我看待人工智能的行业，有一些自己的原创想法和观点。首先就是这个行业目前来讲能盈利的只有硬件领域芯片，软件盈利的公司目前还没有看到，包括chat GPT那个公司，它都没有盈利的模式，所以这个行业我认为它还是处于一个发展的早期阶段，像80年代电脑行业一样，电脑这个行业最开始起来的也是硬件，首先是做硬件的起来，然后才做软件的起来。所以说人工智能现在做芯片的起来也符合这个规律。所以你既不能说现在就all in AI，我全都投入到AI，你要是作为企业这么搞的话，你收不回成本的，就是简单说要赔钱的，而且将来成事的不一定是你对吧？所以你要投资的话要慎重，不一定哪块云彩底下有雨。那么你做硬件呢实际上这个也是没法竞争的，一般人也做不了这生意，但是说你也不能因为这个就不重视它，你说就拿这不当回事儿，觉得这AI也做不了啥，这也不对，80年代的时候你看电脑也就是大号的计算器，功能全面的计算器，但是到后来电脑的软件，包括电脑应用，那就无所不在，无孔不入了。 我们一个做为个人，我们既不是企业，我们也不是业内专职干这个行业的人，我们该怎么看待这个事呢？我给大家提供一个新的思路，就是说信息化使人类组织进入了一个大的系统，包括美国政府，它由于实现了信息化，所以它可以在分权的基础上实现某种程度上的集中，虽然说各个州的政府有各自权限，但是数据汇集起来了。理论上他要想查你，国税局、CIA、FBI要查你，他有100种办法查你整个在社会中的足迹，他全都能找出来，所以在信息社会并没有真正的纯粹意义上的分权政府结构，只要你上网，然后你数据要汇集，那就谈不上真正的分权，本质上完成了一种集中。这个智能时代的特点就意味着不光数据能汇集起来，而且能够通过智能算法去读取数据中的信息，这个可能是一个庞大的体系才能干成的事儿，所以就这么一个全社会性的起到总调控的富集了大量信息，有大量权限的这么一个系统，他应该算是什么呢？这种东西搁在古代，外国人没见过，我们中国人是早就见过。这就是科举系统。科举这个事就很有意思，我们可以把它想象成，或者我们可以把它认为成是讲人力版本的人工智能的算法，你只要学了四书五经，相当于给你输入特定的那种意识形态程序，你就能加入到整个系统当中去。你通过这种考试，你就通过了筛选，你这一个人作为一个算法就加到整个系统中去了，那么你一旦在这系统里得到赋能，你就具备了权限。那么整个系统通过这种算法，像那种特殊的意识形态结合在一起的，大家的准则都按照这个来的。那么这个东西其实可视为封建时代的大系统，人力智能咱们不管叫人工智能、人力智能，一个个体按照同样一套教材，同样一套算法，生成的这么一个分布式的结构、分布式的来源，但是它结构是层级结构，这种东西实际上形成了它是有问题的，因为它没有标准化，所以说会出现很多的问题，包括一些系统内部的板结组成小的帮派，包括理论脱离实践，越来越眼高手低，出现了很多这种问题，所以从宋朝以后，我们国家也面临了两次大的系统重置，整个系统崩溃是因为这个系统太大了以后出了问题，它的扩散性是非常强的。 实际上考文科的科举有严重漏洞，文科这种东西它没有客观的依据，俗话说文无第一武无第二，为啥？我说这个文章好，他说那个文章好，你打一辈子也不见得争出结果来。比武就不一样了，只要俩人上场一定要倒下一个，胜负很容易分得清。 所以整个系统当中造成的太多资源板结，所以第一代版本就挂，那么其实英国搞文官制度也是考试制度，原来英国的文官是各个贵族，大家等于商量都往政府里塞人，类似于这种推荐制，它都不是察举制，它不是政府统一的去筛选，是直接往里推荐的，往里塞人的，类似于察举制。后来他们也觉得不行，就搞了十八世纪开始大行其道的文官制度。根据成绩来决定谁是高级文官是初级文官，你不考试不能干这事儿。这个东西就是英国的科举，最后他也是走的这条路。 美国的公务员制度也是，日本的公务员制度也是考试。公务员制度变成一个独立的这种行政体系，这个事情基本都要通过考试，全球其实都跟中国统一了，在大家全球都搞了这种行政体系的科举制之后，最后实现的全球范围内的实际上行政集中的这么一种体系。所以全球没有一个政府，它在行政上是保持中世纪封建时代那种分封制的政体，它在文官体系上其实都是一样，都是一整套大的这种算法，基于考试来筛选人的，所以这个事情我们可以讲就进入到了这种2.0的时代，那么但是这个仍然是主观性非常强，因为判断的还是人。第一代像我们国家科举系统，它考试题主观都是文科的知识，第二代的系统它考试题也加入了一些科学知识，但是总的来讲还是偏主观的，我们都考公务员也是，考理工科的知识考得少一些，考的还是一些这种人文学科，那么全球其他地方也差不太多。那么实际上我们国家在恢复高考以后，我们在全社会范围内通过这种理工科的考试，高考实际上实现了一种通过理工科客观性学科的筛选来选拔人才的机制，这个东西其实意义非常重大。 因为作文写得好不好，还可能是有很多的这种考官主观感觉，人文学科也是这一阵他是这么说，那一阵那么说，他都有时代特征，但是理科可不是这样。你像数学是这样，你数学不会你就是不会，数学就像一个盖楼一样，它一层盖上去的，你不会这符号，你西格玛这符号你都不会用，你就整个的这种由它衍生出来的公式，你就是不理解，后边东西你都不可能了解清楚的。 你说你求导你这个东西你没学，你这个概念没有，你搞不了微积分的，没有微积分你就做不了偏微分方程，是吧？你有了这个工具你可能有延展，但你连这工具都没有，你这就不可能说是你这学会了。 所以数学是一个客观性非常强的学科，而且不依赖于家庭，条件多穷的人给了张纸，给个笔他就能在数学上有成就。我们都知道国外有一个数学家叫张益唐，他就在赛百味卖三明治的小店、快餐店里边打工，但是打工了好多年一把年纪了，人家解决了数学难题立马就世界知名了，变成数学家了，但人家是可是读完博士之后，才干的这事。完全数学知识没学过，就一步到位成数学家了，哪怕你是天才，你也得懂数学符号，你这样才能跟别的数学家交流，而且数学符号你不能说我懂一部分另外一部分不懂了，它不存在这个事，这都是可以叫什么？ 共通，所以数学是一种语言，是人和自然沟通的一种语言，是客观规律的一种语言，是高度程序化的，这个是高度共通的，你可以用这个语言去解释物理上的事儿，可以让他解释一些概率上的事儿，解释一些这种宇宙的事儿，但是它语言是一个比较稳定的这么状态，不是说像语言像人类的语言一样，我这么说一下，他那么说一下，他过一阵改了，他不是那样，这个逻辑它是一直连贯的。你可以用别的模型来迭代它，但是大家讲的语言逻辑是一样的。所以说数学就是你可以把各种各样的东西给它，通过一种语言给它结合在一起，所以通过理工科去筛选人才，是我们国家生产力快速发展，技术快速提高的关键。不要说我们国家什么人力资源丰富，印度人力资源也丰富，他咋就没发展起来，人力资源大国有好多国家，好多人口过亿的国家，怎么那些人力资源大国都是穷国呢？实际上因为我们国家是给大部分人推行的，这叫什么？就是大众化的精英教育。我们高考考的这些内容实际上是国外精英教育的内容，但是我们大量的给全社会去推行这种教育体系，那么当然这个会有一部分人脱颖而出了，所以说在数学考试般的理工科考试面前，你只有通过努力，你没有努力，没有这个思维能力，你就过不了这关。 所以说正因为这套筛选体系，才让我们摆脱了过去那种封建的科举制去选拔人才的方式，让我们整个的国家充满了大量的工程师，大量的懂科学语言有科学思维的人，国外的技术很快我们就学会了。 你可能是要用语言表达说可费劲了，也不见得听懂，你要用数学语言表达，大家都看得懂这个公式，技术无非就实践多与少的问题，技术实践的多技术掌握得更精到一些，正是因为大量的工程师群体，所以才让我们的人力资源转化为了技术资源，也才让我们具备了强大的技术实现能力。而且在整个工业体系中，它是有一部分这种相当于是比较强大的这种预备役的人，你说活这一个厂能干，它不光是一个厂子，可能周围好几个厂子都能干，所以说技术工人工程师，技术劳动，这个是我们在改革开放以后，这是我们在改革开放以后迅速的发展起来，在全球的大市场当中，我们杀出来的一个关键，在国际上就是自由贸易。因为我们就拿我们自己来，我们国家买别的国家的东西，咱不就图一个物美价廉、供应可靠，对吧？ 我们不愿意接受别人的计划经济，凭什么美国不让我们买这个我们就不能买，不让我们发展我就不能发展，凭什么你说了算？国与国之间是没法计划的，不计划你就只能按照这个价格市场供需这种东西来约定双方之间的关系。所以说在凡是想在全世界搞计划经济的，基本都是死路一条，从原来的苏联到现在的现在美国也是，中国就你不许发展这产业，我封锁你的产业，我别的人你不许卖给中国，这都是计划经济，他给我们产业安排上计划，给别的国家跟我们的贸易定上计划，这东西都行不通的，所以最终都是自毁长城。 因为这个是国与国的关系，不是国内的关系，其实一个大的企业内部都是计划经济的，比如汽车企业从上游，开采铁矿石、炼铁、炼钢，然后再到比如说生产各个汽车里的什么发动机，什么变压器，再到炼油，假如我全部是一个企业来控制的话，产业链我全掌握的话，内部肯定是计划经济。我自个的上游厂商卖给下游的车企，能是按照市场价来定的吗？我肯定是按照对我这个集团最有利的价格来定的，我不可能让原材料的价格很高，我控制原材料的目的不就是为了维持供应链的稳定，所以说内部你别说一个国家了，一个企业它都是要搞计划经济的，外部没人给你搞计划，你只能按照市场经济的逻辑来，就这么个很简单的一个道理。所以说理工科一旦强大了以后，通过理工科来筛选人才，那么就使得技术劳动得到了极大的这种补充。 但是在之前我们过于重视资本的作用了，实际上是技术资本全是引进的，我们等于让他们在我们挣钱获取我们这种庞大的工程师群体，理工科的这么一个科学的这么一个社会环境的优势来换取他们的技术，所以你资本进来没用，你资本得带着技术进来对我们才是有用的。 所以我们国家的当时政策就是经常账户对外开放，你进来办厂，搞实业实体制造这都可以的，但你要说你光钱进来，我们不欢迎的，资本账户我们没开放，别玩钱，这个是一个我们讲问题的关键。中国为什么搞开放就搞好了，有的国家像泰国东南亚，你搞开放就搞完蛋了，区别就在于我们是让你钱带着技术进来的，进来是干实体经济的，东南亚那些国家彻底开放，人都是拿钱进来玩一把就撤了，所以他们没发展起来。换句话说，为什么说二战以后像德国日本它经济能发展起来，也不光是因为美国给他们投资了和他们的经济政策，是因为这些国家本来就大量的理工科的人才，具备科学的基础，为什么不在非洲干这些事儿，对吧？为什么现在的世界强国还是之前的强国？就是因为这些强国它即便工业都打没了，即便厂子都打光了，他这些工程师还在嘛？对吧？美国的航天那不就是德国的科学家搞出来的吗？苏联是大量的德国科学家拉走也是，那么苏联也搞了不少像导弹，这些东西是很多乌克兰技术人员起到了很大的作用，所以说技术是掌握在人手里的，这个人在这个群体那是很重要的。那么这个时候如果给他们充分多的资源，他就能变成技术实力，那就是硬科技硬国力，这才是科学技术，所以说科学技术是第一生产力，这是一个比较高维度的这么一个规律。至于你说有一些行业完全靠营销活着，是因为这些行业已经没有什么技术可言了，你说造个包他有啥技术对吧？顶多有一点手工的技艺，但它并没有什么科学技术在里边，是吧？就跟我们说句不好听的话，就屎上雕花你雕的再好看，但这东西它没什么新鲜的，没什么用是吧？那只是用来区分阶级的一个道具，并不是科学进步的一个产物。 所以说在这种高科技术密集型的企业，包括资本技术密集型的企业，只要是技术密集型的企业，你放心，肯定是要科学技术靠技工艺的提升来活着的，搞营销是没用的，属于白费白耽误功夫。 你技术提高一点，大家都看得着，大家买它也都是要看你技术好不好，谁买电脑也不会只买个外观，人都得比对技术参数，买汽车也是，你都得看它的技术参数，你用技术参数来判断，这不是一种纯理性的决策模式吗？ 所以说中国的强就强在了我们给社会大众提供了高质量的理工科的精英教育。说是精英，但是面对大众的是用一种公平的制度来筛选的。 而且近代以来工业革命以来，任何一个国家的强盛都是整个国家摆脱了主观的宗教也好，偏见迷信也好这种束缚，去拥抱理工科的科学体系，整个社会是一种科学氛围，它才能强。这个过程中，技术的最重要的载体就是工程师。即便到了人工智能时代，最重要的还会是工程师的进化形态，算法师。人工智能很难说按他的逻辑去发展，因为他没法担责。比如说有的人总说技术能取代律师的工作，可是说这律师到时候人家签字是要负法律责任，你让机器签字吗？他怎么负这个责任。背后责任权利是统一的，人工智能没法负责任，他就没法掌握权力，没法掌握权力，他就不能按照他的意愿来发展。我觉得人类有支配的权利，按照人类的需求来发展，它就是人类的工具，而不是人类的主人。 这是中国看待人工智能的这么一个技术路线，就这么一个特点。其实大家不知道在医院里边用这个算法，相当于来看这个片子拍的 x光片或者核磁共振的片早就已经用上这个技术了，但你签字还得医生签字，是吧？他只能给出一个辅助的建议，他看得再准，这个责任也是人来负的，所以说不用过于担心这个机器跟人抢饭吃的事，技术进步一定是会让人的生活更好的，之所以会出现有时候不太好的情况，全都是分配制度、组织模式出了问题，并不是技术的问题，所以这个就是这么一个规律。技术的东西，你不用有人用，谁用谁就强，谁排斥技术谁就变得衰弱愚昧。所以我们看待人工智能这个东西，我把它看成一种新型的科举。我之前说了理工科的科举就已经这样让中国变成世界上最大的14亿人口的一个工业国，基本上在未来可以预期的就是会把全世界的这种核心的工业全都给富集起来。那么人工智能发展到后边，也是凡是在这体系之内的人会被极大的赋能，他一定也是要筛选一些人来操控的，就像驾驶员一样，他筛选的这种标准一定还是要按照理性的科学的标准来筛选的，不会是这种感性的。就是你像做这chat GPT这个里边咱们说学理科人的作用要远大于学文科人的作用。就AI可以写诗，但是做AI的人一定是学理工科的，你要说你数学、编程都没学过，你是没法做出这个东西来的。你做出这个东西你却可以获得这种一些文学能力。真正的文科知识，都是实践出来的，不是啃书本啃出来的。文科最有用的是哲学，哲学没有学出来的，都是悟出来的。哲学的东西，有悟性的人长期实践，自然可以进步，所以学不学区别不大，实践不实践影响很大。所以说这个实际上打通了理到文的路径，但是没有打通文到理的路径，那么就是一个更理性的大系统。每一个大系统的产生都意味着它能够集成的范围就更大了，系统给人的赋能就更大了，这是肯定的事情。所以说在这种角度上我们再看这个事情的话，作为我们个人，我们没必要去学会算法它是怎么做出来的，那个东西就像是汽车一样，我们学会开汽车就行了。 我没必要从做轮胎开始，炼钢开始，没人干这种事儿，最终干这种事的应该来讲它的可替代性也是比较强的。但是你能把汽车能去越野，能开出赛车的速度，那才了不得。对于个人来讲，我觉得是一个最优解。 所以现在投资去做一些AI的项目，风险非常大，连chat GPT都没找着挣钱的路，别人哪找这条路去是吧？如果全职的去参与到这个工作，技术又在迭代快速发展，那过程当中很容易被淘汰。我们从软件的发展来看，微软之前有很多的软件公司，好多都被淘汰了。你一旦技术路线走错了，那你就完了，可能整个事业都毁了，风险过于大了。 那么兼职反而是一个比较好的方式，因为我们想了解它的发展，我们不用学全部，我们学有用的部分就可以了，我们更新进展就可以了，甚至我们是第一批像80年代学会用微软系统的人，不见得混的比做微软系统的差。所以说这个东西作为普通人来讲，你不是这个行业的这种大拿，或者说没有这么强的技术积累，但是这个东西又必然要在加倍来影响我们生活的。我们应该采取的就是跟随政策，我们不管你怎么做，我们就管你是怎么用的，而且我们在技术路线上我们选对了路线，所以这样的话，你就可以确保自己处于比较优势的竞争位置。也就是说我们不需要写四书五经，但是我们要学会怎么去用这个东西能够纳入到体系当中来，这样的话才是跟技术进展的方向走在一起。 所以说AI的算法其实从90年代就开始有了不断的试错，火一段儿，然后沉寂，再火一段儿再沉寂，再火一段儿再沉寂，每次搞出一点儿新鲜东西来，但它本质上就是统计学，所谓的chat GPT是搞大语言模型，其实算的也就是这个词后边出现下一个词的概率哪个是最高的。所以本质上还是一种统计学，这个东西实际上它跟传统的那种其他数学是不太一样，这个东西有点像炼金术士，你给他投入什么样的这种数据，某些参数怎么改才有可能提炼出来一些有价值的东西，它并不是推导出来的，它是实践出来的，就像飞机的风洞实验是一样的。你说我要是建一个数学模型，完全给他推个解析解这太难了，但是我可以仿真，会通过大量的实验测出来它大概可能会是什么样的，给一个仿真解。实际上Ai的发展就是这样，这种情况下就意味着很有可能高手在民间，很有可能你不是专业的反而干得比较好。因为你熟悉他要解决的问题的场景，这跟中医是一样的。中医科班出身的不见得有跑江湖的水平高，因为跑江湖的实践多，赤脚医生实践的多啥他都见过，而他治不好病直接影响收入，直接影响他的工作成果，他的反馈比较强烈，相当于是目标函数更优化。收集的案例也更多，所以吃经验的行业不一定说所谓的“高阶”就强过“低阶”。所以说我希望成立一个学习小组，我们这里边不要有经济成本，也不要有精力上的负担，这是一个长跑，不是一猛子，不是一下子，是长期跟盯在这个领域，获得这么一种驾驭算法的能力。今天我是要解决比如经济数据，我用的可能是一些这种算法？明天我要解决语言数据，我可能知道哪些算法是合适的。后天我可能是处理一些适合持续噪声DSP的数据，我知道这些东西是怎么用的。你说不一样的信号，随机噪声大的，随机噪声小的，怎么给它分类？怎么不给它去噪是？用什么样的算法去挖掘其中的规律？这算法那么多，成百上千个超参数该怎么调？这种东西统统都得靠实践来解决，没有一本书能告诉你，它只能告诉你个大概。那个书告诉你的内容，基本就跟中医书告诉你内容差不多，都是一些征兆一些现象，具体怎么你把它用什么药用就只能依靠实践和悟性了。 这个算法的调参数过程跟中药调方子过程是一样的，几斤几两多少阴阳配伍，整个系统怎么给它调谐都得靠经验。这个东西花钱都学不着，再高等的学府也不见得就比实践经验丰富的人强，你要想实践啥都不需要，数据有大量的免费数据，师傅老师最好就是大家互为弟子互为师，互相学。一个团队一一队人一拨人一起去研究，比一个人绝对要强。首先就不要是功利的目的来干这事，你说我学完就升职加薪，就找个相应的工作，不要这样，我们不要搞全职的东西，也不要有任何的资金成本，也不要有任何的经济负担，想干就干，不想干就不干，这样的话利于长期的在这个领域去趴着，这样的话我们搞个10年，基本上人人应该都可以成为很专业的了解人工智能算法的大拿。同时我们没交一分钱学费，我们也没花一分钱去研发，但是可能我们把从心电图到脉搏到语言数据到经济数据，到这种高随机性的应用场景，这些问题我们大概心里都有数，我们即便自己不去做算法，我们一看别人做就知道对不对。这样的话我们就真的可以去驾驭这些东西，也可以在未来人工智能的时代获得大系统的加成，我觉得这个是一个最优解。对于有一定技术基础，又有经济条件，又有精力愿意做这个事儿，我们不妨组成这么一种学习型组织，通过集体的来学习来跟进技术发展。所以我给出这么一个项目的设计，大家一起来探讨能不能这么干，愿不愿意这么干，我们去可以去试一试。 我们先从组建一个数据库开始，我们搞一些比较难的技术应用的问题，比如说随机噪声比较大的序列怎么办？你要先分类要先去噪，这就很难了，其实对于大多数的问题其实连chat GPT也解决不了，你随机噪声大了以后，你有效数据本来就很少，你怎么去识别怎么去定位？ 语言1000年前的人说的话和现在说的话差距并不是太大，但是如果这个数据当中加入很大随机噪声，其权重很大的话可能今天和明天都不是一个东西，怎么分类、聚类，怎么去找特征，这是一个很有挑战的工作。 第二就是原来我们日用而不知的东西，比如像脉搏，寸关尺这三个相当于手腕上三个位置，它的振幅、振动曲线，能不能通过数据去识别？其实是可以的。那么怎么就能通过震动信息来获知你身体五脏六腑的问题，它是什么一套逻辑，这东西能不能把它程序化，能不能用人工智能去解析，其实我觉得最起码用傅里叶分解就可以。因为本质上你用正弦函数，你就可以作为基来叠加出各种乱七八糟的形态，也很符合脉搏的特征。所以我们用这种开源免费的数据，我们找到这种就是愿意去有共享精神，有技术追求的小伙伴，再加上大家一起讨论一起研究，在这个领域我们搞一种兴趣小组，就像原来大学里非盈利性的英语角，但是说我们在就像切磋技艺一样，跟下棋一样，作为一种兴趣来存在。 我们可能明天找了一个医生，他有这种比如看X光片图像识别的问题。后天可能是碰到了一个预测天气的，大后天可能是研究经济数据的，再后来可能是比如心理医生，他能对一些病，通过这种语言去治疗患者，那么我们跟某一项具体领域结合，就可能生成某一些技术。这样的话我们站在了这种走轻的这么一个战略位置，当时大决战电影里就不是说吴清源的棋路是走轻，他不是说投入很多精力投入很多钱在这儿，而是以一个低成本的、高效的方式去布局。当出现机会的时候，出现确定性趋势，这时候我们可以迅速的把它转化成项目，我觉得这种组织形式是最适合我们普通人去参与到人工智能这个时代潮流当中去的。所以我提出这么一个项目的构想，大家感兴趣，可以跟我们来联系，我们组建这么一个兴趣的小组，来把这种技术问题当成一个愉快的有意思的这么一个一个东西来玩它，来学习，在这过程当中来获得收获知识的喜悦。我觉得这个比把它当成一个主业去做要轻松不少，也比说完全的拒绝这个东西要明智不少，这是我的一个构想。 算法工会欢迎您：
我们拟推出一个进行算法研究的线上项目，该项目目前并无盈利计划，但可以极大地提高个人能力。应用人工智能的算法进行各种数据分析，类似于中医的治疗之术，需要现将问题诊断出来，而后才能对症下药。所以不同类型的数据其实暗含了不同的环境特征，而不同的环境特征实际上有不同的最佳解决方案。chatgpt看似是一个人工智能，其实是由完全不同功能的几个模型组装而成。所以如何用不同的人工智能算法，来构建出一个不同功能的“心、肝、脾、肺、肾”等五脏，并且有机地合成为一体，其实是这门技术最重要的关键。但是这个知识和技术，目前是没有成熟的教材或者资料可供参考的，就像中医一样好的非常好，差的也非常差，而且没法用考试来筛选。所以我们希望建立一个学习的小组，在实践中汇集算法的知识，让每一个参与的人都可以获得自身难以实现的技术实践，用共享且平等的方式来持续追踪人工智能领域的技术进步。扁平化组织结构，无薪酬只凭兴趣，劳动贡献按照工分计量，一切未来收益按劳分配。本项目专门为有前沿技术追求而不缺经济条件，由平等精神且有集体意识的理性思维者而设。
本项目欢迎具备以下能力的朋友参与：
1. 有使用python做数据开发和数据挖掘经验，熟悉numpy、Pandas和Scikit-learn等。
2. 有使用python 进行web 开发经验，熟悉常用的设计模式。
3. 熟练使用关系型数据库和MongoDB等。
4. 熟练使用Linux和常用的开发模式和部署工具，例如shell、CI/CD、 docker、git等。
请和我们联系，添加微信号【changmingkun0123】，注明算法工会。
畅明谈宏观知识星球，收录畅明的全部录音，其内容包括宏观形势分析、资产配置、趋势行业分析等：点击下方红字链接即可加入知识星球收听完整畅明音频：
