01原理
一阶效应是决定落地后立刻看到的结果：降价，销量上升；加一道审批，出错变少；免费开放接口，用户变多。二阶效应是这个结果引起的反应：别人怎么调整行为，资源怎么重新流动，激励怎么被改写。再往后还有三阶、四阶。芒格把这个模型放在经济学里讲，是因为经济学最喜欢在一阶就停笔——一张图、一个弹性系数、一条外推曲线，算出来整齐好看，却默认世界上其他人不会动。
这个模型的通俗问法只有三个字：然后呢？假如这件事成了，谁会因此改变做法？他们改了之后，又会把什么推回到我身上？一阶效应通常是你想要的那个结果，所以你会仔细算；二阶效应常常和一阶方向相反，又发生在别人身上、发生在以后，所以最容易被省略。
对十人以内的 AI 公司，这个问题格外要紧。你做的很多决定——定价、免费额度、开放 API、让智能体自动执行某个动作——都会改变用户、竞争对手、平台和爬虫的行为。小团队没有缓冲层，二阶效应一来往往直接打在创始人自己的时间和现金上。
为什么成立
二阶效应之所以存在，核心是反馈：系统里的人会对你的决定做出反应，而他们的反应又改变了你决定所依赖的前提。Medicare 的预测者用过去的成本外推，但新制度本身改变了医院、医生和病人的激励，过去的数据就不再适用了。芒格把这类问题归到心理学：人有强烈的动机去研究规则、找出漏洞，而且找得很熟练。规则越值钱，被研究得越透。
它被忽略也有心理和组织上的原因。一阶收益具体、近、归功于决策者；二阶成本分散、远、常常落在别的部门或别的公司。外推预测又给人一种精确感，芒格在同一场讲座里说他不看投行的预测，就是因为这类数字把最难算的那一层悄悄设成了零。结果是：越是需要想“然后呢”的地方，越容易出现一份看起来很专业、却只算了第一步的方案。
02芒格怎么说
2003 年在加州大学圣塔芭芭拉分校的 Herb Kay 纪念讲座上，芒格列举学院派经济学的毛病，第七条就是太少关注二阶乃至更高阶的效应。他承认这很难，因为后果一层套一层；但他举了联邦医疗保险（Medicare）成本预测、加州工伤保险被系统性钻空子、李嘉图比较优势只算一阶收益等例子，说明专家为了得到好算的数字，干脆把“后果的后果”删掉了。他的补充是：人造的制度都会被博弈，设计制度时不考虑这一层，就等于给钻空子的人发奖。
the consequences have consequences, and the consequences of the consequences have consequences, and so on. It gets very complicated.
后果会有后果，后果的后果还会有后果，一直这样下去。事情会变得非常复杂。
They chose not to consider effects of effects on effects, and so on.
他们选择不去考虑效应对效应的效应，等等。
all human systems are gamed, for reasons rooted deeply in psychology
所有人造的制度都会被人博弈，原因深植于心理学。
03怎么用
- 01
定价和免费额度：先问谁会因此改变用法
改价格前，不只算“现有用户按新价会付多少”，还要写出三类人的反应：重度用户会不会换着法子把额度用到极限，羊毛党会不会批量注册，竞争对手会不会借机打价格战。每一类写一句“他们会怎么做”，再估一个数量级。算不清没关系，至少不要把这些人的反应默认成零。
- 02
设计规则时，假设它一定会被钻
推荐奖励、积分、按结果计费、内部 OKR，任何把钱或面子挂在某个指标上的规则，上线前让团队里最会“找漏洞”的人花半小时扮演对手：怎样用最少的真实价值拿到最多的奖励？找到的漏洞要么堵上，要么接受它的成本并写下来。芒格的意思很直接：容易被钻的制度，设计者要负责。
- 03
平台政策：别人的一阶决定，是你的二阶风险
你依赖的模型厂商、应用商店、社交平台调整价格或接口时，它们算的是自己的一阶收益，你的产品只是它们的二阶后果。把每个关键依赖列出来，问一句：如果它明天改价十倍或关掉接口，我还剩什么？然后给最脆弱的那一项准备一条退路。
- 04
预测里留一栏“行为会怎么变”
做增长或成本预测时，除了按历史数据外推的那一列，再加一列“这个决定会让谁的行为改变、往哪个方向”。哪怕只是文字，也能提醒你外推的前提可能已经被你自己的决定打破了。对智能体产品尤其如此：效率提高后，用量往往不是不变而是暴涨，按旧用量算的成本会失真。
- 05
决策记录写到第三步
重要决定的记录里，用“然后呢”连问三次：第一步谁受益，第二步谁会反应，第三步那个反应又会怎样改变我们的处境。写不出第二步的决定，说明你还没想完，而不是说明没有第二步。
04案例
Medicare 的成本预测：用过去外推一个会改变过去的制度
芒格在 2003 年的讲座里说，包括经济学博士在内的专家预测最初 Medicare 法案的成本时，只是简单外推了过去的费用，结果预测值还不到实际发生额的 10%（这是芒格给出的说法，本章没有另行核对具体年份的数字）。他的解释是：新制度一落地，就带来一整套新的激励，医疗服务的提供方和使用方都跟着改变行为，医学界也必然会发明出新的、更贵的疗法。一阶效应是“老年人看病有了保障”，二阶效应是“有了保障之后，看病这件事本身变了”。专家并不是不会算，而是为了得到好算的数字，选择不去算效应的效应。[1]
加州工伤保险：同一家拖车厂，30% 和 2% 的工资占比
芒格讲过一位朋友的例子：这家人控制着美国约 8% 的拖车市场，在德州的工厂里，工伤保险支出涨到工资总额的约 30%，造拖车根本没有这么高的利润，于是关厂搬到犹他州奥格登，那里的工伤保险支出约为工资的 2%。芒格特别强调，问题不在德州工人的品行，而在立法者设计的激励结构奖励了欺诈；他们没有考虑撒谎和作弊带来的二阶、三阶效应。这里的链条很清楚：一阶是“给受伤工人补偿”，二阶是“补偿规则被系统性地博弈”，三阶是“雇主带着工作岗位离开”。以上数字都来自芒格的讲述。[1]
杰文斯的煤：蒸汽机更省煤，英国烧掉的煤反而更多
英国经济学家威廉·斯坦利·杰文斯在 1865 年的《煤炭问题》里观察到：瓦特改进蒸汽机、大幅提高燃煤效率之后，英国的煤炭消耗不降反升。原因是每单位动力更便宜了，蒸汽机被用到越来越多的行业，总用量的增长盖过了单台机器的节省。他写道，以为节约使用燃料就等于减少消费，是一种概念混淆。这正是二阶效应的典型形态：一阶效应（单次用量下降）是真的，但它改变了价格，价格又改变了需求，最后的净结果和直觉相反。[2]
Reddit 给 API 收费：瞄准大模型公司，先砍倒了一人开发的 Apollo（大公司决策）
Reddit 是大公司，这里看的是它的决定如何落在一个人身上。2023 年 4 月 18 日，Reddit 宣布对 API 收费；在背景报道里，大语言模型抓取 Reddit 数据被列为主要考虑，CEO 史蒂夫·霍夫曼对《纽约时报》说，不该把这些价值免费交给世界上最大的一些公司。一阶效应是向数据使用方收钱。但同一套价格也落在第三方客户端头上：Apollo 的开发者克里斯蒂安·塞利格是一个人维护这款应用，他拿到的报价是每 5000 万次请求 1.2 万美元，按他的用量估算一年要付约 2000 万美元。Apollo 和 Sync、BaconReader、RIF 等应用在 6 月 30 日停止服务，此前 7000 多个子版块发起了停摆抗议。对小团队的教训有两层：你依赖的平台改规则时，你就是它没算进去的那一阶；反过来，你自己定价时，也要问清楚这个价格还会砸到哪些你没打算针对的人。[3][4]
05误用与边界
无限推演，什么都不做
后果可以一直推下去，推到第五层基本就是在写小说。二阶思考的目的是找出方向会反转、或者代价会落在你身上的那一两环，而不是把每个决定都变成一篇论文。可逆、便宜的决定，想到第二步就够了，剩下的交给实验和观察。
把想象出的二阶效应当成事实
“这样做会让竞争对手降价”“用户会因此流失”，这些推测很容易被拿来否决任何改变。每条二阶推断都该问一句：有没有类似情况的先例，或者能不能用一个小实验看到苗头？没有证据的连锁反应只是假设，不应比一阶的实际数据更有分量。
只推坏的二阶，不推好的
二阶效应不全是坑。杰文斯的例子对卖煤的人是好消息；推理成本下降对做应用的人也可能意味着更大的市场。只用这个模型来找风险，会让你系统性地低估那些“一阶看起来亏、二阶会赚”的决定，比如开源一部分代码换来社区和分发。
06检查清单
下次做相关决策前逐条过一遍。勾选只保存在你的浏览器里。
08来源
- 1
- 2
- 3
- 4