大发彩票,大发彩票官网,大发彩票注册,大发彩票app下载,彩票平台,在线购彩,彩票开奖

　　这话说出来不是为了炫耀。少年班那点虚名，在这个时代不值一提。值一提的是这帮人后来去了哪里。

　　九十年代末到两千年代初，少年班最聪明的那批人，没去硅谷，没去投行，一头扎进了一个当时还没什么人听说过的行当：量化对冲基金。

　　江平师兄，81级的，在SAC Capital做到portfolio manager，单人单年奖金过亿美金，创下打工人的历史天花板。

　　城堡基金里少年班的师兄师弟更是一把一把的。有个师兄有次开玩笑说，Ken Griffin可能是全美国雇佣少年班和北大数院毕业生最多的美国人。

　　为什么讲这些？因为笔者最近看到一个数字，恍惚间以为时光倒流：有个比我低五级的少年班的师弟，去Meta做大模型研究员，package两亿美金。

　　笔者最近两年看AI Agent的演进，越看越觉得：下一代伟大公司的人才体系，应该对标量化对冲基金。

　　华尔街若有封神榜，Jim Simons当居首席。他创立的文艺复兴科技旗下大奖章基金，从1988年到2018年，年均含管理费回报 66%。三十年如一日。

　　巴菲特长期年化约20%，索罗斯 30%。Simons甩开他们一倍以上，波动率还更低。

　　Gregory Zuckerman在2019年出版的《The Man Who Solved the Market》里，用整本书试图解释这个奇迹。笔者读完之后的结论是：Simons真正解答的不是市场，是对冲基金的组织架构。

　　早期团队阵容恐怖。Leonard Baum，隐马尔可夫模型里Baum-Welch算法的共同发明人。Elwyn Berlekamp，伯克利的组合博弈论大师，给NASA喷气推进实验室做过编码理论。James Ax，代数数论领域离Fields Medal一步之遥的天才。后来又从IBM挖来一批语音识别专家，因为语音识别的信号处理方法和从金融数据噪音中提取信号，在数学上是同一个问题。

　　Simons在2010年MIT演讲中讲得很直白：我们招做过科学和数学的人，不招做过金融的人。信号是微弱的，你需要能从噪音中找到信号的人。

　　做过金融的人有直觉，有经验，有判断。而这些东西在量化交易中是毒药。量化交易需要的是提出假设、测试假设、接受结果，不带感情。金融老手最大的问题是太相信自己的判断了。

　　这对AI Agent公司的启示是什么？在AI Agent时代，你的每一次用户交互都像一笔交易，每一个prompt变体都是一个策略，每一条转化漏斗都是一次做市。你需要的不是一个有十年SaaS经验的VP of Product。那个人会带着过去十年的直觉来做决策，而那些直觉在Agent时代大概率是错的。

　　Griffin从哈佛宿舍起步，1990年用460万美金在芝加哥创办Citadel。头十年基本上是一个天才交易员带着一群人干。到了2000年代，Griffin做了一个关键转型，把Citadel从一个明星基金经理做决策的模式，改造成了多经理人平台，Multi-Manager Platform。

　　几十个独立的Pod，每个Pod二到七人，各自运行自己的策略，各自有独立的资金配额和风控限额。Pod之间不需要协调，不需要开会对齐，甚至不需要知道彼此在做什么。

　　Griffin在2019年芝加哥经济俱乐部演讲中说得明白：我们的工作是搭建全世界最好的平台。做到这一点，最好的人才会来，最好的想法会赢。

　　Englander 1989年创办Millennium，到2020年代旗下运行300多个独立Pod。每个Pod都是一个准自治单元。基金总部提供基础设施：技术系统、风控引擎、资金、合规。Pod提供策略和执行。

　　关键机制叫中央风控账本，Central Risk Book：一个集中化的风控引擎实时监控每一个Pod。Pod A的夏普比率跌破阈值，系统自动削减其资金配额。Pod B表现优异，资金自动流入。

　　传统C端公司的组织：一个VP of Product，一条路线图，一个Figma文件，一个季度规划周期。VP押错了方向，公司烧掉三个月。三个月在互联网时代可能还能补救，在 AI 时代就是生死之别。

　　冗余不是浪费，冗余是进化的工作方式。自然界不会只下一个赌注，它同时跑一万个变异，然后让环境筛选。Citadel跑300个Pod是同一个道理。冗余的成本远低于押错方向的成本。

　　在 AI 时代，算力和流量就是 Pod 的资金，用户充值就是 Pod 的市场检验。算力便宜，流量也越来越程序化。真正贵的是什么？是做错了决定还不知道。

　　传统公司最大的成本不是工程师工资，是认知延迟。花三个月做了一个功能，上线后发现没人用，再花三个月复盘、调整、重新规划。Pod模式把这个周期从月压缩到小时。

　　他在 Bridgewater 内部搭建了一套叫 Dot Collector 的系统。每次开会，所有参会者在 iPad 上实时给彼此打分，维度包括逻辑推理能力、触碰敏感问题的意愿、可靠性等等。这些评分日积月累，形成每个员工的棒球卡，Baseball Card，一份数据化的能力画像。

　　Dalio在2017年TED演讲中的意思很清楚：想法的精英体制需要激进的真相和激进的透明。人们必须说出真实想法，并愿意接受挑战，这样最好的想法才能胜出。很多人觉得Bridgewater的文化像。笔者能共情，Dalio的系统确实反人性。大多数人不喜欢被同事实时打分，更不喜欢自己的棒球卡上赫然写着对 FX 的逻辑推理能力偏弱。

　　流量塔不在乎你的感受。数据不在乎你的职级。Pod B 比 Pod A的付费率高5个百分点，此即真相，无可辩驳。

　　在传统公司里，真相是稀缺资源。你需要精心设计的文化、勇敢的领导者、痛苦的诚实对话才能接近真相。在AI Agent公司里，真相是默认输出。你的Agent跑得好不好，dashboard上一清二楚。

　　Shaw的招人风格和Simons如出一辙。计算生物学家、天体物理学家、密码学家，什么都招，就是不招华尔街老手。

　　Bezos用了一个后来被反复讲述的思维框架做决定，叫遗憾最小化框架：到了80岁，我会不会后悔没有尝试？答案是会。于是辞职创办了Amazon。笔者觉得这个故事最值得品味的地方在于，Bezos的概率思维、第一性原理思维、对不确定性的拥抱，这些后来成为Amazon核心哲学的东西，是在D.E. Shaw的量化文化中锻造出来的。

　　Two Sigma的执念是自动化一切。如果一个人类做了两遍同样的事，就写个系统来做。不只是交易自动化，内部运营、研究基础设施、数据管道，甚至HR流程，统统自动化。

　　把Simons、Shaw、Two Sigma的招人哲学综合起来，笔者得出一个结论：AI Agent公司的理想Pod Leader，不是标准的大厂P6产品经理或P7工程师。

　　大厂人被训练来管理复杂性。写PRD、跑sprint planning、做stakeholder alignment。这是为旧时代优化的技能组合。旧时代他们价值连城，新时代里则恐为负资产。

　　Simons在2015年接受Numberphile采访时说过一句话：最好的人是能做事的人，不是能谈论做事的人。

　　但重要的不是人均AUM，而是人均回报。66%的年化回报意味着每年创造约66亿美金利润。300人，66亿。人均2200万美金。

　　AI Agent 版本答案的样子笔者的预测可能过于激进，但笔者愿意为此下注。

　　教训只有一条：系统必须比任何个人更重要。如果你的公司离了某个人就转不了，那你没有建成系统，你只是雇了个贵的打工人。

　　AI Agent公司的复利是这样运转的。你的Agent全年无休地跑实验。你睡觉的时候，17号Pod 在测试新的逻辑。你吃早饭的时候，流量塔已经根据凌晨的数据重新分配了流量。你到办公室的时候，dashboard上已经有了新的结论。

　　互联网公司的薪酬结构是低base + 大量期权，本质是一张十年期的彩票。这张彩票的兑付条件是公司上市，而上市的前提是你在这儿熬够年头。这不是激励，这是绑架。

　　对冲基金不搞这套。Citadel的PM年薪可能只有几十万美金，但年终bonus可以是base的十倍甚至百倍。当年发，现金发。你今年的P&L好，今年就兑现。明年不行，明年就没有。干净利落。

　　AI Agent公司天然具备同样的条件。每个Pod的营收贡献、留存贡献、付费转化贡献，dashboard上拉得出来。既然算得清，就该当期结算。

　　超高总包，重仓绩效，现金兑付。只有算不清楚每个人贡献了多少的公司，才需要搞一个十年期的期权池来把所有人绑在一条船上和稀泥。

　　第二，赛马、不赛PPT。传统公司的晋升逻辑是title驱动的。你是L5，你向 M2 汇报，你的年度目标写在OKR里，你的晋升取决于委员会的投票。

　　对冲基金的逻辑完全不同。你的book做得好，资金自动扩大。你从管 $500万变成管 $5000万，不需要谁批准，系统自动分配。做砸了，book缩回来，甚至Pod直接解散。没有title的死板阶梯，只有P&L的实时排名。

　　这条前文已经讲了很多，此处只补一句笔者的切身体会：聪明人学行业，三个月够了。行业老手变聪明，三十年也未必。Simons不招华尔街的人，不是偏见，是概率计算。

　　笔者的判断是，AI Agent时代的版本答案公司，可能就是几百个超高薪的人。不是互联网时代的十万人大厂。大奖章基金300人，年利润66亿美金。这个效率模型在AI时代不但可以复制，而且会更极端。

　　人少，则每个人分到的资源多，决策链路短，信噪比高。人多，则开会多，对齐多，政治多，认知延迟高。中厂：二流互联网公司之殇

　　有book的人就是Pod Leader，对一张P&L负责，直接面对用户和数据，跑策略、跑实验、跑结果。做基建的人搭流量塔、搭Agent运行时、搞定胶水代码和数据管道。两种人都重要，但只有前者能拿到最高额的短期现金激励。这和Citadel一模一样——基建工程师拿高薪，PM拿bonus。清清楚楚，各得其所。

　　你见过文艺复兴开发布会吗？见过Millennium上播客讲方法论吗？见过D.E. Shaw做TED演讲吗？

　　最赚钱的量化基金几乎都是行业里最沉默的。Simons从不公开讨论策略。Jane Street连官网都没什么内容。原因很简单：你的alpha一旦被人知道，就不是alpha了。

　　第七，以上六条不是理论。笔者自己的公司就是这么跑的！美区头部AI Agent项目，应用商店分类榜第一，营收近亿美金，全球第一名的VC投了我们。团队很小，人均产出极高，薪酬结构对标量化基金而不是互联网大厂。