夜雨聆风AI行业的很多判断，并不是纯粹来自技术分析，而是来自掌舵者早年经历形成的“历史印记”；理解这些印记，才能看清他们为什么兴奋、为什么恐惧，以及他们可能集体看错什么。
最近我在做一件事：把AI行业里最有影响力的那批人的出生年份标注出来，然后去看他们18岁前后经历了什么。
Jensen Huang在肯塔基寄宿学校学会了在不友善环境中找到立足点，然后用这套生存逻辑建了CUDA生态，免费开放十年，建立了别人不得不经过的基础设施护城河。Sam Altman在中西部以同性恋青少年的身份成长，学会了"少数人可以拥有远超共识的洞察"，然后用这套逻辑押注AGI，哪怕全世界都觉得他在吹牛。梁文锋在量化基金里把"以最小计算成本实现最高信号精度"内化成了本能，然后用这套方法论做出了DeepSeek。
这这是一个机制。
行为经济学家Malmendier和Nagel在2011年做了一个研究，追踪了美国历次经济衰退期间成长的人，发现他们一生的股权投资比例都显著偏低，且这个效应不随年龄增长消退。不是因为他们不聪明，而是因为他们在最敏感的神经可塑期，经历了"股市会崩溃"这件事，这个信息被编码进了他们的判断底层，此后几十年持续运行。
这个机制有个专门的名字，叫印记效应。人在16到22岁之间，激素水平、神经可塑性和身份认同建构同时达到峰值，这个窗口期接收到的冲击，会被深度编码进大脑的判断回路，影响此后数十年的决策逻辑。
问题在于，这批人现在正在掌舵AI行业。
他们用什么框架理解AI，就会把AI推向什么方向。这不是阴谋论，这是神经科学。
1970年代出生的那批人，18岁前后经历了苏联解体和互联网商业化。他们亲眼见证了"一个平台的崛起可以在极短时间内重新分配全球财富"。所以当AI出现，他们的第一反应是：这是下一个平台转换，谁先定义平台谁就赢了，必须all in。Andreessen Horowitz对AI基础设施的全押策略，不是经过精密计算的投资决策，它是互联网时代平台竞争记忆的情绪输出。
1980年代出生的那批人，18岁前后亲历了互联网泡沫的顶峰和崩溃。他们进入职场的起点，是一地碎掉的dot-com估值。所以他们对AI的判断是：技术潜力是真实的，但叙事溢价是危险的，我要看的是这个东西在真实场景里能不能用，能用多少。Dario Amodei不是因为胆小才在Anthropic强调安全边界，他是被物理学认识论和泡沫目击者的双重印记驯练出来的，那个判断框架里天然有误差棒。
1960年代出生的那批人，18岁前后经历了里根革命和PC诞生。"个体可以通过技术对抗机构"是他们的底层宗教。所以Jensen Huang建CUDA的逻辑，不是"这个技术可以卖钱"，而是"让所有人都不得不经过我这里"，这是PC时代个人对机构博弈叙事的硬件版本。
你看到了一个规律：同样是面对AI，这批人做的判断，几乎都可以在他们18岁前后的经历里找到原型。
这给了我们一个非常实用的分析工具。
当一个你尊重的投资人对某类AI机会极度兴奋，先别急着跟，先问：他18岁前后经历了什么？他的兴奋是来自对这个机会的真实分析，还是他的某段历史记忆被激活了？当一个你尊重的创始人对某类AI风险极度警惕，同样先问：他的恐惧是来自具体的技术理解，还是他曾经在某个类似的场景里受过伤？
这不是在否定这些人的判断力。印记框架产生的判断，有时候是极其准确的，正因为它是被历史验证过的模式。问题在于，当AI作为一种全新的现象出现，历史的类比能走多远，是需要被持续检验的。
把这个逻辑用到当下AI行业，能看到几个具体的集体盲点。
第一，几乎所有1970年代生的掌舵者，都在用互联网平台竞争的框架理解AI。他们相信"赢家通吃"，相信"先发优势决定一切"，相信"数据飞轮是护城河"。但AI的竞争结构跟互联网平台有根本差异：互联网平台的网络效应来自用户连接，AI的能力来自模型质量和算法效率，这两种护城河的形成机制完全不同。DeepSeek在2025年用极小团队做出GPT级别模型，直接压力测试了"算力堆砌=能力护城河"这个命题。那批1970年代掌舵者的集体反应，是震惊，是否认，然后是重新评估，因为这个结果跟他们的印记模板完全对不上。
第二，几乎所有当前掌舵者，都对"AI替代普通劳动者"的速度系统性乐观。因为没有一个人的印记经验来自"被技术替代的劳动者"视角。他们全部是受益者，是创造者，是资本方。互联网确实创造了比它消灭的多得多的职位，这给他们留下了"技术进步自然带来就业增长"的深度信念。但AI的替代速度和广度，可能超过新职位的创造速度，这个差异是他们的印记框架的计算盲区。
第三，对"慢速变量"的系统性忽视。这批人都在快速技术迭代中形成了判断优势，他们的思维工具高度适配"快速做决策、快速验证、快速迭代"的环境。但真正有效的AI治理，需要的是完全相反的东西：耐心、多方协商、跨越政治周期的持续投入。他们的集体时间折现率，使制度建设的价值被系统性低估，而技术解决方案的万能性被系统性高估。
那么，理解印记机制能帮我们做什么？
首先，它能帮你识别判断来源。当你在读一篇大佬的AI分析，或者听一个知名投资人在播客里讲AI走向，你现在可以多加一层过滤：这个判断，是来自他对当前技术的真实理解，还是他的某段历史记忆被这个新现象触发了？两者并不互斥，但需要被区分。
其次，它能帮你找到集体低估的方向。印记框架产生集体盲点，集体盲点产生定价偏差，定价偏差就是机会。当你发现一批顶级投资人集体对某个AI方向保持冷淡，先不要跟着冷淡，先问：他们冷淡的原因，是这个方向真的没有价值，还是这个方向跟他们的印记框架完全对不上，让他们无法评估？
第三，它能帮你检查自己的判断。你是哪一年出生的？你18岁前后发生了什么？你对AI的核心判断，有没有可能是你自己的某段历史记忆在替你做的？这不是要你否定自己的直觉，而是要在直觉和分析之间加一层意识。
我在这个框架上想了很久，最后得出一个也许反直觉的结论：当前AI行业最稀缺的，不是更好的技术分析，而是对"谁在做分析"这件事本身的元分析。我们花了大量时间研究AI能做什么，却很少研究判断AI的人，他们的判断本身是从哪里来的。
印记框架不能替代具体的技术判断，但它能帮你校准那些判断的置信度，识别哪些判断来自真实的分析，哪些来自神经回路的历史重放。
所以接下来最值得关注的是：当这批60至80年代生的掌舵者在2025至2030年间陆续完成权力过渡，接班的那批人——那些在互联网泡沫废墟上开始职业生涯的1985至1995年出生者——他们的印记框架会把AI推向哪里。他们比前任更工程导向，对叙事泡沫更敏感，对AI能力边界的理解更具体。这次权力过渡，可能比任何技术突破都更深刻地改变AI行业的走向。
