卡乌埃的生活方式
如果总人数的平方根创造了一半的价值，那么顶尖绩效者的薪资应该是平均薪资的多少倍？
普赖斯定律（Price’s Law）指出，在特定领域中，参与者总人数的平方根创造了 50% 的产出。这是帕累托法则（Pareto Principle，通常被称为二八法则）的一个具体应用。
如果我们应用这一数学模型来计算最顶尖员工群体所创造的理论价值，随着公司规模的扩大，顶尖绩效者与平均水平之间的差距将呈指数级增长。
以下是根据系统中总人数的不同，顶尖绩效者的生产力与公司平均生产力的比值。
| 总人数 | 顶尖绩效者的生产力 | 平均生产力 | 薪资比（顶尖 vs. 平均） |
|---|---|---|---|
| 10 | 15.81% | 10.000% | 1.58x |
| 100 | 7.91% | 1.000% | 7.91x |
| 1,000 | 5.27% | 0.100% | 52.71x |
| 10,000 | 3.95% | 0.010% | 395.28x |
| 100,000 | 3.04% | 0.001% | 3043.55x |
（注：“顶尖绩效者的生产力”一列反映了处于最顶层梯队中单个个体的贡献，其计算方式是递归地应用平方根法则，直到群体规模缩小到可以直接评估为止。）
为了理解其中的数学原理，让我们拆解一家拥有 10,000 名员工的公司。如果我们反复应用普赖斯定律（群体人数的平方根创造剩余价值的一半），我们会得到以下梯队：
| 梯队人数 | 该梯队创造的价值 | 梯队内人均创造价值 |
|---|---|---|
| 10,000.00 （全公司） | 100.00% | 0.01% |
| 100.00 （10,000 的平方根） | 50.00% | 0.50% |
| 10.00 （100 的平方根） | 25.00% | 2.50% |
| 3.16 （10 的平方根） | 12.50% | 3.95% |
在这个场景下，那个由约 3 人组成的精英群体中的任何一个人，都在创造整个公司 3.95% 的价值。而普通员工的平均产出仅为 0.01%。
根据这一模型，顶尖绩效者创造的价值是普通员工平均水平的 395 倍。
以下 Python 脚本生成了上述表格中的数据。
import math
def calculate_top_productivity(number_of_people, total_value_percent):
"""
根据普赖斯定律（N 的平方根创造 50% 的价值），
递归计算最顶层梯队中单个个体的生产力。
"""
next_tier_size = math.sqrt(number_of_people)
# 基准情况：如果下一梯队的人数超过当前群体的一半，
# 说明我们已经下钻到了数学允许的极限，返回当前梯队的平均值。
if 2 * next_tier_size > number_of_people:
return total_value_percent / number_of_people
return calculate_top_productivity(next_tier_size, total_value_percent / 2.0)
# 生成公司规模从 10 到 100,000 的表格数据
for exp in range(5):
total_people = math.pow(10, exp + 1)
top_performer_value = calculate_top_productivity(total_people, 100.0)
average_value = 100.0 / total_people
ratio = top_performer_value / average_value
print('| %6.0f | %5.2f%% | %6.3f%% | %7.2fx |' % (total_people, top_performer_value, average_value, ratio))
获取《卡乌埃的生活方式》精选离线版——一份全面优化 🍏 健康、💰 财富、❤️ 爱 与 🧘 意义 的实践指南。
当我发布关于美好生活的新随笔、读书笔记和实践指南时接收通知。绝无垃圾邮件——可随时退订。
有任何问题、见解或建议吗？欢迎在下方分享您的想法。评论功能由 GitHub Discussions 驱动（无广告、无垃圾信息）——点击下方的使用 GitHub 登录即可发表评论或互动（注册免费 GitHub 账号不到一分钟即可完成）。
最后更新于 2026年10月11日.
免责声明：本站所有内容仅供信息参考与教育用途，不构成任何医疗、心理、财务、投资、税务或法律建议。此处呈现的观点、整理与见解仅代表我个人，不代表我雇主的立场。书籍、演讲及文章摘要均为独立的教育性评论，其知识产权归原作者所有。本站可能使用 AI 工具辅助编辑、排版与归纳；尽管我们竭力确保准确无误，但仍可能存在疏漏。隐私政策：本站使用第三方服务提供可选的邮件通讯订阅（follow.it）、评论（giscus / GitHub Discussions）以及嵌入媒体（YouTube），这些服务可能会依据各自的隐私政策处理访客的 IP 地址和 Cookie。