之前我们在 文章中提到「好的教育，并不是把每一步成长都设计好，而是创造一个环境，让那些原本无法预设的连接、讨论、合作、思维碰撞和改变，自然而然地发生」。

这也是我们研发了「孤星城」学习系统的原因：

高效的学习，应该是「进入一个持续成长的循环」：输入 → 思考 → 表达 → 交流 → 反馈 → 实践 → 形成新的能力。

相信大家大概率都做过 MBTI 的16 型人格测试。

其中 N 和 S 这两个维度，其实提供了一个挺有意思的观察角度。

S（Observant）更倾向于关注已经发生的事实，从具体经验中获取信息；N（Intuitive）则更倾向于关注事物背后的可能性，从抽象关系中寻找线索。

说白了，就是你做重要决策时，更基于「你对某件事突然涌起的强烈直觉」，还是「你过往的观察、经验与数据」？

这个测试本身当然是玩票性质，更适合用来社交，而不是给自己贴标签设限。毕竟，人很复杂，不可能被四个字母完全定义。

但这个分类背后，其实触及了一个更重要的思考：当我们面对未知，尤其需要判断未来时，我们习惯通过什么路径寻找方向？

一种人，哪怕这件事历史上没有完整参考，也能从几个有限的前提，推演出后面可能发生什么——这叫演绎能力。

另一种人，不擅长从零星前提凭空推演，但强在总结历史。你把已经发生的事情摆在他面前，他能从中提炼出共通的机制——这叫归纳能力。

01

演绎能力：从有限信息推演未来。

演绎能力强的人，有一种特别的本事：他能在信息并不充分的时候，在脑子里预演未来。

最典型的例子，是2017年谷歌发布那篇《Attention Is All You Need》之后。

在那之前，处理翻译等顺序任务的模型，大多需要按照前后顺序逐步处理信息。这种方式效率有限、速度慢，也很难充分理解距离较远的信息之间的关系。

而这篇论文提出了一种新的思路：通过「注意力」机制，让模型能够同时理解不同信息之间的关联，不再依赖传统的顺序处理方式，从而大幅提升训练效率和任务表现。

2017 年的时候，大多数人只是把它看成一篇技术上很出色的论文；但有些人看到的是更深层的变化：

如果这种方法能够持续提升模型效率，那么模型规模可能会不断扩大；

模型规模扩大，对计算能力的需求会急剧上升，而计算能力背后是芯片，芯片背后是高端制造和供应链；

训练和实际使用都非常耗电，能源和散热会变成新的限制，所以相关的基础资源，比如铜、稀土、电力设施，可能被重新定价；

大模型会从实验室走进现实应用，整条产业链、资本的流向，甚至国家之间的竞争重点，都会跟着转移……

不到十年，这些预言已经成为现实。

有些人正是用有限的信号，早早编织出一幅人类历史上从未完整出现过的图景，并早早入局。

演绎能力，让我们在尚无「完美先例」的时候，依然能让行动有依据。

本文整理自：船长直播公开课

扫码加小雅

免费解锁

▼往期公开课▼

02

归纳能力：从大量历史经验提炼规律。

归纳能力强的人，未必能从几个前提凭空推得很远，但他们擅长回头看。

面对大量已经发生的事件，他们能够穿过表面的故事差异，找到背后反复出现的相似结构，并总结出真正起作用的机制。

他们常说的是：这件事，和那件事，底层逻辑其实一样。

在变化较慢、历史样本充足的时期，归纳往往更稳妥。它能帮人避免重复踩坑，也能把经验沉淀成可以跨领域迁移的判断框架。

如果只把「归纳能力」理解为个人经验总结，它的价值其实被低估了。

把视角拉远，看宏观大势与历史周期，归纳的价值会更加明显——很多看似全新的时代浪潮，虽然表面的技术、产业和参与者不断变化，但背后的运行机制往往存在高度相似之处。

技术与经济的长波、产业的兴衰、社会情绪的摆动，这些很少是直线前进的，它们更像是在不同约束条件下，重复运行的相似脚本。

每一次新技术出现，都会经历早期忽视、快速扩散、资本涌入、泡沫与出清、最终沉淀为基础设施的过程；每一次权力与利益的重新分配，也往往伴随着旧既得利益的抵抗与新生态位的出现。

看清这些重复出现的机制，我们就不容易被单次事件的情绪带着走。

今天 AI 的热潮也是如此。

它当然带来了许多前所未有的变化，但如果把视角拉回技术扩散和产业演化的历史周期，会发现它并非完全脱离过去的运行逻辑。

从互联网、移动互联网，到更早的技术革命，许多重大创新都经历过相似的阶段：

早期探索无人关注，技术突破引发快速扩散，资本和资源大量涌入，市场经历泡沫与调整，最终真正有价值的部分沉淀为新的基础设施。

差别不在投机者口中的「这次不一样」，而在于速度、深度、以及谁能更快完成从泡沫到沉淀的转换。

03

这两种能力都很重要。

演绎让人能提前看到可能的新图景；归纳让人能判断，这幅新图景里，哪些部分其实是旧机制的再次运行。

无论演绎还是归纳，最终较量的都是同一件事：你能不能透过表面事件抓住背后的本质。

演绎是向前的机制推演，归纳是向后的机制提炼。缺少向前的推演，人会后知后觉；缺少向后的提炼，人会把每一次波动都当成全新的东西，反复付出学费。

在变化加快的时期，这两种能力都需要被有意识地使用，而不是只停留在自己的默认偏好上。

看到一篇重要论文、一个政策信号、一轮资本异动时，既可以问「它可能把世界推向哪里？」，也可以问「它和历史上哪些时刻共享相似的结构？」。

太阳底下无新事，但这并不意味着未来是完全确定的，它只是提醒我们：识别那些一遍遍重演的底层机制的能力是值得去训练的。

演绎可以练：刻意从有限信息出发做推演，然后强制自己在事后对照现实，看哪里对了、哪里漏了。

归纳也可以练：面对多个案例时，不只停留在故事情节，而是强迫自己抽出可复用的机制。

最终要形成的，是一种更完整的思考动作。在变化加快的时代，意识到自己更常依赖哪一条路径，并有意识地补上另一侧，本身就是一种优势。

第六轮康波周期几成定局，2026 年应该就是起点，十年左右的真空期可以瓜分新生态位。

只懂宏观的，很容易沦为高认知穷人；只懂微观的，很容易沦为风口上的墙头草——所以需要中观知识。

我们通过超宏观、宏观、中观、微观、工具五个层级，训练成员形成从理解世界到改变现实的完整思考路径：

▫️超宏观层：通过历史、政治、经济、社会与哲学等经典知识，训练对人类文明长期规律的归纳能力，建立理解世界的知识地图。

▫️宏观层：分析国家、制度、市场与技术之间的关系，理解长期变化背后的系统结构，提升从历史机制中判断趋势的能力。

▫️中观层：进一步拆解政策、产业、企业与市场中的具体主体，追踪权力流、资金流、信息流和反馈链，把宏观变化转化为职业、行业与投资判断。

▫️微观层：将前面的理解落回个人行动，建立业务系统、技术系统、内容系统和品牌系统，让判断能够转化为真实的项目与价值创造。

▫️工具层：训练信息输入、研究分析和表达输出能力，让知识不只是停留在理解层面，而能够持续沉淀、连接和产生新的判断。

▼对此感兴趣的同学，可扫码添加小雅，咨询详情▼

获取更多学习干货，点个⭐，不错过文章推送~

编辑｜恺宸

排版｜琳玥