最近在整理过去做 startup 项目的一些经验，也借着看金融交易，重新回头想企业发展到底在做什么。做项目和做交易差别很大，一个要面对用户、产品、团队，一个要面对价格、仓位和风险。但放在一起复盘时，我常常会先后碰到两个问题：供需关系是什么，资源什么时候进入和退出。

这里不是要把所有事情都叫作交易。创业、职业选择和金融交易的对象、周期、反馈速度都不一样。我只是发现，做这些判断时，先要看一件事有没有真实的供需关系；看清之后，还得决定要不要投入、投入多少，什么情况下继续或收回来。

供需关系

做产品时，说“用户有需求”很容易。难的是把需求和供给说具体：谁在使用，谁在付钱，谁来提供产品或服务，双方是怎么接上的。用户说想要，不一定愿意付费；有人愿意付费，也不代表供给方能以合理成本持续提供。看一个项目值不值得做，市场规模只是其中一项，还要弄清楚交易会怎样发生，钱最后落到谁手里。

供需这个概念，我最早是从王慧文的《清华产品课》里接触到的。做过一些 startup 项目之后，我更习惯从两边一起看：需求有没有表现出来，供给能不能接住；如果接住了，谁有能力把产品送到用户面前，交付和获客的成本又是多少。只盯着产品想法，容易把“我觉得用户需要”当成市场已经成立。

网约车平台的供需关系更直接一些。乘客需要车，司机提供车辆和服务时间，平台要按地点和时段把两边配起来。滴滴在年报里提到，系统会预测不同地区、时段的供需变化，调整司机激励和调度；匹配时也会考虑距离、等待时间和乘客、司机的偏好。司机供给不足，乘客可能要等更久；乘客需求不足，司机就会有更多空驶。平台每天都要处理两边能不能对得上的问题。滴滴年报

2016 年，Uber 宣布将 Uber 中国业务与滴滴合并。Uber 当时称，Uber 中国每月已有超过 1.5 亿次行程，但两家公司在中国都投入了数十亿美元，仍未盈利。Uber 的公告。滴滴的上市文件记载，滴滴以股份换取 Uber 中国业务。滴滴上市文件。Uber 中国业务后来结束独立经营，Uber 拿到滴滴股份。订单规模和投入最终能不能转成利润，是另一回事。

从 Google 搜索到 AI Mode，也能看到需求和供给一起变。人一直有找信息、理解信息、比较选择的需求。过去搜索主要返回网页和链接，让人自己筛选；现在 AI Mode 会把多轮搜索、整理答案和追问放进同一个过程。Google 在 2026 年公布，AI Mode 全球月活已超过 10 亿，查询量自上线以来每季度都在翻倍。这个数字来自 Google 自己的统计，至少能说明用户开始用搜索提出更长、更复杂的问题。至于这种使用怎么转成收入，内容网站会不会少掉流量，以及算力成本能不能覆盖，还得继续看。Google 对 AI Mode 使用情况的说明

AI 这一轮，我会把模型生意和“卖铲子”的生意分开看。有的公司主要提供模型能力，有的按 token 或 API 调用收费，也有公司提供云、算力和芯片；一家公司可能同时做其中几层。模型能力受到最多关注，但每次调用都会增加 token 消耗和算力负载，调用量大了，云服务和芯片就有了更多需求。从供需的位置看，卖铲子本身就是很赚钱的一门生意。NVIDIA 2027 财年第二季度的财报中，计算与网络业务收入为 883 亿美元，经营利润为 627 亿美元。一个环节需求猛增、供给暂时跟不上时，供给方就可能有很强的收入和利润；等供给扩上来、替代方案变多，利润空间也会变。这是看供需时还要继续追问的一步：眼下钱在哪一层，优势能维持多久。

入场和出场

看清供需之后，才轮到资源什么时候进入、放多少进去。创业项目里，入场可能是招团队、花资金、占住一段时间去验证市场；之后可能追加、转向，或者结束项目。金融交易里，入场和出场表现为价格、仓位和持有周期的判断。职业选择也有类似的资源问题，但它的反馈可能要几年，甚至十几年才看得清。几天的交易、几年一个项目和一生的职业选择不能用同一套止盈止损来处理，周期不同，能承受的投入、能等到的反馈也不同。Dixit 讨论企业投资时机时提到，在不确定的环境里，等待可能有价值，因为时间会带来更多关于项目前景的信息；但这不代表任何时候都该等。Dixit 对不确定环境下投资时机的讨论

交易常被说成低买高卖，实际至少有两次判断：什么时候进入，什么时候退出。还要判断每次投入多少、要不要追加、退出多少。做空也一样要判断入场、仓位和退出，只是方向相反。

如果把这两次判断极度简化成扔硬币，每次正确的概率都从 50% 起，而且两次判断彼此独立，那么两次都正确的概率是 25%；如果每次判断都能提高到 80%，两次都正确就是 64%。这个算式只是在说两个判断都符合预期的概率，不是市场实际的涨跌概率，也不是最后盈利的概率。真实的判断不一定独立，更不只是猜涨或跌。奈特区分过可以估计概率的风险，和概率本身难以可靠计算的不确定性。项目、职业和新技术的发展，未必能直接套进一个 50% 或 80% 的数字里。奈特关于风险与不确定性的讨论

交易的胜率不能单独看。盈利还取决于仓位、赔率、成本和退出纪律。即使有 80% 的判断正确率，如果做错一次的损失很大，或成本长期吃掉收益，最后也未必盈利。反过来，胜率不是特别高，只要每次亏损能控制、盈利空间够大，也可能有正的期望。多次决策本身不会让人必然赚钱；前提是这些决策长期下来有正期望，并且成本和风险都在可承受范围内。

判断和决策

供需和出入场想清楚以后，还要问一句：现在看到的情况能支持什么判断？我想把已经发生的事、根据这些事做的推演，和自己希望的结果分开。用户有没有付费、供给能不能交付、价格已经怎么走，是眼下的情况；需求会不会扩大、价格会不会继续涨，是推演；希望项目成功、希望市场上涨，是愿望。愿望可以决定自己想去哪里，不能当成市场会照着发展的证据。

西蒙讨论人的理性选择时，提到人做决定会受信息、时间和计算能力限制，不可能先把所有情况都弄清楚再行动。西蒙关于理性选择的研究我觉得更实际的做法，是把当时的判断依据和还没弄清的地方记下来，也想好什么情况会让我改主意。等结果出来，再看看推演是从哪一步开始和现实对不上。

继续观察前，得知道自己在等什么。霍华德关于“信息价值”的研究，讨论的是新信息会不会改变决定，以及这种改变会不会改善结果。霍华德关于信息价值的研究如果再等能得到会影响选择的信息，等待可能值得；如果等来的信息不会改变行动，观察再久也未必让判断更好。还得把等待的代价算进去，比如机会会不会过去。

“制定你的计划，执行你的交易，完成你的复盘。”我现在觉得这句话重要的地方，是入场前把计划定下来，执行时照着做，复盘时再看依据和动作有没有问题。做项目，可以看阶段目标有没有达到，再决定继续投、转向还是退出；做交易，可以把仓位、能承受的损失和退出条件先写清楚。复盘如果没有改变下一次的做法，记录再多也只是虚假的勤劳。

做项目、选职业和做交易，周期和能承受的代价都不一样，不能照搬同一套标准。先记到这里，这些是一些杂思，闲来整理一下。

参考资料

  1. 王慧文，《清华产品课》：课程资料 PDF
  2. DiDi Global Inc., Form 20-F for fiscal year 2024：年报
  3. Uber, “Uber China Merges with Didi Chuxing,” 2016-08-01：公告
  4. DiDi Global Inc., Registration Statement on Form F-1/A, 2021：上市文件
  5. Google, “How AI Mode is changing the way people search in the U.S.,” 2026-05-19：文章
  6. NVIDIA, Form 10-Q for the quarter ended 2026-07-26：2027 财年第二季度财报
  7. Avinash K. Dixit, “Investment and Hysteresis,” Journal of Economic Perspectives, 6(1), 1992：文章
  8. Herbert A. Simon, “A Behavioral Model of Rational Choice,” The Quarterly Journal of Economics, 69(1), 1955：文章
  9. Frank H. Knight, Risk, Uncertainty and Profit, Chapter X, 1921：章节
  10. Ronald A. Howard, “Information Value Theory,” IEEE Transactions on Systems Science and Cybernetics, 2(1), 1966：文章