主要涉及到这么几方面： 特朗普推进的美国税改 税改导致的财政亏空 贸易战到底是怎么回事 国会提高债务上限 贸易战为什么停了 美股连涨这么多年的原因 美股为什么可能还要暴跌 昨天其实发过一次，但是文字写的比较草，后来决定删掉重写。特朗普归根结底还是个商人，一个聪明的商人，税改我打算少描述一点，总之就是以拉弗曲线为借口，声称减税可以提高资金流动性，促进经济发展。那么问题就来了，拉弗曲线毕竟是理想情况，并且还只是个借口，真减税之后的大量财政亏空怎么办。这里就要说贸易战了，贸易战其实并不只是针对中国的，具体的不再赘述，欧洲日本都被特朗普咬过，所以贸易战目的是什么，真的是减少贸易逆差对美国有好处吗，并不是的，这也只是个借口，真实目的是只是弥补财政的亏空。贸易战就很有意思了，一方面是给富人减税，一方面变相的从穷人那里收钱（进口产品的消费者穷人居多），而特朗普为了实现这个目的，就找了一个借口，说全世界都在偷美国的钱，现在要向他们征税，制造业回流美国，使美国再次强大起来，用这个借口来安抚民众。所以这也就可以解释，为什么贸易战总是谈不成功，因为核心利益不在于买多少美国商品，减缓多少贸易逆差，特朗普他目的很明确就是要钱。接着说债务上限。字如其意，也就是美国国会规定的一个债务的天花板。一旦超过了这个天花板，政府就不能再去发债借钱了，除非国会同意把这个天花板加高。2019 年 7 月特朗普和美国国会就未来两年美国财政预算和债务上限达成协议，所以特朗普缺钱的话可以借债，也就是到社会上抢钱。特朗普既然不是那么缺钱了，自然去年谈贸易战也有了很大诚意，终于签字了。下一个问题是美股为什么涨这么多年，这里我只提一个关键词，回购。具体涉及到的利益关系也比较复杂，总之就是为了少部分人的利益，以及大众对消费的信心，企业选择了回购维持股价。但是回购是需要钱的，钱从哪里来，答案就是发企业债券。所以问题就来了，企业靠市场

#美团股价暴跌# 这次发帖，我不讲投机，也不聊短线，我们就来说说价值投资。 标题看起来危言耸听，实际上我只需要一句话就能解释明白。人口数目是稳定的，餐饮消费是有限的，餐馆能分到的钱也是有限的，美团进来插一手，既要收平台费餐馆又要打价格战，吃亏的是商家还是消费者我不知道，反正肯定不是美团。这种商业模式不是良性的，所以早晚关门。 除此之外，消费者点外卖，享受到了不出门和节省时间的便捷，为此付费天经地义，但是目测并没有，美团也没有出钱雇骑手送外卖，那这部分钱是谁出了？谁的利益被损害了？ 我是一个坚定的美团公司看空者，四年前，2015 年的 1 月 15 日，就写过一篇文章分析美团，那个时候美团还没有上市，偶然看到自己四年前的文字，关注了下美团的股价，现在仍然坚定的认为美团早晚关门。 美团上市的第一天，我也发了帖子说美团要破发。 之前的文章里主要有几个要点，1. 美团的存在，对用户的意义 2. 美团的存在，对商家的意义 对用户来说，吃饭的需求是固定的，我不会因为你便宜，一天吃 10 顿，我最多是因为你便宜，吃稍微高档点的，吃离家远点的，没吃过的。 好，问题很清楚了，美团存在的意义，让用户便宜吃，也可以让用户多走几步，吃远一点的。 我总结下，可能偏激，美团的意义，无非是，让 A 地区的人，去 B 地区吃顿饭。 再抽象一层，加上我来回所花的时间，所花的交通费用，用户不见得有赚到，对吧。 对商家来说，原本一个菜品纯利润百分之 25 ，入驻美团打个折，盈利点变成百分之 15 ，再给美团这个平台交百分之 3 的加盟费，那还赚个屁啊。这还只是美团，美团外卖抽成更厉害，最近还有几篇文章，我贴一下链接： 逃离美团外卖：最高抽成26% 商家每单只赚1块钱： http://tech.sina.c

这个话题其实有点大，而且很容易带上个人偏见，以及由于知识储备的不足导致的视野不够广。 首先说人工智能，AI 全名 Artificial Intelligence，很多人的关注点在于机器学习的 Intelligence，而忽略了最重要的 Artificial。 这里我首先给没有 AI 背景的人做个小科普，AI 就是让机器用人类学习的方式，去学到一些东西，AI 可以从很多方面来分类，这里我只介绍一个后面会论证到的，我只介绍监督学习和非监督学习分类法。监督学习，就是给数据打标签，然后机器通过训练，可以来识别没有打过标签的数据，典型的应用就是人脸识别物体识别，非监督学习就是给一堆数据给机器，让他自己去寻找内在的关联，一个典型的应用是推荐算法，让机器来自动分类。 对于监督学习，如果想让机器学习到人脸特征的提取，我们首先要有一套算法，来定义什么样的图片才是人，也就是说，人为的定义好有人脸的轮廓，人眼的轮廓，鼻子嘴巴轮廓，以及相对的几何位置，这样描述出来机器才能学习到有用的东西。另外，为了直观的让外行人士知道目前的情况，我举个简单的例子，假设两段视频，一段是在北京二环路上拍的，一段是在五环拍的，对二环路视频训练完之后，得到的模型，只能用来识别二环路视频里的物体，换个场景就歇菜了，这就是人工智能为什么叫人工智障。 而对于非监督学习，如果想让机器对一万个视频分类，我们首先得定义一些参数，比如同一用户看过哪些，类似的用户看过哪些，这些用户的年龄性别甚至职业。这段对应机器学习为什么叫做机器瞎学。 从上面两个例子不难看出，机器学习的关键，在于人为定义的这些算法是否优秀，比如人脸识别中各个部位的几何关系，比如推荐算法中采用的参数。如果描述人脸的算法不够优秀，就会影响机器识别的准确率，如果推荐算法中用到的参数不够多不够有效，也会影响推荐算法的准确度。 所以关于机器学习，我们可以得出一个结论，机器学习的