2025 年的畢業生，正面對一個規則變了的求職市場。2025 年 11 月，美國失業率升至 4.6 %，創近四年新高；中國城鎮失業率為5.1%，青年失業率（16-24歲，不含在校生）持續高位。同時，應屆畢業生規模創紀錄：2025 屆 1222 萬，2026 屆預計 1270 萬。但與過去不同，這次不是崗位總量在減少，而是機會的流向變了。就在昨天（12月17日），吳恩達一個月前在史丹佛的內部講座視訊才公開。11 月 18 日的 AI 課堂上，他用兩組資料解釋了這個變化：AI 能完成的任務複雜度，每7個月翻倍AI 程式設計能力的翻倍時間，只需70天技術在指數級加速，但崗位機會沒有同步增長。為什麼會這樣？機會流向了那裡？在這個轉折點上，什麼樣的人能抓住新機會？這篇文章，我們從這堂課出發，回答四個問題：什麼能力更重要？為什麼環境比你想的更重要？學習方式該怎麼調整？如何讓自己被發現？第一節 | 不是崗位少了，是方向變了2025年，AI 讓寫程序變得前所未有地快。但這並不意味著工程師更吃香了，恰恰相反，許多人的工作變得更容易被替代。吳恩達在課堂上說了一句話：模型可以幫你寫出正確的程式碼，但它不會告訴你，這段程式碼要去解決什麼問題。這句話點出了關鍵：現在大多數崗位的分工邏輯已經變了。不是誰更懂技術，而是誰先把問題定義清楚。以往，一個產品從想法落地，需要5～8個工程師配合開發。現在，在 AI 工具輔助下，一個人就能快速完成。工程工作被壓縮的同時，產品設計、需求拆解、目標判斷這些前置任務反而成了最關鍵的一環。為什麼這些“前置任務”變得更重要？因為產品開發本質上是一個循環：寫程式碼 → 給使用者看 → 收反饋 → 調方向 → 再寫程式碼。AI 讓第一步快了 10 倍，但其他幾步沒有同步加速。這導致整個循環的瓶頸從寫程式碼轉移到了理解使用者真正想要什麼。現實中，多數團隊的決策能力並沒有跟上這個節奏。程式碼寫得快了，方向錯了的話，速度反而成了風險。結果是：能完成任務的人越來越多但能判斷做什麼才值得做的人反而變少於是，團隊裡真正被重用的，不是寫得快的人，而是能定義方向、快速嘗試、反應靈敏的人。在吳恩達眼中，今天矽谷行動最快的工程師有一個共同特徵：他們既會寫程式碼，也會跟使用者聊天。 這種“技術+同理心”的組合，讓他們能在一個人身上完成過去需要工程師+PM兩個角色才能完成的事。工程師和產品經理的比例正在翻轉。過去是4～8:1，現在越來越多公司走向2:1，甚至逼近1:1。有些創業公司已經開始配置“1 個PM配 1 個工程師”，這在傳統矽谷公司看來幾乎不可思議。在這堂課上，還有一位嘉賓 Lawrence Moroni（曾任Google首席AI倡導者，現在ARM負責AI業務）。他也提到了一點：過去幾年，矽谷公司允許員工把各種價值觀和個人追求帶到工作中。但 2023 年之後，公司不再看情懷，只看價值：你做的東西能不能為他們賺錢。技術很強但方向不對？沒人買單。情懷很足但產出為零？同樣出局。這就是為什麼判斷力比技術更重要：你要能判斷什麼值得做，什麼不值得做。缺少這種判斷力，再強的技術能力也會被邊緣化。第二節 | 好環境比強能力更重要第一節我們說了，判斷力比技術更重要。但光這樣還不夠：就算你有判斷力，如果環境不對，你也施展不開。吳恩達在課上講了一個真實的故事：一個史丹佛學生，能力出色，拿到了一家熱門 AI 公司的 offer。公司說：先簽約，輪崗匹配會給你找好項目。 結果簽完約，他被分配去做 Java 後端支付系統。這不是 AI 項目，不是他想做的方向。一年後，他沮喪離職。“他的能力沒問題，是環境錯了。”但環境也在選人。 Lawrence Moroni講了一個例子：一個優秀的程式設計師，能力強、經驗足。被解僱後申請了 300 多個工作，深入面試很多家大廠，但每次都在最後一輪被拒。原因不是技術不行，而是他在面試中表現得過於強硬，讓面試官覺得他不適合團隊合作。調整態度後，他很快拿到 offer，工資翻倍。這兩個故事表示：第一個：你可能有能力，但被放錯了位置第二個：你的能力可能很強，但團隊合作性同樣重要能力是基礎，但環境和配合度決定了你能走多遠。很多人忽略了一個變化：AI 讓個人能做的事更多了，但也讓團隊環境的差異被放大了。過去，只要你負責一小塊、照流程執行就行。現在不一樣了：你需要快速拿到使用者反饋 （團隊要支援你直接接觸使用者）你需要快速試錯迭代 （團隊要允許失敗）你需要跨職能協作 （團隊要打破職能壁壘）如果團隊做不到這些，你個人再努力也是在內耗。吳恩達特別強調了幾個好團隊的特徵：願意共享資訊，不藏著掖著願意試錯，而不是反覆開會支援個體試驗，而不是按層級做決策他說：在這樣的環境下，你的經驗值才能累積，你的想法才有機會試一試。否則，就算你再有熱情，也撐不了多久。而這個環境，不只是你的團隊，還包括你日常相處的圈子。如果你最親近的 5 個朋友都是努力工作、快速學習、試圖用 AI 讓世界變得更好的人，你也更有可能這樣做。所以，比起崗位頭銜，看清你所在的圈子、節奏、氛圍，才是你能不能成長的真正關鍵。第三節 | 快速試錯，快速成長過去找工作，拼的是學歷、項目經歷、技能點清單。現在，這些還重要，但更重要的是：你做出過什麼？吳恩達在課上給出建議：要創新，就做20個原型，看那個有效。這是 2025 年的真實節奏。 AI 加速了任務完成的能力，但也暴露了很多人的短板：做得快，不等於做得對；學得多，不等於學得進。傳統的學習節奏是：先聽課、再練習、最後實習。AI 時代，有效成長變成了：動手試 → 被打臉 → 調方向 → 再試。這是一種新的學習習慣，甚至是一種工作習慣。Lawrence Moroni 分享了他的實踐：他在做 AI 驅動的電影製作工具時，不是花幾個月寫完整的技術文件，而是：我開始建構。測試。扔掉。再次開始。每次我腦海中的需求都在改進。為什麼要這樣？因為失敗成本變低了。吳恩達說：“你浪費了一個周末但學到了東西，這沒問題。”過去，做一個項目需要幾個月。現在，一個周末就能做出能跑的原型。Lawrence算了一筆成本帳：三個月做一個項目，最後發現方向錯了，浪費三個月三天做10個原型，扔掉9個，留1個繼續打磨，只花三天就找到方向所以，快速試錯不是急躁，而是控制風險的方法。但很多人的學習方式還停留在過去。 苦練程式碼卻從沒做出能上線的應用，苦看視訊教學卻從不和別人協作，項目一做就是大半年結果上市場沒人用。現在，AI 做得越快，你迭代得也要越快。關鍵不是做一次就對，而是做一次就知道錯在那，然後快速調整。要想跟上節奏：別等到完美才發佈別等到有把握才動手別等別人先做你再做先做出來，再說。第四節 | 真正的競爭力，是你做出過什麼前三節我們說了：能力要求變了、團隊環境重要、學習方式要變。但最後一個問題是：你怎麼證明自己？現在的招聘，越來越像選隊友，而不是篩履歷。Lawrence Moroni 自己就是個例子。2015年，他想加 入 Google Clou 團隊。前兩次面試都失敗了，儘管他已經在 Microsoft 工作多年，寫了 20 多本書。第三次，他換了策略：在面試前，他用 Google Cloud 做了一個 Java 應用，能用技術分析預測股票價格。 然後把這個項目放在簡歷上。結果，整個面試過程，面試官都在問他關於這個程式碼的問題。面試的主動權在他手上。他提前證明了自己能做什麼，而不是只說做過什麼。這讓他從 300 個候選人中脫穎而出。十年過去，這個策略在2025年更加重要。吳恩達給出了一個判斷標準：現在要看一個人值不值得合作，最簡單的方法就是看你做出過什麼，那怕一個小東西。不一定複雜，也不一定完美。但得是真實的、能用的、你親手做的。一個前職業冰球運動員的故事更能說明問題。他 13 歲輟學，自稱“活著最笨的人”。他管理一個非營利冰場，每季度需要向董事會展示營運結果，為此每年花15 萬美元請諮詢公司整合資料（來自泵房機器、壓縮機、電子表格、帳戶...）。他嘗試用 ChatGPT 自己做。結果：他現在用兩個小時就能完成報告。節省的 15 萬美元用於給貧困兒童提供冰球裝備。一個13 歲輟學的人，用 AI 做成了15 萬美元的專業諮詢工作。這比任何學歷都有說服力。你不一定要創業，但你需要作品。這類展示的效果越來越明顯。很多公司已經不看你做過什麼，而是看你正在做什麼。過去找工作，是投遞簡歷等回覆。現在是做出產品，主動展示能力。區別在於：簡歷是別人對你的評價，作品是你對自己的證明。結語｜機會沒少，只是方向換了2025 年不是工作變少了，是路徑變了。過去的路徑：從學歷到經驗，從經驗到簡歷，從簡歷到面試，最後入職。現在的路徑：從能力到作品，從作品到展示，從展示到合作，在合作中成長。能力要求變了。團隊比品牌重要。學習方式要快速迭代。作品比簡歷有說服力。這四件事，決定了你能不能抓住新機會。 (AI深度研究員)

大摩周三閉門會的討論，涵蓋了四季度最關鍵的投資機會和風險：製造業、地產、航空、金融，還有大宗商品。一、製造業：去槓桿+反內卷，風險在可控範圍先看製造業貸款風險。大摩的觀點很明確：過去兩年，製造業投資增速一路放緩，從高點滑落到8月的 5.1%。這不是壞事，而是“理性回歸”。1、為什麼？過去幾年大家瘋狂加碼投資，產能擴得比需求還快，行業出現內卷。現在通過貸款增速放緩、政策精準支援（比如7月投放的5000億地方政府資本金、5000億結構性工具），正在逐步平衡供需。2、風險點在那裡？大摩測算，高風險製造業信貸只佔 8%-10%，遠低於上一輪供給側改革時的水平。換句話說，銀行要消化這些壞帳，難度不算大，不會像地產那樣“一刀切”出風險。3、投資啟示未來12-18個月，製造業投資增速可能會繼續慢下來，但這是主動調控，能換來一個更健康的供需格局。對金融股來說，這意味著利率逐漸托底、息差走穩，2026年一季度起有望迎來盈利修復。二、房地產：高基數+弱情緒，四季度依然艱難大摩的地產團隊看得很悲觀：資料面：9月45個樣本城市裡， 60%的城市二手房價繼續環比下跌，整體跌幅 0.8%；一線城市跌得更快，超過1%。掛牌量卻在上升，80%的城市掛牌量創歷史新高，說明賣的人多、買的人少。政策面：不要指望大規模刺激。原因有三：1、房價雖然跌，但沒有像2021年那樣月跌幅超1%，沒到“非救不可”的地步。2、沒有新的風險爆點，比如開發商大面積爆雷或地方財政危機。3、房地產對GDP的貢獻從高點的30%降到如今 17%-18%，再刺激意義也不大。投資機會：雖然行業整體很難，但結構上有分化。國企龍頭（華潤置地、建發國際）：分紅高、抗風險，2025-2027年股息率可達 7%-9%。推盤積極的開發商（中海、金茂、越秀）：四季度銷售或優於同行，股價彈性更大。民企房企：繼續謹慎，資金鏈緊張+毛利率下滑，競爭力弱化。一句話總結：地產的系統性機會沒了，只能撿結構性阿爾法。三、航空：票價比需求更重要今年黃金周，出行總量增長5.2%，鐵路+航空偏弱，更多人選擇開車。但大摩重點強調：航空業的核心驅動力不是客流，而是票價。資料亮點：9月航空票價同比正增長，扣除燃油附加費後漲幅更明顯。國慶期間票價並未“跳水”，航空公司在需求偏弱時依然敢於挺價。框架升級：過去大家只看“客座率=盈利”。但現在要加上“需求結構”。商務出行回暖，對票價不敏感，所以即便客流增長不快，航空公司依然能靠提價提升利潤。投資邏輯：2025年可能是航空公司“由虧轉盈”的拐點之年。疊加國際航線擴張、商務需求復甦，航空股有望迎來估值修復。四、大宗商品：銅、金、鋁最值得看多大摩的商品團隊觀點非常清晰：宏觀支撐：美元走弱+流動性寬鬆，是大宗商品的大利多。供給擾動：印尼電力建設慢，鋁新增產能有限；銅礦巨頭Grasberg出事故，2024-2025年銅供應缺口進一步擴大；黃金央行持續買入，中國已連續 11個月增持黃金。投資機會：銅：供需缺口擴大，海外公司負增長，中國銅企反而有產量增長+估值低，具備全球競爭力。黃金：在中國企業裡，24-27年產量增速普遍是 兩位數，跑贏全球同行。鋁：中國產能觸頂，海外擴產緩慢，長期供給偏緊。一句話：2025年看多銅、金、鋁。中國的資源股，反而可能是全球配置的“窪地”。五、金融類股：理性入市，機構主導的牛市更健康最後一個重點是金融。大摩強調，這輪股市的資金流入和過去不一樣：不是散戶一窩蜂衝進來，而是保險、銀行理財、混合基金等機構資金逐步進場；投資邏輯也不是靠“政策刺激”，而是基於供需改善、行業基本面反轉。這意味著市場不會像過去那樣“大起大落”。對銀行股、保險股來說，2026年一季度起，隨著利差見底+分紅穩定，估值有望修復。大摩閉門會透露的訊號很清楚：製造業去槓桿可控、地產結構分化、航空拐點將至、大宗商品繼續走牛、金融類股迎來機構化資金托底。在別人還盯著短期波動時，我們應該關注的是未來12-24個月的趨勢。 (盛運德誠投資)

《美國大規模算力中心建設的投資機會分析報告（2025版）》，從 七個維度 深入解析：產業鏈結構 → 投資賽道 → 資本佈局 → 風險分佈 → 政策方向 → 未來趨勢 → 投資建議。內容聚焦“算力基建浪潮中的可投資環節與長期機會”。一、總體判斷：新一輪“數字基建黃金十年”核心結論： 大規模算力中心建設正成為繼網際網路、雲端運算之後的第三輪基礎設施浪潮。其邏輯與 2000 年網際網路建網期、2010 年雲端運算建廠期類似，如今是 “AI 基建期”——所有算力、能源、冷卻、網路、地產、硬體相關產業鏈都迎來資本重估。2030 年前，美國 AI 算力投資預計將超過 1.5 兆美元（資料中心、電力、網路等總計）。投資邏輯從“科技創新”轉向“重資產底層設施”，其收益結構類似“能源 + 不動產 + 科技”的複合體。二、產業鏈結構與價值環節大規模算力中心基建可拆分為六大層：三、重點投資賽道（2025–2030）1️⃣ 電力與能源賽道：“AI耗電革命”的核心受益方投資邏輯：AI資料中心將成為未來最大的新增用電源。潛力方向：清潔能源（太陽能、風電 + 儲能）：長期供電協議 (PPA) 模式受益。天然氣發電廠改造項目：短期最直接的供電保障。小型模組核能（SMR）：2030 年後可能成為 AI 電力結構性突破口。電網升級、變電站、輸電線建設承包商。相關公司與機會類型：上市電力基礎設施營運商（如 NextEra Energy、Dominion Energy）；獨立電網開發商；電力工程 EPC 公司；儲能裝置供應商。2️⃣ 冷卻系統與能效技術：液冷革命的風口邏輯：AI伺服器功率密度遠高於傳統IT負載，空氣冷卻成本與效率都難以滿足要求。趨勢：2025–2030 年液冷佔比將從 <10% → 超過 60%。相關環節包括：冷卻液（介電液）、冷卻模組、熱回收系統、液冷機櫃設計。投資機會：液冷系統整合商、材料公司（如氟化液體、導熱介面材料）；新興液冷初創企業（散熱結構最佳化、熱回收創新）；傳統 HVAC 企業轉型（如 Trane、Johnson Controls）。中國投資者可關注：中科曙光、英維克、同方股份等液冷技術出海潛力。3️⃣ 數字地產 / 資料中心 REITs邏輯：算力中心本質是“電力+地產”的新型資產類別，長期穩定現金流 + 高資本化率。美國代表：Equinix (EQIX)、Digital Realty (DLR)、CoreWeave Data Infrastructure REIT 等。近期 Rick Perry 主導的 AI 資料中心 REIT 成功 IPO，募資 6.8 億美元。投資機會：參與 REIT 早期項目；投資擁有電力接入優勢、土地資源的地產開發商；關注資料中心園區的長期租賃協議（Hyperscaler 租期通常 >10 年）。4️⃣ 通訊與網路基礎設施邏輯：AI 模型訓練與推理都依賴極高速網路互聯。重點方向：光纖主幹、邊緣節點建設；高速光模組與交換機；CDN 與算力網路。投資亮點：光纖鋪設與租賃營運；NVIDIA、Cisco、Arista 等廠商相關供應鏈；新興“算力網路”初創企業（AI 推理分佈式網路）。5️⃣ AI算力租賃與託管（Infra-as-a-Service）邏輯：中小型AI企業或機構無法自建資料中心，將租用算力即服務。機會：CoreWeave、Lambda、Crusoe 等已崛起；GPU共享、算力調度、能耗最佳化服務；AI雲基礎設施金融化（租賃、分期、GPU債券化）。投資路徑：私募投資基金；GPU租賃營運公司；支撐金融結構的債券/REIT產品。6️⃣ 工程與建造環節（EPC）邏輯：算力中心是典型的重資產建設項目。受益方：擁有資料中心施工經驗的工程公司；電氣工程與製冷系統EPC承包商；模組化資料中心預製建築商。四、資本格局與資金流向五、主要風險與壁壘電力供應瓶頸：項目能否獲得穩定清潔電源將直接決定成功率。建設周期與許可風險：土地審批、輸電許可耗時長。資本密集與回報周期長：重資產模式，現金流回收慢。技術變遷風險：AI晶片能耗、冷卻方式變革可能影響設計標準。政策與碳排放壓力：未來碳稅或排放限制可能增加成本。六、未來趨勢與窗口期七、投資建議與策略組合① 長線穩健型：配置資料中心 REIT + 清潔能源電力公司收益穩定、通膨避險能力強典型組合：Digital Realty + NextEra Energy② 成長型：投注液冷系統、節能技術、AI算力託管高成長賽道，適合中高風險偏好可關注：CoolIT、Submer、Lambda Labs、CoreWeave③ 價值捕捉型（2025–2027年短期）：電網建設、工程承包、土地資源持有公司在基建擴張初期收益最明顯示例：AECOM、Quanta Services、Jacobs Engineering④ 風險投資 / 私募方向：關注 AI 基建 SaaS + 智能維運（AIOps）、能效最佳化、能源交易平台小額高成長標的，未來被 Hyperscaler 收購的潛力大。結語：“算力中心”不是一座機房，而是一種能源-資料-地產-資本融合資產。未來 5–10 年，這將是全球資本重構的最大確定性機會之一。正如網際網路時代的“光纖網路”與雲時代的“伺服器農場”，AI 時代的“算力工廠”將成為下一代的“數字油田”。 (賽文視點)

最近，國務院印發了《關於全國部分地區要素市場化配置綜合改革試點實施方案的批覆》，批覆同意在北京城市副中心、蘇南重點城市、杭甬溫、合肥都市圈、福廈泉、鄭州市、長株潭、粵港澳大灣區內地九市、重慶市、成都市等10個地區，開展為期2年的要素市場化配置綜合改革試點。這些地區的經濟總量，加起來要超過全國的四分之一。相當於把北京、上海、深圳、廣州這些最重要的經濟中心，再加上長三角、珠三角的核心城市，全部納入了一個統一的改革試驗。這不是小打小鬧的局部調整，而是由中國經濟最核心、最活躍區域組成的，系統性改革試點。今天，我們就來看看這份檔案的重點內容，以及給當地的普通人帶來那些機會。01怎麼理解“要素市場化”？改革的重點是什麼？要素市場化配置。這中間有兩個關鍵詞，要素，市場化。什麼叫“要素”？簡單說，要素就是搞經濟、做企業必須用到的基礎“原材料”。你看，各行各業都有自己需要的原材料，鋼鐵廠要鐵礦石，服裝廠要布料。儘管每一行對原料的需求不太一樣，但有些最底層的原材料是所有行業都離不開的。這些所有行業都離不開的必要元素，統稱為，要素。具體來說，要素包括五類，土地、勞動力、資本、技術、資料。你想開個工廠，得有地方建廠房，得有人幹活，得有啟動資金，得有技術，現在還得有資料支撐。缺了任何一種"原材料"，經濟活動都搞不起來。而要素市場化，簡單說，就是讓市場在要素配置中，起決定性作用。比如土地，市場化就是價格由供需關係決定，誰出價高、效率高，土地就給誰用。這回提出要素市場化，其實還包含一個潛台詞，就是之前的市場化程度還不夠。國家發展改革委副主任李春臨，在國新辦吹風會上就提到，“改革開放以來，中國絕大部分商品和服務已實現了市場定價、自由流動，但要素市場體系建設相對滯後，發育還不充分。”目前，咱們國內的商品和服務價格，97%以上由市場定價。但要素的市場化程度，還有很大提升空間。比如，拿資料要素來說，2020年資料要素市場化配置率只有18%，什麼意思？去醫院看病，會產生大量的醫療資料，包括檢查結果、用藥記錄、治療效果等等。這些資料對醫藥企業研發新藥，對其他醫院改進治療方案都很有價值。但現實是，這些資料大多躺在各個醫院的伺服器裡，無法流通交易。醫藥企業想要這些資料來研發新藥，醫院想把資料變現，但都缺乏合法的交易管道和定價機制。而18%的市場化配置率，就是說，在所有有價值的資料中，只有不到五分之一能夠通過市場機制開展交易，其餘80%多的資料都處於"有價值但流通不了"的狀態。而按照改革目標，資料要素的市場化配置率，到2025年要提升到43%，將近一半的有價值資料，要能合法合規地流通起來。再比如，勞動力。表面上看，人員流動是自由的，但實際上戶籍制度形成了巨大的壁壘。在城市生活但沒有當地戶口的人口，佔城市常住人口的30%，在北京上海這樣的特大城市，這個比例高達40%。沒有戶口意味著什麼？孩子上學難、看病報銷難、買房受限制。而要想實現人才要素的市場化流通，就需要有相應的配套政策。比如，假如有工作年限互認的政策支援，那麼我在一個城市工作3年後，再到另外一個城市，工作年限就可以直接累積，而不用從零開始重新算。有人可能會問，既然市場化這麼有效率，為什麼過去不這樣做？這就涉及到歷史原因了。新中國成立初期，我們面臨的是一個什麼樣的情況？一個農業國要快速實現工業化，需要在短時間內集中有限的資源，優先發展重工業、基礎設施這些關鍵領域。因此，當時由政府直接配置資源，集中力量辦大事，不僅是必要的，而且是有效的。而現在，我們現在面臨的經濟發展環境發生了變化。新質生產力的發展對要素配置提出了新要求。比如人工智慧、新能源、生物技術這些新興產業，它們對資料、算力、高端人才的需求和傳統產業完全不同。同時，現在條件也非常成熟，國內的商品和服務市場已經高度市場化，為要素市場化改革奠定了基礎。因此，早在2020年4月，中共中央、國務院就發佈了《關於建構更加完善的要素市場化配置體制機制的意見》，這是第一份專門針對要素市場化配置的中央檔案，可以說是這項改革的“總綱領”。這個檔案提出了一個明確的時間表，到2025年，要建立要素價格市場決定、流動自主有序、配置高效公平的體制機制。然後，2021年12月，國務院辦公廳印發了《要素市場化配置綜合改革試點總體方案》，這是把頂層設計變成具體行動的“施工圖”。這個方案明確了，要選擇一些條件比較好的地區先行先試，探索可複製、可推廣的經驗。現在我們看到的這個政策，就是“施工圖”的具體落地。國務院批覆同意10個地區開展試點，每個地區都有自己的具體方案，試點期限是2年。02為什麼選擇這10個地區？首先，關於標準，國家發改委副主任李春臨說得很明確，這10個地區是“發展基礎較好、經濟增長支撐作用強的城市群、都市圈或者中心城市，改革基礎條件較好，也具有較強代表性”。什麼叫代表性？你看這10個地區的分佈，東部有蘇南重點城市、杭甬溫，中部有鄭州、長株潭，西部有重慶、成都，還有京津冀的北京城市副中心、粵港澳大灣區內地九市。基本上覆蓋了東、中、西部的主要經濟增長極。同時，不同地區，也有不同的改革側重。比如，重慶。重慶有個獨特的地位，它是全國唯一的省域全覆蓋試點地區，而且擁有全國最完整的要素交易平台體系。什麼叫要素交易平台？簡單說，就是要素買賣的“大市場”。重慶建了10個這樣的平台，重慶聯合產權交易所、重慶農村土地交易所、西部資料交易中心等等。這意味著什麼？假如你是個企業家，想在重慶投資一個新能源項目。你需要土地，可以到土地交易所競價購買，需要技術專利，可以到產權交易所購買相關智慧財產權，你的項目產生了有價值的資料，可以到資料交易中心出售變現，你還能通過碳交易市場出售碳排放指標獲得額外收入。再比如，粵港澳大灣區，改革重點是解決科技資源跨城市共享的問題。你看，廣州有中山大學的實驗室，深圳有華為的研發中心，東莞有完善的製造業基礎，但這些資源往往各自發展，很難形成合力。大灣區的改革就是要打通這些壁壘。核心工具是“科技創新券”的跨城市“通用通兌”。科技創新券，就類似於購物券。政府給企業發放科技創新券，企業可以用這些券去購買科研服務。比如，深圳市政府給當地企業發了1000萬元的科技創新券，企業可以用這些券去中山大學做實驗、找華南理工大學做技術開發、到東莞的檢測機構做產品檢測。而“通用通兌”的意思是，深圳發的券可以在廣州用，廣州發的券可以在東莞用，就像全國銀行卡一樣，在那個城市都能取錢。這麼一來，整個大灣區就變成了一個巨大的科技資源共享平台。企業不再受地域限制，可以在九個城市中選擇最合適的科研資源，提高了創新效率。再比如，北京城市副中心的改革重點，是科技成果轉化，要解決的是，科研成果從實驗室走向市場的“最後一公里”問題。現在最大的障礙是什麼？科研人員擔心在成果轉化過程中觸碰國有資產處置的紅線。比如，一個國有科研院所的研究員發明了一項新技術，想成立公司開展產業化。但這項技術是用國家資金研發的，屬於國有資產，如何定價？如何分配收益？如何避免國有資產流失？這些問題沒有明確的規則，科研人員就不敢輕易嘗試。北京城市副中心的改革就是要建立明確的規則。比如，要讓科研人員能夠合法合規地分享成果轉化的收益。而其他地區也各有各的側重。蘇南重點城市要解決的是“散裝江蘇”問題，五個經濟發達的城市，南京、無錫、常州、蘇州、鎮江，要通過統一的要素配置機制，實現真正的“抱團”發展。福廈泉、杭甬溫、合肥都市圈、長株潭、鄭州、成都等地區也都結合自身優勢，在不同領域做差異化探索。每個地區都有自己的特色和重點，這不是“一刀切”的改革，而是“因地制宜”的探索。03試點對當地以及普通人意味著什麼機會？首先，是就業和創業機會明顯增加。試點地區會獲得更大的改革自主權，這將直接轉化為更多的就業崗位和創業機會。比如，有些城市的戶籍准入年限同城化累計互認。比如，你在蘇州工作3年後跳槽到南京，這3年經歷可以累計計算，不用重新開始。整個蘇南地區變成了一個統一的就業市場，你的職業發展空間一下子擴大了幾倍。更重要的是，要素市場化會催生很多全新的職業。比如，資料分析師、要素交易專員、科技成果轉化經理，這些在傳統經濟模式下很少見的職位，會大量湧現。對創業者來說，機會也很明顯。土地供應可以“先租後讓”，降低了初始成本。科技成果可以作為資產抵押獲得貸款，不再需要房產擔保。跨城市的人才流動讓你更容易招到合適員工。科技創新券讓你能便宜地使用高校和科研院所的裝置。其次，是生活便利性的全面提升。最直接的是公共服務的改善。戶籍制度改革讓你在不同城市間流動時，孩子上學、看病就醫、社保轉移等問題會逐步解決。你不再需要為了孩子教育而被繫結在某個城市。同時，資料要素的流通會讓各種服務更加智能化。醫療資料的合規共享可能讓你在任何一家醫院看病時，醫生都能快速瞭解你的完整病史。交通資料的整合可能讓你的出行規劃更加精準。消費資料的應用可能讓你享受到更個性化的服務。以上這些，還會產生連鎖反應。更多的機會以及更便利的環境，會吸引人才，人才願意來，資金就願意來，有了人才和資金，就更能吸引先進技術落地。這種集聚效應會推高當地的房產價值、提升當地的工資水平、增加當地的商業機會。假如你已經在這些試點地區生活工作，就能直接分享到區域發展的紅利。特別是對年輕人來說，這次改革可能會重新定義很多行業的遊戲規則。誰能更早地理解和適應這些變化，誰就能在新的經濟格局中佔得先機。換句話說，這不僅是一次經濟體制的深度調整，也是每個人重新審視自己發展機會的重要時刻。最後，我們也要看到挑戰。要素市場化意味著競爭會更加激烈，對個人能力的要求會更高。但總的來說，這項改革為普通人提供了更多選擇和機會。借用馬江博老師的話說，關鍵是要保持學習心態，及時瞭解政策變化，抓住改革帶來的紅利。 (格上財富)