苏江：E^F 定律

一、四条基本公理

让我提出四条公理。它们不是我发明的，只是把散落在不同领域的观察形式化了。

公理一：能量守恒与稀缺

E_total = C

个体的总能量是恒定的常数，且极其有限。

这里的"能量"是广义的，包括时间、精力、体力、金钱。你每天只有24小时，你的大脑只能同时处理有限的信息，你的钱包里只有那么多钱。这些资源可以互相转化，但总量是守恒的。

公理二：行为即投资

Action = Investment(E) → R

任何非睡眠状态的行为，本质上都是在支付能量 E，以期换取某种形式的回报 R。

回报可以是资金回报 R_m，可以是情绪回报 R_e（快乐、满足感），也可以是认知回报 R_k（学到新东西）。但无论形式如何，每一个行为背后都有交易的本质：你付出了什么，你期望得到什么。

这一条公理意味着：不存在"免费"的行为。 即使是"随便刷刷手机"，你也付出了时间和精力，只是你可能没有意识到这笔交易的成本。

公理三：信息熵增

dS_info/dt > 0

外界信息流的熵（混乱度/噪音）呈指数级增长。

这一条在AI时代尤其真实。当内容生产的边际成本趋近于零时，信息总量会爆炸式增长。但信息量的增长不代表信息质量的提升。相反，噪音增长的速度远快于信号增长的速度。

薛定谔在《生命是什么》中说过：生命以负熵为食。生物体通过从环境中获取有序能量来维持自身的有序状态。套用到信息时代：心智以低熵信息为食。 如果你摄入的都是高熵噪音，你的思维也会变得混乱。

公理四：能量密度决定做功效率

F = E / A

同样的能量，分散在100件事上，和聚焦在1件事上，效果完全不同。

物理学中，力（F）和压强（P）是不同的概念。压强 = 力 / 受力面积。一根针能刺穿皮肤，不是因为力大，而是因为受力面积小，压强极高。

同样的道理：你的能量如果分散在100个群消息、5个项目、3个热点上，每个点上的"压强"就极低。在高噪音环境中，只有高压强才能穿透阈值，产生实际效果。

这就是为什么散光只能照亮物体，而激光能切割钢铁。

二、从公理推导定理

有了这四条公理，我们可以开始推导。

定理一：价值反转定理

推导过程：

根据公理三，信息总量在指数增长。根据公理一，人能处理的信息量是恒定的。当信息供给远大于处理能力时，单位信息的价值必然下降。

在前AI时代，获取信息是稀缺行为。谁能接触到更多信息，谁就有优势。所以我们建图书馆、订阅报纸、交学费听课。

在AI时代，生产信息变成了廉价行为。任何人都可以在几秒钟内生成一篇文章。此时，信息本身不再稀缺，稀缺的是：判断哪些信息值得你投入能量。

这带来一个反直觉的结论：你不应该通过"增加信息"来创造价值，而应该通过"减少别人需要处理的信息"来创造价值。

谁能降低别人的信息熵，谁就能获得最高溢价。

定理二：势能-动能转换定律

推导过程：

根据公理二，所有行为都是投资。投资有回报率的问题。

假设你花1小时做一件事。如果这件事做完就完了，没有任何后续效益，那么你的回报 R 最多等于你这1小时能产生的即时价值。这叫做"动能型"工作。

但如果这1小时产出了某种可以持续发挥作用的东西，比如一段代码、一篇文章、一个流程模板，那么这个产出可以在未来持续产生价值，甚至随着时间增长。这叫做"势能型"工作。

动能型工作的例子：回复邮件、开会、刷社交媒体、处理日常琐事。

势能型工作的例子：写一个自动化脚本（一次编写，无限运行）、写一本书（一次思考，无限阅读）、建立一个品牌（一次积累，持续变现）。

对于动能型工作，由于每个人的时间都是有限的，而且这类工作往往高度同质化，竞争会导致回报趋近于投入。你加班，别人也加班。你降价，别人也降价。最终利润趋近于零。

对于势能型工作，回报可以远大于投入，因为产出物具有复制效应。

代码和深度内容是"被固化的能量"。 你投入一次，它可以工作无数次。这是唯一能让 R > E 的路径。

定理三：信噪比阈值定理

推导过程：

根据公理一，人的能量是有限的。根据公理三，噪音在指数增长。

当噪音背景足够高时，会发生什么？接收者的大脑会自动建立防御机制，过滤掉大部分输入。这不是有意识的选择，而是资源的自我保护。

在这种环境下，"普通"的信号会被当作噪音过滤掉。只有那些信噪比极高的信号，才能突破阈值被接收。

这意味着：中庸的内容、普通的工具、大众化的观点，在AI时代不是"价值低"，而是"不存在"。

因为它们会被淹没在噪音背景辐射中。你写了一篇"还可以"的文章，从统计上看，它和没写一样。

只有以下几类信号能穿透阈值：

极度犀利的观点，能在3秒内抓住注意力。

极度垂直的内容，精准命中特定人群的特定需求。

极度有情感共鸣的表达，绕过理性直接打动本能。

定理四：活化能阈值定理

推导过程：

根据公理四，能量密度决定做功效率。根据公理三，外界噪音在不断增加。

化学反应需要足够的能量才能突破活化能壁垒。同样，把一个想法变成一个产品、把一堆素材变成一篇文章、把一个技能变成一项收入，都需要突破某个"阈值"。

这解释了一个常见现象：很多人看似很努力，实则无产出。

你想写书，每天写10分钟，坚持了一年。产出为零。因为每次你都没烧开那壶水（没达到阈值），水就凉了。

你做项目，每天修修补补1小时，被各种消息打断。产出极低。

唯有"深度工作"，即在高能量密度下连续投入，才能瞬间击穿阈值，把想法变成固态资产。

三、E^F 定律：综合公式

基于以上四条公理和四个定理，我们可以构建一个综合公式来描述价值创造：

V = (E^F × S) / N

V 是你能创造的价值。

E 是你投入的有效能量。不是你"花费"的时间，而是真正产生效用的那部分。

F 是你的专注系数（Focus），取值范围从0到无穷大。它作为 E 的指数，决定了能量的"燃烧效率"。

S 是你的系统化程度，也可以理解为"势能转化率"。你有多少产出是可复用的？你的工作有多少能被杠杆放大？

N 是你摄入的噪音量。注意，不是信息量，是噪音量。高质量信息不算噪音，反而会增加 E 的效率。

这个公式的美妙之处：

如果 F < 1（分心状态）：你的能量 E 会被开根号，投入越大，折损越多。这就是"越忙越穷"的数学解释。

如果 F > 1（心流状态）：你的能量 E 会呈指数级增长。这解释了为什么一个顶尖程序员1小时的产出，可以超过普通程序员1个月的产出。

它告诉我们在信息洪流中的生存策略：与其增加 E（熬夜加班），不如提高 F（屏蔽干扰进入深度工作）。

四、麦克斯韦妖：一个物理学启示

1867年，物理学家麦克斯韦设计了一个思想实验。

假设有一个盒子，被隔板分成两边。盒子里充满气体分子，有些跑得快，有些跑得慢。隔板上有一扇小门，由一个假想的小生物控制。这个小生物能分辨分子速度：快分子来了就开门放到右边，慢分子来了就关门挡住。

一段时间后，右边全是快分子（高温），左边全是慢分子（低温）。温差产生了。秩序从混乱中被创造出来。

这个小生物后来被称为"麦克斯韦妖"。

麦克斯韦提出这个实验是为了思考热力学第二定律的边界：能否通过智能操作来逆转熵增？后来的研究表明，这个妖需要消耗能量来获取信息（分辨分子速度），所以实际上并不违反热力学定律。

但这个思想实验对我们有另一层启示：

在信息世界，"守门人"的角色极其珍贵。

守门人不生产信息。守门人只做一件事：分辨，然后决定让什么通过。

大多数人在信息时代的角色是"搬运工"。信息来了就处理，处理完了就没了。他们的 S 很低，N 很高，F 接近1甚至小于1。

少数人是"守门人"。他们有一套过滤机制，无论是自己写的脚本，还是一套判断框架，还是一群可信赖的信息源。信息必须通过这道门才能进入他们的视野。

守门人的价值在于：他们用有限的能量创造秩序，从混乱中筛出有价值的信号。

五、实践推论

从上述公理和定理出发，可以推导出一些实践性的结论。

关于 N（噪音）： 刻意减少噪音摄入可能比刻意增加工作时间更有效。根据公式，降低 N 的效果等同于提高分子。如果你能把每天的无效信息摄入减少50%，等同于你的有效产出增加了一倍。

关于 F（专注）： 这是最容易被低估的变量。大多数人的 F 常年在1以下，导致投入的 E 被打折。提高 F 的方法不是"更自律"，而是"更隔离"。关掉通知、设定专注时段、物理隔离干扰源。

关于 S（系统）： 优先选择能产生势能的工作。问自己一个问题：这件事做完之后，能不能被复用？如果答案是否定的，它就是纯粹的动能消耗。长期来看，积累势能的工作会产生复利效应。

关于 E（能量）： 这是大多数人唯一关注的变量，但它是最不重要的杠杆点。因为 E 是线性的，而 F 是指数的。与其多投入2小时（E+2），不如让现有时间的专注度翻倍（E^2）。

关于内容创作： 在高噪音环境中，中庸等于不存在。如果你要写东西，要么极度深刻，要么极度实用，要么极度有趣。如果只是"还行"，从统计上看和没写一样。

关于商业模式： 帮别人降低信息熵是最有价值的服务。不是帮别人生产更多信息，而是帮别人过滤信息。策展、筛选、推荐、验证，这些都是在做守门人的工作。

六、怎么做

回到开头的问题：在信息爆炸的AI时代，人应该怎么活？

四条公理告诉我们：能量是有限的，行为是投资，噪音在增长，密度决定效率。

四条定理告诉我们：过滤比生产有价值，势能比动能重要，中庸等于不存在，只有超过阈值才能产生转化。

E^F 定律告诉我们：真正的杠杆不在于投入更多能量，而在于提高能量的密度。F 作为指数，对结果的影响远大于作为底数的 E。

这些结论不是励志鸡汤，而是从基本公理推导出来的必然结果。

大多数人每天都在低 F 状态下投入大量 E，同时被高 N 淹没，几乎没有 S 的积累。公式的结果是：V 趋近于零。这就是"越忙越穷"的数学本质。

少数人刻意提高 F（深度工作），控制 N（过滤噪音），持续积累 S（构建系统）。即使 E 不比别人多，V 也会呈指数增长。

你选择做哪种人？

这不是意志力的问题。这是物理定律。