一、它到底是什么

非线性有两种表现值得记住。一种是放大，输入端一点变化，经过系统内部的层层反馈，输出端被放大数倍，天气里常说的「一只蝴蝶扇动翅膀」就是这种。另一种是饱和与衰减，投入过了某个点，再多也没用，边际效果趋近于零，就像往已经很饱的人嘴里继续塞饭。

它背后是系统和反馈。一个系统里各个部分互相牵动，某处的变化会沿着连接传出去，再绕回来影响自身，形成循环。只要循环的放大作用大于衰减，系统就可能对小小的初值极度敏感。理解非线性，等于承认「按比例推算」在很多地方会失灵。

二、为什么它管用 / 为什么人会这样

人偏爱线性，因为线性好记、好算、好承诺。说多花一倍时间就能做完，所有人都懂；说可能怎么努力都没用，也可能一下子全通了，没人爱听。大脑为了省事，默认把世界当成平滑的直线，这在日常估算里够用，却在指数增长、临界点、连锁反应面前严重误导。

非线性还解释了为什么努力和回报常常对不上。在接近临界点的系统里，前期的投入看起来毫无进展，因为改变在被内部的负反馈吸收掉，一旦越过某个临界值，正反馈接管，变化会突然加速。很多人就在看不到效果的漫长前期放弃了，而真正的跃变往往就在放弃点之后不远。

另一个原因是，人会低估连锁反应。一个决定不只带来一个结果，结果还会引发新的结果，层层传下去。线性思维只算第一层，非线性思维会问第二层、第三层。这种追问常常揭示出，表面上微不足道的小事，是怎么长成一件大事的。

三、什么时候会碰到它 / 该用它

• 当你发现再怎么加大投入，效果都上不去，可能是到了饱和区。
• 当你看到一个小变化引发了一连串远超预期的影响，想弄清它为什么被放大。
• 当你要评估一个决定的长远后果，需要多想几层连锁反应。
• 当你在做增长、传播、口碑这类有反馈循环的事，线性推算会严重失真。
• 当你面对一个系统出现突然翻转，想理解之前的平静里藏了什么。

四、什么时候它不管用

非线性不是万能钥匙，有些关系确实近似线性，比如按件计酬的简单劳动，多做一个就多一份钱，这时硬套非线性只会把问题复杂化。它也容易被当成借口，把任何失败都归给系统太复杂、不可预测，从而放弃该做的分析。非线性说的是关系和结构，不是让预测变成玄学。在数据充分、机制清楚的范围内，线性近似依然是好工具，关键是知道什么时候该换思路，而不是一味否定线性。

五、例子

六、最容易走偏的地方

• 当成不努力的借口：非线性不等于努力没用，而是努力的兑现方式不是匀速的。
• 迷信小动作翻盘：蝴蝶效应说的是敏感，不是随便扇一下就能改变天气，方向常常不可控。
• 忽略临界点前的隐忍期：看不到效果不等于没效果，很多积累在被系统吸收着。
• 只看第一层结果：连锁反应的害处和机会都在后面的层里，只算一层等于没算。

七、怎么把它用起来

• 先问这段关系到底是线性的还是非线性的，看投入翻倍时产出是不是也大致翻倍。
• 找出系统里有没有反馈回路，特别是能自我强化的正反馈。
• 在估计投入产出时，标出可能的临界点，判断自己现在离它有多远。
• 对关键决定多推两层：这个结果会带来什么，那个又会导致什么。
• 承认预测的误差范围，别给非线性的事情许一个精确的承诺。
• 在增长和传播类事情上，优先堆密度而不是撒胡椒面，密度是触发爆发的条件。

八、它和「线性思维」不一样

线性思维假设因果成比例，可加、可推、可预测，适合结构简单、反馈微弱的情况。非线性思维承认放大、饱和、突变、敏感，适合有反馈、有临界点、部分互相牵动的系统。线性思维给你确定的估算，非线性思维给你可能的区间和突变的预警。它们不是对错，是适配，用对了省事，用错了就出事。

九、常问的几个问题

非线性是不是就不可预测？

不是完全不可预测，而是不能精确预测，但可以判断趋势、方向和敏感点。

怎么知道自己到了临界点？

往往在临界前恢复力变弱，小扰动后越来越难回到原状，这是接近翻转的信号。

努力和回报不对等，是不是就不用努力了？

正相反，这类事情里前期的积累不可跳过，只是兑现不是即时的。

相关

反馈回路、临界点、蝴蝶效应、复利、指数增长