投資與創業：你是信故事，還是看數據？

AI 時代創業哲學 · 19

在創業投資的世界裏，人每天都要做判斷：這個客户跟不跟，這個項目投不投，這一筆倉位加不加。難題通常不在信息多寡，而在分清哪些是先驗，哪些是證據。先驗是你的起點假設與基準，是對世界常態的認識；證據是能推動假設更新的可檢驗數據。把兩者混淆，情緒就會替代理性，短期波動會被誤讀成結構變化。

以寒武紀為例。它以"AI芯片第一股"的姿態亮相，故事強烈，"國產替代""下一個英偉達"迅速點燃情緒。這些話語能造勢，卻難以直接定價。與之相對的強信號一直存在：財報持續虧損，對政府訂單的高度依賴，與國際巨頭在技術和生態上的差距。很多人在那一刻把故事當成證據，把波動當成趨勢，最終在高位接盤。如果你只是想搏波段，那只是交易，甚至是賭博；如果是談投資，就必須讓數據而非故事和情緒主導倉位。

創業裏也是同一道理。社區生鮮熱潮時，"首單免運費"常常帶來訂單飆升和看似漂亮的次日留存，許多團隊據此認定"模式跑通"，很快融資擴張。可問題在於，這些曲線大多是補貼製造的幻象。如果一開始就把先驗寫清楚：在沒有補貼時，用户是否願為高價生鮮支付運費，價格與運費的彈性大致位於什麼區間？結論就不會下得那麼快。資金退潮、補貼退場之後，數據泡沫便會泄氣，企業也暴露在真實需求之下。

貝葉斯視角：如何更新信念

把"看數據"落實到算術，離不開托馬斯·貝葉斯。他是英國長老會牧師與早期概率學者，最早提出了貝葉斯公式。這個公式只描述了一件事：當你拿到新證據時，如何理性地修正自己的信念。

貝葉斯公式很短，其中P(A|B)被稱為後驗概率，是在B發生的情況下，A發生的概率。P(A)是先驗概率。是A發生的原始概率，代表我們最初的信念。P(B|A)是似然函數，表示在A發生的情況下，B發生的概率。最後P(B)是證據的概率，及B發生的概率，一般是個標準常量。

對這個公式的直覺解釋是：你帶着先驗信念，用證據分別檢驗"發生事件A"和"不發生事件A"的合理性，哪個更合理，哪個的權重就被推高，得到更新後的後驗概率P(A∣B)。用前面兩個例子來解釋貝葉斯公式，就就不抽象了。

假設你是一位二級市場投資者，正在評估寒武紀(688256)的投資價值。設A是"寒武紀未來一年股價上漲"，B是"獲得一份規模可觀的政府AI算力中心訂單"。如果你的先驗是P(A)=0.2，認為"上漲的世界裏更容易拿到此類訂單"，給出P(B∣A)=0.8；而"總體上任何公司拿到此類訂單的概率"大約P(B)=0.25，代入可得：

新證據把你的信念從20%推到64%。它值得小幅加倉，但遠不到"方向性把握"。若隨後連續兩個季度業績顯著不及預期，便形成反向證據，用同一公式更新，後驗會被拉回，此時應收縮暴露，而不是以"戰略性虧損"之類的故事覆蓋掉數據。

再看一個創業公司的例子。假設你是一家創業公司的CEO，正在考慮是否開發一款新產品。設A="新產品能成功"，B="市場調研顯示80%的目標客户願意購買"。如果先驗P(A)=0.3，你判斷"在成功的世界裏更容易出現這種調研結果"，給出P(B∣A)=0.9；而類似"80%意願"的調研總體發生概率P(B)=0.5，那麼，

P(A∣B) = P(B|A)*P(A)/P(B) = 0.9*0.3/0.5 = 0.54

信念從30%升至54%，意味着"有希望"，應擴大試驗範圍繼續取樣，而不是立刻全量上線。之後若在更大樣本、跨渠道復現，新的證據會進一步抬升後驗；若復現失敗，後驗會下降，你就應及時止損。

我們為什麼不願意更新信念？

現實的難題不在公式，而在人性。人們常表現出"貝葉斯非理性"，當證據不利於原判斷時，很多人並不更新P(A)→P(A∣B)，而是臨時添加新假設來保護舊立場。這種行為源於心理學中的確認偏差，即我們只願意接受支持自己信念的信息，而忽略或貶低相反的證據，以此來維護最初的判斷。

狂熱的投資者堅信寒武紀是AI芯片領域的領導者，並給予其90%的成功先驗概率。當好消息出現，他會立即用貝葉斯公式將信念更新至近100%，認為"寒武紀必將成功"。當聽到壞消息，按理應降低信念時，他會增加新的"先驗"或假設來合理化這個壞消息，比如辯稱"這是戰略性虧損"或"行業週期影響"，創造新的信念來解釋矛盾。這會演變為"越跌越補"來證明當初沒看錯。

創業公司CEO同樣容易陷入信念固執。當他堅信新產品是革命性的，且擁有80%甚至更高的成功信心時，任何來自市場調研的好消息都會被放大，並促使他立即增加投資。

他會忽視那些不感興趣的客户，甚至將其歸咎於客户"不懂"。面對負面調研結果或強大的競爭對手，他本應降低信念，卻常常選擇為負面數據尋找外部藉口，比如指責"調研數據有問題"或"客户不屬於目標羣體"。這會導致"繼續燒錢"來挽回面子。

哲學和心理學的視角：信念的產生和堅持

信念不是純粹理性的產物，它一半源於我們對世界的認知框架，另一半則來自於維護自我與羣體身份的需要。正是這兩股力量共同作用，解釋了為什麼面對確鑿證據，人們依然固守原有判斷。

大衞·休謨這位蘇格蘭哲學家對"因果關係"和"歸納法"提出了深刻的懷疑。我們之所以相信因果，多半是因為"恆常相伴"的經驗在心裏形成了習慣，而不是因為邏輯必然。過去不能保證未來，歸納沒有必然性。例如看到太陽每天從東邊升起，但這並不能證明明天太陽也一定從東邊升起。因此，任何判斷都應該以明確的先驗為起點，並寫出不確定範圍；這是一種理性的謙卑。這種懷疑主義為貝葉斯方法提供了基礎：信念不是絕對的真理，而是一種概率，隨時可能被新證據推翻。

卡爾·波普爾則為我們提供了"如何與錯誤相處"的方法論。一個理論的價值不在於它有多動聽，而在於它是否能夠被推翻。驗證只能累積支持，但一次證偽就足以否定。將這一理念付諸實踐，就是在行動前寫下反轉條件，而不是事後找藉口。當後驗概率未能越過預設的閾值時，就不要擴大下注；當反向證據足夠強烈時，就應承認錯誤並反向操作。

皮爾士則補充了"信念從何而來"。他的探究理論與貝葉斯思想異曲同工。他強調溯因推理，即通過系統的、理性的方法，將不確定的懷疑狀態（先驗）轉化為更確定的信念狀態（後驗）。許多好的先驗來自常識性機制，而非空洞的口號。例如，用户留存通常呈半衰期下降，價格彈性通常單調遞減，渠道轉化存在邊際遞減。這些結構性約束應當被寫入先驗或似然模型中，確保模型與常識對齊。

在討論因果與相關時，必須使用精確的語言。相關性只説明兩個變量傾向於同時出現，而因果關係則回答"若做了與沒做，結果是否不同"。在數學符號上，觀察到的條件概率P(Y∣X)與干預下的因果量P(Y∣do(X))是不同的。只有通過隨機試驗、對照研究或可識別的工具變量，我們才有機會估計後者。

許多創業公司在進行"灰度測試"時，若沒有進行分流對照，就可能將P(Y∣X)誤認為是P(Y∣do(X))，從而得出錯誤的因果結論。同樣在投資中，將"風格輪動期的上漲"歸因於"因子本身的優勢"，也是把觀察當成了干預。貝葉斯網絡為此提供了一張因果草圖：首先釐清誰影響誰，然後在每條邊上放置參數與證據，最終通過更新將局部信息彙總到目標節點。缺乏這張圖，任何更新都可能是在一個錯誤模型中進行精確計算。

本圖僅示意，與文章內容無關。

心理學也解釋了為何人們在數據面前仍不願改變。雨果·梅西耶和丹·斯珀伯在《理性的謎團》(The Enigma of Reason)中提出，推理的主要功能並非求真，而是為自己的立場辯護和説服他人。這會天然地放大確認偏差與羣體極化。解決方案不是"更相信直覺"，而是將推理置於對抗性的社會環境中，讓不同立場的證據在同一標準下進行比對，因此"紅隊"審查和對立複核至關重要。

卡羅爾·塔夫里斯和埃利奧特·阿倫森在《犯錯的不是我》(Mistakes Were Made (but Not by Me))中展示了自我辯護和認知失調如何使人越錯越深。為了維持"我一貫理性"的自我形象，人們會重新解釋新證據，將不利事實歸為特例，從而將先驗信念越鎖越窄，甚至乾脆改寫似然。無論是投資中的"越跌越補"還是創業中的"繼續燒錢以證明當初沒錯"，本質上都是對認知失調的修補，而非對證據的理性更新。

綜合來看，信念的生成與堅持可以被重述為一個簡單的公式加上三條自律。這個公式就是貝葉斯更新：先驗決定你從哪裏出發，證據決定你被推多遠，而信念的反轉則由事前設定的閾值觸發。

三條自律分別是：

• 將故事與因果分開，明確區分P(Y∣X)與P(Y∣do(X))。
• 將先驗公共化和版本化，讓團隊成員能看到你的基準率和區間，迫使自己為每次調整提供充分理由。
• 將對抗性帶入流程：通過紅隊、盲評、預註冊和複測等制度，用人類的辯護式推理來彼此抵消，從而減少主觀偏見。

哲學提供了思維的邊界和方法論，心理學則提醒我們人性的短板。將兩者結合，我們才能最大限度地降低"信故事"的誘惑，將"看數據"的紀律真正落實到紙面和行動中。

回到開頭的兩個故事：如果投資者把寒武紀的強信號與弱信號分開，寫清先驗、寫明閾值，情緒就很難把倉位推到危險區；如果做生鮮電商的人把補貼效應與真實需求分開，用更長時間和更大樣本確認留存的持續性，擴張的速度就會慢下來，踩坑的概率也會小很多。

故事可以點燃想象，但不能代替證據。先驗提供邊界，證據推動更新。把"寫清基準率、分辨證據強弱、按公式小步更新、越閾再行動、到期就複查"變成日常，過度自信與過度懷疑都會被同一套公式和自律所約束。故事還是可以繼續講，倉位和行動只能靠數據。