导读：
肯·格里芬是华尔街最具传奇色彩的对冲基金经理之一，也是对冲基金Citadel（城堡投资）的创始人。
在这场访谈中，他回溯了自己19岁时在哈佛宿舍楼顶架设卫星接收盘、利用实时数据做可转债套利的创业起点，也揭示了Citadel崛起背后真正的底层逻辑。
格里芬强调：创业成功往往源于在恰当时刻，具备恰当技能，解决恰当问题。他早期将数学与计算机科学应用于金融衍生品定价，而这在当时仍是“前沿技术”。
22岁创业时，他并非依赖资源背景，而是以清晰的业绩记录和对风险的承受力，赢得了第一批投资人的信任。
他尤其强调两点：第一，学会“销售”自己的想法和产品，是创业者的核心技能；第二，必须找到巨头“雷达盲区”去竞争，而不是正面硬拼。
Citadel正是依靠吸引顶尖人才、建立高效学习文化和快速创新，最终成为全球最赚钱的对冲基金之一。
这场5个月前的斯坦福大学访谈，不仅是一段创业史，更是一堂关于投资、创新与战略打法的现实课程。
以下是对话上半部分：
起步，从哈佛宿舍里的“套利少年”开始
主持人：我个人以及很多同学都被你的创业历程所激励，也对你把Citadel带成史上最赚钱的对冲基金的成就深感佩服。所以我们有很多东西可以向你学习。
我想直接进入正题，回到你故事中的一个关键时刻：你19岁，还是哈佛本科生，在宿舍楼顶安装卫星接收盘以获取实时数据做可转债交易。是什么让你在那么年轻的时候就对市场如此“有感觉”？
格里芬：在八十年代那个“石器时代”，你得用卫星接收盘来获取实时股价。那时还没有互联网，所以无法方便地获得实时报价。而我需要实时价格数据去做套利策略——在普通股和其相关衍生品之间进行套利，比如可转债、优先股、可转让权证等。
我有软件工程背景，热爱数学，也真心想把这些技能用到金融领域。这是我个人的兴趣所在。
我想起一位朋友，先不点名，因为他从没同意让我用他的故事，但一句话概括：任何时代的创业者，都是那些具备恰当技能去解决当下问题的人。
我认为这对解释许多伟大创业成功故事的驱动力非常简洁有力：在恰当的时刻拥有恰当的技能去解决当时的问题。
有趣的是，我在公司创办早期——八九十年代做的那些定价衍生品的工作，如今都已成为教材内容，几乎成了课本里的第二章。现在教学里顺带会讲Black-Scholes公式、顺带讲衍生品定价——这些已成为金融学的基础，不再是前沿或革命性的内容了。
所以我职业生涯的开端，是对金融的热情，以及将计算机科学技能和对数学的兴趣用于解决衍生品定价问题。然而我并不曾想过会把这当作谋生手段——我当时想做的是私募股权。
主持人：这非常令人印象深刻。我想再深入一点：几年后你在1990年以几百万美元的启动资金创办了Citadel。是什么让你在那么年轻的时候（22岁时）有信心独立创业？你又是如何说服别人为你提供资金的？
格里芬：22岁还是21岁？我有点怀疑。我忍不住要把这个故事讲出来。资助我的那群人来自芝加哥，那是一家在芝加哥和纽约都有业务的公司。
我对芝加哥那位合伙人有个人的好感。纽约那位则像是好莱坞里刻画的“华尔街”模样：西装完美、粉衬衫、领带、完美的银发。芝加哥那位看起来像你高中的物理老师——好了，我就不多说了。
我去芝加哥是因为我和那位合伙人有私人上的契合，事情很简单：他们愿意支持我。他们看过我的过往记录、在大学里做过的事。
他会告诉你他们支持我的理由：如果你能在大学时期做到这些，说明你很有资源整合能力。我们就赌一把，赌不成了你还可以回去念商学院，这就是他向我推销的说辞。
我还没回去念过商学院，而且我也很享受自己在金融道路上的旅程。事情就是这样开始的。直说吧：你们当下大多数人还没有孩子、没有房贷，正处在人生中能承担风险的阶段。二十多岁时，最坏的结果是什么？也并不是那么糟糕。若你四十多岁再去创业，下行风险就更大了。我当时决定在二十多岁把职业生涯押在冒险上。为什么不呢？我没什么可失去的。
避开巨头雷达，找到自己的战场
主持人：我觉得我知道你要说的答案。我更想听听你在把Citadel扩大规模过程中遇到的一些挫折经历。
格里芬：好吧，那我来讲讲。实际上，我不打算直接回答“挫折有哪些”这个问题。因为我觉得更有意思的是你到底是怎么把生意做起来的？
人人都会碰到挫折，而每个人的挫折又各不相同。我这些年学到的是：我们花太多时间去分析哪里出错了，而不是在想哪些做对了。做对的那些事，才是推动业务运转的飞轮。
如果你卖产品，你要想想在销售过程中我做对了什么？我在哪些环节把客户说服了？相反如果你把所有时间都花在“被拒绝”上，那就等于没把注意力放在怎样去赢上——不知道这么说有没有道理。好，那我们到底做对了什么？
我当时二十出头，招不到那些在华尔街干了二十年的老手——谁会傻到以为能招到呢？但我能吸引到非常聪明的本科生和研究生来为我工作。说清楚一点，我给的薪酬比华尔街要好，而且承诺给他们很多职责。
早在九十年代初，那批在芝加哥当实习生或在公司工作的人后来在华尔街都干了很大的职位——从担任摩根大通的首席运营官到在瑞士信贷主管外汇，我是说，那些人后来都做了非常重要的工作。当然，其中有不少人至今仍然是Citadel的合伙人。
我们招的是既聪明又有野心的人，把大量责任交给他们。与此同时，我们也会有选择地引进具备专业能力的人，把成功所需的智慧与经验“播”进去。把非常聪明的原始人才（有时也招优秀的运动员）与那些有经验、有智慧的人结合起来，就营造出一个能让我们繁荣与成功的环境。
我们的另一个优势是——在早期，华尔街对定量分析非常怀疑。我曾雇了一个俄罗斯火箭科学家，他确实是为俄国政府造过火箭的。结果有个朋友打电话来问我：“你到底在想什么？你花了大把钱雇了个俄罗斯火箭科学家？”（那位朋友在贝尔斯登工作。）
要与既有大行竞争，我们必须采取不同的方法——我无法正面对阵摩根大通或高盛。他们有极强的机构能力，所以你得想办法绕到他们的左边或右边，找到“雷达盲区”去成功。
如果你想竞争，就不能按他们的方式去做，这对初创公司尤其重要。你不能正面硬拼，否则会输；要想办法进入对手没注意到的领域，解决客户被忽视的问题。
建立初创公司要跳出常规思考，我觉得我们在这点上做得不错。但这也是年轻的一种天真，要退一步想，回到战略入门课：我们怎么赢？
所以我们是这样做的：招非常聪明的人，聘请出色的沟通者，大量创新、源源不断地产生想法，在公司内部围绕做什么、怎么做展开激烈讨论。学习速度极快——直到今天，这就是我们文化成功的核心：Citadel的学习速度异常惊人。
资产管理业务其实相对直接：只要你能交付alpha（超额收益），你就能把这个产品卖出去。所以这其实是世界上比较容易销售的产品之一——它比较具体、有业绩记录、有推销话术，你就能去卖。
大家都明白了吧，让我告诉你二十岁那年我有多享受去推销。那对我来说就像个甜甜圈。
但你得学会容忍，你会听到很多“不同意”。你需要习惯去推广自己的想法、推销你所代表的东西和你的立场。无论是你想要雇来为你工作的人，还是想要给你资金的人或客户，你都要习惯销售这门艺术。
主持人：谢谢你分享这个故事，太有意义了。我觉得“销售”在每一件事里都极其重要。
格里芬：确实如此。这一点我们常常忽视、带过，尤其在学术界。会讲现金流、讲组织与管理结构，但如果你想成为企业家，首先必须学会推销。
主持人：完全同意。我相信台下有很多创业者都在记笔记。那我接下来的问题是：如果你今天以同样的雄心重新创办Citadel，你会怎么做？我想我知道你会保留哪些做法，但有哪些会不一样？
格里芬：有意思的问题在于：我的初始竞争优势理论会是什么？
首要任务是退后一步，问自己：我们认为相较于竞争对手，能做得更好或不同的是什么？因为如果无法确立竞争优势，那就没有启动这趟旅程的意义——这才是真正的挑战。
如果你参加我们每年讨论商业战略的会议，你会发现战略问题都围绕着：如何建立竞争优势？你的护城河是什么？如何强化护城河？竞争对手在做什么？哪些做法值得借鉴？哪些地方可以改进？战略被严重低估，但对企业成功却是必不可少的。
以我首先要问的是：我们要做什么，能在这件事上获得竞争优势？
一旦回答了这个问题，其他问题就会变得清晰。当然，战略最终会落到“我们能创造或提供什么产品去满足消费者需求”这一点上。
所有生意都归结为两点：你能否创造出满足消费者需求的产品？你能否以一种售出后仍保留合理利润率的价格提供它，以维持公司的运营？
作为范例，我看到台下有人手里拿着iPhone。房间里几乎人人都有iPhone，苹果有着全球最致命、最具杀伤力、最成功的产品之一。正是这个产品让它成为了世界上最有价值的公司之一：它解决了日常生活中的大量问题——如何与朋友保持联系？如何管理日程？如何拍照？
这些你每天都在体验，我不需要为苹果做推销。问题是：你的“杀手级应用”是什么？你的产品，能像iPhone那样改变用户的日常吗？
AI时代：学习如何学习更重要
主持人：这就引出我的下一个问题：自1990年以来世界变化巨大。出现了像加密货币这样的新资产类别，出现了高频交易，当然还有人工智能。我想知道人工智能正在如何改变Citadel的业务，并且它对你们的商业战略有什么影响？
格里芬：好，那说到高频交易，我有个合伙人曾是弦理论物理学家。事实上他就在这附近念过书，就是伯克利那所学校。
他在伯克利学的是弦理论——你想听个讽刺的事吗？在他毕业前后，美国政府终止了在德州的巨型对撞机项目的经费支持。没有那笔经费，美国就没能完成超级对撞机的建设。
虽然在瑞士有CERN，但美国没有对等的竞品。他验证理论、发展弦理论的梦想就此基本破灭，于是他转而从事金融行业。他后来管理我们的股票业务，从零开始建立起来。
他把那看成一种长期的股票套利（equity set ARB）策略，但后来他又说想做短期交易，于是有人把这类短期交易称为“高频交易”。
实际上，“高频交易”这个词在行业里流行开来，正是因为像我那位弦理论学者同事把我们做的短期交易与他原来做的长期持有形成对比，称之为高频交易——相对传统的长周期持有而言更短。
好，那我们说到AI。生成式AI现在在公众关注度、影响力以及一定程度的炒作上都占据了主导地位。
先回顾一下历史：生成式AI只是整体机器学习（machine learning）树上的一个分支。而机器学习至少从90年代就存在了。我年轻时在90年代也关注过这方面，那时计算能力根本不足以训练出有影响力的机器学习模型，整个领域基本消失在历史的尘埃里，直到Google的出现。
Google动用了大约相当于全球第五大国家的计算能力。记住这一点：就是一家公司，用了相当于一个国家的算力，决定重新把机器学习用于优化搜索的商业化，这次尝试成功了。
由此产生了TensorFlow，Google把它开源贡献给全世界，这是对人类的一大馈赠。它将大规模机器学习重新带回公众视野。我记得TensorFlow刚宣布时，同事们在我办公室都异常兴奋，觉得这将改变世界。
大约两周后，我打电话给办公室里最资深的合伙人问：“你对这整个机器学习有什么看法？”他说：“看法？它已经上线了。我们今天每天都用它来交易股票。”我说：“才两周啊？”他说：“只用了十天。”TensorFlow仅用了十天，就成为了美国股市每天近四分之一交易决策的一部分。
我讲这个历史给你听，是因为生成式AI只是现代社会使用机器学习技术历程中的又一步。我们在投资业务里用它吗？用了一点点，用来提高效率、节省时间，是个生产力工具，但我不能说它已经改变游戏规则。
我认为它不会彻底革命化我们在金融领域的大部分工作。为什么？因为这些模型是基于人类历史迄今为止发生过的事来训练的，而投资更关注的是未来会怎样展开——明天、明年或两年后会如何。
机器学习模型的训练前提是：如果底层数据集中的关系能代表当下与未来的演变模式，那么它就很有效。换言之，它擅长处理那些在本质上较为“静态”的问题，但对预测长期未来并非万能。
给你一个简单的思考模型：自动驾驶车在南方表现一直很好——天晴、没有雪。雪会毁掉自动驾驶系统，因为雪改变了道路的轮廓与线条，影响车辆识别车道的能力。
由此可见，机器学习模型擅长处理那些相对“静态”的问题，比如读放射科的影像报告。但投资要做的是理解未来如何展开，这正是这些模型难以胜任的地方。它们在短期交易中很有效。比如接下来的五分钟内，但一旦把时间拉长到一年或两年，它们就开始失灵。这并不是它们的强项。
话虽如此，AI的确会以很多深远的方式改变你周围的世界。比如我们今天所知的呼叫中心将在五到十年内消失。
我有朋友经营着大型呼叫中心——现在你拨通电话与真人交流，但未来每一个提示可能都来自生成式AI模型，且这些模型会越来越好。他们会把客户沟通推向Slack、电子邮件等渠道，尽量把“人”从环节中剔除，这将对呼叫中心等行业带来巨大冲击。
再比如语言翻译：我有个朋友的跨国公司，在100多个国家卖产品，现在大约有8,000人负责文档工作，他们估计三年内会剩下1,000人。这些都是收入不低的白领工作，但他们现有的高度专业化技能将面临就业痛点，不得不在职业中期或晚期转型到其他岗位。
因此机器学习会给社会带来代价，我们需要思考如何帮助这些受影响的人重新站稳脚跟，以免出现对AI的强烈反弹。
这也强调了一个问题：在美国常见的心态是“我毕业了，我学业结束了”。但其实你才刚刚开始学习。
我希望你在斯坦福学到的最重要的一点就是“学会学习”。因为如果你想在未来40–50年的职业生涯中保持相关性，你必须不断开发全新的技能组合。我说40–50年，是因为在机器学习和生成式AI的时代，我们都将活得更长、更健康。
你必须非常努力，持续维护并更新那些在更长寿、更健康人生中仍然有用的技能。
精彩评论