3月21日，英偉達CEO黃仁勳強調AI的“iphone時刻”來了；3月24日，OpenAI又發佈更新，ChatGPT可聯網，可以集成第三方插件，網友直呼這是AI的“APP Store時刻”。

全新時代已然到來。作爲企業管理者和職場人士，現象背後，你更應該關注的是如何發現新機會，因此你需要——投資人視角。

今晚，混沌請來了Fusion Fund創始合夥人、硅谷著名投資人張璐來到混沌直播間，與大家分享如何看待AI大爆發時代的商業機會。張璐的投資決策相當精準，包括了早期對馬斯克SpaceX的投資。

張璐老師認爲，像混沌的很多學員，大家的公司雖然說沒有大到幾十億美金，但可能現在已經在行業有一定積累的階段，其實這類公司最受益的。讓我們一起跟隨硅谷創投女神，客觀冷靜地看待這波技術趨勢，同時抓住它最大的應用機會。

同時，張璐老師也說道，在混沌有高質量的信息獲取和思考，有各行業的高手同學交流，是一個讓人充滿好奇、保持熱情，願意不斷探索的場域。

直播嘉賓丨張璐Fusion Fund創始合夥人、硅谷著名投資人

任鑫丨任鑫混沌創新領教

01 看本質，如何正視AI爆發的時代？

任鑫：最近科技大爆發，天天工業革命，夜夜文藝復興，無數產品在發佈，每天學都學不完。您身處硅谷，會覺得這次是真的是生產力大爆發，還是又像Web3一樣只是一波熱浪？

張璐：這段時間硅谷也非常熱鬧，ChatGPT及其背後OpenAI的生成式人工智能帶來很多興奮點。從投資人的角度，任何新的趨勢來之前，我們都需要有先決的研究和理解，去看這個技術未來的發展方向，以及它的機會與挑戰在哪裏。

生成式人工智能比web3更加落地，更具有大規模商業化前景。人工智能有史以來第一次如此接近現實的商業應用，同時能夠進行如此廣泛的行業佈局，在不同的產業都有非常大的潛力。這段時間衆多開發者入場，開始基於OpenAI的API或相關平臺去進行各方面的應用開發，也是因爲它打開了這樣的可能。

當然，每次新的技術創新都會帶來一輪泡沫。怎麼保證泡沫是可控的，怎麼更理性地看待新的技術創新，以合適的價格和資金狀態去扶持對的企業和創業者，對投資人來說是非常重要的責任和挑戰。

生成式人工智能確實讓大家看到了人工智能巨大的潛力，但它也不是唯一的，一個技術無法解決所有的問題。我們一定要看到，哪些行業更適合利用生成式人工智能，它對於數據的要求是什麼？在它植入的過程中，哪些應用更能體現它的優越性，哪些應用可能會受限？這些都是從創業者和投資人的角度要去研究和明確的創新要點。

任鑫：請問這次與以往的人工智能進步有何不同之處？您認爲其中哪些部分是虛假的泡沫，哪些是真實的趨勢？

張璐：每次人工智能的發展，我最不喜歡聽到的論斷就是：人工智能會與人類競爭，甚至替代人類。人工智能本質是一種工具，需要人來使用並給出反饋。GPT4.0 版本的發佈更具先進性，因爲3.5版本後有上億用戶不斷生成數據、製造反饋。

技術浪潮中人類扮演的角色非常重要。實際上，人工智能醫生將替代不會使用人工智能的醫生，有數字化轉型工具的企業將替代沒有數字化轉型的企業。這些是技術變革帶來的產業變化和新興挑戰。

確實有一大批創業者進入了人工智能領域。那麼創業前景如何，我認爲與技術本身的發展階段，以及應用這項技術的行業相關。

第一，業內人士對於每種人工智能模型的智能程度都有很多討論，並非所有人都認爲生成式人工智能這種大型語言模型是最智能的，也還有許多其他的模型正在研究中。但是成式人工智能有非常大的優點：非常實用、易於落地，離商業化近，同時非常適合在它的基礎上建立主要的應用。這是現在許多創業者和開發者非常興奮的原因，終於可以通過技術快速地落地，做出有實際應用場景的產品。

第二，我們要選擇正確的行業來應用生成式人工智能技術，並不是所有行業都適合。GPT展示了聊天型機器人，但這並不是唯一的應用方式，圖像層面也有許多應用。如何在正確的行業中調用API並展示應用，是創業者需要思考的問題。

人工智能背後的核心是我們經常提到的大型語言模型，它需要大量高質量的數據。當API被調用到不同的行業時，爲了確保結果的準確性和一致性，我們需要專注於行業的高質量、獨特的數據庫來重新訓練模型，讓模型更加準確，可以落地到特定行業的應用中。

對於已經擁有大量高質量數據的行業，應用人工智能的機會和效率更高。兩年前，我們投資的好幾家醫療公司已經開始與OpenAI合作。我們看到了一些實際落地並可以變現的商業場景，比如製藥行業和醫療影像行業第一個生成式人工智能平臺，保險、金融、物流和供應鏈等行業也具有類似的高質量的數據量，非常適合人工智能技術的應用。

人工智能的技術是一個方面，但更具有突破性的是擁有獨特的數據。在公司做人工智能應用的過程中，獨特的數據可以很快讓公司脫穎而出，建立起自己的強大護城河，同時讓自己的應用和商業模式有區別於競爭對手的特點。

從這個角度來看，我們可以理解爲什麼很多ToC的AI很難實現。因爲ToC端的AI中用戶的數據都是雷同的，其核心競爭力在於內容。如果數據內容相似，那麼誰的數據量大，誰就能贏得競爭，那你怎麼競爭得過有海量數據的大企業。此外，ToC端的數據常常充斥着“雜音”，需要花費大量的精力去處理這些數據。

此外，過去很多敏感行業，比如醫療行業、金融行業和保險行業等都是高度監管的行業，雖然這些行業擁有大量的數據，但是分享數據可能會帶來數據隱私的連帶責任問題。

現在有一種新技術叫做聯邦學習（一種隱私計算技術），可以在一定程度上解決數據隱私的問題，讓更多的公司願意合作。因此許多醫院願意將自己的數據拿出來與人工智能公司合作，讓人工智能公司能夠更快地獲取大量高質量的數據來訓練模型，從而更快地推出商業化產品。這是非常令人興奮的一點。

對於某些行業來說，如果沒有高質量的海量數據，人工智能可能不是最適合的應用，因爲生成式人工智能的優越性可能無法得到體現。但是，人工智能技術還有很多其他的優勢和挑戰。我們可以客觀冷靜地看待這波技術趨勢，同時抓住最大的應用機會，這實際上是最好的創新點。

任鑫：除了OpenAI，您覺得人工智能領域還有哪些公司、產品以及趨勢值得我們關注？

張璐：生成式人工智能會是一個基礎設施一樣的技術，讓大家在上面去做各種各樣的應用，所以我認爲至少在硅谷，大家並沒有很強的迫切性再做一個OpenAI出來。其實有好幾家公司，包括谷歌投資了一家公司Anthropic，創始團隊也來自OpenAI。只是當時在路線層面上兩波人有一定的衝突，其實某種程度上，核心區別在於算力和數據的巨大優勢。

本身這個技術建出來，它的目的就是要成爲一個基礎設施，讓大家都可以去應用，在這個基礎之上探索各種各樣的不同的模型優化。在這個過程中，它的準確性、應用的效率性、成本的降低，都是創新關注的方向。

它是一個非常高效的工具，但不可能有一個工具可以解決你所有的問題。如果我們配套使用多種工具，可能會達到更好的效果。

生成式人工智能之外，還有另外一個方向是可解釋人工智能（expandable AI）。

可解釋人工智能非常大的優勢是可以更好地找到相關性，讓需要訓練模型的數據量大規模減少，可能需要的數據量是以往的百分之五都不到。那對於需要強相關性的商業應用，或者高質量數據不多但核心數據多的行業，又或者希望降低應用數據的成本的企業或者行業，都可以考慮這個方向。

現在有很多關於新型人工智能模型的討論，越來越多的人工智能專家和科學家都有很強的腦神經學背景，因爲對人類大腦的進一步探索，研究潛意識、意識如何協同合作形成我們現在的理性、感性以及潛意識的決策機制，未來可能會爲我們的人工智能發展帶來很多新機會和挑戰。

因此，我們不應該認爲有了一個如此強大的生成式人工智能，人工智能就達到了極限。相反，我們可能會看到更多的新模型和技術在接下來幾年內快速湧現。許多當前看起來不實用的技術可能經過未來幾年的研究後變得更加實用並商業化。

人工智能在各個應用領域中都得到應用。因此我們更應該關注投資哪些產業，比如醫療領域。醫療市場非常巨大，而且擁有高質量的數據，可以發揮出巨大的潛力。整個醫療行業正在快速推進數字化發展，包括數字化的診斷、治療、生物學和生命科學，特別是對於癌症、心腦血管疾病、認知障礙、老年癡呆、抑鬱症和躁鬱症等高度個性化的疾病而言，數字化平臺可以爲每個人提供個性化服務方案。

另一個非常重要的方向就是數字化轉型中發揮作用，尤其是第二步數據傳輸。數字化轉型有三個步驟，第一步是數據收集，第二步是數據傳輸和保護，第三步是數據處理。

現在整個產業都在數字化轉型，從數據收集開始，而且是一個良性循環。有更好的數據收集技術，我們能夠將更多的數據傳輸到數據分析端。這樣就可以生產出更好的個性化產品，再反饋到終端，產生更優質的數據。

數據傳輸現在可能處於有點卡脖子的階段，因爲我們的數據產生量非常大。儘管我們有5G技術，但這僅僅只讓帶寬擴大到了100倍，而我們的數據增長可能是幾萬倍，甚至幾十萬倍。

就像高速公路有太多的車，如果道路不夠寬敞的話，一定會有數據延遲的問題。所以大家可能看到很多的應用場景，經常會遇到反饋延遲。此外，還有能耗的問題，當你需要傳輸海量的數據到雲端，你的電腦和手機耗能都是巨大的。所以也要探討怎麼更加有效的使用能量和數據，同時降低能耗。

對此，邊緣計算技術非常重要的應用場景就是把計算挪到邊緣，不需要把所有數據都傳到雲端。有些核心數據挪到邊緣對於保護數據隱私也很有幫助，同時核心的反饋在邊緣完成，可以進行及時的反饋，不會有一個延遲性的問題。很多數據不需要傳到雲端，也在某種程度上降低了能耗。

現在，傳統的物流供應鏈、化工製造、保險金融、製藥和醫療等各個行業都在快速推進數字化轉型。現在確實是一個科技創新和落地讓人異常興奮的時代。

02 找機會，企業如何在新浪潮中崛起？

任鑫：小公司通常缺乏強大的技術儲備和數據沉澱，那麼小公司如何在這個浪潮中脫穎而出呢？混沌許多學員的公司並沒有達到千億百億規模，這些公司如何通過巧妙的方式來突圍？

張璐：首先，只有開始走向應用之後，技術才能發揮作用。第一批受益的是大型公司，特別是已經擁有成熟雲基礎設施的大公司，比如微軟等。科技創新的出現並不意味着“打倒”大公司的機會，我們必須保持警惕。

其次，與新型初創企業相比，市場上現有公司也佔有優勢。雖然混沌學員們的公司可能不是價值數十億美元的大公司，但可能已經積累了一定的行業數據和經驗，可以將這些技術直接整合到現有模型中，重新訓練數據。例如，我們合作的一家公司一直在使用人工智能做技術客服應用，OpenAI的API開放後立即進行整合，讓服務變得更加智能。

再次，像混沌的學員應該考慮如何將OpenAI的技術應用到不同的場景中。你的產品不需要整個都通過生成人工智能去支持，但你可以把它做成你產品上一個小小的特色，提供一個小的附屬產品，然後去用它增加你產品本身的數字化屬性和人工智能屬性，這就是一種人工智能的賦能。

因爲每個企業內部都有大量的數據，可以看看產品層面上有沒有可以通過人工智能賦能的部分，把產品變得更加的智能和個性化，更加高效。

最後，企業內部工作的流程應用的方向就更多。ChatGPT做的最好的應用方向其實是總結，所有的內容扔給它，可以給你做快速的總結和翻譯，以及內容的拼接整合。這對內部的工作來講可能是很大的效能提升。

你們可以直接在沒有任何技術背景的情況下應用這個技術。如果你有技術背景，在它的基礎之上可以建立的小應用就更多了，企業可以開發自己內部的人工智能驅動工具，關注工作流程。

OpenAI會成立自己的應用商店，大家可以在裏面上傳自己的應用。他們也在跟很多大科技公司討論合作，生成一些獨特的應用放到他們的“App Store”裏面。

任鑫：現在硅谷爆發出非常多的科技創新，您認爲中國和美國在人工智能領域目前存在差距的原因在哪裏？這種差距可能影響人類文明進程的爆發嗎？難道創新註定會更多地發生在某些特定的區域嗎？

張璐：爲什麼硅谷能做成一個創新生態圈呢？還是回到創新的本質，就是原諒失敗。個人認爲中國的企業家和創業者非常不容易。在全球範圍內，以硅谷爲代表的北美商業圈是對初創企業最友好的商業圈。初創企業來有非常活躍的商業化的生態和落地的機會，可以在早期進行市場驗證後推行。這很難在任何一個其他的商業圈快速複製。一方面需要思維理念的開拓，另外一方面也需要有一個過程。

放眼全球，其實華人在人工智能領域的影響力還是非常巨大的。我也接觸過很多國內非常優秀的人工智能公司，聽他們講各種各樣探索的商業應用場景。我覺得在做應用層面上，中國的企業家還是非常先進的，而且思維也是非常活躍的，對技術都很深入，靈活性也很強，不停探索不同的發展方向。

但是這次生成式人工智能的核心是一個大型語言模型，數據的質量和算力非常重要。算力不單純是人工智能本身技術的瓶頸，還包括基礎算力、芯片等各方面的技術。

國內人工智能企業家本身應用做得非常好，但突然間這個簡單粗暴的算力差距來了，導致大家被按下了一大截。但我還是希望任何一個地方的企業家都可以在這個平臺基礎之上創建自己的應用。

無論是先發還是追趕，最後都會形成一個獨特的生態圈。每個技術創新來臨的時候，就像之前的互聯網行業繁榮，硅谷也走在前頭，但中國很多企業家在追上來的過程中也湧現了很多優質的企業。

大家可能確實在時間線上不一定完全齊頭並進，但是至少看到這邊技術發展會給國內的創新圈帶來一個非常明確的未來發展方向，更有的放矢地往這個方向去努力。

任鑫：如果只考慮商業和科技，您覺得哪些國內公司是您會比較看好的？您有什麼評估的指標嗎？

張璐：做投資非常重要的一點就是要本土化，要深耕在你所在的創新生態圈，才能夠更好地瞭解這個生態圈的發展趨勢，以及扶持創業者的方式。

所以我們在硅谷做投資的方式不一定適合在國內做投資。但我可以大概講一下，我們看企業有一個框架，不是看一下覺得好就投，其實是很複雜的過程。尤其是早期投資是非常複雜的，因爲你沒有太多的數據去做金融層面上的分析，反而要從更加廣泛的層面上去看：

1.市場風險。看市場方向和時機是否正確，市場的規模是否足夠大。

2.技術風險。行業裏需要的不一定是最好的技術，而是更好、更快、更便宜的技術，這樣纔可以去形成非常落地的應用。早些年有很多AI的創始人說，我的人工智能非常先進，你要用我的人工智能，你要把你的基礎設施全部升級，全部搬到雲端。客戶不會做這件事情的，因爲成本巨大。

最開始OpenAI的API放開，最大的挑戰是太貴了。成本這麼高怎麼應用呢？所以它才大規模降低API的價格，砍掉了90%，所以纔會看到各種各樣的應用快速在它的平臺上建立起來。

我們不僅要有能力去找到好的技術，還要有能力去辨別有些天方夜譚的技術，因爲其實坑也很多。我們還要考慮到技術的應用的週期。我是學材料科學工程的，對於很多做材料的人，有一個小小的夢想就是核聚變可以商業化。我也用它去命名了我的基金Fusion Fund，但我從來沒有投過核聚變公司。因爲在這個技術雖然前景巨大，但距離商業化應用還有很長的一條路徑。

3.團隊風險，領導人有沒有很強的洞見，有沒有很強的引導力，可以吸引到業內最優秀的人加入？有沒有非常強的長線思維來劃分公司的股權，找到合適的合作方，規劃公司發展路徑？是否擁有超強的韌性？

4.競爭風險。它是紅海還是藍海，競爭者主要是大企業還是小企業，在競爭裏面處在什麼樣的一個位置？

5.運營風險和退出風險。退出指的是上市還是被收併購，是多條路徑，還是隻有一條路徑。

我們非常看重企業本身的商業性，你自己是不是有商業變現的能力。融資是爲了活下去，還是爲了快速增長。你所去認定的這個潛在客戶願不願意爲你的技術付費。

我們經常講，你需要做的產品是people need it，而不是people like it。大家都喜歡的一個東西，不代表他會爲你去付費，當你的客戶願意去付費的時候，證明它是剛需。

即使在硅谷，每個VC看待和挑選企業的方式都是完全不一樣，所以沒有對與錯的區別。多樣化的投資人生態配套多樣化的創業者的生態，就會形成整體多樣化和高速發展的創新生態。

03 求成長，如何利用AI獲得高效人生？

任鑫：我覺得人工智能已經嵌入到了我的工作流當中，對於數字化自己的工作流，您有什麼可以跟大家分享的嗎？您平時是怎麼用這些數字化工作工具的？

張璐：舉個例子，硅谷銀行破產牽動了整個硅谷的科技行業，這個過程中我要做很多內部、外部的溝通。我很多時候就把郵件寫好了扔給ChatGPT，讓它幫我修改一下，讓自己的表達更加本土化，有些文章和鏈接我會扔進去，它可以進行非常好的總結和翻譯。

我還會直接問它一個小的程序怎麼寫，它給我一些指導，然後我再用微軟Copilot寫出一個小的程序。在工作流程中它是一個非常好用的小助手，個體的生產力和效率能得到大規模的提升。

任鑫：很多人一想到人工智能就會想到大數據、科學家、實驗室等等，對於如何找到人工智能和自己的關係，您有什麼建議？

張璐：首先，人工智能的核心是數據，所以我們每個人和人工智能息息相關。剛纔我們討論最多的其實不是人工智能，我們討論最多的是數據。數據是由人產生的，所以無論是人還是機構、公司，在未來你身上增長速度最快的所謂的資產就是你的數據資產。

數據本身是一個必要的養料，去服務人工智能技術的訓練模型和成長。作爲數據生產方，如果你不瞭解怎麼樣去應用它，你可能就錯失了擁有數據的機會，包括未來數據的變現。如果你對數據和技術不瞭解，很可能數據就白白被你浪費，或者被別人竊取。

谷歌、Linkedin、Facebook等大型客機公司的核心商業模式之一是賣用戶數據。你不是在免費使用他的服務，你把自己的數據提供給他，你用你的數據交了費用。但未來大家有越來越清晰的技術解決方案去追蹤擁有自己的數據，對於這些大的科技公司來講也是一次巨大的挑戰。他是不是要改變自己的商業模式。

對你而言，你的數據資產是不是在使用中能產生更加巨大的價值，怎麼樣保護它，大家一定要警醒起來，不然的話你的利益其實是在被傷害的。

第二，全產業的數字化轉型在發生，也就意味着在未來，和人工智能技術整合的公司會替代掉沒有整合的公司。個人也是如此。如果你不知道怎麼使用這個工具，你的效率和生產力會被別人替代或超越，競爭力就會下降。

我們經常講技術普惠過程，零代碼人工智能平臺的推進就是希望在未來它的使用者不需要有任何技術的背景，不設置任何技術的門檻。ChatGPT讓大家看到了，不需要懂任何人工智能都可以使用。但如果你對技術沒有基本的認知，但你的公司在進行數字化轉型或者人工智能的植入，你是不是就會被拋下？

即使你的公司尚未進行大規模的技術整合和數字化轉型，你仍然可以使用一些小工具來提高生產效率。以前可能需要一整天的時間來閱讀幾十篇文章，現在將文章放入ChatGPT讓它總結出要點，一天可以瀏覽更多的文章。在電子郵件和長篇文章的修改等方面，數字化工具也可以顯著提高效率。

如果你沒有意識到這些數字化工具的應用，那麼你的效能就會大打折扣。你是要成爲一個純粹靠自己能力的人，還是成爲一個能夠靈活運用工具的人？

事實上，如果將人工智能視爲一種工具，那麼你對待它的態度就會更加順暢。就像最初發明汽車時，有些人不願意坐汽車，還是選擇步行。在沒有電腦時代，有些人不使用電腦。逐漸地，人們發現不使用工具會被落下。人類之所以是先進的生物，就是因爲我們具備智慧和使用工具的能力。現在，數字化工具已經變得非常強大，如果你不使用它們，那麼你就會主動放棄一個非常重要的進化機會。

爲什麼很多人還沒有挖掘到怎麼使用這個工具，就是因爲ChatGPT得到答案的質量高度依賴於問題的質量。你的問題越細緻、越具體、越垂直，得到的答案就越細節、質量就越高。

比如你讓它寫一篇公衆號文章，討論人工智能發展趨勢，它可能寫得非常一般，因爲給的範圍太廣。但如果你讓它寫一篇關於人工智能在醫療領域的應用的文章，同時重點討論癌症的個性化診斷髮展到哪個階段。當你給出具體界定的時候，它寫的質量會越來越高。

同樣的工具，每個人使用出來的結果不同，你的能力決定了你提問的能力。

大家不用覺得，有了這個以後就高枕無憂了，不用競爭了。其實每次有新的技術發生的時候，或者當人類掌握了新的工具之後，大家經常提到一個字——卷。每次有了更加高效的工具之後，卷的層次就不一樣了。現在你寫一篇文章，不只是看你詞彙是不是優美或者地道，而是看你核心的內容是不是非常有價值和獨特。

同樣用一個工具，你是不是有能力把工作拆解成不同的模塊，用最合適的模塊和問題去協助工作，這其實是從管理和領導力的角度考驗大家流程管理，而不是機械的執行能力。

所以不一定有更好的工具就會讓大家覺得生活變輕鬆。我們是在用工具不停提高生產力和生產效率，但是人類的提升是無止境的。不是說生產效率比以前翻一倍就可以高枕無憂了，還是要繼續往前走。

我們生活有很多自動化的工具和應用之後，需要重複工作的部分變少，但是對於每個人的創造力、宏觀規劃、戰略思維等能力可能的要求就會更高。

任鑫：我去年開始用Midjourney繪畫，我發現我的語言能力不足以表達出我想要的效果，腦子裏也缺乏合理的構圖，不知道想要的風格應該怎麼表達，我缺這些框架。

張璐：對一個畫家來講，更重要的是他的創意，還是說他畫畫的工藝？工具讓我們解決了工藝的問題。但是歷史上偉大的畫家都是工藝最強的畫家嗎？並不是，偉大的畫家最重要的是他的創意和思維理念，是他通過畫要表達的開拓性的思想。你沒有這個理念就無法表達出來。你有人工智能的工具，你還是無法去創造。

AI工具確實降低了很多事情的門檻，但本質沒有變——讓更多有洞見的人，可以用更加多元的方式表達他的洞見。

那些有思維、有想法的人，就算不會畫畫這樣精湛的技藝，也有別的方式去表達他自己的洞見、思維和想法，只是現在多了一個渠道。所以並不是真的讓你從無到有，而是放大你本身已經有的東西。

任鑫：很多混沌的同學是公司高管，或者有一家自己的小公司，他們非常關心如何一直保持敏銳度，您是如何持續學習，持續迭代自己，塑造個人能力的呢？

張璐：在硅谷做VC這件事情讓我很有熱情，因爲每天都在學習新的東西，正如查理·芒格說的，每天晚上睡覺前都比早上醒來的時候聰明一點點。作爲投資人來講，我每天要見一些非常頂尖的科學家和企業家，去了解未來20年的發展方向。我自己本身有好奇心和熱情驅動，有種時不我待的感覺。感謝我所處的這個行業，給了我天然更好的平臺去接觸最新的信息。

混沌有非常高質量和多樣的內容，保證自己有幾個像混沌這樣高質量的內容平臺，可以持續接受不一樣的信息，是非常關鍵的。

歷史上每次科技趨勢大規模發展的時候，基本上都是經濟低潮期。因爲在經濟低潮期的時候，個人到企業都有非常迫切的慾望和願望去提高生產力和生產效率，大規模推進技術的發展，進一步提升創造的價值，創造一個更富足的世界。

創業者要永遠保持積極樂觀。看起來是最壞的時代，可能正因爲如此纔是科技最好的時代，並且預示着一個更好時代的開啓。最重要的還是改變世界。大部分時候，是因爲你改變了世界，給它創造了價值，才擁有了財富，而不是反過來。

本文來自微信公衆號“混沌大學”（ID：hundun-university），作者：混沌學園，36氪經授權發佈。