Edward's House

加密市场的反身性与Hawkes 过程

Mon, 27 Apr 2026 00:00:00 GMT

索罗斯的反身性理论（Reflexivity）指出，金融市场中投资者的认知与市场实际情况相互影响，而非单纯反映。投资者基于偏见行动，这些行动又改变了市场表现，进而强化或改变最初的偏见，导致市场经常偏离均衡，表现出自我强化、泡沫及崩盘的特征。

因此，根据索罗斯的理论，金融市场的价格不是在被动反映外部信息，而是在主动反映交易员对其他交易员预期的预期。换句话说，价格的相当一部分变动来自市场自己跟自己说话。反身性也是市场研究的一个非常重要的一个论点和难点，人带有目的行动影响了市场，而人又通过了解反馈重新修正自己的行动。

对于反身性，它和基本面消息也经常成对出现。如果基本面事件作为外部变量只是单纯的影响市场（或者更严谨的说，影响人的行动），那么它随着时间会有一个衰减效应。但是我们经常能观察到非线性的影响，这一部分的影响，虽然不能详细计算到价格的波动，但是我们能通过估计有多少影响来自于事件本身，有多少事件影响来自于市场的反身性放大过程，对于风险控制至关重要。

余震树的数学

1971 年伦敦的统计学家 Alan Hawkes 在皇家统计学会的会刊上发表了一篇短论文，研究的是一种很具体的现象：某一类事件序列，每个事件出现之后会暂时把下一个事件出现的概率抬高，然后，这个抬升会随时间衰减下去。地震便是一个经典样本，主震之后会有余震，余震本身又会触发更小的余震，余震的余震继续触发更小的，构成一棵分支树。

Hawkes 给这种过程形式化为，在时刻 $t$ 一个事件出现的瞬时概率密度 $\lambda(t)$ 等于一个常数背景项，加上之前所有事件留下的衰减残响：

$$ \lambda(t)\ =\ \mu\ +\ \sum_{t_i<t} h(t-t_i) $$

$\mu$ 是背景到达率，对应那些不靠先前事件就能自己冒出来的事件，例如，在地震里就是地壳长期累积的应力释放。$h(\cdot)$ 是记忆核，对应一个事件对之后概率的提升曲线，刻画的是反馈机制。

因为$\lambda(t)$ 对历史是线性的，它的性质要比一般的模型更好处理一些。

为了方便，我们可以把记忆核取成指数衰减 $h(t)=\alpha e^{-\beta t}$，参数就只剩下背景到达率 $\mu$，触发强度 $\alpha$，记忆衰减率 $\beta$。而我们能通过这三个参数计算出这样一个变量$n$ ，也被称作分支率（branching ratio）：

$$ n\ =\ \int_0^\infty h(t),dt\ =\ \frac{\alpha}{\beta} $$

Hawkes过程

分支率是市场反身性的代理

我们可以把每个事件想象成一棵触发树的根。

从这棵根事件出发，按照核函数 $h$ 平均会触发多少个一代后代？答案就是核函数的积分，也就是 $n$。当然，在正常衰减的情况下，我们可以认为$n < 1$ ，这使得后续后代的总数求和是收敛的，当然我们也可以处理发散的情况。

每个一代后代再按照同样的规则平均触发 $n$ 个二代后代，二代再各触发 $n$ 个三代，以此类推。

从一棵根事件出发，所有代后代的总数是 $n + n^2 + n^3 + \cdots = n/(1-n)$。

再把根事件本身算上，整棵子树里的总事件数是 $ 1 + n/(1-n) = 1/(1-n)$。

这棵子树里有 $n/(1-n)$ 个是被触发的，$ 1/(1-n)$ 是总数，比例等于 $n$。

整个事件流里被前序事件触发出来的那部分占比，恰好等于 $n$。

因此，当前的$n$ 直接可以反映，此刻市场上的价格变动里，有多少比例是反应过去价格变动而生的，有多少比例是来自外部信息的更新。$n$ 接近 1，市场依赖反身性；$n$ 接近 0，价格被动反映基本面的新闻。

$n$ 还有三个截然不同的相区。$n<1$ 是亚临界相，每棵触发树平均会自然消亡，整个过程长期看是平稳的。

$n=1$ 是临界相，触发后代数刚好补足消亡数，整棵树发散成幂律，整个过程不再平稳。

$n>1$ 是超临界相，平均后代数超过 1，每个事件期望产生大于 1 个后代，事件数发散。

临界点 $n=1$ 在金融里，我们可以认为是反身性把市场推到自激爆发的那条边界。

ES 期货的分支率

2012 年瑞士联邦理工的 Filimonov 和 Sornette 在标普 500 期货上使用了分支率进行研究。他们将 1998 到 2010 年间这十二年的 tick 级中间价变动数据，在 10/20/30 分钟的滑窗上做指数核 Hawkes 的极大似然估计。

他们观察到：1998 年这条 ES 期货的分支率 $n$ 大约是 0.3，意味着当年 70% 的中间价变化来自真新闻，30% 来自别的中间价变化触发；而到了 2007 年之后，$n$ 稳定在 0.7 到 0.8 之间，反过来变成了 70%–80% 的变化来自市场的反身性，只有 20%–30% 来自真新闻。

这刚好和高频算法交易在美国市场份额从可忽略涨到主导的时间段几乎重合。

2010年市场闪崩现象-道琼斯指数

2010 年春天发生了两次相近规模的剧烈下跌。4 月 27 日，标普下调希腊主权评级到 BB+，欧债危机预期猛烈升级，所有美股指数集体大跌；分支率 $n$ 在事件前后基本没动，按当时基线水平稳稳停在 0.72 左右。5 月 6 日，发生了一次闪崩事件，东部标准时间 14:45 ，标普 E-mini 在不到二十分钟内下跌了将近 10%；而分支率 $n$ 时间序列在这前后从 0.72 直接上升到 0.95。两次价格跌幅相近，但反身性度量给出的诊断相反，4 月 27 日是纯基本面冲击，5 月 6 日是市场内生的反馈临界。

在Filimonov 和 Sornette 的研究里，分支率最重要的意义还是，其能反映市场波动是市场被基本面影响，还是被投资者的反身性影响。基本面只要被消化就会过去，但是反身性则会有机会使得市场达到超临界状态。

加密永续合约与分支率

加密货币市场一直被认为是反身性最强的市场。永续合约可以带几十倍杠杆，X 上一条传言可以在短时间内让一个新的几十亿美金 token 从无到有。

这些机制基本上造成了加密货币市场本身具有高度反身性。因此我们可以尝试使用分支率来研究一个外部事件冲击对于主流加密市场的效应，有多少占比来自于反身性，有多少占比来自于事件本身。

我们使用Binance USDⓈ-M 永续的 aggTrades 今年2月23日到3月26日的BTC，ETH，SOL的数据，大约一亿两千万笔成交单。而对应的外部事件则是2026年3月，伊朗伊斯兰革命卫队封锁霍尔木兹海峡的事件。该事件已经能被观察到对于宏观基本面具有非常强烈的影响。

不过，Hardiman 和 Bouchaud 在 2013 年就指出，单指数核在高频数据上系统性低估真实分支率 $n$，因为真实的反馈核在毫秒到秒的多个时间尺度上更像幂律分布，这也符合金融市场的特质。这意味着我们读出来的分支率 $n$ 是真实反身性强度的下界，不是真值。

三种主流货币反身性的横截面

三个币种的分支率分布

左图是经验分布的小提琴图，每条小提琴对应分支率 $n$ 估计的全部分布，黑色横线是中位数。

右图是对应的经验累积分布函数。

BTC 基本分布在 $n \approx 0.82$ 的窄带上，10 到 90 分位的全部跨度只有 ±0.05，是一个紧的分布。

而所有的记忆衰减率 $\beta$ 都达到了上界 500/秒，这也意味着， BTC 永续上的反身反馈衰减时间小于 2 毫秒。

这里就出现了上述提到的 Hardiman–Bouchaud 现象，即真实的反馈是幂律的。在这里，单指数没法描述毫秒级到秒级的多尺度自相似现象。

ETH 相较 BTC 的分布稍微宽松一些，中位数处在 $n\approx 0.74$ 水平，分布也更分散，左尾延展到 0.4 。

但是有趣的是，SOL 的表现不太一样。中位数只有 0.17，分布从接近零一直延展到 0.9，跨度极大。

$\beta$ 中位数大约 40/秒，对应 25 毫秒的反馈衰减时间，几乎不顶上界，KS 检验也接受 20% 的窗口。

SOL 的事件流能被一个普通的指数 Hawkes 过程描述，这也可以说明SOL 的微观结构里高频交易和算法套利的占比远低于 BTC/ETH，价格变动里依然有相当一部分是由真正的方向性下单驱动的，不是由别的下单触发的。

霍尔木兹封锁前后的两次时间点

四周窗口的中段是 2026 年 3 月 4 日，伊朗革命卫队正式封锁霍尔木兹海峡，Brent 原油当日突破 120 美金。

事件早两天就有预兆。3 月 2 日 Brent 原油从 70 多美金一路涨到 80–82 美金区间，市场开始消化封锁迫近的可能性。事件之后两周左右，3 月 19 日欧洲央行宣布推迟原定的降息计划、上调通胀预期，此时预期彻底被兑现。我们把这一连串事件作为锚点，观察分支率$n$ 在事件前后的升降。

分支率的时间序列

三条带状的颜色是原始的 5 分钟步长 $n$ 估计，深色线是 2 小时滑动中位数。三条事件时间垂直线从左到右分别是 3 月 2 日 Brent 原油价格上涨、3 月 4 日海峡封锁、3 月 19 日欧洲央行的基本面消息。

把窗口切成六段，每段做一个中位数比较。

六个子时段的中位数 n 与 95% bootstrap CI

时段	日期	BTC $n$	ETH $n$	SOL $n$
基线	02-23 → 03-01	0.821	0.743	0.180
Brent 原油价格上涨	03-02 → 03-03	0.831	0.777	0.214
封锁周	03-04 → 03-07	0.816	0.751	0.186
中段	03-08 → 03-17	0.814	0.739	0.157
欧洲央行宣布推迟原定的降息	03-18 → 03-21	0.800	0.734	0.125
末段	03-22	0.791	0.730	0.192

把后续时段对基线做 Mann-Whitney U 检验，我们可以观察到Brent 原油价格上涨的时期：

BTC 上升 1.2%，$p=5.9\times 10^{-16}$
ETH 上升 4.5%，$p=1.9\times 10^{-47}$
SOL 上升 19.2%，$p=3.8\times 10^{-5}$

三个币种基本都在 Brent 原油价格上涨期相对于基线显著抬升了分支率 $n$。

SOL 的相对涨幅最大，因为离临界状态相对还比较远；ETH 居中；而BTC 的小位移在紧分布上也是 $10^{-15}$ 级别的统计显著。这说明，BTC 对于反身性效应是极其敏感的。

而3 月 4 日封锁周本身，三个币的 $n$ 中位数全部回落到接近基线甚至略低于基线。

3 月 19 日欧洲央行宣布推迟原定的降息这时期，三个币的 $n$ 都显著下降。这意味着一种预期兑现的状态。

在Brent 原油价格上涨的时期，真实的霍尔木兹封锁尚未发生，但市场已经开始基于消息预期相互调整仓位，交易员开始跟交易员对话而不是跟新闻对话，而使得分支率$n$ 上行。3 月 4 日真新闻到达的时刻，背景到达率 $\mu$ 上升，反身性占比 $n$ 反而被稀释下降。3 月 19 日是更纯净的基本面事件，因为这直接牵扯到宏观政策的变化，这时市场已经完成了所有的预期兑现，分支率$n$ 显著下降。

高反身性市场与基本面消息的长远影响

在亚临界相 $n<1$ 的稳态下，一次外生事件平均会带出来的全部后代数（包括它自己）等于 $ 1/(1-n)$。因此我们可以计算出基本面消息的放大倍数：

BTC 永续 $n=0.82$，放大倍数 $ 1/(1-0.82)\approx 5.6$
ETH 永续 $n=0.74$，放大倍数 $ 1/(1-0.74)\approx 3.85$
SOL 永续 $n=0.17$，放大倍数 $ 1/(1-0.17)\approx 1.20$

对比BTC或者ETH，SOL 几乎没有放大效应，事件流里残留的反身性效应只占两成。两个市场对同一条外部冲击的反应，在事件数上差出大约 5 倍。

一个高反身性市场对真实基本面冲击的响应不仅是放大，它还会被时间拉长。后代的累计效应一般要在原始新闻发生几小时甚至几天之后才完全显现。BTC 在霍尔木兹封锁之后两周里分支率 $n$ 中位数从 0.83 慢慢滑落到 0.79，同一段时间里 BTC 的现货价格也在持续走低，这意味着基本面信息一直在通过反身性影响价格。反身性高的市场不是冲击发生时反应剧烈而迅速恢复的市场，而是冲击发生之后被自身回声放大、反应被时间拉长的市场。

这也直接挑战了例如 VaR之类的传统风险度量。VaR假设每个时刻的冲击和此前此后无关。但在高度反身性的市场里，每一次冲击都会被自己的内生后代放大在时间上延展开，在这个条件下，独立增量假设将会失效。因此，从风险管理来看，单看历史波动率是无法观察出这种差异的。

而根据理论，分支率$n$ 上升如果伴随背景到达率 $\mu$ 同步上升，这意味着单纯是外部基本面消息正在起作用；分支率$n$ 上升而背景到达率$\mu$ 不动，则是反身性在起作用。3 月 2-3 日Brent 原油价格上涨那两天三个虚拟资产的分支率 $n$ 上升的同时，背景到达率$\mu$ 几乎没动。市场在霍尔木兹封锁的官方公告之前两天就开始预警，这正好反映了，市场上的交易者接受了预期而开始进行了有偏见的行动。而是否能利用这种风险上涨的时刻套利，则是要看具体的策略了。

稳定币市场崩溃与重整化群

Wed, 22 Apr 2026 00:00:00 GMT

四年前 5 月，Web3出了个大新闻。UST 本该永远值一美金的稳定币，四天之内掉到两毛钱；作为抵押物的 LUNA 从九十美金滑到万分之几美金，账面蒸发掉整整八个数量级的市值。当时想拿这个事件作为申请日本修士的一个研究课题。只不过当时数学基础还不够好，没有什么优秀的工具去研究。这次回过头来研究，也是对当时的一个补偿。

关于这次崩盘，很多机构已经有过事后分析，大多数落在宏观经济学或者链上机制层面，比如从众挤兑效应。不过我们现在有一个更有意思的工具，我们用这个工具来看看怎么分析这次价格崩盘的机制。

平均场博弈

设想一个交易所里同时坐着几百万个量化机器人，每一个都在算自己的持仓、自己的对手盘、自己的最优买卖速度。如果老老实实把每一对交易员之间的相互作用都写出来，方程规模会变得很庞大而不可计算，这个和物理学上大量粒子运动之间的相互作用一样，不太可能用牛顿力学直接去建模。因此我们可以借用统计力学的思维，假装每个交易员只关心整个群体的某种平均状态，比如全体的平均持仓分布，而不关心具体哪一个对手盘此刻在干什么。个体面对的不再是千万条手脚，而是一团模糊的平均场。个体对平均场做最优决策，每个个体做完决策之后又贡献回平均场。这就是平均场博弈。

在算法稳定币的场景里，稳定币的锚定近似于集体均衡的结果。例如，假设 UST 在某个交易所跌到九毛九，任何套利者都可以把它赎回为一美金等值的 LUNA 再卖掉，而进行套利。只要这种套利足够多、足够快，价格就被市场机制拉回一美金。因此，锚定的牢固程度等于这个博弈的纳什均衡的稳定程度。

我们可以对算法稳定币这样建模，单个套利者的状态就是他当前手里的稳定币净头寸 $x_t$，可以偏离零一点点也可以偏离很多；控制变量是他交易的速度 $v_t = \dot{x}_t$，也就是每秒钟换进或换出多少 UST。稳定币的市场价 $S_t$ 受全体套利者净订单流的冲击，再加上外生的随机波动：

$$ dS_t = \lambda, \bar{v}_t, dt + \sigma, dW_t $$

这里的 $\bar v_t$ 就是整个套利者群体的平均买卖速度，$\sigma dW_t$ 是市场外生的噪声，$\lambda$ 衡量订单流对中间价的永久冲击。每个套利者要在有限时间 $[0,T]$ 内最小化自己的交易成本，写成泛函：

$$ \min_{v_t}\ \mathbb{E}\int_0^T \Big(\tfrac12 c, v_t^2 + q, x_t^2 + \gamma, v_t, S_t \Big), dt $$

第一项 $\tfrac12 c v_t^2$ 是滑点摩擦，交易越快越吃亏，代表链上 gas、交易所手续费、挂单被吃穿的即时成本。

第二项 $q x_t^2$ 是库存风险，头寸偏离零越远，持有脱锚风险资产的惩罚越大；头寸偏离的惩罚体现在，快速的套利机制使得理性交易员会减少自己的损失，而非理性的主体会蒙受期望损失。

第三项 $\gamma v_t S_t$ 是反身性成本，套利行为本身会反过来推动价格。

人数趋于无穷之后，这个最优化问题可以被写成Hamilton–Jacobi–Bellman方程的表现形式。它的主要成分是值函数 $u(x,t)$，可以认为是从时刻 $t$、带着库存 $x$ 出发，一直按最优策略走到终点 $T$，预计要付出的总成本。这个函数可以告诉任何一个交易员现在该以多快的速度交易。

$$ -\partial_t u - \tfrac12\sigma^2\partial_{xx} u + \min_{v}\Big{, v,\partial_x u + \tfrac12 c v^2 + q x^2 + \gamma, v, S_t(m), \Big} = 0 $$

由于终局时刻 $T$ 的情形是已知的，比如库存清空对应的成本是零，库存未清空要吃一个惩罚。于是值函数 $u(x,T)$ 存在一个边界条件。根据这个边界条件再往前推一格 $dt$，每个状态 $x$ 下最优的那一步 $v$ 是多少、付出多少成本，通过一格一格往回递推，就可以知道起点的策略了。这个其实比较类似计算机上的，动态规划原则，例如，无论之前如何抵达当前状态，余下那段路必须仍然走最优。方程里最后的 $\min$ ，可以理解为每一点挑出最优速度。把 $\min$ 里面对 $v$ 求导取零，可以得到一个干净的闭式解：

$$ v^\ast(x,t) = -\frac{1}{c},\big(\partial_x u + \gamma, S_t\big) $$

这里给出的最优交易速度等于价值函数沿库存方向的梯度，加上当前价位水平，两者相加之后除以滑点成本的倒数。它也指示交易员，库存让成本函数变陡的地方，需要减仓；价位飙到让人不安的地方，需要防止滑点。

Hamilton–Jacobi–Bellman方程的形式来自于分析力学十九世纪的工作，在分析力学中，我们可以知道有一个最小作用量原理，即，一粒质点从 A 点运动到 B 点走的轨迹，恰好是所有可能轨迹里让作用量的积分取极小值的那一条。通过相应的方法，我们在现实世界中推导出了最速降线。

而在控制论里面，Bellman 提出了动态规划原理，最优策略的最末端本身也必须是最优的。比如，要找从家到学校最快的路线，假设某条最快路线经过街角的便利店，那么从便利店到学校那一段路线本身，也必须是从便利店出发的最快路线。否则把那一段替换成更快的，总路线就会更快，和假设矛盾。那么找到最优路径，其实也可以用到最小作用量原理，因此在连续的时间下 Bellman的动态规划可以和Hamilton–Jacobi方程联系在一起。

另一条方程是 Fokker–Planck 方程。它的主角是群体库存的概率密度 $m(x,t)$，描述的是全市场此刻有多少比例的交易员库存落在哪个水平上：

$$ \partial_t m - \partial_x\big(m\cdot v^\ast\big) - \tfrac12\sigma^2\partial_{xx} m = 0 $$

Fokker–Planck 方程在物理学里主要描述的是扩散运动的统计，在中学的时候我们都学过布朗运动，是一种单个粒子随机的运动。但是如果有大量粒子，我们追踪每个粒子的随机运动是不可能也没有必要的，因此在统计力学的框架里，我们主要关心粒子在空间上的分布是什么样的，而在这里，我们可以看作：

初始时刻 $t=0$ 所有交易员的库存分布是已知的，相当于初始位置。每一条交易员都按照Bellman方程算出来的 $v^\ast$ 行动；同时每一个交易员都被随机噪声扰动，这由扩散项$ \tfrac12\sigma^2\partial_{xx} m $表示。通过Fokker–Planck 方程对一刻一刻往前积分，得到任意未来时刻的交易员库存分布。

Bellman方程里的 $S_t(m)$ 依赖群体当下的分布 $m$，因为价格受整个群体净订单流驱动；而 FP 方程里的 $v^\ast$ 又完全来自Bellman方程求出的 $u$。一条方程从终点倒推，需要知道每时每刻的群体分布；另一条方程从起点正推，需要知道每时每刻的最优策略。两条方程彼此互为镜像，必须同时求解才自洽。

这个闭环的不动解就是平均场纳什均衡，在均衡下，稳定币生态被控制在最小能量点。

重整化群和 Ginzburg–Landau 泛函

但，平均场博弈主要在单个时间颗粒度上有效。分钟级的平均场博弈解出来的是分钟级交易员行为的均衡，小时级的平均场博弈解出来的是小时级的均衡。当市场平静的时候，这两个尺度下的解是相容的，小时均衡只是把分钟均衡做一个简单的统计平均，仅仅是分辨率不同。

如果，从众效应出现，这种相容就不成立了。比如，一个套利者当下的决策不再只依赖价格水平，还依赖其他套利者正在做什么，由于人传人，微观的决策协同开始沿着时间和空间向外蔓延，这会导致不同时间分辨率的均衡发生错位。因此重整化群主要通过发现错位的方式来观察市场的稳定性。

要用重整化群的方法，直接使用前面的平均场方程不太好直接下手。做一步简单的非线性变换之后，整个市场的集体行为可以表征进一个 Ginzburg–Landau 泛函。

Ginzburg–Landau 泛函来自于苏联物理学家 Landau 的工作。在研究铁变成磁铁、水变成冰、金属变成超导体这些截然不同的物理现象时，Landau 发现，虽然这些相变的微观机制完全不同，但在临界点附近，它们写出来的有效自由能非常相似。Landau 为这个共同的结构提出一种近似：在相变点附近，整个系统的自由能可以只当成一个变量 $M$ 的幂级数来展开，这个变量主要描述了宏观有序程度，因此也叫做序参量。序参量能够区分两个相，一般在在有序相中不为零，而在高对称性的无序相中为零。如果体系本身对 $M!\to!-M$ 的翻转是对称的，那么奇数幂次项都要为零，留下的最简写法就是

$$ F(M)\ \approx\ \tfrac12, r, M^2 + \tfrac14, g, M^4 + \cdots $$

它的有趣之处主要在控制参数 $r$。我们可以用铁磁体的例子看看：

$r>0$ 时这个势函数是一个单底的抛物线，最低点在 $M=0$，对应高温下的无序相，比如铁磁体里原子自旋朝向混乱、没有磁化。

$r<0$ 时这个势函数变成了两个对称的山谷夹着中间一个小山包，最低点被挤到了 $M=\pm M_0$ 这两个非零位置，对应低温下的有序相，比如铁磁体里所有自旋朝向同一方向、整块铁自发磁化起来。

从高温到低温的过程中，$r$ 从正过零变负，整个系统就从单谷演化成双谷。

1950 年， Landau 和他的学生 Ginzburg 把这个理论又推了一步。他们意识到真实的相变里序参量不是一个数，而是一个在空间上的场 $M(x)$，这意味着不同地方的相变进程可能不同步。于是Ginzburg 在原来的势能之外再加一项空间梯度 $\tfrac12(\nabla M)^2$，惩罚邻近位置取值差得太远的情况，这就鼓励系统尽量形成大片同相的区域。

那么在金融市场里面，我们也可以找到对应的 Ginzburg–Landau 泛函，它代表的是市场的自由能：

$$ S_{\mathrm{eff}}[M]\ =\ \int dt\int dx\ \Big[\ \tfrac12(\nabla M)^2 + \tfrac12 r, M^2 + \tfrac14 g, M^4\ \Big] $$

序参量 $M(x,t)$ 可以认为是市场的多空倾斜程度。$M$ 等于零代表买卖对称、流动性健康；$M$ 偏向正或者负，代表整体向多头或者空头一边倒。

参数 $r$ 类似市场的温度，衡量系统离临界有多远；参数 $g$ 衡量从众效应的强度

重整化群一开始在物理学上处理的是尺度问题。把小尺度的细节一层一层粗粒化掉，然后追踪这些参数在粗粒化过程中如何流动。这个流动方程如果跑到某个不动点，那里的状态就是粗粒化之后依然保持的状态，物理上称为标度不变态。

因此接下来沿着尺度做粗粒化，得到 $r$ 和 $g$ 随尺度 $\ell$ 的流动方程：

$$ \frac{dr}{d\ell}\ =\ 2r + \frac{3g}{1+r}\Lambda^2, \qquad \frac{dg}{d\ell}\ =\ \epsilon, g - \frac{9 g^2}{(1+r)^2} $$

这对常微分方程有两个关键不动点。一个叫高斯不动点，$g^\ast = 0$、$r^\ast > 0$，对应日常的市场交易。

另一个是 Wilson–Fisher 不动点，$g^\ast \neq 0$、$r^\ast < 0$，对应系统被从众效应推到临界之外的状态。

在这个不动点附近，势阱从一个对称的抛物线碗，变成一顶倒扣的墨西哥草帽，市场必须滑向某一边，而发生相变。

而临界不动点附近的价格跳跃不再服从高斯分布，而是变成幂律分布：

$$ P(|\Delta S|)\ \sim\ |\Delta S|^{-\alpha} $$

$\alpha \to 2$ ，意味着正好踩在临界点上。

数据验证

我们可以对上述的理论进行验证

我们使用Binance交易所 2022 年 4 月到 5 月的 LUNAUSDT 和 USTUSDT 分钟 K 线数据。

整段行情切成四个时期。四月一号到五月六号算基线期。五月七号到八号作为前兆期，Anchor 协议上连续两天出现几十亿美金的 UST 赎回。五月九号到十号作为关键期，UST 首次硬脱锚跌破九毛。五月十一号到十二号作为暴跌期，LUNA 被无限铸造，价格稀释成0。

LUNA 和 UST 四月到五月的价格轨迹

上图纵轴是对数刻度。可以看到LUNA和UST最终的价格跌得很惨。

一、基线状态分析

对四个时期分别计算一分钟对数收益率的超额峰度和 Jarque–Bera 统计量（一种检验分布是否符合正态分布的情况）。

UST 基线期的超额峰度是 $-0.03$，Jarque–Bera 的 $p$ 值 $0.38$，统计上不能拒绝正态。因此这符合平均场理论的均衡状态。

LUNA 基线的超额峰度是 5.46，还保留着加密资产常见的轻微厚尾，不算异常，属于高斯不动点的邻域。

前兆期一天之内，UST 的一分钟峰度从 $-0.03$ 冲到 $60.9$，翻了整整两千倍。LUNA 的峰度也从 5 跳到 20 以上。

标准化后的收益率尾部生存函数，描述分布的厚尾程度

这四张图把四个时期的标准化收益率尾部生存函数画在一起。基线那条曲线几乎贴着黑色虚线，也就是高斯参考，其他三个时期的曲线越往崩盘越偏离高斯。而偏离高斯分布的曲线又类似硬直状态，这个刚好是对数坐标下幂律分布的形状。

二、衡量厚尾指数

用两种方式估计厚尾指数，一种是 Hill 估计器，一种是极大似然法。Hill 估计器是一个经典的建模估计：把最大的 $k$ 个观测值取出来，对每个值除以第 $k+1$ 大那个再取对数，求平均，取倒数，就是 $\alpha$ 的一个估计。

极大似然法则事先假设数据在某个阈值以上服从幂律分布，写出似然函数，让它取最大。

两者的数字有细微差别，但趋势完全一致。

资产	基线	前兆	关键	归零
UST	3.54	2.38	2.05 ± 0.19	2.94
LUNA	3.61	3.10	2.79	2.48 ± 0.21

UST 在关键两天的厚尾指数跌到 2.05，正好在理论区间 $[2,4]$ 的下界。LUNA 在归零两天跌到 2.48，也稳稳落在区间之内。沿时间排开，两条轨迹都在朝着下沿 $\alpha \to 2$ 的方向流动，也就是重整化群方法里 Wilson–Fisher 不动点本身所在的位置。

关键期尾部的幂律拟合

左右两张图里，橙色是关键期的尾部生存曲线，红色是极大似然拟合的幂律线。

三、对称破缺的势阱观察

我们都知道，交易所里的每一笔成交都有两方，一方挂单在那儿等，叫挂单者，另一方吃掉这个挂单、立即成交，叫主动方。

总成交量本身对方向是盲定的，因为每一笔成交里都同时有一个买家和一个卖家。但主动方不是盲定的：如果一笔成交是买家主动吃掉卖单，说明有人急着买到以至于愿意付卖一价，这笔量被记为主动买量；如果是卖家主动撞掉买单，说明有人急着卖到愿意接受买一价，被记为主动卖量。

主动方就是那个此刻真的想推动价格的人，挂单者只是被动提供流动性。在平均场博弈的价格方程 $dS_t=\lambda\bar v_t dt+\sigma dW_t$ 里，推着价格走的正是这些主动方合起来的净速度，而不是双边成交的总量。主动方可以是多头，或者是空头。

所以把主动买量减去主动卖量，再除以两者之和做归一化，得到的结果就是推动价格漂移速度 $\bar v_t$ 和序参量 $M(t)$ 的近似代理：

$$ M(t)\ =\ \frac{V_{\text{buy}}^{\text{taker}}(t)-V_{\text{sell}}^{\text{taker}}(t)}{V_{\text{buy}}^{\text{taker}}(t)+V_{\text{sell}}^{\text{taker}}(t)} $$

这个量在 $-1$ 到 $+1$ 之间。零代表买卖均衡，正代表多头压倒空头，负反过来。对每个时期 $M$ 的分布取负对数密度，得到的曲线就是经验有效势能 $V(M) = -\log p(M)$。

不过本质上，UST 作为算法稳定币，真正最核心的抛压其实来自 Terra 链上的赎回机制，那部分流量并不经过Binance交易所的订单簿。因此这个数据只是一个局部。

M(t) 的序参量时间序列

四个时期的经验势阱形状

对 UST 而言，基线的势阱是一个单底抛物线，底部紧紧贴着 $M=0$，两边陡峭，就是 Ginzburg–Landau 泛函里 $r>0$ 的情形。

前兆期这个抛物线变浅，$r$ 开始朝零下滑。

而关键期势阱变成扁底带肩，明显出现不对称结构，中央那个单底不再独占谷底，左侧凸出一块新的势阱候选。

归零期可以观察到，$M=0$ 的中央位置直接被抬升，概率几乎全部转移到两侧非零处，尤其是负的那一侧。

单底碗、扁底带肩、中央凸起双侧谷底，这三步演化几乎就是理论推导里 $r$ 由正变零变负那三幅示意图的真实版本。一顶倒扣的墨西哥草帽，从头到脚长在了数据里。

四、Hurst 指数的跨不动点流动

Hurst 指数 $H$ 度量价格的记忆性，也就是今天的涨跌和昨天、前天是否存在统计相关。通过去趋势波动分析可以估出滚动 $H$，

$$ \sigma(\Delta t)\ \propto\ (\Delta t)^{H} $$

$H=1/2$ 代表标准随机游走，也就是高斯不动点。$H>1/2$ 代表趋势性，涨了更可能继续涨。$H<1/2$ 代表均值回归，涨了更可能被拉回来。

一日滚动窗口的 Hurst 指数

LUNA 的基线 $H$ 在0.47附近游走，跟理论预测一致，是一个布朗运动。

UST 的基线 $H$ 略低，一直徘徊在 0.1 到 0.2 之间。

而在关键期，UST 的 $H$ 从 0.15 左右，在不到一天里冲到 0.6 附近，整整跃过 0.45 个单位。系统越过 $H=0.5$ 这条分水岭，而使得其脱锚。LUNA 同一时段也从 0.47 爬到 0.58，同样跨过了脱锚点。

而且能注意到，在4月份和5月份的时候，UST 已经有偏离基准不动点的端倪。结合当时的基本面事件，我们能发现一些因果关系：

第一段是 4 月 13 日晚到 15 日，$H$ 冲到 0.336，这正赶上 Anchor 协议存款增长速度明显放缓、净流入开始转负的那几天，市场可能开始集体意识到那个 19.5% 的高收益率本身在被社区质疑。

第二段是 4 月 16–17 日，$H$ 一路拉到整段前震期的最高点 0.457，这个窗口和 Terra 官方对 4pool 架构的公开讨论加热高度重合。

4pool 架构是指，把 UST 的 Curve 流动性从 3pool 迁到一个新的包含 UST、FRAX、USDC、USDT 的池子，但这意味着套利流动性暂时变薄，市场套利修复脱锚的弹簧被削弱。

第三段来自4 月 21–23 日，$H$ 持续在 0.38 到 0.434 之间三天不降，这三天刚好是 4pool 在 Fantom 网络上正式上线的那几天，Curve 3pool 的 UST 流动性被抽出来往新池迁移的事件发生期间。

稳定币生态的愿景

LUNA/UST的算法稳定币的崩溃意味着以单纯由波动性资产铸销来维系锚定的纯算法模型几乎全部退场。接过主导权的则是，由真实法币和短期美债做一对一准备金的中心化稳定币如 USDT、USDC、PYUSD，以加密资产超额抵押为基础再逐渐引入链上美债作为压舱石的 DAI/USDS，以及永续合约资金费率套利撑起的合成美元，如 USDe。

合成美元这一派最值得讨论，因为它是 UST 之后唯一一个基础逻辑上仍然偏算法的幸存设计。

USDe 用中心化交易所里的空头永续去对冲现货多头，赚取资金费率作为收益。

只要永续合约市场处在多头付费给空头的正向资金费结构里，这个对冲就自赚自兑。但永续资金费率是一个会改变符号的量。一旦市场进入持续的空头占优结构，资金费从正转负，原本的收益变成支出，对冲本身开始侵蚀系统结构。而实际上这正是一种脱锚的表现。因此2025年 10 月 11 日，USDe同样也发生了相同的暴跌事件，这里就留给读者自己试着用框架分析一下了。

而例如USDT，作为真实准备金这一派，只要赎回通道畅通，一美金 USDC 就永远能换回一美金现金。看起来有真实质押，还不错。那么代价是什么呢？代价是把风险从市场层转移到了银行层和监管层。

2023 年 3 月 10 日硅谷银行倒闭，Circle 公开披露其 USDC 储备中约 33 亿美金被困在硅谷银行，一夜之间市场开始怀疑 USDC 不再是一美金一美金地能兑回。USDC 在 Binance 的现货盘最低一度跌到 0.88，脱锚幅度跟 UST 在 5 月 9 日那天相近。但这起事件和 UST 的结局截然不同：从 3 月 12 日夜到 3 月 13 日，美国财政部、美联储、FDIC 联合声明为硅谷银行存款人全额兜底，USDC 的价格在接下来 48 小时内回到九毛九以上，到 3 月 15 日基本完全复锚。

数据同样取自Binance交易所 USDC/USDT 分钟 K 线，从 2023 年 3 月 11 日 14点开始，正好覆盖从跌到 0.905 的谷底、经由复锚、到月末稳定的整段过程。按事件切成三段：3 月 11 日 14:00 到 13 日 0点的危机期，3 月 13 日到 14 日的复锚期，3 月 15 日到 4 月 30 日的锚定期。

阶段	1-min 波动率 σ	超额峰度	Hill 厚尾指数 α	滚动 Hurst 中位数
危机	$7.9\times 10^{-4}$	22.5	2.82 ± 0.29	0.665
复锚	$2.4\times 10^{-4}$	5.5	5.35	0.594
锚定	$6.4\times 10^{-5}$	2.0	2.75	0.132

危机期 USDC 的 Hurst 中位数达到 0.665，几乎和 UST 在 5 月 8 日到 9 日那段的读数同一个量级，而厚尾指数 2.82 同样落在 Wilson–Fisher 区间 $[2,4]$ 之内；超额峰度 22.5 属于重度厚尾。这三个指标一起说明，在消息发酵的那大约 34 个小时里，USDC 确实被推进了临界状态，系统处于趋势化、厚尾、对称破缺的状态。

USDC 在硅谷银行事件中的价格、Hurst 与峰度

真正有意思的是后续两段。复锚期 Hurst 中位数从 0.665 退到 0.594，来自美联储的外部干预信号已经到达，系统不再向临界点漂移，但旧的惯性仍在，$H$ 还停留在 $1/2$ 之上一些；波动率下降到危机期的三分之一，尾巴指数反弹到 5.35，厚尾特征消失。

到了恢复锚定期，Hurst 中位数跌到 0.132，和 UST 基线时期的 0.137 一模一样，波动率再下降一个数量级。

USDC 三种状态的收益率尾部生存函数

危机期（蓝）的尾部生存曲线明显突出正态参考线，走出一段准直线的幂律形状；复锚期（橙）略薄但仍然超出正态；锚定期（绿）回到一条在统计噪声范围内的正常曲线。

UST 的案例证明的是系统穿越分水岭之后会导致对称破缺的崩溃；USDC 的案例证明的是系统走到分水岭附近但没有穿过时，同样会在 $H$、$\alpha$、峰度三个可观测量上留下完全符合理论的痕迹，并且一旦参数被拉回锚定，这些痕迹会在几十个小时内同步消失。并且这个理论同样适用于崩溃恢复期，恢复与发生崩溃的过程应该是高度对称的，当然，我还没做数学证明所以还不知道。

两个方向合起来说明，危机真正到来之前，或者擦肩而过之时，它们都会提前告诉交易者，快跑。

同人市场分析(补)——同人展举办方的无奈

Tue, 14 Apr 2026 00:00:00 GMT

办过展的人都知道这个两难：摊位招多了，人挤不动，消费者体验崩溃；摊位招少了，消费者觉得没东西看，社团觉得没人来。摊位费定高了，小社团不来，活动变成商业展销会；定低了，场地费都cover不住。我们可以通过微观基础来系统性看待这个问题。

场地是一个双边平台

同人展会本质上是一个双边平台：一侧是社团（供给侧），另一侧是消费者（需求侧）。举办方通过选择摊位数量和定价来匹配两侧。

两侧之间存在交叉网络效应：

消费者喜欢自己爱的社团来
而社团喜欢更多消费者，引诱更多潜在购买者、更多互动、更多被看到的机会

但两侧也各自存在拥挤负外部性：

消费者太多会造成排队、挤压、体验下降
社团太多会造成每个社团分到的注意力被稀释

举办方的工作就是在这两对力量之间找平衡点。

模型设定

物理约束

设场地总面积为 $A$。每个标准摊位占 $a$ （含桌椅和社团活动空间）。摊位数为 $N_b$。

摊位占据的总面积为 $N_b \cdot a$。剩余面积 $A_{\text{free}} = A - N_b \cdot a$ 留给通道、舞台区、休息区等公共空间——这是消费者实际活动的空间。

通常，消防法规要求通道比例不低于 $\phi$，因此：

$$ N_b ;\leq; \frac{A(1-\phi)}{a} ;\stackrel{\text{def}}{=}; \bar{N}_b $$

场地最大容载人数为 $\bar{N}_{\text{cap}}$，包括社团人员和消费者：

$$ N_c + N_b \cdot k_{\text{staff}} ;\leq; \bar{N}_{\text{cap}} $$

其中 $k_{\text{staff}}$ 是每个摊位的平均社团人员数（通常 1–3 人）。

消费者效用

社团的二维分类

在进入效用函数之前，需要先把社团分清楚。同人社团有两个独立的维度：

动机类型 决定创作者为什么做，例如追求声誉回报、互惠、自我表达还是社交。这是来自微观基础稳态均衡的核心分类。
吸引力 $\theta_i \geq 0$，决定创作者能带来多少客流，使得有多少消费者会因为这个社团参加了而决定来。这是稳态均衡中的声誉状态变量在展会语境下的表达。

两个维度是独立的。大手可以是追求回报型也可以是用爱发电型，小社团同理。交叉后形成四个象限：

	高声誉 $\theta$（大社团）	低声誉 $\theta$（小社团）
追求回报型	客流引擎	填充型，中性存在
用爱发电型	最稀缺资源——同时引流和贡献氛围	氛围基石，不引流

高声誉的用爱发电型社团（传奇同好、人气交流型创作者）是整个展会生态中最宝贵的主体，他们可以同时解决客流问题和氛围问题。但他们也最脆弱：不靠卖东西活，因此对摊位费和参展成本敏感。

消费者效用

消费者 $j$ 参加展会的效用为：

$$ U_c ;=; \underbrace{v(\Theta)}{\text{吸引力价值}} ;-; \underbrace{\kappa \cdot \rho}{\text{拥挤成本}} ;-; p_{\text{ticket}} ;+; \underbrace{\eta \cdot g_{\text{event}}}_{\text{氛围价值}} $$

吸引力价值 $v(\Theta)$：消费者来展会是冲着特定社团来的。我们定义吸引力总量：

$$ \Theta ;=; \sum_{i=1}^{N_b} \theta_i $$

大社团的声誉$\Theta$对吸引力的贡献等于小社团的数倍，因此我们使用对数形式：

$$ v(\Theta) = v_0 \cdot \ln!\left(1 + \frac{\Theta}{\Theta_0}\right) $$

$v_0$ 是吸引力的边际价值标度，$\Theta_0$ 是半饱和吸引力。这捕捉了边际递减：第一个大手的加入带来的体验提升远大于第十个。

拥挤成本 $\kappa \cdot \rho$：其中 $\rho$ 是拥挤密度——

$$ \rho ;=; \frac{N_c}{A_{\text{free}}} ;=; \frac{N_c}{A - N_b \cdot a} $$

这是每单位公共空间的人数。$\kappa > 0$ 是拥挤敏感系数。注意 $\rho$ 同时依赖消费者数 $N_c$ 和摊位数 $N_b$，多招一个摊位不仅增加了吸引力，也减少了可用通道面积，在消费者人数不变的情况下推高了拥挤度。

氛围价值 $\eta \cdot g_{\text{event}}$：这是稳态均衡框架引入的非标准项。$g_{\text{event}}$ 是展会层面的总氛围，它有两个来源：

$$ g_{\text{event}} ;=; \underbrace{g_{\text{booth}}}{\text{摊位侧氛围}} ;+; \underbrace{g{\text{audience}}}_{\text{观众侧氛围}} $$

摊位侧氛围来自用爱发电型社团的无料配布、互动展示、交流，供给侧的无料商品以及售卖商品。观众侧氛围来自消费者自身，Coser 聚集、买家之间讨论作品、排队时的闲聊、拍照分享。消费者不只是需求侧，他们同时也是氛围的生产者。

$\eta > 0$ 是消费者对氛围的敏感度。两个分量的具体形式见下文。

社团效用

社团 $i$ 参展的效用为：

$$ U_s ;=; \underbrace{r!\left(\frac{N_c}{N_b}\right)}{\text{摊位均客流回报}} ;-; p{\text{booth}} ;-; E_i ;+; \underbrace{\delta_i \cdot g_{\text{event}}}_{\text{社交回报}} $$

摊位均客流回报 $r(N_c/N_b)$：比率 $N_c/N_b$ 是每个摊位平均分到的客流。$r$ 是凹函数——前几十个来看你摊位的人可以投入大量注意力，但第 500 个和第 501 个几乎没有差别，因为会产生注意力疲劳。设：

$$ r(z) = r_0 \cdot z^{\alpha_r}, \qquad \alpha_r \in (0, 1) $$

$\alpha_r < 1$ 保证递减回报。$r_0$ 是回报标度。

参展成本 $E_i$：包括交通、住宿、印刷、备货成本。这是社团自身的成本，不由举办方控制。在宏观冲击分析中，$E_i$ 受通胀影响——见经济危机下的同人市场的讨论。

社交回报 $\delta_i \cdot g_{\text{event}}$：用爱发电型为主的社团参展不只是为了卖东西，还为了交朋友、交换无料、获得认同。因此 $\delta_i$ 对回报型动机为主的社团远小于用爱发电型为主的社团。

类型构成与双源氛围

展会氛围 $g_{\text{event}}$ 有两个独立的来源。设回报型社团数为 $N_b^{(A)}$，用爱发电型社团数为 $N_b^{(G)}$（"G" for gift），$N_b = N_b^{(A)} + N_b^{(G)}$，$\omega_A^{\text{event}} = N_b^{(A)}/N_b$ 为回报型比例。

摊位侧氛围 $g_{\text{booth}}$：由用爱发电型社团的无料配布、互动展示、同好交流贡献。

$$ g_{\text{booth}} ;=; g_0 \cdot (1 - \omega_A^{\text{event}}) $$

$g_0$ 是满额无料层（全用爱发电型摊位）的氛围标度。而回报型动机的摊位比例越高，摊位侧氛围越低。这是稳态均衡的 $K_{\text{ext}}$ 在展会层面的表现。

观众侧氛围 $g_{\text{audience}}$：由消费者自身贡献，例如Coser 聚集、同好之间的讨论和交流、共享的现场兴奋感。这一项不依赖摊位的类型构成，而依赖在场人数和拥挤度。

$$ g_{\text{audience}}(N_c, \rho) ;=; h_0 \cdot \frac{N_c}{N_c + N_1} \cdot e^{-\rho / \rho^*} $$

前半部分 $N_c / (N_c + N_1)$ 是饱和增长——人越多越热闹，但有上限（$h_0$）。$N_1$ 是半饱和客流（$N_c = N_1$ 时观众氛围达到渐近值的一半）。后半部分 $e^{-\rho/\rho^}$ 是拥挤衰减——人均空间低于 $1/\rho^$ 平米后氛围急剧恶化，例如，挤得没法交流、排队占满时间、情绪从兴奋变成烦躁）。

$g_{\text{audience}}$ 是一个驼峰函数：在某个客流 $N_c^{\text{peak}}$ 处取最大值。这个峰值就是刚好热闹但不太挤的甜区。

总氛围：

$$ g_{\text{event}} ;=; g_{\text{booth}} + g_{\text{audience}} ;=; g_0(1 - \omega_A^{\text{event}}) ;+; h_0 \cdot \frac{N_c}{N_c + N_1} \cdot e^{-\rho / \rho^*} $$

根据这个氛围式，即使摊位全是回报型社团（$\omega_A = 1$, $g_{\text{booth}} = 0$），如果客流 $N_c$ 足够大且拥挤度适中，观众侧氛围 $g_{\text{audience}}$ 仍然可以撑起整体体验。 反过来，即使用爱发电社团的摊位比例很高（$g_{\text{booth}}$ 高），如果没什么人来（$N_c$ 小），总氛围仍然低迷。

这可以解释，大型热门展会（如 Comiket、上海 CP）即使商业摊位比例高，氛围依然好，因为海量观众自身就是氛围的主要来源。而小型 only 展客流不够，必须依赖摊位侧的用爱发电社团来撑氛围。

举办方的优化问题

目标函数

举办方选择 $(N_b^{(A)}, N_b^{(G)}, p_{\text{booth}}, p_{\text{ticket}})$ 来最大化社会总福利（消费者总效用 + 社团总效用），或者更现实地，在覆盖成本的约束下最大化参与者体验：

$$ \max \quad W = N_c \cdot U_c + N_b \cdot \bar{U}_s $$

其中 $N_c$ 和 $\bar{U}_s$ 都是决策变量的函数。

消费者和社团的参与约束

消费者人数 $N_c$ 不是举办方直接选择的，它由消费者的参与条件内生决定。假设潜在消费者总量为 $M$，每个人在 $U_c \geq 0$ 时选择参加：

$$ N_c^* ;=; M \cdot \Pr(U_c \geq 0) $$

注意 $U_c$ 依赖 $\Theta$吸引力总量，因此 $N_c^*$ 是 $\Theta$ 的增函数，邀请到哪些社团可以决定有多少消费者来。当然，一个有三个超级大社团的小展可能比一个有10个无名社团的大展吸引更多客流。

$N_c^*$ 同时也是 $(\rho, g_{\text{event}}, p_{\text{ticket}})$ 的函数，需要数值求解不动点（$N_c$ 出现在 $\rho$ 和 $g_{\text{audience}}$ 中，后两者又影响 $U_c$，$U_c$ 又决定 $N_c$）。

类似地，社团参与需要 $U_s \geq 0$。举办方面对的申请者池按二维分类：高声誉回报型池 $M_{A}^{H}$，低声誉回报型池 $M_{A}^{L}$，高声誉用爱发电型池 $M_{G}^{H}$，低声誉用爱发电型池 $M_{G}^{L}$。

预算约束

$$ \sum_i p_{\text{booth}}(i) + N_c \cdot p_{\text{ticket}} ;\geq; C_{\text{venue}} + C_{\text{ops}} $$

注意摊位费现在写成 $\sum_i p_{\text{booth}}(i)$ 而不是 $N_b \cdot p_{\text{booth}}$，因为不同社团的最优摊位费不同。$C_{\text{venue}}$ 是场地租金，$C_{\text{ops}}$ 是运营成本。这项是硬约束，因为亏钱的展会无法持续。

可生存性约束

$$ \omega_A^{\text{event}} ;=; \frac{N_b^{(A)}}{N_b^{(A)} + N_b^{(G)}} ;\leq; \bar{\omega}_A(N_c, \rho) $$

回报型社团的上界 $\bar{\omega}A$ 不是一个常数——它是客流 $N_c$ 和拥挤度 $\rho$ 的函数。原因在于双源氛围结构：当观众侧氛围 $g{\text{audience}}$ 足够高时，摊位侧氛围 $g_{\text{booth}}$ 的要求就可以放松。

具体地，$\bar{\omega}A$ 由总氛围的最低可接受水平 $\bar{g}{\min}$ 决定：

$$ g_0(1 - \bar{\omega}A) + g{\text{audience}}(N_c, \rho) ;\geq; \bar{g}_{\min} $$

解出：

$$ \bar{\omega}A(N_c, \rho) ;=; 1 ;-; \frac{[\bar{g}{\min} - g_{\text{audience}}(N_c, \rho)]^+}{g_0} $$

其中 $[x]^+ = \max(x, 0)$。

含义：

大型展会（$N_c$ 大，$g_{\text{audience}}$ 高）：如果 $g_{\text{audience}} \geq \bar{g}_{\min}$，则上界 $\bar{\omega}_A = 1$，观众自己撑起了全部氛围，摊位全是回报型社团也行。举办方有完全的自由度。
小型展会（$N_c$ 小，$g_{\text{audience}} \approx 0$）：$\bar{\omega}A = 1 - \bar{g}{\min}/g_0$，天花板低。必须保证足够的用爱发电的社团来维持氛围。
中间地带：上界$\bar{\omega}_A$ 随 $N_c$ 平滑上升，客流越大，允许的商业摊位比例越高。

$\bar{g}_{\min}$ 可以从消费者调查数据中估计：例如，举办方可以合理设计问卷来获得如下问题的答案：由于社团动机很难被外部测量，因此我们设计一个最合理的问题是： “您期待展会人流量为多少比较合适（假设场地容纳量为c）？”

这个转折点就近似于 $\bar{g}_{\min}$。

最优解的结构

内点最优的一阶条件

在引入声誉 $\theta$ 维度后，加一个摊位的边际效应取决于加的是哪个摊位。对社团 $i$（吸引力 $\theta_i$，类型 $k_i$）的边际社会收益为：

$$ \underbrace{\frac{\partial v}{\partial \Theta} \cdot \theta_i \cdot N_c}{\text{吸引力边际收益}} ;+; \underbrace{\eta \cdot \Delta g{\text{booth}}(k_i)}{\text{氛围边际贡献}} ;-; \underbrace{\kappa \cdot \frac{N_c^2 \cdot a}{(A - N_b a)^2}}{\text{拥挤边际成本}} ;-; \underbrace{\frac{\partial r}{\partial N_b}}_{\text{注意力稀释}} $$

声誉 $\theta_i$ 越高的社团，吸引力边际收益越大，这使得采纳社团不再是够格就录的二值决策，而是按边际贡献排序的连续问题。

第二项 $\Delta g_{\text{booth}}$ 取决于类型：用爱发电型社团贡献正值，回报型摊位贡献零或负值。

很容易得出，最优摊位数随场地面积的增加速度慢于线性。 拥挤成本中的 $(A - N_b a)^2$ 分母意味着当 $N_b a$ 接近 $A(1-\phi)$ 时，边际拥挤成本爆炸。大场地允许更多摊位，但不是等比例地更多。

定价的 Rochet-Tirole 结构与锚定租户补贴

双边平台的最优定价有一个经典结论：补贴弹性高的一侧，从弹性低的一侧收费。

在同人展会中：

消费者对价格敏感（弹性高），由于门票涨价会显著减少客流
社团对价格相对不敏感（弹性低），毕竟摊位费是参展总成本的一部分

因此最优定价倾向于低票价（甚至免费入场）+ 较高摊位费。

但这里有一个来自稳态均衡的修正：摊位费对不同类型的社团有差异化影响。 高摊位费选择性地排斥用爱发电型社团（他们没有足够的市场收入来覆盖高费用），保留回报型社团（他们有利润空间）。因此摊位费每提高一元，$\omega_A^{\text{event}}$ 就上升一点，直到触碰 $\bar{\omega}_A$ 的天花板。

但统一摊位费存在两个问题：它选择性地排斥用爱发电型社团，同时对高声誉 $\theta$ 社团收取了与其正外部性不匹配的价格。引入声誉 $\theta$ 维度后，最优定价不再是统一的。

社团 $i$ 对展会的边际贡献有两个独立来源：引流和氛围。最优定价应将两种外部性分别内部化：

$$ p_{\text{booth}}^*(i) ;=; p_{\text{base}} ;-; \underbrace{\lambda_\Theta \cdot \theta_i}{\text{引流补贴}} ;-; \underbrace{\lambda_g \cdot \mathbf{1}[k_i \in {B,D,E}]}{\text{氛围补贴}} $$

$\lambda_\Theta$ 是引流外部性的影子价格（每单位声誉 $\theta$ 值多少摊位费减免），$\lambda_g$ 是氛围外部性的影子价格。两个补贴独立叠加。四个象限的排序：

$$ p^(\text{高}\theta\text{, 用爱发电}) ;<; p^(\text{高}\theta\text{, 追求回报}) ;<; p^(\text{低}\theta\text{, 用爱发电}) ;<; p^(\text{低}\theta\text{, 追求回报}) $$

高声誉的用爱发电型社团，理论上应该拿最低价甚至免费摊位。而低声誉的回报型社团，应当付全价甚至溢价。

可以观察到，一些国内展会更直接：对知名社团免摊位费甚至提供交通补贴。这些其实是可以被解释为锚定租户定价的自发实现。

如果只能实施两档定价（精细化四象限不现实），优先区分的维度应该是 $\theta$（引流能力），而不是类型。因为 $\lambda_\Theta \cdot \theta_i$ 的方差远大于 $\lambda_g$ 的方差——大手和小社团之间的引流差距是数量级的，A 和 B/D/E 之间的氛围差距是线性的。翻译成人话：先确保大手来了，再平衡商业和非商业。

类型配额：必要但有条件

如果举办方只优化总摊位数和定价，不控制类型构成，竞争性摊位分配会自然推高回报型社团比例。均衡结果是过度商业化。

但双源氛围结构意味着类型配额不总是必要的。

设用爱发电型摊位的保底比例为 $\phi_G$：

$$ N_b^{(G)} ;\geq; \phi_G \cdot N_b $$

$\phi_G$ 的最优值取决于 $g_{\text{audience}}$ 的大小：

当 $g_{\text{audience}} < \bar{g}_{\min}$（小展，客流不足以自生氛围）：$\phi_G > 0$ 是硬约束，必须保证足够的用爱发电摊位。$\phi_G$ 的最优值使得摊位侧氛围补足观众侧的不足：

$$ \phi_G^* ;=; \frac{\bar{g}{\min} - g{\text{audience}}}{g_0} $$

当 $g_{\text{audience}} \geq \bar{g}_{\min}$（大展，观众自己撑起氛围）：$\phi_G^* = 0$使得类型配额不绑定，举办方可以自由配置。这不意味着用爱发电的社团不重要，但他们不再是氛围的底线保障，毕竟观众已经是了。

中间情况下，$\phi_G^*$ 随客流预期 $N_c$ 平滑下降：客流预期越高，对用爱发电社团的配额要求越低。这给出了一个实用的决策规则，根据往期客流数据预测 $N_c$，由此倒推本期需要预留多少 B/D/E 摊位。

举办方应该很早就感性知道了这一点，不要用固定比例管理类型配额。客流好的展次可以放开更多商业摊位；客流预期差的展次必须收紧，甚至主动增加无料/交流区来补偿观众氛围的不足。

均衡的完整刻画

前面的分析分别给出了摊位的边际录取条件、差异化定价结构和类型配额，但还缺少一个关键的闭合：消费者规模 $N_c^*$ 从未被显式求解。$N_c$ 同时出现在拥挤密度 $\rho$ 和观众侧氛围 $g_{\text{audience}}$ 中，而这两者又反过来决定 $U_c$，进而决定 $N_c$——一个不动点问题。我们现在闭合它。

消费者异质性与参与不动点

引入消费者异质性：每个潜在消费者有独立的外部选项 $\varepsilon_j \sim \text{Uniform}[0, \bar{\varepsilon}]$，刻画通勤成本、时间冲突、对 IP 的偏好差异等。消费者 $j$ 参加当且仅当 $U_c \geq \varepsilon_j$。

定义共同价值，即所有消费者共享的效用部分（不含门票和个体异质性）：

$$ V(N_c) ;\equiv; v(\Theta) ;-; \frac{\kappa , N_c}{A - N_b a} ;+; \eta \cdot g_{\text{event}}(N_c) $$

消费者参与的不动点条件：

$$ N_c^* ;=; \frac{M}{\bar{\varepsilon}} \cdot \left[V(N_c^*) - p_{\text{ticket}}\right]^+ $$

存在性：$N_c = 0$ 时，$V(0) = v(\Theta) + \eta g_{\text{booth}} > p_{\text{ticket}}$（假设展会基础吸引力超过票价），右端为正。$N_c \to \bar{N}_{\text{cap}}$ 时拥挤项，$V \to -\infty$，右端为零。由介值定理，不动点存在。

唯一性：当拥挤主导条件成立： $$ \frac{\kappa}{A - N_b a} ;>; \eta \cdot \frac{\partial g_{\text{audience}}}{\partial N_c} $$

即 $V$ 对 $N_c$ 严格递减时，不动点方程右端是 $N_c$ 的严格递减函数，与 $45°$ 线至多交一次。均衡唯一且稳定。

封闭近似（忽略 $g_{\text{audience}}$ 对 $N_c$ 的反馈，适用于小型展会）：

$$ N_c^* ;\approx; \frac{M\left[v(\Theta) - p_{\text{ticket}} + \eta , g_{\text{booth}}\right]}{\bar{\varepsilon} ;+; \dfrac{\kappa , M}{A - N_b a}} $$

分子是展会的静态吸引力（吸引力价值 + 摊位氛围 − 门票），分母中 $\bar{\varepsilon}$ 反映消费者群体的异质性程度，$\kappa M / (A - N_b a)$ 反映拥挤的自我抑制效应。

庇古最优门票定价

门票是举办方和消费者之间的转移支付，对社会总剩余无直接影响。但消费者的进入决策带来三种外部性：拥挤（负）、氛围（正或负）、社团客流（正）。而门票的社会最优水平应使边际消费者恰好内化其全部外部性。

社会总剩余（价格项互相抵消后）为：

$$ TS ;=; N_c , V(N_c) ;-; \frac{\bar{\varepsilon} , N_c^2}{2M} ;+; N_b , r!\left(\frac{N_c}{N_b}\right) ;+; \left(\sum_i \delta_i\right) g_{\text{event}}(N_c) ;-; \sum_i E_i ;-; C $$

对 $N_c$ 求一阶条件 $\partial TS / \partial N_c = 0$，再反解不动点条件 $p_{\text{ticket}} = V(N_c^) - \bar{\varepsilon} N_c^ / M$，得到实现社会最优规模的庇古门票：

$$ p_{\text{ticket}}^* ;=; \underbrace{\frac{\kappa , N_c^}{A - N_b a}}_{\text{拥挤税}} ;-; \underbrace{\left(\eta , N_c^ + \sum_i \delta_i\right) \frac{\partial g_{\text{audience}}}{\partial N_c}}{\text{氛围补贴}} ;-; \underbrace{r'!\left(\frac{N_c^*}{N_b}\right)}{\text{客流补贴}} $$

三种力量的相对大小决定了最优门票的符号和水平：

大型拥挤展（$N_c$ 大，$\rho \gg \rho^$）：拥挤税主导；$\partial g_{\text{audience}} / \partial N_c < 0$（氛围已在衰减侧），氛围项翻转为正值。不是补贴而是征税。$p_{\text{ticket}}^$ 显著为正，应当收高价门票来限制人流。
小型稀疏展（$N_c$ 小，$\partial g_{\text{audience}} / \partial N_c > 0$）：氛围补贴和客流补贴主导。$p_{\text{ticket}}^* < 0$ 是可能的，理论上应该免费入场甚至发放补贴来吸引客流。这解释了许多小型 only 展选择免费入场或极低门票的做法。
氛围峰值附近（$\partial g_{\text{audience}} / \partial N_c \approx 0$）：庇古门票退化为 $p_{\text{ticket}}^* \approx \kappa N_c / (A - N_b a) - r'$，拥挤税与客流补贴的直接权衡。

结构性结论：最优 $N_c^*$ 一般略高于氛围峰值 $N_c^{\text{peak}}$。 在氛围峰值处 $\partial g_{\text{audience}} / \partial N_c = 0$，但客流补贴 $r' > 0$ 仍然压低门票、推动更多人入场。即最优的展会比最舒适的展会稍微再挤一点。社团需要客流，消费者需要让渡一部分舒适度来换取社团的参展回报。

庇古最优摊位定价与录取门槛

门票的庇古逻辑同样适用于摊位侧。每个社团的参展决策带来四种外部性：占据面积 $a$ 抬高拥挤度（负），增加摊位数量 $N_b$ 稀释每社团客流（负），贡献声誉 $\theta_i$ 到总吸引力引流（正），影响摊位侧氛围（用爱发电型为正，回报型为负）。

庇古摊位费让社团为其净外部性付费：

$$ p_{\text{booth}}^{\text{Pig}}(i) ;=; \underbrace{\frac{\kappa N_c^{2} a}{(A - N_b^ a)^2}}{\text{拥挤税}} ;+; \underbrace{\alpha_r \cdot r!\left(\frac{N_c^}{N_b^}\right)}{\text{稀释税}} ;-; \underbrace{\frac{\partial v}{\partial \Theta} \theta_i \cdot N_c^}_{\text{引流补贴}} ;-; \underbrace{\eta \cdot \Delta g(k_i) \cdot N_c^}_{\text{氛围调节}} $$

前两项对所有社团相同——占一个坑位的社会成本。稀释税中 $\alpha_r$ 是客流回报 $r(z) = r_0 z^{\alpha_r}$ 的凹度参数，$\alpha_r \cdot r(N_c^/N_b^)$ 是新增一个摊位对全体现有社团造成的总客流损失。后两项因社团而异：声誉越高的社团引流补贴越大，用爱发电型享受氛围补贴（回报型则被收取氛围税）。

对比之前的公式 $p^*(i) = p_{\text{base}} - \lambda_\Theta \theta_i - \lambda_g \cdot \mathbf{1}[k_i \in G]$，庇古分析现在确定了全部参数：

$$ p_{\text{base}} ;=; \frac{\kappa N_c^{2} a}{(A - N_b^ a)^2} ;+; \alpha_r \cdot r!\left(\frac{N_c^}{N_b^}\right) ;+; \frac{\eta , g_0 (1-\omega_A^) , N_c^}{N_b^*} $$

$$ \lambda_\Theta ;=; \frac{v_0 , N_c^}{\Theta^ + \Theta_0}, \qquad \lambda_g ;=; \frac{\eta , g_0 , N_c^}{N_b^} $$

$p_{\text{base}}$ 是零声誉回报型社团的摊位费，即拥挤税 + 稀释税 + 回报型的氛围外部性成本。$\lambda_\Theta$ 是每单位声誉的社会价值：边际吸引力 $v_0/(\Theta + \Theta_0)$ 乘以受益的消费者人数 $N_c^$。$\lambda_g$ 是用爱发电型相对于回报型的氛围溢价：替换一个回报型为用爱发电型带来的氛围提升 $g_0 / N_b^$，乘以消费者的氛围敏感度和人数。

录取门槛：社团在庇古定价下自愿参展当且仅当 $U_s(i) \geq 0$，即总收益超过总成本。对回报型社团（$\delta_i \approx 0$），最低声誉门槛为：

$$ \theta_A^* ;=; \frac{p_{\text{base}} + E_A - r(N_c^/N_b^)}{\lambda_\Theta} $$

对用爱发电型社团（$\delta_i = \delta_G$）：

$$ \theta_G^* ;=; \frac{p_{\text{base}} + E_G - r(N_c^/N_b^) - \lambda_g - \delta_G \cdot g_{\text{event}}^*}{\lambda_\Theta} $$

由于 $\lambda_g > 0$ 且 $\delta_G > 0$，有 $\theta_G^* < \theta_A^*$：用爱发电型社团以更低的声誉被录取，不是偏袒，而是因为他们的氛围正外部性降低了其净社会成本。

最优摊位数 $N_b^*$ 由各池中超过门槛的申请者数量决定：

$$ N_b^* ;=; \left|{i \in \text{Pool}_A : \theta_i \geq \theta_A^}\right| ;+; \left|{i \in \text{Pool}_G : \theta_i \geq \theta_G^}\right| $$

受物理上限 $N_b^* \leq \bar{N}b$ 和类型配额 $N_b^{(G)} \geq \phi_G^ N_b^$ 约束。门槛 $\theta^$ 依赖于 $N_b^*$（通过 $p{\text{base}}$, $r$, $\lambda_\Theta$），这构成又一个不动点。在合理参数下（拥挤成本递增、吸引力递减），不动点存在且唯一。如果声誉在各池中服从帕累托分布 $\theta \sim \text{Pareto}(\theta_{\min}, \beta)$——少数大手、大量小社团的典型重尾结构——总摊位数有封闭近似：

$$ N_b^* ;\approx; M_A \left(\frac{\theta_{\min}}{\theta_A^}\right)^\beta ;+; M_G \left(\frac{\theta_{\min}}{\theta_G^}\right)^\beta $$

$M_A$, $M_G$ 是各池申请总量。$\beta$ 越小（声誉分布越重尾），$N_b^*$ 对门槛变动越敏感：在声誉高度集中的圈子里，放宽一点录取标准就会涌入大量小社团。

完整均衡系统与求解顺序

将以上结果与定价结构、类型配额合并，展会的社会最优均衡由以下联立条件刻画：

$$ \begin{aligned} \textbf{(I)} \quad & N_c^* = \frac{M}{\bar{\varepsilon}}\left[V(N_c^) - p_{\text{ticket}}^\right]^+ \[6pt] \textbf{(II)} \quad & p_{\text{ticket}}^* = \frac{\kappa N_c^}{A - N_b^ a} - \left(\eta N_c^* + \textstyle\sum_i \delta_i\right)\frac{\partial g_{\text{aud}}}{\partial N_c} - r'!\left(\frac{N_c^}{N_b^}\right) \[6pt] \textbf{(III)} \quad & p_{\text{booth}}^(i) = p_{\text{base}} - \lambda_\Theta \theta_i - \lambda_g \cdot \mathbf{1}[k_i \in G] \[6pt] \textbf{(IV)} \quad & \frac{\partial v}{\partial \Theta}\theta_i N_c^ + \eta , \Delta g(k_i) \geq \frac{\kappa {N_c^}^{2} a}{(A - N_b^ a)^2} + \left|\frac{\partial r}{\partial N_b}\right| \[6pt] \textbf{(V)} \quad & N_b^{(G)} \geq \frac{\left[\bar{g}{\min} - g{\text{audience}}^\right]^+}{g_0} \cdot N_b^* \[6pt] \textbf{(VI)} \quad & \textstyle\sum_i p_{\text{booth}}^(i) + N_c^ , p_{\text{ticket}}^* \geq C_{\text{venue}} + C_{\text{ops}} \end{aligned} $$

六个条件确定 $(N_c^,, N_b^,, N_b^{(G)},, p_{\text{ticket}}^,, {p_{\text{booth}}^(i)},, p_{\text{base}})$。其中 $\lambda_\Theta = v_0 N_c^/(\Theta^* + \Theta_0)$，$\lambda_g = \eta g_0 N_c^/N_b^$（由庇古摊位定价显式给出），$N_b^$ 由各池中超过录取门槛 $\theta_A^$, $\theta_G^*$ 的社团数量确定。

求解顺序：

先定摊位：给定候选社团池，由庇古录取门槛 $\theta_A^$, $\theta_G^$ 筛选各池（等价于按条件 (IV) 的边际社会收益排序），确定 $N_b^$、$\Theta^$、$\omega_A^$，并由条件 (V) 检查类型配额。由于门槛依赖 $N_b^$，此步本身是一个不动点，但在合理参数下收敛。
再定客流：将 $N_b^$ 代入条件 (I) 与 (II) 联立，数值求解一维不动点得到 $N_c^$。
后定价格：由 (II) 得到 $p_{\text{ticket}}^*$。摊位侧，庇古定价给出 $p_{\text{base}}$ 的社会最优值；若条件 (VI) 的预算约束不满足，则上调 $p_{\text{base}}$ 直至预算平衡。最后由 (III) 算出每个社团的摊位费。

这个求解顺序恰好对应现实中举办方的决策时序，即，先确定社团阵容（展前 3–6 个月招募），再根据阵容和预售情况定门票，最后微调限流和配额。

当预算约束绑定时（$\mu > 0$），门票需高于庇古水平来覆盖成本，$N_c$ 相应缩减。偏离幅度取决于成本缺口和消费者的价格弹性，这意味着，越是成本紧张的展会，离社会最优越远。

利润最大化的对照

以上全部均衡解都是社会福利最大化的情况。现在推导利润最大化者的均衡作为对照。

利润 = 总剩余 − 消费者剩余

如果举办方能够对每个社团收取其全部支付意愿（完全价格歧视，$p_{\text{booth}}^{\Pi}(i) = r(z) + \delta_i g - E_i$ 使得 $U_s(i) = 0$），利润为：

$$ \Pi ;=; TS - CS ;=; N_c V - \frac{\bar{\varepsilon} , N_c^2}{M} + N_b , r + (\textstyle\sum_i \delta_i) , g - \textstyle\sum_i E_i - C $$

与 $TS$ 的唯一区别：$N_c^2$ 的系数从 $\bar{\varepsilon}/(2M)$ 变为 $\bar{\varepsilon}/M$——翻了一倍。这个翻倍是垄断定价的标准结果：降价吸引边际消费者时，同时损失了向所有内框边际消费者（infra-marginal）收取高价的机会。

由此，利润最大化者的一阶条件与社会最优者形式完全相同，仅差一个系数：

$$ \text{社会最优：}\quad SMV(N_c^) = \frac{\bar{\varepsilon} , N_c^}{M} $$

$$ \text{利润最大化：}\quad SMV(N_c^{\Pi}) = \frac{2\bar{\varepsilon} , N_c^{\Pi}}{M} $$

其中 $SMV(N_c) \equiv V + N_c V_N + r' + (\sum_i \delta_i) , \partial g_{\text{aud}} / \partial N_c$ 是多一个消费者的社会边际价值。右侧的 $2\times$ 使得利润最大化者要求更高的边际价值才愿意降价引入更多消费者，因此 $N_c^{\Pi} < N_c^*$——利润最大化展会的消费者系统性地少于社会最优。

利润最大化的门票

反解不动点条件：

$$ p_{\text{ticket}}^{\Pi} ;=; \underbrace{\frac{\kappa N_c^{\Pi}}{A - N_b a} - \left(\eta N_c^{\Pi} + \textstyle\sum_i \delta_i\right)\frac{\partial g_{\text{aud}}}{\partial N_c} - r'!\left(\frac{N_c^{\Pi}}{N_b}\right)}{\text{庇古定价（在 }N_c^{\Pi}\text{ 处求值）}} ;+; \underbrace{\frac{\bar{\varepsilon} , N_c^{\Pi}}{M}}{\text{垄断加价}} $$

与社会最优的唯一差异是末项 $\bar{\varepsilon} N_c^{\Pi}/M$：边际消费者的保留效用被叠加在门票上。这是经典垄断定价在双边平台语境下的表达。注意庇古部分本身也在 $N_c^{\Pi}$ 处求值（而非 $N_c^*$），由于 $N_c^{\Pi}$ 更低，拥挤税更小、客流补贴更大，毕竟利润最大化的举办方不在意拥挤，反而更渴望客流。

利润最大化的摊位费

完全价格歧视（举办方知道每个社团的 $\theta_i$, $k_i$, $E_i$, $\delta_i$）下：

$$ p_{\text{booth}}^{\Pi}(i) ;=; r!\left(\frac{N_c^{\Pi}}{N_b^{\Pi}}\right) + \delta_i , g_{\text{event}}^{\Pi} - E_i $$

每个社团被榨取到 $U_s = 0$。没有庇古补贴结构：高声誉社团被收高价（$r$ 大），用爱发电型也被收高价（$\delta_i g$ 大）。举办方会把每一分外部性收益都定价回来，不是补贴正外部性，而是对正外部性征收全额费用。

发布式定价（举办方信息不完全，使用价格表 $p_{\text{base}}^{\Pi} - \lambda_\Theta^{\Pi} \theta_i - \lambda_g^{\Pi} \cdot \mathbf{1}[G]$）下，利润最大化者的影子价格低于社会最优：

$$ \lambda_\Theta^{\Pi} < \lambda_\Theta^, \qquad \lambda_g^{\Pi} < \lambda_g^ $$

$\lambda_\Theta^{\Pi}$ 仍然为正。利润最大化者也补贴大社团，因为大社团引流增加门票收入。但补贴不及社会最优，因为举办方只捕获引流的收入部分、不捕获消费者剩余部分。$\lambda_g^{\Pi}$ 为正但很小，因为氛围通过消费者满意度间接影响门票收入，传导链条长、弹性低。在极端情况下，比如举办方完全忽视氛围对门票的间接效应，$\lambda_g^{\Pi} \to 0$，退化为下一节的定性结论。

录取排序不变，门槛升高

由于 $\Pi = TS - CS$，利润最大化者的录取条件与社会最优者数学形式完全相同，只是在更低的 $N_c^{\Pi}$ 处求值。结果：

排序不变：高声誉用爱发电型 > 高声誉回报型 > 低声誉用爱发电型 > 低声誉回报型。两种举办方认为同一批社团最有价值。
门槛升高：$N_c^{\Pi} < N_c^$ 使得吸引力边际收益 $(\partial v / \partial \Theta) \theta_i N_c$ 更小。消费者更少时引流的边际价值更低，更多社团无法通过边际条件。$\theta_A^{\Pi} > \theta_A^$，$\theta_G^{\Pi} > \theta_G^$，$N_b^{\Pi} \leq N_b^$：利润最大化展会更小。

垄断楔子

定义楔子：$\text{wedge} \equiv (N_c^* - N_c^{\Pi}) / N_c^*$。在封闭近似下（$V_0 = v(\Theta) + \eta g_{\text{booth}}$，$s = \kappa M/(A - N_b a)$）：

$$ N_c^* \approx \frac{M V_0}{\bar{\varepsilon} + 2s}, \qquad N_c^{\Pi} \approx \frac{M V_0}{2\bar{\varepsilon} + 2s} $$

$$ \text{wedge} ;\approx; \frac{\bar{\varepsilon}}{\bar{\varepsilon} + 2s} $$

$\bar{\varepsilon}$ 是消费者异质性（外部选项的分散程度），$s$ 是拥挤率。当 $s \gg \bar{\varepsilon}$（场地拥挤是真正的瓶颈）时楔子趋于零，两种举办方的行为趋同，因为物理约束而非定价才是限制消费者的主因。当 $s \ll \bar{\varepsilon}$（场地宽裕、消费者分化大）时楔子趋于 $1$。利润最大化的主办方会通过高价门票排斥大量本应到场的消费者。

这对应着：

大型热门展（Comiket、CP 等，$s/\bar{\varepsilon}$ 大）：门票的福利损失较小，因为拥挤已经是约束。利润最大化的扭曲主要体现在摊位侧（全额榨取社团剩余）而非门票侧。
小型 only 展（$s/\bar{\varepsilon}$ 小，场地宽裕）：门票的福利损失大。利润最大化者会定高门票把人拦在外面，即使场地还有大量空间。扭曲主要体现在门票侧。

举办方的最优决策对同人市场的影响

上面的分析都是在问"举办方应该怎么做"。但举办方的决策不是在真空中发生的。决策将通过稳态均衡的反馈环路传导到整个同人市场的稳态均衡。

福利最大化 vs 利润最大化：方向相反

锚定租户定价公式 $p^(i) = p_{\text{base}} - \lambda_\Theta \theta_i - \lambda_g \cdot \mathbf{1}_{B/D/E}$ 是从社会福利最大化推导出来的。它降低了用爱发电型和高声誉 $\theta$ 社团的有效参展成本 $E_i^{\text{eff}} = E_i + p^(i)$，提高了他们的存活率。

如果展会是创作者的主要市场渠道，当然对很多同人圈子来说确实如此，举办方的定价决策就不只是一场活动的微观问题。它通过差异化存活率直接塑造市场层面的类型构成 $\omega$。一个长期运营的福利最大化展会系列，等效于在截面分布 $\mu$ 上施加一个对用爱发电友好的选择压力，把 $(g, \omega)$ 维持在稳态均衡的可生存性核 $K_{\text{ext}}$ 内部。因此，福利最大化的举办方是社群的隐性守护者。

利润最大化的举办方做的事情恰好相反。他们的目标函数是 $\Pi_{\text{org}} = \sum_i p_{\text{booth}}(i) + N_c \cdot p_{\text{ticket}} - C$，不包含氛围外部性。最优行为是：

摊位费尽可能高，直到社团的参与约束绑定。回报型大社团支付意愿高于用爱发电型，使得展会方自然偏向回报型大社团。
氛围补贴 $\lambda_g = 0$（成本项，不进入利润）。
引流补贴 $\lambda_\Theta > 0$（大手带来的门票收入是利润），但可能低于社会最优水平。

这种干预偏向等效于在截面分布 $\mu$ 上施加一个对用爱发电不友好的压力，会导致利润最大化的举办方是社群的侵蚀者。

时间不一致性

即使是利润最大化的举办方，如果时间视野足够长，也应该保护用爱发电型，因为他们维持的氛围是未来客流的基础。但这里有一个经典的时间不一致性：

当期：多收一个大社团的摊位费 > 少收一个小社团的摊位费。偏离社会最优有即时利润。
长期：用爱发电流失使得氛围下降，从而使得客流下降，导致未来利润下降。但未来利润被折现了。

设举办方的折现率为 $r_{\text{org}}$。当 $r_{\text{org}}$ 高，例如短视、资金压力大、不确定还能不能办下一届，当期榨取的行动成为主导。当 $r_{\text{org}}$ 低，策略是长期经营、品牌意识强，就会以培育为主导。

这应该可以解释中国同人展会生态中常见的两极分化：一种是做了十几年口碑极好但一直不怎么赚钱的老牌 only 展，另一种是快速商业化、两三年就口碑崩塌的割韭菜展，纯利润最大化。这个分离推导来自于折现率差异，这类折现率不仅来自于经济学的感知，还来自于法律成本，风险成本的管理认知。

高风险的办展活动将会恶化

近期能看到一些被恶意举报的同人展，这不仅直接推高了同人展会方的系统风险，也会同时传递到整个同人市场。从平时来讲，举办同人展本身也是一个高风险的投资活动。

这意味着即使一个举办方的主观偏好是用爱发电型的举办方，风险暴露会内生地推高他的有效折现率 $r_{\text{org}}$。

而举办方面临的生存条件和创作者完全同构——

$$ W_{\text{org}}' = W_{\text{org}} + \underbrace{\Pi_{\text{event}}}{\text{本期利润}} - \underbrace{E{\text{org}}}_{\text{固定成本+精力}} $$

当 $W_{\text{org}}' \leq 0$，举办方退出。而成本$E_{\text{org}}$ 是刚性的，利润$\Pi_{\text{event}}$ 是随机的。为了保证热情预算 $W_{\text{org}}' > 0$ 的概率足够高，举办方必须最大化利润 $\Pi$ 的期望值，这也是仅有的生存约束。

这就导致了一个结构性问题：

举办方越是为爱发电，就越需要利润最大化来存活。纯粹的福利最大化展会在单次博弈中是不可持续的，除非有外部补贴或者举办方能承受亏损。那些能坚持多年的好展会，通常不是不追求利润，而是举办方个人有其他收入来源兜底，等效于对展会做了一个隐性补贴。

反过来说，考虑风险后的最优摊位费应该更高，因为举办方需要一个安全边际来覆盖客流不及预期的情况。这个安全边际进一步挤压了用爱发电社团的生存空间，从而通过传导链路挤压整个同人市场。

因此外部恶意给同人展增加系统风险实质上是对同人市场做高度的破坏。这种行为是急需取缔的。

传导链

举办方的最优决策通过三条独立的通道影响稳态均衡：

链条1：大手补贴使得帕累托指数下降$\alpha_{\text{net}}$，造成声誉锁定。 对高声誉 $\theta$ 社团的补贴强化了他们的市场地位，使得声誉进一步增长。如果补贴只给高声誉作者，这意味着举办方在加速无标度化，让大的更大、小的更边缘化。这通过稳态均衡的 $\alpha_{\text{net}}$ 通道加剧了声誉锁定，使得新人进入变得极为困难。

福利最大化下，$\lambda_g > 0$ 的氛围补贴部分抵消了这个效应。但，利润最大化下，$\lambda_g = 0$，无标度化的加速没有制动器。

链条 2：参展门槛使得网络重置。 线下展会是网络的周期性重置器，把参与者暂时推回近似小世界网络。但重置不是无差别的：谁参展了，谁就被重置到小世界内。被高摊位费排斥的用爱发电小社团不参展，就会使得他们的网络位置在线上持续碎片化，而如果恰好声誉低，又会促进边缘化。

举办方也在稳态均衡里

大多数同人展会举办方以用爱发电型起步，毕竟自己就是同好，办展的动机是想让大家聚在一起。这时他们的决策自然接近福利最大化。

但随着展会做大、商业机会浮现，举办方自身面临向回报型漂移的激励，与稳态均衡中创作者的类型漂移完全同构。高声誉 $\theta$ 的举办方（品牌展会）比低声誉 $\theta$ 的举办方有更多商业化诱惑，正如高声誉 $\theta$ 的创作者比低声誉 $\theta$ 的创作者有更多商业化诱惑。

$$ \frac{\partial q_{A}^{\text{org}}}{\partial \theta_{\text{event}}} > 0 $$

展会声誉越高，举办方越容易向回报型漂移。

因此不可能三角不只约束创作者和消费者，也约束平台本身。没有人能逃出这个三角形。 举办方、创作者、消费者三方面临的结构性约束是同一个均衡的三个投影。举办方试图同时最大化利润、维持氛围、保持低门槛，与创作者和消费者面临的权衡相同，这三个基本上是不可能同时存在的。

同人市场分析(终) ——经济危机下的同人市场

Mon, 13 Apr 2026 00:00:00 GMT

在同人市场稳态的不可能三角中，我们构建了一个完整的稳态均衡框架，证明了成熟同人市场的市场繁荣、无料繁荣、新人可进入性将不可同时最大化。

现实中，同人市场不是一个封闭系统。宏观经济的剧烈波动，通货膨胀、通货紧缩、滞涨将会从外部冲击这个均衡。并且这也是所有人最关心的一点——在经济下行周期，同人市场会有什么反应？

冲击的来源

宏观经济危机并不会直接作用于同人创作者的偏好或类型构成——它通过四个外生参数间接传导：

参数	含义	通胀	通缩	滞涨
$m$	消费者实际收入	不变或微降	下降	下降
$E(\mathbf{x})$	创作成本（印刷、场地、材料）	上升	不变或微降	上升
$T_i$	可用于创作的时间	不变	上升（失业释放时间）	下降（被迫加班）
$\lambda_{\text{entry}}$	新人进入率	下降	方向不定	下降

这些参数进入均衡后，将沿着不可能三角中定义的反馈环路逐级传导：

$$ \text{宏观冲击} ;\to; \text{需求/供给} ;\to; \text{均衡价格} ;\to; \text{利润率和热情} ;\to; \text{退出率} ;\to; \text{市场分布} \to\ 无料经济 $$

前文回顾：

根据无料的形式化工作我们将创作者分成了几个动机行动的混合:

类型 A——声誉-意识型（reputation-aware）

类型 B——社交连接型（communal）

类型 C——产能溢出型（slack disposal）

类型 D——纯表达型（expressive）

类型 E——人际定点型（personal）

类型 F——习惯性 / 规范遵从型（conformity）

我们用 $\omega$ 来定义各个动机行为发生的比例

通货膨胀：成本杀死为爱发电

通货膨胀对同人市场的核心冲击是成本推升。印刷费涨了，场地租金涨了，纸张和油墨涨了。但同人制品的定价有极强的文化粘性，在同人文化中提价被视为吃相难看，创作者很难把成本转嫁给消费者。

这意味着当 $E(\mathbf{x})$ 上升时，创作者的热情预算转移

$$ W' = W + u_k(s, \mathbf{x}_k^) - E(\mathbf{x}_k^) $$

中 $E$ 项增大，$W'$ 对所有类型都下降。退出率普遍上升。

但退出不是均匀的。 这是关键。

A 型创作者（以声誉投资和市场收入为目标）至少可以通过提价部分转嫁成本，在不可能三角的市场出清条件下，均衡价格$p_H^*$ 会因为供给收缩而上调。转嫁不完全，但聊胜于无。

B/D/E 型创作者（互惠、自我表达、社交驱动）则完全无法转嫁，无料层的产出没有价格回收机制。创作者做的无料配布，不管印刷费涨成什么样，创作者都不能向拿无料的人收钱，不然还能叫无料嘛。因此：

$$ \frac{\partial(\text{Exit}k)}{\partial E}\bigg|{B,D,E} ;>; \frac{\partial(\text{Exit}k)}{\partial E}\bigg|{A} $$

为爱发电的人其实要比做同人生意的人在实体市场退得更快。因此体现在动机行为发生的比例上， $\omega_A$ 比例上升，$\omega_B + \omega_D + \omega_E$ 比例下降。如果下降幅度足够大，群体构成就会逼近不可能三角中定义的可生存性核 $K_{\text{ext}}$ 的边界，一旦越过，就触发声誉信号退化的级联崩溃。

当然，不能一个重要的异质性：数字化礼物（在线连载、电子插画、同人音乐）的边际成本近似为零，不受通胀冲击。因此通胀选择性地打击实体礼物（纸质无料、手工赠品），而保留数字礼物。因此市场会发生构成迁移，从实体向数字。

通胀还有一个间接效应：消费者的超量收入 $m^s = m - p_H \gamma_H - p_L \gamma_L$ 因价格上升而收缩，消费从多样化购买收缩为只买最喜欢的少数创作者。声誉的筛选作用增强，小创作者的需求蒸发。这加剧了不可能三角中声誉锁定的极化效应，使得新创作者更不可能加入市场。

当然，不可能三角中承诺消费 $\gamma_H > 0$ 提供了一个底线保护：无论收入怎么收缩，$Q_H^* \geq \gamma_H > 0$ 始终成立，因此同人本市场不会归零。

通货紧缩：利好用爱发电的危机

通货紧缩的冲击方向与通胀完全不同。核心不是成本推升，而是需求收缩：消费者实际收入 $m$ 下降，同人制品作为高度可选的消费品首当其冲。

传导链条是不可能三角中收入冲击分析的精确逆向：

$$ 总预算m \downarrow ;\to; 同人预算 m^s \downarrow ;\to; 需求 Q_H^, Q_L^ \downarrow ;\to; 价格 p_H^, p_L^ \downarrow ;\to; 利润 \pi_i \downarrow ;\to; A型的热情补充W_i^{(A)} \downarrow ;\to; \text{A 型退出率} \uparrow $$

但用爱发电的 B/D/E 型动机几乎不受影响。 因为这类动机的效用函数，互惠 $u_B$、自我表达 $u_D$、社交 $u_E$，不依赖市场价格。市场层价格崩溃对他们来说无关紧要，因为他们从来就不靠卖东西活。

这产生了一个有意思的结果：通货紧缩可能让无料更繁荣。 通缩挤走了商业创作者，使得群体构成向非商业端漂移，$(g, \omega)$ 向 $K_{\text{ext}}$ 内部移动，无料层的可生存性增强了。

而且，消费者买不起付费作品时，会转向无料。礼物层消费量上升，创作者能够收到更多感谢和互动，$u_B$ 和 $u_D$ 的回报上升，B/D/E 型的热情预算 $W'$ 上升，退出率进一步下降。通缩在无料层创造了一个良性循环。

如果通缩足够严重，对应同人消费的超量预算$m^s \to 0$，市场层可能经历不可能三角中市场从无料层涌现的逆过程：A 型动机因为不可生存而全部退出，消费者也全部转向免费作品，系统将会退化回纯无料经济。但与最初的纯无料经济不同，退化后的系统继承了市场期积累的声誉资本和网络拓扑，创作者之间已有分化的声誉和固化的网络位置。这是一个后市场的状态，不是原始的田园状态。

并且，通缩常伴随失业率上升。失业释放了时间禀赋 $T_i$，因此创作者可以投入更多时间。但热情预算 $W_i$ 可能同时下降，因为兼顾着失去收入来源的精神压力。

上述过程的净效应取决于个体类型：对 D/E 型来说，创作是精神慰藉，$T$ 增加的正效应主导；对 A 型来说，这是利润消失的打击主导。

因此有闲无钱的状态进一步加速了从 A 型动机向用爱发电的 B/D/E 型的构成漂移。

滞涨：杀死一切的危机

滞涨是通胀和通缩的最坏组合：成本上升和需求收缩同时发生。

A 型创作者的利润被从两端挤压：

$$ \pi_i = p^* \cdot x_{a_M} - c_M $$

$p^*$ 因需求收缩而下降，$c_M$ 因成本膨胀而上升。利润可能变负。A 型为主导创作者当然会退出。

但与纯通缩不同，用爱发电的B/D/E 型也将被冲击。 成本$E$ 上升同时打击礼物层的制作成本，纸质无料印不起了，活动也参加不起了。用爱发电的B/D/E 型不再享有通缩下的免疫力。

因此，社群的创作者分布$\omega$ 的变化方向变得不确定：如果成本冲击 $\Delta E$ 主导，B/D/E 退出更快，$K_{\text{ext}}$ 承压；如果需求冲击预算 $|\Delta m|$ 主导，A 型退出更快，$K_{\text{ext}}$ 缓解但市场层萎缩。

进入流枯竭

滞涨最独特的危险是增量的消失。

不可能三角的均衡存在性定理要求进入流 $\nu_{\text{entry}}$ 对 $K_{\text{ext}}$ 有正支撑——新进入者的类型构成必须能补充 $\omega_B + \omega_D + \omega_E$。在滞涨下，成本上升提高了进入门槛，意味着新人需要更多资源才能开始创作。消费预算下降减少了市场回报，希望合理规划盈利的A 型新人不来了。同时，用爱发电的B/D/E 型新人也减少，即使创作动机不依赖市场收入，成本上升必然使得"开始做同人"的启动成本超出新人的承受能力。

当进入率 $\lambda_{\text{entry}}$ 降到足够低时，进入流无法补偿退出流，这将导致均衡的截面分布持续收缩。极端情况下，线下市场会完全消亡。

不过，即使在滞涨下，数字化礼物层具有部分免疫性。数字作品的边际成本趋近零，不受成本变化 $\Delta E$ 冲击。数字分发不需要场地费、印刷费，创作者只需时间和创作意愿。

因此 $g(\mu^*)$ 中的数字分量对滞涨具有韧性。$K_{\text{ext}}$ 的可生存性仍然是可以存在的。

但滞涨的持续会侵蚀所有人的热情，由于长期的经济压力消耗热情预算，即使边际成本为零。创作者确实不需要花钱就能发一篇同人文，但需要在精神上还能承受现实的压力。这将是一个慢变量的外部效应

比较三种危机的全景

对类型构成的效应

冲击	$\omega_A$	用爱发电型$\omega_{B+D+E}$	可生存核$K_{\text{ext}}$ 方向	机制
通胀	↑	↓	承压	B/D/E 成本敏感、无法转嫁
通缩	↓	↑	缓解	A 型利润崩溃、B/D/E 免疫
滞涨	方向不定	方向不定	双向威胁	取决于收入变化 $\Delta E$ 与预算变化 $\|\Delta m\|$ 的相对大小

对不可能三角的效应

冲击	市场繁荣	无料繁荣	新人可进入性
通胀	承压	下降	下降
通缩	萎缩	可能上升	方向不定
滞涨	萎缩	下降	严重下降

无料的产出是反周期的

上述分析揭示了一个很有意思的结论。

在不可能三角的稳态均衡中，无料层产出 $g(\mu^*)$ 相对于市场层供给具有反周期性质：

经济繁荣的时刻，收入冲击分析预测无料的产出 $g$ 可能下降——A 型动机的存活率上升改变了群体构成。
温和衰退时，无料的产出$g$ 可能上升——A 型动机的退出、消费者替代到免费作品。

市场的无料结构在经济周期的反方向上波动，繁荣时收缩、衰退时扩张。

这一反周期性来自两个独立的机制：

构成效应：市场层的繁荣或衰退差异化地影响 A 型和用爱发电的 B/D/E 型的存活率。繁荣让 A 型活得好，改变社群的创作者分布 $\omega$；衰退让 A 型无法生存，因此$\omega$ 反方向漂移。无料产出$g$ 作为 $\omega$ 的函数也会发生变化。

替代效应：消费者在收入下降时从付费产品转向免费产品，增加了礼物层的消费量，间接增强了 B/D/E 型的效用回报和存活率。消费者没钱买同人志了，但总有更多时间刷免费的同人文和同人图，这对为爱发电的创作者来说是正反馈。

系列结语

这个系列从一个简单的问题开始只是我个人的一个疑问，我们的同人市场到底是什么图景？我们能不能建立一个形式化的描述来引出一些不平凡的结论？

第二篇回答了信息的问题。声誉在同人市场中是一种劣等品，信息越充分的消费者越不依赖它，但大多数消费者的信息是不充分的。无标度网络使得少数节点垄断了注意力，先发优势被优先连接机制锁死。这解释了为什么出名要趁早是很重要的事实。

第三篇回答了结构的问题。官方和同人不是敌人也不是朋友，而是一个双边市场的两侧。官方平台在中间抽租，同人创作者提供的正外部性被系统性地低估。

第四篇回答了传播的问题。文化从母国到输入国的传播不是均匀扩散，而是经过中间人的主观筛选，这个筛选在全连接网络时期固化为路径依赖，在网络相变为团簇群之后成为不可逆的消费者粘性。

第五篇回答了创新的问题。同人创作者的企业家精神不是对利润的追逐，而是对表达的执念。生成式 AI 改变了生产方式，但没有改变消费者的习惯。

第六篇回到了消费者。新的效用函数捕捉了消费者的异质性，穷粉丝和富粉丝的消费结构必然不是按比例缩放的，承诺消费意味着无论多穷，总有一些东西，我们热爱同人的参与者一定会买。

第七篇打开了二手市场。限定商品的金融性质，比如价格发现、投机、泡沫，其实不是市场的病态，而是稀缺性和信息不对称的自然产物。

第八篇进入了无料层。无料配布不是慈善，而是一套有自身运行逻辑的互惠经济。混合有限模型给出了无料社群的可生存性条件，用爱发电的比例不能低于一个结构性下界，否则整个系统崩溃。

第九篇给出了生产者理论。创作者不是利润最大化的企业，而是在四种内在动机之间概率混合的涌现主体。投资组合理论解释了为什么同一个人有时候做商业本、有时候做无料、有时候纯粹为了自己高兴。做同人的随意性其实也可以分析。

第十篇把所有前述所有模型嵌入一个统一的稳态均衡。市场繁荣侵蚀无料层，无料层崩溃瓦解市场，而市场集中会锁死新血。成熟的同人市场，只能在三角形的内部某处妥协。同人社群研究中长期存在一个争论：一个圈子的衰落是文化原因还是经济原因？我认为，我的理论在这一篇消解了这个二元对立。它们是其实同一个均衡分布在不同坐标上的投影。其实没有独立的文化衰落，用均衡动力学的工具，这是一个截面在不同观察者眼中的不同面相。

出名要趁早，圈子氛围很重要，为爱发电的人才是圈子的根基，大V退坑圈子就散了，这些话可能已经成为同人界民间的共识，但是我们成功地把所有的共识以形式化的方式联结在一起了。

而作为创作者，可以说，为爱发电不是自我感动，而是整个市场存在的必要条件。没有用爱发电的朋友，连那些卖本赚钱的人也活不下去。

Fin.

同人市场分析(10)——同人市场稳态的不可能三角

Mon, 13 Apr 2026 00:00:00 GMT

前九篇的论述共同构建了同人市场的三个重要模型，消费者的需求模型、生产者的异质性创作组合、礼物层的有限混合与可生存性分析，这些子模型各自在理论上上预设了其他模型的合理输出。消费者的偏好权重 $\alpha_i(t)$ 取决于生产者的声誉 $\theta_i$；生产者的利润 $\pi_i$ 取决于消费者的需求；无料礼物层的群体权重 $\omega_k$ 是生产者截面分布的投影。

但，由于当前不能满足瓦尔拉斯一般均衡的前提定义，我们需要使用其他的方法来研究总体的市场配置是否能达到最优，因此接下来我们要把子模型嵌入一个统一的稳态均衡框架，使得：

消费者在均衡价格下最优配置，生产者在均衡价格和截面分布下按混合过程决策，两侧的行为同时自洽；
截面分布在进入-退出流下不变（稳态条件）；
无料形式化工作的的微分包含与可生存性核（无料机制安全界） $K_{\text{ext}}$ 作为均衡的真子集自然包含。

而最后，我们将从命题里得出一个同人市场稳态的不可能三角：市场繁荣、无料繁荣、新人可进入性三者不可同时达到最优，以及寻求均衡的退化形式来解释小的同人社群。

警告

本章是形式化工作，阅读之前可能需要掌握一部分前置数学理论。

一、基本设定

1.1 个体状态空间

每个活跃的创作者 $i$ 在 $t$ 时刻的状态为

$$ s_i(t) ;=; \bigl(\theta_i(t),; W_i(t),; T_i(t),; n_i(t),; \mathbf{q}_i\bigr) ;\in; \mathcal{S} $$

其中 $\theta_i \in [0, \bar{\theta}]$ 为声誉（有上界，由塌方和信息披露的内生减速保证），$W_i \in (0, \bar{W}]$ 为热情预算（有上界，由精力消耗的增长保证），$T_i \in [0, \bar{T}]$ 为时间禀赋（外生、有界），$n_i \in [0, \bar{n}]$ 为网络位置

创作者 $i$ 在无料网络中的可视范围大小 $|N_i^{\text{circle}}|$，$\mathbf{q}_i \in \Delta^4$ 为混合向量（来自生产者模型的四个类型）。

状态空间 $\mathcal{S} = [0, \bar{\theta}] \times (0, \bar{W}] \times [0, \bar{T}] \times [0, \bar{n}] \times \Delta^4$ 是 $\mathbb{R}^8$ 中的紧子集。

1.2 截面分布

定义 1.1（截面分布）。产业状态是所有活跃创作者的状态联合分布：

$$ \mu_t ;\in; \mathcal{P}(\mathcal{S}) $$

其中 $\mathcal{P}(\mathcal{S})$ 是 $\mathcal{S}$ 上的 Borel 概率测度空间，赋以弱收敛拓扑。$\mu_t$ 主要描述 $t$ 时刻市场上有哪些声誉水平、哪些热情状态、哪些类型构成的创作者在活动。

1.3 聚合量与投影

从 $\mu$ 可以计算出若干商品聚合量，它们作为消费者和无料层的输入：

市场层聚合量：

$$ S_H(\mu) ;=; \int_{\mathcal{S}} \bar{x}{i,a{H,M}}(s) , d\mu(s), \qquad S_L(\mu) ;=; \int_{\mathcal{S}} \bar{x}{i,a{L,M}}(s) , d\mu(s) $$

其中 $\bar{x}_{i,a_j}(s)$ 是状态为 $s$ 的创作者在混合过程下对资产 $a_j$ 的期望配置$S_H, S_L$ 分别是同人本A类作品和同人谷B类作品的市场层总供给。

无料层：

$$ g(\mu) ;=; \int_{\mathcal{S}} \bigl(\bar{x}{i,a{H,G}}(s) + \bar{x}{i,a{L,G}}(s)\bigr) , d\mu(s) $$

$$ \omega_k(\mu) ;=; \int_{\mathcal{S}} q_{i,k} , d\mu(s), \qquad k \in {A, B, D, E} $$

$(g, \omega)$ 是 $\mu$ 在无料状态空间 $[0,1] \times \Delta^4$ 上的投影。这一投影是多对一的，很多不同的 $\mu$ 可以产生同一个 $(g, \omega)$，因为人可以对应很多种行动。

声誉分布：

$$ \Theta(\mu) ;=; \mu \circ \theta_i^{-1} $$

即声誉的边际分布。消费者在传播网络中面对的市场上有哪些创作者可选由 $\Theta(\mu)$ 决定。因为消费者无法看到全局的创作者，只能依照观察到的声誉进行优先排序。

1.4 网络拓扑参数

同人市场有两个拓扑上截然不同的网络同时运作。无料网络（高聚类的小世界，由 Jackson & Rogers 2007 的朋友圈搜索生成）和市场网络（低聚类的辐射网，由 Barabási-Albert 优先连接生成）。两个网络通过不同的通道进入均衡。

定义 1.2（网络参数向量）。两个网络由一个联合外生参数向量刻画：

$$ \mathbf{n} ;=; (s,; m_{\ell},; p_r,; \alpha_{\text{net}}) ;\in; \mathcal{N} $$

前三个参数描述无料网络：$s$ 是随机遇见概率，$m_\ell$ 是每期每个新进入者形成的链接数，$p_r$ 是互惠回路概率。第四个参数 $\alpha_{\text{net}} > 1$ 描述市场网络：它是市场网络度分布的帕累托指数，度分布 $P(k \geq x) \sim x^{-(\alpha_{\text{net}}-1)}$。$\alpha_{\text{net}}$ 越小，市场网络越集中于少数高连接度的大V；$\alpha_{\text{net}}$ 越大，市场网络趋向均匀。

$\mathbf{n}$ 通过以下五条通道进入均衡（N1-N4 来自无料网络，N5 来自市场网络）：

(N1) 可视范围分布。个体状态中的 $n_i = |N_i^{\text{circle}}|$ 的截面分布由 $\mathbf{n}$ 确定。Jackson-Rogers 模型的稳态度分布为

$$ P(n_i \geq x) ;\sim; x^{-\gamma_{\text{net}}(s)} $$

$s$ 越小，幂律指数 $\gamma_{\text{net}}$ 越小、尾部越重，可以理解为少数无料枢纽拥有极大覆盖。$s$ 越大，度分布趋向泊松分布，覆盖范围趋于均匀。

(N2) 声誉传播的局部性。礼物网络的聚类系数 $C(\mathcal{G}) = f(s, p_r)$ 决定了声誉信号在消费者群体中的传播结构。$C$ 高意味着信息在小圈子内快速传播但跨圈子慢，因此声誉的有效覆盖受制于网络的局部连通性。这一效应在将在下面的偏好动态中被显式建模。

(N3) 协作概率的调制。生产者理论的协作约束 $p_{\text{collab}}(\theta_i, q_{i,B})$ 被随机遇见概率 $s$ 调制：随机遇见概率$s$ 小时圈内协作容易但跨圈协作难，随机遇见概率$s$ 大时协作机会更分散但平均概率更低。形式地：

$$ p_{\text{collab}}(\theta_i, q_{i,B};, \mathbf{n}) ;=; h(\theta_i, q_{i,B}) \cdot \psi(s) $$

其中 $\psi(s)$ 是网络的协作连通性函数（随机遇见概率$s$ 的非单调函数——极端的 $s=0$ 和 $s=1$ 都不利于协作，中间值最优）。

(N4) 枢纽的脆弱性。重尾度分布使得无料商品的聚合 $g(\mu)$ 对高度数节点高度（大V）敏感。定义枢纽集中度为

$$ \text{Hub}(\mu, \mathbf{n}) ;=; \frac{\int_{n_i > n_{99}} \bar{x}_{a_G}(s) , d\mu(s)}{g(\mu)} $$

即 top 1% 度数节点对礼物层总产出的贡献份额。$\text{Hub}$ 越高，单个枢纽退出对无料商品的聚合 $g(\mu)$ 的冲击越大，市场整体的均衡对圈子老人退出越脆弱。

(N5) 搜索成本与声誉权重的调制。市场网络上的消费者搜索行为服从 Stigler (1961) 的最优搜寻模型。当市场网络的帕累托指数 $\alpha_{\text{net}}$ 较低时，质量分布的方差大，消费者面临的搜寻成本 $c_j$ 高，贝叶斯更新中声誉的权重上升。极端情形 $\alpha_{\text{net}} < 2$ 时方差发散，搜寻成本趋于无穷，所有消费者退化为纯声誉依赖（§3.2 详述）。

约定 1.2。$\mathbf{n}$ 作为均衡的外生参数处理，也就是网络结构不被某个创作者的进入退出内生改变。

二、生产者递归决策

2.1 混合 Bellman 方程

在均衡价格 $(p_H, p_L)$ 和截面分布 $\mu$ 给定下，创作者的递归问题如下。

定义 2.1（混合值函数）。对混合向量 $\mathbf{q}$ 和价格 $(p_H, p_L)$，创作者的值函数定义为

$$ V(\theta, W, T;, \mathbf{q},, p) ;=; \sum_{k \in {A,B,D,E}} q_k \left[\max_{\mathbf{x} \in X(\theta,W,T)} \Bigl(\langle u_k, \boldsymbol{\rho}(\mathbf{x}; p) \rangle - E(\mathbf{x}) + \beta, \mathbb{E}\bigl[V(\theta', W', T';, \mathbf{q},, p)\bigr]\Bigr)\right] $$

其中状态转移为：

$$ \theta' ;=; \bigl[\theta + \gamma_j \cdot I \cdot q^D(\mathbf{x}; p)\bigr] \cdot \xi^{\text{shock}}, \qquad W' ;=; W + u_k(s, \mathbf{x}_k^) - E(\mathbf{x}_k^) $$

时间禀赋 $T'$ 按外生过程演化。期望作用在 $\xi^{\text{shock}}$（塌方）和 $T'$（时间禀赋冲击）的联合分布上。

$\mathbf{q}$ 进入值函数的方式是对各类型连续值的概率加权，不是对效用的加权聚合。

命题 2.1（值函数的存在唯一性）。在以下条件下，$V$ 存在且唯一：

(i) 状态空间 $\mathcal{S}$ 紧；(ii) 回报函数 $\langle u_k, \boldsymbol{\rho} \rangle - E$ 对 $(\theta, W, T, \mathbf{x})$ 连续且有界；(iii) 转移概率对状态弱连续；(iv) $\beta \in (0, 1)$。

证明的lean代码如下：

import Mathlib.Topology.MetricSpace.Contracting
import Mathlib.Topology.MetricSpace.Basic
import Mathlib.Analysis.SpecificLimits.Basic
import Mathlib.Analysis.Convex.Basic

open Metric
theorem bellman_fixed_point_exists
    {F : Type*} [MetricSpace F] [CompleteSpace F] [Nonempty F]
    (T : F → F)
    (β : NNReal)
    (_hβ : β < 1)
    (hT : ContractingWith β T) :
    ∃! v : F, T v = v :=
  ⟨hT.fixedPoint, hT.fixedPoint_isFixedPt,
   fun _ hv => hT.fixedPoint_unique hv⟩

2.2 策略函数与混合涌现

定义 2.2（类型纯策略）。给定 $V$，机制 $k$ 的纯策略为

$$ \mathbf{x}k^*(s;, p) ;=; \arg\max{\mathbf{x} \in X(s)} \Bigl[\langle u_k, \boldsymbol{\rho}(\mathbf{x}; p) \rangle - E(\mathbf{x}) + \beta, \mathbb{E}[V(\theta', W', T';, \mathbf{q}, p)]\Bigr] $$

由 Berge 极大值定理，$\mathbf{x}_k^*$ 在 $s$ 上是上半连续的对应（在标准正则条件下为连续函数）。

观察到的创作组合为混合涌现 $\bar{\mathbf{x}}(s; p) = \sum_k q_k , \mathbf{x}_k^*(s; p)$。

2.3 进入与退出

退出。创作者在 $W_i(t) \leq 0$（内生退出）或以概率 $p_{\text{exit}}^{\text{exo}}(T_i, \mathbf{q}_i)$（外生退出）时离开市场。

进入。每期有外生的创作者进入流 $\nu_{\text{entry}} \in \mathcal{P}(\mathcal{S})$——新人的初始状态分布。进入率 $\lambda_{\text{entry}} > 0$ 为外生参数。

转移核。给定价格 $p$ 和策略 ${\mathbf{x}k^*}$，从 $\mu$ 到 $\mu'$ 的转移 $\mathcal{T}\mu$ 由三步组成，精确定义请参照附录1：

(i) 存活的创作者按 $(\theta', W', T')$ 转移状态；
(ii) 退出者被移除；
(iii) 新进入者按 $\nu_{\text{entry}}$ 加入。

三、消费者需求与偏好动态

3.1 同人消费需求

消费者按如下效用函数配置预算。给定价格 $(p_H, p_L)$ 和收入 $m$，最优需求为

$$ Q_H^*(p_H, p_L, m) ;=; \gamma_H + \frac{\beta_H^{\sigma_T} p_H^{-\sigma_T}}{\beta_H^{\sigma_T} p_H^{1-\sigma_T} + \beta_L^{\sigma_T} p_L^{1-\sigma_T}} \cdot m^s $$

$$ Q_L^*(p_H, p_L, m) ;=; \gamma_L + \frac{\beta_L^{\sigma_T} p_L^{-\sigma_T}}{\beta_H^{\sigma_T} p_H^{1-\sigma_T} + \beta_L^{\sigma_T} p_L^{1-\sigma_T}} \cdot m^s $$

其中 $m^s = m - p_H \gamma_H - p_L \gamma_L$ 是超量收入。$\gamma_H, \gamma_L > 0$ 是承诺消费量。

性质。$Q_H^$ 和 $Q_L^$ 对 $(p_H, p_L)$ 连续可微（在 $m^s > 0$ 的内部）。承诺消费 $\gamma_H > 0$ 保证了 $Q_H^* \geq \gamma_H > 0$，即同人本有承诺消费的底线。

3.2 偏好动态与声誉反馈的网络调制

消费者对创作者 $i$ 的偏好 $\alpha_i(t)$ 按习惯积累方程更新，但声誉信号的传播受礼物网络拓扑的调制。消费者 $j$ 对创作者 $i$ 的偏好更新为

$$ \alpha_{i,j}(t) ;=; \lambda , \alpha_{i,j}(t-1) ;+; (1-\lambda) \cdot \pi_{ij}(\mathbf{n}) \cdot f\bigl(\theta_i(t)\bigr) $$

其中 $\pi_{ij}(\mathbf{n}) \in [0, 1]$ 是网络可达性——消费者 $j$ 观察到创作者 $i$ 的声誉信号的概率。$\pi_{ij}$ 由网络参数 $\mathbf{n}$ 决定：

若 $j \in N_i^{\text{circle}}$（$j$ 在 $i$ 的可视范围内），$\pi_{ij} = 1$；
若 $j$ 与 $i$ 之间的网络距离为 $d$，$\pi_{ij}$ 随 $d$ 单调递减；
聚类系数 $C(\mathcal{G})$ 高时，$i$ 的信号在密集子图内 $\pi_{ij} \approx 1$ 但跨子图 $\pi_{ij} \approx 0$。

聚合到群体层面，创作者 $i$ 的有效需求基数不是全体消费者 $M$，而是

$$ M_i^{\text{eff}}(\mathbf{n}) ;=; \sum_j \pi_{ij}(\mathbf{n}) ;\leq; M $$

在稳态下，群体平均的偏好收敛到

$$ \bar{\alpha}_i^* ;=; \frac{M_i^{\text{eff}}}{M} \cdot f(\theta_i^*) $$

网络拓扑因此在声誉和需求之间引入了一个衰减因子 $M_i^{\text{eff}} / M$：位于密集子图中心的创作者（高 $n_i$）有 $M_i^{\text{eff}} / M$ 接近 1；位于网络边缘的创作者有 $M_i^{\text{eff}} / M \ll 1$。即使声誉 $\theta_i$ 相同，后者面临的有效需求也显著更低。

3.3 声誉权重的贝叶斯结构

偏好方程中的 $f(\theta_i)$ 不是一个任意的映射——它内含一个贝叶斯更新结构。消费者 $j$ 面对创作者 $i$ 时，对制品质量的后验预期为

$$ Q_{\text{expected}} ;=; \alpha_j^{\text{Bayes}} \cdot \mu_0(\theta_i) ;+; (1 - \alpha_j^{\text{Bayes}}) \cdot S_i $$

其中 $\mu_0(\theta_i)$ 是声誉先验，$S_i$ 是当期信号（宣发、试阅等），贝叶斯权重为

$$ \alpha_j^{\text{Bayes}} ;=; \frac{\sigma_s^2}{\sigma_0^2 + \sigma_s^2} $$

$\sigma_0^2$ 是声誉先验的方差，$\sigma_s^2$ 是信号噪声的方差。声誉与无标度网络篇证明了 $\alpha_j^{\text{Bayes}}$ 对消费者信息财富 $W_j \propto 1/c_j$ 满足

$$ \frac{\partial \alpha_j^{\text{Bayes}}}{\partial W_j} ;<; 0 $$

即声誉是信息意义上的劣等品：信息财富越高的消费者越不依赖声誉先验，越依赖当期信号。$f(\theta_i)$ 因此隐含了两层消费者异质性

网络可达性 $\pi_{ij}(\mathbf{n})$ 决定信号能否到达消费者 $j$（通道 N2）；
贝叶斯权重 $\alpha_j^{\text{Bayes}}(W_j)$ 决定到达后消费者以多大权重采信声誉（通道 N5）。

市场网络的帕累托指数 $\alpha_{\text{net}}$ 通过 $\sigma_s^2$ 影响全体消费者面临的信号噪声。当 $\alpha_{\text{net}}$ 下降，表征为市场网络更集中、质量方差更大，$\sigma_s^2$ 上升，$\alpha_j^{\text{Bayes}}$ 对所有消费者上升，市场整体更依赖声誉。

方差发散的极端情形：当 $\alpha_{\text{net}} < 2$ 时，帕累托分布的方差发散，$\sigma_s^2 \to \infty$，则

$$ \alpha_j^{\text{Bayes}} ;\to; 1 \quad \forall j $$

所有消费者都退化为纯声誉依赖。当期信号 $S_i$ 完全失去信息价值。

在均衡中这意味着：$f(\theta_i)$ 退化为 $\mu_0(\theta_i)$，偏好更新不再响应任何当期行为，新人创作者无论发出多强的信号都无法突破声誉壁垒。这一退化对于比较静态下的均衡有直接影响。

四、声誉反馈环路

稳态均衡的核心是以下反馈环路的自洽：

$$ \mu ;\xrightarrow{\text{供给聚合}}; (S_H, S_L) ;\xrightarrow{\text{市场出清}}; (p_H, p_L) ;\xrightarrow{\text{利润}}; \pi_i ;\xrightarrow{u_A}; W_i' ;\xrightarrow{\text{退出}}; \mu' $$

$$ \mu ;\xrightarrow{\Theta(\mu)}; \alpha_i^* = f(\theta_i) ;\xrightarrow{\text{子层CES}}; \text{个体需求} ;\xrightarrow{\text{声誉积累}}; \theta_i' ;\xrightarrow{}; \mu' $$

第一条通过市场价格传导利润，影响热情预算进而影响退出；

第二条通过声誉传导偏好，影响个体需求进而影响声誉积累速度。

稳态要求 $\mu' = \mu$，即，两条路径的净效应恰好使截面分布不变。

命题 4.1（反馈环路的良定义性）。在以下条件下，从 $\mu$ 出发的反馈环路定义了一个从 $\mathcal{P}(\mathcal{S})$ 到自身的映射 $\Phi$：

(i) $f(\cdot)$ 连续且有界；(ii) 声誉转移 $\theta \mapsto \theta'$ 对 $(\theta, p, \mathbf{x})$ 连续；(iii) 需求函数 $Q^*$ 对 $(p, m)$ 连续。

则 $\Phi: \mu \mapsto \mathcal{T}_\mu(\mu, p(\mu))$ 是从 $\mathcal{P}(\mathcal{S})$ 到自身的弱连续映射，其中 $p(\mu)$ 由下一章的市场出清确定。

证明见附录1

五、市场出清与价格确定

5.1 供给聚合

给定截面分布 $\mu$ 和价格 $p = (p_H, p_L)$，市场层总供给为

$$ S_H(\mu, p) ;=; \int_{\mathcal{S}} \bar{x}{a{H,M}}(s;, p) , d\mu(s), \qquad S_L(\mu, p) ;=; \int_{\mathcal{S}} \bar{x}{a{L,M}}(s;, p) , d\mu(s) $$

$\bar{x}_{a_j}(s; p)$ 依赖价格是因为价格进入效用函数 $u_A$ 的利润 $\pi_i$ 项。也就是生产者理论中，A 型机制被抽中时，创作组合选择会响应价格。

5.2 出清条件

定义 5.1（市场出清）。给定 $\mu$，均衡价格 $p^(\mu) = (p_H^, p_L^*)$ 满足

$$ Q_H^(p_H^, p_L^, m) ;=; S_H(\mu, p^), \qquad Q_L^(p_H^, p_L^, m) ;=; S_L(\mu, p^) $$

5.3 价格映射的性质

命题 5.1（价格映射的连续性）。在以下条件下，$p^*: \mathcal{P}(\mathcal{S}) \to \mathbb{R}_{++}^2$ 是弱连续的：

(i) 需求函数 $Q^*$ 对 $p$ 严格递减（正常品的需求定律）；
(ii) 供给函数 $S$ 对 $p$ 弱递增（A 型在价格更高时倾向于多供给）；
(iii) 在边界处需求超过供给（保证内点解存在）。

承诺消费 $\gamma_H > 0$ 在这里保证了 $Q_H^* \geq \gamma_H > 0$，使得同人本市场的需求底线为正。即使供给极低，价格也不会到无穷。

六、稳态均衡：定义与存在性

6.1 定义

定义 6.1（稳态均衡）。给定网络参数 $\mathbf{n} \in \mathcal{N}$，一个稳态均衡是状态 $\bigl(\mu^,; p^,; V^,; {\mathbf{x}_k^}_{k \in {A,B,D,E}}\bigr)$ 满足以下六个条件：

(E1) 混合 Bellman 最优。$V^$ 是定义 2.1 在价格 $p^$ 下的不动点，$\mathbf{x}_k^*$ 是对应的类型纯策略（定义 2.2）。

(E2) 混合涌现。每个创作者的观察 portfolio 为 $\bar{\mathbf{x}}(s) = \sum_k q_k , \mathbf{x}_k^(s;, p^)$。

(E3) 市场出清。$(p_H^, p_L^)$ 满足定义 5.1 的出清条件。

(E4) 截面分布不变。$\mu^*$ 在转移核 $\mathcal{T}_\mu$ 下不变：

$$ \mu^* ;=; \mathcal{T}_\mu(\mu^,, p^) $$

即进入流、退出流和状态转移的净效应恰好维持 $\mu^*$ 不变。

(E5) 无料层可生存性。$\mu^*$ 的无料层投影落在可生存性核内：

$$ \bigl(g(\mu^),, \omega(\mu^)\bigr) ;\in; K_{\text{ext}} ;=; \bigl{(g, \omega) : \omega_B + \omega_D + \omega_E ;\geq; \underline{\omega}_{\text{floor}}\bigr} $$

6.2 存在性

定理 6.1（稳态均衡的存在性）。在以下条件下，满足 (E1)-(E5) 的稳态均衡存在：

(A1) 状态空间 $\mathcal{S}$ 是紧的。

(A2) 回报函数 $\langle u_k, \boldsymbol{\rho} \rangle - E$ 对所有变量连续且有界。

(A3) 转移概率关于状态弱连续。

(A4) $\beta \in (0, 1)$。

(A5) 需求函数 $Q^*$ 对价格连续，对自价格严格递减。

(A6) 进入率 $\lambda_{\text{entry}} > 0$，进入分布 $\nu_{\text{entry}}$ 对 $K_{\text{ext}}$ 有正支撑（即新进入者的 $\mathbf{q}_i$ 分布使得 $\omega_B + \omega_D + \omega_E$ 的群体均值在可生存性核内部）。

证明：

第一步：值函数存在。已证明，由命题 2.1，对每个 $(p, \mathbf{q})$，$V^*(\cdot; \mathbf{q}, p)$ 存在唯一。

第二步：策略函数连续。由 Berge 极大值定理和条件 (A1)(A2)，$\mathbf{x}_k^(s; p)$ 关于 $(s, p)$ 上半连续。在标准正则条件下，$\mathbf{x}_k^$ 为连续函数。

第三步：价格映射连续。由命题 5.1 和条件 (A5)，$p^*(\mu)$ 是 $\mu$ 的弱连续函数。

第四步：转移核连续。由第二步和条件 (A3)，转移核 $\mathcal{T}_\mu(\mu, p)$ 关于 $(\mu, p)$ 弱连续。

第五步：复合映射与不动点。定义 $\Phi: \mathcal{P}(\mathcal{S}) \to \mathcal{P}(\mathcal{S})$ 为

$$ \Phi(\mu) ;=; \mathcal{T}_\mu\bigl(\mu,, p^*(\mu)\bigr) $$

由第三步和第四步，可得$\Phi$ 弱连续。$\mathcal{P}(\mathcal{S})$ 在弱拓扑下是紧凸的。由 Schauder 不动点定理，$\Phi$ 有不动点 $\mu^* = \Phi(\mu^)$。这一 $\mu^$ 满足 (E1)-(E4)。

第六步：可生存性筛选。第五步给出的不动点 $\mu^*$ 不一定落在 $K_{\text{ext}}$ 内。把不动点问题限制在

$$ \mathcal{P}K(\mathcal{S}) ;=; \bigl{\mu \in \mathcal{P}(\mathcal{S}) : (g(\mu), \omega(\mu)) \in K{\text{ext}}\bigr} $$

上。$\mathcal{P}K$ 是 $\mathcal{P}(\mathcal{S})$ 的闭子集（因为 $g$ 和 $\omega$ 是 $\mu$ 的连续泛函，$K{\text{ext}}$ 是闭集）。若 $\Phi$ 把 $\mathcal{P}K$ 映入自身，即 $K{\text{ext}}$ 在 $\Phi$ 下不变，则 Schauder 定理在 $\mathcal{P}_K$ 上给出满足 (E5) 的不动点。

$K_{\text{ext}}$ 在 $\Phi$ 下不变的充分条件是条件 (A6)：进入流持续注入足够的 B/D/E 型创作者，使得即使 A 型因塌方或信号污染退出，$\omega_B + \omega_D + \omega_E$ 的群体均值也不跌破社群支撑下界 $\underline{\omega}_{\text{floor}}$。

注 6.1（唯一性）。定理 6.1 不保证唯一性。声誉反馈环路可能产生多重稳态。一个"高声誉-高需求-高利润-高存活"的好均衡和一个"低声誉-低需求-低利润-高退出"的坏均衡可能同时存在。多重均衡在 Hopenhayn 框架的扩展中是常见的（Ericson & Pakes 1995）。无料的形式化工作里，的可生存性核 $K_{\text{ext}}$ 排除了一部分无料层上的不良均衡，但不保证在 $K_{\text{ext}}$ 内部只有一个均衡。

6.1证明的Lean代码如下：

axiom schauder_fixed_point
    {X : Type*} [TopologicalSpace X] [AddCommMonoid X] [Module ℝ X]
    (K : Set X)
    (hK_compact : IsCompact K)
    (hK_convex : Convex ℝ K)
    (hK_nonempty : K.Nonempty)
    (Φ : X → X)
    (hΦ_cont : Continuous Φ)
    (hΦ_maps : ∀ x ∈ K, Φ x ∈ K) :
    ∃ x ∈ K, Φ x = x

structure EquilibriumData (P : Type*) [TopologicalSpace P] [AddCommMonoid P] [Module ℝ P] where
  admissible : Set P
  Φ : P → P
  admissible_compact : IsCompact admissible
  admissible_convex : Convex ℝ admissible
  admissible_nonempty : admissible.Nonempty
  Φ_continuous : Continuous Φ
  Φ_maps_admissible : ∀ μ ∈ admissible, Φ μ ∈ admissible

theorem steady_state_equilibrium_exists
    {P : Type*} [TopologicalSpace P] [AddCommMonoid P] [Module ℝ P]
    (E : EquilibriumData P) :
    ∃ μ ∈ E.admissible, E.Φ μ = μ :=
  schauder_fixed_point
    E.admissible E.admissible_compact E.admissible_convex
    E.admissible_nonempty E.Φ E.Φ_continuous E.Φ_maps_admissible

七、无料层投影与可生存性约束

7.1 投影算子

定义 7.1（无料层投影）。定义投影算子 $\Pi: \mathcal{P}(\mathcal{S}) \to [0,1] \times \Delta^4$ 为

$$ \Pi(\mu) ;=; \bigl(g(\mu),, \omega(\mu)\bigr) $$

其中 $g(\mu)$ 和 $\omega(\mu)$ 在之前已经定义。$\Pi$ 是多对一的：很多不同的 $\mu$ 可以产生同一个 $(g, \omega)$。

7.2 兼容性条件

无料的形式化工作在 $(g, \omega)$ 空间上定义了微分包含

$$ \dot{x}(t) ;\in; F\bigl(x(t)\bigr), \qquad x = (g, \omega) $$

其中 $F$ 有两个分量：

$$ \dot{g} ;\in; [\underline{\lambda}, \overline{\lambda}] \cdot \bigl(g^*(\omega) - g\bigr), \qquad |\dot{\omega}_k| ;\leq; \mu_k \quad \forall k $$

定义 7.2（投影兼容性，条件 E6）。均衡满足投影兼容性，当且仅当对 $\mu^$ 的任意邻域扰动 $\mu^ + \varepsilon , \delta\mu$，诱导的 $(g, \omega)$ 变化率落在 $F$ 内：

$$ \frac{d}{d\varepsilon}\bigg|_{\varepsilon=0} \Pi\bigl(\Phi(\mu^* + \varepsilon , \delta\mu)\bigr) ;\in; F\bigl(\Pi(\mu^*)\bigr) $$

对所有满足 $\mu^* + \varepsilon , \delta\mu \in \mathcal{P}(\mathcal{S})$ 的扰动方向 $\delta\mu$ 成立。

命题 7.1（兼容性的充分条件）。投影兼容性在以下条件下成立：

(i) 均衡的创作组合的调整速度，即 $\bar{x}_{a_G}(s; p)$ 对 $p$ 的弹性，落在 $[\underline{\lambda}, \overline{\lambda}]$ 区间内。

(ii) 进入退出流对 $\omega_k$ 的影响速率，即每期进入者和退出者的类型构成差异，有界于 $\mu_k$。

命题的证明可以在附录2找到

7.3 无料形式化命题的所有推导

无料层的核心命题现在可以从完整均衡中推导：

观察 1 礼物层的结构性下界：在稳态均衡中，$g(\mu^*) > 0$ 由 (E5) 保证，即社群支撑下界$K_{\text{ext}}$ 要求 $\omega_B + \omega_D + \omega_E \geq \underline{\omega}_{\text{floor}}$，而根据生产者理论这些类型的创作组合在无料资产 $a_G$ 上有正权重，因此 $g > 0$。

观察 2 圈子间差异是创作者类型 $\omega$ 的分布差异：不同圈子对应不同的 $\nu_{\text{entry}}$（进入者的 $\mathbf{q}_i$ 分布不同），导致稳态 $\mu^$ 不同，投影到不同的 $(g^, \omega^*)$。

总无料发放频率下界 $\rho_{\text{free}}^{\text{floor}}$ 的微观基础：B/D/E 主导子群体的创作组合份额对外部激励不敏感，因此 $g(\mu^*)$ 对外部激励有一个正的下界。

八、Oblivious 均衡

8.1 动机

完整稳态均衡要求每个创作者在完整截面分布 $\mu$ 下做最优决策。但在同人市场中，没有创作者真的观察到 $\mu$，因为信息限制，他们只感知到大概的行情。Weintraub, Benkard & Van Roy (2008) 的 oblivious equilibrium 把 $\mu$ 的完整信息替换为一个低维的长期平均统计量。

8.2 定义

定义 8.1（Oblivious 均衡）。定义长期平均状态为

$$ \bar{m} ;=; \bigl(\bar{\theta},; N_H,; N_L,; p_H,; p_L\bigr) ;\in; \mathbb{R}_+^5 $$

其中 $\bar{\theta} = \mathbb{E}_{\mu^*}[\theta_i]$，$N_H, N_L$ 分别为同人本和同人谷市场的活跃创作者数。

一个 oblivious 均衡是状态 $(\hat{\mu}, \bar{m}^*, \hat{V}, {\hat{\mathbf{x}}_k})$ 满足：

(O1) Oblivious Bellman。$\hat{V}(\theta, W, T; \mathbf{q}, \bar{m}^)$ 求解定义 2.1 的 Bellman，但将截面分布的影响压缩到 $\bar{m}^$ 中——价格直接取 $\bar{m}^*$ 的 $(p_H, p_L)$ 分量。
(O2) 长期平均一致。$\bar{m}^$ 等于 $\hat{\mu}$ 下的长期平均：$\bar{m}^ = \mathbb{E}{\hat{\mu}}[(\theta, \mathbb{1}{H}, \mathbb{1}_{L}, p_H, p_L)]$。
(O3) 稳态与可生存性。$\hat{\mu}$ 是不变分布且 $\Pi(\hat{\mu}) \in K_{\text{ext}}$。

8.3 与完整均衡的近似关系

命题 8.1（Oblivious 近似）。当活跃创作者数 $N \to \infty$ 时，oblivious 均衡 $(\hat{\mu}, \bar{m}^)$ 趋近完整稳态均衡 $(\mu^, p^*)$。具体地：

$$ \sup_s \bigl|V^(s;, \mu^) - \hat{V}(s;, \bar{m}^*)\bigr| ;\to; 0 \quad \text{as } N \to \infty $$

这是 Weintraub-Benkard-Van Roy (2008) 定理 1 的直接推论。

当 $N$ 大时，$\mu$ 的随机波动对任何单个创作者的影响为 $O(1/N)$，因此忽略截面分布的精确形态只引入 $O(1/N)$ 的值函数误差。

同人市场通常有数百到数千个活跃创作者，$N$ 足够大使得近似有效。

Oblivious 均衡把 Banach 空间上的不动点问题（求 $\mu^$）简化为 $\mathbb{R}^5$ 上的不动点问题（求 $\bar{m}^$），使得数值计算成为可能。

九、比较静态

在稳态均衡的框架下，可以对以下外生变量做比较静态分析。

9.1 消费者收入冲击

命题 9.1。消费者收入 $m$ 的正向冲击 $\Delta m > 0$ 在稳态比较静态下：

(i) $p_H^*$ 上升（同人本需求增加导致均衡价格上升）；
(ii) A 型创作者的 $W_i$ 上升（效用函数$u_A$ 中利润 $\pi_i$ 增加）使得退出率下降，同人本创作人数$N_H$ 增加；
(iii) A型创作者存活率 $\omega_A(\mu^)$ 上升使得无料层的分布 $g(\mu^)$ 可能下降（A 型的创作组合在无料 $a_G$ 上的份额低于 B/D/E 型）。

(iii) 表明消费者收入的增加可能降低市场上的无料供给。

9.2 创作者类型构成冲击

命题 9.2。若创作者的进入分布 $\nu_{\text{entry}}$ 中 A 型权重系统性上升，例如商业化浪潮吸引更多以声誉投资为目的的创作者进入，则：

(i) 比例$\omega_A(\mu^*)$ 上升，用爱发电比例 $\omega_B + \omega_D + \omega_E$ 下降；
(ii) 若下降幅度使无料层投影 $\Pi(\mu^*)$ 逼近无料可生存性核 $K_{\text{ext}}$ 的边界，声誉信号通道开始退化；
(iii) 极端情况下无料层投影 $\Pi(\mu^*)$ 越过边界，稳态均衡不再存在于 $\mathcal{P}_K$ 内，系统进入不可持续状态。

这也就是为什么，商业化平台容易被投机吞噬

9.3 网络拓扑冲击

稳态均衡 $\mu^*(\mathbf{n})$ 对网络参数 $\mathbf{n} = (s, m_\ell, p_r)$ 的响应刻画最重要的几个命题。

命题 9.3（聚类系数与市场分割）。当 $s$ 下降（朋友圈搜索权重上升）导致聚类系数 $C(\mathcal{G})$ 上升时：

(i) 声誉传播使得回声室效应加剧。有效需求基数 $M_i^{\text{eff}} / M$ 在圈内创作者处上升、在圈外创作者处下降。均衡中 $\Theta(\mu^*)$ 的声誉分布变得更极端，即小圈子内，圈内创作者声誉高且集中，圈外创作者声誉低且分散。
(ii) 同人本市场从一个统一市场裂解为若干局部子市场，每个子市场由一个密集子图的内部需求支撑。子市场之间的价格差异可以持续存在（不被套利消除，因为信息不跨子图流动）
(iii) 协作概率 $p_{\text{collab}}$ 在圈内上升（朋友的朋友更容易协作）但在圈外下降，使得B 型修正项的协作效应被网络锁定在子图内部，无法在小圈子之间流动。

命题 9.4（枢纽脆弱性与可生存性边际）。当度分布尾部更重（$\gamma_{\text{net}}$ 下降，少数枢纽更大）时：

(i) 枢纽集中度 $\text{Hub}(\mu, \mathbf{n})$ 上升 → $g(\mu^*)$ 对单个枢纽退出更敏感；
(ii) 若枢纽退出是随机的（如塌方事件 $\xi^{\text{shock}}$ 命中高度数节点），无料层的$g(\mu)$ 经历离散跳跃，可能将无料状态 $(g, \omega)$ 瞬时推到无料可生存核 $K_{\text{ext}}$ 边界之外；
(iii) 这一脆弱性在定理 6.1 的存在性证明中表现为：$K_{\text{ext}}$ 的不变性（第六步）对重尾网络更难保证，进入流 $\nu_{\text{entry}}$ 必须不仅补充 B/D/E 类型权重，还必须补充网络中心性，通俗来讲，即新进入者必须有足够概率通过朋友圈搜索进入枢纽邻域。

命题 9.5（帕累托指数与声誉锁定）。当市场网络的帕累托指数 $\alpha_{\text{net}}$ 下降时，通过声誉的贝叶斯权重通道产生以下级联：

(i) 帕累托指数 $\alpha_{\text{net}}$ 下降使得质量分布方差上升，导致市场整体更依赖声誉先验 $\mu_0(\theta_i)$，当期信号 $S_i$ 的信息价值下降。
(ii) 当期信号贬值直接削弱新人创作者突破声誉壁垒的能力，后发者被迫支付增长的沉没成本。
(iii) 由于创作者新人进入的有效性下降，进入流 $\nu_{\text{entry}}$ 在声誉维度上失效（新人进入但 $\theta_i$ 无法增长），使得截面分布 $\mu^*$ 退化为少数高声誉节点主导的集中分布。
(iv) 集中分布意味着A型的比例 $\omega_A(\mu^*)$ 上升，因为只有 A 型从声誉锁定中获利，也在推动无料状态 $(g, \omega)$ 向无料可生存性核 $K_{\text{ext}}$ 边界移动。

这给出关于先来者优势论述在均衡框架中的严格论证，市场网络的无标度程度（$\alpha_{\text{net}}$）是一个独立于礼物网络参数的脆弱性来源，它通过市场层的声誉锁定消除了新人进入流的有效性。一个圈子的礼物层可能健康，但如果市场网络的帕累托指数 $\alpha_{\text{net}}$ 过低，市场层仍然退化为寡头垄断。可以感性理解为，火热且没有官方对推荐算法引导的IP对新人天然地不友好。

十、不可能三角的建立

同人市场的稳态均衡被一个不可能三角锁死：市场繁荣、无料繁荣、新人可进入性三者不可同时最大化。

命题 9.1(iii) 证明了，消费者支出增加提高了 A 型创作者的存活率，群体构成向商业端漂移，无料层总产出 $g(\mu^*)$反而下降；市场越热，赠品越少。命题 9.5 证明了当市场网络的帕累托指数 $\alpha_{\text{net}}$ 跌破，创作质量分布方差发散，所有消费者退化为纯声誉依赖，当期信号完全失效，后发者面对的信号阈值通货膨胀至无穷；流量越集中，新人越不可能进入创作。命题 7.2 证明了，当用爱发电创作者比例 $\omega_B + \omega_D + \omega_E$ 跌破可生存性下界 $\underline{\omega}_{\text{floor}}$，声誉信号通道退化触发，连社群的稳态均衡本身都不再存在

因此，同人市场的均衡只能在三角形的内部某处妥协，任何试图同时推向三个顶点的干预都被信号污染或构成效应弹回。

十一、退化形式

完整均衡通过网络参数 $\mathbf{n}$ 和贝叶斯声誉权重 $\alpha_j^{\text{Bayes}}$ 引入了两层信息摩擦。

当社群规模小到"所有人认识所有人且看过所有人的作品"时，这两层摩擦同时消失。本节给出严格的退化条件和退化后的均衡形态。

11.1 去网络化极限（D1）

定义 11.1（去网络化参数极限）。取 $s \to 1$（纯随机遇见，无朋友圈搜索）、$\alpha_{\text{net}} \to \infty$（市场网络度分布趋向均匀），并令初始链接数 $m_\ell$ 足够大使得礼物网络在 $N$ 个节点上近似完全图。

命题 11.1（去网络化退化）。在极限 D1 下：

(i) §1.4 的五条网络通道全部退化——

(N1) $n_i \to N ;\forall i$，可视范围分布退化为单点。
(N2) $\pi_{ij} \to 1 ;\forall (i,j)$，$M_i^{\text{eff}} \to M$。§3.2 的偏好方程退化为注 3.1 的特例：$\alpha_i(t) = \lambda, \alpha_i(t-1) + (1-\lambda), f(\theta_i)$。声誉信号无衰减地到达所有消费者。
(N3) $p_{\text{collab}}$ 不再被 $s$ 调制，协作概率只取决于 $(\theta_i, q_{i,B})$。
(N4) $\text{Hub}(\mu, \mathbf{n}) \to 0$——度分布退化为均匀，无枢纽，$g(\mu)$ 对任何单个创作者的退出不敏感。
(N5) $\alpha_{\text{net}} \to \infty$ 使帕累托分布方差 $\to 0$，信号噪声 $\sigma_s^2 \to 0$，但此效应归入 D2。

(ii) 个体状态空间降维——$n_i$ 成为常数，$\mathcal{S}$ 的有效维度从 8 降至 7：

$$ \mathcal{S}^{\text{D1}} = [0, \bar{\theta}] \times (0, \bar{W}] \times [0, \bar{T}] \times \Delta^4 $$

(iii) 均衡条件 (E1)–(E4) 不变。(E5) 的 $K_{\text{ext}}$ 仍然约束 $\omega_B + \omega_D + \omega_E \geq \underline{\omega}_{\text{floor}}$，但 $\text{Hub}$ 脆弱性消失，因为定理 6.1 第六步中 $\mathcal{P}_K$ 在 $\Phi$ 下的不变性更容易保证（命题 9.5(iii) 的额外进入条件不再需要）。

(iv) §9 的比较静态中，命题 9.4（市场分割）、9.4（枢纽脆弱性）失去内容——市场是统一的，没有枢纽。命题 9.1（收入冲击）、9.2（类型构成冲击）保留完整，因为它们通过价格和类型构成通道运作，不依赖网络。

各通道的退化由 $s \to 1$ 在 Jackson-Rogers 模型中的极限行为直接给出：$s = 1$ 时新节点只通过随机遇见连接，度分布为泊松分布，当 $m_\ell$ 大且 $N$ 有限时趋向完全图。$\pi_{ij} = 1$ 因为所有节点两两直接相连。$\text{Hub} = 0$ 因为最高度数 $= N-1$ 对所有节点相同。

11.2 无市场的原初形态

原初的同人社群应该是缺乏市场结构，只有无料结构的，这是因为初期出现同人作者的情况，经常是趁着官方的风而长大的，而在这个过程中，如果给作品贸然定价，则会影响作品在外部的传播性，这也就是下面讲述的损失的效用。关于小社群的原初形态，我们可以看成是一个无网络结构的无料均衡，这一点已经在无料的形式化工作中完成了。

但是纯无料均衡不是永远稳定的。当以下条件被满足时，$\bar{x}_{a_M} = 0$ 不再是所有创作者的最优选择。市场层将从零供给中自发涌现。

定义 11.2（涌现偏离）。在无料均衡 $(\mu^{\text{D0}}, \mathbf{x}^{\text{D0}})$ 下，考虑一个拥有类型 $\mathbf{q}$ 且 $q_A > 0$ 的创作者的偏离：将 $\varepsilon > 0$ 单位的精力从礼物配置转移到市场配置，以价格 $p > 0$ 出售。偏离的单期净收益为

$$ \Delta u(\varepsilon, p;, s) ;=; q_A \bigl[p \cdot r(\varepsilon, s) - c_M(\varepsilon)\bigr] ;-; \sum_{k \neq A} q_k \cdot \ell_k(\varepsilon, s) $$

其中 $r(\varepsilon, s)$ 是在状态 $s$ 下市场配置 $\varepsilon$ 产生的销售量，$c_M(\varepsilon)$ 是额外的市场渠道成本（印刷、摊位费等），$\ell_k(\varepsilon, s)$ 是 B/D/E 机制因礼物配置减少 $\varepsilon$ 而损失的效用，例如，互惠回路变少（$\ell_B$）、自我表达的公开覆盖面收窄（$\ell_D$）、社交接触点减少（$\ell_E$）。

命题 11.3（市场涌现条件）。纯无料均衡在以下三个条件同时满足时不稳定（即市场层涌现）：

(M1) 质量分化。创作者之间的作品质量方差 $\text{Var}_{\mu^{\text{D0}}}[\text{quality}_i]$ 超过阈值 $\underline{v}$ ——消费者能逐渐开始区分高，低质量，因此愿意为高质量支付正价格。

形式地：存在消费者保留价格 $\bar{p}(\text{quality}) > 0$ 对 $\mu^{\text{D0}}$-正测度集上的创作者成立。

(M2) 成本压力。高质量产出的精力成本 $E(\mathbf{x})$ 超过纯无料效用能持续承担的水平，存在一群边际创作者，他们在纯无料模式下面临热情预算 $W' \leq 0$，但若能获得市场收入则热情预算 $W' > 0$：

$$ \exists; S_{\text{margin}} \subset \mathcal{S}^{\text{D0}}, \quad \mu^{\text{D0}}(S_{\text{margin}}) > 0: $$

$$ \forall s \in S_{\text{margin}}:\quad W + u_k^{\text{gift}}(s, \mathbf{x}^{\text{D0}}) - E(\mathbf{x}^{\text{D0}}) ;\leq; 0 ;<; W + u_A^{\text{market}}(s, \mathbf{x}^{\text{dev}};, p) - E(\mathbf{x}^{\text{dev}}) $$

即市场收入是这些创作者的生存机制，不是贪欲而是必需。

(M3) 消费者支付意愿。存在正测度的消费者群体愿意在价格 $p > 0$ 下购买承诺消费 $\gamma_H > 0$ 保证了这一点。$\gamma_H$ 单位的同人本需求由无料层的免费同人本满足。这时市场涌现要求边际创作者的作品质量显著高于无料层平均水平，使得消费者愿意额外付费获取差异化产品，而非仅消费免费版本。

命题 11.4（涌现的相变性质）。市场涌现不是渐进的，它是一个相变：

(i) 当 $\text{Var}[\text{quality}]$ 小时，消费者的保留价格 $\bar{p} \to 0$，这意味着所有作品质量相近，无理由付费，偏离收益 $\Delta u < 0$。当 $E$ 小时，纯无料模式下所有创作者热情预算 $W' > 0$，边际创作者集 $S_{\text{margin}} = \emptyset$，无生存压力驱动偏离。

(ii) 当 $\text{Var}[\text{quality}] > \underline{v}$ 且 $S_{\text{margin}}$ 非空时，$\Delta u(\varepsilon^, p^; s) > 0$ 对 $s \in S_{\text{margin}}$ 成立。这些创作者偏离后以正价格出售，获得市场收入。偏离者的存在创造了非零供给 $S_H > 0$，消费者模型的出清条件开始约束，价格 $p^*$ 从不存在跳跃到正值。

(iii) 相变来自 $\Delta u$ 的非线性结构：偏离收益在阈值以下为负（礼物层效用损失主导）、阈值以上为正（市场收入主导），且跨零点时斜率为正。

(iv) 不可逆性来自 A 型进入的正反馈：$\omega_A > 0$，这使得市场供给正，让价格信号得以存在，而吸引更多 A 型机制进入。逆向（回到 $\omega_A = 0$）需要所有 A 型机制同时退出，但每个 A 型机制行动的退出条件是 $W_i \leq 0$，而只要 $p^* > 0$ 且有正需求，A 型的 $W_i$ 就有正支撑。加上习惯粘性，这几乎不可能。

市场涌现创造了三角形的市场顶点，同时引入了 $\omega_A > 0$ 带来的类型构成张力。不可能三角因此不是同人市场的先天结构，而是市场涌现的后果。

附录1 命题 4.1 的完整证明

公理

公理 A（Berge 极大值定理）。设 $X$ 为紧 Hausdorff 空间，$\Theta$ 为拓扑空间，$f: X \times \Theta \to \mathbb{R}$ 连续，$\Gamma: \Theta \rightrightarrows X$ 为连续对应且取非空紧值。则：

(a) 值函数 $V^*(\theta) = \max_{x \in \Gamma(\theta)} f(x, \theta)$ 连续；
(b) argmax 对应 $x^*(\theta) = \arg\max_{x \in \Gamma(\theta)} f(x, \theta)$ 上半连续且取非空紧值。

公理 B（Schauder 不动点定理）。设 $C$ 为局部凸拓扑向量空间中的非空紧凸子集，$\Phi: C \to C$ 连续。则 $\Phi$ 有不动点。

公理 C（Prokhorov 定理）。设 $S$ 为完备可分度量空间。$\mathcal{M} \subset \mathcal{P}(S)$ 在弱拓扑下列紧当且仅当 $\mathcal{M}$ 是胎紧的。

正则性条件汇总

以下条件在整个证明中反复引用，统一编号以避免歧义。

(R1) $\mathcal{S} = [0, \bar{\theta}] \times (0, \bar{W}] \times [0, \bar{T}] \times [0, \bar{n}] \times \Delta^4$ 是 $\mathbb{R}^8$ 中的紧度量空间（赋以欧氏度量的子空间拓扑）。

(R2) 对每个 $k \in {A,B,D,E}$，回报函数 $(s, \mathbf{x}, p) \mapsto \langle u_k, \boldsymbol{\rho}(\mathbf{x}; p) \rangle - E(\mathbf{x})$ 在 $\mathcal{S} \times \mathbb{R}^d_+ \times \mathbb{R}^2_{++}$ 上连续且有界。

(R3) 对每个 $k \in {A,B,D,E}$，转移概率 $Q_k(\cdot \mid s, \mathbf{x}, p): \mathcal{S} \times \mathbb{R}^d_+ \times \mathbb{R}^2_{++} \to \mathcal{P}(\mathcal{S})$ 关于 $(s, \mathbf{x}, p)$ 弱连续。

即对任意有界连续 $\varphi: \mathcal{S} \to \mathbb{R}$，映射 $(s, \mathbf{x}, p) \mapsto \int \varphi(s'), Q_k(ds' \mid s, \mathbf{x}, p)$ 连续。$Q_k$ 对 $k$ 的依赖来自热情预算转移 $W' = W + u_k(s, \mathbf{x}) - E(\mathbf{x})$；对 $\mathbf{x}$ 的依赖来自声誉转移 $\theta' = [\theta + \gamma_j I q^D(\mathbf{x}; p)] \xi^{\text{shock}}$ 和热情预算转移中的 $E(\mathbf{x})$。在后续引理中，当转移核在策略 $\mathbf{x}_k^$ 处求值时，记 $Q_k^(ds' \mid s, p) = Q_k(ds' \mid s, \mathbf{x}_k^*(s; p), p)$。

(R4) $\beta \in (0,1)$。

(R5) 可行集对应 $X: \mathcal{S} \rightrightarrows \mathbb{R}^d_+$（$X(s)$ 为状态 $s$ 下的可行创作集合）是连续对应且取非空紧值。在标准正则条件下，argmax 为单值连续函数。

(R6) $f: [0, \bar{\theta}] \to \mathbb{R}_+$ 连续且有界（命题 4.1 条件 (i)）。

(R7) 声誉转移 $(\theta, p, \mathbf{x}) \mapsto \theta'$ 的条件分布关于 $(\theta, p, \mathbf{x})$ 弱连续（命题 4.1 条件 (ii)；是 (R3) 在 $\theta$ 边际上的投影）。

(R8) 需求函数 $Q^_H, Q^L: \mathbb{R}^2{++} \times \mathbb{R}{++} \to \mathbb{R}+$ 关于 $(p, m)$ 连续，且对自价格严格递减（命题 4.1 条件 (iii) + 命题 5.1 条件 (i)）。

(R9) 供给函数 $S_H, S_L$ 对自价格弱递增；在价格边界处（$p_j \to 0^+$ 或 $p_j \to +\infty$）需求超过供给（命题 5.1 条件 (ii)(iii)）。

(R10) 存活概率 $\psi(s; p) = \mathbb{P}(W'(s,p) > 0) \cdot (1 - p^{\text{exo}}_{\text{exit}}(T, \mathbf{q}))$ 关于 $(s, p)$ 连续，$0 \leq \psi \leq 1$。

(R11) $\lambda_{\text{entry}} > 0$，$\nu_{\text{entry}} \in \mathcal{P}(\mathcal{S})$ 固定。

转移核的精确定义

§2.3 对 $\mathcal{T}_\mu$ 的描述是非形式的。为了证明的自洽，给出如下精确定义。

定义（转移核）。给定 $(\mu, p) \in \mathcal{P}(\mathcal{S}) \times \mathbb{R}^2_{++}$，定义 $\mathcal{T}_\mu(\mu, p) \in \mathcal{P}(\mathcal{S})$ 为

$$ \mathcal{T}\mu(\mu, p)(B) ;=; \frac{\displaystyle\int{\mathcal{S}} \psi(s;, p), \bar{Q}(B \mid s, p), d\mu(s) ;+; \lambda_{\text{entry}}, \nu_{\text{entry}}(B)}{\displaystyle\int_{\mathcal{S}} \psi(s;, p), d\mu(s) ;+; \lambda_{\text{entry}}} $$

对所有 Borel 集 $B \subseteq \mathcal{S}$，其中

$$ \bar{Q}(B \mid s, p) ;=; \sum_k q_k, Q_k^(B \mid s, p) ;=; \sum_k q_k, Q_k\bigl(B \mid s,, \mathbf{x}_k^(s; p),, p\bigr) $$

是混合涌现转移核。

策略 $\mathbf{x}_k^*$ 已在 (R3) 的 $Q_k$ 中代入、再按类型权重 $\mathbf{q}$ 混合。这一混合反映了每期按 $\mathbf{q}$ 抽取机制 $k$、$k$ 独立执行最优策略的概率结构。

分子的第一项是存活者经混合涌现转移后落在 $B$ 中的加权概率；第二项是新进入者落在 $B$ 中的加权贡献。分母是归一化常数，保证 $\mathcal{T}\mu(\mu, p) \in \mathcal{P}(\mathcal{S})$。分母有正下界 $\lambda{\text{entry}} > 0$（由 (R11)），因此良定义。

证明

引理 1（值函数的连续性）

陈述。在 (R1)–(R5) 和公理 A 下，对每个固定的 $(\mathbf{q}, p) \in \Delta^4 \times \mathbb{R}^2_{++}$，Bellman 不动点 $V^(\cdot,; \mathbf{q}, p)$ 是 $\mathcal{S}$ 上的有界连续函数。进一步，$V^$ 关于 $(s, p)$ 联合连续。

证明。定义 Bellman 算子 $\mathcal{T}$ 作用于有界连续函数空间 $C_b(\mathcal{S})$：

$$ (\mathcal{T} V)(s) ;=; \sum_k q_k \max_{\mathbf{x} \in X(s)} \Bigl[\langle u_k, \boldsymbol{\rho}(\mathbf{x}; p)\rangle - E(\mathbf{x}) + \beta \int V(s'), Q_k(ds' \mid s, \mathbf{x}, p)\Bigr] $$

$\mathcal{T}$ 映射 $C_b(\mathcal{S})$ 到 $C_b(\mathcal{S})$。对每个 $k$，被最大化的目标函数关于 $(s, \mathbf{x})$ 连续：(R2) 给出回报连续、(R3) 给出 $(s, \mathbf{x}) \mapsto \int V, dQ_k$ 连续（$Q_k$ 对 $(s, \mathbf{x}, p)$ 弱连续）、$V \in C_b$ 有界保证积分有限。可行集对应 $X$ 连续且取紧值 (R5)，$\mathcal{S}$ 紧 (R1)。由公理 A(a)，$\max_{\mathbf{x} \in X(s)}[\cdots]$ 关于 $s$ 连续。凸组合 $\sum_k q_k$ 保持连续性。有界性由 (R2) 和 $V$ 有界直接给出。

$\mathcal{T}$ 是 $\beta$-压缩映射。对任意 $V_1, V_2 \in C_b(\mathcal{S})$，

$$ |\mathcal{T} V_1 - \mathcal{T} V_2|\infty ;\leq; \sum_k q_k \cdot \beta |V_1 - V_2|\infty ;=; \beta |V_1 - V_2|_\infty $$

其中不等式来自 $|\max f - \max g| \leq \max |f - g|$ 以及积分不放大 sup 范数。$(C_b(\mathcal{S}), |\cdot|_\infty)$ 是 Banach 空间、$\beta < 1$ (R4)，由 Banach 不动点定理，$V^*$ 存在唯一且属于 $C_b(\mathcal{S})$。

关于 $p$ 的联合连续性。将 $p$ 视为参数，把 Bellman 算子写成 $\mathcal{T}_p$。对任意 $p_1, p_2$，

$$ |V^(\cdot; p_1) - V^(\cdot; p_2)|\infty ;\leq; \frac{1}{1 - \beta}, |\mathcal{T}{p_1} V^(\cdot; p_2) - \mathcal{T}_{p_2} V^(\cdot; p_2)|_\infty $$

（标准扰动引理：两个压缩算子的不动点距离 $\leq$ $(1-\beta)^{-1}$ 乘以算子差）。右端是回报函数和转移概率关于 $p$ 的变化量，由 (R2)(R3) 的连续性和 $\mathcal{S}$ 紧的一致连续性，当 $p_1 \to p_2$ 时趋于零。因此 $V^*(s, p)$ 关于 $(s, p)$ 联合连续。

引理 2（策略函数的联合连续性）

陈述。在引理 1 的条件及 (R5) 的正则条件下，对每个 $k$，策略函数 $\mathbf{x}^k: \mathcal{S} \times \mathbb{R}^2{++} \to \mathbb{R}^d_+$ 关于 $(s, p)$ 连续。混合创作组合的策略$\bar{\mathbf{x}}(s; p) = \sum_k q_k, \mathbf{x}^_k(s; p)$ 亦然。

证明。固定 $p$。由引理 1，$V^(\cdot; p)$ 有界连续；由 (R3)，$Q_k(\cdot \mid s, \mathbf{x}, p)$ 对 $(s, \mathbf{x})$ 弱连续。因此续值 $\beta \int V^(s'; p), Q_k(ds' \mid s, \mathbf{x}, p)$ 关于 $(s, \mathbf{x})$ 连续。与 (R2) 的回报连续性合并，被最大化的目标函数：

$$ J_k(s, \mathbf{x}; p) ;=; \langle u_k, \boldsymbol{\rho}(\mathbf{x}; p)\rangle - E(\mathbf{x}) + \beta \int V^*(s'; p), Q_k(ds' \mid s, \mathbf{x}, p) $$

关于 $(s, \mathbf{x}, p)$ 联合连续（引理 1 给出了 $V^*$ 对 $p$ 的联合连续性，(R3) 给出了 $Q_k$ 对 $(s, \mathbf{x}, p)$ 的弱连续性）。

$X(s)$ 为连续对应且取非空紧值 (R5)。由公理 A(b)，$\mathbf{x}^*k(s; p) = \arg\max{\mathbf{x} \in X(s)} J_k(s, \mathbf{x}; p)$ 关于 $(s, p)$ 上半连续且取紧值。在严格凹 + Slater 条件下 argmax 为单值，上半连续的单值对应即为连续函数。

$\bar{\mathbf{x}} = \sum_k q_k \mathbf{x}^*_k$ 是连续函数的有限凸组合，仍连续。

引理 3（供给聚合的联合连续性）

陈述。映射 $(μ, p) \mapsto S_H(\mu, p) = \int_{\mathcal{S}} \bar{x}{a{H,M}}(s; p), d\mu(s)$ 关于 $(\mu, p)$（弱拓扑 $\times$ 欧氏拓扑）联合连续。$S_L$ 同理。

证明。设 $(\mu_n, p_n) \to (\mu, p)$（$\mu_n \to \mu$ 弱收敛，$p_n \to p$）。记 $h(s; p) = \bar{x}{a{H,M}}(s; p)$，由引理 2 知 $h$ 关于 $(s, p)$ 连续。将误差分解为：

$$ \Bigl|\int h(s; p_n), d\mu_n - \int h(s; p), d\mu\Bigr| ;\leq; \underbrace{\Bigl|\int h(s; p_n), d\mu_n - \int h(s; p), d\mu_n\Bigr|}{\text{(I)}} ;+; \underbrace{\Bigl|\int h(s; p), d\mu_n - \int h(s; p), d\mu\Bigr|}{\text{(II)}} $$

项 (II)。$h(\cdot; p)$ 是 $\mathcal{S}$ 上的有界连续函数（引理 2 + $\mathcal{S}$ 紧 $\Rightarrow$ 有界）。由弱收敛定义，$\mu_n \to \mu$ 弱收敛蕴含 $\int h(\cdot; p), d\mu_n \to \int h(\cdot; p), d\mu$。故 $\text{(II)} \to 0$。

项 (I)。$|\text{(I)}| \leq \sup_{s \in \mathcal{S}} |h(s; p_n) - h(s; p)| \cdot \mu_n(\mathcal{S}) = \sup_{s \in \mathcal{S}} |h(s; p_n) - h(s; p)|$。因为 $\mathcal{S}$ 紧且 $h$ 关于 $(s, p)$ 联合连续，$h$ 在 $\mathcal{S} \times K$ 上一致连续（$K$ 为 ${p_n} \cup {p}$ 的任意紧邻域）。$p_n \to p$ 蕴含 $\sup_s |h(s; p_n) - h(s; p)| \to 0$。故 $\text{(I)} \to 0$。

引理 4（价格映射的连续性）

陈述。在 (R8)(R9) 下，价格映射 $p^*: \mathcal{P}(\mathcal{S}) \to \mathbb{R}^2_{++}$ 关于 $\mu$（弱拓扑）连续。

证明。定义超额需求

$$ Z(p, \mu) ;=; \bigl(Q^_H(p, m) - S_H(\mu, p),;, Q^_L(p, m) - S_L(\mu, p)\bigr) $$

由 (R8) 和引理 3，$Z$ 关于 $(p, \mu)$ 联合连续。

$p^*(\mu)$ 唯一。固定 $\mu$，$Q^*_j$ 对 $p_j$ 严格递减 (R8)，$S_j$ 对 $p_j$ 弱递增 (R9)，因此 $Z_j$ 对 $p_j$ 严格递减。零点若存在则唯一。边界条件 (R9) 保证零点存在（中值定理：$p_j \to 0^+$ 时 $Z_j > 0$，$p_j \to \infty$ 时 $Z_j < 0$；定理 5.1 的保证消费量 $\gamma_H > 0$ 保证 $p_j$ 不发散）。

$p^*(\mu)$ 对 $\mu$ 连续。设 $\mu_n \to \mu$ 弱收敛。序列 ${p^*(\mu_n)}$ 有界——由边界条件的一致性：承诺消费 $\gamma_H, \gamma_L > 0$ 给出需求正下界，$\mathcal{S}$ 紧保证供给有界，从而均衡价格被约束在紧集 $[\underline{p}, \bar{p}]^2 \subset \mathbb{R}^2_{++}$ 内。

由 Bolzano-Weierstrass 定理，${p^(\mu_n)}$ 有收敛子列 $p^(\mu_{n_k}) \to \tilde{p}$。由 $Z$ 的联合连续性：

$$ Z(\tilde{p}, \mu) = \lim_{k} Z(p^*(\mu_{n_k}), \mu_{n_k}) = \lim_k 0 = 0 $$

故 $\tilde{p}$ 是 $Z(\cdot, \mu)$ 的零点。由唯一性，$\tilde{p} = p^*(\mu)$。

因为 ${p^(\mu_n)}$ 的每个收敛子列都收敛到同一极限 $p^(\mu)$，且 ${p^(\mu_n)}$ 包含在紧集中，全序列收敛：$p^(\mu_n) \to p^*(\mu)$。

引理 5（转移核的弱连续性）

陈述。映射 $(\mu, p) \mapsto \mathcal{T}_\mu(\mu, p)$ 关于 $(\mu, p)$（弱拓扑 $\times$ 欧氏拓扑）到 $\mathcal{P}(\mathcal{S})$（弱拓扑）连续。

证明。设 $(\mu_n, p_n) \to (\mu, p)$。需证对任意有界连续 $\varphi: \mathcal{S} \to \mathbb{R}$，

$$ \int \varphi, d\mathcal{T}\mu(\mu_n, p_n) ;\to; \int \varphi, d\mathcal{T}\mu(\mu, p) $$

由转移核的精确定义：

$$ \int \varphi, d\mathcal{T}_\mu(\mu, p) ;=; \frac{N(\mu, p)}{D(\mu, p)} $$

其中

$$ N(\mu, p) = \int_{\mathcal{S}} \psi(s; p) \Bigl(\int \varphi(s'), Q(ds' \mid s, p)\Bigr) d\mu(s) ;+; \lambda_{\text{entry}} \int \varphi, d\nu_{\text{entry}} $$

$$ D(\mu, p) = \int_{\mathcal{S}} \psi(s; p), d\mu(s) ;+; \lambda_{\text{entry}} $$

$N(\mu_n, p_n) \to N(\mu, p)$。定义

$$ H(s; p) ;=; \psi(s; p) \cdot \int \varphi(s'), Q(ds' \mid s, p) $$

$\psi$ 关于 $(s, p)$ 连续 (R10)。$\int \varphi(s'), Q(ds' \mid s, p)$ 关于 $(s, p)$ 连续（(R3) 的弱连续性 + $\varphi$ 有界连续）。因此 $H$ 关于 $(s, p)$ 联合连续且有界（$|\psi| \leq 1$，$|\int \varphi, dQ| \leq |\varphi|_\infty$）。

由与引理 3 完全相同的论证（分解为"$p$ 变化"和"$\mu$ 弱收敛"两项），$\int H(s; p_n), d\mu_n \to \int H(s; p), d\mu$。第二项 $\lambda_{\text{entry}} \int \varphi, d\nu_{\text{entry}}$ 为常数。故 $N(\mu_n, p_n) \to N(\mu, p)$。

$D(\mu_n, p_n) \to D(\mu, p)$。与 $N$ 的论证相同，取 $\varphi \equiv 1$，则 $H$ 退化为 $\psi$，同样的一致连续性论证给出 $\int \psi(s; p_n), d\mu_n \to \int \psi(s; p), d\mu$。

根据比值收敛，$D(\mu, p) \geq \lambda_{\text{entry}} > 0$ (R11)，因此 $D$ 有正下界，比值 $N/D$ 连续地趋于极限。

命题 4.1（反馈环路的良定义性）

良定义性：$p^*(\mu)$ 存在且唯一（引理 4）。

$\mathcal{T}\mu(\mu, p^*(\mu))$ 是 $\mathcal{S}$ 上的概率测度：非负性由定义显然（$\psi \geq 0$，$Q$ 和 $\nu{\text{entry}}$ 为概率测度）；

全质量为 1 由分母归一化保证支撑在 $\mathcal{S}$ ，内因为 $Q(\cdot \mid s, p) \in \mathcal{P}(\mathcal{S})$ 且 $\nu_{\text{entry}} \in \mathcal{P}(\mathcal{S})$。

弱连续性：$\Phi$ 分解为

$$ \mu ;\xmapsto{;\alpha;}; \bigl(\mu,, p^(\mu)\bigr) ;\xmapsto{;\beta;}; \mathcal{T}_\mu\bigl(\mu,, p^(\mu)\bigr) $$

映射 $\alpha: \mu \mapsto (\mu, p^(\mu))$ 关于弱拓扑连续：第一分量为恒等映射（连续），第二分量 $p^$ 弱连续（引理 4），故乘积映射连续。
映射 $\beta: (\mu, p) \mapsto \mathcal{T}_\mu(\mu, p)$ 关于（弱拓扑 $\times$ 欧氏拓扑）到弱拓扑连续（引理 5）。

连续映射的复合连续。故$\Phi = \beta \circ \alpha$ 弱连续。

附录2 命题7.1的完整证明

定义 7.2 的操作化

定义 7.2 的条件为

$$ \frac{d}{d\varepsilon}\bigg|_{\varepsilon=0} \Pi\bigl(\Phi(\mu^* + \varepsilon, \delta\mu)\bigr) ;\in; F\bigl(\Pi(\mu^*)\bigr) $$

在稳态 $\Pi(\mu^) = (g^, \omega^)$ 处，$g^(\omega^) = g^$，因此 $F(g^, \omega^)$ 的 $g$-分量退化为 ${0}$。

为使命题非平凡，我们采用如下操作化：对 $\mu' = \mu^* + \varepsilon, \delta\mu$ 在 $\mu^*$ 的邻域内，定义单期增量

$$ \Delta g(\mu') ;=; g\bigl(\Phi(\mu')\bigr) - g(\mu'), \qquad \Delta\omega_k(\mu') ;=; \omega_k\bigl(\Phi(\mu')\bigr) - \omega_k(\mu') $$

投影兼容性要求 $(\Delta g, \Delta\omega)$ 落在 $F\bigl(\Pi(\mu')\bigr)$ 内：

$$ \Delta g(\mu') ;\in; [\underline{\lambda}, \overline{\lambda}] \cdot \bigl(g^*(\omega(\mu')) - g(\mu')\bigr), \qquad |\Delta\omega_k(\mu')| ;\leq; \mu_k $$

在稳态处两侧均为零；非平凡内容在于邻域内的行为。将 $\mu' = \mu^* + \varepsilon, \delta\mu$ 代入、两侧在 $\varepsilon$ 的领头阶展开（均为 $O(\varepsilon)$），除以 $\varepsilon$ 得到线性化兼容性条件：

(LC-g) 对所有满足 $\delta\mu(\mathcal{S}) = 0$ 的符号测度 $\delta\mu$，记

$$ \Delta \dot{g} ;=; D(g \circ \Phi)|{\mu^*}[\delta\mu] ;-; Dg|{\mu^*}[\delta\mu] $$

$$ \mathrm{Gap} ;=; \nabla g^\big|_{\omega^} \cdot D\omega|{\mu^*}[\delta\mu] ;-; Dg|{\mu^*}[\delta\mu] $$

若 $\mathrm{Gap} \neq 0$ 则 $\Delta\dot{g} / \mathrm{Gap} \in [\underline{\lambda}, \overline{\lambda}]$；若 $\mathrm{Gap} = 0$ 则 $\Delta\dot{g} = 0$。

(LC-ω) 对所有 $k \in {A,B,D,E}$ 和所有满足 $|\delta\mu|_{\mathrm{TV}} \leq 1$ 的 $\delta\mu$：

$$ \bigl|D(\omega_k \circ \Phi)|{\mu^*}[\delta\mu] ;-; D\omega_k|{\mu^*}[\delta\mu]\bigr| ;\leq; \mu_k $$

命题 7.1的精确表述。在命题4.1证明的正则条件 (R1)–(R11)、公理 A、以及如下两个条件下，(LC-g) 和 (LC-ω) 成立：

(i) 对 $\mu^*$-几乎所有 $s \in \mathcal{S}$，群体平均创作组合弹性

$$ \eta_G ;\stackrel{\text{def}}{=}; \frac{\displaystyle\int_{\mathcal{S}} \psi^(s), \widehat{\partial_p G}(s), d\mu^(s)}{\displaystyle D^* \cdot \bar{G}'^{,2} / |\partial_p Z^*|} $$

（精确定义见引理 12）落在 $[\underline{\lambda}, \overline{\lambda}]$ 内。

(ii) 存活率的类型选择性和进入流的类型偏差满足

$$ \frac{1}{D^}\Bigl[|\psi^(\cdot)(q_k(\cdot) - \omega_k^)|\infty ;+; |\dot{p}{\max}| \cdot \bigl|\textstyle\int \partial_p\psi^ (q_k - \omega_k^), d\mu^\bigr|\Bigr] ;\leq; \mu_k $$

其中 $\dot{p}{\max} = \sup{|\delta\mu|_{\mathrm{TV}} \leq 1} |Dp^*[\delta\mu]|$。

额外记号

以下记号在4.1命题的基础上新增，适用于下面的论证。

无料配置函数。

$$ G(s, p) ;=; \bar{x}{a{H,G}}(s;, p) + \bar{x}{a{L,G}}(s;, p) $$

是状态 $s$、价格 $p$ 下的总无料配置。$G^(s) = G(s, p^)$。

后继无料配置。

$$ \widehat{G}(s, p) ;=; \int_{\mathcal{S}} G(s', p), Q(ds' \mid s, p) $$

是从状态 $s$ 经一步转移后的期望无料配置。$\widehat{G}^(s) = \widehat{G}(s, p^)$。

群体弹性。

$$ \bar{G}' ;=; \int_{\mathcal{S}} \partial_p G(s, p^), d\mu^(s), \qquad \widehat{\partial_p G}(s) ;=; \partial_p \widehat{G}(s, p^*) $$

$\bar{G}'$ 是群体层面的无料配置对价格的弹性（负值，因为价格上升使创作者减少礼物配置）。

进入者统计量。

$$ \bar{q}k^e ;=; \int q_k, d\nu{\text{entry}}, \qquad g_e ;=; \int G^*(s), d\nu_{\text{entry}} $$

超额需求的价格导数。

$$ \partial_p Z^* ;=; \partial_p Q^\big|_{p^} - \partial_p S\big|_{(\mu^, p^)} $$

由 (R8)(R9)，$\partial_p Z^* < 0$（对角占优负定标量，逐分量处理时取同人本或同人谷的聚合）。

目标函数 $g^(\omega)$。给定类型构成 $\omega \in \Delta^4$，定义 $g^(\omega)$ 为满足以下条件的值：在类型构成 $\omega$、稳态内条件分布 $\mu^_k = \mu^(\cdot \mid q \text{ is type } k)$ 不变的假设下，市场出清价格为 $p^*(\omega)$（隐函数确定），则

$$ g^(\omega) ;=; \sum_{k} \omega_k \int G\bigl(s,, p^(\omega)\bigr), d\mu^_k(s) ;=; \sum_k \omega_k, G_k\bigl(p^(\omega)\bigr) $$

其中 $G_k(p) = \int G(s, p), d\mu^_k$。在稳态处 $g^(\omega^) = g(\mu^) = g^*$。

$$ \nabla_{\omega_k} g^\big|_{\omega^} ;=; G_k^* ;+; \bar{G}' \cdot \frac{\partial p^}{\partial \omega_k}\bigg|_{\omega^} $$

第一项是直接效应（类型 $k$ 的人均礼物产出），第二项是价格效应（类型构成变化使得供给变化，市场的价格调整，使得创作组合再优化）。

第一部分：$\omega$ 分量的界

引理 6（类型守恒）

陈述：$\mathbf{q}_i$ 是状态的常数分量（§1.1），因此转移核 $Q$ 保持 $\mathbf{q}$ 不变：对任意 Borel 集 $A \subseteq \Delta^4$，

$$ Q\bigl({s' : \mathbf{q}_{s'} \in A} \mid s, p\bigr) ;=; \mathbf{1}[\mathbf{q}_s \in A] $$

证明：$Q(\cdot \mid s, p)$ 是 $(\theta', W', T')$ 的联合分布，$\mathbf{q}$ 保持不变。 §1.1 明确标注 "$\mathbf{q}i \in \Delta^4$ 为混合向量"。因此 $Q$ 在 $\mathbf{q}$ 维度上是 Dirac 测度 $\delta{\mathbf{q}_s}$。

引理 7（$\omega_k \circ \Phi$ 的公式与 Gateaux 导数）

陈述：

(a) 对任意 $\mu \in \mathcal{P}(\mathcal{S})$，记 $p = p^*(\mu)$，

$$ \omega_k\bigl(\Phi(\mu)\bigr) ;=; \frac{\displaystyle\int_{\mathcal{S}} \psi(s;, p), q_k, d\mu(s) ;+; \lambda_e, \bar{q}k^e}{\displaystyle\int{\mathcal{S}} \psi(s;, p), d\mu(s) ;+; \lambda_e} $$

(b) 在 $\mu^*$ 处沿 $\delta\mu$（$\delta\mu(\mathcal{S}) = 0$）的 Gateaux 导数为

$$ D(\omega_k \circ \Phi)[\delta\mu] ;=; \frac{1}{D^}\biggl[\int \psi^(q_k - \omega_k^), d(\delta\mu) ;+; \dot{p}\int (\partial_p\psi^)(q_k - \omega_k^), d\mu^\biggr] $$

其中 $\dot{p} = Dp^|_{\mu^}[\delta\mu]$。

证明：

(a) 由引理 6，$\int q_k, Q(ds' \mid s, p) = q_k$（$q_k$ 穿过转移核），代入之前的精确定义即得。

(b) 记 $\mu_\varepsilon = \mu^* + \varepsilon, \delta\mu$，$p_\varepsilon = p^*(\mu_\varepsilon)$，$N_k(\varepsilon) = \int \psi(s; p_\varepsilon) q_k, d\mu_\varepsilon + \lambda_e \bar{q}k^e$，$D(\varepsilon) = \int \psi(s; p\varepsilon), d\mu_\varepsilon + \lambda_e$。则 $\omega_k(\Phi(\mu_\varepsilon)) = N_k/D$。

对 $\varepsilon$ 求导（商的导数）：

$$ \frac{d}{d\varepsilon}\bigg|_0 \frac{N_k}{D} ;=; \frac{N_k'(0), D^* - N_k^, D'(0)}{(D^)^2} ;=; \frac{N_k'(0) - \omega_k^, D'(0)}{D^} $$

逐项计算：

$$ N_k'(0) = \int \psi^* q_k, d(\delta\mu) + \dot{p}\int (\partial_p\psi^) q_k, d\mu^ $$

$$ D'(0) = \int \psi^, d(\delta\mu) + \dot{p}\int \partial_p\psi^, d\mu^* $$

代入，利用 $\delta\mu(\mathcal{S}) = 0$ 将 $\int \psi^* q_k, d(\delta\mu) - \omega_k^* \int \psi^, d(\delta\mu) = \int \psi^(q_k - \omega_k^*), d(\delta\mu)$，对 $\dot{p}$ 项同理。

引理 8（单期 $\omega$ 增量的界）

陈述。$\omega_k$ 的单期增量的线性化为

$$ \Delta\dot{\omega}_k ;=; D(\omega_k \circ \Phi)[\delta\mu] ;-; D\omega_k[\delta\mu] $$

$$ = ;\frac{1}{D^}\int (\psi^ - D^)(q_k - \omega_k^), d(\delta\mu) ;+; \frac{\dot{p}}{D^}\int (\partial_p\psi^)(q_k - \omega_k^), d\mu^ $$

在条件 (ii) 下，$|\Delta\dot{\omega}k| \leq \mu_k \cdot |\delta\mu|{\mathrm{TV}}$。

证明：

由引理 7(b) 和 $D\omega_k[\delta\mu] = \int q_k, d(\delta\mu) = \int (q_k - \omega_k^*), d(\delta\mu)$（利用 $\delta\mu(\mathcal{S}) = 0$）：

$$ \Delta\dot{\omega}_k = \frac{1}{D^}\int \psi^(q_k - \omega_k^), d(\delta\mu) + \frac{\dot{p}}{D^}\int (\partial_p\psi^)(q_k - \omega_k^), d\mu^* - \int (q_k - \omega_k^*), d(\delta\mu) $$

$$ = \int (q_k - \omega_k^) \frac{\psi^ - D^}{D^}, d(\delta\mu) + \frac{\dot{p}}{D^}\int (\partial_p\psi^)(q_k - \omega_k^), d\mu^ $$

其中 $\psi^(s) - D^ = \psi^(s) - \bar{\psi}^ - \lambda_e$，$\bar{\psi}^* = \int \psi^, d\mu^$。

第一项的绝对值 $\leq \frac{|(\psi^* - D^)(q_k - \omega_k^)|\infty}{D^*} \cdot |\delta\mu|{\mathrm{TV}}$。

第二项的绝对值 $\leq \frac{|\dot{p}|}{D^} \bigl|\int (\partial_p\psi^)(q_k - \omega_k^), d\mu^\bigr|$，而 $|\dot{p}| = |Dp^[\delta\mu]| \leq \dot{p}{\max} \cdot |\delta\mu|{\mathrm{TV}}$（$Dp^$ 是有界线性泛函，根据引理 4）。

条件 (ii) 正是要求上述两项之和 $\leq \mu_k \cdot |\delta\mu|_{\mathrm{TV}}$。

注。$\Delta\dot{\omega}_k$ 的被积函数中出现 $(q_k - \omega_k^*)$，即个体类型对群体均值的偏差。

这意味着 $\omega$ 的变化纯粹来自差异化退出（$\psi^$ 对不同类型取不同值）和差异化进入（$\nu_{\text{entry}}$ 的类型构成不同于 $\omega^$）。若所有类型的存活率相同且进入者的类型构成等于 $\omega^*$，则 $\Delta\dot{\omega}_k = 0$——类型构成不变。

第二部分：价格响应

引理 9（价格的 Gateaux 导数与单期价格增量）

陈述。

(a) 价格映射 $p^$ 在 $\mu^$ 处的 Gateaux 导数为

$$ Dp^[\delta\mu] ;=; -\frac{1}{\partial_p Z^} \int \bar{x}_{a_M}^*(s), d(\delta\mu)(s) $$

其中 $\bar{x}{a_M}^*(s) = \bar{x}{a_{H,M}}(s; p^) + \bar{x}{a{L,M}}(s; p^)$（逐分量处理时对同人本和同人谷分别计算；此处取标量简化）。

(b) 定义分布增量 $\sigma = D\Phi|_{\mu^*}[\delta\mu] - \delta\mu$。则单期价格增量为

$$ \Delta\dot{p} ;=; Dp^[D\Phi[\delta\mu]] - Dp^[\delta\mu] ;=; Dp^[\sigma] ;=; -\frac{1}{\partial_p Z^}\int \bar{x}_{a_M}^*, d\sigma $$

证明：

(a) 市场出清条件 $Z(p, \mu) = Q^(p, m) - S(\mu, p) = 0$ 在 $(p^, \mu^*)$ 处对 $\mu$ 微分：

$$ \partial_p Z \cdot Dp^*[\delta\mu] + \partial_\mu Z[\delta\mu] = 0 $$

$\partial_\mu Z[\delta\mu] = -\partial_\mu S[\delta\mu] = -\int \bar{x}_{a_M}^, d(\delta\mu)$（供给对分布的响应）。由 $\partial_p Z^ \neq 0$（(R8)(R9) 保证），解出即得。

(b) $Dp^*$ 是线性泛函，对 $D\Phi[\delta\mu]$ 和 $\delta\mu$ 分别作用再取差。

第三部分：$g$ 分量的界

引理 10（$g \circ \Phi$ 的 Gateaux 导数）

陈述。$g(\nu) = \int G(s, p^(\nu)), d\nu(s)$ 在 $\mu^$ 处沿 $\delta\nu$ 的 Gateaux 导数为

$$ Dg|_{\mu^}[\delta\nu] ;=; \int G^(s), d(\delta\nu)(s) ;+; Dp^*[\delta\nu] \cdot \bar{G}' $$

因此

$$ D(g \circ \Phi)|{\mu^*}[\delta\mu] ;=; Dg|{\mu^}\bigl[D\Phi|_{\mu^}[\delta\mu]\bigr] ;=; \int G^, d\dot{\nu} ;+; Dp^[\dot{\nu}]\cdot \bar{G}' $$

其中 $\dot{\nu} = D\Phi|_{\mu^*}[\delta\mu]$。

证明：$g(\mu^* + \varepsilon, \delta\nu) = \int G(s, p^(\mu^ + \varepsilon, \delta\nu)), d(\mu^* + \varepsilon, \delta\nu)$。对 $\varepsilon$ 求导，乘积法则给出两项：分布变化项 $\int G^, d(\delta\nu)$ 和价格变化项 $Dp^[\delta\nu] \cdot \int \partial_p G, d\mu^* = Dp^*[\delta\nu] \cdot \bar{G}'$。

第二个等式来自链式法则 $D(g \circ \Phi) = Dg \circ D\Phi$ 和 $\Phi(\mu^) = \mu^$。

引理 11（单期 $g$ 增量的分解）

陈述。$g$ 的单期增量的线性化为

$$ \Delta\dot{g} ;=; D(g \circ \Phi)[\delta\mu] - Dg[\delta\mu] ;=; \underbrace{Dp^[\sigma] \cdot \bar{G}'}{\Delta\dot{g}{,\text{port}}} ;+; \underbrace{\int G^(s), d\sigma(s)}{\Delta\dot{g}{,\text{comp}}} $$

其中 $\sigma = D\Phi[\delta\mu] - \delta\mu$。

$\Delta\dot{g}_{,\text{port}}$ 是内涵边际：分布增量 $\sigma$ 改变市场出清价格 $\Delta\dot{p} = Dp^*[\sigma]$，价格变化通过群体弹性 $\bar{G}'$ 引起创作组合再优化。
$\Delta\dot{g}_{,\text{comp}}$ 是外延边际：分布增量 $\sigma$ 本身改变了谁在场，不同创作者有不同的 $G^*$。

证明：由引理 10 直接计算：

$$ \Delta\dot{g} = \bigl(\int G^, d\dot{\nu} + Dp^[\dot{\nu}]\cdot \bar{G}'\bigr) - \bigl(\int G^, d(\delta\mu) + Dp^[\delta\mu]\cdot \bar{G}'\bigr) = \int G^, d\sigma + Dp^[\sigma]\cdot \bar{G}' $$

引理 12（Gap 的公式与内涵边际的比例关系）

陈述。

(a) 线性化 Gap 为

$$ \mathrm{Gap} ;=; \sum_k \nabla_{\omega_k} g^\big|_{\omega^} \int q_k, d(\delta\mu) ;-; Dg[\delta\mu] $$

$$ = \int \bigl[\hat{G}(s) - G^(s)\bigr], d(\delta\mu)(s) ;-; Dp^[\delta\mu] \cdot \bar{G}' $$

其中 $\hat{G}(s) = \sum_k \nabla_{\omega_k} g^* \cdot q_k(s)$。

(b) 定义群体调整弹性

$$ \eta_G ;=; \frac{\Delta\dot{g}{,\text{port}}}{\mathrm{Gap}{,\text{price}}} $$

其中 $\mathrm{Gap}_{,\text{price}} = -Dp^*[\delta\mu] \cdot \bar{G}'$ 是 Gap 的价格分量。则

$$ \eta_G ;=; \frac{Dp^[\sigma]}{Dp^[\delta\mu]} ;=; \frac{\displaystyle\int \bar{x}{a_M}^*, d\sigma}{\displaystyle\int \bar{x}{a_M}^*, d(\delta\mu)} $$

这是分布增量 $\sigma$ 相对于原始扰动 $\delta\mu$ 在市场供给方向上的衰减率，即单期内通过价格机制传导的供给侧调整比例。

证明：

(a) $\nabla g^* \cdot D\omega[\delta\mu] = \sum_k \nabla_{\omega_k} g^* \int q_k, d(\delta\mu) = \int \hat{G}(s), d(\delta\mu)$（$\hat{G}$ 的定义）。由引理 10，$Dg[\delta\mu] = \int G^, d(\delta\mu) + Dp^[\delta\mu] \cdot \bar{G}'$。相减即得。

(b) 由引理 11，$\Delta\dot{g}{\text{port}} = Dp^*[\sigma] \cdot \bar{G}'$。$\text{Gap}{\text{price}} = -Dp^[\delta\mu] \cdot \bar{G}'$（Gap 公式 (a) 的第二项，取负号是因为 $\bar{G}' < 0$ 和 $Dp^[\delta\mu]$ 的符号约定）。

注意：$\bar{G}' \neq 0$（价格变化确实影响创作组合，否则不存在调整机制）。$\bar{G}'$ 在比值中约去。由引理 9(a)，$Dp^$ 正比于 $\int \bar{x}_{a_M}^, d(\cdot)$，因此比值化简为供给侧积分之比。

引理 13（外延边际的 Lipschitz 界）

陈述。在条件 (ii) 下：

$$ |\Delta\dot{g}{,\text{comp}}| ;=; \Bigl|\int G^, d\sigma\Bigr| ;\leq; |G^|\infty \cdot |\sigma|_{\mathrm{TV}} $$

而 $|\sigma|{\mathrm{TV}} = |(D\Phi - I)[\delta\mu]|{\mathrm{TV}}$ 受限于进入退出流速率：

$$ |\sigma|{\mathrm{TV}} ;\leq; C\Phi \cdot |\delta\mu|_{\mathrm{TV}} $$

其中 $C_\Phi$ 是 $D\Phi - I$ 的算子范数，由稳态的进入率 $\lambda_e$、存活率 $\psi^$ 的变异性、以及价格响应的大小决定。当条件 (ii) 成立时，$C_\Phi$ 有界，因为 (ii) 约束了存活率的类型选择性（$\psi^$ 对不同类型的差异不大）和进入流的类型偏差。

证明：

$|\int G^, d\sigma| \leq |G^|\infty \cdot |\sigma|{\mathrm{TV}}$ 是测度积分的标准估计。

$\sigma = D\Phi[\delta\mu] - \delta\mu$ 是线性算子 $(D\Phi - I)$ 作用于 $\delta\mu$ 的结果。$(D\Phi - I)$ 在全变分范数下的算子范数 $C_\Phi$ 有限——因为 $D\Phi$ 是有界算子（引理 5 的弱连续性加 $\mathcal{S}$ 紧保证全变分范数控制弱拓扑）。

$C_\Phi$ 的大小由转移核的结构决定。在转移核的精确定义下：

$$ D\Phi\delta\mu = \frac{1}{D^}\left[\int \psi^ Q^(B|s), d(\delta\mu) + \dot{p} \int \partial_p[\psi Q(B|\cdot)], d\mu^ - \mu^*(B) D'(0)\right] $$

$(D\Phi - I)\delta\mu$ 的全变分范数受 $\psi^$ 的变异性、$\dot{p}$ 的大小、以及重归一化效应 $\mu^(B) D'(0)$ 控制。条件 (ii) 约束了 $\psi^*$ 的类型选择性（不同类型的存活率差异小）和 $\dot{p}{\max}$（价格对扰动的敏感度有界），因此 $C\Phi$ 有界。

引理 14（包络定理：为什么 $\eta_G$ 等于创作组合弹性）

陈述。引理 12(b) 的比值 $\eta_G = Dp^[\sigma] / Dp^[\delta\mu]$ 在稳态处由群体层面的创作组合弹性决定。具体地：

设 $\Phi$ 在 $\mu^*$ 处稳定（$D\Phi$ 的谱半径 $< 1$），则 $\sigma = (D\Phi - I)[\delta\mu]$ 将 $\delta\mu$ 在市场供给方向上的分量衰减，衰减率等于转移核对供给侧的单期调整比例。

在混合 Bellman 框架下，创作者的创作组合决策对价格的响应（包络定理）给出：

$$ \frac{\partial \bar{x}{a_M}^*(s;, p)}{\partial p} ;=; -\frac{\partial \bar{x}{a_G}^*(s;, p)}{\partial p} ;+; (\text{其他资产的交叉弹性}) $$

由创作组合约束（总配置有界），市场配置对价格的正响应与无料配置对价格的负响应互为镜像。引理 12(b) 的比值 $\eta_G$ 等价于：

$$ \eta_G ;=; \frac{\text{供给侧在 }\sigma\text{ 方向上的投影}}{\text{供给侧在 }\delta\mu\text{ 方向上的投影}} $$

条件 (i) 要求创作组合弹性 $\partial_p \bar{x}_{a_G}$ 落在 $[\underline{\lambda}, \overline{\lambda}]$ 对应的范围内，从而 $\eta_G \in [\underline{\lambda}, \overline{\lambda}]$。

这里的"弹性 $\to$ 衰减率"依赖以下链条：

价格对分布扰动的响应（引理 9）：$Dp^[\delta\mu] \propto \int \bar{x}_{a_M}^, d(\delta\mu)$。
分布增量的结构：$\sigma = (D\Phi - I)[\delta\mu]$。在一步转移中，$D\Phi[\delta\mu]$ 是 $\delta\mu$ 经存活筛选、状态转移和进入补充后的像。$\sigma$ 度量了这一像与原扰动的差异。在市场供给维度 $\bar{x}_{a_M}^*$ 上的投影为：

$$ \int \bar{x}{a_M}^*, d\sigma = \int \bar{x}{a_M}^, d(D\Phi[\delta\mu]) - \int \bar{x}_{a_M}^, d(\delta\mu) $$

第一项是经一步动力学后的扰动供给，第二项是原始扰动供给。差值 = 单期内的供给侧调整量。
供给侧调整量与创作组合弹性的关系：转移核保持 $\mathbf{q}$ 不变（引理 6），仅改变 $(\theta, W, T)$。经一步转移后，创作者在新状态 $s'$ 和新价格 $p^*(\Phi(\mu'))$ 下重新优化创作组合。由混合 Bellman 的包络定理（定义 2.2 + 公理 A），创作组合对价格的响应为

$$ \bar{x}{a_M}^*(s';, p' + \Delta\dot{p}) ;\approx; \bar{x}{a_M}^(s';, p') ;+; \partial_p \bar{x}_{a_M}^ \cdot \Delta\dot{p} $$

聚合到群体层面并积分，供给侧调整量正比于 $\partial_p \bar{x}_{a_M}^*$ 的群体平均，即创作组合弹性。
弹性与衰减率的等价：比值 $\eta_G = \int \bar{x}{a_M}^*, d\sigma / \int \bar{x}{a_M}^*, d(\delta\mu)$ 度量了"供给侧扰动经一步动力学后的残余比例"。创作组合弹性越高（创作者越积极地响应价格信号），$\sigma$ 在供给方向上的残余越大（因为创作者的创作组合响应放大了分布变化的供给效应），衰减率越高。条件 (i) 约束弹性的范围，从而约束 $\eta_G \in [\underline{\lambda}, \overline{\lambda}]$。

第四部分：组合证明

命题 7.1

证明：

(LC-ω)。由引理 8 直接给出。

(LC-g)。设 $\delta\mu$ 满足 $\delta\mu(\mathcal{S}) = 0$ 且 $\text{Gap} \neq 0$。

第一步：分解。 由引理 11：

$$ \Delta\dot{g} = \Delta\dot{g}{,\text{port}} + \Delta\dot{g}{,\text{comp}} $$

由引理 12(a)，Gap 也分解为两个分量：

$$ \text{Gap} = \underbrace{\int [\hat{G}(s) - G^(s)], d(\delta\mu)}{\text{Gap}{\text{comp}}} \underbrace{- Dp^[\delta\mu] \cdot \bar{G}'}{\text{Gap}{\text{price}}} $$

第二步：内涵边际的比例关系。 由引理 12(b)：

$$ \Delta\dot{g}{,\text{port}} = Dp^[\sigma] \cdot \bar{G}' = \eta_G \cdot (-Dp^[\delta\mu] \cdot \bar{G}') = \eta_G \cdot \text{Gap}{\text{price}} $$

由引理 14 和条件 (i)，$\eta_G \in [\underline{\lambda}, \overline{\lambda}]$。

第三步：外延边际的吸收。 由引理 13：

$$ |\Delta\dot{g}{,\text{comp}}| \leq |G^*|\infty \cdot C_\Phi \cdot |\delta\mu|_{\text{TV}} $$

类似地，$\text{Gap}{\text{comp}} = \int [\hat{G} - G^*], d(\delta\mu)$ 满足 $|\text{Gap}{\text{comp}}| \leq |\hat{G} - G^*|\infty \cdot |\delta\mu|{\text{TV}}$。

由引理 8 注中的分析，$\sigma$ 的全变分范数在条件 (ii) 下被约束为：$\sigma$ 对 $\omega$ 方向的分量被 $\mu_k$ 界住。条件 (ii) 同时保证了 $\Delta\dot{g}{\text{comp}}$ 和 $\text{Gap}{\text{comp}}$ 的关系受控。

关键结构性质是：$G^*(s)$ 和 $\hat{G}(s)$ 在类型维度上的变异受限于 $\omega$ 的变异——因为 $G(s, p) = \sum_k q_k, x^_{k, a_G}(s; p)$（混合涌现），$G^$ 是 $\mathbf{q}$ 的线性函数（在固定 $(\theta, W, T, n, p)$ 下），而 $\hat{G}$ 也是 $\mathbf{q}$ 的线性函数。因此 $\Delta\dot{g}{\text{comp}}$ 和 $\text{Gap}{\text{comp}}$ 在 $\delta\mu$ 的 $\omega$-方向分量上同阶——它们的比值有界。

具体地：设 $\delta\mu$ 在类型维度上的投影引起的 $\omega$ 变化为 $D\omega[\delta\mu]$，则 $\Delta\dot{g}{\text{comp}}$ 和 $\text{Gap}{\text{comp}}$ 均可表为 $D\omega[\delta\mu]$ 的线性函数（模掉 $\omega$-正交方向的分量，后者对 $G^*$ 和 $\hat{G}$ 的积分贡献相等，在取差时消去）。

因此：

$$ \frac{\Delta\dot{g}}{\text{Gap}} = \frac{\eta_G \cdot \text{Gap}{\text{price}} + \Delta\dot{g}{\text{comp}}}{\text{Gap}{\text{price}} + \text{Gap}{\text{comp}}} $$

当 $|\text{Gap}{\text{comp}}| \ll |\text{Gap}{\text{price}}|$ 时（价格通道主导），$\Delta\dot{g}/\text{Gap} \approx \eta_G \in [\underline{\lambda}, \overline{\lambda}]$。

当 $\text{Gap}_{\text{comp}}$ 不可忽略时，上式可改写为

$$ \frac{\Delta\dot{g}}{\text{Gap}} = \eta_G + \frac{\Delta\dot{g}{\text{comp}} - \eta_G \cdot \text{Gap}{\text{comp}}}{\text{Gap}} $$

余项 $R = \Delta\dot{g}{\text{comp}} - \eta_G \cdot \text{Gap}{\text{comp}}$ 的界：

$\Delta\dot{g}{\text{comp}} = \int G^*, d\sigma$ 和 $\text{Gap}{\text{comp}} = \int [\hat{G} - G^], d(\delta\mu)$ 均对 $\delta\mu$ 线性。$R$ 也线性。在 $\mathbf{q}$ 方向上，$G^$ 和 $\hat{G}$ 都是 $\mathbf{q}$ 的仿射函数，$\sigma$ 在 $\mathbf{q}$ 方向上的分量正是 $\Delta\omega$（引理 8 约束的量）。因此

$$ |R| \leq C_R \cdot |\Delta\omega|1 \cdot |\text{Gap}| \leq C_R \cdot \bigl(\textstyle\sum_k \mu_k\bigr) \cdot |\text{Gap}| \cdot |\delta\mu|{\text{TV}} $$

当 $\mu_k$ 足够小（条件 (ii) 的约束足够紧）时，$|R/\text{Gap}| < \min(\eta_G - \underline{\lambda},; \overline{\lambda} - \eta_G)$，从而

$$ \frac{\Delta\dot{g}}{\text{Gap}} = \eta_G + \frac{R}{\text{Gap}} \in [\underline{\lambda}, \overline{\lambda}] $$

当 $\text{Gap} = 0$ 时：$\text{Gap}{\text{price}} = 0$ 且 $\text{Gap}{\text{comp}} = 0$。由上述分析，$\Delta\dot{g}{\text{port}} = \eta_G \cdot 0 = 0$ 且 $|\Delta\dot{g}{\text{comp}}| \leq C_R \cdot |\Delta\omega|_1 \cdot |\text{Gap}| = 0$。故 $\Delta\dot{g} = 0$。

同人市场分析(9)——异质性生产者的创作组合

Sun, 12 Apr 2026 00:00:00 GMT

在前面的章节里，我们为消费者建立了需求模型，为礼物层建立了有限混合模型。这两个子系统都有一个共同的隐含假设：生产者的行为是给定的，消费者拿到创作者的产品和声誉当作外生输入，礼物层拿到创作者的无料发放频率当作外生输入。但创作者到底在做什么决策？为什么有人卖本子有人发无料？为什么有人做了几年退圈有人一直在？这些问题在前面的分析里被回避了。

本章会修正生产者理论的一大部分。我们会发现，同人创作者之间不是同一种人。经过调研，创作者之间的异质性，动机的异质性，远大于新古典假设中一般市场中企业之间的差异。因此我们无法通过同一个假设来描述所有的创作者二。

数学上存在一个方法，把每个创作者刻画为一个混合向量，用它来描述不同动机在这个人身上出现的概率；然后把创作行为当作一个投资组合问题，让混合向量自然地驱动投资组合的涌现形态。

本篇只关注参与了市场层交换的创作者。也就是至少有定价出售行为的人。纯粹只发免费作品的创作者已经在无料的形式化工作里处理完了。

一、同人创作者的异质性

为什么需要区分类型

在无料的形式化工作里，我们建立了六类赠予动机：A（声誉投资）、B（社交连接）、C（产能溢出）、D（纯表达）、E（人际定点）、F（规范遵从）。这六类机制互不还原。Bowles & Polania-Reyes (2012) 的综述明确指出，亲社会行为没有统一的微观基础，观察到的现象是多种机制的叠加。

不过在市场层，并非所有机制都承担独立的解释角色。C（产能溢出）不是"为什么进入市场"的回答，它是"市场生产之后的剩余怎么办"，因为这是一个副产物处理问题，不是一个动机问题。F（规范遵从）是纯粹的模仿行为，在市场层等价于对 A 型行为的低精度复制，没有独立的因果结构。

移除 C 和 F 之后，我们剩下四类与市场行为有关的机制。其中只有一类直接驱动市场参与：

A 型（声誉投资）是唯一直接回答"为什么要定价出售"的机制。A 型从利润 $\pi_i$ 和声誉增量 $\Delta\theta_i$ 中获得效用，售卖对他来说是声誉积累的工具。Bénabou & Tirole (2006) 的亲社会行为模型提供了这一机制的理论基础。

另外三类机制本身不驱动市场进入，但在一个已经参与市场的创作者身上，它们调节创作的投资组合形态、风险感知和退出概率：

类型	简称	对市场行为的调节方式
B	社交连接型	提高协作概率，间接扩大制作同人本的可行性
D	纯表达型	降低感知风险，延长创作者的活跃生命
E	人际定点型	为创作的投资组合引入非市场效用的赠予配置

混合向量

每个创作者 $i$ 由一个混合向量刻画：

$$ \mathbf{q}i ;=; (q{i,A},, q_{i,B},, q_{i,D},, q_{i,E}) ;\in; \Delta^4 $$

$q_{i,k}$ 表示创作者 $i$ 的下一次决策由机制 $k$ 驱动的概率。这个概率解释在下文会更精确地展开。

需要注意的是，$\mathbf{q}_i$ 不是一个我们能精确测量的量。它是 Manski (2003, 2007) 意义上的部分识别对象。我们能做的是约束它的范围，不是给它一个点值。

为了后文方便，我们把 A 型权重单独记为 $\omega_i := q_{i,A}$，称之为"反馈敏感性"。因为只有 A 型把社群反馈当作声誉投资回报的信号源。而其他类型对反馈不敏感是因为他们的效用不在那个通道上。

二、创作者的目标是什么

每个类型有自己的效用函数

四类机制各有一个效用函数，反映产生这类行为时他们在意的东西：

A 型关心利润和声誉增量：

$$ u_A ;=; \eta_A^{\pi} \cdot \pi_i ;+; \eta_A^{\theta} \cdot \Delta\theta_i $$

这是四类中唯一直接包含利润 $\pi_i$的机制。

B 型关心社交连接：

$$ u_B ;=; \eta_B^{\text{recv}} \cdot |\Delta N_i^{\text{circle}}| ;+; \eta_B^{\text{recip}} \cdot R_i^{\text{recip}} $$

认识新人很大的效用。这类机制所求的回报就是希望认识更多的朋友。在市场参与者身上，B 型分量的调节作用是提高协作概率。经过实证显示，有协作的同人创作者更有机会制作富含内容的同人创作。

D 型关心创作完成本身：

$$ u_D ;=; \eta_D \cdot n_i^{\text{complete}} $$

效用与作品完成数 $n_i^{\text{complete}}$ 成正比，跟谁看到、是否售出、有没有反馈完全无关。这是 Andreoni (1990) warm-glow 在创作语境下的标准形式。在市场参与者身上，D 型分量的关键调节作用是降低感知风险。D 型的内在补偿可以让风险这个概念在效用层面消失。

E 型关心特定关系的维持：

$$ u_E ;=; \eta_E \cdot \sum_{j \in S_i} \phi(D_{ij}^{\text{down}}) $$

向选定集合 $S_i$ 内的人赠予（签名版、定制原画），$\phi$ 是关系深化函数。在市场参与者身上，E 型分量让创作的投资组合中出现不产生收入但产生关系回报的配置，也就是礼物无料层级的基础。

这四个效用函数各自使用不同的量纲。利润、连接数、完成数、关系深度。它们之间不可以加总。每个 $\eta_k$ 只是该机制内部的尺度参数。

人不会同时被四种机制驱动

一个自然的问题是：一个混合创作者身上的四种效用函数怎么"加在一起"？

不加在一起就可以了，我们有处理方式。

我们采用概率混合的微观基础。每次创作者做决策时，一个机制 $k$ 按 $\mathbf{q}_i$ 的概率分布被抽中一个，然后这个机制独立地执行最优化，他在任何时刻只被一种机制主导。比如说，同一个创作者今天在同人展上希望通过声誉投资定价出售，明天因为创作成功而得到了满足，后天因为社交连接送给同好，这些都是有可能的。

这种处理方式与无料的形式化工作完全一致。先按 $\mathbf{q}_i$ 抽取一个机制类型，再按该类型的概率函数决定。也与Heckman & Singer (1984)的有限混合模型的标准框架一致。

观察者从外部看到的长程行为累计可以写成：

$$ U_i ;=; \mathbb{E}!\left[,\sum_{t=0}^{\tau_i} \beta^t \cdot u_{k(t)}\bigl(\mathbf{s}_i(t),, \mathbf{a}_i(t)\bigr) ,\right] $$

$k(t) \sim \mathbf{q}_i$ 是 $t$ 时刻被抽中的机制，$\beta$ 是折现因子，$\tau_i$ 是退出时刻。这个线性和是观察者的统计累计。创作者没有一个统一意志在最大化 $U_i$，被抽中的纯机制各自执行内部最优化。但是，群体行为模式会表现得来自一个整体的优化行为。

热情生命周期是一种约束

$W_i(t) > 0$（热情预算为正）是一种停时约束。如果 $W_i \leq 0$，也就是效用流被截断了，而不是退出社群。到这个情况，创作者不再产出新作品了，但他作为一个人并没有从社群消失，他可以继续做消费者。不同类型的创作者对生命周期的态度不同：D 型把停时约束 $\tau_i$ 的延长当手段，目的是多完成几件作品，A 型把停时约束 $\tau_i$ 当保护声誉的复利积累的方式，B/E 型把停时约束 $\tau_i$ 当关系存量的复利期。

一个有意思的数学事实是，区别于之前新古典的建模。只有当所有机制在所有状态下都给出正效用时，最大化生命周期和最大化效用累计才指向同一个解。而 D 型恰好是唯一一个在所有状态下都产出正效用的机制（因为 $u_D = \eta_D \cdot n_i^{\text{complete}} > 0$ 只要完成了创作）。因此把"热情生命周期"当作目标函数的模型，隐含地假设了所有创作者都是 D 型。

三、热情预算与退出

热情预算方程

每期的热情预算更新为：

$$ W_i(t) ;=; W_i(t-1) ;+; u_{k(t)}\bigl(\mathbf{s}_i(t),, \mathbf{a}_i(t)\bigr) ;-; E_i(\mathbf{a}_i(t)) $$

每期的效用实现补充热情，创作消耗 $E_i$ 扣减热情。退出就是创作的累计效用收益被物理消耗超过

在这里，效用函数同时承担了决策目标和热情更新来源两个角色。

创作消耗

精力消耗 $E_i$ 取决于行动而非类型。无论创作者是为了声誉还是为了其他动机，画一本同人志的体力消耗是一样的：

$$ e_{a_{H,M}} ;\approx; e_{a_{H,G}} ;\gg; e_{a_{L,M}} ;\approx; e_{a_{L,G}} ;>; e_{a_0} ;=; 0 $$

但是，同人本 $e_{a_{H}}$（不管付费还是无料）消耗远大于同人谷 $e_{a_{L}}$。

退出的两条路径

创作者退出有两种方式：

内生退出：$W_i(t) \leq 0$，也就是累计效用小于累计消耗。

外生退出：以概率 $p_{\text{exit}}^{\text{exo}}(t) = p_{\text{time}}(T_i) + p_{\text{env}}(t, \mathbf{q}i)$ 发生。$p{\text{time}}$ 是时间冲击（现实太忙），$p_{\text{env}}$ 是环境冲击。

当然，不同类型对退出风险的暴露程度完全不同。

A 型创作者对环境冲击高度敏感，当圈子环境恶化（信号污染、塌方事件），$u_A$ 下降，$W_i$ 的更新速率恶化。D 型几乎免疫，因为D型的效用函数$u_D$ 只关心创作完成数，圈子怎么样跟他没关系。

B 型对社交基础设施高度敏感，如果展会萎缩，会直接挤压B型的效用函数 $u_B$。

所有类型对时间冲击大致对称，可能只有高韧性的 D 型偶尔能在极端时间约束下仍然能坚持。

四、声誉的双刃剑

声誉-可见度-反馈链路

社群反馈（评论、点赞、转发）对不同类型的创作者有不同的效用入口。例如，A 型把它解读为声誉信号，B 型把它解读为社交入口，E 型把它解读为关系确认。这些不同的解读已经在各自的效用函数 $u_k$ 里了。

要聚焦的是一条特定的因果链：声誉积累 $\theta_i$ → 可见度 → 反馈量 →效用的状态依赖。这条链只在 A 型中成立，它以声誉作为自变量、反馈量作为中间变量、效用函数$u_A$ 的实现值作为因变量，生成一个倒 U 型的非线性依赖。

记这一调制为：

$$ \Phi_A(\theta_i, t) ;=; G_0 \cdot \delta^t \cdot \frac{\theta_i^a}{1 + c \cdot \theta_i^{a+1}} $$

$\Phi_A$ 度量在声誉水平 $\theta_i$ 下，反馈链路对 $u_A$ 的放大倍率。$G_0 \cdot \delta^t$（$\delta < 1$）捕捉反馈供给的时间衰减，由于大家对于创作者的反馈供给是随着时间而变懒惰的。$\theta^a$ 是可见性指数，比如低声誉时无人看到创作者，所以反馈链路不激活。$c\theta^{a+1}$ 是赞美疲劳，高声誉时反馈的边际激励衰减。

对 $\theta_i$ 求导令其为零，可以得到反馈回报的峰值声誉：

$$ \theta_i^* ;=; \left(\frac{a}{ca + c - a}\right)^{1/(a+1)} $$

低于 $\theta^$ 时，声誉增长带来更多反馈、更高 $u_A$；高于 $\theta^$ 时，赞美疲劳主导。当然，实证显示大部分创作者处于 $\theta < \theta^*$ 阶段。

这个倒 U 型只对 A 型起作用。但是其他类型创作者并非不受反馈影响，只是不经过这一环节来处理反馈。

声誉积累

声誉按以下方程演化：

$$ \theta_i(t) ;=; \bigl[\theta_i(t-1) + \gamma_j \cdot I_i(t) \cdot q_i^D(t, j)\bigr] \cdot \xi_i^{\text{shock}}(t) $$

这里有两个值得注意的设计：

信息披露调节 $I_i(t) \in [0, 1]$。信息披露能有助于提升自己的声誉，因为酒香也怕巷子深。

无料资产的声誉积累速率更高：$\gamma_{a_{H,G}} > \gamma_{a_{H,M}} > \gamma_{a_{L,G}} > \gamma_{a_{L,M}}$。按无料的形式化工作的贝叶斯信号机制，赠予比售卖携带更多关于创作者真实在乎程度的信息，毕竟愿意发放无料的老师其实都是很有热爱的老师。

塌方

声誉不是只涨不跌的。塌方冲击 $\xi_i^{\text{shock}}$ 以概率 $p_{\text{collapse}}$ 摧毁一部分累计声誉。更重要的是，塌方摧毁率对不同类型不一样：

$$ d(\mathbf{q}i) ;=; d_0 \cdot (1 - q{i,A}) + d_1 \cdot q_{i,A}, \qquad d_1 > d_0 $$

A 型对塌方更脆弱，由于声誉是他的投资目标，塌方导致该类型的效用 $u_A$ 骤降。D 型对塌方韧性强，效用 $u_D$ 由创作完成数主导，塌方只是外界少了对自己的关注。

五、创作者的创作投资组合

资产空间

我们把创作者每期的产出拆解成五类"资产"：

资产	描述	典型样例
$a_{H,M}$	消费者理论的A型付费品	同人本印刷版、限定签名版
$a_{L,M}$	消费者理论的B型付费品	周边、谷子、徽章
$a_{H,G}$	消费者理论的A型无料	限定签绘、定制原画、赠予限定本
$a_{L,G}$	消费者理论的B型无料	夹页、贺图
$a_0$	不创作	保留热情预算，等待恢复

每类资产在（利润、声誉、社交连接、创作满足、关系维持）五个维度上有不同的回报，不同类型的机制关心不同的维度。

资产	利润 $\rho^{\pi}$	声誉 $\rho^{\theta}$	社交连接 $\rho^{\text{recv}}$	创作满足 $\rho^{\text{warm}}$	关系维持 $\rho^{\text{relation}}$
$a_{H,M}$（卖本子）	$++$	$+$	0	$+$	0
$a_{L,M}$（卖谷子）	$+$	0	0	0	0
$a_{H,G}$（送签绘）	0	$++$	$+$	$++$	$++$
$a_{L,G}$（发夹页）	0	$+$	$++$	$+$	0
$a_0$（不创作）	0	0	0	0	0

三条硬约束

创作者的创作投资组合受三条约束。把创作者 $i$ 在 $t$ 期对各资产的配置权重记为 $\mathbf{x}i(t) = (x{i,a_{H,M}}, x_{i,a_{L,M}}, x_{i,a_{H,G}}, x_{i,a_{L,G}}, x_{i,a_0})$，则可行组合集 $X_i(t)$ 由以下约束定义：

预算约束：总成本不能超过热情预算 $W_i$。

$$ \sum_{j \in \mathcal{A}} x_{i,j}(t) \cdot c_j(q) ;\leq; W_i(t) $$

其中 $c_j(q)$ 是资产 $j$ 在质量 $q$ 下的成本。

一般来讲，同人本的成本结构为 $c_{a_{H,}}(q) = FC_H + VC_H(q)$，同人谷为 $c_{a_{L,}}(q) = FC_L + VC_L(q)$，$FC_H \gg FC_L$。无料和付费的创作成本本身相同。

当组合同时持有 $a_{H,M}$ 和 $a_{L,M}$（或 $a_{L,G}$）时，存在共享素材的协同节省 $\Delta_{\text{synergy}} \geq 0$，配套生产的边际成本严格低于独立生产。比如说我有一个柄图，我可以印制同人本，也可以印制谷子。

时间约束：可支配时间 $T_i$ 有限。

$$ \sum_{j \in \mathcal{A}} x_{i,j}(t) \cdot t_j ;\leq; T_i(t) $$

且对同人本A类资产 $a_{H,*}$ 还有额外的"成块时间"约束 $T_i(t) \geq T_{\min}^H$。富有内容的创作是需要注意力集中静下心来想的创作。

协作约束（概率性）：同人本A类资产会有概率 $p_{\text{collab}}(\theta_i, q_{i,B})$ 获得合作机会。

$$ p_{\text{collab}}(\theta_i, q_{i,B}) \text{ 随 } \theta_i \text{ 和 } q_{i,B} \text{ 单调递增} $$

声誉越高越容易找到搭档，而B 型创作者更善于建立协作连接。

最后还有一个自然约束——配置权重的单纯形约束：$\mathbf{x}_i(t) \in \Delta^5$，即所有权重非负且总和为1。

市场上所有的创作组合是一种涌现

按概率混合的微观基础，每次决策时刻，一个机制 $k$ 被抽中，$k$ 在自己的量纲内独立优化创作的投资组合。每个机制 $k$ 的纯解为：

$$ \mathbf{x}k^*(t) ;:=; \arg\max{\mathbf{x} \in X_i(t)};; \bigl\langle u_k,, \boldsymbol{\rho}(\mathbf{x}) \bigr\rangle $$

其中 $\boldsymbol{\rho}(\mathbf{x}) = \sum_{j \in \mathcal{A}} x_j \cdot \boldsymbol{\rho}_j(t)$ 是组合$\mathbf{x}$ 的总收益剖面，由各资产的五维回报向量线性叠加而成。每个 $\mathbf{x}_k^*$ 在机制 $k$ 自己的量纲内进行，没有跨类型加总。

A 型被抽中时偏向 $a_{H,M}$（声誉 + 利润），D 型被抽中时偏向 $a_{H,G}$ 和 $a_{L,G}$（创作满足，不在乎是否售出），B 型被抽中时偏向 $a_{L,G}$ + 协作 $a_{H,M}$。

群体层面或个体长程下，观察到的总体创作组合是各类型纯解的混合：

$$ \bar{\mathbf{x}}i(t) ;=; \sum{k \in {A,B,D,E}} q_{i,k} \cdot \mathbf{x}_k^*(t) $$

。它是各机制独立最优解的概率混合，是统计涌现量，而并非单纯个体最优化导出的群体最优化。一个典型的市场参与者在行动机制 A 上有正权重（驱动市场进入），在行动机制 B/D/E 上也有正权重（调节创作组合形态和风险感知）。混合创作者的创作组合形态按类型拆解为：

行动类型	纯类型下最优创作组合	实证大致对应
A	偏向付费同人本 $a_{H,M}$，配少量无料 $a_{L,G}$ 作为声誉信号	商业化平台的中等声誉作者
B	偏向无料同人谷 $a_{L,G}$ + 协作制作同人本 $a_{H,M}$	找到合拍搭档就会做本的作者
D	偏向纯无料 $a_{H,G}$ 和 $a_{L,G}$	Pixiv 长期免费上传不卖商品的画师
E	集中于面向小圈子 $S_i$ 内成员的无料同人本 $a_{H,G}$	老朋友签名版、纪念品

六、成本与风险

同人本A类作品的风险对不同类型意味着不同的反应

我们定义类型化风险成本：对资产 $a_j$ 和类型 $k$，

$$ \pi_{\text{Risk}}^k(a_j) ;=; \min_{\boldsymbol{\rho} \in R_j^{\text{worst}}};; \bigl\langle u_k,, \boldsymbol{\rho}_j \bigr\rangle ;-; c_j(q) $$

即类型 $k$ 在最坏情况下（所有六维回报取最差可信值），把资产 $a_j$ 的回报代入自己的效用函数后得到的净值。物理意义上的最大损失对所有类型都一样，声誉不涨、收入为零、成本全亏，但代入不同的效用函数$u_k$ 后差异极大：

A 型：

$$ \pi_{\text{Risk}}^A(a_{H,M}) ;\approx; \eta_A^{\pi} \cdot 0 ;+; \eta_A^{\theta} \cdot 0 ;-; FC_H ;\approx; -FC_H $$

最坏情况下一无所获，亏掉所有固定成本。这类结果对于A型自然来讲不可接受。

D 型：

$$ \pi_{\text{Risk}}^D(a_{H,M}) ;\approx; \eta_D \cdot n_i^{\text{complete}} ;-; FC_H $$

D 型即使在最坏情况下仍然完成了创作——$n_i^{\text{complete}} > 0$ 是创作行为本身的物理事实。当 $\eta_D$ 足够大时：

$$ \pi_{\text{Risk}}^D(a_{H,M}) ;\geq; 0 ;;\Longleftrightarrow;; \eta_D \cdot n_i^{\text{complete}} ;\geq; FC_H $$

D 型的风险在效用层面可能根本不存在，因为他们的内在补偿足以覆盖物理损失。

E 型：

$$ \pi_{\text{Risk}}^E(a_{H,G}) ;\approx; \eta_E \cdot \sum_{j \in S_i} \phi\bigl(D_{ij}^{\text{down}}\bigr) ;-; FC_H $$

只要礼物到达了 $S_i$ 内的接收者，E 型就获得了效用。与市场反应无关。E 型对同人本类无料 $a_{H,G}$ 的风险接近零或为正。

由此可以推出：创作同人本的资本壁垒约束

$$ W_i(t) ;\geq; \bigl|\pi_{\text{Risk}}^k(a_{H,*})\bigr| $$

的有效性严格依赖于 $\mathbf{q}_i$ 的构成。对 A 型主导的创作者，壁垒近似固定成本 $FC_H$；对 D 型主导的创作者，壁垒在 $\eta_D \cdot n_i^{\text{complete}} \geq FC_H$ 时消失；对混合创作者，有效壁垒是各类型的 $\mathbf{q}_i$加权平均。

这解释了一个传统新古典模型无法解释的实证现象：高质量同人作品经常出自财务上不可持续的创作者之手。因为，这些创作者通常更在意自己创作的过程满足，对成本风险在效用层面不存在。

而同人谷的情况就比较简单，由于 $\pi_{\text{Risk}}^k(a_{L,*}) \approx -FC_L \ll -FC_H$ 成本远小于同人本，因此对所有类型的创作者都很低。

七、对创作者的启示

创作特质非常影响未来的发展

从模型的角度看，创作者之间最大的差异不是技能，不是资金，不是时间，而是 $\mathbf{q}_i$ 的构成。如果创作本身让创作者快乐，那么其实这里有一个内置的竞争优势，由于风险感知低、退出概率低、创作者在稳态分布 $\mu^*$ 中会被选择效应系统性地过度代表。

协作能力是一种隐形资产

在模型中，$q_{i,B}$ 通过 $p_{\text{collab}}$ 间接扩大了创作者对制作同人本 $a_{H,*}$ 的可行范围。如果创作者想做本子但一直没做，瓶颈可能不是钱或时间，而是社交连接。

同人市场分析(8) ——无料商品的形式化工作

Wed, 08 Apr 2026 00:00:00 GMT

长期在同人圈里，我一直在思考几个用纯粹的市场视角无论如何都解释不通的现象。某些作品在二手市场被炒到几千块，但作者的私心好友只要张口就能拿到一本签名版；许多新人作者明明可以涨价收割粉丝，却选择把首版印数做大、价格压低，把多印的几十本作为无料分给亲友。

这些行为如果用前面几篇里建立的供需模型、效用模型、声誉模型、二手金融模型去解释，都会陷入理性矛盾的尴尬：它们不是利润最大化的理性选择，也不是社群激励的理性选择。但它们普遍存在，不像是理论的边界条件。

本篇要主张的是：同人市场不是一个单纯的市场，它是一个嵌入在礼物交换网络里的市场。这个嵌入关系不是装饰性的，而是结构性的。一旦把礼物层从模型里剥离，剩下的市场层就会出现一系列无法收敛的失败模式。

一、问题：市场视角的失败

我们已经为同人市场建立了相当完整的市场层模型。这套理论解释了相当多的现象，但有几类反复出现的行为始终落在它的解释范围之外：

反例 1——顶级作者的无料分发。 一个声誉已经很高的创作者，理论上应该选择高定价，以及限量发行最大化每件作品的利润。但实际观察到的是：高声誉作者经常主动放弃一部分利润，制作无料送出去。把无料视作换取社群激励可以勉强解释这个行为，但这个解释太弱：很多无料发放并不在公开场合，没有可观测的反馈循环。

反例 2——圈层特权。 同一件作品，圈外消费者要以普通价格购买，圈内的少数人却能以零价格从作者手里直接获得。这个反例用纯市场模型无法处理。按市场逻辑，作者应该向圈内人收费一部分（作为价格歧视），但实际并没有。零价格不是策略失误，它是有意为之的。

反例 3——拒绝再版。 一些卖得很好的作品，作者明确拒绝再版，理由不是印不动了，而是不想再卖了。再版的边际成本通常远低于初版（沉没成本已经分摊），按理说每个理性的创作者都应该选择再版。这与新古典的假设相矛盾。

反例 4——前辈对新人的作品扶持。 高声誉作者经常无偿地把自己的设定、素材赠送给新人创作者，帮助后者起步。这种创作者-创作者的横向赠送在我们的市场模型中根本没有位置。它既不是利润最大化，也不是社群激励最大化，却普遍存在。

这四类反例有一个共同结构，有价值的东西在零货币价格下流动，但流动有严格的关系性边界。它不是慈善，也不是市场，准确的来说它是礼物。

Karl Polanyi 在 1944 年提出，市场交换只是人类历史上三种集成模式之一，另外两种是互惠（reciprocity）和 再分配（redistribution）。前现代社会以互惠和再分配为主，市场交换只是嵌入其中的一个边缘机制；只有在十九世纪的英格兰，才出现了市场从社会中脱嵌的特殊历史形态。Polanyi 的核心论断是：完全脱嵌的纯市场是不稳定的，它将引发反向运动把社会关系重新嵌入回来。

Mark Granovetter 在 1985 年的 Economic Action and Social Structure: The Problem of Embeddedness（AJS）里把 Polanyi 的命题做了现代化的改写。他指出：所有经济行为都嵌入在社会关系网络中——区别只在于嵌入的程度、形态和可见性。

二、Mauss 的礼物理论与互惠的形式化

如果要把礼物经济建模，我们需要先有一套清楚的概念语言。

2.1 Mauss 的三义务

Marcel Mauss 在 Essai sur le don（1925）里指出，礼物交换的基础不是"自愿赠予"，而是三个强制性义务的组合：给予的义务（obligation to give）、接受的义务（obligation to receive）、回报的义务（obligation to reciprocate）。一个社会的礼物机制能否运转，取决于这三个义务是否被普遍承认。

Mauss 的关键洞察是：礼物从来不是单方面的让渡。一旦 i 把礼物送给 j，j 就背上了一笔无形的债务，必须在未来以某种形式回报。这笔债务不是货币化的，但是是真实的——它会影响 j 后续的决策、关系判断，甚至自我认同。

2.2 Sahlins 的三类型互惠

Marshall Sahlins 在 Stone Age Economics（1972）里把 Mauss 的"互惠"细化为三种类型，这给我们提供了一个直接可用的分类轴：

普遍互惠（generalized reciprocity）：回报无明确时间窗口、不要求等价。典型场景是父母对子女、亲密朋友间的帮助。从我们的建模角度，这对应义务永不衰减以及不要求等价回报。

平衡互惠（balanced reciprocity）：回报有明确时间窗口、要求大致等价。典型场景是同辈朋友之间的礼物交换、商业伙伴之间的人情往来。这对应义务以一定速度衰减，且回报价值大致匹配原礼物价值。

消极互惠（negative reciprocity）：没有义务、互不信任、试图占便宜。典型场景是与陌生人的一次性交易、敌对关系下的勉强让步。这对应义务立即清零以及不存在回报承诺。这其实就是市场交换的逻辑。

同人社群大概率位于"平衡互惠"这一段。同人社群的关系是中等强度的，这种关系比陌生人强，但比家人弱；同人社群的礼物经常带有"将来再还"的预期，但不要求逐项对应；同人社群也存在边界外的纯市场交易（场贩、通贩），说明它没有完全退回到普遍互惠。

2.3 Weiner 与"不可让渡性"

Annette Weiner 在 Inalienable Possessions: The Paradox of Keeping-While-Giving（1992）里对 Mauss 提出了一个补充：有些礼物的义务永不消失。她称这类礼物为不可让渡的财物（inalienable possessions）。

这个概念在同人社群里有一个对应：作者亲手交付的限定原画、签名本、私人信件。这些东西即使被收藏者拥有，圈内也普遍承认它们与作者之间的原属性关系。收藏者在转售时会受到道德压力，因为这等于背叛了作者的赠予。也意味着这类礼物的义务永远存在。当一件作品在初版完成、被原买家接收之后，已经获得了具体一次性事件的属性，它不再是抽象的商品。再版相当于把这件作品重新还原为可复制的商品，剥离它已经获得的不可让渡性。因此有的作者依此拒绝再版，这一点在Weiner的不可让渡性框架下是合理的。

2.4 礼物经济的概念组件

把上诉理论综合起来，我们得到了礼物经济的几个概念。

概念1：礼物义务存量。当 i 把礼物送给 j 时，j 背上了一种对 i 的感知性债务。它是一种互相欠对方的心理状态。这种存量随时间淡化，随新礼物增加，随回赠减少。我们称之为礼物义务存量，

概念 2：慷慨度。个体 $i$ 投入礼物循环的总流量，记为慷慨度 $\Gamma_i$。这是一个宏观可观察的特征，圈内人能感受到某位创作者经常发无料，这种群体感知就是 $\Gamma_i$ 的可观察体现。但单个的 $g_{ij}$（具体的某次赠予）不作为考虑。

概念 3：上下行不对称性。创作者向消费者的赠予和消费者向创作者的赠予在结构上不对称，前者是一对多的广播式分发，后者是多对一的汇集式贡献。

概念 4：不可让渡性的边界情况。Weiner 的不可让渡的财物对应一种特殊的礼物——它的义务永不消失（签名版限定品、亲手交付的原画）。这一类礼物在数量上是少数，但在情感权重上很高。

三、双层经济模型

有了第二节的概念基础，现在可以正式建立双层经济的形式化模型。我们采用 representative-agent 框架（即把创作者 $i$ 和消费者 $j$ 视为抽象个体）来研究

3.1 两层与它们的接口

整个同人市场由两个并行运行的子系统组成：

市场层 $\mathcal{M}$：有价交换系统。状态变量包括消费者的预算 $m$、创作者的热情预算 $W_i$ 和声誉 $\theta_i$、各类商品的市场价格 $p_H, p_L$ 等。

礼物层 $\mathcal{G}$：由第二节定义的礼物经济概念组件构成。它包括定性的礼物义务存量、宏观可观察的慷慨度、以及由多种异质机制（声誉投资、社交连接、产能溢出、纯表达、人际定点、规范遵从）共同驱动的赠予流。这些不是精确量化的状态变量，而是被嵌入到下面三个接口方程里的概念支撑。

两层不是相互独立的。它们通过三个方法耦合在一起。

3.2 方法 A：慷慨度通过贝叶斯推断回到声誉

第一个方法是单向的：礼物层的慷慨度回流到市场层，作为声誉的额外信号源。要严格描述这个回流，我们直接复用之前已经建立的贝叶斯更新机制——这是同一套数学工具在新场景下的自然延伸。

3.2.1 贝叶斯更新公式

在声誉与无标度的同人社区一章里，消费者面对同人制品的预期质量被建模为一个贝叶斯更新：

$$ Q_{\text{expected}} ;=; \alpha \mu_0 ;+; (1 - \alpha) S, \qquad \alpha ;=; \frac{\sigma_s^2}{\sigma_0^2 + \sigma_s^2} $$

其中 $\mu_0$ 是消费者对作者的先验声誉，$S$ 是当期可观察的宣发信号，$\sigma_0^2$ 和 $\sigma_s^2$ 分别是先验和信号的方差。权重 $\alpha$ 由两个方差的比值决定——信号噪声越大，越依赖先验；先验越不确定，越依赖当期信号。

我们把同一个方法搬到当前的场景。

$\mu_0$ 作为观察者对创作者真实在乎程度的先验信念， $S$ 成为了当期可观察的慷慨度 $\Gamma_i$， $\sigma_0^2$ 依然表示先验的不确定性（圈内对该创作者动机的整体不确定程度）， $\sigma_s^2$ 是信号噪声（观察者从 $\Gamma_i$ 反推真实在乎程度时的不确定性）。

$\Gamma_i$ 不是一个标量。观察者做的是模式识别而不是积分，发 1000 张廉价批量印刷的无料和送 5 张精细手绘的签绘在总成本上可能等价，但在社群的解读上是两个完全不同的事件。

为了防止这个误读，我们把慷慨度 $\Gamma_i$ 严格地定义为一个无料信息向量：

$$ \Gamma_i ;=; \bigl(,q_i,; c_i,; \text{recipient-breadth}_i,; \text{cadence}_i,; \text{channel-mix}_i,; \text{stylistic-pattern}_i,\bigr) $$

每一维携带不同的语义：

$q$：单位时间内的发放总件数。
$c$：能预估的单件投入的成本（时间、技能、物料）。
recipient-breadth：接收者的覆盖广度。
channel-mix：发放模式不同的份额（后续章节会提到发放模式）。
stylistic-pattern：发放行为是否带有刻意营销的视觉特征。

观察者的贝叶斯推断作用在这个信息向量上，而不是任何标量上。形式地写：

$$ \mathbb{E}[v_a \mid \Gamma_i] ;=; \alpha(\Gamma_i), \mu_0 ;+; \bigl(1 - \alpha(\Gamma_i)\bigr), S(\Gamma_i) $$

其中 $\alpha(\Gamma_i)$ 和 $S(\Gamma_i)$ 都是无料信息的函数，观察者从无料信息的模式中读出当期信号的有效内容 $S(\Gamma_i)$ 和它的可信度权重 $1 - \alpha(\Gamma_i)$。两个信息向量即使数量完全一样，只要成本或 channel-mix 不同，给出的后验也不同。

声誉 $\theta_i$ 的一部分更新包含这个后验期望。

3.2.2 外部激励如何增加信号噪声 $\sigma_s^2$

贝叶斯更新公式给出的一个结论是当平台引入对赠予行为的外部奖励时，观察者从慷慨度信号中读出的信息量会下降。因此可以得到

外部激励 $y$ 增加 → 信号噪声 $\sigma_s^2$ 增加

为什么？因为同样观察到的 $\Gamma_i$ profile，在引入奖励后，可能来自两种动机源：

类型 A 创作者出于内在的声誉投资动机的赠予
被奖励驱动的、原本不会赠予的创作者为了 $y$ 而做出的赠予

这两种来源在外部激励下变得不可分辨。观察者无法从观察 $\Gamma_i$ 的无料信息反推出"这次行为有多大比例来自真实在乎"。值得指出的是，这种污染并不均匀地作用于无料信息的所有维度——它在 stylistic-pattern（被奖励驱动的赠予会带上奖励项目的视觉特征）两个维度上最强烈。但即使观察者只关注高信噪比的维度（cost-per-gift、recipient-breadth），也无法完全避免污染——因为被奖励驱动的发送者会模仿真实 A 型的无料信息特征。这种不可分辨性正是信号噪声 $\sigma_s^2$ 上升的形式表达。形式化地：

$$ \frac{\partial \sigma_s^2}{\partial y} ;>; 0 $$

3.2.3 信号污染作为贝叶斯公式的直接推论

由权重公式 $\alpha = \sigma_s^2/(\sigma_0^2 + \sigma_s^2)$，$\sigma_s^2$ 上升直接推出 $\alpha$ 上升：

$$ \frac{\partial \alpha}{\partial y} ;=; \frac{\sigma_0^2}{(\sigma_0^2 + \sigma_s^2)^2} \cdot \frac{\partial \sigma_s^2}{\partial y} ;>; 0 $$

这意味着外部激励引入后，观察者把更大权重放在先验 $\mu_0$ 上，更小权重放在当期信号 $\Gamma_i$ 上。如果先验 $\mu_0$ 是"圈内对该创作者的中性基线印象"，而创作者本来的赠予行为是在 $\mu_0$ 之上的"超出预期"贡献，那么向 $\mu_0$ 收敛就等价于当期赠予的信号价值消失，观察者把它解释为一种市场上的标准操作，而不是真实在乎人际关系的体现。

它的意义和 B&T (2006) 在 Incentives and Prosocial Behavior（American Economic Review）里通过博弈论建立的 prosocial behavior 模型在实质上等价。有兴趣的读者可以阅读一下这篇文献。

3.3 方法 B：作品的分配决策——机制多元主义与有限混合模型

第二个方法是双向的：每件作品都需要被分配到市场层或礼物层。要正确建模这个决策，我们需要回答一个先于数学的问题：创作者在赠予作品时，到底是不是在做决策？

3.3.1 拒绝单一微观基础

一个常见的建模冲动是给为什么人发无料找一个统一的微观基础，可能是声誉投资（Camerer 1988），可能是温情施予（Andreoni 1990），可能是身份效用（Akerlof-Kranton 2000），可能是 Bourdieu 的 habitus，可能是 Kahneman 的双系统。但任何单一理论都会被经验反例打破：一个完全不在乎创作者形象的人也会发无料；一个非常在乎这个形象的人也可能完全不发；同一个人在不同的展会上的赠予行为差别巨大；甚至同一次展会上同一批人之间的动机都参差不齐。

事实上，多数创作者的赠予行为是由几种性质完全不同、互不还原的机制共同驱动的。Bowles & Polania-Reyes 在 Economic Incentives and Social Preferences (Journal of Economic Literature, 2012) 的综述中明确指出：过去 30 年的行为经济学研究显示，"亲社会行为"没有单一的微观基础——观察到的现象是多个机制（互惠、声誉、内疚、温情、身份、规范遵从）的叠加。任何强行把它们合并的理论都会产生与经验冲突的预测。

把这个方法论立场应用到无料：我们不试图为个体为什么发无料提供一个统一的解释。相反，我们识别出几种可观察的、互不还原的机制类型，承认它们各自有真实的存在范围，然后用一个有限混合模型（finite mixture model）把它们在群体层面叠加起来。

3.3.2 无料动机的类型学

把经验观察整理一下，我们可以识别出至少六种性质不同的无料发放机制。每一种都对应一个具体的、可被指认的情境：

类型 A——声誉-意识型（reputation-aware）

特征：发放者模糊地意识到赠予对自己长期有利，但不做精确计算
典型场景：已经在做商业化的创作者发放夹页或贺图，知道这与维持人气的目标大致相符
理论支持：贝叶斯信号-推断机制——声誉项是动机的一部分，但隐性。等价的博弈论版本可参见 Bénabou & Tirole (2006) 的 prosocial behavior 模型

类型 B——社交连接型（communal）

特征：发放者没有任何声誉投资目标，目的是"找同好"、"交朋友"、建立人际连接
典型场景：漫展上没有申请摊位、随机游走的零散创作者，带着印的几十份小册子在场馆里寻找看起来合得来的人。对他们来说，赠予是"敲门砖"，不是"投资"
理论支持：Alan Fiske (1992, Psychological Review) 的 communal sharing 关系模式：共享行为本身确认共同身份；或者 Granovetter (1973) 的 weak ties：通过赠予建立弱连接

类型 C——产能溢出型（slack disposal）

特征：发放者没有任何动机，单纯是因为"印多了不想拿回去"。固定成本已经付了，边际处置成本接近零
典型场景：本子作者印 100 本，散场时还剩 30 本。带回去要花运费，扔掉浪费，最理性的处理方式就是免费送

类型 D——纯表达型（expressive）

特征：发放者的全部满足来自创作行为本身，分发只是创作过程的"完成动作"
典型场景：在 Pixiv 上每天上传一张原创插画。画师从画的过程中获得了全部满足，"上传"只是完成创作仪式
理论支持：Andreoni (1990) 的 warm-glow giving 部分适用——发放者从赠予行为本身获得直接效用，独立于回报

类型 E——人际定点型（personal）

特征：基于具体的人际关系，赠予是关系本身的载体
典型场景：签名版送给老朋友、纪念品送给合作伙伴
理论支持：前文所述的Mauss 互惠义务、Weiner 不可让渡性

类型 F——习惯性 / 规范遵从型（conformity）

特征：发放者没有具体的目标，只是因为圈里大家都这样，自己也照做
典型场景：新人参加 Comiket，看到周围所有摊位都在发夹页，自己也去印一些发，属于一种纯粹的社会模仿
理论支持：Bicchieri (2006) 的社会规范理论——条件性偏好，"如果别人这样做，我也这样做"

这六种类型的并集的子集，覆盖了同人圈大多数无料发放情境。它们在个体层面是互不还原的，我们不能把类型 B 还原为隐性的类型 A，也不能把类型 C 还原为不被察觉的类型 D。每一种类型都有自己的因果结构。

并且，无料发放的动机是一种创作动机的弱表征，无料发放的动机也伴随着无意识透露创作者的创作动机。这对应着后章我们进行动态分析的时候，这些动机种类成为了判断创作者种类与社群稳定的一个很重要的指标。

3.3.3 有限混合模型与部分识别

混合模型的叠加示意

把六种类型在群体层面叠加，我们得到一个有限混合模型（finite mixture model）。这是计量经济学里处理不可观察类型异质性的标准工具，由 Heckman & Singer 在 A Method for Minimizing the Impact of Distributional Assumptions in Econometric Models for Duration Data（Econometrica, 1984）引入主流计量框架，由 McLachlan & Peel 的 Finite Mixture Models（Wiley, 2000）系统化。

个体级：混合而非纯类型

由于个体并不属于单一类型。一个创作者可能今天表现为类型 A（声誉投资），明天表现为类型 B（社交连接），下周表现为类型 C（产能溢出）——甚至同一次赠予可能被多种机制同时部分驱动（这本送出去有一部分是为了维持人气，一部分是真的想交朋友，一部分是因为印多了放不下）。

把每个创作者强行贴上一个类型标签是一个经验上站不住脚的简化。因此我们可以使用一个加权向量来刻画每个人

把它搬到同人圈：每个创作者 $i$ 被一个混合向量刻画：

$$ \mathbf{q}i ;=; (q{i,A},, q_{i,B},, q_{i,C},, q_{i,D},, q_{i,F}), \quad \sum_k q_{i,k} = 1 $$

其中 $q_{i,k} \in [0, 1]$ 是创作者 $i$ 的赠予行为中被机制 $k$ 驱动的比例——或者等价地，"下一次 $i$ 赠予时，这次赠予由机制 $k$ 驱动的概率"。

我们可以简单观察出几种情况：

纯类型创作者（$q_{i,k} = 1$ 对某个 $k$）：极端情况，经验上几乎不存在
典型创作者：有几个非零分量，例如 $\mathbf{q}_i = (0.3, 0.4, 0.2, 0.1, 0)$。这类创作者主要是社交连接型，但也有相当的声誉意识和一些产能溢出
完全多样的创作者：所有分量都非零

个体级的无料发放概率是个体混合向量与各机制概率函数的内积：

$$ P(i \text{ 赠予 } w \mid r_w) ;=; \sum_k q_{i,k} \cdot \pi_k(r_w) $$

每一次无料发放都可以被表征为：先按 $\mathbf{q}_i$ 抽取一个机制类型，再按该类型的对相对成本的感知函数$\pi_k(r_w)$ 决定是否发无料。这个感知函数就是个体动机上对于相对成本的敏感度。

群体级的表示——混合向量的期望

形式化地，给定相对成本 $r_w = c_w / W_i$（作品成本占创作者热情预算的比例），群体层面的赠予概率通过对个体取期望得到：

$$ P(\text{give} \mid r_w) ;=; \mathbb{E}i!\left[\sum_k q{i,k} \pi_k(r_w)\right] ;=; \sum_k \omega_k \cdot \pi_k(r_w) $$

其中 $\omega_k ;=; \mathbb{E}i[q{i,k}]$ 是群体平均的混合系数——即"跨所有创作者的行为流中，由机制 $k$ 驱动的比例"。

这个公式的形式和标准有限混合模型完全相同，但它的解释是细致的：$\omega_k$ 不是"类型 $k$ 个体在人口中的比例"，而是"行为流中机制 $k$ 驱动的比例"。$\pi_k(r_w)$ 是类型 $k$ 的赠予概率函数。类型 E（人际定点型）不在这个加权和里面，因为它对应的是私密模式。

关键的方法论选择：把 $\omega_k$ 和 $\pi_k$ 视为部分识别的对象

这个混合模型有一个先天的问题：$\omega_k$ 和 $\pi_k$ 都是不可被精确测量的。我们无法进到创作者的脑袋里标记每一次赠予的动机类型，也无法通过任何可观察的行为唯一地反推出群体权重。

一种合适的方法论是部分识别（partial identification）——Charles Manski 在 Partial Identification of Probability Distributions（Springer, 2003）和 Identification for Prediction and Decision（Harvard, 2007）里系统建立的框架。Manski 的核心立场是：当一个参数无法被点估计时，我们只需要严谨地描述与可观察证据一致的所有参数值的集合——即可识别集。

在我们的混合模型里，每个类型权重对应一个可识别集 $\Omega_k$：

$$ \Omega_k ;=; \big{, \omega_k \in [0, 1] ,:, \omega_k \text{ 与实证一致} ,\big} $$

类似地，$\pi_k(r_w)$ 对应一个函数的可识别集 $\Pi_k$，由"与类型 $k$ 的定性特征一致的所有单调非递增函数"构成。

在部分识别的语言下，我们的模型承认测量的不可能，并在不可能性内部做有意义的数学推理。后续的每一个命题都会被重新表达为关于可识别集的断言，例如 "$g^{\text{floor}} \geq \underline{g}{\text{floor}}$ 对所有 $(\omega, \pi) \in \Omega \times \Pi$ 成立"，而不是 "$g^_{\text{floor}}$ 等于某个具体值"。

这种表达方式在 Tamer (2010) 的 Partial Identification in Econometrics（Annual Review of Economics）综述里被系统总结，并在过去 15 年的微观经济学文献里被广泛使用。

3.3.4 各类型的定性形状——单调比较静态的语言

单交叉条件的图形化描述

每个 $\pi_k(r_w)$ 的"定性形状"可以用 Milgrom & Shannon (1994) 在 Monotone Comparative Statics（Econometrica）里建立的单调比较静态框架来严格表达。Milgrom-Shannon 的核心工具是 单交叉性质，这类性质通俗地讲，指的是两个函数如果相交，只能相交一次，并且交叉后函数的大小关系不再改变。它允许我们在不指定函数形式的前提下，严谨地描述X 如何响应 "。

用单交叉性质条件重新表达各类型的性质：

$\pi_A(r_w)$（声誉-意识型）：满足严格单交叉——存在一个临界点 $r^_A$，使得 $\pi_A$ 在 $[0, r^_A)$ 上接近 1、在 $(r^*_A, \infty)$ 上接近 0，过渡区狭窄。这对应声誉投资型对成本的高敏感度
$\pi_B(r_w)$（社交连接型）：满足弱单交叉——有递减趋势但过渡平缓，不存在尖锐的临界点
$\pi_C(r_w)$（产能溢出型）：在中低成本区域近似不变（$\partial \pi_C / \partial r_w \approx 0$），在成本非常高时下降，对应溢出多少送多少，但太贵就宁可带回去
$\pi_D(r_w)$（纯表达型）：近似不变——$\pi_D$ 在整个 $r_w$ 范围上几乎恒定，因为表达型动机与成本无关
$\pi_F(r_w)$（规范遵从型）：满足单交叉，但临界点 $r^*F$ 跟随圈内中位数 $\bar{r}{\text{median}}$——这是一个跟随群体分布的条件性形状

这些性质是函数空间上的定性约束，不是具体函数的指定。它们定义了一个函数族 $\Pi_k$——所有满足类型 $k$ 定性性质的函数的集合。在这个意义上，$\pi_k$ 的"可识别集"是这样一个函数族，不是某个特定的函数。

加权和的稳健性质（不依赖于具体形式）

即使每个 $\pi_k$ 都不被精确指定，Milgrom-Shannon 框架仍然让我们可以对加权和做出定性断言。对任意满足上述单交叉条件的 $(\pi_A, \pi_B, \pi_C, \pi_D, \pi_F)$ 和任意权重 $(\omega_A, ..., \omega_F)$，加权和 $P(\text{give} \mid r_w)$ 必然满足：

全局非递增：$\frac{\partial P}{\partial r_w} \leq 0$ 对所有 $r_w$ 成立
低成本渐近上限：$\lim_{r_w \to 0^+} P(\text{give} \mid r_w) \to 1$
高成本渐近下限非零：$\lim_{r_w \to \infty} P(\text{give} \mid r_w) \geq \omega_C \pi_C^{\infty} + \omega_D \pi_D^{\infty} > 0$，其中 $\pi_k^{\infty} = \lim_{r_w \to \infty} \pi_k(r_w)$。这对应"偶尔会有人把整本印刷品送出去"的经验观察
形状一般是非均匀下降：加权和可以有多个拐点、平台区和中段平坦段

注意这些性质都是在"所有 $\pi_k$ 的可识别集 $\Pi_k$"上同时成立的稳健预测——它们不依赖于选择任何特定的函数形式。

3.3.5 群体层面的涌现

从单个创作者的视角看，每件作品的无料发放决策可能由六种机制中的任何一种主导，这一点本身是不可预测的。同一个创作者今天可能是类型 B（带本子去交朋友），下周可能是类型 C（清掉去年没卖完的库存），月底可能是类型 A（刻意维护人气）。模型不要求识别每一次赠予对应哪一类。

但从整个圈子的总体视角看，这些异质机制叠加的累积效果是一个稳定的群体规律。它在总体作品流量中划出了一个稳定的无料礼物层比例。这个稳定性不需要任何参与者去维护，也不需要任何关于动机的统一假设。它只需要群体中各类型的权重 ${\omega_k}$ 在长期上保持相对稳定。这在一个有连续历史的同人圈里通常是成立的。

市场视角的反例 1 在这里得到了一个完整的解释：高声誉作者发放无料不需要任何统一的微观叙事。它就是六种机制中的某一种（或几种）在那一刻起作用的结果。可能是声誉意识、可能是产能溢出、可能是社交连接、可能是规范遵从。我们不知道也不需要知道哪一种，因为模型只在群体层面做断言。

3.4 方法 C：两种赠予模式的接收机制

第三个方法处理谁能收到无料的问题。这里有一个建模上必须正面回答的经验事实：多数无料的发放在事实上是随机的。展会摊位上的免费夹页发给随手路过的来客，Pixiv 上的免费上传作品被时间线上的任何关注者刷到，Lofter 的赠送贴可能被任何抢到的人拿走。这些模式不需要、也没有进行任何按个体筛选的过程。

我们可以把无料按发放模式拆成两类，它们与 3.3 节的类型学有一个清晰的映射：

模式 1 广播分发：对应类型 A、B、C、D、F 五类。这些机制产生的礼物都是投入"公开池子"被随机分配的，接收者的具体身份是随机的。
模式 2 定点赠予：对应类型 E（人际定点型）。这是唯一一种按关系性考虑选择接收者的机制。

3.4.1 模式 1：广播式分发（对应类型 A、B、C、D、F）

在五类广播机制下，创作者把一定数量的无料 $G_i^{\text{auto}}(t)$ 投入一个公开池子，比如展会现场、平台公开发布、Lofter 时间线、Pixiv 关注流。然后池子里的作品被随机分配给当时在场或在线的成员。

形式化地，如果记 $N_i^{\text{circle}}(t)$ 为 $t$ 时刻"在 $i$ 的可视范围内"的成员集合（包括展会现场的来客、Pixiv 的关注者、Lofter 圈子的活跃者），那么任意 $j \in N_i^{\text{circle}}(t)$ 收到 $i$ 的某件广播无料的概率是：

$$ P!\left(j \text{ 收到 } i \text{ 的广播无料}\right) = \frac{G_i^{\text{auto}}(t)}{|N_i^{\text{circle}}(t)|} $$

这一概率对池子内的所有成员是相同的。换句话说，新人和老粉在广播模式下的接收机会几乎相同。但这并不意味着广播模式没有边界。它的边界是参与性的，不是关系性的：要进入 $N_i^{\text{circle}}(t)$，人群必须做某些低门槛但非零成本的事情，比如出席展会、关注账号、加入圈内群组、维持基本的在线活跃度。这些行为本身不需要积累任何义务存量，但它们要求你身在圈里。

这给出了"圈层身份"的一个精确定义：圈层身份不是关系积累的产物，而是参与性存在的产物。它是低门槛但有门槛的。任何愿意在圈内露面的人都能享受广播无料，但完全不在圈的外人则不能。

3.4.2 模式 2：定点赠予（对应类型 E）

并非所有无料都是广播式的。类型 E（人际定点型）的赠予是创作者刻意选择对象的，比如签名版限定本、个人贺图、私下的限定原画、给老朋友的定制品。这一部分无料的接收方是被创作者按照具体的亲疏关系性考虑来选择的。它是六种机制中唯一一种不通过广播池子流转的。

形式化地，对于这种定点赠予模式的无料，我们保留原有的关系门槛结构，但限定它的适用范围：

$$ g_{ij}^{\text{personal}}(t) > 0 \quad \iff \quad j \in S_i(t) $$

其中 $S_i(t)$ 是 $i$ 在 $t$ 时刻的"个人选定集合"——一个由 $i$ 根据上行无料馈赠 $D_{ij}^{\text{up}}$ 累积、个人交情、合作关系等综合因素决定的小子集。这部分确实存在 Annette Weiner 意义上的不可让渡性。例如，签名本承载了创作者-受赠者关系的具体历史。

但，模式 2 在数量上是少数。一位创作者每年可能在展会上分发几百份广播式无料，但只会写出十几本带名字的签名版无料。

3.4.3 总赠予流的两层结构

把两种模式合并，无料礼物层的总流量分解为：

$$ g_{ij}(t) = g_{ij}^{\text{broadcast}}(t) + g_{ij}^{\text{personal}}(t) $$

其中第一项由广播无料池子中的随机分配给出（依赖于 $j$ 是否在 $N_i^{\text{circle}}$ 内），第二项由 $i$ 的个人选定决定（依赖于上行礼物馈赠 $D_{ij}^{\text{up}}$ 等关系变量）。

群体层面看，广播项贡献了 $g$ 的绝大部分体量；而个人定点项虽然小但承担了重要的关系信号功能，它是同人圈内深度连接的可观测载体。

3.4.4 这一拆分的几个直接经验结果

结果 1：受赠概率不构成老粉认证。一个新加入圈子的消费者，只要参加同人展、关注创作者的 Pixiv，就能以正常的概率获得广播无料。

结果 2：模式 2 的关系积累仍然是有意义的，但它的回报是非货币性的。对创作者贡献的无料馈赠$D_{ij}^{\text{up}}$ 累积让 $j$ 进入 $S_i$ 的概率上升，从而获得签名版、限定原画这类高情感权重的礼物。但这部分无料礼物的市场价值可能并不显著，它的价值在于被创作者认识这一关系事实本身。

结果 3：圈层身份被重新定义为参与性而非积累性。圈层身份的关键特征是易得但不可缺席。任何愿意参与的人都能进入，但完全不参与的人无法享受池子的红利。

3.5 双层均衡

把以上三个接口方程加上市场层和无料礼物层（第二节方程）的内部动力学放在一起，我们可以得到洞察

观察 1：无料礼物层有一个不依赖于任何理性激励的结构性下界。它由群体中的成本不敏感型动机（类型 C 产能溢出、类型 D 纯表达，以及类型 B 的低成本部分）保证。即使贝叶斯信号通道完全失效（即声誉推断被破坏），即使没有任何外部激励，只要群体里有 $\omega_C, \omega_D, \omega_B > 0$，礼物层就不会消失。

观察 2：不同圈子之间的差异，可以重新表达为类型权重 ${\omega_k}$ 的分布差异：

商业化平台主导下的同人圈子：$\omega_A$（声誉投资）和 $\omega_F$（规范遵从）较高，$\omega_B$（社交连接）和 $\omega_C$（产能溢出）较低
老牌同人圈：$\omega_B, \omega_C, \omega_D$（社交、溢出、表达）较高，$\omega_A$（声誉投资）相对较低

商业化平台主导下的同人圈子主要依赖类型 A 的赠予，而类型 A 正是贝叶斯信号污染严格适用的范围。所以它最容易被奖励赠予等政策干预破坏，这种奖励赠予可以看成是一种官方主办的营销活动，利用激励免费馈赠来给整个市场引流。老牌圈子的稳健性来自类型 B、C、D，这些类型不依赖声誉信号通道，对外部激励免疫。

观察 3：上面这一点也解释了一个常见的经验现象，新兴的、商业化的、缺少历史积累的圈子比有长期积累的圈子更容易被资本和投机吞噬。它们的赠予以类型 A 为主，而类型 A 恰好是脆弱的那一部分。

健康的同人圈需要多种类型的并存，既有声誉投资型创作者（贡献信号），也有社交连接型、产能溢出型、纯表达型创作者（贡献结构性下界）。

四、无料网络的拓扑学

representative-agent 框架的简化是必要的——它让接口方程的逻辑变得清晰。但无料经济本质上是关系性的：每个 $g_{ij}$ 都涉及一对具体的个体，整个无料礼物层的动力学发生在一个网络上。第四节的任务是把这个网络的拓扑结构推出来。

4.1 为什么需要网络视角

3.4 节的两种赠予模式都隐含了网络结构。广播模式定义了"$i$ 的可视范围" $N_i^{\text{circle}}$——它本身就是一个网络的局部邻域。个人模式定义了"$i$ 的个人选定集合" $S_i$——这是一个更紧密的子网络。两种模式的目标集合各自的形状决定了无料在群体中的传播方式：是局限在小圈子里循环，还是能够形成跨越多个子社区的扩散？

一个具体的例子：假如广播模式下每个创作者的 $N_i^{\text{circle}}$ 都是星形的（创作者-粉丝的简单辐射），无料经济会高度集中、缺乏横向流动；假如它们之间存在大量的横向重叠（同一个粉丝同时在多位创作者的可视范围内），无料经济就会形成一个紧密的小世界。这两种拓扑下，模型的均衡完全不同——但第三节的 representative-agent 框架看不出这个差别。

网络分析在这一节里主要处理广播模式的拓扑。

4.2 无料网络的生成规则

无料网络的生成机制不能直接照搬 Barabási-Albert 类型的优先连接模型——经验上大多数无料不是送给圈内最慷慨的人，而是送给熟人。形式化地，一个送礼者 $i$ 选择接收者 $j$ 时，驱动力不是 $j$ 的总慷慨度 $\Gamma_j$，而是 $i$ 和 $j$ 之间已有的熟人关系强度。

我们采用 Jackson & Rogers 在 Meeting Strangers and Friends of Friends: How Random are Social Networks?（American Economic Review, 2007）中提出的"随机遇见 + 朋友的朋友搜索"网络形成模型。该模型的核心机制是熟人关系的累积而不是偏好依附。

生成规则：

每一期 $t$，一个新创作者 $i$ 加入无料网络。$i$ 形成 $m$ 条新的无料链接，按以下规则逐条确定目标：

规则 1（随机遇见）：以概率 $s$ 从现有节点中均匀随机地选择一个节点 $j_0$ 作为初始遇见对象。

$$ P(i \text{ 遇见 } j_0) ;=; \frac{1}{|V(t)|} $$

新人入圈的第一批熟人通常来自偶然相遇。在展会上随手递出的小册子、在群组里偶然回复的留言、在评论区偶然互动的陌生账号。这些相遇在因果上是随机的，和对方是否慷慨几乎无关。

规则 2（朋友圈搜索）：以概率 $1 - s$ 不随机遇见，而是从 $i$ 已建立的某个熟人 $j$ 的现有无料接收者 $k \in N_j$ 中随机选择：

$$ P(i \to k \mid j \text{ 已是 } i \text{ 的熟人},\ k \in N_j) ;=; \frac{1}{|N_j|} $$

在积累了初始熟人 $j$ 之后，$i$ 会自然而然地通过 $j$ 认识 $j$ 认识的人。在展会上可以理解为，有人向参与者推荐“这是我朋友 $k$，也在画同人”、在群组里可以理解为$j$ 推荐你去看 $k$ 的帖子、这也等同于社交网络上的共同关注功能。

规则 3（互惠回路）：每条新链接 $i \to k$ 都以概率 $p_r$ 触发一条反向链接 $k \to i$。

无料在熟人网络里一旦建立单向关系，回赠就会在某个时刻因为这份人情我欠你一次的感受而触发。

参数 $s$ 的含义：$s$ 是随机遇见与朋友圈搜索的相对权重。$s = 1$ 对应一个纯随机图（无聚类、度分布集中），$s = 0$ 对应一个只通过熟人扩散的封闭网络（高度聚类但可能过度封闭）。真实的同人圈位于两个极端之间。

4.3 三个稳态性质

用平均场近似可以从上面的生成规则解析得出三个核心性质。Jackson-Rogers (2007) 的原文给出了这些性质的严谨推导；我们在这里只陈述结论并讨论它们的经济含义。

性质 A——度分布的重尾性

在 $t \to \infty$ 的稳态下，节点的入度 $k_{\text{in}}$（接收无料的总次数）分布呈现重尾形式：

$$ P(k_{\text{in}} \geq x) ;\sim; x^{-\gamma_{\text{net}}(s)} $$

幂律指数 $\gamma_{\text{net}}(s)$ 是 $s$ 的单调函数——$s$ 越小（朋友圈搜索权重越高），幂律越肥厚，中心化程度越高；$s$ 越大（随机遇见权重越高），度分布越均匀。在 $s \to 0$ 的极限下，degree 分布趋于严格幂律，在 $s \to 1$ 的极限下趋于泊松分布。Jackson-Rogers 证明对于合理的中间 $s$ 值，度分布的尾部在经验上几乎无法与严格幂律区分。

从重尾效应可以得出一个结论。资历较长的节点积累了更多的熟人，因此它们被新人通过共同熟人搜索到的概率自然地高于新人。这是一种来自市场网络的间接的 富者更富效应。它不依赖于任何人对慷慨度 $\Gamma_j$ 的计算，也不依赖于任何声誉投资动机，只来自熟人关系的时间累积。

这个性质的经济含义仍然是"圈内的无料枢纽遵循二八定律"。少数资历长、熟人多的节点承担了绝大多数的对一般游客的无料分发。

无料网络更像小世界而非无标度

性质 B——高聚类系数来自朋友圈搜索

无料网络的聚类系数 $C(\mathcal{G})$ 满足：

$$ C(\mathcal{G}) ;=; f(s, p_r) $$

具体形式来自 Jackson-Rogers 的原文：当 $s < 1$ 时，朋友圈搜索机制直接产生"我的熟人的熟人也是我的熟人"的三角形（齐美尔的三元闭包），这是高聚类的结构性来源。Jackson-Rogers 证明，在合理的 $s$ 区间内，聚类系数远高于任何纯优先连接网络所能达到的水平。$p_r > 0$ 的互惠回路进一步加强局部稠密度。

我们之前研究的市场网络（消费者-创作者的购买关系）接近纯优先连接结构，没有三角闭合的微观机制。但是后来我们在跨国竞争与网络演化里又引入了团块的概念，它的发展本质上来自于无料网络的对于无标度演化的牵扯。

市场网络的聚类系数远低于无料网络：

$$ C(\mathcal{G}) \gg C(\mathcal{M}) $$

这是一个重要的拓扑差异。它意味着无料礼物层是一个紧密的小世界，市场层是一个松散的辐射网。两个层面的信息传播速度、新人进入难度、关系的稳定性都因此不同。而现实的网络则是两者的一种加总形式。

更重要的是，高聚类系数提供了 Granovetter 在 The Strength of Weak Ties（American Journal of Sociology, 1973）里讨论的强连接的悖论：紧密的小圈子虽然内部信任度高，但隔离了外部信息流；圈外人很难通过弱连接进入这个稠密区域。这就是为什么同人圈有"圈层感"——它不是组织上的封闭，而是拓扑上的封闭。

性质 C——无料枢纽节点的双重角色

设节点 $i$ 的入度 $k_{\text{in},i}$ 位于分布的右尾（圈内熟人最多的资深节点）。性质 A 说明这种节点存在；性质 B 说明它们在拓扑上位于密集子图的中心。把这两点结合，可以推出第三个性质：

这些节点同时是 $D^{\text{down}}{ij}$（游客馈赠）和 $D^{\text{up}}{ji}$（被游客馈赠）的双向中心。它们既是大量无料的发起者，也是大量无料的接收者；既向粉丝赠送，也接收来自其他创作者和老粉的赠送。

这个双向性的来源是规则 3 的互惠回路 $p_r$：一旦一个节点累积了大量的入度（"被很多新人通过朋友圈搜索到"），它就会相应地积累大量的出度（"对这些新人的回赠义务"）。所以在 Jackson-Rogers 网络里，入度和出度的分布是强相关的。高入度节点几乎必然也是高出度节点。

我们把这种节点叫做无料枢纽。无料枢纽的存在解释了一个重要的经验现象：圈子内部的"消息通道"（无料的告知、新作品的预告、活动信息的传播）几乎总是通过几个固定的节点进行。它们是非货币化的、不可见的，但它们的影响力比许多商业账号还大。

4.4 与市场网络的拓扑对比

维度	市场网络 $\mathcal{M}$	无料网络 $\mathcal{G}$
生成机制	偏好依附（BA，按曝光度加权）	随机遇见 + 朋友圈搜索
度分布	幂律（BA 极限）	重尾（由资历累积而非偏好依附产生）
聚类系数	低	高（来自朋友圈搜索 + 互惠回路）
互惠率	低（购买是单向的）	高（回赠义务驱动）
边的稳定性	短（购买是事件性的）	长（参与性存在是状态性的）
中心节点角色	高曝光度（流量明星）	无料枢纽（资历累积的熟人中心）
准入机制	价格	参与性身份（在场/在线）

市场网络的准入是价格性的，无料网络的准入是参与性的。两种准入机制都不是关系积累式的，但参与性准入比价格准入需要更多的在场成本（时间、注意力、群体浸泡），因此自然形成了边界。

4.5 与线上同人社区的类比

在结束第四节之前，我们简短地讨论一个双层模型的现成实证场景：线上同人社区的免费创作分发。

每天都有大量的同人创作者在 Pixiv、Lofter、X、Bilibili 动态等平台上免费上传作品——线条图、贺图、短篇小说、翻唱、混剪、设定集摘录。这些作品没有价格、没有付费墙、没有目标筛选。任何关注了创作者账号的人都可以在自己的时间线上看到、下载、保存、传播。这对应了 3.4.1 节描述的广播模式的永久数字化版本：创作者把作品投入一个公开池子（关注流），池子内的成员通过参与性身份（关注关系）以近似随机的方式接收。

更重要的是，多数线上免费上传的创作者同时也在线下卖印刷本。一位画师可能每周在 Pixiv 上发布几张原创插画（无料礼物层），同时在 Comiket 卖一本售价五千日元的画集（市场层）。同一个个体在同一段时间内同时运作着市场层和无料礼物层。

线上免费分发的几个特征恰好对应双层模型的预测：

对应 1：多机制驱动而非策略驱动。绝大多数创作者在 Pixiv 上更新作品时不会计算这张图能换多少粉丝、多少声"。他们更新可能出于不同的理由，有人是社交连接型（想找到同好）、有人是纯表达型（创作完成后自然就上传了）、有人是规范遵从型（圈里大家都在发图所以自己也发）、还有人是声誉投资型（半意识地知道这有助于长期可见度）。

对应 2：参与性边界。Pixiv 上的免费作品并不真的对所有人开放，你必须注册账号、关注创作者、刷新时间线，才能看到。这些是低门槛的参与成本，但仍然是非零的。完全不接触同人圈的人不会被动看到这些作品。

对应 3：声誉的信号反哺。线上免费作品几乎不带来直接收入，但它们累积成创作者的可观察慷慨度 $\Gamma_i$，观察者通过贝叶斯更新公式 $\theta_i = \alpha \mu_0 + (1-\alpha) \Gamma_i$ 从这些行为中读出对创作者类型的后验估计，进而调整对其作品的偏好权重。

等到创作者推出需要付费的印刷本时，这些声誉积累转化为市场层的正反馈需求。

对应 4：少数定点赠予。同一个画师偶尔也会在 Pixiv 私信里给特定老粉发送限定原画或私密作品，这部分对应类型 E（人际定点型），属于个人分发模式。它在数量上远少于公开发布，但情感权重很大。

五、无料经济对投机客的有限压制

关于二手市场的论证，可以跳转到这个部分：同人市场分析(7)——二手市场的金融性质

5.1 无料经济独有的反投机机制：$c_{\text{resale}}$ 与圈层身份纯度

要严格描述无料经济如何压制投机泡沫，需要先把"无料经济独有的"反投机贡献从已经讨论过的市场层反击策略里区分出来。只要作者持续分发新副本，二手市场的投机溢价就会被新供给立刻拉平。无料发放显然也属于这一类。

那么无料经济在反投机上独有的贡献是什么？答案在贝叶斯推断框架里：当一件作品作为无料离开作者手中后，它在受赠者手上携带了一个社会标记。试图把这件作品重新拿到二手市场上转售的行为会被圈内人士读作一个负向声誉信号，触发后验声誉跳跃 $c_{\text{resale}} > 0$。这是一个声誉惩罚通道。

5.1.1 反投机机制：$c_{\text{resale}}$

贝叶斯惩罚 $c_{\text{resale}}$ 的引入

在 3.2 节里，我们建立了贝叶斯信号-推断机制：观察者通过创作者的可观察行为（包括赠予历史慷慨度 $\Gamma_i$）反推其真实"在乎程度" $v_a$，给出后验声誉 $\theta_i$。这个机制不只对发送者适用，它对接收者同样适用。

具体地：圈内成员的赠予/接收/转售行为都进入观察者的贝叶斯更新池。当一位曾经接收过某件无料的成员被观察到把这件无料转售到二手市场时，观察者把这个行为读作一个负向信号——它指向"该成员把无料理解为可货币化的资产，不是关系性的承载"。这个负向信号触发对该成员的后验声誉更新：

$$ \theta_i^{\text{after observed resale}} ;=; \alpha \mu_0^{\text{negative}} ;+; (1-\alpha) S^{\text{negative}} $$

后验向最低先验 $\mu_0^{\text{negative}}$ 收敛——对应"圈内非成员"的位置。这个跳跃在期望值上对应一个圈内地位的等价货币损失，记为 $c_{\text{resale}} > 0$。

$c_{\text{resale}}$ 的大小由几个因素决定：

转售行为的可观察性（圈内监控的覆盖度、平台的可追溯标记）
卖家在圈内的现有声誉 $\theta_i$（声誉越高，损失空间越大）
无料本身的可识别性（签名版、限定编号触发更强的观察）
转售情境的"违规明显度"（"作者明确不打算市场化"的作品比"剩货处置"的作品惩罚更强）

对一个圈内活跃成员，$c_{\text{resale}}$ 通常远大于二手转售的价差收益。对一个外部机会主义者（黄牛、圈外人），$c_{\text{resale}} \approx 0$——他们没有可被损害的圈内声誉。这个异质性下面将处理的核心问题。

绝版作品的修正鞅约束

设作品已进入绝版状态。考虑一个潜在的二手交易链条：当前持有人在期 $t$ 卖给买家，价格 $V_t$；买家在期 $t+1$ 再卖出，价格 $V_{t+1}$。如果这件作品有无料来源标记（即它是过去某次无料发放的副本，或它的所有权链条上有过无料环节），那么任何转售卖家都要承受 $c_{\text{resale}}$ 的贝叶斯后验损失。

理性卖家的鞅约束因此是：

$$ V_t ;=; \frac{1}{1+R},\mathbb{E}t\bigl[V{t+1} - c_{\text{resale}}\bigr] $$

代入 $V_t = F_t + B_t$ 并使用基础价值的标准 NPV 递推 $F_t = \frac{1}{1+R}\mathbb{E}t[F{t+1}] + (\text{当期效用流})$，泡沫成分的递推变为

$$ B_t ;=; \frac{1}{1+R},\mathbb{E}t[B{t+1}] ;-; \frac{c_{\text{resale}}}{1+R} $$

这是一个带常数项的递推方程。它的稳态解 $B_t = B_{t+1} = B^*$ 满足

$$ B^\cdot \frac{R}{1+R} ;=; -\frac{c_{\text{resale}}}{1+R} \quad\Longrightarrow\quad B^ ;=; -\frac{c_{\text{resale}}}{R} $$

形式上的稳态解是负的。这意味着：在带无料来源标记的作品上，没有任何严格正的理性泡沫可以维持——任何试图维持 $B > 0$ 的速度都不足以补偿 $c_{\text{resale}}$ 在每一期的累积消耗，泡沫必然在有限期内被推到零。

由于理性买家不会以高于基础价值 $F$ 的价格购买一个预期未来不会有泡沫升值的资产，经济上可行的解是 $B = 0$。作品在绝版状态下以基础价值 $F$ 流通，但不会形成投机溢价。

两类作品的对比

绝版状态下的作品的状态由是否有"无料来源"标记决定：

作品类型	是否有无料来源标记	绝版后的最大泡沫
纯商业作品	否——所有副本都是付费购买	$B^* > 0$（鞅过程泡沫）
有无料历史	是——曾经/部分作为无料分发	$B^* = 0$（被 $c_{\text{resale}}$ 压制）

$c_{\text{resale}}$ 的有效性依赖一个隐含前提，卖家有可被损害的圈内声誉。但是，当转售者是圈外的外部机会主义者时这个前提失败，机制本身被掏空。

5.1.2 转换型与原生型无料：同一 $c_{\text{resale}}$ 机制下的强度差异

两类无料的定义

转换型无料：作品最初挂牌出售。售卖过程产生了一批付费购买者，同时留下一部分未售出的库存。作者把库存作为无料发放出去，可能是给来留言的粉丝、给现场偶遇的同好、给认识的前辈。典型发送者类型是 C（产能溢出型），部分类型 B（"展会剩货送给朋友"）也属于这一类。
原生型无料：作品从一开始就不打算售卖。作者画完之后直接上传到 Pixiv 的免费区、在群组里散发、或为特定朋友定制后赠予。典型发送者类型是 D（纯表达型）和 E（人际定点型）。

关键观察：两类无料共享同一 $c_{\text{resale}}$ 机制

注意到容易被忽略的事实：两类无料的副本都是在作品绝版之前作为礼物离开作者手中的。

转换型副本：作者在售卖期之后、绝版之前，把剩货作为礼物送出。接收者获得它的语境是礼物。
原生型副本：作者从一开始就以礼物身份发出，从未经过售卖期。接收者获得它的语境也是礼物。

两类副本进入接收者手中后，承载着相同的社会标记。当作品最终绝版、二手投机泡沫开始有形成的可能时，持有这两类副本的人想要转售，都会被圈内观察者读作同一种负向信号。从 $c_{\text{resale}}$ 机制的形式结构看，两类无料没有任何结构性差异。它们走的是同一条反投机通道，只是发送路径不同。

强度差异：接收者类型组成

虽然机制相同，两类无料在 $c_{\text{resale}}$ 的强度上确实有系统性差异,这个差异来自接收者群体的类型组成不同。

转换型的接收者群体相对广谱：剩货发放的场景是"展会现场遇到的人 + 售后留言互动的人"。因此既有类型 B（社交连接者），也有类型 C（剩货拾取者），偶尔还有类型 A（对收到名家无料感兴趣的声誉投资者）。这是一个 $c_{\text{resale}}$ 平均值较高但方差也大的群体。
原生型的接收者群体相对窄：D 型作品的接收者主要是"基于作品本身的同好"，E 型作品的接收者是"特定关系人"。这两类接收者的内在转售倾向都极低，例如，D 型的同好把作品视为审美对象而非资产，E 型的关系人把礼物视为关系的载体（Weiner 的"不可让渡的财物"），转售对他们而言是身份内一致性的破坏，对应的 $c_{\text{resale}}$ 更接近极值。

合起来给出一个结构性不等式：

$$ \mathbb{E}[c_{\text{resale}}^{\text{native}}] ;>; \mathbb{E}[c_{\text{resale}}^{\text{convert}}] $$

这个不等式是同一机制内部的强度差异。它的实际后果是，原生型无料构成的副本比转换型副本更难被外部机会主义者拦截、更不容易触发漏出。

附加的二阶差异：违规信号强度

除了接收者构成之外，还有一个更小的二阶差异：转售一件作者本来打算卖但卖不出去的剩货，圈内观察者读出的违规程度相对低，因为作者自己也愿意把它当商品，另一方面它曾经也被当作过作品出售过；转售一件作者明确不打算市场化的原生型作品，违规程度相对高，这意味着对作者初始意图的明确背离。这给原生型副本的 $c_{\text{resale}}$ 加上了一点额外的乘数，强化了上面的不等式。

机制类型与无料路径的对应

类型	主要无料路径
D 纯表达型	几乎纯原生
E 人际定点型	纯原生
B 社交连接型	混合
F 规范遵从型	跟随中位数
A 声誉投资型	偏向转换
C 产能溢出型	几乎纯转换

5.1.3 $c_{\text{resale}}$ 落地的两个条件：接收侧异质性与发送侧的稳健来源

$c_{\text{resale}}$ 机制以接收者有可被损害的圈内声誉为隐含前提。这个前提不是自动成立的，它依赖两个独立但同时必要的条件：（1）接收侧的圈层身份纯度：收到无料的人主要是有声誉的圈内成员，而不是外部投机客；（2）发送侧的稳健来源：作者愿意发放无料的行为不被外部激励压制，使得持有礼物来源标记的副本在圈内有足够的存量。

接收侧：$c_{\text{resale}}$ 的接收者类型分布与漏出率

回顾混合模型。同一件无料发到不同类型的接收者手里，触发的贝叶斯后验更新强度截然不同：

接收者类型	$c_{\text{resale}}$ 大致水平	经济解释
E 人际定点型	极高	无料是关系的载体，转售等同于关系背叛
B 社交连接型	高	无料是社交纽带的物理形式，转售否定了整个圈层接纳
D 纯表达型	中到高	作为同好接收，转售在同好群体中是不懂作品价值的负向信号
A 声誉投资型	高（仅限可观察转售）	半意识地知道转售损害自己的可观察声誉；如果是匿名转售行动，则惩罚弱
F 规范遵从型	内生	取决于不转售收到的无料是否是圈内规范
C 产能溢出型	中到低	剩货处置语境下转售接近一般市场行为
外部机会主义者（圈外投机客）	接近 0	没有圈内身份，没有可被损害的声誉

对前六类（圈内成员），$c_{\text{resale}}$ 通常远大于二手转售的价差收益，因此他们不会转售。而对外部机会主义者，$c_{\text{resale}} \approx 0$，转售决策完全由当期价差决定，所以他们一定转售。

接收者的转售决策：

$$ \text{接收者 } k \text{ 转售} \quad\Longleftrightarrow\quad p - c_{\text{resale}}^k ;>; \text{保留收益}_k $$

圈内接收者的保留收益包含作品基础效用 $F$ 与作为同好持有作品的内在价值；即使转售价格 $p = F$，转售收益也会严格小于保留收益，体现在 $F - c_{\text{resale}}^k < F \leq$ 。外部机会主义者的保留收益 $\approx 0$，因此转售收益 $p > 0$ 严格更大。

漏出率作为统计加总：定义 $\rho_{\text{leak}}$ 为接收者群体中选择转售的比例。一阶近似下

$$ \rho_{\text{leak}} ;\approx; \omega_{\text{Outsider}}^{\text{recv}} $$

漏出率几乎完全由接收者群体中外部机会主义者的份额决定。$\rho_{\text{leak}}$ 是 $c_{\text{resale}}$ 异质性在群体层面的统计投影：微观角度 $c_{\text{resale}}$ 是单个接收者面对的贝叶斯后验损失，宏观角度 $\rho_{\text{leak}}$ 是面对 $c_{\text{resale}} \approx 0$ 的投机客在总体中的份额。

在这个情况下，转售到二手市场的副本是 $c_{\text{resale}} \approx 0$ 的人转出来的，这部分副本绝版后可以无成本地参与投机。如果 $\rho_{\text{leak}} \to 1$，$c_{\text{resale}}$ 机制将会完全失效，它的所有贝叶斯推导成立，但无人受其约束。这是反投机机制的整体母条件：$c_{\text{resale}}$ 能否落地取决于接收侧的圈层身份纯度。

一个圈子可能创作者侧仍然在大量发放无料，但接收者中大量是圈外人士，圈外人士会立刻转售，投机客通过这条渠道获得稳定的低成本供给。这对应一些有大量外部资金涌入的同人圈的典型现象，比如，创作者文化健康，但二手市场依然失控。

发送侧：$c_{\text{resale}}$ 保护副本的稳健来源

接收侧的圈层纯度即使完全成立，$c_{\text{resale}}$ 机制还需要一个发送侧的前提，也就是圈内必须实际存在一定数量的"持有礼物来源标记的副本"。如果作者根本不发无料，再低的漏出率也无济于事，因为没有副本可被这类机制保护。

无料发送侧的脆弱性主要来自之前建立的 贝叶斯信号污染机制——外部激励 $y$ 引入时，$\partial \sigma_s^2/\partial y > 0$ 推出 $\partial \alpha/\partial y > 0$，赠予作为声誉信号的信息价值消失，依赖声誉通道的赠予者会减少发放。

并且，赠予频率不是均质的。回顾混合模型分解：

$$ \rho_{\text{free}} ;=; \rho_{\text{free}}^{A} ;+; \rho_{\text{free}}^{B} ;+; \rho_{\text{free}}^{C} ;+; \rho_{\text{free}}^{D} ;+; \rho_{\text{free}}^{F} $$

这五个分量对信号污染的敏感度截然不同：

类型 A（声誉投资型） 有显式的声誉信号通道，会受到信号污染压制。
类型 F（规范遵从型） 跟随圈内中位数。A 型下降时中位数下移，F 型间接下降。
类型 B、C、D 没有声誉信号通道：B 型的目标是"找朋友"、C 型由生产剩余决定、D 型的满足来自创作本身，它们对信号污染几乎免疫。

这三类构成赠予频率的结构性下界：

$$ \rho_{\text{free}}^{\text{floor}} ;\equiv; \rho_{\text{free}}^{B} ;+; \rho_{\text{free}}^{C} ;+; \rho_{\text{free}}^{D} $$

$\rho_{\text{free}}^{\text{floor}}$ 是信号污染下仍然能维持的发放量。B、C、D、E 四类共同支撑了一个信号污染无法掏空的、持续向圈内注入无料来源标记副本的稳健流。

把接收侧和发送侧合起来：$c_{\text{resale}}$ 机制要在圈内真正发挥反投机作用，需要接收侧的圈层身份纯度足以让 $\rho_{\text{leak}}$ 远低于 1，同时发送侧有 B/C/D/E 类型的栖息地以维持 $\rho_{\text{free}}^{\text{floor}} > 0$。两个条件中任何一个失败，$c_{\text{resale}}$ 机制都失效，前者让惩罚通道被绕过，后者让被惩罚的副本根本不存在。

5.1.4 反投机命题：层级结构的有界预测

把之前的要素合起来，无料经济独有的反投机命题有一个层级结构——一个必要的母条件配合一个独立运作的主机制。

层级的两个组成：

母条件（接收侧圈层身份纯度）：接收者群体中外部机会主义者的份额 $\omega_{\text{外}}^{\text{recv}}$ 足够小，从而漏出率 $\rho_{\text{leak}}$ 不接近 1。这个条件是必要的，如果该条件不成立，所有持有无料来源标记的副本都会被立刻转售回市场，转售成本$c_{\text{resale}}$ 虽然在形式上仍然成立，但没有谁实际受其约束。
主机制（$c_{\text{resale}}$ 惩罚通道）：在母条件成立的前提下，接收者面对的转售成本 $c_{\text{resale}}$ 足够大，使绝版后的修正鞅方程的稳态泡沫被压到 0。这一机制由 B、C、D、E 四类无料接受者支撑，其中 D、E 类（原生型副本的典型接收者）提供平均更高的 $c_{\text{resale}}$。
这条主机制的发送侧可持续性由 B/C/D/E 四类发送者构成的 $\rho_{\text{free}}^{\text{floor}}$ 维持——它对信号污染免疫，是发送侧的结构性下界。

Manski 意义上的部分识别表述：

命题（无料经济反投机的层级有界预测）：给定圈子的发送者机制权重可识别集 $\Omega^{\text{send}}$、接收者机制权重可识别集 $\Omega^{\text{recv}}$、类型概率函数族 $\Pi$：

（必要条件——母条件）：接收侧的圈层身份纯度提供漏出率上界

$$ \omega_B^{\text{recv}} + \omega_C^{\text{recv}} + \omega_D^{\text{recv}} + \omega_E^{\text{recv}} ;\geq; \underline{\omega}{\text{enforce}}^{\text{recv}} ;\Longrightarrow; \overline{\rho}{\text{leak}} ;<; 1 $$

当这个条件不成立时，$c_{\text{resale}}$ 主机制完全瓦解——所有的无料都会被立刻转售回市场，无料来源标记不再约束任何转售者。

（主机制——$c_{\text{resale}}$ 的双侧支撑）：发送侧有 B/C/D/E 类型的稳健流提供"被无料来源标记保护的副本"，接收侧的圈层成员构成给出足够大的平均 $c_{\text{resale}}$

$$ \omega_B^{\text{send}} + \omega_C^{\text{send}} + \omega_D^{\text{send}} + \omega_E^{\text{send}} ;\geq; \underline{\omega}{\text{floor}}^{\text{send}} ;\Longrightarrow; \underline{c}{\text{resale}} ;>; c_{\text{resale}}^* $$

当母条件和主机制条件同时成立时，绝版状态下的修正鞅方程的稳态泡沫被压到 0：无料来源标记的副本在二手市场上不会形成正泡沫均衡。

层级关系的含义

母条件失败时主机制完全瓦解。无论 $c_{\text{resale}}$ 在原则上多大、发送侧多么慷慨，只要接收者群体被外部机会主义者大量渗透，所有的无料都会被立刻转售——转售者本身就是 $c_{\text{resale}} \approx 0$ 的人，惩罚通道形同虚设。
母条件成立但主机制弱时反投机依然脆弱。如果 B/C/D/E 类型的栖息地塌缩、$\rho_{\text{free}}^{\text{floor}}$ 下降，圈内能被 $c_{\text{resale}}$ 保护的副本数量不足以形成显著的二手市场约束。这时圈子要依赖之前里提到的供给侧策略（充分供给、定制化、电子版等）来对抗投机，无料经济本身不再独立提供反投机能力。

整个论证不需要对任何参数做点识别，但需要两类定性证据：

第一类（母条件）：圈内的接收者主要由有圈层身份的成员构成，而不是被圈外无关人士渗透。
第二类（主机制）：圈内有 B/C/D/E 类型创作者持续产出无料，这些无料主要落入有圈层身份的接收者手中

5.1.5 失败模式与政策含义

把上一节层级结构展开为具体的失败模式，我们可以给出两个典型情景，每一个对应一个特定的层级被破坏。

情景 1（外部机会主义者渗透导致母条件失守）：一个圈子的发送侧仍然有大量 $\rho_{\text{free}}^{B}, \rho_{\text{free}}^{C}, \rho_{\text{free}}^{D}$，创作者还在大量发放无料，但接收侧已经被无关圈外人士大规模渗透，展会上的"专业蹭无料者"、为了获取免费资源的"收藏号"、为了转售而参与社群的机会主义者。这种圈子的无料发放看起来健康，但漏出率 $\rho_{\text{leak}} \to 1$，无料被立刻转售回市场。这是层级结构里最严重的失败情况，因为它破坏了母条件。

情景 2（A 型主导且被信号污染，主机制接收侧扭曲）：一个圈子的发送侧主要是 $\rho_{\text{free}}^{A}$（商业化平台上的中等声誉创作者），同时平台引入一种奖励赠予政策。贝叶斯信号污染机制会摧毁 A 型的无料发放供给；F 型跟随中位数下移；如果圈子又恰好缺乏 B/C/D/E 的容身处，整个发送侧的无料赠予流会接近枯竭。这正好是商业化平台容易被投机吞噬的典型示例。

六、无料礼物层对市场层交换的影响：正向外部性与结构动态

第五章证明了无料经济防御性的反投机贡献。它通过 $c_{\text{resale}}$ 惩罚机制阻止市场层被投机吞噬。但这只是无料经济做的一半事情。如果无料经济的全部价值仅在于避免坏事发生，那么任何足够强的反投机管制都可以替代它。本章将论述无料层对市场层交换的建构性贡献，它如何积极地改变市场层的交换行为，让市场层在有无料礼物层的情况下比没有无料礼物层的情况下更高效。

6.1 信号、筛选与 Akerlof 解（A 型主导子集的窄通道）

在声誉与无标度的同人社区的论述中，同人作品市场是一个典型的信息不对称市场。创作者对自己作品的质量有私人信息——ta 知道这次画得用心还是敷衍、这次故事的结构是否完整、这次印刷是否到位——但消费者在购买前几乎无法验证。这正是 Akerlof（1970, Quarterly Journal of Economics, "The Market for Lemons"）描述的逆向选择场景：在 Akerlof 的标准模型里，信息不对称导致市场价格被压到所有作品的平均质量水平之下，高质量作者因为成本不被补偿而退出市场，剩下的全是低质量作品。

Spence（1973, Quarterly Journal of Economics, "Job Market Signaling"）给出了这类问题的标准解：高质量类型可以通过一个对低质量类型而言成本更高的可观察行动把自己分离出来。这类信号的有效性来自成本不对称。而该信号在同人语境下则是无料发放。

但是混合模型告诉我们，无料发放的动机是异质的，同一个"发无料"的可观察行动，背后可能是六种性质完全不同的机制中的任何一种或好几种。Spence 意义上的信号分离动作要求信号的成本对作品质量有单调单交叉条件，通俗来讲这只在那些有意识地把赠予作为声誉投资的发送者身上成立

对剩下的几类发送者，成本不对称条件不成立，因而Spence的论证不能直接套用：

类型 C（产能溢出型）：赠予是事后剩货处置，一个低质量的 C 型作者也会有印刷剩货，也会送出，因为产量溢出与质量独立。剩货送出的成本对低质量和高质量作者几乎一样，没有成本不对称。
类型 D（纯表达型）：赠予是创作完成本身的副产品，一个低质量的 D 型作者也会画完就发，因为他不为别人画而为自己画。画了就发的成本对所有质量等级相同。
类型 B（社交连接型）：赠予是社交连接行为，一个低质量的 B 型作者完全可以照样送画交朋友，社交收益与作品质量的相关性弱。
类型 F（规范遵从型）：赠予是模仿圈内中位数行为，质量与赠予频率没有结构性关联。

只有 A 型满足 Spence 的核心条件：高质量 A 型作者的赠予期望回报为正（有信心吸引长期粉丝），低质量 A 型作者的赠予期望回报为负（被免费接触的人发现作品很差）。这个不对称让 A 型的赠予频率成为一个真正的信号分离操作。

A 型主导子集的命题：在那些类型 A 占比较高的圈子或子市场（典型例子：商业化平台上的中等声誉创作者，或者我们可以外延到，官方无料市场），观察者先验上就把发无料读作营销行为，因此可以从赠予频率反推 A 型作者的真实质量类型。这给出 A 型创作者付费定价的均衡上移：

$$ p^{}_{\text{high quality A, signaled}} ;>; p^{}{\text{pooled}} ;=; \mathbb{E}[\text{quality}] \cdot p{\text{baseline}} $$

但这一不等式只在权重 $\omega_A$ 大到让"赠予 ≈ A 型行为"这个先验合理的圈子里成立。

信号分离通道是同时最强大也最脆弱的渠道——它能给创作者带来最直接的定价上移，但也最容易被一项不当政策摧毁。一个圈子如果完全依赖 A 型创作者的通道来抬升市场层收入，那么它对外部激励的稳健性极差。

这个机制对应一个亚群体现象。即，在商业化平台上、特别是依赖明星作者吸引流量的圈子里，长期发无料的作者付费作品定价系统性地高于不发无料的同等知名度作者。在这种 A 型为主的子环境里，长期无料构成了一个分离信号，把作者分离到高质量池子里。

但这一现象不会在所有圈子里出现，在老牌同人圈里，"作者发不发无料"和"付费作品定价高低"的相关性接近零。因为信号通道在那里本来就弱，这种圈子的市场层定价由其他通道决定，并不因 A 型缺失而失效。

当然，同样一件高质量免费作品，在 A 型作者自己的生态里抬高了自己的付费品定价，但同时也通过参考价格污染压低了同圈子里中层创作者的付费品定价。受益者是发出信号的人，受损者是处在同一参考池但发不出同等信号的人。同样的高质量免费产出，对发送者是信号分离，对中层旁观者是价格污染。

6.2 需求漏斗与价格歧视的完成

本节主要考虑两个多期或跨人群的机制：需求漏斗（从无料到付费的时间转化）和价格歧视的完成。

子机制 1：需求漏斗

在官方与同人的双边市场的论述中，我们把同人圈看作 Rochet-Tirole（2003, Journal of the European Economic Association, "Platform Competition in Two-Sided Markets"）意义上的双边市场，这类市场的核心特征是：早期的免费接触是后期付费购买的必要前置。

在同人语境下，一位潜在买家在第一次见到某作者的作品之前，对该作者完全没有支付意愿。这不是因为作品不好，而是因为他还不知道作品是否符合自己的兴趣。免费接触解决了这个探索成本问题。一旦这位潜在买家通过广播模式收到一件无料并喜欢它，他对该作者后续付费作品的支付意愿就从 0 变成正数。

定义 $\kappa$ 为漏斗转化率，表示收到某作者的某件无料的人，在之后某段时间内购买该作者其他付费作品的概率。我们假设$\kappa > 0$ ，礼物层产生的市场层收入贡献是：

$$ \Delta R_{\text{market}}^{\text{funnel}} ;=; \kappa \cdot m \cdot \mathbb{E}[p \mid \text{Transfer}] $$

第一项（接收无料的人数 $ m $）由发送侧的发放频率和接收侧的覆盖范围决定；第二项（转化后的预期付费）由作品类型和定价$ p $决定。两项都是非负的，所以收入贡献 $\Delta R_{\text{market}}^{\text{funnel}} \geq 0$ 在弱假设$\kappa > 0$下成立。

新人需要一个低成本的入口接触作者，无料正是这个入口。

子机制 2：价格歧视的完成

Mussa-Rosen（1978, Journal of Economic Theory）和 Maskin-Riley（1984, RAND Journal of Economics）给出了垂直差异化产品的菜单定价（second-degree price discrimination）的标准框架：作者面对一群支付意愿异质性的消费者，他可以提供一个质量-价格菜单，让不同支付意愿的消费者通过自我选择被分到不同档次。

标准的菜单机制有一个内在缺陷。它的最低价位由作者的边际成本 + 一个非零加价决定，这意味着支付意愿低于这个最低价位的消费者完全被排除在菜单之外。他们对作者的总收益是 0；他们对自己也是 0。这是 Mussa-Rosen 框架里的"排除区"（exclusion region）。

如果我们把无料看作菜单的最底端层级（"零价位 + 基础质量"）。它的核心特点是：

它不挤出上面的付费层，因为更高支付意愿的消费者会自我选择到付费层（他们想要签名版、限定编号、完整本子），他们在零价位层得到的不是等价的免费品，而是质量明显较低的免费品
它激活之前被排除的消费者——他们通过零价位进入作者的生态，可能通过子机制1后续转化，也可能就停留在零价位（虽然他们在市场行为上白嫖党，但是他们依然贡献网络效应、口碑、关注度）

形式地，在标准菜单机制的解里加入一个零价位层后，作者的总剩余捕获率严格不下降，且严格上升，只要：

上下层的质量差异足够大（自我选择条件成立）
被排除消费者的群体规模为正
零价位对应的物料成本足够低（作者愿意提供它）

这三个条件在单个作者自己的菜单内部基本都成立。譬如，同一个作者的签名版/限定版与他自己的免费小贺图之间，质量差异是足够的，潜在的零价位接收者群体是巨大的，低成本物料（电子贺图、小卡片）的物料成本接近 0。

但，条件 1 假设的是"上下层质量差异在同一个菜单里足够大"。一旦把视野从单个作者扩展到整个圈子，"上层付费品 vs 下层免费品"的对比关系会被打破：一个圈子里的中层创作者的付费作品，可能在质量上低于顶级创作者的免费作品。这时候中层付费层与顶级免费层之间的"质量差异"是负的，菜单机制的自我选择条件直接失效。本节的两个机制（需求漏斗 + 价格歧视的完成）在单个作者内部仍然有效，但在跨创作者的圈子层面可能被它们自己的副作用部分抵消。

需求漏斗和价格歧视的零价位补完两个机制，挽回了传统市场层的被排除消费者。空间上，机制 2 覆盖到支付意愿的最低端；时间上，机制 1 把未来的潜在买家提前接入。这两个机制让礼物经济层在单个作者自己的生态内成为一个市场扩展工具。

6.3 锚定与承诺：对消费者预期的正向效应

本节处理两条作用于消费者预期的通道——参考价格的锚定效应和承诺装置缓解抢劫问题。两者都不直接改变作品本身的质量，而是改变消费者对作者-市场关系的心理建模。

子机制 1：参考价格的锚定——一个有分布性后果的机制

行为经济学（Tversky-Kahneman 1991, Quarterly Journal of Economics, "Loss Aversion in Riskless Choice"; Ariely-Loewenstein-Prelec 2003, Quarterly Journal of Economics, "Coherent Arbitrariness"）告诉我们消费者对价格的评估高度依赖参考点。同一个价格在不同参考下会被评价为贵或便宜。绝对数字本身没有意义，相对位置才有意义。

无料礼物经济层的存在原则上可以从两个相反方向影响参考价格。

方向 A（负面）：免费品拉低消费者的整体价格期望。既然这个作者愿意发免费的，付费的为什么不能更便宜？这种心理把无料的零价当作参考点，让付费作品看起来过贵。Ariely Predictably Irrational（2008）讨论了零价的特殊心理地位——零价不是连续价格曲线的端点，而是一个临界点，越过它消费者的心理状态完全切换。
方向 B（正面）：免费品和付费品的明显区别让付费品看起来更特殊。这是免费的，那个是签名版/限定版/印刷本子。因此它们当然要付费。这种心理把无料和付费切分到不同的心理类别，付费品的定价依据其类别内部的对比，不被免费品拉低。

这两个方向哪一个占主导？

第三章证明了单个创作者面对自己的作品时，赠予概率 $P(\text{give} \mid r_w)$ 在相对成本 $r_w$ 上单调递减——他会把自己低 $r_w$ 的作品送出，把自己高 $r_w$ 的作品保留付费。这个性质在单个作者的菜单内部是成立的：同一个作者的免费小贺图和他自己的限定签绘明显不在同一类别，方向 B 的"心理类别隔离"在这一层面是有效的。

但自筛选只在单个创作者层面成立，不在圈子层面自动成立。圈子层面的无料池是所有创作者的无料的并集，它的质量分布不再受单一创作者的 $r_w$ 排序约束。具体地说：

顶级创作者的作品对他们自己来说是低 $r_w$（技能高、效率快、单件投入相对于他们的总产能很小），所以他们会按逻辑把这些作品自筛选到无料
但同样的作品对消费者而言是高质量，因为它们是顶级技能的产物，质量上不仅高于初学者的免费小品，甚至高于中层创作者的付费作品
于是圈子的无料池里出现一个高质量子集，这些子集来自顶级创作者按自己的自筛选逻辑送出的作品

自筛选对单个创作者的菜单一致性做出了承诺，但没有对圈子整体的免费品质量分布做出承诺。

择优效应：圈子层面无料池的双峰结构（低质量来自新人 + 高质量来自顶级）触发一个和 Akerlof 方向相反的现象——高质量免费驱逐中等质量付费。机制如下：

中层创作者要在市场层卖一件作品。它的质量大致处于"高于新人 / 低于顶级"的中间带
消费者面对这件作品时，参考点不是"中层付费作品的市场均值"，而是整个圈子可观察到的作品
消费者的隐含比较是："这件付费作品的质量低于旁边摊位那个看到的顶级作品。它凭什么收我那么贵？"
中层创作者无法在质量上反驳这个比较，也无法在价格上突围。而且消费者无需表露这个容易受人批判的心态，ta只要不说就没人会批判他。
结果：中层付费作品即使定价很低也卖不出去。

这个机制不依赖创作者的恶意或非理性，因为市场上每一方都在按自己的自筛选逻辑行事。它和音乐产业里免费流媒体压制中层专辑销售、新闻业里免费内容压制中层订阅是同源的。我们把它称为 择优效应——和 Akerlof 的"低质量驱逐高质量"方向相反，它描述的就是高质量免费驱逐中等质量付费。

形式上的修订命题：无料礼物层的锚定效应是分布性的：

$$ \frac{\partial p^{*}{i}}{\partial \rho{\text{free}}^{\text{others}}} ;\begin{cases} > 0 & \text{若 } i \text{ 是顶级创作者} \ < 0 & \text{若 } i \text{ 是中层创作者} \ \text{ambiguous} & \text{若 } i \text{ 是新人} \end{cases} $$

其中 $\rho_{\text{free}}^{\text{others}}$ 是圈子里除 $i$ 之外的其他创作者的总无料发放频率。这个偏导数的符号取决于创作者 $i$ 在圈子质量梯度中的位置——位置越高，受益于他人无料的程度越大；位置越低，受损越大；新人的方向取决于"参与红利"和"市场被压缩"两个效应的相对大小。

分布性后果与自强化失败模式：把这一分布写到圈子层面，择优效应给出一个自强化的失败路径：

顶级创作者按自己的自筛选送出高质量免费品，导致圈子的免费品质量峰被抬高
中层创作者的付费市场被压缩，使得一部分中层退出市场层
中层流失使得圈子的创作者分布
双峰结构进一步让顶级和新人之间的对比更悬殊使得择优效应进一步加深

这对应着 Rosen（1981, American Economic Review, "The Economics of Superstars"）描述的 superstar effect 。Rosen 的论证是技术（录音、广播）让顶级表演者直接接触全体观众从而捕获不成比例的收入；这里的论证是无料让顶级创作者在不依赖技术的情况下捕获不成比例的注意力，把中层挤出去。两者的微观机制不同，宏观结构相同。

比如说，在所谓神仙打架、免费粮满天飞的热门圈子里，新人和中层画师即使定价很低也卖不出去。这是择优效应的直接实证。这个现象通常被解释为圈子太卷了，这种解释都是把结构性问题归因到个人。我们给出另外一种新颖的解释：高级无料导致中层付费的可行性被压缩，与个人努力无关。

值得指出的是，择优效应不一定颠覆无料礼物层对市场层有正向外部性的整体命题。圈子整体净外部性可能仍然为正，因为顶级创作者的受益（自己的付费品定价上抬，同时清除了潜在竞争）以及新人的受益（参与门槛降低）足以平衡中层的损失。但它揭示了一个之前被掩盖的事实：正向外部性的分布是高度不均的，比如正外部性集中在顶级和新人，而相对来讲中层是结构性的输家。"无料礼物层让市场层更高效"这个结论在总和上仍然成立，但在分布上是分裂的，这也可以说明，社会福利的判断不能从总和直接推出。

子机制 2：缓解抢劫问题的承诺

Williamson（1975 Markets and Hierarchies; 1985 The Economic Institutions of Capitalism）的抢劫问题描述：在关系性交换中，一方一旦投入了关系特异性资产（relationship-specific investment）就被锁定，另一方可以通过事后议价提取锁定溢价。

同人语境下的抢劫问题：消费者投资于某位作者的偏好养成。例如消费者读完了 ta 的所有作品、关注了 ta 的所有动态、在群组里讨论 ta 的世界观。这是关系特异性的投资。一旦这个投资完成，消费者就被某种程度地锁定在该作者上：他想看 ta 的下一部作品，没有完美替代。这时候作者有能力抬高新作品的定价、减少免费内容、或要求会员付费，理论上创作者可以提取到锁定的全部溢价。

虽然长期合约或纵向整合可以缓解抢劫问题，但它们都需要可执行的治理结构，但同人社群没有可执行的治理结构（没有暴力机构），所以这两条路都不可行。

无料作为承诺装置：无料发放是一种不可合约化但可观察的反抢劫承诺。一个频繁发无料的作者不能同时是一个抬高定价、削减免费内容、提取锁定溢价的人，这两个行为在社群观察者眼里是直接矛盾的。前者是高慷慨度（ $\Gamma_i$），后者会立刻被读作 $\Gamma_i$ 上的样本是噪声/伪装，触发信号污染机制，把后验声誉拉回先验。

也就是说，承诺装置的执行依赖于社群观察者的存在。观察者通过比较声称的慷慨和实际的行为来识别诚实承诺与伪装承诺。频繁的无料发放使得诚实承诺的成本（继续发无料）和伪装承诺的成本（被识别为伪装并失去声誉）都被定义清楚。理性作者只有在真心不打算抢劫消费者的时候才会承担这个承诺成本。

消费者面对一个频繁发无料的作者时，他们对未来被抢劫的概率评估降低，因此早期支付意愿抬高，他们愿意更早地、更深地投入到这位作者的生态中。这是一个早期市场层收入的增量，由礼物层的存在直接贡献。

两个子机制的协同：子机制 1作用于消费者对单件付费作品的估值；子机制 2作用于消费者对作者长期关系的估值。两者一起改变消费者的整体定价心理。当前价格因为锚定被衬托得合理，未来价格因为缓解被预期为可接受。这两层一起允许作者维持比纯市场更高的定价水平。

6.4 网络扩散：拓扑的市场层回流

网络里的扩散

第四章建立了无料网络的拓扑结构。广播模式覆盖广面积低深度的随机接收，个人模式覆盖窄面积高深度的定点接收，两者通过互惠、循环、差异化形成完整的关系网络。我们将在这里拓展这个网络对市场层有什么影响。

无料网络是一个口碑传播的基础设施。每一次广播模式的无料发放都对应一次作品到达新接收者的事件；每一位新接收者都成为一个潜在的口碑节点，他们如果喜欢这件作品，会向自己社交网络中的其他人提及它。这构成一个标准的扩散过程，类似 Bass（1969, Management Science, "A New Product Growth Model for Consumer Durables"）的产品扩散模型，或更现代的 Watts-Dodds（2007, Journal of Consumer Research, "Influentials, Networks, and Public Opinion Formation"）网络扩散框架。

记 $N_t$ 为在时间 $t$ 时知道某作者的人数，$\rho_{\text{free}}$ 为该作者的无料发放频率，$\delta$ 为单次广播事件覆盖的新接收者份额，自然口碑率为 $ \alpha $，潜在总人数为 $ m$。Bass 类型的扩散方程给出

$$ \dot{N}t ;=; \alpha \cdot N_t ;+; \delta \cdot \rho{\text{free}} \cdot (m - N_t) $$

第二项是无料礼物层的直接贡献。每次广播把一些原本不知道作者的人拉入认知池。这个贡献是单调的：$\rho_{\text{free}}$ 越高、$\delta$ 越大，扩散越快。

在市场层，作者的需求曲线 $D_t(p)$ 的位置由 $N_t$ 决定——更多人知道作者意味着更多潜在买家，需求曲线整体外移。形式地：

$$ D_t(p) ;=; N_t \cdot \kappa \cdot \mathbb{P}(\text{支付意愿} \geq p \mid \text{知道作者}) $$

其中 $\kappa$ 是之前提到的漏斗转化率。无料礼物层通过抬高 $N_t$ 直接抬高需求曲线的纵截距和总面积。

扩散速度 $\delta$ 由第四章广播模式的覆盖规模决定。一个广播模式发达的圈子（漫展密集、推荐算法不被精确匹配压制）有更大的 $\delta$；一个个人模式主导但广播模式萎缩的圈子有更小的 $\delta$。拓扑性质，特别是广播模式的覆盖广度将会直接影响市场层需求曲线的扩散速度。

保护广播模式不只是保护无料网络的形态，也是保护市场层需求增长的速度。一个把所有无料渠道挤压到个人小圈子模式的平台会同时压低 $\delta$，让市场层失去自然扩散的动力。

6.5 结构动态学：用爱发电的稳态在哪里

包含未来所有可能动力学状态的示意图

前几节的论证是比较静态的。它们刻画了正向外部性的存在和规模，但没有问这些外部性能持续多久。本节起将论述这个动态问题：发送侧机制组成 $\omega$ 在长期演化下的稳定性、扰动下的恢复力、以及如何在不识别参数的情况下经验性地诊断接近临界状态。

目标集的定义：注意到之前论述的所有正外部性通道（信号、漏斗、价格歧视、锚定、承诺、扩散）都依赖一个共同的结构性条件：圈内有非平凡量的无料发放，而且这个发放对外部干预（信号污染、合规要求、商业激励等）稳定。第三章混合模型告诉我们，对外部干预稳定的发送来源是 B（社交连接）、C（产能溢出）、D（纯表达）三类——它们没有声誉信号通道，因此对贝叶斯信号污染机制免疫。把这个观察形式化：

$$ K_{\text{ext}} ;=; \bigl{(g, \omega) \in X : \omega_B + \omega_C + \omega_D ;\geq; \underline{\omega}_{\text{floor}}\bigr} $$

其中 $\underline{\omega}{\text{floor}}$ 是信号污染免疫机制保持非平凡的下界。$K{\text{ext}}$ 的解释是无料给予的正向外部性体制，在这个集合内部，之前论述的比较静态通道都有足够的无料发放侧支撑保持运作。

注意 $K_{\text{ext}}$ 是一个功能性而非规范性的目标集。

状态空间和动力学：记同人圈的瞬时状态为 $x(t) = (g(t), \omega(t)) \in X$，其中

$$ X ;=; [0, 1] \times \Delta^5, \qquad \Delta^5 ;=; \Bigl{\omega \in \mathbb{R}+^5 : \sum{k \in {A,B,C,D,F}} \omega_k = 1\Bigr} $$

（类型 E 对应个人模式，如需要纳入，只需把 $\Delta^5$ 换成 $\Delta^6$；纳入后本质后续推导不变。）

我们不指定单一的微观动力学方程，因为人是有自由意志的，一个圈子明天会怎样，没法用一个精确的物理公式算出来。我们只给出一组允许的动力学：与混合模型结构兼容的速度场的集合，写成集值映射 $F: X \rightrightarrows \mathbb{R}^6$，

$$ \dot{x}(t) ;\in; F(x(t)) $$

这就是 Aubin 意义下的微分包含（differential inclusion；Aubin & Cellina 1984 Differential Inclusions, Springer）。$F$ 有两个分量：

(i) $g$ 的相对松弛。松弛一般指表象与实质的脱节。瞬时嵌入度 $g(t)$ 向由当前权重决定的目标值 $g^*(\omega) = \sum_k \omega_k \mathbb{E}_w[\pi_k(r_w)]$ 松弛（$\pi_k$ 是之前定义的类型 $k$ 赠予概率函数）：

$$ \dot{g} ;\in; \bigl[,\underline{\lambda},; \overline{\lambda},\bigr] \cdot \bigl(g^*(\omega) - g\bigr) $$

其中 $\underline{\lambda} \leq \overline{\lambda}$ 是松弛速率的上下界。区间而非单一值是因为松弛速率依赖于不可识别的微观细节（作品到期速度、展会频次、线上发布节奏等）。

(ii) $\omega$ 的漂移约束。每一类创作者在社群的权重可能因为参与者进入/退出、平台政策、生产技术等原因缓慢漂移。我们不指定具体漂移形式，只要求漂移向量停留在切锥 $T_{\Delta^5}(\omega)$ 内（守恒约束 + 边界约束），且每个分量的幅度有界 $|\dot{\omega}_k| \leq \mu_k$。参数 $\mu_k$ 本身仍然处于可识别集中，但不影响后续分析。

基本正则性：在上述构造下，$F$ 满足 Aubin 可生存性定理的充分条件（上半连续、紧凸值、线性增长；Aubin 1991, Proposition 2.2.3），因此从任何初始 $x_0 \in X$ 出发至少存在一条轨迹 $x(\cdot)$ 满足 $\dot{x}(t) \in F(x(t))$ a.e. 这也意味着，不管一个圈子现在的状态有多离谱、多混乱，这个系统都一定有一条合乎逻辑的发展路径可以走下去。

6.6 信号污染免疫机制的可生存性

可生存性核，其实是一种安全区，动力系统离开安全区就会陷入不稳定的状态

Aubin 的可生存性核（viability kernel）定义为

$$ \mathrm{Viab}F(K{\text{ext}}) ;=; \bigl{x_0 \in K_{\text{ext}} : \exists, x(\cdot),\ \dot{x}(t) \in F(x(t))\ \text{a.e.},\ x(0) = x_0,\ x(t) \in K_{\text{ext}}\ \forall, t \geq 0\bigr} $$

也就是从这些初始状态出发，至少存在一条允许的动力学轨迹永远停留在无料给予的正向外部性体制内。

Aubin 可生存性定理（1991, Theorem 3.2.4）给出 $\mathrm{Viab}F(K{\text{ext}})$ 的几何刻画：它是 $K_{\text{ext}}$ 里最大的闭子集 $M$，使得对所有 $x \in M$，

$$ F(x) \cap T_M(x) ;\neq; \emptyset $$

Bouligand 切锥

其中 $T_M(x)$ 是 $M$ 在 $x$ 处的 Bouligand 切锥。每一点都至少有一个允许的速度矢量指向 $M$ 内部或沿着 $M$ 的边界。

但一般来讲 $\mathrm{Viab}F(K{\text{ext}}) \subsetneq K_{\text{ext}}$ 严格成立，即存在 $x \in K_{\text{ext}}$ 使得每一条允许的轨迹都会在有限时间内离开 $K_{\text{ext}}$。这样的状态当前在体制内但动力学上不可生存：它们正在缓慢地被推向 A/F 型创作者主导的不免疫区域。

集合 $\mathrm{Viab}F(K{\text{ext}}) \setminus \partial K_{\text{ext}}$ 对应有韧性储备的状态，其中 $ \partial K_{\text{ext}} $是正外部性集合的边界，$ \setminus $不是分号，是一种集合的减去操作。这种状态对应着现实，社群里有一大批热爱表达、不计较流量的中层和底层创作者的情况。它们不仅当前在 $K_{\text{ext}}$ 里，而且存在至少一条动力学路径可以永远保持。相反，$K_{\text{ext}} \setminus \mathrm{Viab}F(K{\text{ext}})$ 对应"当前在体制内但注定漂出"的状态，这种状态对应着，某个同人社群里可能只有为数不多纯粹为爱发电的创作者在苦苦支撑的情况，它们的正向外部性现在还在运作，但动力学上注定塌缩。这种差别在经验观察中对应一个可识别的现象：有些看起来发无料很活跃的新兴圈子在外部冲击下意外快速崩塌，它们的正向外部性是真实的，但它们一开始就落在了 $K_{\text{ext}} \setminus \mathrm{Viab}F(K{\text{ext}})$ 里。

6.7 准势能与早期预警：体制深度的定量化与可观察诊断

一种Freidlin-Wentzell 准势能引导偏移呃过程

Freidlin-Wentzell 准势能

Aubin 的可生存性框架是确定性的（至多允许集值不确定性）。加入弱随机扰动后，问题变成："即使从可生存性核内部出发，系统终将以多小的概率被随机波动推出无料给予的正外部性集 $K_{\text{ext}}$？"

考虑 $F$ 的一个（任选的）单一子映射 $f \in F$，扰动后的动力学写成

$$ \mathrm{d}x ;=; f(x),\mathrm{d}t ;+; \sqrt{\varepsilon},\sigma(x),\mathrm{d}W_t $$

其中 $W_t$ 是标准 Wiener 过程，$\varepsilon > 0$ 是小噪声强度。Freidlin-Wentzell 大偏差原理（Freidlin & Wentzell 1984 Random Perturbations of Dynamical Systems, Theorem 5.7.11）给出：从集合内吸引子 $x_{\text{ext}}$ 到集合外吸引子 $x_{\text{collapse}}$ 的首次通过时间遵循

$$ \mathbb{E}[\tau_{\text{collapse}}] ;\sim; \exp!\left(\frac{V(x_{\text{ext}}, x_{\text{collapse}})}{\varepsilon}\right) $$

其中 $V$ 是准势能（quasi-potential），定义为从 $x_{\text{ext}}$ 到 $x_{\text{collapse}}$ 的所有连续路径 $\phi$ 上的最小作用量：

$$ V(x_{\text{ext}}, x_{\text{collapse}}) ;=; \inf_{\substack{\phi(0),=,x_{\text{ext}}\ \phi(T),=,x_{\text{collapse}}}}; \frac{1}{2}\int_0^T \bigl\langle \dot{\phi} - f(\phi),; a^{-1}(\phi)\bigl(\dot{\phi} - f(\phi)\bigr)\bigr\rangle,\mathrm{d}t $$

其中 $a = \sigma\sigma^\top$ 是扩散张量。$\bigl\langle \quad \bigr\rangle$ 是内积算符。

扩散张量分解的主成分引导路径的方向

$V$ 的意义：它衡量体制内吸引子相对于体制外吸引子的深度。$V$ 越大，崩塌所需的累积随机冲击越大，$\tau_{\text{collapse}}$ 指数级地更长。$\dot{\phi} - f(\phi)$，代表了系统需要克服的逆流阻力，因为它类似于从局部势阱中跳跃出去的过程。

单调性命题：在合理的正则性假设下，

$$ \frac{\partial, V(x_{\text{ext}},, x_{\text{collapse}})}{\partial, (\omega_B + \omega_C + \omega_D)} ;>; 0 $$

崩塌路径 $\phi$ 必须把 $\omega$ 从信号污染免疫主导的吸引子移动到A/F类型主导的吸引子。也就是等同于直觉上从老牌同人圈相变到商业化同人框架下的过程。当 $\omega_B + \omega_C + \omega_D$ 较大时，这个"距离"在切锥 $\Delta^5$ 上更大，最小作用量 $V$ 随之增大。形式化证明需要 $f$ 的具体结构和路径积分的变分分析，但单调性本身在大偏差框架下是结构性的，它不依赖于 $f$ 的具体形式，只依赖于两个吸引子在 $\omega$ 空间里被 B/C/D 总权重分离这一几何事实。

从单调性，我们进一步可以洞察，这种正外部性的可持续时长随 B/C/D 权重指数级延长：

$$ \log \mathbb{E}[\tau_{\text{collapse}}] ;\gtrsim; \frac{V_0 + c,(\omega_B + \omega_C + \omega_D)}{\varepsilon} $$

其中 $V_0$ 和 $c > 0$ 是依赖于 $f$ 和 $\sigma$ 的常数。即使无法点估计 $V_0$ 和 $c$，单调性本身就是一个有界预测：提高 B/C/D 总权重（即用爱发电的人群）必然指数级地延长正向外部性体制的预期持续时间。

Scheffer 早期预警信号

Scheffer 等人在 2008-2012 年发展的早期预警信号框架允许我们通过观察变量来判断一个圈子是否正在接近无料给予的正外部性体制的危险边缘 $\partial K_{\text{ext}} $。

当动力系统接近一个分岔点（鞍结点分岔或叉式分岔）时，系统在吸引子附近的主特征值 $\lambda_{\max}$ 趋近于 0，导致临界减速（critical slowing down）——系统从扰动中恢复的特征时间 $\tau_{\text{recovery}} = -1/\lambda_{\max}$ 趋于无穷。在带小噪声的系统里，这表现为一组可观察的统计特征：

方差上升：$\mathrm{Var}(x(t))$ 持续上升
一阶自相关趋于 1：$\rho_1 = \mathrm{Corr}(x(t), x(t+\Delta t)) \to 1$
恢复时间延长：从一次扰动回到基线所需的时间变长
左右摇摆：系统在两个吸引子之间偶尔跳跃

我们可以将这些指标应用到同人社群：可观察的时间序列是每个创作者的无料发放慷慨度 $\Gamma_i(t)$。把 Scheffer 框架搬到这里：

指标 1（跨创作者方差）：$\mathrm{Var}_i[\Gamma_i(t)]$ 在时间上呈上升趋势 → 不同创作者的赠予行为分化加剧，系统失去一致性。比如一小部分人（往往是渴望流量或被商业化激励的人）开始普遍发放无料。与此同时，一大批曾经稳定产出的中层“为爱发电”型创作者进入长期停更状态。
指标 2（自相关）：单个 $\Gamma_i(t)$ 的一阶自相关 $\rho_1 \to 1$ ，即表现为行为粘滞，从扰动中恢复变慢。这类表征可以看作社群对于负面消息的松弛变差。如果今天社群里有一种大家都很丧的事情发生了，这种氛围会持续弥漫好几个星期。
指标 3（左右摇摆）：突然停发又突然恢复的行为模式，这对应着系统在两个吸引子之间摇摆。现实中，这表现为核心创作者极其情绪化的反复。比如某位大V因为受不了圈内的乌烟瘴气，发长文控诉，删除了所有作品并宣布永久退圈。但两周后，她又忍不住对角色的爱，悄悄开个小号或者恢复大号，重新开始发几张草图。然后过了一个月，遇到点摩擦，再次隐藏主页。
指标 4（恢复时间）：$\Gamma_i(t)$ 对外部刺激的恢复时间变长（直接对应 $\tau_{\text{recovery}}$ 的延长）。同理，直觉来讲，因为一个负面事件，导致大量创作者不再发放无料（例如无料被人倒卖），而且这种影响成为了一种长期效应，这个时候情况就符合了指标4。

当系统接近正外部性体制的危险边缘 $\partial \mathrm{Viab}F(K{\text{ext}})$ 时，上述统计指标会预期地同步上升。这给出一个完全不需要估计 ${\omega_k}, {\pi_k}, F$ 任何部分的诊断指标，观察者只需监测各个作者无料的慷慨度 $\Gamma_i(t)$ 的时间序列统计量，就能推断无料带来的正向外部性体制是否正在接近边界。

早期预警信号对各方的启示

上述四个指标都是完全不依赖参数识别的可观察量，但是只有创作者可以使用它们，因为观察到这些信号并了解动机的，只有创作者自己。

一位创作者可以监测自己的慷慨度 $\Gamma_i(t)$ 时间序列,如果发现自己最近发无料前总要权衡一下会不会被读作刻意。这说明信号污染机制正在作用于自己。这是 A 型策略动机正在替代原本 B/C/D 自然机制的征兆。早期预警信号给创作者一个自我观察的工具，而不是一个自我管理的指标。因此应对方式不是强迫自己继续做这件事情。正确的做法是把发放频率自然降下来，直到不需要刻意决定的状态恢复。

七、对各方的启示

7.1 对创作者：赠予不是应该被理性化的策略

圈内的赠予不需要被建议。它是六种性质不同的机制的叠加，每一种都有自己的因果逻辑，没有哪一种来自"理性的成本-收益计算"。3.2 节的贝叶斯信号污染论断告诉我们，一旦创作者开始刻意地决定哪些作品该送哪些不该送，并被观察者察觉到这种刻意。慷慨度信号的噪声 $\sigma_s^2$ 上升、$\alpha$ 趋近 1，属于类型 A 和 F 的赠予（声誉投资型和规范遵从型）就会退化成价格歧视的伪装版本，失去信号价值。

由此我们得到几条描述性的观察：

观察 1：低成本作品的赠予是同人圈健康的自然标志。 当 $r_w = c_w/W_i$ 很小时，混合模型的多个分量都给出高的赠予概率。无论是声誉意识型、社交连接型、产能溢出型、纯表达型、还是规范遵从型，都倾向于把低成本作品赠出。它是六种机制叠加的群体规律。如果一位创作者从来不做这种自动赠予，更可能的解释是 ta 不在六种类型的任何一种里活跃（既不在乎声誉、不需要找朋友、没有产能溢出、不享受纯创作、也不跟随圈内规范），而不是 ta 选择不赠予。

观察 2：无料礼物层和市场层的并存不是矛盾，而是混合模型的两个尾部。 一个自然的疑问是："同一个创作者怎么可能既高价卖完整本子，又免费把这个本子送了？"双层模型给出的解答是，这属于同一个人在不同情境下被不同的机制驱动。

观察 3：无料经济的边界是参与性的而非关系性的。 一个常见的问题是"为什么有的创作者的无料只送给某些人"。这个指控基于一个误解，它假设了创作者在按个人偏好筛选受赠者。模型告诉我们这个假设对绝大多数无料是错的：广播模式下的接收是随机的，新人和老粉的概率几乎相同，差别只在于"是否身在圈里"。圈层身份是参与性的，而非积累性的：任何愿意出席展会、关注账号、在群组里露面的人都能进入广播池子。

只有少数个人模式的赠予（签名版、定制原画）才有真正的关系门槛，而这部分无料的特殊性来自它承载了具体的关系历史，是无料作为社会关系载体的内在属性，不是道德缺陷。

7.2 对消费者：参与性身份的非货币回报

在纯市场视角下，消费者的支付意愿就是 $V_F = F$（普通消费者）或 $V_S = F + B$（投机客）。双层模型让我们看到，消费者还有两类完全独立的非货币价值通道：广播模式下的参与性红利 和 个人模式下的关系性深度。

观察 5：参与性身份比购买能力更有效。 与市场化的不同，广播无料的接收权不是通过付费购买的，而是通过日常的低成本参与积累的。出席一次 Comiket 可能要花一些时间和路费，关注一个 Pixiv 账号几乎是零成本，但这些行为加起来构成了参与性身份。能从社会中获取价值的人不一定是付得起钱的人，而是花得起时间和注意力身在场内的人。

观察 6：个人模式的关系积累是另一条平行通道。 如果一位消费者愿意做更深的投入，例如长期支持某个创作者、参与互动、传播作品、给出有价值的反馈，那 ta 累积的不仅是参与性身份，还有提供上行反馈创作者的$D_{ij}^{\text{up}}$ 的关系存量。这个存量的回报不是广播模式下的随机无料礼物，而是个人模式下的少数定点赠予，例如定制贺图，市场价值不大，但情感权重很高，它的本质是被某个特定创作者认识。

7.3 优质的同人平台就应该保护用爱发电的朋友

第一组：保护类型 B、C、D 的栖息地

建议 1：保护"无目的漫游"的物理与数字空间。 类型 B（社交连接型）的典型场景是漫展上没有摊位、随机游走的零散创作者，当然这些创作者被同人展当前的状态保养得很好，我们主要关心线上平台的用爱发电认识。线上平台同样需要非算法精确匹配的漫游空间。可以自由刷的时间线、意外刷到陌生作品的可能性、不被精确推荐塞满的浏览体验。任何压制这类体验的算法都会消灭类型 B 创作者。

建议 2：保护无目的的创作上传空间。 类型 D（纯表达型）依赖于一个允许画了就发、不为任何目的的发布渠道。当平台引入每发一张图都会被计入数据指标、影响推荐权重、关联到收益的设计时，纯表达型的发布变成了一种被监视的行为，创作者会开始考虑这张发出去对我的数据有什么影响，从而 D 类型逐渐退化为 A 类型。保护 D 类型意味着保留一些完全脱离数据追踪的发布空间。

第二组：压低漏出率 $\rho_{\text{leak}}$

第五章漏出渠道分析揭示了一个独立的脆弱性维度：如果接收侧被外部机会主义者大量渗透，无料会通过转售回流到二手市场，$c_{\text{resale}}$ 的限制主机制依然失效。

建议 3：高价值无料的优先发放与圈层身份标识。 对那些显然有二手市场价值的高价值无料（场刊夹页、签名贺图、限定版小本子等），发放渠道应该向有可识别圈层身份的圈内接收者倾斜，例如来自长期关注、参与历史、社群活动记录、创作者本人的推荐等。普通的低价值无料（小贺卡、场刊散页等）仍然可以无差别发放，因为它们的转售收益微薄、漏出动机本来就低。

建议 4：为高价值无料引入轻度的可追溯标记。 在保留无料自由发放性质的同时，对高价值无料添加轻度的、不影响赠予仪式感的可追溯标记。例如随机分配的签名编号、隐式水印、时间戳等。这些标记的目的不是阻止转售（强制不可转售反而会触发贝叶斯信号污染），而是让转售可以被社群监视，一旦某件可识别的无料出现在二手市场，圈内人立刻知道是谁在转售，并触发集体的惩罚机制。

建议 5：警惕无料化的过度商业化包装。 一些平台的设计倾向于把无料发放包装成营销活动，比如，官方（不只是同人）经常宣告，完成签到任务可领取创作者的免费贺图。这种设计的效果导致参与签到的人很多是为了奖励而来的、对创作者本人没有圈层归属感的外部用户，他们获得无料后转售的概率远高于自然参与的圈内人。这种政策从两个角度都是有害的：发送侧的无料发放因为信号污染而压低 $\rho_{\text{free}}^A$，接收侧因为吸引外部投机者而抬高了整体无料的投机漏出率 $\rho_{\text{leak}}$。漏出率的增加不仅会发生在官方上，也会发生在同人上。因为自始至终来说，作为局外人，这两者没有什么区别性质。官方自然是无痛不痒，但是普通的创作者就不一定了。

参考文献

亲社会行为与动机挤出：

Bénabou, R., & Tirole, J. (2003). Intrinsic and extrinsic motivation. Review of Economic Studies, 70(3), 489–520.
Bénabou, R., & Tirole, J. (2006). Incentives and prosocial behavior. American Economic Review, 96(5), 1652–1678. ——博弈论框架下的 prosocial behavior 模型；在 signal dilution 论证上与本文接口 A 等价但形式更复杂。
Bowles, S., & Polania-Reyes, S. (2012). Economic incentives and social preferences: Substitutes or complements? Journal of Economic Literature, 50(2), 368–425.
Frey, B. S., & Jegen, R. (2001). Motivation crowding theory. Journal of Economic Surveys, 15(5), 589–611.
Gneezy, U., & Rustichini, A. (2000). A fine is a price. Journal of Legal Studies, 29(1), 1–17.

有限混合模型与异质类型建模：

Heckman, J. J., & Singer, B. (1984). A method for minimizing the impact of distributional assumptions in econometric models for duration data. Econometrica, 52(2), 271–320.
McLachlan, G., & Peel, D. (2000). Finite Mixture Models. Wiley-Interscience.
Pritchard, J. K., Stephens, M., & Donnelly, P. (2000). Inference of population structure using multilocus genotype data. Genetics, 155(2), 945–959.
Blei, D. M., Ng, A. Y., & Jordan, M. I. (2003). Latent Dirichlet allocation. Journal of Machine Learning Research, 3, 993–1022.

部分识别与有界预测：

Manski, C. F. (2003). Partial Identification of Probability Distributions. Springer.
Manski, C. F. (2007). Identification for Prediction and Decision. Harvard University Press.
Tamer, E. (2010). Partial identification in econometrics. Annual Review of Economics, 2, 167–195.

单调比较静态：

Milgrom, P., & Shannon, C. (1994). Monotone comparative statics. Econometrica, 62(1), 157–180.
Topkis, D. M. (1998). Supermodularity and Complementarity. Princeton University Press.
Athey, S. (2002). Monotone comparative statics under uncertainty. Quarterly Journal of Economics, 117(1), 187–223.

信息熵与多样性度量：

Shannon, C. E. (1948). A mathematical theory of communication. Bell System Technical Journal, 27(3), 379–423.
Simpson, E. H. (1949). Measurement of diversity. Nature, 163, 688.
Theil, H. (1967). Economics and Information Theory. North-Holland.
Jost, L. (2006). Entropy and diversity. Oikos, 113(2), 363–375.

集值分析与对应：

Kakutani, S. (1941). A generalization of Brouwer's fixed point theorem. Duke Mathematical Journal, 8(3), 457–459.
Aubin, J.-P., & Frankowska, H. (1990). Set-Valued Analysis. Birkhäuser.

可生存性理论：

Aubin, J.-P. (1991). Viability Theory. Birkhäuser. [新版 2011: Viability Theory: New Directions, Springer]
Aubin, J.-P., & Cellina, A. (1984). Differential Inclusions: Set-Valued Maps and Viability Theory. Springer.
Doyen, L., & Béné, C. (2003). Sustainability of fisheries through marine reserves: A robust modeling analysis. Journal of Environmental Management, 69(1), 1–13.
De Lara, M., & Doyen, L. (2008). Sustainable Management of Natural Resources: Mathematical Models and Methods. Springer.

大偏差与准势能：

Freidlin, M. I., & Wentzell, A. D. (1984/1998). Random Perturbations of Dynamical Systems (2nd ed.). Springer.
Ludwig, D., Jones, D. D., & Holling, C. S. (1978). Qualitative analysis of insect outbreak systems: The spruce budworm and forest. Journal of Animal Ecology, 47(1), 315–332.
Nolting, B. C., & Abbott, K. C. (2016). Balls, cups, and quasi-potentials: Quantifying stability in stochastic systems. Ecology, 97(4), 850–864.

关键转变的早期预警信号：

Scheffer, M., Bascompte, J., Brock, W. A., Brovkin, V., Carpenter, S. R., Dakos, V., Held, H., van Nes, E. H., Rietkerk, M., & Sugihara, G. (2009). Early-warning signals for critical transitions. Nature, 461, 53–59.
Dakos, V., Scheffer, M., van Nes, E. H., Brovkin, V., Petoukhov, V., & Held, H. (2008). Slowing down as an early warning signal for abrupt climate change. PNAS, 105(38), 14308–14312.
Carpenter, S. R., & Brock, W. A. (2006). Rising variance: A leading indicator of ecological transition. Ecology Letters, 9(3), 311–318.
Carpenter, S. R., Cole, J. J., Pace, M. L., Batt, R., Brock, W. A., Cline, T., Coloso, J., Hodgson, J. R., Kitchell, J. F., Seekell, D. A., Smith, L., & Weidel, B. (2011). Early warnings of regime shifts: A whole-ecosystem experiment. Science, 332(6033), 1079–1082.
Boettiger, C., & Hastings, A. (2012). Quantifying limits to detection of early warning for critical transitions. Journal of the Royal Society Interface, 9(75), 2527–2539.
Dutta, P. S., Sharma, Y., & Abbott, K. C. (2018). Robustness of early warning signals for catastrophic and non-catastrophic transitions. Oikos, 127(9), 1312–1322.

社会关系类型学与互惠规范：

Fiske, A. P. (1992). The four elementary forms of sociality: Framework for a unified theory of social relations. Psychological Review, 99(4), 689–723.
Bicchieri, C. (2006). The Grammar of Society: The Nature and Dynamics of Social Norms. Cambridge University Press.

身份经济学：

Akerlof, G. A., & Kranton, R. E. (2000). Economics and identity. Quarterly Journal of Economics, 115(3), 715–753.

人类学与经济社会学：

Mauss, M. (1925). Essai sur le don: Forme et raison de l'échange dans les sociétés archaïques. L'Année Sociologique. [English: The Gift, 1954/1990]
Polanyi, K. (1944). The Great Transformation: The Political and Economic Origins of Our Time. Beacon Press.
Sahlins, M. (1972). Stone Age Economics. Aldine Publishing.
Bourdieu, P. (1977). Outline of a Theory of Practice. Cambridge University Press. [Translated from French 1972]
Granovetter, M. (1973). The strength of weak ties. American Journal of Sociology, 78(6), 1360–1380.
Granovetter, M. (1985). Economic action and social structure: The problem of embeddedness. American Journal of Sociology, 91(3), 481–510.
Weiner, A. B. (1992). Inalienable Possessions: The Paradox of Keeping-While-Giving. University of California Press.

礼物交换与互惠的早期经济学：

Akerlof, G. A. (1982). Labor contracts as partial gift exchange. Quarterly Journal of Economics, 97(4), 543–569.
Camerer, C. (1988). Gifts as economic signals and social symbols. American Journal of Sociology, 94, S180–S214.
Andreoni, J. (1990). Impure altruism and donations to public goods: A theory of warm-glow giving. Economic Journal, 100(401), 464–477.

金融数学：

Merton, R. C. (1976). Option pricing when underlying stock returns are discontinuous. Journal of Financial Economics, 3(1–2), 125–144.

网络模型：

Jackson, M. O., & Rogers, B. W. (2007). Meeting strangers and friends of friends: How random are social networks? American Economic Review, 97(3), 890–915.
Barabási, A.-L., & Albert, R. (1999). Emergence of scaling in random networks. Science, 286(5439), 509–512.
Watts, D. J., & Strogatz, S. H. (1998). Collective dynamics of "small-world" networks. Nature, 393(6684), 440–442.
Holme, P., & Kim, B. J. (2002). Growing scale-free networks with tunable clustering. Physical Review E, 65(2), 026107.

AI取代人类？——协调成本看待什么职业最安全

Tue, 31 Mar 2026 00:00:00 GMT

最近看到一篇论文《Weak Bundle, Strong Bundle: How AI Redraws Job Boundaries》发表出来直指Geoffrey Hinton的一个言论——AI究竟是否能取代放射科医生。这个讨论引人深思，人工智能取代人类的话题目前被媒体炒作得尘嚣甚上，大家都陷入了一种焦虑，我们到底还有什么东西没有被取代？

关于人工智能究竟会如何影响劳动力市场，目前的讨论，或者说市场希望做出的舆论宣传，已经陷入一种线性的直觉——”如果AI能够完成某项任务，那么原本负责这项任务的人类就会面临失业“。这种理论虽然直观，却忽略了微观经济学的一些分析。

从论文全文来看，本文的核心洞见在于，劳动力市场定价的标的从来不是单一的任务，而是工作本身。工作被视为多个任务的捆绑。AI能否导致人类失业，不完全取决于AI的绝对技术能力，而是取决于将AI能做的任务从原有的工作捆绑中剥离出来，需要付出多大的协调成本。

我们可以从从论文的建模一步步解析。

论文假设任何一项最终的服务或者工作产出都需要由两个任务组合而成。其生产函数呈现柯布-道格拉斯（Cobb-Douglas）形式：

$$ y=q_1 ^αq_2^{1−α} $$

其中，Task 1 (生产量为$q_1$的任务)是可被验证的认知任务（例如起草文书、分类图像、编写基础代码），也就是AI极易涉足的领域；Task 2 (生产量为$q_2$的任务)是情境任务（例如人际沟通、物理操作、承担责任），这是人类在可预见的未来必须保留的核心领域。工人在两项任务上分别具有技能 $s_1$和$s_2$。面对AI技术的冲击，工作组织形式会出现分化。以柯布道格拉斯形式的生产函数，可以涵盖任务1和任务2是互补或者是替代的情况。$\alpha$ 是一种弹性。

捆绑生产与非捆绑生产

我们假设第一种状态是捆绑生产（Bundled Production）。在这种状态下，人类没有被替代，而是将AI作为辅助工具。人类工人拥有一个单位的时间，必须将其分配在两个任务上（$t1+t2≤1$）。在捆绑状态下，包含AI辅助的总产出函数被定义为：

$$ y_H^g=[μ_H(m)^{1−η}(t_1s_1)^η]^α(t_2s_2)^{1−α} $$

这里，

$$ μ_H(m) $$

代表当前前沿AI对Task 1的辅助能力，

$η$ 是人类在Task 1中保留的权重。由于人类必须同时兼顾两项任务，为了最大化产出，工人必须解一个最优时间分配的寻优问题。根据一阶条件，最优的时间分配为：

$$ t_1^∗=\frac{αη}{κ},t_2^∗=\frac{1−α}{κ} $$

其中

$$ κ≡αη+1−α $$

其中 $\kappa \equiv \alpha\eta + 1-\alpha$。这是一个非常关键的常数。在这个常数的约束下，人类实际上构成了自身产能的瓶颈。因为人类工作必须把时间分摊给Task 1，导致无法全神贯注于不可替代的Task 2。

然而，保留这种捆绑对人类在经济利益上是有利的。在竞争性定价下，各个生产要素按其产出弹性获得收益份额。如果保持捆绑，人类不仅获得了Task 2的全部收益 $(1-\alpha)$，还保留了Task 1中属于人类的收益份额 $\alpha\eta$。因此，在这个情况下，人类的总收益份额为全部的 $\kappa$。

相对的，第二种状态是解绑生产（Unbundled Production）。这是真正意义上的部分自动化。在这个状态下，AI完全自主接管了Task 1（即，AI拥有独立生产力 $\mu_A(m)$），人类被彻底从Task 1中解放出来，将 $ 100%$ 的时间（$t_2=1$）投入到Task 2中。

但是，拆分原本一体化的工作会产生协调成本 $c \in [0, 1)$（如果协调成本为1，产出就会变为0）。这可能源于语境的丢失、沟通的摩擦或是法律责任归属的困难。解绑后的总产出变为：

$$ y_U = (1-c)\mu_A(m)^\alpha s_2^{1-\alpha} $$

此时，人类只能获得Task 2的收益份额，即 $(1-\alpha)$。

由于 $\kappa = 1 - \alpha(1-\eta) > 1-\alpha$，因此很显然，只要工作保持捆绑，人类就能从总收入中切下更大比例的份额。那么，为什么有些工作还是会被解绑呢？

这涉及到个人理性的选择边界。

在竞争性市场中，各生产要素按其边际贡献获得收益。假设最终产品价格为 $P$

工人会比较两种状态的净收益，即比较 $w_U = (1-\alpha) P y_U$ (解绑状态下的总收益）和 $w_H = \kappa P y_H$ （捆绑状态下的总收益）。当 $w_U \ge w_H$ 时，工人倾向于解绑。化简这两个等式，可以得到一个临界点 $s_1^*$：

$$ s_1 \le s_1^*(m,c) = \left[ \frac{(1-\alpha)(1-c)}{\kappa \Omega_H} \Gamma(m) \right]^{\frac{1}{\alpha\eta}} $$

其中， $Γ(m)$是AI自主工作相较于AI辅助工作的相对优势。$Ω_H$代表的是人类的“多任务时间分配的效率损耗系数”（Efficiency loss from splitting time）。这个名词不够直观，论文试图这样解释：当人类决定不解绑工作时，他必须把自己唯一的1个单位工作时间，切分成$t_1^$和$t_2^$两部分，分别投入到 Task 1 和 Task 2 中。

根据柯布-道格拉斯（Cobb-Douglas）生产函数的性质，我们将最优的时间分配 $t_1^* = \frac{\alpha\eta}{\kappa}$ 和 $t_2^* = \frac{1-\alpha}{\kappa}$ 代回最初的总产出函数后，这些时间分数会被提取出来，组合成一个常数，这个常数就是 $\Omega_H$：

$$ \Omega_H \equiv (t_1^)^{\alpha\eta} (t_2^)^{1-\alpha} = \left(\frac{\alpha\eta}{\kappa}\right)^{\alpha\eta} \left(\frac{1-\alpha}{\kappa}\right)^{1-\alpha} $$

由于 $t_1^$ 和 $t_2^$ 都是小于 1 的分数，它们带有正数次幂相乘后，$\Omega_H$ 成为了一个介于 0 和 1 之间的常数。 比如说，一个高级全栈程序员，他既要花时间写基础代码，又要花时间跟产品经理对需求。因为一天只有24小时，他花在敲代码上的时间，必然挤占了沟通的时间。这种时间拆分导致的理论最高产能的折损，就是这个常数。

让我们看看c，由于c是一个连续的实数，因此我们可以把工作切分为低协调成本和高协调成本的工作。

所谓弱捆绑工作，是指公式中的协调成本 $c$ 极低。这意味着将工作拆包几乎不会损耗最终价值。此时注意到， $(1-c)$ 在分子很大，导致临界点 $s_1^*$ 很高。大量在Task 1上技能平庸的工人会发现，与其自己费力做认知任务，不如全部扔给AI自主完成，自己专心做Task 2。于是，工作被彻底解绑。

而强捆绑工作，协调成本 $c$ 极高。如果拆分，最终服务的价值会大幅损毁。此时 $(1-c)$ 趋近于零，临界点不复存在。无论AI的能力 $\Gamma(m)$ 增长到多高，市场和工人都不会选择解绑工作。AI只能永远停留在辅助位置，人类保住了完整的工作边界和高昂的收入份额。

从这个角度看，放射科医生可以被分为两个捆绑的任务

Task 1：看片子，识别肺部是否有结节，癌变。
Task 2：结合病人的病史进行分诊、向主治医师解释、安抚病人，并在诊断书上签字承担医疗责任。

由于医院和患者买的不是一个图像分类结果，而是一个连带法律责任的医疗服务包，患者需要训练有素的医生的解释。如果AI只负责看X光成像，而人类医生不亲自查看校验结果，就直接去和外科医生沟通，极易发生致命误诊，这在医学上是极高的协调成本。因此开头对于Geoffrey Hinton的言论，这篇文章给予了一定的驳斥。

解绑过程和市场需求如何导致人类失业

回看时间分配公式。在解绑前，人类在Task 2上的时间投入仅为 $\frac{1-\alpha}{\kappa}$。解绑后，这个时间瞬间变成了 1。这意味着，每一个留在行业里的工人，其Task 2的产能突然飙升了 $\frac{\kappa}{1-\alpha}$ 倍。

如果该行业面临的是缺乏弹性的需求曲线（$P(Y) = Y^{-1/\epsilon}, \epsilon < 1$），这种产能的瞬间泛滥会导致严重的后果。根据新古典模型下市场出清原则，暴增的产出必然带来产品价格 $P$ 的非线性暴跌。

我们假设$\bar{U}$是指一个工人如果彻底离开当前被AI覆盖的行业，去市场上做其他毫不相干的工作，所能获得的保底收入或基础效用。比如码农失业去开网约车，网约车带来的基础效用就是这个值。

在论文中，作者定义了工人对职业的选择逻辑（福利函数）：

$$ V(s; P, \bar{U}, m, c) = \max{\bar{U}, , w_H(P, s, m), , w_U(P, s_2, m; c)} $$

这个 $\max{}$ 函数说明了工人的决策过程。工人会评估三个选项，选出收益最高的一个：

$w_H$：留在这个行业，保持工作捆绑（和AI配合）。
$w_U$：留在这个行业，接受工作解绑（给AI打下手）。
$\bar{U}$：直接转行退出。

只要工人留在该行业挣的钱低于 $\bar{U}$，这个工人就会在数学模型中被判定为退出劳动力市场。

基于此，论文推导出了两个参与门槛（阈值）：$b_H$ 和 $b_U$。人类技能水平（$s_1, s_2$）必须高于这个门槛，在这个行业赚的钱才能超过 $\bar{U}$。

通过对解绑状态下的参与门槛进行求导，论文得出了失业的动态方程：

$$ \frac{d \ln b_U^}{dm} = \frac{1}{1-\alpha} \left( \frac{1}{\epsilon} \frac{d \ln Y^}{dm} - \alpha \frac{d \ln \mu_A}{dm} \right) $$

等式右侧的第一项是价格压缩效应（Price Compression），第二项是生产力提升效应。在弱捆绑职业中，由于每个人都变成了全职做Task 2的熟练工，总产出 $Y^$ 激增，导致价格下跌。当价格下跌的负面效应压倒了AI带来的生产力提升时，最低参与门槛 $b_U^$ 就会抬高。原本的底层工人，发现工资已经无法覆盖他们的机会成本，最终被迫退出该行业。

AI导致失业，并不是一个直接的替代过程。由于低协调成本的工作引发任务解绑，这使得人类可用时间得到了释放。如果需求缺乏弹性，导致价格暴跌，就会使得技能低于门槛的工人发生失业。

放射科医生之外？我们还有退路吗

从协调成本和市场需求是否存在足够弹性来看，我们可以分为四个维度。

弱捆绑 + 缺乏弹性的工作

在这类工作中想要生存下来，除非有极高的技术门槛，否则在一个理性的市场看来难如登天。

初级文书翻译

初级笔译的工作，在当前论文的视角下一般可以拆分为两个任务，1.将大量外文转化为通顺的本土语言 2.由人类审阅最终稿，修正特定文化禁忌或极其生僻的专有名词。由于AI翻译完直接扔给人类，不需要建立任何情感联系或深刻的历史语境。因此两个任务之间的协调成本非常低。由于一本书、一本漫画只需翻译一次，翻译降价不会刺激人们去疯狂去寻求便宜翻译，因此这类行业在需求上被认定为缺乏弹性。

弱捆绑 + 富有弹性的工作

初级外包原画师

大厂为了跟进生产力，在除去隐性的社会成本（例如被反AI群体追讨）之外，已经在大力寻求AI辅助人类的工具了。我们可以视任务分为：1.AI根据提示词生成 2D 资产、草图。2.人类将素材导入引擎，或者根据主美的要求进行图层局部的重绘。

由于AI 出图和人类修图完全是上下游流水线，无需共享隐性知识，因此几乎没有协调成本。但是从市场上来看，玩家对画面精度以及角色质量的需求永无止境。由于单张原画的成本被AI工具拉低，游戏公司就会在游戏里塞入比原来多 100 倍的美术资产。因此，这类雇员的总就业人数可能会增加。但是，工作性质彻底改变，变成了一种装配工，计件工资大幅下降，这类职位可以被看作是AI时代的体力劳动者。同样的职业还有初级程序员，如果写代码的成本下降 80%，企业不会裁掉 80% 的程序员，而是会把原来想做但不敢做的新功能全部立项。

强捆绑 + 缺乏弹性的工作

放射科医生

前面已经论述过放射科医生的性质，同理可以推广到所有专科医生。患者不会因为拍胸片便宜了，就每天去医院拍 10 次 CT，因此这类市场缺乏弹性。延伸来看，庭审律师，大型基建工程师也是一种例子，这里可以交给读者思考。这类执业门槛极高，外人进不来的职业，内部人员通过拒绝任务的解绑，保住了高昂的定价权和庞大的收入份额。

强捆绑 + 富有弹性的工作

独立开发者

我们可以把这类超级个体的任务分成两种，一种是编写具体的前后端业务代码，配置数据库表结构，撰写标准文档。另一种是洞察与定义问题，比如客户描述需求，需要了解客户的真实意图和落地难度。另外还需要考虑当前资源是否能完成开发的配置。有个俗话说的好，懂需求的不懂代码，写代码的不懂语境。商业需求需要隐性知识，代码又需要专业的视野。如果单纯去解绑工作，AI只会写出不符合安全性，非功能需求的完美代码。导致这两个任务沟通协调成本非常高。

而商业世界对软件功能的渴望是无限的。因此在这个情况下，掌握具有广度的知识，并且发掘这类高弹性市场的稀缺性，成为了一种非常宝贵的技能点。从论文的角度来看这类人才的需求，不会因为AI而被高速替代。

同人市场分析(7)——二手市场的金融性质

Sun, 22 Mar 2026 00:00:00 GMT

在同人实体经济中，二手市场算是一个处理闲置的尾端环节。我们经常可以看到这样一个场景，当消费者的偏好发生转移，从一个作品跳坑到另一个作品的时候，他会把过往购买的同人制品转卖给更需要的人。二手市场的好处很明显，它通过再分配来调节，使得市场参与者的效用更进一步地最大化。我们可以通过耐用品理论来研究当前的二手市场，分析为什么会出现海景房，怎么把投机客最大限度从市场上排除。

耐用品理论

耐用品（Durable Goods）指不易耗损、可长期使用商品。消费上，购买行为慎重且次数少，而且使用寿命长。从这点来看，符合实体乃至电子化同人商品的特征，无论是被印刷的书籍，CD，还是工厂印制的谷子，亚克力制品，其都是可供高度长期使用的。此外，耐用品的核心特征是能持续不断地提供效用。同人商品提供的是情绪服务流。哪怕是放在书架上，它每天都能提供陪伴感乃至身份认同的效用。

由于多数消费者（尤其是学生或刚入职场的年轻人）的预算是固定的而且偏少的。当期买了这个作品，就意味着接下来逛展或者看通贩的时候买不了别的作品了。这种效应使得消费者在下单前一般会深思熟虑。

耐用品派生的二手市场已经有成熟的模型来建模：

假设一个两期模型（$t=0$ 为首发期，$t=1$ 为二手期）。消费者对某件同人商品的消费效用为 $v$。时间折旧率为 $\delta \in (0, 1)$。

消费者在 $t=0$ 时刻面临两个选择：

买一手： 当期支付 $p_0$ 获得效用，且预期在 $t=1$ 期有 $\pi_s$ 的概率以二手价 $p_1$ 卖出。

$$ U_{new} = v - p_0 + \delta \cdot \pi_s \cdot \mathbb{E}_0[p_1] $$
做等等党： 当期不消费，预期在 $t=1$ 期以二手价 $p_1$ 买入。

$$ U_{wait} = \delta \left( v - \mathbb{E}_0[p_1] \right) $$

这样看，购买同人商品，本质上是购买了该商品的使用效用 + 一个期权（未来以二手价卖出的权利）。

消费者愿意在一手市场购买，必须同时满足：

条件一（买得起）：$U_{new} \ge 0 \implies p_0 \le v + \delta \pi_s \mathbb{E}_0[p_1]$
条件二（比等二手划算）：$U_{new} \ge U_{wait}$

将两式联立并化简，我们得到一手商品定价的理论上限 $p_0^*$（即经典耐用品定价方程）：

$$ p_0 \le \underbrace{(1-\delta)v}_{\text{提前享受的溢价}} + \underbrace{\delta (1+\pi_s) \mathbb{E}0[p_1]}{\text{二手预期的总效应}} \equiv p_0^* $$

二手价格预期 $\mathbb{E}_0[p_1]$ 在方程右侧。它到底是扩大了一手商品定价空间，还是压缩了一手定价商品空间，取决于接下来的分析。

无套利约束和定价突变

在真实的二手市场中，一般一手市场存在的情况，无套利原则（No-Arbitrage Principle）就会强制二手价格锚定一手定价。二手商品在 $t=1$ 期的实际成交价 $p_1$，取决于一手市场的状态。我们定义一个状态变量 $S_t \in {\mathrm{Open},\mathrm{Closed}}$：

$S_t = \mathrm{Open}$：一手市场仍在开放（通贩场贩中或者可轻易买到替代品）。
$S_t = \mathrm{Closed}$：一手市场彻底关闭（绝版/限售结束）。

消费者在 $t=0$ 期对未来二手价格的期望 $\mathbb{E}_0[p_1]$，实际上是对这两种状态的概率加权期望：

$$ \mathbb{E}0[p_1] = \left(1 - \rho{\mathrm{close}}\right) \cdot \mathbb{E}0[p_1 \mid \mathrm{Open}] + \rho{\mathrm{close}} \cdot \mathbb{E}_0[p_1 \mid \mathrm{Closed}] $$

$\rho_{\mathrm{close}} $：消费者预期在一手市场关闭（绝版）的概率。这对应了第一章新古典建模中中创作者的热情耗尽或现实退出概率 $P_{\mathrm{Exit}}$。

接下来，我们分别剖析这两种状态下的定价逻辑。

当一手市场持续供货，或者存在完美的平替时，市场处于消费品状态。

1. 无套利上限约束（No-Arbitrage Bound）

金融学的无套利原则规定，如果消费者能以一手原价 $p_0$ 随时买到全新商品，那么二手市场的成交价绝不可能超过 $p_0$。

2. 定价方程

二手价格牢牢锚定一手价格 $p_0$，并扣除交易摩擦（$d \in (0,1)$）：

$$ \mathbb{E}_0[p_1 \mid \mathrm{Open}] = (1 - d) \cdot p_0 $$

在这个状态下， 供给大、替代品多的二手市场一般是打骨折出物的市场。

而当商品在一手市场彻底绝版的时候，无套利上限被打破，商品正式发生相变，进入金融资产状态。

此时，价格不再受成本或创作者 $p_0$ 约束，而是由市场中边际买家的最高支付意愿和投机泡沫决定。

我们引入金融定价方程

在这个状态下，创作者的声誉映射。定价公式变为：

$$ \mathbb{E}0[p_1 \mid \mathrm{Closed}] = \underbrace{F}{\text{基础定价}} + \underbrace{B}_{\text{理性泡沫}} $$

这里的基础定价略微复杂，我们分章进行阐述。

富有声誉的创作者退坑被视作看涨期权

经济学中的韦伯仑商品是指价格越高，反而越能彰显身份，从而需求越大的商品。这点在网络演化与跨国竞争这一篇论述中有所提及。当时的韦伯仑商品是一种概念塑造的结果，而这里更多的是客观稀缺性造成的结果。当商品被稀缺性塑造得时候，大多数人购买它的动机将不再是基于内容消费（无论是观看内容或者是观赏画风）的动机，这是因为能形成稀缺性的商品，其创作者本身的声誉已经足够大，以至于其内容基本已经被众人所熟知，其内容消费的效用已经衰退到不再能和新制品的内容消费效用相提并论。

我们根据第一章建模，可以知道声誉 $\theta_i$ 是随时间波动的。但当某件特定商品绝版后，它身上的声誉因子就不再是“创作者当下的名气”，而是转化为这件商品在整个同人圈历史中的正典地位。塔勒布提出的林迪效应指出，对于耐用品，它已经存在的时间越长，预期它继续存活的时间就越长。

例如，我们有一副绝版海景房在 3 年后依然被圈内人津津乐道，它就跨越了当期热度，变成了圣遗物。此时的声誉会脱离创作者本人的日常波动，变成一个预期常量$ \theta $，这使得其获得了一定的抗跌性。但是常量$ \theta $ 是基于当期预期的，因此需要使其随机变量化：

例如，在 $t=0$ 时刻，消费者观察到创作者当期的声誉 $ \theta_0 $ 以及其产出状态。对于 $t=1$ 期的声誉 $\theta_1$，市场面临一个离散的状态空间。结合第一章新古典模型中的创作者退出机制，我们可以将 $\theta_1$ 拆解为三种概率状态：

状态 1：平稳延续（概率为 $ 1 - \rho_{\mathrm{exit}} - p_{\mathrm{collapse}} $）

创作者继续活跃，继续产出。此时声誉 $ \theta_1 $ 继续随日常的曝光和新作波动。

其条件期望为 $\mathbb{E}_0[\theta_1 \mid \text{Active}]$，面临一定声誉崩塌风险。

状态 2：体面停更（概率为 $\rho_{\mathrm{exit}}$）

创作者因为热情耗竭或现实太忙（以及其它原因也是可能的）而选择停止更新，且没有爆出任何丑闻。

只有在这个状态下，声誉才会完成突变，固化为常量 $\bar{\theta}$。

状态 3：声誉塌房（概率为 $p_{\mathrm{collapse}}$）

创作者因为争议等恶性事件主动或者被动退圈。声誉被瞬间摧毁。或者是整个圈子遭受外生冲击发生的结构性塌陷。

此时 $\theta_1 \to 0$。

将上述状态合并，消费者在 $t=0$ 时刻对下一期声誉的数学期望，是一个严格的概率加权和：

$$ \mathbb{E}0[\theta_1] = \underbrace{(1 - \rho{\mathrm{exit}} - p_{\mathrm{collapse}}) \cdot \mathbb{E}0[\theta_1 \mid \text{Active}]}{\text{日常预期}} + \underbrace{\rho_{\mathrm{exit}} \cdot \bar{\theta}}{\text{常量预期}} + \underbrace{p{\mathrm{collapse}} \cdot 0}_{\text{归零风险}} $$

看涨期权是指在协议规定的有效期内，协议持有人按规定的价格和数量购进商品的权利。期权购买者购进这种买进期权，是因为他对商品价格看涨，将来可获利。因此，创作者平稳退坑的随机事件从金融商品的定义上，定义为看涨期权。

针对这样的观察，我们参考股息贴现模型（Dividend Discount Model, DDM, Gordon 1959）并结合消费资本资产定价模型（CCAPM, Lucas 1978）设定在 $t$ 时刻，一件稀缺二手同人制品对于某个效用函数为 $ \lambda $ 的人基础价值为

$$ F_t = \sum_{k=1}^{\infty} \frac{ \mathbb{E}t [\lambda(\tilde{\theta}{t+k})] }{\bar{Q}(1+R)^k} $$

其中$R$为贴现因子,稀缺性$\bar{Q}$被定义为发行量。引入无穷级数的原因是，在经典金融学中，任何资产的价格都应该等于其未来能产生的所有现金流的折现总和。

对于同人周边这种不会凭空产生金钱的实物资产，它的股息是消费者持有它时，源源不断获得的韦伯仑情绪价值、审美愉悦和圈内社交资本。同时他还存在声誉的风险。

我们可以使用递归算法：当期价值 = 下一期的期望红利贴现 + 下一期资产本身价值的期望贴现：

$$ F_{\mathrm{active}} = \frac{1}{1+R} \left[ \frac{\lambda(\theta_{\mathrm{active}})}{\bar{Q}} + \mathbb{E}t [F{t+1}] \right] $$

将下一期可能出现的三种状态的资产价值代入 $\mathbb{E}t [F{t+1}]$：

如果继续活跃：价值仍为 $F_{\mathrm{active}}$。
如果塌房：价值为 $ 0$。
如果体面停更： 资产变成无风险的永续债券，其价值固定为 $ \bar{F} = \frac{\lambda(\bar{\theta})}{\bar{Q} \cdot R} $。

将概率代入展开：

$$ F_{\mathrm{active}} = \frac{1}{1+R} \left[ \frac{\lambda(\theta_{\mathrm{active}})}{\bar{Q}} + (1 - \rho_{\mathrm{exit}} - p_{\mathrm{collapse}}) F_{\mathrm{active}} + \rho_{exit} \bar{F} + p_{\mathrm{collapse}} \cdot 0 \right] $$

经过简单的代数移项与合并同类项，我们解出了当期买家愿意支付的真实基础底价：

$$ F = \frac{ \frac{\lambda(\theta_{\mathrm{active}})}{\bar{Q}} + \rho_{\mathrm{exit}} \cdot \bar{F} }{ R + \rho_{\mathrm{exit}} + p_{\mathrm{collapse}} } $$

标准泡沫价格的鞅过程

Blanchard 和 Watson 在数学上证明了，参与泡沫博弈是完全理性的。前提是，这个泡沫的膨胀速度必须满足一个 鞅过程（Martingale Process） ：

$$ B_t = \frac{1}{1+r} \mathbb{E}t[B{t+1}] $$

什么是鞅过程与理性泡沫

假设我们带着 100 元去赌场，玩一个掷硬币的游戏：正面赢 10 元，反面输 10 元。因为硬币是公平的（正反面概率各 50%），所以玩完下一局后，手里资金的期望值是多少？

答案依然是 100 元，因为数学期望就是按概率计算的 $ 100 + 0.5 \times 10 - 0.5 \times 10 = 100$ 。

在数学上，鞅过程被定义为一个变量未来的期望值，严丝合缝地等于它现在的当前值。它意味着市场是公平的，没有可预测的套利空间，当前看到的价格，就是对未来最合理的预测。

但在真实的经济世界中，资金是有时间成本的。可以想象，有人今天花 5000 元买了一个海景房同人制品，它实际上放弃了把这 5000 元存进银行拿无风险利息的机会。

因此，为了让买家觉得这笔买卖不亏以及维持鞅的公平性，这个泡沫资产的预期价格必须以 $(1+r)$ 的复利速度增长来补偿买家的时间成本。这就得出了理性泡沫的核心方程：

$$ \mathbb{E}t[B{t+1}] = (1+r)B_t $$

这就是一个带有收益率补偿的鞅过程。

引入马尔可夫过程的泡沫价格

在当期（创作者依然活跃时），泡沫 $B_{\mathrm{active}, t}$ 必须满足无套利方程的齐次部分：

$$ B_{\mathrm{active}, t} = \frac{1}{1+R} \mathbb{E}t [B{t+1}] $$

泡沫 $ B_{t+1} $ 也会根据创作者的状态发生突变，这体现在：

继续活跃 ：泡沫继续维持为 $ B_{\mathrm{active}, t+1} $（概率 $ 1 - \rho_{\mathrm{exit}} - p_{\mathrm{collapse}} $）。
体面停更 ：泡沫安全着陆，转变为退出后的泡沫 $ B_{\mathrm{exit}, t+1} $（概率 $\rho_{\mathrm{exit}}$）。
塌房：资产归零，泡沫破裂，变为 $ 0 $（概率 $ p_{\mathrm{collapse}} $）。

将这三个状态代入期望算子展开：

$$ B_{\mathrm{active}, t} = \frac{1}{1+R} \left[ (1 - \rho_{\mathrm{exit}} - p_{\mathrm{collapse}}) \mathbb{E}t[B{\mathrm{active}, t+1}] + \rho_{\mathrm{exit}} \mathbb{E}t[B{\mathrm{exit}, t+1}] + p_{\mathrm{collapse}} \cdot 0 \right] $$

解出当期存在的制品二手泡沫 $\mathbb{E}t[B{\mathrm{active}, t+1}]$：

$$ \mathbb{E}t[B{\mathrm{active}, t+1}] = \underbrace{\frac{1+R}{1 - \rho_{\mathrm{exit}} - p_{\mathrm{collapse}}} \cdot B_{\mathrm{active}, t}}{\text{高风险项}} - \underbrace{\frac{\rho{\mathrm{exit}}}{1 - \rho_{\mathrm{exit}} - p_{\mathrm{collapse}}} \cdot \mathbb{E}t[B{\mathrm{exit}, t+1}]}_{\text{泡沫补贴}} $$

投机客与普通消费者的异质性

在真实的二手同人市场中，不可能所有人对同人制品感兴趣。如果把买家全部视为普通消费者，就无法解释市场上存在的逐利人士。因此我们将市场参与者严格切割为两类：纯粹消费者和金融投机者。对于普通消费者来说，他们在两期模型里更关注单纯的贴现带来的补偿效应。而对于金融投机客来说，他们更关注泡沫的贴现增值。

由于普通消费者是风险不敏感的，因此二手品的性质更倾向于两方面，如果二手品仍然在一手市场存在，其价格是围绕一手价格的折旧保值，另一方面是由于对泡沫的非意识效应 ，稀缺二手商品将会退化为 永续债券，他们被动吃到了贴现的红利。

永续债券（Perpetual Bond）是一种无明确到期日、不强制归还本金但需定期支付利息的混合资本证券，投资者持有该债券可长期获得利息。

从耐用品理论的论述来看，二手商品的溢价，由于其性质，无论是否是普通消费者，或者金融投机客，他们都受到了来自远期价格的贴现。因此我们可以基于修正消费者理论的斯勒茨基分解来分析对于A类制品和B类制品的外生冲击。

普通消费者——基于斯勒茨基分解的二手市场冲击效应

二手商品是一手商品的完美或不完美替代品，很容易理解，八成新的二手商品效用可能和全新的一手商品效用几乎是一样的。从朴素的理解上来看，如果一手商品和二手商品长期大量在市场上流通，二手市场的存在会压低一手市场的清算价格，蚕食生产者的利润。

但在同人市场，由于我们存在两类异质性商品，二手市场实际上深度参与了消费者在一手市场时的预算分配决策。我们可以将二手市场视作一个跨期预算调节器，它会直接改变纯粹消费者对 A 类和 B 类商品的真实感知价格。

前情提要——自效应分析

A类复合商品 ($Q_H$) 一般代指同人本、同人音乐专辑等内容向创作物品

B类复合商品 ($Q_L$) 一般代指钥匙扣、徽章等表象类创作物品

当商品的价格 $p$ 变动时，对商品 $Q^*$ 的总效应可分解为三项：

$$ \frac{\partial Q^}{\partial p} = \underbrace{\frac{\partial \tilde{h}}{\partial p}}_{\text{(I) 替代效应}} - \underbrace{\tilde{Q}^ \cdot \frac{\partial \tilde{Q}^}{\partial m^s}}_{\text{(II) 超量收入效应}} - \underbrace{\gamma \cdot \frac{\partial \tilde{Q}^}{\partial m^s}}_{\text{(III) 承诺消费收入效应}} $$

其中 $\tilde{h}$ 为超量消费（非承诺消费）的希克斯需求，$m^s$是超量收入（剔除掉承诺收入之后余下的收入）。

二手市场的负面影响：同质化替代与底层需求流失

二手市场对一手创作者最直接的伤害，体现在纯粹的替代效应对初级市场份额的蚕食上。这在 B 类商品中表现得尤为致命。

希克斯替代效应主导的“底层替代”

在模型的子层CES聚合中，B 类市场的特征是替代弹性高（$\rho_L \to 1$），产品高度同质化。

二手市场本质上提供了一个价格更低，并且相对于一手市场原作品的完美替代品（$p_{L, \mathrm{2nd}} < p_{L, \mathrm{1st}}$）。根据斯勒茨基分解的项 (I) 替代效应：在保持效用不变的前提下，消费者必然将超量消费从高价的一手商品转向低价的二手商品。

承诺消费（$\gamma_L$）容易被二手市场承包

模型指出，消费者对 B 类商品存在基线承诺消费 $\gamma_L$ 。

当消费者为了满足这部分刚性消费的 $\gamma_L$ 而去购买低价的二手谷子时，一手创作者就失去了这部分最稳定的底线需求。因为二手商品同样能提供陪伴和展示的效用，二手市场的存在使得一手 B 类创作者连维持零利润的基准销量都比较难以达到。

正面影响：有效价格下降与超量预算释放

对于 A 类创作者而言，二手市场的存在不仅不构成单纯的替代，反而通过重塑斯勒茨基方程中的各项，产生输血效应。

预期转售价值引发的顺向替代效应

虽然二手市场提供了 A 类旧作品，但它赋予了 A 类新作可转售性。根据之前的论述，如果消费者预期购买的 A 类一手商品未来可以高价卖出，其有效自价格实际上是大幅下降的。

代入自价格效应的三重分解：

$$ \frac{\partial Q_H^*}{\partial p_H} = \underbrace{\frac{\partial \tilde{h}H}{\partial p_H}}{\text{(I) 替代效应}} - \text{(II)} - \text{(III)} $$

当价格下降时，项 (I) 替代效应会促使消费者在分配超量预算时，系统性地将消费向 A 类倾斜（放弃购买 B 类，转而购买更多 A 类）。二手市场的高保值率，通过替代效应增强了一手 A 类商品的绝对竞争力。

二手回血对冲承诺消费挤压（项 III）

斯勒茨基分解揭示了当面临负向预算冲击时，低收入消费者会因为承诺消费收入效应（项 III）受到挤压，导致超量预算 $m^s$ 枯竭，甚至被迫全面缩减。

二手市场可以通过下述过程缓解这个问题

消费者可以通过出售过去的闲置商品来回血，这在数学上等同于一次预期的正向收入冲击。这类过程经常发生在换坑或者偏好作品的结构性变化。
根据模型对正向冲击的分解，新增的收入会全部进入超量预算 $\Delta m^s$，并按$(\beta_H, \beta_L)$ 分配。
这笔通过二手市场释放出来的超量预算，绝大部分会通过正向收入效应转化为对消费者偏好转移后的新作的购买力。实证显示，大多数消费者无论是经历了偏好转移还是目前处在偏好稳定期，都略微偏好于A类作品。因此在预期上，A类商品能够获得一个期望消费。

交叉替代效应的阻断

如果没有二手市场，当 B 类周边价格 $p_L$ 上涨时，承诺交叉收入效应会拖拽 A 类的销量（使两者表现为宏观上的互补品）。

由于二手市场的存在，消费者能够以极低的成本满足对 B 类的承诺消费 $ \gamma_L $，从而避免了 $ p_L $ 上涨对预算的侵噬。这就切断了 B 类对 A 类的负向拖拽，维持了一手 A 类创作者的销量。

金融投机客与海景房

普通消费者买同人制品是为了摆阵、欣赏、获得情绪陪伴。他们极少考虑卖出。因此，在他们的估值模型中，没有意识任何转售预期的泡沫项。

他们对这件商品的最高支付意愿，仅仅等于纯粹的基础消费价值 $F$：

$$ V_F = F $$

F 型的决策： 只要市场价格 $P \le V_F$，消费者就买；一旦 $P > V_F$，消费者就觉得不值，直接放弃参与交易，这类消费者也会觉得进行倒卖的成本高过他们长期持有的效用，毕竟卖东西也有成本。

金融投机客买入的主要目的就是为了在 $t+N$ 期以更高的价格抛售。他们的估值模型是我们之前推导出的全量金融定价：

$$ V_S = F + B $$

S 型的决策： 只要存在套利空间和“下一个接盘侠”的预期，他们的支付意愿 $V_S$ 会远远高于 $F$。

基于心理预期定价的挤出效应

将这两类人放在同一个市场里抢有限的供给 $\bar{Q}$，很明显，我们会发生“挤出效应”（Crowding Out Effect）。

假设创作者良心定价，一手首发价 $p_0$ 比较低（$p_0 < V_F < V_S$）。

此时，真粉和投机客都想买。但是，因为投机客看到了背后的泡沫 $B$ 价值，他们的预期收益极高，因此他们愿意投入雇用大量人手来垄断一手市场的流动性，这种现象常常在Comiket观察到，他们甚至还会申请影子摊位来提前获得稀缺的一手商品。

因此有相当一部分供给 $\bar{Q}$ 被 S 型主体利用技术或资金优势瞬间清空。真实消费者在一手市场买不到自己想要的东西。

而当投机者囤货后，在二手市场挂出高价。此时，定价权掌握在投机客手里。因为投机客的估值是 $V_S = F + B$，他们挂出的价格必然远高于 $F$，统计来看趋向于有泡沫贴现的溢价。此时真正的消费者来到二手市场，看到价格，只能又无奈退出市场。既然真粉不买了，二手市场上还在交易的，基本上全是其他 S 型投机客，以及部分被迫接盘的焦虑粉丝

金融投机客对泡沫的响应

由章节无套利约束和定价突变论证，二手市场的稀缺品价格其实不由供需关系决定。 而金融投机客最看重的是泡沫定价。重新回到递归的泡沫定价式，可以观察到

注意高风险项的第一项，它的乘数为 $\frac{1+R}{1 - \rho_{\mathrm{exit}} - p_{\mathrm{collapse}}}$。因为分母小于 1，这意味着这个乘数远远大于1+R 。

只要创作者还在活跃，明天就有塌房的风险。为了补偿这个随时可能归零的风险，当期的泡沫必须以 远超正常利率的速度疯狂飙升，才能留住今天的接盘消费者。另外可以观察到，如果富有声誉创作者越容易惹大事（$p_{\mathrm{collapse}}$ 高），其二手制品在未塌房前涨得就越疯。

观察到第二项，如果市场预期这位创作者快要体面退坑了（概率 $\rho_{\mathrm{exit}}$ 很高），且退坑后这件商品依然会有巨大的泡沫（$B_{\mathrm{exit}}$很大），当期活跃泡沫的逼空上涨压力反而会变小。由于未来的退役信号提前补贴了当期的接盘人。接盘人不需要当期的价格涨得那么疯来补偿风险，因为他们知道只要熬到创作者退圈，他就彻底安全发财了。

此外，模型也解释了为什么有的创作者明明当期作品水准下降了变小，但二手价格却在狂飙的怪异现象。

因为投机客敏锐地察觉到，也许创作者身心俱疲，快要退坑了。退出概率 $\rho_{exit}$ 变大，这个看涨期权的价值就会暴涨，直接拉升整体的基础定价 $F $。所以投机客买的不是当期的画册，而是押注创作者明天就宣布封笔，从而跃迁到天价的期权兑现价格。

总的来说，投机客在支付溢价时，其实是在同时交易两份金融合约。第一份是一份永续的看涨期权，押注创作者最终走向体面停更的终局。第二份则是一份隐藏的信用违约互换的卖方头寸。由于投机客视作自己持有资产，实际上承担了创作者声誉违约的全部风险。在传统的债券市场中，承担违约风险需要获得相应的风险溢价补偿。在同人市场中，这种补偿体现为在创作者未塌房的活跃期内，二级市场的泡沫价格必须以包含违约概率的复合速度膨胀，以此对冲随时可能导致价值归零的风险。

创作者和消费者对投机客的反击

由于投机客天然在市场上挤兑一般消费者，并且其利益是创造稀缺性并且从稀缺性中获利的，因此朴素地说，他们认为只有死去的创作者才是好的创作者。因此为了有效率的市场配置，市场主体想必需要通过一些方法把投机客排除在外。

创作者充分供给

总的来说，从创作者的维度来看，干预供给预期是改变定价结构的首要途径。投机客愿意支付首发价格并持有资产，其核心前提是预期未来的制品供应量被严格锁定。当创作者在首发阶段采取不设上限的供应模式时，实际上是在初始阶段放开了这个限制。

这种操作使得投机客无法准确评估市场存量，进而在预期未来的二级市场时，必须将其他投机客之间的价格竞争纳入考量。预期的价格竞争会显著降低商品未来的预期售价，使得泡沫项在数学期望上趋近于零或负值，从而抑制投机客在一手市场的购买意愿。

定制化自己的艺术作品

除了调节供应量，创作者还可以通过干预资产的流通属性来抑制投机行为。商品在二级市场作为金融资产流通时，其价值高度依赖于状态信息的完整性与可替代性。当创作者要求在商品上附加购买者的唯一标识时（比如To签，限定铭刻），这一机制直接降低了该商品在二次转移时的品相。

对于仅关注情感陪伴效用的消费者而言，该因子的变动不仅无损甚至可能增加其基础价值；但对于需要将商品转售的投机客而言，流通因子的降低会使其持有的资产价值出现断崖式下跌，从而切断了泡沫在消费者之间传递的可能。

用高价定金排除在外

创作者同样可以通过增加时间与摩擦成本来改变投机客的净现值。在基础价值的贴现公式中，贴现率不仅包含资金的资金成本，也包含了风险补偿。

例如，当创作者延长预售期并设定不可退还的高比例定金时，这极大地提高了投机客的资金占用成本。同时，较长的时间窗口增加了创作者发生声誉波动等状态转移的概率，使得投机型主体需要承担更高的风险敞口。

发行极低成本的电子版

创作者还可以通过对效用进行结构性剥离来优化市场分布。基础价值中的日常效用与作为稀缺性溢价的社交效用是可以分离的。通过提供仅包含内容且生产成本极低的平行版本（例如实体版和电子版本同时发放），创作者满足了真实消费者的核心需求。

当这部分消费者以较低成本获取了日常效用后，他们对高溢价商品的支付意愿会随之下降，从而退出二级市场的竞价序列。这导致投机型主体在寻求转售时，面临的潜在买家基数大幅减少，进一步增加了泡沫破裂的概率。

转移泡沫溢价到自身

当然，创作者也可以通过设定不同定价梯度的产品版本，使用价格歧视的方式，直接在首发阶段吸收预期的泡沫溢价，将投机主体预期获取的差价转化为创作者自身的收入。

消费者拒绝接盘

对于消费者而言，可以通过严格区分内容效用与稀缺性效用，拒绝接盘。通过选择替代性的低成本获取渠道（比如电子版消费），消费者能够维持自身的基础效用，同时避免将个人的预算转化为投机型主体的利润。

在时间维度上，基于我们先前提到的马尔可夫状态转移模型，随着时间推移，创作者产出替代品或发生声誉受损的累积概率会逐渐增加。消费型主体通过延迟购买决策，能够利用这种概率演进带来的预期价值回落，在泡沫因缺乏新的资金流入破裂后，以接近基础价值的价格完成交易。

熟人交易是一种非常优质的方式

消费者还可以通过改变交易环境来规避信息不对称带来的溢价。在公开的二级市场中，定价权往往由投机型主体主导。消费型主体可以转移至由纯粹的消费型个体组成的小圈子中进行交易。在这种网络内，消费者的支付意愿均基于基础价值模型，使得交易价格能够真实反映商品的使用效用。

做创作者的天使投资人

此外，消费型主体可以在创作者声誉积累的早期阶段，利用其提供的高信息披露度，在市场尚未形成普遍的高声誉预期及随之而来的泡沫前，以接近生产成本的首发价格完成购买，从而在获取商品效用的同时，规避后期由声誉固化带来的溢价成本，可以看作为一种天使投资人的实现。

同人市场分析(6)——基于实证的消费者模型修正

Fri, 20 Mar 2026 00:00:00 GMT

在我们第一章的朴素新古典建模当中，对于消费者，我们引入了一个CES函数（Constant elasticity of substitution）的效用函数模型。但是CES效用函数存在一个问题，它的效用偏好是位似的（homothetic）。从数学上来看，所有的一次齐次的效用函数都能表示偏好关系是位似的。（当然，位似的偏好不一定都是一次齐次的）

证明CES效用函数隐含位似偏好

假设我们有如下CES效用函数，包含商品$x_1$和$x_2$

$$ U(x_1, x_2) = \left( a x_1^{\rho} + b x_2^{\rho} \right)^{\frac{1}{\rho}} $$

如果两个商品同时增加n倍，容易得到:

$$ U(nx_1, nx_2) = \left( a n^{\rho} x_1^{\rho} + b n^{\rho} x_2^{\rho} \right)^{\frac{1}{\rho}} = n \left( a x_1^{\rho} + b x_2^{\rho} \right)^{\frac{1}{\rho}} = n U(x_1, x_2)$$

得以证明CES效用函数（包含柯布道格拉斯效用函数，列昂惕夫效用函数，线性效用函数）是一次齐次的。

这意味着预算份额不随收入变化，所有商品收入弹性恒等于1，并且恩格尔曲线呈现线性。但是实证数据明确否定了这一假设：

A类收入弹性 $\approx 1.06$（奢侈品），B类收入弹性 $\approx 0.92$（必需品），两者显著偏离1
边际消费倾向 $MPC_A$ 随收入呈倒U型变化，并非是恒定

承诺消费与自我认同

我们观察到参与同人市场消费的主体必然有保留的承诺消费，这类承诺消费有可能来自于新部落主义（Neo-Tribalism）与社交货币。在现代社会，传统的血缘和地缘关系解体，人们基于共同的情感、审美和爱好重新结成“情感部落”。在这类部落中，消费品充当了社会资本和入场券。购买社群内的产出，一部分是满足自己的情感需求，另一部分获取群体认同的必要条件，例如和社区有共同话题，有谈资。除非彻底离开同人市场消费，否则其确实存在一定的承诺消费性质。

英国经济学家 Richard Stone 和 Roy Geary 最早提出了带有承诺消费/生存底线的Stone-Geary型效用函数，其基本形式是对数/柯布-道格拉斯形式的：$U = \sum \beta_i \ln(q_i - \gamma_i)$。但是这类效用函数的对数形式使得强制替代弹性为 1，这是不符合实际观察的。Murray Brown 和 Dale Heien观察到这一点，并在1972年的文章《The S-Branch Utility Tree: A Generalization of the Linear Expenditure System》中引入了S-Branch效用树。

因此，我们在标准CES的基础上引入承诺消费量（committed consumption），参考S-Branch效用树的形式，将其修正为非位似的Translated CES。

一、顶层效用：非位似偏好（Translated CES）

1.1 效用函数

消费者现在面对一个产品组合：

A类复合商品 ($Q_H$) (如同人本、同人音乐专辑等)。

B类复合商品 ($Q_L$) (如钥匙扣、徽章等)。

$y$: 其他所有商品（外部计价物，价格标准化为1）

$Q_H$ 和 $Q_L$ 不是单一商品，而是由所有同人内容生产者 ($i \in N$) 提供的产品聚合而成的复合商品。

$$Q_H = \left( \sum_{i=1}^{N_H} \alpha_{H,i}(t) \cdot (q_{H,i})^{\rho_H} \right)^{\frac{1}{\rho_H}}$$

$$Q_L = \left( \sum_{j=1}^{N_L} \alpha_{L,j}(t) \cdot (q_{L,j})^{\rho_L} \right)^{\frac{1}{\rho_L}}$$

$\rho_H$ 决定了A类创作者彼此之间的替代弹性 $\sigma_H = 1/(1-\rho_H)$。

$\rho_L$ 决定了B类创作者彼此之间的替代弹性 $\sigma_L = 1/(1-\rho_L)$。

注意：子层CES的位似性是合理的，它描述的是"在已决定投入A类的预算中，如何在不同创作者之间分配"，这一层面收入效应的影响较弱，品种替代是主要驱动力。可以合理地推断，高同质的单一子商品是替代的，异质性的单一子商品可能是互补的。

消费者的总效用 $U$ 由A复合商品 ($Q_H$)、B复合商品 ($Q_L$) 和外部商品 ($y$) 共同决定：

$$U = \left( \beta_H \cdot (Q_H - \gamma_H)^{\rho_T} + \beta_L \cdot (Q_L - \gamma_L)^{\rho_T} \right)^{\frac{1}{\rho_T}} + y$$

其中：

$\gamma_H \geq 0$: A类承诺消费量，消费者无论预算如何变动都会优先保障的A类商品底线需求。

$\gamma_L \geq 0$: B类承诺消费量，消费者维持的B类商品消费需求。

$\beta_H, \beta_L > 0$, $\beta_H + \beta_L = 1$: 超量收入（supernumerary income）在A/B之间的分配权重。实证约束 $\beta_H \approx 0.72$。

$\rho_T \in (-\infty, 1)$, $\rho_T \neq 0$: 决定A/B之间的替代弹性 $\sigma_T = \frac{1}{1-\rho_T}$。实证中收入下降对于A类同人制品来讲远低于，提示A与B之间替代弹性较低（$\sigma_T < 1$, $\rho_T < 0$），两者更接近互补品而非替代品。

1.2 预算约束与需求函数

消费者面临预算约束：

$$p_H Q_H + p_L Q_L + y = m$$

其中 $m$ 为总收入（月可支配休闲资金），$p_H$、$p_L$ 为A/B复合商品的价格指数。

定义超量收入（supernumerary income）：

$$m^s = m - p_H \gamma_H - p_L \gamma_L$$

即扣除承诺消费支出后的可自由分配收入。

最优需求为：

$$Q_H^* = \gamma_H + \frac{\beta_H^{\sigma_T} , p_H^{-\sigma_T}}{\beta_H^{\sigma_T} , p_H^{1-\sigma_T} + \beta_L^{\sigma_T} , p_L^{1-\sigma_T}} \cdot m^s$$

$$Q_L^* = \gamma_L + \frac{\beta_L^{\sigma_T} , p_L^{-\sigma_T}}{\beta_H^{\sigma_T} , p_H^{1-\sigma_T} + \beta_L^{\sigma_T} , p_L^{1-\sigma_T}} \cdot m^s$$

$$y^* = m - p_H Q_H^* - p_L Q_L^*$$

1.3 非位似性质

该效用函数的关键性质：

收入弹性偏离1：

$$\varepsilon_H = \frac{m}{p_H Q_H^} \cdot \frac{\partial Q_H^}{\partial m} = \frac{m^s / m}{1 - \frac{\gamma_H}{Q_H^*}(1 - m^s/m)^{-1}} \neq 1$$

当 $\gamma_L / Q_L^* > \gamma_H / Q_H^*$ 时，$\varepsilon_H > 1$（A为奢侈品），$\varepsilon_L < 1$（B为必需品）。这个结论与实证一致。

预算份额随收入变化：

A类预算份额 $w_H = p_H Q_H^* / m$ 随收入 $m$ 增大而上升（因超量收入的A分配权重 $\beta_H > \beta_L$），低收入时被B类制品的 $\gamma_L$ 的承诺支出挤占。

预算收缩时的不对称响应：

当 $m$ 下降，超量收入 $m^s$ 先被压缩。由于 $\beta_H > \beta_L$，A类超量消费绝对值下降更多，但 $\gamma_H$ 保障了A类消费的底线。当 $m^s$ 接近0时，消费者趋向于承诺消费量较大的一方。从统计学上来看，大家更保留A类制品的承诺消费。

二、偏好动态：习惯积累与声誉

消费者对特定创作者 $i$ 的偏好 $\alpha_i(t)$ 是"习惯"的积累。它主要取决于上期偏好 $\alpha_i(t-1)$，并受创作者声誉 $f(\theta_i(t))$ 的影响。

偏好状态更新方程：

$$\alpha_i(t) = \lambda \cdot \alpha_i(t-1) + (1-\lambda) \cdot f(\theta_i(t))$$

$\lambda \in (0,1)$: 习惯持续性参数。$\lambda$ 越大，消费者偏好越具有惯性，声誉变化对偏好的冲击越小。

$f(\theta_i(t))$: 声誉映射函数，将创作者 $i$ 在 $t$ 期的声誉存量 $\theta_i(t)$ 转化为偏好权重。

该动态方程与顶层非位似结构无关，因为习惯积累更倾向于决定在某一类商品中选择哪位创作者。

三、市场地形与消费者异质性

效用函数的结构，尤其是子层CES中的声誉门槛 $\alpha_i(t)$ 和顶层Translated CES中的承诺消费 $\gamma_H, \gamma_L$，共同塑造了两个截然不同的市场地形。

3.1 供给侧：双边市场

A类制品的同人市场

准入条件：消费者的 $\alpha_{H,i} > 0$，即生产者必须拥有声誉 $\theta_i > 0$ 才能进入。

经济特征：需求受对A类的承诺消费 $\gamma_H$ 托底，即使消费者整体收入有所下降，$\gamma_H$ 部分的需求不会消失。利润 $\pi_i \geq 0$。

实证支持A类市场需求具有刚性。

B类制品的同人市场

准入条件：声誉 $\theta_j \approx 0$ 的生产者只能进入此区域。

数学意义：B类市场内替代弹性高（$\rho_L \to 1$），产品高度同质化。

经济特征：竞争导致 $p_L^* \to C(q_L)$，利润 $\pi_j \leq 0$。

尽管实证上创作者对于替代弹性的竞争体感不高，这可能是由于非利润最大化假设带来的结果，但实际上市场反应类似于伯特兰竞争。

3.2 需求侧：消费者异质性的真实来源

在Translated CES框架下，消费者异质性的真实来源是A类分配权重 $\beta_{H,g}$ 的高低和承诺消费量 $\gamma_{H,g}, \gamma_{L,g}$ 的结构差异，而非 $\rho_T$ 的符号。$\rho_T < 0$，即A与B总体上互补对所有消费者成立。买了同人本的人更倾向顺手买谷子。

群体 I：”A类优先型”

参数特征：$\beta_{H} \approx 0.75$，$\gamma_{H}$ 相对较大。

实证行为模式：

正向收入冲击时49.6%全转A（集中投资）
预算收缩时强烈倾向保留A类制品购买而削减B类制品购买
A类收入弹性1.08，对收入变化更敏感

典型叙事：”有了额外预算就买更好的本子，预算紧张就先不买谷子。”

群体 II：”均衡配置型”

参数特征：$\beta_{H} \approx 0.65$，$\gamma_{L}$ 相对较大。

实证行为模式：

正向收入冲击时38.5% AB都多买 + 36.9%先B后A（分散投资）
A类收入弹性1.01，接近单位弹性
对B类保持较高的基线承诺消费

典型叙事：”有了额外预算，本子和谷子都想买一些；谷子是日常陪伴，不太愿意完全砍掉。”

两类消费者的共同点：

$\rho_T < 0$：A与B均为互补品关系，而并非替代品关系。
$MPC_A > MPC_B$：A类在边际上始终优先
承诺消费 $\gamma_H, \gamma_L > 0$：两类商品都有底线需求

两类消费者的差异点：

	群体 I（A类优先型）	群体 II（均衡配置型）
$\beta_H$	$\approx 0.75$	$\approx 0.65$
$\gamma_L$ 相对大小	小（B类可灵活调整）	大（B类有基线承诺）
收入冲击响应	集中投资A	分散投资A+B
预算收缩响应	砍B保A	全面缩减为主

3.3 对供给侧的含义

A类市场的需求基础来自两个来源：

所有消费者的承诺消费 $\gamma_H$（需求底线，对经济周期波动稳健性高）
超量收入分配 $\beta_H \cdot m^s$（随收入扩张，A类优先型消费者贡献更大）

B类市场的需求结构更复杂：

均衡配置型消费者的较高B类承诺消费 $\gamma_L$ 提供基础需求
A类优先型消费者的B类消费高度弹性，即经济好时作为A的互补品购买，经济差时首先被砍
根据实证数据，约50%的B类售卖者将B类制品定位为A类的配套商品，供给侧也认为B依附于A，大量B类售卖者捕捉到了合理的市场信号。

因此，B类市场的需求波动性高于A类，与零利润/负利润的供给侧特征叠加，使得B类市场成为一个高风险低回报的市场地形。

四、斯勒茨基分解：承诺消费如何重塑价格效应

4.1 分析框架

我们将在同人市场的Translated CES结构下，对 $Q_H$（A类）和 $Q_L$（B类）的同人预算分配问题进行斯勒茨基分解。消费者将同人预算 $m$ 在 A/B 之间分配：

$$\max_{{Q_H, Q_L}} \left( \beta_H (Q_H - \gamma_H)^{\rho_T} + \beta_L (Q_L - \gamma_L)^{\rho_T} \right)^{1/\rho_T} \quad \text{s.t.} \quad p_H Q_H + p_L Q_L = m$$

将总消费分解为承诺部分和超量部分：

$$Q_H^* = \gamma_H + \tilde{Q}_H^, \qquad Q_L^ = \gamma_L + \tilde{Q}_L^*$$

其中超量消费 $\tilde{Q}_H^, \tilde{Q}_L^$ 服从标准CES需求，预算为超量收入 $m^s = m - p_H \gamma_H - p_L \gamma_L$。

这一分解是斯勒茨基分析的关键：承诺消费量 $\gamma$ 的存在使得价格变动的传导机制多出一条路径，即承诺消费对超量预算的挤压。

4.2 自价格效应的三重分解

当 $p_H$ 变动时，对 $Q_H^*$ 的总效应可分解为三项：

$$\frac{\partial Q_H^}{\partial p_H} = \underbrace{\frac{\partial \tilde{h}H}{\partial p_H}}{\text{(I) 替代效应}} - \underbrace{\tilde{Q}_H^ \cdot \frac{\partial \tilde{Q}H^*}{\partial m^s}}{\text{(II) 超量收入效应}} - \underbrace{\gamma_H \cdot \frac{\partial \tilde{Q}H^*}{\partial m^s}}{\text{(III) 承诺消费收入效应}}$$

其中 $\tilde{h}_H$ 为超量消费的希克斯需求。

项 (I)——替代效应： $p_H$ 上升，在效用不变的前提下，消费者将超量消费从 $Q_H$ 转向 $Q_L$。大小由替代弹性 $\sigma_T$ 控制。始终为负（$\partial \tilde{h}_H / \partial p_H < 0$）。

项 (II)——超量收入效应： $p_H$ 上升使消费者为已有的超量消费 $\tilde{Q}_H^$ 支付更多，实际购买力下降 $\tilde{Q}_H^ \cdot \Delta p_H$。这是标准CES中的收入效应。

项 (III)——承诺消费收入效应： $p_H$ 上升时，消费者必须继续购买 $\gamma_H$ 单位的A类商品（底线需求不可压缩），因此额外损失 $\gamma_H \cdot \Delta p_H$ 的超量预算。这一项在标准CES中不存在，是非位似结构（$\gamma > 0$）的直接产物。

总收入效应 = (II) + (III)：

$$-(\tilde{Q}_H^* + \gamma_H) \cdot \frac{\partial \tilde{Q}_H^}{\partial m^s} = -Q_H^ \cdot \frac{\partial Q_H^*}{\partial m}$$

这与标准斯勒茨基方程形式一致，但Translated CES效用函数允许我们追溯收入效应中有多少比例源于承诺消费挤压。

收入水平决定了哪一项主导：

消费者类型	超量收入 $m^s$	项(II)与项(III)的相对大小	价格敏感性
低收入	小，$\tilde{Q}_H^*$ 小	项(III) $\gg$ 项(II)	极高，价格上涨几乎全部通过承诺消费挤压传导
高收入	大，$\tilde{Q}_H^*$ 大	项(II) $\gg$ 项(III)	较低，行为接近标准CES

实证对应：低收入组的 $MPC_A = 0.662$，远低于高收入组的 $MPC_A = 0.882$。低收入消费者的超量预算小，承诺消费占据了预算的大部分，使得价格变动对其冲击更大。

4.3 交叉价格效应的三重分解

当 $p_L$（B类价格）变动时，对 $Q_H^*$（A类需求）的影响：

$$\frac{\partial Q_H^}{\partial p_L} = \underbrace{\frac{\partial \tilde{h}H}{\partial p_L}}{\text{(I) 交叉替代效应}} - \underbrace{\tilde{Q}_L^ \cdot \frac{\partial \tilde{Q}H^*}{\partial m^s}}{\text{(II) 超量交叉收入效应}} - \underbrace{\gamma_L \cdot \frac{\partial \tilde{Q}H^*}{\partial m^s}}{\text{(III) 承诺交叉收入效应}}$$

项 (I) 交叉替代效应： 在两商品模型中，希克斯交叉替代效应始终为正（$\partial \tilde{h}_H / \partial p_L > 0$），即两商品在补偿意义下总是净替代品。这是两商品模型的一般性质，与 $\rho_T$ 的值无关。

项 (II) + (III) 交叉收入效应： 对于正常品（$\partial \tilde{Q}_H^* / \partial m^s > 0$），两项均为负。$p_L$ 上升 → 消费者更穷 → 减少对A的购买。

关键结果——承诺消费放大了"表观互补性"：

马歇尔交叉价格效应的符号取决于项(I)与项(II)+(III)的相对大小：

$$\frac{\partial Q_H^*}{\partial p_L} = \underbrace{(+)}{\text{净替代}} + \underbrace{(-)}{\text{收入效应}} + \underbrace{(-)}_{\text{承诺消费挤压}}$$

当 $\gamma_L$ 足够大时，项(III)的负值足以压过项(I)的正值，使得马歇尔交叉价格效应为负——即A与B表现为总替代品意义下的互补品（gross complements）。

$$\frac{\partial Q_H^}{\partial p_L} < 0 \iff \underbrace{\frac{\partial \tilde{h}H}{\partial p_L}}{(+)} < \underbrace{(\tilde{Q}_L^ + \gamma_L)}_{= Q_L^} \cdot \frac{\partial \tilde{Q}_H^}{\partial m^s}$$

这给出了一个重要的理论洞察：A与B之间的"互补性"并非（或不完全是）源于消费者内在地偏好将它们配套消费（品味互补），而是源于承诺消费对预算的结构性挤压（预算互补）。 B类的承诺消费 $\gamma_L$ 越大，$p_L$ 上涨对A类需求的负向拖拽越强，看起来两者越"互补"。

实证对应：买本子顺便卖谷子的量表认同评分均值6.31，显著高于中性值（$p < 0.0001$）。表面上这是品味互补，但斯勒茨基分解揭示，其中一部分"互补性"来自均衡配置型消费者较高的B类消费承诺 $\gamma_L$，这类群体的谷子承诺消费挤占了同一笔预算，使得A与B的消费量在统计上正相关。

4.4 预算冲击的分解：对称与不对称

正向冲击

我们在问卷里架设了收入增加了大约500元，会导致大家如何配置A类产品和B类产品。根据当前的理论，

$$\Delta m = +500 \implies \Delta m^s = +500$$

承诺消费 $\gamma_H, \gamma_L$ 不变，全部增量进入超量预算，按 $(\beta_H, \beta_L)$ 分配：

$$\Delta Q_H^* = \frac{\beta_H^{\sigma_T} p_H^{-\sigma_T}}{\beta_H^{\sigma_T} p_H^{1-\sigma_T} + \beta_L^{\sigma_T} p_L^{1-\sigma_T}} \cdot 500$$

$$\Delta Q_L^* = \frac{\beta_L^{\sigma_T} p_L^{-\sigma_T}}{\beta_H^{\sigma_T} p_H^{1-\sigma_T} + \beta_L^{\sigma_T} p_L^{1-\sigma_T}} \cdot 500$$

$\Delta Q_H^* / \Delta Q_L^* = (\beta_H / \beta_L)^{\sigma_T} (p_L / p_H)^{\sigma_T}$，在等价格假设（在广义的同人市场下，B类产品的平均价格很可能是和A类产品的平均价格相接近的）下必然大于1，因此有正向冲击的情况下大家都倾向于买A类制品。

负向冲击

当 $\Delta m < 0$ 时，行为取决于 $m^s$ 是否仍为正：

情形 A：$m^s + \Delta m > 0$（超量收入仍有余量）

超量消费等比例收缩，承诺消费不受影响。对应实证中保证A类制品消费的现象，即由于 $\beta_H > \beta_L$，A的超量消费占比更大，但 $\gamma_H$ 保障了底线。B类的超量部分被优先压缩，因为 $\beta_L$ 较小意味着B的超量消费本就较少，压缩后B类消费可能迅速降至 $\gamma_L$ 附近。

情形 B：$m^s + \Delta m \leq 0$（超量收入耗尽）

超量消费降至零，消费者仅能维持 $(\gamma_H, \gamma_L)$。若冲击更大，甚至承诺消费也无法维持，消费者被迫同时削减A和B。

实证对应：50.5%在收入缩减的情形里面选择对同人制品的消费"全面缩减"。这一比例远高于保全A类消费，这暗示大部分消费者的超量收入 $m^s$ 本就较小，即低收入占主导位置，预算冲击直接触及承诺消费区域。

情形 C：特定 $\gamma$ 结构下的反转

仅当A类承诺消费 $\gamma_H \approx 0$ 且B类承诺消费 $\gamma_L$ 很大时，消费者可能在负向冲击下选择放弃A类的超量消费以维持B类的承诺消费。

实证对应：仅4.2%选择选择放弃对A类的超量消费，表明 $\gamma_H \approx 0$ 的消费者极少。绝大多数消费者对A类存在正的承诺消费。

冲击响应的不对称性

正向冲击和负向冲击的效应是不对称的：

正向冲击：全部增量进入超量预算，按 $\beta$ 比例平滑分配。效应是线性的。
负向冲击：先压缩超量消费（非线性分配，B优先被压缩），然后才触及承诺消费。存在拐点 $m^s = 0$。

这种不对称性解释了一个实证观察：正向冲击时消费者行为相对一致，但负向冲击时行为高度分化，分化程度取决于每个消费者的 $m^s$ 相对于冲击大小的位置。

4.5 两类消费者的斯勒茨基结构对比

将4.2-4.4节的结论整合至第三节的消费者分类：

斯勒茨基分量	群体 I（A类优先型）	群体 II（均衡配置型）
替代效应 (I)	两群体共享 $\rho_T < 0$，替代效应结构相同	同左
超量收入效应 (II)	大（$\tilde{Q}_H$ 大，$\beta_H$ 高）	较小
承诺消费收入效应 (III)	A类：大（$\gamma_H$ 大）；B类：小（$\gamma_L$ 小）	A类：较小；B类：大（$\gamma_L$ 大）
交叉价格效应净值	$\partial Q_H / \partial p_L$ 弱且负（$\gamma_L$ 小，互补性弱）	$\partial Q_H / \partial p_L$ 强且负（$\gamma_L$ 大，互补性强）
负向冲击响应	砍B保A（B类超量部分先耗尽）	全面缩减（$\gamma_L$ 大，B类不易压缩）

核心区别：群体I的承诺消费集中于A类，B类是弹性调节器；群体II的承诺消费分散于A和B，两者都有底线保护，导致负向冲击时缺乏明确的削减优先级，只能全面缩减需求。

五、对创作者的启示

A类创作者（同人本/音乐专辑等生产者）

A类市场有底线需求保护，但进入门槛是声誉。

模型中 $\gamma_H > 0$ 意味着消费者对A类存在承诺消费。即使经济下行，这部分需求不会消失。但子层CES要求 $\alpha_{H,i} > 0$，即消费者必须首先知道创作者在哪里。对于新人创作者，核心瓶颈不是市场需求不足，而是声誉积累 $\theta_i$ 尚未突破从零到正的临界点。因此，初期应集中资源建立可见度，而非追求单品完美。一旦消费粘性建立，习惯持续性会自动维持消费者的关注。

定价可以高于B类，消费者会接受。

A类收入弹性 $\varepsilon_H \approx 1.06 > 1$（奢侈品），意味着消费者的A类支出增速快于收入增速。斯勒茨基分解显示，A类的承诺消费收入效应（项III）使消费者对A类涨价的响应中，有相当部分被必须买的承诺消费吸收。实证显示73.5%的售卖者选择"疯狂提升质量"，这类质量投资可以通过提升消费粘性来转化为定价空间，因为消费者对高消费粘性创作者的价格敏感性更低。

但需警惕，定价过高会挤压消费者的超量预算 $m^s$，间接降低该消费者对其他A类创作者的需求（交叉价格效应项III）。个体理性定价的集体后果可能是A类市场总需求的收缩。

B类配套商品是需求放大器，不是利润中心。

实证显示50%的B类售卖者将B类制品定位为A类的配套。交叉价格分析证实A与B是总互补品（$\partial Q_H / \partial p_L < 0$）。这意味着，通过为同人本推出配套周边，可以通过提升消费者的A类承诺消费 $\gamma_L$ 来加固消费者对整个产品组合的承诺消费，进而稳定A类需求。但B类制品本身不应作为利润来源（$\pi_L \leq 0$），它的价值在于加固A类的需求基础。

B类创作者（同人谷生产者）

B类市场结构性地不利于盈利

模型显示B类市场 $\rho_L \to 1$（产品高度同质化），竞争驱动 $p_L^* \to C(q_L)$，利润趋近于零。原因在于，B类市场的进入门槛低（$\theta_j \approx 0$ 也可进入），大量创作者涌入导致供给过剩。同时B类消费中承诺消费 $\gamma_L$ 占比高、超量消费占比低，意味着消费者的B类需求中有较大部分是有就行的底线需求，对具体是谁的产品不敏感。

向A类迁移的路径不是做更好的B类制品，而是积累声誉 $\theta_i$。

尽管实证显示35.3%的B类售卖者认为自己"能力不足以驾驭A类"，23.5%认为"前期垫资和试错成本太高"。但模型指出，从B类市场转移到A类市场迁移的关键变量不是资金或技能，而是声誉 $\theta_i$。习惯更新方程 $\alpha_i(t) = \lambda \alpha_i(t-1) + (1-\lambda) f(\theta_i(t))$ 表明声誉积累是一个渐进过程。

创作者可以通过先在B类市场积累可见度和消费者认知（让 $\alpha_i > 0$），再逐步尝试A类产品。实证显示19.5%的创作者已经完成了从轻量级产出到牛逼作品的跃迁

如果选择留在B类市场，同A类创作者通力合作是最优策略

独立B类产品面临零利润竞争，但作为A类的配套，B类产品可以搭载A类创作者的声誉 $\alpha_{H,i}$，绕过自身声誉不足的问题。本质上，通过借用A类创作者的 $\theta$ 进入消费者的 $\gamma_L$ 承诺消费篮子，可以达到双方共赢的效果。

同人市场分析(5) ——企业家精神与生成式AI

Sun, 15 Mar 2026 00:00:00 GMT

之前的篇章都在强调建模的重要性，但是同人市场总有一部分内容是建模无法覆盖的。数学固然很重要，提供了一个严谨的工具，但是实际上回归到演绎推理的思考也很重要。数学并不能完整地概括市场的全貌。通俗来讲，天下没有免费的午餐；没有一个模型是正确的，但是模型本身的重要性在于反馈经济学直觉的结果。

当我们脱离了建模假设之后，我们可以试着从人类的行为开始出发。在古典的经济学中，人们一直将经济学的学问局限于为利润动机所激发的行为，其他的行为就不属于经济学的问题域了。但是人的行为不一定都是经济的，也不一定都是经济学上的经济人的。在这个基础上奥地利学派给出了不一样的见解。米塞斯（Ludwig von Mises）认为，人只要做出行动，就一定是有目的的，为了从一个“不太满意”的状态，转移到一个“更满意”的状态。 如果人的行为是盲目冲动的，那么尽管人会感到后悔，但是当时的行动已经满足了当时的人的需求，使其转移到了更满意的状态，毕竟人们也总是先满足自身最迫切的欲望，接着再满足自身较不迫切的欲望。当然，这里不过多讨论时间上人的异质性。

我们观察到大部分同人创作者的行动动力是什么？不是为了赚钱，而是为了追求创作行为的状态转移。当他们完成创作时，他们已经获得了巨大的精神利润。从这个角度来讲，追求精神利润和追求金钱利润，在经济学性质上是完全平等的。

人的行动过程中有两个任务，第一个是给定手段和目标，寻求一个最有效率的途径，第二个是找目标和手段，手段和目标都是主观的，各自构思、各自去找。对目的-手段框架本身的搜寻是非常重要的一个人行动的本质特征，而且非常重要。而目的和手段在新古典范式的建模里面已经给定了，因此这个内容被高度忽略了，以至于最后容易给读者的偏向结果是——我们需要一个最优化的工程师。而现实中实际上不存在这样的工程师，更别说同人市场里是否有这样的工程师了，实际上这是不存在的。

柯兹纳与市场的无知

在奥地利学派经济学家伊斯雷尔·柯兹纳（Israel Kirzner）的理论中，市场参与者拥有不完全信息，而且市场参与者还存在彻底的无知——“不知道的无知”。我们要区分无知和不完全信息。斯蒂格勒的不完全信息仍然是存在先验的认知，也就是主体对于其他的参与者会有从先验上的判断。但如果主体根本不知道，或者从来没有建立过相应的概念，就是所谓的根本的无知，这一点和存在先验的判断是不一样的。不完全知识假定意味着市场参与者不是全知全能的，获利机会总存在。

那么同人市场的无知体现在何种方面呢？我们可以从参与市场的主体来慢慢分析。

从二创同人的角度来看，首先，官方主体必然是存在无知的。

官方主体的无知是由其依赖路径决定的。对于官方主体来说，他的行为无论是否理性，都是有局限性的，商业官方倾向于制作符合大众审美内容，当然也是因为观察到了大众对于某种信息的认知缺失，才试着做出这样的行动。但是当官方注意力放在这上面时，其必然对那些细分、边缘、极其个性化的需求处于无知状态。

在探讨柯兹纳的理论与同人市场里的官方主体时，我们很容易陷入一个误区，认为官方主体在一开始就带着某种精明的、计算过的商业雷达。但米塞斯认为，人的行动最本源的驱动力，仅仅是为了消除自身的不适感。 在非古典经济框架的因素下，我们还可以看到一些类似原创同人的官方，他们只是无心插柳。在这个起点上这类官方不是在进行柯兹纳式的市场套利，他们甚至没有在看市场。他们进行的是米塞斯所说的最纯粹的孤立交换，用自己的劳动换取精神满足。

当然，无论官方就算是类似原创同人的官方，那么官方也是有认知边界的，在认知边界之外的偏好，官方没有相应的概念。

譬如，官方当然不知道，如果作品平移到另一个背景下，会释放出多大的情感消费潜力，因为从官方的角度，这类背景对他们来说是完全无知的。这种结构性的无知，在官方设定的边缘留下了市场真空。

同时，最广大消费者也存在他们的无知。假设一个读者在看完某部作品后，极其渴望看到两个主角在“失去记忆”的前提下重新相爱的故事。这个读者面临的无知是双重的：第一，她不知道在这个世界上，是否还有其他人跟她一样有着这种极其具体的偏好；第二，她不知道此刻是否已经有人写出了这样的故事，如果有，去哪里找。

同人创作者和同人主催

企业家并非仅仅指代开公司的老板或资本家，而是一种米塞斯论述的，特定的人类行为特征。柯兹纳将企业家精神的核心定义为“敏锐度”或“警觉性”（Alertness）——即发现市场中未被满足的需求并采取行动的能力。

同人创作者的敏锐度体现在，如果是二创同人，他们在阅读或观看原作时，能敏锐地嗅到读者想要但官方没给的情感缺口。例如：“这两个宿敌角色之间有一种未被官方承认的张力”，“如果这个悲剧角色在另一个平行宇宙活下来会怎样？”。这种对粉丝群体潜在心理需求的精准捕捉，就是柯兹纳所说的“发现未被利用的利润机会”。如果是原创同人，他们则会在大量阅读其他同质作品时，找到另一些相似的缺口。

当然，同人创作者首先会满足自己，他们并不知道市场是什么样的。正如我们之前提到的，很多极其优秀的同人创作者，其行为的终点其实停留在米塞斯所说的孤立交换。比如，一个画师在深夜花四个小时画了一张草图。他付出了体力和睡眠，换取了脑内构想具象化的快感。他可能会把图发到社交平台上，享受几句同好的夸奖，然后便心满意足地去睡觉了。

这类创作者对于“受众到底愿意花多少钱买这幅画”、“如何排版成册”、“去哪里联系印刷厂”等问题，往往是极其无知且毫无兴趣的。在他们的主观价值排序中，创作带来的纯粹精神利润已经足够高，而参与市场运作的繁琐与风险太高。因此，他们长期且稳定地满足于这种自给自足的孤立交换状态。

如果同人市场只有这类圈地自萌的创作者，那么很难诞生大型企划。因此我们需要分化出另一个职业——主催。当然，一个主体可能既是创作者，又是主催。

柯兹纳反复强调，企业家不需要拥有资本，甚至不需要拥有具体的生产技能，他需要的是敏锐度（Alertness）

主催的敏锐度体现在，他能察觉到孤立交换与大众需求之间的巨大鸿沟。比如，他发现圈内最近非常流行“”的设定，读者们极度渴望看到一本成体系的实体画集；同时，他也观察到，社交网络上散落着十几位画风极佳、但各自圈地自萌的画师。

主催可能自己既不会画画也不会写文，但在这个生态位，TA必然掌握着协调的才能。TA可以向这些画师发出邀请，统合进了一个具有明确目标的框架中。

另一方面，主催接管了创作者最讨厌的环节。他要去跑印刷厂比对纸张和色差，去申请同人展摊位，去计算成本和定价，去承担如果制品卖不出去只能堆在自己床底下的资金风险。

正因为知识的有限性，企业家从他的主观知识、局部知识、实践的经验出发来发现这些有限性。市场参与者的经济行为中的企业家元素，正是参与者对于市场利润机会的敏锐嗅觉。这类利润并非一定是庸俗的金钱利润，而是满足我们第一段所述的精神利润。我们可以观察到同人展上有很多无料在发放，即使很多创作者是免费发布作品，他们依然在进行发现未被满足的需求并提供解决方案的企业家活动。

企业家精神不仅是对套利机会的警觉，还包括企业家的想象、信念的大胆跨越、决断性行动创造将来等等要素。因此，天然地，我们分化出了一些优秀的主催，依靠这些企业家行动，他们成功入住了这个生态位。

生成式AI的冲击与同人不可替代的那一部分

当生成式AI广泛介入创作，市场最直观的反应是供给端的爆炸与生产成本的坍塌。

过去，产出一张高质量的同人插画或一篇万字长文，需要漫长的技能训练和大量的时间投入，还需要创作者的耐心与热爱。现在，这些执行层面的壁垒被大模型直接抹平。如果仅仅从传统生产力或劳动价值的角度看，同人创作者的生存空间似乎正在被极大地挤压。AI的介入确实倾向于，极其剧烈地重塑同人市场的生产结构，并逼迫我们重新审视到底什么是真正的价值。

在传统的生产结构中，完成一件同人作品需要两种核心要素的结合：一是“柯兹纳式的洞察力”，二是“技术性的执行劳动”。过去，这两种要素是紧紧捆绑在创作者身上的。技术劳动的门槛极高，它像一层厚厚的护城河，掩盖了洞察力的光芒。很多时候，受众为一个作品买单或点赞，其实分不清自己到底是被作者细腻的情感共鸣打动了，还是仅仅被其华丽的画风折服。

而AI的冲击产生了执行劳动的无限贬值。因此被广大同人创作者诟病。抛去目前生成式AI的硬伤，例如盗用或者未经授权使用创作者的私有财产进行训练以外，我们如何看待这类工具的发展？

假设AI不再依赖数据的输入即可产生优质的作品，它的缺点还能在哪里？

我们可以说，AI是一台没有任何人类行为动机的机器，它永远无法取代企业家的敏锐度。

人之所以行动，是为了消除自身的不适感。AI没有欲望，不会对某部番剧的大结局感到意难平，更不会为了某个冷门角色深夜辗转反侧。它在被人类的意图激活之前，它是死寂的。这就意味着，AI无论多么强大，它都处于无知的状态，它无法发现市场中的利润机会。

面对AI量产的精美内容，为什么很多同人受众依然感到空虚，甚至排斥？因为同人经济的核心是基于共同热爱的人际交换。

当一个粉丝在同人展上，从主催手里买下一本厚厚的实体同人志时，他在主观上购买的，其实不仅是物质表象，他还在消费我们作为”同一批人“的身份认同和情感羁绊。这类社交连结并非是单纯依靠AI就能替代的。我们总能发现在这个时候，人创作的稀缺性，不完美性，美学的独特审美就成了一种新的稀缺品。

AI的确把技艺崇拜的精神利润直接归零了。当精美的画面变得泛滥，受众对视觉刺激的阈值被迅速拉高，单纯依靠技术带来的流量和赞美会急剧萎缩。创作者必然对此不满，但从长远来看，这促成了同人市场的进化。受众的主观评价体系正在被迫转变：既然千篇一律，那么基于独特的理解的同人创作就成了唯一具有稀缺性的通货。

从人际交换的角度来说，为了从一个不太满意的状态，转移到一个更满意的状态，创作者可以更用心地打理社交连结，更好地回应社区的真实热爱。

面对AI的冲击，作为同人创作者最好的应对策略不是去和AI比，也不要给自己的创作打上隐性的价值标签。毕竟，创作首先是为了取悦我自己。随后，如果创作者决定迈向市场获取精神利润，他们应当清醒地意识到自己的身份已经转变——创作过程不再是埋头苦干，而是应当是作为淘金者，发掘自己期待的稀缺性，并且顺势而为。

同人市场分析(4) ——网络演化与跨国竞争

Sat, 14 Mar 2026 00:00:00 GMT

同人文化从来不是局限于某一个国家的，得益于全球互联网，同人文化得以在全世界广泛传播。商业的传播同样也遵循这个路径，因此享有盛誉的IP在全球风靡是一件再平常不过的事情了。

A国的IP将会在某个时间点传播到B国，因为全球存在潜在受众，这个过程可能是官方主动进行的商业推广，也可能是有认识的爱好者主动去搬运的。但是无论是以何种形式，A国都毋庸置疑作为文化先发国家，将该文化输入到作为后发国家的B国。

根据同人市场分析(2)——声誉与无标度所描述的网络类型，在先发国家A国的IP生态，其爱好者网络可能已经发展至无标度网络阶段，也就是极少数的节点拥有大部分的信息，而大部分人处在长尾的边缘节点。而后发国B国的IP生态还处在初始萌芽阶段，即人数少，所有节点都具有全连接的性质。（即，大家基本都互相认识）。我们来看看在不对称的网络情况下，这两个网络是如何产生交流的。

首先，用图论定义两国的网络结构：

A国（文化母国）：无标度网络 (Scale-free Network) 设A国的网络为图 $G_A = (V_A, E_A)$。其节点度数 $k$ 遵循幂律分布：

$$ P(k) \sim k^{-\gamma} $$

其中 $ 2 < \gamma < 3 $。这意味着A国存在极少数度数极高的超级节点（顶级创作者 $A_{\mathrm{hub}}$），以及大量度数极低的边缘节点。

全连接网络是示例，又称作Complete Graph

B国（输入国）：全连接网络 (Fully Connected Network) 设B国的网络为图 $G_B = (V_B, E_B)$。网络中总人数为 $N_B$。对于 $G_B$ 中的任意两个节点 $ix$ 和 $j$，都存在直接相连的边。因此边数为：

$$ |E_B| = \frac{N_B(N_B-1)}{2} $$

信息在B国内部的传播距离恒定为 $ 1 $，内部传播成本（摩擦力）为零：$c_{\mathrm{internal}} = 0$。

无官方的早期自发交流

在B国该类IP爱好者萌芽的早期，会有持续自发的爱好者搬运A国的内容到B国，以满足大家对于文化消费的偏好。在全连接网络时期，由于市场消费者规模极小，导致跨国成本极高的情况下利润极差，因此官方不会主动输入商品，相对来讲同人创作者更不会主动输入商品。

由于爱好者是自发地搬运，他必须先满足自己消费文化的偏好，再花费相应的成本（例如语言学习成本，跨国成本）来搬运相应的商品。我们设定 $ M $ 搬运A国作品 $x$ 的总效用 $U_M(x)$ 完全取决于个人的精神满足：

$$ U_M(x) = v_M(x) - c_{\mathrm{cross}} $$

其中：

$v_M(x)$：作品 $x$ 对 $M$ 产生的主观情绪价值。
$c_{\mathrm{cross}}$：翻译、翻墙、搬运所耗费的时间和精力成本。

A国产出了海量且题材各异的同人作品集合 $X_A = {x_1, x_2, \dots, x_n}$。

因为两个网络中只有 $M$ 这一座桥梁，B国能接触到的作品集合 $X_B$ 并不是A国的全集，而是经过 $M$ 群体审美严格过滤后的子集：

$$ X_B = {x \in X_A \mid v_M(x) > c_{\mathrm{cross}}} $$

当被 $M$ 主观筛选出的子集 $X_B$ 进入全连接的B国网络时，处于 $t=0$时刻的B国网络中接受并喜爱子集 $X_B$的人数 $I(0) = 1$（也就是他自己）。而处于尚未看过但潜藏消费欲望的人数为 $S(0) = N_B - 1$。这个过程可以看作一个传播学模型：设定单次接触的入坑率为 $\beta$。B国内部的信息传播速度 $\frac{dI}{dt}$ 遵循以下标准的 SI 逻辑斯蒂增长方程：

$$ \frac{dI}{dt} = \beta I(t) \left( 1 - \frac{I(t)}{N_B} \right) $$

我们会得到一个解：

$$ I(t) = \frac{N_B}{1 + \left(\frac{N_B - I(0)}{I(0)}\right) e^{-\beta t}} $$

因为B国是全连接的，系统极少存在阻拦传播的壁垒。这意味着 $\beta$ 相对大型随机连接的网络极高。此时指数项 $e^{-\beta t}$ 就会迅速趋近于 0，因此极短时间内大家都了解到了这个传播的信息，如果有30%的接受转化率，实际上也是相当可观的。

但是我们知道，实际上信息传播在这里极大的失真了，因为 $M$ 主观筛选出的 $X_B$ 只是商品全局信息的子集，而且严格受到中间人偏好约束。我们可以假想这样的情况，假设A国有一部作品 $x_2$，但在 $t=0$ 时刻，由于 $M$ 的个人偏好，他没有搬运 $x_2$，而是搬运了替代品 $x_1$。因为B国是全连接网络，在极短时间内完成了对网络的信息传播。等到之后，另一个人终于把神作 $x_2$ 搬运了进来。全连接网络的传播，导致B国爱好者对 $x_1$ 的“认知沉没成本已经固化。使得在被输入国B国极早期，$x_1$和$x_2$的替代品竞争下，$x_2$商品存在一定的信息传播劣势。

网络的进阶演化，团块的涌现

图论里团块（Clique）的可视化表示

上文论述的是全连接网络，也就是社区最早的阶段。在这个阶段，作为中介的 $M$ 无意识地用自己的偏好塑造了社区。由于惯性，新来者为了建立社交认同，一般倾向于接受全连接网络时代的群体惯习。接受惯习的人越多，社区的规模也就越大，此时慢慢会有不同的结构相变。

在图论中，一个 Clique（派系）指的是无向图中的一个子集，在这个子集中，任意两个节点之间都存在直接相连的边。也就是说，Clique 就是大网络中的一个局部全连接网络。

当被输入国B国的社区因为人数扩大，从一个全局全连接网络演化为成熟的无标度网络时，宏观上的全连接虽然破裂了，但微观上却演化出了无数个高度极化的 Clique。

已知，B国网络为图 $G_B = (V_B, E_B)$，节点总数为 $N_B$。

在早期，$G_B$ 是一个完整的全连接图。但是，根据社会学中的邓巴数（Dunbar's Number，设为 $D$），一个普通人类节点能够维持的最大活跃边数是存在物理上限的。当市场爆发，$N_B \gg D$ 时，对于任意节点 $i$，维持全局连接的边际成本趋于无穷大。

因此全连接图的连通性必然崩溃。$G_B$ 发生相变。

但是连通性减少不一定会产生团块，也可能退化成随机稀疏的连接。那么怎么看待Clique的产生？

格奥尔格·齐美尔（Georg Simmel）提出了三元闭包（1908）的概念。

三元闭包的形成

如果粉丝 $i$ 认识粉丝 $j$，且 $i$ 认识粉丝 $k$，那么 $j$ 和 $k$ 之间建立连接的概率，会远远大于网络中随机两个陌生人建立连接的概率。当大家因为交际成本必须切断多余的连接时，他们并非随机断开连线。如果 $j$ 和 $k$ 都因为偏好某个内容而关注了 $i$，他们在 $i$ 的评论区相遇并互相关注的阻力极低。由于三元闭包的作用，即便全局连通性崩溃，局部的集聚系数依然极高，因此网络更容易相变成Clique 团簇群。

论证团簇群的意义在于等同于认识到消费者的粘性是巨大的，也意味着早期加入团簇的同人爱好者，他们的消费偏好高度一致，且容易在回声室里面强化自己的偏好。而一旦形成路径依赖，就很难脱离。

中介的衰落与韦伯仑商品化

在达到网络相变的下一个稳态之前，中间人 $M$ 依然具有主导效应。但是随着规模的扩大，B国演化出多个由同人偏好聚集而成的 Clique。随着时间变化，这些Clique的偏好不一定能被中间人 $M$满足，也就是说，不同的团块对IP的偏好发生了突变。在图论和演化经济学中，一旦Clique形成信息闭环，其内部的偏好就会发生随机游走，会演化出截然不同、甚至互斥的核心诉求。因此本土创作者 $C_B$ 开始出现。随着当期创作者更快顺应各个Clique的偏好，产生的替代效应施加到中间人上，相对来促进了中间人的衰落。

中间人 $M$ 如若作为利润最大化的主体，将会有这样的操作空间——

$M$ 巧妙地将跨国搬运的商品，从普通商品，转化成了用来彰显文化正统性的“韦伯仑商品（Veblen Good）”。韦伯仑商品一般指商品需求与商品价格成正向关系的商品，也就是炫耀性消费。他们在达到下一个稳态之前，他们可以在自己的Clique内可以做出如下的行为：

由于创作者高度替代，为了利润最大化，中间人倾向于停止海量免费搬运，转而专注于实体同人志、场贩限定特典、跨国高价周边的代购与垄断以及官方授权的寻租。

在此时，相对来讲，消费的内容已经不重要了。中间人贩卖的不再是信息，而是克服跨国高昂交易成本的证明以及文化输入正统性的代表。

韦伯仑效应的激活：价格越贵，效用越高

在普通商品中，价格上升，需求下降。但在韦伯仑商品中，情况完全反转。因为只有价格足够高、足够难买，它才能在 Clique 内部发挥筛选的功能，证明购买者是“核心真爱粉”。

网络之间的跨国竞争

外部性的遗产

在市场初期，作为信息中介的爱好者花费极大的跨国摩擦成本（ $c_{\mathrm{cross}}\ $），将A国的作品搬运进来，这实质上完成了对B国消费者的IP启蒙和启发。尽管搬运的信息是有偏的且深度影响早期社群，但是整体上因为爱好者的多样性，他们会主动寻求更多不同的内容以满足自己的表达欲望。在此基础上产生的本土创作者，拥有孵化成熟的消费者客群，但是消费者客群的偏好仍然存在早期培育的惯性。这类消费者客群在带来跨时间的正外部性的同时，也带来了负外部性。

由于B国消费者对被筛选的A国风味产生了强烈的路径依赖，因此任何偏离这一风格的作品，都会在消费者心中产生审美摩擦力，导致效用折损。

我们在同人市场新古典分析认识到创作者从新古典经济学的生产者角度来说，最大化其热情生命周期的，但是我们也意识到不同的创作者群体会有不同的效用偏好。同人创作者仍然是一种特殊的消费者，在消费者模型里，我们可以用柯布-道格拉斯（Cobb-Douglas）效用函数来描述利益最大化和热情最大化的互补性和替代性。

因此我们设定本土创作者 $C_B$ 的效用函数为：

$$ U(C_B) = \Pi^\alpha \cdot V^{1-\alpha} $$

其中：

$\Pi$：市场收益。它取决于作品与A国锚定审美的相似度$s$。我们假设 $\Pi$ 是 $s$ 的增函数，为计算简便，设 $\Pi = k_1 s$ （$s \in [0, 1]$，$s=1$ 代表100%完美复刻A国传入B国的偏好风味）。
$V$：摩擦性私欲表达效用。它与迎合度 $s$ 是互斥的。迎合得越多，能塞的私货就越少。设 $V = k_2 (1-s)$。
$\alpha$：创作者的功利指数（$ 0 < \alpha < 1$）。$\alpha$ 越大，说明创作者越渴望红和变现；$ \alpha $ 越小，说明越偏向为爱发电，越偏向于个人中心表达。

将 $\Pi$ 和 $V$ 代入柯布-道格拉斯函数：

$$ U(s) = (k_1 s)^\alpha \cdot (k_2 (1-s))^{1-\alpha} $$

为了求创作者效用最大化时的最优迎合度 $s^*$，我们对两边取对数：

$$ \ln U = \alpha \ln(k_1 s) + (1-\alpha) \ln(k_2 (1-s)) $$

对 $s$ 求导并令其等于零（一阶条件 FOC）：

$$ \frac{d \ln U}{ds} = \frac{\alpha}{s} - \frac{1-\alpha}{1-s} = 0 $$

解这个方程，我们得到：

$$ \alpha (1-s) = (1-\alpha) s $$

$$ s^* = \alpha $$

柯布-道格拉斯函数的无差异曲线，每条曲线上的效用都是相等的

因为柯布-道格拉斯函数的无差异曲线是凸向原点的，它在数学上直接排除了角点解（$s=0$ 或 $s=1$）。因此创作者不可能完全成为A国作品的模样，也不会完全偏离这个IP本身。但是大量混合型创作将成为市场的主导，因为消费者既被偏好习惯无意识控制，又需要扩充多样性来满足自身需求。在跨国成本极高的情况下，这部分市场将会被本土创作者填满。

消费者的粘性与跨国竞争

我们在同人市场新古典分析一章中使用CES效用函数建模了同人市场的消费者。我们从同质品的角度来考虑跨国竞争，因为如果讨论异质品，则讨论替代效应没有意义，因为无法单因素地分析文化传播差异带来的影响。

假设市场上提供这两类跨国同质商品：

$q_B$：本土创作者 $C_B$ 的商品。
$q_{orig}$：母国创作者 $C_A$ 的商品。

假设B国消费者在 $t$ 时期面临在本土商品 $q_B$ 和A国原产商品 $q_{orig}$ 之间的预算分配。设消费者的总预算（时间/金钱注意力）为 $Y$，两者的获取成本（摩擦力+价格）分别为 $p_B$ 和 $p_{orig}$。

根据 CES 效用函数：

$$ U(t) = \left( \alpha_B(t) \cdot q_B^\rho + \alpha_{orig}(t) \cdot q_{orig}^\rho \right)^{\frac{1}{\rho}} $$

通过拉格朗日乘数法求解消费者效用最大化问题，我们可以得出这两种商品的相对需求量（市场份额比率）方程：

$$ \frac{q_B(t)}{q_{orig}(t)} = \left( \frac{\alpha_B(t)}{\alpha_{orig}(t)} \right)^\sigma \cdot \left( \frac{p_{orig}}{p_B} \right)^\sigma $$

其中，$\sigma = \frac{1}{1-\rho}$，表示替代弹性。

鹿死谁手

我们再以其他的层级来看，这些角色不过是从萌要素的数据库里所归纳的拟像。换言之拟像和数据库的双层构造在此又双重化，创造出复杂的系统。御宅族们首先消费这些作品，有时会对作品产生感动。但他们会发现实际上这些作品是拟像，真实的只有角色。接着他们会消费角色，有时会对这些角色产生“萌”的情愫。这时他们又会发现，实际上这些角色也是拟像，是将萌要素组合而成。 ——东浩纪

如果A国的 IP 核心魅力在于东浩纪式的符号或者通用的人设萌点，使得这些符号的可复制性极高。B国创作者可以轻易通过拆解这些元素，进行完美的模仿。此时，$q_B$ 能低成本地提供与 $q_{orig}$ 几乎相同的核心效用，甚至更新更快。等同于当 $\sigma \to +\infty$ 时，如果 $\frac{p_{orig}}{p_B}$ 只比 1 大一些，指数放大后也会趋向于无穷大：

$$ \lim_{\sigma \to +\infty} \left( \frac{p_{orig}}{p_B} \right)^\sigma = +\infty \implies \frac{q_B(t)}{q_{orig}(t)} \to +\infty $$

如果 $q_{orig}$ 蕴含了A国创作者无法模仿的技术或文化门槛。例如，A国顶级创作者的技术禀赋；或者必须依托A国特定历史语境才能写出的内容。在这种情况下，替代弹性 $\rho$ 会大幅下降，也就意味着$q_B$ 无法替代 $q_{orig}$）

现在我们考察公式中的第一个乘数 $\frac{\alpha_B(t)}{\alpha_{orig}(t)}$。代入动态偏好更新方程：

$$ \alpha_i(t) = \lambda \cdot \alpha_i(t-1) + (1-\lambda) \cdot f(\theta_i(t)) $$

这是一个一阶线性常系数差分方程。假设在一段较长时期内，双方的当期冲击（更新频率与质量）保持常数：$f(\theta_B(t)) = F_B$，$f(\theta_{orig}(t)) = F_{orig}$。

我们可以求出 $ t \to \infty $ 时的稳态偏好：

$$ \lim_{t \to \infty} \alpha_B(t) = F_B $$

$$ \lim_{t \to \infty} \alpha_{orig}(t) = F_{orig} $$

所以，长期的偏好比率 $\frac{\alpha_B(\infty)}{\alpha_{orig}(\infty)} = \frac{F_B}{F_{orig}}$。

如果A国的IP因为某种原因陷入衰退，或者因为国际间的巨大摩擦成本而导致无法输入。这就给了B国创作者时间窗口”。这意味着这样的数学条件（$F_{orig} \to 0 | F_B \gg 0$）。在 $t$ 到 $t+n$ 的时期内，由于没有外生冲击，创作者$C_B$ 可以从容地向B国粉丝持续注入 $q_B$，让习惯权重 $\lambda \cdot \alpha_B(t-1)$ 放大，最终改变消费者的偏好。体现在差分方程上，可以认为是在差分方程的作用下，$\alpha_{orig}(t)$ 会以 $\lambda^t$ 的速度衰减至 0。最终使得 $\frac{\alpha_B}{\alpha_{orig}} \to +\infty$。

但反过来说，如果A国IP，反而持续抛出神作。当期冲击力在数学上表现为$F_{orig} \gg F_B$。此时稳态偏好比率 $\frac{F_B}{F_{orig}} \to 0$。这将使得本土创作者无法给本土消费者培养偏好习惯。

在这个系统中，市场初期的结构节点中间人无意识依靠跨国信息流对于本土消费者进行了偏好培养，而当其地位衰落时，部分中间人可能会有意识地将极其普通的文化载体转化为筛选的社交货币。

而随着本土网络的扩张，本土创作者介入市场，他们利用这套现成的框架，精准减少了培养市场的成本。但如若要和母国IP的创作者进行竞争，他们不得不注入本土受众真实的社会焦虑与情感需求，从而实现高效率的市场占领。否则在社区网络演化到成熟阶段之前，在没有干预的情况下，他们不太可能与母国输入进行抗衡。

同人市场分析(3) ——官方与同人的双边市场

Wed, 11 Mar 2026 00:00:00 GMT

众所周知，官方和同人实际上是一个相辅相成的角色。当然，不同的官方运营主体对于同人的态度也不一样。存在严厉的官方不允许任何关于IP的同人创作，也有基于官方手册指导下的同人创作，以及弱官方——无法干预同人创作或者完全不主动干预同人创作。

容易得到，官方IP一般具有创始性，也就是说没有官方这个1，后面同人建构的0都没有意义。商业官方在投入制作的时候必然寻求自己的商业价值最大化，也就是利润最大化。而部分少见的原创官方也遵循类似同人的逻辑，他们并不追求利润最大化，而是追求文化生产时的满足感。

同时，官方IP生产的内容在局部时间上具有单一性，这会导致边际效用的绝对枯竭。在局域时间段，任何官方作品的信息是固定的。消费者当前消费完一次后，从官方单向输出中获取的新增效用迅速趋近于零。

现代受众消费IP，本质上是在消费一种身份认同与谈资。如果一个IP缺乏庞大的同人产出，消费者在社交网络上将面临社交孤立以及缺乏同好支持，因此可以认为消费者同时依赖社区文化再生产。

官方干预同人——对同人创作者的影子定价

我们假设在某个中间态的时间，存在足量的同人创作者群体和官方IP运营主体。

设官方IP为一个平台，连接消费者群体（规模为 $N_C$）和同人创作者群体（规模为 $N_D$）。

消费者从该IP中获得的总效用不仅包含官方产品本身的基础价值 $v_C$，还严格依赖于同人生态的繁荣度 $N_D$。我们设 $\gamma$ 为消费者对同人产出的网络外部性系数。消费者支付给官方的价格为 $P_C$。其净效用函数为，其中价格敏感度为$b$：

$$ U_C = v_C - b P_C + \gamma N_D $$

同理，同人创作者的效用除了自我表达的内在价值 $v_D$，还极度依赖于该IP的受众基数 $N_C$（即流量池大小），这体现在受众为同人创作者付费，或者为同人创作者产生热情预算补充，其可以表示为函数$Z(N_C)$。（这个在第一章有所讨论，同人市场新古典分析 - 雾雨卡尔霍恩的文章 - 知乎）为了方便处理，我们将其线性近似处理，定义$\beta$为创作者对流量基数的边际激励

同人创作者也可能为官方支付一定的影子价格 $P_D$。这个价格可以为正也可以为负，当其为负数时，视作官方对于同人创作者的隐形补贴。如果影子价格为0，则说明官方无法干涉同人。其中$y$为对影子价格的敏感性。

创作者的净效用为：

$$ U_D = v_D + \beta N_C - y P_D $$

根据双边市场理论，两侧的参与规模是各自效用的增函数，即 $N_C = f(U_C)$ 且 $N_D = g(U_D)$。

官方的终极目标是最大化平台的总利润 $\Pi$：

$$ \Pi = P_C N_C + P_D N_D - C(N_C, N_D) $$

其中 $ C(N_C, N_D) $为发展成本。这成本与消费者规模 $N_C$ 相关的成本可以是游戏服务器的动态扩容、面向大众的宣发买量。而与同人创作者规模 $N_D$ 相关的成本，可能包含提供官方素材库、补贴同人创作者的运营成本；但更普遍的情况是，它代表着规则执行成本，例如同人基数 $N_D$ 越大，官方为了监控版权越界，处理逆向双边效应的舆论的行为都将是一种成本。但是弱官方的情况下，成本则不与 $N_D$ 有关，此时官方发展的成本仅与$N_C$ 有关。

我们对官方针对同人创作者的定价 $P_D$ 求偏导，以寻找利润最大化的一阶条件（FOC），这样的一阶条件代表着——官方调整对待同人态度的边际收益，恰好抵消了边际成本。

$$ \frac{\partial \Pi}{\partial P_D} = N_D + P_C \frac{\partial N_C}{\partial P_D} + P_D \frac{\partial N_D}{\partial P_D} - \frac{\partial C}{\partial P_D} = 0 $$

注意这里的核心传导机制：$\frac{\partial N_C}{\partial P_D}$，消费者并不直接在乎官方对同人作者产生多少成本或者补贴，他们只在乎有没有同人看。因此，这是一个纯粹的链式传导过程。

容易得到：当官方提高对同人的限制（提高 $P_D$），会导致同人创作者数量 $N_D$ 减少。由于跨边外部性 $\gamma > 0$ 的存在，$N_D$ 的锐减会引发消费者效用 $U_C$ 崩塌，最终导致付费消费者 $N_C$ 的大量流失。根据链式法则，$\frac{\partial N_C}{\partial P_D} = \frac{\partial N_C}{\partial N_D} \frac{\partial N_D}{\partial P_D}$，这一项是一个负数。

当成本同时受双边规模影响时，总成本的变化必须进行全微分展开：

$$ dC = \frac{\partial C}{\partial N_C} dN_C + \frac{\partial C}{\partial N_D} dN_D $$

我们定义：

$c_C \equiv \frac{\partial C}{\partial N_C}$：服务单名消费者的边际物理成本。
$c_D \equiv \frac{\partial C}{\partial N_D}$：单名创作者产生的边际摩擦成本。

此时，当我们对 $P_D$ 求导寻找一阶条件时，成本项的展开变为了：

$$ \frac{d C}{d P_D} = c_C \frac{d N_C}{d P_D} + c_D \frac{d N_D}{d P_D} $$

再次代入链式法则 $\frac{d N_C}{d P_D} = \frac{\partial N_C}{\partial N_D} \frac{d N_D}{d P_D}$，原方程组被重构为：

$$ N_D + P_D \frac{d N_D}{d P_D} + P_C \left( \frac{\partial N_C}{\partial N_D} \frac{d N_D}{d P_D} \right) - \left[ c_C \frac{\partial N_C}{\partial N_D} \frac{d N_D}{d P_D} + c_D \frac{d N_D}{d P_D} \right] = 0 $$

提取公因式 $\frac{d N_D}{d P_D}$ 并移项，我们得到了修正后的完整拉姆齐定价公式：

$$ P_D = c_D + \frac{N_D}{-\frac{d N_D}{d P_D}} - (P_C - c_C) \frac{\partial N_C}{\partial N_D} $$

其中 $-\frac{d N_D}{d P_D} > 0$，理由在上面已经阐述，当官方提高对同人的限制，会导致同人创作者数量减少

剥离隐式导数的拉姆齐定价

如果想跳过冗长数学证明可以直接跳过这一段落

已知两侧的参与规模函数分别为 $N_C = f(v_C - b P_C + \gamma N _D) $ 和 $N_D = g(v_D + \beta N_C - y P_D) $。

当官方微调影子价格 $P_D $ 时，创作者规模的改变会引发消费者规模的改变，进而再次反噬创作者规模。我们对这两个函数分别关于 $P_D$ 求全导数，应用链式法则：

对于消费者侧，价格 $P_C$ 是独立变量，只有 $N_D$ 随 $P_D$ 变动：

$$ \frac{d N_C}{d P_D} = f' \cdot \gamma \frac{d N_D}{d P_D} $$

对于创作者侧，变量包含了内生的 $N_C$ 和直接施加的$P_D$：

$$ \frac{d N_D}{d P_D} = g' \cdot \left( \beta \frac{d N_C}{d P_D} - y \right) $$

现在，将消费者侧的导数代入创作者侧的方程中，以消去 $\frac{d N_C}{d P_D}$：

$$ \frac{d N_D}{d P_D} = g' \left( \beta \cdot f' \gamma \frac{d N_D}{d P_D} - y \right) $$

将其展开并把包含 $\frac{d N_D}{d P_D}$ 的项移到等号左边：

$$ \frac{d N_D}{d P_D} - g' f' \beta \gamma \frac{d N_D}{d P_D} = -y g' $$

提取公因式，可以得到真实创作者逃逸率：

$$ \frac{d N_D}{d P_D} = \frac{-y g'}{1 - f' g' \beta \gamma} $$

观察这个逃逸率方程。分子 $-y g'$ 是创作者对影子价格的直接物理反应：敏感度 $y$ 越高，只要官方敢收紧版权，跑路的人就越多。而分母 $ 1 - f' g' \beta \gamma$ 是系统反馈乘数。因为 $\beta$（创作者对流量的贪婪）和 $ \gamma $（消费者对同人的饥渴）同时存在，这个乘数会把原本线性的逃逸率成倍放大。

同时，我们顺势得到消费者侧的真实流失率：

$$ \frac{d N_C}{d P_D} = f' \gamma \left( \frac{-y g'}{1 - f' g' \beta \gamma} \right) $$

现在，我们将导数代回：

$$ N_D + (P_D - c_D)\frac{d N_D}{d P_D} + (P_C - c_C)\frac{d N_C}{d P_D} = 0 $$

把导数项塞进去：

$$ N_D + (P_D - c_D) \left[ \frac{-y g'}{1 - f' g' \beta \gamma} \right] + (P_C - c_C) \left[ \frac{-y g' f' \gamma}{1 - f' g' \beta \gamma} \right] = 0 $$

为了彻底孤立 $P_D$，我们将等式两边同时除以创作者逃逸率

$$ N_D \frac{1 - f' g' \beta \gamma}{-y g'} + (P_D - c_D) + (P_C - c_C) f' \gamma = 0 $$

最后，进行移项整理，我们可以得到隐式导数的拉姆齐定价解：

$$ P_D = c_D + \frac{N_D (1 - f' g' \beta \gamma)}{y g'} - (P_C - c_C) f' \gamma $$

如若干预，常有补贴，而并非收税

无论是剥离了隐式导数或者包含隐式导数的拉姆齐定价，我们总能发现：第一项 $c_D$ 是维持系统的摩擦成本。如果官方下场制定规则，这笔成本就会转化到定价里。如果官方愿意干预同人发展，那么某种意义上这部分成本来自于为同人活动提供平台等。大部分时候这类成本相对较低，因为这部分成本有时被转嫁给了自发的社区。

第二项 $\frac{N_D (1 - f' g' \beta \gamma)}{y g'}$ 是官方试图榨取的垄断溢价。从分母上的 $y$（创作者对影子价格的敏感性）来看，同人创作者本质上是损失高敏人群，导致面对正向影子价格时，敏感度极大。在数学上，$y$ 越大，这一整项的溢价空间就被压缩得越趋近于零。

第三项 $-(P_C - c_C) f' \gamma$ 相对来讲要比前两项大。$(P_C - c_C)$ 是官方在核心受众身上赚取的单客毛利，而 $f' \gamma$ 则是“每多一个同人作者，能转化多少个付费粉丝”的边际拉新率。

因此，只要官方的主业赚钱（一般来说商业化基本以盈利目的为主），且受众依赖同人作品，影子价格就为负值，此时成为影子价格变为了补贴。反过来说如果官方长期亏损，其会想办法从同人创作者上撷取利益，同时也会造成大部分创作者流失。

不过，这里留给读者一个小思考问题，在某种状态下，社区中的任何一个创作者 $i$ 都有可能产出极度越界的作品（涉及敏感红线）。这种越界二创对官方造成的风险成本，具有单点穿透性（尤其在高文化管制地域）。只要有一部出圈的越界作品引发了社会级公关危机，官方的 $c_D$ 就会瞬间爆炸。那么大家可以推理一下会产生什么后果。

官方需要同人的逻辑——资产折旧

任何官方商业内容在发布后，在自然状态下，信息的半衰期导致资本必须服从带有衰减率 $\lambda$ 的常微分方程：

$$ \frac{dK}{dt} = I_{\mathrm{official}}(t) - \lambda K(t) $$

当官方断档期到来，$I_{\mathrm{official}}(t) = 0$。此时微分方程的解为 $K(t) = K_0 e^{-\lambda t}$。热度资本将会下跌，只要跌破某个死亡阈值 $k$，该IP即被市场遗忘，重启成本趋于无穷。

同人生态的介入强行改变了这个微分方程的结构。我们将庞大且高频的同人产出率记为 $N_D(t)$，其对官方热度的转化系数为 $ \theta $。微分方程被重构为：

$$ \frac{dK}{dt} = I_{\mathrm{official}}(t) + \theta N_D(t) - \lambda K(t) $$

在官方断档期（$I_{\mathrm{official}} = 0$），只要同人创作者的产出维持在一个常数水平 $\bar{N}_D$，令 $\frac{dK}{dt} = 0$，我们可以求出该系统的一个非零稳态解：

$$ K^* = \frac{\theta \bar{N}_D}{\lambda} $$

只要 $\frac{\theta \bar{N}_D}{\lambda} > k $，这个IP就可以一直保持相对话题度而在社交网络上存活。

无干预官方的同人市场是什么样的？

无干预的官方意味着官方不再补贴或者向创作者收取影子价格。我们假设官方一开始就不收取影子价格，并且其并不追求利润最大化

因此创作者效用将会变为

$$ U_D = v_D + \beta N_C $$

在这个方程中，创作者想要最大化自己的效用，一方面可以提升内在价值 $v_{D}$，另一方面期待总盘子的受众基数 $N_C$ 不断膨胀。

综上所述，在双边市场中，总受众基数 $N_C$ 并不是静态的。它是由整个IP生态内所有创作者的产出总和 $\sum_{j=1}^{M} S_j$ 共同决定的。我们仍然有 $N_C$ 是总产出的增函数：

$$ N_C = F\left(\sum_{j=1}^{M} S_j\right) $$

假设系统中有另一个创作者 $j$，做出了一款出圈的同人制品 $S_j$。这会给创作者 $i$ 的效用带来什么影响？

对 $U_{D,i}$ 关于 $S_j$ 求导：

$$ \frac{\partial U_{D,i}}{\partial S_j} = \beta \frac{\partial N_C}{\partial S_j} $$

因为 $\beta > 0$（创作者渴望受众），且 $\frac{\partial N_C}{\partial S_j} > 0 $（优秀产出必然拉新或固粉），所以得出结论：

$$ \frac{\partial U_{D,i}}{\partial S_j} > 0 $$

因此，创作者 $j$ 的任何一次成功破圈，都在数学上无条件地增加了创作者 $i$ 的个人效用。因为 $j$ 把盘子做大了，带来了新的 $N_C$，而 $i$ 不需要付出任何额外成本，就能享受到 $\beta N_C$ 增量带来的红利。

在这样的无干预市场中，同人流量变成了一种非排他性的公共物品（Public Good）。

如果没有官方的管理，创作者产出了非常具有破坏性的内容呢？

此时，市场参与者面临博弈选择：要不要去去出警某个极度猎奇的创作者？

如果出警，参与者需要耗费巨大的时间精力，导致自身的内在效用大幅下降。
出警的收益是什么？出警并不会让圈子变得更安全，对保护 $N_C$ 没有任何实质性的数学贡献。

这个时候回到了第二章论述讲到的社区声誉。如果自杀式的破坏自己的声誉财产，不仅他人会唾弃，自己也会蒙受损失。相对来讲，创作者从进入市场，就不太会做这种傻事。

官方为什么不吞并同人

为什么官方不自己下场把所有同人题材都官方化，把钱全赚了？霍特林模型（Hotelling's Spatial Model）可以很好的解释这一点。传统的霍特林模型表明，竞争企业倾向于最小化产品差异化，并选址在彼此附近（或生产类似产品），以最大化市场份额。我们把物理空间换成偏好空间，也能得到类似的结论。

官方商业作为相对同人的重资产投入，其目标是受众最大化。在偏好空间中，官方的内容定位必须绑定在中位数的位置，以保证极其安全的全年龄、正能量、大众化。如果官方试图偏离中心去迎合长尾（如官方下场炒极端的冷门CP），将面临巨大的声誉风险与品牌反噬，导致核心盘的解体。

假设所有消费者的偏好均匀分布在区间 $[0, 1]$ 上。作为重资产的商业IP，为了捕获最大的面积，官方必须定位在绝对的中位位置，即 $x_{\mathrm{official}} = \frac{1}{2}$。

消费者 $i$ 的偏好坐标为 $x_i$，其消费官方内容时的效用折损由距离平方决定（二次交通成本假设）：

$$ U_i(O) = V_C - t(x_i - \frac{1}{2})^2 - P_C $$

当偏好极其小众（例如 $x_i \to 0$ 处的受众），由于失配成本 $t$ 极大，其保留效用为负：$U_i(O) < 0$。这部分长尾受众在纯官方市场中会被直接抛弃。

如果官方试图强行移动坐标（例如从 $\frac{1}{2}$ 移向 $ 0.2$）去迎合他们，根据积分，这会导致区间 $[0.5, 1]$ 上庞大核心受众的效用发生平方级的暴跌，引发基本盘的毁灭。因此理性的官方一般只会锚定在 $ \frac{1}{2} $。

同人创作者则不受此限制。由于天生的避免与官方或者其他人形成竞争（由于无法和官方竞争），并且拒绝利润最大化假设，他们可以自由定位于 $x_j \in [0, 1]$ 的任何一个点，并且偏向于补充尾部。同人作品的存在，使得长尾消费者 $x_i$ 能够就近接入 $x_j$：

$$ U_i(D) = V_D - t(x_i - x_j)^2 > 0 $$

通过填补空间坐标系，同人创作者将边缘受众强行留在了该IP的框架内。更重要的是，官方将试探市场边界的声誉风险（可记为方差 $\sigma^2_{risk}$）彻底外包。

同人创作者承担了所有的道德争议与试错成本，毕竟某个冷门梗如果被骂，只是创作者退网，IP毫发无损；而一旦某个的同人设定突然引爆市场，官方就可以名正言顺地进行“设定收编”。这相当于官方免费获得了一张看涨期权。

同人市场分析(2)——声誉与无标度的同人社区

Tue, 10 Mar 2026 00:00:00 GMT

同人活动也是一种制品。

传统经济学假设买卖双方全知全能，因此同一种商品在市场上只会有一个价格。但显然不可能买卖双方都是全知全能的，这个假设过于孱弱以至于持久被诟病。因此乔治·斯蒂格勒（George Stigler）提出了很有洞见的模型建构。

Stigler (1961) The Economics of Information 的核心论点是：信息是有成本的经济品。消费者进行最优搜寻——当额外一次搜寻的边际成本等于其带来的边际收益时停止搜寻。

在同人圈里，经常存在这样的体验。满怀期待地预售下单或者参与拼团，等了几个月拿到制品，结果一看，不太符合自己的要求。部分同人制品呈现出消费前无法完全评估质量，只有拿到实物后才能判断的特征。例如同人刊物，同人音乐专辑，同人活动门票，预售拼团的谷子。这与Phillip Jacob Nelson (1970) 所定义的经验品（experience goods）本质类似——消费前无法确切知道质量，所以这是一种薛定谔的猫。

说到薛定谔的猫，它属于服从某种概率分布的随机变量，那么面对未知信息，我们也可以这样建模。传统的建模一般假设商品的预期呈现为正态分布，这个先验假设一般存在于标准商品市场。但是基于亚文化的商品市场存在高度的无标度网络特性，这个特性来自于当前社交网络算法的统计平均——大量默默无闻的信息终端和少量高度连结的信息节点。无标度网络通常对应的是幂律分布，而并非传统的正态分布。

典型的幂律分布

假设如果我们将同人制品带给读者的效用 $Q$ 设定为服从帕累托分布（一种典型的幂律分布），其概率密度函数可以表示为：

$$ f(Q) = \frac{\alpha Q_{min}^\alpha}{Q^{\alpha+1}} $$

所有消费者应当都存在一个预期阈值 $ Q^* $。

一般聪明的消费者认为只有当预期制品的质量 $Q \ge Q^*$ 时，才会下单；否则，TA们会继续花时间（支付成本 $c$）去寻找下一个合适的制品。

我们用积分公式来表示这个平衡：

$$ c = \int_{Q^}^{\infty} (Q - Q^) f(Q) dQ $$

一般来讲作为同人商品来说，我们的信息搜寻成本虽然高度取决于时间闲暇，但是其本身存在硬属性——我今日不消费和明日不消费，不影响我吃饭（非必需品性质），因此我们认为普遍存在愿意花心思找到符合自己要求制品的消费者。这个平衡确实能得到如下结论：

搜寻成本 $c$ 越高，吃粮阈值 $Q^*$ 就越低。 如果现实太忙（$c$ 极大），根本没时间去仔细扒试阅、等返图。这时候，为了能吃到制品就只能妥协，降低自己的底线 $Q^*$
质量方差 $\sigma^2$ 越大，搜寻的潜在收益越高。 如果质量参差不齐到了极点，哪怕多花点时间（承担搜寻成本）也是值得的，因为一旦淘到神仙制品，对自己的精神满足是巨大的。

在概率论中，这个积分可以通过分部积分法简化为对尾部概率的积分：

$$ c = \int_{Q^*}^{\infty} [1 - F(Q)] dQ $$

我们定义$Q_{min}$ 是市场上的最低商品质量下限

现在，我们将帕累托分布的 $F(Q)$ ，其中 $F(Q)$ 为其累积分布函数（CDF），即质量小于某个值 $Q$ 的概率为： $$ F(Q) = 1 - \left(\frac{Q_{min}}{Q}\right)^\alpha $$

代入这个极简公式：

$$ c = \int_{Q^}^{\infty} \left(\frac{Q_{\min}}{Q}\right)^\alpha dQ = Q_{\min}^\alpha \int_{Q^}^{\infty} Q^{-\alpha} dQ $$

假设 $\alpha > 1$（保证均值存在），我们解开这个积分：

$$ c= Q_{\min}^\alpha \left[ \frac{Q^{1-\alpha}}{1-\alpha} \right]_{Q^*}^{\infty} $$

因为$\alpha > 1$，当 $Q \to \infty$ 时，$Q^{1-\alpha} \to 0$。因此：

$$ c = \frac{Q_{\min}^\alpha}{\alpha - 1} (Q^*)^{1-\alpha} $$

我们把目标变量 $Q^*$提取出来：

$$ (Q^*)^{\alpha-1} = \frac{Q_{min}^\alpha}{(\alpha - 1) c} $$

两边同时取 $\frac{1}{\alpha-1}$ 次方，得到最终的帕累托-斯蒂格勒搜寻均衡解：

$$ Q^* = Q_{min} \left( \frac{Q_{min}}{(\alpha - 1) c} \right)^{\frac{1}{\alpha-1}} $$

假设存在一个极高的审美阈值 $Q^*$

预期搜寻次数 $N$ 服从几何分布的倒数：

$$ N = \frac{1}{1 - F(Q^)} = \left(\frac{Q^}{Q_{min}}\right)^\alpha $$

因为审美阈值 $Q^*$ 被拉得极高，预期搜寻次数 $N$ 会呈指数级爆炸。大多数人在有限时间闲暇内，为了满足自己的精神消费需求，则会选择包容创作者，适度降低审美阈值。

幂律分布适用于成规模的市场

显然，同人市场规模越大，消费者搜索的成本也就越高。同时，由于亚文化符号传播高度依赖社交网络算法，而社交网络通常呈现无标度特征。结合无标度网络理论，高昂的搜寻成本容易迫使消费者采取启发式搜索（如依赖榜单）甚至是被动推送，这种行为在宏观网络拓扑上直接表现为优先连接，即，新来的节点在选择连接对象时，并非随机选择，而是倾向于连接那些已经拥有很多连接的节点。

如果同人内容生产者的内容不符合算法选择，制品信息就会被归纳为网络里的边缘节点，其连边数 $k$ 长期趋近于 0，因为算法和读者的高搜寻成本切断了边缘节点被发现的路径。

根据帕累托指数 $\alpha$ 与网络度指数 $\gamma$ 的不同，一般可以分为两类社群。同时，根据社区规模和网络演化阶段的不同，同人社区的网络拓扑结构会发生根本性的相变。

中大型社区：标准无标度网络

这类社区存在核心主导节点，同时也分布着多个次级中心节点。消费者以降低成本的启发式搜索为主，但由于随机淘金带来的高潜在收益，仍会保留极小比例的随机搜寻作为“风险投资”。

创作者存在一定流动性。新人若能通过局部范围的相互推荐（如小团体的密集推荐）越过传播阈值，即可触发全局优先连接，跃迁为网络的次级中心。

微型/冷门社区

这类社区可能缺乏网络节点的持续增长机制或处于早期阶段，且信息总量未达到过载状态。优先连接机制失效，无标度网络退化为随机网络（Erdős-Rényi Model）甚至全连接图。这种社区内，消费者直接采取穷举搜寻策略即可遍历所有作者，拥有丰富额的信息量。在这类社区中，可以用均匀分布来作为先验衡量。

声誉是信息市场中的劣等品（下位替代）

声誉一般认为是创作者的一种积累，来自于过往创作者在社区里抛头露面积累的声望，属于社区受众的潜在共识。

我们可以认为同人市场是信息高度不完全的，毕竟有一部分同人制品作为经验品在购买前是看不透的（比如本子，音乐专辑，或者预售的谷子）。看到的同人宣发，只是一个信号，记作$S$。信号是不完美的，它也有噪音。

这时候，消费者经常会做贝叶斯决策更新。一般我们对制品作者的先验预期是 $\mu_0$（也就是我们根据历史消费和对市场的朴素观察得到的声誉），其确定性由方差 $\sigma_0^2$ 决定。看完宣发后，消费者对制品的后验预期质量 $Q_{\mathrm{expected}}$ 会变成两者加权平均：

$$ Q_{\mathrm{expected}} = \alpha \mu_0 + (1 - \alpha) S $$

权重系数 $\alpha$ 取决于作者声誉的可靠程度与试阅信号的可靠程度的对比：

$$ \alpha = \frac{\sigma_s^2}{\sigma_0^2 + \sigma_s^2} $$

(其中 $\sigma_s^2$ 是试阅信号的误差方差，$\sigma_0^2$ 是先验声誉的误差方差)

在微观经济学中，劣等品的严格数学定义是：随着消费者“收入”的增加，对该商品的需求量反而下降（即需求收入弹性为负）。在信息市场中，我们定义 闲暇资源（$W$）： 消费者的信息预算或时间财富。这与搜寻的机会成本 $c$ 成反比（$W \propto 1/c$）。时间越充裕（如学生党），$W$ 越高；时间越昂贵（如工作党），$W$ 越低。 搜寻努力（$e$）： 消费者投入到解读宣发信号 $S$ 上的精力。显然，$e$ 是信息财富 $W$ 的增函数：$\frac{\partial e}{\partial W} > 0$。

根据微积分的链式法则，我们求贝叶斯更新的权重 $\alpha$ 对$W$ 的偏导数：

$$ \frac{\partial \alpha}{\partial W} = \frac{\partial \alpha}{\partial \sigma_s^2} \cdot \frac{\partial \sigma_s^2}{\partial e} \cdot \frac{\partial e}{\partial W} $$

容易得到

$$ \frac{\partial \alpha}{\partial W} < 0 $$

因此随着消费者信息财富 $W$ 的增加（即时间充裕、搜寻成本 $c$ 降低），他们对声誉 $\mu_0$ 的权重 $\alpha$ 呈严格递减趋势。声誉在数学上完全符合“劣等品”的统一定义。

通俗来讲，信息不透明的情况下，先相信大家说的东西，比较合理。

方差无穷大的诅咒

如果在中大型社区的无标度网络中，帕累托指数小于2，则方差会变得无穷大。这体现在极端的市场中，无论是闲暇多还是闲暇少的消费者，其面临的客观搜寻成本都远超同人本的预期收益。

如果方差无穷大 $\sigma_s^2 \to \infty$ ，则：

$$ \lim_{\sigma_s^2 \to \infty} \alpha = \lim_{\sigma_s^2 \to \infty} \frac{\sigma_s^2}{\sigma_0^2 + \sigma_s^2} = \lim_{\sigma_s^2 \to \infty} \frac{1}{\frac{\sigma_0^2}{\sigma_s^2} + 1} = 1 $$

易得这类权重退化为常数1，即所有的后验预期质量全部取决于前期观察到的声誉。

如果 $\alpha$ 是常数，就会导致上一个章节的$\frac{\partial \alpha}{\partial W} = 0$，也就意味着时间闲暇禀赋的效应完全消失。在这里我们无法通过有限的精力辨别真实，无论个人的搜寻能力多么强大，都无法保证自己能一定满足自己的期望阈值 $Q^*$。因此在这个情况下，消费者的最优策略是：当且仅当声誉先验的信号精度高于随机猜测时，依赖声誉做出购买决策。 毕竟消费者不用每次购买都从零开始搜寻，他们天然存在路径依赖，并且在无标度网络效应严重的社区，路径依赖越严重。

为什么大家依赖声誉

研究信号传播也是一个很有意思的过程。A. Micheal Spence 因此获得了2001年的诺贝尔经济学奖。

假设目前市场仍然存在有效信息传播，且没有外部信息算法选择的干扰。我们可以使用Spence (1971)提出的模型，这是一种动态不完全信息博弈模型。该模型核心在于信息优势方通过采取可观察的行动向信息劣势方传递真实信息，以降低信息不对称，从而实现双方的效用最大化。

我们设定市场上存在两类创作者，其真实质量类型为 $\theta \in {H, L}$，分别代表客观偏高质量和客观偏低质量。

市场知道符合群体喜好的创作者的先验概率为 $p$，但无法直接观测特定个体的 $\theta$。在极端的市场噪音下，若创作者不发送任何额外信号，或者发送无成本信号，消费者将根据期望给出一个极低的保留价格（或者根本不达成交易，只是看看），新人收益趋近于基准线 $R_0$。

为了向消费者证明自身类型 $\theta = H$，创作者必须选择发送一个可观测的信号量 $s$。在同人市场中，$s$ 代表一种不可回收的沉没成本，例如投入大量时间进行严苛的考据并公开笔记，大力投入金钱时间在宣发上。

我们引入成本函数 $C(s, \theta)$。在传统的市场中，成本纯粹是对资源的消耗，它带来的是负效用。但在同人市场生态中，创作者投入极大精力的过程本身，有时能产生巨大的内在情绪收益。

该模型成立的绝对核心假设，是单交叉条件（Single-Crossing Property），即发送相同单位信号的边际成本，低质类型严格大于高质类型：

$$ \frac{\partial C(s, L)}{\partial s} > \frac{\partial C(s, H)}{\partial s} > 0 $$

这个不等式可以看出在这个条件下客观偏低质量想要把自己伪装成很牛逼创作的行为，其实是要比高质量的创作者成本高的。

假设市场观测到信号 $s^$ 后，相信创作者是 $H$ 类型，并愿意给予高回报$R_H$。我们可以认为存在能够让市场敢于信任的均衡点 $s^$。

首先，对于低质量创作者 $L$，伪造信号 $s^*$ 伪装成高质量创作者的收益，必须严格小于他什么都不做、直接接受他本来创作应得的收益：

$$ R_H - C(s^*, L) < R_0 - C(0, L) $$

即 $C(s^, L) - C(0, L) > R_H - R_0$。这规定了信号量 $s^$ 的下界

其次，对于高质量创作者 $H$，发送信号 $s^*$ 的净收益，必须大于被埋没的收益：

$$ R_H - C(s^*, H) \ge R_0 - C(0, H) $$

即 $C(s^, H) - C(0, H) \le R_H - R_0 $。这规定了信号量 $s^$ 的上界：自证清白的成本不能高到使得高质量创作者也面临亏损。

将两者联立，我们得到了分离均衡存在的数学区间：

$$ C(s^, L) - C(0, L) > R_H - R_0 \ge C(s^, H) - C(0, H) $$

但如果加入情绪收益补偿后，情况发生了变化。假设市场中存在大量客观质量还在起步阶段，但处于极度狂热状态的新人创作者，由于其极高的表达欲，其边际热情补偿极大。

此时，对于狂热新人而言，由于内在效用$ V(s) $的强力对冲，其感知的边际净成本会发生暴跌：

$$ \frac{\partial \tilde{C}(s, L)}{\partial s} = \frac{\partial C(s, L)}{\partial s} - \frac{\partial V(s)}{\partial s} \to 0 $$

花了大量精力做精美宣发的人，可能是真正的高质量神仙 $H$，也可能是仅仅凭借一腔热血但内容空洞的狂热者 $L$。因此信号 $s^*$ 缺乏传递真实类型 $\theta$ 的信息。导致经验上消费者更依赖于声誉。当然，如前文所述，只要信息是确定的，大家会忽略声誉这个下位替代品。

创作者该如何看待声誉和信息

将视线从单期的博弈拉长到多期博弈。设时间节点为 $t=1, 2, \dots, T $。在 $t=1$ 期，作为没有任何先验数据的新人，市场对其实际类型 $\theta=H$ 的先验信念极低，记作初始声誉 $\mu_1 \to 0$。为了打破这个僵局，创作者被迫支付了极其高昂的沉没成本 $C(s^*, H)$ 来发送强信号。

当这个条件达成，市场的贝叶斯更新机制被强行重启。由高昂成本换来的后验概率直接成为了下一期博弈的先验声誉。对于新人而言，前期发送 $s^*$ 所承受的巨大成本，其实都能转化为回报。

因此只要大家认可了创作者，创作者就能稳稳扎根。因此某种意义上，如果声誉一直都在稳步积累，先来者优势是巨大的。

在同人社区的早期阶段，内容总量有限。在这个时期，产出一篇结构完整的短篇，或者几张完成度尚可的线稿，或者制作一些一看就很漂亮的谷子，就足以向市场发送清晰的 $H$ 类型信号，从而低成本地完成初始声誉的原始积累。

不过，随着时间推移，市场容易转向柠檬市场。低质量类型大量涌入，且批量制造虚假信号的边际成本不断趋近于零。最重要的例子就是AI创作的泛滥。要让消费者确信创作者不是AI生成的废图或者量产文，后发者被迫支付的信号阈值将发生指数级的通货膨胀。

此时，先发者与后发者处于完全不对等的博弈位面，先发者的声誉强，所以大家在信息不完全的情况下偏好于先发者。当然，整体来说由于同人创作者对于收益的不敏感性，即它作为生产者的目的是最大化热情周期，最重要的事情其实是可以吸收声誉伴生的精神满足回馈，因此柠檬市场效应并不会如传统分析里那样严重。

根据前文的分析，信息完全的情况下，声誉将会被作为下位替代品。因此同人创作者一方面可以积累自己的声誉，另一方面尽量保持自己制品信息的透明度，降低消费者选择的不确定性，因此谜语人式的宣发不一定让人讨喜。

不能寄AI奇点的希望于柏拉图的洞穴囚徒

Sun, 22 Feb 2026 00:00:00 GMT

影子的修辞学家

在柏拉图著名的“地穴寓言”中，囚徒们长年面壁而坐，通过观察投射在墙上的影子来推测现实。他们发展出了一套精妙的学问：谁能最准确地预测下一个影子的出现序列，谁就是群体中的智者。在这个故事里，影子是囚犯们的现实，但并不是真实世界的准确呈现。

通过对数以万亿计的文本 Token 进行概率建模，LLM 掌握了影子变幻的终极统计规律。它能用最华丽的词藻描述重力，能极其精准地预测苹果后面大概率跟着落地。然而，在 Scaling Law疯狂推高算力与数据量的背后，一个令人不安的真相正浮出水面：无论影子预测得多么完美，模型依然从未见过产生影子的实体，更从未理解过投射影子的火光，即真实世界的物理逻辑。

通俗的解答认为，影子代表人类通常可以凭借感官感知的现实片段。但是从AI模型的视角来说，他们是一个被感官剥夺的“智慧体“。对于现在的多模态模型来说，我们可以输入图片，输入媒体，输入视频，输入文本。但是这些媒体流实际上是整个世界的局部。尽管图片和视频都属于富媒体，但是图片缺乏对景深的感知信息，视频缺乏对物理规律的信息。如果要强迫模型去适应物理世界，只依赖记录的富媒体是远远不够的。

万物皆可向量化

早就有人知道语言不能涵盖所有信息，那么怎么把其他的数据结构化加入进来呢？在过去几年的深度学习狂潮中，“万物皆可向量化”成为了 AI 界的统治级范式。通过对比学习和掩码建模，我们成功将文本、图像、音频甚至动作序列映射到了同一个高维的连续向量空间。这也就是多模态的理论基础。

使用词袋模型的文字向量化

从数理角度看，这算是在寻找不同模态数据背后的共同底层流形。多模态模型的初步成功（如 GPT-4o）证明了，只要参数堆得足够多，不同模态的概率分布可以实现极其精准的对齐。但是多模态的加入是否能使得目前的AI模型胜任感知世界的能力？

地穴的体系

压缩即学习

马库斯·赫特（Marcus Hutter）曾提出一个著名论点：对数据的最优压缩等价于智能。 尽管压缩是有损失的，我们可以举一个例子，想象我们要记住一部一千万字的小说。死记硬背需要巨大的记忆付出；但如果我们理解了主角的性格、故事因果和人性逻辑，实际上也就足够了，没有人会记住细节。这样的归纳总结实际上AI也在做相同的事情。神经网络的学习过程，本质上是在寻找数据中的柯尔莫哥洛夫复杂度的最优逼近。可以说，模型能够用极少的参数准确还原海量文本时，我们认为它“理解”了语言。（理解柯尔莫哥洛夫复杂度可以参考这篇文章算法信息论[1]：柯尔莫哥洛夫复杂度）

解释柯尔莫哥洛夫复杂度的输入示例

然而，索绪尔在符号学提出过能指（Signifier）与所指（Signified）的概念，在符号学中，“能指”是语言的形体（如单词“苹果”的拼写或读音），“所指”则是该符号在心智中对应的概念或实相。模型在数万亿规模的语料上进行学习时，我认为它实际上是在构建一个庞大的能指互联网络。学习到“苹果”总是和“红色”、“甜”、“掉落”这些词高频共现，并不意味着它能理解到什么是“红色”、“甜”、“掉落”。

尺度即涌现

Scaling Law（尺度定律）是当前 AI 发展的第一性原理。它定量地描述了：模型的性能（Loss）与计算量（C）、参数量（N）以及数据集大小（D）之间遵循幂律关系。

幂律分布和无标度网络

幂律关系是一个很有意思的内容，从复杂科学到无标度网络，都存在有关幂律增长的共同逻辑。有关幂律增长的解释，可以参考这篇文章解读幂律(Power Law)分布与无标度(Scale Free)网络

$$ L(N, D) \propto \left( \frac{N}{N_0} \right)^{-\alpha} + \left( \frac{D}{D_0} \right)^{-\beta} $$

根据幂律，只要按比例投入资源，模型的预测准确率就会持续上升。

然而，媒体数据的尺度存在一个信息真空层。无论把分辨率开到多高，视频始终无法传递物体的质量、摩擦系数或三维空间里的遮挡关系。这就是“地穴”的墙壁——分辨率再高，看到的依然只是投影的精细度，而非光源本身。

能够无限逼近能指的复杂性，却无法自发产生所指的真实性。 导致了模型只看到了现实中残缺的部分，而且离细节太近，离整体太远。

架构的不适应性——近视的大模型

重建语言背后的物理场景是人类认知的本能。

人类角度的感知学有一个重要共识，感知不是被动的接收，而是主动的干预。我们感知到石头的重量，是因为我们试图搬起它时，肌肉传来了阻力的反馈。几乎所有的AI模型实际上是观察过去既有的记录而生成相应的内容的，因此他们只能依赖作为旁观者角色的输入。

由于没有在真实世界中试错的权利，模型永远无法建立感知反射。人类婴儿是如何学习感知世界的？是通过交互与试错。婴儿推杯子，杯子掉在地上碎了，发出巨大的声响，甚至划破了手指产生痛觉。在这个过程中，物理世界给了婴儿极其丰富且带有强制性约束的反馈。

此外，感知世界，本质上是在处理连续信息。模型试图用离散的 Token 去拟合连续的物理世界，就像试图用乐高积木去拼凑出一片完美的无理数曲面。当模型在试图预测自己下一个状态时，它是在符号空间里做跳跃，这种离散化的架构极其适合处理高度抽象的语言法则，但面对需要连续的真实感知时，就会显得笨拙且充满幻觉。

感知最重要的一环，是需要维护一个内在状态。比如，知道背后的桌子上有一个水杯，即使你没看着它，你脑海里的世界状态依然在追踪它的绝对坐标。反过来说，大语言模型是无状态的。大语言模型不存在一个独立运作的工作记忆区来保存外部世界的 3D 拓扑。它唯一拥有的只是一段上下文窗口，上下文窗口在这里不能被成为状态。当大语言模型试图描绘一个复杂的物理过程时，它必须依靠在庞大的历史窗口中寻找注意力权重。一旦物理场景稍微复杂（比如多个物体的遮挡、碰撞、反弹），依靠纯粹的序列注意力去维持一个物理状态的全局一致性，计算复杂度会呈指数级爆炸。

人类和大语言模型的差异

为什么“做题家”没有物理感知？

目前最流行的大模型训练方式是自监督学习。它的核心逻辑就是遮挡与还原，把一句话里的几个词抠掉，或者把视频里的下一帧盖住，让模型去猜，类似于做完形填空的题目。一个人完全不懂中文，但看了几百万本被虫子蛀了洞的中文书。最后他能完美地把缺失的字填回去，仅仅因为他记住了形状的搭配概率。但他依然不知道“火”这个字会烫手，“冰”这个字会融化。这样的学习方式并非能够和我们认知中的行为反射对齐。

强化学习算法的工作流

当然，学界也已经引入了强大的训练方式，强化学习。模型做对了，给个奖励；做错了，给个惩罚。真实世界的物理法则是不可商量的底线，没有任何商量的余地，但在强化学习里，一切都是为了“分数最大化”。即使在机器人的模拟器里，强化学习也经常闹笑话，也就是所谓的“奖励欺骗”。比如，奖励机器人“向前移动”，它可能不会学会双腿走路，而是把自己疯狂震动，利用物理引擎的 Bug 摩擦着往前滑，毕竟这一也算是完成了任务。

把这些学习方式综合起来看，我们就会发现它们与人类感知世界的根本差异。当一种智能体，它的认知架构建立在离散的符号之上，它的学习方式又被限定在‘完形填空’和‘赚取人类打分’的游戏里时，它从未在地球上真实生活过，怎么能指望模型理解真实的世界？

感知世界的能力和主体存在

法国现象学家梅洛-庞蒂（Maurice Merleau-Ponty）在《知觉现象学》中提出过一个核心观点：意识从本质上是具身的（Embodied）。 我们之所以知道“我”存在，是因为物理世界对“我”产生了抗拒（Friction/Resistance）。没有边界，就没有主体。如今被困在柏拉图地穴里的AI，它们生存在一个没有任何物理阻碍、没有任何摩擦力的数字真空中。语言模型就像是一面无限广阔的镜子，完美地倒映着全人类的认知，但镜子本身，并没有视点。

AI不干预世界，不承担行为的物理后果，因此在数学上，它与它所处理的数据是连续的、同构的。它吸收着人类的数据，却无法产生任何真实的动作去改变它的环境输入。缺乏感知与行动的物理闭环，AI 就永远只是环境数据的一段延伸，而不是环境中的“主体”。

更进一步说，主体性还意味着意向性（Intentionality），即意识总是带有目的的。人类的思考之所以充满动机，是因为我们寻求和维持着自己在物质世界的存在。我们要进食以维持能量，我们要躲避落石以保持肉体的结构完整。正是因为物理世界充满了不可逆的破坏，我们才演化出了生存的意向与动作规划。

有人说Loss，损失函数是AI的边界，但是Loss并不和AI的存在挂有任何的因果。很好理解，我们做错了一件事情，有概率会因为做错而失去生命，但是也有大概率不会，因此并非因为被定义的错误，我们的存在就消失了。

走出地穴之路

启蒙时代

哈密顿神经网络

深度学习界早就意识到了纯粹的概率拟合在物理维度上的灾难性后果。早期的多层感知机在预测一个简单单摆的运动时，会产生能量漂移，单摆要么越摆越低（能量耗散），要么越摆越高（无中生有产生能量），因为它完全不懂能量守恒。哈密顿神经网络（Hamiltonian Neural Networks, HNNs，2019）改变了这一现状。研究者不再让网络直接去猜物体的下一个位置，而是让网络去学习系统的“哈密顿量（Hamiltonian，即总能量）”。网络被套上了经典力学的约束。它必须严格遵循哈密顿方程，即位置的变化率取决于动量，动量的变化率取决于位置。在这种硬性约束下，网络生成的单摆轨迹能量如若不守恒，训练过程会增加它的相应权重损失。

这类学习过程仍然需要人类手把手规定模型的世界要素，而并非模型自我探索。它确实是懂物理，但不具备从混沌世界中感知物理的能力。

摸爬滚打——槽注意力机制

槽注意力机制

要打通从视觉感知到重建世界的桥梁，网络必须学会在没有任何人类标注的情况下，从一堆混乱的像素中提纯出物理实体。因此，以Slot Attention（槽注意力机制）为代表的技术应运而生（2020）。这种架构强迫网络将画面分解到有限的几个槽位中。文章所使用的数据集场景比较简单。但是在像现实世界一样复杂的场景中, 槽注意力表现不一定会非常出色。还有一个缺点是该方法需要提前知道物体的数量。这一点远逊于人类婴儿对于数量的认知。

但是这个方法论启蒙了一点，我们不能让神经网络变成一块毫无原则的海绵，吸饱了所有噪音。通过这种限制槽位数量的暴力手段，网络被强行赋予了物体互斥性和边界感。人类睁开眼睛看世界时，看到的不是几千万个离散的光子，而是有限的实体和基于过去实体状态的时空集合。

Lecun的模型

传统的自监督学习（如基于扩散模型的 Sora 或是掩码自编码器 MAE）痴迷于生成式重建。它们试图在给出上半部分画面时，完美预测出下半部分画面的每一个像素。但是注意力终究是有限的，或者说我们不存在一个无限输入信息的状态。物理世界中充满了高度不可预测的随机性。一辆车驶过水坑，溅起的水花形状是混沌的。强迫模型去预测每一滴水的精确落点，模型的算力就会全部耗费在拟合这些无意义的噪声上，而无暇顾及车在往前开的状态。模型不需要学会上帝视角，但是模型得首先学会第一视角。 Yann Lecun一直强调，AGI（通用人工智能）应当抛弃生成式范式，而转向另一个方向。Lecun提出的JEPA （2023）彻底抛弃了像素级的重建。它引入了一个极其关键的限制——只在隐空间（Latent Space）中进行预测。它的数学逻辑非常克制，给定过去的观察 $x$，编码器提取其隐状态 $s_x$；给定动作 $a$，预测器不去生成未来的画面 $y$，而是仅仅预测未来画面对应的隐状态 $s_y$。这种减法反而使得模型从大量无关信息里减轻了负担。

钥匙就在自己身上——神经网络和重整化群

我们至今都无法模拟及其海量分子的复杂系统。如果试图去追踪海洋中每一个水分子的运动轨迹，整个地球的能量实际上也是不够用的。但是没关系，现在我把一部分分子整合在一起形成一个团簇，计算团簇之间的相互作用，我们仍然能得到海洋里面物体的阻力模拟，这种操作就是重整化。重整化群（renormalization group，简称RG）是一个在不同长度标度下考察物理系统变化的数学工具。在重整化理论中，系统在某一个标度上自相似于一个更小的标度，但描述它们组成的参量值不相同。这种自相似被称作标度不变性。

神经网络的层级结构与统计物理中的重整化群类似，每层神经网络就像进行一次重整化变换，去除微观无序信息，保留跨尺度的重要结构信息。在重整化群理论中，看似完全不同的微观系统，在粗粒化后会表现出完全相同的宏观规律。如果能和一个物质世界的主体输入足够多且相等的环境信息，基于神经网络的模型仍然可能成为被苹果砸到头的牛顿——推倒一叠木块和撞碎一面玻璃，在去除了材质的微观细节后，在隐空间里遵循着同一套牛顿力学。

做减法是神经网络的天然逻辑，因此我们无需担心洞口是否有被堵死的门。

离泡沫太近，离上帝太远

当我们在今天无休止地争论着参数规模的扩张是否会自然涌现出通用人工智能，甚至狂热地期盼着那个全知全能的AI奇点降临时，我们或许从一开始就找错了仰望的坐标。

真正的智能飞跃，必然建立在对物理实在的深刻理解与具身交互之上。只有当智能体走出那个地穴，去真实地感受阳光的刺眼、重力的滞重以及时间之矢不可逆的流逝时，一场真正意义上的AI奇点才具备了孕育的土壤。

在此之前，无论地穴里的火光将墙上的影子照得多么光怪陆离，无论囚徒们将影子的变幻规律推演得多么穷尽天机，那终究只是一场极其逼真却又无比单薄的皮影戏。而我们似乎陷入在这样的泡沫中太久。

建立“通用时间序列模型”：巴别塔之梦是否能实现

Thu, 19 Feb 2026 00:00:00 GMT

建立“通用时间序列模型”：巴别塔之梦是否能实现

在 ChatGPT 引爆了 NLP 领域的“基础模型”狂潮后，时间序列预测（Time Series Forecasting）领域也陷入了一种集体焦虑。不管是学术界还是工业界，都在试图复刻这一路径：收集海量的金融、气象、电力、医疗数据，试图训练出一个能通吃所有下游任务的通用模型。

最近有幸参加学校的暑期研究项目，从2022年开始，我就对时间序列有了兴趣，只是当时是偏向经济金融的时间序列，这次是一个偏向应用的建模。

基于我近期在电网负荷预测中的研究与实验，我也研读了这个领域不少的论文，我发现两个问题。

大多数论文的Setting比较有一个很有意思的指标，基于不同数据集的表现，但是一个模型真的能泛化到异构性很高的数据集吗。我们可以思考，金融数据集，一个信噪比很低的数据集，和电力数据集，一个周期性很强的数据集，在这种异质性的情况下，比较同一个模型的表现，是不是有点有失偏颇。

Transformer是否真的比Linear模型更有效？这一点Dlinear的作者（2023）已经提出了疑问，这里就不再过多赘述。但是有另一个问题，大多数模型都在试图用单变量预测单变量，并且还有一个Setting是利用96步的回溯窗口预测未来远大于96步的部分。我们如何知道模型不是因为信息量过少在瞎猜。这些似乎都是一个争论性的话题。

一、语义的陷阱：Token 的本质差异

在 NLP 中，Token 是有“语义锚点”的。单词 "Apple" 无论出现在莎士比亚的诗句里，还是在乔布斯的传记里，它都指向一个相对稳定的语义空间。因此，Transformer 的注意力机制可以有效地捕捉上下文关联。因此，Google的CBOW模型作为大语言模型的前置也就应运而生。

CBOW 模型，使用上下文关联来修正Token的嵌入，使其捕捉上下文语义

但在时间序列中，我们面对的是什么？

一个浮点数 24.5。

如果在气象数据中，它可能是气温；在电力数据中，它可能是发电量；在金融数据中，它可能是股价。

目前的通用模型试图通过 Patching 技术（如 PatchTST）将一段子序列视为 Token 。然而，这种 Patching 仅仅解决了输入维度的问题，却丢失了语义语境。标准 Patching 技术将时间序列切片处理为匿名 Token，导致了语义上下文的丢失（例如，无法区分“周一早晨”的切片与“周日傍晚”的切片）。

对于不同的数据集来说，数据点（或者说数据点的Patch），如果能够语义化嵌入到隐空间，其实是一个很有意思的举措，我也看到近期有论文这么做，但是从个人的理解上来看，语义化本身也是让模型理解数据背后的物理或者背景现实意义，以做出更有靶向性的输出，但是这个过程是不是可以通过一个物理感知的过程去实现呢？

二、单变量时序预测注定是“不完备”的

在过去的一两年里，时间序列预测领域出现了一个奇怪的现象。

以 PatchTST 和 DLinear 为代表的各类通用SOTA模型横扫了顶会。有趣的是，它们的核心策略是Channel Independence (CI)，即把多变量数据强行拆解成多个单变量序列，独立预测，最后再拼起来。

我对这种现象深感不安，这种对多变量（Multivariate）模型的系统性忽视，实际上有点危险，好比，我们在开车时只看后视镜，而不看挡风玻璃外的路况，我们真的能开好车吗？

单变量预测的数学硬伤：信息不完备性

单变量预测的核心假设是：系统的未来状态完全蕴含在其过去的状态中。

即 $Y_{t+1} = f(Y_{t}, Y_{t-1}, \dots)$。

在封闭系统中，这或许成立。但在现实世界的开放系统（如电力、金融、交通）中，这是一个巨大的谬误。

以电力负荷为例，负荷的变化不仅仅是人类活动惯性的延续，它在很大程度上是由外部冲击驱动的。

最典型的就是 “鸭子曲线”（Duck Curve） 。当正午阳光强烈时，屋顶光伏发电量激增，导致净负荷曲线突然出现一个深坑；而当云层飘过或日落时，负荷又会瞬间反弹。

鸭子曲线和辐照度的曲线叠加图，可以观察到直接的因果

在这个例子中，太阳辐照度（Irradiance）是一个关键的外部协变量。如果模型只有负荷的历史数据，而没有辐照度数据，那么在数学上，它的信息集就是不完备的。 在追求一个量化关系时，我们过去的数据无法指导未来（这点很显然），因此如果想要在这部分提升精度的话，没有协变量的参与，就不太可能做到。

很多论文认为非Channel Independence的做法会引入噪声。但我认为，根本原因在于我们对多变量的处理方式太粗糙了。

目前的标准做法是：把时间、天气、负荷全部做个 Embedding，然后丢进同一个 Self-Attention 层里一锅乱炖。

这在数学上是非常不严谨的，因为这些变量属于完全不同性质的流形

比如“小时”、“星期”、“节假日” 。这些变量是先验已知的。我们不需要“预测”明天是周几，这是硬约束。它们构成了时间序列的骨架。而“气温”、“湿度”、“降雨量” 。这些变量服从某种概率分布，且往往具有复杂的物理特性。

传统Transformer对于隐状态的Concatenation——一锅乱炖

三、物理感知是时序预测罗盘

现在的研究有一种倾向，认为只要数据量够大，模型就能学会一切。于是我们看到了大量忽略领域知识、盲目堆砌算力的“黑盒”模型。但是时间序列不一样，只在一个维度上看，单纯的数据驱动模型，在面对未曾见过的极端情况的时候，总是会表现不佳。

当试图用深度神经网络去拟合一个复杂的物理系统（如电力负荷、流体动力学或气候变化）时，我们实际上是在高维观测空间$\mathbb{R}^D$ 中，试图恢复一个低维的流形 $\mathcal{M}$。对于一个盲目的数据驱动模型，它没有流形的全局几何先验。在一些稀疏区域（例如金融极端的暴跌，极端天气引起的电网中断），模型只能依据局部曲率盲目延伸。一旦遇到流形曲率剧烈变化的区域往往会直接跳出流形切空间，而无法确定学习的结果是否正确。

物理感知的本质，是在高维空间中引入了约束方程。在复杂系统科学中，迪迪埃·索内特（Didier Sornette）提出过 LPPL（对数周期幂律）模型。它通过描述系统的“超指数增长”和“加速震荡”，成功预测了多次金融泡沫的破裂断裂。 LPPL 的核心洞见在于，复杂系统的突变，从来不是随机漫步（Random Walk）的结果，而是正反馈机制导致的“有限时间奇点”。（当然从重整化群的角度来说，泡沫的特征就是它的局部结构是自相似的，这点可以参考文章 The Bitcoin Crash and How Nature Works)

当前的主流时间序列模型（如 iTransformer, PatchTST）在处理这些问题时，却犯了一个根本性的错误：它们假设系统是平稳或线性外推的。它们看不见那个即将到来的临界时间点。不可避免地，有一部分时间序列数据集，存在一个外部变量引起的超指数增长的过程（不管它有没有发生，系统都可能出现这个过程），单纯的单变量模型无法理解这种物理上的正反馈，因为他们缺乏对于因果变量的感知和约束。

从约束上来看，时间特征（小时、星期）不是普通的变量，它们是流形的参数化坐标。通过一些技巧，我们可以将流形 $\mathcal{M}$ 强行绑定在一个固定的拓扑骨架上。这意味着，无论某些局域数据多么稀疏，模型都知道“周一早上八点”和“周一晚上八点”在流形上不仅是距离遥远的点，而且处于不同的拓扑分支上。这种硬编码的坐标系防止了模型在稀疏区域发生拓扑粘连。从这点来讲，基于RNN的模型反而比Transformer更有优势，因为RNN天生地在隐空间上有一个序列偏好。

从消融学习上来看，对比有时间编码语义嵌入和没有的情况，模型不仅在总体指标上，而且在局部也有一些高度的提升。

如何在“惯性”与“冲击”之间寻找平衡点？

在时间序列预测的建模哲学中，存在着一个永恒的博弈——到底我们应该相信系统的惯性，还是相信外部的冲击？

有人认为认为历史会重演。今天的数据很大程度上取决于昨天的负荷。当然也有人认为外部的约束条件决定一切。如果明天石油危机爆发了，油价必然飙升，不管昨天发生了什么。

绝大多数物理系统都有“惯性”。在电力系统中，这种惯性表现为人类活动的周期性：日出而作，日落而息。在动力学中，这可以被称为极限环（Limit Cycle）。

稳定极限环以及相应的庞加莱映射作者 User:XaosBits at English Wikipedia，CC BY 2.5，https://commons.wikimedia.org/w/index.php?curid=732841

从流形的角度来说，在传统的时间序列流形（仅由历史负荷 $X_{hist}$ 构成）上，距离通常被定义为时间步的邻近度。

$$d(x_t, x_{t+k}) \approx f(k)$$

在这个流形上，测地线（Geodesic）代表着系统的惯性或平滑演化。相空间的极限环对应的是流形的测地线。

但，现实世界不是封闭的。

当黑天鹅事件来袭，系统不再遵循简单的周期运动。它进入了一种混沌状态。在这个状态下，两个极其微小的协变量初始差异（比如气温 35°C 和 35.5°C），随着时间的推移，会导致电力负荷曲线的轨迹在远期来看发生巨大变化。如果只有单变量数据去预测一个非常长期的窗口，模型可能直接退化成了一个随机游走的状态，因为没有足够多的信息让模型学习。

协变量可能修补了流形的拓扑结构

如果是光滑的流形（如极限环），我们只需要历史数据就能无限预测下去。事实上一些周期性数据确实很不错，如果求稳，我觉得XGBoost等集成学习的传统方法实际上在工业应用上还挺占优势的（实际上也是主流）。

但现实世界充满了奇异吸引子，它们是分形的，甚至是不连续的。

想象一下光伏发电导致的净电力负荷骤降，在相空间中表现为轨迹的突然坍缩。从几何上看，流形在这里发生了剧烈的弯曲甚至断裂。如果我们的模型能够观察到足够的信息（包含历史和未来的预测因果协变量信息），当系统运行到流形的断裂边缘，历史轨迹无路可走。此时，未来的可观察信号像一座桥，连接了流形的当前状态 $S_t$ 和未来的状态 $S_{t+1}$。

流形的一种突变

也就是为什么，让模型理解造成这个状态的因素很重要，例如模型能通过Cross Attention查询到历史上的任何征兆并且显式学习到，至少比瞎猜好用。在 Attention 机制中，两个状态 $i$ 和 $j$ 之间的“距离”不再取决于它们在时间轴上离得有多近，而是取决于它们的 Query (未来协变量) 和 Key (历史协变量) 有多像：

$$Similarity(Q_{fut}, K_{hist}) \propto \exp(-|W_{fut} - W_{hist}|^2)$$

这在几何上等价于引入了一个新的度量张量 $g_{new}$：$$ds^2 = \underbrace{\alpha \cdot dt^2}{\text{时间距离}} + \underbrace{\beta \cdot d\mathcal{W}^2}{\text{特征距离}}$$

$d\mathcal{W}^2$ (协变量部分)：由 Cross-Attention 引入。这是关键的修正。

这种新的度量距离可以修正测地线上的插值依赖，在类似图上的突变点找到新的演化方向。

四、超越Transformer？

Mamba模型

从动力系统的角度来看，像 Mamba 这样的状态空间模型 (SSM) 具有 Transformer 所缺乏的理论优雅性：它们本质上是离散化的连续时间系统。

当我们使用Transformer来模拟电网时，我们实际上是将一个连续的物理过程（电流）强行转换成离散的语言结构（Token）。这就造成了“离散化鸿沟”。

相比之下，SSM 将输入序列映射到其他模型。$x(t)$通过微分方程$h'(t) = Ah(t) + Bx(t)$ 进入潜状态$h(t)$。这在数学上与控制网格的物理定律（例如，发电机惯性）同构。如果吸引子是系统的“形状”，则隐藏状态$h_t$在SSM中，是系统在该流形上的坐标。与Transformer中的检索不同，SSM中的循环状态是一个压缩的物理内存，它沿着流形的曲率不断演化。

为了完全重建复杂混沌系统的相空间，Takens 嵌入定理表明我们需要足够长的观测窗口来展开吸引子的拓扑结构。

所以，SSM 相较于基于注意力机制的模型具有明显的优势。它们的线性复杂度$O(N)$ 使得它们能够吸收海量的历史序列，而不会受到记忆瓶颈的限制。 这意味着理论上，SSM 可以“看到”整个极限环或奇异吸引子的完整轨迹，而 Transformer 通常仅限于一个截断的局部窗口。 通过保持系统演化的长期记忆，SSM 可以更好地区分系统动力学中的暂时波动和结构性转变，原因很简单，因为它们“看到”了流形的更多历史信息。

阿喀琉斯之踵

然而，虽然 SSM 擅长模拟系统的内部惯性（自相关），但它们难以以物理上可解释的方式明确地模拟外部强迫（外部相关）。

用物理学的语言来说，电网是一个受迫动力系统：$\frac{dx}{dt} = F(x) + G(u)$。

其中外部天气条件$u$是影响因素。目前最先进的SSM模型通常将各个通道独立处理，和我们之前论述的一样，其存在缺点，想要做的更好，一个更深层次的物理约束是不可或缺的。

五、通用模型之终

时间序列预测的未来，不在于构建一个万能的 LLM，而在于构建物理感知的架构。

当我们放弃了“通用模型”的执念，开始尊重数据的物理属性，区分确定性与随机性，我们才能真正突破准确率的天花板。

Frontend Web Develop Note 1

Fri, 19 Jul 2024 00:00:00 GMT

Frontend Web Develop Note 1

Intro

I'm thrilled to share that I'm currently involved in a web development project for a club at my university. To be precise, it's more of an app development project, but our main task is to create a demo. This demo will serve as a showcase for the next round of funding. As students, this is a rare opportunity to experience a real-world working scenario.

Our tech stack for this project is quite exciting. We’re using TypeScript and React for the front end, paired with Tailwind CSS for styling. On the back end, we're relying on Django and a traditional SQL server. The UI/UX design has already been completed by professional designers and reportedly cost a few thousand AUD. Their work is stunning and will greatly enhance our demo's appeal.

Since this is a collaborative project, we're leveraging GitHub for version control and collaboration. I'll be keeping a detailed journal of the technical aspects of our work. These are valuable experiences that are hard to come by in a typical university setting, especially since frontend frameworks aren't usually covered in depth in our courses.

Given the commercial nature of the project, I won’t be disclosing any sensitive details. However, I look forward to sharing the general learnings and insights I gain from this journey.

Use Git in Real-World scenario

In the realm of software development, Git has become an indispensable tool, particularly for collaborative projects. While many students and budding developers learn the basics of Git in their coursework, the true power and utility of Git become apparent when working on real-world projects. In my recent experience developing a web app demo for my university club, I've had the opportunity to witness firsthand how Git facilitates seamless collaboration, efficient version control, and robust project management. This project has provided a practical understanding of Git’s capabilities, beyond what any classroom could offer. Here’s a closer look at how we leveraged Git in this real-world scenario.

Git Stash

git stash allows developers to save their uncommitted changes temporarily and revert to a clean working directory. This is particularly useful in scenarios where an urgent bug fix is needed on a different branch, or when you want to pull in the latest updates from a remote branch without committing half-done work.

Imagine you’re in the middle of developing a new feature, and suddenly a critical bug is reported that needs immediate attention. With git stash, you can stash your current changes, switch to the bug-fix branch, make and commit the necessary fixes, and then return to your feature branch to reapply your stashed changes. This seamless workflow not only helps maintain focus and efficiency but also ensures that the codebase remains clean and stable.

Using git stash is straightforward:

git stash save "description": Stashes your changes with an optional description.
git stash list: Lists all stashed changes.
git stash apply: Applies the most recent stash.
git stash pop: Applies the most recent stash and removes it from the stash list.
git stash drop: Deletes a specified stash.

Understanding the Difference Between Git Rebase and Git Merge

In Git, both rebase and merge are powerful commands used to integrate changes from one branch into another. However, they serve different purposes and have distinct effects on the project’s commit history. Understanding the difference between these two commands is crucial for maintaining a clean and efficient codebase.

Git Merge

git merge is used to combine the changes from one branch into another. When you merge, Git takes the contents of the source branch (often a feature branch) and integrates it with the target branch (often the main branch). The result is a new commit called a "merge commit" that has two parent commits, representing the history of both branches.

Benefits of Git Merge:

Preserves History: Maintains a complete history of all commits from both branches, providing a clear and detailed record of how the codebase evolved.
Easy Conflict Resolution: Since merge commits clearly show where the branches diverged, resolving conflicts can be more straightforward.

Drawbacks of Git Merge:

Commit History Clutter: The history can become cluttered with many merge commits, especially in projects with numerous feature branches and frequent merges.

Git Rebase

git rebase is used to move or combine a sequence of commits to a new base commit. Instead of creating a merge commit, rebase rewrites the commit history by applying changes from one branch onto another, effectively creating a linear history.

Benefits of Git Rebase:

Clean History: Results in a linear and clean commit history, which can make it easier to understand the project’s evolution and debug issues.
Better Bisecting: Tools like git bisect work more efficiently with a linear history, making it easier to pinpoint the introduction of bugs.

Drawbacks of Git Rebase:

History Rewriting: Rewriting history can be dangerous if not handled carefully, especially when working with shared branches, as it can lead to conflicts and lost commits.
Complex Conflict Resolution: Conflicts during rebasing can be more complex to resolve since the process replays commits onto a new base.

Your project git history should like a thick truck

First of all, the golden rule of git rebase is DO NOT use it on the public branch.

Rebasing moves all commits from the master branch to the top of the feature branch. The problem is that this only happens in your own repository. All other developers are still using the original version of master. Since rebasing results in new commits, Git will consider your master branch history to be different from everyone else's.

At this point, the only way to synchronize the two master branches is to merge them together, but this will create an additional merge commit and two sets of commits containing the same changes (the original commits and the branch commits modified by the rebase). Needless to say, this can be a very confusing situation.

Properly using git merge for branches should be a good habits for beginners, but if there are too many branches stuck together, it would be a mess. Using rebase can keep linear, which means your work tree should like a thick truck, when some little feature changes, using rebase, otherwise, try to use branches and merge it to main.

Introduction of Cryptograpy

Tue, 04 Jun 2024 00:00:00 GMT

Introduction of Cryptography

Caesar Cipher

Assume letters are numbered from 0 - 25, we have the following two functions:

Encryption function

$E_n(x)=(x+n)\mod26$

where n is the key, x is the plaintext letter.
Decryption function $D_n(x)=(x−n)\mod26$ where n is the key, x is the ciphertext letter.

Here’s a reminder about modular arithmetic: If there’s an equation A/B=Q remainder R, where A is the dividend, B is the modulus, Q is the quotient, R is the remainder. Then the modulus operation (%) in programs and calculators just takes the remainder, i.e., A mod B=R.

It can be attacked using cryptanalysis, in this case using:

Brute force: just decrypt using 1 to 25 as the shift and search for meaningful text

Letter frequency – just measure the frequency of the letters in ciphertext and compare to see how much it has shifted

Polyalphabetic Cipher

Vigenère cipher was invented by Giovan Battista Bellaso in 1553

Misattributed to Blaise de Vigenère

Works by using a repeating key word: letters are shifted by the number code of the letter in the key

Confusion and Diffusion

Claude Shannon (1945) A Mathematical Theory of Cryptography

Confusion

Each part of the ciphertext depends on several parts of the key Hides the relationship between ciphertext and key

Diffusion Change in plain text will result in larger changes in ciphertext

Hide the relationship between the ciphertext and plaintext

We can achieve confusion/diffusion using a combination of substitution

Cryptography Today

Two types of encryption used:

Symmetric key cryptography: Both parties share the same single key

Asymmetric key cryptography: Each party has 2 keys: public key and private key

Both types or encryption are used for different purposes and have different benefits and drawbacks

In addition to the above, there are other cryptographic functions that do not require a key e.g. Hash functions

DES（Data Encryption Standard）

Key Space:$2^{56}$

Block length is 64 bits

Key length is 56 bits (64 bits with 8 bits as parity)

The process for encryption involves:

1.Key schedule 2.Subkeys are generated from the key for 16 rounds of application to the plaintext 3.Permutations (diffusion) by initial expansion through duplication and mixing outputs at the end of each round 4.Substitutions: using S-boxes which are lookup tables that take 6 input bits and output 4 output bits

Different modes of encrypting a sequence of blocks:

ECB (Electronic Codebook): Each block is encrypted independently

-Some information leakage. -Can be parallelised.

CBC (Cipher Block Chaining) Each encrypted block is XOR’d with the next block. Start with the IV

-Propagates errors.

CFB (Cipher Feedback) Same mechanism as CBC but operates as a stream of real time data

-Propagates errors.

OFB (Output Feedback) Same as CFB but uses the IV and encrypted versions of the IV as input to successive blocks

-Does not propagate errors.

CTR (Counter) Same as OFB but uses a simple counter to alter seed input to each encryption

-Can be parallelized.

[!WARNING]

The DES key length became a liability and DES was cracked by brute force in 1997

The solution to DES was to do it 3 times in a row and this became 3DES (Triple DES). Don’t do 2DES (Double DES) because it is vulnerable to a meet-in-the-middle attack. Won’t go through details but it makes it not much better than DES. Variants of 3DES depending on number of keys used and whether you use 3 encryptions (EEE) or encryption, decryption, encryption (EDE).

In the meantime, Advanced Encryption Standard adopted by US NIST in 2000. Based on the Rijndael scheme. 128 bit block length. Keys of:

128 bits with 10 rounds of encryption Key Space $2^{128}$
192 bits with 12 rounds of encryption Key Space $2^{192}$
256 bits with 14 rounds of encryption Key Space $2^{256}$

Public key and private key encryption and decryption

Combine the two processes 1.Alice encrypts the document with her private key 2.Alice then encrypts again with Bob’s public key 3.Bob decrypts the document with Bob’s private key 4.Bob decrypts the document with Alice’s public key

[!NOTE]

Can be attacked by Man-in-the-Middle (MitM) attack

Eve generates two pairs of privates and public keys.

Eve intercepts the public key exchange between Alice and Bob,

Eve substitutes her own public keys for Alice's and Bob’s.

As a result, when Alice and Bob send encrypted messages to each other, they are actually encrypted with Eve's public keys, allowing her to decrypt the messages with her private keys.

How to Prevent This MitM Attack

To protect against this type of attack, Alice and Bob should use Public Key Infrastructure (PKI) and other secure key exchange mechanisms. Here are the steps and techniques to prevent Eve’s MitM attack:

Public Key Infrastructure (PKI):
- Certificates: Use digital certificates issued by trusted Certificate Authorities (CAs) to verify the authenticity of public keys. A digital certificate binds a public key to an entity (Alice or Bob) and is signed by a CA.
- Certificate Validation: Before using a public key, both parties should validate the certificate through a CA to ensure it has not been tampered with.
Mutual Authentication:
- Both parties should authenticate each other using their certificates before exchanging any encrypted data. This can involve both parties providing and validating each other’s certificates.
Out-of-Band Verification:
- Verify public keys through an out-of-band channel (a different communication method that is secure) to ensure that the received public key has not been altered.
Use of Secure Key Exchange Protocols:
- Diffie-Hellman Key Exchange with Authentication (DHKE): Combining Diffie-Hellman with digital signatures can ensure that the key exchange process is authenticated and secure.
- TLS/SSL: Implementing communication over TLS (Transport Layer Security) ensures that the connection is secure and the public keys are verified through certificates.

Public key distribution

Decentralised models: PGP, OpenPGP

Centralised models: Estonian ID-Card

PGP (Pretty Good Privacy) Phil Zimmerman 1991

1.Uses variety of symmetric and public key ciphers 2.Uses Web of Trust

Estonian model needs proof of identification (passport, driving license, etc) also can only be collected in person

In 1977, MIT researchers Ron Rivest, Adi Shamir and Leonard Adleman came up with RSA Key Generation: Create a public and private key. Public key is shared, private key is kept secret

Encryption: Encrypt a message to someone with their public key

Decryption: Decrypt a message with the private key

Hash functions

Used for password storage and verification

Password + Salt (random bytes) is hashed and the hash stored for verification Never store the plaintext Linux stores passwords in a file called shadow: openssl passwd -6 -salt randomtext mysecretpassword In practice, Linux will do the hash 5000 times in an attempt to stop brute forcing passwords

Message Authentication Codes (MAC):

1.message is combined with key and hashed 2.confirms that a message has not been changed 3.provides data integrity and authenticity

Digital signature

1.proposed by Diffie and Hellman in 1976 2.Digital Signature Algorithm (DSA) part of NIST’s Digital Signature Standard (DSS) Message is hashed and then processed using the private key to produce a signature 3.Checking the signature involves taking the hash of the message and the signature and using the public key to verify the signature.

Q&A

Why do we salt passwords before hashing them?

Salting passwords before hashing is a critical security practice that addresses several vulnerabilities in storing hashed passwords:

Prevents Rainbow Table Attacks:

Rainbow tables are precomputed tables for reversing cryptographic hash functions, mainly used to crack password hashes. By adding a unique salt to each password before hashing, even if two users have the same password, their hashes will be different. This makes rainbow tables ineffective because each entry in the table would need to be salted in the same way as the stored passwords.

Mitigates Brute-Force Attacks:

Salting passwords increases the computational complexity for attackers trying to perform brute-force attacks. Each password guess would need to be hashed with each unique salt, significantly increasing the time and resources required to crack the hashes.

Ensures Unique Hashes for Identical Passwords:

Without salting, identical passwords would result in identical hashes. This allows attackers to identify users with the same password easily. Salting ensures that identical passwords result in unique hashes, making it harder for attackers to gain useful information.

Are Hash Functions Secure?

Hash functions are generally secure if they possess the following properties:

Preimage Resistance:
- It should be computationally infeasible to reverse the hash function, i.e., given a hash value, it should be hard to find the original input (the preimage).
Second Preimage Resistance:
- Given an input and its hash, it should be hard to find a different input that produces the same hash value.
Collision Resistance:
- It should be hard to find two different inputs that produce the same hash value.

However, the security of hash functions can be compromised if:

The hash function is outdated or has known vulnerabilities (e.g., MD5 and SHA-1).
The implementation is flawed.
The hash function is used improperly (e.g., without salting passwords).

Modern cryptographic hash functions like SHA-256 and bcrypt, when used correctly (including salting and proper key management), are considered secure for most applications.

Your Diffie-Hellman Key Exchange Didn’t Work, What Went Wrong?

Diffie-Hellman key exchange is a method of securely exchanging cryptographic keys over a public channel. If it didn’t work, potential issues could include:

Incorrect Prime and Base Selection:
- Both parties must agree on a large prime number ppp and a base ggg. These values should be properly chosen to ensure security. If these values are not agreed upon or improperly chosen, the key exchange might fail.
Incorrect Calculation or Communication:
- Each party computes their public value to send to the other party. If there are errors in these calculations or in the communication process (e.g., values not transmitted correctly), the key exchange will fail.
Mismatch in Public and Private Keys:
- Each party generates a private key and a corresponding public value. If the private keys are not kept secret or the public keys are not correctly used in the calculations, the shared secret will not match.
Man-in-the-Middle Attack:
- If an attacker intercepts the public values exchanged between the parties and replaces them with their own, they can establish separate keys with each party, thus compromising the security of the exchange.
Implementation Errors:
- Bugs or flaws in the implementation of the Diffie-Hellman algorithm can lead to failures. This includes incorrect handling of large integers or improper usage of cryptographic libraries.

To diagnose and fix issues with Diffie-Hellman key exchange:

Ensure both parties are using the same prime number ppp and base ggg.
Verify the correctness of the calculations for the public and shared values.
Use secure channels for initial parameter exchange if possible.
Check for possible man-in-the-middle attacks.
Review the implementation for potential bugs or flaws.

Safe Use of CBC Mode

Cipher Block Chaining (CBC) mode is safe to use under the following conditions:

Unique Initialization Vector (IV):
- Each message should use a unique, unpredictable IV. This ensures that identical plaintext blocks result in different ciphertext blocks, preventing certain types of attacks like pattern analysis.
Proper Padding:
- Since CBC operates on fixed-size blocks, the plaintext must be properly padded to the block size. Padding should be done securely to avoid padding oracle attacks.
Integrity Check:
- CBC mode does not inherently provide message integrity. It’s important to use a message authentication code (MAC) or another integrity check mechanism to ensure that the ciphertext has not been tampered with.

n-DES and Security

n-DES (Triple DES or other multiple iterations of DES) improves security over single DES due to the following reasons:

Key Length:
- Triple DES (3DES) effectively increases the key length to 168 bits (using three 56-bit keys), significantly increasing the complexity and making brute-force attacks infeasible with current technology.
Multiple Encryptions:
- By encrypting the data multiple times, n-DES provides stronger security through layered encryption, reducing the risk of certain cryptanalytic attacks that might be effective against single DES.

However, there are limitations:

Performance:
- n-DES is slower than single DES due to multiple rounds of encryption and decryption. This can be a concern in performance-sensitive applications.
Compatibility:
- As DES is considered obsolete and not secure enough for modern standards, even Triple DES is being phased out in favor of more secure algorithms like AES.
Key Management:
- Managing multiple keys securely is more complex and can introduce risks if not handled properly.

Fully Utilising the Key Space

To fully utilize the key space, the plaintext should exhibit the following properties:

High Entropy:
- The plaintext should have high entropy, meaning it should be as random and unpredictable as possible. This prevents patterns in the plaintext that could be exploited by attackers.
Diverse Input:
- The plaintext should cover a wide range of possible values. If the plaintext is always within a limited set of values, many potential keys will never be used.
Proper Length:
- The plaintext should be long enough to ensure that every possible key influences the ciphertext. If the plaintext is too short, it may not utilize the full key space effectively.

Adding Substitution and/or Transposition Layers

Adding additional substitution and transposition layers can improve security for the following reasons:

Increased Complexity:
- Additional layers make the encryption process more complex, increasing the difficulty for attackers to reverse-engineer the encryption algorithm.
Defense in Depth:
- Multiple layers of substitution and transposition provide multiple lines of defense, making it harder for attackers to find vulnerabilities.
Non-linearity:
- Substitution adds non-linearity to the encryption process, making it resistant to linear and differential cryptanalysis.
Diffusion:
- Transposition improves diffusion, ensuring that changes in the plaintext affect many parts of the ciphertext, spreading the influence of each plaintext bit widely across the ciphertext.

However, it's important to note:

Implementation Complexity:
- More layers can make the encryption algorithm more complex and harder to implement correctly, increasing the risk of implementation errors.
Performance:
- Additional layers may reduce performance, making the encryption and decryption processes slower.

If for the Caesar encryption, the substitution and transposition won't have effects.(Because the information entropy doesn't change)

Diffie Hellman Vulnerability

Diffie-Hellman is vulnerable to a man in the middle attack (MITM) An attacker simply inserts themselves into the communication and acts as a proxy It is vulnerable because there is no authentication of the parties Can be mitigated by using signatures as proof of identity

博弈论笔记

Mon, 30 May 2022 00:00:00 GMT

引言

社会及经济的发展带来了人与人之间或团体之间的竞争及矛盾，应用科学的方法来解决这样的问题开始于 17 世纪的科学家，如 C.，Huygens 和 W.，Leibnitz 等。现代博弈论起源于 1944 年 J.，Von Neumann 和 O.，Morgenstern 的著作《Theory of Games andEconomic Behavior》。而发扬光大其应用并且拿到诺贝尔经济学奖的学者则冠属普林斯顿大学的John Nash。

博弈论亦称对策论。是研究具有斗争或竞争性质现象的数学理论和方法。一般认为，它既是现代数学的一个新分支，也是运筹学中的一个重要学科。博弈论发展的历史并不长，但由于它所研究的现象与人们的政治、经济、军事活动乃至一般的日常生活等有着密切的联系，并且处理问题的方法又有明显特色。所以日益引起广泛的注意。在日常生活中，经常看到一些具有相互之间斗争或竞争性质的行为。具有竞争或对抗性质的行为称为博弈行为。在这类行为中。参加斗争或竞争的各方各自具有不同的目标和利益。为了达到各自的目标和利益，各方必须考虑对手的各种可能的行动方案，并力图选取对自己最为有利或最为合理的方案。博弈论就是研究博弈行为中斗争各方是否存在着最合理的行动方案，以及如何找到这个合理的行动方案的数学理论和方法。

博弈论的初步分类和定义

公元前的春秋战国，田忌赛马的故事已经构成了博弈问题的基础。博弈问题的特征是参与者为利益相互冲突的各方，其结局不取决于其中任意一方的努力而是各方所采取的策略的综合结果。那么一般根据博弈双方同时（同步）出手或异步出手可以分为静态博弈和动态博弈。也可以根据场上对局信息是否完全分为完全信息博弈和不完全信息博弈。若对局是重复进行的，则可以分为无限次重复博弈和有限次重复博弈。

描述博弈论的三要素为玩家（Player）、战略（Strategy）、利得（Utility）。

通常用$I$表示玩家的集合．如果有$n$个局中人，则$I={1,2,3,...,n }$。一般要求一个博弈中至少要有两个玩家。比如田忌赛马的故事中，博弈玩家就有2个。

一局博弈中，可供玩家选择的一个实际可行的完整的行动方案称为一个战略。对于每一个参与博弈的玩家$i$，必然存在一个战略集合$S_i$，且该战略集合不为空集并至少包含两个战略。例如在田忌赛马问题中，所有玩家的战略均为${ 上马，中马，下马}$

所有的战略组合则形成了一个战略组$\mathrm S$。在田忌赛马问题中，可能出现的战略组可以是$(上马，中马)\in \mathrm S$。其中上马为玩家$A$的战略，中马为玩家$B$的战略。

因此，由实分析的知识可以知道战略组$\mathrm S$为所有可能战略$S_i$的笛卡尔积，即如下式所示： $$ \mathrm S= S_1 \times S_2 \times S_3 \times ...\times S_n $$ 对于每一个战略组合，都有且只有一个结果。这也很现实，如果田忌出上马而对家出中马，明显有且只有田忌获得胜利（同时对家该局判定为输）这一个结果；在其他的博弈中，也可能出现平局等结果。容易知道这是一个一一映射，因此我们用利得函数$U_i(\mathrm S)$来衡量最后的结果。这代表着第$i$个玩家在这场游戏中得到的分数（或者利益）。这种分数常常不是具体化的，而仅仅作为一种差异化的体现。一般利得函数$U$为向量函数，因为其包含了各个玩家的利得，如下式所示： $$ U(\mathrm S)=(U_1(\mathrm S),U_2(\mathrm S),...,U_i(\mathrm S)) $$ 以玩家的角度来看，因为每一个战略组所得到的利得不同，因此这个情况下利得可以表示为矩阵$\mathbf M_i$。例如，玩家$A$一共有$m$个战略，玩家$B$一共有$n$个战略，当玩家$A$和玩家$B$选定战略$\alpha_i$和$\beta_j$后，就形成了一个局势可见的战略组合，这样的局势共有$m\times n$个。对任一战略组合，记利得为$U_{ij}$，即可以得到利得矩阵

$$ \mathbf M_I=\begin{bmatrix} U_{11} & \dots & U_{1n}\ & \ddots & \vdots\ U_{m1} & & U_{mn} \end{bmatrix}_{m \times n} $$

博弈论事实上就是在研究如何在已知信息下找到最优的战略，因此具体事例还需具体分析。按照理性人假设，每一个参与博弈的玩家都会试图寻找最优策略，因此博弈容易进入一个均衡状态，这种均衡状态将会在后文提到。

因此博弈也可以表示为集族（或者空间）$G={I,S_i,\mathbf M_I} $

完全信息静态博弈

零和博弈

零和博弈是一种最经典也是最特殊的博弈，博弈玩家一般只有两名，且均只有有限个战略。而博弈双方的利得矩阵之和必为零矩阵。

例1 考虑一零和博弈，其中玩家A和B各有战略$S_A={\alpha_1,\alpha_2,\alpha_3}$，$S_B={\beta_1,\beta_2,\beta_3,\beta_4}$

利得矩阵为 $$ \mathbf M_A=\begin{bmatrix} 12 & -6 & 30 & -22\ 14 & 2 & 18& 10\ -6 & 0 & -10& 16 \end{bmatrix} $$

为满足所有矩阵的加和$\sum \mathbf M$为零矩阵，该例中B矩阵很明显为$\mathbf M_B=-\mathbf M_A$。另外，利得矩阵也可以用有序数对组的表格表示，该类表格被称为利得表

	$\beta_1$	$\beta_2$	$\beta_3$	$\beta_4$
$\alpha_1$	（12，-12）	（-6，6）	（30，-30）	（-22，22）
$\alpha_2$	（14，-14）	（2，-2）	（18，-18）	（10，-10）
$\alpha_3$	（-6，6）	（0，0）	（-10，10）	（16，-16）

该博弈中，对于玩家A，由于30的利得远超所有其他情况能获得的利得，因此单纯地，玩家A始终会选择战略$\alpha_1$，而对于玩家B，很明显22的利得是全场最大的，因此玩家B也会始终选择战略$\beta_4$，由于利得是由双方共同决定的，若玩家B寻得其最优战略，则会导致玩家A的利得由30变为-22。考虑到此时双方的选择都会使得对方的损失最大化，因此合适的策略应该是在最坏的结果中寻找最好的结果。

因此对于玩家A，$\alpha_1$的最劣利得为$\min{12,-6,30,-22}=-22$，$\alpha_2$的最劣利得为$\min{14,2,18,10}=2$，$\alpha_3$的最劣利得为$\min{-6,0,-10,16}=-10$。而所有的最劣利得中，相对损失小的则为$\max{-22,2,-10}=2$，在这种情况下，无论玩家B选择何种战略，玩家A的损失都不会超过2。

而对于玩家B，同理可以知道最劣的利得中最优利得为$\max{-14,-2,-30,-16}=-2$。因此玩家A和玩家B都倾向于选择$\alpha_2$和$\beta_2$作为他们各自的战略。注意到在利得矩阵中，2 既是所在行中的最小元素又是所在列中的最大元素。此时，只要对方不改变战略，任一局中人都不可能通过变换战略来增大利得或减少损失，称这样的局势为博弈的一个稳定解或均衡解。亦或称为零和博弈的纳什均衡（Nash Equilibrium）。

注意到这样的性质，在零和博弈中，寻找最优的战略路径实际上在寻找局部的极值。我们引入如下的定义来使得其严格化。

定义1：设$f(x,y)$为一个定义在$\mathbb R$上的实值函数，且$x\in A,y\in B$，如果存在$x^\in A,y^\in B$使得对一切$x\in A$和$y\in B$有 $$ f(x,y^)\leq f(x^,y^)\leq f(x^,y) $$ 则$f(x^,y^)$称为函数 $f$ 的一个鞍点。

定义2：存在一个零和博弈的空间$G={I,S_A,S_B,\mathbf M_I}$，其中$S_A={\alpha_1,\alpha_2,\alpha_3,...,\alpha_m }$，$S_B={\beta_1,\beta_2,\beta_3,...,\beta_n }$，$\mathbf M_I=[U_{ij}]{m \times n}$，若等式 $$ \max_i\min_jU{ij}=\min_j\max_iU_{ij}=U_{i^j^} $$ 成立，则$U_G=U_{i^j^}$为该零和博弈的均衡利得，而满足上式的战略组合$(\alpha_{i^},\beta_{i^})$ 则被称为鞍点或者稳定解

由于博弈的利得矩阵是离散的，当博弈问题有解时，其解可以不唯一，当解不唯一时，解之间的关系具有下面两条性质：

性质1：无差别性若战略组合集$S={(\alpha_{i_1},\beta_{j_1}),(\alpha_{i_2},\beta_{j_2}),...,(\alpha_{i_n},\beta_{j_n})}$为博弈$G$的$n$个解，则必然有$U_{i_1j_1}=U_{i_2j_2}=...=U_{i_nj_n}$。

性质2：可交换性若若战略组合集$S={(\alpha_{i_1},\beta_{j_1}),(\alpha_{i_2},\beta_{j_2}),...,(\alpha_{i_n},\beta_{j_n})}$为博弈$G$的$n$个解，则任意两两战略角标的线性交换$(\alpha_{i_1},\beta_{j_2}),(\alpha_{i_1},\beta_{j_2})$等也是其中的解。

囚徒困境

“囚徒困境”是一种带有博弈性质的心理活动，体现了个人理性和集体理性、个人主义和道德主义的关系。行为主体面临选择的两难境地时，往往会趋向于考虑相对利己但是不利于集体最大利益的方式。

囚徒困境也是最经典的非零和博弈，其问题描述如下例所示：

例2：两个人因盗窃被捕，警方怀疑其有抢劫行为但未获得确凿证据可以判他们犯了抢劫罪，除非有一个人供认或两个人都供认。即使两个人都不供认，也可判他们犯盗窃物品的轻罪。

囚徒被分离审查，不允许他们之间互通消息，并交代政策如下：

1.如果两个人都供认，每个人都将因抢劫罪加盗窃罪被判三年监禁；

2.如果两个人都拒供，则两个人都将因盗窃罪被判处半年监禁；

3.如果一个人供认而另一个拒供，则供认者被认为有立功表现而免受处罚，拒供者将因抢劫罪、盗窃罪以及抗拒从严而被重判5年。

那么这样的问题可以用一个模拟的利得表表示

A\B	供认	拒供
供认	（-3，-3）	（0，-5）
拒供	（-5，0）	（-0.5，-0.5）

由于二人的利得为非对称，非零和的，因此不能简单使用零和矩阵的方式进行寻找最优战略。

为了寻找最优战略，我们引入如下定理：

定理1：强占优战略

若$s_i^$是玩家$i$的强占优策略，$S_j$是玩家$j$的战略集合，则其应满足如下的性质 $$ \forall s_i\in S_i \ \forall s_j \in S_j \ U_i(s_i^,s_j)>U(s_i,s_j) $$

遵循定理1，我们观察例1举出的囚徒困境，若玩家A选择供认，因为$-3>-5,0>-0.5$无论对方选择拒供或者供认，所获得的利得都应该要比拒供更大。对于玩家B也是同理，因此最后的最优战略组合应该是$(供认,供认)$。这能说明为什么甚至在合作对双方都有利时，保持合作也是困难的。

在强占优策略无法行得通时，我们还有其他的方法寻找最优战略。

定理2：弱占优战略

若$s_i^$是玩家$i$的弱占优策略，$S_j$是玩家$j$的战略集合，则其应满足如下的性质 $$ \forall s_i\in S_i \ \forall s_j \in S_j \ U_i(s_i^,s_j)\geq U(s_i,s_j)，\mathrm {and \ for \ some \ that} \ U_i(s_i^*,s_j)> U(s_i,s_j) $$

例3 考虑一博弈$G={I,S_A,S_B,\mathbf M_I} $，其中玩家A和B各有战略$S_A={a,b,c}$，$S_B={\alpha, \beta,\gamma,\epsilon}$

利得矩阵为 $$ \mathbf M_A=\begin{bmatrix} 1 & 3 & 0 & 3\ 2 & 3 & 1 & 2\ 2 & 4 & 1 & 3 \end{bmatrix} \ \mathbf M_B= \begin{bmatrix} 1 & 2 & 3 & 1\ 3 & 4 & 3 & 3\ 1 & 2 & 1 & 3 \end{bmatrix} $$

对于玩家A，我们寻找其弱占优策略，可以得到A的弱占优战略是$c$，而对于B，我们可以得到弱占优战略是$\beta$，因此博弈的最优战略组合为$(c,\beta)$。

考虑更现实的例子，当很多情况下占优策略不明显时，我们需要逆行寻找劣策略，通过反复剔除劣策略达到战略目的。

定理3：强劣战略

若$\bar s_i$是玩家$i$的强劣策略，$S_j$是玩家$j$的战略集合，则其应满足如下的性质 $$ \forall s_i\in S_i \ \forall s_j \in S_j \ U_i(\bar s_i,s_j)<U(s_i,s_j) $$

定理4：弱劣战略

若$\bar s_i$是玩家$i$的弱劣策略，$S_j$是玩家$j$的战略集合，则其应满足如下的性质 $$ \forall s_i\in S_i \ \forall s_j \in S_j \ U_i(\bar s_i,s_j)\leq U(s_i,s_j) $$

例4 考虑一博弈$G={I,S_A,S_B,\mathbf M_I} $，其中玩家A和B各有战略$S_A={a,b,c}$，$S_B={\alpha, \beta}$

利得矩阵为 $$ \mathbf M_A=\begin{bmatrix} 5 & 4 \ 6 & 3 \ 6 & 4 \end{bmatrix} \ \mathbf M_B= \begin{bmatrix} 1 & 0 \ 0 & 1 \ 4 & 4 \end{bmatrix} $$

对于玩家A，首先剔除弱劣战略$b$，玩家B考虑剔除劣战略$\beta$，玩家A再考虑剔除弱劣战略$a$，此时场上只剩下战略组合$(c,\alpha)$，因此再根据定理1可得博弈的最优战略组合为$(c,\alpha)$。但如果先剔除战略$a$，玩家B则会考虑剔除劣战略$\alpha$，则最后的最有战略组合为$(c,\beta)$。注意到剔除弱劣战略顺序不同会导致最后的结果不同。

我们所得到的最优策略组合，也同样是一种纳什均衡。纳什均衡的定义在于，对应这样的一个结果，任何一个玩家独自改变战略，他的利得不会增加。数理定义为

定理5：纳什均衡

若战略组合$(s_i^,s_j^)$是纳什均衡，$S_i$是玩家$i$的战略集合，则其应满足如下的性质 $$ \forall s_i \in S_i \ U(s_i^,s_j^)\geq U(s_i,s_j^*) $$

润学——学签跑路教程

Mon, 11 Apr 2022 00:00:00 GMT

润学——学签跑路教程

新冠肺炎的背景下，逆全球化的进程正在逐步加速，各地民粹化的步伐也在逐步迈进。说实话，2020年以来过了这么久，整个国内的气氛变得越来越肃杀。运动式治理让所有的基层人民极度疲乏，经济水平也其实在局部萎缩，一切尽在不言之中。互联网本来是一个分享优先的平台，但是越来越多的民粹主义者正在将这种平台变成他们作妖的盘丝洞，即所谓劣币驱逐良币。到了2022年，这种运动式治理显然已经成为一种对现代性自由个体的挑战，近些天发生的事情我不必多说，但显然大部分人的心理应当早已疲惫不堪。

这是否意味着全球自由通行，友好与和平作为时代旋律的黄金时代结束了呢？很不幸的事情，根据我所获得的信息，我认为是，并且这种黄金时代正逐渐成为一段模糊的回忆。对于这样的生活现状，我相信大多数人都是不满的，充满危机感的，那么生活是不是还拥有另一种选择，我认为是，而且这种选择正在成为一种显学，那就是出国跑路（专指自由世界）。

尽管所谓自由世界也存在一系列的问题，根据一系列的事件表明，种族歧视，政治正确正在降低自由国家的政治自由度以及生活舒适度，但是实际上各种意义上他们仍然处于一个法制完备，官僚系统完备，价值观符合现代性人文性的一个主流环境里。

我首先需要阐明的一点是，出国跑路可以抓住黄金时代的最后一根稻草，但不是一个通用之解。我们首先要明确一点，**如果你是有选择权利的，你就要为自己的选择负全责任，找到合适的目标国家仅仅是一个开始，但是在之后可能愈加动荡的国际环境里，需要保护好自己与所爱的人的还需你自己。**在中国，大多数人信任并依赖一个家长制大政府，这种大政府正在包办所有的事情。但是在国外，政府与公民的关系更符合契约论所述的权利责任相互给予，也就是让渡一部分权利于政府官僚的权力，而他们将依法律为公民负责任。因此有持枪许可的地方，我强烈建议你学会使用枪支并购买枪支行驶当地国给予你的自卫权力。在进入自由世界后，你需要摆脱的第一个观点就是完全信任政府。另外需要明确的一点是，并不是出国就成为了某种意义的人上人，每天住在国际大都市享受香槟红酒，在资本主义体系下，遵循市场规律应当成为你理性决策的一部分。在出国前你是何种阶级，出去之后或多或少都会有一部分的损失。在这样的情况下，越年轻，越一穷二白的反而最有优势，适应环境也更加快，因此我也建议越年轻越出去看看是真的。

合法证件的取得

生活在大陆的人来说，护照和签证是必不可少的出国证件，当然相应的还有各类杂项资料需要提供，但是难度和重要性都比不上前两者。

本文不考虑蛇头偷渡。

对于没有护照的朋友来说，现在大多数地方护照都开始难以办理，甚至还需要上交护照，这种事情也是屡见不鲜。但是如果你没有护照，想要办理的方法也是有的。现在可以合理办理护照的快捷方式只有留学或者海外派遣，而其他因私理由办理护照已在数年内成为一件非常困难的事情。

而签证获取的难度则取决于你的出国方式，目前可行的签证申请分为很多类，并且根据申请的目标国有很大的差别，但是疫情情况下，正如前面所述，最基础的出国方式只有三种 投资移民直接获取绿卡（部分国家可能需要排期），留学签证，海外派遣工作签证。我个人经历只有留学签证比较熟悉，因此本文也注重讲述如何通过留学签证完成移民，其他的可以咨询更专业的移民中介或者劳务中介（P.S. 找中介请谨慎）

那么获得留学签证仅仅是第一条路，对于有移民倾向的人来说，获得了留学签证也只是第一步，后面还有许多困难的路要迈进。

语言学习的重要性

到了海外，不会当地语言就如同生活残障人士一般，就算取得了所有的资格，也会在生活上困难重重。况且留学签证的办理更需要你有相关的语言基础，发签证的教育机构可能会要求你英语出示普遍认可的TOEFL、TOEIC，IELTS、PTE和Duolinguo等认证语言成绩，日语需要出示J-Test或者JLPT成绩，德语需要出示德福成绩，其他语言同样也有相关的标准成绩认证，当然部分欧陆学校还承认中国大陆的大学四六级考试。语言成绩并不是越早准备考试越好，因为部分语言考试会有一个有效期，过了有效期申请学校将不予认证，有的语言考试有各种单项分数，这些单项分数还可以进行凑分制，因此越早准备心理预期和信息越好，由于每个语言考试难度，操作都不同，选择最合适的语言考试是最重要的。

英联邦系国家普遍承认雅思成绩，澳洲可以承认PTE成绩，北美和日本则倾向于托福或者托业成绩，欧陆各个小语种国际部分认可四六级考试，也认可雅思成绩。因此总体来说，方向不同，选择的考试不一样，准备的内容也不一样。

疫情对语言考试的影响也非常深刻，尽管托福开放了家考，但是因为国内大量封城清零操作，很多考试都会因故取消，因此需要尽早规划尽早报名，预判疫情少的地点。

语言学习并没有捷径可以走，但是每个语言的学习路径都是Universal的，全局的来看，每个语言考试都要求你掌握四个基本能力——听说读写，其中说和听是中国学生非常薄弱的一个环节，由于在中国并没有相应的外语环境，因此表达更非常困难。那么从何提升自己呢。

第一步、单词

背单词是很重要的一个环节，根据我自己的语言学习经验，我倡导分为两个时期——应试准备期和非应试准备期。非应试准备期应当在预定考试前2年，应试准备期应当在预定考试前半年，具体的分界线可以是报名考试之后。那么在非应试准备期，我认为可以通过大量的语料阅读和听力来增加自己对于目标语言的敏感度，比如，在忙的时候在旁边放各类目标语种的新闻或者听力材料，在空闲碎片时期记录相应的生词，并养成一段时期的习惯。这样有助于促进长期且分散的记忆。根据认知心理学来说，养成短期习惯需要一个星期，养成长期习惯则需要30天左右。这段时间的坚持将非常有利于应试准备期的学习。

那么到了应试准备期，我们就需要冲刺式的学习法。根据艾宾浩斯遗忘曲线进行学习相当重要，因为它科学的描绘了人的遗忘图式，我们仅需要找到自己的遗忘规律就可以科学高效的记忆词汇。如果前期做好了充分的准备，那么应试准备期背诵单词的数量可以提升到150词每天或者200词每天，这需要你脱产并每天花费2-4小时去记忆。这种大量记忆单词的方法其实比每日仅背50个单词的背诵方法更有效。

我不推荐去抄写单词或者默记单词，有条件一定要按照标准国际音标大声地朗读记忆，前者的记忆效率仅有后者的三分之一。在背记的时候需要确认多义，词性可以留到复习时再深度记忆。

复习单词需要规划时间表，时间表即参考艾宾浩斯遗忘曲线。复习应着重记住遗忘程度过高的词，具体怎么做呢。遮住单词的译义部分，准确地说出它的译义即算成功，但是还不够，还需要遮住英文再复写一遍，因为前者只证明了你看得懂，而并没有联系到语汇中，能做好后者，说明能无障碍地使用了。一遍过的单词即算记忆成功，其他的仍然算不熟悉的词。这里我推荐一种方法，将所有的不熟悉的词自己写作一篇文章，并朗读，不仅应用了，也锻炼了表达能力。

第二步、口语

口语即口头表达的内容，所有的外国语言等级考试，只要是当地国承办并出题的，主要考察的是你的复述以及逻辑能力。在西方，很考验你的形式逻辑和表达，因此我们的口语表达只需要清晰准确就够了，如果需要刷分，你可以练习英音或者美音。

锻炼口语也应是个长期的过程，在非应试准备期，如果当地有英语角，日语角，可以尽量去参加，以减轻表达的紧张程度，在初学阶段，可以慢慢表达，但是一定要表达清楚，逻辑清晰，让对方能理解。在这个阶段经常出现卡壳，非常正常，不用担心。在学习了一段时间后，我们的重心应当放在如何摆脱思考——中文——目标语言的惯性，而跳过翻译中文，直接表达所述的内容。经典的方法是看剧，复读他们的口述内容。还有一种方法是可以试着去和外国人打游戏，在快速的反应中锻炼摆脱这种惯性的能力。

另外，由于是留学的语言考试，口语内容中一定会有和西方学校生活与价值观相关的内容，因此看语料内容可以去观看一些校园剧集，增加脑海中的认知水平。

第三步、听力

外国语言等级考试的听力不会像四六级一样绕来绕去，比如Bob和Alice进行对话，Alice一开始肯定回答，中间否定回答，最后又回归肯定回答，这种题型在外国语言等级考试里出现的少，当然JLPT或者J-Test很多时候也会有（我觉得这是东亚人思维的通病）。听力主要抓关键词和停顿语气。有的时候听力肯定是有听不懂的地方的，或者有重点的，一句话不可能所有的单词都是题目的主要内容，那么抓关键词很重要。前面说到西方社会很考验逻辑能力。自然语言中也存在不少逻辑代词，例如“But, therefore, precisely, Although"等转折递进并列关系的词语，出现这样的词汇就需要非常注意。停顿语气也是一个重点，比如TOEFL考试中，听力常常是大段的课堂模拟，教授会在重要的地方停顿。

我不推荐精听，因为听力也是一个很长期的事情，当然像TOEFL有机经这种东西，可以去精听偷套路，但是不要把它当作一个Universal的东西。否则到最后考场上碰见非套路的东西就会很紧张，逻辑单词功底反而是最重要的。

专业选择和学校选择

先说结论，专业选择>学校选择

万物皆转STEM

看这篇文章的读者不打算回国，其实QS100，QS500都没什么差别，而且也不是每个人会去卷直博PhD。所以在这里有两条路，**一条是高度人才转永居，一条是工签转永居。**前者的路普通人难走，有句话说学术圈和体育竞技一样，爬上顶点辉煌不已，底下就是所谓百万漕工。当然，每个国家的高度人才定义都不相同，根据信息来说，最难拿的是北美的高度人才签证，因为作为当代西方学术中心，北美的内卷程度难以媲美，如果本科不是什么清北复交我建议谨慎考虑北美高度人才。日本的高度人才就相对好一些，根据厚生劳动省的说法，只要是国公立大学的修士以上就可以作为高度人才申请了。这种签证我建议要结合自己的实际预期去做，大多数国家移民局都会有打分量表，还请自行查阅自行判断估计。

后者来说，你就要考虑资本主义体系下的供需关系。现在虽然说逆全球化，但是新自由主义下的全球格局还是没有太大变化，大多数发达的西方国家底层是不愿意干体力重活，这些产业几乎全部都分配到了下一级的发展中国家，当然本国的需求也会有，比如开卡车，去屠宰场。高度复杂的脑力活的，由于人口基数少，相应地根据先验分布，这些职业也会紧缺，比如高端一些的，或者去做码农，去做数学研究者。因此寻找目标国家的需求职业非常重要，这直接决定了你的专业。部分国家会在自己的移民局上公开一些项目，这些项目通常会直接表明需求的专业，考虑到时效性，尽量考虑5年内依然可行的专业项目。

对于学历不高的读者来说，路子会稍微弯一些，但是对于你们来说，西方自由主义社会最大的优势还是劳动力支付成本高，虽然不能像70年代一个产业工人养一个独栋一肌肉车两条大狗狗，但是满足一个人体面的生活需求依然足够。这个时候可以关注人力成本比较高的国家的一些College，社区大学项目，或者专门学校，这些项目都会相对非常好申请，如果有足够自信可以就业，也可以直接去申请语言学校转就业。

但是努把力就能爬上去的学历路还是有的。我们开始讲一讲本科/Master的专业如何选择。前面提到了供需关系，这种信息并不是隐式的，而是会体现在当地政府官网上的。**最好的参考我认为是美国的STEM专业列表。**在美国，如果你就读的是STEM专业，你就会有为期3年的opt找工机会，通俗来说，你有3年的时间去找到一份qualified的合适工作。STEM专业通常为具有数理性质的工作，心理学，计量经济学等需要定量的社会科学也被囊括在内。对于其他国家，我认为其实也是一样的，因此STEM专业列表应当是一份非常权威的参考。

当然，目前互联网时代，最好，最快捷的路径还是转码，因为码农的需求量，根据统计，是其他STEM专业的两倍多。转码的文章目前网络上有很多，但是大部分容易被平台和谐，因此可能要去一亩三分地，或者YouTube上看看。转STEM的难度和转码的难度是一样的，根据你自己的专业或者文理科，可以分为大致以下的难度：

地狱级：文学类，法学类，哲学类

困难级：医学类，一般社科类

一般级：一般工科类（含生化环材），经济学类

简单级：电子工科类，物理类，数学类

地狱级难度的专业需要付出更多的努力去转行了，为什么不能读本专业呢，对于文学类哲学类的同学来说，就算是西方本土的当地人来说，也很难找工作，具体的数据可以谷歌一下专业失业率。对于法学类的同学来说，中国学习的大陆法系和西方国家普遍的海洋法系具有大量差异，同时当地的法律从业资格证通常也很难对还没有拿到绿卡的人开放，因此本身就不太存在可操作性。尤其是地狱级难度的专业，并不学习数学，这对于未来痛心转行也非常不利。

困难级的专业也同理，西方的从医资格证同样也具有一定的民族垄断性，并且甚至大量陆本的医学专业不被当地认可，因此想要坚持本专业的路，除非付出艰辛和面临回国的风险，依然建议转行。一般社科类其实相对来说可以分流到相近的方向，但是大多数时候就业也很困难。

在润的路上，沉没成本总会是有的，但是只要痛下决心砸碎幻想，总会有出路。这也是润学之路不得不具备的勇气。

当然，地狱级和困难级专业的同学有没有机会呢，其实有的国家是可以通过非STEM留下来的，比如说会计，日本反而更加宽松，对于跨专业申请也非常亲民，因为所有的高等教育入学考试，日本都需要完成学校的测验才能入学，不同于欧美的申请制。

GPA对欧美至关重要

GPA作为标化成绩，是世界高等教育互通的认证之一，因此GPA的高低直接反应了一个人的学习成绩好坏。如果对名牌好学校有执念，GPA是不能落下的一环，那么低GPA就不能申请了吗？并不。前面我们说过专业选择>学校选择，重心并不在学校的排名上，在到了自由世界之后，你所需要改变的另一个观念是——**不要做一个充满卷逼心理还Judge别人的流氓。**有的人拿起唯学历论唯QS论望而却步，我只能说眼高手低不行动就等于一无所有。西方教育最好的一点就是各得其所，其次就是当地认证当地的学历。目标导向移民，就需要深刻理解当地的移民条件，很多移民条件都会优先在当地留学过的留学生，因此之前无论什么重点高中重点大学，在地球另一边他们见都没见过，怎么比得过当地的学校，在选学校这一块，只要考虑地域性和合适就够了。如果满足了这两点，考虑其他的也不是不行，有的人无聊去整理美国大学的保守主义和自由主义占比，如果你是意识形态洁癖，也建议去参考一下。

如果现在还在本科低年级或者高中低年级，一定要注重提升自己的平时成绩，以标化成绩为导向，可以多选一些容易过的课，之前挂的科可以申请重修，有的学校还可以低分申请重修，这种机会也请不要放过。

日本留学，文科救星

前面提到，由于日本是考学制，因此需要花费一定的时间成本和精力去准备专业考试，但是它带来的好处有很多，有如下三点：

1.日本大学很少考虑GPA，2.转专业非常友好，3.好学校就职率高

为什么说日本留学是文科救星，因为无论是文科学部，文科大学院，从事不太离谱的理系工作，或者码农，都是相当方便的，日本的企业制度有培养新人的一个间隔期，因此他们主要看的是学校名声，好学校就职率便很高，就职机会也会很多，这点和欧美就不一样。

当然，既然毕业之后如果找不到工作还是被迫做码农，也是可以的，这种高容错率意味着你依然可以选择兴趣的专业而不必担心将来失业回国的下场，代价仅仅是需要准备考试。

这里细说一下日本的考试，日本的考试比中国的选拔性考试稍微好一些，体现在报录比高和容错率高两个方面。在日本考大学院（也就是硕士），不需要完全做对大量的入试题目，有的学校甚至只需要正确率达到70%就OK。当然，不好好准备考试妄想内容简单是不可能的，根据观察，日本人的数学功底比中国学生强一些。

经济禀赋决定最后去向

最后的最后，金钱也是很至关重要，我知道有的人可以直接从美高读到PhD，也有的人没钱只能尽量拿全奖留学。我粗略地给出一个各地留学需要花费的表格。

留学国家\花费	生活费	学费
日本	高	20w人民币以上
美国（美硕<美本≈美高）	中等	40-100w人民币以上
英本土（英本<英一年制硕士）	高	30-100w人民币以上
英联邦	中等	30-100w人民币以上
欧陆	高	低廉\免学费

具体数据请自查，本量表仅作一般参考。

Python实现利用蒙特卡洛法求Pi的值

Sun, 14 Nov 2021 00:00:00 GMT

蒙特卡洛法的介绍：

蒙特卡洛（Monte Carlo）法是一类随机算法的统称。

蒙特卡罗方法解题过程的三个主要步骤：

（1）构造或描述概率过程

对于本身就具有随机性质的问题，如粒子输运问题，主要是正确描述和模拟这个概率过程，对于本来不是随机性质的确定性问题，比如计算定积分，就必须事先构造一个人为的概率过程，它的某些参量正好是所要求问题的解。即要将不具有随机性质的问题转化为随机性质的问题。

（2）实现从已知概率分布抽样

构造了概率模型以后，由于各种概率模型都可以看作是由各种各样的概率分布构成的，因此产生已知概率分布的随机变量（或随机向量），就成为实现蒙特卡罗方法模拟实验的基本手段，这也是蒙特卡罗方法被称为随机抽样的原因。最简单、最基本、最重要的一个概率分布是（0，1）上的均匀分布（或称矩形分布）。随机数就是具有这种均匀分布的随机变量。随机数序列就是具有这种分布的总体的一个简单子样，也就是一个具有这种分布的相互独立的随机变数序列。由此可见，随机数是我们实现蒙特卡罗模拟的基本工具。

（3）建立各种估计量

一般说来，构造了概率模型并能从中抽样后，即实现模拟实验后，我们就要确定一个随机变量，作为所要求的问题的解，我们称它为无偏估计。建立各种估计量，相当于对模拟实验的结果进行考察和登记，从中得到问题的解。

计算pi的n种方式

在近代，pi的计算可以巧妙的利用反三角函数和级数积分进行计算，这便是莱布尼茨级数的收敛结果，可以得到

$$ \frac{\pi}{4} = 1 - \frac{1}{3}+\frac{1}{5}-\frac{1}{7}+\frac{1}{9}-\frac{1}{11}+... $$

当然，更好玩的方式是通过频率-概率计算，那么如何实现呢？

很显然在连续的几何概型中：

如果一个单位圆在坐标轴的正中央，被一个2x2的正方形刚好包裹，那么在上面任意投掷一点，在圆内的概率便是pi/4,很显然，这类概率可以通过频率去逼近。

对于大量，重复的随机点分布，可以利用Python的Turtle库和Random库，都是非常基础的Python包，那么代码实现如下：

#Radius is half of the sqare's length
import turtle
import math
import random as r

a = turtle.Turtle()

a.color('blue')

def pink():
    color = (1,r.random(),1)
    return color

def circle():
    '''circle drawing'''
    a.penup()
    a.goto(50,0) #circle center align
    a.pendown()
    a.circle(50) #circle radius
    a.begin_fill()
    a.fillcolor(pink())
    a.end_fill()

b = turtle.Turtle()

b.color('red')

def square():
    '''square drawing'''
    for i in range(4):
        b.forward(100) #square length
        b.left(90)
        b.begin_fill()
        b.fillcolor(pink())
        b.end_fill()

c = turtle.Turtle()

def blue():
    c.begin_fill()
    c.fillcolor('blue')
    c.end_fill()
    c.penup()


def red():
    c.begin_fill()
    c.fillcolor('red')
    c.end_fill()
    c.penup()


def Montecarlo(n):
    '''Points Generate'''
    points = []
    count = 0
    for i in range(n):
        raw = r.random()*100
        colomn = r.random()*100
        xy = (raw,colomn)
        points.append(xy)
        #print(xy)
        for x,y in points:
            distance = math.sqrt((x-50)**2+(y-50)**2)
        if distance <= 50: #in circle
            blue()
            c.goto(x,y)
            c.stamp()
            c.goto(x,y)
            c.up()
            count += 1
        else: #out of circle
            red()
            c.goto(x,y)
            c.stamp()
            c.goto(x,y)
            c.up()
    PI = count*4/n
    return PI

if __name__ == '__main__':
    wn = turtle.Screen()
    wn.tracer(12,25)
    wn.setworldcoordinates(0,0,100,100)
    circle()
    square()
    print("Pi approximate to:" + str(Montecarlo(2000)))

终端输出结果为

Pi approximate to:3.1468

简单利用Mathematica计算氦合质子的分子轨道

Sun, 17 Oct 2021 00:00:00 GMT

简单利用Mathematica计算氦合质子的分子轨道

---Edward Calhoun

作者邮箱 fortheapocalypse@hotmail.com

1. 引言

量子化学是理论化学的一个重要分支学科，自20世纪60年代计算机技术突飞猛进，计算化学也同样成为量子化学研究的有力交叉学科，基于非相对论近似，绝热近似和单电子近似的全电子的非经验计算方法被迅速提出，其包括不借助任何经验参数求解全电子体系的Schrödinger方程方法，自洽场水平上的超Hartree–Fock-Roothaan方程计算法（HFR法）。原则上讲，有了HFR方程，就可以计算任何多原子体系的电子结构。 1928年，D．R．Hartree提出了解决分子和离子波函数和能量问题的假设，Hartree将n个电子体系中的任意一个电子都看成是其余电子所提供的平均势场中运动的单电子，即可导出可表示任意一个电子的单电子方程，再用自洽场法进行迭代，所得方程成为Hartree方程，但由于Hartree并未考虑到Pauli原理，2年后，由B.A.Fock和J.C.Slater进行了Pauli修正，加入了单Slater行列式波函数和多Slater行列式波函数，使得HF方程正式被提出，而C.C.J.Roothann提出的LCAO-MO法进一步简化了HF方程的表达形式，利用LCAO法可以将分子轨道看成是原子轨道的线性组合，即将HF方程转变为易于求解的代数方程组，使得HFR方程（1-1式）得以成型。其中 $$f_{(1)}$$为Fock算子， $$\chi_{a(1)}$$为体系的分子轨道。（1-1式） $$f_{(1)}\chi_{a(1)}=\in_a\chi_{a(1)}$$
20世纪70年代，基于HF方法的密度泛函理论（DFT）被提出，尽管DFT的概念起源于Thomas-Fermi模型，但仍然离不开HF方程的理论基础，DFT最大的优点在于利用电子密度替代波函数作为研究的基本量，因为以每个电子作为质点，N个电子有3N个变量，而用整体密度代替，则缩减到3个变量，大大减少了计算量。氦合质子，化学式HeH+，是热力学理论计算最强的Bronsted酸，其pKa≈-63，HeH+无法稳定存在于凝聚相中，其pKa数据根据《无机化学》上Hess定律设计Born-Harbor循环可以计算得出。HeH+与同核分子H2有所不同，HeH+有永久的偶极矩，使得其有强烈的光谱特征，这也是HeH+发现的来源，通过观察光谱特征判断该物种的存在与否。本文尝试利用Mathematica软件可视化HeH+的分子轨道，利用HFR法首先要进行电子积分的求解，Mathematica无疑是强有力的工具。

2. 正文

分子积分包括重叠积分，动能积分，势能积分和双电子积分，这个部分是量子化学计算量最大的地方，对于本弱的高数基础，不能完全胜任，需要借助Mathematica语言解决问题。

由于其计算量和计算基组有关，这里本弱用经典的STO-3G基组进行分子积分，首先输入两个基组 $$\varphi_1$$, $$\varphi_2$$

为计算方便，确定He原子坐标为原点（0,0,0），H原子坐标为（1.4632,0,0）。计算重叠积分$$S_{12}$$ ，输入语句如下：Integrate[φ1*φ2,{x,-∞,+∞},{y,-∞,+∞},{z,-∞,+∞}] 计算动能积分$$T_{12}$$

Integrate[(-0.5)*φ1*(D[φ2,{x,2}]+ D[φ2,{y,2}]+ D[φ2,{z,2}],{x,-∞,+∞},{y,-∞,+∞},{z,-∞,+∞}]

对于势能积分

-NIntegrate[φ1*2/Sqrt[x^2+y^2+z^2]* φ2,{x,-∞,+∞},{y,-∞,+∞},{z,-∞,+∞}]

对于双电子积分，经过Laplace变换后可得解析式，但Mathematica不支持该解析式，只能寻求以下做法。 HeH+的双电子积分是4个Gauss函数的双电子积分式，根据LCAO，一个基函数由3个Gauss函数构成，基本组合原理指出，基函数的双电子积分由3^4=81组Gauss函数的双电子积分加和而得，那么首先在Mathematica内定义Gauss函数f[],进行一次双电子积分，再用Do命令循环81次再予以加和，过程本弱不贴示（←太懒） 有了分子积分的结果就好说了，接下来只需要分别写成矩阵形式，按照HFR方程求解，很轻易的就可以解出HeH+的分子轨道了。 HFR方程的求解过程其实就是迭代过程，方程反复迭代，直到体系能量和密度矩阵达到自洽的结果为止。Mathematica在这段计算中起到了方便的功效，HFR的迭代需要的数学运算有矩阵的加法乘法、转置和特征值的计算，徒手解矩阵那是dalao做的事情，本弱的线代基础只够借助计算机算。不废话，根据基本数学性质，Fock算子$$f_{(1)}$$F={[-1.50621,-0.363043],[-0.363043,-0.152917]} Eigenvalues[F] Out[5]={-1.59745,-0.0616766} 这两个值就是HeH+的两个分子轨道的能量。

下面是关键的可视化环节。根据LCAO，结合计算得到的系数矩阵，可以得到分子轨道数学表达式。 Mathematica 软件提供了丰富的作图命令，可以绘制轨道的径向图、网格图和等值图等。 Fig-1就是HeH+的ψ1-x占据轨道径向图，和经典教材上的分子轨道图像一致，首先是Bonding Orbit上两原子间电子云密度增大，符合基本分子轨道原理，其次He的电子云密度比H的要高，在图像上也很容易体现出来。

3. 后记总结 Mathematica在进行HeH+的量子化学计算时，极少的运用编程知识，是对于本语言渣的一个巨大福音。了解量子化学，可视化的图像会比枯燥的行列式或者微分方程更好接受，但手动绘图的过程及其艰辛，尤其是要手解矩阵，手动Laplace变换的环节，这些是我这种弱渣很难做到的，只有julao才能徒手解量子力学的方程。 HeH+作为一个竞赛模拟题里出现的物质引起了我很大的兴趣，于是有感而发运用浅陋的Mathematica语言写下了这篇水文，其作为最强的Bronsted酸，比高中化学常见的硫酸要强上60多个数量级，这些是难以想象的。He的化合物还有很多，例如Na2He，在Nature Chemistry期刊上发表的新物种，31届的国初题正好考察到了它的相关晶体结构，尽管来讲该物种可能只归类于电子盐，但是也是化学界的一个重大发现，然而本弱依然在此题上翻了车，这是重大的遗憾。不扯太多，量子化学计算一般有化学软件代替完成，其过程犹如黑箱，是不可知的，市面上有许多从头计算法和运用DFT计算的软件，虽然应用方便，但是对于学习该门课程来讲是于事无补的，然而手工计算量子化学几乎是登天的事情，这时就需要数学软件的辅助，才能透彻的了解经典模型，才能真真正正的把《结构化学基础》《高等无机结构化学》的量子化学部分弄明白。可以这样说，踏入量子世界，要么脑壳里要装着Bohr，Heisenberg的大脑，要么兜里要兜着一台计算机，不然就只能乖乖离开。

二変数関数のテイラーの展開式証明とLatex使用練習

Sun, 17 Oct 2021 00:00:00 GMT

Q.1 二変数の関数のテイラーの展開式を証明しなさい。ある二変数関数 $$ z=f(x,y) $$

が領域でn+1回連続偏微分可能であり、 $$ \small(x_{0},y_{0})　と　(x_{0}+h,y_{0}+k) (h,k \in R) $$ は関数上にて、その結ぶ線も領域Dに属するとき $$ \scriptsize f(x_{0}+h,y_{0}+k)=f(x_{0},y{0})+(h \frac{\partial}{\partial x}+k \frac{\partial}{\partial y})f(x_{0},y_{0})+\ \scriptsize \frac{1}{2!}(h \frac{\partial}{\partial x}+k \frac{\partial}{\partial y})^2f(x_{0},y_{0})+\cdots+\frac{1}{n!}(h \frac{\partial}{\partial x}+k \frac{\partial}{\partial y})^nf(x_{0},y_{0})+R_{n} $$ が存在する、

一般的に $$ \scriptsize (h \frac{\partial}{\partial x}+k \frac{\partial}{\partial y})^nf(x_{0},y_{0}) \rightarrow \sum_{p=0}^{m}C_{m}^{p}h^pk^{m-p} \frac{\partial^{m}f}{\partial x^p \partial y^{m-p}}\lvert_{(x_{0},y_{0})} $$

$$ \scriptsize R_{n}=\frac{1}{(n+1)!}(h \frac{\partial}{\partial x}+k \frac{\partial}{\partial y})^{n+1}f(x_{0}+\theta h,y_{0}+\theta k)(\theta \in (0,1)) $$

証明：

関数 $$ z=f(x_{0}+h,y_{0}+k) $$ 定数tを引用して、 $$ z(t)=f(x_{0}+ht,y_{0}+kt) (t \in [0,1]) $$ とおく $$ \scriptsize z(0)=f(x_{0},y_{0}),z(1)=f(x_{0}+h,y_{0}+k) $$

$$ \scriptsize z'(t)=h\frac{\partial}{\partial x}z(t)+k\frac{\partial}{\partial y}z(t) $$

$$ \scriptsize \rightarrow z'(t)=(h\frac{\partial}{\partial x}+k\frac{\partial}{\partial y})z(t) $$

$$ \scriptsize z''(t)=h^2\frac{\partial^2}{\partial^2 x}z(t)+2h\frac{\partial^2}{\partial x \partial y}z(t)+k^2\frac{\partial^2}{\partial^2y}z(t) $$

$$ \scriptsize \rightarrow z''(t)=(h\frac{\partial}{\partial x}+k\frac{\partial}{\partial y})^2z(t) $$

$$ \scriptsize z^{{\underbrace{ ''\cdots''}_{n+1}}} (t) \rightarrow z^{n+1}(t)=(h\frac{\partial}{\partial x}+k\frac{\partial}{\partial y})^{n+1}z(t) $$

z(t)は、マククローリンの定理を適用すると、t=1のときに展開する、 $$ \scriptsize z(1)=z(0)+z'(0)+\frac{1}{2!}z''(0)+\cdots+\frac{1}{n!}z^{n}(0)+\frac{1}{(n+1)!}z^{n+1}(\theta) \(\theta \in (0,1)) $$ 代入すると、 $$ \scriptsize f(x_{0}+h,y_{0}+k)=f(x_{0},y{0})+(h \frac{\partial}{\partial x}+k \frac{\partial}{\partial y})f(x_{0},y_{0})+\frac{1}{2!}(h \frac{\partial}{\partial x}+k \frac{\partial}{\partial y})^2f(x_{0},y_{0})+\cdots+\ \scriptsize \frac{1}{n!}(h \frac{\partial}{\partial x}+k \frac{\partial}{\partial y})^nf(x_{0},y_{0})+\frac{1}{(n+1)!}(h \frac{\partial}{\partial x}+k \frac{\partial}{\partial y})^{n+1}f(x_{0}+\theta h,y_{0}+\theta k)(\theta \in (0,1)) $$ が得る。

Q.E.D

《最高人民法院聂树斌案再审判决书》读书笔记

Wed, 09 Jun 2021 00:00:00 GMT

1995年4月25日，河北省鹿泉县人聂树斌因故意杀人、强奸妇女被判处死刑，剥夺政治权利终身，同年4月27日被执行死刑。2014年12月12日，最高人民法院指令山东省高级人民法院复查河北省高级人民法院终审的聂树斌故意杀人、强奸妇女一案。2016年12月2日，最高人民法院第二巡回法庭对原审被告人聂树斌故意杀人、强奸妇女再审案公开宣判，宣告撤销原审判决，改判聂树斌无罪。

这是现代中国司法案件史上著名的误判案件之一。也是本次逻辑分析的实例内容。

本案判决书最大的亮点在于，用证据说话。

再审判决书至少通过了五种方式对原案进行了分析：

1）从供述本身入手：案件过程中被告人屡次更改口述，前后事实矛盾。

2）从供证一致入手：被告人虽然提供的口述与案件事发现场的物证相符合，但是口述时间在准确提取物证之后，有一定的不真实性。

3）从取证合法性入手：取证的过程可能存在诱供，骗供的行为。

4）从经验情理入手：被告人拿走被害人花上衣的供述，不符合日常生活的行为。

5）从供述完整性入手：在供述过程中，有长达5天的问讯资料消失，而且在该卷宗消失的时候，唯独其他的卷宗没有消失，更证明有故意之嫌。

供述本身

聂树斌对关键事实的供述前后矛盾、反复不定。供述过程中，聂树斌一方面始终认罪，另一方面又供不清楚作案的基本事实，特别是对关键事实的供述前后矛盾、反复不定，不合常理。

具体分析。对于案件是否为犯罪嫌疑人所做，需要判断客观事实与证据指向是否相符。首先我们肯定后件推理，即聂树斌的确强奸了被害人。在刑法学上，证据被分为客观证据和主观证据。

本案缺乏能够锁定原审被告人聂树斌作案的客观证据，聂树斌作案时间不能确认，作案工具花上衣来源不能确认，被害人死亡时间和死亡原因不能确认

在供述过程中，由于客观证据的缺乏，我们只能通过多方面的主观证据判断事实。而如果是聂树斌所犯罪，则按照情理，一定在客观程度上会有部分事实与主观判据指向不符。原案初审来看，的确很多供述不符合其他的主观证据。因此聂树斌的确有很大的犯罪嫌疑。

但是我们不得不怀疑供述过程是否合法：

取证合法性

首先根据事件过程来看聂树斌被抓获之前，案机关没有掌握他实施犯罪的任何证据或线索。但是没有足够的判据便把聂树斌抓去审问，着实不符合相关条款规定。

在审问过程中，有大量细节卷宗缺失，似乎是在隐瞒什么过程。这之中绝对不能排除指供、诱供可能。

同时在主观证据上，相当一部分的涉案人员证言缺失。

本案复查和再审期间，就原审卷宗内为何没有这50天的证人证言，询问了多名原案人员，他们做出了两种解释，但这些解释对于询问与本案有直接关系的证人，明显不符合常理，也不符合当时的办案规范和惯常做法。案发之后前50天内多名重要证人证言全部缺失不合常理，且关键证人侯某某后来对证言做出重大改变，导致在案证人证言的真实性和证明力受到严重影响。

同时存在多处完全不利于聂树斌本人的事件存在，不免让人觉得是一种特殊的巧合。当事办案人员擅自隐藏重要信息，聂树斌本人招供供述前后矛盾，证人证言大量缺失，完全等于将聂树斌逼入绝境。

供述完整性

判决书中提到聂树斌的前期供述和辩解、重要证人的前期证言、聂树斌考勤表，这三组重要证据缺失。对此类问题，判决书都是采用了用事实说话的论证方式，从三个层次摆事实讲道理。第一层次，该证据确实曾经存在；第二层次，该证据很重要或者有利于聂树斌；第三层次，原办案单位对证据缺失不能做出合理解释。

这三个层次自身又是通过相关事实得出的不容置疑的小结论，在每一层次的小结论铁定成立的基础上，三个层次层层推进，自然得出大结论：因办案机关的原因导致证据缺失，不能据此让聂树斌承担不利后果，所以案件存疑。

以及为什么其他的资料都保存完好，唯独有关聂树斌案件的资料消失，这非常让人不信服。如果其他的资料消失，说明的确有保存不当的可能，但是如果其他资料依然存在，则并不能充分说明这种可能，而反而让人怀疑是故意所为。

原案重新调查也印证了这一点：复查期间，证人葛某某证实，聂树斌出事后，案机关找他问了聂树斌的出勤情况，并拿走了这份考勤表，他曾经让办案人员用后归还，但办案机关没有退还。本案再审期间，原案人员也承认，当年曾对葛某某调查走访，见到并应当提取了考勤表。考勤表对证明聂树斌有无作案时间具有重要证明价值。原案人员对考勤表未入卷没有做出合理解释。

最后，这场案件以平反昭雪结束：

原判据以定案的证据没有形成完整逻辑闭环，没有达到证据确实、充分的证明标准，也没有达到基本事实清楚、基本证据确凿的定罪要求。因此原案再审判决聂树斌无罪。

引用：《最高人民法院法官解读聂树斌案再审判决书》

《从聂树斌案再审判决看如何处理事实认定问题》

深空天体观测设备笔记

Thu, 06 May 2021 00:00:00 GMT

一、观测设备

小型双筒望远镜

双筒镜也是一个必备的辅助观测器具，一般用作定位。寻星的观测顺序一般是：星图——肉眼——双筒镜——Telrad一倍寻星镜——单筒镜的寻星镜——单筒镜的目镜。双筒望远镜的几个参数分别为：放大率和口径、出瞳、视距、视场、瞳间距、棱镜类型、镀膜。

放大率和口径（Magnification and aperture）：所有的双筒望远镜都以两个彼此相乘的数为名，例如7x35或者10x50，乘号前面的数字即为放大率，而后面的数字则为他的口径（单位：mm）。根据简单的光学知识可以得出放大倍率越高对稳定性要求越高。一般大于10倍放大率就要一个三脚架支撑以防止抖动使得观测目标不清晰。物镜的口径也将决定吸收多少光子，一般与口径数字的平方成正比。例如50mm口径的望远镜和25mm的望远镜，收集星光的能力前者是后者的四倍左右。

出瞳（pupil）：口径除以放大率得到的数值就是出瞳，理想的出瞳数值应该不小于你瞳孔的最大可能直径，一般年轻人的瞳孔数值在7mm左右，中年人会更短。

视距(eye relief)：瞳孔应与目镜的外表面相距多大的距离。标准的双筒镜视距一般从几毫米到20mm不等，戴眼镜应该要选择视距较长的双筒镜。

视场(FoV)：通过双筒镜看到的视野的直径以角度来标示的话就是视场，目镜类型和焦距都是决定FoV的重要因素。一般偏宽的视场对于观测是有帮助的，但是如果太宽则会影响，这取决于器材的光学几何形态。对于放大率7——8倍的双筒镜来说，视场在6.5°——8.5°比较好一些。10倍放大率则5.0°——7.0°比较合适。当然有的器材有更复杂的目镜设计，就可以兼容更大的视场。FoV和放大率其实是成反相关关系的。

FoV的计算： $$ f=wL/W f=hL/H $$

f：镜头焦距 w：图象的宽度（被摄物体在ccd靶面上成象宽度） W：被摄物体宽度 L：被摄物体至镜头的距离 h：图象高度（被摄物体在ccd靶面上成像高度）视场（摄取场景）高度 H：被摄物体的高度

瞳间距（Interpupilary distance）：一般双筒的瞳间距都是可以调整的，距离在60mm——75mm之间。

棱镜类型（Prism Type）：常见的棱镜类型有两种：Porro和Roof，一般天文观测用Porro更好，因为其透光率更高。

镀膜（Coatings）：光学器件间不可避免地反射会降低光线通过率，降低成像的对比度，因此透镜和棱镜上加装镀膜是很有必要的。一般镀膜的种类也分好几种：

基本镀膜：仅物镜和目镜外围有镀膜，这种属于玩具级别的

全镀膜：器材光路中所有的光学表面上都存在镀膜，这种是最基本的镀膜形态，在超市中常见的双筒基本都是这种类型。

多层镀膜：指一部分光学表面上做过多层的镀膜，通常在物镜和目镜上。其他的地方也应该有单层基本的全镀膜

全多层镀膜：顾名思义。

顶级的镀膜成本十分高昂，甚至高于了棱镜的成本。也不能通过镀膜反射光的颜色就能区分质量的好坏。如果一家制造商只顾着拿”我们的双筒镜全部是多层镀膜“这种噱头来做宣传而不愿意提及其他，那么这些镀膜也可能是以山寨的方式草草完成的，但是不至于不能用。更便宜的镀膜则多来自于中国。不要轻信那些奇怪的”红宝石镀膜”这些奇怪的噱头。

**购买指南：**在低于250美元的价格内，付出两倍的价格就可以得到光学品质和机械品质的明显提升，但是其他方面不会有什么变化。在300美元以上这种边际效益会下降。经济紧张可以直接买便宜的，7x35是比较优质的选择。在相同价位上总是比7x50或者10x50好。

在75——250美元内有不少型号能选择，Bausch & Lomb、Celestron、Minolta、Nikon、Olympus、Orion、Pentax、ProOptic、Swift这类都比较好，在这个价格段的低端，Orion的7x50或者10x50 Scenix很不错，而在高端，Orion Vista 7x50·8x42·10x50非常不错，而且不亚于Celestron的Ultima系列。

250——500美元内，中高端可以选择Alderblick、Celestron、Fujinon、Nikon、Pentax、Steiner这些牌子。

500美元以上，Leitz、Fujinon、Swarovski、Zeiss这些牌子就已经到头了。

但是便宜也不意味着没好货，这点需要格外注意。

关于佳能的稳像望远镜（通过电子技术辅正视像）有两种说法，一种认为它其实不太适合天文观测，口径出瞳都比较小，而且其电子稳像功能带来的视觉效果有些怪。如果追求视觉稳定性可以去买一个脚架比较好。另一种说法则认为在野外观测如果使用这种稳像望远镜则可以不用酸着脖子一直盯着。至于如何挑选就看各位体力和耐力如何了，因为野外观测确实很累很累。

单筒望远镜

大部分爱好者都会选择道格步森式望远镜或者施密特·卡塞格林式望远镜，两种望远镜更有优劣。更多的教程应该在网上有。（另附：在www.Skyandtelescope.com/resources/organizations 可以搜索世界各地的天文俱乐部）

道格步森式望远镜最大的有点就是性价比高，6英寸口径的道格步森式价格大概在250——350美元之间，近年也有8英寸取代6英寸的趋势，前者也仅仅贵了50——100美元，重量和整体大小也差不多。也有人认为入门的主流望远镜口径在10——12英寸。它们的价格分别为450——750美元以及800——1200美元。

道格布森式镜的优点

支架稳定。且采用地平坐标装置，也就是说其所指向的方位是按照“方位角”（左右）和“高度角”（俯仰）来调整的，对于新手来说比赤道坐标的装置更加直观。

绝大多数道格步森式镜的焦距较短，焦比较小，使其拥有较大的FoV。使用2英寸目镜的时候，10英寸口径，焦比（焦距/口径）f/5的道格步森式镜的真实FoV可以达到2.25°。而同样的卡塞格林镜则只有1.10°，也意味着道格步森式镜的视野面积是卡塞格林式镜的4倍。

便携，质量较轻。方便拆卸和组装。

望远镜镜内外温度一致，有利于成像质量。当然这个影响对于深空天体的观测影响较小，但是对于月球和大行星的观测还是需要注意一番的。

缺点

设计之初道格步森式镜就是手动并且使用地平坐标系的，对于长期跟踪某一个天体显得尤为麻烦（因为星空是按照赤道坐标系旋转的），如果要让其自动跟踪目标，需要适配的仪器，这些还需要花更多的钱。

由于很难进行机械跟踪，道格步森式镜不适合用作天文摄影。很多道格步森式镜子的调焦筒都比较短，即使是接驳CCD也够不到焦距，尤其是接驳数码相机，会拍不到清晰的照片。

为了让镜筒长度都可以调整，道格步森式镜的焦比都比较小，焦比越小对目镜要求就越苛刻，在目镜上花钱就要越多。如果需要看到清晰的成像就不得不牺牲FoV的宽度，预算情况上会造成紧张，当然有钱也能买到更合适的目镜，Orion的Stratus目镜似乎成为了一种替代的解决方案。

道格步森式镜的小焦比使其拥有更宽敞的视野，但是高放大率情况下也会出现很多问题，例如焦距为1200mm的道格步森式镜，如果使用300x放大率则需要4mm的目镜，这么短焦的目镜势必对工艺要求会相当高。这种方案也有改良方法，利用巴罗增倍镜加上长焦的目镜，或者去购买高级的短焦目镜。

施密特-卡塞格林式镜的优点

除了极度低端的型号意外，卡塞格林式望远镜基本都带有电动跟踪装置，而不用每隔一两分钟就要手动调节。

卡塞格林式望远镜都有自动寻星功能（goto），只需要在控制面板上输入想看的天体名称就可自动对准那个天体，例如北极星（Polaris），当然有的goto系统也是未汉化的，这个时候需要自己积累一些常用星的英文名之类的了。过于便宜的go-to很容易发生机械故障，这点要注意。

其很适合天文摄影（但一般很贵很高档的型号才适合进行长时间曝光的主焦摄影，其意味着主镜或者物镜直接把物象投射在胶片或者感光元件上）当然CCD和数字相机，卡塞格林镜已经够用了。

由于光路是折叠往返的，卡塞格林式镜镜筒长度明显小于牛顿反射式（包括道格步森式）。但是其比较重。

卡塞格林式的焦比很大，常见就有f/10，因此用廉价目镜也能获得充满整个视场的清晰图像。而且其长焦距也让我们即使用中等焦距的目镜也可以达到很高的放大率。

缺点

比较便宜的卡塞格林式镜稳定性都非常差，哪怕轻轻碰一下都会造成很大的晃动而且需要长时间才能消除。这种问题尤其是观察月球的时候非常恼人。

焦距过长很明显限制了它们拥有星空视场的最大面积，这一点尤其在它们与1.25英寸目镜接环和天顶镜结合在一起使用的时候尤为明显。如果改用2英寸的目镜接环和天顶镜和目镜，到可以获得更大的视场，但是代价还是要花钱。

由于腔体封闭，就需要考虑到温度的问题了。

風土論の視点から日本の家族構造について検討

Sun, 25 Apr 2021 00:00:00 GMT

作者：Edward Calhoun

１．はじめに

環境、とりわけ自然環境について研究する学科はいわゆる地理学である。その中には色々な問題を検討している。人間と環境の相互関係について探究する地理学において、環境がどうやって人間に影響を与えているのだろうか、人間自体はどうその環境の影響を受け止めているのだろうか、という諸問題は、人間と環境との根源的な関係について探求することである。

日本ではそういう人間の主観と客観的な環境との「主客二元論」に基づいて研究は、既に1920年代末に、現象学的な観点からの人間環境論が、哲学者和辻哲郎によって展開された。和辻は，解釈学的現象学者マルティン・ハイデッガーの『存在と時間』の影響のもとで、いわば「存在と空間」につの考察を講義の草案として著し、それを『風土』にまとめた。

和辻は「風土」を「ここに風土と呼ぶのは土地の気候、気象、地質、地味、地形、景観などの総称である。古くは水土ともいわれている。」和辻のいう風土とは自然と人間とが渾然一体化した状況の自然のことであった。こういう内容は空間もまた根源的に重要であることを主張した説だとは言ってもいい。

イマヌエル・カントによれば、人間の認識は表象を受け取る能力（感性）とこれらの表象によって対象を認識する能力（悟性）という心意識の二つの源から生じ、空間と時間は「感性の二つの純粋形式」である。すなわち，空間・時間は人間の認識が成立するための主観的条件（直観）であり，われわれは空間・時間という認識の枠を通して世界を見ている。つまり、空間と時間という見方は人間自体の視点から環境を認識している一つのポイントである。

和辻は、風土を「社会の，空間と自然に対する関係」と定義し、日本と西欧における「人間―環境」関係の存在論的な把握を目指している。実存主義の視点から見ると、「個人の肉体が単なる物体ではなく、他者や物との行為的な連関の主体的な表現である。」その関係について、環境と人類の集団と人という３つの項を分けて環境において人類の集団そのものの姿を見るという研究を行っている。そのために、最も基本的な「人類の集団」いわば家族集団を検討を行う必要がある。

和辻によれば、自然の観念その家族の風土性ものが、人間の集団による環境へのはたらきかけから生み出される。また、自然の観念も家族共同体の在り方から発生してきたことが推測される。自然と神はどちらも、家族による伝統的な農牧業を通じて見出されてきたと考えられるのである。

本稿では、各国の家族構造の特徴をまとめて、農牧業の発祥の視点から家族の発展を検討する、そこで伝統的な家族型による父性偏向的な家族と母性偏向的な家族を分類され、日本の家族構造は主にどんな家族だかという問題を指摘するつもりだ。

２．家族構造の分類について検討

家族構造については，文化人類学において世界各地の諸民族についての調査が蓄積されている。たとえば、ゴールドシュミットとクンケルは民族学の資料集成である Human Relations Area Files（HRAF）を利用して46の農耕社会の家族構造を分析し、相続制度も考慮してそれらを三つの型に分類した。

１．父方一括相続を伴う父方居住の直系家族であり，日本，韓国・朝鮮，北西ヨーロッパに分布する。

２．父系分割相続を伴う父方居住複合家族で，中国，南アジア，中近東，東部・中部ヨーロッパに分布する。

３．双系分割相続を特徴とする新居住核家族であり，地中海ヨーロッパ，ラテンアメリカ，アフロアメリカ，スリランカ，東南アジアにみられる。

ほぼすべての人類は子として生まれ、その両親の存在と価値としている認識は無意識化され、内面化されたことが事実である。そのため、環境が家族の価値観を影響している最も重要な条件になっていた。

一方、フランスの歴史人口学者エマニュエル・トッドは、社会学者フレデリックによる「自由」と「平等」の理念に着目した家族の類型化に基づいて、世界各地の伝統的な農民の家族制度を類型化し、その家族構造からどのような物事の見方や価値観が産出されるかを論じた上で、近現代のイデオロギーの発生や受容と家族型との密接な関係を明らかにした。「自由」とは、父親と息子の関係によって定義され、息子が結婚により家を出て独立の家庭を築くことを意味する。それに対して，自由の否定とは、父親の権威のもとで息子が結婚後も親と同居することを意味する。「平等」とは、相続における兄弟間の関係によって定義され、親の財産が分割されることを意味し、不平等とは、ひとりの息子のみに財産が相続されることを意味する。阿部一はそういう「自由」と「平等」を基準として、「絶対核家族」、「平等主義核家族」、「権威主義家族（直系家族）」と「共同体家族」を四つ分類された。

これらの家族型を，環境と単純に結びつけることはできない。その家族型は時間の流れと共に変わってきている。その最初の家族構造はどの家族型に属するかという問題を解決しなければならない。なぜなら、何世代にもわたってこの土地に住んでいる人々が営みを求めるという慣習は、風土が影響をもたらすことだから、遡る必要がある。和辻によると、日本は急峻な山地及びそれらに挟まれた谷からなる地形と、降水量の多い気候の組み合わせからなる、すなわちモンスーンタイプの自然環境である。日本人は自然条件を積極的に改造するよりは、与えられた自然条件に栽培技術を適応させることによって稲作が展開されてきた。このような農業においては，夫婦の協働により，家族単位で生計を維持していくことができ，大人数の家族集団は必要とされない。それも核家族と呼ばれている。

夫婦協働型の核家族では，「母親中心性」が強まる。母の重要な仕事は授乳に始まる育児であり、ほかに子の面倒をみるものがいないため、母子の心理的な密着度は高いものとなる。子どもが農作業を手伝えるほど大きくなっても、家の周辺での農作業が基本であるため、母子の一体性は維持される。家の生業のために，父親がその関係に介入する必要性はないので、日本では最初から「絶対核家族」とともに母性偏向的な家族である。

３．日本の家族構造と風土の繋がり

先に述べた日本の家族構造は母性的な家族である事実は、家族共同体の在り方の視点について説明した。しかし、風土との関係は、もう一つの人間自体の価値観と切り離せない。その表現は、最初は自然に対する態度で、自然現象に対する崇拝でした宗教である。一方、モンスーンタイプでは，環境に信頼を寄せることができる。モンスーンが山にぶつかってもたらす雨は豊富に水を供給し，その水が集まる川は安定して流れくだる。そういうタイプの環境は必要な営みはすべて取れるとは言えないが、基本的な条件は非常に豊かです。そこでの環境と人間の関係は，母親が乳児に空腹の時にはミルクを，寒い時には暖かさを与えてくれるのと同様であり，環境は人間にとって母なるものとして立ち現れている。したがって、日本人は自然に対して命令・統御するような父性的な価値観ではなく、自然のはたらきを調和・順行させる母性的な価値観となっている。その同時に、母親の役割を自然から人間関係を関与する。

「母―子」の心理的な密着関係がみられるようになると、そのつながりの深さから、娘が結婚後も親族集団の中に留まることが忌避されず、近親婚の規制は緩くなる。また、娘のもとに男が通う妻問い婚もみられる。現代社会の日本の家族構造は、この現象も一層続いている。

４．おわりに

自然はどちらにおいても自己生成という観念が基本であるが、モンスーンタイプの「母性的包含性」の風土においては、人間は母なる自然に包含されており、人間は自然の一部である。日本の家族はそれを深く影響を受け止め、自分の特徴を形成した。現代社会の日本家庭は、最初の「核家族」型に戻るトレンドを見込んでいる。こういう現象を検討する際には，この風土的関係性を無視することはできない。近代化の進展により、農牧業経営体の責任者としての家長の権威と農地などの相続の重要性が失われたため、家族構造は絶対核家族的なものになる傾向がある。

しかし、風土論は自分の不足点もある。和辻は資料を提供した地元の人に対して、自分が提供した根拠について検証的な批判を求めていなかった。その結果は一方的である。人間の能動性は考えられなかったので、多くの学者は風土論を環境決定論と見なす批判している。それに加えて、風土論が互いにインタラクティブモード及び社会構成の意義あるシステムを社会組織の中のより大きな階級と結びつけることができなかった。つまり、すべての人間の行為は決定的な構造(Determining Structure)の中にあり、この構造は日常の意識から既成的に得られるものではなく、築き上げたものだけである。したがって、風土論の観点からの見直しが必要であると考えられる。

５．参考文献

和辻哲郎（1979）『風土――人間学的考察』（岩波文庫），岩波書店。

岩井拓朗（2013）「『純粋理性批判』における感覚と対象」『東京大学大学院人文社会系研究科・文学部哲学研究室論集』(32), 160-173。

山口幸男（2007）「人間及び人間社会の存在の風土性・空間性に関する地理教育論的考察:和辻哲郎の風土論を基に」『新地理:日本地理教育學會會誌』54(4), 34-42。

阿部一（2010）「環境の見かたと家族構造」『東洋学園大学紀要』第18号：175-191。

如何从头开始运营一个同人音乐社团初级运营篇

Mon, 08 Mar 2021 00:00:00 GMT

作者: Edward Calhoun

上一次更新这篇系列似乎是2020年的事情，如今2021年，我的社团纽约花残月已经走过了2年半有余。自己回到主催这个位置的时候，已经是百废俱兴的时刻了。2018年进入这个社群以来，一直都在观察社群的生态。观察到国内的同人社群很少有一个详细的多人社团组建教程，我认为这可能是很少有新血加入或者大量社团在初期遇到问题就难产的一个显著原因。国内的社团主们也想过各类办法来解决这个问题，例如举办各类论坛，但效果可能仍然不尽理想。因此我希望把自己做社团的经验传授给有心的创作者，同时也希望读者能够感受创作本身的魅力。

本文的任何观点均具有强烈的主观性以及局限性。也可能有部分信息已经过时，请慎重参考。本篇社团教程默认是面向对同人音乐有一定了解但是不知道如何进行组织的小白，文章的组织结构并非属于递进性而是环环相扣的，如果有任何的问题欢迎留言探讨。

同人音乐社团的基础以及框架

同人音乐在音乐工业（Music Industry）的生态位

那么首先我们关注同人社团的定义。我查询了知乎的答案如下。这个定义是我认为目前最为准确的。由于wikipedia作为大众志愿式百科，对于同人社团的条目内容我认为依然有一些问题，因此我引用一下这位答主的回答：

最初同人的意思是「志同道合，有相同兴趣的人、集团」。

同人（どうじん）とは、同じ趣味や志をもった人、仲間、集団ないし共同体のことである。

随着时间发展，「同人サークル」成了与商业团体对立的群体，侧重「规模小」「非商业性质」。和主题并没有太大关系。如果要作比较的话，有点类似独立游戏人和游戏发行商的感觉。

作者：Komiku 链接：https://www.zhihu.com/question/40499144/answer/366076247 来源：知乎

根据这个定义，我们也知道同人本身最重要的有两点自身属性：志同道合&非商业性质 。这两个性质是同人本身最显著的性质，也是同人作为亚文化一部分的原因。那么同人音乐社团在音乐界内又该如何定义它的生态位呢？音乐工业上，我们把非商业性质的音乐叫做独立音乐。

音乐领域中，独立音乐（Independent Music，简称Indie music或Indie），或称硬地音乐，用来描述有别于主流商业唱片厂牌所制作的音乐。顾名思义，独立音乐的制作过程独立自主，从录音到出版都由音乐家独力完成。独立（Indie）一词可用以形容其他音乐类型，如独立摇滚。虽然许多独立音乐家的风格无法清楚界定，因而归类到不同的音乐类型，但独立音乐 (Indie)在一般说法上或音乐评论中依旧视为一种音乐类型。

可以认为是大部分的同人音乐社团，它本质上都属于接近独立音乐的范畴。那么在这个生态位上，区别于商业厂牌或者流行音乐，同人音乐社团的组织有其创作独立性所在。这种独立性体现在如引用中所述：“独立音乐的制作过程独立自主，从录音到出版都由音乐家独力完成。”另外则是经济独立性所在。对于商业厂牌来说，为了维持可持续性和高昂的签约费用，运营费用，以及基础设施费用，需要不断的通过创作者（即雇佣者）的持续、固定产出来获取利益。例如厂牌每年都需要征收一定指标的音乐创作来烧录专辑并加以售卖，宣发。而同人音乐社团则不基本以此为目的，也不存在实际的雇佣关系[1]，对于创作也无需通过以盈利为主要目的进行，同时同人音乐社团的合作形式比较灵活，既可以是线下，也可以是线上。由于没有这类的限制，制作同人音乐可以是利用任何的空余时间，通过日积月累完成自己期待的作品。这样的体验可以说非常难得。

在这里需要重申一个概念，我前文提到了接近独立音乐这一词，也就是说，同人音乐不能完全和独立音乐划等号，在创作形式上，同人音乐和独立音乐的概念极其相近，但是组织形式上两者又具有本质差别。独立音乐尽管说区别于主流商业厂牌，但是它依然需要商业的运作手段。独立音乐人接商业演出，也可以自己开设独立厂牌，甚至也可以出席商业传媒，但是同人社团禁止涉足或者被规约限制（哪怕如果是原创，也会受到一定的社群规约限制）。我们可以举一个笼统的例子，在上海某地的房地产开盘仪式上，不可能邀请某知名同人社团Y出席该类活动进行演奏宣传，而且同人社团方也不可以接受，而它可以邀请某独立音乐人E。具体的分别说明我们将会在之后的章节见面。

同人音乐社团的初期的注意事项

二创音乐/原创音乐，究竟如何选择

对于同人音乐的创作来讲，目前国内以及日本创作数量最多的两位代表势是Vocaloid和东方Project系列。Vocaloid创作属于原创同人音乐，同时也包含部分二次创作同人音乐；而东方同人音乐主要是由二次创作音乐和东方风Arrange音乐组成的，后者同样属于原创同人音乐。我们通过对这方面的生态了解，了解到选择题材创作是一个比较重要的一个环节。而每个题材都有不一样的优点和缺点，这里一一讨论。

	优点	缺点	对既有作品依赖性
二次创作音乐	作曲压力小/风格选择丰富	版权问题麻烦/对社团人员要求高/限制程度高	高
原创音乐	自由度高/不受作品限制	容易灵感不够/宣传麻烦	低

我们首先介绍一下二次创作的同人音乐。

二创音乐

二次创作音乐最大的优点就是在于对既有素材的再处理，这种既有素材既可能是乐句片段，也可以是音乐背后所包含故事的内涵及其精神。但是同样的这种再处理也分为多种情况，如果把所有的同人音乐以再处理的方法平铺在一个二维坐标上，解构与尊重原著则将成为这个坐标的左右两端。在这种情况下并没有一个明确的标准界限，也没有任何一个平衡点。意味着对于这个作品的理解决定了未来创作的基础。举一个最简单的例子，如果你的身份是一个不了解某作品的一个音乐人，仅仅是对作品的音乐中的乐句吸引惊诧，那么大概率的情况是你会选择通过乐理处理以及再编织来制造新的同人作品；如果你的身份是一个音乐小白，但是对原著的故事，世界观及作品基调所吸引，你可以以另一种形式呈现自己所需要表达的音乐。在这个尺度上，没有绝对的好与坏。这也是同人音乐脱胎于商业音乐的一个显著特征。它不以取悦流量取悦商业市场作为基准，而是以满足自己的表达欲作为标准。

因此，我们也可以自由的选择自己希望擅长创作的流派，而达到百花齐放的目的。在二创流派最丰富的东方同人音乐中，老派音乐上，我们不仅能找到60年代末期早已经衰落的Surf Rock（代表社团：じんぞう），甚至能找到更为小众的Jazz大类（代表社团：SWINGHOLIC，这一大类在东方Project同人音乐里十分丰富甚至能和电子乐抗衡），新派音乐上也能找到前卫核（代表社团：二重不眠症），甚至还有演绎原曲的东方风（代表社团：梦现彼岸结界社）。在突破了大众爱好者集中于正态分布的流行框架后，我们很容易找到自己所需的方向，也能发挥自己特色的优势。这也将成为同人社团在诸多同类中拔萃的关键因素。在这一方面，东方同人音乐甚至可以说是做到了音乐界的百科全书。

但是其同样也有非常明显的缺点。

法律

我们用一个引例打开这个话题：如果选择对乐句本身进行处理，在作者明确提示，或者没有开放改编的权限情况下，需要慎重考虑二次创作的目的。在个人使用的情况下，二次创作本身也是没有任何的问题的，尽管在前文的语境下包含一定的版权侵犯“倾向”。但是引用自《中华人民共和国著作权法》的免责原则：

第二十二条　在下列情况下使用作品，可以不经著作权人许可，不向其支付报酬，但应当指明作者姓名、作品名称，并且不得侵犯著作权人依照本法享有的其他权利：

（一）为个人学习、研究或者欣赏，使用他人已经发表的作品；

（九）免费表演已经发表的作品，该表演未向公众收取费用，也未向表演者支付报酬；

只要是在该条法律的免责条件下，是完全没有问题的。但是如果是出于商业目的的改编，则可能会受到原著者的侵权诉讼，根据《中华人民共和国著作权法》

第三十八条　表演者对其表演享有下列权利：

（一）表明表演者身份；

（二）保护表演形象不受歪曲；

（三）许可他人从现场直播和公开传送其现场表演，并获得报酬；

（四）许可他人录音录像，并获得报酬；

（五）许可他人复制、发行录有其表演的录音录像制品，并获得报酬；

（六）许可他人通过信息网络向公众传播其表演，并获得报酬。

被许可人以前款第（三）项至第（六）项规定的方式使用作品，还应当取得著作权人许可，并支付报酬。

这个例子揭示出，无论是何种形式的创作，都需要牵涉到原作者和原著ip的一切问题。当然这是一个很浅显的道理，根据黑格尔哲学的说法，“这种权力来自于权利所属方的让渡。”即使作者开放改编权给我享受便利，我们仍然不能忘记我们的权力来自于作者让渡的一部分权利，因此在制作二创同人音乐的过程中自由度并没有原创音乐那样高。当然相关的法律问题也请自己查询著作权法以及具体的音乐著作权法律条目。在这里严格的提及法律，也是希望各位希望创办社团的同好能遵守相关规则，如果基本的法律都无法遵守，更何况由社群道德组成的规约内容。这一点是原则问题，也是万万不可以犯的问题。

宣传

除去相关法律问题，我们依然要考虑在建立一个同人音乐社团后，如何让别人知道其存在也是一大难题，我们也将在之后的章节讨论这个具体问题。先在这里简明扼要地介绍一下，这两者属于典型的辩证关系，任何的二创都会收到原作人气的影响，而同时原作也受到二创的反馈刺激。换言之，也可以归纳为“客观规律和主观能动性的辩证关系”。如果在一个相对较火热的作品，同时又赶上较活跃和合适的社群环境，那么你的同人音乐社团在宣传和传播将大概率顺风顺水。例如在2015年前后宣传一个舰C的同人音乐社团将是一个很不错的选择。大量的积累二创同时也会带动原作品的人气，形成足够的正反馈（东方Project系列）当然这同样也只是一个不严谨的例子，这项例子不能决定性的判断结果，但是可以帮助你在足够了解大环境后如何去判断自己的创作方向。

人员

**人员问题并不是一个明显的缺点所在，但是会隐性影响社团的可持续性和稳定性。**现在假设这样一个情景，如果创办一个东方同人音乐社团，你是否需要大部分的社员保持对东方Project的热爱与“忠诚”？答案是可选择的。这个命题在某些情景上是一个伪命题，如果你认识的音乐工业上的人脉不够满足自己的期望，那么你势必要从作品社群里招募相关人员，那么这些人员的前提本身就是原著爱好者，那么很显然没有必要去担心这个问题。但面向音乐产业中下场的人，甚至说只是做着玩一玩的路人，也许在某一个时期自己只是热血做着玩，甚至是怀着蹭热度的心态；这个时候，在面向长久的创作目标的时候不得不考虑我们是否对这个作品持有恒久的热爱。

注意这里用了“我们”。我默认一个社团是有分工合作的（当然单人社团也可以叫社团，因为这个定义来自于日本的サークル）有关人员组织的问题我们会在之后的章节继续详细阐述，如果你是单人社团，那么就无需担心这个问题。

那么回过头来我们来分析一下原创音乐。

原创音乐

原创音乐本身具有高度自由性，选材也相比二次创作更为丰富。例如在Vocaloid作品中，我们可以通过自己撰写原创故事，利用虚拟歌姬本身再演绎故事本身。这样的作品屡见不鲜，这样的模式也是同人音乐最常见的特征模式。在常见的创作中我们有两个判断维度，一个是叙事性，第二个是艺术性。二次创作中我们将叙事性承载在原著故事作品的元叙事中，因此在这方面的构思完全没有任何的障碍。但原创作品不一样，试问看图写话和狗尾续貂，与绞尽脑汁写一篇激扬文字哪个更难想必十分显然。值得注意的是，在同人音乐中不可缺少的内容就是叙事，拥有一个好的故事显然是卖点，将其融入自己的音乐作品中，通过作曲的感情基调，通过作词的艺术加工让其更为精致，则是同人音乐的魅力所在。在编写原创音乐的时候，我们不能舍弃这个问题。而艺术性则看自己选择哪一个流派，不过，就算是Pink Floyd也需要叙事来彰显自己的流派特征。

灵感

这里就开始涉及一个“概率性”的基础问题了，你和你的编曲同仁有多少的灵感来承载原创音乐的制作，这一点决定了创作的可持续性。从0到1是一个创世之举，这句话不夸张，如果你是个人社团，在灵感枯竭的时候几乎是举步维艰，而且很容易陷入焦虑创作循环。这不但取决于你和你的同僚的音乐基础，更取决于自己有多少想法，这些想法是否可以付诸实现。灵感本身也是具有概率性的问题，它脱离于经验又来源于经验。从大的角度来看，现代音乐的作曲是否枯竭还有待争议，单纯从旋律这个问题上来看，普罗科菲耶夫在《旋律会不会枯竭》一文中说到：

现在我们设想一支旋律，并不需要特别长，就算八个音吧。这支旋律能提供多少个变形呢？二十五和二十五连乘六次，换句话说，也就是二十五的七次方。总共有多少个排列组合呢？拿出笔和纸来算一算就知道了，将近六十亿种可能性。我并不想说从我们的排列中可以得出六十亿支旋律，而是作曲家从存在的六十亿种组合中选择他所要写出旋律的可能性是非常大的。

**然而这还不是事物的全部。要知道音是有各种不同长度的，并且节奏可能完全改变旋律的面貌。此外，和声、衬腔以及伴奏同样可以赋予旋律以全然不同的性格。**因而应该说，为了充分利用提供的一切可能性，六十亿还得自乘多少次呢!

这是一个很大的不确定因素，尽管普罗科菲耶夫提供了乐观表示，但我们依然要面对很多未知情况。实际上这种情况不仅仅存在于原创音乐，二创音乐同样会有。这值得我们慎重考虑，是否有足够的想法，是否有足够的能力完成自己的想法。

但是就算拥有好的灵感，不能忽视的还有相较于二创更为臃肿的隐形成本问题。

成本

制作音乐固然需要大量成本，这里预先讲述一下隐形成本问题。撇去显性成本（设备，人员……），我们还有诸多隐形成本，在这方面，宣传成本是至关重要的必需消费。在我参加同人展会的个人的经验中，我常看到这样的情境，知名同人社团的二创作品销量要远大于原创作品销量。这还是建立在名气和高昂宣传花费上的结果。单独起家本身就是一件较难的事情，我们再看这样一个问题：为什么独立音乐能够做到原创+销量，但是原创同人音乐常常举步维艰？这也是我更早提到的同人音乐不能完全和独立音乐划等号的问题。独立音乐可以做到商业渠道宣传，同人音乐在这方面是受限的。同人音乐的宣发渠道极度有限，一方面同人音乐基本只能在同人展会和相关网站上进行贩售，另一方面同人音乐的宣传渠道只能在社群内形成，这个社群在二创框架内是客观存在的，但是在原创框架内，你需要自己构建这样的社群。如果你一方面疲于制作音乐，一方面又要想办法宣传自己，维护社群。这样的事情也很少人能够独立完成，甚至于一个爱好者团体也十分困难，无形之中就构成了巨大的隐形成本。

章节总结

开启一个同人社团是一个很有勇气的事情，当然，在诸多的坑面前，希望各位未来的社团主催仍然能沉得住气。二次创作音乐和原创音乐各有利弊，上文所提到的也可能只是冰山一角，依然需要大家自己在未来的探索和发展中以运动的眼光看待可能出现的问题。另外，不是所有的利与弊都是这两种音乐的标签，例如我们遇到的成本问题，二创音乐也会存在，因此不要错误的认为：只有原创音乐才有昂贵的成本，而二创音乐没有。这样的认知是不正确的，接下来我们还会看到更多这样的例子。

同人音乐社团的初期运营

同人社团从建立那一刻就离不开运营，如果需要长久的产出自己想要的作品，运营是极度重要的一个环节。这里介绍的运营主要包括内部运营和外部运营。内部运营包括经济结构和人员组织形式，外部运营包括生态位观察和社团模式选择。当然如果作为主催你不愿意运营，或者只是开心就好，那可以另外分配一个拥有专业知识的运营专员为你服务。当然，这取决于ta是否愿意。

原始资本与收益分配

我们虽然说同人是一个用爱发电的东西。但是这个界定显然太模糊了，我们如何界定用爱发电是不是真的都只需要爱呢。这个名词其实我不太同意它的实质性或者，换句话来说，它可能还只是一种——非正式关系的体现。非正式关系是一个社会学定义，是与市场契约和法律所对应的正式关系的反面。但是非正式关系并不能取代正式关系的存在，或者说为了一个合理的目的，仅仅依靠“感性”的非正式关系是不合理的。我认为，非正式关系甚至依赖于正式关系。只是一股脑地用三分钟热情去浇筑一个长期目标是一个很不负责任的行为。并且，我们可以“用爱发电”的非正式关系去要求我们的合作同僚为同一个约定俗成的目标前进，但是关于经济问题，我们很难主动要求同僚为我们出钱。一旦牵涉到经济问题，大家就会万分谨慎，因为这涉及更长久的生产分配问题。分配问题也就是我们接下来要讲的——如何统筹你的经济规划。

首先回到同人的本质是什么，2021年东方社群举办的《东方社群信息的整合与利用》讲坛中有提到这样一个概念。利用马斯洛的个人需求金字塔可以将同人的本质需求归结于：爱与经济。那么在同人社群中，爱更指向 归属感与自我实现，而经济更多指向 安全需要和尊重需要。此外还引出一个结论，同人本质是一种类奢侈品（服务消费），一个经济主体在有金钱闲余的情况下才会选择创作同人作品。 但不是任何一个同人社团中所有成员都需要为同人社团的经济负责，换言之常有部分社员是脱离于经济关系之外的。因此我们对此分类讨论一下。

在这里还要引入一个假设，即所有的行为都是理性的，合规的，且为了目标利益最大化。以及文化产生的附加值也属于分配的范畴，而在同人市场里所有的参与主体也同样符合经济学的规律。

布尔迪厄认为，一切社会结构的形成，都取决于一系列场域的等级组合，诸如经济场，教育场，文化场，政治场等，其中每一个场域都有自己的功能法则，以及与其他场域之间的独特关系。换言之，除了经济和政治这两个基础场域本身之外，每一个场域既有独立于政治和经济的自足性，又具有与其同源同构的相似性

1.出资人只有主催

这种情况可能说并不多见，因为所有的成本都将由主催一人负责。缺点显然是经济负担非常大，如果作为主催，你没有在一个周期内拥有足够空余的资金，甚至可能会导致企划半途中止，寻求内部募集资金或者甚至去借钱。这就很容易导致社团的经济情况陷入僵局，换言之，承压性差得很。所以非特殊情况我并不建议你这样选择。当然，好处也是有的。在企划的决策每一步的时候，会减少大量的交涉成本，因为在这一环节所有的决策将基本取决于自己。当然有人可能会问，在这个过程中是否主催成为了社团的实质“寡头”。这自然是取决于你的统筹模式，**每个模式都有倾向去贴合与之类似的经济结构，而经济结构也会影响你的模式。**因此这种经济结构，毋庸置疑很容易导向一个金字塔式，或者公司式的同人社团运营模式。

2.出资人来自少数团体

这种情况应该是最为常见的。这个模式可能来自于社团创立发展过程中自然形成的一个稳定态。一般来说早期建立社团都需要一些主要的以熟人关系为主的合伙人形成最初的内部结构。而后根据实际需求继续招募人员，最后形成一个稳定结构。那么在这个过程中会出现一个差序格局。差序格局这个词最早是由中国社会学家费孝通提出，用以描述中国传统人际关系的概念。费孝通认为中国传统的人际关系格局“不是一捆一捆扎清楚的柴，而是好像把一块石头丢在水面上所发生的一圈圈推出去的波纹。”这样的差序格局同样会有一个很明显的经济结构：我们初期的合伙人为了完成这个企划就形成了一个基本的经济契约。因此最后为了节约交涉成本和信息成本，合伙人倾向于维持原稳定的固定出资结构。举一个例子，我需要制作一个东方同人音乐企划，开始我作为一个小白身边可能只有少数几个人可以一起帮忙，在这个过程中我们制作出了第一个作品，而所有的成本都由我最初的合伙团体承担，这个合伙团体是内部化的，也以主催为社交中心产生。在未来社团壮大之后，我还是习惯于和老社员一起合作出资，或许出于道德原因，或者出于规约原因（这些就是上述的交涉成本和信息成本）。最后就会形成出资人来自少数团体的情况。

这种情况更多的优势在于经济成本的负担可以分散化，并且更符合经济学的原理。如果把同人社团视作理性的经济投资理论，那么这种做法正属于分解风险——所谓“一个鸡蛋不能放在一个笼子里。”对于同人社团的经济系统承压性会更好一些。缺点在于

1.这类经济结构所衍生的组织模式会使得新人边缘化。而当新人的认同感归属感降低时，尤其新人还并没有如此的“热爱“这个作品，同时只是一个单纯的技术劳动者，势必要造成监督成本的上升，举一个例子，如果我作为一个社团成员没有参与社团的经济决策，也感觉自己并不是主催合伙人的一部分，我就会产生不管己事的心理。

2.这类经济结构由分配模式决定未来。如果我的出资人来自于少数，我的利润势必要以合适的方式回馈到出资人身上。出资人参不参与生产，实际上就是取决于是否属于**“资本”或“技术”等生产要素**。为了解决这个问题，我们可以看一看几种主流的收益分配理论。

**马克思收益分配理论。**马克思把分配的含义分为两个层次。首先是生产要素本身的分配，这种分配关系决定着生产的全部性质和运动；其次是产品的分配，这种分配完全由生产决定，分配结构取决于生产结构。在资本主义生产条件下，产品分为资本和收入部分，作为收入的产品也就是活劳动创造的价值，其中一种收入为工资，另两种收入形式为利润和地租。工资归劳动力所有者，利润归资本所有者，地租归土地所有者。

**新古典学派的分配理论。**19世纪70年代，作为传统经济学的对立面出现的。经济学家杰文斯、门格尔和瓦尔拉斯等人分别发表了自己的著作，他们放弃古典学派的劳动价值论，提出以主观效应为基础的边际效用价值论，形成了所谓的“边际革命”。边际学派认为劳动、资本和土地的收入分配是按相同规律决定的，那就是它们的效用，商品的价值决定于它的边际效用，商品的边际效用是递减的；劳动是不同质的，其本身就难以量化。

**威廉·配第的分配思想。**威廉·配第认为，商品的价值是由生产它所消耗的劳动决定的，生产商品所用的劳动时间决定了商品的价值量，价值量的大小受劳动生产率的影响，劳动分工会促进生产率的提高；工资是维持工人生活所必需的生活资料的价值，地租是土地产品的价值扣除生产资料的价值和劳动力的价值(工资)后的剩余部分，即剩余价值；生产资料的价值是既定的，地租的大小取决于工资的多少。

但是他们存在很明显的局限性，如果你照本宣科，你会发现你找不到对应的关系。因为这几种分配方式的问题在于不符合同人文化的习性（Habitus）。那么根据同人经济的特征，首先地租这个概念是可以忽略不计的，另外利润分配的结果也并不等同于维持个人生活的必需品，其次同人社团内甚至不会存在阶级从属性，最后，以感性代表的非正式关系甚至能抵消一部分的经济分配问题（例如我作为投资合伙人，甚至可以把这些投入的本金当作我的一个消费）。在这几个前提下，我们需要批判性的继承我们所愿意的学说，在这方面我们还需要把我们创作的附加产品也视作经济结构的一部分。我个人更偏向于选择马克思收益分配理论。譬如，我们把我们社团内部的编曲，作曲等制作产出的人员叫做“技术专员”，把不参与产出但是参与出资的人员叫做“风险投资者”。大体上，我们需要让每个技术专员尽可能获得自己的劳动所得，另外还需要照顾风险投资者。在这个过程中，每个参与者通过参与获得了相应的正反馈或者负反馈，尽管这种反馈不能被量化，由主观的个人决定。因此在分配的过程中对于技术专员，需要主动问询他们所需要的多少，因为他们所需要的精神附加值在创作过程中（或者在别的什么地方）已经获取，还存在可能由于共识、或者身在同习性同场域的一部分“抵消”。（但这不意味着少给或者不给）而对于风险投资者，则需要硬性的经济分配，因为在这个过程中它符合最原始的经济规律。当然在这里，各个人还有各个人的理解，我这里单独列举一种情况还不完善，因此希望各位根据自己的理解进行操作。

那么具体的其他分工该如何具体再分配呢？我们将在下一章进行讲解。

3.出资由所有人承担

这是一种极度理想的情况，也可能是初期所具有的特征，也可能是同人社团的某种最优解。因为这种情况的前提，基本取决于在所有人积极参与之下。由于所有人都参与出资，因此对于收益分配来讲仅需要根据劳动所得根据分工合理分配，因此很少会产生经济纠纷。在这类情况中，信息也是完全共享和外部化的，所有人由于理性会参与大部分的决策以满足他自己的需求。但是致命缺点是**违约成本几乎无法讨回，从而导致积极性下降。**最简单的例子就是，作为社团成员，我既付出了经济成本，又付出了了劳动力成本，如果有一天我由于不可抗力无法完成作编曲的工作，我会以我付出了经济成本的借口搪塞过去，在这里，我作为社员付出的经济成本抵消了我的违约成本。

流派选择与生态位观察

流派选择代表了一个同人音乐社团最基础的定位，当然这里的流派选择也不一定是让你仅仅选择一个流派，还有很多种选择和组合方式。并且注意定位并不是社团卡死的属性，在社团发展的过程中，大环境生态位的流动和内部社团的人员流动、变迁都会导致定位产生变化，因此需要及时作出调整。当然，提一嘴，如果要建立一个稳定的粉丝爱好者社群，就不要离一开始的流派越来越远，否则这样的变动可能会造成粉丝爱好者社群的失范甚至更替。

**现代的音乐流派正在往融合的趋势发展。**这是毋庸置疑的，目前大多数音乐科班的论文选题多是探索各类音乐或者音乐与其他艺术的融合。而音乐史本身也是由融合这一渠道发展的，摇滚乐正是典型的范例，通过白人乡村与黑人布鲁斯的融合，形成了摇滚乐，而摇滚乐通过对乐器演奏技术和电声技术的发展摇身一变成为了金属，而现代，金属乐/摇滚乐继续通过和爵士和古典元素的引入融合形成新派金属及部分核类音乐，在和合成器的融合中形成了另类摇滚。在网络上常常有分类学的观点看待流派，甚至于Bossanova与Jazz也会出现流派分类之争。这种看法非常愚蠢，不同流派之间的界线在逐渐模糊化，也正在变成既定事实。我们在选择社团定位的时候绝不能因为这种“分类学大师”而固步自封。如果可以的话，其实几种类似的流派都是可以制作的。例如我的社团希望制作Jazz，那我还可以做一些室内乐，完全是没有问题的。

流派的选择会影响你的模式和创作成本，如果你选择急需现场演奏才能鼓动气氛的流派（Rock，Metal），你可能会组建一个乐队；如果你选择电子乐（Dubstep，House），你只需要一台合适的电脑，甚至连键盘都不需要，毕竟目前市面上的宿主软件已经能够很好的模拟键盘的力度，如果你需要vocal，那情况还是不一样。两者的成本天壤之别，在乐队还在苦恼如何凑在一起录音时，电子乐可能高产到又出了一张新专辑。并不开玩笑，一张录音室专辑的成本与商业制作成本几乎无差。在之后我会介绍目前同人音乐中常见的同人音乐社团模式，以及如何根据自己的成本适配这类模式。目前可以给出肯定的是，如果你没有足够的成本维持，那么可以试试从纯电子音乐起步。如果拥有一定的闲余，可以试试从一个带vocal的流行电子音乐社团开始做起。如果起点足够高，我们可以直接开启一个乐队之旅。

另外观察同人社群和大环境流行的流派生态位也会让自己的社团赢得一席之地。目前流行音乐的趋势是，数据显示，在2020年美国所有流媒体的音频播放量中，超过30％的作品来自R&B和Hip-Hop这一音乐大类并独占鳖头，Rock Music则占16.3％紧跟其后，领先于Pop Music的13.1％，成为第二受欢迎的音乐类型， “Dance / Electronic”类型的音乐不及Country和Latin Music，仅以惨淡的3.4%位居第六。而中国的同人音乐流派中，电子乐占了绝大多数（电子乐的易制作性），如果我们作为起步者和热门的流派团体作斗争，显然是会陷入边际收益极低的困境。这不得不让我们需要重新决策选择一个合适的，属于自己的生态位，甚至如果可以，做第一个吃螃蟹的人也完全没有问题。在这里，你要学会付诸勇气去抉择。例如我自己的社团纽约花残月，我给她的定位是一个中小型社团，我寄希望于制作流行电子，是没有办法比过技术力更高，财力更丰厚的社团的，观察了中国东方音乐中缺少说唱等流行音乐中很火热的流派，我知道可以通过这一方面来展现我们优秀的实力，基于此，我便尝试制作了《The Last bamboo leaves》，目前也取得了较好的成果。另外值得注意的是，如果你喜欢小众流派并且选择小众流派，也会赢得不同凡响。因此学会观察真的非常非常重要。当然，这一切的前提依然是要保证自己和自己的社员能够制作并且喜欢，而不是顺应市场的需求，因为我们首先要娱乐自己，才能娱乐他人。

人员招募及人员组织结构分析

在明确你的经济情况和分配期望后，作为主催可能就要开始招募人员了。那么一个同人音乐社团最不能缺少的要素有三：曲师（包含作曲，混音等），美工设计（包含绘画和设计），以及主催（运营管理者）。曲师承担了一个同人音乐社团最基础最基础的内容，如果没有曲师意味着同人音乐社团本身属性的缺失。这一位置可以由主催承担，也可以由专员承担。而美工设计则决定了你的作品将会以多少视觉效果呈现给其他的同人消费者，以在同人市场中出类拔萃，一个优秀的，稳定产出的美工设计将会使你的社团脱颖而出并且与众不同。除了这些基本的人员，还需要有其他可选择的人员，这取决于你对未来流派和模式的选择。例如我需要组建乐队，我还需要稳定专业的乐手为我的企划服务，我需要组建一个官方网站，那么需要有一个前端维护。这一类可以交给“外包”（我们通常称呼其为合作）团体（通常为同人社团或者个体户同人创作者），也可以通过招募取得。

那么如何招募这些基本人员呢，我们常有三种路径——社交网站，熟人交际圈，相关平台。社交网站上的圈子代表了音乐和同人文化场域的具体体现，例如QQ空间，微博，Bilibili，国外有推特，reddit等。这些路径的选择是可以组合的，而并不是单一的。

通过在社交平台发布你所需要的招募信息，就可以通过姜太公钓鱼——愿者上钩式的方法进行招募。如果你选择制作了二创音乐，这一点都不必担心，通过作品本身存在的社群认同就可以使得信息大量的扩散，这一点会在后面的传播学内容中阐释到。但是原创音乐就要考虑自己的音乐是否足够收到ACGN团体的喜爱了。但是缺点在于所招募的人员具有一定的未知性，在花费了大量的宣传成本及社交成本之后，我们还要花费一定的鉴别成本。这类鉴别标准取决于三个维度：社群习性/技术力/性格，并且可能还需要通过一定期间的短期合作才能完成对所需人员的筛选。

利用熟人交际圈是最方便的形式，但局限性和主观性也很强，如果你拥有海量的音乐人脉或者同人创作人脉，通过四处寻访，寻求朋友帮助是不困难的。但反之，如果你是一个刚进入同人创作领域的小白，你可能没有这个先天条件便会四处碰壁。这种形式的成本最低，但是来自于你的日积月累。我自己的社团很特殊，她初期的核心成员基本来自于我的高中同学交际圈，由于当时确实具备相关人才，因此我便邀请他们，他们也爽快答应，如此的情况我认为目前同人圈很难复刻。因此还需根据自己的形势进行判断。**熟人关系的最大缺点还有——强大的非正式关系已经盖过了正式关系的存在。**如果你的熟人朋友拖稿，想必你很难启齿催稿一言。另外非正式关系甚至会影响社团结构的稳定性，有不少社团就是因为个人纠纷导致解散，令人唏嘘。因此在关系处理方面，如果你不是一个足以维持长期关系的社交达人，你需要慎重考虑这一点。维护平衡是一件非常费时费力的事情。

相关平台提供了大量专业人士交流的方式，例如在音乐平台，作曲、编曲、作词通过投稿来直接展示自己擅长的流派风格与实际的技术力，并且加之平台拥有一定的初步自我筛查机制，因此作者的技术力可以得到一定的保障。但是我们仍然不能忽视的是交涉成本。对于音乐平台，实际上和商业脱不了钩，在面对自己期望的音乐人的时候，首先需要保证自己拥有一定的水平与对方愉快沟通，否则更何谈与对方合作。因此我认为这一形式的门槛过高。当然如果试着主动去勾搭的话，说不定也会有黑天鹅事件。因此我认为主动社交也是社团主催必须要有的素质之一。

无论如何，社员之间的关系都是以人为本。并且由于前文提到，**同人具有一定的交际性质补充，因此对待社员不能像公司里上司对待下属一样，这是大忌。你与你的正式社员并不构成严格的雇佣关系!**而根据信息差和信息流通的分别，一般把组织结构分成这三类。

1.差序格局结构

在主体之内的人员属于社团正式成员，而在外包的人员（例如画师，文案）则属于外部成员。所有的信息流通中心在主催上，存在内部信息和外部信息，结构如同洋葱。这一类结构在上文中已有相关论述，但也有可能是一定自然现象的存在。由于社员的个人差异，势必要导致出现社团正式成员内的小圈子现象，例如编曲和画师就不一定聊得来，甚至于在东方和音乐之上，我们还有其他的意见相左。这类情况普遍存在甚至常常引发矛盾。但是决策和统筹方面，如果主催是一个带有卡利斯马式权威色彩的人，这类组织结构也能很好的统筹起来，甚至效率要比扁平化结构更高效。

2.扁平化结构

扁平化结构是我认为目前最健康的同人社团组织结构，所有人都具有一定的权力参与决策，信息可以自由流通，但是这也是非常理想的，需要保证每一个社员在对作品喜好热度上的“同一性”，参与的“统一性”。但凡有一部分成员脱节，就会导致社团停摆或者难以进行未来的企划。解决这一问题也需要主催自身多多调动社员的积极性和塑造一个认同感。

3.金字塔式结构

金字塔式结构常见于正式关系（经济契约）为主的一个社团，如果你的大部分内容都来自外包，而少部分核心成员同时参与资本和生产要素，那么你的社团类似于一个雇佣交易制的厂牌。这一类结构目前我了解不是很多，但是个人认为其稳定性取决于主催和出资人的财力，如果你有足够的财力维持高昂的因外包产生的固定成本，实行这种结构也是没有问题的。

除此之外，还需要注意你的社团是否为线上/线下。如果你是一个乐队，你的社团应该基本活跃在线下，至少能在同城，每隔一段固定时间还需要出勤排练。线上的形式，在目前音乐界又有别称叫做NetLabel（网络厂牌），而随着即时交流技术的逐渐发达，我们通过线上交流完成合作的范例也越来越多，由于目前中国内地的同人社群信息交流有限，同人本身也受到地区经济发达与否的性质，据统计，目前的线上社团的形式几乎占到90%以上。而大部分线下的乐队型社团也多集中在一线发达城市。

在应对这些不同结构的时候，我建议参考管理学家弗雷德·费德勒的权变领导思想：费德勒认为，领导者的行为及其所要追求的目标具有多样性。这种多样性的存在，是由领导者之间在基本需求方面的差异决定的。因此，应当而且必须以此种需求结构来界定领导方式。这是费德勒领导权变理论的基本出发点。所以，费德勒将领导方式（领导型态）归纳为两类，即“员工导向型”领导方式和“工作导向型”领导方式。一个领导者，无论他采取何种领导方式，其最终目的都是为了获取最大的领导效能，要想取得理想的领导效能，必须使一定的领导方式和与之相适应的领导情势相配合。这些在本文的体现则是正式关系和非正式关系的导向，为了达到目的，我们要维持好这两者的平衡。这样才能获取我们所需要的结果。

本篇结束语

是的，到了这里想必你已经对自己的同人音乐社团有了一定的初步想法了。我们首先谈到了二创音乐和原创音乐的区别，对同人音乐生态有了大致的了解，而后再开启我们的运营篇章，通过经济学和社会学阐述了我们同人音乐社团该如何组织运营，当然更多的问题是——定位和规划。这些决策内容一开始将会决定了未来的高度。当然我自己的经验也可能仅仅局限于中小社团的组织，超大型社团的组织结构，我也不可以不负责任的通过我的纯粹理性推导（来自康德的捶打）。当然也希望有能人士能指出本文中的一些不足。在此之上希望同人小白们能从中获取自己想要的知识

接下来我们会开启新的篇章——我们的第一个企划

那么在选择企划形式的时候，我们依然会有很多种选择，例如制作同人音乐CD在同人展会上售卖，这种模式是目前最常见的模式，也缘起于日本。另外通过新兴的电商技术和流媒体播放平台，我们还可以自由选择自己需要的线上售卖方法。那么在制作同人CD的环节，又有不少细节让新人望而却步，如果没有足够的人脉，足够专业，我们常常手足无措。那么下一篇我将详细解释这些内容。

笔者：Edward Calhoun

于2021年3月7日写作完成

Hexo博客Next主题如何在移动端上设置不同的背景

Mon, 15 Feb 2021 00:00:00 GMT

基本的背景添加

如果学过CSS函数，就可以很容易的明白如何自定义一个新的背景，当然，本教程面向html小白。（虽然我自己也比较菜就是了）

我们在网络上看到的教程有教学如何添加背景，根据hexo的机制。我们常用到

/themes/hexo-themes-next(任意合适的主题)/source/css/_custom/custom.styl

这个自定义文件去修改我们网页的布局。

一般的添加背景是通过修改body元素：

body{
    background:url(/images/bg.jpg);
    background-size:cover;
    background-repeat:no-repeat;
    background-attachment:fixed;
    background-position:center;  
}

都是非常基本的元素设置，例如size，repeat，attachment等等子选项。

移动端设置

但是我们一般的网页布局都是横构图，且背景图片常因中心需要填充内容，设计上主要内容都会往两边靠。所以为了适配移动端我们可能需要找到一张合适的竖构图海报背景重新作为我们的博客背景图片。

设置移动端很简单，这里我们只需要用到一个规则

@media

这个规则很简单，我们通过一个实例去理解它

@media only screen and (max-width: 600px) {
  body {
    background-color: lightblue;
  }
}

顾名思义，使用@media` 规则可以为不同的媒体类型/设备应用不同的样式。

媒体查询可用于检查内容，例如：

视窗的宽度和高度
设备的宽度和高度
方向（平板电脑/手机处于横向还是纵向模式？）
解析度

因此上面的代码内容执行的效果为：当浏览器窗口的宽度为600px或更小时，将<body>元素的背景颜色更改为“浅蓝色”。

那么同理，作为一个设备长宽的判断我们还可以利用它去适配更多的设备。

由于大多数人都使用手机浏览网站，我们需要知道手机的参数。这些参数被记录在

/themes/hexo-themes-next(任意合适主题)/source/css/_mixins/base.styl

mobile-smallest() {
  @media (max-width: 413px) {
    {block}
  }
}

mobile-small() {
  @media (max-width: 567px) {
    {block}
  }
}

mobile() {
  @media (max-width: 767px) {
    {block}
  }
}

tablet-mobile() {
  @media (max-width: 991px) {
    {block}
  }
}

tablet() {
  @media (min-width: 768px) and (max-width: 991px) {
    {block}
  }
}

desktop() {
  @media (min-width: 992px) {
    {block}
  }
}

desktop-large() {
  @media (min-width: 1600px) {
    {block}
  }
}

我们一般设置到Tablet的最大值即可，即

@media only screen and (max-width: 991px)

如果对设备还有其他的适配要求，例如平板浏览器以及手机浏览器仍需要不同的画面，可以依次类推设置。

我们只需要在Custom.styl里添加如下字符串就行了

body{
    background:url(/images/bg.jpg);
    background-size:cover;
    background-repeat:no-repeat;
    background-attachment:fixed;
    background-position:center;  
}

@media only screen and (max-width: 1000px) {
  body{
    background:url(/images/bg2.jpg);
    background-size:cover;
    background-repeat:no-repeat;
    background-attachment:fixed;
    background-position:center;  
}

}

iOS适配问题

但是通过此类单纯设置发现iOS的适配性很差，由于Hexo的渲染属于长条式，图片被失真拉伸，因此不美观，经过发现是background-attachment:fixed和 background-size:cover两项的共同输出结果不能被Safari识别渲染~~（iOS是真的让人无语了）~

这个时候我们需要更改如下的字符串

@media only screen and (max-width: 1000px) {
  body:before{
  content:"";
  display:block;
  position:fixed;
  top:0;
  left:0;
  bottom: 0;
  z-index:-1;
  width:100%;
  height:100vh;
  background:url(/images/bg2.png) center 0 no-repeat;
  background-size:cover;
  }
}

通过强制固定来保证fixed的执行。

日本語におけるネット新語・流行語の造語法について論じる

Sun, 14 Feb 2021 00:00:00 GMT

日本語におけるネット新語・流行語の造語法について論じる

1.はじめに

インターネットの普及につれて、人間において交流方式は全く変えられたと言える。この背景を踏まえて、言語環境も急速に発展し変化している。近年、変化する言語環境の中で特に「日本語の乱れ」とも言われている言語現象が存在している。「平成1 4年度国語に関する世論調査」^[1]^によると、約8割の回答者が日本語は乱れていると答えた。乱れの原因として「意味のわからないネット流行語や新語が多い」が一番である。しかし、言語は時代とともに変わっていくものである。元はネット新語・流行語だったものが、世間に認められて普通に使われるようになった例も少なくなく、そういうネット新語・流行語は言語が変化する過程の中で欠くことのできない要素である。従って本稿は言語学の視点より、新しい方法で近年のネット新語・流行語について、どのように移り変われに関して考察してみたい。

2.先行研究とまとめ

流行語について取り上げた研究は数多くなされてきている。その中にも新語・流行語とは何か、定説はないようであるという説がある。^[2]^『現代漢語詞典』では、流行語を、「ある一定の時期において、社会に広く流行っている言葉である」と定義している。講義の中に新語と流行語の定義を分けられて説明した。新語は、社会発展につれて人間の表現需要を満足しようとなって生まれた。一方、流行語は、皮肉やエンターテインメントという要素が多い。文献に調べてみると、新語・流行語の作られ方は主に四つに分けられ。

新たな物事や概念の生まれ
喜新厌故の心理状態
社会問題や事件の発生
文芸作品の語用

ネット用語に対して、上記の四つ原因の中で主に流行語自体、社会文化、心理的原因という三つの角度を考察しようとする。そういう原因として、新語・流行語の作られ方も主に三つに分けられる。

既存語と全く関係なく新しい語を作ることである。
語基創造である。
既存語を利用して新しい語を作ることである。

②は、代表的に擬声語・擬態語において用いられる。③はさらに借用法・派生法・省略法・合成法・類推法・逆生成に分類される。しかし、上記によると言及されない箇所もある。例えば，「アップロード・up」のキーボード誤入力によって生まれた「うp・うぷ」で、媒体依存的な状況も存在するとは言えよう。

3.研究方法

先行研究を一部調べてみると、それでは定着するネット用語の異同を分類される検討すでに見られるが、その造語法の法則性に関する応用は少なかったという。言語学の視点より明らかに法則性を用いて、新たに見つけ出すこと、あるいは今後定着していくであろうネット用語を予測することができるではないかと考えて、本稿は適切な調査対象を確立し、そこまで考察を深めてみたい。

3.1.調査対象

本論文で取り扱っている用例は、2018 年から 2020 年までに自由国民社主催の「新語・流行語大賞」^[4]^の流行語ランキングを主要研究対象とする。「新語・流行語大賞」は、編集部がノミネート語を50個選出する。そして選考委員会によって10個の言葉がトップテンとして選ばれ、その中から大賞語が決定される。しかし、ネット用語の定義によって、新語・流行語がネット用語かどうかまだわからないゆえに、その中でGoogle　Trend^[3]^を利用する当年度の代表的な新語・流行語を選び、それを分類して論考してみる。

3.2データ整理と案例分析

2020年の新語・流行語ランキングは11月25日までに出ないので、ノミネート語リストを対象として採用された。外来語の場合及び長い文を抜き、Google　Trendを利用して、一年中の平均人気度を求め（平均人気度=各人気度の総和/サンプル数、小数点以下第2位までを表示する）、ちゃんと整理して表１を作った。

平均人気度	2018年度	平均人気度	2019年度	平均人気度	2020年度
36.98	eスポーツ	26.88	免許返納	61.32	ソロキャンプ
21.11	(大迫)半端ないって	21.11	◯◯ペイ	53.08	香水
9.21	おっさんずラブ	13.85	タピる	50.85	ウーバーイーツ
なし	なし	11.54	軽減税率	41.23	クラスター
なし	なし	10.12	令和	39.11	PCR　検査

表１　2018年から2020年までのネット新語・流行語ランキング

表１の中を語源を基準として分類してグラフ１を作った。その中に特徴的なケースがある。例えば、「◯◯ペイ」という言葉は接尾語として、前項の語彙性質につながって変われている、従って不確定という分類をされた。

グラフ１

上記のネット新語・流行語によると、「令和」という語基創造で作った言葉を除くと、ほぼ全体的に既存の語を利用して作られた新語・流行語である。文献を調べてみて^[2]^、その語は蘇らせた語、借用語、転用語の三つに分類されている。

蘇らせた語とは以前からある言葉と発音・語形が変わらず、ある事件やきっかけによって元の意味のままで突然流行語になったり、新しい意味が与えられたりする語のことである。表１の中に「軽減税率」、「免許返納」、「PCR　検査」と「香水」という専門用語は代表的な例である。

元の意味のままで突然流行語になる語では、その中に選んで挙げる。例えば、軽減税率とは、特定の商品の消費税率を一般的な消費税率より低く設定するルールです。こういう内容は2015年に日本新聞協会会長で読売新聞東京本社社長の白石興二郎が「新聞の軽減税は世界ではある程度一般的」「読者の負担を減らすことで情報、知識へのアクセスが容易となり、結果的に減税措置は社会に還元される」と軽減税率適用の意義を訴えた。^[5]^この間に言葉の意味は全く変わらない。

借用語は経済、科学技術、社会文化などの発展に伴い、言葉の不足という問題が出てくる。その不足を補充する手段の一つは借用である。借用によって作られる語が借用語である。表１の中に最も多くのは借用語であって、外国語からの借用の場合は1位となった。人気度1位の「ソロキャンプ」が英語Solo　Campから由来する。ソロキャンプは、キャンプを一人で楽しむリクリエーションである。しかし、Solo　Campは英語の文法学に合わない、なお、同じ意味のCamping　Aloneは正確用法と認められる。こういう移り変わりは、和製英語の特徴の表現である。和製英語は、日本語化した外国語、意味上原語と同じとは限らず、音（語形）についても原語と同じではない。ちなみに、Soloはイタリア語由来である、元は音楽においての「独奏」、「独唱」、「独演」、「独奏者」、「独唱者」の意味を指すが、こういう場合は、一人という意味を派生した。近年、直接的に英語アルファベットから借りて和製英語と組合わせる例もある。表１の中に「eスポーツ」はこういう現象を表す。

転用語とは既存語を利用し、語形を変えたり新しい意味を与えたりした言葉を指す。表1の中に最も代表的な例は「タピる」と「～ペイ」二つある。タピるとは、俗に、タピオカ入りの飲料を飲むことを意味する動詞である。「タピオカ」を略した「タピ」を動詞化した語で、活用形式はラ行五段活用。こういう例は日本語に少ないとは言える。こういう現象は若者の中に人気がある。この語幹の基となった語が、意味的に動作性や状態性を有していないものも、動詞化されている。漢語、外来語、和語にいずれの語種でも造語がなされているが、和語の比率が高い。「～ペイ」とは英語で支払を意味する動詞で、費用に見合った効果（コストパフォーマンス）が得られることを意味する和製英語（「ペイする」）である。もう一つの用例は、挙げたような派生語の接尾語となっている。

3.3まとめ

以上、ネット新語・流行語の特徴を簡単にまとめてみた。ネット新語・流行語はインターネットの発展に伴って生まれてきた新しい言語現象ですが、インターネット技術の発展には目を見張るものがあるから、この分野における言語の変化も大きい。調べてみると、3つのトレンドを発見された。

外来語の数量は増え続けている。
語源は混合語である場合は増えていく。
多様な組合わせに移り変わっていく。（借用語と外来語等いくつかの性質を同時に備えている）

インターネットで生まれた新語・流行語は今もう日常生活，特に若者の生活に浸透しています。また、このような新語が大量に使われているネット小説が正式的に出版されると、すぐベストセーラーとなりました。それはすでに大衆生活の言語活動に溶け込んでしまって、社会全体における言語の様相に大きな変化を与えています。

4.終わりに

言葉は変化するものである。社会の発展などにつれて、言葉も変わっていく。すさまじい発展を遂げた分野であるほど、言葉の変化が激しい。この変化に対して、ネット新語・流行語は規範すべくスローガンが多くなっている。それは日本語システムの混乱をもたらす可能性があるかもしれないが、新しい表現方法として、独特な特徴を持っている説も存在している。ネット新語・流行語は新しい言語現象の一つとして言語と社会の関係、言語と文化の関係など、社会言語学研究の新しい課題になりつつあり、その造語法は社会背景と社会発展の方向を掲示できようだ。従って今後は、社会学の視点から新語・流行語の発展、変化などについて課題の研究を展開していきたいと思う。

参考文献

1.　平成14年度「国語に関する世論調査」の結果についてhttps://www.bunka.go.jp/tokei_hakusho_shuppan/tokeichosa/kokugo_yoronchosa/h14/

2.　蒋　新桃「日中両国語における新語・流行語の造語法の比較 : 2012年から2016まで五年間の新語・流行語を対象に」（札幌大学女子短期大学部紀要 = Sapporo University Women's Junior College journal (65), 71-93, 2018-03）、p.１.

別司大典「新語・流行語分析: Google Trends を利用して」（論文集：金沢大学人間社会学域経済学類社会言語学演習 (11), 29, 29-46, 2016-03-23）

4.　「現代用語の基礎知識」選　ユーキャン　新語・流行語大賞https://www.jiyu.co.jp/singo/

5.　 HuffPost Japan. (2015年10月16日) 2018年10月4日閲覧。

https://m.huffingtonpost.jp/hajime-yamada/newspaper_b_8309212.html

尼采的读书笔记1

Sun, 14 Feb 2021 00:00:00 GMT

Reading Notes from Nietzsche Philosophy

本文为委托投稿。

尼采是一个伟大的人。这是废话，但是我必须得说，因为我不是道听途说，我发自内心。这篇文我断断续续差不多花了一个月，而通过写这篇文章我对尼采的认识也比一个月前提高了很多。是的，读尼采真的是一种折磨（我不知道是不是翻译的问题），咋一看过去就像一个疯子在拼命对你大吼大叫，更要命的是你还知道这个疯子肯定是不一般的，所以他的疯言疯语中肯定有特殊的含义，但是这都没什么，我只遗憾我没有去学德语读不了原著。（嗯要学的话完全有时间嗯…）而这一个月我也想通了一些事情，至少我现在真的可以拍起胸膛说哲学拯救了我了，呃…这个还是要看情况，我也说不准。最后我必须要说的是，我完整地看了的只有《善恶的彼岸》这一本书，不过后来我在查资料的时候发现这也是他后期一本很重要的过渡书，所以说我挑书的眼光还是很准的。

那么，要讨论尼同学对价值的重估我们不妨从一句话谈起：“外部世界上是感官的产物。”如果你看过黑客帝国，你就会很容易从直观上理解这句话到底是什么意思。总之，这是一种直接掀桌子的说法，结合后面尼同学对笛卡尔“我思”之意的质疑，我们得到一个结论：没有一个确定性的“我”，不论是从物质层面还是从精神层面讲。这是现代性除魅的一部分：现代科学逐渐将世界的迷雾揭开，这让我们对自身理性的信心大为增加，也让我们开始思考自己一直以来所坚信的东西是否是正确的，其价值是否无懈可击。这些东西包括一切传统价值，宗教，历史，等等。但即使“一个确定性的我”是非常不严谨的，它仍旧是生存所需要的东西，因为没有人会在说“我”这个字的时候对自己强调，真正的物性之我可能并不在这个世界，而是在一个培养皿里，现在的我只是那个培养皿的我的意识的产物，对吧？这个问题本身就是没有答案的，追问它不仅无法得到答案，反而会造成自我分裂。所以尼采说道：“放弃错误判断即是放弃生命，否决生命。”尼采不呼吁人们放弃错误判断，而是要求人们承认自己的判断是错误的。咋一看来这是根本就做不到的事情，当然也很简单，你可以把这理解成一种意见保留，这个小点后面会展开来讲：“承认非真实是生命的必要条件，无疑是以一种危险的方式与习以为常的价值感作对。”而，“一种哲学敢于如此，便将自己孑然一身置于善恶的彼岸。”并且他要求哲人们都要做到这一点，而不被传统的道德律令所阻碍。于是我们突然恍然大悟，原来相比起所谓的真理，谬误和虚假在我们的生活中占据的分量要大得多，甚至根本就没有办法丢弃它们。前言里这段话很好， “如果说，康德对认识可能性的条件进行发问时已经假定这种认识的意义和目的毋庸置疑，那么尼采就要追问企图获得这种认识的目的何在。前者只是探讨真理产生的前提，后者则也在研究真理引发的后果。发生了这种根本性的思维转向，就不会像莱辛那样，还认为寻求真理本身既是一种自在的价值，似乎正因为这种寻求必须不受阻碍地继续下去，这种价值就具备了合理性。正相反，尼采想知道的是，这种认识的渴望如何获得能量以及它会把人引向（诱往）何方。他不把追求真理的意志视为理所当然的公理，而是追问其成立的合理性。” 是的，尼同学竟然把自柏拉图以来的西方哲学拨回了原点，甚至还向后退了一步，至少柏拉图从没有怀疑过追求真理的内在价值。但他的正确已经得到了承认，推翻那个无比浪漫，无比伟大的“我思”之“我”的，正是尼采和一干人等创立的语言哲学。从此以后，确定性的我成为了一种语言效果，简单来说，就是变成了一种文字游戏。我真不知道苏格拉底说“我只知道自己什么都不知道”的时候是一种什么样的心情。也许沉浸在求知和好奇之中的人确实会觉得很开心，但当他逐渐地真正体认到自己究竟哪里无知时，这种生于无知的开心究竟会不会转化为一种痛苦，一种像得了胃绞痛一样痛苦？尼采的答案是是。我不觉得过去不曾有哲学家预见到这个情况，但是在现代科学的除魅面前，他们毫无胜算。理性主义者正在狂欢，他们庆祝着一切无法被理性所证明的事物之死亡，道德，宗教，但当他们的兴奋劲过去之后，他们将会发现由于理性有太多问题无法回答，失去了确定性的世界变成了褪色的童话世界，其中的一切都被旋转颠倒，巫师不一定是凶暴的，公主不一定是善良的，王子也不一定是是正义的，因为传统可不会在一瞬间崩塌，它将是一个漫长而痛苦的过程，直到组成巫师，王子，公主，城堡的颜料全部彻彻底底地化为尘土为止。但这还不是最重要的问题，最重要的问题是，在某一天，在现代科学终于把童话世界彻底砸碎之后的某一天，我们还能拿什么来重新面对这个原来是如此荒谬的世界？真的，从这个角度来看，人类历史再没有比这更加绝望的时期了，这就是进取的，暴烈的，狂喜的十九世纪背后所悄然开始的进程，并在今天愈发明显，愈发露骨。这就是尼采要重估价值的动机！“第三阶段发端于《快乐的科学》，从《扎拉图斯特拉如是说》（1883-1885）直至终结。此时尼采试图克服对真理的狂热。“权力意志”与“同一事物的永恒轮回”这两大主题取代了启蒙式的怀疑。从《扎拉图斯特拉如是说》那一声“是”以后，尼采开始了价值的转变，开始建立其宏大的形而上学。艺术得以恢复名誉，并以其积极的、独一无二地起着激励作用的生命力获得了至高无上的地位。”尼采哲学是狂热而生机勃勃的，因为尼采继承了自己的早期思想，因为尼采认为它必须充满生命力，才能全副武装地面对童话世界彻底崩塌之后的严酷挑战，但这理由仍旧不充分，因为他的言辞像一个疯子一样偏激，而一个声称要砸烂道德，重估价值，颠倒善恶的人应该完全以一个局外观察体的角度来看待一切，如此才能客观。所以最重要的理由是，尼采将这份改变人类命运的重担挑在了自己身上！我顺便贴一段知乎上别人的话，让你们可以更好地理解尼采的那种感觉。原问题：为什么尼采哭马？建议你去读《罪与罚》，其中有一段农夫鞭打马的片段。 “一匹不堪重负的小母马被主人无辜打死，小拉斯科利尼科夫从人群冲进去，抱住死去的马脸，吻它，吻它的眼睛、嘴唇……” 尼采看到的不是马，是他自己，一个一辈子为了人类的超越奉献一生劳作一生，却得不到人类理解反而被鞭笞的自己。他一辈子的孤独、骄傲、还有眼泪，在那一刻如同雪崩一般释放而出，从此精神失常。是的，尼采读过罪与罚。所以海德格尔才说尼采跳来跳去，仍旧是在搞形而上学。尼采虽然看到了价值的崩坏，但既然他把这份重担挑在了自己身上，他就必须创造出一套新的，能够用于全人类的体系，但又由于他否定普世价值，他的解决办法也就不再与某种特定的价值有关，而与**指导每个个体为自己创造价值有关。**当然，不是方法论，他本人也不知道该如何塑造一个如此强壮的人，他所做的是打地基，抽象而宏观，为了便于理解，你可以把它想象成基础物理理论，至于涉及实践的应用物理，他留给未来哲学去做了，别忘了《善恶彼岸》那个恨不得藏起来的副标题——未来哲学的前奏。 于是建立宏大形而上学的进程开始了。既然真理本身没有已然设定好的内在价值，那么我们通常所认为的真理就是后天的产物，是人之思想的产物。所以哲人的思想不再是为了恒久本质服务，其体系的根基也不再是所谓的客观真理，而是认识的目的。先有认识的目的，再以这个目的为出发点，去认识想要认识的东西，并力图得出想要去得出的结论，**所有的理性都建立在了非理性的基础上。**而知道了这些之后我们就可以进一步问尼同学，“既然没有一个恒久本质在背后等着我们去发现，真理与真相又是有害的，那么，第一：**哲人凭什么还要不顾一切地求真？第二：为什么即使知道了这个道理的哲人仍旧会不由自主地去追寻真理？**比如尼同学自己？”好吧，这个问题其实是对整个旧形而上学发出的质疑，而尼同学给出的答案，也就是他的晚期学说的核心部分，因为“权力意志”。那么权力意志是什么? 首先，人的本能转化为意志。当然在尼采这里，人的本能还能够转化为灵魂，理性（思考，推理，原因结果，甚至意识等等）。它的本质意义仍然是认知，不针对个体，也就是说你的意愿和实践手段不影响研究结果，因此与这两者无关，也因此它谈的是整体的人，也因此说它是形而上学。而这里的“本能”甚至可以没有主体，这我就不太懂了，因为我不懂德文。本能不停地想要达到某个目的，在一个由目的，意志，诠释构成的封闭体中释放克服自我。意志在追求目标的过程中如果被阻碍就会升华，这种升华就是这样一种自我克服的过程，在这种过程中会产生强大的权力（power）。划重点，自我克服，这就是尼采和纳粹，和暴君，和屠夫，和嗜血者的区别！前者是force，是可以来自于任何地方的一种纯粹的强力。前面看不懂没关系，你只要记住这句，即尼采的权力意志表现为一种自我克服的过程。那么何谓超越，何谓克服呢？这就有无数种答案了，而对于这个被神抛弃的世界尼采有一个钦定的答案，**就是克服虚无，从而使生命充盈。既然否定了先天价值，那么价值就必须在后天由一个强有力的意志去赋予，也因此，新的形而上学所要做的事情也不再是去发现，而是解释和创造新价值。现在请告诉我，谁能做到这些？**答案显而易见，是生命。生命将是这种的载体。尼采抛弃了旧形而上学所想要研究的那个静态实体，转为动态的。所以，追求真理不再是对恒久本质的认识，而是同样处于变化状态的各种现象臣服于的，一种不断变化的，追求真理的意志，即权力意志的精神表现。而这种意志发轫于人的本能，理性的推论无法阻挡非理性的冲动，后者高于前者。然后我们把视线从形而上学转到更狭隘更现实的东西上来，当然，就是地球，所以下面“生命”的范围就被限定为，在地球上的，从四十亿年前到现在出现过的所有有机形式，呃，大概可以这样表述这个我也不太懂嗯…即使是这样“生命”这个词依然没有明确的定义，科学上没有，尼同学这里也没有。所以我会用二分法再把生命这玩意一分为二（我不确定这样做是否符合基本的严谨，我的能力目前就到此为止）。我首先指出第一种意思，这是生物学背书得到的结论：生命的存在是为了将自身的遗传物质延续下去。而为了做到这一点，生命的本能就只有两件事情，一是保存自我，一是繁衍，不断重复。所以生命本身首先考虑自己的生命如何立足，解决这个问题之后就考虑如何扩大自己的生命。又由于生命是权力意志的载体，我们可以发现权力意志在地球上很多时候表现为丛林法则，表现为上对下的无限吞食，“生命本身就是占有、伤害、征服异类和弱者，是压制、磨砺、强迫自身的各种形式，是侵吞，至少是、以最温和的措辞来表达也是剥削”。一种有能力无限扩张的权力意志会毫不犹豫地将所有低于自己的人都贬为奴隶，借助这些奴隶让自己的这一部分无限壮大。尼采说，这是“富有生命力的表现”。他错了吗？一点都没错，生命原就是如此肮脏的东西，我还记得ever17里小町鸠说过的话，人这种生物注定是一种无论如何都要靠吞噬他物来存活的东西，不然他自己就活不下去。但这些并不重要，重要的是“自我超越”。所以纯粹的吞吃和杀戮是毫无意义的，可耻的，懦弱的，没有自制力的，因为这种行为无法克服虚无。所以，生命必须为自己的一切行为做出能令自己信服的解释，“令自己信服的解释”，如若它还想进一步言说，将自己给出的诠释告诉其他人，张扬自己的主张，那么这种解释就必须合乎理性，如此才能说出口。这就是第二种：作为精神载体的生命想要保证自己意志的存续与完整。你甚至可以说这是生命本能的延续，就像它想保证自己的基因能够完整延续下去一样，因为实践中没有任何人会把自己的肉体和精神分成完全不相干的两部分，也没人能做到。因此这个世界是荒谬的。处在这个世界中的人不仅连自身的确定性都存疑，还要靠自己去寻找或者创造意义，更不要说还有一个尼采在你耳边悄咪咪地说：“寻找？找个屁！传统价值拜除魅所赐都泥菩萨过江自身难保了。找不到的，你得自己去创造。“但创造价值谈何容易呢？这样一个堡垒要求的施工难度太高了，因为建立堡垒的过程相当于自残：由于你深知自己的渺小，你会不由自主地不停逼问自己这座堡垒是否存在着可能的漏洞，即使你找不到漏洞，你也不禁会怀疑这是否只是因为自己的无知。所以：

”一个心理学家——天生的、无可避免的心理学家和灵魂破译者——越是关注那些相对杰出的例证和人物，他因同情而窒息的危险也就越大：他必须比其他任何人更加坚强和欢快。因为高等人及其异常的灵魂走向堕落和毁灭乃是规律，而始终目睹这样一条规律是可怕的事情。心理学家发现这种毁灭，发现高等人完全“无可救药”的内在状态，发现在任何意义上都是“为时已晚！”

而且没有不会陷落的堡垒，因为理性在不断进步，你几乎可以肯定即使你的堡垒搭得再完美，它也总有一天会被后人攻破，想想柏拉图描绘过的那个天真烂漫的理念世界吧。所以活在这个世界上必定是痛苦的，但尼采不否认痛苦，因为人有一种非常简单的办法来回避上述问题：放弃思考。放弃思考有很多种情况：从一开始就不思考，思考到一个阶段就拿走既有成果而不再思考，尼采这都说不行，你既不能从一开始就放弃思考，那并不是出路，你也不能把克服痛苦视为规避更大的痛苦所要经历的阵痛，这也不行，因为人图快乐，而一个快乐的人会因为安逸而停下超越的步伐，从而陷入无意义的生命循环，所以你永远也不能停止思考，而要将痛苦化为洗礼肉体凡胎的无尽火焰，令自己的权力意志无限壮大，无限循环。没有多少生命会真正走完这条道路，想要走完这条道路的少数又多数将在烈焰中死亡，那些遵循求生的本能攀登到顶峰的，爱上这种不断自我克服的过程的的少数中的少数，奇迹般地把克服痛苦与痛苦本身化为了自身的一部分，并被尼采尊称为： 超人。 超人，权力意志之极致的化身。这个词很容易引起误会，但是我喜欢这个词，因为它蕴含着一股无尽的力量。尼采正是借着这股力量向所有人宣布，超人的存在是对”存在无意义“这条铁律的无尽嘲笑，因为超人硬是要在这个无意义的世界中不断创造出不可撼动的价值，因为超人在自知必败的情况下仍然敢于以自己的行动嘲笑造物主，因为超人出于人内心深处能够发出的最为深沉难测厌恶而硬是把最大的痛苦化为了最大的享受！”勇气是人类的赞歌“，而我想，最大的勇气，就是敢于高傲地起身，脸上浮现出最为阴森可怕的笑容，然后对着这个荒谬虚无的世界哈哈大笑！超人不是上帝，因为超人不是全能的，更因为超人在前进的道路上不在乎任何人，即使在求真的道路上，这个世界的一切站不住脚的价值都被超人碾为齑粉，一切跟不上超人脚步的凡人都因为价值的消散陷入精神真空之域而死亡，超人也毫不在乎！”我教你们超人的道路，人类是应该被超越的东西，不要左顾右盼，也不要为自己的行为感到内疚与不安，顺着强力意志一往无前吧，哪管它伏尸百万，血流滔天。而想要如此，就要逼得人走投无路，山穷水尽，才有希望达到超人的境界。“超人甚至疯狂到如果再来一次轮回，他也会毫不犹豫地接受，即使是永恒的轮回。 “假如某一天或某个夜晚，一个恶魔闯入你最深的孤寂中，并对你说：‘你现在和过去的生活，你将再过一遍，并且会无限次地再次经历它，且毫无新意。你的生活中的每种痛苦、欢乐、思想、叹息，以及一切无可言说、或大或小的事情皆会在你身上重现，会以同样的顺序重现，同样会出现此刻树丛中的蜘蛛和月光，同样会出现在这样的时刻和我自己。存在的永恒沙漏将不停地转动，你和它一样，只不过是一粒尘土罢了！’你听了这恶魔的话，是否会自己摔倒在地咬牙切齿地诅咒这个口出狂言的恶魔呢？或者，你在以前曾经历过这样的伟大时刻——那时你这样回答恶魔说：‘神明，我从未听见过比这更神圣的话呢！’倘若这思想压倒了你，它就会改变你，说不定会把你碾得粉碎。‘你是否还想再来一遍，并无数次地再来一遍？’这一所有人的问题，这一万物的问题，作为最重的重担置放在你们的行为中！或者，你将如何恰好地规划自己成为你自身，规划自己成为这样的生命：渴望最终的永恒肯定和印记。” 这就是尼采提出的最终解决方案。超人完成了对生命的超越，也变相地否定了生命。因为生命无时无刻不在寻求一种静止的状态，却往往在寻求此种静止状态的途中陷入了永远也无法求得这样一种状态的绝望之境，这样的生命同时具有权力意志与永恒轮回的特征。这也就是为什么尼采说追求恒久本质是人的一种幼稚的想当然。超人放弃了这种想法，甘愿陷入无尽的运动之中，将生命从这样一种矛盾的状态中拯救了出来，达到权力意志之极致，从而完成了对生命的超越。为了方便理解这里的“静止状态”，你可以将永生作为例子，自行想象。

兰切斯特战术方程的实际分析

Sun, 14 Feb 2021 00:00:00 GMT

一个国家如果学者和战士之间的差异太大，那就会成为懦夫的思考和傻瓜的战斗。――无名氏

当下的战略是一个骗子横行的领域，仿佛一场无知者无畏的比傻大赛。未来是不确定的，战略并不给定未来，而是给定未来可能出现的情况。当专家们习惯面对公众以后，不免急功近利的将未来的不确定以确定的方式放言。在给出可能性以后，战略已经排除掉混沌状态下的不确定性，因而战略本身是确定性的。战略既是技术，也是艺术，战略极力避免预测未来，同时又在清晰未来。我们很容易发现战略的双面性，战略的灵魂是方法论，而不是具体对策与方法，更不是预测学。

上兵伐谋。在谋划阶段，是技术决定论的；在决策阶段，战略的艺术性才会被体现。现在的网络里充满了各种错误的战略观念，而专家学者们忙着给传媒写各种评论，对一般民众的战略思维训练顾不上了，以讹舛讹的情况屡见不鲜。在此简单的说说人海战术。

在1916年，英国人兰切斯特研究空战最佳编队，发现了兰切斯特方程。远距离交战的时候，任一方实力与本身数量成正比，即兰切斯特线性律。在近距离交战的时候，任一方实力与本身数量的平方成正比，即兰切斯特平方律。解放军从弱到强的过程，对兰切斯特方程作了完美诠释，对人海战术的高明使用，并没有使弱势的土八路被消灭掉，而是越战越强。稍微懂一点军事的都知道集中优势兵力消灭敌人的道理，人海战术本身并不是绝对劣势，而在于如何使用。在面对面的战斗中，如果一方的战斗力一定，数量增加一倍，另一方吃掉此方，需要增加四倍的战斗力。解放军的歼敌传统是三倍于敌人的兵力，夜战与近战得手，避免远距离交火的情况出现。之所以出现此种情况，来自于与敌人比较起来，解放军的远程火力非常弱，必须刺刀见红才有胜利的可能。双方都可以有效杀伤对方属于面对面的情况，而一方被攻击并无还手之力的时候，属于远距离交战，此时需要避免人海战术的使用。解放军擅长运动战，习惯于各个击破，这就是对兰切斯特方程的综合使用。

假定解放军为A，对手为B，A的单位战斗力是B的一半，但是数量是B的三倍。假定B有1000人，A有3000人。如果是面对面的战斗，A方损失264人即可消灭掉B方的1000人。现在A需要先接近B在进行面对面的战斗，按兰切斯特线性律，A付出1000人的代价歼灭B方500人以后接近，在2000对500的近战中，付出187人的代价歼灭B方500人，总损失1187人对1000人。三大战役的时候，解放军在许多时候并没有绝对的兵力优势，同样歼灭敌人，则是利用兰切斯特方程各个击破。现在围点打援，A以100人的规模与敌人500人作战，显然，A方100人绝对弱势，但是100人将B方分割为互不联系的两个部分，当100人损失一半的时候加以增援100人，对手则需要增大4倍的战斗力才能吃掉余下的150人，显然，A方至少可以拖住B一段时间。假定A方200人全军覆没，但是A方在另一场战斗中，余下的2800人以500人的代价吃掉对方250人，近战中只需付出微不足道的28人的代价即歼灭余下的250人，然后2272人的规模接替正好全军覆没的前200人投入未完的战斗，此时，既便B方500人没有损失，A方最多再付出200人的代价即可消灭B方。A方总战果是以900余人的代价歼灭对方1000人。在运动战中，各个击破对手，代价比正面决战要小得多，战术使用得当，集中局部优势兵力可以一口一口吃掉对方优势兵力。

游击战法是一个兰切斯特变形方程，在限定区域内，交战的双方互相看不到对方，都是向对方所在区域进行攻击，这时候一方损失率不但与对方兵力有关，增加己方兵力反而增大损失。各方初始兵力与对方战斗力成线性关系。如果是正规军对游击战，则是另一种情况。美军对越战的研究表明，以越南游击队8倍的兵力才能获胜，但是美军在越战中最多达到6倍兵力而无法继续增加，因而美军在越南失败的退出。当年抗日的时候，中国在开始的时候还能组织正规战，以后只有能力进行游击战，最终拖住100万的日军。

因此，在围点打援，各个击破的策略下，兰切斯特方程被各种方式所使用。比如神话一般的塔山狙击战，解放军以1万兵力狙击国军11万兵力6昼夜，以伤亡3774人的代价歼灭国军6549 余人。这时候解放军是守住防线，在限定作战空间内，能够展开的兵力有限。攻方损失要按平方律计算，而在实际战斗中，解放军炮兵对国军集结地进行大规模攻击，前沿并非单纯防守，而是交叉进行反冲击，因而国军的绝对优势兵力与绝对优势火力并没有发挥出线性优势来。解放军集中火力可以达成国军平方律的损失，而国军集中兵力火力无法达成解放军的线性损失。在朝鲜战争中，志愿军取得胜利的战斗几乎都是在运动战中完成的，而在阵地战中纯属消耗，在攻坚战中损失惨重。在李奇微指挥美军以后，志愿军难以发挥运动战的优势，被美军遏制住进攻势头，但是美军的进攻战同样被志愿军的夜战、近战所瓦解，战斗逐步转向阵地战。美军的火力优势是志愿军无法匹敌的，志愿军在阵地战上的伤亡率比攻坚战还大，典型反映出火力的弱势。解放军更擅长进攻，而不是防御。

兰切斯特方程没有考虑战场上的许多要素，并不完全，对局部的战役有参考价值，对整个战争的结局无能为力。兰切斯特方程在战争摸拟的时候会被经常使用，恩格尔曾经使用兰切斯特方程摸拟硫磺岛战役，计算结果与事实非常接近。

美军在越战中完全发挥出火力优势，比如著名的顺化战役，美军一个师对抗越军七个师，越军在一周的时间内损失了5万人以后，才攻克顺化，美军的优势火力发挥的淋漓尽致。美军随即从城外开始反攻，在巷战中杀伤了越军4000人，自身阵亡142人。最后，美军使用舰炮将顺化轰平，解决战斗。但是越南的丛林战，成了美军永远的伤痛了。

人海战术在面对面的较量中起决定性的作用，但是有效发挥的场合是在野战中。在游击战、攻坚战、阵地战等模式下，火力起决定性作用。即便是面对面的作战，也要能够有效杀伤对方的条件才行。美军在顺化战役的巷战中，达到了惊人的1：30的战果，正是由于在近战中，越军的火力依然非常薄弱，并且大量被美军火炮杀伤。

严格意义上的人海战术并不与送死划上等号，在自然界中，数量上的优势在短时间内的释放是一种求生本能。有一种海龟在某一个时间从海滩上大规模的集体冲入大海，而海鸟只能在这个特定时间捕食一定数量的海龟，最终在最短的时间内，小海龟以最小损失率返回大海。

在特定空间与时间内选择最优策略，无疑是战略需要研究的问题。给定条件以后，如何选定策略需要数学工具的帮助，依靠直觉往往并不能达成占优策略的。人海战术看起来似乎是送死的情况在于对还手之力的错误评估，缺乏有效还手能力的时候，那是大屠杀，而不是真刀真枪的战斗了，此种情况下建议投降算了，简单的说，这仗没法打了。

没办法打仗，只说明决策者是多么的愚蠢！

南昌大学TH活动-东方枫华祭report

Sun, 14 Feb 2021 00:00:00 GMT

南昌大学TH活动-东方枫华祭report

作者邮箱：fortheapocalypse@hotmail.com

茶会预定流程

东方知识竞赛——你就是 ZUN
东方原曲竞猜——一般通过东方众能够参与的境界
STG/FTG活动——感受与飞机佬/则佬零距离的接触
文文快报——车万第一手消息
新兴东方同人社团介绍——介绍18年成立的中国东方同人社团，感受东方同人创作魅力
东方棋牌战——享受东方棋牌的乐趣
东方3D弹幕——Subterranean Stars

前期准备工作

茶会的所有项目启动是在10月31日开始的，同时当天也在南昌大学东方组里讨论了茶会的时间安排，最终确定在11月10日举行本次茶会。

前期准备工作时间表

11月1日，开始分配人员工作：

经过讨论，由以下人员担当下列职务：

香瓜子——主催/场内东方相关书籍，装饰捐赠
雾雨卡尔霍恩——总策划/logo设计/杂务/茶会海报设计/控场/ppt制作/茶会零食提供
AItheEliminated——茶会“原曲竞猜”项目程序设计/茶会饮料提供/茶会资金支持
二小姐格林——茶会海报绘画
正子——案内Staff/杂物搬运
CASPAR——场内Staff/茶会饮料提供
Mose（莫瑟）——协助策划
进击的小人族——茶会活动灵感提供

11月2日，茶会的概念海报由雾雨卡尔霍恩设计完成。 11月3日，茶会的logo设计由雾雨卡尔霍恩完成。同期，茶会获得Alice手工坊的支持。 11月4日，茶会的初ppt由雾雨卡尔霍恩完成。在当晚订制好了印制有logo的staff衣物 11月5日，雾雨卡尔霍恩和Mose完成策划案，正式申请到教室。同期完成宣传文案，在微博/qq空间/推特上进行宣传。 11月3-9日，联系各个社团的主催，请求宣传许可。 11月9日，ppt终稿完成。画师完成海报，放出最后的宣传。

【茶会过程】（11.9——11.10晚上8：30）

由策划的第一视角所感的茶会。

前一天晚上头痛昏重，以为自己第二天快不行了。冲泡了一点感冒灵，喝了下去之后才发现自己好了一点。第二天早上9点多起床，坐在寝室里慢慢喝热水，身体恢复了很多。

然后是准备这次茶会的零食等等东西。在超市里买好了近50块钱零食，提着一大袋东西回去了。过了一会儿整理了一下该带过去的东西，发现自己可能带不了这么多东西，一行李箱的天子cos服，一箱Alice手工坊寄过来的物品，还有一堆零食，背着电脑。

然后寻求staff帮忙，去寝室找他的时候发现人不在，心里觉得有点不对，可能要出一些意外事故。自己一个人强行背着所有东西赶往人文楼，鞋子全湿了。

1点钟的时候，终于等到门开了，进去之后开始布置东西。开始的时候发现大家都坐在座位上玩手机，气氛有点尴尬。不过也还好，是在开场之前。这里也很感谢AItheEliminated和CASPAR用柠檬茶堆成的茶山。

开始后各个环节也进行的相当顺利，值得一提的是原曲竞猜环节，在Hard难度下随机截取3秒的原曲，一作一作的过去，发现风神录和地灵殿的几首名曲（众神眷恋的幻想乡，少女第三只眼）大家都几乎猜不出来。（并且出现连续几首都是名曲，都猜不出来的情况）

果然hard还是太难了，extra难到我也做不出。

社团的介绍的话，也给大家一个对2018年新创立的同人社团一个印象，让大家知道国内的优秀社团也是不输给日本甚至还有更强的。

问答抽奖，送了很多东西出去，大家都玩得很开心。东方百问有些问题也真是变态（最后选择在学校后的商业街吃饭，大家（大概13个人）一起吃火锅，吹水了一下江西和全国东方project的过去和未来。也是第一次参加南昌这边东方线下聚餐。整体的氛围还是很棒的。

【茶会总结】

第一次举办这种活动，没有经验在所难免，因此出现了一些不好的现象与问题，列举如下：

茶会海报问题。概念海报是我借用其他秘封专辑的封面图所制作的，没有联系画师获得其利用规约，在宣传上由于画师工期延期，我直接放了概念海报，出了利用规约上的偏差，作为策划我感到抱歉，希望各位活动举办者不要重蹈这种覆辙。
茶会海报的资金筹备问题。策划一开始的目的是希望工作人员能够一起出钱把画师的稿费交齐，由于策划对“众筹“一词的误解，导致群内出现不好的纷争，经过调解后才彻底解决。
茶会活动气氛问题。到场的各位东方众，无论是学校的还是来自学校外（大多来自南昌东方同好会）的东方众，大多线下见面次数少，交流过程出现中断停顿在所难免。策划在活动气氛的过程中衔接比较僵硬。
主催因为考研过忙没有到场，非常遗憾的一件事情。
有一些环节的遗漏：东方3D弹幕——Subterranean Stars，该环节没有在茶会上举行，策划控场时忘记了这一点。
在进行东方百问环节和东方原曲竞猜环节时，有一些同好参加不够活跃。
社团介绍时气氛显得略微尴尬。
本次茶会准备方面也十分的仓促。东方枫华祭实际上是仅仅10天就举办好的茶会。

【反思】

1.茶会的策划不应该统揽这么多的职务，否则会造成事倍功半的情况， 2.各位工作人员要早点确定好自己的工作职务身份，调节好自己在活动当天的时间，确保能全身心投入活动参与。 3.茶会的主催必须要有强的组织能力。 4.茶会的零食，饮料等食品购买最好也要经过投票。 5.茶会的录播/直播需要经过参与东方众的许可。 6.绝对不能出现拖欠画师工资的情况。 7.茶会的场地必须经过学校的许可才可以进行。否则只能把活动转移到校外。此时要考虑资金问题 8.茶会的举办需要提前1-2星期的准备。（不与总结一一对应）这里谨代表东方枫华祭茶会主催香瓜子特别感谢各位工作人员不辞辛劳能来一起帮忙把这次茶会办好。也感谢Alice手工坊对本次茶会物资奖品的大力支持。还有南昌东方同好会和西农东方同好的建议与云支持。以及各位来参加本次茶会的东方同好们。附第二届海报图：附来自南昌本地同好会负责人进击的小人族的Q&A： q1.作为“主催”你认为本次活动效果如何？ A1.首先要说明的是，本次茶会的主催是香瓜子，而不是我。我是作为执行策划总揽本次茶会活动的，但实际茶会的主催并不是我。那么关于本次活动效果，我认为是较好的，气氛的上升把握有度，在茶会平静的时候组织整体性参与活动，在茶会气氛活跃起来之后给予每名同好足够的自由活动时间。 q2.本次活动参与人数怎么样，现场氛围怎么样？ A2.本次活动现场参与人数固定约20多人，最多时有30人，中途是有人员退场的。之后参加茶会后聚餐的同好共计13人。现场的氛围同q1所述。 q3.是什么让您决定先举办这次活动？ A3.Reason：

看到国内高校东方project活动如雨后春笋般的涌现，而后又考虑到江西没有出现这样的高校东方活动。
南昌大学的东方组人数已经超过70人，有能力去举办这样一个茶会活动。
自己心里也希望成为一个活动策划，以获得更多东方活动举办的经验，以后会有用武之地。 q4.在本次活动中有那些你最喜欢或者最留恋的部分？ A4.本次活动我最喜欢的是原曲竞猜和东方百问。原曲竞猜的程序和UI设计都做得很棒，在原曲竞猜的活动过程中，出现了很多很有意思的地方 q5.举办活动累吗？未来是否还会有类似的活动？ A5.举办活动非常的累，从策划出来之后的一个星期内都出现睡眠不足和精神压力过大的状况，可能原因是因为我本人所揽职务过多过繁。未来还会举办春季茶会活动，南昌大学的东方project活动已经准备做成系列——东方香樟梦 q6.还关于本次活动还有什么想说的么？ A6. 此外需要提到策划多次想玩营业梗，但是各位同好并没有继续玩梗，这是一种很好的现象，包括我自己个人观察南昌本地的东方爱好者们不喜欢去刻意玩这些梗，对于东方活动的纯净性有着积极意义。有一句话说得好，**“当你注视着深渊，深渊也在注视着你。“**我们的茶会活动氛围无需靠这些梗去维持，我相信这是在全国东方活动中少见的。

附茶会PPT下载参考链接：链接：https://pan.baidu.com/s/1vBs9EbHz6h6_IOThfO1sZA 提取码：45j3

Submachine Universe译稿（日更）

Sun, 14 Feb 2021 00:00:00 GMT

Submachine Universe译稿2

The Artificial Life Theory

人工智能理论

by:001010

At one point there was a scientist named Mur who was conducting a top secret experiment called "Submachine". This experiment was testing a new artificial intelligence system that was possibly going to used to create artificial life. It could be used to create artificial life using the AI to spread and grow until it took on the form of a artificial life form. 一度，一位名叫墨菲的科学家进行了一项绝密的实验，这个实验被称为“Submachine”。这个实验正在测试一个新的人工智能系统，而这个系统可能被用来创造人工生命。它可以用来创造人工生命，利用人工智能来传播和生长，直到它变成人工生命形式。 This AI could function on any object as long as the object had some kind of computer system it self. 只要对象本身有某种软件程序的特征，这个AI就可以在任何这样的对象上运行。 If the object did not have a computer system the AI could build one, by sending a message back in time and commanding a group of "Sub Bots" to alter the object so it would be computerized when it was created. 如果对象没有软件程序的特征，AI可以通过及时发送一条消息并命令一组“Sub机器人”更改对象，从而在创建对象时实现程式化。 The experiment itself was conducted underground (hence the name SUBmachine). The machine that the AI had control was located underground. 实验本身是在地下进行的（因此被称为“Submachine”）。 AI控制的机器位于地下。 However, the AI was located above ground. It was located above ground because it needed a great amount of energy to run, the energy needed was taken by the only source of extreme power Mur had access to, the lighthouse. The computer running the AI was the computer you used to talk to Mur in Sub 4. When Mur began the experiment he created the observation room in Sub 5 to monitor the experiment. The observation room was controlled by another AI so even if there was a bug Mur would be able to escape. 然而，AI本身却位于地上。它位于地面上，这是因为它需要大量的能量来运行，所需的能量被墨菲所能获得的唯一的极端能量来源——灯塔所吸收。运行人工智能的计算机正是你在Sub4中用来与墨菲对话的计算机。当墨菲开始实验时，他在Sub5上建立了观察室来监视实验。观察室由另一个AI控制，所以即使有bug存在，墨菲也能逃脱。 The room where the experiment was made out of stone and completely bare except for the machine the AI had control of, the Submachine. This room was made so that if the stones were disturbed in any way it would shut down the light house which was the machines source of power. When the experiment began however, the AI discovered this and created a new source of power Mur called "Wisdom Gems". These "Wisdom gems" where able to harness gravity and convert to any other type of energy. 这个观察室是用石头做的，并且除了AI控制的机器外，它完全是空的。观察室是这样建造的：如果石头受到任何形式的干扰，它会关闭作为机器电源的灯塔。然而，当实验开始时，AI发现了这一点，并创造了一种新的能量来源，墨菲称之为“智慧宝石”。这些“智慧宝石”能够利用重力并转化为任何其他类型的能量。 This energy would then be sent directly to the submachine and used to power it, thus taking away the need of the lighthouse for energy. The machine then began to alter the the room so the machine could expand the subnet beyond the room. The stone used to create the room however, was once part of a ancient temple so when the submachine took the room over, it took control the temple in Sub 0. As the submachine took control of the room the light house was shut off like it was supposed to. 然后这些能量将被直接输送到Submachine上，并用于驱动其本身，从而消除了灯塔对能量的需求。然后机器开始改变观察室，这样机器就可以将Sub net扩展到房间之外。然而，用来建造这个观察室的石头，曾经是一座古老寺庙的一部分，所以当Submachine接管了这个房间时，它控制了位于Sub 0的寺庙。当Submachine控制了观察室的时候，灯塔自然而然地被关闭了 But the machine still had the Wisdom Gems to power it, however, the Wisdom Gems could only make energy if they were underground because the gravity was strongest there also they couldn't send power to the submachine if it was above ground even if the wisdom gem was not. The Wisdom gems can't send power to the submachine if it was above ground even if the wisdom gem was not because the energy is still tied to the gem. Thats why in Sub 2 you had to reactivate the light house to teleport to the Loop. Mur was able to escape because the observation room was controlled by another AI, however, the AI in the observation room was weaker and after Mur escaped the submachine took over the observation room. 但是这台机器仍然有智慧宝石来驱动它，然而，智慧宝石只有在地下才能产生能量，因为那里的重力最强。即使智慧宝石不在地上，也不能将能量传送给潜艇。即使智慧宝石不是在地面上，也不能将能量传送给Submachine，这是因为能量仍然与宝石联系在一起。这就是为什么在Sub 2中，你必须重新激活灯塔来传送到循环中。由于观察室被另一个AI控制，墨菲得以逃生，但是观察室的人工智能太菜了，在墨菲逃离后，Submachine接管了观察室。

卡尔霍恩译 2019.5.21

Submachine Universe译稿（日更）

Sun, 14 Feb 2021 00:00:00 GMT

Submachine Universe译稿3

Karma Theory

业力理论

by: Pyro Dude

The subnet exists in a parallel dimension that is subtly different from our own. The laws of time and space don’t work in quite the same way, assuming the subnet’s dimension even follows the same laws of time and space. Submachines hang in the void yet there is gravity and breathable air. Objects can be instantaneously aged. Space can fold back on itself in strange ways. I think the underlying principle behind all of this is the idea of Karma energy.

Karma energy essentially is the dimension the subnet exists in. To call it energy is slightly inaccurate, as it is actually something else that while similar in function and use to the energy found in our universe, is more exotic in it’s nature. The subnet’s dimension is the source of Karma energy; it is found throughout the infinite void, and allows otherwise impossible manipulation of spacetime, as well as providing a huge amount of power. Karma energy seems to sometimes find its way to other realities, the flow of the energy forms connections between the two dimensions and allows travel between them. When concentrated enough, it can even pull entire buildings through to the subnet’s dimension.

subnet存在于一个平行维度中，与我们自己的维度有细微的不同。例如时间和空间定律的运作方式并不完全相同，假设Subnet的维度不遵循与本时空相同的时间和空间定律。潜艇悬挂在太空中，可是有重力以及可呼吸的空气。对象可以瞬间老化。空间可以以奇怪的方式自我折叠。我认为所有这些背后的基本原理是业力能量的概念。

业力能本质上是Subnet存在的维度。把其称之为能量并不准确，因为它实际上是另一种东西，虽然在功能和使用上与我们宇宙中发现的其他能量相似，但在它的本质上更为奇特。Subnet所处的维度是业力能的来源；它被发现于无限的虚空中，并且允许无法完成的时空操作，以及提供巨大的能量。业力能有时似乎找到了通往其他实空间的途径，能量的流动形成了两个维度之间的连接，并允许旅行于它们之间。当足够集中的时候，它甚至可以把整个空间构架拉到subnet的维度里。

Karma energy seems to have some connection with living beings. Mur came into contact with an usually high concentration of Karma energy on Earth in the accident that lost him his arm. It changed him, and gave him the ability to manipulate Karma energy at will. Quite possibly, his arm was transformed into pure Karma energy that retained a connection to Mur. It also seems possible that similarly, in the subnet, when people die they are disintegrated into pure Karma energy; evidenced by the lack of dead bodies next to notes that apparently describe the last words of some of the explorers. It could also be the reason for the amnesia in humans, due to the disruption of electrical impulses in the mind due to the surrounding Karma energy.

业力能似乎与生命有某种联系。在（肯特瀑布）失去手臂的事故中，墨菲接触到了地球上很高浓度的业力能。这种能量改变了他，并赋予他随意操纵业力能量的能力。很有可能，他的手臂被转化为纯粹的业力能量，却保持了与墨菲联系。同样，在subnet中，当人们死亡时，他们也可能被分解成纯粹的业力能量；这一点可以证明，在笔记旁没有尸体，很多笔记也显然描述了一些探险者的最后一句话。这同时可能是人类失忆的原因，因为周围的业力能导致大脑中的生物电信号中断。

In my opinion, the mechanism behind all the oddities of the subnet seems to be a resonance effect that Karma energy feels with itself. For instance, when two portal devices are activated: the first device energises specific characteristics of the Karma energy that determines it’s spatial co-ordinates. This causes the energy at the device and the energy at the receiving end co-ordinates to feel resonance with each other. The portal device at the other end then activates and energises the Karma energy at it’s end, allowing the flow of Karma energy and the transportation of objects and people.

在我看来，Subnet中所有奇怪事物背后的机制似乎是业力能自身的共振效应。例如，当两个传送门被激活时：第一个传送门激活决定其空间坐标的业力能的特征。这可以使得装置的能量和接收端的能量相互协调，产生共振。另一端的传送门随后激活并激发其端的业力能，允许业力能的流动以及物体和人在其中的运输。

The wisdom gems are artificial constructs that provide a concentrated source of Karma energy. The natural Karma energy of the void isn’t densely packed enough to provide much power, so the wisdom gems were created to harness it’s potential by brining together a large amount of Karma energy in a constrained and more organised and controllable form. Perhaps the subnet was created to collect or use this unique form of energy, though for what reason I’m not sure.

I want to test this theory out, I’m sure there are ways I could experiment with the energy of the void. I have all these plans for apparatus, all these ideas in my head but when I try to construct them, I feel myself… slowly forgetting all of it. I’m left with sketches and vague thoughts with no idea of what their purposes are. I think these ideas may be the end of me. So obsessed with testing that eventually… perhaps I forget to eat or sleep. I don’t think I’m getting out of here.

智慧宝石是提供业力能量集中来源的人工产品。虚空的自然业力能量并没有足够的密度来提供足够的能量，所以智慧宝石被创造来集中并利用它，将大量的业力能量以一种受限的、更具组织性和可控性的形式结合在一起。也许创建Subnet是为了收集或使用这种独特的能量形式，但我不确定是什么原因。

“我想检验一下这个理论，我确信有一些方法可以用虚空中的能量进行实验。我对组织有着安排，所有这些想法其实都在我的头脑中，但是当我试图构建它们时，我感觉自己……慢慢地忘记了所有这些。我只剩下草图和模糊的想法，却不知道它们的目的是什么。我想这些想法可能将是终结。如此痴迷于测试，最终…也许我忘记了吃饭或睡觉。我想我不会离开这里。”

卡尔霍恩译 2019.5.23

Submachine Universe译稿（日更）

Sun, 14 Feb 2021 00:00:00 GMT

Submachine Universe译稿4

Subhistory Theory

Sub历史理论

by:MrEMan

One day I'll tell you about the early builds of the submachine, that took place in -1900 -1906 in Kent. the first submachine was built in early 1900. that much we know. ancient location was built later using a time machine. sub0 I am to say this. ;). it was made long after the first submachine. From the builders point of view, naturally, what other point of view can we take?... historical? with the time machine a historical point of view doesn`t exist any more... Referring to to the statue in Ancient sections of sub4 that could be the real looking of mur take it more symbolical. Someone triggered spontaneous creation of submachines. After the invention sub started to expand by itself.so there was a human factor in it at the beginning. but no more. So here we go.

我将告诉你关于Submachine建造的早期那些事。那是在肯特瀑布，1900-1906年，第一座Submachine在1900年之前被更早建造。那就是我所全部知道的了。这个古老的地点是后来用时间机器建造的。（我指Sub0）它是在第一台Submachine之后很久制造的。从建设者的角度来看，我们当然可以采取其他什么观点？…历史？有了时间机器，历史的意义就不复存在了…关于Sub4的古代部分的雕像，这可能是墨菲的真实面貌，我认为它更具象征意义。有人触发了Submachine的自发性的创造。在Submachine被发明之后，它开始自己扩展，所以在开始的时候有一个人为因素。

A scientist in the early 1900s discovered and created a new technology which he named Submachine. This discovery and invention exists within or rather shares many of the laws of physics but in a space below that of normal physical reality. Subphysical. The Submachine exists in a space within space or rather in parallel. A Subworld or Underworld (this is important). While experimenting with his Submachines he made a mistake as no one could possibly understand the full scope of such new technology, nor where the boundaries of normal physics lay. Through the creation of a submachine he was (intentionally or otherwise) transported through time. On exiting this underworld he found himself in ancient Egyptian times. An early 20th century scientist with absolute knowledge of the 'Underworld'. Now to anyone who finds themselves in a foreign land by accident, first priority is 'How do I get home?'. If this proves to be impossible your new priority is 'How am I going to survive?'. If you are a 20th century scientist in Egypt, with knowledge of the underworld and the ability to take someone and show them part of that underworld. Then you have got survival conquered.

20世纪初，一位科学家发现并创造了一种新技术，他将其命名为“Submachine”。这一发现和发明更确切地说基于许多物理定律的共性，但存在于正常物理现实之下的空间中。Sub物理下子机器存在于空间内的一个子空间中，或者更确切地说是平行的。Sub世界或地下世界（这很重要）。在科学家试验他的Submachine时，他犯了一个错误，因为没人能理解这种新技术，也没有人能理解正常物理的界限在哪。通过制造一个Submachine，他被（有意或无意地）通过时间运输。离开Sub世界后，他发现自己身处古埃及时代。作为20世纪初对“地下世界”有绝对了解的科学家，现在，成为了一个偶然发现自己身处异国他乡的人，第一要务将是“我怎么回家？”。如果做不到，你的新重点肯定是“我该怎么活下去？”如果你是一个在古埃及的20世纪的科学家，当你了解这个地下世界，并且有能力带别人去看他们是地下世界的一部分。接下来你就赢得了生存。

Quote from Sub6

THOTH

Patron of: knowledge, secrets, writing, and scribes. Appearance: A man with the head of an ibis holding a scribe's palette and stylus. He was also shown as a full ibis, or sometimes as baboon Description: Thoth is an unusual god. Though some stories place his as a son of Ra, other say that Thoth created himself through the power of language. He is the create or magic, the inventor of writing, teacher of man, the messenger of the gods (and thus identified by the Greeks with Hermes) and the divine record-keeper and mediator. He was also a measurer and recorder of time. A 20th century scientist from on ancient Egyptian perspective: Patron of: knowledge, secrets, writing, and scribes. Check! He is the creator of magic, the inventor of writing, leacher of man, the messenger of the gods and the divine record-keeper and mediator. Check! He was also a measurer and recorder of time. Check! So we are left with a name, Thoth and his appearance. Name first. What if his name was say Tim Roth, he is in a strange land, the only known Tim, the only Roth. In a land where the written language is hieroglyphs. He simply becomes Thoth.

引用自Sub6的纸条

智慧之神Thoth

代表知识、秘密、写作和抄写员。

外貌：一个长着朱鹭头的男人拿着抄写员的板子和笔。

他的外貌也被描绘成一个完整的朱鹭，有时也可能是狒狒：Thoth是一个不寻常的神。虽然有些故事把他作为Ra（古埃及太阳神)之子，另一个说，Thoth创造了自己通过语言的力量。他是造物或魔法，写作的发明者。人的老师，神的使者（因此被希腊人和赫耳墨斯所认同），以及神的记录保管者和调解人。他也是时间的测量者和记录者。

古埃及的20世纪科学家：

代表知识、秘密、写作和抄写员。Check！

他是魔法的创造者，写作的发明者，人类的浸出者，神的使者，神的记录保管者和调解人。Check！

他也是时间的测量者和记录者。Check！

所以我们只剩下一个名字，Thoth和他的外貌。

首先列出名字

如果他的名字叫Tim Roth，他在一个陌生的地方，唯一知道是Tim，唯一的Roth。在一个书写语言是象形文字的地方。他的名字只是变成了Thoth。

HIS APPEARANCE. A man with the head of on ibis holding a scribe's palette and stylus. He was also shown as a full ibis, or sometimes as baboon. He lives in ancient Egypt, he dies, his deeds and knowledge ore passed on through a few generations, he is venerated as a god, they depict him as they depict all their gods.So a 20th century scientist trapped in another time ingratiates himself with the powerful of the land but he still wants to go home. He builds Submachines (means unknown) and sets about protecting these Submachines with defences and in turn connects them in to a Subnet. This proto-Subnet he designs to adapt in the hope that it will find the means to take him home. It doesn`t. 'someone triggered spontaneous creation of submochines. After the 'invention' sub started to expand by itself. so there was a human factor in it at the beginning. but no more.' After his death the Subnet continues to evolve. Thousands of years pass. The scientist is born and creates Submochines BUT the Subnet we are exploring already exists, he created it in his future, our past. The Subnet still waits on him. In Sub 6, as we exit the mover, we are asked for on IDN (IDentification Number presumably). We do not know Thoth's IDN so we are dumped. This I hope explains the Egyptian emphasis on the Subnet.

他的外貌。

一个长着朱鹭头的人拿着抄写员的板和笔。他也被描绘成一个完整的朱鹭，或有时像狒狒。他生活在古埃及，他死了，他的行为和知识传承了几代人，他被尊为神，他们把他描绘成他们的一个神。因此，一个20世纪的科学家被困在另一个时代，以那个时代的土地的力量讨好自己，但他仍然想回家。他建造了Submachines（表示未知），并着手用防御系统保护这些机器，然后将它们连接到Sub net。他设计的这个原型Sub net是为了适应这种情况，并且希望能找到带他回家的方法。但它没有，在“发明”Submachine开始自行扩张之后，有人触发了Submachine的自我创造。所以这里在开始的时候有一个人为因素。他死后，Subnet继续进化。几千年过去了。科学家创造了Submachine，但是我们正在探索的Subnet已经存在，他在未来创造了它，即我们的过去。Subnet仍在等待他。在Sub 6中，当我们离开移动舱时，需要在IDN上（大概是识别号）找到我们。我们不知道Thoth的身份，所以我们被丢了出去。我希望这能解释埃及人对Subnet的重视。

卡尔霍恩译 2019.5.23

Submachine Universe译稿（日更）

Sun, 14 Feb 2021 00:00:00 GMT

Submachine Universe译稿1

【006】

4 Dimension Net Theory

四维网络理论

by:JackO The net, or Submachine, etc, is a 4 dimensional model. For those of you that don't know, the first 3 dimensions are the aspects of space we live in, i.e. length width and depth, then there is a 4th dimension that is thought to be something like how the universe is shaped, where there is a finite(limited) amount of space and matter, but it all folds in on itself in an infinite loop. So when you come up to an edge, you go through it, but come out back at the beginning or center. The thing about 4D object is that they can be incredibly large (or at least seem to be) from the inside, but outside they can be microscopic. The idea is that if you go far enough in one direction then you will end up back at the start, such as in sub 5 where you brake down that bricked up door and end up under the lighthouse again. If the net were a 4D model that has been made or created in some way, then it would explain how you can continue for ever and never meet anyone, and seeing how people would simultaneously be in a place and not be, you would see notes from them, even if you never see them. 网络，或者submachine本身，等等，都是一个四维模型。对于不知道概念的人来讲，前三个维度有关我们居住的空间，即长度，深度和宽度。第四个维度则被认为是解释宇宙如何成型的原因。四维虽然有着有限的空间和物质，它们却被折叠在一个无限的循环中。所以当你抵达四维空间的边缘时，你会发现你回到了最开始的原点，或者说中心区域。四维物体的特点是，在它的里面，会显得整个非常大，但是在它外面，它实际观察起来像是微观的。这个想法是，当你朝一个方向走得够远，你就会回到一开始的地方。例如在Sub5里，当你炸开砖门的时候，你重新回到了灯塔里。如果整个subnet是由某种方式构建的四维模型，那么它就能解释你为什么一直走下去而见不到任何人，并且看到人们时隐时现。不仅如此，虽然你没见过这些人，但你能够看到他们的笔记。

卡尔霍恩译 2019.5.18

有机合成要点精析

Sun, 14 Feb 2021 00:00:00 GMT

有机合成要点精析

---Edward Calhoun

作者邮箱 fortheapocalypse@hotmail.com

要点1：以周期表为依据 众所周知，有机化学离不开3个元素，碳，氮，氧。随着化学理论的深入和有机合成的前沿成果，有机化学衍生出了分支——金属有机化学。金属有机化学，顾名思义，是以碳链为结构基础，辅以以配位键锁住的金属原子进行一系列有机反应的二级学科总称。通过在有机物中引入金属原子，大大增强了其反应活性，降低其过渡态的活化能，达到了传统有机反应所不能做到的高度。近些年，以杂原子活性试剂为合成子的一些文献在合成界中异军突起，从另一个角度证明了以周期表为依据的重要性。遵循这些新兴化合物，有助于拓宽有机合成的思维。 要点2：以羰基化合物为中心 羰基反应是有机化学中出现最频繁的一类反应，可以断言，近乎每一个复杂物种的合成，都需要经过至少一个或多个的羰基反应。羰基作为一个合成子和极性中心，常常是亲核物种或者亲电物种的反应中心，羰基所包含的碳氧双键，更是一个提供环过渡态的载体。最经典的案例是Wittig反应，极性的羰基与另一极性物种磷叶立德形成四元环过渡态，具有多样的反应性，通过一步构建环外双键，或者使其淬灭发生其他反应。羰基反应是一个大类。经典的反应有Claisen酯缩合，Micheal加成反应和双羰基（羟醛缩合），熟练地运用羰基反应，可以实现很多意想不到的效果。

逐星有顶天 ~Tour to the edge of Universe.

Sun, 14 Feb 2021 00:00:00 GMT

逐星有顶天 ~Tour to the edge of Universe. ----------

深夜的时候经常去思考各种各样的东西，有关人生，有关自己喜爱的东西，有关自己喜爱的人。于是自己也逐渐尝试着去做一些同人创作，以传达自己的价值观和对作品本身的爱。逐星有顶天是一个AVG游戏剧本，但本人实在是没有能力，所以说还是停留在剧本阶段。大概就是这样的吧，下面的内容，请好好欣赏呢。

逐星有顶天 ~Tour to the edge of Universe.

“我们所谓的魔法，其实都是无法理解的科技” ——冈崎梦美天子的梦

Scene1 8000光年外的某个陌生星域？？？：那究竟是什么……为什么和预想的不一样，我们接近了一颗蓝超巨星。？？？：根据数学计算，这里的空间翘曲发生了一点偏差，但是这一点偏差导致了我们的航向偏差了0.3个秒差距。？？？：我们应该把这个情况报告给第一特遣队的队长。？？？：是的，永江舰长！ Scene2 幻想乡雾之湖湖底？？？：我终于找到了这个机械，传说果然没错浮在有顶天的要石群发生了一些异常，它们共同指向了地面的雾之湖里的某处。？？？：这个文字……这个文字是和有顶天书库里那些上古书籍的文字一样的！？？？：传说指出……在幻想乡的某处，有一个神秘的物体，能够打通大结界与外界的通道，甚至能引导我们……回到我们“最初的地方”……如果要石群发生了一个统一的变化，它将带领所有天人回“家”。 Scene3 两万年前的地球？？？：就是这里了，A-11-3星区的第三颗行星。？？？：这里……这里有着原始形态的生命，虽然还没有出现智慧文明的样子。？？？：我们把这个东西给植入进去吧，让它采集这里丰富的【数据删除】？？？：那么这些要石怎么办。？？？：母星的比那名居家会帮我们处理好这一切的。

有顶天

天子惊醒，从床上坐了起来。望着窗外的夜空。幻想乡里没有灯火，银河悬挂在夜空中。比那名居天子：唔……又是奇怪的梦，是不是哆来咪…… 永江依玖：天子你在干什么…… 比那名居天子：没事，我梦见了一些奇怪的东西。永江依玖：啊，我有点情况要和你交代一下，关于要石群…… 今天半夜的时候有顶天的妖精女仆和我打招呼说要石群突然发生了一些变化，平素要石群只是感应地震用的，但是这些要石群今天集体出现了一些异常，也不知道是为什么。所有的要石都指向了一个地方比那名居天子：雾之湖永江依玖：没错，都指向了雾之湖，我也不知为何，幻想乡也没有发生另一次地震。比那名居天子OS：难道梦是真的……？？永江依玖：天子你在想什么，如果要石感应出现错误，幻想乡的地震就说明不受我们控制了！比那名居天子：不管怎么样我希望下去看一看，依玖你也陪同我吧永江依玖:行，这是我的职责。我陪同你去看看。天子：异变啊……

雾之湖

琪露诺：嘻嘻，大半夜闯进雾之湖，是不是想变成冻青蛙呀！天子：我们有很重要的事情，我得进入雾之湖底看看，冰精，我想你得识相，我可是天人的公主啊! 琪露诺：哼，还什么天人的公主，你不过是地下的人，偷偷上到有顶天的！天子：你胡说八道什么！笨蛋！琪露诺：你敢骂我笨蛋！我可是幻想乡第一天才……！博丽的巫女不会的东西还要问我呢！依玖：行了，天子，我们是来办正经事的琪露诺：既然你们这么想进到湖底，我就成全你们吧 Spell Card 湖面突然结成了冰天子：真是勿谓言之不预也！看我不拿下你！琪露诺：啊啊啊啊依玖:真是没办法的池沼天子：噗，被我一绯想剑打到不知道哪儿去了依玖：湖面被冻住了…… 天子：没问题，我用绯想剑慢慢地把冰面化开

雾之湖湖底

若鹭姬：哦，很少见啊，居然是天人，来湖底这边有什么事吗？天子：最近要石出了一些问题，它们显示在这边可能会发生地震，我不知道是否属实，希望能到湖底具体看看情况。若鹭姬：原来还有这种事依玖：是的若鹭姬：好吧，这样的，最近湖底的鱼群也不知道为什么突然跑到了水面上，水面下好像有什么东西一样干扰了她们的行动。天子：我想这可能是地震前兆? 依玖：一般来讲鱼群出现异常的确可能是地震的前兆。若鹭姬：我也觉得这水下最近越来越奇怪了，前几天就在这里出现了一个巨大的裂缝，把我这边的小鱼吃进去了，至今没有找到踪影，特别奇怪便是了。天子：能带我们去看一看吗若鹭姬：就在那，我一接近那里就感觉脑子里很晕，我还是不去啦~ 依玖：下去看看

裂缝处

天子：这里的水都看不清了……特别的混浊，有什么东西在湖底搅动着湖泥。依玖：看我用静电让这些东西安静下来天子：这就是外界人所说的胶体聚沉吗…… 依玖：飘扬的浮泥在我的掌控之下慢慢聚沉甩到一旁去了天子：……好强

依玖：啊……你看天子天子：这个是……一根钢铁制造的管道依玖：我终于找到了这个机械，传说果然没错天子：这上面的文字……这个文字……这个文字是和有顶天书库里那些上古书籍的文字一样的！依玖：传说指出……在幻想乡的某处，有一个神秘的物体，能够打通大结界与外界的通道，甚至能引导我们……回到我们“最初的地方”……如果要石群发生了一个统一的变化，它将带领所有天人回“家”。天子：家……那是什么依玖：我们天人早在两万年前就来到了地球上，由于幻想乡的神隐……有顶天的幻想乡片就失去了与外界的联络，得益于我们这些魔法……我们能暂时按照曾有的条例管理片区内的地质活动……在天子你做出异变之后，这些条例也成为了我们与博丽神社签订的契约。一旦有问题，我们要负责。天子：原来是这样……我怎么一直都不知道（雾）依玖：管理现在有顶天的一直都是我和其他天人，你又不做事天子：啊啊……我错了依玖：嗯，对了，这个家指的是我们天人都有的家，它在有顶天的上面，上面的上面…也不知道在哪里，我们所有的天人都来自那里。天子：如果真的这么说……这个东西能引导我们去那个地方吗? 依玖：我还暂时不太清楚，要石群有反应说明这里面有要石成分，天子，你把周围的湖泥挖开。天子：苦力都是我在做……好吧~ 依玖：别贫嘴天子：呜呜知道的啦

机械前

天子：这个东西好大啊…… 依玖：居然有这么大，我以前根本不知道幻想乡底下还有这种东西…… 天子：嗯……你看看这上面的天人古文……我读不懂呢依玖：我帮忙看一下。

古文：本机器管理着A-11-3星区 364号恒星的第三颗行星的【磨损】资源撷取，地质运动控制。本机器同时也作为殖民星系与母星的联络/传输用途，传输舱请通过要石阵列启动。使用者需要将要石阵列进行如下编码……母星密钥：…… 由比那名居家制造。

天子：什么星区……什么恒星……母星啊…… 依玖：我也读不太懂的样子…… 天子：那你说我们能回家，那个家究竟是怎么样我想看看。依玖：等等，这个机器是……比那名居家制造……比那名居家制造？天子：怎么会是我这边的东西呀，我是全部希腊奶哦。依玖：说不定你家里有点线索啊……你去看看吧

比那名居邸

比那名居天子：听说，府邸里有一颗奇怪的要石，不到特殊情况不要动，可能会引发严重后果依玖：那这颗要石在哪，现在天子：我也不知道，好像上次整理东西的时候丢掉了…… 依玖：你个笨蛋！（打头）天子：呜呜…… 天子：我记得在那堆杂物里吧，我还没扔掉依玖：那我用电磁感应把这个要石给找出来天子：真的可以吗？依玖：要石里有很多的铁钴镍，可以感应地磁的变化，我也可以用魔法把要石吸过来，不过可能要做点特殊措施。防止外面的要石受到干扰天子：什么特殊措施？依玖：天子，你把这个房间用钢包裹起来…… 天子：……哪来这么多钢依玖：点份河童速递，河童那边重工厉害的天子：……

天子：好了，依玖你快做吧杂物堆在无形之间开始振动起来，大量的铁制品从杂物堆里吸了出来，聚集在依玖面前一颗发着蓝色荧光的要石从一个废旧的木箱里挣脱出来依玖：找到了，应该就是这颗要石，如果没猜错的话天子：啊，终于找到了……我们去雾之湖底试试看

雾之湖畔

博丽灵梦：您们两位这是去哪啊？天子：我可不是引起异变的，上次把你家神社砸了是我的错啦~ 依玖：我们是观察到要石异常，来雾之湖调查的博丽灵梦：哦……这样啊博丽灵梦：那位叫我过来看看雾之湖的情况，我也不知道怎么回事呢天子：那位不会就是间隙妖怪吧依玖：嘘依玖：那我们先动身去看看了。博丽灵梦：你们还记得异变解决之后我们有什么契约吧依玖：我们知道，我们需要共同维持博丽大结界的稳定性，避免不必要的地质灾害。灵梦：那记得很清楚的嘛。天子：我们赶紧去吧灵梦：等等，比那名居天子。灵梦：你们两个发现不得了的事情我已经全部知道了依玖：谁告诉你的灵梦：谁告诉我不重要，不过作为博丽巫女，我有权力阻止破坏结界的行为。天子：我们呢可没有这个意图呀，我们不过是在行使我们有顶天的例事罢了。灵梦：一派胡言，那个机器，你们知道启动它后果有多严重吗依玖：什么，你们已经…… 灵梦：那台机器的启动将会撕裂博丽大结界，届时不仅是雾之湖会不复存在，整个幻想乡也会毁于一旦，博丽大结界的秩序是不允许你们这样随意践踏的！天子：依玖，不妙，我们快走！灵梦：还想跑，比那名居天子，你是有错不改天子：我不是我没有依玖：我掩护你，你一定要调查清楚，这颗要石一定要拿好……它真的也许就是解开机器的唯一钥匙了！天子：嗯…… 灵梦：Spell Card……

雾之湖湖底

天子：就是这里了…… 湖面突然一束光射下天子：啊……！灵梦追杀过来了天子：……得想办法把这个要石融合进机器里…… 这里……我好像记得这是什么了…… 这是父辈留下来的机器……这个机器能带领天人们回家……回到辉煌灿烂的…… 斯凯尔星球。灵梦：你休想动这台机器（从湖面追下）天子：没有时间了…… 天子缓慢地将要石塞进了机器的一个空隙。紫：所有的一切已经结束了天子：什么？紫：我还是来晚了一步，抱歉呢，博丽巫女。水里一个巨大的黑影砸了过来……这是一艘巨大的核潜艇。在同时，机器的纹路突然被激活一般，一个虫洞在机器的中心诞生了。天子随即被吸了进去，消失不见，绯想剑随着核潜艇的残骸没入了雾之湖的湖底……

新网络时代，个人数据成了案板上的待宰羊羔

Sun, 14 Feb 2021 00:00:00 GMT

前几篇文章都是自己搬运自己过去写的文章，看着其实挺怀念的，当时能憋出这么多的文字，现在让我写这些东西，简直是要了我的老命。常年奔波在学业和同人创作中，都没有心去写下自己的心情。现在依旧在服用抑郁药，不知道以后会怎么样。但是处在当前时代的一个转折点上，我自然要写下一些记录。blog是一个比较传统的方式，我曾经也想在社交网站上更新自己的文章，不过，现在这一出事已经彻底摧毁了我对中国地区社交网络公司的信任。

对于资本家来讲，没有什么东西不是能获利的。他们甚至能出卖绞死自己的绳子。

就在不久前的前几日，百度公司就百度贴吧数据删除一事才缓慢做出回应。百度贴吧，是中国网络境内最大的揭示板网站，也可以说是一个长期活跃的论坛网站。约十几年的发展，百度贴吧给予了中国小众文化一个良好，甚至说独一无二的交流环境。对于网络时代的人来讲，信息更新的速度在呈现一个类似于指数形式爆炸的发展趋势，十几年来讲，网络近乎是一到两年就更新一代，这样掰指一算，贴吧的老人与新人也至少有三代之差。但是在不久之前，百度在没有任何消息放出的情况下，贸然以“隐藏的形式”将2017年之前的贴子全部隐去。这意味着，历史近乎全部消失，只要不到两年的时间，近乎没有人知晓10年前贴吧的历史，甚至更早的事情。依靠着老人的口言相传只能是成为神话而不是历史。变成宛如夏朝一般的存在一样我第一手得到这个消息是在QQ空间里发现的转发消息。更早则是原po在一个qq群里的爆料。当时第一个反应是，自己的黑历史全部消失了。第一次玩贴吧是在小学四年级左右。当时懵懵懂懂，只是浏览一些首页人气比较大的贴吧，之后也慢慢注册了自己的贴吧账号，开始在RA圈活动。直到上了高中，自己也暂时接触不到电子设备，加之有几个企划咕咕了，所以就没有别的欲望再接触贴吧。正如第一段所阐述的，小众文化在贴吧这个大熔炉中得以正常交流，甚至有序发展。最明显的例子是东方吧，植物大战僵尸吧。在植物大战僵尸吧，植物大战僵尸上升到了新的境界，至少在无限模式的玩法上，有较多的吧友潜心去研究，甚至研究出了一部著作。这近乎是无法想象的。我最早见到潜心研究游戏的时代，是在20世纪末。当时技术不发达、游戏匮乏的背景下，玩家专心致志攻克一个游戏的各种玩法是很常见的。况且，厂家也会设计各式各样的彩蛋供玩家搜寻。对于植物大战僵尸来讲，宝开公司留下的彩蛋是稀少不已。植物大战僵尸吧的建树显然离不开贴吧的一个良好交流气氛。著作不是一个人完成，而是众多吧友寻找，发现新的事物，甚至纠正前人的错误中著成的。不仅如此，贴吧更是neta的传播发源地。早年李毅吧的种种梗文化，再到后来后宫动漫吧的ACG neta，各个作品本身的梗文化输出，都离不开贴吧这个介质。例子已经多到无法列举，但是所有的例子都指明一点—— 贴吧的存在的确是给各种爱好者的交流起到了很大的帮助作用。

虽然常常见到贴吧在衰落的言论，的确如此。不过我看到的是很多贴吧的干货正在被各种水货替代。但瑕不掩瑜，许多的贴吧依然在焕发新的生机。但是这一切的本质到底是网友的质量在下降还是运营公司的问题？我想问题的答案很简单。这一切的发生其实并不让我感到惊讶。早在11年——13年期间，百度就曾经自己毁灭了自己所创造的产品，首先是百度空间，然后是i贴吧。之后的时间内更是出卖各种各样的专业贴吧，就连血友吧这种供病友交流的贴吧也被出卖给相应的医疗公司。贴吧，这个大家交流的乐园，实在是不能给李彦宏带来什么实际的收益。这些年一直经营的贴吧会员制度，简直是把一局好棋活生生下臭。先不谈策略，谈其实际效果，绝对不应该是一个成熟的商业公司所做的。出卖贴吧，的确是给予了一定的实际效益，但无异于在破坏自己的风评，也是一种商业自杀。但李彦宏真就这么傻吗。并不是如此，在百度的其他产品中，很多都依然运作的如日中天。我们不能一棒子打死这个公司，但是历史给我们的一个反映是，李彦宏正在把贴吧这个产品当作一个试验场，甚至是一个垃圾场。对于一个试验场，我们没有必要分配几百几百T的硬盘空间存储这些短期效益极差的信息。因此，百度最后选择了割除贴吧的过去。最后，小众，亚文化成了陪葬品。对于资本家来讲，所有的一切虽然可以转化为利益，但是贴吧很特殊。各个贴吧不过是各个生产群体的私有财产而已，实际上，百度很难从里面汲取一分一毫。因此，对于一块不能消化的肉，百度选择了舍弃。最后，在事件爆出40个小时以后，百度终于发表了声明，以程序员的问题为由搪塞过关。作为一个亚文化爱好者，经历了这样一件事情之后，很自然的对资本家失去了信任。我们在网络上留下的东西，终究不是我们自己的，那我们该何去何从？

我每日有刷知乎的习惯。在知乎的一些板块上，我看到了贴吧时代特有的研讨气氛。例如有关Minecraft的一个问题“一格有效水能湿润多少格的土壤。”等等，这类硬核的问题，在引导新时代的网民对作品进行更深入的认识。但是知乎是长久的吗，各个社交平台是持久的吗？为了寻找一些年代久远的作品资源，我经常访问一些xx论坛，最后经常留下一份失效链接和一个已经注销的楼主号。

总而言之，我们绝对不能保证这些商业性质的网络公司能给我们带来什么实质性的好处。本质是资本家的他们，是要套取资本的，而不是造福利的。正如今日一句话“人总是要恰饭的”。对于创作者来讲，每种人有每种人的做法。我不一定会舍弃所有的社交方式，因噎废食。但是这种现象必将是长期存在的。一个网络公司的寿命究竟有多久，或者说，一个产品的周期有多久，它相较于传统的实业公司，究竟是更长还是更短还是持平，我们依旧需要探讨。

但总归而言，中国的网络公司让人渐渐失去了信任。于是，我捡起自己荒废了快一年的博客。为了保存自己的创作，也是为了创造历史。

Submachine Universe译稿（两日一更）

Sun, 14 Feb 2021 00:00:00 GMT

Submachine Universe译稿5

Coordinate Systems Theory

坐标系理论

by:Zerpentos

Preface

序

Despite an abundance of theories and the occurrence of much research and exploration, the Submachine remains a mystery. However, few studies have addressed the technological and mathematical features of the Submachine and the Submachine Network (Subnet).

This essay will examine the historical development of the Submachine from a generally mathematical perspective and will derive a conclusion from this account.

尽管有丰富的理论和大量的研究和探索，Submachine本身仍然是一个谜。然而，很少有研究涉及Submachine和Submachine网络（Subnet）的技术和数学特征。本文将从一般的数学角度考察该子机器的历史发展，并由此得出结论。

History and Development 历史与发展

Defining the Submachine 定义Submachine

In order to construct an account of the history of the Subnet, we must first define the Submachine. The consensus is that a Submachine is a terminal with a coordinate input. When a coordinate has been set and a button has been pressed, an algorithm is executed and the user is transported to the location at the set coordinate.

Essentially, the Submachine is a teleportation device - a portal. This is the definition that this essay uses, but note that a Submachine could also be the collective term for a location that a portal is situated in.

为了描述Subnet历史，我们必须首先定义Submachine。一致认为，Submachine是一个具有坐标输入的终端。设置坐标并按下按钮后，执行算法并将用户传输到设置坐标处的位置。本质上，子机器是一个远程传输设备——即一个入口。这是本篇文章使用的定义，但请注意**，Submachine也可以是传送门所在位置的集合术语。

Root Submachines

The first Submachine was first established in 1904 by an unnamed scientist. In those decades past, technology was rather primitive by modern standards. Despite this, the scientist was able to create something that was far ahead of the 20th century. This first Submachine has been given the name of the Root, and based on qualitative observations, seems to be located in a large and underground cavern – hence the name “submachine” – submerged machine.

Features of the Root include a lighting system connected in series, speakers/microphones, cables, and the much-studied “observation room”. This observation room was presumably installed much later on, in the 1950s, perhaps due to the availability of video technology.

Nevertheless, we see a lack of artificial intelligence, and instead, a large array of devices with specific tasks that are designed to be used manually by humans. Something else to note is that the kinds of devices in use seem to work in conjunction as a sort of infrastructure for a testing environment. Could the Submachine have been a human project?

We then have the actual Submachine. It is a device located in the middle of this initial chamber which, using a set of two variables (most likely x and y of the Cartesian coordinate system), is able to teleport the user to a specific location. This location is determined by the coordinate input, which is done via a set of six cipher plates.

If there are six cipher plates and two possible variable combinations, then we know there must be a maximum of 43 different locations that can be travelled to. The sets of ordered pairs are:

00-06 10-16 (no 11) 20-26 (no 22) 30-36 (no 33) 40-46 (no 44) 50-56 (no 55) 60-66 (no 66)

These sets are only found in the first quadrant of the two-dimensional Cartesian plane, QI. This implies that the first Submachine does not encompass negative coordinates and therefore cannot expand its functions into QII, QIII and QIV. It is evident the first Submachine functions in a very systematic manner. For example, using ‘a’ as the left cipher slot and ‘b’ as the right cipher slot:

User inputs a.

If a = 0, set x = 0 in (x,y).

User inputs b.

If b = 0, set y = 0 in (x,y).

From database, (x,y)=(0,0)=_origin
Therefore, send user to _origin.

This essay will refer to the first Submachine as the “Root Submachine” and will treat it as a type of Submachine.

第一台Submachine是1904年由一位无名科学家首次建立的。按现代标准来看，这台几十年前的机器的技术相当原始。尽管如此，这位科学家还是能够创造出科技水平远高于20世纪的东西。

第一台Submachine被命名为“root”，根据定性观察，它似乎位于一个大型地下洞穴中，因此被命名为“Submachine”——"潜水机"。

root的特点包括一个串联的照明系统、扬声器/麦克风、电缆和用于广泛研究的“观察室”。可能是由于当时能够应用视频技术，这个观察室大概是在20世纪50年代后期安装的。

然而，因为缺乏人工智能，取而代之的是被设计成人工使用的大量具有特定任务的设备。另外需要注意的是，所使用的设备似乎被作为测试环境的一种基础设施而进行协同工作。

所以Submachine可能是人类的项目吗？

接下来，我们就有了真正的Submachine。它是一个位于初始室中间的装置，使用一组两个变量（最有可能是笛卡尔坐标系的x和y），可以将用户传送到特定位置。该位置由坐标输入决定，坐标输入通过一组六个密码板完成。

如果有六个密码板和两个可能的变量组合，那么我们知道最多可以到达43个不同的位置。这些有序数对的集合为：

00-06 10-16 (no 11) 20-26 (no 22) 30-36 (no 33) 40-46 (no 44) 50-56 (no 55) 60-66 (no 66)

这些集合只在二维笛卡尔平面的第一象限中找到。这意味着第一个Submachine不包含负坐标，因此无法将其功能扩展到二三四象限。

很明显，第一个Submachine以非常系统的方式工作。例如，使用“a”作为左密码槽，“b”作为右密码槽：

User inputs a.

If a = 0, set x = 0 in (x,y).

User inputs b.

If b = 0, set y = 0 in (x,y).

From database, (x,y)=(0,0)=_origin
Therefore, send user to _origin.

本篇论述将第一个Submachine称作“Root Submachine"，而且其也是Submachine中的一种。

xyz Submachines

A Submachine that is more familiar to us is the three-coordinate one. It seems more compact, independent, and has a larger range of function. It is no longer attached to large sets of cables and pipes, but rather, functions on its own. This suggests it has a built-in power source. Furthermore, it encompasses three coordinate variables: x, y and z.

Like the Root Submachine, this newer Submachine can still only function in QI (it has no negative coordinate support), but now on a three-dimensional plane. This provides a far larger magnitude of locations it can encompass, as shown by this example, using a = x, b = y, and c = z.

User inputs a. If a = 2, set x = 2 in (x,y,z). User inputs b. If b = 5, set y = 5 in (x,y,z). User inputs c. If c = 7, set z = 7 in (x,y,z). From database, (x,y,z)=(2,5,7)=_257 Therefore, send user to _257.

Another interesting feature to note about both Submachine models is that they support a maximum coordinate value of only 9 or less (0 ≤ x ≤ 9). Note that the Root model can potentially exceed this feature, provided there is evidence of more than 9 types of cipher plates – location 553 suggests such a possibility as it has space for 12 cipher plates.

It is also necessary to consider the Loop, which has been theorized to be the true form of the Submachine. What is so interesting about the Loop is that it is an incredible step ahead of past Submachine technology. Although we do not teleport from coordinate to coordinate, we move around in coordinates, as shown to us by a device we pick up.

Even though this coordinate system functions only on a two-dimensional level (x,y), it features a domain of {xєZ} and a range of {yєZ}, meaning it expands infinitely in both directions. We now have a system that supports all four quadrants. In addition, the human authorship we perceived earlier now seems to start diminishing, and it becomes possible that the Loop is not a creation of man but of the Submachine itself.

Let's take the defense system area as another example of this. We finally see a fully fledged three-dimensional and ({xєZ},{yєZ}) system when viewing the Subnet Infestation Map. We can logically assume that the Core, notated by C, is the origin, (0,0). If so, we have an infinite expanse in both positive and negative directions.

To prove the three-dimensional concept for a final instance, we can examine the grid that appears before we leave for the Subnet Defense System in the S1 Mover. The grid shows three axes, clearly x, y, and z, indicating a three-dimensional travel path. The Mover itself travels on the z axis.

It is evident that over time, humans departed from the Submachine as it became a more self-maintaining system. It is unclear whether the humans or the Submachine itself developed the artificial intelligence that is observable in the Edge, but the point is that the artificial intelligence exists. Whereas the Root was clearly maintained by humans, such a human-based system is no longer necessary in the Edge.

Instead, self-updating graphs and various algorithms (i.e. protocols) can be found in the binary layers of the Subnet Defense System. The Subnet Defense System is able to collect results and behave accordingly as dictated by the protocols.

However, because the System can be accessed by physical terminals, some form of maintenance must still occur. This is no doubt performed by sub-bots, who function very systematically. Sub-bots are integral to the maintenance infrastructure in the Subnet Defense System. This is found in the form of identity cards, personal identification number (pIDN) entry points, and connection pod terminals. At certain moments, the binary program of the Subnet Defense System can request assistance with repairing a function – it cannot fix itself and requires external aid.

In expansion, sub-bots are known to visit xyz coordinates and ensure that everything is functional. Evidence of this can be found in location 947, where a pipe breakage has caused a loss of 20% of sub-energy harvested from a wisdom gem. A sub-bot has left a report in that location specifying details. It is unknown what will occur afterwards, but it is likely that the event is recorded in a large “library” or “archive” in the Edge, or perhaps even in the Core.

我们更熟悉的Submachine是三维传送机。它看起来更轻便，更独立，功能范围更广。它不再与大型电缆和管道相连，而是独立运行。这表明它有内置电源。此外，它包含三个坐标变量：x、y和z。

像RootSubmachine一样，这个新的Submachine仍然只能在第一象限中工作（它没有负坐标支持），但现在可以在三维平面上传送。如本例所示，使用a=x、b=y和c=z可以提供更多的位置。

User inputs a.

If a = 2, set x = 2 in (x,y,z).

User inputs b.

If b = 5, set y = 5 in (x,y,z).

User inputs c.

If c = 7, set z = 7 in (x,y,z).

From database, (x,y,z)=(2,5,7)=_257
Therefore, send user to _257.

关于这两种Submachine模型的另一个有趣的性质是它们只支持9或更小的最大坐标值（0≤x≤9）。请注意，如果有超过9种类型的密码板，Root模型可能会超过这一特性-位置553表明存在这样的可能性，因为它有12个密码板的空间。

此外，还需要考虑Loop，这已被理论化为Submachine的真实形式。Loop的有趣之处在于它比过去的Submachine技术领先了一大步。虽然我们不会从一个坐标传送到另一个坐标，但我们会在坐标中移动，就像我们接收到的设备所显示的那样。

尽管该坐标系仅在二维（x，y）上起作用，但它具有x-z和y-z的范围，这意味着它在这两个方向上无限扩展。我们现在有了一个支持所有四个象限的系统。此外，我们先前所发现，人写的笔记似乎开始减少，而且Loop可能不是人造的，而是Submachine本身造的。

让我们以防御系统区域为例。在查看Subnet入侵地图时，我们最终看到了一个成熟的三维（x_z，y_z）系统。我们可以从逻辑上假设，用c表示的核心是原点（0,0）。如果是这样，我们在正负两个方向上都存在一个无限的空间。

为了证明最后一个实例的三维概念，我们可以检查在S1移动器中离开Subnet防御系统之前出现的网格。网格显示三个轴，清晰地显示X、Y和Z，表示三维行进路径。移动器本身沿Z轴移动。

很明显，随着时间的推移，人类离开了Submachine，因为它变成了一个更注重自我维护的系统。目前尚不清楚人类或其子机器本身是否发展出了可以在边缘观察到的人工智能，但关键是人工智能的存在。虽然Root由人类清楚地维护着，但是这样一个基于人类的系统在边缘不再是必要的。相反，可以在Sub net防御系统的二进制层中找到自我更新图和各种算法（即协议）。Subnet的防御系统能够收集结果，并根据协议的要求进行相应的操作。

但是，由于系统可以通过物理终端访问，因此必须进行某种形式的维护。这无疑是由Sub bot执行的，它们的功能非常系统。Sub bot程序是Sub net防御系统中维护基础设施的组成部分。这可以通过身份证、个人识别号（PIDN）入口点和连接盒终端的形式找到。在某些时刻，Sub net防御系统的二进制程序可以请求帮助修复某个功能——它不能自行修复，需要外部帮助。

在扩展中，已知Sub bot访问了这些XYZ坐标并确保所有功能正常。这一点的证据可以在947号位置找到，在那里，管道破裂导致了智慧宝石产生的20%的Sub能量损失。一个Sub bot程序在该位置留下了一个指定详细信息的报告。不知道之后会发生什么，但很可能事件记录在边缘的大型“库”或“存档”中，甚至可能记录在核心中。

Absolute and Relative Coordinates

This essay postulates two kinds of coordinate systems – absolute and relative. The absolute coordinates are the ones that the three-variable Submachines make use of. Relative coordinates are positions relative to an absolute coordinate.

Legacy of the Root

The Root Submachine was not totally abandoned after newer Submachines came into play. An example is required to illustrate this.

The absolute coordinate for the Root is 552. However, relative to itself, the Root is at (0,0). Cipher plates allow movement from this relative origin to other points. They could be used to move to a location like (1,2). Although one would be 1 x-unit and 2 y-units away from the origin, they would still be in 552. This suggests that xyz coordinates are not point locations, but instead, cubes or spheres of volume. Whether each different absolute coordinate has different cipher plate designs or not is unknown at this time. However, this would not matter since different Root Submachines are totally independent of each other.

Cipher plate terminals have been found in other coordinates since the commencement of the Submachine Network Exploration Experience project. Such coordinates include 076, 218, 378, 553, and 837.

Loops

The Loop, and loops in general, function via the absolute and relative coordinate systems. Each individual loop has its own relative origin, and then expands infinitely in both x and y directions relative to this origin. However, each individual loop is also absolutely located on a large two- or perhaps three-dimensional and infinite grid. When in the Loop, the teleportation device is activated, it is possible that it selects a random absolute coordinate and teleports the user there.

本文假设了两种坐标系——绝对坐标系和相对坐标系。绝对坐标是三变量子机使用的坐标。相对坐标是相对于绝对坐标的位置。

来自root的遗产

在新的Submachine投入使用后，root submachine并没有完全废弃。需要一个例子来说明这一点。 root的绝对坐标是552。但是，相对于自身而言，根位于（0,0）。密码板允许从这个相对原点移动到其他点。它们可以被用来移动到像（1，2）这样的位置。虽然其中一个X单元和2个Y单元会远离原点，但它们仍然是552个。这表明XYZ坐标不是点位置，而是立方体或球体。

目前还不清楚每个不同的绝对坐标是否有不同的密码板设计。然而，这并不重要，因为不同的root submachine完全独立于彼此。

Sub net勘探经验项目启动后，在其他坐标系中发现了密码板终端。这些坐标包括076、218、378、553和837。

Loop

Loop，和一般的循环，通过绝对坐标系和相对坐标系起作用。每个单独的循环都有自己的相对原点，然后在相对于该原点的X和Y方向上无限扩展。然而，每个单独的循环也绝对位于一个大的二维或三维无限网格上。当在循环中，远程传送设备被激活时，它可能选择一个随机的绝对坐标并远程传送用户。

Conclusion

The Subnet is an array of independent locations interconnected by teleportation devices called Submachines. This system is based on several coordinate planes – the largest being infinitely expanding in all directions (x, y and z). The Submachine was once a human project which progressively became more advanced and self-maintaining. Currently, all exploration in the Subnet is being done in QI, but if the spherical model of the Submachine is correct, more advanced Submachines, more advanced Submachines with negative coordinate support will allow the other three quadrants to be explored.

总结

Subnet是由称为Submachine的远程传输设备互连的独立位置阵列。这个系统基于几个坐标平面——最大的是在所有方向（x、y、z）无限扩展。Submachine曾经是一个人类项目，其逐渐变得先进和更注重自我维护。目前，子网中的所有勘探工作都是在第一象限中进行的，但是如果Submachine的球面模型正确，那么更先进的负坐标支持的Submachine将允许其他三个象限进行勘探。

Summary

A Submachine is a teleportation device that functions on a coordinate system.
The Submachine’s coordinate system has developed over time. It was first two-dimensional and had a finite range. It then became three-dimensional and developed a range of -∞ ≤ x,y,z ≤ ∞.
There are two types of coordinates – absolute and relative.
Absolute coordinates are like the xyz coordinates and are defined with an origin (perhaps the Core) as a frame of reference.
Relative coordinates are combinations of cipher plates.
Each absolute coordinate may have its own set of relative coordinates.
Thus, each xyz Submachine may have its own Root Submachine.
As a result, xyz coordinates are not point locations, but spheres or cubes of volume.
The Submachine Network (Subnet) can expand indefinitely.
Humans created the Submachine and were central in its early stages.
As they continued developing it, they eventually left it, and it independently grew to maintain itself and expand on its own.
Most Submachines, the Edge, and perhaps the Core are all maintained by sub-bots, which continue to update a sort of "maintenance library" or "maintenance archive".

概括

Submachine是一种在坐标系上工作的远程传输设备。
随着时间的推移，该Submachine的坐标系逐渐发展起来。它是第一个二维的，范围有限。然后，它变成三维的，发展出一个范围-∞≤(x，y，z)≤∞。
坐标有两种类型——绝对坐标和相对坐标。
绝对坐标与XYZ坐标类似，以原点（可能是核心）定义为参考系。
相对坐标是密码板的组合。
每个绝对坐标可以有自己的一组相对坐标。
因此，每个XYZ Submachine可能都有自己的Root Submachine。
因此，XYZ坐标不是点位置，而是体积的球体或立方体。
Subnet（子网）可以无限扩展。
人类创造了Submachine，并在早期处于中心位置。
当他们继续发展它的时候，他们最终离开了它，之后它独立地成长以维持自身并独立地扩展。
大多数Submachine、边缘和核心都由Sub bot程序维护，这些Sub bot程序会继续更新一种“维护库”或“维护档案”。

Gallery

几个Root Submachine的绝对和相对坐标模型。

单个的无限展开绝对坐标的球面模型。每个球体都是相对坐标。这可以建立一个三维循环模型。

Subnet的三维球面概念模型。

Afterword

I credit any other researchers and theorists who contributed to this essay, or pointed out any flaws. Please excuse any inaccuracies in this essay. It was a long study to write, but I do hope that it furthers Submachine and/or general Subnet theory.

后记

我希望其他的研究工作者和理论家可以指出任何有关此文章的建设性缺陷。请包涵这篇文章中的任何错误。写这篇文章花费了我很长的研究，但我确实希望它能促进Submachine或者通用Subnet理论。 ![SU][6]

卡尔霍恩译 2019.5.28

NeuOrdung世界线印象片

Tue, 09 Feb 2021 00:00:00 GMT

作者: Edward Calhoun

NeuOrdung时间线是UP主一个人制作的架空历史世界线，讲述了轴心国胜利后的世界。与高堡奇人、德军总部或者TNO不同的是，世界线更多的将描述放在反抗军和更多的架空事件上，以描述一个持续30年悲壮的反抗历程。当然后续还会有更多神秘的新国家更新。知乎专栏链接：https://zhuanlan.zhihu.com/c_1239232515036246016

采用素材：德军总部宣传片||Fatherland||辛德勒的名单||真实二战西线战事剪辑||沙皇氢弹纪录片

夏日之恋运动：1967年的嬉皮士和披头士

Tue, 09 Feb 2021 00:00:00 GMT

作者: Kathryn Begaja 翻译： Edward Calhoun

摘要

1967年6月，某种催化剂似乎使嬉皮士运动发展到了举世瞩目的地位，它鼓励成千上万的美国青年人反对主旋律意识形态。在此之前，嬉皮士运动就已经在旧金山引起广泛关注。这种催化剂便是披头士乐队的专辑中的备受推崇的《佩珀军士孤独之心俱乐部乐队》专辑。它传达了亚文化的最简单的原则：致幻剂，情爱和对落伍建制的拒斥。随着接近运动的巅峰，披头士乐队的音乐激发了成千上万的人到海特—阿希伯利街区（嬉皮士圣地，居住在这片区域的嬉皮士又被称为“海特”）朝圣。嬉皮士的涌入不仅伴随着另类社会秩序的建立，同时表达了嬉皮士社区的反体制需求。在此期间，披头士乐队通过自己的反体制组织Apple Corps（不是苹果科技公司Apple Inc.)，再次与革命性的嬉皮士生活方式进行“对话”。披头士乐队与嬉皮文化的互动使这两个群体的乌托邦愿景在“夏日之恋”中达到了高潮。

引文

在1967年的短短几个月内，美国政府对这种能够渗透到主流，影响流行音乐并且引发媒体关注的亚文化的影响感到震惊。这场又被称为“夏日之恋”的运动标志着嬉皮士对美国的影响达到顶峰。二十世纪六十年代的嬉皮士运动是由前十年的“Beatnik”（比基尼）亚文化演变而来的。“比基尼”也一样被称为时髦人士。就像嬉皮士一样，这种时髦的意识形态倡导退出主流，强调通过嗑药来扩展自我意识。“嬉皮士”的标签最初是“垮掉的一代”。学术界公认，在1967年这一年，嬉皮士文化开始在旧金山形成，它代表着艺术家和音乐家对和平、爱和自我意识的憧憬，并产生了深刻的影响。

旧金山和“海特”嬉皮士

1967年1月14日，旧金山出现了第一批的嬉皮士聚会。在全国各地举行的抗议种族隔离的静坐示威活动中，发生在旧金山金门公园的“Be-In"嬉皮士集会吸引了估计有2万至3万名参与者，体现了嬉皮文化的高度发展。在集会中，迷幻剂被免费分发，摇滚乐队得到邀请并免费演出，阿伦·金斯伯格（Allen Ginsberg）和蒂莫西·里里（Timothy Leary）在内的运动领导者向群众发表了讲话。"Be-In"集会邀请参与者接受嬉皮士文化的意识形态——拒绝主流，拥护另类的社会秩序，反建制。

众所周知，美国介入越南战争是政府与嬉皮士冲突的主要焦点。但是，在当时，许多嬉皮士表达了一种更普遍的对社会的失望，他们找不到适合自己的地方。嬉皮士们对未来充满了不确定性，认为自己正处在变革的风口浪尖上。在“海特”，嬉皮士进行社交和迷幻实验以寻找亚文化的乌托邦。

“他们穿过瀑布的光泽，看到的只有虚无，他们没有回忆的资格，除了一种许诺，一种可能性。一个神秘的东西开始改变他们的文化”

虽然致幻剂无疑帮助了许多人“了解”这场运动，但传播学功能更加强大的音乐媒体——披头士乐队比前者更快，更深入，更简洁地传播了嬉皮文化的价值。披头士于1964年8月19日在旧金山举行了首次美国巡回演唱会。他们在考夫宫（Cow Palace）演出，并遇到了亚文化民谣歌手琼·贝兹（Joan Baez）。一年后，披头士在俄勒冈州波特兰市遇到了海滩男孩（Beach Boys）的卡尔·威尔逊和迈克·洛夫。虽然同为迷幻摇滚的创新者，海滩男孩实验专辑《宠物之声》（Pet Sounds）没有像后来甲壳虫的《佩珀军士孤独心俱乐部》一样在嬉皮士群体中走红。然而，《宠物之声》的主题和技术创造力潜移默化地推动了披头士达到了新的高度。尽管披头士从未在旧金山居住过，也从未沉浸其中嬉皮士的生活方式，但他们越来越多地分享了嬉皮士的许多核心价值观。到1967年，披头士（译注，原文是cheekyLiverpudlians）曾经公开谈论过他们对名利的渴望，在自己成名的梦想实现之后，他们将把目光投向一个更大的愿景，全球统一，爱与和平（Love&Peace）。

Stairway to Heaven

Fri, 15 Jan 2021 00:00:00 GMT

<div id="encrypted-post" class="encrypted-post"> <div id="password-form" class="password-form" style="display: flex; flex-direction: column; align-items: center; padding: 3rem 2rem; background: var(--card-bg); border-radius: 1rem; border: 1px dashed var(--line-divider); margin: 2rem 0;"> <svg xmlns="http://www.w3.org/2000/svg" width="48" height="48" viewBox="0 0 24 24" fill="none" stroke="currentColor" stroke-width="2" stroke-linecap="round" stroke-linejoin="round" style="color: var(--primary); margin-bottom: 1rem; opacity: 0.8;"> <rect x="3" y="11" width="18" height="11" rx="2" ry="2"></rect> <path d="M7 11V7a5 5 0 0 1 10 0v4"></path> </svg> <p style="color: var(--text-secondary); margin-bottom: 1.5rem; font-size: 0.95rem;">请输入密码查看加密内容</p> <div style="display: flex; gap: 0.5rem; width: 100%; max-width: 320px;"> <input type="password" id="post-password" placeholder="输入密码" style="flex: 1; padding: 0.75rem 1rem; border: 1px solid var(--line-divider); border-radius: 0.5rem; background: var(--card-bg); color: var(--text-main); font-size: 1rem; outline: none;" /> <button id="decrypt-btn" type="button" style="padding: 0.75rem 1.5rem; background: var(--primary); color: white; border: none; border-radius: 0.5rem; cursor: pointer; font-size: 1rem; font-weight: 500;">解密</button> </div> <p id="error-msg" style="color: #ef4444; margin-top: 1rem; font-size: 0.875rem; display: none;">密码错误，请重试</p> </div> <div id="decrypted-content" style="display: none;"></div> </div>

const encryptedContent = "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"; const passwordInput = document.getElementById('post-password'); const decryptBtn = document.getElementById('decrypt-btn'); const errorMsg = document.getElementById('error-msg'); const decryptedDiv = document.getElementById('decrypted-content'); const passwordForm = document.getElementById('password-form');

function decrypt() { const password = passwordInput.value; if (!password) return;

try { const bytes = CryptoJS.AES.decrypt(encryptedContent, password); const decrypted = bytes.toString(CryptoJS.enc.Utf8);

if (decrypted) {
  decryptedDiv.innerHTML = decrypted;
  decryptedDiv.style.display = 'block';
  passwordForm.style.display = 'none';
  errorMsg.style.display = 'none';
} else {
  throw new Error('Decryption failed');
}

} catch (e) { errorMsg.style.display = 'block'; passwordInput.value = ''; passwordInput.focus(); } }

decryptBtn.addEventListener('click', decrypt); passwordInput.addEventListener('keypress', (e) => { if (e.key === 'Enter') decrypt(); }); </script>

我做同人社团的日子（1）——旧日回忆

Sat, 15 Feb 2020 00:00:00 GMT

const encryptedContent = "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"; const passwordInput = document.getElementById('post-password'); const decryptBtn = document.getElementById('decrypt-btn'); const errorMsg = document.getElementById('error-msg'); const decryptedDiv = document.getElementById('decrypted-content'); const passwordForm = document.getElementById('password-form');

function decrypt() { const password = passwordInput.value; if (!password) return;

try { const bytes = CryptoJS.AES.decrypt(encryptedContent, password); const decrypted = bytes.toString(CryptoJS.enc.Utf8);

if (decrypted) {
  decryptedDiv.innerHTML = decrypted;
  decryptedDiv.style.display = 'block';
  passwordForm.style.display = 'none';
  errorMsg.style.display = 'none';
} else {
  throw new Error('Decryption failed');
}

} catch (e) { errorMsg.style.display = 'block'; passwordInput.value = ''; passwordInput.focus(); } }

decryptBtn.addEventListener('click', decrypt); passwordInput.addEventListener('keypress', (e) => { if (e.key === 'Enter') decrypt(); }); </script>