借来的理论：前沿技术的概念如何解释一家投行的日常Borrowed theories: how frontier-technology concepts explain an investment bank’s daily work

1. 问题：客户的理论，为什么解释得了我们自己

说「懂一个行业」，可检验的含义是：借得到它的概念，并且借对了。

一家精品投行八年只做硬科技。八年里，它读的材料、开的会、见的人，绝大部分内容是别人的技术。技术的名词它未必全懂，但那些用来解释技术的概念，它听了成千上万遍：训练与推理是两回事、误差会在段与段之间累积、决定上限的不是数据量是数据质量、智能需要一个世界模型做先验。

然后发生了一件事。这些概念开始解释它自己。

这件事被写在了官网上。庚辛研究院在官网第 18 章列了十二对卡片，左边是「他们的理论」，右边是「我们的现象」。导语只有两句：

「庚辛长期与最前沿的公司一起工作，八年下来发现：他们用来理解世界的理论，恰好也解释了我们自己。理论来自这些公司与行业，现象是庚辛的日常。」 ——庚辛官网 /institute.html [1]；同文亦见首页 /index.html [2]

章末一句：

「向自己陪伴的公司学习，是这份工作的特权。」 ——庚辛官网 /institute.html [1]

本文回答两个被真实问过的问题。

第一个来自客户与投资人，问法通常是：一家中介机构说自己「懂」某个技术行业，这句话有没有可检验的含义？懂到什么程度算懂？

第二个来自内部，问法通常是：把客户的理论借过来解释自己，这是洞察，还是好听？两者怎么分辨？

本文认为这两个问题是同一个问题。一个机构能借到什么概念，取决于它已经会什么（第 3.2 节）；而一个借来的概念是洞察还是修辞，取决于它映射的是结构还是表面相似，以及它能不能指导一个具体动作（第 3.1 节与第 5 节）。第 9 节直接给出回答。

本文的路线：第 2 节把底本逐字摆出来，十二对一对不漏；第 3 节说明概念迁移在什么机制下发生；第 4 节逐对分析，每对三段，第三段是本文补的；第 5 节给出工具并用它给十二对打分；第 6 节把主张写成可以被推翻的命题；第 7、8 节划边界。

---

2. 底本：十二对「理论 → 现象」

借来的概念，四成是六十年前的老东西，只是被重新用了一遍。

2.1 底本怎么取的

底本是公开网页，任何人可以复现。取法：curl 拉取 https://glacier.mba/institute.html 与 https://glacier.mba/index.html，依次剥掉 HTML 注释、<script>、<style>，再把块级标签换成换行、去掉其余标签、反转义实体、去空行，得到纯文本。抓取日期 2026-09-22。下文行号指 institute.html 纯文本的行号。

第 18 章在 institute.html 的纯文本第 3839 行到第 4194 行。首页 index.html 也有这一章，但只放了十二对里的两对（专家模型融合、世界模型是先验），完整十二对只在 institute.html [1][2]。

一条抄录说明：纯文本里理论名与来源标签之间的「——」和多余空格，是剥标签时两个相邻元素接缝产生的，不是原文标点。本文抄录时把它还原成「理论名（来源标签）」的形式，理论句与现象句一字未改。

2.2 十二对，逐字

表 1 / Exhibit 1　官网第 18 章「他们的理论」/「我们的现象」十二对逐字抄录。

来源与说明：理论句与现象句取自 https://glacier.mba/institute.html 的公开纯文本（抓取 2026-09-22），行号为该纯文本行号。理论侧来源为官网自己标注的「来源」行，逐字照录。

序号	他们的理论	理论句（官网原文）	我们的现象	现象句（官网原文）	行号
1	训推分离（来自具身智能的工程实践）	「训练时靠多个辅助任务调优参数；到了推理，把所有的枝剪掉，只留一个输出。」	这解释了「找钥匙」。	「准备一场融资，我们穷尽技术、财务、结构的每一条辅助线；见投资人的那三十秒，剪掉全部枝蔓，只递一把钥匙。」	L3868–3873
2	专家模型融合（来自基础模型的前沿研究）	「不同的专家模型融合成一个更强的模型；每一代不必推倒重训，智能连续增长。」	这解释了「理解的规模化」。	「每个项目组都是一个专家模型，每周复盘把它们融合进同一个组织。八年，庚辛没有推倒重训过——能力是连续长出来的。」	L3874–3879
3	端到端（智能驾驶与深度学习的传统）	「从输入到输出，一个模型端到端负责；分成多段的流水线，误差会在段与段之间累积。」	这解释了「全托管」。	「从恢复事实到交割收口，同一个系统端到端负责，六个维度不换手——误差没有地方累积。」	L3880–3885
4	数据质量与教师模型（智能驾驶行业的公开工程实践）	「决定模型上限的不是数据量，是数据质量；要有教师模型持续评估：缺哪一类泛化数据，就补哪一类场景。」	这解释了我们的复盘制度。	「复盘会就是那个教师模型——评估上一周的判断质量、找出缺口，指挥下一周去补缺的那类场景。」	L3886–3889、3919
5	世界模型是先验（世界模型研究的共识）	「任何模型最终都需要一个世界模型做先验和约束，泛化能力才不靠运气。」	这解释了北坡、价格带与 4D。	「它们是庚辛的资本世界模型：每一笔交易进入执行之前，先被这套先验约束过一遍。」	L3920–3925
6	泛化与效率成反比（来自具身智能的场景分析）	「结构化场景要效率，非结构化场景要泛化；真正把模型训出来的，是非结构化场景的数据。」	这解释了我们对复杂局面的偏好。	「标准轮次是结构化场景，方法早已成熟；复杂局面才是高质量数据。我们据此选择走进非结构化的局面：每解开一个，组织就多一分泛化。」	L3926–3929、3959
7	范式的接力（基础模型行业的公开叙事）	「一个范式到了效率下降的节点，增长不会停——接力棒交给下一个范式。」	这解释了「第八年」。	「八年，庚辛两次交棒：从单点服务到操作系统，从中国到全球——增长的曲线没有断过。」	L3960–3963、3984
8	世界先于画面（来自空间智能与世界模型研究的公开路线之争）	「屏幕上的一切呈现都只是底层世界的投影；智能应当建模投影之前的世界本身，而不是投影之后的像素。」	这解释了「恢复事实」。	「BP、Memo、路演，都是投影；投影之前，先有那个真实的世界。所以每个项目的第一步，是像企业考古学家一样重建业务、技术、客户、交易历史与关键风险——先建世界，再渲染画面。材料只是这个世界的一次采样。」	L3985–3990
9	解耦生长，统合交付（来自模块化学习与复杂系统工程的公开思想）	「复杂能力不该由一个整体硬扛：按性质拆成层，让每一层独立生长，最后面向同一个目标重新耦合成一次交付。」	这解释了「二十七个子系统」。	「4D、价格带、四层旋涡、GQW——每个子系统各居其层、各自成章；到了一单交易，再被重新编排成一次交付。拆开是为了各自变强，合拢是为了共同成事——名单会过期，系统不会。」	L3991–3994、4063
10	少原则，多演绎（来自强化学习与自我博弈的公开传统）	「聪明的行为不是规定出来的，是演绎出来的：只写下第一性原理级的少数原则，最优策略交给大规模的真实实践去推演。」	这解释了「只做减法的清单」。	「我们写下的是边界，不是打法：踩过的坑写成禁令，复盘会全员重读；规则写得越细，越有人卡规则的缝，所以模糊处交给被所有人信任的人。方法可以变，边界只加不减——具体的打法，在一场场真实交易里长出来。」	L4064–4067、4131
11	智能出于多样（来自《心智社会》以来的认知科学经典）	「强大的智能来自大量异质心智的协作互补，而非某个单一完美的单体——多者成社会，社会即心智。」	这解释了「球面上的组织」。	「庚辛不是一张层级表，是同一个球面上一组尽量拉开的方向：方向铺得越开，覆盖越大、冗余越小；哪个角度空了，就有人转过去。组织的力量不靠某个孤胆英雄，靠异质方向的互补——挤在一起，就都成了平均值。」	L4132–4135、4160
12	观测易得，干预稀缺（来自因果推断的教科书通识）	「因果之梯上，『看见』低于『去做』：真正稀缺的不是海量观测，而是『在什么状态、做了什么、之后怎样』的带反馈干预数据。」	这解释了「把钱投进去」。	「看一百个案子是观测；把自己的钱投进深度服务过的公司，是干预。只有带反馈的干预，才教得会状态如何转移。」	L4161–4164、4193

2.3 理论侧来源：官网自己标了

十二对每一对下面都有一行「来源」，指向一篇具体的论文或专著。这一点值得单独说一句：借概念的人写下了自己从哪儿借的。这让第 4 节的逐对分析成为可能——可以回到原文，看这个概念在它自己的领域里到底说了什么。

表 2 / Exhibit 2　十二对的理论侧来源，逐字取自官网「来源」行 [1]，本文补上可解析的 DOI 或 arXiv 地址（2026-09-22 逐条请求核可达，结果见写作说明）。

来源与说明：标号 T1–T12 只在本文内使用。

序号	官网「来源」行原文	可访问地址
T1	Jaderberg et al. (2017), Reinforcement Learning with Unsupervised Auxiliary Tasks, ICLR 2017, Figure 1	arXiv:1611.05397
T2	Jacobs, Jordan, Nowlan & Hinton (1991), Adaptive Mixtures of Local Experts, Neural Computation 3(1), Figure 1	doi:10.1162/neco.1991.3.1.79
T3	Bojarski et al. (2016), End to End Learning for Self-Driving Cars, arXiv:1604.07316, Figure 4	arXiv:1604.07316
T4	Hinton, Vinyals & Dean (2015), Distilling the Knowledge in a Neural Network, arXiv:1503.02531	arXiv:1503.02531
T5	Ha & Schmidhuber (2018), World Models, arXiv:1803.10122, Figure 8 · CC BY 4.0	arXiv:1803.10122
T6	Wolpert & Macready (1997), No Free Lunch Theorems for Optimization, IEEE Trans. Evolutionary Computation	doi:10.1109/4235.585893
T7	Kuhn (1962), The Structure of Scientific Revolutions, University of Chicago Press	press.uchicago.edu 书页
T8	Dawid & LeCun (2023), Introduction to Latent Variable Energy-Based Models: A Path Towards Autonomous Machine Intelligence, arXiv:2306.02572, Figure 9 · CC BY 4.0	arXiv:2306.02572
T9	Simon (1962), The Architecture of Complexity, Proceedings of the American Philosophical Society 106(6)	jstor.org/stable/985254
T10	Silver et al. (2017), Mastering the Game of Go without Human Knowledge, Nature 550	doi:10.1038/nature24270
T11	Minsky (1986), The Society of Mind, Simon & Schuster	openlibrary.org OL2714978M
T12	Pearl & Mackenzie (2018), The Book of Why, Basic Books	basicbooks.com 书页

2.4 这些来源本身透露了什么

把表 2 按载体与年份归类，能看出一件不在官网文字里的事。下表是本文从表 2 的十二条来源数出来的。

表 3 / Exhibit 3　十二条理论侧来源的载体与年代分布。

来源与说明：本文按表 2 逐条归类计数，分母 12。归类规则写在写作说明 8.1。

维度	分档	条目	条数	占比（分母 12）
载体	同行评议期刊论文	T2、T6、T9、T10	4	33%
载体	会议论文与预印本	T1、T3、T4、T5、T8	5	42%
载体	专著	T7、T11、T12	3	25%
年代	1962–1997（经典期）	T2、T6、T7、T9、T11	5	42%
年代	2015–2023（当代期）	T1、T3、T4、T5、T8、T10、T12	7	58%
领域	机器学习／人工智能	T1、T2、T3、T4、T5、T6、T8、T10	8	67%
领域	认知科学、科学哲学、复杂系统、因果推断	T7、T11、T9、T12	4	33%

归类规则：载体按官网「来源」行标注的载体判（T1 官网标 ICLR 2017，计会议论文）；年代按来源行标注的年份判；领域按该文发表时所在的学科社群判。每一维度三档或两档合计均为 12，无重复计数。

表 3 里有两个数字值得停一下。

第一，67% 的概念来自机器学习与人工智能。这不是一个中立的分布。如果一家机构借概念是随机的、跟着热度走的，来源会散在更多领域。集中在一个领域，说明借的不是热词，是它每天真的在读的东西。这一点在第 3.2 节会被当成吸收能力的证据，也在第 6 节被写成可检验的推论。

第二，42% 的来源是 1997 年以前的。最老的一条是 1962 年的两篇（T7、T9）。也就是说，这些「前沿技术的概念」里有接近一半是六十年前的老东西，只是被当代的工程实践重新用了一遍。借概念的人借到的，往往是老概念的新用法。

---

3. 机制：概念为什么会从客户跑到自己身上

一个类比读起来越顺，越像是被证明了，其实只是越像。

第 2 节摆的是现象。这一节问的是：这种迁移是怎么发生的，为什么会发生在这家机构而不是别处，以及它什么时候可靠、什么时候不可靠。

3.1 类比推理：映射的是结构，不是像不像

认知科学里对类比有一套成熟的理论。Gentner 的结构映射理论 [3] 给出了核心判据：一个好的类比，映射的是关系结构，不是对象属性。把太阳系映射到原子，有价值的不是「都是圆的」，是「中心的东西吸引外围的东西，外围的东西绕着转」这一组关系。她把这条原则叫做系统性原则（systematicity）：高阶关系（关系之间的关系，尤其是因果关系）优先被映射，孤立的表面属性不被映射。

Gentner 与 Markman [4] 把这条原则推广到相似性判断本身：人判断两样东西像不像，做的其实就是一次结构对齐。Holyoak 与 Thagard [5] 从另一条路给出一个多重约束的框架：一个类比映射同时受三种约束拉扯——结构一致性、语义相似性、以及使用者当下的目标。第三条约束是关键：目标会把映射拉偏。一个人想证明某件事，类比就会往那个方向长。后来他们把这套框架写进综述 [7]，也把这条警告一起写了进去。

Gick 与 Holyoak [6] 用实验证明了迁移有多难：给被试读一个结构相同的故事，多数人在没有提示时想不起来用它解决面前的问题；给了提示，解决率大幅上升。这个实验的含义是反直觉的——类比不是自动发生的，需要有人提示、需要检索线索。一家机构每天泡在一个领域的概念里，等于每天被提示，这正是迁移会发生在它身上而不是别处的原因。

对本文的用处是一把尺子：判断一个借来的概念是洞察还是修辞，先看它映射的是关系结构还是表面相似。第 5 节的自查表第一行就是这条。

3.2 吸收能力：你只学得会你已经会的东西

为什么是这家机构借到了这些概念，而不是任何一家读同样新闻的机构？

Cohen 与 Levinthal [8] 的答案是吸收能力：一个组织识别、消化并应用外部新知识的能力，取决于它已有的相关先验知识。他们强调这种能力是累积的、路径依赖的——今天能吸收什么，取决于昨天积累了什么；而且在某个领域停止投入，会让未来在该领域的吸收能力下降。Zahra 与 George [9] 后来把它拆成两段：获取与消化（潜在吸收能力），转化与利用（实现的吸收能力）。两段之间有落差——很多组织获取了知识却没有转化成行为。

这两条直接对上了表 3 的两个数字。67% 的概念集中在机器学习领域，是先验知识在起作用：八年只做硬科技，读的材料集中在那儿，所以能识别的概念也集中在那儿。而 Zahra 与 George 的两段划分给出了本文最重要的检验点：把概念写上墙是「获取与消化」，改变了某个具体动作才是「转化与利用」。第 5 节自查表的第五行、第 6 节的主命题，都建在这条上。

吸收能力还有一个不太被引用的推论，本文要把它写出来：吸收能力也是一个过滤器。它决定了什么进得来，也决定了什么进不来。一个机构借不到的概念，不一定是那些概念没用，可能只是它没有对应的先验。这是第 7 节反例三的来源。

3.3 惯例与能力：为什么「没有推倒重训」是一句需要小心的话

表 1 第 2 对说：「八年，庚辛没有推倒重训过——能力是连续长出来的。」

演化经济学对这句话有现成的理论，也有现成的警告。Nelson 与 Winter [10] 把组织的能力安放在惯例（routines）上：惯例是组织的记忆，是能力的存放形式，它的变化是渐进的、路径依赖的、带惯性的。这套理论一方面支持「能力连续长出来」这个描述，另一方面提醒：连续性与惰性是同一件事的两面。惯例不会自己退出，旧惯例会在环境变了以后继续运行。

Feldman 与 Pentland [11] 补上了另一半：惯例不是死的。他们把惯例拆成 ostensive（抽象的、大家口中的那个流程）与 performative（每一次真的做出来的那个动作）两个面向，指出两者之间的张力正是惯例内生变化的来源——每一次执行都可能偏离口头版本，偏离累积起来就是变化。

对本文的用处有两条。第一，「没有推倒重训」这句话在理论上成立，但它同时意味着承担路径依赖的成本，这一点官网没写，本文在第 4.2 节补。第二，Feldman 与 Pentland 的两个面向给了一个可操作的量：口头版本与实际动作之间的差距。一个借来的概念如果只改了口头版本（大家开始这么说了），没有改实际动作（每次真的做出来的事没变），那它停在了 Zahra 与 George 的第一段。

3.4 知识怎么在一家专业服务机构里传下去

Nonaka [12] 的组织知识创造理论把知识分为默会与显性两类，把组织里的知识转化画成四步循环：社会化（默会到默会）、外化（默会到显性）、组合（显性到显性）、内化（显性到默会）。Polanyi [13] 更早给出了默会知识的根本命题：我们知道的比我们说得出来的多。

这两条解释了第 18 章这件事本身是什么类型的动作。一家投行的判断力主要是默会的——怎么看一家公司、什么时候该慢下来、哪句话不能说。把这些默会的东西对上一个来自客户领域的显性概念，是 Nonaka 说的外化：给说不出来的东西找到一个能说出来的名字。

外化有明确的收益：命名之后可以传授、可以讨论、可以批评。八年的判断力如果只留在几个人身上，新人要重新踩一遍坑；给它一个名字，新人至少能从名字开始问。

外化也有明确的代价，本文在第 7 节反例四写：名字一旦好听，就不再被质疑。外化把默会知识变成显性知识，同时也把它变成了一句口号。

3.5 边界文献：类比什么时候会骗人

前面四小节讲的是迁移为什么发生、为什么可靠。这一小节讲它什么时候不可靠。

Tversky 与 Kahneman [14] 的代表性启发是最根本的一条：人判断 A 是不是属于 B，靠的是 A 像不像 B，而不是概率。相似性被当成证据用。类比的危险正在这里——一个类比读起来越顺，越像是被证明了，其实只是越像。

Gilovich [15] 做过一个更贴近本文的实验：让被试对一个假想的国际危机做判断，材料里插入与二战或与越战相呼应的无关表面线索（比如会议地点是不是「慕尼黑大厅」、难民是不是坐「火车」），被试的政策倾向随之系统性偏移。这个实验说明：表面相似会在人不知情的情况下改变决策。把这条搬到本文的处境：一个来自客户领域的概念，哪怕只在表面上像，也会影响这家机构怎么描述自己、进而怎么行动。

March [16] 的探索与利用是另一类错误的来源。他的模型说明，个体与组织代码之间的相互学习速度会影响长期绩效：社会化太快，多样性被吞掉，组织收敛到一个平庸的共识。这条常被误读成「要多探索」这样一句口号。真实的结论是有条件的——最优的学习速度取决于环境变化的速度与组织的规模。本文在第 4.11 节用它给「智能出于多样」那一对划边界。

最后两条是关于隐喻本身的。Morgan [17] 指出组织理论各个流派其实建在不同的根隐喻上（机器、有机体、文化、政治系统），每个隐喻照亮一部分、遮住另一部分。Tsoukas [18] 进一步区分了隐喻的两种用法：作为字面描述的替代品（装饰性的，可以被去掉），与作为生成性的认知工具（改变了你能看见什么，去不掉）。他给出的判据对本文特别有用：一个隐喻如果去掉之后什么都没少，它就是装饰。

五组文献合起来给出的判据，正是第 5 节那张表的九行。

---

4. 逐对分析：十二对，每对三段

真正稀缺的不是干预，是反事实——被否掉的那些项目，谁在记。

体例：每一对三段。第一段说这个理论在它自己的领域里说的是什么，给来源。第二段说迁移到了什么上，引官网原句。第三段说这个迁移在什么条件下成立、什么条件下不成立——这一段官网没有，是本文补的。

4.1 训推分离 → 找钥匙

理论说什么。 T1 的做法是在强化学习的主任务之外加一组无监督辅助任务，让它们共享同一套表征去做梯度更新；辅助任务的作用是在奖励稀疏的时候提供额外的学习信号，训练完成后推理只走主策略那一条。要点有两个：辅助任务和主任务共享同一套参数，以及推理时剪掉的只是计算路径，不是它们训练时留下的影响。

迁移到什么上。 官网写的是「找钥匙」：

「准备一场融资，我们穷尽技术、财务、结构的每一条辅助线；见投资人的那三十秒，剪掉全部枝蔓，只递一把钥匙。」[1]

什么条件下成立。 三个前提。第一，辅助线必须真的改变主线结论——技术、财务、结构的工作要影响那把钥匙长什么样，否则它们不是辅助任务，是并行产出的一堆没人读的材料。第二，接收端的带宽确实稀缺；三十秒是硬约束时剪枝才有意义。第三，剪枝要可恢复：被追问时能把枝接回来。

什么条件下不成立。 原理论里推理时剪枝不丢信息，是因为信息已经编码进权重。一份材料没有权重。剪掉的枝蔓不会自动留在钥匙里，除非有人记得。所以这个迁移有一个隐含的承载体：把辅助线做完的那个人必须在场。如果做辅助线的人和递钥匙的人不是同一批人，训推分离就退化成信息丢失。还有一个反向的失效：在尽调阶段，对方要的恰恰是枝蔓，这时候继续剪枝就不是提炼，是隐瞒。

可检验的形式。 被剪掉的辅助线，能否在被追问后的一个工作日内复原成可交付的形式。能，说明它真的进了权重；不能，说明它从来没有影响主线。

4.2 专家模型融合 → 理解的规模化

理论说什么。 T2 是混合专家模型的原始论文：若干个专家网络加一个门控网络，门控决定每个输入交给谁；专家之所以会分化，是因为门控制造了竞争，让每个专家去负责自己更擅长的那一类输入。这里要说一句准确的话：T2 讲的是分工加路由，不是「融合成一个更强的模型」。把多个模型合成一个的那一支（模型合并、集成蒸馏）是另一支文献，官网理论句写的是后者，标注的来源是前者。

迁移到什么上。

「每个项目组都是一个专家模型，每周复盘把它们融合进同一个组织。八年，庚辛没有推倒重训过——能力是连续长出来的。」[1]

什么条件下成立。 混合专家要工作，需要两样东西：一个门控，以及一个共同的损失函数。组织里的门控是存在的——决定哪类问题交给哪个组的那个人或那套规则。共同的损失函数是问题所在：不同项目组服务不同的客户、面对不同的局面，各自的成败不共享同一个目标函数。缺了共同损失，「融合」就没有梯度可用，只剩下信息通报。所以这个迁移成立的条件是：复盘必须改变其他组的下一次动作，而不是让其他组知道发生了什么。

什么条件下不成立。 第 3.3 节的惯例理论给出另一侧的限定：「没有推倒重训」在描述上成立，但它同时是路径依赖的另一种说法。神经网络不推倒重训的代价是灾难性遗忘与旧表征的束缚；组织不推倒重训的代价是旧惯例在环境变了以后继续运行 [10]。这一句在官网上是正面表述，在文献里是一句中性描述加一条成本提示。本文的补充是：连续积累的能力需要一个配套装置，用来定期让某条旧惯例退休，否则连续性会慢慢变成惰性。

可检验的形式。 取任意一次复盘里得到的教训，看它是否在另一个组接下来的动作里出现；以及过去一年里有没有任何一条明确废止的旧做法。前者检验融合，后者检验惰性。

4.3 端到端 → 全托管

理论说什么。 T3 训练一个网络直接从摄像头像素映射到方向盘转角，不再人工划分车道检测、路径规划等中间阶段。它的论证是：分段流水线的每一段各自优化自己的目标，段与段之间的目标并不一致，误差会在接缝处累积。

迁移到什么上。

「从恢复事实到交割收口，同一个系统端到端负责，六个维度不换手——误差没有地方累积。」[1]

什么条件下成立。 端到端要赢过分段，需要两个条件：一是有足够的端到端训练信号；二是误差确实主要产生在接缝处，而不是产生在单个环节内部。第二个条件在跨机构协作里通常满足——换手处的信息损失是真实的、可观察的。

什么条件下不成立。 第一个条件在这里是弱的。端到端的学习信号在自动驾驶里是海量驾驶数据，在一笔交易里是交割结果，样本稀疏且反馈很慢。更重要的是，端到端有一个公认的代价：不可解释与难以定位。分段流水线的好处恰恰是出问题时能归因到某一段。一个组织如果「六个维度不换手」，就少了换手时天然产生的那次交叉检查。所以这个迁移成立的前提是配一个外部评估者——正好是下一对里的教师模型。第 3 对与第 4 对必须成对使用，单独用第 3 对是危险的。

可检验的形式。 出问题时，能否在不追问个人的前提下定位到是哪一个维度先出的问题。不能，说明端到端的代价已经发生。

4.4 数据质量与教师模型 → 复盘制度

理论说什么。 T4 是知识蒸馏：先训练一个强的教师模型，让学生模型去拟合教师输出的软概率分布，而不是硬标签。它的核心洞察是「暗知识」——教师在错误类别之间给出的相对概率，携带了硬标签里没有的信息。学生学的不只是「答案是什么」，还有「错在哪里、次优是什么」。

迁移到什么上。

「复盘会就是那个教师模型——评估上一周的判断质量、找出缺口，指挥下一周去补缺的那类场景。」[1]

什么条件下成立。 蒸馏要工作，教师的输出必须是软的。翻译到复盘：复盘的产出必须包含「当时第二好的选项是什么」「这个判断错在哪一档」，而不只是成或败。这是本文认为整章里最能直接指导动作的一条：在复盘纪要里加一栏「次优选项」，就是把硬标签换成软标签。

什么条件下不成立。 两条。第一，蒸馏预设教师比学生强。组织里的教师与学生常常是同一批人——自己评估自己上周的判断。自蒸馏在机器学习里有效，但它放大已有的偏差而不是纠正它，因为教师的错误会被完整地传给学生。第二，T4 里的教师是先独立训练好的。复盘会如果只用本周自己产生的材料，它就不是一个独立的教师，是同一个模型的回声。

可检验的形式。 随机抽十份复盘纪要，数其中有多少份写了「当时还有哪些选项、为什么没选」。这个比例就是软标签的比例。

4.5 世界模型是先验 → 北坡、价格带与 4D

理论说什么。 T5 把智能体拆成三块：视觉编码器 V 把观测压成潜变量，记忆模块 M 学会预测下一步，控制器 C 在这两者之上做决策。论文里最有名的一段是：控制器可以完全在学到的世界模型里训练（在「梦」里），然后迁移回真实环境。论文自己也报告了这条路的陷阱：智能体会去利用世界模型的缺陷，找到在梦里得分很高、在现实里不成立的策略。

迁移到什么上。

「它们是庚辛的资本世界模型：每一笔交易进入执行之前，先被这套先验约束过一遍。」[1]

什么条件下成立。 世界模型要当先验用，必须持续被现实纠错——M 的预测误差要回流去更新 M。一套框架如果每年都在被某次真实结果改写一两条，它是先验；如果十年没改过，它是教条。

什么条件下不成立。 原论文的陷阱在组织里有完全对应的形式：用内部框架自我论证。一个项目如果只在自家的框架里算得通，而没有一次外部现实的检验，那就是在梦里得高分。这不是一个比喻式的担心，是原论文实测过的失败模式。

可检验的形式。 过去十二个月里，这套先验有没有任何一条因为一次真实结果被改写。数目为零，先验已经变成教条。

4.6 泛化与效率成反比 → 对复杂局面的偏好

理论说什么。 这里要先做一个区分。官网标的来源 T6 是没有免费午餐定理，它的命题是：在所有可能的目标函数上平均，任何两个优化算法的期望表现相同。它说的不是「泛化与效率成反比」，它说的是「在所有问题上平均，没有算法更强」。官网图注画的锥面与等长向量忠实于 T6；理论名那一句则是具身智能工程实践里的经验总结，是另一个命题。这是十二对里第二处理论名与标注来源不完全对齐的地方。

迁移到什么上。

「标准轮次是结构化场景，方法早已成熟；复杂局面才是高质量数据。我们据此选择走进非结构化的局面：每解开一个，组织就多一分泛化。」[1]

什么条件下成立。 没有免费午餐定理的前提是问题在所有可能目标函数上均匀分布。现实里不均匀，所以专用化是有价值的——这恰恰支持了「选一类局面并在它上面变强」这个选择。迁移成立的真正条件在别处：非结构化局面之间要共享结构。解开一个复杂局面之后，下一个复杂局面要能用上这次的解法，「多一分泛化」才成立。

什么条件下不成立。 如果每个复杂局面都是一次性的、彼此不共享结构，那么解开它只产生消耗，不产生泛化。这在实务里是个真问题：复杂常常来自特异的历史遗留，而特异的东西按定义不复用。这一对因此需要一个量：复用率。

可检验的形式。 取过去若干个被判为复杂的局面，看后一个局面里有没有用到前一个的解法。有，泛化成立；没有，那是消耗。

4.7 范式的接力 → 第八年

理论说什么。 T7 的核心命题恰恰不是平滑接力。Kuhn 说的是：常规科学在一个范式里解谜，异常累积到一定程度产生危机，然后发生革命；新旧范式之间不可通约——没有共同的尺子可以度量两者的成就，旧范式的一些成果在新范式里甚至不再被当成问题。

迁移到什么上。

「八年，庚辛两次交棒：从单点服务到操作系统，从中国到全球——增长的曲线没有断过。」[1]

什么条件下成立。 「一个范式到了效率下降的节点，增长不会停——接力棒交给下一个范式」这句，在描述多条 S 曲线相继接续这个形状上是成立的，这也是这个意象在产业叙事里流行的原因。

什么条件下不成立。 按 Kuhn 的原意，范式更替伴随的是断裂而不是连续：旧的衡量标准被放弃，旧的成就变得不可比。官网说「曲线没有断过」——这更接近 Kuhn 说的常规科学内部的累积，而不是革命。所以这一对里，借来的是「接力」这个意象，没有借到原理论的核心命题。这不必然是错误，但要说清楚：它是一个装饰性隐喻，不是一个生成性隐喻 [18]。

它仍然能贡献什么。 Kuhn 理论里有一个可以直接落地的部件：异常。范式更替的先行指标不是增长放缓，是用现有方法解释不了的失败在累积。翻译成组织里的动作：维护一张「解释不了的失败」清单。这张清单比任何增长指标都更早告诉你该换方法了。这条是本文从原理论里取出来、官网没有的部分。

4.8 世界先于画面 → 恢复事实

理论说什么。 T8 是隐变量能量模型这条路线的介绍，背后是一场公开的路线之争：智能应当建模产生观测的那个潜在世界，还是直接建模观测本身（像素）。主张前者的理由是，在潜空间里预测可以忽略不可预测的细节，而在像素空间里预测会被迫去建模噪声。

迁移到什么上。

「BP、Memo、路演，都是投影；投影之前，先有那个真实的世界。所以每个项目的第一步，是像企业考古学家一样重建业务、技术、客户、交易历史与关键风险——先建世界，再渲染画面。材料只是这个世界的一次采样。」[1]

什么条件下成立。 前提是那个「底层世界」确实存在，而且可被重建到足以约束材料。财务事实、技术事实、交易历史大体可以重建，因为它们留下了痕迹。这一对是十二对里结构映射最干净的一对：潜变量与观测的关系，对上事实与材料的关系，两边的因果方向一致。

什么条件下不成立。 两处。第一，意图、关系、未来计划不是可重建的痕迹，它们只存在于人身上，重建会变成猜测。第二，也是更要紧的一处：把「投影」一律当噪声会丢掉真实的信息。市场对一家公司的叙事本身就是事实的一部分，它影响定价，也影响别人的行动。潜变量模型里像素是果，在一级市场里，画面有时候是因。

可检验的形式。 在一次事实重建里，被判为「材料噪声」而丢弃的东西，事后有多少被证明是影响了结果的。

4.9 解耦生长，统合交付 → 二十七个子系统

理论说什么。 T9 提出近可分解系统：复杂系统往往由层级构成，层内的相互作用远强于层间；短期内每个子系统的动力学近似独立，长期看只有子系统的聚合行为才影响其他子系统。Simon 用一栋三房八格建筑的热扩散矩阵做例子，格与格之间的传导系数差着一到两个数量级——这正是「近可分解」的定量含义。

迁移到什么上。

「4D、价格带、四层旋涡、GQW——每个子系统各居其层、各自成章；到了一单交易，再被重新编排成一次交付。拆开是为了各自变强，合拢是为了共同成事——名单会过期，系统不会。」[1]

什么条件下成立。 Simon 的条件是可以量化的：层内耦合必须远强于层间耦合。组织里的对应物是接口稀疏且稳定。如果两个子系统之间每个月都要重新约定怎么衔接，近可分解性不成立，拆分带来的是协调成本而不是并行生长。

什么条件下不成立。 当一单交易需要二十七个子系统同时高带宽协商时，这个结构反而更慢。近可分解系统的好处在于它把改动局部化；一旦改动无法局部化，层级结构就只剩下开销。

「名单会过期，系统不会」这句要限定。 系统同样会过期，只是慢一档。惯例理论 [10][11] 说的正是这件事：能力存放在惯例里，惯例有惰性。更准确的表述是：名单以月计过期，系统以年计过期。本文不改官网原句，只补上这条限定。

可检验的形式。 数任意两个子系统之间的接口在过去一年里被修改了几次。次数低，近可分解成立；次数高，拆分正在产生成本。

4.10 少原则，多演绎 → 只做减法的清单

理论说什么。 T10 是自我对弈强化学习：不用人类棋谱，只给规则，靠自我对弈与搜索生成训练信号，网络与搜索互相提升。它的成功有三个前提，缺一不可：规则固定且完全已知；胜负在每盘结束时立即明确；可以无限次自我对弈。

迁移到什么上。

「我们写下的是边界，不是打法：踩过的坑写成禁令，复盘会全员重读；规则写得越细，越有人卡规则的缝，所以模糊处交给被所有人信任的人。方法可以变，边界只加不减——具体的打法，在一场场真实交易里长出来。」[1]

什么条件下不成立——这一对要先说不成立的部分。 三个前提在一级市场里全部不成立：规则不固定（法域、市场、参与者都在变）；反馈慢且含混（一轮几个月，真正的结果要等到退出）；不能自我对弈（不能凭空生成一笔交易来练手）。这一对是十二对里读起来最顺、前提落空最彻底的一对，本文在第 7 节反例一把它当成主要例子。

那还剩下什么。 T10 里有一条结论与那三个前提关系较弱：注入人类先验知识（棋谱、手工特征）在长程上会限制上限。它对应的组织命题是：把规则写得过细会限制适应。而官网原句「规则写得越细，越有人卡规则的缝」说的其实是另一件事——规则细化引发的是规则套利，这一点用 Goodhart 式的指标失效或制度经济学解释得更直接，不需要自我对弈。

这一对的价值在哪。 它的价值不在论证，在表述。「写边界不写打法」是一条能立刻执行的规则，它本身是对的，只是它的正当性不来自 T10。这正是第 5 节自查表第八行（换个理论能不能同样解释）要抓的情形：做法对，理由借错了。做法可以留，理由该换。

4.11 智能出于多样 → 球面上的组织

理论说什么。 T11 的命题是：心智由大量本身不智能的 agent 组成，智能出现在这些 agent 的组织方式里；同一个节点对上是 agent，对下是 agency。这本书强调的是层级与分工的结构，多样性是手段。

迁移到什么上。

「庚辛不是一张层级表，是同一个球面上一组尽量拉开的方向：方向铺得越开，覆盖越大、冗余越小；哪个角度空了，就有人转过去。组织的力量不靠某个孤胆英雄，靠异质方向的互补——挤在一起，就都成了平均值。」[1]

什么条件下成立。 一个不能跳过的差异：T11 的 agent 是简单且不智能的，它们不需要互相理解，力量来自结构。组织里的成员不是简单 agent，他们之间要沟通，而沟通成本随多样性上升。所以多样性的收益在两个条件下成立：问题空间足够宽（需要多个角度才能覆盖），且任务可分解（不同角度的产出可以合起来用）。

什么条件下不成立。 March [16] 给出转折点在哪：个体与组织共识之间的相互学习速度决定长期表现。社会化太快，多样性被吞掉，组织收敛到平庸的共识——这正是官网说的「挤在一起，就都成了平均值」。但反过来也成立：环境稳定时，慢社会化是浪费。所以「方向尽量拉开」不是一个无条件的好，它的最优程度取决于环境变化的速度。 官网这句里缺的正是这个条件。

这一对缺一个量。 「尽量拉开」拉开多少算够，原句没给。本文提一个可测的代理指标：同一个问题上，两个人独立给出不同判断的比例。这个比例太低，说明方向挤在一起了；太高，说明缺共同基础。它是可以按季度数出来的。

4.12 观测易得，干预稀缺 → 把钱投进去

理论说什么。 T12 的因果之梯把推断分三级：关联（看见）、干预（去做）、反事实（设想）。核心命题是高一级的问题不能只用低一级的数据回答。要注意的是，Pearl 说的干预有严格含义：do(x) 指的是外生地把变量设成某个值，切断它原本的所有输入。

迁移到什么上。

「看一百个案子是观测；把自己的钱投进深度服务过的公司，是干预。只有带反馈的干预，才教得会状态如何转移。」[1]

什么条件下不成立——这一对在原理论的框架里恰好不成立。 投与不投是基于对结果的预期而做的选择，这是内生的，不是 do(x)。它是教科书里典型的选择偏差：只投看好的，然后观察结果，得到的是被选择过的样本，而不是干预数据。在 Pearl 的定义下，自选择的行动不是干预。 这一对是十二对里唯一一处理论的核心定义与迁移直接冲突的。

那这句话在说什么。 它说的其实是另一件真的、也重要的事：承担后果会改变你收到的反馈。不投只能看到自己看对没看对；投了会收到持续的、带成本的、无法回避的反馈。这在文献里更接近有切身利害的学习，而不是 do-calculus。这个修正不削弱那句话，它让那句话变得可以检验。

本文的修正，以及它指向的动作。 因果之梯真正稀缺的那一级是第三级——反事实。「如果当时不投会怎样」「如果当时按住不发会怎样」这类问题，需要的数据是被否掉的那些项目的后续。这几乎没有机构系统地记录，因为它不带来看得见的成果、也不好看。本文认为这才是最值得建的一份台账：记录被否掉的项目，而不只是记录做成的项目。这也是本文对整章唯一一条「官网的做法应当加一件」的建议。

---

5. 工具：类比自查表

借来的概念要能改掉一个具体动作，否则它只是个名字。

5.1 九行判据

把第 3 节的五组文献压成一张表，给要借概念的人第二天就用。用法：一行一行过，任何一行落在「不通过的样子」那一列，这个借用就不能当论证用，只能当表述用。

表 4 / Exhibit 5　类比自查表。

来源与说明：一个外来概念用到自己组织之前要过的九条判据。判据来源标在末列：[3]–[7] 类比与迁移，[8][9] 吸收能力，[10][11] 惯例，[12][13] 知识转化，[14]–[18] 边界文献。本表为本文归纳。

序号	判据	通过的样子	不通过的样子	依据
1	映射的是结构还是表面相似	能写出两边各自的因果关系，并逐条对上	只能说「都是…」「很像…」，说不出关系怎么对	[3][4]
2	原理论的适用前提在我们这儿成立吗	能列出原理论的前提，逐条判成立或不成立	从没找过原理论的前提，只看结论	[3][5]
3	可证伪吗	能说出「看到什么就算这个类比不成立」	怎么都说得通	[14]
4	有没有反例	至少能举一个这个类比明显失效的场合	想不出反例，也没找过	[15]
5	迁移后能不能指导具体动作	能改掉或加上一个可观察的动作	只改了大家的说法，动作没变	[9]
6	是不是只在事后解释	有一条做法是先有理论、后做出来的	全部做法都在借用之前就存在	[14][15]
7	会不会掩盖真实成本	能说出这个做法的代价是什么，谁承担	这个类比只讲好处	[10][16]
8	换个理论能不能同样解释	找过替代解释，并说明为什么这个更好	没找过替代解释	[17][18]
9	去掉这个概念，还剩什么	去掉后确实少了一样看得见的东西	去掉后什么都不少，只是不好听了	[18]

第 9 行是 Tsoukas [18] 那条判据的直接落地：生成性的隐喻去不掉，装饰性的隐喻去掉之后什么都不少。它放在最后，因为它最狠。

5.2 用这张表给十二对打分

表 5 / Exhibit 6　用表 4 的九条判据给表 1 的十二对逐对打分。

来源与说明：√＝通过，△＝有条件通过（条件写在第 4 节对应小节），×＝不通过。打分由本文做出，依据是第 4 节的逐对分析；官网没有对应评价。末列为通过数（√ 计 1，△ 计 0.5）。

序号	理论	1 结构	2 前提	3 可证伪	4 反例	5 指导动作	6 非事后	7 不掩盖成本	8 替代解释	9 去不掉	得分
1	训推分离	√	△	√	√	√	×	△	√	√	7.0
2	专家模型融合	△	×	√	√	√	×	×	△	√	5.0
3	端到端	√	△	√	√	√	×	×	√	√	6.5
4	数据质量与教师模型	√	△	√	√	√	×	△	√	√	7.0
5	世界模型是先验	√	√	√	√	√	×	△	√	√	7.5
6	泛化与效率成反比	△	×	√	√	△	×	△	△	√	5.0
7	范式的接力	×	×	△	√	△	×	×	×	×	2.0
8	世界先于画面	√	√	√	√	√	×	△	√	√	7.5
9	解耦生长，统合交付	√	△	√	√	√	×	△	√	√	7.0
10	少原则，多演绎	△	×	√	√	√	×	△	×	×	4.0
11	智能出于多样	△	△	√	√	△	×	×	△	√	5.0
12	观测易得，干预稀缺	√	×	√	√	√	×	√	√	√	7.0

三个读法。

第一，第 6 列整列是 ×。 十二对的现象句全部以「这解释了…」开头，被解释的做法在借用之前就已经存在。这不等于这些迁移没有价值——外化本身有价值（第 3.4 节）——但它意味着整章目前是解释性的，不是生成性的。要变成生成性的，需要出现至少一条相反方向的例子：先有理论，后做出来。第 6 节把这一条写成可检验的推论。

第二，得分最低的是第 7 对（范式的接力，2.0）与第 10 对（少原则，多演绎，4.0）。 两者的共同点是：句子最顺，前提最不成立。这是第 7 节反例一的数据形式。

第三，得分最高的三对是第 5、第 8（各 7.5）与第 1、4、9、12（各 7.0）。 它们的共同点是两边的因果方向一致，而且都能落到一个可以数出来的动作上：先验被改写过几次、被丢弃的材料有多少后来证明有用、接口一年改几次、被否掉的项目有没有人记。能落到一个可以数的东西上，是这张表里最硬的信号。

---

6. 一个可以被推翻的命题

说不出「看到什么就算它不成立」，那它不是一个判断，是一句话。

主命题。 如果一个外来概念对一家机构的借用是结构映射（映射的是关系与因果结构，而不是表面相似），那么它应当能产生至少一条该机构在借用之前没有做、借用之后开始做、且可被第三方观察到的动作变更。只解释既有做法、不改变任何动作的借用，是修辞不是机制。

什么证据能推翻它。 在一组机构里，把它们借来的概念按判据 1（结构还是表面）分为两组，然后统计「借用后十二个月内出现新的可观察动作变更」的比例。如果两组比例没有差异，主命题不成立——那说明结构映射与表面相似在后果上没有分别，判据 1 就不是一条判据。

推论一（分布检验，本文已做了一次）。 如果借概念靠的是吸收能力 [8]，那么一家机构借来的概念应当集中在它长期服务的领域，而不是随机分布在当时的热门概念上。表 3 显示十二条来源里 67% 来自机器学习与人工智能，与这家机构八年只做硬科技的先验一致；另有 42% 是 1997 年以前的经典，说明借的不是热度。推论一在这一个样本上没有被推翻。 如果换一家机构，发现它借的概念散布在与其业务无关的多个热门领域，推论一被推翻，吸收能力就不是这里的机制，追热点才是。

推论二（方向检验，尚未检验）。 如果这些借用里至少有一部分是生成性的，那么应当存在至少一条做法，是先有概念、后做出来的。检验方法是时间顺序：概念写进内部文本的日期，早于该做法第一次执行的日期。表 5 第 6 列显示，仅凭公开文本无法判断先后，因为公开文本只给了现在的状态。这一条需要内部时间戳才能检验，本文做不了，明确留空。

推论三（配对检验）。 第 4.3 节主张第 3 对（端到端）必须与第 4 对（教师模型）成对使用，因为端到端的代价是难以归因，而教师提供外部评估。可检验的形式：在只用了端到端、没有配外部评估的组织里，问题定位所需的时间应当更长。如果观察到没有外部评估的组织定位一样快，这条配对主张不成立。

---

7. 边界与反例

先有理论后有做法，才是机制；先有做法后有理论，是命名。

一份只有正面例证的分析不值得信任。以下五类，是这套做法已知会失灵的地方。

反例一：类比讲得通，不等于做得对。 这是最重要的一条。表 5 里得分最低的两对（范式的接力、少原则多演绎）恰恰是读起来最顺的两对。顺，是因为它们的意象强、句子短、画面清楚；而前提在一级市场里并不成立（第 4.7、4.10 节逐条列过）。Tversky 与 Kahneman [14] 解释了为什么会这样：人用相似性代替概率，读起来像，就被当成了被证明。Gilovich [15] 的实验进一步显示，表面线索会在人不知情的时候改变政策判断。所以判据不是句子顺不顺，是前提成不成立。一个类比可以留在墙上当表述，但不能进论证链——这是两种用途，必须分开。

反例二：事后解释的诱惑。 表 5 第 6 列整列是 ×。每一句都是「这解释了…」，被解释的做法在借用之前就存在。事后解释有两个特征，都很难自觉：它不会失败（总能找到一个概念去解释已经发生的事），它让人觉得自己理解了（相似性被当作理解）。分辨方法只有一个，就是时间顺序：先有理论后有做法，才是机制；先有做法后有理论，是命名。命名有价值（第 3.4 节说过：可以传授、可以批评），但它不是解释。这一节之所以必须写进论文，是因为第 18 章整章的句式天然把命名说成了解释，而写的人不会自己发现这件事。

反例三：只看得见被写上墙的那些对。 分母不可知。一个概念如果试过、发现对不上、于是被丢掉了，它不会出现在官网上。所以表 5 的得分分布是一个幸存者样本，不能读成「这家机构的类比质量」。真正的质量指标是丢弃率——试过多少对、留下多少对。这需要一份被丢弃的类比清单，而没有人会天然去建这份清单。这一条与第 4.12 节的结论是同一条：记下被否掉的，分母才存在。

反例四：借来的词会变成免检通行证。 外化 [12] 把说不清的判断变成一个能说出口的名字，收益是可传授，代价是名字一旦好听就不再被质疑。一个做法挂上一个前沿概念之后，讨论它的人会先去论证这个概念，而不是先去检查这个做法。Tsoukas [18] 与 Morgan [17] 讲的正是这件事：根隐喻照亮一部分、遮住另一部分，而被遮住的部分恰恰是不再被问的那部分。表 4 第 9 行（去掉之后还剩什么）是针对这一条的解药。

反例五：反向污染——挑那些能被自己的理论解释的客户。 吸收能力 [8][9] 是个过滤器：决定什么进得来，也决定什么进不来。一个机构长期用某一组概念理解世界之后，会更容易理解那些用同一组概念说话的公司，也更难理解不用这套语言的公司。理解得快，容易被当成判断得准。这一条没有现成的解药，只有一个提醒：理解顺畅本身不是一个判断依据。

---

8. 这个分析在什么范围内成立

表 5 是判断不是测量；能推翻它的是内部时间戳，不是更好的措辞。

一、对象范围。 本文分析的是一份公开文本里的十二对概念迁移，出自一家专业服务机构。结论适用于「长期深度服务某个技术领域的中介机构如何借用该领域的概念」这一类情形。它不外推到技术公司之间的概念迁移，也不外推到不以知识工作为主的组织。

二、证据的性质。 表 1、表 2 是逐字抄录，行号可复现。表 3 是从表 2 数出来的，规则写在写作说明。表 5 是本文的判断，不是测量。九条判据里有几条（尤其是第 5、第 6 行）需要内部信息才能准确判定，本文只用公开文本判，因此这些格子是保守估计——倾向于判 × 或 △。换一个评分者，个别格子会不同；本文的三个读法依赖的是整体形状（第 6 列整列、最低两对、最高几对），不依赖单个格子。

三、单样本。 全文只有一个机构、一份文本。主命题（第 6 节）需要跨机构样本才能检验，本文做不了。推论一在这一个样本上没有被推翻，这不等于被证实。

四、没有做因果推断。 本文不主张借用这些概念导致了这家机构的任何结果。第 4 节讲的是映射在什么条件下成立，不是借用带来了什么绩效。任何把表 5 的得分读成绩效指标的做法都是误读。

五、原理论的表述。 第 4 节对十二篇来源的概括，是为了判断迁移是否成立而做的简化，不能替代原文。三处指出理论名与标注来源不完全对齐的地方（第 4.2、4.6、4.7 节），指的是概念与来源之间的对应关系，不是说原论文有问题。

六、一个诚实的空缺。 本文没有做的是：拿到内部时间戳，检验有没有哪一条做法是先有概念后做出来的（第 6 节推论二）。这需要内部记录的时间顺序，公开文本给不了。在这项工作完成之前，本文对「解释性还是生成性」的判断是一个可被推翻的工作假设。

七、本文不做什么。 不评价这家机构的任何业务结果，不构成投资建议，不给出任何可回溯到具体交易或具体公司的信息。

---

9. 结论

去掉这个概念，还剩什么——剩一个能数的动作，是洞察；什么都不少，是修辞。

一家长期服务前沿科技公司的机构，会反复发现客户用来解释技术的概念也解释了自己。本文把十二对这样的概念逐字摆出来，逐对问了一个官网没问的问题：这个迁移在什么条件下成立。

回到第 1 节的两个问题。

「懂一个行业」有没有可检验的含义。 有。可检验的含义是：借得到这个行业的概念，并且借对了。借得到，是吸收能力的结果——表 3 显示十二条来源里三分之二集中在一个领域，且四成是六十年前的经典，这说明读的是原文不是热搜。借对了，看的是表 4 那九行，尤其是第 1 行（映射结构还是表面）与第 5 行（能不能改掉一个具体动作）。一家机构如果借来的概念散落在当季所有热词上，并且没有一条改变过任何动作，那它不是懂，是跟读。

借客户的理论解释自己，是洞察还是修辞。 两者都有，可以分开。本文给出的分法是表 4 的第 9 行：去掉这个概念，还剩什么。 剩下一个可以数出来的动作（先验被改写过几次、复盘里写没写次优选项、接口一年改几次、被否掉的项目有没有人记），是洞察；什么都不少，只是不好听了，是修辞。修辞不是罪，但它不能进论证链。

本文对整章提了一条建议，只有一条：记录被否掉的项目。第 4.12 节的分析说明，因果之梯上真正稀缺的不是干预，是反事实；而反事实需要的数据，是没做成的那些。第 7 节反例三说明，类比的质量也要靠被丢弃的那些才能衡量。两条指向同一件事，本文认为这是整章最值得加的一件。

三句话可以概括全文：

1. 客户的理论解释得了我们，多半不是巧合，是我们只听得懂自己已经会的那部分。
2. 类比读起来越顺，越像是被证明了，其实只是越像——判据是前提，不是句子。
3. 一个借来的概念要能改掉一个具体动作，否则它只是个名字。

---

十一篇不是十一个题目，是同一条链上的十一个环节：先分段，再排期，然后把每个环节里最容易错的那一下单独拆开写。

读完这篇，接着读GI-WP-2026-P6　北坡与营地：一家精品投行的哲学系统及其语言边界一篇说自己什么时候不成立，一篇说自己的概念从哪借来。互为脚注。

FOR INVESTORS

在看案子递到你面前的，是我们自己敢投的。进去看 →

转人工 · ASK A HUMAN把这个问题交给赵羚茜（Gogo Zhao，投资人关系负责人）安排——她会把它交到对的人手里。 联系庚辛

庚辛人生（Certainty of Money） · 庚辛研究院通讯论文 · GitHub · PDF 全文 · 可引用，CC BY 4.0。

参考文献 / References

体例：作者（年份）. 题名. 期刊/出版方, 卷(期), 页码. DOI 或可访问链接。按来源等级分组：一手材料为庚辛研究院对外公开表述；二手文献为同行评议文献与专著。下列各条于 2026-09-22 用 _仓储/_build/refcheck.py 的 check() 逐条真实请求核验，18 条全部可达，核验明细见写作说明第四节。本表不列任何未经核实的条目。

一手材料（庚辛研究院对外公开表述；本文引用的原句均出自 [1][2]，一字未改）

[1] 庚辛研究院（2026）. 庚辛研究院官网，第 18 章「THEIR THEORY, OUR PHENOMENA / 他们的理论，我们的现象」全章及其「来源」标注. 庚辛资本官方网站. https://glacier.mba/institute.html （访问日期 2026-09-22）

[2] 庚辛资本（2026）. 庚辛资本官网首页，第 18 章卡片（含导语与其中两对）. https://glacier.mba/index.html （访问日期 2026-09-22）

二手文献（类比与概念迁移）

[3] Gentner, D.（1983）. Structure-Mapping: A Theoretical Framework for Analogy. Cognitive Science, 7(2), 155–170. https://doi.org/10.1207/s15516709cog0702_3 （出版方对脚本返 403，另见作者单位公开 PDF https://groups.psych.northwestern.edu/gentner/papers/Gentner83.2b.pdf ；访问日期 2026-09-22）

[4] Gentner, D., & Markman, A. B.（1997）. Structure Mapping in Analogy and Similarity. American Psychologist, 52(1), 45–56. https://doi.org/10.1037/0003-066X.52.1.45

[5] Holyoak, K. J., & Thagard, P.（1989）. Analogical Mapping by Constraint Satisfaction. Cognitive Science, 13(3), 295–355. https://doi.org/10.1207/s15516709cog1303_1

[6] Gick, M. L., & Holyoak, K. J.（1980）. Analogical Problem Solving. Cognitive Psychology, 12(3), 306–355. https://doi.org/10.1016/0010-0285(80)90013-4

[7] Holyoak, K. J., & Thagard, P.（1997）. The Analogical Mind. American Psychologist, 52(1), 35–44. https://doi.org/10.1037/0003-066X.52.1.35

二手文献（组织学习、吸收能力与惯例）

[8] Cohen, W. M., & Levinthal, D. A.（1990）. Absorptive Capacity: A New Perspective on Learning and Innovation. Administrative Science Quarterly, 35(1), 128–152. https://doi.org/10.2307/2393553

[9] Zahra, S. A., & George, G.（2002）. Absorptive Capacity: A Review, Reconceptualization, and Extension. Academy of Management Review, 27(2), 185–203. https://www.jstor.org/stable/4134351 （出版方页 https://journals.aom.org/doi/10.5465/amr.2002.6587995 对脚本返 403；访问日期 2026-09-22）

[10] Nelson, R. R., & Winter, S. G.（1982）. An Evolutionary Theory of Economic Change. Harvard University Press. https://www.hup.harvard.edu/books/9780674272286 （访问日期 2026-09-22）

[11] Feldman, M. S., & Pentland, B. T.（2003）. Reconceptualizing Organizational Routines as a Source of Flexibility and Change. Administrative Science Quarterly, 48(1), 94–118. https://doi.org/10.2307/3556620

二手文献（知识转化与默会知识）

[12] Nonaka, I.（1994）. A Dynamic Theory of Organizational Knowledge Creation. Organization Science, 5(1), 14–37. https://doi.org/10.1287/orsc.5.1.14

[13] Polanyi, M.（1966）. The Tacit Dimension. University of Chicago Press（2009 年重排版）. https://press.uchicago.edu/ucp/books/book/chicago/T/bo6035368.html （访问日期 2026-09-22）

二手文献（边界：相似性被当作证据、学习的权衡、隐喻）

[14] Tversky, A., & Kahneman, D.（1974）. Judgment under Uncertainty: Heuristics and Biases. Science, 185(4157), 1124–1131. https://doi.org/10.1126/science.185.4157.1124

[15] Gilovich, T.（1981）. Seeing the Past in the Present: The Effect of Associations to Familiar Events on Judgments and Decisions. Journal of Personality and Social Psychology, 40(5), 797–808. https://doi.org/10.1037/0022-3514.40.5.797

[16] March, J. G.（1991）. Exploration and Exploitation in Organizational Learning. Organization Science, 2(1), 71–87. https://doi.org/10.1287/orsc.2.1.71

[17] Morgan, G.（1980）. Paradigms, Metaphors, and Puzzle Solving in Organization Theory. Administrative Science Quarterly, 25(4), 605–622. https://doi.org/10.2307/2392283

[18] Tsoukas, H.（1991）. The Missing Link: A Transformational View of Metaphors in Organizational Science. Academy of Management Review, 16(3), 566–585. https://doi.org/10.5465/amr.1991.4279478

表 2 所列的理论侧来源（T1–T12，取自官网 [1] 自己标注的「来源」行；本文补可访问地址，2026-09-22 逐条核可达 12/12）

T1 Jaderberg, M., Mnih, V., Czarnecki, W. M., Schaul, T., Leibo, J. Z., Silver, D., & Kavukcuoglu, K.（2017）. Reinforcement Learning with Unsupervised Auxiliary Tasks. ICLR 2017. https://arxiv.org/abs/1611.05397 T2 Jacobs, R. A., Jordan, M. I., Nowlan, S. J., & Hinton, G. E.（1991）. Adaptive Mixtures of Local Experts. Neural Computation, 3(1), 79–87. https://doi.org/10.1162/neco.1991.3.1.79 T3 Bojarski, M., et al.（2016）. End to End Learning for Self-Driving Cars. https://arxiv.org/abs/1604.07316 T4 Hinton, G., Vinyals, O., & Dean, J.（2015）. Distilling the Knowledge in a Neural Network. https://arxiv.org/abs/1503.02531 T5 Ha, D., & Schmidhuber, J.（2018）. World Models. https://arxiv.org/abs/1803.10122 T6 Wolpert, D. H., & Macready, W. G.（1997）. No Free Lunch Theorems for Optimization. IEEE Transactions on Evolutionary Computation, 1(1), 67–82. https://doi.org/10.1109/4235.585893 T7 Kuhn, T. S.（1962）. The Structure of Scientific Revolutions. University of Chicago Press. https://press.uchicago.edu/ucp/books/book/chicago/S/bo13179781.html T8 Dawid, A., & LeCun, Y.（2023）. Introduction to Latent Variable Energy-Based Models: A Path Towards Autonomous Machine Intelligence. https://arxiv.org/abs/2306.02572 T9 Simon, H. A.（1962）. The Architecture of Complexity. Proceedings of the American Philosophical Society, 106(6), 467–482. https://www.jstor.org/stable/985254 T10 Silver, D., et al.（2017）. Mastering the Game of Go without Human Knowledge. Nature, 550, 354–359. https://doi.org/10.1038/nature24270 T11 Minsky, M.（1986）. The Society of Mind. Simon & Schuster. https://openlibrary.org/books/OL2714978M/The_society_of_mind T12 Pearl, J., & Mackenzie, D.（2018）. The Book of Why: The New Science of Cause and Effect. Basic Books. https://www.basicbooks.com/titles/judea-pearl/the-book-of-why/9780465097609/

核验说明：[1][2] 与 [10][13] 以 HTTP 请求核可达；[4][6][7][11][15][17][18] DOI 直接解析 200；[3][5][8][12][14][16] 出版方对脚本返 403（反爬，不是不存在），以 Crossref 元数据核对题名与卷期页；[9] 的 AOM DOI 在 2026-09-22 不解析，改用 JSTOR 稳定地址，题名经 Crossref 核对。T1–T12 中 T1、T3、T4、T5、T8 以 arXiv 页与 arXiv API 题名核对，T2、T6、T10 以 Crossref 题名核对，T7、T9、T12 为出版方或 JSTOR 页 200，T11 以 Open Library 与 Internet Archive 条目核对。

---

引用的庚辛官网原文出处

全部官网引文取自 [1] https://glacier.mba/institute.html （抓取日期 2026-09-22，剥去注释、脚本、样式与标签后的纯文本）。逐句出处：

• 导语「庚辛长期与最前沿的公司一起工作，八年下来发现……现象是庚辛的日常。」——L3867（同文亦见首页 [2]）
• 章末「向自己陪伴的公司学习，是这份工作的特权。」——L4194
• 十二对的理论句、现象句与「来源」行——逐对行号见表 1 与表 2，区间为 L3868–L4193
• 章名与大标题「THEIR THEORY, OUR PHENOMENA / 他们的理论，我们的现象」「我们最好的方法论老师，是我们服务的公司。」——L3839

脱敏说明：第 18 章全章原文中没有出现任何客户公司的名称，因此本文的引用不需要做任何「一家…公司」式的改写；改写处计 0。本文自己的行文中也不描述任何可反推到具体公司的特征。详见写作说明第五节。

---

庚辛研究院. 借来的理论：前沿技术的概念如何解释一家投行的日常[R]. 庚辛研究院通讯论文 GI-WP-2026-P11. 2026.

Glacier Institute. (2026). Borrowed theories: how frontier-technology concepts explain an investment bank’s daily work (Glacier Institute Working Paper No. GI-WP-2026-P11). https://glacier.mba/research/GI-WP-2026-P11.html

@techreport{glacier2026p11,
  author      = {{Glacier Institute}},
  title       = {{Borrowed theories: how frontier-technology concepts explain an investment bank’s daily work}},
  institution = {Glacier Institute},
  type        = {Working Paper},
  number      = {GI-WP-2026-P11},
  year        = {2026},
  url         = {https://glacier.mba/research/GI-WP-2026-P11.html}
}