复利是超线性回报的一种机制:上一轮的积累让下一轮回报更高,回报就不再与投入成正比;但复利不会自动发生,需要地基和持续投入才能兑现。
AI根据立正公开的文章和视频整理,不是他本人回复。重要的判断,请回到出处核对。
复利是超线性回报的来源之一
超线性回报被拆成两类机制:一类来自复利,一类来自阈值。复利的意思是,上一轮做得好,会让下一轮更容易做好——学得越多,继续学越快;早期用户会带来更多用户。阈值的意思是,很多事在跨过临界点前几乎看不到回报,跨过去后结果突然改变。所以复利不是超线性的同义词,而是它的一条具体路径;另一条路径是熬过平坦期后跨过阈值1。
这也解释了为什么超线性回报听起来像抽象概念,机制却很简单:今天做的事不只产生今天的结果,还会提高以后每一步的回报。一个判断经过现实检验变成更好的世界模型,一次学习变成可复用的能力,一次行动留下作品或工作流,这些东西开始彼此放大,增长就不再只是时间和投入的简单相加2。
复利要变成超线性,得先有地基
这种复利不会自动发生。如果每卖一次会员都要人工确认权限,每次上新课程都要重新解释产品关系,每个新成员都要自己找入口,每篇好文章几天后就沉进信息流,那么业务仍然是线性的:做一份得一份,停下来增长也停。地基的作用是让今天完成的工作继续帮助明天,把一次性动作变成长期能力——一次问题处理留下可复用的规则,一篇文章进入可搜索的知识系统,一次购买正确触发身份、权限和后续服务。只有这些东西能持续积累,坚持才不必完全靠意志力;也只有坚持足够长,超线性回报才有机会出现3。
换句话说,复利描述的是“回报会叠加”这个方向,地基和持续投入决定这个方向能不能真的发生。没有可积累的载体,努力被切碎,只会变成忙,不会变成增长3,1。
关于复利与超线性关系的直接论述主要来自《真正难懂的建议:把一年押在一件事上》和《想获得超线性回报,先打下可以坚持的地基》,其中对 Paul Graham 观点的引述保留原归属。
出处
- 1真正难懂的建议:把一年押在一件事上
明确把超线性回报拆成复利与阈值两类机制,是理解两者关系最直接的段落。
- 2我们要做一个年费会员社区,叫 Stay Superlinear
用更凝练的方式解释超线性增长的含义:今天的事提高以后每一步的回报。
- 3想获得超线性回报,先打下可以坚持的地基
说明复利为何不会自动发生,以及地基如何把一次性动作变成可积累的长期能力。
你也有想问的?
卡住的时候,问问立正:回答附有出处,可以点回原文核对。
也可以接着问:
别人还问了
- 我是一名制造业的 HR,现在想要转型到智能制造、相对高端的智能硬件制造,甚至是 AI 行业继续做 HR。
我最常听到的一个说法是,人事应该更加懂业务、更加靠近业务,才会有不会被 AI 取代的价值。包括在很多求职过程中,候选人都会被面试官问:“你懂不懂业务?你知不知道什么叫懂业务?你知道这个业务是什么?”
所以我想知道的是:所谓的“懂业务”,到底什么是懂业务?怎么去懂业务?达到什么样的程度才能被称之为懂业务?
拿我之前的一次面试做例子。我当时面的是 PCB 行业,相当于跨行业了,因为我之前是在汽车零部件行业做的。当时面试官问我,生产过程的流程是怎么样的,分了哪几道工序,以及其中哪些是最重要的。但是回头思考了一下,好像的的确确很少去认真思考过所谓的业务到底是怎么样的。我个人的认知是,我们需要思考以下几个问题:
1. 我们公司到底做的是什么产品?它的定义是什么?
2. 它有哪些工作流程?流程当中哪些东西是比较关键的?
3. 这个产品在市场上的发展情况是怎么样的?还有没有增长的空间?
4. 我们公司擅长做什么样的东西,不擅长做什么样的东西?这些东西未来的市场又是怎么样的?
但是我始终得不到一个比较准确、有参考价值的系统性答案。你觉得呢?
“懂业务”不是背下工序名词,而是能判断业务结果的好坏、分清主次,并对结果负责;对 HR 来说,就是能把招聘、绩效、组织设计等动作和业务成败连起来。
- 文职工作,比如写剧本之类的会被ai替代吗,特别是还没入职的,也没有自己的一个判断力和积累
写剧本这类文职不会被AI整体抹掉,但“只负责把已有材料写成通顺文字”的那一层会最先被压价;还没入职、判断力没积累,恰恰该从做小东西开始积累,而不是先等想清楚。
- 你有说过很多关于人如何成为超级个体,如何更加 AI native。我们在做事的时候,特别是在企业内做事,在 AI 的时代,可能要思考新的流程、新的方法,要对原本的流程做变革。因为很多事情在以前的生产力的关系,它可能由于成本太高,形成某些共识,潜移默化地影响了做事的方式。到现在很大部分的生产力被解放出来,由 AI 提供,很多问题要重新思考,很多可能之前默认的事情都要被翻出来,重新想要怎么做,这个流程怎么做才合适。所以这里要问很多的"Why?",并且对这个流程做重构。个人成为超级个体和 AI native 组织这两件事情本质上是等价的。因为组织就是由人来构成,在一个超级 AI native 的组织上工作的方式一定有 AI native 的人的行为组成。所以我想了解,之于企业、之于人,在企业中我们的流程、我们的做事方法应该怎么被改变?我们的思考方式应该怎么被改变?AI 的价值在什么地方?除了做事方式之外,还有什么其他是需要配合改变的?例如企业内的奖惩制度、绩效制度等等,这些应该怎么样一起去做变革?
AI 进入企业后,先要删掉那些只为防人、只为验收动作而存在的流程,再谈用 AI 提速;同时把激励改成让减少无效工作的人真正获益,否则流程会重新长回来。
- 课代表在如何获得与能力相称的影响力,这期访谈视频中,提到了不要只去设想把一件事情做完之后获得的成就感,而是要思考在完成这件事情的过程中所获得的,这个说法之前是否在其他视频中提到过?如果有,请列出视频;或者有没有其他的和这个观点一致的内容?
现有片段里没有找到立正此前用同一说法讲过“别只想着做完后的成就感,要看过程中的收获”;最接近的是他讲手艺与mastery时强调在做的过程中获得正反馈,以及课程里主张在项目落地过程中学架构原则。
- 课代表你好,如何要在公司内部host AI 生成的html,如何做更好,希望搜集用户反馈,也需要可以有聊天功能
资料没有直接讲公司内网托管 AI 生成 HTML 的部署方案,但立正做个人主页的经验可以迁移:人定目的、事实边界和品味,AI 负责把它做成能上线的东西,每轮看改动再放行。
- Product case题的时候 是给框架结构更重要 还是找面试官要信息更重要? 比如问题是traffic drop 这时候应该说我会1.2.3.4.列框架一个个validate还是问她有没有更确切的drop这样我直接删除掉一些假设
先问清楚再展开,但问的方式是带着假设去确认,不是空手要答案。Product case考的是解决问题,框架只是帮你抓重点的工具,用错框架比少列几条更糟。