背景说明
2000年后
中国家庭财富快速积累，来源房产增值和可支配收入增长，靠“城镇化”（主导/大量新修“铁公基”等基础设施工程）和“全球化XX的工业化”（动因/全球产业链）
2013为拐点
中国房地产分化元年，由以前的大、中、小城市“同涨同跌”，转变为“大城市大涨、中城市中涨、小城市小涨”
服务业经济元年，第三产业首次成为主导产业
大城市接力工业化，成为经济增长的主发动机
2019-2020历史拐点
关键词：人工智能、万元美金社会
特征：以中大城市为核心城市化进程开启
普通人财富来源
2018年，中国居民可支配收入73%靠劳动、27%资产配置（睡后收入）
职业选择
AI时代下，职业分类
滚雪球型：折旧减慢，人力资本增长快
推石头型：可编码、重复性劳动，折旧快
新型职业到来
“五秒钟准则”：判断是否会被人工智能取代，即一项工作需要思考和决策的问题是否可以让人在5秒内做出相应决定
难被人工智能取代的技能：“社交智慧”、“创造力”、“感知和操作能力”
行业内职位的分化：没有夕阳行业，只有夕阳岗位
职业新赛道
“怕死”：与康复、老人护理健康相关，医生的“学历溢价”和“技能溢价”高
“爱美”：美容、美甲师、化妆师、健身等行业——颜值经济
“孤独”：心理咨询师、宠物医师
每一颗种子都应该找到属于自己的土壤
如果你是学霸，可以选择做医生、程序员
如果你热爱健身、社交能力强，可以选择做健身教练
如果你是个爱美细心的小姑娘，可以选择做美甲师、美容师
如果你像李佳琦一样口才出众、热爱美妆，而且具有面白唇红这些禀赋，美妆直播、网红经济也是可选的道路
城市选择
位置决定收入
“一个人所站的位置，决定了他的生产效率、收入以及福祉。”
人口的迁移和分布
测算“网络人口”
网络人口：用某地区15~64岁年龄段的人口使用移动手机设备的总数来推算该地区的整体网络人口数量
计算方式：网络人口/常住人口
测算发现
海水：苏北、鲁西南
火焰：北上广深、杭州、成都、南京
2019年城市选择基于“就近”和“经济发达”原则
城市“马太效应”不断增加
城市“规模效应”
知识溢价
人口越集聚，越有机会和有能力有经验的人学习，越能产生创新
大城市的高薪，不是因为人力成本高，而是因为人力资本的成长更快
专业化溢价
大城市对专业化从业人员的数量需求越来越大，愿意支付的溢价也越来越高
城市“规模溢出效应”，与小镇的合作博弈
小镇崛起是大城市规模效应的外溢，eg.亚马逊总部搬到“水晶城”
互联网让更多的城镇成为网络节点，eg.盒马村
房产选择
房产与财富
中国看
资产配比
房地产54%、储蓄理财30%、股票、基金、保险等16%
历史渊源
我国历史长期的中央集权制，故国家信用强大，民间信用薄弱，土地、房地产天然具有国家信用
价格变化趋势
由2000年开始普涨——分化到大城市大涨、小城市小涨——再到分化加剧
2006年-2015年，房地产企业“黄金10年”
房产价值
房产价格
房子价格反映的是房子所在土地的价值，土地的价值来自这片土地上经济增长的潜力，即大家对这片土地未来可以创造多少财富的预期（位置、供给）
房地产价值VS房地产价格
房地产财富的内在价值取决于中国的长期增长趋势，房地产财富的价格波动则受到宏观经济政策的影响
“房价增长的长期趋势”VS“房价增长的模式”
中国房价增长的长期趋势不会改变，但增长的模式却在发生结构性的改变
房产定价
戈登模型：现在房子的均衡价格应该等于未来房租的总和
分支主题
房产溢价3个因素
时间溢价
城市中心、交通干线交汇
人和各种基础设施和功能机构的链接点
eg.海景房不涨
阳光溢价
越舒适的地方、气候条件更好的地方人口流入越大
气候宜居度和人口吸引力定义城市未来的增长坐标
eg.海南成为东北第四省
代际转移溢价
中产家庭对孩子的教育投入增大
教育需求增长过快导致学区房溢价
金融资产
我国经济下行，但资产形势较好
经济增速标准
与过去增速比，略低，但历史的高增长不可复制
与世界平均比，不低
与潜在增速比，低一点
通货膨胀水平高，意味着目前的增速高于潜在增速
剔除了猪肉等非正常因素后，中国核心CPI的数据为1.5%，通货膨胀并不严重，甚至偏低
与短期政策目标比，低一点
中美之间竞争
在核心利益上有冲突，贸易摩擦是必然，未来会是常态
美国3个核心竞争力：科学技术（知识产权保护、技术转让）；货币金融（汇率、金融服务）；全球领导地位（扩大贸易合作、争端解决机制）
中国企业要抓紧在中美贸易摩擦的缓和阶段补短板，提高自己的技术储备
总结
决定职业未来的是关于“推石头”（可编码的重复性工作）和“滚雪球”（创造性或者个体化的技能性工作）的选择
决定城市附加值的是关于规模、知识外溢和专业化外溢的选择
决定房产价值的是关于气候、时间成本和附加值的选择
决定资产配置优化路径的是有关贪婪和恐惧的选择
