王煜全  产业理解｜科技产业的三重境界（7/7）

今天是6月14日，是《前哨》栏目的第365期，到今天第一季就功德圆满了。我之前跟大家介绍过，我们还是会把本周的内容做完，希望第二季再跟大家一起努力学习。

正好，今天的产业理解也是“企业前瞻性经营系列”的最后一讲。

一、布局科技领域需要个人和企业的思考

前瞻性经营，即从变化的角度看问题，能够预先知道变化的方向，尤其是未来科技的方向，事先在科技领域布局，这样才能取得大的成就。

在科技领域布局，个人要有相关的思考，企业经营也要有相关的思考。个人成长和企业经营的成长也需要适时变化，在不断进步的过程中会经历不同境界。

二、科技产业的三重境界

第一，个人能力的提升。

首先，找准现在冷门、未来会热的领域，准确判断时点；

其次，把根扎深，正如南大韩儒林教授的对联“板凳需坐十年冷，文章不写半句空”，任何学问、任何产业都需要花时间了解，才能产生真正的认知；

最后，在实战中积累经验，经过思考和挫折，理解背后更深层次的含义，从而将实践升华到理论层面，进一步指导行动。

我发现真正好的企业家都具有共同特质——他们未必会套用时髦术语、阐述很深的大道理，但对产业的理解深入骨髓。

第二，工作重点的提升。

今天的企业不再是单兵作战的时代，而是强调团队实力。个人能力始终有限，当具备了足够强的个人能力时，就不能继续反复加深，而是要利用个人能力开始组织木桶，更强调团队实力。

团队组建需要互相信任（信任人和能力），互相配合，形成强大的合力。

第三，生态（包括资源调动实力）。

团队影响力有限，只有形成完整的生态协作，才能完成更大成就。想做好生态，不仅要考虑自己团队的内部管理，更多是外向 。个人阶段拼能力；团队阶段拼管理（对内）；生态阶段需要开疆拓土（向外），拼的是领导力和境界。

以战争为例，射击永远最准的人可能成为资深狙击手，但不可能成为将军，因为将军需要不断提升个人能力，从单兵作战、组织小团队、组织大团队到组织集团军等。

三、企业也要提升经营重点

第一阶段，做业务。

自己用科技，找到科技前沿和市场应用突破口，设计出产品、应用或服务，形成巨大市场。

第二阶段，做资本。

企业经营业务趋稳时，一定要考虑资本问题，综合考虑收入利润和成长率，赋予自己更大能量。

一方面，企业经营到一定阶段，必须考虑Market Cap（市值）。企业整体有估值，每个人才能知道自己的价值增长和收益，大家才更能够抱团奋斗；资本层认同价值，才能进行资本运作，进行并购、投资。另一方面，要在资本层布局，科技替代迅速，在无法判断下一个颠覆型科技出自哪个领域时，唯一的做法就是不断布局，使自己公司的资本价值能够凸显。

我做投资的起源——利用最早广告公司的资本回报开始做天使投资。我充分理解到，企业的收入利润回报和资本回报不在一个量级，企业想发展，一定要充分利用资本回报。

第三阶段，做产业。

创新生态，建立开放的科技产业平台。

例如国外的大IT公司普遍把自己的云计算、人工智能平台开放化。

企业经营的重点需要从做业务到做资本，最后做产业。

四、科技是未来趋势

我们明确知道科技才是未来趋势，因此不能把精力分散到那些没有未来的领域，要专注投资科技，并不断提升自己的能力，提升公司业务，调整经营重点和经营方法，达到更高的高度。

真正让科技优势得以凸显并造福社会的不是科学家，而是企业家。

王煜全，前沿侦察第365天。

聚焦丨年轻人的“长不大”危机

美国内布拉斯加州参议员本·萨瑟（Ben Sasse），在2017年5月出版了一本书《正在消失的美国成年人：成年危机及如何重建自立文化》（The Vanishing American Adult: Our Coming-of-Age Crisis--and How to Rebuild a Culture of Self-Reliance）。这本书主要讨论的是美国出现的年轻人长不大现象。但其实，在中国我们也有同样的感觉。因此，他说的可能会对你也有启发。

本·萨瑟说，现在美国出现了一种现象，年轻人有一种长不大的趋势，20岁左右的年轻人跟10岁孩子之间的行为模式差不多。一个表现就是，在像Twiitter和Instagram这样的社交网站上，出现了一个新的话题标签：“做成年人”（adulting）。比如，刚刚“按时付了这个月的账单#做成年人”。这个词被用来描述所有成年人该做的事，像做家务、付信用卡账单等这些琐事。本·萨瑟说：“对越来越多的美国人来说，表现得像个大人似乎是在进行某种角色扮演，好像做大人份内的事很可笑，需要进行模式转换。”

另一个表现是，年轻人开始更多跟父母住在一起，而不是成年后搬出去自己住。美国皮尤研究中心（Pew Research Center）的数据说，在2016年，18-34岁的成年人中，住父母家的比例要略高于自己住或者跟伴侣一起住的比例，这是美国130多年来第一次出现这种情况。25-29岁的美国人中，跟父母生活在一起的人有25%，10多年前还只有18%。

因此，本·萨瑟说，美国正面临一场年轻人长不大的集体危机。原因有经济方面的，也有社会文化科技方面的。年轻人已经被经济繁荣、物质丰富、提心吊胆的父母以及科技给宠坏了——是不是听起来很熟悉？

本·萨瑟自己是三个孩子的父亲，最小的6岁，最大的15岁。他从自己教育孩子的亲身经历来讨论，如何把孩子培养成能够自立的“成年人”。主要是五个方面。

第一个方面是，帮助孩子树立正确的消费观。“需要”和“想要”是两个不同的词。比如，当他6岁的儿子指着玩具说“我需要那个”时，他和妻子会告诉儿子，他并不“需要”那个玩具。因为他的生存与否跟能否得到那个玩具没有关系。他只是想要。学做成年人，首先就要把代表实际需求的“需要”和代表欲望的“想要”区分开。因为，成熟和自立的必要条件之一，就是能够接受在物质不富足的情况下保持快乐。毕竟，除了王思聪，谁年轻时没穷过呢？

第二个方面是，培养对工作的热情。本·萨瑟发现，自己遇到的几乎所有有趣的人，“都有很强的职业道德，都专注地做着哪怕十分低微的工作”。这种对工作的热情，是他们年轻时候就养成的。受此启发，本·萨瑟去年就把自己当时14岁的女儿送到养牛场去帮忙一个月。养牛场的工作很辛苦，但女儿乐在其中。虽然在养牛场喂牛这种实习工作，并不会在大学面试时加分，但是，本·萨瑟说，它很重要，因为“我们的孩子不仅需要对有幸从体力劳动中解放出来心怀感激，而且应该特别重视自己是否有解决人生难题的能力。”

第三方面是，让年轻人多跟隔代的老年人交流。隔代交流已经变得非常少。《波士顿环球报》（Boston Globe）在2014年曾有一篇文章说，根据一项研究，60岁以上的美国人中，只有25%在过去六个月与36岁以下的年轻人谈论过重要事情。如果不算亲属，比例只有6%。在中国同样如此。而让老人跟年轻人交流，其实好处很多。比如，年轻人可以学习到老人的经验，以及会更早懂得耐心和以长远眼光看待事物的重要性。

第四方面是进行有意义的旅行。旅行可以让青少年离开平时熟悉的环境，走出舒适区，了解从前不了解的东西。旅行过程中，还可以让他们体会到克服困难的乐趣。去哪旅行并不重要，更重要的是怎么旅行。因此，不要参加日程被规划好的团体游，最好是自己在旅行中去发现、体会和寻找。

第五方面是培养阅读习惯。本·萨瑟和妻子会帮助自己的孩子挑选一些经典的作品，“经典著作不仅有助于他们了解自己在天地间的位置，而且能让他们认识到自己所继承的这些传统的价值。”

以上就是这条音频的主要内容。如果你是父母，可以尝试按照里面的建议去培养孩子的自立精神。如果你是一个想要“长大”的年轻人，也可以按照这种方法自我塑造。

吴军 第245封信丨AlphaGo的关键方法——强化学习

我们昨天聊了AlphaGo具有超强棋力的硬件条件，今天和你聊聊它在软件上是如何学习下棋的。或者说更广泛地讲，计算机是如何有效地进行学习的。我们先从目前比较热门的一个概念——机器学习（Machine Learning）说起。

机器学习，实际上是寻找一种数学模型，让这种模型符合它所要描述的对象。比如说我们要寻找一种描述天体运动的模型，让它符合太阳系行星的运动情况，今天这个模型就是开普勒－牛顿的椭圆形模型：太阳系中所有的行星和彗星围绕着太阳系的重心（和太阳的位置很接近但是有所差别），做椭圆运动。当然，这个模型内不同物体的运动速度和周期不同，这些数据被称为模型的参数。

有了这样一个模型，就可以知道今后太阳系中行星和彗星的运行规律了，哈雷就用它成功地预测了哈雷彗星未来回到人们视野的时间。在这个模型中，要得到模型的参数（比如每一个星体运动的长轴半径，运动一圈的周期），就要根据观察到的历史数据计算。

开普勒一辈子做的事情大抵如此，他前半辈子跟着老师第谷获得数据，后半辈子做人肉的机器学习——找到模型的参数，让他所预测的行星运动符合所观察到的真实情况。

我们在机器学习中有时用“契合”来形容模型描述的情况和真实情况的接近程度，契合度越高，误差越小，当然也就越好。在数学上有一个“切比雪夫大数定律”，保证了只要数据量足够大，这种契合度就能接近100%。当然，因为开普勒是做“人肉”学习，速度很慢，花了整整半辈子，而今天的计算机做这件事情连万分之一秒都不需要。

机器学习的过程其实和开普勒的工作类似，有了一堆的数据，计算出一个合适的模型。

机器学习根据使用的数据不同区分成了不同的类型。如果使用到的数据是杂乱无章的，机器想从这些数据中学习并得到规律，就被称为无监督的学习，也就是说没有人的监督。

举个例子，假如我们只是把晚上天空的星图拍下来，不标注上每一颗星星的名称，要让计算机自动找出每一颗星星运动的轨迹，这就是无监督的学习。

反过来，如果由人来标识出每一颗星星的名称，再让计算机学习，那就是有监督的学习，也就是说机器学习是在人的监督下进行的。

这两种机器学习的方式各有千秋，无监督的学习很容易获得大量的数据，但是由于没有做人工标识，因此计算机相当于自己在找方向，这样机器学习出来的模型就可能不准确，比如把土星的运动轨迹和木星的相混淆。

有监督的学习则相反，一方面输入的数据比较精确，相当于利用了人类的智力，有了一个大致的方向。但是因为人工标识数据不仅成本高，而且很难得到足够量的数据。这种机器学习方法提高到一定程度，就再也提高不了了。

好了，有了这些背景知识的铺垫，现在可以讲回到AlphaGo的学习方法了。它一开始使用的是有监督的学习，也就是学习那几十万盘人类高手对弈的棋谱。那些对弈输赢的结果是知道的，因此相当于人为地标注上了哪些棋是好棋，哪些棋是差棋。

无论是李世石还是柯洁，一辈子研究的顶级对弈恐怕不过几千盘，也就是AlphaGo的1%，下不过AlphaGo情有可原。但是，人类积累了几千年，一共可查得到的高手对弈也就那么一点点，AlphaGo要是沿着这种思路去学习，改进、进步的速度就太慢了。

另外，和九段棋手学棋，哪怕学得再多，恐怕到10段也就到头了，这样AlphaGo的棋艺就不能比人类高出一大截。

当然，AlphaGo也不能用没有监督的学习，因为围棋的变化太多，虽然计算机速度快，但在围棋领域，试错是试不过来的。

因此，AlphaGo就采用了一个新的学习方法，就是所谓的“强化学习”( Reinforcement Learning)。它的方法其实也很简单，就是计算机在没有人为给定方向的条件下，自己试着走一个方向，然后人告诉它好不好，也就是说有一个反馈信息。

接下来，我就用无人驾驶汽车的学习方法为例来说明这三种机器学习之间的区别。

2006年Google开始做无人驾驶之前，先开展了街景地图项目，不仅获取了全部的道路和街景数据，而且获得了所有时段主要道路的交通状况数据，然后Google对这些数据作了处理，并且和GPS的数据对照做了标识，个别数据还是手工处理的。

因此，无人驾驶汽车的很多模型是利用这些标识好的数据事先进行了有监督的学习。当然，Google无人驾驶汽车上路后，还在不断地进行数据采集，以便让模型越来越准确。由于Google 无人驾驶汽车上路之前的起点和终点是设置好的，目标是明确的，因此它进行的还是有监督的学习。

等到特斯拉搞无人驾驶汽车时，情况就不同了，它事先没有街景、地图等标识好的数据，那么它是怎么做的呢？它就根据人的反馈不断进行学习。比如说它的辅助驾驶功能，一开始基本上只能靠着车道识别的功能，沿着划定得非常清晰的车道行驶。但是到了车道不是很清楚的地方，或者分叉路时，特斯拉就傻眼了，它有一半的可能性要开错车道。

不过这时人会给它一个反馈信息：如果开得对，人就不干预，如果开错了，人会马上手动控制。这样虽然没有标识告诉它怎么开是对的，但是这种反馈接受多了，它将会朝着更好的方向进化。这就是强化学习。

因此，可以认为强化学习虽然没有事先人为标定的数据作参考，但是对于它学习的行为会有反馈意见作指导，如果走错了路，可以纠正过来。

现在我们再次回到AlphaGo的问题上来，如果它只使用人为标注的数据，即人下棋的棋谱，不仅数据有限，而且就算训练出来的模型和人的数据的契合度达到100%，也就是比人的水平高那么一点，发挥更稳定一点，仅此而已，因为人没有下过的棋它学不到。

当然，让它没有目的地试错也不现实。因此Google采用了强化学习的办法，在它作尝试的时候，给它一点反馈，告诉它这个方向对还是不对，这样它不至于胡思乱想。当然，这个反馈怎么得来，则是一门艺术，因为对于人类没有下过的棋，如何判断好坏呢？

对此，Google的AlphaGo团队做了一个所谓的“代理”（Agent），它是一个程序，能够判断棋盘上大致的胜率，每走出若干步之后，如果这个代理认为对于胜率有所提升，那么就说明这个方向是对的，在机器学习上就予以鼓励，否则就予以处罚。最近AlphaGo的团队一直在强调它的算法有改进了，其实就是指这个代理给出反馈的方向更准确了。当然，里面的细节Google从来不公开。

时间长了，AlphaGo的模型就被训练得往胜率增加的方向改进。根据我和Google内部同事了解的一些细节，AlphaGo的训练程序其实很难判断单一一步的胜率变化，但是能够判断若干步累计下来的整体变化，然后它再反过来给每一步走法一个反馈。通过这种方式，AlphaGo就在尝试很多人之前没有尝试过的做法，才实现了超越人类。

AlphaGo的强化学习，其实从原理上讲和我们日常很多做事的方法是一致的。比如教育小孩时，他如果最近表现比较好，就给他一些鼓励，久而久之小孩就被训练得往好的方向发展。

在单位里，上级夸奖下级其实很重要，当下级有些进步时，对他的表扬其实就是对他的一种强化学习训练。类似地，如果他做得不合适，也需要指出，以便改进后往更好的方向发展。对于上级也是如此，如果上级给了下级什么机会，下级表示出感激之情，上级也被强化训练了，因此今后会更照顾这个下级。

我有时在想，人之间的道理和物之间的道理很多时候是相通的。中国人喜欢讲天道，可能这些规律就是一种天道吧！

万维钢  日课209丨谈资比名牌包贵的社会

咱们假想一个场景。在一个聚会上，你跟两位年轻女士聊天。其中一位女士拿的包看上去挺一般，但是谈吐不俗，居然引用了上周《经济学人》杂志对英国大选的分析。第二位女士的包一看就是名牌，但她更关心电视剧《欢乐颂》里的某个人物的命运。

那你能不能判断，这两位女士谁的社会地位更高呢？

在中国可能不太好判断。第一位女士显然更有文化，也许是某个大学的青年教师。可是第二位女士的经济状况可能更好，也许是银行的什么经理。作为读书人，我们更同情第一位女士，但二人地位高低，很难说。

但是，如果是在今天的美国，答案就非常简单了 —— 肯定是第一位女士社会地位高。不仅仅是学识，我们甚至可以断定，她的经济状况也大大超过第二位女士。

这可不是因为美国是个公平社会，有知识的人地位一定高 —— 因果关系正好相反：今天的美国是个非常不平等的社会，知识很贵，是只有社会地位高的人，才有知识。

今天我们说的这篇文章是Aeon网站上六月7日的一篇文章，题目是《炫耀性消费已经结束了，现在都是无形消费》（ Conspicuous consumption is over. It’s all about intangibles now  ）。作者是南加州大学的公共政策教授伊丽莎白·科瑞德-霍凯特（Elizabeth Currid-Halkett），我们就叫她科瑞德吧。

科瑞德刚刚出了一本新书《小事物之和：一个关于有抱负阶级的理论》（ The Sum of Small Things: A Theory of the Aspirational Class ）。科瑞德使用了几个名词，我们先来解释一下。

所谓“有抱负阶级（aspirational class）”，在美国相当于中产阶级的上层或者更高。科瑞德的理论是，现在这个阶层已经取代了过去的“有闲阶级”，是新兴的精英阶层。

所谓“炫耀性消费”，我们以前在《奢侈品的逻辑》那期专栏中讲过，这是一百年前韦伯伦的理论，比如你要戴一块特别贵的名表，显然不是为了看时间，而是为了向人炫耀，彰显经济地位。

科瑞德这篇文章有个名词叫“非炫耀性消费”，就是你有能力炫耀，但是你不炫耀 —— 这是一个新的消费观。如果有钱人消费不是为了炫耀，那又是为了什么呢？这就是关键所在。

从进入21世纪以来，炫耀性消费在美国已经结束了 —— 因为现在几乎没什么东西值得炫耀。随着生产力提高，各种以前的“高端”消费品都在向普通人普及。坐飞机、开 SUV、游轮度假，这些东西年收入七万美元的中等收入者也能负担得起。再好的电视机、再贵的名牌包，也不过就几千美元。从绝对生活享受来说，富人和中等收入者差别不大。

背个好包，别人不知道你是真有钱的富人，还是一个喜欢包的中等收入者。

那如果你的年收入超过30万美元，应该怎么花钱，才能彰显社会地位呢？有抱负阶级的回答，是“无形”的消费 —— 把钱花在服务、教育、提升人力资本上，存更多的退休金，买最好的医疗保险。

这些东西比有形的更贵。好大学每年的学费加生活费超过六万美元，相当于一年一辆奔驰车。如果孩子从小上私立学校，整个下来是一笔巨款。美国收入排名前1%、年收入超过30万美元的家庭，平均在教育上的投入占总收入6%；而中等收入家庭的教育花费比例只有1% —— 公立中小学免费，大学可能根本就不考虑了。

这就等于说教育花费是排他性的 —— 你能在教育上花钱，就说明你肯定是富人。以前的美国可不是这样的！从2003年到2013年，十年之间女士服装的价格只上升了6%，而大学学费上升了80%。那么现在上得起大学和上不起大学的就是两类人，优质教育成了富人特权。

所以现在来说，知识的确很值钱 —— 但这个“值钱”可不是用知识创造财富，而是用财富购买知识。

知识越来越贵，所以《经济学人》上的谈资就的确比名牌包值钱。《经济学人》杂志订一年才100美元，但是为了看懂这个杂志你至少得上过大学。

这就是无形消费。表面上看，做这件具体的事儿花不了多少钱；但是想要成为一个知道这么做的人，非常花钱。

有抱负阶级和中等收入者的生活习俗非常不同。前者在有机水果和新生儿要保证至少一年的母乳喂养上达成了共识，而全美国的母乳喂养率只有27%，很多家庭的孩子根本不吃水果。有机水果并不贵，母乳喂养花的不是钱而是耐心和时间 —— 这不是物质水平的差异，这是阶层观念差异。

这种观念差异，连同《经济学人》杂志的谈资，被科瑞德称为“文化资本”。现在文化资本这么贵，它已经是高端社交网络的通行证。

科瑞德说，比如你在一个本地的集会上，跟人聊天能聊到《纽约客》杂志的一篇文章，你就发出了一个信号。同类的人识别到这个信号，你就可能加入一个新的关系网 —— 这种关系网通往高端的工作机会、掌握关键资源的联系人、和私立学校。而对比之下，拿个什么包就没有这样的作用。

那么在这个时代，物质消费和无形消费的区别就非常明显了。物质消费的目的就是它本身：你买辆好车，就是为了享受好车，别的意义几乎没有。可是无形消费却可以是通往更好的生活、给下一代创造上升空间的手段。

那好，现在在美国，知识终于得到尊重了 —— 可这是好事儿吗？科瑞德用的词是“pernicious” —— 险恶。中等收入者开着不错的车，拿着不错的包，但是他们已经没有上升管道。

丨我的评论

说过这篇文章，我都不好意思再在专栏里说《经济学人》和《纽约客》杂志上的内容了。别人可能以为咱们了解这些东西都是为了炫耀…

美国阶级固化的问题咱们已经说过多次，而科瑞德这次是从消费习惯的角度审视了这个问题。跟泰勒·科文的《自满阶级》不同的是，科瑞德强调美国社会有这么一个“有抱负阶级” —— 他们显然仍不自满，还想进一步上升，而且影响力很大。

这个阶层是社会财富的主要创造者。正如《自满阶级》一书说过的，硅谷白手起家的创业者们，并不是真的“白手”起家，他们都出身于上层中产家庭。我们以前有一起专栏说《新巨富的新文化》，说的也是这个阶层出来的人。

对应到中国，这大约就是我们常说的“新兴中产阶级”，或者也可以说就是乐于为知识付费的各位。但中美的重大区别是在中国的教育没有那么贵。

考大学需要花费很多很多精力和时间，这也是一种“贵”。大学如果市场化，直接收很高的学费，也能把一些人排除在外，那也是一种“贵”。而一个合格的经济学家，必须能区分这两种“贵”的不同 —— 前者更公平，后者是特权。

“知识”目前在中国还不怎么值钱，但我觉得这是个值得好好珍惜的局面：一个没有多少钱的人也能看得懂《经济学人》。等到中国变成美国那样，一本杂志就把人分成两类，而且这两类人的物质生活水平还很可能比美国人的差距大得多，那就非常不好了。

（最后说明补充说明：作为一个科学作者，我可以非常负责任地告诉你，有机食品对健康并没有科学能证明的好处。但有机食品在美国的确是个阶层符号。）

丨由此得到

过去十几年来，美国富人的消费习惯发生根本转变，从“炫耀性消费”转为“无形消费”，从购买高档商品转为购买文化资本。而对一个想要提升自己社会地位的中等收入者来说，文化资本越来越贵，绝对不是好消息。

熊逸 12.3 | 公地悲剧

1833年，威廉·福斯特·洛伊德发表《关于控制人口的两课讲义》，其中对公地悲剧的逻辑推衍影响深远。1968年，美国生态学家加内特·哈定发表《公地悲剧》，深化了洛伊德的想法。

公地悲剧的规则意味着，百姓的幸福生活只能寄希望于剥削者或掠夺者的高度组织化。出路何在，需要另辟蹊径。

接下来是今天的正文。

（1）洛伊德《关于控制人口的两课讲义》

昨天留下的问题是：如果政府和敌人都足够聪明的话，首先都会知道不该杀掉下金蛋的鹅，但是，谁也没法保证政府和敌人都足够聪明，何况还有一条更要命的规律在起作用，使他们即便足够聪明，也会偏好竭泽而渔的方式，哪怕最后同归于尽。这条规律鼎鼎有名，究竟是哪一条呢？

很简单，它就是“公地悲剧”（Tragedy of the commons）。

1833年，英国一位业余数学家威廉·福斯特·洛伊德发表了一本小书：《关于控制人口的两课讲义》。在这本小书里，洛伊德凭着观察和想象作了这样一番逻辑推衍：有一片牧场，每个人都可以在里面放牧。作为一名牛仔，你想养多少牛就养多少牛。数百年来，这里似乎相安无事，因为战争、偷猎和疾病总会把人口和牛的数量保持在土地的承载能力以下。终于有一天，人们长久渴望的和平幸福地降临了，但是，这竟然导致了意想不到的悲剧。每个人都想多养一头牛，然后再多养一头，牛的数量很快便超过了土地的承载能力。每个人都自发地追求个人利益最大化，而每多养一头牛，收益全归自己，过度放牧的代价却由所有人分担。这当然是划算的买卖。但是最后，土地抛荒，所有的牛都饿死了。

洛伊德的这本小书和这个故事在当时并没有引起多大的重视，直到1968年，美国生态学家加内特·哈定在《科学》杂志发表了一篇影响深远的论文，题目直接就叫《公地悲剧》（The Tragedy of the Commons）。哈定借用哲学家怀特海对“悲剧”的定义：“悲剧的要素不是悲伤，而是不可避免。任何逃避都是徒劳的。”

哈定发展了洛伊德的故事，他的分析是：“理性的牧人只有一个选择：多养一头牛，再多养一头……但这也是分享这片公共牧场的每一个牧人都会做出的选择。悲剧因此而起。在一个信奉公地自由的社会里，每个人都追求本人的最大利益，而整体会走向毁灭的终点。公地自由带来整体毁灭。”

（2）杀人放火金腰带，修桥补路无尸骸

我遇到过一些天性淳良的人，他们不相信这样的事情会真的发生。是啊，难道牧人们看不到过度放牧的风险吗？即便他们真的短视，有人把这个道理讲给他们总可以吧。当他们知道了风险，自然就会收敛，难道真有人会蠢到自掘坟墓？

好吧，让我们想象一下：你已经很清楚公地悲剧的来龙去脉，你的牛仔同伴们也都明白。这甚至不需要讲什么道理，只要眼睁睁看着牧场一天天变得荒芜，对它的下场自然心知肚明。你决定不再多养牛了，甚至还杀掉了几头。你的朋友也纷纷效仿，你们的牛被控制在一个合理的数量。你们互相鼓舞着：“人定胜天，我们要走可持续发展之路！”但是，总会有些不自觉的牛仔，见你们养得少了，牧场的状况逐步改善了，他们就乐得再多养几头。现在，牛的总量依然不构成对牧场的威胁，但从个人收益来看，自觉的人赚得少了，不自觉的人赚得多了。简言之，好人吃亏，坏人受益。

于是，那些意志不够坚定的好人越想就越想不通，仰头问苍天：“凭什么？”痛定思痛之下，他们终于背弃了操守，开始多养牛了。牛越来越多，牧场越来越荒。每个人都知道这是在自掘坟墓，但同样知道的是，即便你不掘，别人也会掘，所以掘也是死，不掘也是死。那么多掘一点，至少还能死得好看一点。

而你，作为一个捍卫中庸之道的儒家牛仔，始终不计得失成败，牢牢限制住自己的牛群规模。可想而知的是，用不了多久，你就变成养牛最少的牛仔，而养牛又是你全部的收入来源。作为整个牧场收入最低的牛仔，你的抗风险能力当然最弱。还没等牧场彻底撂荒，你就在残酷的生存竞争中第一个被淘汰了。而那些最肆无忌惮的人，自家的牛群规模却排名第一，抗风险能力最强。所以，虽然大家一起走向灭亡，而他不但是最后一个咽气的，还是在咽气之前把日子过得最富足的。

现在，我们终于要回到一开始的那个问题了。政府不是一个人，敌人也不是一个人。政府盘剥百姓也好，敌人掠夺百姓也好，只要他们不是被高度组织化的，那么他们就是牛仔，百姓就是牧场，公地悲剧注定发生。这又会让我们想起张养浩的名句：“兴，百姓苦；亡，百姓苦。”

今日思考

貌似百姓们的幸福生活只能寄希望于剥削者或掠夺者的高度组织化——这可不妙，我们的逻辑理论赫然通往《利维坦》。下周来讲《利维坦》，现在先让我们回到公地悲剧。有一处细节尤其值得我们注意：洛伊德对公地悲剧的那一番推衍并不是对客观现实的描述。那么，请你思考一个问题：现实当中的公共牧场当真发生了那样的悲剧吗？

今日得到

告一段落吧，现在让我们来回顾一下今天内容里的知识要点：

1833年，威廉·福斯特·洛伊德发表《关于控制人口的两课讲义》，其中对公地悲剧的逻辑推衍影响深远。1968年，美国生态学家加内特·哈定发表《公地悲剧》，深化了洛伊德的想法。

公地悲剧的规则意味着，百姓的幸福生活只能寄希望于剥削者或掠夺者的高度组织化。出路何在，需要另辟蹊径。