分享
如何实现超线性回报 | Paul Graham
输入“/”快速插入内容
如何实现超线性回报 | Paul Graham
原文地址：
http://paulgraham.com/superlinear.html
翻译：通往AGI之路，若有瑕疵之处，请在段落评论中斧正，谨此致谢
当我还是个孩子时，我最不明白的一件事是，绩效的回报是超线性的。
老师和教练常常告诉我们回报是线性的。我无数次听到：“你得到的”是“你付出的”。他们的出发点是好的，但这在很多情况下都不准确。
如果你的产品只有竞争对手的一半好，你不会得到一半的顾客。你会得不到任何顾客，最终倒闭
。
显而易见，商业领域中的绩效回报确实是超线性的。有人认为这是资本主义的缺陷，认为如果我们改变了规则，事情就不再如此。但超线性回报并不是我们制定的规则下的产物，它是这个世界的基本特征。无论是名声、权力、军事胜利、知识还是对人类的贡献，
在所有这些领域，都有“赢者通吃”的现象。
要真正理解这个世界，你必须明白超线性回报的概念。如果你有大志，那更应该深入了解它，因为这会是你乘风破浪的力量。
看起来有许多情况会存在超线性回报，但据我所知，这可以归结为两个基本原因：指数增长和阈值。
最典型的超线性回报是在你从事某项能够指数增长的活动时。以细菌培养为例：当细菌开始生长时，它们的增长是指数式的。但是，培养它们并不简单。这意味着擅长培养的人与不擅长的人之间的成果可能会有很大的差距。
初创公司也可能经历指数式的增长，我们在这里也观察到了相同的模式。有些初创公司成功地实现了高速增长，而大多数则没有。因此，你会看到两种截然不同的结果：
增长迅速的公司通常会变得极其有价值，而增长较慢的公司可能甚至都难以存续。
Y Combinator鼓励创始人更多地关注增长率，而不是具体的数字。这样在初创阶段，当绝对数字还很小的时候，他们不会轻易感到沮丧。同时，这也可以帮助他们确定重点：
他们可以将增长率作为指南，指导公司的发展方向。但最主要的好处是，关注增长率可以帮助你获得指数式的增长。
YC并没有明确告诉创始人，随着增长率“你会收获你所付出的”，但这句话确实非常接近事实。
如果增长率与绩效成比例，那么随着时间
t
的绩效
p
的回报将与
成比例。
即使经过数十年的思考，我发现这个公式仍然令人震惊。
当你的表现取决于你之前的成果时，你会经历指数级的增长。
但无论是从基因还是习惯上，我们都没有为此做好准备。没有人天生就懂得指数增长；每个孩子在第一次听到那个向国王请求第一天给一粒大米，接下来每天加倍的那个故事时，都会感到惊奇。
对于我们天然不理解的事物，我们会发展出应对的习惯，但对于指数增长，我们的习惯仍然很少，因为在人类历史中很少遇到这种情况。从理论上讲，畜牧业应该是一个例子：你拥有的动物越多，它们的后代就越多。但实际上，放牧地成了限制因素，没有办法使其指数级增长。
或者说，没有一个普遍适用的方案。有一种办法可以让领土成倍增长：通过征服。你控制的领土越多，你的军队就越强大，从而更容易征服新的领土。这就是历史上为什么出现了许多帝国。但建立或统治帝国的人非常少，所以他们的经验对日常习惯的影响并不明显。在大多数人眼中，皇帝是一个高高在上、令人敬畏的存在，而不是一个可以在自己生活中参照的标准。
在工业革命之前，指数增长的最常见案例可能是学术。你知道得越多，学习新事物就越容易。结果，当时和现在一样，是有些人对某些主题的知识比其他人多得多。但这也没有对思维习惯产生太大影响。尽管皇帝征服领土的观点可能会重复，因此可能有更多的帝国，
但在工业革命之前，这种帝国类型几乎没有实际影响。
在过去的几个世纪里，这种情况发生了变化。现在，有思想的皇帝可以设计出击败领土皇帝的炸弹。但这种现象仍然很新，当时还没有完全理解它。甚至很少有参与者意识到他们正在从指数增长中受益，也很少有人询问他们可以从其他情况中学到什么。
超线性回报的另一个来源体现在“赢家通吃”的表达中。在体育比赛中，表现和回报之间的关系是一个阶跃函数：
获胜的球队无论做得更好还是稍微好一点，都会获得一场胜利
。
阶跃函数的来源并不是竞争本身，而是结果中存在阈值
。
你不需要竞争来获得这些。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，具有一个超线性回报来源的情况往往也伴随着另一个来源。突破阈值可以带来指数级的增长：在战斗中取得胜利的一方通常损伤较轻，这使他们在未来更有胜算。
指数级增长有助于突破这些阈值：在一个受到网络效应影响的市场中，增长足够快的公司能够阻挡潜在的竞争者。
名声是一个结合了两种超线性回报来源的现象的有趣例子。名声以指数方式增长，因为现有的粉丝会带来新的粉丝。但它如此高度集中的根本原因是存在门槛：在普通人的认知中，一线明星的名额是有限的。
可能最能结合两种超线性回报来源的例子是学习。知识以指数方式增长，但也存在学习的阈值，例如学骑自行车。其中有些阈值与机器工具有相似之处：一旦你学会阅读，你就能更快地掌握其他知识。但所有阈值中最重要的是那些代表新发现的阈值。
知识似乎具有分形特性，这意味着当你深入一个知识领域的边缘时，你有时会发现一个全新的领域。如果你成功进入，那么你会率先获得在这个领域里的所有新发现。
牛顿、杜勒和达尔文都有过这样的经历。
是否有找寻具有超线性回报情境的通用规则呢？最直观的就是去寻找那些能够产生复利效应的工作。
工作复利有两种方式。它可以直接复利，在这种意义上，你在一个周期里的优秀表现可以使得你在下一个周期里表现得更好。例如，当你正在构建基础设施，或者在扩大受众群或品牌的时候。或者，工作可以通过让你学习而复合，因为学习也是一种复利效应。这第二种情况特别有趣，因为当你经历它的时候，你可能会感觉自己的表现不尽如人意。你可能没有达到你的短期目标。但是，如果你从中学到了很多，你实际上还是实现了指数级增长。
这也是硅谷对失败如此宽容的一个原因。
硅谷的人们并不是对失败持有盲目的容忍态度，他们只会在你从失败中学习和吸取教训时继续支持你
。但如果你真的这样做了，实际上你是一个很好的选择：
也许你的公司并没有如你所愿地成长，但你个人却得到了成长，这最终会带来回报。