一、从一个被滥用的词开始
Hype 这个词本身就是一个自我指涉的困境。当我们说某个事物「是个 hype」，我们在做一个隐含的认识论声明：我们宣称自己能够区分一个事物的「真实价值」和「被赋予的虚假价值」。这个声明的傲慢程度远超大多数人的自觉。因为它假设了一个阿基米德支点的存在——某个不受 hype 污染的认知位置，我们可以从那里俯瞰全局，做出冷静的价值判断。
但这个支点是否存在？当一个风险投资人说 AI 被 over-hyped 了，他的判断是基于什么认知基础？当一个技术乐观主义者说 AI 的潜力被 under-hyped 了，他又站在哪里？两个人使用同样的信息，得出截然相反的结论，而双方都坚信自己是那个「看穿了 hype」的清醒者。
这就是 hype 最深层的诡谲之处：对 hype 的识别本身，可能就是另一种 hype。
本文的目标，是把「hype」从一个日常贬义词提升为一个严肃的分析概念。我将论证，hype 是人类集体认知系统中一种结构性的、不可消除的、甚至在特定条件下具有功能性的现象。理解它的深层机制，比简单地「反 hype」或「识破 hype」重要得多。
二、Hype 究竟是什么？
2.1 一个工作定义
在展开分析之前，需要一个足够精确的定义。我倾向于这样界定：
Hype 是一种集体期望的过度生产（overproduction of collective expectations），其中对某一事物未来价值的叙事性建构，系统性地脱离了该事物当前可验证的能力边界。
这个定义有几个关键要素值得拆解。
第一，「集体期望」。 Hype 的主体永远是复数的。一个人对某件事物的过度兴奋只是个人偏见；当这种兴奋通过社会传播机制（媒体、社交网络、会议、投资路演）变成一种共享的情感与认知状态时，它才成为 hype。社会学家 Émile Durkheim 所描述的「集体欢腾」（collective effervescence）在这里有着令人不安的适用性：hype 的高潮阶段与宗教仪式中的集体狂喜，在现象学层面几乎同构。
第二，「过度生产」。 这里借用的是经济学的隐喻。正如马克思分析资本主义生产过剩危机时指出的，问题的核心在于生产与有效需求之间的结构性失衡。Hype 中的「过度生产」是期望（expectations）相对于当前可实现性（current realizability）的溢出。注意「当前」这个限定词极为重要：许多被 hype 过的技术最终确实实现了早期的疯狂预言，只是时间线被严重压缩了。互联网泡沫时代人们所设想的在线购物、视频通话、信息即时获取，今天全都实现了，只不过延迟了十到十五年。
第三，「叙事性建构」。 Hype 从来不以数据表格的形式传播，它以故事的形式传播。Robert Shiller 在《叙事经济学》（Narrative Economics, 2019）中对此有精彩的分析：驱动经济波动的往往是具有传染性的叙事（contagious narratives），这些叙事的传播动力学更接近流行病学模型，而非理性预期理论所假设的信息均匀扩散。一个关于「AI 将在五年内取代所有白领工作」的叙事，其传播速率远高于「当前 LLM 在特定 benchmark 上的表现已达到某一水平」这样的事实性陈述。
2.2 Hype 与邻近概念的区分
为了锐化我们的概念工具，有必要将 hype 与几个容易混淆的邻近概念做出区分。
Hype ≠ 乐观（Optimism）。 乐观是一种对未来的正向预期倾向，它可以是有理据的（grounded optimism），也可以是无理据的（ungrounded optimism）。Hype 特指那种通过社会传播机制被放大、加速、并在传播过程中不断增值的集体期望。一个工程师基于自己对技术的深入理解而持有的乐观判断，和一个从未读过一篇论文但在 Twitter 上被「AGI 即将到来」的叙事包围而产生的兴奋，在认识论质地上截然不同，尽管从外部行为（比如买入 AI 相关股票）来看可能完全一致。
Hype ≠ 泡沫（Bubble）。 泡沫是一个经济学概念，特指资产价格系统性偏离基本面价值的现象。Hype 可以催生泡沫，但 hype 的外延远大于泡沫：文化 hype、技术 hype、政治 hype 都可以在没有金融市场参与的情况下存在。一部电影上映前的「现象级期待」是 hype，但不涉及泡沫。反过来，某些金融泡沫（如 2007 年的 CDO 市场）的参与者甚至意识到了泡沫的存在，只是在「音乐停下来之前」不愿退场——这更接近博弈论中的协调失败（coordination failure），而非经典意义上的 hype。
Hype ≠ 宣传（Propaganda）。 宣传有明确的施动者（agent）和意图。Hype 的诡异之处在于，它往往是一个无主体的过程（a subjectless process）。当然，许多 hype 中确实存在有意识的鼓吹者（比如项目方、媒体、KOL），但 hype 的整体动力学不可还原为任何单一行为者的意图。正如经济学中「看不见的手」的反面，hype 是一只「看不见的嘴」：每个人都只是在说自己认为「正确」或「有趣」的话，但这些局部言说汇聚成一条自我增强的叙事洪流，其方向和力度不受任何个人控制。
2.3 Hype 的本体论地位
这就引出一个更根本的哲学问题：hype 是「真实的」吗？
在一个重要的意义上，是的。Hype 虽然可能基于对未来的误判，但它本身作为一种社会心理现象是完全真实的，并且产生完全真实的后果。W. I. Thomas 的经典定理在此适用：「如果人们将情境定义为真实的，那么它在后果中就是真实的」（If men define situations as real, they are real in their consequences）。
这一点在金融领域尤其显著。George Soros 的「反身性」（reflexivity）理论为此提供了最精确的分析框架。在 Soros 的模型中，市场参与者的认知（cognitive function）和他们所参与的情境（participating function）之间存在双向的因果关系。当足够多的人相信某项技术将改变世界，资本就会涌入，人才就会集聚，基础设施就会被建设，这一切反过来又提高了该技术「真正」改变世界的概率。Hype 在此不仅仅是对未来的（可能错误的）预测，它是一种改变未来的力量。
这构成了 hype 最深刻的悖论：一个「错误的」集体信念，可以通过动员足够的资源，使自身变为「正确的」。
三、Hype 的动力学：一部自我喂养的永动机
3.1 Gartner 曲线及其局限
讨论 hype 的动力学绕不开 Gartner 公司在 1995 年提出的「Hype Cycle」模型。这个模型将一项新技术的生命周期分为五个阶段：技术触发期（Innovation Trigger）、膨胀期望的顶峰（Peak of Inflated Expectations）、幻灭的低谷（Trough of Disillusionment）、复苏的斜坡（Slope of Enlightenment）、生产力的高原（Plateau of Productivity）。
这个模型的优点是直觉上的可信度极高：几乎所有人都能从自身经验中辨认出这条曲线的形状。区块链、VR、元宇宙、3D 打印、纳米技术……每一个技术概念似乎都在这条曲线上找到了自己的位置。
然而，Gartner 曲线作为分析工具存在几个根本性的缺陷。
第一，它是描述性的（descriptive），缺乏解释力（explanatory power）。 它告诉你曲线的形状，但不告诉你为什么曲线是这个形状。为什么期望会先过度膨胀再过度收缩？背后的微观机制是什么？Gartner 模型对此保持沉默。
第二，它假设了一种单峰的、确定性的轨迹。 现实远比这复杂。许多技术经历了多次 hype 周期（AI 本身就至少经历了 1960 年代、1980 年代、2010 年代三轮），每次的形态、振幅、频率都不同。还有一些技术从未到达「生产力高原」就被彻底遗忘了。
第三，也是最关键的，它隐含了一种目的论（teleological）假设： 仿佛每项技术都「注定」会经历完整的五个阶段，最终到达那个理性的「高原」。这种叙事暗中将 hype 定义为一种「必须被克服的非理性阶段」，一段通往理性终点的不幸弯路。但如果 hype 本身就是系统运行的内在组成部分呢？
3.2 Hype 的微观机制：信息级联与社会证明
为了弥补 Gartner 模型的解释力缺失，我们需要深入 hype 形成的微观机制。
经济学家 Sushil Bikhchandani、David Hirshleifer 和 Ivo Welch 在 1992 年发表的关于「信息级联」（informational cascade）的经典论文提供了第一块拼图。他们的模型显示：在一个序贯决策的环境中，即使每个个体都是贝叶斯理性的，只要早期的几个决策者碰巧做出了相同方向的选择，后来的决策者就会理性地忽略自己的私有信息（private signal），转而追随前人的行为。这种级联一旦形成，就会产生极大的信息脆弱性——整个群体的行为可能建立在极少量的初始信息上。
将此映射到 hype 的语境：当一些有影响力的早期声音（顶级风投、知名学者、科技媒体）对某项技术表达了高度的乐观，后续的观察者会面临一个信息不对称的困境。他们无法判断这些早期的乐观声音是基于深入的技术评估，还是基于有限的信息加上认知偏见。但在社会证明（social proof）的逻辑下，「这么多聪明人都看好它」本身就构成了一种强有力的信号。
Robert Cialdini 在《影响力》中将社会证明定义为人类最强大的决策捷径之一。在不确定性极高的领域（新技术的未来价值就是典型的高不确定性判断），人们对社会证明的依赖会急剧上升。这创造了一种正反馈循环：
不确定性越高 → 越依赖他人的判断 → 共识越容易形成 → 形成的共识越容易偏离真实值。
3.3 叙事的病毒式传播
信息级联解释了为什么共识容易形成，但还不够解释 hype 特有的那种「过热」（overheating）。为此我们需要引入叙事的传播动力学。
Shiller 在《叙事经济学》中借用了流行病学的 SIR 模型来分析经济叙事的传播。一个叙事的传播取决于三个参数：传染率（contagion rate，一个已「感染」的个体将叙事传递给未感染个体的概率）、恢复率（recovery rate，一个个体不再传播该叙事的概率），以及初始的「感染」基数。
关键洞察在于：并非所有叙事的传染率相同。那些具有以下特征的叙事传播得最快。
- 情感唤醒度高。「AI 可能在十年后让三亿人失业」比「AI 在特定任务上达到了人类水平的准确率」更能激发恐惧与兴奋。
- 提供身份认同。「你是理解未来的人，还是被未来淘汰的人？」这种二元叙事让人们的技术立场与自我认知绑定，极大地提高了叙事的粘性。
- 简单且便于转述。「元宇宙就是下一代互联网」远比任何技术白皮书更容易在晚餐桌上传播。叙事在每一次转述中都会被简化、戏剧化、尖锐化，正如民俗学中所研究的「传播链中的信息流变」（serial reproduction）。
- 包含时间压力。「窗口期很短」「先发优势是决定性的」「现在不投入就来不及了」——这种稀缺性叙事利用了人类损失厌恶（loss aversion）的本能。
当一个叙事同时具备这四个特征时，它的传染率会达到极高的水平，而恢复率会被压得很低（因为退出叙事意味着身份认同的损失和错失恐惧的增加）。这就是 hype 的「过热」机制：叙事传播的正反馈使得集体期望以远超信息实际增量的速度膨胀。
3.4 反馈回路与自我实现
但 hype 的动力学还有更复杂的一层。如前述的 Soros 反身性理论所指出的，hype 不仅反映现实，它还改变现实。
以 AI 领域为例。当「AI 将改变一切」的叙事达到一定强度时，以下事件会开始发生：
- 大量资本涌入 AI 领域，使得更多的研究能够获得资助，更多的公司能够获得融资；
- 人才流向 AI 方向，加速了技术进步的实际速度；
- 政府开始将 AI 视为战略竞争焦点，出台支持政策；
- 大学扩大 AI 相关专业的招生规模；
- 公众对 AI 产品的接受度提高，降低了市场推广的难度。
这些真实的变化反过来又为 hype 叙事提供了新的「证据」：「你看，资本都在涌入」「你看，最优秀的人才都在转向」「你看，政府都在重视」。这创造了一条自我实现的预言之路，虽然这种自我实现的程度和方向可能与最初的叙事存在很大偏差。
这就是 hype 最令人不安的认识论困境：当你正处于 hype 的上升期时，所有的「证据」都指向 hype 的合理性，因为 hype 本身就在制造这些证据。你无法通过观察当前的「证据」来判断 hype 是否过度，因为你无法区分「因为技术真的很好所以资本涌入」和「因为叙事说技术很好所以资本涌入，而资本的涌入反过来让技术看起来更好」这两种因果链路。
3.5 崩溃的触发机制
如果 hype 的正反馈循环如此强大，它为什么会崩溃？
答案在于：正反馈系统的稳定性，依赖于新的「感染者」的持续流入。一旦「易感人群」（susceptible population）被耗尽——即能够被叙事说服的人已经全部被说服——叙事传播的增量就开始下降。与此同时，负反馈的力量从来没有消失，它只是在被正反馈压制：
- 现实落差的积累。 早期的 hype 承诺开始到期，产品没有达到预期，ROI 没有实现，应用场景没有兑现。每一个落差都是一个微小的反叙事种子。
- 叛逃者的出现。 一些早期的 hype 参与者开始公开表达怀疑，他们的「叛逃」具有不对称的影响力：一个曾经的信徒说「我错了」，比一个一直的怀疑者说「我说了吧」更具传染力。
- 注意力竞争。 人类的集体注意力是有限的。一个新的 hype 主题的出现会从旧的 hype 主题吸走能量。
当正反馈的增量低于负反馈的增量时，系统的动力学方向就会翻转。而由于相同的正反馈机制现在开始反向运作（「最聪明的人都在离场」「投资者都在撤资」「媒体开始唱衰」），下跌的速度往往比上涨更快。这就是 Gartner 曲线中「幻灭低谷」往往比「膨胀期望顶峰」更陡峭的原因。
四、Hype 的政治经济学：谁在生产，谁在消费？
4.1 Hype 的生产端
虽然前文强调了 hype 作为「无主体过程」的特征，但这并不意味着其中不存在结构性的利益分配。事实上，hype 有着清晰的政治经济学结构。
风险投资是现代 hype 最重要的制度化生产者。 VC 的商业模型内在地依赖于 hype 的生产。一个 VC 基金的回报结构（power law distribution）意味着它需要少数投资产生巨大的回报来覆盖大量的失败投资。要产生巨大的回报，被投公司需要在后续轮次中以更高的估值获得融资，最终通过 IPO 或并购退出。而更高的估值，很大程度上取决于市场对该公司所在赛道未来增长空间的预期。
换言之，VC 有结构性的激励（structural incentive）去生产和维护 hype。这并不要求任何个体 VC 是不真诚的：一个 VC 可以完全真诚地相信他投资的赛道将改变世界，同时在客观上成为 hype 的传播节点。制度逻辑和个人真诚之间没有矛盾。
科技媒体是 hype 的第二大生产者，其激励结构同样值得剖析。 媒体的商业模型依赖于注意力的获取。在注意力经济中，「某技术可能在十年后有所发展」的温和叙事永远不敌「某技术即将颠覆一切」的激烈叙事。这导致了一种系统性的选择偏差：媒体会自然倾向于放大最极端的声音，因为极端声音产生最多的点击、分享和参与。
值得注意的是，这种偏差是对称的：媒体既放大 hype 的上升期（「AI 将改变一切」），也放大 hype 的下降期（「AI 泡沫即将破裂」）。媒体的利益不在于维持任何特定的叙事方向，而在于维持叙事的极端程度。温和的中间立场不产生流量。
学术界在 hype 中扮演着一种暧昧的角色。 一方面，学术界自我定位为理性的、对 hype 免疫的知识生产者；另一方面，学术研究的资助机制（grant funding）要求研究者在申请中论证其研究的「变革性潜力」（transformative potential）和「广泛影响」（broader impact），这在制度层面激励了对研究意义的系统性夸大。Daniel Sarewitz（2016）在其对科学资助体制的批判中精辟地指出，现代科学资助的竞争结构，实质上是一台将科学知识转化为期望性叙事（promissory narratives）的机器。
4.2 Hype 的消费端
Hype 的消费者同样有着复杂的动机结构。
对于普通公众，hype 提供了一种廉价的认知框架。在一个信息过载的世界里，理解一项新技术的真正含义需要巨大的认知投入。Hype 叙事提供了一条捷径：「你不需要理解 transformer 架构的细节，你只需要知道 AI 即将改变一切。」这种认知卸载（cognitive offloading）功能解释了为什么 hype 在高度专业化的领域中传播得尤其剧烈：专业壁垒越高，人们越依赖简化的叙事。
对于企业决策者，hype 提供了一种决策正当性（legitimacy）。在不确定性极高的环境下，「所有人都在做 X」本身就是做 X 的最佳理由。这不完全是非理性的：在一个存在网络效应和生态系统锁定的世界里，「方向正确但起步晚」可能比「完美判断但错过窗口」更致命。这就是为什么 FOMO（fear of missing out）是 hype 最忠实的副驾驶。
对于个体从业者，hype 提供了身份叙事和职业方向感。「我是一个 AI 从业者」在 hype 高峰期提供的社会身份价值，远高于「我是一个数据库工程师」，即使后者的实际技能稀缺度可能更高。这种身份维度使得退出 hype 特别困难：承认「我追逐的方向可能并不像我以为的那么革命性」，涉及的不仅仅是观点的修正，更是自我叙事的重构。
4.3 Hype 的再分配效应
Hype 的政治经济学分析不能回避一个根本问题：hype 中谁获利，谁受损？
总体而言，hype 产生了一种系统性的财富和注意力的再分配效应：
- 从晚期参与者向早期参与者的转移。 这在金融领域最为赤裸：后期投资者以更高的估值进入，如果 hype 崩溃，他们承担最大的损失。
- 从外行向内行的转移。 能够生产 hype 叙事的人（投资者、创业者、行业分析师）通常比消费 hype 叙事的人（普通投资者、被裁员的传统行业从业者）获得更多的信息和退出机会。
- 从失败的替代方向向被 hype 的方向的转移。 这是最隐蔽但可能最重要的成本：当大量资源涌入被 hype 的方向时，那些没有被 hype 但可能同样（甚至更加）重要的领域会遭遇资源饥渴。这是一种看不见的机会成本。
五、Hype 的历史深层结构
5.1 Hype 并非现代现象
如果我们把 hype 理解为「集体期望的过度生产」，那它的历史远早于硅谷和风险投资。
17 世纪的荷兰郁金香狂热（Tulipmania, 1637）通常被视为第一个有据可查的投机泡沫，但 Anne Goldgar（2007）在其修正主义历史著作《郁金香狂热》中指出，传统叙事本身就被后世极大地 hyped 了：实际参与投机的人数远少于后世文献所暗示的，价格的疯涨也主要集中在极少数稀有品种上。一个关于 hype 的故事本身被 hype 了。这种元层面的讽刺，几乎是 hype 现象的标准配置。
18 世纪的南海泡沫（South Sea Bubble, 1720）提供了一个更清晰的 hype 解剖案例。南海公司的核心叙事是：它拥有与南美洲（当时被视为无穷富饶的新大陆）进行贸易的垄断权，这将产生无限的利润。这个叙事具备了我们之前分析的所有高传染率特征——情感唤醒度极高（一夜暴富的可能性）、提供身份认同（成为「新时代」的远见者）、简单易传播（「南美有无穷的黄金和白银」）、包含时间压力（「股票每天都在涨，今天不买明天就更贵了」）。
牛顿在南海泡沫中的著名亏损（据传约两万英镑，相当于今天数百万英镑）经常被引用来说明「即使最聪明的人也会被 hype 愚弄」。但更深层的教训可能是：牛顿的物理学天才赋予他的，是分析确定性系统的能力，而 hype 是一个反身性的社会系统——对确定性系统有效的分析工具在这里恰恰失效。
5.2 现代性何以加剧了 Hype
如果 hype 是人类认知的一个结构性特征，那为什么我们感觉当代的 hype 比历史上任何时期都更剧烈、更频繁？
信息传播速度的指数级提升。 从邮政马车到电报到广播到电视到互联网到社交媒体，信息传播的延迟被压缩到近乎实时。这意味着 hype 的正反馈循环的迭代速度急剧加快。郁金香狂热花了数年才达到顶峰，加密货币的一轮 hype 周期可以在数月甚至数周内完成。
金融化（financialization）的深化。 现代金融系统创造了越来越多的工具，让人们可以基于期望进行交易。期权、期货、杠杆 ETF、加密代币……每一种金融工具都是一种将期望转化为头寸的机制，而头寸的盈亏又会反过来强化或瓦解期望。金融化程度越高，hype 的反身性循环越强大。
专业化与认知分工的极端化。 在一个高度专业化的社会中，没有任何个体有能力独立评估所有领域的知识主张。这意味着人们对「专家意见」和「社会共识」的依赖程度前所未有地高，而这恰恰是信息级联和 hype 传播的温床。
叙事生产的民主化（与工业化）。 社交媒体赋予了每个人生产和传播叙事的能力，同时也催生了一个以叙事生产为职业的庞大群体（意见领袖、内容创作者、行业分析师）。叙事的供给侧大幅扩张，而叙事的质量控制机制（传统媒体的编辑审查、学术界的同行评议）被大幅削弱。
六、Hype 的认识论：我们能超越 Hype 吗？
6.1 「反 hype」的陷阱
面对 hype，最自然的反应是「反 hype」（counter-hype）：试图站在 hype 的对面，保持冷静的怀疑。但反 hype 有其自身的认识论陷阱。
反 hype 可能只是反向的 hype。 当一个人的身份认同建立在「我是那个看穿了 hype 的人」之上时，他就有了系统性的激励去否定一切乐观的信号。「AI 只是统计学」「加密货币只是庞氏骗局」「电动车只是玩具」——这些言论与「AI 将改变一切」「加密货币将颠覆金融」「电动车将消灭燃油车」一样，都是对复杂现实的极端简化。怀疑本身没有认识论的特权地位。
Nassim Taleb 的知识遗产在这里提供了一个有趣的案例研究。Taleb 对「叙事谬误」（narrative fallacy）和「过度自信」（overconfidence）的批判极具洞察力，但 Taleb 本人的写作风格和公共形象恰恰建立在一种「反 hype 的 hype」之上：一种关于「我比所有人都更清醒」的自我叙事，这种叙事的传播动力学与它所批判的对象几乎同构。
反 hype 容易犯时间尺度的错误。 如前所述，许多被 hype 过的技术最终确实实现了早期的承诺，只是时间尺度比 hype 期的预期长得多。Roy Amara 的格言精确地捕捉了这一点：「我们倾向于高估技术的短期效应，而低估其长期效应。」在这个意义上，说「AI 被 over-hyped 了」可能在短期是正确的、在长期是错误的；而说「AI 将改变一切」可能在长期是正确的、在短期是危险的。正确的分析需要精确的时间尺度标定，而这恰恰是人类认知最薄弱的环节。
6.2 一种更成熟的认识论姿态
如果「盲目拥抱 hype」和「全面反对 hype」都不是好的认识论策略，那什么是？
我倾向于一种可以被称为「参与性怀疑主义」（participatory skepticism）的立场。其核心要素包括：
第一，承认自己的嵌入性。 你不在 hype 之外。你的信息来源、你的社交圈层、你的职业利益、你的身份认同，都使你在 hype 的磁场中占据一个特定的位置。承认这种嵌入性，比假装自己拥有上帝视角，是更诚实也更有用的起点。
第二，区分方向性判断和时间性判断。「这个技术方向有价值吗？」和「这个价值将在什么时间尺度上实现？」是两个独立的问题，而 hype 几乎总是把它们混为一谈。一个技术可以同时是「长期方向正确的」和「短期被严重 over-hyped 的」，承认这种双重性需要认知上的弹性。
第三，关注物质基础设施的变化，胜过关注叙事的变化。 叙事可以在一夜之间翻转，但物质基础设施（实验室、工厂、人才培养管道、法规框架、用户习惯）的变化是缓慢且粘性的。当你试图在 hype 的噪声中辨别信号时，最可靠的指标往往是这些「慢变量」：实际的研发投入在增加还是减少？关键人才在流入还是流出？用户留存率在上升还是下降？
第四，建立概率性的思维框架，抵抗二元叙事的诱惑。「AI 要么改变一切，要么只是泡沫」是一种虚假的二分法。更真实的图景是一个概率分布：AI 以不同的方式、在不同的领域、以不同的时间尺度产生不同程度的影响的可能性各不相同。Philip Tetlock 在《超级预测》（Superforecasting, 2015）中展示的研究表明，那些在预测上表现最好的人（「超级预测者」），恰恰是最擅长进行细粒度的概率评估、最不倾向于极端立场、最频繁地更新自己判断的人。
第五，保持对自身确信度的元认知警觉。 当你感到非常确定某件事「绝对是 hype」或「绝对会实现」时，那种确定感本身就是一个需要审查的信号。确定感的强度和判断的准确性之间没有可靠的相关性。Dunning-Kruger 效应在此不仅适用于能力评估，也适用于 hype 评估：对 hype 的判断越自信的人，往往对 hype 的复杂性理解得越少。
七、Hype 的存在论维度：人为什么需要 Hype？
7.1 Hype 作为世俗宗教
如果我们把分析的层次再提升一步，从社会学和经济学进入更根本的人类学和存在论层面，一个令人不舒服但可能很重要的假说浮现了：hype 满足的是一种类宗教的需求。
Peter Thiel 在其各种公开演讲中反复触及一个主题：现代世界的根本问题是对未来的想象力的枯竭。他认为，20 世纪中期的西方社会拥有一种强烈的「确定性乐观主义」（definite optimism），即对具体的、可规划的美好未来的信念（登月计划、洲际高速公路、核能的和平利用）。这种信念在 1970 年代之后逐渐消解，被一种「不确定性乐观主义」（indefinite optimism）所取代，即相信未来会更好，但不知道具体怎么更好。
如果 Thiel 的诊断有一部分是正确的，那 hype 可以被理解为一种对「确定性乐观主义」匮乏的代偿性反应。在一个宏大叙事（grand narrative）已经消亡的「后现代」世界里（Jean-François Lyotard, 1979），每一轮技术 hype 都是一次短暂的宏大叙事的复活。「AI 将改变一切」「区块链将重建信任」「元宇宙将超越现实」——这些叙事提供了一种方向感、意义感和对未来的可把握感，而这些正是世俗现代性日益难以提供的东西。
从这个角度看，hype 周期的反复出现（包括「幻灭」之后总是会有新的 hype 主题出现这一事实本身），就不再只是市场动力学的产物，它反映了人类对集体目的感（collective sense of purpose）的深层渴望。这种渴望是结构性的、不可消除的，因此 hype 也是结构性的、不可消除的。
7.2 Hype 与时间性
Martin Heidegger 关于人类时间性（Zeitlichkeit）的分析在此提供了另一个视角。Heidegger 认为，人类的存在本质上是朝向未来的（Sein-zum-Tode，向死而生）。我们总是已经在向未来投射（Entwurf），我们当下的行动、情绪、判断总是被对未来的预期所渗透。
Hype 可以被理解为这种本体论层面的「未来指向性」在集体层面的一种表达。人类不仅仅是碰巧倾向于对未来产生过度期望；在某种意义上，对未来的期望性投射就是人类存在的基本结构。Hype 是这种结构在特定社会历史条件下的显影。
这并不意味着我们应该拥抱 hype 或放弃批判。它意味着：对 hype 的批判不能停留在「人们太容易被忽悠了」这个层面。 人们「容易被忽悠」的背后是一种对意义、方向和希望的根本性需要，而这种需要不会因为你指出了 hype 的非理性就消失。任何试图「消除 hype」的工程，如果不能提供一种替代性的意义生产机制，就注定会失败。
八、终章：与 Hype 共存
回到我们开头的问题：对 hype 的识别本身，可能就是另一种 hype。
写到这里，我必须承认一个自反性（self-reflexive）的困境：本文本身难道不也是一种 hype 吗？一种关于「深刻理解 hype」的叙事，它以学术性的包装提供一种「认知优越感」，使读者感到自己比那些「被 hype 裹挟的人」更清醒？
是的。在某种程度上，是的。
但承认这一点并不使分析失效。它只是提醒我们，不存在关于 hype 的阿基米德支点。我们永远嵌入在我们试图分析的系统之中。这不是认知的缺陷，这是认知的条件。
一种成熟的智识姿态也许是这样的：
你知道 hype 是怎么运作的。你知道信息级联、社会证明、叙事传播、反身性循环这些机制。你知道自己的判断被社会位置和身份认同所污染。你知道「反 hype」和「拥抱 hype」一样可能是错的。你知道所有这些知道，可能并不能帮你做出更好的判断。
然后你还是得在不确定性中行动。
你还是得在信息不完整、信号与噪声难以区分、未来本质上不可预测的条件下，做出关于方向、时机和资源投入的决策。你能做的，只是在这个过程中保持对自身认知局限的警觉，保持对确定感的不信任，保持对复杂性的尊重。
用 Reinhold Niebuhr 神学中那个著名祈祷的变体来说：
愿我有勇气参与那些值得参与的 hype，有智慧回避那些正在崩溃的 hype，以及有洞察力区分二者的能力。
当然，洞察力本身，可能也是被 hype 过的。