拆解「越聰明越成功」這句話——它錯在哪裡、對在哪裡,財富真正的因果機制是什麼,以及 AI 與 agent 崛起後,賺錢需要的能力正在怎麼改變。
先講結論:聰明(尤其是學校測的那種聰明)跟「賺不賺得到一份不錯的收入」有關,但跟「能不能變得非常有錢」關係很弱——弱到在某些統計裡幾乎測不到。這不是「大智若愚」的雞湯,是真實存在的現象。這篇筆記會具體指出問題出在哪、財富真正的因果機制長什麼樣子,以及 AI 讓這套機制正在如何改變。
心理學家 Sternberg 提出人的智力至少有三種樣貌:分析型智力(邏輯推理、考試成績,IQ 測驗量的就是這個)、創造型智力(想出別人沒想到的組合)、以及實務型智力——讀懂情境、讀懂人心、知道一件事在真實世界裡怎麼運作。這種能力完全不會出現在考卷上。
學校只獎勵第一種。但賺錢,尤其是「變得很有錢」,高度依賴後兩種——特別是實務型智力與說服力。這正是「校園定義的聰明」和「賺錢的聰明」常常對不上的根源。
↓ 學校成績 / IQ 測驗,只為第一張卡打分
邏輯推理・考試成績——IQ 測驗量的就是這個。
學校 / 職場最看重想出別人沒想到的組合——跨領域連結、換句話說能力。
學校較少直接獎勵讀懂情境、讀懂人心——知道一件事在現實裡怎麼運作。
賺錢高度依賴這一種這是最容易被忽略、卻最關鍵的一點。追蹤研究(Zagorsky, 2007,長期追蹤一批人從青少年到中年的 IQ 與財務狀況)發現:IQ 跟收入有微弱正相關——高 IQ 平均薪水高一些,因為 IQ 幫你拿到學歷、擠進高薪專業職。但 IQ 跟淨資產的相關性幾乎測不到。高 IQ 不代表比較會存錢、比較會投資、比較不會亂花錢。
這一節談的是一種普遍的認知落差——我們習慣用讀書、考試的表現來判斷一個人聰不聰明,但這套標準本來就量不到賺錢所需的能力。以下說的是現象與機制,不是對任何真實個人智力的評斷。
倖存者偏差。每一個「沒讀什麼書卻身價上億」的故事背後,是幾十個同樣大膽衝、卻賠光的人。你只看到活下來、上新聞的那一個——這不代表不聰明比較會賺錢,只代表暴富本身是機率遊戲,贏家會被放大檢視。
他們可能真的很聰明——只是不是你認得出來的那種。讀懂客戶要什麼、判斷一筆交易划不划算、知道什麼時候該堅持、什麼時候該閃——這是道地的實務型智力。但因為表達方式樸實、不引經據典,我們會把「講話直白」誤判成「不聰明」。
行動力打敗過度分析。分析型智力高的人常把每個決定算到最清楚才動手,結果陷入「分析癱瘓」。而許多商業上的贏家,特徵是下場快、試錯快——次數多了,總會撞到一次成功,而且成功一旦發生就被股權和複利無限放大(薪水不會)。
經營一間店、談成一筆生意,不需要愛因斯坦等級的智商——智力對成功的幫助,過了一個「夠用」的門檻之後,邊際效益會迅速遞減。門檻之後,真正拉開差距的是風險胃納、領域專精、社交說服力、資本運用、毅力,以及時機與運氣。
把接力棒交出去,具體發生在哪裡?下面這張圖把「聰明」拆成兩條實際的職涯軌道——受雇領薪水的軌道,跟擁有資產/股權的軌道。兩條路一開始長得一模一樣,問題出在分岔之後。
領死薪水的人,收入分布接近常態分布——大家都在平均值附近,頂多差兩三倍。創業、投資、生意的財富分布卻是極度右偏的長尾分布——大多數人普通或賠錢,極少數人賺到天文數字。要進到那條長長的右尾,前提是願意下注——這跟智商無關,跟風險承受度與心理素質有關。
把前面五節談過的、以及還沒談到的各種「智力/能力/資源」攤開放在同一把尺上比較,會清楚很多。下面這張圖由上到下依對財富的影響力排序,每一列都可以點開看「為什麼重要」。越往下,越接近純學校定義的聰明;越往上,越接近財富真正的決定因子。
這一節的框架來自商業寫作者(如 Naval Ravikant)常提出的觀察💡 推論框架——邏輯合理、被很多從業者引用,但不是嚴謹的學術研究。它把前面六節的散落發現收攏成一個機制:
其中「槓桿」最值得展開,因為它同時是最容易被低估、也是本文要回答「借力專家占多少比重」的地方。槓桿大致有四種,取得門檻一種比一種低:
把別人的時間與專業「租」過來放大自己的產出。缺點是難規模化——管理複雜度隨人數上升,而且通常得先有錢或有信譽才請得起人。在傳統生意與專業服務致富的案例裡,是最常見、也最早出現的槓桿。
用錢賺錢、用槓桿放大投資部位。複利只對「已經有本錢」的人起作用——這也是圖 9 裡「起始資本」影響力區間偏高的原因:它不需要額外能力,本身就是生產力。
邊際成本趨近於零,做一次可以被消費無限次(軟體、書、課程、影片)。不需要許可,但需要時間把產品或內容打磨到值得被複製。這是創作者與軟體公司能用極少人數創造巨大財富的原因。
同時具備勞力槓桿(像僱用一個虛擬團隊)與產品槓桿(邊際成本趨近零)的特性,而且不需要資本、不需要雇用真人。門檻比前三種都低很多——這是它常被視為「第五種槓桿」、也是目前成長最快一種的原因(下一節詳細展開)。
回到「借力專家占成功比例多少」這個問題:在本文圖 20 的示意權重模型裡,「借力專家 / 領導委任」單獨拉出來約占整體財富解釋力的 12–15%——和風險胃納、資本運用同一個量級,是單一因子裡數一數二重的。但它不是萬能鑰匙:借了力卻沒有承擔對應的責任與風險(圖 10 中間那顆齒輪),借來的產能一樣變不成你的財富。
隨著 AI 模型與 agent 能力持續變強(從單純問答,到能自己規劃、呼叫工具、長時間自主執行任務),第 6 節那把尺本身正在傾斜。🧪 這一節是對近期趨勢的推論,不是長期驗證過的研究——但方向已經相當清楚。
這如何改變第 6 節列出的財富因子?不是推翻,是重新分配權重。下面總結圖表(圖 20)加了一個切換鈕,你可以直接對比「傳統時代」與「AI / agent 時代」兩組權重——分析型智力與純領域執行的占比會進一步縮水,借力(專家 + AI)與判斷/社交力的占比上升,而「AI 協作力」從幾乎不存在的項目,變成一塊不可忽視的區間。風險胃納、資本、毅力這幾個「老因子」沒有消失,只是被重新分配了一部分權重。
把前面所有因子收攏成實務上常見的七種「致富路徑」,每種路徑需要的能力/資源組合完全不同——這也是為什麼「聰明」在有些路徑上幾乎不重要。點路徑名稱看展開說明。
這題值得單獨拉出來,因為「創業」正好是能檢驗這整篇文章邏輯的天然實驗室。追蹤研究(Lindqvist & Vestman,利用瑞典男性徵兵時做的認知與非認知能力測驗,追蹤到他們日後是否成為創業者)發現一個違反直覺的結果🔬 實證研究:一般創業者(含小生意主)的認知能力測驗成績,平均而言並沒有比受雇者高,某些樣本甚至略低;真正把創業者跟受雇者分開的,是非認知特質——領導力、風險胃納、社交自信。
但如果只看「規模化成功」的那一群——尤其是科技新創、獨角獸這一層——情況就不同了💡 推論框架:這群人的教育背景與分析能力指標明顯偏高,遠高於一般創業者、也高於一般受雇者。換句話說:分析型智力不太影響「要不要創業」,但強烈影響「創業之後能不能規模化做大」。
為什麼分析型智力在「做大」這一步特別關鍵?新創 CEO 每天要做的事,幾乎都是第 10、11 節談過的「執行品質」問題:有限跑道內的資源分配、產品與技術的複雜取捨、募資簡報裡的單位經濟學禁不禁得起分析師拆解、多快判斷出一個方向是死路要轉向(圖 4 的快速試錯)、能不能有效指揮團隊與現在的 AI agent(圖 10、圖 16)。這些都是分析型智力的主場——但「敢不敢辭職創業」這個起手式,考的還是圖 7 節點①的風險胃納,不是智力。
對財富的影響,也要分兩段看。創業者的財富幾乎都來自「股權 × 估值」,不是薪水——這代表創業者從第一天就已經站上圖 7 的資產軌道,槓桿是內建在這個身份裡的。分析型智力不會決定你有沒有股權,但會大幅影響公司能不能撐過去、估值能不能墊高——也就是決定圖 8 長尾分布裡,你最終落在長尾的哪一段。這也是為什麼圖 9 排行榜裡,分析型智力對財富的示意分數這麼低(5–25):那是對「所有人」平均而言;對「已經在創業」這個子群體來說,它的邊際貢獻其實遠高於平均,只是被「要不要創業」這個更大的分岔稀釋了。
前面九節建立的是「規則」——風險、所有權、槓桿決定財富,分析型智力只負責門檻內那一小塊。但如果一個原本分析型智力很高的人,認真吸收了這整套規則,不再繼續用學校那一套「把每件事想到最透徹」的方式橫衝直撞,他會不會反而比一般人更有優勢?
答案是:會,但優勢出現的位置跟直覺想的不一樣。智力的邊際貢獻幾乎不出現在「敢不敢冒險」那個分岔點(圖 7 的節點①)——那裡是行動力的主場。智力的邊際貢獻,集中在跨過分岔點之後:風險評估算得準不準、槓桿系統設計得好不好、每次試錯抽取到的資訊夠不夠多。
換句話說:知道規則之後,分析型智力從「門檻內的小獎勵」變成「執行品質的放大器」——但放大的是「贏的機率與幅度」,不是「有沒有資格上牌桌」。下面這張圖把這個差異畫得更精確:同樣都是敢下場的人,懂框架、分析型智力高的那群人,失敗率明顯降低、中段(穩健成功)明顯變厚,但最右側「極端暴富」的機率,兩群人差不多——那一段主要由時機與運氣決定,不是分析型智力能左右的。
會,而且原因很具體:指揮 AI/agent 需要的子能力——把複雜任務拆解成可執行步驟、設計驗證與抓錯機制、判斷輸出何時可信何時是幻覺、串接多個 agent 分工並整合結果——大多數正好是分析型智力的主場(結構化推理、邏輯拆解、模式辨認)。所以在「借力 AI」這條槓桿上,分析型智力不再只是圖 6 裡「門檻內的小獎勵」,而是重新變成一個有效的差異化因子。
但不是每一項都偏analytical。下面這張圖把指揮 AI 拆成五個子能力,分別對比「分析型智力」與「實務型智力」在每一項裡的貢獻——你會看到抓 AI 幻覺、判斷這件事值不值得做,反而更吃實務型智力,不是純邏輯能力。
會,而且拉平的速度正在變快。任何「便宜就能複製」的優勢,擴散得也快——AI 能力本身、以及「怎麼下指令給 AI」這件事,正快速從稀缺技能變成基本功(模型越來越能容忍粗糙的提問,工具也越來越傻瓜化)。單靠「我會用 AI」這一項,保鮮期正在縮短。
但這不代表「聰明 + 會用 AI」完全不值錢——不會被拉平的,是 AI 無法複製或替代的那幾塊:
這是否改變競爭格局?會,但方向不是「聰明人贏者全拿」,而是競爭週期整體變快、單一優勢的保鮮期整體變短——逼所有人(不只聰明人)必須持續找下一個不容易被複製的東西。短期內,懂框架 + 會用 AI + 本來就握有資本或人脈的人,確實會把差距拉得更開(三者疊加,見圖 14);這在幾年內可能加大財富集中度。但長期看,AI 本身的能力與取得門檻也在快速下降(圖 17),今天的稀缺技能,一兩年內很可能變成人人都會的基本功——這正是驅動整個週期加速的同一股力量。
這個直覺值得停下來想清楚,因為它精確指出了一個容易被忽略的二次翻轉——AI 對分析型智力的衝擊其實分兩個階段,方向還相反。第一階段(2023–2024)AI 取代的是「執行型分析」:會算、會寫基礎程式、會做常規資料整理,這正是圖 11 那條一路下滑的線。第二階段(2025 之後,agent 普及的階段):當「有沒有用 AI」不再是任何人的差異化因子——因為人人都有——同樣站在 AI 武裝起跑線上的競爭者之間,拉開差距的東西會退回到最原始的那件事:誰的問題定義得更精準、誰能更快抓出 AI 一本正經講錯的地方、誰能把 AI 丟出來的十個選項做出更好的取捨。這些全部是分析型智力裡「思辨」那一半的工作,不是「計算」那一半。
所以答案是:你的直覺是對的。進入這個由 AI 武裝的戰場之後,分析型智力不但沒有失效,反而在「思辨」這個層次上重新變得值錢——只是「值錢的聰明」已經換了一種形狀:不是背得多、算得快,而是在一堆 AI 產出的可能性裡,判斷哪一個才是對的、值得做的。這也解釋了為什麼圖 16 裡「拆解任務」「設計驗證」這類分析型子能力的貢獻度居高不下——它們本來就屬於思辨這一半,從來不是被 AI 取代的那一半。
把圖 7 的分岔路徑拆成三段來看,答案更精確:
不是。圖 16 已經顯示:指揮 AI 的五個子能力裡,至少兩項(抓幻覺、判斷值不值得做)更吃實務型智力,不是分析型智力。真正的分界線不是「IQ 高不高」,而是「判斷力好不好、決斷夠不夠快」——這兩種智力都能提供判斷力,只是提供的方式不同:分析型智力擅長拆解系統性問題,實務型智力擅長讀懂人和情境。街頭智慧型的人一樣能吃到 AI 紅利,只是他們吃到的那一塊(圖 16 裡偏金色的兩項)跟分析型聰明人吃到的那一塊(偏青色的三項)不完全一樣。
短期內,誠實地說:有可能。懂框架、分析型智力高、又本來就握有資本或人脈的人,現在同時疊上了 AI 這第五種槓桿(圖 10),三者疊加確實可能在幾年內拉大差距。但這股力量同時也在瓦解自己——AI 的能力與取得門檻本身也在快速下降(圖 17),讓「借力」這件事對一般人來說也比以前容易。長期的走向比較像是競爭週期整體加速,而不是單純的贏者全拿。
學校說「越聰明越成功」不算錯,但只講了故事的前半段——它幫你避開餓死,卻不負責讓你暴富。決定財富上限的,是另一套完全不同的能力組合,而這套組合正因為 AI 而重新洗牌。 本文核心論點
寫到這裡,如果你是分析型智力偏高的讀者,前面九節可能讓你有點洩氣——但第 10、11 節已經說得很清楚:你的優勢是真的,只是出現的位置跟學校教你的不一樣。下面把「真優勢」和「常見陷阱」分開說,前提都建立在前面 13 節已經驗證過的機制上,不是空泛鼓勵。
具體可以做的六件事:
聰明(分析型智力)是財富公式裡的一個輸入項,而且過了門檻邊際效益遞減。真正拉開差距的多因子組合是:
常被貼上「不聰明卻很有錢」標籤的人,多半只是標籤貼錯了對象——他們通常落在高行動力那一格,靠著實務型智力與願賭服輸,撞上了財富長尾分布裡的那一小段。你只是沒看到跟他們做同樣的事、卻沒撞上的那一大群人。而隨著 AI 越來越強,能不能借力——不管借的是專家還是 agent——正變成這整組因子裡權重上升最快的一塊。