一、它到底是什么

这两个概念来自优化问题的研究，但讲的道理很日常：任何「最优」都要先问一句，这个最优是相对哪个范围说的。范围一换，答案就可能翻盘。人在做选择时，天然只能在自己知道的选项里挑，于是很容易把局部最优当成终点。

更麻烦的是，局部最优有一种黏性。它往往已经让你尝到甜头，改变意味着先变差再变好，中间那段下坡很劝退。所以很多人不是找不到更好的方案，而是不愿意离开那个已经舒服的小山顶。

二、为什么它管用、为什么人会这样

理解这组概念，能解释很多「明明在努力却越走越窄」的困境。人一旦在某个方向上取得成效，就会投入更多去优化它，注意力也越来越聚焦，结果视野收窄，看不到别的可能。这在个人职业、公司战略、产品设计里都常见。

还有一层原因叫路径依赖。过去的选择塑造了现在的资源、习惯和身份，让你倾向于沿着原路继续。你已经为这条路投入了很多，放弃就等于承认那些投入打了水漂。这种不愿认账的心理，会让人死死守着局部最优。

另外，局部最优往往看起来像勤奋。在一个小范围内把指标优化到极致，是能被看见、能被表扬的。而跳出范围去探索新方向，短期没有产出，还可能失败。组织的评价方式如果只看短期，就会奖励守着小山头的人，惩罚去爬大山的人。

三、什么时候会碰到它、该用它

• 一件事越做越顺手，但整体结果却停住了，甚至开始下滑。
• 团队反复优化同一个环节，问题却总是换个地方冒出来。
• 面对职业或业务方向的重大选择，犹豫要不要放弃现在这条。
• 发现自己所有努力都在「把已有的做得更好」，而没有「换一个做」。
• 复盘增长停滞或瓶颈期，怀疑是不是被眼前的最优困住了。

四、什么时候它不管用

不是所有事都值得去追全局最优。大范围探索成本高、耗时间，很多场景下把眼前的事做到不错，本就是最划算的选择。另外，全局最优往往只是个理想，现实中很难真正找到，你只能在有限信息下找一个「更好的」。所以这组概念的作用是提醒你去质疑范围的设定，不是逼你无限地找下去。

五、例子

六、最容易走偏的地方

• 把「更大的范围」当借口：有人用这个概念否定一切努力，一说优化就喊「这只是局部最优」，其实是在逃避把手上的事做好。
• 忽视转换成本：从小山头爬向大山是要先下山再上山的。不考虑过渡期的代价，盲目追全局最优，容易在半路耗死。
• 以为全局最优能算出来：现实中你很难知道真正的全局长什么样，多数时候只是找到比现在更好的。别把概念当成能验证的标准答案。
• 只换范围不换评价标准：换了更大的盘子，如果还沿用旧的衡量方式，你测出来的仍然只是另一个局部。

七、怎么把它用起来

• 每次说「这是最好的办法」时，追一句：在多大的范围内最好，范围再大一圈会怎样。
• 定期做一次「越界检查」，故意去看几个和当前完全无关的选项。
• 把短期指标和长期结果分开看，警惕那些让当下数字好看但伤长远的做法。
• 给自己设探索额度，比如固定拿出一部分精力用来看新方向，不要求马上有产出。
• 复盘时问：这次卡住，是执行不够好，还是圈子太小了。
• 决定换方向前，先算清楚过渡期要付的代价，别只看目标山有多高。

八、它和「近似最优」不一样

近似最优说的是，在已知的全部选项里，找一个足够接近最佳、又省算力的答案，它承认算不完，所以退而求其次，范围没变。局部最优说的是，范围本身被你设小了，你找到的可能是这个小范围里的真正最好，问题出在框架。

一句话区分：近似最优是「我在整个盘子里挑了个差不多好的」，局部最优是「我根本没看见整个盘子」。前者是算力问题，后者是视野问题。前者可以接受，后者需要警惕。

九、常问的几个问题

怎么知道自己正在局部最优里？

一个信号是：投入越来越多，改进却越来越小，而且说不清为什么继续这条路。另一个信号是，你很久没有认真考虑过完全不同的选项。

跳出去一定要放弃现在吗？

不一定。可以先做小规模试探，用一部分资源去试另一条路，成了再转，不必一次性推倒。

是不是永远找不到全局最优？

对，多数情况下找不到。有意义的做法是把比较范围合理地放大，找到一个当时看来更好的方案，然后继续往前找。

相关

路径依赖、沉没成本、系统思维、探索与利用、次优解