斯蒂芬·施瓦茨曼：商业、投资与人工智能中的大手笔

黑石集团（Blackstone）管理着超过 5300 亿美元的资产，联合创始人斯蒂芬·施瓦茨曼（Stephen Schwarzman）说，他这辈子最擅长的一件事，是在一条黑裙子上看见一根白线头。

大多数人看那条裙子，只看见黑色。他看见的是那根线头，还有随之而来的问题：这东西本不该出现在这里，它是怎么来的？

这套方法他用了四十多年。判断该往哪个行业下重注、该不该在某个政策转向之前先动手、该不该花十分钟在白宫角落里跟总统聊一件事，靠的都是同一个动作。他把它叫做模式识别（pattern recognition），拆开看，是三个很朴素的习惯：认真听别人说什么，注意哪里不对劲，然后提前把别人还没说出口的问题替他想清楚。

黑裙子上的那根白线头

施瓦茨曼描述自己看世界的方式，用的是这样一个画面：一件黑裙子上落了一根白线头。它不该在那儿，但它就在那儿。这个小小的不协调，就是一切的开端。

就像在一条黑裙子上看见一根白线头。大多数人无视那根线头，他们只看见裙子。我总是看见那根线头。我着迷的是，一样东西怎么会跑到它不该在的地方。（斯蒂芬·施瓦茨曼）

这个信号不需要多强烈。只要它出现在一堆原本自洽的事实里，就值得停下来琢磨。他有个经验：如果只找到一根不和谐的线头，那可能只是偶然；如果能找到两根，那基本就是一条通向某个方向的直线，而那个方向，往往是你从没去过的地方。

这套逻辑听起来像某种神秘直觉，其实不是。他反复强调，这是盯着事实看的结果，接近科学发现的过程。真正稀有的部分在后面：当他把结论讲给别人听，几乎没有人行动。

我把我们要去哪里、在做什么、为什么这么做讲清楚，几乎所有人的反应都是，这很有意思。然后他们继续做原来在做的事。（斯蒂芬·施瓦茨曼）

为什么？因为人待在自己的现实里很舒服。只要那一刻没有特别的理由把他拽出来，他就会一直待下去，哪怕这个现实最终被证明完全错了。所以看见线头只是第一步，真正的门槛是：你看见了，你信了，你还敢动手。

用计算机科学的语言说，施瓦茨曼擅长的是异常检测（outlier detection），而今天大多数 AI 擅长的是识别那张永远在重复的裙子。这两件事的难度差得很远。他也承认自己不懂 AI，说不准这种能力将来能不能被写成代码。但他给了一个线索：这东西对他来说接近"硬接线"，他天生就盯着那些不合常规的东西看。

人们会在你面前把自己交代干净

他小时候，家里没有人会抬高嗓门吵架。这种安静的环境练出了一件事：他能听。

听的重点，是分清一个人说了什么和他想说什么。这两件事经常不一样。

人们大多会把自己暴露出来，不管他们觉得自己有多聪明。（斯蒂芬·施瓦茨曼）

他给出的观察清单很具体：看脸，看眼睛，眼睛是灵魂的窗户；看表情和坐姿；听声音，注意语速有没有变快，音量有没有变高。人在谈论自己舒服和不安的话题时，身体会先于语言出卖他。

大多数人忙着组织下一句话，没空掩饰，于是那些不想让你知道的东西也一并流了出来。一旦你拿到这些信息，接下来的对话就变得简单，因为对方已经把你要的东西全说了。你能迅速判断出这次谈话有没有共同利益，能不能谈成一个结果。

这跟走进一间屋子、听对方说一套话、然后照单全收，是完全不同的两种处境。

见面之前，先替对方把难题想一遍

他区分两种会面：偶遇，和约好的会面。后一种可以提前准备，方法也很简单，就是提前把自己当成对方。

对方脑子里在想什么？每天面对的最大麻烦是什么？比如你要见的是美国总统，那就更好办了，媒体天天在报道他在操心什么，长什么样、声音什么样、关注点在哪里，全是公开信息。你要做的，是把那个还没解决的难题拿出来，想出几个别人没提过的解法。

他讲过一段九十年代初的经历。他受邀去白宫，而他自称是从无名之地来的人，这对他来说是大事件。他提前想好了两三个角度。见到总统（老布什，他儿子的室友正是施瓦茨曼大学宿舍的室友）之后，两人走到角落里聊了大约十分钟。事后他带去的女伴问，你们聊了那么久，在聊什么？

他的回答是：世界上有件事正在发生，我想过几种可能的处理方式，他很感兴趣。

当然感兴趣。一个没有简单答案的难题摆在那里，而有人认真替你想过，谁会不感兴趣？

这类对话之所以有效，是因为对方知道你在真心为他好、为局面好，跟我本人没有关系。那么他就会信任你，还会告诉你更多事，因为他知道你的动机很干净。（斯蒂芬·施瓦茨曼）

偶遇的情况没有准备时间，但方法一样。你可以问对方最近在忙什么、在想什么、有没有什么事特别难办。只要他信你，多半会说。然后你要做的就是立刻开始琢磨这件事。他举了个例子：假如对方是一支总输球的职业橄榄球队老板，那你不用打听也知道问题在哪。工资帽制度下每支球队的薪水总额差不多，输球基本就三个原因，没有好四分卫、没有好教练、没有一个会挑人的总经理。这些问题他们自己往往没解决，甚至没意识到。你顺着问下去，他们很乐意聊。

越聪明的人越难做到这一点。聪明人很难从自己的问题里走出来，去真正在意别人的问题。施瓦茨曼对此的说法是，他有个优势，他从不觉得自己有多聪明。

创业是团体运动

谈到第一次创业的人，他给的第一句话是：这是一趟颠簸的旅程。

心理上必须准备好事情会频繁出错。你会被扔进一堆你根本不知道存在的问题里。比如租办公室，对没做过的人来说，这就是个难题：你连一份租约长什么样都没见过，也不知道这个地段合理的租金是多少。所有东西都是新的，所有东西都要从头学。

正因如此，他反对一个人单干。

不幸的是，一个刚起步的创业者几乎什么都不懂。所以每件事都是新的。我认为重要的是不要孤身一人，因为这一切太压人了。（斯蒂芬·施瓦茨曼）

他给的理由很实在：你需要有人可以聊，而且这个人不能是配偶或爱人，因为连他们也会被你的问题烦到。你需要一个能交换经验、能一起讨论处境的群体。

阿里巴巴的例子他专门提过。马云告诉他，公司至少两次走到过财务上的鬼门关。外界只记得马云，因为他成了公开的门面和驱动力，但真正撑住局面的是一群人。

压力不只是琐碎细节，还有心理负担。大部分创业者在某个时刻都会怀疑自己在做什么，因为进展不顺，或者因为自己搞砸了却不知道怎么补救。人都在边做边学，而当你同时面对二十五个变量、其中四个大变量搞错了，局面就会一团糟。这时候，一个真正聪明的外部顾问，或者每天和你一起干活的伙伴，价值极高。

他特别想打破一个神话：一个人创造全部结果。回头看那些成功的科技公司，几乎每一家都有两个人。谷歌是这样，早期的微软是这样，苹果也是这样。人各有不同的技能，需要互相激发。

创业是团队运动。而"创业者"这个词，字面意思就是你是孤身一人。这是个神话，而且大部分时候只是个神话。（斯蒂芬·施瓦茨曼）

所有旅程最终都是孤独的

这是他在访谈里说得最柔和的一段。

归根到底，所有旅程都是孤独的。有人支持当然好。（斯蒂芬·施瓦茨曼）

但如果你把做成一件事当成头号优先级，你就得付出超人的努力。没有人能靠兼职成功。当你准备投入百分之百、甚至百分之一百二十的力气，你就需要支撑，需要身边人理解这就是你生活的一部分。如果对方不理解，冲突就来了。

他的建议分两层。一层是，要把对方放进你的生活，但不要把每一个微小的胜利和失误都倒给对方，因为他们过一阵子就会腻。另一层是，要建立不同的生态：家庭生活、感情生活、孩子，这些是长久的部分；工作那边，则是高度不可预测的部分。

他对公司里刚有孩子的年轻员工说，至少每两个月和伴侣出去一次，去一个没有孩子、没有麻烦的地方。精力好一点的，一个月一次。

你要让两个人的价值观重新对齐。而且你们得开心。如果和你在一起的人只剩下处理问题，那很快就会变得很旧。（斯蒂芬·施瓦茨曼）

开心这件事不能靠待在家里解决，因为家里只会冒出更多问题。你得离开，重新加固和激活这段关系。他说，每次讲完这条建议，年轻人都像眼睛上掉了一层鳞，说，天哪，我从来没这么想过，我整个人都陷在这些事里了。

不觉得自己聪明，是一种竞争优势

主持人提到，他认识的最聪明的人都说自己不聪明。施瓦茨曼的回答是，他从十几岁中期到现在没怎么变过。

他在城市和郊区各长大过一段时间。他把当时的那套价值观称为中产阶级价值观，那也是他从小被教出来的东西。他反问：为什么要变？这就是他本人。

后面的人生里多出来的那些行头，必须放在同一块地基上。因为一旦开始丢掉真实的自己，那你还剩下谁？

他说自己从来没有想成为别人的欲望。现在做的事情，是一个费城中产阶级小孩不会做的事，生活确实变了形态。但人格的完整性有个好处：你能和所有来自那种背景的人保持连接。哪怕他见的人、进的场合已经完全不同，他看世界的镜片始终是同一副。这在心理上非常舒服，也不需要他做任何实质性的调整，往前走就行。

慈善的起点是启动一件新事

谈到慈善，他先纠正了一个预设。

我不像你们预期的那样看待慈善。我把它看成解决大问题、着手大问题、为此创办新组织，跟我们在生意里做的事情差不多。（斯蒂芬·施瓦茨曼）

黑石增长的方式，靠的是不断发现新东西、把新东西建起来，把原来那件事越做越大并不是它的路径。他做慈善是同一套动作：看社会上有哪些机会，启动一件新事，把人聚起来，把大笔钱聚起来，最后总有人来问他，能不能写张支票。

他说得很直白：

我不是早上醒来就问自己，今天怎么把一大笔钱送出去。（斯蒂芬·施瓦茨曼）

他看的是对人们重要的问题。有些事很小，但因为对某个人重要，他能共情，那个人遭遇了某种不公平，他就匿名给钱帮忙，这是大问题的一个微缩版本。

麻省理工学院的那笔捐赠属于大的那一类。2018 年，他捐了 3.5 亿美元，帮助建立新的计算学院（College of Computing）。原因有两层。一层是竞争：他看到 AI、量子和其他关键技术领域正在全球范围内展开竞赛，美国需要加强。另一层是控制：他常去中国，也常在世界各地跑，他看到了掌握这些技术走向的必要性，否则它们被引入时，会重演互联网和社交媒体那一幕，产生意料之外的后果，冲击言论自由和自由民主制度的运转。

关于 AI，他发现真正懂行的那一小群人内部观点分歧极大。他恰好认识其中一批人，就去问，你为什么觉得这东西是坏的？又去问另一个人，你为什么觉得它是好的？

他想同时处理两个问题：怎么推进技术，以及怎么管住那些坏的一面，比如劳动力被冲击，而且这种冲击可能比工业革命快得多。而好东西、甚至是伟大的东西，要怎么才能被允许发生。

在他看来，这是社会面临的重大议题之一，而意识到的人极少。他撞了进去，一看到就说，天哪，这是件大事，无论是从全球竞争的角度，还是从保护社会、造福社会的角度。

最后的方案是，把 MIT 的计算机科学教职规模翻倍，建成世界上第一所 AI 驱动的大学，成为全球学术研究界的样板和灯塔，同时让美国高校之间的竞争态势更健康。因为如果 MIT 募到一大笔钱、把教职翻倍，其他学校一定坐不住。最终受益的是知识创造，是美国，也是世界。

他对这所学院的长线期待分成两块。一块是科学进步，如果新学院能在校内充当召集力量，促进协调和沟通，那就是纯粹的好事。另一块是 AI 伦理，重要性不遑多让。因为如果科学这一侧引发了反弹，社会对这项领域知识进步的反应变得敌意十足，那科学进步和创新这盘棋就输掉了。

让四种力量坐在同一张桌子上

他把 AI 伦理的推进拆成四个必须整合的驱动力。

1. 研究型大学
2. 推动 AI 和量子研究的公司
3. 最终会监管其中部分环节的政府
4. 具备相关知识、受过训练的媒体

第四项最容易被忽略，也最关键。他的担心是，一个孤立事件被过度反应、病毒式传播，最后把整条本来完全值得走下去的路封死。如果足够多不协调的信息（甚至不必是正确信息）在社会里流转，就可能催生出敌意极重的监管环境。

他希望 MIT 的新学院能成为全球的召集者，把四方拉到一起。这就是他愿意在两个领域同时下手的理由。

发明互联网的人说，我可能犯了个错

谈到社交媒体和公共讨论，施瓦茨曼的措辞很重。他说这个话题可能超出他的能力范围，因为想控制社交媒体让它按你的意愿行事，几乎没有人做得到。

他提出一个说法：少数人的暴政（tyranny of the minorities）。这里的"少数"指的是街角的两三个人。他们长什么样、从哪来都不重要，把他们绑在一起的只有那一件事。他们的任务是把自己的观点强加给世界。

政治圈子里，人们直接制造真相，然后到处抛撒。有时候这些人还是被雇来干这事的。你以为那是个人，其实那只是某种立场的前台。这种局面正在严重扰乱社会，正在削弱自由民主制度运转的能力，而他说自己也不知道该怎么抓住它。

MIT 计算学院的发布活动上出现了让他意外的场面。台上坐着很多著名科学家，其中一些正是互联网的发明者。几乎每一个人站起来都说，我觉得我犯了个错误。作为一个非科学家，他说他从没想过会听到有人这么说。

他们的意思大致是：发明互联网的时候，我们觉得这太酷了，能把全世界连起来，能让知识瞬间流动，非常了不起。但没有人想过，社交媒体会从里面长出来，以及它对人真实生活造成的后果。他提到刚看到的一条全国新闻，有人因为被社交媒体嘲笑而自杀。

这是致命的。这是危险的。（斯蒂芬·施瓦茨曼）

他说自己没有解法，只知道往前走，同样的错误用 AI 再犯一次，是不可原谅的。

十三亿人里的每一个人

从 2007 年起，他和中国的高层建立了关系，也一直对理解现代中国有兴趣。

他的观察从人口规模开始。中国很大，十三亿人。中国人的性格在美国被理解得并不充分。他们极其有活力。如果你身处十三亿人之中，你要想清楚的一件事就是，怎么从另外十二亿九千九百九十九个人里挤出一条路来。

这个描述的另一面，是"竞争"这个词。他们个体上高度有活力、高度专注，永远在为自己找机会，因为不这样就活不下去，身边实在有太多人。

中国的复杂在于，它运行的逻辑和美国、西方不一样。它没有那种功能性的法律体系，整个国家靠人与人之间的关系网来运转，你和别人的关系，别人和别人的关系，一层套一层。如果你上面三层的人倒了，而你正是被他保护着，你就成了一颗漂浮的分子，除了头上那一两层，没有别的绳系着，而那一两层随时可能被牵动。

所以让中国人改变并不容易。没有真正运转的法律，只剩关系。当你决定做一个重大改变并签了字，你生活里的很多东西都会变，团队里未必还是原来那批人。这是高风险的事。

跟中国打交道，重要的是搞清楚每个人和别人的关系。你提出一个不同的做法，实际上是在重新排列这些力量。在西方，你通常只需要跟一个人谈，他自己判断什么对自己好，简单得多。从这个角度看，西方反而更容易推动改变，跟一般人的直觉正好相反。但中国的系统一旦适应了新东西，所有人就都在队里了，再想改他们很难；可一旦改过来，他们的专注程度是西方那种个人主义文化很难做到的。

他讲的这些里，有一条对技术听众尤其重要。几周前他跟中国政府的一位高层聊天，对方说，中国每一个学龄儿童都要学计算机科学。

如果中国每一个孩子都要上这门课，这个人数大得难以形容。这不意味着每个人都能学好，但如果它像数学或英语一样，人人都得学，那就不一样了。（斯蒂芬·施瓦茨曼）

他自己是那种数学学到三年级就停下来的学生，至今还在用识字卡。但整个社会每一个人都要接触计算机科学，哪怕是入门级的编程，这件事本身就足够惊人。

对比之下，美国的体系分散在三千多个学区里。中国不需要考虑这个问题，最高层做一个决定，事情就会发生。美国教育系统的权力分散，恰恰是它的掣肘。他猜美国孩子里接触过计算机科学的比例不超过百分之五，而另一个主要经济体是百分之百。计算机科学又是未来，这种差距意味着美国在系统层面主动或被动地削弱了自己，而且这套系统不允许快速调整。

美国需要一个登月级别的动员

谈到联邦政府在 AI 上的角色，他认为必须让联邦政府大规模入场。这次技术跃进无论有没有美国都会发生，但它应该发生在有美国的情况下，这对美国来说是一次登月式的动员机会。

他认为意愿是存在的。真正挡路的是当下那种有毒的政治氛围。但如果绕过国会里那种几乎已成为美国民主定义的不合作，直接去和单个议员聊，他们其实都懂，也愿意做点事。

另一个现实问题是钱。美国正在运行上万亿美元级别的赤字。这个计划要多少钱？从哪来？谁愿意为它站出来？如果要动用别的领域的资源，美国的政治系统并不灵活。但换个角度想，已经有了万亿美元赤字，再多一点又有什么区别？只是国会的运作机制让这件事很难。

他唯一乐观的地方是：这件事不是没人知道的议题，它被看作非常重要的议题。坐下来把情况讲清楚，国会里几乎没有人不说一句，我们得做点什么。

给总统提建议不该是政治问题

主持人的问题很直接：施瓦茨曼没有给特朗普背书，但在特朗普当选后给他提过建议。在主持人看来，无论谁当总统，用提建议的方式为国家做贡献都是一件好事。但他因此受到了不少批评。那么，怎么让政府和科技之间的对话不被政治化？

施瓦茨曼的回答从肯尼迪讲起。他年轻时还没有登月计划，那时的总统是来自马萨诸塞州的约翰·F·肯尼迪。在就职演说里，肯尼迪说了那句话：不要问你的国家能为你做什么，而要问你能为你的国家做什么。他这一代人是在这句信条下长大的。

他说，有时候不需要创新，回到基本原则就够了。美国人均 GDP 大约六万美元，分配并不平均，但这个数字很大。他认为人有义务帮助自己的国家，他就在做这件事。也因此，他从一些人那里承受了不少攻击，那些人把一些他根本不认同的东西投射到他身上。

他的立场其实很简单：他帮过前总统奥巴马，那是个好人，属于另一个党；他也帮过布什总统，也是另一个党。他并不太在意党派。虽然他是共和党的大额捐赠者，但驱动他的是，我们面对的问题是什么，我能不能帮大家走到一个经得起检验的结果。

他还对比了两个时代。上世纪六十年代他在耶鲁念书，那四年里发生的事密度极高：越南战争、黑人权力运动的兴起、避孕药带来的性革命，还有毒品革命。没有哪一代人在四年里经历过这么多。但那时候，人和人之间没有这种即刻爆发的敌意。想法不同的人住在一起，也彼此尊重。

他认为这种变化必须扭转，而且必须从主要机构的领导层开始。领导者不能被那些反对经典版言论自由、反对开放表达和探究的人吓住。大学存在的意义之一就是苏格拉底式的追问。

如果人们不接受这些核心原则，不接受人是平等的、言论可以被听见、不接受那种或明或暗的压倒性嘘声，那他们就不属于这些机构。他们违背了核心原则。（斯蒂芬·施瓦茨曼）

而改变的方式，是有人有勇气把这些原则讲清楚，不只为自己的机构，也为整个社会。他相信这会发生，但这需要高层人物的承诺。

他最后引用了自己书里的一段话作为结尾。这段话也是整场对话的底色：

开始并经营一家小企业，和开始并经营一家大企业一样难。你为了让公司活下来，付出的财务代价和心理代价是一样的。筹钱难，找对人也难。所以如果你打算把一生投入一家企业（只有这样才能做成），你就应该选一个有可能变得巨大的。（斯蒂芬·施瓦茨曼，《What It Takes》）

可以带走的具体做法

• 训练自己盯住那根不和谐的线头。在一堆自洽的事实里，找出那个"本不该在这儿"的细节，找到第二根的时候，认真对待它。
• 见人之前，先把自己当成对方。花十分钟想清楚他现在最大的未解难题是什么，准备两三个别人没提过的解法。
• 把一次对话听完整。看表情，看眼睛，听语速和音量有没有变，对方忙着组织下一句话的时候，真实想法会自己漏出来。
• 看到信号之后要动手。绝大多数人听完只会说一句"这很有意思"，然后回去做原来的事，这才是你真正的机会所在。
• 创业不要做孤狼。找两三个能交换经验、能一起扛事的人，尤其是能聊心理压力的那种。
• 把"我不觉得自己有多聪明"当成竞争优势。聪明人很难从自己的问题里走出来，去真正在意别人的问题。
• 每两个月和伴侣单独出去一次，不带孩子，不谈问题。待在家里只会遇到更多问题，关系需要离开日常才能加固。
• 想做慈善，先从看见问题开始，而不是从写支票开始。把精力放在启动一件别人还没在做的事上。
• 如果你在做技术，把 AI 伦理当成和模型能力同等重要的议题。技术本身跑得快，但监管环境和社会反弹会把整条路封死。
• 关注教育系统的结构性差距。三千个学区对上一个统一决策，差距不在单个学生的天赋上，而在系统能不能快速调整。