最近我观察到一个很有意思的现象。
在我身边用 AI 写代码的人里，明显分成了两派：
激进派——开最贵的套餐，给 AI 最高权限，让它直接改生产代码，出了问题再修。他们的逻辑是：AI 能力在指数级增长，我现在多付的钱和承担的风险，换来的是领先别人半年的认知和效率。
保守派——担心 AI 写的代码质量不行，不敢把事情 100% 交给它；担心 AI 会破坏系统，所以只给最低权限，每一步都要人工审核。
结果呢？至少从目前来看，激进派已经在效率上拉开了差距。Wharton 商学院 2025 年的 AI 采纳报告显示，Tech、金融、专业服务这些率先拥抱 AI 的行业，人均营收增长速度是保守行业的 3 倍。
这让我想到一个更大的问题：社会是不是天然在奖赏激进的人？
不只是 AI。换工作、换城市、换赛道、换伴侣——那些敢于打破现状的人，似乎总能拿到更好的结果。而那些追求稳定的人，十年后回头看，往往发现自己被困在了原地。
这个结论对吗？
我花了不少时间去翻研究、找数据，试图搞清楚这件事。答案比我预想的复杂得多——但也有用得多。
心理学确实站在激进者这边
先说结论最刺眼的部分。
冒险者天生获得更多正面评价。 发表在 PLOS ONE 上的一项职场研究发现，仅仅是"做出了冒险的决定"这个行为本身——不管结果好不好——就能让一个人在同事和上级眼中获得更积极的评价。也就是说，社会对"敢做"这件事本身就有奖赏机制。
冒险者报告了更高的幸福感。 Carnegie Mellon 大学的认知心理学研究表明，愿意承担经过计算的风险的人，通常报告了更高水平的生活满意度和幸福感。
进化也青睐冒险。 从进化心理学的角度，冒险是一种潜在的适应性特质。进化理论家认为，在早期人类社会中，冒险行为带来了明确的生殖和生存优势——愿意探索未知领域的个体，更可能发现新的食物来源、领地和交配机会。
更关键的是现状偏见（Status Quo Bias）的研究告诉我们，保守的代价远比我们想象的大。Samuelson 和 Zeckhauser 在经典实验中发现，人们会不成比例地坚持现状，即使存在明显更好的选择。在健康计划、退休方案等重大人生决策中，这种偏见尤其严重。
翻译成大白话：你以为你在"稳妥"，其实你是在为恐惧买单。
但等一下——你看到的"成功"，可能是假的
如果故事到这里就结束，那结论很简单：胆子越大，回报越大。去冒险就完了。
但事情没有这么简单。
幸存者偏差（Survivorship Bias） 是理解这个问题的关键钥匙。
我们总是听到 Steve Jobs 辍学创业的故事、Jeff Bezos 放弃华尔街高薪去车库卖书的故事、Elon Musk 把所有身家压在 SpaceX 和 Tesla 的故事。我们看到他们的成功，然后总结：看，冒险是对的。
但我们看不到的是：每一个成功的冒险者背后，有成千上万个同样勇敢、同样激进，但最终失败的人。 他们的故事不会被写成传记，不会被拍成纪录片，不会出现在你的朋友圈里。
这就是幸存者偏差的残酷之处——我们的样本天然是扭曲的。媒体只报道成功者，社交网络只传播赢家故事，所以我们系统性地高估了冒险的回报率，低估了冒险的真实风险。
Daniel Kahneman 和 Amos Tversky 在 1979 年提出的前景理论（Prospect Theory）也从另一个角度解释了这个错觉。他们发现：
- 人们对损失的感知是等量收益的 2 倍
- 面对收益时，人们倾向于规避风险；面对损失时，反而会追逐风险
这意味着什么？那些"激进"的人之所以显得激进，可能不是因为他们更勇敢，而是因为他们对现状的感知不同——他们觉得自己正在"失去"（机会、时间、可能性），所以变得冒险。而保守的人觉得自己正在"拥有"（稳定、安全、确定性），所以选择保护。
双方都是在根据自己的心理账户做"理性"决策。
真正的答案：不是更激进，而是更聪明地激进
研究做到这里，我意识到"社会奖赏激进的人"这个命题本身就问错了。
真正的区别不是激进 vs 保守，而是：
有策略地承担不对称风险 vs 被恐惧驱动的不行动。
Nassim Taleb 在《反脆弱》中提出的杠铃策略（Barbell Strategy） 是我见过最优雅的风险框架：
把 90% 放在极度安全的位置，把 10% 放在极度冒险的位置，完全避开中间地带。
这不是让你 all in，也不是让你什么都不做。这是一种"反脆弱"的姿态：
- 90% 的安全仓位保证你不会被黑天鹅事件摧毁
- 10% 的激进仓位让你有机会从正面黑天鹅中获益
- 避开中间地带——因为中间地带的风险往往不可计算，回报也不够吸引人
用 Taleb 自己的话说：反脆弱就是"激进加偏执"的组合——砍掉你的下行风险，保护自己免受极端伤害，然后让上行空间自己照顾自己。
Jeff Bezos 的"遗憾最小化框架"是另一个智慧。他在创办 Amazon 前面临一个选择：留在华尔街拿高薪，还是去西雅图车库创业。他的思考方式是：
想象自己 80 岁时回看这个决定。如果我不去试，我会后悔吗？
答案是肯定的。所以他选择了冒险。
但注意——Bezos 当时的下行风险是有限的。他有名校学历、华尔街经验，即使 Amazon 失败了，他也能回去找一份好工作。这不是赌徒心态，这是在有安全网的情况下，做一个不对称的赌注。
回到 AI 这件事
现在让我把这套框架套回 AI 的话题。
为什么激进使用 AI 的人效果更好？不是因为"激进"本身是对的，而是因为：
1. AI 使用的下行风险极低。 最坏的结果是什么？代码写坏了可以回滚，花了几百块订阅费发现不好用可以退。这是一个典型的"有限下行、无限上行"的不对称赌注。
2. AI 领域存在复利效应。 你越早开始用，越早建立起"人机协作"的直觉和方法论。这些经验是会积累的。晚一年入场的人，不是晚了一年，而是缺了一年的复利。
3. 保守的代价是隐性的。 你不会因为不用 AI 而被开除——至少现在不会。但你会慢慢发现，那些用 AI 的同事效率是你的 3 倍，而你甚至不知道差距是怎么拉开的。
这恰好符合杠铃策略：AI 使用属于"低下行风险、高上行空间"的那一端。在这个领域保守，不是在保护自己，而是在慢性自杀。
但并非所有领域都适合激进
必须说清楚的是，这个逻辑不能无差别地套用到所有领域。
适合激进的场景：
- 下行风险有限、可控（丢钱、丢面子，但不致命）
- 上行空间巨大或不可预测（可能改变人生轨迹）
- 存在先发优势和复利效应
- 你有安全网（存款、技能、人脉）
不适合激进的场景：
- 下行风险可能是毁灭性的（健康、核心关系、法律）
- 回报是线性的，不存在指数级上行
- 没有安全网，一次失败就回不来
- 信息极度不对称，你是信息劣势方
爱情和婚姻就是一个复杂的领域。"频繁更换伴侣"和"激进"是两码事。真正的"激进"可能是：在一段关系中敢于暴露脆弱、敢于提出不舒服的对话、敢于为了关系质量而冒冲突的风险。这种激进是有建设性的。而单纯地"换人"，更像是逃避而非冒险。
我的结论
社会确实在奖赏某种"激进"，但不是盲目的蛮勇，而是：
在不对称风险中果断行动的能力。
具体来说：
- 识别不对称机会——找到那些"失败了损失有限，成功了收益巨大"的赌注
- 管理下行风险——永远有安全网，永远知道最坏的结果是什么，并确保你能承受
- 克服现状偏见——当你发现自己在说"再等等""还没准备好""现在不是时候"的时候，问自己：这是理性判断，还是恐惧在说话？
- 积累冒险的能力——技能、存款、人脉，这些都是你的安全网，有了它们你才能承担更大的不对称赌注
- 用 Bezos 的框架做终极校验——80 岁的你，会后悔没做这件事吗？
被奖赏的不是"激进的人"，而是**"在正确的时候、正确的领域、用正确的方式承担风险的人"**。
只不过，从外面看，他们确实很激进。
