窥探-三十而立

原文链接： https://www.paulgraham.com/superlinear.html 不开加速器应该访问不到，我就把全文般来了。 2023 年 10 月我小时候对这个世界最不了解的事情之一就是绩效回报的超线性程度。老师和教练含蓄地告诉我们回报是线性的。“你付出多少就会得到多少”，我听过一千遍。他们的本意是好的，但这很少是真的。如果你的产品只有竞争对手的一半好，你就不会得到一半的客户。你没有客户，你就会破产。在商业领域，绩效回报显然是超线性的。有些人认为这是资本主义的一个缺陷，如果我们改变规则，它就不再是事实了。但绩效回报的超线性是世界的一个特征，而不是我们发明的规则的产物。我们在名望、权力、军事胜利、知识甚至对人类的利益中看到了同样的模式。在所有这些方面，富人越来越富。 [ 1 ] 如果不理解超线性回报的概念，你就无法理解这个世界。如果你雄心勃勃，就绝对应该这么做，因为这将是你冲浪的浪潮。超线性回报的情况似乎有很多种，但据我所知，它们可以归结为两个基本原因：指数增长和阈值。超线性回报最明显的例子是当你在研究某种呈指数增长的东西时。例如，培养细菌培养物。当它们生长时，它们会呈指数增长。但它们很难生长。这意味着擅长的人和不擅长的人的结果差异非常大。初创公司也可以呈指数增长，我们看到了同样的模式。有些公司设法实现了高增长率。大多数都没有。结果你会得到质的不同的结果：增长率高的公司往往会变得非常有价值，而增长率较低的公司甚至可能无法生存。Y Combinator 鼓励创始人关注增长率而不是绝对数字。这可以防止他们在早期因绝对数字仍然较低而灰心丧气。这还可以帮助他们决定关注什么：你可以用增长率作为指南针来告诉你如何发展公司。但主要的优势在于，通过关注增长率，你往往会得到呈指数级增长的东西。YC 并没有明确告诉创始人，增长率“一分耕耘一分收获”，但这与事实相差不远。如果增长率与绩效成正比，那么绩效 p在时间t内的回报将与p t成正比。即使经过几十年的思考，我仍然觉得这句话令人震惊。无论何时，当你做得好坏取决于你过去做得好坏时，你都会获得指数增长。但是我们的 DNA 和习俗都没有让我们为此做好准备。没有人会觉得指数增长是自然的；每个孩子第一次听到它时都会对这个故事感到惊讶，这个故事讲的是那个人第一天向国王要一粒米，然后每天将米粒的数量翻倍。我们自然而然地会发展出习俗来应对我们无法理解的事情，但我们也没有很多关于指数增长的习俗，因为人类历史上很少有这种例子。原则上，放牧应该是一种：你拥有的动物越多，它们的后代就越多。但在实践中，牧场是限制因素，而且没有计划让它成倍增长。或者更准确地说，没有普遍适用的计划。有一种方法可以成倍地扩大领土：通过征服。你控制的领土越多，你的军队就越强大，征服新领土就越容易。这就是为什么历史上充满了帝国。但创建或管理帝国的人太少，以至于他们的经历对习俗影响不大。皇帝是一个遥远而可怕的人物，而不是人们可以在自己生活中借鉴的教训。前工业化时代最常见的指数增长案例可能就是学术。你知道的越多，学习新事物就越容易。结果是，当时和现在一样，有些人对某些话题的了解程度惊人地高于其他人。但这也没有对习俗产生太大影响。尽管思想帝国可以重叠，因此可以有更多的皇帝，但在前工业化时代，这种帝国几乎没有实际效果。 [ 2 ] 这种情况在过去几个世纪里有所改变。现在，思想皇帝可以设计出击败领土皇帝的炸弹。但这种现象仍然如此新颖，我们还没有完全吸收它。甚至很少有参与者意识到他们从指数增长中受益，或者问他们可以从其他指数增长实例中学到什么。超线性回报的另一个来源体现在“赢者通吃”这一表达中。在体育比赛中，表现和回报之间的关系是一个阶跃函数：获胜的队伍无论表现好很多还是略好一点，都会获得一场胜利。 [ 3 ] 然而，阶跃函数的来源不是竞争本身。而是结果中存在阈值。你不需要竞争就能获得这些阈值。在你是唯一参与者的情况下可能会有阈值，比如证明一个定理或击中一个目标。值得注意的是，在一种超线性回报来源的情况下，往往也会有另一种超线性回报来源。跨越门槛会导致指数增长：战斗中的获胜方通常受到的损失较小，这使得他们在未来更有可能获胜。指数增长有助于你跨越门槛：在具有网络效应的市场中，增长速度足够快的公司可以排挤潜在的竞争对手。名气是一个有趣的例子，它结合了两种超线性回报来源。名气呈指数增长，因为现有的粉丝会给你带来新的粉丝。但它如此集中的根本原因是门槛：在普通人的头脑中，A 级名单的空间是有限的。结合两种超线性回报来源的最重要情况可能是学习。知识呈指数增长，但其中也有门槛。例如，学骑自行车。其中一些门槛类似于机床：一旦你学会了阅读，你就能更快地学习其他任何东西。但最重要的门槛是那些代表新发现的门槛。知识似乎是分形的，如果你努力突破一个知识领域的界限，有时你会发现一个全新的领域。如果你这样做了，你就会首先发现其中的所有新发现。牛顿做到了，杜勒和达尔文也做到了。是否有寻找超线性回报情况的一般规则？最明显的是寻找复合工作。工作有两种方式可以复合。它可以直接复合，也就是说，在一个周期中做得好会导致你在下一个周期做得更好。例如，当你在建设基础设施、发展受众或品牌时，就会发生这种情况。或者工作可以通过教你而复合，因为学习是复合的。第二种情况很有趣，因为你可能会觉得自己做得不好。你可能无法实现你的短期目标。但如果你学到了很多东西，那么你还是会获得指数级增长。这就是硅谷如此容忍失败的原因之一。硅谷的人不会盲目容忍失败。只有当你从失败中吸取教训时，他们才会继续押注你。但如果你这样做了，你实际上是一个不错的选择：也许你的公司没有按照你想要的方式发展，但你自己却做到了，这最终应该会产生结果。事实上，不包含学习的指数增长形式经常与学习混杂在一起，我们应该将此视为规则而不是例外。这产生了另一个启发式：永远学习。如果你不学习，你可能就不会走上一条通往超线性回报的道路。但不要过度优化你在学习。不要把自己限制在已经知道有价值的东西上。你在学习；你还不确定什么会是有价值的，如果你太严格，你就会砍掉异常值。阶跃函数呢？还有“寻找阈值”或“寻找竞争”形式的有用启发式方法吗？这里的情况比较棘手。阈值的存在并不能保证游戏值得玩。如果你玩一轮俄罗斯轮盘赌，你肯定会处于一个有阈值的情况，但在最好的情况下，你也不会变得更好。“寻找竞争”同样没用；如果奖品不值得争夺怎么办？足够快的指数增长保证了回报曲线的形状和幅度——因为增长足够快的东西即使一开始很小也会变大——但阈值只能保证形状。 [ 4 ] 利用阈值的原则必须包括测试，以确保游戏值得一玩。这里有一个原则：如果你遇到了平庸但仍然受欢迎的东西，那么最好换掉它。例如，如果一家公司生产的产品人们不喜欢但仍然会购买，那么如果你生产了更好的替代品，他们可能会购买。 [ 5 ] 如果有办法找到有前途的智力阈值就太好了。有没有办法判断哪些问题背后有全新的领域？我怀疑我们能否准确地预测这一点，但奖励是如此宝贵，以至于拥有比随机更好的预测因子将是有用的，而且有希望找到这样的预测因子。我们可以在某种程度上预测一个研究问题何时不太可能导致新发现：当它看起来合法但无聊时。而那些确实导致新发现的问题往往看起来非常神秘，但可能并不重要。（如果它们真的令人费解并且显然很重要，那么它们就会成为著名的开放式问题，很多人已经在研究它们了。）因此，这里的一个启发式方法是被好奇心而不是事业心所驱动——让你的好奇心自由发挥，而不是做你应该做的事情。对于雄心勃勃的人来说，超线性的业绩回报前景是令人兴奋的。而这个部门也有一个好消息：这个领域正在双向扩展。有更多类型的工作可以获得超线性回报，而且回报本身也在增长。造成这种情况的原因有两个，但它们之间紧密相连，更像是一个半：技术进步，以及组织重要性的下降。五十年前，要想从事雄心勃勃的项目，加入某个组织更为必要。因为这是获得所需资源的唯一途径，是结交同事的唯一途径，也是获得分销的唯一途径。所以在 1970 年，你的声望在大多数情况下就是你所属组织的声望。声望是一个准确的预测指标，因为如果你不属于某个组织，你就不可能取得多大成就。也有少数例外，最著名的是艺术家和作家，他们独自工作，使用廉价工具，拥有自己的品牌。但即使是他们，也要依靠组织来接触受众。 [ 6 ] 一个由组织主导的世界抑制了绩效回报的差异。但就在我有生之年，这个世界已经大大侵蚀了。现在，更多的人可以拥有 20 世纪艺术家和作家所拥有的自由。有很多雄心勃勃的项目不需要太多的初始资金，也有很多新的方式来学习、赚钱、寻找同事和接触受众。旧世界仍然保留着很多东西，但以历史标准来看，变化的速度是惊人的。特别是考虑到利害攸关的事情。很难想象还有比绩效回报变化更根本的变化。没有制度的阻尼作用，结果的差异会更大。这并不意味着每个人都会过得更好：做得好的人会过得更好，而做得不好的人会更糟。这是需要牢记的重点。并不是每个人都适合获得超线性的回报。大多数人作为群体中的一员都会过得更好。那么谁应该追求超线性的回报呢？雄心勃勃的人有两种：一种人知道自己很优秀，在一个差异更大的世界里会遥遥领先；另一种人，尤其是年轻人，有勇气尝试一下，看看自己是否能成功。 [ 7 ]