61指数增长盲区（Exponential Blindness）
费曼学习法：一句话讲明白
池塘里有一片荷叶，每天面积翻一倍。第 30 天，荷叶铺满整个池塘。
问：第几天荷叶铺满半个池塘？
大多数人脱口而出"第 15 天"。
错了。是第 29 天。
因为每天翻一倍，第 29 天的一半，第二天（第 30 天）就是全部。铺满半个池塘用了 29 天，铺满剩下半个只用了 1 天。
这个例子说明了指数增长最反直觉的性质：它的绝大部分成果集中在最后极短的一段时间里，而在此之前的漫长时间里，它小得让人想放弃。
人脑的直觉是线性的，于是我们系统性地低估指数增长——既低估它的终点，也低估它到来的速度。
定义
指数增长盲区指：人对指数增长的系统性低估——既低估长期累积的终值，也低估拐点之后爆发的速度。
它的两个表现：
- 低估终值：问"2 的 30 次方是多大"，多数人的估计远低于实际的十亿量级；
- 误判时间：以为"已经走了一半"，实际上只走了最后一小段的前夜。
原因很直接：人脑在进化中接触的几乎都是线性与局部现象，对指数的直觉是在学校里后天习得的，而且极其脆弱。
需要区分的是几种不同的增长形态：
- 线性增长（每天存 100 块）：直觉可处理；
- 指数增长（每天翻倍）：复利、病毒传播、技术扩散、算力增长；→ 见 #16 复利效应
- S 型增长（逻辑斯蒂曲线）：初期指数、中期减速、后期饱和——现实中大多数"指数增长"最终都是 S 型，因为它必然撞上资源或市场上限。
认识到"最终会饱和"很重要，但不能因此低估早期的指数段——很多人恰恰是在指数段还没起飞时就离开了。
边界
- 不要把它与"摩尔定律"这类具体定律绑定。 摩尔定律是半导体行业的经验规律，有其适用范围与终点；指数增长盲区讲的是人为什么会误判任何指数现象，与具体行业无关。
- 现实中的指数增长几乎都会进入 S 型。 病毒传播会因免疫和防控而饱和，技术扩散会因市场饱和而减速。"永远指数增长"的假设是危险的——用指数外推做长期规划，是泡沫的常见来源。
- 反过来，指数衰减同样被低估。 债务利息、资源消耗、环境退化、技术债——它们在早期同样不起眼，然后突然变得不可收拾。 → 见 #16 复利效应
- 它解释了为什么"等看到明显信号再行动"总是太晚。 在指数曲线上，等信号明显时，往往只剩下最后一两天。应对方式不是预测拐点，而是在早期就用小成本占位。 → 见 #14 非对称性与凸性
- 别用它给"再等等会更快"背书。 指数增长的前提是持续不被打断。中断会让 n 归零重来——这是复利最怕的事，也是指数增长的真正敌人。 → 见 #16 复利效应
交叉引用
→ 见 #16 复利效应 · → 见 #76 临界质量与临界点 · → 见 #14 非对称性与凸性 · → 见 #21 肥尾风险 · → 见 #20 反馈回路