PHYSICS · 物理、工程与化学芒格亲口讲过

072临界质量Critical Mass

系统越过某个门槛后会自我维持并加速;门槛之下,投入再多也会慢慢熄灭。

01原理

在核物理里,一块裂变材料够不够“临界”,看的是一个倍数:每次裂变放出的中子,平均能再引发几次新的裂变。这个倍数小于 1,反应一代比一代弱,很快熄灭;等于 1,刚好自我维持;大于 1,就按指数增长。临界质量就是让倍数跨过 1 的那个量。要紧的不是“多”,而是“跨没跨过”:差一点和超一点,结果是熄灭与持续之别。

芒格把这个物理概念当作看商业的工具。一个社区、一个平台、一种口碑,往往也有门槛:门槛之下,新来的人带来的价值留不住自己,更招不来下一个人,增长全靠你持续地推;门槛之上,用户自己把下一批用户带进来,增长开始变成拉。很多看上去是线性的生意,其实是这种带门槛的非线性系统。

对 10 人以内的团队,这个模型最实际的含义是集中。钱和人有限时,在五个方向各做到门槛的六成,等于五次熄灭;在一个足够小的圈子里先越过门槛,才有自我维持的东西。而门槛高低,很大程度取决于你把圈子划多大。

为什么成立

底层是正反馈加阈值。网络类产品里,每个人得到的价值取决于已经有多少人在用;内容社区里,供给吸引需求,需求又吸引供给。只要“每个用户平均带来的下一个用户”低于 1,曲线就往下弯;一旦高于 1,同一个反馈机制会把小领先放大成压倒性优势。

第二层是损耗。真实系统里的“中子”会漏掉:用户流失,内容沉底,注意力被别家吸走。所以临界点不是一个固定人数,而是自我复制的速度压过损耗速度的那条线。降低损耗和扩大规模一样,都能把系统推过临界。

第三点:临界附近的系统对小变化非常敏感,早期数据因此容易骗人。离临界很远时,加倍投入只换来稍慢的衰减;刚越过之后,小改进就能明显改变曲线。判断时要盯比率和趋势,而不是绝对量。

02芒格怎么说

芒格在 1994 年南加大商学院的《关于基本的、普世的智慧》演讲里,把临界质量和工程学的后备系统、断裂点并列,称它是来自物理学的“非常有力的模型”,并说这些模型对观察日常现实很有用。他没有在那次演讲里展开定义,但同一场演讲讲规模优势时,用日报的例子描述了发行与广告互相喂养、最后一路滑向赢家通吃的过程,这正是临界质量在商业里的样子。我们在他其他公开演讲里没有找到对这个模型的专门阐述,因此本章的展开部分是编者的归纳。

The notion of a critical mass—that comes out of physics—is a very powerful model.

临界质量这个概念——它来自物理学——是一个非常有力的模型。

1994 年南加大商学院演讲,与后备系统、断裂点一起列举 · A Lesson on Elementary, Worldly Wisdom As It Relates to Investment Management & Business
All of these things have great utility in looking at ordinary reality.

所有这些东西,在观察日常现实时都非常有用。

同一段,紧接在列举临界质量等模型之后 · A Lesson on Elementary, Worldly Wisdom As It Relates to Investment Management & Business
So it tends to cascade to a winner take all situation.

所以它往往会一路滑向赢家通吃的局面。

同一演讲,谈日报的规模优势时 · A Lesson on Elementary, Worldly Wisdom As It Relates to Investment Management & Business

03怎么用

  1. 01

    先划一个能赢的小圈子

    选一个垂直人群、一个渠道或一个城市,估算在里面让用户彼此有用至少需要多少人、多少内容,再把预算和人手集中到这里。圈子过了临界,再向相邻人群扩,而不是一开始就铺全国。

  2. 02

    能借网络就别自建

    如果产品需要社交或社区才有价值,先考虑长在已有平台上(Discord、Slack、GitHub、微信群),借用对方现成的账户体系和使用习惯。自建网络意味着从零开始攒临界质量,这对小团队通常是最贵的一条路。

  3. 03

    把损耗当成和获客同等的变量

    每周同时看三个数:新增、留存、用户产出被别人再次使用的比例。把流失砍掉一半,相当于把门槛降低一截,而这往往比多投一倍广告便宜。

  4. 04

    给“未过临界”设止损线

    事先定一个时间窗和可度量的指标,比如自然新增占比、邀请率、留存曲线是否走平。到期仍明显低于临界,就换圈子或换机制,而不是继续加预算硬推。

04案例

经典案例1942 年 12 月

芝加哥一号堆:k 值 1.0006 的那一刻

1942 年 11 月 16 日起,费米的团队在芝加哥大学斯塔格球场西看台下的壁球场里两班倒施工,半个月堆出一个 57 层的石墨堆,中间嵌着铀燃料。12 月 2 日,乔治·威尔按费米的指令一节节抽出镉控制棒,大家盯着计数器读中子增殖系数 k。当天下午,k 达到 1.0006,中子强度开始自行攀升,人类第一次实现了自持链式反应。费米只让它运行了不到 5 分钟,热功率约 0.5 瓦,就下令关停。这个案例把临界质量的两面都摆了出来:决定性质的只是“超过 1”的那一点点;而在越过临界之前,控制棒已经准备好了。[2][3]

经典案例20 世纪中后期(芒格 1994 年回顾)

一城一报:发行和广告互相喂养

芒格在 1994 年的演讲里指出,美国除了少数大城市,几乎每个城市都只剩一家日报。他的解释很直接:拿到大部分发行量的报纸,就拿到大部分广告;广告和发行又让它内容更厚,读者没有理由去买更薄的那份。用临界质量的眼光看,领先者的“发行—广告”循环先越过了自我维持的门槛,落后者的循环倍数掉到 1 以下,哪怕还在努力也会萎缩。临界点决定的不只是你能不能长大,也决定对手会不会消失。[1]

AI 团队2022 年

Midjourney:10 人团队借 Discord 攒人

Midjourney 在 2022 年 7 月 12 日开放公测,当时团队大约 10 人、没有外部投资。它没有做独立 App,而是让用户在 Discord 服务器里输入提示词出图。创始人霍尔茨对 The Verge 解释:人们想一起创作,做成 iOS 应用就得自己搭一个社交网络,那太难了。免费额度生成的图都出现在公开频道,默认人人看得见别人的作品,要私密就得买更贵的订阅。同年 8 月,他说社区已有约一百万人在共享空间里互相借鉴。这里有两步:借 Discord 现成的账户和社区习惯,把攒人的门槛压低;再让每张图默认公开,把每个用户的产出变成下一个用户的灵感和教程,相当于减少“中子泄漏”。他同期告诉 The Register,公司已经盈利。[4][5][6]

AI 团队2023–2025 年

Chatbot Arena:先发布,再攒票

2023 年 5 月 3 日,伯克利 LMSYS 的研究者发布 Chatbot Arena:用户同时和两个匿名模型对话,投票选更好的一个,投完才揭晓名字,再用 Elo 等级分排名。第一份榜单只基于上线约一周收集的约 4,700 张有效票、9 个模型。排行榜的价值几乎全部来自数据量:票少则排名噪声大,模型方不在乎;票多了排名才有信号,模型方才愿意把新模型送进来,新模型又吸引更多用户投票。团队没有等数据攒够再发,而是公开早期榜单、承诺定期更新、邀请社区贡献票和模型。到 2024 年 3 月的论文,平台已积累超过 24 万张票;2025 年 5 月,团队成立的 LMArena 以 6 亿美元估值融资 1 亿美元。[7][8][9]

05误用与边界

  • 把所有增长都当成临界问题

    很多 B2B 工具和个人效率产品没有网络效应,单个用户得到的价值不随用户总数变化。对这类产品硬讲“先攒规模再说”,只会补贴一批不会留下的人。先确认正反馈是否真的存在:用户多一个,老用户的体验有没有变好?

  • 事后才说“过了临界点”

    临界质量很容易沦为事后解释:成功了就说越过了临界,失败了就说还差一点。没有事先定义的指标(邀请率、自然新增占比、留存是否走平),这个词只是好听的叙事,帮不了决策。

  • 忘了越过临界之后的控制棒

    正反馈不挑内容。社区、开源项目、内容平台一旦越过临界,滥用内容、算力账单、支持请求也会一起自我放大。Midjourney 在高速增长时就得同时制定内容规则,霍尔茨说他们想要一个让人觉得安全的共享空间。提前想好哪些东西会跟着失控、谁来按下刹车。

06检查清单

下次做相关决策前逐条过一遍。勾选只保存在你的浏览器里。

0 / 7

08来源

  1. 1
  2. 2
    Race to the first nuclear chain reactionUniversity of Chicago News二手
  3. 3
    Chicago Pile-1Atomic Heritage Foundation / National Museum of Nuclear Science & History · 2016二手
  4. 4
  5. 5
    Holz, founder of AI art service Midjourney, on future imagesThomas Claburn, The Register · 2022二手
  6. 6
    MidjourneyWikipedia二手
  7. 7
  8. 8
  9. 9