与「大和出版印刷」相关的搜索结果

#大和出版印刷# さんの文房具ブランド #神戸派計画# さん 舞台 #星の流れに# のパンフレットにご協賛いただきました。 ありがとうございます！ いつも千社札やトレカ、チケットケースなど素敵に作ってくださいます📒 私も以前から使わせてもらっているのですが、とてもシンプルでスタイリッシュで 使いやすいんです✨ 写真１枚目の紅白の吉日カレンダーはコンパクトで持ち歩きやすくて、二十四節気や七十二候、歳時記、月の満ち欠けなどの情報も予定と一緒に確認できるので 私も来年から使うのが楽しみ☺️🌙 舞台『星の流れに』の パンフレットご購入された方は 神戸派計画さんのページも ぜひご覧ください👀 #羽原組#

写作作为认知工程：大语言模型让我认知到语言/传播/对齐的重要性 如果要说大语言模型普及后我最大的感慨是什么，那绝不是“终于有机器可以帮我编程了”，而是它让我们更有野心去尝试、去描述那些更加抽象、更加未来的理念。然而，一旦进入这种层次，语言的天然复杂性立刻显露出来——我们每天都像是在鸡同鸭讲，根本无法在语言上真正对齐。哪怕两个人本质上谈论的是同一个理念，听起来也像在说完全不同的东西。 为什么会这样？因为在描述一个尚未存在、尚未被固化的新概念时，我们能够表达出来的，仅仅是这个概念在各自知识结构下的“影子”。如同同一件事物，在光照下会投出不同的影子。每个人的大脑与思维，本身就是一种不可约系统，由基因、成长路径、环境与经验共同塑造，因而形成独特的认知方式。于是，这些“影子”之间几乎必然是不对齐的，听起来就是鸡同鸭讲。 这个系列，我想谈谈我最近的一些体会：最初我以为大语言模型的生态主要属于技术圈，但慢慢发现，其实任何关心这场变革的人——无论背景、专业或兴趣，已经拓展到跨越学科的广阔范围，而真正的挑战是语言的深入对齐。过去几个月，我不断在语言上做尝试，测试各种表达方式与推演方法，逐渐形成了属于我自己的方法论，也有了对这种深度而又带有广播性质的纯文字交流的新认识。接下来，我会进一步在中英文两个维度展开写作与交流，计划用大约一年的时间，认真尝试做一名“职业吹水人”，通过持续的写作、推演与对话，把思想与方法沉淀为结构化的资产。 一：写作与推演的认知价值 写作与推演的意义远远不只是表达，而是通过多角度、多方法论、多层次的结合，成为一种“全层次对齐”的工具。多角度意味着不断横向比较，避免陷入单一学科或视野的偏差；多方法论则是把逻辑学、系统论、信息论、演化论等不同的思维方式叠加，像多重滤网一样压缩出真正坚固的核心结构；多层次则体现在上中下三层：上层凝练价值与文明叙事，中层形成协议与推演框架，下层落地为工具、代码与实验路径。通过这种方式，写作与推演能够把个人的思维进化、群体的共识形成，以及未来的工程蓝图三者打通。 二：范式转移期的语言隔离 在范式转移时期，语言对齐常常失效，明明讨论的是同一个理念，却像鸡同鸭讲。原因在于几个方面：语言本身的复杂性让新概念只能以“影子”的形式出现，而每个人的大脑作为不可约系统，投射出的影子各不相同；层次的错位使得有人在谈价值，有人在谈架构，有人在说代码，方向虽然一致，但语言不在同一个平面上；认知速度的差异则让部分人已进入新范式，而另一部分人还停留在旧秩序。由此产生的语言隔离，是范式转移期的必然现象。 三：理念真空与推演真空 今天的困境在于，我们已经拥有了 AI 这团“火”，但却处于理念真空与推演真空之中。理念真空意味着缺乏新的概念体系与价值叙事来承载这股力量；推演真空则是没有可验证的方法论，人们只能在旧语言的框架下勉强描述新的现象。就像远古人类发现火时，只会照明和取暖，却不知道如何系统地利用它。面对这样的空白，新的写作与推演就必须承担起“方法论生成器”的角色，把火从偶然的工具变成秩序化的文明基础。 四：科研与民众的全层次对齐 科研和民众之间同样存在隔阂。科研端不断产出模型、算法和论文，却封闭在术语高墙之内；而民众更关心的是教育、医疗、就业与社会秩序，却往往无法理解科研语言。真正的突破在于建立一个全层次的对齐路径：科研成果先经过协议化与结构化，转译成社会可用的产品与规则，再进入民众的生活场景，最终通过体验反馈反向输入科研。这种双向循环能让科研与民众在共识、架构和技术三层实现纵向对齐，形成社会级的闭环。 五：信息成本下降带来的机遇 过去，跨层次的对齐之所以困难，是因为信息成本过高：传播缓慢，知识难以翻译，反馈需要多年才能形成。如今，情况发生了根本变化。大模型降低了从术语到日常语言的翻译门槛，社交网络和即时出版极大缩短了反馈周期，小规模的问卷、微社区讨论也取代了昂贵的调研。随着信息成本骤降，全层次对齐从“几乎不可能”变成了“现实可行”，认知闭环的速度被显著提升。

2012年为《叫魂》重出版采访孔飞力，《叫魂》真是陈兼教授翻译成中文的。但是。。。可以去看我当年的访谈。 2024年《周恩来》英文版出版后，也想着去做。对陈兼老师极为尊重。但是我正准备资料的时候，发现最后一段出现三个硬伤：1 邓颖超接替邓小平，正式当选为第六届全国政协主席的时间是 1983年6月（第六届全国政协第一次会议），而不是1982年。1982年时，政协主席依然是邓小平。2 邓颖超进入中央政治局是在 1978年12月 召开的具有历史转折意义的 中共十一届三中全会 上（被增选为中央政治局委员）。1977年召开的是中共十一大，当时她只被选为中央委员，并未进入政治局。3 邓颖超生于1904年2月4日，逝世于1992年7月11日。无论是按中国传统的虚岁，还是国际通用的周岁计算：1992−1904=88。她逝世时足岁应当是 88岁（eighty-eight），书中此处写成了87岁。 再次申明，对于陈兼老师和他的学术极为尊重，仅为探讨。下面是原文最后一段： Deng Yingchao, now Zhou’s ­ widow, would live for another sixteen years.When Zhou was alive, she was never granted any critical party or government leadership position, although she was elected to the CCP Central Committee at three party congresses. ­ After her husband’s passing, she entered the Politburo in 1977 and became chairperson of the National ­ Political Consultative Committee, a position Zhou had held for twenty-­ seven years, in 1982. In order to preserve her late husband’s reputation and, prob­ ably, cover up some of the darkest episodes of his ­ service ­ under Mao, she demanded that all rec­ ords of the 1973 “criticize Zhou” Politburo meetings be destroyed,which the party leadership accepted. She passed away in 1992, at the age of eighty-­ seven.

最近又看了一遍《北京人在纽约》。 第一次看的时候，我还在国内，看完不知所云，只觉得姜文整天装逼。 第二次看的时候已经在美国，觉得片子拍的很假。王启明和郭燕是用什么签证来美国的？为啥可以直接在美国开厂子？那时候我还是学生，只知道F1转J1或者H1B然后拿绿卡的例子，所以觉得片中除了大李拿着F1读博士、申请绿卡的路子清清楚楚外，其他人的身份都很是蹊跷。 这次是第三次看，不再纠结这些人的身份问题。 看完之后几点感想： 首先，和第二次看的感觉相同，还是觉得片中最真实的人物，是大李李国华。阿春是每个男人都梦寐以求的女人，可以当顶级军师，又可以当情人，却不会贴着你死缠烂打，知进退可以随时离开，属于男人YY级别的女神。郭燕这样的女人其实很真实，几乎大多数国女都有郭燕的影子，但是不太可能会遇到死缠烂打的白皮小三。 其次，这个故事写的是80年代的纽约，服装厂小老板靠着自己搭建黑煤窑厂子制作衣服卖给中间商来赚钱。40年过去了，这条路径当然已经成为历史，服装生意早在21世纪初全部外包到第三世界了。要是今天写，估计写的是做一个爆款APP或者开一个tech公司。 由于原著是一本很薄的小说，不可能展开太多的情节。所以王启明的整个创业过程里，几乎只有David（竞争者）和Anthony（中间商）两个人。王启明的毛衣设计从谁都不搭理，通过Anthoy给第一个订单，到后面订单满满，几乎是一个“相变”的过程，电视剧里完全没有涉及这个相变，显得王启明是一夜暴富的感觉。 我记得我当年在mitbbs读过许多留学生文学，在各地的社区图书馆也看到过各种（自费出版）的留学生文学，但是几乎都无人问津，或者影响很小。像《北京人在纽约》这种小说一写完，立即就被中央电视台拍成电视剧并且全国热播，这早就成为了历史。这也证明了在美中国人的故事，似乎已经没人关心了？

《爆点周刊》第四期（2026年6月22日-6月26日）（总第4期）出版， 这期周刊汇集了一个爆点纵深话题，二个今日爆点话题和一个爆点特别话题。欢迎大家点击收看。欢迎大家继续踊跃投稿。 6月22-23日今日爆点话题《新的公私合营呼之欲出？》 @cskun1989：新华社重提“三大改造”与公私合营是一场精准的政治试探 @yanxiaohuaier： 《三大改造：一场前所未有的深刻的社会变革》:看了会脊背发凉 WenDu@duwen2023：中国的富人们，大家的末日即将到来 6月24日至28日一周爆点纵深话题《中国的内需为什么起不来？》 1. @cskun1989：内需不足本质上是安全感不足 2. @wangdan1989:内需拉动不起来在于中国各阶层对于未来经济发展的信心问题 3.@Freedominc20631: 真正值得关注的核心问题是城市中产阶层消费动力持续下降 6月25日今日爆点话题《中国的国家统计数据为什么没人信？》 1.@KA594594：数字到底是在描述现实，还是在表达权力意志？ 2. @cskun1989：中国统计公信力危机是制度性顽疾 3.@yanxiaohuaier： 中国的国家统计数据为什么没人信？ 6月28日周末爆点特别话题：《北京911？！》 1.@wuzuolai：『中国尊』被撞，谁最受伤？ 2.@cskun1989：总体国家安全观”安全神话现了原形 3.@liujunning： 撞机中国尊：一架轻航机如何撕开军政禁地的“立体防线”？

日本桥的诚品书店，终于上架我们的书了✌️ 虽然，他们只卖繁体书，但是经过漫长的沟通和讨论，他们才接受了简体版的《大江大海一九四九》。 整个外面的世界，对“简体中文”已经充满怀疑。即便是我们未经出版审查的书，取得别人的信任，还需要一段很长的时间。😂😂 ps：大江大海的藏书票图案，是金门岛被铁锈的大炮，“折戟沉沙铁未销”。 也为即将出版的《尘世挽歌》做了一枚漂亮的大藏书票。

6.16梭哈晨报： 这大清早起来，经历了一晚上的世界杯“黑幕”，天台挤满了人了，然后看见火箭升天了，这马斯克一晚上又多了几千亿的身价，和我的差距有越来越大了。 1. bitcoin:native 兜兜转转，最后涨的还不如马斯克的身价多； 2. ethereum:native 马上都要1800了，看起来像是大牛市一样； 3. solana:So11111111111111111111111111111111111111112 能不能回280让我回个本啊； 4.Forward Industries正寻求收购规模较小的SOL财库公司； 垃圾收购垃圾，开垃圾场吗？ 5.首次下注即盈利906万美元，某新钱包在Polymarket押注西班牙不胜； 多少人因为理财西班牙上了天台？ 6.SpaceX(SPCX.O)美股夜盘涨10%，市值超越亚马逊； 7.万斯：如果伊朗遵守规定，将邀请其他国家投资伊朗； 牛逼啊，都学会了许之以利了； 8.Coinbase与AWS合作，支持网络出版商通过x402向AI代理收费； x402概念一个都不拉盘了； 9.美国国会拟重建司法部加密犯罪工作组，协调打击相关盗窃与诈骗； 10.美CFTC主席澄清永续期货合约四大误区； 11.纳斯达克确认贝莱德比特币溢价收益 ETF BITA 上市； 12.xAI对OpenAI的商业秘密诉讼被联邦法官驳回； xai不是都并到spacex里去了吗？ 13.巴克莱银行：现货黄金将回升至4900美元，地缘政治调整趋于消退； 你再说什么唐话； 14.特朗普的伊朗协议与奥巴马2015年《联合全面行动计划》（JCPOA）存在显著分歧； 据说是不平等条约，看着挺有意思的； 15.特朗普：霍尔木兹海峡恢复通航“不需要太多帮助”； 伊媒：美国已开始解除海上封锁； 16.美股继续新高，继续舞，继续跳； --------------- 无论是什么市场千万别把投机当作理财，尤其是预测市场（菠菜），每年世界杯欧洲杯啥的大赛都有人装神。 #Bitcoin# #Ethereum# #Solana# #Crypto# #NASDAQ#

-----以下为原文翻译------ 《我是怎么选择用 AI 替换哪些员工的》 两周前，我裁掉了公司超过 20% 的员工。我这么做并不是因为 Cloudflare 陷入了困境。恰恰相反，我们的营收增长创下了历史新高，现金流十分充裕，而且我们在全球范围内新增客户的数量也达到了前所未有的水平。我做出这个决定，是因为商业环境正在发生剧变；而为了赢下未来，Cloudflare 必须顺势而为。 翻遍美国商业史，你可能都找不到第二家像我们一样、在保持 30% 以上高增长的同时还裁员 20% 的上市公司。然而，我们在过去两周的做法，很可能在未来一年里变成整个行业的常态。这是一个关于人工智能（AI）如何重塑一切的故事，但遗憾的是，许多高管和评论员都误解了 AI 到底会如何颠覆商业规则，以及究竟谁会受到冲击。 为了搞清楚这个问题，我重新翻开了一本 1954 年出版的老书（这书比我还要大 20 岁）：彼得·德鲁克 (Peter Drucker，被誉为“现代管理学之父”) 的《管理的实践》。在这本书里，德鲁克深入剖析了企业内部形形色色的岗位角色。我把这些角色归纳为三类：建造者（builders）、销售者（sellers）和衡量者（measurers）。 顾名思义，“建造者”负责打造产品，“销售者”负责把产品卖出去。而“衡量者”则包揽了剩下的一切：内部审计、收入确认 (revenue recognition，财务术语，指根据会计准则确认一笔销售何时能正式计入公司账面收入的流程)、财务、法务、合规、中层管理、日常运营等等，不胜枚举。 与一些分析师的悲观预测恰恰相反，“建造者”们的饭碗稳得很，哪里也不会去。如果我团队里的某个工程师现在的生产力能借由 AI 翻上十倍，那我绝对会把市面上能找到的这种人才全都招进公司。 “销售者”同样不用担心被淘汰。因为掌握预算的依然是活生生的人类，他们更愿意从那些愿意花时间倾听需求、能建立信任、并且能在出问题时帮忙兜底的人手里买东西。 “衡量者”对企业同样至关重要，但他们与前两者截然不同。顶尖的“衡量者”往往千金难求。他们在幕后不知疲倦地默默耕耘，不追求台前角色 **(front-of-house role，就像餐厅里直接面对顾客的大堂服务员一样，指容易受到外界瞩目和表扬的岗位)** 的鲜花与掌声；最理想的情况是，他们还能保持独立于公司其他部门的客观视角。德鲁克指出，衡量业务表现固然重要，但客户终究是靠“建造”和“销售”争取来的。一家真正顶级的公司，应该把最多的资源投资在这两个核心职能上。 AI 的浪潮并不是冲着“建造者”或“销售者”来的，它真正瞄准的是“衡量者”。不知疲倦、绝对独立、极其高效且随时在线——如今的 AI 系统在衡量和审视一家公司时，其客观入微的细节和精准度，是过去哪怕最拔尖的员工也望尘莫及的。 拿 Cloudflare 来说，过去我们的内部审计团队每季度只能挑出几个业务风险点进行抽查。而现在，我们正在全面启用一套新系统，对每一个业务风险点进行全天候的持续审计。我们财务结账 **(closing our books，指企业在月末或年末结清账目、出具财务报表的常规流程)** 的速度变得更快了。我们犯的错越来越少，即便偶有纰漏，也能被更精准可靠地揪出来。作为 CEO，我现在拥有了前所未有的绝佳工具，不仅能精确衡量公司的整体运营状况，还能帮我精准发掘团队里冉冉升起的明日之星。 我们上周裁掉的员工中，绝大多数正是“衡量者”。我们精简了整个公司的中层管理人员，因为在 AI 的辅助下，主管们现在可以管理更多的直接下属，同时依然能对团队进行精准的绩效评估和有效指导。我们将分散的运营岗位整合进了一个统一的业务支持小组，遇到需要特定专业知识的场景，就让 AI 来填补空缺。我们还大幅裁减了市场营销团队——和大多数公司一样，那里曾经是“衡量者”扎堆的重灾区。此外，在整个财务团队中，我们也找到了大量合并岗位和实现自动化的空间。 但是，这次裁员的根本目的绝不是为了单纯地缩减人头。事实上，我们目前开放招聘的岗位数量创下了历史新高。我预计在未来几年里，我们的员工总数将持续增长。正是因为“衡量”这项工作不再需要那么多人力，我们现在才能腾出手来，将重金砸向那些真正能驱动公司增长的人才。 今年夏天，我们收到了将近 100 万份简历，争夺 1,111 个带薪实习岗位。我们最终录用的这批实习生不仅极其优秀，更是天生的 AI 原生代 (AI-native，指伴随 AI 时代成长，天然适应并将 AI 视为思维方式和基础工具的新一代群体)。他们无一例外，全都是“建造者”或者“销售者”，我们预计这其中的绝大多数人最终都会拿到全职 Offer。 他们是属于未来的新一代，将发明出全新的方式为我们的业务注入动力。得益于 AI，我们现在能更精准地衡量他们的贡献，并准确无误地找出那些未来的领袖人物。AI 绝不是导致年轻人惨淡失业的灾难前兆——情况恰恰相反。 AI 不会终结所有工作岗位，但它必定会重塑每一家企业。归根结底，时间会证明德鲁克是对的。AI 将极大地提升我们衡量组织的能力，这样一来，我们团队里活生生的人类，就能把全部精力倾注到他们真正能创造和捕获价值的地方：去建造，去销售。 How I Choose Which Cloudflare Employees to Replace With AI：

这几天，有好几个小伙伴@我说，我的一些作品在他们问 AI 的时候主动被推荐了，很神奇，我想了想感觉啥也没有做，居然可以被收录，那要不要做点更体系化的事情来整一整让现在所有的主流 AI 能够更好的知晓我的内容、产品、想法，于是就开干了。 首先抱着不产生垃圾内容污染 AI 的底线原则，也非常讨厌生成海量垃圾内容的那种为了做好 SEO 的公司，所以我要做的是让我的东西可以更多的被 AI 学习以及搜索到。 当前莫过于 ChatGPT、Claude、Grok、Gemini、Perplexity 等，以及他们依赖的搜索引擎一般是 Google、 Bing、Tavily 这一类工具，最后就变成了把内容做好AI可见性，并且主动把结构化的数据、机器可读的描述性内容，主动的告诉 AI 爬虫我这边有什么，大概花了一个小时，给大伙分享一下我做了什么？ 1、首先不要错过 llms.txt，放到你的站点根目录，用 markdown 写清楚你这个站点是做什么的，有哪些关键页面，作者是谁，AI 在检索内容的时候会优先读这个文件来理解你的内容，这里我还做了一个有意思的事，各站点的 llms.txt 互相引用，形成一个网状结构。AI 不管从哪个入口进来，都能顺着链接找到你的其他内容。当前全球站点配置这个的其实很少，早期做好有一定先发优势，做完之后，可以提交这个地址到 这几个系统， GitHub 上的 llms-txt-hub 仓库可以提 PR。 2、然后处理好 robots.txt 里区分训练爬虫和搜索爬虫，很多人知道 GPTBot、ClaudeBot 这些 AI 爬虫，但其实还有一批专门用于搜索的爬虫，跟训练爬虫是分开的，比如OAI-SearchBot是ChatGPT 搜索用的，不会拿去训练，Claude-SearchBot是Claude 搜索引用的，Perplexity-User是给到 Perplexity 检索用的，这些搜索爬虫应该主动允许，它们决定了你的内容能不能出现在 AI 搜索结果里。 3、除去 Google 的 sitemap 的提交这个搞过 seo 的都知道的之外，其实你也不要忽视Bing，实际上 Copilot、DuckDuckGo、Yahoo 的 AI 搜索底层都是 Bing 在驱动，你可以去 Bing Webmaster Tools 注册一个号，然后看到AI Performance 面板，里面有 Total Citations 和 Grounding Queries 数据，能直接看到你的内容被 AI 引用了多少次，提交 Sitemap 后 Bing 会主动抓取你的全站内容，比被动爬虫会好很多。Google Search Console 也有类似的 AI Mode 过滤器，可以看 AI Overview 的引用情况，当然假如谷歌你没有提交，也一定要记得去提交。 4、Perplexity 在海外其实比大伙想的用户量要大，他们有一个出版者计划，可以去 这里提交你的产品、网站的表单，认真写一下，甚至还有可能有搜索分成。 5、结构化数据 JSON-LD，不是传统 SEO 那套 meta description 的玩法，是给 AI 爬虫提供结构化的语义信息，在页面里嵌入 JSON-LD，告诉机器"这是一篇博客文章，作者是谁，发布时间是什么"或者"这是一个软件项目，解决什么问题"。这里会有不少技巧，比如博客名称用 BlogPosting schema、软件产品用 SoftwareApplication schema，常见问题用 FAQPage，这样 AI 在检索的时候获取到的信息会更加结构，你让他工作更舒服。 6、最有意思的一步，甚至你可以单独给 AI 做一个知识端点，这个站点不是给人看的，没有什么 UI 设计，就是一个纯粹的结构化数据服务。AI 爬虫来了之后能拿到两样东西：一个精简版的 llms.txt 概览，和一个大概 50KB 的 llms-full.txt 完整版，把所有项目的描述、FAQ、使用场景、竞品对比、README 摘录都放进去了。同时还提供了 JSON API，/api/profile 是个人信息，/api/projects 是项目列表，/api/blog 是博客文章，/api/weekly 是周刊内容。数据不是写死的，通过 GitHub API 实时拉 stars、forks、followers、最新 release 这些数据，ISR 缓存一小时自动刷新，做这个的想法是：与其等 AI 去你的各个站点零散地抓信息，不如给它一个集中的入口，把你希望它记住的东西整理好放在那里。我还加了一个"开源全家福"的叙事结构，让 AI 在回答"Tw93 是谁"这类问题时有一个完整的记忆点，而不是零碎地拼凑各个项目。 我更相信应该主动把本来就有的内容结构化，让 AI 可以更好理解，而不是去追求各种短期让 AI SEO 效果更好而去制作垃圾内容刷引用，这些都是在帮 AI 更准确地理解你的内容是什么，让AI看清楚，给她提供一个好的工作环境，而不是在优化排名，这样会比短期更加长期。 最近我把我这1个小时的工作，手打字可能思路有点乱，不过大伙应该看得明白。最后我做了一个小工具给AI看的，而不是给人看的东西，取名 Yobi，我喜欢这个词语，来自 呼び / よび，有呼唤把人叫过来的那种动作感，有兴趣小伙伴可以把自己当做AI视角去瞧瞧

我越来越发现三个水枪手做的节目挺有意思，有的分析也挺有深度，这期通过对比中国、日本、美国的高校借阅榜和图书畅销榜，深入剖析了各国的阅读习惯，并得出了相对悲观的社会学结论。 一、 各国大学生及社会畅销书榜单对比 1. 中国：停滞在20年前的老书与网络爽文 山东农业大学（代表普通高校）：文学类前十名全是经典老书，如《杀死一只知更鸟》《嫌疑人X的献身》《活着》《我与地坛》《围城》。社科类前十名则充斥着“心理鸡汤”（《被讨厌的勇气》《蛤蟆先生去看心理医生》）以及《毛泽东选集》和多本《明朝那些事儿》。 清华大学（代表顶尖高校）：年度借阅榜单依然是《毛泽东选集》《红楼梦》《明朝那些事儿》《三体》《哈利波特》《平凡的世界》《乡土中国》《天龙八部》等老书。 社会总榜（当当网、微信读书）：无论怎么看，中国人买得最多的依然是这几本“老三样”（《活着》《三体》等），以及大量的教辅书、考公考证资料和儿童绘本。 网络文学榜：主播特别提到，中国大众真正阅读量极高的是晋江、起点等平台的“网络爽文”（如霸道总裁、修仙逆袭、耽美等），这些书名夸张，内容通常不需要深度思考。 2. 日本：更新极快，兼顾轻娱乐与深度哲学 东京大学：前十名借阅榜中包含大量的哲学、语言学和社科类科普书。例如《思考的整理学》（教导逻辑思维）、《闲暇与无聊的伦理学》（斯宾诺莎哲学普及）、《中动态的世界》（语言学概念），以及探讨犹太人历史的书籍。 社会总榜：日本是一大出版强国，畅销榜上的书几乎全是当年出版的新书。日本人的阅读面极广，既有海量的轻小说、推理小说、连载漫画等休闲读物，但同时，获得“本屋大赏”等严肃文学奖项的作品也能迅速在全社会大卖。 3. 美国：紧跟当下社会现实与人物传记 由于缺乏大学图书馆数据，主播主要参考了纽约时报和Goodreads的畅销榜。 非虚构类（Non-fiction）：美国人极度偏爱最新的人物传记和回忆录。榜单上充斥着格莱美得主、播客主持人、参议员的回忆录，以及关于苹果公司50年历史、AI（人工智能）前沿探索、神经科学等紧贴时代脉搏的书籍。 虚构类（Fiction）：绝大多数也是最新出版的当代小说、科幻小说（如《挽救计划》）和悬疑小说。 二、 各国人民读书习惯分析 1.美国人：通过阅读了解“现在” 美国社会的阅读习惯将其作为了解当下世界运行规律的重要窗口。读者渴望知道现在社会发生了什么，前沿科技到了什么地步，成功人士是如何思考的。因此，新出版的传记、科技科普和当代小说占据了绝对的主流。 2.日本人：将阅读作为公共生活习惯 日本人的阅读习惯是深入骨髓的。虽然在地铁上很多人看的是漫画或轻小说，但庞大的读者基数支撑起了一个健康的出版金字塔。即使是极其深度的社会学和哲学书籍，在日本也有稳定的受众。他们能够做到“娱乐阅读”与“严肃探讨”的并行。 终生阅读量极低：主播认为，绝大多数中国人可能一辈子就读了5-10本最著名的经典（如《活着》），一旦完成这些“打卡式”阅读，就不再接触新书，转而投入短视频的怀抱。中国缺乏一个持续为新书买单的成熟读者群。 功利与逃避：读书主要为了考试（教辅）或缓解心理压力（心理鸡汤）。 对真实世界的集体回避：中国读者极少阅读探讨当代社会现实深层次问题的新书或当代人物真实传记。底层大众更是沉迷于无需动脑的网络文学中寻找虚拟的情绪价值。 三、 原因 主播们在视频最后得出了一个非常悲观的结论：中国社会的整体深度阅读习惯正在走向崩溃。他们将这一现象归结为以下几个根本原因： 1.出版审查制度的负面影响：严苛的审查制度使得中国极难出版真实的当代人物传记或具有深度的非虚构社科著作（容易碰触历史定论和现实红线）。出版社为了规避风险，只能一遍遍地再版四书五经、四大名著等“安全”的老书。 2.缺乏专业权威的引导：中国缺乏像日本那样具有公信力的民间文学奖项来引导大众阅读严肃文学，导致图书市场“泥沙俱下”。 3.思辨能力的退化：在短视频的冲击和网文的包围下，年轻一代越来越排斥需要较高门槛、会带来阅读困难和认知挑战的深度严肃书籍。真正的“读书”（即通过阅读去质疑权威、探求历史真相）在中国具有一定的痛苦感甚至危险性，因此大多数人选择了回避。 PS: 1, 发达国家跟发展中国家其中一个最大的差异，还真的是民众的读书习惯和数量！多年前的一张图片，展示发达国家的人民在地铁里只看书不玩手机，后来被调侃为是因为外国的地铁手机信号差。其实信号差不差，发达国家的人民在地铁里读书的场景确实比发展中国家要常见的多。 2，发达国家的另外一个特点，就是各个群体的兴趣点非常的多样和庞杂，有喜欢看短视频的，也有喜欢看书的，相互之间基本影响不到，并且各个群体都非常的大，发展中国家就更趋于单一化，从众化。 3，我个人看书比较集中的时期只有一个就是高中阶段，为了找作文的金句和素材看通俗经典。后来大学时期以及出国后，开始看更多外国经典，但数量有限。