这篇博文旨在整合三份关于中国社会代际流动性、公众感知以及人工智能对劳动力市场冲击的研究报告。通过数据解构“阶层跨越”的底层逻辑，对比主观期待与客观现实的偏差，并审视 2026 年最新出现的结构性预警。

*文末有论文和研报下载链接

*文章由AI总结

1. 机制与测度：代际流动的底层算法

根据《经济学（季刊）》的文献综述，代际流动性（Intergenerational Mobility）通常通过父代与子代在收入、教育或职业上的相关性来刻画 。这种相关性越强，意味着“代际持久性”越高，流动性则越低 。

在量化研究中，两个核心指标定义了这种“粘性”：

• 代际收入弹性（Intergenerational Elasticity, IGE）：通过回归方程描述父辈收入对子代收入的弹性 。

$$ln y_{1i} = \alpha + \beta ln y_{0i} + \epsilon_i$$

其中 $\beta$ 越大，代表阶层越趋于固化 。研究显示，中国 1981—1988 年出生的人群，其 IGE 较 70 后显著上升，意味着收入的代际相关性在加强 。

• 代际排序相关性（Rank-Rank Slope, RRS）：描述子代在同龄人中的收入排名对父辈排名的回归斜率 。该指标对极值更稳健，已成为目前国际前沿的主流测度方式 。

代际传递主要通过禀赋继承（基因、文化、社会网络）和人力资本投资（私人与政府投入）两条路径实现 。研究共识指出，中国目前的代际流动性仍有较大提升空间，且阶层固化的趋势尚未得到有效缓解 。

2. 感知与偏差：被低估的系统“粘性”

发表于《中国季刊》的研究揭示了一个显著的现象：中国公众对社会流动性的主观感知与客观现实之间存在巨大的“乐观偏差” 。

• 普遍的乐观主义：中国受访者普遍表现出对向上流动的信心 。例如，民众认为出身底层（后 10%）的孩子在 40 岁时平均能超过 30% 的同龄人 。

• 对系统权重的低估：对比真实数据（CFPS）发现，民众显著低估了父母教育和收入对子女成就的决定性作用 。

• 在教育传递上，民众认为父母多读一年书对子女的助力比实际情况低了约 34.5% 。

• 在教育向收入转化上，低估程度约为 15.4% 。

• 社会分布特征：有趣的是，女性对收入流动的感知较为悲观，但城乡居民、不同学历群体在“社会流动性感知”上呈现出较高的同质性 。

这种乐观情绪可能源于传统文化对教育的重视，以及政府在公平竞争方面的政策宣传，但也预示着当现实与预期发生撕裂时，可能会产生更强的心理冲击 。

3. 2026 预警：人工智能引发的结构性冲击

*此研报解读可以去看老厉害的视频

进入 2026 年第一季度，花旗银行（Citi Research）的报告指出，中国劳动力市场出现了“GDP 与就业脱节”的加深迹象 。

• 青年失业率创纪录：2026 年 3 月，16-24 岁人群失业率维持在 16.9% 的高位，而 25-29 岁人群失业率攀升至 7.7% 的历史新高 。

• AI 替代效应显现：报告估计约有 9.6% 的工作（约 7000 万个）面临 AI 驱动的直接裁员风险 。年轻职场人（20-29 岁）由于工作内容与 AI 的重合度更高，暴露程度高达 13.6% 。

• 就业质量下降：截至 2024 年底，“零工经济”涵盖了约 2.4 亿人，占城镇就业人数的一半，反映出传统稳定岗位的收缩 。

• 系统反应滞后：目前的教育和社保系统尚未做好吸收 AI 冲击的准备 。例如，失业保险仅覆盖了 2.46 亿人，远低于 4.75 亿的城镇总就业人口 。

主观分析：在“硬核现实”中进行长线布局

将这三份报告连在一起看，可以勾勒出一个极其冷静甚至是冷峻的现实图景：

1. 数据的诚实性：虽然大众的直觉是乐观的，但经济学指标（IGE/RRS）揭示了阶层间的摩擦力正在变大。
2. 系统的黑天鹅：2026 年的 AI 冲击并不是简单的“替代”，它首先打击的是那些处于职业生涯早期、原本试图通过教育杠杆实现跃升的年轻人群。

3. 布局的逻辑：

   • 对抗粘性：既然客观“粘性”比感知的高，那么依赖常规的“学历积累”已经不足以完成跃升。必须通过极高的执行力和对高阶技能（如 AI 工程、量化建模）的垄断，来对冲系统性的阶层惯性。
   • 识别风险暴露：2026 年的数据明确了 20-29 岁群体在 AI 面前的脆弱性。这意味着，与其去做能被 AI 自动化的“存量任务”，不如去做那些“增强人类能力”或“创造新任务”的增量开发。
   • 孤独的理性：在大众普遍乐观时保持冷静，在系统性失业风险逼近时提前建立“主权个人”的护城河。像章北海那样，在噪声中提取真实的信号。

结论：不要被“感知”欺骗，要向“算法”借力。在这个 GDP 与就业脱节、AI 重塑岗位的 2026 年，硬核的技术资产和跨地域的流动性，才是真正的生存筹码。

原文下载

1.Public Perceptions of Intergenerational Mobility in China

2.经济机会 代际流动和共同富裕：一个文献综述

3.「花旗」China Economics - Early Warning Signal to AI’s Job Market Impact?

对话核心逻辑总结：非标、杠杆与生存缝隙

我们的讨论围绕“为什么在巨头林立的 2026 年，个人与中小企业依然能通过‘非标’业务生存”展开，核心观点如下：

1. 非标即护城河（The Moat of Non-scale）： 巨头受限于高昂的机会成本（Opportunity Cost, $opc$）和标准化的组织架构，无法处理低天花板、高复杂度的“脏活”。这些领域是个人开发者（OPC）的天然避风港。
2. 技术升维（Technical Leverage）： 传统的非标业务（如政务档案数字化）高度依赖老板的人际关系。要实现从“区县级”到“全国级”的跨越，必须将老板脑中的非标逻辑固化为 AI Agent 或自动化系统，用技术杠杆降低人力成本。
3. ToB/ToG 的结构性优势： 相比于内卷且流量成本极高的 ToC 赛道，ToB/ToG 领域更依赖行业 Know-how 和深度服务。AI 的进步让“超级个体”能够以极低成本完成复杂的交付。
4. 套利的本质： 无论是资本市场还是预测市场（Polymarket），套利的本质是捕捉“系统失灵”和“信息不对称”。小资金的优势在于能进入大资金因流动性或合规性无法触及的“窄道”。

Blog Post: 理想主义黑客的“非标”生存指南

标题：在标准化世界的裂缝中，寻找 100% 的利润

0x01 巨头的阿喀琉斯之踵

在 2026 年，一个显而易见的悖论是：当 AI 让开发效率提升了 10 倍时，大厂反而变得更脆弱了。

根据保罗·格雷厄姆的经典命题——“Do Things that Don't Scale”（做无法规模化的事），我们可以得出一个商业公式：

$$\text{Profitability} \propto \frac{\text{Complexity of Dirty Work}}{\text{Giant's Opportunity Cost}}$$

大公司的人力成本和流程摩擦决定了它们必须追求“通用性”。一旦业务涉及到特定地域的政策解读、极其混乱的旧系统接口、或者需要人肉渗透的线下环节，大公司的 $opc$ 就会爆表。这便是我们的机会。

0x02 父亲的“脏活”与儿子的“算法”

以政务档案数字化为例。这曾被技术圈视为“没技术含量”的体力劳动，其核心在于老板在二三线城市的政商关系。但站在 2026 年的技术高地上看，这是一个未被开垦的数据富矿。

• 现状： 依靠人际关系拿项目，依靠廉价劳动力交付。这是线性增长，极度依赖老板个人，且有地域边界。
• 黑客路径： 利用深度学习训练特定行业的 OCR 和语义理解模型，将那些大厂模型无法处理的“非标手写体”和“陈旧文档”自动化。

当你能用 1 个人的团队完成 50 个人的交付量，且误差率更低时，你就不再是靠关系在“讨饭”，而是在用技术优势进行“降维打击”。

0x03 为什么我不再迷恋 ToC

很多人觉得个人创业最好的赛道是做 App 或自媒体。但在 2026 年，ToC 是“大海战”，流量成本是唯一的真理。

相反，工业 AIoT 和 ToB 服务是“特种作战”。

在这些领域，你不需要 100 万用户，你只需要 10 个愿意为你支付 50 万年费的重度客户。这些客户的需求往往极其“恶心”且非标，但正因为这种“恶心”，才屏蔽了所有的投机者和巨头。

0x04 预测市场与套利的逻辑

我们在对话中提到了 Polymarket。很多人将其视为赌博，但黑客将其视为“预言机”。

套利的本质是寻找定价 Bug。

当大资金因为流动性滑点（Slippage）而无法进场时，小资金的灵活性就是最强武器。在金融套利或预测市场中，不要去卷毫秒级的速度，而去卷“认知的深度”。

滑点公式提醒：

$$\text{Slippage Cost} = \text{Order Size} \times \text{Market Depth Coefficient}$$

永远不要在深度不足的池子里试图一口气吃成胖子。

0x05 结语：章北海式的长线布局

真正的理想主义黑客，不是在真空中构建乌托邦，而是在泥泞的现实中构建自动机。

我们现在的每一步——无论是研究 D2L 的 PyTorch 实现，还是搭建一套跨市场的套利监控系统，甚至是在处理父亲公司那些发黄的卷宗——都是在为未来进行“增援”。

在这个标准化的时代，做一个非标的人。

Randy (Rosemary) | 2026.04

Logic is the only weapon.

1. 第一阶段：权力与系统的底层协议

   1. 《动物庄园》：拆解理想主义如何通过权力异化走向反面的全过程。
   2. 《1984》：探讨语言与思维如何被系统重塑，建立精神防御阈值。
   3. 《时间机器》：冷酷推演技术异化导致的人类阶级生物学分化终局。

   第二阶段：宏观历史与大趋势

   1. 《白银资本》：从全球贸易视野重审长线财富流动逻辑。
   2. 《光荣与梦想》：详尽记录大国崛起中的社会变迁与危机应对史。
   3. 《置身事内》：看清中国经济运行中政府与市场的底层政经逻辑。

   第三阶段：技术预言与个体主权（新增）

   1. 《失控》（KK三部曲之一）：理解分布式系统、群体智慧与涌现逻辑，这是理解未来复杂系统的底座。
   2. 《科技想要什么》（KK三部曲之二）：探讨技术作为一种生命体的演化趋向，帮你预判技术奇点。
   3. 《必然》（KK三部曲之三）：预言未来三十年的技术必然趋势，助你完成长线的“增援未来”布局。
   4. 《主权个人》(The Sovereign Individual)：预言信息时代国家权力的消解，以及具备高技能的个人如何实现财务与身份的终极自治。

   第四阶段：因果逻辑与系统规律

   1. 《为什么》：从“相关性”跨越到“因果推理”的 AI 与科学新范式。
   2. 《小岛经济学》：以极简案例厘清生产、消费与信贷的最基本运行机制。
   3. 《债务危机》：定量拆解经济周期的扩张与崩溃，学习识别系统性风险。
   4. 《金融炼金术》：索罗斯的反身性理论，研究认知与市场波动如何相互增强。

   第五阶段：塔勒布不确定性系列（防守与博弈）

   1. 《随机漫步的傻瓜》：理解运气在成功中的权重，避免过度归因。
   2. 《黑天鹅》：识别那些不可预测但具有毁灭性影响的极端事件。
   3. 《反脆弱》：学习如何从波动和压力中获益，构建越挫越强的系统。
   4. 《非对称风险》：强调责任机制，识别谁在系统中转嫁风险。
   5. 《肥尾效应》：量化理解不确定性下的极端统计分布。

   第六阶段：商业实战与个体决策

   1. 《真需求》：回归第一性原理，拆解产品逻辑中用户最核心的痛点。
   2. 《小米创业思考》：复盘互联网模式下的效率革命与系统性工程思维。
   3. 《思考，快与慢》：理解大脑双系统漏洞，优化复杂环境下的最终决策。

建议阅读策略：

• 英文原著先行：建议优先从《动物庄园》和《时间机器》开始，磨炼你的技术英语阅读直觉。
• 电影穿插：累了就看《火星救援》（行动力）、《大空头》（系统危机）或《黑客帝国》（底层觉醒）来换脑子。

《置身事内》（兰小欢）

• 收益 6.9% 在这一个月确实相当亮眼，说明你买的要么是跟这一波“重塑”逻辑挂钩的硬科技（比如 AI、半导体），要么是这波慢牛中的红利指数。但一定要清醒： 在波动期，账面收益是浮云，现金流才是防弹衣。

  你想找那种描写“历史转折点、产业重塑、旧财富幻灭、新秩序建立”的书，我给你推荐四本不同维度的“生存指南”，每一本都能精准对上你现在的状态：

  ---

  1. 宏观体感类：《光荣与梦想》（The Glory and the Dream）

  • 作者： 威廉·曼彻斯特
  • 对标你的痛点： 大萧条的真实底色。
  • 推荐理由： 这本书详细记录了美国从 1932 年（大萧条最惨的时候）到 1972 年的历史。你会看到，当时的大学生也面临“毕业即失业”，很多中产家庭也像你家一样守着贬值的资产不知所措。
  • 启发： 它会告诉你，萧条不是一天结束的，但那些在萧条中死磕技能、等待技术爆发（后来是二战后的繁荣）的人，最后都成了赢家。

  2. 财富割裂类：《21世纪资本论》（Capital in the Twenty-First Century）

  • 作者： 托马斯·皮凯蒂
  • 对标你的痛点： “工资没车位贵”的终极解释。
  • 推荐理由： 这本书用几百年的数据证明了一个扎心的事实：资本收益率（r）长期高于经济增长率（g）。也就是说，靠打工（g）永远赶不上靠资产（r）赚钱的速度。
  • 启发： 读完你就明白为什么你想创业、想进外企拿高薪，因为在目前的系统里，平庸的劳动就是会被资本收割。

  3. 技术重塑类：《技术革命与金融资本》（Technological Revolutions and Financial Capital）

  • 作者： 卡萝塔·佩蕾丝
  • 对标你的痛点： 股市慢牛 vs 现实很难。
  • 推荐理由： 这本书解释了为什么每次技术革命（蒸汽机、电力、计算机）都会伴随着泡沫崩溃和转型阵痛。
  • 启发： 你会发现，我们现在正处于“信息与通信技术革命”的展开期（Deployment Period）。在这个阶段，旧产业会死掉，金融资本会从旧领域撤出，涌向新赛道。这解释了为什么你家房子（旧资本）卖不掉，而你买的基金（新资本）在涨。

  ---

  《软技能：代码之外的生存指南》： 教你如何在割裂的时代经营自己。

  总结建议：

  如果你精力有限，先看 《技术革命与金融资本》，

Typecho 渲染测试报告

这是一段自动生成的测试文段，用于检验博客主题对 Markdown 和 数学公式 的兼容性。

1. 基础语法测试

• 加粗文本 与 斜体文本
• 这是一个超链接测试
• 删除线测试

2. 数学公式 (LaTeX) 渲染

注意：如果公式没有正常显示，说明你的主题 header 中尚未引入 KaTeX 或 MathJax 脚本。

行内公式

实数集上的高斯积分结果为 $\int_{-\infty}^{\infty} e^{-x^2} dx = \sqrt{\pi}$。

块级公式

以下是经典的 麦克斯韦方程组（微分形式）：

$$\begin{aligned} \nabla \cdot \mathbf{E} &= \frac{\rho}{\varepsilon_0} \\ \nabla \cdot \mathbf{B} &= 0 \\ \nabla \times \mathbf{E} &= -\frac{\partial \mathbf{B}}{\partial t} \\ \nabla \times \mathbf{B} &= \mu_0 \left( \mathbf{J} + \varepsilon_0 \frac{\partial \mathbf{E}}{\partial t} \right) \end{aligned}$$

3. 代码高亮测试

作为一名 CS 学生，测试一下 Python 的语法高亮：

Python

def fibonacci(n):
    """生成斐波那契数列"""
    a, b = 0, 1
    for _ in range(n):
        yield a
        a, b = b, a + b

print(list(fibonacci(10)))

4. 任务列表与表格

• [x] 数据库配置完成
• [x] Typecho 安装成功
• [ ] 开启公式渲染插件

主权个人

1. 公理：暴力的经济学 (The Economics of Violence)

作者认为，决定人类社会形态（部落、封建、帝国、民族国家）的根本不是什么伟大的政治理想，而是暴力的成本与收益。

• 权力的本质： 政府或统治阶级，本质上是一个拥有“合法暴力垄断权”的实体。它提供保护，并以此收取保护费（税收）。
• 逻辑公式： 当“掠夺/收税的收益” $>$ “发动暴力的成本”时，权力结构就会扩张并稳固；反之，权力结构就会瓦解。

2. 变量跃迁：信息革命改变了“暴力方程”

在农业和工业时代，财富是物理的（土地、工厂、矿山），非常容易被暴力机构（国家机器）定位和没收。因此，工业时代孕育了庞大的民族国家。但信息技术的普及引入了一个致命变量：加密与去中心化。

• 资产的非物质化： 财富从“物理形态”变成了“加密数据”（这正是后来加密货币的基础）。
• 暴力的失效： 一支强大的军队可以轻易占领一座钢铁厂，但无法用坦克轰炸或者强行没收一串储存在大脑或离线冷钱包里的私钥。
• 推论： 信息时代让民族国家通过物理暴力进行勒索和收税的成本呈指数级上升，而收益极速下降。

3. 系统重构：民族国家的“服务化” (The Desacralization of the State)

当国家无法再轻易用暴力垄断来强制收税时，它就被迫从一个“高高在上的统治者”降级为一个“服务提供商”。

• 竞争机制的引入： 就像企业必须通过提供好产品来吸引顾客一样，未来的国家必须通过提供低税率、高隐私保护、好治安来吸引资本和高智商人才。
• 主权个人的诞生： 拥有高认知、高技能，且资产能够跨国界自由流动的人，将成为主权个人。他们不再被困在某一个国家的物理边界内，而是根据哪里对待自己的资产最友好，像更换手机套餐一样更换自己的税收居民身份和国籍。

4. 终局演练：认知精英的非对称优势

在工业时代，个人的力量是微不足道的，人只是系统里的螺丝钉。但在信息时代，杠杆效应被拉到了极致。

• 个体的崛起： 一个极少数的认知精英（黑客、顶尖开发者、资本运作者），只要掌握了信息杠杆和加密技术，其产生的经济势能和破坏力，足以匹敌甚至超越传统的物理暴力机构。
• 阶层的割裂： 无法掌握这些工具的大多数人，依然会被绑定在衰落的民族国家体系内，承担越来越高的隐性税负（如通货膨胀），成为系统维持运转的燃料。