短缺的数学

一、从早餐到国家预算：稀缺性的多种面孔

每天早晨六点半，闹钟响起的那一刻，你已经站在了一个小型经济决策的起点。你的身体想要八小时睡眠，但工作要求你七点出门；你脑子里装着十几个待办事项，但醒来之后的清醒时间只有十五分钟；冰箱里有鸡蛋、牛奶、面包，柜子里有速溶咖啡，但时间只够认真完成其中一部分。每一项需求都在争抢同一段时间，每一份资源都在等待被分配到一个具体用途上。时间不够用。

这就是经济学家口中的稀缺性。它不是某个国家、某个时代的特殊现象，而是一种普遍存在的事实：人的欲望永远比用来满足欲望的资源多那么一点。钱不够花，时间不够用，假期不够长，连书架上的空间都不够放你想读的书，连朋友圈都装不下你想见的人。这些"不够"不是抱怨，而是人类处境的基本特征。任何活着的人、任何运转中的组织、任何运行中的经济体，都躲不开这个事实。

把镜头拉近一点，看一个更具体的例子。

早上七点一刻，你站在厨房里。冰箱里有鸡蛋、牛奶、面包，柜子里有速溶咖啡。摆在面前的选择其实是一道小型资源分配题：你只有二十分钟，而二十分钟里你得完成冲咖啡、热牛奶、煎蛋、烤面包这四件事。如果每件事都认认真真做一遍，需要三十分钟。差十分钟。

应对方式很朴素，就是取舍。你可以放弃煎蛋，换来十分钟的从容；你可以放弃烤面包，改吃冷面包配热牛奶；你也可以全部放弃，直接去公司楼下买早餐。每一种方案都对应一种"放弃的东西"。你最终选的那个方案，就是你在一系列约束条件下做出的最优判断。

这里有三层结构。第一，存在一个客观的约束：你的时间只有二十分钟，你不可能把三十分钟的事情塞进去。第二，存在多个可选方案：放弃煎蛋、放弃烤面包、或者全部放弃去外面买。第三，存在一个主观的排序：你认为哪件事对你今天上午的状态最重要。这个排序决定了"最优"对你来说具体意味着什么。

这套结构一旦被你掌握，你就能把它从厨房搬到客厅，再从客厅搬到会议室。因为同样的逻辑会出现在你做月度预算、做职业选择、做旅行规划时。

把镜头再拉远。一个四口之家，月收入两万块。房租五千，水电煤气一千，孩子学费三千，交通通讯一千五，伙食两千五，娱乐两千五。这七项加起来已经一万五千五，还剩四千五的余裕。但这一年，孩子要报一个钢琴班，每月两千；父亲要做一次小手术，需要自付三千；家里想买一台新洗衣机，预算两千。这些新需求加在一起，至少需要七千，远超那四千五。

家庭主妇或家庭主夫面对的问题，和你早上七点一刻在厨房面对的问题，本质上是同一类问题：资源有限，欲望无穷，怎么办？只不过规模大了一点，从二十分钟变成了两万块，从一个人变成了一家人。但解题的逻辑一模一样：先列出约束，再列出可选方案，再给目标排序，最后挑一个相对最满意的。

继续把镜头拉远。国家财政也是如此。一个国家的财政收入有限，但教育、医疗、国防、基础设施、科研、社会保障，每一个领域都需要钱。以中国为例，2023 年全国一般公共预算收入大约是 21 万亿元，而支出超过 27 万亿元，差额需要通过国债、转移支付和其他方式弥补。美国 2023 财年的联邦支出约 6.1 万亿美元，财政收入约 4.4 万亿美元，缺口约 1.7 万亿。这些数字不是失误，而是结构性事实：现代国家的支出需求永远超过其正常收入。

企业也是一样。一家手机厂商有十亿元的研发预算。芯片研发要三亿，操作系统要两亿，影像系统要一亿五，工业设计要八千万，市场调研要五千万，加在一起已经七亿八。还有供应链改造、专利申请、测试设备、招聘费用，每一项都想花钱。CEO 面对的表格，和家庭主妇的表格长得几乎一模一样。

到这里你会发现，稀缺性的"多种面孔"背后，是同一个形状的问题：

$$ \text{约束} + \text{目标} + \text{可选方案} = \text{决策问题} $$

无论你是个人、家庭、企业还是国家，只要这三样东西凑齐了，你就在面对一个经济学问题。这也是为什么经济学虽然诞生于对国家财富的研究，却能解释你早餐吃什么、假期去哪玩、要不要换工作。

这里需要澄清一个常见的误解：稀缺性不是"东西少"。沙漠里只有一壶水，对落入沙漠的人构成的是生存问题，不是经济学问题。经济学关心的是"用有限的东西去满足无限的欲望"这件事，因此它必然涉及选择。一个没有选择余地的世界，是物理学和工程学的领域，不是经济学的领域。稀缺性的本质是"有多个值得做的事情，但资源只够做其中一部分"。

用一句话概括：稀缺性 = 资源有限 + 欲望无限 + 多种可选方案。三者缺一不可。

到这里，本章已经给出了第一个核心概念。接下来的任务，是把这个概念拆开，看看它如何逼出另外两个概念：选择和代价。

二、经济学的起点：选择、代价与权衡

理解了稀缺性的结构之后，下一个问题就是：当资源不够用的时候，我们怎么办？

答案很朴素：选择。

选择的反面是"全都要"。但全都要意味着资源不够，必然有一部分欲望被牺牲。那么问题来了，被牺牲的那部分，到底意味着什么？

经济学家给了它一个非常具体的名字，叫机会成本。这个词听起来有点学术，但它表达的意思朴素到令人惊讶：你做一件事的成本，不是这件事花掉的钱或时间，而是你因为做这件事而放弃的所有其他可能的事情中，最有价值的那一件。

举一个例子。你下班后有两个小时的空闲，你可以加班赚 200 元加班费，也可以去健身房锻炼身体，还可以陪孩子读绘本。如果你选择加班，那你今晚的成本不是"两小时"，而是"放弃陪孩子读绘本"，因为在所有放弃的事情里，你认为陪孩子读绘本对你来说最珍贵。如果你选择陪孩子读绘本，那成本就是"放弃 200 元加班费"。

这个定义有一个反直觉的地方：成本是相对的，不是绝对的。同样的两个小时，加班的人觉得成本是"失去陪孩子的时间"，健身的人觉得成本是"失去加班费"，陪孩子的人觉得成本是"失去健身效果"。成本跟着选择走，不跟着事情本身走。

所以经济学家讲成本，从来不是讲"我花了多少"，而是讲"我放弃了什么"。这一点是经济学思维方式里最反常识、最有价值、也最容易被人忽略的一块。一旦你理解了它，你看世界的眼光会变。比如你看到朋友花两千元买一台蓝牙耳机，你的第一反应不再是"有钱真好"，而是"他放弃了两千元能买到的其他东西中最有价值的那一件"。这种反应不是势利，而是帮你看穿消费决策背后的真实取舍。

理解了机会成本之后，"权衡"这个词就变得有血有肉了。权衡不是"反复考虑"，而是"在不同的放弃方案之间挑一个"。它本质上是把多个机会成本摆在一起比较的过程。

举个更具体的例子。你正在考虑要不要跳槽到一家新公司。新公司给你涨薪 30%，但离家远了 40 分钟车程，办公环境你不熟悉，团队规模从 50 人变成 500 人。在这个决策里，你需要权衡的至少包括：涨薪 30% 对你意味着什么，每年多赚多少，能覆盖房贷压力吗，能让孩子上个更好的兴趣班吗？通勤多 40 分钟对你意味着什么，早上几点要出门，晚上几点能回家，能陪家人吃饭吗？团队规模变大对你意味着什么，你是喜欢在小团队里做核心贡献，还是喜欢在大平台里接触更多资源？放弃当前公司意味着什么，你在这里积累的人脉、信任、期权、晋升通道，会一并消失吗？

每一个选项背后，都站着它对应的机会成本。涨薪 30% 的机会成本是"更多的通勤加上更大团队的陌生感"，留下来的机会成本是"错过这次涨薪"。做决策的过程，就是把这些机会成本一一摊开，权衡利弊，然后做出一个选择。这个选择不一定是最优的，但它是你在那个时刻、在那些信息条件下做出的最好判断。决策学里有一句老话：一个及时的好决策，远胜过一个迟到的完美决策。

经济学把这种思维训练得很成熟。它不假设你是全知的，也不假设你是完全理性的。它只是告诉你：当你站在一个分岔路口，请把每条路都走到头，看看它让你放弃什么，然后回头比较。这种训练的价值，远远超过任何具体的决策结果。它适用于几乎所有需要在有限资源下做选择的场景。

这里有一个值得记住的决策清单。当你面对一个不熟悉的选择题时，可以按下面五步走。

第一步，明确列出所有约束，时间、钱、人脉、健康、家庭关系，哪个是真硬的约束，哪个是软的。第二步，列出至少三个可行方案，不要只盯着"做"或"不做"二选一；不跳出二元对立，往往是因为想象力不够。第三步，对每个方案估算它对应的机会成本。第四步，确认你最在意的目标是什么，是钱、是时间、是关系、还是意义。第五步，把方案和目标对齐，挑出最匹配的那一个。

这套清单不一定能让你做出完美决策，但它能让你避免两个常见的错误：冲动决策（只看到收益没看到成本）和拖延决策（试图把所有信息收集全再行动）。前者靠列出机会成本解决，后者靠明确约束和排序目标解决。

到这里，本章给出了第二个核心概念。机会成本和稀缺性是一对孪生兄弟：稀缺性告诉我们"为什么必须选择"，机会成本告诉我们"选择的代价是什么"。这两个概念加起来，已经能解释我们日常生活中绝大多数的取舍难题了。

但仅靠这两个概念，还不足以让我们面对真正复杂的问题。比如前面那个家庭月度预算的例子，要让两万块覆盖所有需求，不是"放弃哪些"这么简单，而是要在几十个项目里精确分配，让每一块钱都花在刀刃上。这种问题靠"列举加比较"已经不够了，需要一个数学工具。这就是下一节要讲的内容。

三、最优化思想的朴素直觉：在限制中求最好

现在我们已经知道，稀缺性问题有三个组成部分：约束、目标、方案。在做早餐那种小问题上，凭直觉就能解决。但当约束变多、方案变多、目标变得多维度时，直觉就开始失灵了。

举一个例子。一个工程项目要在六个月内完成，有三道工序 A、B、C。A 必须先做，B 必须在 A 完成后开始，C 必须在 B 完成后才能开始。每道工序都需要一定的人力和时间，资源在不同工序上的分配会影响总进度。如果你只让 A 用全部资源，那 B 和 C 都要等很久；如果你同时投入三道工序，资源又会被切碎，每道工序都做不快。

这个问题不再是"放弃哪些事情"的问题，而是"每件事情各分多少资源"的问题。这种问题有一个共同的名字，叫最优化。

最优化这个概念朴素到可以用一句话讲清楚：在所有满足约束的方案中，找一个让目标最好的方案。

它的反面是"完美方案"。完美方案要求每一项指标都达到最大值，但在资源有限的世界里，完美方案几乎不存在。经济学和工程学教给我们的，不是怎么追求完美，而是怎么追求"最不坏"，也就是在所有可行的方案里，挑一个不那么差的。

这个转变很重要。我们大多数人从小被教育的是"做到最好"，但在资源约束的世界里，"做到最好"这个目标本身可能就是不存在的。一个项目不可能又快、又好、又便宜，只能在这三者之间挑两个。一个学生不可能既学得最多、又学得最深、又学得最轻松，只能在不同维度上分配精力。一个国家不可能在国防、教育、医疗、养老上都做到世界第一，只能在有限预算下让每一项都过得去。

最优化思维的核心，就是承认"做不到完美"，然后去问"那怎么办"。具体怎么"办"，数学家们已经给出了非常系统的工具。

最朴素的工具叫线性规划。这个名字听起来吓人，但它的意思是：在目标和约束都是"线性"（也就是不弯曲、不打折）的条件下，找到最优方案。

举一个具体的例子。你是一个农民，有 100 亩地，可以种小麦或玉米。小麦每亩利润 500 元，玉米每亩利润 300 元。但市场上有需求约束：你最多只能卖掉 40000 斤小麦和 30000 斤玉米。小麦亩产 800 斤，玉米亩产 600 斤。你想最大化总利润。

这个问题的数学表达很简单。设 $x$ 为种小麦的亩数，$y$ 为种玉米的亩数。

约束条件：

土地约束：$x + y \leq 100$

小麦产量上限：$800x \leq 40000$，即 $x \leq 50$

玉米产量上限：$600y \leq 30000$，即 $y \leq 50$

非负约束：$x \geq 0$，$y \geq 0$

目标函数（最大化利润）：

$$ \max\ 500x + 300y $$

这个问题的解法是初等的。你可以遍历几个边界点：$(0, 0)$ 利润为 0；$(50, 0)$ 利润 25000；$(0, 50)$ 利润 15000；$(50, 50)$ 利润 40000。后者满足所有约束，所以是最优解：种 50 亩小麦加 50 亩玉米，总利润 40000 元。

这是一个简化到几乎不真实的例子，但它展示了几件事。

约束是用数学不等式表达的，每个约束对应一个真实世界的"做不到"。目标是用一个数学函数表达的，每个变量的系数对应它对目标的贡献。最优解不需要是整数，不需要是"看起来舒服"的值，它就是那个让目标函数最大、且满足所有约束的点。更重要的是，这个问题如果有 100 个变量、1000 个约束，靠人脑遍历是不可能完成的。但数学家给出了方法，包括单纯形法、内点法等，计算机可以在几秒钟内算出答案。这种把"决策问题"翻译成"数学问题"、再用算法求解的思路，就是康托罗维奇在 1930 年代开创的。

最优化思想并不要求每个问题都被翻译成数学公式。它的核心精神是：在所有可行方案中挑一个最好的，可行方案的范围由约束决定，"最好"由目标决定。这种精神可以应用在任何决策场景中，从你早上吃什么，到国家预算怎么编。数学只是其中一种实现方式，直觉、经验、协商也都是实现方式。

但我们也不能神化数学方法。数学方法擅长处理约束明确、目标明确的问题。一旦约束模糊（"我不知道市场还能不能多卖 5000 斤小麦"），或者目标多元（"我想赚更多钱，但也想保护土地"），数学方法就会变得吃力。这也是为什么经济学家和数据科学家花了大量精力研究"在不确定下做决策"和"在多目标下做决策"这两个问题。

还有一个常被忽略的细节：最优解和满意解是不同的。最优解是数学意义上的"理论最好"，但它在现实中可能因为某个微小变化就失效。满意解是"我目前能接受的最好"，它对信息的容忍度更高，鲁棒性也更好。赫伯特·西蒙（Herbert Simon）因为提出"满意即可"（satisficing）的概念获得了诺贝尔经济学奖，他的主张是：在真实世界里，人类追求的从来不是最优解，而是满意解。这个观察和康托罗维奇的工作并不冲突，反而互补：一个告诉我们理论上最好在哪，一个告诉我们实践中应该追求什么。

到这里，本章给出了第三个核心概念。最优化和稀缺性、机会成本一起，构成了本书的思维地基。理解了这三个概念，你就能把日常生活和历史事件中的取舍问题，看成同一类问题。这正是经济学思维的价值。

但故事到这里还差一块拼图：这种思想不是凭空出现的。它有一个具体的诞生地，一个具体的人，和一个具体的历史背景。下一节我们来谈这件事。

四、为什么苏联的"短缺"是康托罗维奇思想的孵化器

要理解最优化思想为什么重要，我们必须回到它的诞生地，1930 年代的苏联。

那是一个什么样的国家？1928 年起，斯大林启动第一个五年计划，苏联开始以国家计划的方式配置整个国家的资源。成千上万家工厂的产量、价格、原材料分配，都由莫斯科的中央计划委员会来决定。这个委员会的工作量巨大到难以想象：每一类产品的每一个规格、每一家工厂的每一种原料、每一条铁路的每一个车厢，都需要被"计划"出来。

这个体系有一个内在的难题：信息。一个中央计划者，不可能知道全国每一家工厂的真实产能、真实成本、真实需求。但他必须做出计划。于是他只能依赖粗糙的指标，比如"今年钢产量 3000 万吨"、"明年拖拉机产量 10 万台"。这种指标一旦下达，工厂就会想方设法完成它，至于是否符合实际需求、生产过程是否浪费，并不是考核重点。

结果是双重的。一方面，苏联确实在二十多年里从一个农业国变成了工业国，重工业、军工、航天都取得了惊人的成就。另一方面，计划体制下的资源配置效率极低。一种常见的情况是：一家工厂接到命令生产 1000 台机器，它生产了 1000 台，但其中 300 台根本没有用户，因为型号不对或者规格过时；与此同时，另一家急需机器的工厂却拿不到货，因为它不在今年的计划里。生产出来的东西卖不出去，需要的东西又生产不出来。这就是"短缺"。

"短缺"这个词在苏联计划经济语境里有一个特殊的含义。它不是说仓库里什么都没有，而是说"想要的和实际能拿到的之间有系统性差距"。经济学家雅诺什·科尔奈在 1980 年代写了一本著名的书《短缺经济学》，专门分析这种状态。在短缺经济里，排队、走后门、黑市、囤积、贿赂，都是常态，因为官方渠道分不到东西，人们只能自寻出路。

康托罗维奇就生活在这样一个经济里。

列昂尼德·康托罗维奇，1912 年生于俄国圣彼得堡，父亲是医生。他从小就表现出惊人的数学天赋，14 岁进入列宁格勒国立大学（这是当时苏联最好的大学之一），22 岁成为正教授。他的研究领域一开始是纯数学，特别是泛函分析。1930 年，他被邀请到一个委员会里，去解决一个看起来非常实际的问题：如何提高一家胶合板厂的产量。

当时的苏联正在大规模建设，需要大量胶合板。胶合板的生产有多种原料组合，可以用不同比例的木材、胶水、燃料、电力、人力来生产同一张胶合板。每种原料的供给量是有限的。问题来了：怎么分配这些原料，让胶合板的总产量最大？

康托罗维奇花了几周时间思考这个问题，发现它不能用当时已有的数学方法直接处理。古典微积分擅长处理"连续可微"的问题，但工厂生产往往是离散的、有约束的、有多种组合的。他意识到这是一个新的数学问题，并给出了它的数学结构：用数学语言说，就是"在一组线性约束下，最大化一个线性目标函数"。这就是我们今天说的线性规划。

1939 年，他出版了一本小书《生产组织与计划中的数学方法》，把这个问题和它的解法系统地写了出来。这是世界上第一本线性规划专著，比西方的类似工作（乔治·丹齐格的单纯形法发表于 1947 年）早了将近十年。但这本书的命运非常奇特：苏联官方认为它与马克思主义政治经济学有冲突，因为"边际分析"、"最优化"这些概念看起来像是资产阶级的工具。康托罗维奇的著作在国内被压制了几十年，他的工作也长期得不到官方认可。

直到 1950 年代中期，苏联意识到自己的资源配置效率太低，开始重视经济数学方法。康托罗维奇的工作才被重新发现，并被授予列宁奖金。1975 年，他与荷兰的库普曼斯（Tjalling Koopmans）共享了诺贝尔经济学奖，成为第一位获得诺贝尔经济学奖的苏联公民。瑞典皇家科学院在颁奖词中评价他的贡献是"对资源最优分配理论的开拓性贡献"。

康托罗维奇的故事告诉我们几件事。

最优化思想不是某个聪明人坐在书斋里想出来的，而是被现实逼出来的。苏联的短缺经济产生了大量"如何在约束下分配资源"的真实问题，康托罗维奇只是第一个用严格的数学语言去回答这些问题的人。在他之后，丹齐格、冯·诺依曼、库普曼斯等人在不同国家独立发展了类似或相关的工具。这是一个全球性的思想汇流，不是一个人在真空里的天才闪光。

理论和意识形态会冲突。康托罗维奇的工作在苏联被冷处理了将近二十年，并不是因为它错了，而是因为它不符合当时主流意识形态对"社会主义经济应该如何运行"的想象。这提醒我们：好的思想不会因为被打压就消失，但被压制的时间会让整个社会付出巨大的代价。

稀缺性的极端形态，也就是计划经济，恰恰催生了处理稀缺性的最强大工具。这是历史的一个反讽。计划经济想消除市场机制，结果反而让苏联的经济学家