Retirement Income Is Not a Number: It Is a Claim on Future Purchasing Power
https://www.linkedin.com/pulse/retirement-income-number-claim-future-purchasing-power-craig-wright-2g8ec?
https://www.linkedin.com/pulse/retirement-income-number-claim-future-purchasing-power-craig-wright-2g8ec?
Linkedin
Retirement Income Is Not a Number: It Is a Claim on Future Purchasing Power
Why retirement planning should be designed around stable real consumption, not nominal income Thesis The central error in conventional retirement planning is to define success in nominal monetary terms. A pension, annuity, drawdown plan, or fixed retirement…
Retire in Real Terms: Why a Fixed Income Is Not a Fixed Standard of Living
The central problem in retirement-income design is not simply making money last. It is making purchasing power last.
Craig Wright
Aug 27, 2026
(Audio 31:51 min)
https://singulargrit.substack.com/p/retire-in-real-terms-why-a-fixed
The central problem in retirement-income design is not simply making money last. It is making purchasing power last.
Craig Wright
Aug 27, 2026
(Audio 31:51 min)
https://singulargrit.substack.com/p/retire-in-real-terms-why-a-fixed
Substack
Retire in Real Terms: Why a Fixed Income Is Not a Fixed Standard of Living
The central problem in retirement-income design is not simply making money last. It is making purchasing power last.
Voy a decir algo que irritará a un gran número de académicos, lo cual es usualmente la forma en que uno sabe que la frase tiene algún valor.
Trabajo aproximadamente de cincuenta a sesenta horas a la semana haciendo investigación comercial. Aparte de eso, realizo investigación universitaria. Este año probablemente publicaré alrededor de doce artículos en revistas y más artículos en conferencias además. No todo ese trabajo se inició este año, por supuesto. La investigación tiene un pipeline, y cualquiera que haya mantenido uno realmente sabe que la publicación es meramente el extremo visible de un trabajo realizado meses o años antes.
También estoy dispuesto, cuando es necesario, a trabajar ochenta, noventa, incluso cien horas a la semana.
Eso tiene costos.
Todo lo que vale la pena tener tiene costos. El hábito moderno es hablar interminablemente sobre el precio del logro mientras se permanece curiosamente en silencio sobre el precio de evitarlo.
Mientras escribo esto, estoy sentado en mi propiedad frente a la playa, observando a los ridículos gatos que mi esposa ha adoptado localmente vagar por ahí como si ellos personalmente hubieran financiado el lugar. Soy perfectamente consciente de que las horas, los viajes, la investigación, la escritura y la acumulación implacable de trabajo han cobrado su precio.
Estoy igualmente seguro de que valió la pena pagarlo.
Aquí es donde los académicos me pierden cuando se quejan interminablemente del dinero.
Si quieres más ingresos, generalmente tienes que producir más valor.
La academia te da algo extraordinariamente valioso: experiencia. También frecuentemente te da formas de tiempo y libertad intelectual que las personas con trabajos comerciales ordinarios simplemente no poseen. Los sabáticos existen. Las vacaciones universitarias existen. El tiempo de investigación existe. Bibliotecas, conferencias, redes institucionales y acceso al conocimiento existen.
Úsalos.
La gente compra libros de historia.
La gente compra libros sobre geografía.
Compran economía, filosofía, psicología, política, tecnología, ciencia y matemáticas.
Pagan para escuchar a personas hablar sobre cosas que entienden inusualmente bien.
Pagan por consultoría.
Pagan por cursos.
Pagan por análisis.
Pagan por experiencia cuando esa experiencia se hace útil, interesante o inteligible.
La idea de que solo los profesores de negocios o los científicos de la computación pueden monetizar el conocimiento académico es una tontería. Los seres humanos han estado pagando a otros seres humanos para explicar la historia, las ideas, los lugares, la política, el arte y la civilización durante siglos.
Pero nada de esto sucede automáticamente.
Tienes que escribir el libro.
Tienes que dar la charla.
Tienes que construir la reputación.
Tienes que hacer el argumento lo suficientemente interesante como para que alguien fuera de tu departamento quiera escucharlo.
Tienes que trabajar.
Y a veces tienes que trabajar considerablemente más que el mínimo contractual.
No hay nada inmoral en querer un mejor salario académico, y las universidades deberían pagar bien a los buenos eruditos. Pero hay algo extraño en pasar décadas adquiriendo conocimiento altamente especializado y luego comportarse como si solo hubiera un posible comprador para él: el departamento de nómina de la universidad.
Tu salario no es necesariamente tu ingreso.
Tu universidad no es necesariamente tu mercado.
Y tu disciplina no es necesariamente comercialmente inútil solo porque nunca hayas descubierto cómo vender lo que sabes.
Si quieres ganar más como académico, entonces crea algo que la gente valore lo suficiente como para pagar por ello.
Y si, después de años de educación, libertad de investigación, redes profesionales y experiencia acumulada, aún no puedes encontrar ninguna forma de convertir parte de ese conocimiento en ingresos adicionales, la incómoda posibilidad permanece de que el problema no sea la academia.
CSW
Aug 27, 2026
https://x.com/Dr_CSWright/status/2092910788415471714
Trabajo aproximadamente de cincuenta a sesenta horas a la semana haciendo investigación comercial. Aparte de eso, realizo investigación universitaria. Este año probablemente publicaré alrededor de doce artículos en revistas y más artículos en conferencias además. No todo ese trabajo se inició este año, por supuesto. La investigación tiene un pipeline, y cualquiera que haya mantenido uno realmente sabe que la publicación es meramente el extremo visible de un trabajo realizado meses o años antes.
También estoy dispuesto, cuando es necesario, a trabajar ochenta, noventa, incluso cien horas a la semana.
Eso tiene costos.
Todo lo que vale la pena tener tiene costos. El hábito moderno es hablar interminablemente sobre el precio del logro mientras se permanece curiosamente en silencio sobre el precio de evitarlo.
Mientras escribo esto, estoy sentado en mi propiedad frente a la playa, observando a los ridículos gatos que mi esposa ha adoptado localmente vagar por ahí como si ellos personalmente hubieran financiado el lugar. Soy perfectamente consciente de que las horas, los viajes, la investigación, la escritura y la acumulación implacable de trabajo han cobrado su precio.
Estoy igualmente seguro de que valió la pena pagarlo.
Aquí es donde los académicos me pierden cuando se quejan interminablemente del dinero.
Si quieres más ingresos, generalmente tienes que producir más valor.
La academia te da algo extraordinariamente valioso: experiencia. También frecuentemente te da formas de tiempo y libertad intelectual que las personas con trabajos comerciales ordinarios simplemente no poseen. Los sabáticos existen. Las vacaciones universitarias existen. El tiempo de investigación existe. Bibliotecas, conferencias, redes institucionales y acceso al conocimiento existen.
Úsalos.
La gente compra libros de historia.
La gente compra libros sobre geografía.
Compran economía, filosofía, psicología, política, tecnología, ciencia y matemáticas.
Pagan para escuchar a personas hablar sobre cosas que entienden inusualmente bien.
Pagan por consultoría.
Pagan por cursos.
Pagan por análisis.
Pagan por experiencia cuando esa experiencia se hace útil, interesante o inteligible.
La idea de que solo los profesores de negocios o los científicos de la computación pueden monetizar el conocimiento académico es una tontería. Los seres humanos han estado pagando a otros seres humanos para explicar la historia, las ideas, los lugares, la política, el arte y la civilización durante siglos.
Pero nada de esto sucede automáticamente.
Tienes que escribir el libro.
Tienes que dar la charla.
Tienes que construir la reputación.
Tienes que hacer el argumento lo suficientemente interesante como para que alguien fuera de tu departamento quiera escucharlo.
Tienes que trabajar.
Y a veces tienes que trabajar considerablemente más que el mínimo contractual.
No hay nada inmoral en querer un mejor salario académico, y las universidades deberían pagar bien a los buenos eruditos. Pero hay algo extraño en pasar décadas adquiriendo conocimiento altamente especializado y luego comportarse como si solo hubiera un posible comprador para él: el departamento de nómina de la universidad.
Tu salario no es necesariamente tu ingreso.
Tu universidad no es necesariamente tu mercado.
Y tu disciplina no es necesariamente comercialmente inútil solo porque nunca hayas descubierto cómo vender lo que sabes.
Si quieres ganar más como académico, entonces crea algo que la gente valore lo suficiente como para pagar por ello.
Y si, después de años de educación, libertad de investigación, redes profesionales y experiencia acumulada, aún no puedes encontrar ninguna forma de convertir parte de ese conocimiento en ingresos adicionales, la incómoda posibilidad permanece de que el problema no sea la academia.
CSW
Aug 27, 2026
https://x.com/Dr_CSWright/status/2092910788415471714
Puede ser tú.
La gran ventaja de la educación es que nos enseña cómo resolver problemas difíciles
Uno esperaría que ganar la vida eventualmente se convierta en uno de ellos.
CSW
Aug 27, 2026
https://x.com/Dr_CSWright/status/2092910788415471714
La gran ventaja de la educación es que nos enseña cómo resolver problemas difíciles
Uno esperaría que ganar la vida eventualmente se convierta en uno de ellos.
CSW
Aug 27, 2026
https://x.com/Dr_CSWright/status/2092910788415471714
Audio
La_trampa_de_jubilarse_con_ingresos_fijos.m4a
Retire in Real Terms: Why a Fixed Income Is Not a Fixed Standard of Living
The central problem in retirement-income design is not simply making money last. It is making purchasing power last.
Craig Wright
Aug 27, 2026
(Audio 31:51 min)
https://singulargrit.substack.com/p/retire-in-real-terms-why-a-fixed
Cuaderno
https://notebook.google.com/notebook/86613cfa-ae19-4c39-b828-ccd5901fc276?authuser=7
Retire in Real Terms: Why a Fixed Income Is Not a Fixed Standard of Living
The central problem in retirement-income design is not simply making money last. It is making purchasing power last.
Craig Wright
Aug 27, 2026
(Audio 31:51 min)
https://singulargrit.substack.com/p/retire-in-real-terms-why-a-fixed
Cuaderno
https://notebook.google.com/notebook/86613cfa-ae19-4c39-b828-ccd5901fc276?authuser=7
CSW desde el 1 Septiembre 2026
Decentralization Is Not a Token
The missing market is a portable claim on computation—one unit that an AI agent can spend across corporations, cloud providers, and spare GPUs
Craig Wright
Sep 01, 2026
https://singulargrit.substack.com/p/decentralization-is-not-a-token?
Decentralization Is Not a Token
Craig Wright
Sep 01, 2026
https://t.me/S_Tominaga/5578
Decentralization Is Not a Token
The missing market is a portable claim on computation—one unit that an AI agent can spend across corporations, cloud providers, and spare GPUs
Craig Wright
Sep 01, 2026
https://singulargrit.substack.com/p/decentralization-is-not-a-token?
Decentralization Is Not a Token
Craig Wright
Sep 01, 2026
https://t.me/S_Tominaga/5578
Substack
Decentralization Is Not a Token
The missing market is a portable claim on computation—one unit that an AI agent can spend across corporations, cloud providers, and spare GPUs
Decentralization Is Not a Token
1 fuente (36 páginas)
1 sept 2026
(Audio 18:54 min)
Craig Wright critica la noción superficial de la descentralización en el sector de la inteligencia artificial, argumentando que un simple token de pago no garantiza la libertad del usuario. El autor propone la creación de un Crédito de Computación Portátil (PCC), un instrumento financiero y técnico que permitiría transferir derechos de procesamiento entre distintos proveedores sin restricciones corporativas. Este sistema busca solucionar la fragmentación actual, donde los saldos prepagados quedan atrapados en plataformas cerradas como OpenAI o Anthropic. Para lograrlo, Wright detalla un protocolo integral que abarca desde manifiestos de trabajo firmados hasta la verificación técnica mediante computación confidencial. En última instancia, la obra sostiene que la verdadera autonomía radica en la capacidad de validar el rendimiento y trasladar el valor económico sin depender del permiso de una entidad centralizada.
Fuente
Decentralization Is Not a Token
Craig Wright
Sep 01, 2026
https://t.me/S_Tominaga/5578
Cuaderno
https://notebook.google.com/notebook/dc6a99ff-4f06-44c2-8f5c-10607d7dd7a1?authuser=7
1 fuente (36 páginas)
1 sept 2026
(Audio 18:54 min)
Craig Wright critica la noción superficial de la descentralización en el sector de la inteligencia artificial, argumentando que un simple token de pago no garantiza la libertad del usuario. El autor propone la creación de un Crédito de Computación Portátil (PCC), un instrumento financiero y técnico que permitiría transferir derechos de procesamiento entre distintos proveedores sin restricciones corporativas. Este sistema busca solucionar la fragmentación actual, donde los saldos prepagados quedan atrapados en plataformas cerradas como OpenAI o Anthropic. Para lograrlo, Wright detalla un protocolo integral que abarca desde manifiestos de trabajo firmados hasta la verificación técnica mediante computación confidencial. En última instancia, la obra sostiene que la verdadera autonomía radica en la capacidad de validar el rendimiento y trasladar el valor económico sin depender del permiso de una entidad centralizada.
Fuente
Decentralization Is Not a Token
Craig Wright
Sep 01, 2026
https://t.me/S_Tominaga/5578
Cuaderno
https://notebook.google.com/notebook/dc6a99ff-4f06-44c2-8f5c-10607d7dd7a1?authuser=7
Audio
Decentralization Is Not a Token
1 fuente (36 páginas)
1 sept 2026
(Audio 18:54 min)
Craig Wright critica la noción superficial de la descentralización en el sector de la inteligencia artificial, argumentando que un simple token de pago no garantiza la libertad del usuario. El autor propone la creación de un Crédito de Computación Portátil (PCC), un instrumento financiero y técnico que permitiría transferir derechos de procesamiento entre distintos proveedores sin restricciones corporativas. Este sistema busca solucionar la fragmentación actual, donde los saldos prepagados quedan atrapados en plataformas cerradas como OpenAI o Anthropic. Para lograrlo, Wright detalla un protocolo integral que abarca desde manifiestos de trabajo firmados hasta la verificación técnica mediante computación confidencial...
Fuente
Decentralization Is Not a Token
Craig Wright
Sep 01, 2026
https://t.me/S_Tominaga/5578
Cuaderno
https://notebook.google.com/notebook/dc6a99ff-4f06-44c2-8f5c-10607d7dd7a1?authuser=7
1 fuente (36 páginas)
1 sept 2026
(Audio 18:54 min)
Craig Wright critica la noción superficial de la descentralización en el sector de la inteligencia artificial, argumentando que un simple token de pago no garantiza la libertad del usuario. El autor propone la creación de un Crédito de Computación Portátil (PCC), un instrumento financiero y técnico que permitiría transferir derechos de procesamiento entre distintos proveedores sin restricciones corporativas. Este sistema busca solucionar la fragmentación actual, donde los saldos prepagados quedan atrapados en plataformas cerradas como OpenAI o Anthropic. Para lograrlo, Wright detalla un protocolo integral que abarca desde manifiestos de trabajo firmados hasta la verificación técnica mediante computación confidencial...
Fuente
Decentralization Is Not a Token
Craig Wright
Sep 01, 2026
https://t.me/S_Tominaga/5578
Cuaderno
https://notebook.google.com/notebook/dc6a99ff-4f06-44c2-8f5c-10607d7dd7a1?authuser=7
🙏1
He pasado ahora tres meses descomponiendo sistemáticamente lo que los modelos de vanguardia pueden hacer realmente, en lugar de lo que dicen que pueden hacer sus departamentos de marketing, benchmarks y admiradores cada vez más excitados.
El resultado es bastante menos milagroso de lo anunciado.
Sí, un modelo de vanguardia puede leer y analizar un artículo académico. Lo que nadie se molesta en mencionar es que hay una enorme diferencia entre procesar un artículo y leer la maldita cosa.
El rendimiento habitual es esencialmente una cita intelectual rápida. Encuentra la tesis. Extrae las afirmaciones clave. Localiza la metodología. Resume los resultados. Produce varias observaciones graves sobre limitaciones. Veinte páginas han entrado en la máquina y, momentos después, sale algo que se asemeja lo suficiente a la erudición como para engañar a cualquiera que haya olvidado en qué consiste la erudición.
La lectura profunda es diferente.
Descubrí que para forzar una lectura cercana genuina, tengo que prohibir los atajos: nada de herramientas de búsqueda de cadenas, nada de recuperación conveniente de pasajes aislados, nada de cazar palabras clave y fingir que la proximidad constituye comprensión. El modelo tiene que trabajar a través del argumento, reconstruirlo, probar cada inferencia contra lo que vino antes, seguir definiciones a medida que mutan a lo largo del artículo, examinar tablas contra la prosa que las interpreta, rastrear calificaciones, identificar contradicciones y regresar repetidamente a pasajes anteriores cuando los posteriores alteran su significado.
En otras palabras, uno debe forzar a la inteligencia artificial a sufrir aproximadamente las mismas indignidades previamente reservadas para los estudiantes.
Y entonces sucede algo interesante.
Puede hacerlo.
No brillantemente. No al nivel de un erudito de primera. Ni remotamente al nivel sugerido por los habitantes más evangélicos de LinkedIn, para quienes la llegada de un chatbot aparentemente hizo redundantes a Oxford, Cambridge y varios siglos de erudición acumulada en algún momento del martes pasado.
Lee aproximadamente al nivel de un estudiante de segundo año competente.
El precio es magnífico.
Para un artículo académico ordinario de quizás veinte páginas, forzar genuinamente al modelo a través de la lectura cercana, reconstrucción, crítica, verificación y reanálisis puede consumir algo del orden de 20 millones de tokens a lo largo de múltiples sesiones. Una sesión generalmente es insuficiente. La máquina agota sus límites de trabajo y tiene que ser llevada adelante, más o menos como un estudiante después de descubrir tanto las notas al pie como el alcohol.
Veinte millones de tokens.
Para lograr que una máquina lea veinte páginas correctamente.
Hay algo exquisitamente cómico en esto. Hemos construido centros de datos que consumen cantidades extraordinarias de electricidad, los hemos llenado con algunas de las máquinas computacionales más caras que la humanidad ha producido jamás, hemos entrenado modelos en una fracción sustancial de la escritura humana accesible, y el triunfo eventual es:
Estudiante de segundo año.
Admitidamente, uno que no duerme, no se queja de la lista de lecturas, no desarrolla una enfermedad misteriosa antes de los tutoriales, ni explica que el artículo era inaccesible a pesar de haber sido subido directamente al lado de la tarea.
Pero aún así: estudiante.
Esta es también la razón por la que me he vuelto profundamente suspicaz de las afirmaciones de que los modelos han “revisado” cientos o miles de artículos. Generalmente no han hecho nada de eso. Los han buscado, comprimido, clasificado, extraído proposiciones de ellos o consumido fragmentos convenientemente seleccionados. Esas son operaciones útiles. Llamarlas lectura simplemente le pone una birreta a la recuperación de información.
CSW
Sep 4, 2026
https://x.com/Dr_CSWright/status/2095849090424954895
El resultado es bastante menos milagroso de lo anunciado.
Sí, un modelo de vanguardia puede leer y analizar un artículo académico. Lo que nadie se molesta en mencionar es que hay una enorme diferencia entre procesar un artículo y leer la maldita cosa.
El rendimiento habitual es esencialmente una cita intelectual rápida. Encuentra la tesis. Extrae las afirmaciones clave. Localiza la metodología. Resume los resultados. Produce varias observaciones graves sobre limitaciones. Veinte páginas han entrado en la máquina y, momentos después, sale algo que se asemeja lo suficiente a la erudición como para engañar a cualquiera que haya olvidado en qué consiste la erudición.
La lectura profunda es diferente.
Descubrí que para forzar una lectura cercana genuina, tengo que prohibir los atajos: nada de herramientas de búsqueda de cadenas, nada de recuperación conveniente de pasajes aislados, nada de cazar palabras clave y fingir que la proximidad constituye comprensión. El modelo tiene que trabajar a través del argumento, reconstruirlo, probar cada inferencia contra lo que vino antes, seguir definiciones a medida que mutan a lo largo del artículo, examinar tablas contra la prosa que las interpreta, rastrear calificaciones, identificar contradicciones y regresar repetidamente a pasajes anteriores cuando los posteriores alteran su significado.
En otras palabras, uno debe forzar a la inteligencia artificial a sufrir aproximadamente las mismas indignidades previamente reservadas para los estudiantes.
Y entonces sucede algo interesante.
Puede hacerlo.
No brillantemente. No al nivel de un erudito de primera. Ni remotamente al nivel sugerido por los habitantes más evangélicos de LinkedIn, para quienes la llegada de un chatbot aparentemente hizo redundantes a Oxford, Cambridge y varios siglos de erudición acumulada en algún momento del martes pasado.
Lee aproximadamente al nivel de un estudiante de segundo año competente.
El precio es magnífico.
Para un artículo académico ordinario de quizás veinte páginas, forzar genuinamente al modelo a través de la lectura cercana, reconstrucción, crítica, verificación y reanálisis puede consumir algo del orden de 20 millones de tokens a lo largo de múltiples sesiones. Una sesión generalmente es insuficiente. La máquina agota sus límites de trabajo y tiene que ser llevada adelante, más o menos como un estudiante después de descubrir tanto las notas al pie como el alcohol.
Veinte millones de tokens.
Para lograr que una máquina lea veinte páginas correctamente.
Hay algo exquisitamente cómico en esto. Hemos construido centros de datos que consumen cantidades extraordinarias de electricidad, los hemos llenado con algunas de las máquinas computacionales más caras que la humanidad ha producido jamás, hemos entrenado modelos en una fracción sustancial de la escritura humana accesible, y el triunfo eventual es:
Estudiante de segundo año.
Admitidamente, uno que no duerme, no se queja de la lista de lecturas, no desarrolla una enfermedad misteriosa antes de los tutoriales, ni explica que el artículo era inaccesible a pesar de haber sido subido directamente al lado de la tarea.
Pero aún así: estudiante.
Esta es también la razón por la que me he vuelto profundamente suspicaz de las afirmaciones de que los modelos han “revisado” cientos o miles de artículos. Generalmente no han hecho nada de eso. Los han buscado, comprimido, clasificado, extraído proposiciones de ellos o consumido fragmentos convenientemente seleccionados. Esas son operaciones útiles. Llamarlas lectura simplemente le pone una birreta a la recuperación de información.
CSW
Sep 4, 2026
https://x.com/Dr_CSWright/status/2095849090424954895
Un lector serio nota no solo lo que un autor dice, sino lo que el argumento requiere que el autor haya querido decir; dónde una definición cambia silenciosamente; dónde un resultado empírico soporta una proposición más débil de la que reclama la prosa; dónde una nota al pie detona el párrafo de arriba; y dónde tres oraciones individualmente plausibles se convierten en sinsentido cuando se colocan una al lado de la otra.
Lograr que un modelo de vanguardia haga eso es posible.
...
CSW
Sep 4, 2026
https://x.com/Dr_CSWright/status/2095849090424954895
Lograr que un modelo de vanguardia haga eso es posible.
...
CSW
Sep 4, 2026
https://x.com/Dr_CSWright/status/2095849090424954895
Who Pays the Guards? Automation, Repression and the Price of Loyalty
6 Pages
Posted: 5 Sep 2026
Dr Craig S Wright
University of Exeter; University of London, Birkbeck College, School of Social Sciences, History and Philosophy, Politics, Students
https://x.com/CsTominaga/status/2096438673692934295
6 Pages
Posted: 5 Sep 2026
Dr Craig S Wright
University of Exeter; University of London, Birkbeck College, School of Social Sciences, History and Philosophy, Politics, Students
https://x.com/CsTominaga/status/2096438673692934295
X (formerly Twitter)
S Tominaga (Aka Dr Craig Wright) (@CsTominaga) on X
Who Pays the Guards? Automation, Repression and the Price of Loyalty (2026-09-05)doi: https://t.co/RGBxvaCGQW
The Quantum SImulator...
https://www.linkedin.com/pulse/quantum-simulator-craig-wright-ngwic?utm_source=share&utm_medium=member_android&utm_campaign=share_via
https://www.linkedin.com/pulse/quantum-simulator-craig-wright-ngwic?utm_source=share&utm_medium=member_android&utm_campaign=share_via
Linkedin
The Quantum SImulator...
There is something exquisitely modern about the quantum-computing industry: it has discovered that possessing the thing is considerably less important than possessing a sufficiently expensive vocabulary for describing the thing. IBM will, quite seriously…