标度律与幂律（Scaling Laws）
· · ·
物理量之间的关系为什么常常是幂律而非线性——以及为什么商业里幂律分布无处不在。
题目进度 0 / 0 ✓ 0
**预计时间：**15 分钟 + 20 分钟测验 = 35 分钟。
核心定义
标度律（Scaling Law）描述物理量如何随系统尺度变化。最常见的形式是幂律（Power Law）：y = ax^b。幂律分布指尾部极长——少数个体贡献绝大多数。
一、物理学的标度律
1.1 简单几何标度
如果一个物体的尺寸翻倍（2x）：
- 面积变为 4x（平方关系）。
- 体积变为 8x（立方关系）。
- 强度/体积比变为 1/4（平方反比）。
这就是为什么大象腿必须粗——体积按立方增长，但支撑力按面积增长。
1.2 Kleiber 定律——代谢率 vs 体重
生物学发现：动物的代谢率 ∝ 体重^(3/4)。从老鼠到大象，10⁶ 倍体重差异，代谢率只差 10⁴ 倍。
1.3 复杂网络标度律
Barabási-Albert 模型发现，许多现实网络的度分布是幂律分布：
- 互联网的链接数分布。
- 论文引用数分布。
- 城市人口分布。
1.4 自组织临界
Bak-Tang-Wiesenfeld 沙堆模型显示：系统自发演化到临界态，事件规模分布是幂律。这是为什么地震、森林火灾、停电都有”幂律尾”。
关键直觉
幂律分布在自然界无处不在——城市规模、收入分布、地震规模、网站流量。理解幂律 = 理解"赢家通吃"的底层逻辑。
二、商业里的幂律
2.1 财富的幂律分布
全球财富分布是典型的幂律——少数人拥有大多数财富。这是帕累托法则（80/20）的数学表达。
2.2 互联网的幂律
互联网经济几乎全部服从幂律：
- 网站流量——少数网站占大多数流量。
- App 下载——少数 App 占大多数下载。
- 音乐销量——少数艺人占大多数销量。
- 视频观看——少数视频占大多数观看。
2.3 销售业绩的幂律
销售业绩也常服从幂律：
- 少数销售员贡献大部分业绩。
- 少数产品贡献大部分收入。
- 少数客户贡献大部分利润。
2.4 风险的幂律
风险事件的分布也是幂律：
- 少数地震造成大部分损失。
- 少数金融危机造成大部分损失。
- 少数产品 bug 造成大部分用户流失。
三、对 PM/BA 的具体启示
3.1 接受幂律——不要期待平均分布
商业里很多指标是幂律分布：
- 少数客户贡献大多数收入——所以服务好 20% 关键客户。
- 少数功能贡献大多数使用——所以集中资源优化 20% 关键功能。
- 少数员工贡献大多数业绩——所以识别并留住 20% 关键员工。
3.2 网络效应 = 幂律放大器
网络效应会强化幂律分布：
- 产品越好 → 用户越多 → 数据越多 → 产品越好——正反馈放大优势。
- 对手越弱 → 用户越少 → 数据越少 → 产品越弱——正反馈放大劣势。
3.3 警惕"长尾"风险
幂律分布的尾部比直觉长得多。普通人会低估极端事件：
- 你认为最大地震是 8 级——其实 9 级地震是 8 级能量的 32 倍。
- 你认为最坏情况损失 100 万——其实幂律分布下有 1% 概率损失 1 亿。
- 你认为最差用户流失率 10%——其实幂律下有 1% 概率短期流失 80%。
3.4 用幂律思维做资源配置
幂律分布下，资源应该集中而非分散：
- 不要均匀分配营销预算——集中在少数高 ROI 渠道。
- 不要均匀投入研发资源——集中在少数关键产品。
- 不要均匀分配客户支持——优先服务 VIP 客户。
四、幂律的反面——不要迷信幂律
不是所有分布都是幂律：
- 人的身高——正态分布。
- 测量误差——正态分布。
- 考试分数——接近正态分布。
判断标准：
- 如果有正反馈 / 网络效应 / 复利 → 幂律。
- 如果是独立随机变量之和 → 正态。
- 如果是有上限的资源竞争 → 接近均匀。
五、测验（12 题）
1
幂律分布 y = ax^b 的核心特征？
2
为什么大象腿必须粗？
3
Kleiber 定律指出代谢率与体重的关系？
4
哪些网络服从幂律分布？
5
自组织临界（沙堆模型）的应用？
6
商业里幂律分布的例子？
7
"网络效应 + 幂律"的结果？
8
幂律分布下的极端事件？
9
幂律分布的资源分配策略？
10
人的身高服从什么分布？
11
哪些情况服从幂律？
12
帕累托法则（80/20）是？
读场景题
R1
R1. 场景：你的 SaaS 收入由 5% 大客户贡献 60%。从幂律思维应？
R2
R2. 场景：你的系统过去一年平均每月 2 次小故障，但有一次大故障损失 1 亿。从幂律风险思维应？
**下一步：**看 Lesson 0021 · 简并与多功能（Degeneracy）。