Numberphile2
文艺复兴科技凭借融合微弱统计异常的百分之百模型驱动压倒主观判断,而面对政府科研拨款短视与师资断层危机,民间慈善正填补基础科学资金缺口。
AI-assisted summary of Jim Simons (full length interview) - Numberphile — original source. Check the original for full context.
Source published:
Key ideas
- 吉姆·西蒙斯从纯数学界与国防分析研究所密码破译领域起步,随后创立文艺复兴科技公司,凭借全自动统计机器学习模型颠覆了主流金融学的有效市场假说。 (27:28)
- 文艺复兴科技公司坚持“100% 模型驱动”的原则,严禁主观干预交易,并将对市场冲击等交易成本的控制置于与价格预测同等重要的地位。 (36:34)
- 西蒙斯警告美国初等与中等数学教育因科技大厂的高薪虹吸而面临严重师资危机,同时抨击仅以标准化考试评估教师的做法摧残了教学环境。 (49:28)
- 面对联邦政府科研经费向短期“转化研究”倾斜的保守化趋势,西蒙斯基金会斥巨资对顶尖学者提供长达10年的无限制资助以守卫纯粹基础科学。 (58:00)
Detailed notes
## Background 该视频由 YouTube 频道 Numberphile2 于 2015 年 5 月 13 日发布,由布雷迪·哈兰(Brady Haran)主持采访。视频简介介绍吉姆·西蒙斯(Jim Simons)被誉为“世界上最聪明的亿万富翁”,他巧妙利用数学和计算机积累了巨额财富,如今是一位著名的慈善家并创立了西蒙斯基金会(The Simons Foundation)。
## TL;DR 在这场深度访谈中,传奇数学家兼量化投资先驱吉姆·西蒙斯回顾了自己从童年直觉萌芽到攻克微分几何难题、开创“陈-西蒙斯理论”的学术历程。他详细讲述了自己在国防分析研究所(IDA)破译密码并因反对越战被解雇的往事,以及随后转向金融创办文艺复兴科技公司、开创 100% 模型驱动量化交易帝国的核心理念。晚年的西蒙斯将重心转向慈善事业,探讨了其基金会对基础科学的长远支持、对美国高中数理教育危机的深切担忧与干预策略,展现了他对探索未知的终身热爱。
## Atmosphere & style 整场对话洋溢着睿智、从容且不乏冷幽默的松弛感。面对哈兰细致入微的追问,西蒙斯神态平和坦诚,毫无亿万富翁的傲慢架子,谈及年轻时死磕数学的执着与商业中的幸运时举重若轻、毫不伪饰。在触及美国基础教育困境与政府科研资助缩水等现实痛点时,他的语调严肃而尖锐,展现出一位顶尖学者对理性文明与人类认知边界由衷的关切与敬畏。
## Bulletin - [27:28](https://www.youtube.com/watch?v=QNznD9hMEh0&t=1648s) 吉姆·西蒙斯从纯数学界与国防分析研究所密码破译领域起步,随后创立文艺复兴科技公司,凭借全自动统计机器学习模型颠覆了主流金融学的有效市场假说。 - [36:34](https://www.youtube.com/watch?v=QNznD9hMEh0&t=2194s) 文艺复兴科技公司坚持“100% 模型驱动”的原则,严禁主观干预交易,并将对市场冲击等交易成本的控制置于与价格预测同等重要的地位。 - [49:28](https://www.youtube.com/watch?v=QNznD9hMEh0&t=2968s) 西蒙斯警告美国初等与中等数学教育因科技大厂的高薪虹吸而面临严重师资危机,同时抨击仅以标准化考试评估教师的做法摧残了教学环境。 - [58:00](https://www.youtube.com/watch?v=QNznD9hMEh0&t=3480s) 面对联邦政府科研经费向短期“转化研究”倾斜的保守化趋势,西蒙斯基金会斥巨资对顶尖学者提供长达10年的无限制资助以守卫纯粹基础科学。
## Key takeaways - [00:08](https://www.youtube.com/watch?v=QNznD9hMEh0&t=8s) 西蒙斯童年即展现出对无限与极限定理的敏锐直觉,四岁时通过汽车汽油永远用不完的构想独立触及了芝诺悖论的内涵。 - [07:24](https://www.youtube.com/watch?v=QNznD9hMEh0&t=444s) 斯托克斯定理将微积分基本定理拓展至高维流形边界,其展现的数学美感彻底坚定了西蒙斯深耕微分几何的研究志向。 - [12:48](https://www.youtube.com/watch?v=QNznD9hMEh0&t=768s) 西蒙斯与陈省身合作开创了陈-西蒙斯理论,该成果在十年后成为弦理论与凝聚态物理等现代物理学领域的关键基石。 - [18:12](https://www.youtube.com/watch?v=QNznD9hMEh0&t=1092s) 在冷战时期的国防分析研究所(IDA),西蒙斯为美国国家安全局破译密码并首次掌握算法设计,后因在媒体公开反战遭到解雇。 - [25:02](https://www.youtube.com/watch?v=QNznD9hMEh0&t=1502s) 转入投资初期的两年内,西蒙斯因纯直觉交易的情绪大起大落而心力交瘁,促使他下定决心转向量化数学与统计学建模。 - [27:28](https://www.youtube.com/watch?v=QNznD9hMEh0&t=1648s) 金融市场上不存在一招致胜的显性暴利规律,超额阿尔法收益来源于将海量极其微弱、隐蔽的统计学异常信号系统化融合。 - [29:44](https://www.youtube.com/watch?v=QNznD9hMEh0&t=1784s) 量化交易的核心瓶颈不仅是预测行情,还在于大资金进出对价格造成的市场冲击成本,因此核心大模型存在严格的资金容量上限。 - [33:57](https://www.youtube.com/watch?v=QNznD9hMEh0&t=2037s) 文艺复兴科技公司建立全员利益共享机制与极高的软硬件准入门槛,且坚守纯粹的模型驱动交易,彻底排除无法系统化回测的主观干预。 - [38:44](https://www.youtube.com/watch?v=QNznD9hMEh0&t=2324s) 西蒙斯认为文艺复兴闭门研发的成果属于高度特化的工程应用,对纯数学或基础科学的普遍理论推进并没有实际贡献。 - [49:28](https://www.youtube.com/watch?v=QNznD9hMEh0&t=2968s) 美国高科技产业的高薪大幅分流了潜在的数学师资,加之错误的标准化考试问责机制,导致美国基础数学教育面临系统性师资荒。 - [56:38](https://www.youtube.com/watch?v=QNznD9hMEh0&t=3398s) 美国长期依赖 H-1B 签证填补本土科技人才缺口,但随着印度等新兴经济体本土吸纳能力的飙升,海外人才输入模式未来难以为继。 - [58:00](https://www.youtube.com/watch?v=QNznD9hMEh0&t=3480s) 国会对科研投资回报率的政绩考核导致官方资助机构日趋保守,西蒙斯基金会通过纯粹资助顶尖人才来弥补基础科学的长远经费缺口。 - [59:26](https://www.youtube.com/watch?v=QNznD9hMEh0&t=3566s) 西蒙斯明确表示巨额资助基础科研并非出于财富“反哺”的道德负担,而是纯粹源于对科学突破的真挚热爱以及与顶尖科学家共事的精神愉悦。
## Detailed walkthrough ### [00:08](https://www.youtube.com/watch?v=QNznD9hMEh0&t=8s) 童年时期的数学直觉与芝诺悖论
Jim Simons 回忆起自己的童年,坦言数学对他来说是一种非常自然的天赋,而且他一直都由衷地喜欢数学。小时候的他喜欢数数,还喜欢不断把一个数字乘以二,不过当一路翻倍算到 1024 之类的大数时,他就觉得“差不多够了”。大概在四岁的时候,Simons 在完全没有听过专业术语的情况下,自发领悟了类似于“芝诺悖论(Zeno's paradox)”的思想。当时父亲告诉他汽车可能会把汽油耗尽,这个概念让年幼的他感到十分不安:
> “我父亲告诉我车可能会没油,这个概念让我很不安,我之前从未想过这点。但随后我想,车其实不应该会彻底没油:你每次可以只用掉现有汽油的一半,然后用剩下那一半的一半,接着再用剩下的一半,这样可以永远持续下去,所以油永远也用不完。”
虽然四岁的 Simons 当时还没意识到“车子这么开根本跑不了多远”,但在童年时期就能独立推导出“在原理上油永远用不尽”的想法,这对他而言是一个极具震撼力的深刻思考。
- **早期的计算习惯**:热衷于连乘 2,直到算至 1024 才作罢。 - **直觉与悖论**:四岁独立构想无限二等分过程,触及芝诺悖论与极限思维的核心。
---
[01:16](https://www.youtube.com/watch?v=QNznD9hMEh0&t=76s) 学生时代的粗心、热爱与立志成为数学家
当被问及是否在学校一直拿优异成绩时,Simons 坦诚表示自己确实很有天赋,也自知非常聪明,但同时存在一个巨大的毛病——粗心大意。他在算术测验中有时会因为算得太快或者字迹邋遢而把题目搞砸。即便如此,他对数学的一切都深深着迷:他很早就惊叹于球体体积公式 $\frac{4}{3}\pi r^3$ 的精妙;步入高中后,课程开始引入平面几何的定理与逻辑证明,这彻底抓住了他的心。Simons 坦言自己从来不是解题速度最快的那个人,但他具备一股非凡的韧劲与死磕精神,面对难题时会脚踏实地一步一步死磕到底。
与其他同龄男孩子梦想成为棒球运动员等体育明星不同,Simons 心中只有唯一的目标:成为一名数学家。
> “不,绝非如此,我唯一思考过的事就是我要成为一名数学家,无论那究竟意味着什么。”
在高中阶段,Simons 觉得科学课由于教学水平平平而缺乏吸引力;他热爱阅读历史和文学书籍,但他自认并不擅长写作。数学成了他唯一全心全意深爱着的学科。
---
[02:45](https://www.youtube.com/watch?v=QNznD9hMEh0&t=165s) 麻省理工学院求学与抽象代数的开窍时刻
凭借高中已修完部分大学先修课程的优势,Simons 进入麻省理工学院(MIT)后直接跳过了大学一年级的数学课,主修数学。到了大一第二学期,他在选课表上看到一门研究生级别的数学课,赫然写着“无先修要求(no prerequisites required)”。他当时心想既然没有先修门槛,那就选这门课。然而,这门课的内容异常高深,Simons 学得极为吃力,虽然最终勉强应付通过了课程,但他脑海中对那些抽象概念依然充满困惑。
转折点出现在随后的暑假。Simons 找来了一本专门讲解抽象代数(并非初等代数解方程,而是纯正的抽象代数)的书研读:
> “不过那个夏天,我找来了一本关于这方面的书——这是代数,但不是解方程的那种代数,而是抽象代数。随后在一周之内,所有的东西在我脑海中全融会贯通了。我彻底理解了,不再感到困惑,我明白了他们为什么要做这一切。”
Simons 总结道,数学中往往需要一定的时间去沉淀和领会概念背后的真正意图,一旦跨过那个坎,后续就会非常顺畅。最终,他仅用了三年时间就从 MIT 提前毕业。大一结束时,他也彻底明白了自己的职业蓝图——既然世界上有“专门付钱让你思考并创造数学”的职业,那么这条道路的终点就是去大学里当一名数学教授。
```mermaid flowchart TD accTitle: Simons 的数学抽象理解路径 accDescr: 展示 Simons 从接触研究生课程产生困惑到通过研读教材顿悟代数本质的过程
subgraph Phase1["遭遇瓶颈"] A["选修研究生数学课<br>(标明无先修要求)"] --> B["概念晦涩困难<br>产生严重困惑"] end
subgraph Phase2["突破与开窍"] B --> C["暑假研读抽象代数专著"] C --> D["一周内顿悟核心逻辑<br>彻底领会理论动机"] end
subgraph Phase3["学业与职业确立"] D --> E["学业步入坦途<br>三年从 MIT 提前毕业"] E --> F["确立职业道路:<br>成为拿薪水思考数学的大学教授"] end ```
---
[04:35](https://www.youtube.com/watch?v=QNznD9hMEh0&t=275s) 数学的本质在于定义与伯克利之行
探讨这种“突然开窍(all the cogs move into place)”的现象时,Simons 解释说,在面对一个新概念时,学生最初总会纳闷为什么有人要提出这个概念、它的趣味性究竟在哪,直到通过大量思考与实例检验,才会意识到它的精巧。他特别指出,数学研究的极其关键之处在于“建立定义”:
> “数学中很大一部分工作在于给出定义。你会发现某些事物完全可以归纳在同一框架之下,于是你可以为这组概念定义出一个结构,这遵循着所有的特征。这是数学向前推进的一种极其强大的方式,因为当你把具备相似特性的事物整合在一起时,你就能尝试去证明关于这类一般性事物的定理,而不仅限于某个具体的特例。”
在 MIT 毕业前夕,由于 Simons 与 MIT 本校的教授们关系极为密切,导师们希望他换个环境去加利福尼亚大学伯克利分校(UC Berkeley),开拓视野并接触新的师资。更核心的原因是,数学大师陈省身(Shiing-Shen Chern)刚好在那一年加盟伯克利,MIT 方面认为 Simons 天资出众,极力主张他拿到伯克利的一份优渥奖学金去师从陈省身。
Simons 怀揣着与陈省身共事的渴望奔赴西海岸,然而现实却开了一个玩笑:陈省身为了庆祝加盟伯克利的第一年,直接申请了学术休假(sabbatical),根本不在学校。Simons 只能先跟着另一位导师开展研究。直到第二学年初,Simons 已经在博士论文项目上取得了相当深入的进展,正在做一个研讨会报告,突然一位身材高大的华人学者走进了教室:
> “我正在伯克利二年级初做一次研讨会报告,这时走进来一位身材高大的华人。我问旁边的人:‘那是谁?’他说:‘那是 Chern。’我当时甚至不知道他是中国人。我以为 Chern 可能是 Chernawsky 之类的缩写,或者是个把名字缩短了的波兰人。如果是 Chen 或者 Chan 我会知道是中国人,但带有字母 r 的 Chern 我完全没概念。”
Simons 与陈省身就此结识,尽管两人年龄悬殊,但迅速成为了忘年交,并在日后成为了名垂数学史的科研合作者。
---
[07:24](https://www.youtube.com/watch?v=QNznD9hMEh0&t=444s) 步入微分几何:流形与斯托克斯定理之美
Simons 随后深入浅出地阐述了他一生专注的研究领域——微分几何(differential geometry)。微分几何研究的是弯曲空间的几何学,它不局限于平面上的平坦形状,而是研究任何具有度量距离函数的空间,其基本研究对象被称为“流形(manifold)”。
为了通俗地解释流形,Simons 举例说明: - **流形的本质**:是由许多局部空间拼接(glued together)而成的结构。 - **球面的例子**:你无法直接拿一张单薄平整的纸折成一个完整的球面,但你可以把很多小块纸片剪裁拼接在一起形成一个球面。流形在局部微观区域看起来就像普通的平坦空间(略微带有弯曲),但在全局宏观结构上却可以截然不同。 - **拓扑差异**:汽车轮胎或甜甜圈的表面(环面)在本质上与球面完全不同,二者根本无法在拓扑上平滑变形为对方。
真正把 Simons 彻底引入微分几何世界的,是著名的斯托克斯定理(Stokes' theorem)。Simons 将其视为微积分基本定理在更高维度的极致推广:
| 数学阶段 | 核心表达与运算对象 | 几何/拓扑意义 | |:--- |:--- |:--- | | **微积分基本定理** | $\int_{a}^{b} f'(x) dx = f(b) - f(a)$ | 对一维函数的导数进行积分,得到函数在两端边界上的差值。牛顿时代已发现此规律。 | | **斯托克斯定理(Stokes' theorem)** | 针对流形上的微分形式(differential forms)进行高维积分与外微分运算。 | 将“流形内部关于外微分的积分”等价转化为“流形边界上关于原微分形式的积分”。 |
谈及斯托克斯定理时,Simons 的语气充满了赞叹:
> “将这种思想推广至高维空间……那条定理的一般化表述对我而言简直美得令人屏息。那条定理太美了,它成为了微分几何最基本的定理之一。”
当采访者 Brady Haran 问及他当时追寻这门学问究竟是感受到了一种优雅之美、还是把它看作一项可以去猎取的荣誉奖杯时,Simons 毫不犹豫地回答:“不,完全是它的美,纯粹是因为它的美感。”他学过大量的代数,但代数并没有真正触动他的灵魂,唯独几何学彻底震撼了他。来到伯克利之后,Simons 基于自己的敏锐观察做出了一些全新的数学推导,并向自己的指导教授展示,教授当即评价道:“哦,这真有意思。”这便拉开了他博士阶段重大突破的序幕。
[11:21](https://www.youtube.com/watch?v=QNznD9hMEh0&t=681s) 极小簇与转战石溪大学
在完成博士论文之后,吉姆·西蒙斯(Jim Simons)将目光投向了另一个方向。当时数学界流传着一个悬而未决的难题,许多人尝试求解均以失败告终。西蒙斯觉得极具吸引力便着手研究,但一位资深学者极力劝阻他放弃,理由是已有不少学术权威在此折戟,“那些都是大人物,而我只是个小人物”(“those were big shots and I was just a little shot”)。然而西蒙斯并没有听从劝告,而是埋头苦干、死磕到底,最终成功攻克了该问题。在此期间,他还研究了名为“极小簇”(minimal varieties)的数学领域,并撰写了一篇奠基性的论文。这篇论文耗费了他整整六年时间,甚至引来同行对其为何耗时如此之久的疑惑,但事实证明这是一篇极具分量的杰作。
大约在30岁时,西蒙斯前往纽约州立大学石溪分校(Stony Brook University)出任数学系系主任。石溪分校当时是一所成立不久的新大学,其物理系实力雄厚,数学系却相当薄弱甚至算得上糟糕。面对出任系主任的邀约,西蒙斯觉得这会是一件非常有趣的事,欣然接受了挑战。
```mermaid flowchart TD accTitle: 西蒙斯学术与早期职业生涯轨迹 accDescr: 展示西蒙斯从攻克悬案、撰写极小簇论文,到担任石溪数学系主任及与陈省身合作的研究流程
subgraph Phase1["基础攻坚阶段"] A["挑战悬而未决难题<br/>(不顾劝阻独自攻克)"] --> B["耗时6年完成论文<br/>(极小簇研究奠基之作)"] end
subgraph Phase2["石溪大学任职"] B --> C["30岁出任数学系系主任<br/>(面对基础薄弱的数学系)"] C --> D["自学示性类与拓扑学<br/>(探寻未解之谜)"] end
subgraph Phase3["理论突破"] D --> E["推导中出现顽固项<br/>(定义三维流形不变量)"] E --> F["与陈省身合作推广至任意维度<br/>(陈-西蒙斯理论与微分上同调)"] end ```
[12:48](https://www.youtube.com/watch?v=QNznD9hMEh0&t=768s) 陈-西蒙斯不变量与跨学科的意外回响
在石溪任职期间,西蒙斯决定自学拓扑学中与几何学紧密相关的“示性类”(characteristic classes)。他从零起步,试图去解决一个曾吸引无数学者、但至今仍未被满意解决的问题。在推导公式的过程中,式子里反复出现一些无法消去的棘手函数项。西蒙斯原本急于摆脱它们以配平公式,却逐渐意识到这些项本身具有独立的生命力。顺着这条线索,他定义了一种针对三维流形的不变量,并用其证明了若干浸入定理(immersion theorems)。
西蒙斯将这一成果展示给著名几何学家陈省身(Shiing-Shen Chern)。陈省身看后敏锐地指出,由于自己对该领域的熟稔,完全可以将其推广到所有维度。两人随即展开深入合作,共同构建了完整的数学结构。陈省身随后在70年代初的国际数学家大会(ICM)上展示了这一成果。后来西蒙斯又与杰夫·奇格(Jeff Cheeger)合作引入了“微分特征”(differential characters),开创了如今被称为“微分上同调”(differential cohomology)的研究分支。大约十年后,物理学家们意外发现了“陈-西蒙斯不变量”(Chern-Simons invariants)的巨大价值,发现它能够完美解决理论物理中的症结,其应用迅速席卷弦理论、凝聚态物理乃至天文学。对于这种数学成果在其他领域开花结果的现象,西蒙斯深有感触地总结道:
> “基础科学是人类认识世界的良种。”(“Basic science is at the you know, it's the seed corn of our knowledge of the world.”)
- 当被问及当时是否觉得这项研究很冷门偏僻时,西蒙斯表示自己从未觉得它只是个小消遣,他纯粹出于对数学本身的热爱而研究,压根没考虑过实际应用。 - 西蒙斯曾向石溪分校的诺贝尔物理学奖得主杨振宁(C. N. Yang)展示过这些数学结构,询问其对物理是否有用,但杨振宁当时并未接话,西蒙斯因不懂物理便未再深究。 - 对于十年后理论在物理界引起的轰动,西蒙斯坦言这让他感觉非常好,但他从不认为自己凭此“彻底变革了物理学”,只当是自己留下的一份坚实成果。
[18:12](https://www.youtube.com/watch?v=QNznD9hMEh0&t=1092s) 国防分析研究所的密码破译岁月
在37或38岁彻底离开纯数学界之前,西蒙斯曾在位于普林斯顿的国防分析研究所(Institute for Defense Analyses, IDA)工作了四年。那是一个为美国国家安全局(NSA)服务的高度机密机构,核心任务是破译外国对手(主要是苏联)的密码机与密码系统。在那里,西蒙斯不仅继续推进他的极小簇数学研究,还首次接触到了计算机与算法。
西蒙斯坦陈自己是一个极度糟糕的程序员,但在设计破译算法方面极具天赋。他负责构思突破密码的算法逻辑,交由他人编写程序并在计算机上运算验证。他在那里取得过一项极为出色的机密破译成果。当被问及几何拓扑学专业是否对密码工作有帮助时,西蒙斯直言“完全没关系”。他之所以接受这份工作,纯粹是因为“他们给的钱多”(“They paid money”)。当时他对单纯的大学学术生活感到些许厌倦,加上极小簇长达六年的研究周期让他看着同行频频发文而产生落差。国防分析研究所开出的薪水更为优厚,而且不设教学任务,允许研究人员一半时间做自己的数学研究,另一半时间攻关军方课题,这恰好满足了他的需求。
- 在国防分析研究所的四年里,西蒙斯体验到了构建计算机模型的巨大乐趣,这为他日后的量化投资思路埋下了伏笔。 - 因涉及国家最高机密,西蒙斯对他在密码破译中所取得的具体突破始终守口如瓶。
[20:46](https://www.youtube.com/watch?v=QNznD9hMEh0&t=1246s) 反对越战与突遭解雇
西蒙斯在国防分析研究所的职业生涯在第四年戛然而止,原因是他被解雇了。当时正值越南战争时期,西蒙斯内心对这场战争极度反感,即便他所在的研究机构并不直接参与支持前线作战。当时国防分析研究所的最高负责人是身在华盛顿的退役陆军名将麦克斯韦·泰勒将军(General Maxwell Taylor)。泰勒在《纽约时报杂志》(The New York Times Magazine)发表了一篇封面文章,宣称美军在越战中胜券在握,只要坚持下去就能大获全胜。
西蒙斯认为这通言论纯属胡说八道(“a lot of baloney”),随即给《纽约时报》写了一封公开信,直言不讳地指出并非所有为泰勒将军工作的人都支持其观点。这封立场鲜明的信件很快被报纸刊登。起初机构内部风平浪静,没有任何管理层当面责备他,但他心知肚明自己已经被列入了监控名单。西蒙斯当时并未觉得自己此举鲁莽,认为这只是个人观点的表达且与本职工作无关。大约三四个月后,《新闻周刊》(Newsweek)的一名记者找上门来,表示正在采写一篇关于国防部内部反战员工的报道,因极难找到愿意受访的人而请求采访西蒙斯。面对记者的邀请,年仅29岁、从未接受过采访的西蒙斯跃跃欲试,当即答应了接受采访。
[22:52](https://www.youtube.com/watch?v=QNznD9hMEh0&t=1372s) 幽默的“五五分”算法与被 IDA 解雇
在接受一位记者的采访时,对方追问吉姆·西蒙斯(Jim Simons)在国防分析研究所(IDA)面对越战的工作态度和政策究竟是什么。西蒙斯当时半开玩笑但又十分契合实际地编造了一套说辞:在 IDA,研究人员原则上需要将至少 50% 的时间投入军方的加密与破译工作,剩下 50% 的时间则可以自由从事个人纯数学研究。西蒙斯于是告诉记者自己的全新“算法”:“我的算法是,在越南战争结束之前,我把 100% 的时间都花在数学上;战争结束后,我再把 100% 的时间花在他们的工作上,直到这两部分时间重新扯平为止。”当时他确实将绝大部分精力投入到了纯数学研究中,军方的项目只做了一点点。
采访结束后,西蒙斯觉得自己应该向当地的主管报备一下。主管听完西蒙斯原原本本地复述了对记者说的这番话后大惊失色,连忙给自己的上司马克斯韦尔·泰勒将军(General Maxwell Taylor)打电话汇报。打完电话后,主管把西蒙斯叫回办公室,当面宣布他被解雇了。西蒙斯当时非常不解,反驳称自己的头衔可是“终身研究员”(Permanent Member),之前从临时成员晋升为终身成员,怎么能说开除就开除。主管幽默地回应道:“临时成员有合同,终身成员没有合同。”西蒙斯当时并没有合同在身,因此立刻就被扫地出门。不过西蒙斯对此毫不担心,因为他刚攻克了困扰数学界六年的极小次流形难题,学术界声誉正盛,找一份新教职易如反掌。
- 西蒙斯受聘于 IDA 时,由于保密协议,官方甚至不能对外公开其研究内容属于“密码与破译”(codes and ciphers),只能含糊称作“他们的业务”(their stuff)。 - 泰勒将军直接下达了开除西蒙斯的指令。 - 面对失去工作的境地,西蒙斯回忆道:“我刚刚解决了之前跟你们聊过的那个长达六年的重大数学难题,我知道自己能非常轻松地找到工作,所以我其实一点都不担心。”(“I had solved this big math problem that I told you about the six year thing. I knew I was going to get a job very easily, so I wasn't really worried about that.”)
---
[25:02](https://www.youtube.com/watch?v=QNznD9hMEh0&t=1502s) 转战石溪大学、学术瓶颈与涉足投资
被 IDA 解雇后,西蒙斯接受了纽约州立大学石溪分校(Stony Brook University)的邀请,出任数学系主任。在石溪期间,他先是与陈省身合作开创了著名的“陈-西蒙斯理论”(Chern–Simons theory),随后又与数学家杰夫·奇格(Jeff Cheeger)联手攻坚另一个数学难题。然而,西蒙斯和奇格在这一研究上彻底陷入了僵局,苦战整整两年却一无所获。西蒙斯直言,如果能感觉到自己在向前推进,研究做再久也没问题,但在这项难题上他们完全是在原地踏步,这让他感到极其沮丧。
恰逢此时,西蒙斯的父亲做生意赚了一笔钱,西蒙斯获得了一个打理这笔资金的机会。初次涉足投资让西蒙斯产生了浓厚兴趣,他萌生了彻底转行的念头,决定投身于资产管理领域。起初,他用父亲的钱、一些家族资金以及其他几位投资人的资金启动了业务。令人意外的是,西蒙斯在最初的整整两年里完全没有使用任何量化模型,而是像普通交易员一样凭借宏观直觉和直觉判断,在货币、大宗商品以及各类金融工具(当时尚未涉及股票)中博弈。虽然团队凭借纯粹的运气取得了惊人的盈利,但这种传统交易方式让西蒙斯感到心力交瘁:每天清晨走进办公室,如果行情顺应预期,就会觉得自己是个无所不能的天才;而一旦市场反转逆行,整个人瞬间又觉得自己像个彻头彻尾的蠢货。这种大起大落的心理煎熬促使他重新审视价格走势中的内在模式,开始思考是否能够通过数学和统计学方法来预测市场。
```mermaid flowchart TD accTitle: 西蒙斯早期职业路径与交易方式的转变 accDescr: 展示从 IDA 解雇、石溪大学学术瓶颈,到非模型投资,最终走向统计建模的转变过程。 subgraph 学术与早期探索 A["被 IDA 解雇"] --> B["出任石溪大学数学系主任"] B --> C["与陈省身合作 (陈-西蒙斯理论)"] C --> D["与杰夫·奇格合作遭遇两年瓶颈"] end
subgraph 初涉金融 D --> E["受挫后转行:打理父亲与家族资金"] E --> F["前两年:纯直觉交易<br>(无数学模型,大宗商品与货币)"] end
subgraph 转向模型化 F --> G["情绪如坐过山车:天才与蠢货的心理内耗"] G --> H["观察价格形态:启动数学与统计预测模型"] end ```
- 西蒙斯形容那两年的直觉交易过程极为折磨:“这是一个非常揪心的行业。早上走进来你觉得自己是个天才,市场完全顺应你;第二天早上你走进来又觉得自己像个蠢货,市场与你背道而驰。”(“This was a very gut-wrenching business. You know, you come in one morning, you think you're a genius, the markets are for you... and the next morning you come and you feel like a jerk, the market's against you.”) - 早期团队主要交易外汇(currencies)、大宗商品(commodities)和衍生金融工具,未涉及股票市场。
---
[27:28](https://www.youtube.com/watch?v=QNznD9hMEh0&t=1648s) 打破有效市场假说:寻找微小异常与构建预测模型
当主持人询问作为数学家的西蒙斯为何在起步两年后才开始建模时,西蒙斯解释说,自己其实很早就萌生了量化建模的想法,并早早找来了一位同样出自 IDA 密码破译机构的优秀学者。然而,这位搭档逐渐对基本面分析产生了更浓厚的兴趣,甚至断言纯数学模型在金融市场上难有作为,导致早期的建模工作停滞不前。西蒙斯坚信建立预测模型是完全可行的,于是相继引入了更多数学家以及顶尖的计算机专家,才真正打造出了切实行之有效的量化交易系统。
在构建模型的过程中,西蒙斯直面并推翻了主流金融学界的“有效市场假说”(Efficient Market Theory)。该假说认为资产价格总是反映了所有已知信息,价格历史数据中不可能包含任何预测未来的有效线索。西蒙斯坦言:“在某种意义上价格总是对的,但那根本就不是真的。”他指出历史价格数据中真实存在着各类统计“异常”(anomalies)。例如,大宗商品在过去往往具有明显的趋势性,只要能捕捉到这种微弱的趋势并顺势下注,从概率上就能赚多赔少。然而,市场上不存在任何能够让人一口吃成胖子的显性规律,因为显而易见的规律早就被其他交易者套利抹平了。真正的超额收益来源于大量极其隐蔽、微弱的异常信号。
- 随着研究的深入,西蒙斯的量化团队挖掘到了越来越多的市场异常模式。 - 西蒙斯总结了多信号融合的核心思想:“没有任何单一异常是如此压倒性的,以至于你能靠某一个特定异常大发横财,因为如果是这样的话,其他人早就发现了;所以它们必须是非常微妙的东西。你把这些微妙异常的集合拼凑在一起,就能得到一个预测得相当不错的系统。”(“None of them is so overwhelming that you're going to clean up on a particular anomaly, because if they were, other people would have seen them. So they have to be subtle things. And you put together a collection of these subtle anomalies, and you begin to get something that will predict pretty well.”)
---
[29:44](https://www.youtube.com/watch?v=QNznD9hMEh0&t=1784s) 机器学习、交易成本与文艺复兴科技的管理哲学
针对预测系统是否像毕达哥拉斯定理那样由几个精巧公式构成的疑问,西蒙斯澄清道,文艺复兴科技(Renaissance Technologies)的现代系统结构极其复杂庞大,但它的核心并非深奥的巨型公式,而是机器学习(machine learning)的运作范式。研究人员会针对某些潜在的预测因子提出假设,随后将其放入海量的长期历史价格与多维度数据中进行严格的回测检验;如果该特征具有统计预测力,就将其并入统一系统,若无效则果断抛弃。更重要的是,西蒙斯强调在量化交易中,预测价格仅仅是整体系统的一部分,甚至不是最困难的部分。另一个关键支柱是对交易成本(尤其是市场冲击成本)的精确把控:普通散户购买 200 股对市场价格毫无影响,但如果要建仓 20 万股,订单本身就会大幅推高买价;如果交易把价格扭曲得太厉害,原本微弱的利润空间就会被自身造成的冲击成本彻底吞噬。此外,如何构建一个能将整个投资组合的波动率降至最低的仓位系统,需要极度精密的现代应用数学、概率论和统计学算法。
西蒙斯透露,他们的核心大模型存在严格的“容量限制”(capacity),即资金管理规模存在一个最佳甜蜜点(sweet spot)。一旦管理的资金规模过度膨胀,进出市场的订单就会对价格造成不可承受的冲击,导致阿尔法收益衰减。正因如此,文艺复兴的自营基金不会无限膨胀成吃掉整个市场的超级巨兽。在团队构建与管理层面,公司聚集了大约 100 位拥有博士学位的顶级科学家。西蒙斯分享了他数十年来贯彻始终的人才算法:召集最聪明的人,给予他们充分的探索自由,创造所有人平等交流、绝不在个人角落里自扫门前雪的完全开放氛围;同时为他们提供业界最强悍的计算机硬件与基础设施支持,并让所有人成为公司的合伙人,共享丰厚的收益。在招聘时,他们完全不看重金融背景,唯一的筛选标准是应聘者是否在物理学、天文学、数学或统计学等硬核科学领域受过严格的科学训练,发表过扎实论文,并且展现出绝顶的聪明才智。
- 西蒙斯明确了团队所运用的数学工具:“主要是统计学,还有一些概率论。但我们是无所不包的,我们随时调用任何可能奏效的工具。”(“It's mostly statistics and some probability theory... but we reach for different things that might come that might be effective. So we're very universal.”) - 西蒙斯总结了他执掌文艺复兴科技的核心组织原则:“我的算法始终是:把聪明人聚在一起,给予他们充分的自由,营造一种大家彼此敞开交流的氛围——他们不会躲在角落里搞自己的小算盘,而是与所有人交流——并为人们提供最好的基础设施和最好的计算机,同时让每个人都成为合伙人。”(“My algorithm has always been: you get smart people together, you give them a lot of freedom, create an atmosphere where everyone talks to everyone else—they're not hiding in a corner with their own little thing, they talk to everybody else—and you provide the best infrastructure, the best computers and so on that people can work with, and make everyone partners.”) - 招聘标准直截了当:博士毕业后工作过几年、发表过优秀学术论文、拥有扎实科学研究背景的物理学家、天文学家、数学家或统计学家。
[33:57](https://www.youtube.com/watch?v=QNznD9hMEh0&t=2037s) 文艺复兴科技公司的协作文化与高准入门槛
詹姆斯·西蒙斯(James Simons)虽然已经离开文艺复兴科技公司(Renaissance Technologies)的日常管理岗位六年了,但他目前仍担任董事会主席,并每月参加一次董事会会议。他指出,公司的士气和凝聚力依然非常高昂。这得益于一种极佳的科学协作氛围——这是一种大规模的集体努力。在文艺复兴科技公司,所有员工都参与利润分享,因此每个人都乐见同事取得突破。西蒙斯笑着解释这种心理:“好吧,你可能希望那个证明自己有多聪明的人是你,但不管怎样,太好了,他做到了,我也能从中赚钱。”
当被问及为什么其他同样精通数学和计算机的人没有取得像他这样的成就时,西蒙斯谦虚地承认,确实有其他人做出了非常优秀的模型,文艺复兴科技公司并非独占鳌头,但他确信自己的公司做得更好。他指出,该行业存在极高的准入门槛: - **历史数据集**:公司多年来收集并积累了极其庞大的数据集。 - **专有测试软件**:为了让研究人员能够极其轻松地测试各种假设而专门编写的程序。 - **顶尖的基础设施**:经过多年摸索、调整至最佳状态的软硬件支持系统。
此外,公司的人才流失率极低。员工一旦加入极少离开,即使离开也会彻底转行。所有员工都签署了永久保密协议(NDA)。西蒙斯解释说,他们对自己的工作方法高度保密,因为这些交易算法无法申请专利或版权保护。一旦申请专利,细节就会公开,竞争对手只需稍作修改和调整,就能轻松绕过专利。因此,这些知识产权必须作为绝对机密锁在公司内部。
---
[36:34](https://www.youtube.com/watch?v=QNznD9hMEh0&t=2194s) 100% 模型驱动与对模型的“宗教般信仰”
西蒙斯强调,文艺复兴科技公司的投资操作是“100% 模型驱动”的。这与许多将模型仅作为“参考建议”的量化基金(可能只有80%或90%依赖模型)有着本质区别。在那些公司,决策者看着模型给出的建议,有时会选择忽略。但在文艺复兴科技公司,绝对没有交易员会走进交易室说:“嘿,我们买点 IBM 吧,这绝对稳赚”,或者“谷歌的股票太多了,我们得做空它”。
这种对模型的“宗教般信仰”是维持这家公司运转的唯一方式。西蒙斯解释了其中的逻辑:你无法在历史数据中去模拟那个突然走进来大喊“谷歌太高了,赶紧卖掉”的交易员的行为,因为这种主观决策是无法被系统化复盘的。相反,数学模型或新的预测指标却可以在历史数据中进行严密的模拟测试,以验证其过去的表现。
当主持人问及,将所有成功都归功于计算机,是否会伤害到聪明人的虚荣心时,西蒙斯予以了否定。他认为计算机只是工具:
> “一个优秀的细木工不会说这全是因为我那把精妙的凿子。”
就像优秀的摄像设备无法直接决定一个导演的成功一样,同样的设备在平庸之辈手中只会拍出一团糟。计算机只是在执行人类给它的指令。
```mermaid flowchart TD accTitle: 100%模型驱动交易与主观交易对比 accDescr: 展示文艺复兴科技公司完全依赖数学模型进行系统化模拟与交易,排除了无法被模拟的人类主观决策。
subgraph Renaissance ["文艺复兴科技公司 (100% 模型驱动)"] A["开发数学模型/预测器"] --> B["利用历史数据进行系统模拟 (Backtesting)"] B --> C["模型生成交易指令"] C --> D["计算机自动执行交易"] end
subgraph Discretionary ["传统/主观交易 (无法系统模拟)"] E["交易员直觉/消息 (如:'买入IBM')"] --> F["主观决定交易"] F --> G["无法在历史数据中准确模拟该决策的影响"] end
style Renaissance fill:#f9f,stroke:#333,stroke-width:2px style Discretionary fill:#bbf,stroke:#333,stroke-width:2px ```
---
[38:44](https://www.youtube.com/watch?v=QNznD9hMEh0&t=2324s) 商业机密与数学研究的界限
数学是一门高度依赖学术共享和共同构建的学科。主持人提出一个疑问:文艺复兴科技公司在紧闭的大门背后,是否发现了一些本可以推动数学或科学界整体进步的成果,却为了商业利益而选择秘而不宣?
西蒙斯非常明确且坦率地否定了这一猜测:
> “据我所知,我们在文艺复兴科技公司紧闭的大门背后所学到的东西,没有任何能对数学或科学的普遍领域有所帮助。”
他们所做的工作是高度应用性的,专注于市场微观结构和数据模式,这些发现对于基础科学或纯数学理论的拓展并无直接益处。
---
[39:10](https://www.youtube.com/watch?v=QNznD9hMEh0&t=2350s) 运气、管理才能与科学家的威信
在探讨成功的原因时,西蒙斯认为运气起到了极大的作用,而人们往往低估了运气的成分。他指出了一种常见的人性弱点:
> “通常情况下,如果有人失败了,他会说‘我运气不好’;而如果他成功了,他就会说‘我是个聪明人’。”
西蒙斯承认自己是在正确的时间出现在了正确的地点。但他认为自己真正的核心才能并非数学天才,而是管理和组织能力:
> “我认为我所擅长的是让优秀的人一起工作。”
他表示,自己虽然算是个聪明人,也确实提出过几个预测算法,但公司里许多人都做出了算法,他很清楚自己不可能包揽所有创意。不过,他的学术背景为他赢得了员工的尊重。因为他曾是一位优秀的科学家,员工们会觉得:“他有时可能表现得挺糊涂,但我们知道他其实非常聪明。”这种科学家的威信在管理这群顶尖聪明人时发挥了关键作用。
---
[40:51](https://www.youtube.com/watch?v=QNznD9hMEh0&t=2451s) 数学成就与商业成功的抉择
当被问及在前半生的数学学术成就与后半生的商业帝国之间,他更以何者为傲时,西蒙斯表示自己同样自豪。他为自己做过一些对学术界有积极影响的数学研究而欣慰,也为创立了一家出色的企业而骄傲。此外,他现在将主要精力放在了与妻子共同创立的西蒙斯基金会(The Simons Foundation)上。该基金会由其妻子于1994年用他的资金创立,如今已成为他的主业,他也为此感到非常自豪。
主持人抛出了一个极具启发性的问题:“你是否愿意用你全部或部分的商业成功,去换取成为那个破解黎曼猜想(Riemann Hypothesis)的人?”
西蒙斯沉思片刻,承认这是一个极好的问题:
> “我可能会愿意交换其中一部分……对于黎曼猜想,我想,能解决它当然会是一件令人极其兴奋的事。”
但他随即表示,自己对目前的职业生涯走向感到非常满意。他从不回头看,也从不后悔自己在商业上做过或没做过什么。
---
[42:52](https://www.youtube.com/watch?v=QNznD9hMEh0&t=2572s) 并非典型的商人:减法的艺术与圣路易斯分销商的启示
西蒙斯直言,自己并不适合管理普通的商业公司。如果要他去管理一家大型制造企业,他会觉得那些繁琐的行政细节极其枯燥,而且他自认不是一个组织纪律性极强的人,很快就会感到厌倦。他表示:“我不是那种典型的商人。”文艺复兴科技公司之所以能成功,是因为它的运行方式对他而言非常自然。
谈到商业,西蒙斯幽默地分享了他对商业中数学的理解:
> “我总是说,商业中最重要的数学技能是减法。你必须明白你的收入何时会超过你的成本。”
他吐槽说,有些创业者只盯着收入增长,却忽视了每天都在亏损的事实,还天真地以为“问题过阵子自己就会解决”。
为了证明自己确实不适合传统商业,西蒙斯分享了一段往事:他曾因投资关系,不得不亲自去管理一家陷入困境的计算机领域小微企业,前后维持了三到六个月,期间每周通勤去费城。虽然他做得比前任好,但他深知自己并不擅长。他回忆起当时与一位来自圣路易斯的分销商开会时的场景,自己心里一直在想:“我到底在干什么?把时间花在和圣路易斯的分销商扯皮上?这根本不是我想过的人生。”最终,他们聘请了一位真正的专业经理人,西蒙斯才得以解脱。
如今,西蒙斯基金会是他倾注心血的地方。该基金会主要致力于支持基础科学研究,同时也资助了一项庞大的自闭症研究项目(包含大量基础科学研究,并以寻找治疗方法为最终目标)。
[45:19](https://www.youtube.com/watch?v=QNznD9hMEh0&t=2719s) 西蒙斯基金会的慈善模式:支持基础科学与应对不确定性
吉姆·西蒙斯(Jim Simons)详细阐述了西蒙斯基金会(Simons Foundation)的资金投向。基金会重点资助数学、物理、计算机科学,以及神经科学和遗传学等各类生物学的基础科学领域。西蒙斯明确指出,这是他们真正热爱的事业:“大约 10% 到 15% 的资金用于拓展和教育,但 80% 到 85% 基本上都是支持基础科学。”
面对主持人的追问——基础数学研究本质上无法预知成果,这是否就像“把钱扔向墙壁看能粘住什么”,西蒙斯承认某种程度上确实如此。基金会推行了西蒙斯研究员资助计划(Investigator Grants),为顶尖的数学家、物理学家和计算机科学家提供长达 10 年的长期资助。学者们可以用这笔钱聘请博士后或推进日常研究。西蒙斯解释说,他们并不预设学者必须产出什么具体成果,只看重过往学术成就和顶尖实力。此外,基金会还资助大型合作项目,设定宏大但相对宽泛的目标。例如“生命起源”课题汇聚了四五十位学者,研究从原始有机分子如何一步步演化出人类智慧。西蒙斯风趣地总结道:
> “我们并不指望未来五年能彻底弄清起源的所有奥秘,但我们会对这条从原始有机分子走向如今坐在这里接受采访的道路了解得更多。”
```mermaid flowchart TD accTitle: 西蒙斯基金会资助结构 accDescr: 展示西蒙斯基金会在教育推广与基础科学之间的资金分配与项目模式
subgraph FundAllocation["基金会资金分配"] A["总资助预算"] --> B["10% - 15%<br>教育与科普拓展"] A --> C["80% - 85%<br>基础科学支持"] end
subgraph EducationPrograms["教育拓展"] B --> D["Math for America<br>(美国数学计划)"] end
subgraph BasicSciencePrograms["基础科学两大支柱"] C --> E["西蒙斯研究员项目<br>(10年无限制资助/选拔顶级人才)"] C --> F["前沿合作课题<br>(如生命起源等宏大科学问题)"] end ```
[47:36](https://www.youtube.com/watch?v=QNznD9hMEh0&t=2856s) 商业与慈善的异同,以及对风险的真正态度
主持人提出疑问:这种不问产出、任由学者探索的慈善模式,与西蒙斯在文艺复兴科技公司(Renaissance Technologies)强调收入、成本与盈利的对冲基金运营似乎背道而驰。西蒙斯对此作出了辩证的剖析。他指出,两者的相通之处在于招募人才时同样不设限:
> “当把顶尖人才招进文艺复兴公司时,我们也不知道他们具体会做什么。我们只是希望他们能提出好点子,让公司变得更好;我从不会规定某个人必须发现某种特定的东西。”
两者的区别在于,商业运作最终收敛于极具针对性的狭窄结果,而基础科学则是完全开放的“自由探索”。谈及对风险的理解,主持人询问曾打造出以降低风险为核心的量化帝国、却又敢于放弃终身教职下海创业的西蒙斯,究竟是风险承担者还是风险规避者。西蒙斯坦言,随着年龄增长人可能会变得相对保守,但他骨子里一直是个敢于冒险的人。更重要的是,他有一套管理风险的方法论:
> “我一直都算是个冒险家,但我拥有良好的品味,尤其是在识人方面。而且我几乎总是与他人合作合伙,这有效降低了风险。”
[49:28](https://www.youtube.com/watch?v=QNznD9hMEh0&t=2968s) 美国数学教育的危机与高薪产业的人才虹吸
转向学术与教育现状时,西蒙斯对全球前沿数学研究的发展感到非常乐观,认为新思想源源不断、交叉学科蓬勃兴旺。然而,谈及美国的初等与中等数学教育,他的语气沉重下来,直言其状态“非常不健康”。危机的根源在于懂数学、懂科学的合格教师严重匮乏。
西蒙斯对比了时代背景的巨大变化。在三四十年前,如果一个人掌握了足以教授高中的数学知识,除了留校做教授外,社会上并没有太多其他职业出路,当中学老师是一份极具吸引力且受人尊重的体面工作。但在当下,同样掌握这些数学知识的人,转头就能去 Google、IBM 或 Goldman Sachs 获取高薪职位:
> “如今高中的数学师资水平下降了,原因很简单:如果你懂得足够多的数学去教高中,你就懂得足够多的数学去 Google 上班,而高中给不了那样的薪水。”
[51:18](https://www.youtube.com/watch?v=QNznD9hMEh0&t=3078s) 解决之道:Math for America、教师待遇与尊严
要解决公立学校留不住理科人才的难题,西蒙斯指出必须从人类行动的根本动力出发——物质报酬与社会尊重。他举例说,联邦最高法院的大法官并非为了发财而工作,而是源于崇高的社会威望与自我认可。面对无法完全抹平的薪资差距,西蒙斯创立的 Math for America(MƒA)提供了一套行之有效的解决方案:
- **直接经济补贴**:在教师原有的常规薪资基础之上,每年额外发放 15,000 美元的津贴。 - **打造专业共同体**:汇聚数学与科学教师,破除教师在普通学校里孤立无援的处境,建立极具凝聚力的集体荣誉感(esprit de corps)。 - **极低的流失率**:在常规教师离职率居高不下的背景下,该项目参与者的离职率极低。
西蒙斯以芬兰为例,那里的数学教师是极具社会声望的专业群体,享有很高的社会地位。而在美国,舆论环境充斥着对教师的贬低与问责,只关注如何淘汰所谓的“不合格教师”。西蒙斯批评道:
> “如果经营一家企业,清理不称职的人固然重要,但更重要的是认可那些表现优异的员工,奖励并赞赏他们,让他们获得成就感。我们对教师却根本没有这么做,只是一味地抨击、抨击、再抨击。”
[53:45](https://www.youtube.com/watch?v=QNznD9hMEh0&t=3225s) 标准化考试评估的荒谬与“自发市场调节”的幻灭
深入探讨美国教育困境的成因时,西蒙斯指出了大约十年前兴起的错误问责机制——单纯依靠学生的标准化考试成绩和所谓的“增值模型”(value-added)来评估甚至解雇教师。他直指这种做法在统计学和教育实践上都是彻底的灾难:学生的统考成绩是一个非常薄弱的统计指标,其跨年度表现的相关性极低。这种一味依靠惩罚手段来逼迫教学质量提升的逻辑,让西蒙斯联想到了英国皇家海军的一句老谚语:
> “英国海军有句老话叫‘鞭打将持续进行,直到士气好转为止’,我们现在的做法就跟这差不多,纯粹是在摧残这些教师。”
西蒙斯指出,正确的出路是树立“特级教师”(Master Teacher)的晋升通道与行业标杆,让教师获得应有的报酬、体面与社会威望。面对主持人提出的疑问——西蒙斯作为自由市场的信徒,这一短缺难道不能依靠市场供求关系自发纠偏(例如科技公司招不到本土数学家自然会倒逼教育改革)吗?西蒙斯干脆利落地打破了这种幻想,揭示了美国当前残酷的现实捷径:
> “不,我们现在是怎么解决人才短缺的?我们直接从国外引进人才。”
[56:38](https://www.youtube.com/watch?v=QNznD9hMEh0&t=3398s) 本土人才匮乏与全球科技人才流动的变局
吉姆·西蒙斯深入探讨了美国高科技人才短缺的深层困境。当前美国极度依赖 H-1B 签证从世界各国引进具备扎实数理与科技知识的专业人才。各大科技企业不断向政府游说施压,要求发放越来越多的 H-1B 签证配额,其根本原因在于美国本土培养的技术人才储备严重不足,根本无法满足科技产业日益扩张的需求。西蒙斯指出,这种完全仰赖海外人才输送的模式短期内尚可维持,但绝非长久之计。
全球人才流动格局正在发生剧烈转变。西蒙斯以印度理工学院(IIT)为例说明:大约十二三年前,该校大约有 80% 的顶尖毕业生选择离开印度,远赴欧美寻找就业机会;而如今这一比例已骤降至 20% 左右。这是因为印度本土的经济与产业蓬勃发展,国内涌现出海量的高技术岗位,年轻人才完全可以留在家乡施展才华,不再需要背井离乡奔赴英国或美国工作。西蒙斯严肃地警告道:“来自其他国家的人才正在涌入,我们目前确实从中受益,但终有一天,我们本土将没有足够多具备这种专业知识的人来承担这项工作。”
- **H-1B 签证依赖**:美国科技企业因缺乏足够的本土培养人才,长期高度依赖 H-1B 签证输入海外数理科技精英。 - **印度理工学院(IIT)人才留存变动**:IIT 毕业生的海外流出率从十几年前的高达约 80% 大幅下降至现今的 20%,体现出新兴国家本土高科技产业对顶尖人才的强大吸附力。
---
[58:00](https://www.youtube.com/watch?v=QNznD9hMEh0&t=3480s) 联邦基础科研经费收紧与慈善事业的关键角色
谈及科研资助现状时,西蒙斯指出基础研究是“人类知识以及对世界认知的源头活水”,但美国联邦政府对基础科学的投入却日益受限。这一危机体现在两个层面:一方面,联邦政府拨给整体科学研究的总体资金预算本身就在持续缩水;另一方面,各科研资助机构正表现出越来越严重的功利倾向,将有限的资金大举倾斜于所谓的“转化研究”(Translational Research),而不断压缩纯粹的基础研究空间。
```mermaid flowchart TD accTitle: 联邦科研资助机制的保守化演变 accDescr: 展示国会考核压力如何导致科研机构倾向于支持短期转化研究并冷落基础研究 subgraph 考核压力 A["美国国会 (Congress)"] -->|"要求短期可见回报与明确成果"| B["资助机构 (NIH / NSF)"] end subgraph 资助取向分化 B -->|"偏好明确商业前景"| C["转化研究 (如3年内攻关癌症疗法)"] B -->|"保守规避风险,冷落大胆假说"| D["基础研究 (如探索细胞基本机制)"] end D -.->|"经费缺口亟待填补"| E["民间慈善资助 (西蒙斯基金会等)"] ```
在官僚体制下,转化研究更容易获得审批,例如申请人承诺三年内研发出某种癌症疗法,就能轻易获得拨款;但若申请人只是试图探索细胞最底层的运作机制,资助机构就会以“应用前景过于遥远”为由予以回绝。西蒙斯解释说,国会不断敦促美国国家卫生研究院(NIH)与美国国家科学基金会(NSF)拿出切实的回报与立竿见影的成果。这种自上而下的考核机制迫使评审机制极度保守化,那些大胆、狂野但前景未知的探索性假说越来越难拿到资助。西蒙斯直言不讳地指出:“政府在支持基础科学方面做得并不够好,因此慈善事业有了用武之地,而且慈善事业正扮演着越来越重要的角色。”
- **转化研究挤压基础研究**:政府科研资金偏好周期短、回报明确的临床与应用类课题,使得探索生命与物理底层规律的远期课题面临资金枯竭。 - **资助机构风险厌恶**:在国会追求投资回报率(ROI)的政绩压力下,NIH 与 NSF 等官方机构行事日趋保守,极具创新性的颠覆性构想遭到边缘化。
---
[59:26](https://www.youtube.com/watch?v=QNznD9hMEh0&t=3566s) 资助科学的纯粹动力、最爱的数字与数学家
布雷迪·哈兰提出了一个耐人寻味的问题:西蒙斯如今倾注巨资支持基础科学,究竟是因为自己凭借数学取得了巨大财富而心怀感激、意图“回馈”科学,还是出于某种单纯的信念?西蒙斯坦诚且直率地打破了这种常见的道德崇高化叙事。他平静地回应道:“我做这件事是因为它让我感觉很好。我喜欢科学,我喜欢看到它蓬勃发展,我喜欢与科学家们在一起,我也喜欢学到新知识。我的妻子也有同感,她也热爱科学,所以我们非常乐于做这件事情。”当被追问是否有“回馈”的心理包袱时,西蒙斯干脆地表示:“我是否觉得自己在回馈?并没有特别这么觉得。要知道,我能回馈的方式有很多,除了支持科学,我还能做许多别的事情。”对他而言,资助科学研究纯粹源于发自内心的智性热爱与精神共鸣。
在访谈尾声,布雷迪提出了两个经典的轻量提问。首先,当被问及最喜欢的数字是什么时,西蒙斯几乎毫不犹豫、干脆利落地脱口而出:“7。下一个问题。”其敏捷冷幽默的反应引来现场一阵笑声。随后,布雷迪询问他心中最崇敬的数学家是谁。西蒙斯稍作思索后回答道:“阿基米德(Archimedes)和欧拉(Euler)是我目前的最爱。我对这两个人印象极其深刻。”访谈在轻松愉快的氛围中画上句点,面对布雷迪由衷的感谢,西蒙斯微笑着总结道:“好啊,这确实挺有意思的。”
- **慈善驱动力**:西蒙斯与妻子玛丽莲·西蒙斯(Marilyn Simons)投身科研慈善的核心动力是享受与顶尖学者交流并见证知识边界的拓宽,而非出于道德绑架式的“报恩”或“反哺”心态。 - **最喜欢的数字**:7。 - **最崇拜的数学巨匠**:古希腊先贤阿基米德与18世纪数学大师莱昂哈德·欧拉。
## Notable quotes > [42:52](https://www.youtube.com/watch?v=QNznD9hMEh0&t=2572s) 商业中最重要的数学技能是减法。你必须明白你的收入何时会超过你的成本。 — Jim Simons
> [49:28](https://www.youtube.com/watch?v=QNznD9hMEh0&t=2968s) 如今高中的数学师资水平下降了,原因很简单:如果你懂得足够多的数学去教高中,你就懂得足够多的数学去 Google 上班,而高中给不了那样的薪水。 — Jim Simons
> [39:10](https://www.youtube.com/watch?v=QNznD9hMEh0&t=2350s) 通常情况下,如果有人失败了,他会说‘我运气不好’;而如果他成功了,他就会说‘我是个聪明人’。 — Jim Simons
> [47:36](https://www.youtube.com/watch?v=QNznD9hMEh0&t=2856s) 我一直都算是个冒险家,但我拥有良好的品味,尤其是在识人方面。而且我几乎总是与他人合作合伙,这有效降低了风险。 — Jim Simons
> [58:00](https://www.youtube.com/watch?v=QNznD9hMEh0&t=3480s) 政府在支持基础科学方面做得并不够好,因此慈善事业有了用武之地,而且慈善事业正扮演着越来越重要的角色。 — Jim Simons
> [51:18](https://www.youtube.com/watch?v=QNznD9hMEh0&t=3078s) 如果经营一家企业,清理不称职的人固然重要,但更重要的是认可那些表现优异的员工,奖励并赞赏他们,让他们获得成就感。我们对教师却根本没有这么做,只是一味地抨击、抨击、再抨击。 — Jim Simons
> [12:48](https://www.youtube.com/watch?v=QNznD9hMEh0&t=768s) 基础科学是人类认识世界的良种。 — Jim Simons
## Mentioned Jim Simons, Brady Haran, Shiing-Shen Chern, Jeff Cheeger, C. N. Yang, Maxwell Taylor, Marilyn Simons, Archimedes, Leonhard Euler, Massachusetts Institute of Technology (MIT), University of California, Berkeley, Stony Brook University, Institute for Defense Analyses (IDA), National Security Agency (NSA), Renaissance Technologies, The Simons Foundation, Math for America (MƒA), National Institutes of Health (NIH), National Science Foundation (NSF), Google, IBM, Goldman Sachs, Indian Institutes of Technology (IIT), Chern-Simons theory, Stokes' theorem, Riemann Hypothesis
## Video description Shorter version: https://youtu.be/gjVDqfUhXOY More about The Simons Foundation: http://bit.ly/SimonsFoundation James Harris Simons has been described as "the world's smartest billionaire", amassing a fortune through the clever use of mathematics and computers. He is now a renowned philanthropist.
NUMBERPHILE Website: http://www.numberphile.com/ Numberphile on Facebook: http://www.facebook.com/numberphile Numberphile tweets: https://twitter.com/numberphile
Numberphile is supported by the Mathematical Sciences Research Institute (MSRI): http://bit.ly/MSRINumberphile
Videos by Brady Haran
Support us on Patreon: http://www.patreon.com/numberphile
Brady's videos subreddit: http://www.reddit.com/r/BradyHaran/
A run-down of Brady's channels: http://www.bradyharan.com
Sign up for (occasional) emails: http://eepurl.com/YdjL9
[Source](https://www.youtube.com/watch?v=QNznD9hMEh0)