你在高速上开着开着，车流忽然慢了下来。前面没有事故，没有施工，也没有红灯。你跟着车队一点点往前挪，过了一阵，路又莫名其妙地通了。

2008年，日本研究者Sugiyama和同事们做过一个环形道路实验。他们安排22辆车在一条封闭的圆形道路上行驶，要求司机尽量保持每小时30公里的速度和安全距离。道路没有出口，没有红绿灯，也没有人为设置的障碍。几分钟后，原本均匀的车流里还是出现了走走停停的堵车，学术上把这种现象叫做幽灵堵车，也叫"交通波"——减速信号沿车流反方向传播的现象。

更有意思的是，所有车都在向前开，减速波却一路向后传。

很难把这场堵车归到某一辆车头上。没有司机打算把路堵住，单独一辆车也谈不上拥有某种"波速"。可那团不断后移的减速区域确实存在，能测量，也能在实验中再次出现。

它从一次很小的速度波动开始。前车稍微慢了一点，后车过一会儿才看见，于是踩下刹车。车距已经很近，后车为了留出安全距离，往往会多减一点速。再后面一辆车看到刹车灯，反应又晚了一步，刹车也可能更重。这样的反应一辆接一辆传下去，原本很小的波动逐渐放大。车还在往前走，减速区域却从前车传到了后车。

这种现象还有一个条件。路上的车得多到一定程度，车距也已经压得很近。车辆稀少时，后车松一下油门就能吸收前面的波动。车流密度上来以后，反应延迟和一次次过度减速才有机会把小波动放大成堵车。

每个司机的动作都有眼前的理由。他只是在应对前车，整条路上却出现了谁也没有安排的幽灵堵车。

天上的鸟群突然转弯时，队形会像一整块东西那样偏过去。这种协调未必需要领头鸟。每只鸟得到的主要是附近信息。身边的鸟一转向，它也跟着调整；它的动作又会影响更远一点的同伴。变化一圈圈传开，整个鸟群便转向了。

1987年，计算机科学家克雷格·雷诺兹用三条简单规则模拟出了类似的效果。离得太近就避开，方向差得太多就跟上，离群太远就靠拢。程序没有规定鸟群应该排成什么形状，也没有指定哪只鸟负责带队，虚拟鸟群照样会聚拢、散开和转向。

这三条规则并不是现实鸟群的完整生物学解释。真实飞行还会受到视觉范围、反应速度和空气动力等因素影响。这个模拟证明了一件更基础的事。个体只按照身边的信息行动，也可能形成整个群体的协调。

英国数学家约翰·康威在1970年设计了一个程序，名字叫"生命游戏"。它由一张二维网格组成，每个格子只有"活"和"死"两种状态。

规则只看每个格子周围八个相邻格子，分两种情况：

如果这个格子是活的——周围活邻居（周围八个格子里当前是活状态的格子）少于2个，死（太孤独）；正好2或3个，活（刚好）；超过3个，死（太拥挤）。

如果这个格子是死的——周围正好有3个活邻居，活（诞生）；其他情况，继续死。

所有格子根据上一轮的状态同时更新，进入下一代。

规则就这些。

一开始把五个活格摆成某种特定形状，网格运行几轮后，会出现一种叫"滑翔机"的图案。第一轮，原来的几个格子熄灭，旁边几个格子亮起。第二轮，再换一批格子亮起。每过四轮，同样的五格形状会在斜前方重新出现，位置刚好平移一格。看上去像有个小东西沿着网格对角线向前滑行。

从头到尾，格子都待在原位。变化发生在格子的生死状态上，同一种形状因此一次次出现在斜前方。我们看到的移动，属于图案。

堵车波找不到属于哪辆车，滑翔机也不藏在某个格子里。鸟群的协调同样要等许多只鸟一起飞时才会显出来。

三个现象有一条共同的过程。个体先按照身边的规则行动，这个动作影响邻居，邻居的反应又传到下一轮。互动反复发生，整体便出现了一种单个部分没有的性质。

这就是涌现。

"每个人都做得合理，整体却出了问题"是涌现的一种常见表现。它还可以发生在没有理性可言的系统里。生命游戏中的格子不会思考，也不会学习，固定规则照样能产生移动的图案。

理解涌现，重点要放在互动上。只研究一辆车的性能，解释不了幽灵堵车怎样形成。只盯着一只蚂蚁，也看不到蚁群怎样协作。单个对象的性质当然重要，可整体结果还取决于它们怎样连接，又怎样彼此影响。

1972年，诺贝尔物理学奖得主菲利普·安德森在《科学》杂志发表《多者异也》。他提醒人们，知道每个部分怎样行动，依然不能直接读出整体会出现什么。

但这也并不是什么神秘力量。堵车波怎么形成的，我们已经看到了。鸟群怎么协调的，雷诺兹已经模拟出来了。滑翔机怎么移动的，康威的规则写得清清楚楚。涌现可以研究，可以模拟，可以事后追溯。

还有一点需要注：生命游戏的格子不会学习，不会思考，规则从头到尾不变，但滑翔机照样出现，涌现不要求个体有学习能力。上一篇思维模型我们讲的复杂适应系统，要求系统中的主体会根据环境和经验改变策略；涌现只关心微观互动怎样形成整体性质。生命游戏能产生涌现，但它不是复杂适应系统。

涌现也会出现在公司里。

设想一家做会员服务的内容平台。销售、运营和客服都根据同一个"高价值客户评分"挑选优先联系的对象。站在各自岗位上，这个选择很正常。高价值客户当然应该优先服务。

麻烦出在团队之间看不到彼此的联系记录。第一轮名单发下来，三个团队同时找上了同一批客户。少数客户一天收到几条消息，这还只能解释最初的重复联系。接下来的反馈让情况越来越严重。

客户只要点击或回复，活跃分就会上升。有些系统甚至会把被联系的次数也算进活跃度。分数一高，下一轮名单又把这些客户排在前面。更多团队继续联系，系统得到更多互动记录，评分跟着再涨。几轮下来，消息越来越集中在少数人身上，退订也开始增加。

没有哪个团队把"反复打扰客户"写进了目标。这个结果来自一套共同评分、各团队自己的考核任务，以及彼此看不见联系记录的工作方式。

把责任全压到某个执行者身上，解释不了这条反馈。系统设计者仍然要负责。三个团队看不到同一位客户已经收到多少消息，本身就是设计缺陷。涌现不能替任何人免除责任，它只是告诉管理者，问题还藏在规则和连接里。

鸟群的协调很漂亮，幽灵堵车却让人头疼。涌现本身没有好坏方向。

1971年，经济学家托马斯·谢林做过一个模型。想象一张棋盘，上面摆着两种颜色的棋子，比如红和蓝，中间留一些空格。每个棋子代表一户家庭，它会观察周围八个邻居的构成。

规则只有一条：如果周围同类邻居的比例低于自己的容忍底线，这户家庭就搬到棋盘上一个随机空格去。比如容忍底线设为30%，意味着只要周围有至少三成邻居和自己同类，这户家庭就满意，不搬。

这个底线相当宽容。每户家庭都愿意接受70%的异类邻居。你可能觉得，这么宽容的偏好，不至于产生什么大问题。

但棋盘运行起来以后，情况变了。某一户因为周围同类邻居恰好少了点，搬走了。它原来待的位置变成空格。这个空格改变了周围邻居的邻居构成——有人因为少了这一个同类邻居，自己也跌破了底线，也跟着搬。搬走的人又留下了新的空格，影响了更多人。连锁反应一户接一户传开。

几轮之后，地图上出现了明显的变化。原先红蓝混合的区域逐渐分开，大片同色聚居区开始出现。最后的隔离程度，远远超过任何一户家庭最初的要求。每户家庭只想要30%的同类邻居，最终得到的却是几乎完全隔离的社区。

谢林模型说明，温和的局部偏好也可能产生明显的整体隔离。但这个模型不能单独解释现实中的种族隔离。现实隔离还受到法律、住房政策、信贷歧视、收入差距和历史路径等多种因素影响。

涌现有明确边界。一次偶发事故、随机噪声或一句笼统的"管理失控"，还不足以说明涌现已经发生。我们需要看到一种可以识别的整体模式，还要找到它怎样由个体互动反复产生。

整体出现了意外结果，原因可能有很多。涌现只是其中一种。怎么区分？可以顺着四道关往下查。

第一关：结果能不能直接相加？

10名销售各卖5件，总量50件。不管他们之间有没有互动，结果都一样。每个人独立贡献的部分加起来就是整体，不需要互动来解释。这属于简单加总，不是涌现。

反过来，堵车波不是22辆车的速度简单相加。你把每辆车的性能数据加在一起，也得不出一个向后传播的减速区域。结果不等于部分之和，这才有可能谈涌现。

第二关：是不是共同外因在驱动？

下雨时，街上的人几乎同时撑伞。看起来像协调行动，实际上每个人都是因为雨。人与人之间没有互相影响，同步来自同一个外部原因。共同外因能解释的，不需要涌现。

反过来，堵车那天没有下雨，没有事故，没有施工。每辆车减速不是因为同一个外部信号，而是因为前车减速了，后车才跟着减速。原因在车与车之间传递，不在车之外。

第三关：是不是统一命令在指挥？

无人机灯光秀能在夜空拼出巨大图案，看起来像整体协调。但每架无人机每一秒的位置，都是中央程序提前算好、逐帧指定的。图案来自统一命令，没有经过局部互动形成。统一命令能解释的，也不是涌现。

反过来，鸟群没有中央程序。没有哪只鸟在指挥其他鸟。每只鸟只根据身边的信息调整自己，协调是从互动中长出来的。

第四关：改一个环节，整体模式会不会变？

前三关排除的是"不是涌现"的情况。第四关要做的是正面验证：试着改动一个环节，看整体模式是否跟着变化。

拿公司案例来说。暂时停掉"互动次数影响下一轮评分"这条规则，看看消息还会不会集中在少数客户身上。也可以分开客户名单，让三个团队不再联系同一批人，再看重复打扰是否下降。如果整体模式随着某个环节的改动而减弱或消失，说明这个环节参与了模式的形成和维持。每次只改一个环节，才能看清是哪条连接在起作用。

四道关走完，如果结果不能简单相加、不能归因于共同外因、不能归因于统一命令，而且改一个环节后整体模式确实跟着变，那么把它叫作涌现就有了比较扎实的基础。

还有一个容易混淆的用法。大模型研究常说"涌现能力"，关心的是模型规模扩大后某种能力是否突然跳出来，它问的是"什么时候出现"；本文讨论的涌现问的是"怎么出现的"——微观个体怎样通过互动，在整体层面长出新的性质。

由反复互动形成的模式，通常不会因为一句命令就发生改变。你对车流喊一声"别堵了"，后面的司机还是要根据眼前车距踩刹车。你对团队喊一声"别重复联系客户了"，大家回到岗位上，评分系统还在运转，旧模式还会回来。

但改变局部规则，确实可能影响整体。

2018年，Stern等人在环形道路实验中验证了这一点。22辆车在封闭道路上行驶，堵车波已经形成。研究人员加入一辆受控车辆，这辆车尽量保持平稳速度，少做突然加速和急刹车。只改了1辆车的跟车方式，整个车流的走走停停就明显减弱了。后续理论分析也支持这个结论。

这个实验说明的道理可以直接搬到管理中。涌现的模式由四类条件维持，管理者能动的地方也在这四处：

改规则——改变个体依据什么做决定。比如把单一的高价值评分拆成多个维度，让不同团队关注不同维度，从源头减少所有人挤在同一批客户上的动力。

改连接——改变谁能看见谁。比如让销售、运营和客服共享触达记录，打破信息隔离。一个团队联系过的客户，其他团队能看到，就不会重复联系。

改反馈——改变行为结果怎样返回并影响下一轮。比如暂时停掉"互动次数自动抬高价值评分"这条规则。评分不再因为被频繁联系而升高，集中触达的反馈链就断了。

改约束——改变系统的容量和边界限制。比如限制单个客户每周最多被联系几次，不管评分多高。这是一道硬边界，不管反馈链怎样运转，都不能突破。

这四处不必同时动。先改一处，观察整体模式是否变化，再决定要不要动下一处。

前面讲了一堆案例和原理，真遇到问题时该怎么用？我们通过前文公司案例来完成一次流程的排查。

第一步：先搞清楚你在看什么。

这个案例里，个体是销售、运营和客服三个团队，整体是共同服务的客户群，观察周期按周算。

这一步看着简单，但很多人跳过了它，当复盘"整体出了问题"时就容易各说各话，就是因为没先说清楚"整体"到底指什么。

第二步：说清楚整体出了什么问题。

不能只说"客户体验不好"，这太笼统。要具体到：少数客户收到的消息越来越多，退订集中出现在这群人里。问题说得越具体，后面找原因就越有方向。

第三步：顺着行动画一条链。

从一轮行动开始往后追。团队联系客户，系统记下互动记录。记录拉高活跃分，活跃分拉高客户评分。评分高的客户进入下一轮优先名单，团队再次联系。画到这里，一个转圈圈的反馈链就出来了。这一步最重要——找到反馈链，就找到了模式维持的发动机。

第四步：排除其他解释。

别急着下结论，先问几个问题。是不是大促期间才这样？查一下，不是，平时也有。是不是系统故障误发了消息？查一下，每条都有人工操作记录。是不是有人下了一条统一指令？没有，各团队根据评分各自挑人。其他解释都排除了，互动反馈这条链就更站得住。

第五步：挑一个地方动手。

前面讲过四个干预点：改规则、改连接、改反馈、改约束。不用四处同时动，挑一个最有把握的先试。比如先停掉"互动次数自动抬高价值评分"这条反馈——它最像发动机，断了它看看模式会不会跟着变。

第六步：小范围尝试，并多看一步。

先在一小批客户中停掉互动次数计分，观察重复联系和退订有没有下降。如果下降了，说明这条反馈确实在维持模式。但别急着全推——多看一步：那些安静但重要的客户，会不会因为评分规则变了反而被漏掉？复杂系统里的干预经常带来新的意外结果，试验范围越小，调整起来越容易。

整体结果不属于任何一个人，却会随着规则、连接、反馈和约束一起变化。

这是思维模型系列的第93篇。