痴迷护城河 (Obsession as the Last Moat)

痴迷护城河是 Perplexity 创始人 Aravind Srinivas 在 AI 时代提出的反白板战略——当任何人都可以在周末用自然语言搭出一个 App，所有可执行的能力都被商品化，唯一无法被复制的差异化只剩一个：创始人对某个问题非理性的、不可解释的痴迷[^1]。

这是 Leo 「赌人心法」与 Srinivas「押注痴迷」两套独立体系的结构性收敛——也是「觉醒投资学」在新时代为「赌人」给出的数学解释。

为什么"执行"不再是护城河

graph TD
    A[传统时代] --> B[执行 = 护城河<br/>因为有人懂代码 + 有钱建团队 = 稀缺]
    A --> C[市场择时 + TAM 计算 = 战略<br/>白板上能画出来]
    D[AI 时代] --> E[执行 ≈ 0 成本<br/>Lovable / Cursor / Replit 把代码门槛降到对话]
    D --> F[白板战略失效<br/>底层模型每 6 月升级一次，TAM 算了也白算]
    E --> G[执行不再差异化]
    F --> G
    G --> H{唯一剩下的差异化}
    H --> I[痴迷 = 你独特的、不可复制的好奇心]

谷歌 2023 年泄露的备忘录《我们没有护城河，OpenAI 也没有》给这一判断盖了棺[^1]——连万亿巨头都承认，技术本身不再是护城河。那护城河在哪里？

"AI 复制不了输入端"

Srinivas 的核心论点：AI 能复制任何输出（Output），但 AI 无法模拟决定输入（Input）的那份原始驱动力[^1]。

维度	AI 能不能复制
写一段代码	能
写一篇文案	能
设计一个 UI	能
复制一个 App	能
决定"为什么要做这件事"	不能
决定"在哪些细节上拒绝妥协"	不能
决定"在没人理解时坚持十年"	不能

输入端是人的：好奇心 + 品味 + 痴迷。AI 是基于平均训练数据的产物，平均值无法生成极致。

大公司为什么复制不了痴迷

"最大的公司拥有最大的盲点。"——Srinivas[^1]

为什么 1 万亿美元市值的 Google 复制不了一个 Perplexity？因为：

Google 的"痴迷"被稀释到	Perplexity 的痴迷集中在
股东要求广告收入持续增长	"用户要直接答案，不要蓝色链接"
数千个产品线的资源分配	一个功能：好好回答问题
法务/隐私/合规层层审批	一个判断：能做就做
共识文化（避免任何决策得罪人）	创始人独裁（敢于拒绝整个广告模式）

这就是 Aravind Srinivas 所说的"押注痴迷而非市场时机"的字面含义——你不是在和谷歌的工程能力竞争，你是在和谷歌的激励结构竞争，而后者由它的商业模式锁死。

三个押注痴迷的经典案例

案例	创始人痴迷	大公司复制不了的原因
Perplexity / Srinivas	"用户要真理，不要广告"	Google 的核心收入是广告，无法切换
Midjourney / David Holz	"想象力的工业化 + Discord 社区"	OpenAI 把模型当 API 卖，无法做社区
Cursor / 四个 MIT 毕业生	"编程的低效让我难受"	VS Code 团队的痴迷是稳定不是延迟
Pieter Levels / Nomad List	"数字游民的真实生活"	TripAdvisor 不是数字游民

每一个都不是技术天才，而是对某个具体问题的非理性投入。

与 Leo「赌人心法」的字面同构

Leo 在《投资异类》中的"赌人心法五"是孤注一掷 + 偏执狂[^2]——这与 Srinivas 的"押注痴迷"是同一句话的两个版本：

Leo 赌人心法	Srinivas 痴迷
全情投入（没有退路）	1-2 年深潜（拒绝外部诱惑）
偏执狂（强迫世界适应自己）	痴迷于一个细节（拒绝妥协）
现实扭曲力场（乔布斯式）	反抗"市场时机"
不退路法则（每条退路提高 1 倍失败率）	大公司的盲点不能复制

两个完全独立体系（中国天使投资 vs 美国 AI 创始人）独立到达同一判据——是结构性证据。

与佛学「业」的种子识别同构

这是本批次最关键的跨文明发现之一：

graph LR
    A[业 = 累世种子] --> B[末那识恒审思量<br/>哪些种子开花]
    A --> C[阿赖耶识储存<br/>所有可能的“痴迷”]
    D[创业 = 找到你的“业”种子] --> E[Founder-Market Fit<br/>这件事让你像玩耍<br/>对别人是工作]
    B -.结构同构.-> D

Naval Ravikant 的"特定知识"（Specific Knowledge）[^1]：

"建立特定知识的过程对你来说就像是玩耍，但对别人来说却像是工作。"

这与唯识学的种子六义中的"引自果"几乎是同义反复——你的种子只能开你的花。社会能培训出来的，AI 也能训练出来；只有从你阿赖耶识深处涌出的痴迷，才是 AGI 模型的训练数据里没有的东西。

业力配对 在创业场域的字面延伸：创业者与项目的配对也是种子频率共振——错的人做对的事注定失败，对的人做错的事还能转身。

一万小时定律的 AI 时代修订

Andrej Karpathy 等人的观察[^1]：

AI 压缩了"获得能力"的时间（一天能写一个 App），但没有压缩"获得精通"的时间。

维度	旧定义	新定义
一万小时	学会某个具体技能	在一个问题空间里浸泡足够久
精通的核心	知道 API	看见 AI 看不见的细微差别
学习路径	课程 → 证书	构建 → 失败 → 调试 → 构建
最大杠杆	团队规模	个人对问题的痴迷深度

实战清单（对创业者和投资人）

对创业者：

1. 找你的"痴迷锚"：不是"哪里有市场"，而是"哪个问题让我想花十年"
2. 拒绝 GPT 套壳：模型升级你就死，痴迷于某一类用户才反脆弱
3. 深潜 1-2 年：在 AI 加持下相当于过去 5-10 年的密度
4. 不要扩团队解决问题：扩到 50 人，痴迷就被稀释

对天使投资人（Leo 的视角扩展）：

1. 赌种子频率，不赌商业计划书：BP 都是 AI 写的，痴迷的眼神写不出来
2. 看创始人对细节的"病态专注"：Cursor 团队对延迟的痴迷 = 护城河
3. 避开"全才创始人"：拥有"打开所有选项"的能力 = 痴迷被分散
4. 下注非理性专注：理性的人在 AI 时代会被另一个理性的人优化掉

与其他频道概念的网络

• 塔勒布反脆弱配置 — 痴迷护城河是反脆弱右端的人格化
• 破产风险与凯利公式 — 痴迷创始人单笔下注是 over-bet，但赔率极高
• 业力配对 — 种子频率共振在创业场域的延伸
• 种子 — 痴迷的本体是种子层
• 阿赖耶识 — 痴迷不可被训练，因为它在阿赖耶识深处
• 应无所住而生其心 — 痴迷不是执着，是"不住于市场时机而生其心"
• Aravind Srinivas — 痴迷哲学的代言人

[^1]: 痴迷：超级个体的护城河.md（Srinivas / Naval / Karpathy / 谷歌备忘录的完整论述） [^2]: 寻找逆境中悄悄生长的异类——天使投资的元认知.md（Leo 赌人心法五：孤注一掷 + 偏执狂）