当一切都处于前所未有的历史前沿，我们需要更高维、更透彻的洞察
别人成功后的余温，参考价值正在变小。接下来 15 分钟，用三项公开研究和两次现场实验说明原因，再介绍我们的做法与三种合作方式。
南京 OPC 商业特训营 分享｜opcglobal.ai tableai.ai
背景动画为第 3 页同一套模拟的实时运行画面：每个点代表 1 人，金色为财富高于起点，颜色变浅为低于起点。
先投一票：一个人赚到大钱，首要因素是哪一项
每人一票，可改票。结果实时汇总，后面三项研究会逐一对照。
口径：票数为现场实测值，按设备去重（同一设备后投覆盖先投）；占比 = 该项票数 ÷ 总票数。
论文的一次模拟中，前 20 人拿走 44% 的成功量，天赋最高者几乎从未登顶
- 规则：1,000 人，天赋呈正态分布（均值 0.6，标准差 0.1）；起点财富相同，共 40 年、每半年一轮。
- 遇到好运时，按自己的天赋值为概率把财富翻倍；遇到厄运时财富减半。
- 论文结论：一定的天赋是必要条件，但登顶者的天赋多在平均值附近，胜出主要来自好运的次数。
出处：Pluchino, Biondo & Rapisarda (2018), Talent vs Luck, Advances in Complex Systems 21, 1850014；“前 20 人占 44%”为该论文单次模拟的输出，见 Scientific American 对论文的报道。现场模拟为按论文规则的简化复现：每半年遇到好运、厄运的概率各 4%设计值；三个指标为本次运行的输出实测值，换随机数后结果不同。前 20 人占比 = 财富最高 20 人之和 ÷ 全体之和。
佛罗伦萨 1427 至 2011 年：相隔近 6 个世纪，祖先收入对后代收入的弹性仍约 0.04
- 方法：意大利央行两位经济学家用姓氏，把 1427 年的纳税记录与 2011 年的纳税记录逐一对应（约 800 至 900 个姓氏）。
- 量级：祖先收入在 90 分位的家族，与 10 分位的家族相比，后代今天的收入高约 5%，实际财富高约 12%。
- 相邻两代之间影响更明显：收入弹性在北欧低于 0.2，在意大利、英国、美国接近 0.5。
- 粗算：弹性 0.5 时，父辈收入大约解释子辈收入差异的 25%，其余约 75% 来自其他因素。
Intergenerational Earnings Elasticity 代际收入弹性：父辈收入每高 1%，子辈收入平均高出的百分比。条形长度 = 弹性 ÷ 0.5。
出处：Barone & Mocetti (2021), Intergenerational Mobility in the Very Long Run: Florence 1427–2011, Review of Economic Studies 88(4), 1863–1891；两代弹性区间引自 Corak (2013)，见两位作者 2016 年 VoxEU 专栏。粗算公式：解释比例 ≈ 弹性² = 0.5² = 25%，假设两代收入的离散程度相同推算值。
2,887 位物理学家的发表记录显示，代表作随机出现在职业序列的任意位置
- p 是项目自带的运气成分，事前无法得知；Q 是个人把同一个机会放大的能力，在整个职业生涯中基本稳定。
- 论文同时指出：只增加产量，对出现顶级成果的概率提升有限；高 Q 与好运需要同时出现。
- 另一项覆盖艺术家、导演与科学家的研究发现：连续高产期之前，普遍先有一段多方向探索，随后收窄聚焦。
出处：Sinatra, Wang, Deville, Song & Barabási (2016), Quantifying the evolution of individual scientific impact, Science 354, aaf5239（random-impact rule 随机影响力法则）；Liu, Dehmamy, Chown, Giles & Wang (2021), Nature Communications 12, 5392（hot streak 连续高产期）。右侧三条序列为示意图，由随机数生成示意，金色为该序列影响力最高的一项。
单次结果不可控，可以设计的有三项：Q、N 与顺序
Q做自己
把同一个机会放大的稳定能力，来自个人长期积累的判断与审美，较难被他人复制。
对应研究：Sinatra 等 (2016) 的 Q 参数。
N尝试次数
| 单次命中概率 p＝2% | 尝试次数 N | 至少命中 1 次 |
|---|---|---|
| 10 | ||
| 35 | ||
| 114 |
公式：至少命中一次的概率 ＝ 1 − (1 − p)N。p＝2% 为举例用的设计值。
顺序先探索，后聚焦
先在多个方向上小成本试，出现信号后再收窄投入。单独探索或单独聚焦，都与连续高产期没有稳定关联。
对应研究：Liu 等 (2021)。
Stanley 与 Lehman 在《Why Greatness Cannot Be Planned》(2015) 中给出相近的观察：通向远大目标的垫脚石，事前往往不像目标本身，按目标倒推的路径容易错过它们。
出处：同前两页；Stanley & Lehman (2015), Why Greatness Cannot Be Planned: The Myth of the Objective, Springer。表内数值按公式现场计算，保留整数百分比。
现场实验：每点一次算一次尝试，单次命中概率 2%
命中与否由服务器随机决定，与手速以外的任何因素无关。结束后对比：点得多的人与点得少的人，至少命中一次的比例差多少。
口径：单次命中概率 2%设计值；人数、尝试、命中均为现场实测值。实测命中率 = 总命中 ÷ 总尝试。分组对比：按尝试次数排序，取前 1/4 与后 1/4 的人，各自计算“命中 ≥ 1 次的人数 ÷ 该组人数”。单人每秒最多计入 15 次点击。
全国 OPC 社区已超过 700 个、单一平台聚集 45 万人，可复制的经验正在变成公共品
- 制度：2024 年 7 月 1 日施行的新《公司法》，取消了“一个自然人只能设立一个一人有限责任公司”的限制。
- 规模：36 氪 2026 年 6 月报道，全国 OPC 社区超过 700 个，WeOPC 平台聚集超过 45 万 OPC 创业者与 AI 开发者；同一篇报道也提到，第一批 OPC 创业者已有人退场。
- 含义：当几十万人同时学习同一批成功案例时，案例里可复制的部分很快成为人人都有的基础配置。
我们的判断
AI 把单次尝试的成本压低之后，N 对多数人都变便宜了。
接下来拉开差距的，更可能是 Q，以及比多数人早一步进入探索期。
性质：以上两句是基于前述研究框架的推断，尚无直接的统计数据支持，欢迎现场讨论与反驳。
出处：《中华人民共和国公司法》（2023 年修订，2024-07-01 施行）；36 氪《“一人公司”火了，谁靠 AI 员工挣到第一桶金？》(2026-06-03)。OPC = One Person Company 一人公司。
我们的分工：OPC Global 帮个人放大 Q，TABLE AI 把 N 的成本降下来
OPC Global
面向一人公司的学院与共创教练网络，帮助个人看清并放大自己的长板。
现状：学院 AI 与科技类专家顾问 8 位，来自高校教授与科技公司创始人。
网址：opcglobal.ai
TABLE AI
AI 时代的全球智能协同与价值结算基础设施，采用 Agent-to-Agent（智能体对智能体）架构，让一个人可以调度多个智能体完成交付。
愿景：善用 AI，终获自由。
网址：tableai.ai
一个已上线的行业样本：餐饮
面向餐饮老板的经营“第二大脑”，由行业专家与智能体共同交付。
底座：47 张方法论卡、58 个分析点 × 13 个模块、382 个标准字段；官网公示合作品牌 7 个（名称从略）。
三者的关系：学院沉淀人的判断，基础设施承担重复执行，行业样本用来检验这套组合在真实生意里是否成立。
出处：tableai.ai 与 opcglobal.ai 官网及团队公开资料；餐饮样本数字取自团队内部治理系统快照（2026-08）实测值，合作品牌数按其官网公示计数。客户名称已做脱敏处理。
三种合作方式，投入与回报周期不同，可按自己的资源选择
A学习共创 0
参加学院课程与共创营。投入以时间为主，适合方向未定、想先建立判断的人。取舍：见效慢，不直接产生收入。
B行业共建 0
带一个你熟悉的行业来，参照餐饮样本共建该行业的“第二大脑”。投入：行业数据与客户关系，周期约 3 至 6 个月。取舍：前期投入重，需要真实数据。
C城市与渠道合伙 0
在本地承接社区、课程与项目落地。投入：本地关系、场地与运营。取舍：运营偏重，回报取决于本地转化。
口径：各方式旁的数字为现场意向人数实测值，按设备去重。B 方式的 3 至 6 个月为参照餐饮样本给出的周期设计值。具体合作条款以会后一对一沟通为准。
超前一步，做自己：把 Q 留在自己手里，把 N 交给智能体
当一切都处于前所未有的历史前沿，别人成功后的余温，参考价值正在变小。
Q写下一件你比同行判断得更准的事
它通常来自你做得最久、也最不觉得费力的部分。
N用智能体把本月的尝试次数提高一档
多发一版方案、多见一类客户、多测一个价格，单次成本降下来之后都值得试。
顺序给自己留一段探索期，再决定聚焦在哪
探索期内以小成本、可回收为原则。
以上三条为建议，基于第 3 至 6 页引用的研究框架提出，效果因人而异。