当代中国政治结构性问题

在一个高度集权的体制里,这些历史方程的答案,没有人知道。

当代中国政治结构性问题
Photo by Imkara Visual / Unsplash

接班人困境

这是列宁主义体制的根本漏洞——所有威权体制最难解决的问题。

  • 邓小平建立的隔代指定+任期制,是人类历史上少见的威权平稳交接机制
  • 习2018年废除任期限制,等于拆掉了这个机制的核心零件
  • 现在没有人知道:谁是接班人?交接的规则是什么?如果习本人无法主动传权(健康、意外),会发生什么?
这不是道德问题,是制度的真空。每一个威权体制最终都会遭遇这个时刻。

苏联的解法是集体领导(但导致僵化);朝鲜的解法是世袭(但代价是彻底封闭);中国目前没有清晰的解法。


经济转型与政治控制的张力

中国经济的下一阶段需要:

  • 更强的产权保护
  • 更独立的法律体系
  • 更自由的信息流动(创新需要开放的知识环境)
  • 更活跃的民间资本

但这些条件,每一条都与当前政治控制逻辑相冲突

2021年的监管整顿(互联网、教培、地产)展示了这个张力:政治逻辑压过了经济逻辑。这在短期可以维持,但长期会积累结构性压力。


民族主义的双刃剑

  • 过去30年,民族主义被有意识地培育,作为意识形态真空的替代品
  • 它在短期内有效:凝聚认同、转移矛盾、动员情绪
  • 但它会绑架决策者:一旦在台湾、南海、对日关系上退让,国内民族主义情绪会反噬
  • 民族主义是一种只能加速、无法刹车的政治工具

这造成了一个结构性困境:对外强硬是内部政治的需要,但对外强硬会加剧外部压力,而外部压力又需要内部更强硬的民族主义来对冲——这是一个自我强化的循环


信息系统的退化

一个高度集权的体制,有一个致命弱点:真实信息向上流动的能力退化

  • 官员倾向于报喜不报忧
  • 数据造假在地方层面是结构性的
  • 政策反馈机制被压制(批评被解读为政治不忠诚)

新冠疫情初期的武汉信息压制,是这个问题的一次集中显现。但这不是个别事件,是体制特征。

毛泽东大跃进时期,饿死数千万人,很大程度上是因为没有人敢说真话。信息失真在极权体制中是系统性的,不是偶然的。

习非常清楚这个问题(他多次内部讲话提到"要听真话"),但他强化控制的方式本身,恰恰加剧了这个问题——这是一个他无法用自己的工具解决的悖论。


体制的时间维度——它能撑多久?

历史上威权体制的崩溃通常不是因为人民"觉醒",而是因为:

  1. 精英分裂:利益集团内部出现无法调和的裂痕
  2. 经济危机触发合法性崩溃:增长停止时,"我们让你们富裕"这个隐性契约失效
  3. 外部冲击:战争、金融危机、大规模自然灾害

中国目前的结构性压力:人口老龄化、房地产债务、地方政府财政危机、青年失业率高企——这些是慢变量,不会引发即时崩溃,但会持续消耗体制的弹性空间。


一个结构性的根本矛盾

中国共产党建立了人类历史上最复杂、最有韧性的威权体制之一。 但它同时也建立了人类历史上规模最大的受过教育的中产阶级

这两件事在历史上从未长期共存过。

Read more

开源的意义

开源的意义

最近在用 Trae SOLO,有一种很奇妙的感觉——想法刚冒出来,服务已经跑起来了。这让我开始认真思考一个问题:开源的意义,到底是什么? 传统意义上,开源解决的是效率问题。代码难写,一个人写不完,所以大家共享代码、集思广益、快速迭代。这是开源存在的经济学基础——通过聚合全球开发者的零散时间,对抗单个组织的能力瓶颈。 但现在,Trae SOLO、Claude Code 这类自主 AI 代理的出现,让这个前提开始动摇。当一个没有工程背景的产品经理也能把想法直接落地成生产服务,"人力不够"这个问题,已经不成立了。 代码生成的边际成本,正在趋近于零。 效率提升的麻烦 按理说,代码生成变快了,开源应该繁荣才对。但现实恰恰相反——大量 AI 生成的低质量 PR 正在淹没开源维护者。研究数据显示,AI 辅助代码产生的缺陷率约为人类代码的 1.

稀缺的执行力

稀缺的执行力

最近看到一个55岁的人写给30、40岁人的话,其中一句: “你越是拖延改变,改变就会变得越痛苦且代价越高。” 我没有特别大的感触——不是因为这句话不对,而是因为我早就活在这句话的另一面了。 我是一个行动力很强的人。有想法,当天就开始动。不确定,就先试。做错了,再调。这件事本身没什么了不起,但在AI这个时代,它突然变成了一种稀缺能力。 想法这个东西,从来不值钱 我身边不缺聪明人。 有人跟我聊过一个方向,我觉得不错,问他打算什么时候开始。他说,再等等,想清楚了再动。三个月后我们再聊,他还在”想”。又过了三个月,这个方向已经有人做出来了,还跑通了。 这不是个例。这几乎是一种普遍现象。 AI出来之后,这个问题被放大了十倍。工具门槛低了,信息差小了,一个普通人能做到的事情多了很多。照理说,应该有更多人去试、去做。但我观察到的恰恰相反——很多人花在”研究怎么用AI”上的时间,远远多于真正用AI做出任何东西的时间。 想法变得更廉价了,行动依然稀缺。