01原理
过度乐观说的是：人对自己想要的结果，会系统性地高估它发生的概率、低估它需要的时间和代价。芒格强调的关键词是“常态”。它不是失败者的自我安慰，也不是骗子的话术，而是普通人在顺境里的默认设置。买彩票的人未必穷困潦倒，很多人是日子过得不错，顺手买一张，心里真觉得“说不定就是我”。
芒格把它和“回避痛苦的否认”分成两条，这个区分对创始人很有用。否认是坏消息已经来了，人不肯看；过度乐观是坏消息还没来，人已经在按好消息做计划。前者容易被察觉，因为现实在敲门；后者很难察觉，因为它藏在一份看起来认真的预测表里：增长率、转化率、上线日期、下一轮融资，每个数字都偏一点，合起来就差很远。
芒格的处方不是“保持悲观”，而是换一套工具：别靠感觉估风险，要把事情拆成几个概率，老老实实乘一遍。他说这套算术当年是教给高中二年级学生的，难的不是算，而是养成每次都算的习惯。对小公司来说，乐观是开公司的燃料，问题只在于别让它同时担任会计。
为什么成立
心理学里与之最接近的是“计划谬误”。1994 年 Buehler 等人请 37 名心理学学生估计毕业论文要多久，平均估 33.9 天，连“最糟情况”也只估了 48.6 天，实际平均用了 55.5 天，只有约三成人按自己预测的时间完成。另一项研究里，学生给出“有 99% 把握完成”的日期，到那天只有 45% 的人做完。更说明问题的是加拿大报税人的调查：他们清楚自己过去总是拖，却仍然相信这一次会更快。也就是说，知道自己乐观，并不能自动纠正乐观。
原因有几层。一是想象未来时只看这件事本身，不去翻同类事情的历史，研究者称之为“聚焦”；二是解释过去时，把顺利归功于自己、把延误归给外部意外，于是历史数据被打了折；三是公开场合的预测更乐观，因为乐观的数字更好看。三层叠在一起，个人的直觉几乎必然偏向好的一侧。这也是芒格坚持用算术而不是用决心来对付它的原因：算术不在乎你希望什么。
02芒格怎么说
《人类误判心理学》2005 年修订稿把过度乐观列为第十三种倾向，篇幅很短。芒格从古希腊演说家德摩斯梯尼的一句话讲起：人希望什么，就会相信什么。他特意把它和“简单的、回避痛苦的心理否认”分开：否认是在痛苦面前闭眼，过度乐观则在一切顺利、没有任何威胁时也照样发生，他认为这是人的常态。他举了两个例子：过得很开心的人照样买彩票；人们曾以为赊账、送货上门的杂货店会取代大批效率极高的“现金自提”超市。他给的解药同样朴素：经过训练、养成习惯地使用费马和帕斯卡的初等概率算术，因为进化留给我们的风险直觉不够用。
an excess of optimism being the normal human condition, even when pain or the threat of pain is absent.
过度乐观是人类的正常状态，即使没有痛苦、也没有痛苦的威胁时也是如此。
One standard antidote to foolish optimism is trained, habitual use of the simple probability math of Fermat and Pascal
对付愚蠢乐观的一剂标准解药，是经过训练、成为习惯地使用费马和帕斯卡的简单概率算术
The mental rules of thumb that evolution gives you to deal with risk are not adequate.
进化给你的那些应对风险的心理经验法则，是不够用的。
03怎么用
- 01
把“默认结果”写下来，再写希望
每月做一张只有两条线的图：一条是假设开支不变、收入按过去三个月的实际增速走，现金能撑到哪天；另一条是计划里的曲线。两条线之间的差距，就是你正在指望的“好事”，要逐项写出名字：下一轮融资、某个大客户、某次发布。写不出名字的差距，就是纯粹的乐观。
- 02
排期先查自己的历史倍数
别从“这个功能要几天”开始估，先翻团队过去 10 个已完成任务：当时估多久，实际多久，算出平均倍数。新任务的直觉估计乘上这个倍数，才是对外承诺的日期。小团队数据少，也比没有强；只要坚持记录，这个倍数本身就会成为公司最有用的一个数。
- 03
把一个大判断拆成几个概率相乘
“这个大客户下个月签下来”听起来像一件事，其实是几件：对方预算批下来、法务过审、试点数据达标、采购不拖延。每一项给一个你愿意下注的概率，再乘起来。四个 80% 相乘只剩约 41%。这就是芒格说的费马和帕斯卡的算术，用在销售漏斗上最直接。
- 04
演示用最好的一次，计划用中位数的一次
AI 产品的演示天然挑最好的一次运行。对外展示可以这样，内部计划不行。做路线图和定价前，跑一批真实输入，看中位数和最差的 10% 长什么样，用那个数字去估支持成本、退款率和上线时间。
04案例
Webvan：26 座自动化仓库，押在“送货上门会很快赢”上
芒格在这一节里举的例子，是人们曾以为赊账、送货上门的杂货店会取代高效的自提超市。几十年后，网络生鲜公司 Webvan 又下了一次类似的注。据沃顿商学院的复盘，它 1999 年 6 月在旧金山湾区上线，同年 7 月与工程公司 Bechtel 签约，花 10 亿美元建 26 座高度自动化的仓库；高管预计仓库工人的效率是传统拣货的 10 倍。创始人路易斯·博德斯说，他看不出网络公司有什么理由要花五到十年才盈利。1999 年 11 月上市，发行价 15 美元，首日最高 34 美元，市值达 76 亿美元。现实是 2000 财年销售 1.78 亿美元、亏损 4.53 亿美元，上线后两年烧掉超过 12 亿美元，2001 年 7 月破产，约 2000 名员工几乎没有预警就被裁。乐观本身不致命，致命的是在需求被证明之前，就按最好的假设一次性买下了全国的产能。[2]
毕业论文实验：连“最糟情况”都估得太乐观
心理学家 Buehler、Griffin 和 Ross 请 37 名学生估计完成毕业论文的时间。平均估计 33.9 天；让他们设想“一切顺利”是 27.4 天，“一切都不顺”是 48.6 天。实际平均 55.5 天，比他们自己设想的最坏情况还晚了一周，只有约 30% 的人按预测完成。这个实验对创始人的提醒很具体：在计划会上补一句“那最坏情况呢”，并不能纠正乐观，因为“最坏情况”也是同一个乐观的大脑想出来的。要纠正，得引入外部数据，即同类任务过去实际花了多久。[3][4]
格雷厄姆的提问：一半创始人不知道自己是“默认活”还是“默认死”
Y Combinator 的保罗·格雷厄姆在《Default Alive or Default Dead?》里写，他见到运营八九个月以上的创业公司，第一个问题几乎总是：假设开支不变、收入保持过去几个月的增速，手里的钱能不能撑到盈利？让他吃惊的是，约一半的创始人答不上来。他认为原因之一是创始人默认下一轮融资会很容易，而这个假设常常是错的，越依赖它就越不成立。他的建议是不要用“含糊的乐观”看未来，而要把事实和希望分开说出来，比如“我们默认会死，但指望投资人救我们”。他还点名了最常见的死法：招人太快。这正是芒格说的过度乐观在创业公司里的样子：没有人撒谎，只是没人把那条默认曲线画出来。[6]
Rabbit R1：发布会上能做的事，到手后大多还不存在
AI 硬件初创公司 Rabbit 在 2024 年 1 月的 CES 上发布售价 199 美元的 R1，主打“大型动作模型”（LAM）：学会各种应用怎么用，替用户去操作。据 The Verge 的评测，超过 10 万人凭发布会上的承诺和演示预订了设备。5 月评测时，R1 只连接 Uber、DoorDash、Midjourney 和 Spotify 四个应用，评测者没能用它成功叫到一辆车、点到一份餐，并写道几乎看不到 LAM 在起作用。他还回忆，在 CES 现场演示时，创始人兼 CEO Jesse Lyu把设备做不到刚才所说的大部分功能归咎于 Wi-Fi。评测给了 10 分里的 3 分。这不是说团队存心夸大，过度乐观往往更隐蔽：在模型能力还在飞快变化的时期，人很容易把“几个月后应该能做到”当成“现在差不多能做到”，再把这个日期卖给用户。对小团队，对外承诺的应当是已经能稳定复现的能力，而不是路线图上的能力。[5]
05误用与边界
把“别过度乐观”变成“什么都不敢做”
芒格反对的是愚蠢的乐观，不是乐观本身。开公司本来就是在低基础概率下下注，如果每件事都按最坏情况准备，就什么都启动不了。正确的姿势是：可以乐观地选择去做，但要按现实的概率安排现金、排期和承诺，并留出犯错的余地。
以为算一遍概率就安全了
拆成概率相乘，前提是你给每个环节的概率本身靠谱。如果每个数字都是同一种乐观估出来的，乘法只会给乐观披上精确的外衣。概率要尽量来自同类事情的历史记录或外部数据，而不是会议室里的感觉。
把所有过于美好的预测都归为心理偏差
有些乐观的数字并不是自我欺骗，而是为了拿到融资或批准刻意压低的估计，研究者称之为“策略性误报”。两者的对策不同：对前者要换方法，对后者要换激励。分不清就会用心理学去解释一个激励问题。
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。
08来源
- 1
- 2
- 3
- 4
- 5
- 6