聰明會變便宜：Cliff Sosin 談智力的互補品

目錄

1. 這集在講什麼
2. 一、智力像球的圓度，不像樹的高度
3. 二、那次四捨五入，讓同一個模型一邊晴天一邊暴雨
4. 三、假設每個人都有頂級智力，剩下的才是你的
5. 四、需求前緣是鑽石形的
6. 五、現實有速限，老鼠還是要長一年
7. 六、代理人會讓價格活起來
8. 「AI 概念股現在還能買嗎」
9. 「我的本事會不會被模型吃掉」
10. 「一檔壓到八成，這不是瘋了嗎」
11. 可以參考的資料
12. 帶得走的一件事

不聞不若聞之，聞之不若見之，見之不若知之，知之不若行之；學至於行之而止矣。

—— 《荀子・儒效》（戰國）

2026 年 10 月 27 日《Invest Like the Best》第 497 集，Patrick O’Shaughnessy 訪問基金經理人 Cliff Sosin。他的主張是智力有上限，所以智力會變得又好又便宜，而投資含意落在互補品那一端：資料、注意力、感情、物理鄰近、規模。他用 Meta 當例子，說這家公司一年收入 2,500 億美元、一年也花掉 2,500 億美元，而這些錢多半買的是智力；當智力價格在五年內掉到百分之一，成本那一邊會塌，資料與注意力還在手上。這個推論要成立，得押中一件事：好到夠用的智力會商品化，而頂尖智力的用途不會多到足以撐起高價。

這集在講什麼

Cliff Sosin 管 CAS Investment Partners，是那種把整個基金壓在幾檔上的經理人——Patrick 在節目裡直接講出他的組合形狀：大約五檔，其中一檔佔八成。兩人平常會通電話，這集是把其中一次電話重錄一遍，所以整集像兩個人在桌邊把一個想法推到底。起點是 Cliff 打電話時丟的那句：「這只是智力而已。」從這句話推出去，一路推到混沌理論、垃圾清運公司，再推到他小孩的學校該怎麼教書。

一、智力像球的圓度，不像樹的高度

多數人想像智力是一條往上無限延伸的線：從變形蟲到猴子到人到愛因斯坦，再往上一衝就成了神。Cliff 說這裡有個認知錯誤。智力是一種小工具，我們拿它對宇宙做預測；手上只有稀疏的幾個事實點，智力的工作是在點與點之間填色，所以智力提升，填色能力變好，可是它有個比例上的天花板——像一顆球能有多圓，而不像一棵樹能有多高。

數學這種領域可以填到完美，可是世界上多數有趣的問題屬於複雜動態系統，你寫不出一條解得開的式子。模擬必然帶誤差，誤差會隨步數累積。他講到極限處很漂亮：如果你要模擬整個宇宙，你需要的就是整個宇宙。

二、那次四捨五入，讓同一個模型一邊晴天一邊暴雨

這點他用混沌理論的起源故事來撐。早年有人在佔滿整個房間的大電腦上跑天氣預報模型，跑完覺得不錯，重設再跑一次驗證，前面幾天對得上，接著開始分岔，到預報期第三、四、五天變成兩回事。他以為程式有臭蟲，查了很久，答案是第二次輸入資料的技術員把所有氣壓與氣溫的初始條件少打了一位小數。你會以為這只造成一個小而穩定的偏差，結果誤差在每一步疊代裡複利，到預報期中段，一個模型說華氏七十度晴天，另一個說華氏二十度大雨。

Cliff 的用法很克制：你可以知道氣壓與氣溫的一切，仍然寫不出一條式子解出會不會有颶風，你只能模擬，而模擬永遠帶著顆粒。

三、假設每個人都有頂級智力，剩下的才是你的

這是整集最可以直接拿去用的一把尺。Cliff 看公司時會先假設所有人都有頂級智力，然後問：剩下什麼。常見的反駁是「你不懂這有多難、不懂多少聰明人想了多久」，而他的回答是：好，可是那些全都只是智力。

順著推到底，智力變得便宜又到處都有，你該擁有的就是智力的互補品：資料、注意力、愛、情感依附、物理上的鄰近、規模，還有他自己說有點犬儒的那一項——法規保護。Meta 是他舉的正例，他說核心生意現在是個人化電視，不再是社群媒體，而他自己發現愛看英式黑色幽默。那 2,500 億美元花在哪？資料中心是生產智力的工具，買推論就是買智力，付錢給聰明人寫演算法是智力，寫程式是智力，審片子算智力的鄰居。成本那一邊會塌；收入那一邊，創作者拿到便宜百倍的智力能做出更好的內容，廣告主做出更好的廣告，Meta 再投得更準。他說結果可能是他們不把成本降到零，而多賣幾個廣告。

他也點了一個明講自己沒有持有的例子：Grindr。手上有大量注意力與資料，可是團隊與預算有限，做不出想像中該有的東西——如果給它一萬個 Google 最好的工程師做五年呢？

四、需求前緣是鑽石形的

Patrick 幫多頭講話：前沿智力不是商品，實驗室自己也能提供最便宜的智力。Cliff 的回應分兩層。

第一層是模型被部署的路徑：模型愈來愈好，一層一層往上爬，每爬一階就打開一塊更大的市場；可是在它身後，評測一旦飽和，那些任務就商品化了——沒有人會拿前沿模型去跑客服聊天機器人。所以前面是一道非前沿模型不可的硬任務波，後面全是不需要的。第二層是問那道波能走多遠。多頭的說法是有人願意為治癒癌症付任何價錢，而 Cliff 接回第一點：治癒癌症要摸到現實，更高的智商換不來那個。

於是需求前緣是鑽石形的：一開始愈來愈寬，接著變稀薄。

他的問句我很喜歡——你有多常需要三百的智商？他拿光纖通訊當對照：搬動資訊的成本曾經高到大家搬得很少，然後成本大降、搬運量暴增、市場長了很久；再然後市場停止成長，成本繼續掉，市場開始縮。他說 Cogent Communications 轉送全球 IP 流量的三到四成，走的還不是它最大的那個部門，而整家公司市值只有幾十億美元。傑文斯悖論是價格彈性曲線上某一點的說法，不是一條永遠成立的定律。

五、現實有速限，老鼠還是要長一年

Patrick 問自動化實驗室這類公司。Cliff 說閉合物理世界的迴圈會加速學習，然後補上速限，他的講法是：你很聰明，所以你應該懂——聰明有上限。

具體到有畫面的程度：你接好一間自動化生物實驗室，電腦想點子、跑實驗、迭代，很好；可是如果那個實驗要養老鼠，而老鼠要一年長大再死掉，那個實驗就要花一年。

實驗室也只有這麼大，所以你可能有五千個好點子，只能挑二十個做；模型挑得準一點，實驗成功率也許是百分之一——那可能已經是平均研究員的十倍，而它還是百分之一。

六、代理人會讓價格活起來

Cliff 說價格是個奇蹟，因為它是「包在誘因裡的訊號」——它既告訴你稀缺與成本，又讓你想多買或少買；就算有無限的智力，也很難設計出更好的協調機制。

那代理人加了什麼？讓市場變銳利。現在有大量價格是懶惰定出來的，存款利率是典型。他拿垃圾清運當例子：你記不得自己每月付多少清運費，所以就算有人更好更便宜，他也得花一大堆力氣才能讓你願意動。可是代理人之間可以直接談——「一個月幫你省五毛」，「垃圾會被收走嗎」，「會」，那就換。第一層效果是大家移向低成本供應商。第二層更有意思：同一條街上所有人用同一家清運商對社會更有效率，車開一趟就收完，可是過去沒人有力氣協調；現在街上已經有兩戶的那家可以去找其餘每一戶，整條街就歸它。低成本的那家拿到更多量、毛利更低，變成一個更好的生意，而顧客拿到剩餘。

「AI 概念股現在還能買嗎」

這題我每天會被問到，而這集給的答案不太舒服。Cliff 說供給端他刻意保持無知，也承認自己可能因此吃虧。他列的難處是一條鏈：先預測推論需求會長多少，再預測推論會變多便宜多好，就算這兩個都猜對了，你還得站在價值鏈的瓶頸上才收得到租，最後還要贏過同一層的對手。四道全過才算贏。

Patrick 追問，既然供需都這麼難算，為什麼最厲害的創業者都把人生押在供給端的基建上？Cliff 把因果翻過來：一項巨大而重要的技術要發生這麼大規模的基建，不可能沒有強烈的價格訊號和大量人才湧進去，所以可能是你的因果擺反了。他自己的選擇是不猜哪個鐵路大亨會賺錢、要幾條鐵路，而去想鐵路蓋好以後接下來是什麼——他舉的例子是消費品品牌。他也說終究會過頭，因為有前置期、因為是贏家的詛咒，最後停手的那個人注定後悔。

把那條鏈當檢查表比看故事好用。你手上那檔，在哪一道上有話說？如果答案是「它在一個很大的題目裡面」，那你押的是題目，不是公司。我自己持股集中在幾檔軟體上，聽到這段的第一個反應是回頭問那個笨問題：假設每個人都有頂級智力，我這幾家手上還剩什麼？有一家我答得出來，另外兩家我答得有點勉強，這件事我還在想。

「我的本事會不會被模型吃掉」

他談小孩教育那一段，意外地把這題回答了。他問：在模型有無限智力的世界裡，你自己的智力還有什麼用？你可能會說沒用了，可是他說直覺上不對，而且他找到了不對在哪裡——你自己的智力與你學過的東西愈多，你愈能跟模型溝通、愈能把你要的東西講給它聽。

他的自嘲很具體：他沒辦法跟模型討論怎麼設計前沿的量子物理實驗，因為他對量子物理一無所知，模型再努力解釋也只能用蠟筆和海綿玩具在講。那句結論很省：你不能叫它「假設這是個隨機過程」，除非你知道隨機過程是什麼。

所以他對學校的看法變成兩頭重：一頭是基礎技能要在沒有模型的狀態下練，理由是不會乘法就很難理解矩陣乘法在幹什麼，而不理解模型在幹什麼就沒辦法指揮它。另一頭是英文老師抱怨小孩用模型作弊寫莎士比亞報告，他的回應是：你不夠有野心，給他們難一百倍的題目，讓他們把模型用到極限，再追問他們為什麼這樣寫，逼他們為它辯護。

「一檔壓到八成，這不是瘋了嗎」

Patrick 把這題問到他臉上，他回了一句很好笑的話：「我還低配了。」接著給了實質理由：那些建議分散的研究，看的是證券價格的變動，比較少從「你是公司的擁有者」這個角度想事情；而他敢壓這麼重，是因為他判斷手上那家公司的基礎建設與品牌差異化到讓它變得很糟的情境很少。他自己加的那一刀最誠實：那些分散的文獻是給想要平均或略優於平均結果的人用的，對他們來說是對的，而他要的不是那個東西——這是在期望報酬與「明知故犯地承擔不尋常風險」之間做交換。歷史上做得很好的人多半很集中，可是滿地也是集中死掉的人，Patrick 補了一句倖存者偏誤。

這段對我的用處是它把問題改寫成一個能寫下來的條件：讓它變得很糟的情境有哪些、有幾條、你看得見嗎。寫得出來，倉位可以重；寫不出來，那個重倉是在押感覺。

他還說了一句我會記很久的話：如果股價漲一大段讓他覺得非得分散，他也不會不開心。

可以參考的資料

• 《Invest Like the Best》第 497 集，2026 年 10 月 27 日，主持人 Patrick O’Shaughnessy，節目官網 joincolossus.com
• 愛德華・羅倫茲 1963 年的論文〈Deterministic Nonperiodic Flow〉，那次四捨五入與蝴蝶效應的源頭
• 傑文斯 1865 年《The Coal Question》，傑文斯悖論的原始出處
• Ben Thompson 的聚合理論，他用它解釋九〇年代那批「網路會壓垮企業毛利」的報告為什麼猜錯方向
• Cogent Communications 的公開財報，可以自己核一下他說的流量佔比與市值落差

帶得走的一件事

這集給我的一個觀念是：聰明有上限，剩下的進度要靠摸到現實換。再多的智商也不能幫你跳過那隻要長一年的老鼠，而這對我們這些愛在腦袋裡把事情想完的人來說，是個壞消息。

我自己試過的一個做法，是挑一件你正在「想清楚再動」的事——換工作、要不要去學一門技藝、跟某個人把一句話講開——然後今天就去做那件事最小的一次實測：打那通電話、約那一次見面、試做一份給一個人看。你會發現想三個月拿到的資訊，往往一次實測就全部到手，而且是你想不出來的那一種。我上個月拖了很久的一件事，是一通七分鐘的電話解決的，而我在那之前寫了兩頁分析。

Markdown 原文

本文為投資方法論的教育性分享，不構成任何個股買賣建議、不提供目標價、不針對當期標的。投資有風險，任何決策請自行判斷或諮詢合格的專業人士。