2026-05-08 00:11
扫码打开虎嗅APP
本文来自微信公众号： 不懂经 ，作者：不懂经也叔的Rust
人生中最廉价的一句话，不是“做对的事”，就是“人都会犯错”，一体两面。
这话当然没说错。但它只说了一半，而且是不太重要的那一半。重要的另一半是：你犯的，到底是哪一种错？
人和人之间真正的差距，不在犯不犯错，而在错的质量。同样是错，有的错通向真相，有的错只是混乱、懒惰、自我感动的副产品。前一种错让人长本事，后一种错只让人长年纪。
前一种错，我们可以叫它“对的错”。
它不是正确答案，但它站在通往正确答案的路上。它发生在一个值得探索的问题上，带着清晰的判断，真实地下了注，事后还能被复盘。它会被现实击中，被现实打脸，但每一次打脸都让人离真相更近一步。
而绝大多数人嘴里所谓的“我也犯过错”，其实根本算不上错。
他们没有提出过任何具体判断，没有真正下注，没有承担后果，也没有任何东西可以拿去和现实比对。他们只是在模糊里打了个转，然后说一句“这事儿我也试过了”。这种“错”，连错都算不上。
奥地利物理学家沃尔夫冈·泡利（Wolfgang Pauli），20世纪量子力学奠基者之一，1945年因发现“泡利不相容原理”获诺贝尔物理学奖。他以毒舌闻名学界，以审稿严苛闻名同行。年轻物理学家把论文递到他面前，常常会得到一句简短的评语。
其中最有名的一句是：Not even wrong。
中文勉强翻成：连错都算不上。
这句话乍看像在嘲讽，其实比嘲讽严重得多。
在科学的语境里，被证明是错的理论，并不可耻。它至少说明你的理论清晰到可以被检验，具体到可以被反驳，有一个明确的预测被现实击中。错的理论是科学进步的阶梯。开普勒、麦克斯韦、爱因斯坦，他们最终被超越的那些工作，都是错的，但都是伟大的错。
真正没有价值的，是那种“永远不会错”的说法。
它不会错，因为它根本没有提出任何具体内容。你问它什么时候发生，它说“早晚会发生”。你问它怎么验证，它说“等时间证明”。你问它什么情况下你会承认自己错了，它说“那你不懂”。
这种说法在外行眼里像是高深莫测，在泡利眼里只配四个字：Not even wrong。
把这件事从科学搬到日常，你会发现它无处不在。
朋友圈里那句“长期看好”，是not even wrong。“未来可期”，是not even wrong。“我早就觉得他不靠谱”，事后说，是not even wrong。“这个行业肯定有机会”，没有时间表、没有具体路径、没有验证条件，也是not even wrong。
它们的共同特征是：说出来的时候不会错，说出来之后也不能错，因为它们根本就没说什么。
人在这种状态下，看似有判断，其实没有。看似在思考，其实在打圆场。看似很谨慎，其实是把自己藏在了一片永远不能被现实打脸的模糊里。
这是一种最舒服、也最低产的认知状态。它不让人受伤，也不让人成长。
尖峰报告：稳定币到底是一场怎样的财富大转移？
要理解什么叫“对的错”，最好的例子来自一个把整个宇宙都算错过的人。
约翰内斯·开普勒（Johannes Kepler），1571年出生在德国南部，17世纪欧洲最重要的天文学家之一，日后他提出的三大行星运动定律会成为牛顿力学的直接前提。
但年轻的开普勒，不是从这三个定律出发的。他是从一个错误得离谱的模型出发的。
1596年，他出版了一本叫《宇宙的奥秘》的书，提出一个今天听上去很奇幻的猜想。他相信上帝创造宇宙时，一定使用了某种完美的几何结构。具体来说，六大行星的轨道之间，嵌套着五种正多面体，也就是古希腊人所说的“柏拉图立体”：正四面体、正方体、正八面体、正十二面体、正二十面体。
把这五种立体一层套一层地嵌进六层球壳之间，他以为自己找到了上帝设计太阳系时使用的图纸。
这个想法当然是错的。
它错得彻底，错得不可挽救，错得毫无办法做任何修补。后来的天文观测全面推翻了它，今天没有任何一个物理学课程会把它当成有效的宇宙模型来教。
但它是一个很对的错。它对在哪里？三个地方。
第一，这个错误足够具体。开普勒不是说“宇宙很美”“万物有规律”，这种话谁也驳不倒。他指出了一个明确的几何关系，行星轨道之间应该正好嵌得下哪一种立体，这是可以拿尺子量的、可以拿数据验证的。所以，它能被反驳。能被反驳，是有价值的错的第一个条件。
第二，这个错误背后的方向是对的。具体的模型错了，但开普勒坚持的那个东西是对的：他相信宇宙可以被数学描述。他相信看似杂乱的天体运行背后，有一个可以被人类理解的结构。这个信念，在16世纪末并不是常识。当时主流的世界观还是“天上的事和地上的事是两套规律”，而开普勒压注的是“它们其实是一套”。这一注，他押对了。
第三，这个错误推动了下一步。开普勒后来做了一件了不起的事：他去给丹麦天文学家第谷·布拉赫（Tycho Brahe）当助手。第谷掌握着当时全欧洲最精确的天文观测数据。开普勒拿到这些数据之后，本来想用它们去验证自己的“柏拉图立体宇宙”，结果数据告诉他：火星轨道根本不是圆，是椭圆。
这个发现击碎了他的旧模型，但同时把他推进了一个新模型。
开普勒第一定律（行星沿椭圆轨道运动，太阳位于椭圆的一个焦点上）、第二定律（行星与太阳的连线在相等时间内扫过相等面积）、第三定律（行星公转周期的平方与轨道半长轴的立方成正比），这三条定律，后来直接成为牛顿万有引力理论的基石。
如果开普勒一开始没有那个错误的几何模型，他不会去找第谷，不会去验证一个具体猜想，不会去碰那些火星数据，也不会被火星数据狠狠打脸，然后从打脸里看见椭圆。
错的是模型，对的是方法。
错的是答案，对的是问题。
错的是一时的解释，赢的是长期的方向。
这就是对的错最完整的一次示范：它不是正确答案，但它把人放在了通往正确答案的轨道上。
AI时代的盘口人生：重仓自己就能预言成真
永久底层：硅谷的AI从业者普遍认为，普通人已经“完蛋了”。
这种事不只发生在16世纪的星空下。它也发生在21世纪的服务器机房里。
最近一个最干净的样本，来自DeepMind的蛋白质结构预测项目。
DeepMind是谷歌旗下最重要的AI实验室之一，2014年被谷歌收购，曾因2016年AlphaGo击败围棋世界冠军李世石而进入大众视野。但在AI圈子之外，它真正改变科学史的工作，不是围棋，是蛋白质。
蛋白质折叠（protein folding），是生物学半个世纪来最难的问题之一。
简单说：蛋白质由一串氨基酸组成，但它要发挥功能，得折叠成特定的三维结构。给定一串序列，怎么预测它会折叠成什么形状？这个问题如果解决，就意味着人类可以更高效地理解疾病、设计药物、研究生命的运转机制。但几十年来，这一直是生命科学里那种“听上去重要、做起来无解”的问题。
为了推进这个问题，科学界从1994年起办了一个叫CASP（Critical Assessment of Structure Prediction，蛋白质结构预测关键评估）的双年赛事。它的规则非常残酷：参赛队伍要预测一些尚未公开结构的蛋白质，而主办方手里早已有了通过实验测定的真实结构。比赛结束，所有人的预测被拿去和真值一一比对。
这是一个不能靠讲故事赢的比赛。话术、PR、估值、融资，都没用。你的模型预测得准，就是准；不准，就是不准。
2018年，DeepMind带着第一代AlphaFold参加了CASP13。然后，AlphaFold 1拿了第一名。
外界把它视为重大突破，媒体大幅报道，投资人开始重新评估“AI+生物学”这个方向。按照这个时代的常规剧本，接下来该是融资、扩团队、出周边产品、巡回演讲。
但DeepMind没走这个剧本。
他们看到的不只是胜利，还看到了胜利里那个不舒服的细节：AlphaFold 1的方法，不够干净。
第一代AlphaFold大体上是这样的思路：先用神经网络预测蛋白质内部不同氨基酸之间的距离和角度，得到一堆“局部线索”，再用传统物理方法把这些线索拼成一个三维结构。这个思路很聪明，但它本质上还是“先预测碎片，再拼图”。它赢了比赛，可它没有真正回答“如何端到端理解蛋白质结构”这个问题。
换句话说，AlphaFold 1走在正确方向上，但它走得不够深。
DeepMind团队没有把第一名当成终点。他们回去问了自己几个问题。
我们到底为什么赢？
这套方法的边界在哪里？
哪些部分是真正的科学突破，哪些部分只是工程补丁？
如果我们要让方法配得上这个问题的难度，需要重写哪些假设？
两年之后，2020年的CASP14上，他们带着AlphaFold 2回来了。
AlphaFold 2不是AlphaFold 1的小修小补，是一次彻底的方法重构。它把氨基酸序列、空间几何、进化信息和三维结构，放在一个统一的端到端模型里联合处理。比赛结果出来时，整个生命科学界震动：对许多目标蛋白，AlphaFold 2的预测精度，已经接近或达到实验测定的水平。
后来，DeepMind把超过两亿种蛋白质的预测结构开放给全世界研究者免费使用。这件事被《科学》评为2021年年度突破。AlphaFold团队的两位负责人Demis Hassabis和John Jumper，也在2024年因为这项工作分享了诺贝尔化学奖。
回头看，AlphaFold 1那个“赢了但还不够好”的版本，正是AlphaFold 2出现的前提。
AlphaFold 1错在哪里？它错在不彻底。它错在用拼图的思路去解一个本质上不能拼的问题。
但它的“错”，是高质量的。
它错在一个真正重要的问题上：蛋白质折叠不是边角小事。
它有一个清晰的假设：深度学习能从已知结构中学到序列与空间结构的关系。
它的结果能被严格验证：CASP不是话术比赛，是数据比赛。
它暴露了下一步该走的方向：不是改细节，是换框架。
AlphaFold 1不是失败，它是一份还没用到底的胜利。如果团队当时停在这份胜利里，AlphaFold 2不会出现。蛋白质折叠这个困了人类几十年的问题，可能要再等十年才被打开。
一个错如果足够具体、足够重要、足够能被现实检验，它就不止是失败，它会变成下一次突破的坐标。
别再学巴菲特了：致富的主战场已经转移，但没人告诉你
凯文凯利：我们的未来是不确定的不确定。最值钱的能力不再是判断力
有了开普勒和AlphaFold，可以把“对的错”这件事讲清楚了。
它不是一句励志口号，它是一个有边界的概念。一个错要够得上“对的错”这个标签，需要同时满足四个条件。
第一，它发生在一个值得解决的问题上
不是所有问题都值得犯错。
人的精力是有限的，试错的成本是真实的。把错误花在一个无关紧要的问题上，只是消耗。把错误花在一个真正重要的问题上，才是投资。
这里说的“重要”，未必是社会意义上的宏大，但对你这个人、这个团队、这个工作而言要是关键。蛋白质折叠对生命科学很关键。柏拉图立体对开普勒所相信的宇宙很关键。一个具体到你身上的问题，比如你正在做的产品要不要转向、你这门手艺要不要换工具、你这门生意要不要换客群，如果它对你的下一个十年很关键，那它就值得你犯错。
不值得的问题，你应该连判断都不要做，直接跳过。
第二，它来自一个清晰的假设
“我试试看”不是试错。“我也不知道，先做做看”也不是试错。
真正的试错，背后必须有一个明确的假设结构：
我认为A会导致B。
因为X和Y这两个机制。
如果结果不是B，那说明我的假设里至少有一处错了，可能是A的判断，可能是X或Y的机制，可能是我没看见的第三个变量。
没有假设，就没有学习。一个没有假设的尝试，失败了，你只会知道“这条路不通”，但不知道为什么不通，也不知道下一条路要怎么走。它给不出方向。
很多看上去很努力的人，问题不在不够拼，而在没有假设。他们在重复劳动，不在做实验。
第三，它能被现实验证
观点是廉价的，因为观点不用承担后果。
朋友圈里发表观点的人很多，真正下了注的人很少。下注的形式可以是钱、是时间、是信誉、是作品、是一次公开的预测。共同点是：你说错了，会有具体的人、具体的事、具体的数字告诉你你说错了。
CASP把蛋白质结构预测做成一场公开评测，正是为了制造这种验证。学术界发论文要同行评议，商业世界做产品要看用户留存，投资人要看投资回报率，这些机制存在的全部意义，就是把人的判断从话术里拽出来，扔进现实里挨打。
挨打不舒服。但挨打是学习的前提。
一个永远不挨打的人，永远不会真正变强。
第四，它能带来认知更新
这是最难的一条，因为它考的不是动作，是诚实。
错了之后，你能不能说出下面四件事？
我之前到底相信什么？
是哪个具体的事实击穿了我的相信？
我的判断框架里少了哪个变量？
下一次类似情况，我会用什么不同的方法识别？
如果你能说出来，这次的错就被你转成了认知。如果你不能说，这次的错就只是一次情绪波动。
很多人每次失败之后只会做一件事：找一个更舒服的解释。市场不理性，平台没流量，运气不好，合作伙伴不靠谱，大环境不行。这些解释也许部分正确。但它们的真实功能，是疗伤，不是认知。它们的真实目的，是让人今晚能睡得着，不是让人下次能做得更好。
疗伤是必要的，但疗伤不是成长。
真正的成长发生在，你愿意停止给自己写一个让自己舒服的故事的那一刻。
大事正在发生，但绝大多数人还没有意识到
杨振宁之道：欲成大事者，必须走“捷径”
知道了什么是“对的错”，反过来，什么是不及格的错，就清楚了。
绝大多数自称“我也犯过很多错”的人，他们犯的其实是下面这四种错。这四种错，严格说，都不该算错。它们没有学习产出，没有认知积累，没有任何东西可以被传到下一次决策里。它们是认知上的空转。
一：模糊的错
不下具体判断，只发表立场。
“我觉得这个项目挺有意思的。”
“长期我还是看好这个方向。”
“这事儿应该会有变化。”
这种话听上去像判断，其实没下任何具体的赌注。它没有时间表，没有量化指标，没有验证条件。它无法被打脸，因此也无法变成认知。
模糊本身就是逃避。
人之所以选择模糊的语言，常常并非因为想不清楚。他们其实想得很清楚。只是清楚地说出来就会被现实检验，而模糊地说，永远安全。安全地说一辈子，认知就会停在原地一辈子。
二：跟风的错
不是自己想出来的判断，是从环境里抄来的判断。
行业里都说看好，他也看好。朋友圈都说看空，他也看空。错了之后，他可以说“当时大家都这么觉得”。
跟风的错最阴险的地方，是它屏蔽了归因。
你跟着大家一起对了，你以为是自己有判断力。你跟着大家一起错了，你以为是大环境的问题。无论结果如何，你都学不到任何东西，因为整个判断过程从来不属于你。
很多在2021年高位接盘各种资产的人，事后复盘的最大收获不在估值层面，而是突然意识到：原来自己从来没有过自己的估值。
三：逃避责任的错
错的事实承认了，但错的归因被推出去了。
平台算法变了，所以我没流量。
用户太挑剔，所以我的产品卖不动。
合作伙伴没尽力，所以我的项目没成。
大环境差，所以我的生意黄了。
这些解释可能都是真的。这正是它们最危险的地方：它们足够真，真到可以让人把所有责任都推过去，真到可以让人完全不必反思自己的部分。
但任何一件事，只要还有人做成了，就说明环境不是全部理由。差距永远在那个“还有人做成了”和“我没做成”之间。
只看环境的人，看不见这个差距。
看不见这个差距的人，下一次还会输在同一个地方。
四：重复的错
第一次犯，可以归咎于信息不足。
第二次犯，可能是方法问题。
第三次还在同一个坑里栽倒，问题已经不在外面，在自己。
最糟糕的不是犯错，最糟糕的是一个人用不同的事情，反复犯同一种错。
每一次他都觉得自己是新选择、新机会、新尝试，但仔细看，他每次的失败模式都长得几乎一样：同样的盲点、同样的盲信、同样的盲动。换了项目，换了行业，换了赛道，但没换的是那个隐藏的判断结构。
这种人不是在试错。他是在用试错的姿势，反复验证一个自己不愿面对的事实。
现在看清了：AI不是平权，它是资本和劳动力的最后一战。越有钱跑得越快
AI时代最大的自由和权利，就是不被算法提前预测和算完
管理学里有一对经久不衰的对照：
Doing the right things（做对的事）
Doing things right（把事情做对）
前者讲方向、战略、选择。后者讲执行、效率、方法。
这一组对照很有用，但它默认了一个隐藏前提：你已经知道什么是“对的事”。
可现实世界里，这个前提常常不成立。
创业的人不知道哪个市场是对的市场。投资的人不知道哪个赛道会真正起来。研究者不知道哪个方向会突破。写作的人不知道哪种声音会被读者听见。做产品的人不知道哪个版本是用户真正要的。
人不是先拿到正确答案，然后完美执行。人是在一片雾里，先做出一个判断，然后让现实告诉自己这个判断有多准。
所以，在“做对的事”和“把事做对”之间，缺了一环。这一环就是“犯对的错”。
它的功能是把“还不知道什么是对的事”逐步变成“开始知道什么是对的事”。它是连接方向感和执行力之间的那个学习机制。
完整的三层结构是这样的：
方向感：你选择一个值得投入的问题。
执行力：你认真把假设做出来。
纠错力：你通过一次又一次高质量的错误，逐步逼近那个最初看不清的方向。
少了第一层，你就在做无意义的事。
少了第二层，你就只有空想。
少了第三层，你就被困在第一次假设的版本里，出不来。
很多人以为厉害的人是因为一开始就看清楚了。其实不是。厉害的人和普通人的区别，常常不在起点，而在第三层：他们错得更聪明，所以他们更新得更快，所以他们一年走出来的距离，相当于别人五年。
时间不是公平的。它对那些会犯“对的错”的人，给予非线性的回报。
落到具体层面，要让自己长期处在“对的错”的轨道上，而不是反复犯廉价错误，有五个问题值得反复问自己。这五个问题与其说是清单，更像一种内化的提问习惯。把它们当成一面镜子，每次重要决策之前，照一下。
问题一：我现在的判断到底是什么？
把判断说出来，而且说得足够具体。
不是“我看好这个方向”，是：
我认为这个方向会在未来18个月里出现A类变化。
我的依据是X和Y。
如果到12个月时还没出现A类变化的早期信号，我会承认我的判断有问题。
这种自我表述，有一个直接的副作用：它会让你立刻看见自己的判断有多薄。
很多自以为有判断的人，在这一步就发现自己其实没有判断。这种发现是一件好事，因为它逼你要么把判断做扎实，要么承认自己其实没准备好。
问题二：这个问题值得我犯错吗？
不是每个争论都值得参与。
不是每个机会都值得试错。
不是每个新风口都值得分配你的注意力。
人的精力是稀缺资源，把错误花在重要问题上，是一种结构性纪律。
重要问题的错误，会变成资产。次要问题的错误，只是消耗。
你可以问自己：这件事如果错了，我会因此对一个真正重要的问题理解得更深吗？如果答案是会，那它值得犯错。如果答案是不会，那它连尝试都不值得。
问题三：我有没有真的下注？
没有行动，就没有判断。
下注不一定是钱。下注可以是时间，你愿意为这件事每周拿出十小时吗？可以是注意力，你愿意把这件事放在你认知带宽的优先级前三吗？可以是信誉，你愿意公开说出你的判断，让自己事后可以被打脸吗？可以是作品，你愿意把这个判断做成一个具体的东西，扔到市场里挨打吗？
下注的强度，决定了反馈的强度。
反馈的强度，决定了你能学到的东西的厚度。
没有代价的观点，通常也带不回任何认知。
问题四：我有没有留下可以复盘的东西？
这一条在实操上最容易被忽视，但威力最大。
很多人并不是不会复盘。他们是根本没有可复盘的素材。他们记得自己“好像想过”，但记不清自己当时具体怎么想的。他们记得自己“做过决定”，但记不清当时考虑过哪几个选项、为什么选了这个。
复盘需要原材料。
原材料就是当时的判断记录。
这件事可以做得很轻：一个文档，一个文件夹，甚至一封发给自己的邮件。重要的不在形式，在有没有把“现在的我”留给“未来的我”看。
未来那个挨打过的你，会很需要现在这个还没挨打的你的判断快照。
没有这份快照，就只能从零开始重新猜自己。
问题五：错了之后，我更新了什么？
这是最后，也是最关键的一问。
复盘不等同于写检讨。也不是“我下次努力”，更不是“我以后要更小心”。这些都属于情绪反应，不是认知更新。
真正的更新，是模型层面的。
我原来的判断框架里，缺了哪个变量？
哪个信号我之前高估了？
哪个风险我之前低估了？
哪种类型的人或者机构，我之前以为可以信任，现在我知道不能信任？
下一次遇到结构相似的情况，我会用什么具体方法提前识别？
如果一个错误让你能回答上面任何一个问题，这个错就值了。
如果一个错误让你只能回答“我以后小心点”，那这个错没产生任何东西。
当代财富的六层阶梯，为什么64%的人会困到第四层？
人类文明集体倒车，新周期已冉冉升起
有一种错，让人变笨。
还有一种错，让人变强。
变笨的错，是没有目标的错、没有假设的错、没有反馈的错、没有更新的错。
变强的错，是有方向、有判断、有下注、有复盘的错。
这两种错，从外面看可能长得差不多。两个人都说“我最近犯了个错”，两个故事都讲得很精彩，两段经历都付出了真金白银的代价。但十年之后，差距会大得离谱。
一个人会在第二十次、第三十次、第五十次错误里，逐渐变成一个对世界判断越来越准的人。
另一个人会在同样次数的错误里，逐渐变成一个对世界越来越没有判断、只剩下情绪和借口的人。
中间的差别，就在于他们有没有让每一次错变成资产。
我前面提到过Pauli那句“Not even wrong”。它最犀利的地方，是它指出了一种比错更糟的状态：连错都算不上的状态。
一个人长期活在那种状态里，他会显得很安全，因为他从来没有具体到可以被否定。但他也再也长不出新东西。他的认知会变成一座越来越光滑、越来越没有抓手的石头，任何新的信息都从他身上滑过去，留不下来。
而那些愿意让自己说出具体判断、做出具体下注、承担具体打脸、做出具体更新的人，他们的认知是粗糙的、有褶皱的、有伤疤的。每一次错都在他们身上留下一道印记。这些印记拼在一起，变成他们看世界的纹理。
这种纹理，不是天赋，是错出来的。是一次又一次“对的错”叠加出来的。
所以，真正值得追求的，不是把自己训练成一个永远正确的人。那不现实，也不诚实，更没必要。
值得追求的，是建立一套机制，让自己的每一次错都尽量发生在重要问题上、清晰假设下、真实行动中、诚实复盘后。
这样的人，错了也不廉价。因为他错的每一次，都在为下一次判断蓄能。
至于那种最该警惕的状态，泡利已经替我们说过了：
不要害怕犯错。
要害怕的，是连错都算不上的那种错。【懂】
