千机 API 王川文章归档
硅谷王川的博客文章摘要与原文索引，涵盖 AI、科技商业、投资与思维方法。观点保留写作时的背景。
- 思维与学习2017-04-11
王川: 从抄袭的进化优势, 看强者益强 (一)
王川讨论模仿如何形成强者益强的正反馈：人在陌生环境中常借他人选择降低判断成本，而竞赛与歌曲下载实验显示，观察社会信息在相对稳定环境中可能比自主探索更有效，也会让市场份额向少数领先者集中。王川据此指出，某些行业赢家未必凭产品特性更优，偶然领先也可能经模仿不断扩大；波利亚罐子模型说明，早期优势可能在难以预判胜者的情况下变得难以逆转。文章以Zara观察消费者、先小批量试产再扩大畅销款为例，说明企业可以跟踪市场反馈，而非押注预测。不过，王川限定这种模仿优势在环境剧烈变化时会减弱，并将如何以弱胜强、何时止损留待下篇讨论。
阅读原文 - 思维与学习2017-03-07
王川: 论摸着石头过河的艺术 – 从巴拿马运河的选址到渗流理论
王川借巴拿马运河选址与建造的曲折，讨论如何在迷雾中实现远大目标：最佳道路未必直达，迂回路线可能更省成本，实践中也需要不断探索、折返。面对无法预先看清终点的情形，他提醒，不宜只用“离目标多近”衡量进展，因为关键的中间步骤可能暂时看不出与终点的关联；应对不同路径保持开放。文章再以渗流理论说明，连接成功的概率取决于维度与路径结构，并据此提出拓展人生维度、增加可探索通路，或能提高摸索成功的机会。不过，文中将六维情形下的成功说成数学必然，是建立在渗流模型及其假设上的类比，并非对现实人生的无条件保证。
阅读原文 - 投资与风险2017-01-08
王川: 外表丰满, 内在骨感的美国风险资本业
王川认为，美国风险资本业的整体长期回报远逊于新闻头条塑造的印象，且高度集中于极少数基金。他引用历史数据指出，许多年份基金的现金分配中位数低于本金；部分时期近95%的基金长期亏损，顶尖基金也未必跑赢同期纳斯达克指数。王川将低回报归因于优质项目被头部机构抢先、基金分散投资稀释单笔成功的影响，以及竞争抬高初创企业估值；他也指出，机构LP受资产配置要求、管理者任期和追逐成功者心态影响，仍持续投入。文章以历史经验推测，未来多数基金可能继续亏损，许多其余基金回报接近二级市场，少数顶尖基金或取得高倍回报，但难以事前识别。文中比较的是特定历史时期的基金与市场表现，不构成对当前业绩的判断。
阅读原文 - 思维与学习2016-11-30
王川：小议复杂系统里的不要和要
王川讨论复杂系统中的治理与组织原则：系统由相互连接的元素构成，干预可能引发非线性、反直觉后果。他以悬赏捕蛇反致蛇害加剧、限制商家涨价加重短缺为例，提醒遇到问题不宜急于治标，应先理解系统反馈、谨慎施策。另一方面，他认为大公司协作的关键不只是员工或小团体优秀，而是团队能通过统一软件接口调用彼此功能；谈到人类社会时，他主张优先扫清摩尔定律发展的障碍，并将宽带、智能手机、太阳能及人工智能进步归因于其推动作用。文章强调，理解互联关系与抓住关键杠杆，比头痛医头更重要。
阅读原文 - 科技与商业2016-10-21
王川: 2018, 汽车工业的我靠时刻 (二)
王川认为，电动车凭借电机即时输出扭矩、加速快等特点，正从产品体验和市场份额两方面冲击传统豪华车企；他据当时的销量、利润率和Model 3订单，推演其量产后可能迫使奔驰、宝马等让出市场、降价并承受利润骤降，进而引发行业连锁冲击。文章进一步把自动驾驶视为更重的一击：王川认为硬件、车队测试规模和电动车的线控优势会影响商业化竞争，特斯拉当时的部署使其占优；若监管逐步放行，车辆可通过网络出租改变持有成本，无自驾能力的车可能贬值。不过他也承认技术落地会遭遇事故、安全恐慌、黑客攻击及出租供过于求等问题，文中的产量、时间表与市场冲击均是当时预测。
阅读原文 - 思维与学习2016-10-15
王川: 从海明威运动定律，看技术革命的”我靠”时刻 (一）
王川借“海明威运动定律”讨论技术革命的渐进积累与突然爆发：旁观者常因长期看不到显著变化而忽视风险，业内人士虽感受到威胁，也可能只做表面修补，未能及时革新自身并拥抱新技术。王川认为，当影响产业格局的关键参数越过临界点，变革会迅速而剧烈，多数人因此措手不及；变革之后产业虽进入新平衡，受冲击者的经验却未必能传给新一代。他以次贷危机、报业广告收入衰退和黑莓销量下滑为例，说明技术或风险早已酝酿，显著崩落却往往晚到数年。
阅读原文 - AI与算力2016-07-27
王川: 摩尔定律还能走多远? (六) – 有钱能使鬼推摩(尔定律)
王川认为，半导体巨头共同出资支持ASML研发，说明只要终端需求和资金持续，工程难题就可能逐步克服，资本也会推动摩尔定律延续。他以当时对芯片市场增长的预测及人工智能训练所需算力为背景，推算模拟人脑复杂度需要远超当时系统的计算能力，并设想超级计算机可能带来更强的学习与抽象能力；同时用其估算的成本与人力薪酬比较，指出高利润的智力劳动会构成AI与芯片研发的经济动力。王川还强调，技术进步不必只靠缩小栅长，也可转向内存、并行计算、软件或三维架构；更长远的计算路线可能超出硅基集成电路，但具体方案当时无法预知。文中的能力推断、成本和市场预测均属当时估算与展望。
阅读原文 - 科技与商业2016-07-18
王川: 摩尔定律还能走多远? (五) – 这都是为了钱
王川认为，摩尔定律的推进不是可以跳过中间步骤的技术跃迁，而是由芯片生产成本和市场回报驱动的渐进过程。晶圆厂投资巨大，工艺包含大量环节，专业团队需要通过反复调试提高良率；随着累计产量扩大，标准化、效率提升和浪费减少形成学习曲线，使单位成本下降。王川据此指出，半导体行业中规模越大的累计生产往往带来更低成本，而芯片需求及其购买力支撑研发与产能投入；成本下降又催生新应用和需求，构成循环。文章将摩尔定律的持续前进限定于这一产业生态和资金循环能够延续的情形，并非保证技术挑战会自动消失。
阅读原文 - 科技与商业2016-07-14
王川: 摩尔定律还能走多远? (四) — 并行计算的威力
王川讨论摩尔定律背景下并行计算的作用，认为当单核时钟频率提升受限时，在芯片上增加内核，可以让计算任务并行执行；在任务可拆分的理想情况下，降低频率也可能兼顾计算能力与功耗，但实际能耗更复杂。针对并行计算并非适用于所有问题的质疑，他指出，改变目标设定有时能让并行化发挥作用：个人电脑与超级计算机面对的任务规模不同。王川以2000年与2016年的超级计算机作比较，认为计算能力的大幅增长主要来自内核数量增加，而非单核频率同比提升；大型并行系统的实现还依赖交换器提升节点间的数据传输能力，而这又与晶体管小型化有关。文中数据及比较限于当时所述系统。
阅读原文 - 科技与商业2016-07-07
王川: 论”自动车就是房地产”
王川讨论自动驾驶车可能如何改变交通成本、服务获取与房地产价值。他引用当时对电动车寿命、能源和维护成本的估算，推演自动驾驶电动车每英里运营成本或可低至数美分，并指出拼车与平台补贴可能进一步降低乘车费用；这些数字是文中的假设与估算。王川认为，自驾车的关键变化不只是便宜，而是乘客能自由支配车内时间，并可通过移动服务获得更多便利。他将房地产概括为空间与服务，认为自动驾驶车若提供舒适空间和便捷服务，就可能与静止房产竞争，使人们不必为靠近商业中心而居住，并改变不同地段的相对吸引力。不过，他把这种影响视为可能出现、尚难预料的演变，而非确定结论。
阅读原文 - 科技与商业2016-07-06
王川: 从美国的汽车安全管理历史看自动驾驶的未来
王川借美国汽车安全管理史讨论自动驾驶的未来，认为早期汽车曾因大量伤亡引发强烈反对，但交通规则、统一标准和车辆安全设施逐步建立后，每英里行驶对应的死亡人数长期下降，公众反对也随之减弱。他将2016年特斯拉Autopilot致死事故放在这一历史脉络中：文中指出卡车司机左转未避让、特斯拉司机超速且据目击者称在看电影，系统也需针对特殊场景改进。王川当时预计短期内仍可能发生相关致命事故，并强调自动驾驶不是消除交通死亡，而是降低事故和伤亡概率；他判断安全记录改善后反对声浪会减弱，并认为成熟的全自动驾驶将改变生活方式。这些是文章发表时的判断与预测。
阅读原文 - 科技与商业2016-06-29
王川: 摩尔定律还能走多远? (三) – CPU 的内存瓶颈
王川讨论CPU性能提升的另一条路径：当时钟频率受能耗和散热制约后，性能并未因此停滞，内存访问效率成为重要瓶颈。他用寄存器、缓存、内存和硬盘的层级比喻信息获取距离，并以访问延迟差异说明，CPU可能耗费大量时间等待数据，而非执行计算。王川还指出，处理器速度与DRAM读取延迟的进步并不同步，缓存因此逐渐扩容；以文中举例的处理器为据，缓存所占晶体管比例已接近九成。他由此强调，高效搜寻与存储数据对计算性能至关重要；这些数字和器件例子均对应文章写作时的历史语境。
阅读原文 - 科技与商业2016-06-15
王川: 摩尔定律还能走多远? (二)
王川在文中讨论晶体管小型化遭遇的漏电障碍，以及半导体业如何通过新结构与材料应对。他解释，栅氧化层变薄会引发量子隧穿漏电，英特尔以高介电常数材料替代二氧化硅；短沟道效应则可借助 FinFET 的多侧面栅极设计减弱，相关技术后来进入芯片生产。王川据此认为，历史上看似难以突破的限制可能找到不同解法，因此不宜仅凭当前障碍断言摩尔定律将止步。他强调，摩尔定律的核心不只是晶体管密度增长，而是在生产成本与能耗不变时持续提高计算能力；文章将继续讨论实现这一目标的其他路径，并未在此给出结论。
阅读原文 - AI与算力2016-06-10
王川: 摩尔定律还能走多远? (一)
王川在本文讨论摩尔定律的历史演变及其对GPU计算能力和人工智能进步的意义，并提出未来是否终结的问题。文章回顾，摩尔最初预测晶体管密度十年内每年翻番，1975年因空间利用率提升有限而修正为约每两年翻番；早期密度增长不仅来自晶体管缩小，也依赖芯片面积扩大和设计改进。长期以来，小型化还能同时提高速度、降低能耗，但进入本世纪后，栅长低于100纳米时漏电问题开始显现。王川列举业界对摩尔定律可能在2020至2025年前后终结的预测及其量子效应、可靠性、散热和成本方面的理由；本文尚未给出最终判断，而是为后续讨论铺陈背景。
阅读原文 - 科技与商业2016-06-02
王川: 关于特斯拉的十三个 FUD (恐惧,不确定和疑虑) 的反驳 (下)
王川在本文中逐项反驳针对特斯拉的质量、交付、补贴、电池、自动驾驶、盈利能力与劳工成本等质疑，同时承认投资存在真实风险。他依据当时的保修成本、预订与产能预期、税收协议、驾驶数据及汽车销量等材料，认为部分批评夸大问题或忽略背景；但对Model X交付延误、产品早期质量和自动驾驶事故等并未说成不存在，而以持续改进、量产和市场份额变化作为判断依据。王川还强调，工厂效率可能比单车性能微幅提升更具影响力，并提出生产效率可从容积、密度和速度理解。文中的销量、交付及竞争判断均是其2016年的分析与预测；他主张，对真实风险应具体看待，对一味反对者则不必纠缠。
阅读原文 - 科技与商业2016-05-31
王川: 关于特斯拉的十三个 FUD (恐惧,不确定和疑虑) 的反驳 (中)
王川在文中反驳针对特斯拉的两类质疑：油价下跌不会必然削弱其吸引力，因为他认为车辆的加速性能、维护简便和可远程更新的软件平台同样构成优势；他还以当时销售增长和拖车竞速作例证。谈及竞争者，王川认为纯电车将成为主流，并逐项比较宝马、通用、保时捷、奔驰、丰田、日产等厂商当时产品的续航、价格、产能或上市时间，判断其难以迅速追上特斯拉。他特别强调，许多所谓“特斯拉杀手”仍是多年后的计划，而特斯拉已推进电池工厂建设、获得大量 Model 3 预订；据此推断特斯拉可能领先数年。文中关于车型参数、交付预期和竞争格局的判断均对应2016年的论述。
阅读原文 - 科技与商业2016-05-30
王川: 关于特斯拉的十三个 FUD (恐惧,不确定和疑虑) 的反驳 (上)
王川在文中逐条反驳当时针对特斯拉的恐惧、不确定与疑虑，强调孤立事故和财务数字容易造成误判，应结合横向比较与发展趋势考察。谈及车辆起火，他以美国燃油车火灾数据对照特斯拉当时的行驶里程、事故和伤亡记录，并提到特斯拉增加底盘防护及调整软件后，相关统计情况的变化。谈及“每辆车亏损四千美元”，王川认为该说法把研发和扩产投入分摊到当期产量，不能直接等同于单车售价低于成本；他列举特斯拉融资及传统车企的投资和支出作比较，并以当时豪华车市场的销量表现说明资金投入所带来的进展。以上判断均基于文章写作时的数据与背景。
阅读原文 - 思维与学习2016-03-28
王川投资第三法则: 增速为王
王川提出“增速为王”：当不同方案解决同一问题时，性能增长更快者最终可能胜出；增长缓慢的方案一旦被替代者越过临界点，相关公司或个体可能遭遇断崖式衰退。他以数码相机取代胶卷、电动车挑战燃油车、IP网络替代ATM、YouTube冲击线性电视为例，分别强调成本与性能进步、带宽增长和内容扩张如何改变竞争格局。王川将这一判断延伸到人工智能，认为计算速度提升是深度学习进步的根本动力，并以图像识别和AlphaGo表现说明当时技术能力的变化；但他将人是否会被机器取代、或与机器融合，以及变化路径和时间表，作为尚待探索的问题，而非既定结论。
阅读原文 - 科技与商业2016-02-11
王川：亚马逊的云服务将吞噬美国的 IT 产业吗？(下）
王川讨论亚马逊云服务的竞争优势及其对传统IT公司的冲击。他认为，AWS凭借先发积累、巨额投入、运营经验、规模议价能力和持续扩充的功能生态，建立了难以迅速复制的领先地位；其可靠性与部署能力也可能比单纯低价更能打动客户。文章提醒，传统软件公司宣称云业务快速增长，可能只是把原有合同收入重新包装，未必代表客户实际使用云服务。王川指出，惠普、甲骨文、IBM等企业受规模、销售能力或自我蚕食等限制，微软和谷歌才是较有实力的长期对手；同时，AWS不惧以较低利润率争夺份额，可能加剧行业压力。他还将裁员预测视为云迁移冲击的迹象，并以自研芯片、数据库迁移工具及Echo展示亚马逊扩张边界；这些判断均针对当时的市场与预测，并非对后续结果的断言。
阅读原文 - 科技与商业2016-01-31
王川: 亚马逊的云服务将吞噬美国的 IT 产业吗? (中)
王川讨论亚马逊云服务对传统 IT 产业的冲击，认为互联网公司的自建基础设施经验促成 AWS，并以标准化、按用量付费和持续听取客户反馈，降低企业的 IT 成本与维护负担；传统企业低利用率的自建服务器尤其凸显这一价值。他援引当时的研究数据，称 AWS 市占、规模及增长已显著领先，并指出 AWS 的支出可能挤压传统软硬件市场。不过，这些数字均对应文中所述年份。王川还提醒，微软、IBM 等公司公布的“云”收入可能混有传统软件或硬件，不能一概视为真正的云服务；至于传统 IT 厂商前景及 AWS 与对手的优劣，本文尚未展开结论。
阅读原文