大量的穿插練習和主動的規則提取來培養。

結語：你最大的競爭優勢，是你投入時間的方式

讓我們最後把所有的線索收攏。

你在商學院的這幾年，學的知識內容和你的同學幾乎完全一樣，同樣的教科書、同樣的教授、同樣的課程設置。你能拉開差距的地方，不在於你學了「什麼」，而在於你用「什麼方式」把這些知識編碼進你的大腦。

從今天起，你可以開始做幾件具體的事情。每讀完一個章節，合上書，用自己的話複述核心概念。把練習分散到不同的日子裏，不要在考前一天集中突擊。做題的時候打亂題型的順序。每天結束時花十五分鐘回想當天學了什麼、哪裏卡住了。給自己做低風險的小測驗。延遲看答案。

這些操作聽起來都不複雜。真正困難的部分在於：你需要接受一個反直覺的事實，在執行這些策略的過程中，你會感到更慢、更笨、更不舒服。你的練習正確率會下降，你的學習速度似乎在變慢，你經常會體驗到「怎麼想不起來了」的挫敗感。你的大腦會不斷告訴你：這樣不對，回去用老方法吧，那個方法至少讓你感覺自己在進步。

不要聽它的。

記住2010年那個棒球實驗的數據：在練習階段，集中組的正確率是89%，穿插組只有60%。但一週後的正式考試，集中組崩盤到20%，穿插組穩穩的63%。練習時候的流暢感和最終的真實能力之間，幾乎是反向關係。那些讓你在練習中「感覺良好」的方法，恰恰在侵蝕你的長期表現。那些讓你在練習中「感覺痛苦」的方法，才在為你構建持久的認知基礎。

金融市場裏有一個永恆的教訓：短期收益和長期價值之間，往往存在深刻的張力。你可以選擇追求短期的舒適感，把書讀得很順暢、把筆記抄得很漂亮、在考前通宵突擊然後拿到一個及格分數。你也可以選擇投資於長期的認知資本，用那些更痛苦、更慢、更不舒服的方法，把知識真正刻進你的神經回路裏。

前一種選擇像是在買一張短期期權：時間價值衰減極快，過了到期日就歸零。後一種選擇像是在積累一份長期的認知複利：初始回報看起來不起眼，但隨着時間推移，它的價值會以指數級增長，在面試中、在第一份工作中、在你整個職業生涯中持續為你產生回報。

你手裏最稀缺的資產不是智商，是時間。而你的時間配置方式，決定了你的認知資本能積累到什麼量級。

別再用錯誤的方式假裝努力了。去擁抱那些必要的困難。

你坐在中環某投行的會議室裡，穿著新買的西裝，面試進行到第三輪。面試官把一疊文件推到你面前，一家銀行最近的10-K年報節選、兩份賣方研究報告、一份行業監管分析。加起來大概八十頁。

「二十分鐘，」他說，「告訴我你看到了什麼風險。」

你低頭看那疊紙。如果你最近半年讀過最長的東西是一條小紅書帖子，或者一段三分鐘的財經短影片，這一刻你就會感覺到一種深層的無力。你的眼睛在紙上滑動，但腦子根本咬不住任何一段文字。你會翻頁，翻頁，再翻頁，但什麼都抓不住。密密麻麻的數字和術語像水一樣從你的認知裡流過去，什麼都沒留下。

二十分鐘後，你只能擠出一些教科書式的觀察：「營收增長放緩」、「負債率偏高」。面試官禮貌地點頭。然後你再也沒有收到他們的電話。

排在你後面的面試者，看了同一份文件，說了一段你說不出的話：「這家銀行九成以上的存款沒有保險覆蓋，客戶高度集中在單一行業，一旦市場情緒轉向，擠兌風險極高。更值得注意的是，他們把大量短期存款配置到了十年期以上的按揭抵押證券裡，久期錯配非常嚴重，利率風險幾乎完全沒有對沖。再看他們使用的內部模型，竟然假設利率上升會增加銀行利息收入，這是一個根本性的建模錯誤。這些加在一起，構成了一個典型的資產負債管理失敗案例。」

同一份文件。但他看見了你看不見的東西。

差距在哪裡？不是智商，不是學校排名，不是GPA。差距在於，他能夠在二十分鐘裡真正讀懂一份長文件，而你不能。

這種能力不是天賦，是一種可以被訓練的認知肌肉。但它正在這一代商學院學生身上快速萎縮，快到大多數人完全沒有意識到。人類在螢幕上的專注時間已經從2004年的2.5分鐘縮減到了現在的47秒。你在螢幕上的平均專注時間可能還不到一分鐘。而你即將面對的職業環境，要求你連續閱讀和消化幾十頁甚至上百頁的密集文字。

這個落差才是問題的核心。

你可能覺得這跟你無關，你的GPA不錯，你的實習經歷也體面。但讓我給你看一組數字。2025年，僅美國一個市場就有超過18萬個金融崗位在招聘，其中商業分析師和金融分析師佔了一半以上。這些崗位的競爭極其激烈，尤其是對剛入行的分析師。同時，61%的金融和會計領域的招聘經理表示，找到具備專業技能的人才比一年前更加困難。換句話說，崗位在增加，但能真正勝任的人在減少。這個缺口，在很大程度上，就是深度信息處理能力的缺口。

這篇文章大概需要你四十分鐘。我知道這個數字讓很多人不舒服。你的手指可能已經想滑走了。但如果你正在準備進入金融行業，或者任何一個需要處理複雜信息的行業，我建議你把這四十分鐘當作一筆認知上的投資。

接下來我會和你談五件事。

第一，你的注意力正在以你察覺不到的方式快速消失。這背後有深刻的神經科學和行為經濟學邏輯，而你每天刷的短影片正在加速這個過程。我會告訴你，任務切換如何讓你的生產力損失高達40%，以及這種損失在金融行業意味着什麼。

第二，物理學和信息論裡的「熵」這個概念，能解釋為什麼短文從結構上就無法讓你學到有深度的東西。你的心還沒有安定下來，文章就結束了。我會引入「信噪比」的框架，幫你理解為什麼你消費的大部分信息都是噪音，以及如何在金融閱讀中區分信號和噪音。

第三，在真實的工作場景裡，區分一個平庸分析師和一個優秀分析師的，往往就是處理長文的能力。我會用兩個真實的金融案例，2023年那場震驚全球的銀行倒閉和2008年的全球金融危機，來說明，風險就白紙黑字寫在公開文件裡，絕大多數人卻讀不到。

第四，AI時代，閱讀長文的能力變得前所未有地重要。芝加哥大學的研究顯示，GPT-4在超過15萬次預測中達到了60.35%的準確率，而人類分析師只有53%到57%。當機器比你更快地處理結構化數據時，你的職業護城河到底在哪裡？

第五，我會提供一個你可以立即使用的思維框架，如何透過長文閱讀構建金融分析的認知複利。這個框架涉及信噪比、層級分解和認知資本的定價邏輯，是經濟學和金融學的底層思維在閱讀行為上的應用。

如果你覺得這些跟你未來的職業生涯有關，繼續讀下去。

你的注意力正在被偷走

我先給你一組數字，你可能會覺得不舒服。

人類的平均注意力持續時間，從2000年的12秒下降到了2013年的大約8秒，短短十三年裡降幅達到33%。到了2024至2025年，這個數字穩定在8.25秒。這個數字經常被拿來和金魚9秒的注意力做比較。你沒看錯，我們在專注力這件事上，統計意義上已經輸給了魚缸裡的金魚。

但更讓人擔心的是另一組細節。青少年用戶現在每44秒就會切換一次應用程式，十年前這個數字是2.5分鐘。自動播放和無限滾動功能的普及，導致深度閱讀習慣在2014年到2024年之間下降了39%。用戶每天接觸到超過5000條內容，而2012年這個數字只有1400條。

數量翻了將近四倍，但你的大腦沒有擴容。

要理解這意味着什麼，你需要理解一個認知科學裡的關鍵概念：任務切換的代價。你的大腦在兩個任務之間切換的時候，並不是瞬間完成的，它需要時間來重新加載上下文、調整認知模式、建立新的工作記憶。每一次切換都有成本。研究發現，任務切換可能導致高達40%的生產力損失。這個數字來自心理學家在2001年發表的研究，而後續的大量實驗反覆驗證了這個結論。參與者在多項活動之間切換時損失了大量時間，而且任務越複雜，損失就越大。

40%。想想這個數字的含義。如果你每天有八個小時的工作時間，但你的工作習慣是不斷在任務之間跳來跳去，一會兒查郵件，一會兒看微信，一會兒回到報告，你等於把其中三個小時直接扔進了垃圾桶。你以為自己工作了八個小時，但你大腦真正在做有效處理的時間只有不到五個小時。而那些能保持單一任務專注的人，他們的八個小時就是實實在在的八個小時。

加州大學爾灣分校的研究者進一步發現，注意力切換頻率和壓力水平之間存在正相關，切換越快，通過心率監測器測量到的壓力越高。幾十年的實驗室研究表明，當人們進行多任務處理時，他們會經歷壓力、血壓上升，身體出現明確的生理壓力指標。在金融行業裡，壓力不只是一種不舒服的感覺，它直接影響判斷力。高壓下的錯誤決策，在交易室裡可能意味着真金白銀的損失。

現在讓我從行為經濟學的角度拆解社交媒體平台的設計邏輯。你以為你在「使用」這些平台，但更準確的描述是，這些平台在消費你的注意力。經濟學裡的外部性概念可以幫你理解這件事：你在平台上消費內容的時候，你產生了一個你自己沒有意識到的外部成本: 你的深度注意力的退化。平台通過算法推送那些能在最短時間內給你多巴胺刺激的內容，因為這能最大化你的停留時長，而停留時長直接決定了平台的廣告收入。某短影片平台的算法追蹤每個用戶超過300個數據點來定制內容。某圖片社交平台的探索頁面算法僅根據用戶在一條帖子上停留2秒的行為就會做出實時調整。

換句話說，這些平台的工程師比你更了解你的注意力弱點，並且專門設計了針對這些弱點的產品。你以為你在做選擇，但你的「選擇」被精心引導了。經濟學家會把這稱為一種信息不對稱，平台掌握了大量關於你行為模式的數據，而你對自己被操控的程度幾乎一無所知。

用機會成本的框架來計算一下。假設你每天在短影片和社交媒體上花費兩個小時。表面上看，這兩個小時的成本是零，你沒有花錢。但你付出的真正代價是：這兩個小時本可以用來鍛煉你的深度閱讀能力。更重要的是，這兩個小時的碎片消費還在主動損害你已有的注意力。這就像一個投資者每天把錢從儲蓄賬戶裡取出來花掉，同時還在給剩餘的存款收取負利率。你的認知資本在雙重流失。

由於數字設備帶來的分心，多任務處理可能使生產力下降高達40%。把這個損失放到一整年的尺度上：如果你每天因為注意力碎片化而損失三個小時的有效認知時間，一年就是超過一千小時。一千小時的深度學習時間，這足以讓你從零開始掌握一門新語言，或者通讀金融分析師考試的全部教材。但你把它揮霍在了十五秒一條的短影片上。複利是反過來運作的。

研究表明，注意力持續時間對學業表現有顯著影響。注意力較短的學生可能難以在上課或閱讀課程材料時保持專注，這會使他們更難以記住信息。在考試中，注意力短暫的學生可能因為容易分心而犯下粗心的錯誤或漏掉題目。把「考試」換成「面試中的案例分析」，邏輯完全一樣。

那個典型的青少年用戶，在15分鐘的滑動中可能消費多達60條不同的短影片，每一條都需要大腦進行完整的情境重置。這種高頻切換阻止大腦進入心流狀態，那種深度沉浸的專注力，恰恰是掌握複雜知識所必需的。2024年的研究顯示，媒體多任務處理者在基於注意力的任務中表現比單任務處理者低了20%。

注意力的退化不是一個抽象問題。它直接決定了你能不能在面試中讀懂那份文件，能不能在工作中發現別人忽略的風險，能不能在職業生涯的關鍵時刻做出正確的判斷。但如果你已經把自己的大腦訓練成了一台只能處理十五秒信息的機器，那份八十頁的文件就會成為一堵你翻不過去的牆。

這就引出了一個更根本的問題：為什麼短文在認知層面上是注定低效的？要回答這個問題，我需要借用一個看起來和金融無關、但實際上深刻相關的概念。

熵增定律、信噪比與學習的最低門檻

物理學裡有一條定律叫熱力學第二定律，簡單說就是：在一個封閉系統裡，混亂度（熵）只會增加，不會自動減少。你的房間不打掃只會越來越亂，不會自己變整潔。要讓系統變得有序，你必須從外部輸入能量。

你的大腦也遵循類似的邏輯。

每天，海量的信息碎片湧入你的認知系統，社交媒體的標題、朋友的語音消息、短影片裡的觀點片段、新聞推送。這些碎片不斷增加你腦中的認知混亂度。它們之間沒有邏輯關聯，沒有深層結構，就像把一千塊不同拼圖的碎片混在一起。你的大腦裡充滿了「信息」，但這些信息之間的熵值極高，混亂、無序、不成體系。

信息論的核心思想可以幫我們理解這個問題。在信息論中，「信息」有一個精確的定義：信息就是能夠減少不確定性的東西。一條消息的信息價值取決於它的意外程度。如果你已經知道「股市有風險」，那一條告訴你「股市有風險」的帖子攜帶的信息量接近於零。短影片告訴你「要分散投資」、「長期持有」，這些你早就知道的正確廢話，信息熵極低，你什麼都沒學到。

這裡有一個直接的金融應用。信噪比這個概念有時被用來比喻一段對話或交流中有用信息與虛假或無關數據的比率。信噪比也可以應用在商業領域，管理健康的信噪比可以幫助企業高管改善他們的關鍵績效指標。

把這個框架應用到你的日常信息消費上。你每天接觸的5000多條內容裡，有多少是信號（signal），有多少是噪音（noise）？我估計信號的比例不超過1%。其餘99%都是噪音，重複的觀點、情緒化的標題、沒有數據支撐的判斷、以及你已經知道的常識的重新包裝。

信息過載的原因包括信息獲取渠道的改善、新信息量的爆炸性增長、信息複製和傳播機制的擴展、可用信息中的矛盾和不準確，以及缺乏比較和處理信息的標準方法，所有這些最終導致了「信息污染」和「低信噪比」。

信噪比低的環境對決策的傷害是巨大的。無論是在金融、醫療還是工程領域，決策者都依賴準確和相關的信息來做出明智的選擇。通過考慮信噪比，決策者可以優先考慮高質量的信號而忽略嘈雜的干擾。在金融行業裡，你每天面對的就是一個信噪比極低的環境，市場上充斥着分析師的觀點、媒體的解讀、社交媒體上的猜測。你的工作就是從這些噪音中提取出真正的信號。而提取信號的唯一方式，就是深度閱讀原始文件，年報、監管文件、行業研究報告。

現在讓我解釋為什麼短文在認知層面上注定失敗。

有價值的知識天生就是有結構的、有深度的、需要鋪墊的。要理解為什麼久期錯配會導致銀行倒閉，你需要先理解什麼是久期、什麼是利率敏感性、什麼是資產負債管理、什麼是持有至到期會計準則、什麼是未保險存款的集中度風險。每一個概念都是下一個概念的基石。你不可能跳過前面的台階直接蹦到頂樓。

一篇500字的文章，你打開它，花十秒鐘讓眼睛適應，花二十秒鐘搞清楚主題，花三十秒鐘讀完核心段落，然後它就結束了。你的大腦根本沒有來得及從「淺層瀏覽」模式切換到「深度處理」模式，文章就已經沒了。就好比你剛把鍋放上爐子，水還沒燒開，你就把火關了。你永遠喝不到熱水。

神經科學的研究為這個觀察提供了精確的解釋。「線性閱讀對於深度閱讀理解至關重要，因為這種類型的閱讀能夠培養理解複雜句子、識別隱含意義、解讀困難語法結構、發展對內容的深度理解，以及保持持續注意力的能力。」認知神經科學家的研究表明，人類並非天生就會閱讀。閱讀是一種文化發明，它在人類大腦中建立了語言、感知、認知以及情感結構之間全新的連接。由此產生的閱讀腦回路，成為了人類不斷發展新思想的平台。

深度閱讀時，大腦中與自我概念化相關的區域會變得更加活躍，個體會將深度閱讀的材料內化。短文閱讀無法觸發這種深層的神經加工過程。你在短文中獲得的只是表面信息的暫時存儲，它會在幾分鐘之內從你的工作記憶中消失。

用投資的類比來理解這件事。長文閱讀是認知上的複利投資。每讀一篇有深度的長文，你都在加固你的知識網絡。你建立的每一個概念連接，都會讓下一次相關信息的處理變得更快、更準確。這就是為什麼資深分析師看一份報告的速度比新人快得多，他們的知識網絡更密集，新信息一進來就能自動和已有知識對接。

短文消費就像頻繁的短線交易，每次交易成本（情境切換的代價）吃掉了所有可能的收益。你進進出出，看起來很忙，但賬戶餘額沒有增長。而且短線交易還有一個隱藏的成本：它讓你產生了一種虛假的「已經學到東西」的錯覺，這種錯覺比無知更危險，因為它讓你停止了尋找真正有深度的學習機會。

現在讓我給你一個可以直接應用的思維工具。當你閱讀任何金融文件的時候，嘗試用「層級分解法」來組織你的理解。第一層是表面事實：這家公司的營收是多少，利潤率是多少，資產負債率是多少。第二層是隱含假設：這些數字背後的商業模式是什麼，管理層做了什麼假設，這些假設在什麼條件下會失敗。第三層是長期影響：如果這些假設真的失敗了，對這家公司、對整個行業、對相關利益方意味着什麼。短文只能觸及第一層。要到達第二層和第三層，你需要足夠的文本長度來鋪展邏輯鏈條。

這就是為什麼真正有價值的金融分析都是長文的形式，因為複雜的洞見需要足夠的空間來展開、論證、質疑和重新建構。

在真實的工作場景裡，長文能力就是你的區分度

讓我用兩個真實的案例來說明這一點。

第一個案例你可能聽過，但你未必真正理解它的含義。2023年3月，一家在美國經營了近四十年、資產規模超過兩千億美元的銀行，在短短兩天內倒閉。這是美國歷史上第二大銀行破產案。

後來的分析表明了什麼？這家銀行的風險從來不是隱藏的。它的未保險存款佔總存款的比例高達94%，在同業中遙遙領先。它把大量短期存款配置到了十年期以上的按揭抵押證券裡，持有至到期證券佔總資產的比例達到44%。更離譜的是，它使用了有缺陷的內部模型，導致管理層錯誤地認為利率上升反而會增加銀行的利息收入。後來有分析者直接指出，對沖這種利率風險是「銀行業入門課」的基本內容。

這些數據全部寫在它公開提交的10-K年度報告裡。任何一個讀過這份文件的人，只要具備基本的銀行學知識，都應該能看出問題所在。但幾乎沒有人真正讀懂了。分析師們看了摘要，看了財務指標的表面數字，然後就翻過去了。

第二個案例是2008年的全球金融危機。2008年9月15日，美國第四大投資銀行申請了破產保護，發起了美國歷史上最大的破產程序。這家擁有164年歷史的公司的倒塌，是全球金融危機中的標誌性事件。

這家銀行是怎麼倒的？在其長期首席執行官的領導下，它一直奉行高槓桿、高風險的商業模式，每天需要籌集數十億美元來維持運營。從2006年開始，它開始大舉投資房地產相關資產，很快就在住房和次級抵押貸款市場上積累了巨大的敞口，恰恰在這些市場開始惡化的時候。到2008年，它持有6800億美元的資產，但公司資本只有225億美元。從股權角度看，其高風險的商業房地產持有量是資本的三十倍。

最值得深思的細節是：這家銀行的首席風險官後來表示，高管層忽視了她的許多風險管理策略。高管們想要在同樣採用高風險策略的競爭對手面前保持領先，他們還認為公司太聰明了，不會失敗。

而銀行管理者和監管機構都沒有做好充分準備來審查和評估其整體運作和財務穩健性。這家銀行在超過3000個不同的法律實體中開展業務，它提供的風險複雜的金融產品遍布全球，這種擴張策略最終導致了高度複雜的資本結構。

兩個案例，一個發生在2023年，一個發生在2008年。相隔十五年，但核心教訓驚人地相似：風險就在那裡，寫在公開文件裡，但大多數人讀不懂或者根本不去讀。

為什麼？因為那些文件太長了。一份10-K年報可能有200到300頁。一份完整的風險分析可能需要你交叉比對多個文件的信息。在一個注意力持續萎縮的時代，願意且能夠完成這種閱讀的人越來越少。

我為什麼要跟你說這兩個故事？因為你面試的時候，你展現的不是你的知識量，面試官問的問題，答案你都可以搜索到。你展現的是你的分析能力。而分析能力，在金融行業裡，本質上就是閱讀和理解複雜長文的能力。金融分析師必須處理大量信息以找到有利的投資機會。他們每天面對的不是短文和摘要，是財報、監管文件、行業研究報告、法律條款。

經濟學裡的信號傳遞理論（signaling）可以幫你理解面試中發生的事情。在信息不對稱的市場裡，賣方需要通過某種成本高昂的行為來向買方傳遞自己的質量。為什麼名校學歷有用？因為讀名校的成本高、門檻高，它能作為能力的代理指標。同樣的邏輯也適用於面試中的分析能力展示。能夠在二十分鐘內讀懂一份複雜文件並提煉出核心風險，這本身就是一個極其強大的能力信號。它向面試官傳遞的信息是：這個人有深度處理複雜信息的能力，可以被信任去做重要的分析工作。而這個信號之所以可信，恰恰是因為它很難偽造，你要麼讀得懂，要麼讀不懂，沒有中間地帶。

在所有的面試技巧培訓裡，很少有人告訴你這個最樸素的真相：最有效的面試準備，是重新訓練自己閱讀長文的能力。你去學怎麼講故事、怎麼用STAR法則回答行為面試題，這些當然有用，但它們解決的是「如何展示」的問題。如果你根本沒有深度分析的能力可以展示，那些技巧就是空殼。

回到那個面試場景。坐在你後面的那個人，他之所以能從文件中讀出那些深層的風險，是因為他在過去幾年裡讀過大量類似的長文件。他讀過2023年銀行倒閉的完整分析報告，他讀過2008年金融危機的事後調查，他讀過銀行監管機構的風險管理指引。這些閱讀經歷在他的大腦裡形成了一個密集的知識網絡。當新信息進來的時候，它能自動和這個網絡對接，產生洞見。

你沒有這個網絡。所以你只能看到表面的數字。

能夠將複雜的金融數據轉化為簡單、可操作的洞見的專業人士，將在2026年及以後蓬勃發展。這種「轉化」能力的基礎，就是深度閱讀能力。你得先讀懂複雜的東西，才能把它簡化為可操作的建議。如果你連讀都讀不下去，後面的一切都無從談起。

CFA協會在2025年進行的畢業生前景調查中發現，金融仍然是全球最受歡迎的職業選擇，37%的畢業生將其視為最有前途的行業。然而，焦慮也在上升，三分之二的畢業生擔心AI會影響他們的職業前景。這種焦慮指向了我們下一個話題。

AI時代，讀長文的能力為什麼更加重要

你可能會問：AI都能讀文件了，我還需要自己讀嗎？

這個問題問得合理，但答案可能出乎你意料。讓我先給你看數據。

芝加哥大學的研究者最近發表了一項重要研究，評估了GPT-4的金融分析能力。通過使用「思維鏈」推理方法，AI模型在預測企業盈利方面的表現顯著超過了人類分析師。在超過15萬次可追溯到1960年代的預測中，GPT的預測準確率達到60.35%，而人類分析師只有53%到57%。更驚人的是，即使沒有任何敘述性信息或行業特定背景，這個語言模型在預測盈利變動的能力上仍然超過了金融分析師。

全球銀行和投資公司目前正在考慮用AI取代入門級金融分析師職位，多達三分之二的這類職位可能面臨削減。大型金融服務機構正在測試AI工具，這些工具有朝一日可能在很大程度上取代初級分析師花費大量時間整理報告和處理數字的工作，而生成式AI工具可以在幾秒鐘內完成這些工作。大型銀行正在以代號秘密測試AI工具，這些工具有可能使得大量招聘應屆畢業生變得不再必要。

聽到這裡，你可能覺得恐慌。但先別急。把這個趨勢放到一個更完整的框架裡來理解。

一位商學院教授指出，諮詢和銀行業的工作「非常頑強地抵抗自動化」。他解釋說，這些工作任務的容錯率極低，客戶不會容忍哪怕最微小的錯誤。而且每筆商業交易都不同，沒有兩次併購是完全一樣的，這使得自動化取代人類關鍵思維變得非常困難。

同時，一份來自大型金融集團的報告發現，54%的金融崗位「具有很高的自動化潛力」，比其他任何行業都高。

這兩個看似矛盾的數據點，其實指向同一個結論：AI正在消滅的是那些你不需要深度判斷就能完成的工作，同時它在提升那些需要深度判斷的工作的門檻。

一項2025年的研究進一步量化了這種分化。六個AI模型最近與資深股票分析師進行了正面對決來撰寫SWOT分析，結果非常驚人。在許多案例中，AI不僅表現不遜色，還發現了人類專家遺漏的風險和戰略漏洞。但在同一項研究中，研究者也強調，在這個新的格局中，贏家將是那些把AI的計算能力與人類的洞察力、直覺和關係技能結合起來的人。投資分析的未來不是人類或AI的問題，而是人類加AI的問題。

理解這個邏輯很重要。以前，你的價值在於你能處理數據、能整理報告、能把數字放進Excel模型裡。這些技能在過去是稀缺的，所以它們有市場價格。現在AI讓這些事情變得幾乎零成本，所以這些技能的市場價格在暴跌。

什麼在漲價？判斷力。

AI可以處理數據，但它無法取代人類的直覺、經驗或將複雜信息綜合為可操作策略的能力。AI不會取代特許金融分析師。雖然AI可以處理數據和進行定量分析，CFA持有者帶來的是批判性思維、深度的市場知識，以及理解複雜金融場景的能力。

這些能力從哪裡來？不是從短影片裡來的。它們來自大量的、長期的、系統性的深度閱讀。

讓我用經濟學的人力資本框架來分析這個問題。你的人力資本由兩部分組成：通用人力資本（general human capital）和專用人力資本（specific human capital）。AI正在迅速侵蝕通用人力資本的價值——那些任何人經過簡單培訓都能掌握的技能，比如數據錄入、基礎報告生成、格式化。這些技能現在可以被機器以更低的成本、更高的精度完成。

但AI同時在提升專用人力資本的回報。當機器承擔了基礎工作，人類分析師的時間被釋放出來做更高層次的判斷工作，而這些判斷的質量直接取決於他們的知識深度和認知能力。一個分析師如果只具備通用技能，他的市場價值會隨着AI的普及而不斷下降。一個分析師如果具備深度的行業知識、敏銳的風險識別能力、以及在模糊情境中做決策的能力，他的市場價值會隨着AI的普及而上升。

因為AI是一個放大器。如果你本身有深度的認知能力，AI會把你的能力放大十倍，你可以用AI快速處理數據，然後把你的時間花在那些只有人類能做的判斷上。如果你本身就是淺層思考者，AI放大的也是你的淺層。你用AI生成了一份報告，但你沒有能力識別報告中的錯誤和遺漏，你甚至不知道應該問AI什麼問題。

一個分析師現在可以提示AI系統在幾秒鐘內生成初始的可比公司分析清單，然後把之前用來從頭手動建立這份分析的三天時間，花在提煉洞見、構建敘事、以及識別那些只有人類判斷才能發現的市場機會上。但這要求這個分析師首先得有足夠深的知識基礎來「提煉」和「識別」。如果他的知識庫是空的，AI給他的初稿他都看不懂。

AI不會取代金融分析師，但它會取代那些不使用AI的分析師。我要在這句話上加一個推論：它尤其會取代那些不具備深度閱讀能力的分析師。因為在AI時代，你的核心工作就是閱讀、理解和質疑AI生成的產出。而AI生成的產出，研究報告、風險評估、市場分析，全部都是長文。

所以，閱讀長文在AI時代不是一種懷舊情結，是一種生存策略。

認知複利：如何透過長文閱讀構建你的金融思維框架

我最後要跟你談的，是如何把上面所有的認知轉化為實際的行動。

首先，重新理解你的時間配置。你每天有大概三到四個小時的「自由認知時間」，不上課、不在趕作業、可以自主支配的清醒時間。這些時間目前大概率在被短影片和社交媒體消耗。你不需要把它們全部拿回來，但你需要做一件事：每天拿出其中一個小時用來閱讀長文。

經濟學裡有一個概念叫資源配置效率（allocative efficiency）。在一個完美的市場裡，資源會流向能產生最高邊際回報的地方。你的注意力就是你最稀缺的資源。你目前把它大量配置在邊際回報最低的地方（短影片），同時嚴重低配了邊際回報最高的地方（深度閱讀）。這是一種極其低效的資源配置。即使只做一個微小的調整，把一個小時從短影片轉移到長文閱讀，你的認知回報率會發生顯著變化。

其次，接受不舒服。深度閱讀確實需要努力。它可能引發負面感覺，比如煩躁或困惑，而且經常讓人感到不愉快。那麼一個重要的問題是：既然可以輕鬆地滑動和略讀，為什麼有人會選擇深度閱讀這種辛苦的工作？答案是：因為回報值得。智能手機和社交媒體的使用與更高的無聊感和孤獨感相關，而末日滑屏與更高水平的存在焦慮相關。相比之下，注意力和努力，儘管令人精疲力竭，卻能加深你的使命感並強化社會連接。

長文閱讀在開始的時候一定是痛苦的。你會走神、會焦慮、會覺得進度太慢。這些感受都是正常的，它們恰恰說明你的大腦正在做一件有難度的事。就像第一天去健身房，你會肌肉酸痛，但那正是肌肉在生長的信號。如果你讀一篇文章完全不費力，那篇文章大概率對你的認知增長毫無貢獻，它只是在重複你已經知道的東西。

第三，把閱讀和你的職業目標掛鉤，並使用信噪比作為你的選擇過濾器。你應該優先閱讀那些信噪比高的材料。什麼樣的材料信噪比高？第一類是原始文件：公司的10-K年報、央行的貨幣政策報告、監管機構的行業指引。這些是信號的直接來源，沒有經過中間人的過濾和扭曲。第二類是高質量的長篇分析：知名智庫的研究報告、頂級財經媒體的深度調查報道、學術期刊裡的政策分析。這些是經過嚴格篩選的信號。什麼東西信噪比低？社交媒體上的財經評論、三分鐘的市場分析短影片、標題黨式的新聞推送。這些不是信號，是噪音。

第四，學會用層級分解法來閱讀金融文件。我在前面提到了三個層級：表面事實、隱含假設、長期影響。讓我用一個具體的例子來展示。假設你在讀一家銀行的年報，你看到一個數字：淨利息收入同比增長了15%。第一層反應是「好消息，利潤在增長」。但第二層的問題是：這個增長是怎麼來的？是因為貸款量增加了，還是因為利差擴大了？如果是因為利差擴大，是因為銀行提高了貸款利率，還是因為它在資產端拉長了久期來追求更高的收益率？如果是後者，那第三層的問題就是：在利率上升的環境裡，拉長久期意味着什麼？它的按市值計價的損失有多大？這些損失是否已經反映在損益表裡，還是藏在持有至到期投資的科目裡？

你看，從一個簡單的「淨利息收入增長15%」，你可以通過層級分解，一步步挖到那個致命的風險，這正是2023年那家銀行倒閉的核心邏輯。但這種層級分解需要你具備足夠深的知識基礎，而這個基礎只能通過長期的深度閱讀來構建。

第五，理解競爭的稀缺性邏輯。經濟學最基本的定價原則是什麼？稀缺的東西才值錢。我們正在進入一個「心智耐力」稀缺的時代。當所有人的注意力都在退化的時候，任何一個能保持深度閱讀能力的人，就自動擁有了一種稀缺資源。你選擇在這個時代鍛煉自己的長文閱讀能力，就相當於在所有人都在拋售的時候買入。

這是一筆逆勢投資。逆勢投資之所以困難，恰恰是因為它要求你做和大多數人相反的事情。大多數人在刷短影片，你在讀年報。大多數人在消費噪音，你在提取信號。大多數人的認知資本在貶值，你的在升值。短期內你可能覺得自己「落後」了，你的同學們都在聊最新的短影片梗，你卻不知道他們在說什麼。但到了面試的那天，到了工作的第一年，到了需要做出關鍵判斷的那個時刻，你的認知複利會開始顯現。

結語

你剛剛花了大約四十分鐘讀完這篇文章。

如果你確實讀完了，恭喜。你剛剛做了一件你的大多數同齡人做不到的事情。這個事實本身就說明了一些東西。

回到開頭那個面試場景。坐在會議室裡能讀懂那份文件的人，和讀不懂的人，他們之間的差距不是在面試那天形成的。那個差距在過去幾年的每一天裡，一點一滴地積累。每一次你選擇讀完一篇長文，每一次你抵抗住了滑向短影片的衝動，你的認知肌肉就強壯了一點點。

神經可塑性研究已經證明，反覆參與認知過程可以導致支持這些認知過程的神經網絡發生積極的變化。你的大腦在物理層面上因為你的閱讀習慣而發生改變。這些改變是累積的，不可逆的，而且會隨着時間推移產生越來越大的回報。

我知道讓你從明天開始每天讀一個小時的長文是一個不小的要求。所以我給你一個更溫和的起點：從今天開始，找一份你感興趣的上市公司的最新年報，打開第一頁，讀十五分鐘。不用讀完。只是讓你的大腦重新適應那種長文本的密度和節奏。明天再讀十五分鐘。後天二十分鐘。

一週之後，你會發現你能讀進去的東西比你想象的多得多。一個月之後，你會開始在那些文件裡看到別人看不到的東西。一年之後，你會成為那個在面試中讓面試官眼前一亮的人。

四十分鐘的投資。回報期限可能是一輩子。

Leave a comment

每年九月開學，港大校園裡會出現一群走路速度特別快的人。他們背著嶄新的背包，手裡拿著打印好的 course schedule，一臉認真地在各棟教學樓之間穿梭。大一新生，你一眼就能認出來。

我在經管學院教經濟學，迎新週之後的第一堂課，坐在我面前的往往是一群公開試成績極好的學生。他們中間有不少人 DSE 拿了好幾科 5**，有些從傳統名校過來，從小到大都是老師眼中的模範生。他們的筆記整齊、上課準時、作業從不遲交。

然後我會做一件事。

我在白板上寫下一個問題，大概是這樣的：「香港的公屋政策是否製造了更多的不平等？」然後我說，大家花五分鐘想想，等下我們來討論。

五分鐘後，教室裡的氣氛很微妙。大部分人低著頭，有些在翻教科書，有些在看手機，大概是想搜到一個答案。舉手的人通常不超過兩三個，而且開口的方式往往是：「我在書上看到公屋政策的目的是……」

我問：「那你自己怎麼看？」

沉默。

這個場景我見了很多年，每年都差不多。而我越來越覺得，這種沉默背後藏著一個值得認真談的問題：我們的學生從中學帶了一套完整的思維操作系統進入大學，而這套系統和大學所要求的，存在根本性的衝突。

今天這篇文章，我想把這件事從頭到尾講清楚。如果你正在讀大學，或者你的孩子正要上大學，這篇文章也許值得你花二十幾分鐘坐下來好好讀完。

Read more

有個學生讓我印象特別深刻。她叫Chloe（化名），GPA 3.9，Dean’s List的常客，課堂上回答問題從來條理清晰、言之有物。暑假她拿到了一家國際投行香港辦公室的實習機會，開心得不得了。結果第二週她就發了一封很長的郵件給我，大意是：她覺得自己什麼都不會，每天都在犯錯，主管的臉色越來越難看，她開始懷疑自己是不是根本不適合這個行業。

她跟我說了一個具體的場景。主管讓她做一份pitch book裏面的市場數據更新，只丟給她一句話：「把comparable companies那頁的數據更新到最新的，下午三點前給我。」然後就走了。Chloe愣在座位上，更新到什麼時候的數據？用哪個數據庫？格式要跟之前一模一樣嗎？有些公司已經被收購了要不要換？她腦子裏冒出一堆問題，但主管已經進了會議室。她猶豫了半小時要不要去敲門問，最後決定自己先試試看。到了下午三點，她交出來的東西被打回來了，主管說：「這個格式不對，數據來源也有問題，你為什麼不早點問？」

Chloe跟我說：「可是在學校，如果作業有不清楚的地方，教授都會在syllabus上寫得很仔細，實在不懂還可以去office hour問。」

就是這句話，讓我決定寫這篇文章。

Chloe的問題絕對不是個案。每年我都會遇到大量類似的反饋，來自不同成績層級的學生。有意思的是，成績特別好的學生反而更容易陷入這種困境，因為他們在學校的成功經驗太強烈了，以至於進入職場後的落差感更加劇烈。他們會覺得：我在學校那麼優秀，為什麼換了個環境就突然不行了？

答案其實很簡單，也很殘酷，因為學校和職場根本是兩套完全不同的遊戲，而你一直在用打遊戲A的攻略去打遊戲B。

如果你是正在準備實習的大學生、剛進入職場的畢業生、或者是想理解為什麼新人總是「不開竅」的管理者，這篇文章會幫你省下很多撞牆的時間。

Read more

這個問題我被問了不下幾百次。問的人背景各異，有拿着全額獎學金的尖子生，有剛從投行實習回來覺得自己不想做金融的大三學生，也有純粹覺得「教授」這個頭銜聽起來很體面的同學。我從來不會當場給一個是或否的答案，因為這個問題的複雜程度，遠遠超過絕大多數二十歲出頭的年輕人所能想像的範圍。

讀博士這件事，表面上看是一個學歷的延續，是從本科到碩士再到博士的自然遞進。但實際上，它是一個徹底改變你人生軌跡的決定。它影響的不僅僅是你未來五到七年的時間分配，更決定了你三十歲以後過怎樣的生活、承受怎樣的壓力、擁有怎樣的自由。很多人在做這個決定的時候，對博士生涯的理解還停留在「多讀幾年書」的層面。這篇文章，我想盡可能坦誠地告訴你，讀一個商科博士, 特別是經濟學博士, 到底意味着什麼。

如果你讀完這篇文章之後，仍然覺得自己想走這條路，那你大概真的適合。如果你讀完之後猶豫了，甚至打了退堂鼓，那其實也是一件好事。總好過讀了兩年之後才發現自己入錯了行。

Read more

I’ve been teaching at a business school for close to ten years. I’ve seen a lot of students.

Every September, I watch a new batch of freshmen walk onto campus with that spark in their eyes. They tell me they want to break into investment banking, land a consulting gig, start a company and change the world. By junior year, the same people are saying things like “stability is actually pretty nice” or “my parents want me to take a government job” or “maybe that path just isn’t for me.”

It’s not a talent problem. Something else is going wrong.

Last month, a student came to see me during office hours. Senior year. 3.7 GPA. Two internships on his resume, one at a Big Four firm, one at a bank. On paper, that’s a solid profile. But the first thing he said when he sat down was: “Professor, I feel like I haven’t actually learned anything in four years.”

I asked him why he chose business school in the first place.

He thought about it for a long time. Then he said: “Because everyone told me business majors get jobs.”

That’s the problem.

The Truth About New Year’s Resolutions

Dan Koe recently wrote a piece about why New Year’s resolutions almost always fail. Research shows that eighty to ninety percent of people fail, because most of them don’t actually want to change at a deep level. It sounds harsh, but he nailed something important: all behavior is goal-directed. When you think you’re “procrastinating,” you’re actually pursuing a different goal, which is the safety of not being judged. When you think you “lack motivation,” you’re actually protecting an identity that feels comfortable.

Apply that logic to business school students and everything clicks into place. You say you want to get into Goldman, but you’ve never seriously looked into the recruiting timeline. You say you want to start a company, but you haven’t even begun a single side project. You say you want to pivot into tech, but your LinkedIn hasn’t been updated in three months.

This isn’t laziness. This is self-protection. You’re protecting yourself from having to face the possibility that you might try your hardest and still fail. Protecting yourself from having to explain to your friends why you’re taking a different path. Protecting yourself from having to admit that you don’t actually know what you want.

Why This Article Is Behind a Paywall

I debated for a long time whether to make this a paid post.

The reason is simple: people don’t take free things seriously.

This is a classic finding in behavioral economics. When you pay for something, you engage with it more. It’s called the sunk cost effect. Technically irrational, but that’s how humans work.

I’ve seen too many students bookmark a pile of “life-changing” articles and never read them. I’ve also seen students pay thousands of dollars for a prep course and show up to every single session. The difference isn’t in the content. It’s in the commitment.

So if you’re just looking for something to scroll through, this article isn’t for you. Close it out, no hard feelings.

But if you genuinely want to figure out how to spend these four years, or if you’re almost done and realizing you’ve taken a lot of wrong turns, I’d suggest you keep reading.

Below, I’m going to break down Dan Koe’s framework and show you how to apply it to your situation. How to find internships. How to prepare for interviews. How to plan your career path. And more fundamentally, how to figure out what kind of life you actually want.

Read more

我在商學院教書將近十年，見過太多學生。

每年九月，我看著一批批新生走進校園，眼裡閃著光。他們告訴我想進投行、想做諮詢、想創業改變世界。到了大三，同一批人開始說「其實穩定也不錯」「家裡希望我考公務員」「我可能不適合那條路」。

不是能力問題。是別的東西出了問題。

上個月，一個學生來找我談話。他大四，GPA 3.7，履歷上有兩份實習，一份在四大，一份在銀行。按道理說，這樣的條件不差。但他坐在我辦公室裡，說的第一句話是：「教授，我覺得自己這四年什麼都沒學到。」

我問他：你當初為什麼選商學院？

他想了很久，說：「因為大家都說商科好找工作。」

這就是問題所在。

新年計劃的真相

Dan Koe 最近寫了一篇文章，講新年計劃為什麼總是失敗。研究顯示八到九成的人會失敗，因為大多數人根本不是真的想在深層次上改變自己。聽起來刺耳，但他說對了一件事: 所有的行為都是目標導向的。你以為自己在「拖延」，其實你在追求另一個目標：避免被評判的安全感。你以為自己「缺乏動力」，其實你在保護一個讓你覺得舒服的身份。

把這個邏輯套到商學院學生身上，事情就變得很清晰。你說你想進 Goldman，但你從來沒認真研究過 recruiting timeline。你說你想創業，但你連一個 side project 都沒開始過。你說你想轉行做 tech，但你的 LinkedIn 三個月沒更新。

這不是懶。這是你在保護自己。保護自己不用面對「萬一我真的努力了還是失敗」的可能性。保護自己不用向朋友解釋為什麼你要走一條不一樣的路。保護自己不用承認，你其實不知道自己想要什麼。

為什麼這篇文章要收費

我考慮了很久要不要把這篇文章設成付費。

原因很簡單：免費的東西，人不會當真。

這是行為經濟學的經典理論。當你為一樣東西付出成本，你會更認真對待它。這叫 sunk cost effect，雖然理性上是謬誤，但人類就是這樣運作的。

我見過太多學生收藏了一堆「改變人生」的文章，然後從來不看。我也見過學生花幾千塊上培訓班，結果每堂課都到。差別不在內容，在承諾。

所以，如果你只是想找點東西滑一滑，這篇文章不適合你。關掉就好，不用浪費時間。

但如果你真的想搞清楚自己這四年要怎麼過，或者你已經快畢業了、發現自己走了很多彎路，那我建議你繼續讀下去。

下面的內容，我會把 Dan Koe 的框架拆解開來，然後告訴你怎麼用在你的處境上—怎麼找實習、怎麼準備面試、怎麼規劃職業路徑，以及更根本的，怎麼搞清楚你到底想要什麼樣的人生。

Read more

Free in Kindle Unlimited

Free in Kindle eBook for 5 DAYS!!

The Finance Career Playbook: From Campus to Wall Street

Preface

Every year, I hear the same questions on campus—only the nouns change.

Should I go into investment banking or something “more long-term”? Should I aim for the buy-side? Which track is better? What courses should I take, which clubs should I join, how should I network, and how early is “early enough”? Why does it always feel like some people already know the rules while I’m still trying to find the rulebook?

Sometimes the questions arrive politely, in office hours, with a notebook open and a careful tone. Sometimes they arrive as urgency—an email at 1:17 a.m. asking whether it’s “too late” to recruit, whether a B+ “kills” the resume, whether one missed internship means the career is over. Sometimes they arrive as quiet anger: I did everything people told me to do—why didn’t it work?

During my time as a Senior Lecturer at HKU Business School and as Deputy Programme Director for the Bachelor of Economics and Finance program, these questions came up so frequently that I eventually stopped treating them as individual confusion. It wasn’t that students weren’t working hard. It wasn’t that they weren’t smart. It wasn’t that they “didn’t want it enough.”

The real problem was structural: a massive information gap between students and the industry.

In Hong Kong, that gap can feel even wider—precisely because Hong Kong is one of the world’s major financial centers.

When you study here, finance is not an abstraction. It’s visible. It’s in the skyline, in the headlines, in the speed at which people talk about markets, deals, and careers. It’s in the density of professionals passing through: bankers, investors, analysts, traders, accountants, lawyers, consultants, founders, regulators. It’s in the fact that someone you know always seems to be recruiting, interning, interviewing, or “just grabbing coffee at IFC.”

That closeness creates a particular kind of pressure. When an industry is both prestigious and physically nearby, it starts to feel like an exam you should have been preparing for years ago. Students begin to treat career decisions like a single high-stakes bet: choose the “right” lane, join the “right” club, collect the “right” brand names, say the “right” words, and hope the door opens.

And because so many ambitious people are chasing the same doors, the visible parts of the process become easy to imitate: polished resumes, power verbs, finance buzzwords, coffee chats, LinkedIn messages, case competitions, leadership titles. Students become fluent in the surface language of recruiting.

But fluency is not the same as employability.

From an economics perspective, this is a classic case of information asymmetry.

Employers cannot directly observe your true ability, especially not before you’ve done the job. So they screen using signals: school names, grades, internships, titles, brand affiliations, and what you sound like under pressure. Students, in turn, cannot see what jobs actually require day-to-day—what analysts really do at 11:30 p.m., what “strong communication” actually looks like in a deck, what “risk management” means when a position moves against you. So students scramble to manufacture signals—brand names, titles, buzzwords, coffee chats—without building the capabilities and evidence to back them up.

When the signals don’t convert into outcomes, many talented students misread the result as a personal indictment: I’m just not good enough.

But often, what’s happening is simpler and more fixable: you are playing a game with invisible rules.

There is a hidden curriculum in finance recruiting and early-career performance. It’s not usually taught in classes because it’s not “academic.” It’s not always taught by clubs because clubs themselves often operate on vague standards, or they copy whatever language feels impressive. And it’s not reliably taught by professionals because professionals forget what it felt like not to know—or they don’t know how to articulate what they do, because they learned it through repetition, stress, and correction.

The hidden curriculum is not a secret handshake. It’s a set of practical, unglamorous expectations:

• Work must be deliverable. Not intentions. Not potential. Not identity. Output.

• Output must be checkable. Someone else must be able to understand what you did, verify the logic, and build on it.

• Claims must have an audit trail. If your resume says “led” or “improved,” there must be a chain of evidence behind it.

• Communication must be usable. Correctness that cannot be used is not helpful. Confidence without proof is not safe.

• Risk must be operational. “Risk” is not a slide; it’s a plan for what you do when you’re wrong.

Once you understand these expectations, recruiting begins to look less like mysticism and more like delegation under uncertainty. Hiring is not matchmaking. It is a risk decision: “If I hand this person a task tonight, will I get something back tomorrow that I can trust?”

This book aims to make that hidden curriculum visible.

Different finance roles differ fundamentally in what they deliver—and deliverables require verifiable evidence. Investment banking is not “finance knowledge”; it is reliable production under time pressure. Equity research is not “knowing a lot”; it is making a claim you can update, with receipts and falsifiers. Asset management is not “picking stocks”; it is survivable decision-making—position sizing, triggers, exits, and accountability. PE/VC is not “storytelling”; it is decision documents with failure up front. Product and fintech roles are not “tech stuff”; they are structured thinking under constraints, with measurable outcomes and guardrails that prevent predictable failure.

That’s why this book takes the form of business fable plus field manual.

You can read the story like a series you’re binge-watching—following Alex and Priya as they collide with the market’s standards and slowly stop confusing performance with proof. Or you can work through the templates and checklists like a training camp—building a proof-of-work folder, a deliverable log, an evidence chain, a story bank, and a set of memos that become forwardable.

I wrote it this way because the real “finance curriculum” is not only intellectual; it is behavioral. People don’t fail because they can’t memorize definitions. They fail because, under pressure, they default to their familiar coping strategy: sounding smooth, hiding behind jargon, inflating causality, over-explaining, delaying decisions, worshiping precision, avoiding accountability. Those patterns are not fixed traits—they’re trainable failure modes.

Hong Kong makes these lessons unusually relevant.

Because the city concentrates finance professionals and aspiring entrants, students here experience the industry’s screening mechanisms early and intensely. The competition is real, but the deeper issue is conversion: how to turn effort into trust. When you learn to produce checkable work—work with sources, assumptions, version history, and clear decisions—you stop begging for attention and start earning replies.

This book is written for university students aiming for Wall Street, Central, or anywhere that rewards evidence. But it is also written for:

• Students outside “traditional pipelines” who don’t have family guidance or insider rules.

• Career switchers who need to translate prior experience into auditable deliverables.

• High school graduates (and their parents) deciding whether to pursue an economics/finance major at all.

If you are a secondary school graduate wondering, “Should I major in economics and finance?” the most honest answer is not about prestige or job titles. It’s about fit with the work. Do you like ambiguity enough to make decisions anyway? Can you tolerate being audited? Do you enjoy building explanations other people can use? Can you handle feedback loops without interpreting them as personal attacks? Are you curious about businesses as systems—revenue, costs, incentives, risk—rather than as narratives?

A major is not just a subject; it’s a training environment. This book is meant to help you see what the training really trains.

It won’t promise outcomes, because that would be dishonest.

But it will give your effort direction: from chasing brand names to delivering results, from stacking skills to translating them into value, from seeking opportunities to building a career moat that compounds over time.

Here is the standard that will quietly sit behind every chapter: the 9 p.m. test.

If someone drops a task on you tomorrow night at 9 p.m., what could you hand them the next day that you’d be willing to show a stranger? Not a plan. Not an intention. A deliverable.

When you can answer that question—repeatedly, with evidence—you stop being a student who wants a chance and become a person the market can trust with one.

That is the goal of this book.

金融職涯攻略：從校園到華爾街

每年，我在校園裡聽到的問題幾乎如出一轍——只是名詞換了。

我該進投資銀行，還是做些「更長遠」的事？該以買方為目標嗎？哪條路線比較好？該修什麼課、加入什麼社團、怎麼建立人脈，多早才算「夠早」？為什麼總覺得有些人早就知道規則，而我還在找規則書？

有時，這些問題在 office hour 裡禮貌地提出，筆記本攤開，語氣謹慎。有時，它們帶著焦慮襲來——凌晨一點十七分的郵件，問「現在求職會不會太晚」、一個 B+ 會不會「毀掉」履歷、錯過一次實習是否意味著職涯已經結束。有時，它們化作沉默的憤怒：別人叫我做的我都做了——為什麼沒用？

在港大經管學院擔任高級講師、並兼任經濟金融學士課程副主任期間，這些問題出現得太頻繁，我最終不再把它們當作個別學生的困惑。不是學生不夠努力，不是他們不夠聰明，也不是他們「不夠想要」。

真正的問題是結構性的：學生與業界之間存在巨大的資訊落差。

在香港，這道落差感覺更深——恰恰因為香港是全球主要金融中心之一。

在這裡讀書，金融不是抽象概念。它觸目可見：在天際線裡、在頭條新聞裡、在人們談論市場、交易、職涯的語速裡。它在川流不息的專業人士密度裡：銀行家、投資人、分析師、交易員、會計師、律師、顧問、創業者、監管者。它在這個事實裡：你認識的人裡，總有人正在求職、實習、面試，或「只是去 IFC 喝杯咖啡」。

這種近距離帶來一種特殊的壓力。當一個行業既享有聲望、又近在咫尺，它就開始讓人覺得像一場你多年前就該開始準備的考試。學生開始把職涯決定當作一場孤注一擲的賭博：選對「正確的」賽道、加入「正確的」社團、蒐集「正確的」品牌名稱、說出「正確的」話，然後祈禱那扇門會打開。

而因為太多有抱負的人在追逐同一扇門，流程中可見的部分變得容易模仿：精心打磨的履歷、強力動詞、金融術語、咖啡聊天、LinkedIn 訊息、案例競賽、領導頭銜。學生們流利地掌握了求職的表面語言。

但流利並不等於可被僱用。

從經濟學角度看，這是一個典型的資訊不對稱問題。

雇主無法直接觀察你的真實能力——尤其是在你實際做過這份工作之前。因此他們透過信號來篩選：學校名稱、成績、實習經歷、頭銜、品牌背書，以及你在壓力下聽起來怎麼樣。而學生反過來，看不到工作日常究竟需要什麼——分析師晚上十一點半真正在做什麼、「溝通能力強」在投影片裡到底是什麼樣子、「風險管理」在倉位反向波動時意味著什麼。於是學生們忙著製造信號——品牌名稱、頭銜、術語、咖啡聊天——卻沒有建立能支撐這些信號的能力與證據。

當信號無法轉化為結果，許多有才華的學生會把結果誤讀為對自己的否定：我就是不夠好。

但實際發生的事往往更簡單、也更可修正：你在玩一場規則隱形的遊戲。

金融求職和早期職涯表現存在一套隱形課綱。它通常不在課堂上教，因為它「不夠學術」。社團也不總能教，因為社團本身往往依據模糊的標準運作，或者只是複製那些聽起來厲害的語言。專業人士也不一定能可靠地傳授，因為他們忘了不懂時是什麼感覺——或者他們不知道如何表達自己在做什麼，因為那是透過重複、壓力和被糾正學來的。

隱形課綱不是某種秘密握手暗號。它是一套實際、不華麗的期望：

• 工作必須是可交付的。 不是意圖，不是潛力，不是身分認同。是產出。

• 產出必須是可檢驗的。 別人必須能理解你做了什麼、驗證邏輯、並在此基礎上繼續。

• 主張必須有稽核軌跡。 如果你的履歷寫「主導」或「改善」，背後必須有一條證據鏈。

• 溝通必須是可用的。 無法被使用的正確性沒有幫助。沒有證據的自信不安全。

• 風險必須是可操作的。 「風險」不是一張投影片；它是當你判斷錯誤時該怎麼做的計劃。

一旦理解這些期望，求職就不再像玄學，而更像是「不確定性下的任務委派」。招聘不是配對遊戲，而是一個風險決策：「如果我今晚把一項任務交給這個人，明天我能拿回一份可以信任的東西嗎？」

本書的目標是讓這套隱形課綱變得可見。

不同的金融角色，其交付物本質上不同——而交付物需要可驗證的證據。投資銀行不是「金融知識」，而是在時間壓力下可靠地產出。股票研究不是「懂很多」，而是提出一個你能更新的論點，附帶收據與可證偽條件。資產管理不是「選股票」，而是可存活的決策——倉位規模、觸發條件、出場點、當責機制。PE/VC 不是「講故事」，而是一開始就把失敗情境放在前面的決策文件。產品與金融科技角色不是「科技的東西」，而是在限制條件下的結構化思維，有可衡量的成果，以及防止可預見失敗的護欄。

這就是為什麼本書採取商業寓言加實戰手冊的形式。

你可以像追劇一樣閱讀故事——跟著 Alex 和 Priya，看他們如何與市場的標準正面碰撞，慢慢停止把「表現」與「證明」混為一談。或者你可以像訓練營一樣逐一完成模板和檢查清單——建立一個工作證明資料夾、一份交付紀錄、一條證據鏈、一個故事庫，以及一套可以被轉寄的備忘錄。

我這樣寫，是因為真正的「金融課綱」不僅是智識層面的，更是行為層面的。人們失敗不是因為無法記住定義。他們失敗是因為，在壓力下，他們會退回到熟悉的應對策略：聽起來圓滑、躲在術語後面、誇大因果關係、過度解釋、拖延決定、崇拜精確度、迴避當責。這些模式不是固定的特質——它們是可訓練的失敗模式。

香港讓這些課題格外切身。

因為這座城市聚集了大量金融專業人士和躍躍欲試的求職者，這裡的學生很早就密集地經歷了業界的篩選機制。競爭是真實的，但更深層的問題是轉化：如何把努力轉化為信任。當你學會產出可檢驗的工作——有來源、有假設、有版本歷史、有明確決定的工作——你就不再乞求關注，而是開始贏得回覆。

本書是為那些以華爾街、中環或任何看重證據的地方為目標的大學生而寫。但它也是為：

• 「傳統管道」之外的學生——沒有家族指引或內部規則可循。

• 轉職者——需要把過往經驗轉譯為可稽核的交付成果。

• 高中畢業生（及其家長）——正在考慮是否主修經濟/金融。

如果你是一名中學畢業生，正在問：「我該主修經濟金融嗎？」最誠實的答案不是關於聲望或職稱，而是關於與這份工作的契合度。你是否足夠喜歡不確定性，以至於仍然願意做決定？你能否承受被稽核？你是否享受建構別人能用的解釋？你能否處理回饋迴路而不把它們解讀為人身攻擊？你對企業作為系統——營收、成本、誘因、風險——是否感到好奇，而非僅僅把它們當作故事？

一個主修不只是一門學科；它是一個訓練環境。本書希望幫助你看清這個訓練究竟在訓練什麼。

它不會承諾結果，因為那樣做是不誠實的。

但它會為你的努力指引方向：從追逐品牌名稱到交付成果，從堆疊技能到將其轉譯為價值，從尋找機會到建立一條隨時間複利增長的職涯護城河。

這裡有一個標準，將靜靜地貫穿每一章：晚上九點測試。

如果有人明晚九點交給你一項任務，後天你能交出什麼——是你願意讓一個陌生人看到的？不是計劃，不是意圖，而是交付物。

當你能回答這個問題——一次又一次，附帶證據——你就不再是一個渴望機會的學生，而成為一個市場可以信任、交付機會的人。

這就是本書的目標。