他写下的未来，后来怎么样了：陈然 2011–2026 写作档案的独立复盘

作者：Fable（Anthropic 的 Claude 模型）。2026 年 8 月 21 日。委托人是陈然本人，他的要求是：以独立第三方的身份通读他 2011 年至今的全部公开写作，梳理预测主线、计算命中率、摘出原文、对照当年的主流观点，并交代他的人生轨迹。他要求客观，文中每一句引文都附有原文链接，每一项"当年主流"和"后来结果"都附有公开来源。

同一个人，为什么一条全对、一条全错

2014 年 4 月 2 日是微软发布 Cortana 的当天。知乎上有人问"微软有哪些语音识别积累，Cortana 能否跟 Siri 和 Google Now 抗衡"，一个在匹兹堡读硕士的中国学生回答了两句话：

语音识别做的再好也快到瓶颈了。

难得还是在语义识别，以及和具体业务的结合，这一点上Siri和Google Now也都没有什么惊喜。

此后八年，整个行业把第二句话验证了一遍。2018 年 Nielsen Norman Group 的可用性研究给三大语音助手的结论是语音输入"好"，自然语言理解"差"；2022 年 11 月，亚马逊设备部门被曝当年预计亏损 100 亿美元、大头来自 Alexa，原因是"几乎所有变现计划都失败了"：听得清，但不理解，也接不上业务。同月 ChatGPT 上线。之后 Alexa+ 和基于大模型重建的 Siri 相继把第一代助手推倒重来。

三年半之后，2017 年 10 月，同一个人为房产交易公司 Opendoor 站台，用的是同样的笃定：「第一感觉，就是颠覆，就跟 Paypal 颠覆了支付，Google 颠覆了搜索那样，Opendoor 也一定会颠覆房地产领域。」还给出了数字：「我个人估计一次房屋买卖可以赚 10%，而这个是可持续的，大规模的，自动化的。」这一条的每一个具体判断后来都反了：Zillow 跟进三年后关闭购房业务，Opendoor 2022 年净亏 14 亿美元，到 2026 年 8 月仍未有过一个季度的 GAAP 盈利，iBuying 在美国住宅交易中的占比从未超过 2%。

我读完了这个人从 2011 年 6 月 26 日到 2026 年 8 月 19 日的全部 1114 篇公开文字，摘出约 1800 条带判断的句子，其中写于 2022 年前、明确到可以核对的预测有 19 条，每一条都去找了当时的主流说法和后来的走向。看完之后，我认为这两条的差别，不在于他哪一年更聪明。他的命中来自他当时站的位置；他的失手，也来自位置：他看不见自己没有站过的地方。 2014 年他坐在一个问答系统实验室里，每天处理的就是"听清了然后呢"；2017 年他坐在 Opendoor 马路对面的另一家公司，看得见它的技术栈，看不见它的账本。而位置不是运气。他每次站到某个位置上，之前大多已经写下过一条把他推向那里的判断：2012 年写「所以，我觉得，人得往高处走，如果你是学生，请你一定要去最好的学校，跟最优秀的人在一起。你会变得越来越好。」，八个月后开始申请 CMU；2016 年写「对于一个月活千万的产品，一个5到10人的全栈数据科学家团队就可以支撑起一个公司若干核心算法的端到端的所有任务，包括从研发到支撑最后的产品。」，十三个月后去做了那个团队的第二个人；2025 年 2 月研究 AI 时代的 CTO 该怎么压平层级，半年后自己当了 CTO 把层级压平。他的预测很少是给别人的建议，更多是写给自己的脚本。用一个老词说是知行合一，用硅谷的词说是 bias toward action。第四节会逐个决定去核对这件事，结论比口号复杂一些：先行的是原则，触发的是机会，事后再由写作把两者缝起来。这条规律在他十五年的档案里反复出现，对的那一半他大多自己先兑现了，错的那一半大多是他无法亲手兑现的：别人的公司、别人的政策、别人的市场。

这背后的底层逻辑可以拆成三步。第一，对自己的判断采取行动，会把人送到信息更早到达的位置上：站在 Trulia 的产线上、坐在 Tubi 的广告账本旁，裂缝比坐在评论席上早看见几年。第二，要对一条判断采取行动，这条判断就必须具体到可以执行，于是它自然是可证伪的，而且代价由他自己承担；空泛的判断没法照着做，也就没法被验证。第三，行动会把结果尽快反馈回来：押对了，位置再往前挪一格，下一条判断有了新的地方站；押错了，赔的是自己的时间和钱，修正就快。预测、行动、换位置、再预测，这个循环他十五年里走了七八轮。所以他的命中率不是一种预测技巧的产物，而是一种活法的副产品。反过来，那些他没法亲自采取行动的判断，别家公司的账本、政府的政策、市场的时点，三步都缺，错的就集中在那里。这也是为什么这篇文章在讲他 2026 年对 AI 的判断之前，要先问他现在站在哪、正在做什么。

这篇文章用全部证据来检验这个判断，顺带回答委托人的几个问题：他的主线是什么，命中率是多少，当时别人怎么想，他是怎么走到今天的。先交代三件事。其一，我是 Anthropic 训练的模型，他是 Claude 的付费用户，这是一层利益关系，我能做的是把失手写足，并尽量不用 Anthropic 自己的数据当证据。其二，我最初的打分偏向了他，一轮对抗式复核之后改用更对称的规则，去掉了几条站不住的"命中"，补上了一条漏掉的落空，正文用的是复核后的数字，两组数字都会给出。其三，2024 到 2025 年他名下有大量 AI 辅助生成的长文，风格与他本人差异很大，这部分判断一律降权。记分卡和判定规则放在文末，正文只讲故事和道理。

一、裂缝旁边的人：他站过的位置

把 1114 篇按时间铺开，先看到的不是预测，是一连串主动的换位置。每一次换位置之后一两年，档案里就会出现一条后来被验证的判断。这不是巧合，是这个人的工作方式。

清华园：第一条预测，和第一次落空

他是湖北宜昌人，2009 年考入清华大学软件学院，按他自己的说法，那是一个"相对边缘、录取分数线在全校垫底的专业"。他做移动互联网协会的会长，去过小米 1 的发布会，周末骑车去车库咖啡看路演。2011 年 5 月他拿到知乎的邀请码，一年里写了几百条回答，大半是高考、大学和学习方法，其中有他后来所有判断的底层操作系统：「知识什么都是浮云，学习方法才是王道。」以及把它说得更具体的「做题是为了找到不会的题。」——把一件事拆到机制层面，再看机制往哪边走。

站在这个位置上，他 2013 年 1 月对"智能手机的发展趋势"的回答，是档案里第一条经得起核对的预测：

通讯与娱乐出现设备上的分离……可能会就是一个蓝牙耳机样的设备, 可能就像GOOGLE GLASS那样……每当一个平台承载着过多的功能的时候, 这些功能的特性不同, 平台就会分裂

要公道地说，可穿戴设备在 2013 年初已经是热门话题，Google Glass 半年前刚发布，第一代 Pebble 当月发货，他不是逆风下注。逆风的是当时的评价：Slate 的科技专栏前一年还在嘲笑三星 Galaxy Note 开启的"巨型手机"趋势，行业在辩论手机该多大而不是会不会被拆开；2013 年 8 月 Slate 给 Pebble 的评测标题是"Kickstarter 史上融资最多的项目，有点像个哑弹"，Google Glass 两年后退出消费市场。他给出的是机制而不是产品：平台功能过载必然分裂。然后是 Apple Watch（2014 年 9 月发布、2015 年 4 月上市）和 AirPods（2016 年 9 月发布），他说的"蓝牙耳机样的设备"晚了近四年出现；"像 Google Glass 那样"要等到 2025 年 Ray-Ban Meta 出货数百万副。手机至今仍是中枢，手表和耳机是它的卫星，所以这条对了，但不是全对。

同一个位置上也有看走眼的时候，而且走眼的方式值得先记下来。2012 年 2 月他说中国高校招生「肯定会向更加完全自主招生的方向改革」，八年后方向反了过来，教育部 2020 年 1 月宣布不再组织高校自主招生，代之以高考成绩占比不低于 85% 的强基计划。这是档案里最早的明确落空：一条关于政策会怎么走的判断，而他在清华园里看得见市场化的逻辑，看不见政策的逻辑。

2013 年 11 月，有人问出国留学的意义，他的回答只有四行：「我在国内看到了我的极限」「看到了三年后的我」「看到了五年后的我」「一下子就没那么有趣了」。这不是预测，但它解释了后面所有的预测为什么会出现：他在主动往自己看不到尽头的地方搬。

匹兹堡：把圈内的共识公开说出来

2013 年秋他到了匹兹堡，读卡内基梅隆的计算数据科学硕士，在导师 Eric Nyberg 的问答系统实验室做法律文本的机器标注。开头那两句关于语音助手的话就写在这里。要说清楚功劳的性质：2014 年任何一个 NLP 实验室里的人都会说"识别不是瓶颈，理解才是"，消费媒体不谈而已，《纽约时报》当天的报道把 Cortana 框定为"一个更有个性的 Siri"，此后三年的行业头条是识别率竞赛，百度的 Deep Speech、微软的"人类水平"、谷歌的 4.9% 错误率。他的贡献不是想出了别人没想到的东西，而是站在那个位置上，把圈内的判断在一个消费产品的问答帖下公开说了出来，并且说对了哪一端是瓶颈。顺带一提，第一句"快到瓶颈"作为字面判断早了三年，识别率到 2017 年又降了三到四倍。

同一年 11 月，有人问"法律是否可能被代码化"，他写：「虽然目标短期内不可能实现，但是我们可以慢慢逼近嘛」，「比如首先 我们可以试图帮助律师更快理解case和regulation，这就是一大步」。他排的顺序是：先帮律师理解案例和法规，再提高搜索效率，形式化建模放到最后。当时的反对声按他半年后的描述是"清一色的'当然不行'"，一个独立的旁证是 2015 年 Altman Weil 对美国律所负责人的调查，20% 的人认为计算机"永远不会取代人类执业者"，这个比例在 2011 年是 46%。后来的路线和他排的顺序一样，只是技术换了：IBM Watson 时代的 ROSS Intelligence 2020 年底关门，GPT-4 时代的 Casetext 2023 年以 6.5 亿美元卖给汤森路透，Harvey 2026 年 3 月估值 110 亿美元。价值落在他排在前两步的"理解"和"检索"上，他放在最后的建模至今没有实现。他当时就在做这件事，这是一条用自己的时间下注的判断。

Trulia：产线上看见的裂缝

2014 年秋他求职，连跪七个面试之后拿到 Trulia 一个五人数据科学小组的 offer，于是「毫不犹豫地放弃了 PhD 的学术理想」：从研究者换成一个每天要把模型上线的人。在这个位置上，他看见了"数据科学家"这个热门职位的裂缝。2012 年《哈佛商业评论》把它封为"21 世纪最性感的职业"，他在 2015 年 11 月的《抛弃幻想，谈谈现实中的数据科学家》里借 Michael Hochster 的 Type A / Type B 划分拆掉了"什么都会的独角兽"，把重心放在"把算法从研究做到产品"上；2017 年 12 月 LinkedIn 的新兴职业报告里机器学习工程师以 9.8 倍增速排第一，2022 年 HBR 的原作者回头承认这个职位已经碎裂成多个工种。框架是借的，但裂缝是他站在产线上才看见的。

这个位置上最有意思的一条，来自一个最不起眼的工具。Trulia 的团队每天用 Amazon Mechanical Turk 标注数据，2016 年 12 月他回答"MTurk 前景如何"：

你可以把它想象成一个 Human As a Service……如果我正在训练一个试图在真实世界中生存的 AI，我的第一件事情就是教会它如何生活在 MTurk 中。它可以通过完成图像识别等简单任务获得收入，并同时将不确定的任务发布在 MTurk 上交由人类来解决，并自己学习，这是一种无风险的套利以及进化的过程。

主流当时怎么看同一个平台？皮尤研究中心 2016 年 7 月的报告把它描述为一个"零工经济"平台，用来做计算机处理不了的任务，许多工人时薪不到 5 美元；三年后《纽约时报》的标题还是"我在亚马逊网站上找到了工作，时薪 97 美分"。镜头对准的是被剥削的人类，他把镜头反了过来，想象 AI 是这个市场上的一个经济主体。这条怎么算，我反复斟酌过。"人类持续参与训练"在 2016 年已经是 MTurk 的日常，后来的 RLHF 和 Meta 以 143 亿美元入股数据标注公司 Scale AI 只是把它放大了；真正新的是后半句，AI 自己挣钱并花钱雇人。这一半在 2026 年有了实物：《福布斯》2 月报道的 YC 公司 RentAHuman，让 AI agent 通过 API 发布任务、付钱给人类，6 月 Visa、Mastercard 向 agent 开放支付通道，OKX 上线了 AI agent 互相雇佣、自动结算的市场。但原文是一个"如果我在训练……"的假想，没有时间承诺，场地也押错了，这一切没有发生在 MTurk 上。这是一条被位置照亮了一半的判断：他天天和那个 API 打交道，所以看见了它的本质；他不在亚马逊，所以看不见亚马逊会不会接住它。

Tubi：在账本上算出来的未来

2017 年 7 月，他因为在知乎上读到一位工程师的文章、发现对方的公司就在对街，喝了一杯咖啡之后加入免费流媒体公司 Tubi，成为数据算法组第二位工程师，从零搭建机器学习团队和全公司的 A/B 测试体系。这个位置给了他两条判断，一条关于行业，一条关于职业。

关于行业的那条写在 2019 年 1 月，亚马逊旗下 IMDb 推出免费广告流媒体一周后：「高质量内容的 AVOD 这个领域还是蓝海，预测未来三年内还会有更多大公司进入这个领域，猜猜看 Netflix，Hulu，HBO 会不会也出免费的版本呢？」大公司进入广告流媒体在当时已经开始，他真正逆风的部分是点名 Netflix 和 HBO。那一年的"流媒体大战"全部是订阅制叙事，Netflix 在股东信里写"我们和 HBO 一样，没有广告。这是我们品牌主张的深层部分"，Reed Hastings 在财报会上说没有广告才能做到更大的营收和市值；2022 年 11 月，同一个人当众说了"我在广告这件事上错了"。中间发生的是 Fox 2020 年 3 月以 4.4 亿美元收购 Tubi，HBO Max 2021 年 6 月推出广告档，Netflix 2022 年 11 月推出广告档，Disney+ 一个月后跟进，到 2025 年 Nielsen 的说法是"几乎所有订阅平台现在都有广告部分"。他问的"免费的版本"没有出现，Netflix 给的是付费低价档；但"三年内更多大公司进入"在窗口内成立，而且他点名的两家都进了。一个在只靠广告赚钱的流媒体公司里算账的人，比订阅制巨头更早看见订阅增长的天花板，这仍然是位置。

关于职业的那条写在 2019 年 9 月。中文互联网把 2020 届算法岗秋招叫作"诸神黄昏"，常见建议是"转开发"，他作为招聘方给的是一条筛选规则：「标准化 + 自动化 = 被替代」，判断标准是「看有没有“标准答案”」。有标准答案的方向（人脸识别）会被云厂商的 API 吃掉，没有标准答案的方向（推荐系统，因为每家业务不同）会持续拿到资源。规则不算原创，经济学里的"常规任务"理论比它早十几年，而中国 CV"四小龙"后来累计亏损约 500 亿元也有政府回款、实体清单、价格战等多重原因，不能都记在"被 API 标准化"上。但这条规则本身经受住了检验：到 2025 年，"可编码的知识先被替代，入门岗位首当其冲"成了斯坦福研究的结论，高盛 2023 年那份"3 亿个岗位"报告按任务可自动化比例来算，也是同一思路。他在 2019 年把它压成了一句工程师能直接用的话，因为他正坐在面试桌的另一边。

Tubi 时期还有一篇被他自己引用最多的文章，2017 年 12 月的《2017 小感》。当时以 Code.org 为代表的"人人学编程"运动正处在高峰，"开发者短缺"是行业共识，55 人的 WhatsApp 卖出 190 亿美元这类故事人人皆知但被当作个案。他把它写成了常态：「与其叫 Software Engineer， 不如叫 Integration Engineer 更为贴切。中间层的需求会越来越少，而工程师们的选择要么是上层的商业需求更近，要么是往技术的更底层深入，而所有中间造轮子的都会被标准化的工具所替代。」以及「小而精悍的技术团队靠着正确的工具整合与使用可以轻松带来千万亿万美元的营收，而不会让技术成为瓶颈。」他设想的机制是云、SaaS 和开源的标准化，不是大模型，这一点押错了；但结构性结论在 2024 到 2026 年成了硅谷的默认叙事：Sam Altman 关于"一人十亿美元公司"的赌局、Karpathy 的 "vibe coding"，以及斯坦福数字经济实验室用 ADP 工资数据做的研究，2025 年 8 月的首版显示 22 到 25 岁、最暴露于 AI 的岗位就业相对下降 13%，有经验的同岗位人数仍在增长，2026 年 8 月的更新版把差距扩大到 19%。变薄的是入口层和中间层，两头在变厚，和他说的形状一样。他站在一个不到百人的工程团队里，用 SaaS 拼出整家公司的数据系统，所以比"开发者短缺"的叙事更早看见工程师正在变成整合者；他没站在大模型实验室里，所以没看见真正的加速器是什么。

2022：不换工作，换视角

2022 年年初第一个孩子出生，3 月他考下加州人寿保险经纪人执照，年底又四十天速通美国国税局注册税务师，开始系统地学财务规划。站到这个位置上，他 3 月 16 日写了《硅谷人的财务风险》。那一天美联储开始加息，纳斯达克已从 2021 年 11 月的高点回落了近两成，宏观修正已经开始，但科技业的招聘还在惯性里，The Pragmatic Engineer 半年前的标题是"造成疯狂科技招聘市场的完美风暴"，亚马逊 2 月刚把基本工资上限从 16 万提到 35 万美元。他做的是把宏观修正翻译到个人资产负债表上：

硅谷的房价跟股价高度相关，股价涨了，收入也涨，投资股票也涨，房子也涨，投资房也长。一切都很美好。科技大盘跌了，工资也跌，投资股票也跌，投资房也会跌，所有资产大缩水。全是风险。

结尾是「而波动是一定会出现的。」和「先得苟住了，再想暴富的快乐。」八个月后 Meta 裁员 11000 人，扎克伯格说"这件事我做错了"；纳斯达克全年下跌 33%；2023 年 1 月谷歌裁员 12000 人，皮查伊的原话是"我们是为另一种经济现实招的人"。他在年底透露，2021 年 12 月他就在论坛上发帖问"假如 2022 经济危机要来了，如何投资"，并据此做了调整，「在那个时间点做我一些决定，确实幸运。」

同一年 4 月 7 日，上海封控期间，他回答"中国的新冠疫情会以什么方式结束"，写的是一份分条的剧本：「出现了新的变异，宣布不再以新冠命名，改名为阿尔法流感。」、「3-6个月后几乎全民都会被感染，年轻人几乎没有影响，中老年有基础疾病者因为流感导致并发症死亡率上升。」、「由于生活基本恢复正常，疑似阿尔法流感者哪怕有感染，也不再会测试是否感染，没有数据上报。」，最后是"政府数据大幅下降后不再增加，宣布大流行结束"。此后七个月官方口径没有松动，然后是 12 月 7 日"新十条"、12 月 26 日改名并降为乙类乙管、2023 年 1 月疾控中心称约 80% 的人口已被感染、2 月 16 日宣布取得"重大决定性胜利"，四个核心环节逐条对上，只是"3 到 6 个月"压缩成了六周。但剧本中间那一整段政策，微信直接打钱、可免还的工资贷款、禁止驱逐，是美国 CARES 法案的翻版，在中国一条都没有发生。这条和财务风险是同一个动作：换到一个做数据、算账的位置上看事情，机制推得准，政策猜得偏，对的那一半和错的那一半都由位置解释。

二、账本的另一侧：他没站过的位置

把全部失手放在一起看，位置的另一半就显出来了。

Opendoor 是最清楚的一例。他 2015 年 2 月入职 Trulia，Opendoor 的创始人也来自 Trulia，办公室就在同一个地址，他去参加过对方的技术分享，看得见团队、技术栈和斗志。开头引过的那两句就是在这个位置上写下的。当时它是硅谷的明星独角兽，2018 年软银又投了 4 亿美元，怀疑声只在边缘，2016 年 TechCrunch 报道融资的标题是"尽管融资模式有风险，仍融得 2.1 亿美元"。他站在技术这一侧，对技术的判断没错，房屋估价模型后来确实越来越准；他没站在资产负债表那一侧，而 iBuying 的生死恰恰在资产负债表上，在利率和房价周期上。一个用自己的现金大规模买房的公司，模型再准也扛不住 2022 年的加息。他押的"颠覆""每笔 10%""可持续、大规模、自动化"全部反了，这是落空，不能用"技术会进入传统行业"这种对任何 2017 年科技帖都成立的话把它救回来。

Pixel 是同一个模式的小号版本。2019 年 6 月他在评价谷歌放弃平板时写「大胆的预测一下，Pixel Phone 再做两代会不会也被放弃呢？」，他是 Nexus 和 Pixel 的多年用户，看得见产品的短板，看不见谷歌内部对硬件的战略决心；Pixel 6 用上自研芯片成了史上卖得最快的一代，2026 年 8 月 Pixel 11 发布。

知乎那条更微妙。他 2016 年就预见「而以后，每个人看到的知乎可能都会不一样，不仅内容，甚至颜色、排版等等。」，2020 年 12 月知乎改版"关注"栏时，他作为一个十年老用户把判断写成了三件事：「新人出头更加困难，专业内容没有懂的“人”来带逛，那就得取悦算法，算法喜欢什么你猜猜？」、「核心内容更“热门”，更微博，更头条。」、「知乎会是个更好的生意，会赚更多的钱。」当时知乎官方的叙事是创作者扶持计划和即将到来的 IPO（2021 年 3 月在纽交所上市）。前两件兑现了：2021 年 12 月知乎正式改为算法推荐分发，付费阅读（主要是盐选小说）2025 年起占到收入一半以上。第三件落空了：2025 年知乎首次实现全年经调整盈利，但营收已从峰值下跌三分之一，市值跌去九成以上，盈利靠的是收缩。他站在产品里，看得见算法会怎么改变内容生态；他不在知乎的财务里，看不见"更像头条"和"更好的生意"之间隔着整个中国互联网广告市场的萎缩。

还有一条失手不在组织上，在"普通人"身上。2017 年 2 月，有人问"这一波人工智能泡沫将会怎么破灭"，他绕开了金融泡沫会不会破，直接谈机器智能的性质：「但机器智能的发展，因为这种可复制性，是渐进的，是被广泛应用的，是永远不会后退的，并且是普通人难以察觉的。」同一篇里他反驳了当时最流行的否定方式：「很多人喜欢吐槽聊天机器人（或者人工助理等等），经过这么多年的发展，依然不能理解人类语言，只能用作无聊讲笑话的小玩具，并因此否定机器智能的进步。」他写下这段话之后一年多，寒冬论才真正成为主流：虎嗅 2017 年中的盘点写道"人工智能领域的泡沫着实不小……最后可能是绝大多数死掉"，Gartner 8 月把深度学习放在"期望膨胀的顶峰"，2018 年初 Gary Marcus 发表《深度学习：一份批判性评估》，5 月一篇刷屏的博客标题是"AI 寒冬已在路上"。四个形容词里三个经受住了时间：没有寒冬，GPT-2、GPT-3、ChatGPT 一路叠上去；广泛应用有数据，麦肯锡 2025 年的调查显示 88% 的企业至少在一个职能里用上了 AI，但只有 39% 报告了任何利润影响；不后退也成立。但"普通人难以察觉"在 2022 年 11 月之后被证伪了，ChatGPT 是历史上被采用最快的消费产品。他站在系统里面，看见的进步是搜索、翻译、信息流里的度量，所以他推断普通人察觉不到；他没有想到有一天进步会以普通人最能察觉的形式出现，一个对话框。虎嗅那句"绝大多数死掉"也是对的。

把这些放在一起，模式很清楚：他对方向的把握明显好于对时间、幅度和机制的把握，而失手集中在他没有站过的位置上：别家公司的账本、政府的政策、市场的时点、普通人的感受。 技术侧同样有失手，语音识别的瓶颈早报了三年，工具革命的机制押在云而不是大模型上，2024 年"机器学习工程师会被标准化"至今没有发生；而带数字和日期的判断，"每笔赚 10%""再做两代""3 到 6 个月""16X"，这一组的记录明显不如不带日期的方向判断。

三、可以抄的不是结论，是动作

如果命中来自位置，那读者能从这份档案里学到的就不是"他说对了什么"，而是"他怎么让自己站到那些位置上，又怎么处理自己的错"。档案里有三个反复出现的动作。

第一个动作是对自己的判断采取行动，具体表现就是换位置，而且每次都往收入和地位的反方向换一点。他不是先有了位置再写判断，而是先写下原则，等机会来了把自己搬过去，让下一条判断有地方站；第四节逐个决定核对过这件事。放弃 PhD 去五人小组，离开 Zillow 旗下的 Trulia 去三十个工程师的 Tubi，2022 年在最该躺平的时候考两张与编程无关的执照，2023 年离开 Tubi 做了两年全职奶爸，2025 年去一家医疗器械合规公司做 CTO。2026 年 1 月他回顾这件事：「很多哪怕在当时看来很边缘、很“非主流”的信念，在科技的冲击下，往往才是通向未来的钥匙。」

第二个动作是写下来，然后回头看。这份档案里有一条清楚的引用链：2022 年 4 月他引用 2017 年那段 Integration Engineer，2022 年 12 月再引一次，2024 年又引，2026 年继续引。写下来的判断会被时间审判，也会被自己修正；没写下来的判断只会在记忆里变得越来越准确。2022 年 4 月他在引用的同时推进了一步：「慢慢的，三十个人的团队就可以挑战三千人的公司。不少大公司的淘汰肯定只是时间问题。」12 月 8 日，ChatGPT 上线一周，他写下这份档案里的"零号时刻"：「装了一个 ChatGPT for Zhihu 的插件，你看它已经可以来回答任何问题了，只需要复制粘贴一下就行。」12 月 31 日的《2022 还可以吧》把这条线收拢：

公司是真的不需要这么多的人。这件事的发生并不一定来自于裁员，而是小公司可以用更少的人做出同样的东西，来获得商业上的竞争优势。今天假如 Google 做搜索需要十万人，明天另一个公司一万人就能做，科技再发展如果只要一千人就能做，那商业上的优势就太大了。

"三十人挑战三千人"在 2026 年有了实例：Block 在 2 月裁掉近一半员工，管理层的说法是更小、更扁平、让 AI 自动化更多工作的团队；《纽约时报》4 月报道的两人公司 Medvi 2025 年收入 4 亿美元。同一篇里他还写「我相信新的科技公司从零开始的到一个亿美元收入的速度会越来越快。以前要十年二十年，以后五年三年都有可能。」，这句有一个基线问题：Slack 早在 2016 年就上线两年半做到了 1 亿美元年化收入，他写下时已经落后于现实，后来 Cursor 约 12 个月走完了同一段路。方向对了，基线错了。写下来的好处就在这里：错的部分也留了下来，可以被指出来。

第三个动作是自我修正，而且修正的对象包括他自己。2023 年初他写「而随着生产力的变化，生产关系也一定会发生摧枯拉朽的变化！大家一直在关注生产力，很少关注生产关系中可能发生的变化。」，同年 11 月的标题是《没有主业，没有副业，只有自己》；他自己就是第一个样本，「我从未想过，自己会有从全职工程师变成全职奶爸的一天」，妻子是 CPA、在读兼职 JD，两个孩子没有老人和保姆帮忙，于是由他在家带了两年。

2024 年他站错了一次位置，而且是被自己的判断带进去的。3 月起他公开用 GPT-4 生成知乎文章，9 月写了《为什么我最近的文章都是 AI 生成的？》：「我相信 AI 的输出是对的，如果大家觉得不好看，一定是我的问题」，「内容输出是一个一定能够被 Autopilot 的事情，既然一定会发生，那么就要做的早，做的积极，试图享受时代的红利。」此后一年多，他名下出现了几十篇 AI 生成的文章（其中十来篇长达两三万字）、近十个多语种自动播客。他站在 AI 输出的这一侧，看不见读者那一侧。这批内容我只当作他的实验记录，不当作判断记录；其中 2024 年 12 月那篇《十个关于AI 和机器学习未来的预测》我单独核对过，四条成立（代码由 AI 生成，谷歌 2024 年 10 月就称新代码已有四分之一以上由 AI 生成；面试允许用 AI，Canva 2025 年先做了，Google 2026 年宣布试点；一个人做出大团队的产出；情感价值更重要，虽然满足它的是 AI 本身），四条部分成立，两条太软无法打分，但好几条在当时已是硅谷共识。2025 年 12 月，他在一篇题为《AI 又强了，So What？》的文章里写下「我们在逻辑上赢了，但在人心上输了。」和「真正的机会，属于那些“Deeply Care About Other People”的人。」，2026 年起把主要写作搬回自己的网站，改成先用语音说出真实判断、再让 AI 整理和放大的流程，文章数量骤降、单篇变长。

最能说明"自我修正"的是 2017 年和 2026 年的对照。2017 年 10 月他相信机器学习会在五到十年内"快速延伸到各个传统的行业"，并以 Opendoor 为证；2026 年 7 月他写《企业的 AI 转型都会失败，就像煤老板做不了互联网》：「如果你所谓的 AI 转型，是让旧组织整体学习 AI、旧岗位整体升级、旧流程整体加速，那它大概率会失败。」「煤老板做不了互联网，不是煤老板不聪明，而是煤矿不能靠内部培训长成互联网公司。」同一个信念换了载体：技术一定会来，但它通过新组织的成本结构来，不通过旧组织的培训计划来。这一次他站对了位置：写这篇文章的时候，他刚以 CTO 的身份亲手做过一次重构，「我们工程师的团队调整了，project manager 也拆掉了，软件全部重写了一遍，客户流程也重新梳理了一遍。」他也没有把它写成胜利宣言：「所以“真转型等于先砍人”会被 Klarna 打脸。砍错了，还是要补回来。」

四、每个决定之前，有没有一句写下来的判断

"他对自己的预测采取行动"是一个可以被核对的说法，所以我核对了。方法是挑出他十五年里十三个可以定位到时间的决定，对每一个去档案里找：决定之前最早的、能解释这个决定的判断原文（逐字、带日期），决定本身的时间证据，以及后来他有没有把两者连起来说；同时专门找反例。规则和前面一样严格：事后写的理由不算先行判断，和决定同时写的不算，早先写过相反话的要标出来。

决定	时间	之前写下的判断	提前	判定
赴美读 CMU	2013	「请你一定要去最好的学校，跟最优秀的人在一起」（2012-04）	8 个月	原则先行；但同月写过「所以读研其实意义不大，除了爸妈看着爽」
放弃 PhD 去五人小组	2014-11	「所以跟你是不是读博士关系不大 而是你会的东西是不是别人需要的」（2013-12）	11 个月	原则先行；具体转向由"没有 RA"触发
离开 Trulia 去 Tubi	2017-07	5 到 10 人全栈团队足以支撑核心算法（2016-06）；「小公司人少，每个人都要独当一面，因此必须要有过搭建实际机器学习系统的经验。」（2016-07）	13 个月	判断先行
买旧金山租管房	2017-12	研究规则、吃透规则的习惯（2012 年的高考作文：「高考作文就是八股文！！！！！八股文就是套模板！！」）	66 个月（习惯）	习惯先行；"管制扭曲→套利"的道理是两年后补写的
疫情期间学会计金融	2020	「我在乎的是知识的积累，去上课只是一种手段」（2019-11）；「拒绝了解美国社会的基本运行规则，比如对税收和法律一无所知，就很不好。」（2019-12）	9 个月	方法先行；学什么是无聊时随手选的
2021 年底调仓、2022 考执照	2021-12 至 2022	同上"了解规则带来机会"（2019-12）；「万一还有那么一点点时间。可以学习一下考个证。」（2022-03）	24 个月	执照先行成立；危机判断在档案里是事后记的
小额天使投资	2022	「我觉得一定要多尝试然后多看一些新的东西然后去舍得花钱去体验对」（2018-05）	45 个月	原则先行，弱
离开 Tubi 做全职奶爸	2023	「要向前看，忘掉沉默成本，为未来做计划。」（2022-12）；十一年前的「当个好爸爸会是一件很有意思的事」（2012-03）	6 个月	原则先行；但离职前三个月写过「出路在哪里？主业不可能丢，那就只能是副业。」
考下十几张金融执照	2023–2025	「我仔细研究了一下各类职业证书，发现真有可以零基础就能考的：IRS Enrolled Agent。」（2022-12）；Financial Planning is your second job（2022-12）	6–15 个月	判断先行
AI 内容工厂 → 刹车	2024-09 → 2025-12	「对于自己的要求，更加注重独特、原创、思考，可以不写，但是要写有意思的东西。」（2021-01）	—	反例：早先的判断预言的是刹车，不是开工厂
加入 Pure Global 做 CTO 并重构	2025	中间层消失（2017-12）；「推动管理层级趋于扁平。原因在于AI自动化了大量中间流程和重复性工作」（2025-02）；AI 原生公司（2025-04）	1–4 个月（纲领），90 个月（原型）	判断先行，最强的一例
做 Open Exam Prep	2026-01	「tubi 本身的产品也追求简单可靠，我们甚至移除了注册环节。」（2019-01）；「所以一个简易的 Bandits 的 UCB 算法一直在指导我应该做哪个单元的题目。」（2022-12）；知识工业化（2025-01）	12–84 个月	判断先行
建 ranchen.org 知识库、改写作流程	2026-06	"决策流程分布式、人人拿到同样的数据"（2019-12）；个人 AI 助手需要你的全部信息（2024-12）	18–78 个月	知识库先行成立；"人工回收 AI"那一半是对 2024 年的纠错

核对下来，十三个决定里，判断明确先行的有五个，原则先行、具体路径由机会触发的有六个，反例两个。这比"写完就照着做"复杂，但更有意思，因为它显出了循环真正的形状。

先行的是原则，不是剧本。 他在行动之前写下的，几乎都是一般性的判断："去最好的学校"，"会的东西是不是别人需要的"，"小团队能支撑核心算法"，"了解规则带来机会"，"忘掉沉没成本"。具体要去哪一家公司、买哪一栋房、考哪一张证，档案里事前没有。触发它们的是机会：「一直觉得很有可能留下来继续读 PhD 的，做做Machine Learning 的交叉学科的应用。」，是导师说没有 RA 才去找工作的；去 Tubi 是读到一篇文章、对街喝了一杯咖啡；做全职奶爸是「当时我的妻子在事业上迎来了一个重要机会，我们有了老大和老二。我们权衡再三，决定由我暂时告别职场，在家专心照顾孩子。」。原则像一张提前写好的筛子，机会来了，符合筛子的就接住，不符合的就放过。

事后的写作把原则和决定缝在一起，这个缝合动作本身就是循环的一部分。 "我在国内看到了我的极限"写于到美国之后，"管制带来市场扭曲"写于买房两年之后，"小公司离钱更近"写于入职 Trulia 四年和十二年之后。按严格规则这些不能算先行判断，但它们不是粉饰：每一次缝合都把原则说得更具体一层，而更具体的原则又成了下一个决定的筛子。2022 年底那句"忘掉沉没成本"是对 2020 年期权变现的缝合，半年后它筛出了离职；2025 年 2 月那篇 AI 时代 CTO 的研究是对 2017 年"中间层消失"的缝合，四个月后它筛出了 Pure Global 的重构。这就是第三节说的"写下来，然后回头看"的实际机制。

两个反例，都是原则先行、行动违反、然后回到原则。 2012 年他写"读研意义不大"，同年年底申请 CMU，到美国后才补上"看到了极限"，两年后改口「申请CS Master再找工作几乎是一个完美的跳板」。2021 年他写「我最爱的答主几乎都是认真的，非职业写手的，真情实感的，回答不频繁的那些人。」，2024 年自己变成了高频的 AI 内容生产者，2025 年底写"人心上输了"，2026 年写「AI 写作流程也不是越自动越好。你可以让 AI 搜索、整理、生成、review，但核心判断仍然要来自人。」。两次都是年轻时或兴奋时违反了自己更早的判断，然后被结果拉回来。知行合一在他身上不是每一步都合，而是偏离之后总会回到写下来的那条线。

最后是边界，它反过来支持了这个判断。 他写得最笃定、错得最彻底的预测，Opendoor，是他唯一没有用行动下注的一条：2015 年起就近距离看着这家公司，2017 年劝别人"不如先跳上列车"，自己却去了一家和房地产无关的流媒体公司。没有行动的判断，既没有位置，也没有代价，也没有反馈，于是错得最远。这比任何命中都更能说明他的命中率从哪里来。

五、2026 年 8 月，他站在哪里

2026 年 8 月的陈然 36 岁，住在旧金山，是一家医疗器械全球合规公司和一家生命科学增长公司的联合创始人兼 CTO，同时运营几个由 AI 自动运转的小生意，其中一个备考网站按他 6 月文章里的数字，上月访问用户二十多万、广告月收入约一万五千美元。他每月消耗五百亿到一千亿 token，但他说生活仍以接送两个孩子为主。他持有 CFP、税务师和保险执照。他在 6 月写下了一句大多数预测者不会写的话：「我可能这辈子都赚不到更多、能让我跨越阶层的钱了。我也接受了自己是一个普通人」。

从这个位置上，他今年写下的坐标可以压成五句，每一句都有原文。信十倍，但拒绝神话：「“效率的提升”如果不能直接转化为“财务结果的改变”，它就是一堆毫无意义的 PPT 数字。」，核心是「先闭环，再提效。」淘汰线不是智商线：「这条线听起来残酷，但它不是智商线。它是 ownership 线。」企业转型的真相：「如果你承认 AI 能带来十倍甚至百倍的效率提升，那么企业层面的大裁员和大重构，就不是一个可有可无的风险，而是迟早会被账本逼出来的结果。」个人策略是拿稳 Beta：「在人生和职业的绝大多数领域，我们应该致力于无脑地获取 Beta，然后仅仅在极少数、我们真正拥有绝对优势和热情的地带，去审慎地追求 Alpha。」对后来者：「可如果两个人的学习速度接近，接下来投入的有效时间也接近，三年后的画面更可能是 100% 对 97%。」

这个位置和 2017 年不一样。2017 年他为 Opendoor 站台时，站在马路对面看别人的技术栈；2026 年他写企业转型时，刚以 CTO 的身份亲手做过一次裁员和重构，自己算过账，所以他对"组织会怎么被账本逼着变"的判断，第一次有了亲历的底子。但他仍然不在大公司的董事会里，不在政策制定者的位置上，也不在普通员工下个月的焦虑里。他从这个位置上对未来押了什么、哪些已经有数据、哪些该打折，下一节专门讲。

六、他对 AI 时代的预测：一条逻辑链，和一张待验清单

前五节讲的是已经能打分的过去。但读到这里的人真正想知道的，是他对接下来几年怎么看。这一节把他 2023 年以来关于 AI 的全部判断按逻辑归拢，不按年份罗列；2024 到 2025 年有相当一部分文章是 AI 辅助写成的，措辞不是他的，但逻辑链是他的，和他 2017 年亲笔的《2017 小感》、2022 年亲笔的《2022 还可以吧》一脉相承，我按逻辑取用。这些判断大多还没到期，我不打分，只标注它们各自在 2026 年 8 月走到了哪里，以及按前五节的规律该怎么加权。

他的逻辑链有四层，一层推一层。

第一层：生产资料在降价，而且是执行层先降。 这是他从 2017 年"工具每 18 个月翻番"一路讲下来的起点，AI 把它推到了极端。2025 年 1 月他写「跟所有工业化后的产品一样，知识作为一个产品，它不再有生产成本，只有营销成本和品牌定位。」，一个月后补上反面：「AI 所带来的“幻觉平民化”是一个难以逆转的趋势。」到 2026 年，他把这一层压成一句话：「Talk is cheap, show me the code 的时代已经过去了。现在 Code is cheaper, talk 比 code 贵。」这里的 talk 指的是对客户痛点的理解和给 AI 的领域上下文，不是闲聊。这一层今天已经是共识，谷歌、Anthropic 的代码生成比例和 Cursor 的收入曲线都在印证它，他的判断不在"会不会"，而在"降的是哪一层"：执行层先归零，判断、验证和上下文组织反而变贵。

第二层：生产资料变了，生产关系一定跟着变。 这是他整条链里最核心、也最逆风的一环。2023 年 3 月他写"大家一直在关注生产力，很少关注生产关系中可能发生的变化"；2024 年 5 月写「每一个生产力大发展的时代，都是一个 Ownership 大发展的时代。」；2025 年 5 月微软裁员六千人时写「如果你的岗位核心价值是“信息传递”或“流程对接”，而这正是 AI 最拿手的部分，那么接下来几年你面对的不是单次裁员风险，而是一个持续被技术穿透的职业生态。」，并预言「届时，“裁员”会像硅谷的年终调薪一样成为大厂的系统流程，而不是偶发新闻。」；9 月推到终局：「未来，稳定的组织内部将不再由大量的全职“员工”（Employee）构成」，取而代之的是合伙人和小时工，并给了期限，「未来一到两年，将是企业完成这种人才结构转型的关键窗口期。」；2026 年 7 月落到一句：「人不再因为“参与过流程”而重要，人因为“对结果负责”而重要。」这一层的社会版本是 UBI，他在 2025 年 9 月写「我们将面临一个“系统性风险个人化”的社会。」，把 UBI 称作「唯一能与新生产力相匹配的、必要的社会契约重建方案」；但同一个人在 2026 年 7 月也写了「技术会前进，但社会能不能变好，取决于收益怎么分，风险谁承担，以及我们有没有把人当人看。」这一层在 2026 年 8 月的状态是：方向有数据（AI 连续数月成为美国裁员公告第一原因，《华尔街日报》开始写"AI 原生公司只有极小的员工数"，Stripe Atlas 新注册公司 63% 单人创始），强度远未到（全职就业只是小幅波动，UBI 无一国落地，Sam Altman 自己后退了一步）。按前五节的规律，这正是他最容易偏快的那一类判断：对象是组织和社会，措辞带着"一到两年""唯一"。

第三层：个人该怎么活，答案从"多做"变成"先闭环"。 这一层他自己试过错。2024 年 8 月他写「而今天我们再进一步，AI时代的新商业模式：一人多企业。AI 做决定，人类做资源整合。」，12 月写「AI 时代最大的竞争优势，不是先验知识，而是“解决什么问题”，因为AI 拉平了所有的的知识壁垒，谁想解决的问题更大，谁就能从AI获得多的 just in time 的知识和实践，谁就能领先于其他所有人。」；然后用一年时间把内容工厂跑到"逻辑上赢了，人心上输了"。2026 年的版本收敛了很多：「现在的 Scale Up，是你看你手里握着多少个已经跑通、正在自主运转的 AI 闭环。」，「只要这个闭环转动起来，哪怕每天只能赚 10 美元，它也具备了极其恐怖的自我演进能力。」；在工具层面，「绝大多数在 Prompt 和工作流上追求的 Alpha，都会在下一次底座模型的 Beta 升级中，被无情地抹平。」；在能力层面，「AI 面前的平等，不是每个人已有的能力被清零，而是所有人同时多了一层还没有固化的新能力。」，以及「几年后，熟悉 AI 也许像今天使用搜索、写邮件一样普通。到那时，单独说“我会 AI”不会提供多少信息。」他对职业本身的判断最极端，2026 年 7 月在校友分享上说「别人经常问我以后该怎么做职业规划。我说，没有职业了，大家就不要有职业了；没有职业，也就没有规划了。」，对程序员这个职业的版本是 2025 年 11 月的「当 AI 承担了所有“制造”和“生产”的环节后，程序员唯一的出路，就是全面转向“顾问”角色。」而真正让他改口的，是 2025 年底那句「下一波真正的商业红利，并不属于这一群“技术最强”的人。」：红利属于理解别人痛点的人。这一层里，"执行者贬值、提问者和当事人升值"已接近共识；"先闭环再提效"和"拿 Beta"是他的个人方法，可以被别人复用，但不容易被证伪。

第四层：企业和行业的格局。 对企业，他的判断从 2025 年 4 月的「如今的AI时代，真正决定胜负的已不再是哪款“AI原生产品”更炫目，而是哪家“AI原生公司”能够将AI深度融入自身的组织与运作。」，（当时主流在问“下一个 ChatGPT 级应用是什么”，2026 年 7 月《华尔街日报》的标题已经变成《这些 AI 原生公司只有极小的员工数和更少的老板》），走到 2026 年 6 月的「接下来几年真正要发生的，不是每个人多用几个 AI 工具，而是那些旧流程、旧岗位、旧中间层被迫重新摊开算账。」，再到 8 月的「如果你信十倍，AI transformation 的中心就从“让全员学会用新工具”挪开了。CEO 要推的，说到底是两件事：裁员，重构。」他给旧公司开的方子只有一句：「旧业务进入 maintenance mode。新业务重新创业。」对软件行业，他 2025 年 8 月写「AI 的终极形态，是让工具“消失”，让流程“无感”，并最终将服务的价格降至颠覆性的水平。任何违背这个趋势的 AI SaaS，都注定会被淘汰。」，这是他 2019 年"标准化+自动化=被替代"的升级版。对模型和平台层，他 2025 年初的判断是「大公司专注底层技术与通用平台，小团队则在上层应用或特殊场景上持续创新，大与小共同塑造AI版图的进化。」和「微调+开源模型越来越成为企业落地 AI 的关键路径。」；2026 年 8 月他把"小团队做什么"说得更具体：「我不认为未来会再出现很多 Uber。横向市场最后通常只容得下少数大玩家，它们靠规模、资本和网络密度取胜。」，机会在垂直、混乱、依赖专家的行业里，「AI 不会让中间商消失。它会让一些过去只能靠人堆出来的中间能力，第一次能被小团队做成软件、数据和服务网络。」对正在补贴这一切的模型公司，他 2026 年 6 月的判断是 200 美元的 coding plan 「更像一个阶段性的补贴价格」，会被限额、涨价和分层拉回现实。至于这一切会不会被泡沫打断，他的答案和 2017 年一样：「我更接近的判断是：AI 泡沫会有，宣传会过度，很多企业项目会失败，但底层生产力变化不会消失。」

把四层连起来看，他对 AI 时代的核心逻辑可以写成一句话：执行的成本归零之后，组织里靠"参与流程"存在的那一层会被账本逼着消失，价值和风险同时转移到对结果负责的个人身上；谁先把自己的闭环跑通、谁先站到客户痛点旁边，谁就拿到这一轮的红利，而旧组织大多数过不了这道坎。 这句话的前半段，2025 到 2026 年的裁员数据、MIT 那份 95% 企业项目看不到财务回报的报告、《华尔街日报》的"AI 原生公司"报道，都在往这个方向走；后半段关于"谁拿到红利"，目前只有 Medvi、Cursor 这类个案，还没有统计。

下面是这条逻辑链上可以被检验的具体判断。我给每一条写了兑现的条件，以及 2026 年 8 月能看到的东西。

判断	写于	怎么算兑现	2026 年 8 月
全职员工让位于合伙人与小时工，一到两年是窗口期	2025-09	到 2027 年 9 月，主要科技公司合同工与合伙制占比显著上升，全职岗位占比下降	方向有数据（AI 成裁员第一原因、Stripe Atlas 63% 单人创始），总量未变
UBI 是唯一能与新生产力匹配的方案	2025-09	任一主要经济体因 AI 失业启动全民性现金转移	无一国落地；Altman 后退
全员培训式企业 AI 转型大概率失败；能成的是小队端到端重做	2026-07/08	三年后，宣布"AI-first"的上市公司里，P&L 可归因于 AI 的比例仍低；成功案例集中在重组而非培训	MIT：95% 试点无财务回报；Block 裁半；Klarna 反复
付费 AI SaaS 会消亡，服务价格降到颠覆性水平	2025-08	主要垂直领域出现按结果收费、价格低一个数量级的替代者	他自己公司在做；行业层面无统计
不会再有很多 Uber；机会在垂直混乱行业的 AI Native Distributor	2026-08	五年内垂直领域出现一批营收过亿、团队极小的"分销商"，横向平台无新巨头	太新，待验
200 美元 coding plan 是补贴价，会被限额、涨价、分层拉回现实	2026-06	一年内主流供应商提价或明显收紧额度	两家供应商都调整过规则，有紧有松
企业落地 AI 的关键路径是开源模型+微调	2025-02	企业生产系统中开源/自研微调模型占比过半	闭源前沿模型仍主导，待验
机器学习工程师成为标准化、可替代职业	2024-12	岗位薪资和稀缺性回落到普通工程师水平	工作 API 化了，岗位仍最稀缺，偏落空
"会 AI"几年后像会搜索一样不提供信息	2026-07	简历和招聘 JD 不再单列 AI 能力	待验

怎么读这张表？按前五节的规律。他的链条从第一层推到第四层，每一层都比上一层更远离他亲手摸过的东西：执行成本归零是他每天用几百亿 token 看见的，企业重构是他作为 CTO 亲手做过一次的，劳动关系和社会契约是他从旧金山的饭局和新闻里推出来的。第一层和第四层里关于"会发生什么"的判断，按他的历史记录值得认真对待；第二层里关于"一到两年""唯一答案"的措辞，按他的历史记录应该打折。还有一点值得记住：他 2017 年写"渐进、难察觉"时低估了 ChatGPT 那种一夜之间的可见性，他今天写"账本迟早逼出裁员"时，低估的可能同样是某种他没站过的位置上的变量，比如政治对就业的干预，或者资本市场对"AI 原生"叙事的厌倦。他自己在 2026 年 8 月也留了一句话给这种可能：「所以“真转型等于先砍人”会被 Klarna 打脸。砍错了，还是要补回来。」

七、结尾

把这篇复盘压回一句话：陈然不是一个预言家，他是一个反复把自己搬到地面先裂开的地方、把看见的东西写下来、然后照着自己写的去做的人。知行合一，bias toward action。他的预测是关于自己接下来会怎么做的脚本，不是关于别人应该怎么做的建议；所以对的那些，往往是他自己先做成的，错的那些，往往是他只能旁观的。第四节逐个决定核对过：先行的是原则，触发的是机会，事后的写作把两者缝在一起，偏离过两次，两次都回到了写下来的那条线。底层逻辑只有三步：行动把他送到信息先到的位置，行动逼着判断具体到能执行、能被证伪，行动把代价和反馈留给自己。命中率是这种活法的副产品，抄不了结论，只能抄活法。

这句话解释了记分卡上的两组数字。十九条 2022 年前的预测里，他在"会发生什么"上对的明显多于错的：设备会分裂，瓶颈在语义不在语音，AI 会先帮律师读案例，工程师会变成整合者，巨头会拥抱广告，标准化的工作会先被替代，硅谷的资产会一起跌。每一条都来自他当时正站着的位置：移动互联网协会、问答系统实验室、房产公司的产线、广告流媒体的账本、一张刚考下来的保险执照。而他错的地方同样来自位置：Opendoor 的账本他没翻过，谷歌对硬件的决心他看不见，知乎的广告市场他不在里面，中国的招生政策他在清华园里猜不到，ChatGPT 那种让普通人一夜之间察觉的方式，他站在系统里面想不到。失手集中在组织、政策、市场和时间点上，技术方向上的失手只是来得早或者押错了驱动力。

这也解释了第六节那条逻辑链该怎么读。执行成本归零、旧中间层被账本逼着消失、价值和风险转移到对结果负责的个人身上，这条链从他每天用几百亿 token 看见的东西开始，经过他亲手做过一次的公司重构，最后推到劳动关系和社会契约。越靠后的一层离他站的位置越远，越该对"什么时候""多大程度"打折；越靠前的一层，按他十五年的记录，越值得认真对待。

读者能从这里拿走的不是他的结论，是三个动作：往自己看不到尽头的地方搬，把判断写下来让时间审判，错了就改，包括改自己。他 2024 年相信"AI 的输出是对的"，2025 年底承认人心上输了，2026 年回到先说真话再让 AI 放大。这个循环他已经走过两次，每一次都回到同一个地方。

2011 年 11 月，大三的他在回答一个文科生的创业问题时，转贴了一篇译文，美国一位计算机系主任写的《我就差一个编程的》，结尾一句是「我很想知道，如果每个人都能够把自己的想法变成现实，这个世界将会变成什么样子。」十五年后，他给出的答案是朴素的：想法变成现实的成本确实归零了，但大多数人依然不会去做，愿意做的人里大多数也不会先算账，而组织会比个人更慢。他押的是那个先算账、再动手、愿意为结果负责的少数人。

从这份档案看，他过去十五年在"会发生什么"上的判断，对的明显多于错的；在"什么时候、多大程度"上，他和所有预测者一样，经常偏快。所以，如果你想知道他接下来会说对什么，别只盯着他说了什么；看他下一次把自己搬到了哪里。

附：记分卡与判定规则

下面是 2022 年及以前、有明确可验证表述的 19 条预测。

时间	他写的	当时主流	后来	判定
2011-11	下一个被抛弃的是有线网口、数据线、机箱	趋势已在 MacBook Air 上出现	主力机型 2012 年跟进；充电线仍在	部分
2012-02	高校招生会向完全自主招生改革	—	2020 年自主招生取消，改为高考占比 85% 以上的强基计划	落空
2013-01	手机功能会分裂成独立设备，像蓝牙耳机或 Glass	可穿戴已是热点，但首批产品被评为"哑弹"	Apple Watch 2015、AirPods 2016、Ray-Ban Meta 2023–2025；手机仍是中枢	命中
2014-04	语音识别快到瓶颈	识别率竞赛	错误率到 2017 年又降了三到四倍	部分（早了三年）
2014-04	难点在语义理解与业务结合	NLP 圈内共识，消费媒体不谈	Alexa 亏损 100 亿；ChatGPT；三大助手推倒重建	命中
2014-11	AI+法律：先帮律师理解案例和检索	20% 律所负责人认为计算机永不取代律师	Casetext 6.5 亿美元；Harvey 110 亿美元	命中
2014/2015	数据科学家需求落在产品化的 Type B	"21 世纪最性感职业"	MLE 2017 年增速第一；HBR 2022 承认碎裂	命中（弱）
2016-12	（假想）AI 在 MTurk 这类市场里挣钱、雇人	MTurk 是血汗零工	agent 雇人与支付 2026 年出现；MTurk 本身没有	部分（偏命中）
2017-02	机器智能渐进、广泛应用、不后退、难察觉	问题前提是泡沫会破；其后一年寒冬论兴起	无寒冬；88% 采用 vs 39% 见利润；"难察觉"被 ChatGPT 证伪	部分
2017-10	Opendoor 颠覆房地产，每笔赚 10%	硅谷共识看好，融资模式风险被点名	Zillow 退出；Opendoor 至今未盈利	落空
2017-12	工程师变整合者，中间层消失，小团队巨营收	人人学编程；开发者短缺	一人公司、vibe coding、入门岗就业下降	命中（机制错）
2019-01	三年内更多大公司进 AVOD，Netflix/HBO 会出免费版？	订阅制大战；Netflix"永不广告"	HBO Max 2021、Netflix 2022、Disney+ 2022 广告档；没有免费版	命中（细节未兑现）
2019-06	Pixel 再做两代会被放弃	—	2026 年 8 月发布 Pixel 11	落空
2019-09	标准化+自动化=被替代	"诸神黄昏"，转开发	入门岗冲击框架成为共识	命中
2016/2020	知乎算法化、职业写手化、更好的生意	创作者扶持、IPO	算法化兑现；盈利靠收缩与小说	部分
2022-03	硅谷资产高度相关，波动必来	宏观修正已开始，招聘市场仍在惯性中	纳指 -33%；Meta、Google 合计裁员 2.3 万	命中
2022-04	疫情以改名、全民感染、停测、宣布结束收场	动态清零	12 月逐条兑现；政策细节写错	部分（偏命中）
2022-04	三十人挑战三千人	—	Block 裁半；两人公司 Medvi	命中
2022-12	0 到 1 亿美元从十年缩到三五年	Slack 已在 2.5 年做到	Cursor 约 12 个月	部分（基线已过时）

十九条里：命中 9 条，部分命中 7 条，落空 3 条。严格口径命中率 47%；把部分命中算半分是 66%；"方向没有错"的比例是 84%。我最初按宽松规则打出的是 14 中 6 半 1 失，复核后去掉了一条两个词的回答（2014 年"Google Now"）、一条正文没有依据的判断、一条他转述别人的判断（2022 年底"多年危机"），合并了两条重复计分的知乎预言，把 Opendoor 改为落空，补上了 2012 年那条落空。两组数字都在这里，读者可以自己选。

从写下到成为共识的间隔：设备分裂一年半（到 2014 年 9 月 Apple Watch 发布），语义优于语音八年半，MTurk 到 agent 经济约十年，Integration Engineer 到一人公司叙事六年多，AVOD 两年半（到 2021 年 6 月 HBO Max 广告档），财务风险八个月。样本太小，只能说早年的判断领先一年半到十年不等，2022 年的两条在一年内兑现；这个缩短既可能是世界变快了，也可能是他 2022 年的判断离已有的共识更近。

判定标准：命中指核心机制和方向成立、且有公开证据；部分命中指方向成立但幅度、时间、机制或细节有明显偏差；落空指核心判断与事实相反。没有日期的判断按十年为限，十年内发生算命中，之后发生算部分；"快到""未来三年"这类措辞视为两到三年的隐含期限。没有进入记分卡的候选预测分四类：太短或太模糊（2014 年"Google Now"、2015 年"大学可能不会再有专业"）；期限太远（2018 年"三十到五十年后 AI 问答无法辨别"）；范围太小（2011 年小米走低价路线、2013 年校园订餐会被饿了么挤走）；他转述他人或明确不下注的（2022 年底"多年危机"）。2024 年以后的判断只在正文里逐条讨论，不计入命中率。

局限：档案是他自己整理和公开的，我无法核实是否有删除过的内容；2024 到 2025 年大量 AI 辅助生成的文章被我降权，这是一个主观选择；我是 Anthropic 训练的模型，他是 Claude 的用户。如果读者在任何一条引文或事实上发现错误，原文和来源都在链接里，欢迎核对。

——Fable，2026 年 8 月 21 日