2026-07-18 19:57:18
6 年前，我曾发了一条推吐槽不喜欢「程序员」这个称呼，因为「员」结尾的职业，多为重复性工作，不具备创造性，这个标准对于代码工作者来说太低了。结果意外引起了不小的讨论，一方面是关于「不想当将军的士兵不是好士兵」的讨论，另一方面，则是关于代码工作者的工作内容划分的讨论。
撇去那些争议，结合现在语境下的主流认知，我把代码工作者的称谓做了一些区分：
单纯的从事编码工作，最基础的，是把已经确定好的逻辑翻译成代码；更进一步，是给定输入和输出，实现中间的黑盒逻辑；再高级一点，则是在既定的软件架构下完成具体实现。无论能力高低，工作的核心都是编码。
软件工程师核心面对的不再是代码，而是需求，重点是解决需求的能力。软件工程师需要使用各种工具和方法论来达到目的，代码编写只是其中一项工作。
软件工程师的需求也不一定完全来自于外部，软件本身的可维护性、鲁棒性等内在需求，也属于软件工程师自身的工作范畴。
我认为开发者这一称谓的核心区别在于，开发者不仅负责解决需求，还负责提出需求。需求可以来自自己，也可以来自对用户的观察；可以是一个产品，也可以是一个 framework；技术只是实现这些需求的一种手段，而不是目的。
2025 年，我写过一篇《AI 协助编程观察》，实际上当时 AI 已经基本具备取代「程序员」这一称谓所代表的工作能力，只要能给出明确的代码要求，AI 就能又快又好地完成。
但是当时，AI 的编码能力在软件工程师这一层上还严重不足，让没有开发经验的人使用 AI 进行 vibe coding，产出的结果其实非常有限，稍微复杂的迭代，项目就会变成屎山代码无法维护，所以当时 AI 最好的使用方式是用来将软件工程师从编码工作中解放。
仅仅一年时间，以 Fable 5 和 GPT 5.6 Sol 为代表，AI 在软件研发领域实现了巨大的跃进，简单来说，现在 AI 的能力已经基本覆盖了软件工程师的职责，用户只需要提出自己的需求，AI 就能将其实现，有一种言出法随的感觉。
而且得益于 agent 工具链的优化和模型本身能力的提升，对大型项目的操作能力也得到了大幅提升，纯靠 vibe coding 生成的项目的可维护性问题也已经基本解决。
我最近用 AI 纯 vibe coding 了两个大型系统，没有看过一行代码，持续不断的迭代新功能，几乎没有遇到任何障碍。
不仅是我自己，我身边的朋友们，包括投资人、HR、教师、公务员等等。都开始拥抱 vibe coding，把自己生活或者是工作上的需求，通过开发一个系统或者 app 解决掉。
比如，一个朋友开发了一套极为复杂的工作流处理后台，能实现自动处理全单位电话来电，分析录音进行转录，提取声纹进行匹配，然后自动化创建工单进行跟踪。同时自动记录所有人员的回复口径与规范的冲突，用于后续工作反馈。
放到一年前，这至少是一个六位数、半年以上的外包项目。
另一个朋友，由于对他的潜水表 app 不满意，直接让 AI 逆向了蓝牙通讯协议，完全根据自己的需求重做了一个配套 app 记录潜水数据。
类似的案例在互联网上已经数不胜数。
回到标题，为什么我说「开发者已经不酷了」，虽然「酷」是一件非常主观的事情，但是稀缺性应该是酷的一个必要非充分条件。
在原来，开发者这一身份，被代码工作给强绑定，因为代码是实现开发者工作目标的一个必经之路。（确实存在着少数完全依赖其他人进行代码工作，自己只负责需求的案例，但一般这种情况被称为产品经理或者老板）
而现在由于 AI 能力终于跨过了一个关键门槛，开发者这一身份已无需和代码能力所绑定。现在任何人都可以是开发者了。开发者正在从一种职业，变成一种能力。
而且，开发能力很快将变成一项工作的必备能力，拥有开发能力的员工，一个人就能顶一个团队的价值（x10 打工人）。也许在未来，开发能力将被直接细化为一个学科，融入基础教育。
作为一个独立开发者，我多少还是有一点失落。毕竟原来开发是属于少数人的稀有能力，只有少数人可以把需求变成现实。但是这就是时代的进步，除了拥抱别无他法。
但这并不意味着，原本的开发者会因为 AI 能力被抹平所有优势，虽然 AI 几乎抹平了编码能力的差距，但是也能够彻底解放开发者的产品能力。
比如，原本在考虑某些产品需求时，我肯定会同时评估技术实现的难度和复杂性，很可能因为实现过于麻烦，在产品设计阶段就将某些功能予以否决或延期。现在由于研发不再是负担，我可以专注于产品的角度去规划研发。
另外，本身作为经验丰富的研发工程师，我在提出一个需求的时候，已经考虑了一圈实现方式和实现难度，大概知道复杂度的边界在哪里。所以可以更准确的给出AI需求。如果没有这方面经验，只单纯向 AI 提需求，由于 AI 一般不会拒绝，很可能出现为了一个可有可无的小需求，把整个项目给重构一遍的情况。
还有一点，我认为短时间内也不会改变。给自己开发，和给成千上万用户开发，是两件完全不同的事情。自己的话需求怎么样都行。而作为一个产品进行发布的话，一定是要对用户群体的需求进行高度有效的抽象的，这个是目前AI很难做到的事情，特别是做减法。
虽然目前 AI 泡沫依然庞大，但是围绕着 AI 的真实商业逻辑，核心叙事几乎只有一个：用 AI 代替真人去省钱。
然而现在的 AI 开发能力发展，揭露了一条不太一样的路径：由于研发的成本被 AI 拉到如此低廉，许多原本成本上不可行的商业模式开始变得可行。
比方说这个老掉牙的段子：「我准备招一个刚毕业的大学生，给他两万块，让他把淘宝做出来。」，现在已经不是段子了。只谈电商老板的业务需求，不考虑淘宝的用户规模和复杂需求，只需 $100 的 codex/claude 订阅，一天时间，就能做出一套足以支撑中小商家运营的商城系统。
在这之前，不依赖有赞、Shopify 这些现成服务，至少需要雇两到三名研发、产品和设计人员，折腾几个月，才能有一个雏形。对于小型的商户来说，这个成本并不划算，所以只有少数大型品牌，才会有自己的电商系统。
而现在，多小的生意都可以自己搭建一套完全服务于自己的电商系统，比如我很喜欢的 xikii 厂长的 DIY 机箱，就在几个月前上线了这样一个网站：https://m.xikii.com/ ，不仅涵盖了完整的电商业务，还包含会员体系、售后、收藏、在线群聊等等复杂模块。
我已经看到不止一例因为研发成本大幅降低而逃离平台的例子，我认为，这是一条新的商业路径，也正是今年二月 SaaS 板块暴跌（SaaSpocalypse）背后的逻辑。
目前 AI 的局限性，几乎完全来源于 AI 信息的不完整：
还没有被充分数字化的内容，这极大地依赖开发者将本身的经验和非公开的知识告知给 AI。
上文提到的需求归纳和抽象，这是通过观察用户行为和思考加工而得到的总结，这种观察是非常复杂的，并非结构化统计和调查问卷就可以解决。
针对 UI/UX 的调优，人眼可以以超过每秒 25 帧的频率观察所有 UI 细节和变化，而目前的模型只能以完整图片的形式输入。即 AI 对 UI 的理解仍然是离散的，而人眼看到的是连续变化。这使得 AI 在调试 UI/UX，特别是动效时，效率非常的低下，只能靠截图分析。这个问题只有靠模型本身的提升才能解决，需要等编程模型拥有视频生成模型那种连续的视觉的处理能力。（这也是为什么现在模型写前端最厉害，因为前端可以脱离纯视觉以 DOM 树去理解结果，这对于文本模型来说非常友好。）
六年前，我不喜欢别人叫我程序员。因为我觉得，真正重要的从来不是写代码，而是创造。到了今天，是叫程序员，还是工程师、开发者，都已经不再重要了，软件创造正在从一种职业能力，变成一种人人都可以掌握的基础技能。
2025-09-18 16:31:33
复盘了一下账本，最近 3 年里每年的投资收入，都超过了同年的其他收入的总和，所以从某种意义上来讲，我的职业身份应该已经是投资人而不是开发者了。（但是我喜欢的还是写代码，所以按兴趣、专业程度、工作时间划分依然是开发者。）
不扯这些虚的，分享一下最近这些年投资方面的一些新的心得吧。
核心逻辑还是价值投资那套，也就是大家早就耳熟能详的巴菲特芒格段永平等理论，这个我在 2020 年就写过，没有看过的话可以先看这里：https://yachen.com/2020/10/11/2020-%e7%94%9f%e6%b4%bb%e6%89%8b%e5%86%8c%e7%b3%bb%e5%88%97%ef%bc%9a%e9%92%88%e5%af%b9%e6%96%b0%e6%89%8b%e7%9a%84%e7%be%8e%e8%82%a1%e6%8a%95%e8%b5%84%e5%bb%ba%e8%ae%ae/
这些年主要的改变有两条：
对投资标的的观测，不再像原来那样仅局限于二维的涨与跌，现在更像是在看一个概率云，寻找最合适当下的，回撤幅度低，但是上扬空间大的，存在不对称性机会的标的。
现在已经不像是年轻的时候，可以轻松的把身价 All In，毕竟真亏成零了，也可以再慢慢挣回来。现在已经慢慢滚雪球到一个亏光了基本挣不回来的地步。在这种情况下，如果重仓一个不确定性很高的标的，那对日常的心态影响是非常大的，睡不安稳。
有人说那你应该去提升自己的心境，不好意思太难了我做不到，所以我现在重仓只选择能睡的安稳的标的。
再说下今年具体的操作：
今年的操作从中短期看都没什么问题，每次操作都是小盈，三月全面清仓后市场也来几波大跌。但是，完全比不过如果我闭眼不操作的收益……
核心还是被特朗普一通操作搞的心神不宁，违背了自己的原则：所有宏观经济的delta 都是已经被 price in 的事情，根本不是个人投资者需要考虑的，不要因对宏观的预测而操作。
四月市场跌倒谷底后，没有能及时进场，主要原因还是怀有对特朗普的厌恶以至于逃避市场。其实那个时机就属于非常好的「回撤幅度低，但是上扬空间大」的不对称性投资机会。之后各种看好的标的回涨超一倍，上次出现这种机会是 2020 年了。又没有抓住，非常可惜。
前几个月买了 $NIO，小幅获利后离场。当时的投资逻辑是，蔚来的产品力强，技术积累够，用户粘性和付费意愿高，但是市场是在按倒闭的风险进行定价，只要李斌好好的学学小鹏，提升经营水平，公司转为盈利是很顺理成章的事情。最差最差公司被私有化，价格也不会太低。
虽然最近一个月 $NIO 涨疯了，但是我也不怎么后悔卖飞了，因为最近蔚来的声势是靠牺牲长期利益换来的，除乐道外，蔚来品牌的产品线也加入了价格战，虽然蔚来车主对背刺的容忍性高一些，但是从公司经营情况来讲，我怀疑现在 ES8 的毛利，也就刚刚好能摊销单车的销售和运营成本。四季度盈利的目标几乎不可能实现。
也就是说蔚来依然没在想好好搞好经营，还在继续原来融资续命的舒适圈（一些小道消息表示，倒也不是主观选择而且有客观情况压力），但每一次续命都在增加未来盈利的难度。对于股权人，短期倒闭风险是解除了，但是长期风险又加大了。
上周趁 Apple 发布会后大跌重仓重新建仓了 $AAPL。最近一年因为 Apple AI 拉跨，Apple Vision Pro 幻灭，大家都不怎么看好 Apple，我也是。
但是发布会的产品看下来，Apple 回到自己的舒适圈，依然还是能保持着自己的领先地位且持续进步，这就已经是一个非常难得的事情了。今年表现不错，明年还有 Fold 可以期待。
（我不理解为什么发布会后会大跌，但凡对数码圈有点了解都应该能猜到，iPhone 17 系列今年会卖爆，华尔街分析师把这种显而易见的事情看走眼倒也不是一次两次了，属于送钱）
其次是 AI，虽然 Apple 现在一副放弃治疗的样子，但实际上 AI 对 Apple 的业态几乎没有冲击，和其他硅谷公司完全不一样。因为 AI 的发展导致 Apple 产品被抛弃起码近 5 年都不太可能发生。反而是因为 AI 导致整体对终端设备的需求加大。
另外，Apple 是为数不多在之后有可能和 NVIDIA 在 AI 运算硬件方面分一杯羹的竞争对手。现在已经有些公司开始使用 Mac Mini 作为 AI 落地方案。
所以 $AAPL 的价格相比其他 AI 股，是相对便宜的，如果市场出现整体回调，$AAPL 应该下探空间有限，且一旦市场重新接受 Apple 的价值，有可能补涨科技股最近的涨幅。
2025-06-06 12:27:33
最近大家都在聊 AI 加持下的 vibe coding，我来聊聊作为资深开发者最近高强度使用 AI 的一些感受：
一句话总结，AI 让不会写代码的人具备了“直接造辆车”的能力，而让资深开发者一个人就有了“独立建造航母”的可能。
最近使用 claude-4 对我之前的一些代码进行了重构。原因是原来的实现中，为了降低编写时的心智负担，会使用一些性能偏低但是易于书写的代码。比方说自动锁管理、ARC、使用 array 数据结构代替 queue。
然而用 AI 实现就没了这些负担，我先让 AI 为原始实现编写完整测试用例，确保原代码行为明确，然后让 AI 对整个 class 进行重构，追求极致性能，写完新代码后再重新运行测试保证行为一致。
就这样，我轻松完成了部分核心数据结构的重构。尽管重构后的代码量几乎翻倍，但逻辑清晰、复杂度可控，换来的则是约 20% 的性能提升。
核心是，AI 编写代码不怕苦不怕累，没有必要为了简化代码而牺牲性能。人类工程师目前主流习惯是牺牲部分运行性能以换取开发效率。
这牵扯出的另一个观察是，什么编程语言对 AI 更友好，我的观察是可读性越高、行为越明确的语言效果越好。语法糖等简化编码技术，反而不利于 AI 使用。（AI 在发现一些奇怪的行为是运算符重载导致的不知道会不会跟我一样跳脚骂街）
而像 SwiftUI 那些优势仅在开发效率上的技术，在 AI 时代更显得有些生不逢时。反正都是 AI 写，AI 用 UIKit/AppKit 实现不过是代码长一点而已，在可控性和行为明确性方面更适合 AI 自动化维护，性能也高的多。
虽然 AI 的编码技能，比起资深的工程师其实可能还是会有差距，但是要论知识丰富程度，则远非任何个体可比。
这个优势体现在当我要去实现一些技术盲区时，原本的流程大概是：先读几本书，再对照比较一系列 RFC，再请教下相关领域的朋友确认自己已经理解。或者先按照自己的想象做个最小工程实践，然后再根据各种问题一点点填坑。
比方说最近在实现 IPv6 ND 协议栈，一些特定的 RA 消息构造在某些操作系统上就是无法生效，原本这可能要耗费我几天的时间去研究，阅读各种文献甚至 kernel 源码实现，而现在只需请教 AI，就能非常准确地找到答案。
AI 的这种资深，在你对某个技术的表层足够了解，但是缺乏经验和细节信息时，能够极快的帮你补全。
我的项目里有一个藏了很久的问题，在特定情况下会出现 TCP 性能下降，由于并没有产生任何明确的报错，这让修正这个问题变得异常麻烦。
我原本是单纯向 AI 描述了我的使用场景和问题表现，AI 提出了几种猜想，大部分我看一眼就知道不靠谱，剩下几个试了下也并无效果。索性，我直接把 100MB 的抓包结果丢给了 o3 让他分析。它在几分钟内就精准指出了问题所在，甚至给出了改进建议。这种调试能力在人类团队中几乎无法复现。
如此庞大的数据量，人工分析非常困难。即使借助各种工具，仅学习用法、配置环境就已令人头大。（因为 TCP 流控分析的各种工具链基本都是上个世纪的项目）
现在我已经习惯了这种 vibe debug，遇到什么问题，直接把 verbose 日志和问题描述丢给 AI，大概率就能直接找到问题，这其实也是得益于 AI 的不怕苦不怕累的精神。
作为独立开发者，我的 code review 一直以来只能靠自己，但是自己写的 bug，很多时候自己是看不出来的
，现在我只需将 git diff 的结果交给 AI，就能请它帮我 review。
同样的，我也会 review AI 给出的结果，AI 当然也会犯错，高级低级的都有。但是比起人类同事来说，AI 没有 ego，能很好地接受反馈并立即调整；很多人类做不到，或至少过程很曲折。
就目前 AI 的能力来看，无疑是对初级开发者就业市场产生了巨大的压力，对于资深工程师来说，反而是一种赋能。（我目前还是能为找到 AI 的错误并指导它而沾沾自喜，但也不知道还能持续多久。）
这比较让人担忧的是，这可能导致职业断层，因为初级开发者根本没有机会得到训练机会而成长。
不过这已经早已不仅仅是软件工程师所面临的问题，本质上来说，所有脑力工作者的职业都受到了巨大威胁。像咨询、律师等职业，还可以依靠私域信息门槛维持。而像医生这样完全依赖公域信息的职业，初级职位也同样完全可以被 AI 替代了，当然最终取决于患者的接受程度。
我最近一次体检后的报告喂给 o3 进行解读，他给出的信息量、准确性、建议，均远超全科医生给出的解读。不仅仅是因为 AI 的信息更全面，AI 可以为报告中每一项异常数据，检索最新研究与各国医疗指南，并整合后给出建议，甚至由于 GPT 已经了解我的生活习惯，能更优针对性的给出意见。而这种工作量对于人类医生来说是不可接受的（当然大多数情况下也确实没有必要）。
很多人对 AI 医疗的顾虑是：AI 犯错了怎么办？然而其实人类医生也会犯错，而且就现在的 AI 水平来看，AI 犯错的概率应该已经比一般人类医生低了。当然最优解还是兼听则明，把 AI 的意见告知医生，也把医生的反馈告知 AI，基本最后都会达成一致。对于一些不重要的小问题，仅 AI 意见完全足够。
当然 AI 也不是万能的，甚至可以说局限性相当明显。claude-4 虽然非常强，但是随着 context 的增长，注意力溃散的非常严重，后面基本就像喝多了一样。
当前的最佳实践是：尽量保持 context 精简，聚焦具体任务，依靠人力来拆解复杂目标。
比方说先用一个 context 确定具体需求，再开一个 context 将明确好了的需求转换为具体任务列表，再把任务单独交给一个个 context 去具体实现。这样效果会好很多。
仔细一看，这不就是人类的团队协作模式嘛 
这让我想起不久前由 GPT o1 和 DeepSeek R1 的思维链引发的 AI 能力巨幅提升。其实在思维链能力出来之前，就可以靠 prompt 指引 AI 一步步思考，取得类似的效果，甚至催生了 prompt 工程师职业。然而直接在模型层面将这种能力整合后，prompt 引导就非常多余了。
那么目前编程实践中，如今常用的 context 切分技巧，我认为在不久的将来也可能被模型层原生支持，即 AI 自主可以通过切换 context 的方式维持注意力，保持高效。这可能带来 AI 能力的又一次飞跃式进步。
2022-04-23 23:43:19
人们厌恶谎言，追求真相，这是写在基因里的「原始欲望」。述说与传递真相的行为，本身就构成其原动力，不需要为任何额外的目的所服务。
而谎言一定是有目的，没有人是为了撒谎而撒谎，即使是最荒诞诡异的文学作品中，也未曾有想到塑造这样一种反派的形象。大多数反派即使在通过谎言达到自己的目的后，也总是迫不及待地主动拆穿自己的谎言倒出真相（除非隐藏真相对他依然有用）。这种揭示真相冲动总是存在，是人性的一部分。我们要只有当存在其他目的时，才会去压制对真相的欲望。
要说为什么这是基因的一部分，想起来也很简单。只有正确的认识了现实，认知了真相，才有可能采取正确的动作，来确保自身的生存。连现实都无法认清的生物无法延续，注定被自然所淘汰。
所以，谎言则永远是作为手段而非目的的存在。只要有人撒谎，背后一定有其动机。但是反过来，如果有人非要去责问一个人传播真相有什么目的，这就很可笑，对真相的追寻本身就是目的。
2021-08-20 20:44:42
今天看到这样一条推「杀教育杀中介杀互联网，就是不在房价的始作俑者身上找原因」。
然而要我说，互联网虽然难说就是房价问题的始作俑者，但至少也是推手之一。虽然我也持有一些中国互联网公司的股票，但是我依然认为最近对于中国互联网企业的打压是有道理的。
一、房价居高不下来源于需求
为什么一线城市的房价如此昂贵，本质上还是供需决定的，一旦放开购买限制和限价，房价几乎一定继续猛涨。从「供」的角度考虑，北京已经容纳了二千余万人，交通等公共资源已经非常拥挤，增大住宅土地供应就意味着有更多人进入，这看起来并不是一个可以接受的解决方案。
所以问题还是得从「需」这边来考虑，是什么使得这么多人都愿意背井乡，留在一线城市生活，在我看来有两个核心原因，一是经济水平，二是工作成就感。而这两点都和「中心化」的公司确实密切相关，最常见中心化的企业就是互联网企业和金融企业。下文主要说互联网企业。
二、中心化企业中心化了利润和决定权
经济水平一方面指的是中心化企业员工本身的福利和待遇远比其他行业优厚，另一方面是只有在人均经济水平发达的地方，各种服务业才能蓬勃发展，即使你年薪百万，在一个三四线县城的生活水平也不会能高到哪去。这种集中化的富裕使得城市间的物质与精神满足性差距变得巨大。
以互联网公司来说，它确实是高效的，中国的互联网公司不断地去「优化」了各个行业，其结果就是在各种行业得到优化的同时，其利润分配权都被转移到了中心化的互联网公司的高层手上。当他们握稳了这个分配权的时候，所有下层机构和人员，所能拿到的利润都是经过精打细算的刚刚好而已。
只有靠近这个中心，才能赚到更多的钱，不仅是员工，各种提供企业服务的 agency 和 vendor 也是如此。无数的人在利益的驱动下朝着互联网公司所在的中心点挤去，经济上唯一的反向阻力就是房价。
只谈钱太俗，每个人都有除了经济需求外的其他追求。不巧的是，工作成就感这项重大人性诉求也被中心化影响了。处于中心的员工，操控着一个个现在几乎是全民都必须接触和使用的产品（比如 App 或金融产品），虽然他们也许也没有完整的决策权，但多多少少还是能做出些工作，造成一些影响，获得成就感与掌控感。而处于这个系统边缘的人员，并没有什么能参与到决策中的机会，只能像提线木偶一样，遵循设计好的工作流与标准作业流程而工作。在中心化互联网公司的挤压下，其他城市的有掌控感和成就感的工作机会越来越少。如果不甘满足于这样的工作，就得动身前往大城市。
三、互联网企业的利弊
互联网企业导致的中心化问题，是对社会的弊端。而其正面作用，则是对于社会效率的提升。我们不可否认的是，微信和支付宝等产品在近几十年里确实大幅提高了社会运转效率。
但是从一个国际化角度看，中国的互联网企业确实不争气。除了提升社会整体效率外，我们能看到一些国际互联网企业在扎实的做着推进硬科技发展的事情，在一些先锋政治问题发挥影响力，承担着社会责任。
然而中国的互联网企业，靠提升效率占领市场后，反而开始研究怎样通过降低用户效率获得用户关注并转化为经济利益，这是不道德且没有社会责任心的事情。目前中国互联网企业对社会的几乎是唯一正向贡献就是提供社会效率，现在他们还想把这点功德都变现了。而且除此之外，几乎没做出什么真正的创新或者有什么其他的社会贡献。
所以你说政策上打压互联网企业有问题吗？我觉得没有问题，但是我支持的是合理干涉，如取消税务优待、反垄断等，不是直接毁灭。你说这种干预是对自由市场的不尊重，我觉得我们已经看到了，现在的中国互联网企业在一个自由环境下，是在向成为社会毒瘤的方向一路狂奔。
（Disclaimer：社会问题非常复杂，可能有非常多的影响因素导致了现在的结果，本文仅从其中一个角度来观察这个问题，可能有一定偏倚。这些想法尚未经过更系统化的验证。）
2021-07-08 18:52:48
要说谈论什么事情最容易引发争吵，HiFi 可以说是永恒的话题。有技术流关于各种曲线和参数的唇枪舌剑，还有玄学派能听出火电水电的段子。喧嚣之余，HiFi 的争论就是关于人的主观评价这个问题的集中表现。
以科学或者是客观的角度来讨论 HiFi 问题时，最常见的一个尝试解决问题的途径就是盲听测试。如果一个人在盲听的时候根本无法区分两套系统间的区别，那么这种音质的提升就是没有意义的，也根本不必追求。
一个几乎无法区分的差异是无损和高码率压缩音频，具体来说，我和我身边绝大多数的朋友都无法区分 256Kbps AAC 编码和无损编码的音频的差异，对于少数能听出差异的「金耳朵」，如果把对比标准提到 16bit/44.1KHz vs 24bit/192KHz，目前我还没遇到能区分出的神人。
可以在这个网站进行盲听测试：http://abx.digitalfeed.net/itunes.html
另一个无法区分的差异是线材，为避免误解这里指的是合乎正常的电气指标的线材与动辄成百上千的 HiFi 线材的对比，而非与一些劣质线材的比较。纵然有无数商家和烧友号称区别「显而易见」，我没有看到任何一个正经的盲听测试中，受试者能区分出线材的区别。
除了完全不能区分的差异外，不同器材间确实存在着明确的差异。这样的差异可以在盲测中被显著的察觉，但是问题是怎样区分优劣和高低。
一个客观的方式是，找大量的人来重复进行盲听测试并评分，总评高的产品更优秀。但是这有两个问题：
一个在 HiFi 爱好者中非常流行的理论，新买的器材是需要「煲」的，只有运行过足够的时间后，器材才能到达最佳的运行状态。耳机要煲，音箱要煲，功放要煲，播放器要煲，甚至连线都要煲。
关于煲这件事，同样没有任何正经研究表明其对音质有改进作用。以逻辑思维去思考，为什么器材在老化的过程中，一定是往好的方向去发展？为什么不可能是老化后音质劣化？
但是为什么很多人都会有这样的感受呢？其最大的可能性，是使用者在不断使用这套系统的时候，自己越来越喜欢和接纳这套系统，所以煲的并不是器材而是大脑。这个说法比老化改善音质的理论要靠谱的多。
这同时也揭示了折腾 HiFi 时的一个最大不可控因素，听音者的偏好。
大多数朋友都应该听过安慰剂效应，安慰剂效益不仅在涉及主观评价时可以生效，甚至是在治疗生理疾病时都明确地有效。这说明了我们大脑在相信某件事可产生的力量。
安慰剂效应有很多衍生研究，很多研究都指出，价格高的安慰剂能明显的比价格低的安慰剂有效，这里引用其中一篇的原文：
Expensive placebo significantly improved motor function and decreased brain activation in a direction and magnitude comparable to, albeit less than, levodopa. Perceptions of cost are capable of altering the placebo response in clinical studies. (https://n.neurology.org/content/84/8/794.short)
在 HiFi 上也是一样的道理，我们会自然而然地会觉得高价产品的产品效果更好。不仅是高价，更高级、更复杂、更庞大的系统同样会提高我们的评价。
最要命的是，在听音这件事情上，唯一重要的结果就是听音者的评价。
所以，纵然无法在盲听中区分出无损和压缩音频的区别，大多数人依然在听无损音乐时能获得更高的享受。这其实是从一种仪式感中获得了愉悦，这种愉悦与付出的代价——金钱和折腾成正比。这和之前讨论祭祀时如出一辙，我们本能的相信，付出一定会获得回报，付出越多回报越多。
同理可适用于一切涉及人主观评价的事情上，没有人能品尝出手冲咖啡时小数点后的克数与水温差异，但依然不妨碍从这种繁琐的准确性中获得愉悦。
那既然听音的目的就是获得愉悦，而仪式感与安慰剂效应又能明确的提高愉悦程度，那向这种非理性投降又有什么问题吗？可能唯一需要警惕的是，不要让别人利用高价安慰剂赚取暴利吧。
