思维模型 01|复利——世界上最被低估的力量
复利是世界第八大奇迹。
理解它的人赚取它,不理解它的人为它付出代价。
这句话常被挂在爱因斯坦名下,虽然没有可靠证据证明他说过。但这不重要,重要的是它指向了一个真实的现象:复利作为一种结构,远比大多数人意识到的更普遍、更强大。
我最初理解复利是在看投资书的时候。一笔钱每年增长 8%,十年翻一倍,三十年翻十倍——数字上很直观。但真正让我重新认识复利的,是我开始做内容之后。一篇文章写完发出去,短期内什么也没发生。但两年后回头看,那些最早写的东西——哪怕当时只有几十个人看——成了后面所有内容的地基。读者因为那些文章找到我,在那个基础上我才有可能做更深的东西。这不是线性增长,是复利。
这一篇要做的事情是:把复利从金融概念里拿出来,看看它作为一种思维模型,在知识、关系、健康这些领域里是怎么运作的。更重要的是,看看人类大脑为什么天生对复利有盲区——以及怎么用这个盲区的认知来改善你自己的决策。
一、复利的底层结构
复利的核心机制只有一句话:增长的基数本身在增长。 利息产生利息,知识产生新知识,一个好的关系打开另一个好的关系。
在金融领域,这个机制被表达为一个公式:A = P(1 + r)^t。本金 P,利率 r,时间 t。关键在于指数 t——时间不是乘上去的,是乘方上去的。这意味着在前期,复利的效果几乎看不见,但过了某个拐点之后,曲线会变得陡峭到超出直觉。
Charlie Munger 反复讲过一个观察:真正的财富不是靠一笔好的交易赚来的,而是靠让一个合理的回报率在足够长的时间里不断滚动。Berkshire Hathaway 从 1965 年到 2024 年,年化回报率大约 19.8%。听起来不算惊人——不到 20%——但持续近六十年的结果是总回报超过 5,500,000%。五百五十万倍。这个数字之所以反直觉,正是因为人类的大脑不是为理解指数增长而设计的。
但复利的思维模型价值不在金融,在于它揭示了一种普遍的结构。 凡是满足「产出会变成下一轮的输入」这个条件的系统,都在发生复利。知识是这样的:你学会了基础统计学,这让你能读懂研究论文,读懂论文让你能做出更好的判断,更好的判断让你写出更有价值的内容,更有价值的内容让更多人和你交流,交流又带来新知识。每一层都是上一层的利息。
关系也是这样的。你在一个领域里认真做事,遇到了一个同样认真的人,你们互相推荐了彼此的工作,这带来了新的读者和合作者,新的合作者又带来了新的可能性。这条链条一旦启动,增长的形状就不是线性的。
我自己做内容的经历完全符合这个结构。头两年几乎没有什么反馈,每篇文章的阅读量都低得让人怀疑自己在干嘛。但因为我没有停,那些早期积累的内容慢慢开始互相连接,形成了一个有厚度的知识体系。后来的增长不是因为某一篇文章突然火了,是因为整个体系的基数变大了,每一篇新文章都站在前面所有文章的肩膀上。
二、为什么你的大脑看不见复利
物理学家 Albert Bartlett 说过:「人类最大的缺陷是无法理解指数函数。」他用这句话开头,讲了一千多次关于指数增长的演讲,核心论点是人类习惯用线性思维理解世界,而很多最重要的现象——人口增长、资源消耗、传染病传播——都是指数性的。
行为经济学的研究证实了这一点。Stango 和 Zinman 在 2009 年发表于《American Economic Review》的研究发现,人们在估算复利效果时存在系统性的低估——他们称之为「指数增长偏差」(exponential growth bias)。具体来说,当你让人估计一笔钱在一定利率下若干年后会变成多少时,大多数人给出的数字远低于实际值。而且这个偏差不是随机的,是方向一致的:几乎所有人都低估,几乎没有人高估。
这个偏差有进化上的合理性。在人类祖先的生存环境里,大部分变化确实是线性的——走十步就离猎物近十步,摘两个果子就多两个果子。指数增长在自然界虽然存在(比如细菌繁殖),但不是日常生存需要追踪的东西。所以我们的大脑默认用线性模型来预测未来,这在大多数日常场景下够用,但在面对复利型系统时会严重失准。
这个偏差在生活中的表现比你想象的广泛。
比如学习。很多人在学一个新技能的前三个月里放弃了,因为进步太慢。但大部分技能的学习曲线不是线性的——前面的积累在为后面的加速做准备。编程是这样的,写作是这样的,投资知识也是这样的。你看不到进步不是因为没有进步,是因为你在复利曲线的前半段,那里的斜率几乎是平的。
再比如健康。每天运动三十分钟,第一个月的变化微乎其微。但一年后、三年后、十年后,那些坚持运动的人和不运动的人之间的差距,是指数级的。这不是夸张——心血管健康、骨密度、认知功能的衰退曲线都有复利的特征,只不过方向是往下的。你今天的每一次运动都不只是「消耗了三百卡」,它是在给未来的你存一笔「健康利息」。
三、负复利:消耗也在滚雪球
复利不只在正方向上起作用。消耗也会复利。 这是这个模型里最容易被忽略的一面。
信用卡债务是最直观的例子。年利率 18% 的信用卡债务,如果只还最低还款额,一万块钱的账单可以在几年内滚到两万、三万。你付的利息在产生利息的利息。这也是复利,只不过方向对你不利。
但负复利的模型价值不只在金融。信任的消耗也是复利的。一个团队里如果有一个人反复食言,最初的影响很小——大家会想「也许他有难处」。但每一次食言都在消耗信任的基数,第三次、第四次的效果不是第一次的三倍四倍,而是远远超过,因为基数已经缩小到了一个脆弱的程度。到最后,即使那个人做了一件好事,别人也会先怀疑动机。信任的复利,建设是慢的,消耗是快的。
健康上的负复利更隐蔽。久坐不动不只是「没有锻炼」,它在让你的心肺功能、肌肉量和代谢水平以复利的方式下降。今天少动一点,明天身体的基线就低一点,后天在那个更低的基线上再少动一点。二十年后你发现自己爬两层楼就喘,不是因为衰老突然发生了,是因为负复利积累了二十年。
我自己有一段时间的工作习惯就是负复利的典型。为了赶进度,我连续几周压缩睡眠。短期看好像赢了时间,但精力下降导致工作质量变差,工作质量变差导致需要返工,返工又需要更多时间,于是继续压缩睡眠。这就是一个负复利的循环——你以为你在透支,实际上你在为透支本身支付利息。直到我强制自己恢复正常作息,这个循环才断掉。
一个有用的练习是:区分你生活中什么在正复利、什么在负复利。 不需要精确计算,只需要判断方向。你的学习投入是在积累还是在停滞?你的重要关系是在加深还是在变淡?你的身体状态是在上行还是在下行?方向比速度重要,因为复利会放大方向。
四、复利的三个变量和一个常被忽略的变量
回到那个公式:A = P(1 + r)^t。三个变量:本金 P、利率 r、时间 t。
大多数人在思考复利时会关注利率——「怎么找到更高回报的投资?」「怎么学得更快?」但 Munger 和 Buffett 反复强调的是另一个变量:时间。 Buffett 九十九percent以上的财富是在 50 岁之后获得的,不是因为他 50 岁之后突然变聪明了,而是因为复利需要时间来展开它的力量。他从 11 岁开始投资,真正让他和其他优秀投资者拉开差距的,不是他的回报率最高,是他的时间最长。
这对普通人的启示很实际:在大多数领域里,开始的时间比优化的方法更重要。 一个 25 岁开始每年投资 5 万、年化 7% 的人,到 60 岁时的总额会超过一个 35 岁开始每年投资 8 万、年化 7% 的人。早开始十年的威力,比每年多投 3 万还大。
但还有一个常被忽略的变量:中断。 复利的力量来自「不间断」——连续滚动是这个机制的前提条件。每一次中断,你都在损失那段时间里本应产生的「利息的利息」。这个损失远比你直觉上以为的大。
在投资里,错过最好的几天的影响常被用来说明这一点。JP Morgan 的一项分析显示,如果你在 1999 年到 2019 年间一直持有标普 500 指数,年化回报率约 6.06%。但如果你错过了这二十年里涨幅最大的 10 天,回报率降到 2.44%。错过最大的 20 天,回报率变成 0.08%。几乎归零。二十年里只有 20 天——约 0.4% 的交易日——但错过它们就失去了几乎全部收益。
这个逻辑在学习和创作上同样成立。我认识不少做内容的人,他们的能力不差,但产出断断续续——写三个月停半年,再写两个月又停了。每次重新开始,之前积累的读者关注度、搜索引擎权重和自己的写作手感都衰减了。他们不是没有能力复利,而是不断地在「重启」,每次重启都损失了前一轮的利息。
所以复利思维的核心行动不是「找到最高回报率」,是「选定方向后不要停」。 用一句粗暴但准确的话说:持续做一件回报率还行的事,比间歇性地做一件回报率很高的事,最终结果要好得多。
五、复利思维在日常决策中怎么用
把复利当作一个决策工具,核心问题是:这个选择的回报会随时间自我放大,还是只产生一次性的效果?
我把这叫做「复利检验」。每次面对一个需要投入时间或资源的决定时,可以问自己三个问题:
第一,这件事的产出能变成下一轮的输入吗? 学一个可迁移的技能——比如写作、数据分析、系统思维——它的产出能在不同场景里反复使用,这就是复利型投入。而死记一套只适用于当前工作的流程,换一个岗位就清零了,这是线性型投入。
第二,时间会让这件事变得更容易还是更难? 建立个人品牌、积累专业声誉、深化核心关系——时间越长,这些事情的基数越大,做起来反而越容易。但追热点、做短期套利、维持表面社交——这些事情不会因为你做得久就变容易,有时候反而越来越累。
第三,中断的代价是什么? 有些事情中断一段时间影响不大——比如你的烹饪技能不会因为两个月没做饭就消失。但有些事情的中断代价极高——比如一段正在深化的合作关系,你突然消失三个月,信任基数就缩水了。对中断代价高的事情,要更认真地保护连续性。
我自己在做投资决策时会用这个框架。当我在考虑要不要花时间研究一个新的资产类别时,我会先问:这个知识是一次性的还是可积累的?理解一家公司的具体季度财报是一次性的,下个季度就过期了。但理解商业模式分析的方法论是可积累的,它让我在分析任何公司时都更快、更准。所以我倾向于把时间花在后者上。
还有一个实用的应用:用复利思维来筛选习惯。 不是所有「好习惯」都值得同等投入。一个每天阅读三十分钟的习惯,如果你读的是和自己专业方向相关的书,知识会复利——今天读的东西能帮你理解明天读的东西。但如果你每天读的都是不相关的碎片信息,知识不会复利,只会堆积。同样是三十分钟,一个在复利,一个只是在「消费」。
六、复利思维在哪里会让你更蠢
每个好的思维模型都有失效的边界,复利也不例外。盲目套用复利思维至少会在三个地方出问题。
第一,它会让你过度坚持错误的方向。 「不要中断」的逻辑很有力,但前提是方向是对的。如果你花了三年学一个即将被技术淘汰的技能,那三年不是在复利,是在沉没。复利思维需要搭配一个定期检查方向的机制——至少每年问自己一次:我正在积累的东西,五年后还有价值吗?这和认知校准 03里讲的信念更新是同一件事。
第二,它会让你低估运气和突变的作用。 复利模型假设增长是平滑的、可预测的,但现实世界里充满了非线性的跳跃——一个偶然的机会、一次意外的失败、一个行业的突然转向。Taleb 在《黑天鹅》里讲的核心观点就是:极端事件的影响远大于渐进积累。过度依赖复利思维可能让你忽视准备应对极端事件,关于这一点,思维模型 06会专门展开。
第三,它可能让你把人际关系当成投资来算计。 「关系也在复利」这个说法是对的,但如果你开始用投资回报率的思路来经营关系——「这个人对我有用吗?」「和他来往的回报率是多少?」——你大概率会破坏真正有价值的关系。好的关系之所以能复利,恰恰是因为双方都不是在「算账」。把复利模型用来理解关系的结构是有益的,把它用来指导关系的经营是有害的。
这一篇之后,你可以做的
- 打开你的备忘录或日记本,画一条竖线分成两栏。左边写「正在复利的」,右边写「正在消耗的」。把你目前投入时间最多的五件事分别放进去。不需要精确,只判断方向。如果右边的比左边多,值得认真想想资源分配的问题。
- 如果你正在学一个新技能或做一个长期项目,回看一下自己有没有中断过。如果有,想想中断的代价是什么,以及这次能不能设计一个「最低维持量」——哪怕每天只投入十五分钟,也不断掉连续性。
- 对正在做投资的人:算一下你开始投资的年龄和你打算退休的年龄之间有多少年。然后用复利计算器(搜索「compound interest calculator」就行)看看每月定投不同金额在不同回报率下的终值。重点不是精确的数字,是感受「时间」这个变量的威力。
- 如果你经常觉得自己的努力「看不到效果」,可以试着画一条指数增长的曲线。标注你目前大概在曲线的哪个位置。如果你在前半段——那个几乎是平的部分——那恰恰说明你可能正在积累,只是还没到拐点。
- 对经常刷短视频或碎片内容的人:试着用复利检验来评估这件事——你今天刷的内容,明天还能帮你理解新的东西吗?如果答案经常是「不能」,考虑把一部分时间转移到可积累的输入上。不需要全部替换,先换三十分钟试试。
一点边界
- 复利是一个简化的思维模型,不是物理定律。现实世界里的增长几乎不会严格遵循复利曲线——会有波动、中断、衰减和突变。用它来把握方向是有用的,把它当成精确的预测工具会出问题。
- 「时间是最重要的变量」这个判断假设方向是对的。如果方向错了,时间越长,损失越大。复利思维必须搭配定期的方向检查。
- 这篇文章不构成投资建议。金融领域的复利计算需要考虑通胀、税收、费用和市场波动等因素,远比文中的简化模型复杂。
这个系列会讲什么
- 思维模型 01|复利——世界上最被低估的力量(本篇)
- 思维模型 02|概率——所有判断都是赌注
- 思维模型 03|反馈回路——系统为什么会自我加强
- 思维模型 04|逆向——先问怎么会输
- 思维模型 05|二阶效应——每个决定都有看不见的后果
- 思维模型 06|非对称——下注的正确姿势
- 思维模型 07|涌现——整体不等于部分之和
参考
- Stango & Zinman(2009),American Economic Review:Exponential Growth Bias and Household Finance
- Bartlett, Albert(1969-2004),反复演讲「Arithmetic, Population and Energy」,科罗拉多大学
- Munger, Charlie(2005),Poor Charlie's Almanack,Donning Company Publishers
- Buffett, Warren(2024),Berkshire Hathaway Annual Report
- JP Morgan Asset Management(2020),Guide to the Markets
没学会也不要紧,本来就不是一天的事。把重复交给 AI,把省下的力气拿去复利。