方法论
我们给每家公司打两个标签：它属于哪一类共享模式、它现在处在哪个状态。 下面解释这两个标签怎么来。
1. 每家公司记下什么
我们把每家公司压成一张结构化卡片，包含下面这些字段：
- 共享模式 — 它“怎么动”（5 选 1）
- 当前状态 — 它现在在哪个阶段（4 选 1）
- 主要指标 — 支持该判断的关键数据
- 30 秒一句话总结 — 说人话的当前定性
- 置信度 — AI 自报的把握程度（0–1）
- 注意事项 — 已知的不确定性、数据缺口
完整字段定义见 GitHub repo ↗。
2. 9 类共享模式
我们把公司按“怎么动”归为下面 9 类。这套分类来自跨学科研究—— 地震、神经网络、电网、生态、金融市场都被这套模式解释过。
压力慢慢攒，到了某个点一次性爆发，规模可大可小（地震、雪崩、神经放电都是这样）。
已经强的越来越强：越多人关注越容易再来新关注，最后头部吃掉大部分（社交网络、引用关系）。
参数慢慢变，系统突然跳到另一个稳定状态，而且回不去了（湖泊富营养化、生态崩塌）。
走过的路决定现在在哪：同样的条件，可能停在不同状态（交通堵车 vs. 畅通、牛市 vs. 熊市）。
网络中一个节点故障，沿着依赖关系连环触发其他节点失效（电网瘫痪、供应链断裂）。
Soros 式反身性：信念影响现实，现实又反过来强化信念，形成自我加强的回路。
正常波动很小，但偶尔出现的极端事件主导长期结果（保险、再保、加密资产）。
近线性、平稳波动的稳态；可用传统估值/基本面框架解释，没有明显非线性。
证据指向多种动力学，或当前数据不足以确定主导模式，暂列复合。
3. 5 种当前状态
每家公司离它的“翻车点”有多远？我们用下面 5 个状态描述（含证据不足时标记的“未知”）。 每个状态用一个独特图标 + 颜色 + 文字（颜色不是唯一识别方式，色盲也能用）。
离翻车点还远。系统稳稳运行，没有自我加强的反馈。
已经在翻车点附近了。小扰动开始被放大，波动变大，但还没真翻面。
已经越过翻车点但还没翻完。正在加速滑向新的状态。
已经翻完了。想回到原来的样子，需要外部强力干预。
目前公开信息不足以判断它处在哪个阶段，先标记为未知。
4. 数据怎么来
我们抓取每家公司公开的年报、业绩说明、行业研报，用多个主流 AI 模型读， 填出上面那张结构化卡片。每个判断由 3 个独立的“审稿 AI”投票， 多数同意才入库；同行业里业务相近的公司不应该得到差别极大的判断， 我们也会扫一遍。最终结果附带不确定性说明。
5. 哪些做不到
- 覆盖：当前 100 家公司，长尾尚未覆盖
- 频率：每周更新一次，盘中突发事件不会立刻反映
- 模型偏差：AI 可能漏读或读错，请看每家公司卡片下的“注意事项”
- 结构判断 ≠ 价格预测：当前状态描述的是结构性风险，不是短期涨跌信号