我们都熟悉帕累托法则(即“二八定律”)的标准表述:付出 20% 的努力,就能获得 80% 的收益。 反之,要获取最后 20% 的收益,则需要付出剩余 80% 的努力。
通常,效率专家会把它当作一个“适可而止”的信号。这听起来像是在告诉我们:只要做完前 20% 的工作,就可以宣告胜利,然后转向下一个任务了。
但如果你没有停下来,会发生什么?如果我们把帕累托法则递归地应用到剩余的工作量和剩余的收益上呢?
让我们来看看第 2 次迭代。现在,你要攻克剩余 80% 的工作,以获取剩余 20% 的收益。
如果我们再次应用二八定律:
总体算下来,经过两次迭代后,你完成了总工作量的 36%(20% + 16%),并收获了高达 96% 的总收益(80% + 16%)。
当我们将这一计算连续运行 7 次迭代时,结果如下表所示。请特别留意**工作量 / 收益比(Work / Benefit Ratio)**这一列——它揭示了为了榨取每一丝增量价值,你需要付出多么成倍增长的努力。
| 迭代次数 | 新增工作量 | 累计总工作量 | 新增收益 | 累计总收益 | 工作量 / 收益比 |
|---|---|---|---|---|---|
| 1 | 20% | 20% | 80% | 80% | 0.25 |
| 2 | 16% | 36% | 16% | 96% | 1.00 |
| 3 | 12.8% | 48.8% | 3.2% | 99.2% | 4.00 |
| 4 | 10.24% | 59.04% | 0.64% | 99.84% | 16.00 |
| 5 | 8.192% | 67.232% | 0.128% | 99.968% | 64.00 |
| 6 | 6.554% | 73.786% | 0.026% | 99.994% | 256.00 |
| 7 | 5.243% | 79.028% | 0.005% | 99.999% | 1,024.00 |
到了第 7 次迭代,你已经完成了大约 79% 的工作,并获得了 99.999% 的收益。
然而,看看那个比率:在第 7 次迭代中,所需付出的工作量是其所产生收益的 1,024 倍()。经过 7 次迭代后,距离全部潜在收益,你只差 78,125 分之一。
让我们继续往深水区推进。如果我们在第 7 次迭代之后依然咬牙坚持下去,会发生什么?
| 迭代次数 | 累计总工作量 | 累计总收益 | 1 / 缺失收益(差距比例) |
|---|---|---|---|
| 8 | 83.223% | 99.999744% | 390,625 分之一 |
| 9 | 86.578% | 99.9999488% | 1,953,125 分之一 |
| 10 | 89.263% | 99.99998976% | 9,765,625 分之一 |
| 11 | 91.410% | 99.99999795% | 48,828,125 分之一 |
| 12 | 93.128% | 99.99999959% | 244,140,626 分之一 |
| 13 | 94.502% | 99.99999992% | 1,220,703,064 分之一 |
| 14 | 95.602% | 99.99999998% | 6,103,513,664 分之一 |
经过 14 次迭代后,你已经完成了全部潜在工作量的 95% 以上。你所缺失的收益已经微乎其微——只有六十亿分之一。
为什么这些抽象的数学计算如此重要?
想象一下,“收益”对应着你的技能水平与地球上其他人的对比。如果你在第 1 次迭代后就停下脚步,你算得上称职(competent)。但如果你顶住残酷的边际收益递减,一路挺过第 10 到第 14 次迭代——在那个阶段,付出的努力极其煎熬,而肉眼可见的进步却微乎其微——你就不再仅仅是“称职”而已了。
当你距离完美只差六十亿分之一的收益时,你已经接近成为全世界绝对的第一人。
真正的精通,从来不在于前 20% 的工作,而在于在最后 5% 的递归苦修中坚持到底。
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。