（来源：泉果视点）

就在几周前，掌管着“全球最大钱袋子”的挪威主权基金掌门人Nicolai Tangen（尼科莱·坦根），与因发现了“暗能量”而闻名遐迩的诺贝尔物理学奖得主Saul Perlmutter（索尔·珀尔马特），以“专业投资”为主题，展开了一场非常特别的对谈。

图1. 美国天体物理学家Saul Perlmutter

Saul Perlmutter（索尔·珀尔马特）属于这个世界最聪明的那批人，他也是对我们所处的物理世界理解最为深刻的科学家之一。

1998年，时年38岁的年轻物理学家索尔在美国劳伦斯伯克利国家实验室首次发现了“暗能量”的存在，这一发现彻底颠覆了我们的宇宙模型，并永远改变了人类对宇宙的看法。

长久以来，科学家们一直认为，组成了恒星、行星和人的“原子”才是宇宙的主导。但现在大家已经知道了，我们所熟悉的这类由原子组成的物质，其实只占这个世界的5%；宇宙中其余的22%是“暗物质”，而索尔通过推导发现，“暗能量”，作为一种无形的能量，在宇宙万物中的比例高达73%。

在暗能量被发现之前，物理学家们相信，宇宙膨胀要么会在无穷长的时间里一直减速下去，要么最终会停止膨胀继而开始坍缩；而索尔的发现证明：宇宙会一直膨胀下去，甚至最终还会出现所有恒星和星系都被撕开的“大撕裂”。

这一结论完全违背当时的主流预期，“暗能量”也因此成为现代物理学最重要、也最神秘的概念之一，因为这项成果，索尔成为了2011年诺贝尔物理学奖得主，并证明了广义相对论的失效。

但在成名之前，索尔其实长期处在一个“既不像主流科学家，也不像主流成功者”的位置上。

他的团队被称为“乞丐科研”，靠抵押公寓维持运转，在发表关于暗能量的重要论文之前，他连续3年几乎毫无进展。最窘迫时，在伯克利大学的街头摆摊，用望远镜给路人看木星换捐款……

也许正是因为长期在如此艰难的环境中展开研究，索尔形成了一套关于获取信息、辩证问题关键、纠正认知偏误……在内的一系列独树一帜的非常“反人性”的研究分析框架。

图2. 挪威主权基金掌门人 Nicolai Tangen 

Nicolai Tangen（尼科莱·坦根）则属于全世界能调动最大资本规模的那群人，他掌管着全球最大的钱袋子之一。

根据主权财富基金研究所（Sovereign wealth fund institute）的数据，截至2025年3月，尼科莱主管的挪威主权基金的总资产规模为1.7万亿美元，是全球规模最大的基金。这只基金在全球范围内持有了近9000家公司的股票，占全球所有上市公司总市值的1.5%。

尼科莱发现，索尔这套基于天体物理学的研究分析法，居然也非常适合纳入二级市场投资的投研框架。

此前，【泉果探照灯】也介绍过尼科莱，他本身就是一位非常擅长把跨学科的知识体系，融入到投资决策体系中的专业投资人；比如，他曾经把自己早年在挪威情报部门接受的训练运用在上市公司调研中，后来还请警察局审讯专家专门培训研究员，为挪威主权财富基金的投资团队，打造出了一支在全球金融圈独树一帜的“情报天团”。

图3. Nicolai Tangen（右）对话Saul Perlmutter（左）

两个人的这次对话，就从尼科莱关于苹果股票的一个问题开始……

“我买了100万美元的Apple股票，你觉得我现在该卖，还是该继续拿着？”

   以下为访谈精编：

提问者 尼科莱

Nicolai Tangen 挪威主权财富基金CEO

嘉宾 索尔

Saul Perlmutter 天体物理学家 诺贝尔物理学奖得主

投资中为什么要寻找

  “更意外”的信息源？

 尼科莱 

假设我现在持有100万美元的Apple股票。房间里有四个人——我们该如何更科学地讨论，才能判断这是不是一笔好投资？

索尔

首先，房间里有四个人，这可能就是一个优势，对吧？因为他们可能有不同的信息来源，并能够带来不同的见解。

 尼科莱 

你提醒我了，所以房间里应该有几个人，或者应该有什么人？让我们从零开始吧。让我去掉这个参与者的条件，我现在有100万Apple的股票，我该如何判断这是不是一笔好投资。

索尔

好吧，那么你首先要判断的是，对于这个问题，最有价值的信息，可能藏在哪些人的脑袋里？比如，是技术工程师，消费者研究机构，还是并没有被这些研究覆盖到的真正的消费者？

基于这个问题的答案，你就可以决定应该把谁请到会议室中。

这里有三个关键点。

第一，试图寻找“更意外”的信息源。

我的直觉是，你需要的，往往不只是“更专业”的信息，而是更杂、更意外的信息来源。有些关键信息，恰恰来自你一开始根本没想到要去问的人。这就意味着，主动扩大触达范围，而不是只找那几个你最熟悉的名字。

第二，千万别轮流发言。

我们通常的做法是，把所有人叫到一个房间，然后第一个人站起来，系统地讲为什么该投或者不该投，之后第二个人讲，然后第三个人再补充……但这个方法反而是最不科学的。

因为前一个人的发言，会对后面的人产生极强的心理影响。人们会因为某个观点听起来很好，就乐于接受它，而不愿意讲自己原本持有的不同意见。

毕竟，大多数人不希望显得自己在唱反调，或者不愿意在一个已经形成的共识面前，让自己显得尴尬。

第三，分开思考，集中碰撞。

更好的做法是，先让所有人，在不互相影响的情况下，单独把自己的判断思路写下来。然后再把大家叫到一起，汇总观点，并开始讨论。

 尼科莱 

这让我想到了一个例子。你知道吗，在挪威的最高法院，都是最资深、最有威望的法官先发言，所以这里的分歧度，在各国法院中是最低的。而就在隔壁的瑞典，次序恰恰相反，是最年轻的法官先发言，结果分歧明显增多。

发言顺序本身，就是在塑造结论。

索尔

是的，是的，这个例子很有意思。

什么是投资中的情景规划框架？

 尼科莱 

好的。回到我们的Apple股票。现在我们已经找到了合适的专家，他们也单独写下了自己的想法。然后呢？

索尔

有一个可以参考的框架叫情景规划（scenario planning），这是彼得·施瓦茨（Peter Schwarz）提出的，最早用于商业策略。它的目标不是预测未来，而是找出哪些力量，可能真的改变未来。

具体就是，让这群人一起逼问一个问题：世界有没有可能，跟我们现在想的完全不一样？

比如，以Apple为例，我们可以先问大家，未来最关键的变量到底是什么？是经济增长，收入差距，AI落地……等等。先把所有最可能的驱动力写下来。

然后刻意挑几个彼此看起来不相关的变量去做情景分析。比如：

■经济：发展停滞 vs 高速增长

■气候：剧烈变化 vs 基本稳定

之后，把它们两两组合，就会出现四种象限，代表着完全不同的四个未来。接下来，去讨论一个关键问题：如果世界真的走向其中任何一种，我们现在这个决策还站得住吗？

这个过程，会迫使你看清两件事：什么判断只在“单一未来”里成立？而什么判断则是在更多情景中更加稳健的那个？

 尼科莱 

如果大多数人不习惯冲突，你怎么激励组员去发现彼此的错误呢？

索尔

一个有效的办法，就是分组。让不同小组并行。因为当团队之间存在竞争关系时，每个小组都会自然地产生动机，去找出对方哪里可能错了。

这在科学领域里极其常见。很多突破，都来自一种很单纯的快乐——我发现了别人没发现的漏洞。

所以，如果一种组织文化，能够把“指出问题”视为“专业的”、而不是“挑事的”，那么分歧就不再是内耗，而是会变成生产力。我觉得这在投资中也会有帮助。

为什么用“盲分析”

   来纠正“确认偏误”？

 尼科莱 

什么是盲分析（Blind Analysis）?

索尔

它其实是为了解决人类一个非常古老的毛病——确认偏误。

我要稍微多说几句背景。你肯定经历过这种场景：如果你看到一条新闻或者观点，不符合你的看法，要么你会直接跳过，或者会下意识的觉得，这个文章肯定哪儿有点问题。但是假如它符合你的看法，你大概率不会去恨不得找出每一个漏洞。

这种事情，同样发生在科学研究中。

比如你在做实验，最终的结果，可能支持某个理论，也可能推翻它。

但是，当最终的图表，看起来符合你预期的时候，人们反而更容易放松警惕。你会觉得：“看，果然如此。”进而忽略其中可能出现的异常值和测量误差。

然而，如果结果跟你预期相反，你会立刻进入挑错模式，反复核查。

久而久之，论文中发表的，往往更多的是那些刚好符合研究者预期的结果。

物理学界意识到了这个问题，它并不是因为某个科学家不够严谨，而是人类的默认设置。于是，就有了“盲分析”。

它的逻辑很简单，为了避免影响，把结果先封上——除非你已经确认，所有可能的错误都已经被检查过了，否则你就不允许看到最终结果。

所有最终的数据、图表，都会被“封存”起来。你必须先完成所有对过程的校验、修正、质疑和反复检查，直到所有人都同意，我们已经尽力检验过所有可能的错误了，你才能“打开信封”，看到答案。那一刻，往往非常戏剧化。

比如，我就参加过一个“揭盲仪式”。那天的小组会议特别长，结束的时候，已经是晚饭以后了。我的一个学生，正准备揭开他的一个研究数据，这是他过去一年半的工作成果。

如果结果符合预期，这会是一篇非常漂亮的博士论文；但如果不符合，这一年半的努力，可能只会换来一句“结果不理想”。

当时大家有些犹豫，有人提议说，要不要等到明天早上再看？那时候精神状态会好一点，万一结果不好，可能更能承受，不至于一夜无眠。

我们大家互相看了看，然后说：“算了，现在看吧。”我们决定不等了，无论结果如何，我们必须接受。

 尼科莱 

所以结果怎么样？

索尔

那一次，结果是好的。但是，并不是每次都能这样。

 尼科莱 

“确认偏误”对投资也是致命的，你做出一个决策，就会更愿意找支持自己的观点。

索尔

这对所有人都是一样的。

比如政治立场、媒体消息……这也是如今社会极化的原因。因为我们对于“对方”的观点，会更加苛刻，我们会更容易发现别人的问题，却很少用同样的标准去审视自己的观点。

这也是“盲分析”的价值，它并不局限于科研。

我想举一个生活化的例子。像如何在网上更好地寻找建议信息？

比如你为家人或朋友去查，哪种医疗方案更适合。这是个很重要的决定，对吧。大多数人会去搜索，直到找到一个网站，上面的建议符合你想听的内容。

但如果使用“盲分析”的原理，在看具体结论之前，你应该先问的问题是：我应该相信谁？哪些信息源是值得相信的?我的判断标准是什么？

优先根据这个标准，去筛选几个专业机构/网站，然后再去看他们给出的结论。

否则，你很难判断：你到底是在做客观分析，还是在替自己的直觉找证据？

理性分析的边界在哪里？

 尼科莱 

你提到了直觉。我自己读过社会心理学，我的论文研究的是投资中的“直觉”。其实，投资中，大家都在用“直觉”，当然，没人会真的只说自己“相信直觉”，我们一般把它叫作模式识别。科学中也有类似的情况吗？

索尔

当然。因为我们的大脑，在理解这个世界时，其实一直在做两种不同的工作。

一种是清晰理性的逻辑推理；另一种则是无意识层面的。

比如，有些事你想了很久，为什么A和B会出现C？你反复地研究，不断地卡壳，直到有一天，你睡了一觉，然后，一个念头突然冒出来：“等等……我好像知道它是怎么回事了。”

你很难说清它是怎么发生了，但它就是发生了。

有不少证据都在说，无意识思维在解决问题时，确实扮演着重要角色。这有点像今天的神经网络，你无法精确追溯，但它确实能识别出一些理性分析捕捉不到的模式。

我认为，最好的思维方式，是让直觉和理性相互制衡。

因为有些模式识别，其实是假的，我们以为自己看到了规律，但那可能只是随机噪声，被大脑误当成了意义。这时，你就需要理性地审查：这个模式在统计上显著吗？它有没有可能只是巧合？如果换一组数据，还成立吗？

反过来也是一样的，有时候你首先需要长时间的理性思维，不断地让自己的头脑浸润在一个问题中，无意识才会真正的更好地开始工作。这也是为什么，很多真正重要的洞见，不是出现在书桌前，而是出现在洗澡、散步、或者睡醒之后。

 尼科莱 

我和国际象棋选手马格努斯·卡森聊过类似的问题。他下棋的时候，会先凭直觉，选出三种可能的走法，然后对这几个备选项进行精准聚焦的理性分析。

索尔

啊，对，这非常相似。

 尼科莱 

更有意思的是，他认为，在这一场景中，如果你的分析比10分钟更久，往往并不会带来更多的增量效益。

索尔

是的，我想有时候你可以确切地感知到，理性分析的边界在哪里，即使再分析下去，决策质量也不会再有质的提高了。

人工智能会不会抑制人的

  批判性思维？

 尼科莱 

你一直很强调批判性思维，人工智能会抑制人的批判性思维吗？还是说，它反而能增强这种能力？

索尔

两种情况都会发生。AI是典型的双刃剑。

AI就像那个常用的类比——把计算器引入课堂。当时大家很犹豫，担心是否有了计算器，学生们就不会自己算加减乘除了。后来大家的共识是，先把基本功教扎实，再让学生们使用工具。

AI也一样，我认为它真正的风险在于，AI很容易让你误以为，自己已经思考过了，你已经懂了。

如果人们在还没有学会独立思考之前，就开始过度依赖AI，把原本应该由自己完成的智力工作，提前外包出去，这会比较麻烦。但这不是AI的错，这是使用时机的问题。而当你真正掌握了思考方法，那么AI的辅助会变得非常有价值。

同时，批判性思维还有一个重要功能，那就是让你可以识别AI给出的论断，去分析它是在帮助你，还是在误导你，而不是轻易相信AI给出的，一个看起来非常像答案的答案。

我们都需要问：这样说的依据是什么？有没有可能出错？我如何验证？

总之，我们对所有论断都应该有这样的认知自觉：无论是这个观点来自于AI，来自于别人，还是来自于我们自己。

图注｜一次不被期待的结果

通过对遥远Ia型超新星的精确观测，Saul Perlmutter团队发现：宇宙的膨胀正在加速。这一结论源于对“哪里可能错了”的反复追问，并最终催生了“暗能量”这一现代宇宙学的核心问题。

 下期预告 

在下一期的《暗能量诺奖得主的投资洞察（下）》中，我们将会更深一步，将视角延展到更为抽象的哲学领域，分享索尔关于“追求真相”的辩证哲思，他说：

我们正生活在一个非常特殊的时代，甚至可以说，是宇宙历史中的一个特殊时刻——这是人类第一次，真的有能力去解决全球性问题。

但遗憾的是，真正卡住我们的，往往不是技术，而是我们缺乏一种科学方法，去跟立场不同的人好好说话，一起把事情完成。

科学不是用“对”与“错”来理解世界，而是用概率。这听起来很简单，但在现实中，尤其是做集体决策时，我们经常会忘记这一点。

……

正因如此，科学发展出了一整套“被迫面对批评”的传统：

你必须把自己的研究成果，拿去给那些会认真挑毛病的人看。而他们的核心任务，不是鼓励你，而是尽可能指出你的漏洞——这恰恰是发现缺陷、避免自欺最有效的方法之一。

……

不管是论文评审的批评、学术会议上的当场质疑，还是圈子里反复被追问同一个问题——大多数人一开始都会本能地排斥。

但到最后，你总会意识到：好吧，这个问题我必须回答。

而往往正是从这一刻起——

你的思考

   开始变得更加清晰。

 参考资料：

• Why Doubt Is a Superpower | Nobel Prize–Winning Physicist Saul Perlmutter，Dec 24，2025

• Expanding the Universe, Scientific Thinking, and Global Challenges, Sep 19, 2024

• Author Talks: How scientific thinking can help us tackle our toughest societal problems, Mckinsey, May 29, 2024

《宇宙切片》

美国伯克利实验室

最近，来自美国亚利桑那州基特峰天文台的 “暗能量光谱仪”（DESI），绘制了迄今最大的三维宇宙地图，覆盖超过1500万个星系与类星体，用以进一步研究暗能量（Dark Energy）。

早在1998年，宇宙学家索尔・珀尔马特所在的科研团队，宣布了一项颠覆性发现：宇宙不仅在膨胀，而且膨胀正在加速。为解释这一现象，“暗能量”——一种与引力相抗衡的神秘力量——被引入物理学。它迅速成为宇宙学标准模型的支柱，还获得了诺贝尔奖。

如今，这一新发现再次指向宇宙终极命运的思辨命题——我们曾以为的宇宙常量，或许只是时空演化里的动态变量；人类对宇宙的所有定论，永远都在等待下一次更精准的观测。

法律声明

本资料不作为任何法律文件，不代表泉果基金的任何意见或建议，不构成泉果基金对未来的预测，所载信息仅供一般参考。前瞻性陈述具有不确定性风险，泉果基金不对任何依赖于本资料而采取的行为所导致的任何后果承担责任。