文| 郭瑞东 

 

导语

 

这篇文的副标题来自老子“天下之难作于易，天下之大作于细；是以圣人终不为大，故能成其大。”，之所以引用这段话，是因为其说清楚了大小之辩对个人的关系，而这也是这篇小文的主题。今年上海的高考作文题目是“预测”，要想做好预测，你需要掌握规律，最好是普遍的统计意义上的规律。

 

那有没有一种适用于多个学科的通用法则了？不止可以用来解释生物的生老病死，还可以指导城市的兴衰与公司的成败。

---

 

在17年5月16号出的这本新书中，来自 Santa Fe 研究院的理论物理学家Geoffrey West给出了他的回答。

 

我写读书笔记时，不喜欢重复书中的内容，哪怕是转述。老老实实的去写，这不是我想做的。我知道这样会导致读书笔记读起来没那么干货十足，但读书的目的不只是储存知识，还应该是启发思考。

 

有这么一个笑话，老农说皇帝有钱到拿着金锄头去犁地。这个笑话之所以我会提起，是因为我们很多人其实也犯过类似的错误。当王健林说定一个小目标的时候，他也许是脱口而出的。这就难怪很多人想要拥有更多，至少要待在大城市里。然而红楼梦中却又说“大有大的难处”，这究竟是怎么回事了。

 

其实不管一个人是贫穷还是富贵，他每天消耗的卡路里其实差距不大，每天睡觉的床其实也是差不多大小的。富贵的人朋友多，不过人脑中的邓巴数决定了只有150个名字能够被记住，不管有多少人认识你。不管是富贵还是贫穷，你每天花时间交往的人只是那几个人。正是这些不变的东西，使得不同的大小会带来不同的影响。

 

正如同用不同的尺子去测量海岸线的长度，会得到不同的距离。任何商业上的讨论，都应该说清楚讨论的对象的大小。不同阶段的企业，不同大小的城市，面临着不同类型的问题，这样的话其实没有信息量的。只有弄清楚不同大小带来的影响，才可能对症下药。我们先看看几条你没有想到的大与小的差别。

 

从小城市来到大城市的人，会感觉他们走路的速度都那么快。美剧中看到那些在纽约健步如飞的大忙人，他们真的走路都比我们快吗。下图来自《scale》这本书，横轴是欧洲各城市的百万人口数，纵轴是平均的走路速度。我们看到纵轴有负数，不要以为是图上出错了，这里对纵轴对了对数变化，这样做的好处是纵轴不那么长，而且这些点看起来在一条直线上。对纵轴做对数变化，是一个常见的展示技术，以后看到这样的散点图，第一个要问的就是纵轴是否经过了对数变化。

这本书这样的图还有很多，但每多一个这样的图，就会有一半的读者读不下去的，是吧？那为什么拿这个举例子，是因为这个即贴近现实的经验，又能够联系起这本书的主题。你也许会怀疑为什么会有这样的现象，作者给出的解释是不管人们生活在大城市还是小城市，人们每天都会花一个小时在走路上，但是在大城市你要走的距离多，所以你需要走的更快。

 

是不是有些“相对论”的感觉，狭义相对论抓住了光速不变，而要想理解不同的规模带来的不同影响，也需要抓住一些恒定不变的东西。比如哺乳动物的心跳次数，心肌细胞的活性没有偏爱。不管是数十吨的蓝鲸，还是小仓鼠，都是固定的两亿次。血液流到毛细血管的速度也是固定的，太快了血液中的氧气就没法充分送到细胞，这恒定的血流速度，又决定了心脏每分钟跳动的次数。从而决定了不同大小的动物的寿命。同样的逻辑，回归到细胞的层面，DNA修复的机制在不同的动物中都是一样的，而人身体中的细胞，每过七年就会全部更新。更新细胞时免不了会在DNA中积累一些抄写错误，这决定了每个个体都会走向衰亡。而想要延缓这一系统性的错误积累，目前已知的有效办法是节食，摄入的卡路里少，细胞会对包含错误细胞容忍度降低。

 

管理学大师德鲁克晚年将管理学看成是“社会生态学”，强调从生态系统中学习管理的智慧。横向的借鉴，难免会有时显得牵强附会，最好能找出一种通用的规律，可以解释纷繁复杂的生物界的统一性。这相当于将书读薄。之后再将这个观点用来解释光怪陆离的商业现象或者科技进展，这相当于把书读厚。而要检验一个理论是否通用的标准，就是去看看这个理论是否适用于你自己，你自己可以去做实验。

 

公子曾经手动统计过巡洋舰群中不同人说话的次数，发现其符合幂律分布，即少数人说话的次数很多。这只是一个群，不同的群是否有着类似的规律，会不会有的群是10%的人承包了90%的话，有些群则是30%的人承包了70%的话。这些区别，是否能够预测出这些群本身的特征了。这样的统计，在大数据时代，变得更容易了。但若是你不知道预期发现什么，即使有这样的现象，也无法加以利用。而这是了解Scale及其背后的规律能带给我们的优势。

 

回到大有大的难处，大意味着复杂，意味着大企业中的严格的等级制度，冷淡的邻里关系，还意味着也许大企业的老板是最后一个知道企业要完的。但复杂也是有好处的，将地球当作一个整体来看，下面的图显示了那些能够改变地球面貌的大事发生的越来越频繁了。这里纵坐标已经经过了对数变换，但显示出来的仍然不是一个直线。但凡出现这样的趋势，这就体现了复杂程度变大后带来的规模效应，多样化，灵活性，这些都需要有足够的体量才能够实现。马太效应说的就是这样一种超线性的变化。

然而不要忘记了那些恒定的限制因素。“地球有足够的资源养活每一个人，却无法满足每个人的贪欲”。不管规模的大小，红皇后假说意味着我们如果跑的不够快，甚至无法留在当下的位置上。再结合上幸存者偏差，这可以解释幂律分布的成因，为什么长寿的老人，长寿的企业那么少，为什么不管是生物还是企业都无法持续增长，已存活的时间越长，幸存的几率也越低。对于每个个体，从《scale》这本书中我们可以学到以下的几点。

 

1 任何不谈论检测的精度的观测数据都是耍流氓；

 

2 大和小之间有相同的约束条件，有相似的优化目标；

 

3 大会带来规模上的成本优势，也会引出小的时候不存在的问题。