前阵子整理旧文，翻到了自己一年前写的《对涌现的随感》。那时候我坐在桌前，认真地写着复杂系统的定义、要素数量、连接密度和临界阈值，列举着英伟达、大模型、谷歌以及乔布斯的书法课等等案例，洋洋洒洒写了篇文章，开头的一句话我到现在依然很喜欢：
「世界是复杂系统，事物的发展既有偶然性，也有必然性。构建系统 & 等待涌现——此即寻求偶然中的必然。」
说来惭愧，那时候我刚接触到涌现这个概念，回头看起来，只是理解了这个“概念”本身，还没有什么切身体会，就写下来这篇文章。不过那时候的状态其实很好，充满求知欲，每天都在超大量地阅读和思考，只是隐隐有一种那个阶段特有的紧迫感：每天几乎都要把自己的吞吐量（如果我的脑子也是个 CPU）拉满，看很多很多信息，跟踪前沿变化，生怕在 AI 时代落后，每天都在“tokenmaxxing”。
现在时隔一年多再看，发现自己确实变了很多。在对生意的理解上、在对世界的认识上、在对待生活的态度上，很多当时想不通的结都解开了，很多以前觉得天大的焦虑现在也觉得不过如此。可回想起来，具体是哪一天让我改变呢？变化过程是什么？我完全说不上来——每一天的我，似乎都和前一天没有区别；我想身边的人看我，大概也应如是。
但变化确确实实发生了，这种反差让我很想重新写写“涌现”。概念在一年前的旧文里已经讲得差不多了，这次就不写那么严丝合缝，多写写我这一年多的真实体验，毕竟除了抽象的概念之外，真切的细节对还原当时经历了什么也很重要：）
在这篇文章里，我想讨论两个朴素的问题：为什么人在当下对自己的变化毫无知觉，蓦然回首却发现翻天覆地？既然涌现如此漫长且不可预测，我们究竟该如何在一个没有回音的世界里生活？
一、涌现是一个参考系问题
先从一篇论文说起。2023 年有一篇流传很广的论文《Are Emergent Abilities of Large Language Models a Mirage?》（Schaeffer 等人，NeurIPS 2023）。它指出，大模型所谓的“突变能力”，很大程度上来自评估指标本身的不连续：比如评估一道需要输出 10 个 token 的题，必须 10 个全对才算得分。假设模型每个 token 的单字正确率从 0.5 涨到了 0.8，但在外部那把尺子看来，整道题全对的概率只从 涨到了 ——在图表上，它几乎一直是贴在地板上的死线。在外人眼里，这个模型在前面绝大多数时候看起来都像个一无所知的“傻子”，得分接近于零；等单字正确率从 0.8 涨到 0.95，整题得分才从 0.1 一路冲到 ，看起来像是突然直挺挺地跳了上去——所谓的“突变与涌现”产生了。
但如果换一把连续的尺子，不按“全对才给分”，而是按“做对了几个 token”来打分，模型的成长其实一直是一条平滑向上的斜线——所以“涌现”本质上是个参考系问题。
我赞同这个观点，我们从不同的角度去观察事物的发展变化，自然会得到不同的结论，但我并不认为“涌现”是一种幻觉，恰恰相反，真实世界处处充满“涌现”。我们以人举例子，有两把尺子无时无刻不在丈量着我们：一把是连续的，一把是不连续的。
时间是连续的，像一条流淌的河流，每一分、每一秒对我们都如此平滑，以至于身处其中的人，天然具有一种“观测盲视”——我们看不见自己的变化。我们身在趋势之中，总是拿前一刻的自己和此刻的自己比，每一格都小到几乎为零，自然感受不到什么变化。同样是连续的尺子，论文里的研究者站在曲线外面，看得见整条斜线；我们站在曲线里面，只看得见脚下这一小格——不识庐山真面目，只缘身在此山中。
我们通常只在离散的时刻才能感知到自己的变化：比如和一个许久不见的老朋友聊天，他突然说：“你和以前不一样了”，或者偶然间看到以前的笔记，一下子想起当时的自己，我们这时才会突然意识到：原来自己已经发生了这么大的变化。
而真实世界永远用不连续的尺子丈量着我们：考试要过线才录取，面试过了才有 offer，产品跨过临界点才有网络效应，股价重估往往就集中在少数一两个季度里。大部分时候一个事情的结果只有 0 或者 1，世界不会给予“差一点”任何回报。
于是，这就构成了人生一个极其磨人的张力：我们的生命是一个平凡的连续过程；而外部世界却只在某些不可预测的离散节点上给我们结算。拿自己的尺子量，每天的变化小到感觉不到；拿世界的尺子量，没过线就等于零。两把尺子都量不出我们走到了哪里，我们日复一日地往前走，却不知道自己此时位于何处，将会面临什么。
二、短期局部最优
既然看不见自己在哪，我们如何确认自己在往正确的方向行进呢？
人的大脑天生是一个“贪心算法”（Greedy Search）。它对短期的痛苦和快乐极其敏感：刷一条短视频，吃一顿高热量夜宵，做一次短线交易，多巴胺立刻分泌，当下的焦虑立刻得到安抚。大脑的这种对即时满足的追逐，往往会让人陷入“局部最优解”（Local Optimum），无法逃脱。想要逃逸这个平衡点，就需要克制自己，延迟满足，积累力量，熬过漫长的、没有反馈的日子。
克制自己，本质上是牺牲短期利益，争取长期利益。而在现实生活中，我们在面临短期和长期的权衡之时，往往看不清楚长期的代价和收益是什么，所以调高短期收益的权重似乎不可避免——很多人把这种做法美化为“活在当下”。“活在当下”本身当然没什么不好，但这个词能够容纳的概念太多了，如果我们不加审视，所谓的“活在当下”极容易沦为向大脑短期贪心机制妥协的借口。
每天都做最省力的事情，也许每一步看起来都很舒服，但往往会因为忽视长期积累，导致我们的人生总体上承受了更多的无奈和痛苦——我们陷入了局部最优中，缺乏选择权。
但麻烦的是，我们甚至不知道哪种克制是对的。到底什么时候的克制是有用的，什么时候的克制只是一种无意义的自我折磨？如果某个坚持对长期影响不大，那短期的受苦受累纯粹是在自我损耗；但如果那就是涌现的关键基石，我们放弃了就无法逃逸局部最优——这就是真实世界残酷的地方，它给我们的信号不仅极其稀疏，而且充满噪声。我们在黑暗中坚持很久，没有回音，根本分不清自己是处于黎明前的黑暗，还是在南辕北辙、执迷不悟。所以我们总是渴望找到一把“尺子”来衡量自己，我们需要“尺子”，因为在长期看不见自己位于何处之时，人很难扛住那种巨大的虚无与怀疑。
对于这个问题的解法，我之前在《保持耐心，尊重常识》里聊过一些，这里就不再展开了。
三、设计一个产生涌现的系统
克制是需要的，但长期克制非常困难，人的意志力有限。去年那篇里我写过，涌现无法事前预测，而且「涌现不是努力的结果，而是系统设计的结果」。
我举一个例子来说明这个特点：
今年四月到六月，我一直在思考品牌商和渠道商的问题。从华为、韶音聊到拼多多，和 Agent 一起读《平台幻觉》，写了好几版笔记。但无论怎么推演，我都卡在“分类”的泥潭里：这家算品牌商，那家算渠道商；可乐为什么是例外？奈飞到底算什么？泡泡玛特又算什么？拼多多为什么比一般的渠道商更强？旧的框架千疮百孔，我被困在死胡同里出不来。
中间有一天，我花了几个小时研究 AI 硬件供应链，拆英伟达和台积电的定价逻辑，画了包含从最上游的 ASML 到最下游的 Token 消费厂商的生态图谱。研究了一下午，头昏脑胀，最后在笔记里写了一句很沮丧的话：「我并不理解这些公司。我只是了解了它们在供应链上的位置。」从短期的功利角度看，那几个小时的产出彻底为零，如果用贪心算法来衡量，这是一次彻头彻尾的挫败。
直到 7 月 1 日，在又一次和我的 Agent Evan 的深入讨论中，一个全新的维度慢慢长了出来：
所有生意的预测复杂度，其实都可以拆解为「% 问题 × 总量问题」。
% 问题是押中的概率，方向对不对、产品行不行；总量问题是行业的天花板有多高、周期好不好。最好的生意，只有总量问题，没有 % 问题（后来写成了《什么样的生意可以被 DCF》）。
这个框架，是从台积电的讨论中得到的启发——台积电和大客户共创，把“做什么产品”的巨大风险彻底交给了客户，自己只承担半导体周期这一个变量。那一刻，两个月前那个看似毫无用处的台积电碎片，突然像一颗晶种，扔进了早已过饱和的溶液里。之后几个月，这个框架一路往外推：可乐的 % 问题约等于 0，Hermès 约 0.5~1，拼多多约 1.5，奈飞约 3，泡泡玛特约 4，大疆 4~5……7 月 1 日那篇笔记开头列着的那几个解不开的问题，后来一个个都有了答案。
这件事前后历时五个多月，涉及四十多份笔记，我自己早就忘了大半，要不是知识库和 Agent 帮我检索、整理，光靠翻文档是拼不回来的。如果没有两个月在死胡同里的反复推演，没有那个看似无产出、甚至沮丧的下午，这个结晶大概永远不会发生。所谓的涌现，从来不是无中生有：大量的思考让认知系统达到了化学上的过饱和，然后某个看似偶然的输入充当了晶种。
那个看似没用的下午能留到两个月后，靠的是知识库替我记着，又在和 Evan 的讨论里被重新翻出来——一个记录了大量上下文的知识库 + 一个能够大量阅读上下文的 Agent，这就是一个容易产生涌现的系统，AI 帮我们补全了人的 memory。
四、现在，我在河里
当然，设计和维护一个容易产生涌现的系统需要时间和精力投入，回想这一年的变化，我做了很多减法：取关了一大批信息来源（公众号、推特、各类社群），推掉了许多饭局和会议，退出了好几个项目，开始把精力收缩到极少数几件事上。做完减法后时间多了不少，终于有时间慢慢整理和思考。
看起来这个动作与我一年前那篇文章的结论完全相反——涌现需要「要素足够多」「连接足够密」，要有冗余认知，要跨界，要构建开放系统，讲的全是加法。但我想“减法”和“加法”的权衡，和“涌现”所需的环境本身并不矛盾——涌现所需的要素和连接当然是足够多、足够密，加法保证了要素足够多，减法保证了连接足够密：同样多的精力，分摊在十件事上，哪件都做不好；收到少数几件事上，连接才能真的密得起来。
那什么时候做加法，什么时候做减法呢？我现在的理解是，它们是认知系统不同阶段的选择。
我们在早期无法判断哪些方向是值得投入的，所以需要充分探索（广泛阅读、跨界碰撞），拉满吞吐量，甚至亲手雕一些花、走一些弯路（不自己雕过花，很难真正理解什么是“雕花”，《不要雕花》就是这么来的），探索的意义是摸清楚哪些领域是真正值得我们深入研究的。
人的精力是有限的，核心问题一旦浮现，我们就该立刻收敛。我减掉了追逐每一个 AI 热点、减掉了刷不完的碎片动态、也减掉了精致却没什么增益的雕花项目——它们看起来织密了连接，其实稀释了系统的浓度。
回顾这一整年，我最大的转变是，我开始变得越来越简单。
一年前，我很焦虑——我想要疯狂吞吐信息，想要证明自己跟上了时代，迫不及待地想要迎来属于自己的那场“涌现”。但现在我越来越意识到，生活里绝大多数的焦虑都是被人为制造出来的，我们不需要那么着急地去追赶每一个热点，有太多在当时风光无比的事物转瞬即逝。我们需要有“平常心”，回到真实的创造、切身的体验上来，人是有瓶颈的，无法跟随 AI 一起 scaling。
一年前，我写涌现，是站在岸上看别人：看大模型，看英伟达，看到的都是它们跳上去的那一刻。现在呢，我正在等待人生下一个跨越阈值的阶段，我正站在河水中，在里面等待涌现。我的每一天依然极其平凡，但我相信终有一天，我也会迎来属于我的涌现。
涌现哪天到来，的确是偶然的，但它有其必然性，我们现在做的这些减法、专注与积累，不就是让这种偶然变成某种必然吗？
这篇随笔写在我人生的半路上，得之我幸，失之我命，无论怎么样，我们总归在这条曲线上留下了一个真实的刻度。